大学生学习投入的影响因素及其作用机制

杨立军， 张 薇

(1.南京邮电大学 教学质量监控与评估中心，江苏 南京，210023；2.南京邮电大学 教育科学与技术学院，江苏 南京，210023)



大学生学习投入的影响因素及其作用机制

杨立军1， 张 薇2

(1.南京邮电大学 教学质量监控与评估中心，江苏 南京，210023；2.南京邮电大学 教育科学与技术学院，江苏 南京，210023)

采用追踪研究设计，对南京邮电大学2008级学生进行了四次追踪调查。根据相关理论并结合问卷已有的变量，提出影响学习投入的因素(预测变量)主要是：学生人口学变量(性别、来源城乡、社会经济地位 、来源高中、学科)，学生的认知变量(向学/厌学)，学生的感知变量(归宿感、满意度)。利用多层线性模型分析技术构建了学习投入的非线性发展模型进行追踪数据分析。依次构建了无条件非线性发展模型、仅含有人口学预测变量的非线性发展模型和含有全部预测变量的非线性发展全模型，进行预测变量效应的模型检验。 结果表明：第一，人口学变量中，性别、学科、城乡、高中类型以及社会经济地位五个预测变量对学习投入的影响各不相同。性别和城乡因素较学科、高中类型和社会经济地位对学习投入的影响大，只有性别、城乡和学科分别对教育经验丰富度、学业挑战度和主动合作学习的变化有影响。第二，学生认知变量(向学/厌学)和学生感知变量(归属感和满意度)对学习投入的水平和大学期间的变化均有正向促进作用。向学/厌学对学习投入的影响最大，归属感影响次之，满意度影响最小；满意度对学习投入的一次增长具有正向促进作用，归属感对学习投入的一次增长具有负向反作用，向学/厌学对学习投入不同维度的一次增长作用不同。第三，模型检验结果提示，还存在影响学习投入水平及变化的其他因素。第四，针对三类变量对学习投入水平及变化的影响机制，提出：人口学特征是认识学生学习投入的基础；学生的认知是学生学习投入的关键；学生的感知是学生学习投入的催化剂；充分利用学习投入作用机制的特点，是学校认识学习投入背后的原因，促进学生学习投入的教育策略与需要把握的原则。

学习质量评价；学习投入；教学评估；人口学；学生认知；学生满意度；感知价值

国家中长期教育改革和发展规划纲要(2010-2020年)中明确提出“提高人才培养质量，需要深化教育改革，充分调动学生学习的积极性和主动性，激励学生刻苦学习”，特别强调了学生学习的积极性、主动性以及学校吸引、激励学生刻苦学习对于提高质量的重要性。而学生的积极性、主动性以及刻苦学习的表现即为学习投入，没有学生的投入，质量就无从产生。为此，了解学生学习投入背后的原因，促进学生的学习投入成为了提高质量的重要途径。美国早在20世纪80年代就将学生就读经历、学生参与、学习投入纳入到学校教育质量的评估之中，并由此产生了大量的调查工具，如就读经历调查(College Student Experiences Questionnaire，CSEQ)、学习投入调查(National Survey of Student Engagement，NSSE)、课程学习经验调查(Course Experience Questionnaire，CEQ)。其中最有影响的是NSSE，该工具的理论基础是学生在学习中投入的时间和精力越多，与教师、同伴间互动越多，学校提供的支持越多，学生越有收获[1]。学习投入也就成为了衡量学习成效和院校表现的重要标志[2]。2007年，清华大学引进了NSSE问卷后进行汉化形成NSSE-china，用于大学生的学情调查，目前已经发展成为中国大学生学习与发展的追踪研究(Chinese College Student Survey，CCSS)，以该工具开展的实证研究表明：学习投入显著相关于教育收获，是教育收获较好的预测指标，并与成绩排名具有显著的相关性，可作为衡量教育过程质量的重要指标[3-6]。同时国内的一些研究者或引进或自行开发相关工具开展大学生参与度调查、就读经历调查等，学生的学习经历、参与度、感知的满意度等成为了评估学校教育质量的一个视角。

