共情和网络欺凌: 一个链式中介模型

符婷婷 李鹏 叶婷

摘 要 为探讨共情、道德推脱与传统欺凌和网络欺凌的关系，采用基本移情量表、道德推脱量表、大学生欺负行为问卷和网络欺负问卷对某高校的1556名大学生进行调查。结果发现：（1）认知共情与道德推脱、传统欺凌及网络欺凌三个变量均呈显著负相关，情感共情与道德推脱及网络欺凌两个变量呈显著负相关而与传统欺凌无显著相关，道德推脱与传统欺凌、网络欺凌两个变量呈显著正相关; （2）认知共情能直接负向预测网络欺凌，也可以通过三条路径间接预测网络欺凌：即通过道德推脱的中介作用，通过传统欺凌的中介作用，通过道德推脱和传统欺凌的链式中介作用;（3）情感共情也能直接负向预测网络欺凌，也可以通过两条路径间接预测网络欺凌：即通过道德推脱的中介作用，通过道德推脱和传统欺凌的链式中介作用。本研究在线索过滤理论和网络欺凌的一般攻击模型的基础上，加入个人传统欺凌经历这一要素，尝试揭示网络欺凌的发生机制。

關键词 共情;网络欺凌;传统欺凌;道德推脱

分类号 B849

DOI： 10.16842/j.cnki.issn2095-5588.2020.02.005

1 引言

互联网如同一把“双刃剑”，在增加与同伴的交流和促进使用者社会化的同时，亦带来了一系列的风险，其中就包括网络欺凌（Barlett， Gentile， & Chew， 2016）。网络欺凌（Cyberbullying）是伴随互联网的发展而产生的一种新欺凌行为。Smith等人（2008）将其定义为一个群体或个人使用移动电话或互联网对无法反抗的受害者反复、 长期地实施有意的攻击行为。 已有研究表明， 无论是网络欺凌的欺凌者还是受害者都会产生一系列的问题， 如压力、 自杀意念、 抑郁、 焦虑、 孤独、 药物滥用、 生活满意度降低、 自尊降低、 躯体问题和学业成绩下降等（祝玉红， 陈群， 周华珍， 2014; Kowalski， Giumetti， Schroeder， & Lattanner， 2012; Mitchell， Seegan， Roush， Brown， Sustaíta， & Cukrowicz， 2016）。

网络欺凌常被认为是传统欺凌在互联网上的延伸（Smith， 2015）。传统欺凌（Bullying）是指一个或多个人对受害者故意的、反复的攻击行为，且受害者与欺凌者存在力量不平衡的现象（Olweus， 1994）。Olweus（2013）认为传统欺凌的故意攻击、反复性和力量不平衡这三个标准同样适用于网络欺凌，两者都属于故意攻击。但网络欺凌具有一个重要特点就是网络欺凌者往往并不会在现场直接面对受害者。网络环境更容易让个体去抑制化，减低对他人情绪的感知和对自身行为的反思， 从而进一步实施网络欺凌行为（Kowalski et al.， 2012）。 网络欺凌的反复性体现在，网络空间中一个人单次的攻击行为通过后来的“攻击者”共享和转发也会造成在线“反复”攻击（Nixon， 2014）。欺凌中的力量不平衡是目标受害者感知到的不平衡（如身体力量、自信等不平衡），而网络欺凌属于技术上的不平衡（Olweus， 2013），其匿名性可能是一种力量不平衡的表现（Smith，2015）。综上，网络欺凌与传统欺凌都是以伤害他人为目的的攻击行为，网络欺凌与传统欺凌都具有故意攻击、反复性和力量不平衡的特征，但网络欺凌的特征形成又不同于传统欺凌。

