[摘" "要] 公眾科學(xué)態(tài)度是科普領(lǐng)域的重要議題。本文以心理學(xué)假設(shè)為基礎(chǔ)編制公眾科學(xué)態(tài)度的量表，并用Rasch模型對(duì)量表進(jìn)行單維性檢驗(yàn)、局部獨(dú)立性檢驗(yàn)、結(jié)構(gòu)分析、試題項(xiàng)目及被試擬合分析、評(píng)定尺度分析。經(jīng)檢驗(yàn)，本文量表可測(cè)量公眾科學(xué)態(tài)度，并用于其他延伸性研究。此外，Rasch模型還可作為微觀科普效果評(píng)估方法的補(bǔ)充。

[關(guān)鍵詞] Rasch模型" "公眾科學(xué)態(tài)度" "科普效果評(píng)估

[中圖分類(lèi)號(hào)]" N4 [文獻(xiàn)標(biāo)識(shí)碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2024.05.007

缺失模型（Deficit Model）認(rèn)為公眾因“無(wú)知”而致“猜忌”。但缺失模型作為一種線性單向性模型備受批判，學(xué)界轉(zhuǎn)而關(guān)注以公眾科學(xué)態(tài)度為重點(diǎn)的公眾理解科學(xué)，乃至公眾參與科學(xué)。從科普實(shí)踐工作與科普研究層面上而言，公眾科學(xué)態(tài)度仍極具討論價(jià)值。實(shí)踐表明，公眾科學(xué)態(tài)度影響著科研資助、科技成果轉(zhuǎn)化等一系列問(wèn)題。在理論研究方面，公眾參與科學(xué)本身夾雜著科學(xué)性與民主性的協(xié)商。科學(xué)技術(shù)革命日新月異，而我國(guó)公眾科學(xué)素質(zhì)仍處在較低水平。就現(xiàn)實(shí)而言，“誰(shuí)參與”“為何參與”“如何參與”等問(wèn)題仍處于深刻探討之中。因此，公眾科學(xué)態(tài)度是當(dāng)前實(shí)踐工作與理論研究的重要議題。

盡管公眾科學(xué)態(tài)度整體偏向積極，但近年來(lái)爭(zhēng)議性科學(xué)議題逐漸浮現(xiàn)，公眾對(duì)科學(xué)呈現(xiàn)出期待與恐懼交織的態(tài)度，使得相關(guān)研究呈現(xiàn)出緊迫性。但當(dāng)前對(duì)“公眾科學(xué)態(tài)度”這一變量的測(cè)量尚存爭(zhēng)議，需先厘清變量，方可在此基礎(chǔ)上進(jìn)行深入研究。

從評(píng)估工具來(lái)看，社會(huì)科學(xué)領(lǐng)域內(nèi)常見(jiàn)將李克特量表（Likert scale）的定序數(shù)據(jù)作為定距數(shù)據(jù)進(jìn)行推論統(tǒng)計(jì)的錯(cuò)誤，予非線性數(shù)據(jù)以線性特征。因而，本文將運(yùn)用Rasch模型轉(zhuǎn)化數(shù)據(jù)類(lèi)型，以減少變量測(cè)量誤差。

1公眾科學(xué)態(tài)度的緣起與測(cè)量

1.1公眾面對(duì)的科學(xué)

科學(xué)是近代的產(chǎn)物，19世紀(jì)前，科學(xué)以依附于宗教、自然哲學(xué)的形式存在。盡管科學(xué)劃界問(wèn)題經(jīng)歷了可確證、可證偽乃至解構(gòu)的變遷，但科學(xué)作為知識(shí)機(jī)器以其“鐵律”[1]廣泛影響著社會(huì)。從狹義上而言，科學(xué)指系統(tǒng)化的自然科學(xué)。

現(xiàn)代自然科學(xué)的發(fā)展日新月異，在極大程度上改善了公眾生活水平，但隨之而來(lái)的生態(tài)、倫理等外在問(wèn)題日漸凸顯，“勾勒姆”（Golem）、 “李森科主義”（ Lysenkoism）等內(nèi)在問(wèn)題發(fā)人深省?？茖W(xué)被賦予的確定性逐漸消弭，取而代之的是不確定性。媒體環(huán)境更迭，媒體生產(chǎn)邏輯與科學(xué)知識(shí)生產(chǎn)規(guī)范的背離觸發(fā)了媒介化風(fēng)險(xiǎn)，成為科學(xué)不確定性的放大器[2]。而公眾科學(xué)態(tài)度呈現(xiàn)搖擺的傾向，尤其體現(xiàn)在對(duì)爭(zhēng)議性科學(xué)議題的態(tài)度上，涉及科學(xué)知識(shí)、科學(xué)建制、科學(xué)共同體、科學(xué)的社會(huì)影響等方方面面。

1.2公眾科學(xué)態(tài)度的心理構(gòu)成

19世紀(jì)60年代，赫伯特·斯賓塞（Herbert Spencer）和亞歷山大·培因（Alexander Bain）將態(tài)度引入心理學(xué)領(lǐng)域用以指稱行動(dòng)準(zhǔn)備的內(nèi)心階段[3]。詹姆斯·M.奧爾森（James M. Olson）和馬克·P.贊納（ Mark P. Zanna）認(rèn)為態(tài)度由認(rèn)知（cognition）、感覺(jué)（affect）、行為傾向（behavior tendency）三種成分構(gòu)成[4]。而“公眾科學(xué)態(tài)度”這一概念還未形成得到普遍認(rèn)可的定義。目前國(guó)內(nèi)外學(xué)界主要從細(xì)分對(duì)象著手構(gòu)建變量指標(biāo)體系，相關(guān)研究主要聚焦在以下三個(gè)方面。

