基於I-E-O模型的大學生學習投入度研究-第三章

擬合為

>0.90）0.6020.6620.7390.8510.9420.937

CFI≥0.95（普通

擬合為

>0.90）0.6390.6960.7670.8690.9500.944

PGFI>0.050.5470.5690.6050.6770.7460.761

PNFI>0.050.5780.6260.6840.7630.8180.833

PCFI>0.050.5790.6260.6840.7640.8180.834

圖3.3五因子模型（模型5）路徑圖及標準化估計值

3.　五因子模型的區別效度檢驗

區別效度是指因子所代表的潛在特質與其他因子所代表的特質間有低度相關或有顯著的差異存在；因子間的區別效度指的是個別測量項目應該隻反映一個潛在因子，測量模型中應該沒有跨因子指標存在，一個測量模型中若有高的跨因子指標存在，則表示測量模型的區別效度不是很好。吳明隆.結構方程模型——Amos實務進階[M].重慶：重慶大學出版社，2013:80.邱皓政.量化研究與統計分析[M].重慶：重慶大學出版社，2009:290.就區別效度檢驗的具體操作而言，一般采用卡方差異檢驗法。對未受限模型與受限模型（協方差控製為1）的卡方值差異進行比較，若卡方值愈大且達到顯著水平，則表明這兩個因子之間有區別；相反，如果卡方值沒有達到顯著水平，則表明這兩個因子之間沒有區別。吳明隆.結構方程模型——Amos實務進階[M].重慶：重慶大學出版社，2013:80.通過多個模型比較發現五因子模型的擬合度最佳，但五因子模型的區別效度如何，還需要對其進行區別效度檢驗。由於存在五個因子，采用受限模型與未受限模型的卡方值差異檢驗需要求出十組的Δχ2，十個配對組分別為：

“主動學習”因子與“師生互動”因子的區別效度分析；

“主動學習”因子與“同伴互動”因子的區別效度分析；

“主動學習”因子與“深層認知策略”因子的區別效度分析；

“主動學習”因子與“學習熱情”因子的區別效度分析；

“師生互動”因子與“同伴互動”因子的區別效度分析；

“師生互動”因子與“深層認知策略”因子的區別效度分析；

“師生互動”因子與“學習熱情”因子的區別效度分析；

“同伴互動”因子與“深層認知策略”因子的區別效度分析；

“同伴互動”因子與“學習熱情”因子的區別效度分析；

“深層認知策略”因子與“學習熱情”因子的區別效度分析。

如果這十個配對組的Δχ2差異量均達到0.05顯著水平當自由度為1時，顯著水平α為0.05時，卡方值為3.841；顯著水平α為0.01時，卡方值為6.635；顯著水平α為0.001時，卡方值為10.827。詳見：吳明隆.結構方程模型——Amos實務進階[M].重慶：重慶大學出版社，2013:102。，表示“大學生學習投入度調查問卷”的五個因子之間有較好的區別效度。

通過對五因子模型各因子間的區別效度進行分析可以看出（見表3.5），十個配對組的卡方值差異量（Δχ2）均達到0.001顯著水平，說明各因子之間具有良好的區別效度，也進一步驗證了“大學生學習投入度調查問卷”五因子結構的合理性和科學性。

表3.5五因子模型因子間的區別效度分析摘要表

受限模型未受限模型卡方值差異量

（受限模型—

未受限模型）自由度

差異值

配對因子dfχ2dfχ2Δχ2Δdf

主動學習—師生互動356358.76343021.013337.75***1

主動學習—同伴互動3516425.280349385.55557039.7245***1

主動學習—深層認知策略278114.585263170.4014944.184***1

主動學習—學習熱情206326.543191542.1064784.437***1

師生互動—同伴互動3515852.798349460.9866391.812***1

(續表)

受限模型未受限模型卡方值差異量

（受限模型—

未受限模型）自由度

差異值

師生互動—深層認知策略2710032.779262733.5767299.203***1

師生互動—學習熱情207333.755191182.0676151.688***1

同伴互動—深層認知策略2718025.401269423.7318601.67***1

同伴互動—學習熱情2017390.095197648.9429741.153***1

深層認知策略—學習熱情149556.266131666.7227889.544***1

注：***表示受限模型與未受限模型卡方值差異量（Δχ2）大於10.83，達0.001顯著水平。

4.　五因子模型的跨群組效度檢驗

通過分析可知，五因子模型與全體樣本數據擬合度較好。那麼該模型是否對於不同的樣本群組也具有良好的擬合度呢？此時，需要對該模型進行跨群組效度檢驗，使用多群組分析來對該模型在不同群組中的擬合度情況進行分析，來檢驗模型的測量恒等性。“測量恒等性檢驗在於評估一個以所有樣本（不分群組的單一群體）為數據樣本的假設模型，在不同的兩個以上樣本群體間是否相等或模型估計參數是否具有不變性或等同性，若假設模型在不同群體的參數估計結果的擬合度可以獲得支持，表示測量工具有組間不變性”吳明隆.結構方程模型——Amos實務進階[M].重慶：重慶大學出版社，2013:251.。測量恒等性的檢驗包括以下三方麵吳明隆.結構方程模型——Amos實務進階[M].重慶：重慶大學出版社，2013:251.：第一，設定測量係數相同。設定多群組模型中的測量模型的因子負荷量或回歸係數相等，該模型為測量加權模型（Measurement　weights）。第二，增列結構協方差相同，該模型為結構協方差模型（Structural　covariances）。第三，增列測量誤差相同，該模型為測量誤差模型（Measure　residuals）。在進行多群組分析時，先設定未受限模型（基準模型），然後分別測量加權模型、結構協方差模型以及測量誤差模型。

本研究將對五因子模型在不同性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃、高校類型以及高校所在區域這些樣本群組（n=29740）中進行跨群組效度檢驗。五因子模型在不同群組的檢驗程序如下：第一，設定未受限模型，即五因子初始模型在不同群組數據（比如，男生群組和女生群組）中不做任何的限製；第二，界定測量加權模型，即五因子模型在不同群組數據中具有相同的因子負荷量；第三，界定結構協方差模型，即五因子模型在不同群組數據中具有相同的因子負荷量外，還具有相同的協方差（包含協方差及方差）；第四，界定測量誤差模型，即五因子模型在不同群組數據中具有相等的因子負荷量和協方差外，測量指標的誤差項也具有相同的方差。

通過分析可以看出，五因子模型中的未受限模型、測量加權模型、結構協方差模型以及測量誤差模型在不同性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃、高校類型以及高校所在區域這些樣本群組中有良好的擬合度和測量恒等性，說明五因子模型有良好的跨群組效度。

