Powtarzalny przepływ ankiety do badania odporności psychicznej, poczucia przynależności do szkoły oraz wyższego poziomu myślenia u studentów

Podsumowanie

Protokół ten oferuje powtarzalny przepływ ankiet do zbierania danych, weryfikacji jakości oraz moderowanej analizy mediacyjnej u studentów.

Streszczenie

Ten artykuł metodyczny przedstawia powtarzalny, przekrojowy protokół samooceny do badania zależności między odpornością psychiczną, poczuciem przynależności do szkoły (SSB), myśleniem wyższego rzędu oraz zaburzeniem gier internetowych (IGD) u studentów. W tym protokole nowe wzorce zatrudnienia traktowane są jako kontekstowe tło kształtowane przez generatywną sztuczną inteligencję, pracę opartą na platformach oraz zmieniające się oczekiwania dotyczące umiejętności absolwentów, a nie jako zmienną ekspozycji na poziomie uczestników. Protokół integruje pobieranie próbek instytucjonalnych, zarządzanie kwestionariuszami, dokumentację tłumaczeń, selekcję jakości odpowiedzi, obsługę brakujących danych, punktację skalową, przesiewanie metod wspólnych metod, centrowanie zmiennych oraz warunkową analizę procesów w jednym standaryzowanym przepływie pracy. SSB jest określony jako mediator statystyczny, a IGD jako moderator w ramach mediacji moderowanej opartej na stowarzyszeniach. Reprezentatywne wyniki obejmują rekordy próbki i przepływu, statystyki opisowe, macierze korelacji, szacunki mediacji i moderowanej mediacji, warunkowe efekty pośrednie, indeks umiarkowanej mediacji oraz wykresy interakcji. Ponieważ reprezentatywny zbiór danych jest przekrojowy i samoraportowy, protokół wspiera przejrzyste szacowanie powiązań statystycznych, a nie wnioskowanie przyczynowe czy podłużne. Poprzez standaryzację decyzji wstępnego przetwarzania i specyfikacji modeli przed analizą, ten workflow poprawia przejrzystość, porównywalność i powtarzalność w badaniach edukacyjnych i behawioralnych.

Wprowadzenie

Nowe wzorce zatrudnienia, ukształtowane przez generatywną sztuczną inteligencję, pracę opartą na platformach oraz międzydziedzinową integrację zawodową, zmieniły sposób, w jaki uniwersytety mówią o przygotowaniu na studia i rozwoju studentów¹. W tym artykule nowe wzorce zatrudnienia traktowane są jako warunek kontekstowy, a nie mierzony poziom ekspozycji uczestników. Protokół nie klasyfikuje studentów według ich bezpośredniego udziału w pracy na platformach, pracy dorywczą czy zatrudnieniu opartym na sztucznej inteligencji. Zamiast tego ten kontekst wyjaśnia, dlaczego myślenie wyższego rzędu (HOT), odporność psychologiczna (PR) oraz wsparcie szkolne są istotnymi konstruktami dla studentów stojących przed coraz bardziej niepewnymi zmianami edukacyjnymi i zawodowymi. To wyjaśnienie jest konieczne, ponieważ protokół został zaprojektowany do badań przekrojowych badań behawioralnych, a nie do szacowania skutków zmierzonej ekspozycji na wzorce zatrudnienia.

W tym kontekście od absolwentów coraz częściej oczekuje się rozwiązywania nieznanych problemów, przekazywania wiedzy między dziedzinami, krytycznej oceny informacji oraz podejmowania adaptacyjnych decyzji w warunkach niepewności². Najnowsze dyskusje na rynku pracy i w szkolnictwie wyższym wskazują również na utrzymujące się niedopasowanie między oczekiwaniami pracodawców a przygotowaniem absolwentów, szczególnie w zakresie komunikacji, współpracy, samodzielnego rozwiązywania problemów i innowacji³. Te wymagania sprawiły, że HOT stał się użytecznym konstruktem wyników w badaniach edukacyjnych i behawioralnych dotyczących adaptacji uczniów w zmieniających się warunkach zatrudnienia⁴.

HOT odnosi się do zaawansowanych aktywności poznawczych wykraczających poza przypominanie i podstawowe rozumienie, w tym analizy, oceny, podejmowania decyzji, rozwiązywania problemów oraz kreatywnego myślenia⁵. Opierając się na klasycznym rozróżnieniu między poznaniem niższego a wyższego rzędu, wcześniejsze badania podkreślają, że HOT obejmuje transformację wiedzy, a nie prostą reprodukcję wiedzy, i że jest ściśle powiązana z autentycznymi kontekstami problemowymi, integracją wcześniejszej wiedzy oraz elastycznością poznawczą⁶. W cyfrowo pośredniczonych środowiskach zatrudnienia i nauki studenci często muszą interpretować złożone informacje, pracować z inteligentnymi narzędziami oraz zachować autonomię poznawczą, gdy ich jest dużo, ale nierówna jakość⁷. Te warunki czynią HOT odpowiednim konstruktem ogniskowym dla powtarzalnego protokołu badań behawioralnych.

