基于系統性文獻綜述的國外學習投入實證研究分析

李新　李艷燕

摘要：學習投入是衡量學生學習過程質量的重要指標，與學生的學習持續性、學業滿意度、學習績效以及學業完成情況高度相關。近年來我國學者圍繞學習投入的研究增長迅速，但研究內容多集中在理論層面，實證研究相對較少。國外在學習投入研究方面已經積累了較為豐富的經驗，其在多情境下進行的學習投入實證研究，可以為我國學者提供更多的實踐參考。利用系統性文獻綜述法對國外近十年的實證研究論文進行統計分析后發現：（1）國外學習投入實證研究主要涉及教育學、醫學和語言學三個學科領域，研究場景主要包括傳統課堂、游戲化課堂以及在線學習，研究對象多為大學生，研究方法則以定量研究和混合研究為主;（2）學習投入的概念框架復雜多元，包含學生在學業上的身體和心理的雙重投入;（3）學習投入的指標體系相對寬泛，為不同情境下學習投入指標體系的構建提供了參考;（4）影響因素是國外學習投入實證研究的關注重點，主要包括教師、學生、課程、環境以及同伴等;（5）學習投入的測量仍以自我報告和編碼等傳統方式為主，基于多模態數據對學生的學習表現進行預測與評價將成為重要的發展方向。我國學者在開展學習投入實證研究時，需注重概念的情境化、指標的多維化、場景的多樣化、結構的多元化以及數據的多源化，加強學習投入實證研究的深度與廣度。

關鍵詞：學習投入;實證研究;系統性文獻綜述;研究特征;影響因素;測量方法

中圖分類號：G434? ?文獻標識碼：A? ? 文章編號：1009-5195（2021）02-0073-12? doi10.3969/j.issn.1009-5195.2021.02.008

作者簡介：李新，博士研究生，北京師范大學教育學部（北京 100875）;李艷燕（通訊作者），博士，教授，博士生導師，北京師范大學教育學部（北京 100875）。

一、研究背景

學習投入是影響學習者學習成功的關鍵因素（Xie et al.，2020），與學生的學習持續性、學業滿意度、學習績效以及學業完成情況高度相關（Kuh，2009）。近十年來，學習投入的概念、測量等越來越受到研究者與實踐者的關注和重視（Bond et al.，2020）。

首先，學習投入作為一個多元結構，研究者根據不同的研究情境對學習投入提出了不同的定義。Fredricks 等（2004）從學習活動的視角出發，認為學習投入是學生對學習活動的承諾或投入;Bond等（2020）從測量方式和影響因素出發，指出學習投入是學生在學習過程中所付出的精力和努力程度，可以通過學習者的行為、認知、情感等指標觀察測量，受師生關系、生生關系、學習活動以及學習環境等內外部因素的影響。Skinner等（2012）從學習投入的研究層次出發，指出學習投入不僅是多元概念，也是多情境概念，在社會機構、學校、教室和學習活動等不同情境下學習投入概念將呈現不同的價值取向。從概念框架來看，Martin（2008）將學習投入界定為包括行為投入和認知投入的二維框架;Fredricks等（2004）則將其定義為包含行為投入、認知投入、情感投入的三維框架，這也是被廣泛接受認可的劃分維度;隨后Fredricks等（2016）在三維框架的基礎上增加了社交投入，也就是學生與同伴或教師的社會性互動。可見，由于學習投入本身的復雜性，國際研究者對學習投入的概念和框架并沒有形成統一的認識，這也間接導致了該領域研究的多樣性。

其次，學習投入在學生的學習過程中起著至關重要的作用。有研究表明，當學生專注于自己的學習時，能夠提升其學習動機和學習績效（Carolis et al.，2019）。近幾年，為了有效促進學習者的學習投入，國外研究者在概念界定和指標體系的研究基礎上，主要聚焦于技術支持的學習環境對學生學習投入的影響以及學習投入的測評等方面。研究者們已經普遍認可信息技術在提升學生學習投入方面的作用（Norris et al.，2014），但也意識到并不是將技術作用于學生就能提升其學習投入。目前研究者正就此方面展開積極的探索。如Bergdahl等（2019）探討了在技術支持的學習環境下，高、中、低學習表現的學生投入和學習脫離的差異;Bond（2020）從生態學視角構建了以學生為中心的學習投入影響因素模型，包括家庭、同伴、教師、課程、環境等。在測量方法方面，已有研究大多采用量表通過自我報告的方式對學生的學習投入進行測評，但是這種測量方式的準確性與有效性一直被研究者們視為阻礙學習投入研究進一步發展的關鍵因素（Sinha et al.，2015;DMello et al.，2017;Zhang et al.，2017）。Noroozi等（2020）提出融合主觀自我報告與客觀生理數據的多模態分析技術，通過發揮多模態數據間的互補性，來準確全面地刻畫學生的學習投入。

由上可見，國外學習投入研究在理論探討、實踐探索方面都已經積累了較為豐富的經驗。尤其其在多情境下進行的學習投入實踐探索，具有較高的借鑒價值。而通過中國知網對我國學習投入研究論文進行分析發現，近年來我國學者圍繞學習投入的研究雖然增長迅速，但是從研究內容來看，大多聚焦于框架設計、量表編制、方法探討等理論層面，實證研究相對較少。實證研究是基于證據、有一定解釋深度、對教育現象背后本質的認識探究過程（吳重涵，2017），因其提倡“用數據說話”而備受研究者、管理者和決策者的重視（劉選等，2018）。以國外學習投入實證研究為鑒，厘清學習投入實證研究的主題、情境與方法，可以為我國學者開展學習投入研究提供更多的實踐參考。