（四）　信度分析

探索性因子分析後，一般使用克隆巴赫係數來對調查問卷的信度進行檢驗。驗證性因子分析後，一般使用組合信度來對模型的內在質量進行檢驗。通過分析發現，主動學習因子的克隆巴赫係數為0.868，師生互動因子的克隆巴赫係數為0.858，同伴互動因子的克隆巴赫係數為0.839，深層認知策略因子的克隆巴赫係數為0.854，學習熱情因子的克隆巴赫係數為0.805，總的調查問卷的克隆巴赫係數為0.921。不論是各個因子的克隆巴赫係數還是總的調查問卷的克隆巴赫係數都高於0.70，說明“大學生學習投入度調查問卷”有較高的信度。同時，通過分析發現：主動學習因子的組合信度為0.8752，師生互動因子的組合信度為0.8595，同伴互動因子的組合信度為0.8348，深層認知策略因子的組合信度為0.8519，學習熱情因子的組合信度為0.8113。各因子的組合信度均大於0.70，說明五因子模型有良好的組合信度，模型內在質量佳，這也進一步說明了“大學生學習投入度調查問卷”有較高的信度。“大學生學習投入度調查問卷”還有一個精簡版，詳見：汪雅霜.《我國大學生學習投入度調查問卷》設計與檢驗[J].河北科技大學學報（社會科學版），2015（3）.

第三節本章小結

第一，從核心概念、研究框架與問題、研究方法以及數據源等幾個方麵來對本研究的整體設計進行了介紹。第二，對問卷編製的思路和具體項目來源進行了說明。第三，呈現了問卷信效度分析結果。通過項目分析發現，項目之間有較高的鑒別力。通過探索性因子分析可知，“大學生學習投入度調查問卷”由五個因子構成。通過驗證性因子分析發現，與其他模型相比，五因子模型的擬合度最好。通過對五因子模型各因子間的區別效度進行分析可以看出，各因子之間有良好的區別效度。研究也發現五因子模型在不同樣本群組中有良好的擬合度和測量恒等性。研究使用克隆巴赫係數和組合信度來對“大學生學習投入度調查問卷”的信度進行檢驗，發現該問卷有較高的信度。總的說來，“大學生學習投入度調查問卷”有較高的信效度，用其測量大學生的學習投入度，可得出科學、合理、可信的結果。

｜第四章實證分析｜

第四章實證分析

本章的主要內容包括以下三個方麵：

第一，對我國大學生學習投入度總體特征進行分析；

第二，使用分層線性模型這一方法對我國不同群體大學生的學習投入度進行差異分析；

第三，對大學生學習投入度與學習收獲之間的關係進行探討。

第一節大學生學習投入度的總體特征分析

一、大學生學習投入度總體情況分析

通過表4.1可以看出，大學生學習投入度總體情況均值（五因子加總）為4.1354，其同意度百分比計算公式為：百分比=（均值-1）\/（量表點數-1）。具體介紹見：吳明隆.問卷統計分析實務[M].重慶：重慶大學出版社，2010：313。另外，計算結果采取四舍五入法，保留小數點後一位。

為62.7%。從各個因子的均值來看，同伴互動因子均值最高，同意度百分比為70%；其次是深層認知策略因子，其均值為4.3148，同意度百分比為66.3%；學習熱情因子均值位於第三，同意度百分比為61.7%；師生互動因子的均值為3.9748，同意度百分比為59.5%；主動學習因子均值最低，同意度百分比為56.1%。

表4.1大學生學習投入度總體情況分析

因子人數最小值最大值均值標準差同意度百分比

同伴互動590321.006.004.49750.7333270.0

深層認知策略590321.006.004.31480.7839966.3

學習熱情590321.006.004.08680.9277161.7

師生互動590321.006.003.97480.8715159.5

主動學習590321.006.003.80330.8989056.1

總體情況590321.006.004.13540.6355962.7

將大學生學習投入度總體情況均值作為分析變量來進行快速聚類分析（KMeans　Cluster）。聚類分析結果（見表4.2）顯示，根據大學生學習投入度的總體情況可將其分為三個組別：第一組為學習投入度較高組，共有16948名學生，占調查樣本的28.7%；第二組為學習投入度一般組，共31879名學生，占調查樣本的54%；第三組為學習投入度較低組，共有10205名學生，占調查樣本的17.3%。

表4.2大學生學習投入度總體均值聚類分析結果

組別人數百分比有效百分比累積百分比

學習投入度較高1694828.728.728.7

學習投入度一般3187954.054.082.7

學習投入度較低1020517.317.3100.0

二、大學生學習投入度具體分析

將同伴互動因子均值作為分析變量來進行快速聚類分析，其分析結果如表4.3所示。根據大學生在同伴互動因子的均值可將其分為三個組別：第一組為同伴互動較高組，共有23847名學生，占調查樣本的40.4%；第二組為同伴互動一般組，共有31282名學生，占調查樣本的53.0%；第三組為同伴互動較低組，共有3903名學生，占調查樣本的6.6%。

表4.3同伴互動因子聚類分析結果

組別人數百分比有效百分比累積百分比

同伴互動較高2384740.440.440.4

同伴互動一般3128253.053.093.4

同伴互動較低39036.66.6100.0

將深層認知策略因子的均值作為分析變量來進行快速聚類分析，其分析結果如表4.4所示。根據大學生在深層認知策略因子的均值可將其分為三個組別：第一組為深層認知策略較高組，共有20506名學生，占調查樣本的34.7%；第二組為深層認知策略一般組，共有33415名學生，占調查樣本的56.6%；第三組為深層認知策略較低組，共有5111名學生，占調查樣本的8.7%。

表4.4深層認知策略因子聚類分析結果

組別人數百分比有效百分比累積百分比

深層認知策略較高2050634.734.734.7

深層認知策略一般3341556.656.691.3

深層認知策略較低51118.78.7100.0

將學習熱情因子的均值作為分析變量來進行快速聚類分析，其分析結果如表4.5所示。根據大學生在學習熱情因子的均值可將其分為三個組別：第一組為學習熱情較高組，共有18856名學生，占調查樣本的31.9%；第二組為學習熱情一般組，共有31551名學生，占調查樣本的53.4%；第三組為學習熱情較低組，共有8625名學生，占調查樣本的14.6%。

表4.5學習熱情因子聚類分析結果

組別人數百分比有效百分比累積百分比

學習熱情較高1885631.931.931.9

學習熱情一般3155153.453.485.4

學習熱情較低862514.614.6100.0

將師生互動因子的均值作為分析變量來進行快速聚類分析，其分析結果如表4.6所示。根據大學生在師生互動因子的均值可將其分為三個組別：第一組為師生互動較高組，共有19202名學生，占調查樣本的32.5%；第二組為師生互動一般組，共有31734名學生，占調查樣本的53.8%；第三組為師生互動較低組，共有8096名學生，占調查樣本的13.7%。

