ISSN 2079-6617 (Print)
ISSN 2309-9828 (Online)
Ru | En
РПО
Факультет психологии МГУ имени М.В. Ломоносова
Главная RSS Поиск

ГлавнаяВсе статьи журналаНомера

Солдатова Г.У., Рассказова Е.И. Модели цифровой компетентности и деятельность российских подростков онлайн. // Национальный психологический журнал. – 2016. – № 2(22). – С. 50-60.

Автор(ы): Солдатова Г. У.; Рассказова Е.И.;

Аннотация

Представлена концепция цифровой компетентности, включающая четыре компонента (знания, умения, мотивация и ответственность), реализующихся в четырех сферах (контент, коммуникация, потребление и техносфера). Предлагается понятие модели цифровой компетентности как специфической системы представлений подростков о своих возможностях и желаниях в онлайн мире. Развитие этой системы опосредуется особенностями мотивации и деятельности онлайн, система регулирует как дальнейшую деятельность онлайн, так и дальнейшее развитие цифровой компетентности, она может быть реалистичной или «иллюзорной». На основе данных всероссийского исследования цифровой компетентности (1203 подростка 12–17 лет) методом латентных классов было выделено пять моделей цифровой компетентности, соответствующих ее низкому и среднему уровням при высокой и низкой мотивации, высокому специфическому (по компонентам умений и безопасности) и общему уровням. Показано, что более высокая оценка цифровой компетентности связана с возможностями более длительного и самостоятельного доступа в интернет, а так же с историей его самостоятельного освоения. Иллюзия цифровой компетентности связана с широким, но поверхностным освоением деятельностей онлайн. Мотивация развития цифровой компетентности связана с участием других людей в освоении интернета и признанием их роли, сравнении собственных имений и знаний с умениями и знаниями этих людей, а также с субъективно меньшим «цифровым разрывом» с родителями. Выдвигается предположение, что мотивационный компонент цифровой компетентности развивается в успешном взаимодействии с другими людьми по поводу интернета, при обучении у них и в сравнении с ними, если круг деятельностей и интересов онлайн предполагает активность и требует развития новых умений. На основе анализа моделей цифровой компетентности выделяются начинающие, опытные и продвинутые пользователи, находящиеся в разных группах риска по возможности столкновения с контентными, коммуникационными, техническими и потребительскими онлайн-угрозами.

Страницы: 50-60
Поступила: 26.05.2016
Принята к публикации: 02.06.2016
DOI: 10.11621/npj.2016.0205

Разделы журнала: Психология виртуальной реальности;

Ключевые слова: цифровая компетентность; пользовательская активность; деятельность онлайн; подростки; модели цифровой компетентности; иллюзия цифровой компетентности;

PDF: /pdf/npj-no22-2016/npj_no22_2016_050-060.pdf

Доступно в on-line версии с 30.08.2016

Представления об информацион­ной или цифровой грамотно­сти (Асмолов, Семенов, Уваров, 2010; Лау, 2006; Медиа- и информацион­ная грамотность..., 2013; Информацион­ные и коммуникационные технологии …, 2013; Медийно-информационная грамот­ность …, 2014; Gilster, 1997; Martin, Madigan, 2006), цифровой компетентности (Струк­тура ИКТ-компетентности..., 2011, Ilomäki, Lakkala, Kantosalo, 2011) и даже цифровом гражданстве (Mossberger, Tolbert, McNeal, 2008) все прочнее входят в русло пси­хологических исследований интернета. В своей концепции цифровой компе­тентности (ЦК) (Солдатова и др., 2013) мы предлагаем понимать ее как составляющую социальной компетентности, включающую четыре компонента (зна­ния, умения, мотивация, ответственность и безопасность), реализующихся в четы­рех сферах (контент, коммуникация, по­требление и техносфера). Эмпирическая проверка данной модели в рамках популя­ционного исследования российских под­ростков и их родителей подтверждает ее валидность и эвристичность, в том числе, в отношении понимания детско-роди­тельского взаимодействия по поводу ин­тернета и реакции на онлайн риски и уг­розы. Полученные результаты позволили сформулировать ряд исследовательских вопросов, связанных с особенностями мо­делей цифровой компетентности.

Во-первых, общий уровень цифровой компетентности в России оказался низ­ким – 31% от максимально возможного у родителей и 34% у подростков. При этом наиболее дефицитарным оказалось мотивационное звено, что согласовалось с нашим представлением о его ключе­вой и системообразующей роли в разви­тии ЦК. Отмечался «разрыв» между отно­сительно высокой общей мотивацией к освоению интернета и дефицитом кон­кретных намерений по улучшению сво­их знаний и навыков. Как следствие, на первый план выступил вопрос о том, как развивается конкретная мотивация. Мы предположили, что низкая конкретная мотивация объясняется узостью круго­зора и особенностями социального срав­нения. Так, привыкнув осваивать интер­нет стихийно и самостоятельно, нередко поверхностно или по «проторенным до­рожкам» своих интересов, сравнивая себя с также осваивающими интернет друзьями (а нередко родителями и учи­телями) и защищая свой мир от вмеша­тельства родителей, подросток часто чув­ствует себя действительно компетентным и не видит необходимости учиться.

Во-вторых, такая неоднородность в структуре цифровой компетентности позволяет поставить вопрос: речь идет о единой ЦК у всех подростков или мож­но выделить ее отдельные специфические типы, характеризующиеся особым усредненным профилем? В данной ра­боте центральным является понятие модели цифровой компетентности как специфической системы представлений подростков о своих возможностях и же­ланиях в онлайн мире. Акцентируя внимание на разделении различных моде­лей ЦК, их факторов и проявлений, это понятие подчеркивает также субъектив­ный статус компетентности при сохра­нении ее регуляторной функции. С од­ной стороны, представления подростка могут не совпадать с его объективными знаниями и умениями. С другой сторо­ны, они – реалистичные или мнимые – выполняют регуляторную функцию в отношении деятельности подростка в интернете, именно от этих представ­лений зависит его активность, дейст­вия при столкновении с онлайн риска­ми, готовность обратиться за помощью и, в целом, дальнейшее развитие цифро­вой компетентности. Еще одно следст­вие такого понимания: так называемый «цифровой разрыв» (который, по нашим данным, свидетельствует не об «отстава­нии» родителей от детей, а об отсутст­вии существенного опережения, и не по­зволяет им делиться опытом и критично обсуждать онлайн деятельность ребенка) может быть рассмотрен как разрыв субъективный. Имеют место представ­ления подростка о том, что его знания и умения превышают родительские, или представления родителей о том, что подросток знает и может в интернете больше них.

В-третьих, полученные ранее дан­ные позволили сформулировать гипоте­зу об «иллюзорной компетентности» – чрезмерной уверенности в себе и заве­домо рискованных действиях, на ней основанных. Например, обнаружилось, что подростки с высоким уровнем циф­ровой компетентности, по сравнению с подростками с низким уровнем ЦК, чаще готовы лично встретиться с онлайн знакомыми, никому об этом не сообщая или сообщая лишь близким друзьям. Ра­нее мы предполагали, что феномен иллюзорной компетентности особенно ярко проявляется в неоднозначных со­циальных ситуациях, например, решение встретиться с онлайн знакомым может привести к негативным последствиям, а может и нет, и у подростка есть ощущение, что он точно различает эти ситуа­ции. В данной работе иллюзорная ком­петентность рассматривается как общее понятие, тесно связанное с субъективно­стью моделей цифровой компетентно­сти. Одной из причин иллюзии цифро­вой компетентности может быть разрыв между знаниями и информацией (How technologies…, 2009), характерный для цифрового мира – информация и ее до­ступность подменяет переработку и усво­ение опыта. Предлагается даже метафора «многооконности» – поддержание большого количества «открытых окон» при поверхностном использовании каждого и быстром переключении между ними характеризует мир интернет-пользовате­ля. В качестве дополнения этой картины, по некоторым данным, подростки не ви­дят разницы между онлайн и непосредст­венным межличностным общением, а по некоторым параметрам (например, для извинения) онлайн общение становит­ся предпочтительным (Madell, Muncher, 2004). В целом, можно предполагать, что частая и разнообразная поверхностная активность в интернете создает у под­ростка ложное ощущение, что он может и знает «все». И эта иллюзия, включенная в его модель цифровой компетентности и, возможно, подкрепленная субъектив­ным «цифровым разрывом»: представ­лениями о том, что он знает и умеет больше, чем взрослые, и не меньше, чем друзья, регулирует его дальнейшую деятельность онлайн.

Цель данной работы – выявление мо­делей цифровой компетентности рос­сийских подростков, их связи с особен­ностями пользовательской активности, широтой и содержанием деятельностей онлайн, а также оценками онлайн дея­тельности и умений родителей. Выдви­гались следующие гипотезы:

  1. Можно выделить несколько моделей цифровой компетентности, харак­терных для российских подростков. В частности, мы предполагали, что можно выявить группы подростков с высокой и низкой мотивацией к раз­витию ЦК при одинаковом среднем уровне других компонентов цифровой компетенции, а также группы подрост­ков со специфическим и общим высо­ким уровнем ЦК (по некоторым или по всем сферам и компонентам, соответ­ственно). В ряде случаев высокий уро­вень цифровой компетенции может свидетельствовать о наличии феноме­на иллюзорной компетентности.

  2. Более высокая оценка своей цифро­вой компетентности у детей связана с большей пользовательской актив­ностью, опытом самостоятельного ос­воения и самостоятельного (некон­тролируемого) доступа в интернет и более широким кругом деятельнос­ти там, а также субъективным «циф­ровым разрывом» – высокой оцен­кой своих пользовательских умений, по сравнению с умениями родителей. При этом чрезмерно широкий круг деятельности онлайн может быть при­знаком иллюзорной ЦК («многоокон­ности» вместо действительного освое­ния этой деятельности), а чрезмерно узкий круг – признаком ее дефицита.

