面前。 Psychol。,11十一月2014 | doi:10.3389 / fpsyg.2014.01256
马蒂亚斯·布兰德1,2 *,
Christian Laier1 和
金伯利S.杨3
- 1普通心理学系:认知,杜伊斯堡 - 埃森大学,德国杜伊斯堡
- 2Erwin L. Hahn德国埃森磁共振成像研究所
- 3互联网成瘾中心,Russell J. Jandoli圣文德大学新闻与大众传播学院,美国纽约Olean
网络成瘾(IA)已成为许多国家严重的心理健康状况。 为了更好地理解IA的临床意义,本研究在统计学上测试了一种新的理论模型,该模型说明了有助于疾病发展和维持的潜在认知机制。 该模型区分了广义网络成瘾(GIA)和特定形式。 本研究在一般互联网用户群体上测试了GIA模型。 来自1019用户的调查结果表明,假设的结构方程模型解释了GN症状方差的63.5%,通过网络成瘾测试的简短版本来衡量。 通过心理和人格测试,结果显示一个人的特定认知(不良应对和认知期望)增加了GIA的风险。 这两个因素介导了GIA的症状,如果存在其他风险因素,如抑郁,社交焦虑,自尊心低,自我效能低,以及高压力脆弱性,这些都是研究中测量的一些区域。 该模型表明,即使存在其他人格或心理脆弱性,具有较高应对技能且无法预期互联网可用于增加积极情绪或减少负面情绪的个人也不太可能参与有问题的互联网使用。 对治疗的影响包括对GIA发展的明确认知成分以及评估患者应对方式和认知以及改善错误思维以减轻症状和参与康复的需要。
介绍
多项研究已发现互联网使用存在问题,并表明过度使用互联网会导致持续的负面后果,例如失业、学业失败和离婚(综述见Griffiths,2000a,b;Chou 等,2005;Widyanto 和 Griffiths,2006;Byun 等,2009;Weinstein 和 Lejoyeux,2010;Lortie 和 Guitton,2013 )。鉴于其高患病率估计值(1.5% 至 8.2% ( Weinstein 和 Lejoyeux,2010 ) 甚至高达 26.7%,具体数值取决于所使用的量表和标准 ( Kuss 等,2014 )) ,这一现象的临床意义日益凸显。
虽然这个临床问题的第一次描述几乎是20年前(年轻,1996),分类仍然存在争议,因此在科学文献中使用了几个术语,范围从“强制性互联网使用”(Meerkerk等,2006, 2009, 2010),“互联网相关问题”(Widyanto等,2008),“有问题的互联网使用”(Caplan,2002),“病理性互联网使用”(戴维斯,2001)“与互联网相关的成瘾行为”(Brenner,1997),仅举几例。 然而,在过去的10年中,该领域的大多数研究人员使用术语“网络成瘾”或“网络成瘾症”(例如, Johansson和Götestam,2004; Block,2008; Byun等人,2009; Dong等人,2010, 2011, 2013; Kim等人,2011; Purty等,2011; 年轻,2011b, 2013; Young等,2011; 周等人,2011; Cash等,2012; Hou等人,2012; Hong等人,2013a,b; Kardefelt-Winther,2014; Pontes等,2014; Tonioni等人,2014)。 我们也更喜欢“网络成瘾(IA)”一词,因为最近的文章(参见讨论) Brand等,2014)强调过度使用互联网与其他成瘾行为之间的相似之处(例如, Grant等人,2013)以及物质依赖性(另见 年轻,2004; 格里菲斯,2005; Meerkerk等,2009)。 有人认为,与物质依赖的发展和维持相关的机制可以转移到互联网应用(以及其他行为成瘾)的成瘾性使用,例如成瘾的激励敏感理论和相关概念(例如, Robinson和Berridge,2000, 2001, 2008; Berridge等,2009)。 这也非常适合成瘾行为的组件模型(格里菲斯,2005).
许多研究探讨了网络成瘾的心理相关因素,但至少在大多数情况下,这些研究并未区分普遍性网络成瘾(GIA)和特定性网络成瘾(SIA)(Morahan-Martin 和 Schumacher,2000;Leung,2004;Ebeling-Witte 等,2007;Lu,2008;Kim 和 Davis,2009;Billieux 和 Van der Linden,2012)。然而,尽管心理机制可能有所不同,且不同年龄组或使用的应用也可能存在差异(Lopez-Fernandez 等,2014)。本研究旨在探讨应对方式和对网络使用的认知预期在普遍性网络成瘾的发生和维持过程中所起的中介作用,以期更好地理解其潜在机制及其对诊断和治疗的潜在意义。
从理论层面来看,网络成瘾(IA)必须区分为一般性的互联网使用(Griffiths 和 Wood,2000)与特定类型的网络成瘾,例如网络性行为、网络关系、网络强迫行为(如赌博、购物)、信息搜索和网络游戏,这些行为都可能导致网络成瘾(例如Young 等,1999;Meerkerk 等,2006;Block,2008;Brand 等,2011)。然而,只有一种亚型——网络游戏障碍——被纳入了《精神疾病诊断与统计手册第五版》(DSM-5)(APA,2013)。大多数研究要么将网络成瘾视为一个统一的概念进行评估,要么只评估了一种特定的亚型(通常是网络游戏)。Davis (2001)在其认知行为模型中也区分了一般病理性网络使用(GIA)和特定病理性网络使用(SIA)。互联网成瘾(GIA)被描述为一种多维度的互联网过度使用,通常伴有时间浪费和无目的的互联网使用。互联网的社交功能(例如,通过社交网站进行社交交流)尤其容易被滥用(参见Lortie和Guitton,2013年的讨论),这被认为与线下缺乏社会支持以及个体在非虚拟情境中经历的社交缺陷有关。此外,有观点认为,个体可能会过度使用多种不同的互联网应用程序,而没有特定的偏好,例如玩游戏、观看色情内容、浏览信息和/或购物网站、发布自拍、在视频平台上观看视频、阅读他人的博客等等。在这种情况下,有人可能会认为个体是对互联网上瘾,而不是对互联网本身上瘾(但另见Starcevic,2013年的讨论)。戴维斯认为,网络成瘾(GIA)和网络成瘾(SIA)的一个主要区别在于,患有网络成瘾的人如果没有互联网就不会出现类似的成瘾行为,而患有网络成瘾的人则会在其他环境下出现类似的成瘾行为。在网络成瘾和网络成瘾这两种成瘾形式中,关于自我和世界的认知功能障碍都被认为起着至关重要的作用(Caplan ,2002,2005)。
针对GIA的研究表明,因互联网使用而导致的日常生活中的主观抱怨与不同的人格特征相关。 事实上,有证据表明GIA与精神病理学合并症有关,例如情感或焦虑症(Whang等,2003; Yang等人,2005; Weinstein和Lejoyeux,2010)以及人格特质羞怯,神经质,压力脆弱,拖延倾向和低自尊(Niemz等,2005; Ebeling-Witte等,2007; Hardie和Tee,2007; Thatcher等人,2008; 金和戴维斯,2009)。 此外,社会背景的因素,例如缺乏社会支持或社会隔离(Moran-Martin和Schumacher,2003; Caplan,2007)甚至在青少年的教育环境中的孤独感(Pontes等,2014),似乎与GIA有关。 此外,有人认为使用互联网作为应对有问题或有压力的生活事件的工具有助于GIA的发展(Whang等,2003; Tang等人,2014)。 IA患者也表现出冲动性应对策略的高度倾向(Tonioni等人,2014)。 一些作者甚至将IA概念化为应对日常生活或日常麻烦的一种(Kardefelt-Winther,2014)。 仍然只有一些初步研究明确比较了不同类型SIA的预测因子。 Pawlikowski等。 (2014) 据报道,羞怯和生活满意度与网络游戏的上瘾使用有关,但与病态使用网络游戏或使用游戏和网络游戏无关。
基于以往的研究,特别是Davis(2001)的论述,并结合当前关于网络成瘾者神经心理学和神经影像学研究的文献,我们近期发表了关于网络成瘾(GIA)和社交成瘾(SIA)发展与维持的理论模型(Brand et al., 2014)。该模型中的一些方面已在社交网站使用研究中有所提及,例如对积极结果的预期(Turel and Serenko, 2012)。此外,已有研究表明,过度或成瘾性地使用在线拍卖与个体对该技术的信念变化相关,而这种变化会影响未来的使用行为和使用意愿(Turel et al., 2011)。这与我们关于网络成瘾的理论模型相符,该模型假设个体对互联网功能的信念或预期会影响其行为,即互联网使用,而互联网使用反过来又会影响其对未来的预期。然而,在我们的模型中,我们重点关注期望和应对策略在发展和维持 GIA 和特定类型的 SIA 中的中介作用。
对于GIA的开发和维护,我们认为用户具有某些需求和目标,可以通过使用某些Internet应用程序来实现。 基于先前的研究,我们将这些研究结果中的一些纳入其中,以开发一个将这些元素结合在一起的综 最初,一个人的核心特征与IA相关,包括精神病理学方面,人格方面和社会认知。 在第一部分,我们包括精神病理症状,特别是抑郁症和社交焦虑症(例如, Whang等,2003; Yang等人,2005),功能失调的人格方面,如低自我效能,羞怯,压力易损性和拖延倾向(Whang等,2003; Chak和Leung,2004; Caplan,2007; Ebeling-Witte等,2007; Hardie和Tee,2007; Thatcher等人,2008; 金和戴维斯,2009; Pontes等,2014),社会孤立/缺乏社会支持(Moran-Martin和Schumacher,2003; Caplan,2005)在GIA的发展。 然而,我们认为这些人的主要特征和认知对互联网成瘾性使用的发展的影响应该通过某些与互联网相关的认知来调节,特别是互联网使用预期(Turel等,2011; Xu等人,2012; Lee等人,2014),以及应对日常生活要求或日常麻烦的某些策略(Tang等人,2014; Tonioni等人,2014)。 在模型的第三部分中,作为一种随之而来的行为,如果用户上网并且在功能失调的情况下应对问题或负面情绪并且人们期望互联网使用会分散他们的注意力或负面情绪,那么可能他们会转向互联网,以逃避失去控制,糟糕的时间管理,渴望和增加社会问题所证明的那种感受。 在关于物质相关疾病的发展和维持的文献中已经很好地描述了强化和调理过程的作用(例如, Robinson和Berridge,2001, 2008; Kalivas和Volkow,2005; Everitt和Robbins,2006)。 我们还认为,应对方式和互联网使用预期的积极和消极强化相继导致失去对互联网使用的认知控制,这是由前额(执行)功能调节的(Brand等,2014).
