基于SEM的大学生自主学习能力评价体系构建

李辉婕 章雯 吴自红 黄继超 吴自明

［摘 要］文章以江西省六所本科高校的创新实验班大学生为研究对象，共收集了497份调研数据。基于文献分析与专家访谈，结合当前社会需求及大学生的基本特征，利用结构方程模型中的高阶验证性因素分析方法，构建了大学生自主学习能力高阶验证性因素分析模型，验证了由学习意识能力、自主规划能力、自主调控能力、自主评价能力、交流协作能力5个维度及16个测量指标组成的大学生自主学习能力评价指标体系。研究结果表明，评价模型拟合较好，该评价指标体系具备较高的科学性和合理性，可以为优化大学生自主学习能力培养体系及设有创新实验班的高校提供参考。

［关键词］大学生；自主学习能力；评价体系；结构方程模型

［中图分类号］ G645 ［文献标识码］ A ［文章编号］ 2095-3437（2022）11-0288-04

当前正处于信息技术高速发展阶段，在信息化时代背景下，知识更新的速度不断提升，学生仅依靠大学四年的知识储备并不足以应对未来科学技术的更新迭代与学科领域的融合发展。随着互联网信息技术的拓展，大学生对知识信息的获得不再局限于课堂，而是可以通过知识网站、在线课程等新媒体形式，在电脑端、手机端轻松获取，这些渠道逐渐成为大学生获取知识的重要路径[1]。因此，就大学生而言，具备自主学习能力显得尤为重要。早在1972年，联合国教科文组织国际教育发展委员会的报告《学会生存：教育世界的今天与明天》就提出了“终身教育”的理念。2010年7月，我国发布的《国家中长期教育改革和发展规划纲要（2010—2020年）》强调，要着力提高大学生的学习能力，鼓励学生利用信息手段主动学习、自主学习，促进学生主动适应社会。2016年9月，教育部发布《中国学生发展核心素养》，特别强调学生要具备终身学习的意识和能力，自主学习。

国内外学者从不同角度对自主学习进行了大量的研究与界定，并将其内涵不断丰富与完善。Henri Holec认为，自主学习是学习者管理自己学习的能力，主要体现在是否能够自主确定学习目标；自主决定学习内容和学习进度；根据学习内容选择学习策略；监控自身学习过程；自我评估学习效果。Knowles认为，自主学习是学习者积极管理其自身学习的过程[2]。王丹认为自主学习是指学生自己决定学习行为，对学习活动具有支配和控制的能力，能够自我选择和自我决定，按照既定计划培养自己，并能对学习结果进行自我评价和调控的一种学习模式[3]。王洁和蒋灿华认为，自主学习能力是学习者对自己的学习过程进行自主规划、自觉管理、积极实施，并主动对学习结果负责的一种综合学习能力[4]。钟启泉和崔允漷提出，自主学习是个体自觉确定学习目标、制订学习计划、选择学习方法、监控学习过程、评价学习结果的过程或能力[5]。本研究基于定量分析的方法，以江西六所高校的创新实验班大学生为调查对象，通过问卷收集数据，对大学生自主学习能力评价体系的构建进行研究。

一、构建评价指标体系

通过梳理相关研究文献发现，现有研究主要围绕不同教学情境、不同研究对象自主学习能力培养策略的探讨与优化，而对大学生自主学习能力评价指标体系的研究尚且较少。张俐、刘波、包士雷以大学生自主学习的影响因素分析为基础，通过文献分析、问卷调查和专家咨询，对评价体系的鉴别力、信度和效度进行分析，构建了由4个一级指标 （自主意识、学习意识、计划意识、交流意识）和25个二级指标组成的评价体系[6]。林玲以集美大学为例，通过问卷调查、定量分析、层次分析法（AHP）、模糊综合评价法、德尔菲法，构建了大学生自主学习能力的AHP－模糊综合评价模型，评价指标分为5个一级指标（自主学习动机、自主学习计划、自主学习过程实施、自我调控能力、自我评价能力）和19个二级指标[7]。耿劲松、唐望晶、王国华等基于Delphi专家咨询法、循证证据分析法及数理统计法，计算专家权威系数、协调系数和指标权重，采用定性与定量相结合的方式，构建了包括4个一级指标（自主学习意识、自主学习计划、自主学习实施和自主学习效果）、9个二级指标和26个三级指标的医学生自主学习能力评价体系[8]。郑红梅基于大学生自主学习能力的构成和影响因素，对评价体系展开了定性研究，形成了有5个一级指标（学习意识能力、自我规划能力、自我调控能力、自我评价能力、交流协作能力）和20个二级指标的评价体系[9]。

已有的研究尚未形成统一标准，也少有采用结构方程模型中的高阶验证性因素分析方法对大学生自主学习能力评价体系的构建进行研究。为保证评价指标体系的科学性与合理性，笔者以现有研究为基础，与多位从事本科生教育的资深专家进行了访谈，并结合当前社会需求和大学生的特征，探索性地提出了5个二级指标和16个三级指标的评价体系（详见表1）。

结构方程模型方法具有主客观法相结合的优势，该技术可应用于指标体系的建构[10]。 课题组采用结构方程模型方法中的高阶验证性因素分析（second-order CFA model）构建高阶验证性因素分析模型，检验“创新实验班大学生自主学习能力评价指标体系”的合理性与科学性，主要使用的数据分析软件是SPSS 23. 0和AMOS 23. 0。课题组以评价指标体系为基础，构建了创新实验班大学生自主学习能力评价模型（见图1）。其中，一级指标为外因潜在变量，即高阶因素构建“创新实验班大学生自主学习能力”；二级指标为内因潜在变量，划分为五大模块，即由五个初阶因素（学习意识、自主规划、自主调控、自主评价、交流协作）组成。由于设定的二级指标作为内因潜在变量无法直接测量，因此，借助三级指标划分的若干内因显变量作为二级指标的测量变量。

二、研究設计

（一）数据来源

基于初步构建的评价指标体系，结合专家访谈与文献研究，采用Likert 5量表法编制调查问卷，并通过预调查的方式，收集反馈意见对问卷进行修改与完善。调查对象是南昌大学（综合实验班）、江西财经大学（信毅实践班）、江西师范大学（创新创业实验班）、江西农业大学（惟义农学实验班）、江西中医药大学（双惟实践班）、南昌航空大学（知行实践班）的大学生。考虑到一年级新生处于培养初期，因此，此次调查范围以大二、大三和大四学生为主。2019年11月至12月，课题组利用分层抽样的方法向江西省六所本科高校的各年级创新实验班学生发放问卷570份，回收问卷518份，回收率为90.88% ，其中有效问卷497份，有效率为95.95%。

根据问卷调查数据的统计结果表明：1.创新实验班大学生的男生比例（53.70%）略高于女生（46.30%）；2.其中，学生户口以城镇户口（59.80%）为主；3.为独生子女（59.20%）的学生居多；4.独生子女以城镇户口（165人）为主，非独生子女以农村户口（162人）为主。调查样本的具体分布见表2。

（二）问卷量表的信度与相关性分析

课题组利用SPSS 23.0数据分析软件，通过可靠性分析与因子分析对学习意识、自主规划、自主调控、自主评价、交流协作的信度与相关性进行检验。学习意识的Cronbach's α值为0.785＞0.7，KMO统计值为0.777＞0.7；自主规划的Cronbach's α值为0.823＞0.8，KMO统计值为0.708＞0.7；自主调控的Cronbach's α值为0.733＞0.7，KMO统计值为0.655，接近基准值0.7；自主评价的Cronbach's α值为0.810＞0.8，KMO统计值为0.689，接近基准值0.7；交流協作的Cronbach's α值为0.776＞0.7，KMO统计值为0.690，接近基准值0.7。Henson认为Cronbach's α值大于0.7时具有较高的信度，表明量表内部一直性良好，问卷信度水平较高。各维度之间的皮尔逊相关系数在0.5到0.6之间，呈正相关，且均达到0.01显著性水平。测量指标能够较好地反映潜变量的特征。