表4.6師生互動因子聚類分析結果

組別人數百分比有效百分比累積百分比

師生互動較高1920232.532.532.5

師生互動一般3173453.853.886.3

師生互動較低809613.713.7100.0

將主動學習因子的均值作為分析變量來進行快速聚類分析，其分析結果如表4.7所示。根據大學生在主動學習因子的均值可將其分為三個組別：第一組為主動學習較高組，共有15453名學生，占調查樣本的26.2%；第二組為主動學習一般組，共有31663名學生，占調查樣本的53.6%；第三組為主動學習較低組，共有11916名學生，占調查樣本的20.2%。

表4.7主動學習因子聚類分析結果

組別人數百分比有效百分比累積百分比

主動學習較高1545326.226.226.2

主動學習一般3166353.653.679.8

主動學習較低1191620.220.2100.0

第二節大學生學習投入度的差異分析

在大學生學習投入度的差異分析中，因變量包括大學生學習投入度的五個因子，即同伴互動因子、深層認知策略因子、學習熱情因子、師生互動因子以及主動學習因子。

自變量包括學生層麵和學校層麵的變量。學生層麵的變量包括性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃。學校層麵的變量包括學校類型、學校所在區域、學校支持力度。

一、大學生同伴互動的差異分析

（一）　零模型分析結果

零模型中隻將同伴互動因子作為因變量放入模型中，第一層和第二層沒有自變量，以此來判斷是否存在學校層麵的差異。零模型的表達式為：

層一：同伴互動=B0+R

層二：B0=G00+U0

零模型中的同伴互動這一變量的信度為0.838，其檢驗結果理想，說明用調查樣本的均值來代表大學生實際的同伴互動情況是可信的。當將同伴互動作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生同伴互動在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生同伴互動有影響。

（二）　隨機係數回歸模型分析結果

隨機係數回歸模型隻對第一層（學生）的變量進行分析，沒有包含第二層自變量。將同伴互動作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中。由於這些變量都是類別變量，因此沒有進行變量的中心化處理。隨機係數回歸模型的表達式為：

同伴互動=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*

（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

通過表4.8可以看出，與父親未接受過高等教育的學生相比，父親接受過高等教育的學生在同伴互動因子上均值較高；不論學生的家庭所在地是城市還是農村，其在同伴互動因子上的均值不存在顯著差異；高中學習成績越好的學生，其與同伴之間就會有更多的互動；不論是漢族學生還是少數民族學生，其在同伴互動因子的均值不存在顯著差異；男生與女生在同伴互動因子上的均值也不存在顯著差異；大二學生與同伴有較少的互動，其他年級之間不存在顯著差異；不論是文史哲專業、社會科學專業、理學專業或者是農醫工學專業的學生，其在同伴互動因子上的均值不存在顯著差異；與非學生幹部的學生相比，擔任過或現在正在擔任學生幹部的學生與同伴之間有較多的互動；不論學生畢業後打算升學還是工作，其在同伴互動因子上的均值不存在顯著差異。

表4.8同伴互動因子隨機係數回歸模型分析結果

變量回歸係數標準誤t值

截距3.8271220.05068275.513***

父親受教育程度·接受過高等教育0.0543630.0080686.738***

家庭所在地·城市0.0023010.0074230.310n.s.

高中學習成績·中等0.4551050.0475919.563***

高中學習成績·良好0.6276220.05127612.240***

民族·少數民族-0.0042950.019041-0.226n.s.

性別·男性-0.0115730.010069-1.149n.s.

年級·大二-0.0382520.012002-3.187**

年級·大三-0.0253660.016621-1.526n.s.

年級·大四0.0298720.0201731.481n.s.

專業·社會科學-0.0128100.021158-0.605n.s.

(續表)

變量回歸係數標準誤t值

專業·理學-0.0090360.022548-0.401n.s.

專業·農醫工學0.0153700.0257370.597n.s.

學生身份·學生幹部0.2222830.00919924.165***

學業規劃·升學-0.0001500.004482-0.033n.s.

注：***表示p<0.001；**表示p0.05。

（三）　完整模型分析結果

完整模型指既包含了第一層的自變量，也包含了第二層的自變量。將同伴互動作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。同時，考慮到學校支持力度為連續變量，在代入模型時對其進行總體中心化處理。完整模型的基本表達式為：

層一：同伴互動=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過表4.9可以看出在完整模型中，第一層變量的回歸係數與隨機係數回歸模型的結果相比會有所變化，但其最終結果相同，因此不再將第一層變量分析結果列出，下同。

，在控製了學生層麵變量的情況下，學校類型與學校所在地對大學生同伴互動有顯著影響。一般本科院校的學生與同伴之間有較多的互動，“211工程”大學的學生次之，“985工程”大學的學生與同伴之間的互動較少；西部學校的學生與同伴之間有較多的互動，東部學校的學生次之，中部學校的學生與同伴之間的互動較少；學校支持力度與大學生同伴互動不存在顯著相關，說明學校支持力度對其不產生直接影響。

表4.9同伴互動因子完整模型第二層變量分析結果

變量回歸係數標準誤t值

截距3.9193680.05574870.305***

學校類型·985-0.1473970.035642-4.136***

學校類型·211-0.0693910.023295-2.979**

學校所在地·東部-0.0935040.020981-4.457***

學校所在地·中部-0.1104920.023448-4.712***

學校支持力度0.0845720.0513791.646n.s.

注：***表示p<0.001；**表示p0.05。

為了考察學校支持力度與大學生同伴互動之間的間接影響，在完整模型的基礎上加入了學校支持力度這一變量對學生層麵的調節效應檢驗。通過分析發現，學校支持力度這一變量對學生層麵的家庭所在地、學生身份以及學業規劃這三個變量有正向的調節作用（p<0.001），這也說明了學校支持力度這一變量通過學生層麵的相關變量來對大學生同伴互動因子產生間接影響。

二、大學生深層認知策略的差異分析

（一）　零模型分析結果

零模型中隻將深層認知策略因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：深層認知策略=B0+R

層二：B0=G00+U0

零模型中的深層認知策略這一變量的信度為0.841，其檢驗結果理想，說明用調查樣本的均值來代表大學生實際的深層認知策略情況是可信的。當將深層認知策略作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生深層認知策略在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生深層認知策略有影響。

（二）　隨機係數回歸模型分析結果

將深層認知策略作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中。隨機係數回歸模型的基本表達式為：

深層認知策略=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

通過表4.10可以看出，與父親未接受過高等教育的大學生相比，父親接受過高等教育的大學生更傾向於使用深層認知策略；不論學生的家庭所在地是城市還是農村，其在深層認知策略因子上的均值不存在顯著差異；大學生高中時期的學習成績越高，其越傾向於使用深層認知策略；不論是漢族學生還是少數民族學生，其在深層認知策略因子上的均值不存在顯著差異；與女生相比，男生更傾向於使用深層認知策略；與大二和大三學生相比，大一和大四學生更傾向於使用深層認知策略；與社會科學、理學和農醫工學專業的學生相比，文史哲專業的學生更傾向於使用深層認知策略；與非學生幹部的學生相比，擔任過或現在正在擔任學生幹部的學生更傾向於使用深層認知策略；與畢業後打算就業的學生相比，畢業後打算升學的學生更傾向於使用深層認知策略。

表4.10深層認知策略因子隨機係數回歸模型分析結果

變量回歸係數標準誤t值

截距3.8294020.05027176.175***

父親受教育程度·接受過高等教育0.0482370.0101374.759***

家庭所在地·城市0.0147860.0101161.462n.s.