尽管该模型与先前关于网络成瘾心理机制的关键发现的文献(参见Kuss和Griffiths,2011a,b;Griffiths,2012的综述)以及最新的神经心理学和神经影像学研究结果(Kuss和Griffiths,2012;Brand等人,2014)与网络成瘾和不同类型的网络不耐受的相关性相吻合,但该模型仍需增量效度方面的实证研究。本研究旨在将上述网络成瘾理论模型中总结的假设转化为潜在变量层面的统计模型,并利用大规模互联网用户群体检验预测变量和中介变量对网络成瘾症状严重程度的影响。我们首先使用经过验证的心理和人格测量工具,以概括的方式评估个体预测过度和网络成瘾的核心特征。我们使用经过验证的应对方式测量方法和新开发的互联网使用预期测量方法,检验了较差的应对技巧和互联网使用预期(例如使用互联网逃避负面情绪或不愉快的情况)是否在个人核心特征和 GIA 症状之间起中介作用。
材料和方法
可操作模型
我们首先将引言中描述的理论模型以及Brand等人(2014)文章中阐述的理论模型转化为可检验且可操作的统计模型。对于理论模型中提到的每个维度,我们至少选择两个显变量来构建潜在层面的结构方程模型(SEM)。然后,对于每个变量,我们使用特定的量表(每个量表包含若干条目,详见下文的工具描述)来操作化这些显变量。图1展示了该操作化的潜在层面SEM模型。
主题
我们采用全面的在线调查问卷,共收到 1148 份有效问卷。由于心理测量量表数据不完整,我们排除了 129 名参与者,最终样本量为N = 1019。参与者通过广告、互联网平台(普通心理学:认知团队的 Facebook 账号)、杜伊斯堡-埃森大学学生电子邮件列表、当地酒吧和酒馆的传单以及口口相传的方式招募。广告、电子邮件和传单均包含一项声明,参与者有机会参加抽奖,奖品包括以下物品之一:(1)iPad,(2)iPad mini,(3)iPod nano,(4)iPod shuffe,以及 20 张亚马逊礼品卡(每张 50 欧元)。本研究已获得当地伦理委员会的批准。
最终样本的平均年龄为25.61岁(标准差=7.37)。样本包括625名(61.33%)女性和385名(37.78%)男性(9名志愿者未回答此问题)。在个人生活状况方面,577名参与者(56.62%)处于恋爱关系或已婚状态,410名(40.24%)表示目前没有恋爱关系(32名参与者未回答此问题)。在评估时,687名参与者(67.42%)为学生,332名参与者(32.58%)有固定工作(无论是否具有学历背景)。在所有样本中,116名参与者(11.4%)符合问题性网络使用标准[简版网络成瘾测试(s-IAT)得分>30,详见下文工具描述],38名参与者(3.7%)符合病理性网络使用标准(s-IAT得分>37)。用户平均每周上网时间为 972.36 分钟(标准差 = 920.37)。在所有样本中,975 人使用社交/通讯网站(平均每周使用时间 = 444.47 分钟,标准差 = 659.05),998 人(97.94%)在互联网上搜索信息(平均每周使用时间= 410.03 分钟,标准差 = 626.26),988 人(96.96%)使用购物网站(平均每周使用时间= 67.77 分钟,标准差 = 194.29),557 名参与者(54.66%,平均每周使用时间 = 159.61 分钟,标准差 = 373.65)玩网络游戏,161 名参与者(15.80%,平均每周使用时间 = 37.09 分钟,标准差 = 141.70)进行网络赌博,485 人(47.60%,平均每周使用时间 = 66.46 分钟,标准差 = 108.28)进行网络性行为。关于使用多个互联网应用程序的情况,995 名参与者(97.64%)报告称经常使用上述三个或更多个互联网应用程序。
仪器功能
短网瘾测试(s-IAT)
使用德语版网络成瘾测试( s-IAT)( Pawlikowski等人,2013)评估网络成瘾症状。该测试基于Young(1998)开发的原始版本。s-IAT包含12个项目,采用五点量表作答,从1(从不)到5(非常频繁),总分范围为12至60分。得分>30分表示存在网络使用问题,得分>37分表示存在病态网络使用(Pawlikowski等人,2013)。s-IAT包含两个因子:失控/时间管理以及渴求/社交问题(每个因子包含六个项目)。尽管这12个条目在探索性因子分析和验证性因子分析(CFA;Pawlikowski等人,2013)中均加载于两个因子上,但它们捕捉到了网络成瘾的关键症状,例如Griffiths(2005)在其成分模型中所描述的症状。第一个分量表“失控/时间管理”评估了个人因上网而在日常生活中遭受时间管理问题的严重程度(例如,“你多久会为了上网而忽略家务?”以及“你多久会因为熬夜上网而失眠?”)。该分量表的条目还评估了过度使用互联网造成的负面后果(例如,“你多久会因为上网时间过长而影响成绩或学业?”)。该量表还会测量受试者是否出现对网络使用失去控制的情况,以及他们是否曾尝试减少网络使用但失败(例如,“您多久会发现自己上网时间比预期长?”和“您多久会尝试减少上网时间但失败?”)。所有条目并非测量上网时长,而是测量个体是否出现对网络使用失去控制的情况,以及网络使用是否会影响日常生活。第二个分量表“渴望/社交问题”测量过度使用网络对社交互动和沉迷于网络的影响(例如,“您多久会在离线时感到沉迷于网络,或幻想自己在线?”)。该分量表的条目还会评估人际关系问题(例如,“如果有人在您上网时打扰您,您多久会发脾气、大喊大叫或表现得恼怒?”)和情绪调节问题(例如,“您多久会在离线时感到沮丧、情绪低落或紧张,而这些症状在您重新上线后消失?”)。所有题目均包含“互联网”或“在线”等词语,但并未具体针对某个应用程序。在说明中,参与者被告知所有问题都与他们使用互联网的总体情况相关,包括使用的所有应用程序。
s-IAT 具有良好的心理测量特性和效度(Pawlikowski 等人,2013)。在我们的样本中,整个量表的内部一致性(Cronbach's α)为 0.856,失控/时间管理因素的内部一致性为 0.819,渴求/社交问题因素的内部一致性为 0.751。
简要症状库存 - 分量表抑郁症
抑郁症状采用简明症状量表(Brief Symptom Inventory,Boulet & Boss,1991;Derogatis,1993 )的抑郁分量表德语版( Franke,2000 )进行评估。该量表包含六个项目,用于评估过去7天的抑郁症状。答案采用五点量表,从0(完全没有)到4(极其严重)。本研究样本的内部一致性(Cronbach's α)为0.858。
简要症状库存 - 子量表人际关系敏感度
社交焦虑和人际敏感性症状采用简明症状量表(Brief Symptom Inventory,Boulet & Boss,1991;Derogatis,1993 )的人际敏感性子量表德语版( Franke,2000 )进行评估。该量表包含四个项目,答案采用五点量表,从0(完全没有)到4(极其严重)。本研究样本的内部一致性(Cronbach's α)为0.797。
自尊量表
采用自尊量表(Rosenberg,1965)评估自尊。本研究使用了修订后的德语版本(Collani 和 Herzberg,2003),该量表包含十个项目。答案采用四点量表,从 0(= 非常不同意)到 3(= 非常同意)。本研究样本的内部一致性(Cronbach's α)为 0.896。
自我效能量表
自我效能感采用自我效能感量表(Schwarzer 和 Jerusalem,1995)进行评估,该量表包含 10 个项目。答案需在四点量表上作答,从 1(= 完全不符合)到 4(= 完全符合)。本研究样本的内部一致性(Cronbach's α)为 0.863。
特里尔慢性压力量表
压力易感性采用特里尔慢性压力量表(TICS; Schulz 等,2004 )的筛查版进行测量。该筛查版包含 12 个关于过去 3 个月压力暴露情况的项目。每个项目均需使用五点量表作答,从 0(= 从不)到 4(= 非常频繁)。本研究样本的内部一致性(克朗巴赫 α 系数)为 0.908。
寂寞规模
本研究采用简版孤独感量表(De Jong Gierveld 和 Van Tilburg,2006)测量孤独感(情绪孤独分量表,3个条目)和感知社会支持(社会支持分量表,3个条目)。所有条目均需采用五点量表作答,从1(=否!)到5(=是!)。在本研究样本中,情绪孤独分量表的内部一致性系数(Cronbach's α)为0.765,社会支持分量表的内部一致性系数为0.867。
COPE简介
简式应对方式量表(Carver,1997)从多个不同的子领域测量应对方式。本研究使用了德语版(Knoll等,2005)的三个子量表:否认、物质滥用和行为脱离。每个子量表包含两个项目,需使用四点量表作答,从1(=我完全没有这样做)到4(=我经常这样做)。在本研究样本中,否认子量表的内部一致性(Cronbach's α)为0.561,物质滥用子量表为0.901,行为脱离子量表为0.517。鉴于每个量表仅包含两个项目,且该量表已在多项验证研究中使用,包括重测信度报告,我们认为其信度是可以接受的。
互联网使用期望量表
