1. 引言
根据第七次人口普查数据[1]，2023年全年出生人口902万人，人口出生率为6.39%；死亡人口1110万人，人口死亡率为7.87%；人口自然增长率为−1.48% [2]。持续降低的生育率对我国经济社会持续稳定发展产生了较大的影响，其负面影响涵盖了政治、经济、社会等多个方面。中国居民的生育意愿和生育行为和之前相比都有了较大的变化。我国“90后”计划生育政策的子女数量平均为1.66个，相较于“80后”，这一数字下降了10%。根据2019 年全国人口与家庭动态监测调查结果，仅有不到一半的计划生育二孩及以上的女性成功实现了再生育，这使得生育率的上升变得异常困难。截至2024年6月，我国互联网用户总数近11亿[3]，且主要是处于育龄期(20~39)的中青年。以90后和00后为主的在校大学生已经与互联网融为一体，互联网冲击了人们的价值观念和行为态度，并且巧妙地影响着个人的生活方式和行为选择[4]。网络上各种生育知识的普及以及相关内容的报道，都潜移默化地影响大学生对于生育的态度及意愿。
2. 文献回顾及模型假设
2.1. 生育意愿研究现状
生育意愿是指个人在一定环境和情境下产生的对生育活动的认识、心态和价值观，可以表达个人对生育数量、生育时机、生育性别等方面的意愿与要求，从而在一定程度上影响生育决定[5]。关于生育意愿维度的划分，国内许多学者都对此进行了研究和探讨。国内外学者较为一致的看法认为生育意愿就是个体的生育预期，并把生育意愿划分为生育时间、性别、数量和子女质量4个维度。侯家伟等人同样赞同四维理论[6]。
针对生育率下降的现象，学者们提出了多种理论和机制，以解释其根源。主要包括生育价值观理论，经济决定理论等。生育价值观的理论假定生育意愿涉及个体理性计算问题[7]，经济价值与非经济价值一起决定了个体生育意愿的高低，并且这些价值具有跨文化差异性，即在不同的社会和文化背景下有所不同。经济决定理论是由Becker提出[8]，该理论的生育意愿是基于个人成本和收益分析，例如，决定人们是否生孩子的因素之一是能否提高家庭劳动生产率。Becker将孩子看作消费品[9]，具有一定的经济效用。
国外主要从正规制度、非正规制度、经济因素和妇女等角度分析少子化的原因，指出少子化将对经济社会产生负面影响。在社会养老金、理想家庭规模和经济活动等方面，进一步探讨了提高出生率的措施和实施效果。相较于国外，国内对于生育意愿的研究起步较晚，当前我国已由政策性低生育阶段转向内生性低生育阶段，外部社会环境和社会经济结构因素的变化成为生育率下降的主要原因[10]，2011年，张亮等人对城市居民的二胎意愿进行研究分析得出[11]，在最理想的情况下，一个家庭在其一生中孕育孩子的数量，更多的受到经济条件、社会观念、国家制度等多方面因素的制约，这些因素相互作用，共同塑造了人们的行为和态度。2022年，张良驯等人从自我决定理论的内涵和逻辑出发[12]，得出了影响我国青年低生育意愿的原因。具体而言，基本心理需求的满足和自主性生育动机对青年生育意愿具有促进作用，而控制性生育动机对青年生育意愿的影响则相对较小。
2.2. 生育信息的研究现状
生育信息的概念是指涉及生产和养育的信息，包括但不限于怀孕、分娩、避孕、性健康等方面的信息。生育信息的传递和获取对于个人和社会的健康、幸福和发展都有着重要的意义[13]，因此，各种社交媒体和渠道都在积极地宣传和推广生育信息，以帮助人们更好地了解生育和家庭规划的相关知识。生育信息的概念来源比较广泛，目前尚未形成标准的定义。随着计划生育政策的调整和发展，生育信息的内容也逐渐丰富和多元化，不再仅限于控制人口数量，而是更加注重提高生育健康水平和家庭幸福感。
