DOI: https://doi.org/10.3389/fpsyt.2025.1722523
PMID: https://pubmed.ncbi.nlm.nih.gov/41608474
تاريخ النشر: 2026-01-13
المؤلف: Raghad Alharbi وآخرون
الموضوع الرئيسي: أثر التكنولوجيا على المراهقين
نظرة عامة
تستكشف هذه الدراسة آثار استخدام الهواتف الذكية عالية المخاطر بين طلاب الجامعات، مع التركيز على ارتباطاتها بالنشاط البدني، جودة النوم، العزلة الاجتماعية، القلق، والأداء الأكاديمي. أجريت الدراسة مع 80 طالبًا جامعيًا من جامعة الطائف، المملكة العربية السعودية، ووجدت أن 67.5% من المشاركين تم تصنيفهم كمستخدمي هواتف ذكية عالية المخاطر. أظهر هؤلاء الأفراد مستويات أعلى بكثير من العزلة الاجتماعية (p=0.016)، وانخفاض النشاط البدني (عدد خطوات أقل، p=0.01)، وجودة نوم أسوأ (كفاءة نوم منخفضة، p<0.001؛ زيادة وقت الاستيقاظ بعد بدء النوم، p<0.001). كما تم تحديد علاقة إيجابية قوية بين إدمان الهواتف الذكية ومستويات القلق (r=0.40، p<0.001). تسلط النتائج الضوء على أن استخدام الهواتف الذكية عالية المخاطر مرتبط بنتائج سلبية على الصحة العقلية والبدنية، وخاصة زيادة العزلة الاجتماعية وضعف جودة النوم. تم تحديد القلق كمتنبئ مهم لإدمان الهواتف الذكية، مما يشير إلى أن عدم تنظيم المشاعر قد يدفع أنماط الاستخدام غير التكيفية. على الرغم من أن المستخدمين عاليي المخاطر أظهروا نشاطًا بدنيًا أقل وسلوكًا أكثر خمولًا، لم يتم تأسيس علاقة مباشرة مع درجات الإدمان، مما يشير إلى أن العلاقة بين الإفراط في استخدام الهواتف الذكية والنشاط البدني قد تكون معقدة. بشكل عام، تؤكد الدراسة على الحاجة إلى الوعي بشأن الآثار الضارة للاستخدام المفرط للهواتف الذكية على الرفاهية بين الشباب.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور المهم الذي تلعبه الهواتف الذكية في حياة الشباب، وخاصة طلاب الجامعات، في المملكة العربية السعودية، حيث ارتفع عدد المالكين من 14.31 مليون مستخدم في عام 2013 إلى 36.55 مليون متوقع بحلول عام 2028. مع توقع وصول معدلات الاختراق إلى 95% بحلول عام 2028، فإن الفئة العمرية للشباب الذين تتراوح أعمارهم بين 15-34 عامًا، والتي تشكل 36.7% من السكان، معرضة بشكل خاص للاستخدام المفرط للهواتف الذكية. بينما تقدم الهواتف الذكية فوائد تعليمية واجتماعية، فإن الإفراط في استخدامها مرتبط بشكل متزايد بنتائج سلبية بدنية ونفسية، بما في ذلك أعراض الإدمان السلوكي مثل الاستخدام القهري والخلل الوظيفي.
تشدد الورقة على الآثار السلبية للاستخدام المفرط للهواتف الذكية، والتي تشمل الخمول البدني، السمنة، اضطرابات النوم، وآلام العضلات والعظام، بالإضافة إلى مشكلات نفسية مثل القلق والاكتئاب والأداء الأكاديمي الضعيف. من الجدير بالذكر أن الدراسات السابقة قد أشارت إلى وجود علاقة بين الاستخدام العالي للهواتف الذكية وجودة النوم السيئة بين طلاب الجامعات. ومع ذلك، تعتمد العديد من الدراسات الحالية على البيانات المبلغ عنها ذاتيًا، مما يحد من دقة النتائج المتعلقة بالنشاط البدني والنوم. لمعالجة هذه القيود، تستخدم الدراسة الحالية قياسات موضوعية باستخدام أجهزة تسارع ActiGraph وتضم عينة متنوعة من الطلاب من مختلف التخصصات الأكاديمية، بهدف تقديم تحليل شامل للعلاقات بين إدمان الهواتف الذكية والعوامل السلوكية والنفسية الاجتماعية الحرجة.
الطرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي كواشف، معدات، وعينات بيولوجية، مما يضمن إمكانية تكرار التجارب. تشمل المنهجية العمليات خطوة بخطوة لجمع البيانات وتحليلها، مع تسليط الضوء على أي تقنيات إحصائية تم تطبيقها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الظروف التجريبية، مثل درجة الحرارة، المدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. من خلال تقديم نظرة شاملة على الطرق، يؤسس هذا القسم الأساس للنتائج المقدمة في الأقسام اللاحقة، مما يسمح بالتقييم النقدي لصلاحية الدراسة وموثوقيتها.
النتائج
كشفت نتائج الدراسة، استنادًا إلى مقياس إدمان الهواتف الذكية – النسخة القصيرة (SAS-SV)، أن 67.5% من المشاركين تم تصنيفهم كمستخدمين عاليي المخاطر للإدمان على الهواتف الذكية، بينما كان 32.5% منخفضي المخاطر. كان متوسط عمر المشاركين 20.46 عامًا، مع كون الغالبية يفضلون اليد اليمنى ومركزين في تخصصات أكاديمية مثل التمريض وعلوم المختبرات. من الجدير بالذكر أن المستخدمين عاليي المخاطر أظهروا درجات أعلى بكثير من العزلة الاجتماعية (p = 0.016) مقارنة بالمستخدمين منخفضي المخاطر، على الرغم من عدم وجود اختلافات كبيرة في درجات القلق بين المجموعتين.
أشارت نتائج النشاط البدني إلى أن المستخدمين منخفضي المخاطر كان لديهم عدد خطوات إجمالي أعلى بكثير (34,233.85 مقابل 27,924.74؛ p = 0.01) ووقت أكبر يقضونه في النشاط الخفيف (1,893.58 مقابل 1,490.89 دقيقة؛ p < 0.001). على العكس، كان لدى المستخدمين عاليي المخاطر وقت خمول إجمالي أطول (3,506.52 مقابل 3,201.62 دقيقة؛ p = 0.008). كما كانت معايير النوم تفضل المستخدمين منخفضي المخاطر، الذين أظهروا كفاءة نوم أعلى (91.35% مقابل 80.95%; p < 0.001) ووقت استيقاظ أقصر بعد بدء النوم. كشفت تحليلات الارتباط عن ارتباطات إيجابية بين درجات إدمان الهواتف الذكية وقياسات القلق في كلا المجموعتين، مع تحديد متنبئين مهمين في المستخدمين عاليي المخاطر، حيث شرح درجة القلق 20% من التباين في درجات إدمان الهواتف الذكية (R² = 0.20، p = 0.01).
المناقشة
تسلط قسم المناقشة في هذه الدراسة المقطعية التي أجريت في جامعة الطائف الضوء على انتشار وآثار استخدام الهواتف الذكية عالية المخاطر بين طلاب الجامعات. تم تصنيف 67.5% من المشاركين كمستخدمين عاليي المخاطر، وهو رقم يتجاوز المتوسطات العالمية ويثير القلق بشأن الآثار السلبية المحتملة على الصحة العقلية والأداء الأكاديمي. من الجدير بالذكر أن العوامل الديموغرافية مثل العمر، الجنس، والأداء الأكاديمي لم تختلف بشكل كبير بين المستخدمين منخفضي المخاطر وعاليي المخاطر، مما يشير إلى أن إدمان الهواتف الذكية قد يكون مستقلًا عن هذه المتغيرات. ومع ذلك، أظهر المستخدمون عاليي المخاطر مستويات أعلى من العزلة الاجتماعية والقلق، مما يعزز الفكرة القائلة بأن الاستخدام المفرط للهواتف الذكية يمكن أن يؤدي إلى مشاعر الانفصال والضيق العاطفي.
