การติดอินเทอร์เน็ต: สไตล์การเผชิญปัญหา, ความคาดหวังและผลการรักษา (2014)

แบรนด์แมทเธียสช^{* 1,2}, คริสเตียนไลเออร์¹ และ Kimberly S. Young³

• ¹ภาควิชาจิตวิทยาทั่วไป: ความรู้ความเข้าใจมหาวิทยาลัยดูสบูร์ก - เอสเซนดูสบูร์กเยอรมนี
• ²สถาบัน Erwin L. Hahn สำหรับการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก, Essen, ประเทศเยอรมนี
• ³ศูนย์ติดยาเสพติดอินเทอร์เน็ตโรงเรียนวารสารศาสตร์และสื่อสารมวลชน Russell J. Jandoli, St. Bonaventure University, Olean, NY, USA

การติดอินเทอร์เน็ต (IA) ได้กลายเป็นภาวะสุขภาพจิตที่ร้ายแรงในหลายประเทศ เพื่อให้เข้าใจถึงผลกระทบทางคลินิกของ IA ได้ดีขึ้นการศึกษานี้ได้ทดสอบแบบจำลองเชิงทฤษฎีแบบใหม่ซึ่งแสดงให้เห็นถึงกลไกการคิดพื้นฐานที่เอื้อต่อการพัฒนาและบำรุงรักษาความผิดปกติ โมเดลนี้สร้างความแตกต่างระหว่างการติดอินเทอร์เน็ตทั่วไป (GIA) และแบบฟอร์มเฉพาะ การศึกษานี้ทดสอบรูปแบบของ GIA เกี่ยวกับประชากรของผู้ใช้อินเทอร์เน็ตทั่วไป ผลการวิจัยจากผู้ใช้ 1019 แสดงให้เห็นว่าแบบจำลองสมการโครงสร้างที่ตั้งสมมติฐานอธิบาย 63.5% ของความแปรปรวนของอาการ GIA ซึ่งวัดโดยการทดสอบติดอินเทอร์เน็ตรุ่นสั้น จากการใช้การทดสอบทางจิตวิทยาและบุคลิกภาพผลลัพธ์แสดงให้เห็นว่าความรู้ความเข้าใจเฉพาะบุคคลของบุคคล (การเผชิญปัญหาที่ไม่ดีและความคาดหวังด้านความรู้ความเข้าใจ) เพิ่มความเสี่ยงสำหรับจีไอเอ ปัจจัยทั้งสองนี้เป็นสื่อกลางอาการของจีไอเอหากมีปัจจัยเสี่ยงอื่น ๆ เช่นภาวะซึมเศร้าความวิตกกังวลทางสังคมการเห็นคุณค่าในตนเองต่ำการรับรู้ความสามารถในตนเองต่ำและความอ่อนแอต่อความเครียดสูงเพื่อระบุชื่อพื้นที่บางส่วนที่วัดได้ในการศึกษา แบบจำลองนี้แสดงให้เห็นว่าบุคคลที่มีทักษะการเผชิญปัญหาสูงและไม่มีความคาดหวังว่าอินเทอร์เน็ตจะสามารถใช้เพื่อเพิ่มอารมณ์เชิงบวกหรือเชิงลบมีแนวโน้มที่จะมีส่วนร่วมในการใช้อินเทอร์เน็ตที่เป็นปัญหาน้อยกว่าแม้ว่าบุคลิกภาพหรือความอ่อนแอทางจิตใจอื่น ๆ ความหมายของการรักษาประกอบด้วยองค์ประกอบทางปัญญาที่ชัดเจนในการพัฒนา GIA และความจำเป็นในการประเมินรูปแบบการเผชิญปัญหาและความรู้ความเข้าใจของผู้ป่วยและปรับปรุงการคิดที่ผิดพลาดเพื่อลดอาการและมีส่วนร่วมในการฟื้นฟู

บทนำ

การใช้อินเทอร์เน็ตที่มีปัญหาได้รับการระบุในการศึกษาจำนวนหนึ่งและแสดงให้เห็นว่าผลกระทบเชิงลบอย่างต่อเนื่องเช่นการสูญเสียงานความล้มเหลวทางวิชาการและการหย่าร้างเป็นผลมาจากการใช้อินเทอร์เน็ตมากเกินไป Griffiths, 2000a,b; Chou et al., 2005; Widyanto และ Griffiths, 2006; Byun et al., 2009; Weinstein และ Lejoyeux, 2010; Lortie และ Guitton, 2013) ความเกี่ยวข้องทางคลินิกของปรากฏการณ์นี้ได้รับความสำคัญกับพื้นหลังของอัตราความชุกสูงประมาณตั้งแต่ 1.5 ถึง 8.2% (Weinstein และ Lejoyeux, 2010) หรือสูงถึง 26.7% ขึ้นอยู่กับเครื่องชั่งที่ใช้และเกณฑ์ที่ใช้ (Kuss et al., 2014).

แม้ว่าคำอธิบายแรกของปัญหาทางคลินิกนี้เกือบ 20 ปีที่ผ่านมา (หนุ่ม 1996) การจำแนกประเภทยังคงมีการพูดคุยกันอย่างถกเถียงและดังนั้นจึงมีการใช้คำศัพท์หลายข้อในเอกสารทางวิทยาศาสตร์ตั้งแต่ "การใช้อินเทอร์เน็ตที่ต้องกระทำ" (Meerkerk et al., 2006, 2009, 2010) "ปัญหาเกี่ยวกับอินเทอร์เน็ต" (Widyanto และคณะ, 2008) "การใช้อินเทอร์เน็ตที่มีปัญหา" (Caplan, 2002) "การใช้อินเทอร์เน็ตทางพยาธิวิทยา" (เดวิส 2001) ถึง "พฤติกรรมที่เกี่ยวข้องกับอินเทอร์เน็ตที่ทำให้ติดได้" (เบรนเนอร์ 1997) พูดถึงเพียงไม่กี่ อย่างไรก็ตามในช่วง 10 ปีที่ผ่านมานักวิจัยส่วนใหญ่ในสาขานี้ใช้คำว่า "การติดอินเทอร์เน็ต" หรือ "ความผิดปกติในการติดอินเทอร์เน็ต" (เช่น Johansson และGötestam, 2004; บล็อก 2008; Byun et al., 2009; Dong et al., 2010, 2011, 2013; Kim et al., 2011; Purty et al., 2011; หนุ่ม 2011b, 2013; Young และคณะ, 2011; Zhou และคณะ, 2011; เงินสดและรายการ, 2012; Hou et al., 2012; Hong et al., 2013a,b; Kardefelt-Winther, 2014; Pontes et al., 2014; Tonioni และคณะ, 2014) นอกจากนี้เรายังชอบคำว่า“ การติดอินเทอร์เน็ต (IA)” เพราะบทความล่าสุด (ดูการสนทนาใน ยี่ห้อและคณะ, 2014) เน้นความคล้ายคลึงกันระหว่างอินเทอร์เน็ตมากเกินไปกับพฤติกรรมเสพติดอื่น ๆ (เช่น ให้สิทธิ์, 2013) และยังพึ่งพาสาร (ดูยัง หนุ่ม 2004; Griffiths, 2005; Meerkerk et al., 2009) มันเป็นเรื่องที่ถกเถียงกันอยู่ว่ากลไกที่เกี่ยวข้องกับการพัฒนาและการบำรุงรักษาของการพึ่งพาสารเคมีจะถูกถ่ายโอนไปยังการใช้งานแอพพลิเคชั่นอินเทอร์เน็ตที่เสพติด (และพฤติกรรมการเสพติดอื่น ๆ ) ตัวอย่างเช่นทฤษฎี Robinson และ Berridge, 2000, 2001, 2008; Berridge และคณะ, 2009) สิ่งนี้ยังเหมาะสมกับโมเดลของพฤติกรรมเสพติดด้วยGriffiths, 2005).

มีการศึกษาจำนวนมากเกี่ยวกับความสัมพันธ์ทางจิตวิทยาของ IA แต่ได้มีการทำอย่างน้อยที่สุดในกรณีส่วนใหญ่โดยไม่มีความแตกต่างระหว่างการติดอินเทอร์เน็ตทั่วไป (GIA) และการติดอินเทอร์เน็ตโดยเฉพาะ (SIA; Morahan-Martin และ Schumacher, 2000; เหลียง 2004; Ebeling-Witte et al., 2007; Lu, 2008; คิมและเดวิส 2009; Billieux และ Van der Linden, 2012) แม้ว่ากลไกทางจิตวิทยาอาจแตกต่างกัน แต่สำหรับกลุ่มอายุที่แตกต่างกันหรือแอปพลิเคชันที่ใช้ (Lopez-Fernandez และคณะ, 2014) การศึกษาของเราตรวจสอบผลกระทบไกล่เกลี่ยของรูปแบบการเผชิญปัญหาและความคาดหวังทางปัญญาสำหรับการใช้อินเทอร์เน็ตในการพัฒนาและบำรุงรักษา GIA เพื่อให้เกิดความเข้าใจที่ดีขึ้นเกี่ยวกับกลไกพื้นฐานและผลกระทบที่อาจเกิดขึ้นจากการวินิจฉัยและการรักษา

ในระดับทฤษฎีมันได้รับการตั้งสมมติฐานแล้วว่า IA จะต้องมีความแตกต่างเกี่ยวกับการใช้อินเทอร์เน็ตทั่วไป (Griffiths and Wood, 2000) กับ IA บางประเภทเช่น cybersex, ความสัมพันธ์ออนไลน์, การบังคับสุทธิ (เช่นการพนัน, การช็อปปิ้ง), การค้นหาข้อมูลและการเล่นเกมออนไลน์เพื่อพัฒนาสิ่งเสพติดบนอินเทอร์เน็ต (เช่น Young และคณะ, 1999; Meerkerk et al., 2006; บล็อก 2008; ยี่ห้อและคณะ, 2011) อย่างไรก็ตามมีเพียงหนึ่งประเภทย่อยของ Internet Gaming Disorder ที่รวมอยู่ในภาคผนวกของ DSM-5 (APA, 2013) การศึกษาส่วนใหญ่ประเมินว่า IA เป็นโครงสร้างแบบครบวงจรหรือประเมินเฉพาะหนึ่งประเภทย่อย (ในกรณีส่วนใหญ่การเล่นเกมทางอินเทอร์เน็ต) ในแบบจำลองความรู้ความเข้าใจพฤติกรรมของเขา เดวิส (2001) นอกจากนี้ยังมีความแตกต่างระหว่างการใช้งานอินเทอร์เน็ตพยาธิวิทยาทั่วไป (GIA) และการใช้อินเทอร์เน็ตพยาธิวิทยาเฉพาะ (SIA) GIA ถูกอธิบายว่าเป็นการใช้อินเทอร์เน็ตมากเกินไปในหลายมิติพร้อมกับการเสียเวลาและการใช้อินเทอร์เน็ตที่ไม่ได้กำกับ แง่มุมทางสังคมของอินเทอร์เน็ต (เช่นการสื่อสารทางสังคมผ่านเว็บไซต์เครือข่ายสังคม) นั้นถูกนำมาใช้เป็นพิเศษ (ดูเพิ่มเติมที่การสนทนาด้วย Lortie และ Guitton, 2013) ซึ่งควรจะเชื่อมโยงกับการขาดการสนับสนุนทางสังคมและการขาดดุลทางสังคมที่ประสบโดยบุคคลในสถานการณ์ที่ไม่ใช่เสมือน นอกจากนี้ยังเป็นที่ถกเถียงกันอยู่ว่าผู้เข้าร่วมอาจใช้แอปพลิเคชั่นอินเทอร์เน็ตที่แตกต่างกันหลายรายการโดยไม่ต้องมีคนโปรดเช่นเล่นเกมดูสื่อลามกท่องข้อมูลและ / หรือเว็บไซต์ช็อปปิ้งโพสต์เซลฟี่ดูวิดีโอบนแพลตฟอร์มวิดีโอ ของผู้อื่นและอื่น ๆ ในกรณีนี้เราอาจโต้แย้งว่าบุคคลนั้นติดอินเทอร์เน็ตและไม่ได้ติดอินเทอร์เน็ต (แต่ดูการสนทนาใน Starcevic, 2013) เดวิสระบุว่าข้อแตกต่างที่สำคัญระหว่างจีไอเอกับ SIA คือบุคคลที่ประสบกับจีไอเอจะไม่ได้พัฒนาพฤติกรรมที่เป็นปัญหาคล้ายกันโดยไม่ใช้อินเทอร์เน็ตในขณะที่บุคคลที่ได้รับความทุกข์ทรมานจาก SIA จะต้องพัฒนาพฤติกรรมที่มีปัญหาคล้ายกัน ในทั้งสองรูปแบบของการใช้อินเทอร์เน็ตอย่างเสพติด, GIA และ SIA, ความรู้ความเข้าใจที่ผิดปกติเกี่ยวกับตัวเองและเกี่ยวกับโลกได้รับการแนะนำให้มีบทบาทพื้นฐาน (Caplan, 2002, 2005).

