学习空间对大学生认知和非认知能力的影响*

余继　闵维方

摘要：近年来，大学学习空间呈现日益开放和弹性化、愈发注重学生参与和体验的发展趋势。目前，针对该变化的合理性所开展的研究大多为基于思辨方法的分析和讨论，相关实证依据较为缺乏。基于学生学习视角，对比分析规制型学习空间和创新型学习空间对大学生认知和非认知能力的影响，可为学习空间的优化提供参考。通过问卷调查与焦点访谈相结合的实证研究发现：第一，学习空间对学生学习过程中的认知加工策略、元认知策略、教育和学习观、学习动机和情绪行为存在影响;第二，创新型学习空间比规制型学习空间更有助于培养大学生与职业准备相关的认知与非认知能力;第三，不同专业、年级的大学生在对学习空间的敏感度和需求上存在差异。因此，高校应积极尝试构建以学生为中心、更加弹性化的学习空间，使用与之匹配的教学方法;同时，高校还应充分关注不同学科、不同层次学生的学习需求，有针对性地设计和使用创新型学习空间。

关键词：学习空间;学习环境;认知能力;非认知能力;学生学习;实证研究

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2018）06-0079-10  doi10.3969/j.issn.1009-5195.2018.06.010

*基金项目：中国博士后科学基金面上资助项目“我国大学创新教育的生产机制及质量评估研究”（2018M631226）。

作者简介：余继，博士，博士后，北京大学教育学院教育经济研究所;闵维方，教授，北京大学教育学院教育经济研究所（北京 100871）。

一、研究背景

“学习空间”这一概念有广义和狭义之分：广义而言，所有发生学习的场所都可被称为学习空间;狭义而言，多数文献所指的是在正规学校教育中，进行教学、学习及合作的物理空间。随着新兴教育技术的应用和普及，这一概念更新为以促进学习者在任意场所中的学习为目标，蕴含着融合物理空间和网络空间等更为丰富的隐喻（许亚锋等，2015）。就学习空间的分析单元而言，依据具体的研究目的、机构设置和使用边界而定，可以是一间教室、一栋教学楼、一所学校、一个学习中心、一个教育平台等。本文中的“学习空间”，主要指在一定教育教学理念下建构而成的、依托实体教育机构而存在的学习空间。因此，在本文的论述中，“学习空间”并不是一个单一的场所概念，也涉及其中开展的教育教学活动。

当前，在高等院校中占据主导地位的学习空间仍为传统教室（钟启泉，2015）。近年来，由于空间在教育中的角色受到越来越多的关注，其概念和形态也日益创新（萨利·奥古斯丁，2013）。各类更加开放和弹性化，重视学生的参与和体验，强调主动学习的创新型学习空间（Innovative Learning Environments）在世界各国，特别是美、英、澳及欧洲一些教育发达国家应运而生（Fisher，2005;JISC，2006;OECD，2013;Harrison et al.，2014）。這背后有三方面的驱动因素：第一，教育目标的转变和学习科学理论的发展。基于认知能力的学业表现不再是高等教育人才培养的唯一目标，非认知能力（如毅力、专注力、情感能力、社会适应能力、团队合作能力等）日益成为高等教育人力资本积累的重要内容（Levin，2013;周金燕，2015;闵维方，2016）。学习理论和相关实证研究显示：以教师为主体、侧重知识传授的传统教学模式和与之对应的规制型学习空间难以取得理想的学习效果;以学生为中心、支持跨学科合作的教育活动和空间环境，更有利于学生认知和非认知能力的发展（De Corte et al.，2003）。第二，新兴教育技术的渗透使得知识以新的方式生产和传播，物理空间与网络空间的边界正日益模糊。这促进了学习活动在时间和空间维度上的重新分配，使学习者对学习空间的弹性化要求更高。第三，终身学习理念的推广和网络学习的兴起，使学习者呈现更多元和复杂的个性特征，随之也产生了更丰富的学习和空间需求。

作为一个年轻蓬勃的领域，学习空间正吸引着众多的研究者和实践者，然而已有研究也存在一个明显的问题，即大都停留于讨论蕴含其中的教育理念和空间设计案例描述的层面，严谨的实证研究相对缺乏，而基于空间使用者真实学习经验的系统性、回溯性评价更是寥寥可数。因此，学界对大学学习空间的变革存在着不同的观点：一些学者积极倡导学习空间的创新，另一此则持保守和怀疑的态度（Beetham et al.，2013）。争论的焦点在于：大学学习空间的教育价值究竟如何？与重视知识传授的规制型学习空间相比，创新型学习空间的实际效果又如何 （Mahat et al.，2017）？针对上述疑问，本文将分析视角聚焦于学生学习过程，利用实证研究方法，探寻学习空间对大学生认知和非认知能力的影响，以期提升对学习空间这一教育工具的认识，并为优化学习空间的设计和管理提供参考依据。

