目的:了解大學生網絡成癮的潛在類別及其與人口學變量的關系。方法:選取559名大學生（男208人,女351人,年齡17～28歲）,采用大學生網絡成癮類型問卷（TIASU）進行測試,對大學生網絡成癮特征進行潛剖面分析。采用R3STEP法的多項式logistic回歸分析探討大學生網絡成癮類型與人口學變量的關系。結果:潛剖面分析結果支持3個潛類別的模型,分別定義為"高危型"（21.6%）、"中間型"（53.0%）和"低危型"（25.4%）。logistic回歸分析發(fā)現,相較于低危型而言,網齡每大一歲屬于中間型的發(fā)生比要高出5.8%;相較于低危型而言,平均每天上網時間每多一小時屬于中間型和高危型的發(fā)生比分別要高出21.3%和23.6%。結論:大學生網絡成癮存在3種不同潛類別;網齡、平均每天上網時間有助于預測大學生所屬的類別組。 

【文章來源】：中國心理衛(wèi)生雜志. 2020,34(06)北大核心CSSCICSCD

【文章頁數】：4 頁

【部分圖文】：

大學生網絡成癮3個潛在類別在TIASU的20個條目上的得分概率

【參考文獻】：
期刊論文
[1]分類精確性指數Entropy在潛剖面分析中的表現:一項蒙特卡羅模擬研究[J]. 王孟成,鄧俏文,畢向陽,葉浩生,楊文登.  心理學報. 2017(11)
[2]增長混合模型:分析不同類別個體發(fā)展趨勢[J]. 王孟成,畢向陽,葉浩生.  社會學研究. 2014(04)
[3]成人依戀和同一性在大學生網絡成癮影響機制中的作用[J]. 鄧偉,丁璇,楊小勇.  中國學校衛(wèi)生. 2014(06)
[4]不同網絡成癮狀態(tài)大學生上網行為、人格心理特征及自我控制能力差異研究[J]. 侯其鋒,張芝,楊鋯.  浙江大學學報(理學版). 2013(01)
[5]大學生不同類型網絡成癮與社交回避的相關性研究[J]. 王啟晨,王翔,段永.  中國健康心理學雜志. 2012(02)
[6]潛在類別分析技術在心理學研究中的應用[J]. 張潔婷,焦璨,張敏強.  心理科學進展. 2010(12)
[7]大學生網絡成癮類型問卷的初步編制[J]. 周治金,楊文嬌.  中國心理衛(wèi)生雜志. 2006(11)
[8]大學生沉迷網絡的心理原因與對策[J]. 陳華.  西南交通大學學報(社會科學版). 2005(02)
[9]關于網絡成癮的心理學研究[J]. 陳俠,黃希庭,白綱.  心理科學進展. 2003(03)



本文編號：3111519