基于Rasch模型的公眾科學態度的量表編制與測量

[摘" "要] 公眾科學態度是科普領域的重要議題。本文以心理學假設為基礎編制公眾科學態度的量表，并用Rasch模型對量表進行單維性檢驗、局部獨立性檢驗、結構分析、試題項目及被試擬合分析、評定尺度分析。經檢驗，本文量表可測量公眾科學態度，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估方法的補充。

[關鍵詞] Rasch模型" "公眾科學態度" "科普效果評估

[中圖分類號]" N4 [文獻標識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2024.05.007

缺失模型（Deficit Model）認為公眾因“無知”而致“猜忌”。但缺失模型作為一種線性單向性模型備受批判，學界轉而關注以公眾科學態度為重點的公眾理解科學，乃至公眾參與科學。從科普實踐工作與科普研究層面上而言，公眾科學態度仍極具討論價值。實踐表明，公眾科學態度影響著科研資助、科技成果轉化等一系列問題。在理論研究方面，公眾參與科學本身夾雜著科學性與民主性的協商。科學技術革命日新月異，而我國公眾科學素質仍處在較低水平。就現實而言，“誰參與”“為何參與”“如何參與”等問題仍處于深刻探討之中。因此，公眾科學態度是當前實踐工作與理論研究的重要議題。

盡管公眾科學態度整體偏向積極，但近年來爭議性科學議題逐漸浮現，公眾對科學呈現出期待與恐懼交織的態度，使得相關研究呈現出緊迫性。但當前對“公眾科學態度”這一變量的測量尚存爭議，需先厘清變量，方可在此基礎上進行深入研究。

從評估工具來看，社會科學領域內常見將李克特量表（Likert scale）的定序數據作為定距數據進行推論統計的錯誤，予非線性數據以線性特征。因而，本文將運用Rasch模型轉化數據類型，以減少變量測量誤差。

1公眾科學態度的緣起與測量

1.1公眾面對的科學

科學是近代的產物，19世紀前，科學以依附于宗教、自然哲學的形式存在。盡管科學劃界問題經歷了可確證、可證偽乃至解構的變遷，但科學作為知識機器以其“鐵律”[1]廣泛影響著社會。從狹義上而言，科學指系統化的自然科學。

現代自然科學的發展日新月異，在極大程度上改善了公眾生活水平，但隨之而來的生態、倫理等外在問題日漸凸顯，“勾勒姆”（Golem）、 “李森科主義”（ Lysenkoism）等內在問題發人深省。科學被賦予的確定性逐漸消弭，取而代之的是不確定性。媒體環境更迭，媒體生產邏輯與科學知識生產規范的背離觸發了媒介化風險，成為科學不確定性的放大器[2]。而公眾科學態度呈現搖擺的傾向，尤其體現在對爭議性科學議題的態度上，涉及科學知識、科學建制、科學共同體、科學的社會影響等方方面面。

1.2公眾科學態度的心理構成

19世紀60年代，赫伯特·斯賓塞（Herbert Spencer）和亞歷山大·培因（Alexander Bain）將態度引入心理學領域用以指稱行動準備的內心階段[3]。詹姆斯·M.奧爾森（James M. Olson）和馬克·P.贊納（ Mark P. Zanna）認為態度由認知（cognition）、感覺（affect）、行為傾向（behavior tendency）三種成分構成[4]。而“公眾科學態度”這一概念還未形成得到普遍認可的定義。目前國內外學界主要從細分對象著手構建變量指標體系，相關研究主要聚焦在以下三個方面。

其一，公眾對科學態度的評估。國內代表性評估如中國公民科學素質調查將公民科學態度分為三個維度：公民對科技的感興趣程度、公民對科技的態度與看法、公民對科學家的認知看法[4]。此外，中國科學技術指標中將公民對科學技術的態度降維為公民對科學技術信息的感興趣程度、公民對科學技術的看法、公民對公共科技議題的看法三個二級指標[5]。

國外的代表性調查有歐洲晴雨表（Eurobarometer）、美國科學指標（Science Indicators）[6]、美國國家科學基金（National Science Foundation，NSF）調查[7-8]、米勒（J·D. Miller）公眾科學素養測量[9]、美國民意調查等。如歐洲晴雨表認為公眾科學態度包含公眾對科學、科學的社會影響、科學共同體、科技政策等方面的興趣、認知與評價[10-11]。美國民意調查則將科學家的職業威望程度、公眾信任科學家的程度、公眾對科學的利弊感知、公眾對科學發展的認知等多方面納入變量范疇[12]。

其二，公眾對爭議性科學技術的態度。如公眾對轉基因[13]、5G技術[14]、核能[15]等技術的態度。

其三，影響公眾對科學的態度的因素。如科學知識[12，16-17]、大眾媒體[18]、社會結構因素、社會文化觀念[19]等因素對公眾態度的影響。這兩類研究建立在對“公眾對科學的態度”這一變量的測量上，但由于概念界定不清、指標體系不明確、試題項目數量少等問題，測量準確性不及代表性調查。

公眾科學態度的指標體系是變量測量與延伸性研究的基礎所在。盡管各量表所涉指標不盡相同，但基本上圍繞科學、科學共同體、科技政策、科技應用、科學的社會影響等方面展開。當前研究的指標體系較少從心理學范疇出發，也較少從態度這一基本單位著手構建，因而忽視了態度層次的多元性。綜上，本文將公眾科學態度定義為公眾基于科學各方面現狀所形成的一種對科學的認知取向、情感傾向、行為意向的心理結構。

1.3公眾對科學態度的傾向

測量公眾科學態度時，既往研究通常將其置于態度二元論的框架之下，以積極、消極二元表述劃分試題項目傾向。同時采用李克特量表衡量公眾態度傾向程度，結果以百分比例或數值的形式呈現，且相關研究尚未劃定閾值以區分公眾科學態度，如美國科學指標、歐洲晴雨表、中國公民科學素質調查等。

除此之外，既往研究所呈現的數據形式難以滿足延伸性研究需求，百分比例的結果無法實現試題項目間累加累減的計算，難以形成對變量的整體測量。而定序數據并無數值意義，不可進行累加累減。此外，由于各量表采用的李克特量表尺度不同，相關結果難以進行縱橫向比較。

因此，本文將基于Rasch模型對變量數據進行多次迭代直至收斂以取得較為精確的數值。經過Rasch模型的轉化，變量數據由定序數據轉為定距數據，對變量的整體傾向程度以線性形式呈現。

2研究設計

2.1測量對象：樣本描述

本文將進行預測量、正式測量兩輪測量。測量前將量表指標體系進行細化，共計11個試題項目。預測階段共抽取31人，其中男性17人、女性14人；小學學歷3人、初中學歷16人、高中學歷6人、大學學歷6人；16～35周歲12人、36～60周歲11人、60周歲以上8人。

正式測量階段采用多階段抽樣，共抽取300人，對浙江省金華市、河南省駐馬店市、河南省焦作市、新疆維吾爾自治區喀什市的被測對象進行調查，其中每市抽選一個社區、一個村，并以家庭為單位進行整群抽樣。測量對象為16歲以上的公民，其中男性153人、女性147人；小學學歷27人、初中學歷124人、高中學歷72人、大學學歷77人；16～35周歲113人、36～60周歲150人、60周歲以上37人。

2.2公眾科學態度量表編制

本文將公眾科學態度這一潛在變量進行降維。以心理學假設為理論基礎，考察公眾對科學的認知取向、情感傾向、行為意向三個層面。首先，認知取向不等同于認知，認知取向指對某客體贊同與否的評價性看法等，而并非公眾對科學認知的能力，即正確作答科學試題項目的能力。其次，情緒不等同于情感，兩者作為同一心理現象的不同層次，情感可由情緒表達，情緒的累積式變化也會影響情感的轉變。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。根據心理學假設，“態度—行為”具有一致性傾向，即公眾科學態度與公眾對科學采取的行為有內在一致性。

