تحلیل ساختاری عواطف و اعتیاد به اینترنت با میانجی‏گری احساس تنهایی در دانشجویان مهندسی

چکیده: پژوهش حاضر با هدف تحلیل ساختاری ارتباط بین عواطف و اعتیاد به اینترنت با میانجی‌گری احساس تنهایی در دانشجویان مهندسی صورت پذیرفت. روش مطالعه، همبستگی و جامعه آماری تمامی دانشجویان دانشکده فنیمهندسی دانشگاه زابل در سال تحصیلی 99-98 بودند (حدود 1300 نفر). تعداد 297 نفر با استفاده از حجم نمونه مناسب برای پژوهش‌های ساختاری و روش نمونه‌گیری تصادفی طبقه‌ای انتخاب و پرسش‌نامه‌های اعتیاد به اینترنت یانگ (iat)، احساس تنهایی (slfs) و عاطفه مثبت و منفی (panas) را تکمیل نمودند. داده‌های حاصل با استفاده از نرم‌افزار اس‌پی‌اس‌اس و لیزرل و همچنین شاخص‌های آمار توصیفی و تحلیل مسیر مورد تجزیه و تحلیل قرار گرفت. نتایج ضریب همبستگی پیرسون نشان داد بین تمامی متغیرهای پژوهش رابطه معنادار وجود دارد (p<0.001). به‌علاوه، شاخص‌های کلی الگوی پیشنهادی تصحیح‌شده، حاکی از برازش خوب الگو بود(1.38 =χ^2/df، 0.03 = rsmea، 1.00 = gfi، 0.97 = agfi، 1.00 = cfi). با توجه به یافته‌های حاصل از تحلیل ساختاری پژوهش، آموزش استفاده مناسب از اینترنت و همچنین چگونگی کنار آمدن با احساس تنهایی و بهره‌گیری از عواطف مثبت به دانشجویان مهندسی ضروری است.

STRUCTURAL ANALYSIS OF EMOTIONS AND INTERNET ADDICTION BY MEDIATING LONELINESS IN ENGINEERING STUDENTS

The present study was conducted with the aim of structural analysis of the relationship between emotions and internet addiction by mediating loneliness in students. The study method was correlation and statistical population was all students of Zabol University Faculty of Engineering in the academic year of 20192020 (about 1300 people). A total of 297 people selected by use the suitable sample size for structural research and stratified random sampling methods. They were completed the Young Internet Addiction (IAT), Single Emotion (SLFS) and Positive Negative Emotion (PANAS) questionnaire’s. The data were analyzed using SPSS and Lisrel software, as well as descriptive statistics and path analysis indicators. The results of Pearson correlation coefficient showed that there is a significant relationship between all research variables (p < 0.001). In addition, the overall indicators of the proposed correction model indicated good pattern fit (CFI= 1.00, AGFI= 0.97, GFI= 1.00, RSMEA= 0.03, χ2 / df= 1.38). According to the findings of the structural analysis of the research, it is necessary to teach engineering students the proper use of the internet, as well as how to cope with feelings of loneliness and enjoy positive emotions.