韶关学院教育学院,韶关
随着技术发展和新一代产品的崛起,全球范围内的网络串联和广泛使用使,使“网络成瘾”成为新的、全球性的流行性行为成瘾[1]。在发展中国家,由于技术的普及和渗透,遥远偏僻的角落均不能幸免。
互联网成瘾一般是指一个人无法控制自己的上网行为(包括任何在线相关的强迫行为),最终导致一个人明显的痛苦和日常生活功能损害。网瘾对青少年的良好自我意识形成和认知功能具有负面影响,导致大学生学习成绩差、参与高风险活动和形成不良的饮食习惯等。
大学生比其他群体更容易对网络形成依赖。其原因可能有大学生具有充足的自由支配时间;上网工具如IPAD、智能手机的普及;网络及WIFI的普及使上网更加便利;网络消费,如购物等;一些网络课程,没有明确的互联网使用的目标;互联网娱乐性等缓解了考试压力;缺乏父母监管等。以上因素导致大学生过度使用网络,引起家长和老师的关注。
根据美国精神障碍诊断统计手册第五版(Diagnostic and Statistical Manual of Mental Disorders,DSM-V),网络成瘾虽然尚未被确认为是一种精神疾病,但同时受到教育、医学、心理学等领域的广泛关注。尽管在全球范围内有众多研究描述了这个行为成瘾现象,但由于不同的研究的标准不同,被试招募的方式,可能造成严重的抽样偏差,报道的成瘾率也不同。本文主要调查研究广东省大学生网络使用模式、发病率,并分析引起网络成瘾的危险因素。
本研究在珠三角地区的4所高校共511人,粤北1所高校196人、粤东1所高校180人、粤西1所高校152人进行调查。使用多层整群随机抽样设计,从每个学校随机抽取一个班级。例如在本科生、研究生中随机抽取专业(包括计算机、外语、体育、历史、法律、物理、心理、学前教育等文理工专业共22个)。调查时间为2014年9—11月。共调查1039名大学生,年龄范围为18—28岁。其中男性467人,女性544人;本科生875人,硕士研究生136人;一年级学生236人,二年级365人,三年级301人,四年级109人。收回1036份,回收率为99.7%,有效率为97.6%,共有1011名学生最终被纳入统计分析。
所有问卷均为课堂发放,进行匿名完成问卷,15分钟后现场回收所有问卷。教师离开教室20分钟,以避免对学生产生偏见、影响作答。
问卷内容包括三个部分:社会人口学信息、互联网使用模式、Young的网络成瘾测验(IAT)。Young的网络成瘾量表,包含20个项目的问卷,5点评分,其中1表示非常不符合,5表示非常符合。总分为所有项目得分相加,分数越高,成瘾程度越大。正常范围:0~30分;轻度成瘾:31~40分;中度成瘾:50~79分,重度成瘾:80~100分。Young的IAT20问卷特性已被证明有效,全球范围内被广泛和频繁的使用,并通过成人和青少年人群的验证,α系数为0.887(p = 0.000),具有良好的内部一致性信度以及效度[2]。
使用SPSS 17.0对数据进行统计和分析。社会人口学变量和互联网使用模式用频率表示,网络成瘾的发生率用百分比来描述,通过样本大小推算网络成瘾的流行情况。对网络成瘾问卷中的各因素进行方差分析,p <0.05,差异显著。Logistic回归分析检测网络成瘾因素,p<0.05,差异显著。
大学生的互联网使用模式见表1,一半以上的大学生接触电脑的时间接近在5~10年,表明在学龄早期已经开始接触电脑和使用互联网。每天在线的时间延长,有些学生可能是不使用网络也保持在线。上网工具从传统的台式电脑逐渐被手机和平板取代,移动网络和无线WIFI成为大多数人上网的首选,极大部分大学生选择使用网络进行信息交流。
表1 被试的互联网使用模式
Table 1 Pattern of use internet
变量 |
人数 |
频率(%) |
|
电脑使用年龄(年) |
1~5 |
327 |
32.3 |
5~10 |
604 |
59.7 |
|
10以上 |
250 |
24.7 |
|
互联网使用年龄(年) |
1~5 |
243 |
24 |
5~10 |
733 |
72.5 |
|
10以上 |
205 |
20.3 |
|
每天使用互联网时间(小时) |
0~5 |
284 |
28.1 |
5~10 |
461 |
45.6 |
|
10以上 |
266 |
26.4 |
|
每个月上网费用(元) |
50以下 |
290 |
28.7 |
50~100 |
448 |
44.3 |
|
100~200 |
191 |
18.9 |
|
200以上 |
82 |
8.1 |
|
使用频率最高的上网工具 |
台式电脑 |
78 |
7.7 |
笔记本 |
311 |
30.8 |
|
平板 |
110 |
10.9 |
|
手机 |
512 |
50.6 |
|
互联网账户登陆状态(小时) |
