大學(xué)生網(wǎng)絡(luò)成癮群體的運(yùn)動干預(yù)可行性建模分析

郭成成

摘 要：為解決當(dāng)代大學(xué)生群體普遍存在的網(wǎng)絡(luò)成癮問題，本文開展大學(xué)生網(wǎng)絡(luò)成癮群體的運(yùn)動干預(yù)可行性分析研究，通過構(gòu)建大學(xué)生群體的運(yùn)動干預(yù)模型，定位學(xué)生在不同干預(yù)狀態(tài)下的運(yùn)動特征。參照5級量度評估標(biāo)準(zhǔn)，對干預(yù)模型中的主動干預(yù)與被動干預(yù)措施進(jìn)行綜合分析。在此基礎(chǔ)上，使用LisSrel軟件，對數(shù)據(jù)統(tǒng)計進(jìn)行似然度分析，檢驗(yàn)影響運(yùn)動干預(yù)可行性分析變量信效度。并構(gòu)建一個Kriging函數(shù)，按照二級矩陣計算法，對分析結(jié)果的可信度進(jìn)行計算，將計算結(jié)果作為分析結(jié)果，完成針對大學(xué)生群體的運(yùn)動干預(yù)可行性分析。此外，通過實(shí)例應(yīng)用的方式，證明此次研究新的分析方法得出的分析結(jié)果可信度更高。在此基礎(chǔ)上進(jìn)一步得出，通過運(yùn)動干預(yù)的方式抑制網(wǎng)絡(luò)成癮大學(xué)生群體擴(kuò)大的方式具有較高的可行性，并且在選擇運(yùn)動干預(yù)方式時應(yīng)當(dāng)根據(jù)大學(xué)生不同發(fā)展階段，選擇合理的運(yùn)動干預(yù)類型。

關(guān)鍵詞：網(wǎng)絡(luò)成癮;大學(xué)生群體;運(yùn)動干預(yù);可行性;方法分析

中圖分類號：TP393.01 ?文獻(xiàn)標(biāo)識碼：A ?文章編號：1673-260X（2021）12-0064-05

自社會發(fā)展步入自媒體時代，社會群體的日常生活便與互聯(lián)網(wǎng)建立了密不可分的聯(lián)系。與此同時，越來越多的學(xué)生網(wǎng)絡(luò)成癮。其主要是指在日常生活中，長時間玩手機(jī)，從而冷落或忽視身邊親朋好友的社會群體。他們無時不刻都在觀看手機(jī)屏幕，因此，成癮是他們最顯著的特征。綜合現(xiàn)今大學(xué)生群體的生活現(xiàn)狀可知，網(wǎng)絡(luò)成癮已經(jīng)成為大學(xué)生的主要特征之一，超過半數(shù)的學(xué)生每天都會玩手機(jī)超過4小時，甚至有部分學(xué)生表示，在長時間玩手機(jī)后，他們的身體已出現(xiàn)了嚴(yán)重不適[1]。包括視覺疲勞、視力下降、肩頸酸痛等?；谏磉z傳學(xué)角度分析，產(chǎn)生此種現(xiàn)象的原因主要是此部分群體中腦神經(jīng)、遺傳因素等化學(xué)物質(zhì)呈現(xiàn)一種過盛的趨勢，導(dǎo)致其個體對網(wǎng)絡(luò)與手機(jī)產(chǎn)生較大的依賴性心理。而解決大學(xué)生這一問題的最直接的措施是對其進(jìn)行運(yùn)動干預(yù)，為大學(xué)生群體制定可行性較高運(yùn)動指導(dǎo)方案，對其日常生活進(jìn)行正向干預(yù)，使其擺脫手機(jī)對其身體與心理造成的傷害，最終起到糾正大學(xué)生錯誤生活習(xí)慣的作用[2]。但綜合目前研究可知，大部分與之相關(guān)的研究均局限在理論層面，尚沒有相關(guān)實(shí)踐成果證明運(yùn)動干預(yù)措施對于擺脫大學(xué)生網(wǎng)絡(luò)成癮現(xiàn)象具有一定可行性。而本次研究將從綜合分析角度，對此問題進(jìn)行深入研究。