การวิจัยเกี่ยวกับ GIA แสดงให้เห็นว่าการร้องเรียนส่วนตัวในชีวิตประจำวันที่เกิดจากการใช้อินเทอร์เน็ตมีความสัมพันธ์กับลักษณะบุคลิกภาพที่หลากหลาย อันที่จริงมันก็แสดงให้เห็นว่า GIA เชื่อมโยงกับ comorbidities จิตเช่นความผิดปกติของอารมณ์หรือความวิตกกังวล (Whang และคณะ, 2003; Yang et al., 2005; Weinstein และ Lejoyeux, 2010) เช่นเดียวกับลักษณะบุคลิกภาพความประหม่า, โรคประสาทอ่อน, ช่องโหว่ความเครียดแนวโน้มที่จะผัดวันประกันพรุ่งและความนับถือตนเองต่ำ (Niemz และคณะ, 2005; Ebeling-Witte et al., 2007; Hardie และ Tee, 2007; แทตเชอร์และคณะ 2008; คิมและเดวิส 2009) นอกจากนี้ปัจจัยของบริบททางสังคมเช่นการขาดการสนับสนุนทางสังคมหรือการแยกทางสังคม (Morahan-Martin และ Schumacher, 2003; Caplan, 2007) และแม้กระทั่งความเหงาในสภาพแวดล้อมทางการศึกษาในวัยรุ่น (Pontes et al., 2014) ดูเหมือนจะเกี่ยวข้องกับ GIA ยิ่งไปกว่านั้นยังเป็นที่ถกเถียงกันอยู่ว่าการใช้อินเทอร์เน็ตเป็นเครื่องมือในการจัดการกับเหตุการณ์ชีวิตที่มีปัญหาหรือเครียดก่อให้เกิดการพัฒนาของจีไอเอWhang และคณะ, 2003; ตั้งและ 2014) คนที่มี IA แสดงยังมีแนวโน้มสูงต่อกลยุทธ์การเผชิญปัญหาแบบห่ามTonioni และคณะ, 2014) ผู้เขียนบางคนคิดว่า IA เป็นรูปแบบของการรับมือกับชีวิตประจำวันหรือความยุ่งยากในชีวิตประจำวันKardefelt-Winther, 2014) ยังคงมีเพียงการศึกษาแรกเท่านั้นซึ่งเปรียบเทียบการทำนาย SIA ประเภทต่างๆอย่างชัดเจน Pawlikowski และคณะ (2014) รายงานว่าความประหม่าและความพึงพอใจในชีวิตนั้นเกี่ยวเนื่องกับการใช้เกมอินเทอร์เน็ตอย่างเสพติด แต่ไม่ใช่เพื่อการใช้งานทางไซเบอร์ของไซเบอร์เท็กซ์หรือการใช้ทั้งเกมและไซเบอร์เท็กซ์

จากการวิจัยก่อนหน้านี้โดยเฉพาะข้อโต้แย้งโดย เดวิส (2001)และยังพิจารณาวรรณกรรมปัจจุบันเกี่ยวกับการค้นพบ neuropsychological และ neuroimaging ในวิชาที่ติดอยู่บนอินเทอร์เน็ตเราเพิ่งเผยแพร่แบบจำลองทางทฤษฎีเกี่ยวกับการพัฒนาและการบำรุงรักษาของ GIA และ SIA (ยี่ห้อและคณะ, 2014) บางแง่มุมที่รวมอยู่ในตัวแบบได้ถูกกล่าวถึงแล้วในบริบทของการใช้เว็บไซต์เครือข่ายสังคมเช่นความคาดหวังของผลลัพธ์ที่เป็นบวก (Turel และ Serenko, 2012) นอกจากนี้ยังแสดงให้เห็นว่าการใช้การประมูลออนไลน์มากเกินไปหรือเสพติดมีความสัมพันธ์กับการเปลี่ยนแปลงในความเชื่อของบุคคลเกี่ยวกับเทคนิคและสิ่งนี้จะเป็นตัวกำหนดการใช้และการใช้งานในอนาคต (Turel และคณะ, 2011) สิ่งนี้สอดคล้องกับแบบจำลองเชิงทฤษฎีของเราเกี่ยวกับ GIA ซึ่งเราถือว่าความเชื่อหรือความคาดหวังเกี่ยวกับสิ่งที่อินเทอร์เน็ตสามารถทำเพื่อบุคคลที่มีอิทธิพลต่อพฤติกรรมเช่นการใช้อินเทอร์เน็ตซึ่งจะส่งผลต่อความคาดหวังในอนาคต อย่างไรก็ตามในโมเดลของเราเราได้มุ่งเน้นไปที่บทบาทไกล่เกลี่ยของความคาดหวังและกลยุทธ์การเผชิญปัญหาในการพัฒนาและรักษา GIA และประเภท SIA เฉพาะ

สำหรับการพัฒนาและการบำรุงรักษา GIA เรายืนยันว่าผู้ใช้มีความต้องการและเป้าหมายที่แน่นอนซึ่งสามารถทำได้โดยใช้แอปพลิเคชันอินเทอร์เน็ตบางอย่าง จากการวิจัยก่อนหน้านี้เราได้รวบรวมสิ่งที่ค้นพบหลายอย่างเพื่อพัฒนาแบบจำลองที่ครอบคลุมเพื่อเชื่อมโยงองค์ประกอบเหล่านี้เข้าด้วยกัน เริ่มแรกลักษณะสำคัญของบุคคลนั้นมีความเกี่ยวข้องกับ IA และรวมถึงด้านจิตวิทยาลักษณะบุคลิกภาพและความรู้ความเข้าใจทางสังคม ในส่วนแรกเรารวมถึงอาการทางจิตโดยเฉพาะภาวะซึมเศร้าและความวิตกกังวลทางสังคม (เช่น Whang และคณะ, 2003; Yang et al., 2005) แง่มุมบุคลิกภาพที่ผิดปกติเช่นการรับรู้ความสามารถของตนเองต่ำความประหม่าความอ่อนแอของความเครียดและแนวโน้มการผัดวันประกันพรุ่ง (Whang และคณะ, 2003; ชากและเหลียง 2004; Caplan, 2007; Ebeling-Witte et al., 2007; Hardie และ Tee, 2007; แทตเชอร์และคณะ 2008; คิมและเดวิส 2009; Pontes et al., 2014) และการแยกทางสังคม / การขาดการสนับสนุนทางสังคม (Morahan-Martin และ Schumacher, 2003; Caplan, 2005) ในการพัฒนา GIA อย่างไรก็ตามเราแนะนำว่าอิทธิพลของคุณลักษณะหลักและความรู้ความเข้าใจของบุคคลเหล่านั้นที่มีต่อการพัฒนาการใช้อินเทอร์เน็ตที่เสพติดควรได้รับการสื่อกลางโดยความรู้ความเข้าใจที่เกี่ยวข้องกับอินเทอร์เน็ตบางอย่างโดยเฉพาะอย่างยิ่งความคาดหวังในการใช้อินเทอร์เน็ตTurel และคณะ, 2011; Xu และคณะ, 2012; Lee และคณะ, 2014) และกลยุทธ์บางอย่างเพื่อรับมือกับความต้องการในชีวิตประจำวันหรือความยุ่งยากในชีวิตประจำวัน (ตั้งและ 2014; Tonioni และคณะ, 2014) ในส่วนที่สามของรูปแบบซึ่งเป็นพฤติกรรมที่ตามมาหากผู้ใช้ไปออนไลน์และได้รับการสนับสนุนในแง่ของการจัดการที่ผิดปกติกับปัญหาหรืออารมณ์เชิงลบและคนคาดหวังว่าการใช้อินเทอร์เน็ตจะหันเหความสนใจจากปัญหาหรือความรู้สึกเชิงลบ มีแนวโน้มว่าพวกเขาจะหันไปใช้อินเทอร์เน็ตเพื่อหลบหนีความรู้สึกเหล่านั้นซึ่งเห็นได้จากการสูญเสียการควบคุมการจัดการเวลาที่ไม่ดีความอยากและปัญหาสังคมที่เพิ่มขึ้น บทบาทของกระบวนการเสริมกำลังและการปรับสภาพได้รับการอธิบายไว้อย่างดีในวรรณคดีเกี่ยวกับการพัฒนาและการบำรุงรักษาความผิดปกติที่เกี่ยวข้องกับสาร (เช่น Robinson และ Berridge, 2001, 2008; Kalivas และ Volkow, 2005; Everitt และ Robbins, 2006) นอกจากนี้เรายังเป็นที่ถกเถียงกันอยู่ว่าการเสริมแรงเชิงบวกและเชิงลบของรูปแบบการเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ตอย่างต่อเนื่องส่งผลให้สูญเสียการควบคุมการรับรู้เกี่ยวกับการใช้อินเทอร์เน็ตซึ่งเป็นสื่อกลางโดยการทำงานล่วงหน้ายี่ห้อและคณะ, 2014).

แม้ว่ารูปแบบนี้เหมาะกับวรรณกรรมก่อนหน้านี้ในการค้นพบที่สำคัญเกี่ยวกับกลไกทางจิตวิทยาที่อยู่เบื้องหลัง IA (ดูภาพรวมโดย Kuss และ Griffiths, 2011a,b; Griffiths, 2012) และล่าสุดกับ neuropsychological และ neuroimaging correlates ของจีไอเอและประเภท SIA (Kuss และ Griffiths, 2012; ยี่ห้อและคณะ, 2014) โมเดลนี้ยังต้องการหลักฐานเชิงประจักษ์ในแง่ของความถูกต้องที่เพิ่มขึ้น ในการศึกษาครั้งนี้เรามีวัตถุประสงค์เพื่อแปลสมมติฐานที่สรุปไว้ในแบบจำลองเชิงทฤษฎีของ GIA ที่ระบุไว้ข้างต้นเป็นแบบจำลองทางสถิติเกี่ยวกับระดับตัวแปรแฝงและทดสอบตัวทำนายและผลกระทบของสื่อกลางต่อความรุนแรงของอาการ GIA โดยใช้ประชากรอินเทอร์เน็ตขนาดใหญ่ ด้วยการใช้มาตรการทางจิตวิทยาและบุคลิกภาพที่ผ่านการตรวจสอบแล้วเราจะประเมินคุณลักษณะหลักของบุคคลในการทำนายการใช้อินเทอร์เน็ตที่มากเกินไปและเสพติดในลักษณะทั่วไป การใช้มาตรการการเผชิญปัญหาที่ได้รับการตรวจสอบและมาตรการการใช้อินเทอร์เน็ตที่พัฒนาขึ้นใหม่เราทดสอบว่าทักษะการเผชิญปัญหาต่ำและความคาดหวังในการใช้อินเทอร์เน็ต (เช่นการใช้อินเทอร์เน็ตเพื่อหลบหนีความรู้สึกเชิงลบหรือสถานการณ์ที่ไม่พึงประสงค์) เป็นสื่อกลาง จีไอเอ

วัสดุและวิธีการ

รูปแบบการดำเนินงาน

ก่อนอื่นเราแปลแบบจำลองเชิงทฤษฎีที่อธิบายไว้ในบทนำและภาพประกอบในบทความโดย ยี่ห้อและคณะ (2014) เป็นแบบจำลองทางสถิติที่ทดสอบได้และดำเนินการได้ สำหรับแต่ละมิติที่กล่าวถึงในแบบจำลองเชิงทฤษฎีเราเลือกตัวแปรอย่างน้อยสองตัวแปรเพื่อสร้างแบบจำลองสมการโครงสร้าง (SEM) ในระดับแฝง สำหรับตัวแปรแต่ละตัวจากนั้นเราใช้มาตราส่วนเฉพาะ (แต่ละอันประกอบด้วยหลายรายการดูคำอธิบายเครื่องมือด้านล่าง) เพื่อใช้งานตัวแปรรายการ รูปแบบการดำเนินการนี้เป็น SEM ในระดับแฝงแสดงในรูป 1.