كما كشفت الدراسة أن مستخدمي الهواتف الذكية عاليي المخاطر شاركوا في نشاط بدني أقل بكثير وأظهروا جودة نوم أسوأ مقارنة بنظرائهم منخفضي المخاطر. أشارت القياسات الموضوعية إلى أن المستخدمين عاليي المخاطر كان لديهم كفاءة نوم أقل وأوقات استيقاظ أطول بعد بدء النوم، مما يتماشى مع الأدبيات الحالية التي تربط استخدام الهواتف الذكية بأنماط نوم مضطربة. من المثير للاهتمام، بينما تم تحديد القلق كمتنبئ مهم لإدمان الهواتف الذكية، لم يتم العثور على علاقة مباشرة بين استخدام الهواتف الذكية ومستويات النشاط البدني، مما يشير إلى أن العلاقة قد تكون أكثر تعقيدًا مما كان يُعتقد سابقًا. بشكل عام، تؤكد النتائج على الحاجة إلى تدخلات تهدف إلى تقليل الاستخدام المفرط للهواتف الذكية لتعزيز الصحة العقلية الأفضل، النشاط البدني، وجودة النوم بين طلاب الجامعات.
القيود
تقدم الدراسة عدة قيود يجب أخذها في الاعتبار عند تفسير نتائجها. أولاً، يحد التصميم المقطعي من القدرة على استنتاج العلاقات السببية بين المتغيرات المدروسة. بالإضافة إلى ذلك، قد تؤثر حجم العينة الصغيرة نسبيًا على القوة الإحصائية وموثوقية النتائج. يثير الاعتماد على البيانات المبلغ عنها ذاتيًا للعديد من المتغيرات المستقلة مخاوف بشأن احتمال وجود تحيز في الاسترجاع، بينما يحد استخدام العينة المريحة من تمثيل العينة، مما يؤثر على إمكانية تعميم النتائج على السكان الأوسع.
علاوة على ذلك، قد لا توفر قياسات النشاط البدني وجودة النوم على مدى أربعة أيام رؤية شاملة، مما يشير إلى أن مدة المراقبة الأطول قد تعزز موثوقية البيانات. يحد تطبيق مقياس ULS-7، الذي تم التحقق من صحته فقط في السكان الإناث، من قابلية تطبيق النتائج عبر الجنسين. أخيرًا، قد تؤدي غياب الوثائق الموضوعية لاستخدام الهواتف الذكية اليومية وعدم تقييم ميزات تصفية الضوء الأزرق أثناء استخدام الهواتف الذكية إلى إخفاء تأثيرها المحتمل على جودة النوم من خلال آليات مثل زيادة التعرض للشاشة واضطراب إيقاع الساعة البيولوجية. يجب أن تهدف الأبحاث المستقبلية إلى دمج بيانات استخدام الهواتف الذكية الموضوعية وتقييم آثار ميزات تصفية الضوء الأزرق.
DOI: https://doi.org/10.3389/fpsyt.2025.1722523
PMID: https://pubmed.ncbi.nlm.nih.gov/41608474
Publication Date: 2026-01-13
Author(s): Raghad Alharbi et al.
Primary Topic: Impact of Technology on Adolescents
Overview
This study investigates the implications of high-risk smartphone use among college students, focusing on its associations with physical activity, sleep quality, social isolation, anxiety, and academic performance. Conducted with 80 undergraduate students from Taif University, Saudi Arabia, the research found that 67.5% of participants were classified as high-risk smartphone users. These individuals demonstrated significantly higher levels of social isolation (p=0.016), reduced physical activity (lower step counts, p=0.01), and poorer sleep quality (reduced sleep efficiency, p<0.001; increased wake time after sleep onset, p<0.001). A strong positive correlation was also identified between smartphone addiction and anxiety levels (r=0.40, p<0.001). The findings highlight that high-risk smartphone use is associated with negative mental and physical health outcomes, particularly increased social isolation and impaired sleep quality. Anxiety was identified as a significant predictor of smartphone addiction, suggesting that emotional dysregulation may drive maladaptive usage patterns. Although high-risk users exhibited less physical activity and more sedentary behavior, no direct correlation with addiction scores was established, indicating that the relationship between smartphone overuse and physical activity may be complex. Overall, the study underscores the need for awareness regarding the detrimental effects of excessive smartphone use on well-being among young adults.
Introduction
The introduction of this research paper highlights the significant role smartphones play in the lives of young adults, particularly university students, in Saudi Arabia, where ownership has surged from 14.31 million users in 2013 to an anticipated 36.55 million by 2028. With penetration rates projected to reach 95% by 2028, the demographic of youth aged 15-34, comprising 36.7% of the population, is particularly vulnerable to excessive smartphone use. While smartphones offer educational and social benefits, their overuse is increasingly linked to negative physical and psychological outcomes, including behavioral addiction symptoms such as compulsive usage and functional impairment.
