数字参与失调化时的关联研究：青少年攻击性、成就动机与学业表现的关系

《Frontiers in Public Health》：When digital engagement becomes dysregulated: associations with aggression, achievement motivation, and academic performance in adolescents

　　

引言：青少年处于数字环境日益成为社交、学业与情绪生活核心的阶段。然而数字参与的发展意涵仍存争议，尤其当以屏幕时长等暴露指标作为主要变量时。本研究将数字参与视为多维构念，并将最能直接反映控制受损与难以脱钩的调节困难（regulatory difficulty）作为攻击性、成就动机与客观学业表现的核心预测变量。方法：参与者为中国东部309名中学生（平均年龄14.52岁），完成数字参与失调、多维攻击性与成就动机的自评；学期GPA来自学校记录。通过验证性因子分析（CFA）评估量表测量结构，采用相关分析以及课堂聚类调整的分层建模，在控制人口学与设计相关协变量、总攻击性与成就动机后检验调节困难与结果的关联。结果：CFA支持各量表测量结构。相关分析显示失调参与与攻击性正相关，与成就动机及GPA负相关。课堂聚类调整分层模型中，在控制上述协变量后，调节困难对GPA仍呈温和的增量负向关联。讨论：结果契合自我调节视角，表明数字参与的失调特征与青少年学业功能显著相关。因未独立评估数字暴露时长，本发现应视为对屏幕时长研究的补充而非对立。研究凸显未来科研与教育实践关注数字自我调节而非仅暴露时长的潜在价值。

研究背景与问题提出

青少年成长于前所未有的数字化社会认知生态中，数字环境已从边缘沟通工具转变为日常生活的结构性嵌入组件。既往研究多依赖暴露时长（如屏幕时间）作为核心指标，但累积证据表明时长单独解释力有限，效应量小且掩盖使用模式异质性。学界由此转向数字参与的质量维度，包括情绪投入、强迫倾向与调节困难（regulatory difficulty，指自我控制减弱、难以脱钩及干扰日常责任）。青春期奖赏与社交评价敏感性增强，使青少年对间歇性强化设计更敏感，失调参与风险上升。已有研究提示问题性数字使用与攻击性、学业生产力下降有关，但少有研究在同一样本中同时检验调节困难与多维攻击性、成就动机及客观学业记录的增量关联。为此，研究人员开展横断面研究，以中国东部三所公立初中309名学生为对象，考察调节困难对攻击性、成就动机与学校记录GPA的并发与增量关联，并以自我调节（self-regulation，指按长期目标调节注意、行为、动机的能力，本文仅作解释框架不直接测量）为理论视角。

主要技术方法概括

研究人员采用整群抽样从三校12个完整班级获取316名13至16岁学生，剔除神经疾病等排除标准及马氏距离离群值后保留309人。数字参与用自编20题适配量表测频率、强度、调节困难三维；攻击性用Buss–Perry攻击问卷（BPAQ）29题测身体、言语、愤怒、敌意四维；成就动机用28题适配量表测坚持性、努力投入、任务取向三维；GPA取学校官方学期成绩（0至20分）。测量结构经验证性因子分析（CFA）检验；关联分析用Pearson相关；GPA预测用课堂聚类稳健标准误小样本校正的分层线性回归，分块纳入人口学/设计协变量、总攻击性与成就动机、调节困难，并以剔除学业重叠条目的敏感到分析辅助判断。

研究结果

4.1 预备分析

课堂层ICC为GPA 0.047、调节困难0.039、总攻击性0.032、成就动机0.044，支持聚类推断。Harman单因子占27.4%，无单一方法因子主导。VIF 1.08至1.46，分布近似正态。

4.2 测量模型

数字参与三因子模型CFI 0.94、TLI 0.93、RMSEA 0.045；BPAQ四因子CFI 0.92、RMSEA 0.046；成就动机三因子CFI 0.94、RMSEA 0.043，均达可接受拟合。

4.3 描述统计与信度

各量表Cronbach’s α 0.79至0.91。GPA均值15.89（SD 2.09）。

4.4 零阶相关

调节困难与总攻击性r=0.38、与成就动机r=?0.33、与GPA r=?0.28；成就动机与GPA r=0.47；总攻击性与GPA r=?0.18。调节困难与言语攻击性相关最高（r=0.40）。

4.5 调节困难对攻击性与成就动机的关联

回归显示调节困难正向预测总攻击性（β=0.380）、言语（β=0.400）、身体（β=0.250）、愤怒（β=0.310）、敌意（β=0.290），负向预测成就动机（β=?0.330），四维攻击子面经BH-FDR校正仍显著。

4.6 频率与强度次级分析

频率对GPA无显著增量（p=0.238）；强度负向但不显著（p=0.081）；仅调节困难在调整模型中显著。

4.7 聚类调整分层回归预测学业表现

Block1人口学/设计协变量R²=0.087；Block2加总攻击性与成就动机R²=0.304（ΔR²=0.217）；Block3加调节困难R²=0.344（ΔR²=0.040）。最终模型调节困难B=?0.072（稳健SE=0.027，β=?0.214，p=0.021）；成就动机β=0.397，总攻击性β=?0.122。

4.8 排除学业重叠条目敏感到分析

删DE17至DE19后五题调节困难α=0.79，仍负向预测GPA（β=?0.186，p=0.031），证实非条目重叠驱动。

讨论与结论翻译

讨论指出，调节困难对GPA的增量关联应解释为模型内统计增量，不证明其与广泛行为动机易损性概念独立，也未识别残差关联机制。横向设计不许因果推断；攻击性与动机框架契合自我调节视角，但未直接测奖赏敏感性或执行控制。频率强度维度不显著，凸显调节困难特异性。局限含自评偏差、横断面、三校抽样、未测家庭社会经济与睡眠等混杂、未区分数字活动类型、未预注册。

结论：研究发现青少年数字参与调节困难越高，攻击性越高、成就动机与GPA越低；在控制人口学与设计协变量、总攻击性及成就动机后，调节困难仍与GPA呈温和负向增量关联。结果应理解为并发与增量统计关联，而非因果或自我调节机制证据，支持未来用纵向设计与直接心理过程测量，将调节特征与传统暴露指标并列考察。

论文发表于《Frontiers in Public Health》。