青少年自我复杂性的测量及其压力缓冲作用探讨,本文主要内容关键词为:复杂性论文,测量论文,青少年论文,作用论文,压力论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
分类号 B844
1 引言
消极生活事件和抑郁的关系一直是青少年心理健康研究的重要内容之一。许多研究者从认知的角度对两者关系做出了解释(例如,Beck的抑郁认知理论[1];Abramson等人的抑郁归因理论[2]),并由此形成了各种抑郁认知疗法。这些疗法的效果虽然得到了一定的证明,但疗法的原因假设却常常缺乏令人信服的证据[3]。综观以往对抑郁认知因素的探索,大都集中在抑郁的认知内容和认知过程上,鲜有研究从认知的第三个方面——认知结构的角度对抑郁进行探讨。Linville的自我复杂性模型[4,5]弥补了这一不足,对推动抑郁的临床心理学发展具有重要意义,也
为探索中国青少年的心理健康提供了一条重要途径。
自我复杂性模型认为,自我概念是一个多侧面的认知结构,角色、关系、未来自我以及现实自我等都可能成为自我的某个侧面(自我维度)。人们在自我维度的数量(以下简称为数量)以及自我维度间的重叠程度(以下简称为重叠)上存在差异,从而表现为每个人的自我复杂性水平不同[6]。Linville认为,自我复杂性水平的差异对心理健康起着不同的作用,即复杂的自我概念可以缓冲压力对心理健康的不利影响。这一压力缓冲假说的核心为情绪扩散模型[4];自我维度引起的特定情绪与个体的总体情绪之间存在相关,其相关程度依赖于自我维度的数量及其重叠程度。具体来说,如果个体的自我概念中包含的自我维度数量多且自我维度之间的重叠程度较低(高自我复杂性),某个自我维度引起的特定情绪就被绝缘在一小部分自我概念中,不会对总体情绪产生影响;反之,如果自我维度数量少或自我维度间的重叠程度高(低自我复杂性),某个自我维度引起的特定情绪就会扩散到与之重叠的其他自我维度,从而使总体情绪受到感染。压力缓冲模型[5]以上述情绪扩散模型为基础,认为对自我复杂性低的人来说,消极事件造成的情绪扩散会导致个体产生强烈的、长时间的消极思想和情绪,进而出现较低的自我评价、抑郁以及其他相关的消极生理反应,这些消极结果会造成个体的内分泌和免疫系统失调,从而全面影响一个人的心理健康,而复杂的自我概念可以通过限制受影响的自我维度以缓冲压力事件的不利影响。
自我复杂性模型激起了许多研究者的兴趣,他们试图对模型进行验证。但研究结果存在巨大差异:虽然许多研究者[7]证实了自我复杂性压力缓冲效应的存在,更多研究者却没有获得相关证据。例如,对此领域的研究所做的元分析显示:自我复杂性和满意度关系之间总体上呈微弱的负相关[8]。这一结果意味着,自我复杂性和满意度之间的关系尚无定论,需要做进一步的研究。
研究者认为,研究结果存在差异的主要原因在于自我复杂性的操作定义存在问题。Linville对自我复杂性的测量以维度为指标(简称为SC-D,self-concept dimensionality)[8],计算方法相当于信息论中测量离中趋势的H统计[9]。测量自我复杂性的一般做法是:给被试33张印有特质形容词的卡片,让他们选择适合自己的形容词卡片,按照自己生活中有意义的生活侧面对卡片分类,具体分类标准由被试自己设定。在Linville看来,这种卡片分类的过程即是一种特质分类的过程。个体的自我复杂性分数(SC—D分数)就是以类别矩阵为基础算出的H值,同时反映了自我维度的数量及重叠程度(我们称之为结构测量法)这两个成分。