发展与教育心理学

高中生网络成瘾与未来时间洞察力的纵向关系:抑郁的中介作用

  • 肖皓月 ,
  • 张杉 , * ,
  • 郝海平 ,
  • 吕厚超 , *
展开
  • 西南大学心理学部,时间心理学研究中心,中国社区心理学服务与研究中心,重庆 400715
张 杉,E-mail:
吕厚超,E-mail:

收稿日期: 2023-12-19

  网络出版日期: 2025-01-26

基金资助

重庆市社会科学规划重点项目(2021NDZD09);重庆市教育科学“十四五”规划课题重点项目(2021-GX-003)。

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

The Longitudinal Relationship Between Internet Addiction and Future Time Perspective Among High School Students: The Mediating Role of Depression

  • Haoyue XIAO ,
  • Shan ZHANG , * ,
  • Haiping HAO ,
  • Houchao LYU , *
Expand
  • Faculty of Psychology, Time Psychology Research Center, China Community Psychology Service and Research Center, Southwest University, Chongqing 400715

Received date: 2023-12-19

  Online published: 2025-01-26

Copyright

Copyright reserved © 2024.

摘要

为深入探讨高中生网络成瘾、抑郁和未来时间洞察力的纵向联系及内在作用机制,采用整群抽样对697名高中生进行了六个月的追踪调查。结果表明:(1)网络成瘾与未来时间洞察力存在相互负向预测关系;(2)T1网络成瘾对T2抑郁有显著的正向预测作用,T1抑郁对T2未来时间洞察力有显著的负向预测作用;(3)抑郁在网络成瘾与未来时间洞察力中的中介效应在不同性别的高中生群体存在差异。结果揭示了高中生网络成瘾对未来时间洞察力的影响,并证明抑郁在其中起中介作用。

本文引用格式

肖皓月 , 张杉 , 郝海平 , 吕厚超 . 高中生网络成瘾与未来时间洞察力的纵向关系:抑郁的中介作用[J]. 心理与行为研究, 2024 , 22(5) : 673 -681 . DOI: 10.12139/j.1672-0628.2024.05.013

Abstract

Internet addiction is associated with various negative outcomes. This study conducted a six-month follow-up survey using cluster sampling to explore the longitudinal relationships and underlying mechanisms among internet addiction, depression, and future time perspective in 697 high school students. The results showed that: 1) there was a reciprocal negative predictive relationship between internet addiction and future time perspective; 2) T1 internet addiction positively predicted T2 depression, and T1 depression negatively predicted T2 future time perspective; 3) the mediating effect of depression between internet addiction and future time perspective differed between male and female high school students. These findings indicate that internet addiction has a significant impact on future time perspective among high school students, with depression playing a mediating role in this relationship.

