《Sustainability》:Digital Use Matters More than Access: Socioeconomic Inequality and Mathematics Achievement in the Context of Sustainable Education (PISA 2022)
编辑推荐:
本研究利用PISA 2022数据,考察了社会经济地位(SES)、数字接入以及不同形式的数字使用与数学成就之间的关系。分析基于PISA 2022学生数据集,完全指定模型包含来自49个教育系统的13,156所学校中的298,158名学生。研究结果表明,SES仍然是
本研究利用PISA 2022数据,考察了社会经济地位(SES)、数字接入以及不同形式的数字使用与数学成就之间的关系。分析基于PISA 2022学生数据集,完全指定模型包含来自49个教育系统的13,156所学校中的298,158名学生。研究结果表明,SES仍然是数学成就的最强预测因子,而数字接入的关联相对有限。当考虑不同类型的数字使用时,结果揭示出更复杂的模式。生产性(学习导向)使用与成就呈负相关,而娱乐性(休闲导向)使用则呈正相关。此外,娱乐性使用的正相关在来自较低社会经济背景的学生中更为显著。总体而言,研究结果表明,数字不平等不能仅从接入角度理解,还需要关注数字技术如何被使用以及这些使用如何与社会经济条件相关联。从可持续教育的角度来看,这意味着仅靠数字化不太可能减少教育不平等,而应考虑数字使用的质量和情境。
**论文解读:数字使用比访问更重要——基于PISA 2022的可持续教育视角下的社会经济不平等与数学成就**
**研究背景与问题**
在可持续教育目标(Sustainable Development Goal 4, SDG 4)框架下,数字化被视为促进教育公平、提升学习质量的关键驱动力。然而,早期研究多聚焦于“数字接入”(digital access)这一第一层数字鸿沟,假设增加技术基础设施即可缩小教育不平等。但近年证据表明,仅凭接入无法解释学业成就差异,甚至可能加剧现有不平等。数字不平等(digital inequality)已扩展为多维建构,涉及接入、使用模式、技能和结果。特别是,不同社会经济地位(SES)的学生在数字技术的使用目的、频率和质量上存在显著差异:高SES学生更倾向于有意识地用于学习,而低SES学生则更多用于娱乐。此外,家庭和学校情境下的数字资源对学习的影响不尽相同,学校数字资源的效果高度依赖教学整合。在COVID-19疫情后,远程学习暴露了数字使用质量的深层鸿沟。因此,迫切需要超越接入视角,系统考察数字使用类型(生产性与娱乐性)如何与SES交互影响学业成就,并探讨其对可持续教育的启示。
**研究内容与结论**
研究人员利用PISA 2022学生数据,采用两层次随机截距模型(hierarchical linear modeling, HLM),分析来自49个教育系统、13,156所学校中的298,158名学生。核心变量包括:社会经济地位(ESCS指数)、家庭数字接入(ICTHOME)、学校数字接入(ICTSCH)、生产性数字使用(Productive Use,学习导向)和娱乐性数字使用(Recreational Use,休闲导向)。研究通过逐步建模,检验了SES、数字接入、使用类型及其交互效应与数学成就的关系。主要结论如下:SES是数学成就的最强预测因子;数字接入(尤其是学校层面的)贡献有限;生产性使用与成就负相关,而娱乐性使用与成就正相关;娱乐性使用的正效应在低SES学生中更为显著。这表明数字不平等不仅涉及接入,更取决于使用方式及其与社会经济条件的交互,单纯数字化难以自动减少教育不平等,需关注数字使用的质量与情境。
**重要意义**
该研究发表于《Sustainability》,为可持续教育政策提供了实证依据:数字技术若要促进公平,必须超越“接入即平等”的简化叙事,转向对数字使用类型、教学情境和社会经济背景的精细考量。研究结果挑战了“学习导向使用必然有益、娱乐导向使用必然有害”的传统假设,揭示了数字互动的复杂性和情境依赖性,为教育数字化转型中的干预设计(如针对低SES学生的娱乐性技能转化)提供了新方向。
