王鹏1, 青南林2, 
高凤强1* 和 陈英民1*
- 1山东师范大学心理学院，济南，中国
- 2菏泽学院学前教育系，中国菏泽
本研究探讨了中国大学新生网络成瘾（IA）与网络相关适应不良认知（NMC）之间的相互关系。 在中国山东省进行了一次213大学新生样本的短期纵向调查。 结果表明，IA可以显着预测NMC的产生和发展，并且当这种适应不良的认知已经建立时，它们可以进一步对学生IA的程度产生不利影响。 在这两个变量之间观察到恶性循环，IA在其与NMC的关系中具有预测优先权。 这项研究还确定了这两个变量之间的关系对于男性和女性都是相同的; 因此，我们建立的最终模式可以广泛应用于中国大学新生，无论性别如何。 理解这两个变量之间的相互关系有助于在学生大学生活开始时对IA进行干预。
介绍
自从1990成立以来，互联网逐渐成为中国日常生活中不可或缺的一部分，特别是在10-21岁的青少年中（Daniel等人，2012; Liu等人，2012）。 根据 第十三届中国互联网络发展状况统计报告由中国互联网络信息中心（CNNIC）发布的中国青少年互联网用户数量迅速增加，从120的2002百万增加到287的2016百万（Tian等人，2017).
互联网带来了许多好处，例如增强的社交联系和福祉（Bessière等人，2008; Young和de Abreu，2011）。 然而，网络成瘾（IA），其特点是过度或强制性的互联网使用（Young等，1999; Shek等人，2013; Yang等人，2014）有很多负面影响（约瑟夫等人，2016）。 许多研究表明，IA会对身心健康产生不利影响（Ayas和Horzum，2013; Georgios等，2014; Mike和Zhong，2014）。 例如，患有IA的青少年通常会出现焦虑，抑郁，孤独，自尊心低和人际关系不良（Tokunaga和Rains，2010; Georgios等，2014; Mike和Zhong，2014），这可能进一步对他们的福祉产生负面影响（Tokunaga和Rains，2010; Georgios等，2014; Mike和Zhong，2014）和学术发展（Chu，2006; Kim等人，2008; Tsai等人，2009; Ahmadi和Saghafi，2013）。 因此，在青少年中学习IA具有重要的教育和社会意义。
IA与NMC的关系
长期以来，网络相关的适应不良认知（NMC）一直被认为在IA中起着重要作用（Li等人，2013）。 根据认知行为模型（戴维斯，2001），精神病理学（例如，抑郁和社交焦虑）是IA症状的远端必要原因，其本身不会导致IA的症状。 IA中的关键因素是NMC，这是近端充分的原因（Daniel等人，2012; 数字 1）。 大量研究报道，远端精神病理学通过NMC使个体易受IA影响（Kalkan，2012; Mai等人，2012; 李和王，2013; Lu和Yeo，2015）。 例如，研究人员调查了气质（即努力控制，高感觉寻求，高度倾向性愤怒或挫折）与IA的发展之间的潜在关系; 结果表明，某些气质通过影响气质对他们对在线行为的认知影响了IA的水平（Zhang等人，2015). 田等人。 （2017） 研究了中国样本中羞怯，适应不良认知和广义病理性互联网使用（GPIU）之间的相互关联。 结果表明，这些变量之间的关联是动态的和双向的，并且增加的适应不良认知双向地介导了害羞与GPIU之间的关系。 此外，其他研究已经确定，养育方式和同伴关系可能使人们易受NMC影响，这将进一步影响IA的水平（Li等人，2013; Wang等人，2015).
图1。 病理性互联网使用的认知 - 行为模型（戴维斯，2001).
