数字素养对农民工就业质量的影响研究

姚洪敏 谢会强

摘要：数字素养是农民工融入数字社会，提升就业质量，享受数字红利的关键。文章基于2018年中国家庭追踪调查问卷数据（CFPS），考察数字素养对农民工就业质量的影响及作用机制，并深入分析不同维度数字素养对农民工就业质量的差异性影响。研究发现：（1）数字素养对农民工就业质量具有显著的促进作用，该结论在考虑内生性问题并经过一系列稳健性检验后依然成立。（2）“技能学习类”数字素养对农民工就业质量的提升效应显著高于“社交娱乐类”数字素养。（3）数字素养对新生代农民工及受教育程度较高农民工群体就业质量的促进作用更明显。（4）数字素养能够显著促进人岗匹配、维护和拓展社会资本，进而提高农民工就业质量。基于以上研究结论，提出应将数字素养纳入农民工职业能力培育体系、实现数字素养培育的群体适配性、规范数字就业平台以保障农民工高质量就业。

关键词：农民工；数字素养；就业质量；人岗匹配；社会资本

[基金项目]国家社会科学基金项目（项目编号：18BGL222）；贵州省高校人文社会科学研究项目（项目编号：2023GZGXRW172）。

[作者简介]姚洪敏（2000-），女，贵州遵义人，硕士研究生，研究方向：农村发展；谢会强（1984-），男，湖北枣阳人，博士，讲师，研究方向：农林经济管理与农村区域发展。

一、引言

就业乃民生之本、经济发展之源。高质量就业是提升人民生活幸福感的关键，也是推动我国经济由高速增长阶段转向高质量发展阶段的内在动力，更是达成共同富裕目标的必由之路。党的二十大报告明确指出，“就业是最基本的民生。强化就业优先政策，健全就业促进机制，促进高质量充分就业。”农民工作为我国新型城镇化和乡村振兴的重要推动者，其就业质量关系到脱贫成果的巩固及乡村振兴与共同富裕目标的实现。然而，由于长期受到城乡二元户籍制度的限制以及自身人力资本水平的影响[1]，农民工在就业市场中一直处于相对弱势的地位，面临着工资收入低、工作不稳定、社会保障不足和就业歧视等问题[2]，严重制约其融入城市社会[3-4]。因此，如何提升农民工就业质量以保障经济社会持续健康发展，成为我国亟待解决的重要现实问题。

数字经济作为一种新经济形态，具有就业“创造效应”和“优化效应”的同时也具有就业“替代效应”，且其就业“替代效应”往往发生在劳动密集型的制造业部门[5-8] ，其后果是低技能型劳动力极有可能被“挤出”劳动力市场。数字经济发展的确会带来数字红利，通过提高生产效率、降低劳动强度以提升劳动者就业质量[9]。但能否享受到数字红利的关键在于劳动者是否具备对新技术和新业态的适应能力。农民工作为典型的“低技能型”“高替代性”的劳动力群体，只有在掌握基本工作技能的同时具备一定的数字技能和数字素养，才会有更多触及高质量就业岗位的机会[10]，否则将难以参与新经济活动，甚至会面临被不断变革的劳动力市场“边缘化”的风險[11]。

《提升全民数字素养与技能行动纲要》中，将提升农民数字技能作为主要任务和重点工程之一。随着数字技术的高速发展及基础设施的不断完善，城乡数字接入日渐趋向平等。然而，数字素养水平高低能够影响个体的数字参与程度，进而产生数字红利差异[12]，在这个数字技术普及、数字经济高速发展的时代背景下，数字素养对于适应数字时代的学习、生活和工作是不可或缺的[13]，被称为是数字时代每个公民应具备的基本素养[14]。在工作方面，数字素养的提升有助于劳动力利用各类数字平台实现社会资本的提升和维护、人力资本的积累、就业渠道的拓展[15-16]，从而实现更高质量的就业。对于容易被新兴技术“边缘化”的农民工群体来说，数字素养的重要性尤为凸显。然而，纵观既有文献，关于农民工就业质量的研究多集中于人力资本、社会资本、工作转换、务工距离、社会融入等传统视域[17-20]，而在数字经济形态下农民工就业质量的研究多聚焦于数字经济发展、数字普惠金融、产业智能化等宏观角度[21-23]，鲜有研究从数字素养角度探讨其对农民工就业质量的影响及作用机制。