其一，公眾對(duì)科學(xué)態(tài)度的評(píng)估。國(guó)內(nèi)代表性評(píng)估如中國(guó)公民科學(xué)素質(zhì)調(diào)查將公民科學(xué)態(tài)度分為三個(gè)維度：公民對(duì)科技的感興趣程度、公民對(duì)科技的態(tài)度與看法、公民對(duì)科學(xué)家的認(rèn)知看法[4]。此外，中國(guó)科學(xué)技術(shù)指標(biāo)中將公民對(duì)科學(xué)技術(shù)的態(tài)度降維為公民對(duì)科學(xué)技術(shù)信息的感興趣程度、公民對(duì)科學(xué)技術(shù)的看法、公民對(duì)公共科技議題的看法三個(gè)二級(jí)指標(biāo)[5]。

國(guó)外的代表性調(diào)查有歐洲晴雨表（Eurobarometer）、美國(guó)科學(xué)指標(biāo)（Science Indicators）[6]、美國(guó)國(guó)家科學(xué)基金（National Science Foundation，NSF）調(diào)查[7-8]、米勒（J·D. Miller）公眾科學(xué)素養(yǎng)測(cè)量[9]、美國(guó)民意調(diào)查等。如歐洲晴雨表認(rèn)為公眾科學(xué)態(tài)度包含公眾對(duì)科學(xué)、科學(xué)的社會(huì)影響、科學(xué)共同體、科技政策等方面的興趣、認(rèn)知與評(píng)價(jià)[10-11]。美國(guó)民意調(diào)查則將科學(xué)家的職業(yè)威望程度、公眾信任科學(xué)家的程度、公眾對(duì)科學(xué)的利弊感知、公眾對(duì)科學(xué)發(fā)展的認(rèn)知等多方面納入變量范疇[12]。

其二，公眾對(duì)爭(zhēng)議性科學(xué)技術(shù)的態(tài)度。如公眾對(duì)轉(zhuǎn)基因[13]、5G技術(shù)[14]、核能[15]等技術(shù)的態(tài)度。

其三，影響公眾對(duì)科學(xué)的態(tài)度的因素。如科學(xué)知識(shí)[12，16-17]、大眾媒體[18]、社會(huì)結(jié)構(gòu)因素、社會(huì)文化觀念[19]等因素對(duì)公眾態(tài)度的影響。這兩類(lèi)研究建立在對(duì)“公眾對(duì)科學(xué)的態(tài)度”這一變量的測(cè)量上，但由于概念界定不清、指標(biāo)體系不明確、試題項(xiàng)目數(shù)量少等問(wèn)題，測(cè)量準(zhǔn)確性不及代表性調(diào)查。

公眾科學(xué)態(tài)度的指標(biāo)體系是變量測(cè)量與延伸性研究的基礎(chǔ)所在。盡管各量表所涉指標(biāo)不盡相同，但基本上圍繞科學(xué)、科學(xué)共同體、科技政策、科技應(yīng)用、科學(xué)的社會(huì)影響等方面展開(kāi)。當(dāng)前研究的指標(biāo)體系較少?gòu)男睦韺W(xué)范疇出發(fā)，也較少?gòu)膽B(tài)度這一基本單位著手構(gòu)建，因而忽視了態(tài)度層次的多元性。綜上，本文將公眾科學(xué)態(tài)度定義為公眾基于科學(xué)各方面現(xiàn)狀所形成的一種對(duì)科學(xué)的認(rèn)知取向、情感傾向、行為意向的心理結(jié)構(gòu)。

1.3公眾對(duì)科學(xué)態(tài)度的傾向

測(cè)量公眾科學(xué)態(tài)度時(shí)，既往研究通常將其置于態(tài)度二元論的框架之下，以積極、消極二元表述劃分試題項(xiàng)目?jī)A向。同時(shí)采用李克特量表衡量公眾態(tài)度傾向程度，結(jié)果以百分比例或數(shù)值的形式呈現(xiàn)，且相關(guān)研究尚未劃定閾值以區(qū)分公眾科學(xué)態(tài)度，如美國(guó)科學(xué)指標(biāo)、歐洲晴雨表、中國(guó)公民科學(xué)素質(zhì)調(diào)查等。

除此之外，既往研究所呈現(xiàn)的數(shù)據(jù)形式難以滿足延伸性研究需求，百分比例的結(jié)果無(wú)法實(shí)現(xiàn)試題項(xiàng)目間累加累減的計(jì)算，難以形成對(duì)變量的整體測(cè)量。而定序數(shù)據(jù)并無(wú)數(shù)值意義，不可進(jìn)行累加累減。此外，由于各量表采用的李克特量表尺度不同，相關(guān)結(jié)果難以進(jìn)行縱橫向比較。

因此，本文將基于Rasch模型對(duì)變量數(shù)據(jù)進(jìn)行多次迭代直至收斂以取得較為精確的數(shù)值。經(jīng)過(guò)Rasch模型的轉(zhuǎn)化，變量數(shù)據(jù)由定序數(shù)據(jù)轉(zhuǎn)為定距數(shù)據(jù)，對(duì)變量的整體傾向程度以線性形式呈現(xiàn)。

2研究設(shè)計(jì)

2.1測(cè)量對(duì)象：樣本描述

本文將進(jìn)行預(yù)測(cè)量、正式測(cè)量?jī)奢啘y(cè)量。測(cè)量前將量表指標(biāo)體系進(jìn)行細(xì)化，共計(jì)11個(gè)試題項(xiàng)目。預(yù)測(cè)階段共抽取31人，其中男性17人、女性14人；小學(xué)學(xué)歷3人、初中學(xué)歷16人、高中學(xué)歷6人、大學(xué)學(xué)歷6人；16～35周歲12人、36～60周歲11人、60周歲以上8人。