高中學習成績·中等0.3268010.0469406.962***

高中學習成績·良好0.4966300.0501119.911***

民族·少數民族-0.0246700.013486-1.829n.s.

性別·男性0.0912500.0112948.080***

年級·大二-0.0493400.013135-3.756**

年級·大三-0.0455550.016807-2.710*

年級·大四0.0004200.0181570.023n.s.

專業·社會科學-0.0402790.016144-2.495*

專業·理學-0.0448970.018675-2.404*

專業·農醫工學-0.0366350.017682-2.072*

學生身份·學生幹部0.0740910.00715710.352***

學業規劃·升學0.0684190.00608411.247***

注：***表示p<0.001；**表示p<0.01；*表示p0.05。

（三）　完整模型分析結果

將深層認知策略作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型的基本表達式為：

層一：深層認知策略=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過表4.11可以看出，在控製了學生層麵變量的情況下，不論是“985工程”大學、“211工程”大學或一般本科院校，其在深層認知策略因子上的均值不存在顯著差異；與位於東部和西部地區的學校相比，中部地區學校的學生更傾向於使用深層認知策略；學校支持力度與深層認知策略因子呈顯著正相關（p<0.1），也就是說學校的支持力度越大，學生就更傾向於使用深層認知策略。

表4.11深層認知策略因子完整模型第二層變量分析結果

變量回歸係數標準誤t值

截距3.8384540.04954477.475***

學校類型·985-0.0322640.025726-1.254n.s.

學校類型·211-0.0065120.018500-0.352n.s.

學校所在地·東部-0.0202350.018497-1.094n.s.

學校所在地·中部0.0583660.0286942.034*

學校支持力度0.0609270.0308131.977+

注：***表示p<0.001；*表示p<0.05；+表示p0.05。

三、大學生學習熱情的差異分析

（一）　零模型分析結果

零模型中隻將學習熱情因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：學習熱情=B0+R

層二：B0=G00+U0

零模型中的學習熱情這一變量的信度為0.867，其檢驗結果理想，說明用調查樣本的均值來代表大學生實際的學習熱情是可信的。當將學習熱情作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生學習熱情在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生學習熱情有影響。

（二）　隨機係數回歸模型分析結果

將學習熱情作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中。隨機係數回歸模型的基本表達式為：

學習熱情=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

通過表4.12可以看出，與父親未接受過高等教育的大學生相比，父親接受過高等教育的大學生擁有更高的學習熱情；不論學生的家庭所在地是城市還是農村，其在學習熱情因子上的均值不存在顯著差異；學生高中時期的學習成績越好，其在大學期間的學習熱情也就越高；不論是漢族學生還是少數民族學生，其在學習熱情因子上的均值不存在顯著差異；與男生相比，女生擁有更高的學習熱情；與大一、大二以及大三學生相比，大四學生擁有更高的學習熱情；與其他專業相比，理學專業學生的學習熱情相對較低，文史哲專業學生的學習熱情相對較高；與非學生幹部的學生相比，擔任過或現在正在擔任學生幹部的學生擁有更高的學習熱情；與畢業後打算就業的學生相比，畢業後打算升學的學生擁有更高的學習熱情。

表4.12學習熱情因子隨機係數回歸模型分析結果

變量回歸係數標準誤t值

截距3.5592840.05267867.567***

父親受教育程度·接受過高等教育0.0516390.0111534.630***

家庭所在地·城市0.0125800.0089391.407n.s.

高中學習成績·中等0.3792580.0465718.144***

高中學習成績·良好0.5148270.04735810.871***

民族·少數民族-0.0152930.019551-0.782n.s.

性別·男性-0.0591710.009762-6.062***

年級·大二0.0209260.0167551.249n.s.

年級·大三0.0429870.0218801.965n.s.

年級·大四0.1745810.0236467.383***

專業·社會科學-0.0395510.023080-1.714n.s.

專業·理學-0.0846880.036753-2.304*

專業·農醫工學-0.0388810.032402-1.200n.s.

學生身份·學生幹部0.0698970.0090557.719***

學業規劃·升學0.1154730.00873713.216***

注：***表示p<0.001；*表示p0.05。

（三）　完整模型分析結果

將學習熱情作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型的基本表達式為：

層一：學習熱情=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過表4.13可以看出在完整模型中，學生個體層麵中的“專業”變量中社會科學專業在學習熱情因子上的得分顯著低於（P＜0.05）文史哲專業的學生；而在隨機係數回歸模型，這兩者不存在顯著差異。

，在控製了學生層麵變量的情況下，不論是“985工程”大學、“211工程”大學還是一般本科院校，其在學習熱情因子上的均值不存在顯著差異；與位於東部和西部地區的學校相比，中部地區學校的學生擁有更高的學習熱情；學校支持力度與學習熱情因子呈顯著正相關。

表4.13學習熱情因子完整模型第二層變量分析結果

變量回歸係數標準誤t值

截距3.5479090.05804061.128***

學校類型·985-0.0455370.044019-1.034n.s.

學校類型·211-0.0087000.029982-0.290n.s.

學校所在地·東部0.0228750.0281200.813n.s.

學校所在地·中部0.0684450.0236192.898**

學校支持力度0.1277280.0532242.400*

注：***表示p<0.001；**表示p<0.01；*表示p0.05。

四、大學生師生互動的差異分析

（一）　零模型分析結果

零模型中隻將師生互動因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：師生互動=B0+R

層二：B0=G00+U0

零模型中的師生互動這一變量的信度為0.913，其檢驗結果理想，說明用調查樣本的均值來代表實際的師生互動情況是可信的。當將師生互動作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明師生互動在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生學習熱情有影響。

（二）　隨機係數回歸模型分析結果

將師生互動作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中。隨機係數回歸模型的基本表達式為：

師生互動=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

通過表4.14可以看出，與父親未接受過高等教育的大學生相比，父親接受過高等教育的大學生與教師有更多的互動；不論學生的家庭所在地是城市還是農村，其在師生互動因子上的均值不存在顯著差異；學生高中時期的學習成績越好，其在大學期間與教師的互動也會更頻繁；不論是漢族學生還是少數民族學生，其在師生互動因子上的均值不存在顯著差異；不論是男生還是女生，其在師生互動因子上的均值也不存在顯著差異；與大二和大三學生相比，大一和大四學生與教師有更多的互動；與社會科學、理學和農醫工學專業的學生相比，文史哲專業的學生與教師有更多的互動；與非學生幹部的學生相比，擔任過或現在正在擔任學生幹部的學生與教師有更多的互動；不論學生畢業後打算升學或工作，其在師生互動因子上的均值不存在顯著差異。

表4.14師生互動因子隨機係數回歸模型分析結果

變量回歸係數標準誤t值

截距3.6830210.04361184.452***

父親受教育程度·接受過高等教育0.0467170.0082795.643***

家庭所在地·城市-0.0062220.009469-0.657n.s.

