认知性社会资本与主观幸福感：智能时代数字不平等的影响因素——基于CGSS数据的实证分析

本刊官方网站：

http://cjjc.ruc.edu.cn/

摘要

本研究意图兼顾结构性与能动性因素，探索主客观相对不平等维度对数字不平等的影响，基于中国综合社会调查（CGSS 2017）数据，分析结构性社会资本、认知性社会资本、相对剥夺和主观幸福感影响数字不平等的程度、路径与群体差异。数据分析发现，认知性社会资本和主观幸福感是影响感知数字不平等的关键因素，其中，认知性社会资本显著负向预测数字不平等，在男性或者青年群体中更为显著；主观幸福感同样显著负向预测数字不平等，在女性或者青年群体中表现显著；相对剥夺与结构性社会资本影响不显著。因此，研究认为，数字不平等是一个多视角、多维度、多阶段的议题，在确定增进数字平等的干预措施时，需要从长期视角，结合社会与技术发展前景与预测，整体考虑多方因素如主客观社会资本、心理资本等，采取多主体、多层面、多维度的综合性措施。

作者简介

杨雅，北京师范大学新闻传播学院副教授。

苏芳，北京师范大学新闻传播学院博士研究生。

喻国明（通讯作者），北京师范大学新闻传播学院教授。

基金项目

本文系国家社科基金一般项目“生成式人工智能背景下数字不平等的评测指标体系及其价值效用研究”（项目编号：24BXW041）阶段性成果；感谢北京师范大学新闻传播学院学术拔尖创新人才支持计划。

一

导言：智能时代数字

不平等研究的维度拓展

智能传播时代，生成式人工智能技术的涌现发展，使得数字（不）平等问题成为研究关注的焦点，应对数字不平等，探索新媒介技术如何推动实现人的发展和数字文明进步、实现数字包容与平等，成为当前技术背景下实现平等的关键路径。数字不平等，意味着接触和使用数智技术的过程中，在个人与社会层面所表现出的不平等状态（DiMaggio et al.，2004）。从发展阶段来说，数字不平等是数字鸿沟在第三阶段的拓展。第一阶段“接入沟”关注互联网技术接入的差距，以及个体获取网络资源的可及性（Ragnedda，Ruiu & Addeo，2022）；第二阶段扩展到“使用沟”，关注个体使用技术的能力和使用差异，探讨在数字环境中有效运用技术的资源和方式（邱泽奇等，2016；Scheerder，Van Deursen & Van Dijk，2017）；第三阶段，出现“深层次鸿沟”，如主客观知沟和智能鸿沟等（金兼斌，2003；钟祥铭，方兴东，2022；韦路，秦璇，2023），导致机会和结果不平等（陈梦根，周元任，2022）。从概念变迁来说，数字不平等在内涵与维度上拓展了数字鸿沟的视角，是一个更加综合的概念，关注人与技术的协同影响，而非过度强调技术决定（赵万里，谢榕，2020）；同时，跳出数字鸿沟所隐含的“信息富人”与“信息穷人”（Katzman，1974）的二元逻辑，建立从数字包容到数字排斥的“连续统”。

“数字不平等”不仅体现为个体获取数智技术、资源和技能的差异，更表现在因数字资源掌握程度不同而带来的认知能力和心理资本的差距；认知性社会资本、主观幸福感等因素的考量，使得这种不平等更具复杂性和深层性。其中，认知性社会资本可以调节个体数字适应能力和技术应用广度（Robinson et al.，2015）；而主观幸福感则作为一种心理资源，可以影响个体对数字技术的依赖程度和信任程度（Chan，2015）。在生成式人工智能的技术背景下，技术使用能力与心理资源的关系更加紧密。个体需要更加有效地参与数字经济和社会实践，在情感和认知等层面与技术环境协同，以契合当前人机协同、人机相融的趋势。数字不平等可以更好地揭示数智技术所带来的新型分化，超越传统意义上经济与社会因素的外在资源配置，更加关注人的数字感知与认知能力等内在资源配置，如自我效能感等数字认知能力（Helsper & Eynon，2010）以及心理情感的适应性等（Wang，Zhang & Zhao，2023）。在评测维度方面，数字不平等提供了多元测量空间与丰富维度可能，包含相对性与绝对性、客观存在与主观感知（Carlson & Isaacs，2018），一方面，其是现实境况的延伸，即社会不平等概念的外延（郑素侠，李古淞，2024），对应客观层面因素，如经济与客观社会资本测量（严宇琼，孙秀林，2023；姬德强，蒋效妹，朱泓宇，2023）；另一方面，其也是主观感知的相对不平等，如具身数字资本测量（Ragnedda，Ruiu，Addeo，2020；Merisalo & Makkonen，2022）。