 

รูป 1 แบบจำลองการดำเนินงานรวมถึงสมมติฐานหลักของแบบจำลองเชิงทฤษฎีบน GIA ในมิติที่ซ่อนเร้น

Subjects

ใช้แบบสำรวจออนไลน์ที่ครอบคลุมเรามีผู้ตอบแบบสอบถาม 1148 หลังจากการยกเว้นผู้เข้าร่วม 129 เนื่องจากข้อมูลที่ไม่สมบูรณ์ในเครื่องชั่งไซโครเมทริกส์ตัวอย่างสุดท้ายประกอบด้วย N = 1019 ผู้เข้าร่วมได้รับคัดเลือกจากโฆษณาแพลตฟอร์มอินเทอร์เน็ต (บัญชี Facebook ของทีมจิตวิทยาทั่วไป: ความรู้ความเข้าใจ) รายการอีเมลให้กับนักศึกษาของมหาวิทยาลัยดูสบูร์ก - เอสเซนและผ่านใบปลิวในผับและบาร์ท้องถิ่นรวมถึงคำพูดของ คำแนะนำปาก โฆษณาอีเมลและใบปลิวรวมคำแถลงว่าผู้เข้าร่วมสามารถมีส่วนร่วมในการรับรางวัลหนึ่งในรายการต่อไปนี้: (1) iPad, (2) iPad mini, (3) iPod nano, (4) ) iPod shu ffl e, 20 บัตรของขวัญ Amazon (50 ยูโรแต่ละใบ) การศึกษาได้รับการอนุมัติจากคณะกรรมการจริยธรรมในท้องถิ่น

อายุเฉลี่ยของกลุ่มตัวอย่างสุดท้ายคือ 25.61 ปี (SD = 7.37) กลุ่มตัวอย่างประกอบด้วยเพศหญิง 625 (61.33%) และเพศชาย 385 (37.78%) (อาสาสมัครเก้าคนไม่ตอบคำถามนี้) สำหรับสถานการณ์ชีวิตส่วนตัวผู้เข้าร่วม 577 คน (56.62%) อาศัยอยู่ในความสัมพันธ์หรือแต่งงานแล้วและ 410 (40.24%) ระบุว่าไม่มีความสัมพันธ์ในปัจจุบัน (ผู้เข้าร่วม 32 คนไม่ตอบคำถามนี้) ขณะทำการประเมินผู้เข้าร่วม 687 คน (67.42%) เป็นนักเรียนผู้เข้าร่วม 332 คน (32.58%) มีงานประจำ (โดยที่เราไม่มีพื้นฐานทางวิชาการ) จากกลุ่มตัวอย่างทั้งหมดผู้เข้าร่วม 116 คน (11.4%) ปฏิบัติตามเกณฑ์สำหรับการใช้อินเทอร์เน็ตที่มีปัญหา [ตัด> 30 ในการทดสอบการติดอินเทอร์เน็ตแบบสั้น (s-IAT) ดูคำอธิบายของเครื่องมือด้านล่าง] และผู้เข้าร่วม 38 คน (3.7%) สำหรับ การใช้อินเทอร์เน็ตทางพยาธิวิทยา (> 37 ใน s-IAT) เวลาเฉลี่ยที่ใช้บนอินเทอร์เน็ตคือ 972.36 นาที / สัปดาห์ (SD = 920.37) จากกลุ่มตัวอย่างทั้งหมด 975 คนใช้เว็บไซต์เครือข่ายสังคม / การสื่อสาร (M_{นาที / สัปดาห์} = 444.47, SD = 659.05), บุคคล 998 (97.94%) ค้นหาข้อมูลบนอินเทอร์เน็ต (M_{นาที / สัปดาห์} = 410.03, SD = 626.26), บุคคล 988 (96.96%) ที่ใช้เว็บไซต์ช็อปปิ้ง (M_{นาที / สัปดาห์} = 67.77, SD = 194.29), เกมออนไลน์ถูกใช้โดยผู้เข้าร่วม 557 (54.66%, M_{นาที / สัปดาห์} = 159.61, SD = 373.65) การพนันออนไลน์ดำเนินการโดยผู้เข้าร่วม 161 (15.80%, M_{นาที / สัปดาห์} = 37.09, SD = 141.70) และไซเบอร์เท็กซ์ถูกใช้โดยบุคคล 485 (47.60%, M_{นาที / สัปดาห์} = 66.46, SD = 108.28) เกี่ยวกับการใช้แอปพลิเคชั่นอินเทอร์เน็ตหลายแห่งผู้เข้าร่วม 995 (97.64%) รายงานว่าใช้แอปพลิเคชั่นอินเทอร์เน็ตสามแอปขึ้นไปดังกล่าวข้างต้นเป็นประจำ

เครื่องมือ

การทดสอบการติดอินเทอร์เน็ตระยะสั้น (s-IAT)

อาการของ IA ได้รับการประเมินด้วยการทดสอบการติดอินเทอร์เน็ตทางอินเทอร์เน็ตฉบับย่อของเยอรมัน (Pawlikowski และคณะ, 2013) ซึ่งยึดตามเวอร์ชันดั้งเดิมที่พัฒนาโดย หนุ่ม (1998). ในเวอร์ชันสั้น (s-IAT) จะต้องตอบคำถาม 12 ข้อในระดับคะแนน 1 คะแนนตั้งแต่ 5 (= ไม่เคย) ถึง 12 (= บ่อยมาก) ทำให้ได้คะแนนรวมตั้งแต่ 60 ถึง 30 ในขณะที่คะแนน> 37 หมายถึงการใช้อินเทอร์เน็ตที่มีปัญหาและคะแนน> XNUMX หมายถึงการใช้อินเทอร์เน็ตทางพยาธิวิทยา (Pawlikowski และคณะ, 2013) s-IAT ประกอบด้วยสองปัจจัย: การสูญเสียการควบคุม / การจัดการเวลาและปัญหาความอยาก / สังคม (แต่ละรายการมีหกข้อ) แม้ว่ารายการ 12 จะโหลดสองปัจจัยในการวิเคราะห์ปัจจัยเชิงสำรวจและยืนยัน (CFA; Pawlikowski และคณะ, 2013) พวกเขาจับอาการสำคัญของ IA เป็นตัวอย่างที่อธิบายไว้ในรูปแบบส่วนประกอบโดย (Griffiths, 2005) "การสูญเสียการควบคุม / การจัดการเวลา" ระดับล่างแรกประเมินว่าบุคคลมีปัญหาในการจัดการเวลาในชีวิตประจำวันอย่างไรเนื่องจากการใช้อินเทอร์เน็ตของเขา / เธอ (เช่น "คุณละเลยงานบ้านบ่อยครั้งที่จะใช้เวลาออนไลน์มากขึ้น?" และ “ คุณนอนไม่หลับบ่อยแค่ไหนเนื่องจากการออนไลน์ดึกดื่น?”) รายการย่อยนี้ยังประเมินผลกระทบด้านลบที่เกิดจากการใช้อินเทอร์เน็ตมากเกินไป (เช่น“ ผลการเรียนหรืองานโรงเรียนของคุณประสบบ่อยเพียงใดเนื่องจากจำนวนเวลาที่คุณใช้ออนไลน์?”) นอกจากนี้ยังมีการวัดว่าอาสาสมัครประสบการสูญเสียการควบคุมการใช้อินเทอร์เน็ตและหากพวกเขาพยายามลดการใช้อินเทอร์เน็ตและล้มเหลว (เช่น“ คุณพบว่าคุณอยู่ออนไลน์นานกว่าที่คุณตั้งใจไว้” บ่อยแค่ไหน) และ“ บ่อยแค่ไหน คุณพยายามลดเวลาที่ใช้ในการออนไลน์และล้มเหลวหรือไม่?”) รายการทั้งหมดไม่ได้วัดเวลาที่ใช้ออนไลน์ แต่ไม่ว่าบุคคลนั้นจะประสบกับการสูญเสียการควบคุมเกี่ยวกับการใช้อินเทอร์เน็ตและปัญหาในชีวิตประจำวันอันเป็นผลมาจากการใช้อินเทอร์เน็ตหรือไม่ “ ปัญหาความอยากรู้อยากเห็น / ปัญหาสังคม” ระดับที่สองจะวัดผลกระทบของการใช้อินเทอร์เน็ตมากเกินไปต่อปฏิสัมพันธ์ทางสังคมและความลุ่มหลงกับสื่อ (เช่น“ คุณรู้สึกหมกมุ่นอยู่กับอินเทอร์เน็ตบ่อยแค่ไหนเมื่ออยู่ในโลกออนไลน์หรือจินตนาการเกี่ยวกับการออนไลน์?”) รายการย่อยนี้ยังประเมินปัญหาระหว่างบุคคล (เช่นคุณสแน็ปตะโกนหรือทำตัวรำคาญถ้ามีคนมารบกวนคุณขณะที่คุณออนไลน์หรือไม่”) และการควบคุมอารมณ์ (เช่น“ คุณรู้สึกหดหู่หงุดหงิดบ่อยแค่ไหน หรือไม่สบายใจเมื่อคุณอยู่ที่อื่นซึ่งจะหายไปเมื่อคุณกลับมาออนไลน์หรือไม่) รายการทั้งหมดรวมถึงคำว่า "อินเทอร์เน็ต" หรือ "ออนไลน์" โดยทั่วไปโดยไม่เน้นที่แอปพลิเคชันบางอย่าง ในการเรียนการสอนผู้เข้าร่วมได้รับแจ้งว่าคำถามทั้งหมดเกี่ยวข้องกับการใช้งานอินเทอร์เน็ตโดยทั่วไปรวมถึงแอปพลิเคชันทั้งหมดที่ใช้

s-IAT นั้นมีคุณสมบัติทางไซโครเมทที่ดีและมีความถูกต้อง (Pawlikowski และคณะ, 2013) ในตัวอย่างของเราความสอดคล้องภายใน (Cαของα) คือ 0.856 สำหรับขนาดทั้งหมด 0.819 สำหรับการสูญเสียปัจจัยของการควบคุม / การจัดการเวลาและ 0.751 สำหรับความอยากปัจจัย / ปัญหาสังคม

บทสรุปอาการสินค้าคงคลัง - ความซึมเศร้าระดับย่อย

อาการซึมเศร้าได้รับการประเมินด้วยเวอร์ชันภาษาเยอรมัน (Franke, 2000) ของภาวะซึมเศร้าย่อยของคลังอาการสั้น (Boulet and Boss, 1991; Derogatis, 1993) มาตราส่วนประกอบด้วยหกรายการที่ประเมินอาการซึมเศร้าสำหรับวัน 7 สุดท้าย ต้องให้คำตอบในระดับห้าจุดตั้งแต่ 0 (= ไม่เลย) ถึง 4 (= มาก) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.858

บทสรุปอาการสินค้าคงคลัง - ความไวระหว่างบุคคล subscale

อาการของความวิตกกังวลทางสังคมและความไวระหว่างบุคคลได้รับการประเมินด้วยเวอร์ชันภาษาเยอรมัน (Franke, 2000) ของความไวระหว่างบุคคล subscale ของสินค้าคงคลังอาการสั้น ๆ (Boulet and Boss, 1991; Derogatis, 1993) มาตราส่วนประกอบด้วยสี่รายการและคำตอบต้องได้รับในมาตราส่วนห้าจุดตั้งแต่ 0 (= ไม่น้อยเลย) ถึง 4 (= สุดขีด) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.797

ระดับความนับถือตนเอง

การเห็นคุณค่าในตนเองได้รับการประเมินโดย Self-Esteem Scale (Rosenberg, 1965) พวกเราที่นี่ใช้เวอร์ชั่นภาษาเยอรมันที่ถูกดัดแปลง (Collani และ Herzberg, 2003) ซึ่งประกอบด้วยสิบรายการ คำตอบจะต้องได้รับในระดับสี่จุดตั้งแต่ 0 (= ไม่เห็นด้วยอย่างยิ่ง) ถึง 3 (= เห็นด้วยอย่างยิ่ง) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.896

มาตราส่วนการรับรู้ความสามารถของตนเอง

การประเมินประสิทธิภาพตนเองได้รับการประเมินโดย Self-Efficacy Scale (ชวาร์เซอร์และเยรูซาเล็ม 1995) ซึ่งประกอบด้วยรายการ 10 คำตอบจะต้องได้รับในระดับสี่จุดตั้งแต่ 1 (= ไม่เป็นความจริง) ถึง 4 (= จริงทั้งหมด) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.863

สินค้าคงคลังทดสอบสำหรับความเครียดเรื้อรัง

ช่องโหว่ของความเครียดถูกวัดโดยเวอร์ชันการคัดกรองของ Trier Inventory สำหรับ Chronic Stress (TICS; Schulz et al., 2004) การคัดกรองประกอบด้วยรายการ 12 เกี่ยวกับการเปิดรับความเครียดในช่วงเดือน 3 ที่ผ่านมา แต่ละคำสั่งจะต้องตอบในระดับห้าจุดตั้งแต่ 0 (= ไม่เคย) ถึง 4 (= บ่อยมาก) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.908

