互联网使用动机、行为与其社会—心理健康的模型构建，本文主要内容关键词为：互联网论文,心理健康论文,动机论文,模型论文,社会论文，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 R395
1 引言
在互联网心理学的研究中，互联网使用行为与使用者相关社会心理健康的关系问题始终是研究者关注的重点[1～8]。Kraut等人采用纵向法在2年内追踪调查了73户家庭169名互联网使用者，结果表明，随着互联网使用时间增加，家庭成员间的交流和使用者的社交规模逐渐下降，而孤独和抑郁水平逐渐提高。研究者据此认为，互联网使用可能取代了现实中的部分社会活动，从而降低了使用者的社会参与度和心理健康水平，产生消极的社会心理效应[9]。然而，LaRose等人基于社会认知理论，强调自我效能是互联网使用行为与使用者社会心理效应关系系统中的关键变量。他们基于实证调查数据建立的模型表明，互联网的高频使用和上网经验的积累等一方面可提高使用互联网的自我效能感，降低互联网对使用者的压力、一般生活压力和抑郁水平；另一方面可通过强化社会支持系统而降低其抑郁水平[10]。Shaw和Gant的研究也获得类似结果[11]，从而支持互联网使用对使用者具有积极影响的观点。可见，在互联网使用行为与使用者社会心理健康的关系问题上，尚存在相矛盾的结论。
笔者认为，这种矛盾可能既同互联网功能的多样化使不同研究难以全面包容互联网的所有功能有关，更可能与互联网使用者基于不同动机而使用互联网的行为模式有关。互联网使用的社会心理效应的性质可能取决于使用者的动机的性质。Weiser通过因素分析获得工具—信息获取(Goods-and-Information Acquisition,CIA)和社会—情感调节(SocioAffective Regulation,SAR)两种互联网使用动机，并建立了互联网使用动机与社会整合及心理健康之间的结构模型。根据该模型，基于工作需要的上网时间与工具—信息获取动机具有显著的正相关，而基于非工作需要的上网时间与社会—情感调节动机具有显著的正相关；基于工具—信息获取动机使用互联网有可能通过增强社会整合度（social integration，包括社会参与度和社会支持系统两个指标），提高使用者的心理健康水平（包括孤独感和抑郁两个指标），而基于社会—情感调节动机使用互联网有可能对个人的社会整合度产生负性影响，降低其心理健康水平[12]。Weiser将动机因素视为互联网的使用时间与使用者社会心理健康的中介变量，有助于说明互联网使用行为的多样性和复杂性。然而，笔者认为，该模型还存在着明显的不足。首先，该模型在互联网使用动机与使用后果间出现的直接联系，难以从理论上加以解释。因为无论是社会整合度还是心理健康，都只能是互联网使用行为而非使用动机的直接结果。离开行为过程，动机与行为后果间不应存在必然联系。就此而言，互联网使用行为才是动机与后果的中介。Weiser将互联网使用动机作为中介因素显然是不合理的。其次，该模型仅将个人上网时间和工作上网时间作为互联网使用行为的指标，认为前者主要与病理性互联网使用行为有关，而后者则属于对互联网的正常使用行为。然而，最近沈模卫、李鹏等人发现，互联网使用时间本身不能作为区分病理性使用和非病理性使用的有效指标[13]，且在实际操作中，被试难以将个人上网时间和工作上网时间做出精确的区分。因此有必要探索检测互联网使用行为的新指标，以取代使用时间。
基于前人的研究，互联网既具有满足信息获取需要的功能，又具有满足人际情感沟通需要的功能[12]。笔者认为，互联网使用动机的差异可能引发不同的互联网使用行为模式，从而导致使用者不同的社会心理效应。在互联网使用动机、行为和社会心理效应的系统中，互联网使用动机是互联网使用行为的起始因素，而互联网使用行为是互联网使用动机与使用者社会心理健康间的中介变量。基于上述假设，本研究旨在将互联网使用动机与使用行为及其行为后果结合起来，尝试构建更为有效且更具整合性的模型。鉴于目前研究者更关注病理性互联网使用行为，且徐梅、张锋等人的研究发现，病理性互联网使用行为与信息获取性动机的相关系数不具显著性，而与人际情感性动机的相关系数在0.001水平上显著[14]。因此，在构建模型时，侧重于基于人际情感性动机的病理性互联网使用行为与相关社会心理效应的关系。
