Стандартизированный протокол анкетирования для оценки интернет-зависимости и эмоциональной регуляции у студентов университетов

Краткое содержание

Данный протокол в области поведенческих наук и психологической оценки стандартизирует процедуру проведения онлайн-анкетирования, подсчета баллов, проверки качества данных и воспроизводимого анализа для оценки интернет-зависимости и трудностей в регуляции эмоций среди студентов университетов.

Аннотация

Использование интернета глубоко интегрировано в университетскую жизнь, однако проблемное использование интернета невозможно адекватно оценить только по времени пребывания в сети. Данные свидетельствуют о том, что дезадаптивные или компульсивные модели использования интернета связаны с трудностями в регуляции эмоций, однако несоответствия в порядке опросников, критериях отбора, порогах скрининга, процедурах подсчета баллов и аналитической отчетности продолжают ограничивать сопоставимость различных исследований. В данной статье по методологии представлен стандартизированный протокол опроса для исследований в области поведенческих наук и психологической оценки, изучающих интернет-зависимость и трудности регуляции эмоций среди студентов университетов. Рабочий процесс включает фиксированную последовательность опросников, заранее определенные критерии отбора, настройки обязательных ответов, пороги времени заполнения на основе пилотного исследования, последовательный скрининг качества данных, стандартизированный подсчет баллов по тесту интернет-зависимости и 16-пунктовой шкале трудностей регуляции эмоций, а также воспроизводимый описательный, корреляционный и многофакторный регрессионный анализы. Протокол также предусматривает архивирование необработанных ответов, логов скрининга, файлов README/кодовых книг и окончательного набора данных, готового к анализу. Для демонстрации выполнения протокола, а не для валидации инструментов или установления распространенности, приводится пример реализации. В ходе этой реализации было приглашено 520 студентов, получено 480 заполненных опросников. После последовательного исключения дубликатов, слишком быстрых ответов, ошибок в тестах на внимательность, однообразных ответов, логических противоречий и отсутствия основных данных было сохранено 452 валидных опросника. В рамках предопределенного аналитического примера изучалась взаимосвязь между общим баллом по тесту интернет-зависимости и общим баллом по шкале трудностей регуляции эмоций. В отобранной выборке средний общий балл по тесту интернет-зависимости составил 51,94, а средний общий балл по шкале трудностей регуляции эмоций — 35,95. Трудности регуляции эмоций возрастали по мере увеличения степени тяжести интернет-зависимости, и эта связь оставалась значимой после корректировки с учетом демографических и поведенческих ковариат. Данный протокол обеспечивает прозрачный рабочий процесс, который может быть повторен, проверен и адаптирован для будущих одномоментных, повторных или лонгитюдных исследований в университетских популяциях.

Введение

Использование интернета стало обыденной частью университетской жизни, включая академическую работу, социальное общение, развлечения, поиск информации и эмоциональную адаптацию. По этой причине поведение студентов в интернете не следует интерпретировать просто как время воздействия экрана или время пребывания в сети. Более ранние данные показали, что проблематичное использование интернета уже наблюдалось среди молодежи и студентов до того, как современная среда мобильных платформ стала повсеместной¹. Более поздние исследования в университетской среде дополнительно указывают на то, что проблематичное использование интернета встречается достаточно часто, чтобы требовать систематической оценки, а не просто неформального описания².

Студенты университетов представляют собой особенно значимую популяцию для стандартизированной оценки, поскольку академическое давление, социальная адаптация, переход к самостоятельному проживанию и повышение автономности часто происходят на одном и том же этапе развития. Эти требования зачастую регулируются с помощью тех же цифровых устройств и платформ, которые сами могут стать объектами трудного контроля. Метааналитический обзор показал, что проблемное использование интернета среди студентов связано с многочисленными последствиями для психического здоровья, что подтверждает интерпретацию данной проблемы как более широкого поведенческого и психологического вопроса, а не узкоспециализированной проблемы использования технологий³. Субъективный стресс также был связан с паттернами интернет-зависимости у студентов колледжей, что указывает на необходимость учета эмоционального и контекстуального давления при разработке исследований на основе опросников в данной области⁴.

В настоящем протоколе термин «интернет-зависимость» используется применительно именно к конструкту, измеряемому с помощью теста на интернет-зависимость, и его установленным категориям баллов. Более широкий термин «проблемное использование интернета» используется при обсуждении общей литературы, касающейся дезадаптивного, чрезмерного или функционально нарушающего использование интернета. Термин «компульсивное использование интернета» применяется только в тех случаях, когда в цитируемой литературе акцентируется внимание на потере контроля, навязчивых влечениях или повторяющемся использовании, несмотря на негативные последствия. Таким образом, эти термины взаимосвязаны, но не считаются полностью взаимозаменяемыми. При реализации протокола с использованием теста на интернет-зависимость термин «интернет-зависимость» сохраняется как специфическая терминология данного инструмента; при использовании альтернативных или пересмотренных инструментов терминология должна быть приведена в соответствие с названиями конструктов и диагностическими допущениями выбранного метода измерения.

Регуляция эмоций представляет собой обоснованную психологическую точку входа для понимания того, почему некоторые студенты переходят от частого использования интернета к его дезадаптивному использованию. Годовое проспективное исследование показало, что трудности в регуляции эмоций были значимы как для последующего возникновения, так и для ремиссии интернет-зависимости среди студентов колледжей⁵. Этот вывод важен для разработки протокола, поскольку регуляция эмоций является не просто дополнительным коррелятом; она может влиять на то, как студенты используют интернет, чтобы избежать, уменьшить или контролировать дистресс. В то же время социальное функционирование остается актуальным фактором. Проблематичное использование интернета было связано с социальными навыками студентов университетов, что указывает на необходимость оценки межличностных и эмоциональных факторов наряду с переменными цифрового использования⁶. В период пандемии COVID-19 проблематичное использование интернета у китайских студентов университетов также сопровождалось более широкими психологическими трудностями, что дополнительно подтверждает необходимость структурированной оценки в университетской среде⁷.

Дополнительной сложностью является гетерогенность цифрового поведения. Студенты могут использовать цифровые платформы для учебы, социального общения, развлечений, получения информации о здоровье или временного эмоционального облегчения, и не каждое высокочастотное использование является вредным. Систематический обзор цифрового использования, связанного с психическим здоровьем студентов университетов, показал, что взаимодействие с цифровой средой может служить нескольким психологическим целям⁸. Следовательно, в данной области необходимы процедуры, позволяющие отличить обычное высокочастотное использование от проблемного или нерегулируемого. Последние данные о проблемном использовании смартфонов студентами университетов аналогично указывают на то, что риск зависит от поведенческого паттерна, функции и контекста, а не только от продолжительности использования⁹. По этой причине настоящий протокол объединяет продолжительность использования интернета, использование в ночное время, основную онлайн-активность и стандартизированную оценку симптомов вместо того, чтобы полагаться на один индикатор воздействия.

Методы измерения являются еще одним основным источником несогласованности данных. Тест на интернет-зависимость остается одним из наиболее широко используемых инструментов для оценки симптомов зависимости от интернета, однако его размерность и интерпретация различались в зависимости от условий применения. Систематические психометрические данные указывают на то, что этот инструмент активно используется, но при этом продолжают возникать вопросы относительно факторной структуры и интерпретации баллов¹⁰. Аналогичные опасения были отмечены в выборках студентов колледжей, где широкое применение шкалы не позволило полностью устранить неопределенность в отношении измеряемого конструкта¹¹. Исследования по валидации в популяциях студентов университетов Испании и Перу также показывают, что инструмент может работать адекватно, однако его психометрические характеристики следует рассматривать с учетом целевой популяции, в которой он применяется^12,13.

Таким образом, данный протокол разработан таким образом, чтобы обеспечить стабильность рабочего процесса при возможности адаптации в выборе инструментов. Тест на интернет-зависимость используется здесь в силу его исторического применения, наличия установленных пороговых значений и сопоставимости с предыдущими исследованиями студентов университетов. Тем не менее, протокол не требует использования теста на интернет-зависимость в качестве предпочтительного инструмента бессрочно. Если диагностические критерии изменятся или если для конкретной популяции станут более подходящими новые инструменты, можно сохранить тот же рабочий процесс, заменив модуль конкретной шкалы, диапазон баллов, пороги тяжести, записи в кодовой книге и документацию README. Любая такая замена должна быть произведена до начала официального сбора данных и отражена как модификация протокола, а не как ситуативное аналитическое изменение.

Методологическая проблема, рассматриваемая в данной статье, заключается не просто в том, что исследования интернет-зависимости и эмоциональной регуляции приводят к разным выводам. Скорее, многие исследования различаются в последовательности опросников, критериях отбора участников, настройках платформы опроса, методах обработки дублирующих ответов, процедурах проверки внимания, порогах времени заполнения, правилах обработки пропущенных данных, верификации подсчета баллов и представлении файлов, готовых к анализу. Эти различия затрудняют сравнение, воспроизведение и включение результатов в последующий синтез доказательств. Настоящий протокол восполняет этот пробел, фиксируя последовательность проведения, логику скрининга, структуру подсчета баллов и аналитический путь таким образом, чтобы их можно было повторять, проверять и прозрачно модифицировать. Таким образом, вклад данной работы носит протокольно-ориентированный характер: она предоставляет воспроизводимый рабочий процесс для обсервационных исследований в области поведенческих наук и психологической оценки в студенческих популяциях, а не предлагает новый психологический конструкт или представляет исследование распространенности в качестве основного результата.

