游戲自我調節的測量及其與電競專長的關系

摘 要 自我調節是通過調節自身認知和行為來實現目標的過程，其與游戲專長及表現關系密切。為探討自我調節與電競專長的潛在關系，研究1招募535名大學生游戲玩家，修訂了中文版游戲自我調節量表。研究2考察了112名《英雄聯盟》玩家的游戲自我調節與游戲排名的相關關系。研究3檢驗了28名《王者榮耀》職業選手與28名業余玩家的游戲自我調節差異。結果發現，中文版游戲自我調節量表具有較好的信度與效度；游戲自我調節可預測6.9%～9.3%的游戲排名；職業選手的游戲自我調節水平高于業余玩家。修訂后的游戲自我調節量表驗證了游戲自我調節和電競專長的積極聯系，為電競評估、選材提供了新的測量工具。

關鍵詞 自我調節；游戲玩家；職業選手；電子競技；專長

分類號 B849；B842

DOI：10.16842/j.cnki.issn2095-5588.2024.08.002

1 引言

自我調節是班杜拉社會認知理論的核心概念之一，強調在較高的動機驅使下通過調節自己的認知和行為來實現目標（Bandura， 1991）。社會認知理論認為自我調節通過以下三個方面實現調節作用：對自己的動機、行為及其影響的認知和監控；從內在和外界標準評價個人行為；情感上的自我反映與調節。自我調節目前已經成為解釋個體學業表現甚至運動表現等方面的重要因子之一（Jordet， 2015; Winne， 2001）。

近幾年越來越多的學者開始關注并探討自我調節對游戲玩家認知和情緒等的影響。Harma等（2015）通過實驗發現游戲是一個消耗自我調節資源的過程，這提示自我調節與游戲過程密切關聯。進一步的研究顯示，自我調節在玩家的游戲動機和幸福感之間起調節作用：擁有更和諧的游戲動機的玩家自我調節水平更高，而更高強迫性動機的玩家自我調節水平較低（Luxford et al.， 2022）。自我調節對游戲玩家的積極影響可能是多方面的。更高的自我調節水平與玩家的自我效能感、積極應對和積極情緒呈正相關，與消極情緒呈負相關（Diehl et al.， 2006）。還有研究發現，較高的自我調節與更高的責任心、更低的沖動性相關（Collins et al.， 2012; Liau et al.， 2015）。此外，有研究顯示較低的自我調節可能導致過度游戲（Lee amp; LaRose， 2007）。綜上，自我調節通過影響游戲玩家的情緒和動機，影響游戲行為。

除探討自我調節與游戲玩家情緒、動機等的關系，研究者還從游戲專長角度，探討了不同水平游戲玩家自我調節能力及過程方面的差異。Meryem和Bruning等（2016）結合游戲情景開發了游戲自我調節量表（Game Self-Regulation Scale， GSRS），將《英雄聯盟》游戲大學生玩家分為專業玩家、中等玩家和低水平玩家，發現游戲自我調節可區分不同水平的玩家。最近一項研究對比了《反恐精英：全球攻勢》國家聯賽職業選手和大學生玩家，但發現職業選手的自我調節水平更低（Trotter et al.， 2023），這與上述研究結果不一致。還有研究對比了北美高校電競隊和次水平玩家的自我調節過程，發現二者的差異主要體現在游戲的預先思考階段（Kleinman et al.， 2021）。根據Winne和Zimmerman（2001）提出的自我調節四階段模型（任務定義、目標設定、制定計劃和調整策略），預先思考反映了專家的目標設定和制定具體計劃這一階段的自我調節特征。這些研究提示了自我調節與電競專長的積極聯系。此外，一項團隊層面的研究將DOTA2業余玩家分為高、低自我調節水平兩組，自我調節水平較高的玩家比低水平玩家的競技表現更好、競技投入更高且有更多的團隊合作行為（Wang et al.， 2022）。總體上，第一，目前自我調節研究多關注業余玩家，針對職業選手的研究仍較少且結論不統一；第二，已有自我調節量表多基于普通人群修訂，缺乏玩家常模；第三，Meryem和Bruning等（2016）的游戲自我調節量表是否適合中國的游戲文化仍需驗證。為了進一步驗證自我調節在電競專長中的作用，可招募不同玩家群體，結合游戲項目作進一步研究。