1 引言

未来时间洞察力是指个体对未来的态度、情感体验和行为倾向,它对个体的时间管理、学业成绩等具有重要影响(杜刚, 吕厚超, 2017; 庞雪 等, 2014)。未来时间洞察力是一种具有可塑性的认知结构(Carstensen, 2006; Cate & John, 2007),在青春期容易受到环境和行为模式的影响(Peviani et al., 2019)。具有良好未来时间洞察力的青少年更有可能做出对未来有益的决策,避免短视行为(Baird et al., 2021; Kooij et al., 2018)。因此,未来时间洞察力的维持和发展对青少年心理健康和成长至关重要。探索未来时间洞察力的影响因素及其作用机制,对青少年形成正确的时间观有重要意义。
未来时间洞察力的形成取决于很多因素。根据Zimbardo和Boyd(1999)提出的时间洞察力理论,时间洞察力由情境决定,而个体对特定时间框架的依赖由许多后天因素决定,其中最突出的是文化、教育、社会阶层和家庭模式等。根据Carstensen(2006)的社会情绪选择理论,人们对未来时间的主观感觉是随年龄和社会情境变化而动态调整的结果。在一项关于未来时间洞察力的元分析研究中(Kooij et al., 2018),研究者确定了未来时间洞察力的三方面前因,分别是人口学变量(如年龄、性别和社会经济地位)、人格和情感特征(如大五人格、积极消极情绪)以及能动性特质(如控制点、自我效能感和自尊)。然而,目前关于未来时间洞察力形成机制的实证研究尚不充分,尤其是在快速发展的数字化时代,个体行为模式(如网络成瘾)如何通过改变认知和情绪特征来影响未来时间洞察力,仍需进一步探讨。
网络成瘾已成为青少年群体中的常见问题。根据中国互联网络信息中心(CNNIC)报告,2021年中国约有1.91亿18岁以下的网民,未成年人互联网普及率高达96.8%。沉迷于互联网的青少年人数也在逐渐增多(Christakis, 2010)。尽管DSM-5(《精神障碍诊断与统计手册(第五版)》)未将网络成瘾正式归为一种疾病,但其在青少年群体中已成为普遍存在的问题(Cerniglia et al., 2017)。
网络成瘾会影响个体的未来时间洞察力。网络成瘾是指冲动和不受控制地使用互联网(Young, 1998),已被证实与多种不良后果密切相关(Agbaria, 2021; Hayat et al., 2020; Obeid et al., 2019)。长期的网络成瘾行为可能改变个体的认知模式。网络成瘾者通常表现出更强的即时满足偏好,即便这种选择可能对未来发展带来负面后果,使个体忽视对未来的规划和考量(Li et al., 2019)。这种即时满足偏好不仅体现在决策任务中,也体现在对未来事件的规划能力和预期管理上。例如,与没有网络成瘾的学生相比,有网瘾的学生更可能将延迟奖励贴现,也更容易冲动(Saville et al., 2010)。
虽然上述横断研究揭示了网络成瘾与未来时间洞察力之间的负相关关系,但因果关系的方向尚不明确。一种假设是,网络成瘾削弱了个体对未来的敏感性和长期目标的关注,从而降低了未来时间洞察力水平;另一种可能性则是,未来时间洞察力不足导致了个体更倾向于追求即时满足,最终加剧网络成瘾。因此,需要通过纵向研究来验证这种因果关系。目前,已有神经科学研究为这种假设提供了一定支持。例如,成瘾往往伴随着前额叶皮层功能受损(Goldstein & Volkow, 2011; Méndez et al., 2024),这与选择即时满足和忽视未来后果有关(Figner et al., 2010; McClure et al., 2004)。综上所述,尽管已有研究表明网络成瘾与未来时间洞察力存在密切关系(Borisenkov et al., 2022; Settanni et al., 2018),但仍缺乏明确的因果证据。
除了直接影响未来时间洞察力,网络成瘾还可能通过抑郁这一中介变量对未来时间洞察力产生间接影响。根据社会情绪选择理论(Carstensen, 2006),个体对未来的时间认知会随着情绪状态、年龄和社会环境而动态变化。网络成瘾导致负性情绪的积累(如抑郁)(Li, Liu, et al., 2023),而负性情绪(如抑郁)可能通过削弱情绪调节能力进一步降低未来时间洞察力。一方面,补偿性互联网使用理论(Kardefelt-Winther, 2014)指出,在消极生活状况下,人们会产生上网的动机,通过上网来缓解消极情绪,即网络成瘾可能是个体对消极情绪的应对方式。但是成瘾行为的持续发展会使其成为适应不良的应对方式。根据负强化理论(Baker et al., 2004),成瘾会进一步发展为一种应对由成瘾刺激物消失所带来的消极情绪的方式。对立过程理论也表明(Solomon & Corbit, 1974),在一种强烈情绪结束时会自然伴生另一种相反的情绪,这种对立过程将促进个体形成新的动机和行为。网络作为一个享乐系统,当用户与之进行有趣的互动时,愉快的事件以刺激的形式出现,激活积极的情绪或享乐主义状态。然而,一旦刺激停止或减少,积极情绪消失,进而导致消极情绪产生(Lee et al., 2014),长此以往,可能出现抑郁情绪。实证研究也发现,网络成瘾与各种精神障碍和情绪问题密切相关,例如注意力缺陷多动障碍和社交焦虑症等(Ko et al., 2012; Yen et al., 2007; Zhao et al., 2023)。青少年沉迷网络可能会导致情绪波动,尤其是抑郁情绪。已有研究显示,网络成瘾与抑郁、压力和焦虑显著相关(Akin & İskender, 2011; Liang et al., 2016; Servidio et al., 2021)。青春期早期的网瘾越严重,抑郁情绪就越严重(Takahashi et al., 2022),网络成瘾是抑郁的预测因子(Ostovar et al., 2016)。
另一方面,抑郁会影响个体对未来的认知和态度。根据时间自我评价理论(Wilson & Ross, 2001),情绪正常的个体通常通过贬低过去的自我来保持对当前自我的积极看法,同时对未来自我持更积极的期待。然而,对于抑郁个体而言,这一正常的时间自我评价过程可能被破坏。他们可能对过去的自我过度理想化,对当前自我持有消极看法,并对未来改善的可能性感到绝望(Sokol & Serper, 2017)。这种对未来的负面认知与抑郁的习得性无助理论一致。该理论认为,抑郁个体往往进行消极的内部、整体、稳定归因,导致他们对未来的消极预期不断强化(Abramson et al., 1978; Seligman, 1972)。根据抑郁归因的观点,典型的无助和无望的思维方式会导致个体对未来的负面评价(Abramson et al., 1978)。这些个体不仅对未来缺乏希望,还可能对未来的规划与设想缺乏动力。例如,对于抑郁个体而言,时间被主观感知为缓慢,现在与过去脱节,未来也因丧失希望而感到无望(de Leval, 1995),他们倾向于关注过去,对现在感到悲观,缺乏向未来发展的动力(Moore et al., 2005)。因此,抑郁可能在网络成瘾与未来时间洞察力之间起到关键的中介作用。
综上,网络成瘾、抑郁和未来时间洞察力关系密切。以往研究虽然对三者的关系进行了一些探索,但主要采用横断设计,未能揭示三者间的因果链条。此外,相较于女生,男生更容易形成网络成瘾(Karacic & Oreskovic, 2017),而网络成瘾对未来时间洞察力的作用机制,以及该机制是否因性别而异,尚未得到深入研究。基于此,本研究采用纵向设计,通过追踪数据探讨网络成瘾、抑郁与未来时间洞察力之间的动态关系,并提出以下假设:(1)网络成瘾负向预测未来时间洞察力;(2)网络成瘾正向预测抑郁,抑郁负向预测未来时间洞察力;(3)抑郁在网络成瘾与未来时间洞察力之间起中介作用,且该中介效应在不同性别的高中生群体中存在差异。本研究希望为青少年网络成瘾的干预措施提供实证支持,帮助提升其未来时间洞察力,促进其心理健康的发展。

