1. 引言
近年来，随着科技的进步和经济的发展，网络游戏作为一种常见的休闲娱乐方式越来越受到广大人民群众的喜爱，特别是青少年群体。根据中国互联网络信息中心(CNNIC)发布的第51次《中国互联网络发展状况统计报告》数据显示，截至2022年12月，10~19岁网民占比14.3%，我国网络游戏用户规模达5.22亿，占网民整体的48.9%。《报告》显示，截至2024年6月因沉迷网络游戏而导致的个人心理健康问题、家庭问题以及社会问题也屡见不鲜，引起了极大的关注(中国互联网信息中心，2020)。以往研究更多关注于个体自身的因素与网络游戏障碍之间的关系，但是不同游戏对不同的个体吸引是不同的，因此有必要对游戏因素进行研究，探讨容易导致网络游戏障碍的高危游戏因素。这有助于我们从网络游戏的成瘾性的角度对游戏建立有效的分级制度，从而限制青少年接触不合适年龄的游戏内容，减少不良影响，保护其心理健康，同时也能够促进健康的成长，帮助青少年在娱乐中开发学习的快乐。而对于网络游戏而言能够规范市场秩序，推动内容创新，促进行业的可持续发展性。
2. 研究综述
以往对于网络游戏与网络游戏障碍之间都是从沉浸、挑战、控制的角度进行研究。根据Csikszentmihalyi的定义，“沉浸”指的是个体沉浸在某种活动中从而无视其他事物存在的一种状态，也被称为“心流”状态(Csikszentmihalyi, 1997)。沉浸普遍存在于日常生活中，随着互联网的发展，人们发现网络交往、网络游戏等活动也会导致个体的沉浸体验(李宏，利雷雳，2010)。通过高度沉浸的游戏体验能够使玩家暂时脱离现实世界，然而过度沉浸可能会导致玩家忽视现实生活，沉迷于虚拟世界，进而增加网络游戏障碍的风险。但也有些研究得到不同的结论。台湾一项对青少年网络游戏障碍间隔半年进行的交叉滞后分析研究发现，沉浸与网络游戏障碍的倾向存在负相关，并且无法有效预测网络游戏障碍的倾向(Wan & Chiou, 2006)。由此可见，沉浸与网络游戏障碍的关系还存在一定的争议。
挑战是指游戏中的任务、目标或者难度，它能够激发玩家的兴趣和动力，使他们投入更多的时间和精力(雷辉等，2023)。对于易感人群，过高的挑战可能导致挫败与焦虑，而挑战难度过低则可能导致无聊而寻求更高强度的刺激。King等人的一项研究指出，游戏的挑战性和成就系统是激发玩家持续参与的重要因素，但过度的挑战和对成就的过分追求可能会导致玩家过度投入，甚至导致网络游戏障碍的发生。由此可见，挑战会增加网络游戏障碍的风险，但是其关系还没有得到一致的定论，仍需要进一步探讨。
控制指的是玩家在游戏中能自由操纵自己的行为，对环境和结果有一定程度的感知和把控(Csikszentmihalyi, 1997)。网络游戏通常提供多种选择和自定义的选项，研究认为高控制可以使玩家感觉到游戏体验更为积极，提高游戏的满足度和沉浸感(Ryan et al., 2006)。当玩家在游戏中感到失去控制，无法停止游戏或者无法控制玩游戏的时间时，就可能出现网络游戏障碍，所以控制是增加网络游戏障碍风险的危险因素之一。
GameFlow模型是Sweetser在沉浸理论的基础上借助游戏沉浸体验的内在构成因素发展的关于游戏乐趣的娱乐评估模型，他认为玩家玩游戏的核心是为了获得乐趣。该模型包括八个要素：专注、挑战、技能、控制、明确目标、反馈、沉浸和社交互动。每个元素都包含一组在游戏中获得乐趣的标准(Sweetser & Wyeth, 2005)。GameFlow模型的最初的适用仅限于即时战略游戏，且是针对游戏开发者建立的评估模型。2020年Sweetser回顾了GameFlow模型的发展，研究发现该模型已被应用于不同的游戏体验，领域(教育培训、娱乐活动和运动康复治疗)，平台(移动端、虚拟现实等)和受众(专业的游戏开发人员、普通大众、以及儿童、残障人士等特殊人群) (Sweetser, 2020)。由此可见，GameFlow理论中的因素可以用来评估个体在游戏过程中的体验，包括快乐、满足感，并且了解这些因素是否可能导致网络游戏障碍行为的形成。
综上所述，以往研究验证了沉浸、挑战、控制等单一游戏因素既是吸引玩家的关键也是网络游戏障碍的风险因素。而GameFlow模型则为理解网络游戏障碍的发生提供了更为全面的系统性理论框架。