为了评估互联网使用预期,我们开发了一个新的量表,其第一版包含16个条目。这些条目反映了一些核心动机因素,例如Xu等人(2012)和Yee(2006)的研究结果。这些条目预先被分配到两个分量表(每个分量表包含8个条目):反映积极强化的互联网使用预期(例如,“我使用互联网来获得快乐”)和反映消极强化的互联网使用预期(例如,“我使用互联网来逃避问题”)。所有答案均采用六点量表,从1(=完全不同意)到6(=完全同意)。基于本研究收集的数据(N = 1019),我们进行了探索性因子分析(EFA)。我们使用Horn(1965)的平行分析和最小平均偏相关系数(MAP)检验(Velicer,1976)来确定合适的因子数量。该程序最终得到了一个稳定的双因子模型。随后,我们采用主成分分析和方差最大化旋转法进行探索性因子分析(EFA),以评估互联网使用预期量表(IUES)的结构。EFA结果最终确定了IUES的8题版本,并保留了双因子结构(表1)。这两个因子解释了63.41%的方差。第一个因子包含四个题项,这些题项在主因子上的载荷较高(>0.50),在另一个因子上的载荷较低(<0.20),且与积极预期相关,因此我们将该因子命名为“积极预期”。第二个因子包含四个题项,这些题项在主因子上的载荷较高(>0.50),在另一个因子上的载荷较低(<0.20),且所有题项均与使用互联网来避免或减少负面情绪或想法相关,因此我们将该因子命名为“回避预期”。这两个因素均具有良好的信度(“积极预期”:Cronbach's α = 0.832,“回避预期”:Cronbach's α = 0.756)。这两个因素之间存在显著相关性(r = 0.496,p < 0.001),且具有中等效应(Cohen,1988)。
为了确保该工具的因子结构,我们对另外 169 名受试者(平均年龄 = 21.66 岁,标准差 = 2.69;106 名女性)进行了验证性因子分析 (CFA)。CFA 使用 MPlus 软件(Muthén 和 Muthén,2011)完成。为了评估模型拟合度,我们采用了标准评价指标(Hu和 Bentler,1995,1999):标准化均方根残差 (SRMR;低于 0.08 的值表示与数据拟合良好)、比较拟合指数 (CFI/TLI;高于 0.90 的值表示拟合良好,高于 0.95 的值表示拟合优秀) 以及近似均方根误差 (RMSEA;“拟合优度检验”;低于 0.08 且显著性水平低于 0.05 的值表示拟合度可接受)。验证性因子分析(CFA)证实了IUES的双因子模型,拟合参数良好至优秀:RMSEA为0.047,CFI为0.984,TLI为0.975,SRMR为0.031。χ²检验结果不显著(χ² = 24.58,p = 0.137),表明数据与理论模型(如表1所示的双因子模型)无显著偏差。该样本仅用于CFA,未纳入后续分析。
统计分析
统计分析采用 SPSS 21.0 for Windows(IBM SPSS Statistics,2012 年发布)进行。计算 Pearson 相关系数以检验两个变量之间的零阶关系。为了控制数据中的异常值,我们创建了一个服从正态分布的随机变量,其均值和标准差与 s-IAT(总分)中的均值和标准差相同。理论上,如果相关性不受数据中异常值的影响,则该随机变量应与所有感兴趣的变量无关。所有与该随机变量的相关性都非常低,r <sub>s</sub> < 0.049,表明最终样本(N = 1019)中所有量表均不存在具有显著影响的异常值。此外,我们还对变量之间的散点图进行了目视检查。同样,未发现极端异常值。因此,所有受试者的数据均用于后续分析。
结构方程模型(SEM)分析使用MPlus 6( Muthén和Muthén,2011 )进行。数据无缺失值。在检验完整模型之前,我们还使用MPlus中的验证性因子分析(CFA)检验了潜在维度的拟合度。SEM和CFA均采用最大似然参数估计法。模型拟合度的评估采用了之前章节中已描述的标准准则(Hu和Bentler,1995,1999) 。根据Baron和Kenny(1986)的观点,进行中介分析的前提是所有纳入中介的变量彼此相关。此外,我们还使用调节回归分析了潜在的调节效应,作为应对概念的另一种概念化方式的补充分析。
功能验证
描述性值和相关性
表2列出了样本在s-IAT及其他所有量表上的平均得分。s-IAT的平均得分M = 23.79(SD = 6.69)与Pawlikowski等人(2013)对1820名普通人群样本的研究结果(s-IAT平均得分M = 23.30,SD = 7.25)相当。表3显示了s-IAT(总分)与所用问卷和量表得分之间的双变量相关性。
验证性因子分析中拟议模型的潜在维度
为了系统地检验所提出的理论模型,我们首先分析了因子模型,即检验潜在维度是否能被显性变量有效代表。因此,我们对六个潜在维度(一个因变量维度、三个预测变量维度和两个中介变量维度)进行了验证性因子分析(CFA)。RMSEA 为 0.066(p < 0.001),CFI 为 0.951,TLI 为 0.928,SRMR 为 0.041,表明模型拟合良好。
第一个潜在维度“GIA的症状”很好地表现为s-IAT(失去控制/时间管理和渴望/社交问题)两个因素的得分。 第一个预测变量“精神病理症状”由BSI的两个分量表(抑郁和人际关系敏感性)显着代表。 “人格方面”维度很好地表现为三个假设的显性变量(自我效能,自尊和压力脆弱性),最后一个预测维度“社会认知”由孤独量表的两个分量表(情绪化)表示得很好。孤独和社会支持)。 结果表明,第一个假设的中介维度“应对”很好地代表了COPE的三个分量表(否定,滥用药物和行为脱离),第二个中介维度“互联网使用预期”很好地代表了两个IUES因素(积极的预期和避免预期)。
总体而言,验证性因子分析(CFA)表明,潜在维度能够被显性变量较好地代表。仅在应对维度中,物质滥用量表的因子载荷较低(β = 0.424),但仍具有统计学意义(p < 0.001),因此,鉴于整体模型与数据拟合良好,该因子载荷仍然足够。所有因子载荷和标准误差均列于表4。
完全结构方程模型
以GIA为因变量(由两个s-IAT因子建模)的潜在维度理论模型与数据拟合良好。RMSEA为0.066(p < 0.001),CFI为0.95,TLI为0.93,SRMR为0.041。χ²检验结果显著(χ² = 343.89,p < 0.001),考虑到样本量较大,该结果符合预期。然而,基线模型的χ²检验结果也显著,且χ²值更高( χ² = 5745.35,p < 0.001)。总之,数据与所提出的理论模型拟合良好。总体而言,GIA方差的63.5%可由完整的结构方程模型( SEM)显著解释(R² = 0.635,p < 0.001)。该模型以及所有直接和间接影响如图2所示。
所有三个预测变量对 GIA 的直接效应均不显著(图2)。但需要注意的是,潜在变量“精神病理学方面”的直接效应略微未达到显著性水平(p = 0.059)。此处需考虑 β 系数为负值,这意味着——如果对这一略微显著的直接效应进行解释——在控制了精神病理学方面对两个中介变量(应对方式和互联网使用预期)的间接效应后,较高的抑郁和社交焦虑与较低的 GIA 症状相关。两个潜在预测变量“精神病理学方面”和“人格”对两个潜在中介变量“应对方式”和“互联网使用预期”的直接效应均显著。相比之下,潜在变量“社会认知”对“应对方式”和“互联网使用预期”的直接效应均不显著,这意味着在控制了其他两个潜在维度的影响后,这些效应不再显著。
然而,社会认知对互联网使用预期的影响略微未达到显著性水平(p = 0.073)。应对方式对 GIA( p < 0.001)和互联网使用预期(p < 0.001)的直接影响均显著,且效应量较大。
心理病理因素对应对方式的间接影响对网络成瘾的间接影响显著(β = 0.173,SE = 0.059,p = 0.003)。心理病理因素对网络使用预期的间接影响对网络成瘾的间接影响也显著(β = 0.159,SE = 0.072,p = 0.027)。人格因素对应对方式的间接影响对网络成瘾的间接影响也显著(β = –0.08,SE = 0.041,p = 0.05),但效应量很小。人格因素对网络使用预期的间接影响对网络成瘾的间接影响也显著(β = –0.160,SE = 0.061,p = 0.009)。社会认知对应对方式(β = 0.025,SE = 0.030,p = 0.403)和社会认知对互联网使用预期(β = –0.08,SE = 0.045,p = 0.075)的间接影响均不显著。包含所有因子载荷和β权重的模型如图2所示。潜在维度中的心理病理学方面与潜在维度中的人格方面( r = -0.844,p < 0.001)以及潜在维度中的社会认知(r = –0.783,p < 0.001)均显著相关。此外,人格方面和社会认知这两个潜在维度之间也存在相关性(r = 0.707,p < 0.001)。
其他分析
本文描述的模型是理论上论证的模型,因此也是我们首先检验的模型。然而,为了更深入地了解GIA的潜在机制,我们随后又分别检验了一些其他模型或模型的某些部分。我们首先探讨的是精神病理学对GIA的影响,因为我们发现,尽管在双变量分析中,精神病理学的直接效应(尽管不显著)在结构方程模型(SEM)中呈负相关(见图2),但这很有意思。以精神病理学因素(由BIS抑郁和BSI社交焦虑代表)为预测变量,GIA(由两个s-IAT因子代表)为因变量的简单模型拟合良好(所有拟合指标均优于可接受水平),且效应为正(β = 0.451,p < 0.001)。我们还计算了不包含两个中介变量的模型,这意味着心理病理学方面、人格方面和社会方面作为直接预测变量,而GIA为因变量(所有变量均处于潜在水平,且与整个结构方程模型中使用的变量相同,见图2)。不包含中介变量的模型也具有良好的拟合指标(只有一个例外:RMSEA为0.089,略高),并且对GIA的直接效应(两个s-IAT因子)分别为:心理病理学方面对GIA的效应β = 0.167,p = 0.122;人格方面对GIA的效应β = –0.223,p = 0.017;以及社会方面对GIA的效应β = –0.124,p = 0.081。值得注意的是,当控制人格和社会方面的影响后,心理病理学方面对GIA的效应在该模型中仍然为正(但不显著)。综合来看,SEM 的总体结果表明,心理病理因素对 GIA 的影响完全由两个中介因素(应对和期望)介导,另外两项分析进一步强调了这一点,这两项分析表明,在双变量水平和简单模型中,随着更多变量作为预测因子的加入,积极影响会减弱。
