时间:2024-06-19
武亦文,阴山燕,田可心
(天津中医药大学,天津市 301617)
随着科技进步和网络普及,网络生活和网络行为逐渐成为人们尤其是青年群体现实生活的重要组成部分。前人的研究较多关注于网络的消极影响(如网络成瘾、网络暴力),但每一个硬币都有两面,网络亦是如此。研究者需要给予网络良性行为更多的关注,既有利于发掘网络积极的一面,又可以间接减少网络戾气,创建更好网络环境,让人们在网络这个虚拟世界中更好地排解压力,获得快乐,发掘自己的人生价值。网络利他行为作为互联网良性行为的一种重要而又常见的方式近年来受到研究者的广泛关注。
利他主义是指个人的最终目标是改善其他个人的福利,个体可能会因为通过帮助他人而获得内在满足感而不是外在的回报而发出利他行为[1]。网络利他行为是利他行为在网络社会的延伸,是指在网络环境中表现出来的不期望得到任何回报,可以使他人获益的自觉自愿行为[2]。有研究者认为,利他行为可以视为互联网发展的自然顺序的一部分,一方面是因为互联网是由一群志愿者构想出来的,他们认为知识应该是快速和免费的;另一方面也因为自互联网诞生以来,一直在寻求一种可以将无限的信息资源进行组合和共享以达到服务大众的新的发展方式[3]。有研究指出,与面对面的情况相比,人们更愿意在网上帮助他人[4]。这是因为网络的匿名性、隐蔽性、非同步性、孤独性的内射、想象以及权威的最小化,有些人的自我披露或行为会更为频繁、强烈[5]。而由于网络的超时空性则会弱化现实情境中的旁观者效应,使得助人者有更高的主动性和更强的责任感[6]。越来越多的人在互联网构建的新环境中进行学习、工作以及社会交往[7]。2020年9月,中国互联网络信息中心(CNNIC)第46 次《中国互联网络发展状况统计报告》显示,我国网民规模高达9.40 亿,互联网普及率达67.0%。我国网民以中青年群体为主:青少年网民群体占比14.8%,且呈逐年上升趋势[8],而20-29 岁群体占整体网民的19.9%。由此可见,青年是当下网络世界的主力军。研究当代青年的网络利他行为对于提高网民的网络道德素质,构建和谐的网络社会具有重要意义。
Davis提出的共情多因素模型认为,共情包括共情关注、观点采择、幻想、个人悲伤四个维度。从共情的认知与情感两个方面进行考察,共情被定义为个体对他人经验的反应有关的一系列结构[9]。共情利他假说认为,当个体旁观他人遇到困难或处于困境中时,该个体会对受助者产生同情、共情、怜悯等情绪[10]。这种情绪越激烈,个体就会有越强的动机想要帮助他人解决困难、走出困境。这种动机越强,做出助人利他行为的可能性也就越大。以往研究也表明,人类的利他行为通常是由对他人的同情关心所驱动的[11]。大量研究表明,认知共情和情感共情与利他等亲社会行为之间存在正相关关系[12]。但也有研究发现,共情的不同成分对个体利他行为的预测作用不同。Laible等人发现,利他行为与认知共情和情感共情均为正相关[13]。而Davis等人的研究则发现,情感共情与利他行为呈正相关[14],认知共情与利他行为负相关。基于共情与现实利他行为的关系,研究者开始研究共情与网络利他行为的关系。蒋怀滨等人的研究表明,两者之间显著正相关并且共情对网络利他行为有正向预测作用[15]。笔者认为,共情-利他假说在网络情境下同样适用。在网络世界中,当个体觉知和分享到他人的不幸时而产生共情,会萌发减少他人痛苦的动机,从而表现出网络利他行为。宋凤宁等人的研究也证明,作为人格特质因素之一的移情因素可对网络利他行为作出正向预测[16]。综合以往研究,笔者提出假设H1:共情对网络利他行为具有正向预测作用。