关于欺凌行为的产生机制，Anderson和Bushman（2002）提出了一般攻击模型（General Aggression Model， GAM）。他们认为个体的攻击行为主要由个体因素和情境因素共同引发，这两者共同作用于个体的内部状态，如情绪特征、认知方式和生理唤醒，从而影响评估与决策过程，最后导致不同的行为发生。而欺凌作为一种攻击行为，其产生机制同样可以用一般攻击模型来解释。Kowalski等人（2012）在此理论基础上，提出了网络欺凌的一般攻击模型。他们认为，个体因素（如， 动机、 人格等）和环境因素（如， 感知匿名性等）是行为的输入变量，两者同时作用于个体现有的内部状态（如， 认知、 情绪等）， 从而影响到评价和决策过程，最终导致个体出现网络欺凌行为。

Olweus认为网络欺凌是被高估的现象，相对传统欺凌来说，其影响可以忽略不计（Olweus， 2012）。而Smith（2012）对此进行反驳，认为其忽略了网络欺凌的开放性、匿名性、受众广泛等特点，并指出网络欺凌与传统欺凌有高度重叠，并可能同时发生（Waasdorp & Bradshaw， 2015）。具体来说， 遭受过网络欺凌的个体，有绝大部分的人至少遭受过一种形式的传统欺凌，而网络欺凌他人的欺凌者也有较大比例在现实中欺凌过他人（Olweus， 2012）。针对上述分歧，又有研究者提出应同时将两种欺凌纳入到研究的模型中来分析及对比（Thomas， Connor， & Scott， 2015; Wang， Iannotti， & Luk， 2012）。已有研究表明，传统欺凌的欺凌者和受欺凌者身份可以分别预测网络欺凌的网络欺凌者和网络受欺凌者身份，并且传统受欺凌经历预测了网络受欺凌经历（Kowalski， Morgan， & Limber， 2012）。综上，传统欺凌可能是网络欺凌的预测因素。

有研究表明，共情与网络欺凌、传统欺凌有显著负相关，而且共情对这两者有负向预测作用（Casas， Rey， & Ortega-Ruiz， 2013）。共情（Empathy）是指个体具有设身处地对他人感同身受的人格特质（Davis， 1983）， 而Cohen和Strayer（1996）认为共情是理解他人情绪情感状态或内容及共同体验的能力。这个概念反映出共情存在认知共情和情感共情两个维度，前者是指我们能理解他人的情绪，知道他人的感受的能力，而后者是指我们的情绪会受到他人感染的能力（竭婧，庄梦迪，罗品超，郑希付， 2017）。“Empathy”一词的中文翻译尚存分歧，鉴于国内研究者更多倾向于译为“共情”，故本文以“共情”作为“Empathy”的中文表述。Sutton 等人（1999）认为欺凌者更倾向于表现出一种“冷认知”，从而无法获得对他人的共情理解。因此，共情可能是传统欺凌和网络欺凌的负向预测因素。

道德推脱是指个体产生重新定义自己行为的特定认知倾向，从而使其伤害性显得更小， 最大程度地减少自己在行为后果中的责任和降低对受害者痛苦的认同（Bandura， 1990）。道德推脱理论指出，道德推脱可以导致个体合理化自身的不道德行为，从而做出更多的不道德行为，如网络欺凌（Yeung & Leadbeater， 2010）。 Culnan和Markus（1987）提出了网络人际传播的线索过滤理论（Cues Filtered-Out），该理论认为互动者之间的交流包含多种不同通道的交际线索信息，这些线索信息可以帮助互动者对社交中的不确定性进行判断，而以计算机网络为中介进行的信息传播，会导致很多交际线索缺失，从而更可能表现出去抑制化的行为。在网络中，由于个体缺乏面对面沟通，极大地减少了线下人际觉察中的情绪和信息线索，使得个体的道德意识下降，从而导致个体的道德自我调节水平不易激活，道德推脫更容易发挥作用（杨继平，杨力，王兴超， 2014）。有研究表明，道德推脱与欺凌行为显著相关（胡玉华， 2017），道德推脱也可以正向预测大学生的网络欺凌行为（叶宝娟，郑清，姚媛梅，赵磊， 2016;Johnson & Buckley， 2015）。在隐性自恋对网络欺凌的影响中，道德推脱起完全中介作用（李伟，李坤，张庆春， 2016）。Eisenberg（2000）研究指出个体能否在认知和情感上从他人的视角看待问题情境对其道德决策具有重要作用。杨继平等人（2014）的研究也表明，共情通过道德推脱的中介作用对网络过激行为产生影响。因此，道德推脱可能是共情对传统欺凌、网络欺凌的中介变量，共情也可能通过道德推脱、传统欺凌的链式中介作用影响网络欺凌。

