一.   问题提出

2020年，新冠疫情爆发对“互联网+”教育公平提出了新的挑战。疫情之下，全区域、全覆盖、全方位的在线教学实践暴露出中国区域、城乡、校际在线教育发展的不平衡，表现为基础设施、教学资源、师资力量等存在明显差异，且在线教育过程面临课程设计不科学、教学互动不足、管理不规范等诸多问题，导致线上教学开展得如火如荼却成效不彰。 ^①与此同时，社会互联网教育资源仍存在明显差异，社区、家庭等校外教育场域中学生互联网获得、使用及其教育影响的不平等问题仍可能日益严重。当校内优质教育资源覆盖面趋近饱和，优势社会阶层则可能于校外谋求更优质的教育资源，由此教育差距并不会缩小，反而会持续扩大。^②在线教育作为一种居家学习方式，将学生日常的学习环境从统一的校园环境分散为不同的家庭环境，由此，家庭背景差异将进一步放大互联网教育影响的优弱势群体差距。 ^③

在此背景下，校外(尤其在家庭中)学生互联网获得、使用与其教育影响，将随之成为影响“互联网+”教育公平的决定性因素。那么，学生家庭中互联网获得的情况如何，不同学生群体间互联网获得存在何种差异？学生在家庭及其他场所中互联网的使用情况怎样，其群体差异如何？学生互联网使用对其学业存在何种影响，这种影响更利于优势学生还是弱势学生？学生互联网获得、使用及其教育影响之间存在怎样的联系和差别？对这些问题的解答无疑具有十分重要的现实意义。

二.   文献回顾与研究假设

已有关于“互联网+”教育公平的研究主要集中于学生互联网获得的群体差异、互联网使用的群体差异以及互联网教育影响的群体差异三方面内容，对应于互联网教育公平的起点、过程与结果。

一   互联网教育的起点公平

学生互联网教育的起点公平关注的是学生互联网获得的群体差异。已有研究聚焦于宏观层面如城乡与地区、中观层面如学校与社区、微观层面如家庭社会经济背景与性别等维度的学生群体差异。在宏观层面，一项关注地区间线上学习差异的调查研究发现，东、中、西部地区在互联网基础设施与数字化学习资源方面存在显著性差异(据其调查结果，东、中、西部地区信息化学习设备要素得分分别为4.3、4.1、3.7分)^④；由中国教育科学研究院组织的全国性调查表明，东、中、西部在教育信息化教学的支撑和保障、教学过程、需求等方面存在显著性差异，整体上东部显著优越、中部次之、西部落在最后^⑤。在城乡学生互联网获得的群体差异方面，有调查认为城乡学生在基本硬件条件、网络条件和场地条件方面存在显著的差异^⑥；另一项全国性调查指明，城镇学生主要使用各类电脑进行在线学习(70.62%)，农村学生主要使用手机(74.98%)进行在线学习，该调查还表明有网络问题的农村学生比例达37.63%，高于城镇学生^⑦。上述现象导致乡村学生“线上失学”的比例(8.07%)显著高于全国一般水平(5.98%)，使处在辍学边缘的初中生面临长期辍学的风险。^⑧此外，还有研究者注意到不同城市级别维度的学生互联网资源获得的群体差异，如一项针对辽宁省在线学习的调查表明，省级学生对在线学习资源获取的比例明显高于县级。^⑨在中观层面，一项基于全国12所高校学生的调查表明，相对于重点大学的本科生，普通院校本科生和高职学生拥有互联网设备的可能性要分别低82%和93%，说明校际学生群体的数字鸿沟同样明显。^⑩另有研究基于一所豫北乡村小学和一所上海城区小学的个案比较发现，社区层面的新媒体产业、教育机构等社会组织向教师与家长提供技术培训的社会支持差异是造成城乡儿童互联网使用鸿沟的核心变量。^⑪在微观层面，针对江苏省两个城市地区重点中学的一项问卷调查显示，家庭经济水平对学生互联网获得的影响相对省域内城市经济水平因素更为重要(家庭年收入和家庭电脑拥有量的相关系数为0.33，但两个不同经济基础城市所拥有的学生网民数量没有显著差异)。^⑫另一项调查数据表明，中上经济水平家庭安装互联网的概率较劣势家庭高出1.4至4.4倍，而父亲学历是小学及以下的家庭安装互联网的概率仅为专科及以上的0.4倍。^⑬此外，还有部分研究从学生的性别^⑭、留守^⑮、民族^⑯等维度着手分析，认为这些维度均存在显著的学生互联网获得的群体差异。

上述研究从宏、中、微观各维度对互联网教育公平的起点作了细致分析，反映出优弱势学生群体间互联网获得的差距以及这种差距的多样性。但由于各研究调查数据统计口径不同、调查对象各异、调查时间不一致等问题，无法对已有研究结论进行横向或纵向比较，因而难以准确了解不同层面和不同维度的学生互联网获得的群体差异在程度上的区别，对各学生群体互联网获得的变化趋势与幅度也无法准确把握。若要探究这些问题，则需要在统一调查口径、同一调查对象以及不同的时间节点上进行数据分析。对此，本文将根据中国教育追踪调查数据，比较各维度学生互联网获得的群体差异的异质性以及了解各学生群体互联网获得的变化情况，因而提出研究假设1、2。

假设1：不同维度(城乡、地区、城市级别、学校、家庭背景、性别、留守等)学生互联网获得的群体差异存在异质性。

假设2：不同维度学生互联网获得的群体差异随时间变化，且变化幅度存在异质性。

二   互联网教育的过程公平

2015年OECD在线学习报告指出，随着全球信息化高速发展，大多数国家的弱势家庭子女已有更多机会接触互联网，但优弱势学生群体间的互联网教育差距并未缩小，“新数字鸿沟”(学生互联网使用及使用效果的群体差距)反而呈逐步加剧的趋势。^⑰中国学界在关注学生互联网教育起点公平的同时也开始将视线投向学生互联网教育的过程公平，尽管这些研究的数量并不太多。相关研究集中于学生互联网使用偏好与使用程度群体差异的分析，其分析维度涉及城乡、学校、家庭背景、性别等方面。一系列全国或区域性调查研究表明，城市学生^⑱、重点中学的学生^⑲、家庭社会经济地位高的学生^⑳、家长学历高的学生^㉑、男性学生^㉒对互联网学习的适应性更强、更倾向于使用互联网学习，而社会处境不利的家庭背景的学生更易于形成娱乐偏好。^㉓另一些研究还表明，城市地区^㉔、家庭社会经济地位高^㉕、男性学生^㉖对互联网的使用频次更高、时长更长。对此，有研究者指出，学生互联网使用本身就是和阶层相关的一种资本，从而复制甚至扩大了不平等。^㉗

