无形的成瘾:男女大学生的手机活动和成瘾(2014)

J Behav Addict。 2014 Dec;3(4):254-65. doi: 10.1556/JBA.3.2014.015.

罗伯茨JA1, 亚雅LH2, 马诺利斯C.3.

抽象

背景和目的:

本研究的主要目的是调查哪些手机活动与手机上瘾有关。 迄今为止,没有任何研究研究过男性和女性手机用户的全方位手机活动及其与手机成瘾的关系。

方法:

大学本科生(N = 164)参加了一项在线调查。 参与者填写问卷作为其课程要求的一部分。 调查问卷需要10和15分钟才能完成并包含一定程度的手机上瘾和问题,询问参与者每天花在24手机活动上的时间。

结果:

调查结果显示,与手机成瘾有关的手机活动(例如,Instagram,Pinterest),以及人们可能在逻辑上假设的活动与这种形式的成瘾有关但不是(例如,互联网使用和游戏) )。 发现驱动手机成瘾(CPA)的手机活动在男性和女性手机用户中差异很大。 虽然强大的社会成分推动了男性和女性的注册会计师,但与注册会计师相关的具体活动明显不同。

结论:

总体样本中的注册会计师主要是出于社交联系的愿望。 然而,发现与注册会计师有关的活动在性别上有所不同。 随着手机功能的不断扩大,对这种看似不可或缺的技术的依赖成为越来越现实的可能性。 未来的研究必须确定推动手机使用超出其“临界点”的活动,从一个有用的工具到破坏我们个人福祉和其他人的福祉。

关键词: 手机,成瘾,性别,技术

引言

美国人长期以来对技术着迷。 这种魅力在21中持续不减st 美国消费者在技术方面花费的时间越来越多(格里菲斯,1999, 2000; Brenner,2012; 罗伯茨与皮罗格(Roberts&Pirog),2012年)。 首先是收音机,电话和电视,紧接着是互联网。 当前对手机(例如智能手机)的迷恋凸显了最新技术,无论好坏,似乎都在鼓励人们花更多的时间在技术上而不是与人类相比(格里菲斯,2000)。 这种对技术的迷恋比年轻人更加强烈 - 特别是大学生(Massimini&Peterson,2009年; Shambare,Rugimbana和Zhowa,2012年).

大学生通常认为他们的手机是他们自己的一部分,和/或作为他们自己的重要延伸(Belk,1988)。 现在的手机被视为维持社会关系和开展日常生活中更为平凡的紧急事件的关键(Junco和Cole-Avent,2008年; Junco&Cotton,2012年)。 今天许多年轻人无法想象没有手机的存在。 研究表明,媒体使用已经成为学生生​​活的一个重要组成部分,它是“看不见的”,学生不一定意识到他们对手机的依赖程度和/或成瘾程度(默勒,2010).

对2,500美国大学生进行的大规模调查发现,受访者表示每天在Facebook上花费一小时和40分钟(Junco,2011)。 而且,60百分比的美国大学生承认他们可能沉迷于他们的手机(麦卡利斯特,2011)。 这种对手机日益增长的依赖与最近出现的智能手机不谋而合。 年龄为18至24年龄的年轻人中有67%拥有智能手机,而53为所有成年人的百分比。 手机正在迅速取代笔记本电脑或台式电脑作为访问互联网的首选方法。 完整的56百分比的互联网用户通过他们的手机访问网络。 这个数字比三年前增加了近一倍。 百分之七十七的18至29岁使用手机上网(PEW互联网:移动,2012).

年轻人和大学生对手机的依赖性日益增加,这可能预示着手机的使用从习惯到成瘾的演变。 尽管成瘾的概念有多种定义,但传统上将其描述为尽管上瘾的个体遭受了负面后果,但仍重复使用某种物质(Alavi等,2012)。 最近,成瘾的概念已被广泛地包括赌博,性,运动,饮食,互联网和手机使用等行为(Griffiths,1995; Roberts&Pirog,2012)。 任何能够产生愉悦感的实体都有可能上瘾(Alavi等,2012)。 与物质成瘾相似,行为成瘾最好被理解为习惯性驱动或强迫继续重复行为,尽管它对一个人的幸福产生负面影响(罗伯茨与皮罗格(Roberts&Pirog),2012年)。 任何重复的行为都会引发“通过身体生化过程产生的特定奖励效应确实会产生上瘾的潜力”(Alavi等,2012,p。 292)。 失去对行为的控制是任何成瘾的基本要素。

格里菲斯(1999, 2000)将技术成瘾视为行为成瘾的一个子集,并将其定义为“涉及人机交互的非化学(行为)成瘾”(格里菲斯,2000,p。 211)。 如上所述,手机上瘾似乎是最新出现的技术成瘾。 随着手机使用成本的下降以及这些设备功能的扩展,手机已经融入全球消费者的日常生活中。 根据格里菲斯的行为成瘾(1995, 2000),许多人认为是成瘾的核心组成部分,即:显着性,欣快感(情绪改变),耐受性,戒断症状,​​冲突和复发。