综上所述，互联网的匿名性、开放性和非即时性等特征给欺凌在网络上的发生提供了可能性，个人的心理特征和经历也在其中发挥作用（方伟， 2015）。然而，个体行为不仅与个人特质、环境有关，以往经历（如，参与过传统欺凌）也会对行为产生作用，但Kowalski等人（2012）提出的网络欺凌的一般攻击模型并未考虑个体经历的影响。基于现检索到的文献可知，已有研究较多考察网络匿名环境中，个体的共情、自尊等因素与其认知倾向（如，道德推脱）对网络欺凌的影响。但共情和道德推脱也会影响传统欺凌，而这四者的关系尚未明确。因此，本研究从一所大学的本科学生中抽取样本，基于线索过滤理论和网络欺凌的一般攻击模型，考察共情的两种成分，即认知共情和情感共情对道德推脱、传统欺凌和网络欺凌三个变量的影响，并检验道德推脱、传统欺凌在共情两个维度对网络欺凌影响中的中介作用，从个体心理特征和过去经历的角度去理解个体为什么会实施网络欺凌行为。

2 研究方法

2.1 被试

采用方便取样的方法，在昆明市某师范大学内以班级为单位招募被试，并进行集体施测。回收整理后得有效问卷为1556份。其中男生340人（21.85%），女生1148人（73.78%）， 另有68人（4.37%）未填写性别。 大一学生783人（50.30%），大二学生773人（49.70%）。由于是利用校级公共课的课间进行施测，大三、大四学生不需要上公共课，大量取样存在困难，因此本研究未对大三、大四学生进行取样。

2.2 研究工具

2.2.1 基本移情量表

采用夏丹（2011）修订的Jollife和Farrington于2006年编制的基本移情量表（Basic Empathy Scale），鉴于国内学者较多把“Empathy”译为共情，因此，在本研究中将该量表测量的结果表述为“共情”指标。该量表分为认知共情和情感共情两个维度，共20个条目，采用李克特5点计分（从“1=完全不同意”到“5=完全同意”）。该量表应用于青少年和大学生群体，被证实信度良好（何丹， 申曦， 杨欢， 范翠英， 2017; Totan， Dogan， & Sapmaz， 2012）。该量表维度分数为各维度条目之和，分数越高，认知共情或情感共情能力越强。本研究以认知共情和情感共情两个维度分作为测量指标。夏丹（2011）修订的量表整体的α系数为0.77，认知共情和情感共情的α系数分别为0.72、0.73。本研究中该量表整体α系数为0.80，认知共情和情感共情的α系数分别为0.76、0.76。

2.2.2 道德推脱量表

采用王兴超与杨继平（2010）修订的道德推脱量表，分为道德辩护、委婉标签、有利比较、责任转移、责任分散、扭曲结果、非人性化和责备归因8个维度，共26个条目，采用李克特5点计分（即从“1=很不符合”到“5=符合”）。该量表总分为全部条目之和，分数越高，道德推脱水平越高。本研究以道德推脱量表总分为测量指标。王兴超和杨继平（2010）修订道德推脱量表的整体α系数为0.87，本研究中该量表的α系数为0.90。

2.2.3 大学生欺负行为问卷

采用刘富良（2006）编制的大学生欺负行为问卷，分为欺负分量表和被欺负分量表，本研究仅采用了其中的欺负分量表， 共12个条目，采用李克特5点计分（即从“1=从来没有”到“5=总是如此”）。该量表在对大学生群体的测试中有较好的信度（王菲， 2014）。欺负分量表的分数越高，个体实施传统欺凌的频率越高。本研究以大学生欺负行为问卷的测量结果中的欺负分量表总分为测量指标。刘富良（2006）编制大学生欺负行为问卷的欺负分量表的α系数为0.88。本研究中的欺负分量表的α系数为0.89。

2.2.4 网络欺负量表

采用Zhou等人（2013）修订的Erdur和Kavsut的网络欺负量表，该量表分为网络欺负分量表和网络受欺负分量表。本研究采用网络欺负分量表，共 18个条目，采用李克特4点计分（即从“1=从未有过”到“4=5次以上”）。网络欺负分量表得分越高，个体实施网络欺凌的频率越高。本研究以网络欺负分量表总分为测量指标。Zhou等人（2013）以中国青少年为被试进行施测，结果发现网络欺负分量表α系数为0.88。本研究中网络欺负分量表的α系数为0.92。

2.3 数据处理

采用IBM SPSS 21.0对数据进行分析，采用均值插补法填充少量存在的量表项目缺失值，并运用Hayes（2013）编制的SPSS宏程序PROCESS

采用偏差校正的百分位Bootstrap法

重复抽取5000次进行中介效应检验（方杰， 张敏强， 邱皓政， 2012）。

3 结果及分析

3.1 共同方法偏差

由于本研究所有数据都是通过问卷收集，需要对研究中涉及到的变量进行共同方法偏差检验。采用 Harman单因子检验，对研究中的所有测验项目同时进行探索性因素分析。结果发现，初始特征值大于1的因子有15个，解释了总方差变异的57.62%，并且最大公因子解释总变异量的17.78%（周浩， 龙立荣， 2004）。因此，本研究受共同方法偏差的影响程度很低。

3.2 共情、道德推脱、传统欺凌和网络欺凌的相关分析

各个变量之间的皮尔逊积差相关系数如表1。结果表明，除了情感共情与传统欺凌无显著相关外（p>0.05），其余变量两两之间呈显著相关（p<0.01）。其中认知共情分别与道德推脱、传统欺凌、网络欺凌存在显著负相关;情感共情与道德推脱、网络欺凌为显著负相关，而道德推脱与传统欺凌、网络欺凌为显著正相关。各变量之间达到统计显著的相关系数绝对值在0.04～0.44之间，部分变量之间的简单相关微弱。接下来再采用多元回归分析对这些变量间的关系进行解析。

3.3 道德推脱和传统欺凌在共情与网络欺凌间的链式中介效应检验

采用中介效应检验程序对道德推脱和传统欺凌的中介效应进行分析，结果如表2。认知共情和情感共情都对网络欺凌有负向预测作用（β=-0.17， p<0.01; β=-0.06，p<0.05）。认知共情对道德推脱有显著负向预测作用（β=-0.21，p<0.01），而情感共情对道德推脱无显著预测作用（β=-0.05，p>0.05）。同时检验共情两个维度、道德推脱对传统欺凌的预测作用，结果显示，认知共情、道德推脱对传统欺凌都有显著预测作用（β=-0.12，β=0.32，p<0.01），而情感共情对传统欺凌无显著预测作用（β=0.04，p>0.05）。再同时检验共情两个维度、道德推脱、传统欺凌对网络欺凌的预测作用，结果显示，认知共情、情感共情、道德推脱和传统欺凌都对网络欺凌有显著预测作用（β=-0.06， β=-0.06， β=0.21， β=0.34，p<0.05）。

采用偏差校正的百分位Bootstrap 法进一步检验道德推脱和传统欺凌的链式中介作用，结果如表3。中介效应检验表明，道德推脱和传统欺凌在认知共情和网络欺凌之间的中介效应显著，总中介效应值为-0.12。具体来说，该中介效应通过三条路径的间接效应组成： 通过认知共情→道德推脱→网络欺凌组成的间接效应一（效应值为-0.05）; 通过认知共情→传统欺凌→网络欺凌组成的间接效应二（效应值为-0.04）和通过认知共情→道德推脱→传统欺凌→网络欺凌组成的间接效应三（效应值为-0.03）。而情感共情通过道德推脱的单独中介作用、道德推脱和传统欺凌的链式中介作用对网络欺凌产生影响，总中介效应值为-0.03。具体路径为：通过情感共情→道德推脱→网络欺凌组成的间接效应一（效应值为-0.02）;通过情感共情→道德推脱→传统欺凌→网络欺凌组成的间接效应二（效应值为-0.01）。根据中介效应的判定标准，它们的Bootstrap 95%置信区间都不包含0值，说明这些路径存在中介效应。具体路径如图1。综上，认知共情与情感共情影响网络欺凌的内在机制存在差异，同时也间接说明传统欺凌与网络欺凌既有联系也有区别。