从以上结论来看，学生互联网获得与互联网使用(偏好与程度)的群体差异似乎存在同构性，即优势学生群体较弱势学生群体不仅获得更多的互联网资源，同时也形成了更优的互联网使用偏好以及使用更多的互联网教育资源。但实际上，学生互联网获得与使用的群体差异也可能存在较大的异质性，这是因为学生对互联网资源的拥有并不必然决定其使用偏好与程度，学校、家庭的引导与监督无疑将对学生互联网使用发挥重要甚至是决定性的作用。此外，由于已有研究在统计口径与调查对象差异等数据上存在局限，无法对不同维度的学生互联网使用的群体差异进行比较，亦无法获知学生互联网使用的群体差异是否随时间发生变化，更无从比较互联网教育的起点公平与过程公平的异同。为了分析这些问题，本研究提出研究假设3、4、5。

假设3：不同维度学生互联网使用的群体差异存在异质性。

假设4：不同维度学生互联网使用的群体差异随时间变化，且变化幅度存在异质性。

假设5：各维度学生互联网使用的群体差异与学生互联网获得的群体差异存在异质性。

三   互联网教育的结果公平

判断学生互联网教育的结果公平，其关键在于分析学生互联网使用行为对教育产生的影响以及这种影响是否存在优弱势群体差异。然而，学界对于学生互联网使用所产生的教育影响仍存在分歧，进而难以判断互联网教育结果公平的实际情况。一种观点认为，互联网使用对学生(尤其弱势学生)的日常学习具有积极的改善作用，如一些研究指出，互联网扩大了学生的朋友圈，扩展了其社会认知与公共活动参与的渠道，从而提升学生的认知能力^㉘，促进学生的学习能力^㉙。由此，互联网可能促进教育公平，部分实证研究结论验证了这一观点。如一项全国网络调查研究表明，在互联网学习效果和兴趣维度上，农村学校学生的学习效果与兴趣的自我报告得分高于城区学校学生，尤其是在线学习过程中与同学之间的互动效果和在线学习动机方面，农村学生的自我感知更好。^㉚另一项全国性调查同样显示乡镇学生在线上学习的资源优质性、教学活动安排与评价、学生参与三个方面满意度最高，而城区学生在资源优质性、教学活动安排和在线学习参与三个方面得分最低。^㉛

有研究者对互联网促进教育结果公平观点持相反意见，认为优势学生群体通过互联网获得更多教育红利，由此造成教育不平等被持续扩大。譬如一项基于全国范围的网络问卷调研表明，城镇学生较农村学生对网上学习的态度更积极、适应性更强，原因在于城镇学生有更多机会拥有满足日常网上学习的设备且对电子设备的熟悉度更高。^㉜另有调查结果强调，家庭背景差异加剧了互联网教育不平等，认为家庭资本更高、家长陪同更多的学生在线学习满意度更高^㉝、学习效果更好^㉞，而贫困家庭学生因缺少良好的互联网学习环境与条件、承担更多的家务劳动、父母受教育程度较低等因素导致学习效果较差^㉟。

还有研究者注意到，互联网对教育可能发挥负向作用，并基于此进一步讨论互联网教育公平问题。譬如有研究强调，互联网使用可能导致学生在学习过程中专注度下降，养成网络依赖、抄袭等不良习惯^㊱，甚至造成网络成瘾，进一步影响学习效果^㊲。一些关于线上学习的调查研究进一步验证了这一结论，并认为互联网对教育的负向作用可能加剧教育不平等。研究表明，城镇学生的在线学习计划能力处于较低水平，而农村学生存在线上学习注意力不集中，师生交互、生生交互能力较弱等问题。^㊳由此，农村学生经历线上学习后成绩下滑的现象较城市学生更为严重，家庭社会经济条件弱势的学生也面临着同样的问题。^㊴

由上述可以看出，有关互联网教育结果公平的分歧主要集中于两个问题：第一，互联网对学生学习发挥了怎样的作用(正向还是负向)；第二，这种作用是更有利于优势学生群体还是弱势学生群体。在解答这些问题前需要注意的是，现实中的学生并非仅通过互联网学习或娱乐，而是学生既通过互联网学习也通过互联网娱乐，由此互联网对学生学习发挥的影响就可能包含正向和负向两种影响。此外，学习型互联网使用偏好(在线学习)也并不必然带来学生学习成绩提升，而娱乐型互联网使用偏好也并不必然导致学生学习成绩下降，关键在于学习型或娱乐型互联网使用的程度。因此，分析互联网对教育公平的影响时，需要一种既包含学生不同互联网使用偏好也包含互联网使用程度的整体性视角，而分析学生互联网使用整体时长对学业成就的影响则为此提供了有力抓手。同时，已有研究也注意到不同维度学生互联网教育效果的群体差异，但与互联网教育起点和过程公平相比，其对地区、城市级别、家庭背景、性别等维度的关注仍不充分，涉及这些维度的互联网教育结果公平随时间变化的分析有待进一步细化，而且互联网教育结果的公平与起点、过程的公平存在何种差异也需要进一步讨论。基于此，本文提出假设6、7、8。

