移動智能推薦情境下網(wǎng)絡成癮行為扎根研究

Grounded Study of Internet Addiction Behavior in the Context of Mobile Intelligent Recommendation

AbstractAI-driven recommendation algorithms have been widely deployedacross mobilesocial media platforms， enablingpersonalized informationdeliverythrough learning fromusers'historical behaviorsand interestpreferences. Theresultingmobile inteligentrecommendationecosystemunderscoresthedisruptiveapplicationsofAIintherecommendation domain.While mobile inteligentrecommendationsbettersatisfyusers'information needs，theyalso exacerbateaddictiveonlinebehaviors.This study employs grounded theory to explore theunderlying mechanisms influencing userinternetaddictionwithinmobileinteligentrecommendationcontexts.First，aninterviewprotocolwasdesigned，nd data werecollected through semi-structured interviews.Three-tiercoding Was thenconducted： during open coding，l32 initialconceptsand33basiccategories wereextracted;throughaxialcoding，lOprincipalcategories wereidentified;and duringselectivecoding，atheoreticalmodelofinternetaddictionmechanismsinmobileinteligentrecommendationscenarios wasconstructed.Tefindingsrevealthatpersonaliteracyehavioralbeliefs，exteralifluences，egativemotions， andreal-worldconditions exertdirectimpactsoninternetaddictionbehaviors.Meanwhile，theinformationqualitysystem quality，andservicequalityofintellgentrecommendations indirectlyinfluencebehavioralbeliefs throughmediatingeffectsof usersatisfaction，therebyaectingaddictivebehaviors.Thisresearch，toacertainextent，elucidates thesocietal impactsofAI'sdisruptiveapplicationsinrecommendationsystems，providing theoreticalreferencesforinterventionsand governance strategies addressing user internet addiction within mobile intelligent recommendation environments.

/wordsmobilesocialmedia;inteligent recommendation;disruptive application;internetaddiction; grounded th

隨著人工智能（ArtificialIntelligence，AI）技術的快速發(fā)展和移動社交媒體的廣泛使用，算法驅動的智能推薦系統(tǒng)已深度嵌入移動社交媒體平臺，對人們獲取信息的方式產(chǎn)生了顛覆性影響[1]。傳統(tǒng)的信息獲取依賴于用戶主動檢索和篩選，而AI驅動的智能推薦則通過對用戶歷史行為和興趣偏好的深度學習，實現(xiàn)高度個性化與自動化的信息推送[2。這一變革打破了信息單向流動的被動局面，使用戶在移動社交媒體環(huán)境下逐步從主動搜尋轉向被動接收，用戶在不知不覺中被引導進入高度定制化的信息環(huán)境。這不僅重構了個人的信息邊界和認知反饋回路，也在社會層面推動了知識分布、輿論生成和社交結構的深刻變革，形成了具有鮮明顛覆性特征的移動智能推薦情境[3]。

然而，智能推薦在帶來便利和高效的同時，也引發(fā)了新的社會行為問題。其高度個性化和持續(xù)推送機制容易導致用戶產(chǎn)生過度依賴，誘發(fā)網(wǎng)絡成癮行為。網(wǎng)絡成癮表現(xiàn)為個體因長時間、持續(xù)性地沉迷于平臺內(nèi)容，出現(xiàn)的注意力分散、時間管理失控、社交退縮及身心健康受損等負面表現(xiàn)[4-5]。移動智能推薦情境凸顯了人工智能在推薦領域的顛覆性應用，本研究系統(tǒng)探究了移動智能推薦情境下用戶網(wǎng)絡成癮行為的影響機理，為移動智能推薦情境下網(wǎng)絡成癮行為的干預與治理提供理論參考。

1文獻綜述

1.1人工智能在推薦領域的顛覆性應用

人工智能技術已深度融入移動互聯(lián)網(wǎng)用戶的日常生活。根據(jù)中國互聯(lián)網(wǎng)絡信息中心（CNNIC）最新發(fā)布的《第55次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截至2024年12月，我國手機網(wǎng)民規(guī)模已達11.05億，其中使用人工智能產(chǎn)品的用戶規(guī)模達到2.49億，滲透率為 22.5%^[6] 。