基于上述分析，本文利用2018年中国家庭追踪调查问卷数据，实证检验数字素养对农民工就业质量的影响，并深入解析不同维度数字素养对农民工就业质量的差异性影响以及数字素养对不同群体就业质量影响的异质性。同时，将人岗匹配、社会资本纳入理论分析框架，进一步揭示数字素养对农民工就业质量的作用机制，以期找到数字经济发展契机下提升农民工就业质量的对策。

二、理论分析与研究假说

（一）数字素养对农民工就业质量的影响

随着数字经济的纵深发展，数字平台日益成为劳动力获取就业信息以及进行技能培训的主要渠道。数字素养对农民工就业质量的直接影响主要体现在以下两个方面：一是数字素养本身就是一种人力资本，即数字人力资本[24]，是劳动力运用数字平台学习、增加自身人力资本积累的一种能力，对就业质量的提升具有正向影响；二是数字素养的提高有利于提升农民工的权利认知。权利认知有利于劳动力在自身权利受损时有意识去利用法律等手段维护合法权利，对农民工的收入、劳动权益进而对就业质量均有重要影响[25]。然而对于绝大多数农民工来说，知识与认知的匮乏使得他们缺乏对自己在劳动力市场中所享有权利的关注[26]。数字时代背景下，数字素养的提升使农民工懂得通过各类数字平台了解劳动权益、维护劳动权益，从而促进其就业质量的提升。

基于以上分析，本文提出研究假说H1：数字素养对农民工就业质量具有正向影响。

（二）数字素养影响农民工就业质量的路径

1.数字素养通过促进人岗匹配来提升农民工就业质量。人岗匹配是实现劳动力高质量就业的关键。人与岗位越匹配，劳动者的工作满意度、工作中的创造力越高[27-28]。就业市场中雇主与劳动力的信息不对称是实现人岗匹配路上的绊脚石[29]，而数字就业平台的开发与发展恰好在一定程度上降低了职业搜寻成本[30]，提高了劳动力配置效率，有助于解决劳动力与工作岗位相匹配过程中出现的摩擦性失业问题[31]。随着互联网的不断普及，智能手机等数字工具在农民工群体中具有相当高的使用率，这解决了信息获取的硬件问题。但能否利用好数字工具搜索就业信息，从而搜寻到与自身特征相匹配的岗位，实现更高质量的就业，这取决于农民工的数字素养。数字素养水平较高的农民工能够更好地运用数字平台实现人岗匹配，促进自身更高质量的就业。

基于此，本文提出研究假说H2：数字素养通过促进人岗匹配提升农民工就业质量。

2.数字素养的提升有利于农民工利用数字社交平台维护和拓展社会资本，从而改善就业质量。社会资本是农民工获取就业信息、提升经济地位的重要渠道[32]。一方面，作为非市场路径，社会资本对农民工就业的市场路径起到补充作用，并且，社会资本的提升有利于农民工掌握市场工资信息，使农民工在工资谈判时避免信息不对称带来的收入歧视，从而提高就业质量。另一方面，农民工可以依靠社会网络中成员的社会和经济影响来获取支持以及雇主的信任，进而促进其就业质量的提升。在求职过程中，强关系带来人情资源，弱关系带来信息资源，两类资源均具有收入提升效应[33]，即对劳动力的就业质量具有正向影响。当前数字社交平台已成为新型社交形式，它显著降低了社交成本，改变着传统的人际交往方式，延伸了传统社交的边界，使得人们不仅可以利用其维护现有的关系网络，还可以根据自身需求建立或加入社交圈，成为维护和拓展社会资本的主要工具[15]。数字素养水平的提高有利于拓展个体的线上社会网络空间[34]。数字素养越高的农民工使用数字平台社交的频率越高，越容易维护已有的强关系社会资本以及拓宽弱关系社会资本，获得高质量就业的机会越多。

