睡眠不足是美國日益嚴重的健康問題。根據疾病控制和預防中心（CDC）的數據，超過30%的美國成年人睡眠不足，超過35%的成年人認為他們的睡眠質量「差」或「一般般」。睡眠不足會導致多種健康問題，包括發生意外事故可能性的增加、肥胖、糖尿病、認知能力下降以及與年齡相關的慢性疾病。
大學生，尤其是大一新生，最易受到睡眠問題的影響。一些研究發現，超過76%的大學生說明了自己偶爾的睡眠問題，12-42%的學生報告說他們的睡眠質量很差。在過去的十年中，使用社交媒體的年輕人比例大幅上升，之前的研究表明，社交媒體的使用越多，壓力就越低。以往的研究發現，年輕成年人使用電子媒體的時間降低了他們的睡眠時間和睡眠質量。社交媒體使用率高會導致更大的睡眠障礙和強迫性的刷Facebook。也有研究發現，由於人們的睡眠和晝夜規律，Twitter的情緒在一天中會發生變化。具體來說，Twitter上的積極情感在平日更高，並且在人們醒來之前達到高峰，然後逐漸下降。在本研究中，我們試圖探究大一新生的睡眠質量與他們社交媒體使用模式之間的關係。
本研究的招募對象是來自加州大學洛杉磯分校（UCLA）的大一新生們。這些學生是活躍的Twitter用戶，每周至少發三次推文。參與者每周完成一項簡短的在線調查，包括學生的壓力水平、應對壓力的方法和情緒水平。每項測量使用5級李克特量表進行評分。
Twitter是一種社交媒介、在線社交網絡，它可以讓用戶更新不超過140個字符的消息，這些消息也被稱作「推文（Tweet）」。也可以轉發別人寫的推文（被稱為Retweets）。通過使用機器學習模型（樸素貝葉斯分類器），我們將所有的推文分為五種情緒類別：恐懼、憤怒、愛、快樂與中性。由兩名研究人員將其編碼為五種情緒類別中的一種。轉發的推文沒有被考慮，因為這些都不是由實驗對象寫的，研究表明它們不會反映個體的情緒。在手工編碼後，快樂（22.1%）和恐懼（17%）是最常見的情緒表達（不考慮中性：25.8%）。將3500個手工編碼的推文放置在機器學習模型（樸素貝葉斯分類器）中，用來預測其餘推文中的情緒。
本研究使用留一交叉驗證法來評估模型的準確性。每個模型的估計準確率都比較高，模型預測推文的憤怒程度最高（89.4%），其他情緒如下：愛（83.4%）、恐懼（79.4%）、快樂（74.5%）、中性（69.5%）。然後使用經過訓練的模型對未編碼的其餘推文進行分類。所有的自然語言處理和預測分析都是在IPython中使用NLTK和scikit-learn進行的。
這一縱向研究跨越了大一第一學期的10周。該研究的目的是評估新生的睡眠質量與Twitter使用的關係。所有的回歸都將自我報告的睡眠質量作為線性混合效應模型中的因變量。樣條曲線的時間段以說明數據的非線性特性。線性混合效應模型允許分析重複測量之間的高度相關性。對照零模型的似然比檢驗（LRT）確定統計學顯著性。赤池信息準則（AIC）和貝葉斯信息準則（BIC）也被用來確定模型的適用性。本研究模型如下所示：
在為期10周的研究中，總共有1550次觀察，每周平均回應率為84％。樣本平均年齡為18歲，女性佔60.22%。其中學生人數最多的是健康科學/生物專業的學生。
（一）推特使用與情感表達
在完成初步調查的181名學生中，有166人成功下載了Twitter，剩下的15名學生中，三個學生沒有發推文，六個學生對研究人員的詢問沒有回應，5個帳戶被刪除，還有一個帳戶被暫停。
Table 2包含了21491條推文和14454條推文的轉發。預測情緒的頻率如Table 2所示，快樂（18.7%）和恐懼（12.4%）是最常見的分類情緒。
Figure 1強調了24小時內的變化。每天的模式可以表示為：早上6點到中午1點之間有穩定的增長，這種情況一直到晚上7點，晚上9點到午夜之間又有增長，最後在凌晨2點到6點之間達到了平靜。為了捕捉到這一點，每天被分為4個階段。第1階段（早晨/午餐）為早上6點至下午1點，第2階段（下午）為下午1點至晚上7點，第3階段（晚上）為下午7點至凌晨2點，第4階段（深夜）為凌晨2點至早上6點。
