幼儿阶段的数字化家庭学习活动：与社会情感问题之间的关联 卡特琳娜·克鲁索拉蒂（Katerina Krousorati）、 阿萨纳西奥斯·格雷戈里亚迪斯（Athanasios Gregoriadis） 和 阿纳斯塔西娅·瓦图（Anastasia Vatou）

《Behavioral Sciences》：Digital Home Learning Activities in Early Childhood: Associations with Socio-Emotional Difficulties Katerina Krousorati, Athanasios Gregoriadis and Anastasia Vatou

　　摘要 家庭在通过日常互动和家庭环境中的共同活动塑造幼儿的学习和发展方面发挥着核心作用。随着数字技术越来越多地融入家庭生活，数字家庭学习活动已成为更广泛的家庭学习环境中的一个重要维度，尽管这一领域的研究仍较为有限。本研究探讨了数字家庭学习活动的心理测量结构和特征，并分析了这些活动与学龄前儿童社会情绪困难之间的关联，以及影响这些活动在不同家庭间差异的人口统计因素。数据来自两个独立的家长样本（N = 308），这些家庭都有学龄前儿童。数字家庭学习活动通过《家庭学习环境问卷》中的相关子量表进行评估，而儿童的社会情绪困难则通过《优势与困难问卷》（A组）和《儿童行为检查表》（B组）的部分条目进行测量。验证性因素分析支持了这些活动的单维结构，并在两个样本中显示出令人满意的信度。层次回归分析表明，在考虑人口统计特征后，数字家庭学习活动总体上与儿童的社会情绪困难无关。然而，父母年龄和父母教育水平与这些活动在不同家庭间的差异有关。

1. 引言
幼儿期是发展的基础阶段，在此期间，儿童的学习不仅受到正式早期教育环境的影响，还受到家庭环境中的日常体验的影响（Bornstein, 2019; Gregoriadis & Evangelou, 2022）。发展生态学视角长期以来强调，家庭中的日常互动、游戏和共同活动为幼儿提供了获取早期能力和社会情绪技能的重要机会（Bronfenbrenner, 1979; Kerr, 2019; Navarro & Tudge, 2023）。这种由家庭成员提供的学习相关活动、互动和资源的组合通常被概念化为家庭学习环境（HLE）（Tamis-LeMonda et al., 2019），并一直被认为与儿童的认知和学术发展以及社会情绪功能方面密切相关（Hall et al., 2019; Li et al., 2023; Rose et al., 2018; Sammons et al., 2015）。
近年来，数字技术越来越多地嵌入到儿童的日常家庭活动中。对于许多幼儿来说，他们首次接触数字媒体是在家庭环境中，其中看护者在决定如何、何时以及为什么使用数字工具方面发挥着重要作用，包括通过中介、指导和共同参与（Chaudron et al., 2018）。因此，数字家庭学习活动成为了更广泛的家庭学习环境中的一个重要维度。然而，这一领域的研究仍然零散。现有的大部分文献要么集中在儿童整体的数字媒体接触上（例如，Radesky & Christakis, 2016; Kabali et al., 2015），要么专注于特定的教育技术和应用程序（例如，Griffith & Arnold, 2019; Neumann, 2018; Palaiologou, 2016; Papadakis et al., 2019），而较少有研究在家庭学习过程的更广泛生态背景下探讨数字家庭学习活动（Gregoriadis & Evangelou, 2022; Krousorati et al., 2022）。此外，关于儿童家庭中的数字体验与社会情绪功能之间关系的研究结果仍然有限且不一致，一些研究表明可能存在潜在风险，而其他研究则强调了情境、共同使用和看护者中介作用的重要性（例如，Konok et al., 2024; Lehrl et al., 2021）。
基于上述论点，本研究考察了有学龄前儿童的家庭的数字家庭学习活动。具体来说，它研究了这些活动在两个独立家长样本中的心理测量结构和描述性特征，分析了这些活动与儿童社会情绪困难之间的关联，并探讨了影响这些活动在不同家庭间差异的人口统计因素。

1.1. 文献综述和理论框架
1.1.1. 家庭学习环境和数字家庭学习活动
家庭学习环境（HLE）是一个多维度的概念，涵盖了家庭支持儿童早期学习和发展的各种方式。它通常指家庭环境中可用于促进儿童在正式教育环境之外发展的学习机会、资源和互动（Toth et al., 2019）。HLE 通常被认为包括三个相互关联的组成部分：物理家庭环境和学习材料的可用性、在家庭内外进行的学习活动，以及父母在与孩子互动时的互动（Tamis-LeMonda et al., 2019）。每个组成部分都有助于儿童在课堂之外的学习和发展（Sammons et al., 2015）。
关于 HLE 的研究采用了两种主要的概念化和操作化方法。第一种方法采用整体视角，将 HLE 视为一个反映家庭微观系统中学习刺激的整体质量和数量的广泛背景（Dearing & Tang, 2010）。从这种视角来看，多样化的学习体验和互动被合并为一个总体的家庭学习支持指标（Kluczniok et al., 2013）。第二种方法从特定领域入手，关注通过哪些特定内容领域来支持学习。这种视角促使人们研究了诸如家庭读写环境（Rose et al., 2018）、家庭数学环境（Cosso et al., 2024）以及最近的家庭科学环境（Junge et al., 2021; Zhang et al., 2019）和 HLE 的数字维度（Bonanati & Buhl, 2022; Lehrl et al., 2021; Sonnenschein et al., 2021）等维度。尽管这两种方法都加深了对基于家庭的学习的理解，但它们各自也有局限性：特定领域的方法可能忽略了影响儿童发展的累积和交互作用，而广泛的方法可能无法充分捕捉与领域相关的过程（Gregoriadis & Evangelou, 2022; Wirth et al., 2023）。家庭学习生态系统框架在这方面特别有用，因为它通过将家庭学习实践概念化为嵌入在更广泛的家庭学习系统中的部分，从而结合了整体和特定领域的视角（Gregoriadis & Evangelou, 2022）。
本研究基于家庭学习生态系统框架，该框架提供了对家庭环境中学习体验的综合性视角（Gregoriadis & Evangelou, 2022）。在这个框架下，数字家庭学习活动被视为嵌入在更广泛的 HLE 中，而不是作为儿童数字接触的孤立指标。从这个角度来看，数字学习机会受到家庭日常惯例以及父母和儿童如何共同参与家庭中的数字学习活动的影响。因此，家庭学习生态系统框架对于本研究特别相关，因为它为将数字家庭学习活动作为 HLE 的一个独特但整合的维度提供了理论基础。

