Üniversite Öğrencilerinde Psikolojik Dayanıklılık, Okul Aidiyeti Duygusu ve Üst Düzey Düşünceyi İncelemek İçin Tekrarlanabilir Bir Anket İş Akışı

Özet

Bu protokol, üniversite öğrencilerinde veri toplama, kaliteli tarama ve moderatörlü arabuluculuk analizi için tekrarlanabilir bir anket iş akışı sunar.

Özet

Bu yöntem makalesi, üniversite öğrencilerinde psikolojik dayanıklılık, okul aidiyeti duygusu (SSB), üst düzey düşünme ve internet oyun bozukluğu (IGD) arasındaki ilişkileri inceleyen tekrarlanabilir kesitsel bir öz-raporlama anketi protokolü sunmaktadır. Bu protokolde, yeni istihdam kalıpları, katılımcı düzeyinde bir maruziyet değişkeni olarak değil, üretken yapay zeka, platform tabanlı çalışma ve değişen mezun beceri beklentileriyle şekillenen bağlamsal bir arka plan olarak ele alınır. Protokol, kurumsal örnekleme, anket yönetimi, çeviri dokümantasyonu, yanıt kalitesi taraması, eksik veri işleme, ölçek puanlama, ortak yöntem önyargısı taraması, değişken merkezleme ve koşullu süreç analizini tek bir standart iş akışında entegre eder. SSB istatistiksel bir arabulucu olarak tanımlanırken, IGD derneğe dayalı moderatör çerçevesinde moderatör olarak tanımlanır. Temsilci çıktılar arasında örneklem akışı kayıtları, betimleyici istatistikler, korelasyon matrisleri, arabuluculuk ve moderatörlüğü aracılık tahminleri, koşullu dolaylı etkiler, moderlenen arabuluculuk indeksi ve etkileşim grafikleri yer alır. Temsilci veri seti kesitsel ve kendi kendini bildirdiği için, protokol nedensel veya boylamasına çıkarım yerine istatistiksel ilişkilerin şeffaf tahminini destekler. Analiz öncesi ön işleme kararlarını ve model spesifikasyonlarını standartlaştırarak, bu iş akışı eğitim ve davranışsal anket araştırmalarında şeffaflık, karşılaştırılabilirlik ve tekrarlanabilirliği artırır.

Giriş

Üretken yapay zeka, platform tabanlı çalışma ve alanlar arası mesleki entegrasyonla şekillenen yeni istihdam modelleri, üniversitelerin mezun hazırlık ve öğrenci gelişimi tartışma biçimini^{değiştirmiştir 1}. Bu makalede, yeni istihdam kalıpları, ölçülen katılımcı düzeyinde bir maruziyet yerine bağlamsal bir çerçeveleme koşuşu olarak ele alınmaktadır. Protokol, öğrencileri platform işgücüne, gig işine veya yapay zeka aracılı istihdam işlerine doğrudan katılımlarına göre sınıflandırmaz. Bunun yerine, bu bağlam, daha yüksek dereceden düşünme (HOT), psikolojik dayanıklılık (PR) ve okul temelli desteğin, giderek belirsiz eğitim ve kariyer geçişleriyle karşılaşan üniversite öğrencileri için neden önemli yapılar olduğunu açıklıyor. Bu açıklama, protokolün ölçülen istihdam modeli maruziyetinin etkilerini tahmin etmek için değil, kesitsel davranışsal anket araştırmaları için tasarlandığı için gereklidir.

Bu bağlamda, mezunlardan giderek daha fazla alışık olmadığı sorunları çözmeleri, alanlar arasında bilgi aktarmaları, bilgiyi eleştirel değerlendirmeleri ve belirsizlik altında uyarlanabilir kararlar almaları^{beklenmektedir 2}. Son işgücü piyasası ve yükseköğretim tartışmaları, özellikle iletişim, iş birliği, bağımsız problem çözme ve yenilik alanlarında işveren beklentileri ile mezun hazırlıkları arasında devam eden bir uyumsuzluğu işaret^{ediyor 3}. Bu talepler, HOT'u değişen istihdam koşulları altında öğrenci uyumlarıyla ilgilenen eğitim ve davranışsal araştırmalarda faydalı bir sonuç yapısı^{haline getirmiştir 4}.

HOT, hatırlama ve temel anlayışın ötesinde gelişmiş bilişsel faaliyetleri ifade eder; analiz, değerlendirme, karar verme, problem çözme ve yaratıcı düşünme^{dahil olmak} üzere. Alt ve üst düzey biliş arasındaki klasik ayrım üzerine inşa edilen önceki araştırmalar, HOT'un basit bilgi üretiminden ziyade bilgi dönüşümünü içerdiğini ve bunun özgün problem bağlamları, önceki bilginin entegrasyonu ve bilişsel esneklikle yakından ilişkili^{olduğunu vurgular.} Dijital aracılı istihdam ve öğrenme ortamlarında, öğrenciler genellikle karmaşık bilgileri yorumlamak, akıllı araçlarla çalışmak ve bilgi bol ama kalite eşit olmadığında bilişsel özerklikleri korumaları gerekir^. Bu koşullar, HOT'u tekrarlanabilir bir davranışsal araştırma protokolü için uygun bir odak yapısı yapar.