  3. Для подростков с относительно вы­сокой мотивацией развития ЦК ха­рактерно большее признание участия других людей в освоении интернета, а также меньший субъективный «циф­ровой разрыв» с родителями.

Процедура и методы исследования

В работе использовались данные ис­следования, проводившегося в 2013 г. Фондом развития интернет и факульте­том психологии МГУ имени М.В. Ломо­носова при поддержке Google (Солдатова и др., 2013; Солдатова, Рассказова, 2014; Soldatova & Rasskazova, 2014).

Опрос проводился Аналитическим центром Юрия Левады (Левада-Цен­тром) по многоступенчатым стратифи­цированным репрезентативным выбор­кам подростков в возрасте 12–17 лет и родителей, имеющих детей 12–17-лет­него возраста, проживающих в городах России с населением от 100 тысяч че­ловек и более. Для проведения иссле­дования было отобрано 58 городов из 45 регионов всех 8 федеральных окру­гов России. Выборки подростков и ро­дителей подростков были распределены между отобранными городами пропор­ционально численности проживающего в них населения.

Всего было опрошено 1203 подрост­ка: 300 мальчиков в возрасте 12–14 лет, 296 девочек в возрасте 12–14 лет, 304 юноши в возрасте 15–17 лет, 303 девуш­ки в возрасте 15–17 лет.

В соответствии с целями данной ра­боты использовались результаты следу­ющих методик:

  1. Методика индекса цифровой компе­тентности представляет собой опро­сниковый инструмент, позволяющий оценить уровень знаний (10 пунктов), умений (25 пунктов), мотивации (10 пунктов) и ответственности (11 пун­ктов) в четырех сферах (работа с контентом, коммуникация, техносфера и потребление). По результатам апроба­ции (Солдатова и др., 2013) были про­демонстрированы достаточные над­ежность-согласованность, факторная и критериальная валидность (соответ­ствие ответам на тестовые задания) методики. В данной работе показа­тели по 16 субшкалам методики (5 компонентов в четырех сферах) использовались для выявления моделей цифровой компетентности. Кроме того, дополнительно подростков про­сили оценить онлайн умения их роди­телей – по тем же 25 пунктам шкалы умений (альфа Кронбаха для оценок своих умений составила 0,86, для оце­нок умений родителей – 0,90)

  2. Особенности пользовательской ак­тивности оценивались при помо­щи четырех вопросов: «Как часто Вы пользуетесь интернетом за послед­ние 12 месяцев?» – с оценкой по шка­ле Лайкерта от 1 до 5 баллов, «Сколь­ко времени, в среднем, ты проводишь в интернете в будний день?», «Сколь­ко времени, в среднем, ты проводишь в интернете в выходные дни?» – с оцен­кой по шкале Лайкерта от 1 до 6 баллов и «Насколько уверенным пользовате­лем интернета ты себя считаешь?» – с оценкой по шкале Лайкерта от 1 до 4 баллов. Баллы по двум вопросам длительности пользования интерне­том в будни и выходные дни усредня­лись (альфа Кронбаха 0,82).

  3. Для оценки источников знаний об ин­тернете респондентов спрашивали: «Как Вы научились пользоваться ин­тернетом?». Им предлагалось выбрать все подходящие варианты из списка: «самостоятельно», «в школе – научили учителя», «научили друзья», «научили братья/сестры», «научили мои родите­ли», «на специальных курсах». Кроме того, в бланке были варианты «другое» и «затрудняюсь ответить».

  4. Деятельность подростков онлайн и их представления о деятельности их ро­дителей онлайн оценивались при по­мощи вопросов: «Что ты чаще всего делаешь, чем занимаешься в интерне­те? Выбери три варианта» и «Что твои родители чаще всего делают, чем занимаются в интернете? Выбери три варианта». Список вариантов вклю­чал 15 различных пунктов. Например, «поиск разнообразной интересной информации, фото, видео, музыки, новостей и пр.» (см. табл. 3). Лишь 70,8% подростков дали ровно три от­вета о себе и лишь 38,0% – о родите­лях, общее количество ответов варьировало в обоих случаях от 0 до 14.

  5. Для оценки иллюзии цифровой ком­петентности методика была допол­нена тестовыми заданиями. В данном исследовании использовались три из них, представляющие описания ти­пичных онлайн ситуаций (например, «Тебе пришло сообщение о том, что ты выиграл(а) неделю проживания в пятизвездочном отеле на курорте. Для получения приза тебя просят немедленно оплатить билеты. Для это­го нужно прислать номер банковской карты. Что ты скорее всего сделаешь в данном случае?»). В качестве ошибоч­ных мы использовали только ответы, сопряженные с очевидным незнанием или нарушением безопасности в интер­нете (например, ответ «Напишу в ком­панию, от которой пришло письмо» не рассматривался как ошибочный). Нали­чие хотя бы одной ошибки расценивалось как недостаточная ЦК.