Linville对自我复杂性的这种操作性定义遭到了研究者的质疑:首先,SC—D分数以被试的描述和分类为基础,可能导致实际测量到的结构与研究者感兴趣的结构有所出入,因为被试描述和分类的结果与呈现给被试的形容词的数量、积极和消极形容词的比例等等都有关系[10]。因此,这种方法能否同时测量到自我复杂性的数量成分和重叠成分就值得怀疑;其次,Brown等人(和Rafaeli-Mor等人[11]都发现:将自我复杂性的两个成分即自我维度的数量和重叠分开测量(我们称之为成分测量法),比SC—D分数能更好地评价自我复杂性。鉴于此,本研究拟对自我复杂性的结构测量法和成分测量法进行比较,以探索评价自我复杂性的更有效的方法。
测量自我复杂性的卡片分类法本身也存在种种问题,而且直接应用于中国文化背景中难免使研究结果出现偏差。鉴于此,本研究对此方法进行了必要的改进:首先,卡片分类中所用的33个形容词中,积极和消极形容词的比例大约为2:1,积极的形容词占大多数很容易使被试的反应向积极方向发生偏移[12],这一点已经遭到了研究者的广泛批评。此外,这些形容词来自西方的成人群体,难以真实反映本研究对象——中国青少年群体的特点。因此,本研究拟重新确定用于卡片分类的形容词库。
其次,传统的自我复杂性测量在卡片分类前,一般把所有特质形容词都给予被试,让他们首先从中选出适合自己的词语再进行分类[4,5,11]。受自我表现偏向的影响,被试可能会选择更加积极的形容词来美化自己,从而影响到结果的准确性。近年来一些相关研究成果可以为此方法的改进提供一些借鉴。例如,自我概念的研究发现,自我概念与记忆中其他概念一样,对个体越重要、越核心的自我概念其可接近性越强;经过精细加工的自我概念提取的速度更快更准确,提取所需要的线索也更少[13];内隐记忆研究中的间接测量法可以克服被试的自我表现偏向。据此,本研究采用模糊字辨认法对被试头脑中的自我特质词进行筛选,然后要求被试对筛选后的词语进行分类。
再次,考虑到中国文化的特点,在青少年进行卡片分类时,本研究为他们指定了分类的标准,即采用了基于社会背景的角色分类法。在Linville的研究中,被试对特质的分类是由被试自己设定的,这要求被试能够脱离情境和场合,以抽象的特质从不同侧面定义自己。这种分类方法适合于强调自我独特性和独立性的西方文化中的个体,他们对自我的定义倾向于脱离社会背景,具有浓厚的特质色彩。而在东方文化中,个体对自我的认识以他人为参照,与特定的背景联系在一起,因此自我定义是与他人相互依赖的,带有较强的角色扮演色彩[14]。中国文化是典型的东方文化,如果让青少年自己设定分类标准,可能会使他们无所适从,而要求他们将自我置于社会背景中进行特质分类,可以使他们更清晰地思考自己。
Linville模型的另一局限在于只对(当前)压力下自我复杂性和抑郁的关系进行了阐述,她并没有举出证据来证明当前压力不存在的情况下,自我复杂性和满意度之间的关系。本研究试图将模型扩展到当前压力不存在(即累积压力)的情况下,从不同压力的多个水平全面探讨自我复杂性的压力调节作用。
此外,已有研究认为,弹性是个体在面临压力时,积极实现适应的动力过程[15]。自我复杂性能够缓冲压力,可能预示着自我复杂性对弹性具有重要意义。本研究对此进行了探讨。
2 研究一 自我复杂性的测量
2.1 研究目的
对自我复杂性的成分测量法和结构测量法进行比较。
2.2 研究方法
2.2.1 被试 随机整群选取上海市普通高级中学高二两个班级(共91人),以及普通初级中学初二两个班级(共84人)。实验过程中,有一个被试拒绝完成任务,另有一个被试没有按照要求做出反应。因此,有效被试共173人(高中:男生为43;女生为46;初中:男生为50;女生为34)。
