首页 理论教育 现状与测量:现实与网络群体认同

现状与测量:现实与网络群体认同

时间:2023-11-28 理论教育 版权反馈
【摘要】:第一次施测旨在修订自编《网络群体认同量表》,共回收90份有效问卷进行探索性因素分析。得分越高表明对网络群体认同程度越高;②Facebook使用倾向量表。群体认同视觉量表分别用于测量现实群体认同与网络群体认同。(三)研究步骤1.《网络群体认同量表》的编制。分别考察网络群体认同与网络参与行为之间的相关关系、现实群体认同与网络参与行为之间的相关关系,检验是否符合实验假设。

现状与测量:现实与网络群体认同

一、研究目的与方法

通过对大学生的问卷调查,了解大学生现实与网络群体认同基本状况,并探索网络群体认同与群体参与行为之间是否存在相关关系;同时,探索现实群体认同是否影响网络群体参与的行为,以及现实群体认同与网络群体认同是否存在某种关联。

(一)被试

研究一共进行两次施测。第一次施测旨在修订自编《网络群体认同量表》,共回收90份有效问卷进行探索性因素分析。被试平均年龄21.26岁(SD=1.39),男性32名,女性50名,其中8名被试未填写该信息。正式研究被试共180名,其中男性69名,女性111名;理科学生99名,工科学生41名,文科学生31名,有9名研究被试未填写所属学科。研究被试的年级分布为,大学一年级9名,二年级72名,三年级64名,研究生一年级35名;其中有69名来自城市,50名来自城镇,61名来自农村

(二)研究工具

1.现实群体认同的测量:《现实群体认同量表》

采用钟华(2008)[10]编制的《中专生群体认同量表》测量现实群体认同,在问卷调查中将原量表题目中的“中专生”改为“班级”。共9道题目,采用Likert5点量表进行评分,“1”表示完全不符合,“5”表示完全符合。得分越高,对班级的认同程度越高。总量表α系数为0.868,结构效度良好。

2.网络群体认同的测量:自编《网络群体认同量表》

由于现实群体认同中的条目不适合测量网络群体认同(如有些条目为“我希望能一直和我们班的同学一起学习”、“我们班很团结”),因此网络群体认同量表需要重新编制。借鉴的量表有:①《虚拟群体认同量表》。该量表由Reilly 和Chatman(1986)[11]编制,包含四个项目,采用5点计分。得分越高表明对网络群体认同程度越高;②Facebook使用倾向量表。该量表由Ellison等人(2007)[12]编制,共包含8道题目,其中前两道题目(如你在Facebook上拥有多少好友、以及使用时间)不太适合本研究,因此将其删去,剩下6道题目来测量被试使用网络群体的倾向。采用5点评分,1表示非常不符合,5表示非常符合。原量表α系数为0.83。

邀请5名心理系研究生对该量表进行翻译,确认没有歧义之后请10名同学进行填写,并纠正语言表达不畅、语义不明确的地方。探索性因素分析及验证性因素分析的结果见研究结果分析部分。

3.群体认同视觉量表

采用Tropp和Wright(2001)[13]编制的群体认同视觉量表。该量表采用视觉呈现的方式,用两个圆分别代表群体和个人,两个圆相离的程度作为被试认同该群体的程度,让被试对自我与群体形象的重合程度进行8个等级的评分。“1”表示“相距很远”,8表示“完全重叠”,得分越高表明认同程度越高。重测信度0.76,内容效度良好。

群体认同视觉量表分别用于测量现实群体认同与网络群体认同。在测量现实群体认同时,语句表述为“下图中上面一排的圆圈代表现实所处群体的整体形象,下面一排的圆圈代表自己的形象,请指出下面哪个图形最能概括你与‘现实群体’形象重合的程度?”,测量网络群体认同时,则将“现实群体”替换为“加入的网络群体”,让被试进行选择。

4.网络参与行为的测量

选取“参与网络群体互动的时间”、以及“参与网络群体互动的频率”两个指标,作为衡量网络参与行为的标准。参与时间参考已有的研究,以“分钟”为单位,让被试填写平均每天参与网络群体互动的时间。参与互动的频率采用5级评分,1表示“极少”,5表示“经常”,让被试自评其参与该网络群体互动频率。

