Цифровое поколение. Солдатова Г. У., Рассказова Е. И., Нестик Т. А
 Скачать 3.39 Mb.
|
|
261 в разных сферах. В таблице 16 представлены результаты сравнения показателей моделей с разным числом классов Во всех моделях качество классификации по показателю энтропии достаточно хорошее средняя вероятность того, что испытуемые относятся к своим классам составляет что к другим классам — <0,10. • Все информационные критерии снижаются с увеличением числа классов — иными словами, если ориентироваться исключительно на них, предпочтение должно быть отдано последней модели с 6 классами Согласно абсолютному и относительному показателям теста соотношения вероятностей LRT модель стремя классами должна быть признана лучше описывающей данные, по сравнению с моделями с одними двумя классами. Модели с четырьмя, пятью и шестью классами по этим критериям не превосходят значимо модель стремя классами и друг друга. Однако расчет LRT методом бутстрепа свидетельствует о превосходстве моделей с бóльшим числом классов, по сравнению с моделями с меньшим числом классов (p<0,0001). Следует, однако, отметить, что результаты бутстрепа при сравнении модели с шестью классами и модели с пятью классами менее надежны. Поскольку средние профили при выделении трех классов соответствовали лишь низкому, среднему и высокому уровню цифровой компетентности (то есть описывали ее выраженность, а не содержательные типы или модели, а также учи Модель, включающая 7 классов не рассматривалась, поскольку лога- рифмированная вероятность для нее не воспроизводилась при разных стартовых показателях, что позволяет подозревать, что это значение локальное и результатам доверять нельзя (Geiser, 2013); а в 28 случаях из 50 модель не сошлась. В моделях с 2–6 классами лучший показатель логарифмической вероятности) воспроизводился при нескольких стартовых показателях модели. По мере нарастания числа классов эта воспроизводимость снижалась если для 2 классов все 50 стартовых показателей привели к одинаковой оценке лучшей логарифмической вероятности, то для 6 классов — лишь 3 из предполагалось, что можно выделить несколько моделей цифровой компетентности, характерных для российских подростков в частности, что можно выявить группы подростков с высокой и низкой мотивацией к развитию ЦК при одинаковом среднем уровне других компонентов ЦК, а также группы подростков со специфическими общим высоким уровнем ЦК (по некоторым или по всем сферами компонентам соответственно. Осваивая цифровой мир стихийно и самостоятельно, ребенок может обрести знания и навыки, а также уверенность в себе, но неминуемо потеряет в собственно социальной составляющей понимании неписаных правил онлайн-общения, признании возможности и умений других людей. В этих случаях существует опасность субъективной подмены содержания и глубины деятельности формальной оценкой широты пользовательской активности, когда подросток считает себя и других компетентными, если они много пробовали онлайн, не беря в расчет систематичность полученных знаний и навыков, их смысл в отношении всего круга деятельностей и интересов. Мы рассматриваем иллюзию цифровой компетентности одним из следствий такого дисбаланса в ее структуре. С целью выявления групп подростков с разной структурой цифровой компетентности использовался метод латентных классов. В отличие от кластерного анализа, в котором респонденты классифицируются на основе близости их показателей расстояний, метод латентных классов предполагает, что связи между ответами людей на разные пункты объясняются неоднородностью выборки респонденты представляют несколько разных однородных групп, для каждой из которых характерен свой паттерн ответов (Geiser, 2013). Метод относится к смешанным моделями направленна выявление категориальной латентной переменной — классов (подгрупп) респондентов — которая могла бы объяснить неоднородные паттерны ответов принадлежностью респондентов к разным однородным подгруппам. Иными словами, предполагается, что существует несколько характерных профилей компонентов цифровой компетентности Цифровое поколение России компетентность и безопасность Глава 5. Психологические модели цифровой компетентности 263 Таблица 16 Сравнение показателей абсолютного и относительного соответствия моделей