MétaCan
Menu
Retour à la cohorte
Enregistrement W2338290646 · doi:10.1016/j.abrep.2016.04.001

Traits associated with internet addiction in young adults: Potential risk factors

2016· article· en· W2338290646 sur OpenAlexaboutno aff
Michael Lyvers, James A. Karantonis, Mark S. Edwards, Fred Arne Thorberg

Notice bibliographique

RevueAddictive Behaviors Reports · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesBond University
Mots-clésPsychologyAddictionAnxiety sensitivityClinical psychologyMoodAnxietyDASSAlexithymiaMediationModerated mediationMultilevel modelBig Five personality traitsPersonalityPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

The present study sought to determine whether certain personality traits associated with problematic substance use may also characterize young adults who report problematic internet use. An index of internet addiction as well as measures of traits previously linked to problematic substance use were administered to a sample of 86 young adults aged 18-30 years. Measures included the Internet Addiction Test (IAT), Sensitivity to Punishment and Sensitivity to Reward Questionnaire (SPSRQ), Depression Anxiety and Stress Scales (DASS-21), Toronto Alexithymia Scale (TAS-20), and the Fear of Intimacy Scale (FIS). Results indicated that IAT scores were significantly positively correlated with TAS-20, DASS-21, SPSRQ and FIS scores, as predicted. When age, gender and negative mood were controlled in a hierarchical regression, sensitivity to punishment (SP), sensitivity to reward (SR) and FIS significantly contributed to variance in IAT in the final model. SP partially mediated the relationship between TAS-20 and IAT, whereas no such mediation was indicated for SR or FIS. Present findings suggest that alexithymia and reward sensitivity may be important risk factors for internet addiction as for problematic substance use, whereas sensitivity to punishment may account for at least part of the association between alexithymia and problematic use of the internet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,257
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictive Behaviors ReportsMême sujetImpact of Technology on AdolescentsTravaux en français237 207