摘要: 本研究通过聚类分析探讨了中国青少年在不同社交媒体平台上的使用行为。基于重庆、广东和安徽三地的青少年问卷数据，本研究从五类社交媒体(即时通讯、博客、论坛、短视频和游戏)使用频率入手，构建了多维度行为矩阵。研究采用K-means聚类方法，将青少年社交媒体使用行为分为三类群体：高活跃群体、低使用群体和选择性使用群体。研究结果显示，不同群体在社交媒体使用模式上存在显著差异，高活跃群体在所有平台上均表现出较高的使用频率，而低使用群体的社交媒体使用频率则较低。选择性使用群体则呈现出在特定平台(如即时通讯、短视频和游戏)上的高频使用特征。本研究为理解青少年多平台社交媒体使用行为提供了新的视角，未来的研究可进一步探索学业压力与媒体使用行为之间的内在关系，并发展量化的耦合指数，量化制度性因素对技术使用的影响。
Abstract: This study explored the usage behaviors of Chinese adolescents on different social media platforms through cluster analysis. Based on questionnaire data from adolescents in Chongqing, Guangdong, and Anhui, this study constructed a multidimensional behavioral matrix from the frequency of use of five types of social media (instant messaging, blogs, forums, short videos, and games). The study used K-means clustering method to classify adolescents’ social media use behaviors into three groups: high-activity groups, low-use groups, and selective-use groups. The results of the study showed that there were significant differences in social media use patterns among the different groups, with the high-activity group showing a high frequency of use on all platforms, while the low-use group had a lower frequency of social media use. The selective-use group, on the other hand, showed high-frequency use characteristics on specific platforms (e.g., instant messaging, short videos, and games). This study provides new perspectives for understanding adolescents’ multi-platform social media use behavior. Future research could further explore the intrinsic relationship between academic pressure and media use behavior, and develop a quantitative coupling index to quantify the impact of institutional factors on technology use.
1. 引言
根据中国互联网信息中心(China Internet Network Information Center, CNNIC)发布的第55次《中国互联网络发展状况统计报告》，青少年的互联网普及率已经非常高。根据报告，青少年群体的互联网使用率接近或超过95%。这一数据表明，社交媒体在青少年群体中具有较高的普及率和影响力[1]。随着智能手机的普及和社交媒体平台(如微信、抖音、QQ等)的多样化发展，青少年已经成为活跃的社交媒体用户。青少年群体的社交媒体使用主要集中在几个平台上，包括微信、QQ、抖音、微博等。青少年不仅在社交媒体上与朋友互动，还大量消费内容，如观看视频、参与在线游戏、查看明星或网络红人的动态等。这些平台成为他们获取信息、娱乐和社交的重要渠道[2]。