基于旨在更好地了解手机成瘾的研究, Shambare等人。 (2012) 得出的结论是,手机使用可能是“依赖性形成,习惯性和令人上瘾”(p.577)。 重要的是,手机成瘾不会在一夜之间发生,并且像大多数形式的行为成瘾一样,通过一个过程发生(Martin等人,2013)。 成瘾通常始于看似良性的行为(即购物,互联网和/或手机使用等),通过各种心理,生物物理和/或环境触发,“可能变得有害并变成成瘾” (Grover等,2011,P。 1)。 迪沙伯和爱德华兹(1996) 争辩说,当一个休闲购买者偶尔购物和花钱作为试图逃避不愉快的感觉或无聊时,购物成瘾会逐渐发生。 购物时所经历的“高涨”可能会在面对压力时慢慢变成一种慢性应对策略,并迫使受影响的个人购物和花钱以试图缓解不适。

在手机的情况下,这样的成瘾可能开始于最初的良性行为,几乎没有或没有任何有害后果 - 例如出于安全目的而拥有手机 - 开始引起负面后果,并且用户越来越依赖于其使用。 例如,出于安全目的拥有手机,最终成为发送和接收短信或访问在线社交网站的次要手段; 最终,手机用户可能会参与越来越危险的行为,例如驾车时发短信。 最终,手机用户达到了一个“临界点”,他/她无法再控制手机的使用或过度使用带来的负面影响。 成瘾的过程表明了喜欢和缺乏之间的区别。 换句话说,手机用户喜欢他/她的手机而不喜欢它。 从喜欢到想要的这种转换被称为 Grover等人。 (2011) 作为“拐点”。这个临界点标志着从以前良性的日常行为的转变,这种行为可能是令人愉快的,几乎没有任何有害后果的成瘾行为,其中想要(身体上和/或心理上)取代喜好作为背后的激励因素。行为。 作者认为,用这种行为形式的成瘾激活了物质成瘾所经历的相同神经回路。

本研究为这一研究领域的文献做出了一些贡献。 这是第一个调查手机活动中哪一种与手机成瘾最密切相关的手机活动。 鉴于年轻人,特别是大学生普遍使用手机,这一领域的研究至关重要。 对一个人的手机上瘾可能会破坏学业成绩,因为学生们使用他们的手机将自己从课堂活动中“移除”,作弊并破坏他们的学业。 手机使用对性能的负面影响超越了课堂,不仅可以影响学生的工作场所表现,还可以影响所有年龄段的员工。 手机过度使用造成的冲突会影响学生之间,学生与教授与家长之间,学生与上班族之间的关系。 手机上瘾也可能是需要注意的其他问题的指标。 此外,目前的研究丰富并扩展了早期旨在了解手机使用的研究工作。 迄今为止,没有任何研究研究过全年的手机活动及其与年轻人和男性和女性手机用户之间手机成瘾的关系。 技术使用中已知的性别差异通常表明,更好地了解手机的使用方式可能因性别而异。

手机活动和手机上瘾

鉴于可以通过手机进行的活动越来越多,我们必须了解哪些活动更可能与手机上瘾有关。 在讨论网络成瘾时, 格里菲斯(2012) 指出,“成瘾之间存在根本区别 互联网和成瘾 on 互联网“(p.519)。 同样的逻辑可能适用于手机使用。 如建议的那样 罗伯茨和皮罗格(2012),“研究必须挖掘用于吸引用户使用特定技术的活动的技术”(p.308)。

尽管可以使用各种病因学理论来解释哪些手机活动最容易导致成瘾(例如,逃避理论),但学习理论似乎特别合适。 除了其他方面,学习理论强调从各种手机活动中获得的回报(Chakraborty,Basu和Kumar,2010年)。 当任何行为紧跟一个有效的“强制执行者”(任何奖励其所遵循的行为的事物)后,行为更有可能再次发生(罗伯茨,2011)。 这通常被称为“效果法则”。

基于操作性条件化的原理,当手机用户体验到特定活动的快乐和/或享受的感受时(例如,朋友发送的有趣的,六秒钟的Vine视频),该人更有可能参与在那个特定的活动中(积极强化)。 特定手机活动的使用也可以在负强化(减少或消除厌恶刺激)的原则下操作。 例如,假装接听电话,发送短信或查看电话以避免尴尬的社交情况是手机用户常见的负面强化行为。 任何奖励的活动都会让人上瘾(Alavi等,2012; 格里菲斯,1999, 2000; Grover等,2011; 罗伯茨与皮罗格(Roberts&Pirog),2012年)。 奖励鼓励更多的参与和更多的时间花在特定的行为上(Grover等,2011).

在讨论互联网时, 格里菲斯(2000) 认为,在许多可以在网上完成的活动中,有些活动可能比其他活动更容易形成。 在通过现代智能手机可以完成的各种活动中,情况可能相同。 鉴于上述情况,本研究将调查以下研究问题:

RQ 1: 在手机上进行的各种活动中,如果有任何与手机上瘾有关的话?