高中學習成績·中等0.3042090.0473506.425***

高中學習成績·良好0.3820050.0477927.993***

民族·少數民族0.0192880.0170721.130n.s.

性別·男性-0.0059040.011161-0.529n.s.

年級·大二-0.0639780.020657-3.097**

年級·大三-0.0867180.022855-3.794**

年級·大四-0.0071910.021758-0.330n.s.

專業·社會科學-0.0889860.025843-3.443**

專業·理學-0.1557820.036697-4.245***

專業·農醫工學-0.0901330.036634-2.460*

學生身份·學生幹部0.0678530.0101756.668***

學業規劃·升學-0.0092160.006846-1.346n.s.

注：***表示p<0.001；**表示p<0.01；*表示p0.05。

（三）　完整模型分析結果

將師生互動作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型的基本表達式為：

層一：師生互動=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過表4.15可以看出，在控製了學生層麵變量的情況下，與“211工程”大學和一般本科院校相比，“985工程”大學的學生與教師之間有較少的互動；不論學校位於西部、中部還是東部地區，其在師生互動因子上的均值不存在顯著差異；學校支持力度與師生互動因子呈顯著正相關，也就是說學校的支持力度越大，學生與教師之間的互動也會更多。

表4.15師生互動因子完整模型第二層變量分析結果

變量回歸係數標準誤t值

截距3.7410260.05419669.028***

學校類型·985-0.1820650.058641-3.105**

學校類型·211-0.0465200.039472-1.179n.s.

學校所在地·東部-0.0524710.031775-1.651n.s.

學校所在地·中部0.0291440.0297730.979n.s.

學校支持力度0.1939310.0540963.585**

注：***表示p<0.001；**表示p0.05。

五、大學生主動學習的差異分析

（一）　零模型分析結果

零模型中隻將主動學習因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：主動學習=B0+R

層二：B0=G00+U0

零模型中的主動學習這一變量的信度為0.920，其檢驗結果理想，說明用調查樣本的均值來代表實際的大學生主動學習情況是可信的。當將主動學習作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生主動學習在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生主動學習有影響。

（二）　隨機係數回歸模型分析結果

將主動學習因子作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中。隨機係數回歸模型的基本表達式為：

主動學習=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

通過表4.16可以看出，與父親未接受過高等教育的學生相比，父親接受過高等教育的學生的學習主動性較高；與家庭所在地為城市的學生相比，家庭所在地為農村的學生的學習主動性較高；學生高中時期的學習成績越好，其在大學期間的學習主動性也會更高；不論是漢族學生還是少數民族學生，其在主動學習因子上的均值不存在顯著差異；不論是男生還是女生，其在主動學習因子上的均值也不存在顯著差異；與大二和大三學生相比，大一和大四學生的學習主動性較高；不論是文史哲專業、社會科學專業、理學專業還是農醫工學專業，其在主動學習因子上的均值也不存在顯著差異；與非學生幹部的學生相比，擔任過或現在正在擔任學生幹部的學生的學習主動性較高；與畢業後打算就業的學生相比，畢業後打算升學的學生的學習主動性較高。

表4.16主動學習因子隨機係數回歸模型分析結果

變量回歸係數標準誤t值

截距3.3441770.04176280.077***

父親受教育程度·接受過高等教育0.0581720.0114455.083***

家庭所在地·城市-0.0402600.013075-3.079**

高中學習成績·中等0.3257030.0358219.092***

高中學習成績·良好0.4755040.03848012.357***

民族·少數民族-0.0114100.016298-0.700n.s.

性別·男性0.0251460.0128381.959n.s.

年級·大二-0.1181570.018854-6.267***

年級·大三-0.1325840.021823-6.075***

年級·大四0.0006580.0278430.024n.s.

專業·社會科學-0.0500850.027275-1.836n.s.

專業·理學-0.0190120.036615-0.519n.s.

專業·農醫工學0.0042540.0353730.120n.s.

學生身份·學生幹部0.0884530.0103238.569***

學業規劃·升學0.0898040.00811211.070***

注：***表示p<0.001；**表示p0.05。

（三）　完整模型分析結果

將主動學習因子作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型的基本表達式為：

層一：主動學習=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過表4.17可以看出，在控製了學生層麵變量的情況下，與“211工程”大學和“985工程”大學相比，一般本科院校的學生的學習主動性較高；與學校位於西部和中部地區的學生相比，學校位於東部地區的學生的學習主動性較低；學校支持力度與主動學習因子不存在顯著相關，說明學校支持力度對學生的學習主動性不產生直接影響。

表4.17主動學習因子完整模型第二層變量分析結果

變量回歸係數標準誤t值

截距3.4238500.04266580.250***

學校類型·985-0.1549040.048343-3.204**

學校類型·211-0.1012240.031708-3.192**

學校所在地·東部-0.0952400.027776-3.429**

學校所在地·中部0.0360770.0236481.526n.s.

學校支持力度-0.0160060.048964-0.327n.s.

注：***表示p<0.001；**表示p0.05。

為了考察學校支持力度與大學生主動學習之間的間接影響，在完整模型的基礎上加入了學校支持力度這一變量對學生層麵的調節效應檢驗。通過分析發現，學校支持力度對學生層麵的家庭所在地具有正向的調節作用（p<0.01），這也說明了學校支持力度通過該變量來對大學生主動學習因子產生間接影響。

第三節大學生學習投入度與學習收獲的相關分析

本節主要探討大學生學習投入度與學習收獲之間的關係，具體來說主要研究大學生學習投入度對學習收獲（包含通用技能收獲和專業知識收獲兩個因子）的影響。因變量包括大學生通用技能收獲、專業知識收獲兩個變量“大學生學習收獲調查問卷”是《國家大學生學習情況調查問卷（2012年版）》中的一部分。通過探索性因子分析（KMO=0.942、Bartletts卡方值=274092.18，且p<0.001，特征值大於1的主成分有2個、累積貢獻率為71.722%）和驗證性因子分析（GFI=0.884<0.9，RMR=0.0460.08，AGFI=0.8290.9，CFI=0.928>0.9，IFI=0.928>0.9）可知，該問卷由“通用技能”和“專業知識”兩個因子構成，且具有良好的信效度。詳見：史秋衡，汪雅霜.大學生學習情況調查研究[M].北京：教育科學出版社，2015.