二、研究設計

1.研究方法

本研究采用系統性文獻綜述法開展研究。系統性文獻綜述法是一種明確、系統的文獻綜述方法，通過清晰可復制的檢索技術和檢索策略對相關文獻進行檢索、評估，然后根據研究問題或預先制定的標準進行文獻篩選與甄別，進而精準掌握該研究主題的研究現狀與發展趨勢，以解決特定的研究問題（Rudnicka et al.，2012）。系統性文獻綜述法的優勢在于嚴謹、透明，包括清晰的研究問題、全面的檢索策略、明確的文獻標準、高質量的評估方法、綜合的數據分析以及可靠的研究結果，能夠有效克服傳統研究方法的主觀性、偏見性等問題（Sutherland，2004）。

2.研究問題

為了解國外當前學習投入實證研究情況，本研究確定了如下研究問題：（1）國外學習投入實證研究主要呈現哪些特征（研究地區、研究場景、研究對象、研究領域、研究時間、研究方法等）？（2）國外學習投入的概念框架及指標體系的內涵特征是什么？（3）國外學生學習投入/學習脫離的主客觀影響因素有哪些？如何促進學習者的學習投入？（4）國外學習投入的測量主要應用了哪些方法與技術？其有效性與可行性如何？

3.樣本獲取

（1）文獻檢索策略

為有效獲取國外近十年學習投入的高質量實證研究文獻，本研究在EBSCO ERIC、Elsevier ScienceDirect、Springer Link、Web of Science、Wiley Online Library 5個文獻數據庫中，以“Student Engagement”“Learning Engagement”“Academic Engagement”“School Engagement”（Reschly et al.，2012）為關鍵詞進行標題精確檢索，文獻時間限定為2011年1月1日-2020年6月30日，共獲得3398篇文獻。需要說明的是，在英文表達中盡管也有“Involvement”“Participant”等術語，但是國外研究者更多地采用“Engagement”來描述學生的學習投入（Henrie et al.，2015），因此，本研究在檢索學習投入實證研究論文時，將關鍵詞界定為“Engagement”。

（2）文獻篩選標準

為保證文獻分析結果的準確性和可靠性，精準呈現國外學習投入實證研究情況，基于研究問題，本研究針對初步檢索到的3398篇文獻制定了如表1所示的文獻納入/排除標準（Indriasari et al.，2020）。其中1～6條為系統性文獻綜述法為了保證研究樣本的準確性與權威性而普遍采用的篩選標準;第7條為限定研究對象，保證研究樣本為國外文獻;第8條是為了篩選實驗類實證研究，剔除部分采用大規模問卷調查，但是缺乏研究問題、嚴謹的實驗過程以及清晰的研究方法的文獻;第9條旨在將文獻的研究主題聚焦于學習投入的指標體系、影響因素、測量方法等方面，剔除將學習投入作為單一變量或非研究重點的研究文獻。

（3）文獻篩選過程

本研究遵循系統性文獻綜述及元分析方法（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）的研究思路進行文獻綜述。該方法是國際上常用的系統性綜述方法，包含27項指標（如標題、摘要、方法、結果、討論等）和4個階段（Liberati et al.，2009），需清楚地呈現文獻識別、篩選、納入或排除的過程及原因，以提升系統性文獻綜述和元分析報告的準確性。基于該研究思路，本研究最終獲得符合條件的論文48篇，其中EBSCO ERIC 5篇、Elsevier ScienceDirect 22篇、Springer Link 2篇、Web of Science 8篇、Wiley Online Library 11篇;屬于SSCI索引的文獻有29篇，SCI索引的文獻有7篇，SSCI和SCI雙索引的文獻有11篇，非SSCI或SCI索引的文獻有1篇。PRISMA流程圖如圖1所示。針對篩選后的48篇文獻，研究從作者、年份、國家、期刊、研究主題、概念框架、指標體系、學科背景、研究情境、研究對象、研究周期、研究方法、測量方法、測量工具、影響因素、研究結論等維度對其進行編碼分析。

三、基于文獻計量分析的學習投入實證研究現狀

實證研究是由“真實問題—方法運用—數據分析—結論詮釋”構成的統一體（劉選，2017），是教育走向科學的必要途徑（袁振國，2017）。本研究聚焦國外學習投入的實證研究，重點關注學習投入實證研究的設計、場景、方法等。以下將按照文獻發表、作者分布、研究設計、研究場景以及研究方法等來具體分析國外學習投入實證研究的基本特點。

1.文獻發表與引用情況

從發表時間來看，當前國外學習投入實證研究整體上呈現逐年遞增的趨勢（見圖2），表明學習投入持續且正在以上升的趨勢受到國外研究者的關注。從發表的期刊分布來看，48篇文章發表在34種不同的期刊上，其中發表在教育類期刊上的文章有34篇（70.8%），發表在心理學類期刊上的文章有5篇（10.4%），發表在醫學類期刊上的文章有4篇（8.3%），其余為交叉學科類期刊和計算機類期刊（10.4%）。發表數量排前三的期刊分別是《計算機和教育》（Computers & Education）、《英國教育心理雜志》（British Journal of Educational Psychology）和《計算機輔助學習雜志》（Journal of Computer Assisted Learning）。這也是文獻引用率最高的三篇文章的來源期刊。

從文獻引用率來看，有10篇文獻的引用率在20次以上，超過50次引用的文章有5篇。其中，引用率最高的文章是Junco等（2011）研究以Twitter為代表的社交媒體工具對學生學習投入和學習成績的影響（1034次）;其次是Filsecker 等（2014）有關游戲化教學中外部獎勵對學生學習投入的影響研究（244次）;可以發現，引用率較高的文章主題主要集中在學習投入的影響因素和提升策略上，這是國外學習投入的研究熱點。需要注意的是，被引次數超過50次的文獻都發表在2011-2016年間，這可能是由于近期發表的文章沒有足夠的時間獲得更多的引用而導致。

