哲学驿站分享 http://blog.sciencenet.cn/u/老李 一个行走者的思想历程

博文

提升我国西部地区公民科学素质的路径探索 精选

已有 8243 次阅读 2022-5-29 14:28 |系统分类:人文社科

OIP-C (78).jpg

提升我国西部地区公民科学素质的路径探索

谷昭逸,李侠

(上海交通大学 科学史与科学文化研究院,上海200240)

摘要:公民具有科学素质比例是国家综合软实力的体现之一,截止于2020年我国公民具有科学素质的比例仅为10.56%,与世界发达国家相比尚存在不小差距,即便在国内,东西部地区间的公民科学素质也存在较大的差距,且差距在不断增大。通过多元回归的方法找出了影响公民具有科学素质的两大因素:分别是公民的受教育年限和当年参观科普场馆的人次。基于上述结论,为加快提升全民科学素质,并尽快缩小东、西部地区的差异,围绕上述两点做工作才是治标之策。

关键词:公民科学素质、科普场所建设、高中教育;

中图分类号: G24     文献标识码:A

 

基金项目:本研究得到国家社科基金(项目编号:18BZX037)资助,特此致谢。

作者简介:谷昭逸(1999-),男,上海市人,硕士研究生,研究方向:科技政策与科学社会学;(通信作者)李侠(1967-),男,辽宁辽阳人,教授、博士生导师,研究方向:科技政策、科学社会学与科学哲学。


0 引言

据中国科协2021年初公布的《第十一次中国公民科学素养抽样调查》显示,截止于2020年我国公民具备科学素质的比例达到了10.56%,圆满完成《全民科学素质行动规划纲要(2016-2020)》中所要求10%的考核指标,但该抽样调查也暴露出东、西部的公民科学素养存在较大的差距:东部地区公民具有科学素质的比例为13.27%,而西部地区该数据仅为8.44%。根据《全民科学素质行动规划纲要(2021-2035)》的远景目标要求,该指标在2025年和2035年分别达到15%和25%,从往年增速来看,在确保东部地区增速稳定的同时,更紧要的是要加快西部地区的增速,否则拖后腿现象将阻碍整体目标的实现。公民科学素质的提升离不开科普工作的润物无声,相较于我国,西方发达国家对科普重要性的认识比我们要早也更深刻,早在1985年时,英国皇家学会发表的《公众理解科学》一文中,就强调了“公众对科学理解得越多,就越会与专家的意见趋于一致,就会越支持科学” [1]。本文尝试利用多元回归的统计学模型,找出影响公民科学素质的具体要素,并在此基础上提出相关的改革建议。

1 模型建立和数据选取

1.1模型构建

已有的研究证明,影响各省市公民科学素质的因素分别是公民的受教育程度和该省的科普工作。为计算影响公民具有科学素质的具体因素,建立以下多元回归模型:

Y=β01 X12 X23 X34 X45 X56 X6   (1)

其中,Xi(i=1,2…6)为选取的影响各省市公民科学素质的具体指标,βi为相应的系数,i=1,2…6,

ε~N0,θ2

表示随机误差。

1.2 指标选取及解释

根据所构建的多元回归模型,本文将选取各省市公民具有科学素质比例Y作为因变量,以各省平均受教育年限为X1,各省每万人中专职科普工作者人数为X2,各省每万人中兼职科普工作者人数为X3,各省科普拨款占该省GDP百分比为X4,各省每万人中当年参观大型科普类场馆的人次为X5,各省人均科普经费为X6

选取以上变量的原因如下:

衡量一个地区公民受教育程度最直观的指标就是该地区公民的平均受教育年限,因此选择其为解释变量X1

科普工作者是科普活动的主体,可根据工作时长和职业性质划分为专职科普工作者和兼职科普工作者。专职科普工作者是指从事科普工作时间占其工作时间60%及以上的人员,他们的构成主要来自各级国家机关和社会团体的科普管理工作者或科研院所中专业的科普研究和创作人员等。兼职科普人员则是指工作时长不能达到专职科普人员的标准,其来源主要为中小学兼职科普辅导员或志愿者[2]。因此,专职科普工作者无论从专业性上还是工作时长上看都是科普事业的核心力量,因此将其作为解释变量X2。目前,兼职科普工作者人数占总科普工作者人数的86.62%,是科普工作的重要补充,因此将其作为解释变量X3

