关于科学素养（scienceliteracy），人们所知较多的是：成年人科学素养因时而变，因国而异，而且与态度和信仰有关。然而，人们对不同的种族和族群之间的科学素养差距则知之甚少。考虑到研究人员对下述领域存在的种族和族群差距的大量研究，如教育成就、数学和阅读能力、STEM（科学、技术、工程和数学）领域的职业表现以及健康素养等；这一点尤为令人吃惊。鉴于科学素养在如下方面的重要性，即工作的获得和维系、理解关键的健康理念以提高生活质量、提高公众在社会决策中的参与度等；那么，此事就关系到科学素养的分布是否存在不平等的分层，尤其是这种分层是否反映出少数族裔和教育劣势群体经历了更普遍的劣势和文化霸权（culturaldominance）。本文作者描述了美国公民科学素养中的种族和族群差距，并且试图解释造成这种差距的潜在动因，得出的结论是：成年黑人和拉丁美洲裔相比于成年白人的科学素养劣势只能部分通过更广义的基本素养和社会经济地位的差异进行解释。

 

　　科学素养的美国模式和趋势的主要来源是美国国家科学委员会发布的科学与工程指标（SEI）的调查模块，从2006年开始每两年实施一次调查，作为一般社会调查（GSS）受访者的子样本，GSS是一个高质量的两年一度的调查，旨在提供美国成年人（18岁及以上者）的典型写照。调查中，受访者的科学素养通过涵盖基本科学事实和方法的问题来衡量，但是SEI中的子群体分析，只体现在对性别、年龄、教育程度和收入水平的分析，因为样本量不允许进行更精细的分析。使用不同问题的调查研究发现，美国白人比黑人和拉丁美洲裔的得分更高，尽管黑人和拉丁美洲裔群体的样本量相对较低，而且只进行了双变量分析。其他研究工作发现，美国黑人对科学的信心更低，即使在调整了态度和人口统计学因素之后，即便这个研究不针对科学素养，结果依然如此。

 

　　关于种族和成年人科学素养的研究稀少，与之形成对比的是，关于儿童科学知识的教育测评方面存在大量种族不平衡的证据。跳出狭隘的科学素养，研究健康素养和基础阅读能力，我们看到类似的分层模式，美国白人同样比黑人和拉丁美洲裔做得更好，但不同社会经济地位的群体存在显著差异。

　　在目前的研究中，我们的首要目标是研究美国成年人科学素养的种族和族群差距。作为评估手段，我们综合了2006―2016年开展的6次GSS数据（n=2339）。科学素养的种族和族群差距一定可以从社会决定因素里找到解释，而这些社会决定因素的差异化体现在不同群体中，我们认为这一点是不证自明的。我们的第二个目标是调查能够解释这种差距的可信因素：包括人口统计学、基本素养、态度、信息获取等因素。

 

　　GSS的科学调查模块包括关于科学知识和方法的多选题（大部分是对错选择题）和开放性问题。我们把这些问题视为科学素养更广泛构成的指标。为了测量基本素养，我们依靠的是一个行之有效的语言能力测评表（Wordsum），该表自1974年起就纳入GSS。我们利用一套标准的人口统计学控制量，包括性别、出生世代、地理区域、教育程度、收入水平和宗教信仰。我们还利用了我们假设能解释组间素养差异的以下协变量。

 

　　我们使用了一个内容特别丰富的SES测评表：剑桥社会互动与分层（CAMSIS）测评表，该表可以呈现出不同职业群体的受访者的地位、声誉和经济优势的差异。这个测评表很有用，因为其反映了个人社交网络和所处的社会阶层和文化环境的类别，不同类别形成关于科学的不同看法，这些类别可能会和种族不平衡重叠。更进一步，我们可以推测，很大一部分的白人教学队伍常常不能理解黑人和拉丁美洲裔学生的社会生活背景和兴趣，不能把学生的兴趣和科学现象联系起来，不能培养学生关于科学现象的科学素养。即使学生具有同等的资质，白人教学队伍的这种忽视也可能会导致学生具有不同水平的科学素养。

 

　　相比于白人，一些少数族裔表现出对科学的信任和信心更低。较低的科学信心会导致较少参与不同的科学活动，因此科学知识得分更低。因此，我们包括了这样的测量，询问人们：“对科学共同体的信心”有多大？对科学的积极性如何？

 

　　互联网的可能好处是：缩小了信息富有者和信息贫乏者之间的信息鸿沟。不过，有知识的个体常常能够更有效地获取信息，所以互联网也可能加剧知识鸿沟。我们的调查包含了这样一个问题，询问受访者是否曾在互联网上搜索过科学信息。

 

