1. 引言
在当今社会中，人们对手机的依赖程度越来越高(Wijayaratna et al., 2019)，特别是对于军校大学生这一群体。军校大学生是一个特殊的群体(Astor et al., 2013)，他们在学业和训练上面临着巨大的压力和挑战。由于军事管理的生活模式相对封闭和高度纪律性，学员与家人的交往少之又少，所以他们更容易产生孤独感。而随着科技的发展，手机也成了军校大学生必不可少的一部分，他们会更加依赖手机来与外界保持联系，以缓解他们的孤独感和压力。但是过度依赖手机也给他们带来了诸多问题(Zhang et al., 2020)。
孤独感是一种常见的情感状态，尤其是在现代社会中(Zhang et al., 2020)。军校大学生们通常会被隔离在一个相对独立的环境中，这使得他们更加容易感到孤独。孤独感可以引起心理问题，例如抑郁症(Monroe & Harkness, 2022)、焦虑症等(Barberio et al., 2021)，因此必须重视。许多学者和研究人员认为，手机依赖是孤独感加剧的原因之一，因为它使人们随时都能与他人保持联系，从而减轻孤独感(Masi et al., 2011)。
另一方面，军校大学生由于学业繁重和严格的纪律要求，通常会感到压力和焦虑。这种压力可能来自许多方面，例如与同学的竞争、与军校纪律的遵守、与未来的就业前景等等(Hsieh & Tsai, 2019)。这种压力会影响他们的心理和身体健康，因此必须寻找有效的缓解方式。对于许多人来说，手机依赖已经成为一种缓解压力的方式，因为他们可以通过社交媒体、游戏和其他娱乐应用程序来分散注意力，减轻压力。
然而，手机依赖也有其负面影响。一些研究表明，军校大学生更喜欢独处，但是当孤独感加重时，就会带来负面情绪(Straus et al., 2022)。这种情况下，需要及时寻求帮助，避免产生心理问题。而手机依赖会导致睡眠质量下降、注意力不集中、沉迷于社交媒体和游戏等问题(Mei et al., 2018)。这些问题不仅会影响军校大学生的学业表现，而且还会对他们的身体和心理健康造成长期的负面影响。在现代社会，手机已经成为了人们每天必不可少的一部分，许多人都离不开手机。对于军校学生而言，手机上瘾会导致学习效率降低，甚至影响到训练。其次，长时间使用手机对健康有害。最后，手机依赖还可能会引发沉迷网络游戏、聊天软件等问题(Lissak, 2018)。军校管理应对学员手机依赖这个问题进行有效的防护与系统干预。军校大学生孤独感和手机依赖是一个不容忽视的问题。军校应该更多关注到学员的心理健康问题，及时采取有效措施。
综上所述，军校大学生的孤独感和手机依赖是一个相互作用的问题。虽然手机依赖可以缓解孤独感和压力，但它也可能带来一系列负面影响。因此，我们需要寻找有效的方法来帮助军校大学生减轻孤独感和压力，同时避免手机依赖带来的负面影响。为了解决上述研究中的挑战，我们采用了一种基于症状的分析方法，即网络分析。从网络分析的角度来看，不同的变量区别是相互作用且有关联的，是一个复杂网络。而不是一个潜在的共同原因的后果(Borsboom, 2017)。使用这种方法，孤独感和手机依赖作为节点，连接不同症状的潜在途径被描述为边。因此，网络分析的重点是确定连接孤独感和手机依赖的特定途径。这从潜在变量模型中很突出，该模型关注的是孤独感和手机依赖内部潜在联系与如何影响潜在的病理结构。除了描述孤独感–手机依赖通路外，网络分析还提供了经验指标(例如，桥预期影响) (Jones, Ma, & McNally, 2021)。
本研究的目的有两个方面：(1) 探索将孤独感和手机依赖联系起来的潜在途径；(2) 测量孤独感对手机依赖的风险因素和保护能力。
2. 研究方法
2.1. 研究对象
本数据是在2022年1月16日至4月18日期间通过纸笔测试收集的。800名来自中国人民解放军空军军医大学在校大学生参与了这项研究。99个回答由于人口统计信息不完整或两个诚实度检查项目失败而被排除。结果，共纳入701份问卷，最终样本包括328名男性和373名女性，平均年龄 = 22.74，SD = 5.37。空军军医大学第一附属医院伦理委员会批准了本研究(项目编号：KY20234195-1)。