此外，互联网已成为社会变革的重要力量，互联网的使用如何影响人们的生育意愿逐渐引起学者和相关部门的重视。2017年，Melanie和Chris研究表明宽带的推广会对青少年的生育决策产生负面影响，促使美国青少年生育率下降[14]。在2019年，Francesco等人利用德国的纵向数据发现[15]，互联网通过增加远程工作机会有效地缓解了工作与家庭的冲突，这对妇女的生育意愿有积极影响。Guldi等学者发现青年人群在网络上获取信息，从而改变了生育决策，导致了生育率的下降[16]。Cleland等人认为[17]，互联网的使用影响了传统的观念，如“养儿防老”和“子孙满堂”。2021年，李飚等人发现互联网使用对城市居民和高学历群体具有更加显著的负向影响[18]。2021年，从信息成本和家庭代际两个角度出发，王小洁等人研究发现，互联网的使用频率与个体的生育意愿呈现出负相关的趋势，生育史在其中起到调节作用[19]，这与李飚等人的结论相同。2024年，梁丽霞等人研究表明互联网使用能够通过性别能力认同和性别分工认同进而影响个体的婚姻稳定性及生育意愿[20]。个人处于特定的社会文化背景下，互联网的使用对个人生育意愿的影响也可能因不同的背景而不同。任何关于互联网使用对个人生育意愿影响的讨论，都必须置于中国的特定环境中。
2.3. 育儿胜任感的研究现状
育儿胜任感(Parenting Sense of Competence, PSOC)指父母在育儿过程中所具备的能力和效能，以满足各种需求[21]，这个概念是在Rosenberg的自尊理论的基础上衍生出来的。研究显示[22]，父母在育儿过程中，如果缺乏胜任感，他们更容易表现出消极情绪，例如抑郁、焦虑等。宁艳超对育儿胜任感影响因素进行探索[23]，并归纳为自然因素与社会家庭因素；如父母在家庭中的关系越和谐，父母对育儿的信心越高。
育儿自我效能感是父母对于自身在育儿领域中成功组织和完成各种任务的能力所持有的信念和判断，它是自我效能在教养领域的一种延伸。父母的自我效能感影响着孩子以后的自信心发展，因为他们的行为对孩子来说是一个榜样，孩子会不自觉地模仿父母尤其是母亲的行为。有研究表明，父母自我效能感较高的儿童在语言、社会技能、身高和体重等身体发育方面的发展比同龄人要更快[24]。育儿效能感和育儿胜任感两者在理论框架、形成机制和研究重点等方面存在区别，但也存在一定的联系。在育儿过程中，父母的育儿效能感和育儿胜任感相互支持和影响。育儿效能感会促进育儿胜任感的发展，而育儿胜任感则会增强育儿效能感。这两种观念在育儿研究中都被认为是影响父母育儿行为和子女发展的重要因素之一。
既有研究为理解生育意愿的影响机制提供了重要基础，但仍存在一些局限。首先，现有文献对生育信息的内容效价缺乏精细区分。尽管Guldi等和李飚等人揭示了互联网使用与生育意愿的负向关联，但将生育信息简化为同质化变量(如“是否接触生育信息”)，难以解释为何社交平台上关于生育补贴政策的内容(积极信息)常与育儿经济压力的讨论(消极信息)共存并产生对冲效应[16] [20]。其次，育儿胜任感的中介路径尚未充分验证。梁丽霞等虽证实互联网通过性别观念影响生育意愿，却未回答关键问题：当个体暴露于特定类型生育信息时，育儿能力感知是否及如何成为心理传导枢纽？更本质的局限在于理论解释的割裂性：经济决定论难以解释高收入群体生育意愿的持续低迷，而社会认知视角又无法兼容生育决策中的成本敏感现象，这种割裂在数字时代信息过载背景下愈发凸显。
上述理论缺口为本研究提供了创新空间。通过引入信息情感(积极/消极)的二元划分，我们突破了传统研究将生育信息“扁平化”处理的局限，与社交媒体传播学中的“情绪传染理论”形成对话。同时，将育儿胜任感作为动态中介变量，更能揭示“信息刺激–心理响应–行为意向”的完整传导链条。基于此，本研究提出以下假设：(1) 在互联网中浏览生育信息会对个人的生育意愿产生影响。具体来说，浏览积极的生育信息会提高人们的生育意愿；浏览消极的生育信息会降低人们的生育意愿。(2) 育儿胜任感在浏览生育信息和生育意愿中起到中介作用，模型假设见图1。
Figure 1. Model assumptions