2.2.2 研究材料与设计
自我描述性特质形容词的选取 预先在其他普通中学里抽取了120个学生对自我描述性特质形容词进行调查:给他们每人发放一张正反两面都印有“我是一个______的人”这一句子的纸(共80个句子),要求他们在5min的时间内,根据自己的实际情况,尽可能多地在横线上填上相应的形容词。然后根据被试的反应,将所有出现过5次以上的形容词选出形成特质词库。最后共抽取出积极的自我形容词50个,消极的35个。相对于Linville的实验而言,本研究中形容词的总量显著增多,且消极形容词数量也大大增加。
程序编制 一般中学中没有速示器,本研究以电脑呈现特质形容词。测试之前预先编制相应程序。首先,对上述形容词进行模糊处理。模糊程度的标准通过预测的方法确定:选取一些被试(20人,与正式的研究被试不同),让他们报告自己的自我概念。然后人为地将这些描述自我的形容词进行模糊处理,模糊等级分为七级。2周后,在被试不知道实验目的的情况下,用电脑向他们呈现这些模糊词语,并让他们做出辨认。先从最高的模糊度开始呈现这些词语让被试辨认,然后逐渐降低模糊度,直到被试能基本辨认为止。记录被试的反应结果,并将这些结果与2周前产生的形容词系列进行对比。如果在某一模糊度下,有75%的被试两次产生的形容词系列能基本吻合,就将这时候的模糊度作为测验的标准。最后,使用Visual Basic 6.0将积极的和消极的形容词序列分别编制程序,每个词语呈现的时间是150ms,词语之间的呈现间隔是2s。
2.2.3 研究程序 由于本研究开始于开学后一个多月,与考试相关的消极情绪较弱;施测在正常的心理课上进行;施测过程中,保持周围环境安静。主试事先统一说明操作流程,被试明白后按照以下程序进行施测。
第一步,自我特质词的筛选。被试单独坐在电脑显示器前(电脑配置为:PIII主机,DELL 17寸纯平显示器)。首先呈现指导语:在你面前的屏幕上会比较快地闪现一些词语,这些词语是模糊不清的。你的任务是将看清的词语报告给你身边的老师。为避免顺序效应,被试与被试间交替呈现积极和消极的形容词系列。
第二步,对自我特质进行分类的阶段。将写有学生口头报告出的特质形容词的纸张交给学生,这些特质词语之前都有一个编号;另发给学生一张用于角色分类的白纸,指导语如下:
想一想你在现实生活中都扮演着什么样的角色(比如说在学校里你扮演着学生的角色、在公交车上你扮演着乘客的角色……)?将这些角色的名称写下来,并从刚才你所报告的词语中选择出那些能够描述你这些角色特点的词语,写在每个角色后面的横线上(只要写编号就可)。这些词语可以使用一次也可以使用多次。如果纸张不够,还可以向老师索取。
2.2.4 计算方法 结构测量法(SC—D分数)的计算方法:每个特质形容词可能被分到一个或多个自我维度中,也可能不属于任何自我维度。例如,当个体产生三个自我维度群体(1组,2组,3组)时,某个特质形容词的归属可能出现以下8种情况:只在1组,只在2组,只在3组,同在1和2组,1和3组,2和3组,1和2和3组,或者不在任何一组;也就是说,对任何数量的自我维度n,都有2[n]种不同的组合。每个特质形容词出现且只能出现在其中的一种情况中。其计算公式为:
在这里,n指的是词库中特质形容词的总数量;n[,i]指的是在特定的自我维度群体中特质形容词的数量。当特定群体中特质形容词的数量增加时,H的值就会增加。
成分测量法的计算方法:
(1)自我维度的数量:个体分类产生的自我维度群体的数量;