Протокол

Исследование под названием «Стандартизированный протокол анкетирования для оценки интернет-зависимости и эмоциональной регуляции у студентов университетов» было рассмотрено и одобрено Комитетом по этике и академическим вопросам Университета экономики и бизнеса города Чжэнчжоу (номер одобрения 20260113004) до начала набора участников¹⁴. В исследовании использовался дизайн одномоментного анонимного онлайн-анкетирования с участием студентов университетов очной формы обучения в возрасте 18–24 лет; работа проводилась в соответствии с требованиями институциональной этики и Хельсинкской декларацией. Перед предоставлением доступа к анкете было получено электронное информированное согласие. Участники получили информационный лист в электронном виде с описанием целей исследования, процедур, добровольного характера участия и мер по защите данных; они имели право отказаться от участия в любое время без каких-либо последствий. В основном файле опроса не собиралась никакая лично идентифицируемая информация, включая имя, номер студенческого билета, точный адрес, номер телефона, личный адрес электронной почты или аккаунт в социальных сетях. Идентификаторы, генерируемые платформой, использовались только для отсеивания дубликатов ответов и были удалены перед анализом набора данных. Все данные хранились в безопасном месте и анализировались в обезличенной форме. Данный рабочий процесс анкетирования не был зарегистрирован проспективно до начала набора участников. Тем не менее, все основные компоненты протокола, включая заблокированную версию анкеты, файл README/кодовую книгу, журнал скрининга, правила подсчета баллов, синтаксис анализа и файлы рабочего процесса, готовые к анализу, были заархивированы и предоставлены в качестве дополнительных материалов к рабочему процессу для обеспечения воспроизводимости и возможности аудита.

Идентификаторы ответов, созданные платформой, а также технические идентификаторы устройств или учетных записей использовались только для выявления дублирующих ответов и были удалены из окончательного анонимизированного аналитического набора данных. Основные переменные и правила начисления баллов приведены в Таблице 1, а полный словарь переменных представлен в Дополнительной таблице 1. Файлы опросника, кодовая книга, журнал скрининга, план вывода и материалы рабочего процесса, готовые к анализу, представлены в Дополнительном файле 1.

Область применения	Переменная	Кодирование/оценка	Роль в протоколе
Критерии соответствия	Возраст	Годы; допустимый диапазон 18–24	Переменная соответствия критериям и ковариата
Демографические данные	Пол	1 = мужской; 2 = женский; 3 = предпочитаю не отвечать	Описательная переменная и ковариата регрессии
Демографические данные	Учебный год	1 = первый курс; 2 = второй курс; 3 = третий курс; 4 = четвертый курс и старше; 5 = аспирантура	Описательная переменная
Демографические данные	Категория дисциплины	1 = гуманитарные и общественные науки; 2 = естественные науки и инженерное дело; 3 = бизнес и менеджмент; 4 = искусство и дизайн; 5 = другое	Описательная переменная
Демографические характеристики	Тип жилья	1 = общежитие при кампусе; 2 = арендное жилье вне кампуса; 3 = дом семьи; 4 = другое	Описательная переменная
Демографические данные	Ежемесячные расходы на проживание	1 = <1 000 CNY; 2 = 1 000–1 999 CNY; 3 = 2 000–2 999 CNY; 4 = ≥3 000 CNY	Описательная переменная
Поведение при использовании интернета	Использование интернета в будние дни	1 = <2 ч; 2 = 2–3,9 ч; 3 = 4–5,9 ч; 4 = ≥6 ч	Поведенческая ковариата
Поведение при использовании интернета	Использование интернета в выходные дни	1 = <2 ч; 2 = 2–3,9 ч; 3 = 4–5,9 ч; 4 = ≥6 ч	Поведенческая ковариата
Поведение пользователей Интернета	Основная активность в сети	1 = учеба; 2 = социальные сети; 3 = игры; 4 = развлечения/видео; 5 = покупки; 6 = смешанное использование; 7 = другое	Описательная переменная
Поведение пользователей интернета	Основное устройство доступа	1 = смартфон; 2 = планшет; 3 = ноутбук/стационарный компьютер; 4 = смешанные устройства	Описательная переменная
Поведение пользователей Интернета	Использование в ночное время после 23:00	1 = никогда; 2 = реже одного раза в неделю; 3 = 1–2 ночи в неделю; 4 = 3–5 ночей в неделю; 5 = почти каждую ночь	Поведенческая ковариата и переменная скрининга на логическую согласованность
Основная шкала	общий балл IAT	Сумма 20 пунктов; каждый пункт оценивается от 1 до 5; общий диапазон 20–100	Основная независимая переменная
Основная шкала	Группа по степени тяжести IAT	20–39 = нормальное употребление; 40–69 = проблемное употребление; 70–100 = тяжелое проблемное употребление	Группирующая переменная
Основная шкала	общий балл по шкале DERS-16	Сумма 16 пунктов после необходимого реверсивного кодирования; общий диапазон 16–80	Основная зависимая переменная
Основная шкала	субшкалы DERS-16	Рассчитано в соответствии с фиксированным ключом оценивания DERS-16	Дескриптивные показатели результатов регуляции эмоций
Ковариата	Продолжительность сна	1 = <6 ч; 2 = 6–6,9 ч; 3 = 7–7,9 ч; 4 = ≥8 ч	Корректирующая переменная
Ковариата	Еженедельная физическая активность	0 = нет; 1 = 1–2 сеанса; 2 = 3–4 сеанса; 3 = ≥5 сеансов	Регулирующая переменная
Ковариата	Академический стресс	1 = низкий; 2 = умеренный; 3 = высокий	Корректирующая переменная
Контроль качества	Проверка внимания	1 = пройдено; 0 = не пройдено	Критерий исключения
Контроль качества	Время завершения	Продолжительность выполнения в секундах	Переменная скрининга на основе времени
Контроль качества	Количество ответов с длинными строками	Максимальная длина серии идентичных ответов по 36 оцениваемым пунктам шкалы	Переменная скрининга с шаблонным ответом
Контроль качества	Внутрииндивидуальное СКО	Внутрииндивидуальное стандартное отклонение по 36 оцениваемым пунктам шкалы	Переменная скрининга с инвариантным ответом
Контроль качества	Флаг логической согласованности	0 = несоответствие отсутствует; 1 = обнаружено несоответствие	Переменная скрининга на логическую согласованность

Таблица 1: Основные переменные, структура кодирования и правила подсчета баллов, используемые в протоколе стандартизированного опросника.В этой таблице обобщены основные переменные соответствия критериям, демографические данные, показатели использования интернета, шкалы, ковариаты и переменные контроля качества, используемые в основном рабочем процессе. В ней указаны значения кодирования, диапазоны баллов, правила подсчета и роль основных переменных, используемых при проведении опроса, скрининге, подсчете баллов и анализе. Сокращения: IAT = тест на интернет-зависимость; DERS-16 = 16-пунктовая шкала трудностей эмоциональной регуляции. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

1. Формирование исследуемой популяции, структуры опросника и схемы проведения опроса

