数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性.pdf

2023年5月总第384期 第3期May 2023Sum No.384 No.322 23 收稿日期 2022-12-13 基金项目 国家社会科学基金 2022 年度重大项目“大数据和人工智能发展背景下社会分层状况的新变化”（22&ZD188）。作者简介 韩子旭，南京大学社会学院，博士研究生，主要研究方向为教育社会学；吴愈晓，南京大学社会学院，教授，主要研究方向为社会分层与流动。数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性韩子旭 吴愈晓 摘 要 在移动互联网时代，数字鸿沟在社会分层中的重要性愈发凸显，个体使用互联网的方式和能力所表征的数字资本已经成为一种重要的资源。文章使用个体参与各类互联网活动的频率来测量数字资本，基于 2018 年“中国大学生就业、生活及价值观调查”数据，考察大学生群体内部数字资本的家庭阶层差异、数字资本对大学生社会资本获得的影响以及这种效应的学校和家庭阶层异质性。研究发现：第一，来自较高阶层家庭的大学生拥有更多的数字资本；第二，不同类型的互联网活动对大学生社会资本获得的影响方向不同，但整体上来看，数字资本的增加有利于大学生获得更多社会资本；第三，数字资本对大学生社会资本获得的影响呈现出家庭和学校的“双重再生产”特征，其对大学生社会资本获得的正向效应对就读于优质高校、来自较高阶层家庭的大学生显著更强。研究表明，数字资本成为大学生群体内部不平等代际再生产的一条新的路径。关键词 数字鸿沟；数字资本；大学生；社会资本 中图分类号 C915 文献标识码 A 文章编号 1006-1789（2023）03-0022-15一、引言自互联网诞生以来，数字鸿沟作为一种新形式的不平等逐渐受到学界和政策制定者的重视。国内外学者以互联网接入的不平等（第一道数字鸿沟）以及互联网使用方式的不平等（第二道数字鸿沟）为主题开展了大量的研究。近年来，学者们注意到，除了以上两种数字鸿沟之外，还存在第三道数字鸿沟。第三道数字鸿沟是指“从互联网中获益的不平等”或“由互联网使用方式差异导致的线下生活机会的不平等”。随着移动互联网和智能手机的普及，在线和离线的界限变得模糊，互联网使用与线下日常生活的关系也更为密切，人们在互联网使用行为方面的差异对其线下生活机会产生的影响越来2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性23 图 1 数字资本的桥梁作用线下领域线下领域经济资本社会资本文化资本经济资本社会资本文化资本数字资本互联网接入资源（第一道数字鸿沟）互联网使用能力、使用倾向、使用方式（第二道数字鸿沟）第一道、第二道数字鸿沟 线上领域 第三道数字鸿沟 越不可忽视。换言之，第三道数字鸿沟在社会分层中的重要性愈发凸显。Ragnedda&Ruiu（2020）在布迪厄资本理论的框架下提出了一种新的资本形式数字资本（Digital Capital），并将其定义为“内化于个体的互联网使用倾向和互联网使用能力”以及“外化于个体的互联网接入资源”。与布迪厄所定义的社会资本、文化资本等其他资本类型相似，数字资本也可以随时间不断积累并转化为其他类型的资本。如图1所示，数字资本被视为一种“桥梁型资本”（Ragnedda&Ruiu，2020）。一方面，数字资本连通了线上和线下两个领域，个体数字资本的获得会受到其所拥有的线下资本的数量和结构的影响，若获得更多且结构更合理的数字资本，个体就可以将其转化为线下的经济资本或社会资本等资本形式，从而在线下生活机会方面获得优势。另一方面，数字资本连通了三个维度的数字鸿沟，个体在第一道和第二道数字鸿沟两侧的位置很大程度上决定了其所拥有的数字资本的多寡，而数字资本再生产为线下资本的过程又形成了第三道数字鸿沟。随着置身于移动互联网时代的个体拥有越来越多的机会和方式将他们从线上数字领域获得的资源向线下转化，数字资本作为一种新的资本形式很可能成为代际再生产或社会流动的重要机制。对于成长于移动互联网时代的年轻群体而言，尤其是“95后”和“00后”，数字资本是提高其日常生活质量所必备的重要资源之一。相比于同一世代的其他群体，大学生嵌入互联网的程度可能更深，其使用互联网的方式也可能更加多元。本文选择大学生群体作为研究对象，考察数字资本再生产所导致的线下生活机会的不平等。