(2)自我维度的重叠:重叠在本研究中被定义为所有的自我维度两两之间共有部分的平均数。在Linville的研究中重叠测量反映在自我维度间的重叠上。在某种程度上说,一个人要维持自我维度之间的差异,自我维度间的重叠就将是低的。共有部分大实际上就说明了自我维度之间重叠程度或相似程度高,因此才会产生情绪扩散。相似性应该被看成是一种对称的关系。在自我概念的研究中,这意味着在自我维度之间的重叠或情绪在自我维度之间的扩散是双向的,所以不应该只测量其中一个方面。重叠的计算公式为[11]:
重叠=
在这里,C代表的是两个维度之间共有的特征数;T指的是相关自我维度的总特征数;n指的是个体的分类总数,i和j的范围从1到n(i和j不相等)。
2.3 结果分析
2.3.1 描述性统计 从被试的反应中,可以明显地看出个体在自我维度数量和重叠上的差异。比如,简单的个体一般只报告了三、四种社会角色,如儿子、学生、朋友等;而那些发展比较好的个体,除报告了上述角色之外,还出现了网友、发报员、邻居、组长、同桌、课代表、团员、球迷等角色;此外,对于相同角色,个体所选择的特质形容词及其数量也是不同的;同一个体,在不同角色间的表现出现了较大的差异。
2.3.2 自我复杂性的年级比较
表1是对自我复杂性的各指标进行的年级比较(以原始分为基础)。从表1中可知,除重叠分数外,自我复杂性的SC—D分数和数量分数在不同年级中均存在着显著性差异。
2.3.3 自我复杂性的结构测量法和成分测量法的比较 为了验证Linville的结构测量法与成分测量法[11]的关系,将自我复杂性的各指标进行相关分析。结果表明,SC—D分数与自我维度的数量具有较高的正相关(r=0.465,p<0.01),说明数量确实与自我复杂性具有一致性,即自我维度数量能反映自我复杂性的水平,这与Linville[5]的结果一致。但是,SC—D分数与自我维度间的重叠也存在正相关(r=0.365,p<0.01),这与Linville的结果相反,即自我维度的低重叠并不能反映自我复杂性的高水平。另外,重叠与数量之间的相关不显著(r=-0.119,p<0.05)。
为了验证在自我维度数量受到控制的情况下,自我维度的重叠与SC—D分数之间是否仍然存在正相关,同时也为了检验自我维度的重叠及数量与SC—D分数之间可能存在的关系,本研究以自我维度的重叠和数量及其交互作用为预测变量,以SC—D分数为结果变量进行同时性多元回归分析(为便于解释,所有变量在进入方程之前,先转化为标准分),结果见表2。方程从总体上来说是显著的,可以解释SC—D分数总变异的41.0%(r=0.641,F(3,169)=39.227;p<0.001)。从表2中可以看出,自我维度的数量和重叠都对SC—D分数有显著的主效应,在自我维度的数量和重叠增加时,SC—D分数相应增加。另外,自我维度的数量和重叠还交互影响着SC—D分数。图1直观地表示了三者之间的关系:无论自我维度的数量的高低与否,当自我维度间的重叠越大的时候,SC—D分数也随之上升。这些结果再次表明,自我维度间的低重叠并不能反映SC—D分数的高水平。因此,SC—D分数并不能准确反映自我复杂性两个成分的特征,这两个成分分开测量能更有效地测量自我复杂性。
图1 自我维度的数量和重叠与SC—D分数之间的关系
3 研究二 自我复杂性的压力缓冲作用
3.1 研究目的
在研究一的基础上,探讨自我复杂性的两个成分对不同压力的缓冲作用,并探讨当前压力下这两个成分与弹性在压力缓冲中的关系。
3.2 研究方法
3.2.1 被试 同研究一。
3.2.2 研究材料
