电信和信息学报：害怕错过量表的开发与验证

电信和信息学报告10（2023）100055国家错过恐惧量表的编制与验证亚历克斯·J Holte辛辛那提大学蓝灰学院，9555平原路，蓝灰，OH 45236，美国aRT i cL e i nf o保留字：害怕错过害怕错过量表开发a b sTR a cT在众多的害怕错过（FoMO）研究中，共同的概念是FoMO是一种随时间推移通常稳定的性格特征。然而，如果FoMO被概念化为一种焦虑的形式，这种焦虑是关于一个人缺乏奖励体验的担忧，以及焦虑如何被量化为一种状态和特质，那么FoMO也可以作为一种行为状态来研究。此外，研究表明，情境因素，如一个人目前正在经历的娱乐水平，可能会影响一个人在那一刻经历FoMO的程度。这反过来又表明，FoMO严重程度会发生暂时的波动，仅仅将FoMO视为一种特征是不够的。为了测量状态FoMO，开发了状态错过恐惧清单（SFoMOI）。进行了探索性和验证性因素分析，并得出了8个项目的单因素一维量表。支持收敛，歧视，和标准效度被发现，和SFoMOI是敏感的检测差异的参与者准备的经验FoMO和那些谁没有。最后，该测度具有良好的内部可靠性。未来使用的SFoMOI和局限性的建议进行了概述。1. 介绍害怕错过（FoMO），即对没有奖励体验的担忧[69]，是一个广泛研究的主题。由于过去十年数字技术的广泛使用，FoMO的研究已经成为一个重要的课题。虽然在前几年，人们并不知道他们没有遇到的事件，但Facebook和Instagram等社交网站（SNS）允许人们了解他们错过了什么。因此，人们通常会关注他们的经历并不像那些他们缺席的人那样有价值，因为他们意识到其他人比他们自己有更愉快的经历。尽管FOMO受到了很多关注，但重要的是要解决它几乎完全是作为一种性格特质来研究的，而将其描述为一种状态的工作是有限的。Spielberger[80]将行为状态描述为暂时的倾向，强度和随时间的变化。因此，基于Trait FoMO如何涵盖个体通常感觉他们错过了有益体验的程度的基本性质，状态对错过的恐惧将与TraitFoMO不同，而状态FoMO可以通过个体对当前错过有益体验的担忧程度来表征。考虑到经验文献中的这一差距，以及如何没有适当的措施来量化FoMO的状态波动，未来对该主题的研究范围明显有限。 这一点在Tandon等人（2021）的详尽系统性文献综述（SLR）中进行了阐述。具体来说，他们认为需要对FoMO进行新的测量，并且应该从多个维度研究这个概念。如果存在FoMO的特质测量，则状态测量的发展将使FoMO能够从多个维度（IE：状态和特质）进行测量。为了解决这一现有的差距，目前的项目提供了一个概述的FoMO研究，量化它作为一种特质，概述了为什么FoMO应该被概念化为一种行为状态的现有支持，并描述了一系列支持该测量的心理测量特性2. 文献综述2.1. 性格性FoMO及其关联在基本层面上，FoMO是焦虑的一种特殊形式[73，78]，对体验的理解可能不是焦虑的来源[69]。虽然第一次研究是在21世纪初的品牌背景下[38]，但社会中社交媒体使用的扩散 已经将FoMO的概念提升到新的高度，并且已经开发了许多FoMO测量，如表1所示。霍尔特和费拉罗[40]这表明，社交媒体告诉人们他们错过了，这可能会让人们更加担心他们的经历。 没有。在使用社交媒体之前，个人可能不太倾向于觉得他们错过了，因为他们不太了解他们所没有的经历。由于个人倾向于在社交媒体上发布愉快的体验，与社交媒体之前的时间相比，人们现在更有可能了解他们没有参加的体验，因为在社交媒体之前，这些机会不会在活动结束后显示给他们。电子邮件地址：Alex. UC.eduhttps://doi.org/10.1016/j.teler.2023.100055接收日期：2022年10月19日;接收日期：2023年2月16日;接受日期：2023年3月15日2772-5030/© 2023作者。由Elsevier B. V.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表电信和信息学报告期刊主页：www.elsevier.com/locate/telerA.J. Holte电信和信息学报告10（2023）1000552表1E-X- FoMO Scales和E-x- Sample Item。作者（年）构建体示例项目（引文）Abel等[1]第一章社交媒体FoMO“Assume 一般来说，你感到紧张的频率是多少（[1]，pg.