2026.08.17第 200 期

誓言断网的467人，坚持下来的只有119人

探讨了为期两周的手机断网实验的效应量，以及在467名同意参与者中仅有119人坚持到最后的顺应率。

AI与科技

安光涉（Oswarld）· INLEVEL9 作者与编辑

设为 Google 首选来源

467人同意参与，119人坚持到了最后

向大家介绍一项实验。

加拿大和美国的研究团队向467人提出了一个提议：“您愿意在两周内彻底切断智能手机的移动网络吗？”电话和短信可以照常使用，也可以用笔记本电脑上网。仅仅是把网络从手机中拿掉。参与报酬也很丰厚。

467人表示愿意参与。而真正撑过两周的，只有119人。

这项发表于2025年2月《PNAS Nexus》上的研究¹，大多被总结为“切断手机网络后心理健康得到改善”这一结论。这个总结没错。然而，在这篇论文中让我审视最久的数字并非效应量，而是那个25.5%的顺应率。即使是明知手机网络有害并下定决心戒断的人，绝大多数也没能撑过两周，这一点正是该研究最值得关注的地方。

实验设计与屏幕使用时间·三项指标的变化

我们先来看看实验是如何进行的。

参与者安装了一款名为 Freedom 的应用。该应用的“锁定模式”可以防止在应用内解除拦截。研究团队利用该应用客观追踪了拦截功能是否实际开启。不依赖参与者的自我报告，正是这项研究的方法论优势所在。

干预组的日均屏幕使用时间**从 314 分钟降至 161 分钟。**也就是从 5 小时 14 分钟减少到了 2 小时 41 分钟。三项主要结果的变化如下：

主观幸福感（生活满意度 + 积极/消极情绪）：d = 0.45²
心理健康（抑郁、焦虑、愤怒、社交焦虑等美国精神医学学会量表）：d = 0.56
持续注意力（通过 gradCPT³ 进行客观测量）：d = 0.23

参与者中有 90.7% 在这三项指标中至少有一项表现出改善。研究团队形容注意力的改善幅度“相当于抵消了 10 年老化所致的衰退”。对于仅仅两周的干预而言，这是相当可观的数值。

在引用这篇论文时，有一处需要特别核实。被引用最多的一句话是“抑郁症状的改善效果大于抗抑郁药荟萃分析得出的效果”。这一对比的依据是 Kirsch 等人于 2008 年发表的荟萃分析⁴，但该研究通过重新分析提交给 FDA 的数据，属于对抗抑郁药效果估算最低的一类、且至今仍存有争议的研究。0.32 这一效应量估值本身历经重新分析与反驳，已经争论了十余年。如果更换对比对象，这句话可能就无法成立。引用时建议多加留意。

从同意的 467 人缩减到 119 人的各个阶段

从 467 人缩减至 119 人的各个阶段情况如下：

阶段	人数	备注
同意进行为期 2 周的屏蔽并获取代码	467 人
实际注册了应用代码	272 人	有 195 人甚至连注册都没做
完成初始屏蔽设置	266 人
全部完成 3 次问卷调查	249 人
14 天中有 10 天以上保持屏蔽	119 人	占同意人数的 25.5%

首先，有 195 人，也就是 41.7% 的人甚至根本没有注册应用。明明约定好了拿报酬，也答应了要参加，连代码都收到了，却就这么放弃了。而且在安装了应用并自始至终完成问卷调查的 249 人中，也只有略低于半数的 119 人（47.8%）坚持保持了屏蔽状态。

这里有一个重要的背景。这些参与者并不是随机抽选的普通公众。在实验开始时，有 83% 的人在“想要减少手机使用”的动机评分中给出了 5 分以上（满分 7 分），**79% 的人回答自己完全有能力减少使用。**也就是说，他们是一群既有动力、又对自己充满信心的人。