智能推薦系統(tǒng)作為人工智能技術在信息分發(fā)領域的重要應用，已經(jīng)成為提升內(nèi)容個性化和用戶體驗的核心手段[3]。這種技術范式依托移動社交媒體特有的便攜性、實時性和交互性特征[7-8]，通過深度學習算法對用戶時空情境、行為軌跡和社交關系進行多維度建模，實現(xiàn)了從“人找信息\"到“信息找人”的根本性轉變。根據(jù)顛覆性技術理論，移動智能推薦的顛覆性主要體現(xiàn)在三個維度：在技術層面，基于Transformer架構的大語言模型能夠實時生成不存在于原始數(shù)據(jù)集的個性化推薦內(nèi)容，這種生成能力遠超傳統(tǒng)協(xié)同過濾技術的篩選范圍[11；在行為層面，移動端的多傳感器融合使推薦系統(tǒng)能夠實時感知用戶的地理位置、時間、社交關系并捕捉用戶的滑動速度、設備傾斜角度等無意識行為特征，形成\"算法比用戶更了解自己\"的認知替代效應[12]；在社會影響層面，這種技術重構了信息傳播的權力結構，平臺通過推薦算法隱性地塑造著公眾的信息邊界和認知框架[11]。

1.2 網(wǎng)絡成癮行為

網(wǎng)絡成癮行為（InternetAddiction，IA）作為數(shù)字社會背景下突出的心理與社會現(xiàn)象，已成為全球學術界廣泛關注的重要領域。在研究方法方面，問卷調(diào)查、結構方程模型、回歸分析等方法被廣泛應用于網(wǎng)絡成癮的影響因素分析及其作用機制的探討。如朱克京和吳漢榮通過回歸分析發(fā)現(xiàn)，大學生的焦慮和抑郁心理顯著影響其網(wǎng)絡成癮行為[13]；史華偉等采用問卷調(diào)查探討了基本心理需求在壓力性生活事件與大學生網(wǎng)絡成癮之間的中介作用[14]；Lemmens等基于結構方程模型，分析了荷蘭青少年網(wǎng)絡游戲成癮的社會心理成因[15]。與此同時，神經(jīng)科學與病理學方法也被引入網(wǎng)絡成癮的研究。如Brand等通過采集用戶前額葉皮層的神經(jīng)影像，探討了前額葉控制功能與網(wǎng)絡成癮行為之間的關系；Han等則發(fā)現(xiàn)，藥物安非他酮的緩釋治療能夠有效減少網(wǎng)絡電子游戲成癮患者對游戲的渴求[17]。

在研究對象方面，青少年和大學生由于互聯(lián)網(wǎng)使用頻率高、自控能力尚未完全成熟，成為網(wǎng)絡成癮行為研究的核心群體。如馮金鑫從個體心理和社會環(huán)境因素出發(fā)，系統(tǒng)分析了大學生網(wǎng)絡成癮的影響因素[18]；Ahmadi等對伊朗高中生的研究表明，年級和性別在網(wǎng)絡成癮與抑郁、焦慮之間起到顯著的調(diào)節(jié)作用[19]；Pawan等通過對泰國社區(qū)中學生的調(diào)查，發(fā)現(xiàn)校園欺凌行為與網(wǎng)絡成癮顯著相關[20]。隨著移動社交媒體的普及，低齡兒童和老年人等群體的網(wǎng)絡成癮現(xiàn)象也逐漸受到關注，研究對象呈現(xiàn)出全齡化的發(fā)展趨勢[21-22]。此外，部分研究還關注具有心理障礙或社會適應困難的特殊群體，發(fā)現(xiàn)抑郁癥或精神疾病患者的網(wǎng)絡成癮風險顯著高于普通人群[23-24]。

