DOI: https://doi.org/10.3389/fpsyg.2026.1767558
PMID: https://pubmed.ncbi.nlm.nih.gov/41835877
تاريخ النشر: 2026-02-26
المؤلف: Xin Liu وآخرون
الموضوع الرئيسي: أثر التكنولوجيا على المراهقين
نظرة عامة
في دراسة مقطعية شملت طلاب الجامعات الصينية، وجدت الأبحاث أن الدعم الاجتماعي المدرك مرتبط بتقليل القلق الاجتماعي. علاوة على ذلك، كان القلق الاجتماعي مرتبطًا بزيادة مستويات كل من استخدام الهواتف الذكية المproblematic الاجتماعي (SPSU) واستخدام الهواتف الذكية المproblematic غير الاجتماعي (NSPSU). ومن الجدير بالذكر أن الدراسة كشفت أن التأثيرات غير المباشرة للدعم الاجتماعي المدرك على كلا النوعين من استخدام الهواتف الذكية المproblematic من خلال القلق الاجتماعي كانت ذات دلالة إحصائية، مع ملاحظة ارتباط أقوى بين القلق الاجتماعي وNSPSU مقارنة بـ SPSU.
تسلط هذه النتائج الضوء على أهمية النظر في الأنواع الفرعية من استخدام الهواتف الذكية المproblematic وتقترح أن القلق الاجتماعي يلعب دورًا حاسمًا في هذا السياق. يدعو المؤلفون إلى إجراء دراسات طولية أو تجريبية مستقبلية تستخدم مؤشرات أكثر دقة لاستخدام الهواتف الذكية، مثل التمييز بين الاستخدام النشط والسلبي، لفهم العلاقات الزمنية والآليات الأساسية المعنية بشكل أفضل.
مقدمة
تسلط المقدمة الضوء على الدور الشامل للهواتف الذكية في الحياة اليومية، لا سيما بين طلاب الجامعات في الصين، حيث يشارك حوالي 1.1 مليار مستخدم للإنترنت عبر الهاتف المحمول بشكل أساسي من خلال الأجهزة المحمولة. ومن الجدير بالذكر أن أكثر من 80% من طلاب الجامعات يظهرون اعتمادًا على هواتفهم الذكية، حيث يستخدم 56% منهم الهواتف لأكثر من 8 ساعات يوميًا. يرتبط هذا الاستخدام المفرط باستخدام الهواتف الذكية المproblematic (PSU)، الذي يؤثر سلبًا على الانتباه والنوم والأداء الأكاديمي والصحة البدنية والعقلية بشكل عام.
نظرًا لهذه الاتجاهات المثيرة للقلق، يؤكد المؤلفون على أهمية فهم العمليات الأساسية لـ PSU بين طلاب الجامعات. يمكن أن تسفر الرؤى المستمدة من هذا البحث عن تداعيات نظرية وعملية كبيرة لتطوير استراتيجيات للتخفيف من استخدام الهواتف الذكية المproblematic ضمن هذه الفئة، مما يعزز في النهاية أنماط الاستخدام الأكثر صحة ويحسن الرفاهية.
طرق
تحدد قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. يتم وصف منهجيات محددة، بما في ذلك أي تدابير تحكم ومتغيرات، لضمان إمكانية إعادة إنتاج النتائج وصحتها.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الأدوات والتقنيات المستخدمة لجمع البيانات، مثل البرمجيات للتحليل الإحصائي أو المعدات للقياسات. يتم أيضًا مناقشة المنطق وراء الطرق المختارة، مع التأكيد على ملاءمتها لمعالجة أسئلة البحث المطروحة في الدراسة. بشكل عام، يخدم هذا القسم لتقديم نظرة شاملة حول كيفية إجراء البحث، مما يضمن الشفافية والدقة في العملية العلمية.