二、文献回顾

1.大学学习空间对学生学习的影响

与创建新型学习空间的热潮相比，关于大学学习空间对学生学习影响的实证研究相对匮乏。美国明尼苏达大学学者Brooks及其团队开展了一系列准实验研究，通过与教师合作，在控制教学材料、学生背景等因素的条件下，对比了以学生为中心的“主动学习教室”（Active Learning Classroom）和传统教室对学习效果的影响（Brooks，2011;2012）。其研究结果显示，主动学习教室中学生的进步程度、学习成绩、课堂参与度以及对课堂环境的满意度等指标均高于传统教室。Dori等（2005）同样通过采用准实验方法，发现在麻省理工学院的TEAL（Technology Enabled Active Learning）空间中学生对概念的理解显著优于传统教室，且多数学生愿意将TEAL空间推荐给自己的同伴。许亚锋等（2014）也采用类似的方法，发现学习空间能够影响学生的参与行为，促进其社会性交互、对概念的理解和对基本操作的掌握。陈卫东（2012）从教育技术学的视角对华东师范大学“未来课堂”中的互动特征开展实证研究，结果表明，未来课堂中的互动呈现出多元化的特征，且不同学科的互动特征存在差异。

总体而言，尽管国内外学者就大学学习空间的影响开展了一些有益的探索性研究，但实证研究数量不足，且在以下两方面存在较大的提升空间：第一，正如Ellis等（2016）指出的，在许多学习空间研究中，“学习”被当成是一个“日常化、想当然”的概念，这不仅与当前较为成熟的学习理论存在一定程度的割裂，也使得学界难以就如何评估学习空间的有效性形成共识，阻碍了这一领域的理论建构和集体性进步（collective advances）。因此，更加全面、科学地理解和界定“学习”这一概念，对于探究学习空间的教育价值和这一研究领域的未来发展都至关重要（Mirijamdotter et al.，2006;Temple，2008）。第二，从已有研究的地区分布来看，实证研究大多集中在美、英、澳等发达国家，虽然许多国内高校开展了实践尝试，但实证研究还非常少。

2.学生学习中的认知和非认知要素

如上文所述，对大学学习空间的效果评估需建立在对学习的科学界定和衡量之上。学习是多种认知和非认知因素交互作用的复杂过程，不同的研究者和实践工作者对其有着不同的界定。起源于上世纪70年代的“学生学习”（Student Learning ）研究领域，经过几十年的持续发展，已经拥有相对成熟的概念体系和测量工具（Richardson，2000;Entwistle，2009）。其关注的认知要素主要是认知加工策略，即学习者获得知识或对知识中的信息进行加工的过程，其直接影响学生的学习结果，是学习行为的核心。非认知要素则包括学生的人格特征、元认知策略（即个体对认知过程的监控、调节和管理活动）、学习过程中的情感活动和社会性互动、认识论信念，以及对于教育和学习的观念等。

研究者们倡导通过构建兼含认知和非认知要素的多维模型，以获得对学生学习的全面理解，明晰研究边界，从而推动该领域的共同进步（Gijbels et al.，2014;Price，2014）。其中，影响较为广泛的两项理论为Marton等学者提出的学生学习方式和Vermunt等学者提出的学习模式，其亦是本文的理论基础。二者都是基于现象学的方法，即经质性到量化的扎根式方法，既有共通之处，又存在一定差别。Marton 等（1976a，1976b）对深层学习方式和表层学习方式的区分对于学生学习研究领域的发展可谓影响深远。学习方式可从认知加工策略和学习动机两个维度进行界定。深层学习方式对应的是深层认知加工策略（如关联、理解、批判性思维等）和学习者的内在兴趣，表层学习方式则对应表层认知加工策略（如机械记忆、练习等）和外部因素驱动的学习动机。深层学习方式可作为大学生学习质量的重要表征已是学界的普遍共识，其有助于学生获得学业成功（Biggs，1987;Entwistle，2009;陆根书，2010;呂林海等，2018）。Vermunt等学者的学习模式理论则在借鉴学生学习方式理论并保留认知加工策略和学习动机的基础上，进一步加入了教育与学习观、元认知策略两个非认知维度，并在一系列研究中，通过因子分析确定了4种学习模式：漫无方向型、复述导向型、意义导向型和应用导向型 （Lonka et al.，2004;Vermunt et al.，2004;Vermunt et al.，2017）。其中，“意义导向型”被认为是对深层学习方式的另一种描述，而“复述导向型”则接近于表层学习方式。

学界一般认为，高等教育需要培养的主要是分析、联想、批判性思维等深层认知能力，以及积极的学习态度、适当的职业期望、良好的团队精神、有效的自我监督和管理等非认知能力（Biggs，2003;Gijbels et al.，2014）。为提升大学生的上述能力，学者们研究了学习环境对其的影响（Wilson et al.，2005;Webster et al.，2009;Baeten et al.，2010;杨院，2014），较为一致的结论是，以学生为主体的学习环境有利于导向深层学习，缺乏师生互动的学习环境则会引发表层学习。但已有的学生学习研究主要关注课堂教学和评价、师生关系等方面的学习环境特征，从学习空间视角开展的研究尚不多见。在众多促进主动学习的方法中，对学习空间使用和功效的理解可能是最为不足和为人所忽视的（Strange et al.，2001），亟待开展深入的研究。

三、研究方法

本文旨在从学生学习的视角探索以下问题：学习空间对大学生认知和非认知能力有何影响？这种影响具有什么样的形成机制？研究依托案例对比，通过面向学生的问卷调查和焦点访谈获得事实和证据。案例对比研究具有如下优点：一是加深对研究对象的理解和解释度;二是提高结论的可推广性（Yin，2009）。研究的定量和定性部分相互验证、互为补充，这在下文的分析和结论中将进一步体现。

1.研究对象

研究选取了我国东部某985高校校园内两个风格迥异的学习空间作为对比研究对象。空间A为建于上世纪50年代的教学楼（见图1），空间B为建于2010年的学习中心（见图2）。两个学习空间建于不同的历史时期，对应着迥异的教育理念和教学方法：前者主要用于传统的讲授型教学，在设计过程中追求“庄重、沉稳、大气”的风格，以求给人一种性格上的培养和心理上的暗示，即“做事情要中规中矩、方方正正的，大原则不能松动”;后者主要强调项目教学法（Project-Based Learning）的运用，其空间设计的基本原则是“开放”和“交流”，营造轻松愉快和“以学生为中心”的氛围。具体到物理形态上，则表现为：空间A由多个标准化的教室构成，教室内部和走廊的装饰较少、色彩相对单一;空间B则包含多功能教室、公共空间、合作空间和个人学习空间等不同类型的区域，注重装饰摆件的舒适性和色彩的丰富性。两个学习空间中都开设面向全校学生的公共选修课，空间A中还开设专业课。在没有课程安排的情况下，学生均可自行使用空间A和B作为自习或合作场所。

2.研究假设

根据对两个学习空间的设计师和教学管理人员的前期访谈，结合上述学生学习理论，笔者提出以下研究假设：

H1：空间B较之空间A，更能够促进学生的深层认知加工策略，增强学生的内在学习动机和兴趣;

H2：空间B较之空间A，更有助于提升学生的职业准备意识及知识应用能力;

H3：不同专业、年龄、性别的学生对两个空间的应对和反馈存在差别。

3.方法和工具

研究分为两个阶段。第一阶段为定量研究，分别在两个空间内发放和回收学生学习调查问卷，并进行对比分析。测量工具采用Vermunt及其同事于1996年开发的“学习模式量表”，其包含测量学习模式所涉及的两类要素共计4个核心维度：认知要素，含认知加工策略;非认知要素，含元认知策略、教育与学习观、学习动机，对应16个指标（见表1）和100个问题。该工具已被翻译成16种语言，在包括中国在内的近30个国家的研究中使用，被证明具有很好的信效度（Vermunt et al.，2017）。