PR, bu protokole dahil edilmiştir çünkü öğrencilerin stres ve belirsizlik altındaki adaptif işlevsellikleriyle teorik ve ampirik^{olarak ilişkilidir 8}. PR tanımları sonuç odaklı, özellik tabanlı ve süreç tabanlı bakış açıları arasında farklılık gösterse de, çoğu anlatım PR'nin kendini düzenleme kapasitesini, zorluklardan kurtulma ve zorlu koşullarda işlevsel uyumu sürdürme kapasitesini yansıttığı fikrine^{yakınlaşır.} 9. Mevcut protokolde, PR HOT'un kanıtlanmış bir nedensel belirleyicisi olarak ele alınmamaktadır. Bunun yerine, kesitsel veri setinde HOT ile istatistiksel olarak ilişkilendirilebilecek bağımsız bir değişken olarak modellenir. Bu ifade, çalışmanın tasarım sınırlarıyla tutarlıdır ve verinin kuramayacağı zamansal sıralamayı ima etmekten kaçınır. Bu ilişki mantıklıdır çünkü güçlü PR'a sahip öğrenciler, akademik ve kariyerle ilgili baskılarla karşılaşırken hedefe yönelik katılım, yapıcı başa çıkma ve uyum sağlama becerilerini daha iyi koruyabilirler¹⁰. Önceki ampirik çalışmalar PR'ı problem çözme, eleştirel düşünme ve uyarlanabilir biliş ile ilişkilendirmişti, ancak PR'yi HOT ile doğrudan ilişkilendiren kanıtlar sınırlı^{kalıyor 11}. Bu nedenle, mevcut makale PR ile HOT arasındaki ilişkiyi temsil eden bir modelleme örneği olarak kullanarak, anket-analiz protokolü tam olarak gösterilebilir.

Okul aidiyeti duygusu (SSB), protokole istatistiksel bir arabulucu olarak dahil edilmiştir. Genel olarak, öğrencilerin okul topluluğu içinde kabul edilme, saygı görme, desteklenme ve bağlantı görme deneyimleri olarak^{tanımlanır.} Çoğu tanım, katılım, tanınma ve destek yoluyla kurulan kurum, öğretmenler ve akranlarla duygusal ve ilişkisel bağı^vurgular. Değişen istihdam bağlamında, SSB önemlidir çünkü öğrenciler belirsiz akademik ve mesleki geleceklere hazırlanırken genellikle üniversite temelli rehberlik, akran etkileşimi ve kurumsal kaynaklara^{güvenirler 14}.

Mevcut çalışmalar, PR'nin SSB ile olumlu ilişkilendirildiğini göstermektedir. Daha güçlü PR'a sahip öğrenciler, stresle karşılaştıklarında destek arama, yapıcı katılımı sürdürme ve öğretmenler ile akranlarıyla bağ kurma duygusunu koruma olasılığı daha yüksek^{olabilir 15}. SSB ayrıca işbirlikçi problem çözme, eleştirel düşünme, yaratıcılık ve öğrenme faaliyetlerine daha derin katılım ile de^{ilişkilendirilmiştir 16}. Bu temelde, mevcut protokol SSB'yi PR ile HOT arasında istatistiksel bir arabulucu olarak tanımlar. Bu spesifikasyon, PR'nin zamansal olarak SSB'ye neden olduğuna veya SSB'nin nedensel olarak HOT'a neden olduğuna dair kanıt olarak değil, kesitsel anket verilerine uygun bir ilişki temelli arabuluculuk modeli olarak yorumlanmalıdır.

İnternet oyun bozukluğu (IGD) moderatör olarak dahil edilmiştir çünkü dijital davranışlar PR, SSB ve HOT arasındaki ilişkilerin gücünü şekillendirebilir. IGD, klinik olarak anlamlı bir bozulmayla ilişkili kalıcı ve tekrarlayan oyun davranışlarını ifade eder ve yoğun dijital maruziyete sahip öğrenci popülasyonlarında giderek artan ilgi görmektedir¹⁷. Önceki çalışmalar, sorunlu oyun oynamayı bozulmuş rutinler, düşük uyku kalitesi, daha düşük sosyal destek, zayıf başa çıkma kapasitesi ve daha zayıf akademik katılımla^{ilişkilendirmiştir 18}. Bu bulgular, IGD semptomlarının yüksek seviyelerinin adaptif eğitim ve psikososyal işlevselliği zayıflatabileceği görüşünü destekler.

Aynı zamanda, oyunlarla ilgili davranışlar basit bir şekilde yorumlanmamalıdır. Bazı oyun ortamları stratejik karar verme, geri bildirime dayalı öğrenme ve bilişsel zorluk içerir, ancak bu özellikler IGD'nin kendisinin faydalı olduğu anlamına^gelmez. Mevcut protokolde, IGD yalnızca ilişkilendirme desenlerinin istatistiksel moderatörü olarak ele alınmaktadır. IGD ile ilgili herhangi bir etkileşim, oyun bozukluğunun bilişi iyileştirdiğine veya okul işlevselliğini güçlendirdiğine dair klinik kanıt olarak değil, temsil veri seti içinde koşullu bir ilişki olarak dikkatlice yorumlanır.

PR, SSB, HOT ve öğrenci dijital davranışına artan ilgi olmasına rağmen, metodolojik bir boşluk hâlâ devam ediyor. Birçok çalışma bu yapılar arasında ilişki bildirmektedir, ancak daha azı katılımcı işe alımı, anket yönetimi, çeviri dokümantasyonu, geçersiz yanıt taraması, eksik veri işleme, ölçek puanlama, güvenilirlik taraması, yaygın yöntem yanlılığı taraması, değişken merkezleme ve koşullu süreç analizini tek bir denetlenebilir çerçeve içinde birbirine bağlayan şeffaf ve tekrarlanabilir bir protokol sunar. Bu boşluk, özellikle eğitim ve davranışsal anket araştırmaları için önemlidir; çünkü ön işleme kuralları ve model kararları yalnızca kısmen rapor edilirse sonuçların tekrarlanması zor olabilir.