1 網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)可行性分析

1.1 構(gòu)建網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)模型

為解決現(xiàn)今高校內(nèi)大學(xué)生普遍存在的成癮問題，需要在開展相關(guān)研究前，對大學(xué)生的運(yùn)動需求、課外運(yùn)動現(xiàn)狀等信息進(jìn)行綜合分析，并根據(jù)有效的分析結(jié)果，構(gòu)建一個針對網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)模型。

為確保構(gòu)建的運(yùn)動干預(yù)模型在實(shí)際應(yīng)用中具有較高的可行性，可將大學(xué)生運(yùn)動頻率、每次發(fā)生運(yùn)動行為的時長、運(yùn)動強(qiáng)度指數(shù)等作為評價指標(biāo)。在此基礎(chǔ)上，確定對大學(xué)生進(jìn)行運(yùn)動干預(yù)的措施。例如，基于社會性質(zhì)層面分析，運(yùn)動干預(yù)行為可以被劃分為主動干預(yù)與被動干預(yù)，其中主動干預(yù)行為是指針對在校大學(xué)生，利用一切可行的渠道，對其進(jìn)行生活過程中的運(yùn)動行為指導(dǎo)。包括利用體育課程，為大學(xué)生提供運(yùn)動資源。將班級內(nèi)學(xué)生劃分為多個小組，要求其通過競賽的方式參與到體育運(yùn)動或相關(guān)活動中[3]。其中被動干預(yù)行為是指校內(nèi)教師通過談話、授課或心理引導(dǎo)的方式，對學(xué)生目前的生活狀態(tài)進(jìn)行調(diào)整，使其認(rèn)知到參與運(yùn)動對于提高其自身綜合素質(zhì)的重要性，以此達(dá)到促進(jìn)大學(xué)生主動參與運(yùn)動的目的。

在完成上述相關(guān)分析后，可將提出的內(nèi)容作為干預(yù)網(wǎng)絡(luò)成癮大學(xué)生群體運(yùn)動的二維假設(shè)。以此為依據(jù)，制定了四種不同類型的運(yùn)動干預(yù)模式，分別為“運(yùn)動個體化—群體結(jié)構(gòu)化”“運(yùn)動集體化—群體結(jié)構(gòu)化”“運(yùn)動個體化—群體非結(jié)構(gòu)化”“運(yùn)動集體化—群體非結(jié)構(gòu)化”。在提出理論的基礎(chǔ)上，基于大學(xué)生在校生活整體層面，對其進(jìn)行成癮干預(yù)，并構(gòu)建網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)模型。構(gòu)建模型時，將大學(xué)生干預(yù)引擎作為中心，以及時發(fā)現(xiàn)大學(xué)生“成癮效果”改善作為目標(biāo)，并將模型設(shè)置為一個循環(huán)結(jié)構(gòu)，以此確保運(yùn)動干預(yù)行為發(fā)生后，對于大學(xué)生具有較強(qiáng)的影響作用。運(yùn)動干預(yù)模型結(jié)構(gòu)如圖1所示。

圖1為干預(yù)模型的基本結(jié)構(gòu)，其中運(yùn)動干預(yù)引擎是構(gòu)成模型的中心，在對大學(xué)生群體成癮現(xiàn)象的干預(yù)中，可以起到宏觀調(diào)控的作用。干預(yù)引擎與每一個干預(yù)環(huán)節(jié)之間緊密聯(lián)系，并監(jiān)控在運(yùn)動干預(yù)過程中大學(xué)生的成癮狀態(tài)，通過此種方式，確保干預(yù)行為在實(shí)施中的有效性。

其中大學(xué)生運(yùn)動狀態(tài)識別是干預(yù)措施實(shí)施與選擇的基礎(chǔ)，在此過程中，高校教師通過大數(shù)據(jù)技術(shù)，對學(xué)生的運(yùn)動狀態(tài)進(jìn)行獲取，識別學(xué)生在運(yùn)動過程中“成癮”狀態(tài)的改變，從而定位學(xué)生在不同干預(yù)狀態(tài)下的運(yùn)動特征[4]。使用現(xiàn)代化技術(shù)進(jìn)行大學(xué)生運(yùn)動行為的綜合分析，可以實(shí)時掌握學(xué)生的心理變化趨勢，確保在干預(yù)過程中可及時對干預(yù)行為進(jìn)行調(diào)整。

