International Open Access Journal Platform

1 问题提出

恩格斯认为道德是历史发展阶段的产物，是人们在一定社会历史条件下共同生活及行为的准则与伦理观念，在不同的社会历史阶段就会有不同的道德，是由一定的经济基础决定的（王磊选、王磊，2011）。网络空间的虚拟性、隐匿性、交互性等特点，使得个体在网络空间的行为更加难以监管，部分网民的网络道德意识薄弱，认为网络是法外之地，导致了如“网络暴力”“网络剽窃”“人肉搜索”“网络欺诈”“网络色情”等一系列的网络道德失范行为，造成了极大的社会影响，引起社会各界的广泛关注。网络道德失范行为是数字时代一个复杂而紧迫的问题，遏制网络道德失范行为需要理清影响个体做出道德或不道德行为决策的机制，为政策制定者、行业参与者、教育工作者、个体自身提供引导的依据。

大学生作为青年网民中的重要组成部分，正处于从儿童期过渡到成年期的重要阶段，是个体世界观、人生观和价值观形成的重要时期，易受到外界环境的影响。袁晓琳和肖少北（2021）研究发现青少年的网络道德发展从初中到高中是比较平稳的，进入大学后网络道德认知、情感和意向都出现了较大波动，达到最低点。这说明大学阶段可能是个体网络道德发展的一个关键期。大学阶段学生的生活方式和学习环境等都发生了显著的改变，大学生接触网络的机会较之前相比变得更多，他们也更乐于通过网络的方式进行自我表达与人际交流。然而，网络并非一片净土，网络空间的信息污染、多样化的文化与价值取向交织，容易引发大学生道德价值混乱，导致大学生网络道德行为失范。一项研究对2010—2020年间发表的64篇关于高等院校学生网络道德失范行为的研究论文进行系统综述，发现这些研究中网络道德失范行为表现主要有4类：其一为学术不诚信，研究比例58%，指学生以欺骗或剽窃的方式在学术活动中自己或帮助他人使用未经授权的材料、信息或学习辅助工具；其二为网络欺凌，研究比例23%，包括制造虚假的互联网身份，以诈骗、勒索或欺骗的方式与个体交流；通过网络发布或披露个人不恰当或不利的信息或视频；网络约会虐待即将私人信息通过网络进行分享，或侵犯对方隐私、监视对方行为，如未经许可使用伴侣密码等；其三为网络懈怠，研究比例11%，是指高校学生在上课时间内，使用互联网和数字技术用于与课堂无关的目的，并将网络懈怠分为课堂内懈怠和课堂外懈怠；其四为访问不道德网站，研究比例8%，内容包括线上性行为（通过文本、音频、视频和图形文件等通过互联网用于任何涉及人类性行为的活动）、线上赌博（在线上进行的所有形式的赌博行为）（Ayop et al.，2022）。个体滥用网络的行为，如访问不道德网站，色情网站等，会对个体的心理健康和幸福感产生不利影响（Johnson and Lee，2019；Smith，Thompson，and Davidson，2018）。在网络上发布虚假错误信息或传播扭曲公共话语等行为，削弱人们对网络来源的信任（Lazer et al.，2018；Vosoughi，Roy，and Aral，2018）。此外，国内外研究者还将网络黑客攻击、网络盗窃等（Leukfeldt and Yar，2016）网络犯罪行为纳入网络道德失范行为。网络道德失范行为对个人、人际交往和整个网络环境的影响，将其进行分类和讨论，主要集中在：（1）针对网络空间中网络道德失范行为的影响主要集中在个体自身的失范行为，主要表现为个体滥用网络的行为，如访问不道德网站，色情网站；通过互联网作弊、抄袭作业等学术失范行为。（2）网络社会中个体与个体在人际交往的过程之中发生的失范，主要表现在个人或群体利用互联网对他人实施各种失范行为，如网络攻击、隐私侵犯等网络道德失范行为。琼斯等人（2020）的一项研究显示，三分之一的大学生经历过网络欺凌，其中大部分事件发生在社交媒体平台上。（3）个体行为对整个网络社会的影响，主要表现为扰乱网络社会秩序的失范行为，如信息污染、发布虚假错误信息或传播扭曲公共话语等行为。此外，还包括网络黑客攻击、网络盗窃等网络犯罪行为。

因此，针对大学生群体开展网络道德行为研究显得尤为迫切。通过探讨大学生网络道德行为的内涵与测量指标，能更好地反映出当前大学生网络道德失范的内容，对提升大学生网络道德有积极作用。

