Een reproduceerbare enquête-workflow om psychologische veerkracht, het gevoel van schoolverbondenheid en hoger-orde denken bij studenten te onderzoeken

Samenvatting

Dit protocol biedt een reproduceerbare enquêteworkflow voor gegevensverzameling, kwaliteitsscreening en gemodereerde mediatie-analyse bij studenten.

Samenvatting

Dit methodeartikel presenteert een reproduceerbaar dwarsdoorsnede-zelfrapportage-enquêteprotocol om verbanden te onderzoeken tussen psychologische veerkracht, gevoel van schoolverbondenheid (SSB), hoger denkgedrag en online gamingstoornis (IGD) bij studenten. In dit protocol worden nieuwe werkgelegenheidspatronen behandeld als een contextuele achtergrond gevormd door generatieve kunstmatige intelligentie, platformgebaseerd werk en veranderende vaardigheidsverwachtingen van afgestudeerden, in plaats van als een blootstellingsvariabele op deelnemersniveau. Het protocol integreert institutionele steekproeven, vragenlijstbeheer, vertaaldocumentatie, screening van responskwaliteit, verwerking van ontbrekende gegevens, schaalscore, screening van common-method-bias, variabelecentrering en conditionele procesanalyse in één gestandaardiseerde workflow. SSB is gespecificeerd als statistische mediator, en IGD is gespecificeerd als moderator binnen een associatiegebaseerd gemodereerd mediationkader. Representatieve outputs omvatten steekproefstroomrecords, beschrijvende statistieken, correlatiematrices, schattingen van bemiddeling en gematigde mediatie, voorwaardelijke indirecte effecten, de index van gematigde bemiddeling en interactiegrafieken. Omdat de representatieve dataset dwarsdoorsnede-gebaseerd en zelfgerapporteerd is, ondersteunt het protocol transparante schatting van statistische associaties in plaats van causale of longitudinale inferentie. Door preprocessingbeslissingen en modelspecificaties vóór analyse te standaardiseren, verbetert deze workflow transparantie, vergelijkbaarheid en reproduceerbaarheid in onderwijs- en gedragsonderzoek.

Inleiding

Nieuwe werkgelegenheidspatronen, gevormd door generatieve kunstmatige intelligentie, platformgebaseerd werk en interdomein beroepsintegratie, hebben veranderd hoe universiteiten praten over de paraatheid van afgestudeerden en^{de ontwikkeling van} studenten. 1. In dit artikel worden nieuwe werkgelegenheidspatronen behandeld als een contextuele framingvoorwaarde in plaats van als een gemeten blootstelling op deelnemersniveau. Het protocol classificeert studenten niet op basis van hun directe deelname aan platformarbeid, gigwerk of door kunstmatige intelligentie gemedieerde werkgelegenheid. In plaats daarvan verklaart deze context waarom hoger-order thinking (HOT), psychologische veerkracht (PR) en schoolgebaseerde ondersteuning relevante constructies zijn voor studenten die steeds onzekerder zijn in hun onderwijs- en carrièretransities. Deze verduidelijking is noodzakelijk omdat het protocol is ontworpen voor dwarsdoorsnede-gedragsonderzoek en niet voor het schatten van de effecten van een gemeten blootstelling aan werkgelegenheid.

Binnen deze context wordt van afgestudeerden steeds vaker verwacht dat ze onbekende problemen oplossen, kennis over domeinen heen overdragen, informatie kritisch evalueren en adaptieve beslissingen nemen onder onzekerheid². Recente discussies over de arbeidsmarkt en het hoger onderwijs wijzen ook op een voortdurende mismatch tussen de verwachtingen van werkgevers en de voorbereiding van afgestudeerden, met name op het gebied van communicatie, samenwerking, zelfstandig probleemoplossend vermogen en innovatie³. Deze eisen hebben HOT tot een nuttig resultaatconstruct gemaakt in onderwijs- en gedragsonderzoek dat zich bezighoudt met studentenadaptatie onder veranderende arbeidsomstandigheden⁴.

HOT verwijst naar geavanceerde cognitieve activiteiten voorbij geheugen en basisbegrip, waaronder analyse, evaluatie, besluitvorming, probleemoplossing en creatief denken⁵. Voortbouwend op het klassieke onderscheid tussen lagere-orde en hogere-orde cognitie, benadrukt eerder onderzoek dat HOT kennistransformatie inhoudt in plaats van eenvoudige kennisreproductie, en dat dit nauw verbonden is met authentieke probleemcontexten, integratie van eerdere kennis en cognitieve flexibiliteit⁶. In digitaal gemedieerde werk- en leeromgevingen moeten studenten vaak complexe informatie interpreteren, met intelligente hulpmiddelen werken en cognitieve autonomie behouden wanneer informatie overvloedig maar ongelijk is in kwaliteit⁷. Deze omstandigheden maken HOT tot een geschikt focale constructie voor een reproduceerbaar gedragsonderzoeksprotocol.