此外，许多其他研究都集中在网络游戏成瘾上，并研究了它与适应不良认知的关系。 King和Delfabbro（2014） 提出了一个新模型，为网络游戏成瘾的起源和发病机制提供理论解释。 作者确定了网络游戏成瘾的四种适应不良认知，即高估，适应不良规则，游戏自尊和游戏接受度。 一些实证研究还发现，具有网络游戏成瘾症状的青少年比没有这些症状的青少年报告了更多的适应不良认知（周等人，2012; Liu等人，2014; King和Delfabbro，2016). 彭和刘（2010） 据报道，测量认知的五项量表显着预测了中国成年人的网络游戏成瘾。 福雷斯特等人。 （2016） 调查了与465澳大利亚成年人样本中有问题的视频游戏相关的适应不良认知。 结果显示，这些有问题的认知与网络游戏成瘾有中度和高度相关。 福雷斯特等人。 （2017） 探讨了适应不良的认知是否可以使用12月纵向研究预测有问题的视频游戏的未来变化。 结果显示，认知变化占游戏性别，年龄和游戏频率之外的有问题游戏分数的28％变异。
尽管许多研究已经确定了NMC对IA的影响，但很少有研究探讨IA对NMC的可能影响。 认知失调理论（Festinger，1957），主要涉及人们如何体验和回应思维中的不一致以及行为和思维之间的不一致，提供了NMC如何与IA相关的另一种解释。 当人们意识到不一致时，他们会感到不适或不协调，从而促使他们努力减少这些经历，并通过调整他们的态度，观念或行为来重新获得一致性，直到这些不一致得到解决（de Vries和Timmins，2016）。 根据这一理论，当人们的行为与他们的价值观不一致时，例如当他们已经对他们的生活产生负面影响时沉迷于互联网，他们会以遗憾的形式经历不和谐; 这种情况发生在对其行为的负面后果的个人责任感上。 大多数人都能够成功地调整他们的行为以减少这种不和谐。 然而，有些人可能会通过改变他们对互联网的态度来减少不和谐，从而减少他们的不和谐，同时保持有问题的行为。 邱和万（2007） 用一组视频游戏玩家调查了这个过程。 结果显示，对自己的行为负责的玩家更有可能将他们对视频游戏的态度从正面转为负面，而对视频游戏投入较高的玩家则不太可能采取态度差异的行为。
大学生IA的研究
各种研究表明，青少年占互联网用户的大多数，大学生特别容易受到因特网的影响，因为他们可以轻松访问互联网，灵活的时间表，以及他们控制行为的能力较低（Shaw和Black，2008; Fu等，2010; Georgios等，2014; Yang等人，2014）。 此外，大学生活的开始是学生在过渡期间的发展时期，远离相对较高的人际关系依赖（不仅是家庭关系，还有同伴和其他社会关系; Woodhouse等，2012）。 之前的研究报告称，不受控制的互联网使用与家庭沟通和监督的下降密切相关（Van den Eijnden等人，2010; Liu等人，2012）。 因此，人际关系的转变往往会使大学新生面临发展IA的风险（Zhang等人，2014).
此外，新生必须通过一系列严格的考试才能进入中国大学，通常没有足够的时间在高中时进行自我反思。 因此，当面对大学生活时，他们缺乏学习和人际关系技巧可能会让他们感到困惑（Ni等人，2009）。 此外，由于大量的休闲时间和通过一系列无线工具无限制地上网，大学新生往往会花费大量的时间在线，因此很有可能在这个独特的时期遇到IA的症状（陈，2012）。 为IA提供预防和干预策略，在大学第一学期进行了短期纵向研究。
目前的研究
虽然许多研究人员已经研究了IA和NMC之间的关系，但大多数人采用了横截面方法; 因此，确定这两个变量之间的相互关系是困难的（约瑟夫等人，2016）。 此外，尽管在大学开始时学生开发IA的概率要高得多（李和梁，2007; Ni等人，2009），以往研究的参与者通常是所有年龄段的大学生，第一学期的学生参与的次数较少。 因此，本研究采用交叉滞后分析来探讨大学生第一学期IA与NMC之间的关系。 根据先前的理论和实证研究，这两个变量之间可能存在互惠关系。 因此，我们提出了一种交互模型（图 2并测试了关于这两个变量之间关系的三个假设。
图2。 假设模型。
H1。 从IA到NMC存在积极和显着的交叉滞后路径，NMC是中国大学新生IA的有效预测因子。
H2。 从IA到NMC的交叉滞后路径达到了显着水平，因此IA的水平对NMC产生了不利影响。
H3。 IA和NMC之间的关系通常可以应用于男性和女性。
材料和方法
参与者成员
最初可供参加的大学新生人数是300参与者，他们都在中国山东省的两个城市（即济南和菏泽）就读。 数据收集于9月初在2015（T1），2月后（T2）进行，然后在4月后进行（T3）。 在第一波数据收集中，所有这些300学生都完成了测量。 然而，在随后的浪潮中，这些87学生的300中途退出。 缺乏参与是由于缺勤或疾病（参与率：71.00％）。 因此，213学生仍在进行最终数据分析（104男性和109女性），年龄范围从17到21年（M = 18.87年， SD = 0.76年）。 为了确定中途撤回的学生（87学生）的数据是否与未退出的学生（213学生）相比，本研究中包含的任何变量都是一系列的 t - 使用在第一波数据收集中收集的数据进行测试; 这些分析都不重要。 所有这些参与者都具有互联网经验，并被纳入本研究。 参与者平均使用互联网5.59年（SD = 2.06）在他们大学生活的开始。 收集了关于学生注册住所的信息：43.19％住在大城市，35.68％住在城镇，21.13％住在村庄。 此外，当他们进入大学时，为每个学生建立了一个文件（这些文件包括他们的基本信息，以及身心健康状况）。 根据档案，没有参与者有任何精神病或神经系统疾病。 本研究是根据山东师范大学伦理指南和赫尔辛基宣言的建议进行的，并得到所有参与者的书面知情同意。 该方案经山东师范大学人类研究伦理委员会批准。