2 量表初始指标构建

2.1 半结构化访谈构建量表初始指标

在文献分析的基础上，编制访谈提纲，访谈题项如“你认为大学生网络道德失范行为有哪些？”“你认为大学生的网络攻击行为体现在哪些方面？”对大学生常见网络道德问题进行访谈。采用Nvivo 12软件进行分析。

访谈结束后，基于访谈录音采用Nvivo 12软件进行分析，通过软件进行自动编码，撰写不同的节点，产生自动编码的主题结果。基于访谈提纲及访谈记录，得出以下网络道德失范行为。

表1 网络道德失范行为访谈结果

Table 1 Interview results on online unethical behavior

2.2 量表初始维度探索

将访谈内容结合已有文献研究，编制了55道题目，采用李克特5点量表计分，分别是从不如此，很少如此，偶尔如此，经常如此，总是如此，5个等级，分别对应1～5计分，分值越高代表道德失范行为越多。通过问卷星等平台将问卷发给在校大学生，共收集到426分数据，经过对数据分析，剔除答卷时间1分钟以内的及总分为55或275的极端数据，最后问卷数据为412份。

（1）区分度分析

采用皮尔逊相关系数计算项目区分度。一般来说，区分度指数在0.3以上的项目可以认为是良好的区分度项目，0.2到0.3之间的项目是中等的区分度项目，低于0.2的项目则是较差的区分度项目。

研究计算题目与总分的相关系数来确定区分度，如表2。通过表可知所以题目相关系数均大于0.3，并且均显著，说明初始问卷具有较好的区分度。

表2 总分与题目相关系数表

Table 2 Total score and item correlation coefficient chart

注：*为p＜0.05，**为p＜0.01，***为p＜0.001。

（2）探索性因子分析

为了进一步完善调查问卷结构，本研究对项目分析后保留的个项目进行探索性因素分析（exploratory factor analysis，EFA）。本研究KMO值为0.930，范围在0到1之间，较接近1，表明变量之间的相关性较高，适合开展因子分析。巴特利特球值为3934.782，p<0.000，说明变量之间相关性适合开展因子分析。

图1 探索性因子碎石图

Figure 1 Scree plot in exploratory factor analysis

通过上图1可知，当前初始题目中存在4个比较明显的因子。

表3 大学生网络道德失范问卷因素负荷矩阵

Table 3 Factor load matrix of college students’ online unethical behavior

在大学生网络道德失范问卷中，存在4个主要因子。这4个因子的累计贡献率达到71.503%，表示这4个因素能够较好地解释原始变量的信息，具有较强的解释力。其中因子1解释了38.739%的方差，是最重要的因子。

通过表可知，因子1主要是我在网络上给别人取绰号、网络上骂轻视我的人、网络上会对看不惯的人进行言语攻击、网络上谩骂与我起冲突的人等内容，因此定义为网络攻击行为。

因子2主要围绕我会通过网络复制或传播未经授权的音像视频资料、发布或下载他人未经授权的网络资料、网上的资料我不注明出处、下载或使用网上的盗版软件等内容，因子定义为网络侵权。

因子3主要围绕我通过网络发布虚假信息或广告、在网络上使用他人身份在网络上使用他人的网络身份、网上发布恶搞他人的图片、文章或视频等内容因此定义为网络欺骗。

因子4主要围绕我会点开弹出含有色情图片的广告窗口、寻找或浏览色情图片、视频、下载或看过色情电影、下载或看过色情小说等内容，因此定义为网络色情。

综上可知，本研究采用了探索性因子分析，共获得初始问卷题目16项，包含网络攻击、网络侵权、网络欺骗、网络色情四个维度。

2.3 量表信度效度分析

（1）验证性因子分析

为了分析问卷信效度，提升问卷质量，对修订后的初试问卷进行了验证性因子分析（confirmatory factor analysis，CFA）。

通过探索性因子分析得到16个题项，采用李克特5点量表计分，分别是总是如此、经常如此，偶尔如此，很少如此，从不如此5个等级，对应1～5计分，分值越高代表道德失范行为越多。对广东省6所在校大学生发放问卷，共收集到612份数据。经过对数据分析，剔除答卷时间1分钟以内的及总分为16或80的极端数据，最后问卷数据为532份。

表 4 样本基本信息统计情况

Table 4 Statistical summary of basic sample information

并将上述数据平均分为2份，一份继续进行探索性因子分析，另外一份进行验证性因子分析。再次进行探索性因子分析发现KMO值为0.814，巴特利特球形值为2007.774，p<0.000，累计解释率为69.714%，适合进行探索性因子分析。