Обработка данных проводилась в про­граммах SPSS Statistics 22.0 и Mplus 7.

Результаты

Модели цифровой компетентности: выявление латентных классов

С целью выявления групп подростков с разной структурой цифровой компе­тентности мы использовали 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 моделям (mixture models) и направлен на выяв­ление категориальной латентной пере­менной – классов (подгрупп) респон­дентов – которая могла бы объяснить неоднородные паттерны ответов при­надлежностью респондентов к разным однородным подгруппам. Иными сло­вами, мы предполагали, что существует несколько характерных профилей ком­понентов цифровой компетентности в разных сферах. В таблице 1 представлены результаты сравнения показателей моделей с разным числом классов [1].

  • Во всех моделях качество классифи­кации по показателю энтропии до­статочно хорошее: средняя вероят­ность того, что испытуемые относятся к «своим» классам составляет 0,85- 0,99; 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 шестью классами.

  • Согласно абсолютному и относитель­ному показателям теста соотноше­ния вероятностей, LRT модель с тре­мя классами должна быть признана лучше описывающей данные, по срав­нению с моделями с одним и двумя классами. Модели с четырьмя, пятью и шестью классами по этим критери­ям не превосходят значимо модель с тремя классами и друг друга. Одна­ко, расчет LRT методом бутстрепа сви­детельствует о превосходстве моделей с большим 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.

Таблица 1. Сравнение показателей абсолютного и относительного соответствия моделей с разным числом классов.

Показатели

2 класса

3 класса

4 класса

5 классов

6 классов

LogLikelihood

-1749,87

-1156,55

-900,15

-755,91

-565,37

Информационные критерии

AIC (Akaike information criteria)

3597,74

2445,10

1966,30

1711,83

1364,74

BIC (Bayesian information criteria)

3847,27

2781,21

2388,98

2221,09

1960,58

BIC с учетом размера выборки (sample-size adjusted BIC)

3691,63

2571,57

2125,34

1903,45

1588,94

Энтропия

0,90

0,91

0,85

0,88

0,84

Тест соотношения вероятностей (LRT) Вуонга-Ло-Менделла-Рубина

Удвоенная разность логарифмических вероятностей (2 Times the LogLikelihood Difference)

3860,97

1186,64

512,80

288,47

381,08

Среднее (ст. откл.)

117,63 (181,36)

82,15 (290,66)

163,65 (298,81)

117,31 (313,63)

89,30 (473,05)

Уровень значимости

0,00

0,01

0,12

0,29

0,27

Относительный LRT тест Ло-Менделла-Рубина

Значение теста

3829,21

1176,88

508,59

286,10

377,95

Уровень значимости

0,00

0,01

0,12

0,30

0,27

Параметрический LRT тест, полученный методом бутстрепа (число извлечений – 500)

Удвоенная разность логарифмических вероятностей

3860,97

1186,64

512,80

288,47

381,08

Уровень значимости

0,00

0,00

0,00

0,00

0,00

Поскольку средние профили при вы­делении трех классов соответствова­ли лишь низкому, среднему и высокому уровню цифровой компетентности (т.е. описывали ее выраженность, а не со­держательные типы или модели), а так­же, учитывая 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, по срав­нению 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 с высоким уров­нем мотивации, представлявшая для нас особый теоретический интерес (Солдатова и др., 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 1 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 эта компетен­тность специфическая и касается уме­ний и безопасности, а в пятой группе она носит общий характер.

Рисунок 1. Средний профиль цифровой компетентности в 5 группах подростков


Модели цифровой компетентно­сти различаются в зависимости от пола и возрастной группы подрост­ков (χ2=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, так и для девочек (CC=0,21 и CC=0,20 соответственно). Среди старших подростков мальчи­ки несколько чаще считают себя более компетентными, чем девочки (СС=0,08 у подростков 12-14 лет и CC=0,13 у под­ростков 15-17 лет).

Особенности пользовательской активности при разных моделях цифровой компетентности

Уровень цифровой компетентно­сти и уверенность в себе, как пользова­теле, линейно нарастают при увеличе­нии времени, проводимом в интернете. Подростки с низкой компетентностью меньше всего находятся онлайн и наи­менее уверены в себе, как пользовате­ли, с высокой – дольше бывают онлайн и более уверены, тогда как подростки со средней компетентностью (как мотивированные, так и немотивированные) занимают между ними промежуточное положение (F=13,77, p<0,01, eta=0,21 и F=22,52, p<0,01, eta=0,27 соответствен­но) [2]. В отношении частоты пользования интернетом этот эффект значительно ниже (F=5,56, p<0,01, eta=0,14), он ука­зывает на то, что эти 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.

Модели цифровой компетентности, деятельность онлайн и оценка родительской деятельности онлайн

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 (см. табл. 2). 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, чем у 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 деятельности 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 активности и умений минимален. В группе с низким уровнем ЦК «разрыв» между оценками своих и родительских умений (но не активности) также мал, однако, этот эффект объясняется тем, что обе их оценки низки.

