社會排斥與攻擊的關系：一項元分析

靳娟娟 邵 蕾 黃瀟瀟 張亞利 俞國良

(1 北京教育學院思想政治教育與德育學院, 北京 100120) (2 中國人民大學教育學院, 北京 100872)(3 河北師范大學教育學院, 石家莊 050024) (4 中國人民大學心理研究所, 北京 100872)

1 引言

攻擊是衡量個體社會適應的重要指標, 長期以來備受研究者關注。調查顯示, 青少年攻擊暴力已成為10～24 歲個體死亡的第三大因素, 且每年造成的醫療損失超過 210 億美元(National Center for Injury Prevention and Control (U.S.). Division of Violence Prevention, 2019)。在我國, 近5 年來未成年人暴力犯罪人數出現反彈, 且呈現低齡化趨勢(最高人民檢察院, 2022), 威脅著校園和社會安全。為減少暴力、犯罪等攻擊現象的發生, 諸多研究探討了攻擊的誘發因素, 結果發現自戀人格(Rasmussen,2016)、憤怒情緒(Scott, 2015)等個體因素以及暴力媒體接觸(Bushman & Anderson, 2015)、社會排斥(Twenge et al., 2007)等環境因素均可能導致攻擊水平升高。在眾多因素中, 社會排斥被認為是引發青少年攻擊暴力的重要風險因素(Office of the Surgeon General et al., 2001), 并且已有大量研究對二者的關系進行了探究(Ettekal & Ladd, 2020; Li et al.,2019; Rajchert & Winiewski, 2016; 張珊珊 等, 2020)。然而, 其得出的結論卻并不一致。部分研究發現,社會排斥與攻擊之間存在密切關系(Ettekal & Ladd,2020; Poon & Teng, 2017), 而另外一些研究結果卻表明, 社會排斥與攻擊相關不顯著 (Geniole et al.,2011; Ostrov, 2013)。此外, 兩者的相關程度在既有研究中亦存在較大差異, 相關系數r值從?0.02 到0.74 均有報告(陳欣銀 等, 1992; Fite et al., 2013;何忠霞, 2019)。目前, 尚不清楚這些差異是否由不同的被試特征(如性別、年齡和文化背景等)和研究特征(如評估工具、研究方法與設計等)所導致。鑒于上述問題, 本研究擬采用元分析的方法, 通過探討社會排斥與攻擊的總體相關性和可能的調節因素, 從宏觀角度得出更普遍、更精確的結論, 為攻擊的深入研究和預防提供更多的證據支持。

1.1 社會排斥與攻擊的概念與評估

社會排斥是指個體被他人(或團體)排斥或拒絕時, 其歸屬需求和關系需求受到阻礙的現象和過程(杜建政, 夏冰麗, 2008), 具有排斥、忽視、拒絕、孤立等多種表現形式。其測量方式主要分為社會測量法、問卷法和實驗法(見表1)。以同伴提名法為主要形式的社會測量法, 旨在利用同伴之間的相互選擇了解排斥狀況, 但該方法對選擇標準的判斷可能存在個體差異; 而問卷法最具代表性的則是社會排斥量表, 通過采用李克特式自評量表衡量個體在日常生活中受到排斥的頻率。實驗法測評社會排斥主要分為人機交互范式、面對面交互范式和書面材料范式。以網絡投球為代表的人機交互范式, 因操作簡便被廣泛使用, 但不足之處在于虛擬環境中缺少互動, 降低了排斥情景的真實性。因此, 面對面交互范式克服了這一局限, 如相互認識范式, 實現了人與人之間真實的交流和互動。而書面材料范式如想象范式, 通過心理想象啟動排斥體驗。該類范式便于使用, 但可能對被排斥者的身心健康造成負面影響(Bernstein & Claypool, 2012)。總體而言, 這幾類范式彼此之間差異較大, 因而測量結果也較為多樣。

表1 社會排斥測量工具

由于研究視角的不同, 攻擊的概念界定存在較大差異。但對于攻擊的核心特征(如傷害性、故意性等)已形成共識。張麗華和苗麗(2019)認為, 攻擊包含狀態攻擊和特質攻擊。前者是有意傷害他人的行為(Anderson & Bushman, 2002), 強調攻擊的狀態性, 具有情境特異性(Campbell et al., 1985); 后者則是與狀態攻擊相關的人格特質(Reyna et al.,2011), 具有跨時間的穩定性和跨情境的一致性(Tremblay & Belchevski, 2004)。對于攻擊的測量也主要有社會測量法、問卷法和實驗法(見表2)。社會測量法主要采用班級戲劇法, 該方法被認為是信效度較高的測量青少年攻擊行為的研究方法(周宗奎, 萬晶晶, 2005)。問卷法最具代表性的是Buss 和Perry (1992)、Buss 和Warren (2000)編制的攻擊問卷, 但后者在前者的基礎上, 新增間接攻擊維度。之后, Raine 等(2006)編制了反應性/主動性攻擊問卷, 用以研究攻擊的起因。但元分析結果表明, 這兩類攻擊高度相關(r= 0.68), 且往往相伴發生, 很難區分(Polman et al., 2007)。相比之下, Buss 團隊編制的量表, 測量了攻擊的不同方面和形式, 信效度較高, 得到了較為廣泛的使用。實驗測量范式則主要有競爭反應時和辣醬分配范式。競爭反應時范式由于比賽的競爭性, 可能導致被試為了贏得游戲故意表現出干擾對手的行為。因此研究者在該范式的基礎上進行了改編, 形成了噪音懲罰范式(Buckley et al., 2004)、冷水懲罰范式(Aydin et al., 2010)等;相比競爭反應時范式, 辣醬分配范式無需精密儀器,且攻擊程度容易量化, 目前已被廣泛使用。總體而言, 無論哪一類方法, 都有其優勢和局限, 研究者可以通過不同方法之間的優勢互補, 控制共同方法偏差的影響。

表2 攻擊測量工具

1.2 社會排斥與攻擊的關系

社會排斥和攻擊的關系目前主要存在兩種觀點, 一種觀點認為, 社會排斥與攻擊相關顯著。一般攻擊模型(General aggression model)認為, 環境因素和個體因素作為輸入變量, 通過改變個體的內在狀態(情緒、認知、喚醒), 引發攻擊行為(Anderson& Bushman, 2002)。該觀點強調社會排斥可能會增強個體的攻擊水平。社會排斥作為一種不良刺激,在一定程度上會誘發個體的負性情緒和敵意認知,導致攻擊行為發生。實證研究也發現, 被排斥者很可能會為互動同伴選擇更沒吸引力的食物(Chow et al., 2008), 發出更大的噪音(Gaertner et al., 2008),分配更多的辣醬(Warburton et al., 2006)。不僅如此,社會排斥還可能增加對無關他人的攻擊(Rajchert et al., 2018; Zhang et al., 2019)。此外, 社會排斥還可以被當作一種懲罰性手段, 用于減少個體的攻擊行為。如一項研究對高攻擊傾向的個體進行干預,讓其受到同伴的拒絕和排斥, 結果發現, 社會排斥有效降低了其攻擊水平 (Poon & Teng, 2017)。

另一種觀點則認為, 社會排斥與攻擊相關不顯著。根據情緒麻木假說(Emotional numbness hypothesis),社會排斥并未誘發憤怒、痛苦等消極情緒, 而是導致個體處于生理或情緒的麻木狀態。同時, 這種由社會排斥引發的認知解體狀態, 也會進一步造成被排斥者的反應遲鈍、回避自我覺察等, 避免了攻擊行為的發生(Baumeister et al., 2009; Twenge et al.,2003)。此外, 也有實證研究發現, 社會排斥與攻擊相關不顯著, 被排斥者考慮到自己的攻擊行為可能需要付出高昂代價, 因此在一定程度上會主動抑制攻擊性沖動(Chester, 2016; DeBono et al., 2017;Denson, 2015; Geniole et al., 2011)。上述結果表明,社會排斥并未增加攻擊。

綜上, 第一種觀點支持社會排斥可能引發負性情緒、敵意認知或高度的生理喚醒, 驅使攻擊行為發生。以此為基礎的一般攻擊模型也得到眾多研究的支持(Anderson & Bushman, 2002; Ettekal & Ladd,2020; Poon & Teng, 2017), 具有較為廣泛的適用性。而情緒麻木假說支持的第二種觀點認為社會排斥并未引發負性情緒和認知, 生理和情緒的麻木致使被排斥者自我回避, 從而一定程度上避免了負性情緒或認知導致的攻擊沖動。但有研究指出, 情緒麻木是某些排斥類型特有的現象, 而且只適用于程度較重的排斥, 不能視作一般的反應(DeWall et al.,2011)。因此, 該理論的適用性尚待進一步驗證。總體來看, 盡管攻擊不是所有排斥事件的共同反應,但可能代表了大多數被排斥者的普遍反應。由此,本研究提出假設H1: 社會排斥與攻擊之間存在一定程度的正相關。

1.3 社會排斥與攻擊關系的調節變量

對于整個領域而言, 任何一個單獨的研究都是基于研究者個性化的設計和樣本估計得出的結果,與總體情況可能存在一定的偏差。因此, 以往關于社會排斥與攻擊關系的實證研究結論高異質的原因, 可能與不同研究者所選用的樣本特征(如性別、年齡和文化背景)和研究特征(如攻擊類型、評估工具、研究方法與設計等)不同有關。

性別可能影響社會排斥與攻擊的關系。研究表明, 男性對控制或權力有著更強的需求, 面對威脅時可能比女性表現出更高水平的攻擊(Orue & Calvete,2011)。而女性的自我概念含有更多社會性成分, 受到排斥往往比男性表現出更早的自我調節行為, 其攻擊性也低 (Kochanska et al., 2001)。但Crick 等(1997)認為, 女性比男性更重視社會交往中的關系問題, 因此女性通過關系攻擊以達到更大傷害效果。上述觀點存在較大爭議, 因此, 有必要考慮性別在二者關系中的調節作用。綜上, 本研究提出假設H2: 性別能夠調節社會排斥與攻擊的關系。

年齡可能會影響社會排斥與攻擊的關系。研究發現, 雖然社會排斥發生在整個生命周期, 但排斥和攻擊之間的聯系在童年期比在青春期更明顯(Cillessen & Mayeux, 2004)。從畢生心理發展的視角看, 隨著年齡的增長, 個體的身心發展愈加成熟,能夠更好地理解友誼和同伴地位之間的差異, 面對人際危機更傾向于采取建設性的互動方式(Stenseng et al., 2014)。因此, 社會排斥與攻擊之間的關系隨著年齡的增長將會變弱。綜上, 提出本研究的假設H3: 年齡能夠調節社會排斥與攻擊的關系。

社會排斥與攻擊的關系還可能受到文化背景的影響。攻擊行為作為一種社會性行為, 存在著文化的差異(Bergeron & Schneider, 2005)。在具有個人主義價值體系的文化中, 被排斥者采取直接對抗方式的可能性更大, 而在具有集體主義價值體系的文化中, 講究“能忍自安, 息事寧人”, 這種關系往往會減弱。此外, 相比集體主義文化, 在個人主義文化背景下, 攻擊被認為是實現個人目標的有效手段(允許范圍內), 因而對攻擊的接受度和容忍度也更高(Amad et al., 2021)。綜上, 本研究提出假設H4:文化背景能夠調節社會排斥和攻擊的關系, 個體主義傾向越低, 兩者的相關越強。

攻擊類型也可能會影響社會排斥與攻擊的關系。根據個體人格特點的不同可將攻擊分為特質攻擊和狀態攻擊。研究發現, 社會排斥與特質攻擊的關系更強。被排斥者更易表現出消極的情緒和認知傾向, 如特質憤怒和敵意歸因(Boykina, 2019)。由此, 提出本研究的假設H5a: 攻擊類型(特質攻擊vs.狀態攻擊)能夠調節社會排斥與攻擊的關系; 其次,根據攻擊的起因可將其分為主動性攻擊和反應性攻擊。研究發現, 相比主動性攻擊, 社會排斥與反應性攻擊的相關性更強(Baumeister et al., 2000)。社會排斥很大程度上會使得個體在與他人建立聯結時遇到障礙, 弱化或中斷社會關系, 更易給個體帶來挫折和傷害。根據挫折?攻擊理論(Frustration?aggression theory), 個體的攻擊行為是對挫折的敵意性反應, 被排斥者出于報復的目的而采取被動反擊(Dollard & Miller, 1939)。由此, 提出本研究的假設H5b: 攻擊類型(主動性攻擊vs.反應性攻擊)能夠調節社會排斥與攻擊的關系; 最后, 按照攻擊形式可將其分為直接攻擊和間接攻擊。相比直接攻擊,受排斥者更傾向于使用間接攻擊(Klimstra et al.,2014)。間接攻擊以難以識別和預防的方式, 實現傷害他人的目的。盡管個體做出了有違社會規范的傷害行為, 但不易被察覺。因此, 間接攻擊比直接攻擊更安全且成本低。此外, 間接攻擊還形成了一種替代性攻擊策略, 在特定的社會條件下(現代社會文明規范或法治社會), 比直接攻擊更具適應性。如既可以隱藏攻擊意圖, 又可以降低或避免被報復的可能性(Archer & Coyne, 2005)。由此, 提出本研究的假設H5c: 攻擊類型(直接攻擊vs.間接攻擊)能夠調節社會排斥與攻擊的關系。

社會排斥的測量工具可能影響社會排斥與攻擊的關系。研究表明, 參與者對測量任務的心理體驗往往對結果產生較大影響(Baumeister et al., 2009)。社會排斥的測量范式種類繁多, 且不同范式代表的排斥類型不同、程度不同, 因而對個體的心理影響也不同, 這些差異使得研究范式本身成了影響社會排斥結果的重要變量(Bernstein & Claypool, 2012)。另外, 社會排斥是一種復雜的社會現象, 單個范式所得結果可能缺乏外部效度, 但研究范式的繁多則可能導致研究結果的任務依賴性, 但目前并沒有進行綜合比較分析的研究。綜上, 本研究提出假設H6:社會排斥的測量工具能夠調節社會排斥與攻擊的關系。

