DOI: https://doi.org/10.3389/fpsyt.2026.1746285
PMID: https://pubmed.ncbi.nlm.nih.gov/41726835
تاريخ النشر: 2026-02-06
المؤلف: Ying Lu وآخرون
الموضوع الرئيسي: استخدام التكنولوجيا من قبل كبار السن
نظرة عامة
تستقصي الدراسة إدراك المخاطر الرقمية (DRP) بين البالغين في منتصف العمر وكبار السن، مع تسليط الضوء على زيادة الثغرات الأمنية السيبرانية التي تواجه هذه الفئة السكانية بسبب انخفاض مستوى المعرفة الرقمية. باستخدام نموذج تفاعل الشخص-العاطفة-الإدراك-التنفيذ (I-PACE)، تحلل البحث بيانات من 356 مشاركًا تتراوح أعمارهم بين 45 عامًا وما فوق في تشونغتشينغ، مستخدمة نمذجة المعادلات الهيكلية (SEM) وتحليل SHAP القائم على الانحدار لاستكشاف العوامل النفسية والسلوكية التي تؤثر على DRP.
تشير النتائج الرئيسية إلى أن الاعتماد على الهاتف المحمول (MPD) يؤثر سلبًا على DRP (b = -0.253، p < 0.001). بالإضافة إلى ذلك، تساهم الوحدة والدعم الاجتماعي المنخفض المدرك في زيادة الخوف من فقدان الفرص (FoMO)، والذي يرتبط بزيادة MPD وبالتالي انخفاض DRP. تكشف التحليلات عن علاقة ثنائية الاتجاه بين MPD وFoMO، حيث تم تحديد الوحدة كأقوى مؤشر على DRP، تليها MPD وFoMO. تتماشى هذه النتائج مع إطار عمل I-PACE، مما يوفر رؤى حول الديناميات النفسية والاجتماعية التي تؤثر على الوعي الرقمي والسلامة في كبار السن.
مقدمة
تسلط المقدمة الضوء على شيخوخة سكان الصين بسرعة، مع توقع أن يتجاوز عدد البالغين الذين تتراوح أعمارهم بين 60 عامًا وما فوق 20% بحلول عام 2032. يمثل هذا التحول الديموغرافي، جنبًا إلى جنب مع الثورة الرقمية، تحديات وفرصًا، حيث يزداد انخراط البالغين في منتصف العمر وكبار السن مع التقنيات الرقمية. بحلول يونيو 2024، مثل الأفراد الذين تتراوح أعمارهم بين 40 عامًا وما فوق نصف جميع مستخدمي الإنترنت في الصين، وشاركوا بنشاط في الأنشطة عبر الإنترنت. ومع ذلك، فإن هذا الإدماج الرقمي يعرضهم أيضًا للثغرات، خاصة بسبب المهارات الرقمية المحدودة، مما يجعلهم عرضة للاحتيال عبر الإنترنت والمعلومات المضللة.
يتم تقديم مفهوم إدراك المخاطر الرقمية (DRP) كعامل حاسم في كيفية تقييم هؤلاء الأفراد والرد على التهديدات عبر الإنترنت. توضح المقدمة المسارات النفسية التي تؤدي إلى الاعتماد على الهاتف المحمول (MPD)، المدفوعة بالوحدة والخوف من فقدان الفرص (FoMO)، والتي يمكن أن تفاقم السلوكيات الرقمية القهرية. من ناحية أخرى، قد يعمل الدعم الاجتماعي المدرك (PSS) كعامل وقائي ضد هذه الحالات العاطفية السلبية. تحدد هذه الفقرة الفجوات البحثية الهامة، خاصة فيما يتعلق بـ DRP في كبار السن والحاجة إلى إطار نظري شامل لفهم التفاعل بين الاعتماد على الهاتف المحمول وإدراك المخاطر الرقمية. تهدف هذه الدراسة إلى سد هذه الفجوات من خلال استخدام نموذج I-PACE لاستكشاف العلاقات بين السمات الفردية والاحتياجات العاطفية والعوامل الإدراكية وتأثيرها على إدراك المخاطر الرقمية، مما يلبي في النهاية احتياجات السكان المعرضين للخطر رقميًا.
طرق البحث
توضح فقرة المنهجية تصميم البحث والتقنيات التحليلية المستخدمة في الدراسة. تتفصل معايير اختيار المشاركين، والإعداد التجريبي، وطرق جمع البيانات المستخدمة لضمان الموثوقية والصلاحية. استخدم الباحثون كل من الأساليب النوعية والكمية، مع دمج التحليلات الإحصائية لتفسير النتائج بفعالية.