其中運(yùn)動干預(yù)匹配策略的計算是指高校結(jié)合大學(xué)生在校內(nèi)參與運(yùn)動時的關(guān)鍵特征，從決策庫與現(xiàn)有資源庫內(nèi)篩選與學(xué)生運(yùn)動干預(yù)相關(guān)策略的過程。此時，通過匹配計算得到干預(yù)措施與學(xué)生運(yùn)動行為的匹配結(jié)果，為改善學(xué)生成癮現(xiàn)象提供最有效的行為指導(dǎo)[5]。匹配計算的過程可用下述公式表示：

1.2 大學(xué)生群體運(yùn)動干預(yù)行為測量過程

在完成上述相關(guān)研究后，需要選擇一個科學(xué)的測量工具，對網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)行為進(jìn)行綜合評估。為了滿足實(shí)際需要，將此情境與Scanlan進(jìn)行操作定義的融合，并以此為依據(jù)，進(jìn)行大學(xué)生運(yùn)動鍛煉心理機(jī)制量化結(jié)果的分析，量化過程中，參照5級量度進(jìn)行測量結(jié)果的分析[6]。對應(yīng)的5級量度評估標(biāo)準(zhǔn)如表1所示。

根據(jù)表1提出的5級量度評估標(biāo)準(zhǔn)，對1.1中闡述的主動干預(yù)與被動干預(yù)進(jìn)行綜合分析，其中主動干預(yù)措施用A表示，A=A1，A2，A3，…，An;被動干預(yù)措施用B表示，B=B1，B2，B3，…，Bn，n表示干預(yù)措施數(shù)量。為了確保提出的度量工具在實(shí)際應(yīng)用中具有一定有效性，可將提出的A與B進(jìn)行維度轉(zhuǎn)換。使用雙階段法，進(jìn)行檢驗(yàn)性因子分析，分析過程以CFA作為參照指標(biāo)，提出的CFA可以用于評估干預(yù)模型與大學(xué)生的擬合度。在確保模型與大學(xué)生具有較高擬合效果的基礎(chǔ)上，使用測量工具，進(jìn)行收斂效度的分析[7]。例如，將標(biāo)準(zhǔn)化干預(yù)因子的最高符合與平均變異量作為測量過程中的萃取量指標(biāo)（AVE指標(biāo)），使用區(qū)間關(guān)聯(lián)檢驗(yàn)的方式，進(jìn)行相關(guān)系數(shù)區(qū)間的分析，并認(rèn)為當(dāng)測量指標(biāo)與實(shí)際測量內(nèi)容存在關(guān)聯(lián)度時，系數(shù)相加之和應(yīng)>2.0±0.05。當(dāng)標(biāo)準(zhǔn)差值存在顯著差異，即±0.05不成立時，可認(rèn)為此時的干預(yù)措施中存在潛變量，潛變量的最終計量值與網(wǎng)絡(luò)成癮大學(xué)生群體需求差異度較高。

在完成相關(guān)數(shù)據(jù)處理的基礎(chǔ)上，應(yīng)及時進(jìn)行大學(xué)生運(yùn)動干預(yù)效果統(tǒng)計缺失值的處理，以此確保后期使用測量工具對干預(yù)效果的分析具有較高可行性。缺失數(shù)據(jù)補(bǔ)償?shù)倪^程中，可根據(jù)被測結(jié)果，進(jìn)行SPSS16.0計數(shù)工具的統(tǒng)計[8]。在此基礎(chǔ)上，使用重復(fù)測量的方式，對回收的數(shù)據(jù)值進(jìn)行多元方差分析，分析過程可用下述計算公式表示：

1.3 影響運(yùn)動干預(yù)可行性分析變量信效度檢驗(yàn)

