《Decision Support Systems》：Understanding individual online social exclusion: Conceptualization, scale development, and validation
编辑推荐：
摘要尽管关于社会排斥的研究日益增多，但目前仍缺乏统一的定义和衡量标准，尤其是在网络和虚拟环境中。此外，现有的衡量方法无法解释文献中的不一致现象，比如社会排斥与信任及社会因素之间的关系。在本研究中，我们回顾了相关文献，明确了概念内涵，并提出了新的定义。通过学生样本以及更广泛的普通人
摘要
尽管关于社会排斥的研究日益增多，但目前仍缺乏统一的定义和衡量标准，尤其是在网络和虚拟环境中。此外，现有的衡量方法无法解释文献中的不一致现象，比如社会排斥与信任及社会因素之间的关系。在本研究中，我们回顾了相关文献，明确了概念内涵，并提出了新的定义。通过学生样本以及更广泛的普通人群样本，我们开发出了一个二维量表。首先，我们利用焦点小组来设计新的调查项目，然后请领域专家对内容的有效性进行评估。在确定测量项目后，我们进行了探索性分析以对项目进行分类，又进行了验证性分析以确认该量表的可靠性，随后还通过分组分析和预测分析进一步验证了该量表。这一新量表能够可靠且有效地评估个体的网络社交排斥程度，同时解决了文献中的诸多不一致问题，显示出比以往的衡量方法更为精准。
引言
形成社会群体是人类的普遍行为[36]、[37]、[123]。这些群体的形成可能有各种目的，但共同点在于，群体成员能够从中获得某些益处，而且保持群体成员身份也具有某种价值。虽然社会排斥可能是出于良性或疏忽的原因，但它常常被用来约束那些希望融入群体的成员。群体成员通常需要遵守一定的社会规范或成文规则，一旦违反这些规则就可能会面临社会排斥[73]、[127]。这种排斥行为会对被排斥者造成严重后果，包括失去群体提供的各种外在或内在利益。无论社会排斥是一种有意行为[37]还是偶然结果，被排斥者都会因为无法再享受群体带来的好处而承受相应后果。
关于社会排斥的研究涉及多个领域，包括工作场所[64]、虚拟环境[40]、[47]、社交媒体[139]、教育环境[20]、[34]、多语言群体[33]、记忆选择[43]以及农村居民[48]。尽管这一概念受到了广泛关注，但在其概念界定、衡量方式以及在虚拟/网络环境中的应用方面仍存在诸多缺陷。
研究中对社会排斥的概念有多种表述，如排斥行为[135]、拒绝[14]，甚至是孤独感[142]。这些不同的概念导致了多种不同的衡量方式，比如对拒绝的敏感度[93]、工作场所排斥量表[38]或人际拒绝敏感度[54]。我们认为这些差异正是导致文献中出现不一致现象的原因。例如，从结果来看，信任与社会排斥既有正相关关系[31]，也有负相关关系[126]；再比如，社会联系（即社会因素）与社会排斥之间的关系也不尽相同[64]。我们认为，社会排斥这一概念在理论体系内的这些不同结果，源于对其概念界定的不一致性。
在虚拟和网络环境下的社会排斥研究中也存在类似的不一致现象。例如，有研究表明，由于可以接触到更多类型的联系人，网上交流的个体感受到的孤立感更低[53]。然而，互联网也为排斥他人提供了平台，从而导致网络欺凌或骚扰行为[80]、[81]。在新冠病毒疫情期间，尽管许多老年人主动使用社交技术，但他们的社会排斥感和孤立感反而加剧了[109]。根据我们对现有文献的梳理，这种不一致现象也是社会排斥概念界定和衡量方式不统一所导致的。
鉴于对社会排斥的不同观点以及其概念的模糊性，我们认为这导致了基于不同理论背景的各种不同概念界定，衡量方式也不一致，缺乏统一的衡量尺度，进而使得相关文献中出现诸多矛盾。这种缺乏统一衡量标准的情况限制了研究的普适性，尤其影响了其在网络和虚拟环境中的应用前景。因此，本研究的目的是明确这一概念的内涵与定义，并测试、验证一种用于衡量该概念的新量表。
为实现这一目标，我们遵循了测量理论和量表开发领域的推荐准则[32]、[86]、[96]，同时也参考了信息系统与商业领域以往的量表开发研究[24]、[70]、[71]、[82]、[130]。我们通过探索性因子分析和验证性因子分析来评估所提出的量表，同时还通过不同群体间的比较以及与该概念的理论关联分析来进一步验证该量表的可靠性。最终，我们得到了一种能够有效衡量社会排斥多个方面的稳健量表，这一多维度概念也能解决文献中的各种不一致问题。
章节节选
社会排斥的历史与早期概念界定
社会排斥这一概念源自两种理论视角，一种关注社会现象，另一种则着眼于个体体验。作为一项社会概念，自最初被定义以来，随着研究者们在20世纪70年代和80年代对这一现象的深入研究，其范畴不断拓展。当时的许多研究都侧重于这一现象的社会影响，因此是从社会层面而非个体层面来进行衡量的。有人认为，Lenoir[75]是第一个在现代语境中使用这一术语的人
研究流程
上述文献表明，研究和实践中需要一种用于衡量网络社交排斥的指标。根据我们对网络社交排斥的定义，目前尚不存在合适的量表，这就需要我们开发一种具有理论依据的新衡量工具。基于此，我们借鉴了行为研究领域以往的量表开发方法[86]来设计新的衡量工具（见图1，图中展示了所采用的流程，后续内容将在相应步骤中详细说明）
讨论
通过实证验证一种衡量量表，本研究进一步深化了我们对网络社交排斥这一概念的理解。尽管多年来社会排斥一直备受关注，但据我们所知，目前在商业和社会科学领域尚未形成统一的概念界定和一致的衡量尺度，尤其是适用于网络和虚拟环境的衡量工具。为填补这一研究空白，我们回顾了现有的相关文献，旨在
CRediT作者贡献说明
Bryan Iwata Hammer：写作——审阅与编辑，写作——初稿撰写，量表验证，研究指导，资源协调，项目管理，方法设计，数据收集，正式分析，数据整理，概念界定。Andy Luse：写作——审阅与编辑，写作——初稿撰写，结果可视化，量表验证，软件应用，方法设计，正式分析，数据整理。Caleb Krieger：写作——审阅与编辑，写作——初稿撰写。Gabriel Bahr：写作——审阅与编辑，写作
利益冲突声明
作者们声明存在以下可能被视为潜在利益冲突的财务利益/个人关系：
Bryan Hammer表示，他获得了阿肯色大学的资金支持。其他作者则声明自己没有可能影响本文研究结果的任何已知财务利益或个人关系。
Bryan Iwata Hammer是蒙大拿大学商学院管理信息系统专业的副教授。他的研究兴趣包括虚拟工作群体中的人际信任与隐私问题、技术对智力障碍及发育障碍人群的影响、基于文本的欺骗检测，以及信息系统与神经科学之间的相互关系。他的研究成果发表在《MIS Quarterly》《Journal of the Association》等期刊上
Bryan Iwata Hammer|Andy Luse|Caleb Krieger|Gabriel Bahr|Forough Nasirpouri Shadbad
蒙大拿大学商学院管理信息系统专业，美国蒙大拿州米苏拉市校园大道32号，加勒格商业大楼303室，邮编59812