2.作者分布特征

為展現國外學習投入實證研究的作者分布情況，研究以第一作者為分析單位，對48篇樣本文獻進行分析，發現作者總共來自20個國家，其區域分布分別是北美洲（n=21，43.8%）、歐洲（n=15，31.3%）、亞洲（n=8，16.7%）、大洋洲（n=2，4.1%）以及南美洲（n=2，4.1%）。從發文作者數量來看，美國作者共20位，占總作者數的41.7%，說明美國學者是學習投入實證研究的主要群體。

3.研究設計特征

為進一步分析學習投入的研究情境與實驗設計，本研究對樣本文獻的學科背景、研究對象、樣本數量以及研究周期等指標進行了系統分析。

學科背景分析發現，近十年國外學習投入的研究不僅分布于教育學領域，醫學、心理學、語言學以及計算機科學等學科的研究者也在關注學習投入，其中教育學、醫學和語言學三個學科的研究者對學習投入最為關注，研究案例比較豐富（見圖3a）。

從研究對象的類別來看，國外近十年學習投入實證研究中，以大學生為研究對象的占64.6%（n=31），以中學生為研究對象的占25.0%（n=12），以小學生為研究對象的占6.3%（n=3），其他（學前兒童和職前教師）占4.3%（n=2）（見圖3b）。可見，國外學習投入實證研究的對象主要是大學生，對中小學生的關注相對較少。這可能是由于國外面向中小學生開展實驗研究時，需征得教師或父母的同意，這為實證研究的開展增加了難度。

從樣本數量來看，國外近十年學習投入實證研究中，39.6%（n=19）的研究樣本數量為40人以下，25.0%（n=12）的研究樣本數量為200人以上，其他研究的樣本數量分布相對平均（見圖3c）。這說明國外學習投入實證研究的樣本量主要控制在一個班左右，這樣既方便研究設計和相關變量的控制，同時又能避免樣本量過少而導致的研究局限。但是也有部分研究樣本量超過200人，這類研究基本是面向大規模學生群體采取的長周期跟蹤調查研究。

還有46篇文獻明確提出了研究周期，但大部分研究的研究周期在一年以內（91.3%，n=42），周期為3～6個月的研究最多，占比為34.8%（n=16）（見圖3d）。可以發現，當前國外圍繞學習投入的實證研究周期集中在3～12個月之間，既能夠保證研究設計有著較為完善的迭代設計和干預優化，又能保證研究結果的可靠性。

4.研究場景特征

對樣本文獻研究場景的分析發現，除傳統課堂外（n=23，47.9%），游戲化情境和以MOOC為代表的在線學習是學習投入實證研究的重要場景（見圖4）。這一方面可能是因為大量研究表明游戲化學習情境有助于提升學生的學習投入（Ninaus et al.，2019），因此有很多研究者探討游戲化課堂/課程對學生學習投入的影響;另一方面可能因為以MOOC為代表的在線課程一直有著較高的輟學率（Hew，2016），如何提升學習者的在線學習投入進而提高MOOC完成率也成為研究者關注的問題。

5.研究方法特征

為更好地借鑒國外學習投入的實證研究范式，本研究將實證研究方法劃分為實驗設計、準實驗設計及非實驗設計三類。實驗設計是指控制實驗條件和安排實驗程序的研究，其目的在于分析實驗條件和實驗結果之間的關系，一般采用隨機分組;準實驗設計是指既不能直接操縱自變量又不能對研究中的額外變量進行嚴格控制的研究，不采用隨機分組，而是進行多組別的分類和測量，如設置對照組和控制組等。其他屬于非實驗設計。對48篇實證研究文獻的研究范式和數據分析方法進行分析后發現（見圖5），有13篇文章采用了實驗設計（27.1%），17篇文章采用了準實驗設計（35.4%），18篇文章屬于非實驗設計（37.5%）。從數據分析方法來看，實驗設計大多采用定量與定性相結合的混合分析方法（n=8，61.5%），準實驗設計則以定量研究（n=7，41.2%）和混合研究（n=7，41.2%）為主，非實驗設計則更傾向于定量研究（n=11，61.1%）。整體來看，大多數研究主要采用定量研究（n=21，43.8%）和混合研究方法（n=20，41.7%）。

四、國外學習投入實證研究特征分析

通過對國外近十年學習投入實證研究文獻的分析發現，國外學習投入的實證研究呈現出概念框架復雜多元、指標體系相對寬泛、影響因素復雜多變以及測量方法有待突破等特征。

1.學習投入的概念框架復雜多元

學習投入的概念框架是厘清學習投入內涵、確定其測量方法和結果解釋的重要依據。Bond（2020）的研究發現，雖然學習投入一直被視為影響學生學業成績和學習表現的重要因素，也一直是教育領域的重要研究議題，但是僅有12.0%的文獻針對學習投入給出了明確的定義。本研究的樣本文獻中，54.2%的文獻針對學習投入給出了明確的定義，其中超過4/5的文章引用他人觀點，不到1/5的文章提出新觀點。對這些學習投入概念進行比較，發現研究者普遍認同學習投入是一個復雜、多元的概念，但是并沒有對其定義形成統一認識。引用最多的定義是Fredricks 等（2004）提出的學習投入三維概念框架（n=15），即行為投入、認知投入和情感投入。隨后Fredricks等（2016）將其擴展為行為、認知、情感和社交四個維度，其中行為投入指學生參與學業和課堂活動的表現，包括注意力、參與度、作業完成情況以及課堂紀律等;認知投入指學生的自我調節、堅持不懈、努力理解復雜概念或掌握困難技能等;情感投入指學生對老師、同學和課堂活動的積極情緒以及對學校或學科的興趣、享受或認同的心理狀態;社交投入指學生與同伴或老師的互動、參與質量以及在課堂上的社會行為。可見，學習投入主要是指學生在學業上的身體和心理的雙重投入（Astin，1984），體現出學生在學習過程中努力付出的程度、意愿和質量（Hu et al.，2002;Upadyaya et al.，2013），并且與學生的學習期望和學習績效相關聯（Kuh，2009）。此外，值得注意的是，部分研究者針對不同的研究情境（如MOOC）為學習投入給出了不同的定義，表明學習投入是受情境影響的。在實證研究中，應基于不同的研究情境，增加新的指標維度，以更加全面立體地呈現學生的學習投入狀態。

2.學習投入的指標體系相對寬泛

學習投入指標體系的界定不僅有助于厘清學習投入多元結構的內在關系，同時有助于不同情境下學生學習投入的測量與評價。針對48篇樣本文獻的分析發現，有23篇文獻對學習投入的指標體系進行了明確界定，包括行為投入（n=12，52.2%）、情感投入（n=12，52.2%）、認知投入（n=13，56.7%）以及其他類別（n=5，21.7%）。依據Fredricks等（2004）學習投入三維結構，將出現頻次排名前5的指標整理如表2所示。可以發現，已有學習投入指標體系相對寬泛，行為投入強調學生的努力程度、參與程度以及互動程度，認知投入強調學生的自我調節和深度學習，情感投入強調學生的情緒和感受。這些指標的劃分為不同情境下學習投入指標體系的構建提供了參考，如在行為投入維度下重點關注努力、參與和互動指標的劃分與測量方式，同時將具體指標與相關測量數據建立對應關系，便于對學習投入各維度指標的測量與評價。

3.學習投入的影響因素復雜多變

學習投入的影響因素一直以來都是國外研究者關注的重點。對檢索到的48篇文獻進行分析發現，有38篇（79.2%）文獻涉及學習投入影響因素的研究。參照Bond等（2019）對學習投入影響因素的界定，本研究將學習投入影響因素劃分為教師、學生、課程/活動、環境/技術以及同伴等，同時基于文獻梳理了學習投入影響因素的具體指標（見表3）。從學習投入的影響因素出發，我們可以進一步窺探提升學生學習投入的策略或舉措。對教師來說，可以從三個方面提升學生的學習投入：（1）提升課程設計的質量（n=5），發揮探究性學習活動對學生學習投入的促進作用（Diana et al.，2019）;同時也可以通過游戲化的課堂情境來促進學習者的學習投入（G?ksün et al.，2019）;（2）加強對學生學習過程的指導與支持（n=5），幫助學生更好地理解、融入課程學習，提高課堂學習的參與度;（3）發揮在線論壇、社交媒體等對學生學習投入的促進作用，設計融合多種媒體工具的教學情境。對于學生來說，可以從兩個方面提升其學習投入：（1）發揮內在的主觀能動性，通過培養學習興趣、提升學習動機等方式促進學習投入;（2）發揮同伴支持的外在作用，通過積極與同伴合作、交流、分享、評價等促進學習投入。

4.學習投入的測量方法有待突破

如何科學、準確地測量學生的學習投入既是研究者們關注的熱點問題，也是學習投入實證研究面臨的難點問題。為了更好地分析國外學習投入實證研究的測量方法，筆者將學習投入的測量方法細分為數據收集方式和測量方式兩個類別。

（1）數據收集方式

對48篇文獻數據收集方式進行系統分析（見表4）后發現，問卷（50.0%）仍然是學習投入研究數據收集的主要方式。該方法操作相對簡單，能夠在短時間內獲取學生的學習信息，進而判斷其學習投入狀態。其次是訪談（29.2%）。研究人員常常通過對訪談內容進行文本分析來衡量學生的學習投入，這已逐漸成為研究者的常用方法，如Casey（2011）組織學生進行40～50分鐘的訪談，再把訪談內容進行開放編碼，以此來衡量同伴評價對學生學習投入的影響。第三種方式是平臺日志（25.0%）。在在線學習或混合學習中，研究者依托學習平臺導出的學習者學習行為記錄和平臺聊天記錄等來分析學生的學習投入。如Soffer等（2019）收集了在線學習平臺的師生互動、瀏覽論壇次數、討論次數等13個變量，來評價學生的學習投入。第四種方式是錄像/錄屏（16.7%）。這種方式主要通過對學生的學習過程進行全程錄像，進而對視頻進行編碼分析，以此來較為全面地記錄和分析學生的學習軌跡和學習過程。此外，可穿戴設備（6.3%）、觀察（4.2%）、測試（2.1%）等方法也常被用來收集數據，從而保證數據收集方式的多樣性。值得強調的是，統計分析發現有41.7%的研究采用了兩種或兩種以上的數據收集方式，說明已經有越來越多的研究試圖通過融合多種數據源的方式來消除單一數據來源的局限性，保證數據分析結果的可靠、準確。

