大学生手机信息成瘾的现状及影响因素分析
Analysis of the Current Status and Influencing Factors of Smartphone Addiction among College Students
DOI: 10.12677/ap.2026.161023, PDF, HTML, XML,    科研立项经费支持
作者: 韩慧洋*, 王秀云, 张勇超, 任静婕#:郑州西亚斯学院医学院,河南 郑州
关键词: 大学生手机信息成瘾影响因素College Student Mobile Phone Information Addiction Influencing Factor
摘要: 目的:探讨大学生信息成瘾现状及影响因素,为改善大学生信息成瘾现状提供实证依据。方法:采用方便取样的方法于2025年6月~2025年9月选取国内高校606名大学生作为调查对象,利用一般资料调查表、中文版手机信息成瘾量表进行分析。结果:大学生信息成瘾得分为(48.39 ± 11.523)分。专业、家中浴室/卫生间数量、压力知觉和心理丰富均为大学生信息成瘾的主要影响因素(p < 0.05)。结论:大学生信息成瘾处于中等水平,教师应重点关注文理科学生的信息使用模式,开展分类指导;学校需全面提升信息素养教育,并为经济条件受限的学生提供支持;社会应倡导健康的数字生活习惯,推动从“信息获取”到“信息节制”的认知转变。
Abstract: Objective: To investigate the prevalence and influencing factors of information addiction among college students, providing empirical evidence for improving this issue. Methods: Using convenience sampling, 606 college students from domestic universities were selected as subjects from June to September 2025. Analysis was conducted using a general information questionnaire and the Chinese version of the Mobile Information Addiction Scale. Results: The mean information addiction score among college students was (48.39 ± 11.523). Major field of study, number of bathrooms at home, perceived stress, and psychological richness were significant factors influencing information addiction (p < 0.05). Conclusion: College students exhibit moderate levels of information addiction. Educators should prioritize monitoring information usage patterns among liberal arts and science students, implementing tailored guidance. Institutions must comprehensively enhance information literacy education while providing support for students with limited financial resources. Society should advocate for healthy digital habits, promoting a cognitive shift from “information acquisition” to “information restraint.”
文章引用:韩慧洋, 王秀云, 张勇超, 任静婕 (2026). 大学生手机信息成瘾的现状及影响因素分析. 心理学进展, 16(1), 183-194. https://doi.org/10.12677/ap.2026.161023

1. 引言

随着智能手机使用呈高频化和依赖化趋势,其在赋能学习生活的同时,也加大了手机成瘾风险。手机成瘾(Bianchi & Phillips, 2005),也称为问题性手机使用或手机依赖,是指个体过度使用手机,不能控制使用手机的时间或地点,对手机使用有强烈的、持续的渴求感,不使用手机时会感觉焦虑,并伴有明显的社会或心理功能损害。目前,手机成瘾成为重要议题,全球手机成瘾率逐年上升,其中中国等亚洲国家成瘾率较高(Olson et al., 2022),大学生群体的问题尤为突出,检出率和成瘾率呈逐年上升趋势(Long et al., 2016)。近年来,大学生因自由支配时间多、好奇心强且身处管理较为宽松的校园环境中,自控能力尚未完全成熟,因而成为手机成瘾的高发人群(Leung, 2007; Park & Lee, 2018; Kim, 2020; Liu et al., 2020)。手机成瘾不仅会占用其大量学习时间、消耗精力与资源,还可能引发倦怠、抑郁等消极情绪,对其发展造成实质性阻碍(Leung, 2007)。既有研究多聚焦于屏幕使用时长、社交依赖等表层行为特征,虽具有一定解释力,却未能从认知–情绪整合视角深入剖析不同专业背景学生的成瘾心理机制,更缺乏对压力知觉、心理丰富性等内在变量的系统考察,导致现有干预措施针对性不足,难以实现有效分类指导。

因此,本研究旨在突破现有研究的局限,从认知与情绪交互的视角系统探究大学生手机成瘾的关键影响因素,特别关注专业类型、家庭资源、压力知觉与心理丰富性在成瘾路径中的作用机制,从而为高校的数字素养教育和心理干预提供实证依据,助力大学生实现健康、自律、高效的数字化生存与发展。

