开发并验证一个全面的数字育儿工具量表

《Computers in Human Behavior Reports》：Development and validation of a comprehensive digital parenting scale

　　阿曼达·M·弗格森 | 马修·理查兹 | 卢卡斯·J·冈舍拉 | 奥古斯丁·穆塔克 | 凯瑟琳·莫德基 | 雷切尔·戈德堡 | 艾米·奥本
剑桥大学MRC认知与脑科学单元

**摘要**
全球范围内，青少年的数字化连接程度比以往任何时候都要高，而数字设备的使用权已成为许多家庭冲突的焦点。到目前为止，关于数字育儿最佳实践的研究受到了缺乏有效度量的阻碍，这种衡量方法难以反映当代数字时代育儿的复杂现实。在此，我们开发了一种数字育儿量表（DPS），并在三个不同的家长样本中进行了应用（样本量N=1,050）。研究表明，该量表能够可靠且准确地测量六种不同的数字育儿策略，这些策略与六个分析因素相对应：
1. **监管**（即通过规则和限制来规范青少年的技术使用）；
2. **边界协商**（即平衡青少年与家长在技术使用方面的需求和目标）；
3. **共同使用**（即家长和青少年一起使用数字设备）；
4. **中介引导**（即教授有关安全使用技术的知识并提供指导）；
5. **代理监督**（即利用朋友和家人来监督青少年的技术使用）；
6. **技术监控**（即利用技术辅助监督青少年技术使用）。
我们发现，数字育儿量表的这六个因素与传统的育儿实践测量指标之间存在广泛的相关性，这表明数字育儿是个人总体育儿策略的一种延伸。

**综合数字育儿量表的开发与验证**
数字技术极大地改变了青少年日常生活的形式和内容。最新估计显示，97%的美国青少年每天都会使用互联网，46%的青少年几乎“持续”使用互联网（Faverio & Sidoti, 2024）。对大多数青少年来说，数字技术已深深融入他们的社交、情感、家庭和学业生活中（Faverio et al., 2024; Hollenstein & Faulkner, 2024; Modecki, Duvenage et al., 2022; Odgers & Jensen, 2020）。
然而，关于新技术对青少年心理健康影响的担忧日益增加（Bell et al., 2015），流行媒体也不断报道智能手机正在引发青少年心理健康危机（例如Burn-Murdoch, 2023）。关于这一主题的科学研究结果并不一致（Allcott et al., 2020; Beyens et al., 2020; Jensen et al., 2019; Kreski et al., 2021; Orben & Przybylski, 2019; Valkenburg et al., 2022），并表明数字技术对青少年福祉的影响是复杂且因个体而异的（Beyens et al., 2020; Odgers & Jensen, 2020; Orben et al., 2024）。由于科学文献中缺乏明确的结论，关于如何最好地引导孩子使用技术的家长指导也较为有限（Stiglic & Viner, 2019）。

从青少年的角度来看，数字育儿措施可能涉及对重要数字社交和情感体验的管控，这些体验包括自我表达、自我探索和与同伴建立联系的机会。这些都是青少年成长过程中至关重要的目标，他们显然希望在自己的数字世界中追求这些目标（Weinstein & James, 2022）。这种分歧的观点可能导致父母与孩子之间的紧张关系（Jensen et al., 2021）。事实上，2020年有超过三分之二的美国家长表示，如今的育儿比20年前更加困难，他们认为这在一定程度上是由于新技术和社交媒体的影响（Auxier et al., 2020）。

数字育儿行为与青少年与数字设备之间的关系一样复杂和多面。这些行为既包括旨在保护青少年免受伤害的措施（如限制在线内容和时间），也包括利用数字化时代优势的措施（如教授数字技能和支持青少年参与在线教育）（Chen & Shi, 2019; Erickson et al., 2016; Fletcher & Blair, 2016; Jago et al., 2013; Livingstone et al., 2017; Odgers, 2018）。尽管数字育儿与当前关于青少年情感健康和技术的许多社会问题密切相关，但目前仍缺乏一个全面且适合青少年发展阶段的评估工具。
因此，研究数字育儿的学者们不得不依赖临时设计的育儿问题或问卷，这些工具最初是为评估青少年对电视的看法和体验而开发的，后来被改编用于评估智能手机等新数字技术（Modecki, Goldberg et al., 2022）。智能手机与以往的技术截然不同——它们可以随身携带，且设计为一次只能被一个人使用，这限制了家长监控孩子在线活动的能力。

本文描述了一种新的数字育儿量表的开发与验证过程，该量表是在对相关 qualitative 和 quantitative 研究进行系统回顾后制定的（Modecki, Goldberg et al., 2022）。这项回顾强调了当代数字育儿中的重要主题，而这些主题在定量研究中往往被忽视。接下来，我们首先说明了数字技术在青少年社会情感发展中的独特作用及其对育儿和家庭动态的影响。然后，我们讨论了当前的定量研究方法在处理数字育儿问题时的不足之处，并介绍了如何基于 Modecki, Goldberg et al. (2022) 的基础性工作来开发我们的数字育儿量表。最后，我们通过三个样本的研究验证了该量表的心理学特性。

**数字化与青少年发展**
青春期是一个充满挑战的发展阶段，其核心发展目标是建立连贯的自我认同（Erikson, 1968）、从父母和家庭中获得自主性（Collins et al., 1997; Erikson, 1968）以及维护与同伴的关系和接纳（Larson et al., 1996; Prinstein & Giletta, 2016）。尽管同伴在青少年时期逐渐拥有更大影响力，但亲子关系仍然至关重要，因为家庭关系在此期间会重新调整和变化（Larson & Richards, 1991）。随着越来越多的日常生活转移到线上，青少年追求发展目标的部分过程也在线上完成。线上环境的特性（如异步性即交流时间的间隔）和便捷性（即分享和访问内容的便利性）对这一过程产生了重要影响（参见 Nesi et al., 2022; Orben et al., 2024）。青少年数字育儿也受到这些因素的影响，因为家长需要在不断变化的技术环境中引导孩子的成长（US Surgeon General, 2024）。