在自我調節的測量工具方面，Carey等（2004）編制的自我調節問卷為單因素結構，包括31個條目，如“我為自己設立目標并追蹤自己的進展”等。Diehl等（2006）編制了包含10個條目的自我調節量表（Self-Regulation Scale， SRS），該量表偏向注意控制，如條目“我可以控制自己的思緒，不讓自己從手頭的工作中分心”。董維（2023）后續根據該英文量表，修訂了中文版自我調節量表。Meryem和Bruning等（2016）結合游戲項目，基于自我調節四階段模型，開發了游戲自我調節量表，并檢驗了該量表對不同水平玩家專長的區分效度。由于電競需要大量的計劃、預判、復盤等認知過程的參與，故Winne的自我調節模型可能更適用于開發游戲自我調節量表。自我調節是電競專長的重要影響因子，但目前尚沒有可用的中文版游戲自我調節量表。為了進一步驗證自我調節與電競專長的聯系，有必要修訂中文版游戲自我調節量表。

為了驗證自我調節在電競專長中的作用，本研究通過招募大學生游戲玩家和職業選手，首先在修訂中文版游戲自我調節量表的基礎上，進一步探索游戲自我調節對電競表現的預測效果，并檢驗職業選手和業余玩家的游戲自我調節差異。本研究取得了Meryem編制的游戲自我調節量表修訂授權，經過了倫理審核（編號20230221），在OSF預注冊（https：//osf.io/xrsve），期望拓展該量表在電競領域的應用，為中國電競心理測量評估提供新工具。

2 研究1：中文版游戲自我調節量表的修訂

研究1招募大學生游戲玩家，修訂中文版的游戲自我調節量表。

2.1 研究對象

選取高校大學生游戲玩家為研究對象，游戲類型和游戲水平不限，未確診神經或心理障礙。通過方便取樣，線上發放問卷，招募了北京、廣州、長沙等城市的大學生玩家，剔除測謊題答錯、規律作答、作答時間過短等無效問卷，共收集4批樣本，有效數據共729人次。采用隨機法將樣本分半，分別用于探索性因子分析和驗證性因子分析。

樣本1（n1=270）的數據用于探索性因子分析，以確定問卷條目和結構。男生138人，女生132人，平均年齡20.80±2.39歲。

樣本2（n2=265）的數據用于驗證性因子分析，驗證問卷結構的穩定性。其中，男生141人，女生124人，平均年齡20.92±2.35歲。

樣本3（n3=102）的數據用于分析中文版5點計分和原量表百分制的一致性。英文游戲自我調節量表的作答為百分制。在前期挑剔性閱讀中，被試反饋百分制作答較為困難，因此將中文量表改為5點計分。為了驗證五點計分和百分制的一致性，從樣本1和樣本2中招募大學生構成樣本3，2天后重測，男生40人，女生62人，平均年齡20.57±2.93歲。

樣本4（n4=92）的數據用于分析重測信度。從樣本1和樣本2中招募被試時隔4周進行重測，男生37人，女生55人，平均年齡20.36±2.55歲。

2.2 研究材料

游戲自我調節量表由Meryem等人開發，共26個條目（Meryem amp; Bruning， 2016）。問卷采用百分制對每個條目的行為頻率打分，0=從不，25=很少，50=有時，75=經常，100=總是，修訂后轉為五級評分。無反向計分，總分越高表明玩家在游戲中的自我調節能力越高。元認知是對自我認知過程等的認知。班杜拉提出的自我調節強調對自己認知的理解和調控，與元認知有一定聯系，此外對自己情緒的覺察和調控也是自我調節的作用機制之一（Bandura， 1991）。游戲元認知則強調對游戲相關情緒的認知（Dang et al.， 2022），因此納入一般性的自我調節量表、元認知量表和游戲元認知量表作為效標。

自我調節量表由Diehl和Semegon（2006）編制，董維（2023）修訂。中文版自我調節量表包含10個條目，李克特4級評分：1=完全不正確；4=完全正確。總分越高說明自我調節水平越高。量表的Cronbach’s α系數為0.90。

