1 引言
近年来，互联网技术的迅猛发展为青少年提供了海量的学习资源和广阔的成长空间，同时也带来了诸多风险与诱惑，容易引发一系列适应性问题。网络偏差行为是指个体在互联网环境中适应不良，做出伤害自己和他人的行为，包括网络色情、网络欺骗和网络过激行为(雷雳, 李冬梅, 2008)。据调查，我国部分地区青少年网络偏差行为的发生率为24.2%～68.0%(Chen et al., 2021)。研究显示，青少年的网络偏差行为与物质滥用、精神健康问题和非法行为紧密相关，严重干扰了他们的学习和生活(Dvoryanchikov et al., 2020)。既有关于网络偏差行为影响因素的研究多聚焦于家校环境、个体特质和现实社会互动(Virgara & Whitten, 2023)，而对网络人际互动因素的探讨较少。基于现实排斥的研究发现，遭受排斥与网络偏差行为密切相关(陈颖 等, 2023)。然而，网络环境的异步反馈和数字痕迹特征使网络排斥更频繁且隐蔽，增加了个体的负面心理体验，从而引发网络偏差行为。因此，从网络排斥角度分析其对青少年网络偏差行为的影响和心理机制，有助于深化理论认识，并为干预措施提供依据。
1.1 网络社会排斥和网络偏差行为
网络社会排斥是发生在网络情境中的社会排斥，具体指个体在网络互动中被他人或其他团体忽视或中伤，导致其归属需要受阻的现象和过程(张野 等, 2021)。基于现实社会排斥的研究发现，排斥会威胁个体的基本需要并导致心理与行为的消极变化(彭苏浩 等, 2019)。网络社会排斥作为现实排斥在互联网场景的延伸，呈现鲜明网络特征(Donate et al., 2017)。一方面，线上互动中信息传递存在滞后回应或无回应现象，这种反馈缺失易引发信息发出者的被排斥感；另一方面，网络存储特性使他人刻意不予反馈的信息长期留存，加剧排斥的公开性与持续性(Vorderer & Schneider, 2016)。相较现实社会排斥，上述特征使其更具高频性与持久性，可能诱发更严重的心理与行为后果。
相互作用模型(transactional model)认为，青少年的发展是个体与环境相互作用的结果(Sameroff & Mackenzie, 2003)。一方面，不良网络人际互动是网络偏差行为的重要风险因素(Dvoryanchikov et al., 2020)。根据需要−威胁时间模型(temporal need-threat model)，排斥威胁个体基本需要，促使其通过偏差行为补偿(Williams, 2009)。随着网络通信技术发展，网络具备的便利性、匿名性和去抑制性等特征使得青少年的补偿形式发生巨大转变，进而增加了网络偏差行为的风险(朱黎君 等, 2020)。研究发现，同伴排斥可显著预测青少年网络色情、网络欺骗和网络过激行为(Wang et al., 2023)。另一方面，网络偏差行为同样可能增加青少年遭受网络社会排斥的风险。频繁表现出问题行为的青少年更易遭受拒绝，因为这些行为通常被视为令人反感的或异常的(Ostrov et al., 2014)。近期一项追踪研究发现，特定类型的网络偏差行为(网络欺凌)可以显著预测青少年半年后遭受的网络社会排斥(Ding et al., 2024)。以往基于现实社交情境的纵向追踪研究发现，同伴排斥与攻击行为之间存在双向关系(Tseng et al., 2013)。由于网络背景下的人际行为往往与现实存在差异，而迄今尚未有研究探究网络情境中的社会排斥与偏差行为是否也表现为上述动态相互作用。综上，本研究提出假设1：网络社会排斥与网络偏差行为之间可能存在动态的相互影响。
1.2 敌意归因偏向的中介作用
随着社会排斥研究的不断深入，陆续有学者开始考察人格与情绪(如自我控制及社交焦虑)在现实排斥和网络偏差行为间的中介作用(陈颖 等, 2023; 朱黎君 等, 2020)，但个体认知因素在网络背景下的社会排斥与偏差行为间的效用却鲜有探索，而环境因素对问题行为的影响通常是通过激活个体的认知结构加以实现的(Allen et al., 2018)，因此，有必要予以关注。
