【摘 要】
:
虚拟社区感是虚拟社区成员对于彼此以及整个社区都能产生的一种归属感、认同感,是基于虚拟社区情境下的社区感。主观幸福感是个体对于自己的生活质量做出的整体性评估,对于个体的生活满意度有着非常重要的影响。已有研究发现,个体的社区感会对幸福感产生影响。虚拟社区在我国蓬勃发展的同时,也引发了一些社会问题。由于虚拟社区所具有的匿名性特点,导致网络自我不受外界现实的约束,这就可能助长虚拟社区成员不负责任的表达,严
论文部分内容阅读
虚拟社区感是虚拟社区成员对于彼此以及整个社区都能产生的一种归属感、认同感,是基于虚拟社区情境下的社区感。主观幸福感是个体对于自己的生活质量做出的整体性评估,对于个体的生活满意度有着非常重要的影响。已有研究发现,个体的社区感会对幸福感产生影响。虚拟社区在我国蓬勃发展的同时,也引发了一些社会问题。由于虚拟社区所具有的匿名性特点,导致网络自我不受外界现实的约束,这就可能助长虚拟社区成员不负责任的表达,严重的还会引起网络暴力行为,造成群体割裂等。对个体而言,这些现象降低了虚拟社区成员的社区体验感,引发网络媒体焦虑,进而影响其主观幸福感。对全体社会成员来说,这不利于网络社会舆论的良性发展,危害和谐友善的社会氛围。因而在虚拟社区情境下,如何提升社区成员的责任感,增加其网络利他行为和主观幸福感就显得尤为必要。当前虚拟社区中关于主观幸福感的探究还处于起步阶段,虚拟社区感对主观幸福感的影响机制尚不清楚。主观幸福感的交互作用模型指出,幸福必须在人格因素与环境因素相结合的情况下才会产生。因而作为人格因素的利他行为和责任感以及作为环境因素的虚拟社区感可能会对主观幸福感产生相应的影响。基于此,本研究以虚拟社区参与度最高的大学生作为研究对象,研究一修订《虚拟社区责任感问卷》,研究二采用问卷调查的方法对大学生虚拟社区感与主观幸福感间的关系以及网络利他行为的中介作用与虚拟社区责任感的调节作用进行探讨。结果如下:(1)修订了虚拟社区责任感的测量工具《虚拟社区责任感问卷》。该问卷分为三个维度,总计17个条目。经检验具有良好信效度(Cronbach’sα=0.883,?~2/df=2.464,RMSEA=0.078,GFI、CFI、IFI均大于0.8),为测量大学生的虚拟社区责任感提供了更有效的工具。(2)大学生的虚拟社区感总体得分普遍较高,性别和年级差异显著。虚拟社区感各维度中成员资格得分最高,表明大学生对自己所在的虚拟社区有较强的认同感和归属感。(3)大学生的主观幸福感中等偏上,在“对感情和行为的控制”维度上的得分出现偏低的现象。大学生的主观幸福感在性别、年级、是否为党员/入党积极分子、是否为学生干部上存在显著差异。(4)虚拟社区感、主观幸福感、网络利他行为和虚拟社区责任感四个变量均两两显著正相关。大学生的虚拟社区感对主观幸福感的主效应显著,且显著正向预测主观幸福感和网络利他行为,网络利他行为也对主观幸福感有正向预测作用。(5)大学生的网络利他行为和虚拟社区责任感在虚拟社区感和主观幸福感之间发挥有调节的中介作用。其中,网络利他行为发挥了显著的中介作用,即虚拟社区感通过网络利他行为正向影响主观幸福感;虚拟社区责任感调节了中介效应的前半段,即在高虚拟社区责任感的情况下,虚拟社区感会显著提高网络利他行为的水平。论文最后讨论了研究结果对大学生群体和虚拟社区管理者的启示。
其他文献
隐私比较是指协议双方或多方参与者对各方隐私数据进行比较,得出其大小关系或相等关系,同时要保证各方隐私数据不被泄露。隐私排序问题为隐私比较大小问题的扩展。随着量子密码学的兴起,隐私比较和排序向量子领域拓展。目前量子隐私比较和量子隐私排序协议存在效率偏低、资源态制备复杂度高和依赖第三方等问题。鉴于此,本文提出了一个基于量子随机行走搜索算法的量子隐私大小比较协议和一个基于Grover算法的量子隐私排序协