问卷第一部分关注认知和元认知学习活动，对于每一个问题，采用5分制标准——界于“我很少或绝不做这事”（1分）与“我（几乎）始终做这事”（5分）之间。第二部分涉及教育、学习观和学习动机，同样使用5分制标准——界于“完全不赞同”（1分）与“完全赞同”（5分）之间。由于学习活动依托特定的物质和空间条件而存在，本研究对问卷的第一部分进行了微调，将原始的标准更改为“在此，我很少或绝不做这事”（1分）与“在此，我（几乎）始终做这事”（5分）之间。鉴于专业、年级、年龄、性别与学生学习方式密切相关（Richardson，2000;郭建鹏等，2013），问卷对这些信息进行了采集。在发放正式问卷前，笔者针对原始版问卷和调整版问卷的差异进行了小范围试测，发现同一被试对两个版本问卷的作答有所区别，与被试沟通后，确认其可以区分一般性学习体验和在特定空间内的学习体验。同时，考虑到学习空间的影响并不是一蹴而就的，学生对学习空间的熟悉和适应需要一定的时间，问卷选择在学期末发放（具体发放方式见本文“抽样和样本”部分）。

如上所述，研究者们通过因子分析得出4个较为稳定的因子（即4种“学习模式”），对应指标见表2，其有助于对后续分析结果进行解读。整体而言，意义导向型和应用导向型学习模式被认为是高等教育的理想学习方式，对应更高的认知和非认知能力，可促成更好的学业结果;漫无方向型是不可取的学习模式;而复述导向型是否可取，尚无定论。

第二阶段为质性研究，是对定量分析结果的验证和扩展。从参与问卷调查的学生中招募受访者，以焦点小组形式，分别在两个空间内开展半结构化的深入访谈。访谈内容包括以下主题：第一，学生如何理解“学习空间”这一概念;第二，在受访空间内（空间A或B），学生以何种方式学习;第三，学习空间的哪些具体因素，以何种方式影响着学生的学习;第四，简要呈现并解释问卷调查的结果，询问受访者的回应;第五，受访者对学习空间有何需求和偏好。

由于质性研究中研究者是研究方法的一部分，其在研究中担当的角色对数据的获取和质量非常重要。在本研究中，研究者的主要责任是：第一，营造轻松、开放的讨论环境;第二，降低小组访谈中个别受访者的主导作用，力求在受访者愿意的前提下，从所有受访者获得可比数据;第三，对访谈时间加以控制。研究者不参与受访者之间的讨论，但依据其提出的观点和想法开展进一步的探查。

4.抽样和样本

由于两个空间都面向全校学生开放，理想的样本是对全校学生进行随机抽样。但由于空间所具有的物质实体性，为了唤起参与者在特定空间内的学习体验，调查需在场完成，因此绝对的随机抽样在操作上并不可行。在考虑各项条件后，本研究采取在公共选修课上发放调查问卷的方式。本科生和硕士生都有一定的公共选修课学分要求，学生先在选课系统中自主选课，最后由系统随机确定选课结果。基于上述选课规则，在征询相关管理人员意见后，选择了历年选课者特征分布没有明显差异的14门公共选修课（空间A和B各7门）作为样本源。

参与问卷调查的有效样本量为318人，其中170人在空间A内完成问卷，148人在空间B中完成。样本的主要特征如表3所示，其在性别、专业上的分布与该校全体学生的总体分布一致。

质性研究部分的抽样采用通过邮件询问方式从参与问卷调查的学生中招募。在问卷样本中，274名学生提供了联系方式，其中45名学生有意愿参与进一步的研究。具体的抽样原则如下：第一，由于焦点访谈的主要优势是促进不同观点间的讨论，在受访者的分组上，力求每组均囊括不同专业、年级、性别等背景的学生。第二，在正式的焦点访谈前，进行了一次4人的预访谈，耗时1小时30分钟，人均约23分钟。由于通常单次访谈时长不宜超过2小时，因此在正式焦点访谈中，每组的参与人数控制在4～6人。第三，充分考虑潜在受访者的意愿和时间限制。最终，确定了28名参与者，分为6个小组开展访谈（3组在空间A，另3组在空间B），受访者基本特征见表4。每组访谈时间控制在100～120分钟。

5.分析过程

针对调查问卷的量化分析分为三步：首先，就两个空间内学生在學习过程中认知和非认知要素的4个维度和16个指标进行对比检验，诊断出具有显著差异的指标。其次，将诊断出具有显著差异的指标作为因变量，将学习空间作为一个分类变量，将影响学生学习方式的个人特征（年龄、性别、专业）作为自变量，利用Logistic回归检验变量间的相关性。最后，依据多元回归的结果，确认是否需要按照个人特征变量对总体样本进行分组，以开展进一步分析。