性别,手机使用和手机上瘾

过去关于性别和技术使用的研究表明,男性和女性如何使用手机存在差异(Billieux,van der Linden和Rochat,2008年; 函馆&函山,2011; Haverila,2011; Junco,Merson和Salter,2010年; 梁,2008)。 基于他对手机使用中的性别模式的研究, Geser(2006) 得出的结论是,“手机使用的动机和目标反映了传统的性别角色”(p.3)。 根据 Geser(2006)男性认为手机更有用,而女性则使用手机作为社交工具。 从陆地电话看,男性和女性电话用户的这种使用模式代表了迄今为止最强大的研究结果之一,了解不同的动机如何通过各种技术(例如,互联网)产生独特的使用模式。 Junco等人。 (2010) 发现女大学生发送了更多的文本,并且在他们的手机上讲的时间比男性同行更长。

女性倾向于将手机和互联网等技术视为沟通工具 - 作为维持和培养关系的手段。 另一方面,男性倾向于将互联网和相关技术视为娱乐的来源(Junco等,2010; Junco和Cole-Avent,2008年)和/或作为信息来源(Geser,2006)。 在一项关于Facebook上瘾的研究中, 库斯与格里菲斯(2011) 得出的结论是,与男性同行不同,女性倾向于使用社交网站,主要是与同龄人的成员进行交流。

关于性别和手机使用的另一个相关(对本研究)和相当一致的发现是对一个人的手机的依恋程度。 一些研究发现,与男性相比,女性对手机的依恋和依赖程度更高(Geser 2006; 函馆&函山,2011; 杰克逊等人,2008; Jenaro,Flores,Gomez-Vela,Gonzalez-Gil和Caballo,2007年; 梁,2008; 魏罗(2006))。 在一个大样本(N = 1,415)年轻人, Geser(2006) 发现女性20年龄或者年龄几乎是男性(25%对9%)的三倍,同意声明,“我无法想象没有移动设备的生活”。 然而,其他研究报告说,男性和女性手机用户对手机依赖的影响很小或没有差别(比安奇和菲利普斯,2005年; Junco等,2010)。 鉴于上述情况,本研究将调查以下研究问题:

RQ 2: 在使用手机活动以及手机活动与手机成瘾之间的关系方面,男性和女性手机用户之间是否存在差异?

方法

样本

使用Qualtrics调查软件通过自我报告问卷收集本研究的数据。 潜在的受访者通过电子邮件发送了匿名调查的链接。 参加调查的人是来自德克萨斯州一所主要大学的大学生,年龄从19到22年龄,平均年龄为21。 84名受访者为男性(51%),80为女性(N = 164)。 百分之六的样本是二年级学生,71百分比六年级和23百分比高二学生。 百分之七十九是高加索人,6百分比西班牙裔,6百分比亚洲人,3百分比非洲裔美国人和6百分比是混合种族。

参与此项研究的学生是市场营销部门主题库的成员,并完成了调查,作为营销原则课程要求的一部分。 学生们有一周的时间来完成调查问卷。 在发送给学生的254电子邮件中,188可用问卷完成了74百分比响应率。 该调查需要在10和15分钟之间完成。

措施

为了测量手机成瘾,我们使用了新创建的四项Manolis / Roberts手机成瘾量表(MRCPAS)。 MRCPAS采用附录中的描述,采用七点式李克特式响应格式,包括两个改编和修改的早期手机成瘾量表(Su-Jeong,2006)和两个原始物品(“我花费更多时间”比我手机上的“和”我发现我花了越来越多的时间在我的手机上“)。

二十四个单项用于衡量受访者每天花费多少时间参与研究中感兴趣的每个手机活动(每项活动一项),包括:打电话,发短信,发电子邮件,浏览互联网,银行,拍照,玩游戏,阅读书籍,使用日历,时钟,圣经应用程序,iPod应用程序,优惠券应用程序,GoogleMap,eBay,亚马逊,Facebook,Twitter,Pinterest,Instagram,YouTube,iTunes, PandoraSpotify和“其他”应用程序(例如,新闻,天气,体育和/或与生活方式相关的应用程序,SnapChat等)。 这些活动是根据手机使用的多个课堂讨论以及对手机成瘾主题的现有文献的彻底审查而选出的。 受访者被要求滑动一个条形图,该条形图表示他们在典型的一天中花费了多少时间(以分钟为单位)完成上述每项活动。 这些手机活动的总时间估计超过24小时的受访者从数据集中删除,导致84男性和80女性受访者。 在一般情况下,还使用了另外三项单项措施来估算拨打的电话数量和发送的短信和电子邮件的数量。 这三个项目的响应构成了数字块或范围(例如,1到5,6到10等;参见附录)。

伦理

研究程序按照赫尔辛基宣言进行。 贝勒大学机构审查委员会在数据收集开始之前批准了该研究。 所有受试者都充分了解该研究,并且在研究开始之前或在数据收集过程的任何关键时刻都有权拒绝参与。

成果

本研究的主要目的是调查哪些24确定的手机活动与手机成瘾有显着关联。 我们最初调查了男性和女性手机用户在使用的手机活动方面是否存在任何差异。 首先,a T - 测试分析用于描述每个24手机活动中男性和女性之间的任何显着行为差异。 表1显示样本报告在每个手机活动上花费的平均时间。 对于总样本,受访者报告花费最多时间发短信(每天94.6分钟),发送电子邮件(48.5分钟),检查Facebook(38.6分钟),上网(34.4分钟),以及收听他们的ipod(26.9)分钟)。 另外, T- 测试和科恩的 d 按时花费的总体结果显示,11种24活动在性别上存在显着差异。 在所有24手机活动中,女性报告的支出明显增加(p 每天(02分钟)少于男性(600分钟)的时间少于.458.5)。