2.2. 研究工具
本研究采用的问卷有孤独量表、手机依赖指数量表两部分组成。
2.2.1. UCLA量表
UCLA孤独量表第三版(Wongpakaran et al., 2022)，由Russell等人为适应非大学生人群而设计的(Kahlon et al., 2021)，但亦可用于学生中。该量表的一个重要特点是一维性。量表共有20道题。量表采用4点记分法，“从不”程度最低，记1分、“很少”记2分、“有时”记3分、“一直”记4分。其内部一致性系数为0.94。
2.2.2. MPAI量表
手机依赖指数量表(MPAI)，由香港中文大学梁永炽先生编制，量表共有17道题(Jiang et al., 2022)。其中，第1至7题属于失控性维度(如“使用者无法自我控制地消耗了大量时间在移动电话上”)，第8至11题属于逃避性维度(如选择使用移动电话的方式而逃避面对现实中的忧虑、寂寞等问题)，第12至14题属于戒断性维度(如“停止使用移动电话后一段时间个体的反应”)，第15至17题属于低效性维度如“个体使用移动电话过度而导致正常学习、工作、生活效率降低”)。
此量表采用5点记分法，“从不”程度最低，记1分、“偶尔”记2分、有时记3分、“经常”记4分、总是记5分，17道题累计加总，得分越高，手机滥用程度越严重。量表克隆巴赫系数为0.90。
2.3. 统计分析
采用SPSS20.0和R-3.6.1软件进行统计分析。本研究考察了两个网络，即孤独体验–手机依赖网络。采用图形套索网络方法估计了两个无向网络的网络结构。在每个网络中，边表示在调整来自所有剩余节点的效果时，两个节点之间的偏相关性。本研究的网络基于斯皮尔曼偏相关。图形化的最小绝对收缩和选择算子(LASSO)技术被用来规范所表示的网络内的部分相关性(Friedman, Hastie, & Tibshirani, 2008)。通过将非常小的偏相关系数惩罚为零，这种技术有助于去除伪边，并产生更稳定和稀疏的网络(Friedman, Hastie, & Tibshirani, 2008)。扩展贝叶斯信息准则(EBIC)超参数γ设置为0.5，以平衡敏感性和特异性(Epskamp, Borsboom, & Fried, 2018)。所呈现的网络的是基于弗劳特曼–雷因戈尔德算法(Fruchterman & Reingold, 1991)。R包中的qgraph用于计算所提出的网络(Epskamp et al., 2012)。
本研究预先定义了两个社区，即孤独体验和手机依赖症状社区(失控性、逃避性、戒断性、低效性症状)。计算了桥预期性影响(连接一个给定节点到其他社区中所有节点的边权值之和)，以识别连接这些社区的桥节点。桥梁中心性(例如，桥梁强度和中间性)更适合于确定负正连接网络中的桥梁节点(Epskamp & Fried, 2018)。较高的桥梁预期影响值意味着激活相反社区的可能性更高。桥梁的预期影响是通过R包网络工具计算出来的(Robinaugh, Millner, & McNally, 2016)。
边缘权值的准确性是通过绘制每条边缘的95%置信区间(有2000个引导样本)来评估的。通过使用案例下降的引导方法(使用2000个引导样本)计算相关稳定性(CS)系数来评估桥梁预期影响的稳定性。根据建议(Jones & McNally, 2021)，理想的CS系数高于0.5，不应低于0.25。我们进一步对边缘权值和桥的预期影响进行了自举差异测试(有2000个自举样本)。上述程序是通过R软件包引导网进行的(Deng et al., 2021)。
3. 结果
3.1. 描述统计
Table 1. Structure description statistics of loneliness of military college students and mobile phone dependence on network