图1. 模型假设
3. 研究设计
3.1. 研究对象
采用方便抽样法抽取340名在校大学生进行线上和线下相结合的问卷调查，测量大学生生育意愿、生育信息关注度及不同情绪效价生育信息的浏览、育儿胜任感等状况。回收整理后获得314份有效问卷，有效率92.3%。其中男性115人，女性199人，经G*Power计算得到N = 119，本研究所纳入问卷数量足够。
3.2. 研究工具
3.2.1. 生育意愿
本研究测量了生育意愿的两个方面：理想生育数量与实际生育数量[25]。共包括两道题，询问参与者“如果不考虑生育政策和其他条件，您认为一般家庭有几个孩子最理想”以及“您自己希望生育几个孩子”，回答分别为0个、1个、2个、3个及以上。
3.2.2. 生育信息
对黄君洁编制的亲子信息量表进行了修订[26]，形成了生育信息的情绪效价关注度量表，量表的修订参照Hyeseung Yang的自我肯定量表修订方法[27]。生育信息关注度量表包括两个子量表，分别是浏览积极的生育信息和浏览消极的生育信息。共12道题目，积极生育信息的影响如，当我看到恋爱视频里的甜蜜互动时，我的生育意愿会增强。消极生育信息的影响如，当我在网络上看到养育孩子要花费大量金钱和时间，我的生育意愿会降低。采用李克特五级计分方式，选项由非常同意、同意、不确定、不同意、非常不同意构成。该量表Cronbach’s α系数为0.83。
3.2.3. 育儿胜任感
本项研究运用中文版育儿胜任感量表(PSOC) [28]，该测量工具分为两个部分：效能分量表和满意度分量表，共17个条目，每个条目均按照6级评分(从“绝对不同意”到“绝对同意”)。效能分量表包含8个条目，满意度分量表包含9个条目。得分越高则表明其在育儿方面具有更高的胜任感。育儿胜任感量表的Cronbach’s α系数为0.82，具有良好的信效度[29]。
3.2.4. 其他的测量
此外，还对大学生的预期生育年龄和生育偏好进行了调查。为了更好地了解当代大学生对于生育政策的了解，还调查了相关政策措施对大学生生育意愿的。
3.3. 统计方法
在对数据样本进行收集后，我们运用SPSS25.0和Hayes的SPSS宏程序PROCESS，对数据进行了整理和分析。
4. 结果分析
4.1. 相关分析
相关分析结果参见表1，实际生育数量与浏览积极生育信息、育儿胜任感、理想生育数量显著正相关(r = 0.471, p < 0.01; r = 0.385, p < 0.01; r = 0.5, p < 0.01)，与浏览消极的生育信息呈显著负相关(r = −0.227, p < 0.01)。育儿胜任感与浏览积极生育信息的和理想生育数量呈显著正相关(r = 0.353, p< 0.01; r = 0.248, p < 0.01)，与浏览消极生育信息 显著负相关(r= −0.434, p < 0.01)。生育信息关注度与浏览积极生育信息和浏览消极生育信息都显著正相关(r= 0.357, p< 0.01; r = 0.24, p < 0.01)。
Table 1. Correlation coefficient matrix of research variables
表1. 研究变量相关系数矩阵
变量 |
1 |
2 |
3 |
4 |
5 |
6 |
(1) 育儿胜任感 |
1 |
|
|
|
|
|
(2) 理想生育数量 |
0.248** |
1 |
|
|
|
|
(3) 实际生育数量 |
0.385** |
0.500** |
1 |
|
|
|
(4) 生育信息关注度 |
0.045 |
−0.088 |
0.085 |
1 |
|
|
(5) 浏览积极生育信息 |
0.353** |
0.266** |
0.471** |
0.357** |
1 |
|
(6) 浏览消极生育信息 |
−0.434** |
−0.125** |