表1。 

每天参加各种手机活动的平均分钟数

此外,还对与每日发送的电话数量,文本和电子邮件相关的活动进行了性别行为差异的额外测试。 鉴于它们都是序数分类变量,因此使用卡方检验独立性,因为比较组间比例更合适。 对子代细胞的回顾表明一些频率值很低。 因此,为了增加以下的细胞频率,我们折叠了一些类别 坎贝尔(2007) 关于适当统计测试的建议,该测试大多指定至少5作为最小预期数量。 如表2所示,结果显示在拨打的电话数量或文本数量方面没有显着的性别差异。 相比之下,结果显示存在显着差异(p <0.05)(以发送的电子邮件数计)。 详细分析表明,每天发送超过11封邮件的女性人数是男性的两倍多。 此外,男性比女性多约22%的人争辩说,他们每天发送大约1到10封电子邮件。 从表2中可以明显看出,发送文本消息远胜于打电话和发送电子邮件,这是与他人保持联系的一种手段。 大约三分之一的受访者表示每天发送90多个文本。 不过,仍有97%的受访者每天至少拨打一次电话,而83%的受访者每天至少发送10条短信(33%的用户每天发送超过90条短信),最后,有82%的受访者确认他们至少发送了一封电子邮件。

表2。 

每天在手机上发出的通话范围,短信和电子邮件

本研究的第二个目标是辨别手机活动与手机成瘾之间的关系是否因性别而异。 在检查构造之间是否存在任何关系之前,有必要检查评估手机成瘾的建议量表是否在整个样本和两个子组中是有效且不变的。

手机成瘾测量评估

为了验证手机成瘾测量,分别使用整体样本和两个子样本(男性和女性)估计四项单因子测量模型。 使用EQS 6.1软件包进行三个单独的一阶验证因子分析(CFA)。 给定子样本大小(N =男性为84,女性为80),使用稳健的最大似然估计方法。 与错误指定条件下的广义最小二乘相比,最大似然估计为整体拟合提供了更真实的指标,并且与真实模型重叠的路径提供了更少的偏差参数值(奥尔森,福斯,特洛伊和豪威尔,2000年).

表3中显示的CFA输出表明该模型在整个样本和两个子样本中具有相同的潜在变量和指标。 整个样品的拟合指数测量显示χ2 = 18.71,df = 2; CFI = 0.94; IFI = 0 .94; BBNFT = 0.93和RMSEA = 0.02。 子样本的等效结果显示男性,χ2 = 9.56,df = 2; CFI = 0.94; IFI = 0 .94; BBNFT = 0.93和RMSEA = 0.02,女性χ2 = 12.02,df = 2; CFI = 0.93; IFI = 0 .93; BBNFT = 0.92和RMSEA = 0.03。 总体而言,各样本的输出拟合指数测量值令人满意。 此外,表3中的总体结果表明,单个项目的有效性是通过项目加载值大于0.7的常规可接受阈值来确定的(胭脂红和Zeller,1979年).

表3。 

手机上瘾外部负载

此外,基于两个指标评估构建体的内部一致性,即提取的平均方差(AVE)和Cronbach的α。 总体结果表明,Cronbach的样品间α值大于0.7的最小接受截止值(头发,Sarstedt,Ringle和Mena,2012年)。 此外,由于所有负荷都很重要,因此确认了规模收敛效度 p <0.001,并且所有AVE值均在可接受的最小阈值0.5(Fornell&Larcker,1981年).

评估因果关系路径

代替多元回归分析,通过偏最小二乘结构方程模型(PLS-SEM)评估表示手机活动与手机成瘾之间关系的因果关系路径。 这一选择的动机来自以下两个考虑因素:(i)基于偏斜和弯曲的单变量程序的筛选测试表明,一些单项活动测量是非正态分布的;(ii)由于子组样本有限尺寸。 与基于多元回归分析和协方差的SEM等效物相比,PLS可以实现高水平的统计功效(Reinartz,Haenlein和Henseler,2009年)。 实际上,PLS没有根据变量的分布做出任何假设,它还具有特殊的能力,使其在分析小样本量时比其他技术更适合,并且显示出对多重共线性非常强大(卡塞尔,哈克和韦斯特隆德,2000年因为,它将潜在变量得分估计为其相关清单变量的精确线性组合,并将它们视为明显变量的完美替代品(头发,林格和萨尔斯特(2011)).

在评估因果关系之前,重要的是评估结构的判别有效性,以验证每个手机活动和手机上瘾都代表一个单独的实体。 表4A和4B中的总体结果证实了歧义的有效性。 因为,相关系数小于1的量大于其各自标准误差的两倍(Hair等人,2011).

表4A。 

构造之间的相关性(总样本)
表4B。 

构造之间的相关性(男性和女性子样本)

此后,评估因果关系路径。 根据5,000重新采样的引导按照使用 Hair等人。 (2012) 保证内部模型参数估计的统计上显着的路径是稳定的。 我们使用完整样本和独立的雄性和雌性样本测试模型。 这些分析的结果可以在表5中找到。 调查结果揭示了六项重大活动(p *#x003C; .05)影响全样本的手机成瘾。 诸如Pinterest,Instagram,iPod,呼叫次数和发送的文本数量等活动对手机成瘾产生了积极的影响(增加)。 相比之下,“其他”应用似乎与手机成瘾负相关。

表5。 

手机活动对手机上瘾的影响

对男性和女性样本的相同模型进行估计独立地揭示了哪些活动与跨性别的手机成瘾显着相关(见表5)。 对于男性,12活动显着影响了手机上瘾。 对手机成瘾产生积极影响的活动包括:发送电子邮件,阅读书籍和圣经以及访问Facebook,Twitter和Instagram所花费的时间。 此外,拨打的电话数量和发送的文本数量也会对手机上瘾产生积极影响。 相比之下,拨打电话,使用手机作为时钟,访问亚马逊和“其他”应用程序所花费的时间对手机上瘾产生了负面影响。

