高中生在線風險暴露的潛在類別及其影響因素

摘 要 采用在線風險暴露量表、父母沖突量表、教師支持量表、同伴依戀量表及自我控制量表對河北省1579名高中生開展調查，探索高中生在線風險暴露的潛在類別及其影響因素。結果顯示，高中生在線風險暴露可分為低風險組、不良內容接觸組和高風險組；父母沖突、教師支持、同伴依戀和自我控制是在線風險暴露潛在類別的影響因素；高中生在線風險暴露的整體檢出閾值為9分，不良內容接觸檢出閾值為3分。高中生在線風險暴露存在異質性，相關工作人員應根據在線風險暴露類型，從父母、教師、同伴和青少年自身出發，多管齊下，綜合提供輔導建議。

關鍵詞 在線風險暴露；高中生；潛在類別分析；邏輯回歸分析；影響因素

分類號 B844

DOI：10.16842/j.cnki.issn2095-5588.2025.03.002

1 引言

截至2024年6月，我國新增網民742萬，其中10～19歲青少年占比為49.0%（中國互聯網絡信息中心， 2024）。毋庸置疑，網絡是一把雙刃劍，在給高中生娛樂、社交、學習和生活帶來積極體驗的同時，也給其健康發展帶來了潛在威脅。關于網絡的負面效應，已有研究更為關注的是問題性網絡使用，如網絡成癮、網絡游戲成癮和社交媒體成癮等（Akbari et al.， 2023; Urbanova et al.， 2023），但少有研究關注在線風險暴露。

在線風險暴露指各種負面在線經歷的終極體驗，是數字化時代青少年面臨的新型風險，主要包括在線受欺負、個人信息泄露、在線性引誘和不良內容接觸等（張亞利， 2024; Maghsoudi， Shapka amp; Wisniewski ， 2020）。數據顯示，高中生在線風險暴露的發生率約為6.4%～84.2%（Ding et al.， 2020; Urbanova et al.， 2023），且與焦慮、抑郁、自我傷害等諸多內外化問題密切相關（Akbari et al.， 2023; Arató， et al.， 2022）。

高中生正處于“疾風驟雨期”，其自主與獨立意識開始增強，渴望得到理解、尊重與認同。同時，他們還承受著較大的學業與競爭壓力，易出現情緒波動與心理困惑。數字化時代背景下，互聯網因其互動性、即時性、娛樂性的便捷優勢得到了高中生的青睞。高中生利用網絡從事娛樂、社交、游戲等行為來滿足自身的心理需求已成常態，但其判斷能力與自控能力并不成熟，易受不良因素干擾而遭受網絡風險侵襲（Urbanova et al.， 2023）。因此，有必要對高中生在線風險暴露狀況加以詳細探討。然而，目前中國尚且缺乏對該現象的充分關注，且多數研究基于變量中心展開，在線風險暴露的潛在類別并不清楚。

此外，已有研究多著眼于單一因素（如父母依戀、社會支持等）與在線風險暴露的關系（Arató et al.， 2022; Ding et al.， 2020），尚且缺乏研究綜合探討家庭因素、學校因素、同伴因素、個人因素等對在線風險暴露的影響。依據生態系統理論（Bronfenbrenner， 1979）和個體環境交互模型（Bandura， 1978），父母沖突、教師支持、同伴依戀及自我控制是影響高中生在線風險暴露的關鍵因素。

父母沖突是指父母因觀點不一致或其他原因產生的爭執或攻擊行為（Grych amp; Fincham， 1990）。根據溢出理論（Grych amp; Fincham， 1990），父母因高頻的沖突所引發的負面情緒或行為會影響與子女的互動，減弱子女與父母的情感聯結，使子女難以獲得父母的支持和幫助，進一步出現社會適應問題，削弱子女的自尊水平與共情能力，使其在上網過程中更易遭受他人欺負和引誘，也更易成為他人調侃的對象而導致信息泄露（Rivas-Koehl et al.，" 2023）。此外，父母沖突會使子女缺乏有效的監管與教導，導致其輕易在互聯網與他人交換并分享個人信息，易受他人誘騙、迫害（Song et al.， 2024），或遭遇性騷擾（Kasturiratna et al.， 2024; Rivas-Koehl et al.， 2023）。

