Kristen Olson 等| 新冠疫情期间城乡互联网接入与在线活动的数字鸿沟

本文转自 | 乡村与传播

✍️ 编者按：

本文发表于2025年7月的《Rural Sociology》，题为《The Urban–Rural Digital Divide in Internet Access and Online Activities During the COVID-19 Pandemic》，由Kristen Olson等学者撰写。作者基于2020年底对美国内布拉斯加州城乡居民的概率抽样调查，系统探讨了新冠疫情背景下城乡互联网接入、在线活动与视频会议使用的差异。研究发现，农村居民在宽带接入、在线订购食品杂货、观看流媒体、远程工作与医疗使用视频会议等方面均明显落后于城市居民，反映出数字鸿沟不仅存在于接入层面，也体现在数字技能、数字使用与基础设施可及性的“第二层级”和“第三层级”。

本文对于理解疫情中的城乡数字不平等具有重要启示。其将数字鸿沟分为三层级的框架，提醒我们在观察中国农村数字化时，不仅要关注接入率的提高，更要关注本地商业、医疗、教育机构对数字化的制度性支持，以及不同群体在使用技术时的偏好与能力差异。对于推进农村数字治理、数字赋能与共同富裕议题，本文的经验与方法提供了可资借鉴的国际视野。

标题: The Urban–Rural Digital Divide in Internet Access and Online Activities During the COVID-19 Pandemic （新冠疫情期间城乡互联网接入与在线活动的数字鸿沟）

作者：Kristen Olson, Angelica Phillips, Jolene D. Smyth, Rachel Stenger ; 发表于2025年7月7日

摘要：新冠疫情迅速将传统面对面互动转移到线上。由于农村居民历来宽带互联网接入率较低，相较于城市居民，他们在线开展活动的可能性可能更小，反映了地理上的数字不平等。本文利用2020年底对内布拉斯加州居民进行的概率抽样调查，考察了农村地区居民在疫情期间是否比城市居民更少拥有互联网接入、进行各种在线活动以及使用视频会议软件。 研究发现，农村居民拥有宽带互联网接入的可能性更低，即使控制了居民个体特征，这一模式仍然存在。农村居民在线订购食品和杂货、观看电影或电视、或因工作与医疗使用视频会议的概率也低于城市居民，这反映了农村基础设施的差异。农村居民在线教育、网络游戏、社交媒体使用以及与亲友保持联系的视频会议使用率也较低，但这些地理差异可由居民特征解释，表明这些行为差异更多源于偏好，而非基础设施不足。

城乡间的数字鸿沟早已被确认。生活在城市地区的人总体上比农村地区更可能拥有互联网接入及家庭宽带（皮尤研究中心，2024）。2023年，美国农村地区73%的成年人拥有家庭宽带，而城市为77%，郊区为86%（皮尤研究中心，2024）。即便宽带覆盖，农村地区网络连接速度仍通常慢于城市（Lai & Widmar，2021）。这种互联网接入差异被称为城乡“数字鸿沟”（Robinson 等，2015；Green，2024）。

虽然数字鸿沟长期令人担忧，但在新冠疫情期间，快速稳定的家庭互联网接入至关重要（Lai & Widmar，2021）。随着疫情蔓延，学校要求学生远程学习，医生将患者就诊转为远程医疗，公众也被建议避免与非家庭成员线下接触（Patel 等，2021；Schaeffer，2021；Strouse 等，2021）。互联网成为满足这些需求的重要渠道，但农村居民可能较少使用技术满足工作、学校、娱乐、社交或医疗需求（Lai & Widmar，2021；Peters，2020）。这一技术差距更为棘手，因为公共卫生信息往往通过政府网站或社交媒体发布（Ho 等，2020）。若农村居民互联网接入不稳定甚至缺失，他们将难以获得信息、服务与支持，导致数字不平等加剧（Lai & Widmar，2021；Robinson 等，2015）。城乡居民在其他特征上也存在差异（Hale 等，2010；Robinson 等，2015），这些差异可能与互联网接入或在线活动能力/意愿相关。因此，理解城乡居民在线活动差异至关重要。

尽管有许多关于疫情可能加剧地理数字鸿沟的推测（De 等，2020；Lai & Widmar，2021；Seifert 等，2020），但实证研究仍少见。本文探讨美国中西部农村人口众多的内布拉斯加州城乡互联网接入与使用差异，检验这些差异是否可由居民人口统计特征解释，研究问题包括：