ระดับความเหงา

เวอร์ชั่นย่อของ Loneliness Scale (De Jong Gierveld และ Van Tilburg, 2006) ใช้เพื่อวัดความรู้สึกของความเหงา (ความเหงาทางอารมณ์ subscale สามรายการ) และการรับรู้การสนับสนุนทางสังคม (subscale การสนับสนุนทางสังคมสามรายการ) ข้อความทั้งหมดจะต้องตอบในระดับห้าจุดจาก 1 (= no!) ถึง 5 (= ใช่!) ความสอดคล้องภายใน (Cronbach's α) ในตัวอย่างของเราคือ 0.765 สำหรับความเหงาทางอารมณ์ subscale และ 0.867 สำหรับการสนับสนุนทางสังคม subscale

บทสรุป COPE

COPE ย่อ (Carver, 1997) วัดรูปแบบการเผชิญปัญหาในโดเมนย่อยที่แตกต่างกัน เราที่นี่ใช้สาม subscales ของเวอร์ชั่นเยอรมัน (Knoll et al., 2005): การปฏิเสธการใช้สารและการปลดพฤติกรรม สเกลย่อยแต่ละรายการมีสองรายการซึ่งต้องตอบในระดับสี่จุดตั้งแต่ 1 (= ฉันไม่ได้ทำสิ่งนี้เลย) ถึง 4 (= ฉันทำสิ่งนี้มามาก) ความสอดคล้องภายใน (Cαของα) ในตัวอย่างของเราคือ 0.561 สำหรับการปฏิเสธ subscale, 0.901 สำหรับการใช้สาร subscale และ 0.517 สำหรับการปลดพฤติกรรมของ subscale เนื่องจากเครื่องชั่งประกอบด้วยเพียงสองรายการและเนื่องจากเครื่องมือนั้นถูกใช้ในการศึกษาการตรวจสอบความถูกต้องหลายประการรวมถึงรายงานเกี่ยวกับความน่าเชื่อถือของการทดสอบซ้ำเราจึงพิจารณาความน่าเชื่อถือตามที่ยอมรับได้

มาตราส่วนการคาดการณ์การใช้อินเทอร์เน็ต

เพื่อประเมินความคาดหวังในการใช้อินเทอร์เน็ตเราได้พัฒนามาตราส่วนใหม่ซึ่งประกอบด้วยรายการ 16 ในเวอร์ชันแรก รายการดังกล่าวสะท้อนให้เห็นถึงปัจจัยที่สร้างแรงจูงใจหลักเช่นรายงานโดย Xu และคณะ (2012) และอีกด้วย ยี (2006). รายการที่ได้รับมอบหมาย priori สองเครื่องชั่งน้ำหนัก (แต่ละชิ้นมีแปดรายการ): ความคาดหวังในการใช้งานอินเทอร์เน็ตสะท้อนให้เห็นถึงการเสริมแรงเชิงบวก (เช่น“ ฉันใช้อินเทอร์เน็ตเพื่อรับความพึงพอใจ”) และผู้ที่สะท้อนการเสริมแรงเชิงลบ (เช่น“ ฉันใช้อินเทอร์เน็ตเพื่อเบี่ยงเบนปัญหา)” คำตอบทั้งหมดได้รับในระดับหกจุดตั้งแต่ 1 (= ไม่เห็นด้วยอย่างสมบูรณ์) ถึง 6 (= เห็นด้วยอย่างสมบูรณ์) บนพื้นฐานของข้อมูลที่เรารวบรวมในการศึกษานี้ (N = 1019) เราทำการวิเคราะห์ปัจจัยเชิงสำรวจ (EFA) ฮอร์น (1965) การวิเคราะห์แบบขนานและการทดสอบบางส่วนโดยเฉลี่ยขั้นต่ำ (MAP) (Velicer, 1976) ถูกใช้เพื่อกำหนดจำนวนปัจจัยที่เหมาะสม ขั้นตอนนี้ทำให้เกิดโซลูชันที่มีสองปัจจัยที่มั่นคง EFA ที่มีการวิเคราะห์องค์ประกอบหลักและการหมุน varimax ได้ถูกดำเนินการเพื่อประเมินโครงสร้างของมาตราส่วนความคาดหวังในการใช้อินเทอร์เน็ต (IUES) ผลลัพธ์ของ EFA สรุปด้วย 8-item version สุดท้ายของ IUES ที่มีโครงสร้างสองปัจจัยเหลืออยู่ (ตาราง 1). ด้วยปัจจัยทั้งสองนี้เราสังเกตเห็นคำอธิบายความแปรปรวนที่ 63.41% ปัจจัยแรกประกอบด้วยสี่รายการที่มีภาระงานสูงในปัจจัยหลัก (> 0.50) และการรับน้ำหนักต่ำสำหรับปัจจัยอื่น ๆ (<0.20) และเกี่ยวข้องกับความคาดหวังในเชิงบวกดังนั้นเราจึงตั้งชื่อปัจจัยนี้ว่า "ความคาดหวังเชิงบวก" ปัจจัยที่สองประกอบด้วยสี่รายการที่มีภาระงานสูงในปัจจัยหลัก (> 0.50) และการโหลดต่ำสำหรับปัจจัยอื่น ๆ (<0.20) และรายการทั้งหมดที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตเพื่อหลีกเลี่ยงหรือลดความรู้สึกหรือความคิดเชิงลบเราจึงตั้งชื่อสิ่งนี้ว่า ปัจจัย "หลีกเลี่ยงความคาดหวัง" ปัจจัยทั้งสองมีความน่าเชื่อถือที่ดี (“ ความคาดหวังเชิงบวก”: αของครอนบาค = 0.832 และ“ ความคาดหวังในการหลีกเลี่ยง” αของครอนบาค = 0.756) ทั้งสองปัจจัยมีความสัมพันธ์กันอย่างมีนัยสำคัญ (r = 0.496, p <0.001) ที่มีผลปานกลาง (โคเฮน 1988).

 

ตาราง 1 การโหลดปัจจัยและความน่าเชื่อถือของสองปัจจัยของ IUES หมายถึงรายการที่ได้รับการจัดอันดับและหมายเลขรายการ

เพื่อให้แน่ใจว่าโครงสร้างแฟคทอเรียลของเครื่องมือเราได้ประเมินตัวอย่างเพิ่มเติมของวิชา 169 (หมายถึงอายุ = 21.66, SD = 2.69; 106 ตัวเมีย XNUMX ตัวเมีย) สำหรับการใช้ CFA CFA ทำกับ MPlus (MuthénและMuthén, 2011) สำหรับการประเมินโมเดลที่เหมาะสมเราใช้เกณฑ์มาตรฐาน (Hu และ Bentler, 1995, 1999): รูทค่าเฉลี่ยของสแควร์รูทแบบมาตรฐาน (SRMR; ค่าด้านล่าง 0.08 บ่งบอกถึงความเหมาะสมกับข้อมูล), ดัชนีความพอดีเชิงเปรียบเทียบ (CFI / TLI; ค่าที่สูงกว่า 0.90 บ่งบอกถึงความพอดีดี, ค่าเหนือ 0.95 ขนาดพอดี) ข้อผิดพลาดของการประมาณ (RMSEA;“ test of close fit”; ค่าต่ำกว่า 0.08 ที่มีค่านัยสำคัญต่ำกว่า 0.05 หมายถึงพอดีที่ยอมรับได้) CFA ยืนยันวิธีแก้ปัญหาแบบสองปัจจัยสำหรับ IUES ด้วยพารามิเตอร์แบบเต็มที่ดีถึงดีเยี่ยม: RMSEA คือ 0.047, CFI คือ 0.984, TLI คือ 0.975 และ SRMR คือ 0.031 χ² การทดสอบไม่สำคัญχ² = 24.58, p = 0.137 บ่งชี้ว่าข้อมูลไม่เบี่ยงเบนอย่างมีนัยสำคัญจากแบบจำลองเชิงทฤษฎี (การแก้ปัญหาสองปัจจัยดังแสดงในตาราง 1) ตัวอย่างนี้ถูกรวบรวมไว้สำหรับ CFA เท่านั้น ข้อมูลไม่รวมอยู่ในการวิเคราะห์เพิ่มเติม

การวิเคราะห์ทางสถิติ

ขั้นตอนมาตรฐานทางสถิติได้ดำเนินการกับ SPSS 21.0 สำหรับ Windows (IBM SPSS Statistics ที่นำออกใช้ 2012) Pearson correlations ถูกคำนวณเพื่อทดสอบความสัมพันธ์แบบ zero-order ระหว่างตัวแปรสองตัว ในการควบคุมข้อมูลสำหรับผู้ผิดปกติเราสร้างตัวแปรสุ่มแบบกระจายตามปกติซึ่งมีค่าเบี่ยงเบนมาตรฐานเดียวกันกับที่เราพบใน s-IAT (คะแนนโดยรวม) ตัวแปรสุ่มนี้ในทางทฤษฎีควรไม่เกี่ยวข้องกับตัวแปรทั้งหมดที่น่าสนใจหากความสัมพันธ์ไม่ได้รับอิทธิพลจากค่าผิดปกติในข้อมูล ความสัมพันธ์ทั้งหมดกับตัวแปรสุ่มต่ำมาก rs <0.049 ซึ่งแสดงว่าไม่มีค่าผิดปกติที่มีอิทธิพลอย่างมากในเครื่องชั่งใด ๆ ในตัวอย่างสุดท้าย (N = 1019) นอกจากนี้แผนการกระจายระหว่างตัวแปรถูกควบคุมด้วยสายตา ไม่พบค่าผิดปกติที่รุนแรงอีกครั้ง ดังนั้นการวิเคราะห์ได้ดำเนินการกับทุกวิชา

การวิเคราะห์ SEM ถูกคำนวณด้วย MPlus 6 (MuthénและMuthén, 2011) ไม่มีข้อมูลที่ขาดหายไป ก่อนการทดสอบแบบจำลองเต็มรูปแบบความพอดีของมิติที่ซ่อนเร้นได้รับการทดสอบโดยใช้ CFA ใน MPlus ด้วย สำหรับทั้ง SEM และ CFA จะใช้การประมาณค่าพารามิเตอร์ความน่าจะเป็นสูงสุด สำหรับการประเมินโมเดลที่เหมาะสมเราใช้เกณฑ์มาตรฐาน (Hu และ Bentler, 1995, 1999) ตามที่อธิบายไว้แล้วในส่วนก่อน สำหรับการใช้การวิเคราะห์ผู้ไกล่เกลี่ยมันเป็นสิ่งจำเป็นตาม บารอนและเคนนี (1986)ตัวแปรทั้งหมดที่รวมอยู่ในสื่อกลางควรมีความสัมพันธ์ซึ่งกันและกัน นอกจากนี้เรายังใช้การถดถอยแบบกลั่นกรองสำหรับการวิเคราะห์เอฟเฟกต์ของผู้ดูแลที่อาจเกิดขึ้นเป็นการวิเคราะห์เพิ่มเติมสำหรับแนวคิดทางเลือกของแนวคิดการเผชิญปัญหา

ผลสอบ

คุณค่าเชิงพรรณนาและสหสัมพันธ์

คะแนนเฉลี่ยตัวอย่างใน s-IAT และเครื่องชั่งอื่น ๆ ที่ใช้สามารถพบได้ในตาราง 2. คะแนนเฉลี่ย s-IAT ของ M = 23.79 (SD = 6.69) ค่อนข้างเปรียบเทียบกับคะแนนที่รายงานโดย Pawlikowski และคณะ (2013) สำหรับตัวอย่างของวิชา 1820 ของประชากรทั่วไป (คะแนนเฉลี่ย s-IAT คือ M = 23.30, SD = 7.25) ความสัมพันธ์ของ bivariate ระหว่าง s-IAT (คะแนนรวม) และคะแนนในแบบสอบถามและมาตราส่วนที่แสดงอยู่ในตาราง 3.

