Įvadas
Šiame straipsnyje aptariama socialinės medijos (SM) priklausomybė tarp Lietuvos medicinos studentų ir jos ryšys su nerimo simptomais. Tyrimas atliktas naudojant SPSS programinę įrangą, siekiant įvertinti priklausomybės nuo SM paplitimą ir nustatyti statistiškai reikšmingus ryšius su kitais kintamaisiais.
Tyrimo metodologija
Dalyviai
Tyrimas apėmė 207 Lietuvos sveikatos mokslų universiteto I-VI kurso medicinos studentus, iš kurių 166 buvo moterys ir 41 vyras.
Duomenų rinkimas
Anoniminėje internetinėje anketoje buvo pateikti klausimai apie respondentų lytį, kursą ir apytikslį laiką, praleidžiamą internete bei socialinėje medijoje per parą. Priklausomybė nuo SM buvo vertinama naudojant Bergen priklausomybės nuo socialinės medijos skalę (BSMAS), o jaučiamas nerimo lygis - generalizuoto nerimo sutrikimo skalę (GAD-7).
Duomenų analizė
Surinkti duomenys buvo analizuojami naudojant SPSS programinę įrangą. Buvo atlikta aprašomoji statistika, koreliacinė analizė ir kitos statistinės procedūros, siekiant nustatyti reikšmingus ryšius tarp kintamųjų. Koreliacinėje analizėje nustatomas statistinio ryšio stiprumas tarp stebėtų kintamųjų, ir jis yra išreiškiamas koeficientu (r). Koreliacija parodo ryšio kryptį - vieno kintamojo reikšmei didėjant, kito kintamojo reikšmė gali didėti arba mažėti. Todėl Koreliacijos koeficientai įgyja reikšmes nuo -1 iki 1. Teigiamas koreliacijos koeficientas rodo, kad vienam kintamajam didėjant, didėja ir kitas kintamasis. Neigiama koreliacija rodo, kad vienam didėjant, kitas kintamasis mažėja. Atliekant koreliacinę analizę visada vertinamas koreliacijos (r) stiprumas bei statistinis reikšmingumas. Koreliacijos stiprumas vertinamas skalėje nuo 0 iki 1 arba nuo 0 iki -1. Jei r=0 - priklausomybės tarp kintamųjų nėra, r =1 arba -1 - kintamieji visiškai priklausomi. Tačiau, norint įsitikinti, kad gauta koreliacija - neatsitiktinis sutapimas, apskaičiuojama p reikšmė. P reikšmė parodo, ar koreliacija statistiškai reikšminga. Koreliacijos statistiniam reikšmingumui įvertinti SPSS gauta p reikšmė dažniausiai palyginama su reikšme α=0,05 (reikšmingumo lygmuo). Koreliacija statistiškai reikšminga, jei SPSS apskaičiuota p reikšmė mažesnė už 0,05.
Tyrimo rezultatai
Socialinės medijos priklausomybės paplitimas
Pagal BSMAS rezultatus, SMA buvo nustatyta 13 proc. (n=27) tyrime dalyvavusių medicinos studentų.
Taip pat skaitykite: Gydymo metodai Marijampolėje
Ryšys tarp SMA ir laiko, praleidžiamo internete bei SM
Nustatytas statistiškai reikšmingas ryšys tarp SMA bei internete (r=0,201; p=0,004) ir SM (r=0,396; p<0,001) praleidžiamo laiko. Tai rodo, kad priklausomi nuo SM studentai praleidžia daugiau laiko internete ir socialinėje medijoje.
Nerimo simptomų paplitimas
Pagal GAD-7 rezultatus, 25,1 proc. (n=52) respondentų patiria sunkius nerimo simptomus, 20,8 proc. (n=43) - vidutinio sunkumo, 34,8 proc. (n=72) - lengvus, o 19,3 proc. (n=40) nerimo simptomų nejaučia.
Ryšys tarp SMA ir nerimo simptomų
Priklausomi nuo SM medicinos studentai dažniau patiria sunkius bei vidutinio lygio nerimo simptomus, o priklausomybės neturintys - lengvus simptomus arba nerimo simptomų nepatiria apskritai.
Diskusija
Tyrimo rezultatai rodo, kad socialinės medijos priklausomybė yra reikšminga problema tarp Lietuvos medicinos studentų. Nustatytas ryšys tarp SMA ir nerimo simptomų kelia susirūpinimą dėl galimo neigiamo poveikio studentų psichinei sveikatai. Svarbu atkreipti dėmesį į tai, kaip duomenys įvedami į SPSS, nes nuo to priklauso analizės tikslumas. Data View lange matomi duomenys, su kuriais bus atliekami skaičiavimai. Čia įvedate savo tiriamųjų atsakymus į klausimus.Variable View yra langas, būtinai reikalingas aprašyti ir nustatyti, kaip atrodys kiekvieno stulpelio duomenys: kokie bus duomenys: skaitiniai ar žodiniai, ką reiškia skaičiai yra stulpelyje. Mūsų tikslas - SPSS įvesti duomenis, kuriuos pateikė tyrimo dalyviai. Paprastas duomenų įvedimas (pvz. Duomenų įvedimas, kai klausimui turime kelis atsakymo variantus arba turime respondentų grupes (pvz.