群体间——包括城乡之间——互联网与技术接入的差异通常被称为数字鸿沟，特别是“第一层级数字鸿沟”（DiMaggio 等，2004）。然而，数字不平等不仅限于接入层面。即使存在接入，不同人群在使用互联网、浏览网站或参与特定在线活动的能力与技能上也存在差异（Nguyen 等，2021；Robinson 等，2015；Salemink 等，2017）。由于人口群体在数字技能上的差异所导致的数字不平等，被称为“第二层级数字鸿沟”（Hargittai，2002；Park，2017）。人们在日常生活中对互联网的使用差异——包括教育、工作与商业用途——则属于“第三层级数字鸿沟”（Robinson 等，2020）（见图1）。因此，数字不平等可能由基础设施、人力资本和偏好共同驱动。无论原因如何，当社会大部分人群日常转向技术以完成活动时，数字不平等都会加剧（Beaunoyer 等，2020；Nguyen 等，2021）。

图1. 数字鸿沟的三个层级。来源：Ragnedda & Ruiu（2017）；Robinson 等（2020）；van Deursen & Helsper（2015）。

数字不平等通常与其他不平等轴线同时出现，包括年龄、就业状况、收入、性别及族裔（Beaunoyer 等，2020；Nguyen 等，2021；Robinson 等，2015）。也就是说，非数字领域的既有社会分层模式在数字空间同样存在（Robinson 等，2020）。例如，老年人的互联网接入与技能水平通常低于年轻人，且更需要他人协助上网（Hunsaker & Hargittai，2018；Perrin，2021）。虽然美国互联网接入的性别差距随时间消失（皮尤研究中心，2024；Sterrett 等，2017），但男女在在线行为上存在差异（Campos-Castillo，2015；Hunsaker & Hargittai，2018；Robinson 等，2020）。高学历和高收入者拥有家庭互联网接入和更高互联网技能的可能性，也高于低学历和低收入者（Perrin，2021；Ragnedda 等，2020；Robinson 等，2020；Sterrett 等，2017）。黑人或拉丁裔报告的家庭宽带接入率低于非西班牙裔白人，其互联网使用情况也不同（Campos-Castillo，2015；Perrin，2021）。此外，互联网技能与使用在城乡之间也存在差异，表现为地理性的数字不平等（Perrin，2021；Ragnedda 等，2020；Salemink 等，2017）。

农村居民与城市居民在人口与社会经济特征上存在差异，这些特征也与互联网接入和数字技能相关，有时被称为“数字不平等堆叠”（Robinson 等，2020）。例如，农村人口往往年龄更大，生育年龄的儿童或成人更少，且社会经济特征也不同，包括大学及以上学历比例较低，更多从事不同部门工作或自雇，收入水平也低于城市人口，但农村少数族裔居民比例更低，性别分布与城市相似（Albrecht，2022b；Hale 等，2010；Johnson & Lichter，2019；Kelly & Lobao，2019；Parker 等，2018）。这些特征已被证明与互联网接入及数字活动相关。因此，在探讨城乡数字鸿沟时，有必要考虑这些特征。

此外，城乡地区经历新冠疫情的方式不同。最初，病毒在城市传播更快，死亡率也更高；但到2020和2021年，农村地区的感染率和死亡率大幅超过城市地区（Albrecht，2022a；Cuadros 等，2021；Mueller 等，2021）。农村地区的工人因疫情而失业的可能性也低于城市地区工人（Brooks 等，2021；Mindes，2024）。因此，可以预期，城乡人口特征与疫情经历的差异会导致其互联网使用上的差异。

数字鸿沟的第一层级是互联网接入。宽带互联网连接与高速互联网提供商数量，在潜在用户较多的地区最高，通常是城市地区（DiMaggio 等，2004；Prieger，2013；Salemink 等，2017）。供应商基础设施差异导致农村地区的家庭宽带互联网接入率低于城市地区（皮尤研究中心，2024；Sterrett 等，2017；Vogels，2021；Green，2024）。我们预计地理上的互联网接入差异将持续存在，特别是家庭宽带接入方面：

