International Open Access Journal Platform

1 前言

近年来，随着高等职业教育的普及化，高职大学生的心理健康状况日益受到学界关注。高职生作为一个特殊的青年群体，其成长背景往往更为复杂。部分学生来自农村或偏远地区，在成长历程中可能经历过留守、亲情支持薄弱，以及原生家庭经济条件受限等困境。进入高职阶段后，又面临着校园环境转换、学历边缘化带来的身份认同迷茫以及严峻的就业焦虑等多重压力。在上述复杂的压力网络中，学习压力构成了最为核心的应激源。由于高职生普遍存在学业基础相对薄弱、学习自我效能感偏低的特点，在面对学业考核与技能训练时，更容易产生持续的挫败感与认知负荷过载。大量研究表明，长期处于高强度的学习压力下，个体极易出现情绪耗竭与心理资源枯竭，进而显著增加抑郁症状的易感性。因此，探明学习压力对高职生抑郁的作用机制，是当前高职院校心理健康干预的迫切需求。

1.1 学习压力与抑郁的关系

学习压力是个体在学习过程中因学习压力源（如课业负担、考试竞争、未来期望等）而产生的、紧张或压抑的情绪体验（田澜，邓琪，2008）。当学生长时间处于高压学习状态，其身心精力被过度消耗后，会通过认知消耗、挫败感和自我否定等机制引发抑郁情绪（吴潇，蒋晓敏，2025；欧子欣 等，2023；Deng Y et al.，2022）。因此，合理调节学习压力、提升自尊和自我效能感，对预防和缓解抑郁情绪具有重要意义。抑郁状况并非孤立存在，而是学生长期对学习抱有消极态度、低成就感和情绪耗竭累积的结果，它标志着学生的心理状态已经亮起红灯，如果不加以重视，最终甚至可能走向辍学的极端结局。因此，本研究假设学习压力能够正向预测抑郁（H1）。

1.2 补偿性手机使用的中介作用

补偿性手机使用通常被界定为因不当使用手机而引发的生理及心理上的不适症状，传统定义往往强调其对个体身心健康的负面损耗（熊捷 等，2012）。然而，在当下高度信息化、网络化的时代，高职大学生群体具有其特殊性：相较于本科院校，高职学生平时的课业负担与学习压力相对较小，课余闲暇时间较为充裕，有更多的时间使用手机。这种“低压力—多空闲”的状态，很可能使得手机更多地被用作填补时间空白和寻求感官刺激的工具，学习压力、人际交往困惑、课余时间的空虚与焦虑，很多时候都能通过刷短视频、听音乐、玩游戏、聊天互动等方式得到快速缓解。

因此，从心理补偿的视角来看，手机在特定情境下扮演着情绪调节的角色。在高职群体中，学习压力对补偿性手机使用可能并非正向驱使，而是呈现负向预测关系——即学习压力越小、空闲时间越多，个体发生补偿性手机使用（高频使用）的可能性反而越大。另一方面，尽管长期极端的补偿性手机使用可能引发人际疏离等负面后果进而加剧抑郁（陈春宇 等，2019；罗莹莹 等，2023；张玥 等，2018；Ivanova A et al.，2020；Li Yet al.，2020），但在短期的心理防御与情绪补偿机制中，手机网络中的社交互动、娱乐反馈能够为个体提供即时的正向情绪体验。根据补偿性互联网使用理论（Compensatory Internet Use Theory），当个体面临轻微的抑郁或焦虑情绪时，补偿性手机使用在此刻转化为一种自我疗愈的补偿策略，通过转移注意力和获得虚拟满足，能有效缓解现实中的消极情绪，改善抑郁状态（Kardefelt-Winther D，2014；Snodgrass J et al.，2018）。

综上所述，在高职生群体中，由于课业压力相对较小且闲暇时间充裕，手机使用往往并非病理性的成瘾行为，而是一种基于“时间充裕”的情绪补偿工具。因此，本研究中的“手机使用”更多体现为个体在压力情境下的自我疗愈策略。本研究则假设补偿性手机使用能在学习压力与抑郁的关系中起中介作用（H2），且该中介路径表现为一种特殊的“减压—补偿”机制。

