Addict Behav Rep。 2017 Jun; 5:19-28。
在线发布2017 Feb 7。 DOI: 10.1016 / j.abrep.2017.02.002
PMCID:PMC5800554
结论: 29450224
Rayna Sariyska,a,⁎ 贝恩德拉赫曼,a 塞巴斯蒂安市场,b,c 马丁路透,b,c 和 Christian Montaga,d
1。 介绍
互联网已经进入全球许多人的日常生活,提供了一种收集信息和娱乐的简便方法。 随着越来越多的互联网用户,目前占全球人口的近50%(在07.09.16上访问)。 http://www.internetlivestats.com/internet-users/)有关互联网使用问题(PIU)的报告数量正在上升。 来自德国的代表性研究(N = 15,024名参与者) Rumpf,Meyer,Kreuzer,John和Merkeerk(2011) 的互联网成瘾率达1.5%,而年轻用户的比例更高(4-14岁年龄组为16%)。 首次尝试定义和诊断PIU1 由Kimberly Young在1998年度制作(另见第一例病例报告) 年轻,1996)。 从那时起,已经开发了许多测试和筛选仪器(例如 年轻,1998b, 年轻,1998a, Tao等人,2010),以便能够计算不同人群的患病率,并为患者提供有效的治疗。 但是,PIU仍然没有现成的病理学分类。 关于网络游戏成瘾的研究似乎领先一步,因为最近互联网游戏障碍(IGD)被纳入DSM-5的第III部分,通过这种方式鼓励进一步的考试,然后才考虑作为一种正式的障碍(美国精神病学协会)。 IGD被认为是PIU的一种特定形式,仅与上述PIU的一般形式的小部分重叠(例如 戴维斯,2001, Montag等,2015).
1.1。 PIU和隐式学习/决策
许多研究都显示了决策中的缺陷,研究了患有物质和行为成瘾的患者(例如, Bechara等人,2001, Schoenbaum等,2006)。 由于PIU概念化和行为/物质成瘾的相似性(年轻,1998a),决策的主题也与更好地理解过度使用互联网的本质有很大关系。 在评估决策时,已明确区分模糊决策和风险决策(Brand等,2006, Schiebener和Brand,2015)。 在模糊决策中,收益和损失的规则以及不同结果的概率没有明确解释(例如,使用IOWA赌博任务或IGT的(首次试验),在风险决策中有关潜力的明确信息)后果,以及获得和损失的可能性是可获得的或可计算的(例如使用骰子游戏任务或GDT测量)(Brand等,2006, Schiebener和Brand,2015)。 基于这种区分和决策的双重过程模型(例如 爱泼斯坦,2003), Schiebener和Brand(2015) 提出了一个解释风险决策的理论模型。 在这个模型中,执行职能的作用被强调为风险决策的关键,而不是模糊决策。 情绪奖励和惩罚应该伴随着两种形式的决策。 因此,在客观风险条件下,两个反思过程(由认知控制)以及冲动过程(由情绪奖励和惩罚的预期引起)都可能参与决策过程(Schiebener&Brand,2015年)。 此外,已经提出诸如关于决策情况,个人属性和情境诱发状态以及外部影响的信息等因素对决策具有调节作用(Schiebener&Brand,2015年).
关于网络成瘾,提出了一个新的理论框架 Brand,Young,Laier,Wölfling和Potenza(2016)称为人 - 情感 - 认知 - 执行的相互作用(I-PACE),其中强调执行功能和抑制控制的损害也与PIU的发展相关。 根据该模型,特定互联网使用障碍的发展和维持是诱发因素(例如人格和精神病理学),主持人(例如功能失调的应对方式和互联网预期)和调解者(例如对情境线索的情感和认知反应)之间的相互作用的基础。 这些复杂的相互作用,结合体验满足和积极强化,由于使用互联网的某些特征,以及执行功能和抑制控制的减少,可能导致特定的互联网使用障碍。
到目前为止,已经在PIU,抑制控制和决策制定的背景下进行了一些实证研究。 其中大多数都符合上述理论框架 Brand等。 (2016). Sun等人。 (2009) 例如,与对照参与者相比,过度互联网用户的赌博任务表现较差,成功策略选择较慢。 在最近的一项研究中, Pawlikowski和Brand(2011) 据报道,与对照组相比,一组过度的魔兽世界(魔兽世界)玩家的GDT风险决策能力下降。 姚等人。 (2015) 使用Go / NoGo任务的修改版本(其中游戏相关刺激被用于中性刺激旁边)并报告与对照参与者相比,IGD参与者的抑制控制减少。 Laier,Pawlikowski和Brand(2014) 当在有利和/或不利的卡片组上使用色情和中性图片时,使用IGT的修改版本发现了类似的结果。 在这里,男性参与者在试验中表现出不足的决策,其中色情图片与不利的卡片组相关联。 然而,报告了有关PIU或IGD背景下决策的混合结果。 在一项研究中 Ko等人。 (2010) 例如,与对照参与者相比,使用IGT测量的互联网上瘾参与者表现出更好的决策。 在研究中 姚等人。 (2015) 如上所述,在健康参与者和IGD患者之间,使用IGT的决策没有差异。 为了解开这些相互矛盾的结果,需要进一步研究,检查可能的干扰变量。 一个特定变量将在本研究的后面描述。
1.2。 PIU,冒险和冲动
由于PIU最初被描述为冲动控制障碍,因此在冲动和冒险的背景下进行了大量研究以探索PIU。 Cao,Su,Liu和Gao(2007) 和 李等人。 (2012) 表明PIU与特质冲动性呈正相关,用Barratt冲动量表(BIS-11)测量。 关于理论框架 Brand等。 (2016)在上面已经介绍过,人格因素中提到了冲动性,表现出与PIU最稳定的联系,因此,它被提出是影响其发展和维护的因素之一。 从广义上讲,冲动性的特征是“对内部或外部刺激的快速,无计划的反应的倾向,而不考虑这些反应对冲动的个体或其他人的负面影响”(Moeller,Barratt,Dougherty,Schmitz和Swann,2001; p。 1784年)。 风险承担的相关术语被定义为“在不确定性下执行的行为,有或没有固有的负面后果,没有强有力的应急计划”(Kreek,Nielsen,Butelman和LaForge,2005年; p。 1453). Ko等人。 (2010) 应用气球模拟风险任务(Lejuez等人,2002)测量风险承担,但未发现与PIU有显着关联。 在本研究中,我们再次通过同时应用自我报告以及冲动/冒险的实验测量来研究这些关联。
