فاطمه عسکریان - Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran
وحید قوامی - Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran
محمدتقی شاکری - Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran
جمشید جمالی - Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran

مقدمه: در کنار مزایای فراوان اینترنت، آثار مخرب آن خصوصا در حوزه سلامت مورد بحث است. پرسش نامه اعتیاد به اینترنت یانگ (Internet Addiction Test -IAT) از کاربردی ترین ابزارهای تشخیصی اعتیاد به اینترنت است. تحلیل عملکرد افتراقی گویه‎ها، بخش مهمی از توسعه ابزار و اعتبارسنجی یک پرسشنامه محسوب می گردد. تحلیل عملکرد افتراقی با هدف جلوگیری از نتایج نادرست، به بررسی یکسان بودن درک افراد از گویه‎های پرسش نامه در زیرگروه های مختلف می پردازد. هدف از انجام این مطالعه بررسی اعتبار سنجی نسخه فارسی پرسش نامه IAT در میان دانشجویان علوم پزشکی مشهد بود. مواد و روش ها: در این مطالعه مقطعی که به بررسی عملکرد افتراقی پرسش نامه IAT می پردازد، ۳۱۷ نفر از دانشجویان شاغل به تحصیل دانشگاه علوم پزشکی مشهد در نیمه دوم سال تحصیلی ۹۸-۱۳۹۷ مورد بررسی قرار گرفتند. اطلاعات مورد نیاز در این مطالعه با استفاده از پرسشنامه IAT و اطلاعات جمعیت شناختی و ویژگیهای رفتاری جمع آوری شد. جهت بررسی افتراق سوالات از مدل های مدل چند شاخصی چند علیتی (MIMIC) و مدل چند شاخصی چند علیتی چندگروهی (MG-MIMIC) استفاده گردید. یافته ها: میانگین نمره پرسشنامه IAT در این مطالعه ۱۱/۷۰±۴۰/۹۲ بود که براساس نقطه برش ۴۶، ۵/۲۹ درصد از دانشجویان اعتیاد به اینترنت داشتند. نتایج مدل های MIMIC بیانگرعدم وجود افتراق در هر یک از سوالات پرسش نامه IAT است. همچنین در نظر گرفتن ساختار گروه بندی تاثیر چندانی در تشخیص سوالات فاقد هم نداشته است، چرا که در مدل MG-MIMIC، نتایج تقریبا مشابه با مدل MIMIC بدست آمد. نتیجه گیری: با توجه به عدم وجود افتراق قابل توجه در سوالات پرسش نامه IAT و برقراری فرض مقیاس آن، مقایسه نمرات بین افراد در دو گروه از اعتبار کافی برخوردار است و می توان این مطالعه را  پشتیبانی تجربی از پرسش نامه IAT به عنوان ابزاری معتبر و از نظر ساختاری با ثبات، دانست.

Internet Addiction, Differential Item Functioning, Multiple Indicator Multiple Causal Model (MIMIC), Multiple Group Multiple Indicator Multiple Causal Model (MG-MIMIC), Student, Mashhad University of Medical Sciences, اعتیاد به اینترنت, مدل چند شاخصی چند علیتی, مدل چند شاخصی چند علیتی چندگروهی, دانشجو, دانشگاه علوم پزشکی مشهد