**身份发展与社交媒体**
建立连贯的自我认同是青春期的核心任务（Erikson, 1968; Jung et al., 2013）。这一过程涉及质疑家庭（以及后来同伴）的价值观和信仰，并确立个人的核心原则。将这些个人价值观与社会价值观融合是青少年身份构建的基础（Erikson, 1968），因为青少年试图根据他人来塑造自己。社交媒体在支持青少年身份发展方面具有优势：它为青少年提供了多种自我表现的方式（Morita et al., 2022），并使他们能够获得广泛的反馈。对于那些身份边缘化的青少年来说，这种便利性和广泛的受众尤为重要（例如，在农村社区）。对于这些青少年而言，数字技术可能是他们接触同类群体、表达观点的重要途径。

**同伴互动与关系**
与身份构建类似，加强对同伴关系的重视也是青少年发展的一个重要特征（Brown & Larson, 2009; Prinstein & Giletta, 2016）。虽然线上和线下环境中的社交动态有很多相似之处（例如，受欢迎的青少年在网络上通常也受欢迎；在现实中受欺负的青少年在线上也可能受到欺负），但也存在显著差异（Ferguson et al., 2024; Turner et al., 2024）。在线平台允许异步交流，这意味着可以与同伴进行多轮对话，每条消息都可以经过精心构思后才发送（Dennis et al., 2008; Nesi et al., 2018a, 2018b）。数字设备的普及使得青少年可以几乎随时与同伴保持联系，这可能增加同伴交流的频率和即时性，从而产生一种需要随时响应同伴需求的期望，特别是在青少年渴望建立牢固同伴关系的关键时期（Weinstein & James, 2022）。

**数字化与家庭系统**
虽然育儿一直都很复杂，但越来越多的证据表明，数字技术已经影响了全球北方国家的家庭生活（Auxier et al., 2020; Faviero et al., 2024; US Surgeon General, 2024）。在养育青少年的过程中，需要在促进独立性和提供保护之间找到平衡，尤其是当青少年与同伴相处的时间增多而与家人相处的时间减少时（Larson & Richards, 1991）。为了应对这种转变，家长可能会采取控制策略，要求青少年在外出前获得许可、报告活动情况并披露计划细节（Stattin & Kerr, 2000）。还有一些策略通过主动询问青少年的经历并依赖他们的分享意愿来发挥作用（Smetana et al., 2006; Toki? & Pe?nik, 2011）。当孩子自愿分享时，家长通常能更了解他们的活动（Stattin & Kerr, 2000），这种分享与更高的幸福感及更低的风险行为相关（Soenens et al., 2007）。然而，一些研究表明，过于强硬或频繁的询问策略可能会侵犯青少年的隐私权，反而增加隐秘性（Hawk et al., 2013）。理想情况下，家长应在促进孩子独立的同时保持对其生活的充分了解，这种了解应基于亲密和积极的关系——在这种关系中，青少年会感到舒适地定期分享信息，同时仍能维护自己的隐私界限（Hawk et al., 2013）。

随着青少年生活的许多方面转移到线上，平衡这些因素变得更为困难。家长往往对孩子的在线活动知之甚少（Gomez, 2017），而在青少年数字生活容易被隐藏的情况下，既要培养他们的独立性又要提供适当的保护变得更加困难。此外，许多青少年在家中虽然物理上在场，但实际上却通过技术完全沉浸在同伴世界中，这可能改变家庭动态并引发技术干扰（McDaniel & Coyne, 2016），如果这种干扰不受控制，可能导致亲子关系破裂和家庭冲突（Kildare & Middlemiss, 2017; Modecki et al., 2020）。长期的技术干扰与亲子关系的温暖感和凝聚力下降以及青少年心理健康问题增加有关（Stockdale et al., 2018）。

**修订数字育儿实践的测量方法**
今天的技术环境与二十年前的相比几乎面目全非。尽管如此，几十年前开发的媒体育儿模型仍然主导着对新技术的育儿概念化和测量工作。Valkenburg et al. (1999) 关于儿童看电视的育儿研究提出了三种家长中介策略：限制性中介（设定看电视的规则和界限）、指导性中介（与孩子讨论电视内容）以及共同观看（家长和孩子一起看电视）。Valkenburg等人（1999年）提出的三分法分类体系至今仍被广泛用于评估新技术下的育儿行为，包括一般性的互联网使用（Livingstone等人，2017年）、屏幕使用时间（Nielsen等人，2019a年）、设备使用（Wisniewski等人，2017年）以及在线游戏（Koning等人，2018年）。Valkenburg等人强调，“媒体育儿”不应仅仅被视为减少电视观看相关风险的手段，也应视为增强其潜在益处的途径。随着时间的推移，以及在减少技术使用潜在危害的压力不断增加的背景下，调查研究中对父母在技术使用中扮演的角色的关注点逐渐转向了风险管理的框架，将父母主要视作防止危害的把关者，而非技术益处的促进者（例如，Nielsen等人，2019年）。例如，基于这一三分法分类体系的一系列问题包括：父母是否与孩子讨论他们的互联网使用情况、是否有关于上网时间的规定，以及是否检查孩子在网上正在做什么（Livingstone & Helsper，2008年）。另一项针对互联网使用的具体衡量指标也提出了类似的问题，如关于上网时间的规定，以及父母多久会要求了解孩子的上网行为（Glatz等人，2018年）。还有一种略有不同的衡量指标关注父母在防止孩子访问危险或色情网站方面的自我效能感，以及他们影响孩子在线活动的能力（Glatz等人，2018年）。详细信息及现有量表的计量学特性见表1。

表1. 现有的数字育儿相关量表

| 量表名称 | 样本问题 | 关键内容维度 | 内部一致性 | 用于评估电视媒介作用的量表（Valkenburg等人，1999年） | 互联网使用特定方面父母自我效能感量表（Glatz等人，2018年） |
|-----------|--------------------------------------------------------------------------------------------------------------------------------|----------------------------------------------|----------------------------------|---------------------------------------------|-------------------------------------------|
| | ……是否经常尝试帮助孩子理解他们在电视上看到的内容？ | 教育性媒介作用；限制性媒介作用；共同观看 | Cronbach’s alpha = 0.79 - 0.80（取决于子量表） | ……你对防止孩子访问包含色情内容的网站有多大的信心？ |
| | ……当孩子观看不适宜的节目时，你是否要求他们关掉电视？ | ……你们是否因为都喜欢某个节目而一起观看？ | | ……你对防止孩子访问包含暴力/血腥图片的网站有多大的信心？ |
| | ……你是否有关于孩子上网时间的规则？ | ……你能做多少来影响孩子上网的时间？ | | ……你能多大地影响孩子在网上做什么？ |
| | ……你是否要求知道孩子访问了哪些网站？ | ……你是否与孩子讨论他们在网上做什么？ | | |
| | ……当孩子上网时，你是否陪伴他们？ | ……你是否有关于孩子可以发布的图片的规定？ | | |
| | ……你是否限制孩子使用某些网站？ | ……你是否使用过某些策略来监督孩子的互联网使用？ | | |

