中學(xué)生錯(cuò)失恐懼的潛剖面分析

雷澤宇，烏云特娜，金童林

(內(nèi)蒙古師范大學(xué)心理學(xué)院, 內(nèi)蒙古 呼和浩特 010022)

錯(cuò)失恐懼，也稱錯(cuò)失焦慮(fear of missing out, FoMO)，是一種由于擔(dān)心錯(cuò)過他人新奇、有趣的經(jīng)歷或收獲，而持續(xù)處于焦慮不安或恐懼的狀態(tài)[1].患有錯(cuò)失恐懼的個(gè)體害怕他人正從事著自己不知道的正性事件，自己卻一無所知，因而常常希望自己可以一直跟進(jìn)他人所做之事[1-2].相關(guān)研究顯示，錯(cuò)失恐懼水平較高往往會(huì)導(dǎo)致個(gè)體沉迷于社交媒體使用[3]、智能手機(jī)成癮[4-6]、網(wǎng)絡(luò)成癮、低頭行為[7-8]、學(xué)業(yè)不佳[9]、睡眠質(zhì)量不好[10]等負(fù)面結(jié)果[11]，且與低水平的心理需求滿足[1-2]、自尊[12]、幸福感[13]呈正相關(guān).一項(xiàng)研究調(diào)查顯示，約78.3%的個(gè)體因錯(cuò)失恐懼而連續(xù)不斷地參加社交活動(dòng)，約15.2%的受訪者報(bào)告錯(cuò)失恐懼已影響到日常生活，雖然他們知道自己的狀態(tài)不佳，但又“不受控制”[2].測量錯(cuò)失恐懼的量表種類較多，其中外延相對較廣、使用較多的量表是由Przybylski等編制的錯(cuò)失恐懼量表[1]，共包含10個(gè)條目，單一維度.我國研究者將該量表在大學(xué)生群體中進(jìn)行了修訂，修訂后的量表共8個(gè)條目，分為“錯(cuò)失信息恐懼”和“錯(cuò)失情境恐懼”兩個(gè)維度[14].隨后，我國研究者將該量表在中學(xué)生群體中進(jìn)行了修訂，得到了相似的結(jié)果[15-16].然而，這些結(jié)果是基于變量中心的視角，并未考慮個(gè)體本身具有的差異性，這樣的結(jié)果劃分有待考量.

潛在剖面分析(latent profile analysis, LPA)是以個(gè)體為中心的分析方法，假設(shè)存在少數(shù)互不重疊的潛在類別可以解釋外顯指標(biāo)(維度)之間的關(guān)聯(lián)，潛在的不同類別對外顯變量的反應(yīng)持有特定的選擇傾向[17-18]，根據(jù)各個(gè)類別在每個(gè)條目上的得分情況來判斷其潛在特征，以此作為劃分不同潛在類別的界限.與傳統(tǒng)的、基于變量中心的分類方法相比，LPA更為精確、客觀，不僅能更加準(zhǔn)確地描述個(gè)體之間的量化差異，還能歸納出個(gè)體間多維的質(zhì)化差異[19].該方法近年來被廣泛應(yīng)用于心理學(xué)、精神病學(xué)、組織行為學(xué)等領(lǐng)域[20].本研究采用LPA對中學(xué)生錯(cuò)失恐懼的潛結(jié)構(gòu)進(jìn)行分析，并在此基礎(chǔ)上考察人口學(xué)變量與錯(cuò)失恐懼的關(guān)系.

1 研究方法

1.1 研究對象

采用隨機(jī)抽樣法，在內(nèi)蒙古自治區(qū)若干所中學(xué)共發(fā)放問卷750份，回收有效問卷687份，有效率為91.6%.其中，男生245人，女生442人；年齡12～20歲，平均年齡(15.43±1.81)歲；初一115人，初二148人，初三142人，高一120人，高二91人，高三71人；獨(dú)生子女366人，非獨(dú)生子女321人；現(xiàn)居住地為城市的460人，鄉(xiāng)鎮(zhèn)的119人，農(nóng)村的108人.

