潘士美

(华东师范大学 教育学部 国家教育宏观政策研究院，上海 200062)

一、问题提出

以皮埃尔·布迪厄(Pierre Bourdieu)为代表的社会冲突理论认为，教育系统控制着文化资本的生产、传递和转换，也是再生产社会不平等结构的主要手段。但是距离布迪厄文化资本理论发表已经过去了30多年，这期间人类已经充分进入了信息时代并向智能时代迈入。文化资本的含义也在不断发生着变化，以往的文化资本形式往往与如音乐欣赏、书籍阅读、绘画技能等联系在一起，但是当代则更多地与信息、网络等联系在一起，学生互联网行为在某种程度上已经成为文化资本再生产的折射。[1]由于互联网的深入影响，我们每个人可以借助互联网随时随地进行个性化学习，教育系统本身的再生产功能逐渐弱化。尤其新冠肺炎疫情更是将校外教育培训也大规模推至网络，越来越多学习者在网上进行非正式的互联网学习，这些都进一步扩展了社会再生产的通道。但是目前鲜有研究就其中的线上再生产机制开展分析。

以互联网为核心的现代信息技术的普及为教育公平的推进创造了条件，但是“新数字鸿沟”等也会造成城乡学生并不能在同一水平上有意义地运用互联网。在这种数字场域中，学生的惯习和资本如何相互作用影响社会再生产模式，这些非正式的线上教育是否为优势阶层再生产提供了便利，是否在当下已经扮演了社会再生产的“线上”通道角色，如何才能让线上教育成果更好赋能农村学生，对这些问题的回答有利于我们在“互联网+教育”背景下重新审视布迪厄的再生产理论，也对推动互联网学习和教育信息化朝着更加公平的方向迈进、促进中国教育高质量发展具有重要作用。

二、文献回顾与研究假设

(一) 再生产的通道：从线下到线上

布迪厄最早提出“教育再生产”理论，认为教育系统控制着文化资本的生产、传递和转换，这种传递是资本的继承性传递的最隐蔽方式。[2]教育系统扮演着符号暴力的角色，会将统治阶层的文化通过一系列教学过程传递给学生，能在课堂中拔得头筹的往往是家庭社会经济文化地位的优异者，而不满足教育标准要求的弱势学生则被排斥在教育系统之外。惯习为这种社会再生产过程提供了性情基础和实践前提，它会以下意识而持久的方式体现在个体行动者身上[3]，能够驱动个体的思想、感知、表达和行动。[4]学生个体在不同阶层家庭中建构的惯习会成为接受和掌握学校信息的基础，在学校教育中得到的惯习进而成为接受和掌握文化工业生产的基础。[5]这样，个体就凭借惯习所具备的思维方式和行动图式在资本的游戏场内，依托对教育资源不同程度的占有，进而再生产出原有家庭的阶层优势，教育制度也通过承认各类资本的世袭性传递从而促进社会结构的再生产。

网络催生的线上场域(Online Field)与线下不同，在这里，信息和信息技术自身已经成为一种生产权力的来源，对作为生产资料的信息的占有情况影响着人们在经济、政治场域的“资本争夺”，并重塑着社会结构。人们在数字鸿沟的信息占有和使用区隔[6]以及此基础上形成的行为惯习也日益成为社会区隔的重要标志。这种与网络有关的惯习，即数字惯习，是内化在学生个体中的，是日常处理信息、进行数字化学习和实践的一种思维和行动图式，比如学生如何看待技术在他们学习和社会生活中的作用、学生对信息通信技术的兴趣、信心和熟练程度等惯习是个体进行数字化实践的基础。[7]当前，这种数字化实践已经开始快速地同线上补习(1)本文所指的线上补习主要是指为提高学生学业成绩而进行的不包括学校的强制性课程在内的学术类课程补充性教育活动，是课外补习的一种线上形式，即运用互联网、人工智能等现代信息技术进行课外补习的一种方式。相结合，逐步挤压线下正规学校教育再生产的空间，其可能会利用学生在数字惯习的已有区隔，从而再生产网络时代的成就优势和劣势，从而建构起网络社会的再生产结构。

(二)线上的教育再生产：研究假设

1.城乡不同家庭可能塑造差异化的数字惯习，进而再生产差异化的成就

家庭条件很大程度上决定了学生客观的学习环境，也塑造着学生的数字惯习。“数字鸿沟”理论认为，社会经济背景优势阶层在数字资源的获取机会、使用、有意义的参与和影响等方面具有优势，[8]比如面对同样的互联网资源，农村学生在使用时长、上网内容方面与城市学生存在较大区别，游戏沉迷的比例达到38.4%。[9]网络学习更容易让不想学习的学生获得玩耍机会，缺乏自控力和外部有效监管的学生更容易与优势阶层学生拉开差距。来自于社会经济状况较差家庭的学生，其信息技术技能的自信心显著较低，也拥有较少的培养信息技术技能的机会。[10]农村居民本身淡薄的信息意识也使得他们更多地利用互联网进行社交和娱乐，而不是去提升职业素养或者农业技能。[11]这可能会造成城乡学生之间的数字惯习差异。

基于以上分析，我们提出以下假设：

假设1：城市家庭学生比农村家庭学生获得更多的数字资源用以培养数字惯习。

假设2a：城市家庭学生的数字惯习上较农村学生存在普遍优势。

假设2b：城市家庭学生更多利用数字资源进行有意义学习而非社交和娱乐。

数字惯习可能会促进学生差异化的学业成就。由于各群体的信息差距，他们将信息资本转化为其他资本的能力呈现很大差异，“信息富有者”和“信息贫困者”在信息资本积累方面的差距会进一步强化社会分层，优势阶层总是率先投资于人力资本的生产和再生产，提高本人和子女的教育成就，即实现“人力资本一信息资本一人力资本”的再生产。[12]并且研究表明，中产阶级经常成功地将经济、文化和社会资本联合起来用以生产学生成就，例如通过资本和惯习的互动，家庭可能会生产出价值观、态度、期望和行为来增进学生成就，[13]他们往往能够有策略地干预学生的心理期望，诱导其主动付出相应的努力，以获得与父母期望基本一致的成就。而在数字领域，高社会经济地位群体不仅会利用已有的教育制度体系优势，而且会利用在新信息接入和使用方面的优势，致使不同群体间的知识差距不断扩大，[14]与数字惯习相关的互联网学习偏好会对学生成就产生正面影响，娱乐偏好会对学生成就产生明显负面影响，[15]这些偏好最终会显著扩大学生成就的不平等[16]。基于以上文献，我们假设：

假设3a：城市学生利于学习的数字惯习能比乡镇学生更好地能转化为学校的成就优势。

假设3b：城市学生不利于学习的数字惯习会比乡镇对学生学习成就产生更多负面作用。

2.线上补习作为影子教育的一种形式可能会促进学生成就再生产

线上补习作为影子教育(Shadow Education)的一种线上形式，目前很少有相关研究涉及。但较多研究都表明，为了增加社会优势，中产阶层家庭较多利用私人辅导来帮助他们的孩子在主流教育中获得成功，这种策略由社会地位相关的焦虑所驱动。[17]而利用互联网进行私人辅导对学生和家庭都有很大的好处，可以为低收入家庭和农村地区的学生提供一些优势，也可以有效地为偏远和山区的家庭提供接受私人辅导的途径。从这个意义上说，线上私人辅导有助于缓解班级和地区之间的教育不平等。[18]并且，线上补习具有成本优势，能够降低交通成本和搜寻成本，进而降低家庭教育消费的门槛，缓解校外教育资源分布的不均。[19]因此，这些低价的线上补习或许可以给乡镇家庭学生提供新的学习机会。基于以上研究，我们提出假设：

假设4：乡镇学生可能参与更多参与线上补习，借机提高自己成就。

从已有文献来看，现有研究缺乏线上补习与学生成就的直接证据，但有关课外补习的研究颇多。研究显示，课外补习已经成为继学校教育之外另一种社会再生产的新机制，会对学生的学业成就产生重要影响[20]，数学课外补习对学生数学成绩具有正向效应，科学课外补习与数学课外补习存在“叠加效应”，语言课外补习与数学课外补习存在“挤出效应”。[21]也有研究表明，课外补习对数学成绩的影响不大，但在统计上是显著的。[22]对西北农村学生的研究表明，成绩差的学生更多地参加了课外补习，父亲受教育水平和家庭财富都显著提高了学生参加补习的可能性，但是参加课外补习对农村小学生的数学成绩没有显著的提高作用。[23]由此来看，课外补习对学生成就的影响比较复杂，对城乡学生群体的影响可能存在差异，并且这种差异可能更多集中在中低分数段上。因此，我们假设：

