青少年网络适应的拓扑结构分析：基于纵向追踪数据

doi:10.3724/SP.J.1041.2025.0415

摘要/Abstract

摘要：

网络适应作为当代青少年成长至关重要的环节, 其复杂多维的内部属性仍未得到系统探讨。本研究首次采用网络分析方法探讨青少年网络适应的核心特征、动态演变以及外部联结。横断网络分析揭示了青少年网络适应中好奇心的“双刃剑”作用, 即过高或过低的好奇心均不利于网络适应的发展。网络比较结果显示, 青少年的网络适应具有整体的稳定性, 但其拓扑属性会发生内部流转。交叉滞后网络分析表明, 网络自我效能在网络适应发展过程中起“总舵手”作用, 而网络学习能力和网络信息搜索是青少年网络适应的重要“落脚点”。二元交叉滞后网络分析指出, 网络信息保护对网络成瘾具有最显著的直接影响。本研究不仅为理解青少年在数字世界中的成功适应提供了全新视角, 也为新时代的数字化教育实践提供了重要启示。

关键词: 青少年, 网络适应, 网络成瘾, 拓扑结构, 网络分析

Abstract:

As the saying goes, “Survival of the fittest”. Nowadays, the Internet has become a critical channel for information acquisition, social interaction, and educational learning. Adolescents’ internet adaptation capabilities must be continuously improved to adapt to this rapidly developing information age. Internet adaptation is inherently a “multidimensional system” encompassing various stages and dimensions. However, there remains a gap in the research exploring the internal topological characteristics and functional mechanisms of internet adaptation. Consequently, this study aims to employ network analysis techniques to elucidate the core characteristics, internal structure, dynamic evolution, and relationships with external variables of adolescents’ internet adaptation through network analysis. This approach will offer a comprehensive framework for understanding adolescents’ successful adaptation in the digital age and provide scientific insights for preventing and intervening in adolescent internet addiction.

This study collected all data through paper-and-pencil questionnaires. At Time 1, valid data were obtained from 5783 participants (Males for 37.4%, M_age = 17.20 years, SD = 2.62). Five months later, data from 1235 of these participants were tracked (Males for 38%, M_age = 14.98 years, SD = 1.66). Based on the research objectives, we conducted cross-sectional network analysis, network comparison, and cross-lagged network analysis. All cross-sectional and cross-lagged network analyses were primarily conducted using R (V.4.3.2). Network visualizations were created with the qgraph package (version 1.9.5). The accuracy of edge estimates was assessed by performing 1000 bootstrap iterations to construct 95% non-parametric bootstrap confidence intervals for each edge.

In the cross-sectional network of internet adaptation, “Internet curiosity” is the node with the highest strength (1.18). Network comparison results indicate no significant difference in the overall strength between the T1 (3.52) and the T2 network (3.79) (p = 0.120), although the network invariance test result is significant (p < 0.001). The cross-lagged network analysis shows that “Internet self-efficacy” has the strongest out-expected influence (0.60), “Internet learning ability” and “Internet information searching” has the strongest in-expected influence (0.31 & 0.30). Additionally, the cross-lagged network analysis of internet adaptation and internet addiction reveals that “Internet information protection capability” exhibits the strongest outgoing predictive ability.

The main conclusions are as follows: (1) Adolescent internet adaptation is characterized by its dynamic and staged nature; (2) Adolescents’ internet curiosity plays a multifaceted role in their internet adaptation process: insufficient curiosity can lead to low internet self-efficacy, while excessive curiosity can result in poor internet self-control; (3) Internet self-efficacy has the most significant impact on the overall development of internet adaptation, serving as the “primary driving force”. (4) Internet learning ability and internet information search receive the most internal influence, constituting the main “landing point” of adolescents’ internet adaptation. (5) Internet information protection is the strongest predictor of cross-cluster outgrowth of internet addiction networks, acting as a “guardian” of adolescents’ internet adaptation.

Key words: adolescents, internet adaptation, internet addiction, topological structure, network analysis

中图分类号:

B844.2

董王昊, 张杰, 孟素洁, 贾敏, 王伟军. (2025). 青少年网络适应的拓扑结构分析：基于纵向追踪数据. 心理学报, 57(3), 415-427.

DONG Wanghao, ZHANG Jie, MENG Sujie, JIA Min, WANG Weijun. (2025). The topological structure of adolescents’ internet adaptation: A longitudinal tracking study. Acta Psychologica Sinica, 57(3), 415-427.

图/表 26

参考文献 64

[1]	Al-Maskari, A., & Sanderson, M. (2011). The effect of user characteristics on search effectiveness in information retrieval. Information Processing & Management, 47(5), 719-729.
[2]	Ajzen, I. (1985). From intentions to actions:A theory of planned behavior. In KuhlJ., BeckmannJ. (Eds.), Action control (pp. 11-39). Springer.
[3]	Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215. doi: 10.1037//0033-295x.84.2.191 pmid: 847061
[4]	Baumeister, R. F., Vohs, K. D., & Tice, D. M. (2007). The strength model of self-control. Current Directions in Psychological Science, 16(6), 351-355.
[5]	Bekkhus, M., McVarnock, A., Coplan, R. J., Ulset, V., & Kraft, B. (2023). Developmental changes in the structure of shyness and internalizing symptoms from early to middle childhood: A network analysis. Child Development, 94(4), 1078-1086. doi: 10.1111/cdev.13906 pmid: 36748207
[6]	Borsboom, D., & Cramer, A. O. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9(1), 91-121.
[7]	Borsboom, D., Deserno, M. K., Rhemtulla, M., Epskamp, S., Fried, E. I., McNally, R. J., ... Waldorp, L. J. (2021). Network analysis of multivariate data in psychological science. Nature Reviews Methods Primers, 1(1), 1-18.
[8]	Bowler, L. (2010). The self-regulation of curiosity and interest during the information search process of adolescent students. Journal of the Association for Information Science and Technology, 61(7), 1332-1344.
[9]	Bringmann, L. F., Elmer, T., Epskamp, S., Krause, R. W., Schoch, D., Wichers, M., … Snippe, E. (2019). What do centrality measures measure in psychological networks?. Journal of Abnormal Psychology, 128(8), 892-903. doi: 10.1037/abn0000446 pmid: 31318245
[10]	Bringmann, L. F., & Eronen, M. I. (2018). Don’t blame the model: Reconsidering the network approach to psychopathology. Psychological Review, 125(4), 606-615. doi: 10.1037/rev0000108 pmid: 29952625
[11]	Byrne, B. M. (Ed.) (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming. Routledge.
[12]	Cai, Y., Dong, S., Yuan, S., & Hu, C. P. (2020). Network analysis and its applications in psychology. Advances in Psychological Science, 28(1), 178-195. doi: 10.3724/SP.J.1042.2020.00178
	[蔡玉清, 董书阳, 袁帅, 胡传鹏. (2020). 变量间的网络分析模型及其应用. 心理科学进展, 28(1), 178-195.] doi: 10.3724/SP.J.1042.2020.00178
[13]	Chen, J. W., & Wang, T. (2003). On social adaptation: Mental mechanism, structure and function. Journal of Educational Science of Hunan Normal University, 2(4), 90-94.
	[陈建文, 王滔. (2003). 关于社会适应的心理机制、结构与功能. 湖南师范大学教育科学学报, 2(4), 90-94.]
[14]	Curran, P. J., West, S. G., & Finch, J. F. (1996). The robustness of test statistics to nonnormality and specification error in confirmatory factor analysis. Psychological Methods, 1(1), 16-29.
[15]	De Simone, C., Battisti, A., & Ruggeri, A. (2022). Differential impact of web habits and active navigation on adolescents’ online learning. Computers in Human Behavior Reports, 8, 100246. https://doi.org/10.1016/j.chbr.2022.100246
[16]	Du, H., Niyato, D., Kang, J., Xiong, Z., Zhang, P., Cui, S., ... Kim, D. I. (2024). The age of generative AI and AI-generated everything. IEEE Network. Advance online publication. https://doi.org/10.1109/MNET.2024.3422241
[17]	Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195-212. doi: 10.3758/s13428-017-0862-1 pmid: 28342071
[18]	Epskamp, S., Cramer, A. O., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). Qgraph: Network visualizations of relationships in psychometric data. Journal of Statistical Software, 48(4), 1-18.
[19]	Epskamp, S., Waldorp, L. J., Mõttus, R., & Borsboom, D. (2018). The Gaussian graphical model in cross-sectional and time-series data. Multivariate Behavioral Research, 53(4), 453-480. doi: 10.1080/00273171.2018.1454823 pmid: 29658809
[20]	Friedman, J., Tibshirani, R., & Hastie, T. (2010). Regularization paths for generalized linear models via coordinate descent. Journal of Statistical Software, 33(1), 1-22. pmid: 20808728
[21]	Fruchterman, T. M., & Reingold, E. M. (1991). Graph drawing by force-directed placement. Software: Practice and Experience, 21(11), 1129-1164.
[22]	Fumero, A., Marrero, R. J., Voltes, D., & Peñate, W. (2018). Personal and social factors involved in internet addiction among adolescents: A meta-analysis. Computers in Human Behavior, 86, 387-400.
[23]	Funkhouser, C. J., Chacko, A. A., Correa, K. A., Kaiser, A. J., & Shankman, S. A. (2021). Unique longitudinal relationships between symptoms of psychopathology in youth: A cross-lagged panel network analysis in the ABCD study. Journal of child psychology and psychiatry, 62(2), 184-194.
[24]	Haslbeck, J. M. B., & Fried, E. I. (2017). How predictable are symptoms in psychopathological networks? A reanalysis of 18 published datasets. Psychological Medicine, 47(16), 2767-2776. doi: 10.1017/S0033291717001258 pmid: 28625186
[25]	Haslbeck, J. M. B., Borsboom, D., & Waldorp, L. J. (2021). Moderated Network Models. Multivariate Behavioral Research, 56(2), 256-287. doi: 10.1080/00273171.2019.1677207
[26]	Hsu, S. H., Wen, M. H., & Wu, M. C. (2009). Exploring user experiences as predictors of MMORPG addiction. Computers & Education, 53(3), 990-999.
[27]	Huang, Q., Chen, C., Luo, Y., & Wu, H. (2021). The mechanism and function of curiosity. Advances in Psychological Science, 29(4), 723-736. doi: 10.3724/SP.J.1042.2021.00723
	[黄骐, 陈春萍, 罗跃嘉, 伍海燕. (2021). 好奇心的机制及作用. 心理科学进展, 29(4), 723-736.] doi: 10.3724/SP.J.1042.2021.00723
[28]	Isvoranu, A.-M., Epskamp, S., Waldorp, L., & Borsboom, D. (Eds.).(2022). Network Psychometrics with R: A Guide for Behavioral and Social Scientists. Routledge.
[29]	Jiang, Y. Z., Bai, X. L., A, Latanbagen., Liu, Y., Li, M., & Liu, G. Q. (2016). Problematic social networks usage of adolescent. Advances in Psychological Science, 24(9), 1435-1447.
	[姜永志, 白晓丽, 阿拉坦巴根, 刘勇, 李敏, 刘桂芹. (2016). 青少年问题性社交网络使用. 心理科学进展, 24(9), 1435-1447.] doi: 10.3724/SP.J.1042.2016.01435
[30]	Li, J. (2013). The mechanism of why self-control resources and cognitive resources influence each other: An integrated model. Advances in Psychological Science, 21(2), 235-242. doi: 10.3724/SP.J.1042.2013.00235
	[黎建斌. (2013). 自我控制资源与认知资源相互影响的机制: 整合模型. 心理科学进展, 21(2), 235-242.] doi: 10.3724/SP.J.1042.2013.00235
[31]	Li, L., He, W., Xu, L., Ash, I., Anwar, M., & Yuan, X. (2019). Investigating the impact of cybersecurity policy awareness on employees’ cybersecurity behavior. International Journal of Information Management, 45, 13-24.
[32]	Li, Y., & Kwok, S. Y. (2023). A longitudinal network analysis of the interactions of risk and protective factors for suicidal potential in early adolescents. Journal of Youth and Adolescence, 52(2), 306-318.
[33]	Li, Y., Zhong, B. L., Liu, X. B., Zhang, Y., Zhu, J. H., & Hao, W. (2012). Reliability and validity of the Chinese version of self-rating Young’s diagnostic questionnaire of internet addiction: A preliminary study. Chinese Journal of Drug Dependence, 21(5), 390-394.
	[李毅, 钟宝亮, 刘学兵, 张尧, 朱军红, 郝伟. (2012). 自评Young氏网络成瘾诊断问卷中文版信效度的初步研究. 中国药物依赖性杂志, 21(5), 390-394.]
[34]	Lim, W. M., Gunasekara, A., Pallant, J. L., Pallant, J. I., & Pechenkina, E. (2023). Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators. The International Journal of Management Education, 21(2), 100790.
[35]	Loewenstein, G. (1994). The psychology of curiosity: A review and reinterpretation. Psychological Bulletin, 116(1), 75-98.
[36]	Mamonov, S., & Benbunan-Fich, R. (2018). The impact of information security threat awareness on privacy-protective behaviors. Computers in Human Behavior, 83, 32-44.
[37]	Moretta, T., & Buodo, G. (2020). Problematic Internet use and loneliness: How complex is the relationship? A short literature review. Current Addiction Reports, 7, 125-136.
[38]	Muraven, M., & Baumeister, R. F. (2000). Self-regulation and depletion of limited resources: Does self-control resemble a muscle? Psychological Bulletin, 126(2), 247-259. doi: 10.1037/0033-2909.126.2.247 pmid: 10748642
[39]	Neugnot-Cerioli, M., & Laurenty, O. M. (2024). The future of child development in the AI era: Cross-disciplinary perspectives between AI and child development experts. arXiv preprint. https://doi.org/10.48550/arXiv.2405.19275.
[40]	Ordóñez-Carrasco, J. L., Sayans-Jiménez, P., & Rojas-Tejada, A. J. (2023). Ideation-to-action framework variables involved in the development of suicidal ideation: A network analysis. Current Psychology, 42(5), 4053-4064.
[41]	Robinaugh, D. J., Millner, A. J., & McNally, R. J. (2016). Identifying highly influential nodes in the complicated grief network. Journal of Abnormal Psychology, 125(6), 747-757. doi: 10.1037/abn0000181 pmid: 27505622
[42]	Ramos-Vera, C., O'Diana, A. G., Villena, A. S., Bonfá-Araujo, B., Barros, L. D. O., Noronha, A. P. P., Gómez-Acosta, A., Sierra-Barón, W., Gerymski, R., Ogundokun, R. O., Babatunde, A. N., Abdulahi, A. T., & Adeniyi, E. A. (2023). Dark and Light Triad: A cross-cultural comparison of network analysis in 5 countries. Personality and Individual Differences, 215, 112377.
[43]	Ryan, R.M., & Deci, E.L. (2000). Intrinsic and extrinsic motivations: Classic definitions and new directions. Contemporary Educational Psychology, 25(1), 54-67. doi: 10.1006/ceps.1999.1020 pmid: 10620381
[44]	Ryan, T., & Xenos, S. (2011). Who uses Facebook? An investigation into the relationship between the Big Five, shyness, narcissism, loneliness, and Facebook usage. Computers in Human Behavior, 27(5), 1658-1664.
[45]	Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society Series B: Statistical Methodology, 58(1), 267-288.
[46]	Urban, M., Děchtěrenko, F., Lukavský, J., Hrabalová, V., Svacha, F., Brom, C., & Urban, K. (2024). ChatGPT improves creative problem-solving performance in university students: An experimental study. Computers & Education, 215, 105031.
[47]	van Borkulo, C. D., van Bork, R., Boschloo, L., Kossakowski, J. J., Tio, P., Schoevers, R. A., … & Waldorp, L. J. (2023). Comparing network structures on three aspects: A permutation test. Psychological Methods, 28(6), 1273-1285.
[48]	Vance, A., Anderson, B. B., Kirwan, C. B., & Eargle, D. (2014). Using measures of risk perception to predict information security behavior: Insights from electroencephalography (EEG). Journal of the Association for Information Systems, 15(10). DOI: 10.17705/1jais.00375
[49]	van der Schyff, K., & Flowerday, S. (2021). Mediating effects of information security awareness. Computers & Security, 106, 102313.
[50]	Wang, F., Ni, X., Zhang, M., & Zhang, J. (2024). Educational digital inequality: A meta-analysis of the relationship between digital device use and academic performance in adolescents. Computers & Education, 213, 105003.
[51]	Wang, J. L., Jackson, L. A., Wang, H. Z., & Gaskin, J. (2015). Predicting social networking site (SNS) use: Personality, attitudes, motivation and internet self-efficacy. Personality and Individual Differences, 80, 119-124.
[52]	Wang, S., & Wu, P. (2008). The role of feedback and self-efficacy on web-based learning: The social cognitive perspective. Computers & Education, 51(4), 1589-1598.
[53]	Wang, W., Ye, J., Dong, R., Ma, S., Huang, D., & Zhao, X. (2025). The adolescent Internet Adaptability Scale: Development and psychometric properties. Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 19(1). https://doi.org/10.5817/CP2025-1-5
[54]	Wang, W. J., Dong, R. C., Huang, D. W., & Zhou, Z. K. (2021). Internet adaptation: Concept and model. Journal of Nanchang University (Humanities and Social Sciences). 52(2), 45-54.
	[王伟军, 董柔纯, 黄大炜, 周宗奎. (2021). 网络适应:概念与模型. 南昌大学学报(人文社会科学版), 52(2), 45-54.]
[55]	Wang, Y., Cao, Y., Gong, S., Wang, Z., Li, N., & Ai, L. (2022). Interaction and learning engagement in online learning: The mediating roles of online learning self-efficacy and academic emotions. Learning and Individual Differences, 94, 102128.
[56]	Wang, Y., Hu, Z., Feng, Y., Wilson, A., & Chen, R. (2020). Changes in network centrality of psychopathology symptoms between the COVID-19 outbreak and after peak. Molecular Psychiatry, 25(12), 3140-3149. https://doi.org/10.1038/s41380-020-00881-6
[57]	Wiggin, K. L., Reimann, M., & Jain, S. P. (2019). Curiosity tempts indulgence. Journal of Consumer Research, 45(6), 1194-1212. doi: 10.1093/jcr/ucy055
[58]	Wysocki, A., van Bork, R., Cramer, A. O. J., & Rhemtulla, M. (2022). Cross-lagged network models. PsyArXiv preprint. https://doi.org/10.31234/osf.io/vjr8z
[59]	Xie, M., Li, F., Luo, Y, H., Ke, L., Wang, X., Wang, Y. (2022). A developmental model of job burnout dimensions among primary school teachers: Evidence from structural equation model and cross-lagged panel network model. Acta Psychologica Sinica, 54(4), 371-384. doi: 10.3724/SP.J.1041.2022.00371
	[谢敏, 李峰, 罗玉晗, 柯李, 王侠, 王耘. (2022). 小学教师职业倦怠维度发展顺序探究——来自结构方程模型和交叉滞后网络分析模型的证据. 心理学报, 54(4), 371-384.] doi: 10.3724/SP.J.1041.2022.00371
[60]	Yang, Y., Zhan, J., Ni, Y., Fan, Y., Zhang, Y., & Fang, Y. (2024). The influence of adolescents’ internet adaptation on internet addiction: The mediating role of internet cultural adaptation. Frontiers in Psychiatry, 14, 1338343.
[61]	Zhang, S., Zhao, X., Zhou, T., & Kim, J. H. (2024). Do you have AI dependency? The roles of academic self-efficacy, academic stress, and performance expectations on problematic AI usage behavior. International Journal of Educational Technology in Higher Education, 21(1), 1-14.
[62]	Zhao, H., Ji, A. T., & Jin, C. C. (2022). The relationship between family function and adolescent Internet adaptation: A dual moderating model. Psychology: Techniques and Applications, 10(10), 596-606.
	[赵航, 计艾彤, 金灿灿. (2022). 家庭功能与青少年网络适应的关系:同伴关系和年龄的双重调节作用. 心理技术与应用, 10(10), 596-606.]
[63]	Zheng, F., Khan, N. A., & Hussain, S. (2020). The COVID 19 pandemic and digital higher education: Exploring the impact of proactive personality on social capital through internet self-efficacy and online interaction quality. Children and Youth Services Review, 119, 105694.
[64]	Zhou, T., & Zhang, C. (2024). Examining generative AI user addiction from a CAC perspective. Technology in Society, 78, 102653.

	节点	内容
网络自我控制	A1	我可以很好的利用网络来服务于我生活。
	A2	上网或者玩手机的时候, 我通常都有明确的目的。
	A3	我的上网时间非常有规律。
	A4	网络对我来说就是一个工具。
	A5	我会有计划的安排自己的上网时间。
网络人际交往	A6	我在网上认识了更多志同道合的朋友。
	A7	在我喜欢的群里面, 我会很积极的参与交流, 表达自己的想法。
	A8	网上交友拓宽了我的视野。
	A9	如果没有触及底线, 那我很乐意和观点不同的网友讨论问题。
	A10	我喜欢读网友们的评论, 觉得能学到很多。
	A11	只要没有危害别人, 网络中不同喜好的言论我都能接受。
	A12	在不违背公序良俗的前提下, 我希望网络上可以多一些不同的想法。
网络信息搜索	A13	身边的朋友在网上搜不到自己想要的信息时, 会向我求助。
	A14	感兴趣的文字, 图片或者视频, 我都有方法在网上搜到。
	A15	在网上, 我通常可以准确地搜索到自己想要的信息。
网络信息保护	A16	我会使用不同的密码管理不同的账户。
	A17	我不会轻易连接那种没有密码的公共WiFi。
	A18	我不会随意点开未知链接。
	A19	在发微博、玩QQ空间或者贴吧的时候, 我会注意抹去和个人信息有关的图片或者文字。
网络积极应对	A20	在网络中遇到困难时, 我会调整好自己的情绪去接受它。
	A21	在网络中遇到困难时, 我会放松自己的心情, 去排解它的压力。
	A22	在网络中遇到困难时, 我会尝试换一个视角去看待。
	A23	在网络中遇到困难时, 我会吸取别人或自己先前的经验, 以求解决问题。
	A24	在网络中遇到困难时, 我会努力去改变现状, 使情况向好的一面转化。
	A25	在网络中遇到困难时, 我会定一个解决方案。
网络学习能力	A26	在网上学习知识已经成为了我的习惯。
	A27	我喜欢在网上主动学习。
	A28	我会利用网上的学习资源提升自己的能力。
	A29	我会利用网络解决自己在学习上遇到的问题。
网络自我效能	A30	我相信自己能在较短的时间内掌握最新的网络技术。
	A31	我身边的大多数人能掌握的网络技能, 我自信能很快掌握。
	A32	我有自信我可以非常熟练使用网络上的基本功能。
	A33	我有信心可以在网络中创造属于自己的作品。
	A34	当别的同学上网遇到问题时, 我有自信我能帮到他。
网络好奇心	A35	学会一门新的网络技术常常使我感到兴奋。
	A36	网络中那些陌生的人和事常常让我感到很好奇。
	A37	我不会排斥网络上的新事物。
	A38	对于网络中的事物, 我喜欢去探索我不熟悉的功能。
	A39	面对新的网络场景或者软件时, 我会积极搜索更多的信息来使用它。
网络成瘾	B1	我会全神贯注于网际或在线服务活动, 并且在下网之后总念念不忘网事。
	B2	我觉得需要花更多的时间在线上才能得到满足。
	B3	我曾努力过多次想控制或停止使用网络, 但没有成功。
	B4	当我企图减少或停止使用, 我会觉得沮丧、心情低落或是脾气容易暴躁。
	B5	我上网的时间比原先计划的要长。
	B6	我会为了上网而甘冒重要人际关系、工作、教育或工作机会损失的危险。
	B7	我曾向家人、朋友或他人说谎以隐瞒我涉入网络的状态。
	B8	我上网是为可以逃避问题或试着释放一些感觉诸如无助、罪恶感、焦虑或沮丧。