假设6：学生互联网使用(时长)对学业成就发挥(正向或负向)影响，且这一影响存在群体异质性。

假设7：不同维度互联网教育结果的公平存在差异，且这一差异随时间变化。

假设8：互联网教育的结果公平与互联网教育的起点与过程公平存在差异。

三.   研究设计

本研究选取全国性追踪数据“中国教育追踪调查”(Chinese Education Panel Survey，简称CEPS)为分析对象。选择该数据的原因有以下三点。其一，该数据在拥有学生互联网获得、使用与学业成就等核心变量调查数据的同时，还包含了较为完整的学生所在地区、城乡、学校、家庭背景、人口学变量等分组变量，从而便于不同维度、不同类型互联网教育公平的内部与外部比较。其二，该数据以随机分层抽样的方式覆盖了全国28个县级单位(县、区、市)中112所学校的438个班级，可以较好地反映全国范围互联网教育公平的真实情况。其三，对追踪型数据的分析有利于从时间维度讨论互联网教育公平的变化趋势。该数据是以初中一年级和三年级两个同期群为调查起点，从2013到2015学年持续进行追踪的数据，其中2013—2014学年基线调查共覆盖约2万名学生，2014—2015学年的追踪调查数据追访了基线调查时初一年级共10 279名学生。需要说明的是，该数据也存在一定的局限性，即数据存在一定程度的老化，但这并不妨碍通过对过去互联网教育公平起点、过程与结果的讨论来反思现在的情况。

一   核心变量

1   学生互联网获得与使用

CEPS学生问卷设置了相关题项, 可以直接对学生家庭互联网获得与使用进行调查。为考察学生互联网获得的群体差异，本研究将学生家庭互联网获得的数据处理为“拥有或未拥有互联网”二分变量。为从整体上分析学生互联网使用程度及其对学习影响的群体差异，研究通过数据合并生成了学生周总互联网使用时长这一连续型变量，单位为小时。

2   学生学业综合成就

本研究以“学生学业综合情况”变量为学生学习情况的考察指标。对于学生学习情况，CEPS对学生的主干课程(语文、数学和英语)考试成绩、课程接受程度与认知能力水平等内容进行了数据搜集。由于地区、学校与班级差异，单独使用这些变量测算其学业情况可能造成数据偏误，而综合这些变量进行主成分分析的加权与标准化处理可以一定程度减少该误差。主成分分析结果显示，主干课程考试成绩、课程接受度、认知能力水平三个变量的因子载荷度分别为0.81、0.70与0.75，其累积方差贡献率为100%，主成分特征值为1.68，KMO值为0.73，表明学业综合成就可以较好反映学生整体学习情况。学生学业综合成就变量取值0—100，数值越大表示学业成就越高。

3   个体、家庭、学校与区域的分组变量

在学生个体层面，CEPS学生与家长问卷设计了系列题项，对学生所在户口、家庭经济水平、家长职业地位、家长受教育水平、家长政治身份、民族、住校、留守、流动、独生子女、性别等变量进行调查。在学校层面，CEPS校长问卷设置了相关题项对学校位置、学校性质(公办或民办)、学校排名、农村学生所占比例等方面进行调查。为了分析简约以及便于与群体比较，将这些变量处理为二分变量，取值为0或1(0表示低水平组，1表示高水平组)。CEPS问卷还含有城市地区(东部与中西部)与城市行政级别(省会或地级市与县级市)相关题项，本文也将其处理为二分变量，用以考察全国各个地区间以及各省域内的差距。

二   分析方法

绝对差距法、相对差距综合指数法以及多元回归分析法是较为常见的数字鸿沟测量方法。^㊵本文采用绝对差距法、相对差距综合指数法分析各维度学生互联网获得与使用的群体差异，以多元回归分析法探究学生互联网使用对其学业的影响及其群体差异。在具体操作上，首先通过绝对差距法统计各组别学生互联网获得与使用的绝对差值，即各维度优势学生群体互联网获得、使用的实际值减去弱势学生群体的对应值，随后利用t检验判断该绝对差异是否显著。其次，采用相对差距综合指数法测算各维度学生互联网获得与使用的群体差异，计算公式为：

其中，Q_X代表某特征变量X的弱势群体i与优势群体i′之间的群体差距指数，X_i代表X维度弱势群体互联网获得或使用时长的实际数值，X_i′代表X维度优势群体互联网获得或使用时长的实际数值。

最后通过多元回归验证学生互联使用对学生学业综合成就的影响及其群体差异，计算公式为：

其中，y_i是指第i个学生的学业变量；Net指该生互联网使用时长的自变量，β₁为其回归系数；X_i是指第i个学生个体、学校及地区层面的控制变量，β₂为其回归系数；Net×X_i为互联网使用与某控制变量的交互项，β₃为该交互项回归系数；Z_ki为X_i以外的其他控制变量，β_k为其回归系数；α_i是回归模型的截距，即常数项；ε_i为随机误差项。当β₁×β₃＞0，说明调节变量对自变量效应发挥增强作用，也即自变量效应对该调节变量维度优势学生群体的影响更大；当β₁×β₃＜0，说明调节变量对自变量效应发挥抑制作用，也即自变量效应对该调节变量维度弱势学生群体的影响更大。

以上三种方法各有优劣。绝对差距的算法可以直观反映出某一维度优弱势群体之间的差距，但由于测算基数与单位差异而无法对不同维度、不同类型的互联网教育公平进行比较。相对差距综合指数法在计算过程中化约了统计单位，便于比较不同维度、不同类型互联网教育公平的差异，但该方法由于未能控制相关分组变量而无法避免分组变量间的相互影响，其分析结果可能存在一定误差。多元回归分析法有效控制了各分组变量，因此可以获得不同自变量对结果变量影响的精确数值，但该方法呈现的数据直观性不足、无法比较各类互联网教育公平的差异等缺点也较为明显。由此，本研究试图通过综合以上三种分析方式，在避免三种方法不足的同时，分析不同维度、不同类型互联网教育公平的差异。三种分析方法的结果相互对照，也在一定程度上保证了数据分析的有效性。

