童年不可预测性对网络游戏成瘾的影响:痛苦耐受性的中介作用
The Impact of Childhood Unpredictability on Online Game Addiction: The Mediating Role of Distress Tolerance
DOI: 10.12677/ap.2024.149689, PDF, HTML, XML,    科研立项经费支持
作者: 吴灵香:邵阳学院理学院师范学院,湖南 邵阳
关键词: 童年不可预测性网络游戏成瘾痛苦耐受性大学生Childhood Unpredictability Online Game Addiction Distress Tolerance College Students
摘要: 本研究旨在探讨童年不可预测性对大学生网络游戏成瘾的影响,以及痛苦耐受性在其中的中介作用。通过在线调查平台“见数”(Credamo)对300名中国大学生进行问卷调查。研究使用童年不可预测性量表(CUS)、痛苦容忍度量表(DTS)和网络游戏成瘾量表(GAS)进行测量。结果显示:童年不可预测性与网络游戏成瘾正相关,痛苦耐受性与网络游戏成瘾负相关,且痛苦耐受性在童年不可预测性和网络游戏成瘾之间起到显著的中介作用。研究结果强调了维持家庭环境稳定性和培养个体痛苦耐受性在预防网络游戏成瘾中的重要性。
Abstract: This study aimed to explore the impact of childhood unpredictability on college students’ online game addiction and the mediating role of distress tolerance. A total of 300 Chinese college students were surveyed through the online survey platform “Credamo.” The study used the Childhood Unpredictability Scale (CUS), the Distress Tolerance Scale (DTS), and the Gaming Addiction Scale (GAS) for measurement. The results showed that childhood unpredictability was positively correlated with online game addiction, distress tolerance was negatively correlated with online game addiction, and distress tolerance played a significant mediating role between childhood unpredictability and online game addiction. The study emphasizes the importance of maintaining family environment stability and cultivating individual distress tolerance in preventing online game addiction.
文章引用:吴灵香 (2024). 童年不可预测性对网络游戏成瘾的影响:痛苦耐受性的中介作用. 心理学进展, 14(9), 621-627. https://doi.org/10.12677/ap.2024.149689

1. 引言

近年来,环境不可预测性(un-predictability)对个体神经发育和行为产生的重要影响越来越受到关注。环境不可预测性指的是环境条件的随机和频繁变化,包括家庭生态的变化(Mittal et al., 2015)和父母的不一致性(Ross & Hill, 2000; Ross & Hill, 2002)。动物和人类研究都表明,不可预测性会对情绪控制、认知功能以及奖赏功能等方面产生影响(Bolton et al., 2018; McGinnis, Sheridan, & Copeland, 2022)。Elis认为个体会根据环境条件的严酷程度和不可预测性,发展出不同的生命史策略,以实现和环境条件相适应(Maranges et al., 2022)。这种适应过程在早期发育阶段(即童年期)尤为强烈,导致不同童年环境下的个体在认知功能、身体和心理健康等方面出现差异(Ross, Hood, & Short, 2016)。生命史策略理论为理解生理和行为的个体差异及其发展先驱提供了基本框架(Ellis et al., 2009)。由于资源(时间、精力和其他资源)有限,有机体必须在生命功能(维持、生存、繁殖)之间进行权衡分配资源,并经常无意识地最大化其繁殖适应度(Wolf et al., 2007)。个体发展出沿着快速到慢速连续体的资源分配策略(即生命史策略)。更快的生命史策略与早期性成熟、早期繁殖努力和较少的父母投资有关,在行为上,它们表现为短期导向、缺乏自我控制、较低的情绪调节能力、更冲动以及更多社会偏差和风险行为(Mishra et al., 2017)。相反,采用较慢生命史策略的个体倾向于具有长期导向、更多的抑制控制和延迟满足(Warren & Barnett, 2020)。特别是,最近研究表明,更快的生命史策略间接影响了网络游戏障碍(Zhang et al., 2022),并直接影响了智能手机成瘾和短视频应用的问题性使用(Wang et al., 2021)。目前童年不可预测性是否影响游戏成瘾还未有直接的研究。