数字技术在家庭生活中日益普及，为幼儿的家庭学习体验增添了重要的数字维度（Kucker, 2021）。证据表明，幼儿越来越早地接触到基于屏幕的媒体，数字技术已成为许多家庭日常生活的一部分（Dumuid, 2020; Kabali et al., 2015; Palaiologou, 2016; Papadakis et al., 2019）。许多学龄前儿童在入学前就开始在家中发展数字技能，这使得父母和看护者在塑造儿童的数字素养和数字参与机会方面处于核心地位（Chaudron et al., 2018; Niklas et al., 2025）。在这方面，父母的中介和引导被强调为儿童家庭环境中数字体验组织和支持的重要机制（Gregoriadis & Evangelou, 2022）。
随着数字技术越来越多地融入家庭生活，研究人员开始探讨数字工具和实践如何影响儿童的家庭学习体验。相关研究使用了“数字家庭学习环境”和“数字家庭学习活动”这两个概念来描述儿童在家庭环境中与数字技术互动的机会和实践（Bonifacci et al., 2026; Krousorati et al., 2022; Lehrl et al., 2021; Segers & Kleemans, 2020）。然而，在本研究中，重点特别放在数字家庭学习活动上，即家庭环境中为了学习目的而进行的父母与孩子之间的共同数字活动（Gregoriadis & Evangelou, 2022）。这种区分很重要，因为关于儿童数字生活的讨论往往包括设备访问、屏幕时间或一般媒体接触（Xu & Qiao, 2025），而数字家庭学习活动更具体地指的是父母和孩子一起进行的以学习为导向的数字实践。

关于儿童数字媒体使用的讨论往往集中在数字参与是否取代了更传统的家庭学习体验上。另一种观点认为，数字技术可能补充而不是取代其他形式的家庭学习（Bonifacci et al., 2026）。实际上，家庭中的数字学习可能从儿童观察和模仿父母的数字实践开始（Livingstone et al., 2015），也可能表现为看护者与孩子一起使用的教育应用程序、互动数字书籍或共同探索在线内容等活动。这表明理解数字家庭学习活动不应仅仅作为数字接触的指标，而应将其视为嵌入在日常家庭互动中的与学习相关的实践。
emerging evidence 进一步表明，不同形式的数字参与在其发展意义上可能存在差异。例如，被动形式的媒体使用可能在引发父母-孩子互动和支持学习机会方面与更互动和共享的形式有所不同（Connell et al., 2015; Hasanen et al., 2021）。尽管对儿童数字体验的兴趣日益增加，但 HLE 的数字维度仍然不如读写能力和数学能力等更为成熟的领域那样被充分理解。特别是，相对较少的研究将数字家庭学习活动视为 HLE 的一个独特维度，并考虑这些活动在学龄前儿童家庭中的结构（Bonanati & Buhl, 2022; Lehrl et al., 2021）。
总体而言，现有文献表明，数字家庭学习活动应被视为更广泛 HLE 的一个有意义的维度，而不仅仅是儿童数字接触的简单指标。此外，与家庭读写能力和家庭数学能力等更为成熟的 HLE 维度相比，数字家庭学习活动在概念和实证方面的发展还不够充分。具体来说，对于这些活动在学龄前儿童家庭中的结构以及是否可以将其作为 HLE 的一个独特维度进行有意义的探讨，目前关注较少。这突显了需要研究来澄清数字家庭学习活动的特征和心理测量结构。