而这群人中，只有 25.5% 熬过了这两周。

还有一点。干预结束后，屏幕使用时间从 161 分钟**反弹回了 265 分钟。**虽然没有彻底回到 T1 阶段的 314 分钟，但强制手段一消失，绝大多数人便退回了原点。甚至连那些切身体会到状态变好的人也不例外。

这一结果很难用参与者个体的软弱来解释。既然在绝大多数“渴望减少且认为自己能减少使用”的人身上都出现了同样的结果，那么原因比起个人的意志力，更有可能在于手机和应用所处的环境本身。

所谓自我控制感的悖论

研究团队通过中介分析⁵探讨了改善发生的原因。结果非常耐人寻味。

以下是解释主观幸福感改善的各路径效应大小排序：

自我控制感提升（0.169） ← 绝对的第一名
社会联结感提升（0.084）
线下时间增加（0.072）
媒体消费减少（0.046）
睡眠增加（0.020）

排除这五条路径后，干预的直接效应在统计学上便消失了（c′ = 0.034，不显著）。在心理健康方面，自我控制感（0.209）同样位居首位。事实上，干预前后自我控制感的变化幅度达到了 d = 0.66。在五个中介变量中，这是仅次于线下时间（d = 0.70）的最大变化。

人们觉得自己重新找回的是“自我控制感”，但他们实际做的事情，却是放弃自我控制并将其全权移交给了应用。

Freedom 的锁定模式并不是用来强化意志力的功能，而是一个彻底剥夺施展意志力机会的功能。参与者们并不是在每个瞬间克服了“现在要不要打开 Instagram”的冲动，而是进入了一个根本不会出现这个问题的环境。然而，他们由此体会到的感觉却是“我正在掌控自己的人生”。

自我控制感并非自我控制的原因，反而正是良好环境设计的结果。

还有一点值得注意。唯独注意力的改善，无法用这五条路径中的任何一条来解释。 无论是线下时间、睡眠还是自我控制感，都未能对注意力的改善起到中介作用。这意味着幸福感与注意力是通过截然不同的路径受到损害并得到恢复的。这一点目前尚未有人知晓答案，而我认为这一空白正是这篇论文最坦诚的部分。

Oswarld视角

在制定 GTM 策略的过程中，我反复验证过一个规律。

**凡是寄希望于用户意志的功能，几乎无一例外都会失败。**新手引导中一旦要求“请进入设置开启此项”，转化率就会崩溃；而鼓励用户“尝试养成习惯”的功能，在留存曲线上根本留不下任何痕迹。相反，仅凭改动一个默认设置，就能让整项指标发生大幅变动的情况，我见过了太多次。在产品界这早已是常识：决定行为的往往不是用户的意志，而是默认值。

然而，我们却很少把这一常识应用到产品之外。

如今整个数字健康产业的设计方向恰恰与之完全相反。屏幕使用时间仪表盘展示统计数据、唤起内疚感之后，就把决定权交回给了用户。使用时间提醒在提示“您已超出所设限额”后，紧接着就并排摆上一个“忽略”按钮。所有这些功能的共同点在于，最终是否减少使用，依然全凭用户个人的意志来决定。这篇论文中 25.5% 的顺应率，正是向我们展示了当一切托付给个人意志时会产生怎样的结果。

这一点让我感到如鲠在喉。因为亲手设计出这种环境的人，正是我们自己。一旦将用户参与度作为 KPI，我们做出来的东西就会变成用户日后不得不借助屏蔽软件去防堵的服务。像 Freedom 这类应用之所以有市场，意味着一类服务在处心积虑延长用户使用时间，而由此引发的问题，又由另一类付费拦截应用来替用户买单解决。

而且现在，这种连接还在朝着更加密不透风的方向演进。AI 助手的绝大多数产品叙事都是“时刻常伴左右、时刻洞悉上下文、时刻主动开口”。这与该论文揭示的内涵背道而驰。当然，断言 AI 助手等同于通知轰炸未免为时过早。但我想要指出的是，我们现在只在一味探讨“如何做到更时刻常伴”，却几乎从不追问“何时应当退隐隐身”。在不需要的时候识趣地不出现在用户眼前，同样是一款产品理应具备的功能。

