Online Tutoring or Offline Tutoring: Evidence from Family Decisions on Private Tutoring
-
摘要: 在影子教育逐步制度化的今天，学生参与课外补习常态化，但现有文献缺乏对补习形式的讨论。本文聚焦于家庭对补习形式的选择，试图探索线上补习和线下补习在家庭消费中的互动关系。基于2018年中国教育财政科学研究所“全国家庭线上补习调查”数据的分析表明：线上补习和线下补习作为家庭的教育选择，都会受到父母受教育程度、教育期望等因素的影响；部分对线下补习决策存在显著影响的因素对线上补习的作用并不显著，主要表现在距离和收入方面，这反映出线上补习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。对线下补习和线上补习之间关系的研究发现，不论是从成本约束的视角来看，还是从需求满足的视角来看，参与线下补习的家庭都更有可能参与线上补习。换言之，家庭在做出补习决策时，往往是线下线上两手抓，这为课外补习的普及化提供了又一支持性证据。Abstract: Today, with the institutionalization of shadow education, it is common for pupils to attend supplementary lessons, but the existing literature lacks discussion on the forms of tutoring. This article focuses on famil’s choice of the forms of tutoring, trying to explore the relationship between online tutoring and offline tutoring. The analysis of China Family Online Tutoring Survey conducted by CIEFR in 2018 indicates that, on the one hand, online tutoring and offline tutoring, as supplementary education choices, are subjected to parent’ education levels and expectations. On the other hand, some factors with significant impact on offline tutoring have no significant effect on online tutoring, mainly in terms of distance and income. This reflects the fact that online tutoring can reduce transportation costs and search costs, thereby lowering the threshold of household tutoring consumption and making the distribution of educational resources less uneven. Further analysis shows that, pupils participating in offline tutoring are more likely to attend online tutoring as well, both from a financial-constraint and a demand-satisfaction perspective. In other words, when parents make their tutoring decisions, they do not choose between offline and online . Instead, they choose both, which confirms the popularization of private tutoring.
-
Key words:
- online tutoring /
- offline tutoring /
- family tutoring decision
1) ① 作者感谢匿名审稿人提出的意见，本文对“线上补习”的定义参考了2019年9月教育部等十一部门联合印发的《关于促进在线教育健康发展的指导意见》，即线上补习是运用互联网、人工智能等现代信息技术进行教与学互动的新型教育方式。从范围上看，本文所指的线上补习包括但不限于各类提供在线辅导、做题及指导、家校沟通等服务的网站和客户端程序等。与此相对应的“线下补习”，是指在线下以面对面方式开展的补充性家教和课外补习班。2) ② 报告数据来自2018年5月开始的全国中小学在校学生互联网使用情况问卷调查，覆盖中国大陆31个省、自治区、直辖市的小学、初中、高中及职业学校学生, 共回收有效问卷31158份。3) ③ 根据本文所使用的调查数据，实证分析中所定义的线上补习来自问卷对“在线教育”的设问，二者从概念上是一致的。而线下补习则来自问卷对“校外课后辅导班”和“校外兴趣班”的设问，这两个说法是否等同于线下补习，取决于填答人对“在线教育”“校外课后辅导班”和“校外兴趣班”的理解。为此，作者分析了两种极端情形（即所有受访家长都将设问中的两类补习班理解为线下补习，和所有受访家长都将设问中的两类补习班理解为更广义的课外补习），以及三类补习参与情况的概率分布。结果表明，本文结论是可靠的。读者如有需要，可联系作者提供相应论证。4) ④ “均值/n”指本列数据代表相应数值型变量或二分变量的取值的均值，或者多分变量的相应取值的样本量；“标准差/%”指本列数据代表相应数值型变量或二分变量的取值的标准差，或者多分变量的相应取值的比例。5) ⑤ 流动类型根据户籍地和常住地的匹配得出。6) ⑥ 本文中Logit模型汇报的系数为Odds Ratio，其他模型直接汇报原始系数。 -