最后,女性的结果确定了9项显着影响手机成瘾的活动。

三项对手机成瘾产生重大影响的活动:Pinterest,Instagram,iPod,亚马逊以及通话次数都对手机上瘾产生了积极影响。 相比之下,使用圣经应用程序,Twitter,Pandora / Spotify和iPod应用程序反过来影响女性的手机上瘾。

讨论

鉴于人们花费越来越多的时间使用技术,以及这种增加可能对生活质量产生的潜在有害影响,本研究对手机使用和成瘾的调查至关重要。 Shambare等人。 (2012,p。 573声称手机使用“可能是21最大的非吸毒成瘾者st 世纪;“目前的研究是第一个调查哪些手机活动与手机成瘾有明显关联,哪些不是。

在本研究中,女性每天在手机上平均花费600分钟,而男性则为459分钟。 这些数字彼此显着不同,远高于 Junco和Cotton(2012) 估计大学生每天花费大约7个小时(420分钟)使用信息和通信技术(ICT)。 本研究提供了一个更全面的手机活动清单,而不是Junco和Cotton在测量ICT使用方面的测试。 此外,作者(Junco和Cotton)还提出了一个关于发送即时消息的时间问题,这可能表明他们的数据在最近转向更高的手机用于互联网接入和技术花费的时间越来越多之前。

此外,与男性相比,女性在MRCPAS测量手机成瘾方面的得分显着提高。 这一发现与传统的男性观点有些相反,即男性对技术的投入比女性更多。 然而,如果女性使用手机与社交相关的动机与具有更多功利和/或娱乐动机的男性相比,那么不难想象,与实现功利目标相比,实现社会目标可能需要更长的时间。 事实上,之前的研究表明,女性对手机的依恋程度高于男性(Geser,2006; 函馆&函山,2011).

目前的研究结果表明,手机上瘾部分是由某些手机活动所花费的时间所驱动的,并且这些活动因男性和女性手机用户而异。 毫不奇怪,发短信的时间是整个样本最常见的活动(平均值= 94.6分钟)。 女性花费显着(p <.04)与男性相比,发短信的时间更多(分别为每天105分钟和84分钟,分别为每天2分钟和25分钟),但发送的短信数量预测了整个样本和男性子样本的CPA。 尽管女性在发短信上花费了更多的时间,但是他们发送的短信却没有男性多。 女性可能使用短信来维持和促进人际关系,而男性出于更方便的目的而使用短信。 如表9所示,与女性相比,在91至100条文本之间发送的男性比例更高(XNUMX%比XNUMX%)。

发送电子邮件所花费的时间是第二个最耗时的手机活动(发短信后)。 女性每天花费近一个小时(57分钟)发送电子邮件,而男性则花费很多(p <.02)减少了从事这项活动的时间(每天40分钟)。 尽管发送电子邮件所花的时间比女性少,但是花费电子邮件的时间却是男性CPA的重要预测指标。 看来,男性发送的电子邮件数量与女性相同,但是每条电子邮件花费的时间更少,这可能表明与女性相比,男性发送的电子邮件更短,更实用。 同样,这可能表明女性正在使用电子邮件建立关系并进行更深入的对话。

第三个最耗时的活动是在社交媒体网站Facebook上花费的时间(总样本的平均值=每天38.6分钟)。 虽然使用Facebook是男性手机用户中手机成瘾的重要预测指标(仅限),但与男性相比,女性使用Facebook的时间要多得多(分别是46和31分钟; p = .03)。 这似乎是女性利用社交媒体加深友谊和拓宽社交网络倾向的另一个例子。

总体而言,调查结果似乎表明,手机用户在各种社交网站(如Pinterest,Instagram和Facebook)上花费的时间是可能的手机成瘾的良好指标。 例如,女性在Pinterest和Instagram上花费的时间显着地预测了手机上瘾。 并且,Facebook的使用是男性手机成瘾的一个相对强烈的指标。 尽管与男性相比,女性在Facebook上花费的时间更多,但Pinterest和Instagram却大大推动了手机上瘾。 这两个社交网站相对较近的出现 - 与Facebook等旧网站相比 - 可能部分解释了为什么女性被吸引到这些网站; 随着年轻人继续寻​​找社交网络中的“最新东西”,也许像Facebook这样更熟悉的网站已经失去了一些pan pan。

随着现代手机(即智能手机)用途的不断增加,有趣的是发现呼叫次数成为总样本和男性两者的手机成瘾的重要预测因素。和女性。 可能是所调用的电话数量背后的原因因性别而异。 与其他研究一致(Geser,2006),女性可以使用电话来培养关系,而男性则可以将它们用于更多的工具目的。 Geser(2006,p。 3)总结道,“男性认为手机主要是一种能够增强独立性的赋权技术 而不是连通性 社会环境“。