自编弹性问卷 以Siebert的弹性问卷[18]为基础,并参照Benard对青少年弹性属性的分析[19]自编弹性问卷。原始问卷共48个项目。首先对48个项目进行主成分分析,经过Varimax旋转,生成特征值大于1的因子5个,总的方差解释率为51.1%。根据碎石检验判断,对48个项目进行抽取4个因子的因素分析,此4个因子的累积方差解释率为47.6%。考察Varimax旋转因素负荷矩阵,删除在所有因子上负荷均较低(小于0.35)以及在两个因子上都具有大于0.30且大小彼此接近的负荷的项目,对存留的30个项目再次进行抽取4个因子的主成分分析,此4个因子的累积方差贡献率为52.4%。经过Varimax旋转,获取最终因素结构。根据项目构成情况,对4个因子的命名如下:社会能力(8项)、问题解决技能(8项)、自主性(8项)、目标和未来感(6项)。各分量表的内在一致性α系数为0.78~0.83。问卷总体的内在一致性。系数为0.82。问卷总项目数30个,每个项目有5个等级,从“非常同意”到“不同意”,总分范围为0~150分。
青少年生活事件量表(ASLEC)[20]此量表是刘贤臣等在概括国内外文献的基础上,结合青少年的生理心理特点和所扮演的家庭社会角色而编制的,量表共有27个项目,每个项目的得分从0~4;总分范围是0~108。多年使用的结果表明量表具有良好的信度和效度。本研究中,该量表两次测得的内在一致性α系数为0.87和0.85。
抑郁量表(CES—D)[20]该量表专门为评价当前抑郁症状的频度而设计,着重于抑郁情感或心境,适合用于不同时点断面的调查结果的对比。量表共有20个项目,是一种自我报告式的测量工具。每个项目的赋值是0~3。总分范围为0~60。多年使用的结果表明该量表具有良好的信度和效度。在本研究中,该量表两次测得的内在一致性α系数分别为0.85和0.86。
3.2.3 研究程序 本研究在自我复杂性测量结束一周后开始。研究分为三个阶段,时间跨度三周。第一周为第一阶段,收集累积压力分数及相应的抑郁分数。按照Monroe和Simons[21]的建议,累积压力分数的收集,要求被试根据ASLEC报告近4个月内发生的事情。相比较而言,累积压力并不严重,它对个体的主观满意度起到累积效应。为了使被试对压力评价受到的影响最小,首先要求被试填写ASLEC,然后填写CES—D;第二周为第二阶段,要求被试填写弹性问卷;第三阶段在第三周进行,收集当前压力分数及相应的抑郁分数。当前压力分数的收集,要求被试根据ASLEC报告过去两周内发生的事情。当前压力,包括重要的生活事件会对个体的情绪产生即刻影响。同样,要求被试首先填写ASLEC,然后填写CES—D;以上各任务分组进行,每组不超过10个人。
3.2.4 统计方法 采用SPSS 10.0 for Windows、Microsoft Excel 2002和Amos5.0等软件对数据进行处理。
3.3 结果分析
3.3.1 自我维度的数量、重叠对压力缓冲的分层回归分析 为了便于进行结果解释,统计分析之前将所有变量分数转化为标准分。根据Cohen等人[22]的建议,本研究以累积抑郁为协变量,当前抑郁为因变量,压力、自我维度的数量和重叠以及三者的交互作用为预测变量,进行层级性多元回归分析,结果参见表3。
累积压力和抑郁之间的相关不显著另外,自我维度的数量对抑郁的变化的影响主效应显著,当自我维度数量较高时,个体的抑郁症状减轻;而自我维度间的重叠主效应则不显著。这些结果表明,在累积压力情况下,较高的自我维度数量对个体是一种增益性因素,而自我维度间的重叠程度不会影响个体的自我调节过程,重叠程度高也不会产生情绪的蔓延效应。
图2 累积压力下自我维度数量和抑郁残差之间的关系
