基于GAM和TNTM模型的网络排斥对大学生网络攻击行为的影响机制:负面反刍的中介与正面反刍的调节作用

时间:2025年8月30日
来源:Addiction Neuroscience

编辑推荐:

针对网络排斥引发大学生网络攻击行为的问题,研究人员基于GAM(General Aggression Model)和TNTM(Temporal Need-Threat Model)理论,通过6个月纵向追踪1166名大学生,发现网络排斥通过负面反刍(Negative Rumination)部分中介预测网络攻击行为,而正面反刍(Positive Rumination)能削弱这一路径。该研究为数字环境中的心理干预提供了认知调节新靶点。

广告
   X   

在数字化浪潮中,网络社交已成为大学生日常生活的重要组成部分,但匿名性和虚拟性也催生了网络排斥(Cyber-ostracism)这一新型社交威胁。据统计,全球大学生网络攻击行为(Cyber-aggression)发生率高达5.3%-66.2%,不仅导致受害者心理创伤,还可能引发网络暴力连锁反应。现有研究多聚焦网络排斥与攻击行为的横断面关联,但对其长期作用机制及认知调节路径仍缺乏深入探讨。

为破解这一难题,Yangyang Zhan团队创新性地整合了攻击行为通用模型(GAM)和需求-威胁时间模型(TNTM),提出网络排斥可能通过负面反刍的认知放大作用诱发攻击行为,而正面反刍或能缓冲这一过程。研究采用6个月纵向设计,对中国东南部6所高校1166名大学生(平均年龄19.79±1.13岁)进行两阶段追踪,运用结构方程模型(SEM)和潜在调节结构方程(LMS)分析数据。

关键方法

  1. 1.

    样本与设计:采用两阶段整群抽样,通过电子问卷(含3道测谎题)收集数据,时间阈值为2-15分钟,排除无效应答后保留1166份有效数据。

  2. 2.

    测量工具:使用14题网络排斥问卷(Cronbach's α=0.95)、13题负面反刍量表(α=0.89-0.91)、10题正面反刍量表(α=0.85-0.86)和17题网络攻击行为量表(α=0.94),均通过验证性因子分析(CFA)确认结构效度(CFI>0.92)。

  3. 3.

    统计分析:通过Harman单因子检验和ULMC法控制共同方法偏差,采用LMS方法检验调节效应,以-2LL差异和AIC变化评估模型改进。

研究结果

  1. 1.

    网络排斥的直接效应:T1网络排斥显著预测T2网络攻击行为(β=0.130, p<0.001),支持GAM理论中环境输入对攻击行为的驱动作用,印证网络排斥通过威胁归属感等基本心理需求诱发攻击反应。

  2. 2.

    负面反刍的中介作用:网络排斥通过提升T2负面反刍水平(β=0.333)间接加剧攻击行为(间接效应0.045,占比35.34%),揭示认知反复沉浸于负面体验会耗尽情绪调节资源,符合TNTM模型对长期排斥后果的解释。

  3. 3.

    正面反刍的调节效应:交互项(负面反刍×正面反刍)对攻击行为的负向预测(β=-0.076, p<0.001)表明,高正面反刍组中负面反刍的效应量(bsimple=0.103)显著低于低分组(bsimple=0.156),证实积极情绪聚焦能打破"认知-攻击"恶性循环。

结论与意义

该研究首次在纵向框架下揭示了网络排斥影响攻击行为的双路径模型:一方面通过负面反刍形成"认知放大器",另一方面受正面反刍的"情绪制动阀"调节。理论层面,整合GAM与TNTM解释了数字环境中社会排斥的动态加工机制;实践层面,为校园心理干预提供了明确靶点——通过正念训练降低负面反刍,结合感恩日记等积极认知训练,可有效阻断攻击行为的发生链。研究局限性包括样本地域集中、自报告偏差等,未来可采用生态瞬时评估(EMA)捕捉日常波动,增强因果推断。

这项发表于《Addiction Neuroscience》的成果,不仅拓展了网络心理学领域的理论边界,更为构建"认知-行为"双模块干预体系提供了实证基础,对维护数字生态健康具有重要启示。

生物通微信公众号
微信
新浪微博


生物通 版权所有