1.广西师范大学教育学部心理学系,桂林; 2.广西水利电力职业技术学院,南宁
目前,我国信息化发展不断开创新局面,互联网成为大学生学习、生活和娱乐的重要平台,与大学生的日常活动紧密联系。第52次中国互联网络发展状况统计报告显示,截至2023年6月,互联网普及率上升至76.4%,网民规模为10.79亿,其中学生群体达到25.4%[1]。互联网的普及不仅给大学生的学习和生活带来了便利,促进大学生的网络学习,与此同时也给大学生带来了不可忽视的负面效应,典型之一就是网络攻击行为[2]。领悟社会支持影响攻击行为[3],而网络攻击行为是攻击行为的衍生[4],可以预测领悟社会支持会影响网络攻击行为。社会支持影响特质愤怒[5],领悟社会支持是社会支持的重要概念之一,可以预测领悟社会支持会影响特质愤怒;特质愤怒可以正向预测网络攻击行为[6,7]。国内外有关网络攻击行为的研究相对较少,从中国当今互联网发展的大背景下看,有重要的研究意义。
领悟社会支持指个体对社会支持的主观体验,是社会支持的重要概念之一[8]。社会支持指来自家庭、朋友、同事和组织等在精神上或者物质上的支持与帮助,反映了个人与社会之间联系的质量和密切程度,而领悟社会支持更加注重个体理解和感受到的社会支持程度[8]。国内外对于领悟社会支持的研究较少,较多研究其更为宽泛的社会支持方面,并且对于已有的领悟社会支持研究,较多集中于家庭、人格特质和个体心理健康等方向[3,9]。
网络攻击行为指个体通过互联网对他人或群体进行的攻击行为,这种行为具有针对性[10]。研究发现,在大学生群体中,有55.3%的学生受到过网络攻击,有21.9%的学生进行过网络攻击[11]。网络攻击行为比传统的攻击行为危害性更大且更难控制,是由其传播速度快、匿名性和随时随地等特点造成的[12]。
受攻击者会出现悲观、焦虑、抑郁等不良心理、生理问题,严重者甚至出现自杀行为[13]。因此,研究大学生网络攻击行为,并提出预防与控制手段是有必要的。网络攻击行为是当今网络快速发展时期心理学研究的热点,研究网络攻击行为不仅可以丰富传统攻击行为的研究,而且可以帮助我们探索网络环境下的人类行为,为营造良好的网络环境提供指导性建议,促进社会和谐发展。综上所述,本研究提出假设1:领悟社会支持负向预测网络攻击行为。
特质愤怒指稳定的愤怒倾向,是在个体内部去情景化的,并且也是在强度、频率和时间上稳定与持久的人格特质[14]。近年来,国内外研究者对愤怒进行深入研究,而特质愤怒是其关注的一个重要方面。斯皮尔伯格(1983)在状态特质—愤怒理论中提出,愤怒包括状态愤怒、特质愤怒和愤怒的表达与控制,而特质愤怒是一种稳定的人格特质,包含气质型特质愤怒和反应型特质愤怒两个维度[14]。目前,国内外关于特质愤怒的研究主要集中于不良行为及个体身心健康相关领域[15]。
随着信息化社会的发展,互联网围绕着人们生活的方方面面,在给人们学习生活带来便利的同时,互联网中的攻击行为也随之增多,给人们的生活和社会带来了负面影响,甚至影响人们的身心健康。而国内外对于网络攻击行为的研究较少,特别是大学生群体[6]。研究发现,社会支持能够显著预测大学生攻击行为[16],此外,领悟社会支持对攻击行为具有显著的预测作用[3]。网络攻击行为出现在互联网之后,是以网络为载体的伤害行为,即以往研究的攻击行为的衍生[4],可以预测领悟社会支持会影响网络攻击行为。有研究发现,特质愤怒与领悟社会支持三个分维度中的两个维度家庭支持和其他支持存在显著负相关,与朋友支持这一维度无显著相关[17]。同时,特质愤怒与社会支持存在显著负相关[5],社会支持影响特质愤怒,可以预测领悟社会支持影响特质愤怒。已有实证研究表明,在大学生群体中,特质愤怒影响网络攻击行为[6,7]。综上所述,本研究提出假设2:特质愤怒在领悟社会支持和网络攻击行为之间起中介作用。
因此,本研究探讨领悟社会支持与大学生网络攻击行为的关系,以及特质愤怒在二者间的中介作用。
本研究选取河南某高校大学生350人,回收有效问卷309份,有效率88.29%。其中,男生107人(34.63%),女生202人(65.37%);大一学生102名(33.01%),大二学生67名(21.68%),大三学生65名(21.04%),大四学生75名(24.27%)。年龄为17~24岁,平均年龄为(20.44±1.544)岁。
采用齐梅特等人编制并由姜乾金等人在1999年引入国内的领悟社会支持量表(PSSS)[8]。该量表包括三个维度,分别是家庭支持、朋友支持和其他支持,共12个项目,采用Likert 7点计分,“1”表示极不同意,“7”表示极同意,总分越高说明领悟社会支持程度越高。本研究中该量表的Cronbach α系数为0.91。
选用赵锋等人于2012年编制的少年网络攻击行为评定量表(AOABS)[10]。该量表包括两个分量表,分别是工具性攻击分量表(15项)和反应性攻击分量表(16项),共31个项目,采用Likert四级评分,“1”表示从不,“4”表示总是,总分越高说明出现网络攻击行为的频次越高,适用初中至大学生群体[10]。本研究中该量表的Cronbach α系数为0. 90。
选用斯皮尔伯格编制并由罗亚莉等人在2011年修订的中文版特质愤怒量表(TAS)[14]。该量表包括两个维度,分别是气质型特质愤怒(4项)和反应型特质愤怒(6项),共10个项目,采用李克特(Likert)四级评分,“1”表示几乎不,“4”表示总是,总分越高说明特质愤怒水平越高。本研究中该量表的Cronbach α系数为0.81。