с разным числом классов результаты исследования цифровой компетентности, 2013 г.) Показатели 2 класса 3 класса 4 класса 5 классов 6 классов –1156,55 –900,15 –755,91 Информационные критерии с учетом размера выборки Энтропия 0,91 0,85 0,88 Тест соотношения вероятностей (LRT) Вуонга–Ло–Менделла–Рубина Удвоенная разность логарифмических вероятностей Среднее (ст. откл.) 117,63 (181,36) 82,15 (290,66) 163,65 (298,81) 117,31 (313,63) 89,30 Уровень значимости 0,01 0,12 0,29 Относительный LRT тест Ло–Менделла–Рубина Значение теста 1176,88 508,59 286,10 Уровень значимости 0,01 0,12 0,30 Параметрический LRT тест, полученный методом бутстрепа (число извлечений = Удвоенная разность логарифмических вероятностей Уровень значимости 0,00 0,00 0,00 0,00 тывая общую рекомендацию учета результатов бутстрепа, мы выбирали далее между пятью и шестью классами (Geiser, 2013). Помимо того, что решение с шестью классами было труднее воспроизвести, две из шести групп при таком решении были малы в сравнении с общей выборкой (39 и 50 человек, что не только затрудняло дальнейший статистический анализ, но и ставило вопрос об их практической значимости (Henson, 2006): не отражали ли они скорее отдельные исключения, нежели систематические закономерности Лишь при выделении пяти классов была выявлена специфическая группа подростков со средним уровнем цифровой компетентности, но высоким уровнем мотивации, представлявшая для нас особый теоретический интерес (Солдатова, Нестик, Рассказова, Зотова, 2013). Опираясь на эти содержательные и практические основания, мы сделали выбор в пользу решения с пятью классами. Средняя вероятность правильной классификации испытуемых в свои классы при такой модели составляет 0,86–0,96, а вероятность их принадлежности к какому-либо другому классу ниже 0,06. На рисунке 33 показаны средние профили 5 групп подростков с разной структурой цифровой компетентности в первую (74 человек, 6,1%) и третью группы (374 человека, 31,1%) вошли подростки со средним уровнем знаний, умений и возможностей обеспечения безопасности в большинстве сфер, кроме сферы потребления. Кроме того, для этих подростков характерен довольно высокий уровень знаний в сфере контента. Разница между этими двумя группами (по post hoc попарным сравнениям по критерию Шеффе) в уровне мотивации подростки первой группы хотят улучшить свои знания, особенно в сфере онлайн-общения, а подростки более многочисленной третьей группы — нет. Вторая группа состоит из подростков с общим низким уровнем цифровой компетентности на фоне среднего уровня знаний в сфере контента (560 человек, 46,6%). Респонденты четвертой (103 человека, 8,6%) и пятой групп (92 человека, 7,6%) характеризуются высоким уровнем цифровой компетентности. Однако в четвертой группе этаком- петентность специфическая и касается умений и безопасности, а в пятой группе она носит общий характер Цифровое поколение России компетентность и безопасность Глава 5. Психологические модели цифровой компетентности 265 как пользователи, с высокой — дольше и наиболее уверены тогда как подростки со средней компетентностью (как мотивированные, таки немотивированные) занимают промежуточное положение (F=13,77, p<0,01, eta=0,21 и F=22,52, p<0,01, eta=0,27 соответственно. В отношении частоты пользования Интернетом этот эффект значительно ниже (F=5,56, p<0,01, eta=0,14) и указывает на то, что группы практически не различаются. Дело в том, что абсолютное большинство подростков с любыми моделями цифровой компетентности (83,6–97,8%) пользуется Интернетом каждый или почти каждый день. Подростки с более высоким уровнем цифровой компетентности отмечают не только больше умений, но и больший круг деятельностей — того, что они чаще всего делают в Интернете табл. 17). Однако, оценивая своих родителей, максимально широкий круг их онлайн-деятельности и умений отмечают мотивированные подростки со средним уровнем цифровой компетентности. Заметим также, что во всех группах подростки считают, что их деятельность в Интернете более разнообразна, а умения больше, чему родителей (по результатам ANOVA с повторными измерениями, F=321,27, p<0,01, eta=0,46 и F=777,76, p<0,01, eta=0,63 соответственно. Кроме того, подростки с разными моделями цифровой компетентности по-разному