宽恕一词最早起源于西方宗教,在20世纪80年代被心理学领域广泛关注。东西方对“宽恕”的定义略有差异:西方的“宽恕”被看作一种无条件的爱;而在中国传统文化中,“宽恕”则与慈爱、仁爱、包容等密切相关。宽恕发生在一个从敌意到友善的态度连续体上,心理学关于宽恕研究常常涉及到自我宽恕和宽恕他人两方面。研究人员通常将宽恕概念化为涉及态度、情感和行为的丰富的心理变化的综合体[17]:在认知方面,受害者不再选择报复和谴责心理,而是以积极的态度对待冒犯者;在情感方面,受害者的不满愤怒等消极情感被时间逐渐冲淡而转变为中性或积极情绪;在行为方面,被冒犯者放弃对冒犯者报复性的消极行为,甚至愿意与其合作[18]。如果一个人无法自我宽恕,一直背负着过去的内疚感,这种感觉往往会转变为无法摆脱的痛苦感,不利于个体的身心健康与发展,且导致更高的抑郁水平[19]。因此,随着时代的发展和思想的解放,自我宽恕不再等同于自私而是有了更为丰富的内涵,能够促进人们的身心健康[20]。积极心理学视角下的自我宽恕被概念化为一种对自我的善意表现,个体面对自己的错误愿意放弃自怨自艾,同时培养同情心、大度心和对自己的爱[21]。前人的研究集中在宽恕与现实利他行为的关系上,已有研究表明,宽恕他人与利他行为之间显著正相关[22],宽恕与利他主义是有紧密联系的[23]。而关于宽恕与网络利他行为的关系鲜有提及。前人研究已经证实,宽恕与自尊正相关[24],且自尊能够正向预测网络利他行为[25]。笔者据此提出假设H2:宽恕他人与自我宽恕对网络利他行为都具有正向预测作用。
宽恕可能是共情影响网络利他行为的一个中介变量,共情使得个体在面对未来的不确定性时更愿意报以宽恕的态度。有研究表明,共情对宽恕存在直接影响,在对来访者共情进行干预后也支持了共情-宽恕之间的联系[26]。但对于两者之间的关系学者意见并不一致,部分研究认为,个体的共情水平越高,越容易宽恕他人,却越难以实现自我宽恕;但随着时代的发展近年来也有研究者认为,个体的共情水平越高,宽恕他人与自我宽恕都更容易实现。如李小玲的研究中提到,共情的两个维度(观点采择、同情关心)与宽恕自我、人际宽恕均显著正相关[27];赵薇等人的研究也表明,自我宽恕与共情显著正相关[28],该研究的解释是由于共情与大五人格中的宜人性正向相关,而宜人性高的个体不仅善于换位思考,也更容易宽恕自己。综上所述,由于近年来自我宽恕内涵的丰富以及社会宣扬学会自我宽恕潜移默化的影响,笔者认为,共情与宽恕他人以及自我宽恕均呈正相关。宽恕表现在行为方面,即个体不再对冒犯者采取报复行为等,因而宽恕水平高的个体越容易转变消极心境,放弃消极行为,表现出更多的利他行为。然而当前关于宽恕与网络利他行为关系的研究还比较少见。此外,有研究证实,共情能够正向预测网络利他行为[16]。也就是说,宽恕、网络利他行为、共情这三者之间可能存在某种联系。笔者据此提出假设H3:宽恕在共情与网络利他行为之间起中介作用。
笔者向青年群体发放问卷533 份,回收问卷509份,筛除无效问卷后,有效问卷461份,问卷回收率95.5%,有效率86.5%。其中男生158 人,女生303 人;年龄分布为:14~18 岁147 人(31.89%),19~22 岁200 人(43.38%),23~28 岁114人(24.72%)。
网络利他行为问卷(Internet Altruistic Behavior Scale of Undergraduates):采用郑显亮编制的网络利他行为量表[29],共26 个项目,分为网络支持(9题),网络指导(6题),网络分享(6题)和网络提醒(5题)4个维度。量表采用4点计分(1“从不”~4“经常”)。该量表已被应用于测量青少年的网络利他水平,具有良好的信效度。在本研究被试中的α值为0.95,信度良好,可用于本研究。