2. 资料来源与方法

2.1. 研究对象

于2025年6月~2025年9月在国内高校中通过方便取样在问卷星平台展开网上问卷调查。在国内高校中按照六大行政区(华北地区、华东地区、东北地区、中南地区、西南地区、西北地区)划分并以大学生为研究对象。此外,问卷由统一培训的不同地区调查员发送链接至调查对象,采用统一指导语对调查目的和内容进行解释,协助调查对象完成问卷,规定一个IP地址只能填写一次,受访者均知情同意。

本次调查共发放问卷674份,对回收的问卷进行双人稽查,剔除平均每题答题时间 < 2秒以内及规律作答、填错、填漏的问卷,共剔除无效问卷68份,获得有效问卷606份,问卷回收率为90%。

2.2. 研究工具

2.2.1. 一般资料调查表

包括性别、专业、年级、是否担任学生干部、父亲学历、母亲学历、家中有几个子女、您家中有几间浴室/卫生间、是否处于恋爱状态、家庭所在地、吸烟次数、喝酒次数、每周进行半个小时以上的运动次数、平均参加会议讲座的时长,共14个条目。

2.2.2. 中文版手机成瘾量表(Mobile Phone Addiction Index, MPAI)

由香港中文大学梁永炽编制(Leung, 2008),共有17个条目,4个维度,分别为戒断性、失控性、低效性和逃避性四个维度,该量表参考Young的网络成瘾筛选标准,如果被试17道题中有8道是肯定回答,就被界定为手机成瘾。该量表的信效度良好,在信度方面,总量表的Cronbach’s α系数为0.87。由于其具有较高的信效度,适用于中国大学生,故本研究采用该量表进行是否手机信息成瘾的判定。

2.2.3. 中文版压力知觉量表(Chinese Version of the Perceived Stress Scale, CPSS)

由杨廷忠等人在PPS量表的基础上编制而成(Cohen et al., 1983),该量表共14个条目,2个维度,分别为紧张感和失控感,采用5点计分(0 = 从来没有,4 = 总是),总分为0~56分,分数越高,表示个体知觉到的压力水平越高。该量表Cronbach’s α系数为0.78,表明其具有良好的内部一致性,被应用广泛(Martin & Rubin, 1995)。

2.2.4. 认知灵活性量表(Cognitive Flexibility Scale)

由Martin和Rubin在1995年编制(Martin & Rubin, 1995),之后齐冰等人(2013)进行了修订。该量表包含12个条目,采用6点计分(1表示“非常不符合”,6表示“非常符合”),得分越高,个体的认知灵活性就越强。该量表Cronbach’s α系数为0.83 (Martin & Anderson, 1998)。

2.2.5. 心理丰富性问卷(Psychological Richness Scale)

由Oishi等人编制,该问卷的中文版本也由Oishi团队提供。问卷包含12个条目,采用李克特7点计分(1 = 强烈反对,7 = 强烈同意)。得分越高,代表个体的心理丰富性越高。该量表的Cronbach’s α系数为0.94 (Oishi et al., 2020)。

2.3. 统计学方法

将有效问卷的数据导入SPSS 24.0进行分析,计数资料采用频数和构成比进行描述,计量资料利用均数 ± 标准差( x ¯ ±s )进行描述,组间比较采用独立样本t检验或单因素方差分析,回归分析使用多元线性回归法,检验水准α = 0.05。

3. 结果

共纳入606名大学生,其中,女生(68%)多于男生(32%);民族绝大多数为汉族;年级绝大多数为大三;专业为文科类的最多(43%),其次是医学类(19%),再次是理科类(18%),工科类和其他类的较少,见表2。本研究同时考察了大学生信息成瘾的总体水平与各维度特征。信息成瘾总分为(48.39 ± 11.523)分,接近理论中值,表明存在一定程度的信息成瘾倾向。维度上,失控性维度得分显著高于其他维度,而戒断性维度得分相对较低,这反映了大学生信息成瘾的主要动机与行为后果,见。

Table 1. Mobile phone information addiction total score and scores across dimensions

1. 手机信息成瘾总分及各维度得分

项目

条目数

得分

条目均分

最大值

最小值

手机信息成瘾总分

17

48.39 ± 11.523

2.846 ± 0.687

83

17

戒断性维度总分

7

11.23 ± 3.878

1.604 ± 0.554

20

4

失控性维度总分

4

18.75 ± 5.003

4.688 ± 1.251

33

7

低效性维度总分

3

9.40 ± 2.589

3.133 ± 0.863

15

3

逃避型维度总分

3

9.01 ± 2.375

3.003 ± 0.792

15

3

3.1. 大学生信息成瘾单因素分析

采用手机成瘾量表,比较不同人口学特征及生活行为的大学生在MPAI总分及各维度(戒断性、失控性、低效性、逃避性)上的得分,发现在专业、家中有几间浴室/卫生间得分中,差异均有统计学意义(p < 0.05),见。