仪器功能
网络成瘾
目前的研究采用了修订后的中国网络成瘾量表（CIAS-R; Bai和Fan，2005）。 CIAS-R包含19项目，可以分为四个因素：强制使用和退出（例如，“我在没有互联网访问的情况下感到沮丧”），容忍度（例如，“我发现自己不得不花费越来越多的金额）时间管理问题（例如，“我的学术或工作绩效因我的互联网使用而受到不利影响”），以及人际关系和健康问题（例如，“我减少了我的睡眠时间以获得更多时间”线上”）。 每个响应都是在4点Likert类型量表上测量的，得分范围为1（根本不是真的）到4（总是如此）。 因此，较高的平均分表示较高的IA水平。 该量表已应用于近期对中国大学生的研究中，具有较高的信度和效度（Tian等人，2015）。 在本研究中，量表的α系数是T0.92的1，T0.95的2和T0.91的3。
网络相关的适应不良认知
本研究采用梁修订的网络相关适应不良认知量表; 原始量表是在线认知量表，它是在戴维斯提出的认知 - 行为模型的基础上发展起来的（Tian等人，2015）。 修订后的量表包含14项目，可以分为三个因素：互联网舒适度（例如，“我在线获得的尊重比在现实生活中更多”），减少冲动控制（例如，“当我在互联网上时，我经常感到某种“匆忙”或情绪高涨“和”分心（例如，“使用互联网是一种忘记我必须做但却真的不想做的事情的方法”）。 参与者评估每个陈述在5点Likert类型量表上的真实程度，得分范围为1（根本不是真的）到5（总是如此）。 因此，较高的平均分数代表NMC在互联网使用方面的较高水平。 该量表已应用于以往对中国大学生的研究中（Tian等人，2015, 2017）。 在当前的研究中，量表的α系数是T0.87的1，T0.90的2和T0.90的3。
统计分析
在这项研究中，我们采用了一个完全交叉滞后的面板设计来检查中国大学新生IA和NMC之间的单向和双向关系（Van Lier等，2012）。 一般模型包括T1，T2和T3的IA和NMC的测量。 我们提出并测试了四个模型，表示两个变量之间可能的机制。 首先，我们提出了一个“稳定性模型”（Model 1，图 3）仅包括交叉时间稳定性效应。 第二，认知行为模型（Model 2，图 3建议检查NMC在一个时间点是否可以在下一个时间点预测IA。 第三，我们提出了“行为 - 认知模型”（Model 3，图 3）检查在一个时间点的IA是否可以在下一个时间点预测NMC。 最后，我们提出了“互易因果关系模型”（Model 4，图 3探讨了IA和NMC之间的相互影响。 此外，还进行了基于性别的多组交叉滞后分析，以检验两个关键变量之间的关系是否在男性和女性之间存在差异。
图3。 交叉滞后分析的结果。 单箭头线表示路径系数，双箭头线表示协方差。 虚线表示非重要系数，实线表示重要系数。 ***表示系数在0.001级别显着， **指示系数在0.01级别是显着的，并且 *表明系数在0.05水平上是显着的。
采用潜变量的结构方程模型来检验本研究中的假设模型。 按照建议 霍尔伯特和斯蒂芬森（2002），使用各种指数评估模型拟合的优点。 χ2 具有自由度的估计仍然是在不同模型之间进行比较的最常用手段。 χ的比例2 对于具有良好拟合的模型，自由度不应超过5。 此外，我们报告了比较拟合指数（CFI）以及Tucker-Lewis指数（TLI）和近似的均方根误差（RMSEA）。 通常，0.95或更高的CFI和TLI值反映良好拟合，低于0.06的RMSEA值表明非常合适，而0.06和0.08之间的值表示良好拟合（Yuan等，2014）。 而且，χ2 差异检验（Δχ2）用于比较嵌套模型的拟合度。 不显着的Δχ2 test表明两个模型提供了与数据相等的拟合，而显着的Δχ2 表明应保留较少约束的模型（Tian等人，2017).
成果
描述性分析
表中列出了本研究中关键变量的均值和标准差 1。 进行重复测量ANOVA以探索性别和测量时间对参与者的IA和NMC的影响（“性别”是受试者之间的变量，“测量时间”是受试者内变量）。 结果显示，在两个因变量方面，性别之间没有显着差异（F = 0.10， p = 0.749; F = 0.02， p = 0.822）。 随着时间的推移，大学新生中IA的水平从T1显着增加到T3（F = 28.71， p <0.001）。 一个的结果 事后 测试表明，在T3测量的IA水平显着高于T2（p <0.01）和T1（p <0.001），并且在T2时测得的IA水平明显高于T1时的IA（p <0.001）。 此外，在不同时间测量时，NMC中存在边际显着差异（F = 2.93， p = 0.055）。 结果 事后 测试显示，在T3测量的IA水平显着高于T1（p <0.05），并且在T1和T2处测量时，NMC存在边际显着差异（p = 0.065）。 然而，在T2和T3测量时，NMC没有显着差异（p = 0.846）。 两个变量中性别和测量时间之间的相互作用没有达到显着水平（F = 0.38， p = 0.682; F = 0.24， p 0.791）。
表1。 IA和NMC的描述性统计（n 213）。
如表所示 2，T1，T2和T3之间IA和NMC之间的双变量相关性以及两个变量之间的所有交叉滞后相关性都是显着的和正的，表明IA和NMC之间存在正相关关系。
表2。 IA与NMC之间的相关性（n 213）。
IA与NMC之间的交叉滞后关系