Bu boşluğu gidermek için, mevcut yöntem makalesi, kesitsel bir öz-raporlama anketi yapmak ve temsili, moderatlı arabuluculuk çıktıları oluşturmak için tekrarlanabilir bir protokol sunmaktadır. Protokol uygulamalı bir örnek olarak PR, SSB, HOT ve IGD'yi kullanır, ancak birincil katkısı nedensel değil, metodolojiktir. Protokol, örnekleme çerçevesi oluşturmayı, standartlaştırılmış bir anket yönetimini, belge çevirisi ve puanlama kararlarını nasıl uygulayı, önceden belirlenmiş tarama kurallarını uygulamayı, analiz için hazır veri seti hazırlamayı ve sabit raporlama kuralları kullanarak koşullu süreç Modelleri 4 ve 59'u nasıl tahmin edileceğini gösterir. Daha az standartlaştırılmış anket-analiz yaklaşımlarına kısna, bu protokol yorumdan önce ön işleme kararlarını ve model spesifikasyonlarını belgeleyerek şeffaflık, karşılaştırılabilirlik, tekrarlanabilirlik ve denetlenebilirliği artırır. Bu adımları birleşik bir prosedür olarak sunarak, makale araştırmacılara üniversite öğrenci uyumu ve HOT gelişimi üzerine eğitimsel ve davranışsal anket araştırmaları için tekrarlanabilir bir çerçeve sunar.

Protokol

Bu çalışma, Liuzhou Mesleki ve Teknik Koleji Etik Komitesi tarafından onaylandı (protokol kodu: LVTC-2024-02-879; onay tarihi: 1 Şubat 2024). Ankete erişmeden önce elektronik bilgilendirilmiş onay alın. Veri ihracı ve analizinden önce doğrudan tanımlayıcıları kaldırın. Ham dosyaları, temizlenmiş, analiz için hazır, puanlama, tarama ve çıktı dosyalarını kısıtlı erişimli klasörlerde sakla.

1. Katılımcıları önceden belirlenmiş çok aşamalı rastgele örnekleme iş akışı kullanarak işe alın

1. Kurumsal örnekleme çerçevesini oluştur ve kilitle
   1. Yeni istihdam kalıplarını, katılımcı düzeyinde ölçülen bir maruz kalma yerine çalışmanın bağlamsal arka planı olarak tanımlayın.
   2. Kamu eğitim kayıtları, üniversite web siteleri, öğretim reformu bildirimleri, istihdam rehberliği belgeleri ve müfredat veya eğitim duyuruları aracılığıyla aday kurumları belirleyin.
   3. Çin anakarasında tanınan yükseköğretim kurumları dahil edin, tam zamanlı üniversite öğrencilerini kaydedin, yapay zeka ile ilgili, dijital öğrenme, kariyer hazırlığı, yenilik veya HOT eğitimi hakkında doğrulanabilir kayıtlar tutun, kadro tabanlı örnekleme erişimi sağlanın ve standart anonim çevrimiçi anket prosedürünü kabul edin.
   4. Doğrulanabilir eğitim kayıtları, mevcut kadroları, anket döneminde aktif öğrenci kaydı veya aynı yönetim protokolünü takip etme kapasitesi olmayan kurumları hariç tutun.
   5. 32 uygun kurumu tutun ve I-01'den I-32'ye kurum kodları verin.
   6. Rastgele seçimden önce kurumsal örnekleme çerçevesini kilitleyin. Çok sahalı anket araştırmalarında sonradan seçilmiş örnekleme kararlarını azaltmak için önceden belirlenmiş bir örnekleme çerçevesi ve sabit seçim^{kuralı kullanın 20}.
2. Kurum düzeyinde ve öğrenci düzeyinde rastgele seçim yapmak
   1. Kurum düzeyinde seçim için tohum tabanlı rastgele sayı prosedürü kullanın.
   2. Rastgele tohumu 20241007 olarak ayarlayın.
   3. 32 uygun kurum için rastgele sayılar oluşturun, değerleri artan sırayla sıralayın ve ilk üç kurum kodunu seçin. Kurum kodlarını I-07, I-18 ve I-29 seçin.
   4. Seçilen üç kurumdan güncel sınıf kadrolarını alın ve 7 Ekim 2024 ile 15 Kasım 2024 tarihleri arasında aktif kayıtları doğrulayın.
   5. Çince okuyabilen, kurumsal listede yer alan, çevrimiçi ankete erişen ve elektronik bilgilendirilmiş onay veren 18-25 yaş arası tam zamanlı öğrencileri dahil edin.
   6. 18 yaşından küçük, aktif olarak kayıtlı olmayan, değişim veya izinli olan, Çin anketini bağımsız dolduramayan, pilot teste katılan, onayını reddeden veya tekrarlanmış veya geçersiz anket gönderen öğrencileri hariç tutun.
   7. Öğrenci listesini kuruma göre katmanlayın ve aynı tohum tabanlı prosedürle her kurum içinde rastgele öğrencileri seçin.
   8. 860 öğrenci davet edin; bunların içinde I-07'den 286 öğrenci, I-18'den 287 öğrenci ve I-29'dan 287 öğrenci var.
      NOT: Rastgeleleştirmeden sonra kurum düzeyinde ve öğrenci düzeyinde seçim prosedürlerini sabit tutun. Aynı tohum tabanlı prosedürle herhangi bir değişimi gerçekleştirin.
3. Koleksiyon penceresini tanımlayın ve analitik örneği kesinleştirin
   1. 7 Ekim 2024'ten 15 Kasım 2024'e kadar veri toplayın.
   2. Aynı yazılı senaryoyu kullanarak kurum onaylı danışmanlar aracılığıyla 860 davet edilen öğrenciye dağıtın.
   3. Yanıt akışını 860 davet edilen öğrenci, 800 geri dönen anket, 60 yanıtsız cevap, 24 hariç geçersiz yanıt ve 776 tutulan vaka olarak kaydedin. Genel yanıt oranı %93,0 olarak kaydedildi.
   4. Kurum düzeyindeki akışı şu şekilde kaydedin: I-07, 267 geri dönen anket, 8 hariç yanıt ve 259 tutulan vaka; I-18, 266 anket başvurusu yapıldı, 7 hariç yanıt ve 259 dosya tutuldu; ve I-29, 267 anket geri döndü, 9 hariç yanıt ve 258 dosya tutuldu.
   5. Dışlama hiyerarşisini şu sırayla uygulayın: tekrarlanan yanıt, uygunluk tutarsızlığı, tamamlanma süresi, düz çizgide yanıt verme ve tekrarlayan desen yanıtlama.
   6. Aşağıdaki kriterlerden herhangi birine uygun yanıtları hariç tutun: tekrarlanan gönderim, uygunluk tutarsızlığı, <360 saniyelik tamamlanma süresi, Likert maddelerinin %≥85'i için aynı seçenek veya ≥15 ardışık Likert maddesinde tekrar eden dönüşümlü desen. Dikkat kontrolü ürünü kullanmayın.
   7. 24 geçersiz yanıt hariç tutuluyor; bunlar arasında 3 yinelenmiş yanıt, 3 uygunluk tutarsızlığı, 7 tamamlanma süresi hariç tutma, 9 düz çizgi yanıtı ve 2 tekrarlanan desen yanıtı var.
   8. 776 geçerli vaka tutuluyor. 19–25 yaş arası 219 erkek (%28,2) ve 557 kadından (%71,8) oluşan nihai örneklem kaydedilsin.
      NOT: Düzeltilmiş örneklem akışını makale boyunca tutarlı şekilde kullanın: 860 davet edilen öğrenci, 800 geri dönen anket, 24 hariç yanıt ve 776 tutulan vaka.