1.2 研究工具

1.3 統(tǒng)計(jì)學(xué)分析

使用Mplus 8.3和SPSS 22.0軟件對FoMOs的10個(gè)條目進(jìn)行潛剖面分析.從類別數(shù)目1開始，逐漸增加模型中的類別數(shù)目，直到找到擬合程度最優(yōu)的模型.在最優(yōu)模型的基礎(chǔ)上，加入人口學(xué)變量，采用R3STEP法檢測人口學(xué)變量對錯(cuò)失恐懼的預(yù)測作用.

2 結(jié)果

2.1 中學(xué)生錯(cuò)失恐懼的潛剖面分析

對潛在類別數(shù)目為1～4的模型進(jìn)行潛剖面分析，結(jié)果顯示：除LMR、BLRT兩個(gè)指標(biāo)外，其他指標(biāo)對應(yīng)的數(shù)值均隨著類別數(shù)目的增加而減??；Entropy值在潛在類別數(shù)目為2類時(shí)最大；LMR和BLRT顯示2、3、4類模型均擬合良好；見表1.最終考慮將兩個(gè)潛在類別(C1、C2)的分類模型作為最優(yōu)模型，其歸屬概率為0.94～0.96，說明兩個(gè)類別的模型結(jié)果是可信的.

表1 中學(xué)生錯(cuò)失恐懼的潛剖面模型擬合指標(biāo)Tab.1 Fitting indexes of latent profile model of fear of missing out among middle school students

進(jìn)一步做出兩個(gè)潛在類別在FoMOs10個(gè)條目上的應(yīng)答概率圖(圖1).C1類別的中學(xué)生部分題目得分在“稍微符合”程度附近，部分題目得分在“中等符合”程度附近，較C2而言，得分明顯較低，故將其命名為“微恐型”，占總被試的62.30%；C2類別的中學(xué)生在10個(gè)條目上的得分幾乎都處于“中等符合”程度之上，故將其命名為“焦慮型”，占總被試的37.70%.

圖1 中學(xué)生錯(cuò)失恐懼兩個(gè)潛在類別在FoMOs10個(gè)條目上的得分概率Fig.1 Scoring probability of two latent classes of fear of missing out among middle school students in 10 items of FoMOs

2.2 人口學(xué)變量對中學(xué)生錯(cuò)失恐懼潛在類別的影響

使用穩(wěn)健三步法中的自動(dòng)形式R3STEP將中學(xué)生錯(cuò)失恐懼的兩個(gè)潛在類別作為因變量，人口學(xué)變量作為自變量，進(jìn)行多項(xiàng)式logistic回歸分析，將“焦慮型”作為參照組.現(xiàn)居住地變量對第一類別(“微恐型”)的回歸系數(shù)為-0.354，標(biāo)準(zhǔn)誤為0.128，P<0.01.結(jié)果表明，現(xiàn)居住地這一變量對中學(xué)生錯(cuò)失恐懼類別有預(yù)測作用，具有統(tǒng)計(jì)學(xué)意義；其他人口學(xué)變量對中學(xué)生錯(cuò)失恐懼沒有預(yù)測作用；見表2.相對于第二類別組(“焦慮型”)而言，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，“微恐型”中學(xué)生的發(fā)生比降低29.81%.

表2 中學(xué)生錯(cuò)失恐懼影響因素的logistic回歸分析Tab.2 Logistic regression analysis of influencing factors of fear of missing out among middle school students