敌意归因偏向指个体倾向于将模糊情境中的他人行为解释为敌意或威胁(Crick & Dodge, 1994)。根据一般攻击模型(general aggression model)，网络偏差行为受内外部因素共同影响，且外部因素(如网络环境)作用于内部特征(如敌意归因偏向)，进而激活攻击图式，最终触发网络偏差行为(Allen et al., 2018)。一方面，网络社会排斥可能促进青少年的敌意归因偏向。遭受网络社会排斥的青少年会因归属感与控制感受到威胁而产生更多负性情绪体验(张野 等, 2024)，这种情绪状态可能促使个体主动寻求与其心境一致的社会线索(如模糊的排斥信号)，进而增强对他人行为的敌意解释倾向(Lemerise & Arsenio, 2000)。实证研究发现，经历社会排斥的个体倾向于对社会信息做出敌意解读(DeWall et al., 2009)。
另一方面，敌意归因偏向在产生和维持网络偏差行为中具有重要作用。社会信息加工模型(social information processing model)指出，个体认知过程中的线索解释阶段对其行为的形成与发展起关键作用(Crick & Dodge, 1994)。敌意归因偏向作为对情境线索的解释方式，被认为是传统攻击行为和网络欺凌的重要认知机制(Wei & Liu, 2022)。在网络社交中，个体因缺乏视觉线索(如面部表情、身体姿势)和听觉线索(如语速、音调)而难以获取全面的社会信息(Wilson et al., 2012)。具有敌意归因偏向的个体在模糊社交场景中，更易对社会线索进行负面解读，进而增加网络偏差行为的发生风险。一项针对青少年的追踪调查发现，敌意归因偏向显著正向预测半年后的网络攻击行为(Ding et al., 2022)。综上，本研究提出假设2：敌意归因偏向在网络社会排斥与网络偏差行为之间具有中介作用。
1.3 性别的调节作用
在网络偏差行为产生过程中，性别因素同样值得关注。首先，各变量在性别上存在差异。研究发现，男生比女生更有可能从事网络色情活动等特定形式的网络偏差行为(Klein & Cooper, 2019)，且男生自我报告的遭受网络社会排斥水平高于女生群体(López-Ráez et al., 2025)。其次，敌意归因偏向在网络社会排斥与网络偏差行为间的中介作用也可能存在性别差异。社会角色理论认为，对不同性别的角色期望导致男女生在情绪表达、行为模式及社会认知方面形成显著差异(Eagly & Wood, 2012)。男生遭受排斥后容易产生敌意性的社会认知偏见(Sullivan et al., 2006)，而女生在类似的情况下表现出更多的内化问题(Jenchura et al., 2017)。据此，本研究提出假设3：敌意归因偏向的中介作用在男生群体中显著，而在女生群体中不显著。
综上，尽管已有研究初步探索了网络社会排斥与网络偏差行为之间的关系，但许多深层次问题仍待解决。研究方法上，缺乏纵向追踪研究来揭示二者间的动态关系。作用机制上，尽管一般攻击模型指出了认知路径，但实证研究仍较为匮乏。此外，由于传统的交叉滞后模型无法分离个体间效应和个体内效应，容易造成研究结果的混淆，而随机截距交叉滞后模型(random intercept cross-lagged panel model, RI-CLPM)则能够避免虚假效应，增强因果推断性(Usami, 2021)。据此，本研究采用纵向追踪设计，构建RI-CLPM深入考察青少年网络社会排斥、敌意归因偏向与网络偏差行为的动态关系及性别差异，旨在揭示网络偏差行为的产生机制，并为预防和干预提供理论与数据支持。
2 研究方法
2.1 被试
采用整群抽样法，选取辽宁省两所初中和两所高中，每所学校随机抽取4～5个非毕业年级班级，进行3轮问卷调查。于2021年10月(T1)首次施测，随后每隔6个月进行一次追踪，分别记为T2和T3。首次施测共有685名学生参与，因学生请假、转学等原因，最终共646名学生完成了三轮调查(T2缺失19人，T3缺失20人)，有效率为94.3%。在最终人数中，男生297人，女生349人；初一193人，初二145人，高一133人，高二175人。首次施测时被试年龄分布在11～18岁之间，平均年龄13.60±1.59岁。