我们已在理论上将应对方式概念化为中介变量(Brand et al., 2014)。然而,也有人认为应对方式并非中介心理病理因素的影响,而是起到调节作用。为了验证将应对方式概念化为中介变量而非调节变量是否恰当,我们还使用调节回归分析进行了一些调节效应分析。例如,当以心理病理因素为预测变量,应对方式为调节变量,s-IAT(总分)为因变量时,心理病理因素(β = 0.267)和应对方式(β = 0.262)均能显著解释s-IAT的方差(p < 0.001),但它们的交互作用并未显著增加方差解释力(R²变化= 0.003,p = 0.067,β = -0.059) ,且调节效应的增量几乎为零(0.3%)。
我们还将年龄和性别视为可能对模型结构产生影响的潜在变量。 为了测试这一点,我们首先计算了年龄与所有其他变量之间的双变量相关性,导致相关性非常低。 只有一个相关性 r = 0.21(年龄和避免预期),这仍然是一个低效果(科恩,1988),以及所有其他相关性之间的影响 r = 0.016和 r =大多数是0.18 r <0.15并且 r <0.10。 年龄与s-IAT之间的相关性也很低 r = -0.14(虽然很重要 p <0.01,在如此大的样本中是显而易见的)。 总之,未将年龄纳入调解模型的要求(男爵和肯尼,1986)我们决定不将年龄纳入另一个模型。 在性别方面,我们比较了所有所用量表的群体平均得分,发现只有一个有意义的群体差异(BSI社交焦虑,女性得分较高,效果较差) d = 0.28,所有其他效果均低于0.28,对s-IAT得分的影响为 d = 0.19)。 然而,我们使用SEM分析中的平均结构分析测试了女性和男性的模型结构是否不同。 这意味着我们测试了SEM(见图 2)对于男性和女性参与者来说是平等的。 该测试的H0是:理论模型=“男性”组的模型=“女性”组的模型。拟合指数都是可接受的,表明男女关系的结构没有显着差异。 RMSEA是0.074 p <0.001,CFI为0.93,TLI为0.91,SRMR为0.054。 χ2 测试显着,χ2 = 534.43, p <0.001,鉴于大样本量,这是正常的。 但是,χ2 对于基线模型的测试也是显着的,具有广泛更高的χ2 值,χ2 = 5833.68, p <0.001。 对χ的贡献2 男性和女性测试模型的可比性(χ2 女性的贡献= 279.88,χ2 男性贡献= 254.55)。 虽然模型的整体结构对于男性和女性没有显着差异,但我们检查了简单的路径并发现了三个不同之处。 从人格方面到应对的路径在男性中很重要(β= -0.437, p = 0.002),但不是女性(β= -0.254, p = 0.161)和人格方面对预期的影响在男性中是显着的(β= -0.401, p = 0.001),但不是女性(β= -0.185, p = 0.181)。 此外,精神病理学方面对女性的预期效果显着(β= 0.281, p = 0.05),但不是男性(β= 0.082, p = 0.599)。 所有其他效果和潜在维度的表示在男性和女性之间没有差异,也与图中所示的整体模型没有差别 2。 总之,所测试的整个模型对男性和女性都有效,尽管人格方面对应对和预期的负面影响在男性中比女性更为明显,而女性则存在精神病理学方面对预期的影响,但男性则不然。 。
讨论
我们引入了一个关于互联网成瘾行为发展和维持的新理论模型(Brand et al., 2014),该模型基于Davis(2001)的主要论点,他首先提出了互联网普遍过度使用(GIA)和特定互联网应用成瘾(SIA)之间的区别。在本研究中,我们将GIA理论模型转化为潜在层面的操作化模型,并使用一项针对1019名互联网用户的在线调查对结构方程模型(SEM)进行了统计检验。我们发现,该模型与数据和假设的SEM总体拟合良好,能够体现理论模型的主要方面,并解释了s-IAT(Pawlikowski et al., 2013)测量的GIA症状63.5%的方差。
该模型首次将与网络成瘾相关的因素(例如抑郁、社交焦虑、低自尊、低自我效能感和较高的压力脆弱性)联系起来。基于对与网络成瘾发展和一般成瘾行为相关的认知因素的重视(Lewis & O'Neill,2000;Dunne 等,2013;Newton 等,2014),该模型探讨了两个中介变量(应对方式和网络使用预期)是否会影响预测变量(精神病理学、人格和社会认知)对网络成瘾发展的直接影响。结果表明,应对方式和网络使用预期均发挥着重要作用。
模型中包含的所有变量(预测变量和中介变量)在双变量水平上均与s-IAT得分显著相关。这与引言中提到的先前关于网络成瘾症状与人格特质、精神病理症状和其他人格变量之间双变量关系的研究结果基本一致。然而,在结构方程模型(SEM)分析中,当将假设的中介变量纳入模型后,三个主要预测变量(对潜在维度)的所有直接效应均不再显著。这意味着精神病理特质(抑郁、社交焦虑)、人格特质(自尊、自我效能感和压力易感性)以及社会认知(情感孤独感、感知社会支持)并不直接影响网络成瘾症状,而是通过功能失调的应对方式、网络使用预期或两者共同作用而产生影响。然而,精神病理特质和人格特质均能显著预测功能失调的应对方式和网络使用预期。然而,当控制了心理病理学和人格因素的影响后,社会认知与应对方式和预期之间并无显著相关性(但需要注意的是,三个预测潜在维度之间存在显著相关性,且社会认知对互联网使用预期的影响略微未达到显著水平)。应对方式和预期对互联网使用预期症状的直接影响均显著。总之,本研究虽然针对的是非临床人群,但不仅证实了先前关于应对方式和处理压力性生活事件(Kardefelt-Winther,2014;Tang 等,2014;Tonioni 等,2014)以及互联网使用预期(Turel 和 Serenko,2012;Xu 等,2012;Lee 等,2014)与 GIA 症状的发生或维持相关的研究结果,而且还明确强调了应对方式和预期在 GIA 潜在过程中的中介作用。
该模型使用大量在线人群进行测试。 模型必须使用明确定义的临床样本进行测试,例如寻求治疗的个体。 该模型的含义将更加强大,临床人群可以得出更准确的临床意义。 尽管11.3%的样本报告了互联网使用存在问题且3.7%将自己描述为具有令人上瘾的互联网使用,但本研究仅被视为初步观察模型是否有效并得出可能具有临床相关性的统计推断。 然而,作为一个具有统计意义的新模型,使用对在线用户的各种心理和性格测试,可以谨慎地做出一些可能激发未来研究的临床意义。
首先,具有功能失调的应对以解决其生活中的问题以及期望互联网可用于增加积极或减少消极情绪的个体可能更有可能发展GIA。 此外,精神病理学方面对功能失调的应对和互联网使用预期的影响是积极的,表明抑郁症和社交焦虑症的高症状可能增加功能失调的应对策略的风险,也可能增加互联网为应对压力或负面提供帮助的预期。心情。 只有当这些过程协同行动,意味着精神病理症状和应对/预期的结合时,使用互联网上瘾的可能性似乎才会增加。
其次,尽管针对网络成瘾(GIA)治疗的研究数量有限,但Winkler等人(2013)发表的荟萃分析认为认知行为疗法是首选方法。这一结论主要基于对治疗对上网时间、抑郁和焦虑症状影响的分析。事实上,针对网络成瘾的认知行为疗法(CBT-IA;Young, 2011a )已被确定为治疗网络成瘾最普遍的方法(Cash等人,2012 )。在Young(2011a)提出的针对网络成瘾的认知行为疗法中,个体特征、应对方式和网络使用预期已被假设与网络成瘾的治疗相关,但相关的实证研究非常匮乏(例如,Young,2013)。
本研究中提供的研究结果提供了另一个证据来源,表明认知行为疗法和CBT-IA可用于治疗IA。 该人的特定认知(应对方式和互联网使用预期)调节精神病理症状(抑郁,社交焦虑),人格特质和社会认知(孤独,社会支持)对GIA症状的影响。 使用认知疗法,评估的重点应该包括识别需要解决的功能失调的认知。 也就是说,经过检查,临床医生应检查互联网使用预期,以了解客户的需求以及客户认为互联网可能有助于满足的方式。
此外,研究结果还表明,治疗应着重解决与网络成瘾相关的适应不良认知。这些发现证实了早期研究的结论,即过度概括、回避、压抑、放大、适应不良的问题解决方式或消极的自我概念等适应不良认知与网络成瘾相关(Young,2007)。这些发现的临床意义在于,治疗应运用认知重构和框架重构来对抗导致网络成瘾的想法。例如,患有网络成瘾(GIA)的患者可能表现出社交焦虑和害羞,因此朋友不多,在学校也容易与他人相处困难。她可能认为,通过社交网站与他人交流可以满足她的社交需求,而无需面对“真实”社交互动中令人恐惧的情境因素。此外,她可能期望玩网络游戏可以分散她对学校问题的注意力,而网上购物或搜索信息可以减轻她的孤独感。治疗将引导她寻找学校或私人生活中其他可以建立自尊和满足社交需求的途径。如果她不再认为社交网站、游戏和购物网站是她生活中唯一感到快乐的地方,而是找到其他更健康的途径,那么她对各种网络应用的依赖就会减少。鉴于认知在网络成瘾症(GIA)发展过程中所起的作用,认知疗法可以帮助患者重构那些让他们沉迷于网络的假设和解读。再次强调,这项研究结果的潜在临床意义必须谨慎对待,因为它们需要在寻求治疗的临床样本中进行验证。
