1. 引言
校园欺凌(school bullying)是指欺凌者在校园中滥用权力，故意且重复的攻击、伤害他人的行为(Quintana-Orts et al., 2023; 李小青等，2023)，随着时间的推移受害者很难保护自己。校园欺凌行为是在儿童中广泛存在的一种攻击方式(Martínez-Monteagudo et al., 2023; 吴正慧等，2023)，虽然在短时间内欺凌者可以支配他人，维持和提高在同伴中的社会地位和权力(Esposito et al., 2022)。但是长此以往，欺凌不仅会给受害者带来身体和心理上的伤害(Burger et al., 2022)，比如产生抑郁、焦虑等负性情绪，还会给欺凌者自身带来负面影响(Garandeau et al., 2016)，甚至走上违法犯罪的道路。因此，探讨儿童的欺凌行为的预测因素和形成机制具有重要的理论价值和现实意义。
暴力暴露(violence exposure)是指个体在日常生活中看到、听到、接触到或者亲身经历过的与暴力有关的线索(金童林等，2018；Valdes-Cuervo et al., 2023)。暴力暴露是欺凌的风险因素，反复暴露于暴力环境中对于儿童发展具有不可避免的负面影响(Santacrose et al., 2021)，长期接触暴力线索会诱发个体发生欺凌行为(So et al., 2021)。根据观察学习理论(Bandura, 1977)和脚本理论(Allen et al., 2018)，个体很可能是在暴力情境中通过观察学习攻击或欺凌行为进而模仿这些行为，形成自己的攻击认知脚本，从而提高自己的实施欺凌行为的频率。有研究支持了这一观点，具体来说其研究通过问卷调查发现暴力暴露与更高水平的欺凌显著相关(Hlavaty & Haselschwerdt, 2019; 张林等，2017)，例如亲眼目睹暴力的同学更有可能欺负他们自己的同学。基于此我们提出假设1：暴力暴露可以直接预测欺凌。但是有关儿童接触的暴力相关线索是如何影响欺凌行为的内在机制尚不明晰，已有研究发现社会认知的相关因素在暴力暴露和攻击行为之间起到中介作用(Bradshaw et al., 2009)，然而，儿童自动思维是否在暴力暴露和欺凌之间起到中介作用缺乏研究，因此本研究选取儿童自动思维来探究暴力暴露影响欺凌的内在机制。
儿童自动思维(children’s automatic thoughts)主要是指一系列消极的观念、想法或思维(Kishida et al., 2022)，主要包含社交威胁(social threat)自动思维、敌意(hostility)自动思维等。在日常环境中频繁的接触暴力信息，暴露于暴力情境使自己与攻击相关图式、知识和记忆等知识结构发生改变(Anderson & Bushman, 2002)，个体更容易选择用负性思维方式解释当下发生事情的频率增加，进而会促进欺凌行为的发生。例如，在日常生活中的暴力暴露会导致敌意的本能思维(Zhu et al., 2023)，敌意情绪往往会会以一种相对自动的方式被敌意情境触发，可见暴力暴露会激活敌意等自动思维；社会信息加工模型指出如果个体在模糊情境时倾向以敌意的方式解释当下的情境，会更容易发生攻击行为(Dodge & Coie, 1987)。实证研究也支持了这一观点，例如一项横断面研究表明大学生的暴力暴露水平可以显著预测自动思维，自动思维也可以显著预测网络攻击(陆桂芝等，2019)；大学生的暴力暴露可以纵向预测半年后的敌意自动思维，敌意自动思维也可以纵向预测半年后网络攻击(Zhu et al., 2023)。欺凌作为攻击行为的一种类型，我们有理由推测儿童所经历的暴力暴露事件可能通过负性思维进一步诱发欺凌行为，因此我们提出假设2：儿童自动思维在暴力暴露和欺凌之间起到中介作用。
综上所述，本研究旨在探讨儿童暴力暴露与欺凌的关系，并通过结构程模型检验儿童自动思维是否起到中介作用，为欺凌的预防和干预提供理论依据。
2. 方法
2.1. 被试
本研究的数据是来自我们课题组的一项大型纵向调查研究。使用方便抽样的方法，选取重庆市多所小学的儿童进行问卷调查。共发放856份问卷，有效回收问卷812份，其中回收率为94.89%。平均年龄为11.33 ± 0.94岁，其中男生426名(52.46%)，女生375名(46.18%)，有11名被试的性别缺失。
本次研究以班级为单位在教室集中发放问卷并当场回收，被试均为自愿参加，调查时已获得被试的知情同意。每个班级的主试均为经过培训后的研究助理，他们会在调查前讲解指导语，说明收集数据的保密性，解答被试在作答过程中出现的问题，并在施测结束后发放礼品。
2.2. 工具
2.2.1. 暴力暴露问卷
社区暴力暴露问卷(Community Violence Exposure Questionnaire)是由Schwartz和Proctor (2000)编制，可用于测量儿童的暴力暴露水平。该量表的中文版是由我们课题组自行修订，表共有25道题，如：“你见到过多少次有人试图用刀或其他锋利的东西来伤害别人”；使用4点计分，其中“1”代表“从未”，“4”代表“经常”，在量表上的得分越高代表个体的暴力暴露水平越高。该问卷在本次调查的Cronbach’s α系数为0.898；验证性因素分析的结果显示该问卷在此次调查中的结构效度良好(χ2/df = 4.065, RMSEA (90% CI) = 0.062 (0.022~0.109), CFI = 0.981, TLI = 0.943, SRMR = 0.017)。
2.2.2. 儿童自动思维量表
采用Schniering和Rapee编制的儿童自动思维量表(children’s automatic thoughts scale)测量自动思维(Schniering & Rapee, 2002)，该量表共有40道题，要求被试评定在过去一周内出现相关想法的频率，如：“同学们会认为我很笨”；使用李克特5点计分，其中“0”代表“没有”，“4”代表“总是”，得分越高代表被试的负性思维越多。 本次调查中该量表的Cronbach’s α系数为0.965；验证性因素分析的结果提示在此次调查中，该量表的结构效度良好(χ2/df = 3.432, RMSEA (90% CI) = 0.055 (0.014~0.102), CFI = 0.997, TLI = 0.992, SRMR = 0.004)。
2.2.3. Olweus欺凌问卷
采用由Gothwal等人修订的Olweus欺凌/被欺凌问卷修订版(Revised Olweus Bully/Victim Questionnaire)中的欺凌分问卷(Gothwal et al., 2013)来测查儿童在过去半年做出欺凌行为的频率，该分问卷共有8道题，如：“我散布关于某同学的谣言，并设法让其他人都不喜欢他/她。”问卷使用李克特5点计分，得分越高代表个体的欺凌水平越高，其中“0”代表“从来没有”，“4”代表“一周多次”。该问卷在本次调查中的Cronbach’s α系数为0.965；验证性因素分析的结果提示，该次调查中的结构效度良好(χ2/df = 2.096, RMSEA (90% CI) = 0.037 (0.000~0.088), CFI = 0.988, TLI = 0.963, SRMR = 0.024)。
2.3. 数据处理与分析
按照以下步骤对数据进行处理和分析。第一，进行数据检查，剔除规律作答(如连续相同作答)和自我报告未认真作答被试的数据；第二，使用SPSS25.0对数据进行描述性统计、Pearson相关分析和Harman单因素检验；第三，按照已有研究的建议进行项目打包(Matsunaga, 2008)，之后使用Mplus8.3对暴力暴露、儿童自动思维和欺凌3个变量进行测量模型的检验；最后，建构潜变量的中介模型，并采用偏差校正的非参数百分位Bootstrap (重复抽样2000次) 法进行中介效应检验。在该过程中根据已有研究的建议使用全息极大似然估计法(Full Information Maximum Likelihood)对缺失值进行估计。
3. 结果
3.1. 共同方法偏差检验
由于本研究的数据均来自陈式问卷调查，因此采用Harman单因素法对可能存在共同方法偏差进行检验。结果显示，在本次调查数据中探索性因素分析获得的第一个因子的解释率为28.01%，小于临界标准40%。据此可以推测，本研究所用的数据不存在明显的共同方法偏差问题。
3.2. 描述统计和相关分析
暴力暴露、儿童自动思维和欺凌的平均数、标准差和相关分析结果如表1所示。可以看出，在这次调查中，暴力暴露分别和儿童自动思维、欺凌呈显著正相关(p < 0.01)，儿童自动思维和欺凌之间也存在显著的正相关(p < 0.01)。
Table 1. Means, standard deviations (SD) and correlations between violence exposure, bullying and children’s automatic thoughts