基于此，本文提出研究假说H3：数字素养通过维护和拓展社会资本提升农民工就业质量。

三、实证设计

（一）样本与数据来源

本文所使用的数据均来源于2018年中国家庭追踪调查（CFPS）①。CFPS调查是一项全国性、综合性的社会追踪调查项目，该数据涵盖了中国家庭经济、金融行为、社会网络等多个领域信息，为本研究提供了丰富的数据基础。其中与数字素养和就业质量相关的数据均来自个人库，相关控制变量和机制变量有关的信息来源于个人库、家庭经济库和家庭成员库。根据本文研究需要，对原始数据进行以下处理：（1）研究对象为农民工，结合国家统计局对农民工的定义②，保留农业户口且从事非农工作6个月及以上的样本；（2）研究数字素养对农民工就业质量的影响，保留使用互联网的样本；（3）剔除重要变量缺失、不适用及异常值的样本。经过以上数据筛选，最终得到样本3 462个。

（二）变量与指标

1.被解释变量：就业质量。就业质量是对劳动力就业状况的综合评价。农民工就业质量分为客观就业质量和主观就业满意度[35]。本文结合工作收入、劳动时间、劳动保障、社会保障、工作整体满意度这五个指标并利用等权平均法构建农民工就业质量指标体系。就业质量指数的计算方法如下：

首先，将就业质量的五个指标进行标准化。

正向指标标准化公式：

[Xnorij=（xij-Minj）/（Maxj-Minj）]                 （1）

负向指标标准化公式：

[Xnorij=（Maxj-xij）/（Maxj-Minj）]                   （2）

其中，[Xnorij]为标准化后的指标，[i]表示农民工个体，[j]表示就业质量指标体系中的各项衡量指标，[Maxj]和[Minj]分别表示[j]指标的最大值和最小值。

其次，用等权平均法将五个标准化后指标的综合计算结果来衡量就业质量，公式如下：

[Qualityij=15j=15xnorij]                                     （3）

2.核心自变量：数字素养。数字素养反映个体使用数字技术的能力，是一个综合概念。欧盟将其定义为“在工作、就业、学习、休闲以及社会参与中，自信、批判和创新性使用信息技术的能力”。本文基于欧盟对数字素养的定义，参照王杰等的做法[36]，利用CFPS问卷中个体使用互联网进行各种活动的频率来综合反映其数字素养。具体包括：“使用互联网学习的频率”“使用互联网工作的频率”“使用互联网社交的频率”“使用互联网娱乐的频率”“使用互联网进行商业活动的频率”五个问题，并将“从不”到“几乎每天”共7个层次的使用频率分别赋值为1-7。采用等权平均法计算得到反映数字素养的综合指标体系。

3.控制變量。为了使数字素养对农民工就业质量的影响分析更准确，本文在数据可得的前提下尽可能地控制相关变量。具体控制变量包括个体、家庭、地区三个层面。（1）个体层面包括性别、年龄、受教育情况、健康状况、婚姻状况、入党情况、工会参与情况等；（2）家庭层面包括孩子占比、老人占比和家庭年总收入；（3）地区层面则控制了农民工主要工作所在省份。上述具体变量的选择、赋值及描述性统计情况如表1所示，括号中为变量取对数后对应的相关统计值。