然而,从更广阔的视角来看,这些发现为治疗师如何将认知行为疗法-互联网成瘾(CBT-IA)具体应用于网络成瘾患者提供了新的见解。行为矫正可以帮助患者发展和适应新的、更有效的应对策略,以应对日常琐事。治疗需要着重帮助患者找到比上网更健康的应对方式。CBT-IA 的一个重要组成部分是行为疗法,旨在帮助患者应对导致网络成瘾的潜在问题,无论是特定的还是普遍性的(Young,2011a,2013)。研究结果表明,提高应对技巧可以减少患者上网的需求。尽管这项研究的样本来自普通人群,但我们认为,应对方式和预期在一般互联网成瘾(GIA)的发生和维持中起中介作用这一发现,有助于更好地理解 GIA 的机制,并且如上所述,它们可能具有一定的治疗意义。本研究未关注的另一个方面是前额叶皮层完整性的作用。 CBT-IA的疗效也可能取决于患者的前额叶功能,因为在治疗过程中增强对互联网使用的认知控制很可能与执行功能和其他高级认知过程相关。这一点在未来的研究中需要重点关注,因为最近发表的几篇文章表明,互联网成瘾患者的前额叶皮层功能可能有所下降(参见Brand等人,2014年的综述)。
在我们的样本中,年龄与GIA症状呈负相关,但效应量非常低(仅解释了1.96%的方差)。考虑到近期关于老年人互联网使用情况的文章(例如,Eastman和Iyer,2004;Vuori和Holmlund-Rytkönen,2005;Campbell,2008;Nimrod,2011),我们完全可以预期年龄会对互联网使用的多个方面产生影响,例如使用动机以及老年人在互联网上体验乐趣和满足感的方式。鉴于老年人由于前额叶皮层随年龄增长而发生变化,更容易出现执行功能障碍(Alvarez和Emory,2006),而执行功能障碍又与决策能力下降有关(Brand和Markowitsch,2010),我们可以推测,那些执行功能下降且在互联网上获得大量乐趣的老年人可能会发展为GIA。然而,由于我们的样本不包括老年人,因此无法反映这种情况。未来的研究可以探讨与老年人GIA风险相关的具体易感因素。
性别并未影响模型的整体结构。以往的研究发现,性别对特定类型的网络成瘾(IA)存在影响,例如网络游戏(例如,Ko等人,2005)和网络性行为(Meerkerk等人,2006;Griffiths,2012;Laier等人,2013,2014),但也有研究认为,男女都普遍存在网络成瘾的风险(Young等人,1999,2011) 。在本研究中,性别对网络成瘾(GIA,通过s-IAT测量)的影响非常小(d = 0.19,见结果),这表明至少在一般人群中,男女患网络成瘾的风险相同。尽管性别并未影响结构方程模型(SEM)的总体数据结构,但在预测变量对中介变量的三个直接效应方面,男性和女性之间存在一些差异。如结果部分所述,心理病理因素对女性的期望有影响,而对男性则无影响;人格因素对应对方式和期望的负面影响在男性中比女性更为显著。这些结果与关于抑郁和社交焦虑(Sprock 和 Yoder,1997;Moscovitch 等,2005)以及自尊和自我效能(Huang,2012)方面的性别差异文献相符。然而,本研究的重点,即应对方式和期望的中介效应及其对总体改善评估(GIA)的重要性,并未受到性别的影响(参见均值结构分析结果)。因此,无论性别如何影响社交焦虑、抑郁或某些人格因素,在认知行为疗法(CBT)的个体化干预(IA)中,应对方式和期望都应被纳入考虑。
最后,本研究存在一些局限性。这是一个新开发的模型,需要在临床人群中进行进一步测试,以充分评估其在治疗中的临床疗效。此外,还应使用文献中经过更多验证的IAT长版本(Young,1998;Widyanto和McMurran,2004)进行测试。鉴于我们用于整个模型的评估工具的长度,我们使用了短版本。但如果使用临床样本重复这项研究,建议将IAT与其他互联网成瘾评估工具结合使用,例如由Wölfling等人(2010,2012)开发并经临床群体验证的互联网和电脑游戏成瘾评估量表(AICA-S)或临床访谈量表(AICA-C)。此外,我们还为本研究开发并测试了互联网使用预期问卷。尽管我们在量表开发过程中采取了方法论上的保守和谨慎态度,但该量表仍需在更多人群中进行效度评估,且问卷也需要在未来的研究中进行进一步的实证检验。此外,由于实际原因(在线调查的时间限制),本研究中评估的大多数方面都使用了题项数量有限的简短问卷,因此,应在临床样本中应用更多更详细的量表和访谈。另一个潜在问题是共同方法偏差(Podsakoff等人,2003)。遗憾的是,由于实际原因(调查耗时近25分钟,这对于在线调查而言是一个临界值),本研究并未纳入理论上应与其他所有变量无关的明确标记变量。尽管我们不能排除共同方法偏差对结果的影响,但我们认为这种影响不太可能解释所报告的全部数据结构。检查双变量相关性(表3)可知,其中一些相关性非常低(例如,r = -0.08,r = -0.09,r = 0.12等)。我们认为,这些低相关性初步表明,共同方法偏差对主要分析的影响并不显著。尽管如此,未来的研究仍应采用系统的多性状多方法方法(Campbell和Fiske,1959)对该模型进行检验。
本研究聚焦于网络成瘾(GIA),这意味着Brand等人(2014)描述的网络成瘾(SIA)模型仍需实证检验。应测试不同形式的网络成瘾(例如,游戏、网络色情或网络赌博),以探究应对技巧和网络使用预期在问题发展过程中是否发挥类似作用。此外,网络成瘾的概念是否足以涵盖患者的问题行为,目前仍存在争议。我们发现,自我报告的与多种不同网络应用程序的非特定使用相关的问题与模型中提出的变量之间存在关联。网络成瘾的概念通过s-IAT的指导语和项目表述得以操作化,同时也体现在超过97%的参与者报告经常使用三种或三种以上不同的网络应用程序,例如通讯、游戏、赌博、网络性爱、购物或信息搜索。从临床角度来看,网络成瘾是否构成寻求治疗的理由,或者寻求治疗的患者是否仅仅因为无法控制自己使用某个特定应用程序而感到痛苦,仍然是一个值得探讨的问题。我们建议在临床研究中考虑这一点,系统地调查互联网使用背景下的成瘾行为,并分析临床样本中不受控制地使用多个互联网应用程序的频率。此外,本研究无法涵盖网络成瘾理论模型中提出的所有组成部分。例如,未来的研究可以纳入其他人格特质或其他精神病理障碍。
结语
GIA模型的主要假设得到了经验数据的支持。 人的核心特征与GIA的症状有关,但这些影响是由人的特定认知调节的,特别是应对方式和互联网使用预期。 这些认知应该在治疗上瘾的互联网使用中得到解决。
作者贡献
马蒂亚斯·布兰德撰写了该论文的第一稿,监督了数据收集,并对数据进行了分析和解释。 Christian Laier特别为实证研究和数据收集的概念化做出了贡献,并对手稿进行了修订。 Kimberly S. Young编辑了草案,对其进行了批判性修改,并在手稿上做出了智慧和实际的贡献。 所有作者最终都批准了这份手稿。 所有作者都对工作的所有方面负责。
利益冲突声明
作者声明,研究是在没有任何可被解释为潜在利益冲突的商业或金融关系的情况下进行的。
致谢
我们感谢Elisa Wegmann和Jan Snagowski对本研究和手稿的宝贵贡献。 他们帮助我们对在线调查和检查数据进行编程。
案例
Alvarez, JA 和 Emory, E. (2006)。执行功能与额叶:一项元分析综述。《神经心理学评论》 16,17–42。doi: 10.1007/s11065-006-9002-x
APA。(2013)。精神障碍诊断与统计手册,第5版,华盛顿特区:APA。
Baron, RM 和 Kenny, DA (1986)。社会心理学研究中的调节变量与中介变量之区分:概念、策略和统计方面的考量。《人格与社会心理学杂志》 51,1173–1182。doi: 10.1037/0022-3514.51.6.1173
Berridge, KC、Robinson, TE 和 Aldridge, JW (2009)。剖析奖赏的组成部分:“喜欢”、“想要”和学习。Curr . Opin. Pharmacol. 9, 65–73。doi: 10.1016/j.coph.2008.12.014
Billieux, J. 和 Van der Linden, M. (2012). 互联网成瘾与自我调节:初步研究综述。《开放成瘾杂志》 5, 24–29。doi: 10.2174/1874941991205010024
Block, JJ (2008). DSM-V 的问题:网络成瘾。美国精神病学杂志165, 306–307。doi: 10.1176/appi.ajp.2007.07101556
Boulet, J. 和 Boss, MW (1991)。简明症状量表的信度和效度。《心理评估》 3, 433–437。doi: 10.1037/1040-3590.3.3.433
Brand, M., Laier, C., Pawlikowski, M., Schächtle, U., Schöler, T., 和 Altstötter-Gleich, C. (2011). 在互联网上观看色情图片:性唤起评分和心理精神症状在过度使用互联网色情网站中的作用。网络心理学、行为与社会网络, 14,371–377。doi: 10.1089/cyber.2010.0222
Brand, M. 和 Markowitsch, HJ (2010)。衰老与决策:神经认知视角。《老年学》 56,319–324。doi: 10.1159/000248829
Brand, M.、Young, KS 和 Laier, C. (2014)。前额叶控制与网络成瘾:理论模型及神经心理学和神经影像学研究综述。《人类神经科学前沿》 8:375。doi: 10.3389/fnhum.2014.00375
Brenner, V. (1997). 计算机使用心理学:XLVII. 互联网使用、滥用和成瘾的参数:互联网使用调查的前90天。心理学报告, 80,879–882。doi: 10.2466/pr0.1997.80.3.879
Byun, S., Ruffini, C., Mills, JE, Douglas, AC, Niang, M., Stepchenkova, S., et al. (2009). 网络成瘾:1996–2006 年定量研究的元综合分析。网络心理学与行为学, 12,203–207。doi: 10.1089/cpb.2008.0102