四.   数据分析与结果

一   互联网教育公平的起点：中学生互联网获得的群体差异

互联网教育公平的起点可以由中学生互联网获得的优弱势群体差异这一变量反映。互联网获得的优弱势群体差异越大，互联网教育的起点公平程度越低，反之亦然。表 1统计了2013—2014、2014—2015学年各维度学生优弱势群体间的互联网获得值(百分比)、绝对差距值与相对差距值。为更直观地比较各维度优弱势学生的群体差异，图 1以柱状图的方式对不同学生群体间互联网获得的相对差距进行了呈现。总体数据显示，不同维度中学生互联网获得的优弱势群体差距存在较大差异，其中家庭经济水平与城乡维度的差距最大；从时间上看，各维度互联网获得的数字鸿沟呈缩小趋势。研究假设1与假设2成立。

表  1  中学生互联网获得的群体差异

学生特征变量	2013—2014学年互联网获得比例					2014—2015学年互联网获得比例
	弱势	优势	绝对差距	相对差距		弱势	优势	绝对差距	相对差距
户口(农业)	0.47	0.77	0.29***	0.38		0.54	0.78	0.25***	0.31
家庭经济水平(中下)	0.33	0.68	0.35***	0.52		0.37	0.73	0.36***	0.49
家长职业地位(低)	0.54	0.85	0.31***	0.37		0.59	0.85	0.26***	0.30
家长受教育程度(低)	0.54	0.90	0.36***	0.40		0.59	0.91	0.33***	0.36
家长政治身份(群众)	0.59	0.73	0.14***	0.19		0.65	0.72	0.08***	0.11
民族(非汉)	0.45	0.63	0.19***	0.29		0.48	0.68	0.20***	0.29
住校(住)	0.38	0.72	0.34***	0.47		0.44	0.75	0.31***	0.41
留守(留)	0.42	0.66	0.24***	0.36		0.48	0.71	0.23***	0.32
流动(流)	0.69	0.59	-0.10***	-0.15		0.72	0.64	-0.08***	-0.13
独生子女(非独生)	0.48	0.78	0.30***	0.38		0.53	0.78	0.26***	0.33
性别(女)	0.61	0.60	-0.01	-0.01		0.66	0.64	-0.02	-0.03
学校位置(乡镇农村)	0.40	0.81	0.41***	0.50		0.44	0.84	0.40***	0.48
学校性质(民办)	0.44	0.62	0.18***	0.29		0.49	0.66	0.18***	0.27
学校排名(中等及以下)	0.55	0.76	0.21***	0.28		0.59	0.80	0.20***	0.26
学校农村学生比例(高)	0.39	0.90	0.51***	0.57		0.45	0.92	0.47***	0.51
城市行政级别(县级市)	0.41	0.85	0.45***	0.52		0.46	0.88	0.43***	0.48
城市地区(中西部)	0.50	0.73	0.22***	0.31		0.54	0.76	0.22***	0.29
注：1.表中特征变量列的括号内容表示“弱势群体”对象；2.绝对差距列为互联网获得或使用时长维度优势群体减去弱势群体的数值，绝对差距数值后的“*”表示t检验的显著性结果，显著水平分别为：*p < 0.1，**p < 0.05，***p < 0.01；3.相对差距列数值通过相对差距综合指数计算公式得出。下同。

下载: 导出CSV 

| 显示表格

图  1  中学生互联网获得的相对群体差异

下载: 全尺寸图片 幻灯片

具体而言，2013—2014学年，各维度弱势学生群体互联网获得的比例在33%至69%之间，优势学生群体互联网获得的比例在59%至90%之间。中学生互联网获得的群体差距最大的维度为学生家庭经济水平、学校位置、学校农村学生比例与城市行政级别，其优弱势群体间的绝对差距值分别为0.35、0.41、0.51、0.45，相对差距值分别为0.52、0.50、0.57、0.52。户口、家长职业地位、家长受教育程度、住校、留守、独生子女与城市地区等维度的学生互联网获得的优弱势群体差距相对较小，其绝对差距值分别为0.29、0.31、0.36、0.34、0.24、0.30、0.22，相对差距值分别为0.38、0.37、0.40、0.47、0.36、0.38、0.31。家长政治身份、民族、流动、性别、学校性质、学校排名等维度的学生互联网获得的群体差距最小，其相对差距值均低于0.30。

与2013—2014学年相比，2014—2015学年各维度学生互联网获得的群体差距整体呈缩小趋势，各维度弱势学生群体互联网获得的比例在37%至72%之间，优势学生群体互联网获得的比例在64%至92%之间。同时，家庭经济水平、学校位置、学校农村学生比例与城市行政级别仍是影响学生互联网获得的最重要因素，户口、家长职业、家长受教育程度、住校、留守、独生子女与城市地区等变量对学生互联网获得的影响次之，家长政治身份、民族、流动、性别、学校性质、学校排名等变量的影响最小。

二   互联网教育公平的过程：中学生互联网使用的群体差异

互联网教育公平的过程可以通过中学生互联网使用时长的优弱势群体差异这一变量来反映，中学生互联网使用时长的优弱势群体差异越大，表明互联网教育过程的公平程度越低；而优弱势群体差异越小，互联网教育过程的公平程度越高。表 2呈现了2013—2014、2014—2015学年各维度学生优弱势群体间互联网使用时长的绝对差距与相对差距数据结果。图 2为中学生互联网使用相对群体差距的柱状图。总体数据显示，中学生互联网使用周时长处于12.78至19.74小时之间，大部分维度在优弱势群体间差异显著，但该群体差异远低于学生家庭互联网获得的群体差异。其中，住校、流动、独生子女、性别、学校排名、城市行政级别、城市地区等维度中学生互联网使用的优弱势群体差异较大，这也与中学生互联网获得的优弱势群体差异存在较大区别。尤其值得注意的是，一些维度如家长受教育程度、家长政治身份、流动、学校性质、学校排名出现了优弱势群体互联网使用时长的逆差现象——优势学生群体互联网使用时间少于弱势学生群体; 而其他维度如家庭经济水平、住校、留守、城市行政级别、城市地区等优弱势群体间则呈顺差现象，即优势群体较弱势群体学生互联网使用时长更长。从两学年的变化来看，总体上互联网使用的优弱势群体差异随时间呈现缩小趋势，这表明研究假设3、4、5成立。