Таблица 2. 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

3,36

10,07 a

2,77 a

7,72 a

Низкая ЦК, не мотивированные

2,90 a,b

5,19 a,b

1,63 a,b,с

3,19 a,b,с

Средняя ЦК, не мотивированные

3,66 a

10,60 b

1,99 a

5,24 a,b

Высокая специфическая ЦК – навыки и безопа­сность

3,77 b

15,47 a,b

2,29 b

6,80 с

Высокая общая ЦК

3,99

17,77 a,b

2,25 c

7,43 b

Критерий Фишера F

19,75***

640,09***

15,42***

34,31***

Величина статистического эффекта eta

0,25

0,83

0,22

0,32

Примечания. *** - p<0,001. a,b,c – Показатели групп с одинаковыми буквами попарно различаются по данному показателю при post hoc сравнении по критерию Шеффе p<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 (см. табл. 3).

Таблица 3. Особенности деятельности онлайн у подростков с разными моделями цифровой компетентности.

Деятельность в интернете

Средняя ЦК, мотивированные

Низкая ЦК, не мотивированные

Средняя ЦК, не мотивированные

Высокая специфическая ЦК - навыки и безопасность

Высокая общая ЦК

Критерий Хи- квадрат Пир­сона

Величина статистического эффекта СС

Поиск разнообразной интересной информации

62 (83,8%)

402 (71,8%)

293 (78,3%)

85 (82,5%)

68 (73,9%)

11,46*

0,10

Чтение новостных лент

11 (14,9%)

135 (24,1%)

117 (31,3%)

27 (26,2%)

32 (34,8%)

14,29**

0,11

Поиск новых друзей в социальных сетях

30 (40,5%)

238 (42,5%)

157 (42,0%)

31 (30,1%)

30 (32,6%)

8,27

0,08

Общение в интернете всеми возможными способами

28 (37,8%)

192 (34,3%)

182 (48,7%)

47 (45,6%)

48 (52,2%)

25,38**

0,14

Скачивание бесплатно всего, что можно скачать

25 (33,8%)

101 (18,0%)

103 (27,5%)

36 (35,0%)

29 (31,5%)

26,54**

0,15

Критика, споры, издевательства в комментариях

2 (2,7%)

13 (2,3%)

19 (5,1%)

9 (8,7%)

12 (13,0%)

26,55**

0,15

Поиск информации для учебы (работы)

37 (50,0%)

264 (47,1%)

191 (51,1%)

52 (50,5%)

48 (52,2%)

1,88

0,04

Пользование образовательными порталами, онлайн курсами

5 (6,8%)

25 (4,5%)

34 (9,1%)

9 (8,7%)

15 (16,3%)

19,76**

0,13

Создание сайтов, программ, приложений

2 (2,7%)

13 (2,3%)

25 (6,7%)

4 (3,9%)

13 (14,1%)

29,21**

0,15

Поиск возможности заработать

1 (1,4%)

7 (1,3%)

12 (3,2%)

6 (5,8%)

7 (7,6%)

17,35**

0,12

Онлайн игры и мобильные игры

27 (36,5%)

159 (28,4%)

121 (32,4%)

47 (45,6%)

39 (42,4%)

16,98**

0,12

Общение с другими людьми в онлайн играх

11 (14,9%)

57 (10,2%)

61 (16,3%)

22 (21,4%)

15 (16,3%)

13,66**

0,11

Поиск информации о новинках в интернет-магазинах

3 (4,1%)

10 (1,8%)

19 (5,1%)

6 (5,8%)

10 (10,9%)

20,54**

0,13

Заказ и покупки разных товаров

3 (4,1%)

9 (1,6%)

23 (6,1%)

5 (4,9%)

5 (5,4%)

14,22**

0,11

Создание и размещение своего контента

5 (6,8%)

7 (1,3%)

31 (8,3%)

8 (7,8%)

6 (6,5%)

28,95**

0,15

Примечания. * - p<0,05, ** - p<0,01.

Цифровая компетентность как реальность и как иллюзия

Выделяя разные модели цифровой компетентности, мы предполагали, что они могут быть более или менее реали­стичными. Как проверка валидности ин­декса ЦК (Солдатова и др., 2013), так и результат – подростки с более высокой ЦК чаще создают и размещают свой кон­тент, создают сайты и пишут программы – свидетельствуют в пользу того, что, по крайней мере, в части случаев оценка ЦК реалистична. Однако сравнение подрост­ков, имеющих разные модели цифровой компетентности, по такому параметру, как совершение грубых ошибок при от­вете на тестовые задания, обнаруживает и обратную сторону медали. Хотя в целом подростки с более высокой оценкой сво­ей ЦК ошибаются реже (χ2=33,19, p<0,01, CC=0,16), даже в группах с высокой специфической и общей ЦК каждый вто­рой подросток совершает хотя бы одну ошибку (57,3% и 60,9% соответственно).