指定了一系列交叉滞后模型来检验IA和NMC之间的相互关系。 首先，基线模型（Model 1，图 3）被指定; 在该模型中，估计了IA和NMC的稳定系数，但没有估计两个变量之间的交叉滞后效应。 模型拟合是可以接受的（表 3）。 其次，为了测试先前提出的认知 - 行为模型，将从NMC到IA的交叉滞后路径添加到基线模型中（Model 2，Figure 3），这显着改善了模型拟合（表 3）。 χ2 差异测试表明2模型比1模型更好地拟合数据（Δx2 = 27.05，Δdf = 2，Δχ2/Δdf = 13.53> 6.63）（Wen等人，2006）。 根据Model 2，标准化路径系数为0.10（p 对于在T0.309测量的NMC测量的NMC，在T1和2处测量的IA（0.36）p 对于T0.001时测得的NMC，T2时测得的IA小于3。 第三，为了检查某个时间点的IA是否可以预测下一时间点的NMC，将从IA到NMC的交叉滞后路径添加到基线模型中（模型3， 3）。 结果表明，实现了良好的模型拟合（表 3）。 χ2 差异测试表明3模型比1模型更好地拟合数据（Δx2 = 47.20，Δdf = 2，Δχ2/Δdf = 23.60> 6.63）。 根据模型3，标准路径系数为0.44（p <0.001）（在T1时测量的IA到T2时测量的NMC）和0.50（p T0.001时测得的IA小于T2时测得的NMC的<3）。 这表明一个时间点的IA是下一时间点的NMC的有效预测指标，并且向模型添加两条路径可以显着提高模型的拟合度。 第四，模型4被指定为具有稳定性系数和IA与NMC之间的交叉滞后效应（模型4， 3）。 该模型充分拟合了数据（表 3）。 但是，模型3和4是嵌套的，而χ2 差异测试表明两个模型表现同样良好（Δχ2 = 11.69，Δdf = 2，Δχ2/Δdf = 5.85 <6.63）。 最终，如模型4所示，除了在T1到N的T2处测量的NMC的标准化路径系数外，IA和NMC之间的其余交叉滞后路径达到了显着水平。 因此，我们删除了此路径并开发了模型5。该模型充分拟合了数据（表 3）。 因此，5模型被保留作为最终分析模型，原因如下：（1）尽管这两个模型的表现同样出色（Δχ2 = 0.21，Δdf = 1，Δχ2/Δdf = 0.21 <6.63），与模型5相比，模型4更简单，更简化，并且应选择较少的参数进行分析。 （2）χ2 差异测试表明，模型5比3模型更好地拟合数据（Δx2 = 11.48，Δdf = 1，Δχ2/Δdf = 11.48> 6.63），标准路径系数为0.25（p 对于T0.001时测得的NMC，T2时测得的IA小于3。 即，存在很可能在T2处测量的NMC可以预测在T3处测量的IA。
表3。 不同模型之间的比较。
性别差异
为了研究IA和NMC之间的交叉滞后关系是否在男性和女性之间存在差异，我们进行了多组分析。 我们首先估计了适合男性的模型（M男）和女性（M.女）另外，两个子样本的拟合指数都足够了（表 4）。 然后测试测量不变性以确定两个变量是否对男性和女性的测量相同。 在完全无约束的测量模型中（M.1），允许所有参数在两组之间变化。 实现了可接受的模型拟合，以及完全约束的测量模型（M.2然后分析其中所有参数对于两组完全相同; 模型充分拟合数据（表 4）。 χ2 差异测试表明两个模型表现同样良好（Δχ2 = 6.50，Δdf = 15， p 0.970）。
表4。 男性和女性的多组分析。
为了解决这部分研究的研究目的，我们根据大学生的性别进行了多组交叉滞后分析。 测试了三个参数以检查它们在性别之间是否不同：稳定性系数，交叉滞后路径系数以及IA和NMC之间的协方差。 约束模型（M.3）规定了两组中所有三个参数相同; 该模型实现了令人满意的模型拟合（表 4）。 χ2 差异检验表明该模型与完全无约束模型一样适合数据（Δχ2 = 1.78，Δdf = 7， p = 0.996），表明路径的整体模式在男性和女性之间是不变的。
讨论
这项研究需要进行一项交叉滞后的小组调查，以探讨中国大学新生IA与NMC之间的互惠关系。 根据认知行为模型（戴维斯，2001），两个变量之间可能存在互惠关系，而NMC可能是IA的预测因子。 但是，这一假设并未得到完全支持。 在研究的第一个2月份，我们没有观察到NMC对IA的预测作用; 这与先前研究的结果不一致（Tian等人，2015）。 具体而言，NMC似乎不是产生IA的必要条件。 该结果可能与当前研究的参与者有关。 在这项研究中，调查的参与者是最近完成严格入学考试的中国大学新生，即“高考”。为了进入大学，学生必须在整个中小学教育中付出很大努力; 因此，他们中很少有足够的时间使用互联网（李和梁，2007）。 因此，参加大学的参与者的NMC水平最低，这可能会阻止对IA的产生产生重大影响。 在大学期间，许多其他因素可能导致人们沉迷于互联网。 例如，互联网提供的匿名和缺乏非语言和人口统计线索可以通过提供缓解情绪困扰的方式有益于学生的福祉（Caplan和Turner，2007）并增强对社会支持和自尊的看法（Kraut等，2002），以及扩大人际关系的范围（Cotten，2008）。 此外，在此期间，人格特质可以在IA的产生中发挥关键作用（Mike等人，2014）。 例如，如前所述，具有高努力控制能力的人在用互联网诱惑时更有效地抑制冲动行为。 相比之下，寻求高感觉水平的人更容易发生成瘾行为（Zhang等人，2015）。 然而，进入大学后，中国新生的学业压力显着下降，他们有更多时间使用互联网（李和梁，2007）。 因此，他们可能通过他们自己的同伴交流经验或经验逐渐形成了对互联网的各种认知反应，从而影响了他们的IA水平（Wang等人，2015).
