劉 旭 蔡 佳 崔 喆 宋美含 王 力

(1 湖南科技大學教育學院，湘潭 411201) (2 中國科學院心理研究所心理健康重點實驗室創(chuàng)傷應激研究實驗室，北京 100101 )(3 中國科學院大學心理學系，北京 100049)

1 引言

網絡成癮（internet addiction, IA）是過度使用網絡形成的一種慢性著迷狀態(tài)，伴隨耐受性增強、戒斷反應等成癮癥狀（劉玎, 盧寧, 2017）。它與賭博成癮（目前唯一被納入疾病診斷的行為成癮）具有明顯的行為相似性，但因缺乏足夠的實證支持，目前僅作為需要進一步研究的疾病被納入《精神障礙診斷與統計手冊》第五版（DSM-5）（American Psychiatric Association, 2013）。為推進IA的分類與診斷，實現有效預防與干預，有必要深入探討其認知作用機制。大量研究表明IA會損傷個體的認知功能，尤其是執(zhí)行功能，如：對網絡相關信息的注意偏向，抑制上網游戲等優(yōu)勢反應能力受損，不能有效抑制分心物的干擾等（繆素媚 等, 2018; 張晶 等, 2019; Ko et al., 2014）。但以往文獻主要關注網絡成癮者注意控制、反應抑制等執(zhí)行功能成分的損傷，較少關注其對內在想法或記憶的抑制控制，即記憶抑制（從抑制對象角度來講，記憶抑制屬于認知抑制）（Penolazzi et al., 2020）。更重要的是，新近研究發(fā)現記憶抑制缺陷可能是酒精、藥物與賭博等物質相關及成癮障礙發(fā)生、維持和復發(fā)的原因（Stramaccia et al.,2017）。因此，探查網絡成癮者的記憶抑制能為更全面深入地理解其內部機制，構建分類與診斷標準提供強有力的實證依據。

一些研究者主張利用提取練習范式來探討記憶抑制（Penolazzi et al., 2020）。該范式首先讓被試學習一系列類別-樣例詞對（fruit-orange），然后依據給定線索提取練習一半類別中的一半樣例（fruit or____），最后對所有詞對進行線索回憶測試（Anderson et al., 1994）。以往研究發(fā)現，練習類別下的練習項目（簡稱Rp+）的正確回憶率顯著高于未練習類別下的未練習項目（簡稱Nrp；部分研究將其細分為Nrp+和Nrp-，分別作為Rp+和Rp-的基線）（劉旭 等, 2017; Anderson et al.,1994），即提取促進效應；練習類別下的未練習項目（簡稱Rp-）的正確回憶率顯著低于基線項目，即提取誘發(fā)遺忘（retrieval-induced forgetting,RIF）。盡管一些研究者主張采用干擾理論來解釋RIF（Raaijmakers & Jakab, 2013），但目前大多實證結果都支持抑制理論，認為RIF是Rp-受到抑制的結果（Anderson, 2003）。

然而，個體差異研究在低抑制控制群體中發(fā)現了抑制理論無法解釋的RIF（Ortega et al.,2012）。大量研究表明，從個體差異角度探討記憶抑制時，提取練習范式的結果易受相關代價與效益問題（correlated costs and benefits problem, CCB）的影響（Schilling et al., 2014; Soriano et al., 2009）。即抑制加工不僅會在提取練習過程中抑制干擾項目Rp-，致使其在最后測試中產生遺忘（與抑制理論觀點相一致）；還會在最后測試中抑制由已獲得增強的Rp+造成的干擾，以促進Rp-的提取（Anderson & Levy, 2007）。前者為代價效應，越大表明抑制性RIF越大；后者為效益效應，越小表示Rp-在最后測試中越難被提取，干擾性RIF就越大。由此可見，無論抑制控制能力是否受損，個體都能產生RIF，但產生機制存在本質區(qū)別：高抑制能力者將代價和效益效應最大化，產生符合抑制理論的抑制性RIF；低抑制能力者在兩方面皆表現不佳，產生符合干擾理論的干擾性RIF。

