说要戒手机的467人，坚持下来的只有119人

开篇

订阅者朋友，我给您介绍一个实验。

加拿大和美国的研究团队向467人提出了这样的建议：“愿意在两周内彻底断掉智能手机的移动网络吗？”电话和短信照常使用，笔记本电脑也能上网，唯独手机上不能上网。参与报酬也相当丰厚。

467人答应了。而实际坚持了两周的人，只有119人。

2025年2月发表于《PNAS Nexus》的这项研究¹，大多被介绍为“断掉手机网络后心理健康变好了”这样的结论。这个概括没错。但我在这篇论文里盯着看最久的数字，不是效应量，而是那25.5%的依从率。先说结论：这项研究真正的发现，不在于“连接是有害的”，而在于即便一个人明知有害并下定决心要断开，大多数人还是失败了。

---

首先，这个实验实际改变了什么

先把数字理清楚。

参与者安装了一款叫Freedom的应用。这款应用的“锁定模式”让人无法在应用内解除屏蔽。研究团队用这个应用客观追踪了屏蔽是否真的处于开启状态，而不是依赖参与者的自我报告——这是这项研究方法论上的一个优势。

干预组每日平均屏幕使用时间从314分钟降到了161分钟，也就是从5小时14分钟变成了2小时41分钟。三项结果的变化如下：

• 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（用gradCPT³客观测量）：d = 0.23

90.7%的参与者在这三项中至少一项出现了改善。研究团队将注意力的改善幅度形容为“相当于10年衰老带来的衰退幅度”。作为一项为期两周的干预，这个数字相当亮眼。

这里我要暂时戴上核实者的帽子。这篇论文里被引用最多的一句话是：“抑郁症状的改善效果，超过了抗抑郁药的荟萃分析效果。”这个比较的依据是Kirsch等人2008年的荟萃分析⁴，那是一项重新分析FDA提交数据、把抗抑郁药效果估算得偏低、至今仍存在争议的研究。效应量0.32这个估计值本身，十几年来在再分析和反驳中反复被争论。如果换一个比较对象，这句话可能就不成立了。引用时请留意这一点。

---

真正的发现藏在漏斗里

现在进入正题。467人是如何变成119人的，逐步来看是这样：

阶段	人数	备注
同意接受两周屏蔽并领取代码	467人
实际注册了应用代码	272人	195人根本没有注册
设置了初始屏蔽	266人
完成了全部三次问卷	249人
14天中屏蔽维持了10天以上	119人	占同意者的25.5%

先说195人，也就是41.7%的人，连应用都没有注册。答应领取报酬，回答说会做，甚至拿到了代码，结果就是没做。而在安装了应用并坚持完成问卷的249人中，也只有不到一半的119人（47.8%）维持住了屏蔽。

这里有个重要的背景：这些参与者并不是随机抽取的普通人。实验开始时，83%的人在“想减少手机使用”的动机上给出了7分制中5分以上的评分，**79%的人回答自己有足够的能力去减少使用。**也就是说，这些都是既有意愿又有自信的人。

而这些人中，只有25.5%坚持了两周。

还有一点。干预结束后，屏幕使用时间从161分钟**反弹回265分钟。**虽然没有完全恢复到T1的314分钟，但强制手段一旦消失，大多数人还是回到了原点——即便是那些亲身感受到变好的人。

这不是关于467个人个体软弱的故事。如果这是在467人全体身上同样出现的模式，那它就不是个人属性，而是结构属性。

---

自我控制感这个悖论

研究团队用中介分析⁵追溯了改善究竟因何而发生。结果很有意思。

解释主观幸福感改善的各路径，按大小排序如下：

1. 自我控制感提升（0.169） ← 遥遥领先第一
2. 社会联结感提升（0.084）
3. 线下时间增加（0.072）
4. 媒体消费减少（0.046）
5. 睡眠增加（0.020）

去掉这五条路径后，干预的直接效应在统计上就消失了（c′ = 0.034，不显著）。在心理健康方面，自我控制感（0.209）同样排第一。而实际上，自我控制感在干预前后变化幅度达到d = 0.66，是五个中介变量里仅次于线下时间（d = 0.70）的最大变化。