	节点	内容
网络自我控制	A1	我可以很好的利用网络来服务于我生活。
	A2	上网或者玩手机的时候, 我通常都有明确的目的。
	A3	我的上网时间非常有规律。
	A4	网络对我来说就是一个工具。
	A5	我会有计划的安排自己的上网时间。
网络人际交往	A6	我在网上认识了更多志同道合的朋友。
	A7	在我喜欢的群里面, 我会很积极的参与交流, 表达自己的想法。
	A8	网上交友拓宽了我的视野。
	A9	如果没有触及底线, 那我很乐意和观点不同的网友讨论问题。
	A10	我喜欢读网友们的评论, 觉得能学到很多。
	A11	只要没有危害别人, 网络中不同喜好的言论我都能接受。
	A12	在不违背公序良俗的前提下, 我希望网络上可以多一些不同的想法。
网络信息搜索	A13	身边的朋友在网上搜不到自己想要的信息时, 会向我求助。
	A14	感兴趣的文字, 图片或者视频, 我都有方法在网上搜到。
	A15	在网上, 我通常可以准确地搜索到自己想要的信息。
网络信息保护	A16	我会使用不同的密码管理不同的账户。
	A17	我不会轻易连接那种没有密码的公共WiFi。
	A18	我不会随意点开未知链接。
	A19	在发微博、玩QQ空间或者贴吧的时候, 我会注意抹去和个人信息有关的图片或者文字。
网络积极应对	A20	在网络中遇到困难时, 我会调整好自己的情绪去接受它。
	A21	在网络中遇到困难时, 我会放松自己的心情, 去排解它的压力。
	A22	在网络中遇到困难时, 我会尝试换一个视角去看待。
	A23	在网络中遇到困难时, 我会吸取别人或自己先前的经验, 以求解决问题。
	A24	在网络中遇到困难时, 我会努力去改变现状, 使情况向好的一面转化。
	A25	在网络中遇到困难时, 我会定一个解决方案。
网络学习能力	A26	在网上学习知识已经成为了我的习惯。
	A27	我喜欢在网上主动学习。
	A28	我会利用网上的学习资源提升自己的能力。
	A29	我会利用网络解决自己在学习上遇到的问题。
网络自我效能	A30	我相信自己能在较短的时间内掌握最新的网络技术。
	A31	我身边的大多数人能掌握的网络技能, 我自信能很快掌握。
	A32	我有自信我可以非常熟练使用网络上的基本功能。
	A33	我有信心可以在网络中创造属于自己的作品。
	A34	当别的同学上网遇到问题时, 我有自信我能帮到他。
网络好奇心	A35	学会一门新的网络技术常常使我感到兴奋。
	A36	网络中那些陌生的人和事常常让我感到很好奇。
	A37	我不会排斥网络上的新事物。
	A38	对于网络中的事物, 我喜欢去探索我不熟悉的功能。
	A39	面对新的网络场景或者软件时, 我会积极搜索更多的信息来使用它。
网络成瘾	B1	我会全神贯注于网际或在线服务活动, 并且在下网之后总念念不忘网事。
	B2	我觉得需要花更多的时间在线上才能得到满足。
	B3	我曾努力过多次想控制或停止使用网络, 但没有成功。
	B4	当我企图减少或停止使用, 我会觉得沮丧、心情低落或是脾气容易暴躁。
	B5	我上网的时间比原先计划的要长。
	B6	我会为了上网而甘冒重要人际关系、工作、教育或工作机会损失的危险。
	B7	我曾向家人、朋友或他人说谎以隐瞒我涉入网络的状态。
	B8	我上网是为可以逃避问题或试着释放一些感觉诸如无助、罪恶感、焦虑或沮丧。