正式測(cè)量階段采用多階段抽樣，共抽取300人，對(duì)浙江省金華市、河南省駐馬店市、河南省焦作市、新疆維吾爾自治區(qū)喀什市的被測(cè)對(duì)象進(jìn)行調(diào)查，其中每市抽選一個(gè)社區(qū)、一個(gè)村，并以家庭為單位進(jìn)行整群抽樣。測(cè)量對(duì)象為16歲以上的公民，其中男性153人、女性147人；小學(xué)學(xué)歷27人、初中學(xué)歷124人、高中學(xué)歷72人、大學(xué)學(xué)歷77人；16～35周歲113人、36～60周歲150人、60周歲以上37人。

2.2公眾科學(xué)態(tài)度量表編制

本文將公眾科學(xué)態(tài)度這一潛在變量進(jìn)行降維。以心理學(xué)假設(shè)為理論基礎(chǔ)，考察公眾對(duì)科學(xué)的認(rèn)知取向、情感傾向、行為意向三個(gè)層面。首先，認(rèn)知取向不等同于認(rèn)知，認(rèn)知取向指對(duì)某客體贊同與否的評(píng)價(jià)性看法等，而并非公眾對(duì)科學(xué)認(rèn)知的能力，即正確作答科學(xué)試題項(xiàng)目的能力。其次，情緒不等同于情感，兩者作為同一心理現(xiàn)象的不同層次，情感可由情緒表達(dá)，情緒的累積式變化也會(huì)影響情感的轉(zhuǎn)變。此外，行為意向不等同于行為，行為意向是主體付諸某行為的意愿等。根據(jù)心理學(xué)假設(shè)，“態(tài)度—行為”具有一致性傾向，即公眾科學(xué)態(tài)度與公眾對(duì)科學(xué)采取的行為有內(nèi)在一致性。

公眾科學(xué)態(tài)度具體指標(biāo)以公眾科學(xué)素養(yǎng)評(píng)估、公眾調(diào)查等相關(guān)測(cè)量為基礎(chǔ)，如中國(guó)科學(xué)技術(shù)指標(biāo)、歐洲晴雨表、美國(guó)國(guó)家科學(xué)基金、美國(guó)科學(xué)指標(biāo)、美國(guó)民意調(diào)查等。部分調(diào)查將“公眾從事科學(xué)相關(guān)職業(yè)”納入測(cè)量，但這一指標(biāo)具有年齡局限性，從普遍性的角度考量將這一指標(biāo)剔除。而伴隨著風(fēng)險(xiǎn)社會(huì)的顯現(xiàn)，公眾科學(xué)態(tài)度這一變量也需考慮公眾對(duì)科學(xué)社會(huì)性勾連的認(rèn)知[20]。此外，本文將公眾傳播科學(xué)的意向、參與科學(xué)決策的意向[21]、運(yùn)用科學(xué)的意向[22]等行為意向納入指標(biāo)。

綜上，公眾科學(xué)態(tài)度的指標(biāo)體系如表1所示，共包含11項(xiàng)指標(biāo)。本文將以核電技術(shù)為例，測(cè)量時(shí)將指標(biāo)體系進(jìn)一步具象化。

2.3測(cè)量方法：Rasch模型

經(jīng)典測(cè)量理論（Classical Test Theory，CTT）、概化理論（Generalizability Theory，GT）、項(xiàng)目反應(yīng)理論（Item Response Theory，IRT）、Rasch模型是常見(jiàn)的測(cè)量理論。CTT作為早期測(cè)量理論，具有簡(jiǎn)單易操作的特點(diǎn)，是一種中觀測(cè)量理論；GT則改進(jìn)了CTT理論中誤差不可分解的缺陷，注重結(jié)論的概化，屬于宏觀測(cè)量理論；IRT與Rasch模型則均為微觀測(cè)量理論，可對(duì)試題項(xiàng)目、被試水平進(jìn)行細(xì)致分析。盡管同為微觀測(cè)量模型，但I(xiàn)RT與Rasch模型也有著本質(zhì)不同，IRT是一種模型擬合數(shù)據(jù)的理論，而Rasch模型是一種數(shù)據(jù)擬合模型的理論[23-24]。

格奧爾格·拉希（Georg Rasch）于1960年提出Rasch測(cè)量（Rasch Measurement）。其前提假設(shè)為，被試作答試題項(xiàng)目滿足一種數(shù)學(xué)關(guān)系，即被試能力越強(qiáng)，則越可能正確作答較難試題項(xiàng)目；試題項(xiàng)目越難，則被試越難以正確作答。當(dāng)被試能力水平與試題項(xiàng)目難度相當(dāng)時(shí)，被試正確作答該試題項(xiàng)目的概率是50%。當(dāng)被試能力水平高于試題項(xiàng)目水平時(shí)，被試正確作答該試題項(xiàng)目的概率將大于50%，反之則低于50%[25]，且Rasch模型參數(shù)間保持相對(duì)獨(dú)立性，即被試能力水平與試題項(xiàng)目難度互不影響。

Rasch測(cè)量建立在概率論基礎(chǔ)之上，能力為Bn的被試n正確作答難度為Di的試題項(xiàng)目i的概率為P，公式如下：

（1）

已知概率P，Rasch測(cè)量將利用概率P進(jìn)一步假設(shè)可能性（odds）模型，并利用自然對(duì)數(shù)進(jìn)一步優(yōu)化，可得Rasch模型（Rasch Model）公式：