元認知量表由Cartwright-Hatton和Wells編制（Cartwright-Hatton amp; Wells， 1997），范文超等（2017）修訂。選擇元認知量表中的認知自我意識分量表作為效標，共6個條目，李克特4級評分：1=一點兒也不同意，4=非常同意。總分越高表明對自己思維過程的關注程度越高，Cronbach’s α系數為0.77。

游戲元認知量表由Spada和Caselli（2017）編制，Dang等（2022）修訂。中文版游戲元認知量表共包含11個條目，4級評分：1=不同意，4=非常同意。該量表1～6題測量負性情緒的游戲元認知，7～11題測量正性情緒的游戲元認知，分數越高表示負性或正性情緒的元認知水平越高，內部一致性系數分別為0.90和0.92。

2.3 研究程序

中文版量表的修訂步驟：

（1）通過E-mail聯系游戲自我調節量表的原作者，取得量表資料和修訂授權。

（2）首先由2名心理學專業的研究生分別獨立翻譯原量表題目，然后相互討論直到形成一致的中文量表。

（3）請10名具有不同游戲背景的玩家對中文量表進行挑剔性閱讀，研究者逐一與玩家討論后根據反饋適當修改中文量表的條目表述。

（4）請3名英語水平較高者（要求有游戲背景且有研究生學歷）對中文量表進行回譯：一名英語專業的游戲從業者、一名有留學經歷的游戲從業者、一名英語與心理學雙學位研究生。回譯后，研究者檢查中文量表與英文量表中不一致的條目，與回譯者細致討論并再次完善中文量表。

（5）請1名具有電競研究背景的運動心理學教授對翻譯后的量表進行跨文化分析，優化不適合本土的條目或表述，形成最終施測的中文量表。

（6）招募國內游戲玩家。施測前呈現本次研究的主題與知情同意書，施測后發放報酬。

2.4 研究結果

使用SPSS26進行探索性因子分析，Amos26進行驗證性因子分析。

2.4.1 探索性因子分析

樣本1（n1=270）進行探索性因子分析。KMO值為0.958，Bartlett球形檢驗的結果達到顯著性水平，χ2=4363.474，df=325，plt;0.001，說明數據適合進行探索性因子分析。采用方差極大正交旋轉法，刪除因子載荷小于0.60的條目和跨因子載荷之差小于0.20的條目（Bandara et al.， 2016; Maskey et al.， 2017; Yuen amp; Thai， 2017），最終得到19個條目構成的單因子結構，與英文原量表結構一致。第一個因子的方差貢獻率為53.71%。因子載荷矩陣見表1。

根據項目反應理論，難度和區分度的計算采用多級計分模型，使用R 4.3.2軟件的“mirt package”包完成，結果見表2。因為量表是五級評分，所以包括四個難度值，d1到d4分別表述從第一級到第二級……第四級到第五級的難度。結果發現條目的難度分布范圍在［-3.30， 5.56］。總體上，大多數條目的難度都在［-5， 5］范圍內（周娟， 2014）。條目3、8、21、24難度d1大于5，表明這四個條目對于被試的基本正向反應（從“從不”到“很少”）要求很高。考慮到研究1施測的對象是大學生（大部分電競水平可能低于職業選手），因此這幾個條目難度較高的原因可能是被試群體對這4個條目的評分略低。本研究條目的區分度分布范圍為［0.79， 2.65］。根據0.30到3.00的區分度分布范圍標準（臧運洪等， 2012），所有條目的區分度尚可。

2.4.2 驗證性因子分析

為了進一步驗證模型擬合的效果，進行CFA（樣本2，n2=265）。結果χ2/df=2.448（≤3），說明模型絕對擬合優度達到可接受程度。在比較擬合優度方面，CFI和IFI、TLI達到了可接受的程度（≥0.9），然而NFI和GFI擬合欠佳（表3），進一步觀測相應的簡約擬合指標PNFI和PGFI，均達到可接受的擬合優度（gt;0.5）。RMSEA的90%CI在0.06和0.08之間，各條目在因子上的標準化路徑系數為0.53～0.76。此外，樣本量相關指標Hoelter（0.01）為139（gt;0.5），說明目前CFA的樣本量充足。以上結果表明修訂量表的結構模型達到可接受程度。

