The Internet

The advancement of digital technology has led to increased use of the internet and social media, particularly among adolescents. However, this development has also contributed to various challenges, one of which is cyberbullying. A low level of digital literacy knowledge may influence how students communicate and behave in digital environments. This study aimed to analyze the relationship between the level of digital literacy knowledge and cyberbullying behavior among high school students. This study employed a quantitative approach with a cross-sectional design. A total of 99 students were selected as research participants using a total sampling technique. Data were collected using a questionnaire, while the relationship between the variables was analyzed using the Chi-Square test. The results showed that the majority of respondents had a high level of digital literacy knowledge (59.6%), while the majority demonstrated a low level of cyberbullying behavior (57.6%). Statistical analysis revealed a significant relationship between the level of digital literacy knowledge and cyberbullying behavior (p-value = 0.001). Thus, the better the students' level of digital literacy knowledge, the lower their tendency to engage in cyberbullying behavior. Therefore, strengthening education and understanding of digital literacy should be enhanced as a preventive strategy to reduce the occurrence of cyberbullying in school environments.

Objective: The study was conducted to determine the level of internet addiction in parents' lives and to determine the relationship between this situation and children's tendency to be addicted to digital games. Materials and Methods: The study was descriptive, cross-sectional, and correlational. The sample of the study consisted of 146 children aged 4-6 years and their parents between December 2023-May 2024. The research data were collected using the Personal Information Form, Young Internet Addiction Scale and Digital Game Addiction Tendency Scale for Preschool Children. Results: It was determined that 95.2% of the children used the internet and 76.0% of them used the internet for gaming purposes. In the study, it was determined that boys' digital game addiction was significantly higher (p

هدف: این پژوهش با هدف تعیین میزان اعتیاد اینترنتی در زندگی والدین و بررسی رابطه این وضعیت با گرایش کودکان به اعتیاد به بازی‌های دیجیتال انجام شد. مواد و روش‌ها: این مطالعه توصیفی، مقطعی و همبستگی بود. نمونه پژوهش شامل ۱۴۶ کودک ۴ تا ۶ ساله و والدین آن‌ها در بازه زمانی دسامبر ۲۰۲۳ تا مه ۲۰۲۴ بود. داده‌های پژوهش با استفاده از فرم اطلاعات فردی، مقیاس اعتیاد اینترنتی Young و مقیاس گرایش به اعتیاد به بازی دیجیتال برای کودکان پیش‌دبستانی جمع‌آوری شد. نتایج: مشخص شد که ۹۵.۲٪ از کودکان از اینترنت استفاده می‌کنند و ۷۶.۰٪ از آن‌ها به منظور بازی از اینترنت استفاده می‌کنند. در این مطالعه مشخص شد که اعتیاد به بازی دیجیتال در پسران به طور معناداری بیشتر بود (p

BACKGROUND: Due to the popularity and convenience of the internet, cyber-pornography use among youth has attracted the widespread attention of scholars. Cyber-pornography use among Chinese university students remains rarely investigated, especially based on ecological systems theory using machine learning and network analysis approaches. Therefore, the present study examined cyber-pornography use through machine learning and network analysis based on ecological systems theory among a sample of Chinese university students. METHODS: A sample of 1322 university students in different provinces of China were surveyed in a cross-sectional study. The survey included cyber-pornography use variables, demographic information, psychological variables, family variables, and school factors. RESULTS: Of 1332 participants, 25 students were classed as high-risk cyber-pornography users (1.9%). The XGBoost model of machine learning identified 15 important features of cyber-pornography use including social ostracism, moral disengagement, gender, teacher fairness, year of study, age, autonomy, self-control, depression, father and mother's parenting style, relatedness, experience of being left behind, loneliness, and family closeness. In the network analysis, social ostracism was the strongest node in the total sample and among males, whereas depression was the strongest node in females. CONCLUSIONS: Psychological, family, school, and demographic factors (e.g. gender) may directly or indirectly be associated with cyber-pornography use among Chinese university students. The results suggest that ecological systems theory, including the microsystem, mesosystem, macrosystem, and chronosystem, may be considered as one of the core theories in understanding cyber-pornography use. In addition, the interaction of related factors also needs to be examined deeply to aid prevention and intervention of cyber-pornography use in the future.

