学术研究报告：社交媒体疲劳简版量表（BSMFS）的开发、验证及其与相关心理构念的关联研究
本研究由意大利恩纳科雷大学（University Kore of Enna）人文与社会科学系心理测量实验室的Palmira Faraci与Giuliana Nasonte共同完成，其研究成果以论文《The Brief Social Media Fatigue Scale (BSMFS): A New Short Version through Exploratory Structural Equation Modeling and Associations with Trait Anxiety, Fear of Missing Out, Boredom Proneness, and Problematic Use》的形式，发表于学术期刊 *International Journal of Human–Computer Interaction*，并于2024年12月2日在线发布。
一、 研究背景与目的
本研究属于心理学与人类-计算机交互交叉领域，聚焦于社交媒体使用对心理健康的影响，特别是“社交媒体疲劳”（Social Media Fatigue, SMF）这一现象。随着全球社交媒体用户数量激增（至2024年已达50亿），用户参与度下降、甚至暂时或永久停用社交媒体的现象日益普遍。SMF被定义为个体因应对社交媒体上信息过载、多线社交关系维护及持续更新等压力而产生的一种疲劳感，常导致使用减少或退出。准确测量SMF对于理解数字时代的用户行为与心理健康至关重要。
尽管已有一些测量工具，如张等人（2021）开发的社交媒体疲劳量表（Social Media Fatigue Scale, SMFS），但该量表主要基于中国样本，且在其他文化背景（如波兰）下的验证显示其因子结构存在不稳定。此外，现有研究多采用验证性因子分析（Confirmatory Factor Analysis, CFA），该方法强制项目仅在其预设因子上有负荷，忽略了项目在其他因子上的潜在交叉负荷，可能导致因子间相关性的高估和模型拟合不佳。因此，本研究旨在：（1）采用探索性结构方程模型（Exploratory Structural Equation Modeling, ESEM）这一更灵活的方法，对意大利语版SMFS进行心理测量学验证，并开发一个更精简、有效的简版量表（Brief SMFS, BSMFS）；（2）将研究样本年龄范围扩展至中老年群体，以提供更全面的理解；（3）检验BSMFS的聚合效度和同时效度；（4）深入探讨SMF与特质焦虑、错失恐惧（Fear of Missing Out, FoMO）、无聊倾向及问题性社交媒体使用之间的复杂关系，构建并检验包含中介和调节效应的路径模型。
二、 研究流程与方法
本研究包含量表验证与关系模型检验两大阶段，采用横断面调查设计，具体流程如下：
1. 研究对象与数据收集： 研究最终纳入了329名意大利社交媒体活跃用户（平均年龄26岁，范围18-69岁；女性72.3%）。参与者通过网络问卷（Google Form）招募。为确保分析的有效性，研究者首先进行了数据筛查，排除了9名不符合条件者（1名未成年，8名过去一个月未使用社交媒体）。随后，采用所罗门分组法将总样本随机分为两组：第一组（Group I， n=159）用于探索性因子分析（EFA）；第二组（Group II， n=170）用于后续的CFA、ESEM比较及路径分析。分组有效性通过公因子方差比（communality ratio）进行了验证。
2. 测量工具： 除人口学信息外，参与者完成了以下标准化量表的中文版（均经过翻译-回译程序确保准确性）： * 社交媒体疲劳量表（SMFS）：原始版含15个项目，测量认知、行为、情绪三个维度的疲劳。 * 状态-特质焦虑量表（STAI-Y2）的特质焦虑分量表：测量稳定的焦虑倾向。 * 错失恐惧量表（FoMOS）：测量对错过他人有益经历的普遍担忧，包含恐惧和控制两个维度。 * 无聊倾向量表（BPS）：测量个体容易感到无聊的倾向，包含冷漠、内部刺激-创造力、内部刺激-挑战三个维度。 * 卑尔根社交媒体成瘾量表（BSMAS）：测量问题性社交媒体使用的六个核心症状。 * 自评疲劳分数（SRS）：一个单项（“从1到3分，你对使用社交媒体感到多疲惫？”）作为SMF的效标。