（2）測量方式

傳統的學習投入測量方式主要包括自我報告量表、體驗抽樣方法、在線觀察、視頻編碼、教師評分和話語分析等（Henrie et al.，2015）。通過系統分析48篇文獻發現（見表5）：首先，自我報告法（52.1%）的應用最為廣泛，其中比較經典的測量量表包括：①全美大學生學習投入調查（National Survey of Student Engagement，NSSE），包括學術挑戰性、主動合作學習、師生互動、豐富的教育經驗以及校園環境5個維度，是世界各國評測大學生學習投入的重要參考;②學習投入測量量表（School Engagement Measure，SEM），包括行為、認知、情感三個維度，主要用于學生學校學習投入的測量;③在線學生學習投入調查（Online Student Engagement Survey，OSES），包括情感、參與、技能、績效四個維度，用來評價在線學習者的學習投入;④課程學習投入問卷（Student Course Engagement Questionnaire，SCEQ），包括技能、情感、參與、績效四個維度。其次是文本分析（18.8%）和視頻編碼（16.7%）。這二者主要是對訪談內容、錄像等依據特定標準進行編碼分析，如Koltovskaia（2020）通過錄屏分析學生的語法使用情況來分析學生的行為投入。隨著可穿戴設備在教育領域的逐漸普及，生理反應（12.5%）作為非傳統測量方式也逐漸得到應用，包括心率、面部表情、眼動等。如Diana等（2019）利用腕表監測學生的心率來檢測學生的學習投入，發現從課程開始到課程結束，學生的心率呈下降趨勢;而學生活動能夠顯著提升學生的心率，進而提升學生的學習投入。此外，也有部分研究利用教師評分（8.3%）和觀察記錄（4.2%）的方式評價學生的學習投入。整體來看，目前國外學習投入的測量仍以傳統測量方式為主，相關測量方法的進步也僅限于對傳統方法的組合或迭代（Greene，2015），亟需一種本質上完全不同的測評方法。值得一提的是，Carolis等（2019）提出通過整合面部表情、頭部姿勢、眼神移動以及問卷調查等多模態數據對學生的學習投入進行自動測量與監控，但是該研究并沒有對其實驗設計、數據收集與分析等進行介紹，其有效性與可行性有待評估。盡管如此，基于多模態數據對學生的學習表現進行預測與評價有可能成為未來學習投入研究重要的發展方向，這種方式將為提升學習投入測量的準確性提供支持。

五、研究結論與啟示

1.研究結論

本研究利用系統性文獻綜述法，篩選了國外近十年學習投入領域的48篇英文實證文獻，從研究主題、概念框架、指標體系、影響因素以及測量方法等方面對學習投入實證研究現狀進行了系統分析，研究發現：

第一，從文獻發表數量來看，國外近十年學習投入的實證研究數量整體上呈逐年上升趨勢，且主要發表在教育學、心理學以及醫學類期刊上。其中，引用率最高的是Junco等2011年有關社交媒體工具對學生學習投入和學習成績的影響研究。從作者地理分布來看，美國作者占比最高，說明學習投入的研究仍以美國學者為主;從研究設計來看，國外學習投入的實證研究主要聚焦大學生，其次是中學生和小學生;樣本數量呈現兩極分化的特征，1～40人和200人以上的研究占比最高;而研究周期則主要集中在3～12個月;研究場景主要是傳統課堂、游戲化課堂和在線課堂;研究方法以定量研究和混合研究為主。

第二，從概念框架來看，目前學者們對學習投入的概念界定并未達成一致，但是引用最多的概念框架是Fredricks于2004年提出的三維結構，即行為投入、認知投入和情感投入。不同領域的學者根據其研究背景和情境也對學習投入給出了不同的概念。綜合來看，學習投入是學習者在學業中的努力付出程度與質量，包括身體層面和心理層面的雙重投入。

第三，從指標體系來看，調研文獻中明確構建指標體系的文章僅有23篇，且對學習投入指標體系的構建相對寬泛，涵蓋了多種學習情境，其中行為投入強調學習者的努力程度、參與狀態以及師生、生生間的互動情況;認知投入強調學習者的自我調節和深度學習;情感投入主要指學習者的情感狀態和主觀感受。

第四，從影響因素來看，學習投入主要受教師、學生、課程、環境以及同伴的影響，其中最受研究者關注的影響因素是技術和環境，如社交媒體、游戲化情境以及在線課程等。

第五，從測量方法來看，目前學習投入的測量方式仍然是以自我報告和編碼等傳統方式為主，數據獲取方式也主要依靠問卷和訪談。隨著可穿戴設備和人工智能技術的發展，從學習者生理反應來測量學習投入已經逐漸有研究者涉及，其中以計算機領域研究為最。因此，融合傳統數據和生理數據的多模態數據分析有望成為未來學習投入測評的重要方式。

2.研究啟示

本研究在分析國外學習投入實證研究的基礎上，總結出其對我國學者開展學習投入實證研究的五大啟示：

（1）注重學習投入概念的情境化

從廣義上來說，學習投入主要是指學生在學習過程中的努力程度和狀態，包括行為投入、認知投入和情感投入，與學生的學習成績高度相關。但是在廣義概念的指引下，針對不同的研究情境，學習投入的概念還可以進行詳細界定。如在課堂學習中的行為投入是指學生的課堂討論、互動、提問與回答問題等;而在英語作文寫作的學習活動中，行為投入則更傾向于具體的語言修改以及花費的時間，認知投入指學習者采用了哪些策略來提升英語寫作的準確性，情感投入則指學生對相關寫作工具的直觀感受等。我國學者在針對不同研究對象與研究情境開展學習投入實證研究時，需要在概念框架的指引下，針對不同的研究情境理解和界定學習投入。把握學習投入概念的情境性特征，才能夠對其進行更精準地分析和測量，從而更好地把握學習投入的本質。