您看出这里的悖论了吗。

人们感觉自己重新获得的是“自我控制感”，但他们实际做的事，是放弃自我控制、把它交给了应用。

Freedom的锁定模式并不是强化意志的功能，而是彻底取消“发挥意志的机会”的功能。参与者并没有在每一个瞬间战胜“现在要不要打开Instagram”这个念头，而是进入了一个这个问题根本不会出现的环境。可是结果他们感受到的却是“我在掌控自己的生活”。

自我控制感原来不是自我控制的原因，而是良好环境设计的结果。

还有一点值得指出。唯独注意力的改善，**在这五条路径中没有任何一条能够解释。**无论是线下时间、睡眠还是自我控制感，都没能中介注意力的改善。这意味着幸福感和注意力是通过不同的通路受损又恢复的。这一点目前还没有人给出答案，我认为这个空白正是这篇论文最诚实的部分。

---

Oswarld视角

在制定GTM策略的过程中，我反复确认过一个模式。

**依赖用户意志的功能，几乎无一例外地会失败。**在引导页里一旦要求用户“请去设置里打开这个”，转化率就会崩塌；鼓励“养成一个习惯”的功能，在留存曲线上也不会留下任何痕迹。反过来，仅仅改变一个默认值，就能让整个指标发生变化——这样的情形我见过很多次。在产品领域，这早已是常识：不是意志，而是默认值在塑造行为。

但我们很少把这个常识用到产品之外的地方。

整个数字健康行业，现在恰恰是朝着相反的方向设计的。屏幕使用时间仪表盘展示统计数据、引发羞愧感，然后把决定权丢还给用户。使用时长提醒会通知您“您已超过设定的限额”，紧接着并排放着一个“忽略”按钮。所有这些功能的共同点，就是把自我控制外包给个人。这篇论文所展示的25.5%这个数字，正是这种外包最终如何收场的数据。

我觉得这一点让人不舒服。因为设计那个环境的人，正是我们自己。一旦把参与度定为KPI，我们做出来的东西，就是用户日后需要靠另一个应用去阻挡的东西。像Freedom这样的应用之所以存在，本身就说明了一件事：前端行业亲手制造的问题，正被后端行业以收费的方式重新卖回给用户。

而现在，这种连接正朝着更加紧密的方向发展。AI助理的产品叙事，大多是“始终陪在身边、始终了解语境、始终主动开口”这一路。这和这篇论文的启示正面相悖。当然，说AI助理等同于通知轰炸，未免言之过早。只是我想指出的是，我们现在只在问“要让它多陪在身边”，却几乎从不问“它应该在什么时候消失”。懂得何时消失，也是一种产品功能。

---

为什么不能照单全收这项研究

诚实地说，也要指出这项研究的局限。

**样本很特殊。**仅限iPhone用户，来自名为Prolific的线上众包劳动力池，平均年龄32岁，63%为女性。而且83%的人本来就想减少手机使用。反过来说，对于本来不想减少手机使用的人，同样的效果是否成立，没有人知道。

**无法排除期待效应。**参与者知道这是一项关于“智能手机对幸福感影响”的研究，可能存在一种“应该回答变好了”的压力。研究团队自己也明确指出了这个局限，因此才加入了非自我报告的gradCPT。但有意思的是，**客观测量指标——注意力的效果反而是最小的（d = 0.23）。**越是自我报告的指标，效果越大，这个模式值得留意。

**也存在相反的证据链。**Orben和Przybylski用大规模的时间日记数据报告称，屏幕使用时间只能解释青少年幸福感变异的约0.4%。当然，这项分析也受到“分析选择缩小了效应”的批评，所以很难判定哪一方是对的。不过，相关研究得出的效应偏小、实验研究得出的效应偏大，这个差距本身就是一个信号：说明我们目前还没能真正测量清楚这个现象。

即便考虑了以上三点，还是有一些东西无法被抵消。**25.5%这个依从率，既不能用期待效应解释，也不能用样本偏差解释。**恰恰因为样本本身是偏向的，这个数字才更令人心惊——即便只挑选了有意愿的人，四人中仍有三人失败。