二

文献回顾与研究假设

（一）从技术差异到认知差异：多维度解析数字不平等

智能媒介时代，关于数字技术使用差异的研究日益聚焦于数字不平等。当前技术因素在数字不平等中发挥着重要作用，技术的非匀质扩散影响了个人获得的数字平等和社会包容，具体表现在技术接入（Park & Humphry，2019）、技术使用（Van Deursen & Helsper，2015）和技术培养（Büchi，Festic & Latzer，2019；Nogueira et al.，2022）等多个方面。更重要的是，认知差异或者说“认知鸿沟”也成为关键的影响因素。人类的认知状态与技术能力无法“对齐”，成为大模型时代影响数智技术使用和数字不平等的新表现。因而，数字不平等并非完全是技术问题，也是社会问题（赵万里，谢榕，2020），同时更是一种认知问题。目前研究尚有亟待开展的维度，一方面，在结构层面进行分析，如场域视角下的经济资本、文化资本、社会资本（闫慧，2011；Calderon-Gomez，2021）；另一方面，对于能动层面的分析，如受众的主观动机、社会认知等能动性因素。

本研究兼顾结构性和能动性因素，分析数字不平等的成因。其一，由于技术的发展使得个体“从传统社会结构中脱嵌并再嵌入现代社会制度过程中，也将持续嵌入于联系性重塑的社会网络之中”（缪晓雷，杨珅，边燕杰，2023），从技术与社会互构的角度考察数字不平等的“结构性因素”，对应“客观数字资本”（objectified digital capital）的概念，可以通过结构性社会资本和相对剥夺来测量；此间，结构性社会资本由社交网络的连接性与桥接性反映，相对剥夺则依据个体收入与群体平均收入的差距来计算。其二，从认知差异角度，考察数字不平等的“能动性因素”，对应“具身数字资本”（embodied digital capital）的概念，包括认知性社会资本和主观幸福感；认知性社会资本通过对信任程度和互惠帮助的感知来测量，主观幸福感则用自我生活满意度来衡量。研究将上述二者相结合，尝试形成智能传播时代的人类“新配置”（Park，2017），基于中国综合社会调查数据，通过熵值法构建数字（不）平等指数，对模型进行初步检验。

（二）客观相对不平等：相对剥夺与结构性社会资本

既有研究认为，日常生活的社会因素是流动的（Howarth et al.，2013），因此客观与主观（不）平等，或者说从包容到排斥的谱系，很大程度上呈一种“相对的”状态。在快速迭代变化的数字环境中，社会情境层面的相对视角显得尤为重要（Helsper，2017），即使个体自身的数字资源保持不变，也可能由于社会整体数字技能的提升而逐渐感受到相对匮乏。在数智社会，关于主客观相对不平等与数字不平等关系的研究成为重要的研究领域，用于探讨个体自身基于所处社会环境和参照群体来评估数字资源状况的过程，有助于揭示数字（不）平等的复杂性，并为设计更有效的干预措施提供新的视角。

客观相对不平等可以以相对剥夺与结构性社会资本维度为代表。其中，相对剥夺指个体与参照群体之间的社会比较差异（Dillon，1957），用以反映个体层面收入不平等的状态（任国强，石玉成，2016），以及开展个体身心健康与社会全面富裕的研究（黄云，任国强，周云波，2019）。以往研究发现，收入程度是数字技术使用动机与行为的重要影响因素，经济收入越高，对互联网的运用更加多元和活跃（严宇琼，孙秀林，2023）。随着数字经济与数据社会的迅速发展，收入相对剥夺的影响被逐渐放大。由此，缺乏数字接触或智能技术使用的个体可能进一步陷入边缘化，获取数字资源的能力受到限制，一定程度上也加剧了信息、技术与资源的分配差距，导致新的数字不平等。由此提出研究假设：

假设1：相对剥夺可以显著正向预测数字不平等程度，相对剥夺感越强，数字不平等程度越高。

此外，社会资本可分为“结构性社会资本”（structural social capital）与“认知性社会资本”（cognitive social capital）两类。其中，结构性社会资本包括客观的社会基础设施以及社会资源。在以往研究中，通常使用社交网络规模、社群参与数量（潘泽泉，2019；吴玉锋，雷晓康，聂建亮，2019），以及个体在社会网络中的位置（邓渝，邵云飞，2016）或者科层制中的级别声望（王卫东，2006）等，来衡量结构性社会资本的广度与强度；也有学者通过个体与其他个体、群体，以及层级组织的关系，来反映连接性和桥接性社会资本，包括参与组织、信息支持、集体行动和制度联系等形式（Harpham，Grant & Thomas，2002）。由此可见，结构性社会资本与前文所述的客观化数字资本，即智能技术设备情况、社会基础设施、社会网络资源等，具有类似的涵义，因此研究选取二者的并集，用于研究客观相对不平等中的结构性社会资本因素。