公眾科學態度具體指標以公眾科學素養評估、公眾調查等相關測量為基礎，如中國科學技術指標、歐洲晴雨表、美國國家科學基金、美國科學指標、美國民意調查等。部分調查將“公眾從事科學相關職業”納入測量，但這一指標具有年齡局限性，從普遍性的角度考量將這一指標剔除。而伴隨著風險社會的顯現，公眾科學態度這一變量也需考慮公眾對科學社會性勾連的認知[20]。此外，本文將公眾傳播科學的意向、參與科學決策的意向[21]、運用科學的意向[22]等行為意向納入指標。

綜上，公眾科學態度的指標體系如表1所示，共包含11項指標。本文將以核電技術為例，測量時將指標體系進一步具象化。

2.3測量方法：Rasch模型

經典測量理論（Classical Test Theory，CTT）、概化理論（Generalizability Theory，GT）、項目反應理論（Item Response Theory，IRT）、Rasch模型是常見的測量理論。CTT作為早期測量理論，具有簡單易操作的特點，是一種中觀測量理論；GT則改進了CTT理論中誤差不可分解的缺陷，注重結論的概化，屬于宏觀測量理論；IRT與Rasch模型則均為微觀測量理論，可對試題項目、被試水平進行細致分析。盡管同為微觀測量模型，但IRT與Rasch模型也有著本質不同，IRT是一種模型擬合數據的理論，而Rasch模型是一種數據擬合模型的理論[23-24]。

格奧爾格·拉希（Georg Rasch）于1960年提出Rasch測量（Rasch Measurement）。其前提假設為，被試作答試題項目滿足一種數學關系，即被試能力越強，則越可能正確作答較難試題項目；試題項目越難，則被試越難以正確作答。當被試能力水平與試題項目難度相當時，被試正確作答該試題項目的概率是50%。當被試能力水平高于試題項目水平時，被試正確作答該試題項目的概率將大于50%，反之則低于50%[25]，且Rasch模型參數間保持相對獨立性，即被試能力水平與試題項目難度互不影響。

Rasch測量建立在概率論基礎之上，能力為Bn的被試n正確作答難度為Di的試題項目i的概率為P，公式如下：

（1）

已知概率P，Rasch測量將利用概率P進一步假設可能性（odds）模型，并利用自然對數進一步優化，可得Rasch模型（Rasch Model）公式：

（2）

Rasch模型作為“尺子的尺子”，不僅僅在轉化定序數據上有良好的表現，對“測量”本身的糾正也是Rasch模型最大的優勢。Rasch模型通過總體統計值對量表信度（Reliability）、區分度（Separation）、試題總體擬合度、被試總體擬合度進行評估，考察數據對模型的整體擬合情況。Rasch模型需滿足單維性假設，確保量表中所有指標均為測量同一潛在變量；此外，可以通過試題項目擬合度分析進一步檢驗試題項目效度；Rasch模型假設各試題項目之間為相互獨立，即局部獨立性；借助懷特圖（Wright map）可考察量表中各試題項目的難度分布情況、被試能力水平分布情況，將過度重合的試題項目予以修改；Rasch模型需檢驗試題項目的選項設置情況，如若存在多余選項可進行選項合并。基于量表的多項檢驗，使得測量過程被不斷優化，以便獲取相對精準的數據。

2.4預測量表及其分析

預測量表共計11項試題項目，分別對應11項指標。本文應用量表時，將以核電技術為例，采用李克特四級量表。如“我認為核電技術未來發展整體利大于弊”對應指標“公眾對科學創新發展的風險與收益感知”，“我愿意主動了解核電技術”對應指標“公眾對科學的認知意愿”，“我尊重、信任核電技術專家”對應指標“公眾對科學家身份的認同與信任”等。

將預測數據錄入Winsteps 3.72.3進行處理。預測階段量表總體統計值良好，基本滿足單維性假設，評定尺度擬合良好。從局部獨立性假設來看，Item6與Item7之間的殘差相關系數達0.61，超出臨界值范圍。從懷特圖中可知，預測階段Item8與Item10難度重合。此外，在試題項目擬合方面，Item1的Infit MNSQ、Outfit MNSQ值分別為2.12、2.20，點—測量相關系數為0.38，均落在臨界值之外。被試擬合不良共計2人，將該數據刪除后，重新測量量表總體統計值。刪除異常被試后，各部分指標數值有所優化，但變化較為微弱，考察綜合情況后對異常數據予以保留。