PR is opgenomen in dit protocol omdat het theoretisch en empirisch gerelateerd is aan het adaptieve functioneren van studenten onder stress en onzekerheid⁸. Hoewel definities van PR verschillen tussen resultaat-, eigenschaps- en procesgebaseerde perspectieven, komen de meeste verklaringen overeen met het idee dat PR het vermogen weerspiegelt om jezelf te reguleren, te herstellen van moeilijkheden en functionele aanpassing te behouden onder uitdagende omstandigheden⁹. In het huidige protocol wordt PR niet behandeld als een bewezen causale factor van HOT. In plaats daarvan wordt het gemodelleerd als een onafhankelijke variabele die statistisch geassocieerd kan zijn met HOT in een dwarsdoorsnededataset. Deze formulering is consistent met de ontwerpgrens van de studie en voorkomt het impliceren van temporele ordening die de data niet kan vaststellen. Deze associatie is aannemelijk omdat studenten met een sterkere PR mogelijk beter in staat zijn om doelgerichte betrokkenheid, constructieve coping en adaptief redeneren te behouden wanneer ze geconfronteerd worden met academische en carrièregerelateerde druk¹⁰. Eerder empirisch onderzoek heeft PR gekoppeld aan probleemoplossing, kritisch denken en adaptieve cognitie, hoewel direct bewijs dat PR met HOT verbindt beperkt blijft^{tot 11}. Om deze reden gebruikt het huidige artikel de relatie tussen PR en HOT als representatief modelvoorbeeld waarmee het volledige survey-to-analysis-protocol kan worden aangetoond.

Het gevoel van schoolverbondenheid (SSB) is opgenomen als statistische bemiddelaar in het protocol. Het wordt over het algemeen gedefinieerd als de waargenomen ervaring van leerlingen van geaccepteerd, gerespecteerd, ondersteund en verbonden binnen de schoolgemeenschap¹². De meeste definities leggen de nadruk op een emotionele en relationele band met de instelling, leraren en leeftijdsgenoten, gevormd door participatie, erkenning en ondersteuning¹³. In een veranderende arbeidscontext is SSB relevant omdat studenten vaak vertrouwen op universiteitsgerichte begeleiding, interactie met collega's en institutionele middelen bij de voorbereiding op onzekere academische en beroepsgerichte toekomsten.

Bestaande studies suggereren dat PR positief geassocieerd is met SSB. Leerlingen met een sterkere PR zoeken vaak meer steun, behouden constructieve betrokkenheid en behouden een gevoel van verbinding met leraren en leeftijdsgenoten wanneer ze met stress¹⁵ te maken hebben. SSB is ook geassocieerd met samenwerkend probleemoplossend vermogen, kritisch denken, creativiteit en diepere betrokkenheid bij leeractiviteiten¹⁶. Op basis hiervan specificeert het huidige protocol SSB als statistische bemiddelaar tussen PR en HOT. Deze specificatie moet worden geïnterpreteerd als een associatiegebaseerd mediationmodel dat geschikt is voor dwarsdoorsnede-enquêtegegevens, en niet als bewijs dat PR SSB tijdelijk veroorzaakt of dat SSB causaal HOT veroorzaakt.

Online gaming disorder (IGD) wordt als moderator opgenomen omdat digitaal gedrag de sterkte van de relaties tussen PR, SSB en HOT kan bepalen. IGD verwijst naar aanhoudend en terugkerend gamegedrag dat geassocieerd wordt met klinisch betekenisvolle beperkingen en krijgt steeds meer aandacht bij leerlingen met intensieve digitale blootstelling¹⁷. Eerdere studies hebben problematisch gamen in verband gebracht met verstoorde routines, verminderde slaapkwaliteit, lagere sociale ondersteuning, zwakkere copingvaardigheden en slechtere academische betrokkenheid¹⁸. Deze bevindingen ondersteunen de opvatting dat hogere niveaus van IGD-symptomen het adaptieve onderwijs- en psychosociale functioneren kunnen verzwakken.

Tegelijkertijd mag gedrag gerelateerd aan gaming niet simplistisch worden geïnterpreteerd. Sommige spelomgevingen omvatten strategische besluitvorming, feedbackgebaseerd leren en cognitieve uitdagingen, maar deze kenmerken betekenen niet dat IGD^{zelf voordelig} is. In het huidige protocol wordt IGD alleen behandeld als statistische moderator van associatiepatronen. Elke interactie met IGD wordt voorzichtig geïnterpreteerd als een voorwaardelijke associatie binnen de representatieve dataset, in plaats van als klinisch bewijs dat game-stoornis cognitie verbetert of het schoolfunctioneren versterkt.

Ondanks de groeiende interesse in PR, SSB, HOT en digitaal gedrag van studenten, blijft er een methodologische kloof bestaan. Veel studies rapporteren verbanden tussen deze constructies, maar minder bieden een transparant en reproduceerbaar protocol dat participatiewerving, enquête-administratie, vertaaldocumentatie, screening van ongeldig antwoord, verwerking van ontbrekende gegevens, schaalscore, betrouwbaarheidsscreening, screening van gemeenschappelijke methoden, variabelecentrering en conditionele procesanalyse binnen één controleerbaar kader verbindt. Deze kloof is vooral relevant voor onderwijs- en gedragsonderzoek, waar resultaten moeilijk te reproduceren kunnen zijn als preprocessing-regels en modelbeslissingen slechts gedeeltelijk worden gerapporteerd.