研究结果表明,个体在不可预测的环境中成长会改变大脑发育并损害各种执行功能和调节能力(Evans & Kim, 2013),那些在低社会经济条件下长大的成年人的大脑回路与较低的情绪处理和调节相关(Liberzon et al., 2015)。此外,几项短期纵向研究发现,青少年早期的低社会经济地位与青少年晚期的较低情绪调节能力之间存在联系(Herd et al., 2020)。跨诊断风险因素研究表明,痛苦耐受性作为情绪失调及情绪调节困难领域的相关概念之一,是心理健康问题的一个重要预测因素。它被定义为个体承受负面情绪状态的能力,包括:(a) 评估情绪引发的情况是可接受的;(b) 调节情绪状态;(c) 对引发情绪的情况给予的关注程度以及之后的功能障碍;(d) 一个人忍受压力的能力(Leyro et al., 2011; Simons & Gaher, 2005)。研究表明,当经历痛苦或引发痛苦的情境时,痛苦耐受性低的个体更有可能出现不适应反应模式(Leyro et al., 2011)。这表明,痛苦耐受性可能在连接不同的不良情绪和应对结果(如物质使用、赌博和游戏、社交成瘾)方面发挥相关作用。大量的文献研究了痛苦耐受性、物质使用障碍和问题赌博;关于痛苦耐受性和电子游戏参与度的研究有限。情绪调节和电子游戏参与度之间的强正相关关系已经确立(Marchica et al., 2020)。Skues et al. (2016)发现痛苦耐受性与有问题的互联网使用(PIU)成反比,而更具适应性的情绪调节与手机成瘾下降有关,并能调节抑郁严重程度和手机成瘾间的关系(Skues et al., 2016)。最近,一些精神病理学相关的结构被支持作为手机成瘾与抑郁和/或焦虑严重程度之间的介质。这些中介变量包括行为情绪调节障碍(Elhai et al., 2016)。因此可以推测与情绪调节有关的痛苦耐受性在环境不可预测性与游戏成瘾中起到中介作用。

当前研究

在本研究中,我们采用横断面研究方法,在中国大学生样本中检验童年不可预测性、痛苦耐受性和游戏成瘾之间的关系。根据生命史理论的观点,童年时期在严酷或不可预测的环境中成长将倾向于发展更快的生命史策略特征,具有较低的情绪调节能力,这导致成年期更有可能表现出成瘾行为。因此,我们使用路径分析构建了一个中介模型,即童年不可预测性通过痛苦耐受性这个中介变量影响网络游戏成瘾,并测试了以下假设。

H1. 童年不可预测性与网络游戏成瘾正相关。

H2. 痛苦耐受性与网络游戏成瘾负相关。

H3. 痛苦耐受性中介了童年不可预测性对网络游戏成瘾的影响。

2. 方法

2.1. 参与者

从2023年5月25日至6月25日,我们通过在线调查平台(见数,https://www.credamo.com/)创建了问卷链接,该平台在全球广泛使用。共有300名本科生参与了调查。我们移除了未通过注意力检查的参与者(n = 10),最终,保留了290份有效问卷。由于本研究使用结构方程模型(SEM)进行路径分析,根据Jackson的N:q规则,推荐的样本量(N)与参数(q)的最小比例应为20:1。此外,Jackson还建议N:q越大越好,许多研究者建议SEM的最小样本量应超过200。因此,本研究的样本量足以进行路径分析模型。在有效参与者中,102名男性,188名女性,平均年龄为21.51岁(标准差 = 1.63),社会人口统计信息见表1。本研究符合赫尔辛基宣言,并获得了邵阳学院研究伦理委员会的批准。调查说明指出,完成问卷意味着同意参与和发布调查结果。所有参与者都自愿且匿名参与了本研究。

Table 1. Descriptive statistics of sociodemographic information

1. 社会人口统计信息的描述性统计

变量

N

均值(标准差)