1.3 研究的切人點

綜上所述，移動智能推薦技術憑借其顛覆性的技術特征和社會影響，正在深刻改變用戶的信息接觸模式與行為習慣，并引發(fā)網(wǎng)絡成癮行為的新變化。然而，現(xiàn)有研究多聚焦于傳統(tǒng)互聯(lián)網(wǎng)環(huán)境下的用戶心理和社會影響，缺乏對移動智能推薦情境中網(wǎng)絡成癮行為的探索。本研究以移動智能推薦情境為切入點，采用扎根理論，通過半結構化訪談和三級編碼，構建移動智能推薦情境下用戶網(wǎng)絡成癮行為影響機理的理論模型，系統(tǒng)揭示智能推薦主導下用戶網(wǎng)絡成癮行為的形成邏輯，為移動智能推薦情境下網(wǎng)絡成癮行為的防范以及智能推薦系統(tǒng)的社會治理與風險防控，提供理論支持和實踐參考。

2研究方法與數(shù)據(jù)搜集

2.1扎根理論

扎根理論由Strauss和Glaser共同提出，其核心原則是基于原始數(shù)據(jù)構建理論[25]。該質(zhì)性研究方法要求研究者在開始研究時不預先設定理論假設，而是直接從實際觀察人手，“自下而上”地從原始數(shù)據(jù)中提煉出經(jīng)驗性概括進而建構理論。目前扎根理論已在諸多研究中得到應用，并受到大量研究者的認可[26-28]。由于移動智能推薦情境下用戶的網(wǎng)絡成癮行為是復雜且不斷變化的，而扎根理論能夠適應這種動態(tài)環(huán)境，通過用戶的訪談數(shù)據(jù)敏銳捕捉移動社交媒體智能推薦情境下用戶網(wǎng)絡成癮行為的新趨勢和變化，因此本研究采用扎根理論方法，并采用質(zhì)性數(shù)據(jù)分析軟件Nvivo14進行編碼分析。

2.2數(shù)據(jù)搜集

2.2.1訪談提綱設計

本研究采用半結構化一對一訪談方式。根據(jù)現(xiàn)有文獻和研究經(jīng)驗[29]制定初始訪談提綱，邀請三名受訪者進行預訪談并依次對初始提綱進行修正，形成正式訪談提綱（見表1）。

2.2.2訪談過程

根據(jù)訪談提綱，本研究明確了受訪對象需滿足的條件：（1）有移動社交媒體智能推薦服務的使用體驗；（2）存在網(wǎng)絡成癮行為；（3）能夠理解訪談問題，并能全面清晰地表達個人觀點；（4）以積極認真的態(tài)度參與訪談，并同意訪談全程錄音。其中，條件（2）的確認方式為：讓訪談對象填寫網(wǎng)絡成癮問卷[30]，得分大于及等于40分則判定為網(wǎng)絡成癮。

鑒于大學生群體是人工智能技術的主要受眾[31]，該群體對移動社交媒體智能推薦服務的體驗具有較強的代表性，此外大學生群體便于數(shù)據(jù)獲取，且能夠為訪談提供豐富的信息，因此本研究將具有網(wǎng)絡成癮行為的大學生作為主要訪談對象，并在樣本選擇時綜合考慮性別、學歷和專業(yè)等因素。

數(shù)據(jù)搜集歷時8周。在正式訪談階段，根據(jù)受訪者意愿選擇面對面或線上訪談形式。在獲得同意后，對訪談全程錄音，并對受訪者表達不明確之處進行追問和確認。訪談結束后，利用音頻轉文字軟件進行初步轉錄，然后進行人工校對和修訂，形成規(guī)范化轉錄文檔，隨后發(fā)給受訪者進行二次確認。最終，按照訪談順序以字母A至U命名，獲得21份總字數(shù)為80749字的規(guī)范化轉錄文本。

