汪雅霜,赵 畅
(南京大学 教育研究院,江苏 南京 210093)
如何不断提升高校人才培养质量,成为推动高等教育内涵式发展背景下,社会各界关注的热点话题,而其中一个重要的关注点就是大学生学习。首先,大学生是高校人才培养的主体,“大学生的学习与发展水平是人才培养质量的核心体现,也是高等教育内涵式发展的重要基石”,[1]因此,高等教育人才培养必须关注大学生学习。其次,各国高等教育质量评估模式的发展实践表明,学生在高等教育质量监控中发挥着越来越重要的作用,[2]67-69不同于传统高等教育质量评估方式往往重点关注学校的师资力量、经费和办学规模等,从而忽略了作为主体的大学生群体,[3]“以学生为中心”、“突出以‘学’为中心的增值性评价视角”已经成为国际高等教育质量评估的新趋势,[4]因此,必须更加重视大学生学习,强调学生的主体性地位。
我国的大学生学习研究可以追溯到上世纪90年代,大致划分为两个阶段。第一阶段为1998年至2008年,该阶段的研究关注大学生学习的总体状况、新时期大学生的学习适应问题、大学生网络学习情况、大学生学习动机以及自主学习能力调查等,具体研究内容包括大学生学习动力系统调查、[5]面向21世纪大学生的学习观、[6]大学生学习状况调查、[7]大学生学习适应的影响因素分析、[8]大学生网络学习行为调查、[9]学习动机的测量[10]和自主学习量表的开发等。[11]第二阶段为2009年至今,划分的重要标志是清华大学教育研究院使用汉化版“全美大学生学习投入度调查问卷”(National Survey of Student Engagement,简称NSSE)开展全国性学情调查,该阶段最具特色的研究内容包括本土化学情调查工具的开发、[12]中美大学生学习情况的比较[13]以及“中国学习者悖论”的探讨等,[14]在这一阶段,我国大学生学习研究的规范性、科学性得到了加强,并取得了丰硕的研究成果。
为了更好地了解我国大学生学习研究的最新发展趋势,本研究将聚焦我国大学生学习研究第二阶段的相关成果,通过文献计量分析,总结出近十年我国大学生学习研究的现状、热点及趋势。
研究数据来自中国知网,来源期刊类别为CSSCI。在数据库中检索主题词“大学生学习”,文献发表时间限定为2009年至2018年。将检索到的文献按照以下方式进行精炼:(1)文献分类目录选择社会科学Ⅱ辑中的高等教育;(2)剔除会议记录;(3)对获得的数据逐条进行整理,手动剔除与大学生学习无关的论文。通过整理得到用于分析的文献415篇。
本研究主要运用题录分析软件SATI、社会网络分析软件Ucinet和统计分析软件SPSS对415篇文献的关键词、作者以及高被引文献进行分析。与国外已有的文献计量分析软件相比,SATI的突出优势体现在其可直接分析中国知网下载的数据,无需转换题录数据格式。在本研究中,SATI主要应用于字段信息抽取、条目频次统计和矩阵构建,Ucinet用于转换SATI构建的关键词矩阵格式以便进行共现图谱分析,SPSS主要用于关键词的聚类分析。
从图1可以看出大学生学习研究领域的发文量总体呈上升趋势,特别是自2012年以来,各年度发文量均超过40篇。
图1 大学生学习研究分年度发文量
1.关键词频次分析
在原始题录数据中将含义相同的关键词如“学习性投入”和“学习投入”替换为“学习投入度”。将415条题录数据导入SATI,所要抽取的字段设置为“Keywords”,剔除“大学生”“大学生学习”“培养”和“评价”等较为宏观的词汇后,提取高频关键词的前20位。运用WordArt软件制作高频关键词前20位的云图(图2)。关键词的字体越大,说明该词出现的频次越高。再将数据导入SATI,生成关键词的共现矩阵后将矩阵导入Ucinet,使用该软件内部的可视化分析工具NetDraw生成关键词的可视化图谱(图3)。位于知识图谱中心位置的关键词是该领域的研究热点。从图2和图3可以看出,“学习投入度”“学习收获”“自主学习”“学习环境”和“学习方式”是大学生学习领域的研究热点。
图2 高频关键词云图
图3 高频关键词共现图谱
学习投入度研究涉及学习投入度的现状研究、调查工具研究和概念内涵研究等。学习收获研究一方面包括生师互动、学习投入度和深度学习等因素对学习收获的影响研究,另一方面还包括不同群体的学习收获比较研究,如普通学生与拔尖计划学生的学习收获差异研究等。自主学习研究涉及自主学习的影响因素研究以及自主学习对其他变量的影响研究。学习环境研究涉及学习环境对其他因素如大学生能力发展、课程学习经历以及学习方式的影响研究。学习方式研究包括第二课堂、学习环境以及课堂体验等因素对学习方式的影响研究。
2.关键词词频计量分析
