使用互联网通信逃避无聊是否有益? 无聊倾向与线索引起的渴望和避免预期相互作用,以解释因特网通信障碍的症状(2018)

https://doi.org/10.1371/journal.pone.0195742

抽象

在智能手机上使用在线通信应用程序(包括信使(例如WhatsApp)或社交网络服务(例如Facebook))已成为数十亿人的日常实践,例如在等待期间。 尽管日常生活中存在负面影响,但越来越多的人表现出对这些应用的使用控制减少。 这可以称为因特网通信障碍(ICD)。 目前的研究调查了无聊倾向对ICD症状的影响。 它进一步研究了认知和情感机制的中介作用,即期望避免在线的负面情绪和线索诱导的渴望。 结构方程模型(N = 148)的结果表明,无聊倾向是ICD发展和维持的危险因素,因为它对ICD症状有显着的直接影响。 此外,无聊倾向预测了回避预期以及线索引起的渴望。 两者都反过来增加了发展ICD倾向的风险。 此外,这两个变量都介导了无聊倾向对ICD的影响,并相互影响。 总之,结果表明,对经历厌倦具有较高敏感性的人表现出更高的预期以避免在线消极情绪,这在面对特定线索(例如传入消息)时促进更高的渴望反应,并且可能导致ICD倾向。

引文: Wegmann E,Ostendorf S,Brand M(2018)利用互联网通信逃避无聊是否有益? 在解释互联网传播障碍的症状时,无聊倾向与线索诱导的渴望和避免预期相互作用。 PLoS ONE 13(4):e0195742。 https://doi.org/10.1371/journal.pone.0195742

责任编辑: Phil Reed,斯旺西大学,英国

收稿日期: 十一月22,2017; 公认: 三月28,2018; 出版日期: 2018 年 4 月 19 日

版权: ©2018 Wegmann等。 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,如果原始作者和来源被记入贷方,则允许在任何媒体中不受限制地使用,分发和复制。

数据可用性: 所有相关数据均在论文及其支持信息文件中。

资金: 作者没有收到这项工作的具体资金。

利益争夺: 作者宣称没有竞争利益存在。

介绍

随着十多年前智能手机的推出,在日常生活中使用智能手机的人数仍在增加。 预计全球智能手机用户数量将达到2.32的2017亿,预计2.87将达到2020亿用户数[1]。 其中,智能手机上使用的最流行的在线应用程序是在线通信应用程序。 它们允许用户与他人直接联系,与远方朋友保持联系,以及分享个人信息,图片或视频[2, 3]。 术语“在线通信应用程序”包括非常流行的应用程序,例如即时消息服务WhatsApp,每月有超过1.3十亿活跃用户[4]或Facebook等社交网络服务,月活跃用户数为2亿[5]。 除了互联网通信和智能手机一般使用的许多优点之外,由于使用这些应用程序的过度和耗时,越来越多的人会遇到负面后果[2, 68]。 特别是不同移动设备的可用性以及对这些应用程序的轻松和永久访问使人们可以在任何时间,任何地点随时与他人进行交互和通信[9, 10]。 这种行为可能导致病理性和强迫性使用,这与其他研究和研究人员提出的其他行为成瘾或物质使用障碍相当[7, 8].

互联网传播障碍的认知和情感相关

全世界越来越多地使用互联网引领研究越来越多的研究关注互联网使用障碍作为一种特定类型的行为成瘾[2, 7, 11]。 此外,一些研究表明,特定类型的互联网使用障碍,即互联网通信障碍(ICD)。 ICD描述了在线通信应用的上瘾使用[68, 12]。 ICD的症状源于互联网使用障碍的特征,被定义为失去控制,复发,戒断症状,​​专注,忽视利益,容忍以及社会,职业或个人生活中的负面后果[6, 7, 13, 14]。 戴维斯[12]提供了第一个理论模型,描述了互联网的非特定病理使用机制以及特定的互联网使用障碍。 最近,Brand,Young [7]引入了一个新的理论模型,即人 - 情感 - 认知 - 执行的互动(I-PACE)模型,该模型总结了特定互联网使用障碍(如ICD)的发展和维持的潜在机制。 I-PACE模型说明了人的核心特征以及情感,认知和执行成分之间的相互作用。 它表明人的核心特征,如人格,社会认知,精神病理症状,生物心理因素和特定倾向,都会影响对情境的主观感受。 这种感知是由诸如与成瘾相关线索的对抗,压力,个人冲突,异常情绪以及个体情感和认知反应等因素形成的。 后者包括提示 - 反应,渴望,注意偏见,或进一步的互联网相关的认知偏见和功能失调的应对方式。 假设这些个体情感和认知因素调节或缓和一个人的核心特征对特定互联网使用障碍的发展和维持的影响。 品牌,年轻[7]说明情感和认知反应的影响与执行因素相互作用,例如抑制控制。 使用某种应用程序以获得满足或补偿的决定可能导致过度使用该应用程序,从而强化特定的倾向以及类似于恶性循环的情感,认知和执行因素(更详细的描述)该模型和实证研究的详细概述,见[7])。

以前的研究已经表明,精神病理症状,如抑郁和社交焦虑,以及人格因素,如压力脆弱性,自尊和自我效能,对ICD倾向的影响是由特定的认知调节,例如功能失调的应对方式和互联网使用预期[8, 15]。 Wegmann,Oberst [16]证明,特别是避免预期,包括逃避现实的愿望,分散现实生活中的问题,或避免孤独,都与解释ICD症状有关。 品牌,莱尔[17]以及Trotzke,Starcke [18]表明,对特定应用的使用的高期望作为体验快乐或分散注意力问题的可能性分别调解个人方面与广义(非特定)互联网使用障碍以及互联网购物障碍之间的关系。

除了互联网使用预期的概念,Brand,Young [7进一步论证,提示 - 反应性和渴望似乎是开发和维持特定应用的病理学用途的重要构造。 这个假设是基于以前关于物质使用障碍的研究(参见[例如] [19]以及其他行为成瘾[20],表明上瘾者容易受到成瘾相关的刺激,触发大脑中的奖励处理区域[2125]。 渴望描述了吸毒或反复表现上瘾行为的欲望或冲动[26, 27]。 提示 - 反应和渴望的概念已经转移到行为成瘾的研究中。 在网络购物障碍中已经观察到线索反应性和渴望的行为相关性[18],互联网色情观察障碍[28, 29],网络游戏障碍[30, 31],网络赌博障碍[32, 33]和ICD [34].

虽然研究强调这些情感(线索 - 反应和渴望)和认知(互联网相关的预期)成分在特定互联网使用障碍的发展和维持中的重要作用,这些因素的相互作用,这在我的假设-PACE模型,目前尚不清楚。 目前的研究基于I-PACE模型的一些主要假设,尤其是情感和认知机制对人的核心特征与ICD症状之间关系的中介效应。 本研究的目的是研究人的核心特征对因互联网相关的认知偏差(例如互联网使用预期)和情感偏见(例如线索引起的渴望)所介导的ICD的影响。 基于Wegmann,Oberst [16],我们假设通过使用在线通信应用来避免负面情绪的预期效果是由线索诱导的渴望调节的,如Brand,Young模型所述[7]。 作为该研究的第二个目标,我们专注于研究ICD中无聊易感性的作用。 因此,我们希望更好地理解人的核心特征与特定互联网使用障碍的症状之间的关系,这在ICD背景下尚未得到研究。

无聊倾向是ICD的预测因子

无聊的概念化取决于不同的情境和个人因素[35]。 无聊本身可以被描述为预期和感知体验之间的消极心态或内心冲突[36, 37]。 布里塞特和雪[38将厌倦定义为“不充分,激动不足,缺乏心理参与与不满意相关的状态,个人试图通过寻求额外的刺激来应对无聊”[39]。 这种状态也与不愉快的感觉有关,个人试图逃避[40, 41]。 仅仅是无聊的倾向被定义为特质无聊。 无聊倾向的构造通常“作为个体对经历无聊的易感性而操作”[35]。 此外,无聊倾向包括个人难以引起对刺激的注意,要意识到这种注意力缺陷以及试图减少无聊的经历作为状态[35, 42].