1.3。 性别对PIU / IGD的作用
在网络成瘾的背景下,另一个重要的问题是取决于性别对互联网特定功能(例如在线购物,在线游戏)的偏好。 来自德国的一项代表性研究表明,年龄介于77.1-14岁之间的互联网成瘾女性中,有24%的人使用社交网站,而同一年龄段的男性中有64,8%的人使用社交网站(Rumpf等,2011)。 在同一项研究中,有7.2%的14至24岁的互联网成瘾女性报告使用互联网玩在线视频游戏,而同一年龄段的男性为33.6%(Rumpf等,2011)。 因此,对于IGD而言,与女性参与者相比,男性参与者表现出更高的在线游戏偏好,并且据报道发展IGD的风险更高。 此外, Ko,Yen,Chen,Chen和Yen(2005) 观察到年龄越大,自尊心越低,日常生活满意度越低,男性的IGD越严重,而女性则越严重。 尽管有这些结果,仍然只有少数研究,系统地将参与者的性别视为PIU背景下的主持人/调解员变量。 然而,这些差异有可能在该领域中引起一些相反的结果,因此,在下面的研究中,它们将被考虑在内。
我们研究项目的目的是调查PIU之间的联系,以及IGD和一组易患IGD的男性参与者的隐性学习(研究1)。 在研究2时,我们旨在通过比较健康参与者和考虑性别的过度魔兽玩家来复制这些结果。 研究3的目的是探讨健康参与者中PIU,IGD与冲动/冒险(自我报告和实验数据)之间的关系。
基于上述文献,我们提出了以下假设:
我们期望PIU / IGD与内隐学习能力之间存在负相关(研究1)。
我们期望PIU / IGD与内隐学习能力之间存在负相关(研究2)。 我们预计这种负面联想在男性魔兽世界中最强。
我们期望PIU / IGD与健康参与者的冲动/冒险的自我报告和实验测量之间存在正相关关系(研究3)。
2。 研究1
2.1。 方法
2.1.1。 参与者
N = 107位参与者(99位男性,8位女性,年龄 M = 19.52, SD = 3.57)是在全球最大的游戏盛会德国“ Gamescom 2013”上招募的。 但是,由于本样本中女性参与者的数量非常少(n = 8),以及以上在IGD中报告的性别差异(例如 Rumpf等,2011),我们将女性参与者排除在研究的进一步分析之外。 在排除缺失数据的参与者之后,样本结果如下 n = 79名男性参与者(年龄 M = 19.81, SD = 3.62)。 关于他们的教育,有8.9%的人拥有大学或大专学历,另外40.5%的人拥有A级或职业学士学位文凭,还有26.6%的人拥有中学毕业证书或现代中学文凭,而24%的人没有学校文凭。
2.1.2。 措施
参与者回答了关于他们的年龄,性别和教育的问题,填写了短版的网络成瘾测试(s-IAT, Pawlikowski,Altstötter-Gleich和品牌,2013年; 本样本中Cronbach的Alpha为0.70,包含12个李克特量表项(1 =从未到5 =非常频繁)和在线游戏成瘾量表(OGAS,是游戏成瘾量表的修订版) Lemmens,Valkenburg和Peter,2009年,其中在每个项目上都添加了“在线”一词; 本样本中的Cronbach's Alpha为0.66),由7个项目组成,范围为1 =从不和5 =非常频繁。 此外,参与者对他们的计算机游戏体验进行了评分(例如“您玩计算机游戏多少年了?”或“您每周平均玩几小时在线计算机游戏?”)。 管理了一项自我报告的风险承担措施,其中包括一项关于整体风险承担趋势的项目(“您如何描述自己从0(根本不愿意承担风险)到10(绝对愿意承担风险)?” ); 德国社会经济专家小组(SOEP; Siedler,Schupp,Spiess和Wagner,2008年)。 我们使用了稍作调整的实验任务(“魔鬼的胸部”),该任务是根据 Eisenegger等。 (2010),以衡量内隐学习。 在每次36试验中,我们在计算机屏幕上展示了10张封闭木箱的照片。 盒子排成一排,参与者有机会随后打开自选数量的盒子,从左到右工作。 参与者被告知其中9个盒子包含虚拟货币奖励(5美分),其中一个包含“魔鬼”。 如果参与者仅在特定的试验中打开奖励盒,则他们通过获得奖励的总和进行下一次试验。 如果他们打开一个包含魔鬼的盒子,与其他盒子一起打开,他们就失去了当前审判的一切。 即将到来的魔鬼位置在36试验中被随机化,但出现在从2到10的每个位置2 恰好四次。 尽管参与者没有提到这一点,但具有较高认知技能的参与者可能已经对此规则产生了隐含的理解,并且可能已经学会在实验过程中表现更好。 实验结束时的货币奖励总额进一步称为“GAIN”,将用作内隐学习的衡量标准。 实验设置描述于 图。 1.
实验性地设置了魔鬼的箱子-用魔鬼打开箱子导致失去了给定审判中收集到的所有硬币。
2.1.3。 程序
我们自己的工作组将所有仅以英语提供的调查表翻译成德语。 参与者首先填写问卷,然后完成魔鬼的胸部实验。 请注意,研究1的参与者在完成实验后没有获得任何金钱奖励,并且在完成实验之前已将这一事实告知他们。
2.1.4。 统计分析
对于以下分析,通过应用经验法则检查数据的正态性 Miles和Shevlin(2001; p.74),考虑研究变量的偏度。 根据数据的分布,使用Pearson或Spearman的相关性计算相关性分析,并为每个相关性系数计算自举偏差校正和加速的置信区间(BCa 95%置信区间),以进一步检验其重要性。 在比较实验的前18次试验的收益和后18次试验的收益时,使用重复测量ANOVA来测试隐性学习效果。
2.1.5。 伦理
该研究项目(研究1,2和3)得到了德国波恩波恩大学地方伦理委员会的批准。 所有受试者在完成研究前提供了知情同意书。
2.2。 结果
调查中变量的均值和标准差列于 表1.
