《Scientific Reports》：Research on the formation mechanism of social media burnout among college students based on the ISM-MICMAC model
编辑推荐：
本研究关注大学生面临的社交媒体倦怠现象。为系统解析其成因结构，研究者运用ISM-MICMAC模型，整合了15个来自个体、心理、技术和信息维度的关键变量。研究发现，平台技术机制和深层心理反应是根源性驱动因素，算法推荐和社交比较等要素对后续感知过载具有高驱动力。这项研究为理解倦怠的复杂形成过程提供了系统路线图，有助于从管理症状转向解决数字社交环境中的根源性结构压力。
在今天的数字时代，社交媒体已成为大学生日常生活中不可或缺的一部分。然而，伴随着点赞、评论和无限滑动的，是一种日益普遍的疲惫感——社交媒体倦怠。这种状态不仅削弱了年轻人的社交参与热情，更可能引发焦虑、抑郁等一系列心理问题。当前，尽管许多研究都指出了社交媒体使用的负面影响，但对其背后复杂的、多因素交织的形成机制，仍然缺乏一个清晰、系统的理解。我们往往只看到“果”，如信息过载或社交压力，却不清楚这些“果”之间如何相互作用，以及更深层的“因”究竟在哪里。为了拨开这团迷雾，一项发表于《Scientific Reports》的研究，采用了一种名为解释结构模型-交叉影响矩阵相乘法（ISM-MICMAC）的系统工程学方法，试图为大学生社交媒体倦怠这幅复杂的拼图，描绘出一幅清晰的成因路线图。
研究者们并没有从零开始假设，而是首先通过德尔菲法，综合了现有文献和专家意见，精准识别出15个导致大学生社交媒体倦怠的关键变量。这些变量覆盖了四个维度：个体特质（如人格）、心理过程（如错失恐惧）、技术特征（如算法推荐）和信息环境（如信息过载）。这就像为研究准备了一份详尽的“嫌疑人名单”。
紧接着，研究进入了核心的“案情重组”阶段——运用ISM模型。这个模型的强大之处在于，它能分析这15个因素之间的相互影响关系，并将它们按照影响的层次进行排列，从而揭示出从根本原因到表面症状的逻辑链条。分析结果将这15个因素分成了四个清晰的层级。最底层（第四层）的“根源层”包含了平台技术机制和用户的深层心理反应，比如系统功能设计和自我呈现动机。它们是整个倦怠结构的基石，驱动着上层因素的变化。往上是第三层，包含了感知有用性、感知易用性等技术接受因素，以及社会临场感等。再往上，第二层则出现了我们更常讨论的直接压力源，如社交过载、信息过载和系统功能过载。而最表层（第一层）就是最终的结果：社交媒体倦怠行为意向和倦怠情绪本身。这个层级结构清楚地表明，我们直接感受到的“过载”和“疲惫”，实际上是底层技术设计和深层心理需求共同作用，经过多层传导后呈现出的最终状态。
为了进一步厘清这些因素在系统中的作用性质，研究采用了MICMAC分析法。这种方法根据各因素的驱动力（影响他人的能力）和依赖度（受他人影响的程度）将它们分为四个集群。分析揭示了一个关键发现：像“算法推荐”和“社交比较”这样的因素，属于“独立集群”。它们具有很高的驱动力，但依赖度很低，这意味着它们是活跃的“驱动者”，能显著引发后续的各类“过载”感知，但自身却不易被系统中的其他短期因素所改变。这指向了平台设计核心机制的关键影响。相比之下，“社交媒体倦怠”本身则位于“依赖集群”，高度依赖其他因素，是系统运作的最终输出结果。
那么，这项研究是如何具体开展的呢？其核心方法是德尔菲法与ISM-MICMAC模型的结合应用。首先，通过多轮德尔菲专家咨询，从文献中筛选并最终确定了15个导致大学生社交媒体倦怠的关键影响因素。其次，基于专家对因素间相互关系的判断，建立邻接矩阵和可达矩阵。最后，通过ISM模型进行层级分解，绘制多级递阶结构图，并利用MICMAC分析计算各因素的驱动力与依赖度，将其划分到不同的集群中。整个研究过程建立在专家知识和系统建模的基础上，样本来源于文献综述和专家意见，而非直接的学生队列。
本研究的结果通过结构模型和集群分析得以清晰呈现：
- 1.
解释结构模型(ISM)层级分析：通过构建ISM，研究得出一个四层级的影响因素结构。第四层（根源层）包括自我呈现、系统功能设计、技术压力和心理资本；第三层包括感知有用性、感知易用性、社会临场感和错失恐惧(FoMO)；第二层包括社交过载、信息过载和系统功能过载；第一层（结果层）是社交媒体倦怠行为意向和倦怠情绪。该结构揭示了从平台与心理的深层动因，到技术感知与心理状态的中介层，再到直接过载感知，最终导致倦怠的递进影响路径。
- 2.
MICMAC交叉影响分析：通过MICMAC分析，将15个因素按驱动力和依赖度分为四个集群。独立集群（高驱动力、低依赖度）包括算法推荐和社交比较，它们是关键的驱动因素。联系集群（高驱动力、高依赖度）包括自我呈现、错失恐惧等，是系统的重要枢纽。自主集群（低驱动力、低依赖度）如心理资本，相对独立。依赖集群（低驱动力、高依赖度）则包含了各种“过载”感知及最终的倦怠情绪与行为意向，它们是影响的接收端。
研究的结论与讨论部分强调，大学生社交媒体倦怠并非由单一因素引起，而是一个由不同层级因素构成的系统性问题。ISM模型揭示的层级结构表明，干预最表层的倦怠症状效果有限，必须追溯到更深层的驱动因素，特别是位于独立集群和根源层的要素。例如，平台算法推荐机制和诱发社会比较的设计特征，作为高驱动力的独立因素，是引发后续连锁反应的关键起点。同时，用户的深层心理动机如自我呈现，也是重要的根源之一。
这项研究的重要意义在于它提供了理解社交媒体倦怠复杂性的一个“系统蓝图”。它将散乱的影响因素整合到一个逻辑连贯的结构模型中，使研究者和管理者能够区分表面症状与根本原因，识别关键杠杆点。对于社交媒体平台而言，研究提示需要反思其核心算法和功能设计对用户健康的潜在负面影响。对于心理健康教育工作者而言，则需关注如何增强大学生的心理资本，以抵御由技术环境引发的压力。总之，该研究推动了对数字社会健康议题的讨论，从零散的关联分析迈向系统的结构理解，为后续的实证干预和负责任的平台设计奠定了理论基础。