其他相关量表包括：

- 父母在互联网使用上的调解策略量表（Symons等人，2017年）：研究者考察了父母在诸如登录孩子账户检查信息、监督孩子上网时间、制定关于孩子可以发布的内容和上网时间的规定等方面的行为。
- 父母日常日记评估：社交媒体育儿项目（Nesi等人，2026年）：研究者询问了父母当天是否与青少年讨论了他们在社交媒体上的行为、是否共同进行了社交媒体活动、是否使用了家长控制工具来屏蔽特定类型的内容或人员等。

需要注意的是，每种量表都涵盖至少一个关键内容维度，并且大多数量表采取每日日记的形式进行收集数据。然而，过分关注风险缓解的做法忽视了数字技术作为青少年成长过程中的积极支持和促进体验的潜力（Boniel-Nissim & Barak，2013年；Valkenburg等人，2022年；Wenninger等人，2019年）。事实上，定性研究表明一些父母非常清楚技术的积极用途（Gomez，2017年）。父母通常会识别并鼓励孩子的数字机会，并与他们进行关于如何成为良好数字公民的讨论（Modecki, Goldberg等人，2022年）。这些旨在增强青少年在线自主性并鼓励其分享技术使用情况的策略在现有的数字育儿量化测量中未能得到充分体现，这进一步凸显了更新理论和方法论的必要性。

此外，目前仍主要依赖于早期技术发展阶段（2010年代初社交媒体兴起之前）形成的理论和测量方法，导致数字环境中的关键变化（如Reid Chassiakos等人，2016年）在研究中未能得到充分反映，也无法有效整合到不断发展的数字育儿理论框架中。一个明显的例子是“共同观看”这一策略——在电视环境下这一策略更为适用，因为电视屏幕较大，适合集体观看；而智能手机则更难以在群体环境中共同观看（Modecki, Goldberg等人，2022年）。研究技术环境变化对育儿行为影响的研究人员要么必须通过指定“在线”背景来扩展现有量表，要么在具体问题上添加“在线”相关内容（Modecki, Goldberg等人，2022年）。这种方法的有效性存在疑问，因为它假设针对离线技术的问卷问题也适用于在线技术环境。另一种方法是专门针对现代技术特点生成新问题。不过，这种方法在一定程度上提高了表面效度——例如，专门询问父母如何处理网络欺凌问题是一种有效的评估方式。然而，如果不对可靠性和测量不变性等关键指标进行评估，这种方法的测量质量会较低（Flake等人，2017年）。

**数字育儿量表的构念基础**
Modecki等人（2022年）的系统评价为数字育儿量表的开发奠定了理论基础。该评价分析了迄今为止定量和定性研究如何概念化和操作化数字育儿，指出了被忽视或过度强调的主题，并为未来的综合性和发展导向的方法提供了蓝图。研究发现，现有的数字育儿量表大多侧重于规则和限制，尤其是关于青少年上网时间、地点、设备使用内容等方面的规定。同时，也有关于监督行为（如查看手机、浏览搜索记录、使用过滤软件或家长控制软件）的题目。虽然先前研究探讨了积极调解和其他促进性育儿策略的效果（如Nielsen等人，2019年；Rodríguez-de-Dios等人，2018年），但Modecki等人的系统评价指出，现有量表较少关注积极的技术使用、鼓励青少年分享体验和技能培养，而更多关注风险预防。相比之下，定性研究描绘了更为细致的数字育儿图景：父母不仅强调限制和监督，还讨论了与青少年的边界协商过程，以及他们希望促进孩子自我分享的愿望，并意识到自己在技术使用方面的行为示范作用。此外，他们还强调了平衡时间的重要性，即通过让孩子参与非技术活动来限制其娱乐性技术使用的时间。扩展的家庭成员、兄弟姐妹和学校也在数字育儿实践中发挥重要作用，显示出更广泛的社会支持生态的重要性。许多来自低收入家庭和少数族裔背景的父母也认识到技术的好处，将其视为通向社交能力、创造力和未来教育及职业机会的途径，同时也表达了對技术获取不平等的担忧。

总体而言，尽管不同研究侧重点不同，但Modecki等人（2022年）的研究一致指出，定量和定性研究均强调父母的限制和规则设定（如按时间、地点或内容限制技术使用）。两者都突出了父母的监督作用，尽管调查通常将其描述为控制行为和信息收集，而定性研究也反映了青少年对其侵入性的看法。两种文献中都提到了关于在线活动的交流，但在调查中这类交流通常局限于指导青少年安全使用，而定性研究则更强调信任、双向分享和鼓励积极的技术使用。尽管许多数字育儿概念在两种研究中都有出现，但其中一些概念（如规则设定、限制）主要出现在定量研究中，而另一些（如共同使用）则主要出现在定性研究中，因此可能在定量测量中被忽视。

**本研究的目的**
尽管关于数字时代育儿行为的研究较多（Collier等人，2016年；Modecki, Goldberg等人，2022年），但由于缺乏能够充分反映数字技术对父母和青少年生活复杂动态影响的最新数字育儿量表，定量研究受到限制。在本研究中，我们开发并验证了一个新的、全面的数字育儿量表，该量表体现了当代父母在数字时代采用的策略，并结合了定量和定性研究的发现。

**量表的开发与计量学特性**
我们的量表开发过程遵循Churchill（1979年）和Boateng等人（2018年）提出的成熟计量学程序，以确保量表的可靠性和有效性。开发过程包括以下几个方面：问题生成、因素结构分析、改进和精简量表内容、跨验证因素结构、进一步改进和精简、测量不变性的评估，以及收敛效度和区分效度的评估。本研究的设计和分析均未经预先注册。除了介绍这些程序外，还需要说明所评估的核心计量学特性及其在量表开发中的重要性。通过探索性和验证性因素分析来检验因素效度，以确定观察到的问题是否聚合成代表数字育儿不同方面的潜在结构（Worthington & Whittaker，2006年）。内部一致性通过Cronbach’s alpha和McDonald’s omega来评估，这些指标衡量了子量表内问题对同一结构的测量程度（Dunn等人，2014年）。在净化和简化阶段，内部一致性最为重要，此时会移除或替换降低可靠性的条目；在交叉验证阶段，则通过独立样本确认精炼后的子量表的一致性。我们评估了收敛效度和区分效度，以确定子量表是否与外部测量结果相符。收敛效度反映子量表与理论相关构念的相关程度，而区分效度则测试理论上不同的构念在实证上是否可区分（Fornell & Larcker, 1981）。最后，我们检查了量表在不同父母性别和年龄组中的测量不变性，以确保其在不同亚群体中的功能等同性。建立不变性对于支持有效的群体比较至关重要，因为缺乏不变性可能表明测量误差而非实质差异（Putnick & Bornstein, 2016）。