Om deze kloof te dichten, biedt het huidige methodeartikel een reproduceerbaar protocol voor het uitvoeren van een cross-sectionele zelfrapportage-enquête en het genereren van representatieve gemodereerde mediation-outputs. Het protocol gebruikt PR, SSB, HOT en IGD als toegepaste voorbeelden, maar de belangrijkste bijdrage is methodologisch in plaats van causaal. Het protocol demonstreert hoe een steekproefframe wordt opgesteld, een gestandaardiseerde vragenlijst wordt afgenomen, vertaal- en beoordelingsbeslissingen wordt gedocumenteerd, vooraf gespecificeerde screeningsregels wordt toegepast, een analyseklaar dataset wordt voorbereid en conditioneel proces Modellen 4 en 59 wordt gescat met vaste rapportageregels. In vergelijking met minder gestandaardiseerde survey-analysebenaderingen verbetert dit protocol transparantie, vergelijkbaarheid, reproduceerbaarheid en controleerbaarheid door preprocessingbeslissingen en modelspecificaties te documenteren vóór interpretatie. Door deze stappen als een uniforme procedure te presenteren, biedt het artikel onderzoekers een reproduceerbaar kader voor onderwijs- en gedragsonderzoek naar adaptatie van studenten en HOT-ontwikkeling.

Protocol

Deze studie werd goedgekeurd door de Ethische Commissie van het Liuzhou Vocational and Technical College (protocolcode: LVTC-2024-02-879; goedkeuringsdatum: 1 februari 2024). Verkrijg elektronische geïnformeerde toestemming voordat je toegang krijgt tot de vragenlijst. Verwijder directe identificaties vóór data-export en analyse. Sla ruwe, schoongemaakte, analyse-ready, score-, screening- en outputbestanden op in mappen met beperkte toegang.

1. Deelnemers werven met behulp van een vooraf gespecificeerde meertraps willekeurige steekproefwerkwijze

1. Bouw en vergrendel het institutionele steekproefframe
   1. Definieer nieuwe werkgelegenheidspatronen als de contextuele achtergrond van de studie in plaats van als een gemeten blootstelling op deelnemersniveau.
   2. Identificeer kandidaatinstellingen via openbare onderwijsregisters, universiteitswebsites, kennisgevingen over onderwijshervorming, werkrichtlijnen en aankondigingen van curriculums of trainingen.
   3. Includeer instellingen die erkende hogeronderwijsinstellingen zijn in vasteland China, schrijf voltijdstudenten in, houd verifieerbare gegevens bij van kunstmatige intelligentie-gerelateerd, digitaal leren, carrièrevoorbereiding, innovatie of HOT-training, bied selectie-gebaseerde toegang en stem in met de gestandaardiseerde anonieme online enquêteprocedure.
   4. Sluit instellingen uit zonder verifieerbare trainingsgegevens, actuele roosters, actieve studenteninschrijving tijdens de enquêteperiode, of de capaciteit om hetzelfde administratief protocol te volgen.
   5. Houd 32 in aanmerking komende instellingen en wijs instellingen toe van I-01 tot I-32.
   6. Vergrendel het institutionele steekproefkader vóór willekeurige selectie. Gebruik een vooraf gespecificeerd steekproefkader en een vaste selectieregel om post-hoc steekproefbeslissingen in multisite survey research te verminderen²⁰.
2. Voer willekeurige selectie uit op instellings- en studentniveau
   1. Gebruik een zaad-gebaseerde random-number-procedure voor de selectie op instellingsniveau.
   2. Stel de willekeurige seed in op 20241007.
   3. Genereer willekeurige nummers voor de 32 in aanmerking komende instellingen, sorteer de waarden in oplopende volgorde en selecteer de eerste drie instellingencodes. Selecteer instellingscodes I-07, I-18 en I-29.
   4. Verkrijg de huidige klassenlijsten van de drie geselecteerde instellingen en verifieer actieve inschrijving tussen 7 oktober 2024 en 15 november 2024.
   5. Neem voltijdstudenten van 18-25 jaar op die Chinees kunnen lezen, op het personeelsrooster van de instelling staan, toegang krijgen tot de online vragenlijst en elektronische geïnformeerde toestemming geven.
   6. Sluit studenten uit die jonger zijn dan 18 jaar, niet actief ingeschreven zijn, op uitwisseling of verlof, de Chinese vragenlijst niet zelfstandig kunnen invullen, hebben deelgenomen aan de pilottest, toestemming hebben geweigerd of dubbele of ongeldige vragenlijsten hebben ingediend.
   7. Structureer de studentenlijst per instelling en selecteer willekeurig studenten binnen elke instelling met dezelfde seed-gebaseerde procedure.
   8. Nodig 860 studenten uit, waaronder 286 studenten van I-07, 287 studenten van I-18 en 287 studenten van I-29.
      OPMERKING: Houd de selectieprocedures op instellings- en studentniveau vast na de randomisatie. Voer elke vervanging uit met dezelfde zaad-gebaseerde procedure.
3. Definieer het verzamelvenster en maak de analytische steekproef definitief
   1. Verzamel gegevens van 7 oktober 2024 tot 15 november 2024.
   2. Verspreid de vragenlijst aan de 860 uitgenodigde studenten via door de instelling goedgekeurde counselors met hetzelfde schriftelijke script.
   3. Noteer de responsstroom als 860 uitgenodigde studenten, 800 teruggestuurde vragenlijsten, 60 niet-antwoorden, 24 uitgesloten ongeldige antwoorden en 776 behouden gevallen. Record een totale responspercentage van 93,0%.
   4. Noteer de stroom op instellingsniveau als volgt: I-07, 267 teruggestuurde vragenlijsten, 8 uitgesloten antwoorden en 259 behouden gevallen; I-18, 266 retourneerden vragenlijsten, 7 uitgesloten antwoorden en 259 behouden gevallen; en I-29, 267 teruggestuurde vragenlijsten, 9 uitgesloten antwoorden en 258 behouden gevallen.
   5. Pas de uitsluitingshiërarchie toe in de volgende volgorde: dubbele respons, inconsistentie van geschiktheid, voltooiingstijd, rechtlijnig antwoorden en herhaald patroon.
   6. Beantwoordingen die aan een van de volgende criteria voldoen uitsluiten: dubbele indiening, inconsistentie in geschiktheid, voltooiingstijd van <360 seconden, dezelfde optie gekozen voor ≥85% van de Likert-items, of een herhaald afwisselend patroon over ≥15 opeenvolgende Likert-items. Gebruik geen aandachtscheck-item.
   7. Sluit 24 ongeldige antwoorden uit, waaronder 3 dubbele antwoorden, 3 inconsistenties in geschiktheid, 7 uitsluitingen tijdens voltooiingstijd, 9 rechtlijnige antwoorden en 2 antwoorden met herhaald patroon.
   8. Houd 776 geldige zaken vast. Neem een eindsteekproef op bestaande uit 219 mannen (28,2%) en 557 vrouwen (71,8%) van 19–25 jaar.
      OPMERKING: Gebruik de gecorrigeerde steekproefstroom consequent door het hele manuscript: 860 uitgenodigde studenten, 800 teruggestuurde vragenlijsten, 24 uitgesloten antwoorden en 776 behouden gevallen.