社交媒体在青少年的生活中扮演着越来越突出的角色，青春期需要发展身份认同和获得同龄人的认可，而社交媒体目前在促进这一过程中发挥着重要作用[3]。研究发现，适度使用社交媒体有助于缓解青少年心理压力，增加社会支持。例如，社交媒体上的互动和交流可以帮助青少年建立和维护人际关系，减少孤独感和社交焦虑[4]。然而，社交媒体的过度使用则伴随着产生非适应性社交网络使用行为，例如，低社会适应能力、错失焦虑、自尊不足、面部不满、情绪困扰、饮食失调、低睡眠质量、数字压力和不良成瘾行为等[3] [5]-[17]。
现有研究多聚焦单一平台(如短视频或即时通讯)的孤立分析，或笼统讨论“社交媒体使用时长”的整体影响，忽视了青少年在通讯社交(微信、QQ)、内容社区(微博、小红书)、兴趣论坛(豆瓣、知乎)、短视频直播(抖音、B站)及网络游戏(如《王者荣耀》)等多元场景中的行为差异。本研究基于不同地区的青少年问卷数据，从多平台类型化的视角切入，通过量化青少年在五类社交媒体(通讯、博客、论坛、短视频、游戏)的日均使用频率，构建“平台–行为”矩阵。研究采用聚类分析方法，突破传统研究以“总时长”或“单一平台偏好”为分类依据的局限，重点解析青少年在跨平台使用中的组合模式与强度差异。
2. 研究方法
2.1. 研究对象
为了提高样本的广泛性和代表性，本研究在重庆、广东、安徽三地，针对13~18岁青少年群体实施方便取样，共回收问卷2806份。依据以下有效性筛选标准：(1) 问卷完成时间低于均值 ± 3个标准差范围；(2) 漏答题项 ≥ 5%；(3) 连续10题及以上选项呈现规律性重复，最终剔除无效问卷572份，获得有效样本2234份(有效率79.7%)。有效样本中，男生1293人(57.9%)，女生941人(42.1%)，年龄呈正态分布(M = 16.04岁，SD = 1.551；范围12.0~18.0岁)。城乡分布方面，城镇青少年占比57.5% (n = 1285)，农村青少年占比42.5% (n = 949)。年级构成按学段分层呈现：高中阶段占比75.4% (n = 1686)，其中高一656人(29.4%)、高二451人(20.2%)、高三579人(25.9%)；初中阶段占比24.6% (n = 548)，含初一102人(4.6%)、初二125人(5.6%)、初三321人(14.4%)。样本覆盖初高中全学段，具有典型青少年社交媒体使用群体的代表性特征。
2.2. 研究程序
为了应对不同地区教育政策和信息化条件的差异，本研究设计了相应的数据收集方案。具体来说：
对于允许学生有限使用个人设备的重庆地区，以及具备信息技术课程硬件支持的广东地区，采用了线上调查的方式。在广东，参与者通过学校安排的计算机课程时段，访问问卷星平台(http://www.wjx.cn/)完成电子问卷；而在重庆，在取得校方知情同意后，研究人员向参与者发送包含研究说明、数据使用承诺以及问卷链接，参与者则在班主任的通知下，利用自有的移动设备在指定时间内匿名提交问卷。
由于安徽省的样本学校严格执行《中小学生手机管理规定》，禁止学生携带手机进入学校，并且严格管控计算机教学设施，因此我们选择使用线下纸质问卷进行数据收集。
所有回收的纸质问卷进行电子化扫描存档，并导出为Excel格式，并通过逻辑校验和随机抽样复核，确保数据的准确性。对于线上数据，我们通过问卷星平台直接导出Excel格式文件，最终将所有数据合并成一个完整的数据库。
2.3. 研究工具
调查问卷包括评估人口统计学变量的项目，如年龄、性别、年级、居住地、是否属于独生子女家庭以及自我认定的性别。此外，本研究还使用了社交媒体使用量表测量社交媒体使用情况。
2.3.1. 社交媒体使用
本研究采用自编量表进行测量，量表编制参考媒体生态学理论(Media Ecology Theory)对数字平台的分类框架[18]，结合中国互联网信息中心(CNNIC)最新发布的社交媒体分类标准进行本土化调整。量表包含5个维度，分别测量不同类型社交媒体的日均使用时长：即时通讯类：微信、QQ等；博客内容类：微博、小红书等；论坛社区类：豆瓣、知乎等；短视频直播类：抖音、B站等；网络游戏类：王者荣耀等。采用情景化李克特六点计分法，1 = 从不使用(0小时)；2 = 0.5小时以内；3 = 0.5~2小时；4 = 2~4小时；5 = 4~6小时；6 = 6小时以上。得分越高则使用频率越高。量表的内部一致性系数α = 0.677，虽然略低于0.7的黄金标准，但在探索性研究中仍属可接受范围[19]。这提示问卷结果具有基本可靠性，但未来研究可通过增加题项提升稳定性。
本研究采用探索性因素分析(Exploratory Factor Analysis, EFA)对问卷结构效度进行检验。首先通过Kaiser-Meyer-Olkin (KMO)抽样适切性量数和Bartlett球形检验评估数据适切性，结果显示：KMO = 0.665 (处于中等可接受范围)，Bartlett球形检验结果显著(χ2 = 2102.225, df = 10, p < 0.001)，表明变量间存在显著相关性，满足因素分析前提条件[20]。采用主成分分析法(Principal Component Analysis)提取公共因子，并采用最大方差正交旋转法(Varimax)优化因子结构。依据凯撒准则(Kaiser Criterion)保留特征值大于1的因子，最终析出两个解释力显著的公共因子。两个因子累计解释方差变异量为67.83%，表明问卷具有较好的结构效度。其中，因子1包含题项1、4、5 (因子载荷范围0.741~0.810)，因子2包含题项2、3 (因子载荷范围0.837~0.845)，各题项在对应因子上均呈现显著性载荷(>0.70)，且无跨因子负荷现象(<0.32)，因子结构清晰。
