大学生の心理的レジリエンス、学校帰属意識、高次の思考を検証するための再現可能な調査ワークフロー

サマリー

このプロトコルは、大学生のデータ収集、質のスクリーニング、調整された調停分析のための再現可能な調査ワークフローを提供します。

要約

本手法論文は、心理的レジリエンス、学校帰属感(SSB)、高次思考、インターネットゲーム障害(IGD)との関連を検証するための再現可能な横断的自己申告調査プロトコルを提示します。このプロトコルでは、新しい雇用パターンを参加者レベルの露出変数としてではなく、生成型人工知能、プラットフォームベースの仕事、そして変化する卒業生のスキル期待によって形作られた文脈的背景として扱います。このプロトコルは、機関的サンプリング、アンケート管理、翻訳文書化、回答質のスクリーニング、欠損データの処理、スケールスコアリング、共通手法バイアススクリーニング、変数センターリング、条件付きプロセス分析を一つの標準化されたワークフローに統合しています。SSBは統計的な媒介者として指定され、IGDは連合に基づく調整された媒介枠組み内のモデレーターとして指定されます。代表的な出力には、サンプルフロー記録、記述統計、相関行列、媒介および調整媒介推定値、条件付き間接効果、調整媒介指数、相互作用プロットが含まれます。代表的なデータセットは横断的かつ自己申告であるため、因果的または縦断的推論ではなく、統計的関連の透明な推定をサポートします。分析前に前処理の決定やモデル仕様を標準化することで、このワークフローは教育調査や行動調査研究における透明性、比較可能性、再現性を向上させます。

概要

生成型人工知能、プラットフォームベースの仕事、クロスドメインの職業統合によって形作られた新しい雇用パターンは、大学が大学院生準備や^学生育成について議論する方法を変えました。本記事では、新しい雇用パターンを測定された参加者レベルの露出ではなく、文脈的な枠組み条件として扱います。このプロトコルは、学生がプラットフォーム労働、ギグワーク、人工知能を媒介した雇用に直接参加しているかどうかに基づいて分類していません。むしろ、この文脈が、高次思考(HOT)、心理的回復力(PR)、学校ベースの支援が、ますます不確実な教育やキャリアの転換に直面している大学生にとって重要な概念である理由を説明しています。この説明は、プロトコルが測定された雇用パターン曝露の影響を推定するのではなく、横断的行動調査研究のために設計されているため必要です。

この文脈の中で、卒業生はますます馴染みのない問題を解決し、知識を領域を越えて移転し、情報を批判的に評価し、不確実性の中で適応的な意思決定を行うことが期待されています^。最近の労働市場や高等教育に関する議論も、特にコミュニケーション、協働、独立した問題解決、イノベーションにおいて、雇用主の期待と卒業生の準備との間に継続的な不一致があることを示しています^。3.これらの要求により、HOTは変化する^{雇用条件下}での学生の適応に関する教育および行動研究において有用なアウトカム構造物となっています。

HOTとは、記憶や基本的な理解を超えた高度な認知活動、分析、評価、意思決定、問題解決、^{創造的思考}を指します。低次認知と高次認知の古典的な区別に基づき、先行研究ではHOTは単なる知識再現ではなく知識変換を含み、本物の問題文脈、先行知識の統合、認知的柔軟性と密接に関連していることが^{強調されています。}デジタル媒介された雇用・学習環境の下で、学生は複雑な情報を解釈し、知的なツールを使い、情報が豊富であっても質が不均一な場合に認知的自律性を維持することが求められることが多い⁷。これらの条件により、HOTは再現可能な行動研究プロトコルの適切な焦点構造となっています。