第三十九章）阿布里[2]酒精使用FoMO“I （第六十二条）替代[5]信息FoMO“It 114）。Budnick等人[10个国家]工作场所FoMO“I [10]，p.第五章）Maxwell等人[59个]状态FoMO“I 十三、Przybylski等人[69]第六十九届Trait FoMO“I （一八四七年）Riordan等人[第72话]Trait FoMO“Do （[72]，p.1216）。Wegmann等人[八十八]状态-特质FoMO“I 第三十六章）Zhang等人[九十二]Trait FoMO“我对错过事件/机会感到遗憾”（Zhang et al.，p. （1628）随着SNS实体在现代社会中的广泛流行由于它涉及社会心理学相关的结构，FoMO与他人进行社会比较的倾向[71]，依恋焦虑[42，56]和较低的自尊[8，11]有关在FoMO中得分高的人也更有可能睡眠质量差[3，53，65]，注意力不集中[7]和无聊[40，91]。考虑到这些因素，在FoMO中得分高的人也报告有缺陷，例如更多的日常活动中断[75]以及分心的步行[6]和驾驶[69]，这并不奇怪。对错过的恐惧也被结合其在许多精神病理学概念中的关系进行了研究。这包括与焦虑[25，40，63]，抑郁[7，24，63]，反刍[19]，孤独[8，71]，情绪困扰[33]呈正相关，与情绪健康[81]呈负相关。总之，弥散性FoMO与许多负面结果相关尽管通过评估实验FoMO作品来进一步理解这一概念很重要，但目前这一概念还很有限。2.2. 实验研究尽管FoMO在实证文献中受到了很多关注，但重要的是要注意使用因果推理方法的FoMO研究数量是有限的。例如，Tandon等人[84]这一点很重要，因为如果不使用实验框架，我们可以了解到的关于这种现象的知识量是非常有限的。本小节将回顾使用实验框架的现有工作，并概述国家FoMO措施的发展如何允许未来的工作，这些工作可以提高我们对导致FoMO增加的原因以及这种进步的后果的理解。Tandon et al.[84]包括Hunt et al.[93]发现监控一个人的社交媒体使用行为虽然这些结果似乎相互矛盾，但重要的是要考虑到，尽管Hunt等人[93]的参与者不允许使用特定的社交媒体实体（即：Facebook，Instagram或Snapchat），但他们不限制使用其他形式的社交媒体。也就是说，参与者可能被限制使用Facebook，但他们仍然可以使用Instagram。此外，有可能10分钟的检查社交媒体的形式，他们被限制使用是足够的时间来削弱他们的关注，他们实际上错过了。或者，对于Eide et al.[22]，他们没有这个规定，能够brie快速检查和“在黑暗中”的社会事件在他们的他们没有办法解决他们的担忧，他们错过了，这可能会随着时间的推移而表现出来，导致FoMO的增加Holte等人进行了一项更近期的实验性FoMO研究。[42]。在他们的研究中，参与者通过使用Cyberball Ostracism来[21]第二十一话他们发现，性格性的FoMO可以预测被社会排斥的参与者的感受。有趣的是，尽管他们发现条件的主要影响（即，包括或排除），他们没有发现特征FoMO和条件的相互作用效应。这表明，即使是参与网络球游戏的参与者也报告了高水平的社会排斥。作者推断，在纳入条件下的一些人可能报告了更高水平的社会排斥，因为他们可能想要更多的经验（例如，更多的球投掷）比他们收到的，他们可能会觉得他们错过了当另一个球员收到球，而不是他们。此外，他们发现FoMO特质与赛博球后的控制感、幸福感和有意义的存在感呈负相关。虽然这三个经验性的工作提供了一个改进的下-因此，如果FoMO的立场，重要的是要解决如何需要更多的进一步评估这些索赔。虽然在Eide et al.”[22]“降”是指降，降的是指降，降的是指降。（2018），不太可能在横断面实验设计中进行实验操作，如Holte等人。[42]，可以影响行为特征到一个显着的程度。此外，尽管Holte等人[42]预测了个体受到排斥的程度，但他们无法声称FoMO的增加是由于被排斥。因此，使用一个衡量状态FoMO中暂时波动的尺度将允许Holte等人的作品。[42]，以及其他研究，进一步探索。这也可以用于生理学研究的学生，其中大脑活动的区域可以与一个人在状态FoMO中的分数进行比较，以检查在实验干预（2.3. FoMO作为行为状态弹性理论和研究支持FoMO严重性如何随时间波动的概念。