Table 2. Analysis of factors contributing to smartphone addiction among college students

2. 大学生手机成瘾影响因素分析

项目

n

%

手机成瘾得分

t

p

性别

198

32.7%

47.79 ± 10.907

0.925

0.355

408

67.3%

48.69 ± 11.812

专业

医学类

121

20.0%

44.53 ± 11.144

5.125

<0.001

工科类

81

13.4%

47.89 ± 10.832

理科类

114

18.8%

50.21 ± 11.977

文科类

264

43.6%

49.64 ± 11.280

其他

26

4.3%

48.39 ± 11.523

年级

大一

51

8.4%

48.06 ± 11.464

1.236

0.294

大二

181

29.9%

48.68 ± 12.694

大三

229

37.8%

47.39 ± 11.085

大四

127

21.0%

50.11 ± 10.746

大五

18

3.0%

47.11 ± 11.523

是否担任学生干部

345

56.9%

48.80 ± 11.813

1.001

0.317

261

43.1%

47.86 ± 11.128

父亲学历

小学

108

17.8%

50.05 ± 11.088

1.291

0.277

初中

224

37.0%

48.38 ± 11.462

高中

141

23.3%

48.35 ± 10.660

大专及以上

133

21.9%

47.11 ± 12.750

母亲学历

小学

137

22.6%

49.20 ± 11.871

1.293

0.276

初中

211

34.8%

48.91 ± 11.214

高中

141

23.3%

48.32 ± 10.562

大专及以上

117

19.3%

46.62 ± 12.671

家中有几个子女

独生子女

123

20.3%

47.92 ± 11.785

2.532

0.056

2个

343

56.6%

49.42 ± 10.819

3个

98

16.2%

46.27 ± 12.452

3个以上

42

6.9%

46.38 ± 13.427

您家中有几间浴室/卫生间

没有

11

1.8%

50.27 ± 11.646

3.559

0.014

1间

293

48.3%

49.23 ± 11.004

2间

230

38.0%

48.49 ± 11.550

2间以上

72

11.9%

44.39 ± 12.818

是否处于恋爱状态

190

31.4%

49.05 ± 11.632

0.948

0.344

416

68.6%

48.09 ± 11.474

家庭所在地

农村

315

52.0%

48.79 ± 11.162

0.875

0.382

城市

291

48.0%

47.97 ± 11.906

您吸烟的次数

从不吸烟

508

83.8%

48.52 ± 11.687

1.288

0.274

偶尔吸烟

54

8.9%

46.72 ± 11.222

有时吸烟

20

3.3%

48.05 ± 8.757

经常吸烟

20

3.3%

47.85 ± 9.659

重度吸烟

4

0.7%

59.75 ± 12.868

您喝酒的次数

从不喝酒

293

48.3%

48.26 ± 11.590

1.426

0.224

偶尔喝酒

230

38.0%

49.06 ± 11.251

有时喝酒

65

10.7%

46.34 ± 11.877

经常喝酒

16

2.6%

47.88 ± 11.389

重度喝酒

2

0.3%

62.00 ± 19.799

每周进行半个小时以上的运动次数

一周一次

247

40.8%

49.77 ± 11.756

3.693

0.012

一周两次

170

28.1%

48.36 ± 11.263

一周三次

85

14.0%

48.20 ± 9.959

一周三次以上

104

17.2%

45.33 ± 12.113

平时参加会议或讲座的时长

30 min

232

38.3%

48.25 ± 10.971

4.762

0.003

1 h

234

38.6%

49.19 ± 10.634

2 h

91

15.0%

49.73 ± 12.892

2 h以上

49

8.1%

42.78 ± 11.523

3.2. 大学生手机信息成瘾、压力知觉、认知灵活得分及心理丰富相关性分析

手机信息成瘾得分与认知灵活得分呈正相关(p < 0.05),手机信息成瘾得分与压力知觉得分呈正相关,手机信息成瘾得分与心理丰富得分呈负相关(p < 0.01),见。

Table 3. Correlation analysis of mobile phone addiction, cognitive flexibility, perceived stress, and psychological richness (n = 606)

