数字压力量表在中国大学生中的修订及信效度验证

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 59, No. 6 (Nov. 2023)

北京大学心理与认知科学学院陈仲庚临床与咨询心理学发展基金(2021YJ002(LC))资助

行为与心理健康北京市重点实验室, 北京大学心理与认知科学学院, 北京 100871; †通信作者, E-mail: gyzhou@pku.edu.cn

摘要对 Hall 等的数字压力量表(Digital Stress Scale, DSS)进行本土化修订, 并检验修订版在国内大学生中的信效度。在样本 1(样本量 n=15)中访谈数字压力, 在 4 个方便抽样大学生样本中(样本 2, 3, 4 和 5 的 n 分别为 87, 100, 300 和 239)对数字压力量表进行项目分析、验证性因素分析、结构效度、效标关联效度及信度分析。选取抑郁–焦虑–压力自评量表、生活满意度、UCLA 孤独感量表、领悟社会支持和 Bergen 社交媒体成瘾量表为效标。两周后, 对样本 5 中 156 名大学生进行重测。修订中文版 DSS(Revised Chinese Digital Stress Scale, RC-DSS)中 31 个条目, 包括可联系性压力、认可焦虑、社会比较、错失焦虑、信息过载和在线警戒性6 个因子。项目鉴别度和题总分析显示条目表现良好, 验证性因素分析显示六因子模型拟合程度良好(χ2/df =2.82, GFI=0.80, NFI=0.93, TLI=0.95, CFI=0.96, RMSEA=0.08)。数字压力与社交媒体成瘾、压力、抑郁、焦虑和孤独感显著正相关(r 为 0.41～0.61, p 都小于 0.01), 与社会支持和生活满意度显著负相关(r=−0.24, p<0.01; r= −0.15, p<0.05)。量表内部一致性信度为 0.94, 重测信度为 0.73 (p<0.01)。RC-DSS 具良好的信效度, 适用于测量国内大学生的数字压力。

数字压力指人们在使用社交媒体时产生的一种主观压力体验, 可以用来考察个体对社交媒体内容等刺激的生理、情感和行为反应[1]。近年来, 手机网民规模持续增长。截至 2022 年 6 月, 我国手机网民规模达 10.29 亿, 人均每周上网时长达 28.5 小时[2]。虽然社交媒体给人们带来巨大的便利性, 但也可能成为身心压力来源。例如, 个体感到需要一直保持在线, 以便即时回复信息, 导致难以平衡线上对话和线下生活。他们可能对社交媒体上的信息流感到难以招架。使用社交媒体的个体会体验到更多的向上比较和网络霸凌[3]。以往的研究侧重用使用时长来评估使用社交媒体对身心健康的风险[4], 然而社交媒体使用体验是复杂且多元化的。为了深入地评价社交媒体的使用对行为和心理健康的影响, 需要考究个体使用社交媒体的主观体验。

系统地论述数字压力的理论模型较少, 只有Steele 等[5]提出多维模型, 认为数字压力包含 4 个因子——认可焦虑(approval anxiety)、可联系性压力(availability stress)、错失焦虑(fear of missing out)和信息过载(connection overload)。认可焦虑指对他人是否认可自己在网络上发表的内容而感到焦虑, 可联系性压力指预期别人希望自己回复或可被联系到的压力, 错失焦虑指担心不在场或不知情而错过有价值的信息所带来的压力, 信息过载指网络上信息输入过多带来的压力。研究显示, 体验到更强烈数字压力的人会更长时间地使用社交媒体, 在被拒绝时更加敏感, 也会感受到更强烈的孤独感和社交焦虑[6]。此外, 纵向研究结果表明数字压力与之后的抑郁有关[6]。因此, 未来对数字压力的研究有可能开启改善心理健康的新路径。