The paper emphasizes the adverse effects of excessive smartphone use, which include physical inactivity, obesity, sleep disturbances, and musculoskeletal pain, as well as psychological issues like anxiety, depression, and academic underperformance. Notably, previous studies have indicated a correlation between high smartphone usage and poor sleep quality among university students. However, many existing studies rely on self-reported data, limiting the accuracy of findings regarding physical activity and sleep. To address these limitations, the current study employs objective measurements using ActiGraph accelerometers and includes a diverse sample of students from various academic disciplines, aiming to provide a comprehensive analysis of the relationships between smartphone addiction and critical behavioral and psychosocial factors.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the step-by-step processes for data collection and analysis, highlighting any statistical techniques applied to interpret the results.
Additionally, the section may describe the experimental conditions, such as temperature, duration, and any controls implemented to validate the findings. By providing a comprehensive overview of the methods, this section establishes the foundation for the results presented in subsequent sections, allowing for critical evaluation of the study’s validity and reliability.
Results
The results of the study, based on the Smartphone Addiction Scale-Short Version (SAS-SV), revealed that 67.5% of participants were classified as high-risk smartphone addiction users, while 32.5% were low-risk. The mean age of participants was 20.46 years, with a majority being right-hand dominant and concentrated in academic majors such as Nursing and Laboratory Sciences. Notably, high-risk users exhibited significantly higher social isolation scores (p = 0.016) compared to low-risk users, although no significant differences were found in anxiety scores between the groups.
Physical activity outcomes indicated that low-risk users had significantly higher mean total steps (34,233.85 vs. 27,924.74; p = 0.01) and greater time spent in light activity (1,893.58 vs. 1,490.89 minutes; p < 0.001). Conversely, high-risk users had longer total sedentary time (3,506.52 vs. 3,201.62 minutes; p = 0.008). Sleep parameters also favored low-risk users, who demonstrated higher sleep efficiency (91.35% vs. 80.95%; p < 0.001) and shorter wake time after sleep onset. Correlation analyses revealed positive associations between smartphone addiction scores and anxiety measures in both groups, with significant predictors identified in high-risk users, where anxiety score explained 20% of the variance in smartphone addiction scores (R² = 0.20, p = 0.01).
Discussion
The discussion section of this cross-sectional study conducted at Taif University highlights the prevalence and implications of high-risk smartphone use among college students. A significant 67.5% of participants were classified as high-risk users, a figure that surpasses global averages and raises concerns about the potential negative impacts on mental health and academic performance. Notably, demographic factors such as age, gender, and academic performance did not significantly differ between low-risk and high-risk users, suggesting that smartphone addiction may be independent of these variables. However, high-risk users exhibited higher levels of social isolation and anxiety, reinforcing the notion that excessive smartphone use can lead to feelings of disconnection and emotional distress.
The study further revealed that high-risk smartphone users engaged in significantly less physical activity and exhibited poorer sleep quality compared to their low-risk counterparts. Objective measures indicated that high-risk users had lower sleep efficiency and longer wake times after sleep onset, aligning with existing literature that links smartphone use to disrupted sleep patterns. Interestingly, while anxiety was identified as a significant predictor of smartphone addiction, no direct correlation was found between smartphone use and physical activity levels, suggesting that the relationship may be more complex than previously thought. Overall, the findings underscore the need for interventions aimed at mitigating excessive smartphone use to promote better mental health, physical activity, and sleep quality among university students.
Limitations
The study presents several limitations that should be considered when interpreting its findings. Firstly, the cross-sectional design restricts the ability to draw causal inferences among the variables studied. Additionally, the relatively small sample size may compromise the statistical power and robustness of the results. The reliance on self-reported data for many independent variables raises concerns about potential recall bias, while the use of convenience sampling limits the representativeness of the sample, thereby affecting the generalizability of the findings to wider populations.
Moreover, the measurement of physical activity and sleep quality over a four-day period may not provide a comprehensive view, suggesting that a longer monitoring duration could enhance data reliability. The application of the ULS-7 scale, which has only been validated in female populations, further restricts the applicability of the results across genders. Lastly, the absence of objective documentation of daily smartphone usage and the lack of evaluation regarding blue light filtering features during smartphone use may obscure their potential impact on sleep quality through mechanisms such as increased screen exposure and circadian rhythm disruption. Future research should aim to incorporate objective smartphone usage data and assess the effects of blue light filtering functionalities.