一些研究强调了厌倦倾向的临床相关性,通过说明无聊(倾向)与饮酒有关[43],使用精神活性物质[44],抑郁和焦虑指数[35]和一般的健康问题[45]。 周和梁[46]表明休闲无聊与犯罪,极度感觉活动和药物滥用等危险行为有关[36, 46, 47]。 作为无聊倾向与物质使用之间关系的可能解释,(例如饮酒),Biolcati,Passini [48]调查了预期对酒精消费的潜在调解影响。 结果表明,厌倦倾向对暴饮行为的影响是通过预期逃避无聊,逃避问题和应对消极情绪来调节的[48]。 此外,关于不同行为成瘾或病理行为的实证研究解释了无聊对风险行为的相关性。 例如,Blaszczynski,McConaghy [49]表明,与非赌徒相比,赌博障碍患者的无聊措施得分更高。 赌博似乎是他们避免或减少负面状态或情绪的可能性。 这与Fortune和Goodie报道的结果一致[50]说明病态赌博与无聊易感性有关,这是Zuckerman,Eysenck的感觉寻求量表V的子量表[51].

如前所述,智能手机在日常生活中的使用源于轻松永久的访问,可实现持续的通信和娱乐[2, 52]。 我们假设持续刺激的可能性导致智能手机和在线通信应用的耗时和过度使用。 同样,避免无聊的感觉似乎是使用互联网的主要动机[53]。 林林[37]表明无聊倾向和互联网的高度参与都增加了互联网使用障碍的可能性。 作者强调,互联网似乎是寻求兴奋和愉悦的可能性,这提高了病理使用的水平。 这与以前的研究一致,强调互联网使用障碍与更高的无聊倾向之间的关系[5456]。 周和梁[46]明确了这种关系,并表明无聊是社交网站的病态使用以及社交网络服务中病态游戏行为的预测指标。 Elhai,Vasquez [42]表明,较高的无聊倾向会调节抑郁和焦虑对有问题的智能手机行为的影响。 总的来说,我们认为无聊倾向是特质厌倦是关于ICD发展的个人风险因素。

该研究的目的总结

目前的研究旨在有助于更好地理解关于ICD症状的潜在情感和认知机制。 我们的假设是基于以前的研究,这些研究报告了厌倦倾向对药物滥用等危险行为的影响[57],健康风险因素[46],病态赌博[50],或互联网使用障碍[37, 54]。 我们假设那些对经历厌倦具有较高敏感性且反复使用智能手机作为适应不良应对策略的个体更有可能开发出在线通信应用的病态用途。 符合Brand,Young的I-PACE模型[7],我们假设无聊倾向的影响是由特定的认知介导的。 此外,根据Biolcati的研究,Passini [48我们还假设特别是那些通过使用在线通信应用程序而具有较高的无聊倾向和预期以避免负面情绪的个体由于使用此类应用程序而经历更多的负面后果。 作为进一步的目标,我们调查情感和认知反应的影响。 I-PACE模型表明避免预期对ICD症状的影响是由更高的渴望经历所调节的。 总体而言,线索引起的渴望的中介效应也可能与厌倦倾向和ICD之间的回避预期的中介效应相关。 图1 总结了结构方程模型中的假设。

缩略图

 

图1。 假设模型。

用于分析建议的直接和间接影响的假设模型,包括ICD的潜在变量。

https://doi.org/10.1371/journal.pone.0195742.g001

方法

参与者和程序

一百四十八名年龄介于18和60年之间的参与者(M = 25.61, SD = 8.94)参加了当前的研究。 其中,91为女性,57为男性。 所有参与者都是在线通信应用的用户,使用时间从2年到19年(M = 8.09, SD = 3.09)。 在线通信应用程序WhatsApp是最常用的应用程序(所有参与者的97.97%),其次是Facebook(所有参与者的78.38%),Facebook Messenger(所有参与者的62.84%)和Instagram(所有参与者的53.38%) 。 其他在线通信应用程序(如Twitter,iMessage,Snapchat或Skype)的使用率低于所有参与者的50%。 参与者平均花费125.41分钟(SD = 156.49)每天使用WhatsApp,然后是Instagram(M = 57.97, SD Snapchat(78.76),Snapchat(M = 53.71, SD = 65.40)和Facebook(M = 55.48, SD = 84.74)。 所有其他应用程序平均每天使用的时间少于30分钟。

我们通过邮件列表,在线社交网络和口碑推荐在杜伊斯堡 - 埃森大学(德国)招募了样本。 该研究是在实验室,个人环境中进行的。 首先,参与者以书面形式通知有关程序并给予书面同意。 我们要求他们将智能手机切换到飞行模式,并在参与时将其放在口袋中。 此后,参与者回答了在线问卷,并进行了线索反应范式以及与当前手稿无关的其他实验范例。 之后,参与者回答了进一步的在线问卷,如无聊易感量表,互联网使用期望量表或短网络成瘾测试,将在下面进行解释。 总的来说,这项研究花了大约一个小时。 学生因参与而获得学分。 杜伊斯堡 - 埃森大学伦理委员会批准了这项研究。

仪器功能

用于因特网通信障碍的短网络成瘾测试的修改版本(s-IAT-ICD)。

用Pawlikowski,Altstötter-Gleich的短版互联网成瘾测试(s-IAT)测量ICD的趋势[58]。 对于这项研究,我们使用ICD的修改版本(s-IAT-ICD)[15]。 该量表评估了由于使用在线通信应用程序而导致的日常生活中的主观抱怨。 最初,给出了在线通信应用的定义。 说明强调术语在线通信应用程序包括主动(例如,撰写新帖子)以及被动(例如,浏览和阅读新帖子)使用社交网站和博客,如Facebook,Twitter和Instagram ,以及WhatsApp等即时通讯工具。

参与者必须以五点李克特量表(从1 =“从不”到5 =“非常频繁”)对60个项目进行评分。 计算得出的总分在30到37之间。得分> 1表示对在线通信应用程序的使用出现问题,而得分> 849表示对在线通信应用程序的病理使用。 问卷包括两个因素(每个六个项目):失去控制/时间管理(s-IAT-ICD 2:α= .708)和社会问题/渴望(s-IAT-ICD 842:α= .XNUMX)。 整体内部一致性为α= .XNUMX。 这两个因素都代表结构方程模型中ICD的潜在维数。

提示 - 反应和渴望。

为了研究提示反应性和渴望,应用了由与在线通信应用相关的十二张图片组成的提示反应范例[34, 59]。 视觉提示显示不同的智能手机通过不同的在线通信应用程序显示对话。 Wegmann,Stodt [之前的研究]对这些刺激进行了预测试并进行了描述[34]。 在目前的研究中,参与者对唤醒,效价以及使用智能手机以五点李克特量表(从1 =“无唤醒/效价/冲动”到5 =“高唤醒/效价/冲动”)的每张图片进行了评分。 )。 介绍® (版本16.5, www.neurobs.com)用于提示演示和评级。

