Self-Regulation as a Mediator of the Associations Between Passion for Video Games and Well-Being
Notice bibliographique
Résumé
Video games can satisfy people's basic psychological needs of autonomy, competence, and relatedness. This may lead them to develop a passion for the activity, which can be harmonious or obsessive. These different types of passions are associated with different well-being outcomes: harmonious passion (HP) is associated with positive effects such as Satisfaction with Life (SWL), obsessive passion (OP) is associated with adverse effects such as psychological distress. Although time spent playing video games has sometimes been found to be a predictor of poor well-being, there is a lack of understanding in its role in explaining the relationship between passion and well-being compared with other factors. Self-regulation is an important factor in predicting habits, including video game play. In this cross-sectional study (N = 182), we investigated whether self-regulation or playtime better mediated the associations between different passion orientations and well-being (i.e., SWL, global subjective well-being, and psychological distress) among video game players. A path analysis revealed that people with higher HP for video games reported higher levels of self-regulation and those with higher OP for video games reported lower levels of self-regulation. Our findings also indicate that self-regulation provides a more comprehensive explanation for the relationship between passion and well-being. Overall, this study provides further support for the importance of self-regulation as a determinant of well-being in video game players rather than more arguably surface-level metrics such as time spent playing. These findings have implications for game developers and clinicians who design interventions for individuals who may experience unregulated video game play.
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 | 0,000 |
| 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 | 0,003 | 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 ».