教師支持是指在學校系統中，教師為學習者提供的行為、策略和情感上的支持與幫助（Lee et al.， 2022）。社會支持的主效應模型強調，個體可以通過社會支持獲得安全感與自我效能感，從而提高社會適應水平（Cohen amp; Wills， 1985）。師生關系較差的學生，感知到教師的支持與關愛較少，更容易滋生負面情緒，自我效能感和安全感更低，在與他人的互動過程中更容易降低防范意識，這可能導致其在上網過程中更容易輕信他人，受他人歧視、攻擊、引誘或欺負（Maurya et al.， 2023; Nagar amp; Talwar， 2023）。教師支持的缺乏還會導致學生得不到及時引導和監控，使其在上網過程中更容易出現越軌行為，也更容易接觸不良內容，顯著增加網絡受害的風險（Nagar amp; Talwar， 2023）。

同伴依戀是指青少年與同伴之間建立起來的、相互給予溫暖與支持的親密關系（Gao et al.， 2023）。同伴拒絕理論認為個體社交能力與情感認知技能的缺乏是心理社會適應的風險因素（Coie amp; Cillessen， 1993）。同伴關系消極的個體缺乏人際交往，較少受同伴保護，社交能力與情緒管理能力較差，面對沖突很難成熟應對并合理解決，因而容易成為欺凌者的目標（Song et al.， 2024）。此外，同伴依戀程度低的高中生缺少友誼支持，不被他人重視，常感到孤獨脆弱，在網絡中與他人交往時不設防備，很容易掉入陷阱、遭受引誘，同時也容易因為缺乏防御意識而遭受他人欺負（Ding et al.， 2020）。實證研究也發現，同伴支持與網絡欺凌受害存在顯著負相關（Ding et al.， 2020）。

自我控制是指個體及時調整自己的行為、情緒和其他反應以實現某些活動目標的能力（Wu et al.， 2023）。

自我控制雙系統模型認為，青少年行為問題是由于社會情感系統和認知控制系統的失衡引起的。因此，自我控制較差會導致個體難以抑制社會情感系統的沖動反應，在現實或網絡遭遇不快時輕易向他人發泄憤怒情緒，導致其更容易遭受網絡報復。同時，沖動個體會喪失部分理智，容易受他人誘騙（Wu et al.， 2023）。此外，自我控制較差會導致個體無節制地使用手機等上網設備，易出現泄露個人信息、接觸不良網站等風險行為。實證研究還表示，低自我控制的個體容易受到網絡色情內容的引誘（Whitten et al.， 2024）。

綜上，本研究擬采用潛在類別分析（Latent Class Analysis， LCA）探討中國高中生在線風險暴露的潛在類型，并選取父母沖突、教師支持、同伴依戀與自我控制作為影響因素，綜合探討其對高中生在線風險暴露潛在類別的影響。

2 研究方法

2.1 研究對象

采用整群抽樣法，向河北省保定市兩所公立全日制普通高級中學的學生發放紙質問卷1700份，剔除無效問卷后（填答不完整或者填答同一個選項），回收有效問卷1579份。其中，女生866人，男生710人，缺失信息3人；農村314人，城鎮1262人，缺失信息3人；獨生子女123人，非獨生子女1454人，缺失信息2人；高一年級770人，高二年級809人；學業成績排名在班級前50%的有833人，在班級后50%的有729人，缺失信息17人；家庭經濟狀況較好的有555人，家庭經濟狀況較差的有1003人，缺失信息21人。

2.2 研究材料

2.2.1 在線風險暴露量表

由張亞利等（2024）修訂，包括16個題目，采用5點計分，包含在線受欺負、個人信息泄露、在線性引誘和不良內容接觸4個維度。由于本研究中該現象呈現偏態分布，故將各題目得分轉換為（0， 1）計分，無在線風險暴露的計為0，有在線風險暴露的計為1，而后開展潛在類別分析。該量表在本研究中的ω信度值為0.88，效度良好（χ2/df=4.86，NFI=0.95，IFI=0.96，CFI=0.96，RMSEA=0.05）。

2.2.2 父母沖突量表

由董奇和林崇德（2011）修訂，包含5個題目，采用4點計分。該量表在本研究中的ω信度值為0.80，效度良好（χ2/df=9.83，NFI=0.99，IFI=0.99，CFI=0.991，RMSEA=0.075）。

2.2.3 教師支持量表

由Chang等（2018）修訂，包含5個題目，采用5點計分。該量表在本研究中的ω信度值為0.86，效度良好（χ2/df=4.91，NFI=0.99，IFI=0.99，CFI=0.99，RMSEA=0.05）。

2.2.4 同伴依戀量表

由Cho和Lee（2018）編制，包含3個題目，采用5點計分。該量表在本研究中的ω信度值為0.75（由于是飽和模型，效度指標無法輸出）。

2.2.5 自我控制量表

由河北省青少年成長與發展測評項目組參考羅濤等（2021）修訂的簡式自我控制量表研制，包含4個條目，采用5點計分。該量表在本研究的ω信度值為0.80，效度良好（χ2/df=4.13，NFI=0.99，IFI=0.99，CFI=0.99，RMSEA=0.04）。

2.3 數據處理

本研究使用SPSS 27.0開展方差分析和邏輯回歸，AMOS 24.0開展單因子驗證性因子分析，以及Mplus 8.3開展潛在類別分析，通過逐步增加類別數目來尋找最佳擬合模型。

模型評估綜合考慮了Akaike信息標準（Akaike information criterion， AIC）、貝葉斯信息標準（Bayesian Information Criterion， BIC）、樣本校正后的BIC（Sample-Size Adjusted BIC， aBIC），似然比（likelihood ratio， LMR）和基于Bootstrap的似然比檢驗（likelihood ratio test， BLRT）結果，以及分類準確率（Entropy）。顯著的LMR和BLRT結果支持增加類別，Entropy接近1表示分類精確。

同時，潛在類別中人數占比小于5%被視為分類不合理（溫忠麟等， 2023）。為確定高中生網絡風險暴露的最佳臨界值，我們采用接受者操作特征曲線分析（Receiver Operating Characteristic， ROC），通過ROC曲線下的面積（Area Under ROC Curve， AUC）和最大約登指數評估預測準確性。AUC值越接近1表明預測準確度高（Luo et al.， 2024）。

3 研究結果

3.1 在線風險暴露的潛在類別分析

采用在線風險暴露量表的16個題目作為觀測指標，逐步增加類別數量，共構建了四個潛在類別模型。結果顯示，隨著類別數量的增加，AIC、BIC和aBIC值均呈現下降趨勢，但自三類別起，下降幅度明顯減緩。同時，所有類別的Entropy值均高于0.8，其中三類別模型的精確率最高，達到0.85。此外，四類別的LMR檢驗結果未達顯著水平。因此，基于這些指標，本研究選擇三類別作為高中生在線風險暴露的最佳分類方案（詳見表1）。

結合圖1發現，第1類學生上網過程中在線風險暴露各因子得分均低于其他兩類，說明此類學生上網過程中幾乎不存在風險暴露，故命名為低風險組，占比為22.9%。第2類學生上網過程中在不良內容接觸維度的得分顯著高于其他維度，因而將其命名為不良內容接觸組，占比最高，為52.2%。第3類學生在線風險暴露各因子得分都高于其他兩類，此類高中生在線風險暴露水平整體上較高，因而將其命名為高風險組，占比為24.9%。此外，分析三組高中生的在線風險暴露各因子上的得分發現，低風險組各因子得分均小于不良內容接觸組，而不良內容接觸組各因子得分均小于高風險組，說明組間存在異質性，分類合理（詳見表2）。

3.2 在線風險暴露的影響因素分析

以在線風險暴露潛在類別為因變量，針對性別、家庭環境、學校支持、個人自控及同伴關系等因素開展了多元邏輯回歸分析。

結果顯示，相較于女性，男性進入高風險組和不良內容接觸組的概率分別高出177%和31%。此外，家庭沖突升級、教師支持減弱、自我控制能力下降以及同伴依戀程度降低，均會顯著提升個體進入高風險組和不良內容接觸組的概率。具體增幅分別為父母沖突水平每增加一個單位，進入高風險組的概率就增加20%，進入不良內容接觸組的概率增加12%；教師支持水平每減少一個單位，進入高風險組的概率就增加8%，進入不良內容接觸組的概率就增加4%；自我控制能力每減少一個單位，進入高風險組的概率就增加12%，進入不良內容接觸組的概率增加8%；同伴依戀程度每減少一個單位，進入高風險組的概率就增加12%（詳見表3）。

3.3 ROC分析

基于LCA的分類結果，本研究認為有必要對在線風險暴露所有維度表現為高風險的人群，以及僅在不良內容接觸維度表現為高風險的人群分別制定篩查標準。將LCA分析中的高風險組編碼為1，其余編碼為0，形成一個新的二分變量。ROC分析表示，8.5分是最佳臨界值（此時約登指數為最大值0.91，詳見表4）。此時AUC為0.99（95% CI=[0.990， 0.996]），說明臨界值選擇是合適的。由于本研究的題目得分經轉換后為整數，最終確定9分作為篩查高風險人群的最佳臨界值。換言之，被試在16個題目中有9個題目做出肯定回答時，即歸為網絡風險暴露的高危人群。據此，本研究1579名被試中有380人被診斷為高在線風險暴露人群，占總體的24.06%。

同理，本研究將LCA分析中的安全組編碼為0，其余組編碼為1，形成一個新的二分變量。ROC分析發現，2.5分是最佳臨界值（此時約登指數最大值為0.95，表4）。此時AUC為0.99（95% CI=[0.988， 0.995]），說明臨界值選擇是合適的。由于本研究的題目得分經轉換后為整數，最終確定3分作為篩查高風險人群的最佳臨界值。換言之，被試在不良內容接觸維度5個題目中有3個題目做出肯定回答時，即歸為不良內容接觸高危人群。據此。本研究1579名被試中，有1152人被診斷為高不良內容接觸人群，占總體的72.95%。詳見表4。

4 討論

4.1 高中生在線風險暴露的潛在類別

本研究首次分析了中國高中生在線風險暴露的潛在類別，揭示高中生在線風險暴露可分為低風險組、不良內容接觸組和高風險組。

本研究發現，低風險組（22.9%）各維度得分普遍較低，可能是由于該組學生擁有良好的家庭環境與人際關系，較少面臨壓力情境與消極情緒，自律性與警惕性較強，防范意識較高，因而較少在上網過程中出現風險暴露行為（Arato， et al.， 2022）

不良內容接觸組（52.20%）在不良內容接觸上的得分明顯高于其他維度，或許因為該類學生的自我保護能力更弱，社會經驗不足，在瀏覽網頁時面對自動彈出或跳轉到不良網站，更易受充斥著色情、暴力、恐怖等不良內容的網站誘惑（Whitten et al.， 2024）。

高風險組（24.9%）在線風險暴露各維度得分較高，可能是由于該組學生身心發展不夠成熟，道德觀念淡薄，安全意識薄弱，易受不良內容影響，出現在線風險暴露行為。此外，這類學生可能在現實生活中遭受人際關系排斥，較易產生相對剝奪感，進而傾向于在互聯網分享或披露個人信息，借此收獲他人的積極反饋并發展人際關系（Urbanova et al.， 2023），使得在線風險暴露水平增加。

4.2 在線風險暴露潛在類別的影響因素

本研究基于生態系統理論和個體環境交互作用模型分析了環境因素（父母、教師、同伴）與個體因素（自我控制）對高中生在線風險暴露潛在類別的影響。結果表明，高父母沖突、低教師支持、低同伴依戀和低自我控制均是在線風險暴露的風險因素。

本研究結果認為，父母沖突水平越高，高中生越容易成為在線風險暴露人群。沖突程度高的家庭環境容易降低個體的分享欲，使其缺乏情感溫暖。同時，此類學生可能會在互聯網向他人無防備地披露個人信息，以博取關注，建立社交關系，這可能會導致個人數據暴露于不安全的社交平臺，遭受他人利用或迫害（Arato， et al.， 2022）。該結果驗證了溢出理論（Bronfenbrenner， 1979）和生態系統理論與個體環境交互作用模型，家庭作為青少年身心健康發展的首要環境系統，對青少年的影響最為深遠。父母沖突會影響父母對孩子情感需求的敏感度，減少父母對孩子的保護與監管，導致個體對社會環境適應不良，缺乏安全感，與他人交往常處于弱勢地位，進而增加個體遭受在線風險暴露的幾率，以及受欺負或受引誘的可能性（Rivas-Koehl et al.， 2023; Song et al.， 2024）。

本研究結果表明，教師支持程度越低，高中生越容易成為在線風險暴露人群。該結果契合社會支持的主效應模型，與老師關系不緊密的高中生在學校可能敏感內向、不善交際，較少與同學溝通交流，社交地位低下，因而更容易受他人欺凌（Blomqvist et al.， 2020）。此外，師生關系較差容易使個體產生消極的自我評價，催生社交焦慮，阻礙其人際交往，抑郁程度較高，從而借助網絡逃避現實，使得此類學生更易成為網絡欺凌者的目標（Nagar amp; Talwar， 2023），增加網絡受騙、性受害或不良內容接觸的幾率（Maurya et al.， 2023）。而此類學生也較難向老師報告受欺凌經歷（Blomqvist et al.， 2020），無法對其開展干預，進一步提高了此類高中生網絡受害的可能。

本研究表示，同伴依戀程度越低，高中生越容易成為在線風險暴露人群。進入青春期，高中生獨立意識增強，不再依賴父母，轉而尋求友誼支持。同伴依戀程度低的高中生社交能力不足，在現實生活中經常被邊緣化，不受同齡人接納和認可，這會增加其網絡欺凌受害的風險（Arato et al.， 2022）。也容易產生社交焦慮，人際交往能力較差，友誼支持程度較低，轉而傾向于參與網絡在線互動，以構建線下缺失的社交網絡，容易暴露于更多的在線風險，如，個人隱私被竊取、披露，被迫訪問風險網站或承受來自同齡人攀比產生的妒忌，甚至惡意攻擊（Ding et al.， 2020; Urbanova et al.， 2023）。

本研究發現，自我控制水平越低，高中生越容易成為在線風險暴露人群。該結果契合自我控制雙系統模型，個體自我控制能力越強，越容易抑制沖動情緒，從而防止其成為網絡欺凌的參與者或受害者（Wu et al.， 2023）。而自我控制能力低的高中生更容易沖動、情緒失調，更可能在上網過程中上肆意宣泄激怒他人，因此受到他人的攻擊（Whitten et al.， 2024）。此外，由于網絡的匿名性，個體可以調整身份、社會經濟地位以此獲取流量，迎合他人興趣，因而，自我控制能力較低的高中生更容易過度使用網絡，沉浸其中，不受控制，且難以抗拒不良內容誘惑，防范意識較低，進而暴露更多個人信息，提高在線風險暴露的發生率（Urbanova et al.， 2023）。自我控制能力降低也會導致高中生在上網過程中難以維持理智判斷和清醒頭腦，易受他人挑撥、誘騙（Whitten et al.， 2024）。

4.3 采用LCA和ROC分析的優勢

本研究通過LCA和ROC分析，確定高中生在線風險暴露整體檢出閾值為9分，不良內容接觸檢出閾值為3分。LCA分析為在線風險暴露的ROC分析提供了參照，也根據高中生在線風險暴露的高風險模式表現，將其分為兩類模式：一類為全面風險淪陷，即網絡受欺負、個人信息泄露、在線性引誘、不良內容接觸的風險都高。另一類僅是不良內容接觸風險高。

由于在線風險暴露的整體檢出閾值設置的偏高，一些不良內容接觸風險高的青少年在這種情況下可能會被漏篩。為此，本研究開發了針對不良內容接觸風險檢出的閾值。換言之，本研究開發了兩種診斷標準，使得無論是整體存在高風險，還是僅存在不良內容接觸風險都可以被檢出。

