1. 问题综述
(一) 研究背景
技术消费是指通过技术手段实现商品或服务的使用价值，主要包括使用各种技术产品和服务的过程。随着数字化时代的到来，技术消费已经成为一种重要的消费形式，涵盖了数字服务订阅、智能硬件设备、数字内容消费和技术服务支持等多个方面[1]。
当前，我国高等教育正经历从“信息化”向“数智化”的跨越式发展。智能教学系统、虚拟实验平台、个性化学习APP等智能技术产品已深度融入校园生活。据《全民数字素养与技能发展水平调查报告(2024)》显示，高校学生数字素养达到成年人的初级及以上水平占比为87.07%。其中，数字素养与技能水平和区域经济发展态势相符，而受教育程度是影响数字素养与技能的关键因素[2]。
在这一背景下，高校学生的技术消费情况及其与社会结构、教育生态的互动关系，成为兼具理论价值与实践意义的研究命题。
(二) 研究目的和意义
党的二十大报告指出，必须坚持科技是第一生产力、人才是第一资源、创新是第一动力。培养新质生产力人才是实现可持续发展的关键。由此可见，数智技术成为培养人才和青年就业不可或缺的一部分。而在现有的研究报告里，大多数仅从智能手机、虚拟营销等个别角度切入，较为单一，无法揭示数智技术如何通过消费实践重构青年群体的价值观念与社会关系[3]。
据悉，大多数的高校学生日均使用智能设备超过5小时，技术消费支出占生活总支出的30%以上。然而，在技术消费规模持续扩大的同时，消费结构失衡、非理性选择、数字鸿沟加剧等问题逐渐凸显。例如，不同专业的学生在软件消费上存在显著差异，经济欠发达地区学生在高端智能设备获取上仍面临资源壁垒。本研究试图突破传统“技术–消费”二元论的分析框架，将高校学生的技术消费置于“技术社会化”的理论视野中。在实践层面，研究结果可为教育机构优化技术资源配置、企业制定精准化产品策略提供依据，同时为政策制定者平衡技术红利与伦理风险提供参考。例如，智能化学习工具的使用是否会减少学生群体的创新性？哪种技术的消费市场更大？这些问题亟待通过实证研究予以回应。
(三) 文献综述
技术消费是近年来才兴起的一个新兴概念，国内外关于新时代技术消费的定义和理论研究还不是特别完善。本节系统梳理了国家消费现况、数智技术对消费行为的影响和大学生数字消费情况，旨在为后续研究提供理论支撑与实践参考。
社会消费层面。据国家统计局推文，彭永涛在《服务业运行稳中向好，现代服务业作用彰显》一文中提到数字技术创新消费场景，与实体经济融合不断深化，促进市场销售增长。工业互联网推动工业智能化、数字化水平提升。1~8月份，规模以上集成电路设计、互联网生产服务平台企业营业收入同比分别增长30.0%和18.3%。
大学生消费层面。王正文[2]用AISAS模型的实证分析了大学生数字消费异化特征及影响因素。文章指出大学生的消费异化倾向因年级、院校背景和月收入不同而表现出个体差异；数字消费决策、数字消费行为和社交影响力对数字消费异化存在显著正向影响[4]。
在现有的市场调查和分析中，仍存在着一些不足：研究对象倾向于社会分层的影响，缺少对群体的选择[5]。尤其是当前的研究对社会消费发展下，技术消费对大学生的影响研究较为微观，针对企业与大学生群体的关系、大学生群体内部自身的社会网络关系、社会化因素是如何推动消费者行为产生和发展等方面的研究不足以及理论创新不够[6]。基于上述不足，本文从宏观角度出发，了解技术消费较多的群体——高校学生的消费倾向，并调查技术消费对高校学生产生什么样的影响。
2. 数据分析
(一) 高校学生技术消费行为基本情况分析
本次问卷调查共收集了216份有效问卷，涉及性别、文化程度、就读专业、月收入或生活费、消费偏好等多个方面。
Table 1. Frequency analysis of demographic variables
表1. 人口学变量频率分析
变量 |
选项 |
频率 |
百分比 |
均值 |
性别 |
男 |
93 |
43.06% |
1.569 |
女 |
123 |
56.94% |
文化程度 |
专科 |
12 |
5.56% |
2.3 |
本科 |
138 |
63.89% |
硕士研究生 |
55 |
25.46% |
博士研究生 |
11 |
5.09% |
月收入或生活费 |
1500元以下 |
89 |
41.20% |
6.815 |
1500~3000元 |