当下对数字压力的测量主要采用 Hall 等[7]的数字压力量表(Digital Stress Scale, DSS)。DSS 基于多维模型编制, 包含 24 个条目, 采用 5 点评分, 由 5个因子组成, 增加了在线警戒性(online vigilance)维度。在线警戒性指强烈渴望使用手机, 并频繁地浏览社交媒体。该量表已在美国青少年和大学生中进行初步验证, 具有良好的信效度。高数字压力与更强烈的抑郁症状、焦虑和疲惫感有关, 与低社会参与和低同伴关系相关[7]。Xie 等[8]将 DSS 翻译成中文, 以我国大学生为样本, 初步发现量表具有良好的信效度。受横断面调查设计影响, Xie 等[8]未评估该量表的重测信度。此外, 该研究聚焦翻译原始量表, 没有针对国内社交媒体使用生态进行量表修订。相较于欧美用户, 我国网民是以熟人为主的社交媒体使用生态。在我国 52.2%的微信好友中, 现实生活亲友占 80%以上。社交媒体不仅是信息沟通的平台, 更是熟人间社会比较的平台。生活在集体主义氛围下的人们更在意他人如何评价自己。个体越倾向于进行社会比较, 就越在意他人的评价, 焦虑水平也越高, 总体幸福感也越低[9]。

基于上述背景, 本研究通过质性访谈, 在 DSS中新增社会比较的维度。修订本土化 DSS 有助确立数字压力的跨文化适用性, 为探讨我国大学生心理健康的干预提供新方向。

鉴于东西方社会使用社交媒体的文化及生态不同, 加上我国大学生是频繁使用社交媒体的典型群体, 本研究选取国内大学生为被试, 对 DSS 进行翻译和修订, 并检验修订中文版 DSS 的信效度, 为后续数字压力的研究提供有效的测量工具。

1 对象与方法

1.1 对象

被试纳入条件为年龄在 15～30 岁之间, 具有中文阅读能力, 经常使用社交媒体, 在读中国籍本科生或研究生。采用方便抽样法, 从全国高校选取 5个样本开展研究。考虑量表和信效度指标以往的相关性结果[10–12], 使用 G*Power 3.1.9.7 计算样本量, α=0.05, 1−β=0.80, r=0.2, 得出最小样本量为 191。鉴于验证性因素分析样本量要求为量表条目数的5～10 倍, 且至少有 200 个样本, 综合考虑后, 确定信效度分析最低样本量为 200。

样本 1: 用于提取中国文化背景下数字压力的新维度。招募 15 名本科生及研究生进行结构化访谈, 包括 4 名男生, 11 名女生, 平均年龄为 22.73 岁(SD=1.33, range=20～25 岁), 其中包含 6 名本科生, 9 名研究生。

样本 2: 用于初步的项目分析。共收集 102 份问卷, 剔除未通过测谎题的被试后, 得到 87 份有效问卷。被试年龄为 18～30 岁, 平均年龄为 21.30 岁(SD=2.6)。男生 39 名, 占 44.83%; 女生 48 名, 占55.17%。本科生 59 名(67.82%), 硕士生 24 名(27.59%), 博士生 4 名(4.60%)。

样本 3: 用于正式的项目分析。收集 112 份问卷, 剔除未通过测谎题的被试后, 剩余 100 份有效问卷。被试年龄为 18～28 岁, 平均年龄为 22.59 岁(SD=2.27)。男生 54 名(54%), 女生 46 名(46%)。本科生 85 名(85%), 硕士生 14 名(14%), 博士生 1 名(1%)。

样本 4: 用于验证性因素分析。共收集问卷 332份, 其中有效问卷 300 份。被试年龄介于 17～30 岁之间, 平均年龄为 21.85 岁(SD=2.47)。男生 88 名, 占29.33%; 女生 212 名, 占 70.67%。本科生 193 名(64.33%), 硕士生 84 名(28%), 博士生 23 名(7.67%)。

样本 5: 用于信度及效度检验。共收集 257 份问卷, 有效问卷为 239 份。被试年龄为 16～29 岁, 平均年龄为 22.34 岁(SD=2.29)。男生 109 名, 占45.61%; 女生 130 名, 占 54.39%。本科生 158 名(66.11%), 硕士生 74 名(30.96%), 博士生 7 名(2.93%)。共有 156 名被试完成两周后的重测问卷, 包括 58 名男生, 占 37.18%; 98 名女生, 占 62.82%。被试年龄为 18～29 岁, 平均年龄为 22.24 岁(SD= 2.27) 。