2 方法与程序
2.1 被试
被试采用分层随机整群抽样方法，从昆明地区四所高等院校三年级学生中获得。以每周平均上网次数≥1次，每周平均上网时间≥1小时为标准选择被试，最后进入统计分析的被试容量为581人，其中男性245人，女性336人；文科类441人，理工类140人。个人每周平均上网次数最多的为21次，总样本每周平均上网次数为2.74±2.80次；个人每周平均上网时间最长的为40小时，总样本平均每周上网时间为5.30±6.69小时。被试上网次数和上网时间的人数分布见表1。
表1 样本中上网次数／周和上网时间／周的人数及比例
个人平均上网次数／周
个人平均上网时间（小时）／周
1 2
≥3 1～2 3～45～6 ≥7
人数(n)227152 202232 142 78 129
比例(%)39.126.2
34.8
39.9 24.413.4 22.2
2.2 工具
(1)大学生病理性互联网使用行为量表。该量表基于“在线认知量表(Online Cognition Scale,OCS)”[15]编制而成，共11个项目，采用从“①完全不符合自己的实际情况”到“⑦完全符合自己的实际情况”的7点量表。通过前期探索性因素分析（n=511，与本研究样本的取样时间相隔2个月）获得上网冲动性、分离逃避和网上优越感三个因素。本研究有效被试使用该量表的结果显示，上网冲动性α=0.63，分离／逃避α=0.63，网上优越感α=0.59，各分量表内项目的内部一致性信度可接受；所有项目与所属因素因子分的相关系数均在0.50以上(p〈0.001)，显示项目区分度理想，且所有项目与所属因素的负荷值在0.52～0.80之间，而与其他因素的负荷值在0.3以下，显示各个项目分别清晰地归属于特定的公共因素；三个分量表之间的相关系数在0.57～0.76之间，分量表的区分效度可接受；对本研究样本数据的验证性因素分析结果显示，GFI=0.976，TLI=0.941，CFI=0.957，RMSEA=0.042，表明三因素模型对数据具有较好的拟合度，构想效度理想[13]。
(2)大学生互联网使用动机量表。该量表参照“互联网态度调查表(The Internet Attitudes Survey,IAS)”[12]并结合大学生使用互联网的实际情况编制而成，共17个项目，采用从“①完全不符合自己的情况”到“⑦完全符合自己的情况”的7点量表。通过前期探索性因素分析(n=511)，获得信息获取性动机和人际情感性动机两个因素。本研究有效被试使用该量表的结果显示，信息获取性动机α=0.80，人际情感性动机α=0.83，表明量表的内部一致性信度较高；所有项目与所属因素因子分的相关系数均在0.48～0.77之间(p〈0.001)，显示项目区分度理想，且所有项目与所属因素的负荷值在0.56～0.79之间，而与另一因素的负荷值在0.3以下，显示各个项目分别清晰地归属于特定的公共因素；对本研究样本数据的验证性因素分析结果显示，GFI=0.954，TLI=0.942，CFI=0.951，RMSEA=0.045，表明二因素模型对数据具有较好的拟合度，且两种动机测量间的Pearson相关系数仅为-0.01，p〉0.05，表明是两种不相关的互联网使用动机模式；以被试在病理性互联网使用行为量表的测验分数为效标，获得信息获取性动机与效标分数的相关系数分别为-0.01，-0.03，-0.02，三者在0.05水平上不显著，而人际情感性动机与效标分数的相关系数分别为0.34，0.32和0.45，三者均在0.001水平上显著，表明病理性互联网使用行为与工具获取性动机间不存在相关，但与人际情感性动机具有显著相关[14]。