然而，目前这些调查研究多是横断研究，以严格的追踪研究设计开展大学四年的追踪调查甚少[7-12]。本研究基于多年追踪调查取得的纵贯数据(longitudinal data )，在对学习投入发展趋势研究基础上，进一步探究学生人口学特征(人口学特征)、学生的认知(向学/厌学)和学生的感知(归属感、满意度)对于学习投入的水平和学习投入变化的影响，以及这些因素是怎样影响着学习投入的变化的，这是横断研究不可能得出的研究发现，从而最终为学校改进教育教学，提高学生投入和学习成效提供理论依据[13]46。

一、研究变量及数据结构

(一)研究变量

NSSE工具构建的学习投入五维度指标：学业挑战度(Level of Academic Challenge，LAC)、合作性学习 (Active and Collaborative Learning，ACL)、生师互动(Student Faculty Interaction，SFI)、教学经验丰富度(Enriching Educational Experiences，EEE)和校园环境支持度(Supportive Campus Environment，SCE)在汉化后的NSSE-china问卷中五维度结构仍然存在，有些指标信度甚至好于NSSE[14]。学习投入五维度指标是本研究的因变量。学业挑战度指标反映了教师和学校对学生学业的要求和期望，该指标主要由11个题目组成；主动合作学习是学生学习积极性、卷入度、有效解决问题方式的反映，由6个题目组成；生师互动指标体现了学生课堂内外接受教师指导、主动参与教师教学的情况，由7个题目组成；教育经验丰富度是学生参与多样化的学习活动的反映，主要体现在参与和投入的多样性上，由14个题目组成；校园环境支持度主要反映学校对于学生学习、经济的支持情况，是院校努力吸引学生投入的反映，由8个题目组成。

心理学家勒温的场论理论认为，环境因素以团体动力的方式，有效地影响着个体的心理和行为，这对分析学生学习投入行为的影响要素具有一般的指导意义。NSSE工具的理论基础提出了影响学习投入的内外部因素，如，学习动机、学业期待等内部因素，个体人口学因素、大学前经历、教师和同伴支持以及院校条件等外部因素都影响着学生学习行为[15]31。Patrick,Skinner和Connell的研究也表明：当社会支持背景支持心理需要的满足时，个体的行为表现为投入，说明学生的感知和认知对于学习投入的作用[16]。基于此，本研究将学生的人口学变量、学生感知的满意度、归属感和学生认知的向学/厌学变量作为预测学生学习投入的预测变量(影响因素)，以此来探究这些因素对于学习投入变化的影响机制，如表1所示。

表1 研究变量

人口学变量：学生性别(分类变量：女=0、男=1)、城乡(分类变量：城镇=0、农村=1)，社会经济地位(由父母的教育程度、父母的职业、家庭经济状况合成，数值型，连续变量)，高中(分类变量：全国重点=1、省重点=2、市重点=3、县重点=4、普通高中=5、职业学校=6)，学科(分类变量：文科=0、理科=1)[17]。

学生认知变量：向学/厌学(由学习愉悦感、学习意义感、学习动机、对于学业的期待和专业兴趣等合成，数值型，连续变量)。

学生感知变量：归属感(与任课教师、班主任、同学以及行政人员的关系，从不友好到互相支持7个等级，数值型)和满意度(包括学业指导满意度、在学经历满意度、总体满意度，从非常不满意到非常满意7个等级，数值型)。

(二)数据来源与结构[13]46

本数据来源于“大学生学习与发展追踪研究”(CCSS)2009年至2013年的追踪调查，调查对象为南京邮电大学2008级抽样本科生。2009年首次调查采用的是完全随机抽样确定样本，按照预计回收率(60%)、抽样误差(5%)、并经样本代表性检验(学科、性别、城乡等分布)后确定的样本为813人(全部学生为3603名)，整个调查程序按照“准备学生总体情况表、确定样本量、随机抽样、验证样本的代表性、发放邀请信、二次催答”等步骤进行。2009年至2013年每年一次对抽样学生进行调查，四次调查有一定的样本流失，最终整理出具有有效数据的样本为500个(删除测谎题和反映异常、缺失数据过多的无效样本)，计入分析的样本430个(删除了只有一次记录的样本)，与原样本检验无显著差异[18]。