表 1 变量说明及其描述统计
变量名称 变量取值 均值/n④ 标准差/%④ 线上补习决策 是否参与 本学期是否参与线上补习 0/1 0.58 0.49 支出决策 本学期线上补习费用（元） [0,200000] 621.19 4,438.52 APP选择 是否使用在线辅导APP 0/1 0.08 0.28 是否使用外语学习APP 0/1 0.27 0.44 
下载: 导出CSV
续表1 变量名称 变量取值 均值/n 标准差/% 学科补习决策 是否参与 本学期是否参与学科补习 0/1 0.44 0.50 参与强度 学科补习科目数量 [0,5] 0.75 1.05 学科补习科目类型 不补课 1,794 56.24 补若干门主科 1,203 37.71 补所有主科 193 6.05 周课后辅导时间（小时） [0.40] 2.08 4.07 支出决策 本学期学科补习费用（元） [0,80000] 2,196.03 5,059.11 兴趣补习决策 是否参与 本学期是否参与校外兴趣班 0/1 0.53 0.50 参与强度 周兴趣班时间（小时） [0.40] 1.97 3.01 支出决策 本学期兴趣补习费用（元） [0,300000] 3,093.17 8,387.15 区位因素 城市级别 一线 1,088 34.11 二线 662 20.75 其他 1,440 45.14 区域划分 东部 2,515 78.84 中部 108 3.39 西部 312 9.78 东北 255 7.99 中心距离 中心城区 1,087 34.08 边缘城区 757 23.73 城乡接合部 509 15.96 乡镇及其他 837 26.24 家庭因素 父母参与 父母年龄 [19,69] 37.28 4.93 父母受教育程度 初中及以下 831 26.05 高中教育 828 25.96 高等教育 1,531 47.99 教育期望 没想过 380 11.91 高中及以下 26 0.82 本科 969 30.38 硕士 808 25.33 博士 1,007 31.57 父母信息化素养（低/高） 0/1 0.64 0.48 经济条件 家庭经济条件 困难 463 14.51 中等 2,579 80.85 富裕 148 4.64 人口流动 流动类型⑤ 无流动 1,948 61.07 省内流动 579 18.15 省际流动 663 20.78 学校因素 学校类型（公办/民办） 0/1 0.09 0.28 学校质量 最好 464 14.55 较好 1,591 49.87 一般 1,062 33.29 较差 53 1.66 最差 20 0.63 周均在校时间（小时） [0,60] 37.64 6.54
下载: 导出CSV
续表1 变量名称 变量取值 均值/n 标准差/% 个体因素 性别（女/男） 0/1 0.48 0.50 子女数量（独生/非独生） 0/1 0.36 0.48 年级 1年级 851 26.68 2年级 462 14.48 3年级 736 23.07 4年级 470 14.73 5年级 518 16.24 6年级 153 4.8 观测值数n=3190 注：城市和区域的划分参考国家统计局的划分标准。
下载: 导出CSV
表 2 线上补习参与和付费决策的影响因素
模型 （1）Logit⑥ （2）Logit （3）OLS （4）Tobit 因变量 是否参与线上补习 是否为线上补习付费 ln（线上补习支出+1） 线上补习支出 基准组：一线城市 二线城市 0.714**（0.103） 0.927（0.184） −0.228（0.283） 708.1（1,190） 三线及以下城市 0.646***（0.0770） 0.403***（0.0748） −1.354***（0.249） −5,426***（1,137） 基准组：东部 中部 1.165（0.276） 1.178（0.372） −0.0979（0.457） −1,074（1,908） 西部 1.696***（0.281） 1.166（0.252） −0.169（0.307） −1,444（1,295） 东北 1.005（0.149） 0.798（0.253） −0.162（0.324） −561.5（1,831）
下载: 导出CSV
续表2 模型 （1）Logit （2）Logit （3）OLS （4）Tobit 基准组：中心城区 边缘城区 1.014（0.103） 1.265*（0.176） 0.230（0.193） 108.7（842.8） 城乡接合部 0.837（0.0960） 1.203（0.214） 0.278（0.233） 1,095（1,061） 乡镇及其他 0.972（0.104） 1.101（0.179） −0.00104（0.211） −969.0（981.1） 家长年龄 1.018**（0.00824） 1.022*（0.0121） 0.0305*（0.0160） 83.25（70.53） 基准组：初中及以下 家长受教育程度：高中 1.163（0.128） 1.378（0.273） 0.0977（0.232） 1,528（1,190） 家长受教育程度：高等教育 1.324**（0.162） 1.910***（0.390） 0.831***（0.254） 4,142***（1,230） 基准组：没想过 教育期望：高中及以下 