数据采用SPSS 27.0软件进行描述性统计和相关分析。
本研究采用问卷法施测,可能存在共同方法偏差。为减少此类偏差,在前期数据收集中使用信效度较高的量表、部分题目反向计分,以及强调问卷的匿名性等进行事前程序控制。回收数据后,采用Harman单因素检验法,结果共析出特征值大于1的因子15个,第一个因子解释变异量为17.85%,小于40%,因此,本研究不存在明显的共同方法偏差。
对领悟社会支持、特质愤怒和网络攻击行为进行描述性统计与相关分析。结果显示特质愤怒、领悟社会支持和网络攻击行为两两间显著相关,如表1所示。
表1 领悟社会支持、特质愤怒与网络攻击行为之间的相关矩阵(n=309)
Table 1 Understand the correlation between perceived social support, trait anger and online aggressive behavior (n=309)
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
1 |
— |
|||||||||
2 |
0.68** |
— |
||||||||
3 |
0.68** |
1.00** |
— |
|||||||
4 |
0.90** |
0.89** |
0.89** |
— |
||||||
5 |
-0.07 |
-0.07 |
-0.07 |
-0.08 |
— |
|||||
6 |
-0.13* |
-0.15** |
-0.15** |
0.14* |
0.51** |
— |
||||
7 |
-0.12* |
-0.13* |
-0.13* |
-0.13* |
0.85** |
0.89** |
— |
|||
8 |
-0.29** |
-0.25** |
-0.25** |
-0.29** |
0.17** |
0.1 |
0.15** |
— |
||
9 |
-0.14* |
-0.1 |
-0.1 |
-0.12* |
0.15** |
0.1 |
0.14** |
0.77** |
— |
|
10 |
0.22** |
-0.18** |
-0.18** |
-0.20** |
0.17** |
0.1 |
0.16** |
0.92** |
0.95** |
— |
注:***p<0.001,**p<0.01,*p<0.05;1:其他支持,2:家庭支持,3:朋友支持,4:领悟社会支持总分,5:气质型特质愤怒,6:反应型特质愤怒,7:特质愤怒总分,8:工具性攻击行为,9:反应性攻击行为,10:网络攻击行为总分;以下同。
由表1可知,特质愤怒、领悟社会支持和网络攻击行为三者之间均为显著相关,符合中介效应分析的前提条件,为了解特质愤怒如何对领悟社会支持与网络攻击行为起中介作用,对此根据温忠麟、张雷、侯杰泰[18]提出的程序进行中介效应分析。
表2 领悟社会支持在特质愤怒与网络攻击行为间的中介效应分析(n=309)
Table 2 The mediating effect of perceived social support between trait anger and online aggressive behavior was analyzed (n=309)
步骤 |
因变量 |
预测变量 |
β值 |
t值 |
R2值 |
F值 |
第1步 |
网络攻击行为 |
领悟社会支持 |
-0.20 |
-3.66*** |
0.04 |
13.37*** |
第2步 |
特质愤怒 |
领悟社会支持 |
-0.13 |
-2.29* |
0.02 |
5.25* |
第3步 |
网络攻击行为 |
领悟社会支持 |
-0.19 |
-3.35** |
0.06 |
9.50*** |
特质愤怒 |
0.13 |
2.33* |
该过程分为三步:第一步,以网络攻击行为为因变量,领悟社会支持为预测变量,领悟社会支持对网络攻击行为有显著负向预测作用,所得标准化系数为-0.20,可以解释因变量4%的变异;第二步,以特质愤怒为因变量,以领悟社会支持为预测变量,领悟社会支持对特质愤怒有显著负向预测作用,所得标准化系数为-0.13,可以解释因变量2%的变异;第三步,同时将领悟社会支持、特质愤怒作为预测变量进入回归方程,网络攻击行为为因变量,领悟社会支持对网络攻击行为有显著负向预测作用,特质愤怒对网络攻击行为有显著正向预测作用,二者可联合解释因变量6%的变异。领悟社会支持与网络攻击行为的相关性在有无特质愤怒的中介作用下都具有统计学意义上的显著,因此得出特质愤怒在领悟社会支持与网络攻击行为关系间起部分中介作用的结论。所得结果具体如表2、图1所示。根据表2分析结果绘制中介模型示意图,如图1所示。
图1 领悟社会支持对特质愤怒与网络攻击行为的中介效应分析
Figure 1 Analysis of the mediating effect of perceived social support on trait anger and online aggressive behavior
