□王 強,陳 農
(青海大學,青海 西寧 810016)
在農業數字化轉型過程中,全產業鏈及全場景的數字化融合正在不斷深入。農業基礎數據資源、農產品市場交易信息、農田自動化管理信息的檢索和使用都需要有較強的信息素養,對農牧民的個人信息化能力提出了更高要求。2021 年我國脫貧攻堅取得了全面勝利,7.7 億農村貧困人口擺脫貧困,徹底消除了絕對貧困,減貧人口占同期全球減貧人口的70%以上。目前,如何保障不返貧、鞏固脫貧效果、持續增加農牧民增收能力成為造血式扶貧的途徑之一。其中,信息能力已成為新農人能力結構中的重要組成部分。青海藏區的貧困問題相對而言程度更深、減貧成本更高、脫貧難度更大,依靠常規舉措難以擺脫貧困狀況。面對這樣的現實困境,以信息貧富程度為視角,從多維度、多層次全面反映信息貧困,通過構建信息貧困測量指標體系及實證測量,發現信息貧富程度及特征,尋求積極的解決方案具有十分重要的意義。
在信息貧困問題當中,關于信息貧富程度的測量是學者關注的重點問題之一。
單指標測量方法是指在測量一個因變量時,選取測量指標中的一個指標進行計算,主要的測量方法有絕對(相對)差距法、基尼系數法、時間差距法等。其中絕對(相對)差距法是一種靜態的測量,而時間差距法是假設一個標準,觀察不同的研究對象達到該標準的時間差距,屬于動態測量[1]。張彬(2009)應用時間差距法比較了我國東西部15 個省(自治區、直轄市)的信息鴻溝差距,指出我國區域間的信息鴻溝非常明顯。學者將單維的測量應用在政策制定上,根據各地區信息貧困類型的不同,制定差異化且有重點的信息扶貧干預政策,開展信息貧困空間地圖繪制工作,為信息貧困的精準識別和分類施策提供決策依據。
多維測量方法是指在測量一個因變量時,選取多個維度進行測量,數據收集完后進行標準化處理,然后計算各個維度的權重,運算差距值進行因變量求解。多維的測量方法具備可測量性、直觀性等優勢,可以深入了解各個區域信息貧富的成因及程度。權重的確定方法有德爾菲法、層次分析法和因子分析法。
于良芝(2016)使用信息測量工具的信息可用性、信息可訪問性、信息資源庫、信息資產、空間、時間、理智成熟度、動態8 個維度,對59 個農民工和59 個大學生進行混合抽樣技術的測量比較,應用K 均值聚類分析創建了中國城市居民的信息類,根據受訪者的信息世界變量將他們分為富人、半富人、半窮人和窮人4 類。鄭素俠和宋楊(2019)[2]認為,信息貧困與物質貧困互為因果、互相影響,利用國家信息中心大數據對336 個地市級以上城市的信息貧困數據進行歸納總結,研究發現,青海省信息經濟、網絡社會、在線政府、數字生活4 個指數均處于貧困之中,屬于一級信息貧困區域。
本研究從“信息貧困”的定義出發,以信息貧困的3 個階段(信息工具的接入、使用和獲益)為理論依據,編制了測量信息貧困程度的調查問卷。在信息化發展過程中,要建設青海藏區用得上、用得好和用得起的互聯網,信息工具接入是實現區域信息脫貧的首要環節。針對信息工具的接入,學界構建了一系列測量指標,包括每百戶家庭的有線網絡電視、智能手機、筆記本電腦擁有量、互聯網的普及率等。根據2018 年中國互聯網信息中心發布的《中國互聯網發展狀況統計報告》,農村地區人口比城鎮互聯網普及率滯后35.8%,受地理位置、氣候條件、語言環境等影響,青海藏區信息工具的接入程度普遍偏低。在信息脫貧工作中,政府全力開發網絡扶貧移動應用程序,組織貧困地區農戶學習使用社交、商務活動、交通、醫療、保健以及教育等APP 的方法,拓寬并保證移動APP 的推廣渠道[3]。目前,學術界對信息工具使用的研究主要包括基礎操作,如使用通訊設備、觀看新聞、搜索引擎;娛樂活動,如在線直播、在線游戲、在線聽音樂等;商業活動,如在線購物、在線支付、訂購車票和外賣等;生活需求,如尋找工作、在線教育等[4]。本研究在信息使用方面借鑒前人的經驗,重點設置了學習、娛樂、尋找工作、社交、商業活動等方面的題目進行研究。Sen(1999)在研究貧困問題時,在多維貧困理論中首次引入了人的能力因素,認為貧困不僅與經濟因素有關,還與人的健康、技能、教育和生活環境等指標有關,消除貧困的實質是要恢復人的可行能力。在信息貧困的家庭中存在貧困代際傳遞現象,結合社會關系理論進一步說明了信息貧困實質上是人的信息能力的貧困。因此,在研究信息工具的獲益程度時選取了農村信息貧困群體的日常問題,如家庭內祖、親、子代關系的維護,尋找工作崗位(長期或臨時或兼職),以及農民普遍擔憂的問題,如醫療保健問題、家庭收入、子女教育問題、社交等。設計的問卷包括9 道有關個人基本信息的題目、13 道衡量信息是否貧困的題目。
本研究期望形成面向所有人群、通用性信息貧富程度的測量指標體系。以大學生為樣本進行問卷調查,收回有效問卷237 份(回收率為92%)。樣本中,本科203 人,研究生34 人;男生89 人,女生148 人。
2.2.1 描述性分析
對問卷的21 個題項進行各項指標測量學分析,從頻次分析結果來看,每個題項都較合理。各題項的均值分布在3.04~4.41,說明問卷的題目沒有產生“天花板效應”和“地板效應”。題項的標準差分布在0.78~1.38,說明各個題目的離散程度處于合理范圍。各個題目的通俗性水平分布在0.614~0.882,說明量表中的題目通俗易懂。
進一步對21 個題目進行相關性分析,利用主成分分析方法對量表中的題項進行探索性因素分析,因子旋轉采用最大正交旋轉,使用的統計學軟件為SPSS Statistics 20,并對結果進行理論分析。使用統計學軟件AMOS 23 對量表中的題項進行驗證性因子分析,并對結果進行理論分析。
2.2.2 探索性因子分析
為了檢驗調查數據是否適合作因子分析,對數據進行了Bartlett 球形檢驗,檢驗值為2 061.375,P=0.000,說明各項目間有共享因素的可能性。同時,樣本適當性度量值KMO 為0.844,表明數據樣本適宜作探索性因素分析。探索性因子分析過程中需要刪除或更換一些不合適的變量,在因子分析中,因子載荷量大于0.6是進行因子分析的普通標準,每次調整變量后再重新進行探索性因素分析,直到各個變量的因子載荷均在0.6 以上為止。
對問卷的21 個項目進行一階因素分析,經主成分分析,提取出特征值大于1 的13 個因子。然后,對因素分析結果進行最大正交旋轉,同時結合碎石圖,共抽取出3 個公因子,提取的3 個公因子也符合了本研究信息工具的接入、使用和獲益3 個階段的理論依據。經驗證分析后,發現有題項出現因子載荷小于0.6,對這些題項逐步刪除并反復進行因子分析后,最終剩余13 個題項較好地分布在各個因子之中。測量信息貧困的因子結構及各項目的因子負荷見表1。

