公共科学图书馆之一。 2018; 13（7）：e0201484。
在线发布2018 Jul 26。 DOI： 10.1371 / journal.pone.0201484
PMCID：PMC6062136
结论： 30048544
抽象
本研究调查了使用Facebook时经历的流量之间的关系（Facebook流量;即Facebook使用产生的密集享受和愉悦的体验，即使在这种行为的高成本下Facebook活动仍在继续）和Facebook成瘾（FAD） ）。 在398 Facebook用户（年龄：M（SD）= 33.01（11.23），范围：18-64）的样本中，Facebook流量和FAD之间的显着正相关性受到Facebook使用强度的积极调节。 探索性因素分析显示，评估FAD的所有六个项目都加载了与属于Facebook流程的子级远程呈现的两个项目相同的因素。 因此，Facebook流量与FAD之间的密切联系可能尤其是因为沉浸在由Facebook创建的有吸引力的在线世界中，用户逃避忘记他们的日常义务和问题。 目前的结果提供了第一个证据，表明Facebook流量可能是FAD的前提，并指出可能有助于其发展和维护的机制。 讨论了未来研究的实际应用和当前结果的局限性。
介绍
社交网站（SNS）Facebook的会员资格带来了许多优势（例如，有效的沟通，自我推销和娱乐），但也可能产生一些缺点。 关于Facebook使用的潜在缺点，Andreassen等人。 [1调查了所谓的Facebook成瘾症（FAD）。 他们将FAD定义为行为成瘾的子类型，其中包括六个重要特征，即显着性（即SNS Facebook的永久性思维），容忍度（即，需要增加Facebook使用量才能达到以前的积极效果），心情修改（即Facebook使用情绪改善），复发（即，在无效尝试减少Facebook使用后恢复早期使用模式），戒断症状（即在没有使用Facebook的情况下变得紧张）和冲突（即由此引起的人际关系问题）密集的Facebook使用）。 Brailovskaia和Margraf [2]显示在一年期间达到临界FAD截止分数的用户数量显着增加。 发现FAD与男性性别，人格特征外向性，神经质和自恋以及昼夜节律（平日晚睡和工作日和周末上升时间）呈正相关。 它与变量年龄，特征宜人性，责任心和开放性以及身体活动的联系都是负面的[2–5]。 此外，FAD与心理健康变量失眠，抑郁，焦虑和压力症状之间存在正相关关系[2, 6–8]。 此外，最近的研究报告社交媒体成瘾，其中包括令人上瘾的Facebook使用，与不同的依恋风格显着相关[9]（即积极：焦虑和回避依恋风格;消极：安全依恋风格）和身份风格[10]（即积极：信息和弥漫 - 回避风格;消极：规范风格）[11, 12]。 考虑到这些结果，问题出现了哪些因素有助于FAD的发展和维护。
早期研究调查其他类型的媒体而不是Facebook（例如，视频游戏，一般互联网使用）揭示了成瘾行为和流动体验之间的重要积极联系[13–15]。 根据Csikszentmihalyi的定义（[16]。 页面4），流动体验是“人们如此参与活动的状态，其他任何事情似乎都不重要; 为了实现这一目的，人们将继续以高昂的代价继续这样做。“一些作者假设流动体验是成瘾媒体使用的积极预测因素，因为他们产生了强烈的享受和愉悦。自发体验，即内在奖励，这是流动的主要特征之一[17]，有助于发展对媒体使用过度的强烈需求[15, 18]。 此外，流量和令人上瘾的媒体使用之间的积极联系被认为是由过度视频游戏玩家经常报告的时间扭曲的经验加强[18, 19].
考虑到以前的结果，并发现Facebook的使用与流量体验（所谓的Facebook流量）正相关[20, 21，假设Facebook流量与FAD正相关，甚至可能有助于其开发和维护，这似乎是合理的。 但是，据我们所知，目前尚未对此链接进行调查。 因此，本研究的主要目的是调查Facebook流量是否以及如何与FAD相关联。 结果可能有助于了解FAD的发展和维持的潜在风险和保护因素，因此可能包括在预防Facebook成瘾的干预计划中。 考虑到Facebook的高人气，这一点尤为重要[22]。 到目前为止，Facebook擅长竞争SNS。 目前，每月活跃用户超过20亿[23].