4 讨论

相关分析表明，认知共情与道德推脱、传统欺凌、网络欺凌三个变量之间呈显著负相关，而情感共情与道德推脱、网络欺凌两个变量之间也为显著负相关，与传统欺凌相关不显著，道德推脱与传统欺凌、网络欺凌两个变量之间显著正相关。进一步的中介效应分析表明，道德推脱和传统欺凌在认知共情与网络欺凌之间起中介作用，通过三个路径产生：道德推脱的单独中介作用;传统欺凌的单独中介作用;道德推脱和传统欺凌的共同中介作用。情感共情可以通过道德推脱的单独中介作用、道德推脱和传统欺凌的共同中介作用影响网络欺凌。

本研究中，认知共情对网络欺凌和传统欺凌都有显著负向预测作用，而情感共情仅对网络欺凌有显著负向预测作用，对传统欺凌则无显著预测作用。一项元分析指出，網络欺凌者有更低的认知共情和情感共情（Zych，Baldry，Farrington， & Llorent， 2018）。这说明认知共情和情感共情对网络欺凌具有相对稳定的负效应。本研究也同样为这种负效应提供了支持证据。而有研究发现认知共情与情感共情都与传统欺凌行为呈负相关（Nickerson，Aloe， & Werth， 2015），这与本研究结果不一致。若从情感共情对两种欺凌的影响方式来看，在网络欺凌情境中，由于延时性和非现场性，欺凌者越能通过想象体验到受欺凌者的情绪，越不容易发起欺凌行为，所以情感共情能够起到一定的抑制作用;而在传统欺凌情境中，通过情感共情激活的负面体验可能更容易被实施欺凌所获得的现时满足感所掩盖，情感共情即便有效应，也不容易体现出来。网络空间中允许个人保持匿名降低了个人对他人及其周围环境的敏感度，这些社交和语境线索越少，越可能引发情感共情和认知共情下降，从而导致青少年的行为失调（Spears，1998），验证了线索过滤理论。综上，与传统欺凌相比，网络空间的特殊性更容易使个体减少对他人情绪的理解能力，降低道德标准，从而实施更多网络欺凌行为，且共情的不同维度对实施传统欺凌和网络欺凌的影响存在差异。

此外，认知共情可以负向预测道德推脱，并且道德推脱也是认知共情和网络欺凌之间的重要中介因素。以往研究发现，认知共情和情感共情都可以显著负向预测道德推脱（Kokkinos & Kipritsi， 2017）， 在本研究中只有认知共情显著预测道德推脱。但通过Bootstrap法得到情感共情也可以通过道德推脱的中介作用显著影响网络欺凌。这间接说明情感共情对道德推脱的预测效应不显著，可能是在本研究中这种效应太弱而统计力不足导致。因此两种共情成分中，认知共情是道德推脱的主要预测因素。共情的认知推理过程是减少道德自我调节功能选择性失效的主要因素，对他人体验痛苦的共鸣能力也可能影响道德自我规范，从而使个体在实施网络欺凌行为后，产生更多的内疚和自责。