对流失被试与有效被试在网络社会排斥、敌意归因偏向与网络偏差行为上进行卡方检验和t检验。结果表明，缺失被试在性别[χ2(1)=0.92, p=0.34]、年级[χ2(3)=0.20, p=0.98]、独生子女[χ2(1)=0.01, p=0.94]、T1网络社会排斥[t(683)=−0.70, p=0.48]、T1敌意归因偏向[t(683)=−0.36, p=0.72]和T1网络偏差行为[t(683)=−1.30, p=0.19]方面与有效被试相比均无显著差异(ps>0.05)。上述结果表明本研究中被试流失为随机流失，不存在结构化缺失。此外，Little’s MCAR检验表明数据是完全随机缺失(χ2=120.03, p=0.09)，并采用期望最大化算法对缺失值进行插补。
2.2 研究工具
2.2.1 青少年网络社会排斥问卷
采用张野等人(2021)编制的青少年网络社会排斥问卷中遭受网络社会排斥分问卷。该分问卷包含被忽视和被中伤两个维度，共9个条目，采用5点计分方式。本研究中该问卷3次测量的Guttman’s λ2系数分别为0.82、0.87、0.94。
2.2.2 敌意的词句联想范式量表
采用Dillon等人(2016)编制的字词句子联想范式敌意量表，且该量表已被证实具有良好的信效度(李芮, 夏凌翔, 2021)。该量表包含16个条目，采用6点计分方式，得分越高表示敌意归因水平越高。本研究中该量表3次测量的Guttman’s λ2系数分别为0.87、0.91、0.96。
2.2.3 青少年网络偏差行为量表
采用雷雳和李冬梅(2008)编制的青少年网络偏差行为量表。该量表包括网络过激、网络色情和网络欺骗3个维度，共35个条目，采用5点计分方式。本研究中该量表3次测量的Guttman’s λ2系数分别为0.92、0.95、0.98。
2.3 研究程序与数据处理
研究采用纵向设计进行三次测量，数据采集前，本研究已通过沈阳师范大学教育科学学院伦理委员会审查，并获得施测学校领导、学生家长及学生本人知情同意。被试完成全部问卷约需15分钟。采用SPSS25.0进行描述统计及Pearson相关分析，采用Mplus8.0构建RI-CLPM以及进行多群组分析。
3 结果
3.1 共同方法偏差检验
采用温忠麟等人(2018)推荐的控制未测量的潜在方法因子(ULMC)法检验研究中可能存在的共同方法偏差，结果显示，三次测量中，局部因子的模型拟合指数分别为，T1：CFI=0.89，TLI=0.88，RMSEA=0.06，SRMR=0.05；T2：CFI=0.88，TLI=0.87，RMSEA=0.08，SRMR=0.05；T3：CFI=0.93，TLI=0.92，RMSEA=0.08，SRMR=0.04。增加方法因子模型拟合指数为，T1：CFI=0.91，TLI=0.89，RMSEA=0.06，SRMR=0.05；T2：CFI=0.91，TLI=0.88，RMSEA=0.07，SRMR=0.06；T3：CFI=0.94，TLI=0.92，RMSEA=0.08，SRMR=0.05。双因子模型与未加方法因子模型拟合指数变化均小于临界值(ΔCFI<0.10, ΔTLI<0.10, ΔRMSEA<0.05, ΔSRMR<0.05)(温忠麟 等, 2018)，表明本研究不存在严重的共同方法偏差。
3.2 纵向测量等值性检验
在进行RI-CLPM分析前需要对测量变量进行纵向测量等值性检验。根据Chen(2007)提出的评估标准，当ΔCFI、ΔTLI和ΔRMSEA小于0.01时视为通过检验，表明问卷具备测量等值。若相对拟合指数(CFI、TLI)与绝对拟合指数(RMSEA)的变化值结论不一致，则根据RMSEA的变化值判断。结果如表1 所示，网络社会排斥和敌意归因偏向均具有强等值性，而网络偏差行为仅具有弱等值性。