86 |
39.81% |
3000元以上 |
41 |
18.98% |
更倾向为哪种技术性消费买单 |
数字服务订阅(会员、AI工具等) |
68 |
31.48% |
1.939 |
智能硬件设备(智能手机、智能家具设备等) |
106 |
49.07% |
数字内容消费(游戏皮肤、虚拟社交等) |
29 |
13.43% |
技术服务支持(电子产品维修、技术培训课程等) |
13 |
6.02% |
每个月愿意在技术消费上投入多少金额 |
100元以内 |
77 |
35.65% |
1.851 |
100元~500元 |
106 |
49.07% |
500~1000元 |
21 |
9.72% |
1000元以上 |
12 |
5.56% |
根据表1，结果显示了不同变量的分布情况。各变量的均值反映了数据的集中趋势。从频率分析来看，分布基本符合调查要求。性别方面，男性占43.06%，女性占56.94%，展现了较为均衡的分布状态。文化程度的调查显示，本科学历占比最高，达到63.89%，同时覆盖了其他学历层次。在月收入或生活费的调查中，被调查者的收入以1500元以下和1500~3000元为主。
Figure 1. Technology consumption expands respondents’ knowledge domains
图1. 技术消费拓宽了受访者的知识领域
Figure 2. Technology consumption categories that expanded respondents’ knowledge domains
图2. 哪些技术消费拓宽了受访者的知识领域
图1展示的是受访者对于技术消费拓宽其知识领域的认同情况，216名受访者中，161名受访者对“技术消费极大地拓宽新知识领域”表示同意或很同意，表明技术消费在知识拓展方面具有显著正向作用。
图2则是具体到技术消费的类型，数字服务订阅与智能硬件设备成为拓宽知识领域的主力军。
智能硬件设备目前已经高度普及，成为用户日常生活的核心设备。其便携性和全天候联网能力，使得用户能够随时访问在线课程、学术资源或AI工具，极大降低了知识获取的门槛；数字订阅服务(如在线教育平台、专业数据库)通常涵盖多维资源，覆盖从语言学习到编程训练的多样化领域，为用户提供系统化的学习路径。
Figure 3. Technology consumption increases personal information disclosure risks among respondents
图3. 技术消费增加了受访者个人信息泄露的风险
Figure 4. Technology consumption categories associated with increased personal information disclosure risks
图4. 哪些技术消费增加了受访者个人信息泄露的风险
图3展示的是受访者对于技术消费增加其个人信息泄露的风险的认同情况，216名受访者中，有108名受访者对“技术消费增加了其个人信息泄露的风险”表示同意或很同意，表明技术消费在方便消费者的同时也有可能对消费者带来损失。
图4具体到技术消费的类型上来看，数字订阅服务需要绑定用户支付信息、手机号等敏感数据，且部分平台过度索权(如获取通讯录、位置权限)，平台云端数据存储若未加密或遭遇网络攻击(如数据库泄露)，用户隐私易被大规模曝光。
Figure 5. Recognition of the respondents’ economic burden that technology consumption has significantly increased
图5. 技术消费严重增加受访者经济负担的认同情况
Figure 6. Which technology consumption increased the economic burden of the respondents
图6. 哪些技术消费增加了受访者的经济负担
结合图5与图6我们可以看到对216名受访者的调查显示，技术消费对经济负担的影响整体趋于中性，但存在显著差异：智能硬件设备(如智能手机、智能家居)被101的受访者视为主要经济负担来源。从智能硬件设备方面来考虑，智能手机，智能穿戴的价格通常较高，且技术迭代较快，部分学生可能因追求新功能而频繁更换设备。