H1.农村地区居民的总体互联网接入率和宽带接入率将低于城市居民。

新技术通常首先被资源与基础设施较充足的群体使用，包括高学历、高收入、从事白领工作或居住在城市地区的人群，尽管技术普及会逐渐减少这些差异（DiMaggio 等，2004）。因此，城乡互联网接入差异可能源于居民在这些资源特征上的差异（Hale 等，2010；Robinson 等，2015）。例如，农村居民往往年纪更大，受教育程度较低，贫困率更高，种族/族裔多样性更低，就业机会也不同于城市与郊区居民（Brooks 等，2021；Henning-Smith，2020；Lee & Sharp，2017；Monnat，2021；Mueller 等，2021；Nolan 等，2017）。既有研究发现，人口与社会经济特征可以解释部分但非全部的地理互联网接入差异（Brooks 等，2021；Hale 等，2010）。在高速宽带可用性受限的情况下，我们预计：

H2.即使控制居民特征，城乡家庭宽带接入差异仍将存在。

2020年，随着新冠病毒传播，实体商店、学校与雇主纷纷关闭，许多个人与企业将日常面对面活动转移到线上（Auxier & Anderson，2020；Beaunoyer 等，2020；Lai & Widmar，2021；McClain 等，2021）。没有技术接入或技能的人群——包括农村居民——可能无法满足其基本需求（如购物、医疗、远程工作、教育），或被迫与他人线下接触以满足需求，加剧既有数字不平等与感染风险（Beaunoyer 等，2020；Irwin 等，2021；McClain 等，2021；Monnat，2021）。

与第一层级数字鸿沟类似，在线活动的差异也可能源于城乡在线数字服务、经济、教育与健康活动可用性上的结构性差异，反映出第二与第三层级数字鸿沟（Hindman，2000；Salemink 等，2017）。例如，疫情前，农村居民较少使用互联网获取健康信息或远程医疗服务（Cortelyou-Ward 等，2020；Greenberg 等，2018；Hale 等，2010；Henning-Smith，2020）。网购行为也存在地理差异（如 Kirby-Hawkins 等，2019），但差异方向随研究而异。农村居民远程办公或使用零工平台的可能性也低于城市居民（Anderson 等，2021；Brooks 等，2021；Esteban-Navarro 等，2020）。此外，城乡学生在做作业时获取电脑与互联网的机会差异显著（Auxier & Anderson，2020；美国国家教育统计中心，2020）。

总之，由于疫情前农村地区缺乏支持本地在线互动的基础设施，我们预计：

H3.农村地区在工作、医疗、教育与商业相关在线活动上的参与率将低于城市地区。

某些在线活动差异可能因城乡居民在需求与偏好相关特征上的不同而被解释。例如，2020年初，在线学习无处不在（Auxier & Anderson，2020）；若农村居民更少有学龄儿童，城乡在线教育活动差异可能源于家庭儿童数量。此外，从无本地网点的在线商店购物（如亚马逊），可能与购物者特征有关。然而，涉及基本需求的活动差异则可能由地区服务可用性（即基础设施）或工作结构差异（如农业）驱动，而非居民特征。因此，我们还预计：

H4.与本地基础设施相关的基本需求（如杂货购物、医疗、工作）在线活动差异，在控制居民特征后仍将存在；而与基础设施无关的基本需求差异（如教育、非食品购物）则可被居民特征解释。

与娱乐和与亲友保持联系相关的其他在线活动，也可能在城乡间有所差异。欧洲与美国的研究表明，疫情早期农村地区的数字连接有所增加（Phillips，2024；Wang 等，2021）。总体而言，美国大部分成年人使用各种在线平台与社交媒体，且城市居民使用比例略高于农村居民（Auxier & Anderson，2021）。2020年，网络游戏使用增加（Statista，2021），但城乡差异尚不清晰。远距离家人也通过视频会议保持联系（McClain 等，2021；Strouse 等，2021），但城乡差异仍需进一步探究。由于这些活动常通过宽带实现，城乡差异可能由接入资源解释。因此我们假设：

H5.娱乐与交流类在线活动在地理上存在差异。

H6.由于这些活动不依赖本地基础设施，城乡差异可由居民社会人口特征与宽带接入解释。

本研究旨在探讨2020年秋季疫情第一波期间，内布拉斯加州城市、小镇与农村居民在互联网接入与在线行为上的差异。2020年，内布拉斯加州33.8%居民居住在非都市地区，高于美国平均的14%（Cromartie，2020；美国经济研究局，2022），因此是城乡比较的良好案例。

数据来源于内布拉斯加2020调查（NE2020），由社会学研究局于2020年9月14日至12月14日期间实施，为概率抽样混合模式（网络与邮寄）横断面调查。从美国邮政总署的计算机投递序列文件中随机抽取了10,000个内布拉斯加州地址。采用“下一个生日法”选择19岁及以上（内布拉斯加州成年年龄）的成年人。NE2020的总体应答率为28.1%（AAPOR RR2，n=2811）。

