每天看手机不超过5小时的人更健康？

注：本文为删减版，不可直接引用。原中英文全文刊发于《景观设计学》2021年第4期“水生态修复与绩效研究”专刊。获取全文免费下载链接请点击“阅读原文”；参考引用格式见文末。

导 读

信息技术的革命极大地改变了现代人的生活方式，智能手机的出现成为越来越多人的生活必需品，人们比之前花费更多时间关注屏幕上的虚拟世界。本文假设智能手机屏幕使用时间与步数存在相关性，并通过探索性研究对此进行验证：通过借助线上线下问卷向大众收集数据并进行分析，研究发现：1）每日屏幕使用时间与每日步数之间存在相关性，当每日屏幕使用时间在4.99～15.25小时范围内时，屏幕使用时间增加，步行数会相应减少；2）人们每日平均使用屏幕的时间是6.3小时，且更多用在社交上（2.8小时），每日平均步数是6750步；3）人们周末的每日屏幕使用时间与步数要低于工作日；4）高学历、高个人收入或低龄的群体每日使用手机的时间较少，高学历、低运动频次或较年轻的群体每日步数较少。

屏幕使用时间与步行活动关系

的探索性研究

The Los Angeles River Reimagined:

51 Miles of Connected Public Open Space

 

陈纯

清华大学建筑学院客座硕士研究生，广州市城市更新土地整备保障中心（广州市空间规划实施促进中心、广州市自然资源测绘中心）专业技术人员

 

龙瀛

清华大学建筑学院、清华大学恒隆房地产研究中心研究员、博士生导师

 

黄贵恺

清华大学建筑学院硕士研究生

LAF

01

数字孪生体

第四次工业革命在逐渐提高人们生活水平的同时，也悄无声息地改变了人们的日常生活习惯——人们愈发依赖科技，享受甚至沉迷于科技所带来的便捷与其构建的“新世界”。不可否认，此次革命带来的科技力量让人们愈加投入到虚拟空间，越来越脱离物质空间，也让人和自己的身体更加疏远。人们在虚拟与现实来回切换的过程中构建自我，建设“第二人生”。

“数字孪生体”（Digital Twin）是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，为物理实体增加或扩展新的能力^[1][2]。在数字孪生中，一个是存在于现实世界的实体，另一个只存在虚拟世界之中，是利用数字技术营造的与现实世界对称的镜像。手机即是人类为自己制造“数字孪生”的重要媒介之一。

网络图片

近年来，信息通信技术和基于互联网的App发展迅速，使移动互联网蓬勃发展。以中国为例，截至2020年末，互联网上网人数9.89亿人，其中手机上网人数就达9.86亿人^[3]。当使用手机成为生活中的常态时^[4]，部分研究机构与手机研发中心已开始关注这一行为是否会劫持人们的注意力，导致人们对手机上瘾。研究者基于查看手机的次数或手机屏幕使用时间来判定使用者是否上瘾，其中屏幕使用时间即人们把主要注意力集中在手机屏幕上的时间，是目前应用较为广泛的指标。有报告称，目前智能手机“上瘾症”已经成为普遍现象，58%的受访消费者每天查看11～50次手机^[5]。

国内外多位学者已从“屏幕使用时间”（screen time）方向切入研究媒体技术如何影响人的健康和行为活动，实证了屏幕使用时间与久坐行为^[6][7]、注意力下降^[8][9]、体力活动频率减少^[10]、生理疾病（如过度肥胖^[11][12]）和心理疾病（如抑郁^[13]、失眠^[14][15]、上瘾^[16][17]、焦虑^[18][19]）的增多都有一定程度的关联。尽管也有学者发现减少屏幕使用时间并不能增加体力活动^[20]，但总体来说，当代人智能手机的使用频率很高，虽然这是影响人类健康与行为的常见因素，但鲜有针对具体体力活动行为的研究，尤其是针对步行这项对大多数人来说最简单、最基本的运动。

本文通过问卷调查的方式获取人们的手机屏幕使用时间与步数数据，对二者的关系进行探索性研究，以尝试填补智能手机使用者的屏幕使用行为和步行行为之间关系的研究空白。

02

研究方法

本文研究对象为中国智能手机用户，年龄、性别、职业、所在城市不限，采用的数据收集方法为问卷调查法。在设计问卷时，研究团队首先阅读国内外相关文献资料，设计初版问卷，并在2018年12月开展线下预调研，对问卷内容进行完善。正式问卷总共包含18个问题，可分为4类，主要调查受访个体一周的屏幕使用时间、步数数据以及其他个人基本信息。

