中学生信息技术使用及其对科学素养的影响

王春丽 顾小清

【摘要】    基于PISA最新一轮的测评数据，采用多层线性模型，对我国和芬兰学生的信息技术（ICT）使用差异以及ICT使用对学生科学素养的影响进行了分析。研究发现：（1）两国学生的ICT使用存在较大差异，中国学生在大部分ICT变量的表现上要低于芬兰学生;（2）两国学生在ICT使用上均可区分为不同模式，表现在ICT数量、ICT感知和ICT活动上的不同;（3）两国学生在ICT使用对其科学素养的影响上有共性也有差异。最后，研究从着力培养我国学生的ICT兴趣与ICT自我效能、针对不同模式的学生进行ICT使用方式的指导、合力推动ICT促进学生科学素养的发展三方面，对研究发现以及可能的对策进行了探索，以期更好地发挥信息技术对学生学业的促进作用。

【关键词】  信息技术;ICT;科学素养;教育信息化;国际比较;PISA;中国;芬兰

【中图分类号】  G434      【文献标识码】  A      【文章编号】 1009-458x（2019）5-0047-10

一、研究背景

在过去的20年，信息与通信技术（Information and Communication Technology， ICT）已经改变了学生的学习、社交和娱乐方式，在线网络、社交媒体等网络化工具给予学生新的成长方式，如在网络化世界中生成多媒体内容、重新定义自己的学习兴趣。越来越多的孩子在他们还不识字的时候就已经开始接触各种ICT设备，学生的ICT使用成为家长、教师和政策制定者共同关心的话题，其中最为重要的两个问题是：学生是如何使用ICT的？这些使用对于他们的学业有何影响？对于学术界来讲，ICT相关的培训和设施投入是否真正对学生发展发挥作用，同样是一个受到持续追问的研究问题。如陈纯槿等（2017）曾基于国际学生评估项目（Program for International Student Assessment， PISA）2015年的数据探索了中国学生互联网使用和教育公平之间的关系，发现将互联网用于学习会对学生的数学、阅读和科学素养有显著正向影响，而用于娱乐则会产生显著的负向影响;若家庭处境不利的学生能够养成利用互联网学习的习惯，将可以缩小家庭背景差异导致的素养差距，进而缩小教育不公平。类似研究为我国的信息化政策发展提供了参考，为如何指导学生使用信息技术提供了科学依据。

为实现我国教育信息化更好的发展，我们不仅要了解本土情况，还有必要从国际比较的视角来审视我国与发达国家的差异。近年来，国际大规模测试纷纷将学习者的ICT使用纳入测评中，收集来自不同国家的数据，为研究者进行国际比较提供了丰富的数据来源。由经济合作与发展组织（OECD）开展的PISA项目是其中的重要代表，用于测评各成员国家完成初中教育阶段的学生（15岁左右）具备的参与社会生活所必需的知识与技能情况（阅读、数学及科学领域），并通过校长问卷和学生问卷获取大量有关青少年ICT使用的数据。由于PISA问卷在各个国家进行了测试，确保数据结果在不同国家和文化情境之间具有可比性，因此可作为可靠的数据来源用于教育信息化领域的国际比较研究。

本研究主要利用PISA2015的测试结果对中国和芬兰两国进行比较研究，具体的研究问题包括两国青少年在ICT使用上有何差别，以及在ICT使用与科学素养之间的关系上有何差别。PISA测试始于1997年，每三年举办一次，每次将阅读、数学、科学的其中之一作为主测学科，PISA2015是OECD开展的最近一次调查，科学素养是其主测学科。PISA各个科目的得分之间具有高度相关，科学科目提供的信息可以在一定程度上代表数学和阅读上的表现（Spiezia， 2010）。本研究将关注ICT使用与科学素养得分之间的关系，以反映ICT使用与学业表现之间关系的一个侧面。

二、文献综述

（一）青少年的ICT使用

2003年以来，PISA通过《ICT熟悉度问卷》（ICT Familiarity Questionnaire）測试学生的ICT使用（ICT指代电脑、平板等各类数字化设备），一些研究称之为《ICT使用的自我报告量表》（Zhong， 2011）。PISA2015的《ICT熟悉度问卷》包括9个题目，学生约需10分钟完成问卷填写。问卷内容涉及可用的ICT设备数量、对待ICT的态度（自我效能、兴趣等）以及在不同地点使用ICT的相关活动等。问卷对于每个变量都有若干个子题目来进行测试，如针对“学生ICT自我效能”这个变量，通过6个四点量表题目进行测量（如“如果我遇到数字设备的问题，我有能力解决”），再如针对“在校外将ICT用于学业活动”的变量，通过12个五点量表题目测量（“在移动设备上下载科学学习的Apps”“从学校网站下载或浏览学习资源，浏览网页以跟进课程”等）。

由于国际大规模测试涵盖的样本庞大，因此很多学者利用PISA数据进行国际教育信息化比较研究。托姆特与海洛维克（T?mte & Hatlevik， 2011）参考《新千禧年的学习者成绩更好了吗》报告中提到的“ICT用户者画像”的说法，按照ICT作为娱乐使用和学业使用两个维度的频率高低，对芬兰和挪威的PISA受测学生进行了不同模式的区分（如ICT中度娱乐使用-ICT低度学业使用是其中的一个模式），指出两个国家最大的区别是在低频率娱乐使用-低频率学业使用这个模式上，挪威在这个模式上学生的ICT自我效能比芬兰和OECD平均水平都要低。钟（Zhong， 2011）基于PISA2003和2006的数据对青少年的ICT数字技能（digital skills）进行了纵向研究。采用多层线性模型的方法，他研究了国家、学校和个体三个层面变量对青少年数字技能的影响，结果发现国家的ICT投入并不能确保青少年有更多学习和使用ICT的机会，学生个体在家中所接触的ICT数量、ICT使用经历、社会经济地位以及性别对学生的数字技能有积极影响。可以看出，PISA为探究青少年ICT使用提供了良好的数据来源，研究者从不同ICT使用人群的特点、数字技能的影响因素等多样化视角得出了一定的研究发现，为指导学生的ICT使用提供了一定的科学依据。

（二）ICT使用对科学素养的影响

PISA2015将科学素养（scientific literacy）定义为：有能力投入与科学相关的话题，秉持科学观点，成为反思性的公民（OECD， 2016a， p. 50）。使用“科学素养”而非“科学成绩”，强调了PISA的目的不是评估学生在科学方面知道什么，而是学生可以用这些知识做什么，如何将科学知识创造性地用到真实的生活情境中。

在探究ICT与学业成就之间的关系时，PISA是最经常使用的数据来源之一（Skryabin， Zhang， Liu， & Zhang， 2015）。此前的研究关注了是否使用ICT、如何使用ICT以及使用ICT的地点等对学生科学素养的影响。库比克与维科夫（Kubiatko & Vlckova， 2010）基于捷克的PISA2006年学生数据探究了ICT与科学学业成绩之间的关系，研究发现接触过ICT的学生比未接触过的学生科学成绩要好，使用ICT作为学业目的的学生，其科学成绩比那些不作为学业目的的学生要好。另有学者（Papanastasiou， Zembylas， & Vrasidas， 2005）针对美国和德国的测评数据，研究了信息技术使用和科学素养之间的关系，结果显示两个国家呈现了一些不同的特点，比如在美国将计算机用于数字化交流的学生会有更高的科学素养，但这个结果在德国没有得到验证。斯皮兹（Spiezia， 2010）基于PISA2006年的测评数据，探究了不同地点的ICT使用对学生学业成绩的影响，他发现在OECD的部分国家学生校内计算机使用不会对其科学素养有显著影响，而在计算机使用对科学素养有影响的国家，校内影响都要小于家庭计算机的使用。研究指出政府要提供一定政策支持，关注学生在家庭中的ICT使用，确保学生在家庭利用ICT进行自主学习和探索的行为能够迁移到学校，以使得ICT在家中使用的优势能够在学校中同样被利用。由于PISA数据通常在测试开展后的1～2年公布，因此上述研究至少要滞后于PISA测试2年。

由于学生的学习发生在一定的学校及社会情境之中，因此在探究ICT对科学素养的影响时，还需要纳入学生所在学校的属性变量（如学校的计算机数量、学校的规模等），确保数据分析的科学性与严谨性。传统的线性模型只涉及对同一层级的数据进行分析，无法综合考虑两层或多层数据，因此多层线性模型（Multilevel Linear Modeling， MLM）的统计分析技术被提出（Raudenbush & Bryk， 2002， pp. 30- 35）。MLM通常将学生数据视为第一层数据，将班级或学校等数据视为第二层数据，如果有更高层次的数据就视为第三层数据。如卢与福瑞曼（Luu & Freeman， 2011）基于PISA2006的数据比较了加拿大和澳大利亚两国学生ICT使用与科学素养之间的关系，涉及学生层面变量（社会经济文化地位、在家庭或在学校接触ICT的频率等）以及学校层面变量（学校的社會经济文化地位、学校所在区域、计算机联网比例等）。研究结果发现，当学生有ICT使用方面的经历时会有更高的科学素养分数，学生在学校使用计算机作为学业使用而非简单的接触会对科学素养有较强的影响。另有张（Zhang， 2016）利用PISA2000到PISA2012的五轮数据，分析了ICT对学生数学和科学成就的影响趋势。研究采用MLM的方法，整合了学生个体层面（性别、家庭社会经济文化地位、可使用ICT数量、计算机自我效能等）、学校层面（学校经济文化地位、学校类型、计算机联网比等）及国家层面（GDP）的变量，探究ICT对学业的影响程度。结果显示，学校类型、学校平均社会经济文化地位、学生家庭的社会经济文化地位对学业均有持续影响。作者还研究了将ICT用作娱乐或学业使用对学习的影响，大多数的PISA测试显示学生将ICT作为娱乐使用对学业成就有显著的负面影响，而这个结果在2012年的时候是正面的;PISA2009的数据分析显示将计算机用于学业对学业成就有显著负面影响，而这个影响在2012年时呈现为显著正面。总之，研究ICT对学生学业的影响时，需要将个体及所属群体的各层变量均纳入回归方程中进行检验，才能得到有效的结论。

