大学生社会支持与问题性网络使用之关系——以“中国大学生追踪调查”数据为依托

赵丽琴 宋欣怡

(北京工业大学 文法学部,北京 100020)

2021 年我国网民总体规模持续增长的同时人均使用网络时间同样保持着增长[1],大学生作为互联网的主要使用人群,不合理的使用行为会对其身心发展产生负面作用。 问题性网络使用即个体过度使用网络的非适应性行为[2],是使用者在离开网络后又再次希望使用的一种状态。 学生群体的问题性网络使用会引发不良的学业表现[3],导致人际关系欠佳等社会适应问题[4],产生焦虑、偏执等严重的心理健康问题[5]。 所以,进一步探讨大学生群体的问题性网络使用极具现实意义。

目前,社会支持、幸福感、个体情绪低落与问题性网络使用的关系引起了研究者的关注。 已有研究表明问题性网络使用使得大学生群体花费大量时间、精力在虚拟世界中,降低了现实生活中幸福感水平[6],网络过度使用的大学生比起正常大学生综合幸福感水平与生活满意度更低[7]。 问题性网络使用还与社会支持、个体情绪低落水平之间存在显著的相关。 依据现实中的人际关系可以延伸至网络中的扩大理论,LaRose 等[8]的研究结果表明网络上的社交行为也能引起关注与社会支持,个体沉溺于网络使用的同时能够通过一些网络社交行为获得一定的社会支持,而基于取代理论的研究者则认为表面化、弱联结的大多数网络社交[9]不能强化现实中的社会支持,大学生存在问题性网络使用时,与家人、朋友之间的互动会减少,削弱社会支持水平[10],同时产生更高的消极情绪水平[11]。

从现有研究结果可以看出,社会支持、情绪低落水平、幸福感和问题性网络使用四者间存在复杂的相关关系。 但这种复杂的相关关系是单向还是双向的?又是如何产生具体影响的? Kraut 等人基于社会置换假说认为,问题性网络使用减少了个体的现实社交活动时间,网络上虚拟的沟通方式渐渐取代现实中的面对面沟通,导致个体低水平的安全感和不良的情绪体验。 部分研究结果同样表明问题性网络使用对抑郁发生存在显著预测作用[12]。 基于情绪增强假说的研究者们更强调情绪状态对网络使用的影响[13]。 个体会根据情绪状态使用网络,但不良的社会支持无法缓解低落的情绪,而较低的情绪水平与幸福感使得个体通过网络使用逃避现实困境。 因此,本研究假设社会支持、个体情绪低落水平、幸福感对问题性网络使用存在预测作用,通过数据分析并结合相关研究证实大学生群体社会支持、情绪状态、幸福感与问题性网络使用之间相互影响的关系。

一、研究方法

(一)数据来源

使用2018 年“中国大学生追踪调查”的数据,这是中国社会科学院重大社会调查项目,对在校生的入学到毕业以及毕业后多年开展以网络问卷方式为主,电话调查、焦点小组访谈、面访调查等多种调查方式的追踪调查。 本研究主要使用2018 年“中国大学生追踪调查”项目中本科院校的样本,包括硕士研究生和博士研究生在内,有效样本数量为7 882。

(二)研究变量

本研究的自变量为“大学生群体的社会支持”,通过询问与调查对象关系亲密的邻居、亲戚、伙伴、同学和可以分享快乐、忧伤的朋友的数量等共七道题目测得,Cronbach’s α 系数为0.812,每道题目答案以0—10 计分,对七道题目的得分进行加总,总得分越高表明调查对象获得的社会支持越高。

因变量为问题性网络使用,通过网络使用时长和网络使用控制力两个方面测量。 网络使用时长关注调查对象最近一个月每天平均上网的时长,选项分为“1 个小时内”“1—2 小时”等七个,得分越高表明调查对象网络使用时间越长。 对网络使用的控制力通过询问“因为上网/玩手机忘记吃饭或睡觉”等三道题目来进行测量,选项为“完全不像”等四项,总得分越高表明调查对象使用网络的控制能力越低。 将四道题目的得分相加即为问题性网络使用的总得分,分数越高表明调查对象问题性网络使用程度越高。 调查问卷的Cronbach’s α 系数为0.664。

中介变量为“大学生群体的情绪低落水平”与“幸福感”。 抑郁症是当下较常见的一种心理疾病,以连续且长期的心情低落为主要的临床特征,通过CES –D 抑郁自评量表简化版本可以测量个体长期的情绪低落水平,包括“我因一些小事而烦恼”等共十道题,问题选项为“很少或者根本没有(<1 天)”“不太多(1—2天)”等四个选项,Cronbach’s α 系数为0.701,总得分越高表明调查对象情绪越低落,受消极情绪的影响更严重。 本研究中的幸福感变量主要通过询问对目前生活状态的满意度和是否有幸福的感觉,通过0—10分评分进行测量,Cronbach’s α 系数为0.821,两道题目得分相加得出总分。