本研究结果表明,领悟社会支持与网络攻击行为呈显著负相关,与以往研究结果一致[9]。即领悟社会支持程度高的大学生其网络攻击行为低,可以意识到高社会支持的个体会增加其对社交关系的满意度,较少发生问题行为,网络攻击行为相对也较少。此外,领悟社会支持与特质愤怒显著负相关,个体较少感知到社会支持,则特质愤怒水平相对会较高,当个体感知到较多的社会支持,特质愤怒水平降低。特质愤怒与网络攻击行为呈显著正相关,与前人研究结果相一致[6,7]。特质愤怒是一种稳定的人格特质,而特质愤怒水平高的大学生更容易出现愤怒情绪,进而影响自己的在网络中的行为,发生网络攻击行为的概率随之升高。在使用互联网的网民中,大学生是主要的群体,通过提高大学生的领悟社会支持,进而减少网络攻击行为是有必要的。可以通过增加大学生的社会支持度,并且提高其对于社会支持的感知能力,鼓励大学生主动寻求外界的支持,达到降低网络攻击行为的目的,证明了先前的假设。
本研究结果显示,领悟社会支持在特质愤怒与网络攻击行为之间起部分中介作用,即领悟社会支持会直接影响网络攻击行为,也会通过特质愤怒间接影响网络攻击行为。特质愤怒扮演了桥梁的角色,在领悟社会支持与网络攻击行为之间,也就是特质愤怒中介了领悟社会支持与网络攻击行为的关系。随着大学生的领悟社会支持的升高,特质愤怒水平会降低,网络攻击行为也会降低。因此,不仅要重视领悟社会支持对网络攻击行为的直接影响,也要重视领悟社会支持通过特质愤怒对网络攻击行为的影响。
[1] 中国互联网络信息中心.第52次《中国互联网络发展状况统计报告》发布[EB/OL].(2023-08-28)[2024-01-22].https://cnnic.cn/n4/2023/0828/c199-10830.html.
[2] 李冬梅,雷雳,邹泓.青少年网上偏差行为的特点与研究展望[J].中国临床心理学杂志,2008,16(1):95- 97.
[3] 金桂春,王有智.童年期心理虐待对攻击行为的影响:领悟社会支持和人格特征的多重中介作用[J].中国临床心理学杂志,2017,25(4):691-696.
[4] Wong L M,Bullock L M,Gable R A.Cyberbullying:Practices to face digital aggression[J].Emotional and Behavioural Difficulties,2011,16(3):317-325.
[5] 孔鲁亚.大学生愤怒情绪与愤怒冗思、社会支持的关系研究[D].长沙:中南大学,2013:22-24.
[6] 金童林,陆桂芝,张璐,等.特质愤怒对大学生网络攻击行为的影响:道德推脱的作用[J].心理发展与教育,2017,33(5):605-613.
[7] 张璐,刘丽红,金童林,等.大学生特质愤怒在儿童期心理虐待和网络攻击行为关系中的中介作用[J].中国心理卫生杂志,2017,31(8):659-664.
[8] 汪向东,王希林,马弘.心理卫生评定量表手册(增订版)[M].北京:中国心理卫生杂志社,1999:131-133.
[9] 张瑾.大学生专业心理求助与人格特质、领悟社会支持的关系[D].芜湖:皖南医学院,2014:18-21.
[10] 赵锋,高文斌.少年网络攻击行为评定量表的编制及信效度检验[J].中国心理卫生杂志,2012,26(6):439-444.
[11] Gahagan K,Vaterlaus J M, Frost L R.College student cyberbullying on social networkings ites:conceptualization,prevalence,and perceived by stander responsibility[J].Computres in Human behavior,2016(55):1097-1105.
[12] Kessel,Schneider S,O’ Donnell L,et al.Trends in cyberbullying and school bullying victimization in a regional census of high school students[J].Journal of School Health,2015,85(9):611-620.
[13] Buchanan T.Aggressive priming online:Facebook adverts can prime aggressive cognitions[J].Computers in Human Behavior,2015(48):323-330.
[14] 罗亚莉,张大均,刘云波,等.特质愤怒量表中文版在大学生人群应用的信度和效度[J].中国心理卫生杂志,2011,25(9):700-704.
[15] Veenstra L,Bushman B J,Koole S L.The facts on the furious:A brief review of the psychology of trait anger[J].Current Opinion in Psychology,2018(19):98-103.
[16] 程易苗.网络暴力游戏与攻击行为:应对方式和社会支持的影响[D].哈尔滨:哈尔滨工程大学,2018:52-64.
[17] Konya T.Anger,Self-Esteem,And Perceived Social Support in Adolescence[J].Social Behavior And Personality,2009,37(4):555-564.
[18] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.
[19] 金童林.暴力暴露对大学生网络攻击行为的影响:反刍思维与网络道德的作用[D].哈尔滨:哈尔滨师范大学,2018:27-32.