Figure 7. Recognition of the impact of technology consumption on respondents’ daily social interactions
图7. 技术消费对受访者日常社交产生影响的认同情况
Figure 8. How does technology consumption affect the daily social life of the respondents
图8. 技术消费如何对受访者的日常社交产生影响
根据图7和图8，对216名受访者的调查中，技术消费对日常社交的影响呈现双重性：超过半数的受访者认为其产生了积极或一定影响。积极方面，即时通讯工具(如微信、QQ)通过打破时空限制，使跨地域沟通成为常态。
(二) 相关性分析
本研究基于问卷调查数据，探讨了人口统计变量(性别、文化程度、专业、月收入)与技术消费感知(学习影响、新知识领域、信息泄露、经济负担、社交影响)之间的关联性。通过Kendall’s Tau-b (有序变量)和Cramer’s V (名义变量)方法，发现文化程度与专业背景是影响技术消费效果的核心因素，建议针对高学历与专业群体的精准运营策略[7]。
针对频数低于20的专业类别，统一合并为“其他”类别，以此优化数据分布，提升分析的稳健性与可靠性。启用蒙特卡洛模拟(B = 5000次)，以替代传统卡方检验。蒙特卡洛模拟通过随机抽样和重复计算，能够在稀疏数据情境下更精准地估计统计量的分布，从而提高检验结果的准确性。将显著性阈值设定为p < 0.05，以此作为判断变量间关联是否具有统计学意义的标准[8]。
(1) 文化程度与技术消费对学习能力的影响：Tau-b系数为0.169，二者呈现显著正相关。分析发现，在技术消费对您的学习产生积极的影响量表题中文化程度的提升存在关联，文化程度每提升一级，对技术消费促进学习的认可度平均增加16.9%。
(2) 专业与技术消费对学习能力的影响：Cramer’s V系数为0.208，二者呈现显著关联。分析发现，在技术消费对您的学习产生积极的影响量表题中理工科群体在依赖技术工具(如编程软件)进行学习以及学习效果提升感知方面表现更为显著。
(3) 专业与技术消费对拓展新知识领域：Cramer’s V系数为0.212，二者呈现显著关联。研究表明，设计/传媒专业群体通过数字内容消费(如虚拟实训)拓宽知识领域的比例相对更高。
文化程度与专业背景是技术消费效果的核心驱动因素，需优先制定定向策略。隐私保护与经济负担需全局性优化，建议采用分级定价与统一安全标准。性别与收入影响有限，可减少相关资源投入，聚焦高价值群体运营。未来可通过回归模型控制年龄、职业等混杂变量。收集具体消费类型数据(如“视频会员”“硬件购买”)，深化产品偏好分析。
(三) 方差分析
本文使用R语言的aov()函数探究了不同收入群体(如1500元以下、1500~3000元、3000元以上)在技术消费上的投入是否存在显著差异？不同文化程度(如专科、本科、硕士、博士)对技术消费的态度是否存在显著差异[9]？
(1) 主效应模型的因变量为在技术消费上的投入，自变量为文化程度和每月生活费或收入
结果表格如下所示。
Table 2. Result table of analysis of variance
表2. 方差分析结果表
变量 |
自由度(Df) |
平方和(Sum Sq) |
均方(Mean Sq) |
F值(F value) |
p值(Pr > F) |
每月生活费 |
1 |
23.98 |
23.978 |
46.927 |
<0.01* |
文化程度 |
1 |
0.01 |
0.008 |
0.015 |
0.903 |
残差 |
203 |
103.72 |
0.511 |
- |
- |
(2) 关键解释
由表2可知当自变量为每月生活费或收入F = 46.927，p = 8.61e-11 (p < 0.001)：收入对技术消费金额有极显著影响。表明不同收入群体的技术消费金额存在显著差异，高收入群体可能消费更多。
当自变量为文化程度F = 0.015，p = 0.903 (p > 0.05)：文化程度对技术消费金额无显著影响。表明样本中的专科、本科、硕士等学历差异不会显著影响其技术消费金额。