此外,我们使用了酒精问卷调查表[60修改为智能手机使用来评估渴望[34]。 问卷在线索 - 反应性范例之前和之后呈现,以测量基线渴望(DAQ-ICD基线渴望)以及线索暴露后的潜在渴望变化(DAQ-ICD后渴望)。 因此,参与者必须以七分李克特量表(从14 =“完全不同意”到0 =“完全协议”)对6项目(例如,“使用智能手机将立即满足”)进行评级。 翻转一个项目后,我们计算了平均分数[59]。 对于DAQ-ICD基线渴求,内部一致性为α= .851,对于渴望DAQ-ICD,内部一致性为α= .919。 在下面的分析中,DAQ-ICD后渴望和线索反应范式的评级被用来表示结构方程模型中线索诱导的渴望的潜在维度。

用于在线通信的互联网使用期望量表(IUES)的修改版本。

互联网使用期望量表(IUES)[17]修改后的在线交流用于评估参与者对使用在线通信应用的期望[16]。 调查问卷包含两个因素(每个六个项目):积极强化(例如,“我使用在线通信应用程序体验快乐”; IUES积极:α= .838)和避免预期(例如,“我使用在线通信应用程序到分散我自己的问题“; IUES避免α= .732)。 参与者必须按照六点李克特量表对每个项目进行评级(从1 =“完全不同意”到6 =“完全同意”)。 根据以前的研究和理论假设,只有避免预期变量与以下分析相关。

短无聊容易量表(BPS)。

Struk,Carriere的短无聊易感量表(BPS)[61]用于评估特质无聊倾向。 比例由八个项目组成(例如,“比大多数人需要更多的刺激才能让我前进”),必须按照7分的李克特量表(从1 =“完全不同意”到7 =“完全同意“)。 计算总体平均值。 内部一致性为α= .866。

统计分析

使用SPSS 25.0 for Windows(IBM SPSS Statistics,发布的2017)进行统计分析。 我们计算了Pearson的相关性来测试两个变量之间的双变量关系。 通过使用效果大小更详细地解释相关性。 基于科恩[62],皮尔森的相关系数 r ≥.01表示小, r ≥.03是一种媒介,和 r ≥.05影响很大。 使用Mplus 6计算结构方程模型(SEM)分析[63]。 为了评估SEM的模型拟合,我们使用了标准化的均方根残差(SRMR;值<.08表示与数据良好拟合),近似均方根误差(RMSEA;值<.08表示良好和<.10与数据的可接受拟合)和比较拟合指数(CFI和TLI;值> .90表示可接受,而> .95则表明与数据的良好拟合)[64, 65]。 我们也用过 χ2 - 测试数据是否来自定义的模型。 作为减少SEM的测量误差的附加步骤,我们使用项目分区方法来表示作为清单变量的变量。 此方法允许在SEM中为这些变量构建潜在尺寸[66, 67]。 因此,我们检查了每个尺度项目之间的相互关系,然后为IUES和BPS的潜在尺寸创建了两个因子。

成果

描述性值和多变量统计

所有问卷的平均值和标准差以及提示 - 反应性 - 范例的评级都可以在 表1。 项目parceling的构造变量包含在附加值中。 表2 显示了这些变量之间的双变量相关性。 基于Pawlikowski,Altstötter-Gleich的截止分数[58],23参与者表现出问题,7名参与者表现出在线通信应用的病理学用途,这与由于使用这些应用而引起的日常生活中的主观抱怨相关并描述了ICD的症状。

缩略图

 

表1。 平均值,标准偏差以及s-IAT-ICD和应用量表的得分范围。

https://doi.org/10.1371/journal.pone.0195742.t001

缩略图

下载地址:

PowerPoint幻灯片

大图

原始图像

表2。 s-IAT-ICD得分与应用量表之间的双变量相关性。

https://doi.org/10.1371/journal.pone.0195742.t002

结构方程模型

假设的结构方程模型在潜在水平上显示出与数据非常吻合(SRMR = .029,CFI = .986,TLI = .972,RMSEA = .063, p = .299,BIC = 3962.65)。 该 χ2-Test也显示出良好的合身性(χ2 = 22.25, p =。074的, χ2/ df = 1.59)。 所有定义的潜在维度都由所使用的清单变量很好地表示。 在第一步中,结果表明无聊倾向(β= .384, SE =。096的, p ≤.001),提示引起的渴望(β= .414, SE =。102的, p ≤.001)和避免预期(β= .255, SE =。109的, p = .011)是ICD趋势的重要预测因子。 无聊倾向也对提示引起的渴望有直接影响(β= .411, SE =。100的, p ≤.001)和避免预期(β= .567, SE =。084的, p ≤.001)。 此外,避免预期是线索引起的渴望的重要预测因子(β= .361, SE =。107的, p = .001)。 无聊倾向对ICD症状的影响是由线索引起的渴望(β= .170, SE =。058的, p = .003)和避免预期(β= .145, SE =。063的, p = .021)。 避免预期对ICD倾向的影响也是由线索引起的渴望所引起的(β= .149, SE =。059的, p = .011)。 此外,无聊倾向与ICD症状之间的关系是通过避免预期和暗示诱导的渴望(无聊倾向 - 避免期望 - 线索引起的渴望-ICD;β= .085, SE =。037的, p = .021); 然而,这种调解只是影响很小。 总体而言,分析的模型显着解释了ICD症状方差的81.60%。 图2 显示具有因子载荷,β权重和系数的模型。

缩略图

下载地址:

PowerPoint幻灯片

大图

原始图像

图2。 结构方程模型的结果。

以ICD为因变量的结构方程模型的结果,包括所描述的潜在变量的因子载荷和伴随的β权重, p- 值和残差。

https://doi.org/10.1371/journal.pone.0195742.g002

其他分析

前面描述的模型是基于理论上的考虑和进一步的经验证据,如Wegmann,Stodt的结构方程模型[15]和Wegmann和Brand [8]。 然而,我们希望随后控制模型以获得其他可能的影响因素,以便更好地理解ICD的潜在机制。 我们提出的第一个问题是无聊倾向与抑郁和焦虑的密切关联[35, 68, 69]。 Elhai,Vasquez目前的一项研究[42]说明了精神病理症状与有问题的智能手机使用之间的关系是由更高的无聊倾向所介导的。 我们评估了抑郁等精神病理症状(M = 0.53, SD = 0.53),人际关系敏感度(M = 0.72, SD = 0.64)和焦虑(M = 0.55, SD = 0.49)使用Derogatis的简短症状库存调查问卷[70]。 由于操作精神病理症状的变量与当前模型的其他变量显着相关(全部 r全是≤XXUMX p's≤XXUMX),我们将精神病理症状(即抑郁,人际关系敏感和焦虑)作为模型的进一步潜在维度。 基于Elhai的调解模型,Vasquez [42我们检查了无聊倾向的影响是否基于精神病理症状的构建,或者无聊倾向是否描述了自己的统计增量,正如之前的研究所强调的那样[35, 42, 68].

如图所示 图3结果表明,精神病理症状在ICD的发展和维持中起着至关重要的作用,这与之前的研究一致[8, 15, 42]。 然而,在结构方程模型中包括精神病理学症状后,无聊倾向作为ICD症状的重要预测因子的相关性没有显着降低。 这强调了无聊倾向和精神病理学症状是相关的,但独立的结构,其对ICD倾向的影响是由认知和情感成分介导的。 附加结构方程模型的结果包括所描述的潜在变量的因子载荷和伴随的β权重, p- 值和残差总结在 图3.