表1. 军校大学生孤独感与手机依赖网络结构描述统计
表1网络中变量的缩写、平均得分和标准差。描述统计结果如表1所示，列出了当前网络中所有变量的平均分数、标准差。
“孤独感”与两种症状呈负相关：“当你感到沮丧时，你可以用手机来改善心情”M15 (−0.11)和“当你感到孤独时，你会用手机与他人聊天”M14 (−0.01)。“你试图向别人隐瞒你在手机上花了多长时间”M3分别于“当您感到孤立时，你可以使用手机与他人聊天”M13 (−0.03)和“当你感到沮丧时，你可以用手机来改善心情”M15 (−0.02)呈负相关。“如果你没有检查短信或打开手机一段时间，你感到焦虑”M10与“当你感到沮丧时，你可以用手机来改善心情”M15 (−0.03)呈负相关。
孤独感(UCLA)节点的桥连接预期影响中心性(1-step)最高为0.28，MPAI社团中“你试图向别人隐瞒你在手机上花了多长时间”(M3)桥连接预期影响中心性最高为0.22。“当你感到沮丧时，你可以用手机来改善心情”(M15)节点的桥连接预期影响中心性(1-step)最低。
注：蓝色边代表正相关，红色边代表负相关。边线的粗细代表相关性的强弱。切割值 = 0.05。描述网络中每个变量的桥预期影响的中心性图(原始值)。
Figure 1. Centrality diagram of bridge expected influences
图1. 桥连接预期影响中心性图
“当你感到沮丧时，你可以用手机来改善心情”(M15)、“当你感到孤独时，你会用手机与他人聊天”(M14)、“你试着花更少的时间在你的手机上，但你不能这样做”(M11)、“如果你没有检查短信或打开手机一段时间，你感到焦虑”(M10)和“没有手机，你会感到焦躁不安”(M12)节点的可预测性最高，分别是70%、68%、65%、65%和64%，“你发现使用手机的时间比原计划多”(M5)、“你永远不会觉得你在手机上花了足够的时间”(M8)的可预测性最低，分别是31%和44%，平均可预测性为56%。
孤独感–手机依赖网络中的所有边缘权值都可以在图S1 (补充材料)中找到。自举的95%置信区间图支持孤独感–手机依赖网络的边缘权值是准确的。补充材料中的图S2)。图S1 (在补充材料中)显示了对边缘权值的自举差异测试。
图1描述了孤独感–手机依赖网络中每个节点的桥接预期影响的原始值。节点桥的预期影响的CS系数为0.75，表明中心性指数(即桥的预期影响)是足够稳定的(补充材料中的图S1)。图S4 (在补充材料中)显示了节点桥预期影响的自举差异测试。
3.2. 网络分析
Figure 2. Network structure diagram of loneliness of military college students and mobile phone dependence
图2. 军校大学生孤独感与手机依赖网络结构图
孤独感–手机依赖网络
孤独感–手机依赖网络结构如图2所示。六个最强的正边缘分别出现在“当您感到孤立时，你可以使用手机与他人聊天”~“当你感到孤独时，你会用手机与他人聊天”M13-M14 (0.63)、“当你有其他事情要做时，你会发现自己沉迷于手机，这会给你带来一些麻烦”~“在手机上花费的时间直接降低了您的效率”M16-M17 (0.53)、“如果你没有检查短信或打开手机一段时间，你感到焦虑”~“没有手机，你会感到焦躁不安”M10-M11 (0.39)、“你发现使用手机的时间比原计划多”~“你试着花更少的时间在你的手机上，但你不能这样做”M5-M6 (0.36)、“你很难关掉手机”~“你试着花更少的时间在你的手机上，但你不能这样做”M9-M11 (0.22)、“孤独感”-“你试图向别人隐瞒你在手机上花了多长时间”UCLA-M3 (0.22)。
4. 讨论