3. 手机成瘾、认知灵活、压力知觉和心理丰富的相关性分析(n = 606)

变量

信息成瘾总分

认知灵活总分

压力知觉总分

心理丰富总分

信息成瘾总分

认知灵活总分

0.093*

压力知觉总分

0.378**

0.089**

心理丰富总分

0.109**

0.105**

−0.377**

1.000

注:*p < 0.05,**p < 0.01。

3.3. 大学生手机成瘾影响因素的多元线性回归分析

以手机成瘾总分为因变量,单因素分析中有统计学差异的因素——如专业、家中有几间浴室/卫生间、压力知觉得分总分、心理丰富得分总分等(赋值见表4)——为自变量,进行多元线性回归分析。最终有4个变量进入回归方程(),模型可解释手机成瘾总分22.2%的变异量(调整后R2 = 0.222),r.squared = 0.235、statistic = 18.264、p-value ≈ 0,提示模型整体具有统计学意义。具体结果见。

Table 4. Assignment status of independent variables

4. 变量赋值情况

自变量

赋值

家中有几间浴室/卫生间

没有 = 1,1间 = 2,2间 = 3,2间以上 = 4

专业

医学类 = (0, 0, 0, 0),工科类 = (1, 0, 0, 0),理科类 = (0, 1, 0, 0), 文科类 = (0, 0, 1, 0),其他 = (0, 0, 0, 1)

性别

男 = 1,女 = 2

年级

大一 = 1,大二 = 2,大三 = 3,大四 = 4,大五 = 5

是否担任学生干部

是 = 1,否 = 2

父亲学历

小学 = 1,初中 = 2,高中 = 3,大专及以上 = 4

母亲学历

小学 = 1,初中 = 2,高中 = 3,大专及以上 = 4

家中有几个子女

独生子女 = 1,2个 = 2,3个 = 3,3个以上 = 4

是否处于恋爱状态

是 = 1,否 = 2

家庭所在地

农村 = 1,城市 = 2

吸烟的次数

从不吸烟 = 1,偶尔吸烟 = 2,有时吸烟 = 3,经常吸烟 = 4, 重度吸烟 = 5

喝酒的次数

从不喝酒 = 1,偶尔喝酒 = 2,有时喝酒 = 3,经常喝酒 = 4, 重度喝酒 = 5

每周进行半个小时以上的运动次数

一周一次 = 1,一周两次 = 2,一周三次 = 3,一周三次以上 = 4

平时参加会议或讲座的时长

30 min = 1,1 h = 2,2 h = 3,2 h以上 = 4

Table 5. Multivariate linear regression analysis results of factors influencing mobile phone addiction among college students

5. 大学生手机成瘾影响因素的多元线性回归分析结果

变量

B

SE

t

p

β

家中有几间浴室/卫生间

−1.115

0.059

−1.891

0.059

−0.104

理科类专业

3.424

1.339

2.556

0.011

0.023

文科类专业

3.147

1.129

2.787

0.005

0.088

压力知觉量表总分

0.860

0.077

11.233

<0.001

0.378

心理丰富量表总分

0.205

0.030

6.742

<0.001

0.109

注:R2 = 0.235,调整后R2 = 0.222,F = 18.27,p < 0.001。

4. 讨论

4.1. 大学生信息成瘾处于中等水平

研究结果显示,606名大学生信息成瘾得分为(48.39 ± 11.523)分,各条目均分介于2.06~3.37分之间,多数条目均分接近理论中值(3分),这与韩国及其他亚洲地区的研究结果相符(Ahn et al., 2025),表明在数字信息时代,大学生信息依赖已成普遍现象。大学生日常学习生活高度依赖电子设备获取信息,相较于其他群体更易因信息过载陷入信息成瘾困境(Kuss et al., 2021)。因此,大学生的信息成瘾预防与健康信息素养培养十分重要。近年来,信息成瘾对大学生的影响受到越来越多的关注(Reed & Graff, 2023; Feng & Dou, 2024; Yin et al., 2024; Luo et al., 2025),教育者应重点培养大学生理性信息使用意识(Khalili et al., 2018),加强对大学生信息成瘾风险的关注,采取针对性的措施提升大学生信息使用的合理性与自主性。