（2）強調學習投入指標的構建與延伸

學習投入指標的構建有助于學習投入的內涵理解和測量分析。但是分析發現，國外近十年的學習投入實證研究中僅有少部分研究針對學習投入給出了明確指標，已經構建的指標體系也相對寬泛，缺乏情境性，這在一定程度上影響了學習投入測量的準確性。為了保證學習投入測量的準確性和可信性，我們在構建學習投入指標體系時，一方面要根據研究情境對行為投入、認知投入以及情感投入的指標進行劃分，建立指標與數據之間的對應關系，明確學習投入指標的測量方式;另一方面要根據研究情境或研究對象的不同，打破學習投入三維結構的局限，適當擴展和延伸已有框架結構。如Sinha等（2015）將計算機支持的協作學習情境下的學習投入概念框架拓展為行為、社交、認知以及概念—結果四維度。這不僅豐富了學習投入的概念界定，而且有助于提升學習投入測量的準確性。

（3）加強翻轉課堂、游戲化以及MOOC情境下的學習投入實證研究

分析發現，國外近十年學習投入的研究情境仍集中在傳統課堂，但是翻轉課堂、游戲化課堂以及MOOC情境下的學習投入正逐漸受到越來越多研究者的關注。Steenutheim等（2018）的研究發現，與傳統授課模式相比，翻轉課堂中學生的情感投入和認知投入更為明顯。Cakiroglu等（2016）有關游戲化情境下學生學習投入的研究發現，游戲化情境能夠顯著提升學生的學習投入，進而提高學生的學習成績。但是游戲化情境下的哪些因素會對學生的學習投入產生影響，以及游戲化情境下學生的行為投入、認知投入以及情感投入將呈現何種特征等問題尚未做更深入的研究。MOOC作為在線教育快速發展的產物，完成率較低一直是困擾其發展的重要原因，因此越來越多的研究者開始關注如何通過提升MOOC學習者的學習投入，進而提升其課程完成率，以促進MOOC的健康持續發展（Jung et al.，2017）。綜上，我國學者在開展學習投入實證研究時，可以在翻轉課堂、游戲化課堂、MOOC課程甚至是以AR/VR為代表的沉浸式課堂中，探討新型教學情境下學習投入的影響因素與提升策略。這將成為未來學習投入重要的研究方向。

（4）關注技術對學習投入維度的影響及其內在關系

國外近十年有關學習投入影響因素的研究中，探究技術和環境對學習投入影響的研究較多，包括社交媒體工具、游戲化學習情境、移動學習方式等。但是涉及影響因素的大部分研究中，均將學習投入視為一個整體，忽略了學習投入的多元概念特征及內在結構關系。因此，我國研究者在研究技術對學生學習投入的影響時，可重點關注技術對學生行為投入、認知投入以及情感投入的不同影響，進而判斷其對學生學習投入的整體影響。此外，考慮到行為投入是相對易直接測量的指標，而認知投入和情感投入則需要更加準確的測量方法抓取學生的相關數據（Garritz，2013），因此我國研究者在測量學習者的學習投入時可重點關注認知投入和情感投入的測量，同時也可以通過行為投入來判斷學習者的認知投入和情感投入，進而深入挖掘學習投入多元結構之間的內在關系。

（5）重視學習投入的多模態數據分析

學習投入是一個包括行為、認知、情感的多元概念，很難通過單一且傳統的手段對其進行測量（Curtis et al.，2015）。文獻分析發現，國外近十年的學習投入雖然在多模態測量方面進行了一定探索，但是大多數實證研究仍以自我報告法等傳統方式為主。雖然該方法操作相對簡單、成本較低，但是其準確性、可靠性等有待提升。隨著可穿戴設備、人工智能等技術在教育領域的逐漸落地，以及腦科學、神經科學與教育學的交叉融合，利用視頻數據、日志數據、姿勢數據、音頻數據、生理反應以及問卷調查等多模態數據預測和解釋學生的學習表現將成為重要發展趨勢（Sharma et al.，2019）。因此，我國學者在測評學生學習投入時，將傳統方式與生理反應相結合，在自我報告、訪談、觀察等傳統測量方式的基礎上融入眼動、心率、腦電波以及面部表情等數據，利用深度學習和機器學習的方法對學習者的多模態數據進行深入分析，建立數據與學習投入之間的聯系，有望突破學習投入測評方面的局限性。但是需要強調的是，目前國外研究者開展的多模態數據分析仍處于探索階段，其對研究情境的設計、多源數據的處理、多模態數據的融合以及相關實驗設備和專業知識等要求極高（Sharma et al.，2020）。因此，我國教育領域的研究者可以加強與計算機、人工智能等領域研究者的合作，發揮各自的優勢，共同推進學習投入測評的研究與進展。

六、總結

學習投入作為衡量學生學業表現的重要指標，對于提升學生的學習效益和教師的教學績效具有重要價值（Henrie et al.，2015）。本研究采用系統性文獻綜述法，對國外近十年學習投入相關實證研究論文進行了統計分析，剖析了學習投入實證研究的主題特征（研究場景、研究對象、研究領域、研究方法等）、概念框架、指標體系、影響因素以及測量方法，并在此基礎上提煉了我國學者在開展學習投入實證研究方面的一些建議。本研究為我國學者初步勾勒了學習投入實證研究圖景，有助于我國學者圍繞學習投入的測評開展更加深入的研究。但是本研究在文獻檢索和分析時仍存在一些局限性：首先，研究選擇的論文均來源于同行評議的期刊論文，沒有包含會議論文、報告、書稿等，可能導致部分代表性研究成果沒有被納入;其次，研究所選論文是全文可獲取的文獻，部分無法下載全文的文獻沒有被納入;最后，研究選取分析的文章都是實證研究類論文，理論類文章、綜述類文章等未被納入，因此關于學習投入的理論模型以及技術環境下學習投入的趨勢探討等內容相對薄弱。

參考文獻：

[1]劉選（2017）.實證研究怎么做：讓研究者困惑的地方——來自華東師大第二屆全國教育實證研究論壇的啟示[J].現代遠程教育研究， （3）：18-25.