个体参与互联网活动的种类和频率可以较好地反映互联网使用倾向、能力及其所拥有的互联网接入资源，故本文在实证检验部分使用大学生参与不同种类互联网活动的频率来测量他们的数字资本。社会资本是一种嵌于个体社会网络中的资源，行动者可以在日常活动中动员这些资源以从中获益（林南，2005）。对于大学生群体而言，社会资本主要包括两个部分：一是来自父母、亲人的资源，即家庭社会资本；二是来自同学、朋友的资源，即同辈社会资本。由血缘纽带维系的家庭社会资本通常比较坚实稳定，不易受到个体互联网使用行为的影响。而且，大学生大部分时间生活在大学校园内，同学是其日常社会交往的主要对象。因此，本文认为，数字资本主要通过影响大学生同辈社会资本的获得来影响他们拥有的社会资本总量。值得注意的是，众多研究已经证明了大学生同辈社交状况和同辈社会资本在其求学过程中的重要性。一方面，同辈社交是社会支持和大学生校园归属感的重要来源（Hausmann et al.，2009）。大学生2023年第3期总第384期当代青年研究24 25 校园内朋友数量的增加、与同辈互动质量的提高会对其学业投入水平和心理健康水平产生显著的正向影响（Gray et al.，2013），而这些因素有助于提升他们的学业表现。另一方面，同辈社会资本可以发挥“信息桥”的作用（Granovetter，1973），帮助大学生了解校园内的各种资源竞争规则。随着近年来校园内竞争的愈发激烈，大学生们往往会向有经验的同辈咨询关于选课、备考、学生工作的经验，从而在资源竞争中占得先机，以取得更好的在校表现（张洋磊、黄亚苹，2022），良好的在校表现又可以在保研和就业竞争中发挥重要作用（薛在兴，2014；李忠路，2016）。简言之，同辈社会资本不仅与大学生求学过程中的日常生活质量密切相关，而且可以通过影响在校表现最终作用于他们的地位获得。基于以上论述，本文选择大学生的社会资本状况作为结果变量，进而考察数字资本对其线下生活机会的影响。二、文献综述：互联网使用对个体社会资本获得的影响对于“互联网使用对个体社会资本获得的影响究竟是正面的还是负面的”这一问题，已有研究并没有一致的结论。总的来说，大致有以下三种观点。第一种观点认为互联网使用存在“时间置换效应”，使用互联网会挤占个体现实生活中的社会交往时间，妨碍个体获得更多的社会资本。Putnam（2000）认为，互联网使得人们越来越倾向于独处，侵蚀了美国的社会资本。崔丽娟、刘琳（2003）发现，中国大学生使用互联网的时长与其社会疏离感呈现显著正相关。然而，持有这一观点的研究大多发表于21世纪初，那时移动互联网尚未普及，社会中网民的占比并不高，互联网使用与线下日常生活的关系也不如现今密切。因此，上述结论在移动互联不可或缺的当下是否仍然成立值得重新审视。第二种观点认为互联网使用存在“社会补偿效应”，使用互联网有利于个体建立新的弱关系，并维持已有的强关系，因此有利于个体积累更多的社会资本。Lin（1999）认为，互联网使得人们能获取到的社会资本总量革命性地上升，而且相较于面对面交流，网上交流更有利于人们积累社会资本。最近的几项实证研究支持了这一观点，曾凡斌（2014）发现大学生参与各类互联网活动的频率与其社会交往状况均呈现显著的正相关，聂爱云、郭莹（2021）也证明了我国居民上网时间的增加能够显著提高其社会资本。另外一项关于互联网使用对社会资本影响的元分析（Meta Analysis）也表明，中国经验研究中互联网使用与社会资本之间呈现中等强度的正相关（来向武、任玉琛，2020）。第三种观点认为互联网是一把双刃剑，其对个体社会资本获得的具体效应取决于互联网使用的内容和方式。黄荣贵等（2013）发现，只有使用即时通信软件、电子邮件的频率与个体在现实中的普通朋友规模呈现显著正相关，其他互联网使用方式与个体在现实中的社会资本均没有显著关联。钟智锦（2015）发现，在线聊天活动显著正向影响大学生在现实中的社会资本，而上网玩游戏与大学生在现实中的社会资本呈现显著的负相关。来向武、任玉琛（2020）的研究也显示，互联网使用与个体社会资本的正相关关系在关注社交媒体使用的研究中更强，在不关注社交媒体使用的研究中则较弱。虽然现有研究已经发现人们对互联网的不同使用方式会对其社会资本获得产生不同的影响，但对互联网活动的分类大多比较随意，没有阐明具体的分类标准，也没有对不同类型互联网活动影响个体社会资本获得的具体机制给出较为详细的解释。随着近年来移动互联网和智能手机的普及，数字资本已经成为人们提升日常生活质量所必备的资源，许多“非社会化”的互联网活动也可能会对个体社2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性25 会资本的获得产生显著影响。此外，大多数已有研究忽略了一个重要的事实，同样的互联网使用方式对不同群体社会资本获得的影响可能存在异质性。如果互联网活动对社会资本获得的正向效应对于优势群体来说更强，那就表明数字资本作为一种可以再生产为线下社会资本的资源，将更有利于优势群体。换言之，数字资本很可能成为优势阶层巩固其优势和扩大社会不平等的潜在机制。针对上述不足，本研究将互联网活动分为四类，并就每一类互联网活动对大学生社会资本获得的影响方向提出相应的假设。同时，本研究还将进一步探明数字资本是否已经成为大学生群体内部不平等代际再生产的一个重要机制，以及积累数字资本是更有利于上层群体还是更有利于下层群体，即是否存在扩大代际再生产效应的可能。具体而言，本文聚焦以下三个研究问题：第一，来自不同阶层家庭的大学生的数字资本（参与各类互联网活动的频率）是否具有显著差异？第二，大学生的数字资本是否会显著影响其社会资本的获得？第三，数字资本对大学生社会资本获得的效应大小，是否会受到其所就读高校办学质量以及其家庭社会经济地位的调节影响？三、理论分析与研究假设（一）对互联网活动的分类及其依据在表1中，本文按照互联网活动对个体社会资本获得的影响机制差异对其进行归类。虽然大多数移动互联网应用都具备社交媒体功能，但大多数用户使用此类应用的目的并不局限于社会交往。本文只将使用那些可供即时通信的社交平台应用（如微信和QQ等）的活动归为“社交类互联网活动”。当前，互联网已经成为帮助人们提高工作和生活效率的重要工具，本文将这些服务于工作和生活的互联网活动称为“工具类互联网活动”。除此之外，还有一些既不具有很强的社交属性，也不是直接服务于工作和生活的需要，而是满足用户休闲和娱乐需要的互联网活动。本文将那些既可供娱乐且同时能够获取信息的互联网活动定义为“信息类互联网活动”，而将那些仅仅服务于用户娱乐或休闲的互联网活动归为“娱乐类互联网活动”。表 1 四类互联网活动所包含的具体活动形式或内容互联网活动类型具体的互联网活动社交类活动用微信或QQ与他人联系、查看朋友圈等社交网络、查看电子邮件、制作内容与他人分享工具类活动查资料、写作业、导航、网购、网络支付或理财信息类活动刷微博、逛论坛、看短视频、看新闻时事娱乐类活动看直播、听音乐、打游戏、看电视剧或电影、看小说（二）来自不同阶层家庭大学生的互联网使用方式的差异大量研究证明，家庭背景是大学生数字资本获得的重要影响因素之一，家庭收入较高、父母受教育程度较高的大学生会更早接触互联网、拥有更多的上网设备，且具有更强的互联网使用能力（黄佩等，2008；赵联飞，2015；王素芳等，2021）。韦路等（2011）的研究发现，月均花费较高的大学生参与各项互联网活动的平均频率更高。据此，本文提出以下假设：假设1：大学生的家庭社会经济地位越高，其数字资本越丰富（参与各类互联网活动的频率越高）。2023年第3期总第384期当代青年研究26 27（三）不同类型的互联网活动对大学生社会资本获得的影响1.社交类互联网活动如前所述，参与社交类互联网活动（如使用即时通信软件）有利于个体维持现有的社会网络并扩展新的社会网络，有助于个体获得和积累社会资本（黄荣贵等，2013；钟智锦，2015；来向武、任玉琛，2020）。我们认为这一规律同样适用于大学生群体。在大学校园内竞争日趋激烈的背景下，微信等即时通信软件由于能够有效降低社交的时间成本，已经成为大学生保持与同辈间联系的重要工具。据此，本文提出以下假设：假设2-1：大学生参与社交类互联网活动的频率越高，其社会资本越丰富。2.工具类互联网活动移动互联网以其低成本、高效率和大容量的特征成为人们提高信息搜寻效率、获取更便宜商品和多样化服务的重要选择（鲁元平、王军鹏，2020）。工具类互联网活动对大学生社会资本获得的影响可能主要体现在两个方面。一方面，互联网可以在大学生的课程学习和作业完成中提供重要帮助，有助于提升学业表现。学业表现是学校和社会评价学生成就的重要参考标准，学业表现较好的大学生往往会在同辈社交中更受欢迎。另一方面，互联网可以帮助大学生更高效地处理日常生活中的各项事务，使其拥有更多空闲时间来维持和扩展自身的社会网络。更为重要的是，大学生对各种工具类互联网应用的熟练程度是反映其互联网使用能力的最直观指标，而在移动互联网时代，大学生很可能因其较低的互联网使用能力而受到同辈群体的排斥。