پیش بینی اعتیاد به اینترنت، به عنوان عاملی تاثیر گذار بر عملکرد تحصیلی، بر اساس تیپ شخصیتی D و سبک های شوخ طبعی در دانشجویان پزشکی
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJME-17-1_060
تاریخ نمایه سازی: 1 مرداد 1402
چکیده مقاله:
مقدمه: با توجه به این که اعتیاد به اینترنت پدیده ای مزمن و همراه با صدمات جدی است و استفاده نامناسب از اینترنت در بین دانشجویان رو به افزایش است این پژوهش با هدف پیش بینی اعتیاد به اینترنت بر اساس عوامل زمینه ساز مانند تیپ شخصیتی D و سبک های شوخ طبعی و بررسی رابطه آن با عملکرد تحصیلی انجام شد.
روش ها: در این پژوهش توصیفی همبستگی جامعه پژوهش کلیه دانشجویان رشته پزشکی دانشگاه شهید باهنر کرمان به تعداد
۶۰۰ نفر در سال ۱۳۹۴ بودند که ۲۷۰ نفر از آن ها با استفاده از جدول کرجسی مورگان و روش نمونه گیری تصادفی ساده به عنوان نمونه پژوهش انتخاب شدند. اطلاعات با استفاده از پرسش نامه های اعتیاد به اینترنت یانگ (Young)، تیپ شخصیتی D دنولت (Denollet) و سبک های شوخ طبعی مارتین(Martin) جمع آوری شدند. از معدل نیز برای سنجش عملکرد تحصیلی استفاده شد. داده ها با استفاده از شاخص های آمار توصیفی (میانگین و انحراف معیار) و آمار استنباطی (رگرسیون گام به گام و آزمون t) تجزیه و تحلیل شد.
نتایج: نتایج نشان داد که بین دانشجویان دارای تیپ D و تیپ غیر D از نظر سبک های شوخ طبعی خود ارتقایی (۰۰۰۱/۰=p) و خودشکنانه (۰۱/۰=p) و اعتیاد به اینترنت (۰۰۱/۰=p) تفاوت معنادار وجود دارد و مولفه هیجان منفی و سبک شوخ طبعی خود شکنانه در مجموع ۲۳ درصد از واریانس اعتیاد به اینترنت را پیش بینی می کند (۰۳۸/۰p=, ۰۰۰۱/۰=p). هم چنین اعتیاد به اینترنت با کاهش عملکرد تحصیلی هم بسته است (۰۴۷/۰=p).
نتیجه گیری: با توجه به نقش بیش تر تیپ شخصیتی D در پیش بینی اعتیاد به اینترنت، پیشنهاد می شود هنگام ارزیابی اعتیاد به اینترنت، تیپ شخصیتی افراد در نظر گرفته شود و به تاثیر اعتیاد به اینترنت بر عملکرد تحصیلی دانشجویان توجه شود.
کلیدواژه ها:
نویسندگان
مریم پورمیرزایی
دانشگاه شهید باهنر کرمان
قاسم عسکری زاده
دانشگاه شهید باهنر کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :