基于質性分析的網絡社會排斥前因機制探究

摘 要 運用扎根理論，借助NVivo軟件對國內文獻、網絡熱帖評論及深度訪談資料進行質性分析，探討網絡社會排斥的前因機制。結果發現，網絡環境對互動對象社會排斥行為的歸因傾向是影響網絡社會排斥的關鍵因素，特別是形象意識高的個體，其拒絕敏感性強，更容易作出消極歸因并陷入自我否定，消極情緒增加，從而加劇了網絡社會排斥。而個體向往情緒的增多、高質量的現實人際關系及與互動對象緊密的現實關系距離則能減少對互動對象行為的消極歸因，有助于緩解或預防網絡社會排斥。此外，網絡發展、網絡特征及使用特征也在一定程度上催生了網絡社會排斥。研究結果能為后續實證研究提供理論研究框架，為治理網絡社會排斥問題提供有益參考。

關鍵詞 網絡社會排斥；影響因素；歸因傾向；質性分析

分類號 B841

DOI：10.16842/j.cnki.issn2095-5588.2025.01.005

1 引言

網絡互動為人們提供了便捷的溝通渠道和廣闊的社交空間，但也面臨著新的問題和挑戰。其中，網絡社會排斥（Cyber-ostracism）問題直接關系個體的社會適應能力培養及健全人格發展，亟待深入探討和解決（Broawski， 2022; Hatun amp; Demirci， 2022）。

網絡社會排斥常被視為一種“社會痛”，即在網絡交流過程中，個體或群體（被排斥者）未能在預期的時間范圍內獲得期望的交流回應，從而產生被他人（排斥者）拒絕、忽視或孤立的感受（馬蘇蘭， 孫倩， 2024; Schneider et al， 2017）。例如，個體更新朋友圈后被“跳贊”等，都可能導致網絡社會排斥現象的發生。盡管網絡社會排斥與現實社會排斥的發生媒介不同，但本質同為人際互動的關系需求受阻，直接威脅和降低被排斥者的社會價值和自尊（張野等， 2021; Hatun amp; Demirci， 2022; Williams， 2007）。長期經歷網絡社會排斥不僅會導致情緒性問題，如抑郁（雷玉菊等， 2018）和社交焦慮（石常秀等， 2023），還可能抑制親社會行為（Shi et al.， 2022），引發攻擊行為（金童林等， 2019， 2023; Liu et al.， 2018）和網絡偏差行為（雷玉菊等， 2018），甚至導致外化問題（黃云云， 辛素飛， 2024）。不過，不同于現實社會排斥，網絡社會排斥的媒介具有匿名性、時空不確定性以及社會線索模糊等特點（程瑩等， 2014），這導致網絡社會排斥更加隱蔽且難以預防（孫倩， 馬蘇蘭， 2024）。因此，深入探討網絡排斥的成因，并從根本上阻斷這一現象的發生至關重要。

然而，現有研究主要采用量化研究方法，且聚焦于探討網絡社會排斥的后果。雖然有助于從宏觀層面理解網絡社會排斥現象，卻未能厘清網絡社會排斥的產生原因，也尚未揭示真實情境下個體與環境的復雜關聯。特別是網絡社會排斥作為一種主觀體驗，深受個體對網絡情境認知加工的影響，這促使研究者需轉向微觀層面，采用質性研究方法進行探究。扎根理論研究范式是一種廣泛應用于定性資料分析的方法，強調在系統收集資料的基礎上，挖掘并提煉能夠反映社會現象核心特征的概念，進而通過建立概念的因果聯系而形成理論框架（陳向明， 2015; Dunne， 2011; Goyal amp; Deshwal， 2022）。本研究基于該范式，從微觀視角系統梳理并分析導致被排斥者產生網絡社會排斥體驗的關鍵因素，自下而上地構建網絡社會排斥的前因機制模型，以期更全面地理解網絡社會排斥現象，為治理網絡社會排斥問題提供參考。

2 方法

2.1 資料收集

本研究資料的來源主要包括以下三部分：

國內文獻資料。以2014年6月至2023年10月為檢索時間，以“網絡社會排斥”“網絡排斥”為關鍵詞，將學科限定為“心理學、教育理論與教育管理、社會學及統計學、新聞與傳媒”，在中國知網數據庫共檢索出67條數據。經篩選與網絡社會排斥高相關的內容，最終選取24篇國內文獻（見表1）作為文本分析對象。盡管該部分資料的研究集中探討網絡社會排斥的后果，但在論述網絡排斥現象的過程中，也部分觸及了其成因，故而被納入分析。該部分資料主要體現研究者視角。

網絡熱帖評論。參考相關研究方法（于戰宇等， 2021），借助Pycharm 2023軟件爬取2022年5月至2023年10月社交平臺軟件“小紅書”中有關網絡社會排斥的熱門話題討論貼，共爬取8個文字帖，含2162個評論。將發帖者或評論者對網絡排斥事件的詳細描述（起因、經過、結果及個人感受等）歸為典型案例，將評論者在二級觀點中的態度傾向歸為普遍觀點。例如“我覺得你說的對”等可視為普遍觀點。通過初步評估評論內容的豐富性，最終選取31個典型案例與普遍觀點作為文本分析對象。典型案例主要反映了當事人視角，而普遍觀點代表的是旁觀者視角。

深度訪談資料。圍繞大學生對網絡社會排斥的理解與感受，與采用方便抽樣法選取的10名江蘇某高校大三在校女大學生開展深度訪談并形成訪談資料。該部分資料反映了當事人視角。

2.2 編碼過程

參考扎根理論的相關研究（劉電芝等， 2019），人工邏輯編碼原始文本材料并形成三級子節點（見表2）：首先，開放編碼。初步概括、分析、合并原始質性資料，標記其中與網絡社會排斥的前因機制相關的內容，并提取、匯總和歸類相同意義和特征的典型參考點為自由節點。其次，主軸編碼。升級相同和相近意思的自由節點為概念范疇。最后，選擇編碼。進一步整合概念范疇為更高層次的核心范疇，并提煉影響網絡社會排斥的關鍵因素。

參考已有研究，基于原始文本資料，對概念范疇開展關系節點分析（邵愛國等， 2018），歸納并界定概念范疇的關系并構建關系框架，繪制不同關系類型概念的路徑圖并明確核心路徑與輔助路徑的邏輯層次，劃分直接影響和間接影響，逐步形成完整的網絡社會排斥前因機制的理論模型。

2.3 質量檢驗與控制

通過整合分析多視角、多渠道數據，不僅有助于更全面地了解網絡排斥的影響因素，還可以降低因依賴單一數據源而導致的偏差（張煉， 2014; Munafò amp; Smith， 2018）。相關數據已上傳至心理科學數據銀行，詳見https：//www.scidb.cn/anonymous/QmZ1bWll。

編碼過程中為有效排除主觀偏見并驗證編碼的一致性，安排兩名心理學本科生分別獨立編碼原始文本材料。兩者編碼的一致性系數達到了0.82，表明編碼結果具有較高的可信度。為進一步確保理論構建與原始材料的一致性，并提升研究結論的有效性，邀請專攻心理學和社會學領域的專家一名及其心理學研究生一名，共同審查兩名本科生的編碼過程及結果，且提出改進意見。

此外，鑒于原始材料包含深度訪談的內容，在編碼工作開始前，邀請受訪者閱讀并確認訪談的文字記錄，以確保其能準確反映受訪者的真實意圖。編碼工作完成后，再次邀請受訪者對編碼結果及結論進行復核與確認，以確保其能準確反映受訪者的實際經歷。

3 結果

3.1 開放編碼

表3為開放編碼所得自由節點及典型參考點。經對原始材料編碼，初步獲得618個參考點，進一步整合后形成30個自由節點。自由節點的命名基于其下所涵蓋的典型參考點所展現出的共同特征或主題。例如，社交形象意識這一自由節點涵蓋“不在乎是否跳贊”等典型參考點。可以明確這些參考點共同反映了個體在社交環境中對于自身形象、他人看法以及社交互動反饋的關注和在意程度。

根據已有研究（楊琴等， 2019），參考點累計占比80%的因素可視為最主要因素，即A類節點。結合表3可知，對網絡社會排斥產生最主要影響的因素共計15個。按照參考節點百分比從高到低的順序，分別是：社交形象意識、他人內容導向、現實關系親疏、被他人嫉妒、現實關系質量、社交信息豐富性、感知他人敵意、自我懷疑、被針對性對待、無心之舉、互動匿名性、現實社交支持、高敏感、網絡高速發展和恐懼。

3.2 主軸編碼及選擇編碼

表4為主軸編碼及選擇編碼結果。經主軸編碼形成11個概念范疇，包括形象意識、拒絕敏感性、歸因傾向、自我否定、消極情緒、向往情緒、關系質量、關系距離、網絡發展、網絡特征及使用特征。基于概念范疇所涵蓋的自由節點及其內涵，本研究對每個概念的具體解釋如下：形象意識主要指社交形象意識，即個體在網絡互動中對社交形象的關注度；拒絕敏感性描述了個體對社交中對于可能的拒絕或負面評價所表現出的過度敏感。歸因傾向指的是個體在解釋社交事件或他人行為時所采用的歸因方式，即傾向于進行消極歸因（如“感知他人敵意”等），或是歸因于無意的、非針對性的因素（如“他人內容導向”等）；自我否定涉及個體在社交中對自己在能力、價值或吸引力方面的負面評價。消極情緒是指個體在社交互動中可能體驗到的負面情緒，源于對他人社交成功的嫉妒、對社交失敗的恐懼、對自我價值的否定等；向往情緒主要表現為羨慕，即個體對他人在社交平臺上所呈現出的生活狀態產生的渴望和向往。關系質量衡量了個體在現實生活中與他人建立的社交關系的質量、得到的支持和人緣的好壞；關系距離則描述了個體與現實中他人之間的親密或疏遠程度。網絡發展是指互聯網技術、設備以及應用的快速發展與廣泛普及；網絡特征概括了網絡社交環境所具有的一些獨特特征，包括社交信息的豐富性、互動的匿名性、交流的非同步性以及時空的任意性；使用特征則反映了個體在網絡使用方面的習慣和偏好，主要指個體使用網絡頻率高且時間長。

經進一步的選擇編碼，獲得5個核心范疇為人格特征、認知過程、情緒過程、現實關系及網絡環境。其中，人格特征包括形象意識和拒絕敏感性，它們共同體現了個體在社交互動中相對穩定且持久的心理特質。認知過程則涵蓋了歸因傾向和自我否定，涉及個體在處理和解釋社交信息時所采用的思維方式和認知框架。情緒過程包括消極情緒和向往情緒，反映了個體在網絡社交過程中可能經歷的不同情緒狀態。現實關系包括關系質量和關系距離，描述了個體在現實生活中與他人之間關系的性質和狀態。網絡環境綜合了三個方面的網絡發展、網絡特征和使用特征。

由表4可知，5個核心范疇中，認知過程的參考點數最多，共224個，占36.25%；情緒過程范疇只包含40個參考點，占比最小，為6.47%，其余核心范疇數量反占比較為均衡。在11個概念范疇中，歸因傾向的參考點占比最大，共177個參考點。同時，歸因傾向在認知過程中占比最大。由此可見，個體的認知過程是影響網絡社會排斥的最主要因素，歸因傾向則是認知因素中最重要的內容。

3.3 關系節點分析與模型建構

本研究經對11個概念范疇的關系分析，構建了網絡社會排斥的前因機制模型（見圖1）。就影響網絡社會排斥的核心路徑而言，由模型可知，在網絡互動情境下，形象意識較高的個體更易受他人行為影響，且拒絕敏感性更高。高拒絕敏感性或促使個體對網絡互動對象做出的排斥行為進行消極歸因，或增強個體的自我否定傾向，進而引發更多的消極情緒。消極情緒越多，則加劇網絡社會排斥現象的發生。

核心路徑會受到向往情緒、關系質量及關系距離的調節。具體而言，個體向往情緒的增多能夠緩沖消極情緒對網絡社會排斥的促進作用；現實生活中擁有較高關系質量的個體，或與互動對象現實關系距離緊密的個體，則較少對互動對象的行為做消極歸因，這在一定程度上有助于減輕或預防網絡社會排斥的發生。此外，網絡發展、網絡特征及使用特征也在一定程度上誘發了網絡社會排斥。這11個概念范疇之間存在復雜的互動關系，形成了一個動態的系統，共同影響個體的網絡社會排斥。

4 討論

以往研究側重探討網絡社會排斥的后果和影響，尚且缺乏深入研究網絡社會排斥的成因。為拓展既有研究，同時為后續實證研究提供理論研究框架，本研究深入剖析了國內現有文獻、網絡熱帖評論以及深度訪談資料，運用扎根理論概括了網絡社會排斥的影響因素及結構，構建了網絡社會排斥的前因機制模型發現，網絡社會排斥既源于個體的人格特征、認知過程及情緒過程，又源于個體的現實社會關系，還與網絡環境的特性緊密相連。

首先，認知過程在諸多影響因素中尤為重要，其中歸因傾向更是起到了決定性作用。具體而言，當個體在網絡互動中將他人的排斥行為進行消極歸因，解讀為針對自己或故意排斥時，其內心所體驗到的網絡社會排斥感將尤為強烈。相反，若個體能以更加寬容與理性的視角去審視這些網絡社會排斥行為，將這些網絡社會排斥行為視作無意的誤會或是對特定情境的反應，而非個人化的攻擊，那么其感受到的網絡社會排斥便會大為減輕。這一發現與現有的量化研究結果相互印證，即敵意認知不僅會加劇攻擊行為，還是社會排斥導致攻擊行為增多的重要原因（金童林等， 2023），說明對排斥事件的消極歸因是導致網絡社會排斥產生并由此引發一系列負面后果的關鍵性因素。這啟示人們在日常生活中應培養合理的積極歸因方式，以降低網絡社會排斥帶來的負面影響。

同時，必須關注個體的人格特征及情緒過程在網絡互動中的作用。形象意識強烈的個體，由于格外在意他人對自己形象的看法與評價，往往對他人的排斥行為表現出高度的敏感性，進一步干擾他們的認知與情緒過程，進而導致更為深刻的網絡社會排斥體驗。相對而言，具有高自我完整性和自我肯定的個體，往往能保持平和的心態，認為自己即便在某些方面存在不足，但整體上仍是積極適應社會的；而那些傾向于否定自我價值的個體則更容易陷入消極情緒中，也更容易成為網絡社會排斥的受害者。這一發現進一步凸顯了自我完整性及自我肯定在應對自我認同威脅中的重要性（Jiang et al.， 2021）。此外，負面情緒也是加劇網絡社會排斥的一個重要因素。于教育機構而言，要著重培養學生的自我完整性，幫助學生建立正確的自我認知，以有效阻斷網絡社會排斥的產生路徑。于個人而言，提升自我認知能力、學會情緒管理以及鍛煉控制不良情緒的能力，對于減輕乃至避免網絡社會排斥體驗具有積極意義。

其次，個體的現實社會關系作為一種重要的心理資源，在減輕或規避網絡社會排斥方面發揮著重要作用。本研究指出，現實生活中良好的人際關系和高社會支持能幫助個體有效緩解網絡社會排斥帶來的痛苦感受。這一發現與金童林等（2023）的研究結果相契合，不僅強調了面對面線下交流的重要性，還表明通過增強現實社交關系可以在一定程度上減少個體的網絡社會排斥體驗，從而減輕其帶來的種種負面影響。

最后，本研究指出網絡環境催生了網絡社會排斥。網絡的快速發展和普及為網絡社會排斥的發生提供了載體，個體頻繁且長期的網絡使用增加了低質量互動體驗的頻率，網絡互動獨有的特征則增加了個體的錯覺性排斥（程瑩等， 2014），加劇網絡社會排斥感知。值得注意的是，虛擬的聊天窗口和隱藏的身份信息在增加網絡社會排斥感的同時，也會大大降低不良行為和言論的心理負擔成本，為網民的不良言行提供了保護傘。作為教育機構，應加強對學生的網絡素養教育，特別是培養學生的網絡溝通能力和識別網絡社交線索的能力。這將有助于減少因誤解而引發的網絡社會排斥，同時提升學生的整體網絡互動質量。

綜上，本研究不僅從微觀層面為理解網絡排斥現象提供了理論依據，還為網絡社會排斥問題的有效治理提供了參考。然而，本研究結果僅限于質性分析層面，未來可以通過開展問卷調查、實驗研究等量化方法來驗證和細化研究結論，并深入探索各影響因素之間的相互作用機制。同時，鑒于數據資料均源于國內，本研究所提出的網絡排斥的前因機制模型可能存在文化背景局限。未來可以進一步探討不同文化背景下網絡社會排斥的成因是否存在差異，以及本研究模型在不同文化環境的適用性和特異性。此外，設計和實施針對網絡社會排斥的教育課程和干預方案也是未來研究的重要方向，通過評估其效果并提出優化建議，能夠幫助學生更好地應對網絡社交中的負面體驗。

參考文獻

陳向明（2015）. 扎根理論在中國教育研究中的運用探索. 北京大學教育評論， 13（1）， 2-15.

程瑩， 成年， 李至， 李巖梅（2014）. 網絡社會中的排斥： 著眼于被排斥者的心理行為反應. 中國臨床心理學雜志， 22（3）， 418-423.

黃云云， 辛素飛（2024）. 網絡社會排斥與青少年外化問題： 有調節的中介模型. 應用心理學， 30（3）， 211-218.

金童林， 烏云特娜， 張璐，李鑫， 黃明明， 劉振會， 姜永志（2019）. 網絡社會排斥對大學生網絡攻擊行為及傳統攻擊行為的影響， 疏離感的中介作用. 心理科學， 42（5）， 1106-1112.

金童林， 烏云特娜， 張璐， 賈彥茹（2023）. 網絡社會排斥對大學生網絡攻擊行為的影響： 敵意認知的中介作用和領悟社會支持的調節作用. 社區心理學研究， 15（1）， 271-285.

雷玉菊， 張晨艷， 牛更楓，童媛添， 田媛， 周宗奎（2018）. 網絡社會排斥對抑郁的影響： 一個有調節的中介效應模型. 心理科學， 41（1）， 98-104.

劉電芝， 盧鳳， 許定遠（2019）. 扎根理論的多元化路徑分析——以青年夫妻沖突應對方式的質性研究為例. 蘇州大學學報（教育科學版）， 7（1）， 28-39.

馬蘇蘭， 孫倩（2024）. 網絡社會排斥的研究工具述評. 心理學進展， 14（1）， 373-379.

邵愛國， 李銳， 韋洪濤（2018）. 失地農民再就業培訓參與決策機制的探討——基于扎根理論的質性分析. 蘇州大學學報（哲學社會科學版）， 39（6）， 121-131.

石常秀， 代晨輝， 馬華維，趙小軍（2023）. 網絡社會排斥對大學生網絡偏差行為的影響： 有調節的中介效應. 應用心理學， 29（3）， 224-230.

楊琴， 楊正， 張繼霞（2019）. 高校實驗隊伍綜合激勵調研及帕累托圖分析. 實驗技術與管理， 36（12）， 960-965.

于戰宇， 于穎穎， 張琳然， 馬躍， 賈林祥（2021）.“基于大數據的質性研究”在心理學中的應用. 心理技術與應用， 9（12）， 750-759.

張煉（2014）. “三角互證”在教育案例研究中的應用. 教育與教學研究， 28（10）， 111-114.

張野， 張珊珊， 苑波（2021）. 現實到虛擬： 雙情境背景下青少年社會排斥的結構探析. 當代青年研究，（1）， 74-78.

Borawski， D. （2022）. Ostracized and unreal： Does cyberostracism affect authenticity？ Personality and Individual Differences， 189， 111486.

Dunne， C. （2011）. The place of the literature review in grounded theory research. International Journal of Social Research Methodology， 14（2）， 111-124.

Hatun， O.， amp; Demirci， . （2022）. Developing the cyber-ostracism scale andexamining its psychometric characteristics. International Journal of Mental Health and Addiction， 20（2）， 1063-1082.

Jiang， T.， Chen， Z.， Wang， S.， amp; Hou， Y. （2021）. Ostracism disrupts self-continuity. Personality and Social Psychology Bulletin， 47（9）， 1390-1400.

Liu， J.， Huo， Y.， Chen， Y.， amp; Song， P. （2018）. Dispositional and experimentally primed attachment security reduced cyber aggression after cyber ostracism. Computers in Human Behavior， 84， 334-341.

Munafò， M. R..， amp; Smith， G. D. （2018）. Robust research needs many lines of evidence. Nature， 553（7689）， 399-401.

Schneider， F. M.， Zwillich， B.， Bindl， M. J.， Hopp， F. R.， Reich， S.， amp; Vorderer， P. （2017）.Social media ostracism： The effects of being excluded online. Computers in Human Behavior， 73， 385-393.

Shi， L.， Li， H.， Huang， L.， Hou， Y.， amp; Song， L. （2022）.Does cyberostracism reduce prosocial behaviors？ The protective role of psychological resilience. International Journal of Environmental Research and Public Health， 19（7）， 4388.

Williams， K. D. （2007）. Ostracism. Annual Review of Psychology， 58（1）， 425-452.