1. 引言
随着社交媒体的不断发展，一种前所未有的监视文化正在出现并催生了一种独特的社会文化现象——监视型社交(胡泳，2023)。社交平台技术架构所内嵌的监视可供性，构筑起一个近似“全景监狱”的数字化场域，置身其中的个体被持续性地转化为可量化、可追踪、甚至可交易的数据实体。用户为参与平台互动与自我呈现，往往需要让渡部分个人隐私，这种行为在客观上极大地促成了用户间相互审视的监视型社交实践。根据中国互联网络信息中心(CNNIC)在北京发布的第52次《中国互联网络发展状况统计报告》，截至2023年6月，中国网民数量已增长至1.79亿人，相较于2022年12月，新增网民数量达到1109万人，互联网普及率高达76.4%。伴随互联网基础设施的高度普及与社交平台应用的迅猛扩张，监视型社交拥有了空前庞大的实践主体与技术基础。用户在社交平台上主动或被动披露的个人主页信息、注册资料以及碎片化的生活动态分享，构成了权力运作、资本逻辑以及用户间相互监视行为的核心信息源。在此背景下，本文致力于探究的核心问题是：社交媒体中普遍存在的监视型社交模式，究竟如何形塑并影响监视行为主体与被监视对象之间的社交关系动态？更进一步，这种持续的监视型社交实践，是否会显著诱发监视者自身的社交焦虑体验？
2. 文献综述及研究假设
2.1. 监视型社交及其与社交焦虑的关系
“监视型社交”意为用户在使用社交媒体的过程中彼此查看对方的社交帐号，社交媒体的可得性与社交信息的数字化强化了此类行为，从而让社交媒体用户更加注重在社交平台上的自我管理与指导(胡泳，2023)。从理论谱系看，监视研究的历史可以追溯到18世纪英国哲学家杰里米·边沁提出的“全景敞视监狱”概念，其核心在于通过不对称的可见性实现权力控制。在1977年，米歇尔·福柯在其著作中对“全景监狱”的概念进行了重新诠释和拓展并将该概念进一步延伸至现代社会的学校、工厂、医院等各种机构，他认为“权力”强迫现代人进行自我审查与自我规训(Foucault, 1995)，此时监视本质上是制度性权力施加的单向控制行为。
进入数字时代后，齐格蒙特·鲍曼在其著作《液态监视》中指出，监视的形式已经发生了显著变化，“全景监视”逐渐发展为一种去中心化的“液态监视”，个人既可以是监视主体也可以是监视客体(Bauman & Lyon, 2013)。本文的核心概念“监视型社交”正是鲍曼理论在微观人际层面的具象化实践，但其存在根本性创新在于它剥离了制度性压迫的强制底色，转而以社交关系维系、社会比较心理与信息窥探欲为原生驱动力，本质上是一种基于算法平台、发生于同伴网络中的“横向液态监视”，所谓横向监视是指同伴之间，朋友亲戚和配偶的点对点的监督(Marwick, 2012)。西方学界聚焦的“Facebook跟踪”指用户高频次、地毯式检索好友动态，如翻查十年前照片、追踪点赞记录(Kennedy, 2009)，中国语境下，微博的“考古”行为及微信朋友圈的“三天可见”博弈，皆是监视型社交的典型表征。尤其值得关注的是跨平台监视现象——当用户惯常的媒介使用边界被打破，即形成数字空间中的“越界凝视”。这种非常规的跨平台信息跟踪行为，打破了用户在单一社交媒体平台上的常规互动模式，引发了被关注者的强烈“隐私侵犯感”。对于那些长期通过某一特定社交媒体平台进行联络和交往的用户而言，当他们突然遭遇来自其他平台的搜索、关注或信息查看行为，如微信好友在微博平台上对其的关注，这种行为形成了一种特殊的媒介使用情景。这种跨平台的信息跟踪不仅打破了用户原有的媒介行为模式，还冲破了原本的媒介交往情境和意义场域，常常会促使被观看者生一种来自他者的“监视感”，学者朱戈认为在跨平台监视中，用户对待监视对象存在态度差异，在强关系中，监视行为很大程度上无伤大雅，但是在弱关系中，此种行为甚至会带来双方关系的直接破裂(朱戈，2023)。基于此本篇文章提出第一个研究问题和研究假设：
问题一：用户在使用社交媒体进行监视的过程中，监视的可见性与社交焦虑关系如何？
H1：监视型社交正向影响社交焦虑。
2.2. 监视型社交与负向评价恐惧