为了确保数字育儿量表的严谨开发和验证，我们采用了三样本设计。每个样本都有其独特的 metodological 用途，共同增强了心理测量评估的效果，超越了传统的两样本（即预研究和验证）方法（Clark & Watson, 2019; Fenn et al., 2020; Worthington & Whittaker, 2006）。在研究 1a 和 1b 中，我们试图确定数字育儿量表的因子结构。研究 1a 用于初步的条目筛选和因子识别。遵循既定标准的 EFA（Boateng et al., 2018）指导了迭代删除条目和子量表简化的过程，随后用 CFA 对初步的因子结构进行了测试。研究 1b 作为交叉验证样本，用于检查该结构在独立群体中的可重复性。尽管最初的八因子模型没有完全复制，但研究 1b 提供了关于测量模型稳定性的关键证据（见研究 1b 结果）。两个样本之间的因子一致性测试有助于量表的完善。研究 1b 并非表示复制失败，而是防止了对单一探索性数据集的过度拟合，突出了结构的不稳定性，并指导采用了更简洁且可重复的模型。然后，研究 2 对修订后的数字育儿量表进行了确认性验证。使用新的独立样本，我们测试了因子结构、可靠性、收敛效度和区分效度以及量表在不同父母性别和年龄组中的测量不变性。这种三样本设计在多个方面增强了量表的效力：首先，使用研究 1b 防止过早采用不稳定的因子模型，确保最终的父亲育儿量表结构得到了独立样本的支持；其次，迭代优化过程提高了构念效度和内容效度，因为最终的六因子结构是在样本合并后才出现的；最后，研究 2 对最终模型的心理测量稳定性进行了全面测试，包括测量不变性的证据，支持了数字育儿量表在不同人口群体中的普适性。

在生成条目过程中，作者和另一位专家基于 Modecki、Goldberg 等人（2022）的综述中出现的主题，结合定量和定性文献的发现，生成了包含 61 个量表的条目（见表 2）。这些条目对应于 19 个实质性主题，研究团队认为这些是综述中最突出的发现。值得注意的是，这些条目包括与规则设定和限制相关的典型调查条目，还有关于时间平衡、边界协商和代理监督等主题的条目。

**表 2. 数字育儿量表评估用条目及其在 Modecki 等人（2022）研究中的相关主题列表**

- **原始条目**
- 我对子女使用数字设备的时间有规定。
- 我对子女可以访问数字设备的地点有规定。
- 我对子女使用数字设备的时间有规定。
- 我对子女在数字设备上可以做什么有规定。
- 我使用技术来限制子女在数字设备上的行为（例如通过过滤、屏蔽或锁定功能）。

- **相关主题**
- 我根据子女在数字设备上的使用情况，决定是否允许他们与某些朋友交往。
- 我通过在线内容来决定子女是否可以与某些朋友交往。
- 我通过在线数字平台“加好友”或“关注”子女的朋友，以了解他们的活动。
- 我根据孩子的家庭规则来决定他们是否可以与某些朋友交往。

**家长监督：主动监控**
- 我会检查孩子在社交媒体上分享的内容，而孩子并不知情。
- 我会在孩子使用数字设备时与他们同处一室来监控他们的使用情况。
- 我会通过技术辅助工具（如监控应用程序）来监控孩子的数字设备使用，而孩子并不知情。
- 我通过自己的行为来示范良好的数字设备使用方式。
- 我会尊重孩子在数字设备使用方面的隐私。