(3)大学生互联网相关社会—心理健康量表。基于理论构思，参照国外已有研究[9～12]，朱海燕、张锋等人提出“互联网相关社会—心理健康”(Internet-related Social-psychological Health)的概念，并初拟社会健康和心理健康两个基本维度，其中社会健康维度包括社会参与度和生活满意度，而心理健康维度包括孤独感和抑郁。据此选用《心理卫生评定量表手册》中的“个人孤独感问卷”和“CES抑郁量表(CES-D)”[16]作为评定互联网相关心理健康维度的工具，但在措辞上做了适当调整，以适应互联网情境的评价需要，采用5点量表记分，分数越高，表示孤独感及抑郁水平越低；用回译法翻译“生活满意度量表”[17]，并自编“社会参与度量表”，作为评定互联网相关社会健康维度的工具，采用7点量表记分，分数越高，表示生活满意度及社会参与度越高。全量表共28个项目。通过前期探索性因素分析(n=511)获得孤独感、社会参与度、一般抑郁、生活幸福感和生活满意度五个初级因素。本研究有效被试使用该量表的结果显示，孤独感α=0.84，社会参与度α=0.78，一般抑郁α=0.79，生活幸福感α=0.74，生活满意度α=0.77，表明各分量表内项目的内部一致性信度满意；所有项目与所属因素因子分的相关系数均在0.51～0.86之间(p〈0.001)，显示项目区分度理想，且所有项目与所属因素的负荷值在0.53～0.80之间，而与其他因素的负荷值在0.3以下，显示各个项目分别清晰地归属于特定的公共因素；五个初级因素与大学生互联网使用动机的信息获取性动机均具有显著的正相关(p〈0.05)，而一般抑郁和孤独感与人际情感性动机达到显著的负相关(p〈0.05)；对本研究样本数据的验证性因素分析结果显示，GFI=0.928，TLI=0.936，CFI=0.943，RMSEA=0.039，表明五因素模型对数据具有较好的拟合度。此外，对二维度模型的验证性因素分析结果显示，GFI=0.925，TLI=0.932，CFI=0.940，RMSEA=0.040。因素负荷显示，社会参与度、生活幸福感和生活满意度可进一步概括为社会健康维度。而孤独感和一般抑郁可进一步概括为心理健康维度。互联网相关社会—心理健康概念的理论构想成立[18]。
2.3 统计处理
采用Amos4.0软件进行协方差结构模型分析。
3 结果
3.1 测量模型的构建与检验
根据结构方程模型的建模要求，首先完成病理性互联网使用行为与其相关社会—心理健康关系的测量模型的构建和检验。测量模型包括八个观测变量和三个潜变量。其中上网冲动性、分离／逃避和网上优越感三个观测变量构成潜变量Ⅰ“病理性互联网使用行为”；社会参与度、生活幸福感和生活满意度三个观测变量构成潜变量Ⅱ“社会健康”；孤独感和一般抑郁两个观测变量构成潜变量Ⅲ“心理健康”。对测量模型的参数估计和检验采用协方差结构模型的极大似然法，模型中各观测变量值由验证性因素分析中的因子分获得。各拟合指数值显示，χ[2]=34.055，χ[2]/df=2.128，p〈0.01，GFI=0.986，TLI=0.991，CFI=0.995，RMSEA=0.044，可接受该测量模型。
3.2 结构模型的构建与检验
基于上述测量模型，进一步构建病理性互联网使用动机、使用行为与其相关社会—心理健康关系的结构模型。结构模型的纯理论假设为：(1)信息获取性动机与人际情感性动机分别对社会健康产生直接影响；(2)信息获取性动机与人际情感性动机分别对心理健康产生直接影响；(3)社会健康对心理健康产生直接影响；(4)信息获取性动机与人际情感性动机分别对病理性互联网使用行为产生直接影响；(5)病理性互联网使用行为分别对社会健康和心理健康产生直接影响。假设的结构模型包括互联网使用的信息获取性动机和人际情感性动机两个外源观测变量，以及病理性互联网使用行为、社会健康和心理健康三个内源潜变量。
