社交媒体的使用及其多任务化对大学生学业成绩的影响

李华婷 王伟

摘要：在当今社会中，社交媒体已经成为日常生活中不可或缺的一部分，尤其是大学生，他们通常是社交媒体的重度用户。社交媒体多任务化也越来越普遍。然而，人们对社交媒体的使用及其多任务化对大学生学习成绩的影响所知甚少。对这两种行为如何预测大学生的学业成绩在此进行了研究。从一个在南京某一所综合性大学对于348名大学生的抽样调查中可以得出，为了学术目的而使用的社交媒体并不能显著预All大学生学业成绩，然而为了非学术目的使用社交媒体（特别是电子游戏）和社交媒体的多任务化显著负预测学业成绩。

关键词：社交媒体的使用;社交媒体的多任务化;大学生学业成绩

一、引言

社交媒体已经渗透到许多年轻人的生活中。美国成年人18～25岁的社交媒体使用者从2005年的12%飙升到了2015年的90%（Pew Research Center，2015）。在教育中，社交媒体可以用来与学生分享信息，在海外的时候收集信息或者进行研究，和其他人去分享个人学术兴趣，吸引学生并且了解他们在教学中的想法，组成学习小组，增强电子课本的学习作用，为了合作目标通过社交工具来联系学生。社交媒体也可以提高学生的创造能力并激发他们对学术科目的兴趣，而且学生更容易通过社交媒体和教授交流（Lau，Lui，&Chu，2016 ）。Cox and McLeod（2014）发现社交媒体促进了教师、学生、家长和社区成员的交流，并帮助建立了在线专业学习社区。

在大学里，学生和教师越来越多地采用了各种社交媒体工具，如微博、微信、QQ，以促进课堂内外的教学和学习。实证研究表明，使用社交媒体技术带来的教育益处如下：（1）加强学生和教师之间的交流;（2）增加学生之间的联系或者合作的机会;（3）迅速共享资源;（4）下课后学生获得课程资料;（5）形成官方学习管理系统;（6）学生掌握科技技能或许可以提高他们的职业成功度（Legaree，2015）。

由于学生们可能同时使用不止一种媒体，媒体多任务行为的潜在影响已经受到了多年的关注。在认知方面，媒体多任务处理被发现与青少年的认知控制能力呈负相关（Ophir，Nass，&Wagner，2009）。因此，这被认为让学生学习成绩下降。现如今，大多数的社交媒体工具支持媒体元素的整合，而且这个功能使得媒体的多任务化变得更容易。研究人员和教育工作者都对社交媒体对学生学业成绩的影响感兴趣，无数的实证研究都在探索这种效应是积极的、中性的还是消极的（Cheston、Flickinger&Chisolm2013G1ogocheski，2015）。然而，很少有人知道社交媒体的使用和社交媒体多任务（SMM）如何影响大学学生的学习成绩。因此，本研究考察了这两种行为是否以及如何预测大学生的学习成绩。

二、社交媒体的使用和媒体多任务处理

社交媒体有多种形式，包括社交网站，微博，博客，聊天平台，共享资源的地图，照片和视频分享（Gastelum&Whattam，2013）。通常，社交媒体可以被定义为“允许使用者去创造，分享内容的应用、设备和系统。”社交媒体的使用指的是“个人参与网络活动的多样性”（Smith&Gallicano，2015 ）。这一描述主要集中在人们可以参与社交媒体的众多在线活动中，主要与使用社交媒体的目的有关。

多任务处理通常被理解为在一定时间内完成多个任务。多任务处理可能有三种形式：双重任务处理，注意力的迅速转换和持续的部分注意力（Wood&Zivcakova，2015）。双重任务指的是个体同时完成两项任务的情况，快速的注意力切换指的是任务间的注意力转移，而持续的部分注意力则是持续的对多于一项任務的部分关注。媒体多任务处理包括同时参与活动，其中至少有一个必须是媒体相关的。媒体多任务处理可能发生在不同设备或单一设备之间（Kononova&Chiang，2015）。