在SATI中导入415条数据,抽取字段设置为“Keywords”,Row/Cols限定词数设置为50,共现方式分别选择“Co-occurrence Matrix(Valued)”、“Co-occurrence Matrix(Similarity)”和“Co-occurrence Matrix(dissimilarity)”,得到关键词的共现矩阵、相似矩阵和相异矩阵。
在高频关键词的共现矩阵中,数值越大,表示两个关键词同时出现的频次越高。分析发现,“学习投入度”与“学习收获”、“学习环境”与“学习方式”共同出现的频次较高。在高频关键词的相似矩阵中,数值越接近于1,表示两个关键词同时出现的频次越高。分析发现,“学习投入度”与“学习收获”、“学习环境”与“学习方式”、“学习环境”与“学生发展”以及“学习环境”与“学习动机”共同出现的频次较高。在高频关键词的相异矩阵中,数值越接近于0,表示两个关键词同时出现的频次越高。分析发现,“学习投入度”与“学习收获”、“学习环境”与“学习方式”、“学习环境”与“学生发展”以及“学习环境”与“学习动机”共同出现的频次较高。
从高频关键词的共现矩阵、相似矩阵和相异矩阵中可以看出:(1)关键词学习投入度与学习收获的关系紧密,学者在研究中往往将学习投入度作为学习收获的重要影响因素。(2)关键词学习环境与学习方式关系紧密,大量研究关注如何通过改变学习环境来影响学生学习方式。(3)关键词学习环境与学生发展的关系紧密,说明学者注重探究学习环境对学生发展的影响。(4)关键词学习动机与学习环境的关系紧密,研究者关注不同学习环境下学生学习动机的激发。
3.关键词聚类分析
将数据导入SATI,抽取字段选择“Keywords”,Row/Cols的限定词数设置为50,共现方式选择“Co-occurrence Matrix(dissimilarity)”,生成关键词的相异矩阵。在相异矩阵中剔除“大学生”和“大学生学习”等较为宏观的词汇,将矩阵导入SPSS,对关键词进行多维尺度分析,得到关键词的3个聚类。(图4)
图4 高频关键词聚类
聚类1:大学生学习结果研究。该聚类包含的关键词涉及学习投入度、学习动机、自我效能感、学习环境、学习成果、学情调查和学习满意度等。学习结果研究既包含学习结果的影响因素探究,也涵盖学习结果的评估研究。
在影响因素层面,学习投入度、学习环境以及自我效能感等是学者重点关注的因素。有学者将学习投入度划分为同伴互动、深层认知策略、学习热情、师生互动和主动学习5个维度,运用多层线性模型的方法分析了59032名大学生的学情调查数据,发现同伴互动对学习结果的影响最大。[15]有研究探究了学习环境对拔尖创新学生群体和普通学生群体的学习结果的影响,研究结果表明学习环境中的项目与实践以及师生关系可以显著预测拔尖创新学生的学习结果,而项目与实践、同学关系以及学习氛围则显著影响普通学生群体的学习结果。[16]还有研究探究了学业自我效能感对学习结果的影响。有学者将学业自我效能感进一步划分为学能效能感和学行效能感两个维度,研究发现学行效能感可以显著预测学业成绩。[17]
在学习结果的评估研究方面,涉及学习满意度调查和学业成就测量等内容。有学者构建了覆盖输入、进程、输出和结果的大学生学习满意度测评逻辑模型。[18]有学者对国内外大学生学业成就评价的典型案例进行了梳理。国外较为典型的直接测量与评价包括“大学成果评测”(College Outcome Measures Project,简称COMP)和“学术能力评量”(Measures of Academic Proficiency and Progress,简称MAPP)等。较为典型的间接测量与评价包括美国的“全美大学生学习投入度调查”、澳大利亚的“课程学习经验问卷调查”和日本一些大学组织的全国大学生调查;国内较为典型的则包括“首都高校大学生学习状况调查”、“NSSE-China 调查”等。[19]
聚类2:大学生学习经历研究。该聚类包含的关键词有研究型大学、网络学习、MOOC、非正式学习、深层学习和生师互动。学习经历研究主要包括科研学习经历研究和课程学习经历研究。
在科研学习经历层面,有研究探究了1200名本科生的科研经历与收获情况,结果表明科技创新团队的学生在集中投入度、与他人互动以及学习收获方面的表现整体上好于参与教师项目学生和自主申请基金学生。[20]有学者分析了本科生在科技创新团队中的学习经历,发现其经历包含“合法的边缘参与”和“践行专业身份”两个阶段。[21]