2. De vragenlijst afnemen met een gestandaardiseerde online procedure

1. Stel de vragenlijst samen en documenteer taalaanpassing
   1. Stel vijf vragenlijstsecties samen: demografie, PR, HOT, SSB en IGD-symptomen.
   2. Gebruik 75 gescorede schaalitems, waaronder 25 PR-items, 23 HOT-items, 18 SSB-items en 9 IGD-items.
   3. Plaats het elektronische formulier voor geïnformeerde toestemming, vóór alle enquête-items en vereist toestemming van de deelnemer voordat de vragenlijst toegang krijgt. Gebruik elektronische toestemming en gedeïdentificeerde online antwoorden om de autonomie en privacy van deelnemers te beschermen in gedragsonderzoek²¹.
   4. Gebruik geforceerde antwoorden voor alle schaalitems en analytische demografische variabelen.
   5. Vertaal Engelse schaal met behulp van vooruitvertaling, afstemming, terugvertaling, deskundige beoordeling en pilotcontrole. Pas standaard cross-culturele instrumentadaptatieprocedures toe om semantische en conceptuele equivalentie te behouden²².
   6. Gebruik twee tweetalige voorvertalers, één onafhankelijke achtervertaler en minstens drie deskundige beoordelaars tijdens de aanpassing van de vragenlijst.
   7. Voer een pilotcheck uit met 30 studenten die niet in de definitieve analytische steekproef zijn opgenomen.
   8. Documenteer de itembron, oorspronkelijke bewoordingen, vooruitvertaling, achteroververtaling, definitieve Chinese formulering en revisie-motivering in Aanvullende Tabel 1.
   9. Sluit de vragenlijst voor afname.
      OPMERKING: Verander de formulering van het item niet na het sloten van de vragenlijst.
2. Standaardiseer de administratieve workflow tussen instellingen
   1. Train counselors met hetzelfde schriftelijke administratiescript.
   2. Geef aan dat deelname vrijwillig, anoniem, niet gerelateerd is aan cijfers of evaluatie, en zonder straf kan worden geweigerd.
   3. Dien de online vragenlijst af tijdens klasbijeenkomsten zonder dat de inhoud van de begeleider wordt geïnterpreteerd.
   4. Voorkom dat counselors individuele reacties van deelnemers bekijken.
   5. Noteer de administratiedatum, de instellingscode, de context van de les, de begeleideridentificatie, het aantal uitnodigingen, het aantal teruggestuurde opnames, de duur van de sessie en afwijkingen van het protocol.
      OPMERKING: Gebruik dezelfde toestemmingsprocedure, anonimiteitsverklaring, administratiescript en responsinstructies bij alle deelnemende instellingen.

