1. 引言
近年来，随着微博、小红书等社交媒体平台的出现，浏览社交媒体已经成为了我国当代年轻人生活不可或缺的部分 [1] 。在这些以图片为主要内容载体的社交媒体平台中，个体尤其是女性群体的外表受到过度关注和评价，且随时可以被当作视觉化的符号为人广泛传播。处于这样的社交媒体环境下，女性常常会想象同龄观众正在审视自己的外貌，也因此更加倾向于在社交媒体上发布旨在最大化自己身体吸引力的照片，以吸引同龄人的关注。这种对自我在社交媒体上呈现的形象是否具有吸引力的持续性关注及其伴随的思想和行为被定义为“社交媒体外貌意识(appearance-related social media consciousness)” [2] 。
现有研究表明，社交媒体外貌意识的存在会使得个体在使用社交媒体时过分关注自己的外貌，同时将外界的审美标准内化，将社交媒体上对美的评价标准作为评判自身形象好坏的指标，持续监控自身的体重和身材，即出现“自我客体化(self-objectification)” [3] 。而自我客体化的出现不仅会反之加重个体外貌相关社交媒体意识水平，还会导致个体出现饮食失调、抑郁等心理障碍 [4] ，甚至引发客体化和饮食失调的共病。因此，对于社交媒体外貌意识、自我客体化、饮食失调三者之间复杂的交互关系进行深入探索和分析显得尤为迫切。
以往对于社交媒体外貌意识、自我客体化、饮食失调之间关系的研究通常采用问卷形式对量表总分进行评估。这种传统的方法在综合症水平上为我们揭示了很多有用的信息，然而，传统方法未能考虑到个别症状之间的相互关系，因此很难在症状层面对三者的共病关系进行深入探讨，无法发现维持共病的潜在路径。网络分析(network analysis)作为一种替代方法，其基本假设为，精神疾病是一组相互作用的症状群，症状间相互连结，相互影响，形成密不可分的症状网络，进而导致精神疾病的维持和恶化 [5] 。网络分析通过识别能够触发综合征的中心症状以及连接其它症状群形成共病的桥梁症状，形成对于精神疾病维持和发展的假设 [6] 。对中心症状和桥梁症状进行针对性干预，可以为预防或治疗特定的疾病提供重要的参考。
鉴于目前尚未有研究对社交媒体外貌意识、自我客体化、饮食失调三者关系进行探讨，为填补这一研究空白，本文使用网络分析(Network Analysis)技术，深入症状层面探究我国年轻女性群体社交媒体外貌意识、自我客体化、饮食失调的关系。通过构建可视化的症状网络，识别网络中的关键中心症状与桥梁症状，找到连接不同症状群的主要路径，为减少年轻女性由外貌相关的社交媒体意识发展出自我客体化以及饮食失调提供针对性的预防和干预参考。
2. 对象和方法
2.1. 研究对象
本研究采用随机抽样的横断面研究设计，通过校园随机发放问卷的形式召集参与者，参与者的选择标准包括：① 年龄在18至25岁之间的女性；② 未被诊断为精神障碍(例如，饮食失调，抑郁症，焦虑症，双相情感障碍，精神分裂症)；③ 能够熟练阅读理解中文。共发出有效问卷1320份，经进一步筛选后收到有效答卷1312份，最终有效答卷为1186份，有效应答率为89.8%。
2.2. 研究工具
2.2.1. 人口统计学信息
人口学信息包括参与者的年龄、性别、民族(汉族多数或少数民族)、居住地(农村或城市)和父母的教育水平(高中以下、高中毕业、本科及以上)。当前体重指数(BMI)根据身高(cm)和体重(kg)进行计算。
2.2.2. 进食障碍检查自评问卷(Eating Disorder Examination Questionnaire, EDE-Q)
该量表由古练等人(2017)修订，评估过去28天的进食障碍核心心理病理特征及进食障碍行为，共28题，包含4个分量表：限制分量表、进食顾虑分量表、体型顾虑分量表、体重顾虑分量表。其中22个条目用于评估进食障碍的核心心理病理特征，另外6个条目用于协助诊断、评估进食障碍行为发生频率，包括：过度进食、失控感、暴食、自我催吐、滥用泻药和强迫性锻炼 [7] 。量表采用0 (一天都没有) ~6 (每一天) 7点计分法，分量表和总量表分数越高，代表症状越严重。该量表已在中国样本中被验证具有良好的信效度 [8] 。本研究该量表的克隆巴赫α系数为α = 0.95。
