پیش بینی اعتیاد به اینترنت بر اساس ناگویی طبعی، هیجانات تحصیلی مثبت و منفی و خودمهارگری در دانشجویان
Publish place: culture in Islamic university، Vol: 8، Issue: 26
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 122
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CIUN-8-26_003
تاریخ نمایه سازی: 25 دی 1400
Abstract:
هدف: پیش بینی اعتیاد به اینترنت بر اساس ناگویی طبعی، هیجانات تحصیلی مثبت و منفی و خودمهارگری در دانشجویان. روش: روش پژوهش، توصیفی از نوع همبستگی و جامعه آماری آن، دانشجویان دانشگاه تبریز در سال تحصیلی ۹۶-۱۳۹۵ بود که از میان آنان ۴۰۰ نفر بر اساس جدول مورگان و با نمونه گیری خوشه ای چند مرحله ای انتخاب شدند. جمع آوری دادهها از طریق پرسشنامه های اعتیاد به اینترنت یانگ، ناگویی طبعی بگبی، هیجانات تحصیلی مثبت و منفی پکران و خودمهارگری تانجی صورت گرفت. تجزیه و تحلیل دادهها نیز با روش آماری ضریب همبستگی پیرسون، تحلیل رگرسیون و آزمون تی دو گروه مستقل انجام گرفت. یافته ها: دشواری در شناسایی و توصیف احساسات، تفکر عینی و هیجانات تحصیلی منفی، با اعتیاد به اینترنت در دانشجویان رابطه مثبت و معنادار دارد. از سویی بین هیجانهای تحصیلی مثبت و خودمهارگری اولیه و منع کننده، با اعتیاد به اینترنت رابطه منفی و معناداری وجود دارد. نتایج تحلیل رگرسیون نشان داد متغیرهای ناگویی طبعی، هیجانات تحصیلی مثبت و منفی و خودمهارگری قادرند ۲۴ درصد از تغییرات اعتیاد به اینترنت را در دانشجویان پیش بینی کنند. از طرفی، بین دانشجویان دختر و پسر در متغیر اعتیاد به اینترنت تفاوت معنادار وجود دارد و دانشجویان پسر از اعتیاد به اینترنت بالایی برخوردارند. نتیجه گیری: توجه به نقش ناگویی طبعی، هیجانهای منفی و افزایش هیجانهای مثبت و خودمهارگری آنها می تواند بر اعتیاد به اینترنت تاثیرگذار باشد.
Keywords:
Authors
تورج هاشمی نصرت آبادی
دکتری روان شناسی، استاد گروه روان شناسی، دانشکده علوم تربیتی و روان شناسی، دانشگاه تبریز
جعفر بهادری خسروشاهی
. دانشجوی دکتری روان شناسی تربیتی، دانشگاه شهید مدنی آذربایجان (نویسنده مسئول)/ نشانی: تبریز؛ دانشگاه شهید مدنی، دانشکده علوم تربیتی و روان شناسی، گروه روان شناسی تربیتی/ نمابر: ۳۴۳۲۷۵۰۰ / Email: Jafar.b۲۰۱۰@yahoo.com
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :