1. 引言
网络攻击行为已成为威胁网络安全和造成社会损害的重要问题之一。研究显示,个人家庭环境特别是父母教养对个体的网络行为产生很大的影响,需进一步研究(赵丽丽,张野,2023)。
本研究从网络道德和个人特质两个层面探讨父母教养投入对网络攻击行为的影响机制,并从父亲教养投入与母亲教养投入两个维度探讨其对大学生网络攻击行为的影响是否存在差异。首先,网络道德是个人在网络上应遵守的行为准则和标准的体现,而个体的价值观的形成以及行为准则、道德判断与父母教养过程中所提供的行为指导与监管息息相关,理论上网络道德可能会成为父母教养投入影响个人网络行为的一个重要途径。其次,个人特质如共情能力会调节外界影响个人行为的力度,在家庭环境中,个体的共情能力的发展也受到父母教养的影响。本研究将从这两个前沿但较少结合研究的层面,探讨父母教养投入如何通过网络道德间接影响网络攻击行为,以及共情能力在这个影响过程中发挥的调节作用。
2. 研究假设
网络攻击行为是指通过互联网平台,利用信息和通信技术对个人或群体有目的地实施有实质伤害性的行为,这种行为是受害者尽力想要避免的。根据行为动机,网络攻击行为分为“工具性攻击”和“反应性攻击”。前者指的是个人仅出于自己的利益考虑,在未受到威胁和伤害时对他人实施的网络攻击行为;后者指的是个人在受到威胁和伤害后的反应或报复性的网络攻击行为(赵锋,高文斌,2012)。研究发现网络攻击行为已成为大学生在使用网络时最容易出现的偏差行为之一(Gahagan et al., 2016)。
一般攻击模型理论认为,个体所处的环境以及其个人内在特质共同影响并导致个体的攻击性行为(Allen et al., 2018)。从环境层次上看,家庭是个体成长过程中的重要生活场景之一,在影响个体成长的各类家庭条件中,父母教养投入发挥着独特且不可替代的作用。父母教养投入指父亲或母亲在抚养孩子的过程中,为促进孩子的健康发展而进行的认知、情感和行为参与,包括情感休闲、规则教学、学业支持和生活关怀四个维度(伍新春等,2018)。过往研究发现,父母教养投入对个体的亲社会行为、社会冒险行为、问题行为的发展都有着显著影响(侯芬等,2018;宋媛,2023;朱肖楠,2021)。
网络空间作为一种虚拟环境,其独特的性质使得人们在网络中的行为模式与现实生活有所不同。在现实世界中,人们的行为受到社会规范、道德观念和法律法规的约束,而在网络环境中,这种约束力明显减弱。网络道德是指用户应用互联网进行阅读、交流、评论、交易等活动时所必须遵守的规范,这种规范主要来源于用户实际生活中所遵循的既定习惯,最终演化为互联网世界的道德准则,用以约束用户在互联网中的行为(罗晓玲,2007)。研究显示,个体的内部道德标准会受到其所处的环境影响,而家庭环境中个体所接受到的父母教养对其未来的道德发展水平有显著预测作用(Hyde et al., 2010)。
共情是一种情感反应,源自对他人情绪状态的理解,通过这种反应,个体可以获得与他人相同或非常相似的情感体验。共情分为两个维度:消极共情,即个体对他人消极情绪(包括疼痛、悲伤、痛苦等)的共情;积极共情,即个体对他人积极情绪(包括快乐、幸福、喜悦等)的共情(Andreychik & Migliaccio, 2015)。个体的道德发展与情感发展息息相关,在形成道德认知、遵循道德准则的过程中,共情作为情绪感受的重要来源,推动个体发展出与情感相协调的道德模式。杜军(2023)的研究表明,家庭环境质量不仅会对个体的道德敏感性产生直接的影响,还会通过共情对道德敏感性产生间接影响。此外,个体的共情能力与其外化行为也息息相关,共情能力较弱的个体对于他人的想法、情感的理解较弱,不能与他人正常交往,甚至会出现攻击行为(Jolliffe & Farrington, 2006)。
综上所述,本研究从环境因素(父母教养投入)和个体因素(网络道德与共情)两个层面研究对大学生网络攻击行为的影响及作用机制,并提出以下假设:
假设1:父母教养投入负向预测网络攻击行为;
假设2:网络道德在父母教养投入对网络攻击行为的影响中起中介作用;
假设3:共情在父母教养投入对网络攻击行为的影响中起调节作用。
具体影响路径的表现形式如图1所示:
Figure 1. Hypothetical model graph
图1. 假设模型图
3. 研究方法
3.1. 被试
本研究采用随机抽样调查方法,以高校大学生为被试,通过问卷星线上问卷平台收集到共480份问卷,对问卷的作答有效性以及答题时长进行筛选后,共有452份有效数据,有效回收率为94%。其中,男生225人(49.78%),女生227人(50.22%);年龄20岁及以下117人,21~23岁255人,24岁及以上80人;大一53人,大二73人,大三71人,大四196人,大五59人;网龄低于4年50人,4~7年146人,7年以上256人。
3.2. 研究工具
3.2.1. 网络攻击行为量表
该量表由赵锋和高文斌编制,分为反应性攻击行为和工具性网络攻击行为两个分量表,共31个题项。采用李克特四点计分,从“从不”到“总是”逐级递增,总分越高,表明其网络攻击行为频次及严重程度越高(赵锋,高文斌,2012)。本研究中量表的Cronbach’s α系数为0.97,信度良好。
3.2.2. 青少年评价父母教养投入行为问卷
该问卷由伍新春等修订,分为父亲版与母亲版两个版本,包括情感休闲、规则教导、学业支持与生活照顾四个维度,共22个项目。采用李克特五点计分,从“从不”到“总是”逐级递增,总分越高,表明其父母教养投入水平与质量越高(伍新春等,2018)。本研究中量表的Cronbach’s α系数为0.97,信度良好。
3.2.3. 网络道德问卷
该问卷由罗晓玲编制,分为网络道德认知、情感、评价与行为四个因子,共9个题项。采用李克特七点计分,从“完全不同意”到“完全同意”逐级递增,总分越高,表明其网络道德水平越高(罗晓玲,2007)。本研究中量表的Cronbach’s α系数为0.78,信度良好。
3.2.4. 积极消极共情量表
该量表由Andreychik等人编制、郭睿等人修订,分为包括积极共情和消极共情两个维度,共14个项目。采用李克特五点计分,从“非常不符合”到“非常符合”逐级递增,总分越高,表明其共情能力越强(Andreychik & Migliaccio, 2015; 郭睿等,2022)。本研究中量表的Cronbach’s α系数为0.93,信度良好。
3.3. 数据处理
使用SPSS29.0软件以及Hayes开发的SPSS的PROCESS插件进行数据分析和处理。
4. 结果
4.1. 共同方法偏差检验
本研究以调查问卷的方式来探讨各因素之间的相关性,可能存在由于受试者在回答问题时的主观偏差而导致的测量误差。使用Harman单因素方法验证是否存在共同方法偏差问题,结果显示,共有11个公共因子的特征值大于1,且第一个公共因子解释了总变异量的38.52%,低于判断标准40%,说明本研究不存在共同方法偏差问题。
4.2. 变量间的描述统计和相关分析
本研究所涉及变量的均值、标准差及相关系数如表1所示,结果表明,网络攻击行为呈与父母教养投入、网络道德、共情呈显著负相关;父母教养投入与网络道德、共情呈显著正相关;网络道德与共情呈显著正相关。
Table 1. Mean, standard deviation, and correlation coefficient of each variable
表1. 各变量平均值、标准差及相关系数
|
M ± SD |
1 |
2 |
3 |
4 |
5 |
6 |
1) 父母教养投入 |
154.01 ± 35.54 |
1 |
|
|
|
|
|
2) 父亲教养投入 |
73.17 ± 19.79 |
0.95*** |
1 |
|
|
|
|
3) 母亲教养投入 |
80.81 ± 17.88 |
0.94*** |
0.78*** |
1 |
|
|
|
4) 网络道德 |
46.29 ± 9.39 |
0.71*** |
0.64*** |
0.69*** |
1 |
|
|
5) 共情总分 |
51.26 ± 11.42 |
0.79*** |
0.75*** |
0.67*** |
0.74*** |
1 |
|
6) 网络攻击行为 |
52.49 ± 21.42 |
−0.59*** |
−0.48*** |
−0.64*** |
−0.66*** |
−0.72*** |
1 |
注:N = 452,*表示p < 0.05,**表示p < 0.01,***表示p < 0.001。
4.3. 网络道德在父母教养投入和网络攻击行为之间的中介效应检验
使用SPSS的PROCESS中的模型4进行中介效应分析。首先对分析数据进行标准化处理,将具有人口学差异的性别与网龄两变量作为控制变量,自变量分别是父亲教养投入和母亲教养投入,因变量为网络攻击行为,中介变量为网络道德,对网络道德的中介效应进行分析。结果如表2、表3所示。
Table 2. Mediating effect outcome data of network morality (Paternal involvement)
表2. 网络道德的中介效应结果数据(父亲教养投入)
|
方程1效标:网络道德 |
方程2效标:网络攻击行为 |
|
β |
SE |
t |
95% CI |
β |
SE |
t |
95% CI |
父亲教养投入 |
0.64 |
0.04 |
17.46*** |
[0.56, 0.71] |
−0.09 |
0.04 |
−1.97* |
[−0.18, 0.00] |
网络道德 |
|
|
|
|
−0.57 |
0.05 |
−12.88*** |
[−0.66, −0.49] |
控制变量: |
|
|
|
|
|
|
|
|
性别 |
0.18 |
0.07 |
2.43* |
[0.03, 0.32] |
−0.41 |
0.07 |
−6.02*** |
[−0.55, −0.28] |
网龄 |
0.01 |
0.05 |
0.22 |
[−0.09, 0.12] |
−0.10 |
0.05 |
−2.06* |
[−0.20, −0.01] |
R2 |
|
|
0.42 |
|
|
|
0.49 |
|
F |
|
|
109.39*** |
|
|
|
106.25*** |
|
注:N = 452,*表示p < 0.05,**表示p < 0.01,***表示p < 0.001。
Table 3. Mediating effect outcome data of network morality (Maternal involvement)
表3. 网络道德的中介效应结果数据(母亲教养投入)
|
方程1效标:网络道德 |
方程2效标:网络攻击行为 |
|
β |
SE |
t |
95% CI |
β |
SE |
t |
95% CI |
母亲教养投入 |
0.68 |
0.04 |
19.68*** |
[0.62, 0.75] |
−0.33 |
0.05 |
−7.33** |
[−0.42, −0.24] |
网络道德 |
|
|
|
|
−0.41 |
0.05 |
−9.15*** |
[−0.50, −0.32] |
控制变量: |
|
|
|
|
|
|
|
|
性别 |
0.06 |
0.07 |
0.89 |
[−0.08, 0.20] |
−0.36 |
0.07 |
−5.51*** |
[−0.49, −0.23] |
网龄 |
−0.06 |
0.05 |
−1.15 |
[−0.16, 0.04] |
−0.09 |
0.05 |
−1.88 |
[−0.18, 0.01] |
R2 |
|
|
0.48 |
|
|
|
0.54 |
|
F |
|
|
137.70*** |
|
|
|
130.35*** |
|
注:N = 452,*表示p < 0.05,**表示p < 0.01,***表示p < 0.001。
如表2、表3结果显示:
(1) 父亲教养投入显著正向预测网络道德(β = 0.64, SE = 0.04, t = 17.46, p < 0.001),显著负向预测网络攻击行为(β = −0.09, SE = 0.04, t = −1.97, p < 0.05),网络道德显著负向预测网络攻击行为(β = −0.57, SE = 0.05, t =−12.88, p < 0.001);(2) 母亲教养投入显著正向预测网络道德(β = 0.68, SE = 0.04, t = 19.68, p < 0.001),显著负向预测网络攻击行为(β = −0.33, SE = 0.05, t = −7.33, p < 0.01),网络道德显著负向网络攻击行为(β = −0.41, SE = 0.05, t = −9.15, p < 0.001)。
对网络道德的中介作用进行进一步的bootstrap偏差矫正方法分析,结果显示:(1) 在父亲教养投入模型中,中介效应值为−0.36,SE = 0.05,95% CI [−0.46, −0.27] (置信区间不包括零表示效应显著),中介效应占比为80%。(2) 在母亲教养投入模型中,中介效应值为−0.28,SE = 0.04,95% CI [−037, −0.19] (置信区间不包括零表示效应显著),中介效应占比为47%。
因此,网络道德分别在父亲教养投入与母亲教养投入对网络攻击行为的影响中起部分中介作用。
4.4. 共情在父母教养投入和网络攻击行为之间的调节效应检验
使用SPSS的PROCESS中的模型5进行调节效应分析。首先对分析数据进行标准化处理,将具有人口学差异的性别与网龄两变量作为控制变量,自变量分别是父亲教养投入和母亲教养投入,因变量为网络攻击行为,中介变量为网络道德,调节变量为共情,对共情的调节效应进行分析。结果如表4、表5所示。
如表4、表5结果显示:
(1) 父亲教养投入(β = 0.64, SE = 0.04, t =17.46, p < 0.001)显著正向预测网络道德,共情(β = −0.30, SE = 0.05, t = −5.65, p < 0.001)显著负向预测网络攻击行为,父亲教养投入与共情的交互项对网络攻击行为的预测作用显著(β = 0.31, SE = 0.03, t = 10.85, p < 0.001),且共情减弱了父亲教养投入对网络攻击行为的负向影响。
(2)母亲教养投入(β = 0.68, SE = 0.04, t = 19.68, p < 0.001)显著正向预测网络道德,母亲教养投入(β = −0.15, SE = 0.04, t = −3.66, p < 0.001)和共情(β = −0.26, SE = 0.05, t = −4.99, p < 0.001)均可显著负向预测网络攻击行为,母亲教养投入与共情的交互项对网络攻击行为的预测作用显著(β = 0.28, SE = 0.02, t = 10.98, p < 0.001),且共情减弱了母亲教养投入对网络攻击行为的负向影响。
Table 4. Moderating effects of empathy outcome data (Paternal involvement)
表4. 共情的调节效应结果数据(父亲教养投入)
|
方程1效标:网络道德 |
方程2效标:网络攻击行为 |
β |
SE |
t |
95% CI |
β |
SE |
t |
95% CI |
父亲教养投入 |
0.64 |
0.04 |
17.46*** |
[0.56, 0.71] |
−0.03 |
0.04 |
−0.69 |
[−0.10, 0.05] |
共情 |
|
|
|
|
−0.30 |
0.05 |
−5.65*** |
[−0.40, −0.20] |
父母亲教养投入 × 共情 |
|
|
|
|
0.31 |
0.03 |
10.85*** |
[0.26, 0.37] |
网络道德 |
|
|
|
|
−0.11 |
0.05 |
−2.36* |
[−0.21, −0.02] |
控制变量: |
|
|
|
|
|
|
|
|
性别 |
0.18 |
0.07 |
2.43** |
[0.03, 0.32] |
−0.35 |
0.06 |
−6.29*** |
[−0.46, −0.24] |
网龄 |
0.01 |
0.05 |
0.22 |
[−0.09, 0.12] |
−0.13 |
0.04 |
−3.30*** |
[−0.21, −0.05] |
R2 |
|
|
0.42 |
|
|
|
0.67 |
|
F |
|
|
109.39*** |
|
|
|
148.10*** |
|
注:N = 452,*表示p < 0.05,**表示p < 0.01,***表示p < 0.001。
Table 5. Moderating effects of empathy outcome data (Maternal involvement)
表5. 共情的调节效应结果数据(母亲教养投入)
|
方程1效标:网络道德 |
方程2效标:网络攻击行为 |
β |
SE |
t |
95% CI |
β |
SE |
t |
95% CI |
母亲教养投入 |
0.68 |
0.04 |
19.68*** |
[0.62, 0.75] |
−0.15 |
0.04 |
−3.66*** |
[−0.23, −0.07] |
共情 |
|
|
|
|
−0.26 |
0.05 |
−4.99*** |
[−0.36, 0.16] |
母亲教养投入 × 共情 |
|
|
|
|
0.28 |
0.03 |
10.98*** |
[0.23, 0.33] |
网络道德 |
|
|
|
|
−0.05 |
0.05 |
−0.98 |
[−0.14,0.05] |
控制变量: |
|
|
|
|
|
|
|
|
性别 |
0.06 |
0.07 |
0.89 |
[−0.08, 0.20] |
−0.31 |
0.04 |
−5.96*** |
[−0.54, −0.30] |
网龄 |
−0.06 |
0.05 |
−1.15 |
[−0.15, 0.04] |
−0.11 |
0.04 |
−3.03** |
[−0.19, −0.02] |
R2 |
|
|
0.48 |
|
|
|
0.68 |
|
F |
|
|
137.70*** |
|
|
|
155.71*** |
|
注:N = 452,*表示p < 0.05,**表示p < 0.01,***表示p < 0.001。
综上,共情分别在父亲教养投入与母亲教养投入对网络攻击行为的直接影响中起调节作用,且共情对父母教养投入与网络攻击行为间的影响关系具有抑制作用。
Figure 2. Simple slope chart (Paternal involvement)
图2. 简单斜率图(父亲教养投入)
Figure 3. Simple slope chart (Maternal involvement)
图3. 简单斜率图(母亲教养投入)
本研究进行简单斜率检验来直观解释父母教养投入与共情的交互效应对网络攻击行为的调节作用。如图2,图3所示,结果发现:(1) 父亲教养投入与网络攻击行为,在低共情大学生中显著(Mean + SD),bimple = −0.34,SE = 0.05,t = −6.39,p < 0.001,95% CI = [−0.45, −0.24],即低共情的个体,在高父亲教养投入的环境下,会显著负向预测网络攻击行为;在高共情大学生中显著(Mean + SD),bimple = 0.29,SE = 0.04,t = 6.56,p < 0.001,95% CI = [0.20, 0.37],即高共情的个体,在高父亲教养投入的环境下,会显著正向预测网络攻击行为;(2) 母亲教养投入与网络攻击行为,在低共情大学生中显著(Mean + SD),bimple = −0.43,SE = 0.05,t = −9.07,p < 0.001,95% CI = [−0.52, −0.34],即低共情的个体,在高母亲教养投入的环境下,会显著负向预测网络攻击行为;在高共情大学生中显著(Mean + SD),bimple = 0.12,SE = 0.05,t =2.49,p < 0.01,95% CI = [0.03, 0.22],即高共情的个体,在高母亲教养投入的环境下,会显著正向预测网络攻击行为。
5. 讨论
5.1. 父母教养投入与网络攻击行为的关系