不管多重任务行为可能采取何种形式，研究表明SMM很普遍，尤其是在年轻人中。Voorveld and van der Goot（2013）表明相对于同龄组或年纪较大的年龄族群（25-29，30-39，40-49，50-65岁），年轻年龄组（13-16，17-19，20-24岁）的人在媒体多任务处理上花费的时间更多。在13-16和17-19的年龄段里，带有音乐或网站的社交媒体是第二常见的媒体多任务化组合。三个最常见的社交媒体多任务化组合是社交媒体和新媒体并发使用，例如电子邮件和手机、电视和新媒体、互联网和新媒体的同时使用。年龄同样对新媒体的多任务化起着重大的预测作用，这说明年轻人更容易接受新媒体的多重任务。

三、社交媒体的使用和学习成绩

关于使用社交媒体的目的，Oye，Adam，and Nor Zairah（2012）指出当社交网站被用来满足社会和非学术需求时，学习成绩会受到负面影响。Ravizza，Hambrick，and Fenn（2014）研究报告称在大学生中，包括社交媒体在内的非学术互联网使用与课堂表现有负面的联系。然而，一些证据表明了社交媒体的使用对学习有益处。对于学术和课程讨论的微博的使用被发现对大学生的成绩有积极的影响（Junco，Heiberger，&Lo-ken，2011）。使用微博的学生表现出更高的参与度，并获得比没有的学生更高的学期平均绩点（GPA）a这种积极的影响可以解释为学生和教师通过微博在传统课堂活动之外的扩大接触。GreGory，and Eddy（2014）将Facebook作为一种教学网络工具的应用，在这种情况下，建立一个专门讨论课外数学课程内容的Facebook小组，可以显著地提高本科生的参与度、满意度和在微积分课程中的表现。因此，提出以下假设：

假设1：在非学术目的上使用社交媒体的学生在学术上的表现较差。

假设2：在学术上使用社交媒体的学生在学术上的表现更佳。

四、社交媒体的多任务化和学习成绩

研究媒体多任务对学习成绩影响的研究表明，媒体多任务处理对学习成绩的三个方面产生了负面影响，即学术成果，学习相关行为和态度，以及学术学习。时间位移假说和有限的信息处理能力假说经常被用来解释为什么在学术工作中媒体使用会对学术表现产生负面影响。时间移位假说认为，由于当今大多数媒体具有吸引力的性质，学生们很可能会花更多的时间在任何媒体上，而不是学术活动。有些人甚至会翘课，选择使用媒体。媒体往往会分散学生对学习的注意力，继而降低他们的学习效率（Walsh，Fielder，Carey，&Carey，2013）。

有限的信息处理能力假设认为，当多个任务同时执行时，认知瓶颈会因认知能力的局限而发展，这将导致决策过程中的一个明显的中断。多媒体学习环境中的多任务处理通常可以用认知负荷理论或多媒体学习的认知理论来解释。认知负荷理论关注的是工作记忆在学习过程中的作用（Sweller，1988）。该理论是基于以下概念：（1）工作记忆容量是有限的;（2）长期记忆有无限的能力;（3）学习过程需要积极参与工作记忆的处理和理解教学材料编码信息进入长时记忆;（4）如果工作记忆超载学习将是无效的。认知负荷是指在任何一个特定的情况下，工作记忆所要求的精神努力的总量，而需要注意的要素的数量是影响认知负荷的主要因素。

多媒体学习的认知理论是基于认知科学的三个研究原则：（1）学习者有两个独立的渠道来处理语言和图形信息;（2）只能处理有限数量的元素在每个通道;（3）必须选择、组织和整合教学的适当的信息材料与现有的发生有意义的学习的知识转化为长期记忆（梅耶，2010）。换句话说，学习者必须注意相关词汇和图片进行进一步的处理，在选择的单词和图片之间建立内在联系，从而在工作记忆中形成概念理解，并将新的理解与长期记忆中的先验知识联系起来。然而，媒体多任务处理会使听觉和视觉通道的能力过载，导致性能上的缺陷。根据相关研究结果和理论，在社交媒体多任务化（SMM）的背景下制定了以下假设：

假设3：在SMM中从事更多工作的学生在学术L表现不佳。

五、方法

（一）程序

在南京的一所综合大学，向在校生发放问卷调查，邀请他们自愿填写（Jupp，2006）。虽然这种非概率抽样方法可能无法保证样本收集的代表性，但它是最方便的方法，可以从大学所有学院中广泛地接触到各种各样的参与者。匿名数据是通过一个在线调查网站收集的。参与者首先完成了测量他们社交媒体使用、SMM和学术表现的问卷。然后，他们提供了一些诸如性别、年龄、师资、学位、学习年限、计算机或互联网经验、以及信息技术（IT）熟练程度等反图像信息。