本研究采用线上和实地问卷调查两种形式。问卷发放时间为2019年1～5月，都是借由问卷星平台制作的电子问卷来邀请受访者填写。由于研究需要的部分数据由智能手机统计，研究团队事先对满足研究需求的不同品牌智能手机的屏幕使用时间与步数统计功能特点进行了整理，并以此为依据筛选有效样本。

横屏观看

本研究涉及的不同品牌智能手机的功能特点

针对步数的获取，目前智能手机大多通过内置的三轴加速度传感器、陀螺仪和重力传感器等来获取用户的步数信息。在准确性方面，目前手机自带的计步程序及第三方计步应用的准确性基本不受路面状况影响，主要与人的步行速度有关^[21]；对安卓、苹果手机进行简单测试后发现，这些程序应用也不会将单纯的“摇手机”行为误识别为步行活动，为数据收集的准确性提供了保障。

03

调查结果

研究最终获得来自线上、实地的问卷共500份，其中线上212份，线下388份，有效问卷共395份。有效样本主要为苹果手机用户（95.5%），总样本数据主要来自北京、广州、武汉三个城市，女性用户略多（59.2%），学生（50.9%）与社会人士（49.1%）比例基本持平，年龄集中在18～25岁（80.3%），文化程度为本科在读或本科毕业的受访者超过半数（53.9%），每周运动频次集中在1～2次（44.0%），过半样本（55.2%）的自评健康水平为亚健康，70.5%的人BMI（身体质量指数）处于正常范围。

经统计可得，样本个体一周每日平均步数为6 705步，其中工作日的每日平均步数为6827步，周末的每日平均步数为6370步。统计得到样本一周内每日平均屏幕使用时间为6.3小时，约占一天总时长的26.3%。其中，工作日的每日平均屏幕使用时间为6.4小时，周末平均为5.6小时。根据《2019喜临门中国睡眠指数报告》^[22]统计的数据，国人每日平均睡眠时长为7.4小时。若忽略屏幕使用时间中伴随微小位移的小部分时间（如边步行边使用手机），可以发现受访者一天平均有13.7小时——超过半天的时间——近乎没有主动发生位移。

每日花费在物理空间与虚拟空间的时长（单位：小时） © 龙瀛，陈纯

通常情况下，步数与时间的换算主要受身高影响，成人的步幅是身高的0.37倍^[23]；人的平均步行速度一般为5.4km/h^[24]，但步行速度也会受到年龄、性别、胖瘦、是否健康等因素的影响。由于本研究的受访者年龄集中在18～25岁，主要为中青年群体，男女比例差异不大，多数人的BMI处于正常值范围，故可忽略上述因素的影响，取受访者平均身高为1.68m，平均步幅为0.62m，平均步行速度为5.4km/h，计算可得步行6705步所需时间约为0.8小时，即本研究受访者每日平均在物理空间的主动位移时间不足1小时。

04

每日屏幕使用时间与步数的关系

研究发现，当每日屏幕使用时间t≤4.99小时，步数和屏幕使用时间呈正相关，即随着屏幕使用时间的增加，步数也增加。可能的原因是这个时间范围包含了多种碎片化时间场景，如日常通勤、在家走动、上下楼梯等，使人们更容易发生“边走路边玩手机”的行为。

当4.99<t≤15.25时，步数和屏幕使用时间呈负相关，即随着屏幕使用时间的增加，步数也变少。可能的原因是：若人们使用屏幕时间超过5小时，伴随出现的行为更多的是久坐^[9]而非移动，步数也相应变少。这意味着在一定范围内，将时间更多分配在屏幕使用上，可能导致人将注意力更多地集中在数字虚拟世界，降低对物理空间的关注，在物理空间中的主动位移也因此减少。

当15.25<t≤24时，步数和屏幕使用时间呈现正相关，即随着屏幕使用时间的增加，步数也增加。样本数据显示，每日屏幕使用时间超过15.25小时的情况更多集中在星期五（66.7%），这部分样本的身份均为学生，且数量较少，对其进行回访后发现，这些学生在周五放学后会搭乘远距离市内交通工具回家或进行跨区娱乐活动，在这种长距离通勤中更容易“且行且玩（手机）”。

基于每日屏幕使用时间和步数原始数据的散点图 © 龙瀛，陈纯

05

每日平均步数

与不同类型应用使用时间的关系

研究发现，受访者每日使用的应用主要包括社交、娱乐、游戏、阅读与参考等8个类别，其中人均每日使用社交类应用的时间多达2.82小时，显著多于其他7类，且社交、阅读与参考、娱乐和游戏这4类应用的使用时间与步数间存在显著相关性。进一步分析发现，社交类应用使用时间与步数呈正相关，这意味着每日平均步数越多，耗费在处理虚拟社交关系上的时间也越多，而其他三类应用的每日平均使用时间与每日平均步数均呈负相关。