缩略图

图3。 附加结构方程模型的结果。

具有精神病理学症状的结构方程模型的结果作为进一步的预测变量,包括所描述的潜在变量的因子负荷和伴随的β重量, p- 值和残差(缩写:PP =精神病理症状,BP =无聊倾向,AE =回避预期,CRAV =线索引起的渴望,ICD =因特网通信障碍)。

https://doi.org/10.1371/journal.pone.0195742.g003

我们还将年龄和性别视为可能影响当前模型结构的潜在变量。 因此,我们首先计算年龄与所有其他变量之间的相关性。 结果表明小的相关性(全部 r's≤-.376)。 这些相关性说明了一种熟悉的模式,即年轻参与者由于过度使用在线通信应用而在日常生活中经历更高的主观抱怨。 作为进一步的步骤,我们通过对独立样本使用t检验比较来控制我们的性别差异数据。 结果显示,男女参与者之间没有显着差异(p ≥.319)。 使用平均结构分析作为一种进行方式计算具有性别附加分析的结构方程模型[71]。 结构方程模型的拟合指数表明与数据的良好拟合(CFI = .975,TLI = .961,SRMR = .060,RMSEA = .075, p = .194,BIC = 4050.63)。 对于男性和女性参与者,我们发现了类似的结果模式。 女性参与者表现出类似于假设结构方程模型中所示的中介效应。 对于男性,我们发现避免预期对ICD倾向没有直接影响(β= .153, SE =。133的, p = .249),避免预期对无聊倾向与ICD之间关系没有中介作用(β= .029, SE =。030的, p = .327),并且没有对无聊倾向与ICD症状之间关系的中介效应(β= .073, SE =。065的, p = .262)。 由于样本量较小,特别是对于男性样本,结果必须谨慎讨论,并应在进一步研究中加以控制。

讨论

在目前的研究中,我们测试了理论模型的有效性,假设厌倦倾向与情感和认知成分之间的相互作用来解释ICD症状。 结构方程模型在潜在水平上使用项目分割方法与数据非常吻合,以减少测量误差。 总的来说,无聊倾向和认知和情感成分的中介效应,即回避预期和线索引起的渴望,解释了ICD症状的81.60%变异。 结果表明,无聊倾向对ICD的发展和维持有直接影响。 它是预期的一个重要预测因素,可以避免负面情绪,逃避现实以及暗示诱导的渴望。 这些情感和认知成分介导了无聊倾向对ICD的影响。 结果进一步强调了所提到的介质的相互作用,因为避免预期对ICD症状的影响部分地由线索诱导的渴望介导。 此外,避孕预期对无聊倾向与ICD症状之间关系的调解是由线索引起的渴望所调节的。

结果支持这样的假设:作为人的核心特征的一部分,体验厌倦的易感性与由于过度使用在线通信应用而产生的负面后果的经验之间的关系是通过对外部情境相关刺激的情感和认知反应来调节的。 ,例如通过不同的在线通信应用程序显示对话的视觉提示。 目前的研究结果扩展了以前的研究结果,这些研究已经证明,精神病理症状(如抑郁或社交焦虑)和人格方面(如压力脆弱或自尊)对ICD症状有影响,这是由特定的认知所调节的。 (例如功能失调的应对方式或互联网使用预期)[8, 15]。 结果与Brand,Young提出的理论I-PACE模型一致[7]。 I-PACE模型的核心是人的核心特征对情境的主观感知的影响,例如当面对与成瘾相关的刺激,个人冲突或压力时。 对情境元素的主观色彩感知导致个体情感和认知反应,例如提示反应性和渴望,这被描述为使用某种应用并减少负面情感状态的愿望[20, 24]。 当前研究的结果支持了这一假设,即通过显示那些对经历无聊(作为一个人的核心特征之一)具有更高易感性或无法调节对刺激的注意力的参与者[35],过度使用在线通信应用程序的风险较高。 Elhai,Vasquez的研究也提高了研究结果[42]以及我们的额外分析,强调抑郁症,人际关系敏感性和焦虑等精神病理学症状可能导致无聊的更高易感性和更高的在线通信应用病理使用风险。 当个人面对特定(智能手机通信相关)刺激并体验使用智能手机或特定通信应用的愿望时,这种行为得到加强。 在看到图标或听到传入消息的声音后,似乎是自动习惯使用智能手机[34]。 在线通信应用程序的用户可能已经养成了这样的习惯,以便尝试应对像厌倦这样的不愉快的感觉,从而摆脱经验不足的刺激[20, 36].

避免预期对无聊倾向与ICD症状之间关系的中介效应支持这一假设。 类似于提示诱导的渴望,结果表明,经历厌倦的易感性导致预期在线避免负面情绪并通过使用智能手机或在线通信应用来分散问题。 这与Biolcati,Passini一致[48]表明无聊倾向与酗酒行为之间的关系是通过预期从逃避刺激和现实中逃脱来调节的。 作者认为,特别是在休闲时间更容易经历无聊的青少年期望通过饮酒来摆脱负面情绪,这增强了暴饮行为的风险[48]。 危险的行为似乎是一种适应不良的应对机制,个人试图找到减少无聊倾向的策略[35, 39, 40]。 Biolcati,Passini的结果[48],Biolcati,曼奇尼[39]和哈里斯[40]说明了I-PACE模型的主要假设,例如个人试图摆脱负面情绪或处理异常情绪的假设,特别是在面对与成瘾相关的刺激时,这可能导致决定使用某种应用。 自周和梁[46已经描述了社交网络环境中无聊倾向与游戏的关联,目前的结果指明了这种关系。 由于期望在类似情况下反复减少负面情感状态,因此可以将满足感或在觉醒情境下的刺激的经验描述为增加使用某些在线应用的风险的重要因素。 这与Montag,Markowetz的神经成像研究结果一致[72当个人花时间在社交网络服务上时,谁展示了通过智能手机使用Facebook以及更高的腹侧纹状体激活的有益方面。

该研究的第二个目的是调查情感和认知反应与外部刺激的相互作用。 以前的研究已经检验了提示反应性和渴望的相关性[34]以及互联网使用预期[8, 15]尤其是避免预期[16]用于ICD的开发和维护。 这两种结构的重要性已经针对特定的互联网使用障碍,如互联网购物障碍或病理性购买[18, 59],互联网色情观察障碍[29],网络游戏障碍[30, 73, 74],或广义(非特定)互联网使用障碍[17]。 据我们所知,没有研究调查线索诱导的渴望和互联网使用预期的相互作用,如I-PACE模型中所假设的[7]。 I-PACE模型的作者假设互联网使用预期会预测线索引起的渴望,这会影响特定互联网使用障碍的症状。 因此,我们假设线索诱导的渴望充当互联网使用预期(主要是回避预期)和ICD症状之间的中介。 该假设得到了当前结果的支持。 研究结果表明,情感和认知成分相互作用,强调理论模型的关键机制。 具有特定互联网相关认知的个体(例如,期望分散注意力,逃避现实或避免孤独)似乎容易受到与成瘾相关的暗示,并且似乎经历了更高的渴望反应。 关于I-PACE模型中提出的强化机制,假设个人决定使用他们的“首选”应用来分散这种消极状态,并体验满足或补偿。 这增加了失去对互联网使用的控制的风险[7]。 结果是第一个标志,指出情感和认知对外部和内部刺激的反应之间的相互作用。 由于还有其他组成部分,如注意力偏差和隐性关联,以及抑制性控制和执行功能的相关性[7],必须进一步详细研究这些因素之间的关联。 因此,未来的研究应该关注ICD,以及其他特定的互联网使用障碍。

