基于人工神经网络的印度尼西亚母亲情绪幸福感预测：社会支持、生活质量与晒娃行为的作用

《Acta Psychologica》：Artificial neural network prediction of Indonesian mothers' emotional well-being: The role of social support, quality of life, and sharenting behavior

　　

本研究采用人工神经网络（ANN）方法，探究社会支持、生活质量（QoL）及晒娃行为对印度尼西亚母亲情绪幸福感（EWB）的预测作用。研究人员对300名育有0-8岁子女的印尼母亲进行了横断面调查，数据收集时间为2024年7月至2025年1月。结果显示，情绪幸福感与生活质量、社会支持和晒娃行为呈显著正相关。在ANN模型中，生活质量的标准化重要性最高，其次为晒娃行为和社会支持。人口学变量（年龄、教育背景、子女数量）的预测贡献相对较低。ANN在独立保留样本上实现了75.9%的分类准确率和0.82的曲线下面积（AUC），高于逻辑回归模型的69.0%准确率和0.74的AUC。研究表明，ANN作为一种灵活的数据驱动方法，能够捕捉传统线性模型难以识别的非线性预测模式。晒娃行为的预测重要性虽高但在逻辑回归中未达统计显著性，提示其与情绪幸福感的关系可能呈现复杂的情境依赖性特征。研究结论强调，在集体主义文化背景下，提升母亲的生活质量和社会支持网络，同时促进负责任的数字育儿实践，可能有助于改善母亲的情绪健康。

论文解读：基于人工神经网络的印度尼西亚母亲情绪幸福感预测——社会支持、生活质量与晒娃行为的作用

一、研究背景与研究问题

母亲角色承载着养育、照护和维持家庭情感平衡的多重责任，尤其在儿童早期发展阶段，这些职责对母亲心理构成巨大压力。COVID-19疫情加剧了母亲原有的心理脆弱性，尽管疫情急性期集中于2020至2022年间，但其心理与社会后果在后疫情时期持续存在，包括家庭日常节奏紊乱、经济不稳定以及社会支持可及性下降。在此背景下，母亲越来越多地依赖互联网和社交媒体平台获取育儿信息、进行情感表达、寻求社会认同和同伴支持，这种数字化中介实践可能重塑母亲对社会支持和生活质量的体验，进而影响其心理健康。

现有证据多源自西方人群，针对东南亚社会的研究相对匮乏。印度尼西亚作为集体主义家庭规范与快速扩张的数字媒体使用并存的社会，为社会支持网络与在线自我披露之间的关系提供了独特的研究情境。然而，关于印尼母亲社交媒体活动与其情绪幸福感（EWB）关系的研究仍然有限。此外，社会支持、生活质量（QoL）和晒娃行为通常被分开考察，缺乏对三者如何共同关联于母亲情绪幸福感的综合理解。因此，本研究旨在运用人工神经网络（ANN）这一数据驱动的预测建模方法，评估人口学特征、社会支持、生活质量和晒娃行为对印尼母亲情绪幸福感的预测作用。

二、关键技术方法

本研究采用横断面定量设计，通过多阶段整群抽样程序覆盖印尼五个地区（雅加达首都特区、爪哇、苏拉威西、加里曼丹和印尼东部），最终纳入300名育有0-8岁子女的母亲（平均年龄42岁，SD=8.79）。数据收集时间为2024年7月至2025年1月。研究使用多层感知器（MLP）架构的ANN模型，包含两个隐藏层（第一层8个单元，第二层6个单元），采用双曲正切激活函数和缩放共轭梯度优化方法。全部样本按约60%、30%、10%的比例随机分配至训练集、测试集和独立保留集。逻辑回归作为常规基线比较模型。

三、研究结果

3.1 初步分析

大多数参与者（57.3%）被归类为低于中位数的情绪幸福感组。方差分析显示，情绪幸福感在不同年龄组、教育背景组和子女数量组间均无显著差异。皮尔逊相关分析表明，所有研究变量间均呈显著正相关。情绪幸福感与生活质量呈强正相关（r=0.68，p<0.01），与社会支持呈强正相关（r=0.51，p<0.01），与晒娃行为呈中等正相关（r=0.41，p<0.01）。

3.2 逻辑回归结果

在调整后的逻辑回归模型中，社会支持（OR=3.76，p<0.05）和生活质量（OR=25.87，p<0.01）是情绪幸福感的显著预测因子。而年龄、教育背景、子女数量和晒娃行为在调整模型中未达到统计显著性。Box-Tidwell检验显示，晒娃行为的交互项在Bonferroni校正后仍显著，提示晒娃行为与情绪幸福感对数几率的关系可能存在非线性。

3.3 ANN架构与性能

ANN模型在训练阶段的交叉熵误差为19.74，误分类率为15.6%；测试阶段交叉熵误差为12.18，误分类率为17.1%。在独立保留样本上，模型分类准确率为75.9%，对应误分类率24.1%。在组别层面，ANN正确识别了61.5%的低情绪幸福感组母亲和87.5%的高情绪幸福感组母亲。

3.4 变量重要性排序

各预测变量的标准化重要性从高到低依次为：生活质量（100%）、晒娃行为（60.8%）、社会支持（58.8%）、教育背景（48.1%）、年龄（26.3%）、子女数量（10.5%）。

3.5 模型评价

基于训练和测试数据的ROC分析显示AUC为0.89（95%CI：[0.85，0.93]）。在独立保留样本上，ANN的AUC为0.82（95%CI：[0.67，0.97]），逻辑回归的AUC为0.74（95%CI：[0.64，0.87]）。ANN的灵敏度为87.5%，特异度为61.5%，均优于逻辑回归的75.0%灵敏度和62.0%特异度。

四、讨论与结论

讨论部分指出，研究结果对假设提供了部分支持。人口学因素未能显著预测母亲情绪幸福感（H1a未获支持），社会支持和生活质量是显著正向预测因子（H1b和H1c获支持）。晒娃行为在双变量层面与情绪幸福感正相关且在ANN模型中表现出显著的预测重要性，但在调整后的逻辑回归中未达统计显著性，因此H1d仅获部分支持。这一模式表明，晒娃行为可能通过复杂且情境依赖的预测配置而非一致的独立线性关联与情绪幸福感相联系。

生活质量作为最具影响力的预测因子，其最高相对重要性与其多维性质一致，涵盖身体健康、心理功能、社会关系和环境资源。晒娃行为在ANN中60.8%的标准化重要性表明其在联合考虑其他预测因子时对母亲情绪幸福感的分类有实质贡献，但这并不代表其固有有益或有害。在印尼集体主义文化背景下，晒娃不仅是个人自我表达，更是通过展示家庭凝聚力、母亲能力和社交归属感的关系性沟通实践。

研究结论强调，本研究的优势在于运用ANN模型估算与母亲情绪幸福感相关的心理社会和数字因素的相对预测重要性，聚焦于印尼母亲这一集体主义家庭规范与数字育儿实践共存的情境。未来研究应使用独立数据集和更多样化样本进行外部验证，开展纵向研究纳入更广泛的心理社会变量和客观数字行为指标，并在东盟国家间进行跨文化多组比较。研究结果可为假设生成和未来干预设计提供参考，特别是针对母亲生活质量的改善和社会支持的强化方面。