1. Определите целевую популяцию и репрезентативную выборку
   1. Привлеките студентов бакалавриата и магистратуры/аспирантуры в возрасте от 18 до 24 лет, которые могут самостоятельно заполнить анкету с помощью мобильного телефона или компьютера. Зафиксируйте языковую версию анкеты и используйте версии шкал, которые были валидированы или надлежащим образом адаптированы для целевой группы студентов.
   2. Если в исследовании участвуют иностранные студенты, студенты с ограниченными возможностями здоровья или многоязычные группы студентов, необходимо задокументировать любые меры по обеспечению доступности или модификации языка до начала сбора данных.
   3. Ограничьте участие одним заполненным ответом на одного участника. При наличии такой возможности используйте функции платформы опроса по ограничению доступа по устройству, учетной записи, файлам cookie или по аутентифицированной ссылке.
      ПРИМЕЧАНИЕ: если один и тот же аккаунт участника генерирует ответы с нескольких устройств, выявите и объедините такие записи в ходе проверки на дубликаты, используя идентификатор, ограниченный областью действия аккаунта, временную метку, статус заполнения анкеты и сходство паттернов ответов.
   4. Установите минимальный размер итоговой валидной выборки на уровне 450 анкет и продолжайте набор участников до тех пор, пока объем очищенного набора данных после скрининга не превысит этот порог.
      ПРИМЕЧАНИЕ: если основной целью анализа является выявление серьезных проблем с использованием интернета или другая малочисленная подгруппа, установите более высокую цель по набору участников до начала сбора данных.
   5. Зафиксируйте количество приглашенных лиц, количество полученных ответов, количество исключенных лиц на каждом заранее определенном этапе скрининга и итоговое число участников, чтобы в дальнейшем можно было обобщить схему движения участников в Рисунок 1.
2. Составьте анкету в фиксированном порядке
   1. Расположите вопросы анкеты в следующей последовательности: информированное согласие, демографические данные, особенности использования интернета, Тест на интернет-зависимость, краткая форма шкалы трудностей регуляции эмоций, продолжительность сна, еженедельная физическая активность и субъективная оценка академического стресса. Сохраняйте этот порядок неизменным для всех участников. Не рандомизируйте последовательность основных шкал.
   2. Зафиксируйте возраст, пол, курс обучения, категорию дисциплины, тип жилья и ежемесячные расходы на проживание, используя закрытые категории ответов. Обозначьте все демографические пункты как обязательные для заполнения.
      ​ПРИМЕЧАНИЕ: В качестве вариантов пола укажите: мужской, женский и «предпочитаю не отвечать». Сохраняйте вариант «предпочитаю не отвечать» в описательном анализе. В регрессионном анализе кодируйте пол с помощью индикаторных переменных, где мужской пол будет являться референтной категорией; при этом введите отдельные индикаторы для женского пола и варианта «предпочитаю не отвечать». Не исключайте участников из исследования только на основании выбора варианта «предпочитаю не отвечать».
   3. Зафиксируйте продолжительность использования интернета в будние дни, продолжительность использования интернета в выходные дни, основной вид деятельности в сети, основное устройство доступа и использование интернета в ночное время после 23:00. Присвойте коды использованию интернета в ночное время следующим образом: 1 — никогда, 2 — реже одного раза в неделю, 3 — 1–2 ночи в неделю, 4 — 3–5 ночей в неделю, 5 — почти каждую ночь.
   4. Зафиксируйте академический период, в течение которого проводилось анкетирование. В данной реализации опрос проводился во время обычного учебного семестра, вне недель итоговых экзаменов, а именно на 6–7-й неделях семестра.
3. Проведите тестирование с использованием основных инструментов и оцените результаты
   1. Проведите тест на интернет-зависимость, состоящий из 20 вопросов, в качестве обязательной шкалы; оцените каждый пункт по шкале от 1 до 5. Суммируйте баллы по всем 20 пунктам для получения общего балла в диапазоне от 20 до 100, затем классифицируйте результаты следующим образом: 20–39 — нормальное использование, 40–69 — проблемное использование, 70–100 — тяжелая форма проблемного использования.¹⁵.
   2. Используйте термин «интернет-зависимость» при представлении результатов на основе шкалы IAT и групп по степени тяжести. Термин «проблематичное использование интернета» следует использовать только при ссылках на более широкую литературу или конструкты, не связанные с IAT.
   3. Сразу после проведения теста на интернет-зависимость проведите опрос с использованием краткой формы шкалы трудностей регуляции эмоций (Difficulties in emotion regulation scale short form), состоящей из 16 пунктов; каждый пункт оценивается по шкале от 1 до 5. Перед суммированием выполните обратное кодирование пунктов 1, 6 и 8, затем рассчитайте общий балл в диапазоне от 16 до 80, где более высокие значения указывают на бóльшие трудности в регуляции эмоций.¹⁶.
   4. Рассчитайте пять показателей по субшкалам: неодобрение (nonacceptance), цели (goals), импульсивность (impulse), стратегии (strategies) и ясность (clarity) после проверки обратного кодирования.
   5. Перед расчетом общих баллов и баллов по субшкалам повторно проверьте направление кодирования всех обратных пунктов. Используйте один и тот же ключ подсчета баллов DERS-16 для каждого участника и зафиксируйте этот ключ в файле README/кодовой книге.
   6. При использовании пересмотренного или альтернативного инструмента оценки интернет-зависимости замените модуль, специфичный для данной шкалы, до начала сбора данных и обновите названия пунктов, диапазон баллов, пороги тяжести, синтаксис подсчета баллов, файл README/кодовую книгу, скриншоты опросника и Таблица материалов.
4. Добавьте ковариаты и один пункт для проверки внимания
   1. Зафиксируйте продолжительность сна как <6 ч, 6–6,9 ч, 7–7,9 ч и ≥8 ч. Зафиксируйте еженедельную частоту физической активности как 0, 1–2, 3–4 или ≥5 занятий. Зафиксируйте субъективно воспринимаемый академический стресс как низкий, умеренный или высокий. Определите одно занятие физической активностью как ≥20 минут умеренной или интенсивной нагрузки.
   2. Вставьте один вопрос для проверки внимания с заданным ответом в поведенческий раздел и потребуйте от участника выбрать один конкретный вариант ответа. В репрезентативной реализации использовался следующий вопрос для проверки внимания: «Чтобы подтвердить, что вы внимательно читаете, пожалуйста, выберите для данного пункта вариант "3 = иногда"». Любую анкету, в которой этот пункт выполнен неверно, отметьте для исключения в процессе очистки данных.¹⁷.
      КРИТИЧЕСКИЙ ЭТАП: После начала официального сбора данных запрещается изменять формулировки пунктов, варианты ответов, порядок шкал, пороги исключения, настройки платформы опроса, правила кодирования или правила статистического анализа.
      ПРИМЕЧАНИЕ: Обобщите основные переменные, значения кодирования, диапазоны баллов и правила подсчета баллов в Таблица 1Предоставьте полный словарь переменных, поля статуса файлов, флаги скрининга, поля технических идентификаторов, переменные отслеживания наборов данных, имена файлов и версии программного обеспечения в Дополнительная таблица 1 а также файл README/кодовую книгу.

Рисунок 1: Схема процесса заполнения опросников для набора, скрининга, исключения и окончательного анализа данных.Эта блок-схема демонстрирует переход от приглашенных студентов к возвращенным опросникам, через последовательный скрининг качества данных и исключение по заранее определенным критериям, до окончательного отбора валидных опросников для анализа. На рисунке представлено количество приглашенных студентов, возвращенных опросников, исключенных записей на каждом этапе скрининга и итоговая аналитическая выборка. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

2. Пилотное тестирование опросника и утверждение окончательного полевого варианта

1. Пилотное тестирование полного опросника
   1. Проведите полное анкетирование 20–30 студентов, которые соответствуют формальным критериям включения, но не будут включены в итоговый набор данных.
   2. Зафиксируйте время заполнения и письменные отзывы о ясности формулировок, нагрузке при ответах, техническом доступе, порядке вопросов, понятности контрольных вопросов на внимательность, а также любые неясности в вариантах ответов по демографическим или поведенческим характеристикам.
   3. Зафиксируйте размер пилотной выборки, медианное время заполнения, межквартильный размах, минимальное и максимальное время заполнения, а также все изменения в формулировках, внесенные после пилотного тестирования.
   4. В репрезентативной реализации пилотное тестирование включало 25 студентов; медианное время заполнения составило 540 s, а ожидаемое время заполнения было установлено на уровне 6–8 min.
   5. Исправьте двусмысленные формулировки, дублирование смыслов, неясные варианты ответов или проблемы отображения в программном обеспечении, выявленные в ходе пилотного тестирования, после чего утвердите окончательную версию опросника перед официальным выпуском.
      ПРИМЕЧАНИЕ: Если исследование включает многоязычных студентов, пожилых людей, подростков или студентов с ограниченными возможностями, проведите дополнительное когнитивное тестирование или пилотное тестирование подгрупп перед официальным выпуском.
2. Настройка операционных параметров и правил экспорта
   1. Создайте новый проект опроса на выбранной платформе для онлайн-опросов. Установите страницу согласия в качестве первой страницы и назначьте пункт о согласии обязательным элементом ветвления.
   2. Настройте опрос таким образом, чтобы участники, не предоставившие согласие, автоматически выходили из опроса, не видя основного содержания опросника.
   3. Введите все вопросы по демографии, использованию интернета, IAT, DERS-16, ковариаты и контрольные вопросы на внимательность, используя утвержденные формулировки и варианты ответов. Установите все основные пункты как обязательные.
   4. Активируйте автоматическую запись времени начала, времени окончания, общей продолжительности заполнения, статуса ответа и идентификатора ответа, генерируемого платформой.
   5. Включите средства контроля «один ответ на одного участника», если они доступны, включая аутентифицированные ссылки на опрос, ограничение по устройству, предотвращение повторов на основе файлов cookie, предотвращение повторов на основе учетной записи или настройки проверки дублирующихся ответов. Зафиксируйте включенные средства контроля в README/кодовой книге.
   6. Отключите сбор ненужных прямых идентификаторов. Если платформа по умолчанию записывает IP-адрес, отключите хранение IP или замените его полем для проверки дубликатов, не позволяющим идентифицировать личность, если это разрешено политикой учреждения.
      ПРИМЕЧАНИЕ: Если IP-адреса или метаданные устройств временно сохраняются для проверки дубликатов, храните их только в зашифрованном исходном файле, ограничьте доступ только аналитиком исследования и удалите их перед созданием итогового аналитического набора данных.
   7. Укажите, разрешена ли приостановка и возобновление опроса. В данном протоколе формальная функция сохранения и возврата между разными сессиями не активирована. Участники могут делать паузы только в рамках одной открытой сессии браузера, и зафиксированное время заполнения включает общее время elapsed time.
   8. По завершении опроса экспортируйте исходный файл ответов в форматах электронной таблицы и CSV (значения, разделенные запятыми)¹⁸. Также экспортируйте файл «опрос-документ» или копию в формате PDF/A, содержащую окончательные формулировки вопросов, порядок пунктов, настройки ветвления, настройки обязательных пунктов и структуру кодирования. Сохраните эти файлы с именами, имеющими контроль версий.
   9. Рассчитайте медианное время заполнения в пилотном исследовании и установите минимальный порог допустимого времени заполнения примерно на уровне одной трети этого значения. Установите окончательный нижний порог на уровне 180 s и применяйте его единообразно во время основного скрининга.
   10. Поскольку этот порог получен на основе пилотной выборки, пересмотрите его при реализации протокола на существенно иной популяции, платформе, языковой версии или в другом институциональном окружении.
       ПРИМЕЧАНИЕ: Сохраните скриншоты окончательного опросника, экспорт окончательного опросника, README/кодовую книгу, лог пилотного тестирования, формулировки контрольных вопросов на внимательность, шаблон лога скрининга, настройки экспорта и статистический синтаксис в качестве дополнительных или аудиторских файлов.