（三）对比国家的选择依据

在国别选择上，本研究将芬兰作为比较对象。芬兰在历次PISA测试中的领先地位已引起全球注意，是欧洲最为典型的教育模式，许多国家将其视为学习对象（Ammermueller， 2007）。作为有效和公平教育的代表，芬兰学生在所有科目上表现出的综合素质是最强的，高分和低分之间的差距并不是很大。该国坚持平等与质量的基本教育理念，注重教育资源均衡分配，提供个性化、多样化的教育（邵志豪， 等， 2012）。芬兰教育家萨尔博格（Sahlberg， 2011， p. 14）在《芬兰经验：世界能向芬兰学习什么》一书中指出，芬兰社会拥有为每个人提供优质公平教育的共识，在追求教育公平的基础上不断实现高教育质量，在多样化教学中营造创造性学习、分享、信任的教育元素。

中芬两国在ICT教育应用方面都有着各自的发展规划。我国近年来在教育信息化方面有了较大发展，支撑教育信息化发展的技术环境、社会环境、经济环境日趋成熟，平板教学、在线教育、翻转课堂等模式逐渐被学校认可。芬兰方面，依据欧盟2013年的调查，芬兰学校的整体ICT设施是全欧洲最完善的，与欧盟平均水平相比，芬兰学生校内的ICT使用相对较少，校外ICT使用相对较多，但芬兰学生的ICT自信程度是欧盟国家中最高的（European Commission， 2013， p. 104）。学校不单独设立信息技术课程，而是将信息技术融入日常教学，在使用过程中帮助学生掌握ICT技能，促进学生学会运用各类网络资源作为信息来源。芬兰《信息技术教育应用国家计划》指出：近十年来芬兰在各类国际比较研究中位列前茅，取得这些成功的原因有很多，学校需利用ICT所提供的多样学习机会，为维持领先地位提供保障（Lindén & Lankinen， 2010， p. 11）。

芬兰教育的优秀特质使其经常被作为国际比较的对象，比如吴桂翎等（2012）、黄正正等（2014）、邵志豪等（2012）的研究就利用PISA数据，从教育资源、学校因素、教育公平等视角进行了中芬比较。在PISA2015测试中，芬兰的科学素养成绩（531分）高于中国（518分），同时两国的科学素养成绩都显著高于PISA全球测试的平均水平（493分）（OECD， 2016a， p. 67）。与此前只包括上海地区的测试相比，PISA2015涵盖了北京、上海、江苏、广州四个地区，样本覆盖更为全面。基于以上原因，本研究对中芬两国进行比较研究。

三、研究方法

（一）研究问题

本研究主要探究三个问题：其一是中芬两国学生的ICT使用是否存在差异;其二是中芬两国学生的ICT使用模式是怎样的，即两国学生在ICT使用上分别有何特点;其三是两国学生的科学素养分别在多大程度上被学生个人ICT使用及学校ICT接入所解释。

（二）数据来源

本研究对PISA2015测试的数据进行分析，涉及学生ICT使用与背景信息、学校ICT与背景、学生科学素养分数。这些变量的选择参考了卢与福瑞曼（Luu & Freeman， 2011）等的研究。

在学生ICT使用及背景信息测量方面，PISA2015通过学生的《ICT熟悉度问卷》和主问卷两份问卷来获取数据，有关的变量如表1所示。《ICT熟悉度问卷》主要包括9个与ICT相关的变量：家庭ICT数量、学校ICT数量、学生的ICT自治、学生ICT社交感知、学生ICT自我效能、学生ICT兴趣、校内ICT学业活动、校外ICT学业活动、校外ICT娱乐活动。由于与ICT相关的变量较多，本研究将这9个变量分为3类，分别是与ICT数量相关的变量、与ICT感知相关的变量和与ICT活动相关的变量，以便于后续分析中芬两国学生的ICT使用特点。学生主问卷包括学生的性别和社会经济文化状态两个背景变量。

在学校变量方面，PISA2015通过让校长填写学校问卷获取相关信息，如表2所示。ICT相关的变量有两个，分别为生机比、电脑联网比。学校背景变量包括学校规模、学校所处地理位置以及学校的社会经济文化地位。

在科学素养的测量上，PISA2015首次采用计算机测试的方式，每个学生需要在1小时内完成随机分配的30个题目。每个题目可以从4个维度进行界定：测试的科学素养维度（科学地解释现象、评估并设计科学探究、科学地理解数据和证据），知识类型（内容知识、过程性知识、元认知知识），内容领域（物理类科学问题、生物类科学问题、地球和空间类科学问题），认知要求（低难度、中等难度、高难度）。由于计算机测试方式的优势，每个题目一般是以一个“单元”的形式出现，包括相关的刺激材料以及多个子题目，一些题目还设置了交互操作，学生可以自行设计或模拟实验，理解实验结果与数据。在应答方式上，包括单选题、多选题和问答题，学生可以通过拖拽的方式进行多选题的操作，或通过简单的绘图软件回答主观题。学生科學素养的得分呈现在学生数据表中，变量名为PVSCIE（OECD， 2016a， p. 66）。

（三）数据分析

在正式分析数据前，本研究进行了数据的筛选：首先，通过查找国家编号，在OECD官方数据表中选取出所有参与PISA测试的中芬学校和学生数据;其次，由于MLM不允许有缺失值，因此要剔除在所关注变量上有缺失值的学生与学校个案，并保证学生和学校数据表之间的一致性，即不允许只有学校数据而没有对应的学生数据，或有学生数据而无对应学校的数据。最终确定的样本为：中国，来自248所学校的6，728名学生（男女生所占比例为52.9%和47.1%）;芬兰，来自146所学校的3，464名学生（男女生所占比例为49.4%和50.6%）。

对于研究问题一，使用SPSS进行独立样本t检验，以发现中芬学生在ICT使用上的差别。为了比较不同单位的变量以及后续开展多层线性模型分析，本研究将所有关注的变量进行了标准化处理，即各变量对应数据的平均值为0，标准差为1。对于研究问题二，选取SPSS快速聚类K-means方法，该方法可快速处理大样本数据，适合本研究样本量大的特点，以区分两个国家学生在ICT使用上的不同模式。对于研究问题三，使用HLM6.0软件执行多层线性模型分析。HLM全称为Hierarchical Linear Modeling（中文名称为“层次线性模型”），是进行MLM的一个主流软件（温福星， 2009， p. 27）。

在本研究中，学生数据为第一层数据，学校数据为第二层数据，学生数据嵌套于学校数据之中。具体分析过程为：第一步通过零模型得出组内相关系数（Intra Class Correlation， ICC），以判断数据是否符合统计分析方法的假设，如果ICC的值大于或等于0.100时，代表影响因变量的组间变异（即所在学校的差异）不可以忽略，必须使用多层线性模型的方法进行分析。第二步是检验随机回归系数模型，即将第一层学生相关的变量全部纳入本层方程，检验学生层面哪些变量需要保留，哪些变量需要删除。如果这一层方程中某个变量的系数不显著，那么该变量需要从方程中删除掉，也就是说该变量不能解释因变量。第三步同样是检验随机回归系数模型，但是是对第二层方程要保留哪些变量进行检验，系数不显著的变量同样要被删除。第四步是对全模型的检验，即将所有保留的变量添加到相应层次的方程中，构建ICT影响科学素养的完整模型。

四、研究结果

（一）中芬两国学生ICT使用情况的差异

表3显示了中芬两国学生在9个ICT变量上的对比，由于数据进行了标准化处理，因此表中存在数值为负的现象。从表3可以看出，两国学生在ICT自治和ICT社交感知两变量上无差异，而在其他7个变量上均存在显著差异（显著性检验的p值均小于0.001）。中国学生在家庭与学校的ICT数量、ICT自我效能、ICT兴趣、校内ICT学业活动、校外ICT娱乐活动上均低于芬兰学生，而在校外ICT学业活动上要高于芬兰学生，因此从整体来看两个国家学生的ICT使用有着较大区别。

（二）中芬两国学生的ICT使用特点分析

表4显示了中国学生ICT使用特点的聚类结果，包括每个模式的学生数、在各个变量上的平均值和标准差。由于变量较多，表4再次标注了ICT相关变量所属的类别，变量1～2属于与ICT数量相关的变量，变量3～6属于与ICT感知相关的变量，变量7～9属于与ICT活动相关的变量。聚类分析的目的在于识别出可区别的类型并对其赋予相应的标识，因此本研究针对每个变量标明了其最高值（加粗表示）和最低值（加粗并斜体表示），例如针对变量1（家庭ICT数量）来讲，模式一的平均数最高（M=7.98），模式三的平均数最低（M=4.00），模式二的平均数居中（M=7.67）。通过对不同模式在各变量上的比较，归纳各模式的特点。

总体而言，中国学生上述三类ICT使用模式的特点为：模式一（2，080名学生）是高家庭ICT数量、高ICT感知、高校外娱乐使用;模式二（2，514名学生）是高学校ICT数量、高ICT社交感知、高校内外ICT用于学业;模式三（2，134名学生）是低家庭和学校ICT数量、低ICT感知、低ICT活动。具体来说，模式一的学生（表4模式一对应列），家庭ICT数量最高（但和模式二相差不大）、学校ICT数量居中、ICT自治最高、ICT社交感知最高（和模式二均为最高）、ICT自我效能最高、ICT兴趣最高、校外ICT娱乐活动最多、校外ICT学业活动居中、校内ICT学业活动居中但和模式三相差不大。对于模式二来讲，学校可用ICT最多（家中也较高）、ICT自治居中、ICT自我效能居中、ICT兴趣居中、ICT社交感最高、校外娱乐活动居中、校外和校内学业活动均最多。对于模式三来讲，在所有变量上均最低。