 

ตาราง 2 คะแนนเฉลี่ยของเครื่องชั่งที่ใช้

 

ตาราง 3 ความสัมพันธ์สองตัวแปรระหว่าง s-IAT (คะแนนรวม) และคะแนนในแบบสอบถามที่ดำเนินการ

มิติแฝงของตัวแบบที่เสนอในการวิเคราะห์ปัจจัยเชิงยืนยัน

เพื่อทดสอบแบบจำลองเชิงทฤษฎีที่นำเสนออย่างเป็นระบบเราจะวิเคราะห์แบบจำลองตัวประกอบก่อนซึ่งหมายความว่ามันถูกทดสอบว่ามิติที่ซ่อนอยู่นั้นได้รับการยอมรับจากตัวแปรที่แสดงออกมาหรือไม่ ดังนั้น CFA จึงดำเนินการด้วยมิติที่ซ่อนเร้นหกมิติ (หนึ่งมิติขึ้นอยู่กับหนึ่งมิติทำนายสามมิติสองมิติไกล่เกลี่ย) RMSEA คือ 0.066 ที่มี p <0.001, CFI เท่ากับ 0.951, TLI เท่ากับ 0.928 และ SRMR เท่ากับ 0.041 ซึ่งแสดงถึงโมเดลที่ดี

“ อาการของ GIA” ที่แฝงอยู่ในมิติแรกนั้นแสดงคะแนนได้ดีในสองปัจจัยของ s-IAT (การสูญเสียการควบคุม / การจัดการเวลาและปัญหาความอยาก / สังคม) ตามที่ตั้งใจไว้ ตัวแปรตัวทำนายแรก“ อาการทางจิต” ถูกแสดงอย่างมีนัยสำคัญโดยสอง subscales ของ BSI (ภาวะซึมเศร้าและความไวระหว่างบุคคล) มิติ "ลักษณะบุคลิกภาพ" ถูกแสดงอย่างดีโดยตัวแปรประจักษ์ทั้งสามข้อ (ความสามารถในตนเองการเห็นคุณค่าในตนเองและความอ่อนแอของความเครียด) และมิติการทำนายสุดท้าย "ความรู้ความเข้าใจทางสังคม" เป็นตัวแทนจากสองระดับย่อยของระดับความเหงา ความเหงาและการสนับสนุนทางสังคม) ผลการศึกษาพบว่ามิติการไกล่เกลี่ยข้อสมมติฐานแรก“ การเผชิญปัญหา” นั้นแสดงได้ดีโดยสาม subscales ของ COPE (การปฏิเสธการใช้สารเสพติดและการปลดพฤติกรรม) และมิติที่สองผู้ไกล่เกลี่ย "ความคาดหวังในการใช้อินเทอร์เน็ต" เป็นตัวแทนจากสองปัจจัย IUES ( ความคาดหวังในเชิงบวกและความคาดหวังในการหลีกเลี่ยง)

โดยรวมแล้ว CFA บ่งชี้ว่าขนาดที่แฝงอยู่จะแสดงด้วยตัวแปรที่ยอมรับได้ เฉพาะในการเผชิญปัญหามิติการใช้สารในทางที่ผิดมีการโหลดปัจจัยที่อ่อนแอ (β = 0.424) แต่ยังคงสำคัญ (p <0.001) จึงเพียงพอเนื่องจากโมเดลโดยรวมพอดีกับข้อมูล การโหลดปัจจัยและข้อผิดพลาดมาตรฐานทั้งหมดแสดงไว้ในตาราง 4.

 

ตาราง 4 ค่าสัมประสิทธิ์ของการโหลดตัวแปรของรายการในมิติที่ซ่อนอยู่ทดสอบด้วย CFA ใน MPlus

แบบจำลองสมการโครงสร้างแบบเต็ม

แบบจำลองเชิงทฤษฎีที่นำเสนอเกี่ยวกับมิติแฝงด้วย GIA เป็นตัวแปรตาม (แบบจำลองโดยปัจจัย S-IAT สองตัว) ให้ผลที่ดีกับข้อมูล RMSEA คือ 0.066 ที่มี p <0.001, CFI เท่ากับ 0.95, TLI เท่ากับ 0.93 และ SRMR เท่ากับ 0.041 χ² การทดสอบมีความสำคัญχ² = 343.89, p <0.001 ซึ่งเป็นเรื่องปกติเมื่อกำหนดขนาดตัวอย่างที่ใหญ่ อย่างไรก็ตามχ² การทดสอบแบบจำลองพื้นฐานก็มีนัยสำคัญด้วยχที่สูงขึ้นอย่างกว้างขวาง² ค่าχ² = 5745.35, p <0.001. โดยสรุปข้อมูลเหมาะสมกับแบบจำลองทางทฤษฎีที่นำเสนอ โดยรวมแล้วสัดส่วนขนาดใหญ่ 63.5% ของความแปรปรวนใน GIA ได้รับการอธิบายอย่างมีนัยสำคัญจาก SEM แบบเต็ม (R² = 0.635, p <0.001) แบบจำลองและผลกระทบทางตรงและทางอ้อมทั้งหมดแสดงในรูป 2.

 

รูป 2 ผลลัพธ์ของตัวแบบสมการโครงสร้างรวมถึงตัวประกอบการโหลดของขนาดแฝง, น้ำหนักβ, p- ค่าและส่วนที่เหลือ ***p <0.001.

ผลกระทบโดยตรงทั้งสามประการของตัวทำนายที่มีต่อ GIA นั้นไม่มีนัยสำคัญ (รูปที่ 2) แต่โปรดทราบว่าผลกระทบโดยตรงของลักษณะทางจิตวิทยาตัวแปรที่แฝงอยู่เล็กน้อยไม่สามารถเข้าถึงความสำคัญได้ p = 0.059 ที่นี่จะต้องมีการพิจารณาว่าβ-น้ำหนักเป็นลบแสดงว่า - ในกรณีที่จะตีความผลกระทบโดยตรงอย่างมีนัยสำคัญเล็กน้อย - ภาวะซึมเศร้าที่สูงขึ้นและความวิตกกังวลทางสังคมไปจับมือกับอาการที่ลดลงของ GIA ถ้าผลทางอ้อมจาก ตัวแปรการไกล่เกลี่ยสองตัว (การเผชิญปัญหาและความคาดหวังในการใช้งานอินเทอร์เน็ต) ถูกทำให้เป็นบางส่วน ผลกระทบโดยตรงจากตัวแปรทำนายสองปัจจัยแฝงด้านจิตวิทยาและบุคลิกภาพต่อการเผชิญกับตัวแปรไกล่เกลี่ยการเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ตอย่างมีนัยสำคัญ ในทางตรงกันข้ามผลกระทบโดยตรงจากความรู้ความเข้าใจทางสังคมตัวแปรแฝงทั้งการเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ตนั้นไม่สำคัญซึ่งหมายความว่าผลกระทบเหล่านี้ไม่สำคัญเมื่อควบคุมผลกระทบของอีกสองมิติแฝง

อย่างไรก็ตามผลกระทบจากการรับรู้ทางสังคมต่อการใช้อินเทอร์เน็ตคาดหวังว่าจะไม่ประสบความสำเร็จเล็กน้อย p = 0.073 ผลกระทบโดยตรงจากการเผชิญกับ GIA (p <0.001) และจากความคาดหวังในการใช้อินเทอร์เน็ต (p <0.001) มีนัยสำคัญกับขนาดผลกระทบที่แข็งแกร่ง

ผลกระทบทางอ้อมจากลักษณะทางจิตพยาธิวิทยาในการเผชิญกับ GIA นั้นมีนัยสำคัญ (β = 0.173, SE = 0.059, p = 0.003) นอกจากนี้ผลกระทบทางอ้อมจากลักษณะทางจิตพยาธิวิทยาต่อความคาดหวังในการใช้อินเทอร์เน็ตของ GIA นั้นมีนัยสำคัญ (β = 0.159, SE = 0.072, p = 0.027) ผลทางอ้อมจากด้านบุคลิกภาพในการเผชิญกับ GIA ก็มีความสำคัญเช่นกัน (β = –0.08, SE = 0.041, p = 0.05) แต่ขนาดของเอฟเฟกต์เล็กมาก ผลกระทบทางอ้อมจากด้านบุคลิกภาพมากกว่าความคาดหวังในการใช้อินเทอร์เน็ตต่อ GIA นั้นมีนัยสำคัญ (β = –0.160, SE = 0.061, p = 0.009) ทั้งผลกระทบทางอ้อมจากการรับรู้ทางสังคมเกี่ยวกับการเผชิญปัญหา (β = 0.025, SE = 0.030, p = 0.403) และการรับรู้ทางสังคมผ่านความคาดหวังในการใช้อินเทอร์เน็ต (β = –0.08, SE = 0.045, p = 0.075) ถึง GIA ไม่สำคัญ รูปแบบที่มีการโหลดปัจจัยทั้งหมดและ β- น้ำหนักจะแสดงในรูป 2. ด้านจิตวิทยามิติที่แฝงอยู่มีความสัมพันธ์อย่างมีนัยสำคัญกับด้านบุคลิกภาพมิติแฝง (r = -0.844 p <0.001) และด้วยความรู้ความเข้าใจทางสังคมมิติแฝง (r = –0.783 p <0.001) นอกจากนี้ทั้งสองมิติที่แฝงอยู่ด้านบุคลิกภาพและความรู้ความเข้าใจทางสังคมมีความสัมพันธ์กัน (r = 0.707, p <0.001)

การวิเคราะห์เพิ่มเติม

แบบจำลองที่อธิบายนั้นเป็นสิ่งที่ถกเถียงกันในทางทฤษฎีและดังนั้นสิ่งที่เราทดสอบก่อน อย่างไรก็ตามเราจะทำการทดสอบรุ่นเพิ่มเติมหรือส่วนต่าง ๆ ของโมเดลแยกต่างหากเพื่อให้เข้าใจถึงกลไกพื้นฐานของ GIA ในรายละเอียดมากขึ้น ประเด็นแรกที่เราพูดถึงคือผลกระทบของโรคจิตต่อ GIA เพราะเราพบว่ามันน่าสนใจว่าผลกระทบโดยตรงแม้ว่าจะไม่สำคัญก็ตามก็เป็นลบใน SEM (ดูรูปที่ 2) แม้ว่าระดับ bivariate จะมีความสัมพันธ์เชิงบวก แบบง่าย ๆ ที่มีลักษณะทางจิตวิทยา (แสดงโดย BIS ภาวะซึมเศร้าและความวิตกกังวลทางสังคม BSI) เป็นตัวทำนายและ GIA (แสดงโดยปัจจัย S-IAT สอง) เนื่องจากตัวแปรตามมีแบบจำลองที่ดีพอดี (ดัชนีพอดีทั้งหมดดีกว่าที่ยอมรับได้) และผล เป็นบวก (β = 0.451 p <0.001) นอกจากนี้เรายังคำนวณแบบจำลองโดยไม่มีผู้ไกล่เกลี่ยสองคนซึ่งหมายความว่าด้านจิตพยาธิวิทยาด้านบุคลิกภาพและด้านสังคมทำหน้าที่เป็นตัวทำนายโดยตรงและ GIA เป็นตัวแปรตาม (ตัวแปรทั้งหมดในระดับแฝงที่มีตัวแปรเดียวกันกับที่ใช้ใน SEM ทั้งหมดดูรูป 2) แบบจำลองที่ไม่มีผู้ไกล่เกลี่ยก็มีดัชนีที่เหมาะสมเช่นกัน (ยกเว้นหนึ่งข้อ: RMSEA อยู่ที่ 0.089 สูงเล็กน้อย) และผลกระทบโดยตรงต่อ GIA (ปัจจัย S-IAT ทั้งสอง) คือ: ผลกระทบของลักษณะทางจิตวิทยาใน GIA β = 0.167 p = 0.122; ผลของลักษณะบุคลิกภาพใน GIA β = –0.223 p = 0.017; และผลกระทบของแง่มุมทางสังคมต่อ GIA β = –0.124 p = 0.081 โปรดทราบว่าผลกระทบของลักษณะทางจิตพยาธิวิทยาที่มีต่อ GIA ยังคงเป็นไปในเชิงบวกในรุ่นนี้ (แต่ไม่สำคัญ) เมื่อควบคุมผลกระทบจากลักษณะบุคลิกภาพและสังคม เมื่อนำมารวมกันผลลัพธ์ของ SEM โดยรวมพูดถึงการไกล่เกลี่ยอย่างเต็มรูปแบบของผลกระทบทางด้านจิตใจใน GIA โดยผู้ไกล่เกลี่ยสองคน (การเผชิญปัญหาและความคาดหวัง) ซึ่งเน้นโดยการวิเคราะห์เพิ่มเติมสองรายการที่แสดงว่าผลบวกในระดับ bivariate และในรูปแบบที่เรียบง่ายจะลดลงโดยการรวมของตัวแปรเพิ่มเติมเป็นตัวทำนาย