既有研究也发现，结构性社会资本可能对数字（不）平等产生影响（Merisalo & Makkonen，2022），较高的结构性社会资本可以提高数字设备的接入程度，从而提升个体的可获得性，例如，政府部门通过推动公共数字服务的普及，显著提升弱势群体获取数字资源的机会，缩小数字不平等；同时，长期的社会互动与技术适应能力的积累，也可以让个体与群体更容易应对快速变化的数字技术环境，运用数字资源提升社会竞争力，从而缓解数字不平等的感知（Robinson et al.，2020）。由此提出研究假设：

假设2：结构性社会资本可以显著负向预测数字不平等程度，结构性社会资本水平越高，数字不平等程度越低。

（三）主观相对不平等：认知性社会资本与主观幸福感

认知性社会资本可以帮助个体感知和建立持续社会互动模式，包括对信任和支持的感知、公平互惠的期望、共享的价值观等（Uphoff & Wijayaratna，2000；Harpham，Grant & Thomas，2002）。这些因素共同构成了个体对其所处社会环境的情感和认知反应，包含在前文所述具身数字资本的范畴之内，是主观相对不平等的代表。已有研究发现，人们对客观价值在认知和情感方面的主观感受也会影响数字（不）平等（Merisalo & Makkonen，2022），价值期望、感知公平、感知重要性均会影响个体对于技术的使用（Yang，Lu & Li，2023）。具体而言，认知性社会资本可以负向预测数字不平等，拥有较高水平认知性社会资本的个体，往往可以更积极有效地借助数字资源的接触和使用，缩小与参照群体或他人之间的数字差距；反之，较低水平认知性社会资本的个体，可能会因为感知到的差距而减少对数字资源的使用，从而加剧数字不平等，而且此类现象在较低收入群体中更为显著（Chen，2013）。由此提出研究假设：

假设3：认知性社会资本可以显著负向预测数字不平等程度，认知性社会资本水平越高，数字不平等程度越低。

主观幸福感是个人对自己生活的情感和认知评价，包括对客观对象的情绪反应以及对满足感和成就感的认知判断，即总体生活满意度和正向的情感（Diener，Oishi & Lucas，2003）。个体的主观幸福感作为当前数字平等与社会获得感研究的重要问题，既会受到社会比较、相对剥夺、社会资本等因素的影响（Alderson & Katz-Gerro，2016），也可以影响人们的社会行为（边燕杰，肖阳，2014）。既有研究指出心理数字鸿沟的存在，个体对技术和社会环境的心理态度不同，可能导致其互联网使用行为的异质性，并影响感知数字不平等的程度（Wang，Zhang & Zhao，2023）。因此，个体主观意识与数智技术使用之间存在动态相关，主观幸福感作为一种积极的心理态度，不仅是技术接入和使用的结果，同时也是一种心理上的预测变量。

不过，主观幸福感与数字不平等之间的因果关系仍尚待考察。在研究中，主观幸福感通常作为因变量，测量数字技术使用对个体的影响。很多学者发现，与数字技术与设备使用相关的（不）平等感知会影响主观幸福感，例如，电视媒介的使用程度通过促进社会交往的中介作用，提升主观幸福感（苏林森，2023）；互联网和数字技术的使用也可以增强人们的生活满意度（Lissitsa & Chachashvili-Bolotin，2016）。然而，主观幸福感作为一种积极心理，也有可能通过数字行为、技术采纳以及创新等过程，影响数字不平等感知。研究也发现，主观幸福感较高的个体，往往更愿意融入数字世界，积极运用数字工具实现信息获取、社交互动与个人发展（Helsper，2017），接触和使用数字资源的程度都较高（Yang，Lu & Li，2023），也更积极参与数字创新（Sahrah et al.，2023），并在不同文化背景和社会阶层群体的研究中得到验证（Van Deursen & Helsper，2015）。因此，研究认为数字不平等的研究可以考虑结合积极心理学等“跨学科的视角”（Van Dijk，2005），尝试将主观幸福感作为预测变量，以分析主观认知性因素对个体的数字不平等感知的影响。由此提出研究问题：