1.2 过程

问卷修订过程涉及 5 次方便取样。由临床心理学专业研究生担任访问者, 对样本 1 进行一对一结构化访谈, 了解受访者的社交媒体使用现况。随后, 受访者填写预测验问卷, 研究者向其介绍数字压力及其维度, 询问其填问卷时想到何种社交媒体, 使用社交媒体时感到最大压力的情境。最后, 邀请受访者评价量表和条目的代表性、全面性、适用性、清晰度和易理解程度。一次访谈持续约 30 分钟。访谈结束后, 对访谈结果进行文本分析, 并与领域内专家讨论新编、删除或修改题项和维度。样本 2 ～5 的被试通过在线招募, 按自愿原则签署知情同意后, 完成线上问卷, 约需 15 分钟。问卷中设 3 道测谎题来保证答题质量。完成问卷并通过有效性测试的被试获 3 元报酬, 完成重测并通过有效填答题的被试获 8 元报酬。

1.3 研究工具

1.3.1数字压力量表(DSS)

Hall 等[7]编制的 DSS 量表的目标人群是 14～30岁的青少年和大学生, 测量在过去一周内使用社交媒体的感受。该量表有 24 项条目, 包括可联系性压力、错失焦虑、在线警戒性、认可焦虑和信息过载5 个维度, 前 3 个维度有 4 个条目, 后两个维度有 6个条目。该量表为 5 点评分量表, 1 分代表“从不”, 5分代表“总是”。累加条目得分后计算总分, 总分越高代表数字压力越高。该量表在过往研究中具有良好的信效度(α=0.85)[7]。我们从原作者处获取 DSS量表的使用和修订授权后, 采用翻译–回译法得到中文版量表初版[8]。具体流程如下: 3 名英语专业硕士研究生翻译原量表至中文, 其中不一致之处由两名应用心理学专业硕士研究生讨论达成一致, 再由另一名英语翻译专业硕士研究生将中文量表回译至英文, 最后由一名心理学教授对比原量表与回译的量表, 找出并修正有歧义的地方。根据 Barber 等[13]的研究, 我们加入与老师或上司沟通所致的压力 10道题目, 以便探索不同联系对象带来的可联系性压力。另外, Wang 等[14]发现, 国内人们使用社交媒体软件时, 会因担心不被认可而选择性地或回避表达观点, 因此我们加入 8 道题目来发掘此方面的认可焦虑压力。此外, 参考国内的研究[9,15–16]后添加 1道错失焦虑题目、3 道有关在线警戒性的题目和 5道社会比较的题目, 测量具本土化特点的内容。上述添加的 27 道条目, 与翻译条目共同组成用于初始分析的 51 条目预测验问卷。

Steele 等[5]的数字压力理论中提到数字压力与心理社会变量的联系, 已有的实证研究证明此理论具有一定的可信性。因此, 本研究选用抑郁、焦虑、压力、生活满意度、孤独感、社会支持和社交媒体成瘾作为效度指标。

1.3.2抑郁–焦虑–压力自评量表(DASS-21)

抑郁–焦虑–压力自评量表由 Lovibond 等[17]编制, 用来测量抑郁、焦虑和压力症状。该量表有 21个条目, 分为 3 个分量表, 每个分量表含有 7 个条目。被试对每项条目在过往一周符合自身实际情况的程度进行评分。量表采用 4 级制评分, 0 分表示“根本不符合”, 3 分表示“非常相符”。每项分量表总分最高为 21 分, 得分越高代表症状越严重。本研究采用其中文版本[18], 在过往研究中表现出良好的信效度[19]。在本研究中, 抑郁、焦虑和压力分量表的内部一致性系数分别为 0.90, 0.89 和 0.89。由于原版量表发现数字压力与抑郁、焦虑和压力水平呈中等正相关关系[7], 因此本研究选抑郁、焦虑和压力水平作为效度指标。

1.3.3生活满意度量表

生活满意度量表由 Diener 等[20]编制, 测量被试整体的生活满意度。该量表包括 5 个条目, 为 7 点评分, 从 1(非常不同意)到 7(非常同意), 总分范围为 5～35 分, 分数越高表示被试对其总体生活状态越满意。在本研究中, 该量表的内部一致性系数为0.90。已有研究发现数字压力对生活满意度有负面影响[21], 因此我们选取生活满意度作为效度指标。

