DOI: https://doi.org/10.31083/ap46201
PMID: https://pubmed.ncbi.nlm.nih.gov/41788143
تاريخ النشر: 2026-02-26
المؤلف: Kihyuk Lee وآخرون
الموضوع الرئيسي: أثر التكنولوجيا على المراهقين
نظرة عامة
تستكشف هذه الدراسة العوامل المتنبئة بإدمان الهواتف الذكية بين المراهقين، مع التركيز على التفاعل بين النشاط البدني ومؤشرات الصحة النفسية. باستخدام بيانات من مسح سلوكيات الشباب في كوريا لعام 2020 و2023، طبق الباحثون مشغل الانكماش المطلق الأدنى والاختيار (LASSO) ونماذج تعلم الآلة المختلفة، بما في ذلك الانحدار اللوجستي، والغابات العشوائية، وزيادة التدرج المتطرف (XGBoost)، وآلة تعزيز التدرج الخفيف (LightGBM)، جنبًا إلى جنب مع تفسيرات شابلي الإضافية (SHAP) لتحليل أهمية المتغيرات. تم تصنيف 86,744 مراهقًا إلى مجموعات مستخدمي الهواتف الذكية العامة، ومستخدمي المخاطر المحتملة، ومستخدمي المخاطر العالية، حيث حدد LASSO العوامل الرئيسية مثل النشاط البدني المعتدل، والنشاط البدني القوي، والشعور بالوحدة، ووقت استخدام الهاتف الذكي، والقلق.
تكشف النتائج أن القلق ووقت استخدام الهاتف الذكي هما من أهم العوامل المتنبئة بإدمان الهواتف الذكية، حيث تم تسليط الضوء عليهما باستمرار عبر جميع النماذج. بينما كانت عوامل النشاط البدني مرتبطة أيضًا، كان تأثيرها أقل وضوحًا مقارنة بمؤشرات الصحة النفسية. أظهرت نماذج الغابات العشوائية والانحدار اللوجستي أفضل معدلات الاسترجاع، بينما حققت LightGBM أعلى دقة ومنطقة تحت منحنى التشغيل (AUROC). تؤكد الدراسة على الدور الحاسم للصحة النفسية، وخاصة القلق والشعور بالوحدة، في إدمان الهواتف الذكية، مع الإشارة أيضًا إلى أن تأثير النشاط البدني يختلف حسب النموذج. بشكل عام، تعزز الأبحاث فهم عوامل الخطر المرتبطة بإدمان الهواتف الذكية بين المراهقين من خلال إطار تحليلي شامل.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الاعتماد المتزايد على الهواتف الذكية، وخاصة بين المراهقين، والنتائج السلبية المرتبطة بذلك مثل انخفاض التركيز، واضطرابات النوم، وانخفاض النشاط البدني (PA)، وزيادة القلق والاكتئاب. تؤكد أن إدمان الهواتف الذكية يُنظر إليه بشكل متزايد كقضية صحة عامة بدلاً من كونه قضية سلوكية فردية. حددت الدراسات الحديثة المسارات النفسية الاجتماعية التي تربط بين الصحة النفسية وديناميات الأسرة وإدمان الهواتف الذكية، ومع ذلك، فإن القليل منها درس بشكل منهجي القيمة التنبؤية للنشاط البدني جنبًا إلى جنب مع عوامل الصحة النفسية.
لمعالجة هذه الفجوات، تستخدم الدراسة خوارزميات تعلم الآلة، وتحديدًا الانحدار باستخدام مشغل الانكماش المطلق الأدنى (LASSO)، لتحديد العوامل الرئيسية المتنبئة بإدمان الهواتف الذكية بين المراهقين الكوريين. من خلال دمج مجموعة أوسع من المتغيرات، بما في ذلك الصحة النفسية، والنوم، والنشاط البدني، تهدف الأبحاث إلى توضيح التفاعلات المعقدة التي تؤثر على إدمان الهواتف الذكية. تستخدم الدراسة أيضًا تفسيرات شابلي الإضافية (SHAP) من أجل التفسير، مما يسمح بفهم أوضح لمساهمات العوامل المختلفة. في النهاية، تسعى الأبحاث إلى تقديم أدلة تجريبية يمكن أن تُعلم استراتيجيات الوقاية والتدخل التي تستهدف إدمان الهواتف الذكية بين المراهقين.
الطرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، لضمان تكرار التجارب. تشمل المنهجية البروتوكولات لجمع البيانات، بما في ذلك أي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الظروف التجريبية، مثل درجة الحرارة، والمدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. من خلال تقديم نظرة شاملة على الطرق، يهدف هذا القسم إلى تسهيل فهم كيفية الحصول على النتائج وآثارها اللاحقة في سياق أهداف البحث.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يسلط الضوء على النتائج المهمة التي تدعم الفرضيات أو الأهداف المحددة في الدراسة. عادةً ما تكون النتائج مصحوبة ببيانات إحصائية ذات صلة، أو أشكال، أو جداول توضح العلاقات أو الاتجاهات الملحوظة في البيانات.
في هذا القسم، قد يبلغ المؤلفون عن مقاييس محددة، مثل القيم المتوسطة، والانحرافات المعيارية، أو قيم p، لدعم ادعاءاتهم. بالإضافة إلى ذلك، يتم مناقشة أي أنماط أو شذوذ ملحوظة في البيانات، مما يوفر رؤى حول آثار النتائج. بشكل عام، يخدم هذا القسم لنقل الأدلة التجريبية التي تدعم استنتاجات البحث، مع التأكيد على الصلة وتأثير النتائج ضمن السياق الأوسع للمجال.
المناقشة
في هذه الدراسة، تم إجراء تحليل ثانوي للبيانات من مسح سلوكيات الشباب في كوريا (KYRBS) للتحقيق في إدمان الهواتف الذكية بين المراهقين. استخدم التحليل بيانات من مسحي 2020 و2023، مع التركيز على 86,744 مشاركًا بعد استبعاد الحالات ذات القيم المفقودة. تم تصنيف إدمان الهواتف الذكية إلى ثلاث مجموعات بناءً على معايير وكالة المعلومات الوطنية: المستخدمون العامون، ومستخدمو المخاطر المحتملة، ومستخدمو المخاطر العالية. تم تحديد العوامل الرئيسية المتنبئة بإدمان الهواتف الذكية من خلال الانحدار باستخدام LASSO، مما يكشف أن وقت استخدام الهاتف الذكي والقلق (المقاس بواسطة مقياس اضطراب القلق العام-7) كانا مهمين باستمرار عبر نماذج تعلم الآلة المختلفة، بما في ذلك الانحدار اللوجستي، والغابات العشوائية، وXGBoost، وLightGBM.
سلطت النتائج الضوء على تدهور في مؤشرات الصحة والسلوك مع زيادة خطر إدمان الهواتف الذكية، مع اختلافات كبيرة في الصحة النفسية، والنشاط البدني، ورضا النوم بين المجموعات. من الجدير بالذكر أن المجموعة عالية المخاطر أظهرت مستويات أعلى من القلق، والشعور بالوحدة، وأداء أكاديمي أقل. تؤكد الدراسة على الطبيعة متعددة الأبعاد لإدمان الهواتف الذكية، مقترحة أن العوامل النفسية، والعادات الحياتية، وجودة النوم هي عوامل حاسمة في فهم ومعالجة هذه القضية. كما أوضح التحليل المقارن بين الأساليب الخطية (LASSO) وغير الخطية (SHAP) أهمية هذه العوامل، مما يوفر إطارًا شاملاً للتدخلات المستقبلية التي تهدف إلى تقليل إدمان الهواتف الذكية بين المراهقين.
DOI: https://doi.org/10.31083/ap46201
PMID: https://pubmed.ncbi.nlm.nih.gov/41788143
Publication Date: 2026-02-26
Author(s): Kihyuk Lee et al.