LCA和ROC分析均給出了在線風險暴露的檢出率，兩者相得益彰，并不矛盾。ROC分析中在線風險暴露的整體檢出率是24.06%，LCA分析中這一比例為24.8%；ROC分析中不良內容接觸的檢出率是72.95%，LCA分析中這一比例為76.9%。兩者存在些許差距，提示未來基于該標準的篩查并不是絕對的證據，還應該結合訪談等其他證據綜合做出更加公允的研判。

4.4 研究意義和局限

本研究首次針對中國高中生分析在線風險暴露類別，豐富了本領域的相關研究。建議網絡服務提供者凈化網絡環境。同時，強調家校合作的重要性以降低高中生網絡風險。高中生應加強自我防范與安全意識，接受家-校-社的網絡安全教育，積極拓展人際關系，降低網絡受害、個人信息泄露或不良內容接觸等在線風險暴露的幾率，從而減少抑郁、焦慮情緒。此外，本研究提出了網絡風險暴露檢出標準線，供心理健康教育工作者參考。

本研究存在一些不足。首先，本研究采用自評量表對被試開展調查，存在一定的社會贊許性，未來可使用多種報告方式來源收集數據。其次，本研究取樣范圍僅限于中國，未來可開展跨文化的對比研究。最后，本研究采用橫斷取樣，未來可基于多時間點的追蹤設計探討在線風險暴露的潛在轉變模式。

5 結論

高中生在線風險暴露可分為低風險組、不良內容接觸組與高風險組，在線風險暴露的整體檢出閾值為9分，不良內容接觸檢出閾值為3分。

高父母沖突、低教師支持、低同伴依戀和低自我控制均是高中生在線風險暴露的風險因素，其中父母沖突的預測力最強。

參考文獻

董奇， 林崇德（2011）. 中國6～15歲兒童青少年心理發育數據庫手冊. 北京： 科學出版社.

郭志剛（2015）. 社會統計分析方法SPSS軟件應用（第二版）. 北京： 中國人民大學出版社.

羅濤， 程李梅， 秦立霞， 肖水源（2021）. 簡式自我控制量表中文版的信效度檢驗. 中國臨床心理學雜志， 29（1）， 83?86.

溫忠麟， 謝晉艷， 王惠惠（2023）.潛在類別模型的原理、步驟及程序. 華東師范大學學報（教育科學版）， 41（1）， 1?15.

張亞利， 靳康悅， 安莉娟， 張亞靜（2024）. 網絡風險暴露量表在中國青少年中的初步應用. 中國臨床心理學雜志， 32（6）， 1383?1387.

中國互聯網絡信息中心（2024）.《第54次中國互聯網絡發展狀況統計報告》. 2024-08-29 取自https：//www.cnnic.net.cn/n4/2024/0829/c88-11065.html.

Akbari， M.， Bahadori， M. H.， Khanbabaei， S.， Milan， B. B.， Jamshidi， S.， amp; Potenza， M. N. （2023）. Potential risk and protective factors related to problematic social media use among adolescents in Iran： A latent profile analysis.Addictive Behaviors， 146， 107802.

Arató， N.， Zsidó， A. N.， Rivnyák， A.， Péley， B.， amp; Lábadi， B. （2022）. Risk and protective factors in cyberbullying：The role of family， social support and emotion regulation. International Journal of Bullying Prevention， 4（2）， 160?-173.

Bandura， A. （1978）. The self system in reciprocal determinism. American Psychologist， 33（4）， 344-?358.

Blomqvist， K.， Saarento-Zaprudin， S.， amp; Salmivalli， C. （2020）. Telling adults about one's plight as a victim of bullying： Student-and context-related factors predicting disclosure. Scandinavian Journal of Psychology， 61（1）， 151-?159.

Bronfenbrenner， U. （1979）. The ecology of human develo-pment： Experiments by nature and design. Cambridge： Harvard university press.

Chang C W， Yuan R， Chen J K.（2018）. Social support and depression among Chinese adolescents： The mediating roles of self-esteem and self-efficacy. Children and Youth Services Review， 88： 128?-134

Cho， S.， amp; Lee， J. M. （2018）. Explaining physical， verbal， and social bullying among bullies， victims of bullying， and bully-victims： Assessing the integrated approach between social control and lifestyles-routine activities theories. Children and Youth Services Review， 91， 372-382.