焦点访谈的录音经全文转录，生成原始文本约3万字。采用自下而上的分析策略进行内容分析，具体过程借鉴Braun等（2006）的建议，分为两步：第一步，熟悉转录文本，围绕“学生学习”和“学习空间”这两个核心概念对文本中的关键词或片段进行描述性编码，以确认二者具体的组成要素。根据各编码之间的逻辑联系和出现频率，对编码进行组合，形成主题。第二步，依据数据中关于学习空间对学生学习影响的逻辑论证，提炼出要素之间的内在联系，进行关联性编码。编码过程由本文第一作者和另一名独立编码人分别完成，再经多轮讨论修正，以提高内部信度。

四、实证结果

表5报告了两个空间内学生在16个学习指标上的差异。空间B内的学生在以下4个指标上显著高于空间A内的学生：认知要素中，认知加工策略维度下的“具象加工策略”指标;非认知要素中，教育与学习观维度下的“知识的使用”和“合作学习”指标，学习动机维度下的“职业导向”指标。

将上述结果与表2进行比对可以发现：4个具有显著差异的指标都归属于同一个因子，即“应用导向型”学习模式。这表明，学习空间（及其对应的教育教学活动）对大学生与知识应用相关的认知和非认知能力有显著的正向影响，支持研究假设H2。但两组学生在“意义导向型”和“复述导向型”学习模式下的指标上都无显著差异，表明不支持研究假设H1，即创新型学习空间在促进学生的深层认知加工策略和增强学生的内在动机与兴趣上的效果并不显著。然而，值得关注的是，尽管两个空间内的学生在其他12个指标上的差异并不显著，但依据前文所述的学生学习理论，在所有相对正面的学习指标上，空间B内的学生的平均秩均高于空间A内的学生。

表6是将上述具有显著差异的4个学习指标分别作为被解释变量，将学习空间、年龄、性别、专业作为解释变量的回归分析结果。卡方检验值很大，表明模型整体在统计学上是显著的。可以看出，学习空间对“具象加工策略”“知识的使用”和“合作学习”3个指标都具有显著的解释力。而对于“职业导向”指标，专业是显著的解释变量（在社科类学生中比在理科、工科学生中更加显著）。将两个空间的样本按专业进行分组后，再分别进行比对后发现：第一，理科类学生仅在非认知要素的“合作学习”指标上有显著差异（空间B>空间A）;第二，工科类学生在认知要素的“具象加工策略”（空间B>空间A）以及非认知要素的“合作学习”（空间B>空间A）和“自我检验”（空间A>空间B）指标上具有显著差异;第三，社科类学生与整体样本的分析结果一致，即在表6的4个指标上均存在显著差异。这表明，不同专业学生对学习空间的敏感度有所差异，但空间B对于“合作学习”这一非认知能力的提升具有普遍性。

在以上量化分析中，学习空间被作为一个分类变量，并未探究学习空间与其中开展的教育教学活动间的相互关系和作用，也难以确定学习空间中影响学生学习的具体要素。事实上，大部分学习空间依托教育教学活动而存在，前者作用的发挥也与后者密切相关。然而除课堂活动外，许多学习空间也是学生进行自习和合作活动的场所，因此，不能认定教学活动是学习空间影响学生学习的唯一途径。本文质性研究部分对量化分析的结果进行了验证，并进一步探究学习空间对学生学习的影响机制。图3中的方框代表由质性分析第一步编码所确认的主题，其中的关系连线则是根据第二步的关联性编码而绘制。

如图3所示，学习空间主要通过三个途径对学生学习中的认知和非认知活动产生影响：第一，学习空间通过参与教育教学活动，影响学习的认知活动。这包括学生在课堂上是采取机械记忆、重复练习等表层加工活动，还是联想、分析、批判性思维等深层加工活动，抑或是与经验、实践相联系的具象加工活动。第二，学习空间可通过环境的精神暗示作用，淡化学生对于教育和学习的固有观念，促进其学习过程中管理和调节策略的转换，并对学习的动机倾向（内部动机或外部动机）产生影响，进而影响学习的认知活动。第三，学习空间通过学习中的情绪行为，包括愉快、安全感、归属感等积极情绪或焦虑、害怕失败、不安全等负面情绪，影响学习的认知活动。

