青少年在不同平台上的网络伤害经历

Adolescents' Experiences of Online Harms by Platform

作者信息Angela Y Lee, Carmen H J Lim, Sunny Xun Liu, R Kang Xing Jin, Anneke Buffone, Ravi Iyer, Zachary Rausch, Jonathan Haidt, Nathanael J Fast, Jeffrey T Hancock, Eleni Linos
PMID42758494
发布时间2026-09-18
DOI10.1001/jamapediatrics.2026.4692

实验完整度

横断面观察性调查,仅描述患病率与人口学关联,无实验干预或机制验证。

主要模型

美国13-17岁青少年全国代表性样本 Understanding America Study (UAS) 青少年面板

重点核对

加权样本472名13-17岁青少年,来自47个州 过去4周回顾窗口 20个在线平台使用及伤害经历自报 调查加权logistic回归校正人口学特征

摘要

重要性:关于青少年在网络上面临风险的担忧日益增加,而现有关于网络伤害的研究很少考察平台层面的差异。目的:利用一项全国性调查,估算美国青少年在网络、线下以及20个不同在线平台上报告负面经历的患病率。设计、设置与参与者:这是一项于2025年2月至12月通过基于概率的Understanding America Study面板开展的全国代表性横断面试点调查,对象为13至17岁的美国青少年。评估了自我报告的20个在线平台(如Facebook、Instagram、Snapchat、TikTok和YouTube)使用情况及负面经历。暴露:过去4周内自我报告的20个在线交流平台(如Facebook、Instagram、TikTok、Snapchat和YouTube)使用情况。主要结局与测量:青少年在过去4周内在线、线下以及20个在线平台上报告经历重大风险和伤害的患病率。伤害包括骚扰、性诱骗、接触暴力内容以及与科技相关的睡眠中断。采用调查加权logistic回归考察人口学关联。结果:加权样本包括来自47个州的472名青少年(平均[SE]年龄14.9[0.1]岁;46.8%为女性)。在线上和线下情境中,44.7%目睹过骚扰,29.8%报告在过去4周内直接经历过骚扰。在线暴露在若干伤害上超过线下暴露,包括报告接触暴力图像(10.7% vs 1.6%)、不受欢迎的性图像(13.4% vs 2.0%)以及鼓励自残的内容(9.7% vs 5.2%),而直接骚扰在线下和线上报告率相似(18.5% vs 16.4%)。超过一半(51.5%)自我报告因使用科技而睡眠中断。患病率因平台而异。结论与意义:研究结果提示,美国青少年普遍报告负面在线经历,且在不同平台和青少年亚组之间存在差异。测量负面在线经历的患病率是可行的,并且类似于公共卫生风险监测框架。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
美国青少年报告负面在线经历的频率如何,患病率是否因不同在线平台而异?
核心机制
文中未明确说明
主要证据
基于UAS概率面板的全国代表性横断面调查,472名13-17岁青少年自我报告过去4周在线与线下伤害经历,采用调查加权logistic回归分析人口学关联。
研究意义
研究结果提供了平台层面的基线患病率估计,可能为未来青少年在线经历测量和监测提供信息;测量负面在线经历是可行的,类似于公共卫生风险监测框架。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

全国代表性青少年调查实施

评估美国青少年在线与线下负面经历的患病率及平台差异是否可测量

通过Understanding America Study面板,对13-17岁美国青少年进行横断面调查,评估20个在线平台使用及过去4周负面经历。

2

伤害患病率评估

估计在线、线下及各平台特定伤害的患病率

使用调查加权百分比报告各类伤害(骚扰、性诱骗、暴力内容暴露、睡眠中断等)的患病率。

3

人口学关联分析

识别报告在线伤害暴露的人口学相关因素

拟合调查加权logistic回归模型,以人口学特征、每日使用平台数和家长控制状态为预测变量,分别针对每种伤害结局。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
调查样本与招募
样本量472;年龄13-17岁;来自47个州;通过UAS面板招募;家长许可与青少年同意;加权至全国代表性
阅读提示:Methods第一段及Table 1标题
伤害与平台评估
20个在线平台;过去4周回顾窗口;最多102个条目;平台用户少于100不报告;项目改编自USC Neely Indices和Meta Bad Experiences and Encounters Framework
阅读提示:Methods第二段
统计分析与权重
使用UAS调查特定后分层权重;校正选择概率、无应答和人口学偏差;R版本4.4 survey包;按伤害结局分别拟合模型
阅读提示:Methods第三段及Table 3脚注a
结局定义
伤害类型包括骚扰、性诱骗、暴力内容暴露、睡眠中断等;在线暴露定义为在20个平台中至少1个报告;线下与在线列不互斥
阅读提示:Table 2脚注a和d