除部分試題項目外，量表整體表現良好。根據預測階段數據，擬對量表中Item7、Item8進行修改。其中Item7為“我對我國核電安全管理制度有信心”，對應指標“公眾對科學管理體系的認同與信任”；Item8為“我為國家資助核電技術感到高興”，對應指標“公眾對科研資助的情感”。預測階段測試人數較少，使得部分指標情況欠佳，將結合正式測量階段數據進一步考察。

3數據分析

3.1量表總體統計值

Rasch模型量表總體統計值中需考察區分度、信度、Infit、Outfit。區分度是衡量試題項目差異、被試個體能力差異的重要指標，信度則是檢驗量表可信程度的指標。

Infit、Outfit是Rasch模型中檢測數據是否擬合模型的關鍵值，其中Infit是加權擬合值，Outfit是非加權擬合值；MNSQ指均方統計值，ZSTD指顯著性檢驗值。Infit主要檢測被試能力與試題項目難度相近時的表現，該部分數據產生較大方差；Outfit則對離估計值更遠的被試或試題項目更敏感，如對高能力被試錯誤作答低難度試題項目的情況予以反應，該部分數據產生較大殘差。一般情況下，優先考察Outfit，其次考察Infit；優先考察MNSQ，其次考察ZSTD。在分級量表中，Infit MNSQ、Outfit MNSQ在0.6～1.4區間可視為擬合良好[26]，接近1時最為理想。Infit ZSTD、Outfit ZSTD值在±2.0區間內為合理值[27]，接近0時最為理想。

如表2所示，被試平均估計值為1.19，試題項目估計值為0.00；被試區分度為1.81，試題項目區分度為10.89；被試信度為0.77，試題項目信度為0.99。被試與試題項目的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。

3.2 Rasch模型單維性檢驗

較為常見的單維性檢驗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）與驗證性因子分析法（Confirmatory Factor Analysis，CFA）。這類檢驗方法可以通過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倍即可認為量表滿足單維性假設。但這種檢驗法并非直接檢驗Rasch模型的單維性，被質疑效度有限。

目前，基于Rasch模型本身的單維性檢驗方法為殘差主成分分析法（Principal Component Analysis of Residuals，PCAR）。該方法標準如下：其一，由測量解釋的原始方差（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，由測量解釋的原始方差比例與第一對比中未解釋方差比例比值大于3[30]。

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

3.3局部獨立性檢驗

Rasch模型中，局部獨立性假設與單維性假設同等重要，要求被試能力與試題項目之間相互獨立，即被試能力水平不受試題項目難度影響。Rasch模型局部獨立性通過計算殘差間相關性進行測量，若不滿足將導致量表信度被過度夸大。已有研究將局部獨立性假設的臨界值設為±0.2[31]，也有研究將臨界值設為±0.5[32]或是±0.7[33]。

量表局部獨立性情況如表4所示，各試題項目間相關系數絕對值在0.24～0.41區間。較預測量階段的0.38～0.61區間，正式實驗階段的局部獨立性指標有所提升，處在±0.5的臨界范圍內。盡管沒有達成±0.2的臨界值要求，但整體上滿足了Rasch模型的局部獨立性假設。預實驗階段Item6與Item7的相關系數達0.61，結合各項指標，正式實驗階段將item7“我對我國核電安全管理制度有信心”修改為“我國核電安全管理制度能充分預防核泄漏”，修改后的試題項目表現良好。