（2）

Rasch模型作為“尺子的尺子”，不僅僅在轉(zhuǎn)化定序數(shù)據(jù)上有良好的表現(xiàn)，對(duì)“測(cè)量”本身的糾正也是Rasch模型最大的優(yōu)勢(shì)。Rasch模型通過(guò)總體統(tǒng)計(jì)值對(duì)量表信度（Reliability）、區(qū)分度（Separation）、試題總體擬合度、被試總體擬合度進(jìn)行評(píng)估，考察數(shù)據(jù)對(duì)模型的整體擬合情況。Rasch模型需滿足單維性假設(shè)，確保量表中所有指標(biāo)均為測(cè)量同一潛在變量；此外，可以通過(guò)試題項(xiàng)目擬合度分析進(jìn)一步檢驗(yàn)試題項(xiàng)目效度；Rasch模型假設(shè)各試題項(xiàng)目之間為相互獨(dú)立，即局部獨(dú)立性；借助懷特圖（Wright map）可考察量表中各試題項(xiàng)目的難度分布情況、被試能力水平分布情況，將過(guò)度重合的試題項(xiàng)目予以修改；Rasch模型需檢驗(yàn)試題項(xiàng)目的選項(xiàng)設(shè)置情況，如若存在多余選項(xiàng)可進(jìn)行選項(xiàng)合并?；诹勘淼亩囗?xiàng)檢驗(yàn)，使得測(cè)量過(guò)程被不斷優(yōu)化，以便獲取相對(duì)精準(zhǔn)的數(shù)據(jù)。

2.4預(yù)測(cè)量表及其分析

預(yù)測(cè)量表共計(jì)11項(xiàng)試題項(xiàng)目，分別對(duì)應(yīng)11項(xiàng)指標(biāo)。本文應(yīng)用量表時(shí)，將以核電技術(shù)為例，采用李克特四級(jí)量表。如“我認(rèn)為核電技術(shù)未來(lái)發(fā)展整體利大于弊”對(duì)應(yīng)指標(biāo)“公眾對(duì)科學(xué)創(chuàng)新發(fā)展的風(fēng)險(xiǎn)與收益感知”，“我愿意主動(dòng)了解核電技術(shù)”對(duì)應(yīng)指標(biāo)“公眾對(duì)科學(xué)的認(rèn)知意愿”，“我尊重、信任核電技術(shù)專家”對(duì)應(yīng)指標(biāo)“公眾對(duì)科學(xué)家身份的認(rèn)同與信任”等。

將預(yù)測(cè)數(shù)據(jù)錄入Winsteps 3.72.3進(jìn)行處理。預(yù)測(cè)階段量表總體統(tǒng)計(jì)值良好，基本滿足單維性假設(shè)，評(píng)定尺度擬合良好。從局部獨(dú)立性假設(shè)來(lái)看，Item6與Item7之間的殘差相關(guān)系數(shù)達(dá)0.61，超出臨界值范圍。從懷特圖中可知，預(yù)測(cè)階段Item8與Item10難度重合。此外，在試題項(xiàng)目擬合方面，Item1的Infit MNSQ、Outfit MNSQ值分別為2.12、2.20，點(diǎn)—測(cè)量相關(guān)系數(shù)為0.38，均落在臨界值之外。被試擬合不良共計(jì)2人，將該數(shù)據(jù)刪除后，重新測(cè)量量表總體統(tǒng)計(jì)值。刪除異常被試后，各部分指標(biāo)數(shù)值有所優(yōu)化，但變化較為微弱，考察綜合情況后對(duì)異常數(shù)據(jù)予以保留。

除部分試題項(xiàng)目外，量表整體表現(xiàn)良好。根據(jù)預(yù)測(cè)階段數(shù)據(jù)，擬對(duì)量表中Item7、Item8進(jìn)行修改。其中Item7為“我對(duì)我國(guó)核電安全管理制度有信心”，對(duì)應(yīng)指標(biāo)“公眾對(duì)科學(xué)管理體系的認(rèn)同與信任”；Item8為“我為國(guó)家資助核電技術(shù)感到高興”，對(duì)應(yīng)指標(biāo)“公眾對(duì)科研資助的情感”。預(yù)測(cè)階段測(cè)試人數(shù)較少，使得部分指標(biāo)情況欠佳，將結(jié)合正式測(cè)量階段數(shù)據(jù)進(jìn)一步考察。

3數(shù)據(jù)分析

3.1量表總體統(tǒng)計(jì)值

Rasch模型量表總體統(tǒng)計(jì)值中需考察區(qū)分度、信度、Infit、Outfit。區(qū)分度是衡量試題項(xiàng)目差異、被試個(gè)體能力差異的重要指標(biāo)，信度則是檢驗(yàn)量表可信程度的指標(biāo)。

Infit、Outfit是Rasch模型中檢測(cè)數(shù)據(jù)是否擬合模型的關(guān)鍵值，其中Infit是加權(quán)擬合值，Outfit是非加權(quán)擬合值；MNSQ指均方統(tǒng)計(jì)值，ZSTD指顯著性檢驗(yàn)值。Infit主要檢測(cè)被試能力與試題項(xiàng)目難度相近時(shí)的表現(xiàn)，該部分?jǐn)?shù)據(jù)產(chǎn)生較大方差；Outfit則對(duì)離估計(jì)值更遠(yuǎn)的被試或試題項(xiàng)目更敏感，如對(duì)高能力被試錯(cuò)誤作答低難度試題項(xiàng)目的情況予以反應(yīng)，該部分?jǐn)?shù)據(jù)產(chǎn)生較大殘差。一般情況下，優(yōu)先考察Outfit，其次考察Infit；優(yōu)先考察MNSQ，其次考察ZSTD。在分級(jí)量表中，Infit MNSQ、Outfit MNSQ在0.6～1.4區(qū)間可視為擬合良好[26]，接近1時(shí)最為理想。Infit ZSTD、Outfit ZSTD值在±2.0區(qū)間內(nèi)為合理值[27]，接近0時(shí)最為理想。

如表2所示，被試平均估計(jì)值為1.19，試題項(xiàng)目估計(jì)值為0.00；被試區(qū)分度為1.81，試題項(xiàng)目區(qū)分度為10.89；被試信度為0.77，試題項(xiàng)目信度為0.99。被試與試題項(xiàng)目的Infit MNSQ值均為0.99，Outfit MNSQ值均為0.99；Infit ZSTD值分別為-0.20、-0.10，Outfit ZSTD值分別為-0.20、-0.10，均在合理范圍內(nèi)。

3.2 Rasch模型單維性檢驗(yàn)

較為常見(jiàn)的單維性檢驗(yàn)方法是主成分分析法（Principal Component Analysis，PCA）、探索性因子分析法（Exploratory Factor Analysis，EFA）與驗(yàn)證性因子分析法（Confirmatory Factor Analysis，CFA）。這類(lèi)檢驗(yàn)方法可以通過(guò)SPSS等分析工具操作，如探索性因子分析中，第一因素特征根為第二特征根的3～5倍即可認(rèn)為量表滿足單維性假設(shè)。但這種檢驗(yàn)法并非直接檢驗(yàn)Rasch模型的單維性，被質(zhì)疑效度有限。

目前，基于Rasch模型本身的單維性檢驗(yàn)方法為殘差主成分分析法（Principal Component Analysis of Residuals，PCAR）。該方法標(biāo)準(zhǔn)如下：其一，由測(cè)量解釋的原始方差（Raw variance explained by measures）比例至少為40%[28]；其二，第一對(duì)比中未解釋方差（Unexplained variance in 1st contrast）比例小于5%，特征根小于3[29]；其三，由測(cè)量解釋的原始方差比例與第一對(duì)比中未解釋方差比例比值大于3[30]。

如表3所示，總體來(lái)看量表滿足單維性假設(shè)。其中由測(cè)量解釋的原始方差比例的實(shí)際值（Empirical）為49.5%，高于臨界值40%。此外，由測(cè)量解釋的原始方差比例與第一對(duì)比中未解釋方差比例比值為4.85，大于推薦值3。第一對(duì)比中未解釋方差特征根為2.2，符合低于3.0的標(biāo)準(zhǔn)，其比例達(dá)到10.2%，大于理想值5%，但仍處在能接受的15%范圍內(nèi)。因此，整體上量表基本滿足了單維性假設(shè)。

3.3局部獨(dú)立性檢驗(yàn)

Rasch模型中，局部獨(dú)立性假設(shè)與單維性假設(shè)同等重要，要求被試能力與試題項(xiàng)目之間相互獨(dú)立，即被試能力水平不受試題項(xiàng)目難度影響。Rasch模型局部獨(dú)立性通過(guò)計(jì)算殘差間相關(guān)性進(jìn)行測(cè)量，若不滿足將導(dǎo)致量表信度被過(guò)度夸大。已有研究將局部獨(dú)立性假設(shè)的臨界值設(shè)為±0.2[31]，也有研究將臨界值設(shè)為±0.5[32]或是±0.7[33]。

量表局部獨(dú)立性情況如表4所示，各試題項(xiàng)目間相關(guān)系數(shù)絕對(duì)值在0.24～0.41區(qū)間。較預(yù)測(cè)量階段的0.38～0.61區(qū)間，正式實(shí)驗(yàn)階段的局部獨(dú)立性指標(biāo)有所提升，處在±0.5的臨界范圍內(nèi)。盡管沒(méi)有達(dá)成±0.2的臨界值要求，但整體上滿足了Rasch模型的局部獨(dú)立性假設(shè)。預(yù)實(shí)驗(yàn)階段Item6與Item7的相關(guān)系數(shù)達(dá)0.61，結(jié)合各項(xiàng)指標(biāo)，正式實(shí)驗(yàn)階段將item7“我對(duì)我國(guó)核電安全管理制度有信心”修改為“我國(guó)核電安全管理制度能充分預(yù)防核泄漏”，修改后的試題項(xiàng)目表現(xiàn)良好。

3.4量表結(jié)構(gòu)分析

Rasch模型中，懷特圖是反映被試能力與試題項(xiàng)目難度的重要圖示，在懷特圖中被試與試題項(xiàng)目被同時(shí)放置于同一刻度下，刻度單位為L(zhǎng)ogits。懷特圖可以考察被試能力與試題項(xiàng)目難度是否分布合理。

如圖1所示，圖示左邊為被試能力分布，右邊為試題項(xiàng)目難度分布。被試能力越高、試題項(xiàng)目越難則越居上方。從懷特圖中可知，整體上被試對(duì)核電技術(shù)呈現(xiàn)積極的態(tài)度，被試水平整體高于試題項(xiàng)目難度，被試能力均值大于試題項(xiàng)目均值1Logits。若在能力水平測(cè)試中，該懷特圖所展示的結(jié)果欠佳，但本次測(cè)量的潛在變量是公眾科學(xué)態(tài)度，懷特圖所示的均值差距恰恰驗(yàn)證了現(xiàn)階段我國(guó)公眾對(duì)科學(xué)的積極態(tài)度[10]。正式測(cè)量階段對(duì)item8進(jìn)行了修改，從懷特圖分布情況上來(lái)看，修改后item8的難度達(dá)到預(yù)期效果。