数据收集初期，内布拉斯加州约有39,000例新冠确诊病例。调查期间，疫情第一波激增，至最后一天时确诊病例达约150,000例（美国疾病控制与预防中心，2022）。调查在全州新冠限制措施最严时期完成，结束于首批疫苗运抵当天（LeGrande，2020）。

互联网接入通过两个问题测量。首先，询问受访者是否在家有互联网接入（93.7%回答“有”）。对于有互联网接入者，进一步询问接入类型，包括是否为宽带服务。鉴于农村宽带扩展的政策相关性，本文将家庭宽带接入作为第二个因变量，82.3%报告在家有宽带。

有家庭互联网接入的受访者（n=2618）被询问疫情期间是否在线进行了七项活动，问题为：“在新冠疫情期间，您是否在线进行了以下各项活动？”这些活动包括：在线观看视频、电视或电影（76.2%），网络游戏（52.6%），使用社交媒体（如Facebook、Twitter、Instagram）（84.6%），订购食品与杂货（61.7%），购买非食品杂货商品（84.7%），参与在线教育（36.1%）。另有询问是否使用电子邮件，但由于95%的人使用，缺乏差异，因此排除在分析之外。

所有受访者（n=2811）均被询问疫情期间在五个领域是否使用过视频会议。问题为：“视频会议是指在音频连接基础上，人与人之间通过视频信号（即画面）进行的沟通。常见的视频会议软件包括Facetime、Zoom、Facebook视频通话和Skype。在新冠疫情期间，您是否在以下情况下使用过视频会议？”五个领域包括：工作（42.5%），与亲友保持联系（64.7%），医疗（20.9%），心理健康护理（8.7%），教育（34.7%）。

我们将这些互联网行为分为三类，以对应假设：

主要自变量为抽样地址的城市化程度。我们将美国农业部的城乡通勤区（RUCA）代码按邮政编码与调查数据合并。RUCA代码根据美国人口普查区块的规模与通勤模式衡量城市化程度。我们将原始的10类RUCA代码整合为4类：

年龄以数值变量纳入，依据受访者出生日期计算，平均49.9岁，范围19–100岁（表1）。

表1 | 各城市化程度组及总体的人口统计控制变量描述性统计

询问受访者最高学历或学位，将其分为：高中及以下，一些大学或副学士学位，本科及以上。

询问过去12个月家庭总收入，选项包括：低于

询问当前就业状态，分为全职、兼职、未就业（含找工作、未找工作、退休）。

性别作为二分类变量：男性、女性。

通过两道问题测量：先问“您是西班牙裔、拉丁裔吗？”，再问“您的种族是什么？”，可多选：白人、黑人/非裔美国人、美洲原住民/阿拉斯加原住民、亚裔、夏威夷原住民/其他太平洋岛民、其他。由于变异度低，将种族/族裔整合为非西班牙裔白人与西班牙裔或其他非白人种族。

通过家庭总人数减去成年人（19岁及以上）人数计算，若结果大于0，则该家庭有儿童。

受访者可通过邮寄（57.6%）或网络（42.4%）参与。在多变量模型中，调查模式与任何因变量均无显著关联（p

受访者随机分配到两种问卷版本（A版：50.1%；B版：49.9%）。两版唯一不同在于“是/否”选项顺序（A版先“是”，B版先“否”）。此设计在多变量模型中与结果变量无显著关联（p

所有分析均加权，以校正户内抽样概率与单位非应答差异。缺失值使用Stata ice命令进行20次多重插补。首先进行双变量分析，使用设计与插补调整的F检验比较地理区域差异；再估计逻辑回归模型，以城市化程度与控制变量预测各互联网接入或在线行为指标，并将家庭宽带接入纳入在线活动模型中，以控制宽带本身对数字活动的约束（结果与不纳入宽带预测变量时几乎一致）。使用F检验评估四个城市化组系数联合为零的假设。分析使用Stata 17.0的mi estimate与svy命令。

我们首先考察不同城市化水平下家庭互联网接入的差异（图2）。如预期（H1），95.1%的都市区居民拥有家庭互联网接入，而微型都市区为90.5%，小城镇为93.2%，农村地区为91.3%（F=3.10，p=0.03）。尽管各地区总体互联网接入率均较高，但如假设（H1）所示，都市区、微型都市区与小城镇居民中有75%–87%拥有宽带互联网接入，而农村地区仅为65.3%（F=13.44，p

图2. NE2020 不同城市化水平下互联网接入与在线行为。

表2显示，家庭总体互联网接入的地理差异（F=0.91，p=0.44）在控制居民特征后被解释。然而，家庭宽带接入即使控制了居民特征，仍在城市化程度间显著不同，支持H2（F=5.37，p=0.0011）。控制居民特征后，农村居民拥有家庭宽带的可能性比都市区居民低约61%（p

表2. 预测家庭互联网接入与宽带接入的逻辑回归模型比值比与95%置信区间。

互联网接入还与年龄与社会经济地位等其他数字不平等轴线相关。老年人拥有家庭互联网接入（p

接下来，我们考察有家庭互联网接入者在不同城市化水平下的在线活动双变量差异。如预期（H3），“基本需求”类别的所有在线活动——在线订购食品、购买其他商品、在线教育，以及为教育、心理健康、医疗、工作使用视频会议——在城市化水平间均有显著差异（所有活动p≤0.003，见图2）。例如，69.5%的都市区居民在线订购食品与杂货，而微型都市区为57.7%，小城镇与农村地区约为40%（F=23.42，p

视频会议的使用同样在都市区最高，小城镇与农村地区最低。约50%的都市区居民因工作使用视频会议，而微型都市区为30.9%，小城镇为31.9%，农村地区为27.7%（p

我们预计，与本地基础设施相关的基本需求（如杂货购买、工作、医疗）在线活动差异在控制居民特征后仍存在（H4）。结果大体符合预期。在有家庭互联网接入者中（表3），控制居民特征后，只有在线订购食品与杂货的地理差异仍显著。小城镇与农村居民在线订购食品与杂货的可能性比都市区低约56%（p

表3. 预测有家庭互联网接入者基本需求在线活动的逻辑回归模型比值比与95%置信区间。

如预期，控制居民特征后，工作（F=3.92，p=0.008）与医疗（F=3.11，p=0.03）的视频会议使用在城乡间仍显著不同（表4）。非都市区居民因工作使用视频会议的可能性低40%–50%，医疗用途低35%–40%。这可能源于地区间职业类型与本地医疗远程服务可用性的差异（H4）。相反，心理健康护理（F=2.42，p=0.06）与教育（F=0.80，p=0.49）的视频会议使用差异可由居民特征解释。尽管我们预期教育差异可由居民特征解释，但原本预期心理健康护理将与其他远程医疗一样，在控制后仍存在差异（H4）。

表4. 预测基本需求视频会议使用的逻辑回归模型比值比与95%置信区间。

如预期（H5），不同城市化水平在娱乐与社交连接活动上差异显著（图2）。有家庭互联网接入的都市区居民中，82.4%在线观看视频/电视/电影，微型都市区为75.3%，小城镇为63.8%，农村地区为55.1%（F=21.30，p

我们预期这些差异可由居民特征解释（H6）。结果大体符合预期。控制后，城乡间网络游戏（F=1.35，p=0.26）、社交媒体（F=1.15，p=0.33）、与亲友视频会议（F=1.60，p=0.19）差异不显著，与H6一致。但出乎意料的是，在线观看视频/电视/电影的城乡差异在控制后仍存在（F=6.19，p=0.0003）。小城镇与农村居民在线观看可能性比都市区低20%–60%，与H6不一致。

表5. 预测娱乐与社交连接在线活动的视频会议使用的逻辑回归模型比值比与95%置信区间。

在新冠疫情早期数月，城乡间互联网接入、家庭宽带及在线活动的差异显著且普遍。农村居民比都市居民更不可能拥有互联网接入，尤其是家庭宽带接入，反映了数字鸿沟的第一层级。他们也更少出于各种原因上网或使用视频会议软件，包括工作、医疗、教育、购买食品杂货、娱乐，或与远方亲友联系，这体现了数字鸿沟的第二与第三层级。

部分地理差异可由居住者特征解释，例如在线购买非食品商品、在线教育、教育用途的视频会议和社交媒体使用。但即使控制了人口与社会经济特征，在线订购食品杂货、在线观看视频/电视/电影，以及因工作或医疗使用视频会议的城乡差异仍然存在。因此，第一、二、三层级的数字地理鸿沟问题在疫情初期持续存在，反映了不同地区在数字公平性和参与通过网络界面实现的线下活动（如工作、购物、医疗服务）上的显著差异。

