大學生網絡欺凌受害潛在類別的發(fā)展特點及性別因素的作用 *

劉仁潔 夏凌翔 趙永萍

(西南大學心理學部，重 慶 400715)

1 引言

在網絡普及并惠及大眾的同時，網絡欺凌現象隨之產生并逐漸演變?yōu)樯鐣P注的重要問題(Kowalski et al.,2019; Zhu et al.,2021)。網絡欺凌是指通過手機、電子郵件、即時通訊工具等實施的反復故意傷害、騷擾、和/或使受害者難堪的行為(Peter ＆ Petermann,2018)。不同于傳統欺凌，網絡欺凌具有匿名性、隱蔽性和不受時空限制等特點，使得網絡欺凌行為更易發(fā)生且更難控制(褚曉偉 等,2020; 張文新,2023; Zhao ＆ Yu,2021)。網絡欺凌會導致網絡欺凌受害者產生抑郁、焦慮、孤獨、腹痛、頭痛、難以入睡、情緒性進食甚至自殺等嚴重問題(紀曉寧 等,2023; Alrajeh et al.,2021; Chu et al.,2018; Kumar ＆ Goldstein,2020; Nixon,2014)。研究顯示，大學生網絡欺凌受害率高達29.20%(Alrajeh et al.,2021)。研究大學生網絡欺凌受害現象的發(fā)展規(guī)律，將為網絡欺凌受害的及時干預提供重要指導。

但已有網絡欺凌的發(fā)展研究多集中在青少年群體，對大學生網絡欺凌的發(fā)展研究相對較少(Martínez-Monteagudo et al.,2020; Shaikh et al.,2020)。相比青少年，大學生接觸網絡的時間更多、使用更自由，網絡技術使用能力更強，而上網時長和網絡使用熟練度與網絡欺凌受害呈正相關(曹曉琪 等,2020; Kim ＆ Kim,2015)。因此相比青少年，大學生更可能成為網絡欺凌受害者，研究大學生網絡欺凌受害的發(fā)展規(guī)律具有重要價值。對發(fā)展規(guī)律的把握存在以變量為中心和以個體為中心兩條分析路徑，以變量為中心的研究只能確定大學生網絡欺凌受害整體發(fā)展特征，但并不是所有個體都遵循相同的發(fā)展軌跡(Yoo,2021)。因此，以個體為中心的研究將有助于探究大學生網絡欺凌受害發(fā)展軌跡的異質性，識別長期遭受網絡欺凌的群體，幫助網絡欺凌干預實踐者精準定位開展干預；識別網絡欺凌受害改善組，對其開展進一步研究，尋找其改善策略，反哺網絡欺凌干預實踐者。并且目前的潛類別增長模型具備確定異質性發(fā)展軌跡數目的優(yōu)勢(Nylund et al.,2007)?；诖耍狙芯窟B續(xù)3 年追蹤大學生網絡欺凌受害情況，探究大學生網絡欺凌受害的異質性發(fā)展亞組。

已有研究顯示，青少年網絡欺凌受害中存在“低受害-穩(wěn)定”、“中受害-下降”兩個亞組(Sumter et al.,2012)；但最新研究顯示，青少年網絡欺凌受害存在“低危組”、“高風險-增加組”、“高風險-下降組”三個亞組(Yoo,2021)。從發(fā)展心理學中的同型連續(xù)性(homotypic continuity) 和異型連續(xù)性(heterotypic continuity)觀點來看(Bongers et al.,2004)，大學生網絡欺凌受害很可能存在與青少年網絡欺凌受害的相同類別，但存在不同的表現形式。據此，本研究提出假設1：大學生網絡欺凌受害存在異質性發(fā)展軌跡。

素質-壓力模型將欺凌受害視作一種壓力、一種應激性生活事件(Swearer ＆ Hymel,2015)。根據挫折-攻擊理論(Breuer ＆ Elson,2017)和一般壓力理論(Agnew,1992)，個體遭受欺凌后，更容易產生欺凌行為(Walters,2021)。相比傳統欺凌，網絡欺凌受害者更可能成為網絡欺凌實施者(Lozano-Blasco et al.,2020; Quintana-Orts ＆ Rey,2018)；網絡欺凌受害和網絡欺凌之間存在高相關(石慧芬 等,2020;Francisco et al.,2015)。除此以外，社交媒體和手機是大學生交流活動的重要平臺(Kim et al.,2016)，根據社交媒體網絡欺凌模型，大量使用社交媒體與匿名性相結合助長了網絡欺凌(Lowry et al.,2016)，網絡環(huán)境中的責任分散和去個性化也使得個體更容易實施網絡欺凌(Wang ＆ Ngai,2020)。因此，大學生遭受網絡欺凌后可能借助社交媒體與手機實施報復、發(fā)泄情緒實施無差別攻擊，進而導致網絡欺凌行為。這意味著網絡欺凌受害既可能獨立發(fā)展，也可能引發(fā)網絡欺凌(Francisco et al.,2015)進而產生兩者的聯合發(fā)展。基于以上分析，本研究提出假設2：大學生網絡欺凌受害和網絡欺凌存在共同的發(fā)展軌跡。對網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡的探索，將有助于預測網絡欺凌受害者的網絡欺凌行為，進一步幫助網絡欺凌受害干預實踐者及時識別受害者的風險行為，減少網絡欺凌事件的整體發(fā)生率。

大學生卷入網絡欺凌也與其自身因素有關，性別是其中的一個重要因素。關于網絡欺凌受害和網絡欺凌的性別差異，I3理論強調分析男生和女生攻擊行為的煽動觸發(fā)因素(instigation)、推動力量(impellance)和抑制力量(inhibition)方面的差異(Finkel ＆ Slotter,2009; Wong et al.,2018)。研究表明網絡欺凌受害與網絡欺凌均存在性別差異，但以往研究均存在不一致的研究結果。有研究發(fā)現，女生報告的網絡欺凌受害程度更高(Viau et al.,2020; Yoo,2021)，但Cénat 等人(2019)發(fā)現男生網絡欺凌受害的發(fā)生率高于女生；有研究顯示，當男生遭受網絡欺凌之后更可能參與到網絡欺凌事件當中(Zsila et al.,2019)，而Francisco 等人(2015)的研究卻發(fā)現，女生成為網絡欺凌實施者和網絡欺凌受害者的可能性更大?；诖?，本研究提出假設3：大學生網絡欺凌受害的獨立發(fā)展軌跡和其與網絡欺凌的聯合發(fā)展軌跡均存在性別差異。

總之，本研究以大學生為研究被試，采用縱向追蹤問卷調查收集數據，使用潛類別增長模型分析網絡欺凌受害的獨立發(fā)展軌跡和網絡欺凌受害與網絡欺凌的聯合發(fā)展軌跡的特點及其性別差異，結果將為大學生網絡欺凌受害的干預提供實證支持。

2 研究方法

2.1 被試

在廣西、貴州、福建、河南、重慶的六所普通大學招募1390 名大學生為被試，施測前取得了學校的支持和學生的同意。本研究是大型縱向調查的一部分，首次測試時間(T1) 為2018 年10 月，之后每半年測試一次，一共施測6 次，6 次測試通過學號進行匹配。施測結束后，統一將問卷進行收集和整理。問卷中設置了效度題來檢驗數據的有效性。由于未參與完全程施測或規(guī)律作答等原因，第二、三、四、五、六次測試共流失242 人，最終1148 名被試完成全部的測試。其中，女生占比63.41%。首次測量，學生的年齡范圍為16～25 歲，平均年齡為18.67±0.10 歲；文科生53.10%，理科生8.20%，工科生38.70%；家庭年收入3 萬以下的占比44.59%，3～20 萬的占比47.23%，20 萬及以上的占比8.18%；67.22%的父親受教育程度為高中及以下，32.78%為大專及以上；71.89%的母親受教育程度為高中及以下，28.11%為大專及以上；89.20%的學生家庭完整，7.75%的學生來自單親家庭，3.05%來自重組家庭。被試流失分析顯示，繼續(xù)參與研究的被試與流失的被試在性別[χ2(1)=0.20,p=0.654]和網絡欺凌受害[t(638)=0.62,p=0.536]水平上差異無統計學意義。

2.2 研究工具

2.2.1 網絡欺凌受害

采用Francisco 等人(2015)編制、唐麗麗等人(2022)修訂的大學生網絡欺凌調查表中文版(CICSCV)，要求大學生對過去半年內遭受網絡欺凌受害的頻率進行打分。量表一共9 道題，采用5 點計分，1 為“從沒有過”，2 為“半年大概1～4 次”，3 為“1 個 月 大概1 次”，4 為“1 周 大概1 次”，5 為“1 周多次”。分數越高表明個體網絡欺凌受害水平越高。本研究6 次測量的網絡欺凌受害的Cronbach’s α 系數為0.79、0.89、0.88、0.93、0.94、0.96。

2.2.2 網絡欺凌

采用Francisco 等人(2015)編制、唐麗麗等人(2022)修訂的大學生網絡欺凌調查表中文版(CICSCV)，要求大學生對過去半年內實施網絡欺凌的頻率進行打分。量表一共9 道題，采用5 點計分，1 為“從沒有過”，2 為“半年大概1～4 次”，3 為“1 個月 大 概1 次”，4 為“1 周 大概1 次”，5 為“1 周多次”。分數越高表明個體網絡欺凌水平越高。本研究6 次測量的網絡欺凌的Cronbach’s α 系數為0.68、0.88、0.87、0.94、0.94、0.96。

2.2.3 人口學變量

采用自編的人口學問卷，包括被試的性別、年齡、專業(yè)、家庭經濟年收入、父母受教育程度、家庭結構等問題。

2.3 數據分析

使用SPSS26.0 的多重插補處理缺失值，并進行描述統計和多元邏輯回歸，使用Mplus8.3 進行潛類別增長模型分析。

2.4 共同方法偏差檢驗

采用Harman 單因素檢驗法對數據的共同方法偏差進行檢驗(湯丹丹,溫忠麟,2020)。結果發(fā)現，第一個公因子解釋的總方差為23.06%，小于臨界值40%。因此，本研究的數據不存在共同方法偏差問題。

3 結果

3.1 描述性統計與相關分析

各變量的平均值、標準差及相關矩陣如表1所示。網絡欺凌受害的平均值在前四次呈現下降趨勢，之后開始上升，說明大學生的網絡欺凌受害水平在不斷變化。6 次測量的網絡欺凌受害均與6 次測量的網絡欺凌顯著相關，初步表明網絡欺凌受害和網絡欺凌可能協同發(fā)生。

3.2 網絡欺凌受害的潛類別增長分析

本研究選取以下指標來確定網絡欺凌受害發(fā)展軌跡的最佳數目(Nylund et al.,2007)：(1)赤池信息準則(AIC)，貝葉斯信息準則(BIC)和樣本校正的貝葉斯信息準則(aBIC)，這三個指標值越小表明模型擬合越好；(2)模型分組的熵(Entropy)，其值越接近1 表明模型分組越準確；(3)Lo-Mendell-Rubin 似然比檢驗(LMR-LRT)和基于Bootstrap 方法的似然比檢驗(BLRT)，如果檢驗結果達到顯著水平(p＜0.05)則接受k組分類而拒絕k-1 組分類；(4)亞群組的比例不低于3%。對網絡欺凌受害建立1～4 個潛在類別的無條件潛類別增長模型(LCGM)，擬合指數如表2 所示。從表2 的結果可以看出，對于網絡欺凌受害而言，由于4 分類模型中存在一個亞群組的占比為2%，所以舍棄4 分類模型。A I C、B I C 和aBIC 的值均隨著類別的增加而減小，Entropy 值也均接近于1，表明模型分類均比較準確。LMRLRT 結果表明只有2 分類和3 分類模型是可接受的。綜上所述，確定3 分類模型為大學生網絡欺凌受害發(fā)展軌跡的最優(yōu)擬合模型。具體而言，與網絡欺凌受害的一般發(fā)展軌跡相比，網絡欺凌受害的3 條異質性發(fā)展軌跡特點如下：第一類占比約8%，其初始受害水平較高，而后呈下降趨勢，命名為“高受害-下降組”；第二類占比約7%，其初始受害水平相對位于中部，而后呈上升趨勢，命名為“中受害-上升組”；第三類占比約85%，其網絡欺凌受害得分始終維持在低位，命名為“低受害-穩(wěn)定組”，發(fā)展軌跡見圖1，截距斜率參數見表3。

圖1 大學生網絡欺凌受害的發(fā)展軌跡

表1 各變量的均值、標準差及相關矩陣

表2 網絡欺凌受害的潛類別增長模型擬合指數

由表3 可知，網絡欺凌受害各條發(fā)展軌跡的截距、斜率和曲線斜率大部分均具有顯著性，說明大學生起始的受害水平及后來的變化速度呈現出明顯的個體差異，后續(xù)繼續(xù)分析性別的作用。

為了進一步考察性別對網絡欺凌受害獨立發(fā)展軌跡的影響，研究繼續(xù)在潛類別增長模型的基礎上納入性別變量。把性別(男=0,女=1)作為自變量，潛在類別的分類結果作為因變量進行邏輯回歸。在網絡欺凌受害的潛類別增長模型中，把低受害-穩(wěn)定組作為參照組，結果表明，相比女生，男生屬于高受害-下降組(OR=2.91,95%CI=[1.88,4.48],p＜0.001) 和中受害-上升組(OR=4.04,95%CI=[2.47,6.60],p＜0.001)的概率分別是低受害-穩(wěn)定組的2.91 倍和4.04 倍。

表3 網絡欺凌受害的發(fā)展軌跡各類別截距與斜率的參數值

3.3 網絡欺凌受害和網絡欺凌平行過程的潛類別增長分析

對網絡欺凌受害和網絡欺凌建立平行過程的潛類別增長模型(Berlin et al.,2014; Zhou et al.,2022)，抽取1～4 個潛在類別用以識別網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡的最佳數目，模型擬合數據如表4 所示。根據網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡的擬合指數，研究最終確定網絡欺凌受害和網絡欺凌的聯合發(fā)展軌跡劃分為2 個類別模型擬合最佳。

表4 網絡欺凌受害-網絡欺凌的聯合發(fā)展軌跡擬合指數

網絡欺凌受害和網絡欺凌的聯合發(fā)展軌跡特點如下：第一類占比約為7%，其網絡欺凌受害的起始水平相對位于中部，而網絡欺凌水平相對較低，隨后逐漸上升，將其命名為“中受害-低欺凌-上升組”；第二類占比約93%，其網絡欺凌受害和網絡欺凌水平一直處于低位，將其命名為“低受害-低欺凌-穩(wěn)定組”，截距斜率參數見表5。

表5 網絡欺凌受害-網絡欺凌的聯合發(fā)展軌跡各類別截距與斜率的參數值

由表5 可知，網絡欺凌受害和網絡欺凌的聯合發(fā)展軌跡的截距、斜率和曲線斜率大部分具有顯著性，說明大學生起始的受害與欺凌水平及后來的變化速度均呈現出明顯的個體差異，所以繼續(xù)分析性別的作用。將性別(男=0,女=1)作為自變量，聯合發(fā)展軌跡分組作為因變量，進行邏輯回歸，將網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡中的低受害-低欺凌-穩(wěn)定組作為參照組，結果表明，相比女生，男生屬于中受害-低欺凌-上升組(OR=3.97,95%CI=[2.43,6.51],p＜0.001)的概率是低受害-低欺凌-穩(wěn)定組的3.97 倍，說明男生卷入欺凌事件的可能性更大。

4 討論

本研究通過潛類別增長模型深入探討了大學生網絡欺凌受害的獨立發(fā)展軌跡和網絡欺凌受害與網絡欺凌的聯合發(fā)展軌跡，并考察了性別在其中的作用，為大學生網絡欺凌預防和干預提供了實證支持。

4.1 大學生網絡欺凌受害獨立發(fā)展軌跡的特點

研究發(fā)現大學生網絡欺凌受害存在3 條異質性發(fā)展軌跡，即“高受害-下降組”、“中受害-上升組”和“低受害-穩(wěn)定組”，與以往研究的結果部分一致(Yoo,2021)，驗證了假設1；也證明了大學生與青少年網絡欺凌受害存在同型連續(xù)性和異型連續(xù)性特征(Bongers et al.,2004)，大學生網絡欺凌受害與青少年網絡欺凌受害具有相同類別，總體上呈現“低水平穩(wěn)定”、“增長”和“下降”三種基本發(fā)展形態(tài)，但存在不同的表現形式。Sumter 等人(2012)在研究中只發(fā)現了兩條網絡欺凌受害的發(fā)展軌跡，可能是因為他們的追蹤時間僅一年半，觀測時間較短。“中受害-上升組”的大學生在遭受網絡欺凌后，受害水平持續(xù)上升，可能是他們缺乏有效的應對策略，也可能是因為受害者的人際交往技能較低，很難建立一個同伴支持系統來幫助他們擺脫被欺凌的困境(Zhou et al.,2022)。并且網絡欺凌具有虛擬性、隱蔽性等特點(Zhao ＆ Yu,2021)，導致網絡欺凌可以很容易和迅速地在網絡空間傳播，產生更多的潛在受眾。網絡欺凌的匿名性也可能導致網絡欺凌實施者很少或者根本不會意識到他們的行為會對受害者造成多么嚴重的后果(Francisco et al.,2015)，因此網絡欺凌受害者可能會持續(xù)受到網絡欺凌。對于“高受害-下降組”，可能是因為隨著年級的升高和年齡的增長，這部分大學生變得更加成熟、更關注學業(yè)(Crosslin ＆ Golman,2014)，而且部分受害者個體可能學會了采用有效應對策略，比如尋求他人的幫助，社區(qū)、學校、同伴和父母的支持可以保護網絡欺凌受害者，降低他們的受害水平(Zych et al.,2019)。對大學生網絡欺凌受害獨立發(fā)展軌跡的研究使研究者更加清楚地了解網絡欺凌受害的異質性發(fā)展，也提醒相關干預實踐者應注意網絡欺凌受害程度屬于中等水平的個體，其受害水平可能會持續(xù)上升，因此應對這部分個體給予更多的幫助和支持，為他們提出針對性的干預方案。而“高受害-下降組”是如何實現這一變化的，值得相關研究者繼續(xù)對此部分群體進行訪談研究，以挖掘其改變的影響因素，為后續(xù)干預提供豐富的策略。

4.2 大學生網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡的特點

研究發(fā)現，大學生網絡欺凌受害和網絡欺凌存在2 條聯合發(fā)展軌跡，即“中受害-低欺凌-上升組”和“低受害-低欺凌-穩(wěn)定組”，驗證了假設2?！暗褪芎?低欺凌-穩(wěn)定組”的大學生占比最大，約93%，說明大部分大學生網絡欺凌受害與網絡欺凌都處于較低的水平?！爸惺芎?低欺凌-上升組”占比約7%，說明網絡欺凌受害與網絡欺凌會產生聯合上升的發(fā)展軌跡。究其原因，第一，當大學生遭受網絡欺凌時體會到壓力與挫折感，并且網上發(fā)布的評論、照片和視頻可長期存在，網絡欺凌受害者有機會重新審視冒犯性內容，進而加劇他們的憤怒，引發(fā)報復的欲望和消極情緒的發(fā)泄，最終實施報復反擊或轉向欺凌他人(Lowry et al.,2016; Wang ＆ Ngai,2020)，結果支持了挫折-攻擊理論和一般壓力理論。第二，遭受網絡欺凌的大學生可能會通過學習攻擊行為來展開報復(Walters,2021)，受害者變成了欺凌者(Coyle et al.,2021; Kumar ＆ Goldstein,2020)。缺少父母的監(jiān)管、較高的道德推脫水平、較低的自我控制能力、情緒為中心的應對策略等也可能是受害后實施欺凌行為的原因(Chen et al.,2017; Kim ＆ Kim,2015;Kowalski et al.,2019; Wong et al.,2018; Yang,2021)。網絡欺凌受害和網絡欺凌的聯合發(fā)展軌跡表明網絡欺凌受害者很可能成為網絡欺凌實施者，因此在干預網絡欺凌事件時，應特別關注網絡欺凌受害者在經歷網絡欺凌事件后可能會采取報復等不恰當的應對方式，導致自己陷入網絡欺凌受害和網絡欺凌的惡性循環(huán)之中，產生更大的風險。

4.3 大學生網絡欺凌受害獨立發(fā)展軌跡以及與網絡欺凌聯合發(fā)展軌跡的性別差異

網絡欺凌受害獨立發(fā)展軌跡存在性別差異，假設3 得到驗證。研究發(fā)現，與“低受害-穩(wěn)定組”相比，男生屬于“高受害-下降組”、“中受害-上升組”的可能性比女生更大，這與以往的研究結果部分一致(Cénat et al.,2019)，說明男生更容易遭受網絡欺凌。有研究發(fā)現，男生比女生更常使用短信或在網絡游戲中騷擾他人(Zhao ＆ Yu,2021)，因此他們也更經常在網上被欺負(Zsila et al.,2019)。通常人們將女生視為弱勢群體和遭受欺凌的對象(Viau et al.,2020; Yoo,2021)，而男生的受害情況往往受到忽視，研究結果表明，應多注意男生的網絡使用情況并給予正確的引導。

網絡欺凌受害和網絡欺凌的聯合發(fā)展軌跡存在性別差異，假設3 得到驗證。研究發(fā)現，與“低受害-低欺凌-穩(wěn)定組”相比，男生屬于“中受害-低欺凌-上升組”的可能性比女生更大，這與以往的研究結果部分一致(Alrajeh et al.,2021)，說明網絡欺凌受害的男生相較于女生，更有可能參與到網絡欺凌事件當中。相關研究發(fā)現對此結果提供了一些支持，比如男生的攻擊性較強，人們發(fā)現男生在面對壓力事件時，更傾向于表現出直接的攻擊和對抗，而女生則更有可能以回避的方式來應對壓力(Zsila et al.,2019)，男生在遭受網絡欺凌后更可能在網上欺負他人進行報復(Wong et al.,2018)。該結果也為I3理論提供了一定的實證支持，即以往的網絡欺凌受害經歷是網絡欺凌行為的煽動觸發(fā)因素；男生比女生表現出更高的道德推脫水平和憤怒反芻水平，這可能是推動力量，道德推脫水平越高的個體，網絡欺凌行為發(fā)生頻率越高，憤怒反芻傾向也增加了過去有網絡欺凌受害經歷的男生參與網絡欺凌的風險(Romera et al.,2021; Zhao ＆ Yu,2021; Zsila et al.,2019)；而女生比男生表現出更高水平的同理心(O’Neill,2020)，抑制了女生參與網絡欺凌事件的沖動。研究結果表明，應更多關注男生在網絡欺凌受害后可能產生的網絡欺凌風險行為，減少他們卷入網絡欺凌事件的概率。

本研究仍然具有一定的局限性：第一，對網絡欺凌受害和網絡欺凌參與程度的測量來自大學生自我報告問卷，他們可能會低估自己參與網絡欺凌事件和網絡欺凌受害的程度，未來可采用多報告和多方法研究，提高網絡欺凌受害及網絡欺凌測量的可靠性。第二，未對網絡欺凌受害的獨立和聯合發(fā)展軌跡的多個影響因素進行探究，使得結果的豐富性不足，限制了結果的應用。第三，網絡欺凌受害和網絡欺凌聯合發(fā)展軌跡中，未發(fā)現下降組，尚不明確是被試量不夠大導致未能識別出這一亞組，還是這一亞組確實不存在，未來需要繼續(xù)探究。

5 結論

(1) 大學生網絡欺凌受害的獨立發(fā)展軌跡為3 條(高受害-下降組、中受害-上升組和低受害-穩(wěn)定組)；(2)網絡欺凌受害與網絡欺凌的聯合發(fā)展軌跡為2 條(中受害-低欺凌-上升組、低受害-低欺凌-穩(wěn)定組)；(3)網絡欺凌受害的獨立發(fā)展軌跡和二者的聯合發(fā)展軌跡均存在顯著的性別差異，男生更多卷入網絡欺凌及受害。