大学生网络成瘾特点及相关因素分析

目的分析在校大学生网络使用和网络成瘾情况及相关因素。方法采用中文网络成瘾量表(Chinese internet addiction scale,CIAS-R)和手机成瘾指数量表(mobile phone addiction index,MPAI)对在校大学生364人进行方便取样问卷调查,以CIAS-R总分≥65分为网络成瘾的判断指标;同时调查有关学习成绩、个性特点、人际关系、家庭结构、类型及父母的职业等情况。结果在校大学生网络成瘾的发生率为12.09%,男性13.04%,女性11.65%,性别差异无统计学意义(χ^2=0.144,P>0.05)。女性CIAS-R总分(54.10±9.94)明显高于男性(51.42±13.11),差异有统计学意义(t=2.152,P=0.032)。MPAI结果显示,总分及戒断性、失控性、低效性、逃避性因子分明显高于非成瘾者(P<0.01)。多因素Logistic回归分析显示,非民主的家庭类型(OR=1.491,95%CI=1.038~2.142)以及不良的学习成绩(OR=2.472,95%CI=1.467~4.168)是在校大学生网络成瘾的重要危险因素。结论在校大学生网络成瘾的发生率较高,网络成瘾与学习成绩可能互为因果,非民主类型的家庭是网络成瘾的高危因素。

大学生网络使用与网络成瘾对睡眠质量的影响

目的研究在校大学生网络使用与网络成瘾对睡眠质量的影响。方法采用中文网络成瘾量表(CIAS-R)、手机成瘾指数量表(MPAI)和匹兹堡睡眠质量指数(PSQI)对364名在校大学生进行问卷调查,同时调查有关学习成绩、个性特点、人际关系、家庭结构、家庭类型及父母的职业等情况。结果在校大学生网络成瘾的发生率为12.19%,网络成瘾者低睡眠质量的发生率为36.36%,高于无网络成瘾者的8.75%(P<0.05)。网络成瘾者上床时间较无网络成瘾者者晚31.8 min(P<0.05),实际睡眠时间少25.2 min(P<0.05)。网络成瘾者的PSQI总分及睡眠质量、睡眠时间、睡眠障碍、睡眠药物、日间功能障碍因子分均高于无网络成瘾者(P<0.01)。低睡眠质量者MPAI总分及戒断性、失控性、低效性因子分均高于睡眠正常者(P<0.01);PSQI总分与CIAS-R总分呈正相关(P<0.01);多因素Logistic回归分析显示网络成瘾以及人际关系是在校大学生低睡眠质量的重要危险因素(P<0.05)。结论在校大学生网络成瘾的发生率较高,网络成瘾者低睡眠质量问题明显,网络成瘾是低睡眠质量的高危因素。

基于PSO-SVM的大学生手机依赖分析系统

针对手机依赖给大学生造成的生理、心理及社会功能损害问题,将支持向量机(SVM)和粒子群(PSO)优化算法结合,利用PSO优化SVM的核函数参数γ和惩罚因子C,设计了一种大学生手机依赖分析系统。系统通过手机APP发布和回收手机成瘾指数量表问卷,用得到基础数据训练PSOSVM进而得到手机依赖分类模型,模型可以实时地对采集的问卷进行分类判断,避免了问卷的发放、收集和数据录入分析等繁琐的工作。系统还可以对分类的结果进行统计分析,便于掌握学生的最新动态。实验结果表明,本系统的分类准确率高达97.561%,而且系统可以自动的进行手机依赖者的筛选和统计分析,系统的分析结果可信可靠。