**时间平衡**
- 我会促进离线活动，防止孩子过度使用数字设备。
- 我会努力平衡孩子的数字设备使用与其他离线活动。
- 我会主动参与孩子的数字设备使用过程。

**中介作用：共同使用**
- 我和孩子会一起在他们的数字设备上进行活动。
- 我鼓励孩子在线上成为良好的使用者。
- 我会与孩子讨论适当的数字行为。

**沟通与讨论**
- 我会与孩子交流他们在数字设备上的行为。
- 我会教导孩子如何在数字设备上安全地使用设备。
- 我会教育孩子了解使用数字设备可能遇到的危险。

**边界协商与应对策略**
- 孩子会试图避开我的规则（例如借用地设备或删除浏览历史记录）。
- 我们之间因数字设备使用规则存在分歧。
- 我相信让孩子了解如何使用数字设备将对他们未来有帮助。

**学校/教育挑战**
- 我难以区分孩子使用数字设备是出于学习还是娱乐目的。
- 当学校要求使用数字设备时，我难以管理孩子的数字设备使用。

**代理监督：家庭/长辈/其他成人**
- 我依赖家人或朋友来提醒我孩子在线活动中的问题。

**统计方法**
- 我们通过在线众包平台 Prolific Academic（https://www.prolific.com）招募了 305 名参与者（表 3，样本 1）。### 参与者人口统计信息（跨研究样本）

| 统计类别 | Study 1a（N=296） | Study 1b（N=290） | Study 2（N=464） |
|--------------|--------------|--------------|-------------------|
| 年龄 | 42.4 (6.86) | 40.1 (7.32) | 43.1 (8.45) |
| 中位数 [最小值, 最大值] | 42.0 [25.0, 68.0] | 40.0 [21.0, 64.0] | 42.0 [23.0, 74.0] |
| 性别 | 女性 | 165 (55.7%) | 215 (74.1%) | 271 (58.4%) |
| 男性 | 131 (44.3%) | 73 (25.2%) | 193 (41.6%) |
| 其他 | 0 (0%) | <5 (<1.5%) | 0 (0%) |
| 最高教育程度 | 高中未毕业 | <5 (<1.5%) | <5 (<1.0%) |
| 高中 | 21 (7.1%) | 27 (9.3%) | 40 (8.6%) |
| 通用同等学历证书 | <5 (<1.5%) | 8 (2.8%) | <5 (<1.0%) |
| 大学或两年制学位 | 73 (24.7%) | 96 (33.1%) | 137 (29.5%) |
| 技术或职业学校 | 15 (5.1%) | 17 (5.9%) | 24 (5.2%) |
| 学士学位 | 107 (36.1%) | 78 (26.9%) | 182 (39.2%) |
| 研究生或专业学位 | 75 (25.3%) | 60 (20.7%) | 73 (15.7%) |
| 孩子数量 | 2.45 (1.21) | 2.43 (1.19) | 2.29 (1.07) |
| 中位数 [最小值, 最大值] | 2.00 [1.00, 10.0] | 2.00 [1.00, 8.00] | 2.00 [1.00, 7.00] |
| 种族/民族 | 亚裔美国人/太平洋岛民 | 13 (4.4%) | 11 (3.8%) | 14 (3.0%) |
| 黑人或非裔美国人 | 32 (10.8%) | 16 (5.5%) | 74 (15.9%) |
| 西班牙裔/拉丁裔 | 18 (6.1%) | 22 (7.6%) | 40 (8.6%) |
| 其他种族 | 8 (2.7%) | 6 (2.1%) | 9 (1.9%) |
| 白人 | 225 (76.0%) | 234 (80.7%) | 324 (69.8%) |
| 美洲原住民/阿拉斯加原住民 | 0 (0%) | <5 (<1.0%) | <5 (<1.0%) |
| 不愿透露 | 0 (0%) | 0 (0%) | <5 (<1.0%) |

### 表4. 数字育儿量表最终版本及相应条目和因子载荷

| 条目 | 描述 |
|-------------------------|-------------------------------------------------------|
| Regulation | 我对孩子使用电子设备的时间有规定 |
| Boundary Negotiation | 我对孩子使用电子设备的时间有规定 |
| Co-Use | 我鼓励孩子参与线下活动以避免过度使用电子设备 |
| Mediation | 我通过代理进行监控 |
| Technological Monitoring | 我通过技术手段进行监控 |

### 条目解释：
- **Regulation**: 我对孩子使用电子设备的时间有规定。
- **Boundary Negotiation**: 我对孩子使用电子设备的时间有规定。
- **Co-Use**: 我鼓励孩子参与线下活动以避免过度使用电子设备。
- **Mediation**: 我通过代理进行监控，以确保孩子不会过度使用电子设备。
- **Technological Monitoring**: 我通过技术手段进行监控。

### 其他条目说明：
- 条目编号表示在最终量表中的相对位置，详细信息见补充材料。
- 因子载荷是根据Study 1a数据生成的六因子模型确定的。
- 条目按因子顺序排列，其中“条目”列表示在实际使用中的顺序。

### Study 1b的招募情况：
我们在2021年8月和9月通过在线众包平台Prolific Academic（https://www.prolific.com）招募了298名参与者（见表3，样本2）。纳入标准与Study 1a相同，任何一项注意力检查未通过的参与者（n=8）被排除在后续分析之外。Study 1b最终样本的 demographic 数据也见表3。

### 使用的测量工具：
- **数字育儿量表**: 包含61个条目，用于评估数字育儿实践。
- **人口统计问卷**: 用于收集参与者的基本信息。

### 分析过程：
- 在Study 1a中，我们对61个条目进行了探索性因子分析（EFA），采用最大似然法和棱柱旋转法。根据Boateng等人的方法（2018），通过视觉检查、平行分析和Velicer的最低平均偏态检验来确定因子数量。删除了那些未完全载荷到一个因子上的条目（所有载荷>0.3）。
- 我们实施了量表简化（Kemper等人，2018），根据原始理论定义的子量表长度来减少条目数量，目标是将量表缩短至约30个条目（每个子量表至少3个条目），同时保持结构 validity。
- 在Study 1b中，我们使用相同的方法和流程对新的样本进行了验证，确保量表的跨样本测量一致性。内容有效性程序的结果导致技术监控子量表中有两个项目被删除，一个项目被替换。此外，调节子量表中也有一个项目被替换。具体在净化、简化和内容有效性程序中被移除的项目在补充材料C中有详细说明。请参见表4以获取项目和因子结构。最终得到的量表包含32个项目，这些项目分别属于以下因素：调节（8个项目）、技术监控（3个项目）、共同使用（3个项目）、调解（9个项目）、边界协商（6个项目）和代理监控（3个项目）。调节因子包括与规则制定、主动检查孩子的在线活动、时间平衡以及以身作则相关的项目。技术监控因子包括与被动技术监控和技术限制相关的项目。共同使用因子仅包含最初与Modecki等人（2022年）确定的共同使用主题相关的项目。调解因子包括来自在线/离线公民身份、沟通/讨论、指导以及危机干预等主题的项目。边界协商因子由来自学校/教育挑战、紧张关系及解决办法等主题的项目组成。最后，代理监控因子完全由Modecki等人（2022年）研究的代理监控（家庭/年长兄弟姐妹/其他成年人）主题中的项目组成。

确认数字育儿量表的因子结构。CFA支持DPS的六因子结构假设。卡方检验结果显著，χ2(449) = 1278.49, p < 0.001。尽管某些拟合指数低于传统阈值，但模型仍显示出合理的拟合度。CFI = 0.840 和 TLI = 0.823，虽然低于0.90的阈值，但仍表示近似合理。SRMR = 0.076 和 RMSEA = 0.080，90% CI [0.075, 0.085]，也表明拟合合理。考虑到模型的复杂性和所测量的构念，这些指数被认为是可接受的（Marsh等人，2004年）。RMSEA表明拟合度较高，SRMR显示残差可接受。构念信度较强，Cronbach’s alpha和McDonald’s omega值在0.85到0.91之间，证实了内部一致性。

样本间的测量不变性。由于EFA和CFA使用了独立样本，因此需要确定样本间的测量不变性（即将样本作为分组变量）。结果显示，配置不变性模型比度量不变性模型更适合数据，χ2(26) = 53.58, p < .01。然而，两个模型的拟合指数之间的差异并不显著反映配置不变性的优越性：ΔCFI = .003, ΔTLI = -.001, ΔRMSEA = .0003, ΔSRMR = -.004。因此，可以认为度量不变性得到确立。进一步分析表明，度量不变性模型比标量不变性模型更适合数据，χ2(26) = 54.68, p < .001。拟合指数之间的差异可以忽略：ΔCFI = .004, ΔTLI = .0008, ΔRMSEA = -.0001, ΔSRMR = -.0006。因此，标量测量不变性也被认为是确立的。此外，结果还表明标量测量不变性模型比残差不变性模型更适合数据，χ2(32) = 46.65, p < .05。拟合指数之间的差异可以忽略：ΔCFI = -.0003, ΔTLI = -.0048, ΔRMSEA = .0011, ΔSRMR = -.0001。因此，最严格的测量不变性也被认为是确立的，表明交叉验证成功。