PR jest uwzględnione w tym protokole, ponieważ jest teoretycznie i empirycznie powiązane z adaptacyjnym funkcjonowaniem uczniów pod wpływem stresu i niepewności⁸. Chociaż definicje PR różnią się w zależności od perspektywy opartej na wynikach, cechach i procesach, większość ujęć zbiega się w przekonaniu, że PR odzwierciedla zdolność do samoregulacji, pokonywania trudności i utrzymania funkcjonalnej adaptacji w trudnych warunkach⁹. W obecnym protokole PR nie jest traktowane jako udowodniony czynnik przyczynowy HOT. Zamiast tego jest modelowana jako zmienna niezależna, która może być statystycznie powiązana z HOT w zbiorze danych przekrojowych. To sformułowanie jest zgodne z granicą projektu badania i unika sugerowania porządku czasowego, którego dane nie mogą ustalić. To powiązanie jest prawdopodobne, ponieważ uczniowie z silniejszym PR mogą być bardziej zdolni do utrzymania zaangażowania ukierunkowanego na cele, konstruktywnego radzenia sobie i adaptacyjnego rozumowania w obliczu presji akademickiej i zawodowej¹⁰. Wcześniejsze badania empiryczne łączyły PR z rozwiązywaniem problemów, krytycznym myśleniem i adaptacyjnym poznawaniem, choć bezpośrednie dowody łączące PR z HOT pozostają ograniczone¹¹. Z tego powodu niniejszy artykuł wykorzystuje związek między PR a HOT jako reprezentatywny przykład modelowania, za pomocą którego można zademonstrować pełny protokół od ankiety do analizy.

Poczucie przynależności do szkoły (SSB) jest uwzględnione jako statystyczny mediator w protokole. Zazwyczaj definiuje się ją jako postrzegane doświadczenie akceptacji, szacunku, wsparcia i kontaktu ze społecznością szkolną¹². Większość definicji podkreśla emocjonalną i relacyjną więź z instytucją, nauczycielami i rówieśnikami, tworzoną poprzez udział, uznanie i wsparcie¹³. W zmieniającym się kontekście zatrudnienia SSB jest istotny, ponieważ studenci często polegają na doradztwie uczelnianym, interakcji z rówieśnikami oraz zasobach instytucjonalnych podczas przygotowań do niepewnej przyszłości akademickiej i zawodowej¹⁴.

Istniejące badania sugerują, że PR jest pozytywnie powiązane z SSB. Uczniowie z silniejszym PR mogą częściej szukać wsparcia, utrzymywać konstruktywne zaangażowanie i utrzymywać poczucie więzi z nauczycielami i rówieśnikami w obliczu stresu¹⁵. SSB jest również powiązany z rozwiązywaniem problemów zespołowo, krytycznym myśleniem, kreatywnością oraz głębszym zaangażowaniem w zajęcia edukacyjne¹⁶. Na tej podstawie obecny protokół określa SSB jako statystycznego mediatora między PR a HOT. Specyfikacja ta powinna być interpretowana jako model mediacji oparty na asocjacji, odpowiedni dla danych przekrojowych z badań, a nie jako dowód, że PR czasowo powoduje SSB lub że SSB przyczynowo powoduje HOT.

Zaburzenie gier internetowych (IGD) jest uwzględniane jako moderator, ponieważ zachowania cyfrowe mogą kształtować siłę skojarzeń między PR, SSB i HOT. IGD odnosi się do utrzymujących się i nawracających zachowań związanych z graniem klinicznie istotnym i zyskuje coraz większą uwagę wśród uczniów z intensywną ekspozycją cyfrową¹⁷. Wcześniejsze badania łączyły problematyczne granie z zaburzeniami nawyków, obniżoną jakością snu, niższym wsparciem społecznym, słabszymi zdolnościami radzenia sobie oraz gorszym zaangażowaniem akademickim¹⁸. Te wyniki potwierdzają pogląd, że wyższy poziom objawów IGD może osłabiać adaptacyjne funkcjonowanie edukacyjne i psychospołeczne.

Jednocześnie zachowania związane z grami nie powinny być interpretowane uproszczenie. Niektóre środowiska gry wymagają podejmowania decyzji strategicznych, uczenia się opartego na informacji zwrotnej oraz wyzwań poznawczych, ale te cechy nie oznaczają, że samo IGD jest korzystne¹⁹. W obecnym protokole IGD traktowany jest wyłącznie jako statystyczny moderator wzorców asocjacji. Każda interakcja z IGD jest interpretowana ostrożnie jako warunkowe powiązanie w reprezentatywnym zbiorze danych, a nie jako dowód kliniczny na to, że zaburzenie związane z grą poprawia funkcje poznawcze lub wzmacnia funkcjonowanie szkoły.

Pomimo rosnącego zainteresowania PR, SSB, HOT i cyfrowym zachowaniem uczniów, wciąż istnieje luka metodologiczna. Wiele badań wskazuje na powiązania między tymi konstrukcjami, ale mniej z nich dostarcza przejrzysty i powtarzalny protokół łączący rekrutację uczestników, przeprowadzanie ankiet, dokumentację tłumaczeń, przesiew nieprawidłowości odpowiedzi, obsługę brakujących danych, skalowanie, przesiew wiarygodności, przesiew metod wspólnych metod, centrowanie zmiennych oraz analizę procesów warunkowych w ramach jednego audytowalnego ramy. Ta luka jest szczególnie istotna w badaniach edukacyjnych i ankietowych behawioralnych, gdzie wyniki mogą być trudne do powtórzenia, jeśli reguły wstępnego przetwarzania i decyzje modelowe są raportowane tylko częściowo.