3. 研究设计
3.1. 研究变量及测量工具
本研究将中学生的网络游戏障碍作为因变量，采用网络游戏障碍问卷(Nine-Item Internet Gaming Disorder Scale, IGD-9)来测量。该问卷是根据DSM-5中制定的9条诊断标准编制的网络游戏障碍倾向量表来评估被试的网络游戏障碍的得分。在IGD-9中，被试需要根据自身在过去12个月的情况对9个条目进行选择，选择“是”计1分，选择“否”计0分，9个条目的计分之和为其IGD情况的总分。IGD-9的得分区间为0分至9分，被试的总分越高，代表IGD的情况越严重，总分在5分及以上，即符合IGD的诊断标准(Pontes & Griffiths, 2015)。本研究中该问卷的信度为：0.616，效度为0.745。
本研究的自变量为网络游戏因素，采用基于GameFlow理论编制的游戏因素评价问卷测量。问卷共包含8个维度，分别是：集中注意力、挑战、技能、控制、目标、反馈、沉浸和社会交互，每个维度包含的评价标准数目不同，共包含34个条目。采用6点记分法(0 = 不适用、5 = 非常好)。每个因素的得分为所包含的条目得分的平均分。本研究中信度为：0.904，效度为：0.626。
此外使用自行设计的一般情况调查表，用于收集研究对象的个人信息，包括学号、性别、年龄、年级、是否独生子女和父母亲的婚姻状况等。使用自行设计的网络游戏使用情况调查表，用于收集研究对象对网络游戏的态度、游戏时长、充值钱数、是否影响学习生活以及玩游戏的方式等信息。
3.2. 数据来源和研究方法
本实验采用分层整群抽样的方法，在某市选取初中和中职学校各一所，从初一到高三共计六个年级，每个年级随机抽取两个班级进行调查。共计回收问卷673份，剔除无效问卷，最终得到有效问卷645份。调查方式为线下的纸质问卷。网络游戏障碍组入组标准：IGD-9问卷得分 ≥ 5；正常组入组标准：IGD-9问卷得分 < 5。
3.3. 伦理学原则
经过所在学校伦理委员会的审核并通过，征得全部被试的同意并签署知情同意书，做到知情同意、自愿参与、保护隐私、可随时结束研究，在筛查评估过程中，对研究对象必须充分做到人文关怀，被试可以拒绝参加或随时终止参与，并且不会受到任何罚款或责备。
4. 结果
4.1. 描述性分析
对被试的人口学资料、网络游戏使用情况和IGD-9问卷的得分情况分别进行描述性分析，结果见下表。
Table 1. Demographic data of the participants
表1. 被试的人口学资料
变量 |
分类 |
频数 |
百分比(%) |
M ± SD |
性别 |
男 |
394 |
61.085 |
|
女 |
251 |
38.915 |
|
年龄段(周岁) |
12~15 |
350 |
54.263 |
15.360 ± 1.664 |
16~19 |
295 |
45.737 |
年级 |
初中 |
339 |
52.558 |
|
高中 |
306 |
47.442 |
|
是否独生子女 |
是 |
455 |
70.543 |
|
否 |
190 |
29.457 |
|
父母婚姻状况 |
已婚 |
519 |
80.465 |
|
离异 |
96 |
14.884 |
|
丧偶 |
30 |
4.651 |
|
由表1可知，本次调查中男性人数明显多于女性。在年龄方面，被试分布在12~19岁，平均年龄为15.360，标准差为1.664。在年级方面，初中学生与高中学生数量相差不大。在独生子女情况上，有70.543%是独生子女，有29.457%非独生子女，独生子女明显多于非独生子女。在父母的婚姻状况方面，有80.465%已婚，14.884%离异，4.651%丧偶，大部分家庭的父母婚姻关系正常。