เรามีแนวความคิดเชิงทฤษฎีในการเป็นสื่อกลาง (ยี่ห้อและคณะ, 2014) อย่างไรก็ตามหนึ่งอาจยืนยันว่าการเผชิญปัญหาไม่ไกล่เกลี่ยผลกระทบของด้านจิตวิทยา แต่ทำหน้าที่เป็นผู้ดูแล เพื่อให้แน่ใจว่าแนวความคิดของการเผชิญปัญหาในฐานะผู้ไกล่เกลี่ยแทนที่จะเป็นผู้ดำเนินรายการมีความเหมาะสมเราจึงคำนวณการวิเคราะห์ผู้ดำเนินรายการเพิ่มเติมโดยใช้การวิเคราะห์การถดถอยแบบกลั่นกรองด้วย ตัวอย่างเช่นเมื่อใช้แง่มุมทางด้านจิตวิทยาเป็นตัวทำนายการเผชิญปัญหาในการเป็นผู้ดูแลและ s-IAT (คะแนนรวม) เป็นตัวแปรตามทั้งด้านจิตวิทยา (β = 0.267) และการเผชิญปัญหา (β = 0.262) อธิบายความแปรปรวนใน s-IAT อย่างมีนัยสำคัญ (ทั้ง p <0.001) แต่ปฏิสัมพันธ์ของพวกเขาไม่ได้เพิ่มคำอธิบายความแปรปรวนอย่างมีนัยสำคัญ (การเปลี่ยนแปลงใน R² = 0.003, p = 0.067, β = -0.059) และการเพิ่มขึ้นของเอฟเฟกต์ผู้ดำเนินรายการเกือบเป็นศูนย์ (0.3%)

นอกจากนี้เรายังพิจารณาอายุและเพศว่าเป็นตัวแปรที่อาจมีผลต่อโครงสร้างของโมเดล ในการทดสอบสิ่งนี้ก่อนอื่นเราทำการคำนวณความสัมพันธ์แบบ bivariate ระหว่างอายุและตัวแปรอื่น ๆ ทั้งหมดที่มีความสัมพันธ์ต่ำมาก มีความสัมพันธ์เพียงอย่างเดียวเท่านั้น r = 0.21 (อายุและความคาดหวังในการหลีกเลี่ยง) ซึ่งยังคงมีผลต่ำ (โคเฮน 1988) และความสัมพันธ์อื่น ๆ ทั้งหมดมีผลกระทบระหว่าง r = 0.016 และ r = 0.18 ที่มีอยู่มากที่สุด r <0.15 และ r <0.10. ความสัมพันธ์ระหว่างอายุกับ s-IAT ก็ต่ำมากเช่นกัน r = –0.14 (แม้ว่าจะมีนัยสำคัญที่ p <0.01 ซึ่งชัดเจนในกลุ่มตัวอย่างขนาดใหญ่) โดยสรุปข้อกำหนดในการรวมอายุในรูปแบบการไกล่เกลี่ยไม่เป็นไปตามข้อกำหนด (บารอนและเคนนี 1986) และเราตัดสินใจที่จะไม่รวมอายุลงในโมเดลเพิ่มเติม ด้วยความเคารพต่อเพศเราเปรียบเทียบคะแนนเฉลี่ยของกลุ่มของเครื่องชั่งทั้งหมดที่ใช้และพบความแตกต่างของกลุ่มที่มีความหมายเพียงหนึ่งเดียว (ความวิตกกังวลทางสังคม BSI หญิงมีคะแนนสูงกว่าโดยมีผลต่ำของ d = 0.28, ผลกระทบอื่น ๆ ทั้งหมดต่ำกว่า 0.28, ผลกระทบสำหรับคะแนน s-IAT คือ d = 0.19) อย่างไรก็ตามเราทดสอบว่าโครงสร้างของแบบจำลองนั้นแตกต่างกันสำหรับผู้หญิงและผู้ชายโดยใช้การวิเคราะห์โครงสร้างแบบเฉลี่ยในการวิเคราะห์ SEM หรือไม่ ซึ่งหมายความว่าเราทดสอบว่า SEM (ดูรูปที่ 2) เท่ากับสำหรับผู้เข้าร่วมชายและหญิง H0 ของการทดสอบนี้: แบบจำลองเชิงทฤษฎี = แบบจำลองสำหรับกลุ่ม“ ผู้ชาย” = แบบจำลองสำหรับกลุ่ม“ ผู้หญิง” ดัชนีแบบเต็มได้รับการยอมรับทั้งหมดบ่งชี้ว่าโครงสร้างของความสัมพันธ์ไม่แตกต่างกันอย่างมีนัยสำคัญสำหรับผู้ชายและผู้หญิง RMSEA คือ 0.074 ที่มี p <0.001, CFI เท่ากับ 0.93, TLI เท่ากับ 0.91 และ SRMR เท่ากับ 0.054 χ² การทดสอบมีความสำคัญχ² = 534.43, p <0.001 ซึ่งเป็นเรื่องปกติเมื่อกำหนดขนาดตัวอย่างที่ใหญ่ อย่างไรก็ตามχ² การทดสอบแบบจำลองพื้นฐานก็มีนัยสำคัญด้วยχที่สูงขึ้นอย่างกว้างขวาง² ค่าχ² = 5833.68, p <0.001. การมีส่วนร่วมกับχ² ของแบบจำลองการทดสอบโดยชายและหญิงเปรียบเทียบได้ (χ² การมีส่วนร่วมของผู้หญิง = 279.88, χ² การมีส่วนร่วมโดยผู้ชาย = 254.55) แม้ว่าโครงสร้างโดยรวมของโมเดลจะไม่แตกต่างกันอย่างมีนัยสำคัญสำหรับผู้ชายและผู้หญิงเราตรวจสอบเส้นทางที่ง่ายและพบความแตกต่างสามประการ เส้นทางจากด้านบุคลิกภาพไปสู่การเผชิญปัญหามีความสำคัญในผู้ชาย (β = –0.437, p = 0.002) แต่ไม่ใช่ในผู้หญิง (β = –0.254 p = 0.161) และผลกระทบจากลักษณะบุคลิกภาพที่มีต่อความคาดหวังมีความสำคัญในผู้ชาย (β = -0.401 p = 0.001) แต่ไม่ใช่ในผู้หญิง (β = –0.185 p = 0.181) นอกจากนี้ผลกระทบจากลักษณะทางจิตพยาธิวิทยาที่มีต่อความคาดหวังมีความสำคัญในผู้หญิง (β = 0.281, p = 0.05) แต่ไม่ใช่ในผู้ชาย (β = 0.082 p = 0.599) ผลกระทบอื่น ๆ ทั้งหมดและการเป็นตัวแทนของขนาดแฝงไม่แตกต่างกันระหว่างชายและหญิงและไม่แตกต่างจากโมเดลโดยรวมที่แสดงในรูป 2. โดยสรุปแล้วแบบจำลองทั้งหมดที่ทดสอบนั้นใช้ได้สำหรับผู้ชายและผู้หญิงถึงแม้ว่าผลกระทบทางลบของบุคลิกภาพในการเผชิญปัญหาและความคาดหวังจะมีอยู่ในผู้ชายมากกว่าผู้หญิงและมีผลกระทบทางจิตวิทยาต่อความคาดหวังในผู้หญิง แต่ไม่ใช่ในผู้ชาย .

การสนทนา

เราได้นำเสนอรูปแบบทางทฤษฎีใหม่เกี่ยวกับการพัฒนาและบำรุงรักษาการใช้อินเทอร์เน็ตที่เสพติด (ยี่ห้อและคณะ, 2014) ซึ่งจะขึ้นอยู่กับข้อโต้แย้งหลักโดย เดวิส (2001) ผู้แรกแนะนำความแตกต่างระหว่าง overuse ทั่วไปของอินเทอร์เน็ต (GIA) และติดเฉพาะกับโปรแกรมประยุกต์อินเทอร์เน็ตบางอย่าง (SIA) ในการศึกษาปัจจุบันเราแปลแบบจำลองเชิงทฤษฎีบน GIA เป็นแบบจำลองการดำเนินการในระดับแฝงและทดสอบสถิติ SEM โดยใช้แบบสำรวจออนไลน์บนประชากรอินเทอร์เน็ตของผู้ตอบแบบสอบถาม 1019 เราพบว่าแบบจำลองที่ดีโดยรวมนั้นสอดคล้องกับข้อมูลและ SEM ที่ตั้งสมมติฐานซึ่งแสดงถึงแง่มุมหลักของแบบจำลองเชิงทฤษฎีและอธิบาย 63.5% ของความแปรปรวนของอาการ GIA ที่วัดโดย s-IAT (Pawlikowski และคณะ, 2013).

โมเดลนี้เป็นองค์ประกอบแรกที่เชื่อมโยงองค์ประกอบต่างๆที่เกี่ยวข้องกับ IA เช่นภาวะซึมเศร้าความวิตกกังวลทางสังคมการเห็นคุณค่าในตนเองต่ำประสิทธิภาพในตนเองต่ำและความอ่อนแอของความเครียดที่สูงขึ้น ขึ้นอยู่กับความสำคัญของความรู้ความเข้าใจที่เกี่ยวข้องกับการพัฒนา IA และพฤติกรรมเสพติดโดยทั่วไป (Lewis และ O'Neill, 2000; ดันน์และอัล 2013; นิวตันและคณะ, 2014) แบบจำลองนี้จะตรวจสอบว่าตัวแปรผู้ไกล่เกลี่ยสองตัว (สไตล์การเผชิญปัญหาและความคาดหวังในการใช้งานอินเทอร์เน็ต) ส่งผลกระทบโดยตรงต่อตัวแปรทำนาย (จิตวิทยาพยาธิวิทยาบุคลิกภาพและความรู้ความเข้าใจทางสังคม) ในการพัฒนา GIA ผลการศึกษาพบว่าทั้งรูปแบบการเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ตมีบทบาทสำคัญ

ตัวแปรทั้งหมด (ตัวทำนายและผู้ไกล่เกลี่ย) ที่รวมอยู่ในแบบจำลองมีความสัมพันธ์อย่างมีนัยสำคัญกับคะแนน s-IAT ในระดับตัวแปร สิ่งนี้มีความสอดคล้องกับการวิจัยก่อนหน้านี้เกี่ยวกับความสัมพันธ์แบบ bivariate ระหว่างอาการของ IA และลักษณะบุคลิกภาพอาการทางจิตและตัวแปรบุคคลอื่น ๆ ดังที่ได้กล่าวไว้ในบทนำ อย่างไรก็ตามในการวิเคราะห์ SEM ผลกระทบโดยตรงทั้งหมดของตัวทำนายหลักสามตัว (บนมิติที่ซ่อนเร้น) ไม่มีความสำคัญอีกต่อไปเมื่อรวมผู้ไกล่เกลี่ยที่ตั้งสมมติฐานไว้ในแบบจำลอง ซึ่งหมายความว่าลักษณะทางจิตวิทยา (ความซึมเศร้าความวิตกกังวลทางสังคม) ด้านบุคลิกภาพ (ความนับถือตนเองการรับรู้ความสามารถของตนเองและความอ่อนแอของความเครียด) ตลอดจนความรู้ความเข้าใจทางสังคม (ความเหงาทางอารมณ์การรับการสนับสนุนทางสังคม) ไม่ส่งผลกระทบต่ออาการของ GIA โดยตรง อิทธิพลของพวกเขานั้นขึ้นอยู่กับรูปแบบการเผชิญปัญหาที่ไม่สมบูรณ์หรือการใช้อินเทอร์เน็ตที่คาดหวังหรือทั้งสองอย่าง อย่างไรก็ตามลักษณะทางด้านจิตใจและบุคลิกภาพมีความสำคัญในการทำนายทั้งสไตล์การเผชิญปัญหาที่ไม่สมบูรณ์และความคาดหวังในการใช้อินเทอร์เน็ต อย่างไรก็ตามความรู้ความเข้าใจทางสังคมไม่เกี่ยวข้องกับการเผชิญปัญหาและความคาดหวังเมื่อมีการควบคุมผลกระทบสัมพัทธ์สำหรับผลกระทบทางด้านจิตใจและบุคลิกภาพ (แต่โปรดสังเกตว่ามิติพยากรณ์แฝงทั้งสามมีความสัมพันธ์อย่างมีนัยสำคัญและผลกระทบจากความรู้ความเข้าใจทางสังคมต่อการใช้อินเทอร์เน็ต ความคาดหวังล้มเหลวเล็กน้อยเพื่อให้บรรลุความสำคัญ) ผลกระทบโดยตรงของรูปแบบการเผชิญปัญหาและความคาดหวังต่ออาการของ GIA มีนัยสำคัญ โดยสรุปการศึกษาในปัจจุบันแม้ว่าจะมีประชากรที่ไม่ใช่คลินิกไม่เพียง แต่ยืนยันผลการวิจัยก่อนหน้าเกี่ยวกับรูปแบบการเผชิญปัญหาและการจัดการกับเหตุการณ์ชีวิตที่เครียด (Kardefelt-Winther, 2014; ตั้งและ 2014; Tonioni และคณะ, 2014) เช่นเดียวกับความคาดหวังในการใช้อินเทอร์เน็ต (Turel และ Serenko, 2012; Xu และคณะ, 2012; Lee และคณะ, 2014) สำหรับการพัฒนาหรือรักษาอาการของจีไอเอ แต่เน้นให้เห็นอย่างชัดเจนถึงบทบาทของการเผชิญปัญหาและความคาดหวังในฐานะผู้ไกล่เกลี่ยในกระบวนการอ้างอิงจีไอเอ