由表1可知，农民工就业质量指数均值为0.6012。分指标来看，平均月工资收入约3 102元，标准化后工作收入指标的平均值为0.7769；劳动时间较长，周工作时间均值达到55小时，超过《中华人民共和国劳动法》规定的44小时；劳动保障程度不高，签订劳动合同的样本比例不到一半，为47.53%；社会保障程度较低，其主要工作单位所提供的平均社会保险数量仅为1份左右，标准化后的社会保障指标平均值为0.2908，是就业质量五个指标里最低的；工作整体满意度的平均值为3.5931，其标准化后的均值为0.6483。

样本数字素养均值为4.4298。其中，用互联网进行社交、娱乐的频率分别达到6.2558、5.8758，高于用互联网进行学习、工作和商业活动的频率，可见农民工使用互联网的主要用途是用于“社交娱乐类”活动，而对学习、工作、商业活动等“技能学习类”活动使用较少。

（三）模型设定

本文因变量为就业质量指数，该变量为连续变量，故使用最小二乘法（OLS）进行基准回归。构建回归模型如（4）式所示：

[Qualityij=α+βDigitalliteracyij+γZij+areaj+εij]  （4）

其中，[Qualityij]表示农民工[i]在地区[j]的就业质量指数，[Digitalliteracyij]表示个体的数字素养，[Zij]为控制变量，[areaj]为农民工主要工作所在地区，[εij]为随机扰动项，[β]为核心解释变量的待估系数，[α]为常数项。

四、实证结果及分析

（一）基准回归结果及分析

本文基于OLS模型考察数字素养对农民工就业质量的影响，同时考察了數字素养对就业质量各分维度指标的影响，回归结果如表2所示。由表2可知，数字素养显著提高了农民工整体的就业质量，假说H1得以验证。从农民工就业质量的不同维度来看，数字素养对工作收入、劳动保障、社会保障、工作整体满意度均具有显著正向影响，对劳动时间具有显著负向影响。

（二）数字素养各分维度指标对农民工就业质量的影响

考察数字素养各分维度指标即使用互联网进行各类活动的频率对农民工就业质量的影响，回归结果见表3。总体上看，与使用互联网进行“社交娱乐类”活动相比，使用互联网进行“技能学习类”活动对提升农民工就业质量的效果更为显著。导致出现此差别的原因可能在于，使用互联网进行学习、工作和商业活动有助于农民工人力资本的积累，提升自身的学习能力、信息检索能力以及工作效率，从而改善就业质量。使用互联网进行社交可以维护和拓展农民工的社会资本，进而获得更多就业机会，增加提高就业质量的机率，但也会因此与更多人作比较，从而可能产生对自身工作的不满足感。因此，使用互联网进行社交活动对农民工就业质量的促进作用小于使用互联网进行学习、工作和商业活动对其就业质量的促进作用。而使用互联网进行“刷视频”等娱乐活动可能会让农民工沉溺于网络，导致工作时间的挤出与精力的分散，并且长时间的低头姿势可能还会影响身体健康，不利于工作效率的提升和职业发展，对农民工的就业质量并无显著影响。

（三）内生性检验

尽管本文在数字素养对农民工就业质量的基准回归分析中加入了控制变量，但不可避免地仍然可能存在遗漏变量使得估计结果出现偏误。同时，数字经济时代背景下，就业质量越高的农民工所具备的数字素养可能更高，因此模型可能存在反向因果关系。对此，本文采用工具变量法缓解模型的内生性问题。借鉴马俊龙和宁光杰[37]的做法，本文选用的工具变量为样本所在区县的互联网普及率。这是由于区县的互联网普及率越高，样本周围使用互联网的人就越多，由此产生“同伴效应”，这与个人的数字素养具有相关性。而区县层面的互联网普及率，往往不会对个人的就业质量产生影响，这保证了工具变量的外生性。弱工具变量检验的F值为5.9634，小于经验值10，证明该工具变量为弱工具变量。二阶段最小二乘法（2SLS）对样本数据的回归分析结果如表4所示。第一阶段回归结果表明，互联网普及率与农民工的数字素养在5%的显著性水平下正相关，第二阶段回归结果显示，数字素养在5%显著性水平下提高了农民工的就业质量。回归结果说明使用工具变量缓解内生性问题后，数字素养与农民工就业质量仍存在显著的正相关关系，与基础回归结果保持一致。同时，DWH检验结果在1%显著性水平下拒绝了核心解释变量外生的原假设，证明以上的内生性检验是必要的。最后，针对上述弱工具变量问题，本文选用对弱工具变量更不敏感的有限信息最大似然法（LIML）进行估计，回归结果见表4第（3）列，结果表明，采用LIML模型与2SLS估计所得系数几乎相同，即表明回归结果是稳健的。