研究问题1：主观幸福感是否可以显著预测数字不平等程度？

三

研究设计

（一）数据来源

研究数据来源于“中国综合社会调查”（Chinese General Social Survey，CGSS）。该项目是我国最早的全国性、综合性、连续性学术调查项目，系统全面地收集社会、社区、家庭、个人多层次数据。其中，本研究使用的是CGSS 2017问卷的三大模块，分别是A核心模块、C社会网络和网络社会模块和D家庭问卷模块，涵盖783个变量，涉及社会网络以及互联网使用的变量较多，便于进行数据分析。

（二）变量设置

1. 因变量：数字（不）平等

因变量的测量维度，一方面沿用已有文献中关于数字鸿沟的测量指标，从技术接入、技术使用和技术意识等层面进行考察（邱泽奇等，2016；刘骏，张蕾，俞立平，2019；汤新云，张燕，2024），另一方面创新地将数字认知纳入其中，作为能动的技术认知维度。具体来说，研究以CGSS 2017数据为样本构建数字不平等指数，从数字接入、使用和认知不平等三个维度进行综合评估。其中，“数字接入不平等”通过两项指标衡量，分别为个人是否拥有独立使用的手机，以及是否在最近半年内有过上网经历，包括通过电脑、手机或智能穿戴设备等方式；“数字使用不平等”涵盖六项指标，评估从使用电脑打开网站、下载安装应用、查找信息到安全判断和信息验证等阶段的能力；“数字认知不平等”包含七项指标，涉及对互联网在信息获取、政治参与、社会资源、社会公平等方面发挥作用的认同程度。

研究参考学者既往做法（汤新云，张燕，2024），运用熵值法将上述指标生成综合指数，并转化为数字不平等指数，以反映不同指标的信息含量并确保其区分性。首先，对原始数据进行标准化处理，以消除各指标之间的量纲差异；其次，计算标准化后的各指标比重 ，以确定各指标在总体中的分布特征；再次，依据各指标的比重计算其信息熵，信息熵越大则说明该指标在样本间的差异越小，信息含量较低；最后，基于各指标的信息熵，进一步计算其权重，权重越大表示该指标的信息含量越丰富，因而对数字（不）平等指数的贡献越大。如表1所示，指数越大，说明该个体面临的数字不平等的问题越严重。

具体计算公式如下：

2.自变量：相对剥夺、结构性与认知性社会资本、主观幸福感

（1）相对剥夺

研究参考任国强和石玉成（2016），使用Kakwani指数作为个体收入相对剥夺的测度指标，通过比较该个体的收入与群体内其他个体的收入来计算。该指数主要用于衡量个体层面的收入相对差距，指数越高，表示其在收入分配中越处于较低地位。Kakwani指数可以通过以下公式计算（宋佳莹，高传胜，2023），式1中RD（yj, yi）表示第j个人对第i个人的相对剥夺指数。通过对j求和，并除以群体所有个体收入的均值，可以得到第i个人的相对剥夺指数，即式2中收入不平等程度RDi。

（2）结构性与认知性社会资本

对于结构性社会资本，由于CGSS 2017既有问卷的结构限制，在研究中采用社会信息和资源相关指标来反映结构性社会资本的实际作用。具体来说，A59h和A60h题目通过评估在当前或过去工作中为他人提供连接的频率，反映个体在社会网络中的资源可得性和对他人支持的影响力；A59f衡量工作中的管理职能，反映其在工作场所的中心度和声望，表明个体在组织内部的影响力和资源获取能力；A43e则代表个体的社会经济地位，体现其在更广泛社会网络中的资源控制能力，与以往结构性社会资本研究中的“连接性”和“桥接性”（Harpham，Grant & Thomas，2002）维度相呼应。通过综合这些维度，评估个体在社会网络中的位置关系与资源可得性，从而衡量其结构性社会资本的程度。因子分析结果显示共提取1个成分，累计方差解释为71.51%。同时，根据傅利平和贾才毛加（2017）年的研究，对于认知性社会资本则可以通过“信任程度”和“互惠帮助”来具体分析，在操作化的过程中，通过A33和A34等问题来测量，以此来预测数字（不）平等程度，如表2所示。

（3）主观幸福感

既往研究发现，关于主观幸福感水平的单个问题具有可靠和有效性（Abdel-Khalek，2006）。在CGSS 2017的问卷中，主观幸福感主要通过“总的来说，您觉得您的生活是否幸福？”这一题项进行测量，采用李克特5点量表进行测量，1代表非常不幸福，5代表非常幸福。