监视型社交中，用户可能会因为担心自己的行为被他人察觉而产生负向评价恐惧。例如，用户在查看他人动态时，可能会担心自己的行为被误解为窥探或不礼貌，从而引发对负面评价的恐惧(Villarosa & Hurlocker, 2014)。此外，社交媒体的透明性和信息传播速度使得用户的社交行为更容易被他人察觉和评价，这种环境进一步加剧了负向评价恐惧的可能性。研究表明，文化背景对负向评价恐惧的影响不容忽视。不同文化背景下，个体对负面评价的敏感性存在差异。例如，亚洲文化中强调集体主义和他人评价的重要性，个体可能更容易因担心负面评价而产生负向评价恐惧，而在西方文化中，个体主义更为突出，个体可能更关注自我表达和个人成就，对负面评价的恐惧相对较低(Matsumoto & Juang 2016)。这种文化差异在社交媒体环境中表现得尤为明显，社交媒体的全球性使得不同文化背景的用户更容易相互接触和比较，从而加剧了负向评价恐惧的可能性。个体的心理特质，自我构念也会在监视型社交与负向评价恐惧的关系中起到重要作用。近年来，一些研究开始关注监视型社交与负向评价恐惧之间的因果关系。学者Villarosa通过实验设计或纵向研究，研究发现监视型社交行为确实会导致负向评价恐惧的增加。社交媒体的特定功能，如点赞、评论、分享也可能对这种关系产生影响，点赞功能可能被视为一种社会支持，但也可能被误解为监视行为，从而引发负向评价恐惧，用户在查看他人动态时，可能会担心自己的行为被他人误解或负面评价，从而引发焦虑情绪，而社交媒体的账号追踪功能进一步放大了这种担忧，用户可能会因为担心自己的监视行为被他人察觉而感到不安(Villarosa & Hurlocker, 2014)。基于此，本文提出以下假设：
H2：监视型社交正向影响个体的负向评价恐惧。
2.3. 负向评价恐惧与社交焦虑
社交焦虑的形成与多种因素相关，其中评价恐惧是关键因素之一(Rapee & Heimberg, 1997; Weeks, et al., 2008)。评价恐惧可以细分为负向评价恐惧和正向评价恐惧。负向评价恐惧是指个体在社交场合中对他人可能给予的负面评价所产生的一种恐惧心理，这种恐惧体现了个体对他人负面评价的担忧、困扰以及对负面评价的预期(Weeks & Howell, 2012)。过往的实证研究已经深入探讨了负向评价恐惧与社交焦虑之间的关系，并一致指出，负向评价恐惧是社交焦虑的重要影响因素(Cheng et al., 2015)。Villarosa和Hurlocker等人的研究进一步表明，个体的负面评价恐惧水平越高，其社交焦虑的程度也越高(Villarosa-Hurlocker et al., 2018)。
社交焦虑是一种在社交情境中因担忧被他人审视或害怕遭受负面评价而引发的显著且持续的恐惧情绪(Vahia, 2013)。这种恐惧并非基于现实威胁，而是源于个体对社交情境的过度担忧和负面预期。社交焦虑对个体的日常生活、心理健康以及社会功能有着显著的负面影响。研究发现社交焦虑与自杀意念之间存在显著的正相关关系(Buckner et al., 2016)，这表明社交焦虑患者可能因长期的心理压力和社交回避而产生极端的负面情绪。此外，社交焦虑还与个体的幸福感呈显著的负相关(Maricic & Stambuk, 2015)，意味着患者往往难以体验到正常社交互动带来的愉悦感和满足感。从流行病学角度来看，社交焦虑的发生率相对较高，相关调查数据显示其发生率在7.1%到7.9%之间(Stefan et al., 2010; Stein & Stein, 2008)这表明社交焦虑是一个较为普遍的心理健康问题，值得社会和学术界的广泛关注。在社交媒体平台上，当个体感知到自己的监视行为被察觉后，由于社交平台可以进行账号追踪，个体对于自己在社交平台上的负向评价恐惧与个体的社交焦虑关系如何值得探讨，基于此提出以下假设：
H3：个体的负向评价恐惧正向影响社交焦虑。
H4：个体的负向评价恐惧在监视型社交与社交焦虑中起中介作用。
3. 研究方法
3.1. 样本与数据收集