在此推理的基础上，我们提出Facebook流量和FAD是正相关的（假设1）。 更具体地说，基于最近的结果（例如，[19]），我们期望找到Facebook流程的方面享受和时间扭曲与另一方面FAD（假设2）之间最强的联系。 此外，考虑到吴，斯科特和杨的早期发现[15我们认为Facebook使用的强度肯定地调节了Facebook流量和FAD（假设3）之间的联系，他们透露视频游戏流量和成瘾之间的关联在经验丰富的游戏玩家中显而易见。
材料和方法
程序和参与者
398 Facebook用户的数据（73.6％女性;年龄（年）：M = 33.01，SD = 11.23，范围：18-64;职业：55.8％员工，29.4％大学生，1.5％学生，4.8％受训者为不同像Baker，6％失业人员，2.5％退休人员;婚姻状况：29.6％单身，42.2％与浪漫伴侣，28.1％已婚）这些职业是通过德语在线调查从2月到3月2018收集的。 受访者是通过各种SNS（即Facebook，Twitter，Xing，meinVZ）上显示的参与邀请来招募的。 参与的要求是自愿的，没有得到补偿，是目前的Facebook会员资格。 尽管该样本一般不代表德国人口，但参与者代表了人口中的不同群体，如广泛的职业所示。 Facebook的使用在德国非常受欢迎（超过31百万用户; [24]）及其成员可能代表德国SNS用户的横截面。 请注意，参与邀请未指明既未提及Facebook流程或FAD的研究问题。 然而，与大多数其他在线研究一样，在参与邀请所在的每个在线平台上更活跃的成员可能比不太活跃的用户更有可能参与该研究。 研究和伦理委员会批准了波鸿鲁尔大学伦理委员会对本研究的实施情况。 我们遵守了有关人体研究的所有国家法规和法律，并获得了进行本研究所需的许可。 参与者得到了适当的指导并获得了在线知情同意参与。 本研究是正在进行的“波鸿乐观和心理健康（BOOM）”项目的一部分，该项目研究心理健康的风险和保护因素（例如，[25]）。 本研究中使用的数据集可在S1 Dataset中获得。
措施
Facebook使用变量
Facebook使用强度。 与吴，斯科特和杨相似[15]，为了衡量Facebook使用的强度，包括四个指标：Facebook会员的持续时间（以月为单位），Facebook每日使用的频率，每日Facebook使用的持续时间（以分钟为单位），以及与Facebook的情感联系及其与日常活动的整合用Facebook强度量表衡量生活（FIS; [26]）。 FIS的六个项目按5点Likert量表评分（1 =非常不同意，5 =非常同意;例如，“Facebook是我日常活动的一部分”;早期发现内部规模可靠性：Cronbach的α= .85，当前可靠性：α= .82）。 通过计算z变换指标（α= .47）的平均值，获得这四个指标的综合指数。
Facebook流量。 与Facebook使用相关的流程体验是通过Kwak，Choi和Lee采用的“Facebook流程”调查问卷的修改版评估的[21]。 在三位受过心理学训练的专业人士实施专家评审后，他们评估了Kwak，Choi和Lee使用的14项目的背景，简洁性和措辞的适当性[21]，本研究选择了11个分为5个分量表的项目（11个项目的当前可靠性：α= .88）：子项目“关注焦点”包括两个涉及高浓度并关注Facebook使用的项目; 子量表“享受”包括两个项目，涉及Facebook使用产生的享受和乐趣/乐趣; 子量表“好奇心”包括两个项目，指的是想要了解Facebook上发生的事情; 子量表“远程呈现”由三个项目组成，这些项目指的是沉浸在Facebook创建的世界中的感觉; 子量表“时间失真”包括两个项目，指的是Facebook使用过程中失去的时间感。 所有项目均按5点李克特量表评分（1 =强烈反对，5 =强烈同意）。 表1 提出他们的措辞和五个分量表的内部可靠性。
表1
| 分量表和项目 | α |
|---|---|
| FB流量分量表“聚焦注意力” | .88 |
| 1。 在使用Facebook的同时，我深深吸引了大家。 | |
| 2。 在使用Facebook时，我沉浸在我正在执行的任务中。 | |
| FB流量分量表“享受” | .90 |
| 3。 使用Facebook为我带来了很多乐趣。 | |
| 4。 我喜欢使用Facebook。 | |
| FB流量分量表“好奇号” | .70 |
| 5。 使用Facebook引起了我的想象。 | |
| 6。 使用Facebook激发了我的好奇心。 | |
| FB流量分量表“远程呈现” | .84 |
| 7。 使用Facebook经常让我忘记我在哪里以及我周围发生的事情。 | |
| 8。 Facebook为我创造了一个新世界，当我停止浏览时，这个世界突然消失了。 | |
| 9。 使用Facebook时，我访问的网站所产生的世界对我来说比现实世界更真实。 | |
| FB流量分量表“时间失真” | .79 |
| 10。 我使用Facebook时，过得很快。 | |
| 11。 我经常在Facebook上花的时间超过我的预期。 |
FB = Facebook。
本研究中使用的项目可在以下网站获得 S2文件.
