سهم خودکارآمدی و هیجان‌خواهی در پیش‌بینی اعتیاد به اینترنت در دختران

پژوهش حاضر با هدف بررسی سهم خودکارآمدی و هیجان خواهی در پیش‌بینی اعتیاد به اینترنت انجام گرفته است. پژوهش، توصیفی و از نوع همبستگی است. جامعه آماری را دختران دانش‌آموز پایه دوم و سوم دوره دوم متوسطه تشکیل می‌دهند که در سال تحصیلی 95-1394 در مدارس دولتی منطقه 8 تهران به تحصیل اشتغال داشتند.240 نفر به روش نمونه‌گیری تصادفی چند مرحله‌ای انتخاب شدند و از پرسشنامه‌های خودکارآمدی عمومی شرر و همکاران(1982)، هیجان خواهی زاکرمن (1978) و اعتیاد به اینترنت یانگ (1998)استفاده شد. نتایج تحلیل داده‌ها با روش همبستگی پیرسون و رگرسیون چند متغیری سلسله‌مراتبی نشان داد که بین خودکارآمدی با اعتیاد به اینترنت همبستگی منفی و معناداری وجود دارد(0.01>p 0.561= β ) و خودکارآمدی می‌تواند 31.4 درصد از اعتیاد به اینترنت در گروه نمونه را تبیین کند. همچنین نتایج نشان داد که بین مولفه‌های هیجان خواهی با اعتیاد به اینترنت همبستگی مثبت و معناداری وجود دارد (ρ<0.01). هیجان خواهی 7.4 درصد واریانس اعتیاد به اینترنت را در  گروه نمونه تبیین می‌کند و از چهار مولفه هیجان خواهی تنها مولفه ماجراجویی به صورت مثبت و معنادار اعتیاد به اینترنت را پیش‌بینی می‌کند ( p<0.01 و 0.256=β). یافته‌ها نشان داد که خودکارآمدی و هیجان خواهی می‌توانند در مجموع 38.7 درصد از اعتیاد به اینترنت را در گروه نمونه پیش‌بینی کند.

The contribution of self-efficacy and sensation-seeking in predicting internet addiction in girls

The present study was only conducted to investigate the contribution of selfefficacy and sensationseeking in predicting internet addiction. The study was descriptive study from the correlation type. Statistical population was constituted of female students of the second and third grade of the secondary school who were studying in the public schools in district 8 of Tehran in the educational year of 20152016. 240 students were selected by multistage random sampling. General SelfEfficacy Questionnaires of Scherer et al, Zuckerman’s SensationSeeking and young Internet Addiction was performed. Results of data analysis by pearson correlation and hierarchical multivariate regression showed that selfefficacy and sensationseeking can predict the internet addiction in the sample group. The results also showed that there was a significant negative correlation between selfefficacy and internet addiction, and there is a significant positive correlation between the components of sensationseeking and internet addiction; and from four components of the sensationseeking, only adventure component forecasts the internet addiction. Therefore, it could be said that given the importance of using the internet in today’s life and considering the contribution of selfefficacy and sensationseeking in predicting internet addiction, accurate planning can be made for appropriate use of the internet.