−0.227** |
−0.240** |
−0.110 |
1 |
注：*p < 0.05，**p < 0.01，***p < 0.001，下同。
4.2. 假设检验
4.2.1. 差异检验
Kruskal-Wallis [30]检验是一种针对非参数多样本比较的统计学检验方法(表2)，它不需要考虑总体概率分布的正态性，因此可以使用该方法来验证浏览不同情绪效价得生育信息和生育意愿之间是否存在差异。原假设为浏览积极或消极生育信息与生育意愿之间不存在差异。结果表明，无论是浏览积极生育信息还是消极生育信息都会对生育意愿产生影响，因此拒绝原假设，二者之间存在统计学差异。此外，差异检验结果表明，生育意愿在生产、教育、家庭方面的生育信息关注度上都存在显著性差异。
Table 2. Results of the Kruskal-Wallis test for fertility information (N = 314)
表2. 生育信息Kruskal-Wallis检验结果(N = 314)
|
实际生育数 |
N |
秩均值 |
检验统计量 |
浏览积极生育信息 |
0个 |
129 |
106.13 |
|
1个2个 |
91 |
181.84 203.85 |
73.665*** |
93 |
3个及以上 |
1 |
258.5 |
|
浏览消极生育信息 |
0个 |
129 |
182.19 |
|
1个2个 |
91 |
145.09 136.89 |
18.536*** |
93 |
3个及以上 |
1 |
18.5 |
|
4.2.2. 中介效应分析
使用PROCESS分析育儿胜任感是否在浏览互联网中生育信息和生育意愿之间起中介作用。本研究以实际生育数量来衡量生育意愿。控制性别、年龄、社会地位、年级、是否是独生子女和单亲家庭的条件，分析以浏览不同情绪效价得生育信息为自变量，以育儿胜任感作为中介变量，生育意愿为因变量所构成的模型是否成立。
首先，分析育儿胜任感在浏览积极生育信息的和生育意愿之间的关系。结果表明(见表3)，在互联网上浏览积极生育信息对生育意愿的预测作用显著(β = 0.058, p < 0.001)，当纳入中介变量育儿胜任感后，浏览积极生育信息对生育意愿的直接预测作用仍然显著(β = 0.048, p < 0.001)。浏览积极生育信息对育儿胜任感有显著的预测作用(β = 0.569, p < 0.001)，育儿胜任感对生育意愿的预测作用也显著(β = 0.019, p< 0.001)。
为了进一步检验中介效应，进行了5000次的Bootstrap重复抽样检验。结果表明(见表4)，育儿胜任感的中介效应95%的置信区间不包含0，则说明拒绝原假设，即浏览积极生育信息的可以通过育儿胜任感间接预测生育意愿，中介效应为0.011，效应占比为19%。
Table 3. Regression analysis of the relationship between variables in the mediation model (N = 314)
表3. 中介模型中各变量关系的回归分析(N = 314)
|
模型一 |
模型二 |
模型三 |
|
β |
t |
β |
t |
β |
t |
浏览积极生育信息 |
0.058 |
7.948*** |
0.569 |
6.212*** |
0.048 |
6.281*** |
育儿胜任感 |
|
|
|
|
0.019 |
4.228*** |
R2 |
0.265 |
0.196 |
0.306 |
F |
18.437*** |
12.464*** |
19.225*** |
注：模型1：浏览积极生育信息预测生育意愿；模型2：浏览积极生育信息预测育儿胜任感；模型3：浏览积极生育信息和育儿胜任感共同预测生育意愿。