表1 网络社会排斥、敌意归因偏向与网络偏差行为的纵向测量等值性检验 |
| 变量 | Model | χ2 | df | CFI | TLI | RMSEA | 模型 比较 | ΔRMSEA |
| 网络社会排斥 | M1形态等值 | 501.47 | 282 | 0.955 | 0.944 | 0.035 | ||
| M2弱等值性 | 525.86 | 296 | 0.952 | 0.944 | 0.035 | M2-M1 | 0 | |
| M3强等值性 | 574.38 | 314 | 0.946 | 0.940 | 0.036 | M3-M2 | 0.001 | |
| 敌意归因偏向 | M1形态等值 | 2000.82 | 1022 | 0.915 | 0.906 | 0.039 | ||
| M2弱等值性 | 2061.90 | 1052 | 0.912 | 0.906 | 0.039 | M2-M1 | 0 | |
| M3强等值性 | 2331.75 | 1084 | 0.892 | 0.887 | 0.042 | M3-M2 | 0.003 | |
| 网络偏差行为 | M1形态等值 | 19.25 | 15 | 0.997 | 0.994 | 0.021 | ||
| M2弱等值性 | 24.08 | 19 | 0.997 | 0.994 | 0.020 | M2-M1 | 0.001 | |
| M3强等值性 | 107.80 | 25 | 0.948 | 0.926 | 0.072 | M3-M2 | 0.052 |
3.3 描述性统计分析
各变量的均值、标准差和相关系数见表2 。结果表明，三个时间点的网络社会排斥、敌意归因偏向和网络偏差行为两两之间均呈显著正相关(ps<0.05)。
表2 各变量均数、标准差和相关系数(n=646) |
| M±SD | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |
| 1.T1网络社会排斥 | 1.63±0.60 | ||||||||
| 2.T2网络社会排斥 | 1.54±0.64 | 0.49*** | |||||||
| 3.T3网络社会排斥 | 1.51±0.77 | 0.31*** | 0.46*** | ||||||
| 4.T1敌意归因偏向 | 2.53±0.84 | 0.32*** | 0.12** | 0.09* | |||||
| 5.T2敌意归因偏向 | 2.30±0.90 | 0.31*** | 0.41*** | 0.26*** | 0.36*** | ||||
| 6.T3敌意归因偏向 | 2.30±1.16 | 0.22*** | 0.23*** | 0.49*** | 0.30*** | 0.41*** | |||
| 7.T1网络偏差行为 | 1.51±0.47 | 0.52*** | 0.29*** | 0.20*** | 0.39*** | 0.16*** | 0.19*** | ||
| 8.T2网络偏差行为 | 1.44±0.51 | 0.34*** | 0.56*** | 0.34*** | 0.19*** | 0.46*** | 0.28*** | 0.44*** | |
| 9.T3网络偏差行为 | 1.44±0.68 | 0.28*** | 0.38*** | 0.68*** | 0.13*** | 0.28*** | 0.50*** | 0.33*** | 0.45*** |
注：*p<0.05，**p<0.01，***p<0.001，以下同。 |
3.4 随机截距交叉滞后分析
采用RI-CLPM考察青少年的网络社会排斥与网络偏差行为在3次测查中的相互关系以及敌意归因偏向的纵向中介作用。模型中对性别进行控制。采用Bootstrap法抽样2000次估计纵向中介效应。最终模型运行结果见图1 ，模型拟合指标可接受：χ2/df=4.46，CFI=0.97，TLI=0.93，RMSEA=0.07，SRMR=0.07。