认知共情还可以通过传统欺凌的单独中介作用、道德推脱与传统欺凌的链式中介作用影响网络欺凌，情感共情通过道德推脱和传统欺凌的链式中介对网络欺凌产生影响。正如Kowalski等人（2012）提出的网络欺凌的一般攻击模型所言，共情、网络匿名性分别作为个体因素和环境因素影响个体的道德判断，从而使个体更容易做出网络欺凌行为。此外，个体以往的欺凌经历也会影响他们的网络欺凌行为。传统欺凌与网络欺凌经常同时发生，并且传统欺凌者往往也是网络欺凌者（Kowalski et al.， 2012; Hinduja & Patchin， 2010）。 本研究结果进一步说明，理解他人的情绪情感能力水平低的传统欺凌者，在缺乏社会线索的网络上更有可能继续对他人实施欺凌行为。而认知共情、情感共情都可以通过道德推脱与传统欺凌的链式中介作用影响个体实施网络欺凌。根据已有理论，共情包含识别他人情绪的冷认知和情绪唤醒的热认知两个过程，即认知共情和情感共情，两者相互作用使储存于长时记忆中的道德原则被唤醒（寇彧，徐华女，2005），从而激活个体对不道德行为的调节功能，进而产生按道德标准行事的行为动机（Bandura，2002），提高对传统欺凌行为的内疚和自我谴责，进而减少实施网络欺凌行为。这两条链式中介作用也揭示了共情的不同维度通过中介因素的单独和共同作用影响网络欺凌的内部机制，同时也间接说明传统欺凌与网络欺凌既有联系也有区别。

本研究通过探究共情、道德推脱、传统欺凌和网络欺凌的关系，基于线索过滤理论和网络欺凌的一般攻击模型，从心理和行为方面解释了个体实施网络欺凌行为可能的原因，尝试为网络欺凌的一般攻击模型增加新的输入变量——以往欺凌经历。个体的认知共情与情感共情在影响网络欺凌的方式上存在差异。共情的认知推理部分是减少道德推脱的主要因素，道德推脱和传统欺凌有助于增加实施网络欺凌行为的频率，而道德推脱、传统欺凌的链式中介作用将有助于我们理解认知共情、情感共情对实施网络欺凌的影响的内在机制。本研究启示，在互联网飞速发展的今天，要减少个体的网络欺凌行为，不仅需提升对他人情绪的理解和对他人情绪感同身受的能力，还需要建立个人的道德行为标准，预防道德自我调节的选择失效，避免参与传统欺凌。

本研究也存在不足。第一，由于调查取样限制，只能获取大学生数据，且仅为大一和大二学生数据，未能对大三和大四年级进行研究，并且本研究样本仅来自师范院校，也许难以代表其他类型学校的情况。要进一步确认共情与网络欺凌的关系，未来还需要扩大研究样本范围，对本研究结论的普遍适用性进行检验。第二，本研究仅从传统欺凌和网络欺凌现象中欺凌行为发起的角度进行研究，不能具体指出共情对传统欺凌和网络欺凌的不同角色（即欺凌者和受欺凌者）的影响及其作用机制是否存在差异，未来可以具体探讨共情与特定的传统欺凌、网络欺凌角色的关系。

参考文献

方杰，张敏强，邱皓政 （2012）. 中介效应的检验方法和效果量测量，回顾与展望. 心理发展与教育， 28（1）， 105-111.

方伟 （2015）. 社会建构理论框架下的青少年网络欺凌. 中国青年社会科学，34（4）， 61-65.

何丹，申曦，杨欢，范翠英 （2017）. 父母教养方式与青少年网络欺负：移情的作用. 中国健康心理学杂志， 25（3）， 403-407.

胡玉华 （2017）. 职高学生父母冲突知觉对欺负行为的影响： 道德推脱的中介作用. 硕士学位论文. 四川师范大学.

竭婧，庄梦迪，罗品超，郑希付 （2017）. 神经科学视角下的共情研究热点. 心理科学进展， 25（11）， 106-115.

寇彧，徐华女 （2005）. 移情对亲社会行为决策的两种功能. 心理学探新， 25（3）， 73-77.

李伟，李坤，张庆春 （2016）. 自恋与网络欺凌： 道德推脫的中介作用. 心理技术与应用， 4（11）， 676-683.