样本、期望效应与相互矛盾的研究：三大局限

我们也要坦诚指出其中的局限。

样本具有特殊性。 受试者仅限 iPhone 用户，招募自名为 Prolific 的在线众包平台，平均年龄 32 岁，63% 为女性。更有甚者，83% 的人原本就渴望减少手机使用。反过来说，对于毫无减用想法的人而言，是否能产生同样的效果，谁也不知道。

未能排除期望效应。 参与者清楚这是一项关于“智能手机对身心福祉的影响”的研究。他们可能会感到某种需要汇报“情况变好了”的心理压力。研究团队也明确将此列为局限，因此才引入了非自陈式的 gradCPT 测试。然而耐人寻味的是，作为客观测量指标的注意力，其效应量反而是最小的（d = 0.23）。 指标越依赖自我报告，效应量反而越大——这一模式十分值得关注。

学界也存在截然相反的论调。 Orben 和 Przybylski 利用大规模时间日志数据报告称，屏幕使用时间仅能解释青少年身心福祉约 0.4% 的方差。当然，这项分析也因“分析路径的选择缩小了实际效应”而遭到批评，因此很难简单断言孰是孰非。只是，相关性研究呈现的效应微弱，而实验性研究的效应却十分显著，这种落差本身便是一个信号：我们或许尚未真正精准地测清这一现象。

即便将这三大局限全盘考虑在内，依然有一个不可忽视的事实。25.5% 这一依从率，既不能用期望效应来解释，也无法用样本偏差来开脱。 甚至正因为样本本身向意愿强烈的人群倾斜，这个数字才更加触目惊心——即便只把那些主动表示想减少手机使用的人召集起来，每 4 个人中依然有 3 个人连两周都坚持不下来。

结语

我们来总结一下。

戒断手机网络两周，幸福感、心理健康和注意力确实会得到改善。但对于效应量的对比，引用时需要格外审慎。
对改善效果解释力最强的是自我控制感，但参与者实际所做的，不过是将自我控制权移交给了应用程序。自我控制感并非意志力的产物，而是环境设计的产物。
因此，这项研究的实用结论不是“下定决心吧”，而是**“去创造一个无需动用决心的环境”**。顺便提一句，研究团队也认为没必要做到彻底屏蔽。即使是将未完全遵守屏蔽规则的人全部包含在内的 ITT 分析⁶中，也依然显现出了效果，这说明仅仅减少使用或许就足够了。

我再补充一点韩国的现状。在 2025 年智能手机过度依赖现状调查中，整体危险人群⁷占比为 22.7%，已连续 5 年下降，**但青少年群体却反弹至 43.0%。**在整体状况都在好转的同时，唯独一个群体逆势而行，这很大可能不是该群体的意志力问题，而是他们所处环境的问题。这正是我们可以将该论文的视角应用到青少年手机使用环境中的切入点。

你当下就能尝试的做法是这样的：与其删除应用或规定使用时间，不如**先打造一个完全没有机会动用意志力的状态。**无论是睡觉时不把手机带进卧室，还是通勤路上关掉移动数据，都是可行的办法。核心不在于“下定决心不看”，而在于设计出一种“根本看不了的状态”。在这项实验中，从最初同意参与的 467 人中，坚持到最后的只有 119 人。我们必须正视，在现实生活中要维持减少使用的决心究竟有多么艰难。

如果你也有过尝试减少手机使用却以失败告终的经历，请在评论区聊聊你究竟是在哪一个节点防线崩溃的。是因为通知提醒？还是习惯性伸手去拿的那一刻？亦或是因为不看手机就会产生某种莫名的焦虑？这正是该论文未能给出解答的地方，因此大家的真实经历或许可以成为下一期内容的话题素材。