[2]劉選，田黨瑞，汪燕（2018）.我們需要什么樣的實證研究：類型與應用模式——以《現代遠程教育研究》2010-2017年195篇實證研究論文為例[J].現代遠程教育研究， （4）：49-58.

[3]吳重涵（2017）.教育實證研究中綜述什么：研究方法論的視角[J].現代遠程教育研究， （1）：21-25.

[4]袁振國（2017）.實證研究是教育學走向科學的必要途徑[J].華東師范大學學報（教育科學版），35（3）：4-17，168.

[5]Astin， A. （1984）. Student Involvement： A Developmental Theory for Higher Education[J]. Journal of College Student Personnel， 25（4）：297-308.

[6]Bergdahl， N.， Nouri， J.， & Fors， U. et al. （2019）. Engagement， Disengagement and Performance When Learning with Technologies in Upper Secondary School[J]. Computers & Education， （2）：1-17.

[7]Bond， M. （2020）. Facilitating Student Engagement through the Flipped Learning Approach in K-12： A Systematic Review[J]. Computers & Education， （7）：1-36.

[8]Bond， M.， & Bedenlier， M. （2019）. Facilitating Student Engagement Through Educational Technology： Towards a Conceptual Framework[J]. Journal of Interactive Media in Education， （1）：1-14.

[9]Bond， M.， Buntins， K.， & Bedenlier， S. et al. （2020）. Mapping Research in Student Engagement and Educational Technology in Higher Education： A Systematic Evidence Map[J]. International Journal of Educational Technology in Higher Education， 17（1）：1-30.

[10]Cakiroglu， U.， Basibuyuk， B.， & Guler， M. et al. （2016）. Gamifying an ICT Course： Influences on Engagement and Academic Performance[J]. Computers in Human Behavior， 69（4）：98-107.

[11]Carolis， B.， Derrico， F.， & Macchiarulo， N. et al. （2019）. “Engaged Faces”： Measuring and Monitoring Student Engagement from Face and Gaze Behavior[C]// Proceedings of the IEEE International Conference on Web Intelligence： 80-85.

[12]Casey， D. （2011）. Use of Peer Assessment as a Student Engagement Strategy in Nurse Education[J]. Nursing and Health Sciences， 13（4）：514-520.

[13]Curtis， R.， Henrie， R.， & Charles， R. （2015）. Measuring Student Engagement in Technology-Mediated Learning： A Review[J]. Computers & Education， 90（10）：36-53.

[14]DMello， S.， Dieterle， E.， & Duckworth， A. （2017）. Advanced， Analytic， Automated （AAA） Measurement of Engagement During Learning[J]. Educational Psychologist，（2）：104-123.

[15]Diana， K.， & Paul， A. （2019）. Student Engagement， Assessed Using Heart Rate， Shows No Reset Following Active Learning Sessions in Lectures[J]. PLoS ONE， 14（12）：1-14.

[16]Filsecker， M.， & Hickey， D. （2014）. A Multilevel Analysis of the Effects of External Rewards on Elementary StudentsMotivation， Engagement and Learning in an Educational Game[J]. Computers & Education， 75（6）：136-148.

[17]Fredricks， J.， Blumenfeld， P.， & Paris， A. （2004）. School Engagement：Potential of the Concept， State of the Evidence[J]. Review of Educational Research， 74（1）：59-109.

[18]Fredricks， J.， Filsecker， M.， & Lawson， M. et al. （2016）. Student Engagement， Context， and Adjustment： Addressing Definitional， Measurement， and Methodological Issues[J]. Learning and Instruction， 43（43）：1-4.

[19]Garritz， A. （2013）. Instrument Development of the Affective Domain： School and Corporate Applications[J]. Educación Química， 24：538-539.

[20]G?ksün， D. O.， & Gürsoy， G. （2019）. Comparing Success and Engagement in Gamified Learning Experiences via Kahoot and Quizizz[J]. Computers & Education， 135（7）：15-29.

[21]Greene， B. A. （2015）. Measuring Cognitive Engagement with Self-Report Scales： Reflections from over 20 Years of Research[J]. Educational Psychologist， 50（1）：1-17.

[22]Henrie， C.， Halverson， L.， & Graham， C. （2015）. Measuring Student Engagement in Technology-Mediated Learning： A review[J]. Computers & Education， 90（10）：36-53.

[23]Hew， K. F. （2016）. Promoting Engagement in Online Courses： What Strategies Can We Learn from Three Highly Rated MOOCS[J]. British Journal of Educational Technology， 47（2）：320-341.

[24]Hu， S.， & Kuh， G. （2002）. Being （Dis）engaged in Educationally Purposeful Activities： the Influences of Student and Institutional Characteristics[J]. Research in Higher Education， 43（5）：555-575.

[25]Indriasari， T.， Luxton-Reilly， A.， & Denny， P. （2020）. Gamification of Student Peer Review in Education： A Systematic Literature Review[J]. Education and Information Technologies， （3）：1-30.

[26]Junco， R.， Heiberger， G.， & Loken， E. （2011）. The effect of Twitter on college student engagement and grades[J]. Journal of Computer Assisted Learning， 27（2）：119-132.

[27]Jung， Y.， & Lee， J. （2017）. Learning Engagement and Persistence in Massive Open Online Courses （MOOCS）[J]. Computers & Education， 122（4）：9-22.

[28]Koltovskaia， S. （2020）. Student Engagement with Automated Written Corrective Feedback （AWCF） Provided by Grammarly： A Multiple Case Study[J]. Assessing Writing， 44（2）：1-12.

[29]Kuh， G. （2009）. What Student Affairs Professionals Need to Know About Student Engagement[J]. Journal of College Student Development， 50（6）：683-706.