1.3.4简版UCLA孤独感量表

UCLA 孤独感量表[22]测量个体渴望的社会交往与实际情况产生落差时出现的主观体验。本研究采用简版孤独感量表的改编版[23–24]。该量表共有 6 个项目, 计分方式为 4 级制评分。量表总分为 6～24分, 得分越高代表孤独感越高。该量表在本研究的内部一致性系数为 0.92。由于数字压力和孤独感密切相关[25], 因此选孤独感作为效标工具。

1.3.5简版领悟社会支持

领悟社会支持量表由 Zimet 等[26]开发, Porter 等[27]修订, 测量个体感知的家庭、朋友和其他支持。该量表包括 6 个条目, 采用 1(极不同意)至 7 (极同意)的 7 级评分。分数相加得到总分, 总分为6～42, 高分数代表高领悟社会支持程度。本研究中量表的 Cronbach 系数为 0.89。由于数字压力与社会支持显著负相关[28], 本研究将社会支持作为效度指标。

1.3.6 Bergen社交媒体成瘾量表

Bergen 社交媒体成瘾量表由 Andreassen 等[29]编制, 测量个体在过去一年中使用社交媒体时的体验。该量表包含 6 个条目, 分别关注显著性、心境改变、耐受性、戒断、冲突和复发 6 个社交媒体成瘾元素, 采用从 1 (非常少)至 5 (非常频繁)的 5 级评分, 结果用总分呈现, 分数越高代表社交媒体成瘾风险越大。该量表已被翻译至中文, 并展示出良好的信效度[30]。在本研究中, 该量表的内部一致性系数为 0.88。考虑到数字压力对形成社交媒体成瘾的作用[31], 本研究使用社交媒体成瘾作为效度指标。

1.4 统计方法

首先对样本 1 的访谈结果进行主题分析, 主要关注“使用社交媒体时感到压力最大的情境”“量表的适用性、清晰度和易理解程度”以及“条目的适用性、代表性和全面性”。采用 SPSS 统计软件, 考察样本 2 和 3 的题总相关、项目鉴别度和内部一致性。对样本 4, 运用 LISREL 统计软件完成验证性因素分析, 6 个因素之间容许相关, 但条目不允许双重载荷。CFA 分析中使用以下拟合度标准: χ2/df<3, RMSEA<0.08, CFI>0.95[32]。对样本 5, 用 SPSS 进行信度与效度分析。为了验证量表的汇聚效度和区分效度, 计算数字压力总分及分维度与抑郁、焦虑、压力、生活满意度、孤独感、社会支持和社交媒体成瘾的相关系数。各数据样本无数据缺失值。计算基线和 14 天后数字压力得分的 Spearman 相关系数, 考察量表的重测信度, 显著性水平为 0.05。

2 结果

2.1 项目修订及分析

对样本 1 的访谈结果进行编码后, 对各个维度的压力水平进行排序, 发现排序最高的是可联系性压力(8 人), 往下依次是社会比较(5 人)、信息过载(2 人)和错失焦虑(1 人)。在维度的适用性方面, 可联系性压力最为适用, 其次是社会比较、认可焦虑和在线警戒性, 信息过载和错失焦虑的适用性略低。在评价条目时, 有 8 位受访者提到题目间同质性过高。5 位受访者提出, 因为社交媒体大多兼具工作和学习功能, 所以担心错过的不止是别人的生活, 也有重要的消息, 如开会、作业、考试和保研选导师等。此外, 也有 3 位受访者提出, 比起“焦虑回应”这种模糊的词语, “查看点赞/评论”可能更符合中国人手机使用现状。在访谈中有两位受访者提到注意分散的问题, 与专家讨论后, 最终决定将注意分散纳入在线警戒性维度。

对样本 2 的数据进行项目鉴别度分析。高分组和低分组在 5 个题项上的平均数差异值未达到 0.05的显著性水平, 将其删除。然后, 进行题总相关性分析, 计算题项与量表总分的 Pearson 相关系数, 删去 3 个相关性小于 0.3 的题项。剩余 43 道题的题总相关系数为 0.31～0.72 (p<0.01), 内部一致性系数为0.95。结合质性和量化研究, 并与专家讨论后, 我们决定合并重复题项, 如删除“我的朋友们希望经常能在网上联系到我”和“对我的朋友来说, 能经常在网上联系到我很重要”, 只留下“我的大多数朋友们认为能经常在网上联系到我是件好事”一题。最终, 得到 31 题的修订中文版 DSS(Revised Chinese Digital Stress Scale, RC-DSS), 如表 1 所示。

