پیش بینی وابستگی به شبکه های اجتماعی مجازی بر اساس نارسایی هیجانی، سبک های دلبستگی، بهزیستی روانشناختی و احساس تنهایی

مقدمه: اعتیاد به شبکه‌های اجتماعی مجازی مانند سایر وابستگی ها می‌تواند تواند متاثر از مشکلات روانشناختی، تحولی و هیجانی کاربر باشد. هدف از این انجام این پژوهش پیش بینی وابستگی به شبکه های اجتماعی مجازی بر اساس نارسایی هیجانی، سبک های دلبستگی، بهزیستی روانشناختی و احساس تنهایی بود.روش کار: طرح پژوهش، تابع تشخیص دو گروهی بود. جامعه آماری این پژوهش کلیه دانش آموزان دختر مدارس دوره دوم متوسطه شهر تهران(به تعداد 125110) در سال تحصیلی 13991398 بودند. به این منظور تعداد 100 نفر دانش آموز عادی و 100 نفر دارای وابستگی به شبکه های اجتماعی مجازی انتخاب شدند و به پرسشنامه وابستگی به شبکه های اجتماعی مجازی، نارسایی هیجانی تورنتو، سبک های دلبستگی بزرگسالان، بهزیستی روانشناختی و احساس تنهایی پاسخ دادند. داده های گردآوری شده با آزمون تحلیل تابع تشخیص تجزیه و تحلیل با نرم افزار spss نسخه 24 تحلیل شد.یافته ها: نتایج تحلیل ممیزی نشان داد که با کمک نارسایی هیجانی، سبک های دلبستگی، بهزیستی روانشناختی و احساس تنهایی می توان وابستگی به شبکه های اجتماعی مجازی را پیش بینی کرد و تحلیل ممیزی می تواند با 5/77 درصد پیش بینی صحیح دانش آموزان را به دو گروه عادی و دارای وابستگی به شبکه های اجتماعی مجازی طبقه بندی نماید نتیجه گیری: بر اساس نتایج پژوهش حاضر متغیرهای پیش بین عواملی تنهایی بر وابستگی به شبکه های اجتماعی مجازی تاثیرگذار است. بنابراین نتایج این پژوهش، می تواند به عنوان الگویی مناسب برای تدوین و طراحی برنامه های پیشگیری از وابستگی به شبکه های اجتماعی مجازی مبتنی بر موبایل مورد استفاده قرار گیرد.

The Prediction Dependency on Virtual Social Networks Based on Alexithymia, Attachment Styles, Well-Being Psychological and Loneliness

Introduction: Virtual social networks like others type of addiction can be affected by psychological, developmental, and emotional problems. So, the aim of this research is to The purpose of this study was to investigate prediction dependency on virtual social networks based on alexithymia, attachment styles, wellbeing psychological and loneliness. The research design was a twogroup diagnostic function. Methods: The statistical population consisted of all all the female students rsquo; high school (125110 students) in Tehran city in the year academic 20182019 constituted the research population. We obtained data from 100 normal students and 100 students rsquo; dependency on virtual social networks completed addiction to social networks questionnaire of mobile scale, Toronto alexithymia scale, adult attachment scale, psychological wellbeing scale, and loneliness scale were used for data collection in this study. The obtained data were analyzed by the discriminant analysis method by SPSS24. Results: The results of the analysis showed that alexithymia, attachment styles, wellbeing psychological and loneliness can help to prediction dependency on virtual social networks and function discriminant analysis assigned 77/5 percent of the normal female students and students with dependency on virtual social networks. Conclusions: Based on the results of the present study, the predictive variable is an important step in identifying the factors that are effective in dependency on virtual social networks. Therefore, the results study can be useful for the design and development of dependency on virtual social network prevention programs.