表  2  中学生互联网使用时长的群体差异

学生特征变量	2013—2014学年互联网使用周时长					2014—2015学年互联网使用周时长
	弱势	优势	绝对差距	相对差距		弱势	优势	绝对差距	相对差距
户口(农业)	13.83	14.46	0.63***	0.04		16.36	16.48	0.12	0.01
家庭经济水平(中下)	13.08	14.35	1.27***	0.09		15.26	16.71	1.45***	0.09
家长职业地位(低)	13.98	14.01	0.03	0.00		16.59	15.81	-0.78*	-0.05
家长受教育程度(低)	14.17	13.59	-0.58*	-0.04		16.59	15.69	-0.90*	-0.06
家长政治身份(群众)	14.02	13.44	-0.58*	-0.04		16.47	15.49	-0.98*	-0.06
民族(非汉)	19.74	14.15	-5.59**	-0.40		15.96	16.51	0.55	0.03
住校(住)	12.78	14.71	1.93***	0.13		15.44	16.85	1.41***	0.08
留守(留)	13.82	14.22	0.40	0.03		16.00	16.53	0.53	0.03
流动(流)	15.61	13.77	-1.84***	-0.13		18.28	15.95	-2.33***	-0.15
独生子女(非独生)	14.08	15.69	1.61***	0.10		16.26	16.72	0.46	0.03
性别(女)	12.99	15.17	2.18***	0.14		15.14	17.56	2.42***	0.14
学校位置(乡镇农村)	13.80	14.24	0.44	0.03		16.09	16.37	0.28	0.02
学校性质(民办)	14.19	14.11	-0.08	-0.01		17.24	16.35	-0.89*	-0.05
学校排名(中等及以下)	15.90	13.27	-2.63***	-0.20		18.26	15.59	-2.67***	-0.17
学校农村学生比例(高)	13.00	14.10	1.10**	0.08		15.74	16.28	0.54	0.03
城市行政级别(县级市)	12.98	14.82	1.84***	0.12		15.23	17.93	2.70***	0.15
城市地区(中西部)	12.97	14.94	1.97***	0.13		14.57	17.24	2.67***	0.15

下载: 导出CSV 

| 显示表格

图  2  中学生互联网使用时长的相对群体差异

下载: 全尺寸图片 幻灯片

具体而言，在2013—2014学年，各维度弱势学生群体互联网使用周时长为12.78至19.74小时，优势学生群体为13.27至15.69小时。优弱势群体间差距较大的维度有民族、住校、流动、性别、学校排名、城市行政级别与城市地区，其中民族、流动、学校排名维度为负向差距，其相对差距值分别为-0.40、-0.13、-0.20，其绝对差距值分别为-5.59、-1.84、-2.63，表明少数民族、流动、学校排名中下的学生群体较汉族、非流动、学校排名中上的学生群体互联网使用时间更长；住校、独生子女、性别、城市行政级别、城市地区维度为正向差距，其相对差距值分别为0.13、0.10、0.14、0.12、0.13，其绝对差距值分别为1.93、1.61、2.18、1.84、1.97，表明非住校、独生子女、男性、地市级或省级城市、东部地区学生较住校、非独生子女、女性、县级市以及中西部地区的学生互联网使用时间更长。在户口、家庭经济水平、家长职业地位、家长受教育程度、家长政治身份、留守、学校位置、学校性质、学校农村学生比例等维度，优弱势学生群体间互联网使用时长的差距较小或不存在显著差异。家长受教育程度低、家长为非党员、少数民族、民办学校的学生较家长教育程度高、家长为党员、汉族、公办学校的学生互联网使用时间更长; 城市户口、家庭经济水平高、学校农村学生比例低较农村户口、家庭经济水平低、学校农村学生比例高的学生互联网使用时间更长；家长职业地位、留守、学校位置、学校性质等维度的优弱势群体差异不显著。

与2013—2014学年相比，2014—2015学年的部分维度如户口、住校、独生子女、学校排名的优弱势学生群体间互联网使用时长的差距呈缩小趋势；家长受教育程度、家长政治身份、流动维度的优弱势学生群体间互联网使用时长的差距呈负向扩大趋势，即家长受教育程度低、家长为非党员、流动的学生较家长教育程度高、党员家长、非流动的学生互联网使用时长差距越来越大。此外，城市行政级别、城市地区等维度的优弱势学生群体间互联网使用时长的差距呈现逐渐扩大趋势，而家庭经济水平、留守、性别等维度优弱势群体间的差异基本保持不变。

三   互联网教育公平的结果：中学生互联网使用对学业综合成就影响的群体差异

学生互联网的获得是互联网教育公平的起点与基础，学生互联网的使用是互联网教育公平的过程，但互联网教育的起点与过程公平本身并非公平所追求的最终目标，其最终旨归应在于学生通过互联网使用所产生的教育结果公平。表 3呈现了中学生互联网使用对其学业综合成就的影响及其群体差异的数据结果。总体结果表明，在2013—2014学年与2014—2015学年，中学生互联网使用对其学业综合成就均发挥负向作用，即中学生互联网使用时间越长，其学业综合成就越低，且该负向影响随时间推移不断加强。同时，该负向影响在2013—2014学年对流动、学校位置、学校农村学生比例等维度的优势学生群体更为不利，在2014—2015学年则对民族、学校位置、学校农村学生比例等维度的优势学生群体更为不利。在此意义上，学生互联网使用有利于缩小优弱势学生群体间的学业成就差异从而促进教育公平，不过这一结果是通过互联网对优势学生群体学业综合成就造成更大负向影响而实现的。因此研究假设6、7、8成立。