1.1.2. 数字家庭学习活动与儿童的社会情绪困难
大量研究记录了 HLE 在婴儿期（Hall et al., 2019）和幼儿期（Toth et al., 2019）的重要性，展示了它与儿童发展功能、认知能力（Bonifacci et al., 2022; Tamis-LeMonda et al., 2019）、心理健康和幸福感（Lee & Xie, 2018）、后期学术成就（Niklas & Schneider, 2017; Wang, 2025）以及与学习相关的成果（如读写能力（Segers & Kleemans, 2020）、数学能力（Cosso et al., 2024）和早期科学知识（Junge et al., 2021; Zhang et al., 2019）之间的关联。也有研究报道了 HLE 与儿童社会、情感和行为发展之间的关联（Li et al., 2023; Rose et al., 2018; Wirth et al., 2020），尽管这一领域的关注度相对低于认知和学术成果的研究。
在这类更广泛的文献中，关于数字家庭学习活动与儿童社会情绪功能之间的证据仍然有限。少数直接研究 HLE 的模拟和数字维度的研究发现，在学龄前儿童中，更频繁的数字 HLE 活动与较弱的社会情绪技能相关，而模拟 HLE 活动显示出更为积极的关联；同时，数字活动与学术成果呈正相关（Lehrl et al., 2021）。来自关于儿童家庭数字体验的更广泛文献的相关证据也表明，数字家庭学习活动与社会情绪功能之间的关系复杂多样。例如，屏幕接触与儿童的行为结果有关，尽管这些研究并未将数字家庭学习活动作为一个独立的概念进行评估（Bonifacci et al., 2026）。同样，关于儿童数字技术使用的更广泛证据显示，数字屏幕接触与心理社会幸福感之间存在轻微的负相关，而其他研究则指出较高的数字屏幕接触与更多的情绪症状有关，并强调了父母-孩子关系在这些关联中的作用（Harverson et al., 2025; Xu & Qiao, 2025）。另一项研究发现，频繁使用移动设备来安抚 3-5 岁的儿童与更高的情绪反应性和较差的执行功能相关。在纵向研究中，只有情绪反应性与设备使用在平静情绪方面显示出双向关联，其中男孩和冲动性较高的儿童受到的影响更为显著（Radesky等人，2023年）。这些研究具有参考价值，但它们关注的是更广泛的数字接触和参与形式及其与儿童社会情感结果之间的关联，而不是特定的数字家庭学习活动。关于数字家庭学习活动与儿童社会情感和行为问题之间关联的证据有限，这支持了在这一领域进行进一步研究的必要性。同时，一些证据表明，儿童数字体验的发展意义可能取决于这些体验在家庭环境中的组织和支持方式。对幼儿家庭数字素养实践的回顾强调了父母中介作用的重要性，而对共同媒体使用的研究表明，共享的亲子数字实践可能比单纯的屏幕时间对社交发展更为重要（Chen & Yeung, 2026; Soyoof等人, 2024）。综合来看，这些发现表明，儿童在家庭中的数字体验的发展意义可能取决于父母和孩子共同参与的活动性质。因此，在本研究中，数字家庭学习活动被定义为共享的、以学习为导向的实践，而不仅仅是整体的屏幕接触时间。鉴于在学龄前儿童样本中报告的证据不一，以及以学习为导向的共同使用与更广泛的数字接触之间的区别（例如，Bonifacci等人，2026年；Lehrl等人，2021年；Radesky等人，2023年），与社会情感和行为问题之间的关联可能并不均匀。这突显了需要进一步研究，以探讨父母报告的数字家庭学习活动是否以及在多大程度上与学龄前儿童的社会情感和行为问题相关。

1.1.3. 与数字家庭学习活动相关的人口统计因素
了解数字家庭学习活动在不同家庭中的差异是研究其与儿童社会情感结果关联的重要补充。从人口统计学的角度来看，有助于将数字家庭学习活动置于更广泛的家庭背景中，认识到共享数字学习的机会可能受到儿童和父母特征的影响（Paulus等人，2024年）。这也与家庭学习生态系统的观点一致，该观点将儿童的学习体验视为嵌入日常家庭常规中，而不是统一的接触方式（Gregoriadis & Evangelou, 2022）。现有关于数字家庭学习活动人口统计学相关因素的证据仍然有限。然而，现有研究表明，儿童年龄可能是相关的因素，因为数字家庭学习活动似乎在幼儿期逐渐增加（Paulus等人，2024年）。在Lehrl等人（2021年）的研究中，共享的数字家庭学习活动随着年龄的增长而增加，表明当儿童从幼儿期进入学龄前阶段时，数字学习实践变得更加普遍。关于儿童性别的证据则不那么一致。Paulus等人（2024年）没有发现显著的性别差异，而Bonanati和Buhl（2022年）观察到轻微的性别差异，Hasanen等人（2021年）发现男孩性别与父母更多地参与儿童数字媒体使用有关，尽管这项研究关注的是更广泛的数字媒体使用中的共同参与，而不是具体的数字家庭学习活动。综合这些发现，表明在考察数字家庭学习活动的差异时，儿童年龄和在较小程度上的儿童性别可能是需要考虑的相关人口统计因素。父母特征也可能相关，尽管现有证据更加强调父母中介作用和共同参与实践，而不是具体的数字家庭学习活动。关于父母中介作用的研究表明，父母的教育水平与他们引导儿童使用媒体的方式有关，受教育程度较低的父母更容易报告困难或依赖更严格的中介方法（Nikken & Opree, 2018；Paulus等人，2024）。相关研究还表明，父母年龄较低与父母更多地参与儿童数字媒体使用有关（Hasanen等人，2021年）。上述发现强调了需要进一步研究，以探讨哪些人口统计特征与有学龄前儿童的家庭中父母报告的数字家庭学习活动相关。因此，在本研究中，将父母教育水平和父母年龄作为可能有助于解释不同家庭中数字家庭学习活动差异的人口统计指标纳入考虑。

1.2. 本研究
第一个研究空白是关于在更广泛的家庭学习环境（HLE）框架内对数字家庭学习活动的有限研究。尽管关于幼儿与数字媒体互动的研究正在增加（例如，Sonnenschein等人，2021年；Soyoof等人，2024年），但HLE的数字维度及家庭学习活动仍缺乏研究。大多数现有研究集中在更传统的HLE实践上，如共享阅读和基于游戏的学习，对于理解学龄前儿童家庭中数字家庭学习活动的组织方式提供了有限的见解（例如，Bonanati & Buhl，2022年；Lehrl等人，2021年）。这一空白限制了当前的理论理解，并限制了将数字家庭学习活动作为早期学习有意义维度来概念化的程度（Gregoriadis & Evangelou，2022）。
第二个研究空白是关于数字家庭学习活动与儿童社会情感和行为问题之间关联的证据有限。尽管大量研究考察了HLE与儿童在早期读写能力、计算能力、认知发展和后期学校成就等方面的能力之间的关联，但关于社会情感结果的证据相对较少，尤其是在HLE的数字维度方面。直接针对数字家庭学习活动与儿童社会情感功能的证据仍然很少（Lehrl等人，2021年），而从关于幼儿家庭数字体验的更广泛研究中得到的相关证据也结果不一（Bonifacci等人，2026年；Xu & Qiao，2025年）。因此，需要更多的实证工作来阐明在考虑人口统计特征后，父母报告的数字家庭学习活动是否以及在多大程度上与儿童的情绪和行为功能相关。
第三个研究空白是对与数字家庭学习活动相关的人口统计因素的理解不足。尽管先前的研究已经确定了儿童一般数字媒体使用中的人口统计差异，但关于关键特征（如儿童年龄、儿童性别和父母教育水平）如何具体与学龄前阶段的数字家庭学习活动参与相关的了解甚少（Hasanen等人，2021年；Lehrl等人，2021年；Paulus等人，2024年）。此外，数字家庭学习活动很少作为更广泛HLE的一个独立维度来研究与人口统计变量的关系，限制了当前对这类活动如何在家庭中分布的理解。解决这一空白对于明确数字家庭学习活动的社会模式以及为支持学龄前儿童更公平的数字学习机会提供信息非常重要。
为了解决这些空白，本研究考察了数字家庭学习活动的特征和心理测量结构，并研究了它们与学龄前儿童社会情感和行为问题之间的关联。通过两个独立的父母样本进行调查，每个样本都完成了HLEQ的数字家庭学习活动子量表以及 Strengths and Difficulties Questionnaire (SDQ) 或 Child Behavior Checklist (CBCL) 中的相关部分，研究基于以下研究问题：
RQ1：数字家庭学习活动的特点是什么？它们在两个独立样本中的心理测量结构是什么？
RQ2：在考虑人口统计特征后，数字家庭学习活动与学龄前儿童的社会情感和行为问题（通过SDQ和CBCL测量）之间存在何种关联？
RQ3：哪些人口统计因素与数字家庭学习活动相关（例如，儿童年龄、儿童性别、父母教育水平、父母年龄）？

根据现有文献，本研究提出了三个主要预期。首先，数字家庭学习活动子量表应表现出单一维度结构，并在两个独立样本中具有令人满意的可靠性（RQ1）。其次，数字家庭学习活动预计与儿童的社会情感问题相关，尽管先前的研究结果表明这些关联可能较弱或不显著（RQ2）。第三，数字家庭学习活动预计会根据儿童和家庭背景特征（特别是父母教育水平和其他人口统计因素）而有所不同（RQ3）。

2. 材料与方法
2.1. 参与者和程序
这项横断面研究采用方便抽样方法招募了两组学龄前儿童的父母样本。在两个样本中，都进行了HLEQ的数字家庭学习活动子量表的调查，同时使用了不同的社会情感和行为问题测量工具（A组使用SDQ，B组使用CBCL）。数字家庭学习活动子量表在两组中使用了相同的题目、回答格式和评分程序，从而支持了对数字家庭学习活动的可比性评估。其心理测量结构也在每个组中分别进行了检验。每个样本只使用一种社会情感工具，减少了受访者的负担，同时允许在两个已建立的评估框架内进行研究。使用两种广泛使用的父母报告工具还使我们能够考虑数字家庭学习活动与不同工具之间的关联模式是否大体相似。因此，结果分析在每个样本内分别进行，并在每个工具内解释，而不是直接比较SDQ和CBCL的得分。
总样本包括308名父母。A组有133名父母，用于涉及SDQ的分析；B组有175名父母，用于涉及CBCL的分析。A组父母的平均年龄为36.4岁（标准差=5.8岁），他们的孩子平均年龄为35.3个月（标准差=10.2个月）；B组父母的平均年龄为36.8岁（标准差=4.8岁），他们的孩子平均年龄为36.1个月（标准差=3.6个月）。两个样本的人口统计特征见表1。数据收集时间为2022-2023年和2023-2024学年。两组均通过学龄前机构采用类似的方便抽样和家长联系程序招募。通过幼儿园联系父母，并向他们提供了关于研究目的和程序的书面信息以及参与邀请。随后分发了同意书和邀请函。问卷以纸质和在线形式分发，并要求匿名完成。参与者被告知可以在不提供理由的情况下随时退出研究。没有收集任何可识别信息，也没有提供参与激励。数据仅用于研究目的，并得到了安全存储。研究方案经过了作者所在部门伦理委员会的审查和批准（许可批准代码EA230235）。