為確保對網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)可行性分析結(jié)果的有效性，應(yīng)在完成上文研究后，對影響運(yùn)動干預(yù)可行性分析變量進(jìn)行信效度檢驗(yàn)。而要保證測量結(jié)果可以真實(shí)反映大學(xué)生成癮現(xiàn)象改善情況，需要在檢驗(yàn)過程中，將干預(yù)措施對學(xué)生造成的直接影響，與干預(yù)過程中大學(xué)生心理變化因素進(jìn)行同步效度分析。在此過程中，使用結(jié)構(gòu)方程（SEM方程），進(jìn)行前端反饋數(shù)據(jù)信息的整理，完成數(shù)據(jù)的獲取與整理后，使用LisSrel軟件中的ML（最大似然計算工具），進(jìn)行數(shù)據(jù)的統(tǒng)計分析[9]。分析過程流程如圖2所示。

圖2中，VAR表示影響運(yùn)動干預(yù)可行性分析變量，對應(yīng)的變量為1～9;SEM表示結(jié)構(gòu)方程，通過結(jié)構(gòu)方程的計算，可以掌握不同變量的影響程度。通過上述分析，計算大學(xué)生運(yùn)動行為受到干預(yù)后的卡方結(jié)果，卡方計算公式如下：

按照上述計算公式，當(dāng)計算結(jié)果顯示？酌值符合標(biāo)準(zhǔn)后，對收集可行性分析變量進(jìn)行參數(shù)檢驗(yàn)，檢驗(yàn)過程可參照正態(tài)檢驗(yàn)法實(shí)施。在此過程中，將獲取的分析變量導(dǎo)入終端分析設(shè)備，并進(jìn)行變量值的離散處理，提取離散過程中的特征點(diǎn)，將每個特征點(diǎn)作為一個邊界的圈定條件，當(dāng)圈出后的邊界在終端設(shè)備顯示端表示橢圓形或可以圈出不規(guī)則圓形時，認(rèn)為此時獲取的分析變量滿足可行性分析需求[10]。在上述提出的操作中，只需要控制樣本每個變量選擇的數(shù)據(jù)量=5.0個即可。此外，對于不滿足正態(tài)分布的數(shù)據(jù)進(jìn)行偏度校驗(yàn)，當(dāng)偏度>20.0時（20.0數(shù)據(jù)來源于Kilie檢驗(yàn)結(jié)果），認(rèn)為此變量與可行性分析需求差異極大，此時只需要刪除此部分?jǐn)?shù)據(jù)即可。按照此種方式，對所有樣本進(jìn)行正態(tài)校驗(yàn)，當(dāng)所有變量數(shù)據(jù)均滿足正態(tài)分布需求后，完成對影響運(yùn)動干預(yù)可行性分析變量的信效度檢驗(yàn)研究。

1.4 基于Kriging的分析結(jié)果可信度計算

上文完成了對運(yùn)動干預(yù)可行性分析變量信效度檢驗(yàn)，但此步驟僅證明了選擇的分析變量符合分析過程需求，無法證明分析后的結(jié)果真實(shí)有效。因此，本章引進(jìn)Kriging計算工具，利用MatLab工具箱內(nèi)的Dace軟件，直接操作計算機(jī)構(gòu)建一個Kriging函數(shù)。按照二級矩陣計算法，對分析結(jié)果的可信度進(jìn)行計算，根據(jù)計算結(jié)果，進(jìn)行大學(xué)生群體運(yùn)動干預(yù)可行性分析結(jié)果的反推。相關(guān)步驟如下：

第一步為參照Kriging函數(shù)，設(shè)計一個可進(jìn)行反推檢驗(yàn)的均勻函數(shù)，根據(jù)數(shù)據(jù)量與前端分析需求，選擇對應(yīng)的函數(shù)類型。在前端導(dǎo)入校內(nèi)網(wǎng)絡(luò)成癮大學(xué)生群體相關(guān)數(shù)據(jù)、影響運(yùn)動干預(yù)可行性分析的相關(guān)變量、參數(shù)與指標(biāo)的初始化數(shù)值、上限值、下限值。