綜合看來(lái)，量表結(jié)構(gòu)并不算良好，item11與item4之間存在較大空缺。試題項(xiàng)目難度分布存在兩處重合。但可從中知悉，被試對(duì)核電技術(shù)的態(tài)度呈現(xiàn)分層的態(tài)勢(shì)，即具有較為積極的認(rèn)知評(píng)價(jià)、情感態(tài)度，但認(rèn)知興趣、傳播意向、參與意向卻極低。

3.5試題項(xiàng)目及被試的擬合度分析

試題項(xiàng)目及被試的擬合度分析是指實(shí)驗(yàn)數(shù)據(jù)與Rasch模型的擬合程度，上文報(bào)告了量表整體的擬合程度，該部分將細(xì)化至每一試題項(xiàng)目與被試，利于篩選出擬合不良的試題項(xiàng)目與被試，進(jìn)一步修改試題項(xiàng)目或刪除被試數(shù)據(jù)。評(píng)價(jià)標(biāo)準(zhǔn)為Infit、Outfit中的MNSQ、ZSTD值以及點(diǎn)—測(cè)量相關(guān)系數(shù)。該部分MNSQ值的臨界值為0.60～1.40，ZSTD值臨界值為±2.0。如若MNSQ值達(dá)標(biāo)，則可不報(bào)告ZSTD值。而點(diǎn)—測(cè)量相關(guān)系數(shù)的臨界范圍為0.40～0.80。如表5所示，量表試題項(xiàng)目的擬合情況良好。Infit、Outfit的MNSQ值在0.85～1.19區(qū)間，點(diǎn)—測(cè)量相關(guān)系數(shù)（Point-Measure correlation）整體落在0.52～0.66區(qū)間內(nèi)，符合0.40～0.80區(qū)間的臨界范圍。證明各試題項(xiàng)目均符合量表所測(cè)量的“公眾科學(xué)態(tài)度”這一潛在變量。

由于量表試題項(xiàng)目數(shù)量較少，被試擬合值較為敏感，少量異常作答便可影響被試擬合值。因此，被試Infit MNSQ、Outfit MNSQ值以小于2.0為臨界范圍[34]。正式測(cè)量階段超出擬合臨界值的被試共31人。被試擬合不佳的原因可能在于被試未認(rèn)真作答、表現(xiàn)不穩(wěn)定、存在干擾因素等。將異常作答的數(shù)據(jù)刪除后，重新測(cè)量量表總體統(tǒng)計(jì)值。結(jié)果如表6所示，量表中被試Infit MNSQ值由原本的0.99下降為0.97；被試與試題項(xiàng)目的Outfit MNSQ值由0.99、0.99下降為0.98、0.98。被試的信度從原本的0.77上升至0.80。刪除被試數(shù)據(jù)需考察刪除后量表各項(xiàng)指標(biāo)是否有明顯改善，或是被試數(shù)據(jù)確實(shí)存在高度異常表現(xiàn)，否則予以保留。刪除部分被試數(shù)據(jù)后，仍會(huì)有新的異常被試出現(xiàn)。綜上，盡管被試信度有所提升，但其他擬合值有所下降，綜合考察情況后決定對(duì)異常作答被試數(shù)據(jù)予以保留。

3.6量表評(píng)定尺度分析

Rasch模型的基本假設(shè)認(rèn)為，高能力被試正確作答高難度試題項(xiàng)目的概率更高。在李克特量表中表現(xiàn)為高能力被試更有可能選擇高等級(jí)選項(xiàng)，單個(gè)選項(xiàng)被選中的概率應(yīng)當(dāng)隨著被試能力的提高而呈現(xiàn)單調(diào)遞增性，即Rasch模型的單調(diào)性假設(shè)（monotonicity）。

其一，需考察選項(xiàng)被選擇的次數(shù)（observed count），如若頻次低于10，則應(yīng)當(dāng)將其合并至鄰近選項(xiàng)中。如表7所示，類(lèi)別標(biāo)簽中1表示“非常不同意”，2表示“不同意”，3表示“同意”，4表示“非常同意”。所有選項(xiàng)均滿足最低頻次值。

其二，若量表滿足模型單調(diào)性假設(shè)，則平均估計(jì)值（average measure）應(yīng)當(dāng)為單調(diào)遞增；同時(shí)擬合指標(biāo)應(yīng)當(dāng)小于2.0[35]，擬合值過(guò)大則認(rèn)為該選項(xiàng)存在較大誤差，應(yīng)考慮合并至鄰近選項(xiàng)。4個(gè)選項(xiàng)的平均估計(jì)值分別為-2.24、-0.69、1.61、3.93，呈現(xiàn)單調(diào)遞增，擬合指標(biāo)均在合理范圍內(nèi)。

其三，相鄰選項(xiàng)間臨界值（thresholds）的差值應(yīng)當(dāng)在1.4～5.0的范圍內(nèi)。相鄰選項(xiàng)間臨界值指被試從一個(gè)選項(xiàng)到另一鄰近選項(xiàng)的臨界值，是衡量被試作答反應(yīng)是否與預(yù)估一致的重要指標(biāo)。以本實(shí)驗(yàn)所用的李克特四級(jí)量表為例，四級(jí)量表應(yīng)當(dāng)有3個(gè)臨界值。臨界值間差值分別為3.67、4.78，均處合理范圍。此外，量表評(píng)定尺度分析可結(jié)合評(píng)分等級(jí)結(jié)構(gòu)圖進(jìn)一步判斷。如圖2所示，各選項(xiàng)都呈現(xiàn)較為明顯的峰值，并且各選項(xiàng)間呈現(xiàn)較為均勻的間隔。因此，本測(cè)量所采用的李克特四級(jí)量表滿足了Rasch模型基本假設(shè)。