表1
变量游戏体验(年),每周在线游戏时间,s-IAT,OGAS,GAIN和冒险(自我报告)的平均值,标准差(SD)和可能/实际范围。
平均值 | SD | 可能的范围 | 实际范围 | |
---|---|---|---|---|
游戏专长(年) | 11.09 | 4.31 | – | 3-24 |
每周在线游戏时间 | 22.24 | 16.00 | – | 0-70 |
S-IAT | 23.86 | 5.38 | 12-60 | 12-43 |
OGAS | 14.75 | 4.36 | 7-35 | 7-26 |
获得 | 413.61 | 71.97 | 0-900a | 160-520 |
承担风险(自我报告) | 6.77 | 1.89 | 0-10 | 3-10 |
N = 79,冒险(自我报告),n = 64。
2.2.1。 相关分析
只有变量GAIN没有正态分布。 参与者的年龄与GAIN呈正相关(ρ= 0.27, p <0.05)。 此外,GAIN与s-IAT得分呈负相关(ρ= − 0.26, p <0.05)。 此外,我们计算了GAIN和s-IAT得分的部分相关性以控制年龄。 相关性仍然显着(r = − 0.28, p <0.05)。 GAIN与OGAS得分之间的负相关性并未达到显着性水平(ρ= − 0.20, p = 0.073),并且在控制了年龄之后仍然保持不显着(r = − 0.12, p = 0.292)。 在检查BCa 95%置信区间后,所有显着的相关性仍然很显着。 请参阅 表2 有关结果的概述。
表2
“魔鬼的胸部”实验中的GAIN与s-IAT,OGAS得分和冒险精神(自我报告)之间的相关性。
获得 | S-IAT | OGAS | 承担风险(自我报告) | |
---|---|---|---|---|
获得 | 1 | |||
S-IAT | − 0.264⁎ | 1 | ||
OGAS | − 0.203 | 0.511⁎⁎ | 1 | |
承担风险(自我报告) | 0.148 | 0.129 | 0.187 | 1 |
N = 79,冒险(自我报告) n = 64; Spearman相关性在 斜体.
2.3。 讨论
总而言之,正如我们在假设中所提出的,在研究中,1网络成瘾与内隐学习能力不足有关。 这一结果进一步证明了PIU背景下不良决策的作用(如 Brand等,2016)。 与IGD的联系方向相同,但没有达到显着性。 这可以通过本研究中相对较小的样本量和/或OGAS量表的相对较低的内部一致性(0.66)来解释。 为了进一步研究这些关系并比较男性和女性参与者之间以及游戏玩家和非游戏玩家之间的结果,进行了研究2。
3。 研究2
第二项研究的目的是通过使用对《魔兽世界》幼稚的《魔兽世界》玩家和控制参与者的样本来复制研究1的结果。 鉴于在倾向于IGD的男性参与者中可以观察到s-IAT和GAIN之间的关联,作为内隐学习的度量,因此我们有兴趣看到研究1的结果重复出现,尤其是在男性魔兽玩家中。
3.1。 方法
3.1.1。 参与者
魔兽玩家和控制参与者参加了研究。 WoW玩家是根据以下条件招募的:WoW游戏经验至少两年。 排除标准是每周玩《魔兽世界》以外的其他游戏,且每周玩游戏> 7小时,但是最好招募没有其他游戏经验的参与者。 控制人员必须天真,因此以前没有玩过该游戏的经验。 两组参与者的排除标准为视力障碍,阅读和写作困难,色盲,脑震荡,长期服药,神经和精神疾病,听力障碍和大量使用毒品。 在对样品进行彻底检查之后,我们排除了由于饮食失调和每天食用大麻而导致的一名参与者,由于神经系统疾病和精神疾病导致的一名参与者以及由于sIAT和OGAS的极高值而导致的对照组中的一名参与者以及缺少数据的参与者,导致 n = 77名对照参与者(39名男性)和 n = 44名魔兽玩家(28名男性)。 6.5%(n = 5%的对照组参与者表示随意使用在线角色扮演游戏(每周<3小时游戏)和23.4%(n = 18)报告了自我射击游戏的随意使用情况(每周少于1小时游戏)。 总样本的平均年龄为 M = 23.70(SD = 3.93)。 关于他们的教育,有10.7%的人表示拥有大学学历,另有85.9%的人表示具有A级或职业学士学位文凭,还有2.5%的人称具有中学毕业证书或现代中学文凭。 一个人(0.9%)没有回答有关教育的问题。
3.1.2。 措施
这里又是s-IAT(Pawlikowski等,2013; 本样品中Cronbach的Alpha为0.76),OGAS(通过 Lemmens等,2009; 本样本中Cronbach的Alpha为0.88),并评估了计算机游戏体验。 此外,《魔兽世界特定问题用法参与度问卷》(WoW-SPUQ)由27个项目组成,评分等级为1 =“完全不同意”到7 =“完全同意”(彼得斯与马列斯基(Peters&Malesky),2008年; 本样本中的Cronbach's Alpha为0.89)仅由WoW组填写。 此外,Barratt冲动量表(BIS-11; Patton和Stanford,1995年; 在本样本中,Cronbach的Alpha为0.85,作为冲动性的衡量指标(从30 =“很少/从不”到1 =“几乎总是/始终”评分)4分。 使用此量表,可以评估三个二阶因素:注意冲动性定义为无法集中注意力或集中注意力; 运动性冲动涉及不加思索地行动,而非计划性冲动则涉及缺乏“未来感”或前瞻性(斯坦福等人,2009)。 本研究中分量表的内部一致性分别为0.73,0.69和0.69。
3.1.3。 程序
参加者参加了一项大型的纵向研究,调查心理变量旁边的生物学因素及其在IGD中的作用。 对于本研究,仅使用第一个测量点的数据来测试和复制研究1的结果(第二次完成魔鬼的胸部实验(T2)显然不像研究1那样幼稚) )。 问卷和实验的完成顺序与研究1相同。与研究1相比,研究2中的参与者获得了他们在“魔鬼的胸部”实验中赢得的金额,并且被告知这一事实。在完成实验之前。
3.1.4。 统计分析
类似地进行数据评估以研究1。
3.2。 结果
OGAS评分和每周在线游戏时间在男性和女性对照组中非正常分布。 此外,s-IAT评分和年龄在女性对照参与者组中是非正态分布的。 基于研究1中的发现,单侧测试GAIN和雄性WoW球员组中s-IAT得分之间的相关性。
控制参与者和魔兽玩家的描述性统计数据见 表3。 与雄性和雌性魔兽玩家相比,男性和女性对照参与者的游戏体验,每周在线游戏时间和OGAS分数显着降低(参见 表3)。 此外,与女性对照参与者相比,女性魔兽玩家在s-IAT上的得分显着更高。 所有其他变量在对照参与者和魔兽玩家之间没有显着差异。
表3
