一个越来越普遍的现象
在数字时代，短视频已经深度嵌入日常生活，重塑了人们获取信息、调节情绪、社交互动和安排闲暇的方式。相比传统媒体，短视频平台凭借算法推荐、无限下滑、自动播放和即时反馈，更容易捕获并维持注意力，让使用变得频繁而习惯化。对自我调节能力仍在发展中的青少年来说，这种媒介环境可能提高失控使用或补偿性使用的风险。
研究中所说的"问题性短视频使用"（PSVU），指的是带有成瘾特征的使用模式：控制能力受损、持续沉浸、出现类似戒断的体验，以及日常功能受影响。国际电信联盟数据显示，2025年全球约有60亿人使用互联网，接近全球人口的四分之三。一项发表于《JAMA》、追踪4285名美国青少年4年的队列研究显示，31.3%的青少年处于"成瘾性社交媒体使用"上升轨迹，24.6%处于"成瘾性手机使用"上升轨迹，而这些高使用或持续上升的轨迹与更差的心理健康状况相关。
为什么要把运动和"学习倦怠"放在一起看
学习倦怠指在持续学习压力下出现的情绪耗竭、学业疏离和效能感下降，是学业适应受损的重要表现。资源保存理论提供了一个解释框架：持续的学业要求会消耗认知、情绪和社会资源，当要求超过可用资源时，倦怠更容易出现。而当资源持续流失时，人会更倾向于选择那些省力、能带来即时缓解的应对方式——短视频恰好是一种易得、偏逃避导向的调节手段。反过来，问题性使用也可能通过挤占睡眠和运动时间，进一步推高倦怠。
高中生正处于一个特殊位置：既有持续高强度的学业要求和重要考试评价，又拥有越来越多的数字媒介自主权。学业适应、运动与数字媒介使用在这个阶段可能格外紧密地纠缠在一起。
研究是怎么做的
研究团队在云南省五所高中招募了1327名16—18岁学生，进行三波问卷调查，每波间隔6个月。运动情况用体育活动等级量表（PARS-3）测量，学习倦怠用青少年学生倦怠量表测量，问题性短视频使用用短视频成瘾量表测量。
统计方法上，研究采用随机截距交叉滞后面板模型（RI-CLPM）。这个方法的关键价值在于，它把"人与人之间的稳定差异"（比如有的人本来就运动多、有的人本来就倦怠高）和"同一个人自身的波动"（比如某段时间比平时动得多）分离开来，从而更接近因果时间顺序的推断。纵向间接效应通过5000次偏差校正的Bootstrap抽样估计。研究还补充了岭回归与极端梯度提升（XGBoost）模型，使用嵌套交叉验证和独立留出测试集，检验运动与学习倦怠能否提升对未来问题性短视频使用的预测。
主要发现：两种层面，两套结论
在人与人之间（个体间层面）：长期运动水平更高的学生，学习倦怠和问题性短视频使用都更低；而学习倦怠更高的学生，问题性短视频使用也更高。
在同一个人身上（个体内层面）：当一名学生的运动量高于自己平时的水平时，随后一段时间的学习倦怠和问题性短视频使用都会下降。学习倦怠与问题性短视频使用之间呈现正向的相互预测关系——倦怠升高预示之后使用问题加重，使用问题加重又预示之后倦怠升高。同时，二者都预测了之后运动量的下降。这意味着三者可能构成一个相互强化的循环：倦怠和刷短视频互相推高，并一起挤走运动。
研究还检验了一条纵向间接路径：运动→学习倦怠→后续问题性短视频使用。这条路径在统计上显著，但效应量很小。换言之，学习倦怠可能是运动影响短视频问题使用的一条通道，但绝不是主要通道。
机器学习给出的一个提醒
在补充分析中，模型留出集上的最佳解释力R²为0.311。但值得注意的是，在"此前的短视频问题使用水平"之外，再加入运动和学习倦怠，并没有提升预测效果。也就是说，预测一个学生未来是否会出现短视频使用问题，最有力的信号就是他/她最近已经出现的问题使用症状。基于扩展XGBoost模型的SHAP结果，因此只能作为探索性的特征归因来理解，而不能当作确定的因果证据。
对家庭和学校的启示
这项研究的意义不在于证明"多运动就能解决短视频沉迷"，而在于提示三者是相互关联的。对学校和家庭来说，有几点可以参考：
第一，近期已经出现的问题使用症状，是最值得关注的预警信号，而不是只盯着运动量或成绩。
第二，支持学生保持规律运动，可能同时有利于缓解学习倦怠和减少问题性使用；反过来，也要留意倦怠加重后运动被挤出的风险。
第三，单一措施往往效果有限。学校健康促进策略如果同时涵盖运动支持、学业倦怠疏导和近期问题使用症状的识别与回应，可能比只针对其中一环更有意义。
需要留意的局限
本研究的数据全部来自学生自我报告，样本为云南省五所高中的16—18岁学生，结论向其他地区、其他年龄段推广时需谨慎。追踪跨度为6个月，观察到的都是较小的效应量，且机器学习分析未能证明运动与倦怠具有增量预测价值。此外，变量之间的关系仍可能受到未被测量的第三因素影响。