根据认知行为模型（戴维斯，2001），IA可能对NMC产生负面影响（Caplan，2010）。 然而，很少有实证研究来检验这一假设，很少有研究人员提出理论来解释这一现象。 然而，当前研究的经验证据表明IA在与NMC的关系中具有预测优先权，这可能会影响NMC的产生和发展。 一些研究人员探讨了中国青少年的在线游戏行为。 他们报告说，在线游戏行为可能会显着影响对在线游戏的认知，因为改变在线游戏的相关认知是缓解行为与思维不一致所带来的不适的有效方法（Wang等人，2015）。 因此，我们应用认知失调理论作为解释模型来讨论IA对NMC的预测作用机制（Cooper，2007）。 根据这一理论，当人们意识到不一致时，他们就会感到不适或不协调，从而促使他们努力减少这种经历，并通过调整他们的态度，观念或行为来重新获得一致性，直到这些不一致得到解决（de Vries和Timmins，2016）。 大多数人可能能够成功地调整他们的行为以减少这种不和谐。 然而，有些人倾向于证明似乎可以减少不和谐的行为，使用诸如“我可以在网上获得更多尊重而不是在现实生活中”，“我在互联网上感到最安全”或“使用互联网是一种忘记我必须做但却不想做的事情的方式。“当人们确信自己沉迷于互联网是合理的时候，不和谐就会减少，他们会感觉更好。 然而，当发生另一个相同的违规时，往往会重复减少不和谐不适的有效方法，这是有问题的（de Vries和Timmins，2016）。 也就是说，当学生建立了这样的NMC时，随后过度使用互联网不会产生同样程度的不适，这进一步增加了互联网的过度使用。 总之，IA的产生和发展是由NMC和过度使用互联网的恶性循环引起的，IA在与NMC的关系中具有预测优先权。
结果表明，男性和女性之间的关键变量没有显着差异。 这与许多其他研究的结果不一致 (Müller等人，2014）。 这可能是因为计算和网络技术的快速发展，这些技术已经大大改变了网络终端设备及其应用（Daniel等人，2012; Mike和Zhong，2014）。 例如，在当代社会中，移动电话逐渐成为访问互联网的主要手段，并且可以与它们一起执行诸如购物和浏览的各种活动。 男性和女性都享有大部分此类活动（San，2015）。 此外，多组交叉滞后分析的结果显示IA和NMC中发现的路径对于男性和女性是相同的。 也就是说，导致IA的过程对于两种性别都是相同的，因此在本研究中建立的最终模型对中国大学新生具有广泛的适用性和实际意义。
为了进一步确定IA的生成和发育机制，我们提出了一个基于本研究结果的理论模型以及Davis提出的认知 - 行为模型（图 4）。 根据这个模型，IA的产生和发展是IA和NMC的恶性循环的结果，这个周期主要是由行为和思维之间的不一致引起的不适引起的（de Vries和Timmins，2016）。 因为这个周期主要是从过度使用互联网开始，所以有必要通过各种方法在学期开始时缓解这种恶性循环。 然而，由于互联网对年轻人的强大吸引力，在大学新生中完全避免IA是困难的。 根据认知失调理论，当他们中的一些人沉迷于互联网时，存在两种方法来减少由行为和思维之间的不一致引起的不适。 第一种方法涉及改变在线行为，第二种方法涉及调整认知以发展成瘾行为的理由。 第二种方法显然是优选的。 因此，该模型可为中国学生大学初期的预防和治疗计划提供理论支持。
图4。 本研究的理论模型。
限制和未来方向
这项研究的一些局限性值得注意。 首先，虽然我们提出了关于IA的产生和发展的理论模型，但是这个模型在当前的研究中并没有得到充分验证，我们只关注IA和NMC之间的相互关系。 因此，应进行进一步的实证研究以验证该模型。 而且，这种理论模型可能未能解决情绪和外部环境等其他因素的影响。 因此，应该开发更复杂的理论模型来解决这个问题。 其次，为了探索IA与NMC之间的互惠关系，本研究从9月2015到1月2016进行了三次调查。 然而，三次调查的时间跨度可能太短，无法检测到IA随时间的稳定变化。 在学生大学生活期间的后续阶段，发展趋势可能会有所不同。 因此，有必要在大学剩下的几年里进一步探讨这个问题。 最后，由于涉及财务和人力资源的限制，在本研究中使用方便的大学新生样本是必要的。 此样本仅涉及213参与者，所有参与者均来自中国山东省的大学。 各省之间的经济和文化差异可能会影响涉及大学新生的两个关键变量之间的关系。 因此，该研究应该以涉及中国不同地区的更大样本进行复制。
作者贡献
PH促成了最初的观念构想和手稿的写作。 PW和FG对重要修订做出了贡献。 QL和YT帮助完成了数据收集和分析。 所有作者都批准了稿件的最终版本以供发表。
资金
该研究得到了山东省人文社会科学研究计划（J16YG21），山东省艺术科学计划（ZX2015021）和菏泽大学人文社会科学研究计划（XY16SK09）的支持。
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。
参考资料
Ahmadi，K。和Saghafi，A。（2013）。 伊朗青少年网络成瘾的心理社会概况。 Cyberpsychol。 Behav。 SOC。 网络。 16，543-548。 doi：10.1089 / cyber.2012.0237
Ayas，T。和Horzum，MB（2013）。 抑郁，孤独，自尊与网络成瘾之间的关系。 教育 133，183-190。