前景和影响

在日常生活中使用智能手机和在线通信应用似乎一般都没有问题。 对于大多数人来说,在等待另一个人或火车时使用智能手机是一种常见的习惯。 Turel和Bechara [75]也说明了冲动性作为ICD危险因素的相关性。 总体而言,在线通信应用似乎是无聊倾向与病理使用之间关系的主要例子。 可以假设使用这些应用程序获得满足和补偿的经验是关于ICD发展过程的关键机制。 虽然结果与Brand,Young [I-PACE模型的理论假设一致[7],纵向研究应调查上瘾的在线交流行为和ICD症状的发展以及无聊倾向和情感和进一步认知成分的作用。 因此,需要进行更多的研究,尤其是关于特定加固机制

考虑到这一点,除了对经历无聊的敏感性之外,研究还应该关注主观感知的情况。 Ben-Yehuda,Greenberg [76已经解决了国家无聊作为发展智能手机成瘾的潜在风险因素的相关性,这必须在进一步的研究中加以研究。 这包括作为情境依赖状态的刺激不足和觉醒不足的经历[38, 57]。 可以假设实际感知到的无聊是一个进一步相关的解释,为什么个人会在刺激不足的情况下养成使用智能手机的自动习惯。 这可以通过经验丰富的满足和补偿来加强,从而增加再次在类似情况下使用智能手机的可能性。 到目前为止,进一步的研究应该记住,诸如实际情绪,个人冲突,实际经历的厌倦或感知压力等情境因素可能影响认知和情感成分以及使用某种应用的决定[7, 77].

鉴于越来越多的人在日常生活中经历负面后果,例如与家人和朋友发生冲突或因互联网及其特定应用的不受控制使用而导致的与工作相关的问题,越来越需要充分和有针对性的干预措施。 在互联网使用障碍及其特定形式(如ICD)的背景下,假设预防和干预的成功主要取决于解决相关因素的充分性。 考虑到个人特征可能难以修改,干预措施应侧重于调节和调解方面,以防止过度使用某些互联网应用[7]。 在这项研究中,强调了在线避免负面情绪和暗示引起的渴望反应的预期,以在ICD的发展和维持中发挥中介作用。 利用特定的互联网使用预期来改变无意识的认知可能是实现互联网功能使用的第一步。 那些无法忍受无聊或者更容易遭受无聊体验的人应该接受培训,以便认识到互联网或智能手机的使用并不是应对涉及刺激不足甚至不愉快的日常情况的唯一方法。 这方面特别重要,因为期望在线通信应用可以促进逃避现实生活中的问题,因此可以促进和加强目前结果所显示的渴望反应,特别是当特定刺激发生时。 在日常生活中,日常生活中的这种刺激可以是例如看到使用智能手机的其他人或注意到传入的消息。 事实上,这可以使个人更难以抵抗使用某些应用的愿望。 总而言之,个人可以减少对互联网使用的控制,从而产生负面后果。 此外,应该通过培训计划系统地减少由于经验丰富的渴望在线通信应用的方法倾向,使个人能够学习如何避免对特定刺激的不受管制的反应[7]。 共同训练方法的有效性需要进一步调查,特别是对于ICD。

最后,我们必须提到一些限制。 该研究使用便利样本进行,该样本既不代表整个人群,也不代表寻求治疗的患有互联网疾病的患者。 根据目前的结果,似乎值得研究其他样本(如青少年和寻求治疗的患者)的无聊倾向,渴望和使用预期的相互作用。 另一个限制是我们只专注于ICD。 鉴于其他互联网应用程序也可用于摆脱厌倦或消极情绪,应该重复研究具有其他首选用途的样本,例如互联网游戏,互联网购物或互联网色情用途。

结论

目前的研究旨在调查有关ICD发展和维持的理论假设。 基于I-PACE模型,重点放在认知和情感成分的中介效应上,即回避预期和线索诱导的渴望,对人的核心特征与ICD症状之间的关系。 本研究检查了无聊倾向作为可能预测ICD症状的特征变量的影响。 目前的研究结果表明,无聊倾向可能在ICD中起重要作用。 对经历厌倦具有较高易感性的个体表现出较高的期望,以通过使用在线通信应用来避免负面情绪,这反过来又增加了日常生活中的负面后果。 此外,避免期望与更高的渴望经验相关联。 这可能是由于与互联网通信相关的线索可能存在更高的漏洞,这使得更难以使用在线通信应用程序。 通过这些结果,ICD的潜在机制得到了明智的缓解。 通过考虑无聊倾向的概念及其与提示 - 反应性,渴望和期望的相互作用,可以潜在地优化旨在防止不受管制和过度使用因特网及其特定应用的干预尝试。

支持信息

S1 File.sav

 

A

B

C

d

E

F

G

H

I

J

K

L

M

N

O

P

Q

1

表:数据列表                

2

性别年龄siatcom_gsiatcom1siatcom2Ver_RADAQPostBPS_meanIUE_SNneIUEco_a1IUEco_a2BPS_1BPS_2BSI_UiSkBSI_DeprBSI_AengBSI_Aggr