假设5：数学、科学和阅读线上补习对乡镇中低分数段学生产生的补习效果可能较城市同位段学生小。

3.线上补习作为资本运作的一种方式可能会与惯习相互作用，加大城乡不平等

目前关于线上补习的研究较少，但学生参与线上补习是家庭资本运作的结果，这种资本可能会和惯习相互作用，来促进社会再生产。数字惯习是进行网络学习的基础，优势的数字惯习会使得学生在获取网络信息、理解网络信息、搜索网络信息上占有更多优势，而这些数字技能在学生抓住在线学习机会、避免数字风险中发挥了重要作用。[24]贫困家庭和农村家庭学生在经历过在线教育之后更容易成绩出现相对下滑，[25]这可能和这些学生的数字惯习存在关联。农村学生由于受到家庭惯习的影响，比城市家庭学生存在更多的手机依赖和游戏依赖，较弱的学习基础[26]和较差的抗干扰能力[27]会致使学生在参与线上学习中并不占优势。因此，我们假设：

假设6a：数字惯习占优势的部分城市学生参与线上补习成绩会得到强化。

假设6b：数字惯习不占优势的部分乡镇学生参与线上补习成绩会得到弱化。

三、数据、变量与方法

(一)数据来源与预处理

本文的数据来自OECD进行的国际学生评估项目(Programme for International Student Assessment，简称PISA)。PISA2015测试使用两阶段分层抽样方法对学生的数学、科学和阅读成就以及学生成就的相关影响因素均进行了测评，同时进行了学生信息通信技术(Information and Communication Technologies，简称ICT)精熟度的测试，以评估学生对信息技术的使用状况。PISA2015中国东部四省市“北京—上海—江苏—广东”的268 所学校的268名校长、6 423名教师和9 841名学生参与了有效测试。使用STATA15.0的merge命令对学生和校长数据进行了匹配，标准化后得到个体各变量得分，形成最终的学校和学生总体数据集。

(二)变量选择与描述统计

1.因变量与类别变量

城乡学生教育成就。本文选取PISA2015的科学、数学和阅读素养三科成就作为教育成就的衍生变量。PISA对每个学科素养测试得分提供了10个拟真值(Plausible Value)，本文对每个学科的拟真值进行加权均值处理，分别得到三门学科成就。同时根据学校不同类型，将“农村、乡镇”合并为乡镇变量(编码为0)，将“县城、城市、大城市”合并为城市变量(编码为1)，得到最终二元城乡变量，并将三门学科成就按照城乡进行分类。

2.自变量

数字惯习。本文对数字惯习的操作性界定借鉴了谢丽尔·布朗(Cheryl Brown)等人对“数字惯习”的定义，选取了PISA2015中能侧面反映数字惯习的几个关键变量进行衡量，包括学生对ICT的兴趣、ICT自信以及ICT性情，这里的性情采用学习、娱乐和社交偏好指标来进行衡量。所有数据进行了标准化处理，并借助主成分分析法(Principle Component Analysis,PCA)方法合成了数字惯习总分。

线上补习。本研究根据PISA2015中分别针对科学、数学和阅读有关的课外补习提问，各抽取了“一对一的网络辅导(包括例如QQ)”“通过程序或者应用程序进行网络或计算机辅导”“由一个人进行的录制视频指导”三个题项来测量各学科的线上补习状况，“参与”编码为1，“未参与”编码为0。

3.协变量

本文控制了可能对学生成就产生重要影响的关键变量，主要包括两个层面。

内生变量。本研究选取了可能对学生成就产生干预的学生因素，如性别、每周学习时间、工具动机、学生职业期望、成就动机、考试焦虑、学校归属感以及学生参与各科的线下补习情况。

外生变量。外生变量主要包括家庭和学校状况变量。家庭包括“社会经济文化地位”指标、家庭ICT资源和父母情感支持等变量，学校因素如生师比、教师的职业发展水平等。变量的基本情况见表1。

(三)分析方法

1.教育生产函数

本文使用教育生产函数作为基础模型，构建了教育生产函数扩展模型：

YUR=β0+β1S+β2X+β3H+β4I+β5XI+ε

YUR是城乡学生在PISA的三个科目上的教育成就产出。投入主要分为三个层面因素，分别是学生因素X、学校因素S和家庭因素H，这些因素作为控制因素。I表示本研究要着重研究的自变量，包括数字惯习和线上补习等。本研究还将基本模型扩展至特定因素与学生特征之间的交互作用，以探讨组间的异质性，这一因素为XI。这一函数模型中，β0表示截距，β1-5为影响系数，ε为误差项。

2.广义分位数回归法

传统的回归分析主要关注均值，即采用因变量条件均值的函数来描述自变量每一特定数值下的因变量均值，从而揭示自变量与因变量之间的关系。但是这种方法存在局限性，尤其是在研究社会中的不平等现象时，要求我们深入分析因变量的分布特征，包括数值范围、偏态和其他高阶特性，而不仅仅是中心位置。[28]分位数回归模型相对于一般的线性(均值)回归模型来说，条件更为宽泛，可以描述因变量的全局特征，并且模型的估计值通常不受离群点的影响，具有较强的稳健性。借助大卫·鲍威尔(David Powell)发展的广义分位数回归方法(Generalized Quantile Regression，简称GQR)[29]，可以更好地克服模型内生性问题和遗漏重要解释变量问题，从而对各阶层的学生进行更精确和全面的评估。基本模型如下：

Y=g(D,X,ε)

其中，Y是被解释变量，D是政策变量，X是协变量。本文利用不同分位数回归方法来检验数字惯习和线上补习的异质性作用。这些均使用大卫·鲍威尔等人发展的genqreg命令语言包进行参数估计。

四、分析结果

(一) 城乡不同家庭的数字资源及其惯习差异

对比城乡不同家庭的数字资源拥有情况(见图1)，可以看到城市家庭学生比农村家庭学生拥有更多数字资源(0.039>-0.440)，单因素方差分析的结果显示，这一结果是可靠的(F=473.14，ρ<.000)，这验证了假设1。

表1 变量基本情况

对城乡数字惯习的分析结果表明(见图2)，总体上，城市学生的数字惯习比农村学生占有广泛优势(F=126.68，ρ<.000)。单因素方差分析的具体结果显示，城市学生在数字兴趣(F=139.52，ρ<.000)、数字自信(F=54.31，ρ<.000)、作业偏好(F=81.80，ρ<.000)、社交偏好(F=5.57，ρ<.05)上均较农村学生得分显著更高，城市学生只在娱乐偏好上与农村学生不存在显著差异(F=1.81，ρ>.05)，这个分析结果验证了假设2a。但娱乐偏好的结果与2b假设并不符合，城市家庭学生的确更多利用数字资源进行有意义学习，同时也注重社交，在利用数字设备进行学习和社交上，乡镇学生并不存在优势。

图1 城乡不同家庭数字资源对比

图2 城乡不同家庭学生的数字惯习对比

(二) 城乡数字惯习对学习成就的差异化影响

对数学成就建立城乡分类分位数回归模型，采用5、25、50、75和95分位段来研究数字惯习对城乡各学科低(5)、中下(25)、中(50)和中高(75)和高(95)位学生成就的影响。如表2所示，在数学成就上，数字兴趣显著增加了城乡除低分位以外学生的成就，并且数字兴趣对乡镇中下位学生的影响更加明显，在中等以上学生中，城市学生受到的正面影响更大。数字自信只对城市学生的数学成就产生了广泛影响，对于乡镇学生没有作用。“利于学习”的作业偏好对城乡学生的作用都不显著。“不利于学习”的社交偏好只对城市成就中上位的学生发挥了作用，并且作用是负向的。“不利于学习”的娱乐偏好对低分数以外的城市各层次学生的数学成就产生了广泛的负面效应，对乡镇的负面效应主要集中在25-75分位上。