（二）参与者

参与者是来自这所大学的348名本科生。在数据收集之前，所有参与者都获得了知情同意。样本中有109位男性和232位女性，年龄17至28岁（平均20.252，标准差=1.565）。他们分别学习艺术（51人），工商管理（73人），教育学（19人），工程学（29人），法学（8人），医药学（53人），科学（47人），社会科学（62人）。其中有 123位一年级学生，85位二年级学生，75位三年级学生，57位四年级学生和2位五年级学生。他们平均有12年14年的使用电脑或互联网的经验，并认为他们的IT熟练度是好的。上述人口统计的数据变量中有1.4-2%丢失了。

（三）步骤

1.非学术用途的社交媒体使用

Rosen，Whaling，Carrier，Cheever和Rokkum（2013）开发的媒体和技术使用使用量表用于评估大学生之间非学术目的社交媒体的使用情况（SMUNAP）。作者通过一个主要持有大学学位的美国成年人的大样本验证了这个量表。本研究从子量表中调整了12项测量媒体共享（MS;5项），互联网搜索（IS;4项）和视频游戏（VG;3项）的项目。这些项目代表大学生使用社交媒体（Kiedrowski，Mahrholz，Griesbaum，&Rittberg-er，2015;Smith&Gallicano，2015年）的常见在线活动，并被评为10点频率范围1（从不），2（每月一次），3次（每月几次），4次（每周一次），5次（每周几次），6次（每天一次），7次（每天几次），8次（每小时一次）9（每小时几次），10（所有时间）。据报道，三个子量表的Cmnbach的α系数为MS为0.84，IS为0.91，VG为0.83。

2.学术用途的社交媒体使用

由Mills，Knezek和Wakefield（2013）开发和完善的社交媒体学习量表用于评估学生对应用社交媒体支持大学学习（SMUL）的看法。具体来说，该量表衡量的是大学生对使用社交媒体进行在线社区学习和建设的看法，是一个7个项目的单维尺度，alpha可靠性为0.74。这些项目被评分为5点的likert类型，从1（强烈反对）到5（非常同意）。

3.社交媒体的多任务化（SMM）

SMM使用的是Ozer（2014）研究中的三个项目，即“我在学习时使用社交媒体账号的多任务”，“我在做家庭作业的时候在社交媒体网站上保持在线”，“如果我在学校学习，我不会检查我的社交媒体账户。”这些项目被评分在5点的likert型量表上，从1（强烈反对）到5（强烈同意），最后一项被反向编码。SMM项目计量模型的验证性因子分析支持其有效性。

4.学习成绩

用单一项目评估学业成绩。参与者需要以开放回应格式提供其累积GPA（CGPAs）（Paul，Baker，&Cochran，2012）。

六、结果

（一）主要构造因子结构

Fabrigar和Wegener（2012）提出，量表的因子结构很可能受到文化等因素的影响。因此，运用主成分法进行探索性因子分析，应用于方法部分描述的主要结构项目。如表1所示，对于构建SMUNAP，发现了四个特征值大于1的因子，而不是由Rosen等报道的三个因子（2013年）。从原来的五项MS因子中获得了另外一个标有“视频观看”（VW）的项目。Cronbach的四个因子的α系数是可以接受的，从0.632到0.840。SMUL结构被证实是一个七项单维尺度，Cronbach的α系数为0.756，这与Mills等人的发现一致（2013年）。SMM构造也被发现是单维的，可接受的可靠性为0.719，這与Ozer（2014）的结果一致。所有项目的各自构造的因子载荷大于0.5。

（二）主要变量的描述性统计分析

如表2所示，参与者被VW吸引的平均次数是一星期几次（SD=1.593），MS几乎一星期一次（SD=1.909），IS一天一次（SD=1.559），VG一星期一次（SD=2.028）。他们倾向于对SMUL保持中立的态度。换句话说，他们对SMUL的应用是矛盾的。他们同意在他们做学术工作的同时，多任务处理社交媒体账户。这意味着参与者的CGPA是3.178。CGPA与VG之间存在显著负相关。这些变量之间的相互关系在统计学上具有统计学意义。

