国产亚洲精品美女久久久_99久无码中文字幕一本久道_亚洲成AV人影院_亚洲AV影院一区二区三区 狠狠躁夜夜躁人人爽天天不卡_国产激情久久久久影院老熟女_精品性高朝久久久久久久

由教育部人文社会科学重点研究基地国产亚洲精品美女久久久_99久无码中文字幕一本久道_亚洲成AV人影院_亚洲AV影院一区二区三区 狠狠躁夜夜躁人人爽天天不卡_国产激情久久久久影院老熟女_精品性高朝久久久久久久心理与行为研究院、国产亚洲精品美女久久久_99久无码中文字幕一本久道_亚洲成AV人影院_亚洲AV影院一区二区三区 狠狠躁夜夜躁人人爽天天不卡_国产激情久久久久影院老熟女_精品性高朝久久久久久久心理学部朱文凤副教授、硕士生王凯撰写的论文“Dissecting the Predictors of Cyber‐Aggression Through an Explainable Machine Learning Model”于2025年1月在Aggressive Behavior发表，该文由朱文凤和田雪教师担任共同通讯。该研究得到国家自然科学基金（32000768)的资助支持。

一般攻击模型（GAM）认为网络攻击行为源于个体特征和情境因素。先前研究多采用线性模型考察有限变量，导致预测结果过于简化。本研究采用轻量梯度提升机（LightGBM）识别并排序网络攻击行为的风险与保护性因素，通过SHAP（SHapley加性解释）技术评估变量的预测效应，并运用二维偏依赖（PD）图解析预测因子交互作用。在30个潜在因素中，暴力态度、报复动机、反欺凌态度、道德推脱和愤怒沉浸位居前五。

PD分析显示保护性因素（反欺凌态度与道德推理）与风险性因素（暴力态度、报复动机、道德推脱、愤怒沉浸）存在显著交互作用——保护性因素的高分能够减轻风险因素对网络攻击行为的影响。研究结果支持并拓展了GAM理论，为降低中国大学生网络攻击行为提供了干预启示。