范围

百分比(频数)

年龄

290

21.51 (1.63)

18~28

-

性别(%男性)

290

35.17% (219)

0~1

-

大学年级

290

1~5

-

1年级

7.24% (21)

2年级

16.55% (67)

-

-

3年级

27.24% (101)

-

-

4年级

22.77% (81)

-

-

5年级

32.76 (20)

月家庭收入(CNY)

290

1~5

小于1000

1.38% (4)

-

-

1001~4000

16.55% (48)

-

-

40001~7000

27.24% (79)

-

-

7001~10,000

22.77% (64)

-

-

>10,000

32.76 (95)

-

-

注:CNY = 中国元。

2.2. 测量

2.2.1. 童年不可预测性

童年期不可预测性量表(Childhood Un-predictability Scale, CUS)由Maranges等人编制(Maranges et al., 2022)中文版由王向等修订(王向等,2024)用于测量个体在童年期(10岁以前)不可预测性程度。CHS和CUS采用李克特7级评分方式,从“1 = 非常不同意”到“7 = 非常同意”。当前研究中的Cronbach’s α为0.85。

2.2.2. 痛苦耐受性

痛苦容忍度量表(Distress Tolerance Scale, DTS),由Simons & Gaher编制,中文版由刘小琳修订(刘小琳,高隽,2023),共包含13题,由容忍、调节、评价三个分因子组成,采用5点计分(5 = 非常不同意,1 = 非常同意),得分越高代表痛苦容忍度越高。当前研究中的Cronbach’s α为0.93。

2.2.3. 网络游戏成瘾量

游戏成瘾量表:使用7个项目的简体中文版游戏成瘾量表(Gaming Addiction Scale, GAS) (Liu et al., 2020)测量个体的网络游戏成瘾程度,从“1 = 从不”到“5 = 非常频繁”,得分越高,网络游戏成瘾程度越高。本研究中,Cronbach’s α系数为0.88。

2.3. 数据分析

我们使用SPSS 25.0进行所有数据清洗、共同方法偏差和描述性统计分析。然后,我们使用AMOS21.0进行路径分析,使用观察变量(PA-OA),其中所有变量都是观察到的,并使用最大似然估计来测试假设模型。根据Kline的建议,我们检查了以下统计数据以确认模型拟合度:X2及其自由度(X2/df < 5),比较拟合指数(CFI > 0.90),均方根近似误差(RMSEA < 0.08),以及标准化均方根残差(SRMR < 0.10)。直接效应和间接效应的显著性是通过使用5000个偏差校正的自助样本进行测试的,其中95%的自助置信区间不包含零。

3. 结果

3.1. 常见方法偏差

本研究使用Harman单因素测试来评估常见方法偏差的可能性。三个自我报告变量(即童年不可预测性、痛苦耐受性和网络游戏成瘾)通过探索性因子分析进行了检查。由于第一因子解释了总方差的30.54%,低于40%的阈值,没有出现单一方法因子。

3.2. 描述性统计

表2显示了研究变量的均值、标准差和双变量相关性。网络游戏成瘾与童年不可预测性正相关,网络游戏成瘾与痛苦耐受性负相关,童年不可预测性和痛苦耐受性负相关。

Table 2. Correlation of variables

2. 变量相关性表

变量

M (SD)

1

2

3

1. 网络游戏成瘾

14.92 (5.42)

-

2. 童年不可预测性

40.27 (14.69)

0.48***

-

3. 痛苦耐受性

40.37 (11.49)

−0.40***

−0.37**

-

3.3. 路径分析

使用结构方程模型检验童年不可预测性对网络游戏成瘾的直接作用,以及通过痛苦耐受性对网络游戏成瘾的间接作用。以童年不可预测性为预测变量,网络游戏成瘾为结果变量,痛苦耐受性中介变量。结果发现,模型拟合良好,X2/df = 1.61,CFI = 0.998,TLI = 0.996,RMSEA = 0.046,SRMR = 0.007。结构方程模型图如图1,所有路径均达到了统计上的显著性水平(p < 0.01)。路径模型中的中介效应在表3中报告。痛苦耐受性在童年不可预测性和网络成瘾之间的中介效应具有统计学显著性。直接效应(0.143)和中介效应(0.035)分别占总效应(0.178)的80.3%、19.6%。