بالإضافة إلى ذلك، تصف الفقرة النماذج الرياضية والمعادلات المحددة المطبقة في التحليل، مثل نماذج الانحدار أو اختبارات إحصائية أخرى ذات صلة. تم تصميم المنهجية لمعالجة أسئلة البحث بشكل شامل، مما يضمن أن تكون النتائج قوية ويمكن تعميمها على سياقات أوسع. بشكل عام، يعد الإطار المنهجي أمرًا حاسمًا لفهم الآثار المترتبة على نتائج الدراسة.
النتائج
استخدمت نتائج الدراسة نمذجة المعادلات الهيكلية (SEM) وتحليل الانحدار المتعدد لتأكيد العلاقات المفترضة بين المتغيرات التي تؤثر على إدراك المخاطر الرقمية (DRP) بين البالغين في منتصف العمر وكبار السن في تشونغتشينغ، الصين. كان نموذج الانحدار ذا دلالة (F(5, 350) = 27.81، p < 0.001، $R^2 = 0.284$، $R^2 المعدل = 0.274$)، مما يكشف أن الوحدة (LON)، والتفكير الرتيب (RUM)، والخوف من فقدان الفرص (FoMO)، والاعتماد على الهاتف المحمول (MPD) كانت مؤشرات سلبية مهمة لـ DRP، مع معاملات $b = -0.149$، $b = -0.148$، $b = -0.155$، و$b = -0.242$، على التوالي. من ناحية أخرى، أظهر الدعم الاجتماعي المدرك (PSS) ارتباطًا إيجابيًا صغيرًا مع DRP ($b = 0.102$، p = 0.046)، مما يشير إلى أن الدعم الاجتماعي الأكبر يرتبط بزيادة الوعي بالمخاطر عبر الإنترنت. أظهر التحليل الإضافي باستخدام SHAP (SHapley Additive exPlanations) أن LON كان المؤشر الأكثر تأثيرًا على DRP، تليه MPD وFoMO، بينما كانت مساهمات PSS وRUM أقل. كشف تحليل SHAP أن LON وFoMO وMPD كانت مرتبطة بانخفاض إدراك المخاطر (قيم SHAP السلبية)، بينما أظهر PSS تأثيرًا وقائيًا (قيم SHAP الإيجابية). تؤكد هذه النتائج على أهمية العوامل النفسية والسلوكية في تشكيل DRP وتبرز الفروق الديموغرافية الكبيرة، مثل أن سكان المدن يظهرون إدراكًا أعلى للمخاطر مقارنة بنظرائهم في المناطق الريفية. تؤكد الدراسة على الحاجة إلى معالجة هذه العوامل وتحسين المعرفة الرقمية لتعزيز الوعي بالسلامة عبر الإنترنت في هذه الفئة السكانية.
المناقشة
يقدم إطار عمل I-PACE النظري، الذي طوره براند وآخرون، نموذجًا شاملاً لفهم اضطرابات استخدام الإنترنت والإدمانات السلوكية من خلال تفاعل أربعة مكونات أساسية: الخصائص الشخصية (P)، الاستجابات العاطفية (A)، العمليات الإدراكية (C)، والوظائف التنفيذية (E). يقترح النموذج أن السمات الشخصية المستقرة، مثل الشخصية والاضطرابات النفسية، تؤثر على الاستجابات العاطفية والإدراكية للإشارات، مما يؤثر بدوره على السيطرة التنفيذية. يمكن أن يؤدي الانخراط المتكرر في سلوكيات غير تكيفية إلى إضعاف الوظائف التنفيذية بينما يعزز من تفاعل الإشارات، مما يخلق دورة تعزز الذات تستمر في هذه السلوكيات. تم تطبيق هذا الإطار بفعالية على أشكال مختلفة من إدمان الإنترنت، بما في ذلك الألعاب واستخدام وسائل التواصل الاجتماعي.
في هذه الدراسة، تم بناء نموذج مسار مفاهيمي استنادًا إلى إطار عمل I-PACE لاستكشاف العلاقات بين سمات الشخصية، والاستجابات العاطفية، والأنماط الإدراكية فيما يتعلق بالاعتماد على الهاتف المحمول (MPD) وإدراك المخاطر الرقمية (DRP) بين البالغين في منتصف العمر وكبار السن. تشير النتائج الرئيسية إلى أن الوحدة (LON) والدعم الاجتماعي المدرك (PSS) تؤثر بشكل كبير على الاستجابات العاطفية، حيث تؤدي LON إلى تفاقم مشاعر الخوف من فقدان الفرص (FoMO) ويمثل PSS عاملًا وقائيًا. بالإضافة إلى ذلك، ارتبط التفكير الرتيب بضعف التثبيط التنفيذي، مما أدى إلى سلوكيات اندفاعية عبر الإنترنت وانخفاض إدراك المخاطر. تؤكد نتائج الدراسة على أهمية معالجة الخصائص النفسية الفردية في فهم إدراك المخاطر الرقمية وتبرز الحاجة إلى مزيد من التحقق النفسي لمقياس إدراك المخاطر الرقمية لتعزيز قابليته للتطبيق عبر مجموعات سكانية متنوعة.