3

224.0000000000016.009.007.0043.791.882.251.003.501.752.00.50.00.17.20

4

223.0000000000036.0026.0010.0032.004.752.503.002.004.255.251.501.17.33.20

5

227.0000000000019.0013.006.001.003.631.752.501.003.254.00.25.33.17.20

6

227.0000000000019.0011.008.0042.004.253.754.503.004.504.00.75.831.17.60

7

228.0000000000023.0014.009.0022.572.882.753.002.502.253.501.00.831.171.00

8

222.0000000000012.006.006.001.211.132.503.002.001.001.25.00.00.17.40

9

222.0000000000033.0018.0015.0032.363.503.002.503.503.753.25.00.33.50.60

10

220.0000000000048.0026.0022.0034.505.383.003.003.005.255.50.00.17.00.00

11

218.0000000000025.0015.0010.002.362.754.754.505.002.503.00.75.33.331.00

12

254.0000000000012.006.006.001.002.002.502.003.002.501.50.25.00.00.60

13

221.0000000000033.0021.0012.0021.144.003.002.503.503.254.75.00.67.50.40

14

226.0000000000019.0013.006.001.933.131.502.001.003.502.75.00.17.33.60

15

224.0000000000022.0014.008.001.932.382.001.502.502.252.501.75.00.50.40

16

221.0000000000021.0013.008.0021.142.883.504.003.003.502.253.001.671.33.60

17

226.0000000000026.0015.0011.0022.294.132.252.502.004.753.50.50.50.33.20

18

223.0000000000032.0019.0013.0021.074.634.504.504.504.754.50.00.33.17.40

19

257.0000000000012.006.006.001.001.751.251.501.001.751.75.75.50.00.00

20

221.0000000000021.0010.0011.002.003.383.002.503.503.503.25.50.00.171.00

21

249.0000000000012.006.006.001.001.381.001.001.001.751.00.50.171.001.20

22

242.0000000000014.008.006.001.001.381.001.001.001.501.25.00.00.17.00

23

222.0000000000033.0022.0011.0032.143.134.505.503.503.502.75.50.33.67.20

24

221.0000000000031.0018.0013.0021.432.501.502.001.002.003.00.00.50.17.40

25

223.0000000000030.0022.008.002.931.003.253.503.001.001.00.50.17.17.20

26

228.0000000000023.0017.006.001.141.632.252.002.502.001.25.25.33.17.40

27

232.0000000000027.0014.0013.001.642.752.503.501.503.252.25.501.00.17.20

28

226.0000000000016.007.009.001.211.001.001.001.001.001.00.00.00.83.20

29

237.0000000000028.0016.0012.0022.003.503.003.003.003.503.501.501.171.501.00

30

229.0000000000019.0011.008.0032.003.882.753.502.003.504.25.251.83.00.20

31

220.0000000000039.0022.0017.0022.004.133.503.503.504.503.751.25.33.331.80

32

234.0000000000014.008.006.001.931.753.253.003.501.502.00.50.00.33.00

33

224.0000000000020.0012.008.002.431.631.001.001.001.751.50.25.00.00.40

34

226.0000000000035.0020.0015.0021.795.882.503.002.005.756.003.001.331.332.40

35

224.0000000000031.0016.0015.0032.713.384.254.504.003.503.25.25.33.00.20

36

223.0000000000034.0020.0014.0032.363.754.755.504.003.753.75.50.33.50.00

37

222.0000000000023.0013.0010.0022.362.502.753.002.503.751.25.50.33.33.60

38

226.0000000000020.0013.007.0021.361.752.251.503.002.251.25.00.50.67.00

39

218.0000000000019.0012.007.001.792.501.501.501.503.501.50.00.17.17.20

40

228.0000000000020.0013.007.001.214.254.254.504.005.003.501.00.33.50.60

41

227.0000000000028.0019.009.001.143.003.002.503.502.753.25.75.50.17.40

42

250.0000000000014.008.006.001.141.001.751.502.001.001.00.25.17.17.00

43

223.0000000000028.0021.007.0021.791.632.002.501.501.751.50.50.17.50.20

44

227.0000000000029.0014.0015.0012.642.382.252.002.503.251.501.75.331.171.00

45

221.0000000000026.0015.0011.0021.712.883.252.504.003.752.00.50.17.67.40

46

234.0000000000022.0011.0011.0011.211.752.252.002.502.001.50.00.00.33.00

47

231.0000000000014.008.006.001.001.251.001.001.001.251.25.00.00.17.20

48

227.0000000000025.0012.0013.001.213.631.751.502.004.253.00.75.67.33.80

49

221.0000000000033.0023.0010.001.713.134.004.004.002.753.501.501.831.171.40

50

220.0000000000020.0010.0010.001.001.632.502.003.001.751.50.00.17.17.20

分享

 

下载

Dataset_PoNE-d-17-41307R2.sav。

该文件是当前研究的数据集,包含进行分析的所有变量和信息。

(SAV)

S1文件。 Dataset_PoNE-d-17-41307R2.sav。

该文件是当前研究的数据集,包含进行分析的所有变量和信息。

https://doi.org/10.1371/journal.pone.0195742.s001

(SAV)