根据以上分析，本文提出以下假设：假设2-2：大学生参与工具类互联网活动的频率越高，其社会资本越丰富。3.信息类互联网活动互联网除了是用户了解时事信息的重要途径，还是当代青年流行文化的重要发源地和主要传播载体。袁潇和风笑天（2018）指出，互联网在某种程度上已经成为青年生活的第二空间，并为青年流行文化的衍生与传播提供了数字平台。微博、论坛、短视频应用等Web 2.0时代的互联网平台无时无刻不在产出新的青年流行文化，大学生在登陆这些平台满足自身休闲娱乐需求的同时，也在大量接触时下的青年流行文化。互联网上丰富的休闲娱乐方式可能使得大学生更迫切地在同辈群体中找到与自己爱好相似的个体并与之建立朋友关系，而最佳的实现方式之一就是与同辈讨论时下的青年流行文化。这一现象的典型代表就是“梗文化”的出现。林爱珺（2022）指出，“玩梗”让网民快速地辨别同类，感受到“你懂我”的群体认同，出于身份相同的认知，成员间的心理距离迅速拉近。由此可见，如果不通过参与本文所界定的“信息类互联网活动”来接触青年流行文化，大学生不仅难以借助讨论流行文化的社交活动来拉近与其他同辈之间的距离，还可能会被同辈认为“你与我们不是一类人”，并因此在同辈社交中遭到排斥。基于以上分析，本文提出以下假设：假设2-3：大学生参与信息类互联网活动的频率越高，其社会资本越丰富。4.娱乐类互联网活动与上文提及的“信息类互联网活动”相比，本文所界定的“娱乐类互联网活动”往往离现实中的时事信息较为遥远。虽然将看剧、打游戏、听音乐等互联网活动作为娱乐方式的大学生不在少数，但每种娱乐方式内部都包罗万象，参与同一类娱乐活动的大学生很可能也无法相互认同和相互理解（例2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性27 如，喜爱看悬疑剧的大学生与喜爱看言情剧的大学生很可能拥有截然不同的偏好）。大学生在求学过程中往往很难遇到较多喜欢看同一类剧集、打同一部游戏或听同一种音乐的同辈，从这些网上娱乐活动中获得的谈资只能在较为狭窄的亚文化圈中发挥作用，没有接触过某种网络娱乐产品的大学生很可能对与其相关的话题不感兴趣，甚至无法理解相关内容的含义。更为重要的是，“娱乐类互联网活动”大多具有较强的成瘾性，提供此类产品的互联网商家为了保持用户黏性进而刺激更多用户付费，多会有意设计出各种上瘾机制。因此，高频率参与“娱乐性互联网活动”很可能会挤占大学生本应在现实中进行社会交往的时间。根据以上分析，本文提出以下假设：假设2-4：大学生参与娱乐类互联网活动的频率越高，其社会资本越匮乏。（四）数字资本对大学生社会资本获得效应的学校和家庭阶层异质性网络外部性是指，用户从互联网产品或服务获得的价值或效用将会随着用户数量的增加而得到进一步提升（Katz Shapiro，1985），互联网使用对大学生社会资本获得的正面效应也存在网络外部性。如果大学生身边的同辈所拥有的数字资本较多、参与各类互联网活动的频率较高，那么那些本就对其社会资本获得具有正向影响的互联网活动的社会资本回报将会更高。具体来说：如果周围的同辈参与社交类互联网活动的频率普遍较高，那么群体内成员的一些日常社交更可能在线上进行，这将更有利于参与社交类互联网活动频率较高的大学生获得社会资本；如果周围的同辈参与工具类互联网活动的频率普遍较高，那么他们在现实中遇到问题时也会更倾向于求助互联网，这将更有利于参与工具类互联网活动频率较高的大学生获得社会资本；如果周围的同辈参与信息类互联网活动的频率普遍较高，那么他们在同辈社交中会更加频繁地讨论与时下青年流行文化相关的话题，这将更有利于参与信息类互联网活动频率较高的大学生获得社会资本。社会经济背景占据优势的群体在获得优质高等教育入学机会方面具有显著的优势，这已经得到广泛的论证。这也意味着在办学质量较高的高校中，大学生的平均家庭社会经济地位会更高。因此，如果假设1成立，优质高校中的大学生所拥有的平均数字资本将更多。就读于优质高校的大学生身处于一个周围同辈数字资本拥有量普遍较高的环境中，他们积累数字资本的社会资本回报也会更高。此外，根据社会资本的同质性（Homophily）原理，人们更倾向于选择与自己相似的个体互动并建立联系（McPherson et al.，2001）。大学生的社会交往也可能遵循同质性原则，家庭社会经济地位相似的大学生彼此更有可能开展社会交往并建立朋友关系。