3扎根分析

3.1開放編碼

在開放編碼階段，本研究對規(guī)范化轉錄文本逐句分析編碼，提煉初始概念，共提取了825條初始語句作為原始參考點。通過對其進行概念的本土化后，共提煉出個性化服務、使用時間失控、信息過載等132個初始概念（開放編碼示例見表2）。

結合現(xiàn)有文獻和理論，將初始概念范疇化，最終形成智能推薦滿意度、個人素養(yǎng)、智能推薦信息質(zhì)量等33個基本范疇，其中，身體不適、寬松氛圍和外部干擾是本研究提煉出的3個基本范疇（基本范疇和包含的所有初始概念見表3），這些概念為本研究提供了數(shù)據(jù)支持?；痉懂爟?nèi)涵和范疇命名依據(jù)則為研究提供了文獻支持（見表4）。

3.2主軸編碼

在主軸編碼階段，本研究對33個基礎范疇進行整合，提煉出10個主范疇：個人素養(yǎng)、行為信念、智能推薦滿意度、負面感受、現(xiàn)實世界狀態(tài)、外界影響、智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量、智能推薦服務質(zhì)量、智能推薦網(wǎng)絡成癮行為（具體過程和結果見表5）。

3.3選擇編碼

在選擇編碼階段，通過分析比較主范疇之間的關系發(fā)現(xiàn)：個人素養(yǎng)、行為信念、外界影響、負面感受和現(xiàn)實世界狀態(tài)直接影響智能推薦網(wǎng)絡成癮行為；智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量和智能推薦服務質(zhì)量通過滿意度的中介作用間接影響行為信念，進而影響智能推薦網(wǎng)絡成癮行為（對主范疇的典型關系描述見表6）。依據(jù)主范疇的典型關系，本文將\"智能推薦網(wǎng)絡成癮行為\"確定為核心范疇，并構建了移動社交媒體智能推薦網(wǎng)絡成癮影響機理理論模型（見圖1）。

3.4理論飽和度檢驗

Francis等指出，在訪談未發(fā)現(xiàn)新觀點后，應繼續(xù)對至少三份訪談資料進行檢驗，以確認理論是否達到飽和[45]。本研究遵循該標準，在每次新增受訪者訪談的同時，持續(xù)對現(xiàn)有訪談資料進行初始概念的提取與分析。當分析至第16位受訪者時，未再出現(xiàn)新的觀點和概念。隨后又對5位受訪者進行了補充訪談，結果同樣未發(fā)現(xiàn)新的范疇或關系。由此可判斷，本研究的理論已達到飽和。

4研究結果討論

4.1個人素養(yǎng)對智能推薦網(wǎng)絡成癮行為的影響

在移動智能推薦這一顛覆性應用背景下，個人素養(yǎng)中的自我管理能力對網(wǎng)絡成癮行為具有顯著的負向影響。具備較強自我控制能力的用戶，能夠有效管理自身行為和時間分配，在智能推薦內(nèi)容的持續(xù)刺激下依然能夠保持理性，合理平衡虛擬與現(xiàn)實生活，從而降低網(wǎng)絡成癮的風險。相反，自我管理能力較弱的用戶則更容易受到智能推薦內(nèi)容的吸引，逐漸形成對推薦內(nèi)容的過度依賴，陷入網(wǎng)絡成癮

4.2行為信念對智能推薦網(wǎng)絡成癮行為的影響

行為信念通過感知有用性、感知易用性和感知愉悅性三個維度影響用戶的網(wǎng)絡成癮行為。首先，用戶普遍認為移動智能推薦能夠顯著提升學習、工作和生活的效率，這種對智能推薦有用性的高度認同使用戶更傾向于長時間依賴該功能，從而增加網(wǎng)絡成癮的風險；其次，用戶因移動智能推薦易于使用而頻繁使用該服務，這進一步加劇了成癮傾向；最后，移動智能推薦通過精準推送個性化內(nèi)容，為用戶帶來持續(xù)的愉悅和滿足感，這種積極體驗促使用戶不斷重復使用，顯著提升了網(wǎng)絡成癮的可能性。

