L’\u00c9chelle de surutilisation des m\u00e9dias num\u00e9riques<\/strong> (Digital Media Overuse Scale<\/em> [dMOS] ; Hipp et al., 2023) a \u00e9t\u00e9 con\u00e7ue pour \u00e9valuer de mani\u00e8re cibl\u00e9e, granulaire et \u00e9volutive les comportements probl\u00e9matiques et les attitudes dysfonctionnelles associ\u00e9s \u00e0 l’usage excessif des technologies num\u00e9riques. Face aux limites conceptuelles des instruments psychom\u00e9triques traditionnels qui appr\u00e9hendent souvent \u00ab Internet \u00bb comme une entit\u00e9 monolithique et uniforme, la dMOS se distingue par son architecture modulaire et adaptative. Cette conception permet d’examiner s\u00e9par\u00e9ment les diff\u00e9rents \u00e9cosyst\u00e8mes m\u00e9diatiques tout en maintenant un cadre structurel invariant capable d’int\u00e9grer les futures mutations technologiques.<\/p>\n L’instrument explore cinq domaines fondamentaux : les jeux vid\u00e9o num\u00e9riques (gaming<\/em>), la consommation de pornographie en ligne, l’usage des r\u00e9seaux sociaux, le visionnage de vid\u00e9os et flux en continu (streaming<\/em>), ainsi que l’utilisation g\u00e9n\u00e9rale du smartphone en tant que support physique ubiquitaire. Le r\u00e9servoir initial d’indicateurs comprenait 81 questions, dont 14 items centraux d\u00e9clin\u00e9s pour chaque domaine d’activit\u00e9 m\u00e9diatique (\u00e9valuant des dimensions cliniques fondamentales telles que la perte de contr\u00f4le, la tol\u00e9rance, le sevrage psychologique et la modification de l’humeur), compl\u00e9t\u00e9s par des items sp\u00e9cifiques au support mat\u00e9riel pour le smartphone (totalisant 18 items pour ce module mat\u00e9riel). L’\u00e9chelle de r\u00e9ponse originale comporte cinq options ordonn\u00e9es : 0 (not at all<\/em> \/ pas du tout), 1 (sometimes<\/em> \/ parfois), 2 (often<\/em> \/ souvent), 3 (always<\/em> \/ toujours), et 4 (recod\u00e9 en non applicable [N\/A] dans les analyses statistiques).<\/p>\n Sur le plan psychom\u00e9trique, les analyses reposent sur un \u00e9chantillon de 800 \u00e9tudiants universitaires am\u00e9ricains ainsi que sur un groupe clinique de comparaison en qu\u00eate de soins th\u00e9rapeutiques sp\u00e9cialis\u00e9s. Contrairement aux approches factorielles lin\u00e9aires classiques, les auteurs ont privil\u00e9gi\u00e9 l’analyse de classes latentes<\/strong> (Latent Class Analysis<\/em> [LCA]) pour mod\u00e9liser l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des profils d’utilisateurs au sein de chaque domaine, r\u00e9v\u00e9lant de mani\u00e8re robuste entre deux et trois classes distinctes de s\u00e9v\u00e9rit\u00e9 par sous-\u00e9chelle. La coh\u00e9rence interne globale s’est av\u00e9r\u00e9e exceptionnelle, avec un coefficient alpha de Cronbach<\/a> de 0,948 pour l’ensemble des indicateurs agr\u00e9g\u00e9s. Les sous-\u00e9chelles sectorielles pr\u00e9sentent des indices de fiabilit\u00e9 \u00e9lev\u00e9s : jeux vid\u00e9o (α = 0,916), pornographie (α = 0,887), r\u00e9seaux sociaux (α = 0,891), vid\u00e9os en continu (α = 0,898) et smartphone (α = 0,887). La validit\u00e9 externe a \u00e9t\u00e9 \u00e9tay\u00e9e par la concordance remarquable observ\u00e9e entre les profils de patients cliniques et la classe latente la plus s\u00e9v\u00e8re issue des mod\u00e9lisations statistiques.<\/p>\n Addictions comportementales, surutilisation des m\u00e9dias num\u00e9riques, analyse de classes latentes, smartphone, r\u00e9seaux sociaux, jeux vid\u00e9o en ligne, streaming, pornographie sur Internet, psychom\u00e9trie, validit\u00e9 externe, fid\u00e9lit\u00e9 du test, perte de contr\u00f4le.