2.2. 测量工具
2.2.1. 数字家庭学习活动
数字家庭学习活动使用Home Learning Environment Questionnaire (HLEQ; Krousorati等人，2022)中的数字家庭学习活动子量表进行评估，该量表是在家庭学习生态系统框架（Gregoriadis & Evangelou, 2022）内开发的。该子量表包括五个项，用于评估亲子共同数字学习活动的频率，如共享电子书阅读、共同使用教育应用程序以及共同使用互联网进行学习。回答采用6点李克特量表，范围从1（“从不”）到6（“总是”）。将各项目的得分平均后形成总分，分数越高表示参与数字家庭学习活动的频率越高。先前的研究支持了该量表的心理测量适当性（Krousorati等人，2022）。在本研究中，两个样本的内部一致性都很好（A组[SDQ样本]的McDonald’s ω = 0.894；B组[CBCL样本]的McDonald’s ω = 0.837）。
2.2.2. Strengths and Difficulties Questionnaire
第一个样本（A组）中儿童的社会情感和行为功能使用适用于2-4岁儿童的Strengths and Difficulties Questionnaire（SDQ；Goodman，1997）的家长报告版本进行评估。SDQ是一种广泛使用的行为筛查工具，包含25个项目，评分范围为3点（0 = 不正确，1 = 有些正确，2 = 完全正确）。该工具产生了五个子量表：情绪症状、行为问题、多动/注意力不集中、同伴问题和亲社会行为。按照标准评分程序，对描述问题的项目进行了反向评分。在四个难度子量表上获得的较高分数表明存在更大的困难，而在亲社会行为子量表上获得的较高分数则表明亲社会技能更强。除了这五个子量表外，还通过结合情绪症状、行为问题、多动/注意力不集中和同伴问题子量表计算出了总困难得分。此外，还计算了内化困难和外化困难的更广泛指标。内化困难是通过结合情绪症状和同伴问题来衡量的，而外化困难则是通过结合行为问题和多动/注意力不集中来衡量的。SDQ已在希腊样本中得到使用和验证，并在之前的研究中显示出适当的心理测量特性（Bibou-Nakou等人，2019年；Giannakopoulos等人，2009年、2013年；Gomez等人，2021年；Kotsis等人，2024年；Tsakalidis等人，2023年；Vatou，2023年；Vourdas等人，2018年）。在本研究中，分析重点集中在SDQ总困难得分以及内化困难和外化困难的综合指数上，这两者被用作主要的SDQ结果指标。总困难得分的内部一致性令人满意（McDonald’s ω = 0.800），内化困难（ω = 0.757）和外化困难（ω = 0.700）也是如此。

2.2.3 儿童行为清单
使用针对1?至5岁儿童的希腊版儿童行为清单（CBCL/1?–5；Achenbach & Rescorla，2000年；Tsaousis，2009年）中的选定条目，评估了第二组（组B）儿童的社会情感和行为困难。CBCL/1?–5是一种广泛使用的由看护者报告的工具，它使用3点量表（0=不成立，1=有时或部分成立，2=非常成立或经常成立）来评估学龄前儿童的各种情绪和行为问题。在希腊的学龄前儿童样本中，CBCL/1?–5显示出了令人满意的心理测量特性（例如，Roussos等人，1999年；Kadoglou等人，2024年；Vatou等人，2025年）。与之前使用相同选定CBCL/1?–5条目的希腊研究结果一致（Vatou等人，2025年），本研究得出了两个综合得分，分别反映了内化困难和外化困难。内化综合得分包括反映焦虑/抑郁和退缩行为的条目，而外化综合得分包括反映注意力问题和攻击性行为的条目。这两个综合得分是通过将相关条目相加计算得出的，得分越高，表示社会情感和行为困难越严重。在本样本中，这两个综合得分的内部一致性都很好（内化问题的McDonald’s ω = 0.746，外化问题的McDonald’s ω = 0.861）。

2.2.4 儿童和家庭背景指标
父母提供了关于儿童和家庭背景特征的信息。与儿童相关的变量包括儿童年龄（以月计）和儿童性别（男孩/女孩）。与父母相关的变量包括父母年龄（以年计）和父母教育水平。父母教育水平记录为完成的最高正式教育程度。这些变量被用作后续分析中的 demographic indicators，以解释参与者之间的差异。

2.3 统计分析
所有统计分析均使用JAMOVI（版本2.6.2）（The Jamovi Project，2025年）进行。当使用不同的工具评估社会情感结果时（组A使用SDQ；组B使用CBCL），分别对两个父母样本进行了分析；而针对RQ3的分析则是在合并的数据集上进行的。由于SDQ和CBCL产生的结果是不同的指标，因此检查数字家庭学习活动与社会情感和行为困难之间的关联是在每个样本内部进行的。因此，跨样本的解释仅限于一致的模式，而不是直接的组间对比。初步分析包括对所有研究变量的描述性统计和分布特性的检查。