计入分析样本(430人)的人口学特征为：男生样本占60.5%(260人)，女生样本占39.5%(170人)；文科样本占20.9%(90人)，理科样本占79.1%(340人)；户籍是城镇的样本占54.0%(232人)、农村的样本占46.0%(198人)。

二、分析工具与模型建构

(一)分析工具选择

数据首先采用统计产品与服务解决方案(Statistical Product and Service Solutions，SPSS)进行整理，然后利用多层线性模型(Hierarchical Linear Models，HLM)进行数据模型建构。HLM可以有效处理缺失数据，充分利用在追踪研究中存在的部分测量时间点的个案缺失和部分缺失数据，是处理追踪数据的有效方法。而且由于探究的影响因素包含随时间变化的预测变量(向学/厌学、满意度、归属感)，传统的重复测量的方差分析和多元分析均无法处理，多层线性模型可以解决这一问题，也是本研究选择该分析技术的原因[19]115。

(二)数据模型及变量

在利用该批数据开展的学习投入发展趋势探究中，已经发现学习投入的发展变化呈现出非线性变化规律，同时无条件增长模型固定效应结果均显示，学生个体间学习投入五维度初始水平和发展速度均存在显著差异[13]46。这预示着存在影响个体学习投入水平和发展变化的因素，这为进一步引入预测变量探究影响学生学习投入发展变化的机制奠定了基础。

本研究采用逐步引入预测变量构建发展模型：第一步在无条件增长非线性模型[13]46(模型一)基础上仅引入人口学预测变量(不随时间变化)构建模型二，第二步在模型二的基础上引入向学/厌学、归属感和满意度三个预测变量(随时间变化)构成模型三，最后形成的三水平全模型如下：

Level-1 Model

SE=D1*SE1*+D2*SE2*+D3*SE3*+D4*SE4*+D5*SE5*

SE*=P1*(D1)+P2*(D2)+P3*(D3)+P4*(D4)+P5*(D5)

Level-2 Model

Pk=Bk0+Bk1*(TIME1)+Bk2*(TIME2)+Bk3*(TIME3)+Bk4*(SSTF)+Bk5*(SWL)+Bk6*(SOB)+epsilon k

Level-3 Model

Bk0=Gk00+Gk01*(GENDER)+Gk02*(UOR)+Gk03*(SES)+Gk04*(SCHOOL)+Gk05*(SUBJECT)+uk0

Bk1=Gk10+Gk11*(GENDER)+Gk12*(UOR)+Gk13*(SES)+Gk14*(SCHOOL)+Gk15*(SUBJECT)uk1

Bk2=Gk20+Gk21*(GENDER)+Gk22*(UOR)+Gk23*(SES)+Gk24*(SCHOOL)+Gk25*(SUBJECT)+uk2

Bk3=Gk30+Gk31*(GENDER)+Gk32*(UOR)+Gk33*(SES)+Gk34*(SCHOOL)+Gk55*(SUBJECT)+uk3

模型中第一水平描述数据结构，第二水平为含有随时间变化预测变量模型，第三水平为含不随时间变化的预测变量模型。

模型中第一水平描述数据结构，D1-D5为虚拟变量(可以实现对多因变量的同时分析)，分别对应学习投入的五维度指标， SE1对应第一个维度P1“学业挑战度”的测量，SE2对应第二维度P2“主动合作学习”的测量，依次类推。

模型中第二水平Pk表示第k个因变量(K=1-5，分别对应学习投入五维度指标)在时间T的测量值。Bk0为表示第k个因变量的截距，TIME1、TIME2、TIME3为时间变量。本研究中TIME1取值为0，1，2，3； TIME2取值为0，1，4，9；TIME3取值为0，1，8，27，是通过定义时间的多项式函数实现非线性变化趋势分析[13]52。Bk1-Bk3为表示第k个因变量非线性一次、二次、三次变化斜率；epsilon为残差。