Aby wypełnić tę lukę, niniejszy artykuł metodyczny przedstawia powtarzalny protokół przeprowadzenia przekrojowego badania samooceny oraz generowania reprezentatywnych moderowanych wyników mediacji. Protokół wykorzystuje PR, SSB, HOT i IGD jako przykłady stosowane, ale jego główny wkład ma charakter metodologiczny, a nie przyczynowy. Protokół pokazuje, jak skonstruować ramę próbkowania, prowadzić standaryzowany kwestionariusz, dokumentować tłumaczenia i decyzje oceniające, stosować wcześniej określone zasady selekcji, przygotować zbiór danych gotowy do analizy oraz oszacować modele warunkowe procesów 4 i 59 przy użyciu stałych reguł raportowania. W porównaniu z mniej ustandaryzowanymi podejściami analizy ankietowej, protokół ten poprawia przejrzystość, porównywalność, powtarzalność i audytowalność poprzez dokumentowanie decyzji wstępnego przetwarzania i specyfikacji modeli przed interpretacją. Prezentując te kroki jako jednolitą procedurę, artykuł dostarcza badaczom powtarzalnych ram do badań edukacyjnych i behawioralnych dotyczących adaptacji studentów i rozwoju HOT.

Protokół

Badanie to zostało zatwierdzone przez Komitet Etyki Liuzhou Vocational and Technical College (kod protokołu: LVTC-2024-02-879; data zatwierdzenia: 1 lutego 2024). Uzyskaj elektroniczną świadomą zgodę przed uzyskaniem dostępu do ankiety. Usuń bezpośrednie identyfikatory przed eksportem i analizą danych. Przechowuj surowe, oczyszczone, gotowe do analizy, punktujące, selekcyjne i wyjściowe pliki w folderach o ograniczonym dostępie.

1. Rekrutacja uczestników za pomocą wcześniej określonego wieloetapowego procesu losowego próbkowania

1. Zbuduj i zablokuj instytucjonalną ramę próbkową
   1. Zdefiniuj nowe wzorce zatrudnienia jako kontekstowe tło badania, a nie jako zmierzoną ekspozycję na poziomie uczestników.
   2. Identyfikuj instytucje kandydatów na podstawie publicznych dokumentów edukacyjnych, stron internetowych uczelni, powiadomień o reformie nauczania, dokumentów doradczych dotyczących zatrudnienia oraz ogłoszeń o programach nauczania lub szkoleniach.
   3. Uwzględnić instytucje uznawane za instytucje szkolnictwa wyższego w Chinach kontynentalnych, zapisywać studentów na pełen etat, prowadzić weryfikowalną dokumentację dotyczącą sztucznej inteligencji, nauki cyfrowej, gotowości do kariery, innowacji lub szkoleń HOT, zapewnić dostęp do próbek na podstawie grafiki oraz zgodzić się na ustandaryzowaną, anonimową procedurę ankiety online.
   4. Wyklucz instytucje bez weryfikowalnych zapisów szkoleniowych, aktualnych składów, aktywnej liczby studentów w okresie badania lub możliwości stosowania tego samego protokołu administracyjnego.
   5. Zachowanie 32 uprawnionych instytucji i przydzielenie kodów instytucji od I-01 do I-32.
   6. Zablokuj instytucjonalną ramę próbkową przed losowym wyborem. Stosuj wcześniej określoną ramę próbkowania i stałą regułę selekcji, aby zmniejszyć decyzje o próbce po hoc w badaniach z wieloma lokalizacjami ankietowymi²⁰.
2. Przeprowadz losowy wybór na poziomie instytucji i studenta
   1. Do wyboru na poziomie instytucji stosuj procedurę opartą na liczbach losowych na podstawie nasion.
   2. Ustaw losowe ziarno na 20241007.
   3. Wygeneruj losowe liczby dla 32 uprawnionych instytucji, posortuj wartości rosnąco i wybierz pierwsze trzy kody instytucji. Wybierz kody instytucji: I-07, I-18 i I-29.
   4. Uzyskaj aktualne listy zajęć z trzech wybranych instytucji i potwierdz aktywną rejestrację w okresie od 7 października 2024 do 15 listopada 2024.
   5. Uwzględnić studentów pełnoetatowych w wieku 18-25 lat, którzy potrafią czytać po chińsku, pojawić się na liście instytucji, korzystać z kwestionariusza online oraz udzielać elektronicznej świadomej zgody.
   6. Wykluczyć studentów poniżej 18 roku życia, którzy nie są aktywnie zapisani, są na wymianie lub urlopie, nie mogą samodzielnie wypełnić chińskiego kwestionariusza, uczestniczyli w teście pilotażowym, odmówili zgody lub złożyli duplikaty lub nieważne kwestionariusze.
   7. Podziel listę studentów według uczelni i losowo wybieraj studentów z każdej instytucji, stosując tę samą procedurę opartą na seed.
   8. Zaproś 860 uczniów, w tym 286 z I-07, 287 z I-18 oraz 287 z I-29.
      UWAGA: Zachowaj procedury selekcji na poziomie instytucji i studenta po losowości. Wykonaj każdą zastępczą metodę opartą na nasionach.
3. Zdefiniuj okno kolekcji i sfinalizuj próbkę analityczną
   1. Zbieraj dane od 7 października 2024 do 15 listopada 2024.
   2. Rozdaj ankietę 860 zaproszonym studentom za pośrednictwem doradców zatwierdzonych przez instytucję, korzystając z tego samego pisemnego scenariusza.
   3. Zapisz przepływ odpowiedzi jako 860 zaproszonych studentów, 800 zwróconych kwestionariuszy, 60 nieodpowiedzi, 24 wykluczone nieprawidłowe odpowiedzi oraz 776 zatrzymanych przypadków. Osiągnij ogólny wskaźnik odpowiedzi na poziomie 93,0%.
   4. Rejestruj przepływ na poziomie instytucji w następujący sposób: I-07, 267 zwróconych kwestionariuszy, 8 odrzuconych odpowiedzi oraz 259 zatrzymanych przypadków; I-18, 266 zwróconych kwestionariuszy, 7 odpowiedzi wykluczonych oraz 259 przypadków zatrzymanych; oraz I-29, 267 zwróconych kwestionariuszy, 9 odrzuconych odpowiedzi oraz 258 przypadków zatrzymanych.
   5. Stosuj hierarchię wykluczeń w następującej kolejności: duplikata odpowiedzi, niespójność kwalifikacji, czas zakończenia, odpowiadanie w linii prostej oraz odpowiadanie w powtarzającym się wzorcu.
   6. Wyklucz odpowiedzi spełniające któreś z następujących kryteriów: duplikat zgłoszenia, niespójność kwalifikacji, czas ukończenia <360 s, tę samą opcję wybraną dla ≥85% zadań Likerta lub powtarzający się naprzemienny wzorzec w ≥15 kolejnych pozycji. Nie używaj przedmiotu do sprawdzania uwagi.
   7. Wyklucz 24 nieprawidłowe odpowiedzi, w tym 3 duplikaty, 3 niespójności kwalifikacyjne, 7 wyłączeń w czasie ukończenia, 9 odpowiedzi prostych oraz 2 odpowiedzi powtarzających się wzorców.
   8. Zachowaj 776 ważnych spraw. Zgromadzono ostateczną próbę składającą się z 219 mężczyzn (28,2%) i 557 kobiet (71,8%) w wieku 19–25 lat.
      UWAGA: Stosuj konsekwentnie skorygowany przepływ prób w całym manuskrypcie: 860 zaproszonych studentów, 800 zwróconych kwestionariuszy, 24 odpowiedzi wykluczone i 776 zachowanych przypadków.