[30]Liberati， A.， Altman， D.， & Tetzlaff， J. et al. （2009）. The PRISMA Statement for Reporting Systematic Reviews and Meta-Analyses of Studies That Evaluate Healthcare Interventions： Explanation and Elaboration[J]. Journal of Clinical Epidemiology， （10）：1-34.

[31]Martin， A. （2008）. Enhancing Student Motivation and Engagement：The Effects of a Multidimensional Intervention[J]. Contemporary Educational Psychology， 33（2）：239-269.

[32]Ninaus， M.， Agreipl， S.， & Kiili， K. et al. （2019）. Increased Emotional Engagement in Game-Based Learning-A Machine Learning Approach on Facial Emotion Detection Data[J]. Computers & Education， 142（7）：1-10.

[33]Noroozi， O.， Pijeira-Díaz， H. J.， & Sobocinski， M. et al. （2020）. Multimodal Data Indicators for Capturing Cognitive， Motivational， and Emotional Learning Processes： A Systematic Literature Review[J]. Education and Information Technologies， （5）：1-49.

[34]Norris， L.， & Coutas， P. （2014）. Cinderellas Coach or Just Another Pumpkin？ Information Communication Technologies and the Continuing Marginalisation of Languages in Australian Schools[J]. Australian Review of Applied Linguistics， 37（1）：43-46.

[35]Reschly， A.， & Christenson， S. （2012）. Jingle， Jangle， and Conceptual Haziness： Evolution and Future Directions of the Engagement Construct[M]. Boston： Springer：3-19.

[36]Rudnicka， A.， & Owen， C. （2012）. An Introduction to Systematic Reviews and Meta-Analyses in Health Care[J]. Ophthalmic and Physiological Optics， 32（3）：174-183.

[37]Sharma， K.， & Giannakos， M. （2020）. Multimodal Data Capabilities for Learning： What Can Multimodal Data Tell Us about Learning？[J]. British Journal of Educational Technology， （5）：1450-1484.

[38]Sharma， K.， Papamitsiou， Z.， & Giannakos， M. （2019）. Building Pipelines for Educational Data Using AI and Multimodal Analytics： A “Grey-Box” Approach[J]. British Journal of Educational Technology， 50（6）：3004-3031.

[39]Sinha， S.， Rogat， K.， & Adams-Wiggins， R. et al. （2015）. Collaborative Group Engagement in a Computer-Supported Inquiry Learning Environment[J]. International Journal of Computer-Supported Collaborative Learning， 10（3）：273-307.

[40]Skinner， E.， & Pitzer， J. （2012）. Developmental Dynamics of Student Engagement， Coping， and Everyday Resilience[M]// Christenson， S. L.， Reschly， A. L.， & Wylie， C. （Eds.）. Handbook of Research on Student Engagement. Boston：Springer：21-44.

[41]Soffer， T.， & Cohen， A. （2019）. Students Engagement Characteristics Predict Success and Completion of Online Courses[J]. Journal of Computer Assisted Learning， 35（3）：378-389.

[42]Steenutheim， A.， & Foldnes， N. （2018）. A Qualitative Investigation of Student Engagement in a Flipped Classroom[J]. Teaching in Higher Education， 23（3）：307-324.

[43]Sutherland， S. （2004）. An Introduction to Systematic Reviews[J]. Journal of Evidence Based Dental Practice， 4（1）：47-51.

[44]Upadyaya， K.， & Salmela， K. （2013）. Development of School Engagement in Association with Academic Success and Well-Being in Varying Social Context： A Review of Empirical Research[J]. European Psychologist， 18（2）：136-147.

[45]Xie， K.， Vongkulluksn， V. W.， & Lu， L. et al. （2020）. A Person-Centered Approach to Examining High-School StudentsMotivation， Engagement and Academic Performance[J]. Contemporary Educational Psychology， 62（5）：1-13.

[46]Zhang， X.， Meng， Y.， & Ordó?ez de Pablos， P. et al. （2017）. Learning Analytics in Collaborative Learning Supported by Slack： From the Perspective of Engagement[J]. Computers in Human Behavior， 92：625-633.

收稿日期 2020-11-21責任編輯 汪燕

Abstract： Learning engagement is an important indicator to measure the quality of students learning process， which is highly correlated with students learning continuity， academic satisfaction， learning performance and academic completion. In recent years， the research on learning engagement in China has been growing rapidly. However， these studies mostly focus on the theoretical level and lack empirical evidence. Foreign countries have accumulated rich experience in the study of learning engagement， and their empirical research on learning engagement under multiple situations can provide more practical references for Chinese scholars. A statistical analysis of foreign empirical research papers in the past decade with a systematic literature review method found that： （1） Empirical studies on foreign learning engagement mainly involve three subject areas， education， medicine and linguistics， and research scenarios include traditional classroom， gamified classroom and online learning. The research objects are mostly college students， and the research methods are mainly quantitative and mixed; （2） The conceptual framework of learning engagement is complex and diverse， including students physical and psychological engagement in their studies; （3） The index system of learning engagement is relatively broad， which provides a reference for the construction of the index system of learning engagement under different situations; （4） The influencing factors are the focus of foreign empirical research on learning engagement， mainly including teachers， students， curriculum， environment and peers; （5） The measurement of learning engagement is still dominated by the traditional methods such as self-report and coding， and the prediction and evaluation of students learning performance based on multi-modal data will become an important direction for the future. When carrying out empirical research on learning engagement， Chinese scholars should pay attention to the situational concept， the multi-dimensional index， the diversified scene， the diversified structure and the multi-source data， and strengthen the depth and breadth of empirical research on learning engagement.

Keywords： Learning Engagement; Empirical Research; Systematic Literature Review; Research Characteristics; Influencing Factors; Measurement Methods