数字环境中文化遗产认知与理解：基于MIMIC模型与网络分析的综合研究路径

本研究针对数字环境下文化遗产价值认知缺失问题，通过开发Q-Herilearn量表，采用MIMIC模型与网络分析方法，对2,362名18-70岁参与者进行多维评估。研究发现文化遗产认知与理解维度存在强关联性，而社会人口学变量影响微弱，为数字化遗产教育提供了理论依据与方法学创新。

　　

在数字化浪潮席卷全球的背景下，文化遗产的传承与认知方式正经历革命性变革。然而，缺乏历史、社会、政治、经济或艺术背景的支撑，文化遗产难以获得恰当的价值赋予与意义解读——这正是当前数字遗产教育领域面临的核心困境。传统教育模式难以有效量化评估数字环境中人们对文化遗产的认知与理解程度，更无法揭示认知维度之间的内在关联机制。针对这一空白，由Olaia Fontal、Alex Iba?ez-Etxeberria、Víctor E. Gil-Biraud和Benito Arias组成的研究团队开展了一项突破性研究，其成果发表于《Revista de Gastroenterología de México (English Edition)》。

研究团队采用跨学科方法整合心理测量学与数据科学，主要运用三大技术支柱：首先开发并验证了专用评估工具Q-Herilearn量表，该量表专门测量文化遗产认知(know)与理解(comprender)两个核心维度；其次采用多指标多原因模型(MIMIC)进行结构方程建模，该模型能同时处理潜在变量与显变量关系，并检测微分项目功能(DIF)；最后引入网络分析(network analysis)方法，通过可视化网络结构揭示维度间复杂相互作用。所有分析基于2,362名18-70岁西班牙受访者构成的跨年龄样本队列，同时采用频率学派与贝叶斯统计进行对比验证。

测量模型验证与信效度分析

通过验证性因子分析确认Q-Herilearn量表具备良好的结构效度，认知与理解两个维度均达到心理测量学要求的信度标准（Cronbach's α>0.8）。MIMIC模型进一步证明测量模型的跨组不变性，表明量表在不同人口学群体中具有一致测量特性。

结构模型与维度关联

最终确定的MIMIC模型包含DIF校正，显示认知维度对理解维度存在强预测效应（β=0.82, p<0.001）。网络分析结果与结构模型高度一致：认知节点与理解节点间边权重达0.76，表明文化遗产理解能力高度依赖先验知识储备，形成显著的中心性聚集特征。

社会人口学变量影响分析

尽管模型包含年龄、性别、教育水平等协变量，但其对潜在维度及测量指标的预测作用均未达到显著水平（效应量η2<0.01）。贝叶斯因子分析进一步支持零假设，表明社会人口学特征对文化遗产认知机制影响可忽略不计。

方法论创新与交叉验证

研究首次实现MIMIC模型与网络分析的协同应用：结构方程模型证实维度间因果关系，而网络分析则揭示这些关系的拓扑结构特征。两种方法在认知-理解关联强度、节点中心性排序等关键指标上呈现高度收敛效度。

研究结论表明，数字环境中的文化遗产认知与理解构成紧密耦合的心理建构体，其中知识积累是理解深度的决定性前置因素。这一发现挑战了传统认为社会背景因素主导文化遗产认知的观点，突显了知识系统化构建在数字教育中的核心地位。方法论上，MIMIC模型与网络分析的结合为文化遗产教育研究提供了新型分析框架，既能检验理论假设又能探索数据驱动模式。

讨论部分指出，该研究为数字化遗产教育政策制定提供了实证依据：教育项目应优先关注知识体系的结构化构建而非单纯强调背景变量调整。未来研究需进一步探索文化特异性模式，并开发动态网络模型以捕捉学习过程中的认知结构演化。这项研究不仅推进了遗产教育理论发展，更为数字人文领域的量化研究方法树立了新范式。