3.4量表結構分析

Rasch模型中，懷特圖是反映被試能力與試題項目難度的重要圖示，在懷特圖中被試與試題項目被同時放置于同一刻度下，刻度單位為Logits。懷特圖可以考察被試能力與試題項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，右邊為試題項目難度分布。被試能力越高、試題項目越難則越居上方。從懷特圖中可知，整體上被試對核電技術呈現積極的態度，被試水平整體高于試題項目難度，被試能力均值大于試題項目均值1Logits。若在能力水平測試中，該懷特圖所展示的結果欠佳，但本次測量的潛在變量是公眾科學態度，懷特圖所示的均值差距恰恰驗證了現階段我國公眾對科學的積極態度[10]。正式測量階段對item8進行了修改，從懷特圖分布情況上來看，修改后item8的難度達到預期效果。

綜合看來，量表結構并不算良好，item11與item4之間存在較大空缺。試題項目難度分布存在兩處重合。但可從中知悉，被試對核電技術的態度呈現分層的態勢，即具有較為積極的認知評價、情感態度，但認知興趣、傳播意向、參與意向卻極低。

3.5試題項目及被試的擬合度分析

試題項目及被試的擬合度分析是指實驗數據與Rasch模型的擬合程度，上文報告了量表整體的擬合程度，該部分將細化至每一試題項目與被試，利于篩選出擬合不良的試題項目與被試，進一步修改試題項目或刪除被試數據。評價標準為Infit、Outfit中的MNSQ、ZSTD值以及點—測量相關系數。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值達標，則可不報告ZSTD值。而點—測量相關系數的臨界范圍為0.40～0.80。如表5所示，量表試題項目的擬合情況良好。Infit、Outfit的MNSQ值在0.85～1.19區間，點—測量相關系數（Point-Measure correlation）整體落在0.52～0.66區間內，符合0.40～0.80區間的臨界范圍。證明各試題項目均符合量表所測量的“公眾科學態度”這一潛在變量。

由于量表試題項目數量較少，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真作答、表現不穩定、存在干擾因素等。將異常作答的數據刪除后，重新測量量表總體統計值。結果如表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。刪除被試數據需考察刪除后量表各項指標是否有明顯改善，或是被試數據確實存在高度異常表現，否則予以保留。刪除部分被試數據后，仍會有新的異常被試出現。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異常作答被試數據予以保留。

3.6量表評定尺度分析

Rasch模型的基本假設認為，高能力被試正確作答高難度試題項目的概率更高。在李克特量表中表現為高能力被試更有可能選擇高等級選項，單個選項被選中的概率應當隨著被試能力的提高而呈現單調遞增性，即Rasch模型的單調性假設（monotonicity）。

其一，需考察選項被選擇的次數（observed count），如若頻次低于10，則應當將其合并至鄰近選項中。如表7所示，類別標簽中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”。所有選項均滿足最低頻次值。

其二，若量表滿足模型單調性假設，則平均估計值（average measure）應當為單調遞增；同時擬合指標應當小于2.0[35]，擬合值過大則認為該選項存在較大誤差，應考慮合并至鄰近選項。4個選項的平均估計值分別為-2.24、-0.69、1.61、3.93，呈現單調遞增，擬合指標均在合理范圍內。

其三，相鄰選項間臨界值（thresholds）的差值應當在1.4～5.0的范圍內。相鄰選項間臨界值指被試從一個選項到另一鄰近選項的臨界值，是衡量被試作答反應是否與預估一致的重要指標。以本實驗所用的李克特四級量表為例，四級量表應當有3個臨界值。臨界值間差值分別為3.67、4.78，均處合理范圍。此外，量表評定尺度分析可結合評分等級結構圖進一步判斷。如圖2所示，各選項都呈現較為明顯的峰值，并且各選項間呈現較為均勻的間隔。因此，本測量所采用的李克特四級量表滿足了Rasch模型基本假設。