表  3  中学生互联网使用对学业综合成就影响的群体差异

	2013—2014学年					2014—2015学年
	βNet	βNet×X	N	Adj R2		βNet	βNet×X	N	Adj R2
户口(农业)	-0.27***	0.05	18 747	0.19		-0.37***	0.08	8 121	0.23
	(0.04)	(0.06)				(0.08)	(0.11)
家庭经济水平(中下)	-0.21***	-0.05	18 747	0.19		-0.36***	0.03	8 121	0.23
	(0.06)	(0.07)				(0.12)	(0.13)
家长职业地位(低)	-0.28***	0.14*	18 747	0.19		-0.35***	0.08	8 121	0.23
	(0.03)	(0.07)				(0.07)	(0.14)
家长受教育程度(低)	-0.26***	0.10	18 747	0.18		-0.35***	0.22	8 121	0.22
	(0.03)	(0.08)				(0.06)	(0.15)
家长政治身份(群众)	-0.26***	0.07	18 747	0.19		-0.34***	0.06	8 121	0.23
	(0.03)	(0.09)				(0.06)	(0.17)
民族(非汉)	-0.25***	-0.02	18 747	0.19		-0.35**	-0.32**	8 121	0.23
	(0.04)	(0.08)				(0.15)	(0.16)
住校(住校)	-0.24***	0.03	18 747	0.19		-0.32***	-0.01	8 121	0.23
	(0.07)	(0.06)				(0.10)	(0.12)
留守(留守)	-0.27***	0.19***	18 747	0.19		-0.43***	0.13	8 121	0.23
	(0.05)	(0.07)				(0.11)	(0.13)
流动(流动)	-0.40***	-0.13*	18 747	0.19		-0.29**	-0.05	8 121	0.23
	(0.06)	(0.07)				(0.12)	(0.13)
独生子女(非独生)	-0.16***	-0.00	18 747	0.19		-0.41***	0.04	8 121	0.23
	(0.06)	(0.06)				(0.08)	(0.11)
性别(女)	-0.22***	-0.05	18 747	0.19		-0.31***	-0.04	8 121	0.23
	(0.05)	(0.06)				(0.09)	(0.11)
学校位置(乡镇农村)	-0.18***	-0.14*	18 747	0.19		-0.27***	-0.30**	8 121	0.23
	(0.05)	(0.07)				(0.09)	(0.13)
学校性质(民办)	-0.31***	0.08	18 747	0.19		-0.29**	-0.13	8 121	0.23
	(0.06)	(0.07)				(0.14)	(0.15)
学校排名(中等及以下)	-0.25***	-0.00	18 747	0.19		-0.44***	0.08	8 121	0.23
	(0.04)	(0.06)				(0.08)	(0.11)
学校农村学生比例(高)	-0.25***	-0.18*	18 747	0.21		0. 35***	-0.35*	8 121	0.23
	(0.09)	(0.11)				(0.16)	(0.20)
城市行政级别(县级市)	-0.25***	0.01	18 747	0.19		-0.37***	-0.05	8 121	0.23
	(0.04)	(0.06)				(0.08)	(0.11)
城市地区(中西部)	-0.21***	-0.04	18 747	0.19		-0.24*	-0.19	8 121	0.23
	(0.07)	(0.08)				(0.13)	(0.14)
注：1.“βNet”一列的数据为因变量学生互联网使用时长与结果变量学生学业综合成就的回归系数，“βNet×X”一列的数据为因变量与某调节变量的交互项回归系数；2. 括号内的数字为标准误。

下载: 导出CSV 

| 显示表格

具体而言，在2013—2014学年，在中学生互联网使用影响学业综合成就的各回归方程中，自变量的回归系数处于-0.40至-0.16区间。这表明在控制了其他变量的情况下，中学生互联网使用时长每增加一个单位，其学业综合成就下降0.16至0.40分。到2014—2015学年，中学生互联网使用影响学业综合成就的自变量回归系数处于-0.44至-0.24区间。这说明在控制了其他变量的情况下，中学生互联网使用时长每增加一个单位，其学业综合成就下降0.24至0.44分。与2013—2014学年相比，学生互联网使用对学业综合成就负向影响的幅度有所上升，换言之，学生互联网使用对学业综合成就的负向影响随时间推移不断加强。

从各回归方程中交互项的回归系数来看，2013—2014学年，与自变量学生互联网使用交互效应显著的调节变量有家长职业地位、留守、流动、学校位置、学校农村学生比例(交互项系数β_Net×X显著)，其中家长职业地位与留守调节变量对中学生互联网使用所产生学业成就的负向影响发挥抑制作用(β_Net与β_Net×X的乘积符号为负)。结果表明家长职业地位越高、非留守的优势学生群体受到互联网对学业综合成就的负向影响越小，而家长职业地位越低、留守的弱势学生群体受到互联网对学业综合成就的负向影响越大。也就是说，这些维度中学生互联网的使用将加剧优弱势学生群体间的学业综合成就差距，即扩大教育不平等。另一方面，流动、学校位置与学校农村学生比例调节变量对中学生互联网使用所产生学业成就的负向影响发挥强化作用(β_Net与β_Net×X的乘积符号为正)，表明非流动、城市学校以及学校农村学生比例低的优势学生群体受到互联网对学业综合成就的负向影响大于流动、乡镇学校以及学校农村学生比例高的弱势学生群体。这意味着在流动、学校位置、学校农村学生比例维度中学生互联网的使用将缩小优弱势学生群体间的学业综合成就差距，即缩小了教育不平等。

从2014—2015学年来看，家长职业地位、留守、流动调节变量不再与中学生互联网使用产生交互作用(交互项系数β_Net×X不显著)，发挥调节作用的变量有民族、学校位置与学校农村学生比例，且均对自变量效应发挥强化作用。换言之，汉族、城市学校与学校农村学生比例低的优势学生群体较少数民族、乡镇学校与学校农村学生比例高的弱势学生群体受到互联网对学业综合成就的负向影响更大，这在一定程度上缩小了这些维度优弱势学生群体间的学业成就差异，从而“促进”了教育公平。

五.   结论与讨论

一   主要结论

根据中国教育追踪调查数据分析，本文围绕学生家庭互联网获得及其群体差异、学生互联网使用及其群体差异、学生互联网学业成就影响及其群体差异三方面内容，对“互联网+”教育公平的起点、过程与结果进行了分析，得出三点主要结论。