2 研究方法

2.1 被试

本研究以高中生为被试,初次测量采用整群抽样的方式于2021年11月(T1)在河南省某高中招募了1196名高中生(平均年龄15.99岁,年龄范围为14~18岁;女生人数638,占比53.34%)。所有参与者均为高一至高三学生。学生在计算机课堂中填写在线问卷,大约花费3~10分钟。六个月后(T2,2022年6月),采用与第一批数据同样的方式再次对第一次招募的高中生进行相同内容的数据收集。其中,由于原本的高三学生已经毕业,无法取得联系,部分参与者因转学、缺勤以及未提供完整个人信息而缺失,最终收集697份(平均年龄16.39岁,年龄范围14~19岁;女生人数403,占比57.82%)有效数据。因此,第二次的参与者均为高一和高二学生。该研究得到了参与者本人、参与者父母以及老师的知情同意。

2.2 研究工具

2.2.1 网络成瘾

采用网络成瘾量表(董奇, 林崇德, 2011)评估个体的网络成瘾程度。该量表根据网络成瘾诊断问卷(IAD-DQ)(Young, 1998)进行修订,用于评估中国青少年群体的网络成瘾,具有良好的信效度。量表共10个题项,例如,“你是否常常为上网花很多钱?”采用2点计分(0=否,1=是)。总分越高代表个体的网络成瘾程度越高。在本研究中,T1网络成瘾量表的Cronbach’s α系数为0.82,在T2中Cronbach’s α系数为0.84,结构拟合良好(χ2/df=2.73, RMSEA=0.05, CFI=0.93, TLI=0.91, SRMR=0.04)。

2.2.2 抑郁

采用流行病学研究中心抑郁量表(Andresen et al., 1994)对个体的抑郁程度进行评估。该量表在中国青少年群体中具有良好的信效度(李明霞 等, 2019)。量表共包含10个题项,用于衡量个体在过去一周内的精神状况,例如,“因一些日常琐碎小事而烦恼。”采用4点李克特计分(0=完全没有,3=总是)。总分越高,抑郁程度越重。该量表在T1中的Cronbach’s α系数为0.85,在T2中为0.85,拟合较好(χ2/df=3.94, RMSEA=0.07, CFI=0.92, TLI=0.90, SRMR=0.05)。

2.2.3 未来时间洞察力

采用津巴多时间洞察力量表中的未来维度评估个体的未来时间洞察力(Li, Wang, et al., 2023)。该量表共5个题项,例如,“我想完成某件事时,会设立目标并考虑达到目标的具体途径。”采用5点计分(1=很不符合,5=很符合),均值越高,参与者对未来越清晰。该量表在T1中的Cronbach’s α系数为0.82,在T2中为0.81,拟合较好(χ2/df=2.33, RMSEA=0.04, CFI=0.98, TLI=0.97, SRMR=0.03)。

2.3 数据分析

先使用SPSS26.0对网络成瘾、抑郁和未来时间洞察力之间的关系进行相关分析。然后使用Mplus8.0对网络成瘾、抑郁和未来时间洞察力进行测量不变性分析,先后进行了形态等值检验、弱等值(限制两个时间点的权重相等)、强等值(限制两个时间点的权重和截距相等)和严格等值检验。接下来使用Mplus8.0进行了交叉滞后模型检验,探究研究变量之间的纵向关系,第一步检验网络成瘾和未来时间洞察力之间的关系,第二步加入抑郁,检验其中介效应(Little et al., 2007)。最后,为了考察抑郁在网络成瘾及未来时间洞察力的中介效应模型是否具有跨性别的一致性,使用Amos27.0进行了多群组分析。

3 结果

3.1 相关分析

表1呈现了各变量在两个时间点的平均值、标准差以及相关分析结果。网络成瘾、抑郁和未来时间洞察力在两个时间点均呈显著相关。具体而言,网络成瘾与抑郁显著正相关(r=0.277~0.417, p<0.01),与未来时间洞察力显著负相关(r=−0.317~−0.193, p<0.01);抑郁与未来时间洞察力显著负相关(r=−0.383~−0.222, p<0.01),并且以上三个变量之间的相关水平在T1、T2保持稳定。各变量与年龄不存在显著相关,在性别中的相关存在不稳定性。
表1 各变量的平均值、标准差及相关系数
变量 1 2 3 4 5 6 7 8
1. 性别
2. 年龄 −0.097*
3. T1网络成瘾 −0.085* −0.017
4. T2网络成瘾 −0.001 −0.046 0.462**
5. T1抑郁 −0.004 0.029 0.354** 0.290**
6. T2抑郁 −0.080* 0.018 0.277** 0.417** 0.515**
7. T1未来时间洞察力 0.003 −0.039 −0.300** −0.215** −0.343** −0.222**
8. T2未来时间洞察力 −0.110** −0.002 −0.193** −0.317** −0.300** −0.383** 0.315**
均值(标准差) 16.39(0.94) 2.86(2.58) 3.34(2.93) 10.67(4.68) 11.03(5.21) 17.42(3.16) 16.63(3.52)

