学生对学习没有兴趣或缺乏动力却又不得不为之时,就会感到厌倦、疲乏、沮丧和挫折,从而产生一系列不适当的逃避学习行为,这种状态称为学习倦怠[1],它与学习成绩、学校的辍学率、生理和心理健康状态甚至自杀意念等有着密切关系[2]。作为反映大学生消极学习心理的重要指标,大学生学习倦怠现象一直是国内外学者的研究热点。
在国内研究中,参照Maslach和Leiter所提出的职业倦怠三因子结构模型及相应的倦怠测量问卷(Maslach Burnout Inventory,MBI)。[3]连榕和杨丽娴从情绪和行为两个方面来描述学习倦怠,编制了适用于中国大学生学习情境的学习倦怠问卷。该问卷分为三个维度:情绪低落、行为不当,和成就感低。情绪低落,反映大学生由于不能很好地处理学习中的问题与要求,表现出倦怠、沮丧、缺乏兴趣等情绪特征;行为不当,反映大学生由于厌倦学习而表现出逃课、不认真听课、迟到、早退、不交作业等行为特征;成就感低,反映大学生在学习过程中体验到低成就的感受,或指完成学习任务时能力不足所产生的学习能力上的低成就感。[4]47—51基于连榕和杨丽娴对学习倦怠的定义及相应的测量工具的运用,研究者们对中国大学生学习倦怠做了大量调研,研究结果除了比较一致地强调大学生学习倦怠现象的普遍存在之外,还对学习倦怠在性别、生源地、专业类别、年级等人口学变量上的差异进行了检验和分析,但研究结果存在很大的分歧。例如对于大学生学习倦怠的生源地差异,有研究显示农村生源大学生的学习倦怠程度要严重于城市生源大学生[5],但有研究却报告了相反的结果[6],而宋洪峰和段樱珊的研究却表明不存在显著的生源地差异[7]。对于性别、专业类别和年级差异,同样也存在相当程度的不一致。文献综述表明,在对大学生学习倦怠的影响因素中,学业自我效能感和专业承诺是两个重要个体内部因素。学业自我效能感是自我效能感在学习领域内的表现,指个体的学业能力信念,是学习者对自己能否利用所拥有的能力或技能去完成学习任务的自信程度的评价,是个体对控制自己学习行为和学习成绩能力的一种主观判断。而大学生的专业承诺是指大学生认同所学专业并愿意付出相应努力的积极态度和行为。[4]47—51以往研究普遍报告了这两个因素与学习倦怠及其三个子维度的负向关系,但是对于它们之间的关系强度,研究者们莫衷一是,从弱相关到强相关都有报告,因此,无法准确判断学业自我效能和专业承诺对大学生学习倦怠的预测力。
上述因素与大学生学习倦怠关系研究结果的不一致,在很大程度上与研究工具、调查对象、施测过程、统计检验等有密切关系。元分析作为一种重要的研究手段,它能在计算不同研究的合并效应值及其方向的基础上,使有争议的研究结果得出一个定量的结论。因此,本研究采用元分析的方法对以往相关实证研究结果进行定量分析,以明确各影响因素与大学生学习倦怠的关系,从而为高校的有关教育教学和管理工作提供客观可靠的依据,在提升学生学习质量的过程中做到有的放矢。
二、研究设计与研究方法 (一) 文献收集本研究主要从中国知网数据库、万方数据检索和谷歌学术进行文献检索。第一步,搜索题名、关键词、摘要和关键词中包含“学习/学业倦怠”的文献,同时筛选出实证量化研究的文献;第二步,在实证研究中进一步查找探讨学习/学业倦怠与学业/学习自我效能感关系的文献,以及探讨学习/学业倦怠与专业承诺关系的文献;第三步,筛选出以大学生为研究对象的文献,且文献中必须提供研究变量间的相关系数和准确样本量,如文献中只报告了研究变量因子间相关系数,但未报告总体相关的,效应值取各个因子相关的平均数;第四步,剔除重复发表文献,如将学位论文发表在学术期刊上的,为保证数据全面性,保留学位论文。最终获取满足元分析标准的研究72项,发表时间段从2004到2014年,其中包括学术期刊论文52篇,学位论文20篇,样本总容量为33 815人。