2. Przeprowadzenie kwestionariusza za pomocą ustandaryzowanej procedury online

1. Zorganizuj ankietę i dokumentuj adaptację językową
   1. Zbierz pięć sekcji ankiety: demografia, PR, HOT, SSB i objawy IGD.
   2. Użyj 75 przedmiotów z ocenianej skali, w tym 25 pozycji PR, 23 pozycji HOT, 18 pozycji SSB i 9 pozycji IGD.
   3. Umieść elektroniczny formularz świadomej zgody przed wszystkimi zadaniami ankiety i wymagaj zgody uczestników przed dostępem do ankiety. Wykorzystaj elektroniczną zgodę i odidentyfikowane odpowiedzi online, aby chronić autonomię i prywatność uczestników w badaniach behawioralnych²¹.
   4. Stosuj wymuszone odpowiedzi dla wszystkich pozycji skali i analitycznych zmiennych demograficznych.
   5. Tłumacz skale pochodzenia angielskiego za pomocą tłumaczenia w przyszłość, uzgadniania, tłumaczenia wstecznego, przeglądu ekspertów oraz testów pilotażowych. Zastosowanie standardowych procedur międzykulturowej adaptacji instrumentów, aby zachować równoważność semantyczną i koncepcyjną²².
   6. Podczas adaptacji kwestionariusza używaj dwóch dwujęzycznych tłumaczy do przodu, jednego niezależnego tłumacza wstecznego oraz co najmniej trzech ekspertów.
   7. Przeprowadź test pilotażowy z 30 studentami, którzy nie są uwzględnieni w końcowej próbie analitycznej.
   8. Dokumentuj źródło elementu, oryginalne sformułowanie, tłumaczenie w formacie wyprzedzenia, tłumaczenie wsteczne, ostateczne chińskie sformułowania oraz uzasadnienie rewizji w Tabeli Uzupełniającej 1.
   9. Zamknij kwestionariusz przed podaniem.
      UWAGA: Nie zmieniaj sformułowania pozycji po zablokowaniu kwestionariusza.
2. Standaryzuj przepływ pracy administracyjnej w różnych instytucjach
   1. Szkol doradców korzystających z tego samego pisemnego skryptu administracyjnego.
   2. Oświadcz, że udział jest dobrowolny, anonimowy, niezwiązany z ocenami czy oceną i może zostać odrzucony bez kary.
   3. Przeprowadzaj kwestionariusz online podczas spotkań klasowych bez interpretacji treści zadań przez doradcę.
   4. Zapobiegaj temu, by doradcy mogli przeglądać odpowiedzi poszczególnych uczestników.
   5. Zanotuj datę administracji, kod instytucji, kontekst zajęć, identyfikator doradcy, liczbę zaproszeń, liczbę zwróconych zajęć, czas trwania sesji oraz odstępstwa od protokołu.
      UWAGA: Stosuj tę samą procedurę zgody, oświadczenie anonimowości, skrypt administracyjny oraz instrukcje odpowiedzi we wszystkich uczestniczących instytucjach.