القيود
تنشأ قيود هذه الدراسة بشكل أساسي من تصميمها العرضي، مما يحد من القدرة على استنتاج العلاقات السببية من الارتباطات الملاحظة، على الرغم من توافقها مع إطار عمل I-PACE. وبالتالي، يتم تفسير النتائج المبلغ عنها من خلال نمذجة المعادلات الهيكلية (SEM) كمسارات إحصائية اتجاهية بدلاً من علاقات سببية نهائية. بالإضافة إلى ذلك، فإن العينة، التي تتكون من البالغين الصينيين الذين تتراوح أعمارهم بين 45 عامًا وما فوق من تشونغتشينغ، تمثل عينة ملائمة إقليمية مع توزيع غير متساوٍ بين الفئات العمرية، خاصة نقص التمثيل في الفئة العمرية الأكبر. قد تعيق هذه القيود تعميم النتائج على مجموعات سكانية أوسع.
علاوة على ذلك، فإن الاعتماد على مقاييس التقرير الذاتي يقدم إمكانية وجود تحيز في طريقة الجمع، على الرغم من أن اختبار عامل هارمان الفردي أشار إلى أن لا عامل واحد يمثل الغالبية العظمى من التباين (33.6%). ومع ذلك، قد يستمر التحيز المتبقي، مما يشير إلى أن الأبحاث المستقبلية يجب أن تدمج التقارير الذاتية مع بيانات سلوكية أو تجريبية للتخفيف من هذه المشكلة. قد تتأثر تقديرات معلمات الدراسة أيضًا بالنسبة العالية نسبيًا للمعلمات المقدرة إلى حجم العينة (N = 356)، مما قد يهدد دقة التقديرات. أخيرًا، بينما أظهر مقياس DRP المطور ذاتيًا اتساقًا داخليًا عاليًا (α > 0.95)، قد يشير ذلك إلى ضيق المفهوم وتجانس العينة. يجب أن تهدف الدراسات المستقبلية إلى تحسين والتحقق من صحة هذا المقياس عبر مجموعات سكانية أكثر تنوعًا لتحسين دقته وقابليته للتعميم.
DOI: https://doi.org/10.3389/fpsyt.2026.1746285
PMID: https://pubmed.ncbi.nlm.nih.gov/41726835
Publication Date: 2026-02-06
Author(s): Ying Lu et al.
Primary Topic: Technology Use by Older Adults
Overview
The study investigates the digital risk perception (DRP) among middle-aged and older adults, highlighting the increased cybersecurity vulnerabilities faced by this demographic due to lower digital literacy. Utilizing the Interaction of Person-Affect-Cognition-Execution (I-PACE) model, the research analyzes data from 356 participants aged 45 and above in Chongqing, employing structural equation modeling (SEM) and regression-based SHAP analysis to explore the psychological and behavioral factors influencing DRP.
Key findings indicate that mobile phone dependence (MPD) negatively impacts DRP (b = -0.253, p < 0.001). Additionally, loneliness and low perceived social support contribute to a heightened fear of missing out (FoMO), which correlates with increased MPD and subsequently lower DRP. The analysis reveals a bidirectional relationship between MPD and FoMO, with loneliness identified as the strongest predictor of DRP, followed by MPD and FoMO. These results align with the I-PACE framework, offering insights into the psychosocial dynamics affecting digital safety awareness and literacy in older adults.
Introduction
The introduction highlights the rapid aging of China’s population, with adults aged 60 and older projected to exceed 20% by 2032. This demographic shift, alongside the digital revolution, presents both challenges and opportunities, as middle-aged and older adults increasingly engage with digital technologies. By June 2024, individuals aged 40 and above represented half of all Chinese internet users, actively participating in online activities. However, this digital inclusion also exposes them to vulnerabilities, particularly due to limited digital skills, making them susceptible to online fraud and misinformation.
The concept of digital risk perception (DRP) is introduced as a critical factor in how these individuals assess and respond to online threats. The introduction outlines the psychological pathways leading to mobile phone dependence (MPD), driven by loneliness and fear of missing out (FoMO), which can exacerbate compulsive digital behaviors. Conversely, perceived social support (PSS) may serve as a protective factor against these negative emotional states. The section identifies significant research gaps, particularly regarding DRP in older adults and the need for a comprehensive theoretical framework to understand the interplay between mobile phone dependence and digital risk perception. This study aims to fill these gaps by employing the I-PACE model to explore the relationships among individual traits, emotional needs, cognitive factors, and their impact on digital risk perception, ultimately addressing the needs of a digitally vulnerable population.