Table 4. Total effect, direct effect and intermediate effect of positive information
表4. 积极信息的总效应、直接效应、中介效应分解表
|
Effect |
BootSE |
BootLLCI |
BootULCI |
效应占比 |
总效应 |
0.058 |
0.007 |
0.044 |
0.073 |
|
直接效应 |
0.048 |
0.008 |
0.033 |
0.063 |
81% |
中介效应 |
0.011 |
0.003 |
0.005 |
0.018 |
19% |
其次，分析育儿胜任感在浏览消极生育信息的和生育意愿之间的关系。结果表明(见表5)，在互联网上浏览消极生育信息对生育意愿的预测作用显著(β = −0.749, p < 0.001)，当纳入中介变量育儿胜任感后，浏览消极信息对生育意愿的预测作用不显著(β = 0.007, p = 0.446)。浏览消极生育信息对育儿胜任感有显著的预测作用(β = −0.015, p < 0.001)，育儿胜任感对生育意愿的预测作用也显著(β = 0.029, p < 0.001)。中介分析结果表明，育儿胜任感的中介效应的95%置信区间包含0，则接受原假设，浏览消极生育信息的不可以直接预测生育意愿。
Table 5. Regression analysis of the relationship between variables in the mediation model (N = 314)
表5. 中介模型中各变量关系的回归分析(N= 314)
|
模型一 |
模型二 |
模型三 |
|
β |
t |
β |
t |
β |
t |
浏览积极生育信息 |
−0.749 |
8.856*** |
−0.015 |
4.333*** |
0.007 |
0.764 |
育儿胜任感 |
|
|
|
|
0.029 |
6.155*** |
R2 |
0.219 |
0.121 |
0.217 |
F |
14.415*** |
7.011*** |
12.143*** |
注：模型1：浏览消极生育信息预测生育意愿；模型2：浏览消极生育信息预测育儿胜任感；模型3：浏览消极生育信息和育儿胜任感共同预测生育意愿。
浏览互联网中的生育信息对大学生生育意愿产生影响，其中浏览积极的生育信息的与生育意愿呈正相关，浏览消极的生育信息的与生育意愿呈负相关，假设一成立。育儿胜任感在互联网中的生育信息和生育意愿中的中介作用并不是完全成立，在浏览积极的生育信息时，中介效应显著，而在浏览消极信息时中介效应不显著。
4.2.3. 有序logistic回归分析
平行性检验结果表明，该模型的p值均大于0.05，满足采用多元有序Logistic模型的要求。模型中2倍对数似然值为569.984，似然比卡方值为105.892，都处于显著统计水平。Cox&Snell R2为0.286，Nagelkerke R2为0.322，表明模型整体拟合效果良好[31]。
根据表6可知，育儿胜任感的偏回归系数为0.043，在5%统计水平上对大学生的生育意愿呈显著的正向影响，即育儿胜任感越高，大学生群体的生育意愿越强；优势比1.044，表明其他条件不变情况下，育儿胜任感每增加1个单位，生育意愿增加1倍的可能性增加4.4%。浏览积极生育信息的偏回归系数为0.170，在1%统计水平上对大学生的生育意愿有显著的正向影响；优势比为1.185，结果表明当其他条件不变时，浏览积极生育信息的每提升1个单位，生育意愿增加 1倍的可能性就会提高18.5%。浏览消极生育信息的偏回归系数为−0.064，在10%统计水平上对大学生的生育意愿呈显著的正向影响；优势比为0.938，表明在其他条件不变的情况下，浏览消极生育信息每增加 1个单位，生育意愿增加1倍的可能性将减少6.2%。