表2 数字惯习对城乡不同分位数段学生成就的影响(2)因为分析重点需要和表格所限，具体标准误等数据未全部呈现，感兴趣的作者可向作者索要，下表同。

续表

在阅读成就上，城市学生的数字兴趣对阅读成就产生了广泛的正面影响，对中高分以上的城市学生影响较乡镇更大，而对乡镇学生的效应则集中在低位5、中位50和和高位95分位点。数字自信对城乡学生阅读成就作用不明显。作业偏好对城市高位95分位点和乡镇中等50分位的学生产生了正面影响，对城市成绩优秀的学生影响更明显。社交偏好对城乡高成就学生的阅读成就均产生了负面效应，并且城市学生受这种影响更大。娱乐偏好对城乡各层次学生产生广泛的负面效应，对城市低位和高位的学生这种负面影响更大。

在科学成就上，数字兴趣显著增强了城市除低分之外学生的科学成就，对中等和高成就学生影响较乡镇更大，对乡镇的影响集中在中下和中上学生身上。数字自信显著正面影响了城市中下分位学生的科学成就，对其他学生的科学成就没有影响。作业偏好对城乡各层次学生影响都不明显。社交偏好只对城市中下位学生成就产生了负面影响。娱乐偏好对城市学生的科学成就带来更广泛的消解效应，这种广泛性分布在5分位数以上的所有学生群体中。

总体上看，“利于学习”的数字兴趣和数字自信对城市学生正面影响的广泛性上要优于乡镇学生，并且在中等和高成就学生群体中，这种影响比乡镇更占优势，但在某些群体中不如乡镇的兴趣和自信对学生成就影响大，这与假设3a不符，即在这些利于学习的数字惯习上，只有部分城市学生能够比乡镇学生更好地转化为学校的成就优势。利用数字设备进行娱乐和社交则对城市学生的成就产生了一定的负面影响，尤其是娱乐偏好对城市学生成就的广泛消解作用，这在一定程度上阻碍了城市学生的优势保持，这一结论肯定了假设3b，即在不利于学习的数字惯习上，城市学生会比乡镇对学生学习成就产生更多负面作用。

(三) 城乡线上补习对学生成就影响的异质性及其与数字惯习的交互作用

从图3可以看出，城市学生参与各学科线上补习的均值都要显著低于乡镇学生。方差分析表明这一结果是可靠的，乡镇学生的数学(F=121.10，ρ<0.001)、阅读(F=64.29，ρ<0.001)、科学(F=74.51，ρ<0.001)线上补习参与均较城市学生高。这一结论验证了假设4，乡镇学生参与了更多的线上补习，这可能和线上补习的价格低廉、容易获得有关。

图3 城乡学生参与线上补习情况对比图

尽管参与了更多的线上补习，但是线上补习的效果如何呢？从表3可以看出，数学线上补习对城市除低分位点的学生外都产生了负面影响，对乡镇中高分位以下学生而言，这种负面影响更偏强烈。阅读线上补习对城市学生和乡镇学生的阅读成就也造成了较为广泛的负面效应，这种负面效应在城市广泛分布在低、中和高分位学生上，在乡镇除了对中上成就的学生没有影响外，对其他层次学生均是负面影响，对乡镇中低分数学生负面影响更大。科学线上补习对城市和乡镇学生也产生了较为广泛的负面效应，并且在同位学生中对乡镇中低位学生的负面效应更大，而对城市低成就和乡镇低、中和高成就学生影响不明显。这验证了假设5，数学、科学和阅读的线上补习对乡镇中低分数段学生产生的补习效果较城市同位段学生小，并且产生了较为广泛的负面效应。