1.3 神经质的调节作用

多项人格特质均与本研究涉及的核心变量存在显著关联。其中，神经质是预测抑郁最为关键的人格维度。高神经质个体通常伴随较低的情绪稳定性，对压力刺激具有高敏感性，易诱发焦虑、悲伤等负性情绪，进而显著提升个体的抑郁易感性（安奕霖，徐华春，2019；张龙涛 等，2023；Yang T et al.，2023；Borst R T & Knies E，2023）。同时，研究表明，具备高神经质、低外向性、低宜人性及低尽责性特征的个体，往往表现出更高的补偿性手机使用风险（钟华华，2018；邹艳 等，2017；Arpaci I & Kocadag Unver T，2020）。因此，本研究假设神经质在上述影响路径中具有显著的调节作用（H3）。

综上所述，本研究构建了一个有调节的中介模型如图1所示，旨在系统考察学习压力、补偿性手机使用、人格特质与抑郁症状四个变量间的内在关联。具体而言，本研究首先探究学习压力对高职生抑郁的预测作用，揭示补偿性手机使用在两者间的中介机制；其次，检验人格特质在上述影响路径中是否具有调节效应。本研究期望通过厘清这些作用机制，为制定更具针对性的抑郁预防与干预策略提供实证依据与理论支撑，进而有效促进高职生的心理健康。

图 1 补偿性手机使用的中介作用及神经质的调节作用假设模型图

Figure 1 Hypothetical model of the mediating effect of compensatory mobile phone use and the moderating effect of neuroticism

2 研究方法

2.1 研究对象

采用方便抽样法，对714名高职生被试的学业压力、补偿性手机使用、抑郁、人格等情况进行测试。研究者详细讲解指导语后，所有被试约在30分钟内完成全部问卷，回收整理后有效问卷714份（96.50%）。被试的基本情况信息如表1所示：被试平均年龄在17～28岁之间，其中男生166人（23.25%），女生548人（76.75%）；大一年级有409人（57.28%），大二年级305人（42.72%）；专业主要有旅游管理154人（21.57%）、学前教育105人（14.71%）、护理专业87人（12.18%）、畜牧兽医80人（11.20%）等；民族主要有汉族389人（54.48%）、彝族189（26.47%）人、藏族136人（19.05%）。

表 1 基本情况信息

Table 1 Basic information

		数量	占比
性别	男	166	23.25
	女	548	76.75
年级	大一	409	57.28
	大二	305	42.72
专业	畜牧兽医	80	11.20
	电子商务	36	5.04
	护理	87	12.18
	计算机应用技术	2	0.28
	旅游管理	154	21.57
专业	民宿管理与运营	35	4.90
	民族美术	34	4.76
	农产品加工与质量检测	30	4.20
	数字媒体艺术设计	30	4.20
	饲草生产技术	28	3.92
	现代物流管理	55	7.70
	学前教育	105	14.71
	大数据与会计	38	5.30
民族	汉族	389	54.48
	藏族	136	19.05
	彝族	189	26.47

2.2 研究工具

2.2.1 大学生学习压力感问卷

采用田澜、邓琪（2007）编制的大学生学习压力感问卷对大学生的学习压力进行施测。该问卷共42个题项，分为学习前景压力、学习成效压力、学业竞争压力、学习气氛压力、课业负担压力、学习条件压力、家庭期望压力七个维度，采取1～5五点计分，具体应用时以理论中数153分划分压力大小，得分越高，表明学习压力感越大（田澜，邓琪，2007）。

2.2.2 大学生补偿性手机使用倾向量表

采用熊婕等人（2012）编制的大学生手机成瘾倾向量表（MPATS）对大学生补偿性手机使用水平进行施测。该量表共16个题项，分为戒断症状、突显行为、社交抚慰、心境改变四个维度，采取1～5五点计分，正常的手机使用群体量表得分在47 分以下，而得分在 48分及以上的群体被认为存在补偿性手机使用，且得分越高，补偿性手机使用程度越严重。