支持国家FoMO理论的一个主要例子是补偿性互联网使用理论（CIUT;[46]），该理论认为个人使用技术实体来削弱他们的负面影响。换句话说，当我们经历某种形式的消极情感时（例如，焦虑、抑郁、无聊等），诸如智能手机和/或社交媒体之类的技术的使用可以暂时将自己从这些感觉中分散开。如果FoMO是一种特定类型的焦虑，与不确定性有关，并且担心一个人错过了有益的经验[73，78]，那么有理由认为FoMO是一种消极的影响。因此，个体具有较高FoMO严重性的时刻可能会导致技术使用，以验证或消除他们对其他人在没有他们的情况下拥有愉快体验的担忧。这得到了经验的支持，因为之前的研究认为FoMO是有问题的智能手机使用[15，23，24，79]和有问题的社交媒体使用[9，14，19，56]的先决条件。CIUT支持FoMO作为一种行为状态的概念，因为它强调了技术的使用是如何随着个人时刻以及思想，感觉和在此期间的行为而变化的。也就是说， 过度使用他们的智能手机和/或社交媒体，当他们有消极的想法，如FoMO，他们想分散自己的注意力。此外，通过扩展霍尔特和费拉罗的思想[40]，A.J. Holte电信和信息学报告10（2023）1000553建议当满足娱乐需求时，个体不太倾向于经历FoMO，可行的是FoMO严重性并不均匀于每个人2.4. 当前项目尽管已经发现了许多与FoMO的负面关联，这进一步证明了研究该主题的重要性，但目前的实证文献缺乏研究FoMO的能力，行为状态。这是一个重要的考虑因素，因为如果FoMO与这些概念相关，则可以预期状态FoMO的增加或减少将导致上述变量的变化。如果这些发现没有被发现，它可能会转移焦点， FoMO文献将这一概念更多地视为一种人格特质，而不是一种焦虑。假设焦虑被概念化为一种状态和一种特质[27]，那么状态FoMO与特质FoMO相关的变量之间应该有共同的关联。此外，量化状态FoMO的措施将允许更全面地了解FoMO及其如何影响人们。虽然相关性研究为FoMO文献提供了许多重要的发现，但要真正理解FoMO的效果，需要使用实验范式和经验工具，如状态FoMO测量。目前，有两种测量方法使用国家FoMO术语。这种性质的第一个量表是 Weg- mann 等 人 开 发 的 Trait-State FoMO 量 表 。 该 模 型 似 乎 受 到Spielberger等人的开创性工作的启发。[80]，该工作开发了特质状态焦虑量表，并要求个体认可关于他们一般感受的陈述（例如，特质）和当前感觉（例如， 州）。 虽然这项工作是最早提出FoMO可以作为一个状态来测量的工作之一，但他们的状态FoMO子量表被Ma等人批评为缺乏表面有效性。例如，尽管Wegmann等人[88]提出特定在线FoMO是在使用技术实体时形成的状态，但其状态子量表中的项目似乎并不反映行为状态，并且可能更好地将特定在线FoMO描述为一种特定形式的倾向性FoMO。 特别是，诸如为了不错过任何东西而不断地在线第三十六章）似乎更符合一个人的一般情况，而不一定是在当前时刻。类似地，由Maxwell等人开发的State FoMO量表[59]使用状态术语来反映个体如何经历与特定背景相关的FoMO。该量表的一个独特之处在于，它允许研究人员将任何想要评估FoMO的目标放入其中。在他们的例子中，Maxwell等人。[59]将流行电视剧《权力的游戏》输入到Przybylski等人的项目中。[69]特质FoMO量表。例如，Przybylski等人[69]量表的第二项被修改为“当我不知道发生了什么时，我会感到焦虑--[13][14][15][16][17][像Wegmann等人一样。[88]，这种措施似乎并不反映暂时的焦虑，而是出现对研究人员想要研究的任何特定目标的焦虑。因此，如果没有这样一种测量方法以本手稿中描述的方式解决状态Fomo，接下来的几个部分将概述一系列用于验证状态恐惧错过清单的心理测量学特性的研究，该清单旨在来填补现有的研究空白。为了实现这一点，进行了多项研究。第一项研究的目的是为该措施制定项目的初始样本，并由一个专家小组，从完成测量的人类参与者收集数据，并进行初步的探索性因素分析，这将指导对测量的进一步修改。对于第二项研究，第一个目标是对测量的心理测量特性进行进一步的测试，第二个目标是评估收敛性。和衡量标准的有效性。在第三项也是最后一项研究中，主要目的是检查新开发的测量方法是否足够敏感，可以通过使用具有中性或FoMO条件的启动参与者来检测FoMO状态波动的差异。