作者简介：杨立军，1969年生，女，辽宁抚顺人，南京邮电大学教学质量监控与评估中心副研究员，研究方向为大学生学习与发展；韩晓玲，1986年生，女，安徽安庆人，南京邮电大学教育科学与技术学院2011级研究生，研究方向为大学生学习与发展。

　　内容提要：学习投入影响学习成效，是当下探讨大学生学习与发展的热点。本研究采用追踪研究设计并利用NSSE-China问卷对南京某工科高校2008级学生进行了历时四年的追踪调查，采用多层线性模型(HLM)分别构建了线性和非线性模型，探讨大学生学习投入五维度指标(学业挑战度、主动合作学习水平、生师互动、教育实践丰富度、校园环境支持度)的变化趋势和特点。结果表明，大学生学习投入变化具有一定的规律：第一，总体上学习投入五维度指标呈显著增长趋势；第二，学习投入五维度指标变化不均匀，呈现显著的非线性变化特征；第三，学习投入五维度指标间存在交互作用。另外，学习投入变化还存在除时间外的其他影响因素。

　　关 键 词：学习投入 变化趋势 追踪调查 HLM

　　学习投入(Student Engagement)是21世纪初出现的关于院校评估和标志院校改进程度的重要词汇，George D. Kuh甚至形容其为美国高等教育史上的一条故事线[1]。学习投入是George D. Kuh在Tyler的“任务时间”、Pace的“努力质量”、Astin的“学生参与”、Tinto的“社会和学术整合”、Chickering的“有效教育原则”等理论基础上提出的，是学生努力、教师要求和院校支持的综合反映。学习投入有助于促进学生学习能力的发展[2]，Pascarella甚至认为学习投入是影响院校和个人发展的决定性因素[3]。因此，学习投入作为学习成效和院校表现的重要标志[4]，被广泛应用于院校评价中。其中，以“学习投入”作为调查核心的两项最有影响力的调查则是NSSE(National Survey of Student Engagement)和CCSSE(The Community College Survey of Student Engagement)[1]。其调查结果不仅应用于院校评价，甚至在美国大学排行中也得到应用，学习投入一时间成为了美国教育政策讨论和学者研究的热点。

　　在我国，学习投入概念的兴起则是近几年的事情。学习投入概念最早出现在心理学研究领域，而作为评价教育质量的内涵则是在清华大学引进NSSE工具进行学情调查之后(2007年引进并形成NSSE-China，2009年开展首次全国调查)。随着以“学”为中心质量观的进一步明确，以及对于上一轮本科教学评估的质量测量局限性的认识，教育质量评价逐渐由评“教”向评“学”转变[5]，以真正探寻教育质量生成的本质——学生学习。对汉化后的NSSE－China调查问卷结构的分析认为，代表NSSE学习投入的五维度指标，即学业挑战度LAC(Level of Academic Challenge)、合作性学习水平ACL(Active and Collaborative Learning)、生师互动水平SFI(Student－Faculty Interaction)、教学经验丰富度EEE(Enriching Educational Experiences)和校园环境支持度SCE(Supportive Campus Environment)，在中国情境下仍然存在，有些指标信度甚至好于NSSE[6]。学习投入调查以学生自我报告形式，围绕学习过程和教学实践，反馈学生自身的努力情况、感知教师的学业要求和院校支持的程度，试图以五维度指标以及构建的其他小量表[7]探究学生学习过程，揭示质量“黑箱”的形成本质。

　　然而，代表学习投入的五维度指标是如何变化的？变化规律与机制如何？国外相关研究多是横断面研究[8]，没能回答这一问题；已有的相关纵向研究[9]也非严格意义上的追踪，对于该问题的探究有限。而在中国，由于该工具刚刚引入，尚未见对相关追踪研究的报道。学习投入对于大学生学习和发展如此重要，探究其变化规律就显得十分必要，对于了解大学生学习过程也是意义重大，本研究的目的即在于此。