Campbell, DT 和 Fiske, DW (1959)。多特质-多方法矩阵的聚合效度和区分效度验证。《心理学公报》 56,81-105。doi: 10.1037/h0046016
Campbell, RJ (2008). 满足老年人的信息需求:计算机技术的应用。家庭健康护理管理实践, 20,328–335。doi: 10.1177/1084822307310765
Caplan, SE (2002). 问题性网络使用与心理社会健康:基于理论的认知行为测量工具的开发。计算机与人类行为, 18,553–575。doi: 10.1016/S0747-5632(02)00004-3
Caplan, SE (2005). 问题性网络使用中的社交技能解释。《传播学杂志》 55, 721–736。doi: 10.1111/j.1460-2466.2005.tb03019.x
Caplan, SE (2007). 孤独感、社交焦虑和网络成瘾之间的关系。网络心理学与行为学, 10,234–242。doi: 10.1089/cpb.2006.9963
Carver, CS (1997). 你想测量应对方式,但你的方案太长:考虑使用简版应对方式量表 (COPE)。国际行为医学杂志4, 92–100。doi: 10.1207/s15327558ijbm0401_6
Cash, H., Rae, CD, Steel, AH, 和 Winkler, A. (2012). 网络成瘾:研究与实践简述。Curr . Psychiatry Rev. 8, 292–298. doi: 10.2174/157340012803520513
Chak, K. 和 Leung, L. (2004). 害羞和控制点作为网络成瘾和网络使用的预测因素。网络心理学与行为学, 7,559–570。doi: 10.1089/cpb.2004.7.559
Chou, C., Condron, L., 和 Belland, JC (2005). 网络成瘾研究综述。教育心理学评论,17,363–387。doi: 10.1007/s10648-005-8138-1
Cohen, J. (1988).行为科学统计功效分析(第2版),新泽西州希尔斯代尔:Erlbaum出版社。
Collani, G. 和 Herzberg, PY (2003)。罗森伯格的德国历史回顾。时间。差异。诊断。心理。 24、3-7。号码:10.1024//0170-1789.24.1.3
Davis, RA (2001). 病理性互联网使用的认知行为模型。计算机与人类行为, 17,187–195。doi: 10.1016/S0747-5632(00)00041-8
De Jong Gierveld, J. 和 Van Tilburg, TG (2006)。用于评估总体、情感和社交孤独感的6项量表:基于调查数据的验证性检验。《老年研究》 28,582–598。doi: 10.1177/0164027506289723
Derogatis, LR (1993).简明症状量表 (BSI)。管理、评分和程序手册,第 3 版。明尼阿波利斯,MN:国家计算机服务公司。
Dong, G., Lu, Q., Zhou, H., and Zhao, X. (2010). 网络成瘾障碍患者的冲动抑制:一项Go/NoGo研究的电生理学证据。Neurosci . Lett. 485, 138–142. doi: 10.1016/j.neulet.2010.09.002
Dong, G., Lu, Q., Zhou, H., and Zhao, X. (2011). 前兆还是后遗症:网络成瘾障碍患者的病理障碍。PLoS ONE 6:e14703。doi: 10.1371/journal.pone.0014703
Dong, G., Shen, Y., Huang, J., and Du, X. (2013). 互联网成瘾障碍患者的错误监控功能受损:一项事件相关功能磁共振成像研究。欧洲成瘾研究杂志, 19,269–275。doi: 10.1159/000346783
Dunne, EM, Freedlander, J., Coleman, K., 和 Katz, EC (2013). 冲动性、预期和对预期结果的评估作为酒精使用及相关问题的预测因素。美国药物和酒精滥用杂志39, 204–210。doi: 10.3109/00952990.2013.765005
Eastman, JK 和 Iyer, R. (2004). 老年人对互联网的使用和态度。《消费者营销杂志》 21, 208–220。doi: 10.1108/07363760410534759
Ebeling-Witte, S., Frank, ML, 和 Lester, D. (2007). 害羞、互联网使用和人格。网络心理学与行为学, 10,713–716。doi: 10.1089/cpb.2007.9964
Everitt, BJ 和 Robbins, TW (2006)。药物成瘾的神经强化系统:从行为到习惯再到强迫行为。《自然神经科学》 8, 1481–1489。doi: 10.1038/nn1579
弗兰克,GH (2000)。LR Derogatis 的简短症状反转 (Kurzform der SCL-90-R) – 德语版本。哥廷根:Beltz Test GmbH。
Grant, JE、Schreiber, LR 和 Odlaug, BL (2013)。行为成瘾的现象学和治疗。加拿大精神病学杂志58, 252–259。
Griffiths, MD (2000a). 互联网和电脑“成瘾”是否存在?一些案例研究证据。网络心理学与行为学, 3,211–218。doi: 10.1089/109493100316067
Griffiths, MD (2000b). 网络成瘾——是时候认真对待了吗?成瘾研究8, 413–418。doi: 10.3109/16066350009005587
Griffiths, MD (2005). 生物心理社会框架下的成瘾“成分”模型。物质使用杂志10, 191–197。doi: 10.1080/14659890500114359
Griffiths, MD (2012). 网络性成瘾:实证研究综述。成瘾研究与理论20, 111–124。doi: 10.3109/16066359.2011.588351
Griffiths, MD 和 Wood, RTA (2000)。青少年时期的风险因素:以赌博、电子游戏和互联网为例。《赌博研究杂志》 16,199–225。doi: 10.1023/A:1009433014881
Hardie, E. 和 Tee, MY (2007)。过度使用互联网:人格、孤独感和社会支持网络在互联网成瘾中的作用。澳大利亚新兴技术与社会杂志5, 34–47。
Hong, S.-B., Kim, J.-W., Choi, E.-J., Kim, H.-H., Suh, J.-E., Kim, C.-D.等 (2013a). 网络成瘾男性青少年眶额皮质厚度降低。行为脑功能, 9,11。doi: 10.1186/1744-9081-9-11
Hong, S.-B., Zalesky, A., Cocchi, L., Fornito, A., Choi, E.-J., Kim, H.-H., et al. (2013b). 青少年网络成瘾者脑功能连接性降低。PLoS ONE 8:e57831。doi: 10.1371/journal.pone.0057831
Horn, JL (1965). 因子分析中因子数量的理论基础和检验. Psychometrika 30, 179–185. doi: 10.1007/BF02289447
侯海燕、贾珊、胡珊、范荣、孙伟、孙涛等 (2012)。网络成瘾患者纹状体多巴胺转运体减少。《生物医学与生物技术杂志》 2012, 854524。doi: 10.1155/2012/854524
Hu, L. 和 Bentler, PM (1995)。“评估模型拟合度”,载于RH Hoyle 编辑的《结构方程模型概念、问题和应用》 (伦敦:Sage Publications, Inc.),第 76-99 页。
Hu, L. 和 Bentler, PM (1999)。协方差结构分析中拟合指标的截断标准:传统标准与新替代方案。结构方程模型6, 1–55。doi: 10.1080/10705519909540118
Huang, C. (2012). 学业自我效能感的性别差异:一项元分析。欧洲心理教育杂志, 28,1-35。doi: 10.1007/s10212-011-0097-y
Johansson, A. 和 Götestam, KG (2004)。网络成瘾:问卷调查的特征及挪威青少年(12-18岁)的患病率。《斯堪的纳维亚心理学杂志》 45,223-229。doi: 10.1111/j.1467-9450.2004.00398.x
Kalivas, PW 和 Volkow, ND (2005)。成瘾的神经基础:动机和选择的病理学。《美国精神病学杂志》 162,1403–1413。doi:10.1176/appi.ajp.162.8.1403
Kardefelt-Winther, D. (2014). 对互联网成瘾研究的概念和方法论批判:构建补偿性互联网使用模型。Comput . Hum. Behav. 31, 351–354. doi: 10.1016/j.chb.2013.10.059