Более того, количество деятельности онлайн не только различается у подрост­ков с разными моделями цифровой компетентности, но и это различие зависит от ответов на тестовые задания (эффект взаимодействия группы и ошибки в тестовых заданиях, F=3,56, p<0,01, eta=0,11, см. рис. 2). Если при низкой общей ЦК правильно и неправильно отвечающие подростки отмечают одинаково узкий круг активности онлайн, то при средней и высокой специфической ЦК правильно решающие подростки вовлечены в более широкий круг онлайн активности. При­чем, это различие максимально для мотивированных подростков со средней циф­ровой компетентностью.

Рисунок 2. Среднее количество деятельностей онлайн при разных моделях цифровой компетентности у подростков, совершающих и не совершающих грубые ошибки в тестовых заданиях.


Обсуждение результатов

В соответствии с нашей гипотезой ме­тод латентных классов позволил выделить пять моделей цифровой компетентности. Две наиболее многочисленные группы составили подростки с низким или средним уровнями цифровой компетентности по всем компонентам, но с низкой мотивацией улучшения ЦК (группы 2 и 3). К трем другим группам относятся подростки, вы­соко оценивающие свои онлайн навыки, особенно по обеспечению безопасности (группа 4), подростки, высоко оцениваю­щие свою компетентность в целом (груп­па 5) и подростки со средним уровнем ЦК, но высокой мотивацией к улучшению сво­ей компетентности, которой не наблюда­лось ни в одной другой группе.

Модели цифровой компетентности, пользовательская активность и деятельность онлайн

Модели цифровой компетентности связаны с формальными особенностя­ми пользовательской активности и спо­собами освоения интернета, хотя связи эти довольно слабые. Подростки с бо­лее высоким уровнем цифровой ком­петентности отмечают больший круг деятельностей, которые «чаще всего» выполняют онлайн. Напротив, при низ­ком уровне цифровой компетентности подросткам трудно выбрать даже те три дела онлайн, которые обозначены как минимум в инструкции.

Феномен иллюзорной цифровой компетентности в контексте взаимодействия между поколениями

Более половины подростков, оценив­ших свою компетентность высоко (57,3% в группе 4 и 60,9% в группе 5), тем не ме­нее, совершают как минимум одну гру­бую ошибку при ответе на три тестовых задания. Более широкий круг деятель­ности выступает в этом случае как осно­вание для субъективного переживания компетентности, тогда как в реальности содержание этой деятельности может быть поверхностным и ограниченным. Это результат, созвучный тезису о пред­почтении подростками в цифровом мире информации, как доступных сведений, в противовес знаниям, как переработан­ному и критически оцененному опыту (How technologies …, 2009). Немаловажно, что мы спрашивали, что подростки де­лают онлайн чаще всего, и выбор большого количества пунктов («все подряд») может свидетельствовать не столько о содержательном разнообразии деятельности, сколько о трудности в выборе глав­ного, ситуативном переключении между «окнами» в поисках интересного. Особенно это характерно для подростков с общей высокой оценкой своей ЦК. Те из них, кто делал грубые ошибки в тестовых заданиях (т.е. чья ЦК была иллюзорным представлением), отмечали больше ви­дов деятельности в интернете, тогда как при специфической высокой и средней ЦК широкий круг деятельности был со­пряжен с правильным решением задач. Можно предположить, что разнообра­зие онлайн деятельности способствова­ло действительной компетентности даже при невысокой ее оценке.

В этом контексте интересно, что ошибки в ответах на тестовые задания, одинаково часты в обеих возрастных группах, но старшие подростки оцени­вают свою цифровую компетентность выше, чем младшие. Хотя эта «аккумуля­ция иллюзии с возрастом» может быть следствием большего и бесконтрольно­го пользования интернетом в старшем подростковом возрасте, она может объясняться и особенностями поколений (в смысле освоения интернета) и межпо­коленческих взаимодействий. По нашим данным, современные старшие подрост­ки действительно чаще осваивали ин­тернет сами и бесконтрольно, а их ро­дители нередко чувствовали себя менее компетентными и скорее учениками, чем учителями (Солдатова, Рассказова, 2014а; Солдатова, Рассказова, 2015). При этом интернет субъективно становился для старших подростков тем местом, где они чувствуют себя свободными и куда не хотят допускать родителей. Наобо­рот, в освоении интернета современны­ми младшими подростками появляют­ся постфигуративные элементы – в нем чаще участвуют другие люди, особенно родители, сами подростки больше замечают и ценят их участие.

Источники и роль мотивации в структуре цифровой компетентности

В пользу гипотезы о том, что дефи­цит мотивации развития ЦК объясняет­ся узостью круга онлайн деятельности и субъективным «цифровым разрывом», говорит тот факт, что немногие мотивированные подростки чаще обращались к разным источникам информации при освоении интернета, особенно, к помо­щи друзей, братьев/сестер, учителей, и чаще были готовы пользоваться общест­венными компьютерами. Иными слова­ми, деятельность по освоению интернета является для них разделенной с другими людьми и происходит в непосредствен­ном межличностном общении (по край­ней мере, часть которого оффлайн).