本研究中报告了孤独感和手机依赖军校大学生群体中的研究，我们发现孤独感和手机依赖之间存在显著的正相关关系，表明孤独感与手机依赖对军校大学生的心理健康具有长期的心理影响。为军校大学生手机依赖提供积极的早期预防和干预措施，本研究使用网络分析来研究军校学员的个体差异如何预防/驱动的手机依赖的风险。与之前的研究一致(Thomée et al., 2018)，我们发现孤独感可能在特定的手机依赖症状方面发挥不同的作用，并确定了一些强有力的途径。此外，桥中心性分析的结果支持了“当你感到沮丧时，你可以用手机来改善心情”M15的保护作用和“你试图向别人隐瞒你在手机上花了多长时间”M3对孤独感UCLA的有害作用。
值得注意的是，在“孤独感”与两种症状(“当你感到沮丧时，你可以用手机来改善心情”M15、“当你感到孤独时，你会用手机与他人聊天”M14)之间存在很强的消极边缘，这表明更频繁地使用手机与降低孤独感体验的风险增加有关。与一般人群相比，由于军校大学生由于常年离开家人和朋友，单调枯燥的训练和学习任务也让他们很难拓展自己的社交圈。这种缺乏社交圈的现象加重了学生的孤独感。使得他们处于高压力与孤独体验的情境中(Pallavicini, Pepe, & Mantovani, 2018; Creese, Khan, & Henley, 2021)。现有的研究表明，当面临学业及任务困境时，孤独感越高的学员，其对手机依赖程度越低(Varma, Junge, & Meaklim, 2021)。学员们如果长期得不到家庭及社会的支持的原因，一方面是由于部队的性质，练就学员强大的心理素质和身体素质。但对于精神上的塑造还需要用其他心理干预手段，弥补学员们精神上的空缺。以提高他们采取适当学习训练的自我效能感，减轻学业及工作压力，进一步减孤独体验(Varma, Junge, & Meaklim, 2021)。
在“你试图向别人隐瞒你在手机上花了多长时间”(M3)和“当您感到孤立时，你可以使用手机与他人聊天”(M13)、“当你感到沮丧时，你可以用手机来改善心情”(M15)存在负相关。这与现有的关于中介调节研究报告了结果一致(Campagne, 2019)。具体来说，人们在使用手机时可能会出现一些负面情绪，例如注意力不集中、睡眠质量降低(Loades et al., 2020)等。因此，人们可能会试图隐瞒自己在手机上花费的时间，以避免被别人指责或者对自己感到内疚等。这种隐瞒行为与孤独感并不直接相关，而是与人们的自我控制和社交需求有关。然而，当人们感到孤独或沮丧时，他们可能会倾向于使用手机来寻求社交支持和情感安慰。这种使用手机的行为可能会缓解人们的负面情绪，从而在一定程度上减轻孤独感和沮丧感。因此。使用手机带来的负面影响，我们应该采取适当的措施来缓解负面情绪。
在孤独感–手机依赖网络中，我们发现“如果你没有检查短信或打开手机一段时间，你感到焦虑”(M10)与“当你感到沮丧时，你可以用手机来改善心情”(M15)呈负相关。这一发现可以用几种方式来解释。具体而言，对负面情绪反应水平较高的个体面对不确定情况时，不确定性可能会经历更强烈的唤醒(Ibrahim et al., 2018)，如产生焦虑、抑郁等症状。这可能使他们在面对孤独感等负面情绪时，倾向于过度使用智能手机作为一种适应不良的应对策略。此外，中国文化倾向于将提前计划的能力视为一种积极的控制感和个人效率。例如，在大流行期间，太久脱离线下环境与日常的沟通交流，军校大学生们被要求在单独隔离高压的环境中(可能存在持续的压力事件)中长时间学业与就业。密集的学习直到面临毕业的不确定性与孤独感可能会客观地增加事件发生的困难性(Feng et al., 2022)。在这种情况下，大学生们由于对外界信息的不确定性，来自同龄朋友或同学们的支持或沟通，会使他们变得更为敏感，或对未来不确定性的过度担忧(Gu et al., 2021; Alderighi & Rasoini, 2022)。从理论上讲，减少一个人对孤独感的体验可能会减少过度使用智能手机的动机。应对技巧干预旨在帮助个人在困境中发展适应性应对反应，可能是另一种候选干预措施。具体来说，个人可能会认为过度使用智能手机是应对孤独感相关困扰的唯一手段，并且尽管会产生令人厌恶的后果(如拖延、睡眠质量贬低、自责焦虑等) (Chen, Li, & Kim, 2021)但仍会过度依赖它。