Table 6. Ordered logistic regression model affecting fertility intention
表6. 影响生育意愿的有序logistic回归模型
|
β |
标准误 |
Wald |
p |
OR |
育儿胜任感 |
0.043 |
0.014 |
9.504 |
0.002 |
1.044 |
浏览积极生育信息 |
0.170 |
0.025 |
47.039 |
0.000 |
1.185 |
浏览消极生育信息 |
−0.064 |
0.026 |
5.819 |
0.016 |
0.938 |
5. 讨论
本研究结果表明，当代大学生在互联网中能够主动或者被动浏览到生育信息的频率为中等水平，其中对于婚恋、家庭等社会问题的关注程度最高，对女性怀孕、生产、育儿等相关科普内容关注程度次之。随着大学生对生产、养育、家庭等生育信息的关注程度越高，人们对于生育这件事情的认识将越来越全面和深刻，在做出生育决策时考虑到的因素会更多。生育动机也越来越多样化。从“养儿防老”和“宗族观念”到“响应国家号召”再到“喜欢孩子”和“获得亲密与愉悦”，互联网信息传播和网络舆情反映了代际生育观念的变化[32]。此外，随着低生育意愿的表现，晚育现象尤为突出。1990~2020年间，女性初育平均年龄由24.3岁升至27.9岁，生育平均年龄由25.8岁升至29.7岁[33]。本研究中，大学生的生育预期年龄集中在25至30岁(占52.2%)和31至35岁(占28.7%)。生育偏好也发生了显著变化，过去偏爱男孩的传统观念逐渐改变，约28%的大学生表示不在意孩子性别，26.8%的大学生希望生一男一女。
在全球生育率都降低的情况下，大学生群体作为育龄人群的主力之一，他们的生育意愿十分重要。在本研究中，大学生的理想生育意愿显著大于实际生育意愿，理想状态下育儿数量1个及1个以上的人数占比达87.6%，但相比理想状态下，实际情况下育儿数量1个及一个以上人数占比降低至59.9%。大部分人对生儿育女这件事本身并不排斥，但社会、经济、文化、教育、性别不平等、政策等一系列主客观因素导致了生育意愿下降。而互联网中的生育信息就在其中扮演了一个重要角色。一方面，互联网为人们提供了更广泛、更快捷、更开放的信息交流和共享途径，推动了社会文化的快速变革和发展。但另一方面，互联网也带来了一些社会问题，比如信息泛滥、网络暴力等，在一定程度上加深了社会、文化、性别等方面的不平等现象。本研究表明，浏览消极的生育信息对大学生生育意愿的要比浏览积极的生育信息的大。一方面，可能是出于人们的自我保护心理。个体对于自身安全和幸福的追求，使其更容易关注和担忧潜在的、可能带来负面影响的事件，以便及时采取措施来保护自己，对于网络中消极的生育信息，使尚未有相关经历的大学生感知到生育的风险以及损失，而出于人的本能，这些信息或多或少会在意识层面和潜意识层面影响个体的生育意愿。另一方面，在人际交往中，人们通常会依赖他人的意见和反应来评估自己的观点、态度和行为。由于负面信息在社会交往中可能对关系和行为产生更大的负面影响，因此人们可能更加关注和重视负面信息[34]-[36]。
本研究进一步探讨了育儿胜任感在生育意愿中的中介作用。结果表明，育儿胜任感在浏览积极生育信息与生育意愿之间具有显著的中介作用，而浏览消极信息则未能显著影响育儿胜任感及生育意愿。育儿胜任感较强的人更容易对积极信息产生反应，认为自己有能力应对育儿挑战，从而增强生育意愿。反之，消极信息对育儿胜任感的影响较小，尤其是对于已具备一定育儿信心的人群。然而，对于育儿胜任感较低的个体，不论其接触到何种信息，都难以增强其生育意愿。因此，提升低育儿胜任感人群的自信心与效能感，是促进其生育意愿的关键措施。同时，社会应关注性别差异和经济状况对育儿胜任感的影响。研究发现，男性的育儿胜任感普遍高于女性，而性别角色刻板印象和社会期望是影响女性育儿胜任感的主要因素。传统观念将女性视为孩子主要照顾者，母亲承受更多的育儿责任，这可能导致女性的育儿压力和焦虑感。此外，女性在育儿能力上的自我评价也受到较大影响，往往与其他母亲进行比较，进而影响她们的自信心[37]-[40]。