为了回答RQ1，计算了数字家庭学习活动综合得分及其组成条目的描述性统计。在每个父母样本中分别进行了验证性因素分析（CFA），以检验数字家庭学习活动子量表的心理测量结构。根据Home Learning Ecosystem框架（Gregoriadis & Evangelou，2022年）和先前的实证发现（Krousorati等人，2022年），预先指定了一个单因素模型。选择CFA是为了评估这一理论推导出的单一维度结构是否在两个独立样本中得到支持。使用多个指标来评估模型拟合度，包括卡方统计量及其自由度、比较拟合指数（CFI）、近似均方根误差（RMSEA）和标准化均方根残差（SRMR）。根据Kline（2023年）的建议，CFI接近0.95、SRMR接近0.08和RMSEA接近0.06表示模型拟合良好。在适当的情况下，检查了修正指数，并且只有在理论上合理且具有实质性意义时才考虑模型调整。使用McDonald’s ω（McDonald，1999年）来检验内部一致性。

为了回答RQ2，在每个样本中分别估计了层次多重线性回归模型，以考察在考虑人口统计特征后数字家庭学习活动与儿童社会情感和行为困难之间的关联。在组A中，模型估计了SDQ内化困难、外化困难和总困难；在组B中，模型估计了CBCL内化和外化问题。在每个模型中，第一步输入了儿童年龄、儿童性别、父母年龄和父母教育水平，第二步输入了数字家庭学习活动。还使用了Spearman的等级相关系数（ρ）来检查初步的双变量关联。

最后，为了回答RQ3，在合并样本中估计了一个层次多重线性回归模型，以考察人口统计特征与数字家庭学习活动之间的关联。由于初步分析显示组A和组B在数字家庭学习活动方面存在显著差异，因此将样本组作为控制变量纳入模型。因此，将组、儿童年龄、儿童性别、父母年龄和父母教育水平作为预测变量，数字家庭学习活动作为因变量。使用R2、调整后的R2和整体F检验来评估模型拟合度。

3. 结果
3.1 数字家庭学习活动的特征和因素结构
在每个样本中分别进行了验证性因素分析（CFA），以检验数字家庭学习活动子量表的因素结构。与HLEQ的原始结构一致，预先指定了一个单因素模型，代表家庭中共同的亲子数字学习活动。CFA模型的拟合指数见表2。表2显示了数字家庭学习活动的验证性因素分析结果。在组A（N = 133）中，初步的CFA显示拟合不佳，χ2(5) = 19.30，p = 0.002，CFI = 0.969，SRMR = 0.028，RMSEA = 0.147，90% CI [0.081, 0.210]。检查修正指数后，建议允许电子书阅读条目和数学应用条目的残差相关。这种修正在理论上是可以接受的，因为这两个条目都反映了特定的学习导向数字活动，因此可能共享超出一般因素的残差方差（条目7和条目9）。允许这种残差协变量后，模型拟合显著改善，χ2(4) = 6.49，p = 0.165，CFI = 0.995，RMSEA = 0.068，SRMR = 0.019。标准化因子载荷范围从0.547到0.969，内部一致性良好（McDonald’s ω = 0.894）。

在组B（N = 175）中，单因素CFA的拟合良好，χ2(5) = 7.43，p = 0.191，CFI = 0.993，RMSEA = 0.052，SRMR = 0.029。所有标准化因子载荷都具有统计学意义，范围从0.524到0.922。内部一致性也良好（McDonald’s ω = 0.837）。表3展示了数字家庭学习活动条目的描述性统计和标准化因子载荷。在两个样本中，综合平均得分都低于反应量表的中点，表明总体上参与共同数字家庭学习活动的频率相对较低。具体来说，组A的平均综合得分（M = 2.74，SD = 1.14）高于组B（M = 1.84，SD = 0.89）。由于两个组是独立样本，并且使用不同的工具评估了社会情感结果，这种描述性差异不被解释为直接的社会情感结果组间比较。在合并样本分析中，通过将样本组作为控制变量来考虑数字家庭学习活动的组间差异。

3.2 数字家庭学习活动与儿童社会情感和行为困难之间的关联
在两个样本中分别检验了数字家庭学习活动与儿童社会情感和行为困难之间的关联，组A使用SDQ结果，组B使用CBCL结果进行分析。为了评估数字家庭学习活动是否与这些结果相关，超出了人口统计特征的范畴，在每个样本中进行了层次多重回归分析。在所有模型中，第一步输入了儿童年龄、儿童性别、父母年龄和父母教育水平，第二步输入了数字家庭学习活动。表4和表5展示了描述性统计和双变量相关系数，表6和表7报告了层次回归模型。表4显示了组A中数字家庭学习活动与SDQ结果之间的描述性统计和双变量相关系数。表5显示了组B中数字家庭学习活动与CBCL结果之间的描述性统计和双变量相关系数。表6显示了组A中预测SDQ结果的层次多重回归分析。表7显示了组B中预测CBCL结果的层次多重回归分析。在SDQ样本（组A）中，数字家庭学习活动与外化困难呈轻微正相关（ρ = 0.203，p < 0.05），但与内化困难（ρ = 0.058）或总困难（ρ = 0.156）无显著相关。正如预期的那样，在SDQ指标之间观察到了强烈的正相关，外化困难与总困难（ρ = 0.862，p < 0.001）和内化困难（ρ = 0.423，p < 0.001）显著相关（表4）。