此外，第三项研究旨在进一步检验该测量的标准效度、收敛效度和区分效度。下面你会发现这三项研究的描述，旨在解决这些具体目标。3. 研究1第一项研究的目的是由专家小组审查国家害怕错过清单（SFoMOI）项目的初始池，并对小组认为良好的项目进行探索性因素分析。通过改变FoMOS[69]的措辞，使项目反映一种行为状态，并通过创建受FoMO常见定义启发的原始项目（见[69，73]），开发了一套初步的34个项目。在这34个项目中，其中8个项目被反向编码，其中该项目的低分数表示当时对FoMO的更强支持。包括这些项目是为了控制响应中的默认偏差[50，67]，尽管这些项目可能会加载自己的因素，这些因素衡量的是我们预期结构以外的东西（例如，方法因素，[55]）。该小组由5名博士生在心理学博士亲，克在美国中西部一所大型大学。小组的每个成员都接受了FoMO文献的培训，并提供了结构的操作定义。小组成员被告知每个项目，并被告知用Likert量表从1“根本没有”到5“优秀”指出项目代表认知的程度，如果他们正在经历FoMO。表2描述了项目和一致性指数（IOA），以及每个小组成员认为项目利用状态FoMO概念的程度。项目因各种原因被丢弃，包括冗余（n=13）、笨拙的措辞（n=1）和收到的IOA小于3.25，表明其没有很好地反映结构。总共有14个项目被推荐进入探索性因素分析阶段。4. 方法4.1. 参与者初步的14个项目的措施，给了338名成年人的样本。其中5名参与者被排除在统计分析之外，因为他们完成测量的速度太快（例如，<15 s）。333名成年人的有效样本超过了因子分析的建议最小值，即每个项目有20名参与者[64]。有效样本中，女性202例，男性130例，1例不愿报告性别。样本的平均年龄为42.01岁（SD= 14.59），范围为19 - 80岁。样本的种族和民族组成主要是白人（n=266），尽管参与者也是黑人或非裔美国人（n=28），希裔或拉丁美洲人（n=17），美洲原住民或美洲印第安人（n=3），亚洲人或太平洋岛民（n=27），一名参与者将其种族/民族归类为如果参与者能够认同多种族和/或民族身份，这个数字确实超过了总样本量。样本在教育程度上有所不同，一些人报告说高中/ GED是他们的最高教育水平（n=28），其他人报告说有副学士（n=66）或学士（n=132），很少有人报告说有硕士所有参与者均居住在美国，参与者居住在中西部（n=80）、西北部（n=70）、东南部（n=102）、西南部（n=35）和西部（n=46）。A.J. Holte电信和信息学报告10（2023）100055表44初步的34个项目，包括专家组成员一致性指数（IOA）和排除理由。项目IOA注意到1.我担心错过一次有益的经历42. 我担心我的朋友们没有我玩得开心53. 我感到不安的是，其他人在没有我的情况下3.2低IOA4. 我不知道我的朋友们在干什么，3.4冗余，与#85. 我担心我可能会错过一次有趣的经历4.66. 我担心会错过一次有益的经历3.8冗余，与#17. 我担心别人比我3.0低IOA8. 如果我知道我的朋友们没有我玩得不开心我会感觉更好4.29. 我想看看我的朋友们在做3.25冗余，与#2010. 我感到不安，其他人可能有一个更愉快的经验比我3.6尴尬的措辞11. 我担心我可能会错过和朋友一起4.2冗余，与#212. 我想知道我的朋友们现在3.40冗余，与#2013. 如果我知道其他人也和我2.6低IOA14. 我对我缺席的时刻或事件感到不舒服4冗余，与#1815. 我担心一些令人兴奋的事情正在发生，而我却没有去体验它4.816. 我担心我可能会错过与他人共度4.2冗余，与#217. 我很烦躁，我可能会错过一些东西3.4冗余，与#1918.我感到焦虑，我不在场的情况下4.419.我知道我可能会错过一次愉快的经历，4.420. 我想知道我的朋友们在做什么421. 我担心我的朋友们没有我也4.2冗余，与#222.恐怕我错过了一个特别的时刻4.423. 我担心错过了和朋友们开内部玩笑的机会4.424. 我希望我知道我的朋友们在做3.4冗余，与#2025. 我不禁想我错过了一次有益的经历3.8冗余，与#126. 我反复出现的想法我的朋友们没有我玩得很开心3.8冗余，与#227. 如果我错过了一次有益的经历，4.428. 如果我的朋友比我有更愉快的经历，我不会感到烦恼4.429. 