控制变量分为家庭和个人两个层面。 家庭层面的控制变量是“家庭社会经济地位”和“是否是独生子女”,家庭社会经济地位变量由父亲、母亲的教育水平和家庭月收入三个问题构成,父母教育水平为“未接受过正式教育”“小学”“初中”等,家庭月收入包括“500 元以下”“501—1 000 元”“1 001—2 000 元”等16 个选项,三道问题得分总和为家庭社会经济地位总得分,得分越高表明调查对象家庭社会经济地位越高。 个人层面的控制变量为性别、年龄以及调查对象所在的学校类型。

(三)数据处理

使用SPSS 26.0 对数据进行信度分析、描述统计等分析,选择Hayes(2013)编制的Process 程序中模型6 分析中介模型,中介效应的显著性水平通过Process程序和偏差校对非参数百分位Bootstrap 法进行检验。

二、研究结果

(一)共同方法偏差检验

使用的数据源自自我报告,测量中可能存在共同方法偏差。 因此通过Harman 单因素检验法检验,结果表明未经旋转的第一个因子只解释全部变异量的21.685%,未达到40%,不存在严重的共同方法变异。同时,进行验证性因子分析,将相关变量的所有题目作为外显变量进行因素分析,结果显示数据和模型不能有效拟合(x2/df=42.264,NFI=0.853,GFI=0.898,IFI=0.856,CFI=0.856),表明研究中不存在严重的共同方法变异,可以继续分析。

(二)社会支持、情绪低落、幸福感与问题性网络使用的相关分析

首先对大学生群体的社会支持、情绪低落、幸福感问题性网络使用及人口学变量进行描述性统计,结果如表1。

表1 相关变量的描述统计

经过双变量相关分析,部分人口学变量与研究变量之间呈现显著的相关关系。 例如大学生群体的社会支持与性别之间存在显著相关(相关系数为-0.063,且p <0.01),与学校类型、家庭社会经济地位也存在显著相关关系(相关系数分别为0.037 与0.118,p <0.01);情绪低落水平与个体的年龄、性别显著相关(相关系数分别为- 0.061 与- 0.027,p <0.01);幸福感与性别、是否为独生子女间存在显著相关关系(相关系数分别为- 0.069 与- 0.038,p <0.01);大学生群体的问题性网络使用水平与学校类型、家庭社会经济地位之间呈显著相关(相关系数分别为0.044 与0.029,p <0.01)。

为了排除人口学变量与研究变量之间可能存在的共线性问题,在通过偏相关分析方法控制调查对象性别、年龄、家庭社会经济地位、学校类型以及是否为独生子女等变量的前提下,对社会支持、情绪低落、幸福感和问题性网络使用之间的相关关系进行分析,结果如表2。 其中社会支持、情绪低落、幸福感与问题性网络使用之间的相关分析为偏相关分析结果。

表2 社会支持、情绪低落、幸福感与问题性网络使用等的相关分析结果

由表2 可知,社会支持变量与情绪低落、问题性网络使用存在显著负相关关系,社会支持与大学生情绪低落之间的相关系数为- 0.39,p <0.001,与问题性网络使用之间的相关系数为- 0.16,p <0.001。 同时,社会支持变量与幸福感存在显著正相关关系,相关系数为0.58,p <0.001,情绪低落水平与幸福感存在显著负相关关系,相关系数为- 0.56,p <0.001,情绪低落水平与问题性网络使用存在显著正相关关系,相关系数为0.28,p <0.001,幸福感变量与大学生群体问题性网络使用存在显著负相关关系, 相关系数为- 0.2,p <0.001。

(三)社会支持影响问题性网络使用的多重中介模型

通过Process 程序进行中介效应分析,在控制相关控制变量的情况下,情绪低落和幸福感在社会支持与大学生群体问题性网络使用之间的中介作用如表3。结果表明社会支持对个体情绪低落有显著负向预测作用(B =-0.185,p <0.01),对大学生群体的幸福感存在显著的正向预测作用(B =0.146,p <0.01);个体情绪低落对幸福感存在显著的负向预测作用(B =-0.294,p <0.01);当社会支持、情绪低落、幸福感同时影响问题性网络使用时,社会支持与幸福感起直接负向预测作用(B=-0.009,p <0.01;B=-0.032,p <0.01),情绪低落对大学生群体问题性网络使用具有显著正向预测作用(B =0.131,p <0.01)。