نتائج
تكشف نتائج الدراسة عن رؤى مهمة حول العلاقات بين الدعم الاجتماعي المدرك (PSS)، القلق الاجتماعي (SA)، واستخدام الهواتف الذكية المproblematic (PSU). تشير الإحصائيات الوصفية إلى أن المشاركين أبلغوا عن درجات PSS مرتفعة بشكل معتدل (M = 3.58، SD = 0.70)، مع كون دعم الأسرة هو الأعلى (M = 3.87) والدعم الرسمي هو الأدنى (M = 3.27). بالمقابل، كانت درجات SA منخفضة (M = 1.27، SD = 0.87). ومن الجدير بالذكر أن SA كان مرتبطًا إيجابيًا بكل من استخدام الهواتف الذكية المproblematic الاجتماعي (SPSU) واستخدام الهواتف الذكية المproblematic غير الاجتماعي (NSPSU)، مع معاملات ارتباط قدرها $r = 0.41$ و $r = 0.54$، على التوالي (كلاهما $p < 0.001$). أظهر PSS ارتباطات سلبية ضعيفة مع SA وNSPSU، مما يشير إلى أن الدعم الاجتماعي المدرك الأعلى مرتبط بمستويات أقل من استخدام الهواتف الذكية المproblematic غير الاجتماعي بشكل أساسي من خلال ارتباطه بالقلق الاجتماعي. دعمت تحليل العوامل التأكيدية (CFA) صحة بناء PSS، مع تحميلات عناصر قوية (0.73-0.93) عبر أربعة مقاييس فرعية. كشفت تحليل الوساطة أن PSS كان له تأثير غير مباشر سلبي كبير على NSPSU عبر SA ($ab = -0.21$، $p = 0.002$)، مما يدل على أن زيادة PSS تقلل من NSPSU بشكل أساسي من خلال انخفاض SA. بالنسبة لـ SPSU، لوحظ تأثير غير مباشر سلبي كبير مشابه ($ab = -0.18$، $p = 0.002$)، على الرغم من أن التأثير المباشر لـ PSS على SPSU لم يكن ذا دلالة. تشير هذه النتائج إلى أنه بينما يرتبط PSS بكلا النوعين من PSU من خلال SA، فإن الارتباطات المباشرة عمومًا ضعيفة، مما يبرز التفاعل المعقد بين هذه المتغيرات.
مناقشة
تستكشف قسم المناقشة من ورقة البحث العلاقة المعقدة بين الدعم الاجتماعي المدرك (PSS)، القلق الاجتماعي (SA)، واستخدام الهواتف الذكية المproblematic (PSU) بين طلاب الجامعات. يُعرف PSS بأنه الإحساس الذاتي للفرد بالدعم من شبكته الاجتماعية، والذي ثبت أنه مؤشر أقوى للرفاهية النفسية من المقاييس الموضوعية للدعم. تفترض فرضية التخفيف أن PSS يمكن أن يخفف من الآثار السلبية للتوتر على الصحة العقلية، بينما يقترح نموذج التأثير الرئيسي أن PSS الأعلى يرتبط بتحسين الرفاهية، وتقدير الذات، وتقليل القلق. تشير الأدلة التجريبية إلى أن المستويات الأعلى من PSS مرتبطة بمستويات أقل من SA، لا سيما في البيئات الجامعية حيث يواجه الطلاب ضغوطًا اجتماعية وأكاديمية فريدة.
تناقش الورقة أيضًا الطبيعة المزدوجة لـ PSU، مميزة بين استخدام الهواتف الذكية المproblematic الاجتماعي (SPSU) واستخدام الهواتف الذكية المproblematic غير الاجتماعي (NSPSU). تشير الأبحاث إلى أن الأفراد الذين يعانون من SA أعلى هم أكثر عرضة للانخراط في كلا النوعين من PSU، مستخدمين الهواتف الذكية كآلية للتكيف لتخفيف القلق. يوفر نموذج استخدام الإنترنت التعويضي (CIUM) ونموذج تفاعل الشخص-العاطفة-الإدراك-التنفيذ (I-PACE) أطرًا نظرية لفهم هذه السلوكيات، مقترحين أن الأفراد قد يلجؤون إلى استخدام الهواتف الذكية من أجل تنظيم العواطف. يقترح المؤلفون أن SA قد تعمل كوسيط في العلاقة بين PSS و PSU، مما يشير إلى أن PSS الأعلى قد يؤدي إلى انخفاض SA، مما قد يقلل بدوره من الاعتماد على الهواتف الذكية للتكيف. تهدف هذه الدراسة إلى اختبار هذه العلاقات تجريبيًا بين طلاب الجامعات الصينية، مما يساهم في فهم كيفية تأثير الدعم الاجتماعي على نتائج الصحة العقلية في سياق استخدام الهواتف الذكية.