  注:T1、T2分别代表两次施测的时间点;*p<0.05,**p<0.01,***p<0.001,以下同。

3.2 交叉滞后分析

研究构建了网络成瘾、抑郁和未来时间洞察力的跨时间的等值模型。网络成瘾、抑郁和未来时间洞察力均依次通过了形态等值、弱等值、强等值和严格等值检验(CFI>0.90, TLI>0.90, RMSEA<0.08, SRMR<0.08),见表2。结果表明本研究所使用的网络成瘾、抑郁和未来时间洞察力量表具有跨时间的不变性,可以进行后续分析。
表2 纵向测量不变性模型拟合指数
变量 模型 χ2 df CFI TLI RMSEA 90 % CI SRMR 模型比较 ∆χ2 df p ∆CFI ∆TLI
网络成瘾 M1 433.40 159 0.93 0.91 0.05 [0.04, 0.06] 0.04
M2 442.53 168 0.93 0.92 0.05 [0.04, 0.05] 0.04 M2-M1 9.13 9 >0.05
M3 483.84 178 0.92 0.91 0.05 [0.04, 0.06] 0.05 M3-M2 41.32 10 <0.05 −0.008 −0.004
M4 521.97 188 0.91 0.91 0.05 [0.05, 0.06] 0.05 M4-M3 38.12 10 <0.05 −0.007 −0.003
抑郁 M1 618.92 157 0.92 0.90 0.07 [0.06, 0.07] 0.05
M2 623.56 166 0.92 0.91 0.06 [0.06, 0.07] 0.05 M2-M1 4.64 9 >0.05
M3 648.66 176 0.92 0.91 0.06 [0.06, 0.07] 0.06 M3-M2 25.10 10 <0.05 −0.002 0.002
M4 676.61 186 0.91 0.91 0.06 [0.06, 0.07] 0.06 M4-M3 27.95 10 <0.05 −0.004 0.002
未来时间洞察力 M1 67.52 29 0.98 0.97 0.04 [0.03, 0.06] 0.03
M2 71.05 33 0.98 0.98 0.04 [0.03, 0.05] 0.03 M2-M1 3.53 4 >0.05
M3 110.94 38 0.97 0.96 0.05 [0.04, 0.06] 0.05 M3-M2 39.89 5 <0.05 −0.016 −0.016
M4 117.72 43 0.97 0.96 0.05 [0.04, 0.06] 0.06 M4-M3 6.77 5 >0.05

  注:M1,形态等值模型;M2,弱等值模型;M3,强等值模型;M4,严格等值模型。

为了探究网络成瘾和未来时间洞察力的关系,研究构建了两者的交叉滞后模型。结果表明(图1),T1网络成瘾对T2未来时间洞察力有显著的负向预测作用(β=−0.119, p<0.001),T1未来时间洞察力对T2网络成瘾也有显著的负向预测作用(β=−0.084, p<0.05),这说明网络成瘾和未来时间洞察力之间存在相互预测关系,验证了假设1。
图1 网络成瘾和未来时间洞察力的交叉滞后模型

3.3 纵向中介分析

随后检验抑郁在网络成瘾和未来时间洞察力双向关系中的纵向中介模型。结果表明(图2),T1网络成瘾对T2抑郁有显著的正向预测作用(β=0.099, p<0.01),T1抑郁对T2未来时间洞察力有显著的负向预测作用(β=−0.223, p<0.001)。因此,抑郁在网络成瘾与未来时间洞察力之间起中介作用(ab=−0.033, SE=0.013, 95%CI=[−0.063, −0.012]),验证了假设2。另外,T1未来时间洞察力不能负向预测T2抑郁(β=−0.017, p>0.05),T1抑郁对T2网络成瘾有显著的正向预测作用(β=0.149, p<0.001),抑郁在未来时间洞察力和网络成瘾中的中介效应不显著(95%CI=[−0.013, 0.009]),这在某种程度上表明网络成瘾通过抑郁影响未来时间洞察力,而非未来时间洞察力通过抑郁影响网络成瘾,即网络成瘾是原因变量,未来时间洞察力是结果变量。
图2 抑郁的中介模型

注:该模型已控制性别变量,图中所呈现系数均为标准化系数。

3.4 纵向中介模型的性别差异

为了进一步考察抑郁在网络成瘾及未来时间洞察力的中介效应模型是否具有跨性别的一致性,分别检验了女性高中生和男性高中生的纵向中介模型。采用结构方程模型中多组比较的方法设定等值模型,各模型的拟合结果如表3所示。根据嵌套模型比较的结果,模型M1与M2间的Δχ2/df=1.13,p>0.05,模型M2与M3间的Δχ2/df=2.33,p<0.01,表明两个群体间的结构模型存在差异。进一步进行参数差异比较,男性高中生和女性高中生在纵向中介模型的各路径系数均存在显著差异,不同性别群体中介模型的标准化路径系数如图3所示。以上结果提示抑郁在网络成瘾和未来时间洞察力之间的中介效应在不同性别的高中生群体存在差异,验证了假设3。
表3 中介模型等值性拟合指数
模型 χ2 df GFI CFI IFI RMSEA
M1 25.399 6 0.988 0.978 0.978 0.068
M2 32.159 12 0.985 0.977 0.977 0.049
M3 60.109 24 0.973 0.958 0.959 0.047