本研究结果表明,父母教养投入可以显著负向预测网络攻击行为,父母教养投入水平越高,网络攻击行为越少,这与已有的研究结论是一致的。青少年个体所接受到的父母教养投入与其内外化问题行为、网络攻击行为显著相关(Day & Padilla-Walker, 2009; 朱肖楠,2021)。这表明父母教养投入对于青少年的行为发展和心理健康具有至关重要的作用,且这种影响不仅仅局限于现实生活中的行为,也同样适用于互联网。
5.2. 网络道德的中介作用
本研究对网络道德的中介作用进行检验,结果发现,网络道德在父母教养投入对网络攻击行为的影响中起到部分中介作用。
个体道德的形成受个人特质和外部环境影响。外部因素中,环境最为关键。家庭是大学生成长的直接环境,这是情感、知识和行为的微型社会,对个体道德素养的养成有重要影响。研究表明,父母的教养行为与道德认同、道德提升感呈显著负相关且会通过道德教育影响个体的社会行为(许媛,2020)。通过传递正确的网络价值观和道德观念,父母能引导大学生在网络世界中遵守规则、尊重他人、抵制网络攻击行为。
此外,在父亲教养投入模型中,中介效应占比为80%,在母亲教养投入模型中,中介效应占比为47%,这表明父亲和母亲教养投入均显著影响个体的网络行为和道德发展且具有其独立的影响作用。在父母教养投入对大学生网络攻击行为的影响中,网络道德扮演了一个重要的中介作用。父亲的教养投入对大学生的网络攻击行为具有直接的影响,而这种影响主要通过塑造孩子的网络道德来体现。父亲在教养中传递的价值观和道德规范,影响了孩子对网络行为的看法和态度,进而影响了他们是否参与网络攻击行为。与父亲教养投入相比,网络道德在母亲的教养投入对大学生的网络攻击行为的影响中所发挥的中介作用较低,这可能是因为母亲在教养中更注重情感和关怀,而不是严格的道德规范和价值观传递。
5.3. 共情的调节作用
本研究结果表明,共情在父母教养投入与大学生网络攻击行为之间具有调节作用,共情对大学生网络攻击行为具有显著的负向影响,这与过往研究结果个体共情能力越高,其反社会规范行为(如网络攻击)出现的可能性较大相一致(边盛楠,2023)。其中,消极共情在网络攻击行为的发生过程中发挥着重要作用,消极共情能力越高的个体,更能感同身受他人的负面情绪,其相对剥夺感较低从而减少网络攻击行为(周为,2023)。
然而,共情可能并不是攻击行为减少的必要性因素,即并不意味着共情水平高的个体会表现出较少的攻击行为(Vachon et al., 2014)。
本研究发现,在低共情水平下,父母教养投入水平对大学生网络攻击行为具有显著的负向影响,随着个体共情能力越来越高,父母教养投入对大学生网络攻击行为的负向影响越来越小,在高共情水平下,父母教养投入水平对大学生网络攻击行为呈现出正向调节作用。共情是一种复杂的情绪感受能力且具有个体差异性。共情能力较弱的个体比较自我中心,对他人情绪的理解与感受能力较弱。这种情况下,父母教养投入对他们的网络攻击行为的影响主要是通过严格管控和监督来产生阻力作用,从而降低其网络攻击倾向。随着共情能力提高,个体能从他人角度理解问题,不再全凭自己的想法行事。此时父母教养投入影响的方式更多是通过思想教育和引导判断来改变行为。但是,对于普通个体而言,过高的共情准确性也会对个体产生消极影响,对于他人的消极情绪的共情可能导致个体的共情疲劳、自我损耗等并容易产生共情失调反应,这类个体往往具有较高的攻击倾向(竭婧等,2017;张颖,2023)。因此,在对网络攻击行为进行干预的过程中,需要鉴别共情能力在其中所发挥的具体作用,同时注重个体差异,对于不同发展阶段需要、不同共情水平个体的家庭教育要有针对性地调整教育方法,以适应其认知、社会能力的发展规律。
6. 结论
(1) 父母教养投入负向预测大学生网络攻击行为,家庭环境中父母教养投入水平越高,大学生出现网络攻击行为的频率就越低;(2) 网络道德父母教养投入对大学生网络攻击行为的影响中起部分中介作用,其中父亲教养投入与母亲教养投入各自具有独立的影响。(3) 共情在父母教养投入对大学生网络攻击行为的影响中具有显著的调节作用,且共情减弱了父亲与母亲教养投入对网络攻击行为间的负向影响。在低水平共情下,共情负向调节父母教养投入对网络攻击行为的影响;在高水平共情下,共情正向调节父母教养投入对网络攻击行为的影响。
NOTES
*第一作者。
#通讯作者。