Koreliacinė analizė SPSS
Koreliacinė analizė SPSS programoje leidžia nustatyti statistinio ryšio stiprumą tarp stebėtų kintamųjų, ir jis yra išreiškiamas koeficientu (r). Koreliacija parodo ryšio kryptį - vieno kintamojo reikšmei didėjant, kito kintamojo reikšmė gali didėti arba mažėti. Todėl Koreliacijos koeficientai įgyja reikšmes nuo -1 iki 1. Teigiamas koreliacijos koeficientas rodo, kad vienam kintamajam didėjant, didėja ir kitas kintamasis. Neigiama koreliacija rodo, kad vienam didėjant, kitas kintamasis mažėja. Atliekant koreliacinę analizę visada vertinamas koreliacijos (r) stiprumas bei statistinis reikšmingumas. Koreliacijos stiprumas vertinamas skalėje nuo 0 iki 1 arba nuo 0 iki -1. Jei r=0 - priklausomybės tarp kintamųjų nėra, r =1 arba -1 - kintamieji visiškai priklausomi. Tačiau, norint įsitikinti, kad gauta koreliacija - neatsitiktinis sutapimas, apskaičiuojama p reikšmė. P reikšmė parodo, ar koreliacija statistiškai reikšminga. Koreliacijos statistiniam reikšmingumui įvertinti SPSS gauta p reikšmė dažniausiai palyginama su reikšme α=0,05 (reikšmingumo lygmuo). Koreliacija statistiškai reikšminga, jei SPSS apskaičiuota p reikšmė mažesnė už 0,05.
Taip pat skaitykite: Kaip atpažinti priklausomybę?
Statistinių kriterijų pasirinkimas SPSS
Šiame skyriuje papasakosiu, kaip išspręsti daugeliui pasitaikančią problemą - kokie gali būti statistiniai kriterijai SPSS programoje ir kurį iš jų reikės taikyti norint atikti statistinę analizę. Dažniausiai pasitaikantis ir daugiausiai sunkumų sudarantis tikslas -variantas a., kai norime nustatyti, ar surinktų kintamųjų (rezultatų, atsakymų) kelių grupių duomenys yra panašūs. Pavyzdžiui, tiriame, ar dieta buvo efektyvi, t.y. ar svoris liko toks pats? ; ar knygas respondentai skaito trumpiau nei žiūri TV?. Svarbu atsižvelgti į tai, kiek mes turime imčių, kurias lyginsime tarpusavyje? Vieną, dvi? Ar mūsų turimos duomenų grupės priklausomos? Nepriklausomos? Taip pat svarbu atskirti nominaliuosius kintamuosius - tai kintamieji, kuriuos galima apibūdinti tik kokybiškai - negali būti net palyginimo, skaičiavimo, kuris iš jų yra didesnis ar svarbesnis. Ranginiai kintamieji dažnai naudojami socialinių tyrimų klausimynuose, pavyzdžiui, kai prašoma pasirinkti iš 1 (labai nepritariu),…, 5 (labai pritariu), ar pan. Negalima pasakyti, kiek daug skiriasi rangai, bet galima konstatuoti, kuris iš jų didesnis.
Išvados
SMA buvo nustatyta 13 proc. (n=27) respondentų. Priklausomi nuo SM tyrimo dalyviai tiek internete, tiek SM praleidžia daugiau laiko per dieną, nei priklausomybės neturintys. Priklausomi nuo SM medicinos studentai dažniau patiria sunkius bei vidutinio lygio nerimo simptomus, o priklausomybės neturintys - lengvus simptomus arba nerimo simptomų nepatiria apskritai. Šie rezultatai pabrėžia poreikį vykdyti prevencines programas ir teikti psichologinę pagalbą medicinos studentams, siekiant sumažinti socialinės medijos priklausomybės ir nerimo simptomų paplitimą.
Rekomendacijos
Atsižvelgiant į tyrimo rezultatus, rekomenduojama:
- Sukurti specializuotas švietimo programas, skirtas skatinti sveiką interneto naudojimą ir atpažinti priklausomybės simptomus tarp studentų ir jų tėvų.
- Teikti savalaikę psichologinę pagalbą studentams, kenčiantiems nuo streso, nerimo ir depresijos, užtikrinant kvalifikuotų psichologų prieinamumą mokyklose.
- Atlikti tolesnius išsamius tyrimus, siekiant tiksliai įvertinti priklausomybės nuo interneto paplitimą ir sukurti veiksmingą nacionalinę politiką.
- Skatinti iniciatyvas, kurios skatina skaitmeninę sveikatą, pavyzdžiui, programas, skirtas stebėti laiką, praleidžiamą internete.
Taip pat skaitykite: Patarimai, kaip sumažinti laiką prie kompiuterio
tags: #priklausomybes #vertinimas #spss