3. Рассылка анкеты и сохранение исходного набора данных

1. Набор участников через установленные каналы
   1. Разошлите одно стандартизированное приглашение через группы общения студентов, каналы классов или рассылочные списки учебного заведения в течение фиксированного 14-дневного окна сбора данных.
   2. Укажите цель исследования, ожидаемое время заполнения (6–8 мин), анонимность обработки данных, добровольный характер участия, а также отсутствие академических санкций или вознаграждений за неучастие как в тексте приглашения, так и на странице согласия.
   3. Отображайте страницу согласия до появления любых пунктов опросника и требуйте активного подтверждения перед входом. Не допускайте доступа к основному телу опросника без положительного ответа на запрос о согласии.
   4. Укажите на странице согласия, что участники могут прекратить заполнение до окончательной отправки и что неполные ответы не будут использоваться в итоговом анализе.
   5. Используйте одну и ту же заблокированную версию опросника во всех каналах набора. Если используется несколько каналов набора, фиксируйте канал только в том случае, если он предварительно определен как переменная исследования.
2. Сохранение исходного файла ответов
   1. Сохраняйте все полученные записи, включая неполные и впоследствии исключенные ответы, в исходном файле экспорта. Экспортируйте полный набор данных сразу после закрытия опроса и сохраните его под именами raw_returns_YYYYMMDD.csv и raw_returns_YYYYMMDD.xlsx.
   2. Сохраняйте в исходном файле время отправки, длительность заполнения, статус ответа, идентификатор ответа, созданный платформой, а также технический идентификатор устройства или учетной записи. Не перезаписывайте эти поля в процессе последующей очистки данных.
   3. Сохраните одну копию исходных данных в режиме «только для чтения» до начала скрининга. Храните исходный файл, журнал скрининга и итоговый аналитический набор данных в разных папках. Ограничьте доступ к исходному файлу, содержащему технические идентификаторы, только уполномоченным персоналом исследования.
      ПРЕДОСТЕРЕЖЕНИЕ: Не собирайте в основном файле опроса информацию, позволяющую напрямую идентифицировать личность, такую как полное имя, номер студенческого билета, точный адрес в общежитии, личный номер телефона, личный адрес электронной почты или аккаунт в социальных сетях.
      ПРИМЕЧАНИЕ: Приостановите рабочий процесс после экспорта исходных данных, сохраните одну копию исходного набора данных в режиме «только для чтения» и возобновите очистку данных только на основе этой сохраненной копии.

4. Проверка полученных опросников и создание окончательного аналитического набора данных

1. Применяйте последовательность скрининга в строго определенном порядке
   1. Отсортируйте все полученные записи по идентификатору устройства, идентификатору учетной записи (если доступен), временной метке, статусу заполнения опросника и сходству ответов. Сначала выявите дубликаты заявок. Если от одного участника в течение одного цикла сбора данных поступило две или более заявок, оставьте самую раннюю полную запись.
   2. Если обнаружено несколько заявок с одной и той же аутентифицированной учетной записи, но с разных устройств, расценивайте их как дубликаты от одного участника. Оставьте самую раннюю полную запись и исключите последующие полные записи. Если самая ранняя запись неполная, а последующая запись полная, оставьте самую раннюю полную запись.
   3. Четвертым этапом удалите записи со временем заполнения <180 s, проверьте записи, заполненные за 180–240 s, и удалите записи, в которых был провален контрольный вопрос на внимательность с заданным ответом. Задокументируйте количество удаленных записей на каждом этапе в файле screening_log_v1.xlsx¹⁹.
   4. Для записей, заполненных за 180–240 s, проведите ручную проверку, используя результат контроля внимания, флаг ответов по длинным сериям (long-string responding), внутрииндививидуальное стандартное отклонение и флаг логической согласованности.
   5. Оставляйте запись с пограничной скоростью заполнения только в том случае, если отсутствуют дополнительные флаги низкого качества данных. Каждое решение по записям с пограничной скоростью фиксируйте в журнале скрининга.
2. Удалите шаблонные, противоречивые или неполные записи
   1. Удалите все опросники с признаками ответов по длинным сериям, которые определяются как 18 или более последовательных идентичных ответов по 36 оцениваемым пунктам шкалы, или как внутрииндививидуальное стандартное отклонение ≤0.25 по этим пунктам.
   2. Удалите любые опросники с невозможными поведенческими комбинациями. Определите «наивысшую категорию ответов почти по всем пунктам теста на интернет-зависимость» как балл 5 не менее чем по 18 из 20 пунктов IAT.
      ПРИМЕЧАНИЕ: Правило логической несогласованности срабатывает, если респондент указывает использование интернета в будние и выходные дни в самой низкой категории длительности (<2 h в день), использование интернета поздно ночью как «почти каждую ночь» и балл 5 не менее чем по 18 из 20 пунктов IAT. Применяйте это правило только после завершения скрининга на дубликаты, время заполнения, внимательность и шаблонные ответы.
   3. Удалите все опросники с пропущенными значениями в любом пункте IAT, любом пункте DERS-16 или любом заранее определенном ковариате.
      ПРИМЕЧАНИЕ: Это правило полного анализа случаев (complete-case rule) используется, так как в онлайн-опросе применяются обязательные основные пункты и поскольку репрезентативная регрессионная модель требует фиксированного набора ковариат. Если количество пропущенных данных по ковариатам превышает 5%, используйте заранее определенный альтернативный метод обработки пропущенных данных, например, множественную импутацию.
   4. Присвойте каждой сохраненной записи один анонимный ID исследования и сохраните оставшийся файл как analytic_dataset_v1.csv и analytic_dataset_v1.xlsx.
   5. Удалите из итогового аналитического набора данных идентификаторы ответов, созданные платформой, идентификаторы устройств, идентификаторы учетных записей, IP-адреса (если они сохранялись во время скрининга), временные метки и текстовые заметки по результатам проверки. Оставьте только анонимный ID исследования и переменные анализа.
      КРИТИЧЕСКИЙ ЭТАП: Применяйте последовательность скрининга в одном и том же порядке к каждой записи и не возвращайте ранее исключенные случаи на более поздних этапах. Назначайте первый сработавший критерий исключения в качестве основной причины исключения, а вторичные флаги записывайте только как примечания в журнале скрининга.
      ПРИМЕЧАНИЕ: Обобщите итоговое количество исключений по причинам в Таблице 2; эти данные должны совпадать с потоком участников, представленным позже на Рисунке 1.