  注:M1,基准模型;M2,M1基础上增加结构系统相等模型;M3,M2基础上增加结构残差相等模型;IFI(Incremental Fit Index),增量拟合指数。

图3 抑郁中介模型的性别差异

注:括号外为男生群体在该模型中的路径系数,括号内为女生群体在该模型中的路径系数;图中所呈现系数均为标准化系数;图中未呈现不显著路径。

4 讨论

本研究以高中生群体为研究对象,通过对其六个月的纵向追踪考察了网络成瘾、抑郁和未来时间洞察力的关系。首先,交叉滞后结果显示网络成瘾和未来时间洞察力之间存在相互预测关系。这一发现与已有研究的部分结论一致(Przepiorka et al., 2019),同时也进一步支持了网络成瘾和未来时间洞察力在一定程度上互为因果的可能性。这种双向关系在青少年群体中尤为重要,表明网络成瘾不仅是当下对生活方式的选择,更可能对未来的认知和规划产生深远的影响。
一方面,网络成瘾者通常倾向于沉浸在即时满足的活动中,难以抵抗短期的愉悦,从而将时间焦点集中在当前,而忽视未来的长远目标。在这一过程中,青少年因过度依赖互联网来满足即时需求,逐渐缺乏对未来生活的规划与期待(Li et al., 2019; Loh & Kanai, 2016)。另一方面,未来时间洞察力对网络成瘾的负向预测作用表明,缺乏未来导向的个体更容易形成网络成瘾倾向。未来时间洞察力较低的青少年,通常对未来抱持较低的期待与目标,也缺乏长期的生活规划和成就动机(李小保 等, 2021)。因此,面对现实生活中的压力与无意义感时,他们更容易沉迷于虚拟世界,作为一种回避现实的策略。这种倾向使他们将时间与精力投入到网络活动中,以获取短暂的满足感,进一步加剧了网络成瘾的风险。
其次,T1网络成瘾正向预测T2抑郁,且T1抑郁负向预测T2未来时间洞察力,这表明抑郁在网络成瘾和未来时间洞察力之间起中介作用。网络成瘾导致个体花费很多时间在虚拟世界而忽视现实世界,进而产生社会孤立(Kato et al., 2020)和孤独感(Saadati et al., 2021),增加抑郁风险。同时,长时间沉浸在网络中可能导致信息过载、注意力分散(Matthes et al., 2020)、压力增加(Stanković et al., 2021)以及不健康的社会比较(Müller et al., 2020),这些因素都会导致抑郁的增加,这验证了社会情绪选择理论的观点。由于抑郁个体长期处于低落、消沉情绪,倾向于关注事件的负面状态和消极内容,因此不太可能关注积极事件(Vanderlind et al., 2020)和未来机会(Choung et al., 2022),这就可能导致他们对未来缺乏希望感和洞察力。而且,抑郁会使人们失去生活的兴趣和热情(Watson et al., 2020),对未来缺少动机、没有期望,从而降低其未来时间洞察力水平,这也验证了抑郁的习得性无助理论。
最后,网络成瘾、抑郁和未来时间洞察力的纵向中介模型存在性别差异。这一差异表明网络成瘾导致的抑郁情绪对未来时间洞察力的影响路径在男性和女性青少年中具有不同的强度,这可能与男女性在情绪调节和应对策略上的差异有关。男性青少年在网络成瘾对抑郁的影响路径上表现出更强的相关性。当男性青少年陷入网络成瘾时,他们更可能通过虚拟世界寻求即时满足(Chi et al., 2020; Tomaszek & Muchacka-Cymerman, 2020),以缓解现实中的压力和情绪困扰。然而,这种短期的情绪缓解会进一步加剧孤独感(Saadati et al., 2021),从而增加抑郁情绪的风险(Takahashi et al., 2022)。相较而言,女性青少年更倾向于通过社会支持和情感倾诉等内在化策略应对负面情绪,这可能在一定程度上缓和了网络成瘾对抑郁的直接影响(Ouyang et al., 2021)。
在抑郁对未来时间洞察力的影响路径上,性别差异可能反映了情绪调节方式的不同。从进化心理学的角度来看,女性在进化过程中通常被选择为以社交和协作为基础的应对方式,以确保自身和后代的生存(Taylor et al., 2002)。当面临负性情绪(如抑郁)时,女性倾向于通过寻求情感支持或增强社交互动来缓解压力,这可能减轻抑郁对未来时间洞察力的消极影响。相比之下,男性在情绪应对中通常缺乏情感支持的资源,使他们更难以缓解抑郁带来的负面认知影响,导致更低的未来时间洞察力。
网络成瘾对未来时间洞察力的直接影响路径在男性中表现得更为显著。这可能与男性在风险偏好和即时满足需求方面的性别特异性差异有关。男性网络成瘾者通常表现出更高的延迟折扣率,倾向于参与短期高回报的活动(Cheng et al., 2021),这种行为模式削弱了他们对长期目标的关注,从而导致未来时间洞察力的下降。而女性通常将网络使用作为情感表达和社交联系的一种工具,这种使用方式虽然也可能导致成瘾(Giordano et al., 2023),但对未来时间洞察力的直接影响较弱。这些发现提示,针对青少年的网络成瘾干预措施需充分考虑性别差异。
本研究发现网络成瘾和未来时间洞察力的双向预测关系,并证实了抑郁在网络成瘾和未来时间洞察力之间的中介作用。但是,研究仍存在一些局限。首先,由于资源的限制,研究追踪时间较短,可能不足以全面揭示网络成瘾、抑郁和未来时间洞察力的长期关系。未来研究可进行多次追踪,以了解这三个变量的长期变化轨迹。其次,未控制相关变量(如家庭收入)(Kooij et al., 2018),限制了结果的广泛适用性。未来研究可通过控制这些变量,以提高结果的代表性和普适性。最后,数据采集中未控制网络使用时长,且由于部分参与者毕业,导致样本流失较大,可能影响结果的准确性。未来研究可通过更严格的控制和更长的追踪时间来验证本研究的发现。