3. Oceniaj instrumenty pomiarowe za pomocą zablokowanego systemu punktacji

1. Ocena na Skali Odporności Psychologicznej
   1. Skorzystaj z 25-punktowej Skali Odporności Psychologicznej, zrewidowanej przez Hu i Gana na podstawie ram Connor-Davidson²³.
   2. Oceniaj wszystkie pozycje za pomocą 5-punktowej skali Likerta i obliczaj średni wynik. Interpretuj wyższe wyniki jako wyższy PR.
   3. Zapisz wewnętrzną spójność jako alfa Cronbacha = 0,958.
2. Zdobądź ocenę na skali myślenia wyższego rzędu
   1. Użyj 23-punktowej Skali Myślenia Wyższego Rzędu opracowanej przez Hwanga i współpracowników²⁴.
   2. Oceniaj wszystkie pozycje za pomocą 5-punktowej skali Likerta i obliczaj średni wynik. Interpretuj wyższe wyniki jako wyższe HOT.
   3. Zapisz wewnętrzną spójność jako alfa Cronbacha = 0,973.
3. Ocena według skali przynależności do szkoły
   1. Użyj 18-punktowej skali chińskiego poczucia członkostwa w szkole, zrewidowanej przez Pana i współpracowników na podstawie oryginalnego systemu członkostwa szkolnego Goodenowa²⁵.
   2. Odwrotne punktowanie punktów 3, 6, 9, 12 i 16 według następującej zasady konwersji: 1 = 5, 2 = 4, 3 = 3, 4 = 2 oraz 5 = 1.
   3. Oblicz średni wynik po odwróconym kodowaniu. Interpretuj wyższe wyniki jako wyższe SSB.
   4. Zapisz wewnętrzną spójność jako alfa Cronbacha = 0,838.
4. Oceniaj skalę zaburzeń gier internetowych
   1. Użyj 9-punktowej Skali Zaburzeń Gier Internetowych zgodnej z kryteriami^{DSM-5 26}.
   2. Oceniaj wszystkie pozycje za pomocą 5-punktowej skali Likerta i obliczaj średni wynik. Interpretuj wyższe wyniki jako wyższe objawy samozgłaszane przez siebie IGD.
   3. Traktuj IGD jako ciągły wynik objawów, a nie jako diagnozę kliniczną.
   4. Zapisz spójność wewnętrzną jako alfa Cronbacha = 0,941.
5. Blokuj i audytuj decyzje punktacyjne
   1. Użyj średnich wyników dla wszystkich czterech zmiennych: PR, HOT, SSB i IGD.
   2. Używaj tych samych skrótów konsekwentnie w całym procesie protokołu i analizy: PR, HOT, SSB i IGD.
   3. Zapisz liczbę zadań, zakres odpowiedzi, odwrócone kody, kierunek wyników, regułę obliczeń, kodowanie demograficzne oraz wartości wiarygodności w Tabeli Uzupełniającej 2.
      UWAGA: Odwrócone punkty SSB przed obliczeniem statystyk opisowych, korelacji, estymacji wiarygodności lub modeli procesów warunkowych.

4. Wyczyść zbiór danych i stworzyć plik gotowy do analizy

1. Eksport i wersjonowanie plików danych
   1. Eksportuj surowy plik ankiety po zamknięciu ankiety.
   2. Zachowaj surowy plik kwestionariusza w formacie tylko do odczytu.
   3. Stwórz osobny plik roboczy do procedur selekcji, czyszczenia, ponownego kodowania i oceniania.
   4. Stwórz gotowy do analizy zbiór danych po zastosowaniu wykluczeń, kodowania odwrotnego, obliczania wyników, kodowania demograficznego oraz centrowania zmiennych.
2. Zastosowanie przesiewania brakujących danych i jakości odpowiedzi
   1. Zweryfikowaj braki na poziomie pozycji w przesłanym zbiorze danych. Nie zapisz żadnych brakujących wartości na poziomie pozycji, ponieważ podczas przeprowadzania kwestionariusza stosowano wymuszone odpowiedzi.
   2. Nie przypisuj brakujących danych. Zapis 0 wyłączonych przypadków brakujących danych skalowych oraz 0 przypisanych wartości skalowych.
   3. Zastosuj przesiewowe badania jakości odpowiedzi do 800 zwróconych kwestionariuszy, stosując kryteria wykluczenia określone w kroku 1.3.
   4. Wyklucz 24 nieprawidłowe odpowiedzi i zachowaj 776 ważnych przypadków do analizy.
      UWAGA: Konsekwentnie stosuj skorygowany przepływ próby w całym protokole i wszystkich reprezentatywnych wyników: 860 zaproszonych studentów, 800 zwróconych kwestionariuszy, 24 odpowiedzi wykluczonych oraz 776 przypadków zatrzymanych.
3. Weryfikacja kodowania, ponownego kodowania i gotowości do analizy wnioskacyjnej
   1. Zweryfikować kodowanie wsteczne dla pozycji SSB 3, 6, 9, 12 i 16 przed obliczeniem wyników.
   2. Kod płci jako 0 = mężczyzna i 1 = kobieta.
   3. Wiek kodowy następujący: 1 = 19 lat, 2 = 20 lat, 3 = 21 lat, 4 = 22 lata, 5 = 23 lata, 6 = 24 lata oraz 7 = 25 lat.
   4. Do przygotowania analizy używaj zmiennych ocenianych PR_mean, HOT_mean, SSB_mean i IGD_mean.
   5. Do analizy interakcji używaj zmiennych centrowanych PR_c, SSB_c i IGD_c.
      UWAGA: Pełne procedury wykluczenia, kodowanie odwrotne, kodowanie demograficzne, obliczanie wyniku oraz centrowanie zmiennych przed analizą inferencyjną.