攻擊的測量工具也可能影響社會排斥與攻擊的關系。首先, 問卷測量的攻擊, 其題目數量和結構會對結果造成一定的影響。如 BWAQ 問卷比BPAQ 問卷多一個維度, 有助于更全面的了解攻擊;使用簡版攻擊問卷雖然省時省力, 但不可避免地會在測量過程中損失掉一些重要信息, 從而導致測量效果存在差別。其次, 實驗范式測量的攻擊, 因個體對范式的理解差異而產生不同的效應。如競爭反應時范式可能讓個體誤以為電擊是為了贏得比賽而不是傷害別人, 這一定程度上影響了測量結果的準確性。而通過社會測量法所得的結果, 由于被試對于提名標準的理解和判斷存在個體差異, 可能會對結果造成一定的影響。綜上, 本研究提出假設H7: 攻擊的測量工具能夠調節社會排斥與攻擊的關系。

此外, 研究方法和研究設計可能會影響社會排斥與攻擊的關系。就研究方法而言, 單一的研究方法因無法控制共同方法偏差, 容易導致結果出現高估或低估。如采用自陳式的方式測量不被社會接受的行為可能存在社會期望偏誤; 實驗室條件下, 雖然控制了額外變量的干擾, 但嚴格的實驗控制, 可能與真實的情景有較大差異, 都會對結果產生影響。而多種研究方法的結合可能更有利于全面地了解被試的心理狀態和行為反應, 其研究結果也更加接近真實水平。就研究設計而言, 相比橫斷研究,在縱向研究過程中, 社會排斥和攻擊都可能隨著時間的推移而發生變化, 如同伴關系的改善、攻擊行為的干預等, 會對二者的關系造成一定的影響(陳靜 等, 2022; Polman et al., 2007)。綜合以往元分析研究結論, 提出本研究假設H8: 研究方法能夠調節社會排斥與攻擊的關系; 假設H9: 研究設計能夠調節社會排斥與攻擊的關系。

2 方法

2.1 文獻檢索與篩選

首先, 在英文數據庫(Web of Science, Elsevier SD, Medline, EBSCO-ERIC, SAGE Online Journals,PsycINFO, PsycArticles 和 ProQuest Dissertations and Theses)檢索篇名或摘要中包含社會排斥和攻擊的文獻。社會排斥的檢索詞包括“exclusion”或“ostracism” 或“rejection”, 攻擊的檢索詞包括“aggression”或“aggressive”或“violence”或“violent”或“bullying”。其次, 在中國知網期刊和博碩論文數據庫、萬方期刊和學位論文數據庫以及維普期刊數據庫進行文獻檢索。社會排斥的檢索詞包括“排斥”“拒絕”; 攻擊的檢索詞包括“攻擊” “暴力” “欺負”“欺凌”。將兩類關鍵詞兩兩匹配, 進行聯合搜索。文獻搜索時間截止為2022 年5 月, 共獲取文獻30683 篇。

使用EndNote X9 導入文獻并按照如下標準篩選: (1)須為實證研究, 排除純理論、綜述類及質性研究; (2)同時測量了社會排斥和攻擊, 并至少報告了一個問卷的各維度或總分與另一個問卷的各維度或總分之間的積差相關系數(r), 或者能轉化為r的F值、t值、χ2值或一元線性回歸中的β值; (3)實驗研究必須是實驗組和控制組的對照, 對照組為接納組的將被排除; (4)樣本量大小明確; (5)除了期刊論文, 還包括學位論文、會議全文和書的章節等;(6)數據重復發表的僅取其中內容報告較為全面的一篇; (7)研究對象為一般人群, 貧困生、留守兒童、精神病患者等特殊群體排除; (8)調查情境為現實生活中的社會排斥和一般意義上的攻擊, 排除網絡排斥、網絡欺凌、親密關系中的排斥與攻擊等。文獻篩選流程見圖1。最終符合元分析標準的文獻92篇, 包含99 個獨立研究, 總被試量為65564 名被試。

圖1 元分析篩選納入流程圖

2.2 文獻編碼與效應值提取

對作者信息、出版年份、被試國籍、個體主義指數、年齡、相關系數、樣本量、男性比例、測量工具、研究方法與設計進行編碼(見表3)。本研究以皮爾遜相關系數(r)為效應量, 效應值的提取遵循以下原則: (1)以獨立樣本為單位提取效應值并編碼, 若同一篇文獻調查了多個獨立樣本, 則分別進行編碼; (2)若文獻只按被試特征(如男/女)分別報告了相關, 則分別提取; (3)若研究是縱向研究, 則按首次測量結果提取效應值; (4)若實驗研究未報告相關系數, 則分別錄入實驗組和控制組的平均值、標準差和樣本量; (5)若原始文獻只報告了社會排斥和攻擊各個維度的皮爾遜相關矩陣, 則按照公式(Hunter &Schmidt, 2004)合成社會排斥與攻擊的相關系數。若文獻只報告了獨立樣本t檢驗的t值、獨立性檢驗的χ2值、單因素方差分析的F值或一元線性回歸分析的β值, 則分別通過公式;r=β× 0.98 + 0.05 (β≥0);r=β× 0.98 (β< 0)], 先將其轉化為r值再進行編碼(Card, 2012; Peterson & Brown, 2005)。此外,鑒于主動性攻擊和反應性攻擊相關較高, 原始文獻若沒有對其進行控制, 則按照公式(Gravetter et al., 2020) 對社會排斥與主動性攻擊/反應性攻擊的相關系數進行校正。為使數據分布更接近正態分布, 先對相關系數r進行Fisher’sZ轉換。分析結束后, 為便于結果的解釋, 再將Z值轉換為r值(CMA 軟件自動進行Z值與r值的轉換)。所有編碼由兩位評分者獨立完成, 最終計算編碼一致性為93%。編碼出現不一致的情況, 經查看原始文獻并與元分析研究專業人員討論, 達成一致后進行更正。最終納入文獻的詳細信息均可開放獲取(https://osf.io/j9rd8/)。

表3 納入分析的原始研究的基本資料

續表3

續表3

2.3 發表偏差控制與檢驗

發表偏差是指研究顯著的結果更容易被接收并發表, 導致在搜集文獻過程中, 難以獲取沒有顯著性結果的研究, 影響元分析結果的準確性(Rothstein et al., 2005)。本研究除了納入已出版的期刊和會議論文, 還盡力獲取沒有發表的學位論文,一定程度上控制了發表偏差。此外, 本研究在元分析過程中, 采用多種方法(漏斗圖、失安全系數Nfs、Egger’s 回歸法)對發表偏差進行了檢驗。對于漏斗圖而言, 如果圖形左右對稱, 則表明發表偏差較小,對元分析結果的影響較小(Light & Pillemer, 1984);失安全系數代表需要額外增加多少個陰性研究才能否定當前元分析的結果, 若結果大于5k+ 10 (k=元分析中的文獻數), 則意味著發表偏差較小(Rosenthal,1995); 對于Egger’s 回歸而言, 如果線性回歸的結果不顯著, 則表明發表偏差較小(Egger et al., 1997)。

2.4 模型選擇

目前, 元分析中計算效應大小的方法主要采用固定效應模型和隨機效應模型進行分析。其中, 固定效應模型假設不同的研究實際具有相同的效應,是隨機誤差導致了結果之間的差異; 隨機效應模型則假設不同研究的實際效果可能不同, 而且不同的結果不僅受隨機誤差的影響, 而且還受研究被試和測量工具等的影響(Schmidt et al., 2009)。通過對所納入文獻的梳理, 不同的文獻在被試選擇(性別、年齡)、研究方法(橫斷研究 vs. 縱向研究)和變量的測量工具等多方面存在差異, 這些差異很可能影響社會排斥與攻擊的關系, 因此本研究采用隨機效應模型進行估計。

2.5 數據處理

采用Comprehensive Meta-Analysis Version 3.0軟件對社會排斥與攻擊的關系進行主效應和調節效應檢驗。調節效應分析采用元回歸或亞組分析并結合極大似然法考察結果是否顯著。本研究中調節變量涉及兩類: (1)連續調節變量。包括每個研究中男性占被試總人數的比例和被試所在國家或地區的個體主義指數(張亞利 等, 2021)。(2)分類調節變量。包括年齡(幼兒、小學生、中學生和大學生)、社會排斥測量工具、攻擊測量工具、研究方法(社會測量法、問卷法、實驗法、社測+問卷)、研究設計(橫斷研究、縱向研究)以及攻擊類型。需要說明的是, 亞組分析為了保證調節變量每個水平下的研究均能代表該水平, 參照既有研究(張亞利 等,2021), 每個水平下的效應量個數應不少于3 個。

3 研究結果

3.1 異質性檢驗

異質性檢驗結果表明,Q值為 3073.69 (p<0.001),I2值為96.81%, 超過了Huedo-Medina 等(2006)提出的75%高異質的原則。說明各個效應值為高異質, 且有96.81%的變異是由效應值的真實差異引起的。此外,Tau2是研究間總體效應量變異的估計,Tau2值(0.047)表明, 總變異存在組間差異的影響。說明在社會排斥與攻擊之間還存在著調節變量, 因此有必要進行調節效應分析。

3.2 發表偏差檢驗

漏斗圖(見網絡版附錄中的附圖1)顯示, 社會排斥與攻擊關系的效應值大多位于漏斗圖上方, 且均勻分布于中線兩側; 失安全系數分析結果發現,在p值為0.05 時, 失安全系數Nfs為1286, 遠遠高于臨界值505 (k= 99)。這說明, 若使社會排斥與攻擊的關系變得不顯著, 則需要增加1286 篇陰性結果的文獻; 回歸截距法結果不顯著, 截距為0.84 (p=0.44)。上述結果均表明, 本研究不存在明顯的發表偏差。

3.3 主效應檢驗

采用隨機效應模型對社會排斥與攻擊的相關強度進行主效應分析。合并后當前元分析共形成99個獨立的效應量, 被試總人數為65564 人, 結果顯示社會排斥與攻擊的相關強度r= 0.38, 95%的置信區間為[0.34, 0.41], 不包含0 (見網絡版附錄中的附圖2)。根據Lipsey 和Wilson (2001)提出的判斷標準, 社會排斥與攻擊相關系數在[0.1, 0.4]之間時,為中等相關。敏感性分析發現, 排除任意一個樣本后的效果量r值在0.371～ 0.380 之間浮動, 表明元分析估計結果具有較高的穩定性。

3.4 調節效應檢驗

首先, 連續調節變量中: (1)性別的調節作用不顯著。元回歸分析發現, 男性比例對效應值的回歸系數不顯著(b= 0.10, 95% CI [?0.20, 0.40])。(2)個體主義指數的調節作用不顯著。元回歸分析發現,個體主義指數對效應值的回歸系數不顯著(b=?0.0012, 95% CI [?0.0026, 0.0002])。其次, 分類調節變量中: (3)年齡的調節作用顯著(Qb= 9.51,p=0.02)。亞組分析結果表明, 小學階段社會排斥與攻擊的相關最高, 大學階段相關最低。配對比較結果發現, 除了幼兒階段不顯著以外, 小學階段均顯著高于中學和大學階段。說明隨著被試年齡的增長,社會排斥與攻擊的關系強度變弱。(4)亞組分析結果發現, 社會排斥測量工具的調節效應顯著(Qb=33.40,p< 0.001)。社會問題量表?教師評定表(TRF)測量的社會排斥與攻擊的相關最高, 而網絡投球范式(Cyberball)測量的社會排斥與攻擊的相關最低。配對比較結果發現, 除了社會排斥量表(p= 0.64)不顯著以外, 網絡投球范式的測量結果均顯著低于同伴提名(p= 0.004)、拒絕范式(p= 0.025)和教師評定表測評的結果(p= 0.003)。(5)亞組分析結果發現,攻擊測量工具的調節效應顯著(Qb= 82.30,p<0.001)。采用班級戲劇法測量的社會排斥與攻擊的相關最高, 噪音范式測量的社會排斥與攻擊的相關最低。(6)研究方法的調節作用顯著(Qb= 17.69,p=0.001)。使用社會測量法的研究結果較高, 而實驗法的研究結果較低。(7)研究設計的調節作用顯著(Qb= 4.47,p= 0.03)。縱向研究的社會排斥與攻擊的相關顯著低于橫斷研究。(8)攻擊類型(狀態攻擊vs.特質攻擊)不能顯著調節社會排斥與攻擊的關系(Qb= 0.67,p= 0.41); 攻擊類型(主動性攻擊vs.反應性攻擊)能夠顯著調節社會排斥與攻擊的關系(Qb=6.45,p= 0.01); 攻擊類型(直接攻擊vs.間接攻擊)不能顯著調節社會排斥和攻擊的關系(Qb= 0.32,p=0.57)。分類變量的調節效應分析結果詳見表4。

表4 分類變量調節效應分析結果

4 討論

4.1 社會排斥與攻擊的關系

本研究借助元分析方法對社會排斥與攻擊的相關強度從整體上進行了估計, 結果表明社會排斥與攻擊存在中等程度相關(r= 0.38), 與以往多數研究結果一致, 支持了假設H1, 也澄清了二者在相關性大小方面的爭議。該結果支持了一般攻擊模型的觀點。社會排斥作為一種不良刺激, 破壞個體平衡穩定的內在狀態(認知、情感、喚醒任何一方的改變), 誘發憤怒情緒和敵對認知, 導致攻擊行為發生(Scot, 2015)。此外, 排斥經歷還可能讓個體感知到通過順從獲得社會認可是徒勞的, 認為只有主動出擊獲得掌控或支配地位, 才能免于二次傷害(排斥)的危險(McQuade et al., 2016)。而不斷增強的對他人的控制欲望, 最終導致被排斥者表現出更高水平的攻擊。值得強調的是, 雖然攻擊只是社會排斥后的反應傾向之一, 還可能出現親社會反應, 從進化的角度這是適應性的表現。但研究發現, 給予攻擊或親社會行為選擇時, 社會排斥更易引發強烈的攻擊并抑制親社會行為(Hales et al., 2016)。親社會反應實質是個體對反社會沖動有效控制的結果,說明即使社會排斥后出現親社會反應, 也無法避免有反社會(攻擊)傾向的出現。只是在特定情況下,個體被迫以社會期望的方式對待排斥者。這提示我們, 社會排斥引起的親社會反應可能是表面性的、暫時的, 親社會行為的表象下可能暗藏著一定的攻擊性沖動。