為探討CCB的影響，早期研究者通過在最后測試階段安排項目指向性更強的再認或類別-詞干線索測試來削弱效益效應（Soriano et al., 2009;Storm & White, 2010）。但這只能減少Rp+的干擾，不能從根本解決問題，也不能證實效益效應的存在及影響。近年來，白學軍、劉旭等研究者主張采用項目競爭強度來直接檢驗RIF中的CCB（白學軍, 劉旭, 2013; 劉旭 等, 2017; 劉旭, 李百涵 等, 2019）。項目競爭強度是指Rp-在提取練習過程中對Rp+的干擾強度，其中，高項目競爭強度為高強度Rp-對提取低強度Rp+形成的強烈干擾；低項目競爭強度為低強度Rp-對提取高強度Rp+形成的弱干擾，甚至無干擾（劉旭, 岳鵬飛, 白學軍,2019）。據CCB假說，高抑制控制能力者在高項目競爭強度下產生抑制性RIF，在低項目競爭強度下不產生RIF；抑制控制能力嚴重受損者在兩種條件下均產生干擾性RIF，且低項目競爭強度下產生的RIF更大。與此相一致，白學軍和劉旭發(fā)現，大學生在高項目競爭強度下產生了抑制性RIF，抑制控制能力受損較為嚴重的老年人在低項目競爭強度下產生了干擾性RIF。隨后，劉旭等研究者證實控制組大學生和高反應抑制能力大學生在高項目競爭強度下能產生抑制性RIF，但毒品成癮者和低反應抑制能力大學生等抑制控制能力受損個體在低項目競爭強度下均未產生預期的干擾性RIF（劉旭 等, 2017; 劉旭, 李百涵 等, 2019; 劉旭, 岳鵬飛, 白學軍, 2019）。由此可見，操縱項目競爭強度為探討RIF中的CCB提供了新視角，并證實了抑制控制能力損傷程度是影響探究RIF中CCB的重要因素（Anderson & Levy, 2007; Ortega et al., 2012）。但目前僅在抑制控制能力受損較為嚴重的老年人群體中驗證了低抑制控制能力個體會因遭遇CCB而產生干擾性RIF。因此，有必要以抑制控制受損者為研究對象進一步探討CCB對RIF產生機制的影響。

綜上，本研究通過檢驗項目競爭強度對網絡成癮大學生RIF的影響來實現兩個目的：一是從個體差異角度探討RIF中的CCB，以進一步澄清RIF的產生機制；二是探討網絡成癮大學生記憶抑制的特征，以期從記憶抑制視角為IA的臨床診斷做出貢獻?；谇叭搜芯拷Y果假設：（1）網絡成癮大學生的RIF會受到CCB的影響。其中，低網絡成癮大學生在高項目競爭強度下產生抑制性RIF，在低項目競爭強度下不產生RIF；高網絡成癮大學生在高、低項目競爭強度下都產生干擾性RIF，且低項目競爭強度下的RIF更大。（2）低網絡成癮大學生的記憶抑制能力完整，但高網絡成癮大學生的記憶抑制能力嚴重受損。

2 研究方法

2.1 被試

我國大學生網絡成癮檢出率為10.70%（劉奕蔓 等, 2021）。設定檢驗水平α=0.05，容許誤差δ=0.03，由查表法可知所需樣本量為408人?；趩柧碛行Щ厥章蚀_定樣本量不少于449人。采用方便取樣法在湖南和四川兩省的部分高校發(fā)放網絡成癮量表（Internet Addiction Test, IAT）1828份，獲得有效問卷1710份，有效率為93.54%。以IAT得分前、后各27%的被試作為低、高網絡成癮組人選。

在 G*Power 3.1 中設定f=0.25、α=0.05、1-β=0.95，計算出每組所需樣本量為24人（Cohen, 1988; Faul et al., 2007）?？紤]被試流失和實驗程序要求，采用偽隨機方法選取高、低網絡成癮被試各32人。高網絡成癮組平均得分66.59±6.78（范圍53～81），平均年齡19.03±1.03歲，男11人；低網絡成癮組平均得分33.06±4.61（范圍23～39），平均年齡19.25±1.24歲，男9人。兩組年齡差異和性別差異均不顯著，ps＞0.05；IAT得分差異顯著，t(62)=23.15，p＜0.001，d=5.88。所有被試智力正常，視力或矯正視力正常。實驗后給予一定報酬。

2.2 實驗設計

采用2×2×4混合實驗設計。自變量為網絡成癮（高、低）、項目競爭強度（高、低）和項目類型（Rp+、Rp-、Nrp+、Nrp-），其中網絡成癮為被試間變量。因變量為正確回憶率（某實驗條件下正確回憶的詞對數/某實驗條件下總詞對數×100%）。