（四）稳健性检验

1.倾向得分匹配法（PSM）估计。考虑到基准回归分析的自选择偏差问题，本文利用倾向得分匹配法（PSM）构建反事实框架，将年龄、性别、受教育程度、健康状况、婚姻状况、入党情况、工会参与情况、家庭年总收入及主要工作所在省份纳入模型，用样本匹配后的平均处理效应（ATT）来验证基准回归结果的稳健性。由于数字素养并非0，1变量，本文将高于总样本平均数字素养的样本视为“高数字素养”群体，赋值为1，“低数字素养”群体的数字素养赋值为0。表5为数字素养影响农民工就业质量的样本匹配结果。结果显示，不同匹配方式下数字素养对农民工就业质量仍具有显著的正向影响，证明基准回归分析的结果是可靠的。

2.更换回归模型。由于就业质量指标体系的数值位于0～1之间，属于双侧受限变量，因此，本文使用Tobit模型回归以验证基准回归结果的稳健性，估计结果如表6列（1）所示。Tobit回归结果显示，数字素养对农民工就业质量的影响仍然在1%的水平上显著，证明了基准回归结果的稳健性。

3.更换数字素养指标体系衡量方法。为进一步检验数字素养对农民工就业质量影响结果的稳健性，将数字素养指标衡量方法更换为熵权法并重新进行估计。如表6列（2）的结果显示，数字素养对农民工的就业质量具有显著正向影响，且在1%水平上显著，表明了前文研究结论的稳健性。

4.更换就业质量指标体系衡量方法。前文利用等权平均法建立就业质量指标体系，进一步采用熵权法重新对就业质量指标体系进行测算并进行回归，回归结果如表6列（3）所示，数字素养依然在1%的水平下显著，证实了前文结论的稳健性。

（五）异质性分析

1.代际异质性。由于成长社会背景与所接受观念等方面存在差异，新老两代农民工对新兴事物的接受能力也截然不同。为了探究数字素养对两代农民工就业质量影响的异质性，本文参考郭庆[38]的做法，将1980年及以后年度出生的农民工划分为新生代农民工，1980年之前出生的农民工划分为老一代农民工。分别对两组样本做回归，结果如表7所示。据表7列（1）和列（2）的回归结果可知，数字素养对新老两代农民工的就业质量均有显著促进作用。进一步引入数字素养与农民工年龄的交互项进行回归估计的结果如表7列（3）所示，代际交互项的估计系数显著为负，表明数字素养对年龄越大的农民工即老一代农民工就业质量的促进作用显著小于新生代农民工。这意味着，与老一代农民工相比，新生代农民工对数字生活的适应能力更强，他们使用互联网等数字工具帮助自身就业的概率更高，进而获得高质量就业岗位的机率也较大。