为了通过网络分析来量化手机依赖对孤独感的保护能力或风险能力，我们分别计算了每个网络的桥梁预期影响。在孤独感-手机依赖网络中，手机依赖具有负的桥预期影响值，而孤独感具有正的桥预期影响值，说明手机依赖(M15)可能表现为保护因素，手机依赖(M3)可能表现为大学生孤独感的危险因素。
尽管目前的发现很新颖，但也有一些局限性值得考虑。首先，横断面数据的使用限制了我们无法确定因果关系的方向。孤独感是否会受到手机成瘾症状的影响，或者外部情境是否会同时引起手机依赖症状和孤独体验。其次，本研究中观察到的网络结构可能是针对我们所使用的问卷的，当使用不同的量表测量这些结构时，可能无法复制。然而，所有的研究措施都在不同的环境中被广泛采用和验证。第三，孤独感－手机依赖网络在群体水平上反映了主体之间的效应，这可能不能捕捉人内部的过程。第四，本研究只选择了军校学员群体进行考察，并未对其他年龄层、不同职业进行研究。不同岗位的群体有可能影响孤独感发展，所以未来的研究需要对不同年龄阶段群体加以验证进行交叉滞后纵向研究的网络分析。
本研究通过对军校大学生孤独感与手机依赖进行了网络分析研究，对军校学员职业发展与探索具有一定意义。以揭示军校大学生的手机使用行为和心理健康状况之间的相互关系。通过网络分析方法，可以探究手机使用对心理健康的影响。有助于制定有效的干预措施，以帮助军校大学生更好地控制手机使用行为，减轻负面情绪和焦虑感。为发掘我国军事心理学的未来研究方向提供科学依据和实践指导，同时也可以为其他群体解决问题研究提供参考和启示。
5. 结论
本研究采用网络分析方法，了解军校大学生孤独感与手机依赖之间的相互作用。我们的研究结果强调了“当你感到沮丧时，你可以用手机来改善心情”(M15)的保护作用。孤独感UCLA与“你试图向别人隐瞒你在手机上花了多长时间”(M3)的有害作用，并概述了这些手机依赖不同方面可能与孤独感相互作用的途径。这些发现可能有助于制定早期发现和干预战略，以减轻手机成瘾对大学生心理健康的不利影响。
补充材料
图S1显示了边权值的准确性结果。如图所示，自助法得到的边权值95%置信区间较窄。考虑到本研究有701个被试，并且网络中有18个变量，因此边权值的评估是准确的。
注：红线代表本研究样本的边权值；黑线代表自助法评估的平均边权值。灰色区域表示自助法得出的置信区间。
Figure S1. Accuracy of edge weights
图S1. 边权值的准确性
注：红线代表原始样本强度中心性与子样本之间的平均关系。红色区域表示2.5分位数到97.5分位数的范围。
Figure S2. Stability of node bridge expected influences
图S2. 节点桥的预期影响稳定性
图S2显示了节点强度中心性的稳定性结果。如图所示，节点强度中心性的相关稳定性系数为0.75，说明其稳定性是满足要求的。
注：灰框代表两个对应边的边权值不具有统计学差异；黑色框代表两个对应边的边权值具有统计学差异(p < 0.05)。对角线的彩色框代表变量网络中边权值的颜色。其中蓝色代表正性关系；红色代表负性关系。
Figure S3. Bootstrapped difference test for edge weights
图S3. 边权值的自举法差异性检验
图S3和图S4分别展示了边权值和节点强度中心性的差异性检验结果。差异性检验结果可以评估两个边权值或两个节点强度中心性之间是否存在显著性差异。
注：灰框代表两个对应节点的强度中心性不具有统计学差异；黑色框代表两个对应节点的强度中心性具有统计学差异(P < 0.05)。
Figure S4. Bootstrapped difference test for node bridge expected influences
图S4. 节点桥的强度中心性自举法的差异性检验
NOTES
*通讯作者。