0~5 |
338 |
33.4 |
5~10 |
450 |
44.5 |
|
10~15 |
132 |
13.1 |
|
15小时以上 |
91 |
9 |
|
最常用的互联网连接方式 |
WIFI |
232 |
22.9 |
宽带 |
325 |
32.1 |
|
流量数据卡 |
74 |
7.3 |
|
移动互联网 |
391 |
38.7 |
|
使用互联网最常用的地方 |
宿舍 |
207 |
20.5 |
办公或实验室 |
90 |
8.9 |
|
课堂 |
349 |
34.5 |
|
图书馆 |
228 |
22.6 |
|
电脑机房 |
69 |
6.8 |
|
其他公共场合 |
275 |
27.2 |
|
上网最常做的事情 |
网络交流,邮件 |
647 |
64 |
浏览新闻 |
20 |
2 |
|
网络游戏 |
212 |
21 |
|
资讯查询 |
61 |
6 |
|
视频电视电影 |
51 |
5 |
|
其他 |
20 |
2 |
本研究中未成瘾者调查率为52.2%,严重的网络成瘾者约为1%,重度成瘾率为9.8%,而轻度网络成瘾占绝大部分;依据样本大小预测实际发生率,见表2。
表2 互联网成瘾率
Table 2 Internet addiction rate
成瘾类型 |
IAT20分数 |
人数 |
检测率(95%CI) |
预测率s(95%CI) |
轻度 |
31~49 |
374 |
37.0(31.91~38.09) |
39.6(34.42~41.78) |
中度 |
50~79 |
99 |
9.8(6.53~11.47) |
8.2(5.74~10.46) |
重度 |
80~100 |
9 |
0.89(0.82~1.31) |
0.57(0.48~0.69) |
注:预测实际发生率的计算使用公式(检测率+特异度)-1/(灵敏度+特异度);特异度=0.87;灵敏度=0.98。
在大学生的网络使用模式中,过度使用网络患者每天使用互联网的时间和每月花在互联网上的金钱均显著较高,见表3。手机在最常用的上网工具,但方差分析显示手机使用者的轻度成瘾者的比例较高,但差异不显著。因此,尽管在大学生中手机广泛普及,但并不真正成为互联网成瘾的高危原因,见表3。
表3使用模式的方差检验
Table 3 Variance test of usage patterns
变量 |
样本 |
正常 |
轻度 成瘾 |
中度 成瘾 |
重度 成瘾 |
卡方值 |
p |
OR |
CI |
|
使用时间(小时) |
1~10 |
799 |
426 |
301 |
70 |
2 |
22.872 |
0 |
2.42 |
1.69~3.46 |
10以上 |
266 |
124 |
89 |
43 |
7 |
|||||
互联网使用费用(元) |
50~100 |
448 |
321 |
82 |
45 |
0 |
12.34 |
0.002 |
2.31 |
1.32~4.04 |
100~200 |
191 |
77 |
81 |
33 |
3 |
|||||
使用方式 |
手机 |
512 |
265 |
211 |
33 |
3 |
6.32 |
0.059 |
3.16 |
1.54~5.81 |
其他 |
499 |
257 |
163 |
76 |
6 |
注:OR(Odds ratio),OR>1:危险因素,OR<1:保护因素。
Logistic回归分析发现,互联网使用中的高危因素包括性别、年级、持续登陆状态、朋辈影响、首选交流方式、交友、进入在线关系、网络游戏均为潜在影响因素(p <0.05),然而年龄、居住地、使用网络的年限、上网工具和网络连接方式并未发现有显著影响,见表3。通过逆向逐步条件的二元逻辑回归分析发现最大的潜在影响预测网瘾的因子,包括男性、交新朋友、进入关系网络、永久登陆状态均能提高成瘾率,而使用网络完成作业或者学习任务则能成为成瘾的保护因素,见表4。
表4 影响因素的二元回归分析
Table 4 Binary regression analysis of influencing factors
变量 |
N |
分类 |
人数 |
正常 |
成瘾 |
方差 |
OR |
p值 |
修正OR |
p值 |
性别 |
515 |
男性 |
467 |
199 |
268 |
29.384 |
2.51(1.79~3.16) |
<0.001 |
1.59(1.18~2.61) |
0.019 |
女性 |
544 |
330 |
214 |
|||||||
年级 |
515 |
1-2 |
601 |
320 |
281 |
8.817 |
2.23(1.37~4.01) |
0.018 |
N.A. |
|
3-4 |
410 |