0.326**（0.154） 4.294（3.852） 0.987（1.196） 2,429（4,924） 教育期望：本科 1.081（0.136） 0.885（0.169） −0.0707（0.256） −829.1（1,159） 教育期望：硕士 1.308**（0.171） 0.975（0.182） 0.105（0.257） −274.3（1,130） 教育期望：博士 1.109（0.139） 1.119（0.209） 0.188（0.253） 1,104（1,126） 基准组：低 家长信息化素养高 1.178*（0.107） 1.168（0.168） 0.0420（0.183） 477.3（862.8） 基准组：困难 家庭经济条件中等 1.121（0.122） 1.116（0.196） 0.135（0.225） 572.6（1,067） 家庭经济条件富裕 1.329（0.279） 2.305***（0.652） 1.503***（0.391） 6,696***（1,641） 基准组：本地家庭 省内流动 1.136（0.117） 1.279*（0.190） 0.370*（0.200） 1,360（894.5） 省际流动 1.208*（0.128） 0.890（0.128） −0.230（0.198） 139.9（866.1） 基准组：公办学校 民办学校 1.065（0.143） 0.610**（0.136） −0.376（0.265） 113.1（1,280） 基准组：学校质量最好 学校质量：较好 1.007（0.113） 1.023（0.187） 0.0226（0.225） 614.2（1,094） 学校质量：一般 0.876（0.108） 1.163（0.225） 0.189（0.245） 1,943*（1,163） 学校质量：较差 0.760（0.232） 1.505（0.667） 0.731（0.618） 5,555**（2,583） 学校质量：最差 0.887（0.426） 3.354*（2.233） 1.086（0.918） 4,562（3,698） 周在校时间 1.010*（0.00613） 1.036***（0.00949） 0.0410***（0.0120） 145.4***（54.35） 基准组：女 性别：男 0.920（0.0688） 1.027（0.114） 0.0147（0.147） 87.26（667.2） 基准组：独生 非独生 0.993（0.0800） 0.996（0.118） −0.0899（0.158） 211.0（713.4） 基准组：一年级 二年级 0.629***（0.0780） 1.133（0.193） 0.338（0.249） 1,121（1,028） 三年级 1.232*（0.152） 0.703**（0.122） −0.399*（0.238） −1,633（1,067） 四年级 1.005（0.135） 0.991（0.191） 0.0979（0.267） 2,078*（1,161） 五年级 1.036（0.144） 0.592**（0.125） −0.573**（0.275） −1,528（1,272） 六年级 0.619**（0.119） 0.637（0.180） −0.555（0.394） −2,179（1,741） 常数项 0.401**（0.180） 0.0352***（0.0243） −0.682（0.904） −19,295***（4,144） 观测数 3,190 1,836 1,836 1,836 拟合优度 0.0368 0.1195 0.1313 0.0179 注：括号内为标准误；*** p<0.01，** p<0.05，* p<0.1；OLS模型汇报Adjusted R2，其余模型汇报Pseudo R2，下同。
下载: 导出CSV
表 3 线上补习与线下补习参与决策的影响因素比较
模型 （1）Logit （5）Logit 因变量 是否参与线上补习 是否参与线下补习 基准组：一线城市 二线城市 0.714**（0.103） 1.013（0.168） 三线及以下城市 0.646***（0.0770） 0.785*（0.104） 基准组：东部 中部 1.165（0.276） 1.364（0.390） 西部 1.696***（0.281） 0.858（0.157） 东北 1.005（0.149） 1.929***（0.323） 基准组：中心城区 边缘城区 1.014（0.103） 0.975（0.113） 城乡接合部 0.837（0.0960） 0.812*（0.103） 乡镇及其他 0.972（0.104） 0.683***（0.0785） 家长年龄 1.018**（0.00824） 1.004（0.00874） 基准组：初中及以下 家长受教育程度：高中 1.163（0.128） 1.198（0.136） 家长受教育程度：高等教育 1.324**（0.162） 2.176***（0.287） 基准组：没想过 教育期望：高中及以下 0.326**（0.154） 0.587（0.258） 教育期望：本科 1.081（0.136） 1.084（0.146） 教育期望：硕士 1.308**（0.171） 1.587***（0.231） 教育期望：博士 1.109（0.139） 1.151（0.155） 基准组：低 父母信息化素养高 1.178*（0.107） 1.347***（0.130） 基准组：困难 家庭经济条件中等 1.121（0.122） 1.529***（0.173） 家庭经济条件富裕 1.329（0.279） 2.004***（0.492） 基准组：本地家庭 省内流动 1.136（0.117） 1.017（0.114） 省际流动 1.208*（0.128） 1.160（0.137） 基准组：公办学校 民办学校 1.065（0.143） 0.777*（0.109） 基准组：学校质量最好 学校质量较好 1.007（0.113） 1.076（0.130） 学校质量一般 0.876（0.108） 1.161（0.154） 学校质量较差 0.760（0.232） 2.043*（0.789） 学校质量最差 0.887（0.426） 4.801**（3.721） 周在校时间 1.010*（0.00613） 1.008（0.00672） 基准组：女 男 0.920（0.0688） 1.227**（0.101） 基准组：独生 非独生 0.993（0.0800） 0.819**（0.0716） 基准组：一年级 二年级 0.629***（0.0780） 1.126（0.158） 三年级 1.232*（0.152） 1.429***（0.197） 四年级 1.005（0.135） 1.276（0.191） 五年级 1.036（0.144） 1.368**（0.210） 六年级 0.619**（0.119） 1.123（0.243） 常数项 0.401**（0.180） 0.423*（0.205） 观测数 3,190 3,190 拟合优度 0.0368 0.0810 注：括号内为标准误；*** p<0.01, ** p<0.05, * p<0.1。
下载: 导出CSV
表 4 线下补习参与与否及其强度对线上补习参与的影响
模型：Logit （6） （7） （8） （9） 因变量 是否参与线上补习 是否参与学科补习 1.234***（0.0967） 是否参与校外兴趣班 1.217**（0.0994） 1.207**（0.0985） 1.221**（0.0999） 1.245***（0.101） 学科补习科目数量 1.151***（0.0429） 基准组：不补课 学科补习科目类型：补若干门主科 1.186**（0.0973） 学科补习科目类型：补所有主科 1.553***（0.256） 周课后辅导时间 1.022**（0.00983） 区位因素 是 是 是 是 家庭因素 是 是 是 是 学校因素 是 是 是 是 个人因素 是 是 是 是 观测值数 3,190 3,190 3,190 3,190 Pseudo R2 0.0419 0.0436 0.0425 0.0413 注：括号内为标准误；*** p<0.01，** p<0.05，* p<0.1。
下载: 导出CSV
表 5 线下补习参与与付费情况对线上补习付费的影响
模型 （10）Logit （11）OLS 因变量 是否为线上补习付费 ln（线上补习支出+1） 是否参与学科补习 1.942***（0.223） 是否参与校外兴趣班 1.342**（0.169） ln（学科补习支出+1） 0.137***（0.0184） ln（兴趣补习支出+1） 0.0825***（0.0196） 区位因素 是 是 家庭因素 是 是 学校因素 是 是 个人因素 是 是 观测值数 1,836 1,836 Pseudo R2 0.1426 0.1753 注：括号内为标准误；*** p<0.01，** p<0.05，* p<0.1。
下载: 导出CSV
表 6 学科补习参与对在线辅导APP使用、英语补习参与对英语APP使用的影响
模型：Logit （12） （13） 因变量 是否使用在线辅导APP 是否使用英语APP 是否参与学科补习 1.569***（0.196） 是否参与英语补习 1.500***（0.133） 区位因素 是 是 家庭因素 是 是 学校因素 是 是 个人因素 是 是 观测值数 3,190 3,190 Pseudo R-squared 0.0543 0.0313 注：括号内为标准误；*** p<0.01，** p<0.05，* p<0.1。
下载: 导出CSV
-
[1] 陈全功, 程蹊, 李忠斌. (2011). 我国城乡补习教育发展及其经济成本的调查研究. 教育与经济,(2),32−36. doi: 10.3969/j.issn.1003-4870.2011.02.007 [2] 楚红丽. (2009). 我国中小学生课外补习家庭之背景特征及个人因素. 教育学术月刊,(12),22−27. [3] 丁小浩, 于洪霞, 余秋梅. (2012). 中国城镇居民各级教育收益率及其变化研究:2002~2009年. 北京大学教育评论,10(3),73−84. doi: 10.3969/j.issn.1671-9468.2012.03.007 [4] 雷万鹏. (2005). 高中生教育补习支出:影响因素及政策启示. 教育与经济,(1),39−42. doi: 10.3969/j.issn.1003-4870.2005.01.010 [5] 方晨晨, 薛海平. (2015). 义务教育学生参加课外补习行为的影响因素研究. 中小学管理,(5),51−53. [6] 庞圣民. (2017). 家庭背景、影子教育与“初升高”:理解当代中国社会教育分层的新视角. 社会发展研究,(4),105−123. [7] 王蓉. (2018). 中国教育新业态发展报告. 北京:社会科学文献出版社. [8] 吴翌琳. (2016). 初中生课外补习的影响因素研究——基于CEPS的调查数据分析. 教育科学,32(5),63−73. doi: 10.3969/j.issn.1002-8064.2016.05.011 [9] 谢贝妮, 李岳云. (2014). 劳动力流动对农村家庭教育投资决策的影响. 教育科学文摘,33(1),18−19. [10] 许政法. (2009). 国内课外补习研究回顾与展望. 