由表3可知,在当前压力情况下,当前压力对抑郁变化的主效应显著这表明,当个体所拥有的自我维度数量较高时,自我维度间的高重叠可以缓冲压力对抑郁情绪的消极影响,这与Linville所持有的低重叠是增益性因素的看法不一致。而在低数量,这些结果表明,自我维度数量较低时,维度间的低重叠可以缓冲压力的影响,这一点证实了Linville的假设。
图3 当前压力下自我维度的数量、重叠与抑郁残差之间的关系
3.3.2 当前压力下自我复杂性的两个成分与弹性的压力缓冲模型探索 以上的研究结果表明,自我复杂性的两个成分对压力具有一定的缓冲作用,由于弹性与压力应对有关,自我复杂性的两个成分可能与弹性密切相关,并共同对当前压力起缓冲作用。
为了验证上述设想是否成立,首先以弹性为结果变量,以自我复杂性的两个成分及交互作用为预测变量建立回归方程。方程从总体上是显著的,可以解释弹性总变异的4。
然后使用Amos5.0对自我复杂性的两个成分、弹性与压力和抑郁之间的关系进行分析。通过M1指数逐步删除饱和模型中的不显著路径,得到如图4所示的诸变量之间的关系模型,其中,X[2]/df=1.374,p=0.235。其余各项拟合指数见表4,从表4中可以看出,模型的各项指数拟合良好。
图4 当前压力下自我复杂性的两个成分和弹性的压力缓冲模型
表5是各变量对当前抑郁的总效应及直接和间接效应。结合图4和表5进行分析,可以发现,累积抑郁是影响当前抑郁情绪的最主要因素,这表明抑郁具有一定的稳定性。自我复杂性的两个成分对压力的缓冲作用主要是通过弹性起作用的。除此之外,自我复杂性的数量成分还直接缓冲压力对情绪的消极影响。
4 总讨论及研究反思
4.1 自我复杂性的成分测量与结构测量法的比较
研究结果表明,成分测量法比结构测量法能更有效地测量自我复杂性分数,这一结果支持了Rafaeli-Mor等人[11]及Rothermund和Meiniger[17]的研究结果。SC—D分数的外部效度比较低可能与其结构效度有关。由于SC—D分数与自我维度数量相关较高(在本研究中两者的相关为0.47;Rafaeli-Mor等人[11]的研究中为0.71;Rothermund和Meiniger[17]的研究中为0.78),SC—D分数可能主要代表着数量成分。如果假定SC—D分数同时也代表重叠成分。那么其预测效应比较差也就不足为奇了。因此,如果抛开对测量的考虑,使用结构测量法来测量自我复杂性会限制我们对自我复杂性的功能及意义的理解。
4.2 自我复杂性测量结果与已有研究的比较
研究结果表明,本研究计算得到的SC—D分数比Linville[4]及Woolfolk 等人[16]研究得到的分数偏低;由成分测量法计算得到的数量分数比Rafaeli-Mor等人[11]及Rothermund和Meiniger[17]的研究结果偏低;重叠分数比Rafaeli-Mor等人[11]的研究偏高,与Rothermund和Meiniger[17]的研究相近。研究结果出现如上差异可能与以下原因有关:首先,所选的目标群体不同。上述四个研究以大学生为对象,本研究以中学生为对象。受生活经验的影响,中学生的自我概念发展可能不够成熟,其自我概念的分化程度较低;其次,被试分类的标准不同。本研究使用了基于社会背景的角色分类法,这与上述四个研究让被试根据生活侧面自己定义分类的标准不同。
4.3 自我复杂性的发展特征
结果表明,高中组比初中组在自我复杂性的各指标上都表现出了更高的水平。随着年龄的增长,青少年自我维度的数量增加了,意味着他们参与更多的社会活动和社会角色,并学会从不同的观点来审视自我。其次,青少年自我维度间的重叠程度有所增加,这可能与他们能更好地对多种自我进行组织和整合有关[24]。青少年时期是个体社会关系迅速扩展的时期,随着社会交往机会的增加和交往能力的增强,与社会角色有关的自我复杂性也随之增强。
