Evaluation of Internet Addiction and Relational Variables Among Nursing Students in Turkey During the COVID-19 Pandemic
Notice bibliographique
Résumé
It is known that individuals use the internet more to escape from the psychological problems they encounter in daily life during the pandemic. Besides, it is also known that individuals with personality traits such as neuroticism and extraversion might be prone to internet addiction due to poor communication skills. It is important to determine the relationship between the internet usage characteristics and the mental state of nursing students so that students can provide better quality health services in their education and professional processes. The present study aimed to determine the relationship between internet addiction and personality traits, stress, and obsessive-compulsive symptoms among nursing students during the pandemic. This study includes 528 nursing students. The Young’s Internet Addiction Test (YIAT), the Vancouver Obsessive-Compulsive Inventory (VOCI), the Eysenck Personality Inventory (EPI), and the Perceived Stress Scale (PSS) were used for data collection between August and October 2021. It was found that there was a statistically significant and positive correlation between the students’ YIAT mean scores and the EPI neuroticism sub-dimension, VOCI all sub-dimensions, and PSS mean scores ( p < .05). In addition, the mean scores of the PSS and EPI were predictors of the YIAT total score ( R = .550, R 2 = .233, p < .05). Considering these results, it is necessary to prevent the negative effects of the COVID-19 pandemic on the psychosocial health of individuals. Psychological counseling can be offered to provide protective factors during the pandemic period.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».