زمینه: به دلیل محبوبیت و سهولت دسترسی به اینترنت، استفاده از پورنوگرافی سایبری در میان جوانان توجه گسترده پژوهشگران را به خود جلب کرده است. استفاده از پورنوگرافی سایبری در میان دانشجویان دانشگاه‌های چین به‌ویژه بر اساس نظریه نظام‌های بوم‌شناختی با بهره‌گیری از رویکردهای یادگیری ماشین و تحلیل شبکه‌ای به‌ندرت مورد بررسی قرار گرفته است. بنابراین، مطالعه حاضر استفاده از پورنوگرافی سایبری را از طریق یادگیری ماشین و تحلیل شبکه‌ای مبتنی بر نظریه نظام‌های بوم‌شناختی در میان نمونه‌ای از دانشجویان دانشگاه‌های چین بررسی کرد. روش‌ها: نمونه‌ای متشکل از ۱۳۲۲ دانشجوی دانشگاه در استان‌های مختلف چین در یک مطالعه مقطعی مورد بررسی قرار گرفتند. پرسشنامه شامل متغیرهای استفاده از پورنوگرافی سایبری، اطلاعات جمعیت‌شناختی، متغیرهای روان‌شناختی، متغیرهای خانوادگی و عوامل مدرسه بود. یافته‌ها: از میان ۱۳۳۲ شرکت‌کننده، ۲۵ دانشجو به عنوان کاربران پرخطر پورنوگرافی سایبری (۱/۹٪) طبقه‌بندی شدند. مدل XGBoost یادگیری ماشین، ۱۵ ویژگی مهم استفاده از پورنوگرافی سایبری از جمله طرد اجتماعی، گسست اخلاقی، جنسیت، انصاف معلم، سال تحصیلی، سن، خودمختاری، خودکنترلی، افسردگی، سبک فرزندپروری پدر و مادر، ارتباط، تجربه رهاشدگی، تنهایی و نزدیکی خانوادگی را شناسایی کرد. در تحلیل شبکه‌ای، طرد اجتماعی قوی‌ترین گره در کل نمونه و در میان مردان بود، در حالی که افسردگی قوی‌ترین گره در زنان بود. نتیجه‌گیری: عوامل روان‌شناختی، خانوادگی، مدرسه و جمعیت‌شناختی (مانند جنسیت) ممکن است به طور مستقیم یا غیرمستقیم با استفاده از پورنوگرافی سایبری در میان دانشجویان دانشگاه‌های چین مرتبط باشند. نتایج نشان می‌دهد که نظریه نظام‌های بوم‌شناختی، شامل خردنظام، میان‌نظام، کلان‌نظام و کرونونظام، می‌تواند به عنوان یکی از نظریه‌های اصلی در فهم استفاده از پورنوگرافی سایبری مورد توجه قرار گیرد. علاوه بر این، تعامل عوامل مرتبط نیز باید به طور عمیق‌تری بررسی شود تا به پیشگیری و مداخله در استفاده از پورنوگرافی سایبری در آینده کمک کند.

Support for the growing population of family caregivers in the United States remains a challenging public health issue. With a limited workforce to support families coping with chronic and degenerative conditions, caregivers are turning to individualized approaches to gain information and emotional support. One approach that may be gaining popularity in caregiving support is the use of Artificial Intelligence (AI) chatbots. This study examined caregivers' awareness and general use of AI chatbots, their use of AI chatbots for caregiving purposes, and variations in these outcomes by individual characteristics (e.g., the Big 5 personality traits, internet literacy, cognitive ability) and caregiving contextual factors (e.g., caregiving relationship, caregiving stress, the health condition of the care recipient). To this end, we used one of the waves of the Understanding America Study-Caregiving Lifecourse Experiences Assessed in Real-time (UAS-CLEAR), a longitudinal study of caregivers in the U.S. The sample consisted of 1,300 caregivers, with data collected between August and October 2025. We employed a cross-sectional, mixed-methods design, combining quantitative analysis of structured survey items with thematic coding of open-ended responses. Of the 487 respondents who reported being AI chatbot users, 25% used the technology for caregiving. Those who were more likely to use AI for caregiving were higher in openness, lower in internet literacy, lower in cognitive ability, helped with more caregiving tasks, and were more uncertain in their caregiving role. Over half (58%) used AI chatbots for information about caregiving, 34% for emotional support related to caregiving, and 37% reported other uses. Open-ended responses about individuals' experiences using AI chatbots for caregiving also revealed that the most common reason for use was information seeking. In addition, caregivers found the chatbot support to be useful, while acknowledging some limitations of their use. Future research should examine perceptions of AI chatbots among non-users, the mechanisms linking individual traits to caregiving-related chatbot use, and the longitudinal effects of such use on caregiver well-being.