第二步為多項式擬合，擬合的過程不僅是常數(shù)數(shù)值的計算，也是一次項式、二次項式等多項式的綜合推理。按照此種方式，得到一個最終可用于反推其可行性的函數(shù)。為了證明此函數(shù)可以用于可信度分析校驗(yàn)，可在完成函數(shù)的構(gòu)建后，將其導(dǎo)入一個二維非線性測試端，進(jìn)行計算過程的測試。此過程如下公式所示：

公式（4）中，J表示二維非線性測試結(jié)果;？字表示函數(shù)起伏度。函數(shù)通過校驗(yàn)后，跳轉(zhuǎn)到第三步，選擇Carlo公式作為可信度計算公式，進(jìn)行Kriging函數(shù)的反推計算。計算公式如下：

公式（5）中：k表示離散樣本標(biāo)量;？棕表示差值數(shù)值;Q表示可信度計算結(jié)果;Z表示函數(shù)連續(xù)性，根據(jù)上述計算公式，得到大學(xué)生群體運(yùn)動干預(yù)可行性分析結(jié)果的可信度Q，當(dāng)Q滿足上述不等式后，可將此結(jié)果作為分析結(jié)果，完成此次研究。

2 實(shí)例應(yīng)用分析

通過上述論述，可以實(shí)現(xiàn)對網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)可行性分析的理論設(shè)計。為了進(jìn)一步驗(yàn)證該方法的實(shí)際應(yīng)用效果，將上述分析方法應(yīng)用到某高校，并針對其網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)可行性進(jìn)行綜合分析，同時驗(yàn)證該分析方法的可行性。將該高校500人作為實(shí)驗(yàn)樣本，其中男生人數(shù)為256人，女生人數(shù)為244人，研究人群當(dāng)中平均年齡為19.2歲，男生人數(shù)與女生人數(shù)占總體實(shí)驗(yàn)樣本的比值差較小，因此能夠更加有利于本文實(shí)驗(yàn)研究，實(shí)現(xiàn)最終實(shí)驗(yàn)結(jié)果的客觀性。同時，實(shí)驗(yàn)樣本當(dāng)中學(xué)生的平均年齡較小，其主要原因是大部分學(xué)生來自該高校一年級和二年級。在實(shí)驗(yàn)過程中，已知運(yùn)動干預(yù)的材料包括兩種，分別為動機(jī)干預(yù)和決斷干預(yù)，并且兩種干預(yù)材料的展現(xiàn)均通過干預(yù)手冊的方式實(shí)現(xiàn)。在實(shí)驗(yàn)開始前，首先將所有實(shí)驗(yàn)樣本中學(xué)生參與運(yùn)動活動的情況進(jìn)行記錄，如表2所示。

在表2記錄數(shù)據(jù)的基礎(chǔ)上，將整個實(shí)驗(yàn)的時間設(shè)置為6個月，將上述選擇的實(shí)驗(yàn)樣本平均分為兩組，其中一組通過動機(jī)運(yùn)動干預(yù)，另一組通過決斷運(yùn)動干預(yù)。在完成為期6個月相應(yīng)的干預(yù)方案后，利用本文上述提出的分析方法對兩組實(shí)驗(yàn)樣本的學(xué)生群體進(jìn)行分析，并得出兩種不同運(yùn)動干預(yù)下，解決網(wǎng)絡(luò)成癮學(xué)生群體存在問題的效果，以此實(shí)現(xiàn)對其可行性的檢驗(yàn)和分析。同時，為了驗(yàn)證分析結(jié)果的可靠性，選擇將該分析方法的分析結(jié)果可信度作為評價指標(biāo)。分析結(jié)果的可信度可按照本文上述可信度計算公式求得。為方便對結(jié)果進(jìn)行分析，將計算得出的結(jié)果記錄，如表3所示。