网络流量分类之所以一直是学术界和产业界共同关注的热点之一,是因为它对于网络安全监管、网络发展规划和网络流量调度具有十分重要的意义。其中,基于深度学习的集中式训练方法是研究人员的关注焦点,这种训练模式需要将客户端的私有流量集中部署在网络运营商的大型设备中用于存储和计算海量数据。但是集中式训练过程频频出现数据泄漏等安全隐患,这将严重威胁客户的隐私。而联邦学习能够在不集中原始流量的情况下,协同网络运营商
抑郁症群体执行功能受损方面的研究很多,但从步态操纵的角度去研究改善抑郁症群体执行功能的研究不多。运动心理是一个心理模拟运动的过程,没有实际的动作。有研究表明,前额叶皮层参与了步态运动想象和步态控制,但支持这种观点的证据并不一致。本研究旨在通过两个实验来探究抑郁症大学生执行功能与行走步态的关系,验证行走步态控制是否可以改善抑郁症群体的执行功能,并利用近红外技术探究行走步态控制影响执行功能的生理基础。
目的:随着国家对高等教育的重视,大学生群体越来越庞大。他们的心理问题受到了相当程度的重视,然而在这个群体中有一个小群体却被大家所忽视,那就是肢体活动受限的大学生。这个群体中的学生因为各种原因肢体活动受到了限制,致使不能像大部分人一样自由的进行体力活动,伴随而来的就有可能是各种心理问题。本研究针对肢体受限大学生的心理问题开展研究,调查广州大学肢体受限大学生的日常体力活动情况,研究体力活动和情绪调节相
网络表示学习是通过机器学习方法将高维稀疏数据转换为低维稠密数据,现有的工作主要集中在静态网络和动态同质网络。然而绝大部分网络属于动态异质网络。随着时间推移,网络中节点和边的增加或删除会导致网络的拓扑结构和语义发生变化。目前,大多数动态异质网络表示学习方法使用快照对动态异质网络定义,其前提是需要确保相邻两个时刻的子网络的平滑演化。但是,在一些真实网络中,子网络的节点和边存在巨大差异,基于快照的划分方
近年来,随着深度学习的发展及非限定条件下的人脸数据采集,人脸识别效果日益完善。在日常生活中,人脸识别技术也得到了广泛的应用,如门禁系统,扫脸支付等。但在非限定条件下,人脸识别依旧存在着一些问题,有研究表明:相比于近正脸的人脸识别效果,侧脸的识别显得不尽人意。其中有两个因素导致这一现象:一方面,人脸的姿态偏转会引起自遮挡和非线性面部扭曲等现象,增大了模型对侧脸图像提取特征的难度。另一方面,对于非限定
在学前儿童的幼小衔接阶段,学界不断强调科学的入学准备,不仅因为其对儿童进入小学后的学业表现具有预测性,更因为它对儿童的终身学习、成长和未来发展都具有深远的重要意义。而入学准备不仅要关注儿童自身的准备,更应关注家庭环境的准备。本研究通过调查大班儿童的家庭社会经济地位、家庭学习环境及其入学准备的基本现状,探讨家庭社会经济地位与家庭学习环境对儿童入学准备的影响机制,最终提出创设优质家庭学习环境的教育建议
工业物联网在应用过程中需要数据共享,数据共享的双方会存在访问控制问题。因此在一些需要严格保证数据隐私性的工业物联网应用中,确保数据拥有者能够完全控制访问者的访问权限是实现这些应用的关键。工业物联网设备收集到信息后需要保存到数据库中,使用中心化的数据库会带来单点故障问题。数据拥有者出于自身的利益会篡改或者否认历史数据,确保数据能够高效安全的存储和历史数据不会被篡改是这些应用落地的基础保障。以下是本文
随着信息技术的发展和传统产业的数字化转型,网络被广泛用于刻画复杂系统数据间关系,常见的如引文网络、社交网络等,对网络数据进行有效地表示有利于为下游的网络分析任务提供支撑。传统的邻接矩阵或相似矩阵表示方法,在面对大规模网络时存在高维稀疏的缺点,不利于后续使用机器学习模型进行网络分析。网络表示可以把原始网络映射到向量空间,并保存原始网络的信息。但现有的网络表示方法大多仅考虑了网络中的局部信息,忽略了网
现实生活中描述特定场景的相关属性以不同的频率采集形成的数据称为混频数据。这类数据的特点有三方面,第一,不同属性采集到的数据量不同;第二,各个属性的采样频率恒定不变;第三,混频数据是一种时序数据。本文针对这样的混频数据预测问题,借用深度学习的方法进行了研究。由于数据的采集代价及采集方法不同,在统一的频率下收集数据不太现实。但原始混频数据中蕴含着丰富的信息,合理地捕获这些信息有利于实现最终预测任务。传