然而,男性也不能免受社交媒体的诱惑。 访问Facebook,Instagram和Twitter等社交网站的时间都是CPA的重要预测因素。 男性使用Twitter可能最好被视为一种娱乐形式,使用该系统来关注体育人物,了解新闻,或者像一名男学生解释的那样,“浪费时间”。 发送电子邮件所花费的时间以及发出的电话和发送的文本也是男性每次转化费用的重要预测因素。 有趣的是,在一部手机上阅读书籍和圣经的时间也是男性注册会计师的重要预测因素。 拨打电话,使用手机作为闹钟,访问亚马逊以及“其他”应用程序(即新闻,天气,体育和/或与生活方式相关的应用程序,SnapChat等)的时间似乎减少手机上瘾的可能性。 这些活动似乎表明手机更实用,与将手机用于娱乐目的以及促进社交和人际关系相比,手机本质上可能不会上瘾。

关于女性的注册会计师,本研究表明,社交动机驱动对一个人的蜂窝设备的依恋。 Pinterest,Instagram和发出的电话数量都是CPA的重要预测指标。 可以论证所有这些活动都用于发展和维持社会关系。 另一方面,听音乐(iTunes和Pandora)并未导致女性获得CPA。 而且,与男性同行相比,用手机阅读圣经所花费的时间与推特一样,降低了注册会计师的可能性。 这些最后的性别差异表明,研究人员必须揭示使用目前在手机上进行的众多活动背后的动机,以充分了解注册会计师的前因。

考虑到目前的调查结果,很明显男性和女性使用手机的方式存在差异,最终导致不同性别的成瘾模式。 然而,重要的是,从事特定手机活动所花费的时间并不一定等同于活动的上瘾潜力。 例如,在学生花费大部分时间做的三个手机活动中(例如,发短信,发电子邮件和访问Facebook),没有一个是整个样本的重要预测因子,只有Facebook在男性中的使用显着相关用手机上瘾。 因此,虽然目前的研究结果已经确定了手机成瘾的重要和有意义的预测因素,但这里可能还有其他问题需要考虑。

关于这个问题的一个重要问题是,“为什么某些手机活动比其他活动更容易导致手机上瘾”? 而且,我们是否正在测量可能引起成瘾的所有手机元素? 由于技术成瘾涉及人与机器之间的互动(Griffiths, 1995, 1999, 2000),可能是手机的某些“结构特征”会促使成瘾。 在这种情况下的结构特征可能包括程式化的铃声和特殊的嘟嘟声和哨声,用信号通知传入的消息和通知,引人注目的图形和/或电话的某些触觉特征(例如,按钮,轮子等)。 这些特征很可能充当手机使用的诱导者和强化者,最终煽动成瘾。 这些结构特征旨在促进手机的使用,就像设计作为赌场中“单臂强盗”老虎机的一部分的铃铛和口哨引起注意并促进其使用。 未来的研究确定了手机的特定结构特征,并研究了这些功能所满足的需求,这将有助于提高我们对手机成瘾的理解,而不仅仅是技术成瘾。

另一种观点认为,对某人的手机上瘾是一种“二次成瘾”,手机的使用最终是企图逃避另一个更重要的问题,如无聊,自尊心低,关系麻烦等。这种观点在性质上类似于强迫/上瘾购物领域的研究(Grover等,2011). 迪沙伯和爱德华兹(1996)例如,当休闲购买者偶尔购物和花钱以试图逃避不愉快的感觉或避免厌倦时,认为购物成瘾会逐渐发生。 购物时遇到的“高”经常会在处理压力时慢慢变成慢性应对策略。 每次新的危机都迫使受影响的个人购物和消费,以试图缓解他/她目前的不适。

逃逸理论已被用来解释这种类型的强迫性购物。 自我意识是如此痛苦,购物可以帮助受影响的个人摆脱负面事件或感受(Faber&O'Guinn,2008年)。 以类似的方式,可以使用手机来避免更大,更紧迫的问题。 持续关注“现在和现在”有助于手机用户避免反思令人不安的问题。 像许多成瘾一样,找到问题的根源可能是治疗手机成瘾的最佳解决方案,而不是专注于症状,例如在Facebook,其他社交网站上花费的时间或过多的短信。 要理解为什么某些手机活动比其他人更容易上瘾,我们必须确定这些特定活动正在满足的需求。 过去关于冲动的研究(Billieux,van der Linden,D'Acremont,Ceschi和Zermatten,2007年; 罗伯茨与皮罗格(Roberts&Pirog),2012年)已经显示出了希望并暗示了手机使用等行为成瘾与更传统的基于物质的滥用之间的共同联系。

研究限制

虽然这项研究是第一个研究哪种手机活动与手机成瘾最密切相关的研究,以及这些关系在性别上是否存在差异,但必须通过某些限制进行调整。 首先,虽然样本的大小足够(N = 164)并且包括大约相等数量的男女大学生,它不是随机选择的。 因此,必须谨慎地推广研究结果。

其次,为本研究创建的手机成瘾量表(MRCPAS)需要进一步的心理测量评估。 该量表被发现具有出色的心理测量特性,并提供了一种简明(四项)的手机成瘾测量方法,可用于未来的研究。 然而,需要进行额外的评估。