4.2. 大学生信息成瘾影响因素的整合模型与机制讨论

本研究实证检验了家庭经济资源、专业背景、个体压力知觉与心理丰富性对大学生信息成瘾的复合影响。为超越对单一变量的孤立归因,并响应学界对成瘾行为系统性解释的呼吁,本研究尝试构建一个整合性的“认知驱动–压力代偿”二元理论框架(见图1) (Braver et al., 2005),以对研究发现进行更具深度的整合与阐释。该框架假定,大学生信息成瘾行为主要由两种机制协同塑造:一是由特定认知特质或需求所主导的“主动性驱动路径”,二是由资源匮乏或负面情绪所触发的“反应性代偿路径”。各影响因素通过作用于不同路径或调节路径间的交互,共同构成成瘾行为的生成脉络。

图示说明:框架右侧为“主动性驱动路径”,由“专业背景(文/理科)”与“心理丰富性”作为前因变量,通过“高认知需求/探索动机”中介,指向结果;左侧为“反应性代偿路径”,由“家庭经济资源”与“压力知觉”作为前因变量,通过“资源/情感代偿动机”中介,指向结果。两条路径并非独立,其中“压力知觉”可作为放大器与两类驱动产生交互,“心理丰富性”则对两条路径均存在调节作用。

Figure 1. Schematic diagram of the “cognitive drive-stress compensation” dual-theory framework of information addiction among college students.

1. 大学生信息成瘾的“认知驱动–压力代偿”二元理论框架示意图

4.2.1. 家庭经济资源:反应性代偿路径的基础性情境因素

本研究将“家中卫生间数量”操作化为家庭社会经济地位的代理指标,其与信息成瘾的显著负相关(*r* = −0.115, *p* = 0.005),为“反应性代偿路径”提供了实证支持。这一发现与“代偿性媒介使用理论”的核心命题相契合(Sui, 2022)。经济资本相对充裕的个体,其信息获取与社会交往的需求拥有更丰富的线下实践选项(如文化消费、实体社交)作为出口(Orhan & Kocadere, 2020; Sun et al., 2022);反之,经济资本受限的个体,其满足上述需求的可行途径受到结构性约束,遂更倾向于依赖智能手机这一具有“低成本、高可及性”特征的替代性媒介(Van Deursen et al., 2021)。特别是在宏观经济承压的周期中,个体可支配收入收缩,非必需性线下消费被优先削减,进一步强化了手机作为核心乃至唯一社交信息渠道的角色(Wolfers & Schneider, 2020),从而系统性地抬高了长期依赖与成瘾的风险。本研究发现提示,经济资源不仅直接设定了个体行为选择的初始菜单,更构成了一种基础性的生活情境,可能与其他压力源(如学业竞争压力)产生叠加,共同加剧个体的相对剥夺感与情感依赖水平。

4.2.2. 专业背景:主动性驱动路径的制度化分野

文科与理科专业学生在信息成瘾上的突出表现,揭示了“主动性驱动路径”的存在,但二者体现了该路径下不同的制度化驱动逻辑。

文科专业学生的较高成瘾倾向,与其学科范式对“泛在化信息扫描”与“持续性语境追踪”的内在要求紧密相关(Mierzecka, 2015)。数字环境在提供便捷的同时,也以其超载的信息流与碎片化的呈现方式,极易将这种学术需求扭曲为“强迫性浏览”与“注意力涣散”的行为模式(Nguyen et al., 2025)。其核心风险在于,这种由外部信息环境牵引的、浅表化的信息处理习惯,可能侵蚀深度阅读与系统性思维构建所必需的认知耐力(Liu et al., 2023)。

相较而言,理科专业学生表现出最高的成瘾水平,则源于其学科知识体系快速迭代所施加的“持续性认知监控压力”(Tenopir et al., 2022)。为维持学术竞争力而必须进行的高频次文献检索与前沿追踪,在实践中容易形成一种高度工具理性且具有自我强化倾向的“监测性使用习惯”。本研究进一步推论,理科生的成瘾是“主动性驱动路径”与“反应性代偿路径”发生“耦合”的典型场域。其专业学习本身所固有的“知识更新焦虑”,若与个体普遍存在的学业压力、未来焦虑相结合,将使手机的信息功能从纯粹的“认知工具”异化为“焦虑缓解阀”。这种工具性与情感性使用的混淆,显著加剧了使用行为的强迫性与失控风险,进而对其从事深度理论思考与复杂问题解决的元认知能力构成潜在威胁(Chakraborty & Bhattacharya, 2021)。