(二) 元分析程序本研究使用CMA 2.0(Comprehensive Meta-Analysis 2.0)专业版软件进行元分析,在对大学生学习倦怠的人口学变量差异的分析中采用效果量d,在对学业自我效能感、专业承诺与学习倦怠的关系的分析中采用效果量r。根据文献中报告的平均数和标准差计算效果量d,根据相关系数计算效果量r。运用CMA 2.0软件进行统计可以得到固定模型和随机模型两种分析结果。固定模型和随机模型的不同主要在于计算权重时使用的成分不同。固定模型使用研究内的变异计算权重,随机模型使用研究内和研究间的变异计算权重,当效应值异质时采用随机模型分析的处理方法。[8]因为随机模型除考虑研究间变异之外,还允许估计效应分布的平均值,这可以防止低估小样本研究的权重或者高估大样本的权重,它能产生更大的置信区间,从而获得更为稳妥和保守的结论。
三、研究结果与分析讨论 (一) 人口学变量对大学生学习倦怠的影响(1) 以各原始文献中的男大学生作为调查组,女大学生作为对照组,样本总量为18 473人,其中男大学生7 575人,女大学生10 898人;(2)以城市生源大学生作为调查组,农村生源大学生作为对照组,样本总量为6 066人,其中城市生源大学生2 207人,农村生源大学生3 859人;(3)以理工科大学生为调查组,文科大学生作为对照组,样本总量为7 674人,其中理工科大学生3 765人,文科大学生3 909人。此外,对大一(3 589人)、大二(3 587人)、大三(2 652人)和大四(1 303人)4个年级进行分别对比。
大学生学习倦怠及其三个维度的人口学差异效应值的Q检验皆达到显著水平,如表 1所示,故选用随机效应模型分析法。结果显示,就性别差异而言,除成就感低维度外,学习倦怠总体、情绪低落和行为不当维度的合并效应值皆大于0,Z值达到显著水平,且95%的置信区间都不包括0,表明男大学生与女大学生在学习倦怠总体、情绪低落、和行为不当维度的得分有显著差异。同理,可发现城市生源大学生在学习倦怠整体和情绪低落维度上的得分显著高于农村生源大学生,理工科大学生在学习倦怠整体和情绪低落维度上的得分显著高于文科大学生。
大二学生在学习倦怠总体和行为不当维度上的得分显著高于大一、大三和大四学生,大二和大三学生在情绪低落维度上的得分显著高于大一学生,大二学生在成就感低维度上的得分显著高于大三、大四学生,如表 2所示。根据Cohen提出的d值标准(|d|≤0.2为小效应、0.2<|d|<0.8为中效应、|d|≥0.8为大效应)[9],学习倦怠的人口学差异效应值皆在0.20以下,属于小效应。
(二) 学业自我效能感对大学生学习倦怠的影响 1. 同质性检验
纳入元分析的文献中,涉及学业自我效能感与学习倦怠关系的研究共22项,被试总量12 185人。同质性检验结果如表 3所示,Q值达到显著水平,说明文献间存在异质性,不宜采用固定模型分析方法;I-squared值约为95.7,表明约95.7%的观察变异是由于效应值的真实差异造成的,而只有约4.3%的观察变异;Tau-squared值是0.041, 这说明研究间变异有4.1%可用于计算权重。
2. 主效应检验
基于同质性检验结果,本研究采用随机效应模型分析法从整体上检验学业自我效能感对学习倦怠的预测效应。学业自我效能感与大学生学习倦怠的相关系数是-0.483,如表 4所示,按照Lipsey和Wilson提出的标准(当效应值是相关系数时,如果|r|≤0.10为小效应值,|r|=0.25为中等效应值,|r|≥0.40大效应值)[10]48—51,为较高强度的相关,且达到显著水平。
进一步对学业自我效能与学习倦怠不同维度的相关进行差异比较。学业自我效能感与情绪低落维度的相关系数为中等强度相关,与其他维度为较高强度相关,各系数皆达到显著水平,如表 5所示。此外,Q组间值达到显著,说明学业自我效能与不同学习倦怠维度的相关有显著差异。
(三) 大学生专业承诺对学习倦怠的影响 1. 同质性检验
纳入元分析的文献中,涉及专业承诺与大学生学习倦怠关系的研究共50项,被试总量21 630人。同质性检验结果如表 6所示,Q值达到显著水平,说明文献间存在异质性,不宜采用固定模型分析方法;I-squared值约为92.5,表明约92.5%的观察变异是由于效应值的真实差异造成的,而只有约7.5%的观察变异;Tau-squared值是0.029,这说明研究间变异有2.9%可用于计算权重。