(三)研究步骤

1.《网络群体认同量表》的编制。借鉴国外的量表,结合网络群体认同的定义,将英文量表进行翻译。并进一步进行探索性因素分析以及验证性因素分析,检验其信效度是否可以在进一步的研究中使用。

2.网络群体认同、现实群体认同与网络参与行为相关关系的检验。分别考察网络群体认同与网络参与行为之间的相关关系、现实群体认同与网络参与行为之间的相关关系,检验是否符合实验假设。

二、结果分析及讨论

(一)《网络群体认同量表》的编制

自编的原始《网络群体认同量表》共10道题目,研究选取100名被试,参与问卷修订。回收有效问卷90份。被试平均年龄21.26岁(SD=1.39),男性32名,女性50名,其中8名被试未填写该信息。使用所有数据进行探索性因素分析。

1.项目区分度

将探索性因素分析数据(N=90)输入SPSS17.0进行分析。将被试十道题目的得分相加并排序。将分数排在前27%的被试(24人)设为高分组,总分排在后27%的被试(24人)设为低分组;然后检验高、低分组在十道题目上的得分是否有显著性差异。结果显示,十道题目的得分均在高、低组有显著差异(p<0.01)。因此所有题目均进入下一步的探索性因素分析中。

2.探索性因素分析

采用主成分分析法(principal components analysis,PCA)提取公因子,经过最大方差正交旋转(Varimax)得出因子负荷矩阵。根据结果对题目依次进行删除。删除的标准是:(1)因素负荷小于0.4;(2)在两个或多个因素上的负荷均高于0.4;(3)在两个因素上的负荷之差小于0.25。

按照以上条件,删除1道在两个因素上的负荷均高于0.4的题目,进行探索性因素分析。剩余的9道题目探索性因素分析的结果完全符合上述三个条件。

经检验,剩余的9道题目KMO值为0.845,χ2=472.45,df=36,p<0.001,表明这些题目较适合进行因素分析。总量表α系数为0.897,量表信度指标良好。9道题目的因素负荷及贡献率如表3.1所示:

表3.1 因素负荷矩阵及贡献率(N=90)

3.验证性因素分析

将正式施测的180份有效数据输入Lisrel 8.8中进行验证性因素分析,考察理论模型与观察模型之间的拟合程度。设置9个观察变量,2个潜变量,潜变量之间的关系设为自由。根据Lisrel输出结果中的修正指数提示,删去卡方值较大的指标“H2”,得到2个潜变量。各因素路径图如图3.1所示。

图3.1 验证性因素分析路径图

表3.2 网络群体认同量表验证性因素分析拟合度指标(www.xing528.com)

该模型的拟合度指标见表3.2,同时设置一个对比模型:单因素模型,即将所有指标设为单因素。选用以下指标来观测模型与理论模型的拟合程度:(1)χ2/df<5表示模型可以接受,小于2表示比较理想;(2)拟合指数,常用的拟合指标有GFI(goodnessoffitindex),NFI(parsimonynormedfitindex),NNFI、IFI、CFI等拟合指标均在0—1之间,越接近于1,表明拟合程度越好。达到0.85以上表示模型可以接受,0.9以上表示观察模型与理论模型拟合程度较好;(3)RMSEA值小于0.08表示模型拟合较好。上述结果表明,自编的《网络群体认同量表》具有良好的结构效度,可用于进一步分析。

将因素1命名为“情感感知”,包含3道题目。因素2命名为“关系感知”,包含3道题目。二阶单因素模型拟合指标良好,说明量表两个维度得分可以相加。

(二)大学生网络群体认同现状描述

1.大学生在网络群体认同量表总体得分描述见表3.3。

表3.3 大学生网络群体认同状况得分(N=90)

2.不同性别的大学生在网络群体认同得分上的差异如表3.4所示。

表3.4 性别在网络群体认同得分上的差异(N=180)

注:**表示p<0.01(双侧检验),*表示p<0.05(双侧检验),下同。

由表3.4得知,性别在网络群体认同量表上无显著性差异(t=-1.582,p >0.05),在分量表上的得分也无显著性差异。

3.不同年级的大学生在网络群体认同得分上的差异如表3.5所示。

表3.5 年级在网络群体认同得分上的差异(N=180)