2.3 研究工具與實驗材料

2.3.1 網絡成癮量表

Young（1998）編制的網絡成癮量表的中文版共20道題，包括強迫性上網及網絡成癮戒斷反應、網絡成癮耐受性、人際關系健康度、時間管理四個維度（李苑文, 2013）。采用5點計分（1=幾乎沒有，2=偶爾，3=有時，4=經常，5=總是），總分范圍為20～100分。一般認為20～49分的個體無明顯網絡成癮問題，50～79分為輕度網絡成癮者，80～100分為重度網絡成癮者（陳若婷 等, 2020）。本研究中該量表的 Cronbach’s α 系數為0.89，各維度Cronbach’s α系數處于0.65～0.72之間。

2.3.2 實驗材料

從白學軍和劉旭（2013）修訂的類別材料中選取10個類別（8個實驗類別，2個填充類別）。每個類別包含3個平均分類等級順序較高的樣例（高強度項目）和3個平均分類等級順序較低的樣例（低強度項目）。

2.4 實驗程序

編程軟件為E-Prime1.1，儀器為分辨率1366×768像素（60Hz）的Dell筆記本。

（1）學習。被試學習類別-樣例詞對。60對詞對依次呈現，每對呈現5000 ms，呈現之前均先呈現500 ms注視點“+”（見圖1）。為避免同類別下樣例之間的相互關聯為樣例提取提供次級線索，采用區(qū)組隨機將所有詞對分為6個區(qū)組，每個區(qū)組包含來自10個類別的不同樣例。其中，3個區(qū)組內的所有樣例均為高強度項目，另外3個區(qū)組內全為低強度項目。為了控制首因和近因效應，每個區(qū)組內首尾位置安排填充詞對，余下8對實驗詞對隨機呈現。

圖1 實驗流程圖

（2）提取練習。被試根據線索（類別+省略后30%筆畫的樣例首字）對一半實驗類別中的一半樣例進行殘詞補全。其中，被試在高項目競爭強度下提取某類別下的低強度項目，在低項目競爭強度下提取某類別下的高強度項目。線索呈現時間和形式同上一階段的詞對。為避免產生次級線索，采用區(qū)組隨機將12對實驗詞對（總實驗詞對的1/4）分為3個區(qū)組，每個區(qū)組包含來自4個實驗類別的不同樣例。每對實驗詞對提取練習3次。為了控制首因和近因效應，避免連續(xù)測試同一類別下的樣例，每個區(qū)組呈現的前后均安排一個填充線索。此外，為平衡實驗材料，共形成4種提取練習程序。

（3）分心。被試執(zhí)行2 min瑞文推理任務。一次呈現一張圖片，呈現時間最長為20 s，被試做出選擇后立即進入下一個試次。

（4）最后測試。被試依據線索（類別+省略后50%筆畫的樣例首字）對所有學習過的實驗詞對進行殘詞補全。線索呈現時間和形式同提取練習階段。所有詞對仍采用區(qū)組隨機，但每個區(qū)組內的所有樣例屬于同一類別。為排除輸出干擾效應，每個區(qū)組內的Rp-均先于Rp+被測試，呈現順序為偽隨機。同時，依據實驗設計，Nrp被細分為Nrp-和Nrp+。此外，為確保所有樣例均參與Nrp，共形成2種測試程序。

因此，整個實驗共8種程序。

3 結果

3.1 提取練習結果

高、低網絡成癮組在不同項目競爭強度下的正確回憶率和標準差見表1。

表1 提取練習階段的正確回憶率（M±SD）（%）

2（網絡成癮：高、低）×2（項目競爭強度：高、低）兩因素重復測量方差分析結果顯示：項目競爭強度主效應顯著，F(1, 64)=10.30，p=0.002，=0.14，高項目競爭強度下的正確回憶率低于低項目競爭強度（82.93% vs.90.10%）。其他效應均不顯著（ps＞0.05）。

3.2 提取促進效應

2（網絡成癮：高、低）×2（項目競爭強度：高、低）×2（項目類型：Rp+、Nrp+）三因素重復測量方差分析結果顯示（見表2）：項目競爭強度主效應顯著，F(1, 64)=20.20，p＜0.001，=0.25，高項目競爭強度的正確回憶率低于低項目競爭強度（72.53% vs.80.60%）；項目類型主效應顯著，F(1, 64)=109.03，p＜0.001，=0.64，Nrp+的正確回憶率低于Rp+（65.63% vs.87.50%）。其他效應均不顯著（ps＞0.05）。