Bai，Y。和Fan，FM（2005）。 大学生网络依赖研究：测量的修改与应用。 心理学。 开发。 EDUC。 4，99-104。 doi：10.3969 / j.issn.1001-4918.2005.04.019
Bessière，K.，Kiesler，S.，Kraut，R。和Boneva，BS（2008）。 网络使用和社会资源对抑郁症变化的影响。 通知。 COMMUN。 SOC。 11，47-70。 doi：10.1080 / 13691180701858851
Caplan，S。（2010）。 广义问题互联网使用的理论和测量：两步法。 COMPUT。 哼。 Behav。 26，1089-1097。 doi：10.1016 / j.chd.2010.03.012
Caplan，SE和Turner，JS（2007）。 将理论引入计算机辅助通信研究。 COMPUT。 哼。 Behav。 23，985-998。 doi：10.1016 / j.chb.2005.08.003
陈，SK（2012）。 大学生的网络使用和心理健康：一种潜在的概况方法。 COMPUT。 哼。 Behav。 28，2219-2226。 doi：10.1016 / j.chb.2012.06.029
Chiou，WB和Wan，CS（2007）。 利用认知失调诱导青少年逃离在线游戏的角色：个人责任的角色和成本的证明。 CyberPsychol。 Behav。 10，663-670。 doi：10.1089 / cpb.2007.9972
Chuang，C。（2006）。 大型多人在线角色扮演游戏诱发的癫痫发作：网络成瘾中被忽视的健康问题。 Cyberpsychol。 Behav。 9，451-456。 doi：10.1089 / cpb.2006.9.451
Cooper，J。（2007）。 认知不协调：经典理论的50年。 伦敦：贤者。
Cotten，SR（2008）。 学生的技术使用和对福祉的影响。 新的目录。 梭哈。 SERV。 124，55-70。 doi：10.1002 / ss.295
Daniel，LK，Paul，HD，Mark，DG和Michael，G。（2012）。 认知行为方法，以治疗儿童和青少年网络成瘾的患者。 J. Clin。 心理学。 68，1185-1195。 doi：10.1002 / jclp.21918
戴维斯，RA（2001）。 病理性互联网使用的认知行为模型。 COMPUT。 哼。 Behav。 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8
de Vries，J。和Timmins，F。（2016）。 医院的护理侵蚀：反思护理实践中的问题和认知失调的作用。 护士教育。 今天 38，5-8。 doi：10.1016 / j.nedt.2015.12.007
Festinger，L。（1957）。 认知失调理论。 埃文斯顿，伊利诺伊州：Row，彼得森。
Forrest，CJ，King，DL和Delfabbro，PH（2016）。 测量成人中有问题的视频游戏的适应不良认知。 COMPUT。 哼。 Behav。 55，399-405。 doi：10.1016 / j.chb.2015.09.017
Forrest，CJ，King，DL和Delfabbro，PH（2017）。 适应不良的认知预测了高度参与的成年人中有问题的游戏的变化：12月的纵向研究。 冰火。 Behav。 65，125-130。 doi：10.1016 / j.addbeh.2016.10.013
Fu，KW，Chan，WS，Wong，PW和Yip，PS（2010）。 网络成瘾：香港青少年的流行，判别有效性和相关性。 BR。 J.精神病学 196，486-492。 doi：10.1192 / bjp.bp.109.075002
Georgios，F.，Konstantinos，S.，Ariadni，S.，Loannis，G。和Georgios，G。（2014）。 大学生人格，防御方式，网络成瘾与精神病理学的关系。 Cyberpsychol。 Behav。 SOC。 网络。 17，6722-6676。 doi：10.1089 / cyber.2014.0182
Holbert，RL和Stephenson，MT（2002）。 通信科学中的结构方程建模，1995-2000。 哼。 COMMUN。 RES。 28, 531–551. doi: 10.1111/j.1468-2958.2002.tb00822.x
Joseph，CP，Philip，P.，Baljinder，S.，Sarah，M.，Chris，J.，Andrew，TG，et al。 （2016）。 强迫性互联网使用和心理健康的发展：一项为期四年的青春期研究。 开发。 心理学。 52，272-283。 doi：10.1037 / dev0000070
Kalkan，M。（2012）。 人际认知扭曲对大学生网络使用问题的生产性。 儿童。 青年服务。 启示录 34，1305-1308。 doi：10.1016 / j.childyouth.2012.03.003
Kim，EJ，Namkoong，K.，Ku，T。和Kim，SJ（2008）。 网络游戏成瘾与攻击，自我控制和自恋人格特质之间的关系。 欧元。 精神病学 23，212-218。 doi：10.1016 / j.eurpsy.2007.10.010