2.2.3 抑郁—焦虑—应激自评量表

采用龚栩等（2010）修订的抑郁—焦虑—应激自评量表简版（Depression Anxiety and Stress Scale，DASS-21）对大学生抑郁情况进行施测。全量表包含 21 个条目，抑郁、焦虑和压力三个分量表各含 7 个条目，均采用从“0”（不符）到“3”（总是符合）的 4 级计分，将各分量表得分乘以 2，即为该分量表分值，分值该类情绪程度越重。

2.2.4 中国大五人格问卷

采用王孟成、戴晓阳等编制的中国大五人格问卷简式版对大学生人格情况进行施测。全量表包含 40个条目，由神经质、严谨性、宜人性、开放性和外向性五个维度组成。该量表题目选项从“非常不符合”到“非常符合”采用5点计分制，五个维度的分值高低代表该维度特征的强弱。

3 结果

3.1 共同方法偏差检验

本研究通过采取匿名测量、部分项目反向计分等措施从程序上控制共同方法偏差（周浩，龙立荣，2004）。对收集的数据进行Harman单因素检验，结果表明，共有16个因子的特征值大于1，其中第一个因子解释的变异量（26.94%）没有超过临界值（40%）。因此，本研究不存在严重的共同方法偏差。

3.2 描述性统计及相关分析

描述性统计分析发现，714名大学生学习压力得分在42～209之间（M=118.030，SD=31.377），补偿性手机使用倾向得分在16～80之间（M=51.240，SD=10.534），神经质倾向得分在10～40之间（M=24.090，SD=5.016），抑郁得分在0～36之间（M=7.250，SD=6.880）（此处为本研究抑郁分量表的实际得分范围）。其中在性别上，男生补偿性手机使用得分显著高于女生（t=2.899，p<0.01），男生抑郁得分显著高于女生（t=2.628，p<0.01）。

相关分析表明，学习压力与补偿性手机使用呈显著负相关，与抑郁呈显著正相关，与神经质呈显著正相关；补偿性手机使用与抑郁呈显著负相关，与神经质呈显著负相关（相关系数为-0.456）；抑郁与神经质呈显著正相关如表2所示。

表 2 各变量之间的相关分析

Table 2 Correlation analysis between variables

	1	2	3	4	5	6	7	8
1学习压力	—
2补偿性手机使用	-0.382***	—
3抑郁	0.425***	-0.423**	—
4神经质	0.587***	-0.456***	0.627***	—

注：*p<0.05，**p<0.01，***p<0.001。

3.3 补偿性手机使用的中介模型检验

采用Hayes（2012）编制的SPSS宏中的Mode4（Mode4为简单的中介模型），在控制性别的情况下，对补偿性手机使用在学习压力与抑郁关系中的中介效应进行检验。结果分析如表3所示，学习压力对抑郁的预测作用显著（B=0.045，t=11.781，p <0.001），且当放入中介变量补偿性手机使用后，学习压力对抑郁的直接预测作用依然显著（B=0.031，t =7.870，p <0.001）。学习压力对补偿性手机使用的负向预测作用显著（B= -0.138，
t =-11.837，p <0.001），补偿性手机使用对抑郁的负向预测作用也显著（B= -0.098，t = - 8.363，p <0.001）。由检验结果可知，所有路径均显著，中介路径系数如图2所示。此外，学习压力对抑郁影响的直接效应及补偿性手机使用的中介效应的Bootstrap95%置信区间的上下限均不包含0，如表4所示，表明学习压力不仅能够直接预测抑郁，还能通过补偿性手机使用的中介作用预测抑郁。该直接效应（0.031）和中介效应（0.014）分别占总效应（0.045）的68.89% 、31.11%。

表 3 补偿性手机使用的中介模型检验（N=714）

Table 3 Test of the mediating model of compensatory mobile phone use (N=714)

回归方程（N=714）		拟合指标			回归系数显著性
结果变量	预测变量	R	R2	F	B	Bootstrap 下限	Bootstrap 上限	t
抑郁	性别	0.420	0.176	30.115***	-0.985	-1.532	-0.437	-3.529***
	学习压力				0.045	0.037	0.052	11.781***
补偿性手机使用	性别	0.422	0.178	30.480***	-2.222	-3.898	-0.547	-2.604**
	学习压力				-0.138	-0.160	-0.115	-11.837***
抑郁	性别	0.501	0.251	39.206***	-1.203	-1.729	-0.678	-4.496***
	补偿性手机使用				-0.098	-0.121	-0.075	-8.363***
	学习压力				0.031	0.024	0.039	7.870***