RI-CLPM分析结果显示：(1)在个体间水平上，网络社会排斥与敌意归因偏向和网络偏差行为的随机截距之间呈两两显著正相关(r=0.40～0.75, ps<0.001)，说明网络社会排斥与敌意归因偏向和网络偏差行为存在显著的个体间关系；(2)在个体内水平上，T1网络社会排斥可以显著预测T2敌意归因偏向(β=0.27, p=0.007)和网络偏差行为(β=0.21, p=0.02)，T2网络社会排斥可以显著预测T3网络偏差行为(β=0.30, p<0.001)，T2敌意归因偏向可以显著预测T3网络偏差行为(β=0.10, p=0.04)。Bootstrap结果显示，敌意归因偏向的纵向中介效应显著，效应值为0.03，95%置信区间为[0.004, 0.070]。
3.5 性别差异检验
进一步采用多群组分析检验RI-CLPM是否存在性别差异。分别构建RI-CLPM自由估计模型M1和限定因子载荷、自回归路径及交叉滞后路径相等模型M2，将两个嵌套模型进行比较。结果显示，模型M2拟合良好[χ2(40)=108.24, CFI=0.97, TLI=0.94, RMSEA=0.07, SRMR=0.08]，与模型M1[χ2(28)=76.50, CFI=0.97, TLI=0.94, RMSEA=0.06, SRMR=0.08]差异显著(Δχ2=31.74, Δdf=12, p<0.001)。这表明RI-CLPM存在显著的性别差异。
男生的RI-CLPM模型见图2 ，模型显示在男生群体中：T1网络社会排斥显著预测T2敌意归因偏向(β=0.31, p=0.04)，T2网络社会排斥显著预测T3网络偏差行为(β=0.34, p=0.01)，T2敌意归因偏向显著预测T3网络偏差行为(β=0.16, p=0.03)。Bootstrap结果显示，敌意归因偏向的纵向中介效应显著，效应值为0.05，95%置信区间为[0.01, 0.14]。然而在女生群体中(见图3 )，T1网络社会排斥显著预测T2网络偏差行为(β=0.25, p=0.04)，T2网络社会排斥显著预测T3网络偏差行为(β=0.24, p=0.02)，T1网络偏差行为显著预测T2网络社会排斥(β=0.24, p=0.03)，其余路径系数及敌意归因偏向的纵向中介效应均不显著。
4 讨论
4.1 网络社会排斥和网络偏差行为的关系
本研究结果显示，在个体间水平上，网络社会排斥与网络偏差行为的随机截距之间存在显著正相关，说明二者的“特质性成分”之间存在显著的被试间关系。也就是说，在T1→T3时间段内，相较于低网络社会排斥的青少年，高网络社会排斥个体报告了更多网络偏差行为，而在个体内水平上，前测的网络社会排斥显著正向预测后测的网络偏差行为，部分验证了假设1。根据需要−威胁时间模型(Williams, 2009)，个体遭受排斥后经历反射、反思与退避三阶段。反射阶段，网络社会排斥会阻碍归属感与控制感，触发焦虑、悲伤、愤怒等消极情绪，并激活大脑疼痛检测与调节区域，引发社会性疼痛(彭苏浩 等, 2019)。反思阶段，个体为增强控制感、缓解痛苦，倾向通过偏差行为释放负面情绪(朱黎君 等, 2020)；加之网络匿名性与去抑制性削弱道德约束，青少年更易忽视后果、通过网络偏差行为重建虚拟环境控制感(陈颖 等, 2023)。
本研究同时发现，青少年网络偏差行为对网络社会排斥无显著预测作用，其关联可能通过个体间影响或个体内其他机制存在。在现实生活环境中，表现出攻击、违纪等问题行为的学生通常是其他学生眼中“不值得交往”的对象，这导致其因难以融入同伴群体进而被排斥于人际关系网之外(Norwalk et al., 2021)。但网络情境的匿名性与隐蔽性可让青少年隐藏身份，避免线下偏差行为的“曝光性”，进而减少其在网络中被排斥的风险。
4.2 敌意归因偏向的中介作用