Methods
The methodology section outlines the research design and analytical techniques employed in the study. It details the selection criteria for participants, the experimental setup, and the data collection methods utilized to ensure reliability and validity. The researchers employed both qualitative and quantitative approaches, integrating statistical analyses to interpret the results effectively.
Additionally, the section describes the specific mathematical models and equations applied in the analysis, such as regression models or other relevant statistical tests. The methodology is designed to address the research questions comprehensively, ensuring that the findings are robust and can be generalized to a broader context. Overall, the methodological framework is critical for understanding the implications of the study’s results.
Results
The results of the study employed Structural Equation Modeling (SEM) and multiple regression analysis to confirm the hypothesized relationships among variables affecting digital risk perception (DRP) among middle-aged and older adults in Chongqing, China. The regression model was significant (F(5, 350) = 27.81, p < 0.001, $R^2 = 0.284$, Adjusted $R^2 = 0.274$), revealing that loneliness (LON), rumination (RUM), fear of missing out (FoMO), and mobile phone dependence (MPD) were significant negative predictors of DRP, with coefficients of $b = -0.149$, $b = -0.148$, $b = -0.155$, and $b = -0.242$, respectively. Conversely, perceived social support (PSS) exhibited a small positive association with DRP ($b = 0.102$, p = 0.046), indicating that greater social support correlates with increased awareness of online risks. Further analysis using SHAP (SHapley Additive exPlanations) illustrated that LON was the most influential predictor of DRP, followed by MPD and FoMO, while PSS and RUM had lesser contributions. The SHAP analysis revealed that LON, FoMO, and MPD were associated with decreased risk perception (negative SHAP values), whereas PSS showed a protective effect (positive SHAP values). These findings underscore the importance of psychological and behavioral factors in shaping DRP and highlight significant demographic differences, such as urban residents exhibiting higher risk perception than their rural counterparts. The study emphasizes the need to address these factors and improve digital literacy to enhance online safety awareness in this demographic.
Discussion
The I-PACE theoretical framework, developed by Brand et al., offers a comprehensive model for understanding internet-use disorders and behavioral addictions through the interplay of four core components: personal characteristics (P), affective responses (A), cognitive processes (C), and executive functions (E). The model suggests that stable personal traits, such as personality and psychopathology, influence emotional and cognitive responses to cues, which in turn affect executive control. Repeated engagement in maladaptive behaviors can weaken executive functions while enhancing cue-reactivity, creating a self-reinforcing cycle that perpetuates these behaviors. This framework has been effectively applied to various forms of internet addiction, including gaming and social media use.
In this study, a conceptual path model based on the I-PACE framework was constructed to explore the relationships between personality traits, affective responses, and cognitive patterns in relation to mobile phone dependence (MPD) and digital risk perception (DRP) among middle-aged and older adults. Key findings indicate that loneliness (LON) and perceived social support (PSS) significantly influence emotional responses, with LON exacerbating feelings of fear of missing out (FoMO) and PSS serving as a protective factor. Additionally, ruminative thinking was linked to weaker executive inhibition, leading to impulsive online behaviors and diminished risk perception. The study’s results underscore the importance of addressing individual psychological characteristics in understanding digital risk perception and highlight the need for further psychometric validation of the Digital Risk Perception scale to enhance its applicability across diverse populations.
Limitations
The limitations of this study primarily stem from its cross-sectional design, which restricts the ability to draw causal inferences from the observed associations, despite their alignment with the I-PACE framework. The findings reported through structural equation modeling (SEM) are thus interpreted as directional statistical paths rather than definitive causal relationships. Additionally, the sample, consisting of Chinese adults aged 45 and older from Chongqing, presents a regional convenience sample with uneven age-group distributions, particularly underrepresentation in the oldest demographic. This limitation may hinder the generalizability of the results to wider populations.
Moreover, the reliance on self-reported measures introduces the potential for common-method bias, although a Harman’s single-factor test indicated that no single factor accounted for the majority of variance (33.6%). Nonetheless, residual bias may persist, suggesting that future research should integrate self-reports with behavioral or experimental data to mitigate this issue. The study’s parameter estimation may also be affected by the relatively high ratio of estimated parameters to sample size (N = 356), which could compromise the precision of the estimates. Lastly, while the self-developed DRP scale demonstrated high internal consistency (α > 0.95), this may indicate conceptual narrowness and sample homogeneity. Future studies should aim to refine and validate this scale across more diverse populations to improve its parsimony and generalizability.