پیش بینی اعتیاد به شبکه های اجتماعی براساس احساس تنهایی و عزت نفس در دانشجویان دختر

چکیده:
با توجه به علاقه گسترده دانشجویان به شبکه های اجتماعی، بررسی ویژگی های کاربران به منزله پیشایندهای اعتیاد به شبکه های اجتماعی اهمیت ویژه ای دارد. هدف از پژوهش حاضر، بررسی نقش احساس تنهایی و عزت نفس در پیش بینی اعتیاد به شبکه های اجتماعی در دانشجویان دختر است. پژوهش حاضر، از نوع همبستگی است. نمونه ای به تعداد 335 دانشجوی دختر با استفاده از روش نمونه برداری خوشه‏ای مرحله ای انتخاب شدند و به وسیله مقیاس های احساس تنهایی اجتماعی عاطفی بزرگسالان (SELSA-S )، عزت نفس روزنبرگ (RSES) و پرسش نامه محقق ساخته اعتیاد به شبکه های اجتماعی ارزیابی شدند. داده ها از طریق روش های رگرسیون چندگانه و همبستگی پیرسون تحلیل شد.نتایج نشان داد که بین احساس تنهایی (001/0 P<،36/0 R=) و عزت نفس ( 001/0 P<،26/0- R=) با اعتیاد به شبکه اجتماعی مجازی رابطه معنادار وجود دارد. افزون بر این، بین ابعاد احساس تنهایی و اعتیاد به شبکه های اجتماعی رابطه مثبت و معناداری وجود دارد. براساس تحلیل رگرسیون چندگانه، احساس تنهایی (345/0 =β) و عزت نفس (244/0- =β) می توانند اعتیاد به شبکه های اجتماعی مجازی را به طور معنادار پیش بینی کنند. نتایج دیگر نشان داد که ابعاد سه گانه احساس تنهایی به ترتیب (خانوادگی، رمانتیک و اجتماعی) پیش بینی کننده قوی برای اعتیاد به شبکه های اجتماعی هستند.
زبان:
فارسی
صفحات:
193 تا 204
لینک کوتاه:
magiran.com/p1647356 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!