線上親社會行為量表在中國青少年群體中的信效度檢驗

摘 要 以2369名中學生為對象，對Erreygers等人編制的線上親社會行為量表（OPBS）進行修訂。在對原版OPBS進行翻譯和回譯的基礎上，依次對中文版線上親社會行為量表的兩個分量表（實施和接受線上親社會行為）進行項目分析、探索性因素分析、驗證性因素分析、效標關聯效度分析及信度分析。結果顯示，中文版的兩個分量表Cronbach’s α系數分別為0.92和0.94，重測信度分別為0.91和0.94。兩個分量表與線下親社會行為及數字多媒體使用頻率的相關系數為0.24～0.82（plt;0.01），表明中文版OPBS具有良好的信效度，可以用于評估中國青少年的線上親社會行為。

關鍵詞 青少年；線上親社會行為；信度；效度

分類號 B842

DOI：10.16842/j.cnki.issn2095-5588.2024.07.005

1 引言

2024年3月22日，據中國互聯網絡信息中心（CNNIC）發布的第53次《中國互聯網絡發展狀況統計報告》顯示，截至2023年12月，我國網民規模達10.92億人。數字時代，全球范圍內的絕大多數年輕人都擁有智能手機（Achterhof et al.， 2022）。數字多媒體技術一方面給青少年的線上活動提供便利環境，另一方面也給其社會發展性與幸福感水平帶來了一系列影響（Twenge et al.， 2020）。這種影響既可能是消極的，也可能是中性或積極的。斯坦利·霍爾認為大多數的心理健康問題在青春期被首次識別（Solmi et al.， 2021）。伴隨著人們對社交媒體和青少年幸福之間關系的擔憂，與線上不良問題（如，網絡欺負行為、網絡道德失范等）相關研究的數量在快速增加（Jenaro et al.， 2021; Maftei et al.， 2022），然而有關青少年線上親社會行為的研究相對較少。線上親社會行為是數字時代個體親社會行為的新形式，近年來持續受到學界的關注（Armstrong‐Carter amp; Telzer， 2021）。

線上親社會行為是指個體在線上環境中自愿實施使他人受益或促進人際關系和諧的行為，其中包括通過社交媒體安慰朋友、與同學在線分享資源和信息以及在網上幫助同齡人等（Erreygers et al.， 2018）。青春期是個體社會性發展的敏感窗（Crone amp; Achterberg， 2022）。基于線下情境的研究發現，青少年時期的親社會行為呈現出增長趨勢，例如，青少年通常比兒童在分享和捐贈領域中表現出更多的親社會行為（Fabes et al.， 1999），這表明親社會行為可能隨著年齡的增長而線性增加（Do et al.， 2019）。線上親社會行為可能會在個人、關系和社會領域產生積極的結果。一方面，它能夠減少個體線上反社會行為出現的可能（Jang et al.， 2016）；另一方面，根據Przybylski和Weinstein（2017）提出的金發姑娘假說，適度使用社交媒體屏幕可以成為與他人聯系的一種可行且積極的方式。一些實證研究還發現線上親社會行為增加了個體社會聯系的可能性，改善了人際關系質量并有利于關系性需要的滿足，對青少年的幸福感產生積極影響（Moche et al.， 2021; Valkenburg et al.， 2011）。當前，已經存在許多可用于測量線上反社會行為和線下親社會行為的研究工具（Palladino et al.， 2015; Caprara et al.， 2005; Carlo et al.， 2002），然而，適用于線上親社會行為測量的問卷或量表還不多見。測量工具的缺失或不完善，導致相關研究的開展受到限制。

為了能夠有效地測量線上親社會行為，比利時學者Erreygers等（2018）開發了青少年線上親社會行為量表（Online Prosocial Behavior Scale， OPBS） ，該量表將有助于考察青少年在線行為的發展情況，以及哪些個人、社會和背景因素與線上親社會行為有關。量表采用Likert 5點（1=從不，5=每天）計分，得分越高表明親社會行為頻率越高。對線上親社會行為量表的兩個分量表進行平行分析，結果表明它們代表一維結構。OPBS的兩個分量表與離線親社會行為和數字媒體的使用呈正相關，這支持了OPBS的收斂效度。OPBS量表自編制出來以后，對線上親社會行為領域的研究起到了重要的推動作用，但是目前尚未引起國內研究者的關注，同時也未出現對該量表的中文版修訂。對OPBS進行中文版修訂，能夠促進國內相關研究領域的發展。研究者在得到了原作者Erreygers的翻譯和修訂授權之后，將其本土化并選取中國青少年群體為被試驗證其信度和效度，以期為國內相關研究提供有效的線上親社會行為測量工具。

2 對象與方法

2.1 被試

通俗度檢驗樣本（樣本1）：采用方便取樣，在江蘇省的兩所普通高級中學發放問卷并施測。被試共20人，其中男生和女生各10人，平均年齡 17.13±1.04歲。

項目分析和探索性因素分析樣本（樣本2）：采用整群取樣法，從江蘇省四所普通高級中學中進行取樣。共收回有效問卷986份，全部收回。其中，男生430人，女生556人。平均年齡17.67±2.56歲。

驗證性因素分析及效標效度檢驗樣本（樣本3）：采用整群取樣法，從江蘇省四所普通高級中學中進行取樣。共發放1092份問卷，全部收回。其中，男生311人，女生781人，平均年齡17.34±2.24歲。

重測信度樣本（樣本4）：隨機從樣本3中抽取291人，在間隔四周之后重新施測，被試的平均年齡17.08±1.25歲。

2.2 研究工具

2.2.1 線上親社會行為量表

OPBS由Erreygers等（2018）編制，包含20個項目。該量表包含兩個分量表，其中1至10題為實施線上親社會行為量表（POPB）的項目，11至20題為接受線上親社會行為量表（ROPB）的項目，采用Likert 5點計分，從1（從不）到5（每天）。兩個分量表的得分越高，表示被試自評實施或接受線上親社會行為的頻率越高。通過郵件方式取得OPBS的原作者Erreygers的中文修訂授權后，對量表進行翻譯和修訂。

第一次通俗度檢驗：選取20名來自江蘇省不同學校的中學生（樣本1）對翻譯的中文版OPBS進行通俗度檢驗。本次測驗主要是為了驗證中文版OPBS量表每道題目的可理解性，采取Likert-5點評分（1代表“完全不理解”，5代表“完全理解”）。結果顯示，OPBS的所有題目均不存在難以理解的問題，20個題目能夠全部予以保留。

2.2.2 線下親社會行為量表

共同建構理論認為，個體在線上情境實施活動時具有與線下活動相類似的心理特征（Wang amp; Wang， 2008），基于此，本研究將使用基于線下親社會行為測量工具作為修訂線上親社會行為量表的效標。同時，根據線上親社會行為量表原作者Erreygers等人的建議，采用長處與困難問卷（SDQ）的親社會行為分量表作為效標。該量表共包括五道題，采用Likert 5點計分（1=我根本不是那樣的人，5=我完全是那樣的人），分數越高代表被試的親社會行為水平越高。在本研究中，該量表的內部一致性系數為0.86。

2.2.3 數字媒體使用情況

根據OPBS原作者的建議，數字媒體的使用情況也應該作為線上親社會行為量表修訂的一項效標。參與者在六分制的李克特量表（1=從不，6=每天多次）上對他們在過去六個月中進行17項在線活動（例如，“使用即時消息”）的頻率進行評級，得分越高代表個體數字媒體使用越多（EU Kids Online， 2014）。在本研究中，數字媒體使用情況量表的內部一致性系數為0.84。

2.2.4 網絡利他行為量表

采用鄭顯亮等（2011）編制的網絡利他行為量表（Internet Altruistic Behavior Scale， IABS）測量青少年的網絡利他行為，該量表共有30個題目，包含四個維度（網絡支持、指導、分享和提醒），采用Likert-7點計分，總分越高表明被試網絡利他行為水平越高。在本研究中，該量表的內部一致性系數為0.87。

2.3 數據分析

采用SPSS19.0對數據進行項目分析、探索性因素分析、信度分析和相關分析等。采用 Mplus8.3進行問卷的驗證性因素分析。

3 結果

3.1 項目分析

首先，根據中文版線上親社會行為量表總分的高低順序對被試進行排列，總分處于前27%的被試作為高分組，后27%的為低分組。然后，對高、低分組被試在各個題目上的差異依次執行獨立樣本t檢驗。結果表明，20個條目決斷值均處于-35.840～-16.426，兩組被試的得分差異均達到顯著性水平（plt;0.01），說明OPBS各題目具有良好的區分度。此外，采用皮爾遜相關法對每個條目的得分與分量表的總分進行相關分析。結果表明，所有題目與分量表總分之間相關系數均在0.65～0.87，plt;0.001（如表1所示）。

3.2 效度分析

3.2.1 探索性因素分析

對樣本2數據（n=986）中的POPB量表和ROPB量表依次進行KMO檢驗和Bartlett球形檢驗。結果顯示，KMO值依次為0.933和0.931；Bartlett球形檢驗結果依次表現為χ2=6111.01，plt;0.001；χ2=8014.34，plt;0.001，說明數據適合做探索性因素分析。采用主成分分析法，依次對中文版POPB和ROPB各十個條目進行分析，最大方差旋轉后都僅能提取出一個公因子，累計方差貢獻率分別為59.07%和65.57%。表明，中文版線上親社會行為量表與原比利時版本結構一致。各條目因子負荷均處于0.62～0.87，詳見表1。

3.2.2 驗證性因素分析

為了進一步判斷探索性因素分析所得到的未來期望量表的因素結構是否合理，對樣本3（n=1092）的數據進行驗證性因素分析。結果顯示，POPB分量表的χ2/df=20.09，CFI=0.92，TLI=0.92，RMSEA=0.06；ROPB分量表的χ2/df=22.67，CFI=0.92，TLI=0.93，RMSEA=0.08，這說明，兩個分量表的擬合度和結構效度良好。

3.2.3 效標關聯效度

效標關聯度是采用已有信效度良好的量表作為參照，與所修訂的量表進行相關分析，若相關系數較大則表明效標關聯度較好（楊柳等， 2021）。根據線上親社會行為量表原作者的建議，將樣本2（n=986）被試在中文版線上親社會行為量表的兩個分量表上的得分與網絡利他行為量表和線下親社會行為量表做皮爾遜相關分析。結果表明，線上親社會行為量表的兩個分量表得分與網絡利他行為量表和線下親社會行為量表的得分呈顯著正相關，這與以往的研究結果相一致（Lysenst?en et al.， 2021）。各變量及維度間的相關系數在0.239～0.823，這表明中文版線上親社會行為量表具有良好的效標關聯效度。結果見表2。

3.3 信度分析

基于樣本3（n=1092），對中文版線上親社會行為量表進行信度分析，POPB和ROPB量表的內部一致性系數依次為0.92和0.94；在四周后對中文版線上親社會行為量表進行重測以獲得重測信度樣本。基于樣本4（n=291），POPB分量表的重測信度為0.91，ROPB分量表的重測信度為0.94。

3.4 線上親社會行為量表跨性別測量的等值性檢驗

使用SPSS 19.0對中文版線上親社會行為量表的兩個分量表所有的題目進行正態分布K-S檢驗。結果顯示，各個條目的p值均小于0.001，表明數據非正態分布，因此使用穩健最大似然估計（MLM）的方法進行多組驗證性因素分析。

采用Mplus8.3的多組驗證性因素分析對中文版線上親社會行為量表的跨性別等值性進行檢驗。結果表明，每一步的測量等值性檢驗?TLIlt;0.010、?CFIlt;0.010，各個模型的模型擬合指標TLI、CFI、SRMR、RMSEA均達到了心理測量學的統計標準。這表明，線上親社會行為量表具有跨性別的測量等值性（Cheung et al.， 2002）。

3.5 δG系數

δG是用于評估測量工具辨別力的指標，其取值范圍介于0到1之間，得分越大代表問卷或量表的鑒別力越好，當系數大于0.9時表明量表對被試具有較強的鑒別力度（Hankins， 2007）。δG系數是非參數的，不要求對數據進行任何假設。使用R統計軟件包中的delta.g函數計算線上親社會行為的δG系數。結果發現，中文版線上親社會行為量表兩個分量表的δG系數依次為0.92和0.94，這說明該量表具有很好的鑒別能力。

4 討論

本研究了比利時學者Erreygers（2018）編制的線上親社會行為量表，并檢驗其在中國情境下的跨文化適用性。

第一，對原版線上親社會行為量表進行翻譯-回譯、通俗度檢驗，形成中文版線上親社會行為初始量表。第二，對中文版的線上親社會行為量表進行項目分析。結果表明，各個條目與分量表的得分之間均呈顯著正相關。青少年線上實施與接受親社會行為的高分組與低分組在所有條目上均存在顯著差異，各條目的區分度良好。因此，在中文版的修訂過程中沒有對原量表進行刪減，保留了全部的條目。第三，效度檢驗。探索性因素分析和驗證性因素分析的結果一致表明，中文版線上親社會行為量表具有良好的結構效度，各條目與所屬分量表的因子載荷均達到顯著水平。相關分析結果顯示，中文版線上親社會行為量表的兩個分量表得分與網絡利他行為量表、線下親社會行為量表之間呈顯著正相關，與前人研究結果一致（Erreygers et al.， 2018， 2019），說明該量表的效標關聯效度良好。第四，信度檢驗。信度分析結果表明，中文版線上親社會行為量表的兩個分量表的Cronbach’s α系數為0.76～0.91，這與Erreygers等的研究結果一致（Erreygers et al.， 2018， 2019）。根據Hays等（1998）提出的標準，當Cronbach’s α系數達到0.70以上時，可以認為量表具有較好的信度。四周后的重測信度在0.66～0.76。Fleiss指出，重測信度在0.40～0.75之間為中等到較好，達到在0.75以上時為極好。因此，可以認定本研究中線上親社會行為量表中文版的重測信度極好。第五，跨性別的測量等值性檢驗。結果表明，兩個分量表在性別潛變量的構成形態、各條目的因子載荷以及截距均相等。因此，中文版線上親社會行為量表具有跨性別等值性。

綜上，中文版線上親社會行為量表在中國青少年群體中具有較好的信效度，可以用于評估該群體的線上親社會行為。本研究還存在一定局限性：首先，樣本量較少且主要集中于江蘇省的高中生群體，研究結果的推廣性受到局限，未來研究中可在更為廣泛的地區和人群范圍內進行調查以驗證該量表的生態效度。其次，鑒于當前國內關于線上親社會行為的研究相對較少，本研究根據原作者的建議僅采用了網絡利他行為量表、線下親社會行為量表及多媒體使用情況作為效標，以后可以考慮增加其他的量表（如線上反社會行為量表等）進行效標效度驗證。最后，與線下親社會行為相類似，線上親社會行為具有諸多類別，本研究中所修訂的量表適用于對總體的線上親社會行為進行測量，而未區分可能存在的各種子類型，也未能識別其動機，今后的研究可以針對這些問題對線上親社會行為量表進行更加全面的開發與修訂。

5 結論

修訂得到的中文版青少年線上親社會行為量表適用于中國文化背景下的青少年群體，為以后關于青少年線上親社會行為領域的研究提供了可靠工具。（致謝：感謝量表原作者比利時安特衛普大學Sara Erreygers對量表的翻譯與修訂所提供的幫助。）

參考文獻

楊柳， 黃嘉誠， 高健（2021）. 中文版正念養育量表在母親群體中的信效度檢驗. 心理學探新， 41（4）， 356-363.

鄭顯亮， 祝春蘭， 顧海根（2011）. 大學生網絡利他行為量表的編制. 中國臨床心理學雜志， 19（5）， 606-608.

Achterhof， R.， Kirtley， O. J.， Schneider， M.， Hagemann， N.， Hermans， K. S.， Hiekkaranta， A. P.， ... amp; Myin-Germeys， I. （2022）. Adolescents’ real-time social and affective experiences of online and face-to-face interactions. Computers in Human Behavior， 129， 107159.

Armstrong‐Carter， E.， amp; Telzer， E. H. （2021）. Advancing measurement and research on youths’ prosocial behavior in the digital age. Child Development Perspectives， 15（1）， 31-36.

Caprara， G. V.， Steca， P.， Zelli， A.， amp; Capanna， C. （2005）. A new scale for measuring adults’ prosocialness. European Journal of Psychological Assessment， 21（2）， 77-89.

Carlo， G.， amp; Randall， B. A. （2002）. The development of a measure of prosocial behaviors for late adolescents. Journal of Youth and Adolescence， 31（1）， 31-44.

Cheung， G. W.， amp; Rensvold， R. B. （2002）. Evaluating goo-dness-of-fit indexes for testing measurement invariance. Structural Equation Modeling， 9（2）， 233-255.

Crone， E. A.， amp; Achterberg， M. （2022）. Prosocial develo-pment in adolescence. Current Opinion in Psychology， 44， 220-225.

Do， K. T.， McCormick， E. M.， amp; Telzer， E. H. （2019）. The neural development of prosocial behavior from childhood to adolescence. Social Cognitive and Affective Neuroscience， 14（2）， 129-139.

Erreygers， S.， Vandebosch， H.， Vranjes， I.， Baillien， E.， amp; De Witte， H. （2018）. Development of a measure of ado-lescents’ online prosocial behavior. Journal of Children and Media， 12（4）， 448-464.

Erreygers， S.， Vandebosch， H.， Vranjes， I.， Baillien， E.， amp; De Witte， H. （2019）. Feel good， do good online？ Spillover and crossover effects of happiness on adolescents’ online prosocial behavior. Journal of Happiness Studies， 20（4）， 1241-1258.

EU Kids Online. （2014）. EU Kids Online： Findings， methods， recommendations. London： LSE.

Fabes， R. A.， Carlo， G.， Kupanoff， K.， amp; Laible， D. （1999）. Early adolescence and prosocial/moral behavior I： The role of individual processes. The Journal of Early Adolescence， 19（1）， 5-16.

Hankins， M. （2007）. Questionnaire discrimination：（re）-introducing coefficient δ. BMC Medical Research Methodology， 7（1）， 1-5.

Hays， R. D.， Anderson， R. T.， amp; Revicki， D. （1998）. Assessing reliability and validity of measurement in clinical trials. In M. J. Staquet， R. D. Hays， amp; P. M. Fay-ers （Eds.）， Quality of life assessment in clinical trials methods and practice （pp. 169-182）. Oxford： Oxford University Press.

Jang， Y.-J.， Kim， H.-W.， amp; Jung， Y. （2016）. A mixed meth-ods approach to the posting of benevolent comments online. International Journal of Information Management， 36（3）， 414-424.

Jenaro， C.， Flores， N.， amp; Frías， C. P. （2021）. Anxiety and depression in cyberbullied college students： A retrospective study. Journal of Interpersonal Violence， 36（1-2）： 579-602.

Lysenst?en， C.， B?e， T.， Hjetland， G. J.， amp; Skogen， J. C. （2021）. A review of the relationship between Social med-ia use and online prosocial behavior among adolescents. Frontiers in Psychology， 12， 579347.

Maftei， A.， Holman， A. C.， amp; Merlici， I. A. （2022）. Using fake news as means of cyber-bullying： The link with compulsive internet use and online moral disengagement. Computers in Human Behavior， 127， 107032.

Moche， H.， amp; V?stfj?ll， D. （2022）. To give or to take mon-ey？ The effects of choice on prosocial spending and happiness. The Journal of Positive Psychology， 17（5）， 742-753.

Przybylski， A. K.， Weinstein， N.， （2017）. A large-scale test of the Goldilocks hypothesis： Quantifying the relations between digital-screen use and the mental well-Being of adolescents. Psychological Science， 28（2）， 204-215.

Palladino， B. E.， Nocentini， A.， amp; Menesini， E. （2015）. Psychometric properties of the Florence CyberBullying-CyberVictimization Scales. Cyberpsychology， Behavior， and Social Networking， 18（2）， 112-119.

Solmi， M.， Radua， J.， Olivola， M.， Croce， E.， Soardo， L.， Salazar de Pablo， G.， ... amp; Fusar-Poli， P. （2021）. Age at onset of mental disorders worldwide： Large-scale meta-analysis of 192 epidemiological studies. Molecular Psychiatry， 27（1）， 281-295.

Twenge， J. M.， Joiner， T. E.， Rogers， M. L.， amp; Martin， G. N. （2020）. Considering all of the data on digital-media use and depressive symptoms： Response to Ophir， Lipshits-Braziler， and Rosenberg （2020）. Clinical Psychological Science， 8（2）， 379-383.

Valkenburg， P . M.， amp; Peter， J. （2011）. Online comm-unication among adolescents： An integrated model of its attraction， opportunities， and risks. Journal of Adolescent Health， 48（2）， 121-127.

Wang， C.， amp; Wang， C. （2008）. Helping others in on-line games： Prosocial behavior in cyberspace. Cyber-Psychology， Behavior， amp; Social Networking， 11， 344-346.