任何科普工作的开展都离不开资金的支持。目前我国针对科普事业的投入绝大部分都来自于政府的直接拨款,企业捐赠数量较少。因此,各省在经济层面对科普工作的扶持力度可以通过科普拨款占该省市GDP总值的比例来反映得到,因此选择其为解释变量X4

大型科普场馆的界定范围是科技馆和科普类博物馆,上述两类场所是作为传播科学的主阵地,是广大人民群众走近科学,感受科学魅力的主要载体。当年客流量大小可以直观反映出大型科普场所传播科学知识的范围和能力,因此选择其为解释变量X5

科普事业同样需要不断地变革和创新,而创新则需要一定的科普经费去支持,新型的科普方式将会增加科学知识传播的效率,因此选择其为解释变量X6

1.3 数据来源及说明:

   本文中所用的数据都来自于官方公开发布的权威数据。其中被解释变量Y(各省市公民具有科普素质的比例)的数据来自于中国科协发布《第十一次中国公民科学素养抽样调查》的相关内容和各省市科协公布的官方数据,其中山西、江西、西藏这三个省的数据无法从官方渠道得到,故作删去处理,保留余下28个省市自治区的数据。解释变量X1来自于国家统计局第七次人口普查结果。解释变量X2、X3、X4、X5、X6,则选取于《中国科普统计(2020年版)》中2019年的相关数据(见表1)。

表1      各项统计参数汇总

省份

Y各省市公民具有科学素质比例(%)

X1平均受教育年限(年)

X2每万人中专职科普人员人数(人)

X3每万人中兼职科普人员人数(人)

X4科普拨款占该省年GDP百分比(%)

X5各省当年参观大型科普类场馆人次(人次)

X6人均科普经费(元)

北京

24.07

12.64

3.89

26.44

0.0782

11066.09

21.46

天津

16.58

11.29

2.41

19.91

0.0221

5373.98

3.50

河北

10.05

9.84

2.27

10.29

0.0107

756.79

1.49

内蒙古

8.73

10.08

2.66

13.52

0.0010

2314.09

4.18

辽宁

10.41

10.34

2.01

10.73

0.0087

1547.744

1.79

吉林

8.47

10.17

2.78

6.58

0.0206

1752.21

3.42

黑龙江

9.04

9.93

1.25

7.70

0.0099

1676.25

1.61

上海

24.30

11.81

3.16

20.37

0.0470

9831.88

18.79

江苏

13.84

10.21

1.18

12.70

0.0096

1488.45

5.49

浙江

13.53

9.79

1.77

24.97

0.0199

2216.52

6.74

安徽

10.8

9.35

1.68

8.7310

0.0103

793.23

2.62

福建

11.51

9.66

1.02

14.48

0.0152

2748.11

5.29

山东

11.47

9.75

1.16

5.95

0.0105

717.71

1.25

河南

10.17

9.79

1.58

8.70

0.0226

615.58

2.19

湖北

10.95

10.02

2.12

14.11

0.0228

1298.43

4.91

湖南

10.14

9.88

1.85

9.43

0.0126

1570.91

2.54

广东

12.79

10.38

0.80

5.59

0.0097

1327.42

3.96

广西

7.70

9.54

1.17

10.64

0.0175

2714.03

2.65

海南

7.50

10.1

1.57

7.17

0.0242

2484.21

5.13

重庆

10.20

9.8

1.72

11.65

0.0202

3180.74

5.44

四川

9.00

9.24

1.69

11.82

0.0164

1216.16

4.61

贵州

7.22

8.75

1.40

10.43

0.0290

630.48

3.49

云南

7.34

8.82

2.79

15.88

0.0273

2022.65

4.60

陕西

10.13

10.26

2.40

15.22

0.0169

695.34

5.47

甘肃

7.14

9.13

4.23

15.75

0.0338

2033.17

3.37

青海

5.95

8.85

1.83

24.17

0.0705

2415.22

11.01

宁夏

7.72

9.81

2.70

18.26

0.0374

4006.35

8.35

新疆

7.60

10.11

2.97

11.46

0.0180

1105.18

4.73

数据来源:《中国科普统计(2020年版)》、各省市科协官方新闻、第七次全国人口普查公报

2 实证分析

2.1  参数估计

本文采用Eviews9.0统计软件作为实证分析工具,将上述的解释变量数据代入模型(1)中进行数据处理,用OLS(最小二乘法)估计参数,可得到以下回归结果(见表2、表3),:

                     

Y=2.871854X1-0.921877X2+0.114393X3-70.61387X4+0.000513X5+0.301190X6-18.66058

      (2)

 

表2      初步回归计算结果

X1

X2

X3

X4

X5

X6

C

系数

2.871854

-0.921877

0.114383

-70.61387

0.000513

0.301190

-18.66058

标准差

0.868362

0.551813

0.105402

45.82631

0.000419

0.232573

8.447106

t

3.307208

-1.670632

1.085204

-1.540902

1.222877

1.295038

-2.209109

P

0.003400

0.109600

0.290100

0.138300

0.234900

0.209400

0.038400

 

表3       初步回归计算参数

拟合优度

调整拟合优度

回归标准差

残差平方和

F-统计量

F检验显著性水平

0.8481

0.8047

1.9646

81.0498

19.5420

0.0000

2.2 拟合优度检验和F检验

根据表2、3中的回归结果可以得到以下结论:鉴于回归方程的R2(拟合优度)和―R2(调整拟合优度)分别为0.84810.8047,该方程的拟合情况较好。进一步对其进行F检验,首先提出原假设H0:β123456=0备择假设H1:β1β2β3β4β5β6≠0,通过查阅F检测表,在给定显著水平α=0.1,自由度k-1=5和n-k=22的临界值F(6,22)=2.06,而回归后得出F=19.54≥[F(6,22)=2.06],故拒绝原假设H0,接受备择假设H1,即表明各回归系数βi0,选取的解释变量都会对被解释变量产生显著影响[3]。但观察各个解释变量的t统计量值和对应p值时可以发现,在90%的置信区间内,只有X1、C的系数显著,剩余的解释变量经检验系数不显著,因此说明各个解释变量间存在多重共线性,需要进一步修改、改进回归方程[4]

2.3 多重共线性检验及改正

如上所述,鉴于选取的解释变量中有X2、X3、X4、X5、X6这五个解释变量在90%的置信区间下不显著,因此考虑到各个变量间可能存在着较强的线性关系。多重共线性会对回归结果的准确度产生较大的影响,具体体现在多重共线性会导致难以准确得出回归系数,以至于无法得到最优的回归方程。通常解决多重共线性可以采用向前引入法、向后剔除法和逐步回归法三种方式来保留对被解释变量有显著影响的解释变量,剔除作用不显著的解释变量。笔者在本文中选择使用逐步回归法来优化回归方程,在使用逐步回归法对解释变量进行抉择后,可得到以下方程(3),如下所示(见表4、表5):

 Y=3.216164X1+0.000593X5-22.6914    (3)

 

表4           计算结果

X1

X5

C

系数

3.216164

0.000593

-22.6914

标准差

0.768022

0.000257

7.1858

t

4.187594

2.304999

-3.1578

P

0.000300

0.029700

0.0041

 

表5      回归计算参数

拟合优度

调整拟合优度

回归标准差

残差平方和

F-统计量

F检验显著性水平

0.7939

0.7774

2.0972

109.9526

48.16078

0.0000

方程(3)是对原始回归方程进行逐步回归后的结果。可以看出在方程(3)中,解释变量X1(人均受教育年限)、X5(当年参观大型科普类场馆人次)对被解释变量Y(公民具有科学素质的比例)影响显著,X1、X5系数的p值分别为0.0003和0.0297,在95%的置信区间下显著。

在逐步回归的过程中,其余被解释变量无论采用何种排列组合方式,都无法使得对应回归方程内所有的解释变量的系数在95%的置信区间中显著。同时,方程(3)拟合优度和调整拟合优度都较高。因此,方程(3)是最优的回归方程。

2.4 回归模型预测结果检验:

在得到方程(3)后,需要进一步将通过方程(3)得到的预测值与真实值进行对比,来检验其预测情况,得到下表6、图1、图2:

表6       预测模型结果对比

省份

实际值

预测值

误差绝对值

误差率绝对值

北京

24.0700

24.5285

0.4585

0.0190

天津

16.5800

16.8085

0.2285

0.0138

河北

10.0500

9.4048

0.6452

0.0642

内蒙古

8.7300

11.1009

2.3709

0.2716

辽宁

10.4100

11.4823

1.0723

0.1030

吉林

8.4700

11.0569

2.5869

0.3054

黑龙江

9.0400

10.2399

1.1999

0.1327

上海

24.300

21.1265

3.1734

0.1306

江苏

13.8400

11.0290

2.8110

0.2031

浙江

13.5300

10.1103

3.4197

0.2527

安徽

10.8000

7.8505

2.9495

0.2731

福建

11.5100

10.0077

1.5023

0.1305

山东

11.4700

9.0922

2.3778

0.2073

河南

10.1700

9.1602

1.0098

0.0993

湖北

10.9500

10.3052

0.6448

0.0589

湖南

10.1400

10.0166

0.1234

0.0122

广东

12.7900

11.4802

1.3098

0.1024

广西

7.700

9.6015

1.9015

0.2470

海南

7.500

11.2662

3.7662

0.5022

重庆

10.200

10.7147

0.5147

0.0505

四川

9.0000

7.7477

1.2523

0.1391

贵州

7.2200

5.8242

1.3958

0.1933

云南

7.3400

6.8756

0.4644

0.0633

陕西

10.1300

10.7191

0.5891

0.0582

甘肃

7.1400

7.8788

0.7388

0.1035

青海

5.9500

7.2050

1.2550

0.2109

宁夏

7.7200

11.2369

3.5169

0.4556

新疆

7.6000

10.4799

2.8799

0.3789

 

image.png

图1 各省公民具有科学素质比例实际值与预测值的残差序列值

image.png

图2 各省公民具有科学素质比例实际值与预测值对比

通过对表6、图1、图2的观察可以看出,方程(3)得到预测值和实际真实值比较接近,误差绝对值较小,且误差率普遍小于15%。图2中点线代表实际值,虚线代表预测值,通过图2中拟合曲线和实际曲线的直观表现,可以发现两条曲线较为接近,拟合程度也是较高的。由此,确定当以人均受教育年限和参观大型科普场馆人次为解释变量,该解释变量可以很好揭示公民科学素质的变化,同时也为提高公民科学素质提供了解决路径与方向。

3 对策及建议

根据上面得到的回归结果,公民平均受教育年限、大型科普类场馆年均参观人次都对各省公民科学素质具有高度正相关性。这就意味着,要想提高我国西部地区公民科学素质的得分,缩小与东部地区的差距,就必须稳步提升当地民众的受教育年限,这是提高当地公众科学素养的最基本策略,并同时加大对科技馆、科普场馆等大型科普类场馆的软硬设施投入。

3.1、进一步加强并完善高中教育体系

目前我国15岁及以上人口的平均受教育年限为9.91年,这佐证了自1978年至今,我国在全面普及九年制义务教育事业上取得了重大胜利[5]。但与世界发达国家进行横向比较时发现,我国在提高公众平均受教育年限这个问题上依旧任重道远,根据联合国开发计划署公布的2020年世界各国平均受教育年限,世界发达国家如德国、加拿大、美国、日本等,它们国家的平均受教育年限分别为14.2年、13.4年、13.2年、12.9年[6]。相较于我国目前的9.91年,可以看出差距范围在3-4年之间,这3-4年的差距正是高中教育的时间段。假设将目前我国年均受教育年限的9.91年加上与发达国家相差的3年,根据上文得出的回归方程,我国公民具有科学素质的比例将会提升9.6%,达到20.50%左右,这个数据接近世界上主要发达国家的水平。

高中生的年龄大致在15-18岁,精力旺盛、学习能力强,此时增加三年的学习不仅可以提高个体的认知能力,是一个人开始走向社会的关键阶段[7],也能够极大地提高当地的公众科学素养,是实现2035远景目标规划的重要举措。

于璇[8]在分析我国目前中西部贫困地区普通高中存在困境时也明确指出,由于目前高中教育并不纳入义务教育的范畴,中西部贫困地区政府因自身经费短缺出现了高中教育投入“学段倒挂”、经费不足的现象,而为了满足地域内广大的入学需求,部分普通高中不得不采取举债的办学形式,从而办学成本会不断升高,当高中教育的学费占贫困家庭年收入偏高时,便会导致适龄学生退出高中教育。

针对中西部贫困地区高中教育的困境,则需要政府加大对高中的投入,并建立透明有效的监管机制,确保每一项拨款都落到实处。同时,与东部发达地区的高中建立“姊妹”学校关系,通过网络、AR、云课堂等现代化手段,在一定程度上共享教育资源和师资力量。