5. Przeprowadz analizy statystyczne z ustalonym wcześniej workflow

1. Nagrywaj i blokuj środowisko analizy
   1. Korzystaj ze środowiska statystycznego wspierającego regresję, mediację bootstrapowaną, moderowaną mediację oraz sondowanie interakcji.
   2. Używaj udokumentowanej procedury opartej na makro, pakiecie lub składni opartej na makro, pakiecie lub składni, która pozwala oszacować modele mediacji i moderowanej.
   3. Do mediacji używaj Modelu 4, a Modelu 59 do mediacji moderowanej. Zastosowanie analizy procesu warunkowego do oszacowania mediacji, moderacji i umiarkowanej mediacji w modelach opartych na regresji²⁷.
   4. Ustaw szacunek bootstrap na 5 000 repróbkowania korygowanych przez bias z 95% przedziałami ufności. Do szacowania efektu pośredniego używaj przedziałów ufności bootstrap, ponieważ rozkład próbkowania efektów pośrednich jest często nienormalny²⁸.
   5. Średnio-środkowe zmienne ciągłe przed konstruowaniem wyrazów interakcji: PR_c = PR_mean − średnia(PR_mean), SSB_c = SSB_mean − średnia(SSB_mean) oraz IGD_c = IGD_mean − średnia(IGD_mean).
   6. Użyj PR_c × IGD_c do moderowanych ścieżek PR → SSB i PR → HOT. Użyj SSB_c × IGD_c do moderowanego SSB → ścieżki HOT.
   7. Zdefiniuj niskie, średnie i wysokie IGD jako średnią − 1 SD, średnią oraz średnią + 1 SD.
   8. Wprowadź wiek i płeć jako kowarianity za pomocą zablokowanego schematu kodowania.
   9. Stosuj tę samą skalę współczynników, regułę przedziału ufności, regułę centrowania, kodowanie kowariancyjne oraz numerację modeli we wszystkich analizach.
      UWAGA: Do analizy moderowanej mediacji używaj Modelu 59, a nie Modelu 1.
2. Przesiew pod kątem powszechnej tendencji metody
   1. Wykorzystaj 75-punktowane pozycje z skali PR, HOT, SSB i IGD do przesiewania metod na podstawie wspólnej metody.
   2. Przeprowadź test jednoczynnikowy Harmana z wykorzystaniem nierotacyjnej analizy eksploracyjnej czynnikowej.
   3. Zanotuj liczbę czynników o wartościach własnych większych niż 1, wyjaśnioną wariancję skumulowaną oraz wariancję wyjaśnioną przez pierwszy czynnik nieobrócony.
   4. W reprezentatywnym zbiorze danych zanotowano dziewięć czynników z wartościami własnymi większymi niż 1, skumulowaną wariancją wyjaśnioną 65,322% oraz wariancją wyjaśnioną pierwszego czynnika 32,412%.
   5. Traktuj test jednoczynnikowy Harmana jako wstępną procedurę przesiewową, a nie jako ostateczny test eliminujący powszechne uprzedzenia metody. Interpretuj test Harmana ostrożnie, ponieważ sam w sobie nie wystarcza, by wykluczyć błąd pomiarowy z tego samego źródła²⁹.
   6. Przeanalizuj macierz korelacji międzykonstruktów oraz diagnostykę kolineariczności jako uzupełniające testy nadmiernej wspólnej wariancji.
   7. Interpretuj przesiewanie metod wspólnych metod w świetle przekrojowego projektu samoraportu.
      UWAGA: Należy ostrożnie interpretować przesiewanie na podstawie wspólnego błędu metody, ponieważ wszystkie kluczowe zmienne są samoraportowane i mierzone w jednym momencie.
3. Generuj statystyki opisowe i korelacje
   1. Oblicz średnie i odchylenia standardowe dla PR, HOT, SSB i IGD, korzystając z gotowego do analizy zestawu danych.
   2. Generuj opisowe statystyki według kodu płci i wieku, korzystając z zasad kodowania zablokowanego.
   3. Oblicz korelacje Pearsona między PR, HOT, SSB i IGD.
   4. Podsumuj cechy próby i statystyki opisowe, korzystając z końcowej próbki analitycznej.
   5. Podsumuj macierz korelacji Pearsona dla czterech zmiennych rdzeniowych.
