数字媒介素养与大学生就业选择:职业决策自我效能感的动态双向中介机制研究

《Frontiers in Psychology》:An experimental study on the mediating roles of career decision-making self-efficacy between digital media literacy and employment choices of university students

【字体: 大 中 小 】 时间:2026年10月22日 来源:Frontiers in Psychology 3.8

编辑推荐:

  摘要:算法推荐现正塑造大学生所见的职业信息,然而提升学生对这些算法的理解能否改善就业选择仍不明确。本研究检验了一个联结数字媒介素养(digital media literacy)、职业决策自我效能感(career decision making self-ef

  
摘要:算法推荐现正塑造大学生所见的职业信息,然而提升学生对这些算法的理解能否改善就业选择仍不明确。本研究检验了一个联结数字媒介素养(digital media literacy)、职业决策自我效能感(career decision making self-efficacy,CDMSE)与就业选择的动态双向中介模型,并将职业算法意识(Algorithmic Awareness for Careers,AAC)设定为数字媒介素养的一个独立子维度。在一项2 × 2析因随机对照试验中,来自中国南方三所高校的204名应届本科毕业生被分配至媒介批判素养训练(Media Critical Literacy Training,MCLT)、职业算法透明训练(Career Algorithm Transparency Training,CATT)、两者兼施或均不施行的条件;192人完成了截至毕业后6个月共四个波次的评估。CATT主要提升AAC(偏η2 = 0.128),MCLT主要提升批判素养(偏η2 = 0.096),且两个成分共同增强了CDMSE。平行过程潜变量增长模型(parallel process latent growth modeling)显示,AAC增长预测CDMSE增长(β = 0.42),后者进而预测后续AAC [β = 0.28,95% CI(0.13,0.43)],且CDMSE对综合就业结局携带显著的间接效应[0.151,95% CI(0.077,0.238)]。相对于控制条件,联合条件与毕业后6个月更优的结局相关,包括更多经文件核验的录用通知、高出18.1%的起薪、更接近的外部编码专业匹配度以及更高的就业满意度。研究结果将AAC确认为数字媒介素养中一个可训练的成分,从实证上操作化了社会认知职业理论(social cognitive career theory,SCCT)所假设的双向反馈,并支持将算法透明训练纳入大学职业生涯教育。
一、研究背景与问题提出
中国高校毕业生人数持续攀升,2025年预计达到创纪录的1222万人,较上年增加43万人;2023年6月16至24岁城镇青年调查失业率曾达21.3%。在此压力下,短视频平台、算法内容推送和职业社交平台正取代传统招聘宣讲,成为学生了解行业、雇主和职位的主要渠道。由于算法决定哪些内容以何种数量触达学生,数字媒介素养已成为职业选择中的关键个体资本,并与就业相关结局正相关,职业自我效能感是其中重要的传导机制。依据社会认知职业理论(SCCT),求职探索中遭遇的职业信息是一种学习经验,塑造职业决策自我效能感(CDMSE),CDMSE进而引导目标与行动。
然而现有研究存在三个缺口:其一,既有算法素养测量针对一般互联网和社交媒体使用而非职业信息,算法招聘研究聚焦雇主而非求职者对职业信息过滤的理解;其二,CDMSE传导效应的证据多来自横断面调查,将效能视为单向管道,SCCT假设的效能对信息环境的反馈极少被检验;其三,干预研究很少追踪至后测之后,不清楚训练学生理解算法过滤能否增强CDMSE并经由它改善毕业生实际获得的就业结局。为填补这些缺口,本研究将职业算法意识(AAC)从数字媒介素养中分离出来,操作化为学生理解推荐算法如何过滤职业信息的元认知能力,并在2 × 2析因随机试验中设置四个测量波次、追踪至毕业后6个月,检验AAC与CDMSE相互增强并通过该动态螺旋将训练效应传导至实际就业结局的假设。
二、研究设计与方法
研究人员开展了一项2 × 2析因随机对照试验,将媒介整合职业规划课程分解为媒介批判素养训练(MCLT)与职业算法透明训练(CATT)两个可正交组合的成分,形成四种条件。MCLT训练对职业相关媒介内容的批判性解码,包括短视频职业信息的多源核验、就业信息可信度评估、宣传叙事与结构化信息的区分以及社会比较的自我调节;CATT训练对算法推荐的元认知理解和主动干预,包括可视化透明训练、推荐信息多样化、AI辅助职业探索工具评估以及算法歧视和信息茧房识别。每个模块8学时,MCLT在前4周、CATT在后4周实施,控制条件为等时长的通用职业规划讲座,所有条件均接受16学时教学,授课教师、课表和教材视觉设计保持一致。