оценивают круг деятельностей и умений применительно к себе и по отношению к родителям (эффект взаимодействия группы и оценки — F=6,59, p<0,01, eta=0,15 и F=81,38, p<0,01, eta=0,46 соответственно в группе мотивированных подростков со средней цифровой компетентностью разрыв между оценками своего и родительского круга активностей и умений минимален. В группе с низким уровнем ЦК разрыв между оценками своих и родительских умений ноне активности) также мал — однако этот эффект объясняется, что обеих оценки низки Здесь и далее, следуя рекомендациям (Кричевец, Корнеев, Рассказова, 2013), результаты параметрической обработки проверялись непараметрическими методами (а при анализе отдельных пунктов для выявления возможных нелинейных связей — также критерием χ 2 ). Поскольку результаты были согласованы, ниже представлены только параметрические показатели. Рис. 33. Средний профиль цифровой компетентности в 5 группах подростков Модели цифровой компетентности различаются в зависимости от пола и возрастной группы подростков (χ 2 =65,73, p<0,01), хотя величина статистического эффекта небольшая (Contingency Coefficient CC=0,23). В целом старшие подростки 15–17 лет чаще оценивают высоко либо свои умения и возможности обеспечивать безопасность онлайн (группа 4), либо еще и знания (группа 5), по сравнению с младшими подростками — этот эффект небольшой, но одинаково характерен как для мальчиков, таки для девочек (CC=0,21 и CC=0,20 соответственно. Среди старших подростков мальчики несколько чаще считают себя высококомпетентными, чем девочки (СС=0,08 у подростков 12–14 лети у подростков лет). Уровень цифровой компетентности и уверенность в себе как пользователе линейно нарастают при увеличении времени, проводимого в Интернете подростки с низкой компетентностью меньше всего находятся онлайн и наименее уверены в себе 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Средняя ЦК, высокая мотивация Низкая ЦК, низкая мотивация Средняя ЦК, низкая мотивация Высокая ЦК - умения и безопасность, низкая мотивация Высокая ЦК, низкая мотивация 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Показатель доля от М акс има ль но возможного Конт ент Общ ение Те хносфера По треб ление Конт ент Общ ение Те хносфера По треб ление Конт ент Общ ение Те хносфера По треб ление Конт ент Общ ение Те хносфера По треб ление Знание Мотивация Умение Безопасность Цифровое поколение России компетентность и безопасность Глава 5. Психологические модели цифровой компетентности 267 лайн и ищут информацию о новинках и скидках в интернет- магазинах. Подростки со средней ЦК, но высокой мотивацией, и подростки с высокой специфической ЦК чаще отдают предпочтение поиску интересной информации в Интернете и ее скачиванию, чем подростки с низкой или высокой ЦК. Наоборот, мотивированные подростки реже читают новостные ленты. Таблица Особенности деятельности онлайн у подростков с разными моделями цифровой компетентности Деятельность в Интернете Ср едняя ЦК, м о- тивир ов анны е Низк ая ЦК, не мо тивир ов анны е Ср ед ня я ЦК не мо тивир ов анны е Вы со кая специфическая ЦК — навыки и б ез оп ас - но ст ь Вы со кая о бщая ЦК Кр ит ер ий χ 2 Пир - сон а Ве ли чин а статистического эффекта С С Поиск разнообразной интересной информации (83,8%) 402 (71,8%) 293 (78,3%) 85 (82,5%) 68 (73,9%) Чтение новостных лент (14,9%) 135 (24,1%) 117 (31,3%) 27 (26,2%) 32 (34,8%) Поиск новых друзей в социальных сетях (40,5%) 238 (42,5%) 157 (42,0%) 31 (30,1%) 30 (32,6%) 8,27 Общение в Интернете всеми возможными способами (37,8%) 192 (34,3%) 182 (48,7%) 47 (45,6%) 48 (52,2%) Скачивание бесплатно всего, что можно скачать (33,8%) 101 (18,0%) 103 (27,5%) 36 (35,0%) 29 (31,5%) Критика, споры, издевательства в комментариях) Таблица Среднее количество онлайн-деятельностей и умений подростков и их родителей (по оценке подростков) Модели цифровой компетентности Онлайн деятельности — подросток Онлайн умения — подросток Онлайн деятельности — родители Онлайн умения — родители Средняя ЦК, мотивированные Низкая ЦК, немотивированные с a,b,с Средняя ЦК, немотивированные Высокая специфическая ЦК — навыки и безопасность b 15,47 a,b 2,29 b 6,80 с Высокая общая ЦК 17,77 a,b 2,25 Критерий Фишера Величина статистического эффекта eta 