我很高兴知道我可能错过了一个与朋友3.2低IOA30. 如果我的朋友们在没有我的情况下4.2冗余，与#3431. 我不知道我的朋友们在干什么3.2低IOA32. 如果其他人在没有我的情况下4.2冗余，与#3433. 我不关心别人现在在做什么4.634. 如果别人比我玩得更开心，我也不会介意。4.84.2. 材料注：由于注释列中列出的原因，在E X探索性因子分析之前删除了斜体项目。并得到了0.50美元的报酬参与者平均需要3.08（SD=2.05）分钟完成参与研究。4.2.1. 人口统计使用简短的人口统计学调查问卷记录人口统计学信息，如参与者4.2.2. 害怕错过量表（SFoMOI）初步的SFoMOI由14个项目组成，并使用了从1个“强烈不同意”到6个“强烈同意”的Likert量表使用偶数Likert量表来排除中性反应的选项。Weijters等人先前的研究。[89]，证明了如何包括一个中立的或中点导致更高的默许偏向反应。同样，通过没有中性选项，数据质量得到了改善[48]，并且不会对分布进行任何更改[66，68]。对于这项研究，这些项目显示出良好的内部一致性（ε=0.94）。4.3. 程序所有研究方案和程序在数据收集前均获得了机构审查委员会（IRB）的批准，并符合1964年赫尔辛基宣言的伦理原则和后来通过的修订案。数据于2021年6月从CloudResearch[54]研究参与者招募网站（正式名称为TurkPrime）收集，并完全在Qualtrics上完成研究。向所有参与者提供知情同意页面，通知他们研究涉及的任何风险。在提供知情同意后，参与者完成了人口统计学调查和14项SFoMOI，这些措施以平衡顺序呈现。参与者在结束参与5. 分析社会科学统计软件包（SPSS），由IBM开发[45]是研究1中使用的专用软件程序。在SFoMOI项目上使用了使用Obimin旋转的EX探索性因素分析（EFA），目的是具有简洁的一维量表（例如，6-8项）。调查表中的项目数量是一个重要的考虑因素。如果较长的量表可能会消耗时间并导致疲劳[12，74]，并且对参与者来说更麻烦[70，94，95]，则选择将SFoMOI保持得相当短，以增加从参与者那里获得最佳响应的机会[12，49]。人们希望把14项减少到6项 到八项一维测量。如果无聊与更高的FoMO严重性有关[40，91]，则这种量表的简洁性可能特别重要，因为个体可能会发现完成更长的量表， 这是一个令人厌烦的，这反过来又可能是一个令人厌烦的状态。为了实现这一目标，多次使用全民教育，直到实现这一目标。对人口统计学变量和初始34个SFoMOI项目的描述性统计进行制表。缺失数据有限，频率范围为0 - 0.3%。基于无意义的LittleByrne [13]和Hair等人[35]建议，当偏度值范围为−2至2，峰度值为−7至7时，表示正态分布。因此，14项SFoMOI显示出可接受的偏度（-0.09至0.98）和峰度（-1.18至0.36）水平。Kaiser-Meyer-Olkin的抽样值为0.95，A.J. Holte电信和信息学报告10（2023）1000555表3项目的探索性因素分析第一次全民教育第二次全民教育第三次全民教育项目因子1因子2因子1因子11.我担心错过一次有益的经历.87.02.88.892. 我担心我的朋友们没有我玩得开心.91−0.03.89.893. 我担心我可能会错过一次有趣的经历.89.03.90.914.我感到焦虑，我不在场的情况下.94−0.05.91.925. 如果我知道我的朋友们没有我玩得不开心我会感觉更好.74.06.77–6.恐怕我错过了一个特别的时刻.93−0.06.88.907. 我想知道我的朋友们在做什么.52.16.60–8. 我担心一些令人兴奋的事情正在发生，而我却没有去体验它.91.01.91.929.我知道我可能会错过一次愉快的经历，.94.00.94.9410. 我担心错过了和朋友们开内部玩笑的机会.91−0.05.88.8811. 如果我错过了一个有益的经历，那也没关系（RC）.10.52––12. 如果我的朋友比我有更愉快的经历，我不会感到困扰（RC）−0.05.64––13. 我不关心别人现在在做什么（RC）.03.60––14. 如果其他人比我玩得更开心，我不会感到困扰（RC）.06.81––特征值8.1411.647.736.73方差59.91%11.713%77.26%84.13%注：RCBartlett6. 