由表3.5可知,不同年级的大学生在网络群体认同的得分上没有显著性差异(F=0.074,p>0.05),在分量表上的得分也无显著性差异。

4.不同学科的大学生在网络群体认同得分上的差异如表3.6所示。

表3.6 学科在网络群体认同得分上的差异(N=180)

表3.6的结果说明,不同学科的大学生,在网络群体认同的得分上没有显著性差异(F=0.321,p>0.05)。学科在两个维度上的得分也无显著性差异。

5.不同地域的大学生在网络群体认同得分上的差异如表3.7所示。

表3.7 地域在网络群体认同得分上的差异(N=180)

表3.7中,不同地域的大学生在网络群体认同得分的差异不显著(F=1.483,p>0.05)。在两个分维度的得分上,来自不用地域的大学生均没有显著性差异。

(三)网络群体认同、现实群体认同与网络参与行为之间的相关关系

在问卷调查中选用参与时间、参与程度作为网络参与行为的衡量指标,但由于参与时间由被试自由填写,不能确保其呈正态分布,所以将其转化为Z分数,并将3个标准差以外的数据剔除,以保证研究结果不受极端值的影响。现实群体认同、网络群体认同与网络参与量表得分的相关矩阵如表3.8所示。

表3.8 现实群体认同、网络群体认同与网络参与相关矩阵(N=180)

网络群体认同与网络群体参与时间之间的相关不显著(r=0.097,p>0.05),与网络群体参与频率之间存在显著正相关(r=0.465,p<0.01)。这一结果表明,个体对网络群体认同的程度越高,其参与网络群体的频率越高,但是这一结果并没有反应在参与时间这一指标上。网络群体认同与网络参与时间相关不显著,而与网络参与频率呈显著正相关。这一研究结果符合研究预期。即对于网络群体的认同感越强,个体参与网络互动的行为越积极。这一结果与前人关于“网络社区”认同感的结论相一致,即“认同感”与参与行为之间存在显著正相关,“网络群体认同”影响了个体网络群体的参与行为。

现实群体认同与网络参与频率之间呈显著正相关(r=0.171,p<0.01),但是现实群体认同与网络群体参与时间的相关不显著(r=0.101,p>0.05),这一结果支持部分研究假设,即现实群体认同与网络参与频率之间存在正相关,但是现实群体认同与网络参与时间并不存在显著的相关关系。这一结果说明,个体对现实群体认同程度越高,则参与网络群体互动的频率也越高。对现实群体认同程度较高的个体,更有可能在现实生活中与他人形成社会关系,更愿意与他人交往,因此他们会将这种既定的行为模式迁移到网络中,从而在网络社会中也会表现出较高参与的行为倾向。

而现实群体认同与网络参与时间没有显著相关。这一现象可能是由于个体对于现实群体的认同程度会通过自尊水平影响网络参与时间。因为当自尊水平较高时,个体对自我的评价较为积极,这将影响到个体在网络上如何展现自我、表达自我,如何与他人互动。这种互动将会体现在参与网络群体互动的时间与频率上。但是研究结果却仅仅反映在互动频率这一个指标上。这可能是由于个体对现实群体认同的程度越高,其用于维持现实人际关系的所需要的时间就越长,相应的,个体参与网络群体互动的时间便会减少,但是个体差异巨大,最终导致时间这一指标没有很好的反应网络参与行为。网络群体虽然与现实群体有所差别,但是人们由于共同的价值目标聚集在一起,对群体产生一定的归属感和认同感,获得社会支持,在网络上形成人际关系网,这些行为虽然发生在网络上,但与现实生活是紧密联系的。如多数关于社会资本的研究中就发现,个体在网络上形成的人际关系,会拓展到线下,从而促进现实人际交往。

同时,现实群体认同与网络群体认同之间也存在显著正相关(r=0.192,p <0.01)。即对现实群体认同的程度越强,对网络群体的认同感也越强。现实群体认同和网络群体认同均属于认同层面,而认同感的形成源于个体与群体成员的互动,在互动中逐渐形成对群体价值及意义的感知。如果个体在现实群体中的认同感较强,那么个体在现实生活中的认同感,及其与他人互动的模式就有可能影响个体的认同,这种认同在现实群体中和网络群体的认同感形成中均有着显著的影响。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