表5显示了芬兰学生ICT使用的聚类结果。模式一的学生在家庭ICT数量上相较其他几类最低，在与ICT感知相关的变量3、4、5上最低，在与ICT活动相关的变量上居中，因此模式一的特征可以概括为低家庭ICT数量、低ICT感知、中等ICT活动。模式二的学生其家庭和学校ICT数量均比其他三类学生要高，但他们在与ICT感知相关的3个变量（变量“ICT兴趣”除外）、与ICT活动相关的3个变量上均处于中间位置。因此，模式二的特征可以概括为高ICT数量、中等ICT感知、中等ICT相关活动。模式三的学生在学校ICT数量上最低，在与ICT感知相关的所有变量上中等，在与ICT活动相关的变量上都最低。因此，模式三的特征可以概括为低学校ICT数量、中等ICT感知、低ICT相关活动。模式四的学生在与ICT数量相关的变量上均中等，在与ICT感知和ICT活动相关的变量上均最高，因此模式四的特征可以概括为中等的ICT数量、高的ICT感知与ICT活动。

（三）中芬两国学生ICT使用与科学素养的关系

表6显示了多层线性模型分析的结果。两国数据的组内相关系数ICC分别为0.15和0.17，表示科学素养受到学生层面变量和学校层面变量的共同影响，学校层面变量不能忽略。表6列出了针对各变量的回归系数及t检验值，只有t值显著的变量才被保留，代表该变量对科学素养有解释效应。学生层面共有9个变量对科学素养有解释作用，原有的变量4“ICT社交感知”和变量6“ICT兴趣”被移出回归方程，学校层面只有一个变量（变量5“学校社会经济文化地位”）对科学素养有解释作用，其他4个学校层面变量被移出回归方程。

从表6可以看出，中芬两国在科学素养上有四个共性的解释变量，即四个在两国均有正向解释作用的变量：学生变量3“ICT自治”（中： β=0.15， p<0.001; 芬： β=0.14， p<0.001），学生变量7“校内ICT用于学业的活动”（中： β=0.09， p<0.001; 芬： β=0.14， p<0.001），学生变量11“学生社会经济文化地位”（中： β=0.12， p<0.001; 芬： β=0.41， p<0.001），学校变量5“学校社会经济文化地位”（中： β=0.73， p<0.001; 芬： β=0.70， p<0.001）。这四个变量不论是在中国还是在芬兰，均对学生科学素养有正向影响。

表6还显示了中芬两国在科学素养上有四个仅对其中一个国家有预测作用的变量，包括两个仅在芬兰有正向解释作用的变量，以及两个仅在中国有负向解释作用的变量。对于芬兰，两个正向变量分别是学生变量2“学校ICT数量”（β=0.02， p<0.05）和学生变量8“校外ICT用于学业的活动”（β=0.09， p<0.001），而这两个变量在中国学生数据上尚未有解释效应，即芬兰学生在学校接触的ICT数量、在校外将ICT用于学业活动均对科学素养有正向预测，而中国学生在此方面的指标还不能对科学素养产生影响。对于中国，两个负向变量分别是学生变量5“ICT自我效能”（β=-0.08， p<0.05）和学生变量9“校外ICT用于娱乐的活动”（β=-0.21， p<0.001），即中国学生的ICT自我效能越高、校外ICT用于娱乐活动越多，科学素养就会越低，而这两个变量在芬兰没有出现解释效应。

表6中剩余的兩个学生变量在中芬两国有不同的解释效应。学生变量1“家庭ICT数量”在中国有负向解释效应，在芬兰有正向解释效应;学生变量10“性别”在中国有正向解释效应，在芬兰有负向解释效应。也就是说，中国学生家庭可用ICT越多，学生的科学素养越低，而这个情况在芬兰正好相反;中国学生男生的科学素养要高于女生，但是芬兰完全相反。

五、总结与讨论

教育信息化的国际比较是我国当前研究的热点之一，本研究主要基于PISA国际测评数据，比较了中芬两国学生的ICT使用特点，探索了两国学生ICT使用与科学素养之间的关系，相应的研究发现对于如何引导我国学生的ICT使用以及如何发挥ICT对培养学生科学素养的作用有一定启示。以下将针对本研究的发现，提供有关教育信息化政策制定以及学校实践等方面的策略与建议。

（一）着力培养我国学生的ICT兴趣与ICT自我效能

ICT兴趣与ICT自我效能是PISA2015新增的问卷题目，本研究的第一个发现是中国学生在这两个重要个体变量上的感知低于芬兰学生。国内外研究均表明ICT兴趣以及ICT自我效能是考查学生ICT使用的两个核心变量，它们与信息技术素养水平均呈显著正相关（Vekiri， 2010; 散国伟， 等， 2018），因此今后如何培养学生的ICT兴趣与自我效能是一个值得探索的课题。

