Personal characteristics related to the risk of adolescent internet addiction: a survey in Shanghai, China
Notice bibliographique
Résumé
BACKGROUND: Paralleling the rapid growth in computers and internet connections, adolescent internet addiction (AIA) is becoming an increasingly serious problem, especially in developing countries. This study aims to explore the prevalence of AIA and associated symptoms in a large population-based sample in Shanghai and identify potential predictors related to personal characteristics. METHODS: In 2007, 5,122 adolescents were randomly chosen from 16 high schools of different school types (junior, senior key, senior ordinary and senior vocational) in Shanghai with stratified-random sampling. Each student completed a self-administered and anonymous questionnaire that included DRM 52 Scale of Internet-use. The DRM 52 Scale was adapted for use in Shanghai from Young's Internet Addiction Scale and contained 7 subscales related to psychological symptoms of AIA. Multiple linear regression and logistic regression were both used to analyze the data. RESULTS: Of the 5,122 students, 449 (8.8%) were identified as internet addicts. Although adolescents who had bad (vs. good) academic achievement had lower levels of internet-use (p < 0.0001), they were more likely to develop AIA (odds ratio 4.79, 95% CI: 2.51-9.73, p < 0.0001) and have psychological symptoms in 6 of the 7 subscales (not in Time-consuming subscale). The likelihood of AIA was higher among those adolescents who were male, senior high school students, or had monthly spending >100 RMB (all p-values <0.05). Adolescents tended to develop AIA and show symptoms in all subscales when they spent more hours online weekly (however, more internet addicts overused internet on weekends than on weekdays, p < 0.0001) or when they used the internet mainly for playing games or real-time chatting. CONCLUSIONS: This study provides evidence that adolescent personal factors play key roles in inducing AIA. Adolescents having aforementioned personal characteristics and online behaviors are at high-risk of developing AIA that may compound different psychological symptoms associated with AIA. Spending excessive time online is not in itself a defining symptom of AIA. More attention is needed on adolescent excessive weekend internet-use in prevention of potential internet addicts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».