在课程学习经历层面,有研究探究了学生高中的课程学习经历与大学学术融入间的关系,结果显示高中课堂中的权威控制型教学不利于学生在大学期间的学术融入,而互动探索、及时反馈以及个性化教学模式则有利于其融入。该研究还指出,高中课堂外的补习以及竞赛辅导对学生在大学期间的学术融入影响也较为有限。[22]有学者以3000多名大一新生为研究对象,探究其感知到的课程学习经历与学习方式及教学质量满意度之间的关系,发现学生感知到教师越注重基本技能、良好教学水平越高、教学目标越清晰,学生越倾向于采用深层学习方式,对教学质量的满意度也越高。[23]还有学者结合3782名大学生的学习经历调查数据,探究了学生在常规和在线学习情境下的学习投入特征及类型,共得到“被动型”“传统型”“网络型”和“积极型”4 种类型的学生。[24]
聚类3:大学生自主学习研究。该聚类包含的关键词有自主学习能力、学习策略、学习方式、创业学习、创新和学习收获等。该聚类的研究内容涉及自主学习的影响因素以及自主学习对其他变量的影响。
在自主学习的影响因素层面,学习策略和学习方式均产生一定影响。有学者探究了学业不良大学生的自主学习能力培养,指出强化信息收集能力、提高效率以及培养意志等学习策略提升手段可以增强学生的自主学习能力。[25]还有学者比较了中国大学生和美国大学生的学习能力,指出运用启发式和互动式学习方式可以增强学生的自主学习能力。[26]
在自主学习对其他变量的影响层面,自主学习对创新创业和学习收获的影响是学者较为关注的研究主题。有学者辨析了自主学习与创新创业的关系并指出自主学习有利于创新创业知识的积累和创新创业精神的养成。[27]有研究调查了667名本科生的自主学习和学习收获情况,结果表明前者可以显著正向预测后者。[28]还有学者运用实验法探究了教师指导下的自主学习与非教师指导下的自主学习对女大学生体育成绩的影响,研究结果表明在教师的指导下进行自主学习的学生体育成绩显著高于未接受指导的学生。[29]
1.高发文作者分析
在SATI中导入415条数据,将抽取字段设置为“Authors”,可以获得大学生学习研究领域的高发文作者情况。在该领域中,发文量排名前10位的作者如表1所示。
表1 高发文作者前10位
前10位高发文作者中,除1位学者来自师范类院校外,其余9名学者均来自综合性院校,这表明来自综合性大学的研究者是大学生学习研究领域的主力军。高发文作者的研究涉及大学生学习的现状调查、[30]学习投入度的现状及影响因素研究、[31]学习满意度模型构建研究[32]和学生发展的影响因素探究。[33]同时还涉及大学生学习风格量表的开发、[34]学习观对学习方式的影响研究[35]和学习方法概念的回溯和展望研究。[36]
2.发文作者分析
将415条数据导入SATI,抽取字段设置为“Authors”,Row/Cols的限定词数设置为50,共现方式选择“Co-occurrence Matrix(Valued)”,在SATI中生成发文作者的共现矩阵后将矩阵导入Ucinet,使用该软件内部的可视化分析工具NetDraw生成作者的可视化图谱。(图5)
图5 作者共现网络图谱
图中的圆越大,表示发文量越多,连线越粗表示作者合作发文数量越多,图中的数字代表合作发文量。从图5可以看出,该领域已经形成了三个较大的研究团队,分别是厦门大学史秋衡教授团队、清华大学史静寰教授团队和北京师范大学周作宇教授团队。
3.高被引文献分析
在知网中将415篇文献按照被引频次排序(检索时间2019年7月3日),整理出国内大学生学习研究领域的前10篇高被引文献。(表2)
表2 高被引文献前10位
依据研究内容,可将前十篇高被引文献的研究分为两类,即影响因素研究、现状与对策研究。影响因素研究涉及大学生学情状态影响机制研究、学习投入度对学习收获的影响机制研究以及自主学习的影响因素研究等。现状与对策研究包括大学生学习投入度的现状与对策研究、学习拖延的现状研究和学习适应性的教育对策研究等。
国际大学生学习研究的相关理论模型主要有三个,分别是自主学习理论(self-regulated learning)、学习模式理论(patterns of learning)和学习投入度理论(student engagement)。[37]基于对高被引文献的分析可以看出我国大学生学习研究主要是基于这三个理论模型来开展相关研究。国内自主学习研究主要借鉴巴里·齐默曼(Barry Zimmerman)给出的定义,“学生在元认知、动机和行为方面积极参与学习的过程”。[38]高被引文献中,有研究从齐默曼给出的定义出发,探究了自主学习与学业成就之间的关系,研究结果表明自主学习可以正向预测学业成就。[39]学习模式的理论基础主要来自约翰·比格斯(John Biggs)。比格斯将学习方式划分为三种,分别是受工具性动机驱使的浅层学习方式(surface approach),受内部动机驱使的深层学习方式(deep approach)和受成就动机驱使的成就学习方式(achieving approach)。[40]10高被引文献中,有研究在借鉴比格斯分类的基础上将学习方式划分为深层和浅层两种,探究了学习方式对学习收获的影响。研究结果表明,表层学习方式对高职高专学生学习收获的负面影响最大,而深层学习方式对高职高专学生学习收获的正面影响最小,对985院校学生的正面影响最大。[41]学习投入度的理论基础则主要借鉴乔治·库(George Kuh)的定义,他把学习投入度定义为两方面,一方面是学生在促进其学业成功的学习活动和其他活动中所投入的时间和精力,另一方面是指学校通过为学生提供资源、机会和服务来帮助学生参与到相关活动中并使其有所收获。[42]高被引文献中,有学者借鉴该定义构建了学习投入影响学习收获的路径模型。研究结果表明在学生自我汇报的学习收获方面,院校主导的学习投入度影响力大于学生主导的学习投入度;在获奖等外部评价方面,学生主导的学习投入度影响力大于院校主导的学习投入度。[43]
对高发文作者的论文进行分析发现,我国大学生学习研究领域拥有多个数据库,数据收集依托于大规模问卷调查。比如,史秋衡教授领衔的“国家大学生学习情况调查”(National College Student Survey,简称NCSS)包含“学习观量表”“课堂体验量表”“学习动机量表”“学习策略量表”和“学习收获量表”等量表。调查从2011年开始实施,每年一次。截至2015年,调查对象涵盖全国23个省、直辖市和自治区的114所高等院校的133311名学生。[44]史静寰教授领衔的“中国大学生学习与发展追踪调查”(China College Student Survey,简称CCSS)共设置了五大可比性指标和七大过程性诊断指标。调查开始于2009年,每年一次,并于2011年更名为“中国大学生学习与发展追踪调查”。截至2017年,已经有300余所高校、近60万大学生参与了调查。[45]周作宇教授领衔的“中国大学生就读经验调查”(Chinese College Student Experiences Questionnaire,简称CCSEQ)是在美国“大学生学习经历调查问卷”(College Student Experience Questionnaire,简称CSEQ)的基础上汉化而成。该问卷由背景信息、学生学习行为、学生对校园环境的感知和学生在大学的收获四部分构成,自2002年投入调查以来,已有23所高校参与了调查。[46]
从高频关键词云图和高频关键词共现图谱可以看出,学习投入度的出现频次最高,是我国大学生学习领域的研究热点。随着人们对高等教育质量的日益重视,作为评价高等教育质量重要指标的学习投入度也引起了全球教育研究者的关注。在我国,学习投入度能成为大学生学习研究重点关注的内容,与史静寰教授团队对全美大学生学习投入度调查问卷进行汉化,并持续在我国开展大规模调查息息相关。目前,我国学者关于大学生学习情况调查的各类问卷中都会对学习投入度进行测量,并围绕学习投入度的定义、测量工具以及影响因素等开展了大量研究。然而,学界对于学习投入度的定义仍存在较大分歧,其概念有待进一步厘清和完善。国际教育研究者对学习投入度的研究主要基于行为视角(behavior perspective)、心理视角(psychological perspective)、社会文化视角(sociocultural perspective)和整体视角(holistic perspective)。[47]目前我国学者主要使用定量研究方法来对学生的行为投入度进行测量,未来我国学者可使用质性研究方法、从社会文化和整体的视角来对学习投入度进行研究。
对作者共现网络图谱进行分析可知,排名前50位的作者中已有52%的学者开展了相关的合作研究,并形成了三大研究团队。新时代,教育领域各类问题变得日益复杂,需要学者之间不断加强合作与交流,开展相关研究。有研究表明,教育学领域内的学者进行科研合作可以显著提升科研产出的质量。[48]此外,学者间不断加强合作能够整合资源,促使科研创新的发生。[49]科研合作还能够推动学科的发展,增强学者与高水平合作伙伴间的联系。[50]但对我国大学生学习研究领域的三个有影响力的团队成员进行分析发现,各个团队的合作者主要为校内同一学科领域的学者。这可能是由于不同院校、不同学科的学者间存在一定的社会距离,而且建立学术信任与学术联系需要耗费一定的时间与精力,因而多数学者更倾向于与本校乃至于本学院的学者进行合作。[51]未来,我国大学生学习研究领域的学者需要加大校际间、不同学科间的合作,这样有利于产出更高质量的研究成果。