3 討論

本研究根據(jù)中學(xué)生錯(cuò)失恐懼量表得分，采用LPA探索中學(xué)生在錯(cuò)失恐懼上的潛在類別結(jié)構(gòu)，結(jié)合相關(guān)指標(biāo)最終選定兩個(gè)潛在類別的模型，這與以往研究結(jié)果稍有不同.佘愛等[21]認(rèn)為大學(xué)生的錯(cuò)失焦慮分為3個(gè)類別：錯(cuò)失焦慮-低風(fēng)險(xiǎn)組、錯(cuò)失情境恐懼-風(fēng)險(xiǎn)組和錯(cuò)失焦慮-風(fēng)險(xiǎn)組.造成這種不一致的原因可能是研究群體和保留最優(yōu)模型的側(cè)重點(diǎn)不同.該研究中前兩類別與本研究中“微恐型”特征較為相似，最后一個(gè)類別與本研究中“焦慮型”特征大致相同.“微恐型”中學(xué)生可能只是偶爾有輕微的錯(cuò)失恐懼感，對錯(cuò)過一些特殊事件信息的焦慮水平并不是很高，但對于一些情境的錯(cuò)失恐懼水平較高.因此可通過他人引導(dǎo)更多地關(guān)注于自身的事件、感受，若做到則給予鼓勵(lì)，沒做到則幫助其整理自身感受、調(diào)整心態(tài).“焦慮型”中學(xué)生的錯(cuò)失恐懼水平較高，內(nèi)在心理狀態(tài)處于擔(dān)心錯(cuò)過的焦慮中，同時(shí)也會(huì)被特定情境誘發(fā)錯(cuò)失恐懼的情緒和行為表現(xiàn).因此可通過他人幫助，檢測和覺察自我狀態(tài)(如思維、行為)，避免陷入彌散性的焦慮氛圍中.對事件引發(fā)的錯(cuò)失恐懼感受做記錄整理，找到原因、分析可采取的措施等，以此來減緩錯(cuò)失恐懼感.

本研究多項(xiàng)式logistic回歸分析，結(jié)果顯示，現(xiàn)居住地變量對不同錯(cuò)失恐懼水平的中學(xué)生而言具有差異性影響.以“焦慮型”中學(xué)生作為參考，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，屬于“微恐型”中學(xué)生的降低29.81%，即對應(yīng)群體中高錯(cuò)失恐懼水平人員的占比有所上升.相關(guān)研究[2]發(fā)現(xiàn)，錯(cuò)失恐懼的新穎信息可細(xì)分為社交交往、新聞信息和商業(yè)信息，這三方面的信息都可通過網(wǎng)絡(luò)實(shí)現(xiàn).根據(jù)第47次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[22]，截至2020年12月，我國網(wǎng)民規(guī)模為9.89億，其中農(nóng)村網(wǎng)民規(guī)模為3.09億(31.3%)，10～19歲的青少年網(wǎng)民占13.5%.由此可見，居住在農(nóng)村地區(qū)的中學(xué)生使用網(wǎng)絡(luò)、社交媒體的概率很高.居住在農(nóng)村地區(qū)的中學(xué)生有其獨(dú)特的“痛點(diǎn)”——缺乏父母雙親的陪護(hù)及有效監(jiān)管，這使得他們在社交媒體使用過程中比城鎮(zhèn)中學(xué)生更易受到社交媒體的負(fù)面影響[23].研究表明，社交媒體使用強(qiáng)度較高的個(gè)體，錯(cuò)失恐懼感往往也較高，社交媒體使用將加劇個(gè)體錯(cuò)失恐懼水平[24-25]，且高錯(cuò)失恐懼者的基本心理需求往往沒有得到滿足[2].因此，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，高錯(cuò)失恐懼個(gè)體的占比有所上升，提示在篩選相關(guān)人群時(shí)，現(xiàn)居住地是一個(gè)重要的判斷指標(biāo).無論是學(xué)校層面的積極引導(dǎo)、教師層面的細(xì)致把關(guān)、家長層面的耐心配合，還是學(xué)生自身層面的自我調(diào)節(jié)，都有助于降低個(gè)體錯(cuò)失恐懼水平.

綜上所述，中學(xué)生錯(cuò)失恐懼存在兩種潛在類別，分別為“微恐型”(62.30%)和“焦慮型”(37.70%).相對于“焦慮型”而言，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，屬于“微恐型”中學(xué)生的發(fā)生比降低29.81%.