与学生使用信息化工具的外显行为不同，学生的ICT兴趣与ICT自我效能是对学习者内在态度和动机的表征，需要经过一定时间的引导与干预才能改善。教育心理学理论认为，兴趣分为情境兴趣和个体兴趣，前者代表在一定情境刺激下的短暂兴趣，后者意味着与个体价值观相一致的长久兴趣（Hidi & Renninger， 2010）。据此本研究建议，不论是学校教学还是家庭教育，都可以从ICT的情境兴趣和个体兴趣入手，通过激发和维持ICT情境兴趣、发展和稳定ICT个体兴趣两个方面来发展学生的ICT兴趣。一方面，需要从新奇性和生动性入手来激发ICT情境兴趣，如提供有趣的含有游戏机制的ICT小工具，激发学生的初始ICT好奇心，并通过给予学生自主选择的机会、设计适当的问题情境等策略，帮助学生在随后的一段时间内仍然保持对ICT的注意力，即維持学生的ICT情境兴趣。另一方面，在很多情况下学生的情境兴趣是容易被激活的，更为关键的是要促进ICT情境兴趣向个体兴趣深化，任务的价值是促进这一发展的关键。相关的教学策略包括持续提供学生参与ICT活动的机会，让学生在参与的过程中逐步理解ICT对于完成特定任务的价值与意义。一旦学生的ICT个体兴趣建立起来，学生在面临复杂ICT问题时感知到的压力会减小。

ICT自我效能代表了学生在执行ICT相关任务时对自身能力的感知，也代表了学生在学习ICT过程中的自信程度。本研究认为，建立ICT自我效能，需要让学生有机会接触技术、培养良好的技术基础以及增加对技术使用的积极期待。低家庭经济地位在一定程度上阻碍学生接触信息技术，对于这类学生群体来说弥补数字鸿沟是形成ICT自我效能的基础。ICT自我效能分为面向低难度ICT任务的基础效能和面向高难度ICT任务的高级效能，有趣的是，学生ICT的基础效能在解释ICT使用与ICT素养时有更大的效应（Hatlevik， et al.， 2018）。这启示我们要帮助学生建立良好的技术使用基础能力，学校方面可以在特定的学科任务中引入ICT手段，如通过ICT完成有价值的学习活动，增加学生的ICT体验;家长则可以提供创造性的学习机会，如设置基于ICT的家庭事务规划或社会参与小任务，在日常生活环境中提升学生使用ICT的愿望，提升学生在用ICT解决实际问题时的效能感。本研究发现我国学生的ICT自我效能对科学素养有负面解释效应，依据海洛维克（Hatlevik， et al.， 2018）的解释，可能的原因是问卷设置本身针对的是高级自我效能，而学生在此维度上的表现并不好，因此才造成了异于常理的结果。

（二）针对不同模式的学生进行ICT使用方式的指导

鉴于近年来学校和家庭的ICT覆盖范围大幅提高，本研究对学生ICT使用模式的识别（见表7）可以帮助教师和家长有针对性地进行ICT使用方式的指导。整体来看，两个国家的模式有着相似性，拥有ICT设备多的学生（中国的模式一和模式二、芬兰的模式二和模式四），他们的ICT感知较高，相关活动也较多;接触ICT设备非常少的学生（中国的模式三、芬兰的模式一和模式三），他们的ICT感知较低，ICT相关活动也较少。这说明，与来自高社会经济地位的家庭或学校的学生相比，可用ICT少的学生群体，他们发展ICT活动及态度的机会较少，相应的校内外活动及ICT感知都有所欠缺。

为了更好地利用ICT对学习的支持作用，使得ICT的使用真正促进学生核心能力的发展，有必要建立起学生良好的ICT使用习惯与行为。中学阶段是学生的自我认同、态度、行为等发展的关键时期，需要根据各类学生的特点有针对性地引导学生对于ICT的态度以及使用行为。对于中国学生而言，第一类模式的学生群体在家中将ICT作为娱乐工具的情况较多，对这部分学生有必要进行有关ICT使用的自我监督、自我管理的指导。PISA的统计结果显示，2015年学生在校外的ICT使用时间比2012年平均每天延长了40分钟，很多学生都存在过度使用互联网的风险（OECD， 2016b， p. 53）。ICT使用与学业之间存在负面关系的原因可能是：时间管理能力弱、互联网成瘾以及多任务（Salomon & Kolikant， 2016）。针对这样的现状，需要家校联动制定全面的指导和监督计划，帮助学生获得ICT自我管理技能，教会学生安全和负责任地使用互联网，避免作为学习工具的互联网变成干扰学习的源头。第二类模式的学生群体，他们校内ICT可用设备多，并且校内外将ICT用于学业也较多。对于这类学生而言，计算机是重要的学习工具，学校与教师需要进一步提升ICT教学设计的层次，比如组织学生在线交流、设计不同的学习模式、提供个性化的学习资源等，丰富ICT支持的学业过程。对于可用ICT数量很少的模式三学生群体来讲，需要从政策层面予以投入，增加他们在校内外接触ICT的机会。钟（Zhong， 2011）的研究表明，单纯的投入不能保证学生ICT技能的提升，因此我们还需要指导学生享有高质量的计算机与互联网体验，缩小不平等和差异，从而提升ICT使用的信念和动机，逐步培养学生利用ICT强化学习的能力。