Facebook成瘾（FAD）。卑尔根Facebook成瘾量表的简要版本（BFAS; [1]）在过去一年的时间框架内评估FAD有六个项目（例如，“感到越来越多地使用Facebook的冲动吗？”），代表六个核心成瘾特征（即显着性，耐受性，情绪修改，复发，退出，冲突）。 项目按5点李克特量表进行评级（1 =很少，5 =经常）。 已经发现BFAS具有与全长18项目版本相似的良好心理测量特性（早先报告的内部可靠性：α= .82-.91;例如，[1, 3, 5, 27, 28]），以及卑尔根社交媒体成瘾量表（BSMAS; [29]）测量一般社交媒体成瘾的六个项目，并源自BFAS（早先报告的BSMAS内部可靠性：α= .86-.88;例如，[11, 30]）。 BFAS的当前可靠性：α= .86。 已经提出了两种可能的有问题的BFAS值的分类方法[1]：一种更自由的方法，即多项式评分方案（截止分数：≥六个项目中至少四项的3），以及更保守的方法，即单一评分方案（截止分数：≥所有六项的3）项目）。
统计分析
统计分析使用社会科学统计软件包（SPSS 24）和宏观过程版本2.16.1（www.processmacro.org/index.html).
在描述性分析之后，FAD与Facebook流量的关联以及衡量Facebook使用强度的变量通过零阶双变量相关性来评估。 计算了使用主成分分析（PCA;旋转方法：varimax）对评估Facebook流量（11项）和FAD（6项）的总17项目的探索性因子分析（EFA）。 Kaiser-Meyer-Olkin（KMO = .901）的结果和Barlett对球形度的测试（χ2 = 3856.236，df = 136，p = .000）显示样本大小足以用于该分析。 四个因子具有超过1的特征值（因子1：7.322，因子2：2.092，因子3：1.199，因子4：1.059）并且组合解释了68.6％的方差（因子1：26.3％，因子2：16.5％，因子） 3：14.2％，因子4：11.6％）（参见，[31]）。
适度分析（流程：模型1）检查了Facebook流量（预测者），Facebook使用强度（主持人）和FAD（结果）之间的关系，控制年龄和性别作为协变量。 考虑到FIS的高可靠性和Facebook使用强度的综合指数的低可靠性，运行了两个调节分析（模型1：FIS作为调节者，模型2：复合指数作为调节者）。 通过提供加速置信区间（CI 10.000％）的自举程序（95样品）评估调节作用。
成果
31（7.8％）参与者在多项评分后和15（3.8％）参与者在单一评分后达到FAD的临界截止分数。 调查变量的描述性统计数据显示在 表2.