Figure 1. The mediating role of pain tolerance in the relationship between childhood unpredictability and online gaming addiction among college students

1. 痛苦耐受性在大学生童年不可预测性与网络游戏成瘾中的中介图

Table 3. Results of the mediating effect of pain tolerance on the relationship between childhood unpredictability and online gaming addiction among college students

3. 痛苦耐受性在大学生童年不可预测性与网络游戏成瘾中的中介效应结果

模型

效应值

95% CI

童年不可预测性→痛苦耐受性→网络游戏成瘾

总效应

0.178

[0.136, 0.229]

直接效应

0.143

[0.104, 0.182]

间接效应

0.035

[0.019, 0.057]

间接效应比

19.6%

4. 讨论

互联网是大学生活的重要组成部分。对一些人来说,它是导师和朋友,而对另一些人来说,它可能是致命的诱惑。了解导致个体在网络游戏成瘾方面的易感性差异的因素非常重要。在本研究中,我们通过在中国大学生样本中进行横断面研究,检验了童年不可预测性与网络成瘾之间的关系,以及痛苦耐受性在这些变量之间的中介作用。与我们的假设一致,童年不可预测性是大学生网络游戏成瘾的直接和积极预测因子。童年环境的不可预测性可能与频繁的搬迁、父母的不一致性和基本生活必需品的波动有关(Ross & Hill, 2000)。孩子们通过对不稳定环境的感知形成不可预测性模式,这些模式提供了一种信念,即人和世界都是不可预测和不可控的。如果对未来的投资不一定有回报,他们将忽略长期的成本和收益(伤害和健康),专注于“此时此地”,从而导致冒险和成瘾行为(Ross & Hill, 2002)。基于情绪调节理论,痛苦耐受性高的个体往往能够有效地使用情绪调节策略,如认知重构和情绪调节技巧,以应对负面情绪相反,痛苦耐受性低的个体可能更倾向于使用不适应的调节策略,如回避、压抑和成瘾行为(Aldao et al., 2010)。与以往研究一致,我们发现童年更大的不可预测性显著与更低的痛苦耐受性水平相关,而痛苦耐受性又显著与更高的网络游戏成瘾风险相关。虽然频繁的家庭冲突与青少年网络成瘾有关,但提高青少年的情绪调节能力可以抵消这种负面影响。因此,预防青少年和年轻成年人的网络游戏成瘾可以从两个方面着手:保持父母一致性和培养个体的痛苦耐受性。

我们的研究有几个优点。首先,我们发现童年不可预测性对网络游戏成瘾有影响,我们提出保持家庭环境的稳定性是防止网络游戏成瘾的保护因素。第二,痛苦耐受性是早期环境风险影响网络游戏成瘾的重要机制。这提醒我们,即使在不利的早期环境下,个体的痛苦耐受性仍然可以在家庭与学校中得到培养,这对预防网络游戏成瘾非常重要。本研究也有以下局限性。首先,我们的研究采用了横断面设计,使用回顾性自我报告方法评估童年不可预测性。尽管假设童年环境先于成瘾行为,但我们发现的所有关系都是相关性的,因此一些纵向设计的研究仍然有必要得出因果结论。第二,我们使用了大学生的便利样本,这可能无法代表中国大学生或年轻成年人的更大人群。建议未来进行更大规模的随机样本研究,以测试当前研究结果的普遍性。第三,我们只测试了痛苦耐受性的中介作用,这对于理解童年环境如何影响网络游戏成瘾还远远不够,因此未来需要考虑额外的路径来完善模型。