2.4.3 信效度檢驗

一致性信度：修訂后的19條中文游戲自我調節量表的Cronbach’s α系數為0.951（樣本1），說明量表信度好。根據樣本3，百分制和五級計分相關為0.808（plt;0.001）；將百分制結果等值轉化為五點計分（Dawes， 2008），使用配對樣本t檢驗，轉化后的百分制總分和五點計分總分無明顯差異（t=1.590， p=0.115）。以上說明中文量表五點計分的可靠性。

效標效度：游戲自我調節量表總分與元認知自我意識總分相關為0.438（plt;0.001），與游戲元認知的正性情緒相關為0.391（plt;0.001），負性情緒維度相關為0.197（plt;0.001），與自我調節量表總分相關為0.390（plt;0.001）。為了明確游戲自我調節和自我調節的相關是否與其他效標相關系數之間存在差異，采用Fisher檢驗，結果表明游戲自我調節與自我調節的相關系數（r1=0.390）和游戲自我調節與元認知之間的相關（r2=0.438）差異不顯著（p=0.780）；r1和游戲自我調節與游戲元認知的正性情緒（r3=0.391）的相關的差異不顯著（p=0.500）。r1和游戲自我調節與消極情緒的相關（r4=0.197）的差異顯著（plt;0.001）。以上結果說明游戲自我調節與自我調節的相關r1并不比其他相關都低，唯一顯著的是r1比r4高，說明游戲元認知消極情緒維度作為游戲自我調節的效標效度較低。整體上，自我調節、元認知、游戲元認知正性情緒反映了較好的效標效度。

重測信度：從樣本1和樣本2時隔4周收集樣本4，樣本4的Cronbach’s α系數為0.925，量表的重測與前測分數的相關系數為0.794，plt;0.001，說明量表重測信度良好。

3 研究2：游戲自我調節與玩家表現的聯系

3.1 研究目的與假設

研究2根據研究1修訂的中文版游戲自我調節量表，檢驗游戲自我調節和玩家排名的相關，驗證游戲自我調節對排名的正向預測作用。

3.2 研究對象

使用G-Power 3.1，選取顯著性水平α=0.05，效應量d=0.8，Slope H1=0.25，達到0.8（1-β）的統計力水平的總樣本量為95名。實際招募148名業余玩家，剔除不符合納入要求、答題時間過短、信息填寫不完全的玩家，最終納入113名被試（99名男性，14名女性）。研究對象的納入標準為：a.要求過去12個月內主要游戲項目為《英雄聯盟》；b.當前賽季和歷史最高賽季有明確的排名；c.未確診神經障礙或心理障礙。

3.3 研究材料與程序

采用研究1編制的中文版游戲自我調節問卷。收集基本信息和游戲排名。基本信息包括《英雄聯盟》的游戲年限和平均每天游戲時長。游戲排名從低到高編碼為1～9，分別對應黑鐵、青銅、白銀、黃金、鉑金、鉆石、大師、宗師、王者。本研究采用方便取樣，線上招募被試。招募前展示知情同意，完成后發放現金報酬。

3.4 研究結果

對研究2的變量進行相關分析，由于排名的分類超過五項，可作為等距變量以提高統計檢驗力（de Winter amp; Dodou， 2010）。由于其他變量均為等距變量，故采用Pearson相關分析。結果顯示，在研究2的總共113名樣本當中，游戲自我調節與當前段位（r=0.29， p=0.002）和歷史最高排名的相關顯著（r=0.25， p=0.007），其他變量相關結果見表4。

由于當前排名和歷史最高排名均與游戲自我調節相關顯著，進一步建立游戲自我調節對當前排名和歷史最高排名的一元線性回歸方程，結果顯示游戲自我調節能夠獨立預測當前排名9.3%的方差（R2=0.093， p=0.001），預測歷史最高排名6.9%的方差（R2=0.069， p=0.005）。以上結果說明游戲自我調節能夠顯著預測玩家的游戲水平。

4 研究3：職業選手和業余玩家的自我調節差異

4.1 研究目的與假設

研究2驗證了游戲自我調節和電競表現的正向關系，在此基礎上，研究3招募職業選手和業余玩家，進一步檢驗職業選手和業余玩家的自我調節差異。同時研究3將游戲項目從研究2的端游《英雄聯盟》轉換為移動端的《王者榮耀》，以期通過跨項目驗證提高結果的生態效度。