表2
| M（SD） | MIN-MAX | |
|---|---|---|
| 财行局 | 9.49（4.24） | 6-28 |
| BFAS：项目1“显着性” | 1.86（1.01） | 1-5 |
| BFAS：项目2“容忍度” | 1.73（.99） | 1-5 |
| BFAS：项目3“情绪修改” | 1.58（.98） | 1-5 |
| BFAS：项目4“复发” | 1.63（.94） | 1-5 |
| BFAS：项目5“撤回” | 1.30（.74） | 1-5 |
| BFAS：项目6“冲突” | 1.39（.81） | 1-5 |
| FB流程：“聚焦注意力” | 2.32（.95） | 1-5 |
| FB流程：“享受” | 3.37（.82） | 1-5 |
| FB流程：“好奇心” | 2.76（.97） | 1-5 |
| FB流程：“远程呈现” | 1.55（.79） | 1-5 |
| FB流程：“时间失真” | 2.92（1.15） | 1-5 |
| FB流量 | 27.41（7.60） | 11-52 |
| FB会员（月） | 83.97（29.50） | 3-155 |
| FB每天访问（次） | 11.25（18.64） | 0-200 |
| FB使用每日持续时间（分钟） | 95.22（81.13） | 0-750 |
| FIS | 16.10（4.98） | 6-30 |
N = 398; M =平均值; SD =标准差; 最小=最小; 最大=最大; BFAS =卑尔根Facebook成瘾量表; FB = Facebook; FIS = Facebook强度量表。
FAD及其六项中的每一项与Facebook流量及其分量表显着正相关（见 表3). 图1 呈现了一个相关图，可视化了五个FB流量分量表和六个FAD项之间的相关性。 与其他流量分量表相比，流量分量表“ telesresence”具有显着的高相关性。 除了该子量表与FAD之间的联系（r = .704，p <.001）外，尤其与FAD项目5（“退出”）的相关性很高（r = .651，p <.001）。 此外，FAD与代表Facebook使用强度的四个变量显着正相关，即Facebook会员资格的持续时间，日常Facebook使用的频率和持续时间以及FIS（请参阅 表3）。 而且，综合指数与FAD（r = .480，p <.001）和Facebook流量（r = .496，p <.001）显着正相关。
表3
| 财行局 | BFAS：项目1 “显着性” | BFAS：项目2 “公差” | BFAS：项目3 “心情修改” | BFAS：项目4“复发” | BFAS：项目5“撤回” | BFAS：项目6“冲突” | |
|---|---|---|---|---|---|---|---|
| FB流程：“聚焦注意力” | .503** | .387** | .467** | .400** | .333** | .396** | .350** |
| FB流程：“享受” | .270** | .299** | .224** | .239** | .140** | .214** | .122* |
| FB流程：“好奇心” | .398** | .339** | .369** | .355** | .268** | .267** | .226** |
| FB流程：“远程呈现” | .704** | .505** | .577** | .557** | .463** | .651** | .542** |
| FB流程：“时间失真” | .509** | .435** | .420** | .374** | .456** | .290** | .364** |
| FB流量 | .660** | ||||||
| FB会员（月） | .126** | ||||||
| FB每天访问（次） | .251** | ||||||
| FB使用每日持续时间（分钟） | .304** | ||||||
| FIS | .513** |
N = 398; BFAS =卑尔根Facebook成瘾量表; FB = Facebook; FIS = Facebook强度量表。
* p <.05
** p <01。
EFA的旋转分量矩阵的因子加载表明六个FAD项目和子量表“远程呈现”的三个项目中的两个加载了因子1（因子载荷：FAD项目：项目1：.641，项目2： .671，Item 3：.704，Item 4：.667，Item 5：.795，Item 6：.694; Facebook flow items：Item 8：.693，Item 9：.775）。