Порядок скрининга	Объект скрининга	Операционное правило	Действие при скрининге	Правило документирования
Шаг 1	Сохранение исходного экспорта	Экспортировать все полученные записи сразу после закрытия опроса и сохранить их как raw_returns_YYYYMMDD.csv и raw_returns_YYYYMMDD.xlsx	Сохранить одну копию только для чтения до начала какой-либо очистки	Архивировать в папке raw-data
Шаг 2	Проверка согласия и доступа	Выявить записи без активного электронного информированного согласия перед доступом к анкете	Исключить записи без согласия из аналитического рабочего процесса	Занести исключенные или недоступные записи в screening_log_v1.xlsx, если они сохранены в экспорте платформы
Шаг 3	Скрининг дубликатов	Выявить записи с одинаковым идентификатором устройства или идентификатором учетной записи в рамках одного цикла сбора, совпадающие по полу, возрасту, курсу обучения и имеющие как минимум 80% идентичных ответов в анкете	Оставить самую раннюю полную запись и исключить все последующие дубликаты	Записать количество исключенных записей и значения затронутых raw_record_id в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 1
Шаг 4	Сопоставление дубликатов с разных устройств	Выявить несколько полных ответов от одной аутентифицированной учетной записи участника с разных устройств	Рассматривать эти записи как повторяющиеся ответы; оставить самую раннюю полную запись	Записать идентификатор учетной записи и сохраненный raw_record_id в screening_log_v1.xlsx; присвоить последующим записям основную причину исключения (exclusion_reason) = 1
Шаг 5	Скрининг времени заполнения	Выявить все анкеты со временем заполнения <180 s	Автоматически исключить все такие записи	Записать количество исключенных записей в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 2
Шаг 6	Проверка пограничной скорости	Выявить все анкеты со временем заполнения 180–240 s	Вручную проверить каждую запись с помощью проверок внимания, поиска повторяющихся строк, внутрисубъектного SD и логических флагов; оставить только в случае отсутствия дополнительных флагов	Отметить каждый случай как retained_after_manual_review = 1 или excluded_after_manual_review = 1 в screening_log_v1.xlsx
Шаг 7	Скрининг проверок внимания	Выявить все записи, в которых не пройден пункт проверки внимания с заданным ответом	Исключить все записи с ошибками, которые не были исключены на предыдущих этапах	Записать количество исключенных записей в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 3
Шаг 8	Скрининг шаблонных ответов	Выявить записи с 18 или более последовательными идентичными ответами среди 36 оцениваемых пунктов шкалы или с внутрисубъектным SD ≤0.25 по этим пунктам	Исключить все такие записи, которые не были исключены на предыдущих этапах	Записать количество исключенных записей в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 4
Шаг 9	Скрининг логической согласованности	Выявить записи, демонстрирующие заранее определенную невозможную комбинацию поведения: weekday_internet_use и weekend_internet_use оба закодированы как <2 h, late_night_use закодирован как «почти каждую ночь» и оценка 5 по крайней мере в 18 из 20 пунктов IAT	Исключить все такие записи, которые не были исключены на предыдущих этапах	Записать количество исключенных записей и примечание к проверке в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 5
Шаг 10	Скрининг основных пропусков	Выявить записи с любым пропущенным значением в IAT_1–IAT_20, DERS_1–DERS_16, age, sex, weekday_internet_use, weekend_internet_use, sleep_duration, physical_activity или academic_stress; вариант «предпочитаю не отвечать» для пола рассматривается как действительный ответ, а не как пропуск	Исключить все такие записи, которые не были исключены на предыдущих этапах	Записать количество исключенных записей в screening_log_v1.xlsx; присвоить основную причину исключения (exclusion_reason) = 6
Шаг 11	Присвоение основной причины исключения	Выявить записи, соответствующие более чем одному критерию исключения	Присвоить первый сработавший критерий в заранее определенной последовательности скрининга в качестве основной причины исключения	Записывать второстепенные флаги только в примечаниях к проверке; не присваивать несколько основных причин
Шаг 12	Удаление технических идентификаторов	Выявить сгенерированные платформой идентификаторы ответов, идентификаторы устройств, идентификаторы учетных записей, временные метки и любые временно сохраненные технические метаданные в очищенном файле	Удалить эти поля из окончательного аналитического набора данных после завершения скрининга	Задокументировать удаление в screening_log_v1.xlsx
Шаг 13	Окончательный отбор	Оставить все записи, прошедшие все предыдущие этапы скрининга	Присвоить каждой сохраненной записи один анонимный ID исследования	Сохранить как analytic_dataset_v1.csv и analytic_dataset_v1.xlsx
Шаг 14	Итоги скрининга	Подсчитать количество удаленных записей на каждом этапе и итоговое количество сохраненных записей	Обобщить итоговые данные для представления в рукописи	Обеспечить идентичность данных в Таблице 2 и на Рисунке 1
Шаг 15	Сохранение аудиторского следа	Сохранить исходный файл, журнал скрининга и окончательный аналитический набор данных в виде отдельных файлов	Не перезаписывать, не объединять и не редактировать вручную архивированные исходные файлы	Хранить отдельно в папках raw-data, screening и analytic

Таблица 2: Предварительно определенная последовательность скрининга, пороги исключения, действия по скринингу и правила документирования при очистке данных опросников.В этой таблице обобщен фиксированный порядок скрининга, используемый для очистки возвращенных опросников, включая проверку согласия и доступа, выявление дубликатов, сверку данных с нескольких устройств, скрининг по времени заполнения, анализ граничных скоростей, проверку сбоев контроля внимания, выявление шаблонных ответов, логическую несогласованность, отсутствие основных данных, удаление технических идентификаторов, окончательный отбор и сохранение журнала аудита. Сокращения: IAT = тест на интернет-зависимость; DERS-16 = 16-пунктовая шкала трудностей при регуляции эмоций. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

5. Рассчитайте значения переменных, проверьте надежность и подготовьте файл для анализа

1. Расчет общих баллов, баллов по субшкалам и производных категориальных переменных
   1. Просуммируйте баллы по 20 пунктам IAT для получения общего показателя интернет-зависимости, затем сохраните в файле для анализа как непрерывный показатель, так и класс степени тяжести с тремя уровнями.
   2. Выполните обратное кодирование пунктов 1, 6 и 8 опросника DERS-16, рассчитайте общий балл и баллы по пяти субшкалам, и добавьте все производные переменные в тот же набор данных на уровне участников.
   3. Проведите проверку диапазона значений перед расчетом баллов. Подтвердите, что все значения пунктов IAT и DERS-16 находятся в пределах 1–5, все значения с обратным кодированием находятся в пределах 1–5, общие баллы IAT находятся в пределах 20–100, а общие баллы DERS-16 — в пределах 16–80. Занесите результаты проверки диапазона в журнал подсчета баллов.
2. Перекодирование ковариат в фиксированные аналитические категории
   1. Перекодируйте продолжительность использования интернета в будние и выходные дни следующим образом: <2 ч, 2–3.9 ч, 4–5.9 ч и ≥6 ч. Перекодируйте использование интернета в ночное время как: никогда, <1 ночи/нед, 1–2 ночи/нед, 3–5 ночей/нед и почти каждую ночь.
   2. Перекодируйте продолжительность сна, частоту физической активности и воспринимаемый академический стресс, используя заранее определенные правила категоризации, описанные в разделе 1.4, и сохраните перекодированные значения под фиксированными именами переменных в том же наборе данных.
   3. Перекодируйте пол для регрессионного анализа, используя две индикаторные переменные: «женский» против «мужского» и «предпочитаю не отвечать» против «мужского». Укажите схему кодирования в сноске к таблице и в файле README/кодовой книге.
3. Проверка целостности подсчета баллов и внутренней согласованности
   1. Рассчитайте альфу Кронбаха для общего балла IAT и общего балла DERS-16 перед проведением инференциального анализа. Повторно проверьте кодирование пунктов, обратное кодирование и недопустимые диапазоны значений пунктов, если какое-либо из значений альфы будет <0.70²⁰. Укажите значения альфы Кронбаха в разделе «Репрезентативные результаты».
   2. Рассчитайте корреляции пунктов с общим баллом или значения «альфа при удалении пункта», если какая-либо из шкал демонстрирует неожиданно низкую внутреннюю согласованность. Не удаляйте пункты шкалы из основного анализа, если удаление пунктов не было предусмотрено заранее или если исследование эксплицитно разработано как исследование психометрической валидации.
   3. Сохраните окончательный набор данных, готовый к анализу, вместе с файлом README, содержащим имена переменных, правила кодирования, пороги исключения, имена файлов, версии программного обеспечения, версию опросника, синтаксис подсчета баллов, спецификацию регрессионной модели и процедуры, необходимые для воссоздания того же набора данных.

6. Анализ данных и обеспечение воспроизводимости результатов

1. Рассчитайте описательную статистику и проведите сравнение групп
   1. Представьте непрерывные переменные в виде среднего значения ± стандартного отклонения, а категориальные переменные — в виде частоты и процента. Обобщите демографические характеристики, особенности использования интернета и баллы по шкалам, используя предопределенную структуру вывода.
   2. Указывайте размер выборки для каждого анализа. В качестве знаменателя используйте окончательную аналитическую выборку, если в таблице явно не указано иное.
   3. Сравните общие баллы и баллы по субшкалам DERS-16 в трех группах по степени тяжести IAT; для основных анализов используйте двустороннее тестирование с α = 0.05. При необходимости укажите стандартизированные размеры эффекта.
      ​ПРИМЕЧАНИЕ: При сравнении групп указывайте η² или частичную η² для дисперсионного анализа или эквивалентный непараметрический размер эффекта, если используется непараметрический критерий. Осторожно интерпретируйте результаты сравнения подгруппы с тяжелой формой проблемного использования, если размер этой подгруппы невелик.
   4. Рассчитайте корреляцию Пирсона между общим баллом IAT и общим баллом DERS-16, если обе переменные демонстрируют приемлемое распределение; в противном случае используйте корреляцию Спирмена в качестве анализа чувствительности. Укажите n, r или ρ, 95% доверительный интервал (если он сгенерирован статистическим ПО), значение p и интерпретацию величины эффекта.
2. Постройте скорректированную регрессионную модель и архивируйте результаты
   1. Используйте общий балл DERS-16 в качестве зависимой переменной, а общий балл IAT — в качестве основной независимой переменной. Введите возраст, пол, использование интернета в будние дни, использование интернета в выходные дни, продолжительность сна, физическую активность и воспринимаемый академический стресс в качестве ковариат. Данная модель является предопределенной аналитической демонстрацией стандартизированного рабочего процесса.
   2. Перед интерпретацией скорректированной регрессионной модели оцените допущения регрессии и стабильность модели. Проверьте графики остатков в зависимости от прогнозируемых значений на линейность и гомоскедастичность, изучите график Q-Q или проведите тест на нормальность распределения остатков, а также рассчитайте факторы инфляции дисперсии (VIF) для оценки мультиколлинеарности.
   3. Представьте эти диагностические данные в разделе «Репрезентативные результаты» или в дополнительных результатах анализа.
   4. При обнаружении гетероскедастичности остатков укажите стандартные ошибки, устойчивые к гетероскедастичности, в качестве анализа чувствительности.
   5. При наличии влиятельных наблюдений укажите, остается ли основной коэффициент для общего балла IAT существенно неизменным после диагностики влияния. Не удаляйте влиятельные наблюдения, если не соблюдено заранее определенное правило контроля качества данных.
   6. Для скорректированной модели укажите нестандартизированные коэффициенты, стандартные ошибки, стандартизированные коэффициенты, значения p , R² модели, скорректированный R², F-статистику модели и диапазон VIF. Укажите размер выборки в заголовке или сноске таблицы.
   7. Если тестируются взаимодействия, эффекты подгрупп или пути медиации, определите эти анализы до сбора данных или пометьте их как исследовательские. Основной протокол не требует тестирования взаимодействий, если только различия между подгруппами не являются заранее определенной целью исследования.
   8. Сохраните весь статистический синтаксис, выходные таблицы, графики остатков, результаты VIF, результаты анализа надежности и созданные рисунки под именами файлов с контролем версий. Генерируйте все отчетные данные непосредственно из файла analytic_dataset_v1, а не из файлов, отредактированных вручную.
      ПРИМЕЧАНИЕ: Текст протокола должен быть сосредоточен на воспроизведении рабочего процесса. Подробную репрезентативную статистику, рисунки по подгруппам, диагностику регрессии, оценку мультиколлинеарности и результаты модели представьте в разделе «Репрезентативные результаты».