本研究运用问卷调查法回收数据，并向“问卷星”样本库集中投放问卷，向大样本库数据投放问卷可以减少样本人际限制，地域限制等问题。本研究问卷发共收集307份回复问卷，因为本研究的样本对象是互联网青年群体，年龄限制在40岁以下，因此本问卷需剔除年龄值缺乏以及年龄过大的无样本，此外，为保证数据质量真实可靠，还需剔除掉作答时长过长和过短，以及其他极端数值的问卷，最终保留有效问卷266份，问卷有效回收率为86.6%。在数据分析过程中，本研究运用SPSS 24.0软件对样本数据进行描述性统计分析，以全面了解各变量的基本特征和分布情况。此外，为了进一步验证研究模型的结构合理性和假设的有效性，本研究还借助AMOS 29.0软件进行了验证性因子分析和假设检验。
3.2. 变量的测量及其信效度的检验
3.2.1. 监视型社交
该部分量表借鉴Tokunaga (2011)编制的人际电子监视量表，量表评分方式采用1到5的五点量表，其中1表示“和我完全不符合”，5表示“和我完全符合”，共有6个条目，分值越高，表示被试的监视型社交程度越强烈。本量表Cronbach’s α为0.845，KMO值达到0.863，Bartlett球形检验的p值小于0.001，且累积方差贡献率为62%，这些结果表明量表的信度和效度检测均表现良好，适合进行后续的因子分析，表明编译后该量表效度和信度可以接受。
3.2.2. 负向评价恐惧
该部分量表的编制借鉴Leary (Leary, 1983a)编制的简版负向评价恐惧量表，量表评分方式采用1到5的五点量表，分数越高表示被试的负向评价恐惧程度越高，本维度共有4个条目，在本研究中，量表的Cronbach’s α系数为0.633，表明量表的内部一致性达到可接受水平。KMO值为0.765，Bartlett球形检验的p值小于0.001，均显示数据适合进行因子分析。此外，累积方差贡献率为59%，说明提取的因子能够较好地解释变量的变异，整体信度和效度检测结果较为理想。
3.2.3. 社交焦虑
该部分量表借鉴Leary (Leary, 1983b)编制的交往焦虑量表的中文版。以上量表均采用从1 (和我完全不符合)到5 (和我完全符合)的评分方式，分值越高表示被试社交焦虑程度越深，本维度共5个条目。在本研究中，量表的Cronbach’s α系数为0.875，表明量表具有较高的内部一致性，信度良好。KMO值为0.868，接近1，说明变量之间的偏相关性较强，适合进行因子分析。同时，Bartlett球形检验的p值小于0.001，进一步验证了数据的相关性结构适合因子分析，累积方差贡献率达到67%，表明提取的因子能够有效解释大部分变量的变异，说明量表的效度较高。综上所述，本研究的量表在信度和效度方面均表现良好，适合用于后续分析。
4. 研究发现与结论
4.1. 描述性统计分析与相关性分析
本次研究对象主要是青年群体，问卷样本年龄段集中在18~24岁以及25~30岁，表1给出了变量监视型社交、负向评价恐惧、和社交焦虑的平均值、标准差以及变量间的皮尔逊积差相关系数。数据结果显示发现，各变量之间的相关性均达到显著性水平，其中监视型社交与负向评价恐惧呈正相关(r = 0.171, p < 0.01)；负向评价恐惧与社交焦虑高度正相关(r = 0.582, p < 0.001)。监视型社交与社交焦虑的直接相关性虽显著(r = 0.175, p < 0.01)但系数较低。
Table 1. Correlation analysis results
表1. 相关性分析结果
|
监视型社交 |
负向评价恐惧 |
社交焦虑 |
监视型社交 |
0.71 |
|
|
负向评价恐惧 |
0.171** |
0.68 |
|
社交焦虑 |
0.175** |
0.582*** |
0.77 |
M |
3.15 |
3.48 |
3.33 |
SD |
0.85 |
0.82 |
0.88 |
说明：*p < 0.05，**p < 0.01，***p < 0.001；对角线处的值为平均方差抽取值(AVE)的平方根。
4.2. 验证性因子分析