注：*p<0.05，**p<0.01，***p<0.001。

表 4 总效应、直接效应及中介效应分解表

Table 4 Decomposition of total effect, direct effect and mediating effect

	效应值	Bootstrap 下限	Bootstrap 上限	相对效应值
总效应	0.045	0.037	0.052
直接效应	0.031	0.024	0.039	68.89%
补偿性手机使用的中介效应	0.014	0.010	0.019	31.11%

注：*p<0.05，**p<0.01，***p<0.001。

图 2 补偿性手机使用在学习压力和抑郁之间的中介路径系数图

Figure 2 Path coefficient diagram of the mediating effect of compensatory mobile phone use between academic stress and depression

3.4 有调节的中介模型检验

采用Hayes（2012）编制的SPSS宏中的Model14，在控制性别的情况下对有调节的中介模型进行检验。结果如表5所示，将神经质放入中介模型后，补偿性手机使用与神经质的乘积项对抑郁的预测作用显著（B=-0.008，t=-2.409，p<0.05），说明神经质能够在补偿性手机使用对抑郁的负向预测中起调节作用。同时，简单斜率分析表明，高神经质水平下，补偿性手机使用对抑郁的负向预测作用更强，如图3所示。在不同水平神经质上的中介效应分析发现，学习压力通过补偿性手机使用影响抑郁的间接效应在低、中、高神经质水平下均显著（CI 均不包含0），且效应值随神经质水平升高而增大（0.015、0.020、0.025），支持有调节的中介模型成立。

纳入神经质、补偿性手机使用及其交互项构建 Model14 有调节的中介模型，控制性别后，学习压力对抑郁的直接预测系数 B=0.010，t=1.183，p>0.05，未达到统计学显著水平。究其原因，神经质与补偿性手机使用均为抑郁的强预测变量，在模型中挤占了学习压力对抑郁的解释变异，产生变量掩蔽效应；同时在有调节的中介框架下，学习压力更多通过间接路径作用于抑郁，其独立直接效应量微弱，经 t 检验未达到显著标准。虽在神经质均值及高低水平下直接效应的 Bootstrap 置信区间均不跨 0，但整体主路径直接效应无统计显著性。

表 5 有调节的中介模型检验（N=714）

Table 5 Test of the moderated mediation model (N=714)

回归方程（N=714）		拟合指标			回归系数显著性
结果变量	预测变量	R	R2	F	B	Bootstrap 下限	Bootstrap 上限	t
抑郁	性别	0.599	0.359	79.397***	-2.174	-3.145	-1.204	-4.398***
	学习压力				0.010	-0.007	0.027	1.183
	补偿性手机使用				-0.149	-0.193	-0.104	-6.541***
	神经质				0.600	0.489	0.711	10.618***
	补偿性手机使用×神经质				-0.008	-0.014	-0.001	-2.409*

注：*p<0.05，**p<0.01，***p<0.001。

表 6 在不同水平神经质上的中介效应

Table 6 Mediating effects at different levels of neuroticism

	神经质	效应值	Boot SE标准误	Boot CI下限	Boot CI上限
有调节的中介效应	eff1（M-1SD）	0.015	0.004	0.008	0.024
	eff2（M）	0.020	0.004	0.013	0.028
	eff3（M+1SD）	0.025	0.005	0.016	0.037

图 3 神经质对补偿性手机使用与抑郁之间关系的调节作用

Figure 3 Moderating effect of neuroticism on the relationship between compensatory mobile phone use and depression

4 讨论

本研究综合既往实证研究、媒介依赖理论与行为主义强化理论，立足于个体—环境交互作用的理论视域，构建了一个以补偿性手机使用为中介变量、神经质为调节变量的有调节的中介模型。该模型不仅深入阐释了学习压力影响大学生抑郁水平的内在机制（即补偿性手机使用的中介路径），还进一步揭示了该影响效应发挥作用的边界条件（即神经质的调节效应）。研究结果对于深化学习压力与抑郁水平关系的理论认知，以及指导大学生合理使用手机以促进其心理社会适应，均具有重要的理论价值与现实启示。