两种调节模型都具有统计学意义。 在型号1中，R2 = .555，F（5,392）= 54.677，p <.001，Facebook使用强度（由FIS操作）与Facebook流量之间的显着相互作用，b = .231，SE = .030，95％CI [.173;。 [290]，t = 7.763，p <.001，表明Facebook流量和FAD之间的关系受到Facebook使用强度的调节。 根据简单的斜率测试，在低，中和高水平的Facebook使用强度中，Facebook流量和FAD之间的正向联系得到了同等确认。 对于表达较高水平的Facebook使用强度的参与者（一个SD高于平均值= 1.000），b = .768，SE = .066、95％CI [.639; .897]，t = 11.698， p <.001，但对于表示中等水平的Facebook使用强度（平均值= 0），b = .536，SE = .058、95％CI [.423; .650]，t = 9.287， p <.001，对于那些Facebook使用强度较低的参与者（低于均值的一个SD = -1.000），b = .305，SE = .064、95％CI [.178; .431]，这些参与者明显较弱。 t = 4.738，p <.001（请参阅 图2，部分a）。
一个。 Facebook使用强度（Facebook强度量表操作）对Facebook流向FAD的调节作用; 湾 Facebook使用强度的调节效果（通过综合指数实现，包括Facebook会员的持续时间，每日Facebook使用的频率，每日Facebook使用的持续时间和Facebook强度等级）在Facebook上流向FAD。
图2 （b部分）介绍了模型2，R2 = .566，F（5,392）= 54.786，p <.001。 正如Facebook使用强度（由综合指数计算）和Facebook流量之间的显着相互作用所揭示的那样，b = .345，SE = .053，95％CI [.241; .449]，t = 6.506，p <.001 ，Facebook流量和FAD之间的关系通过Facebook使用强度来缓和。 同样，简单的斜率测试表明，对于Facebook使用强度的低，中和高水平，Facebook流量与FAD之间的正向联系得到了同等确认。 对于那些表达高水平Facebook使用强度的参与者（一个SD高于平均值= .622），b = .728，SE = .059、95％CI [.612; .843]，t = 12.347， p <.001，但对于表示中等水平的Facebook使用强度（平均值= 0），b = .513，SE = .048、95％CI [.419; .607]，t = 10.711的参与者较弱， p <.001，对于那些Facebook使用强度较低的参与者（低于均值的一个SD = -.622），b = .298，SE = .057、95％CI [.185; .411]的参与者而言，明显较弱。 ，t = 5.196，p <.001（请参阅 图2，b）部分。
讨论
本研究调查了SNS Facebook和FAD之间的流程之间的联系。 与早期研究描述流动经验和上瘾媒体使用正相关[15, 18, 19]，目前的调查结果显示Facebook流量与FAD之间存在显着的正相关关系（确认假设1）。 请注意，由于两个变量之间的常见差异为43.6％，因此链接非常强。 此外，Facebook流量的每个子量表与FAD显着正相关。 然而，与我们对先前结果的预期相反（例如，[18]），Facebook流量的分量表享受和时间失真并没有表现出与FAD的最强联系。 与“享受”量表的联系是五个流量分量表中最弱的一个（与假设2相矛盾）。 相比之下，FAD与子尺度“远程呈现”之间出现了最高的相关性（相关差异的影响大小，Cohen的q范围从.31到.60;参见，[32]）。 特别是FAD项目“撤回”与该子量表密切相关。 此外，评估FAD的所有六个项目加载在与“远程呈现”标度的两个项目相同的因子上。
子尺度“远程呈现”衡量的是沉浸在Facebook创造的世界中的感觉[21]。 虽然这个子量表的两个项目（项目8“Facebook为我创造了一个新的世界，当我停止浏览时这个世界突然消失”，项目9“在使用Facebook时，我访问的网站生成的世界对我来说更真实比真实世界“），加载与FAD项目相同的因素，包括沉浸在一个新的世界的措辞，这不是第三项的情况（项目7”使用Facebook经常让我忘记我在哪里以及我周围发生的事情“），它加载了另一个因素。 早期的研究发现，远程呈现是导致在线环境中流动的主要因素之一[33]。 适当的在线环境所包含的逼真图像越多，用户的感受就越沉浸[34, 35]。 Facebook会员每天上传数百万张私人照片，与他们的在线朋友分享他们的经历并让他们参与到他们的生活中[22, 23]。 因此，它们有助于Facebook世界的永久发展，从而为其成员提供不同的（社交）互动方式。 一些Facebook成员，特别是那些在抑郁和焦虑症状方面得分较高的成员，为了摆脱日常问题而寻求这种互动，并引发经常错过线下的积极体验[6]。 此外，应该考虑早期研究报告自恋与FAD之间存在正相关关系[2]。 崇尚自恋的人，其特点是夸大的权利感和对自己的骄傲的信念，通常会集中注意力和注意力。 当他们无法得到这种积极的反馈，或者感知到与他们夸大的自我观点相矛盾的信息时，他们的自尊心就会受到影响[36, 37]。 因此，可以假设自恋人也喜欢通过过度使用Facebook来逃避日常问题，从而有可能在短时间内从大量受众那里获得大量积极反馈，例如“喜欢”或积极评论时间往往明显高于离线世界中互动的情况“。