القيود
تسلط قيود الدراسة الضوء على عدة مجالات حاسمة للتحسين والاتجاهات المستقبلية للبحث. أولاً، يحد الاعتماد على عينة مريحة ذاتية الاختيار من جامعة واحدة من إمكانية تعميم النتائج. يجب أن تهدف الأبحاث المستقبلية إلى تكرار النموذج عبر مواقع متعددة وسياقات أكاديمية متنوعة، ويفضل استخدام طرق تجنيد قائمة على الاحتمالية أو الطبقات. بالإضافة إلى ذلك، يحد التصميم المقطعي من الاستدلال السببي، مما يتطلب دراسات طولية متعددة الموجات ودراسات تدخل لتوضيح العلاقات الزمنية بين مقياس الضغط المدرك (PSS)، القلق الاجتماعي (SA)، واستخدام الهواتف الذكية المproblematic (PSU).
علاوة على ذلك، يثير اعتماد الدراسة على البيانات المبلغ عنها ذاتيًا مخاوف بشأن تباين الطريقة الشائعة والانحيازات المحتملة في التقارير، على الرغم من نتائج اختبار هارمان. لتعزيز صحة القياس، يجب أن تدمج الأبحاث المستقبلية التقارير الذاتية مع مؤشرات سلوكية، مثل سجلات وقت الشاشة، وأن تأخذ في الاعتبار الأساليب الطولية المكثفة مثل التقييم اللحظي البيئي (EMA). يتطلب التمييز بين PSU الاجتماعي وغير الاجتماعي أيضًا مزيدًا من الاستكشاف، حيث من المحتمل أن يشمل PSU غير الاجتماعي مجالات تطبيقات متنوعة. يجب أن تفصل الدراسات المستقبلية PSU غير الاجتماعي إلى فئات محددة وتفحص الفروق بين الأشكال النشطة والسلبيّة من PSU الاجتماعي. أخيرًا، أظهرت نماذج القياس المستخدمة ملاءمة هامشية فقط، مما يشير إلى الحاجة إلى تحليلات على مستوى العناصر وتقييم عدم تباين القياس عبر المجموعات الديموغرافية. سيساعد معالجة هذه القيود في تعزيز قوة النتائج وتسهيل فهم أعمق للآليات الكامنة وراء العلاقات بين PSS و SA و PSU.
DOI: https://doi.org/10.3389/fpsyg.2026.1767558
PMID: https://pubmed.ncbi.nlm.nih.gov/41835877
Publication Date: 2026-02-26
Author(s): Xin Liu et al.
Primary Topic: Impact of Technology on Adolescents
Overview
In a cross-sectional study involving Chinese university students, the research found that perceived social support is linked to reduced social anxiety. Furthermore, social anxiety was correlated with increased levels of both social problematic smartphone use (SPSU) and non-social problematic smartphone use (NSPSU). Notably, the study revealed that the indirect effects of perceived social support on both types of problematic smartphone use through social anxiety were statistically significant, with a stronger association observed between social anxiety and NSPSU compared to SPSU.
These findings highlight the importance of considering subtypes of problematic smartphone use and suggest that social anxiety plays a critical role in this context. The authors advocate for future longitudinal or experimental studies that utilize more nuanced indicators of smartphone use, such as distinguishing between active and passive usage, to better understand the temporal relationships and underlying mechanisms involved.
Introduction
The introduction highlights the pervasive role of smartphones in daily life, particularly among university students in China, where approximately 1.1 billion mobile internet users engage predominantly through mobile devices. Notably, over 80% of university students demonstrate dependency on their smartphones, with 56% using them for more than 8 hours daily. This excessive usage is linked to problematic smartphone use (PSU), which adversely affects attention, sleep, academic performance, and overall physical and mental health.
Given these concerning trends, the authors emphasize the importance of understanding the underlying processes of PSU among university students. Insights gained from this research could yield significant theoretical and practical implications for developing strategies to mitigate problematic smartphone use within this demographic, ultimately promoting healthier usage patterns and improving well-being.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, the design of the experiments, and the statistical techniques used for data analysis. Specific methodologies, including any control measures and variables, are described to ensure reproducibility and validity of the findings.