   6. Potwierdź, że statystyki opisowe i korelacje opierają się na końcowej próbie analitycznej n = 776.
   7. Zastosuj takie same kody płci i wieku, co w Protokole i Tabeli Uzupełniającej 2.
      UWAGA: Używaj tego samego końcowego zbioru danych, kierunków oceny oraz zasad kodowania demograficznego dla wszystkich wyników opisowych i korelacji.
4. Uruchom model mediacji
   1. Określ Model 4 w procedurze procesu warunkowego.
   2. Ustaw PR jako zmienną niezależną, SSB jako mediatora, a HOT jako zmienną zależną.
   3. Wpisz wiek i płeć jako współzmienniki.
   4. Użyj 5 000 skorygowanych bootstrap resamplowania z 95% przedziałami ufności.
   5. Uruchom model na gotowym do analizy zbiorze danych n = 776.
   6. Wyodrębniaj współczynnik, błąd standardowy, wartość t, wartość p, przedział ufności oraz podsumowanie modelu dla równań SSB i HOT.
   7. Wyodrębniaj całkowity efekt, bezpośredni efekt, efekt pośredni, bootstrap standardowy oraz przedział ufności bootstrap.
   8. Interpretuj wynik mediacji jako mediację statystyczną w ramach modelu przekrojowego asocjacji. Nie interpretuj mediacji przekrojowej jako dowodu na uporządkowanie czasowe lub transmisję przyczynową³⁰.
      UWAGA: Używaj B dla niestandaryzowanych współczynników, a β tylko dla standaryzowanych.
5. Uruchom model moderowanej mediacji
   1. Określ Model 59 w procedurze procesu warunkowego.
   2. Ustaw PR jako zmienną niezależną, SSB jako mediatora, HOT jako zmienną zależną, a IGD jako moderatora.
   3. Wpisz wiek i płeć jako współzmienniki.
   4. Użyj zmiennych centrowanych i terminów interakcji zdefiniowanych w kroku 5.1.
   5. Użyj 5 000 skorygowanych bootstrap resamplowania z 95% przedziałami ufności.
   6. Uruchom model na gotowym do analizy zbiorze danych n = 776.
   7. Wyodrębniaj współczynnik interakcji dla PR × IGD przewidujących SSB.
   8. Wyodrębniaj współczynnik interakcji dla PR × IGD przewidującego HOT.
   9. Wyodrębniaj współczynnik interakcji dla SSB × IGD przewidujących HOT.
   10. Wyodrębniaj efekty warunkowe przy niskich, średnich i wysokich poziomach IGD, zdefiniowane jako średnia − 1 SD, średnia oraz średnia + 1 SD.
   11. Wyodrębnić warunkowe pośrednie efekty PR na HOT poprzez SSB przy niskich, średnich i wysokich poziomach IGD.
   12. Wyodrębnijmy indeks umiarkowanej mediacji oraz jej przedział ufności bootstrap.
   13. Generuj wykresy prostych nachyleń, używając tych samych wartości niskich, średnich i wysokich IGD, które są użyte dla efektów warunkowych.
       UWAGA: Do analizy moderowanej mediacji używaj Modelu 59, a nie Modelu 1.
6. Stosowanie spójnych reguł decyzji inferencyjnej
   1. Używaj tego samego zestawu skrótów przez całą analizę: PR, HOT, SSB i IGD.
   2. Do mediacji używaj Modelu 4, a Modelu 59 do mediacji moderowanej.
   3. Niestandaryzowane współczynniki należy podawać jako B, a standaryzowane jako β tylko wtedy, gdy generowane są standaryzowane szacunki.
   4. Stosuj 95% przedziały ufności jako regułę decyzyjną dla efektów pośrednich bootstrap, efektów warunkowych pośrednich oraz indeksu umiarkowanej mediacji.
   5. Traktuj efekt jako statystycznie potwierdzony, gdy odpowiedni 95% przedział ufności nie obejmuje zera.
   6. Raportuj dokładne wartości p, jeśli są dostępne, z wyjątkiem wartości poniżej 0,001, które są podawane jako p < 0,001.
   7. Stosuj formatowanie jednoprzecinkowe konsekwentnie dla wszystkich wyników statystycznych.
      UWAGA: Utrzymuj spójność wielkości próby, reguły centrowania, notacji współczynników, numeru modelu oraz reguły przedziału ufności we wszystkich analizach.