(3) 总结与建议
收入是核心影响因素：不同收入群体在技术消费金额上差异极显著(p < 0.001)，可能表现为收入越高，技术消费投入越大。
建议：企业可针对高收入用户推出高端技术产品或增值服务。文化程度无显著影响：教育水平(专科、本科、硕士等)对技术消费金额无显著影响(p = 0.903)。建议：市场策略无需因用户学历差异而调整。
(四) 因子分析
本文的因子分析准备选择五个量表题，分别是技术消费对您的学习产生积极的影响，技术消费极大地拓宽了您的新知识领域，技术消费增加了您个人信息泄露的风险，技术消费严重增加您的经济负担，技术消费对您的日常社交产生了影响。采用巴特利特球形检验，得到p值 = 3.12e-29 (<0.05)，拒绝变量间无相关性的原假设，支持因子分析的适用性[10]。
因子分析结果
得到因子载荷矩阵(旋转后)：
Table 3. Result table of factor analysis
表3. 因子分析结果表
变量 |
因子1 (RC1) |
因子2 (RC2) |
技术消费对您的学习产生积极的影响 |
- |
0.902 |
技术消费极大地拓宽了您的新知识领域 |
- |
0.872 |
技术消费增加了您个人信息泄露的风险 |
0.679 |
- |
技术消费严重增加您的经济负担 |
0.815 |
- |
技术消费对您的日常社交产生了影响 |
0.682 |
- |
方差解释比例：
因子1 (RC1)：解释32.5%的总方差。
因子2 (RC2)：解释32.3%的总方差。
累计方差解释率为64.8%：说明两个因子能较好地概括原始变量信息。
由表3可知，因子1 (RC1)：高载荷于隐私风险(0.68)、经济负担(0.82)、社交影响(0.68)，反映“技术与生活压力”，反映技术消费可能带来的隐私风险、经济负担及社交行为变化。
因子2 (RC2)：高载荷于学习影响(0.90)、新知识领域(0.87)，反映“技术驱动的学习与知识增益”，技术消费对学习效果和知识获取的促进作用。
针对因子1的负面影响，企业需加强隐私保护措施(如数据加密)并提供灵活定价策略以减轻经济负担。
针对因子2的积极影响，可进一步开发教育类技术工具(如个性化学习平台)，强化用户的知识获取体验。
鼓励用户优先选择高教育价值的技术产品(如订阅专业学习资源)，同时警惕隐私风险(如避免过度授权个人信息)。
总结与建议
展示了技术消费的双面性：
消极面(RC1)：隐私泄露、经济压力与社交影响形成技术使用的“生活压力群”。
积极面(RC2)：学习效果提升与知识领域扩展构成“技术驱动的学习增益”。
建议：在技术推广中，需通过产品优化和用户教育平衡这两大维度，最大化技术红利，最小化潜在风险。企业应优化技术产品设计，强调其教育价值(如AI工具、数字内容订阅)，同时降低隐私风险(如加强数据加密)。
企业可以在RC1方面加强数据加密技术，提供分期付款或订阅优惠，减轻用户经济压力。在RC2方面开发个性化学习工具(如自适应学习平台)，强化知识扩展功能[11]。
(五) 建立模型
本文使用R语言的lm函数建立多元线性回归模型。
在您认为技术消费对您的学习产生积极影响量表题中，我们选择性别，文化程度，专业，每月生活费为因变量，技术消费对学习产生积极影响的程度作为自变量，建立线性回归模型，得到下表。
Table 4. Parameter table of linear regression model
表4. 线性回归模型参数表
变量 |
系数估计(Estimate) |
p值 |
截距 |
0.881 |
<0.001 |
性别 |
0.0104 |
0.599 |
文化程度 |
0.0556 |
0.0339 |
专业 |
0.0014 |
0.204 |
每月生活费 |
−0.0524 |
0.0256 |
由表4可知，学历越高，学习能力评分显著提高(p = 0.034)，硕士、博士等高学历群体更认可技术消费对学习的促进作用。生活费越高，认为技术产品对学习能力提升的评分反而降低(p = 0.026)，性别和专业对学习能力无显著影响(p > 0.05)，得到模型为：
该模型表明可根据学历定位目标群体，例如：针对高学历用户(硕士、博士)推广教育类技术产品(如专业课程、AI学习工具)。文化程度正向影响学习能力，高学历用户更认可技术消费的价值。