4.2.3. 压力知觉:耦合二元路径的关键情感机制

压力知觉在本框架中被识别为耦合“主动性驱动”与“反应性代偿”两条路径的关键情感机制。高压力知觉得分对信息成瘾的正向预测作用,确证了其作为“反应性代偿路径”核心驱动力的地位。个体在应对高压时,倾向于将智能手机使用作为一种低成本的“情绪聚焦的应对策略”,以期获得暂时的逃离与情绪调节(Wei et al., 2024)。由持续压力所导致的认知资源耗竭与情绪调节功能障碍(表现为注意力分散、心理紧张等) (van de Leur et al., 2023),创造了一种寻求即时性心理奖赏的内在渴求,而手机信息流提供的随机性、新鲜性刺激恰好满足了这一需求,从而形成负向强化循环(Wei et al., 2024)。压力知觉更深层的作用在于其“放大器”效应:它不仅直接激发代偿性使用,更可能调节其他变量的影响强度。例如,它可能加剧经济相对匮乏者的心理落差,也可能将理科生学术性的“认知监控”转化为应激性的“焦虑缓解”,从而使工具性行为更快地滑向情感性依赖。

4.2.4. 心理丰富性:驱动与风险并存的调节变量

心理丰富性对信息成瘾的轻微正向预测是一个兼具理论价值与现实意义的反直觉发现。这揭示了在数字化生存背景下,积极心理特质与风险行为之间可能存在的“悖论性关联”。一方面,心理丰富性所蕴含的高认知需求、强好奇心与探索欲,确是驱动个体进行广泛信息涉猎与知识整合的固有内在动机(Lițan, 2025),这使其自然更深入地卷入数字信息环境。另一方面,当下算法主导的、以“沉浸”与“粘性”为设计目标的数字环境,存在对这类特质的“选择性利用”甚至“劫持”风险。线上轻易可得的、高强度且多元的认知刺激,可能系统性替代线下那些需要更多意志努力、更慢速但更具建构性的深度认知活动。因此,本研究主张,在“认知驱动–压力代偿”框架中,心理丰富性更适合被概念化为一个重要的“条件性调节变量”。在健康、有引导的环境下,它主要驱动建设性的认知探索;而在高压力或缺乏自律引导的情境中,它可能显著增加个体从“主动性认知探索”滑向“反应性情感代偿”或“习惯性强迫浏览”的脆弱性(Wei et al., 2024)。这一辩证视角要求教育干预必须超越简单的“抑制使用”,转向对内在动机的“精准疏导与价值再定向”。

4.2.5. 理论整合与精准教育干预启示

基于上述“认知驱动–压力代偿”二元框架的整合分析,本研究提出层级化、精准化的教育干预启示:

路径分化干预策略:针对由“主动性驱动路径”主导的风险,如文理科生,应实施“学科嵌入式信息素养教育”。文科重点在于训练“批判性筛选与结构化整合”能力,以对抗信息碎片化;理科则需强调“科研数字工具伦理与健康使用边界”,管理因学术竞争产生的“监测焦虑”,培养主动离线能力。

核心机制缓解策略:针对由“反应性代偿路径”驱动的问题,需构建“压力管理与现实资源赋能”双重支持系统。一方面,推广基于实证的“正念减压”与“认知行为疗法”团体辅导,帮助学生建立不良情绪的非数字化应对方案;另一方面,通过增设助学金、打造优质低成本的校园线下文化与社交空间,切实拓宽经济受限学生的现实选择,从根本上降低其对手机作为代偿渠道的依赖度。

特质转化发展策略:针对高心理丰富性学生的“悖论性风险”,应设计“深度认知转化项目”,如主题式深度阅读计划、跨学科创新实践营,旨在将其旺盛的认知需求与探索动机,引导至能够产生心流体验、具有创造性与社会价值的线下复杂实践中,完成从“被动的信息消费者”到“主动的知识建构者与创作者”的身份转变。

5. 结论

大学生信息成瘾处于中等水平,且受家中浴室数量、专业类别、压力知觉、心理丰富影响。教育工作者应重点关注家中浴室数量较少、主修理科与文科专业、压力知觉得分高及心理丰富性水平较高学生的手机使用行为,引导其建立健康的数字生活习惯。并且,大学生作为数字时代的原住民,其信息素养与自我调控能力对未来职业发展和个人福祉至关重要。因此,有效预防信息成瘾、提升信息使用效率具有重要意义。高等教育的目的不仅是要使学生具备专业知识与信息检索能力,还应培养其理性的批判性思维与自主的数字行为管理能力。这需要教育管理者和社会的协同努力。学校可针对经济困难学生提供更丰富的校园资源与支持,并优化理科与文科课程的信息素养教育嵌入;教师应着重帮助高压力与高心理丰富性群体,将信息接触转化为创造性产出;社会需倡导构建负责任的数字文化环境,以降低过度使用带来的潜在风险。