Результаты

Схема исследования и итоговое удержание для анализа

Результаты демонстрируют выполнение стандартизированного рабочего процесса опроса, а не независимую валидацию теста на интернет-зависимость или DERS-16. В течение 14-дневного окна опроса к участию были приглашены 520 студентов университета, из которых было получено 480 заполненных анкет. Скрининг проводился в заранее определенном порядке. Сначала были удалены 8 дублирующих заявок, затем 9 анкет с временем заполнения менее 180 s, 4 анкеты, в которых был провален контрольный вопрос на внимательность с направленным ответом, 3 анкеты с шаблонными ответами, 2 анкеты с логическими противоречиями и 2 анкеты с отсутствием основных данных. После завершения полной последовательности скрининга в итоговом аналитическом наборе данных было сохранено 452 валидных анкеты. Итоговый показатель удержания составил 94,2% от возвращенных анкет и 86,9% от приглашенных студентов. Поток анкет от приглашения до окончательного включения в анализ представлен на Рисунке 1.

Характеристики участников

Итоговая аналитическая выборка включала 452 студента со средним возрастом 20,41 ± 1,58 года. Большую часть выборки составили респонденты женского пола: 279 студенток, 167 студентов и 6 человек, выбравших вариант «предпочитаю не отвечать». Участники представляли все курсы обучения и различные дисциплины, при этом наибольшая доля приходилась на студентов второго и третьего курсов. Большинство респондентов проживали в кампус-общежитиях, а ежемесячные расходы на проживание были сосредоточены в категориях 1 000–1 999 и 2 000–2 999. Сохраненная выборка также продемонстрировала значительное время регулярного использования интернета. В будние дни распределение было сосредоточено в основном в категориях 2–3,9 ч и 4–5,9 ч, тогда как в выходные время использования сместилось в сторону увеличения: 322 из 452 студентов сообщили о использовании интернета не менее 4 ч в день. Доминирующим способом доступа был смартфон. Наиболее часто упоминаемыми основными видами онлайн-деятельности стали социальные сети, развлечения/видео и учебная деятельность. Использование интернета в позднее время (после 23:00) было распространенным явлением: 228 из 452 студентов сообщили о таком использовании как минимум 3 ночи в неделю. Продолжительность сна была сосредоточена в интервале от 6 до 7,9 ч, физическая активность чаще всего попадала в категорию 1–2 занятий в неделю, а модальным ответом стал умеренный академический стресс. Демографический и поведенческий профиль сохраненной выборки представлен в Таблице 3.

Характеристика	Категория	n	%
Пол	Мужской	167	36.9
	Женский	279	61.7
	Предпочитают не указывать	6	1.3
Курс обучения	Первый курс	88	19.5
	Второй курс	124	27.4
	Третий курс	131	29
	Четвертый курс и выше	79	17.5
	Аспирантура/магистратура	30	6.6
Категория дисциплины	Гуманитарные и социальные науки	118	26.1
	Естественные науки и инженерное дело	96	21.2
	Бизнес и менеджмент	104	23
	Искусство и дизайн	82	18.1
	Другое	52	11.5
Тип жилья	Общежитие при кампусе	301	66.6
	Аренда жилья вне кампуса	79	17.5
	Дом родителей	58	12.8
	Другое	14	3.1
Ежемесячные расходы на жизнь, CNY	<1,000	61	13.5
	1,000–1,999	176	38.9
	2,000–2,999	149	33
	≥3,000	66	14.6
Использование интернета в будние дни	<2 h	52	11.5
	2–3.9 h	157	34.7
	4–5.9 h	166	36.7
	≥6 h	77	17
	<2 h	29	6.4
	2–3.9 h	101	22.3
	4–5.9 h	178	39.4
	≥6 h	144	31.9
Основная онлайн-активность	Учеба	74	16.4
	Социальные сети	126	27.9
	Игры	61	13.5
	Развлечения/видео	102	22.6
	Шоппинг	28	6.2
	Смешанное использование	47	10.4
	Другое	14	3.1
Основное устройство доступа	Смартфон	323	71.5
	Планшет	18	4
	Ноутбук/ПК	67	14.8
	Разные устройства	44	9.7
Позднее использование после 23:00	Никогда	48	10.6
	Реже одного раза в неделю	57	12.6
	1–2 ночи в неделю	119	26.3
	3–5 ночей в неделю	141	31.2
	Почти каждую ночь	87	19.2
Продолжительность сна	<6 h	83	18.4
	6–6.9 h	146	32.3
	7–7.9 h	157	34.7
	≥8 h	66	14.6
Еженедельная физическая активность	Отсутствует	91	20.1
	1–2 занятия	176	38.9
	3–4 занятия	128	28.3
	≥5 занятий	57	12.6
Академический стресс	Низкий	73	16.2
	Умеренный	241	53.3
	Высокий	138	30.5
Возраст, лет	Среднее ± SD	20.41 ± 1.58	—

Таблица 3: Базовые демографические и поведенческие характеристики итоговой выборки.В данной таблице представлены демографический профиль и особенности использования интернета итоговой выборки после предварительного скрининга. Переменные включают пол, курс обучения, категорию дисциплины, тип жилья, ежемесячные расходы на проживание, использование интернета в будние и выходные дни, основную онлайн-деятельность, основное устройство доступа, использование интернета в ночное время после 23:00, продолжительность сна, еженедельную физическую активность, академический стресс и возраст. Сокращения: CNY = китайский юань; SD = стандартное отклонение. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

Степень тяжести интернет-зависимости, результаты регуляции эмоций и надежность

В полной итоговой выборке (n = 452) средний общий балл по тесту на интернет-зависимость составил 51.94 ± 16.58. Согласно заранее установленным порогам тяжести, 200 респондентов были классифицированы как обычные пользователи, 239 — как пользователи с проблемным использованием и 13 — как пользователи с тяжелой формой проблемного использования, что сделало группу проблемного использования самой многочисленной подгруппой. Средний общий балл по шкале DERS-16 в итоговой выборке составил 35.95 ± 8.89. Тест на интернет-зависимость продемонстрировал приемлемую внутреннюю согласованность с коэффициентом альфа Кронбаха 0.91; DERS-16 также показал приемлемую внутреннюю согласованность с коэффициентом альфа Кронбаха 0.88. При анализе общих баллов DERS-16 в трех группах тяжести IAT, группа обычного использования имела самый низкий средний балл, группа проблемного использования — более высокий, а группа тяжелого проблемного использования — самый высокий средний балл. Сравнение групп по общему баллу DERS-16 в итоговой выборке было статистически значимым (n = 452; F = 72.80, p < 0.001; η² = 0.245 ). Аналогичная направленность выявлена и в сводных данных по субшкалам DERS-16. Поскольку подгруппа с тяжелой формой проблемного использования была малочисленной (n = 13), значения этой подгруппы представлены как часть общей картины распределения, а не как основа для детального вывода по данной подгруппе. Данные по тяжести интернет-зависимости и показателям регуляции эмоций обобщены в Таблице 4.

Показатель	Нормальное использование	Проблемное использование	Тяжелое проблемное использование	Итого
	n = 200	n = 239	n = 13	n = 452
Общий балл IAT	34.20 ± 3.90	65.33 ± 6.90	78.70 ± 6.20	51.94 ± 16.58
Общий балл DERS-16	31.20 ± 7.10	39.24 ± 8.30	48.50 ± 9.60	35.95 ± 8.89
DERS-16: непринятие	5.90 ± 1.90	7.29 ± 2.10	8.90 ± 2.40	6.72 ± 2.16
DERS-16: цели	6.20 ± 1.80	7.82 ± 2.00	9.10 ± 2.30	7.14 ± 2.09
DERS-16: импульсивность	5.80 ± 1.70	7.72 ± 2.10	9.40 ± 2.50	6.92 ± 2.19
DERS-16: стратегии	9.60 ± 2.90	12.29 ± 3.30	15.10 ± 3.80	11.18 ± 3.44
DERS-16: ясность	3.70 ± 1.30	4.18 ± 1.40	5.00 ± 1.60	3.99 ± 1.41
Альфа Кронбаха для IAT	—	—	—	0.91
Альфа Кронбаха для DERS-16	—	—	—	0.88
Сравнение общих групп DERS-16	—	—	—	F = 72.80; p < 0.001; η² = 0.245
Корреляция Пирсона между общим баллом IAT и общим баллом DERS-16	—	—	—	n = 452; r = 0.524; 95% CI: 0.45–0.59; p < 0.001

Таблица 4: Группы по степени тяжести интернет-зависимости, показатели регуляции эмоций, надежность и корреляция в окончательной аналитической выборке.В этой таблице приведены общие баллы IAT, общие баллы DERS-16 и значения субшкал DERS-16 для групп с нормальным использованием, проблемным использованием и тяжелым проблемным использованием. Также указаны средние значения по всей выборке, значения альфы Кронбаха для IAT и DERS-16, сравнение групп по общему баллу DERS-16 и корреляция Пирсона между общим баллом IAT и общим баллом DERS-16. Сокращения: IAT = тест на интернет-зависимость; DERS-16 = 16-пунктовая шкала трудностей эмоциональной регуляции; CI = доверительный интервал; SD = стандартное отклонение. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

Связь между интернет-зависимостью и регуляцией эмоций

В отобранной аналитической выборке (n = 452) была проведена оценка заранее определенной ассоциации непрерывных показателей между общим баллом IAT и общим баллом DERS-16. Корреляция Пирсона между общим баллом IAT и общим баллом DERS-16 оказалась положительной и умеренной по величине (r = 0.524, 95% CI: 0.45–0.59, p < 0.001). Таким образом, студенты с более высокими общими баллами IAT были склонны сообщать о больших общих трудностях в регуляции эмоций. Этот результат соответствовал распределению по группам тяжести и не зависел исключительно от категориальной классификации IAT, как показано в Таблице 4.