1   学生互联网教育的起点仍存在显著不平等

作为互联网教育公平的起点，各维度学生家庭互联网获得存在显著的优弱势群体差异，但该差距随时间推移呈缩小趋势。在各分组变量中，城乡与家庭经济水平维度学生家庭互联网获得的优弱势群体差距最大。户口、家长职业、家长受教育程度、住校、留守、独生子女、城市地区等维度学生家庭互联网获得的群体差距相对较小，但差距依然显著。民族、流动、性别、学校性质、学校排名等维度的群体差距最小。

2   学生互联网教育的过程出现优弱势群体逆差

作为互联网教育公平的过程，各维度学生互联网使用的优弱势群体差距同样显著，但相比互联网获得的群体差异，各维度互联网使用群体差距的程度更小，类别也有所不同。其中，住校、流动、独生子女、性别、学校排名、城市行政级别、城市地区等维度中学生互联网使用的优弱势群体差异较大，而其他维度优弱势群体间的差异则相对较小。这说明学生家庭互联网获得与其互联网使用时长并不存在一一对应的关系。对于家庭已接入互联网的学生，家长的干预将发挥控制甚至抑制学生互联网使用时长的作用；对于家庭未接入互联网的学生，他们可以通过家庭以外的途径如学校、网吧、朋友同学家等使用互联网，在缺少家长干预的情况下，其互联网使用时间甚至比家庭接入互联网的学生使用时间更长。

3   互联网的教育负向影响对优势学生更加不利

作为互联网教育公平的结果，互联网使用对学生学业综合成就发挥负向影响，且总体上该负向影响对优势学生群体的作用更大，互联网使用对学业成就的负向影响呈现出随时间推移不断加强的趋势。在2013—2014学年，学生互联网使用时长每增加一个单位，其学业成就下降0.16至0.40分。该负向效应对家长职业地位、留守维度的弱势学生群体作用更大，对流动、学校位置、学校农村学生比例等维度优势学生群体的影响更强。在2014—2015学年，学生互联网使用时长每增加一个单位，其学业综合成就下降0.24至0.44分。该负向效应对民族、学校位置、学校农村学生比例等维度的优势学生影响更大。换言之，互联网通过对优势学生群体发挥更大的负向影响作用，在一定程度上缩小了优弱势学生群体间学业成就的差异，从而减缓教育不平等的现象。

二   讨论

上述结论进一步为促进中国“互联网+”教育公平的起点、过程与结果提供了实证性的参考依据。针对互联网教育不平等问题，本研究的结论表明推动“互联网+”教育公平进一步发展，需要国家、社会、家庭共同努力。

1   资源精准投放，弥合各类互联网教育鸿沟

基于学生互联网获得、使用及其教育影响的群体差异的区别，国家“互联网+”教育发展战略应避免“胡子眉毛一把抓”的粗放式统筹，需从宏观、中观与微观层面进行整体把握与精准投入。在宏观层面，应避免盲目粗泛化的数字资源建设与投放，加强对不同层次数字鸿沟差异的区分，实施针对性强、精准度高的数字鸿沟弥补措施。在中观层面，在稳步推动互联网普及的同时，及时检视互联网产生的实际教育效应，及时监控与引导互联网信息内容，加强优质数字资源的生产、传播，抑制不良信息扩散。在微观层面，重点提升全体社会公民信息素养，因地制宜地建立健全兼顾一般性与针对性的教师信息素养、家长信息素养、学生信息素养等有效培训机制，实现“互联网+”教育公平的健康可持续性发展。

2   社会多方协同，齐力改善互联网教育公平

从各类互联网教育起点、过程与结果的群体差异中，既可以看到家庭层面如家长职业地位、家长受教育程度、家长政治身份、独生子女等维度对学生互联网获得、使用与教育影响的决定性作用，也可以看到社区与学校层面如住校、留守、流动、学校位置、学校农村学生比例等维度优弱势群体间的显著差距，还发现如城市行政级别与地域间的数字鸿沟。由此，在巩固校内教育信息化优质均衡发展的同时，需进一步统合各方社会力量，加强社区、学校与家庭有效联动。加强家长信息素养培养，提升家庭教育效能，增进家校合作关系，发挥社区与家庭对“互联网+”教育公平的积极作用，努力缩小校外学生互联网资源获得、使用与教育影响的优弱势群体差距。

3   增强互联网教育效能，促进学生健康成长

在学生互联网使用对其学业成就造成负向影响，以及该负向影响随时间不断加强的情况下，单纯缩小各维度学生互联网获得与使用的优弱势群体差异或许并不能真正促进教育公平。由于家庭社会经济文化背景对学生互联网使用偏好的影响，弱势学生群体实际上可能将面临互联网负向影响的更大风险。尽管这一趋势并未在2013—2015学年的数据分析中显现，但可以预想，随着互联网技术持续对学生生活各方面的渗透，这一问题或许终将来临。对此，要发挥“互联网+”教育公平的实际效能，关键在于提升互联网对学生学习的积极影响，减少甚至消除消极影响，这对弱势学生群体的作用尤为重要。此外，在互联网促进学生学习效能的同时，进一步促进互联网对学生非学习层面如身心发展、心理健康、人际交往等积极影响，促成学生健康成长，这是提升互联网教育效能的另一个重要方向。

① 胡钦太、刘丽清、丁娜：《教育公平视域中在线教育的困境与出路》，《中国电化教育》2020年第8期。

② 唐俊超：《输在起跑线——再议中国社会的教育不平等(1978—2008)》，《社会学研究》2015年第3期。

③ 刘精明、杨江华：《关注贫困儿童的教育公平问题》，《华中师范大学学报(人文社会科学版)》2007年第2期。

④ 单俊豪、闫寒冰、宫玲玲等：《我国信息化促进基础教育公平发展现状研究——基于近42万份学生在线学习体验的调查分析》，《教育发展研究》2021年第6期。

⑤ 中国教育科学研究院课题组：数据显示的中国经验: 教育系统在线抗疫的关键变量与重要启示，https://mp.weixin.qq.com/s/De70hQpfJkOfbNztgnlySA, 访问日期: 2020年4月21日。