2.3.2. 心理健康
采用幸福指数量表(Index of well-being) [21]，该量表包含总体情感指数量表和生活满意度问卷，由9个项目组成，总体情感指数有8个项目，生活满意度1个项目，李克特7点计分，得分越高则幸福感越高。
2.4. 数据处理
使用JAMOVI对数据进行处理，选取5个社交媒体使用时间维度(即时通讯、博客、论坛、短视频、网游)作为聚类变量，使用JAMOVI的Data→Transform对原始数据进行Z-score标准化，消除量纲差异。在snowCluster模块中选用K-means clustering算法，对数据进行聚类分析。
3. 结果
3.1. 青少年社交媒体使用情况
通过K-means聚类算法对社交媒体使用模式进行识别，最终确定3个聚类方案具有最优拟合度。聚类差异解释度分析显示，组间平方和(SSB)为4823，总平方和(SST)为11,165，组间差异可解释43.2%的总变异(η2 = 0.432)，表明聚类结构具有中等程度的解释效力。各聚类群组样本量分布如下(表1)：
Table 1. Sample size of cluster group
表1. 聚类群组样本量
聚类组 |
样本量 |
1 |
382 |
2 |
1042 |
3 |
810 |
基于标准化后的5个社交媒体使用变量(SM1：即时通讯类；SM2：博客内容类；SM3：论坛社区类；SM4：短视频类；SM5：网络游戏类)，各群组中心值特征如下表2所示。群组特征呈现显著差异：高活跃群体(群组1)：所有变量均呈现正值(SM1 = 0.769至SM3 = 1.382)，表现为全平台高强度使用特征。低使用群体(群组2)：各变量均为负值(SM1 = −0.676至SM5 = −0.635)，反映整体社交媒体参与度最低。选择性使用群体(群组3)：呈现差异化特征，即时通讯(SM1 = 0.508)、短视频(SM4 = 0.650)和网游(SM5 = 0.655)使用强度显著高于平均水平。通过方差分析确认三类群体存在显著差异(p < 0.001)。
Table 2. Score for each question in the clustering group
表2. 聚类组别各题得分
|
聚类组别 |
SM1 |
SM2 |
SM3 |
SM4 |
SM5 |
1 |
1.00 |
0.769 |
1.590 |
1.382 |
0.621 |
0.342 |
2 |
2.00 |
−0.676 |
−0.315 |
−0.236 |
−0.733 |
−0.635 |
3 |
3.00 |
0.508 |
−0.345 |
−0.348 |
0.650 |
0.655 |
图1展示了不同群组(cluster)在各类社交媒体使用变量(如SM1、SM2等)上的均值差异。不同群组的均值变化通过颜色区分，分别对应群组1 (蓝色)、群组2 (灰色)和群组3 (黄色)。分析结果表明，各群组在社交媒体使用模式上存在显著差异：群组1 (蓝色线)：在SM2 (博客类社交媒体)和SM3 (论坛社区类社交媒体)维度上得分显著高于均值，同时在SM1 (通讯类社交媒体)和SM4 (短视频类社交媒体)也有较高使用水平。此外，该群组在SM5 (游戏类社交媒体)上的使用频率亦高于总体均值。综合来看，该群组在多种社交媒体平台上的活跃度均较高，可归类为高活跃社交媒体用户。群组2 (灰色线)：在所有社交媒体类别上的均值整体较低，表明该群组的社交媒体使用频率较低，主要以偶尔浏览博客类或社区类内容为主。该群体可归类为低频社交媒体使用者。群组3 (黄色线)：在SM1 (通讯类社交媒体)、SM4 (直播与短视频类社交媒体)和SM5 (游戏类社交媒体)上得分较高，表明该群组倾向于利用碎片化时间进行在线通讯和轻松娱乐。其使用模式侧重于即时通讯与娱乐消费，因此可归类为即时通讯与娱乐导向用户。
Figure 1. Differences in means across clusters on each question
图1. 不同群组在各题上均值差异
通过t-SNE降维散点图(图2)和图3主成分分析(PCA)的结果图，可直观观测三个群组在二维空间中的分布情况，横轴(Dim1)为主成分分析(PCA)后的第一维度，解释了数据中43.9%的方差，Dim1包含题项1 (通讯社交)、4 (直播/短视频)、5 (网络游戏)，反映个体在即时娱乐与社交互动上的时间投入。得分越高，代表越倾向于高频使用碎片化、即时反馈的娱乐媒介，可能关联即时满足倾向和沉迷风险。纵轴 (Dim2)则表示第二个维度，解释了数据的23.9%的方差。Dim2包含题项2 (博客类)、3 (论坛/社区)，反映个体在深度内容创作、信息检索与知识分享上的投入。得分越高，代表信息检索动机强烈、自我表达需求突出或认知卷入度较高。两个主成分累计解释方差67.8%，表明两维度能有效概括媒介使用行为的核心差异。