Primary Topic: Impact of Technology on Adolescents
Overview
This study investigates the predictors of smartphone addiction among adolescents, focusing on the interplay between physical activity and mental health indicators. Utilizing data from the 2020 and 2023 Korea Youth Risk Behavior Survey, the researchers applied the Least Absolute Shrinkage and Selection Operator (LASSO) and various machine learning models, including Logistic Regression, Random Forest, Extreme Gradient Boosting (XGBoost), and Light Gradient Boosting Machine (LightGBM), alongside SHapley Additive exPlanations (SHAP) for variable importance analysis. A total of 86,744 adolescents were categorized into general, potential risk, and high-risk smartphone user groups, with LASSO identifying key predictors such as moderate physical activity, strength physical activity, loneliness, smartphone usage time, and anxiety.
The findings reveal that anxiety and smartphone usage time are the most significant predictors of smartphone addiction, consistently highlighted across all models. While physical activity factors were also associated, their influence was less pronounced compared to mental health indicators. The Random Forest and Logistic Regression models demonstrated the best recall rates, while LightGBM achieved the highest accuracy and Area Under the Receiver Operating Characteristic Curve (AUROC). The study emphasizes the critical role of mental health, particularly anxiety and loneliness, in smartphone addiction, while also noting that physical activity’s impact varies by model. Overall, the research enhances understanding of the risk factors associated with adolescent smartphone addiction through a comprehensive analytical framework.
Introduction
The introduction of the research paper highlights the growing dependence on smartphones, particularly among adolescents, and the associated negative outcomes such as reduced concentration, sleep disturbances, decreased physical activity (PA), and increased anxiety and depression. It emphasizes that smartphone addiction is increasingly viewed as a public health concern rather than an individual behavioral issue. Recent studies have identified psychosocial pathways linking mental health and family dynamics to smartphone addiction, yet few have systematically examined the predictive value of PA alongside mental health factors.
To address these gaps, the study employs machine learning algorithms, specifically the Least Absolute Shrinkage and Selection Operator (LASSO) regression, to identify key predictors of smartphone addiction among Korean adolescents. By integrating a broader set of variables, including mental health, sleep, and PA, the research aims to elucidate the complex interactions influencing smartphone addiction. The study also utilizes SHapley Additive exPlanations (SHAP) for interpretability, allowing for a clearer understanding of the contributions of various factors. Ultimately, the research seeks to provide empirical evidence that can inform prevention and intervention strategies targeting adolescent smartphone addiction.
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 protocols for data collection, including any statistical analyses performed 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 aims to facilitate understanding of how the results were obtained and their subsequent implications in the context of the research objectives.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It highlights significant outcomes that support the hypotheses or objectives outlined in the study. The results are typically accompanied by relevant statistical data, figures, or tables that illustrate the relationships or trends observed in the data.
In this section, the authors may report on specific metrics, such as mean values, standard deviations, or p-values, to substantiate their claims. Additionally, any notable patterns or anomalies in the data are discussed, providing insights into the implications of the findings. Overall, this section serves to convey the empirical evidence that underpins the research conclusions, emphasizing the relevance and impact of the results within the broader context of the field.
Discussion
In this study, a secondary analysis of data from the Korea Youth Risk Behavior Survey (KYRBS) was conducted to investigate smartphone addiction among adolescents. The analysis utilized data from the 2020 and 2023 surveys, focusing on 86,744 participants after excluding cases with missing values. Smartphone addiction was classified into three groups based on the National Information Society Agency’s criteria: general users, potential risk users, and high-risk users. Key predictors of smartphone addiction were identified through LASSO regression, revealing that smartphone usage time and anxiety (measured by the Generalized Anxiety Disorder-7 scale) were consistently significant across various machine learning models, including Logistic Regression, Random Forest, XGBoost, and LightGBM.
The findings highlighted a deterioration in health and behavioral indicators as smartphone addiction risk increased, with significant differences in mental health, physical activity, and sleep satisfaction among the groups. Notably, the high-risk group exhibited higher levels of anxiety, loneliness, and lower academic achievement. The study underscores the multifaceted nature of smartphone addiction, suggesting that psychological factors, lifestyle habits, and sleep quality are critical in understanding and addressing this issue. The comparative analysis of linear (LASSO) and non-linear (SHAP) approaches further elucidated the importance of these predictors, providing a comprehensive framework for future interventions aimed at reducing smartphone addiction among adolescents.