5. 结论

总结来说,我们的研究揭示了童年严酷性和不可预测性,作为生命史策略的先驱,是大学生网络成瘾的独立且不同的预测因子,痛苦耐受性是一个重要的中介机制。这些发现为网络游戏成瘾的进化解释增添了新的内容,并表明维持父母一致性和培养痛苦耐受性对于促进大学生健康使用互联网是必要的。

基金项目

湖南省教育厅一般项目“大学生痛苦耐受性,手机成瘾与焦虑、抑郁的关系:纵向追踪研究”22C0476;邵阳市社会科学成果评审委员会2023年度一般科研课题“青少年痛苦耐受性与不良情绪及行为的纵向追踪研究”23YBB14。

参考文献

[1] 刘小琳, 高隽(2023). 痛苦容忍度量表中文版修订及其信效度检验. 中国临床心理学志, 31(1), 96-101.
[2] 王向, 樊洁, 卢京洁, 等(2024). 中文版童年期严酷性量表和不可预测性量表在大学生中的信效度. 中国临床心理学杂志, 32(3), 588-594.
[3] Aldao, A., Nolen-Hoeksema, S., & Schweizer, S. (2010). Emotion-Regulation Strategies across Psychopathology: A Meta-Analytic Review. Clinical Psychology Review, 30, 217-237.
https://doi.org/10.1016/j.cpr.2009.11.004
[4] Bolton, J. L., Molet, J., Regev, L., Chen, Y., Rismanchi, N., Haddad, E. et al. (2018). Anhedonia Following Early-Life Adversity Involves Aberrant Interaction of Reward and Anxiety Circuits and Is Reversed by Partial Silencing of Amygdala Corticotropin-Releasing Hormone Gene. Biological Psychiatry, 83, 137-147.
https://doi.org/10.1016/j.biopsych.2017.08.023
[5] Elhai, J. D., Levine, J. C., Dvorak, R. D. et al. (2016). Fear of Missing out, Need for Touch, Anxiety and Depression Are Related to Problematic Smartphone Use. Computers in Human Behavior, 63, 509-516.
[6] Ellis, B. J., Figueredo, A. J., Brumbach, B. H., & Schlomer, G. L. (2009). Fundamental Dimensions of Environmental Risk: The Impact of Harsh versus Unpredictable Environments on the Evolution and Development of Life History Strategies. Human Nature, 20, 204-268.
https://doi.org/10.1007/s12110-009-9063-7
[7] Evans, G. W., & Kim, P. (2013). Childhood Poverty, Chronic Stress, Self‐Regulation, and Coping. Child Development Perspectives, 7, 43-48.
https://doi.org/10.1111/cdep.12013
[8] Herd, T., King-Casas, B., & Kim-Spoon, J. (2020). Developmental Changes in Emotion Regulation during Adolescence: Associations with Socioeconomic Risk and Family Emotional Context. Journal of Youth and Adolescence, 49, 1545-1557.
[9] Leyro, T. M., Bernstein, A., Vujanovic, A. A., McLeish, A. C., & Zvolensky, M. J. (2011). Distress Tolerance Scale: A Confirmatory Factor Analysis among Daily Cigarette Smokers. Journal of Psychopathology and Behavioral Assessment, 33, 47-57.
https://doi.org/10.1007/s10862-010-9197-2
[10] Liberzon, I., Ma, S. T., Okada, G., Shaun Ho, S., Swain, J. E., & Evans, G. W. (2015). Childhood Poverty and Recruitment of Adult Emotion Regulatory Neurocircuitry. Social Cognitive and Affective Neuroscience, 10, 1596-1606.
https://doi.org/10.1093/scan/nsv045
[11] Liu, Y., Wang, Q., Jou, M., Wang, B., An, Y., & Li, Z. (2020). Psychometric Properties and Measurement Invariance of the 7-Item Game Addiction Scale (GAS) among Chinese College Students. BMC Psychiatry, 20, Article No. 484.
https://doi.org/10.1186/s12888-020-02830-7
[12] Maranges, H. M., Hasty, C. R., Martinez, J. L., & Maner, J. K. (2022). Adaptive Calibration in Early Development: Brief Measures of Perceived Childhood Harshness and Unpredictability. Adaptive Human Behavior and Physiology, 8, 313-343.
https://doi.org/10.1007/s40750-022-00200-z