Table 2. CFA (N = 266)
表2. 验证性因子分析(N = 266)
模型参数估计值 |
收敛效度 |
潜变量 |
题项 |
标准误S.E. |
标准化后的因子载荷 |
p |
SMC |
CR |
AVE |
监视型社交 |
T1 |
1 |
0.697 |
|
0.486 |
0.86 |
0.51 |
T2 |
1.053 |
0.69 |
*** |
0.476 |
T3 |
1.128 |
0.74 |
*** |
0.548 |
T4 |
1.12 |
0.71 |
*** |
0.504 |
T5 |
1.01 |
0.674 |
*** |
0.454 |
T6 |
1.244 |
0.788 |
*** |
0.62 |
续表
负向评价恐惧 |
T5 |
1 |
0.679 |
|
0.461 |
0.77 |
0.46 |
T6 |
1.004 |
0.656 |
*** |
0.43 |
T7 |
1.099 |
0.719 |
*** |
0.517 |
T8 |
1.067 |
0.643 |
*** |
0.413 |
社交焦虑 |
T9 |
1 |
0.789 |
|
0.623 |
0.88 |
0.59 |
T10 |
1.001 |
0.758 |
*** |
0.575 |
T11 |
1.001 |
0.832 |
*** |
0.692 |
T12 |
0.868 |
0.718 |
*** |
0.516 |
T13 |
0.908 |
0.731 |
*** |
0.534 |
为确保测量模型的信度与效度，本研究运用验证性因子分析(CFA)对各潜变量进行检验。如表2所呈现，所有题项的标准化因子载荷量均超过0.5，并且在p < 0.001的水平上显著。各潜变量的组合信度(CR值)范围在0.77至0.88之间，均高于0.7的接受标准；平均方差提取值(AVE值)均高于0.36，这表明测量模型具有良好的收敛效度。此外，各变量AVE值的平方根(见表2对角线数值)均高于其与其他变量的相关系数，这进一步证明了判别效度的可靠性。
4.3. 假设检验
本研究主要探讨监视型社交对社交焦虑的影响机制，为验证负向评价恐惧的中介效应，本研究借助AMOS 29.0构建结构方程模型，深入探究监视型社交、负向评价恐惧与社交焦虑之间的相互作用路径，并细致分析三者之间的总效应、直接效应及中介效应。如表3所示，结构方程模型的卡方值与自由度比值维持在1至2的合理区间内。此外，RFI、CFI、NFI、TLI、IFI、GFI等拟合指标均显著高于0.9，AGFI、RFI指标处于0.8至0.9之间且接近0.9，近似误差均方根RMSEA低于0.08。这些结果表明，结构方程模型的拟合效果良好，整体适配度较高。
Table 3. Fitting situation of structural equation model (N = 266)
表3. 结构方程模型的拟合情况(N = 266)
|
X2/df |
GFI |
AGFI |
TLI |
IFI |
CFI |
RMSEA |
RFI |
NFI |
参考标准 |
1~2 |
>0.9 |
>0.9 |
>0.9 |
>0.9 |
>0.9 |
<0.08 |
>0.9 |
>0.9 |
本文模型 |
1.847 |
0.927 |
0.899 |
0.947 |
0.956 |
0.956 |
0.057 |
0.891 |
0.910 |
4.3.1. 直接效应检验