💬 在戒断手机失败的那一刻，你是在哪里失守的？· 📨 欢迎将本文分享给可能需要的朋友

（网页版）📬 订阅我们 · 我每周都会制作一份跨界解析技术、经济与人文的 Newsletter。

参考资料与延伸阅读

核心来源

Castelo, N., Kushlev, K., Ward, A. F., Esterman, M., & Reiner, P. B. (2025). “Blocking mobile internet on smartphones improves sustained attention, mental health, and subjective well-being.” PNAS Nexus, 4(2), pgaf017. 查看论文 ··· 本期通讯的核心依据。比起结果部分，更建议先看“Materials and methods”中的 CONSORT 流程图（Fig. 3）。467 人最终缩减为 119 人的全过程都在这一张图里。
该研究的原始数据及预注册文档：OSF 存储库 ··· 可以亲自核对预注册计划与实际分析究竟在何处产生了分歧。论文自身也明确指出，时间利用的因子分析属于事后分析，而非预注册项目。

背景知识

Kirsch, I. et al. (2008). “Initial severity and antidepressant benefits: a meta-analysis of data submitted to the Food and Drug Administration.” PLoS Medicine, 5(2), e45. 查看论文 ··· “效果胜过抗抑郁药”这一对比的来源。阅读时需要了解，这篇论文本身就处在激烈的学术争议漩涡之中。
Orben, A., & Przybylski, A. K. (2019). “Screens, Teens, and Psychological Well-Being: Evidence From Three Time-Use-Diary Studies.” Psychological Science, 30(5). 查看论文 ··· 另一方阵营的代表性研究。与本期论文对照阅读，很容易得出“我们目前还知之甚少”的结论，但我认为这反而是更诚实的心态。
韩国科学技术信息通信部、韩国智能信息社会振兴院，《2025年智能手机过度依赖实态调查》（2026年3月26日发布）查看新闻稿 ··· “整体情况有所改善，唯独青少年群体持续恶化”这一趋势的原始数据出处。

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

PNAS Nexus：美国国家科学院院刊（PNAS）旗下的子刊。创刊于 2022 年的开放获取学术期刊，该论文可免费阅读全文。 ↩
效应量（Cohen’s d）：用于标准化衡量干预前后差异幅度的大小的数值。常规上以 0.2 为小、0.5 为中等、0.8 为大。不过这一标准本身带有约定俗成的权宜性质，即便同为 0.5，在不同研究领域中的实际意义也可能大相径庭。 ↩
gradCPT（渐进式连续操作任务）：一项耗时 5 分钟的测试任务，屏幕出现城市图片时需按下空格键，出现山川图片时则不能按。由于城市图片占比达 90%，山川仅占 10%，受试者容易形成习惯性按键反应，稍一走神就会出错。该测试被广泛用于无需自我报告即可客观测量注意力的场景。 ↩
元分析（Meta-analysis）：将探讨同一主题的多项研究汇聚起来进行统计综合的方法。通常被认为比单一研究更具可信度，但最终结论也可能因纳入或剔除哪些研究而有所不同。 ↩
中介分析（Mediation analysis）：不仅止步于“A 改善了 B”，而是通过统计学方法推测“A 改变了 C，进而由 C 改善了 B”这一传导路径。不过，中介分析并不能直接证明因果关系。论文本身也明确指出了这一局限。 ↩
ITT / TOT：ITT（意向性治疗分析）是将未遵守指令的受试者也全部纳入统计的分析方式；TOT（按方案处理分析）则仅对实际遵守指令的人群展开分析。ITT 更加保守，也更贴近现实。本论文的核心结论均基于 ITT 标准。 ↩
智能手机过度依赖风险群：通过标准化量表测定，将高危群体与潜在风险群体合并计算的概念。需要注意，这属于调查工具标准，而非临床医学诊断。 ↩