---

结语

总结一下。

1. 两周内断掉手机网络，确实能改善幸福感、心理健康和注意力。不过效应量的比较需要谨慎引用。
2. 最能解释改善的因素是自我控制感，但参与者实际做的事，却是把自我控制交给了应用。自我控制感不是意志的产物，而是环境设计的产物。
3. 因此，这项研究的实用性结论不是“下定决心”，而是**“打造一个不需要下决心的环境”。**顺带一提，研究团队自己也认为不需要完全屏蔽。在把没有遵守屏蔽的人也全部纳入的ITT分析⁶中，效果依然存在，所以仅仅是减少使用，或许就已经足够。

再补充一个韩国的情况。在2025年智能手机过度依赖实态调查中，整体风险群体⁷为22.7%，已连续5年下降，但**唯独青少年反而升至43.0%。**如果整体情况在改善，却只有一个群体在朝相反方向发展，那很可能不是这个群体的意志问题，而是这个群体所处环境的问题。这正是可以套用这篇论文框架去审视的一个点。

现在就能尝试的做法是这个。与其删除应用或规定时间，不如**只创造一个“根本没有机会动用意志”的状态。**比如不把手机带进卧室，或是在上班路上关掉数据流量，都是办法。核心不是“下决心不看”，而是设计出“无法看到”的状态。这两者成功率的差距，就是这篇论文的全部要义。

如果您也曾尝试减少手机使用却失败过，请在评论里告诉我们**具体是在哪个环节崩溃的。**是因为通知，还是习惯性地伸手去摸手机的那一刻，又或者是有什么“不看就不安”的东西。这正是这篇论文没能回答的地方，您的经验或许能成为下一期的素材。

---

💬 那次戒手机失败时，您是在哪个环节崩溃的？ · 📨 如果这篇文章会对某人有帮助，请分享给对方

（网页版）📬 订阅 · 我每周制作一份交叉分析科技、经济与人文的新闻通讯。

---

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 ··· 是今天这期通讯的核心依据。建议先看“Materials and methods”里的CONSORT流程图（Fig. 3），而不是先看结果部分。467人变成119人的过程，一张图里全都有。

• 这项研究的原始数据与预注册文件：OSF存储库 ··· 您可以亲自确认预注册和实际分析在哪里出现了分歧。论文本身也明确说明，时间使用因子分析并非预注册项目，而是事后分析。

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 ··· “效果超过抗抑郁药”这一比较的出处。请注意，这篇论文本身就处在争议的中心。

• 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 ··· 对立阵营的代表性研究。与这篇论文一并阅读，会得出“我们目前还不清楚”这个结论，我认为那才是诚实的状态。

• 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 ··· 整体在改善、唯独青少年在恶化这一趋势的原始数据。

---

📝 用语说明

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. PNAS Nexus：美国国家科学院院刊（PNAS）的姊妹期刊，创刊于2022年的开放获取学术期刊，这篇论文可以免费阅读全文。 ↩

2. 效应量（Cohen’s d）：将干预前后差异标准化后表示其大小的数值。按惯例，0.2为小，0.5为中，0.8为大。不过这个标准本身带有便利性质，同样是0.5，在不同领域的含义可能大相径庭。 ↩

3. gradCPT（渐进式启动持续操作任务）：一项持续5分钟的任务，屏幕出现城市照片时按空格键，出现山脉照片时不按。由于城市占90%、山脉占10%，人会习惯性地一直按，一旦短暂走神就会立刻出错。这种方法被广泛用于在不依赖自我报告的情况下客观测量注意力。 ↩

4. 荟萃分析（Meta-analysis）：将针对同一主题的多项研究汇集起来进行统计综合的方法。通常被认为比单项研究更可信，但纳入或剔除哪些研究，会导致结论发生变化。 ↩

5. 中介分析（Mediation analysis）：不满足于“A改善了B”，而是用统计方法估计出“A改变了C，而C又改善了B”这样的路径的方法。不过中介分析无法证明因果关系，论文自身也明确指出了这一局限。 ↩

6. ITT / TOT：ITT（intention-to-treat，意向性分析）是把没有遵照指示的人也一并纳入分析的方式，TOT（treatment-on-treated）则只分析实际遵守的人。ITT更保守也更贴近现实。这篇论文的主要结果就是以ITT为基准。 ↩

7. 智能手机过度依赖风险群体：用标准化量表测量后，将高风险群体与潜在风险群体合并而成的概念。请注意，这是调查工具的判定标准，而非临床诊断。 ↩