维度	N = 5783			N = 1235 (T1)			N = 1235 (T2)
维度	Mean (SD)	偏度	峰度	Mean (SD)	偏度	峰度	Mean (SD)	偏度	峰度
网络自我控制	3.95(1.07)	0.11	−0.15	4.13(1.06)	0.03	−0.43	4.49(0.93)	−0.25	−0.28
网络人际交往	3.87 (1.06)	−0.04	−0.08	3.93(1.07)	−0.17	−0.13	4.44(0.92)	−0.19	−0.27
网络信息搜索	4.07(1.15)	−0.21	−0.13	4.07(1.17)	−0.31	−0.11	4.36(1.06)	−0.41	0.00
网络信息保护	4.39(1.09)	−0.26	−0.44	4.50(1.06)	−0.38	−0.42	4.53(0.96)	−0.40	−0.10
网络积极应对	4.54(1.05)	−0.32	−0.31	4.72(0.99)	−0.38	−0.52	4.65(0.93)	−0.43	0.25
网络学习能力	4.06(1.04)	−0.06	0.13	4.05(1.06)	−0.13	0.06	4.49(0.95)	−0.29	−0.04
网络自我效能	3.97(1.11)	0.01	−0.10	3.94(1.15)	−0.08	−0.20	4.48(0.98)	−0.31	−0.08
网络好奇心	4.11(1.02)	−0.08	0.12	4.13(1.03)	−0.18	0.10	4.42(0.93)	−0.18	−0.11
渴求性	-	-	-	2.41(1.00)	0.41	−0.11	2.72(1.08)	0.14	−0.49
耐受性	-	-	-	2.28(1.04)	0.44	−0.38	2.57(1.13)	0.20	−0.66
行为失控	-	-	-	2.24(1.07)	0.52	−0.36	2.48(1.15)	0.32	−0.66
戒断性	-	-	-	2.00(1.08)	0.84	−0.08	2.25(1.13)	0.53	−0.55
时间延长	-	-	-	2.57(1.16)	0.31	−0.70	2.66(1.13)	0.16	−0.71
负面后果	-	-	-	1.62(0.93)	1.36	1.03	2.01(1.12)	0.71	−0.57
欺骗性	-	-	-	1.94(1.06)	0.91	0.11	2.22(1.15)	0.48	−0.73
逃避性	-	-	-	2.24(1.18)	0.62	−0.45	2.52(1.28)	0.30	−0.94