描述性编码剖析了造成这些影响的具体空间要素：一是与空间相关的管理要素，包括一个学习空间对于学习者而言的“可获得性”，即地理位置的远近、开放时间的长短、数量的多寡等;学习资源配备，即相关的书籍、资料、设备和教师支持等。二是空间的物理环境要素，包括光线质量（强度和来源）、桌椅布局、噪音水平、空气质量、电源插座配置、Wi-Fi获取、私密度、人员密度、弹性化程度、视觉激励效果等。三是空间的文化要素，即空间所营造的氛围，其与周围正在进行的事件和人员活动密切相关。

在参与焦点小组访谈的28名受访者中，25名学生（占比89.3%）认为空间B与空间A在物理形态上相比，前者对于提升与职业准备相关的认知和非认知能力有积极影响，即有利于促使学生在学习过程中采用与实践相结合的认知策略，并有助于培养学生的职业意识和团队精神。值得注意的是，社科类学生与理工类学生相比，两者在对空间的需求和偏好上有明显差异：前者更看重空间管理要素中的学习资源配备，以及物理环境要素中的私密度和视觉激励效果;后者则更多关注学习空间管理要素中的可获得性和物理环境要素中的噪音水平。此外，高年级学生对于空间B的适应度和认可度要高于低年级学生。

五、结论与建议

传统的人力资本理论主要关注与生产能力密切相关的认知能力，近年来，非认知能力进入研究者的视野，相关理论和实证研究开始涌现（Heckman et al.，2006;Levin，2013）。然而，学界对于非认知能力的内涵、指标和测量工具尚未形成共识。本文基于一种微观视角，探索学习空间这一要素对大学生认知和非认知能力的影响。通过采用定量与定性相结合的实证分析方法发现：第一，学习空间对学生学习模式的多个核心维度有影響，进而影响学生的学业表现，其中一些影响直接产生，另一些则需以教育教学活动为中介产生。第二，开放、弹性化的创新型学习空间与以教师为主导、侧重于知识传授的规制型学习空间相比，前者更有助于提升大学生与职业准备相关的认知和非认知能力。第三，不同专业、年级学生在对空间的敏感度和需求上有所差异，但创新型学习空间在对“职业意识”和“团队合作精神”这两项非认知能力的提升上具有普遍性。

上述研究发现对于大学学习空间的设计和使用具有以下启示意义：第一，鉴于目前传统的规制型学习空间在高等院校教育教学活动中的主体地位，应积极尝试更加弹性化、以学生为中心的学习空间和与之匹配的教学方法，促进大学生相关认知和非认知能力的培养。第二，本研究结果并未显示学习空间及与之对应的教学方式创新对学生的深层学习方式和内在学习动机有显著的正向影响，这与通常预期相左，因此需加强对这一问题的实证研究。第三，学习空间的效果不能一概而论，创新型空间的设计和使用应关注不同学科、不同层次学生的教学需要。

本研究結果的可推广性可以从两个方面考虑，一方面，从样本在所在高校中的代表性来看，定量研究部分采用了在公选课上发放问卷的方式，这是基于空间研究的特殊性，在既有条件下采用的一种近似随机抽样的策略。样本的特征分布情况与该校的整体情况一致，但一些潜在因素可能影响了样本的代表性。比如，虽然公选课面向全校学生开放，但学生出于保研、求职等考虑，通常不会将选修课留在最后一个学年，这使得样本对本科高年级学生的代表性有所降低。此外，本研究中选取的两个学习空间都是面向全校学生开放的通用类学习空间，而研究生的学习更多是在院系所属建筑中即专用类学习空间内开展（Harrison et al.，2014），因此样本对研究生的代表性要低于本科生。另一方面，就研究结果对其他院校的可推广性而言，虽然不同院校之间存在差异，但本文聚焦的是由规制型学习空间到创新型学习空间的转变及其效用，这种变化和二者之间的冲突与内在张力并不是一所院校所独有，因此，从这个角度来说，研究结果具有较广的适用性。

本研究存在一定的局限性，后续研究中可作进一步的改进和补充：第一，由于研究数据来源于学生的自我报告，可能会因学生自我认知有出入而影响数据的真实性。未来可以考虑综合运用表现性评价、标准化测试等测量方法，实现更加全面细致的考察。第二，由于受资源和时间所限，本研究采用的是横截面数据，未来可通过追踪研究，就学生对学习空间的适应过程和其中的因果关系开展进一步探索。第三，本文对学生空间影响的研究相对静态化，在现实场景中，一所校园中通常同时存在规制型学习空间和创新型学习空间，这将造成学生的学习场所是动态变化的，不同类型学习空间对于学生学习的影响可能存在交互作用。如何衡量这种复杂的交互影响，以及大学如何对不同类型的学习空间进行合理规划都是值得探究的问题。

参考文献：

[1][美]萨利·奥古斯丁（2013）. 场所优势：室内设计中的应用心理学[M]. 陈立宏. 北京：电子工业出版社.