表2 高、低網絡成癮組在測試階段的正確回憶率（%）

基于實驗目的與前人研究經驗，采用配對樣本t檢驗分別對不同網絡成癮被試在高、低項目競爭強度下的Rp+和Nrp+的正確回憶率進行事前比較，結果顯示（見圖2）：對于高網絡成癮組，Rp+和Nrp+在高項目競爭強度下的正確回憶率差異顯著，t(31)=5.02，p＜0.001，d=1.80，Rp+的正確回憶率高于Nrp+；Rp+和Nrp+在低項目競爭強度下的正確回憶率差異顯著，t(31)=7.12，p＜0.001，d=2.56，Rp+的正確回憶率高于Nrp+。對于低網絡成癮組，Rp+和Nrp+在高項目競爭強度下的正確回憶率差異顯著，t(31)=4.31，p＜0.001，d=1.55，Rp+項目的正確回憶率高于Nrp+；Rp+和Nrp+在低項目競爭強度下的正確回憶率差異顯著，t(31)=6.33，p＜0.001，d=0.75，Rp+的正確回憶率高于Nrp+。

圖2 不同網絡成癮者促進效應與遺忘效應圖示

3.3 提取誘發(fā)遺忘

2（網絡成癮：高、低）×2（項目競爭強度：高、低）×2（項目類型：Rp-、Nrp-）三因素重復測量方差分析結果顯示（見表2）：項目類型主效應顯著，F(1, 64)=7.67，p=0.007，=0.11，Nrp-的正確回憶率高于Rp-（69.40% vs.62.76%）；網絡成癮、項目競爭強度和項目類型的三階交互作用顯著，F(1, 64)=4.31，p=0.042，=0.07。簡單簡單效應分析結果發(fā)現，在高項目競爭強度下，低網絡成癮組Rp-的正確回憶率顯著低于Nrp-，F(1,62)=4.66，p=0.035，=0.07；高網絡成癮組Rp-和Nrp-的正確回憶率差異不顯著，F(1, 62)=0.01，p=0.905。在低項目競爭強度下，高網絡成癮組Rp-的正確回憶率顯著低于Nrp-，F(1, 62)=7.25，p=0.009，=0.11；低網絡成癮組Rp-和Nrp-的正確回憶率差異不顯著，F(1, 62)=0.57，p=0.454。其他效應均不顯著（ps＞0.05）。

與提取練習效應一樣，采用配對樣本t檢驗分別對不同網絡成癮被試在高、低項目競爭強度下的RIF作進一步的事前比較，結果與簡單簡單效應分析的結果一致（見圖2）：對于高網絡成癮組，Rp-和Nrp-在高項目競爭強度下的正確回憶率差異不顯著，t(31)=-0.11，p=0.915；Rp-和Nrp-在低項目競爭強度下的正確回憶率差異顯著，t(31)=-2.42，p=0.022，d=-0.87，Rp-的正確回憶率低于Nrp-。對于低網絡成癮組，Rp-和Nrp-在高項目競爭強度下的正確回憶率差異顯著，t(31)=-2.46，p=0.020，d=-0.88，Rp-的正確回憶率低于Nrp-；Rp-和Nrp-在低項目競爭強度下的正確回憶率差異不顯著，t(31)=-0.87，p=0.394。

4 討論

4.1 CCB對RIF產生機制的影響

本研究發(fā)現，低網絡成癮組在高項目競爭強度下產生了顯著的RIF，但該遺忘效應在低項目競爭強度下消失了。該結果與抑制理論觀點相一致。抑制理論認為RIF具有干擾依賴性。干擾依賴性是指RIF效應量的大小取決于提取練習過程中Rp-產生的干擾強度，即項目競爭強度愈大的Rp-產生的干擾作用愈強，它受到抑制的可能性就愈大，進而產生的RIF就愈大（Anderson et al., 1994）。

更重要的是，高網絡成癮組在低項目競爭強度下也產生了顯著的RIF。據抑制理論觀點可知，低抑制控制能力的高網絡成癮組不能產生RIF（Anderson, 2003）。因此，推測高網絡成癮組的RIF遭遇了CCB。從實際結果來看，網絡成癮和項目類型的交互作用不顯著，且Nrp-的正確回憶率顯著高于Rp-。這說明高、低網絡成癮組皆產生了顯著的RIF。從CCB的觀點來看，高抑制能力者將代價和效益效應最大化，從而產生抑制性RIF；低抑制能力者將二者最小化，進而產生干擾性RIF（Anderson & Levy, 2007）。因此，高網絡成癮組的RIF確實受到了CCB影響。

