Predicting Video Game Addiction Through the Dimensions of Consumer Video Game Engagement: Quantitative and Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Video games are expanding exponentially with their increased popularity among users. However, this popularity has also led to an increase in reported video game addiction. There may be consumer engagement-related factors that may influence video game addiction. OBJECTIVE: This study aims to empirically examine the impact of the dimensions of consumer video game engagement on video game addiction. The dimensions are dedication, absorption, conscious attention, social connection, enthusiasm, and interaction. We utilize the uses and gratifications theory to study the video game engagement dimensions as potential factors through which gamers feel gratified and engaged in video game playing. Additionally, this study incorporates the cultivation theory to investigate how video game engagement factors trigger video game addiction. METHODS: A two-step process was applied for data analysis on valid cases of 176 gamers aged 15-25 years: video game addiction was specified and validated as a reflective-formative construct, and hypothesis testing was later performed using the WarpPLS on valid respondents. RESULTS: The analysis uncovered 2 dimensions of video game engagement: social connection with P=.08 and interaction with P=.49, which did not significantly contribute to video game addiction. CONCLUSIONS: This study offers unique insights to a myriad of stakeholders, mostly psychologists and psychiatrists, who routinely prescribe behavior modification techniques to treat video game addiction.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».