4.2 研究對象

研究3為單因子被試間設計，使用G-Power 3.1，選取顯著性水平α=0.05，效應量d=0.8時（Meryem amp; Bruning， 2016），達到0.8（1-β）的統計力水平的總樣本量至少為42名。共招募被試57名，剔除一名規律作答的職業選手數據，最終納入《王者榮耀》職業選手28名（18～25歲），業余玩家28名（18～25歲）。職業選手來自中國《王者榮耀》職業聯賽（KPL）俱樂部，全部為男性。為了匹配性別，業余玩家均招募男性。

4.3 研究材料與程序

研究材料主要為研究1修訂的中文版游戲自我調節量表。職業選手通過線上收集數據，業余選手對照北京某大學線下招募。實驗前告知知情同意，完成后發放報酬。

4.4 研究結果

游戲自我調節量表在本次招募的職業選手內部的標準化Cronbach’α系數為0.930，說明游戲自我調節量表在測量職業選手時具有較好的信度。進一步建立游戲自我調節對專長水平（被試分組為專家和業余）的一元線性回歸方程，游戲自我調節能夠獨立預測專長水平7.0%的方差（ R2=0.070， p=0.049）。這與研究2的結果一致，提示游戲自我調節可顯著預測專長水平。

對兩組玩家的游戲自我調節差異進行獨立樣本t檢驗，數據在MATLAB2023a運行。結果顯示《王者榮耀》職業選手的游戲自我調節顯著高于業余玩家（表5），說明游戲自我調節能夠有效區分不同水平的玩家。

5 討論

本研究基于中國玩家修訂了游戲自我調節量表，經過跨文化分析和探索性因子分析，最終保留了19個條目。量表在職業選手中的α系數為0.93，在業余玩家中為0.95，四周后的重測信度為0.79，說明中文版游戲自我調節量表具有較好的信效度。游戲自我調節可顯著預測排名的6.9%～9.3%，可作為區分職業選手和業余玩家的參考心理指標。

我國傳統文化重視家庭和社交關系，在游戲中許多玩家不論水平高低更愿意與伙伴“開黑”（和熟悉的人結伴玩游戲）（董晨宇等， 2022）。因此在量表的跨文化分析中，剔除了“我優先花時間玩游戲而不是和家人或朋友在一起”這一條目。后續的數據分析也發現國內玩家對這個條目的評分普遍較低。在隨后的探索性因子分析中，由于因子載荷較低或跨因子載荷較高，刪除了6個條目，如“我會查看我的分數以了解我在游戲中的進步”等。中、英文量表均為單因子結構，中文量表信效度較好，總體上說明了自我調節在游戲領域的適用性。

在研究1修訂量表的基礎上，研究2檢驗了游戲自我調節和玩家水平的聯系。玩家的當前排名和歷史最高排名僅與自我調節呈顯著正相關，而年齡、游戲時長這些因素與排名的相關不顯著。這說明游戲自我調節可能是玩家排名的獨立預測因素。據此建立一元線性回歸模型，結果發現游戲自我調節可解釋玩家排名方差的6.9%～9.3%。玩家排名是衡量游戲表現的綜合指標。既往研究采用認知能力預測玩家排名，如持續注意、多目標追蹤能力、工作記憶、推理能力，這些指標預測排名的比例較低，大都低于5%，而人格特質對排名的預測力度更低，如大五人格等大都不能顯著預測排名（Bonny et al.， 2020; Cretenoud et al.， 2021; Large et al.， 2019）。目前已知預測度最高的一項研究顯示數字排序能力可預測Dota2玩家排名7.6%的方差（Bonny et al.， 2020）。一般的認知能力對游戲排名的預測度低于自我調節，這也反映了游戲自我調節的重要性。實際上，游戲自我調節包含了游戲前的深思熟慮、游戲中的監控和游戲后的積極反思、復盤等行為，這些模式正是電競職業選手常用的訓練策略。本研究的結果驗證了自我調節和游戲排名的積極聯系。即使是在電競領域，玩家也可通過調節自身行為達到更高的排名，這支持了刻意練習理論（Ericsson et al.， 1993）。