4.1 学习压力、补偿性手机使用、神经质、抑郁变量之间的相关

本研究表明学习压力、补偿性手机使用、神经质、抑郁变量之间均存在广泛且显著的相关关系。具体而言，学习压力能负向预测补偿性手机使用、正向预测神经质与抑郁，补偿性手机使用能负向预测神经质与抑郁，神经质能正向预测抑郁。本研究结果显示，各变量间呈现出不同于部分既往文献的独特关联模式，从侧面深刻折射出网络媒介在当代大学生心理结构中占据的异乎寻常的重要地位。具体而言，学习压力能够正向预测抑郁，却与补偿性手机使用呈显著负向预测关系，补偿性手机使用也能负向预测抑郁。这一反直觉现象可能暗示了某种“补偿机制”：即在一定限度内，手机使用可能作为高职生缓解现实学业挫折、获取社交支持的替代性通道，暂时缓冲了抑郁情绪的即刻爆发。

对于高职大学生而言，手机等智能终端已逐渐演变为他们不可或缺的精神寄托与情绪支持系统。面对这一现实，一味地杜绝网络、采取“一刀切”式禁用手机显然已不再是科学的应对策略。特别是在课余时间相对充裕的高职群体中，手机的高频使用具有一定的客观必然性；加之各类教学App已深度融入日常课堂，手机本身已成了重要的学习辅助基础设施。因此，我们的关注焦点应当从“要不要用”转向“怎么用”。与其视之为洪水猛兽，不如引导学生将手机转化为高效的休闲放松与情绪调节工具，例如，借助人工智能技术，通过与AI进行对话倾诉，安全、及时地缓解自身的负面情绪。教育的重心应转向提升学生的数字媒介素养，重视对其使用行为的科学引导，鼓励其利用网络获取更便捷、更有价值的知识内容。与此同时，仅靠个体引导仍显单薄，社会各界也需协同发力，进一步完善网络内容审核机制，共同打造风清气正、健康向上的清朗网络环境，从源头上保障网络这一“精神寄托”的积极属性。

4.2 补偿性手机使用在学习压力与抑郁之间的中介作用

本研究发现了一种遮蔽效应（Suppression Effect）：学习压力通过抑制个体的补偿性手机使用，间接削弱了手机对负性情绪的缓冲作用，从而推高了抑郁风险。高职大学生的学习压力与抑郁之间存在着显著的正向联系，并且这种正向联系可以用补偿性手机使用加以解释，即学习压力不仅可以直接影响抑郁，还可以通过补偿性手机使用间接影响抑郁。

本研究表明，在低学习压力水平的高职大学生中，心理适应与行为模式上呈现出特定的保护机制。一方面，由于面临的学业要求与考核压力较小，个体能够维持相对轻松、平和的心理状态，这种低心理负荷、低内耗的特征能够直接缓冲负性情绪，对抑郁倾向产生直接的缓解作用。另一方面，较轻的学业负担使得个体拥有更为充裕的闲暇时间，从而倾向于将智能手机作为主要的休闲与放松媒介。结合本研究样本的分布特征，高职大学生的整体学习压力普遍处于中低等水平，这表明该群体对学业成就的卷入度相对较低，其时间与精力分配更多向休闲娱乐活动倾斜，其中智能手机使用占据了核心比重。然而，深入分析发现，该群体在手机使用过程中表现出较好的适应性：他们不仅能够通过适度的手机娱乐获得积极的主观情绪体验（如愉悦感与压力释放），而且具备较高的自我控制效能感，能够有效管理学习与休闲的时间边界，展现出规避病理性网络沉迷的自律特征。因此，这种非病理性的、受控的智能手机使用方式，并未加重其心理负担，反而作为一条有效的中介路径，进一步降低了抑郁症状的发生风险。