Далее, мотивированные подростки, по сравнению с подростками из других групп, выше оценивают онлайн умения своих родителей и считают более ши­роким круг их онлайн деятельности, а «разрыв» между оценкой себя и роди­телей в этой группе минимален. Мож­но предварительно предполагать, что мотивационный компонент цифровой компетентности развивается в системе взаимодействия подростка и родителей (а также друзей и близких) по поводу интернета.

Кроме того, виды онлайн деятельнос­ти различаются по тому, какие уровни ак­тивности, заинтересованности и цифро­вой компетентности необходимы для их осуществления. Так, поиск интересной информации (и ее отбор), скачивание, создание своего контента и программ – это более активные и неоднозначные за­нятия, нежели чтение новостных лент. В этом смысле закономерно, что мотива­ция к улучшению ЦК высока у тех, кто больше интересуется поиском инфор­мации и ее скачиванием и реже – чте­нием новостей. Интересно, что именно в группе мотивированных подростков различие по количеству деятельностей в интернете между решающими и нереша­ющими задание ребятами максимально. Хотя этот результат должен быть прове­рен в дальнейшем, он согласуется с пред­положением, что именно мотивация и круг видов деятельности являются усло­виями развития ЦК. Широкий круг актив­ных и требующих освоения нового видов деятельности создает предпосылки для развития знаний и навыков, а конкретная (в отличие от общей) мотивация способ­ствует тому, что подросток замечает, кри­тически оценивает и усваивает получен­ный опыт.

На основе анализа моделей ЦК вы­деляются группы подростков, которые попадают в разные группы риска по возможности столкновения с онлайн- угрозами. Первая группа (практиче­ски каждый второй опрошенный под­росток) – начинающие пользователи (низкий уровень ЦК, низкая пользова­тельская активность, самостоятельно научились пользоваться, не мотивированы на повышение ЦК) – находится в зоне риска по столкновению со всеми онлайн-угрозами (контентными, коммуникационными, техническими и потре­бительскими). Вторая группа (примерно каждый третий опрошенный) – опыт­ные пользователи (средний уровень ЦК, с повышенным уровнем компетенций в сфере контента, в основном, не мотиви­рованные на повышение ЦК, чаще ис­пользующие общие компьютеры, повы­шающие уровень ЦК вместе с сестрами/ братьями, родителями или учителями) – лучше справляются с контентными ри­сками, но слабо подготовлены к рискам в сфере коммуникации, техносфере и, особенно, потреблении. Третья груп­па (каждый седьмой из опрошенных) – продвинутые пользователи (высокий уровень ЦК, с высокой пользователь­ской активностью и широким кругом интернет-деятельностей, использую­щие разнообразные девайсы, самосто­ятельно освоившие премудрости Сети и мотивированные на повышение ЦК) – имеют достаточный опыт не только столкновения с онлайн-рисками, но и совладания с ними, а также больше шан­сов успешно справиться с новыми и эволюционирующими старыми рисками.

Кроме того, данное исследование указывает на следующие моменты, важ­ные для понимания и развития психо­логических представлений о цифровой компетентности современных россий­ских подростков:

  • Структура представлений о собствен­ной цифровой компетентности (моде­ли ЦК) у подростков не совпадает с их действительными умениями, но, с на­шей точки зрения, играет центральную роль в регуляции их онлайн деятель­ности и ее дальнейшего развития. Более высокая оценка своей цифровой ком­петентности связана с возможностями более длительного и самостоятельного доступа в интернет, а также с историей его самостоятельного освоения.

  • Иллюзия цифровой компетентности, по-видимому, связана с широким, но поверхностным освоением онлайн деятельности, попытками испробо­вать все доступные возможности при испытывании трудностей при выбо­ре основных видов деятельности и си­стематического их освоения (так на­зываемая «многооконность»).

  • Мотивация – наиболее дефицитарный компонент ЦК у современных подростков. Его более высокий уро­вень связан с участием и признанием роли других людей в освоении интер­нета, со сравнением с их умениями и знаниями. Подростки с высоким уров­нем мотивации выше оценивают круг онлайн деятельности и умений роди­телей, а «цифровой разрыв» со своими родителями считают минимальным. Мы предполагаем, что мотивацион­ный компонент цифровой компе­тентности у подростков развивается в успешном взаимодействии с други­ми людьми по поводу интернета, при обучении у последних и сравнении с ними, если круг онлайн деятельностей и интересов предполагает активность и требует развития новых умений.

Исследование выполнено при финансовой поддержке РГНФ в рамках научно-исследовательского проекта проведения научных исследований «Модели цифровой компетентности у различных типов интернет- пользователей», проект 14-06-00646.