2. Anketi standart bir çevrimiçi prosedürle yönetin

1. Anketi derleyin ve dil uyarlamasını belgeleyin
   1. Beş anket bölümü oluşturun: demografi, PR, HOT, SSB ve IGD belirtileri.
   2. 75 puanlı ölçekli eşya kullanın; bunlar arasında 25 PR öğesi, 23 HOT öğesi, 18 SSB eşyası ve 9 IGD öğesi var.
   3. Tüm anket maddelerinin önüne elektronik bilgilendirilmiş onay formunu yerleştirin ve ankete erişim öncesi katılımcı onayı gerek. Davranışsal anket araştırmalarında katılımcı özerkliğini ve mahremiyeti korumak için elektronik rıza ve kimliği yok edilmiş çevrimiçi^{yanıtlar kullanın 21}.
   4. Tüm ölçek öğeleri ve analitik demografik değişkenler için zorunlu yanıtlar kullanın.
   5. İleri çevirme, uzlaştırma, geri çeviri, uzman incelemesi ve pilot kontrolü kullanarak İngilizce köken ölçekleri çevirin. Anlamsal ve kavramsal eşdeğerliği korumak için standart kültürlerarası enstrüman uyarlama^{prosedürlerini uygulamak 22}.
   6. Anket uyarlaması sırasında iki iki dilli ön çevirmen, bir bağımsız arka çevirmen ve en az üç uzman incelemeci kullanın.
   7. Son analiz örneklemine dahil edilmeyen 30 öğrenciyle pilot kontrol yapın.
   8. Öğe kaynağını, orijinal ifadeleri, ileri çeviri, geri çeviri, nihai Çince ifadesi ve revizyon gerekçesini Ek Tablo 1'de belgeleyin.
   9. Anketi yönetimden önce kilitleyin.
      NOT: Anket kilitinden sonra öğe ifadesini değiştirmeyin.
2. Kurumlar arasında yönetim iş akışını standartlaştırın
   1. Aynı yazılı yönetim senaryosuyla danışmanları eğitin.
   2. Katılımın gönüllü, anonim, notlar veya değerlendirmeyle ilgisi olmayan ve cezasız reddedilebileceğini belirtin.
   3. Sınıf toplantılarında çevrimiçi anketi yönlendirmeden yönetin.
   4. Danışmanların bireysel katılımcı yanıtlarını görmesini engelleyin.
   5. Yönetim tarihini, kurum kodu, sınıf bağlamını, danışman tanımlayıcısını, davet sayısını, geri dönüş sayısını, oturum süresini ve protokol sapmalarını kaydedin.
      NOT: Tüm katılımcı kurumlarda aynı onay prosedürü, anonimlik beyanını, yönetim senaryosu ve yanıt talimatlarını kullanın.