第三个可能的限制可能是测量每个手机活动所花费的时间。 虽然估计时间内的任何偏差在各活动中可能相似, Junco(2013) 要求改进在Face-book上花费的时间。 当然,对于要求受访者估计花在技术上的时间的任何措施,这种担忧都可以得到回应。 本研究要求受访者估计在24手机活动上花费的时间,虽然目前的估计值高于先前的估计值,但目前尚不清楚当前的估计值是出于某种未知原因而偏向上升还是描绘了更新的现实(即,人们实际上花费了更多的时间在手机上等)。 为了帮助解决这个问题,我们将目前使用Facebook浏览的38.6分钟数与我们可以找到的测量相同现象的最新数据进行了比较。 Junco(印刷中)报告了一个大学生样本,平均估计每天花在访问Facebook上的26分钟数。 最近对7,446 18至44岁的iPhone和Android智能手机用户的另一项调查发现,受访者表示每天平均花费33分钟在Facebook上(IDC / Facebook,2013)。 因此,与这些新获得的估计相比,当前数据似乎不显着超出范围。

结论

目前的研究发现,大学生每天花在手机上近9个小时。 随着手机功能的不断扩大,对这种看似不可或缺的技术的依赖成为越来越现实的可能性。 研究结果表明,在某人的手机上进行的某些活动比其他人更容易导致依赖,并且这些成瘾活动因性别而异。 此外,花在特定活动上的时间并不一定表示该活动的上瘾潜力。

手机使用就是一个很好的例子 Mick和Fournier(1998) 被称为“技术悖论”。 现代智能手机的使用可以同时解放和奴役。 手机使我们能够以发现蜂窝技术之前梦寐以求的方式自由地收集信息,进行交流和社交。 然而,与此同时,手机可能导致依赖(如本研究所示)和限制。 手机已经与我们的日常生活密不可分 - 这几乎是现代生活中无形的驱动力。 研究人员有责任确定手机使用的最重要的“临界点”,从有用的工具到奴役用户和社会的工具。

资金来源:

没有收到该项目的财务支持。

作者的贡献:

研究概念和设计:JAR; 数据分析和解释:CM和JAR; 统计分析:CM; 学习监督:JAR和CM; 访问数据:CM和JAR。

利益冲突:

作者声明不存在利益冲突。

附录

手机成瘾量表(MRCPAS)*

  • 当我的手机不在眼前时,我感到焦躁不安。
  • 当我的手机电池电量耗尽时,我感到紧张。
  • 我花在手机上的时间比我应该多。
  • 我发现我花在手机上的时间越来越多了。

手机使用物品

  1. 在一个典型的日子里,你用手机打了几个电话? 无,1-5,6-10,11-15,16-20,每天超过20次呼叫
  2. 在典型的一天,您从手机发送了多少文本? 无,1-10,11-20,21-30,31-40,41-50,51-60,61-70,71-80,81-90,91-100,100 +
  3. 在典型的一天,您从手机发送了多少封电子邮件? 无,1-10,11-20,21-30,31-40,41-50,每天超过50电子邮件

