数字爵士乐与情绪调节：心理逃避的神经情感与流媒体行为分析

《Acta Psychologica》：Digital jazz and emotional regulation: A neuroaffective and streaming behavior analysis of psychological escapism

　　

音乐流媒体平台已成为日常生活的必要组成部分，人们现在利用它们来调节情绪并应对在线环境中的心理需求。研究人员调查了数字爵士乐活动如何与神经情感功能、情绪控制及心理逃避产生关联，研究对象为来自中国广东省、年龄在18至45岁的成年参与者。研究人员采用混合方法设计，结合了流媒体行为分析与神经生理测试（包括脑电图（EEG）和心率变异性（HRV）、皮肤电导反应（SCR）），以及心理测量评估和半结构化访谈分析。研究人员应用结构方程模型（SEM）结合回归分析和主题分析进行数据分析。结果显示，更多参与数字爵士乐的人表现出更大的α和θ脑波增加、更高的副交感神经系统活动水平以及更低的生理唤醒，他们通过音乐聆听活动运用情绪调节技能并参与心理恢复。定性结果显示，人们在思维与现实分离的同时体验到深刻的情感体验，并且由于控制其情感体验的算法而感到安全。该研究表明，人们利用基于流媒体的爵士乐聆听来满足其情感需求，这些需求被用于日常生活中的数字健康治疗和基于音乐的心理健康方法。

**论文解读文章：数字爵士乐与情绪调节——基于神经情感与流媒体行为的心理逃避分析**

**研究背景**
在现代数字生活中，音乐流媒体平台已成为情感调节的核心工具，用户通过算法推荐的播放列表管理情绪、缓解压力。然而，现有研究多依赖自我报告，缺乏结合神经生理数据与流媒体行为分析的实证证据，尤其在数字爵士乐这一特定类型上。数字爵士乐（digital jazz）以其和声模糊性、节奏流动性和即兴开放性，可能促进情感吸收和心理逃避（psychological escapism），但尚未在非西方情境下得到系统检验。此外，流媒体行为与神经生理测量之间的脱节（如脑电图EEG、心率变异性HRV、皮肤电导反应SCR）限制了对其情感调节机制的深入理解。因此，本研究旨在填补这一空白，探究数字爵士乐参与如何通过神经情感反应（neuroaffective responses）影响情绪调节（emotional regulation）和心理逃避，从而为数字健康干预提供理论依据。

**研究内容与结论**
研究人员对广东省18至45岁成年音乐消费者开展混合方法研究，定量部分包括300名参与者（162名男性，138名女性），通过流媒体行为分析、神经生理测试和心理测量；定性部分对22名参与者进行半结构化访谈。研究得出以下结论：数字爵士乐参与与α和θ脑波功率增加、HRV（心率变异性，以RMSSD表示）升高、SCR（皮肤电导反应）降低显著相关，表明其促进副交感神经激活和情绪稳定性。结构方程模型（SEM）证实神经情感反应在数字爵士乐参与与情绪调节之间起中介作用，且情绪调节与心理逃避呈强正相关（r=0.57）。定性分析揭示四个主题：情感沉浸与吸收性聆听、认知脱离与压力缓冲、算法调节的情感安全、爵士乐作为个性化情感避难所。论文发表在《Acta Psychologica》。

**关键技术与方法**
本研究采用混合方法设计。定量部分：从广东省通过目的性抽样和分层抽样招募300名参与者（18-45岁），分析其每周数字爵士乐聆听频率、时长及情感播放列表使用（构建数字爵士乐参与指数DJEI）。神经生理测试在实验室中进行，使用Brain Products actiCHamp Plus 32通道EEG（采样率1000Hz，分析α频段8-13Hz和θ频段4-7Hz），HRV通过RMSSD计算，SCR测量皮肤电导。心理测量工具包括情绪调节问卷（ERQ）、积极与消极情感量表（PANAS）、音乐诱发情绪调节量表（MIMRS）和心理逃避量表。数据分析采用结构方程模型（SEM）和多元回归。定性部分：对22名参与者进行半结构化访谈，采用主题分析。

