大学生网络行为偏好研究
发布时间：2020-11-14 02:08
网络行为偏好是个体在网络空间中受动机的驱使,以使用的网络功能为中介而表现出的相对稳定的态度和行为倾向。本研究在总结国内外相关研究的基础上,采用定量与定性相结合的方法,对大学生网络行为偏好进行探讨,具体研究分两个部分。 第一部分在开放式问卷调查和理论分析的基础上编制大学生网络行为偏好问卷,并进行问卷的社会人口统计学分析。结果表明:1、大学生网络行为偏好问卷具有较好的信、效度,可以作为筛选大学生信息获得型、游戏型、交往型三种网络行为偏好的测量工具。2、在信息获得偏好得分上,文科生显著高于理科生,男、女生得分差异不显著,存在显著的年级与学科的交互作用,随年级增加信息获得偏好得分呈递增趋势;在游戏偏好得分上,男生显著高于女生,理科生显著高于文科生,随年级增加游戏偏好得分呈递减趋势,性别与学科,年级与学科均存在显著的交互作用。交往偏好得分的性别、专业、年级的主效应不显著,但性别与学科有非常显著的交互效应。 第二部分大学生网络行为偏好与网络使用情况、自我同一性、应对方式、人际疏离感、网络成瘾的实证研究。结果表明:1、信息获得型大学生的网龄显著长于其他两种类型,交往型大学生与熟识型对象的互动显著高于其他两种类型。2、信息获得型大学生的自我同一性状况最成熟,其次是交往型,最不成熟的是游戏型。信息获得型和交往型大学生更多地使用指向解决问题的积极的应对方式,如问题解决、求助,而游戏型大学生更多地使用指向情绪的消极的应对方式,如幻想、退避、合理化。游戏型大学生的人际疏离感显著高于其他两种类型。3、游戏偏好与网络成瘾有极其显著的正相关,信息获得偏好与网络成瘾呈显著性负相关,交往偏好与网络成瘾相关不显著。网络游戏偏好对大学生网络成瘾有一定的预测性。
【学位单位】：上海师范大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：G645.5
【部分图文】：
性因素分析确定假设的结构模型是否与实际数据吻合，即拟合程度如何，从设的理论模型的合理性。因素分析评价模型的适合性时，主要考虑以下检验指标：其一，X2值的检验，为替代性检验指数，X2/df 的理论期望值是 1，即 X2/df 越接近 1，表示数据模型再生矩阵 E 的相似程度越高。一般认为 X2/df<5，模型与数据的拟合性被试人数的影响，被试人数越多 X2值越大，被试人数减少，则 X2也会减少；，常用的拟合指数有“拟合优度指数”（goodness of fit indexes），其中指数使用较多，该指数越高，模型拟合越好。另外，相对拟合指数中的非范normed fit index，NNFI）以及近似误差指数（Error of Approximation）方根 RMSEA 都被广泛用于检验的模型与数据拟合程度的指标。其中 RESEA小越好，一般小于 0.1 则表示拟合性好[1]，而其他几个拟合指标越接近 1 表于 0.8 表示拟合较好[2]。因素分析的结果，假设的网络行为偏好问卷的原始模型（见图 2-2）。
行为偏好研究 上海师范大学 2005 届硕士学位毕业论文19图2-3 三因子修正模型路径图4 问卷的社会人口统计学分析所谓社会人口统计学分析是指以被试的性别、年龄、种族、学历等社会人口统计学资料来考察其网络行为偏好的差异和特征。本研究将进行年级、性别、文理科等社会人口统计学背景资料的分析。对大学生网络行为偏好进行初步分析，包括性别差异的 T 检验，年级差异的方差分析，文理科差异的 T 检验，以及测查各社会人口学变量之间是否有交互作用。4.1 性别与不同网络行为偏好性别女男eaMn191817161514信息获得游戏交往图2-4 不同性别大学生的网络行为偏好的变化趋势由图2-4可知，女生的交往偏好得分最高，其次是信息获得偏好，游戏偏好得分最低。
是既简单，拟合性又好的回归模型。由图3-1可知，信息获得偏好＝.24年级-.11学科+.19将来投入+.14自责-.13幻想+.14网龄+.09 熟识型，R2＝.19，这 7 个自变量对信息获得偏好的联合解释变异率为.19，即这些变量能联合预测被试网络信息获得偏好的 19％。图 3-1 对大学生网络信息获得偏好的回归分析（模型 M1）4.4.2 对大学生网络游戏偏好的回归分析在初始模型的基础上，保留回归系数达到显著水平且又能保证模型具有较好的拟合性的变量进入回归模型。对大学生网络游戏偏好有显著意义的变量有性别、网名个数、熟识型、将来投入、解决问题、伙伴疏离、亲人疏离。在有限制的回归模型 M2中，各项拟合指数见表 3-21：表 3-21 有限制的回归模型 M2的拟合指数