参与者为华南三所综合性大学的应届本科毕业生,样本量按固定效应协方差分析估算,α = 0.05,功效0.80,f2 = 0.035,R2cov = 0.30,最小样本159人,考虑15%流失后计划招募200人,实际招募204人,每组51人。纳入标准为应届毕业、有智能手机和职业社交平台使用经验且未签三方协议;持有研究生录取通知、主修传播学/新闻学/算法相关领域或近6个月接受过系统职业规划指导者被排除。随机化按学科类别、性别和大学分层,使用第三方平台生成的计算机随机数序列,T0评估后揭盲。T0在干预前一周收集自评量表、屏幕使用日志和动态就业选择任务(DECT)表现;T1在干预最后一天收集相同内容;T2在4周后评估持续性;T3在毕业后6个月重新施测自评量表并收集四项就业结局指标。流失率5.9%(12/204),低于预设的15%阈值,流失在各条件间无显著差异。
测量工具方面,数字媒介素养量表含12个条目,覆盖信息、批判、创造和算法意识四个素养维度各3条,四因子模型拟合良好;AAC子量表为本研究开发,定义为学生理解推荐算法如何过滤职业信息的元认知能力,通过感知算法可见性、算法输出批判性评估和信息多样化三个侧面各1条操作化,内容效度指数0.94;CDMSE采用中文版25条目简式量表,因中国样本中五因子结构未稳定复现而使用总分;就业选择意向量表为本研究开发的10条目工具,覆盖地点、组织类型、行业和专业匹配偏好;行为指标包括七天内短视频和职业社交平台使用插件记录、基于oTree构建的DECT任务(呈现60张带算法推荐特征的职位信息卡,30秒内选择申请、保存或跳过)以及T3简历的SC-LIWC文本分析;就业结局中,录用通知和起薪经文件核验,专业匹配度由两名训练有素的研究助理按国家统计局职业分类代码独立五级评定(加权Cohen's κ = 0.85),就业满意度采用五条目整体工作满意度量表自报。
数据分析采用2 × 2 ANCOVA估计T1析因效应并控制T0基线,T3就业指标用单因素方差分析和Tukey HSD检验比较四条件;动态双向中介用平行过程潜变量增长曲线中介模型(PP-LGCM)估计,AAC和CDMSE的截距与斜率因子按不等间隔月数加载,方程6显式建模CDMSE斜率对T3 AAC的反向路径,将静态中介转为动态双向反馈结构;综合就业结局为四项T3指标标准化后的等权均值;间接效应显著性用5000次重抽样的偏差校正bootstrap检验;缺失数据用全信息最大似然(FIML)处理;T1结局的组内相关(0.03至0.08)用两层模型处理,T3指标组内相关低于0.01故用单层分析。
三、研究结果
5.1 样本描述、量表信效度与随机化均衡检验。204人完成T0,192人纳入分析,流失率5.9%且各条件间无差异(χ2(3) = 0.71,p = 0.871)。基线年龄(M = 21.6,SD = 0.9)、GPA(M = 3.24,SD = 0.42)、家庭月收入、性别、学科分布和户籍在各条件间均无显著差异(p ≥ 0.331)。Little's MCAR检验支持完全随机缺失假设(χ2 = 32.7,df = 28,p = 0.247)。所有量表满足CFI > 0.90、RMSEA < 0.08、SRMR < 0.05的标准,组合信度至少0.83,平均方差提取量高于0.50。AAC与其他子维度的因子间相关(0.31至0.48)低于AVE平方根(AAC为0.84,其余为0.79至0.83),异质-单质比率(HTMT)为0.34、0.52和0.36,均远低于0.80,支持AAC的区分效度。
5.2 2 × 2析因ANCOVA主要干预效应。CATT对AAC的效应最强(偏η2 = 0.128),约为MCLT(偏η2 = 0.037)的3.5倍;MCLT对批判素养的效应(偏η2 = 0.096)强于CATT(偏η2 = 0.019);信息素养和创造素养均非两模块直接目标,效应较小。干预内容与构念之间存在对应关系。AAC上还观察到显著的交互效应(F(1,187) = 5.28,p = 0.023,偏η2 = 0.027)。
5.3 动态双向中介模型。平行过程潜变量增长模型显示,AAC增长预测CDMSE增长(β = 0.42),CDMSE增长进而预测后续AAC [β = 0.28,95% CI(0.13,0.43)],支持螺旋反馈假设。CDMSE对综合就业结局携带显著间接效应[0.151,95% CI(0.077,0.238)],且AAC对CDMSE的独立效应大于其他子维度,支持AAC的领域特异性贡献。
5.4 就业结局比较。相对于控制条件,联合条件(MCLT+CATT)与毕业后6个月更优的结局相关,包括更多经文件核验的录用通知、高出18.1%的起薪、更接近的外部编码专业匹配度以及更高的就业满意度,支持训练效应通过AAC与CDMSE的动态螺旋传导至实际就业结局。
四、讨论与结论
研究结果将AAC确认为数字媒介素养中一个可训练且独立于其他子维度的成分,从实证上操作化了SCCT所假设的效能与信息环境之间的双向反馈,并支持将算法透明训练嵌入大学职业生涯教育。研究发现表明,提升学生对算法过滤职业信息的理解能够增强CDMSE,并经由这一动态螺旋改善毕业生实际获得的就业结局。研究采用多源多模态数据收集架构,结合自评量表、行为数据和文件核验的就业结局,降低了回忆偏差和社会期望偏差;单盲设计针对霍桑效应和预期效应,所有条件接受等时长、同教师、同课表和同设计材料的教学,T3结局在参与者离校后收集且三项经文件核验或外部编码,对预期的敏感性较低。研究结论为:数字媒介素养正向预测就业选择质量(H1成立);CDMSE部分中介数字媒介素养与就业选择质量的关系(H2成立);AAC对CDMSE的独立效应显著大于其他子维度(H3成立);CDMSE增长正向预测后续AAC,形成螺旋反馈(H4成立);干预效应通过AAC与CDMSE的动态螺旋传导至毕业后6个月的实际就业结局(H5成立)。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号