根据表2可知，被试平均每天花在游戏上的时间在0~240分钟，平均时长为40.841分钟，标准差为30.743。平均每月在游戏中充值的金额分布在0~1000元，平均值为71.603元，标准差为108.231。对游戏的态度分三类，占比由高到低依次为：“喜欢玩，且接受监督”“喜欢玩，但不想被干涉”和“不喜欢玩”。被试中，有8名被试不玩游戏，占比1.240%。有19.844%的被试认为，玩游戏对自己的学习没有影响，有41.860%的被试认为玩游戏对自己的学习有轻微影响，26.822%的被试认为对自己的学习有显著影响。在生活作息方面，有19.85%的被试认为玩游戏对自己的生活作息没有影响，54.729%受到轻微影响但作息基本规律，24.186%受到显著影响，日夜颠倒。在游戏方式上，有37.209%的被试使用电脑，有36.589%的被试使用手机，17.209%的被试使用平板电脑，7.752%的被试去网吧。
Table 2. The participants’ online game usage
表2. 被试的网络游戏使用情况
变量 |
分类 |
频数 |
百分比(%) |
M ± SD |
平均每天的游戏时长(分钟) |
0~240 |
|
|
40.841 ± 30.743 |
平均每月在游戏中充值的金额(元) |
0~1000 |
|
|
71.603 ± 108.231 |
你的游戏态度 |
不喜欢玩 |
131 |
20.310 |
|
喜欢玩，且接受监督 |
340 |
52.713 |
|
喜欢玩，但不想被干涉 |
174 |
26.977 |
|
玩游戏是否影响你的学习 |
无影响 |
128 |
19.844 |
|
轻微影响 |
270 |
41.860 |
|
显著影响 |
173 |
26.822 |
|
不玩游戏 |
8 |
1.240 |
|
玩游戏是否影响你的作息 |
无影响，规律作息 |
128 |
19.845 |
|
轻微影响，作息基本规律 |
353 |
54.729 |
|
显著影响，日夜颠倒 |
156 |
24.186 |
|
不玩游戏 |
8 |
1.240 |
|
主要的游戏方式 |
电脑 |
240 |
37.209 |
|
手机 |
236 |
36.589 |
|
平板电脑 |
111 |
17.209 |
|
网吧 |
50 |
7.752 |
|
不玩游戏 |
8 |
1.240 |
|
根据评分标准，IGD-9得分 ≥ 5可诊断为具有网络游戏障碍，IGD-9得分 < 5则无网络游戏障碍。因此根据表3可知，本研究共筛查出具有网络游戏障碍的个体86人，无网络游戏障碍的个体559人，计算可得在该群体中网络游戏障碍的流行率为13.33%，这一结果与当前网络游戏障碍流行率的研究结果较为一致。
Table 3. The participants’ scores on the IGD-9 Questionnaire
表3. 被试在IGD-9问卷上的得分情况
名称 |
分值 |
频数 |
百分比(%) |
M ± SD |
IGD-9得分 |
0 |
105 |
16.279 |
2.764 ± 2.040 |
1 |
101 |
15.659 |
2 |
106 |
16.434 |
3 |
79 |
12.248 |
4 |
168 |
26.047 |
5 |
20 |
3.101 |
6 |
35 |
5.426 |
7 |
14 |
2.171 |
8 |
12 |
1.860 |
9 |
5 |
0.775 |
4.2. 差异性分析
对正常组与网络游戏障碍组被试的人口学资料、网络游戏使用情况分别进行差异性分析分析结果见下表。
Table 4. Test of differences in demographic data between the normal group and the internet gaming disorder group
表4. 正常组与网络游戏障碍组在人口学资料上的差异性检验
变量 |
分类 |
组别 |
总计 |
Χ2/t |
p |
正常组 (n = 559) |
网络游戏障碍组 (n = 86) |
性别 |
男 |
328 |
66 |
394 |
10.236 |
0.001 |
女 |
231 |
20 |
251 |
|
|
年龄 |
|
559 |
86 |
645 |
1.748 |
0.081 |
年级 |
初一 |
98 |
8 |
106 |
12.882 |
0.025 |
初二 |
108 |
11 |
119 |
初三 |
97 |
17 |
114 |
高一 |
84 |