　　把所有年份的调查样本汇总起来，得出科学素养测试的平均分：白人是8.6分（最高得分是13分）、拉丁美洲裔是6.8分、黑人是6.5分。单向方差分析（one-wayanalysis ofvariance）表明，组间存在显著的统计学差异性（F=283;df=3）。所有分组综合在一起的总体平均分是8.0分，标准差是2.7分；白人与其他两个种族和族群的平均差是相当大的，大约是标准差的2/3。

　　我们试图通过调整潜在的混杂因素更好地理解这些差距。我们把科学知识作为因变量（dependentvariable），套用了几个多变量普通最小二乘回归（multivariateordinaryleast squares regression）模型。第一个模型包括表示种族和族群的指标以及人口统计学变量：性别、出生世代、居住地区、大学教育和收入水平。我们还包括了SES以及学过的高中或大学水平的科学课程数量。如果科学素养差距是由于这些因素导致的，那么统计调整应该能减小甚至消除不同分组之间的残差（residualdifferences）。在第二个模型中，我们加入了对基本素养的测量。如果这样做消除了种族或族群差异，那就支持了这样的假设，即科学素养差距的背后还存在着更广泛的素养差距。在第三个模型中，我们加入了对待科学的态度、对科学的信心和科学互联网使用情况这些因素的测量，来看看这些更接近于科学和技术取向的特征，是否是科学素养差异背后的原因。

 

　　即使调整了人口统计学变量之后，科学知识差距只是减小了部分。美国黑人和白人的平均分仍然存在大约1.5分的差距。拉丁美洲裔与白人之间的得分差距更小一点，但是他们的平均分仍然比白人低1分左右。模型中包含的其他预测因子（predictors）大部分与科学素养显著相关，并且与现有的研究结果一致。模型1解释了大约20%的科学素养差异。

 

　　把基本素养加入模型后，两个少数族裔群体的回归系数都缩小了。黑人与白人的得分残差只剩1分多一点，拉丁美洲裔与白人的得分残差只剩0.5分。这个模型只解释了不到22%的差异。基本素养差距是科学素养差距的原因的假设得到了一些支持，但是还剩下很多差异有待解释。加上行为和心理学变量后，模型所能解释的科学素养差异增加到30%，但我们看到种族和族群的回归系数几乎没有改变。即使我们比较科学态度相似的人们的科学素养，种族和族群仍然有很大关系。

 

　　总而言之，科学素养差距不能直接通过我们测量的特征水平的组间差异来解释。我们进行了分解分析后发现，虽然有大约1/3的科学知识得分差异能够由自变量（independent variable）进行解释，但是只有大约一半的种族和族群的总差距可以由这些变量解释。对于黑人和拉丁美洲裔而言，与白人在基本素养上的差距是可观测的最重要影响因素。剩下的不能解释的差距在很大程度上由未纳入模型的变量所驱动。对于黑人和拉丁美洲裔而言，把对科学的信心和对待科学的态度转变为更高的科学素养似乎没有白人普遍，其原因不明。

　　我们想要解决的一个主要问题是：科学素养的族群和种族不平衡在多大程度上反映了包括更广泛的基本素养在内的更基本的固有差距。事实上，科学素养的族群和种族不平衡的原因没有这么简单。我们比较了相似科学态度和对科学机构具有同等信心的白人、黑人和拉丁美洲裔受访者，我们发现黑人和拉丁美洲裔与白人在科学素养上的差距仍然存在。我们并没有宣称在我们的分析中已经捕捉到了所有这些因素，因为我们对变量的测量存在误差，而且相对来说是粗线条的，但是至少我们的分析囊括了关键的要素。

 

　　我们的分析引出了这样一个问题，那就是什么因素可以解释剩下的差距。可能是提问的特定知识问题或是调查答复的背景对白人有利，但是，更重要的原因是，我们怀疑我们的教育测试遮蔽了不同种族和族群的儿童、青少年和成年人的经历中相当大的异质性。从高中毕业，获得大学学位，或是学习一门科学课程，会构成各种各样的经历，其中一些经历可能与种族和族群相关。就在20世纪70年代初，黑人和拉丁美洲裔的儿童更可能上经费投入低于平均水平并且故意进行种族隔离的学校，而且这种种族隔离事实上在不同程度上一直持续至今。任何学习环境中的非优势群体的微观社会经验会影响学习体验。尽管我们调整了学历，但是我们没有捕捉到黑人和拉丁美洲裔体验到的教育质量的差异。

　　这表明，我们需要对教育干预进行测量，并且不只是针对教学量和正规学历，像我们这里所做的这样，而且还要针对教学质量。我们也可以通过精心开展工艺培训和公众意识活动，来帮助科学家、教师和雇主更敏锐地意识到偏见的微妙表现。不论采取何种补救措施，忽视劣势群体的科学素养差距对科学和社会的发展都没有好处。