基于SEM的大學生自主學習能力評價體系構建

李輝婕 章雯 吳自紅 黃繼超 吳自明

［摘 要］文章以江西省六所本科高校的創新實驗班大學生為研究對象，共收集了497份調研數據?；谖墨I分析與專家訪談，結合當前社會需求及大學生的基本特征，利用結構方程模型中的高階驗證性因素分析方法，構建了大學生自主學習能力高階驗證性因素分析模型，驗證了由學習意識能力、自主規劃能力、自主調控能力、自主評價能力、交流協作能力5個維度及16個測量指標組成的大學生自主學習能力評價指標體系。研究結果表明，評價模型擬合較好，該評價指標體系具備較高的科學性和合理性，可以為優化大學生自主學習能力培養體系及設有創新實驗班的高校提供參考。

［關鍵詞］大學生；自主學習能力；評價體系；結構方程模型

［中圖分類號］ G645 ［文獻標識碼］ A ［文章編號］ 2095-3437（2022）11-0288-04

當前正處于信息技術高速發展階段，在信息化時代背景下，知識更新的速度不斷提升，學生僅依靠大學四年的知識儲備并不足以應對未來科學技術的更新迭代與學科領域的融合發展。隨著互聯網信息技術的拓展，大學生對知識信息的獲得不再局限于課堂，而是可以通過知識網站、在線課程等新媒體形式，在電腦端、手機端輕松獲取，這些渠道逐漸成為大學生獲取知識的重要路徑[1]。因此，就大學生而言，具備自主學習能力顯得尤為重要。早在1972年，聯合國教科文組織國際教育發展委員會的報告《學會生存：教育世界的今天與明天》就提出了“終身教育”的理念。2010年7月，我國發布的《國家中長期教育改革和發展規劃綱要（2010—2020年）》強調，要著力提高大學生的學習能力，鼓勵學生利用信息手段主動學習、自主學習，促進學生主動適應社會。2016年9月，教育部發布《中國學生發展核心素養》，特別強調學生要具備終身學習的意識和能力，自主學習。

國內外學者從不同角度對自主學習進行了大量的研究與界定，并將其內涵不斷豐富與完善。Henri Holec認為，自主學習是學習者管理自己學習的能力，主要體現在是否能夠自主確定學習目標；自主決定學習內容和學習進度；根據學習內容選擇學習策略；監控自身學習過程；自我評估學習效果。Knowles認為，自主學習是學習者積極管理其自身學習的過程[2]。王丹認為自主學習是指學生自己決定學習行為，對學習活動具有支配和控制的能力，能夠自我選擇和自我決定，按照既定計劃培養自己，并能對學習結果進行自我評價和調控的一種學習模式[3]。王潔和蔣燦華認為，自主學習能力是學習者對自己的學習過程進行自主規劃、自覺管理、積極實施，并主動對學習結果負責的一種綜合學習能力[4]。鐘啟泉和崔允漷提出，自主學習是個體自覺確定學習目標、制訂學習計劃、選擇學習方法、監控學習過程、評價學習結果的過程或能力[5]。本研究基于定量分析的方法，以江西六所高校的創新實驗班大學生為調查對象，通過問卷收集數據，對大學生自主學習能力評價體系的構建進行研究。

一、構建評價指標體系

通過梳理相關研究文獻發現，現有研究主要圍繞不同教學情境、不同研究對象自主學習能力培養策略的探討與優化，而對大學生自主學習能力評價指標體系的研究尚且較少。張俐、劉波、包士雷以大學生自主學習的影響因素分析為基礎，通過文獻分析、問卷調查和專家咨詢，對評價體系的鑒別力、信度和效度進行分析，構建了由4個一級指標 （自主意識、學習意識、計劃意識、交流意識）和25個二級指標組成的評價體系[6]。林玲以集美大學為例，通過問卷調查、定量分析、層次分析法（AHP）、模糊綜合評價法、德爾菲法，構建了大學生自主學習能力的AHP－模糊綜合評價模型，評價指標分為5個一級指標（自主學習動機、自主學習計劃、自主學習過程實施、自我調控能力、自我評價能力）和19個二級指標[7]。耿勁松、唐望晶、王國華等基于Delphi專家咨詢法、循證證據分析法及數理統計法，計算專家權威系數、協調系數和指標權重，采用定性與定量相結合的方式，構建了包括4個一級指標（自主學習意識、自主學習計劃、自主學習實施和自主學習效果）、9個二級指標和26個三級指標的醫學生自主學習能力評價體系[8]。鄭紅梅基于大學生自主學習能力的構成和影響因素，對評價體系展開了定性研究，形成了有5個一級指標（學習意識能力、自我規劃能力、自我調控能力、自我評價能力、交流協作能力）和20個二級指標的評價體系[9]。

已有的研究尚未形成統一標準，也少有采用結構方程模型中的高階驗證性因素分析方法對大學生自主學習能力評價體系的構建進行研究。為保證評價指標體系的科學性與合理性，筆者以現有研究為基礎，與多位從事本科生教育的資深專家進行了訪談，并結合當前社會需求和大學生的特征，探索性地提出了5個二級指標和16個三級指標的評價體系（詳見表1）。