Многофакторный регрессионный анализ

Скорректированная регрессионная модель включала отобранную аналитическую выборку (n = 452). В качестве зависимой переменной был введен общий балл DERS-16, а в качестве основной независимой переменной — общий балл IAT. В ту же модель в качестве ковариат были включены возраст, пол, использование интернета в будние дни, использование интернета в выходные дни, продолжительность сна, еженедельная физическая активность и академический стресс. Пол был введен с использованием заранее определенного кодирования индикаторными переменными, где мужской пол был контрольной категорией, а для женского пола и варианта «предпочитаю не указывать» были созданы отдельные индикаторы. После корректировки общий балл IAT остался положительно связан с общим баллом DERS-16 (B = 0.21, SE = 0.02, β = 0.39, p < 0.001). Среди ковариат академический стресс продемонстрировал положительную связь с общим баллом DERS-16 (B = 2.36, β = 0.23, p < 0.001), тогда как продолжительность сна (B = -1.12, β = -0.13, p < 0.001) и еженедельная физическая активность (B = -0.84, β = -0.10, p = 0.003) были отрицательно связаны с общим баллом DERS-16. Использование интернета в будние дни сохранило меньший положительный коэффициент после корректировки (B = 0.71, β = 0.09, p = 0.015), в то время как использование интернета в выходные дни не осталось статистически значимым в скорректированной модели (B = 0.49, β = 0.07, p = 0.071). Возраст и оба индикатора пола не были значимыми независимыми предикторами при данной спецификации. Модель объяснила 39.8% дисперсии общего балла DERS-16 при скорректированном R² = 0.386; общая модель была статистически значимой: F(9, 442) = 32.47, p < 0.001. Мультиколлинеарность не была выявлена: факторы инфляции дисперсии находились в диапазоне от 1.03 до 1.42. Диагностика остатков при анализе зависимости остатков от предсказанных значений не выявила серьезных нарушений линейности или гомоскедастичности. График Q-Q остатков не показал существенных отклонений от приблизительной нормальности. Тест Бреуша-Пагана не был статистически значимым, p = 0.214. Максимальное расстояние Кука составило 0.18, и ни одно наблюдение не превысило порог расстояния Кука 0.50. Скорректированная регрессионная модель представлена в Таблице 5.

Предиктор	B	SE	β	t	p	VIF
Константа	18.42	2.11	—	8.73	<0.001	—
Общий балл IAT	0.21	0.02	0.39	9.84	<0.001	1.42
Возраст	0.18	0.11	0.03	1.64	0.102	1.08
Пол, женщины по сравнению с мужчинами	0.62	0.54	0.04	1.15	0.252	1.05
Пол, предпочли не указывать по сравнению с мужчинами	0.28	1.89	0.01	0.15	0.882	1.03
Использование интернета в будние дни	0.71	0.29	0.09	2.45	0.015	1.36
Использование интернета в выходные дни	0.49	0.27	0.07	1.81	0.071	1.31
Продолжительность сна	-1.12	0.31	-0.13	-3.61	<0.001	1.18
Еженедельная физическая активность	-0.84	0.28	-0.1	-3	0.003	1.12
Академический стресс	2.36	0.39	0.23	6.05	<0.001	1.27

Таблица 5: Многофакторный линейный регрессионный анализ общего балла DERS-16 в зависимости от общего балла IAT и ковариат в окончательной аналитической выборке.В данной таблице представлена скорректированная регрессионная модель, где общим баллом DERS-16 является зависимая переменная, а общим баллом IAT — основная независимая переменная. В качестве ковариат были включены возраст, пол, время использования интернета в будние дни, время использования интернета в выходные дни, продолжительность сна, еженедельная физическая активность и академический стресс. В таблице также приведены стандартизированные коэффициенты, факторы инфляции дисперсии и диагностика модели. Сокращения: IAT = тест на интернет-зависимость; DERS-16 = шкала трудностей эмоциональной регуляции из 16 пунктов; VIF = фактор инфляции дисперсии. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

Дополнительная таблица 1: Полный словарь переменных, наличие файлов, структура кодирования и поля управления данными, используемые в стандартизированном рабочем процессе анкетирования.В этой дополнительной таблице представлен полный словарь переменных для протокола, включая переменные этики и согласия, переменные настроек опроса, демографические переменные, переменные использования интернета, флаги контроля качества, пункты шкал, производные показатели, ковариаты, поля технических идентификаторов, переменные отслеживания наборов данных, информацию о статусе файлов и правила кодирования. Сокращения: IAT = тест на интернет-зависимость; DERS-16 = 16-пунктовая шкала трудностей эмоциональной регуляции .Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 1: Материалы по рабочему процессу заполнения дополнительных опросников. Данный дополнительный файл содержит файлы опросников, кодовую книгу, журнал скрининга, план вывода данных и материалы по рабочему процессу, готовые к анализу, которые использовались для воспроизведения стандартизированного процесса проведения опроса, скрининга, подсчета баллов и анализа.Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

Основным вкладом данной статьи является стандартизированный рабочий процесс заполнения опросников, а не выявленная репрезентативная связь между интернет-зависимостью и трудностями регуляции эмоций. Практическая реализация показала, что в выборке студентов университета может быть выполнена фиксированная последовательность действий: получение электронного согласия, сбор демографических данных, анализ поведения при использовании интернета, подсчет баллов по IAT, подсчет баллов по DERS-16, сбор ковариат, последовательный скрининг качества данных и воспроизводимый регрессионный анализ. Этот акцент на процедуре важен, поскольку в литературе проблемное использование интернета часто связывают с эмоциональной дисрегуляцией, однако несогласованность процедур проведения исследования и очистки данных может затруднить сравнение результатов различных работ²¹. Таким образом, представленный рабочий процесс обеспечивает сопоставимость результатов, делая порядок измерений, правила исключения, этапы подсчета баллов и аналитические выводы явными еще до начала их интерпретации.

Несколько процедурных этапов имеют критическое значение для воспроизводимости. Во-первых, электронное согласие должно быть получено до предоставления доступа к опроснику, а технические идентификаторы, используемые для выявления дубликатов, должны быть отделены от итогового анонимизированного аналитического набора данных. Во-вторых, проверка на наличие дубликатов должна предшествовать проверке времени заполнения, анализу контрольных вопросов на внимательность, выявлению шаблонных ответов, проверке логической согласованности и анализу пропущенных данных, поскольку изменение этого порядка может повлиять на итоговую выборку. В-третьих, процедуры подсчета баллов IAT и DERS-16, включая реверсивное кодирование и классификацию степени тяжести, должны быть зафиксированы до начала сбора данных. Эти шаги позволяют снизить вероятность возникновения неоправданной вариативности в исследованиях с использованием онлайн-опросов и согласуются с общими опасениями о том, что результаты исследований интернет-зависимости могут зависеть от стресса, самоконтроля и тревожности, а также от различий в процедурах измерения²².

Протокол также требует проведения нескольких проверок для поиска и устранения неисправностей в процессе реализации. Если платформа для опроса не может ограничить повторную отправку ответов, отсев дубликатов должен основываться на сочетании идентификаторов, ограниченных учетной записью, идентификаторов, ограниченных устройством, временных меток, статуса заполнения анкеты и сходства паттернов ответов. Если большое количество записей попадает в пограничный диапазон скорости заполнения, следует совместно проанализировать результат проверки внимания, количество ответов в виде длинных строк, внутрисубъектное стандартное отклонение и флаг логической согласованности, а не полагаться только на время завершения. Если альфа Кронбаха оказывается неожиданно низкой, перед принятием любого решения на уровне отдельных пунктов необходимо проверить кодирование пунктов, обратное кодирование и диапазоны баллов. Эти процедуры особенно актуальны, поскольку поведение, связанное с использованием интернета и смартфонов, сопряжено с процессами сна и регуляции эмоций, что делает небрежный отсев или ошибки кодирования потенциальным источником искаженных выводов²³.