PRは、ストレスや不確実性下での学生の適応機能と理論的かつ実証的に関連しているため、このプロトコルに^{含まれています。}PRの定義は結果ベース、特性ベース、プロセスベースの視点で異なりますが、ほとんどの説明はPRが自己調整、困難からの回復、そして困難^な状況下での機能的適応を維持する能力を反映しているという考えに収束しています。現在のプロトコルでは、PRはHOTの証明された因果決定因子として扱われていません。むしろ、横断データセットにおいてHOTと統計的に関連付けられる独立変数としてモデル化されます。この表現は研究の設計境界と整合しており、データが確立できない時間的順序を示唆することを避けています。この関連性は、PRが強い学生ほど、目標志向の関与、建設的な対処、学業やキャリア^{関連のプレ}ッシャーに直面しても適応的推論を維持する能力が高い可能性があるため妥当です。これまでの実証的研究ではPRと問題解決、批判的思考、適応認知の関連が示されていますが、PRとHOTを直接結びつける証拠は限られています¹¹。このため、本記事ではPRとHOTの関係を代表的なモデリング例として用い、調査から分析までの完全なプロトコルを実証しています。

学校帰属感(SSB)は、プロトコルに統計的な仲介因子として組み込まれています。一般的には、生徒が^{学校コミュニティ内で}受け入れられ、尊敬され、支えられ、つながりを感じていると感じる経験と定義されます。ほとんどの定義は、参加、認識、支援を通じて形成される教育機関、教師、仲間との感情的かつ関係的な絆を強調しています¹³。変化する雇用環境において、SSBは学生が大学の指導、仲間との交流、そして不確実な学業・職業的将来に備える際に機関のリソースに頼ることが多いため、重要です¹⁴。

既存の研究では、PRはSSBと正の関連があることが示唆されています。PRが強い生徒は、ストレスに直面しても支援を求め、建設的な関与を維持し、教師や仲間とのつながりを保つ傾向が強い可能性があります¹⁵。SSBは協働的な問題解決、批判的思考、創造性、学習活動へのより深い関与とも関連付けられています¹⁶。この基礎に基づき、本プロトコルではSSBをPRとHOTの間の統計的仲介子として指定しています。この仕様は、PRが時間的にSSBを引き起こす、またはSSBが因果的にHOTを生じる証拠としてではなく、横断面調査データに適した連想ベースの媒介モデルとして解釈されるべきです。

インターネットゲーム障害(IGD)は、デジタル行動がPR、SSB、HOTの関係性の強さに影響を与える可能性があるため、モデレーターとして含まれます。IGDとは、臨床的に意味のある障害に関連する持続的かつ繰り返しのゲーム行動を指し、集中的なデジタル曝露を持つ学生集団で注目を集めています¹⁷。過去の研究では、問題のあるゲームがルーティンの乱れ、睡眠の質の低下、社会的支援の低下、対処能力の低下、学業への関与の低下と関連していることが示されています¹⁸。これらの発見は、IGD症状のレベルが高いと適応的な教育的および心理社会的機能が弱まる可能性があるという見解を支持しています。

同時に、ゲーム関連の行動は単純に解釈すべきではありません。一部のゲーム環境では戦略的意思決定、フィードバックに基づく学習、認知的挑戦が含まれますが、これらの特徴がIGD自体が有益であることを意味するわけではありません¹⁹。本プロトコルでは、IGDは関連パターンの統計的モデレーターとしてのみ扱われています。IGDを含む相互作用は、ゲーム障害が認知機能を向上させたり学校機能を強化する臨床的証拠としてではなく、代表的なデータセット内の条件付き関連として慎重に解釈されます。

PR、SSB、HOT、そして学生のデジタル行動への関心が高まっているにもかかわらず、方法論的なギャップは依然として存在します。多くの研究がこれらの構成要素間の関連を報告していますが、参加者募集、調査実施、翻訳文書化、無効回答スクリーニング、欠損データ処理、スケールスコアリング、信頼性スクリーニング、共通手法バイアススクリーニング、変数センタリング、条件付きプロセス分析を一つの監査可能な枠組み内で結びつける透明かつ再現可能なプロトコルを提供するものは少ないです。このギャップは、前処理ルールやモデルの決定が部分的にしか報告されない場合、結果の再現が困難な教育調査や行動調査研究において特に重要です。