。自變量包括大學生學習投入度的五個因子，即同伴互動因子、深層認知策略因子、學習熱情因子、師生互動因子以及主動學習因子。控製變量包括學生和學校這兩個層麵的變量。學生層麵變量包括性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃。學校層麵變量包括學校類型、學校所在區域、學校支持力度。

一、大學生學習投入度對通用技能收獲的影響

（一）　零模型分析結果

零模型中隻將通用技能收獲因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：通用技能收獲=B0+R

層二：B0=G00+U0

零模型中的通用技能收獲這一變量的信度為0.843，其檢驗結果理想，說明用調查樣本的均值來代表大學生實際的通用技能收獲情況是可信的。當將通用技能收獲作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生通用技能收獲在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生通用技能收獲有影響。

（二）　完整模型Ⅰ分析結果

完整模型Ⅰ指包含了控製變量的模型。將通用技能收獲因子作為因變量，學生層麵變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型Ⅰ的基本表達式為：

層一：通用技能收獲=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過將完整模型Ⅰ的方差成分與零模型的方差成分進行比較，可計算出控製變量對大學生通用技能收獲的解釋率。通過計算得出控製變量對大學生通用技能收獲的解釋率為7.4%。

（三）　完整模型Ⅱ分析結果

完整模型Ⅱ是在完整模型Ⅰ的基礎上，在層一模型中代入大學生學習投入度的五個因子。完整模型Ⅱ的表達式為：

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過將完整模型Ⅱ的方差成分與零模型和完整模型Ⅰ的方差成分進行比較，可計算出完整模型Ⅱ中大學生學習投入度五因子對大學生通用技能收獲的解釋率。通過計算得出大學生學習投入度五因子對大學生通用技能收獲的解釋率為46%，這也說明五因子對通用技能收獲的解釋率較大。同時，通過具體的分析結果由於本研究不對控製變量進行具體分析，所以在此不將控製變量的具體結果列出，下同。

（表4.18）可以看出，在控製了學生和學校層麵變量的情況下，大學生學習投入度五因子對通用技能收獲都有顯著的正向影響，其中同伴互動因子對通用技能收獲的影響最大，其次為深層認知策略因子。

表4.18大學生學習投入度對通用技能收獲的影響

變量回歸係數標準誤t值

主動學習因子0.0082850.0029482.811**

師生互動因子0.0994110.00510319.481***

同伴互動因子0.4991970.00808161.774***

深層認知策略因子0.1607530.00484833.156***

學習熱情因子0.0652390.00450814.473***

注：***表示p<0.001；**表示p<0.01。

二、大學生學習投入度對專業知識收獲的影響

（一）　零模型分析結果

零模型中隻將專業知識收獲因子作為因變量放入模型中，第一層和第二層沒有自變量。零模型的表達式為：

層一：專業知識收獲=B0+R

層二：B0=G00+U0

零模型中的專業知識收獲這一變量的信度為0.904，其檢驗結果理想，說明用調查樣本的均值來代表大學生實際的專業知識收獲情況是可信的。當將專業知識收獲作為因變量進行分析時，層二隨機項方差估計的卡方檢驗P值小於0.001，說明大學生專業知識收獲在學校層麵（層二）存在顯著差異，也就是說學校層麵因素對大學生專業知識收獲有影響。

（二）　完整模型Ⅰ分析結果

完整模型Ⅰ指包含了控製變量的模型。將專業知識收獲因子作為因變量，學生層麵的變量（性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃）作為自變量代入層一模型中，學校層麵的變量（學校類型、學校所在區域、學校支持力度）作為自變量代入層二模型中。完整模型Ⅰ的基本表達式為：

層一：專業知識收獲=B0+B1*（父親受教育程度·接受過高等教育）+B2*（家庭所在地·城市）+B3*（高中學習成績·中等）+B4*（高中學習成績·良好）+B5*（民族·少數民族）+B6*（性別·男性）+B7*（年級·大二）+B8*（年級·大三）+B9*（年級·大四）+B10*（專業·社會科學）+B11*（專業·理學）+B12*（專業·農醫工學）+B13*（學生身份·學生幹部）+B14*（學業規劃·升學）+R

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過將完整模型Ⅰ的方差成分與零模型的方差成分進行比較，可計算出控製變量對大學生專業知識收獲的解釋率。通過計算得出控製變量對大學生專業知識收獲的解釋率為6.9%。

（三）　完整模型Ⅱ分析結果

完整模型Ⅱ是在完整模型Ⅰ的基礎上，在層一模型中代入大學生學習投入度的五個因子。完整模型Ⅱ的基本表達式為：

層二：B0=G00+G01*（學校類型·985）+G02*（學校類型·211）+G03*（學校所在地·東部）+G04*（學校所在地·中部）+G05*（學校支持力度）+U0

通過將完整模型Ⅱ的方差成分與零模型和完整模型Ⅰ的方差成分進行比較，可計算出完整模型Ⅱ中大學生學習投入度五因子對大學生專業知識收獲的解釋率。通過計算得出大學生學習投入度五因子對大學生專業知識收獲的解釋率49%，這也說明五因子對專業知識收獲的解釋率較大。同時，通過具體的分析結果（表4.19）可以看出，在控製了學生和學校層麵變量的情況下，大學生學習投入度五因子對專業知識收獲都有顯著的正向影響，其中主動學習因子、師生互動因子和同伴互動因子對專業知識收獲的影響較大。

表4.19大學生學習投入度對專業知識收獲的影響

變量回歸係數標準誤t值

主動學習因子0.2007000.00615732.599***

師生互動因子0.2586730.00450457.426***

同伴互動因子0.2864240.00793836.081***

深層認知策略因子0.0443680.0063027.040***

學習熱情因子0.1536490.00497430.890***

注：***表示p<0.001。

第四節本章小結

第一，對大學生學習投入度總體特征的分析主要從大學生學習投入度的總體情況分析和大學生學習投入度的具體分析這兩方麵開展。分析過程中使用的分析方法是描述性統計分析和聚類分析。通過對總體情況和各個因子所包含項目的具體分析發現：有近三成的學生屬於學習投入度較高組，不到兩成的學生屬於學習投入度較低組，這說明我國大學生學習投入度總體較好；但通過與其他因子的均值進行比較可知，師生互動和主動學習這兩個因子的均值相對較低，還有待進一步提升。