[2]陈卫东（2012）. 教育技术学视野下的未来课堂研究[D]. 上海：华东师范大学：174-205.

[3]郭建鹏，杨凌燕，史秋衡（2013）. 大学生课堂体验对学习方式影响的实证研究——基于多水平分析的结果[J]. 教育研究， （2）：111-119.

[4]陆根书（2010）. 大学生感知的课堂学习环境对其学习方式的影响[J]. 复旦教育论坛， （4）：34-46.

[5]吕林海，龚放（2018）. 中美研究型大学本科生深层学习及其影响机制的比较研究——基于中美八所大学SERU调查的实证分析[J]. 教育研究， （04）：111-120.

[6]闵维方（2016）. 浅谈教育经济学及其逻辑结构和最新发展[J]. 教育经济学评论， （1）：9-13.

[7]许亚锋，塔卫刚（2014）. 学习空间对学生学习的影响研究[J]. 远程教育杂志， （5）：82-89.

[8]许亚锋，尹晗，张际平（2015）. 学习空间：概念内涵、研究现状与实践进展[J]. 现代远程教育研究， （3）：82-94，112.

[9]杨院（2014）. 大学生学习方式实证研究——基于学习观与课堂学习环境的探讨[M]. 北京：教育科学出版社.

[10]钟启泉（2015）. 学习环境设计：框架与课题[J]. 教育研究， （1）：113-121.

[11]周金燕（2015）. 人力资本内涵的扩展：非认知能力的经济价值和投资[J]. 北京大学教育评论， （1）：78-95，189-190.

[12]Baeten， M.， Kyndt， E.， & Struyven， K. et al. （2010）. Using Student-Centred Learning Environments to Stimulate Deep Approaches to Learning： Factors Encouraging or Discouraging Their Effectiveness[J]. Educational Research Review， 5（3）：243-260.

[13]Beetham， H.， & Sharpe， R. （2013）. Rethinking Pedagogy for a Digital Age[M]. New York： Routledge.

[14]Biggs. J. （1987）. Student Approaches to Learning and Studying[M]. Melbourne： Australian Council for Educational Research.

[15]Biggs， J. （2003）. Teaching for Quality Learning at University （the 2nd Edition）[M]. Buckingham： SRHE & Open University Press.

[16]Braun， V.， & Clarke， V. （2006）. Using Thematic Analysis in Psychology[J]. Qualitative Research in Psychology， 3（2）：77-101.

[17]Brooks， C. （2011）. Space Matters： The Impact of Formal Learning Environments on Student Learning[J]. British Journal of Educational Technology， 42（5）：719-726.

[18]Brooks， C. （2012）. Space and Consequences： The Impact of Different Formal Learning Spaces on Instructor and Student Behaviour[J]. Journal of Learning Spaces， 1（2）：1-14.

[19]De Corte， E.， Verschaffel， L.， & Entwistle， N. et al. （2003）. Powerful Learning Environments： Unravelling Basic Components and Dimensions[M]. The Netherlands： Elsevier Science Ltd.

[20]Dori， Y. J.， & Belcher， J. （2005）. How Does Technology-Enabled Active Learning Affect Undergraduate Students Understanding of Electromagnetism Concepts？[J]. The Journal of the Learning Sciences， 14（2）：243-279.

[21]Ellis， R. A.， & Goodyear， P. （2016）. Models of Learning Space： Integrating Research on Space， Place， and Learning in Higher Education[J]. Review of Education， 4（2）：149-191.

[22]Entwistle， N. （2009）. Teaching for Understanding at University： Deep Approaches and Distinctive Ways of Thinking[M]. London： Palgrave Macmillan.

[23]Fisher， K. （2005）. Linking Pedagogy and Space： Planning Principles for Victorian Schools Based on the Principles of Teaching and Learning[DB/OL]. [2015-02-14]. http：//www.education.vic.gov.au/Documents/school/principals/infrastructure/pedagogyspace.pdf.

[24]Gijbels， D.， Donche， V.， & Richardson， J. T. E. et al. （2014）. Learning Patterns in Higher Education[M]. New York： Routledge.

