数字鸿沟如何加剧高等教育辍学？基于系统动力学的模拟分析与政策启示

本刊推荐：为解决数字鸿沟对高等教育辍学率的影响问题，研究人员开展了一项基于系统动力学（System Dynamics, SD）方法的模拟研究。通过构建因果循环图（CLD）和存量流量图，并利用哥伦比亚实证数据校准模型，研究发现基础设施不足和培训项目高辍学率是数字鸿沟导致学生流失的主要驱动因素。结果表明，辍学现象并非均匀分布，而是由社会经济和制度因素共同塑造，强调需要通过系统和政策层面干预来促进数字公平、减少教育排斥，为实现SDG 4（优质教育）提供科学依据。

　　

在信息时代，数字鸿沟已成为政策制定者、学者和公众日益关注的关键问题。这一鸿沟不仅体现在数字技能培训的不平等上，还包括对信息通信技术（Information and Communication Technologies, ICTs）的有限或低效访问和使用。正如van Dijk（2020）所指出的，数字鸿沟远不止是一个纯技术问题，它深深交织着社会、经济和教育因素，显著影响人们获取机会和资源的途径。高等教育机构（Higher Education Institutions, HEIs）在面对这一挑战时，亟需理解数字鸿沟如何具体影响学生辍学率，并设计有效干预策略。

数字鸿沟是一个多维现象，涵盖数字技能发展以及对ICTs的差异访问和使用。尽管全球互联网覆盖已大幅改善，但国家之间和国家内部的不平等依然存在。特别是在非洲、拉丁美洲和加勒比地区，数字基础设施参差不齐，导致访问困难、连接速度慢和服务质量差。此外，教育水平、年龄、技术经验、社会经济条件和社会环境等因素也影响个人有效驾驭技术基础设施的能力。这种情况在全球南方尤为严重，这些差距更加明显。数字鸿沟还延伸到人们有效利用技术参与政治、公民、民主、教育、经济和社会领域的能力。缺乏这些能力会使公民边缘化，强化主导权力结构，并延续现有的不平等。

对于高等教育机构而言，数字鸿沟带来了重大挑战，因为它限制了公平访问，减少了技术的好处，并降低了学术效果。解决这一问题要求高等教育机构将数字领导技能、跨文化能力和自我效能发展纳入课程，因为这种组合提升了当代劳动力市场中的就业率。数字鸿沟加剧了高等教育中的学生辍学，限制完成大学学位的个人和社会效益。

在此背景下，本研究旨在模拟数字鸿沟对本科高等教育项目中学生辍学率的影响。通过系统动力学（System Dynamics, SD）方法论，研究人员构建了因果循环图和存量流量模型，并利用哥伦比亚的实证数据进行了校准，包括辍学率、入学水平、家庭收入、互联网连接和数字设备可用性。模型经过结构和行为验证，并进行了敏感性分析。模拟在三种场景下进行：家庭收入变化（影响连接和设备提供）、入学率变化以及数字培训项目的有效性。结果揭示，结构性限制，特别是基础设施差和培训项目高辍学率，是与数字鸿沟相关的学生流失的主要驱动因素。研究结果强调，辍学并非均匀分布，而是由社会经济和制度因素共同塑造。解决数字鸿沟需要系统和政策层面的干预。本研究通过提供基于模拟的方法，为促进数字公平和减少高等教育中的教育排斥策略提供了信息，从而贡献于可持续发展目标4（SDG 4）。

研究人员采用系统动力学（System Dynamics, SD）方法，通过构建因果循环图（Causal Loop Diagram, CLD）和存量流量图（Stock-and-Flow Diagram）来模拟数字鸿沟对辍学率的影响。模型利用哥伦比亚的官方和机构数据（如SPADIES数据库和Universidad de Bogotá Jorge Tadeo Lozano的统计公报）进行参数化和校准，包括辍学率、入学率、家庭收入、互联网速度和设备可用性等变量。通过结构验证（反馈循环分析）和行为验证（与历史数据比较），确保模型的内部逻辑和实证一致性。敏感性分析评估了关键参数（如入学率、毕业率、数字技能低下的学生比例）的变化对系统行为的影响，并进行了多场景模拟（家庭收入变化、培训项目链接率和辍学率调整），以识别政策杠杆和系统稳定性。

结果部分：

因果循环图

因果循环图捕捉了受数字鸿沟影响的高等教育系统中学生保留的结构动态。它突出了三个增强循环（R1、R2、R3）和两个平衡循环（B1、B2）的相互作用，共同解释了学生入学、辍学和数字访问的行为。