4.3外界影響對智能推薦網(wǎng)絡成癮行為的影響

外界影響主要體現(xiàn)在寬松氛圍和外部干擾兩個方面。寬松氛圍正向影響智能推薦網(wǎng)絡成癮行為，當用戶處于無壓力、無緊急事務的環(huán)境中，更容易沉浸于移動智能推薦內(nèi)容，從而增加網(wǎng)絡成癮的可能。相反，外部干擾負向影響網(wǎng)絡成癮行為，當用戶在使用智能推薦功能時受到外部事件的干擾，往往會中斷使用過程，從而降低成癮風險。

4.4負面感受對智能推薦網(wǎng)絡成癮行為的影響

負面感受負向影響智能推薦網(wǎng)絡成癮行為。在移動智能推薦這一顛覆性技術應用場景下，負面感受主要通過認知失調(diào)、認知負荷和身體不適三個方面體現(xiàn)。首先，當推薦內(nèi)容與用戶認知產(chǎn)生沖突，帶來不適感時，用戶的沉浸感會降低，減少成癮傾向；其次，當用戶面對海量推送信息感到過載時，會減少對智能推薦的依賴；最后，若用戶在使用智能推薦時出現(xiàn)身體不適的情況，用戶通常會立即中斷使用，將注意力轉回現(xiàn)實生活。

4.5滿意度對智能推薦行為信念的影響

滿意度正向影響行為信念。在移動智能推薦這一顛覆性應用場景下，滿意度主要體現(xiàn)在信息滿意、系統(tǒng)滿意和服務滿意三個方面。首先，當用戶對智能推薦的信息感到滿意時，更能體會到智能推薦在提升工作效率方面的價值；其次，若用戶對推薦系統(tǒng)的使用體驗超出預期，更容易感受到系統(tǒng)的便捷與易用；最后，當用戶對推薦服務感到滿意時，更容易在使用過程中獲得愉悅和放松的體驗。

4.6個人素養(yǎng)對行為信念的影響

在移動智能推薦這一顛覆性應用場景下，個人素養(yǎng)通過信息素養(yǎng)、算法素養(yǎng)、隱私素養(yǎng)和自我管理四個方面體現(xiàn)。首先，信息素養(yǎng)負向影響行為信念中的感知有用性。信息素養(yǎng)較高的用戶對推薦內(nèi)容要求更高，反而可能降低對推薦有用性的感知。其次，算法素養(yǎng)正向影響行為信念中的感知有用性和感知愉悅性。算法素養(yǎng)高的用戶能夠理解和利用推薦算法，更易獲得符合需求的信息，提升有用性和愉悅感。再次，隱私素養(yǎng)正向影響行為信念中的感知有用性和感知愉悅性。隱私素養(yǎng)強的用戶能夠更好地保護個人隱私，使用過程更安心，從而增強對推薦內(nèi)容的有用性和愉悅性體驗。最后，自我管理正向影響行為信念中的感知有用性和感知愉悅性。自我管理能力強的用戶能合理安排使用時間，高效滿足娛樂和知識需求，也有助于提升對智能推薦的有用性和愉悅性的感知。

4.7現(xiàn)實世界狀態(tài)對行為信念的影響

在移動智能推薦這一顛覆性應用場景下，現(xiàn)實世界狀態(tài)主要包括家庭親密度、現(xiàn)實社交退縮和領悟社會支持。家庭親密度高的用戶在現(xiàn)實中獲得足夠的情感支持，對智能推薦的愉悅性感知較低；現(xiàn)實社交退縮的用戶則更傾向于在網(wǎng)絡中尋求情感寄托，因此更容易從個性化推薦中獲得愉悅體驗；領悟社會支持強的用戶在現(xiàn)實中已獲得滿足，對智能推薦的有用性感知相對較低。