结果对数据（14个变量，n=333）进行了具有Obimin旋转的主AX因子分解这导致两因素解决方案占71.62%的方差。据透露，反向编码的项目加载在自己的因素，而不是与其他国家的FoMO项目的因素看来，虽然一个因素有绝大多数的状态FoMO项目，而不是反映FoMO的状态，反向编码的项目可能代表对FoMO的漠不关心如果该措施的主要目的是使其成为一维的，则这些反向编码的项目在随后的全民教育中被删除在修订后的10项测量中，确定了一个单因素解决方案，占方差的77.26%第5和第7项因装载量低而被丢弃。虽然这两个项目的可接受因子负荷分别为0.77和0.60，但选择删除具有最低2个负荷的项目，以限制与较长量表[12，74]相关的参与疲劳风险，并增加从参与者[12，49]获得最佳响应的可能性第三次和最后一次EFA确定了一个单因素解决方案，解释了84.14%的方差。表3描述了对每个项目及其负载进行的三次EFA中的每一次7. 研究2研究二主要有两个目的：进一步验证SFoMOI在新的独立样本中的心理测量学特性，并分析测量的有效性。具体而言，评估了收敛效度，即测量项目反映相同结构的程度[36]。预计SFOMOI指标的项目将反映类似的结构，因此提出了以下假设：假设1.将确定对SFoMOI收敛有效性的支持。本研究还希望评估标准有效性，分析了测量与结果的相关程度[17]。是合理假设SFoMOI能准确测量瞬间的感觉对于FoMO，这也将对应于个体通常经历FoMO的程度。因此，提出了以下假设假设2a。状态FoMO与特质FoMO呈正相关此 外 ， 提 供 的 先 前 工 作 发 现 FoMO 与 年 龄 呈 负 相 关 （ CasaleFioravanti; Rozgonjuk等人[77]），并且与有问题的智能手机使用[15，23，24，79]，有问题的社交媒体使用[9，14，19，56]和无聊[40，91]呈正相关，提出了以下其他假设[14]。假设2b。 状态FoMO将与年龄呈负相关。假设2C。 状态FoMO将与有问题的智能手机使用呈正相关。假设2D 状态FoMO将与社交媒体使用问题呈正相关。假设2E。状态FoMO与无聊倾向呈正相关。8. 方法8.1. 参与者研究2的初始样本由300名成年人组成。参与者被排除在数据分析之外，原因包括跳过一半以上的措施（n=1）和完成研究以快速（n=2）。因此，保留了297份有效样本用于研究。在有效样本中，202名女性，92名男性，3名不愿透露性别。平均年龄为40.67岁（ SD=14.76 ， 范 围 18 - 77 岁 ） ， 尽 管 参 与 者 主 要 是 白 人（ n=228 ） ， 但 其 他 种 族 / 民 族 身 份 包 括 西 班 牙 裔 或 拉 丁 裔（n=23）、黑人或非洲裔美国人（n=35）、美洲原住民或美洲印第安人（n=7）、亚洲人或太平洋岛民（n=28）、中东人（n=1）、混合型，未提供更多详细信息（n=2），一名参与者选择了与研究1一样，如果个体可以认同多种种族/民族身份，则身份总数超过样本量。参与者有不同程度的最高学术水平，高中/ GED（n=94）和学士（n=92）是相当常见的，其次是准（n=55）和硕士所有参与者都来自美国的特定地区，包括中西部（n=64），西北部（n=74），东南部（n=87），西南部（n=25）和西部（n=47）。8.2. 材料8.2.1. 人口统计研究2使用了与研究1相同的人口统计学调查问卷。这包括有关年龄、性别、种族/族裔、地理位置和教育史的问题A.J. Holte电信和信息学报告10（2023）10005568.2.2. 害怕错过量表（SFoMOI）SFoMOI被提供给我们的参与者，以衡量他们对错过有益体验的担忧程度。该测量由8个项目组成，并使用1个“强烈不同意”到6个“强烈同意”的李克特量表该测量在研究2中显示出极好的内部一致性（Δ=0.94），并且可以在ΔX A中找到8.2.3. 害怕错过量表（FoMOS）的 恐惧 的 失踪 出来 规模， 发达 通过 Przybylski 等人[69]这是一个用来测量FoMO特征的方法。这份问卷由10个项目组成，衡量个人通常认为他们 他们错过了，并使用了一个李克特量表，从1（对我来说一点也不真实）到5（对我来说非常真实）。例如，“当我不知道我的朋友在做什么时，我会感到焦虑”和“当我错过了与朋友见面的机会时，我会感到不安”。对于本研究，该指标显示出极好的内部一致性（���= 92）。8.2.4. 