These findings were supported by th

These findings were supported by the results of our analytic
modeling and the analysis of our interview data. Regression
analysis showed that the key components of smartphone
overuse, such as interference, withdrawal, and tolerance,
were closely related to usage features. In addition, we used
machine learning techniques to test the predictive power of
the usage features and found that smartphone overuse could
be classified accurately based on these features with an Fscore
of 0.87. The interview results provided more detailed
examples of problematic usage behavior, such as limited selfcontrol
when consuming online content (e.g., aimlessly following
web/Facebook links while in bed). Our key findings
support the existing theories related to technological addictions
[11, 17, 10]. In particular, repeated consumption of online
content may lead to addictive behaviors, and problematic
behaviors depend mainly on specific functions rather than the
volume of usage

ผลลัพธ์ (ไทย) 1:

ผลการวิจัยเหล่านี้ได้รับการสนับสนุน โดยผลลัพธ์ของคู่ของเราสร้างโมเดลและการวิเคราะห์ข้อมูลการสัมภาษณ์ของเรา ถดถอยวิเคราะห์พบว่าส่วนประกอบสำคัญของสมาร์ทโฟนoveruse เช่นสัญญาณรบกวน ถอน ยอม รับมีที่เกี่ยวข้องกับการใช้ลักษณะการทำงานอย่างใกล้ชิด นอกจากนี้ เราใช้เรียนรู้เทคนิคการทดสอบอำนาจการทำนายของเครื่องการใช้คุณลักษณะ และพบ overuse สมาร์ทโฟนที่สามารถสามารถจัดได้อย่างถูกต้องตามคุณลักษณะเหล่านี้ด้วยการ Fscoreของ 0.87 ผลการสัมภาษณ์ให้เพิ่มเติมรายละเอียดตัวอย่างของปัญหาการใช้งานลักษณะการทำงาน เช่น selfcontrol จำกัดเมื่อบริโภคเนื้อหาออนไลน์ (เช่น พเนจรต่อไปนี้เว็บ/Facebook ลิงค์ในเตียง) ประเด็นของเราสนับสนุนที่เกี่ยวข้องกับทฤษฎีที่มีอยู่ไปสู่การเสพติดเทคโนโลยี[11, 17, 10] โดยเฉพาะอย่างยิ่ง ซ้ำใช้ออนไลน์เนื้อหาอาจทำ ให้ พฤติกรรมการเสพติด และมีปัญหาลักษณะการทำงานอาศัยหลักฟังก์ชันเฉพาะดีกว่าปริมาณการใช้

ผลลัพธ์ (ไทย) 2:

การค้นพบนี้ได้รับการสนับสนุนโดยผลของการวิเคราะห์ของเราการสร้างแบบจำลองและการวิเคราะห์ข้อมูลการให้สัมภาษณ์ของเรา
การถดถอยการวิเคราะห์แสดงให้เห็นว่าองค์ประกอบหลักของมาร์ทโฟนมากเกินไปเช่นการรบกวนถอนและความอดทนมีความสัมพันธ์อย่างใกล้ชิดกับคุณสมบัติการใช้งาน นอกจากนี้เรายังใช้เทคนิคการเรียนรู้เครื่องเพื่อทดสอบอำนาจการทำนายของคุณสมบัติการใช้งานและพบว่าการใช้มากเกินไปมาร์ทโฟนสามารถแบ่งได้อย่างถูกต้องขึ้นอยู่กับคุณสมบัติเหล่านี้ด้วยFscore 0.87 ผลการสัมภาษณ์ที่ให้รายละเอียดมากขึ้นตัวอย่างของพฤติกรรมการใช้งานที่มีปัญหาเช่น SelfControl จำกัด เมื่อการบริโภคเนื้อหาออนไลน์ (เช่นต่อไปอย่างไม่มีจุดหมายเว็บ/ การเชื่อมโยง Facebook ในขณะที่อยู่บนเตียง) ค้นพบที่สำคัญของเราสนับสนุนทฤษฎีที่มีอยู่ที่เกี่ยวข้องกับการเสพติดเทคโนโลยี[11, 17, 10] โดยเฉพาะอย่างยิ่งการบริโภคซ้ำของออนไลน์เนื้อหาอาจนำไปสู่พฤติกรรมการเสพติดและปัญหาพฤติกรรมส่วนใหญ่ขึ้นอยู่กับการทำงานที่เฉพาะเจาะจงมากกว่าปริมาณของการใช้งาน

ผลลัพธ์ (ไทย) 3:

การค้นพบนี้ได้รับการสนับสนุนโดยผลลัพธ์ที่ได้จากการสร้างแบบจำลองเชิงวิเคราะห์
ของเราและการวิเคราะห์ข้อมูลจากการสัมภาษณ์ของเรา การวิเคราะห์การถดถอยพบว่า องค์ประกอบหลักของ

ใช้สมาร์ทโฟน เช่น สัญญาณรบกวน ถอนและความอดทน
มีความใกล้ชิดกันคุณสมบัติการใช้งาน นอกจากนี้ เราใช้
เครื่องเรียนรู้เทคนิคเพื่อทดสอบความสามารถของ
การใช้คุณลักษณะและพบว่าใช้มาร์ทโฟนสามารถ
ถือว่าถูกต้องตามคุณลักษณะเหล่านี้มี fscore
ของ 0.87 ผลการสัมภาษณ์ให้ตัวอย่างรายละเอียด
เพิ่มเติมของพฤติกรรมการใช้ ปัญหา เช่น การกัด selfcontrol
เมื่อการบริโภคเนื้อหาออนไลน์ ( เช่น คว้าง ดังต่อไปนี้
เว็บ / Facebook การเชื่อมโยงในขณะที่เตียง )
ผลของเราหลักสนับสนุนที่มีอยู่ ทฤษฎีที่เกี่ยวข้องกับการเสพติด
เทคโนโลยี [ 11 , 17 , 10 ] โดยเฉพาะการใช้ซ้ำเนื้อหาออนไลน์
อาจนำไปสู่พฤติกรรมเสพติด และพฤติกรรมที่มีปัญหา
ขึ้นอยู่กับฟังก์ชั่นที่เฉพาะเจาะจงมากกว่า
ปริมาณการใช้งาน