[13] Marchica, L. A., Keough, M. T., Montreuil, T. C., & Derevensky, J. L. (2020). Emotion Regulation Interacts with Gambling Motives to Predict Problem Gambling among Emerging Adults. Addictive Behaviors, 106, Article ID: 106378.
https://doi.org/10.1016/j.addbeh.2020.106378
[14] McGinnis, E. W., Sheridan, M., & Copeland, W. E. (2022). Impact of Dimensions of Early Adversity on Adult Health and Functioning: A 2-Decade, Longitudinal Study. Development and Psychopathology, 34, 527-538.
https://doi.org/10.1017/s095457942100167x
[15] Mishra, S., Templeton, A. J., & Meadows, T. J. S. (2017). Living, Fast and Slow: Is Life History Orientation Associated with Risk-Related Personality Traits, Risk Attitudes, Criminal Outcomes, and Gambling? Personality and Individual Differences, 117, 242-248.
https://doi.org/10.1016/j.paid.2017.06.009
[16] Mittal, C., Griskevicius, V., Simpson, J. A., Sung, S., & Young, E. S. (2015). Cognitive Adaptations to Stressful Environments: When Childhood Adversity Enhances Adult Executive Function. Journal of Personality and Social Psychology, 109, 604-621.
https://doi.org/10.1037/pspi0000028
[17] Ross, L. T., & Hill, E. M. (2000). The Family Unpredictability Scale: Reliability and Validity. Journal of Marriage and Family, 62, 549-562.
https://doi.org/10.1111/j.1741-3737.2000.00549.x
[18] Ross, L. T., & Hill, E. M. (2002). Childhood Unpredictability, Schemas for Unpredictability, and Risk Taking. Social Behavior and Personality: An International Journal, 30, 453-473.
https://doi.org/10.2224/sbp.2002.30.5.453
[19] Ross, L. T., Hood, C. O., & Short, S. D. (2016). Unpredictability and Symptoms of Depression and Anxiety. Journal of Social and Clinical Psychology, 35, 371-385.
https://doi.org/10.1521/jscp.2016.35.5.371
[20] Simons, J. S., & Gaher, R. M. (2005). The Distress Tolerance Scale: Development and Validation of a Self-Report Measure. Motivation and Emotion, 29, 83-102.
https://doi.org/10.1007/s11031-005-7955-3
[21] Skues, J., Williams, B., Oldmeadow, J., & Wise, L. (2016). The Effects of Boredom, Loneliness, and Distress Tolerance on Problem Internet Use among University Students. International Journal of Mental Health and Addiction, 14, 167-180.
https://doi.org/10.1007/s11469-015-9568-8
[22] Wang, X., Zhao, S., Zhang, M. X., Chen, F., & Chang, L. (2021). Life History Strategies and Problematic Use of Short-Form Video Applications. Evolutionary Psychological Science, 7, 39-44.
https://doi.org/10.1007/s40806-020-00255-9
[23] Warren, S. M., & Barnett, M. A. (2020). Effortful Control Development in the Face of Harshness and Unpredictability. Human Nature, 31, 68-87.
https://doi.org/10.1007/s12110-019-09360-6
[24] Wolf, M., van Doorn, G. S., Leimar, O., & Weissing, F. J. (2007). Life-history Trade-Offs Favour the Evolution of Animal Personalities. Nature, 447, 581-584.
https://doi.org/10.1038/nature05835
[25] Zhang, M. X., Su, X., & Wu, A. M. S. (2022). Is Fast Life History Strategy Associated with Poorer Self-Regulation and Higher Vulnerability to Behavioral Addictions? A Cross-Sectional Study on Smartphone Addiction and Gaming Disorder. Current Psychology, 42, 22770-22780.
https://doi.org/10.1007/s12144-022-03385-4