平均值,标准差(SD),可能/实际范围, t-/U 对于变量游戏体验(年),每周在线游戏时间,GAIN,s-IAT,OGAS,WoW-SPUQ和BIS-11,对照参与者和魔兽世界组之间的平均值差异的价值和意义(p)。
控制组 | 魔兽玩家 | 可能的范围 | 实际范围 | t-/U 折扣值 | p | |||
---|---|---|---|---|---|---|---|---|
平均值 | SD | 平均值 | SD | |||||
男性参与者 | ||||||||
游戏专长(年) | 9.49 | 6.81 | 14.29 | 4.85 | – | 0-22 / 6,25 | − 3.369 | 0.001 |
每周在线游戏时间 | 1.18 | 2.11 | 19.71 | 11.44 | – | 0-9 / 0,50 | 30.0 | <0.001 |
获得 | 450.77 | 39.10 | 443.04 | 54.30 | 0-900 | 370-510 / 305,525 | 0.678 | 0.500 |
S-IAT | 21.67 | 6.53 | 23.79 | 6.90 | 12-60 | 12-42 / 14,41 | − 1.280 | 0.205 |
OGAS | 8.67 | 2.39 | 15.79 | 5.85 | 7-35 | 7-17 / 9,29 | 94.5 | <0.001 |
哇SPUQ | – | – | 87.57 | 23.26 | 27-189 | - / 53-134 | – | – |
BIS-11总计 | 65.00 | 13.39 | 64.63 | 8.94 | 30-120 | 40-99 / 53,90 | 0.125 | 0.901 |
BIS-11受到关注 | 17.13 | 4.95 | 16.57 | 2.85 | 8-32 | 8-30 / 12,21 | 0.579 | 0.565 |
BIS-11电机 | 23.16 | 4.81 | 22.43 | 3.66 | 11-44 | 14-35 / 16,33 | 0.671 | 0.504 |
BIS-11非规划 | 24.71 | 5.32 | 25.74 | 4.77 | 11-44 | 14-40 / 16,40 | − 0.803 | 0.425 |
女性参与者 | ||||||||
游戏专长(年) | 3.86 | 5.76 | 11.50 | 5.29 | – | 0-15 / 1,20 | − 4.557 | <0.001 |
每周在线游戏时间 | 0.09 | 0.43 | 17.56 | 9.06 | – | 0-2.5 / 1,37.5 | 1.5 | <0.001 |
获得 | 429.74 | 39.98 | 439.06 | 58.72 | 0-900 | 330-510 / 295,510 | − 0.678 | 0.501 |
S-IAT | 18.58 | 4.99 | 21.44 | 5.24 | 12-60 | 13-36 / 14,30 | 199.5 | 0.047 |
OGAS | 7.11 | 0.51 | 13.50 | 3.69 | 7-35 | 7-10 / 9,21 | 4.0 | <0.001 |
哇SPUQ | – | – | 81.63 | 22.42 | 27-189 | - / 50-119 | – | – |
BIS-11总计 | 61.25 | 9.14 | 61.73 | 6.16 | 30-120 | 37-87 / 53,77 | − 0.187 | 0.852 |
BIS-11受到关注 | 16.61 | 3.55 | 17.06 | 3.38 | 8-32 | 10-25 / 10,22 | − 0.438 | 0.663 |
BIS-11电机 | 21.08 | 3.93 | 21.80 | 3.97 | 11-44 | 12-31 / 17,29 | − 0.592 | 0.557 |
BIS-11非规划 | 23.97 | 4.16 | 23.31 | 2.70 | 11-44 | 13-35 / 17,27 | 0.584 | 0.562 |
注意:进行Mann-Whitney-U-Test以比较非正态分布变量的均值。 结果在表中以斜体显示。
3.2.1。 相关分析
对于男性或女性对照组的参与者,参与者的年龄与GAIN,s-IAT或OGAS评分无显着相关性。 所有其他相关性都显示在 表4。 在这里,GAIN与男性和女性参与者的s-IAT和OGAS评分没有显着关联。 此外,s-IAT评分与男性对照参与者的BIS-11子量表注意力冲动呈正相关。 所有重要的相关性 表4 在检查BCa 95%置信区间后仍然显着。
表4
Spearman和Pearson对于参与对照组的变量GAIN,s-IAT,OGAS和BIS-11的相关性,在男性和女性中分开。
获得 | S-IAT | OGAS | BIS-11总计 | BIS-11受到关注 | BIS-11电机 | |
---|---|---|---|---|---|---|
男性参与者 | ||||||
获得 | 1 | |||||
S-IAT | − 0.053 | 1 | ||||
OGAS | 0.238 | 0.139 | 1 | |||
BIS-11总计 | 0.020 | 0.248 | 0.349⁎ | 1 | ||
BIS-11受到关注 | 0.109 | 0.426⁎⁎ | 0.301 | 0.866⁎⁎ | 1 | |
BIS-11电机 | − 0.064 | 0.094 | 0.338⁎ | 0.843⁎⁎ | 0.612⁎⁎ | 1 |
BIS-11非规划 | 0.095 | 0.143 | 0.198 | 0.906⁎⁎ | 0.707⁎⁎ | 0.660⁎⁎ |
女性参与者 | ||||||
获得 | 1 | |||||
S-IAT | 0.118 | 1 | ||||
OGAS | − 0.088 | 0.257 | 1 | |||
BIS-11总计 | − 0.139 | 0.232 | 0.156 | 1 | ||
BIS-11受到关注 | 0.161 | 0.282 | − 0.022 | 0.749⁎⁎ | 1 | |
BIS-11电机 | − 0.219 | 0.201 | 0.292 | 0.764⁎⁎ | 0.312 | 1 |
BIS-11非规划 | − 0.138 | 0.118 | − 0.119 | 0.868⁎⁎ | 0.531⁎⁎ | 0.478⁎⁎ |
Spearman相关性描述于 斜体.