关于生育政策的认知与影响，调查结果显示，大学生对生育政策的了解程度为中等，其中约50%的大学生了解生育政策，34.4%了解国家生育政策，并且72%的大学生认为生育政策对他们的生育意愿产生了影响。在各项生育政策中，对大学生影响最显著的包括减少就业歧视、延长产假、降低教育成本、保障婴幼儿产品价格、降低医疗成本、提供经济补贴等。针对以上情况，本文提出以下对策：(1) 提供更多的生育政策和福利，减轻年轻人压力，鼓励生育；(2) 提高生育宣传教育力度，通过课堂、校园活动等形式加深年轻人对生育的了解，提升生育知识的普及率；(3) 增加子女托管服务，减轻年轻人在工作与学习中的育儿压力；(4) 加强婚姻法律保障，鼓励大学生积极考虑婚姻和生育问题；(5) 提供全面的生育保障，包括生育津贴、医疗补贴、育婴假等，以增强生育信心；(6) 加强社会支持，政府、学校和社会组织应提供更多的育儿支持，如育婴知识培训、托儿所、孕妇和新生儿护理服务等。
本研究存在以下局限性：① 样本代表性方面，研究对象集中于在校大学生群体(平均年龄21.24岁)，其年龄、职业背景和教育程度相对同质化，可能限制结论的普适性，尤其大学生尚未完全进入婚育阶段，其对生育问题的认知可能与实际育龄人群(如25~40岁职场青年、自由职业者)存在差异。② 研究方法层面，主要依赖横断面问卷调查，尽管通过量表修订保证了工具效度，但单一方法难以捕捉生育决策的动态性(如婚恋状态、职业发展对意愿的阶段性影响)，未来需结合纵向追踪、深度访谈或实验法以揭示因果机制。③ 变量关系复杂性，中介模型仅验证育儿胜任感的单一路径，未纳入经济压力感知、社会支持等潜在调节/中介变量，例如消极生育信息可能通过加剧经济焦虑抑制生育意愿，而积极信息可能通过增强社会归属感提升意愿，建议后续构建整合性别角色观念、政策信任度等多维变量的理论框架，并运用结构方程模型解析复杂路径。④ 统计分析稳健性，尽管采用Bootstrap法检验中介效应，但未充分评估模型对异常值、共线性和测量误差的敏感性，需通过多重插补法处理缺失数据、分性别/家庭结构的子样本分析、工具变量法控制内生性及验证性因子分析优化量表效度，从而增强结论的可靠性。
随着互联网的不断发展，人们对于生育信息的需求日益旺盛，生育领域的信息化程度也将会不断提高，在涉及生育领域的相关信息将会更加丰富、全面、精准，涵盖从备孕到生育再到育儿的全过程。同时，在信息技术的支持下通过智能化的手段，未来将更好地实现各类生育信息的科学化、规范化处理，从而更好地服务于人们的需求。育儿胜任感的提高也将成为育儿教育中的重要议题。在互联网中的信息如果运用得当能够适当地提高个体的育儿胜任感。通过构建在线育儿教育平台，提供教育资源、解答困惑等服务，帮助育龄或非育龄群体了解和掌握科学的育儿知识和技巧。同时，可以利用VR、AR等技术手段来模拟生产及育儿等场景，让个体更好地了解实际情况，培养科学生育的观念和方法从而减少个体对生产或育儿的恐惧，提高个体的生育意愿。最后，通过大数据、人工智能等技术手段，构建育儿胜任感评估模型，透过育儿行为和心理表现的数据分析，为抚养者制定针对性的育儿教育计划从而让父母和孩子们能够享受到更好的生活。
6. 结论
在本研究中得到如下结论：(1) 在互联网中浏览生育信息会对个人的生育意愿产生影响。具体来说，浏览积极的生育信息会提高大学生的生育意愿，浏览消极的生育信息会降低人们的生育意愿，而且浏览消极生育信息的比浏览积极生育信息的更大。(2) 育儿胜任感在浏览积极生育信息和生育意愿中起到中介作用，即在互联网上浏览积极的生育信息通过增强育儿胜任感进而增强生育意愿。
NOTES
*共一作者。
#通讯作者。