最后，在没有样本分组变量的情况下，对两项研究的合并样本进行了CFA，以评估模型的整体拟合度。结果显示拟合度可接受：χ2(449) = 1784.71, p < .001, CFI = .876, TLI = .863, RMSEA = .071, 95% CI [.068, .075], SRMR = .063。所有因子载荷都显著（p < .001），且没有观察到Heywood案例（标准化载荷 > 1）。

数字育儿量表的最终版本。最终的项目列表及相关因子在表4（以及补充材料中的表D1）中列出，还包括使用样本1a数据构建的最终因子载荷矩阵。最终子量表的可靠度很高，McDonald’s omega系数均高于.80（见表5）。潜变量之间的相关性见表6。所有子量表之间均存在显著相关性（p < .05），除了边界协商与共同使用之间、以及调解与代理监控之间的关系（p > .05）。

表5. 所有研究中数字育儿量表潜变量的McDonald’s Omega (ω) 和Cronbach’s Alpha (α) 可靠性系数。
| 子量表 | Study 1a | Study 1b | Study 2 |
|----------------|----------|-----------|-----------|
| 调节 | 0.92 | 0.89 | 0.89 |
| 边界协商 | 0.93 | 0.87 | 0.85 |
| 共同使用 | 0.85 | 0.84 | 0.88 |
| 调解 | 0.93 | 0.91 | 0.91 |
| 代理监控 | 0.91 | 0.90 | 0.91 |
| 技术监控 | 0.89 | 0.88 | 0.87 |

表6. 数字育儿量表中潜变量之间的相关性。
| | | | |
| 调节与边界协商 | 0.11** | |
| 调解与共同使用 | -0.46*** | |
| 调解与代理监控 | -0.16*** | |
| 技术监控与代理监控 | 0.27*** | | |
注意：子量表的计算方法如表2所述。

值得注意的是，除了调解与边界协商之间的负相关（r = -0.16, p < .001）外，所有潜变量之间的显著相关性均为正相关。调解与边界协商之间的负相关表明，使用更多的调解策略意味着青少年与父母之间的边界协商减少。DPS中的调解子量表评估父母是否提供关于安全技术使用和成为良好数字公民的教导和指导。培养这种开放式的沟通关系也有助于围绕父母和青少年对技术使用的期望进行开放交流，并减少父母与青少年之间的技术相关冲突。

**研究2：建立数字育儿量表的效度**
在研究2中，我们试图确立数字育儿量表（DPS）的收敛效度和发散效度。在这里，我们测量了数字育儿行为（通过DPS指标反映）以及一般的育儿策略和经验。然后，我们将这些数据与我们基于现有青少年发展和育儿文献的先验预测进行比较（见补充材料E），探讨数字育儿策略和一般育儿策略可能如何关联。接下来，由于育儿策略与父母性别有关（Yaffe, 2023），并且技术使用模式随年龄变化（例如，Pew Research Center, 2024a, 2024b），我们还试图确定DPS对父母年龄和性别的测量不变性。为此，我们向新的父母样本施用了DPS的最终版本（项目详见表4），以及几个公认的、理论相关的育儿量表。

**参与者**
我们在2023年7月6日至18日期间通过在线众包平台Prolific Academic（https://www.prolific.com）招募了521名参与者。我们的目标是招募约400名参与者参与研究2，这符合普遍接受的指南，并提供了足够的统计功效以获得稳定的参数估计和准确的模型拟合指数（Worthington & Whittaker, 2006）。参与资格与研究1相同。与研究1一样，未能通过任何三项注意力检查的参与者（n=56）被排除在后续分析之外，还有一名未完成研究的参与者也被排除。最终研究2的参与者人数为464人（见表3）。

**测量工具**
参与者完成了研究1中描述的32项数字育儿量表。当前样本中所有子量表的可靠度都很好（Cronbach’s alpha和McDonald’s omega值在0.85到0.90之间）。

**一般育儿量表**
为了研究数字育儿体验与一般育儿行为之间的关系，我们要求参与者完成几个已建立的量表（有关每个量表的更多细节，请参见补充材料E），这些量表涵盖了与控制和请求、父母监控、儿童自愿披露、亲子冲突、父母自我效能和支持儿童自主性相关的关键任务。为此，参与者完成了以下问卷：Parental Monitoring scale（Stattin & Kerr, 2000）、Child Disclosure scale（Stattin & Kerr, 2000）、Parental Solicitation scale（Stattin & Kerr, 2000）、Parental Control scale（Stattin & Kerr, 2000）、Parent-Child Conflict scale（Telzer et al., 2014; Tsai et al., 2015）、Parental Self-Efficacy Scale（McDougal & Scott, 2021）和Parental Autonomy-Support Scale（Soenens et al., 2007）。所有量表的可靠度都较高（Cronbach’s alpha值为0.69到0.93），除了Child Disclosure scale，其在当前样本中的可靠度较低（Cronbach’s alpha = 0.38; McDonald’s omega = 0.55），因此未包括在后续分析中。

**统计分析**
我们使用与研究1中相同的方法进行了验证性因素分析和测量不变性分析。首先，我们评估了所有施测量表的可靠度。符合最低可靠度阈值的量表（可接受的Cronbach’s alpha和McDonald’s omega值在0.68到0.95之间；Tavakol & Dennick, 2011）被纳入分析。通过将每个DPS子量的平均分数与其他问卷的相应平均分数进行关联来评估收敛效度。观察到的相关性随后与研究团队编码的一组理论预期关系进行了比较（见补充材料E中的预期关系）。使用Fornell-Larcker标准（Fornell & Larcker, 1981）评估了区分效度，该标准比较了每个构念的AVE与其与其他构念之间的平方相关性。当一个构念的AVE大于其与任何其他构念的共同方差时，表明这些构念在实证上是不同的（Cheung et al., 2024）。最后，使用相关分组变量进行了测量不变性分析。父母性别被作为二元分组变量（女性/男性），而年龄被分为三个三分位数。分析采用了Huber-White稳健标准误差，并通过效应编码实现了识别。如前所述（见研究1和补充材料A），运行了四个模型来评估测量不变性。每个组的潜均值被可视化以便进行组间比较。