基金项目

郑州西亚斯学院2025年度“青蓝计划”大学生科研项目(2025-QLJH-40)。

NOTES

*第一作者。

#通讯作者。

参考文献

[1] 齐冰, 赵兵, 王琨, 等(2013). 大学生认知灵活性问卷的修订及初步使用. 心理与行为研究, 11(1), 120-123.
[2] Ahn, J. S., Jeong, I., Park, S., Lee, J., Jeon, M., Lee, S. et al. (2025). App-Based Ecological Momentary Assessment of Problematic Smartphone Use during Examination Weeks in University Students: 6-Week Observational Study. Journal of Medical Internet Research, 27, e69320.[CrossRef] [PubMed]
[3] Bianchi, A., & Phillips, J. G. (2005). Psychological Predictors of Problem Mobile Phone Use. CyberPsychology & Behavior, 8, 39-51.[CrossRef] [PubMed]
[4] Braver, T. S., Kizhner, A., Tang, R., Freund, M. C., & Etzel, J. A. (2021). The Dual Mechanisms of Cognitive Control (DMCC) Project: Validation of an Experimental Paradigm Across the Adult Lifespan. Behavior Research Methods, 53, 2150-2170.
[5] Chakraborty, S., & Bhattacharya, S. (2021). Internet Addiction and Its Correlates among Engineering Students. International Journal of Community Medicine and Public Health, 8, 4430-4436.
[6] Cohen, S., Kamarck, T., & Mermelstein, R. (1983). A Global Measure of Perceived Stress. Journal of Health and Social Behavior, 24, 385-396.[CrossRef
[7] Feng, B., & Dou, G. (2024). Depression and Smartphone Addiction among College Students: The Mediating Effect of Emotional Exhaustion. Alpha Psychiatry, 25, 269-276.[CrossRef] [PubMed]
[8] Khalili, M., Aslani, M., & Alimohammadi, H. (2018). Prediction of Internet Addiction Based on Information Literacy among Students of Iran University of Medical Sciences. Electronic Physician, 10, 6333-6339.
[9] Kim, K. H. (2020). A Study on the Factors Influencing College Students’ Smartphone Addiction. Korea Science.
[10] Kuss, D. J., Griffiths, M. D., & Billieux, J. (2021). Problematic Smartphone Use and Specific Problematic Internet Uses among University Students and Associated Predictive Factors: A Systematic Review. Computers in Human Behavior, 121, Article ID: 106839.
[11] Leung, L. (2007). Linking Psychological Attributes to Addiction and Improper Use of the Mobile Phone among Adolescents in Hong Kong. Journal of Children and Media, 1, 11-34.
[12] Leung, L. (2008). Linking Psychological Attributes to Addiction and Improper Use of the Mobile Phone among Adolescents in Hong Kong. Journal of Children and Media, 2, 93-113.[CrossRef
[13] Lițan, D. (2025). Psychological “Effects” of Digital Technology: A Meta-Analysis. Frontiers in Psychology, 16, Article ID: 1560516.[CrossRef
[14] Liu, Q., Huang, J., & Zhou, Z. (2020). Self-Expansion via Smartphone and Smartphone Addiction Tendency among Adolescents: A Moderated Mediation Model. Children and Youth Services Review, 119, Article ID: 105590.[CrossRef
[15] Liu, Y., Li, J., & Zhang, Q. (2023). Cognitive Overload from Mobile Social Media and Academic Performance among College Students: The Mediating Role of Self-Regulated Learning. Computers in Human Behavior Reports, 10, Article ID: 100378.
[16] Long, J., Liu, T. Q., Liao, Y. H., Liu, C. L., Chen, W. B., & Luo, Y. (2016). Prevalence and Correlates of Problematic Smartphone Use in a Large Random Sample of Chinese Undergraduates. BMC Psychiatry, 16, Article No. 408.[CrossRef] [PubMed]
[17] Luo, Y., Deng, Y., Wu, Y., Liu, J., Ran, H., Yuan, J. et al. (2025). The Experiences in Close Relationship and Internet Addiction among College Students: A Moderated Mediation Model of Anxiety and Information Cocoon. Social Science & Medicine, 366, Article ID: 117641.[CrossRef] [PubMed]
[18] Martin, M. M., & Anderson, C. M. (1998). The Cognitive Flexibility Scale: Three Validity Studies. Communication Reports, 11, 1-9.[CrossRef