（三）问卷量表的结构效度检验

初阶因素的因素载荷介于0.6至0.9之间，均大于0.6且均达显著性水平（P＜0. 001）。高阶因素的标准化结构系数，即初阶因素被高阶因素解释的因素载荷[11]，大学生自主学习能力对学习意识、自主规划、自主调控、自主评价、交流协作解释的因素载荷分别为0.88、0.85、0.89、0.90和0.76，均大于0.7且均达到显著性水平（P＜0. 001）。由此表明，初阶因素在高阶因素和测量指标在初阶因素的因素负荷量均比较理想。

课题组利用AMOS 23.0软件，通过高阶验证性因子分析，检验大学生自主学习能力理论模型的结构效度。高阶因素（创新实验班大学生自主学习能力）的组合信度（Composite Reliability，CR）、平均方差提取值（Average Variance Extracted，AVE），算法如下所示[12]：

[ρC=λ2λ2+θ]                （1）

[ρV=λ2λ2+θ]                  （2）

其中，[ρC]为内因潜在变量的组合信度，[ρV]为内因潜在变量的平均方差提取值，[λ]为标准化因素负荷量，[θ]为测量误差。

Hair认为潜变量的CR值应大于0.7，Fornell和Larcker认为潜变量的AVE值应大于0.5。根据上述公式计算潜变量的组成信度（CR）与平均方差提取值（AVE），CR值分别为0.792、0.827、0.742、0.814和0.782，AVE值分别为0.489、0.614、0.492、0.594和0.545。CR值均大于标准值0.7，除学习意识、自主调控的AVE值略低于0.5，其他维度的AVE值均大于标准值0.5。因此，可认为各维度的潜变量具有良好的收敛效度。同时，初阶因素的平均方差提取值的平方根（学习意识为0.699、自主规划为0.784、自主调控为0.701、自主评价为0.771、交流协作为0.738）均大于其对应的皮尔逊相关系数（介于0.5到0.6之间），各潜变量之间能够相互区分，具有较好的区别效度。综上分析，表明问卷量表设计和理论模型的结构效度较为理想，证明本文构建的大学生自主学习能力评价指标体系具有一定的合理性与科学性。

三、模型的拟合检验与应用

课题组基于极大似然估计方法，利用AMOS 23.0软件对大学生自主学习能力评价模型进行模型适配度拟合检验（见表3）。模型经修正后（见图2），卡方值为264.119。GIF值=0.939；AGIF值=0.915，均大于标准值0.9。近似误差均方根RMSEA值=0.058，小于标准值0.08，说明模型适配合理。NFI值=0.932；RFI值=0.916；IFI值=0.956；TLI值=0.946；CFI值=0.956，均大于标准值0.9。卡方值与自由度之比的NC值=2.853（标准值介于1至3之间），表示模型有简约适配程度。PGFI值=0.761；PNFI值=0.780，均大于标准值0.5。Marsh等认为若检验结果达标，则证明模型具有良好的结构效度[13]。综上所述，大学生自主学习能力评价模型拟合较好，也说明整体模型具有良好的结构效度。