King，DL和Delfabbro，PH（2014）。 网络游戏障碍的认知心理。 临床。 心理学。 启示录 34，298-308。 doi：10.1016 / j.cpr.2014.03.006
King，DL和Delfabbro，PH（2016）。 青少年网络游戏障碍的认知精神病理学。 J.异常儿童心理学。 44, 1635–1645. doi: 10.1007/s10802-016-0135-y
Kraut，R.，Kiesler，S.，Boneva，B.，Cummings，J.，Helgeson，V。和Crawford，A。（2002）。 互联网悖论重新审视。 J. Soc。 问题 58，49-74。 doi：10.1111 / 1540-4560.00248
Li，DL，Zhang，W.，Wang，YH和Li，DP（2013）。 孕产妇心理控制和青少年有问题的互联网使用：适应不良认知的中介作用。 心理学。 科学。 36，411-416。
Li，H。和Wang，S。（2013）。 认知扭曲在中国青少年网络游戏成瘾中的作用。 儿童。 青年服务。 启示录 35，1468-1475。 doi：10.1016 / j.childyouth.2013.05.021
Li，N。和Liang，NJ（2007）。 大学生网络成瘾的认知基础研究。 心理学。 科学。 30，65-68。 doi：10.3969 / j.issn.1671-6981.2007.01.015
Liu，GC，Jen，JY，Chen，CY，Yen，CF，Chen，CS，Lin，WC，et al。 （2014）。 在网络游戏障碍中游戏线索分心下的响应抑制的脑激活。 Kaohsiung J. Med。 科学。 30，43-51。 doi：10.1016 / j.kjms.2013.08.005
Liu，QX，Fang，XY，Deng，LY和Zhang，JT（2012）。 中国青少年的青少年交流，父母互联网使用和网络特定规范以及病态互联网使用。 COMPUT。 哼。 Behav。 28，1269-1275。 doi：10.1016 / j.chb.2012.02.010
Lu，X。和Yeo，KJ（2015）。 马来西亚大学生的病理性互联网使用：风险因素和认知扭曲的作用。 COMPUT。 哼。 Behav。 45，235-242。 doi：10.1016 / j.chb.2014.12.021
Mai，Y.，Hu，J.，Yan，Z.，Zhen，S.，Wang，S。和Zhang，W。（2012）。 中国青少年病理性网络使用中适应不良认知的结构与功能。 COMPUT。 哼。 Behav。 28，2376-2386。 doi：10.1016 / j.chb.2012.07.009
Mike，ZY，He，J.，Deborah，MK和Pang，KC（2014）。 人格行为和自尊对网络成瘾的影响 - 对中国大学生的研究。 Cyberpsychol。 Behav。 SOC。 网络。 17，104-110。 doi：10.1089 / cyber.2012.0710
Mike，ZY和Zhong，ZJ（2014）。 寂寞，社交联系和网络成瘾：一项跨领域的小组研究。 COMPUT。 哼。 Behav。 30，164-170。 doi：10.1016 / j.chb.2013.08.007
Müller，KW，Glaesmer，H.，Brähler，E.，Woelfling，K。和Beutel，ME（2014）。 普通人群中网络成瘾的流行：来自德国人口调查的结果。 Behav。 通知。 TECHNOL。 33，757-766。 doi：10.1080 / 0144929X.2013.810778
Ni，XL，Yan，H.，Chen，SL和Liu，ZG（2009）。 影响中国新生大学生网络成瘾的因素。 快速通讯。 12，327-330。 doi：10.1089 / cpb.2008.0321
Peng，W。和Liu，M。（2010）。 在线游戏依赖：在中国的初步研究。 Cyberpsychol。 Behav。 SOC。 网络。 13，329-333。 doi：10.1089 / cyber.2009.0082
San，C。（2015）。 CNNIC发布了第35次中国互联网发展统计报告。 派息。 EDUC。 中国 4，99-104。 doi：10.13541 / j.cnki.chinade.2015.02.006
Shaw，M。和Black，DW（2008）。 网络成瘾：定义，评估，流行病学和临床管理。 CNS药物 22, 353–365. doi: 10.2165/00023210-200822050-00001
Shek，DTL，Sun，RCF和Yu，L。（2013）。 “网络成瘾”中 21st世纪的神经科学：从基础到临床，编辑。 DW Pfaff（纽约，纽约：Springer），2775-2811。 doi：10.1007 / 978-1-4614-1997-6_108
Tian，Y.，Bian，YL，Han，PG，Gao，FQ和Wang，P。（2017）。 中国大学生心理社会因素与广义病理性互联网使用之间的关联：纵向交叉滞后分析。 COMPUT。 哼。 Behav。 72，178-188。 doi：10.1016 / j.chb.2017.02.048