5 结论

(1)网络成瘾与未来时间洞察力存在相互负向预测关系;(2)抑郁在网络成瘾和未来时间洞察力纵向关系之间具有中介作用;(3)网络成瘾通过抑郁预测未来时间洞察力中的路径具有性别差异。
董奇, 林崇德. (2011). 中国儿童青少年心理发育标准化测验简介. 北京: 科学出版社.

杜刚, 吕厚超. 青少年未来时间洞察力和学业成绩的关系: 时间管理倾向的中介作用. 心理科学, 2017, 40 (1): 96- 102.

李明霞, 郑昊, 刘正奎. 农村青少年抑郁症状和亲社会行为的关系. 中国学校卫生, 2019, 40 (11): 1665- 1668.

李小保, 吴澜婷, 吕厚超. 自尊、未来时间洞察力与学业成就之间的关系: 一项追踪研究. 应用心理学, 2021, 27 (3): 244- 251,261.

DOI

庞雪, 吕厚超, 华生旭. 延迟满足: 基于未来时间洞察力的自我调节. 心理科学, 2014, 37 (1): 78- 82.

Abramson, L. Y., Seligman, M. E., & Teasdale, J. D. Learned helplessness in humans: Critique and reformulation. Journal of Abnormal Psychology, 1978, 87 (1): 49- 74.

DOI

Agbaria, Q. Internet addiction and aggression: The mediating roles of self-control and positive affect. International Journal of Mental Health and Addiction, 2021, 19 (4): 1227- 1242.

DOI

Akin, A., & İskender, M. Internet addiction and depression, anxiety and stress. International Online Journal of Educational Sciences, 2011, 3 (1): 138- 148.

Andresen, E. M., Malmgren, J. A., Carter, W. B., & Patrick, D. L. Screening for depression in well older adults: Evaluation of a short form of the CES-D. American Journal of Preventive Medicine, 1994, 10 (2): 77- 84.

DOI

Baird, H. M., Webb, T. L., Sirois, F. M., & Gibson-Miller, J. Understanding the effects of time perspective: A meta-analysis testing a self-regulatory framework. Psychological Bulletin, 2021, 147 (3): 233- 267.

DOI

Baker, T. B., Piper, M. E., McCarthy, D. E., Majeskie, M. R., & Fiore, M. C. Addiction motivation reformulated: An affective processing model of negative reinforcement. Psychological Review, 2004, 111 (1): 33- 51.

DOI

Borisenkov, M. F., Popov, S. V., Smirnov, V. V., Gubin, D. G., Petrov, I. M., Vasilkova, T. N., .. Symaniuk, E. E. (2022). Association between food addiction and time perspective during COVID-19 isolation. Eating and Weight Disorders-Studies on Anorexia, Bulimia and Obesity, 27(5), 1585–1591.

Carstensen, L. L. The influence of a sense of time on human development. Science, 2006, 312 (5782): 1913- 1915.

DOI

Cate, R. A., & John, O. P. Testing models of the structure and development of future time perspective: Maintaining a focus on opportunities in middle age. Psychology and Aging, 2007, 22 (1): 186- 201.

DOI

Cerniglia, L., Zoratto, F., Cimino, S., Laviola, G., Ammaniti, M., & Adriani, W. Internet addiction in adolescence: Neurobiological, psychosocial and clinical issues. Neuroscience & Biobehavioral Reviews, 2017, 76, 174- 184.

Cheng, Y. S., Ko, H. C., Sun, C. K., & Yeh, P. Y. The relationship between delay discounting and internet addiction: A systematic review and meta-analysis. Addictive Behaviors, 2021, 114, 106751.

DOI

Chi, X. L., Hong, X., & Chen, X. C. Profiles and sociodemographic correlates of internet addiction in early adolescents in southern China. Addictive Behaviors, 2020, 106, 106385.

DOI

Choung, Y., Chatterjee, S., & Pak, T. Y. Depression and financial planning horizon. Journal of Behavioral and Experimental Economics, 2022, 98, 101877.

DOI

Christakis, D. A. Internet addiction: A 21st century epidemic. BMC Medicine, 2010, 8 (1): 61.

DOI

de Leval, N. Scales of depression, ill-being and the quality of life—is there any difference? An assay in taxonomy. Quality of Life Research, 1995, 4 (3): 259- 269.

DOI

Figner, B., Knoch, D., Johnson, E. J., Krosch, A. R., Lisanby, S. H., Fehr, E., & Weber, E. U. Lateral prefrontal cortex and self-control in intertemporal choice. Nature Neuroscience, 2010, 13 (5): 538- 539.