3. Beoordeel de meetinstrumenten met behulp van een vergrendeld scorekader

1. Score de Psychologische Veerkrachtschaal
   1. Gebruik de 25-items Psychological Resilience Scale, herzien door Hu en Gan op basis van het Connor-Davidson raamwerk²³.
   2. Beoordeel alle items met een 5-punts Likert-schaal en bereken de gemiddelde score. Interpreteer hogere scores als een hogere PR.
   3. Record interne consistentie als Cronbachs alfa = 0,958.
2. Score op de hogere-orde denkschaal
   1. Gebruik de 23-item Higher-Order Thinking Scale, ontwikkeld door Hwang en collega's²⁴.
   2. Beoordeel alle items met een 5-punts Likert-schaal en bereken de gemiddelde score. Interpreteer hogere scores als hogere HOT.
   3. Record interne consistentie als Cronbach's alpha = 0,973.
3. Score de School Belonging Scale
   1. Gebruik de 18-items Chinese Psychological Sense of School Membership-schaal, herzien door Pan en collega's op basis van Goodenows oorspronkelijke school-lidmaatschapsraamwerk²⁵.
   2. Reverse-score Items 3, 6, 9, 12 en 16 met de volgende conversieregel: 1 = 5, 2 = 4, 3 = 3, 4 = 2, en 5 = 1.
   3. Bereken de gemiddelde score na reverse codering. Interpreteer hogere scores als hogere SSB.
   4. Record interne consistentie als Cronbach's alpha = 0,838.
4. Beoordeel de Schaal van de Internet Gaming Disorder
   1. Gebruik de 9-item Internet Gaming Disorder Scale volgens DSM-5 criteria²⁶.
   2. Beoordeel alle items met een 5-punts Likert-schaal en bereken de gemiddelde score. Interpreteer hogere scores als hogere zelfgerapporteerde IGD-symptomen.
   3. Behandel IGD als een continue symptoomscore in plaats van als een klinische diagnose.
   4. Record interne consistentie als Cronbach's alpha = 0,941.
5. Vergrendel en audit de beoordelingsbeslissingen
   1. Gebruik gemiddelde scores voor alle vier de variabelen: PR, HOT, SSB en IGD.
   2. Gebruik dezelfde afkortingen consequent gedurende het protocol en de analyse: PR, HOT, SSB en IGD.
   3. Noteer het aantal items, het responsbereik, omgekeerd gecodeerde items, scorerichting, rekenregel, demografische codering en betrouwbaarheidswaarden in Aanvullende Tabel 2.
      OPMERKING: Reverse score SSB-items voordat je beschrijvende statistieken, correlaties, betrouwbaarheidsschattingen of conditionele procesmodellen berekent.

4. Maak de dataset schoon en maak een analyseklaar bestand

1. Exporteer en versie van de databestanden
   1. Exporteer het ruwe vragenlijstbestand na afsluiting van de enquête.
   2. Bewaar het ruwe vragenlijstbestand in alleen-lezen formaat.
   3. Maak een apart werkbestand voor screening-, schoonmaak-, hercodeer- en scoreprocedures.
   4. Maak de dataset klaar voor de eindanalyse na het toepassen van uitsluitingen, omgekeerde codering, scoreberekening, demografische codering en variabelecentrering.
2. Pas screening van ontbrekende data en responskwaliteit toe
   1. Controleer of het item op itemniveau ontbreekt in de ingediende dataset. Record 0 ontbrekende waarden op itemniveau omdat er tijdens het afnemen van de vragenlijst geforceerde antwoorden werden gebruikt.
   2. Schrijf geen ontbrekende gegevens toe. Record 0 sloot gevallen uit wegens ontbrekende schaalgegevens en 0 geïncreuteerde schaalwaarden.
   3. Pas screening van responskwaliteit toe op de 800 teruggestuurde vragenlijsten met behulp van de uitsluitingscriteria gedefinieerd in Stap 1.3.
   4. Sluit 24 ongeldige antwoorden uit en bewaar 776 geldige gevallen voor analyse.
      OPMERKING: Gebruik de gecorrigeerde steekproefstroom consequent gedurende het protocol en alle representatieve uitkomsten: 860 uitgenodigde studenten, 800 teruggestuurde vragenlijsten, 24 uitgesloten antwoorden en 776 behouden gevallen.
3. Verifieer codering, hercodering en gereedheid voor inferentieanalyse
   1. Controleer omgekeerde codering voor SSB-items 3, 6, 9, 12 en 16 vóór de scoreberekening.
   2. Codeer het geslacht als 0 = man en 1 = vrouwelijk.
   3. De codeleeftijd is als volgt: 1 = 19 jaar, 2 = 20 jaar, 3 = 21 jaar, 4 = 22 jaar, 5 = 23 jaar, 6 = 24 jaar en 7 = 25 jaar.
   4. Gebruik de gescorede variabelen PR_mean, HOT_mean, SSB_mean en IGD_mean voor de voorbereiding van de analyse.
   5. Gebruik de gecentreerde variabelen PR_c, SSB_c en IGD_c voor interactie-analyses.
      OPMERKING: Volledige uitsluitingsprocedures, omgekeerde codering, demografische codering, scoreberekening en variabelencentrering vóór inferentieanalyse.