Tian，Y.，Bian，YL，Han，PG，Wang，P。和Gao，FQ（2015）。 羞怯对网络成瘾的影响：沉浸倾向与网络相关的适应不良认知的中介效应。 下巴。 J. Spec。 EDUC。 12，83-89。 doi：10.3969 / j.issn.1007-3728.2015.12.014
Tokunaga，RS和Rains，SA（2010）。 评估有问题的互联网使用，使用互联网的时间和心理社会问题之间的关系的两个特征。 哼。 COMMUN。 RES。 36，512-545。 doi：10.1111 / J.1468-2958.2010.01386.X
Tsai，HF，Cheng，SH，Yeh，TL，Shih，CC，Chen，KC，Yang，YC，et al。 （2009）。 网络成瘾的风险因素 - 大学新生调查。 精神病学 167，294-299。 doi：10.1016 / j.psychres.2008.01.015
Van den Eijnden，RJJM，Spijkerman，R.，Vermulst，AA，Van Rooij，TJ和Engles，RCME（2010）。 青少年强制性互联网使用：双向亲子关系。 J. Abnorm。 儿童心理学。 38, 77–89. doi: 10.1007/s10802-009-9347-8
Van Lier，PA，Vitaro，F.，Barker，ED，Brendgen，M.，Tremblay，RE和Boivin，M。（2012）。 同伴受害，学业成绩差，以及童年外化和内化问题之间的联系。 儿童开发。 83，1775-1788。 doi：10.1111 / j.1467-8624.2012.01802.x
Wang，T.，Wei，H.，Zhou，ZK，Xiong，J.，Li，X.，Yang，X。，et al。 （2015）。 同伴球员比例，适应不良认知和网络游戏成瘾的关系。 下巴。 J. Clin。 心理学。 23，487-493。 doi：10.16128 / j.cnki.1005-3611.2015.03.023
Wen，ZL，Chang，L。和Hou，JT（2006）。 中介主持人和主持调解员。 Acta Psychol。 罪。 38，448-452。
Woodhouse，SS，Dykas，MJ和Jude，C。（2012）。 青春期的孤独和同伴关系。 Rev. Soc。 开发。 21，273-293。 doi：10.1111 / j.1467-9507.2011.00611.x
Yang，LS，Sun，L.，Zhang，ZH，Sun，YH，Wu，HY和Ye，DQ（2014）。 网络成瘾，青少年抑郁症和生活事件的中介作用：从中国青少年的样本中找到。 诠释。 J. Psychol。 49，342-347。 doi：10.1002 / ijop.12063
Young，KS和de Abreu，CN（2011）。 网络成瘾：评估和治疗手册和指南。 新泽西州霍博肯：威利。
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。 Cyberpsychol。 Behav。 2，475-479。 doi：10.1089 / cpb.1999.2.475
Yuan，YC，Shao，AH，Liang，LC和Bian，YF（2014）。 对不可行性，同伴拒绝和同伴受害之间关系的交叉滞后分析。 心理学。 开发。 EDUC。 30，16-23。
Zhang，HY，Li，DP和Li，X。（2015）。 青少年的气质和有问题的互联网使用：适应不良认知和养育方式的适度调解模型。 J.儿童家庭梭哈。 24, 1886–1897. doi: 10.1007/s10826-014-9990-8
Zhang，JT，Chen，C.，Wang，LJ，Liu，L.，Liu，FE，Zhao，HC，et al。 （2014）。 中国大学新生在线时间与网络成瘾之间的关系：一种中介调节模式。 Acta Psychol。 罪。 30，65-68。 doi：10.3969 / j.issn.1671-6981.2007.01.015
Zhou，Z.，Yuan，G。和Yao，J。（2012）。 对具有网络游戏成瘾的个人的互联网游戏相关图片和执行缺陷的认知偏见。 PLoS ONE的 7：e48961。 doi：10.1371 / journal.pone.0048961
关键词：网络成瘾，网络相关的适应不良认知，大学新生，跨区域小组调查，中文
引文：Han P，Wang P，Lin Q，Tian Y，Gao F和Chen Y（2017）中国大学新生网络成瘾与网络相关适应不良认知的互动关系：纵向交叉滞后分析。 面前。 心理学。 8：1047。 doi：10.3389 / fpsyg.2017.01047
收到：13 March 2017; 接受：08 June 2017;
发布时间：22 June 2017。
编辑：
清华何，中国西南大学
版权所有©2017 Han，Wang，Lin，Tian，Gao和Chen。 这是一份根据条款分发的开放获取文章 知识共享署名许可（CC BY）。 允许在其他论坛中使用，分发或复制，前提是原始作者或许可人被记入贷方，并且根据公认的学术惯例引用本期刊中的原始出版物。 不允许使用，分发或复制，不符合这些条款。
;