<\/p>\n L’\u00e9chelle dMOS a \u00e9t\u00e9 d\u00e9velopp\u00e9e et valid\u00e9e par une \u00e9quipe multidisciplinaire de cliniciens et d’universitaires sp\u00e9cialis\u00e9s dans les neurosciences cognitives, la psychologie du d\u00e9veloppement et la prise en charge des cyberaddictions :<\/p>\n L’objectif fondamental de la Digital Media Overuse Scale (dMOS)<\/strong> est de fournir un instrument standardis\u00e9, modulaire et th\u00e9oriquement fond\u00e9 permettant de mesurer avec pr\u00e9cision les comportements compulsifs, la perte d’autor\u00e9gulation et les attitudes dysfonctionnelles li\u00e9s \u00e0 la surutilisation des m\u00e9dias num\u00e9riques. Pendant plusieurs d\u00e9cennies, la recherche psychologique s’est appuy\u00e9e sur des concepts globaux tels que l’\u00ab addiction \u00e0 Internet \u00bb (Internet Addiction<\/em>), mesur\u00e9e par des outils g\u00e9n\u00e9ralistes comme l’Internet Addiction Test<\/em> (IAT ; Young, 1998). Or, l’av\u00e8nement du Web interactif, des algorithmes de recommandation personnalis\u00e9s et de l’acc\u00e8s mobile omnipr\u00e9sent a rendu caduque l’id\u00e9e qu’Internet constitue un m\u00e9dia homog\u00e8ne. Les individus ne d\u00e9veloppent pas une d\u00e9pendance au r\u00e9seau en tant que vecteur technique, mais s’engagent de mani\u00e8re compulsive dans des activit\u00e9s sp\u00e9cifiques h\u00e9berg\u00e9es sur ce r\u00e9seau, chacune mobilisant des contingences de renforcement et des processus neuropsychologiques distincts.<\/p>\n La dMOS a donc \u00e9t\u00e9 con\u00e7ue pour r\u00e9pondre \u00e0 une triple n\u00e9cessit\u00e9 :<\/p>\n En pratique clinique, la dMOS offre un profil diagnostique fin facilitant l’orientation th\u00e9rapeutique, le triage des patients et l’\u00e9valuation cibl\u00e9e des interventions cognitives et comportementales. En milieu de recherche, elle permet d’\u00e9tudier l’\u00e9tiologie diff\u00e9rentielle des cyberd\u00e9pendances, d’analyser les comorbidit\u00e9s psychopathologiques (d\u00e9pression, anxi\u00e9t\u00e9 sociale, TDAH) et d’examiner l’interaction entre les vuln\u00e9rabilit\u00e9s individuelles et les architectures de captologie num\u00e9rique propres \u00e0 chaque plateforme.<\/p>\n Le construit psychologique op\u00e9rationnalis\u00e9 par la dMOS repose sur le concept de surutilisation probl\u00e9matique des m\u00e9dias num\u00e9riques<\/strong> (problematic digital media overuse<\/em>), envisag\u00e9e comme une forme d’addiction comportementale<\/a> caract\u00e9ris\u00e9e par une incapacit\u00e9 \u00e0 r\u00e9guler sa consommation en d\u00e9pit de cons\u00e9quences n\u00e9gatives tangibles. Contrairement aux approches unidimensionnelles, la dMOS con\u00e7oit ce construit comme un ensemble de facettes symptomatiques communes r\u00e9pliqu\u00e9es au travers de domaines comportementaux ind\u00e9pendants.<\/p>\n Chaque domaine de contenu repose sur un noyau d’indicateurs \u00e9valuant les composantes classiques du trouble de l’usage selon les crit\u00e8res diagnostiques contemporains :<\/p>\n Le d\u00e9veloppement de la dMOS s’enracine dans une articulation th\u00e9orique int\u00e9grant le mod\u00e8le des composantes de l’addiction<\/strong> (Griffiths, 2005), le mod\u00e8le I-PACE<\/strong> (Interaction of Person-Affect-Cognition-Execution<\/em> ; Brand et al., 2016, 2019) et la th\u00e9orie de l’usage compensatoire d’Internet<\/strong> (Compensatory Internet Use Theory<\/em> [CIUT] ; Kardefelt-Winther, 2014).