（三）合力推动信息技术使用，促进学生科学素养的发展

在信息技术对科学素养的影响方面，本研究有三个主要发现：家庭及学校的社会经济文化地位对学生科学素养的发展有显著正向影响，这一结果与张（Zhang， 2016）此前的研究结论一致;中国学生在校内将ICT用于学业的程度低于芬兰学生，但两个国家校内ICT用于学业活动均对科学素养有积极影响，这一结果也与卢与福瑞曼（Luu & Freeman， 2011）、陈纯槿等（2017）所得出的“将ICT用于学业活动对科学素养有正向影响”相互一致;中国学生在校外将ICT用于学业活动高于芬兰学生，说明中国学生在校外利用ICT完成学业任务更为普遍。基于这些发现，本研究认为应当统筹政策制定、学术研究和学校实践，从顶端规划、严谨论断和实际推动三个层面形成本土化的信息技术推动科学素养教育方案。

在政策层面，仍需增加低收入家庭和低经济文化水平学校的信息技术投入。在本研究所选取的中国和芬兰两个国家中，学生家庭及其学校的社会经济文化地位均对学生科学素养的发展有显著正向影响。促进教育公平是我国“十三五”期间的重要举措，在这样的国家政策推动下，利用信息技术的优势来弥补欠发达地区教育资源薄弱的问题是教育扶贫的重要着力点。在科学教育方面，需要引入优秀的数字化科学资源，赋予学生使用信息技术进行科学探究的能力，来缓解贫困地区学校及师资匮乏的问题，缩小数字教育鸿沟。

在学术层面，要将探索开发针对我国科学课程特点的学科技术工具作为重要的研究方向。国外已有多项研究将ICT技术工具引入科学探究中，并证实了ICT对培养学生探究能力的作用。譬如美国加州大学伯克利分校的Linn教授及其团队（Linn & Eylon， 2011， p. 82）在美国自然科学基金资助下，从20世纪90年代开始探索技术增强的科学学习项目，先后设计了知识整合环境、基于网络的探究科学环境等一系列技术增强的网络化科学探究环境，研究表明这些网络环境对于学生的科学学习是有效的。再如悉尼大学开发的基于计算机的3D科学探究环境，支持学生在虚拟世界中模拟各类科学问题的探究与解决，帮助学生从初级科学家向真正的科学家之间发展提升（Jacobson， Taylor， & Richards， 2016）。研究者可以針对我国的科学教学情境探索针对学生科学课程学习的ICT技术工具。

在学校层面，中国学生在校内将ICT用于学业的程度低于芬兰学生，而在校外将ICT用于学业活动则更为普遍。鉴于此，学校层面应当探索ICT对科学教育的增能作用，如根据地区、学校的多样化与差异性探索相应的本地化发展模式，对于教师给予一定帮助与指导，发展教师的实践能力。校外的ICT使用目前在中国还未对学生的科学素养产生影响，需要家校合作来设计、指导学生的校外ICT学业活动。与张（Zhang， 2016）和陈纯槿等（2017）基于PISA数据的分析结果一致，本研究也显示将ICT作为娱乐使用对学业成就有显著的负面影响。有研究者（Lee， Brescia， & Kissinger， 2009）指出，每天一个小时的计算机使用是学业成绩的预测因子，因此本研究建议父母针对孩子在娱乐方面使用ICT制定相应规则，帮助孩子学会有效利用使用ICT的时间。当然这也需要研究者深入研究，为学校和家长提供有关科学规划的指导。

同大多数使用二手数据的研究相同，本研究的局限在于：一方面，尽管数据量庞大，却无法控制问题的类型与内容，一些问卷中不包括的变量也有可能对学业成绩有预测作用;另一方面，通过已有问题，我们无法获知学生使用计算机的更多细节问题（Lee， et al.， 2009）。ICT所针对的学习模式、工具和策略是多样化的，技术的影响可能随着教学方法、教师的有效性、学科主题、年龄水平、技术实施的流畅性等而产生差别，后续还需要结合相关案例予以深入分析，阐释ICT对学生学业产生影响的具体方式。

[参考文献]

陈纯槿，顾小清. 2017. 互联网是否扩大了教育结果不平等——基于PISA上海数据的实证研究[J]. 北京大学教育评论（1）：140-153.

黄正正，郭亚歌. 2014. 学校因素对学生数学素养成绩影响的跨文化比较——基于PISA2012多水平分析的结果[J]. 中国考试（10）：47-55.