แบบจำลองนี้ได้รับการทดสอบกับประชากรออนไลน์จำนวนมาก รูปแบบจะต้องทดสอบด้วยตัวอย่างทางคลินิกที่กำหนดไว้อย่างชัดเจนเช่นบุคคลที่แสวงหาการรักษา ความหมายของแบบจำลองจะมีความแข็งแกร่งมากขึ้นเมื่อประชากรในคลินิกมีความชัดเจนมากขึ้น แม้ว่า 11.3% ของตัวอย่างรายงานว่าการใช้อินเทอร์เน็ตที่มีปัญหาและ 3.7% อธิบายว่าตนเองมีการใช้งานอินเทอร์เน็ตที่น่าติดตาม แต่การศึกษานี้ถือเป็นเพียงการเริ่มต้นเพื่อดูว่าแบบจำลองนี้ใช้งานได้หรือไม่และอนุมานเชิงสถิติ อย่างไรก็ตามในฐานะรุ่นใหม่ที่มีนัยสำคัญทางสถิติโดยใช้การทดสอบทางจิตวิทยาและบุคลิกภาพที่หลากหลายกับผู้ใช้ออนไลน์ผลกระทบทางคลินิกเล็กน้อยซึ่งอาจเป็นแรงบันดาลใจให้การวิจัยในอนาคตสามารถทำได้ด้วยความระมัดระวัง

ขั้นแรกบุคคลที่เผชิญปัญหาอย่างผิดปกติเพื่อจัดการกับปัญหาในชีวิตของพวกเขาและผู้ที่คาดหวังว่าอินเทอร์เน็ตสามารถใช้เพื่อเพิ่มอารมณ์เชิงบวกหรือลดอารมณ์เชิงลบอาจมีแนวโน้มที่จะพัฒนาจีไอเอมากขึ้น ยิ่งกว่านั้นผลกระทบของลักษณะทางจิตวิทยาต่อการเผชิญปัญหาที่ผิดปกติและความคาดหวังในการใช้งานอินเทอร์เน็ตเป็นบวกแสดงว่าอาการซึมเศร้าและความวิตกกังวลทางสังคมที่สูงขึ้นสามารถเพิ่มความเสี่ยงสำหรับกลวิธีเผชิญปัญหาที่ผิดปกติและสำหรับความคาดหวังว่า อารมณ์. เฉพาะเมื่อกระบวนการเหล่านี้ทำงานร่วมกันซึ่งหมายถึงการรวมกันของอาการทางจิตและการเผชิญปัญหา / ความคาดหวังความน่าจะเป็นของการใช้อินเทอร์เน็ตจะเพิ่มขึ้นอย่างน่าเป็นห่วง

ประการที่สองแม้ว่าจำนวนการศึกษาเกี่ยวกับการรักษาของ GIA นั้นมี จำกัด แต่การวิเคราะห์อภิมานเผยแพร่โดย เคลอร์ et al. (2013) ระบุว่าการบำบัดทางปัญญาและพฤติกรรมเป็นวิธีการเลือก ซึ่งจะขึ้นอยู่กับการวิเคราะห์ผลการรักษาที่ใช้เวลาออนไลน์อาการซึมเศร้าและความวิตกกังวล ในความเป็นจริงการบำบัดความรู้ความเข้าใจพฤติกรรมสำหรับ IA (CBT-IA; หนุ่ม 2011a) ได้รับการระบุว่าเป็นรูปแบบที่แพร่หลายที่สุดของการรักษา IA (เงินสดและรายการ, 2012) ภายในการรักษาความรู้ความเข้าใจพฤติกรรมของจีไอเอเสนอโดย หนุ่มสาว (2011a)คุณลักษณะส่วนบุคคลเช่นเดียวกับการเผชิญปัญหาและความคาดหวังในการใช้งานอินเทอร์เน็ตได้รับการตั้งสมมติฐานแล้วว่ามีความเกี่ยวข้องในการรักษา GIA แต่หลักฐานเชิงประจักษ์นั้นกระจัดกระจายมาก (เช่น หนุ่ม 2013).

การค้นพบที่นำเสนอในการศึกษานี้ให้แหล่งที่มาของหลักฐานอีกหนึ่งแหล่งเพื่อแสดงว่าการบำบัดทางปัญญาและพฤติกรรมและ CBT-IA สามารถทำงานเพื่อรักษา IA ได้ ลักษณะเฉพาะของบุคคล (สไตล์การเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ต) เป็นสื่อกลางถึงผลกระทบของอาการทางจิต (ภาวะซึมเศร้าความวิตกกังวลทางสังคม) ลักษณะบุคลิกภาพและความรู้ทางสังคม (ความเหงาการสนับสนุนทางสังคม) ต่ออาการจีไอเอ การใช้การบำบัดทางปัญญาความสำคัญในการประเมินควรรวมถึงการระบุความรู้ความเข้าใจที่ผิดปกติที่จะได้รับการแก้ไข แพทย์ควรตรวจสอบความคาดหวังของการใช้อินเทอร์เน็ตเพื่อทำความเข้าใจความต้องการของลูกค้าและวิธีที่ลูกค้าเชื่อว่าอินเทอร์เน็ตอาจช่วยตอบสนองความต้องการได้

ผลการวิจัยยังชี้ให้เห็นว่าการรักษาควรเน้นที่ความรู้ความเข้าใจผิดที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตที่ผิดปกติ การค้นพบเหล่านี้ยืนยันการศึกษาก่อนหน้านี้ที่แสดงให้เห็นความรู้ความเข้าใจที่ไม่เหมาะสมเช่นการทำให้มากเกินไปการหลีกเลี่ยงการปราบปรามการขยายการแก้ปัญหาที่ไม่เหมาะสมหรือแนวคิดเกี่ยวกับตัวเองเชิงลบมีความสัมพันธ์กับการใช้อินเทอร์เน็ตหนุ่ม 2007) ความหมายทางคลินิกของสิ่งที่ค้นพบเหล่านี้คือการบำบัดควรใช้การปรับโครงสร้างทางความคิดและ reframing เพื่อต่อสู้กับความคิดที่นำไปสู่การใช้อินเทอร์เน็ตอย่างเสพติด ตัวอย่างเช่นผู้ป่วยที่ได้รับผลกระทบจากจีไอเออาจมีสัญญาณของความวิตกกังวลทางสังคมและความประหม่าดังนั้นเพื่อนสองสามคนและมีปัญหากับคนอื่น ๆ ที่โรงเรียน จากนั้นเธออาจคิดว่าการสื่อสารกับผู้อื่นผ่านเว็บไซต์เครือข่ายสังคมทำให้เธอพึงพอใจกับความต้องการทางสังคมโดยไม่ต้องมีสถานการณ์ที่น่ากลัวในการปฏิสัมพันธ์ทางสังคม“ ของจริง” นอกจากนี้เธออาจมีความคาดหวังว่าการเล่นเกมออนไลน์อาจเบี่ยงเบนความสนใจของเธอจากปัญหาที่โรงเรียนและการซื้อทางออนไลน์หรือค้นหาข้อมูลทางอินเทอร์เน็ตอาจลดความรู้สึกเหงา การบำบัดจะเน้นให้เธอเห็นสถานที่ทางเลือกที่โรงเรียนหรือในชีวิตส่วนตัวที่เธอสามารถสร้างความภาคภูมิใจและสนองความต้องการทางสังคม หากเธอหยุดให้เหตุผลว่าเว็บไซต์เครือข่ายสังคมเกมและแหล่งช้อปปิ้งเป็นสถานที่เดียวที่เธอรู้สึกดีกับชีวิตของเธอและเธอพบกับร้านค้าที่ดีต่อสุขภาพมากขึ้น การรู้จักบทบาทที่ความรู้ความเข้าใจมีบทบาทในการพัฒนา GIA นั้นการบำบัดทางความคิดสามารถช่วยลูกค้าปรับโครงสร้างสมมติฐานและการตีความที่ทำให้พวกเขาออนไลน์ อีกครั้งผลกระทบทางคลินิกที่เป็นไปได้เหล่านี้ของผลการศึกษาจะต้องได้รับการปฏิบัติด้วยความระมัดระวังเนื่องจากจะต้องทำซ้ำในตัวอย่างทางคลินิกเพื่อค้นหาการรักษา

อย่างไรก็ตามจากมุมมองที่กว้างขึ้นการค้นพบเหล่านี้ได้รับข้อมูลเชิงลึกว่านักบำบัดสามารถใช้ CBT-IA กับผู้ป่วยที่ติดอินเทอร์เน็ตได้อย่างไร การปรับเปลี่ยนพฤติกรรมสามารถช่วยให้ลูกค้าพัฒนาและปรับใช้กลวิธีการเผชิญปัญหาใหม่ ๆ และมีประโยชน์มากขึ้นเพื่อจัดการกับความยุ่งยากทุกวัน การบำบัดต้องมุ่งเน้นไปที่การช่วยให้ลูกค้าค้นหาวิธีการจัดการสุขภาพที่ดีกว่าหันไปใช้อินเทอร์เน็ต องค์ประกอบสำคัญของ CBT-IA คือการบำบัดพฤติกรรมเพื่อช่วยให้ลูกค้ารับมือกับปัญหาพื้นฐานที่เอื้อต่อการ IA เฉพาะหรือทั่วไป (หนุ่ม 2011a, 2013) ผลการวิจัยชี้ให้เห็นว่าการพัฒนาทักษะการเผชิญปัญหาจะช่วยลดความจำเป็นในการออนไลน์สำหรับลูกค้า แม้ว่าการศึกษาในกลุ่มตัวอย่างของประชากรทั่วไปเราเชื่อว่าการค้นพบว่าการเผชิญปัญหาและความคาดหวังนั้นเป็นผู้ไกล่เกลี่ยในการพัฒนาและการบำรุงรักษาจีไอเอส่งผลให้เกิดความเข้าใจที่ดีขึ้นเกี่ยวกับกลไกของจีไอเอ . อีกแง่มุมที่ไม่ได้มุ่งเน้นในการศึกษาปัจจุบันคือบทบาทของความสมบูรณ์ของเยื่อหุ้มสมอง prefrontal ประสิทธิภาพของ CBT-IA อาจขึ้นอยู่กับการทำงานของผู้ป่วยล่วงหน้าเนื่องจากการเสริมสร้างการควบคุมการรับรู้ของการใช้อินเทอร์เน็ตในหลักสูตรของการบำบัดมีความเกี่ยวข้องมากที่สุดกับการทำงานของผู้บริหารและกระบวนการองค์ความรู้ขั้นสูงอื่น ๆ สิ่งนี้เป็นสิ่งสำคัญที่จะกล่าวถึงในการศึกษาในอนาคตเพราะล่าสุดมีบทความตีพิมพ์สองสามฉบับที่แสดงให้เห็นว่าการทำงานของ prefrontal cortex นั้นมีแนวโน้มลดลงในผู้ป่วยที่มีอาการ IA ยี่ห้อและคณะ, 2014).