n(男)= 39,n(男,BIS-11)= 38,n(女)= 38,n(女,BIS-11)= 36。
对于男性和女性魔兽世界的球员,年龄与GAIN,s-IAT,OGAS或WoW-SPUQ得分没有显着相关性。 所有其他相关性都显示在 表5。 在这里,GAIN与s-IAT负相关,以及WoW-SPUQ得分仅在男性魔兽玩家组中。 然而,这些相关性仅表现出显着的趋势(r = − 0.30, p = 0.063,单面测试和 r = − 0.313, p = 0.104,两尾测试)。 在检查BCa 95%置信区间后,所有显着的相关性仍然很显着。
表5
Spearman和Pearson关于变量GAIN,s-IAT,OGAS,WoW-SPUQ得分和BIS-11对于WoW玩家群体的相关性,分为男性和女性。
获得 | S-IAT | OGAS | 哇- SPUQ | BIS-11总计 | BIS-11受到关注 | BIS-11电机 | |
---|---|---|---|---|---|---|---|
男性参与者 | |||||||
获得 | 1 | ||||||
S-IAT | − 0.296 | 1 | |||||
OGAS | − 0.105 | 0.776⁎⁎ | 1 | ||||
哇SPUQ | − 0.313 | 0.688⁎⁎ | 0.742⁎⁎ | ||||
BIS-11总计 | 0.025 | 0.197 | 0.284 | 0.023 | 1 | ||
BIS-11受到关注 | 0.054 | − 0.011 | 0.019 | − 0.219 | 0.658⁎⁎ | 1 | |
BIS-11电机 | − 0.038 | 0.170 | 0.231 | 0.187 | 0.761⁎⁎ | 0.218 | 1 |
BIS-11非规划 | 0.033 | 0.220 | 0.312 | 0.027 | 0.892⁎⁎ | 0.451⁎ | 0.521⁎⁎ |
女性参与者 | |||||||
获得 | 1 | ||||||
S-IAT | 0.026 | 1 | |||||
OGAS | − 0.024 | − 0.067 | 1 | ||||
哇SPUQ | − 0.199 | 0.144 | 0.676⁎⁎ | ||||
BIS-11总计 | 0.048 | 0.080 | − 0.614⁎ | − 0.157 | 1 | ||
BIS-11受到关注 | − 0.139 | 0.194 | − 0.260 | 0.054 | 0.504 | 1 | |
BIS-11电机 | 0.266 | − 0.013 | − 0.676⁎⁎ | − 0.305 | 0.845⁎⁎ | 0.170 | 1 |
BIS-11非规划 | 0.012 | − 0.166 | 0.057 | 0.256 | 0.420 | − 0.222 | 0.250 |
对于男性参与者,实验中的GAIN与s-IAT评分之间的相关性是单侧测试的。
n(男)= 28,n(男,BIS-11)= 27,n(女)= 16,n(女,BIS-11)= 15。
3.2.2。 对“魔鬼的胸部”实验的操作检查,作为内隐学习的一种手段
重复测量ANOVA的结果并未显示男性组中“魔鬼的胸部”实验的前18个试验和最后18个试验之间的GAIN均值差异显着(F(1,38)= 1.949, p = 0.171; M1 = 232.56,M2 = 218.21),而女性(F(1,37)= 0.594, p = 0.446; M1 = 221.18和M2 = 209.87)作为对照参与者。 对于整个对照参与者样本,结果仍然不显着(F(1,76)= 2.102,p = 0.151),而在整个《魔兽世界》参与者样本中,结果却具有重要意义(F(1,43)= 4.298, p = 0.044)(请参阅 图。 3)。 对于男性《魔兽世界》玩家群,试验1–18和19–36之间的差异达到了显着性(F(1,27)= 5.377, p = 0.028,M1 = 235.54,M2 = 205.54; 因此,与M2相比,M1中的结局较低),而对于女性《魔兽世界》玩家而言,这并不重要(F(1,15)= 0.295, p = 0.595,M1 = 225.31和M2 = 213.75)。
对照参与者(左图)和魔兽世界玩家(右图)在“魔鬼的胸部”实验的前18次与后18次试验中获得的GAIN平均值和标准误差。 MU =货币单位。
3.3。 讨论
研究2的目的是通过比较WoW参与者和对照参与者来复制研究1的结果。 GAIN和s-IAT以及WoW-SPUQ得分之间的负相关显示出仅在雄性魔兽世界中显着的趋势。 然而,非常小的男性魔兽玩家样本(n = 28)也许可以解释这种较弱的影响。 操纵性检查仅显示了男性“魔兽”玩家组在前18个试验和最后2个试验中的GAIN有显着差异,其中参与者在实验的第二部分显示的收益低于第一部分。 我们想提醒读者,研究1的参与者获得了一定数额的钱,他们在实验中赢了,并且在开始实验之前他们已经意识到了这一事实。 因此,在这种情况下,与研究XNUMX相比,参与者的外部动机可能更高。实际上,比较Gamescom参与者和男性WoW玩家之间的GAIN方式,很明显,即使WoW玩家做了与实验的第一部分相比,在实验的第二部分中,更糟糕的是,他们的总获胜率仍高于男性Gamescom参与者(参见 表1, 表3:对于Gamescom参与者,M = 413.61,对于男性魔兽玩家,M = 443.04)。 因此,为了控制潜在的动机干扰作用,我们使用Unified-Motive-Scale-10(UMS-10; Schönbrodt&Gerstenberg,2012年)。 USM-10数据作为更大纵向研究的一部分提供。
3.3.1。 其他分析
特别是,我们与可变成就动机(UMS-10; Schönbrodt&Gerstenberg,2012年,则本研究中Cronbach的Alpha为0.89),研究2中的s-IAT,WoW-SPUQ得分和GAIN。 r = − 0.296, p = 0.063(请参阅 表5; 单尾测试) r = − 0.322, p = 0.054(单尾测试)。 WoW-SPUQ和GAIN之间的关联也从 r = − 0.313, p = 0.104(请参阅 表5; 双尾测试) r = − 0.354, p = 0.082(两尾测试)。 对于女性魔兽玩家和控制参与者,控制动机后,s-IAT,WoW-SPUQ得分和GAIN之间的相关性仍然不显着。
4。 研究3
研究3的重点是通过使用实验和自我报告测量来测试PIU,IGD和冲动/冒险之间的关联。
4.1。 方法
4.1.1。 参与者
在排除五名缺少数据的参与者和一名参与者由于超出范围(例如,每周200小时的电脑游戏)而做出的回应后,本研究的样本得出了 N = 94名参与者(33名男性)。 他们大多数是德国乌尔姆乌尔姆大学的心理学学生。 总样本的平均年龄为 M = 23.48(SD = 3.55)。 关于他们的教育,有27%的人报告说拥有大学或大专学历,另外67%的人报告说拥有A级或职业学士学位文凭,6%的参与者(n = 6)没有回答有关其教育的问题。
4.1.2。 措施
s-IAT(Pawlikowski等,2013; 本样本中Cronbach的Alpha为0.81),即OGAS(GAS的修改版,由 Lemmens等,2009; 本样本中Cronbach的Alpha为0.81),BIS-11(Patton和Stanford,1995年; 本样本中的Cronbach's Alpha为0.80)和整体冒险行为(德国社会经济专家组,SOEP; XNUMX年)。 Siedler等,2008)进行了评估。 BIS-11分量表的内部一致性如下:注意冲动0.70,运动冲动0.70和非计划冲动0.39。 此外,对“魔鬼的胸部”实验进行了略微调整,以测量冲动/冒险行为(与研究1和2相比,此处,“魔鬼”的位置在所有试验中都完全随机化,因此无法进行学习)。 在这里,每个试验中自愿打开的盒子的平均数(MNOB)被用作冲动/冒险的量度。 这与 Eisenegger等。 (2010).