采用协方差结构模型的极大似然法对假设的结构模型进行估计和检验，两个外源观测变量值为对互联网使用动机模型的验证性因素分析获得的二因素（两者无显著相关）的因子分。经初步参数估计，各拟合指数的值显示，GFI、AGFI、NFl、TLI、CFI等拟合指数均大于0.9，RMSEA=0.062，初步接受该模型。进一步考察结构模型中各标准化路径系数发现，“信息获取性动机→社会健康”“人际情感性动机→病理性互联网使用行为”“病理性互联网使用行为→社会健康”“病理性互联网使用行为→心理健康”“社会健康→心理健康”等五条路径的标准化路径系数均显著，与理论模型的路径假设一致。然而，原路径假设中关于“信息获取性动机→心理健康”“人际情感性动机→社会健康”“人际情感性动机→心理健康”“信息获取性动机→病理性互联网使用行为”等四条路径的标准化路径系数均不显著。采用逐步删除法删除不显著的路径，对原假设模型进行修正。修正后的结构模型中所保留的五条路径的标准化路径系数仍均显著，且修正后模型的各项拟合指数显示，χ[2]=87.350，χ[2]/df=2.912，p〈0.001，GFI=0.972，AGFI=0.949，NFI=0.978，IFI=0.985，TLI=0.978，CFI=0.985，RMSEA=0.057，表明修正后的模型对数据拟合良好，可接受经修正的模型，其标准化路径图及各变量间的标准化路径系数见图1。
图1 互联网使用动机与其病理性使用及相关社会—心理健康的关系模型标准化路径图
3.3 结构模型中介效应的检验及各变量间效应值的分解
基于理论构想，采用Sobel中介效应显著性检验方法[19,20]对病理性互联网使用行为的中介效应进行检验，结果显示，在“人际情感性动机→病理性互联网使用行为→社会健康”路径中，其中介效应显著，|Z|=4.88，p〈0.01，在“人际情感性动机→病理性互联网使用行为→心理健康”路径中，其中介效应也显著，|Z|=5.427，p〈0.01。
进一步对关系模型中各变量间的效应值进行分解（见表2）发现，互联网使用的信息获取性动机对使用者的社会和心理健康具有积极的效应，而人际情感性动机对社会健康和心理健康具有消极的效应。基于Sobel中介效应标准误计算公式[19,20]，对各变量间的效应值（费舍转换值Zr）差异进行检验，结果显示，信息获取性动机对社会健康的积极效应（效应值＝0.29）大于人际情感性动机对社会健康的消极效应（效应值=-0.11），|Z|=6.622，p〈0.01；信息获取性动机对心理健康的积极效应（效应值＝0.194）与人际情感性动机对心理健康的消极效应（效应值＝-0.179）在量上无显著差异，|Z|=0.435，p〉0.05；信息获取性动机对社会健康的积极效应（效应值＝0.29）大于对心理健康的积极效应（效应值＝0.194)，|Z|=3.325，p〈0.01；人际情感性动机对社会健康的消极效应（效应值＝-0.11）小于对心理健康的消极效应（效应值＝-0.179），|Z|=2.043，p〈0.05。
表2 结构模型因果作用的效应分解
影响路径效应值
信息获取性动机→社会健康 0.29
信息获取性动机→社会健康→心理健康
0.29×0.67=O.194
人际情感性动机→病理性互联网使用行为→社会健康
0.50×(-0.22)=-0.110
人际情感性动机→病理性互联网使用行为→心理健康
0.50×(-0.21)=-0.105
人际情感性动机→病理性互联网使用行为→社会健康→心理健康 0.50×(-0.22)×0.67=-0.074
4 讨论
本研究旨在应用结构方程模型技术构建大学生互联网使用动机、病理性互联网使用行为以及相关社会—心理健康的整合模型，以揭示三者间的作用机制及效应。
在该模型中，互联网使用动机，即信息获取性动机和人际情感性动机，分别被定义为两个外源性观测变量，通过高阶验证性因素分析分别将病理性互联网使用行为三个因素和社会—心理健康五个因素进一步概括为三个内源性潜变量，其中上网冲动性、分离／逃避和网上优越感被概括为病理性互联网使用行为变量，社会参与度、生活幸福感和生活满意度被概括为社会健康变量，孤独感和一般抑郁被概括为心理健康变量。分别将这些初级因素作为其所属潜变量的观测变量，并以这些因素的因子分作为所属潜变量的分数指标。采用极大似然法对测量模型和结构模型进行估计和检验，获得主要的拟合指数GFI、CFI、NFl、TLI均达到理想值，RMSEA虽未达到传统上小于0.05的理想准则，但明显小于温忠麟、侯杰泰等人建议的0.08的界值[21]，表明模型对数据的拟合度较为理想，所假设的模型可以接受。