ในตัวอย่างของเราอายุมีความสัมพันธ์แบบผกผันกับอาการของ GIA แต่มีขนาดเอฟเฟกต์ต่ำมาก (อธิบาย 1.96% ของความแปรปรวนเท่านั้น) พิจารณาบทความล่าสุดเกี่ยวกับการใช้อินเทอร์เน็ตในบุคคลที่มีอายุมากกว่า (เช่น Eastman และ Iyer, 2004; Vuori และ Holmlund-Rytkönen, 2005; แคมป์เบล 2008; นิมรอด 2011) หนึ่งอาจยกเว้นผลกระทบอายุในหลาย ๆ ด้านของการใช้อินเทอร์เน็ตเช่นการใช้แรงจูงใจและวิธีการที่ผู้สูงอายุได้รับประสบการณ์ความสนุกสนานและความพึงพอใจบนอินเทอร์เน็ต เนื่องจากผู้สูงอายุมีโอกาสสูงที่จะพัฒนาความผิดปกติของผู้บริหารเนื่องจากการเปลี่ยนแปลงของเยื่อหุ้มสมอง prefrontal กับอายุที่เพิ่มขึ้น (อัลวาเรซและเอมอรี 2006) ซึ่งเชื่อมโยงกับการลดการตัดสินใจ (ยี่ห้อและ Markowitsch, 2010) หนึ่งอาจคาดการณ์ว่าผู้สูงอายุเหล่านั้นที่มีการลดผู้บริหารที่มีความสุขจำนวนมากบนอินเทอร์เน็ตอาจพัฒนา GIA อย่างไรก็ตามข้อมูลของเราไม่ได้ถูกนำเสนอเนื่องจากตัวอย่างของเราไม่รวมวิชาที่เก่ากว่า การศึกษาในอนาคตอาจตรวจสอบปัจจัยความเสี่ยงเฉพาะที่เชื่อมโยงกับความเสี่ยงของ GIA ในผู้สูงอายุ

เพศไม่มีผลต่อโครงสร้างโดยรวมของโมเดล ในบทความก่อนหน้านี้พบเอฟเฟกต์ทางเพศสำหรับ IA บางประเภทเช่นเกมออนไลน์ (เช่น Ko et al., 2005) และโดยเฉพาะอย่างยิ่ง cybersex (Meerkerk et al., 2006; Griffiths, 2012; Laier และคณะ 2013, 2014) แต่ก็เป็นที่ถกเถียงกันอยู่ว่าเพศทั้งสองโดยทั่วไปมีความเสี่ยงในการพัฒนาการใช้อินเทอร์เน็ตที่เสพติด (Young และคณะ, 1999, 2011) ในการศึกษาของเราผลกระทบของเพศต่อ GIA ซึ่งวัดโดย s-IAT นั้นต่ำมาก (d = 0.19 ดูผลลัพธ์) ระบุว่าอย่างน้อยในประชากรทั่วไปทั้งสองเพศมีความเสี่ยงเท่ากันในการพัฒนา GIA แม้ว่าเพศจะไม่ส่งผลกระทบต่อโครงสร้างข้อมูลทั่วไปใน SEM แต่ก็มีความแตกต่างบางอย่างระหว่างชายและหญิงที่เกี่ยวข้องกับผลกระทบโดยตรงสามประการจากตัวแปรทำนายถึงผู้ไกล่เกลี่ย ดังที่สรุปไว้ในส่วนของผลด้านจิตวิทยาพบว่ามีผลต่อความคาดหวังในผู้หญิงไม่ใช่ในผู้ชายในด้านลบของบุคลิกภาพด้านการเผชิญปัญหาและความคาดหวังมีอยู่ในผู้ชายมากกว่าผู้หญิง ผลกระทบเหล่านี้เหมาะสมกับวรรณกรรมที่มีความแตกต่างระหว่างเพศด้วยความเคารพต่อภาวะซึมเศร้าและความวิตกกังวลทางสังคมSprock และ Yoder, 1997; Moscovitch และคณะ, 2005) เช่นเดียวกับความภาคภูมิใจในตนเองและการรับรู้ความสามารถของตนเอง (หวง 2012) อย่างไรก็ตามแง่มุมซึ่งเป็นจุดสนใจของการศึกษาคือผลกระทบของการไกล่เกลี่ยการเผชิญปัญหาและความคาดหวังและความสำคัญของพวกเขาสำหรับ GIA ไม่ได้รับผลกระทบจากเพศ (ดูผลการวิเคราะห์โครงสร้างค่าเฉลี่ย) ดังนั้นความเป็นอิสระของเพศที่อาจมีผลต่อความวิตกกังวลทางสังคมภาวะซึมเศร้าหรือแง่มุมบุคลิกภาพการเผชิญปัญหาและความคาดหวังควรได้รับการพิจารณาใน CBT-IA ทั้งสองเพศ

ในที่สุดก็มีข้อ จำกัด หลายประการของการศึกษานี้ มันเป็นรูปแบบที่พัฒนาขึ้นใหม่ที่ต้องการการทดสอบเพิ่มเติมเกี่ยวกับประชากรทางคลินิกเพื่อดูประสิทธิภาพทางคลินิกในการรักษาอย่างเต็มที่ ควรทดสอบโดยใช้ IAT เวอร์ชันที่ยาวขึ้น (หนุ่ม 1998; Widyanto และ McMurran, 2004) เป็นมาตรการทดสอบเพิ่มเติมในวรรณคดี เราใช้เวอร์ชันที่สั้นกว่าเนื่องจากความยาวของเครื่องมือประเมินที่เราใช้กับแบบจำลองทั้งหมด แต่หากทำซ้ำงานนี้ด้วยตัวอย่างทางคลินิกแนะนำให้ใช้ IAT พร้อมกับมาตรการเพิ่มเติมของ IA เช่นการประเมินอินเทอร์เน็ตและ ติดเกมคอมพิวเตอร์เป็นมาตราส่วน (AICA-S) หรือสัมภาษณ์ทางคลินิก (AICA-C) พัฒนาและตรวจสอบกับกลุ่มทางคลินิกโดย (Wölfling et al., 2010, 2012) นอกจากนี้เรายังได้พัฒนาและทดสอบแบบสอบถามความคาดหวังในการใช้อินเทอร์เน็ตเพื่อวัตถุประสงค์ในการศึกษานี้ ในขณะที่เราใช้วิธีอนุรักษ์นิยมและระมัดระวังในการพัฒนาขนาดมาตรการนี้ควรได้รับการประเมินจากประชากรเพิ่มเติมเพื่อความถูกต้องและแบบสอบถามต้องการการทดสอบเชิงประจักษ์เพิ่มเติมในการศึกษาในอนาคต ควรมีการใช้เครื่องชั่งและการสัมภาษณ์เพิ่มเติมและละเอียดมากขึ้นกับตัวอย่างทางคลินิกเนื่องจากส่วนใหญ่ของการประเมินในการศึกษาของเราถูกวัดโดยใช้แบบสอบถามสั้น ๆ ที่มีจำนวนรายการที่ จำกัด เนื่องจากเหตุผลในทางปฏิบัติ (ข้อ จำกัด ด้านเวลาในบริบทของการสำรวจออนไลน์) . ปัญหาที่อาจเกิดขึ้นคือความแปรปรวนของวิธีการทั่วไป (Podsakoff และคณะ, 2003) น่าเสียดายที่ไม่มีตัวแปรเครื่องหมายที่ชัดเจนซึ่งในทางทฤษฎีควรไม่เกี่ยวข้องกับตัวแปรอื่น ๆ ทั้งหมดได้ถูกรวมไว้ในการศึกษาด้วยเหตุผลเชิงปฏิบัติ (การสำรวจใช้เวลาเกือบ 25 ขั้นต่ำซึ่งเป็นเกณฑ์สำคัญสำหรับการสำรวจออนไลน์) แม้ว่าเราจะไม่สามารถยกเว้นผลของความแปรปรวนของวิธีการทั่วไปต่อผลลัพธ์ แต่เรายืนยันว่าผลกระทบนี้ไม่น่าเป็นไปได้สำหรับโครงสร้างข้อมูลทั้งหมดที่รายงาน เมื่อตรวจสอบความสัมพันธ์ของ bivariate (ตาราง 3) จะเห็นได้ว่าบางส่วนนั้นต่ำมาก (เช่น r = –0.08 r = –0.09 r = 0.12 เป็นต้น) เราคิดว่าความสัมพันธ์ต่ำเหล่านี้ให้คำแนะนำอย่างนุ่มนวลสำหรับสมมติฐานที่ว่าความแปรปรวนของวิธีการทั่วไปไม่ส่งผลต่อการวิเคราะห์หลักอย่างมาก อย่างไรก็ตามแบบจำลองควรได้รับการทดสอบด้วยวิธีการหลายวิธีที่เป็นระบบ (Campbell และ Fiske, 1959) ในการศึกษาในอนาคต

การศึกษาในปัจจุบันมุ่งเน้นไปที่ GIA ซึ่งหมายความว่ารูปแบบของ SIA ดังที่อธิบายไว้โดย ยี่ห้อและคณะ (2014)ยังคงต้องมีการทดสอบสังเกตุ ควรทดสอบรูปแบบต่าง ๆ ของ SIA (เช่นการเล่นเกมสื่อลามกออนไลน์หรือการพนันทางอินเทอร์เน็ต) เพื่อดูว่าทักษะการเผชิญปัญหาและความคาดหวังในการใช้อินเทอร์เน็ตมีบทบาทคล้ายกันในการพัฒนาปัญหาหรือไม่ มันยังคงเป็นที่ถกเถียงกันอยู่ว่าแนวคิดของ GIA นั้นเพียงพอสำหรับการครอบคลุมพฤติกรรมที่เป็นปัญหาในผู้ป่วยหรือไม่ เราพบหลักฐานสำหรับการเชื่อมโยงระหว่างปัญหาที่รายงานด้วยตนเองที่เกี่ยวข้องกับการใช้งานแอพพลิเคชั่นอินเทอร์เน็ตที่แตกต่างกันและตัวแปรที่แนะนำในโมเดล แนวคิดของ GIA ดำเนินการโดยคำสั่ง s-IAT และสูตรรายการ แต่จากข้อเท็จจริงที่ว่าผู้เข้าร่วมมากกว่าร้อยละ 97% รายงานว่าใช้แอปพลิเคชั่นอินเทอร์เน็ตเป็นประจำอย่างน้อยสามอย่างเช่นการสื่อสารการเล่นเกมการพนันไซเบอร์ ช้อปปิ้งหรือการค้นหาข้อมูล จากมุมมองทางคลินิกยังคงเป็นหัวข้อถกเถียงกันว่า GIA สามารถเป็นเหตุผลในการแสวงหาการรักษาหรือหากผู้ป่วยที่กำลังมองหาการรักษาต้องทนทุกข์ทรมานจากการสูญเสียการควบคุมการใช้แอพพลิเคชั่นบางอย่างเท่านั้น เราแนะนำให้พิจารณาประเด็นนี้ในการวิจัยทางคลินิกโดยตรวจสอบพฤติกรรมที่สำคัญในบริบทของการใช้อินเทอร์เน็ตและวิเคราะห์ความถี่ในการใช้งานแอพพลิเคชั่นอินเทอร์เน็ตมากกว่าหนึ่งอย่างที่ไม่สามารถควบคุมและเสพติดได้บ่อยครั้ง นอกจากนี้อาจไม่มีส่วนประกอบทั้งหมดที่เสนอในแบบจำลองเชิงทฤษฎีของ GIA ในการศึกษานี้ ตัวอย่างเช่นลักษณะบุคลิกภาพเพิ่มเติมหรือความผิดปกติทางจิตอื่น ๆ อาจรวมอยู่ในการศึกษาในอนาคต

สรุป

สมมติฐานหลักของโมเดลบน GIA ได้รับการสนับสนุนจากข้อมูลเชิงประจักษ์ ลักษณะสำคัญของบุคคลนั้นเกี่ยวข้องกับอาการของ GIA แต่ผลกระทบเหล่านี้เป็นสื่อกลางโดยความรู้ความเข้าใจเฉพาะของบุคคลในรูปแบบการเผชิญปัญหาโดยเฉพาะและความคาดหวังในการใช้อินเทอร์เน็ต ความรู้ความเข้าใจเหล่านี้ควรได้รับการจัดการในการใช้อินเทอร์เน็ตอย่างเสพติด

ผลงานของผู้เขียน

แมทเธียสชเขียนตราร่างแรกของกระดาษกำกับดูแลการรวบรวมข้อมูลและวิเคราะห์และตีความข้อมูล คริสเตียนไลเออร์มีส่วนโดยเฉพาะอย่างยิ่งกับแนวความคิดของการศึกษาเชิงประจักษ์และการรวบรวมข้อมูลและแก้ไขต้นฉบับ Kimberly S. Young แก้ไขร่างแก้ไขแก้ไขอย่างยิ่งและมีส่วนร่วมทางสติปัญญาและการปฏิบัติกับต้นฉบับ ผู้เขียนทั้งหมดได้อนุมัติต้นฉบับในที่สุด ผู้เขียนทุกคนมีความรับผิดชอบต่องานทุกด้าน

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

กิตติกรรมประกาศ

เราขอขอบคุณ Elisa Wegmann และ Jan Snagowski สำหรับความช่วยเหลืออันมีค่าของพวกเขาต่อการศึกษาและต้นฉบับ พวกเขาช่วยเราอย่างมากในการเขียนโปรแกรมการสำรวจออนไลน์และตรวจสอบข้อมูล

อ้างอิง

แก้ไขโดย:

Ofir Turelมหาวิทยาลัยแห่งรัฐแคลิฟอร์เนียฟูลเลอร์ตันและมหาวิทยาลัยเซาเทิร์นแคลิฟอร์เนียสหรัฐอเมริกา

บทวิจารณ์โดย:

Aviv M. Weinstein, องค์การการแพทย์ Hadassah, ประเทศอิสราเอล
Daria Joanna Kuss, Nottingham Trent University, สหราชอาณาจักร