3.控制变量

控制变量主要选取受教育程度、性别、个人收入、每周上网时长和户籍登记地。其中，参考姜俊丰（2023）的研究，受教育程度按照五级量表的尺度进行重新编码，选择最高受教育程度衡量，小学及以下（包括未受过教育、私塾、扫盲班、小学）赋值为1，初中赋值为2，高中（包括职业高中、普通高中、中专、技校）赋值为3，本科/专科（包括成人高等教育、正规高等教育）赋值为4，研究生及以上赋值为5；性别男性赋值为1，女性赋值为0；个人收入进行对数转换使其正态化分布、减少极值影响，并将非线性关系转化为线性关系、提高统计解释力；每周上网时长限定为0-84小时，将超过84小时/周的少数受访者设置为缺失值；户籍登记地中城镇居住赋值为1，农村居住赋值为0。如表2所示。

四

实证检验与结果分析

研究运用Beta回归模型来分析数字不平等的影响因素（Ferrari & Cribari-Neto，2004；Smithson & Verkuilen，2006），该回归模型适用于处理以概率或比例形式存在的因变量。由于数字（不）平等指数是介于0和1之间的连续变量，通过假设因变量服从Beta分布，更好地捕捉数据的分布特性，从而提供更为精确的模型拟合。

（一）回归结果检验

研究使用R进行Beta回归，回归模型使用Logit链接函数，使用最大似然估计进行拟合，回归结果如表3所示。

Beta回归方程如下：

根据回归模型的显著性检验结果，性别、年龄、受教育程度、个人收入和上网时长这些控制变量均对数字（不）平等具有显著影响。其中，从性别来看，女性的数字不平等程度比男性要高（β= -0.05， p＜0.05）；从年龄来看，年龄正向影响数字不平等（β= 0.01，p＜0.001），年龄越长，数字不平等程度越高；从受教育程度来看，教育水平负向影响数字不平等程度（ β= -0.06， p＜0.001），教育水平越低，数字不平等程度越高；从个人收入来看，收入的对数正向影响数字不平等程度（ β= 0.04， p = 0.05），收入的对数越高，数字不平等水平越高；从上网程度来看，每周上网时长负向影响数字不平等程度（β= -0.003， p＜0.001），上网时长越短，数字不平等程度越高。户籍登记地对数字不平等指数的影响不显著。

在解释变量中，主观相对不平等因素对数字不平等的预测均为显著，其中，认知性社会资本显著负向预测数字不平等指数（ β= -0.09， p＜0.001），主观幸福感显著负向预测数字不平等指数（β= -0.06， p＜0.01）；认知性社会资本或者主观幸福感越低，数字不平等程度越高，假设3得到验证，研究问题1得到回答。不过，客观相对不平等因素，包括相对剥夺和结构性社会资本两个变量对数字不平等预测均不显著，假设1和假设2未能得到验证。

（二）稳健性检验

稳健性检验用于评估模型结果对于模型设定变化的敏感性，包括测试模型规格、变量选择、参数估计方法等。研究通过替换回归方法进行稳健性检验，运用OLS回归法进行分析，结果如表4所示。可见，在不同的回归分析方法中，解释变量系数的正负性和影响的显著性基本类似，上述实证结果与核心结论比较稳健可靠。

（三）异质性检验

异质性分析的目的是检验各结果在特定子群体中的一致性或者变异性。认知性社会资本和主观幸福感均对数字不平等影响显著，通过异质性分析，可以探索不同特征群体中，各解释变量对数字不平等的影响是否存在显著差异。研究选择年龄和性别两个变量，性别分为男性组和女性组，年龄根据生命周期，分为青年组（18-34岁）、中年组（35-59岁）和老年组（60-86岁），如表5所示。

首先，相对剥夺对数字不平等影响不显著，从性别差异来看，也是如此。不过，从年龄差异来看，青年群体和老年群体中，影响依然不显著；而在中年群体中，相对剥夺对数字不平等影响显著（β= 0.09， p＜0.01），减低其相对剥夺感，有助于降低数字不平等程度。

其次，认知性社会资本负向预测影响数字不平等指数（ β= -0.09， p＜0.001），从性别差异来看，两个性别子群体中均显著，但在系数和显著性上存在差异，男性（β= -0.17， p＜0.001），女性（ β= -0.12， p＜0.01），因而培育更高的认知性社会资本，在男性群体中存在更大概率有助于降低数字不平等。从年龄差异来看，青年群体（ β= -0.16， p＜0.001）以及中年群体（ β= -0.12， p＜0.05）的认知性社会资本对数字不平等依然存在显著的负向影响，青年群体系数绝对值和显著性更高，然而在老年群体中预测不显著，因而培育更高的认知性社会资本，在青年群体中有可能更有助于降低感知数字不平等程度。