4.1.3。 程序
问卷和实验按照与研究1和2相同的顺序完成,但是,参与者在计算机屏幕上填写问卷。 在这项研究中,参与者获得了参与研究的补偿(亚马逊凭证或课程学分),但他们没有支付特定金额,他们在计算机实验中获胜。 在完成实验之前,参与者被告知该程序。
4.1.4。 统计分析
类似于研究1和2进行统计分析。
4.2。 结果
值得注意的是,每周在线游戏时间和OGAS得分的变量不是正常分布的。 描述性统计报告在 表6。 参与者在游戏专业知识方面拥有多年的游戏专业知识,但在线游戏的实际时间非常少。 模拟研究2,我们在这里比较,如果男性和女性参与者的变量不同,如图所示 表6。 观察到游戏专业知识(年)的变量存在显着差异(U(33,61) = 385.0, p <0.001),每周在线游戏时间(U(33,61) = 663.5, p <0.001),冒险(自我报告)(U(33,61) = 732.0, p <0.05)和OGAS(U(33,61) = 562.5, p <0.001),其中男性参与者的得分高于女性参与者。
表6
变量游戏体验(年),每周游戏时间,冒险(自我报告),s-IAT,OGAS,BIS-11和MNOB的均值,标准差(SD)和可能/实际范围。
平均值 | SD | 可能的范围 | 实际范围 | |
---|---|---|---|---|
游戏专长(年) | 6.31 | 6.51 | – | 0-21 |
每周在线游戏时间 | 0.56 | 1.86 | – | 0-15 |
承担风险(自我报告) | 5.10 | 1.82 | 0-10 | 1-9 |
S-IAT | 22.99 | 5.71 | 12-60 | 12-42 |
OGAS | 8.00 | 2.05 | 7-35 | 7-18 |
BIS-11总计 | 61.37 | 9.17 | 30-120 | 44-84 |
BIS-11受到关注 | 16.54 | 3.47 | 8-32 | 10-28 |
BIS-11电机 | 21.68 | 4.33 | 11-44 | 14-35 |
BIS-11非规划 | 23.15 | 3.45 | 11-44 | 17-32 |
MNOB | 4.90 | 0.79 | 0-10 | 3.22-7.5 |
4.2.1。 相关分析
年龄与OGAS得分相关(ρ= 0.24, p <0.05)。 MNOB与OGAS评分之间的相关性也达到显着性(ρ= 0.21, p <0.05)。 在控制了年龄之后,MNOB和OGAS得分之间的相关性增加到 r = 0.37, p <0.01(r = 0.45, p 男性和女性<0.05 r = 0.28, p 女性<0.05)。 所有其他相关性在 表7.
表7
Spearman和Pearson关于变量MNOB,冒险(自我报告),s-IAT,OGAS和BIS-11的相关性。
MNOB | 承担风险(自我报告) | S-IAT | OGAS | BIS-11总计 | BIS-11受到关注 | BIS-11电机 | |
---|---|---|---|---|---|---|---|
MNOB | 1 | ||||||
承担风险(自我报告) | 0.086 | 1 | |||||
S-IAT | 0.115 | − 0.124 | 1 | ||||
OGAS | 0.209⁎ | 0.092 | 0.235⁎ | 1 | |||
BIS-11总计 | 0.316⁎⁎ | 0.458⁎⁎ | 0.150 | 0.283⁎⁎ | 1 | ||
BIS-11受到关注 | 0.284⁎⁎ | 0.196 | 0.345⁎⁎ | 0.296⁎⁎ | 0.770⁎⁎ | 1 | |
BIS-11电机 | 0.236⁎ | 0.576⁎⁎ | − 0.018 | 0.261⁎ | 0.847⁎⁎ | 0.443⁎⁎ | 1 |
BIS-11非规划 | 0.257⁎ | 0.299⁎⁎ | 0.075 | 0.148 | 0.821⁎⁎ | 0.487⁎⁎ | 0.551⁎⁎ |
注意:Spearman相关性用斜体表示。
4.2.2。 对“魔鬼的胸部”实验的操作检查,以衡量冲动/冒险行为:
MNOB与参与者的BIS-11评分呈正相关(见 表7因此,目前的措施显然与冲动行为有关。 MNOB与整体风险承担的自我报告指标之间没有显着的相关性(见 表7)。 类似于研究1和2,我们比较了第一次和最后一次18试验中的GAIN,以排除学习效应的作用。 男性没有显着差异(F(1,32)= 2.365, p = 0.134,M1 = 219.24和M2 = 235.61)或女性参与者(F(1,60)= 0.155, p = 0.695,M1 = 224.02和M2 = 220.57)。 整个样本的结果也没有显着性(F(1,93)= .265,p = 0.608)(请参阅 图。 4).
与“魔鬼的胸部”实验的最后18次试验中的GAIN相比,前18次试验中GAIN的均值和标准误。 MU =货币单位。
5。 一般讨论;一般交流
在下文中,提供了1,2和3研究结果的摘要以及它们对该领域的贡献的讨论。
在研究1中,较高的s-IAT评分与男性参与者的隐性学习任务的较差表现相关,易于发生IGD。 然而,参与者的OGAS评分与变量GAIN没有显着关联(尽管存在显着趋势)。 在研究2中,我们的目标是在一组魔兽玩家和对照参与者中复制研究结果1。 在这里,还考虑了参与者的性别。 高s-IAT分数以及高WoW-SPUQ分数在实验中显示出低GAIN的趋势仅在雄性魔兽玩家群体中(r = − 0.322, p = 0.054,单面测试和 r = − 0.354, p = 0.082,分别为两尾测试)。 两组中的OGAS评分均未再次与GAIN相关联。 在研究3中,在一个学生样本中,控制年龄后,冒险行为的实验测量值MNOB与OGAS得分呈正相关,但与s-IAT得分却没有正相关。
总而言之,似乎过度使用互联网与内隐学习能力的缺陷有关。 在s-IAT评分和WoW-SPUQ评分中观察到这种关联,但在当前研究中没有观察到OGAS评分。 现有文献提供的结果支持:有问题的互联网用户的决策缺陷(例如, Sun等人,2009),以及过多的在线游戏玩家(例如 姚等人,2014)。 此外,最近提出了一种新的理论模型I-PACE(人 - 情感 - 认知 - 执行的相互作用) Brand等。 (2016),这突出了减少执行功能和削弱决策制定特定PIU的作用。 与OGAS得分相比,WoW-SPUQ得分的更强效果可能反映出选择更具体的测量来评估WOW成瘾。 但是,还需要进一步调查。
PIU与本研究中降低的内隐学习能力之间的关联仅在具有(倾向于)IGD(研究1和2)的男性参与者群体中发现,这可能进一步有助于解释部分相互矛盾的结果。文献中的决策和PIU(例如 Ko等人,2010, Sun等人,2009)。 然而,这种关联似乎是合理的,因为研究表明IGD主要是男性成瘾(例如 Rumpf等,2011).