4.3 神经质在补偿性手机使用与抑郁之间的调节作用

本研究进一步证实，神经质在补偿性手机使用与抑郁的关系中起调节作用。在本研究情境下，适度手机使用可充当个体的情绪补偿方式，借助情绪调适功能缓冲消极情绪，进而对抑郁产生负向预测效果。而神经质人格特质在这一作用路径中发挥了弱化式调节效应：高神经质个体本身情绪不稳定、易焦虑内耗，一定程度削弱了手机使用带来的情绪缓冲价值；低神经质个体情绪稳定性更强，更易发挥补偿性手机使用对抑郁的缓解作用。值得注意的是，本研究发现补偿性手机使用与神经质呈显著负相关。这可能暗示在高职生群体中，情绪稳定性较高的个体（低神经质）具备更强的自我调节动机，能够更主动地利用手机作为工具进行积极的情绪代偿；而高神经质个体由于情绪调节资源匮乏，可能在压力下陷入瘫痪状态，反而减少了有效的手机补偿行为。

与此同时，在纳入神经质、补偿性手机使用及其交互项，并控制人口学变量后，学习压力对抑郁的直接预测效应不再显著。从理论逻辑来看，神经质作为抑郁稳定的人格易感因素，补偿性手机使用作为典型的适应不良行为，二者均与抑郁存在紧密内在关联，进入模型后挤占并承接了学习压力对抑郁的解释路径，使其独立直接作用被弱化；加之学习压力更偏向抑郁的远端环境诱因，并非直接触发抑郁的近端因素，其对抑郁的影响主要通过补偿性手机使用、神经质人格易感倾向形成间接传导链条，最终导致学习压力对抑郁的单独直接效应不再显著。

整体而言，神经质仅改变了补偿性手机使用负向预测抑郁的作用强度，并未从根本上逆转二者的核心关联趋势，仅在其中扮演了微弱的边界调节角色。

4.4 研究启示及局限

综合本研究结果与讨论得出启示：高职大学生的学习压力对抑郁有正向直接影响，也可以通过补偿性手机使用对抑郁产生影响，证实了学习压力、补偿性手机使用在抑郁产生机制中的重要作用。因此，如何合理把控高职大学生的学习压力、引导其进行适度且非病理性的手机使用以发挥情绪缓冲作用，对缓解和避免高职大学生产生抑郁至关重要。这也为干预高职大学生抑郁提供了新的解决路径，即将抑郁的干预路径落实在学业压力管理与健康手机使用习惯的培养上，具体来讲就是从调节学业负荷与休闲时间分配的切入点出发，从建立适度的手机娱乐减压机制和提升自我控制效能感出发，发挥非沉迷型手机使用的积极情绪代偿作用，泛化到高职大学生的心理健康维护中去，提高高职大学生情绪调节和心理适应能力，从而预防和减少高职大学生的抑郁情绪。

本研究也存在一定局限性：第一，高职大学生的学习压力、补偿性手机使用、抑郁在人口学变量上的差异研究，在年龄、专业维度不存在显著差异，可能是样本比例不均衡，导致差异不显著。因此未来研究应当重视人口学变量上的样本配比。第二，本研究并未从纵向角度探究学习压力对补偿性手机使用及抑郁的影响。第三，在变量选取上，仅纳入神经质这一调节变量构建简单有调节中介模型，未引入其他更具强效解释力的调节变量丰富和完善抑郁影响因素机制。以上问题均值得未来研究进一步深入思考与探究。

5 结论

（1）高职大学生学习压力、补偿性手机使用、神经质、抑郁各变量在性别上存在显著差异。

（2）高职大学生学习压力、补偿性手机使用、神经质、抑郁之间存在显著相关，学习压力与补偿性手机使用呈显著负相关，与神经质、抑郁呈显著正相关；补偿性手机使用与神经质、抑郁呈显著负相关；神经质与抑郁呈显著正相关。

（3）高职大学生补偿性手机使用在学习压力与抑郁之间起部分中介作用，表明学习压力不仅可以直接影响抑郁，还可以通过补偿性手机使用间接影响抑郁。

（4）神经质可以调节补偿性手机使用对抑郁的负向预测作用，仅改变作用强度，未逆转整体关联趋势。

参考文献

[1] Deng Y, Cherian J, Khan N U N, Kumari K, Sial M S, Comite U ... & Popp J. (2022). Family and academic stress and their impact on students’ depression level and academic performance. Frontiers in psychiatry, 13, 869337.