模型中第三水平的Gk00表示第k个因变量截距的均值，Gk10-Gk40表示第k个因变量的一次、二次、三次变化斜率的均值。uk0-uk3为截距和斜率的随机变量。

三、数据分析结果

(一)人口学变量对学习投入的影响机制

1．模型拟合检验

在无条件非线性增长模型(模型一)基础上，加入人口学预测变量(模型二)来检验预测变量对于因变量的影响，增加预测变量前后的模型拟合值。二个模型整体拟合差异统计量(X2)的差值ΔX2达到119.14，增加的参数Δdf为40，对照卡方分布，差异达到了极其显著水平。可见，增加了人口学变量后模型的拟合度增加了，说明性别和城乡等变量可以很好预测学习投入水平及其非线性变化，如表2所示。

表2 模型一与模型二的模型拟合差异

2.影响机制

性别、学科、城乡、高中以及社会经济地位五个预测变量对学习投入的影响各不相同，其模型固定效应如表3所示。由于对学习投入的师生互动指标没有显著影响，故表3中省略该指标(且没有显著影响的指标值均没有在表3中体现)。

表3 性别、城乡、来源高中、学科、社会经济地位对学习投入的影响

注：1.*，p<0.05； **，p<0.01； ***p<0.001

2.数字1、数字2和数字3分别代表非线性一次、二次和三次增长效应值

性别对学习投入的学业挑战度、主动合作学习、教育实践丰富度和校园环境支持度指标有显著影响，从系数我们可知：男生的学习投入初始水平显著低于女生，性别还对学习投入的教育经验丰富度的变化(增长率)有显著影响，男生对于教育经验丰富度的影响呈现出一次增长速度快于女生，二次增长慢于女生，三次增长又快于女生的曲线型变化。

城乡因素只对学习投入的学业挑战度、主动合作学习和教育经验丰富度三个指标有显著影响。对学业挑战度来说，城乡因素不仅表现在大一时对学业挑战度初始感知有显著影响，并且对大学四年期间学业挑战度的变化(增长率)也有显著影响，农村学生大一时的学业挑战度初始水平显著低于城市学生，但四年间的增长率显著高于城市学生；而对于主动合作学习和教育实践丰富度指标，城乡因素只影响其初始值，即表现为大一时的初始水平城乡有显著差异，大学期间主动合作学习和参与不同的教育实践所表现出的学习投入变化，不同生源地学生并没有显著差异。

学科因素对大学期间学生主动合作学习变化(增长率)有着显著影响，文科学生的主动合作学习水平一次增长速度快于理科，但二次增长却慢于理科，即文科学生主动合作学习增长有先快后慢的变化。

生源高中只对学业挑战度的初始水平有影响，重点高中学生的大一学业挑战度显著高于非重点高中，但高中层次并不影响大学期间学业挑战度的变化。

学生的家庭社会经济地位影响其教育经验丰富度指标的初始水平，即来源不同经济地位家庭的学生大一时的教育经验丰富度水平存在显著差异。

(二)向学/厌学、归属感、满意度对学习投入的影响机制

1.模型拟合检验

在含有人口学预测变量模型(模型二)基础上再增加向学/厌学、归属感和满意度三个预测变量(模型三)，检验增加变量前后模型的拟合情况，结果如表4所示。模型整体拟合差异统计量ΔX2达到3623.44，增加的参数Δdf为390个，对照卡方分布可知差异达到了极其显著水平，说明增加变量后的模型拟合度增加了，可见增加的向学/厌学、归属感、满意度变量也是预测学习投入水平及其变化的因素。

表4 模型二与模型三的模型拟合差异

2.对学习投入的影响度

从模型三运行结果的固定效应如表5所示，除满意度对生师互动、教育经验丰富度的影响不显著外，其他都具有显著正向影响(显著性多数在0.001水平上)。

表5 向学/厌学、归属感以及满意度对学习投入的影响

注：*，p<0.05； **，p<0.01； ***p<0.001

从固定效应的系数可知：学生认知的向学/厌学因素对学习投入的学业挑战度、主动合作学习、师生互动和教育实践丰富度的影响最大，学生感知的归属感影响次之，满意度影响最小；对于学习投入的校园环境支持度而言，学生感知的归属感影响最大，向学/厌学影响次之，满意度影响最小。