考虑到 假设3,用BIS-11测量的冲动性和PIU / IGD(研究2和3)之间可以找到一些重要的关联,这与文献中的发现一致(例如 Lee等人,2012)。 尽管两项研究均未将自我报告风险承担措施(SOEP)与PIU / IGD相关联,但风险承担/冲动的实验措施与OGAS得分相关(研究3),但与s-IAT分数。 这种特殊的差异可能是由于涉及措施可靠性的问题所致。 尽管对自我报告的冒险行为进行了单项评估,但预期的实验性冒险措施可提供客观可靠的数据。 关于MNOB和OGAS评分之间的关联,魔鬼的胸部实验(第2版,其中的盒子在36个试验中完全随机化)可能涵盖了冲动的更具体方面(如冒险),这可以更好地表征IGD比广义的PIU。 然而, Ko等人。 (2010) 在具有IGD倾向的网络成瘾受试者和对照参与者之间,风险承担(用BART测量)没有差异。 因此,这种关联需要进一步调查。
在研究1中,“魔鬼的胸部”实验的操作检查成功地测量了隐性学习,因此,我们假设参与者可以隐式提取和学习策略,从而在整个实验中获得更多的钱。 但是,在研究2中,在实验1-18和19-36中,除了男性《魔兽世界》玩家组,参与者在实验的第二部分表现出较低的收益外,没有观察到显着差异。 在这里,我们在其他分析中显示,在控制成就动机之后,GAIN与s-IAT / WOW-SPUQ得分之间的负相关性变得更强。 因此,我们建议在研究2中,内隐学习效果被成就动机的影响所掩盖,因为参与者获得的报酬是他们在实验中获得的。 在这一点上,需要指出的是,UMS-10测量的是特质成就动机,因此,倾向于在总体上而不是在状态下动机追求更大的成就,因此在这个特定的实验中会赢得更多的动机。 但是,通过控制UMS-10成就动机,我们考虑了个体动机在特质动机中对样本中魔鬼的胸部任务表现的作用。
对第二版“魔鬼的胸膛”实验进行度量冒险/冲动性的验证表明,自愿打开的盒子的平均数量(MNOB)与自我报告的冒险行为没有显着关联。 这可能是由于SOEP仅评估一项风险而进行的,这反过来可能对其可靠性产生负面影响。 但是,MNOB与BIS-11总得分以及注意,运动和非计划冲动分量表有关。 这些结果与BART(Lejuez等人,2002).
在下文中,将讨论所提出的研究的一些优点和局限性。 本调查的一个优点是考虑到性别的作用。 尽管在IGD和PIU的背景下描述了性别差异(Rumpf等,2011),在本研究中,没有多少调查特别评估了PIU / IGD与内隐学习/冒险之间关联时性别的作用。 此外,在2研究中,使用严格的标准招募了魔兽世界的球员,而不是简单地在自我报告问卷(如OGAS)中应用截止值。 截止值的使用是有问题的,因为在研究中使用的许多截止值有时是任意选择的并且在临床环境中没有得到适当的验证。 最后,在1到3的研究中,我们评估了PIU和IGD,这可以进一步检查这两种疾病的相似性和独特特征。
局限性包括每组的参与者人数少,尤其是在研究2中,以及参与者的年龄低。 因此,未来的研究应检查更具代表性的样本。 第二,不包括非互联网参与者过多的互联网用户的比较组。 此外,研究结果基于相关性分析,因此,不可能对因果关系进行解释。
6。 结论
总而言之,我们能够证明PIU与男性(WoW)游戏玩家的内隐学习能力差强有关。 在本研究中,可以在两个独立的样本中观察到这一发现。 此外,在男性魔兽世界中,可以观察到WOW-SPUQ与缺乏内隐学习之间的关联稍微弱一些。 此外,在研究3中,OGAS得分越高,冒险行为的倾向越高。 本研究进一步讨论了1和2研究中的性别特异性影响。
资金来源的作用
Christian Montag被德国研究基金会(MO 2363 / 3-1)授予海森堡奖。 此外,本研究由德国研究基金会(MO 2363 / 2-1)授予Christian Montag的互联网和计算机游戏成瘾研究基金资助。 德国研究基金会在研究设计,收集,分析或解释数据,撰写手稿或决定提交论文以供发表时没有任何作用。
合作者
CM和RS设计了这项研究。 RS,BL和CM招募并测试了参与者。 RS进行了分析并撰写了手稿。 BL双重检查了统计分析并审阅了手稿。 SM编写了实验任务(版本1和2),并在审阅后对稿件给出了全面的反馈。 MR严格审查了手稿。 所有作者都参与并批准了最终稿件。
致谢
我们感谢Turtle Entertainment的Ralf Reichert让我们有机会在GamesCom 2013上进行实验。 但是,Turtle Entertainment没有获得任何利润或对研究的执行产生影响。
我们还要感谢Maximilian Sieber和Otilia Pasnicu,他们招募并测试了3研究的参与者,作为他们学士论文的一部分。
脚注
1在本文中,我们将使用“有问题的互联网使用”(PIU)这一术语来代替网络成瘾,因为DSM-5和ICD 10目前尚无官方诊断。 由于互联网游戏障碍(IGD)包含在DSM-5的附录中,该术语将用作在线游戏成瘾的同义词。 请注意,并非我们在本文中引用的每项研究都使用DSM-5中建议的标准对IGD进行了调查。
2值得注意的是,“魔鬼”盒子没有编程出现在1位置,因为这会终止当前的试验,而不会让参与者有机会选择是否想要打开另一个盒子。
参考资料
- 美国精神病学协会。 精神障碍的诊断和统计手册5th ed。,(text rev。,检索9月7th,2016)。 http://www.dsm5.org/Pages/Default.aspx
- Bechara A.,Dolan S.,Denburg N.,Hindes A.,Anderson SW,Nathan PE决策缺陷,与功能失调的腹内侧前额叶皮层相关,在酒精和兴奋剂滥用者身上发现。 神经心理学。 2001;39(4):376-389。 [考研]
- Brand M.,Labudda K.,Markowitsch HJ神经心理学在模糊和风险情况下的决策制定相关。 神经网络。 2006;19(8):1266–1276. [考研]
- 品牌M.,年轻KS,莱尔C.,沃夫林K.,波坦察MN整合了有关特定互联网使用障碍的发展和维持的心理和神经生物学考虑因素:人-影响-认知-执行(I-PACE)模型的相互作用。 神经科学与生物行为学评论。 2016;71:252-266。 [考研]
- Cao F.,Su L.,Liu T.,Gao X.中国青少年样本中冲动性与网络成瘾的关系。 欧洲精神病学。 2007;22(7):466-471。 [考研]
- 戴维斯RA病理性互联网使用的认知行为模型。 人类行为中的计算机。 2001;17(2):187 195。
- Eisenegger C.,Knoch D.,Ebstein RP,Gianotti LR,SándorPS,Fehr E. Dopamine receptor D4 polymorphism预测L-DOPA对赌博行为的影响。 生物精神病学。 2010;67(8):702–706. [考研]