（2）问卷信度分析

表5 大学生网络道德失范行为问卷信度

Table 5 Reliability of the questionnaire on university students’ online unethical behavior

根据数据，可以得出以下结论，大学生网络道德失范行为问卷的总信度较高，为0.894。这表明该问卷在评估大学生网络道德失范行为方面具有较好的信度。针对不同的网络道德失范行为因素，克隆巴赫信度分别为0.814、0.816、0.881和0.894。这些因素的克隆巴赫信度也都较高，表明它们在评估网络攻击、网络侵权、网络色情和网络欺骗方面都具有较好的信度。

综上所述，大学生网络道德失范行为问卷的信度较高，各个测量因素的克隆巴赫信度也较高，说明该问卷可以可靠地用于评估大学生网络道德失范行为。

（3）结构效度

结构效度是指测量工具所测量的概念结构是否与理论模型或研究假设相吻合的程度。它评估测量工具是否能够准确地反映研究者所关心的概念或变量。本研究采用验证性因子分析。验证性因子分析是一种用于评估测量工具的结构效度的方法。它基于已有的理论模型，将测量工具中的指标与潜在因子进行关联，并通过拟合度指标（如χ2值、RMSEA、CFI等）评估模型与实际数据的拟合程度。较好的拟合度表明测量工具具有较好的结构效度。

表6 大学生道德失范行为问卷拟合指数

Table 6 Fit indices for the college student online unethical behavior questionnaire

如上表6所示，卡方值χ2通常用于检验模型的拟合度，本研究中χ2为18.91，显著性水平（p<0.000），模型的拟合程度显著。RMSEA（Root Mean Square Error of Approximation为0.070。在0.05～0.08之间，表明模型与数据的拟合程度良好。模型拟合指数CFI（Comparative Fit Index）、IFI（Incremental Fit Index）、TLI（Tucker-Lewis Index）分别为0.963、0.595、0.888，均介于0和1之间，接近1，模型与数据的拟合程度可以被认为是良好的。

综合以上数据，可以初步得出的结论是AMOs模型与数据的拟合程度良好，这表明AMOs模型可以较好地解释和预测问卷的数据。

3 结论

在文献综述、半开放式访谈基础上编制大学生网络道德失范行为问卷，形成4因素16题项的问卷。因子1主要是在网络上给别人取绰号、网络上骂轻视我的人、网络上会对看不惯的人进行言语攻击、网络上谩骂与我起冲突的人等内容，因此定义为网络攻击行为。因子2主要围绕个体通过网络复制或传播未经授权的音像视频资料、发布或下载他人未经授权的网络资料、网上的资料我不注明出处、下载或使用网上的盗版软件等内容，因子定义为网络侵权。因子3主要围绕个体通过网络发布虚假信息或广告、在网络上使用他人身份在网络上使用他人的网络身份、网上发布恶搞他人的图片、文章或视频等内容因此定义为网络欺骗。因子4主要围绕个体会点开弹出含有色情图片的广告窗口、寻找或浏览色情图片、视频、下载或看过色情电影、下载或看过色情小说等内容，因此定义为网络色情。以上四种为大学生常见的网络道德失范行为的具体类型，高校教育应针对不同的道德失范行为类型制定干预策略，减少大学生网络道德失范行为的发生。

参考文献

[1]王磊选，王磊．马克思恩格斯论道德［M］．北京：人民出版社，2011．

[2]袁晓琳，肖少北．青少年网络道德与现实道德状况的调查研究［M］．教育观察，2021：69-72．

[3]Ayop Z，Hassan A，Anawar S，et al．Unethical Internet Behaviour among Students in High Education Institutions：A Systematic Literature Review［J］．International Journal of Advanced Computer Science and Applications，2022，15（2）：13．

[5]Johnson N F，Lee M K．Current Psychiatry Reports［J］．The impact of pornography on mental health：A review of the literature，2019（21）：1-9．

[6]Smith P K，Thompson F，Davidson J．Offline and online aspects of friendship and their relationship to adolescent well-being［J］．Frontiers in Psychology，2018（9）：1913．

[7]Smith J，Jones M．A survey comparison of online behaviors between science and liberal arts university students［J］．Computers & Education，2020，15（5）．

[8]Vosoughi S，Roy D，Aral S．The spread of true and false news online［J］．Science，2018（359）：1146-1151．

[9]Zittrain J L．The science of fake news［J］．Science，2018（359）：1094-1096．

[10]Leukfeldt E R，Yar M．Applying routine activity theory to cybercrime：A theoretical and empirical analysis［J］．Deviant Behavior，2016（37）：263-280．