4.8智能推薦信息質(zhì)量、系統(tǒng)質(zhì)量和服務質(zhì)量對滿意度的影響

在移動智能推薦這一顛覆性應用場景下，信息質(zhì)量、系統(tǒng)質(zhì)量和服務質(zhì)量均正向影響用戶滿意度。

智能推薦信息質(zhì)量主要包括信息的準確性、及時性、內(nèi)容和形式。推薦的內(nèi)容越準確、及時，用戶越能獲得有價值的信息，滿意度隨之提升。同時，豐富多樣、呈現(xiàn)清晰明了的推薦內(nèi)容也能增強用戶的滿意度。

智能推薦系統(tǒng)質(zhì)量主要體現(xiàn)在系統(tǒng)靈活性、可訪問性和及時性三個方面。首先，推薦系統(tǒng)能夠及時捕捉用戶興趣變化并調(diào)整推薦內(nèi)容，有助于持續(xù)滿足用戶需求，提升系統(tǒng)滿意度；其次，系統(tǒng)操作的便捷性和高可訪問性使用戶能夠快速、順暢地使用推薦功能，進一步增強其使用體驗；最后，系統(tǒng)能及時響應用戶的行為并迅速調(diào)整推薦內(nèi)容，也進一步提升了用戶的滿意度。

智能推薦服務質(zhì)量主要體現(xiàn)在服務有形性、響應性、移情性和安全性四個方面。布局整潔、界面美觀的推薦內(nèi)容可以優(yōu)化用戶的滿意體驗；推薦服務能夠快速響應用戶需求并及時提供幫助，有助于增強用戶的滿意度；智能推薦通過個性化服務使用戶感受到系統(tǒng)的關懷與重視，進一步提升其滿意感；推薦服務的安全穩(wěn)定為用戶帶來信任與安心，整體上提高了用戶對服務的滿意度。

5結語

移動智能推薦情境凸顯了人工智能在推薦領域的顛覆性應用，本研究立足于人工智能技術深度重構信息生態(tài)的顛覆性變革背景，聚焦移動智能推薦對用戶行為模式的革命性重塑。運用扎根理論的三級編碼方法，系統(tǒng)揭示了智能推薦情境下網(wǎng)絡成癮行為的影響機制。研究結果發(fā)現(xiàn)：個人素養(yǎng)、行為信念、外界影響、負面感受和現(xiàn)實世界狀態(tài)直接影響智能推薦網(wǎng)絡成癮行為；智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量和智能推薦服務質(zhì)量通過滿意度的中介作用影響行為信念，進而影響智能推薦網(wǎng)絡成癮行為。本研究在一定程度上揭示了人工智能在推薦領域的顛覆性應用所帶來的社會影響，為移動智能推薦情境下用戶網(wǎng)絡成癮行為的干預與治理提供了參考。

未來可利用實證研究范式更多考察移動智能推薦情境下網(wǎng)絡成癮行為的定量影響關系，識別關鍵影響因子以及中介、弱化等關系，還可結合人工智能在更多領域的顛覆性應用開展研究。相信這些研究與本研究一起，能夠推動人工智能在推薦、醫(yī)療健康、文化、金融等行業(yè)和領域顛覆性應用的健康和可持續(xù)發(fā)展。

參考文獻：

[1]HuY.Leveraging inteligentrecommendersystemasafirst stepresilience measure：Adata-drivensupplychaindisruptionresponse framework[J].arXiv preprint arXiv：2404.00306，2024.

[2]梅瀟，查先進，嚴亞蘭.智能推薦環(huán)境下移動社交媒體用戶隱私風險感知影響機理研究[J].情報理論與實踐，2024，47 （1）：57-64.

[3]P?vloaiaVD，NeculaSCArtificialintellgenceasadisruptivetechnology：AsystematicliteraturereviewJ].lectronics， 2023，12（5）：1102.

[4]朱克京，吳漢榮，田書桐.大學生網(wǎng)絡成癮的成因及干預[J].國外醫(yī)學（社會醫(yī)學分冊），2003（1）：15-19.

[5」辭中國，楊秀蓮.\"網(wǎng)絡成癮\"對大學生人格發(fā)展的不艮影啊及對策[J].中國電化教育，2009（6）：49-52.