• •

  R1循环表示一个经典的增强机制：入学增加导致更多学生进入系统，包括数字技能有限的学生。这些学生更可能在学术环境中挣扎，增加总体辍学率，最终削弱入学可持续性。

• •

  R2循环显示，入学增加提升高等教育机构的基础设施质量，因为更大的学生群体允许对技术基础设施和数字平台的更多投资。改善的基础设施有助于减少数字鸿沟指数，从而降低因数字不平等而辍学的学生数量。

• •

  R3循环出现一种动态，加深与数字鸿沟相关的教育排斥。随着数字技能低下的学生增加，对弥补这一差距的培训项目的需求也增加。然而，这些项目的有效性成为关键因素。当培训项目缺乏质量、相关性或足够资源时，学生无法发展必要技能，导致与数字鸿沟相关的辍学率增加。

存量流量图

存量流量图代表了设计用于模拟数字鸿沟对本科高等教育项目中学生保留影响的数学模型。该图结合了三个类型的变量：（1）水平，表示特定时间点的资源可用性；（2）流量，代表基于改进策略或干预的资源水平增加或减少；（3）辅助变量，作为系统性能的关键驱动因素。基于该模型的模拟允许分析各种社会场景或干预，帮助识别更有效的策略来改善本科项目中的保留率。

作为模型结构验证的一部分，基于CLD进行了反馈循环分析，并与参考模型模拟中出现的行为模式进行了比较。总共识别了九个主要循环，分类为增强（R1和R2）和平衡（B1到B6）。每个循环通过测量其关键变量对相关存量（入学学生和培训项目中的学生）的百分比影响来评估，从而确定它们在系统中的相对权重。最初在CLD中提出的四个循环在循环主导分析中得到了反映。

• •

  增强循环R1，将入学与入学学生存量联系起来，表现出最高水平的主导性，达到41.6%的最大影响。这一动态代表了在扩展教育系统中观察到的典型正反馈结构：入学学生数量越高，机构可见度和合法性越大，进而鼓励新入学并增强增长。

• •

  相比之下，循环R2——尽管在结构上复杂，有11个变量和三个存量——显示出低定量主导性（最大1.42%）。尽管如此，其分析价值在于连接关键变量的能力，如培训项目的有效性、数字鸿沟指数和因技术缺陷导致的辍学率。

作为结构验证的补充阶段，行为验证通过将模拟结果与从SPADIES获得的历史数据进行比较来进行。模拟和实际值之间的高度一致性表明，模型充分捕捉了学生群体的历史演变。此外，尽管模拟和实际数据之间存在微小偏差，但总体趋势保持一致，复制了辍学现象的特征峰值和低谷。

敏感性分析和参考模型

为了评估模型对关键参数变化的稳健性，进行了敏感性分析，涉及七个系统变量的修改。基于95%置信区间（CI）的计算，估计在时间t=20时，入学学生数量将在45到3,460名学生之间。这一行为反映了持续的下降趋势，早期向均衡收敛。百分位数之间的狭窄范围表明模型对此存量具有高稳定性，表明学生入学对测试条件下参数不确定性相对不敏感。相比之下，辍学学生数量在模拟期结束时预计范围从2,240到5,666。这一变量显示出早期的快速增加阶段，随后稳定。更宽的置信带表明辍学率对模型参数变化更敏感。

关于因数字鸿沟导致的学生辍学，在t=20时的预测范围在95% CI内从33到140名学生。这一存量遵循较慢、稳定的增长轨迹，百分位数带随时间扩大，揭示这一变量对模型变量变化高度敏感。

参考模型显示了入学过程、辍学、与数字鸿沟相关的辍学以及数字技能培训的联合演变。入学学生的累积数量在整个模拟期间呈现逐步增长，在第20学期结束时达到6.89名学生。然而，与辍学累积的并行动态相比，这一增长不足，辍学显示出更陡峭的增长模式，同期总共8,546例辍学案例。

模拟：家庭设备

参考场景（平均家庭收入420美元/月）假设互联网连接速度42 Mbps和设备提供率8.4%。在此情况下，因数字鸿沟导致的累积辍学在第20学期结束时达到1,260名学生。当家庭收入减少到350美元时，模型预测更高的辍学率，达到1,280名学生。在最有利场景中（平均家庭收入1,000美元），互联网速度增加到200 Mbps，设备提供达到20%。这一环境支持更大的技术采用和更公平的数字学习条件，因数字鸿沟导致的辍学显著减少，第20学期结束时仅有1,020名学生辍学。