第二，對大學生學習投入度的差異分析主要采用分層線性模型這一統計方法。因變量包括大學生學習投入度的五個因子，即同伴互動因子、深層認知策略因子、學習熱情因子、師生互動因子以及主動學習因子。自變量包括學生層麵和學校層麵的變量。在對不同的因變量進行具體運算時，本研究對每一個因變量構建三個模型：零模型、隨機係數回歸模型以及完整模型。通過使用分層線性模型對大學生學習投入度進行差異分析，得出如下結論：大學生學習投入度存在學生和學校層麵上的差異。

第三，在探討大學生學習投入度與學習收獲的關係時，研究主要關注大學生學習投入度對學生通用技能收獲和學生專業知識收獲這兩種收獲的影響機製。研究中同樣使用分層線性模型這一統計方法。因變量包括大學生通用技能收獲、專業知識收獲兩個變量。自變量包括大學生學習投入度的五個因子，即同伴互動因子、深層認知策略因子、學習熱情因子、師生互動因子以及主動學習因子。控製變量包括學生和學校這兩個層麵的變量。學生層麵變量包括性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃。學校層麵變量包括學校類型、學校所在區域、學校支持力度。在具體的分析過程中，本研究對每個因變量建構三個模型，分別是零模型、完整模型Ⅰ以及完整模型Ⅱ。通過分析發現：大學生學習投入度對學習收獲的影響較大，同伴互動因子對通用技能收獲有較高的解釋率，主動學習、同伴互動和師生互動因子對專業知識收獲有較高的解釋率。

｜第五章研究結論與建議｜

第五章研究結論與建議

第一節研究結論

一、大學生學習投入度調查問卷由三維度五因子構成，且具有良好的信度和效度

首先，調查問卷的開發建立在紮實的理論基礎之上，兼具國際化特征和本地化特色。歐美國家對學習投入度這一研究領域關注較早，並產出了大量優秀的研究成果。本土化調查問卷的開發必然需要借鑒國際上相關的研究成果。通過對國際上關於大學生學習投入度的相關研究進行梳理，本研究將大學生學習投入度定義為“大學生在學習過程中行為、認知和情感三方麵的投入程度”。在此定義的基礎上，調查問卷從行為、認知和情感三個維度來編製。考慮到“國家大學生學習情況調查問卷”由我國學者自主開發，符合我國大學生學習的實際情況，有較強的本土適應性，因此，“大學生學習投入度調查問卷”中的具體項目從該調查問卷的各子問卷中抽取。通過這種方式使得“大學生學習投入度調查問卷”與國外現有相關的研究成果保持一致的基礎上，同時又符合我國大學生的自身特點，能夠比較可信、有效地測量我國大學生的學習投入度。史秋衡，郭建鵬.我國大學生學情狀態與影響機製的實證分析[J].教育研究，2012（2）.

其次，問卷中“三維度五因子模型”具有較好的信效度，為日後開展相關研究提供了科學的本土化研究工具。通過項目分析發現，項目之間有較高的鑒別力。通過探索性因子分析可知，“大學生學習投入度調查問卷”由五個因子構成，這五個因子分別是“主動學習”“師生互動”“同伴互動”“深層認知策略”和“學習熱情”。其中“主動學習”“師生互動”和“同伴互動”這三個因子屬於行為投入度，“深層認知策略”這一因子屬於認知投入度，“學習熱情”這一因子屬於情感投入度。通過驗證性因子分析發現，與其他模型相比，五因子模型的擬合度最好。通過對五因子模型各因子間的區別效度進行分析可以看出，各因子之間有良好的區別效度。五因子模型中的未受限模型、測量加權模型、結構協方差模型以及測量誤差模型在不同性別、高中學習成績、年級、專業、學生身份、民族、父親受教育程度、家庭所在地、學業規劃、高校類型以及高校所在區域這些樣本群組中有良好的擬合度和測量恒等性，說明五因子模型有良好的跨群組效度。通過使用克隆巴赫係數和組合信度來對“大學生學習投入度調查問卷”的信度進行檢驗，發現該問卷有較高的信度。總的來說，“大學生學習投入度調查問卷”由三維度五因子構成，且具有良好的信度和效度。

二、我國大學生學習投入度總體較好，但師生互動和主動學習這兩方麵有待進一步提升

研究結果表明，大學生學習投入度總體較好。大學生學習投入度總體均值的同意度百分比為62.7%，不到兩成的學生屬於學習投入度較低組。從具體的因子來看，同伴互動、深層認知策略和學習熱情這三個因子的同意度百分比都高於60%。同伴互動和深層認知策略這兩因子均值較低組人數所占比例不到一成，而學習熱情和師生互動這兩因子均值較低組人數所占比例不到二成。這些研究結果都說明大學生與同伴之間有很多的互動，傾向於采取深層認知策略，擁有較高的學習熱情。但是，通過分析也可以看出師生互動和主動學習這兩因子的均值相對較低。師生互動和主動學習這兩個因子的同意度百分比都低於60%，特別是主動學習因子的均值最低，有兩成多的學生屬於主動學習因子均值較低組。

三、大學生學習投入度存在學生和學校層麵上的差異，且學生層麵的差異遠大於學校層麵的差異

第一，大學生學習投入度在學校層麵的差異相對較小。通過使用分層線性模型計算組內相關係數（ICC）可知，大學生學習投入度各因子隻有5%左右的差異來源於學校層麵。研究表明大學生學習投入度主要取決於學生層麵，而非學校層麵，也就是說大學生學習投入度在校際的差異小，在學校內部的差異大。這種現象不隻存在於我國教育情景中，全美大學生學習投入度調查課題組通過分析美國大學生的調查數據也得出相似的結論，學校之間的差異僅在4%—8%National　Survey　of　Student　Engagement.Promoting　Engagement　for　All　Student:　The　Imperative　to　Look　Within[R].Bloomington:　Indiana　University　Center　for　Postsecondary　Research,　2008:　12.

。盡管不同學校之間的學生學習投入度差異相對較小，但也不可忽視。就讀於一般本科院校和西部地區高校的學生與同伴之間有更多的互動；中部地區學校的學生更傾向於使用深層認知策略、擁有更高的學習熱情；“985工程”大學的學生與教師之間有較少的互動；一般本科院校學生的學習主動性較高；東部地區高校學生的學習主動性較低；而高校支持力度對大學生學習投入度產生直接或間接的正向影響。

第二，高校內部不同群體學生之間的學習投入度差異較大。學生的父親受教育程度越高，學生的學習投入度也會越高；學生高中時在其班上的學習成績越好，其在大學期間也會有更多的學習投入；男生更傾向於采取深層認知策略，而女生有更高的學習熱情；大二學生與同伴之間有較少的互動，大一和大四學生更傾向於采取深層認知策略、與教師有更多的互動以及較高的學習主動性，同時，大四學生也擁有較高的學習熱情；文史哲專業的學生更傾向於采取深層認知策略、與教師有更多的互動，而理學和社會科學專業的學生的學習熱情相對較低；擔任過或正在擔任學生幹部的學生的學習投入度相對較高；畢業後打算升學的學生更傾向於采取深層認知策略、有更高的學習熱情和更強的學習主動性。