Kim, HK 和 Davis, KE (2009)。构建问题性互联网使用的综合理论:评估自尊、焦虑、心流和互联网活动自我评价重要性的作用。《计算机与人类行为》 25,490–500。doi: 10.1016/j.chb.2008.11.001
Kim, SH, Baik, S.-H., Park, CS, Kim, SJ, Choi, SW, 和Kim , SE (2011). 网络成瘾者纹状体多巴胺D2受体减少。Neuroreport 22, 407–411。doi: 10.1097/WNR.0b013e328346e16e
Knoll, N., Rieckmann, N., 和 Schwarzer, R. (2005). 应对方式作为人格与压力结果之间的中介作用:一项针对白内障手术患者的纵向研究。欧洲人格杂志, 19,229–247。doi: 10.1002/per.546
Ko, CH, Yen, J.-Y., Chen, C.-C., Chen, S.-H., and Yen, C.-F. (2005). 台湾青少年网络游戏成瘾的性别差异及相关因素。神经精神疾病杂志, 193,273–277。doi: 10.1097/01.nmd.0000158373.85150.57
Kuss, DJ 和 Griffiths, MD (2011a)。网络游戏成瘾:实证研究的系统性综述。《国际精神健康与成瘾杂志》 10, 278–296。doi: 10.1007/s11469-011-9318-5
Kuss, DJ 和 Griffiths, MD (2011b)。在线社交网络与成瘾:心理学文献综述。《国际环境研究与公共卫生杂志》 8,3528–3552。doi: 10.3390/ijerph8093528
Kuss, DJ 和 Griffiths, MD (2012)。网络和游戏成瘾:神经影像学研究的系统文献综述。《脑科学》 2,347–374。doi: 10.3390/brainsci2030347
Kuss, DJ, Griffiths, MD, Karila, M., 和 Billieux, J. (2014). 网络成瘾:过去十年流行病学研究的系统综述。Curr . Pharm. Des. 20, 4026–4052. doi: 10.2174/13816128113199990617
Laier, C., Pawlikowski, M., Pekal, J., Schulte, FP, 和 Brand, M. (2013). 网络性瘾:观看色情片而非现实生活中的性接触所带来的性唤起才是关键所在。行为成瘾杂志2, 100–107。doi: 10.1556/JBA.2.2013.002
Laier, C.、Pekal, J. 和 Brand, M. (2014)。异性恋女性网络色情用户的网络性瘾可以用满足假设来解释。《网络心理学、行为与社会网络》 17,505–511。doi: 10.1089/cyber.2013.0396
Lee, YH, Ko, CH, 和 Chou, C. (2014). 重新审视台湾学生的网络成瘾:学生期望、网络游戏和网络社交互动的横断面比较。异常儿童心理学杂志。doi : 10.1007/s10802-014-9915-4 [印刷前在线发表]。
梁丽 (2004). 网络世代特征和互联网的诱惑特性作为网络活动和网络成瘾的预测指标。网络心理学与行为学, 7,333–348。doi: 10.1089/1094931041291303
Lewis, BA 和 O'Neill, HK (2000)。大学生饮酒问题的预期和社会缺陷。《成瘾行为》 25,295–299。doi: 10.1016/S0306-4603(99)00063-5
Lopez-Fernandez, O., Honrubia-Serrano, ML, Gibson, W., 和 Griffiths, MD (2014)。英国青少年网络成瘾问题:成瘾症状的探索。《计算机与人类行为》 35, 224–233。doi: 10.1016/j.chb.2014.02.042
Lortie, CL 和 Guitton, MJ (2013)。互联网成瘾评估工具:维度结构和方法论现状。《成瘾》 108,1207–1216。doi:10.1111/add.12202
Lu, H.-Y. (2008). 寻求刺激、网络依赖和网络人际欺骗。网络心理学与行为, 11,227–231。doi: 10.1089/cpb.2007.0053
Meerkerk, GJ, Van Den Eijnden, RJJM, Franken, IHA 和 Garretsen, HFL (2010). 强迫性网络使用与奖惩敏感性和冲动性有关吗?Comput. Hum. Behav. 26, 729–735. doi: 10.1016/j.chb.2010.01.009
Meerkerk, GJ、Van Den Eijnden, RJJM 和 Garretsen, HFL (2006)。预测强迫性互联网使用:一切都与性有关!网络心理学。行为。 9、95–103。 doi:10.1089/cpb.2006.9.95
Meerkerk, GJ、Van Den Eijnden, RJJM、Vermulst, AA 和 Garretsen, HFL (2009)。强迫性互联网使用量表(CIUS):一些心理测量特性。网络心理学。行为。 12、1-6。 DOI:10.1089/cpb.2008.0181
Morahan-Martin, J. 和 Schumacher, P. (2000)。大学生病理性互联网使用的发生率及其相关因素。《计算机与人类行为》 16,13–29。doi: 10.1016/S0747-5632(99)00049-7
Morahan-Martin, J. 和 Schumacher, P. (2003). 孤独感与互联网的社交用途。计算机与人类行为, 19,659–671。doi: 10.1016/S0747-5632(03)00040-2
Moscovitch, DA, Hofmann, SG, 和 Litz, BT (2005)。自我建构对社交焦虑的影响:性别特异性交互作用。《人格与个体差异》 38,659–672。doi: 10.1016/j.paid.2004.05.021
Muthén, L. 和 Muthén, B. (2011). Mplus。洛杉矶:Muthén & Muthén。
Newton, NC, Barrett, EL, Swaffield, L., 和 Teesson, M. (2014). 与青少年酒精滥用相关的风险认知:道德脱离、酒精预期和感知到的自我调节效能。成瘾行为, 39,165–172。doi: 10.1016/j.addbeh.2013.09.030
Niemz, K., Griffiths, MD, 和 Banyard, P. (2005). 大学生病理性网络使用流行率及其与自尊、一般健康问卷 (GHQ) 和去抑制的相关性。网络心理学与行为学, 8,562–570。doi: 10.1089/cpb.2005.8.562
Nimrod, G. (2011). 老年人在线社区的娱乐文化。老年学杂志51, 226–237。doi: 10.1093/geront/gnq084
Pawlikowski, M.、Altstötter-Gleich, C. 和 Brand, M. (2013)。杨氏网络成瘾测试简版的验证和心理测量特性。《计算机与人类行为》 29,1212–1223。doi: 10.1016/j.chb.2012.10.014
Pawlikowski, M., Nader, IW, Burger, C., Biermann, I., Stieger, S., 和 Brand, M. (2014). 病态网络使用——它是一个多维而非单维结构。成瘾研究与理论22, 166–175。doi: 10.3109/16066359.2013.793313
Podsakoff, PM, Mackenzie, SM, Lee, J., 和 Podsakoff, NP (2003). 行为研究中的共同方法偏差:文献综述及建议的补救措施。应用心理学杂志, 88,879–903。doi: 10.1037/0021-9010.88.5.879
Pontes, HM、Griffiths, MD 和 Patrão, IM (2014)。教育环境中儿童和青少年的网络成瘾和孤独感:一项实证试点研究。阿洛马:心理学杂志,教育和体育科学32, 91–98。
Purty, P.、Hembram, M. 和 Chaudhury, S. (2011)。互联网成瘾:当前的影响。Rinpas J. 3, 284–298。
Robinson, TE 和 Berridge, KC (2000)。成瘾的心理学和神经生物学:一种激励敏感化观点。《成瘾》 95,91–117。doi: 10.1046/j.1360-0443.95.8s2.19.x
Robinson, TE 和 Berridge, KC (2001)。激励敏感化与成瘾。《成瘾》 96,103–114。doi: 10.1046/j.1360-0443.2001.9611038.x
Robinson, TE 和 Berridge, KC (2008)。成瘾的激励敏感化理论:一些当前问题。《伦敦皇家学会哲学汇刊B辑:生物科学》,363,3137–3146。doi: 10.1098/rstb.2008.0093
Rosenberg, M. (1965).社会与青少年自我形象。普林斯顿,新泽西州:普林斯顿大学出版社。
Schulz, P.、Schlotz, W. 和 Becker, P. (2004)。Trierer Inventar zum Chronischen Stress (TICS)。哥廷根:Hogrefe。