再次，结构性社会资本对数字不平等影响不显著。从性别差异来看，在男性群体，结构性社会资本对数字不平等的影响略为显著（ β= -0.08， p＜0.05），而女性群体中影响依然不显著。从年龄差异来看，在中年群体中呈现显著影响（ β= -0.10， p＜0.05），而在青年群体和老年群体中影响依然不显著。

最后，主观幸福感显著负向预测数字不平等指数（β= -0.06，p＜0.01）。从性别差异来看，呈现不同的情况；在女性群体中主观幸福感影响显著（β= -0.09， p＜0.05），而在男性群体中影响不显著，因而提升主观幸福感，在女性群体中更有助于降低数字不平等。从年龄差异来看，不同年龄段的群体也呈现出明显差异，青年群体（ β= -0.11， p= 0.001）以及中年群体（ β= -0.10， p＜0.05）的主观幸福感对数字不平等有显著影响，其中青年群体的系数绝对值和显著性更高，而老年群体差异不显著，说明提升主观幸福感，在青年群体中有可能更有助于降低感知数字不平等程度。

五

结论与讨论

（一）研究主要结论与发现

本研究发现，主观相对不平等因素对数字不平等的预测均显著，其中，认知性社会资本和主观幸福感均显著负向预测数字不平等指数；客观相对不平等因素，包括相对剥夺和结构性社会资本两个变量对数字不平等预测均不显著；性别、年龄、受教育程度、个人收入和上网时长这些控制变量均对数字不平等具有显著影响。

同时，通过异质性分析发现，在男性群体中，培育认知性社会资本、调整结构性社会资本对数字不平等影响显著，而在女性群体中，提升主观幸福感、培育认知性社会资本对数字不平等影响显著；在青年群体中，培育认知性社会资本、提升主观幸福感对数字不平等影响相对更加显著，在中年群体中，培育认知性社会资本、提升主观幸福感、改善相对剥夺和结构性社会资本对数字不平等影响均显著，而对于老年群体，解释变量均不显著。具体来说：

第一，认知性社会资本对数字不平等的影响显著。

认知性社会资本的题项包括社会信任和感知互惠等方面。总体来看，当个体的认知性社会资本较高时，其会更积极地参与社会互动，并且拥有更多的资源和信任去接触和使用数字技术，从而缓解数字不平等。这一发现强调个体对社会信任感和公平感的提升在推动数字平等过程中的重要作用。一方面，从社会信任来看，高水平的社会信任可以促进社会互动和资源共享，增强个体在数字环境中的参与感和归属感。另一方面，从互惠感知来看，个体如果认为社会公平性较高、彼此互惠，不认同其他人容易侵占自身权益时，可能会减弱边缘化的感觉、增加主流化，进而积极增加对数字技术的参与和使用，从而缓解数字不平等。

在本研究中，结构性社会资本对数字不平等的影响不显著。社会资本通过社会网络和交往逐步积累（Bourdieu，1986），个人所占有的社会资源和社会网络也会影响社会资本的结构和强度。结构性社会资本可以促进信息的分享、推动集体决策与行动。在异质性分析中，其在男性群体和中年群体中能够较为显著地负向影响数字不平等。因此，在该群体中，适当提升结构性社会资本，如增加基础设施投入度、增强社会关系与社会交往，可以一定程度上增强数字平等，但这一因素在其他性别或年龄段的群体中影响并不明显。随着数智社会的发展，由于技术的普及、接触与使用门槛的降低，也需要兼顾社会结构和网络卷入度的作用，这可能使得社会认知模式的影响机制成为主客观因素交织的过程。生成式人工智能等技术的客观进步推动了全球数字化进程，加速了各行业的数字转型，也在某种程度上影响了数字（不）平等相关影响因素的动态变化。同时，不同地域和不同背景人群的主观感知也可能发生波动，如，某些职业需要更广泛的社会网络和组织支持，可能在数字化转型中获得更多的优势；而算法的困境与数字劳工的数字不公正感知，有可能在高网络接入与使用的人群中进一步加剧数字不平等。