5. Voer de statistische analyses uit met behulp van een vooraf gespecificeerde workflow

1. Registreer en vergrendel de analyseomgeving
   1. Gebruik een statistische omgeving die regressie, bootstrapped mediation, gemodereerde mediation en interaction probing ondersteunt.
   2. Gebruik een gedocumenteerde procedure gebaseerd op voorwaardelijke procesanalyse van macro-, pakket- of syntaxis, waarmee je mediatie- en gemodereerde mediatiemodellen kunt schatten.
   3. Gebruik Model 4 voor mediation en Model 59 voor gemodereerde mediation. Pas conditionele procesanalyse toe om bemiddeling, moderatie en gemodereerde mediatie te schatten in regressiemodellen²⁷.
   4. Stel bootstrap-schatting in op 5.000 bias-gecorrigeerde resamples met 95% betrouwbaarheidsintervallen. Gebruik bootstrap-betrouwbaarheidsintervallen voor indirect-effect schatting omdat de steekproefverdeling van indirecte effecten vaak niet-normaal²⁸ is.
   5. Middelpunt-focus continue variabelen voordat interactietermen worden geconstrueerd: PR_c = PR_mean − gemiddelde(PR_mean), SSB_c = SSB_mean − gemiddelde(SSB_mean), en IGD_c = IGD_mean − gemiddelde(IGD_mean).
   6. Gebruik PR_c × IGD_c voor de gemodereerde PR → SSB en PR → HOT-paden. Gebruik SSB_c × IGD_c voor het gemodereerde SSB → HOT-pad.
   7. Definieer lage, gemiddelde en hoge IGD als gemiddelde − 1 SD, gemiddelde en gemiddelde + 1 SD.
   8. Voer leeftijd en geslacht in als covariaten met behulp van het vergrendelde coderingsschema.
   9. Gebruik dezelfde coëfficiëntenschaal, betrouwbaarheidsintervalregel, centreringsregel, covariate codering en modelnummering voor alle analyses.
      OPMERKING: Gebruik Model 59, niet Model 1, voor de gemodereerde mediationanalyse.
2. Screen op veelvoorkomende methode-bias
   1. Gebruik de 75-gescorede schaalitems van PR, HOT, SSB en IGD voor screening van common-method-bias.
   2. Voer Harmans single-factor test uit met behulp van ongedraaide exploratieve factoranalyse.
   3. Noteer het aantal factoren met eigenwaarden groter dan 1, de uitgelegde cumulatieve variantie en de variantie verklaard door de eerste niet-geroteerde factor.
   4. In de representatieve dataset vermeld je negen factoren met eigenwaarden groter dan 1, cumulatieve variantie verklaard van 65,322% en eerste-factor variantie van 32,412%.
   5. Behandel Harmans single-factor test als een voorlopige screeningsprocedure in plaats van als een definitieve test om veelvoorkomende methodevooroordelen te elimineren. Interpreteer Harmans test voorzichtig, want deze is op zichzelf niet voldoende om gelijke-bron-metingsbias²⁹ uit te sluiten.
   6. Bekijk de inter-construct correlatiematrix en collineariteitsdiagnostiek als aanvullende controles op overmatige gedeelde variantie.
   7. Interpreteer screening van common-method-bias in het licht van het cross-sectionele zelfrapportageontwerp.
      OPMERKING: Interpreteer screening van common-method-bias zorgvuldig, omdat alle kernvariabelen zelfgerapporteerd en op één tijdstip worden gemeten.
3. Genereer beschrijvende statistieken en correlaties
   1. Bereken gemiddelden en standaarddeviaties voor PR, HOT, SSB en IGD met behulp van de eindanalyse-klare dataset.
   2. Genereer beschrijvende statistieken op geslacht en leeftijdscode met behulp van de vergrendelde coderingsregels.
   3. Bereken Pearson-correlaties tussen PR, HOT, SSB en IGD.
   4. Vat de steekproefkenmerken en beschrijvende statistieken samen met behulp van de uiteindelijke analytische steekproef.
   5. Vat de Pearson-correlatiematrix samen voor de vier kernvariabelen.
   6. Bevestig dat beschrijvende statistieken en correlaties gebaseerd zijn op de uiteindelijke analytische steekproef van n = 776.