参考资料

  1. 1。 Statista。 全球智能手机用户数量从2014到2020(以十亿计)2017 [引用2017 22 / 11 / 2017]。
  2. 2。 Kuss DJ,Griffiths MD。 在线社交网络和成瘾:对心理学文献的回顾。 国际环境研究与公共卫生杂志。 2011; 8:3528-52。 结论:22016701
  3. 3。 Amichai-Hamburger Y,Vinitzky G.社交网络的使用和个性。 人类行为中的计算机。 2010; 26(6):1289-95。
  4. 查看文章
  5. Google Scholar
  6. 4。 Statista。 从4月2013到7月2017(以百万计)2017 [引用2017 22 / 11 / 2017],全球每月活跃的WhatsApp用户数量。
  7. 5。 Statista。 截至3rd季度2017(以百万计)2017 [引用2017 22 / 11 / 2017]的全球每月活跃Facebook用户数。
  8. 查看文章
  9. 考研/ NCBI
  10. Google Scholar
  11. 查看文章
  12. 考研/ NCBI
  13. Google Scholar
  14. 查看文章
  15. 考研/ NCBI
  16. Google Scholar
  17. 查看文章
  18. 考研/ NCBI
  19. Google Scholar
  20. 查看文章
  21. Google Scholar
  22. 查看文章
  23. 考研/ NCBI
  24. Google Scholar
  25. 查看文章
  26. Google Scholar
  27. 查看文章
  28. 考研/ NCBI
  29. Google Scholar
  30. 查看文章
  31. Google Scholar
  32. 查看文章
  33. 考研/ NCBI
  34. Google Scholar
  35. 查看文章
  36. 考研/ NCBI
  37. Google Scholar
  38. 查看文章
  39. Google Scholar
  40. 查看文章
  41. 考研/ NCBI
  42. Google Scholar
  43. 查看文章
  44. 考研/ NCBI
  45. Google Scholar
  46. 查看文章
  47. Google Scholar
  48. 查看文章
  49. 考研/ NCBI
  50. Google Scholar
  51. 查看文章
  52. 考研/ NCBI
  53. Google Scholar
  54. 查看文章
  55. 考研/ NCBI
  56. Google Scholar
  57. 查看文章
  58. Google Scholar
  59. 查看文章
  60. 考研/ NCBI
  61. Google Scholar
  62. 查看文章
  63. 考研/ NCBI
  64. Google Scholar
  65. 查看文章
  66. 考研/ NCBI
  67. Google Scholar
  68. 查看文章
  69. 考研/ NCBI
  70. Google Scholar
  71. 查看文章
  72. 考研/ NCBI
  73. Google Scholar
  74. 查看文章
  75. 考研/ NCBI
  76. Google Scholar
  77. 查看文章
  78. 考研/ NCBI
  79. Google Scholar
  80. 查看文章
  81. 考研/ NCBI
  82. Google Scholar
  83. 查看文章
  84. 考研/ NCBI
  85. Google Scholar
  86. 查看文章
  87. Google Scholar
  88. 查看文章
  89. Google Scholar
  90. 查看文章
  91. Google Scholar
  92. 查看文章
  93. 考研/ NCBI
  94. Google Scholar
  95. 查看文章
  96. Google Scholar
  97. 查看文章
  98. 考研/ NCBI
  99. Google Scholar
  100. 查看文章
  101. Google Scholar
  102. 查看文章
  103. Google Scholar
  104. 查看文章
  105. Google Scholar
  106. 查看文章
  107. 考研/ NCBI
  108. Google Scholar
  109. 查看文章
  110. Google Scholar
  111. 查看文章
  112. 考研/ NCBI
  113. Google Scholar
  114. 查看文章
  115. Google Scholar
  116. 查看文章
  117. Google Scholar
  118. 查看文章
  119. 考研/ NCBI
  120. Google Scholar
  121. 查看文章
  122. 考研/ NCBI
  123. Google Scholar
  124. 查看文章
  125. 考研/ NCBI
  126. Google Scholar
  127. 查看文章
  128. 考研/ NCBI
  129. Google Scholar
  130. 查看文章
  131. 考研/ NCBI
  132. Google Scholar
  133. 查看文章
  134. 考研/ NCBI
  135. Google Scholar
  136. 查看文章
  137. Google Scholar
  138. 查看文章
  139. Google Scholar
  140. 查看文章
  141. Google Scholar
  142. 查看文章
  143. 考研/ NCBI
  144. Google Scholar
  145. 查看文章
  146. Google Scholar
  147. 查看文章
  148. 考研/ NCBI
  149. Google Scholar
  150. 查看文章
  151. Google Scholar
  152. 查看文章
  153. 考研/ NCBI
  154. Google Scholar
  155. 6.年轻的KS,Pistner M,O'Mara J,BuchananJ。网络障碍:新千年的心理健康问题。 网络心理学和行为。 1999; 2:475–9。 pmid:19178220
  156. 7。 品牌M,Young KS,Laier C,WölflingK,Potenza MN。 整合关于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:人 - 情感 - 认知 - 执行(I-PACE)模型的相互作用。 神经科学和生物行为评论。 2016; 71:252-66。 结论:27590829
  157. 8。 Wegmann E,品牌M.互联网传播障碍:这是社会方面,应对和互联网使用预期的问题。 心理学前沿。 2016; 7(1747):1-14。 结论:27891107
  158. 查看文章
  159. Google Scholar
  160. 查看文章
  161. 考研/ NCBI
  162. Google Scholar
  163. 查看文章
  164. Google Scholar
  165. 查看文章
  166. 考研/ NCBI
  167. Google Scholar
  168. 查看文章
  169. Google Scholar
  170. 9。 Choi SW,Kim DJ,Choi JS,Choi EJ,Song WY,Kim S,et al。 比较与智能手机成瘾和网络成瘾相关的风险和保护因素。 行为成瘾杂志。 2015; 4(4):308-14。 结论:26690626
  171. 查看文章
  172. 考研/ NCBI
  173. Google Scholar
  174. 查看文章
  175. 考研/ NCBI
  176. Google Scholar
  177. 查看文章
  178. 考研/ NCBI
  179. Google Scholar
  180. 查看文章
  181. 考研/ NCBI
  182. Google Scholar
  183. 查看文章
  184. Google Scholar
  185. 查看文章
  186. Google Scholar
  187. 查看文章
  188. 考研/ NCBI
  189. Google Scholar
  190. 10。 Montag C,Blaszkiewicz K,Sariyska R,Lachmann B,Andone I,Trendafilov B,et al。 21st世纪的智能手机使用情况:谁在WhatsApp上活跃? BMC研究笔记。 2015; 8:1-6。
  191. 11。 品牌M,Young KS,Laier C.前额控制和网络成瘾:理论模型和神经心理学和神经影像学发现的回顾。 人类神经科学的前沿。 2014; 8(375):1-36。 结论:24904393
  192. 12。 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; 17:187-95。
  193. 13。 斯帕达MM。 有问题的互联网使用概述。 上瘾行为。 2014; 39:Epub提前打印。 3-6。 结论:24126206
  194. 14。 Billieux J,Maurage P,Lopez-Fernandez O,Kuss DJ,Griffiths MD。 紊乱的手机使用会被视为行为成瘾吗? 关于当前证据的最新情况和未来研究的综合模型。 目前的成瘾报告。 2015; 2(2):156-62。
  195. 15。 Wegmann E,Stodt B,Brand M.社交网站的上瘾使用可以通过互联网使用预期,互联网知识和精神病理症状的相互作用来解释。 行为成瘾杂志。 2015; 4(3):155-62。 结论:26551905
  196. 16。 Wegmann E,Oberst U,Stodt B,Brand M.在线特定的对错失和互联网使用预期的恐惧导致了互联网通信障碍的症状。 上瘾行为报告。 2017; 5:33-42。 结论:29450225
  197. 17。 品牌M,Laier C,Young KS。 网络成瘾:应对方式,预期和治疗影响。 心理学前沿。 2014; 5:1-14。
  198. 18。 Trotzke P,Starcke K,MüllerA,Brand M.病理性在线购买作为一种特定形式的网络成瘾:基于模型的实验研究。 PLoS ONE。 2015; 10(10):e0140296。 结论:26465593
  199. 19。 Sayette MA。 渴望物质使用障碍的作用:理论和方法论问题。 临床心理学年度回顾。 2016; 12:407-33。 结论:26565121。
  200. 20。 Hormes JM。 渴望成瘾行为的临床意义:综述。 目前的成瘾报告。 2017; 4(2):132-41。
  201. 21。 Bechara A.决策,冲动控制和丧失抵抗药物的意志力:一种神经认知的观点。 自然神经科学。 2005; 8:1458-63。 结论:16251988
  202. 22。 Carter BL,Tiffany ST。 成瘾研究中线索反应性的Meta分析。 瘾。 1999; 94:327-40。 结论:10605857
  203. 23。 Skinner MD,Aubin HJ。 渴望在成瘾理论中占有一席之地:主要模特的贡献。 神经科学和生物行为评论。 2010; 34:606-23。 结论:19961872
  204. 24。 德拉蒙德DC。 药物渴望的理论,古代和现代。 成瘾(阿宾登,英格兰)。 2001; 96:33-46。
  205. 25。 Schiebener J,Laier C,Brand M.陷入色情问题? 在多任务情况下过度使用或忽视网络线索与网络成瘾的症状有关。 行为成瘾杂志。 2015; 4(1):14-21。 结论:25786495