第二，相对剥夺对于数字不平等的影响。

在本研究中，相对剥夺对数字不平等的影响并不显著，可能原因在于，首先，在复杂社会中，相对剥夺的影响可能被其他因素所掩盖或中和，如教育水平、社会资本和心理因素等，相对剥夺感较高的群体也可能由于教育培训、职业类型等原因获得较高的数字能力和资源。其次，政策扶持等社会支持的作用，如政策为特定地区民众提供低成本的基础设施和互联网设备介入等措施，也会减弱相对剥削感，增进数字平等。最后，相对剥夺与数字（不）平等之间可能存在非线性关系，相对剥夺感较高的群体在基本数字资源的获取上可能已经达到某种饱和状态，而相对剥夺感较低的群体面对更高智能性、更前沿的技术和数字资源或许仍会感到获得感不足。此外，通过异质性分析，在中年群体中，相对剥夺对数字不平等具有较为显著负向影响，因而缓解该群体的相对经济压力（Lachman，Teshale & Agrigoroaei，2015），调节上行社会比较形成的消极情绪，则更易在该群体内增进感知数字平等。

第三，主观幸福感显著预测数字不平等程度。

研究发现，主观幸福感能够显著影响数字不平等程度；异质性分析发现，其对数字不平等的影响在女性群体，或者青年和中年群体中表现显著。首先，主观幸福感作为一种积极情绪，可以促进个体更愿意接受新技术，通过积极参与数字活动增强其数字技能和信息获取能力，从而提高其数字资本。因此对于该群体，可以更加注重提升其在虚拟空间的参与感和关系连接、增进积极情绪，从而增加主观幸福感，促进其更愿意探索和使用数字技术。其次，对于生活拥有明确意义和积极目标的个体，可能会更积极地接触和使用更加前沿和智能的数字技术以追求意义、实现目标。因此，积极心理资本的其他重要因素也可能作为认知性社会资本的关键维度，用于提升感知数字平等。此外，认知差异作为关键因素，随着社会复杂程度、加速程度与不确定性程度的提高，同社会发展、技术迭代、个体适应性、社会支持程度、社会满意度等因素均交织在一起，影响过程也将会变得更加复杂。

第四，个体经历和社会经济地位因素与数字不平等程度。

研究发现，个体经历与社会经济社会地位的相关因素，如受教育程度、个人收入和上网时长等，均会对数字（不）平等具有显著影响。其中，教育水平和上网时长均会产生显著负向影响。既有研究也发现，教育程度、性别和年龄均会影响数字资本的积累（Rodríguez-Camacho et al.，2024）。当个体社会经济地位提升时，通常会拥有更多的资源和机会来接触和使用数字技术。不过，研究数据也显示，个人收入的对数正向影响数字不平等，可能的原因在于，较高收入群体可能在更加前沿的数智资源和高阶技术面前，产生较高的期待和上行社会比较，导致更强烈的感知数字不平等；数字不平等指数的计算方法，以及对数作为非线性变换，可能使得较高收入群体的不平等感知更加敏感。

（二）研究讨论与未来展望

由此可见，数字不平等是一个多视角、多维度、多阶段的议题，在确定增进数字平等的干预措施时，需要从长期视角，结合社会与技术发展前景预测；整体考虑多方因素，如主客观社会资本、心理资本等，采取多主体、多层面、多维度的综合性措施。在当前生成式人工智能技术作为“新质生产力”、技术治理研究成为热点的趋势下，数字不平等也随之影响网络空间治理的智能化与科学化发展。

首先，注重以人为本，回归数字（不）平等研究的本质。当下数字不平等概念不仅是技术接入与使用层面的单一问题，更是社会不平等在智能信息时代的延续和复杂化。一方面，个体对数字资源的掌握、接入、使用和熟悉程度，会影响其感知社会包容的程度；另一方面，从数字技术的价值链向外延展，背景社会不平等如性别、种族、健康、教育、收入情况等都有可能成为感知数字不平等的前兆（Heeks，2022）。生成式人工智能的发展推动社会资源的开放、弥合旧的知识沟，但是新的不平等关系则源于开放逻辑下蕴含的隐性剥夺，主要表现在“认知”和“身体”两个维度。因此，探讨数字不平等，需要深入理解其背后的人本本质，针对不同的超级个体和异质性群体，探索增进数字平等的切实综合路径，即回归到“人的尺度”。