（三）分层回归分析

以CGPA为因变量，VW，MS，IS，VG，SMUL和SMM为自变量，对CGPA进行层次回归分析。为了消除一些人口统计学变量对学业成绩的影响，将年龄和性别作为第一板块的控制变量。在这项研究中，以开放的反应形式报告了年龄，男性的性别被编码为1，女性为2。这些变量被证明是大学学生在元分析中的学术表现的人口学关联（Richardson，Abraham，&Bond，2012）。前面提到的那些不确定的变量被输入到第二板块中。

在分析之前，有必要对回归分析的基本假设的有效性进行评估，包括不存在异常值和多重共线性、线性、正态、独立性和同轴性（Tabachnick&Fidell，2006）。从预测值中有4个标准差大于3个标准差的预测值，与348的样本量相比，这种情况可以忽略不计，因此它们被保留在回归分析中。所有自变量都有大于0.7的公差，表明由一个自变量解释的方差并没有得到其他变量的解释，因此多重共线性的问题并不明显。通过检验标准化残差和标准化预测值之间的关系，验证了线性和同向性假设。这些假设是可行的，因为标准化的残差以一种随机的方式分散在一个水平线上，代表着标准化的残差等于零。使用Durbine Watson统计量测试残差之间的序列相关性，从而检验独立假设。统计值为1.914，表明残差是不相关的，假设是有效的。用标准残差的正态概率图来检验正态假设。这些点主要是在一条直线上，因此支持了这个假设。

从表3可以看出，对于第一个控制变量，年龄和性别一起占CGPA方差的2.4%。当另一个独立变量进入第二板块时，方差解释增加了4.9%，总方差解释为7.3%。控制变量和自变量对回归模型进行了显著的预测。CGPA的显著预测因子是性别（b=0.115，p<0.05），VG（b=0.167，p<0.01）和SMM（b=0.126，p<0.05）。因此，H1和H3得到了支持，而H2则没有。

七、讨论

本研究的主要目的是检验社交媒体的使用和SMM是否影响了大学生的学业成绩。在348名本科生的样本中，对3个假设进行了研究和测试。在控制年龄和性别的影响之后，发现SMUL没有显著预测CGPA衡量的学业成绩。SMUNAP（特别是VG）和SMM显著负预测学业成绩。

根据Richardson（2012年）等的研究发现，女性在学业表现上的性别差异普遍高于男生。可以说，有各种各样的认知和非认知因素来解释学术性别差异（Cooper，2014）。在这一背景下，进一步探讨社交媒体使用和性别间的差异可能会加剧或改善学业成绩中的性别差距，这一点至关重要。

Oye等人（2012）和Ravizza等人（2014）证明了非学术社交媒体使用对学业成绩的负面影响。本研究获得了相同的结果，但进一步确定了VG作为学业成绩不佳的关键因素。这个研究超出了本研究的范围，收集了学生每周花在VG上的时间，他们玩的游戏的性质，以及学生参与VG的时间。然而，这些都是重要的问题，这将有助于解释在这里发现的学生，他们平均每周玩一次电子游戏。

本研究还发现，SMUL对他们的学业成绩没有影响。然而，Junco等人（2011）和格雷戈里等（2014）已经表明，使用Twitter和Facebook可以提高大学生的参与度和表现。这种差异可以解释为，当前研究的学生主要是出于学习目的而使用社交媒体，他们对相关调查项目的看法是矛盾的。他们可能没有参加将社交媒体整合为一种学习工具的课程，因此并没有体验到这种教学方法带来的教育效益，与Junco等（2011）和GreGory等（2014年）的研究不同，社交媒体被用作学习平台。

SMM被发现阻碍了学生的学习，反映在学生的CGPA中。这一发现与大量证据证明媒体多任务处理对学习态度、行为和结果的影响（van der Schuur et al.，2015）一致。该项目表明，大学生在学习过程中经常使用自己的社交媒体账号进行多任务处理。最近一项针对香港大学生的在线调查显示，尽管他们使用社交媒体分享、讨论和搜索信息，但他们很容易被社交媒体（Tang，Yau，Wong，& Wong，2015）所提供的娱乐和社会功能分散注意力。为了减少这种对学习的有害影响，有必要详细分析多任务的不同表現形式（Wood&Ziveakova，2015）和认知学习过程（Mayer，2010;Sweller，1988），这可能会影响学生学习的轨迹和结果。这项任务要求在选择的一段时间内对学生学习活动进行更深入的纵向观察和记录。