4.4 不同压力下自我复杂性各成分的压力缓冲作用分析
研究结果表明,在累积压力情况下,自我维度的高数量可以缓冲压力对个体的不利影响,尤其在累积压力比较高的情况下,自我维度的数量越高越有助于青少年应对压力(此结果与Linville的研究结果一致)。相对而言,重叠程度的高低则与个体应对长期的累积压力的关系不大(与Linville的结果不同)。这表明,在累积压力情况下,较高的自我维度意味着更丰富的生活领域和更宽广的视野,使得青少年有机会选择另外的生活领域以补偿前一生活领域中的失败或损失,并有利于他们对压力事件的重新定位和再解释,从而使消极事件的自我威胁意义降低或中性化[17]。这与自我肯定理论[25]和角色理论[26]有共同之处。当个体处于自我肯定过程中,在自我的某方面受到威胁时,他们可以通过肯定自己其他方面的积极品质来维护自尊[25]。例如,学生考试不及格,他们可以肯定自己的其他方面,比如运动,来减少沮丧感。角色理论则认为一个人拥有的角色数量增多时,对每一种角色的投入程度也下降了[26],这样,一个拥有多重角色的人,他们对每一种角色都给予较少的投资,因此某一种角色的失败也就对整个自我概念影响不大[27]。
在当前压力情况下,自我维度的高数量/高重叠能缓冲高的、严重压力对个体的影响;高数量/低重叠则很难应付高压力生活事件的挑战(这与Linville的结果相反);自我维度数量比较少的青少年,其自我维度重叠越小越有助于缓冲压力的消极作用(与Linville的结果一致)。当前压力水平比较低时,对自我维度数量比较高的个体而言,自我维度重叠越低越有助于缓冲小的压力事件的消极影响(与Linille的结果一致);低数量/高重叠的青少年能游刃有余地应付日常的小压力事件(这与Linville的结果相反)。
综上所述,当前压力情况下,自我维度的数量对压力的缓冲作用还受到重叠的制约。自我维度的数量和重叠之间的关系涉及到自我概念的整合和分化问题。分化指的是一个人用以组织信息的自我维度的数量以及个体倾向于区分不同的自我维度的程度。高分化的人使用许多情境特定性的、有差异的自我表征,而低分化的人几乎或很少使用有差异的自我表征。Linville的研究主要强调自我概念的分化特征。整合是指分化的自我维度的内部联结,是在成分本身的交互作用中新出现的一种属性。高整合的个体,倾向于创造一些上位的分类,将不同的自我维度联系起来,但不忽略它们的独特性和矛盾性。本研究认为,整合和分化都是个体遵循一定的意义对自我各维度成功建构的结果,是两种对立统一的过程,对个体的自我发展都起着重要作用,一个发展良好的自我意味着个体形成整合与分化相统一的自我。如果自我概念过于分化缺乏整合,个体的自我会表现出分裂的特征,自我维度间的孤立或割裂容易使个体在容忍和解决冲突时出现困难[28]。自我复杂性研究中,诸多研究结果的不一致可能与“分化”和“分裂”这两个概念被混淆了有关。总之,自我维度的高数量/高重叠意味着青少年拥有清晰的、一贯的自我感,使个体在面临压力时维持一种稳定的或是自我愈合的过程,换言之,高整合和高分化使个体的自我丰富而内聚(coherence),个体较少产生抑郁和痛苦。而自我维度的高数量/低重叠则表明青少年自我的分裂,由于没有连贯的意义整合,自我趋于不稳定,个体容易受到消极生活事件的影响。相对来说,自我维度的低数量/高重叠意味着青少年的自我概念比较简单或狭隘,个体容易受到压力的消极影响。
4.5 自我复杂性、弹性与压力缓冲