209 |
201 |
|||||||
持续在线10小时以上 |
477 |
是 |
266 |
94 |
172 |
13.98 |
2.18(1.12~3.54) |
0.001 |
1.82(1.01~2.82) |
0.033 |
否 |
745 |
435 |
310 |
|||||||
朋辈影响 |
510 |
有 |
794 |
397 |
397 |
11.185 |
1.42(1.08~2.54) |
0.002 |
N.A. |
|
无 |
217 |
131 |
85 |
|||||||
聊天 |
515 |
有 |
674 |
317 |
357 |
12.95 |
1.5(1.31~2.6) |
0.002 |
N.A. |
|
无 |
337 |
212 |
125 |
|||||||
色情 |
515 |
有 |
90 |
39 |
52 |
15.522 |
1.47(1.11~3.01) |
0.001 |
N.A. |
|
无 |
921 |
483 |
430 |
|||||||
在线交友 |
515 |
有 |
130 |
56 |
74 |
17.809 |
2.24(1.61~3.36) |
0.0001 |
1.56(1.48~2.38) |
0.034 |
没 |
385 |
238 |
147 |
|||||||
网络游戏 |
515 |
有 |
318 |
150 |
168 |
7.086 |
1.94(1.62~2.18) |
0.024 |
N.A. |
|
无 |
693 |
369 |
314 |
|||||||
与朋友互动的首选方式 |
405 |
虚拟 |
575 |
289 |
286 |
7.832 |
1.76(1.24~2.39) |
0.016 |
N.A. |
|
现实 |
436 |
229 |
206 |
|||||||
互联网学习课程 |
515 |
是 |
432 |
269 |
163 |
10.139 |
0.62(0.57~0.79) |
0.007 |
0.45(0.27~0.68)* |
<0.001 |
否 |
579 |
260 |
319 |
注:N.A.在模型中不可用。OR>1:危险因素,*OR<1:保护因素。
互联网成瘾又称为病理性互联网、强迫性上网和问题性互联网使用,根据成瘾的诊断表征,以上行为具有共同的特点如过度使用网络、退缩、具有耐受性、人际关系不良、个人幸福感较低。在当前的研究中,其中轻度网络成瘾的流行率为39.0%,高于全球发生率[4],中度成瘾流行率为8.2%,重度成瘾率为0.52%。
目前我国对网络成瘾率的报告数据大不相似,可能与测量工具和对象有关。张志松等使用中文网络成瘾量表(CIAS-R)安徽省8 所普通高校中的本科大学生作为研究对象,测得大学生成瘾率为14.08%(n=618)[3]。而刘璐等同样用CIAS-R对北京地区大一学生测得的成瘾率为3.35%(n=2511)[5]。梅松丽等用Young IAT 8网络成瘾问卷测得大学生成瘾率为4.6%(n=433)[6],罗蓉使用YIAT8网络成瘾问卷测得江西某高校大学生的网络成瘾率为7.2%(n=545)。朱宇航等使用YIAT8网络成瘾问卷测得山东省医学生的网络成瘾率为4.76%[7]。
手机的普及使大学生不受时空约束随时能使用互联网也可能显著影响测量结果。付桂芳等自编手机依赖问卷测量广州地区大学生手机依赖(n=311)[8],结果为100%大学生使用手机,超过25%的大学生具有中度及严重的手机依赖症状。
本研究测得具有轻度成瘾倾向的大学生为39%,轻度成瘾虽然不影响网络使用者正常社会学习功能,但同样妨碍了使用者的身体健康、人际关系和学习生活,也有研究者将这种发生率很高(58.1%)且容易被人忽视的成瘾倾向称为“网络软隐”[9]。
随着网络和互联网工具的进一步普及,当前大学生互联网使用模式发生了很多变化。手机成为最流行的互联网使用工具,且智能手机功能的完善和无线网络的普及,大大解放了学生对电脑和有线网络的依赖,每个月支出不到100元,且极其方便,几乎可以在白天任何时候登陆,也不受到任何监督。但并未发现手机提高了中重度成瘾者,但手机使用者中轻度成瘾者比例相对较高,因此手机在提供上网便利的同时,也导致使用者对手机的轻度依赖。
大多数学生使用网络的时间超过5年,每天使用网络超过5小时。与非成瘾学生相比,网络成瘾的学生每天使用互联网的时间和每个月互联网的花费也显著较高。尽管时间不能作为诊断网络成瘾的直接指标,其他研究说明,在线时间越长其成瘾的可能性就越大[8]。