**研究结果**

**4.1 样本特征与聆听行为模式**
样本性别均衡，68%以上参与者报告中等至高等程度的每周数字爵士乐聆听，主要聆听情境为放松（44%）、专注/工作（30.3%）和情感逃避（25.7%）。

**4.2 情感与心理建构趋势**
描述性统计显示，参与者具有较高的情绪稳定性、积极情感和心理逃避水平，而情绪抑制得分较低，认知重评得分较高，表明数字爵士乐与适应性情绪调节策略关联更强。

**4.3 量表完整性与测量信度**
所有心理测量量表的Cronbach's α值介于0.87至0.91之间，表明内部一致性良好，支持后续结构方程模型分析。

**4.4 核心变量间的相关关系**
Pearson相关分析显示，数字爵士乐参与指数（DJEI）与神经情感反应（r=0.48）、情绪调节（r=0.42）、心理逃避（r=0.46）均呈显著正相关（p<0.001）。情绪调节与心理逃避相关性最强（r=0.57）。

**4.5 数字爵士乐暴露的神经情感影响**
基于50名参与者的子样本，与对照音乐条件相比，数字爵士乐条件下EEG α功率（M=8.21 μV2 vs 6.74 μV2，Cohen's d=0.92）和θ功率（M=6.58 μV2 vs 5.29 μV2，Cohen's d=0.78）显著增加；HRV（RMSSD）升高（M=42.36 ms vs 35.18 ms，Cohen's d=0.75）；SCR降低（M=3.11 μS vs 3.87 μS，Cohen's d=0.84）。所有差异均经FDR校正（p<0.001）。

**4.6 结构方程模型的中介效应**
SEM结果显示，DJEI显著预测神经情感反应（β=0.48, p<0.001），神经情感反应显著预测情绪调节（β=0.52, p<0.001），且DJEI对情绪调节的直接效应仍显著（β=0.19, p<0.001），表明部分中介。情绪调节进一步预测心理逃避（β=0.41, p<0.001）。模型拟合良好（CFI=0.96, TLI=0.95, RMSEA=0.045, SRMR=0.041）。

**4.7 心理逃避的预测因素**
多元回归分析（R2=0.54, p<0.001）表明，神经情感反应（β=0.38, p<0.001）是心理逃避的最强预测因子，其次为DJEI（β=0.31, p<0.001）和情绪调节（β=0.29, p<0.001）。年龄呈负相关（β=-0.08, p=0.008），音乐训练无显著作用。共线性诊断显示VIF值均小于2.11，可接受。

**4.8 主题分析结果**
定性分析识别出四个主题：情感沉浸与吸收性聆听（参与者描述爵士乐使其进入高度专注状态，与θ波增加一致）、认知脱离与压力缓冲（爵士乐作为压力缓冲器，与SCR降低和HRV升高一致）、算法调节的情感安全（参与者信任流媒体算法提供情感适宜内容，降低决策疲劳）、爵士乐作为个性化情感避难所（爵士乐被视为稳定、熟悉的情感支持环境，与α波活动相关）。

**讨论与结论**
讨论部分强调，数字爵士乐参与与适应性情绪调节（认知重评、情绪稳定）而非抑制性策略相关，神经情感反应（α/θ波、HRV、SCR）在其中起中介作用，支持情感调节理论（ERT）与情感神经科学理论（ANT）的整合框架。定性结果进一步揭示算法推荐系统作为情感脚手架的作用，促进心理逃避的适应性功能。研究结论翻译如下：
当前研究调查了人们如何通过大脑和身体反应体验数字爵士乐，同时使用具有推荐系统的流媒体服务。这些结果支持研究目标，因为数字爵士乐聆听始终与人们使用适应性情绪调节方法（包括认知重评和情绪稳定）一致，并限制了情绪抑制。行为分析显示，参与者将数字爵士乐作为工具，在数字环境中实现放松、专注和情感恢复这三个不同目标。本研究成功证明，数字爵士乐暴露可能反映特定的神经情感机制，与参与者经历α和θ脑波活动增加、心率变异性改善及皮肤电导反应降低一致，表明他们处于放松警觉、情感吸收和自主神经平衡状态。中介分析结果显示，神经情感反应可能同时反映情绪调节和心理逃避，支持结合情绪调节理论与情感神经科学理论的理论模型。定性研究结果表明，流媒体算法和播放列表策划创造了情感支持性的聆听空间，使听众能够体验沉浸式心理恢复。研究表明，数字爵士乐作为流媒体文化中情感上重要的音频资源，同时支持音乐与情绪调节、神经情感处理及数字健康领域的研究。