3.7公眾科學(xué)態(tài)度測(cè)量

潛在變量經(jīng)Rasch模型迭代轉(zhuǎn)化為定距數(shù)據(jù)，得到公眾科學(xué)態(tài)度估計(jì)值（person measure），數(shù)據(jù)以Logits為單位。估計(jì)值數(shù)值越高，則公眾科學(xué)態(tài)度越積極，反之則越消極，此處數(shù)值正負(fù)不代表態(tài)度方向性。國(guó)際測(cè)量通常采用相關(guān)計(jì)算擴(kuò)展估計(jì)值區(qū)間，如以0～1 000 Logits區(qū)間范圍替代原始區(qū)間。如表8所示，公眾科學(xué)態(tài)度估計(jì)值在-3.70Logits至6.52Logits區(qū)間，差值為10.22Logits，呈現(xiàn)極端態(tài)度的公眾人數(shù)較少。結(jié)合圖1Rasch模型懷特圖所示，公眾對(duì)核電技術(shù)的態(tài)度整體上偏向積極，對(duì)核電技術(shù)、其社會(huì)影響、科研資助等方面較為支持。但公眾對(duì)Item1、Item9、Item11的態(tài)度偏向消極，即公眾對(duì)核電技術(shù)缺乏認(rèn)知興趣、傳播意向、參與意向。因此，未來(lái)科普領(lǐng)域相關(guān)研究可著眼于提升公眾認(rèn)知興趣、啟動(dòng)公眾傳播意向、完善公眾參與機(jī)制等方面。

4結(jié)語(yǔ)

Rasch模型已廣泛運(yùn)用于心理學(xué)、教育學(xué)、醫(yī)學(xué)等領(lǐng)域，主要用于測(cè)量如能力水平、科學(xué)素養(yǎng)、抑郁癥、態(tài)度等潛在變量。本文測(cè)量的是“公眾科學(xué)態(tài)度”這一潛在變量，在指標(biāo)體系的構(gòu)建上考量了心理學(xué)假設(shè)，并以科普領(lǐng)域現(xiàn)有公民科學(xué)素質(zhì)評(píng)估、公眾調(diào)查為基礎(chǔ)形成11項(xiàng)指標(biāo)。經(jīng)檢驗(yàn)，本文所涉量表符合Rasch模型各項(xiàng)假設(shè)，可用于測(cè)量公眾科學(xué)態(tài)度。在未來(lái)研究中，量表指標(biāo)細(xì)化時(shí)可適應(yīng)具體研究議題變化，如轉(zhuǎn)基因、人工智能等科學(xué)議題。

Rasch模型不僅可以校正量表，也可實(shí)現(xiàn)數(shù)據(jù)類(lèi)型轉(zhuǎn)化。李克特量表產(chǎn)生的數(shù)據(jù)屬于定序數(shù)據(jù)，不可進(jìn)行累加累減。通過(guò)Rasch模型的轉(zhuǎn)化，定序數(shù)據(jù)以估計(jì)值的形式輸出，此時(shí)數(shù)據(jù)為定距類(lèi)型，可進(jìn)行推論性統(tǒng)計(jì)，應(yīng)用于延伸性研究。如探究影響公眾科學(xué)態(tài)度的影響因素，可將估計(jì)值與其他變量進(jìn)行相關(guān)性分析；微觀科普效果評(píng)估，考察科普對(duì)公眾認(rèn)知、態(tài)度[36]、行為產(chǎn)生的影響；公眾科學(xué)態(tài)度橫縱向比較等。

參考文獻(xiàn)

邁克爾·斯特雷文斯.知識(shí)機(jī)器：非理性如何造就近現(xiàn)代科學(xué)[M].任燁，譯.北京：中信出版社，2022：75.

庹繼光.擬態(tài)環(huán)境下的“媒介化風(fēng)險(xiǎn)”及其預(yù)防[J].新聞知識(shí)，2008（2）：38-40.

L·R.艾肯.態(tài)度與行為：理論、測(cè)量與研究[M].何清華，雷霖，陳浪，譯.北京：中國(guó)輕工業(yè)出版社，2008：4.

Olson J M，Zanna M P. Attitudes and Attitude Change[J]. Annual Review of Psychology，1993，44（1）：117-154.

中華人民共和國(guó)科學(xué)技術(shù)部.中國(guó)科學(xué)技術(shù)指標(biāo)[M]. 北京：科學(xué)技術(shù)文獻(xiàn)出版社，2017：200.

美國(guó)國(guó)家科學(xué)理事會(huì).美國(guó)科學(xué)指標(biāo)[M].韓建國(guó)，齊志英，郝致京，等譯.北京：科學(xué)出版社，1991：241-261.

U. S. National Science Board. Science and Technology：Public Attitudes，Knowledge，and Interest[EB/OL].（2020-05-15）[2023-10-07]. https：//ncses.nsf.gov/pubs/nsb20207/.

U. S. National Science Board. Science and Technology：Public Perceptions，Awareness and Information Sources[EB/OL].（2022-05-04）[2023-10-07]. https：//ncses.nsf.gov/pubs/nsb20227.

Miller J D. The Measurement of Civic Scientific Literacy[J]. Public Understanding of Science，1998，7（3）：203-223.

Eurobarometer. European Citizens’Knowledge and Attitudes towards Science and Technology[EB/OL].（2021-09-23）[2023-10-07]. https：//europa.eu/eurobarometer/surveys/detail/2237.

何薇，張超，任磊，黃樂(lè)樂(lè).中國(guó)公民的科學(xué)素質(zhì)及對(duì)科學(xué)技術(shù)的態(tài)度——2020年中國(guó)公民科學(xué)素質(zhì)抽樣調(diào)查報(bào)告[J].科普研究，2021，16（2）：5-17，107.

