敌对偏见修改培训在线学习 II (HBMT II)

安慰剂比较：安慰剂

行为的：其他培训

HBMT 培训的替代方案

实验性的：HBMT

行为的：HBMT

向个人展示缺少一些字母的单词，并告诉他们完成单词。

敌意归因偏差

改编自“愤怒认知量表”（Martin 和 Dahlen 2007）。 志愿者阅读假设场景，其中另一个人采取攻击性行为但意图不明（例如，“当有人将车倒出车道并差点撞到你时，你正在开车穿过住宅区。”）。 志愿者对项目做出回应（从“非常不可能”到“非常可能”）以表明他们将如何看待这种情况（例如，“他/她这样做只是为了让我不得不停下来。 他/她想吓唬我。”）。 志愿者在第一时间点响应一组（4 个场景），在第二时间点响应第二组（5 个场景）。 在每个场景中对反应进行汇总，并在不同场景中取平均值，以表明敌意归因偏差的程度。 每个时间点的个人分数范围从 0（无敌意归因偏差）到 24（高敌意归因偏差）。

驾驶侵略

状态攻击调查：这项调查改编自文献中的其他几项调查，以衡量普通人在日常生活中可能表现出的攻击行为的正常范围内的差异（Álvarez-García 等人，2016 年；Deffenbacher 等人， 2001 年；Deffenbacher, J. 等人，2002 年）。 该调查特别询问驾驶行为（例如，对其他司机大喊大叫）。 评分是报告期间攻击行为的计数。

对社交媒体的攻击

七个项目改编自 Álvarez-García 等人的青少年网络攻击问卷。 (2016)。 志愿者在时间点 2 报告了他们参与各种攻击性在线行为的频率（在之前的 24 小时内）（例如，在社交网络上发布对某人的粗鲁评论）。 响应选择范围从 1 = 从不到 4 = 总是。 分数以二分法记录，以表示志愿者在报告期间是否报告了任何在线攻击（即 “从不”被重新编码为“0”以表示没有攻击性，所有其他响应被重新编码为“1”以指示至少有一些攻击性。 在研究条件下报告在社交媒体上使用攻击性的志愿者比例越高，表明该研究条件的结果越差。

愤怒

特质愤怒量表：Wilk 等人 (2015) 验证的特质愤怒的简要衡量标准。 量表（1-5，非常不同意到非常同意）；关于个人对愤怒的看法的两个问题。 较高的值表示更大的愤怒。