2.2.3. 社交媒体外貌意识量表(The Appearance-Related Social Media Consciousness Scale, ASMC)
该量表由黄明明(2023)编制，共包含13道题目，反映了个体对自身能否对社交媒体上的观众产生吸引力的担忧以及基于这种担忧产生的对应思想与行为(例如：“当别人在社交媒体上浏览我的照片时，我会想我身体的具体部位看起来如何。”)。量表所有项目均采用Likert七点计分，从1 = 从不这样到7 = 总是这样，已经证实了简体中文版的ASMC在中国样本群体中拥有良好的信效度 [9] 。该量表在本研究中的α系数为α = 0.95。
2.2.4. 客体化身体意识量表(The Objectified Body Consciousness Scale-Chinese, OBCS-ch)
该量表在原身体客体化量表(McKinley & Hyde, 1996)的基础上，简化为14个条目，分别为8条身体监测项目和6条身体羞耻项目，并构成对应的两个分量表 [10] 。OBCS-ch的身体监测和身体羞耻分量表分别评估了个体使用第三人称视角的外部观察者如何看待自己外表的倾向(如，“一天当中，我会想我的外貌很多次”)和当一个人的身体不符合文化标准时所产生的羞耻感(如，“当我体型和我认为自己该有的大小不符时，我感到羞愧”)。量表使用Likert七点计分的方式(0 = 完全不同意到6 = 完全同意)，得分越高表明客体化程度越严重。本研究使用身体监控分量表(其中1、3、4、5、6、8项为反向计分项)测量个体的客体化水平，该量表在中国样本已被验证具有较好的信效度 [11] 。本研究中，该量表的Cronbach α系数为0.77。
2.3. 网络分析
2.3.1. 网络构建
为研究社交媒体外貌意识、自我客体化、饮食失调三者的症状网络关系，我们将全部症状条目纳入进网络分析中，构建了包含全部43个节点的无向网络。使用R语言中“qgraph”包中的“EBICglasso”函数，计算了Spearman相关系数，生成高斯图像模型(GGM)。高斯图像模型通过图形最小绝对收缩和选择算子(LASSO)进行正则化，排除了相关性较弱的边，生成较为稀疏的图形网络 [12] 。我们使用了Fruchterman-Reingold算法实现网络布局优化与可视化，该算法将具有强相关的节点放置在离彼此更近且在网络中更为中间的位置，将具有较弱或不相关连接的节点放置在图形边缘的位置 [13] 。在网络中，绿色边代表对应节点具有正相关关系，而红色边代表节点间的负相关关系。
2.3.2. 网络中心性
在网络分析中，具有较高中心性的症状节点在网络模型中反映了更强的重要性，并被视为干预的潜在有效目标 [14] 。在本研究中，我们使用节点强度(node strength)作为中心性指标。节点强度是指在网络模型中，节点与其他节点的相关性绝对值之和 [15] 。为了识别社交媒体外貌意识、自我客体化和饮食失调症状网络的中心症状，我们使用R语言里的“networktools”包计算了节点强度的期望影响(EI)值 [16] 。
2.3.3. 网络桥梁节点
我们使用R语言中的“networktools”包中的bridge函数来识别在网络中起关键连接作用的桥梁节点。桥梁节点的强度衡量了一个节点与其他症状群的总体连接性，从而有助于确定临床干预或预防的目标 [17] 。桥梁节点的强度(bridge strength)通过将节点与其他症状群连接的每个边的绝对值求和来计算。
2.3.4. 网络稳定性和准确性
为检验边权值的准确性，我们使用了非参数自举法(bootstrap)，将值设置为1000次，并计算95%的置信区间。然后，我们使用样本下降自举法(1000次bootstrap)计算相关稳定性(CS)系数，以评估整体网络和桥梁节点的稳定性。通常来讲，CS系数应该大于等于0.25，超过0.5则表示网络具有良好的稳定性 [18] 。最后，我们对边权值和桥梁强度进行差异性检验(1000次bootstrap)，评估两个边权值和两个桥梁强度之间差异是否有统计学意义(显著性水平α = 0.05)。