2.受教育程度异质性。受教育程度代表着个人的知识水平及学习能力，个人综合素质的不同可能会导致数字素养对其就业质量的影响存在差异。鉴于此，本文将受教育年限低于9年的农民工划分为低受教育程度组，将受教育年限高于9年的农民工划分为高受教育程度组进行分组回归，回归结果如表8列（1）和列（2）所示。可以看出，无论受教育程度高低，数字素养均能提升其就业质量。进而构建数字素养与受教育年限的交互项，加入基准回归模型中进行回归。据表8列（3）结果可知，数字素养与受教育年限交互项的系数显著为正，表明数字素养对受教育程度高农民工就业质量的促进作用更大。此结果说明，受教育程度高的农民工群体基于自身人力资本的比较优势，更擅于利用数字平台增长自身知识与技能，从而享受到数字素养提升带来的“就业红利”。

（六）作用机制分析

1.数字素养通过促进人岗匹配来提高农民工就业质量。参照已有研究[39-40]，采用主观评价法测量人岗匹配。根据问卷“从知识和技能的角度上講，您认为胜任这份工作实际需要多高的教育程度”得出胜任工作的受教育程度预期，以受访者最高学历减去认为胜任该工作的受教育程度，结果小于0表示“低能高配”，大于0表示“高能低配”，结果为0则表示人岗匹配。由于本研究主要分析数字素养能否通过促进人岗匹配来对农民工就业质量产生影响，因此将人岗匹配赋值为1，低能高配及高能低配均为人岗不匹配，赋值为0。由于人岗是否匹配为二元变量，因此采用Probit模型来进行回归分析，结果如表9列（1）所示。结果显示，在控制其他变量的情况下，数字素养在1%水平下显著正向影响农民工与岗位之间的匹配。原因在于，数字素养的提升使得农民工能更熟练地掌握数字工具的运用，能更好地利用线上就业平台来找到与自身教育程度、技能以及个人偏好等更符合的岗位，个人能力得以充分发挥，进而提升就业质量。假说2得以验证。

2.数字素养通过维护和拓展农民工的社会资本来提高其就业质量。关于社会资本在劳动力就业质量方面的研究，通常将其分为“强关系”社会资本和“弱关系”社会资本[41]。其中，“强关系”社会资本用“过去一年的人情礼金支出”来衡量，弱关系社会资本则用“您认为自己的人缘关系有多好”来衡量，将两类社会资本标准化后用等权平均法计算得到农民工个人的总社会资本。表9列（2）显示了数字素养对农民工社会资本的影响。由表中可以看出，在控制其他变量的情况下，数字素养在1%水平下显著增加了农民工的社会资本。从现实情况看，数字素养高的农民工更加善用各类社交软件来维护已有的社会资本并实现社会资本的拓展，以增加获取高质量就业岗位的机会。

五、结论与建议

（一）主要结论

本文采用2018年中国家庭追踪调查数据（CFPS），在测算数字素养和农民工就业质量的基础上，理论分析并实证检验了数字素养对农民工就业质量的影响。得到如下结论：第一，数字素养对农民工就业质量具有显著的正向影响，该结论在考虑内生性问题并进行一系列稳健性检验后仍然成立。从农民工就业质量的不同维度看，数字素养对工作收入、劳动保障、社会保障、工作整体满意度均具有显著正向影响，但对劳动时间具有显著负向影响。第二，从数字素养不同维度看，使用互联网进行“技能学习类”活动能显著提高农民工的就业质量。使用互联网进行社交也能显著提升其就业质量，其提升效应小于使用互联网进行学习、工作和商业活动等“技能学习类”活动对其就业质量的影响，而使用互联网进行娱乐并对农民工就业质量的影响并不显著。第三，异质性分析发现，数字素养对农民工就业质量的促进作用在新生代农民工以及受教育程度较高的农民工群体中更为显著。第四，数字素养可以通过促进人岗匹配、维护和拓展社会资本来提升农民工的就业质量。

（二）政策建议

第一，重视农民工数字素养的培育，将数字素养纳入农民工职业能力培育体系。政府应建立健全数字技能培训平台，构建终身数字学习体系，提高农民工使用数字工具和平台进行技能学习、获取和筛选信息、维护和拓展自身社会资本等能力，充分释放数字经济红利，助力农民工就业质量提升。