无聊倾向量表简表（BPS-SF）使用8项BPS-SF[83]测量了无聊倾向，即某人感到无聊的倾向。该测量方法改编自Farmer和Sundberg开发的无聊倾向量表[28]。BPS-SF使用的Likert量表从1（高度不同意）到7（高度同意），并包括诸如“在大多数情况下， 我很难找到什么事情做或看，让我感兴趣”和“我发现很难娱乐自己。”在本研究中，BPS-SF具有良好的内部一致性（ε=0.89）。8.2.5. 社交媒体障碍量表-9项SMDS-SF[26]用于测量PSMU。 该量表用于衡量社交媒体使用对个人生活造成损害的程度。每个项目代表PSMU的九个因素之一（专注，宽容，退缩，坚持，流离失所，问题，欺骗，逃避和与他人的冲突）。这项测量使用了一个从1（从未）到5（总是）的Likert量表，以回答诸如“在过去的一年中，你有多少次试图在社交媒体上花更少的时间，但失败了”和“在过去的一年中，当你不能使用社交媒体时，你有多少次感觉不好”等问题在目前的研究中，这一措施表现出良好的内部一致性（ε=0.90）。8.2.6. 智能手机成瘾量表-使用10项SAS-SV测量智能手机使用问题[51]。虽然SMDS-SF和SAS-SV都包括诸如“障碍”和“成瘾”之类的术语[41、58、76]）。这项措施使用了一个从1（强烈不同意）到6（强烈同意）的李克特量表，以回答诸如“我无法忍受没有智能手机”和“当我没有拿着智能手机时，我感到不耐烦和烦躁”等问题。在本研究中，SAS-SV显示出良好的内部一致性（ε=0.89）。8.3. 程序与研究1一样，在数据收集之前，研究2获得了IRB的批准，遵循了1964年赫尔辛基宣言的伦理原则，参与者从CloudResearch招募[54]，研究完全在Qualtrics上进行。所有参与者在开始研究前阅读并提供知情同意书。按平衡顺序提供SFoMOI、FoMOS、BPS-SF、SAS-SV、SMD-SF和人口统计学问卷。数据是在2021年6月和7月收集的，与研究1一样，每个参与者都收到了0.50元，用于研究。完成研究9. 分析SPSS [45个] 和 阿莫斯 结构 方程 建模软件[44]用于研究2的统计分析。如果在线调查提醒参与者如果他们错过了一个问题，那么就没有丢失数据。采用描述性统计和Pearson R相关检验效标效度。为了衡量收敛效度，计算SFoMOI项目的平均方差提取（AVE），并与Fornell和Larcker提出的阈值进行比较[29]有一个AVE> 0.50。数据呈偏态正态分布ness范围为-0.29至1.64，峰度值为-1.18至2.08。为了检查SFoMOI的心理拟合，使用了最大似然（ML）的验证性因素分析（CFA）使用多个 拟合指数 评估 模型拟合 ，如模 型卡方、 Tucker Lewis 指数（TLI）、比较拟合指数（CFI）、拟合均方根误差（RMSEA）和标准化均方根残差（SRMR）。虽然提出了不同的指导原则，但Hu和Bentler[43]主张，如果模型显示SRMR≤ 0.08、TLI≥ 0.95、RMSEA≤0.06和CFI≥ 0.95，则模型具有良好拟合正如Byrne[13]所概述的那样，通常需要模型卡方≥0.05，尽管较大的样本量通常会影响该值。内部一致性通过计算Cronbach’s alpha进行评价10. 结果8 项 SFoMOI 的 初始 CFA 在 CFI （ 0.96 ） 、 TLI （ 0.95 ） 和SRMR（ 0.03 ） 方 面 拟 合 良 好 。 模 型 卡 方 检 验 为 0.05 ， RMSEA 较 高（0.12）。我以为RMSEA值很高，肯尼 等人[47]建议，即使模型拟合非常好，自由度较少的模型也往往具有较差的RMSEA值。此外，他们主张，如果其他指数是可以接受的，就不应忽视这些模型在此模型下，所有项目的因子负荷均大于0.72，平均效度为0.69，大于要求的0.50，支持聚合效度。各项目的因子负荷和描述性统计见表4。如表5所示，状态FoMO与年龄呈负相关，与特质FoMO、无聊倾向、PSMU和PSU呈正相关11. 研究3研究3的主要目的是评估SFoMOI测量当前经历FoMO的程度的能力。之前的量表开发工作，如州成人依恋测量（SAAM;[34]），使用启动操作来检查测量是否准确检测预期结构中的差异。特别是，在Gillath等人[[34];研究5]中，他们发现，与接受中性启动的参与者相比，接受安全依恋启动的被试在依恋安全性方面得分更高，在依恋焦虑和回避方面得分更低。