2. 主效应检验
随机效应模型分析结果如表 7所示,专业承诺与大学生学习倦怠的相关系数是-0.426,按照Lipsey和Wilson提出的标准[10]48—51,为较高强度的相关,且达到显著水平。
进一步对专业承诺与学习倦怠不同维度的相关进行差异比较。专业承诺与成就感低维度的相关系数为较高强度相关,与其他维度为中等强度相关,各系数皆达到显著水平,如表 8所示。此外,Q组间值达到显著,说明专业承诺与不同学习倦怠维度的相关有显著差异。
四、结论与建议 (一) 结论
本研究运用元分析方法,从系统性和整合性的角度分析了人口学变量、学业自我效能感和专业承诺对中国大学生学习倦怠的影响,根据研究结果,得出如下结论。
男性大学生在学习倦怠整体、情绪低落和行为不当维度上得分显著高于女大学生;城市生源大学生在学习倦怠整体和情绪低落维度上的得分显著高于农村生源大学生;理工科大学生在学习倦怠整体和情绪低落维度上的得分显著高于文科大学生;对于年级差异,突出表现在大二学生在学习倦怠整体及三个分维度上得分显著高于其他年级学生。
学业自我效能感和专业承诺对大学生学习倦怠有较高程度的负向预测力,尤其体现在学习倦怠整体和成就感低维度上。这表明学业自我效能感和专业承诺都是影响大学生学习倦怠的重要因素,当大学生个体对所学专业认同感越高并愿意为之付出相应努力,有较高的自信去利用所拥有的能力或技能来完成学习任务时,沮丧、缺乏学习兴趣等情绪特征便越少,逃课、早退等不良学习行为便越少发生,尤其在学习过程中更少体验到低成就感。
总的来说,人口学变量对中国大学生学习倦怠的影响有限,学习倦怠的人口学差异效应值都处在0.20以下,属于小效应。而学业自我效能感、专业承诺显著影响大学生学习倦怠及其各因子,效应值均大于0.3,属于中高强度的效应量。因此,高等学校在教育教学和管理实践中应从提升学生专业承诺和学业自我效能感两个方面着手来有效避免或减轻大学生学习倦怠问题。
(二) 建议首先,重视大学生学习倦怠问题,重点关注易发群体。根据Leiter和Maslach提出的匹配——不配模型的观点,学习倦怠并非大学学业或学生本身单方面原因引起的,而在于它们之间的匹配程度,差距越大,越易产生学习倦怠。在大学阶段,很多学生已没有继续升学的压力,更多考虑未来的就业和个人发展问题,易产生对大学学习的认知偏差,松懈感和得过且过的心态。而高校在专业设置、课程安排、教学和管理水平等方面与学生的现实需求也存在一定的不匹配。一方面,高校应重点关注男生、理工科、大二学生等这类学习倦怠群体,深入调查,明确这些群体产生学习倦怠的原因,疏导并举,引导学生明确学习目标,对他们现阶段所遇到的的困惑,提供详细专业的指导,加强他们对自己目前和未来的自我认识和职业规划,结合自己的专业优势和自身优势设置合理的学习目标并以学习目标为引导,提高他们学习的积极性和兴趣。另一方面,高校在进一步深化教育教学改革的过程中,应通过合理调整课程学习内容和任务量,规范学生激励机制和考勤制度,营造良好的学生集体环境和氛围,切实做到以学生为中心等途径实现学生个体与大学学业的匹配。
其次,完善教育教学策略,利用多种途径提升大学生学业自我效能感。学业自我效能感影响个体的学习努力程度、面对挑战性任务的态度、学习的坚持性、学习策略和元认知策略的运用等方面,进而有效避免学习倦怠的发生。有研究指出改善学习环境、氛围和教学方法能有效提高学生的学业自我效能感,如合作式学习模式和探究性教学活动与学生自我效能的提升呈显著相关。[11]因此,在教学过程中,学习任务的难度要适中,如果学习任务过于简单,学生将会觉得乏味,而难度过大,学生难以完成,易强化低效能感,进而产生挫败感、抵触情绪和行为。要给予学生经常性的和聚焦式的鼓励和表扬,例如在给学生的学习成绩进行反馈时,避免学生之间的比较,而是与学生之前的表现进行比较,避免低成就感。此外,引导学生形成合理的归因方式,通过角色榜样,提供学习策略等方式也能有效提高学业自我效能。