3.对学习投入的影响机制

模型三的随机效应相关系数，向学/厌学、归属感和满意度三个因素对于学习投入的作用机制，如表6所示。具体表现在对于学习投入初始水平以及学习投入变化的方向影响。

表6 向学/厌学、满意度、归属感与学习投入的相关

注：数字上标注1为非线性1次变化，3为非线性3次变化(2次变化不显著未列出)

向学/厌学、归属感和满意度三个变量均与学习投入五维度指标初始水平显著正相关，表明学生越向学、归属感越强，满意度越高学习投入的初始水平越高。由相关系数可知，学生的向学/厌学与学习投入的教育经验丰富度指标相关性最强(r=0.64)，说明越向学的学生，越乐于积极参与多种教育活动，越会取得丰富的教育经验；学生的归属感与学习投入的师生互动指标相关性最强(r=0.5)，说明师生互动越多，学生的归属感越强；学生的满意度与学习投入的校园环境支持度相关性最强(r=0.4)，说明学校支持性的校园环境可以提高学生的满意度。

五维度学习投入指标从大一至大四呈现显著的上升趋势[19]154。向学/厌学、归属感和满意度三个变量与学习投入五维度指标的变化显著相关，说明三个因素显著影响学习投入的增长。其中满意度与学习投入的一次增长显著正相关，说明满意度高的学生学习投入的一次增长越多。归属感与学习投入的一次增长显著负相关，说明越有归属感的学生学习投入一次增长越慢。而向学/厌学与学业挑战度、师生互动、教育经验丰富度的一次增长显著正相关，与主动合作学习、校园环境支持度的一次增长显著负相关，说明越向学的学生，学业挑战度、师生互动和教育经验丰富度指标的一次增长越快，而主动合作学习以及校园环境支持度的一次增长越慢。

从较大的相关关系来看，满意度与主动合作学习的一次变化显著正相关(r=0.35)，与其三次变化显著负相关(r= -0.53)，说明满意度越高，主动合作学习水平一次增长越大，三次增长越小。向学/厌学与主动合作学习的一次变化呈显著负相关(r= -0.2)，与学业挑战度的三次变化显著负相关(r= -0.16)，说明越向学的学生主动合作学习水平的一次增长越小，学业挑战度的三次增长越小。归属感与教育经验丰富度的一次变化显著负相关(r= -0.18)，与主动合作学习三次变化显著正相关(r=0.141)，说明越有归属感的学生教育经验丰富度的一次增长越小，而主动合作学习水平的三次增长越大。

(三)其他影响学习投入的因素

模型三的固定效应，如表7所示。除校园环境支持度指标外，学生个体间学习投入的截距和斜率仍存在显著差异，说明还存在其他影响学习投入水平及其变化的因素。这些因素的进一步探究需要在相关理论的基础上，引入模型进行检验。每一种理论都不能全面表达影响学生成功的所有因素[15]28。为此，影响因素的探讨是无止境的，随着研究的不断深入，也会越来越清晰地认识影响学生学习投入的因素及其作用机制。

表7 含有预测变量全模型的截距和斜率效应

注：*，p<0.05； **，p<0.01； ***p<0.001

四、讨论与建议

(一)人口学特征是认识学生学习投入的基础

Kuh的一项研究发现：性别是学习投入的预测变量，男性和女性学生以及拉美和非美学生的学习投入有显著差异[15]28。Randolph等也认为家庭特征和家庭环境(城乡、父母教育程度和社会经济地位等)极大地影响着学习投入[20]。张信勇等的研究也发现：不同性别以及学科学生的学习投入存在显著差异[21]。这些研究发现(大多是横断面数据分析结果)与本研究(纵向追踪数据)的结论基本一致。

本研究发现：性别和城乡因素对于学生的学习投入影响较大，不仅影响着学生大一时的学习投入水平，还影响着大学四年的变化。针对男生学习投入初始水平低于女生，以及教育经验丰富度变化先快后慢再快的特点，高校对男生的教育引导需要及时跟进，在变化较快的时期加大引导力度，以促进男生学习投入取得更好的增长度。针对农村学生大一时学业挑战度低于城市学生，但大学四年增长率更高的特点，启示我们：农村学生虽然学业挑战度的基础水平较低，但大学期间学业上更加努力以达到老师和学校的要求来提升学业挑战度，学校应创造条件给予这些学生更多的支持和帮助。