[6]中國互聯(lián)網(wǎng)絡信息中心.第55次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[R/OL].[2025-01-17].ttps：//ww.cnic.net.cn/n4/ 2025/0117/c88-11229.html.

[7]陸澤宇，查先進，嚴亞蘭.社交媒體環(huán)境下智能推薦內(nèi)容點贊行為影響機理研究[J].現(xiàn)代情報，2023，43（2）：42-55.

[8]張喆勤.社交媒體信息過載對用戶數(shù)字囤積行為的影響機制研究[J].新媒體研究，2024，10（14）：41-46.

[9]KingBA，HammondT，aringtonJDisuptivetchnologyEonomiconsequencsofrtificialintelligencendhebotic revolution[J].Journalof Strategic Innovationand Sustainability，2O17，12（2）：53-67.

[10]DaneelsE.Disruptivetechnologyreconsidered：Acritiqueandresearchagenda[J].JournalofProduct InnovationManagement，2004，21（4）：246-258.

[11]AchiamJ，AdlerS，AgarwalS，etal.Gpt-4technicalreport[J].arXiv preprintarXiv：33.087743.

[12]ChristensenCM，DonaldR，lmanEJ，etalDisruptiveinnovation：Anintelectualhistorynddirectionsforfuture search[J].Journal of Management Studies，2018，55（7）：1043-1078.

[13]朱克京，吳漢榮.大學生網(wǎng)絡成癮的心理社會因素[J].中國心理衛(wèi)生雜志，2004（11）：796-798.

[14]史華偉，鄧嶸，王鳳霞.基本心理需求的中介作用和感恩的調(diào)節(jié)作用在壓力性生活事件中對大學生網(wǎng)絡成癮的影 響[J].中國健康教育，2025，41（1）：29-33.

[15]LemmensJS，ValkenburgPM，PeterJPsychosocialcausesandconsequencesof pathologicalgamingJ].Computers inHuman Behavior，2011，27（1）：144-152.

[16]BrandM，YoungK，LaierCPrefrontalcontrolandInteretadiction：Atheoreticalmodelandreviewofneuropsychological and neuroimaging findings[J].Frontiers in Human Neuroscience，2O14（8）：375.

[17]Han DH，Hwang JW，Renshaw PF.Bupropionsustainedrelease treatment decreases craving forvideogames andcue-inducedbrainactivityinpatientswithInteretvideogameaddictionJ].ExperimentalandClincalsychopharmacology，010， 18（4）：297-304.

[18]馮金鑫.大學生網(wǎng)絡成癮的心理干預研究[J].心理學進展，2025（15）：567.

[19]AhmadiJ，AmiiAGanzadehA，ealrevaleneofdictintoheInteret，omputergames，Dndeodisela tionship toanxietyanddepresioninasampleofIranianhighschoolstudentsJ].IranianJournalofPsychatryandBehavior al Sciences，2014，8（2）：75-80.

[20]PawanT，PutipunT，anawatT，etalPrevalenceandassciatedfactorsofInteretgamingdisoderamongsecondarysool students in rural community，Thailand：A cross-sectional study[J].BMC Research Notes，2O2O（13）：11.

[21]SemizS.DigitalgameandtechnologyaddictioninearlychildhoodJ].DigitalSecurityand Media，2O24，1（1）：30-44.

[22]WangD，LiuX，ChenK，etalRisksandprotetion：AqualitativesudyonthefactorsforInteretaddictionamongelderlysidents in Southwest China communities[J].BMC Public Health，2024，24（1）：531.

[23]ZhongY，iY，HuA，etalPrevalence，emgapcsndclincalaracteristicsofInteeadictionmongCiedol cents with schizophrenia[J].Frontiers in Psychiatry，2024（15）：1398479.

[24]Herández C，F(xiàn)errad M，CiarochiJ，etal.Thecycleofsolitudeandavoidance：Adailylifeevaluationoftherelatioshipbetween Internet addiction and symptoms of social anxiety[J].Frontiers inPsychology，2024（15）：1337834.

