Validation française d’une échelle de mesure de l’utilisation problématique des jeux vidéo en ligne : l’Internet Gaming Disorder-20
Notice bibliographique
Résumé
Introduction: L’objectif de cette étude est de valider en langue française une échelle de mesure de l’usage problématique des jeux vidéo en ligne ( Internet Gaming Disorder ou IGD): l’Internet Gaming Disorder-20. L’échelle IGD-20 s’inscrit dans le débat sur les déterminants et les facteurs de maintien de l’IGD, trouble introduit dans la section III du DSM-5 et récemment référencé à la classification statistique internationale des maladies et des problèmes connexes sous l’intitulé de « trouble du jeu vidéo ». L’échelle se compose de 20 items séparés en six composantes reposant sur le modèle de l’addiction de Griffiths. Méthode: L’étude a porté sur 166 joueurs de jeux vidéo francophones, recrutés sur des forums spécialisés, jouant en moyenne 21,9 heures par semaine. La version française de l’IGD-20 a été soumise à une analyse factorielle confirmatoire par le biais d’une modélisation en équations structurelles (SEM) afin de retrouver les six facteurs de l’échelle originale (saillance, modification de l’humeur, tolérance, manque, conflits et rechute). Résultat:s L’analyse factorielle confirmatoire par modélisation en équations structurelles montre un ajustement satisfaisant du modèle (RMSEA = 0,063 [0,049; 0,077], CFI = 0,912, TLI = 0,909). Discussion: Une validation en langue française d’un outil tel que l’IGD-20 a un intérêt pour les populations francophones, notamment pour les thérapeutes qui pourront investiguer de façon plus précise le trouble et pour les personnes atteintes qui bénéficieront d’un accompagnement affiné.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».