这意味着家庭社会经济地位较高的大学生希望结交的同辈所拥有的数字资本很可能普遍较多，数字资本对这部分大学生社会资本获得的影响也可能更大。由此，本文提出以下假设：假设3-1：大学生就读高校办学质量越高，数字资本对其社会资本获得的正向影响越强。假设3-2：大学生家庭社会经济地位越高，数字资本对其社会资本获得的正向影响越强。如果假设3-1和假设3-2成立，则说明积累数字资本更有利于家庭社会经济地位较高、就读于较高办学质量高校的大学生获得社会资本。数字资本对大学生社会资本的获得可能会呈现出家庭和学校的“双重再生产”模式：家庭社会经济地位较高的大学生可以将数字资本更有效地转化为自身的社会资本，而且他们往往更容易进入办学质量较高的大学；而在优质高校中，大学生的数字资本又能够被更好地转化为社会资本。或者说，社会分层系统和学校分层系统会先后强化大学生群体内部数字资本向2023年第3期总第384期当代青年研究28 29 社会资本的再生产。四、数据和变量（一）数据本文实证分析所使用的数据来自中国社科院社会学研究所组织开展的“中国大学生就业、生活及价值观调查”2018年的数据（PSCUS 2018）。这是一项年度追踪调查，2018年共收集了来自全国不同办学质量的18所本科和高职院校的15 102名本专科生和研究生的问卷调查数据。由于研究生的年龄、学习生活方式与本专科生存在一定的差异，本文在实证分析中将其剔除。删除缺失值之后，最终进入分析的大学生（本专科生）样本量为10 681。（二）变量数字资本变量：大学生参与四类互联网活动的频率。本研究所使用的数据调查了大学生参与四类互联网活动的频率，用定序变量表示。对于每一项细分互联网活动，定序变量的赋值方式均为“从不=1；每月几次=2；每周几次=3；每天几次=4；几乎总是=5”。参照表1对各项细分互联网活动的具体分类，我们对每一细分互联网活动的频率变量做因子分析，分别构建出测度大学生参与社交类、工具类、信息类、娱乐类互联网活动频率的4个综合指标变量，再将其标准化为0100的取值范围。对此，表2简要展示了因子分析的结果。表 2 各类互联网活动频率变量的因子分析结果综合指标提取的公因子数量累计的方差贡献率KMO值社交类活动频率综合指标271.65%0.536工具类活动频率综合指标140.82%0.702信息类活动频率综合指标146.72%0.666娱乐类活动频率综合指标146.74%0.758注：对社交类细分互联网活动变量的因子分析显示，前两个主成分都包含有较多信息（特征值均大于 1）。参考已有研究的做法，我们以这两个因子的方差贡献率为权数进行加权平均，得到测度大学生参与社交类互联网活动频率的综合指标变量。社会资本变量。如前所述，大学生的同辈社会资本主要通过提供社会支持和信息的方式影响其生活机会，大学生能否从同辈社交中获益与其同辈关系的强度、广度及其互动质量密切相关。因此，本研究使用大学生的社会交往状况作为其社会资本的代理变量。本研究将表3所示的6道关于大学生社会交往状况的11分制题目（对应6个取值为111的定序变量）进行因子分析法降维，生成一个综合指标变量（方差贡献率为55.63%，KMO值为0.861），再通过01标准化将其取值范围变为0100。数值越大，代表大学生的社会资本状况越好。家庭社会经济地位变量。本文将父母职业地位（中高级管理者=6，基层管理者=5，专业技术人员=4，办事人员=3，工人=2，务农或无业=1，父母两者中取职业地位较高的一方代表大学生父母的职业地位）、父母受教育程度（父母平均的受教育年数）、家庭收入（父母月总收入的对数）三个变量通过因子分析法降维（方差贡献率为73.98%，KMO值为0.709），生成一个测度大学生家庭社会经济地位的综合指标变量，并进一步将其取值范围标准化为0100。数值越大，表示大学生的家庭社会经济地位2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性29 越 高。表 3 大学生社会资本综合指标的子指标序号题项1与您关系密切的同学、邻居、亲戚或伙伴多吗？（根本没有=1；非常多=11）2您有可以与您分享快乐和忧伤的朋友吗？（根本没有=1；非常多=11）3您与亲朋好友经常保持联系（如互相探望、电话问候、通信等）吗？（从不联系=1；一直联系=11）4您经常参加一些社会、集体活动（如学生会、朋友聚会、体育、文娱）吗？（从不参加=1；一直参加=11）5在您需要帮助的时候，您在很大程度上能够依靠朋友吗？（完全不依靠=1；完全依靠=11）6与您的同龄人相比，从总体上来看，您认为您的社会交往如何？