[19] Martin, M. M., & Rubin, R. B. (1995). A New Measure of Cognitive Flexibility. Psychological Reports, 76, 623-626.[CrossRef
[20] Mierzecka, A. (2015). Information Behavior within the Humanities: Searching or Browsing, Recall or Precision? Researching the Information Needs of Academics: The Case Study of the Faculty of History of the University of Warsaw. Zagadnienia Informacji Naukowej-Studia Informacyjne, 53, 82-95.[CrossRef
[21] Nguyen, L., Walters, J., Paul, S., Monreal Ijurco, S., Rainey, G. E., Parekh, N. et al. (2025). Feeds, Feelings, and Focus: A Systematic Review and Meta-Analysis Examining the Cognitive and Mental Health Correlates of Short-Form Video Use. Psychological Bulletin, 151, 1125-1146.[CrossRef
[22] Oishi, S., Choi, H., Koo, M., Galinha, I., Ishii, K., Komiya, A. et al. (2020). Happiness, Meaning, and Psychological Richness. Affective Science, 1, 107-115.[CrossRef] [PubMed]
[23] Olson, J. A., Sandra, D. A., Colucci, É. S., Al Bikaii, A., Chmoulevitch, D., Nahas, J. et al. (2022). Smartphone Addiction Is Increasing across the World: A Meta-Analysis of 24 Countries. Computers in Human Behavior, 129, Article ID: 107138.[CrossRef
[24] Orhan, E., & Kocadere, S. (2020). The Mediating Role of Self-Regulation in the Relationship between Social Media Addiction and Academic Performance. Computers in Human Behavior, 105, Article ID: 106234.
[25] Park, J. H., & Lee, J. (2018). An Analysis of the Effects of Smartphone Addiction on Self-Control by University Students. Korea Science.
[26] Reed, P., & Graff, M. (2023). Effects of Internet Addiction Scores on Informational Search by Undergraduate Students. Telematics and Informatics Reports, 12, Article ID: 100102.[CrossRef
[27] Sui, G. (2022). Innovation Diffusion of New Media and Economic Development: A Study on the Relationship between Live Broadcast Innovation Use and Income Growth of People in Poor Mountainous Areas. Philosophy & Ideology Research, 2, 67-77.[CrossRef
[28] Sun, G., Qian, Q., Liu, Y., Pu, B., & Wang, D. (2022). Social Network and Tourism Consumption by Households: Evidence from China. PLOS ONE, 17, e0275418.[CrossRef] [PubMed]
[29] Tenopir, C., Allard, S., & Douglass, K. (2022). Disciplinary Differences in Open Access Repository Usage and Impact. Journal of Academic Librarianship, 48, Article ID: 102584.
[30] van de Leur, J. C., Johansson, F., McCracken, L. M., Åhs, F., Brodda Jansen, G., & Buhrman, M. (2023). Mediators during a Multimodal Intervention for Stress-Induced Exhaustion Disorder. Cognitive Behaviour Therapy, 53, 235-253.[CrossRef] [PubMed]
[31] Van Deursen, A. J., Helsper, E. J., & Eynon, R. (2021). Economic Inequality and Digital Dependency: Mobile Phones as a Necessity for Information and Social Connection among Low-Income Groups. Computers in Human Behavior, 121, Article ID: 106845.
[32] Wei, Z., Guo, Y., Tsang, M. H. L., Montag, C., Becker, B., & Kou, J. (2024). Social Media Distractions Alter Behavioral and Neural Patterns to Global-Local Attention: The Moderation Effect of Fear of Missing out. Computers in Human Behavior, 157, Article ID: 108258.[CrossRef
[33] Wolfers, L. N., & Schneider, F. M. (2020). Using Media for Coping: A Scoping Review. Communication Research, 48, 1210-1234.[CrossRef
[34] Yin, X., Yu, Y., Qian, H., & Wang, Z. (2024). Family Happiness and College Students’ Smartphone Addiction Control: The Chain Mediation Effect of Emotion Regulation and Self-Control. Frontiers in Public Health, 12, Article ID: 1444033.[CrossRef] [PubMed]