**确认性因素分析**
数字育儿量表的确认性因素分析得出了虽然不理想但可接受的全球拟合指数。卡方检验结果显著，χ2(449) = 1718.69, p < .001，这在样本量较大的模型中是预期的。增量指数（CFI = 0.86 和 TLI = 0.84）略低于传统阈值（理想值应大于0.90）。然而，绝对拟合指数表明拟合合理（RMSEA = 0.078，95% CI [0.074, 0.082]；SRMR = 0.073），反映出残差并不过大。所有因子载荷都显著（ps < .001），且未检测到Heywood案例（标准化载荷 > 1），表明潜在构念定义明确。尽管CFI和TLI低于最佳水平，但RMSEA和SRMR表明模型具有合理的拟合度。鉴于模型的复杂性和显著因子载荷的一致性，该结构被认为是对潜在构念的有效代表。正如Marsh等人（2004）所强调的，拟合指数不应被严格解读，特别是在复杂模型中，轻微偏离传统阈值是常见的，且可能不会削弱实质效度。相反，应优先考虑多个拟合指数的收敛性、强因子载荷和理论可解释性。总体而言，六因子模型展示了既具有实证合理性又符合理论构念的结构效度。

**收敛效度和发散效度**
通过检查数字育儿量表子量的平均分数与其他问卷相应构念之间的对齐情况来评估收敛效度（也通过平均分数测量；见表7）。总体而言，48%（26/54）的预期关系得到了验证。数字育儿量的调解子量表显示出最强的收敛效度，与所有但两个预期关系一致。值得注意的是，调解与Parental Control量表的分数之间存在正相关（r = 0.27, p < .001），而不是预期的负相关；同时，调解与Parental Monitoring量表的分数也存在正相关（r = 0.49, p < .001），而预期中没有这种相关性。

**研究2：建立数字育儿量表的效度**
在研究2中，我们试图确立数字育儿量表（DPS）的收敛效度和发散效度。在此，我们测量了数字育儿行为（通过DPS指标反映），以及一般的育儿策略和经验，并将这些数据与我们基于现有青少年发展和育儿文献的先验预测进行比较（见补充材料E）。接下来，鉴于育儿策略与父母性别有关（Yaffe, 2023），并且技术使用模式随年龄变化（例如，Pew Research Center, 2024a, 2024b），我们还试图确定DPS对父母年龄和性别的测量不变性。为此，我们向新的父母样本施用了DPS的最终版本（项目详见表4），以及几个公认的、理论相关的育儿量表。

**方法**
我们通过在线众包平台Prolific Academic（https://www.prolific.com）在2023年7月6日至18日期间招募了521名参与者。我们的目标是招募约400名参与者参与研究2，这符合普遍接受的指南，并提供了足够的统计功效以获得稳定的参数估计和准确的模型拟合指数（Worthington & Whittaker, 2006）。参与资格与研究1相同。与研究1一样，未能通过任何三项注意力检查的参与者（n=56）被排除在后续分析之外，还有一名未完成研究的参与者也被排除。最终研究2的参与者人数为464人（见表3）。

**统计分析**
我们完成了与研究1中相同的方法进行了验证性因素分析和测量不变性分析。首先，我们评估了所有施测量表的可靠度。符合最低可靠度阈值的量表被纳入分析（可接受的Cronbach’s alpha和McDonald’s omega值在0.68到0.95之间；Tavakol & Dennick, 2011）。通过将每个DPS子量的平均分数与其他问卷的相应平均分数进行关联来评估收敛效度。观察到的相关性随后与研究团队编码的一组理论预期关系进行了比较（见补充材料E中的预期关系）。使用Fornell-Larcker标准（Fornell & Larcker, 1981）评估了区分效度，该标准比较了每个构念的AVE与其与其他构念之间的平方相关性。当一个构念的AVE大于其与任何其他构念的共同方差时，表明这些构念在实证上是不同的（Cheung et al., 2024）。最后，使用相关分组变量进行了测量不变性分析。父母性别被表示为二元分组变量（女性/男性），而年龄被分为三个三分位数。分析采用了Huber-White稳健标准误差，并通过效应编码实现了识别。如前所述（见研究1和补充材料A），运行了四个模型来评估测量不变性。蓝色阴影标注的数值符合预测方向（正面、负面或无预测关系），红色阴影标注的数值不符合预测方向。在两个数字育儿量表子量表中，技术监控（3/9 = 33%的预期关联得到支持）和共同使用（4/9 = 44%的预期关联得到支持）的预测结果最少。对于技术监控子量表，预期与亲子请求量表或亲子自我效能量表没有关联，但观察到了正向关联（r = 0.12-0.37，p < .05）。预期与亲子冲突量表有正向关联，但实际上并未观察到这种关联。预期与亲子自我效能量表的情感响应性和沟通子量表以及亲子自主支持量表的促进独立子量表有负向关联，但实际上观察到了较小的正向关联（r = 0.11，p < .05）。对于数字育儿量表的共同使用子量表，预期与亲子请求量表、亲子自我效能量表的纪律、行为管理以及学术和生活技能子量表以及亲子自主支持量表的促进独立子量表没有关联，但观察到了正向关联（r = 0.11-0.44，p < .05）。预期与亲子冲突量表有负向关联，但实际上并未观察到这种关联（r = -0.05，p > .05）。详见表5。

关于区分效度，Fornell-Locker标准（Fornell & Larcker, 1981）适用于所有15对潜变量（即，由某个构念提取的项目的平均方差大于区分构念的平方相关性，详情见补充材料D）。因此，证明了本量表的区分效度。