4.2 調節效應分析

研究結果表明, 性別對社會排斥與攻擊關系的調節作用不顯著, 未支持假設H2。說明社會排斥與攻擊的關系具有跨性別的一致性和普遍性。該結果支持了一些實證研究結果(劉璐, 2012; Tseng et al.,2013), 但與傳統的性別刻板印象并不一致。可能的原因是, 社會排斥給不同性別的個體帶來的負面影響是相似的, 如誘發憤怒情緒, 報復或傷害對方、獲得優勢地位等(Stenseng et al., 2014)。研究也發現,社會排斥威脅個體的歸屬需要和關系需要, 而歸屬需要和關系需要對男性和女性同樣重要, 出于防御產生的攻擊亦不受性別的影響(劉璐, 2012)。此外,也有研究者指出, 受到排斥后, 男性和女性采取的攻擊方式會有所不同, 男性更容易采取直接的身體攻擊和言語攻擊, 女性更多采用間接的關系攻擊(Pistella et al., 2020), 而對不同類型的攻擊進行平均和綜合可能掩蓋了性別差異(王姝瓊, 2008)。

研究結果還發現, 被試的年齡對二者關系的調節作用顯著, 支持了假設H3。相關系數從大到小分別是: 小學生r= 0.45, 幼兒r= 0.34, 中學生r= 0.35,大學生r= 0.29, 小學生相關強度最大, 大學生相關強度最小。說明隨著年級的升高(除幼兒階段),二者關系的強度逐漸減弱, 這與一些實證研究結果一致(Haselager et al., 2002; 劉露, 2020; Pedersen et al., 2007)。可能是幼兒的動作先得到顯著發展,精力過剩且活動量大, 在面對沖突時容易表現出攻擊性(李俊, 1994)。但由于幼兒本身力量較弱, 因此攻擊性相對較低。進入小學階段, 個體的自我意識快速發展, 但認知能力比較脆弱, 面臨人際威脅時容易表現出攻擊性。因為對小學生來說, 實施攻擊容易, 但要抑制攻擊性沖動則比較困難(Morales &Guerra, 2006)。隨著年齡的增長, 同伴關系在中學階段扮演重要角色。相比小學生, 中學生的認知能力和自我監控能力均得以提高, 個體會自覺地控制自己的行為和情緒以免破壞人際關系(王紅姣, 盧家楣, 2004)。到了大學階段, 自我意識的發展促進了個體的社會化, 認識到攻擊是不被社會規范所接受的, 加之道德約束力不斷提升和學校規章制度的制約, 面對人際沖突時, 更傾向于有意識地控制自己的情緒反應, 一定程度上降低了攻擊性(Fontaine et al., 2014)。這提示我們, 預防攻擊應從較小年齡開始。

研究結果顯示, 個體主義指數對社會排斥與攻擊關系的調節效應不顯著, 未支持假設H4。表明兩者關系可能存在跨文化趨同效應。其它有關同伴侵害與內外化問題的元分析(廖友國 等, 2022), 以及自戀與攻擊性關系的元分析(張麗華, 朱賀, 2021)也未發現文化差異。這可能與全球文化的交融有關,人類同屬一個命運共同體, 文化差異也逐漸縮小,呈現出個體主義逐漸增強, 而集體主義相對式微的趨勢(黃梓航 等, 2018)。因此, 社會排斥與攻擊的關系受文化的影響較小。更值得強調的是, 當前國際范圍內社會排斥與攻擊的評估工具多是基于西方文化研發而成, 經翻譯或修訂后的工具未必能反映出東方集體主義文化下的真實水平(Finneran et al.,2020)。雖然研究者們已注意到社會排斥后的行為反應和攻擊作為一種社會性行為均具有文化差異(Bergeron & Schneider, 2005), 但跨文化的研究依然欠缺, 未來需要更多跨文化研究對二者關系做深入剖析。

研究結果顯示, 攻擊類型(主動性攻擊vs.反應性攻擊)對社會排斥和攻擊關系的調節作用顯著,支持了假設H5b, 未支持假設H5a 和H5c。表明社會排斥對不同類型攻擊的影響不同, 對反應性攻擊的影響可能更強。社會排斥是一種外在刺激源, 個體出于自我保護和防御的目的而做出的反應本身是被動性(反應性)的。同時, 社會排斥易使個體在與他人建立社會聯結時遭遇挫折和傷害。根據挫折?攻擊理論, 攻擊源于挫折。強烈的挫敗感往往促使被排斥者施加攻擊以達到報復、傷害排斥者的目的。而主動性攻擊具有明確的目標和計劃, 并非由外在威脅帶來的挫折所引起, 因此兩者的關系可能較弱。值得注意的是, 主動性攻擊與反應性攻擊的高相關會對結果產生較大影響, 未來的研究在分析社會排斥與一種攻擊的關系時, 需要控制另一種攻擊對結果的影響。與任何元分析一樣, 本研究結果受到現有證據的限制, 并不能全面地比較社會排斥對各種攻擊類型的影響強度。如有些攻擊類型的效應量少于3 個(內隱攻擊)而無法納入分析, 可能對研究結果產生一定的影響。關于攻擊類型的調節作用, 今后還需做更多的工作予以澄清。