0,25 0,83 0,22 Примечания *** — p<0,001; a,b,c — показатели групп с одинаковыми буквами попарно различаются поданному показателю при posthoc сравнении по критерию Шеффеp<0,05. В целом подростки в Интернете часто ищут интересную информацию или информацию по учебе, общаются и ищут новых друзей, а также играют в онлайн-игры. Однако в онлайн- деятельности подростков с разными моделями цифровой компетентности есть и различия — хотя величина статистического эффекта во всех случаях низкая (табл. 18). Подростки с высокой общей и специфической ЦК реже ищут новых друзей в Интернете, но чаще общаются всеми возможными способами и критикуют и спорят онлайн, ищут возможность заработать, играют онлайн, создают новый контент и заказывают разные товары. Подростки с общей высокой ЦК также чаще отмечают, что пользуются образовательными порталами, создают сайты/приложения он Цифровое поколение России компетентность и безопасность Глава 5. Психологические модели цифровой компетентности 269 Небольшие различия между моделями цифровой компетентности выявлены в отношении эмоциональных переживаний и предпочитаемых онлайн-ролей (табл. 19). Так, спектр эмоциональных переживаний наиболее богат у подростков с высокой специфической ЦК они чаще среднего испытывают как яркие позитивные (удивление, восхищение, удовольствие, таки негативные переживания онлайн (стыд, отвращение, презрение, гнев. Мотивированные подростки со средней ЦК также часто переживают удивление, восхищение и удовольствие — и по последним двум показателям лидируют в сравнении с другими группами. В отличие от этих двух групп, подросткам с общей высокой ЦК и немотивированным более свойственно спокойное переживание интереса, в отличие от удивления и восхищения. Наиболее бедны и редки любые эмоциональные переживания у подростков с низкой ЦК. Все подростки чаще предпочитают в Интернете роли собеседника и друга, а различия между моделями ЦК связаны в основном с различиями по предпочтению остальных ролей. Так, подростки с низкой ЦК вообще редко примеряют на себя какие-либо активные роли онлайн. Подростки с общей высокой ЦК чаще предпочитают быть творцами, защитниками и посредниками подростки со специфической высокой ЦК — троллями, наставниками, манипуляторами. Мотивированные подростки со средней ЦК не любят чувствовать себя троллями или манипуляторами, но относительно часто становятся посредниками. Иными словами, если высокая специфичная ЦК связана с активной примеркой разных, в том числе, антисоциальных ролей, высокая мотивация как бы предохраняет от этого. Интересно, что изменение образа Я в Интернете в сторону более позитивного (самостоятельного, уважаемого, уверенного, общительного) характерно именно для мотивированных подростков возможно, они более четко ощущают и ценят тоновое, что открывает Интернет передними. Следуют за ними подростки с высокой ЦК, для которых более позитивный образ Я в Интернете тоже не редкость но они чаще чувствуют себя и более безнаказанными онлайн, а подростки с высокой специфической ЦК — еще и более агрессивными. Деятельность в Интернете Ср едняя ЦК, м о- тивир ов анны е Низк ая ЦК, не мо тивир ов анны е Ср ед ня я ЦК не мо тивир ов анны е Вы со кая специфическая ЦК — навыки и б ез оп ас - но ст ь Вы со кая о бщая ЦК Кр ит ер ий χ 2 Пир - сон а Ве ли чин а статистического эффекта С С Поиск информации для учебы (работы (50,0%) 264 (47,1%) 191 (51,1%) 52 (50,5%) 48 (52,2%) 1,88 Пользование образовательными порталами, онлайн- курсами (6,8%) 25 (4,5%) 34 (9,1%) 9 (8,7%) 15 (16,3%) Создание сайтов, программ, приложений (2,7%) 13 (2,3%) 25 (6,7%) 4 (3,9%) 13 (14,1%) Поиск возможности заработать) 17,35** 0,12 Онлайн-игры и мобильные игры (36,5%) 159 (28,4%) 121 (32,4%) 47 (45,6%) 39 (42,4%) Общение с другими людьми в онлайн-играх 11 (14,9%) 57 (10,2%) 61 (16,3%) 22 (21,4%) 15 (16,3%) Поиск информации о новинках в интернет- магазинах (4,1%) 10 (1,8%) 19 (5,1%) 6 (5,8%) 10 (10,9%) Заказ и покупки разных товаров (4,1%) 9 (1,6%) 23 (6,1%) 5 (4,9%) 5 (5,4%) Создание и размещение своего кон- тента (6,8%) 7 (1,3%) 31 (8,3%) 8 (7,8%) 6 (6,5%) Примечания * — p<0,05, ** — p<0,01. Цифровое поколение России компетентность и безопасность Глава 5. Психологические модели цифровой компетентности |