各类应用的人均每日使用时长（单位：小时） © 龙瀛，陈纯

对此可能的解释是阅读与参考、娱乐和游戏这三类应用都具有使用连续性的特点，需要相对完整的大段时间与更集中的注意力，在步行时使用这些应用（尤其是娱乐与游戏类应用）会显著分散人们对步行空间物理环境的注意力，造成严重的安全隐患，所以人们一般非移动时使用这三类应用。这也反映出许多娱乐休闲方式的移动化虽然打破了进行娱乐活动的空间和时间局限，却也增加了人们对物理空间关注度缺失的风险。

06

个体基本信息与健康状况的影响

研究发现，每日平均屏幕使用时间与文化程度、个人收入分别呈极显著负相关，与年龄呈显著正相关，说明学历越高、个人收入越高、年龄越低的群体每日使用手机的时间越少。每日平均步数与文化程度呈极显著负相关，与每周运动频次、年龄分别呈极显著正相关，说明学历越高、每周运动频次越低、年纪越小的群体每日花费在步行上的时间越少。

07

结语

本文通过对这一现象的探索性研究，证实了手机屏幕使用与步行活动间存在的相互影响，这将促使公众认识到智能手机如何影响以步行为代表的体力活动，特别是对于高频率手机使用者，更应督促他们定期休息、减少非必要的手机使用、进行更多的运动，以保障身体健康。

以互联网产业化和工业智能化为标志、以技术融合为主要特征的第四次工业革命不仅使人们的思维方式从传统的机械思维向大数据思维转变，同时也使人们的认知方式向虚实结合过渡。智能手机等移动设备不再仅仅是通信工具，而已经成为快速发展的数字化生活方式的重要载体。人们以手机为媒介，平均每天有超过四分之一的时间（6.3小时）在虚拟世界中度过。随着城市“数字孪生体”的发展，这些投入或许会继续大幅增长。

在探讨这些问题的时候，一方面应承认移动设备迭代的技术合理性及其中立意义上的不可抗拒性，另一方面也需认识到大众容易沉溺于其所建构的虚拟世界中。但无论是通过虚拟路径还是现实路径，都可以不断认识世界。根据唐·伊德（Don Ihde）的人－技关系理论，人和手机之间属于“它异关系”（alterity relation），即人通过工具与技术直接互动，这种互动是以认识、感知和更好地生活于物质与虚拟空间为目的而发挥作用的。

部分参考文献

[1] Boschert, S., & Rosen, R. (2016). Digital Twin—The Simulation Aspect. Mechatronic Futures (P. Hehenberger & D. Bradley, Tran.), 59-74. Cham, Switzerland: Springer.

[2] Qi, Q., & Tao, F. (2018). Digital Twin and Big Data towards Smart Manufacturing and Industry 4.0: 360 Degree Comparison. IEEE Access, (6), 3585-3593. doi:10.1109/ ACCESS.2018.2793265

[3] National Bureau of Statistics of China. (2021). Statistical Communiqué of the People’s Republic of China on the 2020 National Economic and Social Development. Retrieved from http://www.stats.gov.cn/english/PressRelease/202102/ t20210228_1814177.html

[4] Kuss, D. (2017). Mobile technology and social media: The extensions of man in the 21st century. Human Development, 60(4), 141-143. doi:10.1159/000479842

[5] China News Service. (2015, November 13). Deloitte: smartphone addiction has become a common phenomenon. ITBear. Retrieved from http://www.itbear. com.cn/html/2015-11/147025.html

[6] Fennell, C., Barkley, J. E., & Lepp, A. (2019). The relationship between cell phone use, physical activity, and sedentary behavior in adults aged 18–80. Computers in Human Behavior, (90), 53-59. doi:10.1016/j.chb.2018.08.044

[7] Barkley, J. E., & Lepp, A. (2016). Mobile phone use among college students is a sedentary leisure behavior which may interfere with exercise. Computers in Human Behavior, (56), 29-33. doi:10.1016/j.chb.2015.11.001

[8] Attia, N. A., Baig, L., Marzouk, Y. I., & Khan, A. (2017). The potential effect of technology and distractions on undergraduate students’ concentration. Pakistan journal of medical sciences, 33(4), 860. doi:10.12669/pjms.334.12560

[9] Ravizza, S. M., Hambrick, D. Z., & Fenn, K. M. (2014). Non-academic internet use in the classroom is negatively related to classroom learning regardless of intellectual ability. Computers and Education, (78), 109-114. doi:10.1016/j.compedu.2014.05.007