多个危险因素如性别、高年级、永久登陆状态、朋辈影响、与朋友的虚拟互动偏好、网络聊天、色情、结交新朋友等。许多研究显示,男性比女性更容易互联网成瘾[5],但近年来女性的成瘾率也有所提高。男生的网络成瘾比例要显著高于女生,原因可能与男生对计算机操作及上网的兴趣更大,此外还跟网络内容有关。如网络游戏,多数的大型互动类网络游戏都以暴力、攻击甚至色情为主要内容,更符合男生对刺激与冒险的身心需求。
高年级学生比低年级具有更高成瘾倾向,其原因可能与不同年级的学业任务有关,低年级的课程作业较多,而高年级的课程较少,上网的时间自然较多。因此,对于高年级的大学生,应给予时间管理和自我规划指导。
同伴的行为、态度均是吸烟、饮酒、个性等也是成瘾重要影响因素[11]。本研究朋辈的网络使用行为也直接影响了大学生的网络成瘾,即对同伴成瘾行为的观察、模仿会直接影响个体表现出相似的行为[7]。网络交友和虚拟交流偏好也大学生互联网成瘾的危险因素。处于成年早期由于生活经验不足,且缺少父母的监督,更容易受到影响进入网络进行交友,最终转变成真正的网络关系。
利用互联网进行网上课程学习是大学生避免网络成瘾的保护因素。随着慕课和网络课程走进校园,充分利用网络平台资源进行网络课程学习,有助于大学生网络时更有目的性和管理自己的时间和上网。
网络过度使用使一个危害公众健康的问题,根据研究发现需要指出的是过度使用互联网对青少年的身心和社会主观幸福感均有不利[12]。网络成瘾是一个流行性的公共健康问题,随着互联网技术和电子信息的发展,电子产品的精巧和功能完善冲击社会的每一个领域,也在一定程度上加剧了学生的网络依赖倾向。在大学校园中,如何引导大学生正确使用网络、制定措施预防成瘾行为,并进一步利用网络资源进行教学并有效管理大学生网络使用行为,将是一个值得继续探讨和思考的问题。
[1]Kuss D J,Griffiths M D.Online social networking and addiction - A review of the psychological literature[J].Int J Environ Res Public Health 2011,8:3528-52.https://doi.org/10.3390/ijerph8093528
[2]Young K S,de Abreu C N.Internet Addiction:A Handbook and Guide to Evaluation and Treatment[M].New York:Wiley,2010:23.
[3]Young K.Internet addiction:Diagnosis and treatment considerations[J].J Contemp Psychother,2009,39:241-6.
https://doi.org/10.1007/s10879-009-9120-x
[4]Krishnamurthy S,Chetlapalli S K.Internet addiction:Prevalence and risk factors:A cross-sectional study among college students in Bengaluru,the Silicon Valley of India[J].Indian J Public Health,2016,59(2):115-21.https://doi.org/10.4103/0019-557X.157531
[5]刘璐,方晓义,张锦涛,等.大学生网络成瘾:背景性渴求与同伴网络过度使用行为及态度的交互作用[J],心理发展与教育,2013,4:424-433.
[6]梅松丽,葛鲁嘉,寇长贵,等.大学生网络成瘾者的生活事件及适应性[J].中国心理卫生杂志,2008,22(3):206-209.
[7]朱宇航,郭继志,李敏,等.山东省医学生网络成瘾现状及影响因素的研究[J].中国社会医学杂志,2017(3):410-415.
[8]付桂芳,李歆瑶,徐柱焜,等.大学生手机依赖现状的调查研究[J].高教学刊,2016,1:65-68.
[9]翟倩,丰雷,张国富,等.青少年网络成瘾的研究现状[J].中国全科医学,2019,8.http://kns.cnki.net/kcms/detail/13.1222.R.20190830.1715.048.html
[10]Sahin C.An analysis of internet addiction levels of individuals according to various variables.Turk Online J Educ Technol,2011,10:60-6.
[11]杨琳,钟思嘉,王洁.中国学生网络成瘾与艾森克人格特质的meta分析[J].中国心理卫生杂志,2018,32(9):785-791.
[12]方小平.大学生解释偏向、孤独感对手机成瘾的影响[J].江西社会科学,2018:224-231.