3.7公眾科學態度測量

潛在變量經Rasch模型迭代轉化為定距數據，得到公眾科學態度估計值（person measure），數據以Logits為單位。估計值數值越高，則公眾科學態度越積極，反之則越消極，此處數值正負不代表態度方向性。國際測量通常采用相關計算擴展估計值區間，如以0～1 000 Logits區間范圍替代原始區間。如表8所示，公眾科學態度估計值在-3.70Logits至6.52Logits區間，差值為10.22Logits，呈現極端態度的公眾人數較少。結合圖1Rasch模型懷特圖所示，公眾對核電技術的態度整體上偏向積極，對核電技術、其社會影響、科研資助等方面較為支持。但公眾對Item1、Item9、Item11的態度偏向消極，即公眾對核電技術缺乏認知興趣、傳播意向、參與意向。因此，未來科普領域相關研究可著眼于提升公眾認知興趣、啟動公眾傳播意向、完善公眾參與機制等方面。

4結語

Rasch模型已廣泛運用于心理學、教育學、醫學等領域，主要用于測量如能力水平、科學素養、抑郁癥、態度等潛在變量。本文測量的是“公眾科學態度”這一潛在變量，在指標體系的構建上考量了心理學假設，并以科普領域現有公民科學素質評估、公眾調查為基礎形成11項指標。經檢驗，本文所涉量表符合Rasch模型各項假設，可用于測量公眾科學態度。在未來研究中，量表指標細化時可適應具體研究議題變化，如轉基因、人工智能等科學議題。

Rasch模型不僅可以校正量表，也可實現數據類型轉化。李克特量表產生的數據屬于定序數據，不可進行累加累減。通過Rasch模型的轉化，定序數據以估計值的形式輸出，此時數據為定距類型，可進行推論性統計，應用于延伸性研究。如探究影響公眾科學態度的影響因素，可將估計值與其他變量進行相關性分析；微觀科普效果評估，考察科普對公眾認知、態度[36]、行為產生的影響；公眾科學態度橫縱向比較等。

參考文獻

邁克爾·斯特雷文斯.知識機器：非理性如何造就近現代科學[M].任燁，譯.北京：中信出版社，2022：75.

庹繼光.擬態環境下的“媒介化風險”及其預防[J].新聞知識，2008（2）：38-40.

L·R.艾肯.態度與行為：理論、測量與研究[M].何清華，雷霖，陳浪，譯.北京：中國輕工業出版社，2008：4.

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

中華人民共和國科學技術部.中國科學技術指標[M]. 北京：科學技術文獻出版社，2017：200.

美國國家科學理事會.美國科學指標[M].韓建國，齊志英，郝致京，等譯.北京：科學出版社，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，黃樂樂.中國公民的科學素質及對科學技術的態度——2020年中國公民科學素質抽樣調查報告[J].科普研究，2021，16（2）：5-17，107.

Rahat Nabi Khan，楊京京.科學、科學家與社會：公眾對科學技術的態度[J].科學對社會的影響，1989（3）：38-50.

游淳惠，金兼斌.新媒體環境下科學知識對爭議性科技態度的影響——以轉基因為例[J].國際新聞界，2020，42（5）：81-98.

秦川申.積極、消極和矛盾：公眾對5G基站部署的態度與鄰避傾向[J].經濟社會體制比較，2021（6）：131-144.

褚建勛，朱玉潔，張露溪，等.基于核安全認知態度的在線調查及其對中國核科普的啟示[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. 我國公眾對科學技術的態度及其影響因素研究[D]. 北京：中國社會科學院，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的機制及角色[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. 非正式環境下的科學學習：人、場所與活動[M].趙健，王茹，譯.北京：科學普及出版社，2014：123-157.

晏子. 心理科學領域內的客觀測量——Rasch模型之特點及發展趨勢[J]. 心理科學進展，2010，18（8）：1298-1305.

楊慊，賀文潔，王海龍. 單參數單維度Rasch模型的優勢與意義[J]. 心理科學，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，Fox 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.科學傳播內容對公眾態度轉變的影響研究[D]. 武漢：中國地質大學，2023.

（編輯" 顏" " 燕" " 荊祎瀾）

基金項目：中國科協2024年度研究生科普能力提升項目（KXYJS2024003）。

作者簡介：朱鑫卓，中國科學院大學人文學院博士生，研究方向：科學傳播，E-mail：zhuxinzhuo77@163.com。鄭念為通訊作者，E-mail：zhengnian515@163.com。