本研究结果显示，在个体内水平上，敌意归因偏向在网络社会排斥与网络偏差行为之间发挥纵向中介作用，验证了假设2。一方面，T1时的网络社会排斥可以预测T2时的敌意归因偏向。Birk等人(2016)发现网络游戏中的排斥行为能够影响他人的敌意认知。网络社交中，经历排斥的个体面对负面或无反馈时易产生自我消极评价，为维护自我价值，倾向通过合理化防御机制激发对他人行为的敌意归因(Mao et al., 2017)。此外，社会排斥会促使个体将排斥行为解释为他人故意所为(Rajchert et al., 2022)，这种意向性归因在网络环境中更为突出—由于缺乏面部表情、肢体语言等多模态线索，青少年在模糊情境中更易将中性互动解读为挑衅，进而强化敌意归因偏向。
另一方面，T2时的敌意归因偏向可以正向预测T3时的网络偏差行为，这一结果与对青少年传统偏差行为的追踪结果不一致，表现出特殊性。既往线下研究表明，敌意归因偏向对青少年后续攻击行为呈负向预测(Yao & Enright, 2022)。这可能是因为经历负面同伴互动(如同伴受害)的个体虽易产生敌意归因等负性认知，但会因顾虑攻击行为的惩罚后果(如同伴报复)，重新评估自身攻击效能感，从而抑制攻击行为。然而，网络环境的匿名性与隐蔽性降低了偏差行为的现实风险，青少年无需担忧直接反击或报复。这种风险感知的弱化可能导致敌意归因更易外化为网络偏差行为，凸显了网络情境的独特性。
4.3 性别的调节作用
本研究结果发现，网络社会排斥对青少年网络偏差行为的影响存在性别差异，验证了假设3。敌意归因偏向的纵向中介作用仅在男生群体中显著。根据社会角色理论，社会对男女的差异化角色期待通过社会化过程内化为心理行为模式，导致情绪表达、社会认知等层面的系统性性别差异(Eagly & Wood, 2012)。男生通常被赋予更具攻击性的行为模式，而女生则被期望表现出更多的同理心和责任感，所以她们在认知、情感表达及行动方面也会受到抑制和约束。在面临排斥时，男生更易形成较高水平的敌意归因偏向(Poorani & Arulsamy, 2020)，而女生则更倾向于利用社会支持资源来调节负面情绪(Arslan, 2018)，从而降低网络偏差行为的发生率。这也提示在女生群体中，网络社会排斥对网络偏差行为的影响很可能存在其他的中介变量，有必要对此开展进一步探究。
在女生群体中，T1时的网络偏差行为显著正向预测T2时的网络社会排斥，进而正向预测T3时的网络偏差行为，形成“网络偏差行为−网络社会排斥−网络偏差行为”的恶性循环。基于性别行为规范，女生从事网络色情等偏差行为常不被社会接纳(Mattebo et al., 2014)，而男生同类行为可能被视为获取同伴关注、提升社交地位的策略(Rodkin et al., 2000)，导致女生更易因偏差行为遭排斥。此外，女生在社交中表现出更强的拒绝敏感性(Ding et al., 2020)，对人际反馈持消极预期，易将模糊行为解读为拒绝信号，进一步放大偏差行为引发的排斥感知。这一发现提示，干预女生网络偏差行为需聚焦其社交归属感与拒绝敏感性。
4.4 研究意义与局限
本研究首次通过纵向追踪研究揭示了青少年的网络社会排斥与网络偏差行为在男生群体中是单向作用关系，在女生群体中则存在双向作用关系；此外，研究从认知视角构建了网络社会排斥影响网络偏差行为的解释框架，不仅拓展了二者间的中介机制，还揭示了性别差异化的作用路径，为青少年网络偏差行为的针对性干预提供了理论与实证支持。
本研究还存在一些局限：第一，研究数据均为被试自我报告，尽管数据分析的结果表明没有严重的共同方法偏差，但未来有必要结合父母、教师和同伴等多主体数据，全面评估被试的真实水平；第二，本研究未对现实社会排斥进行控制，可能导致高估网络社会排斥的独立效应，未来应同时结合线上和线下社会排斥共同考察对青少年的影响。
5 结论
(1)网络社会排斥是青少年网络偏差行为的风险因素。(2)敌意归因偏向在网络社会排斥与网络偏差行为间起纵向中介作用。(3)网络社会排斥对青少年网络偏差行为的影响存在性别差异，男生在遭受网络社会排斥后更易激发敌意归因，继而产生网络偏差行为，而这一中介机制在女生群体中不显著。此外，仅在女生群体中存在网络社会排斥与网络偏差行为的双向关系。