第三，大學生學習投入度不存在顯著的民族和城鄉差異。不論是漢族學生還是少數民族學生，其在大學生學習投入度五大因子上的均值不存在顯著差異；除了農村學生比城市學生擁有更強的學習主動性外，城鄉學生在學習投入度的其他四因子上的均值也不存在顯著差異。

四、大學生學習投入度對學習收獲的解釋率較高，其中同伴互動因子對學習收獲的影響最大

第一，大學生學習投入度對學習收獲有較高的解釋率。通過使用分層線性模型對研究數據進行分析發現，控製變量對大學生通用技能收獲和專業知識收獲的解釋率分別為7.4%和6.9%，而大學生學習投入度五因子對大學生通用技能收獲和專業知識收獲的解釋率分別為46%和49%。基於這一研究結果可以看出，與控製變量相比，大學生學習投入度五因子對學習收獲的解釋率較高。

第二，同伴互動因子對通用技能收獲的影響較大。大學生學習投入度五因子對通用技能收獲都存在顯著的正向影響，其中，主動學習因子的回歸係數為0.008，師生互動因子的回歸係數為0.099，同伴互動因子的回歸係數為0.499，深層認知策略因子的回歸係數為0.160，學習熱情因子的回歸係數為0.065。通過比較各因子的回歸係數可以看出，同伴互動因子對通用技能收獲的影響最大。

第三，主動學習、同伴互動和師生互動因子對專業知識收獲影響較大。大學生學習投入度五因子對專業知識收獲都存在顯著的正向影響，其中，主動學習因子的回歸係數為0.200，師生互動因子的回歸係數為0.259，同伴互動因子的回歸係數為0.286，深層認知策略因子的回歸係數為0.044，學習熱情因子的回歸係數為0.154。通過比較各因子的回歸係數可以看出，主動學習、同伴互動和師生互動因子對專業知識收獲影響較大。

第四，同伴互動因子對學習收獲的影響最大。通過分析可以看出，不論是通用技能收獲還是專業知識收獲，同伴互動因子的回歸係數最大。這也說明與其他因子相比，該因子對學習收獲的影響最大。

第二節研究建議

一、建立全國性大學生學習問責機製，開展學習投入度追蹤調查

目前，我國已有幾所大學（如廈門大學、北京大學、清華大學）和相關機構（如麥可思公司）開展了與大學生學習相關的調查，並取得了一係列的研究成果。但從調查的開展情況來看，高校參與的熱情不高、問卷的回複率相對較低、追蹤調查開展難度大是調查組織者所麵臨的棘手問題。而要解決這些問題除了調查組織機構自身的努力外，還需要借鑒美國的相關做法，由相關部門出台這方麵的政策，建立起針對各高校的大學生學習問責機製。由美國州立大學協會（American　Association　of　State　Colleges　and　Universities，　AASCU）和美國公立和贈地大學協會（Association　of　Public　and　Landgrant　Universities，　APLU）這兩個協會包含520多所公立院校，這些院校每年授予的學士學位占美國所有院校所授予的學士學位數的七成。詳見http:\/\/www.voluntary　system.org\/about.

聯手建立了自願問責係統（the　Voluntary　System　of　Accountability，　VSA）。該問責係統有以下幾方麵的目標：第一，向公眾證明高校的問責和管理；第二，支持各高校對學生的學習產出進行測量，幫助高校識辨和實現院校改進過程中的良好實踐；第三，收集和傳播透明的、可比的和可理解的信息；第四，為學生在其就讀過程中提供有用的工具。About　the　VSA[EB\/OL].　http:\/\/www.voluntary　system.org\/about，2014217.

為了實現這些目標，該問責係統選擇了“全美大學生學習投入度調查”等四個評估工具來對大學生的學習情況（特別是學生的學習體驗）進行測量Alexander　C.　McCormick.　Toward　reflective　accountability:　Using　NSSE　for　accountability　and　transparency[J].　New　Directions　for　Institutional　Research,　2009（141）:　103.　National　Survey　of　Student　Engagement.Promoting　Engagement　for　All　Student:　The　Imperative　to　Look　Within[R].Bloomington:　Indiana　University　Center　for　Postsecondary　Research,　2008:　28.

。因此，參與了自願問責係統的高校需要在這指定的四個評估工具中進行選擇，來對其學校學生的學習情況進行調查。自願問責係統這種做法既解決了高校找不到權威的測量工具的問題，也解決了調查機構的問卷回複率相對較低、追蹤調查開展難度大等相關問題。

在我國，全國性大學生學習問責機製的建立可以由教育部牽頭，也可以是權威的協會組織來負責。根據我國目前的實際情況來看，可以由教育部高等教育教學評估中心來負責該項工作。第一，評估中心可以出台相關文件將“每年對大學生學習情況（特別是學習投入度）進行調查”這一指標納入各高校的質量報告中目前有部分高校在質量報告中報告了學生的學習效果和學習滿意度等情況，但由於是學校自己調查自己，缺乏客觀性。另外，由於調查指標過於簡單，測量工具的信效度有待提高。

。第二，出台認證調查機構的相關標準。比如，需要對調查機構的調查內容進行明確。考慮到大學生學習投入度的重要地位，調查機構在開展學生學習情況調查時必須涉及這方麵的內容。同時，調查機構所使用的測量工具的信效度需要有詳細的介紹，具體的分析格式可參考本研究“問卷編製”這一部分。另外，調查機構的組織架構、人員編製與學曆結構、經費來源等方麵也需要做出相關說明。第三，采取自願申報的認證形式。基於自願的前提下，調查機構按照相關標準，自行準備好認證材料，並將其提交給評估中心。評估中心組織相關的專家對目前的調查機構進行認證，選出具備開展學生調查資質的機構。第四，各高校可自行對這些通過認證的調查機構進行選擇，合作開展大規模追蹤調查。調查機構主要是采用權威的測量工具來開展年度追蹤調查，並撰寫相關的調查報告。考慮到目前大量的高校都設有教育學院、高等教育研究所或發展規劃處，調查數據的深入挖掘可交給這些部門來開展。而調查機構主要是通過對各高校相關數據分析人員開展定期培訓，來保證調查數據得到正確的解讀和應用。

二、以師生互動為切入點，進一步提高學生的學習主動性

通過實證分析可以看出，大學生在師生互動和主動學習這兩個因子上的均值相對較低。同時，使用相關分析發現這兩個因子的相關係數大於0.5（p<0.001），說明這兩個因子之間存在很強的正相關。同時，相關的實證研究也發現“師生互動與學生成長、學習收獲和就學滿意度直接相關”史靜寰，李一飛，許甜.高校教師學術職業分化中的生師互動模式研究[J].教育研究，2012（8）.