表1 因子結構
根據上述分析,3 個公因子的累積方差貢獻率達65.87%,接入層面的方差解釋率為33.18%,權重為0.50;使用層面的方差解釋率為16.54%,權重為0.25;收益層面的方差解釋率為16.15%,權重為0.25。
2.2.3 驗證性因子分析
為了考察構想模型與實際模型擬合度,以及評價各個題目與各維度之間的關系,對該模型進行了驗證性因素分析。結構效度反映了模型的好壞,結構效度方 面,主 要 采 用χ2/df、IFI、NFI、CFI、RMSEA、GFI、RMSEA 進行檢驗。利用AMOS 23.0 軟件進行分析,χ2/df 為2.128,IFI 為0.953,NFI 為0.915,CFI 為0.953,GFI 為0.931,RMSEA(小于0.08 即可)為0.065,表明模型與數據具有較好的一致性,測量模型有效。
組合信度(CR)相當于信度指標,其數值大于0.7或0.8,越高越好,平均方差抽取量(AVE)要求大于0.5。由圖1 可知,互聯網的接入、使用與獲益3 個潛變量中,各個潛變量對應題目的因子載荷均符合標準要求,說明其各個潛變量對應所屬題目具有很高的代表性。另外,各個潛變量的平均方差變異AVE 均大于0.5,且組合信度CR 均大于0.8,由此說明聚斂效度理想。

圖1 信息貧困程度測量模型
評價模型中各指標的權重,在AMOS 中體現為路徑參數,其實質是標準化的權重值,并將標準化的權重值進行歸一處理。根據信息貧困測量模型,得出信息貧困程度的計算模型。
式中:Vi指接入維度的題目標準化后的權重值,Vii指使用維度的題目標準化后的權重值,Viii指獲益維度的題目標準化后的權重值,X指所對應題目按照百分制處理后的得分。
2.2.4 信度分析
信度分析又稱可靠性檢測,用于檢驗問卷收集到的數據結果是否一致,采取的檢測方法是由李·克隆巴赫在20 世紀提出的克隆巴赫一致性系數。使用軟件SPSS 20 對問卷量表數據進行可靠性檢驗。由表2可知,各個維度的信度α值均大于0.7,說明各個維度的信度α值均達到此次研究的標準,各個維度的組合信度(CR 值即平均變異抽取量)處于0.8 及以上,說明各個維度的數據可靠性良好而且該量表信度合適。
2.2.5 區別效度和聚合效度
區別效度指潛變量與潛變量之間的相關系數,由表3 可知,互聯網的接入、使用與獲益之間均具有顯著的相關性(P<0.01)。各變量AVE 值均大于0.5,這說明量表中各階因子都滿足聚合效度的要求。另外,相關性系數絕對值均符合標準,且均小于所對應的AVE 的平方根,可知各個潛變量之間具有一定的相關性,且彼此之間具有一定的區分度,說明量表數據的區分效度理想。

表3 區分效度
根據信息貧困的基本內涵和外延,在信息工具的接入、使用和受益3 階段理論基礎之上,通過探索性因素分析和驗證性因素分析,形成了接入、使用和受益3 個維度的測量指標工具。經過檢驗,具有較好的信度和效度。通過測量,青海藏區農牧民信息貧富程度普遍較低,主要是農牧民信息工具單一,信息工具的接入有一定困難,農牧民使用信息工具以社交和娛樂為主,更深層次的應用能力較差。