共情测量:采用中国版人际反应指针量表(Interpersonal Reactivity Index-C),共22 个题目,分成4个因素,观点采择、共情性关心、想象力、个人痛苦,由不恰当到很恰当为0~4分[30]。在本研究中的α值为0.73。
Hearland 宽恕量表:共24 个项目,分为两个维度,人际宽恕和自我宽恕,每个维度12个项目,采用7级评分[31]。得分越高的人越容易宽恕他人和宽恕自己。在本研究中的α值为0.88。
本研究数据使用SPSS 22.0进行数据处理,用AMOS 23.0对中介效应进行分析。
在程序方面,采用匿名问卷调查,在一定程度上控制了共同方法偏差。在统计方面,采用Harman 单因素检验[32],将所有量表项进行探索性因子分析,得出未旋转的因素分析结果:提取出特征值大于1的公共因子共15个,第一公因子的方差解释百分比为22.18%,小于临界标准40%[33]。可以认为,本研究不存在严重的共同方法偏差。
将不同年龄段青年的网络利他行为、共情、宽恕进行差异单因素方差分析后结果如表1 所示:青年网络利他行为与共情的年龄差异不显著,但网络利他行为的均值随着年龄的增大在不断增大。而青年宽恕水平在不同的年龄段表现出了显著性差异(F=3.69,P<0.05)。
表1 各变量年龄差异分析表
从表2 中可以看出,共情、网络利他行为、宽恕及其各测量维度均有不同程度的显著相关,这说明,共情、宽恕以及网络利他行为三个因素之间具有较为密切的联系。具体来说,共情、宽恕及其各维度和网络利他行为呈显著正相关;共情与宽恕及其各维度也是显著正相关。
表2 各变量相关性
基于相关分析的结果,宽恕可能在共情、网络利他行为之间具有中介作用。以共情为自变量,网络利他行为为因变量,建立结构方程模型检验总效应。结果表明,本研究的总效应模型拟合 良 好(χ2/df=4.96,GFI=0.95,NFI=0.95,CFI=0.96,RMSEA=0.09),共情能够正向预测网络利他行为。
在引入中介变量宽恕建立结构方程假设模型(见图1)后,各拟合指数如表3所示(χ2/df<5,GFI>0.9,NFI>0.9,CFI>0.9,RMSEA<0.08),说明该模型构建良好。
图1 宽恕在共情与网络利他行为之间的中介效应
表3 宽恕中介作用模型适配指数
运用bootstrap 方法重复抽样5000 次来检验中介效应的显著性,得到表4。
表4 总效应、直接效应、中介效应分解表
结果表明,总效应值为0.48,间接效应值为0.09,直接效应值为0.39。间接效应显著表明存在中介效应,中介效应95%的置信区间是[0.02,0.19],该区间不包含0。此外,共情对网络利他行为仍有显著的正向预测作用,所以共情在宽恕与网络利他行为之间的中介效应显著且为部分中介效应,中介效应与总效应之比为18.8%。
本研究表明,青年的网络利他行为与共情水平在不同的年龄段没有表现出显著差异,但从均值来看,网络利他行为随着年龄的增长呈现上升趋势,年龄较大的青年群体比年龄较小的青年群体表现出较多的网络利他行为,但差异并不显著。一个可能的原因是互联网的普及使网络持续向低龄人群渗透,逐步形成全面覆盖,所有人都有同等机会接触网络来表现出网络利他行为。根据以往研究可以看出,共情发展的关键期为幼儿期和儿童期,青年时期已趋于稳定,所以在本研究中青年群体在共情方面没有表现出明显差异。而青年群体的宽恕水平会随着年龄的增长有显著的提高。根据Enright 对于宽恕发展阶段的研究,不同时期的宽恕水平有所不同:儿童时期为报复性宽恕,青年早期为压力迫使下的宽恕,青年晚期、成年期才会出现无条件的宽恕。因为宽恕动机由压力迫使向无条件的转变,本研究中青年晚期的宽恕水平会显著高于青年早期的宽恕水平。