24 |
108 |
高二 |
87 |
15 |
102 |
高三 |
85 |
11 |
96 |
独生子女 |
是 |
386 |
69 |
455 |
4.484 |
0.034 |
否 |
173 |
17 |
190 |
父母婚姻 |
已婚 |
444 |
75 |
519 |
3.864 |
0.145 |
离异 |
86 |
10 |
96 |
丧偶 |
29 |
1 |
30 |
由表4可知，正常组与网络游戏障碍组在性别(Χ2 = 10.236, p < 0.01)、年级(Χ2 = 12.882, p < 0.05)和独生子女(Χ2 = 4.484, p < 0.05)情况上存在显著性差异。网络游戏障碍组的女性占比少于正常组，这说明相对于男性，女性可能更不容易发生网络游戏障碍。网络游戏障碍的发生在年级上存在显著性的差异，以往研究中并无类似的发现，因此这种结果可能是只是在该样本中表现出来的差异，是由于样本的异质性导致的。网络游戏障碍组的独生子女占比更高，这说明独生子女可能由于缺乏陪伴等原因比非独生子女更容易发生网络游戏障碍。
表5可知，两组被试在平均每天的游戏时长(t = 3.846, p < 0.01)、对游戏的态度(Χ2 = 8.029, p < 0.05)、玩游戏是否影响学习(Χ2 = 9.618, p < 0.05)和是否影响作息(Χ2 = 10.126, p < 0.05)上存在显著性差异。网络游戏障碍组的被试平均每天花费更多时间在玩网络游戏上，对游戏的态度更多是喜欢且不想被干涉的，相比非网络游戏障碍组的个体，网络游戏障碍组的个体认为玩游戏对自己的学习没影响和对自己的作息影响轻微的占比更高，这可能说明了网络游戏障碍的个体更不容易认识到网络游戏障碍对自己产生的负面影响，因此才会更加沉迷于网络游戏中，加重网络游戏障碍的情况。
Table 5. Analysis and test of differences in online game usage between the normal group and the internet gaming disorder group
表5. 正常组与网络游戏障碍组在网络游戏使用上的差异性分析检验
题目/选项 |
组别(M ± SD) |
Χ2/t |
p |
正常组 (n = 559) |
网络游戏障碍组 (n = 86) |
总计 (n = 645) |
平均每天的游戏时长(分钟) |
39.007 ± 30.683 |
52.558 ± 28.623 |
40.814 ± 30.743 |
3.846 |
0.000 |
平均每月在游戏中充值的金额(元) |
68.767 ± 106.535 |
90.035 ± 117.67 |
71.603 ± 108.231 |
1.699 |
0.090 |
你的游戏态度 |
不喜欢玩 |
106 |
25 |
131 |
8.029 |
0.018 |
喜欢玩，且接受监督 |
293 |
47 |
340 |
喜欢玩，但不希望被干涉 |
160 |
14 |
174 |
是否影响学习 |
无影响 |
158 |
36 |
194 |
9.618 |
0.022 |
轻微影响 |
236 |
34 |
270 |
|
|
显著影响 |
159 |
14 |
173 |
不玩游戏 |
8 |
0 |
8 |
是否影响作息 |
无影响，规律作息 |
112 |
16 |
128 |
10.126 |
0.018 |
轻微影响，作息基本规律 |
294 |
59 |
353 |
|
|
明显影响，日夜颠倒 |
145 |
11 |
156 |
不玩游戏 |
8 |
0 |
8 |
游戏方式 |
电脑 |
201 |
39 |
240 |
4.168 |
0.384 |
手机 |
206 |
30 |
236 |
|
|
平板电脑 |
99 |
12 |
111 |
网吧 |
45 |
5 |
50 |
不玩游戏 |
8 |
0 |
8 |
4.3. 相关分析
对IGD-9人口学资料和网络游戏使用情况分别进行相关分析，结果见表6和表7。
Table 6. Correlation analysis between IGD-9 scores and demographic data