<\/p>\n Le cadre I-PACE postule que l’\u00e9mergence d’une utilisation probl\u00e9matique d’applications en ligne r\u00e9sulte d’une interaction complexe entre des pr\u00e9dispositions individuelles fondamentales (P : facteurs g\u00e9n\u00e9tiques, traits de personnalit\u00e9, psychopathologie sous-jacente), des r\u00e9ponses affectives et cognitives \u00e0 des d\u00e9clencheurs sp\u00e9cifiques (A et C : attentes de gratification, biais attentionnels, m\u00e9canismes de coping inadapt\u00e9s) et une d\u00e9gradation progressive des fonctions ex\u00e9cutives (E : contr\u00f4le inhibiteur et prise de d\u00e9cision). La structure modulaire de la dMOS s’aligne fid\u00e8lement sur ce mod\u00e8le : elle postule que les stimuli d\u00e9clencheurs et les processus de conditionnement diff\u00e8rent drastiquement selon le type de m\u00e9dia. Ainsi, un joueur en ligne peut pr\u00e9senter des biais cognitifs li\u00e9s au contr\u00f4le et au statut social, tandis qu’un consommateur compulsif de r\u00e9seaux sociaux r\u00e9agit prioritairement \u00e0 l’anxi\u00e9t\u00e9 d’exclusion et aux renforcements intermittents d’approbation sociale.<\/p>\n Sur le plan symptomatique, la dMOS operationalise les six crit\u00e8res universels de Griffiths (2005) : la pr\u00e9\u00e9minence (salience<\/em>), la modification de l’humeur (mood modification<\/em>), la tol\u00e9rance (tolerance<\/em>), le sevrage (withdrawal<\/em>), le conflit (conflict<\/em>) et la rechute (relapse<\/em>). En adaptant ces six dimensions au sein de chacun des modules applicatifs, la dMOS valide l’hypoth\u00e8se selon laquelle les addictions comportementales num\u00e9riques partagent une ph\u00e9nom\u00e9nologie centrale commune mais s’expriment au travers de canaux \u00e9cologiques profond\u00e9ment diversifi\u00e9s.<\/p>\n Un apport th\u00e9orique majeur des auteurs de la dMOS r\u00e9side dans la formalisation de la fronti\u00e8re entre le vecteur mat\u00e9riel (le terminal intelligent) et le contenu symbolique h\u00e9berg\u00e9. Historiquement, la litt\u00e9rature a confondu l’addiction au smartphone avec l’addiction aux activit\u00e9s m\u00e9diatis\u00e9es par le smartphone. En s’appuyant sur les sciences de la cognition incarn\u00e9e et la psychologie des affordances, Hipp et al. (2023) soutiennent que le smartphone modifie l’environnement perceptif imm\u00e9diat de l’individu par sa simple pr\u00e9sence spatiale (effet de saillance contextuelle et de r\u00e9duction de la capacit\u00e9 cognitive r\u00e9siduelle), justifiant une mod\u00e9lisation th\u00e9orique distincte des contenus immat\u00e9riels.<\/p>\n Les preuves de validit\u00e9 de la Digital Media Overuse Scale<\/strong> reposent sur une analyse rigoureuse de la validit\u00e9 de construit, de la validit\u00e9 discriminante et d’une premi\u00e8re mod\u00e9lisation de la validit\u00e9 externe clinique rapport\u00e9e par Hipp et al. (2023).<\/p>\n La validit\u00e9 de construit a \u00e9t\u00e9 document\u00e9e au moyen de l’analyse de classes latentes<\/a> (LCA). Plut\u00f4t que de postuler arbitrairement une distribution continue uniforme de la s\u00e9v\u00e9rit\u00e9, l’analyse a test\u00e9 l’hypoth\u00e8se selon laquelle les comportements d’utilisation s’agr\u00e8gent en sous-populations qualitativement et quantitativement distinctes. L’analyse a d\u00e9montr\u00e9 que pour chacun des cinq domaines, un mod\u00e8le comprenant deux \u00e0 trois classes pr\u00e9sentait les meilleurs indices d’ajustement statistique (crit\u00e8re d’information bay\u00e9sien [BIC] et crit\u00e8re d’Akaike [AIC]), confirmant la validit\u00e9 des dimensions sous-jacentes pour discriminer les utilisateurs normatifs\/r\u00e9cr\u00e9atifs des profils dysfonctionnels ou hautement d\u00e9pendants.