   7. Pas dezelfde geslachts- en leeftijdscodering toe die in het Protocol en de aanvullende tabel 2 worden gebruikt.
      OPMERKING: Gebruik dezelfde uiteindelijke dataset, scorerichtingen en demografische coderingsregels voor alle beschrijvende en correlatie-outputs.
4. Voer het bemiddelingsmodel uit
   1. Specificeer Model 4 in de conditionele procesprocedure.
   2. Stel PR in als de onafhankelijke variabele, SSB als mediator, en HOT als afhankelijke variabele.
   3. Voer leeftijd en geslacht als covariaten in.
   4. Gebruik 5.000 bias-gecorrigeerde bootstrap-resamples met 95% betrouwbaarheidsintervallen.
   5. Voer het model uit met de eindanalyse-klare dataset van n = 776.
   6. Extraheren van de coëfficiënt, standaardfout, t-waarde, p-waarde, betrouwbaarheidsinterval en modelsamenvatting voor de SSB- en HOT-vergelijkingen.
   7. Haal het totale effect, direct effect, indirect effect, bootstrap standaardfout en bootstrap betrouwbaarheidsinterval uit.
   8. Interpreteer het bemiddelingsresultaat als statistische bemiddeling binnen een cross-sectioneel associatiemodel. Interpreteer dwarsdoorsnede-mediatie niet als bewijs van temporele ordening of causale overdracht³⁰.
      OPMERKING: Gebruik B voor niet-gestandaardiseerde coëfficiënten en β alleen voor gestandaardiseerde coëfficiënten.
5. Voer het gemodereerde bemiddelingsmodel uit
   1. Specificeer Model 59 in de procedure voor voorwaardelijk proces.
   2. Stel PR in als de onafhankelijke variabele, SSB als mediator, HOT als afhankelijke variabele en IGD als moderator.
   3. Voer leeftijd en geslacht als covariaten in.
   4. Gebruik de gecentreerde variabelen en interactietermen gedefinieerd in Stap 5.1.
   5. Gebruik 5.000 bias-gecorrigeerde bootstrap-resamples met 95% betrouwbaarheidsintervallen.
   6. Voer het model uit met de eindanalyse-klare dataset van n = 776.
   7. Haal de interactiecoëfficiënt uit voor PR × IGD die SSB voorspelt.
   8. Haal de interactiecoëfficiënt uit voor PR × IGD die HOT voorspelt.
   9. Haal de interactiecoëfficiënt uit voor SSB × IGD die HOT voorspelt.
   10. Extraheren van conditionele effecten op lage, gemiddelde en hoge IGD-niveaus, gedefinieerd als gemiddelde − 1 SD, gemiddelde en gemiddelde + 1 SD.
   11. Extraheren van de voorwaardelijke indirecte effecten van PR op HOT via SSB bij lage, gemiddelde en hoge IGD-niveaus.
   12. Haal de index van gematigde bemiddeling en het bootstrap-betrouwbaarheidsinterval eruit.
   13. Genereer plots met eenvoudige helling met dezelfde lage, gemiddelde en hoge IGD-waarden als voor de conditionele effecten.
       OPMERKING: Gebruik Model 59, niet Model 1, voor de gemodereerde mediationanalyse.
6. Pas consistente inferentiële beslissingsregels toe
   1. Gebruik dezelfde afkortingen in de hele analyse: PR, HOT, SSB en IGD.
   2. Gebruik Model 4 voor mediation en Model 59 voor gemodereerde mediation.
   3. Rapporteer niet-gestandaardiseerde coëfficiënten als B en gestandaardiseerde coëfficiënten als β alleen wanneer gestandaardiseerde schattingen worden gegenereerd.
   4. Gebruik 95% betrouwbaarheidsintervallen als beslissingsregel voor bootstrap-indirecte effecten, voorwaardelijke indirecte effecten en de index van gematigde bemiddeling.
   5. Behandel een effect als statistisch ondersteund wanneer het relevante 95% betrouwbaarheidsinterval geen nul bevat.
   6. Rapporteer exacte p-waarden waar beschikbaar, behalve waarden onder 0,001, die worden gerapporteerd als p < 0,001.
   7. Pas consequent een een-decimal-plaats opmaak toe op alle statistische outputs.
      OPMERKING: Houd de steekproefgrootte, centreringsregel, coëfficiëntennotatie, modelnummer en betrouwbaarheidsintervalregel consistent in alle analyses.