在研究2驗證自我調節與游戲表現關系的基礎上，研究3招募職業選手和業余玩家進一步檢驗二者游戲自我調節的差異。同時，研究3（手游）選擇了不同于研究2的項目（端游），以提高結果的生態效度。結果發現職業選手的游戲自我調節水平顯著高于業余玩家。這驗證了競技運動領域較高的自我調節是精英運動員的核心心理特征之一（Jordet， 2015）。需要說明的是，研究2還發現游戲自我調節與游戲年限呈弱負相關。國內外游戲玩家的自我調節相關研究發現較高的自我調節往往與更好的游戲行為控制有關（Collins et al.， 2012; Liau et al.， 2015）。更高的游戲自我調節可能通過更好的行為控制，進而體現在更短的游戲年限（如早期接觸游戲更晚因而游戲年限更短）。當然研究2的樣本仍較小，此方面需要更多證據。本研究發現自我調節可以顯著區分職業選手和業余玩家。因此借助中文版的游戲自我調節量表，可加強對玩家的精準評估或分類。對于業余玩家的早期評估和分類，不僅有助于減少業余玩家以電競之名沉迷游戲的情況，而且可以豐富電競相關的正面研究，有助于促進電競群體去污名化。

本研究仍存在一些局限。理想的修訂方式應是招募足夠數量且不同項目的職業電競選手，而不只招募大學生玩家。另外，研究3招募的職業選手均為男性，缺乏女性玩家。最后，由于游戲種類繁多，量表條目的表述未必適合所有電競項目。未來研究可在本研究基礎上設計自我調節和電競表現的縱向追蹤研究，或構建自我調節影響專長的心理模型，借助電競載體探討個體發展過程中自我調節和專長的交互模式。

6 結論

本研究修訂了中文版游戲自我調節量表，修訂后的中文量表達到可接受的信效度。使用此量表發現游戲自我調節可預測業余玩家的游戲排名，游戲自我調節可有效區分職業選手和業余玩家。相較于業余玩家，職業選手更高的游戲自我調節水平可能是其專長表現的重要影響因子。本研究驗證了自我調節在電競專長中的作用，為電競實踐提供了新的測評工具。

參考文獻

范文超， 符仲芳， 徐慰， 朱雅雯， 余萌， 王建平（2017）. 元認知問卷在中國大學生中的修訂. 中國臨床心理學雜志， 25（3）， 448-452.

董晨宇， 丁依然， 王樂賓（2022）. 一起“開黑”： 游戲社交中的關系破冰、情感儀式與媒介轉移. 福建師范大學學報（哲學社會科學版）， 2， 96-107.

董維（2023）. 大學生短視頻成癮對睡眠質量的影響： 自我調節和睡眠拖延的鏈式中介作用. 碩士學位論文.吉林： 吉林大學.

周娟（2014）. IRT中項目參數的估計精度和DIF檢驗. 碩士學位論文. 重慶： 西南大學.

臧運洪， 趙守盈， 陳維， 潘運， 張禹（2012）. 用項目反應理論修訂父母同伴依戀量表. 貴州師范大學學報（自然科學版）， 30（2）， 22-27.

Bandara， Y. M.， Nguyen， H.-O.， amp; Chen， S.-L. （2016）. Influential factors in the design of port infrastructure tariffs. Maritime Policy amp; Management， 43（7）， 830-842.

Bandura， A. （1991）. Social cognitive theory of self-regul-ation. Organizational Behavior and Human Decision Processes， 50（2）， 248-287.

Bonny， J. W.， Scanlon， M.， amp; Castaneda， L. M. （2020）. Variations in psychological factors and experience-depe-ndent changes in team-based video game performance. Intelligence， 80， Article e101450.

Carey， K. B.， Neal， D. J.， amp; Collins， S. E. （2004）. A psyc-hometric analysis of the self-regulation questionnaire. Addictive Behaviors， 29（2）， 253-260.

Cartwright-Hatton， S.， amp; Wells， A. （1997）. Beliefs about worry and intrusions： The meta-cognitions questionnaire and its correlates. Journal of Anxiety Disorders， 11（3）， 279-296.

Collins， E.， Freeman， J.， amp; Chamarro-Premuzic， T. （2012）. Personality traits associated with problematic and non-problematic massively multiplayer online role playing game use. Personality and Individual Differences， 52（2）， 133-138.

Cretenoud， A. F.， Barakat， A.， Milliet， A.， Choung， O.-H.， Bertamini， M.， Constantin， C.， amp; Herzog， M. H. （2021）. How do visual skills relate to action video game performance？ Journal of Vision， 21（7）， 1-10.