学科、学生的家庭经济地位等虽然对学习投入影响不多，但家庭经济地位影响学生入学初始的教育经验，这为分析教育的公平性带来新的视角。文科学生的主动合作水平发展好于理科，为我们科学安排不同学科的教学活动提供了启示。高校的教育教学和学生事务工作应该根据学生的人口学特征以及其对于学习投入影响的规律，针对不同群体开展有效工作以提高学生的学习投入度。

(二)学生的认知是学生学习投入的关键

态度决定行为。本研究中向学/厌学变量由学习动机、专业兴趣、学业期待、学习愉悦感和学习意义感等题项合成，内涵丰富，囊括了期待、动机、兴趣和意义感等对于学习的态度、知觉和认识，是对于学习、学业和教学活动等的认知。已有研究表明：承诺与学习投入显著正相关，专业承诺高的个体往往具有较高的学习投入，专业承诺是学习投入最重要的预测变量，而专业承诺体现了学生对专业学习的意义感、兴趣以及期待，是向学/厌学内涵的重要体现，是学生能否投入、能否积极参与学习、教育教学活动和刻苦努力的前提和关键[22]。

本研究结果表明：向学/厌学对学习投入的影响均具有显著的正向作用，与学生感知的归属感和满意度相比，对学习投入的影响力也最大。向学/厌学还对学业挑战度、师生互动的一次增长有促进作用。学生越向学，其越努力满足教师和学校的课程要求来提升学业挑战度。而学习投入的五维度指标中，学业挑战度对于学生的学习收获贡献最大，可以解释学生间学习收获差异的46.67%以及大学四年学习收获变化的77.37%[23]。为此，我们必须重视向学/厌学对于学业挑战度的提升作用，从而促进对学生学习收获的提高。

同时，向学/厌学尤其与学习投入的教育经验丰富度指标相关性最强(r=0.64)，不仅影响学生的教育经验丰富度的初始水平，还影响其大学期间的增长速度，这表明：越向学的学生，越乐于积极参与多种教育活动，教育经验的增长也越快。George D. Kuh等(2006)曾提出，有多样化经验和丰富课程活动的学生在学习投入上和学习收获上比一般学生高[15]31。为此，提高学生的向学度，是促进学生学习收获和教育成效重要前提和关键。

(三)学生的感知是学生学习投入的催化剂

归属感和满意度反映了学生对于外部环境的感知以及自身与外部环境关系的感知。归属感体现学生与任课教师、班主任、同学以及行政人员等学校主要四类人员群体的关系，从不友好到相互支持共7个感知量度。感知的满意度由学业指导满意度、在学经历满意度和总体满意度等构成，是学生对学校这一外部环境是否满足自己的心理预期和需要的一种反映。归属感体现的是学生对自己与学校人的关系的感知，而满意度更多体现的是学生对学校教学、管理服务等各方面工作、提供的支持以及总体环境的一种感知。注重学生的感知是新一轮本科教学审核评估五个度的要求，更是学校办人民满意教育的具体反映。为此，增强学生的归属感、提高学生的满意度具有战略意义。

归属感、满意度不仅与学习投入五维度初始水平显著正相关，而且与学习投入的变化(增长速度)也显著正相关。归属感与师生互动相关性最强(r=0.5)，说明增强学生的归属感可以促进学生的投入，提高师生互动水平。吉尔的研究也认为支持性的师生关系与学习投入呈现显著的正相关，与老师、同学具有良好关系的学生具有较高的投入水平[24]。苏曼从反例证明了师生关系的作用，他对25名逃学的学生和25名没有逃学的学生做的对比研究发现：学生逃学的最大原因是学生厌倦学校和讨厌教师[25]。阿斯汀断言：“大学阶段中，同龄群体是唯一一个对成长和发展产生最有影响力的因素。”[26]库、苏惠特和同事甚至认为校园环境教育和学生投入的最关键问题是培养一种归属感[27]。这些研究都说明了学校支持性关系的重要性，学生对各类关系感知的归属感成为了学生学习投入的催化剂，对学生发展产生了间接的促进作用。