根据图1和表4分析可知，用户的监视型社交行为正向影响其负向评价恐惧(β = 0.195, p < 0.01)，即个体在社交媒体上的监视行为越频繁，对他人负面评价的担忧程度越高，假设H2被支持；负向评价恐惧显著正向影响社交焦虑(β = 0.683, p < 0.001)，表明个体对负面评价的恐惧程度越强，其社交焦虑水平也越高，假设H3成立。然而，监视型社交对社交焦虑的直接效应值为0.055且不显著(p > 0.05)，说明监视型社交并非直接导致社交焦虑，而是需通过中介变量发挥作用，假设H1未被直接支持。此外，监视型社交对社交焦虑的直接效应值很小且不显著(C.R < 1.96, p > 0.05)，表明该路径中存在显著的中介作用，具体效应需结合后续中介分析进一步阐释。此外，直接效应不显著的结果与相关性分析中监视型社交与社交焦虑的显著正相关(r = 0.175, p < 0.01)形成对比，这提示变量间可能存在非线性关系或受其他潜在中介变量调节，需在讨论部分深入解释。
Figure 1. Structural equation modeling diagram
图1. 结构方程模型图示
Table 4. Path coefficient
表4. 路径系数(n = 266)
|
非标准化系数 |
标准化系数 |
S.E. |
C.R. |
p |
A→B |
0.150 |
0.195 |
0.058 |
2.564 |
** |
B→C |
0.846 |
0.683 |
0.108 |
7.867 |
*** |
A→C |
0.052 |
0.055 |
0.058 |
0.905 |
0.366 |
说明：A为监视型社交，B为负向评价恐惧，C为社交焦虑。
4.3.2. 总效应及中介效应检验
本研究采用偏差校正的百分位Bootstrap法检验中介效应，设置Bootstrap样本量为5000，通过95%置信区间(置信下限LLCI与上限ULCI)评估效应显著性。若置信区间不包含0，则表明效应显著。检测结果如表5所示。根据表5分析，监视型社交对社交焦虑的总效应值为0.181 (p < 0.05)，表明监视型社交行为整体上显著加剧个体的社交焦虑水平，假设H1得到支持，表明用户在使用社交媒体监视的过程中，社交监视程度越大，社交焦虑情况越明显，问题一得到回答；直接效应值为0.08 (p > 0.05)不显著，而间接效应通过负向评价恐惧的中介路径达到0.101，中介效应占比为55.8%。这一结果印证了负向评价恐惧在监视型社交与社交焦虑间的中介作用，H4成立，且中介效应贡献超过总效应的一半，凸显其核心解释力，但是，尽管总效应显著(β = 0.181, p < 0.05)，但直接效应不显著(β = 0.08, p > 0.05)与中介效应显著(β = 0.101, p < 0.05)的对比表明：监视型社交对社交焦虑的影响完全由负向评价恐惧传递。然而，根据Zhao等的建议，本研究避免使用“完全中介”的表述，转而强调间接效应的统计显著性及效应量占比(55.8%)，以规避因效应量微小导致的过度解读风险[27]。此外，直接路径的不显著可能暗示存在其他潜在中介变量，如隐私风险感知或自我呈现压力等，需在后续研究中进一步探索。
Table 5. Bootstrap method detection results
表5. Bootstrap方法检测结果(N = 266，Bootstrap样本量为5000)
|
效应类型 |
效应值 |
se |
LLCI |
ULCI |
中介效应比 |
监视型社交→社交焦虑 |
总效应 |
0.181 |
0.063 |
0.057 |
0.304 |
55.8% |
监视型社交→社交焦虑 |
直接效应 |
0.080 |
0.053 |
−0.023 |
0.184 |
监视型社交→负向评价恐惧→社交焦虑 |
间接效应 |
0.101 |
0.046 |
0.015 |
0.192 |
5. 讨论