3. Ölçüm cihazlarını kilitli bir puanlama çerçevesi kullanarak puanlayın

1. Psikolojik Dayanıklılık Ölçeğinde puan
   1. Hu ve Gan tarafından Connor-Davidson^{çerçevesi 23} temelinde revize edilen 25 maddelik Psikolojik Dayanıklılık Ölçeği'ni kullanın.
   2. Tüm maddeleri 5 puanlık Likert ölçeğiyle puanlayın ve ortalama puanı hesaplayın. Daha yüksek puanları daha yüksek PR olarak yorumlayın.
   3. Dahili tutarlılığı Cronbach alfası = 0.958 olarak kaydet.
2. Daha Yüksek Dereceli Düşünme Ölçeğini Puanlayın
   1. Hwang ve meslektaşları tarafından geliştirilen 23 maddelik Yüksek Dereceden Düşünme^{Ölçeği'ni kullanın 24}.
   2. Tüm maddeleri 5 puanlık Likert ölçeğiyle puanlayın ve ortalama puanı hesaplayın. Daha yüksek puanları daha yüksek HOT olarak yorumlayın.
   3. Dahili tutarlılığı Cronbach'ın alfası = 0.973 olarak kaydet.
3. Okul Aidiyet Skalasını Puanlayın
   1. Pan ve meslektaşları tarafından Goodenow'un orijinal okul üyeliği çerçevesine dayanarak revize edilen 18 maddelik Çin Psikolojik Okul Üyeliği Algısı^{ölçeğini kullanın 25}.
   2. 3, 6, 9, 12 ve 16'yı aşağıdaki dönüşüm kuralı kullanarak tersine puanlayın: 1 = 5, 2 = 4, 3 = 3, 4 = 2 ve 5 = 1.
   3. Ters kodlamadan sonra ortalama puanı hesaplayın. Daha yüksek puanları daha yüksek SSB olarak yorumlayın.
   4. Dahili tutarlılığı Cronbach alfası = 0.838 olarak kaydet.
4. İnternet Oyun Bozukluğu Ölçeğini Puanlayın
   1. DSM-5^{kriterleri 26} ile uyumlu 9 maddeli İnternet Oyun Bozuklukları Ölçeğini kullanın.
   2. Tüm maddeleri 5 puanlık Likert ölçeğiyle puanlayın ve ortalama puanı hesaplayın. Daha yüksek puanları daha yüksek kendi bildirdiğim IGD semptomları olarak yorumlayın.
   3. IGD'yi klinik bir tanı olarak değil, sürekli bir semptom puanı olarak ele alın.
   4. İçsel tutarlılığı Cronbach'ın alfası = 0.941 olarak kaydet.
5. Puanlama kararlarını kilitle ve denetle
   1. Dört değişkenin tamamı için ortalama puanlar kullanın: PR, HOT, SSB ve IGD.
   2. Protokol ve analiz iş akışı boyunca aynı kısaltmaları tutarlı şekilde kullanın: PR, HOT, SSB ve IGD.
   3. Eşya sayısını, yanıt aralığını, ters kodlanmış öğeleri, puan yönü, hesaplama kuralı, demografik kodlamayı ve güvenilirlik değerlerini Ek Tablo 2'de kaydedin.
      NOT: Betimleyici istatistikler, korelasyonlar, güvenilirlik tahminleri veya koşullu süreç modelleri hesaplamadan önce SSB öğelerini tersine puanlayın.

4. Veri setini temizleyin ve analiz için hazır bir dosya oluşturun

1. Veri dosyalarını dışa aktarın ve sürüm yapın
   1. Anket kapandıktan sonra ham anket dosyasını dışa aktarın.
   2. Ham anket dosyasını sadece okunabilir formatta tutun.
   3. Tarama, temizlik, yeniden kodlama ve puanlama prosedürleri için ayrı bir çalışma dosyası oluşturun.
   4. Dışlamalar, ters kodlama, skor hesaplama, demografik kodlama ve değişken merkezleme uygulandıktan sonra nihai analiz hazır veri seti oluşturun.
2. Eksik veri ve yanıt kalitesi taraması uygulan
   1. Gönderilen veri setinde madde düzeyinde eksikliği doğrulayın. Anket yönetimi sırasında zorla yanıtlar kullanıldığı için madde seviyesinde eksik değerleri 0 kaydet.
   2. Eksik verileri atletmeyin. Eksik ölçek verisi için 0 hariç tutulan vaka ve 0 hesap ölçek değeri kaydedildi.
   3. Adım 1.3'te tanımlanan dışlama kriterleri kullanılarak 800 geri dönen ankete yanıt kalitesi taraması uygulanın.
   4. 24 geçersiz yanıtı hariç tutun ve 776 geçerli vakayı analiz için saklayın.
      NOT: Düzeltilmiş örneklem akışını protokol boyunca tutarlı şekilde kullanın ve tüm temsilci çıktılar: 860 davet edilen öğrenci, 800 geri dönen anket, 24 hariç yanıt ve 776 tutulan vaka.
3. Kodlama, yeniden kodlama ve çıkarımsal analiz için hazırlığı doğrulayın
   1. Puan hesaplamadan önce SSB Maddeleri 3, 6, 9, 12 ve 16 için ters kodlamayı doğrulayın.
   2. Cinsiyeti 0 = erkek ve 1 = kadın olarak kodlayın.
   3. Kod yaşı şu şekildedir: 1 = 19 yıl, 2 = 20 yıl, 3 = 21 yıl, 4 = 22 yıl, 5 = 23 yıl, 6 = 24 yıl ve 7 = 25 yıl.
   4. Analiz hazırlığı için puanlanmış değişkenleri PR_mean, HOT_mean, SSB_mean ve IGD_mean kullanın.
   5. Etkileşim analizleri için PR_c, SSB_c ve IGD_c merkezli değişkenleri kullanın.
      NOT: Çıkarıcı analizden önce tamamen dışlama prosedürleri, ters kodlama, demografik kodlama, skor hesaplama ve değişken merkezleme.