**测量不变性**
**父母性别**：鉴于父母性别可能会影响育儿策略，我们试图确定数字育儿量表是否对父母性别具有不变性。结果表明，度量不变性模型对数据的拟合度并不比构型不变性模型更好（χ2(26) = 22.93，p = .64），这表明限制加载并未显著降低模型拟合度。因此，认为度量不变性得到成立。度量不变性模型对数据的拟合度优于标量不变性模型：χ2(26) = 56.24，p < .001。然而，拟合指数之间的差异可以忽略不计：ΔCFI = .0034，ΔTLI = -.0011，ΔRMSEA = .0003，ΔSRMR = -.0006。因此，由于在大样本中，拟合指数的差异能提供更清晰的实用拟合度度量，所以认为标量测量不变性也得到成立。
**年龄**：鉴于父母年龄可能会影响数字育儿方式，我们试图确定数字育儿量表是否对父母年龄具有不变性。样本被分为三个组：第1组（23-38岁），第2组（39-47岁），第3组（48-74岁）（这些分组的完整描述见补充材料D）。结果表明，度量不变性模型对数据的拟合度并不比构型不变性模型更好（χ2(52) = 66.01，p = .09），这表明限制加载并未显著降低模型拟合度。因此，认为度量不变性得到成立。度量不变性模型对数据的拟合度优于标量不变性模型（χ2(52) = 84.45，p < .001），尽管拟合指数之间的差异可以忽略不计：ΔCFI = .0034，ΔTLI = -.0032，ΔRMSEA = .0007，ΔSRMR = -.0009。因此，由于拟合指数的差异可以忽略不计，认为标量测量不变性也得到成立。图1显示了按性别分层的各子量表的潜在均值。视觉检查未发现任何子量表之间的潜在均值存在显著差异，这进一步支持了数字育儿量表对年龄的测量不变性。

**一般讨论**：本研究开发了一种评估数字育儿实践的测量工具，这些实践在定性文献中经常被提及，但在定量测量中缺失。通过三个样本，建立了一个包含六个因素的数字育儿量表，证明了多样的数字育儿实践是可以区分和测量的。这六个因素分别是：监管、中介、代理监控、边界协商、技术监控和共同使用。监管包括使用技术来规范青少年的技术使用和平衡他们的线上和线下时间；中介包括教导青少年安全使用技术并示范技术使用；代理监控包括父母利用朋友和家人来监控青少年的技术使用；边界协商包括平衡青少年和父母的需求以及是否存在冲突；技术监控包括使用技术来监控青少年的技术使用；共同使用则包括父母和青少年一起使用设备。数字育儿量表显示出良好的内部一致性。与线下育儿措施的相关性各不相同，尽管大多数明确的理论预测得到了支持。报告更频繁进行技术相关边界协商的父母也报告了与孩子的高水平一般冲突，而报告高水平数字中介的父母也报告了高水平的总体监控、请求和亲子自我效能，这表明这些子量表具有良好的一致性效度。

与我们的预测相反，每个数字育儿量表子量表得分与几个意料之外的一般育儿措施相关。例如，我们预测亲子请求量表（Stattin & Kerr, 2000）与技术监控、代理监控或共同使用之间没有关系，但数据显示每种情况都有中等程度的正相关。同样，我们预测亲子自我效能量表的促进学术和生活技能子量表（McDougall & Scott, 2021）与边界协商、监管、技术监控或共同使用之间没有关系，但实际上发现了小到中等程度的效应。这些结果表明，数字育儿实践不能轻易与一般育儿策略分开，可能是这些策略的延伸。因此，数字设备的育儿可能与青少年发展的多种措施相关。这一主题应在未来的纵向研究中进一步探讨。值得注意的是，我们测量的一般亲子冲突（Tsai et al., 2015, Telzer et al., 2014）仅与数字育儿量表的边界协商和中介两个子量表相关。报告与青少年孩子有高水平一般冲突的父母也在数字育儿量表上报告了更多的边界协商和较少的中介行为。

**普遍性和局限性的限制**：这项工作存在一些局限性。重要的是，我们使用了来自美国的在线社区样本，参与者主要是白人，并且至少接受过一些高等教育。此外，在研究1b中，女性参与者多于男性参与者。虽然我们的分析表明数字育儿量表对父母性别具有不变性，但这仍代表了一个潜在的局限性。未来的工作需要调查数字育儿量表在更多样化样本中的实用性，特别是考虑到定性文献表明种族和社会经济地位与父母对家庭中数字技术的看法有关（Modecki, Goldberg, et al., 2022）。虽然原始的数字育儿量表条目是由作者基于Modecki, Goldberg, et al. (2022)的工作生成的，但我们在生成阶段并未寻求专家的正式审查，而是征求了用户（即父母）对最终量表的反馈。这也代表了一个潜在的局限性。此外，未来的工作还应评估数字育儿量表的稳定性，因为本研究并未检验重测信度。

**结论**：由于缺乏与当前技术景观相关的经过验证的数字育儿实践测量工具，关于青少年数字育儿的定量研究一直受到限制。数字育儿量表为研究数字育儿实践及其与青少年发展和福祉关联的研究人员提供了一个可靠且有效的测量工具。未来的研究可以从以人为中心的视角探索数字育儿的各种亚型、数字育儿策略与青少年心理健康结果之间的关联，以及不同数字育儿实践在青少年发展和成年期间对技术使用看法的影响。虽然本研究主要关注青少年的数字育儿，但也需要关注更年幼儿童的数字育儿（例如10岁以下的儿童）。

**作者贡献声明**：
Rachel Goldberg：撰写 - 审稿与编辑、监督、项目管理、方法学、调查、正式分析、数据管理、概念化。
Amy Orben：撰写 - 审稿与编辑、监督、资源管理、项目管理、方法学、调查、资金获取、正式分析、数据管理、概念化。
Amanda Ferguson：撰写 - 审稿与编辑、撰写 - 初稿、监督、项目管理、方法学、调查、正式分析、数据管理、概念化。
Kathryn Modecki：撰写 - 审稿与编辑、监督、项目管理、方法学、调查、资金获取、正式分析、数据管理、概念化。
Augustin Mutak：软件、方法学、调查、正式分析。
Lukas Gunschera：撰写 - 审稿与编辑、验证、软件、项目管理、方法学、调查、正式分析。
Matthew Richards：撰写 - 初稿、可视化、验证、软件、方法学、正式分析。

**透明度和开放性**：所有研究使用的数据、研究材料和代码均公开可用，可访问地址为https://osf.io/n893q/?view-only=1dcc552edf684b7ea99f1c4b9e8642d2。我们报告了如何确定样本量、所有数据排除标准、所有操作以及研究中的所有测量方法。

**伦理考虑和参与同意**：本研究遵循赫尔辛基宣言的标准进行，并获得了Griffiths大学伦理委员会的批准（GU Ref No: 2020/855）。受访者提供了电子同意参与研究的声明。

**利益冲突声明**：作者声明与本研究、作者身份和/或文章发表没有潜在的利益冲突。