[10] Kim, S. E., Kim, J. W., & Jee, Y. S. (2015). Relationship between smartphone addiction and physical activity in Chinese international students in Korea. Journal of Behavioral Addictions, 4(3), 200-205. doi:10.1556/2006.4.2015.028

[11] Wang, L., Zhang, Y., & Wang, L. (2016). Developments of foreign researchers on screen time affecting teenager physical health in recent 10 years. Journal of Physical Education, 23(2), 138-144. doi:10.16237/j.cnki.cn44-1404/ g8.2016.02.019

[12] Boone, J. E., Gordon-Larsen, P., Adair, L. S., & Popkin, B. M. (2007). Screen time and physical activity during adolescence: longitudinal effects on obesity in young adulthood. International Journal of Behavioral Nutrition and Physical Activity, 4(1), 1-10. doi:10.1186/1479-5868-4-26

[13] Madhav, K. C., Sherchand, S. P., & Sherchan, S. (2017). Association between screen time and depression among US adults. Preventive Medicine Reports, (8), 67-71. doi:10.1016/ j.pmedr.2017.08.005

[14] Li, X., Buxton, O. M., Lee, S., Chang, A. M., Berger, L. M., & Hale, L. (2019). Sleep mediates the association between adolescent screen time and depressive symptoms. Sleep Medicine, (57), 51-60. doi:10.1016/j.sleep.2019.01.029

[15] Thomée, S., Härenstam, A., & Hagberg, M. (2011). Mobile phone use and stress, sleep disturbances, and symptoms of depression among young adults – a prospective cohort study. BMC Public Health, 11(1), 1-11. doi:10.1186/1471-2458-11-66

[16] Chen, B., Liu, F., Ding, S., Ying, X., Wang, L., & Wen, Y. (2017). Gender differences in factors associated with smartphone addiction: a cross-sectional study among medical college students. BMC Psychiatry, 17(1), 1-9. doi:10.1186/s12888- 017-1503-z

[17] Lee, Y. S., Han, D. H., Kim, S. M., & Renshaw, P. F. (2013). Substance abuse precedes internet addiction. Addictive Behaviors, 38(4), 2022-2025. doi:10.1016/ j.addbeh.2012.12.024

[18] Liu, Q., Zhou, Z., Yang, X., Kong, F., Niu, G., & Fan, C. (2017). Mobile phone addiction and sleep quality among Chinese adolescents: A moderated mediation model. Computers in Human Behavior, (72), 108-114. doi:10.1016/ j.chb.2017.02.042

[19] Hawi, N. S., & Samaha, M. (2017). Relationships among smartphone addiction, anxiety, and family relations. Behaviour and Information Technology, 36(10), 1046-1052. do i:10.1080/0144929X.2017.1336254

[20] Meier, M. D., Hager, R. L., Vincent, S. D., Tucker, L. A., & Vincent, W. J. (2007). The effects of leisure-based screen time. American Journal of Health Education, 38(3), 139-146. doi:10.1080/19325037.2007.10598959

[21] He, X. , Shi, W., & Sheng, Z. (2016). A research on the availability of smart bracelet/phone app in different walking speed or road surface for step calculation. China Sport Science and Technology, 52(6), 122-127. doi:10.16470/ j.csst.201606019  

[22] Sleemon. (2019). China Sleep Quality Index Report 2019. Retrieved from https://zk.cn-healthcare.com/doc-show-33020.html

[23] Yixue baike. (n.d.). One step distance. Retrieved from https:// www.yixue.com/%E6%AD%A5%E5%B9%85

[24] Baidu baike. (n.d.). Walking speed. Retrieved from https:// baike.baidu.com/item/%E6%AD%A5%E9%80%9F/4391491?f r=aladdin

参考引用 / Source:

Chen, C., Long, Y., & Huang G. (2021). An Exploratory Research on the Correlation Between Screen Time and Walking. Landscape Architecture Frontiers, 9(4), 68-81. https://doi.org/10.15302/J-LAF-0-020014

注：封面图片来源于网络

获取全文免费下载链接请点击“阅读原文”

编辑 | 王胤瑜、崔婧沄、田乐

翻译 | 嵇扬、王胤瑜、田乐

制作 | 田乐

点击此处了解最新出炉的

 “水生态修复与绩效评估”专刊 

 ▽ 扫描下方二维码即可订购 

 END 

注：本文由作者及来源机构授权景观设计学前沿发布，未经授权不得以任何形式、任何文种在其他印刷版、网络版等媒介发表，如有违反，本刊将保留追究其法律责任的权利。若有转载，请后台回复关键词“转载”联系授权。

如果你喜欢本期推送，

请点“赞”和点亮“在看”，分享给更多朋友吧！