根據推文中單個元素的數量，推文也進行了長度分類。一個元素可以是一個單詞、一個縮略詞/縮寫、一個數字、一個表情符號、一個文本表情符號、一個連結或者一個標籤。所有以@開頭的元素都被刪除了，因為它指定了接收者。推文的平均長度為9個元素，最小值為0，最大值為45。然後根據長度的四分位分布對推文進行分類（見Table 2）。
（二）睡眠質量
自我報告的睡眠質量平均值為3.08。然而，整個學期的平均每周睡眠質量是變化的（見Figure 1）。睡眠質量最低的幾周是期中和期末，而在期末考試前一周睡眠質量最高（mean = 3.41，SD = 0.94，Figure 2）。將每周調查數據與166名學生的Twitter數據合併後，報告的平均睡眠值為3.07。
（三）周睡眠質量與Twitter使用
睡眠質量與Twitter使用的關係如Table 3所示。工作日的深夜更新推特越多越容易導致低睡眠質量（β=−0.937，SE = 0.937），晚上更新推文則不會出現這種情況（β= 0.19，SE = 0.19）。然而，我們在周末沒有觀察到這種差異。
在平日深夜推送較短推文的學生與睡眠質量較差有關（β=−0.41，SE = 0.41），推送較長的推文與更好的睡眠質量有關（β= 0.20，SE = 0.20）。在工作日期間以恐懼情緒為特徵的大部分推文與較低的睡眠質量相關（β=−0.30 SE = 0.30）。周末推文的長度、推文中體現的情緒與周末睡眠質量沒有其他重要關聯。
這項為期三個月的研究探討了大一新生第一學期自我報告的睡眠質量與社交媒體活動之間的關係。這是僅有的幾項跟蹤新生睡眠的研究之一。
本研究第一個主要發現表明了睡眠質量與學生在一周內使用社交媒體的關係。頻繁地在工作日深夜更新推文的學生睡眠質量明顯降低，但在周末深夜沒有發現這種關係。在工作日的晚上，有更多有趣的推文可以讓你睡得更好。從這些發現中，我們也可以認為，與Twitter的接觸反映了學生的日程安排（比如，在工作日，很多學生早上上課、晚上發推文表明他們沒有睡覺）。
第二項分析顯示，新生的睡眠質量不僅與推文的時間有關，還與推文的內容有關。當學生們在深夜寫下更多的「短」推文時，他們的睡眠質量較低。類似的發現是，當新生們在工作日晚上寫了更多的「長」推文時，他們的睡眠質量更高。Mark等人在一項研究中也有類似的發現。他們的研究表明，夜間重複的刷Facebook與學生睡眠質量的降低有關。這項研究的論點是，寫一條短的推文需要的努力比寫一條長的推文要少，而且頻繁的夜間短推文也相當於在Facebook上反覆刷。值得注意的是，晚上更頻繁的推文與高質量的睡眠相關聯，這表明睡眠質量好的人與較差的人有不同的互動方式。該發現可能的解釋是，睡眠質量好的人會在晚上更多地參與社交和會話式推文；另一方面是更好的睡眠者有強化睡眠時間表的積極習慣。
最後，本文確定了新生在社交媒體活動中表達的恐懼程度與睡眠質量的關聯。學生們所寫的推文反映了他們的情緒狀態，對於大一新生來說，由於學業壓力和其他生活的改變，恐懼是一種特別重要的情緒。這一發現證實了學生睡眠質量和情緒之間的聯繫，並強調了恐懼的首要地位，而不是新生的其他情緒。
除此之外，本研究還有一些局限。首先，該樣本僅限於活躍的Twitter用戶，這可能導致少數族裔學生的比例過高。因為Twitter在黑人和拉丁裔青年中很受歡迎。第二，樣本中包含了大量的健康科學專業的學生。第三，這項研究是為期三個月左右的調查，而不是全年。
文獻來源：
Renee Garett, Sam Liu & Sean D. Young 2018, The Relationship Between Social Media Use and Sleep Quality Among Undergraduate Students, Information, Communication & Society 21(2).
文獻編譯：齊玲雲
譯者簡介：哈爾濱工程大學人文社會科學學院在讀碩士。關注領域：農民工、大數據網絡心理學、留守兒童等。
聯繫郵箱：qly_1995@163.com
「人之為學有難易乎？學之，則難者亦易矣；不學，則易者亦難矣。」
社論譯介作品，歡迎投稿、個人轉發朋友圈，自媒體、媒體、機構轉載請申請授權，聯繫郵箱shelun2015@163.com，註明「機構名稱+轉載」。