经检验的结构方程模型显示，信息获取性动机有助于提高使用者的社会健康水平，并间接地对其心理健康产生积极作用；人际情感性动机导致病理性互联网使用行为模式的形成，并间接地对使用者的社会健康和心理健康产生消极作用。中介效应显著性的检验结果表明，病理性互联网使用行为模式作为人际情感性动机的中介变量对使用者的社会—心理健康具有消极作用，而信息获取性动机与病理性互联网使用行为模式的形成无关，证明原理论假设成立。对模型中各变量间效应值的分析表明，信息获取性动机对社会健康的积极效应大于人际情感性动机对社会健康的消极效应，而前者对心理健康的积极效应与后者对心理健康的消极效应无显著的数量差异。此外，信息获取性动机对社会健康的积极效应显著大于对心理健康的积极效应，而人际情感性动机对社会健康的消极效应显著小于对心理健康的消极效应。因此，从总体上看，大学生使用互联网的积极效应大于消极效应，且信息获取性动机更具正性社会效应，而人际情感性动机更具负性心理效应。
根据本研究建立的模型，笔者认为，基于信息获取性动机而使用互联网的大学生，倾向于将计算机和互联网作为学习、工作和生活的工具来看待，通过合理利用互联网的信息资源，帮助自己更有效地解决学习、工作和生活中的问题，获得更多参与社会生活的机会，并与他人建立更和谐的关系，从而促进其社会—心理健康水平的提高。相反，基于人际情感性动机而使用互联网，将导致使用者形成病理性互联网使用行为模式，并通过互联网的病理性使用行为对使用者的社会—心理健康产生负面影响。该类大学生倾向于通过使用互联网来结识新朋友，建立虚拟的人际关系；获取来自网友的情感支持，并在虚拟网络空间中实现自身的价值。他们可能认为在网上结识朋友比在现实生活中更容易，觉得在网上的表现比在现实生活中更优秀，网上生活比现实生活更丰富，更具吸引力；他们在网上的成功体验，以及获得的虚拟性情感支持，促使其更经常地通过参与虚拟空间的社会生活，以逃避现实生活中的责任或压力。一旦形成相对稳定的病理性互联网使用行为模式，使用者势必面临更多虚拟社会与现实社会之间的冲突，并形成网络生活与现实生活的隔离，从而导致使用者在现实生活体验到更强的孤独感和抑郁感。总之，基于信息获取性动机使用互联网，有助于使用者的健康成长；而基于人际情感性动机使用互联网，则容易导致使用者的社会—心理健康问题。本研究的结果提示，高等学校一方面要创造条件使大学生尽可能多地使用互联网，通过发挥互联网的积极功能促进大学生在学习、工作和日常生活中的健康成长；另一方面要引导大学生避免把互联网仅作为实现人际沟通和获得情感支持的渠道，防止形成互联网的病理性使用模式，以减少相关的社会—心理健康问题。
本研究的结果有助于解释国外研究者正在争论的互联网使用效应的性质问题。基于本研究建立的模型，笔者认为，互联网使用的效应取决于使用者的动机的性质。如果基于人际情感性动机而使用互联网，使用者更容易因过度卷入虚拟社会关系而影响其对现实社会关系的适应性，从而产生负面的社会—心理效应；相反，基于信息获取性动机把互联网作为工具使用，则有助于使用者更有效地维持并改善现实生活中的人际关系，从而提高其心理健康水平。最后，应该指出，虽然本研究与以往研究一样假定互联网使用动机、病理性互联网使用行为以及相关社会—心理健康间具有因果性，但由于该问题的复杂性和测量学研究方法的局限性，该假设并不具有唯一性，对此问题需要进一步深入探讨。
5 小结
以581名大学生为被试，采用结构方程模型技术构建了互联网使用动机、病理性互联网使用行为与其相关社会—心理健康的关系模型。其中，互联网使用动机包括信息获取性动机和人际情感性动机两种独立的模式；病理性互联网使用行为包括上网冲动性、分离／逃避和网上优越感三个初级因素；互联网相关社会—心理健康包括孤独感、社会参与度、一般抑郁、生活幸福感和生活满意度五个初级因素，并进一步概括为社会健康和心理健康两个维度。研究结果表明，基于信息获取性动机而使用互联网有助于相关社会—心理健康水平的提高；基于人际情感性动机而使用互联网更容易导致病理性互联网使用行为，并由此对使用者的社会—心理健康产生负面影响；大学生使用互联网的积极效应大于消极效应，且信息获取性动机对社会健康具有更大的积极效应，而人际情感性动机对心理健康具有更大的消极效应。
收稿日期：2004-07-11