第二，实现数字素养培育的群体适配性，助力特殊群体融入数字生活。面向老一代农民工、受教育程度较低农民工等特殊群体，要设计简单易懂、实用性强的数字培训课程，开发用户界面设计简洁、操作流程简化的数字平台。其中对于老一代农民工，可以同时开展家庭数字技能培训，即鼓励家庭成员帮助年老者使用手机软件，协助其跨越“数字鸿沟”。而对于受教育程度较低的农民工，应激励其接受继续教育，利用线上学习资源提高自身人力资本，从而更好地享受数字素养带来的“就业红利”。

第三，规范数字就业平台，充分保障农民工及广大劳动者的就业权益。政府应加强数字就业平台的监管体系建设，通过设置就业平台准入机制、建立定期评估和监测机制、健全法律服务数字化体系等方式，为农民工及广大劳动者建立一套就业权利的“事前事中事后”全过程保护机制，为合法就业权益的实现及其就业质量的提升“保驾护航”。

参考文献：

[1]周闯.农民工的工作稳定性与永久迁移意愿[J].人口与发展，2022，28（05）：148-160.

[2]高鸣.促进农村劳动力高质量充分就业：目标、困境与政策构想[J].华中农业大学学报（社会科学版），2023（03）：1-10.

[3]胡斌红，杨俊青.乐业才能安居——就业质量对农民工城市定居意愿的影响[J].北京理工大学学报（社会科学版），2020，22（05）：59-67.

[4]丁仁船，邬登辉.进城农民工就业质量、就业感知与社会融入关系——基于结构方程模型的实证分析[J].合肥工业大学学报（社会科学版），2023，37（01）：81-90.

[5]裴长洪，倪江飞，李越.数字经济的政治经济学分析[J].财贸经济，2018，39（09）：5-22.

[6]胡拥军，关乐宁.数字经济的就业创造效应与就业替代效應探究[J].改革，2022（04）：42-54.

[7]陈建伟，苏丽锋.通用型技术对就业结构的影响——基于“宽带中国”示范城市政策的研究[J].中国人口科学，2021（05）：32-47，126-127.

[8]孟祺.数字经济与高质量就业：理论与实证[J].社会科学，2021（02）：47-58.

[9]侯俊军，张莉，窦钱斌.“机器换人”对劳动者工作质量的影响——基于广东省制造企业与员工的匹配调查[J].中国人口科学，2020（04）：113-125，128.

[10]林龙飞，祝仲坤.“稳就业”还是“毁就业”？数字经济对农民工高质量就业的影响[J].南方经济，2022（12）：99-114.

[11]殷浩栋，霍鹏，汪三贵.农业农村数字化转型：现实表征、影响机理与推进策略[J].改革，2020（12）：48-56.

[12]苏岚岚，张航宇，彭艳玲.农民数字素养驱动数字乡村发展的机理研究[J].电子政务，2021（10）：42-56.

[13]马克·布朗，肖俊洪.数字素养的挑战：从有限的技能到批判性思维方式的跨越[J].中国远程教育，2018（04）：42-53，79-80.

[14]朱红艳，蒋鑫.国内数字素养研究综述[J].图书馆工作与研究，2019（08）：52-59.

[15]戚聿东，褚席.数字生活的就业效应：内在机制与微观证据[J].财贸经济，2021，42（04）：98-114.

[16]赵放，蒋国梁.数字科技赋能劳动力就业：内在机理与微观证据——基于CFPS数据的实证分析[J].人口学刊，2023，45（02）：99-112.

[17]任义科，王林，杜海峰.人力资本、社会资本对农民工就业质量的影响——基于性别视角的分析[J].经济经纬，2015，32（02）：25-30.

[18]明娟，曾湘泉.工作转换与受雇农民工就业质量：影响效应及传导机制[J].经济学态，2015（12）：22-33.