聚类1 (Dim1低，Dim2低)，该群体媒介使用强度整体偏低，在即时娱乐与深度内容平台上均表现克制，日常生活可能以线下活动为主导。其低媒介依赖特征可能与学业压力导致的可用时间受限有关，但也需警惕潜在的信息获取渠道单一性问题。聚类2 (Dim1中等，Dim2中等)，呈现均衡型媒介使用模式，既能适度参与娱乐互动，也保持对知识型平台的关注。此类群体可能具备较强的自我调节能力与场景适应性。聚类3 (Dim1高，Dim2低)，表现出对即时娱乐媒介的高度依赖(如游戏、短视频)，而深度内容平台参与度不足。该群体可能将高频次、强刺激的媒介互动作为缓解学业压力的主要策略。
Figure 2. t-SNE downscaled scatterplot
图2. t-SNE降维散点图
Figure 3. Principal component analysis plot
图3. 主成分分析图
3.2. 不同群体在幸福感上的差异
不同群体在这些幸福感得分上的差异如下，高活跃群体(组1)的心理健康得分是−0.123 ± 1.04，低使用群体(组2)是0.076 ± 0.95，选择性使用(组3)群体是−0.040 ± 1.04。通过方差分析得出不同群体在幸福感上得分差异显著(p = 0.001)。事后检验结果显示：(1) 组1和组2的均值差为0.199，p值为0.003 (p < 0.05)，表明组1和组2在幸福感上存在显著的均值差异。即组2的平均水平显著高于组1。(2) 组2和组3的均值差是0.116，p值为0.035 (p < 0.05)，说明组2和组3在相应变量上也存在显著的均值差异，组2的平均水平高于组3。(3) 组1和组3的均值差为−0.083，p值为0.400 (p > 0.05)，意味着组1和组3在该变量上不存在显著的均值差异，即两组的平均水平相当。
4. 结论
本研究通过聚类分析识别出三类具有显著差异的社交媒体使用群体，这一发现与媒体生态学理论中的多元共生假设[18]相契合。高活跃群体(群组1)表现出在多个平台上的高强度使用，这一特征验证了数字原住民(Digital Natives)的跨平台使用现象[22]。这一群体的行为模式可能受到社交维持(Social Maintenance)与错失焦虑(Fear of missing out)双重驱动的影响[23]。有研究证明错失恐惧与一般性社交媒体使用呈正相关[24] [25]，并显著正向预测青少年的社交媒体使用不当行为[23]。相比之下，选择性使用群体(群组3)展现出的差异化使用特点，支持了媒介补偿理论(Media Compensation Theory)中个体化适配机制的观点——用户根据特定需求(如社交互动、短视频娱乐等)形成个性化的社交平台组合策略[26]。这一群体根据自身需求，在即时通讯平台上满足社交沟通需求，在短视频和游戏平台上寻求娱乐放松[27]，而在博客和论坛平台上使用频率较低，说明他们能够根据不同平台的功能特点进行个性化适配。
低使用群体(群组2)的主导地位(46.6%)，该群组主要以偶尔浏览博客类或社区类内容为主，这一现象可能反映了中国教育体系中的特定压力机制。在面临中高考这种人才选拔制度时，学业负担的增加在一定程度上约束了青少年在数字娱乐媒体上的使用，形成了结构性限制。根据压力与应对理论(Stress and Coping theory)，压力是个体对环境刺激的认知评估结果，而应对策略则是个体用来管理和调节压力的手段[28]。学业压力过大时，学生可能会选择不同的应对策略，包括减少社交媒体的使用。一方面，学业任务的增加压缩了学生的自由时间，从而减少其对娱乐媒介的消费；另一方面，家长和教育机构可能通过加强监管，对学生在数字世界中的行为带来更大的外部制约，使其保持低频率使用模式。而高活跃群体虽然面临同样的压力，但可能由于无法有效应对压力，选择通过社交媒体来逃避现实压力，导致在社交媒体上花费大量时间。在选择性使用群体中，考试压力可能促使他们在考试期间减少短视频和游戏的使用，而在平时则通过这些平台放松；学习竞争压力可能使他们在即时通讯平台上更多地与同学交流学习资源和经验，以提升自己在竞争中的优势。
这一研究对现有理论框架提出扩展，丰富了数字鸿沟理论，提出了“压力型数字排斥”的新维度——即制度性压力可能在中国情境下对青少年技术使用造成被动型抑制，而非传统意义上的接入障碍。未来的研究可以从以下几个方向进一步探索：① 开展纵向研究，揭示学业压力与媒体使用之间的内在机制；② 开发教育压力与数字行为的耦合指数，量化制度性因素对技术使用的影响强度；③ 比较不同教育体制(如芬兰等低学业压力国家)下青少年社交媒体使用模式的差异。通过这些研究，可以推动构建更具文化敏感性的数字行为理论框架。