在线活动差异可能带来重要健康后果。在疫情数据收集时尚未有疫苗可用，农村居民因工作、医疗或日常购买仍需线下接触，可能增加感染新冠的风险。未来研究可探讨，是否将面对面活动替换为在线活动者感染率更低，以及这种情况在城乡间是否如本研究所示存在差异。

居民特征解释了与本地基础设施无关的在线活动（如娱乐与社交连接）差异，而与本地支持相关的行为仍在城乡间存在差异。大多数娱乐与社交连接活动，以及部分基本需求活动的城乡差异，可由年龄、收入、教育、家庭是否有儿童、性别解释。例如，内布拉斯加州从2020年4月1日起要求所有学校关闭（Gage，2020），因此在线教育活动的差异主要由是否有学龄儿童解释。事实上，有儿童家庭在线教育活动的概率是无儿童家庭的2–3倍。

相反，在线购买食品杂货、线上工作、远程医疗这些需要本地机构支持的活动，城乡差异在控制特征后仍存在。这说明“数字不平等堆叠”（Robinson 等，2020）在农村缺乏基础设施支持商业、就业、健康活动时加剧，强化了第三层级数字鸿沟。

我们原本未预期观看视频/电视/电影的城乡差异在控制居民特征与宽带接入后仍持续。可能原因包括农村宽带带宽、质量、速度低于城市，或本地无线、有线、卫星电视服务提供情况不同。未来研究可收集互联网质量、速度及本地电视供应商可用性，以解释这种高数据消耗活动的差异。

年龄与社会经济特征在各在线活动中是显著预测因子。老年人拥有家庭互联网接入、宽带以及参与几乎所有在线活动的可能性均低于年轻人。唯一与年龄无关的活动是医疗，老年人和年轻人使用远程医疗的概率相同。可能原因在于老年人更需要医疗服务，而年轻人更倾向使用在线医疗，二者效应相互抵消。高收入、高学历者更可能拥有互联网接入与宽带，并参与各类在线活动。未来研究可进一步探究，这些年龄与社会经济差异在城乡内部是否也存在。

本研究局限在于仅考察了内布拉斯加州。尽管该州除奥马哈与林肯两大都市外，农村人口比例高，是城乡比较的理想案例，但其结果未必适用于其他州或情境。此前分析显示，内布拉斯加州在许多社会态度上与全国一致，且城乡差异显著（Stange & Kazyak，2016），因此我们预计总体模式在其他地区亦存在，尽管绝对水平可能不同。

其次，本研究仅使用英文问卷。约5%的内布拉斯加州居民在家说英语以外的语言，且英语流利度不足，可能难以完成本次调查（美国人口普查局，2020）。尽管我们通过非应答权重调整在统计上考虑了该群体，未来研究仍应翻译问卷（如西班牙语），以纳入此类群体。

第三，我们假设在线活动差异与线下基础设施可用性相关。研究结果大体支持此假设，但我们并未直接测量本地基础设施可用性。未来可直接询问远程工作、远程医疗、本地杂货在线购买等可用性。此外，尽管我们纳入了数字不平等研究中常用的人口与社会经济变量，但这些变量也可能反映了更近因的数字技能与知识，而本研究未测量。未来可评估控制数字技能后，城乡差异是否仍存在。同时，研究未包含受访者的行业、职业或是否自雇，这些特征可能与数字技能相关，解释部分工作相关在线活动。后续研究可纳入这些变量。

继续推动政策倡议与资源投入以提升农村宽带接入与数字包容性显然必要。本研究中，约15%的都市居民没有家庭宽带，而农村居民则为35%。扩展高速宽带基础设施对于弥补此差距至关重要。然而，研究表明，第二与第三层级的城乡数字鸿沟仅靠扩宽带难以解决，因为数字包容性不仅仅是接入问题。特别是，远程工作或本地商业在线化需当地机构许可。地方政策可支持农村小企业主接受电商与远程办公法律与策略培训，促进这些机会。同时，鼓励或资助法律要求、执照、技术协助或软件培训，亦可帮助农村医疗机构提供远程医疗，支持社区身体与心理健康服务。随着城市职工重返办公室，教师返校，杂货店线上服务扩展，城乡居民家庭行为差异可能缩小。未来研究可进一步检验这一问题。

引用格式：Olson, K., A. Phillips, J. D. Smyth, and R. Stenger. 2025. “ The Urban–Rural Digital Divide in Internet Access and Online Activities During the COVID-19 Pandemic.” Rural Sociology 90, no. 3: e70012. https://doi.org/10.1111/ruso.70012.