**关键技术方法**
研究人员采用PISA 2022数据集(来源:OECD组织的国际学生评估项目),通过两层次随机截距模型(HLM)处理学生嵌套于学校的数据结构。主要变量包括:社会经济地位(ESCS,由父母教育、职业和家庭财物综合构成)、家庭数字接入(ICTHOME)、学校数字接入(ICTSCH)、生产性数字使用(由调查项目ST326Q01JA–ST326Q03JA平均计算,涉及校内、课前课后及周末使用数字资源进行学习活动)、娱乐性数字使用(由ST326Q04JA–ST326Q06JA平均计算,涉及休闲娱乐活动)。所有连续变量进行标准化,并采用学生权重(W_FSTUWT)和重复权重(W_FSTR1–W_FSTR80)确保估计的代表性。数学成就使用10个合理值(PV1MATH–PV10MATH),经Rubin法则合并。模型逐步纳入SES、数字接入、使用类型及交互项,并检验学校间方差变化。
**研究结果**
**4.1 描述性统计**:数学成就的合理值均值约424分,标准差约99分,显示广泛分布。家庭数字接入(ICTHOME,均值-0.04,标准差1.09)和学校数字接入(ICTSCH,均值-0.03,标准差1.08)均值接近零,但变异较大。SES平均值为-0.69,说明样本整体社会经济水平偏低。
**4.2 无条件模型与组内相关系数**:零模型估计学校间方差为5407,校内方差为4953,组内相关系数(ICC)为0.522,即52.2%的数学成就变异可归因于学校间差异,证明使用多水平模型的必要性。
**4.3 数学成就与社会经济地位的关系**:相关分析显示,数学成就与SES呈中等正相关(r=0.496,p<0.001);与家庭数字接入弱正相关(r=0.093,p<0.001);与学校数字接入极弱正相关(r=0.050,p<0.001)。家庭与学校数字接入间存在中等相关(r=0.541),但方差膨胀因子(VIF<2)未显示多重共线性问题。
**4.4 预测数学成就的多水平模型**:模型1中,SES为强预测因子(B=16.44,p<0.001)。模型2加入数字接入后,SES效应仍强(B=18.70,p<0.001),家庭接入有正效应(B=2.43,p<0.001)但幅度小,学校接入效应不显著。模型3加入使用类型:生产性使用与成就负相关(B=-2.94,p<0.001),娱乐性使用正相关(B=2.83,p<0.001),SES效应稳定(B=19.00,p<0.001)。模型4加入交互项:SES与生产性使用交互不显著(B=-0.18,p=0.07),但SES与娱乐性使用交互显著为负(B=-0.49,p<0.001),表明娱乐性使用的正效应随SES升高而减弱。学校数字接入在该模型中呈微弱负相关(B=-1.63,p<0.001)。最终模型显示SES系数最大,数字接入和使用类型系数较小。
**讨论与结论**
**讨论总结**:研究证实,SES是学业成就的首要决定因素,数字接入影响有限。家庭数字资源微弱支持学习,而学校数字资源独立效应甚至为负,暗示其教学整合质量可能不足。生产性使用的负相关可能源于低成就学生补偿性使用或认知过载,而非有益学习行为;娱乐性使用的正相关则可能通过数字技能、问题解决能力等间接机制发挥作用。交互效应表明,娱乐性使用对低SES学生具有潜在补偿作用,但效应量较小,不足以根本改变结构性不平等。数字不平等不能仅从接入理解,需关注使用方式与社会经济条件的交互。从可持续教育视角,数字化不能自动消除不平等,需结合情境敏感的教学策略和结构性干预。
**研究结论翻译**:本研究利用PISA 2022多水平分析方法,考察了社会经济地位(SES)、数字接入和数字使用模式与数学成就之间的关系。通过超越接入指标并纳入使用模式及交互效应,本研究为当代教育系统中的数字不平等提供了更细致的理解。研究结果表明,SES是学业成就的主要决定因素,并解释了学校间变异的大部分。数字接入的影响有限。本研究中最重要的发现之一是数字使用类型分化所产生的效应:生产性数字使用与成就负相关,而娱乐性数字使用正相关,尽管效应量适中。这些发现挑战了“学习导向技术使用普遍有益、娱乐使用有害”的传统假设,表明数字参与与学业成就之间的关系更为复杂且依赖情境。然而,娱乐性数字使用与成就的正相关在低社会经济背景学生中更强,其潜在补偿机制仍需进一步讨论。但效应量较小,表明数字互动减少结构性不平等的能力有限。数字不平等不仅仅是接入问题;数字资源如何被使用以及这些使用如何与社会经济条件交互,是一个广泛的讨论领域。从可持续性角度看,这意味着数字技术本身不能作为教育不平等的全面解决方案。相反,促进公平和优质教育的努力应聚焦于情境敏感、教学知情的数字使用,以及更广泛的结构性干预。总之,本研究强调需要超越教育数字化的简化叙事,采用更批判、多维的方法,认识到数字技术在支持可持续学习成果中的机遇与局限。