Примечания:

1. Модель, включающая семью классов, не рассматривалась, поскольку логарифмированная вероятность для нее не вопроизводилась при разных стартовых показателях, что позволяет подозревать, что это значение локальное и результатам доверять нельзя (Geiser, 2013), а в 28 случа¬ях из 50 модель не сошлась. В моделях с 2–6 классами лучший показатель логарифмической вероятности (LogLikelihood) воспроизводился при не¬скольких стартовых показателях модели. По мере нарастания числа классов, эта воспроизводимость снижалась: если для двух классов все 50 стартовых показателей привели к одинаковой оценке лучшей логарифмической вероятности, то для шести классов – лишь 3 из 50.

2. Здесь и далее, следуя рекомендациям (Кричевец и соавт., 2013), результаты параметрической обработки проверялись непараметрическими ме¬тодами (а при анализе отдельных пунктов для выявления возможных нелинейных связей – также критерием χ2.) Поскольку результаты были согласованы, ниже представлены только параметрические показатели.

Литература:

Асмолов А.Г., Семенов А.Л., Уваров А.Ю. Российская школа и новые информационные технологии: взгляд в будущее десятилетие. – Москва : НексПринт, 2010.

Информационные и коммуникационные технологии в образовании / под ред. Б. Дендева – Москва : ИИТО ЮНЕСКО, 2013.

Кричевец А.Н., Корнеев А.А., Рассказова Е.И. Математическая статистика для психологов. – Москва : Академия, 2012.

Лау Х. Руководство по информационной грамотности для образования на протяжении всей жизни. – Москва : Информация для всех, 2006.

Медиа- и информационная грамотность в обществах знания / сост. Е.И. Кузьмин, А.В. Паршакова. – Москва : МЦБС, 2013.

Медийно-информационная грамотность в России: дорога в будущее : сб. матер. Всероссийской научно-практической конференции «Медиа- и информационная грамотность в информационном обществе» / под ред. И.В. Жилавской. – Москва, 2014.

Солдатова Г.У. и др. Цифровая компетентность российских подростков и родителей: результаты всероссийского исследования. – Москва : Фонд Развития Интернет, 2013.

Солдатова Г.У., Рассказова Е.И. Психологические модели цифровой компетентности российских подростков и родителей // Национальный психологический журнал. – 2014. – № 2(14). – С. 27–33. DOI: 10.11621/npj.2014.0204

Солдатова Г.У., Рассказова Е.И. Безопасность подростков в Интернете: риски, совладание и родительская медиация // Национальный психологический журнал. – 2014а. – № 3(15). – С. 39–51. DOI: 10.11621/npj.2014.0305

Солдатова Г.У., Рассказова Е.И. Модели передачи опыта между поколениями при освоении и использовании Интернета // Вопросы психологии. – 2015. – № 2. – С. 56–66.

Структура ИКТ-компетентности учителей : рекомендации ЮНЕСКО. – Париж : UNESCO, 2011.

Geiser, C. (2013) Data analysis with Mplus. New York, The Guilford Press.

Gilster P. (1997) Digital Literacy. N.Y., Wiley Computer Publishing.

(2009) How technology changes everything (and nothing) in psychology. 2008 annual report of the APA Policy and Planning Board. American Psychologist. 64, 454–463.

Ilomäki, L., Lakkala, M. & Kantosalo, A. (2011) What is digital competence? Linked portal. Brussels, European Schoolnet (EUN). 1–12.

Henson, R. K. (2006) Effect-Size Measures and Meta-Analytic Thinking in Counseling Psychology Research. The Counseling Psychologist. 34, 601–629.

Madell, D., & Muncher, S. (2004) Back from the beach but hanging on telephone? English adolescents’ attitudes and experiences of mobile phone and the Internet. Cyberpsychology and Behavior. 7, 359-367.

Martin, A., & Madigan, D. (Eds.). (2006) Digital literacies for learning. L., Facet.

Mossberger, K., Tolbert, C.J., & McNeal, R.S. (2008) Digital citizenship: The internet, society, and participation. Cambridge, MA, MIT Press.

Soldatova, G.V., & Rasskazova, E.I. (2014). Assessment of the digital competence in Russian adolescents and parents: Digital competence index. Psychology in Russia: State of the Art, 7. Doi: 10.11621/pir.2014.0406

Для цитирования статьи:

Солдатова Г.У., Рассказова Е.И. Модели цифровой компетентности и деятельность российских подростков онлайн. // Национальный психологический журнал. – 2016. – № 2(22). – С. 50-60.

Soldatova Galina U., Rasskazova Elena I. (2016). Models of digital competence and online activity of Russian adolescents. National Psychological Journal. 2, 50-60.

О журнале Редакция Номера Авторы Для авторов Индексирование Контакты
Национальный психологический журнал, 2006 - 2017
CC BY-NC

Все права защищены. Использование графической и текстовой информации разрешается только с письменного согласия руководства МГУ имени М.В. Ломоносова.

Дизайн сайта | Веб-мастер