[2] Ivanova A, Gorbaniuk O, Błachnio A, Przepiórka A, Mraka N, Polishchuk V & Gorbaniuk J. (2020). Mobile phone addiction, phubbing, and depression among men and women: A moderated mediation analysis. Psychiatric Quarterly, 91(3), 655-668.

[3] Li Y, Li G, Liu L & Wu H. (2020). Correlations between mobile phone addiction and anxiety, depression, impulsivity, and poor sleep quality among college students: A systematic review and meta-analysis. Journal of behavioral addictions, 9(3), 551-571.

[4] Yang T, Guo Z, Zhu X, Liu X & Guo Y. (2023). The interplay of personality traits, anxiety, and depression in Chinese college students: a network analysis. Frontiers in Public Health, 11, 1204285.

[5] Borst R T & Knies E. (2023). Well-being of public servants under pressure: The roles of job demands and personality traits in the health-impairment process. Review of Public Personnel Administration, 43(1), 159-184.

[6] Arpaci I & Kocadag Unver T. (2020). Moderating role of gender in the relationship between big five personality traits and smartphone addiction. Psychiatric Quarterly, 91(2), 577-585.

[7] Kardefelt-Winther D. (2014). A conceptual and methodological critique of internet addiction research: Towards a model of compensatory internet use. Computers in human behavior, 31, 351-354.

[8] Snodgrass J G, Bagwell A, Patry J M, Dengah II H F, Smarr-Foster C, Van Oostenburg M & Lacy M G. (2018). The partial truths of compensatory and poor-get-poorer internet use theories: More highly involved videogame players experience greater psychosocial benefits. Computers in Human Behavior, 78, 10-25.

[9] 田澜, 邓琪. (2007). 大学生学习压力感问卷的初步编制. 中国行为医学科学, 16(8), 753-755.

[10] 熊婕, 周宗奎, 陈武, 游志麒, 翟紫艳. (2012). 大学生手机成瘾倾向量表的编制. 中国心理卫生杂志, 26(3), 222-225.

[11] 欧子欣, 杨翠盈, 付彤, 党彩萍. (2023). 压力知觉、抑郁和焦虑在大学生手机成瘾与睡眠质量间的多重序列中介作用. 职业与健康, 39(18), 2527-2532.

[12] 吴潇, 蒋晓敏. (2025). 学业压力对大学生抑郁情绪的影响——基于自尊的中介作用. 成都航空职业技术学院学报, 41(4), 91-96.

[13] 钟华华. (2018). 大学生大五人格、社交焦虑和手机成瘾倾向的关系研究. 潍坊工程职业学院学报, 19(1), 41-45.

[14] 张玥, 张冬静, 熊琳, 谷传华. (2018). 手机成瘾与大学生抑郁、焦虑的关系: 中介与调节效应分析. 中国临床心理学杂志, 26(6), 1086-1090.

[15] 罗莹莹, 李军, 倪潞燕. (2023). 手机成瘾对抑郁的影响:注意力控制和认知失败的链式中介作用. 心理月刊, 18(11), 52-55.

[16] 陈春宇, 连帅磊, 杨晨, 周宗奎. (2019). 手机成瘾与大学生抑郁的关系: 疲惫感和反刍思维的作用. 中国临床心理学杂志, 27(4), 746-749+745.

[17] 安奕霖, 徐华春. (2019). 中国人抑郁易感人格与大五人格关系的实证理论分析——基于我国大学生样本调查(eds. ). 第二十二届全国心理学学术会议摘要集. 四川师范大学心理学院, 1160-1161.

[18] 张龙涛, 付继勇, 梁锋. (2023). 抑郁症患者心理压力及与人格特征的关系. 国际精神病学杂志, 50(4), 723-725.

[19] 钟华华. (2018). 大学生大五人格、社交焦虑和手机成瘾倾向的关系研究. 潍坊工程职业学院学报, 31(1), 42-47.

[20] 邹艳, 陈善娇, 董倩, 王红, 谢欣, 吉珊珊, 于德娥. (2017). 海南大学生手机成瘾现状及与人格关系. 中国健康心理学杂志, 25(9), 1372-1375.