The Prediction of Internet Addiction in Female Students Based on Cloninger’s Temperament and Character
آرشیو
چکیده
The present study was conducted on female students of Allameh Tabataba'i University to predict Internet addiction through a seven-factor Cloninger model. The statistical population of the study consisted of all female students of Allameh Tabataba'i University studying in the academic year 2019-2020. Moreover, a sample population of 150 people was selected through the convenience sampling method. Young's Internet Addiction Test and Cloninger’s Temperament and Character Inventory (TCI-125) were administered to the sample population. The data were analyzed by Pearson’s correlation test, multiple regression. Results of Enter regression indicated that persistence dimension (b=-0.355) could account for 18.6% of variances of Internet addiction. The results of stepwise regression showed that persistence (b=-0.349) could predict 12.2% of variances of Internet addiction. Then, self-directedness was added to the prediction model which increased the explained variances of Internet addiction up to 15.4% of which 3.2% accounts particularly for self-directedness. This study may contribute to more accurate identification of involved factors in this phenomenon and provide a proper approach for prevention and treatment in line with those focused on evaluating the effective factors on Internet addiction.پیش بینی اعتیاد به اینترنت در دانشجویان دختر بر اساس سرشت و منش کلونینجر
این مطالعه با هدف پیش بینی اعتیاد به اینترنت بر اساس مدل هفت عاملی کلونینجر بر روی دانشجویان دختر دانشگاه علامه طباطبایی انجام شد. جامعه آماری تحقیق کلیه دانشجویان دختر دانشگاه علامه طباطبایی بودند و 150 نفر به عنوان نمونه به روش نمونه گیری در دسترس انتخاب شدند. آزمون اعتیاد به اینترنت یانگ و پرسشنامه خلق و خوی و شخصیت کلونینجر (TCI-125) بر روی جمعیت نمونه انجام شد. تجزیه و تحلیل داده ها با استفاده از آزمون همبستگی پیرسون و آزمون رگرسیون چندگانه انجام شد. نتایج رگرسیون روش همزمان نشان داد که بعد پشتکار (0/355- =β) می تواند 18/6 درصد از واریانس اعتیاد به اینترنت را توضیح دهد. نتایج رگرسیون گام به گام نشان داد که بعد پشتکار (0/349- =β) می تواند در مرحله اول 12/2 درصد از واریانس اعتیاد به اینترنت را پیش بینی کند. سپس خودراهبری در مرحله دوم به مدل پیش بینی اضافه شد و این باعث افزایش واریانس اعتیاد به اینترنت تا 15/4 درصد شد که 3/2 درصد سهم انحصاری بعد خودراهبری است. این مطالعه در راستای ارزیابی عوامل موثر در اعتیاد به اینترنت ، می تواند به شناسایی دقیق عوامل درگیر در این پدیده و رویکرد مناسب برای پیشگیری و درمان کمک کند.