Пороги исключения, использованные в репрезентативном внедрении, следует рассматривать как стандартизированные в рамках данного рабочего процесса, но не как универсально фиксированные для всех будущих популяций. Нижний порог времени завершения в 180 s был получен в ходе пилотного тестирования и должен быть перекалиброван при применении протокола к пожилым людям, подросткам, многоязычным респондентам, при использовании анкет, адаптированных для людей с ограниченными возможностями, или платформ с другими форматами отображения. Правило логической противоречивости и критерии шаблонных ответов также могут потребовать корректировки, если длина шкалы, порядок пунктов или опорные точки ответов отличаются. Аналогично, наличие небольшой подгруппы с тяжелым проблемным использованием в репрезентативном внедрении указывает на то, что в исследованиях, предназначенных для сравнения подгрупп, следует увеличить целевые показатели набора участников или использовать стратифицированную выборку перед сбором данных. Такая гибкость важна, поскольку поведенческие переменные и переменные образа жизни, включая физическую активность, могут взаимодействовать с вниманием, руминацией и саморегуляцией способами, которые варьируются в зависимости от групп студентов²⁴.

При применении данного протокола следует учитывать несколько ограничений. Рабочий процесс основан на инструментах самоотчета, поэтому ошибка воспоминания, предвзятость социальной желательности и общая вариативность методов могут повлиять как на показатели воздействия, так и на показатели исхода. Эти риски можно снизить, но не устранить полностью, используя нейтральные формулировки, фиксированный порядок вопросов в анкете, проверки внимательности, заранее определенные ковариаты, а также прозрачную отчетность о пропущенных данных и исключениях. В будущих исследованиях для повышения конструктной валидности могут быть внедрены объективные показатели цифрового поведения, такие как журналы экранного времени смартфонов, записи об использовании приложений или сводные данные об использовании платформ. Однако такие дополнения требуют отдельного текста согласия, мер по обеспечению конфиденциальности, процедур минимизации данных и правил связывания данных. Поэтому их следует добавлять в качестве запланированных расширений протокола, а не в виде неформальных дополнений к процессу заполнения анкеты²⁵.

Данный протокол является адаптивным, однако его не следует механически переносить на любые условия. При работе с группами лиц, не являющихся студентами университетов, может потребоваться пересмотр критериев отбора, каналов рекрутинга, пунктов, касающихся академического стресса, и категорий использования интернета. В международных многоцентровых исследованиях перед объединением данных необходимо задокументировать перевод, культурную адаптацию, эквивалентность платформ, особенности учета часовых поясов, правила защиты данных и мониторинг на уровне центров. Если тест IAT заменяется более новым или специфичным для данной популяции методом измерения, общий рабочий процесс может быть сохранен, но перед сбором данных следует обновить диапазон баллов, пороги тяжести, кодовую книгу, синтаксис, Таблицу материалов и словарь дополнительных переменных. Различие между продолжительностью использования интернета и его нерегулируемым использованием имеет важное значение, так как время пребывания в сети само по себе может не отражать тот же конструкт, что и проблемное или компульсивное использование²⁶.

Наконец, представленная реализация носила поперечный характер и не должна интерпретироваться как доказательство временной направленности процессов. Наблюдаемая связь между общим баллом IAT и общим баллом DERS-16 демонстрирует принципы работы аналитического пути, а не то, вызывает ли трудность регуляции эмоций проблемное использование интернета или же проблемное использование интернета со временем ухудшает регуляцию эмоций. Аналогичные закономерности при поперечных исследованиях описывались и в других университетских средах, однако для изучения направленности и динамики изменений необходимы лонгитюдные исследования или применение метода повторных измерений²⁷. Ценность данного протокола заключается в том, что он обеспечивает стабильный базовый рабочий процесс для таких будущих исследований. Благодаря стандартизации процесса получения согласия, проведения анкетирования, скрининга, подсчета баллов, проверки надежности, диагностики моделей, архивации файлов и сопроводительной документации, данный протокол может способствовать проведению более воспроизводимых поперечных исследований и может быть расширен до лонгитюдных дизайнов или дизайнов с интервенцией, когда вопросы временной последовательности станут основной целью²⁸. Включение кодификатора, журнала скрининга, плана вывода данных и материалов рабочего процесса, готовых к анализу, также соответствует принципам документации исследовательского ПО и рабочих процессов, ориентированных на FAIR²⁹, а также более широким рекомендациям открытой науки по прозрачному и воспроизводимому представлению результатов³⁰.

Материалы

Список материалов, использованных в этой статье

Имя	Компания	Каталожный номер	Комментарии
Набор данных, готовый к анализу	Внутренний документ по конкретному исследованию	analytic_dataset_v1.csv и analytic_dataset_v1.xlsx	Окончательный анонимизированный набор данных, использованный для всех представляемых в отчете описательных анализов, анализа надежности, корреляционного и регрессионного анализов
Синтаксис анализа	Внутренний документ по конкретному исследованию	analysis_syntax_v1.R или эквивалентный файл со скриптом	Используется для воспроизведения проверки подсчета баллов, анализа надежности, описательной статистики, корреляционного анализа, регрессионного моделирования, расчета VIF и диагностического вывода
Формулировка пунктов для проверки внимания	Внутренний документ по конкретному исследованию	attention_check_v1.txt	Фиксированная формулировка контрольного вопроса на проверку внимания с направленным ответом, использовавшегося при проведении опроса
Опросник DERS-16	Оригинальная шкала или авторизованная/адаптированная версия опросника	Краткая форма шкалы трудностей эмоциональной регуляции из 16 пунктов	Используется для оценки трудностей регуляции эмоций; подсчет баллов осуществляется в соответствии с фиксированным ключом оценки DERS-16, описанным в кодовой книге
Электронный информационный листок и страница согласия	Внутренний документ по конкретному исследованию	consent_form_v1.pdf или страница согласия на платформе	Используется для предоставления информации об исследовании и получения электронного информированного согласия перед предоставлением доступа к опроснику
Лист правил именования файлов	Внутренний документ по конкретному исследованию	соглашение_о_именовании_файлов_v1.xlsx	Используется для стандартизации наименований исходных, очищенных, аналитических файлов, журналов скрининга, кодовых книг и выходных файлов
Скриншоты финального опросника	Внутренний документ по конкретному исследованию	скриншоты_анкеты_v1.pdf	Используется для документирования заблокированного отображения опроса, порядка пунктов, якорей ответов и настроек обязательных пунктов
Интегрированная среда разработки	Постулировать	RStudio Desktop	Используется для управления скриптами, логами и воспроизводимыми рабочими процессами анализа
Опросник теста на интернет-зависимость	Оригинальная шкала или авторизованная/адаптированная версия опросника	Тест на интернет-зависимость из 20 пунктов	Используется для оценки симптомов интернет-зависимости и классификации уровней использования: нормальное использование, проблемное использование и выраженное проблемное использование
Платформа для проведения онлайн-опросов	Qualtrics	Платформа XM; институциональный или лицензионный аккаунт	Используется для создания анкеты, обеспечения обязательного заполнения пунктов, управления доступом на основе согласия, ограничения повторных отправлений (если эта функция включена) и экспорта данных ответов
Дополнительный статистический пакет с интерфейсом управления через меню	IBM	SPSS Statistics	Используется, когда для расчета описательной статистики, проверки надежности или регрессионного анализа требуется рабочий процесс анализа на основе графического интерфейса пользователя (GUI)
файл README/кодовая книга	Внутренний документ по конкретному исследованию	README_v1.txt или codebook_v1.xlsx	Используется для документирования имен переменных, правил кодирования, диапазонов баллов, правил обратного кодирования, пороговых значений исключения, имен файлов и версий программного обеспечения
Архивная копия только для чтения	Формат переносимых документов	PDF/A или утвержденный учреждением архивный PDF	Используется для сохранения заблокированного инструмента опроса, страницы информированного согласия и документов, поддерживающих протокол
Журнал регистрации скрининга	Внутренний документ по конкретному исследованию	журнал_скрининга_v1.xlsx	Используется для документирования проверки на дубликаты, проверки времени выполнения, ошибок в контрольных вопросах на внимательность, шаблонных ответов, логических несоответствий, пропусков данных, решений по результатам ручного анализа и итогового количества включенных участников
Программное обеспечение для работы с электронными таблицами	Microsoft	Формат книги Microsoft Excel (.xlsx)	Используется для журналов скрининга, словаря переменных, записей ручного анализа и подготовки дополнительных рабочих тетрадей
Среда статистических вычислений	R Foundation / CRAN	R 4.5.3	Используется для проверки подсчета баллов, расчета описательной статистики, проверки надежности, корреляционного анализа, регрессионного анализа, вычисления VIF и диагностического вывода
Дополнительный файл 1	Дополнительный файл к исследованию	Дополнительный файл 1.xlsx	Содержит материалы по рабочему процессу анкетирования, кодовую книгу, журнал скрининга, план вывода данных и материалы по рабочему процессу, готовые к анализу
Дополнительная таблица S1	Дополнительная таблица к конкретному исследованию	Дополнительная таблица S1	Содержит полный словарь переменных, сведения о наличии файлов, структуру кодирования, поля технических идентификаторов, переменные скрининга и поля отслеживания набора данных
Документ экспорта опроса	Qualtrics	Экспорт опроса в Word или экспорт в PDF	Используется для архивирования окончательной формулировки вопросов анкеты, порядка пунктов, настроек ветвления, настроек обязательных пунктов и кодировки ответов
Формат экспорта опроса	Qualtrics	Экспорт в CSV	Используется для сохранения исходных данных и экспорта данных, готовых к анализу