حمایت از جمعیت رو به رشد مراقبان خانوادگی در ایالات متحده همچنان یک مسئله چالش‌برانگیز در حوزه سلامت عمومی است. با توجه به نیروی کار محدود برای حمایت از خانواده‌هایی که با شرایط مزمن و تحلیل‌برنده مواجه هستند، مراقبان به رویکردهای فردی برای کسب اطلاعات و حمایت عاطفی روی آورده‌اند. یکی از رویکردهایی که ممکن است در حمایت از مراقبان محبوبیت بیشتری پیدا کند، استفاده از چت‌بات‌های هوش مصنوعی (AI) است. این مطالعه به بررسی آگاهی و استفاده کلی مراقبان از چت‌بات‌های هوش مصنوعی، استفاده آن‌ها از چت‌بات‌های هوش مصنوعی برای اهداف مراقبتی، و تفاوت‌های این پیامدها بر اساس ویژگی‌های فردی (مانند پنج عامل بزرگ شخصیت، سواد اینترنتی، توانایی شناختی) و عوامل زمینه‌ای مراقبت (مانند نوع رابطه مراقبتی، استرس مراقبت، وضعیت سلامت دریافت‌کننده مراقبت) پرداخت. بدین منظور، یکی از موج‌های مطالعه Understanding America Study-Caregiving Lifecourse Experiences Assessed in Real-time (UAS-CLEAR)، که یک مطالعه طولی درباره مراقبان در ایالات متحده است، مورد استفاده قرار گرفت. نمونه شامل ۱۳۰۰ مراقب بود و داده‌ها بین اوت و اکتبر ۲۰۲۵ جمع‌آوری شد. ما از یک طرح مقطعی با روش‌های ترکیبی استفاده کردیم که تحلیل کمی پرسش‌های ساختاریافته پرسشنامه را با کدگذاری تماتیک پاسخ‌های باز ترکیب می‌کرد. از میان ۴۸۷ پاسخ‌دهنده‌ای که گزارش کردند کاربر چت‌بات هوش مصنوعی هستند، ۲۵٪ از این فناوری برای مراقبت استفاده کردند. افرادی که احتمال بیشتری داشت از هوش مصنوعی برای مراقبت استفاده کنند، در باز بودن بالاتر، در سواد اینترنتی پایین‌تر، در توانایی شناختی پایین‌تر، در انجام وظایف مراقبتی بیشتر و در نقش مراقبتی خود نامطمئن‌تر بودند. بیش از نیمی (۵۸٪) از چت‌بات‌های هوش مصنوعی برای کسب اطلاعات درباره مراقبت، ۳۴٪ برای حمایت عاطفی مرتبط با مراقبت و ۳۷٪ برای سایر کاربردها استفاده کردند. پاسخ‌های باز درباره تجربه افراد از استفاده از چت‌بات‌های هوش مصنوعی برای مراقبت نیز نشان داد که رایج‌ترین دلیل استفاده، جستجوی اطلاعات بوده است. علاوه بر این، مراقبان حمایت چت‌بات را مفید یافتند، در حالی که به برخی محدودیت‌های استفاده از آن نیز اذعان داشتند. پژوهش‌های آتی باید به بررسی ادراکات نسبت به چت‌بات‌های هوش مصنوعی در میان غیرکاربران، سازوکارهای پیونددهنده ویژگی‌های فردی با استفاده مراقبتی از چت‌بات و اثرات طولی چنین استفاده‌ای بر بهزیستی مراقبان بپردازند.