The Internet Gaming Disorder Scale 9-Short Form: longitudinal measurement invariance across a three-year interval
Notice bibliographique
Résumé
Objective Internet gaming disorder (IGD) refers to persistent, recurrent, and excessive involvement with computer or video games that cannot be controlled, despite associated problems. Given that it has been relatively stable for several years, questionnaires measuring IGD need to demonstrate measurement invariance (i.e. consistency in its measurement properties when administrated repeatedly over time), to ensure accurate measurement over time. This longitudinal study examined invariance of the Internet Gaming Disorder Scale 9-Short Form (IGDS9-SF5), which measures Internet gaming disorder (IGD) symptoms, based on the Diagnostic and Statistical Manual of Mental Disorders-5 criteria.Method Participants were recruited from English speaking countries (e.g. Australia, USA, UK and Canada). A total of 276 adults (mean age = 31.86 years; SD = 9.94; males = 71%) provided responses to an online survey (including demographic questions and the IGDS9-SF) at three time points one year apart (2020/21/22).Results When the chi-square difference (∆χ2) test was applied, the results supported configural invariance, full metric invariance, error variances, and invariance for all structural components (latent variances and covariances). However, scalar invariance was not observed for three item intercepts (tolerance, preoccupation, and giving up other activities). For all three items, the scores were higher at time 1 than time 2 and time 3.Conclusion The findings indicate that IGDS9-SF observed scores across yearly intervals are generally free from scaling and measurement biases, making them reliable for monitoring the progression of IGD symptoms and evaluating clinical treatment effects over time.
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 | 0,007 | 0,004 |
| 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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».