考虑到我们目前的结果，这些人可能面临发展FAD的特殊风险。 当沉浸在Facebook世界中引起强烈的内在奖励时，Facebook过度使用的概率会增加。 然而，根据目前的调查结果证实了我们的假设3，Facebook使用强度，通过FIS或综合指数评估，积极调节Facebook流量和FAD之间的关系。 特别是那些密集使用Facebook的会员，即经常访问它，花费大量时间，将Facebook在日常生活中的使用融为一体，并与之建立情感联系，似乎体验了Facebook流量的高价值，特别容易受到FAD的影响。 可以假设，当离线和在线关系之间的重叠很小并且在线关系的数量远远超过离线关系的数量时，发生FAD的额外风险因素发生。 这个星座有助于发展对Facebook的强烈情感依恋[38]，这应该会增加网络世界的远程呈现对个人的影响。 在极端情况下，在线世界的沉浸可能会变得如此密集，以至于受影响的个人无法再认识到在线和离线世界之间的差异。 考虑到最近研究报道的依恋风格和令人上瘾的社交媒体使用之间的密切联系[11, 12]，得出的结论是合理的，对于那些焦虑的依恋风格的Facebook成员来说，发展对Facebook的强烈依恋的风险尤其高，他们经常使用过多的社交媒体来满足他们的批准和积极反馈的需要。 相比之下，表现出安全附件风格的Facebook用户可能不太容易承受这种风险。
目前的调查结果特别重要，因为它们揭示了Facebook的流动以及特别是Facebook上的远程呈现可能有助于FAD的开发和维护。 FAD适应症发生在我们样本的3.8％（单调评分）至7.8％（多重评分）中，由于其较高的年龄和职业范围（70.6％非学生）比早期研究的样本更能代表一般人群。 FAD，主要包括本科生（例如，[2, 4, 7, 27, 28]）。 考虑到FAD指标的比率和当前样本的相对较高的代表性，结论是合理的，FAD不再构成可忽略的边际现象。 因此，将目前的研究结果应用于针对成瘾媒体使用的干预计划可能是有效的。 一个建议是强调通过例如为日常使用设定明确的时间限制来有意识地调节Facebook使用强度的可取性。 此外，在早期关于令人上瘾的视频游戏和有问题的一般互联网使用的研究中[18, 39]，有人建议部署一个闹钟或包括“弹出”消息来调节使用时间。 这些程序可能有助于防止Facebook过度使用，从而增加对FAD的脆弱性。 此外，重要的是要提高对Facebook世界的认识，即使它被用来与线下朋友保持联系，家庭成员仍然是一个虚拟空间，逃离到网络世界大多无助于解决问题离线。 相反，过多的Facebook使用可能会导致现有问题的恶化或导致新问题的出现。 例如，当前样本的11.1％表示使用Facebook太多，以至于它对他们的工作/学习产生了负面影响（FAD项目6“冲突”）。
虽然目前的研究有很多资产，可能有助于改善成瘾媒体使用的干预计划，但其中一些限制值得一提。 最重要的弱点是它的横截面设计只能在因果关系方面得出有限的结论[40]。 尽管Facebook流量导致FAD（反之亦然）并且Facebook使用强度的调节影响与这种因果结构相对应，但这种推理是假设的。 因此，我们强烈建议未来的研究人员通过纵向前瞻性设计和实验研究来考虑Facebook流量与FAD之间的联系。
此外，我们样本的性别构成（73.6％女性）限制了当前结果的概括。 为了解决这一局限，我们在统计分析中控制了变量性别。 然而，希望在具有相同性别比的样本中复制当前结果，以得出更一般化的结论。
此外，应该考虑当前研究的参与者是通过在不同在线SNS上显示的参与邀请来招募的。 因此，不能排除用户在适当的在线平台上活跃得越多，该用户意识到邀请并响应参与提议的概率就越高。 此外，由于参与的自愿性质，可能特别是那些已经对SNS在线研究感兴趣的个人对在线调查做出了回应。 这种潜在的选择偏差限制了当前结果的普遍性。 SNS的常规用户可能比不经常使用的用户更有可能参与该研究。 这种偏差在许多在线研究中很常见，可能会导致样本在SNS使用量方面的范围限制。 虽然这种范围限制可能会降低涉及Facebook流量和FAD的相关程度，但它不太可能威胁到当前统计分析的有效性。 假设检验结果显示，潜在的范围限制并未显着降低所进行的统计检验的灵敏度。 此外，该研究的具体研究问题可能不会影响参与该研究的决定，因为它没有提前透露给参与者。
总而言之，本研究揭示了Facebook流量与FAD之间的密切积极相互作用。 特别是Facebook世界的远程呈现，这是Facebook流程的一个重要特征，似乎增强了个人发展FAD的脆弱性。 应进一步调查Facebook流量与FAD之间的相互作用，以更好地了解FAD发展的风险以及保护因素对其的作用。
资金声明
亚历山大·冯·洪堡基金会授予JürgenMargraf教授亚历山大·冯·洪堡教授的支持。 此外，我们感谢Ruia-UniversitätBochum的开放存取出版基金对Julia Brailovskaia的支持。 资助者在研究设计，数据收集和分析，决定发表或准备手稿方面没有任何作用。
参考资料
;