【引证文献】
本文编号：2882938
【学位单位】：上海师范大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：G645.5
【部分图文】：
性因素分析确定假设的结构模型是否与实际数据吻合，即拟合程度如何，从设的理论模型的合理性。因素分析评价模型的适合性时，主要考虑以下检验指标：其一，X2值的检验，为替代性检验指数，X2/df 的理论期望值是 1，即 X2/df 越接近 1，表示数据模型再生矩阵 E 的相似程度越高。一般认为 X2/df<5，模型与数据的拟合性被试人数的影响，被试人数越多 X2值越大，被试人数减少，则 X2也会减少；，常用的拟合指数有“拟合优度指数”（goodness of fit indexes），其中指数使用较多，该指数越高，模型拟合越好。另外，相对拟合指数中的非范normed fit index，NNFI）以及近似误差指数（Error of Approximation）方根 RMSEA 都被广泛用于检验的模型与数据拟合程度的指标。其中 RESEA小越好，一般小于 0.1 则表示拟合性好[1]，而其他几个拟合指标越接近 1 表于 0.8 表示拟合较好[2]。因素分析的结果，假设的网络行为偏好问卷的原始模型（见图 2-2）。
行为偏好研究 上海师范大学 2005 届硕士学位毕业论文19图2-3 三因子修正模型路径图4 问卷的社会人口统计学分析所谓社会人口统计学分析是指以被试的性别、年龄、种族、学历等社会人口统计学资料来考察其网络行为偏好的差异和特征。本研究将进行年级、性别、文理科等社会人口统计学背景资料的分析。对大学生网络行为偏好进行初步分析，包括性别差异的 T 检验，年级差异的方差分析，文理科差异的 T 检验，以及测查各社会人口学变量之间是否有交互作用。4.1 性别与不同网络行为偏好性别女男eaMn191817161514信息获得游戏交往图2-4 不同性别大学生的网络行为偏好的变化趋势由图2-4可知，女生的交往偏好得分最高，其次是信息获得偏好，游戏偏好得分最低。
是既简单，拟合性又好的回归模型。由图3-1可知，信息获得偏好＝.24年级-.11学科+.19将来投入+.14自责-.13幻想+.14网龄+.09 熟识型，R2＝.19，这 7 个自变量对信息获得偏好的联合解释变异率为.19，即这些变量能联合预测被试网络信息获得偏好的 19％。图 3-1 对大学生网络信息获得偏好的回归分析（模型 M1）4.4.2 对大学生网络游戏偏好的回归分析在初始模型的基础上，保留回归系数达到显著水平且又能保证模型具有较好的拟合性的变量进入回归模型。对大学生网络游戏偏好有显著意义的变量有性别、网名个数、熟识型、将来投入、解决问题、伙伴疏离、亲人疏离。在有限制的回归模型 M2中，各项拟合指数见表 3-21：表 3-21 有限制的回归模型 M2的拟合指数
【引证文献】
相关期刊论文 前3条
1 刘奕群;刘知远;;Web2.0环境下辅导员党建工作方式的调研与思考[J];高校辅导员;2010年03期
2 许霞;刘锦东;付强;;商务类院校学生上网行为研究[J];甘肃科技;2012年23期
3 彭阳;;大学生网络行为与心理健康的关系[J];中国健康心理学杂志;2008年08期
相关硕士学位论文 前10条
1 罗小春;高职院校大学生网络行为现状及引导对策研究[D];湘潭大学;2010年
2 范洁;论大学生网络偏差行为及其引导机制[D];福建师范大学;2009年
3 李勇波;小学生学习偏好量表的初步编制[D];湖南师范大学;2011年
4 张建坤;大学生网络成瘾与体育锻炼的关系研究[D];郑州大学;2011年
5 杨学丽;我国大学生意见领袖的网络素养研究[D];华中科技大学;2010年
6 俞红蕾;大学生网络道德失范行为问卷编制及应用[D];南京师范大学;2011年
7 李盈盈;网络互动对大学生个人成长效应的影响机制研究[D];浙江大学;2007年
8 梁支宏;涉网大学生主体性教育研究[D];西南大学;2007年
9 李贵新;城市初中生网络成瘾的调查研究[D];辽宁师范大学;2007年
10 邓颖琦;大学生上网行为与自我认同、微系统的关系研究[D];上海师范大学;2007年
本文编号：2882938
本文链接：https://www.wllwen.com/jiaoyulunwen/suzhijiaoyulunwen/2882938.html