結構方程模型方法具有主客觀法相結合的優勢，該技術可應用于指標體系的建構[10]。 課題組采用結構方程模型方法中的高階驗證性因素分析（second-order CFA model）構建高階驗證性因素分析模型，檢驗“創新實驗班大學生自主學習能力評價指標體系”的合理性與科學性，主要使用的數據分析軟件是SPSS 23. 0和AMOS 23. 0。課題組以評價指標體系為基礎，構建了創新實驗班大學生自主學習能力評價模型（見圖1）。其中，一級指標為外因潛在變量，即高階因素構建“創新實驗班大學生自主學習能力”；二級指標為內因潛在變量，劃分為五大模塊，即由五個初階因素（學習意識、自主規劃、自主調控、自主評價、交流協作）組成。由于設定的二級指標作為內因潛在變量無法直接測量，因此，借助三級指標劃分的若干內因顯變量作為二級指標的測量變量。

二、研究設計

（一）數據來源

基于初步構建的評價指標體系，結合專家訪談與文獻研究，采用Likert 5量表法編制調查問卷，并通過預調查的方式，收集反饋意見對問卷進行修改與完善。調查對象是南昌大學（綜合實驗班）、江西財經大學（信毅實踐班）、江西師范大學（創新創業實驗班）、江西農業大學（惟義農學實驗班）、江西中醫藥大學（雙惟實踐班）、南昌航空大學（知行實踐班）的大學生?？紤]到一年級新生處于培養初期，因此，此次調查范圍以大二、大三和大四學生為主。2019年11月至12月，課題組利用分層抽樣的方法向江西省六所本科高校的各年級創新實驗班學生發放問卷570份，回收問卷518份，回收率為90.88% ，其中有效問卷497份，有效率為95.95%。

根據問卷調查數據的統計結果表明：1.創新實驗班大學生的男生比例（53.70%）略高于女生（46.30%）；2.其中，學生戶口以城鎮戶口（59.80%）為主；3.為獨生子女（59.20%）的學生居多；4.獨生子女以城鎮戶口（165人）為主，非獨生子女以農村戶口（162人）為主。調查樣本的具體分布見表2。

（二）問卷量表的信度與相關性分析

課題組利用SPSS 23.0數據分析軟件，通過可靠性分析與因子分析對學習意識、自主規劃、自主調控、自主評價、交流協作的信度與相關性進行檢驗。學習意識的Cronbach's α值為0.785＞0.7，KMO統計值為0.777＞0.7；自主規劃的Cronbach's α值為0.823＞0.8，KMO統計值為0.708＞0.7；自主調控的Cronbach's α值為0.733＞0.7，KMO統計值為0.655，接近基準值0.7；自主評價的Cronbach's α值為0.810＞0.8，KMO統計值為0.689，接近基準值0.7；交流協作的Cronbach's α值為0.776＞0.7，KMO統計值為0.690，接近基準值0.7。Henson認為Cronbach's α值大于0.7時具有較高的信度，表明量表內部一直性良好，問卷信度水平較高。各維度之間的皮爾遜相關系數在0.5到0.6之間，呈正相關，且均達到0.01顯著性水平。測量指標能夠較好地反映潛變量的特征。

（三）問卷量表的結構效度檢驗

初階因素的因素載荷介于0.6至0.9之間，均大于0.6且均達顯著性水平（P＜0. 001）。高階因素的標準化結構系數，即初階因素被高階因素解釋的因素載荷[11]，大學生自主學習能力對學習意識、自主規劃、自主調控、自主評價、交流協作解釋的因素載荷分別為0.88、0.85、0.89、0.90和0.76，均大于0.7且均達到顯著性水平（P＜0. 001）。由此表明，初階因素在高階因素和測量指標在初階因素的因素負荷量均比較理想。

課題組利用AMOS 23.0軟件，通過高階驗證性因子分析，檢驗大學生自主學習能力理論模型的結構效度。高階因素（創新實驗班大學生自主學習能力）的組合信度（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]為內因潛在變量的組合信度，[ρV]為內因潛在變量的平均方差提取值，[λ]為標準化因素負荷量，[θ]為測量誤差。

Hair認為潛變量的CR值應大于0.7，Fornell和Larcker認為潛變量的AVE值應大于0.5。根據上述公式計算潛變量的組成信度（CR）與平均方差提取值（AVE），CR值分別為0.792、0.827、0.742、0.814和0.782，AVE值分別為0.489、0.614、0.492、0.594和0.545。CR值均大于標準值0.7，除學習意識、自主調控的AVE值略低于0.5，其他維度的AVE值均大于標準值0.5。因此，可認為各維度的潛變量具有良好的收斂效度。同時，初階因素的平均方差提取值的平方根（學習意識為0.699、自主規劃為0.784、自主調控為0.701、自主評價為0.771、交流協作為0.738）均大于其對應的皮爾遜相關系數（介于0.5到0.6之間），各潛變量之間能夠相互區分，具有較好的區別效度。綜上分析，表明問卷量表設計和理論模型的結構效度較為理想，證明本文構建的大學生自主學習能力評價指標體系具有一定的合理性與科學性。