最后,优化专业和课程设置,提升大学生专业承诺水平。高校专业设置要避免盲目性,应与现实需求密切结合,做好招生宣讲、学生入学教育、日常专业思想教育工作,引导学生树立积极正确的价值取向,培养学生形成对所学专业的认同感和责任感。通过良好的专业学习资源投入和专业学习环境、氛围建设,为学生兴趣和专长的发挥提供保障。提升教师教学水平,在专业课程设置中,应注意课程内容的专业性、前沿性,趣味性,适当增加实践环节,并且要大力倡导任课教师不断改革教学方法,探索新的授课方式,丰富教学内容。密切课程学习与实践操作的联系,充分调动学生的主动性与参与性,提升学生对专业的热情和投入程度。除此之外,还应将职业生涯辅导等工作落到实处,使得学生的专业学习有明确目标和可发展性。
[1] |
宋洪峰, 段樱珊. 大学生心理资本对学业倦怠影响的统计分析[J]. 统计观察, 2014(8): 116-119. |
[2] |
MAROCO J, CAMPOS J A. Defining the student burnout construct:A structural analysis from three burnout inventories[J]. Psychological Reports, 2012, 111(3): 814-830. DOI:10.2466/14.10.20.PR0.111.6.814-830 |
[3] |
MASLAEH C, LEITER M P. The truth about burnout[M]. San Francisco, CA: Jossey-Bass Publishers, 1997.
|
[4] |
连榕, 杨丽娴. 大学生专业承诺、学习倦怠的状况及其关系[J]. 心理科学, 2006, 29(1): 47-51. |
[5] |
朱明科, 邓日勇. 大学生学习倦怠与一般自我效能感的相关研究[J]. 桂林师范高等专科学校学报, 2011, 25(2): 93-98. |
[6] |
陈丽. 高校护士生学业自我效能感与学习倦怠的相关研究[D]. 石家庄: 河北师范大学, 2013.
|
[7] |
宋洪峰, 段樱珊. 大学生心理资本对学业倦怠影响的统计分析[J]. 统计观察, 2014(8): 116-119. |
[8] |
LIPSEY M, WILSON D. Practical meta-analysis[M]. California, America: Sage, 2001, 24-27.
|
[9] |
FENCL H, SCHEEL K. Engaging students:An examination of the effects of teaching strategies on self-efficacy and course climate in a nonmajors physics course[J]. Journal of College Science Teaching, 2005, 35(1): 20. |
[10] |
LEITER M P, MASLACH C. Burnout and quality in a speed-up world[J]. Journal for Quality & Participation, 2011, 24(2): 48-51. |
[11] |
REBECCA M, DEBORAH K, ROBERT F, et al. The prevalence and correlations of medical student burnout in thepre-clinical years:a cross-sectional study[J]. Psychology Health & Medicine, 2012, 17(2): 188-195. |