其次，“认知差异”具有整合资源禀赋、价值和关系不平等的作用。数字化转型对社会结构影响深远，随着生成式人工智能的发展，数字资源与复杂技术的易得性，使得相对稀缺的因素由过去客观绝对的数字资源，转向相对主观的认知资本。这种转变反映了供需关系的变化，供给的增加降低了数字资源的稀缺性，而用户需求变化则引发了新的认知竞争和认知资源的分配不均。同时，如果数字不平等的根本在于权力的不均等（Bracking，2003），认知资本则是有可能整合价值链、资源和关系不平等的因素（Heeks，2022）。因此，认知性社会差异对数字不平等的影响亟需被重视，培育数字认知、心理资本、数字素养可以作为认知性社会资本提升的重要维度，增进数字平等与包容。此外，值得注意的是，在异质性分析中，对于老年群体各解释变量均未产生显著影响，即，无论是提升客观相对平等因素，抑或是提升主观相对平等因素，可能对该群体的影响力度均不足。因此，在数智时代如何提升全体民众的数字平等和获得感，也成为当前面临的重要议题。

此外，研究也存在一定的局限性。其一，尽管中国综合社会调查数据为研究提供相对稳定和科学的数据基础，现有研究尚未能充分反映由算法驱动的社会新状况，如社会圈层和分布式社会关系等。同时，研究曾尝试用CGSS 2021年的数据进一步验证该模型，但由于其问卷结构与题目设置的调整，在测量数字不平等的关键变量方面仍存在局限，具体表现为缺乏数字认知不平等的相关题项，以及较为有限的使用不平等的测量项，未能全面反映数字使用层面的关键问题，因此主要依据2017年的数据来建立模型，同时针对数据进行了稳健性检验和异质性检验，确保模型的可靠性和适用性。其二，数字不平等指数的计算方法依然在原有数字鸿沟框架的基础之上，对于生成式人工智能技术与设备的接入与使用，以及个体认知性的变量因素关照尚显不足，以及结构性社会资本中的网络规模数量、活跃度和职业声望等因素的直接测量。因此，综合数据分析，未来研究需要开发和建立新的量表和指标体系，提出对于“数字不平等”关键变量的设想性指标，考虑增加认知性社会资本层面的个体与场景因素，如复合场景下个体经验、能动与韧性对于认知边界和行动框架的塑造（Zheng & Walsham，2021）等，在更细颗粒度上审思维度与指标（Asmar，Marien & Van Audenhove，2022），建立“立体化”的测度框架，形成研究概念的充分操作化与指标的完善验证；同时，可以基于中国综合社会调查数据，分析解释变量在队列和生命历程上的效应，以及感知数字不平等的演替变迁，并结合实验等研究方法开展关键预测因素的因果关系验证。

最后，就数字不平等的治理路径而言，其一，传统因素如政策规制、经济振兴、差异化实践等仍然需要考虑，因为智能时代的数字不平等，同样也是传统权力关系在数字环境的重现，是数智技术所遮蔽的支配与被支配关系的集合。就如经济发展的不均衡以及惯习的社会分层形成传统意义上的不平等，生成式人工智能的发展，也促进了社会分层与人类分工，即技术智能的“知识机器”（斯特雷文斯，2020/2022）与人类智能的“知识创新”，在供给侧可能形成技术精英和寡头独占，在需求侧可能导致技术接近与认知能力等层面的不平等，结构性的社会力量导致数字不平等的加剧。其二，数智技术这一新质关键要素不能忽视，为数字不平等的治理研究增加变量。客观上，数字主体的多样化与分层化形成群体间“范畴差异”（周尚君，谢林杉，2024），作为能动的类人行动者，其同样可作为积极的社会力量，融入到治理主体之中（Van Dijk，2005）；主观上，人类对“自主性技术”的不确定性形成感知层面的数字不平等，而主观感知不平等的干预与缓解、以人为主体发挥其能动性，也是数字不平等进一步研究的主要取向。人类的创意、复杂性以及对生命意义的坚守，是其居于主导地位的价值标准制定的关键，需要在人工智能的一律性与人类追求的多样性之间找到平衡，以确保数智技术的进步与包容服务于人类的全面发展与根本利益。

本文系简写版，参考文献从略，原文刊载于《国际新闻界》2025年第3期。

本期执编/任卓伦

订阅信息

全国各地邮局均可订阅《国际新闻界》，国内邮发代号：82-849，欢迎您订阅！

您也可通过下方二维码或网址https://mall.11185.cn/h5/#/bkGoodsDetails?spuId=113613&from=imgShare&dsId=zxSWChat&dsModule=c3df4964-af5d-40a8-d6cc-a768b5306e52 ，进入中国邮政微商城订阅本刊。

您还可访问《国际新闻界》官方网站 http://cjjc.ruc.edu.cn/ ，免费获取往期pdf版本。

进入官网下载原文