3. 结果
3.1. 统计学资料
本研究共招募1186名有效参与者，均为女性，年龄在18~24岁之间，平均年龄为20.93 ± 1.573岁。其中，93.9%的参与者为汉族，56.7%来自城市。参与者母亲的受教育背景方面，高中以下居多(49.2%)，高中毕业次之(34.3%)，本科及以上占16.5%。参与者父亲受教育背景较母亲略有不同，高中以下及高中毕业比例较为接近，分别为39.85%和36.8%，而本科及以上的比例为23.4%。所有参与者的平均BMI指数为20.36 ± 2.59。
3.2. 社交媒体外貌意识、自我客体化与饮食失调的网络分析
3.2.1. 网络结构
社交媒体外貌意识–自我客体化–饮食失调网络结构如图1所示。属于同一量表的症状倾向于簇拥形成集群，且集群内部节点连接较强，表明了更强的相关性。在整体网络中，“过度重视体重”与“过度重视体型”(r = 0.590)具有最强的连接，其次是“感觉自己胖”与“渴望减轻体重”(r = 0.458)和“因思考食物无法集中注意力”与“因思考体重无法集中注意力”(r = 0.429)。网络中各项目简写以及中心性指标见表1。
注：ASMC：社交媒体外貌意识量表；OBCS：客体化身体意识量表；EDEQ：进食障碍检查自评问卷。蓝色边表示正相关，红色边表示负相关。边的宽度表示相关的强度，边越宽，相关性越强。
Figure 1. ASMC-OBCS-EDEQ network model
图1. 社交媒体外貌意识–自我客体化–饮食失调网络
Table 1. Abbreviation and central indices of EDEQ, ASMC and OBCS
表1. EDEQ、ASMC、OBCS各节点名称、项目简写及中心性指标
3.2.2. 中心症状与桥梁症状
基于中心性指数大小，我们确定了网络中三个最关键的中心症状：“过度重视体重”(EDEQ16)，“因思考体重无法集中注意力”(EDEQ08)，和“体重不满”(EDEQ19) (见图2左)。根据桥梁强度的大小，“重视衣服好看而非舒服”(OBCS05)是网络中最关键的桥梁节点，将社交媒体外貌意识与自我客体化和饮食失调的症状相互连接起来，其次是“关注体型而非感受”(OBCS06)，再次是“过度重视体型”(EDEQ17) (见图2右)。
Figure 2. Node strength (left) and bridge strength (right) figure
图2. 中心症状强度(左)与桥梁症状强度(右)图
3.2.3. 网络稳定性与准确性
我们对网络进行了稳定性分析，准确性分析以及差异性检验。图3 (左)显示了网络的稳定性测试结果，CS系数为0.75，远高于推荐的CS系数值，表明本研究生成的网络十分稳定。图3 (右)为网络的准确性分析结果，从图上可以看出边权值的95%置信区间都较窄，表明边权值的估计是准确的。桥梁强度、边权值的差异性检验分别见图4 (左)、图4 (右)。由图4 (左)可知，网络中最关键的三个桥梁节点显著强于其他节点，且连接最强的三个边也显著强于网络中大部分的边。
注：左图中，x轴表示抽样的比例，y轴表示原始集与抽样排除后的子集之间的平均相关性，彩色区域代表95%的置信区间；右图中，红点表示每个边权值，按边权值从高到低排序。灰色区域表示95%的置信区间。间隔宽表明稳定性较低，间隔窄表明稳定性较高。
Figure 3. Network stability (left) and accuracy (right) figure
图3. 网络结构的稳定性(左)与边权值的准确性(右)
注：黑色方块代表两个对应的边权值差异有统计学意义(p < 0.05)，灰色方块代表两个对应的边权值差异无统计学意义(p > 0.05)。对角线表示边权的强度，从红色(弱相关)逐渐变为深蓝色(强相关)。
Figure 4. Node strength difference (left) and edge strength difference (right) test
图4. 桥梁强度(左)及边权值(右)的差异性检验
4. 分析与讨论