表6. IGD-9得分与人口学资料的相关分析
|
性别 |
年龄 |
年级 |
是否独生子女 |
父母的婚姻状况 |
IGD-9 |
−0.113** |
0.094 |
0.062 |
−0.098* |
0.001 |
注：**、*分别代表p < 0.01、p < 0.05。
由表6可知，IGD-9得分与被试的性别(r = −0.113, p < 0.01)和独生子女(r = −0.098, p < 0.05)情况呈显著性负相关。总体上男性被试在IGD-9上的得分高于女性，独生子女在IGD-9得分上高于非独生子女，这说明，性别和是否独生子女会影响网络游戏障碍的发生，男性和独生子女更容易发生网络游戏障碍。
Table 7. Correlation analysis between IGD-9 scores and online game usage
表7. IGD-9得分与网络游戏使用情况的相关分析
|
日均游戏时长 |
月均游戏充值
金额 |
游戏态度 |
是否影响学习 |
是否影响作息 |
游戏方式 |
IGD-9 |
0.071 |
0.053 |
0.090* |
−0.066 |
−0.043 |
−0.063 |
注：*代表p < 0.05。
根据表7可知，个体对游戏的态度(r = 0.090, p < 0.05)与IGD-9得分呈显著性正相关关系，个体对网络游戏越喜欢、越不想被干涉玩游戏，就越可能形成网络游戏障碍。
4.4. 回归分析
由于目标与IGD-9得分之间不存在显著的相关关系，因此将集中注意力、挑战、技能、控制、反馈、沉浸和社会交互7个游戏因素作为自变量，将网络游戏障碍(0 = 正常，1 = 网络游戏障碍)作为因变量，进行二元Logistic回归分析，结果见表8。
Table 8. Binary Logistic regression analysis between game factors and internet gaming disorder
表8. 游戏因素与网络游戏障碍之间的二元Logistic回归分析
实验组 = 网络游戏障碍 |
回归系数 |
标准误差 |
Wald |
p |
OR |
OR值95%置信区间 |
上限 |
下限 |
常数 |
−13.131 |
2.348 |
31.277 |
0.000 |
0.000 |
0.000 |
0.000 |
集中注意力 |
0.360 |
0.297 |
1.470 |
0.225 |
1.433 |
0.801 |
2.563 |
挑战 |
0.275 |
0.233 |
1.394 |
0.238 |
1.317 |
0.834 |
2.080 |
技能 |
0.709 |
0.313 |
5.131 |
0.024 |
2.032 |
1.100 |
3.752 |
控制 |
0.846 |
0.305 |
7.709 |
0.005 |
2.330 |
1.282 |
4.233 |
反馈 |
0.753 |
0.242 |
9.679 |
0.002 |
2.124 |
1.322 |
3.415 |
沉浸 |
0.673 |
0.307 |
4.805 |
0.028 |
1.961 |
1.074 |
3.581 |
社会交互 |
0.362 |
0.253 |
2.045 |
0.153 |
1.436 |
0.875 |
2.356 |
因变量：网络游戏障碍 |
模型的似然比卡方检验结果显示，显著性p < 0.01，说明该模型有效。再由表8的结果可知，技能(p < 0.05)、控制(p < 0.01)、反馈(p < 0.01)和沉浸(p < 0.05)进入了回归方程，能显著性正向预测网络游戏障碍的发生。这说明个体对于一款游戏的技能、控制、反馈和沉浸等方面的评价越高，这款游戏就越容易使个体发生网络游戏障碍。因此技能、控制、反馈和沉浸是网络游戏障碍的高危游戏因素。
5. 结论与建议