Cohen， S.， amp; Wills， T. A. （1985）. Stress， social support， and the buffering hypothesis. Psychological Bulletin， 98（2）， 310.

Coie， J. D.， amp; Cillessen， A. H. （1993）. Peer rejection： Origins and effects on children's development. Current Directions in Psychological Science， 2（3）， 89?-93.

Ding， Y.， Li， D.， Li， X.， Xiao， J.， Zhang， H.， amp; Wang， Y. （2020）. Profiles of adolescent traditional and cyber bullying and victimization： The role of demographic， individual， family， school， and peer factors. Computers in Human Behavior， 111， 106439.

Gao， T.， Liang， L.， Su， Y.， Li， M.， Mei， S.， Zhou， C.， amp; Meng， X. （2024）. Longitudinal transition patterns of peer attachment and parent-child relationships among high school students. Journal of Child and Family Studies， 33（7）， 2348?-2358.

Grych， J. H.， amp; Fincham， F. D. （1990）. Marital conflict and children's adjustment： A cognitive-contextual framework.Psychological Bulletin， 108（2）， 267?-290.

Kasturiratna， K. S.， Hartanto， A.， Chen， C. H.， Tong， E. M.， amp; Majeed， N. M. （2024）. Umbrella review of meta-analyses on the risk factors， protective factors， consequences and interventions of cyberbullying victimization. Nature Human Behaviour， 001350163700001.

Lee， J.， Roh， B. R.， amp; Yang， K. E. （2022）. Exploring the association between social support and patterns of bullying victimization among school-aged adolescents.Children and Youth Services Review， 136， 106418.

Luo， J.， Bei， D. L.， Gong， J.， amp; Wang， M. C. （2024）. Classification of nomophobia among Chinese college students： Evidence from latent profile and ROC analysis.Journal of Behavioral Addictions， 13（2）， 482-?494.

Maghsoudi， R.， Shapka， J.， amp; Wisniewski， P. （2020）. Examining how online risk exposure and online social capital influence adolescent psychological stress. Computers in Human Behavior， 113， 106488.

Maurya， C.， Muhammad， T.， Das， A.， Fathah， A.， amp; Dhillon， P. （2023）. The role of self-efficacy and parental communication in the association between cyber victimization and depression among adolescents and young adults： A structural equation model. BMC Psychiatry， 23（1）， 337.

Nagar， P. M.， amp; Talwar， V. （2023）. The role of teacher support in increasing youths’ intentions to disclose cyberbullying experiences to teachers. Computers amp; Education， 207， 104922.

Rivas-Koehl， M.， Valido， A.， Espelage， D. L.， amp; Lawrence， T. I. （2023）. Adults and family as supportive of adolescent sexual development in the age of smartphones？ Exploring cybersexual violence victimization， pornography use， and risky sexual behaviors. Archives of Sexual Behavior， 52， 2845-2857.

Song， S.， Xie， R.， Tan， D.， Yuan， Z.， Li， W.， amp; Ding， W. （2024）. Will violence cycle？ The reciprocal relationship between children’s bullying involvement and interparental conflict. Children and Youth Services Review， 161， 107650.

Urbanova， L. B.， Geckova， A. M.， Veselska， Z. D.， Capikova， S.， Holubcikova， J.， Van Dijk， J. P.， amp; Reijneveld， S. A. （2023）. “I could do almost nothing without digital technology”：A qualitative exploration of adolescents’ perception of the risks and challenges of digital technology. Frontiers in Psychology， 14， 1237452.

Whitten， T.， Cale， J.， Brewer， R.， Logos， K.， Holt， T. J.， amp; Goldsmith， A. （2024）. Exploring the role of self-control across distinct patterns of cyber-deviance in emerging adolescence. International Journal of Offender Therapy and Comparative Criminology， 0306624X231220011.

Wu， W.， Yu， L.， Cao， X.， Guo， Z.， Long， Q.， Zhao， X.， ... amp; Zeng， Y. （2023）. The latent profile of self-control among high school students and its relationship with gender and cyberbullying. Current Psychology， 42（33）， 29650-?29660.