3. 数据分析流程： * 初步分析：检查数据正态性、多变量正态性（Mardia‘s test）、异常值（Mahalanobis距离）并计算所需样本量。 * 因子结构探索与验证： * 步骤A（验证原结构）：首先在总样本（n=329）上对原15项SMFS进行CFA和ESEM分析，发现模型拟合不佳，且部分项目因子负荷过低，证实原结构不适用于意大利样本。 * 步骤B（探索新结构）：使用第一组样本（n=159）进行EFA。采用主轴因子分解和Promax斜交旋转。平行分析建议提取4个因子，但其中一个因子仅包含2个项目，不符合要求。检查3因子结构时，发现第6、10、12项在所有因子上负荷均低于0.30，故予以删除。最终得到一个包含12个项目、3个因子的结构，累计解释方差54.77%。根据项目内容，将三个因子命名为：F1：过载疲劳（5项，关注信息过载及导致的回避）、F2：数字疲劳（3项，关注使用社交媒体时的遗忘行为）、F3：互动疲劳（4项，关注社交互动引发的焦虑/恐惧）。此12项版本即初步的“简版社交媒体疲劳量表（BSMFS）”。 * 步骤C（比较与确定最终模型）：使用第二组样本（n=170），对上述12项3因子结构分别进行CFA和ESEM分析，并比较模型拟合。CFA模型拟合指数（CFI=.926, TLI=.904, RMSEA=.079, SRMR=.061）未达到优秀标准，且因子间相关性较高。ESEM模型允许项目存在交叉负荷，拟合更优（CFI=.964, TLI=.929, RMSEA=.068, SRMR=.039），且因子间相关性更低，表明ESEM能更精确地区分因子。然而，卡方检验仍显著。根据修正指数，在ESEM模型中允许项目1（“我经常被社交媒体上的信息量压得喘不过气”）和项目5（“当我意识到社交媒体占用太多时间时，我感到生气”）的误差项相关（基于两者都强调“过载感”的理论合理性）。修正后的ESEM模型（ESEM a）拟合指数达到优秀水平（χ²=43.620, df=33, p=.083; RMSEA=.046, p=.543; CFI=.984; TLI=.967; SRMR=.033），且所有项目在其目标因子上均有显著负荷（除一项为p<.01外，其余均为p<.001），交叉负荷微小。因此，研究确定采用这个包含12个项目、基于ESEM框架的3因子模型作为最终的BSMFS。 * 效度与信度检验：计算了BSMFS三个子量表的McDonald‘s ω系数（F1=.75, F2=.89, F3=.73），表明信度良好。通过检查项目在ESEM模型中的目标负荷（聚合效度）和较低的交叉负荷及因子间相关性（区分效度）来评估结构效度。计算BSMFS各因子与特质焦虑、FoMO、无聊倾向、问题性社交媒体使用及SRS的相关性来评估聚合效度和同时效度。 * 路径分析：使用Jamovi软件进行路径分析，检验研究假设。构建了两个模型：（1）中介模型：检验特质焦虑是否通过FoMO的中介作用影响社交媒体疲劳（SMF，以BSMFS总分或各因子分代表）；（2）调节模型：检验问题性社交媒体使用是否调节无聊倾向对SMF的影响。
三、 主要研究结果
量表开发与验证结果：
效度检验结果：
路径分析结果：
四、 研究结论与价值
本研究成功开发并验证了意大利语版的简版社交媒体疲劳量表（BSMFS）。该量表包含12个项目，采用探索性结构方程模型（ESEM）框架，定义了三个清晰且相互关联的维度：过载疲劳、数字疲劳和互动疲劳。BSMFS具有良好的心理测量学特性，为在意大利及其他可能相似的文化背景下测量社交媒体疲劳提供了一个可靠、有效的精简工具。
研究的科学价值在于：方法学上，首次将ESEM应用于SMFS的跨文化验证，证明了相较于传统的CFA，ESEM能更好地处理心理量表项目中常见的交叉负荷问题，从而获得更精确、偏差更小的因子结构与关系估计，为未来类似研究提供了方法学借鉴。理论上，研究不仅验证了SMF的多维结构，还通过路径分析揭示了其与关键心理变量间的复杂机制：特质焦虑会直接并通过加剧错失恐惧间接导致社交媒体疲劳；同时，个体的无聊倾向会引发社交媒体疲劳，而这种效应在那些本身就有问题性社交媒体使用习惯的个体身上会被放大。这深化了我们对社交媒体疲劳成因的理解，将其置于一个包含稳定人格特质（特质焦虑）、特定认知情绪状态（错失恐惧、无聊）和行为模式（问题性使用）的整合框架中。
研究的应用价值在于：BSMFS可作为临床实践和公共健康筛查中的一个实用工具，帮助识别正经历高水平社交媒体疲劳的个体。研究揭示的作用机制提示，干预措施可以针对降低错失恐惧、管理无聊感以及处理问题性使用行为，从而预防或缓解社交媒体疲劳及其潜在的负面心理后果。
五、 研究亮点
六、 其他有价值的内容
研究在讨论部分指出，原版SMFS及波兰版验证均出现模型拟合问题，可能源于其基于的独立集群模型-验证性因子分析（ICM-CFA） 的固有局限。该模型强制交叉负荷为零，可能扭曲了因子间的真实关系。本研究通过采用ESEM，成功解决了这一问题，为SMFS的跨文化适用性提供了新的、更稳健的解决方案。此外，研究详细报告了项目分析、正态性检验、异常值处理等数据准备步骤，体现了研究的严谨性。最后，研究提供了完整的12项BSMFS项目列表（在附录中），便于其他研究者直接使用或进行进一步验证。