高收入人群有更多的可支配收入，能够负担得起高端技术产品和服务，且他们对新技术的接受度较高，愿意尝试和使用最新的技术产品来提升生活质量和工作效率。但是高收入人群在日常生活中高度依赖技术产品和工具，这可能导致他们在面对问题时更倾向于直接使用技术解决方案，而不是通过自主学习和思考来解决，从而削弱了学习能力。
技术产品公司应充分认识到高学历人群和高收入人群在技术消费方面的特点和对学习能力的看法，通过优化产品设计、制定精准的市场营销策略、提供用户教育与培训、持续创新以及加强合作与资源整合等方式，更好地满足这一重要消费群体的需求，提升产品的市场竞争力和用户满意度。
3. 结论和建议
(一) 基于调查得到的结论
通过对高校学生技术消费行为影响的调查与分析，我们得出以下结论：
1) 技术消费的倾向性结论——高校学生在“硬件 + 数字服务”上有着较高的付费意愿
结合高校学生的日常行为可以看出对于手机、平板、智能手表这类日常生活中拥有社交属性和娱乐属性的生活必需硬件，高校学生的消费意愿是比较强烈的；同时，像视频软件会员、音乐软件会员、AI工具会员、办公软件会员这类涵盖生活、学习与工作的数字服务订阅也较为容易地让高校学生慷慨解囊为之买单；而游戏皮肤、QQ会员这类娱乐属性占据主要功能数字内容消费对于高校学生的付费吸引力就没有很大；由于维修和培训的需求场景在高校学生的生活中出现的频次不高，因此学生在这类技术服务的消费行为就较少。
2) 技术消费对高校学生的影响结论——技术消费对大部分高校学生的学习产生积极的影响，少部分认为工具依赖会造成思维能力退化
由于技术消费的便捷性、多元性以及实用性，高达93.52%的受访者认为技术消费能够对高校学生的学习产生积极影响，尤其是个性化需求和便捷的学习工具。但剩下的受访者认为学生会因工具依赖而造成思维能力退化，因此，技术消费对学习产生的负面作用也值得我们关注。
3) 技术消费对高校学生的影响结论——技术消费拓展大部分学生的知识领域
高校学生体验到技术消费的高效资源整合，96.3%的受访者都认为技术消费能够拓展高校学生的知识领域，数字服务订阅和智能硬件设备对拓展知识领域的有效性一致。这可能是因为数字时代下书籍查询、会员充值、AI使用等被年轻人使用的频率高，查阅知识效率高。
4) 技术消费对高校学生的影响结论——技术消费会造成信息泄露风险
进行大多数技术消费都需要填写个人信息，在受访者填写结果中，我们了解到83.34%的受访者都担心信息泄露，其中受访者认为数字服务订阅更容易增加信息泄露风险。
5) 技术消费对高校学生的影响结论——技术消费在一定程度上严重增加了高校学生的经济负担
从本次的调查结果来看，大多数的高校学生都能够根据自己每月的生活费来规划本月的技术消费不会给自己造成严重的经济负担，只有少部分的学生每月在技术消费上投入过多而对其造成严重的经济负担。
6) 技术消费对高校学生的影响结论——技术消费对高校学生的日常社交产生了影响
大多数受访者认为技术消费对高校学生的日常社交产生了影响，其中包含积极和消极影响，更多人从技术消费中获得积极影响。
(二) 基于结论给出的建议
1) 高校学生层面
高校学生是技术消费的主要群体，在数智化的大背景下，技术消费成为日常消费中不可或缺的一部分。但从调查结果上看，技术消费对信息泄露产生较大影响，建议在日常技术消费中谨慎辨别官方网站、渠道的合理性，尽可能保护自身权益。在社交中，建议采用线上便捷和线下温情相结合的模式，避免机械化交流。此外，在学业上保持自身的创新性，减少数据思考的频次。
2) 企业层面
在企业的立场上，开拓新的技术消费市场或开发新技术时可以考虑跟随消费倾向的主流——智能硬件设备，也可以考虑在技术服务支持中投入，进行更新的研发，虽然当下技术服务支持的消费投入较少，但在其余消费达到饱和后有可能会因其创新性吸引消费者。在消费者的立场上，消费者的信息安全需要被企业和市场重视，维护良好、健康的消费环境才能吸引更多消费群体。
3) 高校层面
作为大学生学习环境的管理者，高校理应为学生提供安全、健康的学习环境。当下，诈骗现象频出，几乎每个学期都有大学生被诈骗的案例，而部分高校学生被诈骗是因为信息泄露。因此，高校在使用技术消费时应注意其安全性，才能更大的保障学生的财产安全。