  206. 26。 Niu GF,Sun XJ,Subrahmanyam K,Kong FC,Tian Y,Zhou ZK。 提示互联网成瘾者对互联网的渴望。 上瘾行为。 2016; 62:1-5。 结论:27305097
  207. 27。 Tiffany ST,Wray JM。 药物渴望的临床意义。 纽约科学院年报。 2012; 1248:1-17。 结论:22172057
  208. 28。 Snagowski J,Brand M.网络成瘾的症状可以与接近和避免色情刺激相关联:来自常规网络用户的模拟样本的结果。 心理学前沿。 2015; 6:653。 结论:26052292
  209. 29。 Laier C,Pawlikowski M,Pekal J,Schulte FP,Brand M. Cyber​​sex上瘾:在观看色情而不是现实生活中的性接触时经验性的性唤起会产生影响。 行为成瘾杂志。 2013; 2:100-7。 结论:26165929
  210. 30。 Thalemann R,WölflingK,GrüsserSM。 过度游戏玩家对计算机游戏相关线索的特定提示反应。 行为神经科学。 2007; 121:614-8。 结论:17592953
  211. 31。 Liu L,Yip SW,Zhang JT,Wang LJ,Shen ZJ,Liu B,et al。 在网络游戏障碍中的线索反应期间激活腹侧和背侧纹状体。 成瘾生物学。 2017; 3(2):791-801。 结论:26732520。
  212. 32。 Park CB,Park SM,Gwak AR,Sohn BK,Lee JY,Jung HY,et al。 反复接触虚拟赌博线索对赌博冲动的影响。 上瘾行为。 2015; 41:61-4。 结论:25306387
  213. 33。 Fernie BA,Caselli G,Giustina L,Donato G,Marcotriggiani A,Spada MM。 欲望思考作为赌博的预测者。 上瘾行为。 2014; 39:793-6。 结论:24531634
  214. 34. Wegmann E,Stodt B,Brand M.在提示反应性范式中使用视觉和听觉提示来提示对互联网交流障碍的渴望。 成瘾研究与理论。 2017年:Epub提前发布。
  215. 35。 LePera N.无聊倾向,正念,焦虑,抑郁和物质使用之间的关系。 新学派心理学公报。 2011; 8(2):15-23。
  216. 36。 Iso-Ahola SE,Weissinger E.休闲无聊的感知:休闲无聊量表的概念化,可靠性和有效性。 休闲研究杂志。 1990; 22(1):1-17。
  217. 37。 Lin CH,Lin SL,吴CP。 父母监护和休闲厌倦对青少年网络成瘾的影响。 青春期。 2009; 44(176):993-1004。 Epub 2009 / 01 / 01。 结论:20432612。
  218. 38。 Brissett D,Snow RP。 无聊:未来的未来。 符号互动。 1993; 16(3):237-56。
  219. 39。 Biolcati R,Mancini G,Trombini E.在青少年的空闲时间内容易厌倦和冒险行为。 心理报告。 2017:1-21。 Epub 2017 / 08 / 05。 结论:28776483。
  220. 40。 哈里斯MB。 无聊倾向和无聊的相关性和特征。 应用社会心理学杂志。 2000; 30(3):576-98。
  221. 41。 Mikulas WL,Vodanovich SJ。 无聊的本质。 心理记录。 1993; 43(1):3-12。
  222. 42。 Elhai JD,Vasquez JK,Lustgarten SD,Levine JC,Hall BJ。 无聊的倾向于调解有问题的智能手机使用与抑郁和焦虑严重程度之间的关系。 社会科学计算机评论。 2017:1-14。
  223. 43。 Wiesner M,Windle M,Freeman A.年轻成年工人的工作压力,物质使用和抑郁:主要和主持人效应模型的检查。 职业健康心理学杂志。 2005; 10(2):83-96。 结论:15826220。
  224. 44。 Anshel MH。 精英运动员对运动中使用禁用药物的原因的调查。 体育行为杂志。 1991; 14(4):283-310。
  225. 45。 Thackray RI。 无聊和单调的压力:对证据的考虑。 心身医学。 1981; 43(2):165-76。 结论:7267937。
  226. 46。 Zhou SX,Leung L.满足,孤独,休闲无聊和自尊作为中国大学生SNS游戏成瘾和使用模式的预测因素。 国际网络行为,心理学和学习期刊。 2012; 2(4):34-48。
  227. 47。 Caldwell LL,Smith EA。 休闲异化青年的健康行为。 LoisiretSociété/ Society and Leisure。 1995; 18(1):143-56。
  228. 48。 Biolcati R,Passini S,Mancini G.“我无法忍受无聊。”青春期的饮酒期望很高。 上瘾行为报告。 2016; 3(补充C):70-6。 结论:29532002
  229. 49。 Blaszczynski A,McConaghy N,Frankova A. Boredom在病态赌博中的倾向。 心理报告。 1990; 67(1):35-42。 Epub 1990 / 08 / 01。 结论:2236416。
  230. 50。 财富EE,Goodie AS。 病态赌博与感觉寻求的关系:子量表得分的作用。 赌博研究杂志。 2010; 26(3):331-46。 结论:19943092。
  231. 51。 Zuckerman M,Eysenck S,Eysenck HJ。 在英格兰和美国寻求感觉:跨文化,年龄和性别比较。 咨询与临床心理学杂志。 1978; 46(1):139-49。 Epub 1978 / 02 / 01。 结论:627648。
  232. 52。 Neubaum G,KrämerNC。 我的朋友就在我旁边:实验室调查预测因素和在社交网站上体验社交接近的后果。 网络心理学,行为和社交网络。 2015; 18(8):443-9。 结论:26252929
  233. 53。 Lin CH,Yu SF。 台湾青少年互联网使用:探索性别差异。 青春期。 2008; 43(170):317-31。 结论:18689104。
  234. 54。 Rahmani S,Lavasani MG。 互联网依赖与感觉追求与人格的关系。 程序 - 社会和行为科学。 2011; 30(补充C):272-7。
  235. 55. Chaney MP,Chang CY。 对于与男人发生性关系的互联网成瘾男性而言,这三方面的问题是:无聊倾向,社交联系和分离。 性成瘾和强迫性。 2005; 12(1):3-18。
  236. 56。 Velezmoro R,Lacefield K,Roberti JW。 感知压力,感觉寻求和大学生滥用互联网。 人类行为中的计算机。 2010; 26(6):1526-30。
  237. 57。 Weybright EH,Caldwell LL,Ram N,Smith EA,Wegner L. Boredom俯卧或无事可做? 区分国家和特质休闲无聊及其与南非青少年物质使用的关系。 休闲科学。 2015; 37(4):311-31。 结论:26085700。
  238. 58。 Pawlikowski M,Altstötter-Gleich C,Brand M.验证和Young的网络成瘾测试的简短版本的心理测量属性。 人类行为中的计算机。 2013; 29:1212-23。
  239. 59。 Trotzke P,Starcke K,Pedersen A,Brand M. Cue在病理性购买中引起的渴望:经验证据和临床意义。 心身医学。 2014; 76(9):694-700。 结论:25393125。
  240. 60。 爱A,詹姆斯D,威尔纳P.两个酒精渴望问卷的比较。 成瘾(阿宾登,英格兰)。 1998; 93(7):1091-102。
  241. 61。 Struk AA,Carriere JS,Cheyne JA,Danckert J. A Short Boredom Proneness Scale。 评定。 2015; 24(3):346-59。 结论:26467085。
  242. 62。 Cohen J.行为科学的统计功效分析。 2编辑。 Hillsdale,NJ:Erlbaum; 1988。
  243. 63.MuthénL,MuthénB. MPlus。 洛杉矶:Muthén和Muthén; 2011。
  244. 64。 胡L,Bentler PM。 评估模型拟合。 在:Hoyle RH,编辑。 结构方程建模概念问题和应用。 伦敦:Sage Publications,Inc; 1995。 页。 76-99。
  245. 65。 胡L,Bentler PM。 协方差结构分析中拟合指数的截止标准:常规标准与新备选方案。 结构方程模型:多学科期刊。 1999; 6:1-55。
  246. 66。 Marsh HW,Ludtke O,Nagengast B,Morin AJ,Von Davier M.为什么物品包裹(几乎)永远不合适:在CFA模型中,两个错误不能使用物品包裹进行正确的伪装错误指定。 心理学方法。 2013; 18(3):257-84。 结论:23834417。
  247. 67。 Little TD,Cunningham WA,Shahar G,Widaman KF。 包裹或不包裹:探索问题,权衡优点。 结构方程模型:多学科期刊。 2002; 9(2):151-73。
  248. 68。 Sommers J,Vodanovich SJ。 无聊倾向:与心理和身体健康症状的关系。 临床心理学杂志。 2000; 56(1):149-55。 Epub 2000 / 02 / 08。 结论:10661377。
  249. 69。 Gordon A,Wilkinson R,McGown A,Jovanoska S. Boredom Proneness Scale的心理测量属性:检查其有效性。 心理学研究。 1997; 42(2-3):85-97。
  250. 70。 Derogatis LR。 BSI简介症状清单:管理,评分和程序手册。 1993。 Epub第三编辑。
  251. 71。 迪米特洛夫DM。 比较潜在变量组:结构方程建模方法。 工作(阅读,弥撒)。 2006; 26(4):429-36。 Epub 2006 / 06 / 22。 结论:16788262。
  252. 72。 Montag C,Markowetz A,Blaszkiewicz K,Andone I,Lachmann B,Sariyska R,et al。 Facebook在智能手机上的使用量和核心的灰质量。 行为脑研究。 2017; 329:221-8。 结论:28442353。
  253. 73。 Ko CH,Liu GC,Yen JY,Chen CY,Yen CF,Chen CS。 大脑与网络成瘾和被缓解的科目的受试者在线索游戏的渴望相关联。 成瘾生物学。 2013; 18:559-69。 结论:22026537
  254. 74。 Ko CH,Liu GC,Yen JY,Yen CF,Chen CS,Lin WC。 受到网络游戏成瘾和尼古丁依赖的科目诱导游戏冲动和吸烟渴望的大脑激活。 精神病学研究杂志。 2013; 47(4):486-93。 结论:23245948
  255. 75。 Turel O,Bechara A.运动冲动和睡眠质量对在线社交网站上的咒骂,人际异常和不利行为的影响。 人格与个体差异。 2017; 108:91-7。
  256. 76. Ben-Yehuda L,Greenberg L,Weinstein A.通过使用智能手机的网络成瘾-网络成瘾,智能手机的使用频率以及男女学生的凝视之间的关系。 奖励缺乏综合症和成瘾科学杂志。 2016。
  257. 77。 Tavolacci MP,Ladner J,Grigioni S,Richard L,Villet H,Dechelotte P.感知压力,物质使用和行为成瘾的流行和关联:法国大学生2009-2011的横断面研究。 BMC公共卫生。 2013; 13:724。 结论:23919651。