样本 3 的项目鉴别度分析结果显示, 总分不大于 103 的低分组和总分不小于 125 的高分组在各题项上的平均数差异值均达到显著性水平(p 值均小于0.001), 所有项均具有较高鉴别力。然后, 进行题总相关性分析, 各题项得分与量分总分的 Pearson相关系数在 0.42～0.80 之间(表 2), 均在 0.4 以上, 并且达到显著水平(p<0.01), 无需删题。修订量表见附录(访问 http://xbna.pku.edu.cn 查看附录)。

2.2 效度

2.2.1验证性因素分析

采用样本 4 对量表进行验证性因素分析, 检验本研究假设的六因素模型。拟合指标为 χ2=1183.64, df=419, χ2/df=2.82, p<0.001, GFI=0.80, NFI=0.93, TLI=0.95, CFI=0.96, RMSEA=0.08。各项指标均达到标准, 六因素模型拟合度良好(图 1)。

说明: **p<0.01, ***p<0.01; t表示高低分组独立样本t检验值; r表示题项与总分的相关系数。

考察样本 4 的因素间相关性(表 3), 因素间均为中等程度的显著相关, 相关系数在 0.48～0.75 之间。因素与总分的相关性均显著, 相关系数在 0.76～0.86之间, 表明各因素测量的内容与总体一致。

2.2.3效标关联效度

对样本 5 进行量表和效标的相关性分析。效标包括抑郁–焦虑–压力自评量表、生活满意度量表、简版 UCLA 孤独感量表、简版领悟社会支持和Bergen 社交媒体成瘾量表。表 4 列出数字压力及其因子与效标的斯皮尔曼相关系数, 可以看出, 数字压力与社交媒体成瘾、压力、抑郁、焦虑和孤独感显著中等相关, 与社会支持和生活满意度显著负相关, 且与前者的相关程度显著大于后者(p 值均小于0.001), 表明该量表具良好效标效度。

2.3 信度分析

使用样本 5 计算数字压力问卷的内部一致性系数来考察信度, 并计算重测相关系数来考察重测信度, 结果如表 5 所示。量表内部一致性信度为 0.94, 各维度的 Cronbach’s α 系数均在 0.73 以上, 各维度间隔一周的重测信度均大于 0.67。

2.4 RC-DSS常模

修订的量表新增了社会比较维度, 量表总分为155 分。本研究中, 被试的平均分为 39 分, 标准差为 21.92 分。其中, 男生在总量表上平均得分为 95.49 ±22.40, 可联系性压力平均分为 19.70±4.96, 认可焦虑平均分为 15.56±4.14, 社会比较平均分为 10.70± 3.48, 错失焦虑平均分为 15.72±4.65, 信息过载平均分为 14.03±4.11, 在线警戒性平均分为 19.80±5.28。女生在量表总表上平均得分为 103.46±20.90, 可联系性压力平均分为 21.78±4.15, 认可焦虑平均分为16.78±4.25, 社会比较平均分为 11.69±3.80, 错失焦虑平均分为 16.35±4.20, 信息过载平均分为 15.22±4.15, 在线警戒性平均分为 21.64±4.85。独立样本 t检验结果发明, 除错失焦虑维度外, 总分及其他维度上均存在性别差异(p 值均小于 0.05)。

3 结论与讨论

本研究在我国引入数字压力的概念, 在 Steele等[5]原版量表的基础上, 结合中国文化和社交媒体使用特点, 对 DSS 量表进行翻译和修订, 提供适合我国高校学生的数字压力评估工具。该修订中文版数字压力量表 RC-DSS 共 31 题, 分为可联系性压力、认可焦虑、社会比较、错失焦虑、信息过载和在线警戒性 6 个维度。

项目分析结果显示, RC-DSS 各条目在高低分组中有显著差异, 且题总相关性分析显示各条目与量表总分均显著正相关, 因此条目具备良好鉴别力。增加一个“社会比较”的维度后, RC-DSS 验证性因素分析所得的模型拟合度较理想, 表明结构效度良好。效度检验结果显示, 数字压力与社交媒体成瘾、压力、抑郁、焦虑、孤独感均呈现显著中等正关联。这与以往研究[7–8,25,31]发现的现象一致, 反映数字压力越大, 社交媒体成瘾、压力、抑郁、焦虑和孤独感越强烈。数字压力与社会支持和生活满意度呈现较低水平显著负相关, 与已有研究结果[21,28]一致, 即数字压力水平越高, 所感知的社会支持和生活满意度越差。这说明修订后的数字压力量表RC-DSS 具有良好的效标关联效度。在信度方面, 内部一致性信度和两周后的重测信度结果在可接受范围, 跨时间测量稳定性较好, 说明该量表是测量数字压力可靠的工具。