5. Önceden belirlenmiş bir iş akışı kullanarak istatistiksel analizleri yapmak

1. Analiz ortamını kaydet ve kilitle
   1. Regresyon, kendi arabuluculuğu, moderatörlü arabuluculuk ve etkileşim soruşturmasını destekleyen istatistiksel bir ortam kullanın.
   2. Arabuluculuk ve moderatörlük modellerini tahmin edebilen belgelenmiş koşullu süreç analizi makro, paket veya sözdizimi tabanlı bir prosedür kullanın.
   3. Arabuluculuk için Model 4, moderatörlü arabuluculuk için ise Model 59 kullanın. Regresyon tabanlı modellerde arabuluculuk, moderasyon ve moderasyonlu arabuluculuğu tahmin etmek için koşullu süreç analizi^{uygulanır 27}.
   4. Bootstrap tahminini %95 güven aralıklarıyla 5.000 önyargılı yeniden örnekleme olarak ayarlayın. Dolaylı etki tahmini için bootstrap güven aralıkları kullanın çünkü dolaylı etkilerin örnekleme dağılımı genellikle normal^{olmayan 28'dir}.
   5. Etkileşim terimleri oluşturulmadan önce orta-merkezli odak sürekli değişkenler: PR_c = PR_mean − ortalama(PR_mean), SSB_c = SSB_mean − ortalama(SSB_mean) ve IGD_c = IGD_mean − orta(IGD_mean).
   6. SSB → PR ve PR → HOT yollar için moderlenmiş PR PR_c × IGD_c kullanın. Moderatörlü SSB → HOT yolu için SSB_c × IGD_c kullanın.
   7. Düşük, ortalama ve yüksek IGD'yi ortalama − 1 SD, ortalama ve ortalama + 1 SD olarak tanımlayın.
   8. Yaş ve cinsiyet kovaryant olarak kilitli kodlama şeması kullanılarak girin.
   9. Tüm analizlerde aynı katsayı, güven aralığı kuralı, merkezleme kuralı, kovaryat kodlama ve model numaralandırması kullanın.
      NOT: Moderatörlerde arabuluculuk analizi için Model 1 değil, Model 59 kullanın.
2. Yaygın yöntem yanlılığı için tarama
   1. PR, HOT, SSB ve IGD'den 75 puanlı ölçek öğesini ortak yöntem önyargısı taraması için kullanın.
   2. Harman'ın tek faktörlü testini döndürülmemiş keşif faktör analiziyle gerçekleştirin.
   3. 1'den büyük özdeğerli faktörlerin sayısını, açıklanan kümülatif varyansı ve ilk döndürülmemiş faktörle açıklanan varyansı kaydedin.
   4. Temsilci veri setinde, 1'den büyük özdeğerlere sahip dokuz faktör kaydedilmiştir; kümülatif varyans %65,322 ve birinci faktör varyansı açıklanmıştır. %32,412.
   5. Harman'ın tek faktörlü testini, yaygın yöntem yanlılığını ortadan kaldırmak için kesin bir test olarak değil, ön bir tarama prosedürü olarak değerlendirin. Harman testini dikkatli yorumlayın çünkü tek başına aynı kaynaklı ölçüm^{yanlılığını (29}) ekarte etmek için yeterli değildir.
   6. Aşırı paylaşılan varyans için ek kontroller olarak inter-construct korelasyon matrisi ve kollinearite tanısını inceleyin.
   7. Ortak yöntem önyargılı taramayı kesitsel öz-raporlama tasarımı ışığında yorumlayın.
      NOT: Ortak yöntem yanlılığı taramasını dikkatli yorumlayın çünkü tüm temel değişkenler aynı anda kendi kendine bildirilir ve ölçülür.
3. Betimleyici istatistikler ve korelasyonlar oluşturun
   1. PR, HOT, SSB ve IGD için ortalamalar ve standart sapmalar nihai analiz hazır veri seti kullanılarak hesaplanın.
   2. Kilitli kodlama kurallarını kullanarak cinsiyet ve yaş koduna göre tanımlayıcı istatistikler oluşturun.
   3. PR, HOT, SSB ve IGD arasında Pearson korelasyonlarını hesaplayın.
   4. Örnek özelliklerini ve tanımlayıcı istatistikleri nihai analiz örneği kullanarak özetleyin.
   5. Dört çekirdek değişken için Pearson korelasyon matrisini özetleyin.
   6. Betimleyici istatistikler ve korelasyonların nihai analiz örneğin n = 776 temelinde olduğunu doğrulayın.