Dang， L.， Chen， J. H.， Zhou， H.， Spada， M. M.， amp; Wu， A. M. S. （2022）. Validation of the metacognitions about online gaming scale （MOGS） among Chinese gamers. Addictive Behaviors， 129， Article e107255.

Dawes， J. （2008）. Do data characteristics change according to the number of scale points used？ An experiment using 5-point， 7-point and 10-point scales. International Journal of Market Research， 50（1）， 61-104.

de Winter， J.， amp; Dodou， D. （2010）. Five-point Likert items： T test versus Mann-Whitney-Wilcoxon. Practical Assessment， Research amp; Evaluation， 15， 1-12.

Diehl， M.， Semegon， A. B.， amp; Schwarzer， R. （2006）. Assessing attention control in goal pursuit： A component of dispositional self-regulation. Journal of Personality Assessment， 86（3）， 306-317.

Ericsson， K. A.， Krampe， R. T.， amp; Tesch-R?mer， C. （1993）. The role of deliberate practice in the acquisition of expert performance. Psychological Review， 100（3）， 363-406.

Harma， M.， Aktan， T.， amp; Cagiltay， K. （2015）. Aim， shoot， deplete： Playing video games depletes self-regulatory resources. International Journal of Human-Computer Interaction， 31（7）， 451-456.

Jordet， G. （2015）. Psychological characteristics of expert performers. In J. Baker amp; D. Farrow （Eds.）， Routledge handbook of sport expertise（pp. 106-120）. Routledge/Taylor amp; Francis Group.

Kleinman， E.， Gayle， C.， amp; Seif El-Nasr， M. （2021）. “Because i’m bad at the game！” A microanalytic study of self regulated learning in league of legends. Frontiers in Psychology， 12， Article e780234.

Large， A. M.， Bediou， B.， Cekic， S.， Hart， Y.， Bavelier， D.， amp; Green， C. S. （2019）. Cognitive and behavioral correlates of achievement in a complex multi-player video game. Media and Communication， 7（4）， 198-212.

Lee， D.， amp; LaRose， R. （2007）. A socio-cognitive model of video game usage. Journal of Broadcasting amp; Electronic Media， 51（4）， 632-650.

Liau， A. K.， Neo， E. C.， Gentile， D. A.， Choo， H.， Sim， T.， Li， D.， amp; Khoo， A. （2015）. Impulsivity， self-regula-tion，and pathological video gaming among youth： Testing a mediation model. Asia Pacific Journal of Public Health， 27（2）， 2188-2196.

Luxford， E.， Türkay， S.， Frommel， J.， Tobin， S. J.， Mandryk， R. L.， Formosa， J.， amp; Johnson， D. （2022）. Self-regulation as a mediator of the associations between passion for video games and well-being. Cyberpsychology， Behavior， and Social Networking， 25（5）， 310-315.

Maskey， R.， Fei， J.， amp; Nguyen， H-O. （2017）. Exploratory factor analysis-Antecedents of information sharing in supply chains. IAME 2017 conference， Kyoto.

Meryem， Y. S.， amp; Bruning， R. H. （2016）. Exploring self-regulation of more or less expert college-age video game players： A sequential explanatory design. Frontiers in Psychology， 7， Article e1441.

Trotter， M. G.， Obine， E. A. C.， amp; Sharpe， B. T. （2023）. Self-regulation， stress appraisal， and esport action perfo-rmance. Frontiers in Psychology， 14， Article e1265778.

Wang， Y.， Leng， J.， Zhang， Y.， Chen， W.， Xing， F.， amp; Zhao， N. （2022）. Behavioral differences of individuals with different self-regulation levels in a real-life example of teamwork-DOTA 2. Frontiers in Psychology， 13， Article e1054675.

Winne， P. H. （2001）. Self-regulated learning viewed from models of information processing. In B. J. Zimmerman amp; D. H. Schunk （Eds.）， Self-regulated learning and acade-mic achievement： Theoretical perspectives （2nd ed.， pp. 153–189）.

Yuen， K. F.， amp; Thai， V. （2017）. Barriers to supply chain integration in the maritime logistics industry. Maritime Economics amp; Logistics， 19（3）， 551–572.