中学生的满意度与学习投入的校园环境支持度指标相关性最强(r=0.4)，与阿斯汀和沃克的研究认为学生对学校的认同与学生投入高度相关的结论一致，说明友好的校园环境导致的学生满意会提高学生学习投入水平[28]。满意度与学习投入的一次增长显著正相关，说明满意度高的学生，学习投入的一次增长越多，尤其与主动合作学习的一次增长相关最强(r=0.35)。说明了学生的满意会激励学生的主动性和积极性，进而对学习投入的增长起到加速作用，满意度成为了学生学习投入的催化剂。同时，库的研究还发现：学生感知的满意度影响学生在教育实践中的投入进一步影响学习成效和发展[29]。即满意度是通过直接作用于学习投入而间接作用于学习效果，进一步证明了满意度的间接效果和催化作用。

(四)充分利用学习投入作用机制的特点

本研究引入了所有预测变量(人口学变量、学生的认知和感知共8个变量)后，模型结果显示：学生个体间学习投入的截距和斜率仍存在显著差异，提示我们还存在其他影响学习投入水平及其变化的因素，这为进一步引入其他预测变量奠定了基础。同时也反映已经引入的变量的作用对于学生学习投入解释的不足。

同时依据追踪数据进行的潜发展模型探索还带给我们具有负向作用信息的提示。例如，理科生主动合作学习一次增长低于文科生；向学/厌学与主动合作学习的一次变化呈显著负相关(r=-0.2)，与学业挑战度的三次变化显著负相关(r=-0.16)；归属感与教育经验丰富度的一次变化显著负相关(r=-0.18)。这些提示说明了预测变量对于学习投入增长的作用是非线性的，并不都是加速作用。同时通过表6，我们也看到满意度对于学习投入变化的影响大于对其初始水平的影响；向学/厌学、归属感对于学习投入初始水平的影响大于对其变化的影响。提示我们如果要提高学习投入的初始水平，需要注重向学/厌学因素的作用，而提高学习投入的变化速度，需要更加关注学生的满意度。这些都是预测变量对于学习投入作用机制的特点，需要我们充分认识并有效利用这些特点，有针对性地采取有效措施提高学生的学习投入。

五、研究局限

由于本研究是学习投入质和量的测量问卷，对于学习投入的影响因素并未在问卷中作为单独的变量或维度进行设计和考量，为此，对于本研究引入的影响因素，特别是随时间变化预测变量，其变量包含小题项的全面性尚需进一步的完善。另外，本研究探讨的仅是学习投入的直接影响因素及其影响机制，对于学习投入有影响的间接因素或者交叉影响因篇幅原因不能一一验证。学习投入太重要也太复杂，对于学生自我报告的近似数据(问卷调查数据来自大学生的自我报告，自我报告的数据只能是近似数据，存在价值观、社会称许等潜在影响)的使用和研究结论需要我们谨慎地解释，并需要不懈地深入研究。

[1] George D. Kuh, The National Survey of Student Engagement: Conceptual and Empirical Foundations[J].New Directions for Institutional Research,2009,141(1):5-20.

[2] George D. Kuh, Assessing What Really Matters to Student Learning: Inside the National Survey of Student Engagement[J].Change,2001,33(3):10-17.

[3] 杨立军，韩晓玲.中美大学生学习成效工具研究[J].高教发展与评估，2003，29(2)：8-16.

[4] 清华大学教育研究院.2010-2012年学情调查问卷手册[C].清华大学教育研究院，2010-2012.

[5] 清华大学教育研究院.2009年学情调查问卷手册[C].清华大学教育研究院，2009.

[6] 赵 琳，史静寰，等.高等教育质量的院校类型及区域差异分析——兼论我国高等教育资源配置格局与质量格局[J].清华大学教育研究，2010(5)：1-12.

[7] 朱 红.高校学生参与度及其成长的影响机制——十年首都大学生发展数据分析[J].清华大学教育研究，2010(6):36-43.

[8] 史静寰，等.基于学习过程的本科教育学情调查报告2009[J].清华大学教育研究，2011(4)：9-23.

[9] 罗 燕，史静寰，等.清华大学本科教育学情调查报告2009——与美国顶尖研究型大学的比较[J].清华大学教育研究，2009(5)：1-13.