教学研究,(01),60−63. doi: 10.3969/j.issn.1005-4634.2009.01.015 [11] 薛海平. (2015). 从学校教育到影子教育:教育竞争与社会再生产. 北京大学教育评论,13(3),47−69. doi: 10.3969/j.issn.1671-9468.2015.03.004 [12] 薛海平. (2016). 课外补习、学习成绩与社会再生产. 教育与经济,(2),32−43. doi: 10.3969/j.issn.1003-4870.2016.02.005 [13] 薛海平, 丁小浩. (2009). 中国城镇学生教育补习研究. 教育研究,(1),39−46. [14] 薛海平, 李静. (2016). 家庭资本、影子教育与社会再生产. 教育经济评论,(04),62−83. [15] 薛海平, 王东, 巫锡炜. (2014). 课外补习对义务教育留守儿童学业成绩的影响研究. 北京大学教育评论,12(3),50−62. doi: 10.3969/j.issn.1671-9468.2014.03.004 [16] 王晓磊. (2017). 初中阶段教育质量与影子教育机会的不平等——以CEPS2013—2014数据为例. 北京社会科学,(9),50−60. [17] 张羽, 刘娟娟, 李曼丽. (2015). 北京市小学生进入家教市场的早晚及其影响因素分析. 教育发展研究,(4),31−37. [18] 曾满超, 丁小浩, 沈华. (2010). 初中生课外补习城乡差异分析——基于甘肃、湖南和江苏3省的初中学生课外补习调查. 教育与经济,(2),9−13. [19] Becker, G. S., & Tomes, N. (1976). Child endowments and the quantity and quality of children. Journal of Political Economy, 84(4, Part 2), S143−S162. doi: 10.1086/260536 [20] Bray M. (2009). Confronting the shadow education system: What government policies for what private tutoring?. International Institute for Educational Planning, . [21] Bray, M., Zhan, S., Lykins, C., Wang, D., & Kwo, O. (2014). Differentiated demand for private supplementary tutoring: Patterns and implications in Hong Kong secondary education. Economics of Education Review, 38, 24−37. doi: 10.1016/j.econedurev.2013.10.002 [22] Dang, H. A., & Rogers, F. H. (2008). The growing phenomenon of private tutoring: Does it deepen human capital, widen inequalities, or waste resources?. The World Bank Research Observer, 23(2), 161−200. doi: 10.1093/wbro/lkn004 [23] Goldfarb, A., & Tucker, C. (2019). Digital economics. Journal of Economic Literature, 57(1), 3−43. doi: 10.1257/jel.20171452 [24] Jokić, B. (2013). Emerging from the shadow: A comparative qualitative exploration of private tutoring in Eurasia (No. 2). Network of Education Policy Centers (NEPC), . [25] Psacharopoulos, G., & Patrinos, H. A. (2004). Returns to investment in education: A further update. Education Economics, 12(2), 111−134. doi: 10.1080/0964529042000239140 [26] Stevenson, D. L., & Baker, D. P. (1992). Shadow education and allocation in formal schooling: Transition to university in Japan. American Journal of Sociology, 97(6), 1639−1657. doi: 10.1086/229942 [27] Ventura, A., & Jang, S. (2010). Private tutoring through the internet: Globalization and offshoring. Asia Pacific Education Review, 11(1), 59−68. doi: 10.1007/s12564-009-9065-5 -
点击查看大图
图(1) / 表(9)
计量
- 文章访问数: 408
- HTML全文浏览量: 335
- PDF下载量: 23
- 被引次数: 0