模拟：培训项目

这一组模拟检查了项目链接率和培训项目辍学率的变化，但非同时进行。尽管预期有变化，但三条曲线表现出相同的准指数轨迹，表明仅增加项目链接率不会实质性减少辍学率。关于培训项目辍学率，结果显示培训项目保留与因数字鸿沟导致的辍学之间存在强负相关。辍学率最低（30%）的场景导致最少的学生离开系统——第20学期结束时833名学生。辍学率最高（80%）的场景显示出陡峭且加速的曲线，最终1,270名学生辍学。这些发现强调，培训项目有效性是减少因数字鸿沟导致辍学的关键杠杆点。

模拟：学生访问

从机构视角来看，增加的入学率通常是一个积极指标。然而，更高的入学率也可能导致数字技能有限的学生增加，进而贡献于更高的与数字鸿沟相关的辍学率。这一关切促使通过一系列模拟更仔细地检查这些动态。在入学率最低（10%）的场景中，系统逐步崩溃。因数字鸿沟导致的辍学急剧增加——第20学期结束时达到819名学生——表明一个无法保留学生基地的不稳定系统。此外，入学减少恶化高等教育机构的财务和运营能力，逐步破坏其基础设施。这对于在家无法访问ICTs并依赖机构资源（如计算机实验室、校园Wi-Fi或借用设备）参与学术生活的学生尤为关键。 resulting infrastructure degradation exacerbates the digital divide and intensifies educational inequality, further increasing dropout.

研究结论强调，数字鸿沟是影响本科高等教育项目中学生辍学和保留的关键因素，因为它直接影响数字环境中的访问、学习和参与。缓解这一问题需要加强技术基础设施、提升数字技能培训，并实施解决技术访问不平等的机构政策。高等教育机构必须制定全面的、证据为基础的策略（如本研究通过SD模拟模型生成的策略），以在数字时代促进包容和公平的教育。这与可持续发展目标4（SDG 4）直接一致，旨在确保包容和公平的优质教育并促进终身学习机会 for all。通过这样做，高等教育机构可以推进公平和社会正义，确保所有学生拥有必要资源和支持，在日益数字化的学习环境中取得成功。

讨论部分指出，数字鸿沟的影响超出了访问、使用和技术技能的差异，对高等教育中的公平、多样性和包容具有显著影响。随着时间的推移，这一概念已从单纯缺乏技术设备演变为涵盖更广泛的社会经济、文化和社会资本因素。数字鸿沟体现在三个关键方面：（1）对技术和连接的访问；（2）数字技能和技术培训；以及（3）技术在学习中的有效使用。 developed theoretical framework identified the most relevant variables related to the digital divide that have a significant impact on student dropout rates.这些包括对设备和连接的有限访问、数字技能的缺乏、不利的社会经济条件、不足的机构支持以及在线学习的低质量。

因此，数字鸿沟已成为学生保留的重要障碍，直接影响辍学率。Levano-Francia et al.（2019）强调通过促进、认可和激励数字技能发展的紧迫性，因为这些能力有助于更包容和社会凝聚的社区。类似地，Nkansah and Oldac（2024）强调高等教育机构、政府和社区需要合作解决数字鸿沟，并通过在所有教育水平上全面的数字素养倡议增强学生保留。此外，改善互联网访问并确保机构配备足够技术资源是 foster students' academic and professional success的关键步骤。

这一挑战与可持续发展目标4（SDG 4）中概述的全球议程紧密一致，旨在确保包容和公平的优质教育并促进所有人的终身学习机会。特别是，本研究的结果与目标4.3和4.4相关，强调平等访问优质高等教育和青年与成人发展相关数字技能。正如Nedungadi et al.（2024） argue，生成式人工智能（Generative Artificial Intelligence, GAI） holds transformative potential for advancing these targets by personalizing learning, reducing accessibility barriers, and fostering digital inclusion.然而，他们也 caution that the ethical and algorithmic risks associated with GAI must be addressed through strategic, equity-oriented policy design.在此背景下，模拟模型（如本研究提出的模型）提供宝贵见解，以支持旨在缩小数字差距和推进教育公平的机构和政策层面决策。

本研究识别了缓解由数字鸿沟导致的学生辍学的关键策略。这些策略包括高等教育机构增加对数字基础设施的投资、扩展其数字培训项目、增强机构支持和学术指导，以及实施模拟模型以更好地理解这一现象并为决策提供信息。换句话说，高等教育机构必须改进其数字技能培训项目并加强促进学生成功的支持机制。此外，他们必须确保学生完成这些项目，因为它们的成功完成对保留率产生积极影响。由于学生辍学是一个多面问题，高等教育机构必须持续诊断、监控和解决数字鸿沟以外的辍学原因。这些因素对总体学生保留有更实质性的影响，并需要针对性干预。