3.2、加快建设高吸引力的大型科普类场馆

每年参观大型科普类场馆的人次也是提升公民科学素质的一个重要因素。大型科普类场馆主要包括了科学技术类博物馆和科技馆两类大型综合性场馆,它们起着普及科学技术知识、传播科学思想、弘扬科学精神的作用,是进行公益性科学普及,提高全民科学素质的重要阵地[9]。目前,我国大型科普类场馆存在东西部分布不均匀的情况,截止于2019年末我国东部地区11个省共有255个科技馆,而中部和西部地区合计有278个科技馆。至于科学技术类博物馆,东部地区所占全国科学技术类博物馆总数的52.86%,西部与中部地区各占余下的29.56%和17.58%。由此可见,大型科普类场馆呈现了集中在东部,零散在中西部的态势,具有明显不均衡性。

为加快西部地区公民科学素质的提升,需要在西部地区加快建设大型科普场馆。根据2019年的数据显示,目前我国东部地区和西部地区科普场馆基建支出占年度科普经费筹集额总数的比例分别为20.65%33.03%,表明国家已经逐步认识到在科学素质薄弱地区建设科普设施的重要性。

中、西部地区科普场馆的建设要充分考虑当地居民的爱好并结合当地特色,深挖当地独一无二的科普素材,切勿盲目照搬过往的成功案例。科技场馆的建设不仅为当地公众科学素养的提高提供了具有可持续性的平台,更应该成为当地的文化地标,并带动相关产业的发展。更为重要的是大型科普场馆的建设与投入能进一步完善当地科普行业的生态圈,如科普工作岗位的增加,科普工作者规模的扩大,这些上下游的变革会为日常的科普工作注入新的活力[10]

  参考文献:

[1]尚智丛,丁昱方,闫禹宏.国外典型科普奖励的特点及其启示[J].今日科苑,2021(02):34-43.

[2]中华人民共和国科学技术部.中国科普统计[M].北京:科学技术文献出版社.2019.

[3]游士兵,严研.逐步回归分析法及其应用[J].统计与决策,2017(14):31-35.DOI:10.13546/j.cnki.tjyjc.2017.14.007.

[4]冯朝军.基于多元回归分析的我国CPI影响因素识别[J].统计与决策,2017(24):125-127.DOI:10.13546/j.cnki.tjyjc.2017.24.031.

[5]彭泽平,姚琳,黄娥.新中国义务教育普及与发展:历程与经验[J].西南大学学报(社会科学版),2016,42(05):74-83.DOI:10.13718/j.cnki.xdsk.2016.05.010.

[6联合国开发计划署数据库,http://hdr.undp.org/en/data。

[7]程丹丹,葛新斌.关于高中教育定位问题的若干省思[J].清华大学教育研究,2019,40(03):97-103.DOI:10.14138/j.1001-4519.2019.03.009707.

[8]于璇.我国中西部贫困地区普通高中教育经费投入:成就、问题及对策[J].教育学报,2019,15(03):94-103.

[9]王靖武,冯玉雪.科普场馆相关文献综述与展望[J].科技与创新,2021(15):120-121.DOI:10.15913/j.cnki.kjycx.2021.15.054.

[10]张彩欣.科普场馆在天津市全域科普工作中的地位和作用[J].天津科技,2021,48(06):9-13.DOI:10.14099/j.cnki.tjkj.2021.06.003.

R-C (13).png

【博主跋】我们小组的这篇小文章完成于去年年底,现发在《科学与管理》2022(2)期上,小谷同学的数据分析技术不错,这篇文章通过数据分析我们得到两个言简意赅的结论:公民平均受教育年限、大型科普类场馆年均参观人次。这两个指标对各省公民科学素质具有高度正相关性。所以相应的解决方案也就顺理成章呈现出来了。谢谢保宁博士。另外,很多公式无法贴过来,只能打字打上去,很多符号不好处理,如调整拟合优度就无法弄只能用-R2来表示。

说明:文中图片来自网络,没有任何商业目的,仅供欣赏,特此致谢。

2022年5月29日于南方临屏涂鸦,小区封闭第80天留念。



https://m.sciencenet.cn/blog-829-1340700.html

上一篇:以加强基础研究为信号的中国科技转轨之路
下一篇:哈德威克和他的认知依赖性

9 史晓雷 刘立 许培扬 周忠浩 胡泽春 焦飞 段含明 王涛 郑永军

发表评论 评论 (8 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-13 21:11

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部