RC-DSS 适用于我国文化与社交媒体的特点, 与西方的数字压力量表既有重叠, 也有区别。该量表增加了“社会比较”维度, 用来反映在社交媒体上与他人比较产生的压力, 例如因他人在社交媒体上更受欢迎或浏览他人动态而认为自己不如他人优秀所感到的压力。国内外的研究发现, 社交媒体使用过程中的社会比较对青少年的心理健康有负面影响[33–34]。由于个体在网络环境中可能有理想化的自我表现, 青少年在社交软件中可能对同龄人形成扭曲的认知。青少年对同龄人进行评价时, 更容易回忆起社交媒体中的信息, 做出对他人过于积极的假设, 导致有害的上行社会比较, 造成情绪问题或自尊下降[35–37]。此外, 原版 DSS 量表中的“可联系性压力”仅涉及同辈, 修订后的 RC-DSS 在该维度中增加了与老师或上司沟通条目, 这些条目反映休息或娱乐时收到来自老师或上司的工作信息而产生的压力。中国的社交软件以微信为主, 通过微信与老师或上司联系是中国特有的情况。集体主义国家中的即时通信会带来工作与非工作边界的模糊。即使不工作, 个人也可能觉得有必要回应与工作相关的信息。下班后使用与工作相关的通信工具减少了休息时间, 从而增加了员工的压力[13,38]。

不同性别的数字压力及社交媒体使用情况不同。本研究发现, 除错失焦虑维度外, 其他维度及数字压力总分均存在性别差异, 女性的数字压力总分显著高于男性。青年女性更可能在社交媒体上进行自我比较(如外貌吸引力), 更容易威胁到自我价值。此外, 她们可能更需要归属感, 因此害怕不受欢迎或错失他人信息, 从而感到压力[34,39]。

本研究的局限性在于样本的男女比例不均衡。另外, 目前的测量仅采用自我报告法, 可能会造成共同方法偏差。未来可以增加社交媒体使用的客观指标及与压力相关的生理指标, 全方位构建数字压力的概念与测量。但是, 数字压力是一种主观体验, 采用自我报告法仍然是十分有效且必要的方法。由于不同群体使用社交媒体的特点不同, 将来需要为不同的群体开发不同版本的数字压力量表, 并建立不同群体的常模。此外, 可以进行纵向研究探究, 数字压力与其他心理健康是否存在因果关系。

总之, 修订中文版数字压力量表 RC-DSS 具有良好的信效度。本研究被试量大, 且分布广泛, 修订后的量表具有较好的可推广性, 可用于中国高校学生的社交媒体使用和心理健康等方面的研究。

[1] Weinstein E C, Selman R L. Digital stress: Adoles-cents’ personal accounts. New Media & Society, 2016, 18(3): 391–409

[2] 中国互联网络信息中心(CNNIC). 第 50 次《中国互联网络发展状况统计报告》[EB/OL]. (2021–02–03) [2022–09–01]. http://www.cnnic.net.cn/hlwfzyj/hlwxz bg/hlwtjbg/202102/P020210203334633480104.pdf

[3] Boer M, Stevens G W J M, Finkenauer C, et al. Social media use intensity, social media use problems, and mental health among adolescents: investigating direc-tionality and mediating processes. Computers in Hu-man Behavior, 2021, 116: 106645

[4] Odgers C L, Jensen M R. Annual research review: Adolescent mental health in the digital age: facts, fears, and future directions. Journal of Child Psycho-logy and Psychiatry, 2020, 61(3): 336–348

[5] Steele R G, Hall J A, Christofferson J L. Conceptua-lizing digital stress in adolescents and young adults: toward the development of an empirically based model. Clinical Child and Family Psychology Review, 2020, 23(1): 15–26