测量指标相对于初阶因素的重要程度，以及初阶因素相对于高阶因素的重要程度可通过变量间因素负荷量取值的大小来判断，并据此可为各级指标分配权重[14]。初阶因素学习意识、自主规划、自主调控、自主评价、交流协作的因素负荷量取值分别为0.88、0.85、0.89、0.90和0.76，学习意识的相对权重为（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.88≈0.206；自主规划的相对权重为（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.85≈0.199；自主调控的相对权重为（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.89≈0.208；自主评价的相对权重为（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.90≈0.210；交流协作的相对权重为（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.76≈0.178，同理可计算出全部测量指标的相对权重。评价大学生自主学习能力的5个维度，其重要程度由大到小依次为自主评价、自主调控、学习意识、自主规划、交流协作。自我评价在大学生自主学习能力评价指标体系中的相对重要程度最高，需要学习者做到自我认识、自我检查、自我测试，自我认识需要学习者明确自身的实际需求；自我检查能够帮助学习者树立正确的学习动机和倾向，确保在发生懈怠时及时进行校正；自我测试在国外传播广泛，而在国内的研究甚少，主动对阶段性的学习成果进行测试，有利于增强学习者自主学习的信心。目前，高校主要侧重于加强学习意识和交流协作等培养环节，忽视了自主评价、自主调控和自主规划的重要性。因此，课题组认为高校应重新审视培养环节中各因素的分配比重，以解决目前大学生自主学习能力培养方案中比重失衡、形式单一等问题。

四、结论

文章基于文献研究和专家访谈，从学习意识能力、自主规划能力、自主调控能力、自主评价能力、交流协作能力等5个维度构建了创新实验班大学生自主学习能力评价指标体系。借助AMOS 23.0软件，基于结构方程模型（SEM）方法和调查问卷获得的样本数据，对创新实验班大学生自主学习能力评价指标体系进行了定量研究，最终形成了可用于评价大学生自主学习能力的评价指标体系。根据高阶验证性因素分析模型的各项指标显示，所构建的评价指标体系具有较高的可信度与科学性。由于调查对象为江西六所高校的创新实验班大学生，其普遍适用性有待今后进一步检验和研究。

［ 参 考 文 献 ］

[1] 秦强.基于信息化背景的大学生学习特征及策略研究[J].教育理论与实践，2017（36）：17-19.

[2] KNOWLES MS. Self-directed learning： A guide for learners and teachers[M]. Englewood Cliffs： Prentice Hall/Cambridge， 1975．

[3] 王丹.大学生自主学习能力的培养[J].华夏医学，2014（3）：108-110.

[4] 王潔，蒋灿华.创新创业背景下大学生自主学习能力与综合素质培养[J].高教探索，2016（11）：117-120.

[5] 钟启泉，崔允漷.新课程的理念与创新：师范生读本[M].北京：高等教育出版社，2008.

[6] 张俐，刘波，包士雷.大学生自主学习能力培养评价体系研究[J].黑龙江教育学院学报， 2015（2）： 17-19.

[7] 林玲.基于AHP-模糊综合法的大学生自主学习能力评价：以集美大学为例[J].集美大学学报（教育科学版），2017（1）：24-30.

[8] 耿劲松，唐望晶，王国华，等.医学生自主学习能力评价指标体系的构建[J].中国高等医学教育，2015（5）：55-56.

[9] 郑红梅.大学生自主学习能力的培养与评价研究[J].中国职业技术教育，2016（13）：66-70.

[10] 田飞.用结构方程模型建构指标体系[J].安徽大学学报（哲学社会科学版），2007（6）：92-95.

[11] 刘一存，李全，文宗川.基于结构方程模型的“DOCTOR”医院采购管理体系计量验证[J].中国卫生统计，2018（2）：256-258.

[12] 吴明隆.结构方程模型：AMOS的操作与应用[M].重庆：重庆大学出版社，2010.

[13] MARSH HW， BALLA JR， MCDONALD RP. Goodness-of-fit indexes in confirmatory factor analysis： The effect of sample size[J].Psychological Bul-letin，1988（3）：391-410.

[14] 邹浩，周恒洋.理工科硕士研究生创新能力评价体系构建研究[J].高等工程教育研究，2015（4）：126-128，153.

［责任编辑：李香莲］