在CBCL样本（组B）中，数字家庭学习活动与内化问题（ρ = 0.145）或外化问题（ρ = 0.058）均无显著相关。CBCL内化问题和外化问题之间观察到了强烈的正相关（ρ = 0.552，p < 0.001）（表5）。表6展示了预测SDQ结果的层次回归分析结果。对于SDQ内化困难，包括人口统计变量的模型1不显著（p > 0.05），F(5, 123) = 0.46，R2 = 0.018。在模型2中加入数字家庭学习活动并未显著改善模型，ΔR2 = 0.004，ΔF(1, 122) = 0.55。数字家庭学习活动不是内化困难的显著预测因子（B = 0.193，SE = 0.259，β = 0.071）。对于SDQ外化困难，模型1显著，F(5, 124) = 2.97，p < 0.05，解释了10.7%的方差。儿童性别成为一个显著的预测因子（B = ?1.259，SE = 0.496），女孩表现出较低的外化困难水平。模型2仍然显著，F(6, 123) = 3.10，p < 0.01，但加入数字家庭学习活动并未显著改善模型拟合，ΔR2 = 0.025，ΔF(1, 123) = 3.47。数字家庭学习活动不是外化困难的显著预测因子（B = 0.416，SE = 0.223，β = 0.166）。对于SDQ总困难，模型1不显著，F(5, 120) = 1.17，R2 = 0.047。在模型2中加入数字家庭学习活动并未显著增加解释的方差（ΔR2 = 0.014，ΔF = 1.71）。表7展示了CBCL结果。对于CBCL内化问题，包括人口统计变量的模型1不显著，F(5, 168) = 1.02，R2 = 0.029。在模型2中加入数字家庭学习活动并未显著改善模型（ΔR2 = 0.019，ΔF = 3.27）。数字家庭学习活动与内化问题无显著关联（B = 0.500，SE = 0.276，β = 0.139）。对于CBCL外化问题，模型1显著，F(5, 168) = 2.58，p < 0.05，解释了7.1%的方差。儿童性别成为一个显著的正预测因子（B = 3.869，SE = 1.615），女孩表现出较低的外化问题水平（B = ?1.851，SE = 0.967）。模型2仍然显著，F(6, 167) = 2.35，p < 0.05，但加入数字家庭学习活动并未显著改善模型拟合（ΔR2 = 0.007，ΔF = 1.19）。数字家庭学习活动与外化问题没有显著关联（B = 0.593，SE = 0.544，β = 0.083）。

3.3. 数字家庭学习活动与人口统计因素之间的关联
进行了分层多重回归分析，以检查人口统计特征是否与综合样本中的数字家庭学习活动相关。初步分析表明，两组之间的数字家庭学习活动存在显著差异，A组的水平高于B组。因此，将样本组作为控制变量纳入模型中。整个模型具有统计学意义，F(6, 300) = 13.60，p < 0.001，解释了数字家庭学习活动21.4%的方差（R2 = 0.214，调整后R2 = 0.198）。在Model 2中加入人口统计变量后，模型拟合度显著提高，ΔR2 = 0.048，ΔF(5, 300) = 3.69，p = 0.003。
在最终模型中，组别仍然是一个强有力的预测因素，B组的参与者报告的数字家庭学习活动水平低于A组（B = ?0.840，SE = 0.116，β = ?0.764，p < 0.001）。父母年龄与数字家庭学习活动呈负相关（B = ?0.028，SE = 0.011，β = ?0.134，p = 0.010）。此外，研究生教育水平较高的父母，其孩子的数字家庭学习活动水平低于中学教育水平的父母（B = ?0.447，SE = 0.179，β = ?0.407，p = 0.013）。孩子年龄、孩子性别以及本科/专科教育与数字家庭学习活动之间没有显著的关联。未观察到问题性的多重共线性（见表8）。