   7. Protokol ve Ek Tablo 2'de kullanılan aynı cinsiyet ve yaş kodlamasını uygulayın.
      NOT: Tüm betimleyici ve korelasyon çıktıları için aynı nihai veri seti, puan yönleri ve demografik kodlama kurallarını kullanın.
4. Arabuluculuk modelini çalıştırın
   1. Koşullu süreç prosedüründe Model 4'ü belirtin.
   2. PR'yi bağımsız değişken, SSB'yi aracı olarak ve HOT'u bağımlı değişken olarak ayarlayın.
   3. Yaş ve cinsiyet kovaryatlar olarak girin.
   4. %95 güven aralıklarıyla 5.000 önyargılı önyükleme yeniden örnekleme kullanın.
   5. Modeli, n = 776 nihai analiz için hazır veri seti kullanarak çalıştırın.
   6. SSB ve HOT denklemleri için katsayı, standart hata, t değeri, p değeri, güven aralığı ve model özetini çıkarın.
   7. Toplam etki, doğrudan etki, dolaylı etki, bootstrap standart hatası ve bootstrap güven aralığı çıkarın.
   8. Arabuluculuk sonucunu, kesitsel bir ilişki modeli içinde istatistiksel arabuluculuk olarak yorumlayın. Kesitsel arabuluculuğu, zamansal sıralama veya nedensel aktarım kanıtı^{olarak yorumlamayın 30}.
      NOT: Standart olmayan katsayılar için B, β sadece standart katsayılar için kullanın.
5. Moderatörlü arabuluculuk modelini çalıştırın
   1. Koşullu süreç prosedüründe Model 59'u belirtin.
   2. PR'yi bağımsız değişken, SSB'yi aracı, HOT bağımlı değişken ve IGD'yi moderatör olarak ayarlayın.
   3. Yaş ve cinsiyet kovaryatlar olarak girin.
   4. Adım 5.1'de tanımlanan merkezlenmiş değişkenleri ve etkileşim terimlerini kullanın.
   5. %95 güven aralıklarıyla 5.000 önyargılı önyükleme yeniden örnekleme kullanın.
   6. Modeli, n = 776 nihai analiz için hazır veri seti kullanarak çalıştırın.
   7. SSB'yi tahmin eden PR × IGD için etkileşim katsayısını çıkarın.
   8. PR × IGD için etkileşim katsayısını çıkarın, HOT tahmin edilir.
   9. SSB × IGD için etkileşim katsayısını çıkararak HOT tahmin edilir.
   10. Düşük, ortalama ve yüksek IGD seviyelerinde koşullu etkileri çıkarın; bunlar ortalama − 1 SD, ortalama ve ortalama + 1 SD olarak tanımlanır.
   11. PR'ın SSB üzerinden HOT üzerindeki koşullu döllü etkilerini düşük, ortalama ve yüksek IGD seviyelerinde çıkarın.
   12. Moderatör arabuluculuğun indeksini ve bootstrap güven aralığını çıkarın.
   13. Koşullu etkiler için kullanılan aynı düşük, ortalama ve yüksek IGD değerleriyle basit eğimli grafikler oluşturun.
       NOT: Moderatörlerde arabuluculuk analizi için Model 1 değil, Model 59 kullanın.
6. Tutarlı çıkarımsal karar kuralları uygulan
   1. Analiz boyunca aynı kısaltma setini kullanın: PR, HOT, SSB ve IGD.
   2. Arabuluculuk için Model 4, moderatörlü arabuluculuk için ise Model 59 kullanın.
   3. Standartlaştırılmamış katsayıları B olarak, standartlaştırılmış katsayıları β olarak ancak standartlaştırılmış tahminler oluşturulduğunda bildirin.
   4. Bootstrap dolaylı etkiler, koşullu dolaylı etkiler ve moderlenmiş arabuluculuk indeksi için karar kuralı olarak %95 güven aralıklarını kullanın.
   5. Bir etkinin istatistiksel olarak desteklendiği düşünülür; ilgili %95 güven aralığı sıfırı içermiyorsa.
   6. Mevcut olduğunda kesin p değerlerini bildirin, ancak 0.001'in altındaki değerler p < 0.001 olarak bildirilir.
   7. Tüm istatistiksel çıktılara bir ondalık tabanlı biçimlendirme tutarlı şekilde uygulanın.
      NOT: Tüm analizlerde örneklem büyüklüğü, merkezleme kuralı, katsayı, model numarası ve güven aralığı kuralı tutarlı tutulur.