このギャップを埋めるために、本方法記事では、横断的な自己報告調査を実施し、代表的な調整されたメディエーション出力を生成するための再現可能なプロトコルを提供しています。プロトコルはPR、SSB、HOT、IGDを応用例として用いていますが、主な貢献は因果的ではなく方法論的にあります。このプロトコルは、サンプリングフレームの作成方法、標準化されたアンケートの実施、文書の翻訳および採点決定、あらかじめ定められたスクリーニングルールの適用、分析対応可能なデータセットの作成、固定報告ルールを用いた条件付きプロセスモデル4および59の推定方法を示します。標準化の緩い調査・分析手法と比較して、このプロトコルは解釈前に前処理の決定やモデル仕様を文書化することで、透明性、比較可能性、再現性、監査性を向上させます。これらのステップを統一された手続きとして提示することで、研究者に大学生の適応とHOT発達に関する教育および行動調査研究のための再現可能な枠組みを提供しています。

プロトコル

本研究は柳州職業技術学院倫理委員会(プロトコルコード:LVTC-2024-02-879;承認日:2024年2月1日)によって承認されました。アンケートアクセス前に電子インフォームドコンセントを取得してください。データのエクスポートや分析前に直接識別子を削除してください。生、クリーン、分析対応、スコアリング、スクリーニング、出力ファイルを制限付きフォルダに保存します。

1. 事前に指定された多段階ランダムサンプリングワークフローで参加者を募集する

1. 機関サンプリングフレームを構築し、ロックする
   1. 新しい雇用パターンを、参加者レベルの測定された曝露としてではなく、研究の文脈的背景として定義してください。
   2. 公教育記録、大学のウェブサイト、教育改革通知、雇用指針文書、カリキュラムや研修の告知を通じて候補機関を特定しましょう。
   3. 中国本土で認められた高等教育機関を含め、フルタイムの大学生を受け入れ、人工知能関連、デジタル学習、キャリア準備、イノベーション、HOTトレーニングの検証可能な記録を維持し、名簿に基づくサンプリングアクセスを提供し、標準化された匿名オンライン調査手続きに同意すること。
   4. 検証可能な研修記録、現在の名簿、調査期間中の学生登録数、または同じ管理プロトコルを遵守できる能力がない機関は除外します。
   5. 32の適格機関を維持し、I-01からI-32までの機関コードを割り当てます。
   6. ランダム選択の前に機関のサンプリング枠をロックしてください。マルチサイト^{調査研究では}、あらかじめ指定されたサンプリング枠と固定選択ルールを用いて、事後的なサンプリング決定を減らすことができます。
2. 機関単位および学生単位のランダム選択を実施します
   1. 機関レベルでの選択にはシードベースの乱数手法を用いましょう。
   2. ランダムシードを20241007に設定してください。
   3. 32の適格な機関ごとに乱数を生成し、値を昇順に並べ替え、最初の3つの機関コードを選択します。選択機関コードI-07、I-18、I-29。
   4. 選定された3つの機関から現在のクラス名簿を取得し、2024年10月7日から11月15日までの在籍状況を確認してください。
   5. 中国語を読み、機関名簿に記載し、オンラインアンケートにアクセスし、電子インフォームドコンセントを提供できる18歳から25歳のフルタイム学生を含めること。
   6. 18歳未満、積極的に登録していない学生、交換留学中、中国語アンケートを独自に回答できない学生、パイロットテストに参加した学生、同意を拒否した学生、重複または無効なアンケートの提出者は除外します。
   7. 学生名簿を機関ごとに階層化し、各機関内で同じシードベースの方法で学生をランダムに選出します。
   8. 860名の学生を招待し、その中にはI-07から286名、I-18から287名、I-29から287名の学生が含まれます。
      注意:無作為化後は、機関単位および学生単位の選考手続きを固定しておきましょう。同じシードベースの手順で任意の置換を行います。
3. 採取ウィンドウを定義し、分析サンプルを最終決定します
   1. 2024年10月7日から2024年11月15日までのデータを収集してください。
   2. アンケートは、機関承認のカウンセラーを通じて、同じ書面で招待された860名の学生に配布します。
   3. 回答の流れを、招待学生860件、返送質問票800件、無回答60件、無効回答除外24件、保留件776件と記録します。全体の回答率は93.0%を記録しています。
   4. 機関レベルの流れは以下の通り記録します:I-07、267件の返送アンケート、8件の除外回答、259件の保留ケース;I-18では266件の質問票が返答され、7件が除外され、259件が保留されました。I-29では、267件の返送アンケート、9件の除外回答、258件の保留件がありました。
   5. 排除階層を次の順序で適用します:重複応答、適格性不整合、完了時間、直線応答、繰り返しパターン応答。
   6. 重複投稿、適格性の不一致、完了時間が<360秒、リッカー項目の≥85%で同じ選択肢が選択されている、または連続したリッカート項目にまたがる交互パターン≥回答のいずれかを満たす回答は除外してください。注意チェックアイテムは使わないでください。
   7. 無効回答24件を除外し、そのうち重複回答3件、適格性不整合3件、完了時間除外7件、直線回答9件、繰り返しパターン回答2件を含む。
   8. 有効な事例を776件保持する。最終サンプルを記録し、19〜25歳の男性219名(28.2%)と女性557名(71.8%)を含みます。
      注:修正済みサンプルフローを原稿全体で一貫して使用してください:招待学生860名、返送質問票800件、除外回答24件、保持症例776件。