已知可信度總分為10，從表3得出的實(shí)驗(yàn)結(jié)果看出，在不同運(yùn)動干預(yù)方式、不同性別和不同人數(shù)條件下，本文提出的分析方法的可信度均能夠達(dá)到9.00以上，說明得出的分析結(jié)果具有極高的客觀性，能夠正確反映出網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)可行性。在此基礎(chǔ)上，通過分析方法得出，通過動機(jī)運(yùn)動干預(yù)和決斷運(yùn)動干預(yù)能夠有效減少網(wǎng)絡(luò)成癮大學(xué)生群體中學(xué)生數(shù)量，同時通過動機(jī)運(yùn)動干預(yù)的方式比通過決斷干預(yù)的方式更能夠影響到大學(xué)生。除此之外，在采取運(yùn)動干預(yù)方式時應(yīng)當(dāng)針對大學(xué)生發(fā)展的不同階段，為其匹配合理的運(yùn)動干預(yù)手段，從促進(jìn)大學(xué)生鍛煉意識、鍛煉計劃和鍛煉行為等方面抑制網(wǎng)絡(luò)成癮大學(xué)生群體的進(jìn)一步擴(kuò)散。

3 結(jié)束語

本文通過構(gòu)建網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)模型，對運(yùn)動干預(yù)可行性分析過程展開研究，完成此次研究后，通過實(shí)例應(yīng)用的方式，對設(shè)計成果進(jìn)行了驗(yàn)證，證明了本文設(shè)計的網(wǎng)絡(luò)成癮大學(xué)生群體的運(yùn)動干預(yù)模型的應(yīng)用效果。但要實(shí)現(xiàn)對此成果的推廣應(yīng)用，還需要持續(xù)多次實(shí)驗(yàn)，綜合各項結(jié)果以對此模型進(jìn)行完善。

參考文獻(xiàn)：

〔1〕周軍，李小亮，馬國輝，等.白鶴灘水電站近壩邊坡圖像建模及可視化監(jiān)測可行性研究[J].水電與新能源，2021，35（06）：13-17.

〔2〕唐磊，張沙.共情干預(yù)對超重/肥胖大學(xué)生HIIT運(yùn)動減脂效果、負(fù)性情緒及鍛煉習(xí)慣的影響[J].楚雄師范學(xué)院學(xué)報，2020，35（06）：155-160.

〔3〕黃傲，蔣合才，王子敬，等.運(yùn)動與水牛奶聯(lián)合干預(yù)對大學(xué)生骨密度的影響研究——以廣西民族大學(xué)相思湖學(xué)院在校大學(xué)生為例[J].現(xiàn)代食品，2021，27（02）：160-161+166.

〔4〕薛秋蒼，徐怡，葛穎倩，等.基于冠狀動脈CT血管成像組學(xué)特征建模評估心肌缺血的可行性研究[J].醫(yī)學(xué)研究生學(xué)報，2020，33（12）：1292-1296.

〔5〕林長地，楊家豪，柯益群，等.不同項目運(yùn)動干預(yù)對降低大學(xué)生手機(jī)成癮失眠頻率的效應(yīng)研究[J].青少年體育，2021，10（01）：44-46.

〔6〕石娟.體育運(yùn)動與膳食聯(lián)合干預(yù)對肥胖大學(xué)生健康狀況及焦慮情緒的影響分析[J].食品與發(fā)酵科技，2021，57（02）：146-149.

〔7〕郭奕彤，梁嘉赫，伊江浦，等.3D打印PEEK材料血管外支架建模及制作方法的可行性和有效性[J].心臟雜志，2019，31（06）：689-693.

〔8〕李高，劉霞.運(yùn)動干預(yù)對大學(xué)生體質(zhì)健康的影響——以河南醫(yī)學(xué)高等?？茖W(xué)校為例[J].運(yùn)動精品，2019，38（12）：94-95.

〔9〕謝佳，劉冬，朱成敏，等.膳食干預(yù)聯(lián)合運(yùn)動對超重肥胖大學(xué)生身體機(jī)能與素質(zhì)的影響評價研究[J].糧油食品科技，2020，28（05）：190-193.

〔10〕張忠興，余千春，盛治進(jìn)，等.中醫(yī)導(dǎo)引運(yùn)動處方對久坐大學(xué)生功能性運(yùn)動能力的干預(yù)研究[J].長春師范大學(xué)學(xué)報，2020，39（08）：89-91.