Sonuçlar

Örneklem özellikleri ve ön değişken desenleri
İş akışı, istatistiksel modellemeden önce tam bir örnek akışı kaydı başarıyla oluşturdu. Tablo 1'de gösterildiği gibi, önceden belirlenmiş veri toplama döneminde toplam 860 öğrenci davet edildi ve 800 anket geri gönderildi; böylece toplam yanıt oranı %93,0'dır. Yanıt kalitesi taramasından sonra, 24 geçersiz yanıt hariç tutuldu ve nihai analiz hazır veri setinde 776 geçerli vaka kaldı. Tutulan örneklemde 19...

Tartışma

Bu yöntem makalesi, üniversite öğrencilerinde PR, SSB, HOT ve IGD semptomları arasında ilişki temelli arabuluculuk ve moderlenmiş arabuluculuk kalıplarını incelemek için tekrarlanabilir bir anket-analiz iş akışı sunmaktadır. İş akışının birincil katkısı, nedensel değil, metodolojiktir çünkü protokol, kesitsel bir kendi rapor veri setinin önceden belirlenmiş şeffaf bir prosedür dizisi aracılığıyla nasıl toplanabileceğini, taranabileceğini, puanlanabileceğini, belgelenebileceğini ve analiz...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
Kurumlar; kodlar I-01'den I-32'ye	Çalışma ekibi	Yok	Rastgele seçimden önce kilitlenmiş ve kurum düzeyinde rastgeleleştirme için kullanılmıştır.
Kurumsal tarama günlüğü	Çalışma ekibi	Yok	Belgelenmiş kurumsal uygunluk kriterleri, kaynak belgeler, uygunluk kararları ve kurum kodları.
İnternet Oyun Bozukluğu Ölçeği	Lemmens, Valkenburg ve Gentile (2015), İnternet Oyun Bozukluğu Ölçeği, Psikolojik Değerlendirme, 27(2), 567–582. doi:10.1037/pas0000062	Yok	9 maddelik ölçek, DSM-5 kriterleriyle uyumlu ve klinik tanı yerine sürekli kendi kendine bildirilen IGD semptom ölçüsü olarak kullanılmıştır.
Arabuluculuk modeli çıktısı	Çalışma ekibi	Model 4 çıktısı	PR'i X, SSB'yi M ve HOT olarak Y olarak gösteren aracılık modeli için çıktı.
Moderatörlüğü aracılık modeli çıktısı	Çalışma ekibi	Model 59 çıkışı	IGD'nin PR & nadir işlemleri moderatörlüğü yaptığı moderatörlü arabuluculuk modeli için çıktı; SSB, PR & Rarr; HOT ve SSB → HOT PATHS.
Çevrimiçi anket platformu	Wenjuanxing / Anket Yıldızı	Yok	Elektronik bilgilendirilmiş onay, çevrimiçi anket yönetimi, zorunlu yanıt ayarları ve anket verilerinin ihracatı için kullanılan web tabanlı anket platformu.
Pilot kontrol kaydı	Çalışma ekibi	Yok	30 öğrencilik pilot kontrol kaydı, öğe netliği, anlama, tamamlama yükü ve platform işlevini değerlendirmek için kullanılır. Pilot katılımcılar nihai analiz örneklemine dahil edilmedi.
Psikolojik Dayanıklılık Skalası	Connor-Davidson çerçevesine dayalı Hu ve Gan revizyonu	Yok	Psikolojik dayanıklılığı ölçmek için kullanılan 25 maddelik ölçek. Yanıtlar 5 puanlık bir Likert ölçeğinde puanlandırıldı ve ortalama puanlar olarak hesaplandı.
Okul Üyeliğinin Psikolojik Algısı Ölçeği	Goodenow'a dayalı Çince revize edilmiş versiyon Okul-üyelik çerçevesi	Yok	Okul aidiyetini ölçmek için kullanılan 18 maddelik ölçek. 3, 6, 9, 12 ve 16. maddeler, ortalama puan hesaplamasından önce tersine puanlandı.
Rastgeleleştirme prosedürü	Çalışma ekibi	Rastgele tohum: 20241007	Tohum tabanlı rastgele sayı prosedürü ile kurum düzeyinde ve öğrenci düzeyinde rastgele seçim için kullanılır.
Ham anket veri seti	Çalışma ekibi	Raw_Survey_NEP_2024_800returned_locked.xlsx	Yanıt kalitesi hariç tutulmadan önce 800 geri gönderilen anket içeren ham dışa aktarılan veri seti.
Yanıt kalitesi tarama günlüğü	Çalışma ekibi	Yok	Belgelenmiş 24 hariç yanıt belgelendi; bunlar arasında tekrarlayan yanıtlar, uygunluk tutarsızlıkları, tamamlanma süresi hariç tutmalar, düz çizgi yanıtları ve tekrarlayan desen yanıtları yer aldı.
Yanıt kalitesi tarama kuralları	Çalışma ekibi	Yok	Dışlanma kriterleri arasında tekrarlı gönderme, uygunluk tutarsızlığı, tamamlanma süresi ve lt; 360 s, aynı seçenek &ge için seçilmiş; Likert öğelerinin %85'i ve &ge boyunca tekrar eden dönüşümlü desenler 15 ardışık Likert öğesi.
Ölçek güvenilirliği çıktısı	Çalışma ekibi	Yok	Cronbach raporu çıktıları PR, HOT, SSB ve IGD için s alfa değerleri.
Puanlama ve kodlama referans dosyası	Çalışma ekibi	Ek Tablo 2	Öğe sayımı, yanıt aralığı, ters kodlanmış öğeler, puan yönü, ortalama-puan hesaplama, demografik kodlama ve güvenilirlik değerlerini belgeler.
Oturum yönetim günlüğü	Çalışma ekibi	Yok	Kayıtlı yönetim tarihi, kurum kodu, sınıf bağlamı, danışman tanımlayıcısı, davet sayısı, iade sayısı, oturum süresi ve sapmalar.
İstatistiksel yazılım	IBM Corp.	IBM SPSS Statistics, sürüm 27.0	Betimleyici istatistikler, korelasyonlar, güvenilirlik analizi, keşif faktör analizi, regresyon, arabuluculuk ve moderatörlü arabuluculuk analizleri için kullanılır.
Öğrenci rastgele kaydı	Çalışma ekibi	Rastgele tohum: 20241007	Seçilen üç kurum içinde öğrenci düzeyinde katmanlı rastgele seçimi belgeledi.
Ek Tablo 1	Çalışma ekibi	Çeviri ve uyarlama kaydı	Belgeler öğe kaynağı, orijinal ifade, ileri çeviri, geri çeviri, nihai Çince ifadesi, uzman incelemesi, pilot geri bildirimi ve revizyon gerekçesi.
Ek Tablo 2	Çalışma ekibi	Puanlama ve kodlama kuralları	Belge puanlama kuralları, ters kodlama, demografik kodlama, değişken kısaltmaları ve güvenilirlik değerleri.
Çeviri ve uyarlama kaydı	Çalışma ekibi	Ek Tablo 1	Belgeler çeviri, uzlaştırma, geri çevirme, uzman incelemesi, pilot kontrolü ve nihai Çince ifadeleri ile aktarılır.
Windows işletim sistemi	Microsoft Şirketi.	Windows 11 Pro, 64-bit	İstitiksel analiz ve çıktı üretimi için kullanılan işletim sistemi.