2. 標準化されたオンライン手順でアンケートを実施する

1. アンケートを作成し、言語適応を文書化します
   1. 人口統計、PR、HOT、SSB、IGDの症状の5つのアンケートセクションを作成します。
   2. 75点のスコア付きスケール項目を使い、その中には25個のPR項目、23個のHOT項目、18個のSSB項目、9つのIGD項目が含まれます。
   3. すべての調査項目の前に電子インフォームドコンセントフォームを置き、アンケートアクセス前に参加者の同意を求めてください。行動調査研究において、電子同意と匿名化されたオンライン回答を活用して参加者の自律性とプライバシーを守ること²¹。
   4. すべての尺度項目と分析的人口統計変数に対して強制回答を用いましょう。
   5. 英語由来のスケールを、順方向翻訳、照合、逆訳、専門家レビュー、パイロットチェックを用いて翻訳します。意味論的および概念的同等性を維持するために標準的な異文化間ツール適応手順を適用する²².
   6. 質問票の適応時には、バイリンガルの前方翻訳者2名、独立したバック翻訳者1名、そして少なくとも3名の専門家レビュアーを使用してください。
   7. 最終分析サンプルに含まれていない30名の学生を対象にパイロットチェックを実施します。
   8. 補足表1に、出典、原文、順訳、裏訳、最終的な中国語文言、改訂理由を記録してください。
   9. アンケートは管理前にロックしてください。
      注意:アンケートロック後は問題文言を変更しないでください。
2. 機関間での管理ワークフローの標準化
   1. 同じ書面による管理スクリプトを使ってカウンセラーを訓練しましょう。
   2. 参加は任意で匿名で、成績や評価とは無関係であり、罰則なしで辞退できると明記してください。
   3. クラスミーティング中にカウンセラーによる問題内容の解釈なしにオンラインアンケートを実施してください。
   4. カウンセラーが個々の参加者の回答を見るのを防いでください。
   5. 管理日、機関コード、クラスの文脈、カウンセラー識別子、招待回数、返送回数、セッション期間、プロトコルのずれを記録してください。
      注意:すべての参加機関で、同意手続き、匿名性声明、管理スクリプト、対応指示を使用してください。