- 爱泼斯坦S.认知体验的人格自我理论。 在:Millon T.,Lerner MJ,编辑。 心理学手册。 5th ed。 威利; 霍博肯:2003。 pp.159-184。
- 互联网实时统计世界互联网用户。 2016。 http://www.internetlivestats.com/internet-users/ 检索了9月7th。
- Ko CH,Yen JY,Chen CC,Chen SH,Yen CF影响台湾青少年网络游戏成瘾的性别差异及相关因素。 神经与精神疾病杂志。 2005;193(4):273–277. (doi:00005053-200504000-00008 [pii]) [考研]
- Ko CH,Hsiao S.,Liu G.,Yen J.,Yang M.,Yen C.具有网络成瘾的大学生的决策特征,冒险风险和个性。 精神病学研究。 2010;175(1):121–125. [考研]
- Kreek MJ,Nielsen DA,Butelman ER,LaForge KS遗传影响冲动,冒险,压力响应和易受药物滥用和成瘾的影响。 自然神经科学。 2005;8(11):1450–1457. [考研]
- Laier C.,Pawlikowski M.,Brand M.性图片处理干扰了歧义下的决策。 性行为档案。 2014;43(3):473–482. [考研]
- Lee HW,Choi J.,Shin Y.,Lee J.,Jung HY,Kwon JS网络成瘾的冲动:与病态赌博的比较。 网络心理学,行为和社交网络。 2012;15(7):373–377. [考研]
- Lejuez CW,阅读JP,Kahler CW,Richards JB,Ramsey SE,Stuart GL,...... Brown RA风险评估的行为测量:气球模拟风险任务(BART)实验心理学杂志:应用。 2002;8(2):75–84. [考研]
- Lemmens JS,Valkenburg PM,Peter J.开发和验证青少年的游戏成瘾量表。 媒体心理学。 2009;12(1):77–95.
- Miles J.,Shevlin M. Sage; 2001。 应用回归和相关性:学生和研究人员的指南。
- Moeller FG,Barratt ES,Dougherty DM,Schmitz JM,Swann AC冲动的精神方面。 美国精神病学杂志。 2001;158(11):1783–1793. [考研]
- Montag C.,Bey K.,Sha P.,Li M.,Chen Y.,Liu W.,... Keiper J.区分广义和特定网络成瘾是否有意义? 来自德国,瑞典,台湾和中国的跨文化研究的证据。 亚太精神病学。 2015;7(1):20–26. [考研]
- Patton JH,斯坦福MS因子结构的barratt冲动量表。 临床心理学杂志。 1995;51(6):768–774. [考研]
- Pawlikowski M.,Brand M.过度的网络游戏和决策制定:过度的魔兽世界在风险条件下的决策过程中是否存在问题? 精神病学研究。 2011;188(3):428–433. [考研]
- Pawlikowski M.,Altstötter-GleichC.,Brand M.Young的网络成瘾测试的简短版本的验证和心理计量学特性。 人类行为中的计算机。 2013;29(3):1212–1223.
- Peters CS,Malesky LA,Jr.在大型多人在线角色扮演游戏的高度参与的玩家中的问题用法。 网络心理学与行为。 2008;11(4):481–484. [考研]
- Rumpf H.,Meyer C.,Kreuzer A.,John U.,Merkeerk G. Vol。 31。 2011。 Prävalenzderinternetabhängigkeit(PINTA)。 Bericht和DasBundesministeriumFürGesundheit。 GreifswaldUndLübeck。 (12ff)
- Schiebener J.,Brand M.在客观风险条件下的决策 - 对认知和情感相关性,策略,反馈处理和外部影响的回顾。 神经心理学评论。 2015;25(2):171–198. [考研]
- Schoenbaum G.,Roesch MR,Stalnaker TA Orbitofrontal cortex,决策和药物成瘾。 神经科学的趋势。 2006;29(2):116–124. [考研]
- SchönbrodtFD,Gerstenberg FX对动机问卷的IRT分析:统一的动机尺度。 人格研究杂志。 2012;46(6):725–742.
- Siedler T.,Schupp J.,Spiess CK,Wagner GG德国社会经济小组作为参考数据集。 Schmollers Jahrbuch。 2008;129(2):367–374.
- Stanford MS,Mathias CW,Dougherty DM,Lake SL,Anderson NE,Patton JH五十年的Barratt冲动量表:更新和评论。 人格与个体差异。 2009;47(5):385–395.
- Sun D.,Chen Z.,Ma N.,Zhang X.,Fu X.,Zhang D.决策和优先响应抑制功能在过多的互联网用户中起作用。 CNS频谱。 2009;14(02):75–81. [考研]
- Tao R.,Huang X.,Wang J.,Zhang H.,Zhang Y.,Li M.建议的网络成瘾诊断标准。 瘾。 2010;105(3):556–564. [考研]
- Yao Y.,Chen P.,Chen C.,Wang L.,Zhang J.,Xue G.,... Fang X.未能利用反馈导致过度网络游戏玩家的决策缺陷。 精神病学研究。 2014;219(3):583–588. [考研]
- Yao YW,Wang LJ,Yip SW,Chen PR,Li S.,Xu J.,... Fang XY受到风险的决策制定与网络游戏障碍大学生中游戏特定的抑制缺陷有关。 精神病学研究。 2015;229(1):302–309. [考研]
- 年轻KS计算机使用心理学:XL。 上瘾的互联网使用:一个打破刻板印象的案例。 心理报告。 1996;79(3):899–902. [考研]
- 年轻的KS John Wiley&Sons; 1998年。陷入网络:如何识别网络成瘾的迹象以及成功的康复策略。
- 年轻人KS网络成瘾:一种新的临床疾病的出现。 网络心理学与行为。 1998;1(3):237–244.