因此，这表明，SAAM是敏感的测量依恋的行为状态。对于研究3，使用类似的方法来评估SFoMOI是否对量化状态FoMO严重性敏感。这项研究的主要目的是检查是否启动个人体验FoMO将导致更高的分数的状态FoMO相比，那些谁收到了一个中性的启动。因此，提出以下假设假设1. 与接受中性启动的参与者相比，接受FoMO启动的参与者在状态FoMO中的得分更高与研究2一样，预计SFoMOI的项目将具有大于0.50的平均方差提取值。假设2.将确定对SFoMOI收敛有效性的支持。标准有效性的SFoMOI措施的因素，预计将与也进行了预计，A.J. Holte电信和信息学报告10（2023）1000557表4因子负荷和描述性统计。项目���是说SD范围偏度峰度1.我担心错过一次有益的经历.723.611.451–6−0.10-0.852. 我担心我的朋友们没有我玩得开心.822.631.581–6.57-0.853. 我担心我可能会错过一次有趣的经历.843.211.571–6.11−1.104.我感到焦虑，我不在场的情况下.842.781.571–6.42-1.055.恐怕我错过了一个特别的时刻.852.931.511–6.30−0.956. 我担心一些令人兴奋的事情正在发生，而我却没有去体验它.913.341.521–6.27-1.027.我知道我可能会错过一次愉快的经历，.892.652.011–6.17-1.478. 我担心错过了和朋友们开内部玩笑的机会.732.651.501–6.52负0.89表5描述性统计和双变量相关性。是说SD范围2345671. 年龄40.6714.7618–77.05-0.41-0.35-0.38-0.29-0.282. 性1.690.481–2−0.01.01−0.04.02.073. S-FoMO24.0810.829–490.77口径手枪0.46口径手枪0.47口径手枪0.46口径手枪4. T-FoMO21.759.1610–480.44口径手枪0.55口径手枪0.48口径手枪5. BP26.289.738–540.44口径手枪0.43口径手枪6. PSMU16.166.319–350.69口径手枪7. PSU24.9310.2110–60注：选择“不愿透露”性别的3名受试者性别编码为1（男性）和2（女性）。S-FoMO -和特质FoMO将相互关联，因为它们都在一定程度上衡量FoMO。假设3a。状态FoMO与特质FoMO呈正相关通过分析状态FoMO与社会比较取向、厌倦倾向和依恋焦虑的关系，检验了其效标效度。假设那些更倾向于在社会上将自己和自己的情况与他人进行比较的人更容易经历FoMO[71]，提出了以下假设假设3b。状态FoMO与社会比较取向呈正相关。此外，基于现有的关于FoMO和无聊倾向如何相互关联的研究[40，91]，预计研究2中关于无聊倾向和状态FoMO相互正相关的发现将在研究3中重复假设3C。状态FoMO与无聊倾向呈正相关。先前的研究已经确定FoMO与依恋焦虑呈正相关[4，42，56]，但与依恋回避无关[4，56]。因此，可以预期，状态FoMO与依恋焦虑呈正相关，而与依恋回避没有任何显著关系。对前者的支持是标准有效性的一个例子，而后者是对区分有效性的部分支持，区分有效性可以被描述为一个度量与它不应该相关的东西不相关的程度[82，86]。考虑到这一点，提出了以下假设假设3D 状态FoMO与依恋焦虑呈正相关。假设4A。状态FoMO与依恋回避无正相关或负相关。除了识别两个因素之间的空关系以支持收敛效度的概念之外，通常被认为是最严格的测试评估两个因素之间的平均AVE，将其与两项的平方相关性进行比较。预计国家FoMO和避免扣押之间的平均AVE将超过两项之间相关系数的平方值，因此建议如下：假设4b支持状态FoMO和依恋回避之间的判别效度。12. 方法12.1. 参与者研究3最初由来自美利坚合众国中西部一所大型大学的202名本科生组成。参与者被排除在样本之外，原因包括未通过注意力检查问题（n=6），未对各自的提示提供书面答复（n=1），以及表明他们对参加他们所写的错过的活动几乎没有兴趣（n=37）。因此，保留了158个有效样品，其中73个在对照条件下，85个在实验条件下。样本主要是女性（70.3%），大多数参与者是白人（91.1%）。然而，样本中代表的其他种族/民族包括西班牙裔或拉丁美洲人（3.8%），黑人或非裔美国人（1.