表3 相关变量间的回归分析

通过偏差校对非参数百分位Bootstrap 法对中介效应进行检验,结果表明情绪低落和幸福感的中介作用显著,在社会支持对问题性网络使用的影响中产生的总间接效应值为-0.030 7,占总效应的76.56%,Bootstrap 95%置信区间为[-0.034 9,-0.026 3],不包括0 值,表明情绪低落水平和幸福感在社会支持与问题性网络使用之间存在显著中介效应,如表4。 具体来看,中介效应通过三条中介链产生的间接效应构成,间接效应1(-0.024 2)由社会支持→情绪低落→问题性网络使用组成;间接效应2(-0.004 7)由社会支持→幸福感→问题性网络使用组成;间接效应3(-0.001 8)由社会支持→情绪低落→幸福感→问题性网络使用组成,Bootstrap 95%置信区间均不包括0,表明情绪低落和幸福感的链式中介作用与独立中介作用均显著,具体路径如图1 所示。

图1 大学生社会支持与问题性网络使用:情绪水平及幸福感的多重中介作用

表4 情绪低落和幸福感在社会支持与问题性网络使用之间的中介效应分析

三、讨论

本研究结果表明在社会支持、情绪低落与问题性网络使用的模型中,社会支持显著负向预测问题性网络使用,并通过个体情绪低落间接影响大学生群体的问题性网络使用。 社会支持会直接影响个体的抑郁情绪[14],良好的社会支持能够一定程度上缓解大学生的不良情绪,而情绪低落水平对问题性网络使用的显著预测作用表明大学生的消极的低落情绪会诱发问题性网络使用。 因此,对恰当引导大学生问题性网络使用来说,单单关注情绪低落对其产生的影响是不全面的,还应注意到社会支持直接或通过情绪低落间接对大学生群体问题性网络使用的负向预测作用。

社会支持能够负向预测问题性网络使用,同时通过幸福感间接影响问题性网络使用。 良好的社会支持可以为大学生群体提供物质和心理上的帮助,增强大学生群体的归属感与幸福感,而幸福感对问题性网络使用的负向预测作用说明幸福感较低、对现实生活满意度较低的个体更容易沉迷于网络中,虚拟世界的网络社交可以为大学生群体提供一定的群体归属感与情感支持,大学生可能将网络世界当成逃避不满意的现实生活、发展可能的社交关系的途径,从而产生问题性网络使用。 因此,在探讨大学生群体社会支持对问题性网络使用的影响时,还需注意幸福感的部分中介作用。

总之,通过本研究,一是发现个体情绪低落水平与幸福感在大学生群体社会支持和问题性网络使用之间发挥链式中介的作用,较低的社会支持水平也会间接通过加重个体情绪低落、降低幸福感,进而增加问题性网络使用。 二是发现社会支持通过个体情绪低落作用于大学生群体的幸福感。 很多研究结果表明大学生群体社会支持与消极情绪之间关系密切,良好的社会支持系统让个体体会到社会奖赏,提供积极的情绪体验,促进个体的积极心理状态,通过减缓生活中压力事件对个体的负面影响,降低抑郁发生的几率[15],引起积极自我评定提升幸福感,说明良好的社会支持系统对缓解情绪低落、提升生活满意度与幸福感、促进大学生健康情绪发展具有重要作用。 三是发现个体情绪低落通过幸福感间接影响大学生群体的问题性网络使用,情绪低落水平负向预测幸福感的结果证实消极情绪水平高的个体幸福感较低,对现实生活满意度较低的大学生更倾向于在网络世界中寻找成就感和价值感,提高问题性网络使用发生的几率,说明适当消解消极的、低落的情绪,帮助大学生保持健康的情绪状态有助于改善大学生群体的问题性网络使用。 研究结果表明社会支持、个体情绪状态与幸福感与问题性网络使用之间存在相互影响的关系。

社会支持作为大学生群体重要的社会资源,促进个体心理健康,有助于发展、维持现实生活中的人际关系。 个体情绪低落水平和幸福感在大学生社会支持与问题性网络使用中的链式中介作用,揭示了社会支持如何通过某些特定的中介变量的共同作用影响大学生群体的问题性网络使用,阐明了社会支持对问题性网络使用产生影响的内部作用机制,当出现压力事件时,即使个体不断产生负面情绪,社会支持系统较好的个体能够获得物质、心理上的帮助,从而调节自己的情绪、认知和行为,缓解负面情绪并维持健康情绪,更可能采取积极应对方式面对压力事件和消极情绪,减少面对消极情绪、负性事件时沉溺网络的逃避行为,提升个人幸福感与生活满意度,进而改善问题性网络使用行为。