本研究结果表明,共情能够正向预测网络利他行为。这验证了假设H1,前人研究也支持这一结果[34]。Boston 的研究指出,由于共鸣共情会唤起一种利他主义的动机,这种动机针对的是增加被同情者的福利。他认为,还有一种可能性是同理心激活了对需要的反应的道德原则,高共情者的利他行为是为了坚持这一原则[35]。本研究结果证实,共情-利他假说在网络情境下同样适用。在网络世界中,当个体觉知和分享到他人的不幸而产生共情时,会有减少他人痛苦的动机,从而表现出网络利他行为。
本研究结果表明,宽恕对网络利他行为有正向预测作用。这验证了假设H2,即青年的宽恕水平越高,表现出的网络利他行为越多。这一结果与前人的研究结果一脉相承,前人研究表明,宽恕自己、宽恕他人及宽恕总分与自尊存在显著正相关[36]。David的研究表明,自尊水平高的个体,其自我评价较高,表现出较高的自我效能感。自我效能感较高者表现出对他人的关切,因而易作出利他行为[37]475-519。本研究证明,在网络情境下依旧如此,即自尊能够正向预测网络利他行为[38]。综上所述,宽恕水平高的个体自尊水平高,自尊水平高的个体更容易做出网络利他行为。
基于以往的研究,笔者提出共情在宽恕对网络利他行为的影响中起中介作用的假设并进行了验证。结果表明,宽恕在共情对网络利他行为的影响中起部分中介作用。这验证了假设H3,即共情既能直接影响网络利他行为,又能通过影响宽恕来间接影响网络利他行为。共情能直接正向预测网络利他行为,这符合道德情绪模型[39]:共情作为一种高层次情绪具有驱动网络利他行为这种道德行为的功能。共情也能通过影响宽恕来间接影响网络利他行为,但在中介路径中不论是自我指向的自我宽恕,还是他人指向的人际宽恕都起到了正向影响,这与国外一些研究有所不同。付伟等人的研究表明,在中国文化背景下,宽恕的加工机制与西方存在差异[40]。中国传统文化背景下,宽恕可用于保持团队内部之间的和谐,同时也被人们当作一种在不同地位、层级成员之间取得调和、平衡的策略。按照中国儒家思想,这是获得社会关系稳定的基石。受儒家文化的影响,“恕”的思想融入到了个体的心理建构中,“己所不欲,勿施于人”的儒家思想淡化了宽恕他人和自我宽恕的界限。个体的共情水平越高,其自身会具备更强的换位思考能力,更积极关注他人。这种对他人情绪及状态的觉察能力有助于提高个体的宽恕水平,从而提升个体发出网络利他行为的可能性。
笔者在本研究中测量的变量均为积极品质与行为,虽然告知被试问卷调查是匿名的,且要求被试按实际情况自我报告,但只能在一定程度上控制社会赞许性,可能对测量结果仍有影响。未来可以考虑加入权威的社会赞许性量表,在数据处理前将该量表得分大于标准水平的问卷剔除来更好地控制社会赞许性对结果的影响。
本研究对未来增加网络利他行为、减少网络戾气有一定启示:可以通过干预共情水平来促进网络利他行为的产生,在这个互联网与生活密不可分的时代,提高青年的网络素质,创建更为和谐健康的网络环境显得尤为重要。
其一,青年的共情水平能正向预测网络利他行为,相较于低共情个体,共情水平高的个体可能会表现出更多的网络利他行为。
其二,共情能够通过影响个体的宽恕水平来间接影响网络利他行为。
我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!