表3 线上补习的效果异质性及与惯习的交互作用

考虑到线上补习和数字惯习的交互效应，分别将“数字兴趣”“数字自信”“作业偏好”“社交偏好”“娱乐偏好”与各科线上补习交互纳入模型，研究发现，这种交互效应只停留在数学线上补习和数字自信、阅读线上补习和数字自信、阅读线上补习和数字社交、科学线上补习和数字自信交互中的特定群体学生上。数字自信和数学线上补习的交互效应只分布在城市5分位点学生上，也就是说数字自信占优势的学生接受数学线上补习之后，对城市低成就学生影响是负面的，即城市学生包括低成就的学生并没有把数字自信的惯习优势通过线上补课转化为学习成就优势；阅读线上补习和数字自信的交互对乡镇学生的影响效应集中在高分位点75和95分位点的学生，并且是负向的，这就是说，乡镇大部分学生并且包括成绩较为优秀的学生也并没有把数字自信的劣势通过线上补习得以扭转，反而中高和高成就学生削弱了自己的已有成就。阅读线上补习和数字社交交互结果中，对城市高成就学生产生了正面影响，即城市高成就学生将社交优势通过补习转化为学生的阅读成就优势。这肯定了假设6a，即占有惯习优势的部分城市学生参与线上补课会强化自己的成就。科学线上补习和数字自信的交互负向效应出现在25分位点，说明这个层次的乡镇学生也没有把数字自信的劣势通过过线上补习得以扭转，参与线上补习反而削弱了教育成就。这个结果在一定程度上符合假设6b，即数字惯习不占优势的部分乡镇学生参与线上补课成绩会得到弱化。

五、 结论、讨论与不足

(一)主要结论

本研究的结果表明：城市家庭学生比乡镇家庭学生获得更多的数字资源用以培养数字惯习。城市学生“利于学习”的数字惯习比农村学生占有广泛优势，在中等和高成就学生群体中，这些城市学生“利于学习”的数字惯习能比同位乡镇学生更好地能转化为学校的成就优势，在其他群体中这种优势不明显。城市学生对数字资源的占有也催生了较乡镇学生更多的社交偏好，社交偏好对城市特定群体学生产生了更多负面效应。城乡学生虽然在娱乐偏好上没有显著差异，但是娱乐偏好对城市学生的各科成就发挥了广泛的消解作用，对乡镇的负面影响具有学科和群体的差异性。

此外，本研究还发现，乡镇学生的确比城市学生获得了更多参与线上补习的机会，但这些数学、科学和阅读的线上补习效果不仅在城乡不同层次学生之间存在较大异质性，而且表现出较为广泛的负面效应，对乡镇中下水平成就群体的负面影响也偏大。数字惯习和线上补习存在交互作用，但这种交互效应比较微弱，只发生在数学、阅读和科学成就的特定群体学生中。城市学生并没有把数字惯习优势通过线上补习转化为数学成就优势，这些城市低成就(后5%)学生参与数学线上补课反而会对起到相反作用。乡镇学生也并没有把“利于学习”的数字惯习相对劣势通过阅读线上补课之后得到扭转，反而削弱了这些乡镇中上和高成就(前25%)学生的阅读成就。乡镇科学成绩靠后的25%的学生也没有把“利于学习”的数字惯习相对劣势通过线上补课之后得到扭转，反而削弱了自己的科学成就。只有城市阅读成就靠前的5%的学生通过阅读线上补习把社交的惯习优势转化为了成就优势。

(二)讨论、建议与不足

数字惯习上，城市学生在“利于学习”的数字惯习上占有优势，并且这种优势促进了学生成就的再生产，这种优势在中等和高成就学生上能较乡镇更好地传递到学科成就的获得上。网络是一把双刃剑，城市学生在获得更多数字资源的同时，也给这些学生提供了更多“不利于学习”的社交和娱乐机会，利用数字设备进行娱乐对城市学生的成就产生了较为广泛的消解作用，这对于城市学生保持成就优势形成了一定挑战。这种负面影响与张丹慧(2016)和陈纯槿的研究结果是一致的，但也有争议性，因为有研究显示，娱乐目的而非教育目的的互联网使用也会正向影响学生阅读成就，[30]这与本研究中发现的一部分高成就学生可以把本来“不利于”学习的社交优势通过线上补习转化为成就优势具有一定的一致性。“利于学习”和“不利于学习”可能只是相对而言，具体能不能转化为学生成就可能还需要看学生在娱乐上投入的时间和具体的学习方式。而数字社交与阅读线上补习之间之所以存在交互效应，可能因为正面的社交会促进学生认知和智力的发展，进一步带动学生成就的提高。[31]但数字社交未与数学、科学线上补习显著交互，这种表现出的差异性作用可能和数学、科学本身的学科性质有关，阅读的人文学科属性可能使得数字社交对其发挥更多潜在作用，日常社交中的表达、交流可能会促进学生阅读中语言理解与组织等能力更好地发展。