（非常差=1；非常好=11）高校办学质量变量。为分析数字资本对大学生社会资本获得效应的学校异质性，本文在回归分析中引入了高校办学质量变量。本文使用样本中18所高校2018年（调查当年）在其所在省份录取分数线与在该省招生高校中分数线排名第一的高校录取分数线的比值来测度每一所高等学校的办学质量（数据来源于掌上高考网站），并将这一比值乘以100得到理论取值范围为0100的连续变量（高校办学质量=该校分数线/该省分数线排名第一学校分数线100）。控制变量。本研究的回归模型中控制了大学生的性别（男性=1，女性=0）、年龄（连续变量）、年级（类别变量）、上大学当年家庭所在地区（城市=1，乡村=0）。在不涉及学校间比较的回归模型中，本文还控制了代表每一所高校的虚拟变量，以最大化地消除学校间差异对回归结果的影响。所有变量的描述性统计特征见表4。表 4 变量描述性统计特征（n=10681）变量平均值标准差最小值最大值社交类活动频率综合指标62.5614.790100工具类活动频率综合指标63.5714.900100信息类活动频率综合指标51.7521.830100娱乐类活动频率综合指标49.5019.390100社会资本综合指标61.7117.970100父母职业地位2.791.7816父母受教育程度10.003.56019家庭收入8.361.055.5210.82家庭社会经济地位综合指标49.2819.660100家庭所在地区（城市=1）0.460.5001高校办学质量65.7323.3023.3994.67性别（男性=1）0.480.5001年龄19.721.331624年级 大一年级0.300.46012023年第3期总第384期当代青年研究30 变量平均值标准差最小值最大值 大二年级0.290.4501 大三年级0.280.4501 大四年级0.120.3301五、实证结果分析本研究的因变量均为连续变量，故使用线性回归模型（OLS模型）进行统计估计。后文中，本研究首先估计家庭社会经济地位对大学生数字资本获得的影响，然后估计数字资本（参与各类互联网活动的频率）对大学生社会资本获得的影响，最后考察数字资本对大学生社会资本获得的效应大小是否会受到高校办学质量和家庭社会经济地位的调节影响（即数字资本对大学生社会资本获得效应的学校和家庭阶层异质性）。（一）数字资本的家庭阶层差异表5展示了家庭背景影响大学生参与四类互联网活动频率的回归分析结果。可以发现，控制了其他因素后，大学生的家庭社会经济地位均显著影响其社交类、工具类、信息类和娱乐类互联网活动的参与频率，故假设1得到验证。这说明在大学生群体内部，数字资本存量确实有显著的家庭阶层差异，来自较高阶层家庭的大学生拥有更多的数字资本。表 5 家庭背景对大学生参与四类互联网活动频率的影响模型1社交类互联网活动模型2工具类互联网活动模型3信息类互联网活动模型4娱乐类互联网活动家庭社会经济地位0.106*(0.010)0.098*(0.010)0.222*(0.015)0.150*(0.013)家庭所在地区（城市=1）0.237(0.370)1.011*(0.364)0.834(0.538)0.857(0.461)性别（男性=1）-1.006*(0.289)-4.087*(0.284)-4.402*(0.420)8.593*(0.359)年龄0.104(0.175)0.260(0.172)0.046(0.254)-1.063*(0.218)年级虚拟变量已控制已控制已控制已控制学校虚拟变量已控制已控制已控制已控制常数项53.514*(3.388)55.910*(3.330)35.931*(4.923)50.027*(4.216)样本量10 68110 68110 68110 681决定系数0.0390.0850.0690.134注：*P0.05，*P0.01，*P0.001，下同。（二）数字资本对大学生社会资本获得的影响表6显示了大学生参与四类互联网活动的频率对其社会资本获得的影响。模型1是只加入了控制变量的基准模型。可以发现，相比于男生，女生所拥有的社会资本显著更多；相比于来自农村的大学生，来自城市的大学生所拥有的社会资本显著更多。模型2显示，控制了其他变量后，大学生的家庭社会经济地位越高，其拥有的社会资本越多。模型3在模型2的基础上加入了大学生参与四类互联网活动（续表）2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性31 的频率变量，关键控制变量已不显著。