Role of Gaming Devices Associated With Internet Gaming Disorder in China: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Chinese gamers use computer and mobile phone games widely. Consequently, concerns regarding the development of internet gaming disorder (IGD) in adolescents have been raised. However, only a few studies have focused on the influence of gaming devices on IGD. OBJECTIVE: This study aims to compare sociodemographic information, gaming use characteristics, personality traits, and gaming motivations between computer game users (CGUs) and mobile phone game users (MGUs), as well as identifying IGD predictors. METHODS: This was a cross-sectional study. A total of 3593 internet game players took part in an online survey, which included sociodemographic information, gaming patterns, gaming motivations, the Chinese version of the Video Game Dependency Scale, and the Chinese Big Five Personality Inventory brief version. The population was divided into 2 groups for comparison by mobile phone or computer use, and the IGD population was also compared within the 2 groups. RESULTS: =3.68, P<.001). Individuals using different gaming devices had different game motivations and personality traits and preferred different genres of games. Results showed that IGD predictors were different for the 2 groups, for example, strategy (odds ratio [OR] 4.452, 95% CI 1.938-10.227; P<.001) and action shooter (OR 3.725, 95% CI 1.465-9.474; P=.01) games increased the risk for MGUs. CONCLUSIONS: Gaming devices should be considered during early identification, such as long daily gaming time, much money spent on gaming, neuroticism, and conscientiousness. In addition, more research should be conducted on new gaming devices and IGD treatment.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».