研究結果顯示, 測量工具對社會排斥與攻擊關系的調節效應顯著。首先, 社會排斥的測量工具對二者關系的調節作用顯著, 驗證了假設H6。該結果顯示, 采用同伴提名法測量的社會排斥與攻擊的關系更接近總效應值, 這可能是由于同齡人比父母或老師更了解真實狀況, 更能準確分辨出被排斥的同伴。而采用其它方法會高估(或低估)兩者的關系。如網絡投球范式測量的社會排斥與攻擊的關系強度最低(r= 0.17), 可能是因為實驗室研究中對于社會排斥情境的嚴格操縱, 導致研究的外部效度較低。其次, 攻擊的測量工具對社會排斥與攻擊關系的調節作用顯著, 驗證了假設H7。結果顯示, 采用班級戲劇問卷測量的社會排斥與攻擊的相關最強(r= 0.62), 而采用噪音范式測量的二者之間的關系最弱(r= 0.18)。這可能是噪音作為實驗的一部分,被試主要用于贏得比賽而不是傷害對方, 導致測量結果出現偏差。另外, 實驗室環境中, 個體的一舉一動都可能暴露在他人的監視之下, 不利于個體展現真實的行為反應(Klimstra et al., 2014), 從而對研究結果造成一定的影響。此外, 問卷測量雖然不會出現實驗操縱的局限, 但給了被試一定的思考時間,經深思熟慮的回答可能帶有偏差(王姝瓊, 2008)。總體來看, 測量工具對研究結果的影響差異較大, 今后的研究需要慎重考慮, 尤其是對于不同形式和性質的攻擊。

結果顯示, 研究方法與設計對社會排斥和攻擊關系的調節作用顯著, 支持了假設H8 和H9。首先,就研究方法而言, 僅使用一種研究方法的結果要么偏高(社會測量法), 要么偏低(實驗法), 而多種方法結合的研究結果更接近總效應值。可能的原因是,同一種研究方法有著同樣的數據來源、報告者、測量環境等, 無法控制共同方法偏差。而多種方法的結合可以取長補短、優勢互補, 一定程度上減少或控制了偏差。此外, 相比其他方法, 實驗法對額外變量的嚴格控制, 盡可能分離了其他干擾因素對結果產生的效應, 因而測量結果也低。其次, 就研究設計而言, 縱向研究的社會排斥與攻擊關系的強度顯著低于橫斷研究, 表明縱向研究存在明顯的衰減效應。這與類似的元分析結果一致(陳靜 等, 2022)。社會排斥程度和攻擊性沖動都可能隨時間的變化而上升或下降(Pouwels et al., 2016), 并隨時間的推移變得相對獨立, 從而造成兩者相關強度的減弱(Pouwels & Cillessen, 2013)。同時, 在縱向研究涉及的時間跨度中, 家長和老師可能會加強對攻擊行為的干預, 也會對二者的關系強度產生影響(Troop-Gordon & Ladd, 2015)。

4.3 研究不足與展望

本研究利用元分析從總體上探討了社會排斥與攻擊的相關強度以及可能的調節因素, 為該主題的深入研究提供了證據支持, 但仍存在一些不足:(1)部分研究并未報告社會排斥與攻擊的相關系數或可供計算的效應值, 還有一部分實驗研究未設置控制組(將接納組的被試設置為對照組), 這在文獻納入上造成了一定的損失。未來應注重納入研究結果的全面性, 以便更全面地評估二者關系; (2)當前元分析只納入了普通兒童青少年群體, 研究結論難以推廣到特殊兒童青少年群體、在職成年人以及老年人群體, 未來研究可擴大樣本范圍, 考察二者關系的外部效度; (3)亞組分析時個別亞組之間效應值個數差異較大, 甚至無法滿足亞組分析的條件, 這可能會對結果產生一定的影響。如內隱攻擊, 根據雙重攻擊理論模型, 內隱攻擊與外顯攻擊相互獨立且更具有隱蔽性。由于研究報告數量限制, 本研究未能對社會排斥與內隱攻擊的關系進行分析, 未來待原始研究的資料豐富后可進一步確認本研究的亞組分析結果是否穩健。

5 研究結論

本研究發現: (1)社會排斥與攻擊呈中等程度正相關; (2) 兩者的關系不受性別和文化的調節, 但受年齡的調節, 除學前階段, 隨著年齡的增長兩者的關系強度變弱; (3) 攻擊類型的調節作用顯著,相比主動性攻擊, 社會排斥與反應性攻擊的關系更強; (4)測量工具和研究方法與設計的調節作用顯著。網絡投球范式和噪音范式測量的二者關系相關最低; 采用單一方法的研究結果偏低或偏高, 而多種方法結合的研究結果更接近總效應值; 相比橫斷研究, 縱向研究中兩者的關系強度變小, 存在衰減效應。

致謝:感謝河北大學李森博士、首都師范大學傅添博士、鄭州大學趙鳳青博士為本文修改提供的寶貴意見和幫助。