本研究得出：正常组和网络游戏障碍组在集中注意力、技能、挑战、控制、反馈、沉浸和社会交互上存在显著差异，在目标上则不存在显著差异；集中注意力、挑战、技能、控制、反馈、沉浸和社会交互与网络游戏障碍之间存在显著正相关关系，目标与网络游戏障碍之间不存在显著相关关系。对相关的游戏因素进行二元Logistic回归分析，结果技能、控制、沉浸和反馈进入回归方程，这说明以上四个游戏因素能够显著预测网络游戏障碍。
叶婷婷使用大学生网络游戏动机问卷、Flow体验量表和周治金编制的大学生网络游戏问卷对大学生进行调查，结果发现网络游戏成瘾的高分组和低分组在挑战与技能平衡、及时反馈、控制感、集中注意力、清晰目标和探索行为上存在显著差异，相关分析显示挑战与技能平衡、及时反馈、清晰目标、控制感、集中注意力和沉浸体验总分与网络游戏障碍存在显著正相关关系(叶婷婷，2017)。这一结果与本研究基本一致，只有在目标上的结论不一致。这可能是因为：(1) 该研究与本研究是基于不同的理论模型，使用的测量工具也不同，有可能造成误差；(2) 本研究样本数量较少可能导致结果不显著；(3) 目标与网络游戏障碍之间的关系可能受到其他因素的影响。如Charlton等人认为，一些游戏设计了明确的目标奖励机制能使玩家专注于达成目标，不仅不会使玩家陷入无休止的游戏中，反而有利于降低游戏障碍的风险(Charlton & Danforth, 2007)。由此可见，未来应深入探讨目标与网络游戏障碍之间的关系及其作用机制。
魏华等人采用Hsu等人编制的网络游戏体验量表的挑战、控制分量表、网络游戏沉浸问卷和网络游戏成瘾问卷对491名男大学生进行调查，结果显示挑战、控制、沉浸与网络游戏障碍存在显著正相关关系(魏华等，2012)，这一结果与本研究一致。玩家在控制操作从而成功面对游戏中的挑战时会产生满足感(Suler, 2004)，同时排名成绩等也会使个体在与他人的比较中得到虚荣心的满足(黎藜，赵美荻，2020)，这种需要被满足的感觉使玩家获得了正性的强化，从而愿意不断地投入到游戏中(Kim et al., 2021)，进而提升网络游戏障碍的风险。
在游戏反馈与网络游戏障碍方面，以往虽然没有直接的研究证明二者之间存在一定的联系，但从GameFlow模型中反馈的评价标准可以看出，反馈主要表现在游戏的奖惩机制上，许多研究都表明游戏中的奖赏体验，如游戏后获得金币装备、排名上升等，能够使玩家的需求得到满足，从而产生正性的反馈，提高玩家的游戏意愿(Finseràs et al., 2019)。玩家游戏意愿提升之后，就可能花费更多时间在游戏上，进而增加网络游戏障碍的风险。
而在社会交互方面，已有的研究表明，网络游戏障碍的个体会表现出更高的孤独感(陈海龙，付春林，2012)和社交焦虑(陈铎等，2009)的情况。黎藜和赵美荻通过深度访谈后发现，中小学生中，网络游戏障碍会受到同伴的影响。他们认为个体会通过游戏来迎合同伴、寻求友谊，对于他们来说游戏是一种延伸的社交方式，这种对社交的渴望会增加他们的游戏意愿和行为，进一步导致网络游戏障碍的发生。
综上所述，本研究认为：集中注意力、技能、挑战、控制、反馈、沉浸和社会交互与网络游戏障碍之间存在显著正相关关系，这些游戏因素都能够通过满足玩家的某种需要从而增加其游戏意愿和行为，进一步提高网络游戏障碍的风险。其中技能、控制、沉浸和反馈能够显著预测网络游戏障碍的发生。
针对结果提出如下建议：首先在游戏设计与开发方面，应注重引导玩家平衡虚拟与现实生活，如设置合理的游戏时长提醒、鼓励玩家参与线下活动等。在游戏难度方面做不同的调整，以适应不同玩家的技能水平，避免过度挫败或无聊，如在游戏中给玩家提供游戏目标和游戏选择，增强玩家的控制感和自主性。此外应在游戏中融入积极的价值观，引导玩家健康游戏。其次加强玩家教育与引导，引导青少年合理安排游戏时间，避免过度沉迷。同时学校应开展网络游戏相关的教育活动，帮助学生树立正确的游戏观念。在家庭方面，家长也应该时刻关注孩子的游戏行为，对孩子进行积极的网络游戏教育引导。最后对疑似网络游戏障碍的个体进行早期识别和干预，针对个人特点的，尽可能多的对该个体所具有网络游戏障碍的易感因素进行干预，这样不仅能够帮助个体获得良好且长期的干预效果，也有助于个体形成人格的完善，融入社会。
综上所述预防和干预网络游戏障碍需要多方共同努力，才能有效减少网络游戏障碍的发生，促进玩家健康游戏。
致 谢
感谢本次研究所有参与者的认真配合。