研究结果表明,自我复杂性的两个成分能够显著地预期弹性,且这两个成分对压力的缓冲效应主要通过弹性起作用的,这意味着自我复杂性是影响弹性的主要因素之一。不仅如此,对自我复杂性压力缓冲机制的探讨,也指出了自我复杂性可能的弹性保护机制(如4.4所述)。弹性研究虽然涉及的领域非常广泛,但大多研究都止步于探讨弹性的影响因素。由于这些保护因素在很大程度上都是静态的[29],这就很难解释为什么在不同的情境中,同一个体在压力下的表现会如此不同。对弹性保护机制的研究有助于揭示弹性的动力过程[15,29]。因此, 自我复杂性压力调节机制的探讨对推动弹性研究具有重要启示意义。
4.6 研究反思
本研究将自我复杂性理论这个自我概念结构的主要模型引入到中国文化中,并根据中国文化的特点和研究本身存在的问题对自我复杂性研究做了一定的改进,主要具有以下几方面的创新性。首先,结合中国文化的特点和研究群体的特征对研究方法作了一定的改进:以中国青少年为调查对象确定卡片分类的词库,并根据中国文化的人际互依性特点为青少年设定了卡片分类的标准。这在某种程度上克服了自我复杂性研究可能在中国出现的水土不服现象,对推动自我复杂性研究在我国的发展具有重要意义。
其次,本研究首次将内隐记忆研究的成果结合进自我复杂性研究中,以词汇判断任务来取代被试对特质形容词的外显选择,有助于克服被试的自我表现偏向,对改进传统的自我复杂性研究方法具有重要启示性。但这种方法也存在着耗时较长、比较繁杂的特点,有待进一步改进。
再次,根据研究结果,本研究指出,自我维度之间的分化和整合是个体的自我发展中两种对立统一的过程。以往研究对分化和整合孰重孰轻的争论,可能与研究者将“分化”和“分裂”这两个概念混淆了有关。因为分化有益于发展,分裂会阻碍发展,如果将两个概念相混淆,势必会影响到对分化作用的理解。从个体发生的角度来看,整合和分化对个体的发展都很重要,在个体成长的不同时期,它们可能交替成为自我发展的主要任务。这一结论对于解决自我复杂性研究的理论争端具有重要意义。
很多人都认识到自我复杂性研究存在诸多分歧的根本原因在于,研究者对自我复杂性的理论假设及测量方法难以达成一致意见,但不同的研究者是从不同的角度对自我复杂性理论的不一致和困惑做出探讨的[8],因此很难得出一致性的结果。 未来的研究更加需要研究者对以往的研究做出整合和验证。本研究针对此进行了一定的尝试,并为自我复杂性研究提供了中国青少年群体的经验资料。
自我复杂性的研究涉及到社会角色表征、同一性以及跨情景整合等概念。这些概念为理解抑郁的机制提供了新视点。对社会—认知心理结构的使用可能有助于在认知模型和抑郁的社会人际模型之间建立起一座桥梁。
5 结论
(1)成分测量法比结构测量法能更好的评价自我复杂性。
(2)青少年的自我复杂性在各指标上都表现出一定的发展特征。
(3)Linville的自我复杂性模型具有一定的合理性,模型仅适应于累积的高压力情况下以及较低的当前压力情况下。
(4)累积压力下,较高的自我维度意味着较丰富的生活领域和较宽广的视野,这使个体能从其他方面获得需要的满足;自我维度的高数量/高重叠使青少年的自我清晰、连贯,个体较少产生抑郁和痛苦;而高数量/低重叠的自我维度则表明青少年自我的分裂,个体容易受到消极生活事件的影响;自我维度的低数量/高重叠则意味着青少年的自我概念比较简单或狭隘,难以应付生活的高压力。
(5)自我复杂性是影响弹性的主要因素之一。
收稿日期:2005—11—09
标签:自我概念论文; 形容词论文; 情绪和情感论文; 特质理论论文; 抑郁情绪论文; 心理健康论文; 消极情绪论文; 维度理论论文;