DOI

Giordano, A. L., Schmit, M. K., & McCall, J. Exploring adolescent social media and internet gaming addiction: The role of emotion regulation. Journal of Addictions & Offender Counseling, 2023, 44 (1): 69- 80.

Goldstein, R. Z., & Volkow, N. D. Dysfunction of the prefrontal cortex in addiction: Neuroimaging findings and clinical implications. Nature Reviews Neuroscience, 2011, 12 (11): 652- 669.

DOI

Hayat, A. A., Kojuri, J., & Amini, M. Academic procrastination of medical students: The role of internet addiction. Journal of Advances in Medical Education & Professionalism, 2020, 8 (2): 83- 89.

Karacic, S., & Oreskovic, S. Internet addiction through the phase of adolescence: A questionnaire study. JMIR Mental Health, 2017, 4 (2): e11.

DOI

Kardefelt-Winther, D. A conceptual and methodological critique of internet addiction research: Towards a model of compensatory internet use. Computers in Human Behavior, 2014, 31, 351- 354.

DOI

Kato, T. A., Shinfuku, N., & Tateno, M. Internet society, internet addiction, and pathological social withdrawal: The chicken and egg dilemma for internet addiction and hikikomori. Current Opinion in Psychiatry, 2020, 33 (3): 264- 270.

DOI

Ko, C. H., Yen, J. Y., Yen, C. F., Chen, C. S., & Chen, C. C. The association between internet addiction and psychiatric disorder: A review of the literature. European Psychiatry, 2012, 27 (1): 1- 8.

DOI

Kooij, D. T. A. M., Kanfer, R., Betts, M., & Rudolph, C. W. Future time perspective: A systematic review and meta-analysis. Journal of Applied Psychology, 2018, 103 (8): 867- 893.

DOI

Lee, Z. W. Y., Cheung, C. M. K., & Chan, T. K. H. (2014). Explaining the development of the excessive use of massively multiplayer online games: A positive-negative reinforcement perspective. In 2014 47th Hawaii International Conference on System Sciences (pp. 668–677). Waikoloa, HI: IEEE.

Li, G. M., Liu, J., Wen, H. Y., & Shen, Q. Y. Changes in depression among adolescents: A multiple-group latent profile transition analysis. Psychology Research and Behavior Management, 2023, 16, 319- 332.

DOI

Li, H. X., Guo, Y. F., & Yu, Q. L. Self-control makes the difference: The psychological mechanism of dual processing model on internet addicts’ unusual behavior in intertemporal choice. Computers in Human Behavior, 2019, 101, 95- 103.

DOI

Li, X. B., Wang, C., Lyu, H. C., Worrell, F. C., & Mello, Z. R. Psychometric properties of the Chinese version of the Zimbardo Time Perspective Inventory. Current Psychology, 2023, 42, 13547- 13559.

DOI

Liang, L. C., Zhou, D., Yuan, C. Y., Shao, A. H., & Bian, Y. F. Gender differences in the relationship between internet addiction and depression: A cross-lagged study in Chinese adolescents. Computers in Human Behavior, 2016, 63, 463- 470.

DOI

Little, T. D., Preacher, K. J., Selig, J. P., & Card, N. A. New developments in latent variable panel analyses of longitudinal data. International Journal of Behavioral Development, 2007, 31 (4): 357- 365.

DOI

Loh, K. K., & Kanai, R. How has the Internet reshaped human cognition. The Neuroscientist, 2016, 22 (5): 506- 520.

DOI

Matthes, J., Karsay, K., Schmuck, D., & Stevic, A. “Too much to handle”: Impact of mobile social networking sites on information overload, depressive symptoms, and well-being. Computers in Human Behavior, 2020, 105, 106217.

DOI

McClure, S. M., Laibson, D. I., Loewenstein, G., & Cohen, J. D. Separate neural systems value immediate and delayed monetary rewards. Science, 2004, 306 (5695): 503- 507.

DOI

Méndez, M. L., Padrón, I., Fumero, A., & Marrero, R. J. Effects of internet and smartphone addiction on cognitive control in adolescents and young adults: A systematic review of fMRI studies. Neuroscience & Biobehavioral Reviews, 2024, 159, 105572.

Moore, M., Höfer, S., McGee, H., & Ring, L. Can the concepts of depression and quality of life be integrated using a time perspective. Health and Quality of Life Outcomes, 2005, 3, 1- 10.

DOI

Müller, S. M., Wegmann, E., Stolze, D., & Brand, M. Maximizing social outcomes? Social zapping and fear of missing out mediate the effects of maximization and procrastination on problematic social networks use. Computers in Human Behavior, 2020, 107, 106296.

DOI

Obeid, S., Saade, S., Haddad, C., Sacre, H., Khansa, W., Al Hajj, R., ... Hallit, S. Internet addiction among Lebanese adolescents: The role of self-esteem, anger, depression, anxiety, social anxiety and fear, impulsivity, and aggression—A cross-sectional study. The Journal of Nervous and Mental Disease, 2019, 207 (10): 838- 846.

DOI

Ostovar, S., Allahyar, N., Aminpoor, H., Moafian, F., Nor, M. B. M., & Griffiths, M. D. Internet addiction and its psychosocial risks (depression, anxiety, stress and loneliness) among Iranian adolescents and young adults: A structural equation model in a cross-sectional study. International Journal of Mental Health and Addiction, 2016, 14 (3): 257- 267.