4.2 RIF與記憶抑制

低網絡成癮組在高項目競爭強度下產生顯著的RIF，在低項目競爭強度下沒有產生RIF；高網絡成癮組相反，其在低項目競爭強度下產生顯著的RIF，高項目競爭強度下則無。該結果符合項目競爭強度操作可以直接檢驗CCB的觀點。然而，劉旭、岳鵬飛和白學軍（2019）認為抑制控制能力嚴重受損者在高、低項目競爭強度下都將產生干擾性RIF。但本研究發(fā)現高網絡成癮組在高項目競爭強度下未產生顯著的RIF。這可能是由于該組的記憶抑制能力雖受到很大程度的損傷（這種程度的損傷足以使其深受CCB影響），但仍具備一定的抑制控制能力。這種能力使其恰巧可以抑制提取練習過程中高強度Rp-的干擾，以及最后測試中獲得增強的低強度Rp+的干擾，但不足以抑制低項目競爭強度下最后測試中Rp+的干擾。

這種解釋與以往文獻的觀點相一致。例如，Ortega等（2012）指出，個體的抑制控制能力不是一個“全或無”的概念，它有程度之分。劉旭、岳鵬飛和白學軍（2019）指出，當最后測試采用類別-詞干線索測試時，低項目競爭強度下Rp+在最后測試中對Rp-的干擾作用強于高項目競爭強度下高強度Rp-在提取練習過程中對Rp+的干擾，也強于已獲得增強的低強度Rp+在最后測試中對Rp-的干擾。因此，通過操作項目競爭強度可以區(qū)分不同來源的RIF，支持了白學軍和劉旭（2013）的觀點。同時，本研究表明高網絡成癮組記憶抑制能力受到了較為嚴重的損傷。也正因如此，當減少或停止網絡使用時，網絡成癮者無法抑制再度使用網絡的強烈愿望，并表現出戒斷反應這一成癮特征。

基于抑制控制能力是一個程度概念的觀點，低網絡成癮組的抑制控制能力也可能受到一定程度的損傷，他們在高項目競爭強度下產生的RIF仍有可能包含干擾作用（Ortega et al., 2012; Schlichting et al., 2015）。如果獲得增強的Rp+確實對Rp-產生了干擾，那么低網絡成癮組在高項目競爭強度下受到的干擾作用的強度應和高網絡成癮組一樣。實際結果發(fā)現，高網絡成癮組在高項目競爭強度下僅產生了效應量為0.52的RIF，且依據上文可知此為抑制機制發(fā)揮作用的結果。由于低網絡成癮組的抑制能力強于高網絡成癮組，前者產生的干擾性RIF的效應量應小于后者。因此，低網絡成癮個體在高項目競爭強度下未產生干擾性RIF，其記憶抑制能力較為完整。

研究結果在一定程度上支持了以往有關網絡成癮者抑制控制加工受損的觀點。例如，認知神經研究發(fā)現，網絡游戲成癮大學生的N2和P3波幅顯著異于對照組，抑制無關信息的能力受到損害（張志瑩 等, 2018）；額葉-紋狀體網絡過度激活，反應抑制能力降低（Ko et al., 2014）；網絡成癮大學生前扣帶回過度激活，錯誤監(jiān)控能力下降（Dong et al., 2013）。此外，本研究也為網絡游戲經驗對玩家抗分心物干擾能力的影響受游戲卷入程度調節(jié)提供了佐證。該行為研究發(fā)現，網絡游戲成癮組的抗分心物干擾能力受損，但有游戲經驗而未成癮組的能力不受影響（繆素媚 等,2018）。更重要的是，本研究進一步拓展了前人研究的結果。以往研究側重于以主觀表型指標（臨床觀察和自我報告）和反應抑制等為標準來診斷IA。本研究則從內表型指標角度直接考察了網絡成癮大學生對競爭性或闖入性記憶的抑制控制，且發(fā)現IA確實會損害個體的記憶抑制能力。這表示記憶抑制缺陷可能是IA的重要臨床癥狀之一。這不僅為理解IA的形成機制提供了嶄新視角，同時，聯合內在與外在抑制控制能對網絡成癮者的認知剖面作出更精細的描述，進而為IA的診斷、分類以及設計更有針對性的干預方案提供了客觀依據。

5 結論

（1）從個體差異角度來探討CCB問題對RIF的影響時，可以通過操縱項目競爭強度直接區(qū)分RIF的具體產生機制。（2）網絡成癮大學生的記憶抑制能力受損較為嚴重。