Rahat Nabi Khan，楊京京.科學(xué)、科學(xué)家與社會(huì)：公眾對(duì)科學(xué)技術(shù)的態(tài)度[J].科學(xué)對(duì)社會(huì)的影響，1989（3）：38-50.

游淳惠，金兼斌.新媒體環(huán)境下科學(xué)知識(shí)對(duì)爭(zhēng)議性科技態(tài)度的影響——以轉(zhuǎn)基因?yàn)槔齕J].國(guó)際新聞界，2020，42（5）：81-98.

秦川申.積極、消極和矛盾：公眾對(duì)5G基站部署的態(tài)度與鄰避傾向[J].經(jīng)濟(jì)社會(huì)體制比較，2021（6）：131-144.

褚建勛，朱玉潔，張露溪，等.基于核安全認(rèn)知態(tài)度的在線調(diào)查及其對(duì)中國(guó)核科普的啟示[J].科普研究，2017，12（2）：47-53.

Sturgis P，Allum N. Science in Society：Re-Evaluating the Deficit Model of Public Attitudes[J]. Public Understanding of Science，2004，13（1）：55-74.

Hart P S，Nisbet E C. Boomerang Effects in Science Communication：How Motivated Reasoning and Identity Cues Amplify Opinion Polarization about Climate Mitigation Policies[J]. Communication Research，2012，39（6）：701-723.

Lee C J，Scheufele D A. The Influence of Knowledge and Deference toward Scientific Authority：A Media Effects Model for Public Attitudes toward Nanotechnology[J]. Journalism amp; Mass Communication Quarterly，2006，83（4）：819-834.

何光喜. 我國(guó)公眾對(duì)科學(xué)技術(shù)的態(tài)度及其影響因素研究[D]. 北京：中國(guó)社會(huì)科學(xué)院，2022.

Kallerud E，Ramberg I. The Order of Discourse in Surveys of Public Understanding of Science. Public Understanding of Science，2002，11（3）：213-224.

彭紅燕，朱鑫卓，鄭念.雙三螺旋模型中公眾參與科學(xué)的機(jī)制及角色[J].自然辯證法研究，2022，38（8）：54-59.

菲利普·貝爾，布魯斯·列文斯坦，安德魯·紹斯，等. 非正式環(huán)境下的科學(xué)學(xué)習(xí)：人、場(chǎng)所與活動(dòng)[M].趙健，王茹，譯.北京：科學(xué)普及出版社，2014：123-157.

晏子. 心理科學(xué)領(lǐng)域內(nèi)的客觀測(cè)量——Rasch模型之特點(diǎn)及發(fā)展趨勢(shì)[J]. 心理科學(xué)進(jìn)展，2010，18（8）：1298-1305.

楊慊，賀文潔，王海龍. 單參數(shù)單維度Rasch模型的優(yōu)勢(shì)與意義[J]. 心理科學(xué)，2021，44（6）：1491-1498.

Wright B D. Solving Measurement Problems with the Rasch Model[J]. Journal of Educational Measurement，1977，14（2）：97-116.

Wright B D，Linacre J M. Reasonable Mean-Square Fit Values[J]. Rasch Measurement Transactions，1994，8（3）：370.

Bond T G，F(xiàn)ox C M. Applying the Rasch Model：Fundamental Measurement in the Human Sciences（2nd ed.）[M]. Mahwah，NJ：Lawrence Erlbaum Associates Springer Cham，2007.

Linacre J M. Data Variance Explained by Rasch Measures[Z/OL]. [2023-02-27]. https：//www.rasch.org/rmt/rmt201a.htm.

Linacre J M. A User’s Guide to Winsteps Ministep Rasch-Model Computer Programs：Program Manual 4.4. 6 [Z/OL]. [2023-12-27]. https：//www.winsteps.com/manuals.htm.

Embretson S E，Reise S P. Item Response Theory for Psychologists[M]. Mahwah，N J：Lawrence Erlbaum Associates Publishers，2000.

Chen W H，Thissen D. Local Dependence Indexes for Item Pairs Using Item Response Theory[J]. Journal of Educational and Behavioral Statistics，1997（22）：265-289.

Davidson M，Keating J L，Eyres S. A Low Back-Specific Version of the SF-36 Physical Functioning Scale[J]. Spine，2004，29（5）：586-594.

Luis González-de Paz，Kostov B，Jose A López-Pina，et al. A Rasch Analysis of Patients’Opinions of Primary Health Care Professionals’Ethical Behaviour with Respect to Communication Issues[J]. Family Practice，2014，32（2）：237-243.

Tyumeneva Y，Kuzmina J，Kardanova E. IRT Analysis and Validation of the Grit Scale：A Russian Investigation[J]. HSE Working Papers，2014：1-33.

Linacre J M. A User’s Guide to Winsteps Ministep Rasch-Model Computer Programs：Program Manual 5.4.1[Z/OL]. [2023-12-27]. https：//www.winsteps.com/manuals.htm.

朱鑫卓.科學(xué)傳播內(nèi)容對(duì)公眾態(tài)度轉(zhuǎn)變的影響研究[D]. 武漢：中國(guó)地質(zhì)大學(xué)，2023.

（編輯" 顏" " 燕" " 荊祎瀾）

基金項(xiàng)目：中國(guó)科協(xié)2024年度研究生科普能力提升項(xiàng)目（KXYJS2024003）。

作者簡(jiǎn)介：朱鑫卓，中國(guó)科學(xué)院大學(xué)人文學(xué)院博士生，研究方向：科學(xué)傳播，E-mail：zhuxinzhuo77@163.com。鄭念為通訊作者，E-mail：zhengnian515@163.com。