3. ロックされたスコアリングフレームワークを用いて測定機器を採点する

1. 心理的レジリエンス・スケールのスコアをつけましょう
   1. HuとGanによってConnor-Davidsonフレームワークに基づいて改訂された25項目の心理的レジリエンス・スケール²³を使用してください。
   2. すべての項目を5点リッカート尺度で採点し、平均スコアを計算します。高いスコアはPRの向上と解釈してください。
   3. 内部整合性をクロンバックのアルファ=0.958として記録します。
2. 高次思考尺度のスコアをつけましょう
   1. Hwangらが開発した23項目の高次思考尺度²⁴を活用しましょう。
   2. すべての項目を5点リッカート尺度で採点し、平均スコアを計算します。高いスコアはHOTが高いと解釈してください。
   3. 内部整合性をクロンバックのアルファ=0.973として記録します。
3. 学校所属感尺度のスコアをつけましょう
   1. グッデノウの元の学校会員枠組み²⁵を基に、Panらが改訂した18項目の中国心理学的学校所属感尺度を使用してください。
   2. 3、6、9、12、16の項目は以下の換算ルールで逆得点します:1 = 5、2 = 4、3 = 3、4 = 2、5 = 1。
   3. 逆符号化後に平均スコアを計算します。高いスコアはSSBが高いと解釈してください。
   4. 内部整合性をクロンバックのアルファ=0.838として記録します。
4. インターネットゲーム障害スケールのスコア
   1. DSM-5の基準²⁶に沿った9項目のインターネットゲーム障害スケールを使用してください。
   2. すべての項目を5点リッカート尺度で採点し、平均スコアを計算します。スコアが高い場合は自己申告のIGD症状が高いと解釈してください。
   3. IGDは臨床診断としてではなく、継続的な症状スコアとして扱いましょう。
   4. 内部整合性をクロンバックのアルファ=0.941として記録します。
5. 採点決定をロックし監査する
   1. PR、HOT、SSB、IGDの4つの変数すべてに対して平均スコアを使用してください。
   2. プロトコルおよび解析ワークフロー全体で一貫して同じ略語を使いましょう:PR、HOT、SSB、IGD。
   3. 補足表2に項目数、回答範囲、逆符号化項目、スコア方向、計算ルール、人口統計符号化、信頼性値を記録してください。
      注意:記述統計、相関、信頼性推定、条件付きプロセスモデルの計算前にSSB項目を逆スコアで行う。

4. データセットをクリーンアップし、解析可能なファイルを作成する

1. データファイルのエクスポートとバージョン管理
   1. 調査終了後に生アンケートファイルをエクスポートしてください。
   2. 生のアンケートファイルは読み取り専用の形式で保管してください。
   3. スクリーン、クリーニング、再コーディング、スコアリング手順用の別の作業ファイルを作成します。
   4. 除外、逆符号化、スコア計算、人口統計符号化、変数センタリングを適用した後、最終的な解析可能なデータセットを作成します。
2. 欠損データと回答質スクリーニングを適用する
   1. 提出されたデータセットのアイテムレベルの欠落を確認しましょう。質問票の実施中に強制回答が行われたため、項目レベルの欠損値が0件記録されました。
   2. 欠損データの帰属はしないでください。スケールデータが欠落している除外ケースは0件、スケール値が付随された件は0件記録。
   3. Step 1.3で定義された除外基準を用いて、800件の回答質問票に対して回答質スクリーニングを適用します。
   4. 無効回答24件を除外し、776件の有効症例を分析のために保持します。
      注意:修正済みサンプルフローをプロトコルおよび代表的な出力(招待学生860名、返送質問票800件、除外回答24件、保持症例776件)を一貫して使用してください。
3. コーディング、再コーディング、推論分析の準備状況を検証する
   1. スコア計算前にSSB項目3、6、9、12、16の逆符号化を確認してください。
   2. コード性別は0=男性、1=女性とします。
   3. コード年齢は以下の通りです:1 = 19歳、2 = 20歳、3 = 21歳、4 = 22歳、5 = 23歳、6 = 24歳、7 = 25歳。
   4. 分析準備にはスコア付け変数PR_mean、HOT_mean、SSB_mean、IGD_meanを活用してください。
   5. 相互作用解析には中心変数PR_c、SSB_c、IGD_cを用いましょう。
      注:推論解析前に排除手続き、逆符号化、人口統計符号化、スコア計算、変数センタリングを完結させてください。