DOI

Ouyang, M. K., Gui, D. N., Cai, X., Yin, Y. L., Mao, X. L., Huang, S. X., ... Wang, P. C. Stressful life events and subjective well-being in vocational school female adolescents: The mediating role of depression and the moderating role of perceived social support. Frontiers in Psychology, 2021, 11, 603511.

DOI

Peviani, K. M., Kahn, R. E., Maciejewski, D., Bickel, W. K., Deater-Deckard, K., King-Casas, B., & Kim-Spoon, J. Intergenerational transmission of delay discounting: The mediating role of household chaos. Journal of Adolescence, 2019, 72 (1): 83- 90.

DOI

Przepiorka, A., Blachnio, A., & Cudo, A. The role of depression, personality, and future time perspective in internet addiction in adolescents and emerging adults. Psychiatry Research, 2019, 272, 340- 348.

DOI

Saadati, H. M., Mirzaei, H., Okhovat, B., & Khodamoradi, F. Association between internet addiction and loneliness across the world: A meta-analysis and systematic review. SSM-Population Health, 2021, 16, 100948.

DOI

Saville, B. K., Gisbert, A., Kopp, J., & Telesco, C. Internet addiction and delay discounting in college students. The Psychological Record, 2010, 60 (2): 273- 286.

DOI

Seligman, M. E. P. Learned helplessness. Annual Review of Medicine, 1972, 23, 407- 412.

DOI

Servidio, R., Bartolo, M. G., Palermiti, A. L., & Costabile, A. Fear of COVID-19, depression, anxiety, and their association with internet addiction disorder in a sample of Italian students. Journal of Affective Disorders Reports, 2021, 4, 100097.

DOI

Settanni, M., Marengo, D., Fabris, M. A., & Longobardi, C. The interplay between ADHD symptoms and time perspective in addictive social media use: A study on adolescent Facebook users. Children and Youth Services Review, 2018, 89, 165- 170.

DOI

Sokol, Y., & Serper, M. Temporal self appraisal and continuous identity: Associations with depression and hopelessness. Journal of Affective Disorders, 2017, 208, 503- 511.

DOI

Solomon, R. L., & Corbit, J. D. An opponent-process theory of motivation: I. Temporal dynamics of affect. Psychological Review, 1974, 81 (2): 119- 145.

DOI

Stanković, M., Nešić, M., Čičević, S., & Shi, Z. H. Association of smartphone use with depression, anxiety, stress, sleep quality, and internet addiction. Empirical evidence from a smartphone application. Personality and Individual Differences, 2021, 168, 110342.

DOI

Takahashi, M., Adachi, M., Hirota, T., Nishimura, T., Shinkawa, H., Mori, H., & Nakamura, K. Longitudinal association between addictive internet use and depression in early adolescents over a 2-year period: A study using a random intercept cross-lagged model. Computers in Human Behavior, 2022, 132, 107251.

DOI

Taylor, S. E., Klein, L. C., Lewis, B. P., Gruenewald, T. L., Gurung, R. A., & Updegraff, J. A. Biobehavioral responses to stress in females: Tend-and-befriend, not fight-or-flight. Psychological Review, 2002, 107 (3): 411- 429.

Tomaszek, K., & Muchacka-Cymerman, A. Examining the relationship between student school burnout and problematic internet use. Educational Sciences: Theory & Practice, 2020, 20 (2): 16- 31.

Vanderlind, W. M., Millgram, Y., Baskin-Sommers, A. R., Clark, M. S., & Joormann, J. Understanding positive emotion deficits in depression: From emotion preferences to emotion regulation. Clinical Psychology Review, 2020, 76, 101826.

DOI

Watson, R., Harvey, K., McCabe, C., & Reynolds, S. Understanding anhedonia: A qualitative study exploring loss of interest and pleasure in adolescent depression. European Child & Adolescent Psychiatry, 2020, 29 (2): 489- 499.

Wilson, A. E., & Ross, M. From chump to champ: People’s appraisals of their earlier and present selves. Journal of Personality and Social Psychology, 2001, 80 (4): 572- 584.

DOI

Yen, J. Y., Ko, C. H., Yen, C. F., Wu, H. Y., & Yang, M. J. The comorbid psychiatric symptoms of internet addiction: Attention deficit and hyperactivity disorder (ADHD), depression, social phobia, and hostility. Journal of Adolescent Health, 2007, 41 (1): 93- 98.

DOI

Young, K. S. Internet addiction: The emergence of a new clinical disorder. CyberPsychology & Behavior, 1998, 1 (3): 237- 244.

Zhao, Y., Qu, D. Y., Chen, S. Y., & Chi, X. L. Network analysis of internet addiction and depression among Chinese college students during the COVID-19 pandemic: A longitudinal study. Computers in Human Behavior, 2023, 138, 107424.

DOI

Zimbardo, P. G., & Boyd, J. N. Putting time in perspective: A valid, reliable individual-differences metric. Journal of Personality and Social Psychology, 1999, 77 (6): 1271- 1288.

DOI

文章导航

/


版权所有 © 《心理与行为研究》编辑部
地址:天津市西青区宾水西道393号,天津师范大学106#邮箱 邮编:300387
电话:022-23540231, 23541213 E-mail:psybeh@126.com
本系统由北京玛格泰克科技发展有限公司设计开发