[10] 陆根书，彭正霞，等.不同学科大学生学习经历差异分析[J].苏州大学学报：教育科学版，2014(1)：64-73.

[11] 鲍 威.高等院校教学质量与教育成果及其关联性的实证研究——基于北京市高校学生学业状况的调研[J].大学(研究与评价)，2008(3)：71-82.

[12] 史秋衡，郭建鹏.我国大学生学情状态与影响机制的实证分析[J].教育研究，2012(2)：109-121.

[13] 杨立军，韩晓玲.大学生学习投入变化及特征：基于校内数据的追踪，复旦教育论坛[J].2013，11(5).

[14] 罗 燕，海蒂·罗斯，岑逾豪.国际比较视野中的高等教育测量——NSSE-China工具的开发:文化适应与信度、效度报告[J].复旦教育论坛，2009,7(5):12-18.

[15] George D. Kuh, Brian K. Bridges, John C. Hayek. What Matters to Student Success: A Review of the Literature[M]. National Postsecondary Education Cooperative (NPEC) Commissioned Paper,2006.

[16] Patrick B C，Skinner E A, Conncll J P. What Motivatcs Children’s Behavior and Emotion? Joint Effects of Perceived Control and Autonomy in the Academic Domain[J]. Journal of Personality and Social Psychology，1993(65):781-791.

[17] 高峰强，石雷山，陈英敏.家庭社会经济地位与学习投入的关系：学业自我效能的中介作用[J].心理发展与教育，2013(1)：71-77.

[18] 盖笑松，张向葵.多层线性模型在纵向研究中的运用[J].心理科学，2005,28(2):429-431.

[19] 刘红云.追踪数据分析方法及其应用[M].北京：教育科学出版社，2005.

[20] Randolph K A, Fraser M W, Orthner D K．A Strategy for Assessing the Impact of Time-varying Family Risk Factors on High School Dropout[J]. Journal of Family Issues,2006(27)：933-950.

[21] 张信勇，卞小华，徐光兴.大学生的学习投入与人格坚韧性的关系[J].心理研究，2008，l(6)：72-76.

[22] 段陆生，李永鑫.大学生专业承诺、学习倦怠与学习投入的关系[J].中国健康心理学杂志，2008,16(4):409-411.

[23] 杨立军，韩晓玲.什么影响了大学生的教育收获—基于校内追踪的实证研究[J].复旦教育论坛，2014(6)：33-40.

[24] Gill M G,Ashton P, Algina J. Authoritative School: A Test of a Model to Resolve the School Effectiveness Debate[J]. Contemporary Educational Psychology,2004(29):389-409.

[25] Sommer B. What’s Different about Truants? A Comparison Study of Eighth Graders[J]. Journal of Youth and Adolescence,1985,14(5):411-422.

[26] Astin, A. W. What Matters in College? Four Critical Years Revisited (1st Ed.)[J]. SanFrancisco:Jossey-Bass.1995:218-398.

[27] 约翰H·斯苏.学生事务实践基础——哲学、理论、教育成果强化[M].游敏慧，王峰，刘存伟，杨阵雨，译.成都：四川大学出版社，2009:71.

[28] Voclkl K E. Identification with School[J]. American Journal of Education，1997(105):294-317.

[29] George D. Kuh, Shouping Hu . Being (Dis)Engaged in Educationally Purposeful Activities: The Influences of Student and Institutional Characteristics[J]. Research in Higher Education,2002,43(5):555-575.

10.3963/j.issn.1672-8742.2016.06.006

江苏省教育科学规划重点资助课题“大学生学习投入机制研究——基于某高校学习投入追踪调查(NSSE-CHINA)”(B-a/2015/01/033)；南京邮电大学招标课题“核心课程教学评价研究——以《通信原理》课程为例”(JG04013JX03)

杨立军(1969-)，女，辽宁抚顺人，研究员，博士，研究方向为大学生学习与发展。

张 薇(1989-)，女，江苏句容人，硕士研究生，研究方向为高等教育管理。

G420

B

1672-8742(2016)06-0049-13

2016-04-20；编辑：荣翠红)