5. あらかじめ定められたワークフローを用いて統計解析を行う

1. 解析環境を記録しロックする
   1. 回帰、ブートストラップ調停、節度付き調停、相互作用探査を支える統計環境を用いましょう。
   2. 媒介およびモデレーションされた調停モデルの推定が可能な、文書化された条件付きプロセス分析のマクロ、パッケージ、または構文ベースの手続きを使用してください。
   3. 調停にはモデル4、節度付き調停にはモデル59を使いましょう。回帰ベースモデルにおける調停、調整、調整を推定するために条件付きプロセス解析を適用する²⁷。
   4. ブートストラップ推定をバイアス補正再サンプル5,000件、95%信頼区間に設定します。間接効果推定にはブートストラップ信頼区間を用いてください。なぜなら、間接効果のサンプリング分布はしばしば非正規²⁸だからです。
   5. 相互作用項を構成する前の平均中心焦点連続変数:PR_c = PR_mean − 平均(PR_mean)、SSB_c = SSB_mean − 平均(SSB_mean)、IGD_c = IGD_mean − 平均(IGD_mean)。
   6. モデレートされたPR→SSBおよびPR→HOTパスには、PR_c × IGD_cを使いましょう。モデレートされたSSB→HOTパスにはSSB_c × IGD_cを使いましょう。
   7. 低IGD、平均IGD、高IGDを平均−1 SD、平均、平均+1 SDと定義します。
   8. 年齢と性別を共変数としてロック符号化方式で入力します。
   9. すべての解析において、同じ係数スケール、信頼区間規則、センタリング規則、共変量符号化、モデル番号付けを用いてください。
      注意:モデレートされたメディエーション分析にはモデル1ではなくモデル59を使用してください。
2. 共通手法バイアスのスクリーニング
   1. 共通手法バイアススクリーニングにはPR、HOT、SSB、IGDの75点の採点尺度項目を使用します。
   2. 回転していない探索的因子分析を用いてハーマンの単一因子検定を実施します。
   3. 固有値が1より大きい因子の数、説明した累積分散、そして最初の回転していない因子で説明される分散を記録します。
   4. 代表的なデータセットでは、固有値を1より大きくした9つの因子を記録し、累積分散は65.322%、第一因子分散は32.412%で説明されます。
   5. ハーマンの単一因子検定は、一般的な手法バイアスを排除する決定的な検定ではなく、予備的なスクリーニング手順として扱うべきです。ハーマンのテストは、同一ソース測定^バイアスを単独で排除するには不十分であるため、慎重に解釈してください。
   6. 過剰な共有分散の補足検査として、構成要素間相関行列と共線性診断を検討します。
   7. 共通手法バイアススクリーニングを横断的自己報告デザインの観点から解釈します。
      注意:共通手法バイアススクリーニングは、すべての主要変数が自己申告かつ一度に測定されるため、慎重に解釈してください。
3. 記述統計と相関を生成する
   1. 最終解析準備データセットを用いて、PR、HOT、SSB、IGDの平均と標準偏差を計算します。
   2. ロックされたコーディングルールを使って、性別と年齢コードによる記述的な統計を生成します。
   3. PR、HOT、SSB、IGD間のピアソン相関を計算します。
   4. 最終的な分析サンプルを用いてサンプルの特徴と記述統計を要約します。
   5. 4つのコア変数のピアソン相関行列を要約します。
   6. 記述統計量と相関が最終的な解析サンプルn=776に基づいていることを確認します。