[19]李中建，袁璐璐.务工距离对农民工就业质量的影响分析[J].中国农村经济，2017（06）：70-83.

[20]郭庆.社会融入对新生代农民工就业质量的影响及其地区差异[J].经济地理，2021，41（03）：161-169.

[21]张广胜，王若男.数字经济发展何以赋能农民工高质量就业[J].中国农村经济，2023（01）：58-76.

[22]郭晴，孟世超，等.数字普惠金融发展能促进就业质量提升吗？[J].上海财经大学学报，2022，24（01）：61-75，152.

[23]齐乐，陶建平.产业智能化与农民工就业质量的影响机理及提升路径[J].华中农业大学学报（社会科学版），2023（01）：34-46.

[24]苏岚岚，彭艳玲.农民数字素养、乡村精英身份与乡村数字治理参与[J].农业技术经济，2022（01）：34-50.

[25]刘长全.权利认知对农民工就业质量的影响及其异质性——基于样本选择分位数回归的分析[J].人口与发展，2022，28（03）：2-14.

[26]刘丽华.我国农民工劳动权益保护问题研究[J].财经问题研究，2016（S2）：167-171.

[27]陈卫旗，王重鸣.人—职务匹配、人—组织匹配对员工工作态度的效应机制研究[J].心理科学，2007（04）：979-981.

[28]张勇，龙立荣.人—工作匹配、工作不安全感对雇员创造力的影响——一个有中介的调节效应模型检验[J].南开管理评论，2013，16（05）：16-25，50.

[29]杨政怡，杨进.社会资本与新生代农民工就业质量研究——基于人情资源和信息资源的视角[J].青年研究，2021（02）：17-31，94-95.

[30]李丽.数字经济对就业的影响及应对策略[J].经济问题，2022（04）：37-42.

[31]黄玮杰.数字经济中资本的特性及其效应——基于《资本论》研究的视角[J].求索，2023（01）：66-73.

[32]王春超，周先波.社会资本能影响农民工收入吗？——基于有序响应收入模型的估计和检验[J].管理世界，2013（09）：55-68，101，187.

[33]边燕杰，张文宏，程诚.求职过程的社会网络模型：检验关系效应假设[J].社会，2012，32（03）：24-37.

[34]PRIOR D D，MAZANOV J，MEACHEAM D，et al.Attitude，Digital Literacy and Self Efficacy：Flow-on Effects for Online Learning Behavior[J].Internet & Higher Education，2016，29：91-97.

[35]钱芳，陈东有，周小刚.农民工就业质量测算指标体系的构建[J].江西社会科学，2013，33（09）：189-192.

[36]王杰，蔡志坚，吉星.数字素养、农民创业与相对贫困缓解[J].电子政务，2022（08）：15-31.

[37]马俊龙，宁光杰.互联网与中国农村劳动力非农就业[J].财经科学，2017（07）：50-63.

[38]郭庆.社会融入对新生代农民工就业质量的影响及其地区差异[J].经济地理，2021，41（03）：161-169.

[39]刘璐宁.大材小用与学以致用：过度教育及非教育影响因素的实证研究——基于2003年和2008年CGSS数据[J].高教探索，2014（05）：30-36，41.

[40]李文华，李桂荣.教育匹配的就业质量效应研究[J].首都经济贸易大学学报，2022，24（04）：69-80.

[41]钱芳，陈东有.强关系型和弱关系型社会资本对农民工就业质量的影响[J].甘肃社会科学，2014（01）：56-59.

责任编辑：管仲

○

引用格式：

姚洪敏，谢会强.数字素养对农民工就业质量的影响研究[J].新疆农垦经济，2024（05）：56-65，92.

①由于2020年问卷设置改变，数字素养指标无法获取，因此本文选用2018年中国家庭追踪调查（CFPS）作为数据来源。

②农民工是指户籍仍在农村，年内在本地从事非农产业或外出从业6个月及以上的劳动者。