<\/p>\n L’\u00e9valuation de la validit\u00e9 externe a \u00e9t\u00e9 men\u00e9e en confrontant les profils latents identifi\u00e9s au sein de la cohorte g\u00e9n\u00e9rale (N = 800 \u00e9tudiants universitaires) aux donn\u00e9es recueillies aupr\u00e8s d’une cohorte clinique ind\u00e9pendante compos\u00e9e de patients sollicitant un suivi th\u00e9rapeutique au sein d’un centre sp\u00e9cialis\u00e9 dans le traitement des abus technologiques (Digital Media Treatment and Education Center<\/em>). Les r\u00e9sultats ont r\u00e9v\u00e9l\u00e9 une convergence probante :<\/p>\n Les corr\u00e9lations inter-modules ont confirm\u00e9 que les domaines mesurent des entit\u00e9s comportementales bien diff\u00e9renci\u00e9es. Par exemple, une surutilisation s\u00e9v\u00e8re de la pornographie en ligne n’est que mod\u00e9r\u00e9ment corr\u00e9l\u00e9e avec la surutilisation des r\u00e9seaux sociaux, soulignant que la dMOS \u00e9vite le pi\u00e8ge de la colin\u00e9arit\u00e9 excessive qui affectait les anciens questionnaires globaux d’addiction \u00e0 Internet.<\/p>\n La fid\u00e9lit\u00e9 psychom\u00e9trique de la dMOS a \u00e9t\u00e9 \u00e9valu\u00e9e sous l’angle de la coh\u00e9rence interne des indicateurs au sein de l’\u00e9chantillon normatif principal de 800 participants universitaires.<\/p>\n L’ensemble des 80 questions indicatrices mobilis\u00e9es lors de l’exp\u00e9rimentation (apr\u00e8s retrait des items pi\u00e8ges \/ foils<\/em> m\u00e9thodologiques) a produit un coefficient alpha de Cronbach global de 0,948<\/strong>. Cette valeur d\u00e9note une excellente consistance interne transversale et prouve que l’armature g\u00e9n\u00e9rale des questions saisit un construit unifi\u00e9 de d\u00e9sr\u00e9gulation comportementale.<\/p>\n Conform\u00e9ment aux pr\u00e9conisations psychom\u00e9triques, la coh\u00e9rence interne a \u00e9t\u00e9 calcul\u00e9e s\u00e9par\u00e9ment pour chaque domaine modulaire afin d’attester de la fiabilit\u00e9 propre \u00e0 chaque \u00e9chelle d’\u00e9valuation :<\/p>\n Tous les coefficients de fid\u00e9lit\u00e9 obtenus d\u00e9passent largement le seuil standard de 0,70 pr\u00e9conis\u00e9 par la communaut\u00e9 scientifique pour la recherche empirique, et franchissent \u00e9galement le seuil plus exigeant de 0,85 requis pour une utilisation comme outil d’\u00e9valuation clinique individuelle.<\/p>\n Sur le plan de l’investigation structurelle, les auteurs de la dMOS ont d\u00e9lib\u00e9r\u00e9ment privil\u00e9gi\u00e9 une approche de mod\u00e9lisation centr\u00e9e sur la personne par analyse de classes latentes exploratoire<\/strong> (Exploratory Latent Class Analysis<\/em> [LCA]), plut\u00f4t qu’une analyse factorielle exploratoire (AFE) ou confirmatoire (AFC) lin\u00e9aire traditionnelle.<\/p>\n L’analyse factorielle classique postule que les variations individuelles se distribuent selon des dimensions lin\u00e9aires continues le long desquelles l’ensemble des sujets peut \u00eatre ordonn\u00e9 de mani\u00e8re uniforme. Or, en psychopathologie computationnelle et dans l’\u00e9tude des d\u00e9pendances, les manifestations cliniques op\u00e8rent fr\u00e9quemment par sauts qualitatifs et ruptures de seuil. L’analyse LCA permet de classer les individus en groupes mutuellement exclusifs (les \u00ab classes latentes \u00bb) partageant des profils de probabilit\u00e9s de r\u00e9ponse similaires \u00e0 travers le r\u00e9servoir d’items d’un domaine donn\u00e9.