*所有回答都遵循7点,李克特式格式(1 =非常不同意; 7 =非常同意)。

参考资料

  1. Alavi SS,Ferdosi M.,Jannatifard F.,Eslami M.,Alaghemandan H.,Setare M.行为成瘾与物质成瘾:精神病学和心理学观点的对应。 国际预防医学杂志. 2012;3((4)):290–294. [PMC免费文章[考研]
  2. Belk RW Possessions和扩展的自我。 消费者研究杂志. 1988;15((2)):139–168.
  3. Bianchi A.,Phillips JG手机使用问题的心理预测因素。 Cyber​​PsychologyBehavior. 2005;8((1)):39–51. [考研]
  4. Billieux J.,van der Linden M.,D'Acremont M.,Ceschi G.,Zermatten A.冲动性与感知依赖性和手机的实际使用有关吗? 应用认知心理学。 2007; 21:527-537。
  5. Billieux J.,van der Linden M.,Rochat L.冲动在实际和有问题的手机使用中的作用。 应用认知心理学。 2008; 22:1195-1210。
  6. Brenner J. Pew Internet:移动。 2012从8月份检索了7,2012 www.pewinternet.org/commentary/2012/febru-ary/pew-internet-mobile.aspx.
  7. Campbell I. Chi-squared和Fisher-Irwin测试了两个小表,小样本推荐。 医学统计. 2007;26((19)):3661–3675. [考研]
  8. Carmines EG,Zeller RA 可靠性和有效性评估。 加利福尼亚州比佛利山庄:Sage; 1979。
  9. Cassel CM,Hackl P.,Westlund AH关于无形资产的计量:偏最小二乘法的鲁棒性研究。 全面质量管理. 2000;11((7)):897–908.
  10. Chakraborty K.,Basu D.,Kumar KGV网络成瘾:共识,争议和未来之路。 东亚拱门精神病学。 2010; 20:123-132。 [考研]
  11. Desarbo W.,Edwards E.强迫性购买行为的类型:受约束的聚类回归方法。 消费心理学杂志。 1996; 5:231-262。
  12. Faber RJ,O'Guinn TC 消费者心理学手册。 纽约:Lawrence Erlbaum Associates; 2008。 强迫性购买; pp.1039-1056。
  13. Fornell C.,Larcker DF评估具有不可观察变量和测量误差的结构方程模型。 市场研究杂志. 1981;28((1)):39–50.
  14. Geser H.女孩(甚至)是否更上瘾? 手机使用的一些性别模式。 瑞士社会学:手机社会学。 2006检索日期,来自 http://socio.ch/mobile/t_geser3.pdf.
  15. Griffiths MD技术成瘾。 临床心理学论坛。 1995:14-19。
  16. Griffiths MD网瘾:事实还是虚构? 心理学家:英国心理学学会通报。 1999; 12:246-250。
  17. Griffiths MD是否存在互联网和计算机“成瘾”? 一些案例研究证据。 Cyber​​PsychologyBehavior. 2000;3((2)):211–218.
  18. Griffiths MD Facebook上瘾:关注,批评和建议 - 对Andreassen及其同事的回应。 心理报告. 2012;110((2)):518–520. [考研]
  19. Grover A.,Kamins MA,Martin IM,Davis S.,Haws K.,Mirabito AM,Mukherjee S.,Pirouz D.,Rapp J.从使用到滥用:当日常消费行为变成令人上瘾的消费行为时。 消费者研究期刊。 2011; 19:1-8。
  20. Hair JF,Sarstedt M.,Ringle C,M.,Mena JA评估偏最小二乘结构方程模型在市场研究中的应用。 市场营销科学学报. 2012;40((3)):414–433.
  21. Hair JF,Ringle CM,Sarstedt M. 2011PLS-SEM:确实是一颗银弹 营销理论与实践杂志19(2)139-151.151
  22. Hakoama M.,Hakoyama S.手机使用对大学生社交网络和发展的影响。 美国行为与社会科学学会期刊。 2011; 15:1-20。
  23. Haverila MJ手机功能和大学生之间的性别差异。 国际移动通信杂志. 2011;9((4)):401–419.
  24. IDC / Facebook始终保持联系:智能手机和社交如何让我们保持参与。 IDC研究报告,由Facebook赞助。 2013检索了4月4,2103,来自 https://fb-pub-lic.box.com/s/3iq5x6uwnqtq7ki4q8wk.
  25. Jackson LA,Zhao Y.,Kolenic A.,Fitsgerald HE,Harold R.,von Eye A.种族,性别和信息技术的使用:新的数字鸿沟。 Cyber​​PsychologyBehavior. 2008;11((4)):437–442. [考研]
  26. Jenaro C.,Flores N.,Gomez-Vela M.,Gonzalez-Gil F.,Caballo C.有问题的互联网和手机使用:心理,行为和健康相关。 成瘾研究与理论. 2007;15((3)):309–320.
  27. Junco R.比较Facebook使用的实际和自我报告的衡量标准。 人类行为计算机。 2013; 29:626-231。
  28. Junco R.学生花了很多时间进行Facebooking,搜索和发短信。 2011从8月份检索了9,2012 http://blog.reyjunco.com/students-spend-a-lot-of-time-facebooking-searching-and-texting.
  29. Junco R.,Cole-Avent GA介绍大学生常用的技术。 学生服务的新方向。 2008; 124:3-17。
  30. Junco R.,Cotton SR No A 4 U:多任务处理与学业成绩之间的关系。 ComputersEducation。 2012; 59:505-514。
  31. Junco R.,Merson D.,Salter DW性别,种族和收入对大学生使用通信技术的影响。 Cyber​​PsychologyBehavior. 2010;13((6)):619–627. [考研]
  32. Kuss DJ,Griffiths MD过度的在线社交网络:青少年能否沉迷于Facebook? 教育与健康. 2011;29((4)):68–71.
  33. 梁L. 中介人际交往。 新泽西州Mahwah:Lawrence Erlbaum Associates; 2008。 休闲无聊,寻求感觉,自尊,成瘾:手机使用的症状和模式; pp.359-381。
  34. Martin IM,Kamins MA,Pirouz DM,Davis SW,Haws KL,Mirabito AM,Mukherjee S.,Rapp,JM,Grover A.在成瘾的道路上:营销线索的促进和预防作用。 商业研究杂志。 2013; 66:1219-1226。
  35. Massimini M.,Peterson M.信息和通信技术:对美国大学生的影响。 Cyber​​-Pschology:网络空间心理社会研究杂志. 2009;3((1)):1–12.
  36. McAllister S. 2011检索了8月9,2012,来自 www.hackcollege.com/blog/2011/18131/generation-mobile.html.
  37. Mick DG,Fournier S.技术悖论:消费者认知,情感和应对策略。 消费者研究杂志。 1998; 25:123-143。
  38. 默勒S.没有媒体的一天。 2010检索了4月5,2013,来自 http://withoutmedia.wordpress.com.
  39. Olsson UH,Foss T.,Troye SV,Howell RD ML,GLS和WLS估计在错误指定和非正态条件下的结构方程建模中的性能。 结构方程模型. 2000;7((4)):557–595.
  40. Reinartz WJ,Haenlein M.,Henseler J.基于协方差和基于方差的SEM的功效的经验比较。 国际市场研究杂志. 2009;26((4)):332–344.
  41. 罗伯茨JA 闪亮的物体:为什么我们花钱而没有寻找我们买不到的幸福。 纽约,纽约:HarperOne; 2011。
  42. Roberts JA,Pirog III,SF初步调查唯物主义和冲动作为年轻人中技术成瘾的预测因素。 行为上瘾杂志. 2012;2((1)):56–62.
  43. Shambare R.,Rugimbana R.,Zhowa T.手机是21St 世纪上瘾? 非洲商业管理杂志. 2012;62((2)):573–577.
  44. Su-Jeong Y.你拥有自己的手机还是拥有自己的手机? 对青少年的测试。 2005检索二月27,2006,来自 http://joonganddaily.joins.com/200511/27/20051127245237539900090609061.html.
  45. Wei R.,Lo VH在移动中保持联系:手机使用和社交联系。 新媒体社会. 2006;8((1)):53–72.