三、模型的擬合檢驗與應用

課題組基于極大似然估計方法，利用AMOS 23.0軟件對大學生自主學習能力評價模型進行模型適配度擬合檢驗（見表3）。模型經修正后（見圖2），卡方值為264.119。GIF值=0.939；AGIF值=0.915，均大于標準值0.9。近似誤差均方根RMSEA值=0.058，小于標準值0.08，說明模型適配合理。NFI值=0.932；RFI值=0.916；IFI值=0.956；TLI值=0.946；CFI值=0.956，均大于標準值0.9。卡方值與自由度之比的NC值=2.853（標準值介于1至3之間），表示模型有簡約適配程度。PGFI值=0.761；PNFI值=0.780，均大于標準值0.5。Marsh等認為若檢驗結果達標，則證明模型具有良好的結構效度[13]。綜上所述，大學生自主學習能力評價模型擬合較好，也說明整體模型具有良好的結構效度。

測量指標相對于初階因素的重要程度，以及初階因素相對于高階因素的重要程度可通過變量間因素負荷量取值的大小來判斷，并據此可為各級指標分配權重[14]。初階因素學習意識、自主規劃、自主調控、自主評價、交流協作的因素負荷量取值分別為0.88、0.85、0.89、0.90和0.76，學習意識的相對權重為（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.88≈0.206；自主規劃的相對權重為（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.85≈0.199；自主調控的相對權重為（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.89≈0.208；自主評價的相對權重為（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.90≈0.210；交流協作的相對權重為（0.88+ 0.85+ 0.89+ 0.90+ 0.76）/0.76≈0.178，同理可計算出全部測量指標的相對權重。評價大學生自主學習能力的5個維度，其重要程度由大到小依次為自主評價、自主調控、學習意識、自主規劃、交流協作。自我評價在大學生自主學習能力評價指標體系中的相對重要程度最高，需要學習者做到自我認識、自我檢查、自我測試，自我認識需要學習者明確自身的實際需求；自我檢查能夠幫助學習者樹立正確的學習動機和傾向，確保在發生懈怠時及時進行校正；自我測試在國外傳播廣泛，而在國內的研究甚少，主動對階段性的學習成果進行測試，有利于增強學習者自主學習的信心。目前，高校主要側重于加強學習意識和交流協作等培養環節，忽視了自主評價、自主調控和自主規劃的重要性。因此，課題組認為高校應重新審視培養環節中各因素的分配比重，以解決目前大學生自主學習能力培養方案中比重失衡、形式單一等問題。

四、結論

文章基于文獻研究和專家訪談，從學習意識能力、自主規劃能力、自主調控能力、自主評價能力、交流協作能力等5個維度構建了創新實驗班大學生自主學習能力評價指標體系。借助AMOS 23.0軟件，基于結構方程模型（SEM）方法和調查問卷獲得的樣本數據，對創新實驗班大學生自主學習能力評價指標體系進行了定量研究，最終形成了可用于評價大學生自主學習能力的評價指標體系。根據高階驗證性因素分析模型的各項指標顯示，所構建的評價指標體系具有較高的可信度與科學性。由于調查對象為江西六所高校的創新實驗班大學生，其普遍適用性有待今后進一步檢驗和研究。

［ 參 考 文 獻 ］

[1] 秦強.基于信息化背景的大學生學習特征及策略研究[J].教育理論與實踐，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.大學生自主學習能力的培養[J].華夏醫學，2014（3）：108-110.

[4] 王潔，蔣燦華.創新創業背景下大學生自主學習能力與綜合素質培養[J].高教探索，2016（11）：117-120.

[5] 鐘啟泉，崔允漷.新課程的理念與創新：師范生讀本[M].北京：高等教育出版社，2008.

[6] 張俐，劉波，包士雷.大學生自主學習能力培養評價體系研究[J].黑龍江教育學院學報， 2015（2）： 17-19.

[7] 林玲.基于AHP-模糊綜合法的大學生自主學習能力評價：以集美大學為例[J].集美大學學報（教育科學版），2017（1）：24-30.

[8] 耿勁松，唐望晶，王國華，等.醫學生自主學習能力評價指標體系的構建[J].中國高等醫學教育，2015（5）：55-56.

[9] 鄭紅梅.大學生自主學習能力的培養與評價研究[J].中國職業技術教育，2016（13）：66-70.

[10] 田飛.用結構方程模型建構指標體系[J].安徽大學學報（哲學社會科學版），2007（6）：92-95.

[11] 劉一存，李全，文宗川.基于結構方程模型的“DOCTOR”醫院采購管理體系計量驗證[J].中國衛生統計，2018（2）：256-258.

[12] 吳明隆.結構方程模型：AMOS的操作與應用[M].重慶：重慶大學出版社，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] 鄒浩，周恒洋.理工科碩士研究生創新能力評價體系構建研究[J].高等工程教育研究，2015（4）：126-128，153.

［責任編輯：李香蓮］