[6] Nick E A, Kilic Z, Nesi J, et al. Adolescent digital stress: frequencies, correlates, and longitudinal associ-ation with depressive symptoms. Journal of Adolescent Health, 2022, 70(2): 336–339

[7] Hall J A, Steele R G, Christofferson J L, et al. De-velopment and initial evaluation of a multidimensional digital stress scale. Psychological Assessment, 2021, 33(3): 230–242

[8] Xie P, Mu W, Li Y, et al. The Chinese version of the digital stress scale: evaluation of psychometric pro-perties. Current Psychology, 2022, 41: 1046–1310

[9] 王明姬, 王垒, 施俊琦. 社会比较倾向量表中文版的信效度检验. 中国心理卫生杂志, 2006, 20(5): 302–305

[10] Kyriazos T A. Applied psychometrics: sample size and sample power considerations in factor analysis (EFA, CFA) and SEM in general. Psychology, 2008, 9(8): 2207–2230

[11] Reinecke L, Aufenanger S, Beutel M E, et al. Digital stress over the life span: the effects of communication load and internet multitasking on perceived stress and psychological health impairments in a German pro-bability sample. Media Psychology, 2017, 20(1): 90–115

[12] Li Y Y, Huang Y T, Dou K. Validation and psycho-metric properties of the Chinese version of the fear of missing out scale. International Journal of Environ-mental Research and Public Health, 2021, 18(18): 9896

[13] Barber L K, Santuzzi A M. Please respond ASAP: workplace telepressure and employee recovery. Journal of Occupational Health Psychology, 2015, 20(2): 172–189

[14] Wang X, Liu Z. Online engagement in social media: a cross-cultural comparison. Computers in Human Be-havior, 2019, 97: 137–150

[15] 李琦, 王佳宁, 赵思琦, 贾彦茹. 错失焦虑量表测评大学生的效度和信度. 中国心理卫生杂志, 2019, 33(4): 312–317

[16] 魏祺. 负性情绪与问题性社交网站使用的关系: 有调节的中介模型[D]. 武汉: 华中师范大学, 2018

[17] Lovibond S H, Lovibond P F. Manual for the depre-ssion anxiety stress scales. Sydney: Psychology Foun-dation of Australia, 1996

[18] Moussa M T, Lovibond P F, Laube R. Psychometric properties of a Chinese version of the 21-item depres-sion anxiety stress scales (DASS21). Sydney: Univer-sity of New South Wales, 2001

[19] Wang K, Shi F L, Geng L Q, et al. Cross-cultural validation of the depression anxiety stress scale-21 in China. Psychological Assessment, 2016, 28(5): e88–e100

[20] Diener E, Emmons R A, Larsen R J, et al. The satis-faction with life scale. Journal of Personality Assess-ment, 1985, 49(1): 71–75

[21] La Torre G, Esposito A, Sciarra I, et al. Definition, symptoms and risk of techno-stress: a systematic review. International Archives of Occupational and Environmental Health, 2019, 92: 13–35

[22] Russell D, Peplau L A, Cutrona C E. The revised UCLA loneliness scale: concurrent and discriminant validity evidence. Journal of Personality and Social Psycho-logy, 1980, 39(3): 472–480

[23] Hays R D, DiMatteo M R. A short-form measure of loneliness. Journal of Personality Assessment, 1987, 51(1): 69–81

[24] 周亮, 黎芝, 胡宓等. ULS-8孤独感量表信效度检验及其应用. 中南大学学报(医学版), 2012, 37(11): 1124–1128

[25] Karsay K, Schmuck D, Matthes J, et al. Longitudinal effects of excessive smartphone use on stress and loneliness: the moderating role of self-disclosure. Cyberpsychology, Behavior and Social Networking, 2019, 22(11): 706–713

[26] Zimet G D, Dahlem N W, Zimet S G, et al. The multidimensional scale of perceived social support. Journal of Personality Assessment, 1988, 52(1): 30–41

[27] Porter B, Kolaja C A, Powell T M, et al. Reducing the length of the multidimensional scale of perceived social support. European Journal of Psychological Assessment, 2020, 36(5): 829–838

[28] Lo J. Exploring the buffer effect of receiving social support on lonely and emotionally unstable social net-working users. Computers in Human Behavior, 2019, 90: 103–116