[25]Harrison， A.， & Hutton， L. （2014）. Design for the Changing Educational Landscape： Space， Place and Learning[M]. Abingdon： Routledge.

[26]Heckman， J. J.， Stixrud， J.， & Urzua， S. （2006）. The Effects of Cognitive and Noncognitive Abilities on Labor Market Outcomes and Social Behaviors[J]. The Journal of Labor Economics， 24（3）：411-482.

[27]Joint Information Systems Committee （JISC） （2006）. Designing Spaces for Effective Learning： A Guide to 21st Century Learning Space Design[DB/OL]. [2011-11-30]. http：//www.jisc.ac.uk/whatwedo/programmes/elearninginnovation/learningspaces.aspx.

[28]Levin， H. M. （2013）. The Utility and Need for Incorporating Noncognitive Skills into Large-Scale Educational Assessments[A]. In The Role of International Large-Scale Assessments： Perspectives from Technology， Economy， and Educational Research[C]. Springer： Netherlands：67-86.

[29]Lonka， K.， Olkinuora， E.， & Makinen， J. （2004）. Aspects and Prospects of Measuring Studying and Learning in Higher Education[J]. Educational Psychology Review， 16（4）：301-331.

[30]Mahat， M.， & Imms， W. （2017）. TRASITIONS 2017 Inhabiting Innovative Learning Environments： Symposium Proceedings Australasia[EB/OL]. [2018-02-14]. http：//www.iletc.com.au/wp-content/uploads/2017/03/Transitions_Melb_Web.pdf.

[31]Marton， F.， & S?lj?， R. （1976a）. On Qualitative Difference in Learning： I—Outcomes and Process[J]. British Journal of Educational Psychology， 46（1）：4-11.

[32]Marton， F.， & S?lj?， R. （1976b）. On Qualitative Differences in Learning-II Outcome as a Function of the Learners Conception of the Task[J]. British Journal of Educational Psychology， 46（2）：115-127.

[33]Mirijamdotter， A.， Somerville， M. M.， & Holst， M. （2006）. An Interactive and Iterative Evaluation Approach for Creating Collaborative Learning Environments[J]. The Electronic Journal of Information Systems Evaluation， 9（2）：83-92.

[34]OECD （2013）. Innovation Learning Environments， Educational Research and Innovation[DB/OL]. [2015-10-20]. http：//www.keepeek.com/Digital-Asset-Management/oecd/education/innovative-learning-environments_9789264203488-en#page1.

[35]Price， L. （2014）. Modelling Factors for Predicting Student Learning Outcomes in Higher Education[A]. Gijbels， D.， Donche， V.， & Richardson， J. T. E. et al. （Eds.）. Learning Patterns in Higher Education[M]. London & New York： Routledge：56-77.

[36]Richardson， J. T. E. （2000）. Researching Student Learning： Approaches to Studying in Campus-Based and Distance Education[M]. Buckingham， UK： Open University Press.

[37]Strange， C.， & Banning， J. （2001）. Educating by Design： Creating Campus Learning Environments That Work[M]. San Francisco： Jossey-Bass.

[38]Temple， P. （2008）. Learning Spaces in Higher Education： An Under-Researched Topic[J]. London Review of Education， 6（3）：229-241.

[39]Vermunt， J. D. （1998）. The Regulation of Constructive Learning Processes[J]. British Journal of Educational Psychology， 68（2）：149-171.

[40]Vermunt， J. D.， & Donche， V. （2017）. A Learning Patterns Perspective on Student Learning in Higher Education： State of the Art and Moving Forward[J]. Educational Psychology Review， 29（2）：269-299.

[41]Vermunt， J. D.， & Vermetten， Y. J. （2004）. Patterns in Student Learning： Relationships Between Learning Strategies， Conceptions of Learning， and Learning Orientations[J]. Educational Psychology Review， 16（4）：359-384.

[42]Webster， B. J.， Chan， W. S. C.， & Prosser， M. T. （2009）. Undergraduates Learning Experience and Learning Process： Quantitative Evidence from the East[J]. Higher Education， 58（3）：375-386.

[43]Wilson， K.， & Fowler， J. （2005）. Assessing the Impact of Learning Environments on Students Approaches to Learning： Comparing Conventional and Action Learning Designs[J]. Assessment & Evaluation in Higher Education， 30（1）：87-101.

[44]Yin， R. K. （2009）. Case Study Research： Design and Methods[M]. London： Sage.

收稿日期 2018-06-25 責任编辑 谭明杰