从理论上讲，本研究的结果提供了明确的研究证据，以指导有关变量关系的调查（van der Schuur et &1.，2015）。该研究建立了社会媒体使用和SMM作为影响大学生学业成绩的关键变量，具体地说，VG和SMM对大学生学习是有害的。未来的研究也应该探究个体差异和语境因素如何缓和这些对学业表现的影响。实际上，由于研究发现SMM对学业成绩有负面影响，教育工作者应考虑采取一些措施来减轻其影响。例如，Bow-man，Waite和Levine（2015）提出了一些干预措施，比如技术突破、自我监控、元认知技能的教学，以及促进技术素养，以帮助学生管理他们的技术使用。大学管理者也应该利用这项研究的发现来制定关于适当使用社交媒体的准则（Rowe，2014）。

这项研究有许多局限性，在未来应该进一步加以解决。首先，研究的横截面性质使得对变量之间的因果关系的推论变得不可能，未来的研究者应该采用纵向研究设计来检验因果关系。其次，本研究中使用的非概率抽样方法可能会将研究结果的普遍性限制在目标人群中。未来的调查应该考虑采用概率抽样方法，如分层随机抽样，随机抽取不同学院的学生样本。第三，更多的研究是必要的，以了解学生在使用社交媒体时所涉及的多任务活动。这一调查提供了一个更深层次的理解，即SMM如何可能影响学业表现。第四，未来的研究可以将学习相关的行为和态度，感知学术学习和非学术表现作为结果变量。

八、结论

由于大学生每天都参加各种社交媒体活动，人们越来越担心社交媒体对学生社会福利的潜在负面影响。这些潜在的负面影响包括学生和老师在网上的不恰当的互动，与老师的非正式关系的影响，在课堂上干扰了正式的教学，以及网络欺凌。社会媒体可能会扭曲传统的师生关系，学生与教师之间的界限变得模糊。社交媒体也可能对学生的归属感、社会福利和身份发展产生不利影响（Allen，Ryan，Gray，Mclnerney&Waters，2014）。在社交媒体对学生共同发展的影响方面也进行了其他研究（Ting&Rashied，2015）。

本研究发现，SMUNAP和社交媒体的多任务化消极预测学业成绩。由于新社交媒体技术的出现是意料之中的，所以我们必须更清楚地认识到这些技术是如何培养或阻碍学生的心理社会和学术发展的，特别是当他们在多任务环境中使用的时候。目前的研究结果揭示了社会媒体使用和SMM如何影响大学生学业成绩的认识，为今后该领域的研究奠定了基础。

参考文献：

[1]Allen，K.A.，Ryan，T.，Gray，D.L.，Me Inerney，D.M&Wa-ters，L.Social media use and social connectedness in adoles-cents：The positives and the potential pitfalls.The Australian E-ducational and Developmental Psychologist，2014，31（1）：18-31.

[2]Kononova，A.，&Chiang，Y.-H.Why do we multitask with me-dia？ Predictors of media multitasking among internet users inthe United States and Taiwan.Computers in Human Behavior，2015，50：31-41.

[3]Legaree，B.A.Considering the changing face of social media inhigher education.FEMS Microbiology Letters，2015，362（16）：1-3.

[4]Ravizza，S.M.，Hambrick，D.Z.，&Fenn，K.M.（2014）.Non-a-cademic internet use in the classroom is negatively related toclassroom learning regardless of intellectual ability.Computers&Education，78，109-114.

[5]Ozer，1.（2014）.Facebook addiction，intensive social networkingsite use，multitasking and academic performance among universi-ty students in the United States，Europe and Turkey：A multi-group structural equation modelling approach（Unpublished doc-toral dissertation）.USA：Kent State University.

[6]李開复.微博：改变一切[M].上海：上海财经大学出版社，2011：31.

[7]邱明晓新媒体对大学生影响及思想政治教育对策[J].中国科教创新导刊，2012，（20）：34-35.

[8]王高贺.大学生成才网络困境及其破解对策[J].黑龙江高教研究，2011，（2）：9.

[9]陈阳，新媒体对青年的影响及对策分析——以网络和手机为例[J].内蒙古农业大学学报（社会科学版），2012，（3）：65.

[10]朱学文，吕国光，新媒体与儿童学业成绩、智力发展的关系研究[J].教育研究，2012，（7）：54-55.

[11]新媒体视域下的青少年全面发展研究课题组《新媒体视域下的青少年全面发展研究》总报告，2012.