Schwarzer, R. 和 Jerusalem, M. (1995)。“一般自我效能量表”,载于《健康心理学测量:用户组合。因果信念和控制信念》,J. Weinman、S. Wright 和 M. Johnston 编辑(英国温莎:NFER-NELSON),第 35-37 页。
Sprock, J. 和 Yoder, CY (1997)。女性与抑郁症:美国心理学会工作组报告的最新进展。《性别角色》 36,269–303。doi: 10.1007/BF02766649
Starcevic, V. (2013). 网络成瘾是一个有用的概念吗?澳新精神病学杂志47, 16–19。doi: 10.1177/0004867412461693
Tang, J., Yu, Y., Du, Y., Ma, Y., Zhang, D., and Wang, J. (2014). Prevalence of internet addiction and its association with stressful life events and psychological symptoms among adolescent internet users. Addict. Behav. 39, 744–747. doi: 10.1016/j.addbeh.2013.12.010
Thatcher, A., Wretschko, G., 和 Fridjhon, P. (2008). 在线心流体验、网络使用问题和网络拖延症。计算机与人类行为, 24,2236–2254。doi: 10.1016/j.chb.2007.10.008
Tonioni, F., Mazza, M., Autullo, G., Cappelluti, R., Catalano, V., Marano, G.,等 (2014). 网络成瘾是一种不同于病理性赌博的精神病理状态吗?成瘾行为, 39,1052–1056。doi: 10.1016/j.addbeh.2014.02.016
Turel, O. 和 Serenko, A. (2012). 社交网站的益处与风险.欧洲信息系统杂志21, 512–528. doi: 10.1057/ejis.2012.1
Turel, O.、Serenko, A. 和 Giles, P. (2011)。整合技术成瘾和使用:对在线拍卖用户的实证研究。MIS Quart. 35, 1043–1061。
Velicer, WF (1976). 从偏相关矩阵确定成分数量。心理测量学41, 321–327。doi: 10.1007/BF02293557
Vuori, S. 和 Holmlund-Rytkönen, M. (2005)。超过 55 人是互联网用户。营销情报。计划。 23、58-76。号码:10.1108/02634500510577474
Weinstein, A. 和 Lejoyeux, M. (2010). 网络成瘾或过度使用互联网。美国药物和酒精滥用杂志36, 277–283。doi: 10.3109/00952990.2010.491880
Whang, LSM, Lee, S., 和 Chang, G. (2003). 网络过度用户的心理特征:网络成瘾的行为抽样分析。网络心理学与行为学, 6,143–150。doi: 10.1089/109493103321640338
Widyanto, L. 和 Griffiths, MD (2006)。“网络成瘾”:一项批判性综述。《国际精神健康与成瘾杂志》 4,31–51。doi: 10.1007/s11469-006-9009-9
Widyanto, L., Griffiths, MD, Brunsden, V., 和 Mcmurran, M. (2008). 互联网相关问题量表的心理测量特性:一项初步研究。《国际心理健康与成瘾杂志》 6, 205–213。doi: 10.1007/s11469-007-9120-6
Widyanto, L. 和 McMurran, M. (2004)。互联网成瘾测试的心理测量特性。《网络心理学与行为》 7,443–450。doi: 10.1089/cpb.2004.7.443
Winkler, A., Dörsing, B., Rief, W., Shen, Y., 和 Glombiewski, JA (2013). 网络成瘾的治疗:一项荟萃分析。临床心理学评论33, 317–329。doi: 10.1016/j.cpr.2012.12.005
Wölfling, K.、Beutel, ME 和 Müller, KW (2012)。构建用于评估网络成瘾的标准化临床访谈:关于 AICA-C 实用性的初步发现。《成瘾研究与治疗杂志》 S6:003。doi: 10.4172/2155-6105.S6-003
Wölfling, K.、Müller, K. 和 Beutel, M. (2010)。“诊断措施:互联网和电脑游戏成瘾评估量表 (AICA-S)”,载于《电脑游戏成瘾的预防、诊断和治疗》,D. Mücken、A. Teske、F. Rehbein 和 B. Te Wildt 编辑(Lengerich:Pabst Science Publishers),第 212-215 页。
徐志成、图雷尔、袁永峰 (2012)。青少年网络游戏成瘾:动机和预防因素。《欧洲信息系统杂志》 21,321–340。doi: 10.1057/ejis.2011.56
Yang, C., Choe, B., Baity, M., Lee, J., 和 Cho, J. (2005). 高中生过度使用互联网的 SCL-90-R 和 16PF 特征分析。加拿大精神病学杂志50, 407–414。
Yee, N. (2006). 网络游戏的动机.网络心理学与行为学9, 772–775. doi: 10.1089/cpb.2006.9.772
Young, KS (1996). 网络成瘾:一个打破刻板印象的案例。心理学报告,79,899–902。doi: 10.2466/pr0.1996.79.3.899
Young, KS (1998).《陷入网络:如何识别网络成瘾的迹象——以及有效的康复策略》。纽约:John Wiley & Sons, Inc.
Young, KS (2004). 网络成瘾:一种新的临床现象及其后果。《美国行为科学杂志》 48, 402–415。doi: 10.1177/0002764204270278
Young, KS (2007). 认知行为疗法对网络成瘾者的治疗效果及启示。网络心理学与行为学, 10,671–679。doi: 10.1089/cpb.2007.9971
Young, KS (2011a). CBT-IA:首个针对网络成瘾的治疗模式。认知治疗杂志, 25,304–312。doi: 10.1891/0889-8391.25.4.304
Young, KS (2011b)。“互联网成瘾患者的临床评估”,载于《互联网成瘾:评估和治疗手册及指南》,KS Young 和 C. Nabuco De Abreu 编辑。(新泽西州霍博肯:John Wiley & Sons 出版社),19-34 页。
Young, KS (2013). 使用认知行为疗法-互联网成瘾治疗互联网成瘾患者的治疗效果。行为成瘾杂志, 2,209–215。doi: 10.1556/JBA.2.2013.4.3
Young, KS, Pistner, M., O'Mara, J., 和 Buchanan, J. (1999). 网络障碍:新千年的心理健康问题。网络心理学与行为学, 2,475–479。doi: 10.1089/cpb.1999.2.475
Young, KS、Yue, XD 和 Ying, L. (2011)。“互联网成瘾的患病率估计和病因模型”,载于KS Young 和 CN Abreu 编辑的《互联网成瘾》(新泽西州霍博肯:John Wiley & Sons),第 3-18 页。
Zhou, Y., Lin, F.-C., Du, Y.-S., Qin, L.-D., Zhao, Z.-M., Xu, J.-R., and Lei, H. (2011). 网络成瘾患者的灰质异常:基于体素的形态测量研究。欧洲放射学杂志, 79,92–95。doi: 10.1016/j.ejrad.2009.10.025
关键词:网络成瘾,人格,精神病理学,应对,认知行为疗法
引用:Brand M、Laier C 和 Young KS (2014) 网络成瘾:应对方式、期望和治疗意义。《心理学前沿》5 :1256。doi : 10.3389/fpsyg.2014.01256
收到:25 August 2014; 接受:16十月2014;
在线发布:11 November 2014。
编辑:
Ofir Turel,加州州立大学富勒顿分校和南加州大学,美国
点评人:
Aviv M. Weinstein,哈达萨医疗组织,以色列
达里亚乔安娜库斯,英国诺丁汉特伦特大学
版权所有 © 2014 Brand、Laier 和 Young。本文为开放获取文章,遵循知识共享署名许可协议 (CC BY)条款发布。允许在其他平台使用、分发或复制本文,但必须注明原作者或授权方,并按照公认的学术惯例引用本文在本期刊的原始发表版本。任何不符合上述条款的使用、分发或复制行为均不被允许。
*通讯作者:Matthias Brand,杜伊斯堡-埃森大学普通心理学系:认知方向,Forsthausweg 2, 47057 Duisburg, Germany 电子邮箱:[email protected]