刘富良 （2006）. 大学生欺负行为及其与自尊、父母教养方式的关系研究. 硕士学位论文. 江西师范大学.

王菲 （2014）. 大学生社会观点采择能力问卷的编制及其与欺负行为的关系研究. 硕士学位论文. 河北师范大学.

王兴超，杨继平 （2010）. 中文版道德推脱问卷的信效度研究. 中国临床心理学杂志， 18（2）， 177-179.

夏丹 （2011）. 基本移情量表（BES）中文版的信效度及初步应用研究. 硕士学位论文. 郑州大学.

杨继平，杨力，王兴超 （2014）. 移情、道德推脱对初中生网络过激行为的影响. 山西大学学报（哲学社会科学版）， 37（4）， 122-128.

叶宝娟，郑清，姚媛梅，赵磊 （2016）. 道德推脱对大学生网络欺负的影响： 网络道德的中介作用与道德认同的调节作用. 中国临床心理学杂志，24（6）， 146-149.

周浩，龙立荣 （2004）. 共同方法偏差的统计检验与控制方法. 心理科学进展， 12（6）， 942-950.

祝玉紅，陈群，周华珍 （2014）. 国外网络欺凌研究的回顾与最新进展. 中国青年研究，26（11）， 80-85.

Anderson， C. A.， & Bushman， B. J. （2002）. Human aggression. Annual Review of Psychology， 53（1）， 27-51.

Bandura， A. （1990）. Mechanisms of moral disengagement， in W. Reich （ed. ）， Origins of terrorism： Psychologies， ideologies， states of mind（pp. 161-191）. New York： Cambridge University Press.

Bandura， A. （2002）. Selective moral disengagement in the exercise of moral agency. Journal of Moral Education， 31（2）， 101-119.

Barlett， C. P.， Gentile， D. A.， & Chew， C. （2016）. Predicting cyberbullying from anonymity. Psychology of Popular Media Culture， 5 （2）， 171-180.

Casas， J. A.， Rey， R. D.， & Ortega-Ruiz， R. （2013）. Bullying and cyberbullying： Convergent and divergent predictor variables. Computers in Human Behavior， 29（3）， 580-587.

Davis， M. H. （1983）. Measuring individual differences in empathy： Evidence for a multidimensional approach. Journal of Personality and Social Psychology， 44（1）， 113-126.

Cohen， D.， & Strayer， J. （1996）. Empathy in conduct-disordered and comparison youth. Developmental Psychology， 32（6）， 988-998.

Culnan， M. J.， & Markus， M. L. （1987）. Information technologies. In F. M. Jablin， L. L. Putnam， K. H. Roberts & L. W. Porter （Eds. ）， Handbook of organizational communications： An interdisciplinary perspective. Beverly Hills， CA： Sage， 420-443.

Eisenberg， N. （2000）. Emotion， regulation， and moral development. Annual Review of Psychology， 51（1）， 665-697.

Hayes， A. F. （2013）. Introduction to mediation， moderation， and conditional process analysis： A regression-based approach. Journal of Educational Measurement， 51（3）， 335-337.

Hinduja， S.， & Patchin， J. W. （2010）. Bullying， cyberbullying， and suicide. Archives of Suicide Research， 14（3）， 206-221.

Johnson， J. F.， & Buckley， M. R. （2015）. Multi-level organizational moral disengagement： Directions for future investigation. Journal of Business Ethics， 130（2）， 291-300.

Kokkinos， C. M.， & Kipritsi， E. （2017）. Bullying， moral disengagement and empathy： Exploring the links among early adolescents. Educational Psychology， 38（4）， 535-552.

Kowalski， R. M.， Giumetti， G. W.， Schroeder， A. N.， & Lattanner， M. R. （2012）. Bullying in the digital age： A critical review and meta-analysis of cyberbullying research among youth. Psychological Bulletin， 140（4）， 1073-1137.

Kowalski， R. M.， Morgan， C. A.， & Limber， S. P. （2012）. Traditional bullying as a potential warning sign of cyberbullying. School Psychology International， 33（5）， 505-519.