Additionally, the section may include information on the tools and technologies utilized for data collection, such as software for statistical analysis or equipment for measurements. The rationale behind the chosen methods is also discussed, emphasizing their appropriateness for addressing the research questions posed in the study. Overall, this section serves to provide a comprehensive overview of how the research was conducted, ensuring transparency and rigor in the scientific process.
Results
The results of the study reveal significant insights into the relationships between perceived social support (PSS), social anxiety (SA), and problematic smartphone use (PSU). Descriptive statistics indicate that participants reported moderately high PSS scores (M = 3.58, SD = 0.70), with family support being the highest (M = 3.87) and formal support the lowest (M = 3.27). In contrast, SA scores were low (M = 1.27, SD = 0.87). Notably, SA was positively correlated with both social problematic smartphone use (SPSU) and non-social problematic smartphone use (NSPSU), with correlation coefficients of $r = 0.41$ and $r = 0.54$, respectively (both $p < 0.001$). PSS showed weak negative correlations with SA and NSPSU, suggesting that higher perceived social support is linked to lower levels of non-social problematic smartphone use primarily through its association with social anxiety. Confirmatory factor analysis (CFA) supported the validity of the PSS construct, with strong item loadings (0.73-0.93) across its four subscales. The mediation analysis revealed that PSS had a significant negative indirect effect on NSPSU via SA ($ab = -0.21$, $p = 0.002$), indicating that increased PSS reduces NSPSU primarily through lower SA. For SPSU, a similar significant negative indirect effect was observed ($ab = -0.18$, $p = 0.002$), although the direct effect of PSS on SPSU was non-significant. These findings suggest that while PSS is linked to both types of PSU through SA, the direct associations are generally weak, highlighting the complex interplay between these variables.
Discussion
The discussion section of the research paper explores the intricate relationship between perceived social support (PSS), social anxiety (SA), and problematic smartphone use (PSU) among university students. PSS is defined as an individual’s subjective sense of support from their social network, which has been shown to be a stronger predictor of psychological well-being than objective measures of support. The buffering hypothesis posits that PSS can mitigate the negative effects of stress on mental health, while the main-effect model suggests that higher PSS correlates with improved well-being, self-esteem, and reduced anxiety. Empirical evidence indicates that higher levels of PSS are associated with lower levels of SA, particularly in university settings where students face unique social and academic pressures.
The paper also discusses the dual nature of PSU, distinguishing between social problematic smartphone use (SPSU) and non-social problematic smartphone use (NSPSU). Research indicates that individuals with higher SA are more likely to engage in both types of PSU, using smartphones as a coping mechanism to alleviate anxiety. The Compensatory Internet Use Model (CIUM) and the Interaction of Person-Affect-Cognition-Execution (I-PACE) model provide theoretical frameworks for understanding these behaviors, suggesting that individuals may turn to smartphone use for emotional regulation. The authors propose that SA may serve as a mediator in the relationship between PSS and PSU, indicating that higher PSS could lead to lower SA, which in turn may reduce reliance on smartphones for coping. This study aims to empirically test these relationships among Chinese university students, contributing to the understanding of how social support influences mental health outcomes in the context of smartphone use.
Limitations
The limitations of the study highlight several critical areas for improvement and future research directions. Firstly, the reliance on a single-university, self-selected online convenience sample restricts the generalizability of the findings. Future research should aim to replicate the model across multiple sites and diverse academic contexts, ideally employing probability-based or stratified recruitment methods. Additionally, the cross-sectional design limits causal inference, necessitating multi-wave longitudinal and intervention studies to clarify the temporal relationships among perceived stress scale (PSS), social anxiety (SA), and problematic smartphone use (PSU).
Moreover, the study’s reliance on self-reported data raises concerns about common method variance and potential reporting biases, despite the results of Harman’s test. To enhance measurement validity, future research should integrate self-reports with behavioral indicators, such as screen-time logs, and consider intensive longitudinal approaches like ecological momentary assessment (EMA). The distinction between social and non-social PSU also requires further exploration, as non-social PSU likely encompasses diverse app domains. Future studies should disaggregate non-social PSU into specific categories and examine the differences between active and passive forms of social PSU. Lastly, the measurement models employed showed only marginal fit, indicating a need for item-level analyses and the evaluation of measurement invariance across demographic groups. Addressing these limitations will strengthen the robustness of findings and facilitate a deeper understanding of the mechanisms underlying the relationships among PSS, SA, and PSU.