强迫性网络色情使用的预测因素:机器学习分析

科学领域:

• 心理学 心理学 心理学
• 互联网研究 互联网研究
• 成研究 研究成研究

背景情况:

• 强迫性网络色情使用 (CCU) 越来越令人担忧,但对其预测因素的研究仍然有限.
• 以前的研究通常依赖于方便样本,限制了概括性.
• 针对性干预需要全面了解导致CCU的因素.

研究的目的:

• 在广泛的网络色情用户样本中评估强迫性网络色情消费的流行程度.
• 从多种变量中确定强迫性网络色情使用 (CCU) 最重要的预测因素.
• 提高对问题性色情使用的理解,以改善治疗和预防.

主要方法:

• 对1584名英语成年人进行了在线问卷调查,这些成年人在过去六个月内使用过网络色情片.
• 收集的数据包括社会人口统计,性,心理和心理社会变量.
• 使用统计分析,包括相关性,ANOVA和机器学习来确定CCU预测因素.

主要成果:

• 21.96%的参与者表现出强迫性网络色情使用 (CCU) 的症状.
• 认定CCU得分最强的预测因素是:对色情的渴望,使用色情来抑制负面情绪,使用频率,接受强奸神话和焦虑的依恋风格.
• 这五个因素成为强迫性网络色情使用的最重要因素.

结论:

• 这项研究在一个大而多样化的样本中确定了强迫性网络色情使用 (CCU) 的关键心理和行为预测因素.
• 调查结果更深入地了解了问题性色情使用的多面性质.
• 鉴定的预测因素可以为开发更有效的强迫性网络色情治疗和预防计划提供信息.