⑥ 胡艺龄、聂静、顾小清：《从机会公平走向发展公平——疫情之下我国中小学大规模在线教育的城乡对比分析》，《中国远程教育》2021年第5期。

⑦ 赵宏、蒋菲、汤学黎等：《在线教育：数字鸿沟还是数字机遇?——基于疫情期间在线学习城乡差异分析》，《开放教育研究》2021年第2期。

⑧ 邬志辉、史秋衡、杨小峻等：《“疫情下的教育公平与均衡发展”笔谈》，《基础教育》2020年第3期。

⑨ 孟宪彬、罗英智、李潮海等：《后疫情时代基础教育在线学习资源应用平台建设：现状与改进》，《现代教育管理》2021年第4期。

⑩ 赵联飞：《中国大学生中的三道互联网鸿沟——基于全国12所高校调查数据的分析》，《社会学研究》2015年第6期。

⑪ 李晓静：《数字鸿沟的新变: 多元使用、内在动机与数字技能——基于豫沪学龄儿童的田野调查》，《现代传播(中国传媒大学学报)》2019年第8期。

⑫ 王月苏：《经济发达地区教育数字鸿沟现状及成因的个案研究》，《中国电化教育》2007年第6期。

⑬ 崔仕臣、杨刚：《公共危机事件中家庭背景对高校学生在线教育公平的影响》，《苏州大学学报(教育科学版)》2021年第2期。

⑭ 许亚锋、姚军：《在线教育能促进教育公平吗?——基于网络公选课的实证研究》，《电化教育研究》2018年第4期。

⑮ 郑磊、祁翔、朱志勇等：《家庭互联网接入与城乡初中生的认知能力差距》，《教育发展研究》2021年第6期。

⑯ 孟宪彬、罗英智、李潮海等：《后疫情时代基础教育在线学习资源应用平台建设：现状与改进》，《现代教育管理》2021年第4期。

⑰ OECD, Student, Computers and Learning: Making The Connection (Paris: OECD Publishing, 2015), pp.124-127.

⑱ 王冬冬、王怀波、张伟等：《“停课不停学”时期的在线教学研究——基于全国范围内的33 240份网络问卷调研》，《现代教育技术》2020年第3期。

⑲ 梁林梅、李逢庆：《苏南地区中学生网络应用行为调查研究》，《中国远程教育》2012年第10期。

⑳ 中国教育科学研究院课题组: 《大规模在线教育的六点启示》, 《光明日报》2020年4月21日。

㉑ 崔仕臣、杨刚：《公共危机事件中家庭背景对高校学生在线教育公平的影响》，《苏州大学学报(教育科学版)》2021年第2期。

㉒ 罗梦雨、罗来旺：《数字鸿沟对中学生在线教育的影响——基于南昌市某中学学生家长的调查》，《教育学术月刊》2020年第3期。

㉓ 张济洲、黄书光：《隐蔽的再生产: 教育公平的影响机制——基于城乡不同阶层学生互联网使用偏好的实证研究》，《中国电化教育》2018年第11期。

㉔ 曾凡斌：《大学生第二道数字鸿沟的测量及影响因素研究》，《现代传播(中国传媒大学学报)》2011年第2期。

㉕ 罗梦雨、罗来旺：《数字鸿沟对中学生在线教育的影响——基于南昌市某中学学生家长的调查》，《教育学术月刊》2020年第3期。

㉖ 崔仕臣、杨刚：《公共危机事件中家庭背景对高校学生在线教育公平的影响》，《苏州大学学报(教育科学版)》2021年第2期。

㉗ 程千里、张炜华：《数字鸿沟与学生学业水平——以PISA 2012上海地区的调查数据为例》，《青年文化》2016年第3期。

㉘ 方超、王顾学、黄斌：《信息技术能促进学生认知能力发展吗?——基于教育增值测量的净效应估计》，《开放教育研究》2019年第4期。

㉙ 刘宏森：《互联网时代的教育: 困境和作为》，《中国青年研究》2015年第7期。

㉚ 胡艺龄、聂静、顾小清：《从机会公平走向发展公平——疫情之下我国中小学大规模在线教育的城乡对比分析》，《中国远程教育》2021年第5期。

㉛ 单俊豪、闫寒冰、宫玲玲等：《我国信息化促进基础教育公平发展现状研究——基于近42万份学生在线学习体验的调查分析》，《教育发展研究》2021年第6期。

㉜ 王冬冬, 王怀波, 张伟等：《“停课不停学”时期的在线教学研究——基于全国范围内的33 240份网络问卷调研》，《现代教育技术》2020年第3期。

㉝ 孟宪彬、罗英智、李潮海等：《后疫情时代基础教育在线学习资源应用平台建设：现状与改进》，《现代教育管理》2021年第4期。

㉞ 胡钦太、刘丽清、丁娜：《教育公平视域中在线教育的困境与出路》，《中国电化教育》2020年第8期。

㉟ 刘精明、杨江华：《关注贫困儿童的教育公平问题》，《华中师范大学学报(人文社会科学版)》2007年第2期。

㊱ 陈卫东：《中国青少年移动互联网应用的特点及影响分析——基于全国8省市抽样调查数据》，《中国青年研究》2015年第7期。

㊲ 曹丹丹、罗生全、杨晓萍等：《基于互联网运用的城乡青少年认知能力发展》，《中国电化教育》2018年第11期。

㊳ 赵宏、蒋菲、汤学黎等：《在线教育：数字鸿沟还是数字机遇?——基于疫情期间在线学习城乡差异分析》，《开放教育研究》2021年第2期。

㊴ 罗长远、司春晓：《在线教育会拉大不同家庭条件学生的差距吗？——以新冠肺炎疫情为准自然实验》，《财经研究》2020年第11期。

㊵ 张新红：《聚焦“第四差别”: 中欧数字鸿沟比较研究》，商务印书馆, 2010，第24-26页。