维度	N = 5783			N = 1235 (T1)			N = 1235 (T2)
维度	Mean (SD)	偏度	峰度	Mean (SD)	偏度	峰度	Mean (SD)	偏度	峰度
网络自我控制	3.95(1.07)	0.11	−0.15	4.13(1.06)	0.03	−0.43	4.49(0.93)	−0.25	−0.28
网络人际交往	3.87 (1.06)	−0.04	−0.08	3.93(1.07)	−0.17	−0.13	4.44(0.92)	−0.19	−0.27
网络信息搜索	4.07(1.15)	−0.21	−0.13	4.07(1.17)	−0.31	−0.11	4.36(1.06)	−0.41	0.00
网络信息保护	4.39(1.09)	−0.26	−0.44	4.50(1.06)	−0.38	−0.42	4.53(0.96)	−0.40	−0.10
网络积极应对	4.54(1.05)	−0.32	−0.31	4.72(0.99)	−0.38	−0.52	4.65(0.93)	−0.43	0.25
网络学习能力	4.06(1.04)	−0.06	0.13	4.05(1.06)	−0.13	0.06	4.49(0.95)	−0.29	−0.04
网络自我效能	3.97(1.11)	0.01	−0.10	3.94(1.15)	−0.08	−0.20	4.48(0.98)	−0.31	−0.08
网络好奇心	4.11(1.02)	−0.08	0.12	4.13(1.03)	−0.18	0.10	4.42(0.93)	−0.18	−0.11
渴求性	-	-	-	2.41(1.00)	0.41	−0.11	2.72(1.08)	0.14	−0.49
耐受性	-	-	-	2.28(1.04)	0.44	−0.38	2.57(1.13)	0.20	−0.66
行为失控	-	-	-	2.24(1.07)	0.52	−0.36	2.48(1.15)	0.32	−0.66
戒断性	-	-	-	2.00(1.08)	0.84	−0.08	2.25(1.13)	0.53	−0.55
时间延长	-	-	-	2.57(1.16)	0.31	−0.70	2.66(1.13)	0.16	−0.71
负面后果	-	-	-	1.62(0.93)	1.36	1.03	2.01(1.12)	0.71	−0.57
欺骗性	-	-	-	1.94(1.06)	0.91	0.11	2.22(1.15)	0.48	−0.73
逃避性	-	-	-	2.24(1.18)	0.62	−0.45	2.52(1.28)	0.30	−0.94

变量	自我控制	人际交往	信息搜索	信息保护	积极应对	学习能力	自我效能	好奇心
自我控制	0.00	0.24	0.01	0.13	0.16	0.12	0.06	−0.11
人际交往	0.24	0.00	0.31	0.00	0.01	0.02	0.00	0.23
信息搜索	0.01	0.31	0.00	0.08	0.13	0.02	0.15	0.06
信息保护	0.13	0.00	0.08	0.00	0.52	0.05	0.04	−0.02
积极应对	0.16	0.01	0.13	0.52	0.00	0.09	0.05	0.13
学习能力	0.12	0.02	0.02	0.05	0.09	0.00	0.33	0.22
自我效能	0.06	0.00	0.15	0.04	0.05	0.33	0.00	0.43
好奇心	−0.11	0.23	0.06	−0.02	0.13	0.22	0.43	0.00