可以看出，当其他因素保持不变时，大学生参与社交类、工具类、信息类互联网活动频率的提高对其社会资本获得具有显著的正向影响，而大学生参与娱乐类互联网活动频率的提高对其社会资本获得具有显著的负面影响。至此，假设2-1至假设2-4得到验证。表 6 不同互联网使用方式对大学生社会资本获得的影响模型1社会资本模型2社会资本模型3社会资本性别-0.730*(0.346)-0.918*(0.345)0.424(0.361)年龄-0.212(0.208)0.010(0.209)-0.119(0.206)家庭所在地区1.356*(0.384)-0.597(0.443)-0.650(0.436)家庭社会经济地位0.109*(0.012)0.090*(0.012)社交类互联网活动频率0.175*(0.015)工具类互联网活动频率0.055*(0.014)信息类互联网活动频率0.038*(0.010)娱乐类互联网活动频率-0.090*(0.010)年级虚拟变量已控制已控制已控制学校虚拟变量已控制已控制已控制常数项69.206*(3.961)61.223*(4.051)51.872*(4.055)样本量10 68110 68110 681决定系数0.0210.0280.060此外，从表6可以发现，相比于模型2，模型3中家庭社会经济地位变量的回归系数有一定程度的下降（从0.109下降至0.090）。经多重中介效应检验发现（使用Stata软件的Khb命令），四个互联网活动频率变量一共中介了家庭社会经济地位对大学生社会资本获得的正向效应的17.43%。这说明家庭社会经济地位较高的大学生之所以拥有更多的社会资本，一定程度上是因为他们参与各类互联网活动的频率更高。虽然不同类型的互联网活动对大学生社会资本获得的影响方向存在差异，但从整体上而言，积累数字资本有助于大学生获得更多社会资本。（三）数字资本对大学生社会资本获得效应的学校和家庭阶层异质性表7和表8分别展示了大学生参与各类互联网活动的频率对其社会资本获得效应的学校异质性和家庭阶层异质性。若大学生参与某一类互联网活动的频率变量与高校办学质量变量或家庭社会经济地位变量的交互项在统计上显著，则说明该类互联网活动对大学生社会资本获得的效应会受到高校质量或家庭阶层的调节。表7中模型1至模型3的结果显示，控制了其他因素后，高校办学质量越高，大学生参与社交类、工具类、信息类三类互联网活动的频率对其社会资本获得的正向影响越大，故假设3-1得到验证。模型4的结果显示，娱乐类互联网活动对大学生社会资本获得的效应不存在显著的学校异质性。表8中模型1和模型2的结果显示，对于来自不同阶层家庭的大学生而言，社交类和工具类互联网活动对社会资本获得的正向效应大小没有显著的差异。对于社交类和工具类互联网活动而言，假设3-2并2023年第3期总第384期当代青年研究32 33 不成立。这可能是由于大学生的同辈社交具有“去阶层化”的特征，他们想要结交的同辈未必局限于与其家庭背景相似的个体。因此，家庭社会经济地位较高的大学生想要结交的同辈所拥有的数字资本不一定显著更多，前文推导出的假设3-2的前提条件在现实中不一定成立。表 7 数字资本对大学生社会资本获得效应的学校异质性模型1社会资本模型2社会资本模型3社会资本模型4社会资本性别0.646(0.356)0.640(0.356)0.668(0.356)0.645(0.356)年龄-0.013(0.202)-0.010(0.202)-0.025(0.202)-0.018(0.202)家乡所在地区-0.704(0.431)-0.727(0.431)-0.700(0.430)-0.686(0.431)家庭社会经济地位0.069*(0.012)0.069*(0.012)0.070*(0.012)0.070*(0.012)社交类互联网活动频率0.114*(0.033)0.177*(0.015)0.179*(0.015)0.177*(0.015)工具类互联网活动频率0.050*(0.014)-0.013(0.033)0.052*(0.014)0.051*(0.014)信息类互联网活动频率0.040*(0.010)0.040*(0.010)-0.018(0.024)0.040*(0.010)娱乐类互联网活动频率-0.086*(0.010)-0.085*(0.010)-0.086*(0.010)-0.102*(0.026)高校办学质量-0.115*(0.031)-0.115*(0.030)-0.098*(0.019)-0.066*(0.021)社交类活动频率*高校办学质量0.001*(0.000)工具类活动频率*高校办学质量0.001*(0.000)信息类活动频率*高校办学质量0.001*(0.000)娱乐类活动频率*高校办学质量0.0002(0.0003)年级虚拟变量已控制已控制已控制已控制常数项59.371*(4.382)59.302*(4.361)58.531*(4.132)56.328*(4.177)样本量10 