表8. 预测综合样本中数字家庭学习活动的分层多重回归分析。

4. 讨论
本研究利用两个独立的家长样本，调查了学龄前儿童家庭学习环境中的数字家庭学习活动的结构和特征。此外，还研究了这些活动与儿童社会情感困难之间的关联，以及影响家庭间数字家庭学习活动差异的人口统计特征。研究得出了三个主要发现。首先，数字家庭学习活动在两个样本中表现出一致性和内部一致性。其次，即使考虑了人口统计特征，这些活动与儿童社会情感困难的关联也较为有限，未能保持统计学意义。第三，数字家庭学习活动与某些家长特征有关，表明它们可能因家庭背景而异。下面分别讨论这些发现。
首先，结果支持了预期的观点，即数字家庭学习活动具有单一维度结构，并在两个独立样本中显示出令人满意的可靠性。分析支持了一因素结构，表明所研究的数字家庭学习活动代表了一组连贯的亲子学习实践，可能构成更广泛的家庭学习环境中的一个独特但综合的维度。这一发现与家庭学习环境的理论观点一致，这些理论将家庭中的学习机会视为嵌入在日常亲子互动中的相关活动集群（Gregoriadis & Evangelou, 2022; Tamis-LeMonda et al., 2019），也与先前的实证研究结果一致（Krousorati et al., 2022）。虽然以往的研究通常关注数字媒体接触、数字设备使用或屏幕时间（例如Chaudron et al., 2018; Kabali et al., 2015; Xu & Qiao, 2025），但本研究通过提供实证支持，将数字家庭学习活动视为有学龄前儿童的家庭学习环境的一个连贯组成部分。
另一个值得注意的发现是，两个样本中的父母报告的数字家庭学习活动参与度相对较低，表明以学习为导向的共享数字实践在日常生活中并不频繁。这一模式与Lehrl et al. (2021) 的研究结果大致一致，他们的研究也发现学龄前儿童的数字家庭学习活动平均水平低于模拟学习活动。这也与证据一致，即家庭学习环境的数字维度并非家庭生活的统一特征，而是因特定的家长支持和共享数字参与形式而异（Bonanati & Buhl, 2022）。综合考虑这些发现，尽管数字家庭学习活动可以被视为家庭学习环境的一个连贯维度，但它们似乎并不是许多有学龄前儿童的家庭的日常高频活动。
其次，结果表明，即使考虑了人口统计特征，数字家庭学习活动通常与儿童的社会情感困难无关。尽管在SDQ样本中发现了与外化困难的小幅正相关，但在调整后的模型中这种关联并未保持统计学意义。这一发现部分与Lehrl et al. (2021) 的研究结果一致，他们发现更频繁的数字家庭学习活动与学龄前儿童较弱的社会情感技能有关。然而，总体而言，本研究的结果与一些文献中的观点不同，这些文献报告了儿童发展与数字屏幕暴露、屏幕时间或使用设备进行情绪调节之间的负相关（例如Konok et al., 2024; Radesky et al., 2023; Xu & Qiao, 2025）。一个可能的解释是，这些研究关注的是更广泛的屏幕暴露或质量不同的数字参与形式，而本研究则专注于共享的、以学习为导向的数字家庭学习活动，这在理论上是基于家庭学习生态系统框架的（Gregoriadis & Evangelou, 2022）。此外，本研究关注的是社会情感困难，而不是更广泛的社会情感功能。从这个意义上说，缺乏显著关联可能表明，家庭中以学习为导向的共享数字活动与幼儿的行为或情绪问题无关。这也暗示，当父母与孩子一起参与这些学习活动时，他们可能会提供更多的指导和中介，而不仅仅是让孩子简单地接触和使用屏幕或数字媒体设备（Chaudron et al., 2018）。因此，儿童数字体验的发展意义可能取决于这些体验在家庭背景中的结构，包括它们是否涉及共享的、有指导的、以学习为导向的参与，而不是被动的或调节性的使用数字媒体。这种解释也与研究表明，共享的数字媒体参与和亲子互动的质量对儿童的社会发展比单纯的屏幕暴露更为重要（Chen & Yeung, 2026; Griffith & Arnold, 2019）一致。
第三，研究结果表明，某些人口统计特征与家庭间数字家庭学习活动的差异有关。特别是，父母年龄和父母教育水平被确定为这些活动中亲子共享参与的显著预测因素。这些结果与先前的研究一致，这些研究表明父母年龄和教育水平可能与家庭环境中家长中介、共同参与和数字实践的差异有关（Hasanen et al., 2021; Nikken & Opree, 2018; Paulus et al., 2024）。更具体地说，当前的研究表明，家庭间数字家庭学习活动的共享参与可能因家庭而异，这可能反映了父母经验、对数字资源的熟悉程度或对儿童日常学习活动中使用数字工具的偏好的差异。同时，解释的方差相对较小，表明人口统计特征单独并不能完全解释数字家庭学习活动的差异，这表明家庭环境的其他方面，如父母的信念、中介实践或对数字资源的获取方式，也可能起着重要作用。
需要承认本研究的几个局限性。首先，数据基于父母的自我报告，这可能受到主观偏见和社会期望效应的影响，可能无法完全反映实际的家庭实践。此外，数字家庭学习活动子量表被简化为涵盖多种数字学习活动的单一综合指标，可能会掩盖特定活动的模式。未来的研究可以探讨特定活动（如共享电子书阅读、教育应用程序或基于网络的活动）与儿童结果之间的具体关联。其次，儿童的社会情感困难仅通过家长问卷进行评估。尽管使用了广泛使用的工具，但未来的研究可以通过结合多种评估方法（如直接观察、教师报告或标准化评估）来更全面地评估儿童的社会情感和行为功能。第三，样本并不代表希腊家庭，因为大多数参与研究的父母受教育程度较高。因此，在将结果推广到更具有社会经济多样性的群体时应谨慎解释。此外，该研究的横断面设计不允许得出数字家庭学习活动与儿童发展之间因果关系的结论。
因此，未来的研究应使用纵向设计和更多样化的家庭样本来探讨数字家庭学习活动的作用。进一步的研究还可以探索数字家庭学习过程中亲子互动的质量，以及家长中介实践如何影响儿童在家庭学习环境中的数字体验。
从实际角度来看，研究结果强调了支持父母与孩子共同参与以学习为导向的数字活动的重要性。为家庭提供如何将数字技术整合到日常学习互动中的指导，有助于增强更广泛的家庭学习环境，并支持幼儿使用数字媒体的发展体验。

5. 结论
儿童接触数字技术始于早年。本研究通过表明数字家庭学习活动形成了一组连贯的亲子共享实践，为关于家庭学习环境数字维度的文献做出了贡献，这些实践可以被视为更广泛家庭学习环境的一部分。这些活动与增加的社会情感困难无关，表明家庭环境中的以学习为导向的数字参与似乎不会导致幼儿的行为或情绪问题加剧。此外，家庭间数字家庭学习活动的参与度存在差异，并与某些家长特征相关。总体而言，结果强调了在考察数字媒体暴露量时，不仅要考虑数量，还要考虑日常家庭互动中数字家庭学习活动的性质和背景的重要性。