表1. 暴力暴露、儿童自动思维和欺凌的平均值、标准差和相关关系
注：*p < 0.05，**p < 0.01。
3.3. 测量模型检验
对本次调查中的暴力暴露、儿童自动思维和欺凌构建测量模型进行检验，结果显示，测量模型的数据拟合指标均达到了良好水平：χ2/df = 1.663，CFI = 0.985，TLI = 0.982，SRMR = 0.047，RMSEA (90% CI) = 0.029 (0.019, 0.037)。
3.4. 中介模型分析
根据研究假设构建和分析了三个研究变量的中介模型，模型图见图1。结果显示，在控制性别和年龄后，该中介模型对数据的拟合指数良好(χ2/df = 3.030, RMSEA (90% CI) = 0.052 (0.044, 0.060), CFI = 0.979, TLI = 0.973, SRMR = 0.032)；暴力暴露可以预测儿童自动思维(β = 0.52, p < 0.001)，暴力暴露可以预测欺凌(β = 0.36, p < 0.001)，儿童自动思维可以预测欺凌(β = 0.27, p < 0.001)。进一步采用Bootstrap法(重复抽样2000次)对间接效应的分析显示，儿童自动思维(ab = 0.138, p < 0.001, 95% CI = 0.049, 0.251)在暴力暴露对欺凌预测中的中介效应显著。
注：仅呈现了显著的标准化路径系数；***p < 0.001。
Figure 1. Analysis of mediation models between variables
图1. 变量之间的中介模型分析
4. 讨论
在控制年龄和性别后，本研究结果显示，暴力暴露可以直接预测校园欺凌，这支持了研究假设，且与以往研究结果一致(Azeredo et al., 2023)。具体来说，当儿童频繁的暴露于暴力情境中，欺凌发生的可能性和频率就会越高，进一步支持了暴力暴露是欺凌的风险性因素(Hlavaty & Haselschwerdt, 2019)。这很可能是因为儿童无法在杂乱的暴力环境中掌握正确的人际交往的原则和技巧，把欺凌作为一种防御机制，以便在这种环境中更好地保护自己的安全(So et al., 2021)。其次，当经常暴露于暴力环境的儿童发现暴力确实可以给施暴者带来好处时，他们会对欺凌所带来的结果形成积极预期，极有可能通过道德推脱等方式将欺凌行为合理化(Esposito et al., 2022)，认为通过欺凌同伴的方式获得权力和地位是正常的、可行的。
本研究结果显示，儿童自动思维在暴力暴露和欺凌中起到中介作用，这支持了研究假设。该结果提示，暴力暴露可以通过负性思维来增强儿童的校园欺凌。这可以用社会学习机制(social learning mechanisms)来解释，儿童从环境中的暴力模式中获得支持暴力的信念和思维(Dodge et al., 2007; Dodge & Pettit, 2003)，他们认为欺凌和攻击他人是一种合理恰当的行为，会更多地使用欺凌的方式满足自己的需求。此外，暴力暴露会抑制个人的目标和愿望(Dodge et al., 2007; Dodge & Pettit, 2003)，一旦经常暴露于暴力环境中的童对生活失去希望感，产生习得性无助，倾向于采用负性的思维方式解释当下发生的事情，这进一步促进了欺凌行为的发生。
本研究丰富了暴力暴露、儿童自动思维和欺凌关系的研究，发现了暴力暴露可以通过儿童自动思维的间接作用促进欺凌行为的发生。这加深了我们对欺凌形成机制的理解，为进一步的欺凌发展机制研究提供依据和方向。此外，本研究对于开发针对性的校园欺凌的预防和干预项目也具有启发意义。例如，从敌意自动思维这类社会认知因素入手进行欺凌的预防和干预，有望取得更好的效果。但是本研究也存在一些局限和问题。第一，本研究仅使用横断面设计探究了变量间的关系，未来可以收集纵向数据，使用潜增长模型或随机截距交叉滞后模型探查暴力暴露、儿童自动思维和欺凌的发展变化趋势和纵向预测关系。第二，本研究只选取了儿童自动思维来检验暴力暴露和欺凌之间可能存在的中介机制，未来应该选择不同的社会认知因素来检验和发展中介模型，进一步揭示哪些欺凌相关的心理因素与暴力暴露之间存在中介机制。第三，本研究仅使用了小学生样本和自我报告的方法，未来研究应该扩大研究群体，采用他评法和实验法等多种方法来开展研究。