Wyniki

Charakterystyka próby i wstępne wzorce zmiennych
Przepływ pracy pomyślnie wygenerował pełny rekord przepływu próbki przed modelowaniem statystycznym. Jak pokazano w Tabeli 1, w określonym wcześniej oknie zbierania danych zaproszono łącznie 860 studentów, a zwrócono 800 kwestionariuszy, co daje łączny wskaźnik odpowiedzi na poziomie 93,0%. Po przesiewie jakości odpowiedzi wykluczono 24 nieprawidłowe odpowiedzi, pozostawiając 776 prawidłowych przypadków w ostatecznym zbiorze danych go...

Dyskusja

Ten artykuł metodyczny przedstawia powtarzalny przepływ pracy od ankiety do analizy analizującej mediację opartą na relacjach oraz moderowane wzorce mediacji wśród objawów PR, SSB, HOT i IGD u studentów. Głównym wkładem przepływu pracy jest metodologia, a nie przyczynowość, ponieważ protokół pokazuje, jak przekrojowy zbiór danych samoraportu może być zbierany, weryfikowany, oceniany, dokumentowany i analizowany poprzez przejrzystą sekwencję wcześniej określonych procedur. W tym zrewidowanym protokole nowe wzorce zatrudni...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Instytucje; kody I-01 do I-32	Zespół badawczy	Nie ma	Zablokowane przed losowym wyborem i używane do randomizacji na poziomie instytucji.
Dziennik badań instytucjonalnych	Zespół badawczy	Nie ma	Udokumentowane kryteria kwalifikacyjne instytucji, dokumenty źródłowe, decyzje dotyczące kwalifikacji oraz kody instytucji.
Skala zaburzeń gier internetowych	Lemmens, Valkenburg i Gentile (2015), The Internet Gaming Disorder Scale, Psychological Assessment, 27(2), 567–582. doi:10.1037/pas0000062	Nie ma	Skala 9-pozycjna zgodna z kryteriami DSM-5 i używana jako ciągły, samodzielnie raportowany wskaźnik objawów IGD, a nie jako diagnoza kliniczna.
Wyniki modelu mediacji	Zespół badawczy	Wyjście Modelu 4	Wyjście dla modelu mediacji z PR jako X, SSB jako M i HOT jako Y.
Moderowany model mediacji	Zespół badawczy	Wyjście Model 59	Wyniki dla modelu moderowanej mediacji z IGD moderującym PR i rarr; SSB, PR & rarr; HOT, SSB → GORĄCE ścieżki.
Internetowa platforma ankietowa	Wenjuanxing / Gwiazda Kwestionariusza	Nie ma	Internetowa platforma ankietowa wykorzystywana do elektronicznej świadomej zgody, zarządzania kwestionariuszami online, ustawień wymuszonej odpowiedzi oraz eksportu danych ankietowych.
Rejestr pilotażowy	Zespół badawczy	Nie ma	Rejestr pilotażowych testów 30 uczniów służy do oceny jasności zadań, zrozumienia, obciążenia ukończenia oraz funkcjonowania platformy. Uczestnicy pilotażowi nie zostali uwzględnieni w końcowej próbie analitycznej.
Skala Odporności Psychologicznej	Rewizja Hu i Gana oparta na ramach Connor-Davidson	Nie ma	Skala 25 zadań służy do pomiaru odporności psychicznej. Odpowiedzi oceniano w skali Likerta o wartości 5 punktów i obliczano jako średnie wyniki.
Psychologiczna skala członkostwa w szkole	Chińska wersja poprawiona oparta na Goodenow' Ramy członkostwa w szkołach	Nie ma	Skala składająca się z 18 pozycji służąca do mierzenia przynależności do szkoły. Pozycje 3, 6, 9, 12 i 16 były oceniane odwrotnie przed obliczeniem średniej oceny.
Procedura randomizacji	Zespół badawczy	Losowe nasiono: 20241007	Wykorzystywane do losowego wyboru na poziomie instytucji i studenta poprzez procedurę losową opartą na zasiewach.
Surowy zbiór danych ankietowych	Zespół badawczy	Raw_Survey_NEP_2024_800returned_locked.xlsx	Surowy eksportowany zbiór danych zawierający 800 zwróconych kwestionariuszy przed wykluczeniem na podstawie jakości odpowiedzi.
Dziennik przesiewowy jakości odpowiedzi	Zespół badawczy	Nie ma	Udokumentowano 24 odpowiedzi wykluczone, w tym odpowiedzi duplikatywnych, niespójności kwalifikacyjne, wykluczenia w czasie zakończenia, odpowiedzi proste oraz odpowiedzi powtarzających się wzorców.
Zasady przesiewania jakości odpowiedzi	Zespół badawczy	Nie ma	Kryteria wykluczenia obejmowały duplikat zgłoszeń, niespójność kwalifikacyjności, czas ukończenia itd; 360 s, ta sama opcja wybrana dla ≥ 85% pozycji Likerta oraz powtarzające się naprzemienne wzorce w ≥ 15 kolejnych pozycji Likerta.
Wydajność niezawodności skali	Zespół badawczy	Nie ma	Wyniki raportujące Cronbacha wartości alfa s dla PR, HOT, SSB i IGD.
Plik odniesień do oceniania i kodowania	Zespół badawczy	Tabela uzupełniająca 2	Dokumentuje liczbę pozycji, zakres odpowiedzi, odwrócone pozycje, kierunek wyników, obliczanie średniej oceny, kodowanie demograficzne oraz wartości wiarygodności.
Dziennik administracji sesji	Zespół badawczy	Nie ma	Zarejestrowana data administracji, kod instytucji, kontekst zajęć, identyfikator doradcy, liczba zaproszeń, liczba zwróconych osób, czas trwania sesji oraz odstępstwa.
Oprogramowanie statystyczne	IBM Corp.	IBM SPSS Statistics, wersja 27.0	Wykorzystywane do statystyki opisowej, korelacji, analizy wiarygodności, eksploracyjnej analizy czynnikowej, regresji, mediacji oraz analiz mediacji moderowanej.
Dziennik losowości uczniów	Zespół badawczy	Losowe nasiono: 20241007	Udokumentowano, zróżnicowane losowanie na poziomie studenta w ramach trzech wybranych instytucji.
Tabela uzupełniająca 1	Zespół badawczy	Rekord tłumaczenia i adaptacji	Źródło elementu dokumentu, oryginalne sformułowanie, tłumaczenie do przodu, tłumaczenie wsteczne, ostateczne chińskie sformułowania, recenzja ekspercka, opinie pilotażowe oraz uzasadnienie rewizji.
Tabela uzupełniająca 2	Zespół badawczy	Zasady punktacji i kodowania	Zasady oceniania dokumentów, kodowanie odwrotne, kodowanie demograficzne, skróty zmiennych oraz wartości wiarygodności.
Rekord tłumaczenia i adaptacji	Zespół badawczy	Tabela uzupełniająca 1	Dokumentuje tłumaczenie do przodu, uzgadnianie, tłumaczenie wsteczne, przegląd ekspertów, pilotażowe sprawdzanie oraz ostateczne chińskie sformułowania.
System operacyjny Windows	Microsoft Corp.	Windows 11 Pro, 64-bitowy	System operacyjny używany do analizy statystycznej i generowania wyników.