<\/p>\n L’analyse LCA exploratoire a \u00e9t\u00e9 men\u00e9e de fa\u00e7on ind\u00e9pendante sur chacun des cinq \u00e9cosyst\u00e8mes num\u00e9riques (jeux vid\u00e9o, pornographie, r\u00e9seaux sociaux, plateformes de vid\u00e9o, smartphone). L’hypoth\u00e8se a priori des auteurs, voulant que l’analyse d\u00e9gage au minimum deux classes de r\u00e9pondants (un profil non probl\u00e9matique et un profil probl\u00e9matique), a \u00e9t\u00e9 pleinement confirm\u00e9e :<\/p>\n Cette segmentation confirme la sensibilit\u00e9 discriminante de la dMOS et soutient empiriquement son utilit\u00e9 pour op\u00e9rer un rep\u00e9rage pr\u00e9coce des populations vuln\u00e9rables avant l’installation d’une pathologie chronique.<\/p>\n L’instrument se caract\u00e9rise par une structure standardis\u00e9e con\u00e7ue selon les sp\u00e9cifications m\u00e9thodologiques suivantes :<\/p>\n Les publications fondatrices et r\u00e9f\u00e9rences th\u00e9oriques r\u00e9gissant la dMOS comprennent :<\/p>\n L’\u00c9chelle de surutilisation des m\u00e9dias num\u00e9riques (dMOS) est un outil psychom\u00e9trique modulaire \u00e9valuant la surutilisation probl\u00e9matique des jeux vid\u00e9o, des r\u00e9seaux sociaux, de la pornographie, du streaming et des smartphones via l’analyse de classes latentes.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[513,2,25639],"tags":[11288,25641,25640,649,16,418,15425],"class_list":["post-16084","psych_scale","type-psych_scale","status-publish","hentry","category-addictions-comportementales","category-psychometrie","category-technologies-et-sante-mentale","tag-addictions-comportementales","tag-analyse-de-classes-latentes","tag-dmos","tag-jeux-video","tag-psychometrie","tag-reseaux-sociaux","tag-smartphone"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/16084","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=16084"}],"version-history":[{"count":1,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/16084\/revisions"}],"predecessor-version":[{"id":16085,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/16084\/revisions\/16085"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=16084"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=16084"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=16084"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
\n
5. Construit psychologique \/ Construct<\/h2>\n
1. Architecture transversale des sympt\u00f4mes (Le squelette d’indicateurs)<\/h3>\n
\n
2. Les cinq domaines sp\u00e9cifiques \u00e9valu\u00e9s par la dMOS<\/h3>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
1. Le mod\u00e8le I-PACE comme prisme \u00e9tiologique<\/h3>\n
2. Le mod\u00e8le des composantes de Griffiths<\/h3>\n
3. La dissociation ph\u00e9nom\u00e9nologique entre vecteur et contenu<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
1. Validit\u00e9 de construit et typologie latente<\/h3>\n
2. Validit\u00e9 externe et confrontation clinique<\/h3>\n
\n
3. Validit\u00e9 divergente entre les domaines<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
1. Coh\u00e9rence interne globale<\/h3>\n
2. Fiabilit\u00e9 sectorielle par domaine<\/h3>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
1. Justification m\u00e9thodologique de l’analyse de classes latentes<\/h3>\n
2. R\u00e9sultats de l’analyse de classes latentes par domaine<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n 0<\/strong> = Not at all<\/em> (Pas du tout)
\n 1<\/strong> = Sometimes<\/em> (Parfois)
\n 2<\/strong> = Often<\/em> (Souvent)
\n 3<\/strong> = Always<\/em> (Toujours)
\n 4<\/strong> = N\/A<\/em> (Recod\u00e9 en valeur manquante \/ non applicable dans le logiciel R).<\/li>\n\n
11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
\n Dr Daniel Hipp<\/strong>, Digital Media Treatment and Education Center<\/em>, Boulder, Colorado, \u00c9tats-Unis.
\n Courriel : professordanhipp@gmail.com<\/a>.<\/li>\n<\/ul>\n12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n