[29] Andreassen C S, Bilieux J, Griffiths M D, et al. The relationship between addictive use of social media and video games and symptoms of psychiatric disor-ders: a large-scale cross-sectional study. Psychology of Addictive Behaviors, 2016, 30(2): 252–262

[30] Leung H, Pakpour A H, Strong C, et al. Measurement invariance across young adults from Hong Kong and Taiwan among three internet-related addiction scales: bergen social media addiction scale (BSMAS), smart-phone application-based addiction scale (SABAS), and internet gaming disorder scale-short form (IGDS-SF9) (Study Part A). Addictive Behaviors, 2020, 101: 105969

[31] Tarafdar M, Maier C, Laumer S, et al. Explaining the link between technostress and technology addiction for social networking sites: a study of distraction as a coping behavior. Information Systems Journal, 2020, 30: 96–124

[32] Hu L T, Bentler P M. Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modeling, 1999, 6(1): 1–55

[33] 丘文福, 林谷洋, 叶一舵, 等. 社交媒体使用对大学生焦虑的影响: 上行社会比较和心理资本的序列中介作用. 中国特殊教育, 2017(8): 88–92

[34] Nesi J, Prinstein M J. Using social media for social comparison and feedback-seeking: gender and popula-rity moderate associations with depressive symptoms. Journal of Abnormal Child Psychology, 2015, 43(8): 1427–1438

[35] 孔莲, 崔馨月, 田录梅. 微信使用强度与大学生自尊之间的关系: 上行社会比较和好友亲密度的作用. 心理发展与教育, 2021(4): 576–583

[36] Chou H T G, Edge N. “They are happier and having better lives than I am”: the impact of using Facebook on perceptions of others’ lives. Cyberpsychology, Behavior and Social Networking, 2012, 15(2): 117–121

[37] Walther J B, Liang Y J, DeAndrea D C, et al. The effect of feedback on identity shift in computer-mediated communication. Media Psychology, 2011, 14(1): 1–26

[38] Butts M M, Becker W J, Boswell W R. Hot buttons and time sinks: the effects of electronic communication during nonwork time on emotions and work-nonwork conflict. Academy of Management Journal, 2015, 58 (3): 763–788

[39] Beyens I, Frison E, Eggermont S. “I don’t want to miss a thing”: adolescents’ fear of missing out and its relationship to adolescents’ social needs, Facebook use, and Facebook related stress. Computers in Human Behavior, 2016, 64: 1–8

Psychometric Validation of the Revised Chinese Digital Stress Scale in College Students

Beijing Key Laboratory of Behavior and Mental Health, School of Psychological and Cognitive Sciences, Peking University, Beijing 100871; † Corresponding author, E-mail: gyzhou@pku.edu.cn

Abstract This article aims to translate and revise the Digital Stress Scale (DSS) developed by Hall et al. (2021) and validate the revised Chinese DSS’s reliability and validity among Chinese college students. Structured interviews regarding social media use and digital stress were conducted with 15 Chinese college students in sample 1. Four other samples of Chinese college students (n=87, n=100, n=300, n=239) were recruited online by convenience sampling. Item analysis, confirmatory factor analysis, construct validity, criterion-related validity and reliability analysis were conducted. Depression-Anxiety-Stress scale, life satisfaction, UCLA loneliness scale, perceived social support and Bergen Social Media Addiction Scale were used to assess criterion-related validity. Test-retest validity was assessed among 156 college students in sample five two weeks after baseline. The revised Chinese Digital Stress Scale (RC-DSS) consists of 31 items, including six dimensions (availability stress, approval anxiety, social comparison, fear of missing out, connection overload and online vigilance). Discrimination analysis and item analysis showed good discriminability. The six-dimension structure of the scale was confirmed by confirmatory factor analysis (χ2/df=2.82, GFI=0.80, NFI=0.93, TLI=0.95, CFI=0.96, RMSEA=0.08). Digital stress was significantly and moderately associated with social media addiction, stress, depression, anxiety and loneliness (rs=0.41–0.61, ps<0.01), and was negatively associated with social support and life satisfaction (r=−0.24, p<0.01; r=−0.15, p<0.05). The Cronbach’s alpha of the scale was 0.94 and its two-week test-retest reliability was 0.73 (p<0.01). The RC-DSS is a reliable and valid instrument to assess digital stress among Chinese college students.