   7. プロトコルおよび 補足表2で使用された性別および年齢のコード付けを適用してください。
      注意:すべての記述的および相関出力には、同じ最終データセット、スコア方向、人口統計的コーディングルールを使用してください。
4. 調停モデルを実行してください
   1. 条件付きプロセス手順でモデル4を指定します。
   2. PRを独立変数に、SSBを媒介子に、HOTを従属変数に設定します。
   3. 年齢と性別を共変量として入力します。
   4. バイアス補正されたブートストラップ再サンプルを95%信頼区間で5,000件使用します。
   5. モデルは最終解析準備データセットn=776で実行します。
   6. SSBとHOT方程式の係数、標準誤差、t値、p値、信頼区間、モデル概要を抽出します。
   7. トータル効果、直接効果、間接効果、ブートストラップ標準誤差、ブートストラップ信頼区間を抽出します。
   8. 仲介結果を横断的連合モデル内の統計的媒介として解釈します。横断的媒介を時間的順序や因^果伝達の証拠と解釈しないでください。
      注意:標準化係数にはBを使用し、標準化係数にはβのみを用いてください。
5. モデレートされた調停モデルを実行してください
   1. 条件付きプロセス手順でモデル59を指定してください。
   2. PRを独立変数、SSBを媒介子、HOTを従属変数、IGDを減速変数に設定します。
   3. 年齢と性別を共変量として入力します。
   4. ステップ5.1で定義された中心変数と相互作用項を活用してください。
   5. バイアス補正されたブートストラップ再サンプルを95%信頼区間で5,000件使用します。
   6. モデルは最終解析準備データセットn=776で実行します。
   7. SSBを予測するPR×IGDの相互作用係数を抽出します。
   8. HOTを予測するPR×IGDの相互作用係数を抽出します。
   9. HOTを予測するSSB×IGDの相互作用係数を抽出します。
   10. 低、平均、高IGDレベル(平均−1 SD、平均、平均+1 SD)で条件付き効果を抽出します。
   11. 低、平均、高IGDレベルで、SSBを通じてHOTに対するPRの条件付き間接効果を抽出します。
   12. 中庸化メディエーションの指数とそのブートストラップ信頼区間を抽出します。
   13. 条件付き効果に使われた低、平均、高IGD値を使って単純傾きプロットを作成します。
       注意:モデレートされたメディエーション分析にはモデル1ではなくモデル59を使用してください。
6. 一貫した推論決定ルールを適用する
   1. 分析全体を通して同じ略語セットを使いましょう:PR、HOT、SSB、IGD。
   2. 調停にはモデル4、節度付き調停にはモデル59を使いましょう。
   3. 標準化推定値が生成された場合にのみ、標準化係数はBとして、標準化係数はβとして報告します。
   4. ブートストラップ間接効果、条件付き間接効果、そして調整されたメディエーション指数の意思決定ルールとして95%信頼区間を用いてください。
   5. 関連する95%信頼区間にゼロが含まれていない場合、その効果は統計的に支持されているとみなします。
   6. 利用可能な場合は正確なp値を報告してください。ただし、0.001未満の値はp <0.001として報告されます。
   7. すべての統計出力に一貫して小数点以下1桁のフォーマットを適用してください。
      注意:サンプルサイズ、センタリングルール、係数表記、モデル番号、信頼区間ルールはすべての解析で一貫性を保つこと。