数字惯习这种源自家庭内部的差异虽然扮演着重要角色，但在拉开城乡不平等中扮演的作用有限。这可能是因为布迪厄的惯习强调孩子从家庭继承到的与特定社会价值和地位相一致的风格特征、性情系统和思维模式，而数字惯习的来源可能更加复杂。互联网的开放性、复杂性和不确定性赋予了城乡学生数字惯习特征和布迪厄继承性惯习的差异性。互联网数字时代虽然为每个人提供了更多公平的机会，而不像布迪厄描述的那种资源只能被优势阶层所获得的世界，但是资源的质量和实际效果可能依然受到家庭资本和惯习的制约，如受到时间、成本和情感制约，对网络使用的不同“品味”可能造成高质量和低质量的互联网使用区隔。[32]这也符合网络社会的一条悖论，即短期实践虽然提供了平等的机会，但是长期实践却使得这种权力仍旧集中。[33]并且，这种实践模式受到个体的主体能动性的影响越来越大，尤其是在互联网的双刃剑作用上。互联网使用对学生可能造成一系列消极的文化影响，[34]而这种消极影响对于个体意志力强弱和自主性提出了更多考验，而非结构性的家庭资本特征，这些可能给学生的教育成就也带来更多的不确定性。互联网社会的这种复杂性可能会加重学生成就的个体异质性表现，而在一定程度上弱化学生成就的阶层性表现。

线上补习作为家庭资本的一种新的竞争性场域，正如学者亚历山大·文图拉(Alexandre Ventura)和唐荣蓉分析的那样，其具有一定的成本优势，这可能促使乡镇家庭更愿意做出线上补习决策。在资本市场中，农村学生虽然受益于线上补习所带来的机会，但是结果却比城市更加徒劳，致使决策的效果大打折扣。乡镇学生并没有从廉价的线上补习中获益，来扭转成就的不利局面，城市学生的优势也没有很大部分通过线上补习这一路径获得维持，并且通过线上补习，城乡中低成就群体的差距越来越大，造成了新的不公平。这种线上补习对学生成就的负面影响可能和线上学习中学生参与度[35]、师生互动[36]等诸多质量型因素存在关联。

教育部虽然出台了《关于规范校外线上培训的实施意见》来规范线上补习，但是新华社的调查仍旧显示，不少线上补习机构的老师资质存疑，课程质量良莠不齐，一些老师无心授课，而是一门心思做销售，由于准入门槛低，一些在线教育机构的教师资质堪忧，而且管理松散、流动性大，难以保证教学连续性，[37]并且线上学习由于缺乏师生交互性，教师对学生的“放任”也会导致学习成效不平等[38]，此外还有一些教育类APP和在线学习平台缺乏专业性等因素也会导致学生学习能力和学习效果下降，[39]这些因素可能影响了线上补习的效果。资本市场往往以低价为宣传噱头来进行引流，看似价廉，实则质量可能堪忧，但低价策略可能对经济条件不是很好的家庭具有一定吸引力。线上补习的不成熟以及低价特征可能促使城市优势家庭更愿意选择线下形式。

据此，本文提出三点建议。其一，应该加强对城乡学生尤其是农村学生数字素养的培育，引导其形成良好的数字习惯，防止过度的娱乐和社交沉迷影响学习过程。其二，在线上补习上，应该加强对农村优质课外补习资源的分配，通过更多途径如推进优质线上补习机构支援乡村教育等方式，满足农村优质线上资源需求，保证学习效果。其三，应该加强对线上补习机构的事中质量评价和管理。

本文也存在一些研究不足。其一，由于现有研究工具的限制，STATA现有编码技术在数据处理时，R2等判断回归效果的统计量并不能计算出来，这可能影响到本文对总体回归效果的判断。其二，本文因为将学生分类的层次较多，回归结果也较复杂，所以本文可能会忽略掉对一些现象的解释，如学科之间的差异性等。其三，本文对于线上再生产的机制问题的回答尚不足够，未来将会深化研究线上补习的质量问题，并通过质化研究等方法的介入进一步揭示线上再生产的隐蔽机制。

(致谢：感谢两位匿名评审专家的重要修改意见。文责自负。)