散国伟，余丽芹，梁伟维，黎欢. 2018. 中学生信息素养的多层影响因素及提升策略研究[J]. 中国电化教育（8）：86-93.

邵志豪，袁孝亭，董姝娜. 2012. 教育中的平等与质量——从PISA成绩看芬兰的基础教育[J]. 教育探索（10）：51-154.

温福星. 2009. 阶层线性模型的原理与应用[M]. 北京：中国轻工业出版社.

吴桂翎，辛涛，张文静. 2012. 学校教育资源对学生数学素养预测效应的跨文化比较[J]. 心理科学（2）：98-103.

Ammermueller， A. （2007）. PISA： What makes the difference？ Empirical Economics， （2）， 263-287.

European Commission. （2013， February 20）. Survey of Schools： ICT in education. Retrieved January 1， 2018， from http：//ec.europa.eu/infor mation_society/newsroom/image/document/2016-20/surveyofschoolsi ctineducation_15585.pdf

Hatlevik， O. E.， Throndsen， I.， Loi， M.， & Gudmundsdottir， G. B. （2018）. Students ICT self-efficacy and computer and information literacy： Determinants and relationships. Computers & Education， 118， 107-119.

Hidi， S.， Renninger， K. A. （2010）. The four-phase model of interest development. Educational Psychologist， 41（2），111-127.

Jacobson， M.， Taylor， C.， & Richards， D. （2016）. Computational scientific inquiry with virtual worlds and agent-based models： New ways of doing science to learn science. Interactive Learning Environments， 24（8），2080-2108.

Kubiatko， M.， & Vlckova， K. （2010）. The relationship between ICT use and science knowledge for Czech students： A secondary analysis of PISA 2006. International Journal of Science & Mathematics Education， 8（3），523-543.

Lee， S. M.， Brescia， W.， & Kissinger， D. （2009）. Computer use and academic development in secondary schools. Computers in the Schools， 26（3），224-235.

Lindén， S.， & Lankinen， T. （2010， December 1）. National plan for educational use of information and communications technology. Retrieved February 1， 2018， from http：//www.edu.fi/download/135308_TVT_ope tuskayton_suunnitelma_Eng.pdf

Linn， M. C.， & Eylon， B. S. （2011）. Science learning and instruction： Taking advantage of technology to promote knowledge integration. New York： Routledge.

Luu， K.， & Freeman， J. G. （2011）. An analysis of the relationship between information and communication technology （ICT） and scientific literacy in Canada and Australia. Computers & Education， 56（4），1072-1082.

OECD. （2016a， December 6）. PISA 2015 results （volume I）： Excellence and equity in education. Retrieved December 20， 2017， from http：//dx.doi.org/10.1787/9789264266490-en

OECD. （2016b， December 6）. PISA 2015 results （volume III）： Students well-being. Retrieved December 20， 2017， from http：//dx.doi.org/10. 1787/9789264273856-en

Papanastasiou， E. C.， Zembylas， M.， & Vrasidas， C. （2005）. An examination of the PISA database to explore the relationship between computer use and science achievement. Educational Research & Evaluation， 11（6），529-543.

Raudenbush， S. W.， & Bryk， A. S. （2002）. Hierarchical linear models： Applications and data analysis methods （2nd ed.）. Thousand Oaks： Sage.

Sahlberg， P. （2011）. Finnish lessons： What can the world learn from educational change in Finland？ New York： Teachers College Press.

Salomon， A.， & Kolikant， Y. B-D. （2016）. High-school students perceptions of the effects of non-academic usage of ICT on their academic achievements. Computers in Human Behavior， （64），143-151.

Skryabin， M.， Zhang， J.， Liu， L.， & Zhang， D. （2015）. How the ICT development level and usage influence student achievement in reading， mathematics， and science. Computers & Education， 85（C），49-58.

Spiezia， V. （2010）. Does computer use increase educational achievements？ Student-level evidence from PISA. OECD Journal： Economic Studies， （1），1-24.

T?mte， C.， & Hatlevik， O. E. （2011）. Gender-differences in self-efficacy ICT related to various ICT-user profiles in Finland and Norway： How do self-efficacy， gender and ICT-user profiles relate to findings from PISA 2006. Computers & Education， 57（1），1416-1424.

Vekiri， I. （2010）. Socioeconomic difference in elementary students ICT beliefs and out-of-school experience. Computers & Education， 54（4），941-950.

Zhang， D. （2016）. How does ICT use influence students achievements in math and science over yime？ Evidence from PISA 2000 to 2012. EURASIA Journal of Mathematics， Science & Technology Education， 12（9），2431-2449.

Zhong， Z. （2011）. From access to usage： The divide of self-reported digital skills among adolescents. Computers & Education， 56（3），736-746.

收稿日期：2018-07-14

定稿日期：2018-11-17

作者簡介：王春丽，博士研究生，华东师范大学教育信息技术学系（200062）。

顾小清，博士，教授，博士生导师，华东师范大学上海数字化教育装备工程技术研究中心（200062）。

责任编辑 单 玲