本研究运用网络分析方法，通过建立社交媒体外貌意识–自我客体化–饮食失调网络模型，开创性的探讨了中国年轻女性群体社交媒体外貌意识、自我客体化与饮食失调之间复杂的相互作用关系。本研究中，饮食失调症状群中的“过度重视体重”，“因思考体重无法集中注意力”和“体重不满”是网络中最关键的三个中心症状。而自我客体化症状群中的“重视衣服好看而非舒服”、“关注体型而非感受”和饮食失调症状“过度重视体型”是网络中最关键的桥梁症状。此外，整个网络模型具有良好的稳定性和准确性，使得本研究结果为日后从症状学层面进行预防和干预社交媒体外貌意识发展出自我客体化与饮食失调共病提供重要参考。
在本研究中，“过度重视体重”在网络中具有最强的中心性，是网络中最重要的中心症状，意味着其对社交媒体外貌意识、自我客体化和饮食失调的共病起到最为关键的维持和发展作用。对体重的高估是饮食失调精神病理学中的关键维持因素，并且一直是有关饮食失调网络分析研究中最重要的核心症状之一 [19] 。因此，本研究的结果提供了对前人研究的进一步验证和补充。“因思考而无法集中注意力”作为网络中另一个主要的中心症状，其本意为个体因将注意力放在思考食物或进食上，从而影响了日常的生活。处于18~24岁的女性由于受到社会价值体系对女性体型和体重的不断规训，倾向于过分关注自己的饮食以维持良好的身材。这种注意凝聚会进一步导致女性将更多的注意力放在控制饮食和计算卡路里摄入方面，将自身从日常生活的乐趣中抽离，进而发展出对体重乃至身体的不满。以往对于女性饮食失调的一些研究也表明，女性对体重的过分关注可能与注意任务表现欠佳和身体不满呈正相关 [20] 。因此，本研究提示对女性对于体重的过分关注以不满进行针对性预防和干预，将有助于减少女性通过体重聚焦而发展出饮食失调障碍的风险。
在社交媒体外貌意识–自我客体化–饮食失调网络中，“重视衣服好看而非舒服”是网络中最关键的桥梁节点，将社交媒体外貌意识与自我客体化和饮食失调的症状连接起来，促进了症状的扩散。除此之外，另外两个桥梁节点“关注体型而非感受”和“过度重视体型”也同“重视衣服好看而非舒服”一样，反映了个体对于外表和体型的过分关注。根据客体化理论，社会通过媒体对女性施加物化影响，使得女性逐渐将这种社会规训内化，开始用第三人称视角审视自己，并持续监控自身外表。这种监控自身外表的行为会导致个体更加重视外在形象而非身体感受，进而增加个体患饮食失调和抑郁的风险。先前研究也发现，观看了诱发客体化体验视频的女性被试，客体化得分较控制组显著升高，且在随后的饮食测验中表现出限制性进食的趋势 [21] 。由此我们推测，自我客体化可能是连接社交媒体外貌意识和饮食失调的关键纽带。针对客体化进行干预或有助于同时减少社交媒体外貌意识水平和发展饮食失调的风险，降低个体发展出复杂的精神障碍的可能。
本研究采用了大样本，并首次使用网络分析技术对社交媒体外貌意识、自我客体化和饮食失调三者的症状层面关系进行探讨，具有一定的开创性。然而，本研究也存在一些局限之处。首先，由于研究采用横断研究设计，因此无法确定社交媒体外貌意识、自我客体化和饮食失调症状之间的因果关系。未来需要进行纵向研究以阐明潜在的因果关系。其次，由于数据是基于参与者的自我报告，因此可能会受到被试社会赞许性和回忆偏差的影响。第三，和其他网络分析研究一样，我们的研究结果可能因所选量表不同而产生不同的结论。例如，本研究中使用的客体化身体意识量表强调与自我监控相关的症状，而非身体羞耻。最后，尽管大多数年轻人都有发展出自我客体化和饮食失调的风险，但研究结果推广到临床样本、其他年龄群体乃至其他文化背景则需要慎重。
5. 结语
综上所述，本研究运用网络分析方法探讨了社交媒体外貌意识、自我客体化和饮食失调之间的复杂关系。研究结果表明，饮食失调症状中，对体重和身材的过度关注是中国年轻女性群体社交媒体外貌意识–自我客体化–饮食失调网络模型的关键中心症状。而自我客体化症状，尤其是重视外表而忽视身体感受，则成为连接这三个症状群体的关键桥梁。本研究强调了年轻女性群体对外表的担忧在发展出进一步精神障碍中的重要性，为预防或减少社交媒体外貌意识、自我客体化和饮食失调的共同发生提供了有效的干预靶点参考，同时也为减少女性发展出复杂精神障碍做出贡献。
NOTES
*通讯作者。