本研究揭示了监视型社交、负向评价恐惧与社交焦虑之间的复杂作用机制。研究发现，监视型社交行为虽与社交焦虑呈显著正相关，但其直接影响路径并不显著，而是通过负向评价恐惧的中介作用间接加剧社交焦虑水平。这一发现表明，社交媒体中的监视行为本质上是一种隐性规训工具，其核心作用并非直接引发焦虑，而是通过重构个体的社会认知框架——即对他人负面评价的过度敏感化，最终导致心理秩序的失衡。这一结论与福柯的“全景监狱”理论形成呼应：社交媒体的监视可供性将用户置于持续可见的场域中，迫使个体内化“被凝视”的焦虑，进而通过自我审查实现行为规训。鲍曼的“液态监视”理论进一步解释了社交媒体监视的去中心化特征——用户既是监视的主体也是客体，这种双重身份加剧了社交关系中的不确定性，从而强化了负向评价恐惧的弥散性影响。负向评价恐惧在监视型社交与社交焦虑之间起中介作用，这一结果与社交焦虑的认知行为模型高度契合：个体对社交情境的威胁性评估如“他人会否定我的行为”，会触发过度警觉，进而形成恶性循环。本研究的创新之处在于，首次将监视行为从技术可供性视角延伸至心理认知层面，揭示了“监视–评价恐惧–焦虑”的递进式作用链条，为解释社交媒体权力运作的微观心理机制提供了新的理论切口。
尽管本研究验证了负向评价恐惧在监视型社交与社交焦虑之间的重要中介作用，但需要指出的是，社交媒体环境下的心理影响机制具有高度复杂性。本研究聚焦于负向评价恐惧这一关键路径，但未能完全排除其他潜在中介变量的可能性。如隐私担忧，自我呈现压力等，监视型社交行为本身可能直接引发用户对其在线隐私被侵犯的担忧，而个体在意识到自身行为可能被他人监视的情境下，用户可能会感受到更强的自我呈现压力，即需要更精心地管理和塑造自己在平台上的形象。这种持续的“印象管理”努力本身可能成为一种压力源，消耗心理资源并诱发焦虑。特别是当用户感知到监视行为来自特定重要他人时，这种压力可能尤为显著。这些未被纳入本研究模型的变量可能在监视型社交影响社交焦虑的过程中扮演着补充性或竞争性的中介角色。此外，本研究虽然揭示了负向评价恐惧的中介作用，但未能深入探讨这一中介效应的边界条件。中介效应可能因个体差异或情境因素而发生变化。关系强度会影响个体社交焦虑的程度，如朱戈的研究所提示，监视行为发生在强关系与弱关系之间，其意义和影响可能存在显著差异。在强关系中，监视可能被视为关心或无伤大雅，引发的负向评价恐惧和焦虑可能较低；而在弱关系中，相同行为可能被视为侵扰或威胁，更容易引发高水平的负向评价恐惧和社交焦虑(朱戈，2023)。关系强度可能调节监视型社交对负向评价恐惧的影响强度，进而影响整个中介路径。在人格特质方面，个体的核心人格特质，如神经质水平、自尊水平或社交焦虑的特质倾向性，可能影响其对监视行为的敏感度以及对负面评价的易感性。此外，文化背景的影响也值得关注，集体主义文化背景下个体对他人评价的敏感性可能更高，可能放大监视型社交通过负向评价恐惧影响社交焦虑的效应。未来研究应系统性地考察这些潜在的调节变量，例如通过引入关系强度量表、人格量表作为调节变量进行有调节的中介模型分析，以明确负向评价恐惧中介作用生效的具体条件，从而提升研究结果的情境适用性和解释力，并为更具针对性的干预提供依据。
基于上述发现，本研究提出实践启示：在平台设计层面，社交媒体需优化隐私控制功能如动态浏览权限分级、跨平台追踪提示，减少用户对监视行为的被动暴露，从而降低负向评价恐惧的触发频率；在用户教育层面，应通过数字素养教育帮助用户识别“监视幻觉”，培养健康的社交媒体使用认知；在政策监管层面，需立法限制社交平台对用户行为的过度数据化监控，防止资本与权力合谋下的“监视剥削”。唯有通过技术、个体与制度的协同干预，方能破解监视型社交的规训困境，重构平等互信的网络社交生态。
研究的局限性在于样本以青年群体为主，未能涵盖中老年等数字弱势群体，而后者可能因技术适应能力差异表现出更强的负向评价恐惧，未控制用户的关系网络强度，对中介效应的影响，后续研究可引入社会网络分析法，探讨关系密度如何调节监视行为与焦虑的关系；此外，在探究负向评价恐惧的中介效应过程中未考虑社会人际关系的调节作用即强关系，弱关系将如何调节监视型社交与负向评价恐惧的关系；最后，负向评价恐惧的测量未区分“特质性”与“状态性”维度，未来需开发更精细的量表，以揭示个体差异对中介路径的潜在影响。关于监视型社交与社交焦虑之间是否还存在其他值得研究的因素以及变量尚未在本文进行研究，有待后续研究拓展。随着人工智能与算法推荐的深度渗透，社交媒体监视的形态将愈发隐蔽化与个性化，如何在技术伦理框架下平衡可见性与隐私权，或将成为下一代社交平台治理的核心命题。