結果

サンプル特性と予備変数パターン
このワークフローは統計モデリング前に完全なサンプルフロー記録を無事に生成しました。 表1に示すように、事前に定められたデータ収集期間中に合計860名の学生が招待され、800件のアンケートが返送され、全体の回答率は93.0%でした。応答質スクリーニングの結果、24件の無効反応が除外され、最終解析準備データセットに776件の有効症例が残りました。保持されたサンプルには、男性219名(28.2%)と女性557名(71.8%)が含まれ、年齢層は19歳から25歳でした。

カテゴリー

群 / 変数

N

ディスカッション

本手法論文は、学生のPR、SSB、HOT、IGD症状における連想ベースの媒介および調整型メディエーションパターンを検証するための再現可能な調査から分析へのワークフローを提示します。このワークフローの主な貢献は因果的ではなく方法論的であり、プロトコルは横断的な自己報告データセットを、あらかじめ指定された手順の透明な順序を通じて収集、スクリーニング、スコアリング、文書化、分析する方法を示しています。この改訂プロトコルでは、新しい雇用パターンを参加者レベルの測定された曝露ではなく、文脈的な枠組み条件として扱い、データセットが運用^{上テスト可能な}範囲を過大評価するのを防ぎます。この枠組みは適切です。なぜなら、プロトコルはプラットフォームワーク、ギグワーク、人工知能媒介雇用への直接曝露の影響を推定するのではなく、技術や雇用期待の変化に基づき、再現可能な教育調査や行動調査研究を支援することを意図しているからです。サンプリングフレーム、適格基準、同意手続き、翻訳ワークフロー、欠損データルール、応答品質閾値、スコアリングロジック、センタリン...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
機関;コードI-01からI-32	スタディチーム	該当なし	ランダム選択前にロックされ、機関レベルのランダム化に使用されます。
機関別スクリーニングログ	スタディチーム	該当なし	文書化された機関の適格基準、出典文書、適格判断、機関コード。
インターネットゲーム障害スケール	Lemmens, Valkenburg, and Gentile (2015), インターネットゲーム障害尺度、心理評価, 27巻2号, 567頁&582頁。doi:10.1037/PAS0000062	該当なし	DSM-5基準に適合した9項目スケールで、臨床診断ではなく自己申告のIGD症状指標として継続的に使用されます。
調停モデルの出力	スタディチーム	モデル4出力	PRをX、SSBをM、HOTをYとして設定したメディエーションモデルの出力。
モデレーションされたメディエーションモデルの出力	スタディチーム	モデル59出力	IGDがPRとrarrをモダントするモデレーション・メディエーションモデルの出力;SSB、PRおよびrarr;HOT、SSBなど、熱い道。
オンラインアンケートプラットフォーム	文響星 / アンケートスター	該当なし	電子インフォームドコンセント、オンラインアンケート管理、強制応答設定、調査データエクスポートに使用されるウェブベースの調査プラットフォーム。
パイロットチェック記録	スタディチーム	該当なし	30名の学生パイロットチェック記録を用いて、項目の明瞭さ、理解度、完了負担、プラットフォーム機能の評価に使用されました。パイロット参加者は最終的な分析サンプルには含まれていません。
心理的レジリエンス・スケール	コナー・デイヴィッドソン枠組みに基づくフーとガンの改訂	該当なし	心理的レジリエンスを測定するために25項目の尺度を使用しました。回答は5点リッカート尺度で採点され、平均スコアとして算出されました。
心理的学校会員感尺度	グーデノウに基づく中国改訂版」学校会員枠組み	該当なし	学校帰属感を測定するために使用された18項目の尺度。3、6、9、12、16は平均スコア計算前に逆スコアで評価されました。
ランダム化手順	スタディチーム	ランダムシード:20241007	シードベースの乱数手法による機関レベルおよび学生レベルのランダム選択に使用されます。
生調査データセット	スタディチーム	Raw_Survey_NEP_2024_800returned_locked.xlsx	回答質除外前の800件の返送されたアンケートを含む生エクスポートデータセット。
応答品質スクリーニングログ	スタディチーム	該当なし	重複回答、適格性の不一致、完了時間の除外、直線回答、繰り返しパターン回答を含む24件の除外回答を記録しました。
応答品質のスクリーニングルール	スタディチーム	該当なし	除外基準には重複提出、適格性の不一致、完了時間などが含まれていました。360秒、&geと同じオプションを選択しています。リッカート項目の85%で、および15件連続リッカート項目。
スケール信頼性出力	スタディチーム	該当なし	出力報告 Cronbach'PR、HOT、SSB、IGDのアルファ値。
スコアリングおよびコーディング参照ファイル	スタディチーム	補足表2	文書には項目数、回答範囲、逆符号化項目、スコア方向、平均スコア計算、人口統計的符号化、信頼性値が含まれます。
セッション管理ログ	スタディチーム	該当なし	記録された管理日、機関コード、クラスの文脈、カウンセラー識別子、招待回数、返送回数、セッション期間、逸脱。
統計ソフトウェア	IBM社	IBM SPSS 統計 バージョン 27.0	記述統計、相関分析、信頼性分析、探索的要因分析、回帰分析、メディエーション、モデレートドメディエーション解析に使用されます。
学生ランダム化ログ	スタディチーム	ランダムシード:20241007	選ばれた3つの機関内での学生レベルの階層化されたランダム選考の記録。
補足表1	スタディチーム	翻訳と脚色記録	文書の項目出典、原文、順訳、裏訳、最終的な中国語文言、専門家のレビュー、パイロットのフィードバック、改訂理由。
補足表2	スタディチーム	スコアリングとコーディングのルール	スコアリングルール、逆符号化、人口統計符号化、変数略語、信頼性値を文書化します。
翻訳と脚色記録	スタディチーム	補足表1	文書には、順方向翻訳、照合、裏翻訳、専門家によるレビュー、パイロットチェック、最終的な中国語文言が行われます。
Windowsオペレーティングシステム	マイクロソフト社	Windows 11 Pro、64ビット	統計解析および出力生成に使用されるオペレーティングシステム。