68110 68110 68110 681决定系数0.0480.0480.0480.048而表8中模型3的结果显示，其他因素保持不变时，大学生的家庭社会经济地位越高，其参与信息类互联网活动的频率对社会资本获得的正向影响越大。假设3-2对于信息类互联网活动而言成立。这一方面可能是由于来自不同阶层家庭的大学生对微博、论坛、短视频平台等互联网平台的具体使用方式存在显著差异。家庭社会经济地位较高的大学生可能更多地使用上述互联网平台学习知识、了解时事或接触青年流行文化，这提升了他们的知识储备，增加了他们在同辈社交中的谈资；而家庭社会经济地位较低的大学生可能更多地使用上述互联网平台自我娱乐，这使得参与信息类互联网活动的频率对其社会资本获得并不具备显著的影响（模型3中信息类互联网活动频率变量的主效应并不显著）。另一方面，如果将大学生关于青年流行文化和时事信息的知识视为一种身体化的文化资本，它可能会与家庭经济资本（影响大学生在同辈社交中的消费能力）以及家庭文化资本（影响大学生的知识储备和非认知能力）互补，使得同时具备两类互补资本的大学生在社会资本获得中占据格外的优势。此外，表8中模型4的结果显示，娱乐类互联网活动对大学生社会资本获得的效应不具备显著的家庭阶层异质性。综合表7模型4和表8模型4的结果可以得出结论：无论是就读于何种高校、拥有何种家2023年第3期韩子旭 吴愈晓 数字资本的双重再生产：互联网使用对大学生社会资本的影响及其异质性33 庭背景的大学生，高频率地参与娱乐类互联网活动都会挤占其在现实中进行社会交往的时间，对其社会资本获得产生显著的负面影响。表 8 数字资本对大学生社会资本获得效应的家庭阶层异质性模型1社会资本模型2社会资本模型3社会资本模型4社会资本性别0.423(0.361)0.424(0.361)0.439(0.361)0.424(0.361)年龄-0.120(0.206)-0.120(0.206)-0.123(0.206)-0.119(0.206)家庭所在地区-0.648(0.436)-0.650(0.436)-0.638(0.436)-0.650(0.436)社交类互联网活动频率0.161*(0.031)0.175*(0.015)0.175*(0.015)0.175*(0.015)工具类互联网活动频率0.055*(0.014)0.050(0.031)0.055*(0.014)0.055*(0.014)信息类互联网活动频率0.038*(0.010)0.038*(0.010)-0.008(0.021)0.038*(0.010)娱乐类互联网活动频率-0.090*(0.010)-0.090*(0.010)-0.089*(0.010)-0.088*(0.024)家庭社会经济地位频率0.071(0.038)0.083*(0.038)0.041(0.024)0.092*(0.024)社交类活动频率家庭社会经济地位0.000 3(0.000 6)工具类活动频率家庭社会经济地位0.000 1(0.000 6)信息类活动频率家庭社会经济地位0.001*(0.000)娱乐类活动频率家庭社会经济地位-0.000 04(0.000 43)年级虚拟变量已控制已控制已控制已控制学校虚拟变量已控制已控制已控制已控制常数项52.800*(4.422)52.257*(4.446)54.324*(4.180)51.782*(4.203)样本量10 68110 68110 68110 681决定系数0.0600.0600.0610.060综合表7和表8中的实证结果可知，总体而言，参与各类互联网活动频率的提高对家庭社会经济地位较高、就读于办学质量较高的高校的大学生社会资本获得的正向影响显著更强。家庭社会经济地位较高的大学生可以将数字资本更加有效地转化为自身的社会资本，而且他们往往更容易进入办学质量较高的大学；而在优质的高校中，大学生的数字资本又能够被更好地转化为