Resultaten

Steekproefkenmerken en voorlopige variabelenpatronen
De workflow genereerde met succes een volledig steekproefstroomrecord voordat de statistische modellering werd uitgevoerd. Zoals te zien is in Tabel 1, werden in totaal 860 studenten uitgenodigd tijdens het vooraf bepaalde dataverzamelingsvenster, en werden 800 vragenlijsten teruggestuurd, wat een totale responspercentage van 93,0% oplevert. Na screening op responskwaliteit werden 24 ongeldige antwo...

Discussie

Dit methode-artikel presenteert een reproduceerbare enquête-naar-analyse workflow voor het onderzoeken van associatie-gebaseerde mediation en gemodereerde mediatiepatronen bij PR-, SSB-, HOT- en IGD-symptomen bij studenten. De belangrijkste bijdrage van de workflow is methodologisch in plaats van causaal, omdat het protocol laat zien hoe een cross-sectionele zelfrapportagedataset kan worden verzameld, gescreend, gescoord, gedocumenteerd en geanalyseerd via een transparante reeks vooraf b...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Institutions; codes I-01 tot I-32	Study team	N/A	Vergrendeld voor willekeurige selectie en gebruikt voor randomisatie op instellingsniveau.
Institutional screening log	Study team	N/A	Gedocumenteerde institutionele geschiktheidscriteria, brondocumenten, geschiktheidsbeslissingen en instellingscodes.
Internet Gaming Disorder Scale	Lemmens, Valkenburg, en Gentile (2015), The Internet Gaming Disorder Scale, Psychological Assessment, 27(2), 567–582. doi:10.1037/pas0000062	N/A	9-item schaal afgestemd op DSM-5 criteria en gebruikt als een continue zelfgerapporteerde IGD-symptoommating in plaats van als een klinische diagnose.
Mediation model output	Study team	Model 4 output	Output voor het mediationsmodel met PR als X, SSB als M en HOT als Y.
Moderated mediation model output	Study team	Model 59 output	Output voor het gemodereerde mediationsmodel met IGD die de PR → SSB, PR → HOT en SSB → HOT paden modereert.
Online questionnaire platform	Wenjuanxing / Questionnaire Star	N/A	Web-based surveyplatform gebruikt voor elektronische geïnformeerde toestemming, online vragenlijstadministratie, verplichte antwoordinstellingen en export van surveygegevens.
Pilot-check record	Study team	N/A	30-studenten pilot-check record gebruikt om itemduidelijkeheid, begrip, voltooiingslast en platformfunctie te beoordelen. Pilotdeelnemers waren niet opgenomen in de uiteindelijke analytische steekproef.
Psychological Resilience Scale	Hu en Gan revisie gebaseerd op het Connor-Davidson raamwerk	N/A	25-item schaal gebruikt om psychologische veerkracht te meten. Antwoorden werden gescoord op een 5-punts Likert-schaal en berekend als gemiddelde scores.
Psychological Sense of School Membership Scale	Chinese herziene versie gebaseerd op Goodenow’s school-membership raamwerk	N/A	18-item schaal gebruikt om schoolbehorenheid te meten. Items 3, 6, 9, 12 en 16 werden omgekeerd gescoord voorafgaand aan de berekening van de gemiddelde score.
Randomization procedure	Study team	Random seed: 20241007	Gebruikt voor instellingsniveau en studentniveau willekeurige selectie via een zaad-gebaseerde willekeurige-nummerprocedure.
Raw survey dataset	Study team	Raw_Survey_NEP_2024_800returned_locked.xlsx	Ruwe geëxporteerde dataset met 800 geretourneerde vragenlijsten vóór uitsluiting van responskwaliteit.
Response-quality screening log	Study team	N/A	Gedocumenteerde 24 uitgesloten antwoorden, inclusief dubbele antwoorden, inconsistenties in geschiktheid, uitsluitingen op basis van voltooiingstijd, rechtlijnige antwoorden en herhaalde patroon antwoorden.
Response-quality screening rules	Study team	N/A	Uitsluitingscriteria omvatten dubbele inzending, inconsistentie in geschiktheid, voltooiingstijd <360 s, dezelfde optie geselecteerd voor ≥85% van Likert-items, en herhaalde wisselende patronen over ≥15 opeenvolgende Likert-items.
Scale reliability output	Study team	N/A	Output rapporterend Cronbach’s alpha waarden voor PR, HOT, SSB en IGD.
Scoring and coding reference file	Study team	Supplementary Table 2	Documenteert itemtelling, antwoordbereik, omgekeerd gecodeerde items, scorerichting, gemiddelde scoreberekening, demografische codering en betrouwbaarheidswaarden.
Session administration log	Study team	N/A	Geregistreerd administratiedatum, instellingscode, klascontext, counselor-identificator, uitnodigingstelling, geretourneerde telling, sessieduur en afwijkingen.
Statistical software	IBM Corp.	IBM SPSS Statistics, versie 27.0	Gebruikt voor beschrijvende statistieken, correlaties, betrouwbaarheidsanalyse, exploratieve factoranalyse, regressie, mediation en gemodereerde mediationanalyses.
Student randomization log	Study team	Random seed: 20241007	Gedocumenteerde studentniveau gestratificeerde willekeurige selectie binnen de drie geselecteerde instellingen.
Supplementary Table 1	Study team	Translation and adaptation record	Documenteert itembron, originele formulering, voorwaartse vertaling, terugvertaling, definitieve Chinese formulering, deskundige beoordeling, pilot feedback en revisierationale.
Supplementary Table 2	Study team	Scoring and coding rules	Documenteert scoreringsregels, omgekeerd coderen, demografische codering, variabelenafkortingen en betrouwbaarheidswaarden.
Translation and adaptation record	Study team	Supplementary Table 1	Documenteert voorwaartse vertaling, reconciliatie, terugvertaling, deskundige beoordeling, pilot controle en definitieve Chinese formulering.
Windows operating system	Microsoft Corp.	Windows 11 Pro, 64-bit	Besturingssysteem gebruikt voor statistische analyse en genereren van uitvoer.