（二） 国外实证测量方案讨论

近年来，国外学者也提出了一些测量网络和新媒体素养的操作化方案，其中很多具有较强的可执行力。例如， Chang与他的同事开发和验证了“计算机技术素养自我评估量表（Computer Technology Literacy Self-assessment Scale）”和“媒介素养自我评估量表（Media Literacy Self-evaluation Scale)”，用以探索学生群体使用媒介工具并其中获取信息的能力。[34]

Hargittai提出了一种Web1.0条件下“网页指向型（Web-Oriented）”的数字素养测量方案。[35]这一方案与传统的“自我报告式”测量的最大不同在于，启用了知识题项，将用户的自我感知与客观经验相结合。

一方面，基于用户的自我报告，受访者会被问及技能类自我评估的主观命题（例如，在互联网使用技巧方面，你认为，你自己应该属于哪种情况？1.完全没有技巧，2.比较没技巧，3.一般有技巧，4.非常有技巧，5.专家级技巧。）；另一方面，基于客观知识的考察，受访者会被问及一些媒介知识（例如，“PDF代表什么含义？”、“如何下载邮件附件？”）。这一方案同时检验了用户的主观感知与客观知识，使测量结果更具可信度。本研究在技术应用的测量方面借鉴了这一形式。

上述方案主要围绕媒介素养的技术层面，评价了数字环境下用户媒介技术应用能力，呈现了媒介使用的人机交互特性。而在另一向度，过去几年，正如Thoman所言“媒体不再仅仅影响我们的文化，它们就是我们的文化”。[36]新媒体所承担的社交功能和社会文化层面的特质开始备受关注。特别是，媒介使用者从被动接受信息的“受众”到主动消费信息的“用户”主体身份发生转变。

例如，Toffler认为，用户在媒介文本内容的交互使用中既扮演了“消费者（consumer）”角色，又进一步扮演了“产消者（prosumer）”角色[37]。用户不仅单向消费信息，同时也生产信息。与此相辅相成，Buckingham区分了用户在媒介使用中的两种不同特质的素养：功能性（functional）与批判性（critical）。功能性素养是有关技能和知识的能力；批判性素养是意义生成和判断信息可靠性与有效性的能力。[38]Wu Jing等在上述基础上建立起了一个评价新媒体素养的基本模型。[39]其中，横坐标是用户信息消费素养，即消费型—产消型；纵坐标是用户的媒介使用素养，即功能性—批判性。这样，就构造了一个用以描述媒介素养的四维坐标图谱（见图1）。

在这一模型中，媒介素养被划分为四个类型：“批判性消费素养”“批判性产销素养”“功能性消费素养”“功能性产销素养”。具体而言，功能性消费素养涉及接近媒介，理解其所承载内容的能力；批判性消费素养涉及用户学习媒介上有关经济、政治和文化等内容的能力。功能性产销素养涉及用户参与生产媒介内容的能力；批判性产销素养涉及在参与媒介活动期间，用户对媒体内容的上下文理解能力。

笔者认为，通过功能性、批判性、消费性和产销性四要素建立起的框架对媒介素养具有较强的解释力。与传统解释路径相比，这一模型具备两个优势：其一，超越了仅从“媒介功能”或“媒介使用行为”的单变量来定义媒介素养的路径，具有结构化的特征，在逻辑上更具自洽性。其二，这一模型的解释范畴内涵了媒介素养在“保护模式”“批判模式”“参与模式”等各阶段发展的特点，更具有理论解释的适切性。

综上，本研究在移动媒介素养的操作化过程中借用了这一模型，并在四维坐标基础上发展了涵盖“保护模式”“批判模式”“参与模式”内容的7个量化维度：媒介技术学习与使用、媒介内容消费、媒介技术认知、媒介接近、媒介参与、媒介内容认知、媒介社交。在每个维度下又建立了具体的量化指标（见表1、表3），形成移动媒介素养测量的一套完整量表。后文将通过一系列的实证检验方法，对这一量表进行分析与说明。 

四 研究方法

（一）样本说明

本研究的测量数据来自于2015年10月至2016年6月间，笔者及课题组成员在江苏省所辖13个市（南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁）进行的入户面访问卷调查。所有样本均严格按照多层随机抽样方式。首先，根据各市人口统计资料，按照 PPS方法，分别随机抽取出38个居委会（代表城镇人口）和52个村委会（代表农村人口），共90个社区单位；然后，根据居民户籍档案资料，采取系统随机抽样方式，在被抽中的每个社区单位中抽出20户家庭；最后，根据 “最近生日法则”，从每户家庭中选择一名年龄在18-69周岁之间的个人作为访问对象。最终，共获得1832份随机个案样本。样本特征上：男性占51.3%，女性占48.6%；城镇人口占44.9%，农村人口占55.1%；年龄介于18-25岁间占14.8%，26-35岁占21.8%，36-45岁占22.0%，46-55岁占23.3%，56-69岁占18.1%；具有高中及以下学历样本占69.4，高中以上学历占30.6%（表2）。调查样本的各类特征均匀分布，与人口统计资料大体趋于一致，具有很强的代表性。

（二）因子分析

本研究首先对全部51个指标进行探索性的因子分析，并排除了其中5个效果不佳的题项。数据分析显示51个指标的适切性量数（KMO）为0.973，结构效度良好，非常适合因子分析。从分项来看，其中TU14（你对接打电话功能的熟悉程度）和TU15（你对收发短信功能的熟悉程度）两项的因子负荷偏离于其他同类13项媒介功能测试题项，自成一个因子。分析这两项变异可发现，“接打电话”和“收发短信”属于移动设备传统的基本功能，受访者普遍掌握这两项功能，缺乏区分度；TL4（我会拆装手机或平板电脑等移动设备）在各项因子范围内都没有显著的负荷，原因在于大部分受访者都没有移动设备拆装的经历，该项也缺乏区分度；CS7（我使用移动设备了解商品信息）和SOC3（我使用移动设备接触和我兴趣相投的人）同时负荷于两个维度，表示这两个指标存在交叉负荷现象，所测量的概念意义不明确。基于上述分析，删除了TU14、TU15、TL4、CS7、SOC3等5个指标。

对修正后的 46个指标进行因子分析 ，共提取特征值在1.45至10.18范围内的7个因子，7个因子共同解释了67.2%的变异（见表3）。通过对各指标内容的分析解读，并结合因子负荷矩阵，笔者分别将7个因子命名为“媒介技术学习与使用”(Factor1)、“媒介内容消费”（Factor2）、媒介技术认知（Factor3)、媒介接近(Factor4)、媒介参与（Factor5）、媒介内容认知(Factor6)、媒介社交（Factor7）。

分享让更多人看到