[25]GlaserBG，StraussAL，StrutzelE.Thediscoveryof groundedtheory：StrategforqualitativeresearchJ].Nursingeearh， 1968，17（4）：364.

[26] 黃偉鑫，畢達天，朱梓萌，等.用戶跨社交媒體信息行為的形成機理研究——基于扎根理論的探索[J].情報理論與實 踐，2025，48（5）：80-90.

[27]查先進，黃程松，嚴亞蘭.從眾信息搜索驅動因素的扎根分析——以微博熱搜為例[J].圖書與情報，2022（2）：1-9.

[28]嚴亞蘭，韓秋月，查先進.交流可見度調(diào)節(jié)下知識分享影響因素扎根研究[J].圖書與情報，2022（2）：38-47.

[29]費小冬.扎根理論研究方法論：要素、研究程序和評判標準[J].公共行政評論，2008（3）：23-43，197.

[30]Young KS.Caughtinthenet：HowtorecognizethesignsofInternetaddictionanda wining strategyforrecoveryM]New York：John Wiley and Sons，1998.

[31]吳飛，李艷，陳靜遠，等.大學生人工智能素養(yǎng)紅皮書（2024版）[J].科教發(fā)展研究，2024，4（2）：71-96

[32]劉星，侯征，臧志棟，等.歷史制度主義視野下我國信息素養(yǎng)教育政策的變遷邏輯[J].圖書與情報，2024（3）：40-47.

[33]ShinD，RasulA，F(xiàn)otiadisA.WhyamIseingtisDeconstructingalgoritliteracytroughthelensofusersJ]tetResearch：Electronic Networking Applications andPolicy，2022，32（4）：1214-1234.

[34]林碧烽，范五三.從媒介本位到用戶至上：智媒時代隱私素養(yǎng)研究綜述[J].編輯學刊，2021（1）：36-42.

[35]王益明，金瑜.自我管理研究述評[J].心理科學，2002（4）：453-456，464.

[36]DavisFD.Perceivedusefulness，perceivedeaseofuse，anduseracceptanceofinformationtechnology[J].MSQuarterly， 1989，13（3）：319-340.

[37]郭海玲，趙穎，史海燕.電商平臺短視頻信息展示對消費者購買意愿的影響研究[J].情報理論與實踐，2019，42（5）： 141-147.

[38]XuJJ，BenbasatICenfeteliRTIntegratingservicequalitywithsystemandinformationquality：Anempiricaltesthe service context[J].MISQuarterly，2013，37（3）：777-794.

[39]FestingerL.A theory of cognitive dissonance[M].Stanford：Stanford UniversityPress，1957：1-297.

[40]SwellerJ.Cognitiveloadduringproblemsolving：Effctsonlearing[J].CognitiveScience，1988，12（2）：257-285.

[41]馮現(xiàn)剛，王青.大學生家庭親密度、適應性與人際信任的關系[J].醫(yī)學與社會，2011，24（7）：75-78.

[42]韓鳴曉，劉伍穎.新媒體話語表達的逆回——群體社交退縮現(xiàn)象分析[J].東南傳播，2023（9）：138-140.

[43]林靜，涂巍.大學生積極心理品質(zhì)與應對方式、領悟社會支持的關系[J].中國健康心理學雜志，2015，23（2）：225-228.

[44]MooresTTTowardsaninegratedmodelofIcceptanceinalthcareJ]DecisionSpportSystems，02，53（3）：0516.

[45]FrancisJJ，JohstonM，RobertsonC，etal.Whatisandequatesamplesze？Operationalisingatasaturationfor based interview studies[J].Psychologyamp;Health，2010，25（10）：1229-1245.

作者簡介：危馨嵐，女，武漢大學信息管理學院、武漢大學圖書情報國家級實驗教學示范中心碩士研究生；查先進，男，武漢大學信息管理學院教授，博士生導師。