　　一、学习投入测量工具简介

　　(一)学习投入五维度指标

　　为量化大学生学习投入状况，NSSE按照相关理论构建了五维度指标。NSSE－China调查开展4年来，每年都会构建五个维度的“985工程”高校、“211工程”高校以及地方高校的全国常模。第一维度是学业挑战度，该指标由11个问题组成，主要包括学生学习投入的时间、学生的阅读量、写作量以及课程严格要求程度等；第二维度是主动合作学习，该指标由6个问题组成，包括学生课堂上提问或回答问题、课上或课后与同学问交流合作、一起做实验或讨论问题等；第三维度是生师互动，该指标由7个问题组成，包括师生学业与成长沟通、学生参与教师的项目、反馈学生学习表现等；第四维度是教育经验丰富程度，该指标由14个问题组成，包括实习、社区服务或志愿活动、社会调查、社会实践、课程以外的学习、参加各类学术竞赛等；第五维度是校园环境支持度，该指标由8个问题组成，包括学校对学生的人际关系和情感支持、财政支持以及学生与教师、行政人员的关系等。上述五维度指标是本研究的探究对象。

　　(二)学习投入测量工具的信效度指标

　　NSSE－China每年均报告工具的信效度指标。2009－2012年的问卷使用手册[10]中，五大指标的信度(标准阿尔法值均在0.6以上)较高，以大学生自我报告的教育收获为效标，五大指标和效标的关联效度均在0.001水平上达到显著相关。本研究采用NSSE－China工具，对南京某工科高校2008级的学生进行了历时四年的追踪调查。

　　二、数据及分析工具

　　(一)数据结构

　　本数据来源于研究初始的追踪设计。调查对象为2008级本科生，抽样原则是按照预计回收率(60％)、抽样误差(5％)进行完全随机抽样(全部学生为3603人)。经样本代表性检验(专业、性别、民族、城乡等分布)后，确定样本为813人。2009年至2013年，对该批学生共计调查四次。四次调查有一定的样本流失，具有有效数据的样本为500个(删除测谎题反应异常、缺失数据过多的无效样本)，计入分析的样本430个(删除了只有一次记录的样本[11])。样本的差异检验表明，不存在性别、专业、民族和城乡上的显著差异。

　　原始抽样样本(813人)的人口学特征如下：男生570人，女生243人；城市户口493人，农村户口320人；文科160人，理科653人。计入分析的样本(430人)的人口学特征为：男生样本占60.5％(260人)，女生样本占39.5％(170人)；文科样本占20.9％(90人)，理科样本占79.1％(340人)；汉族样本占99.1％(426人)，回族样本占0.5％(2人)，瑶族、彝族样本各占0.2％(1人)；城镇户籍的样本占54.0％(232人)，农村户籍的样本占46.0％(198人)。经检验，样本分布与原始抽样分布无显著差异。

　　(二)数据分析技术与工具

　　对于追踪研究的数据处理，以往通常使用重复测量数据的方差分析和多元回归分析。由于这些分析经常会受条件限制(以方差齐性和随机误差独立为前提)，而多层线性模型分析技术(HLM)没有这些条件限制，并可以有效处理缺失数据，对于追踪研究的纵向数据可以做到充分利用(追踪研究中存在部分测量时间点个案缺失和部分缺失数据)，是处理追踪数据的有效方法[12]。本研究采用HLM软件构建了多元多层分析模型。同时，为了使样本具有代表性，我们对追踪数据进行了加权处理，即赋予不同特征(性别、城乡、文/理科)追踪群体以不同的权重，权重与样本被抽到的概率成反比，从而使追踪过程流失导致的样本偏差得到了矫正。

　　三、数据分析结果

　　(一)数据的初步探索

　　一般来说，在对数据与假设模型的正式拟合性分析之前，往往需要对数据进行探索性分析，以帮助我们发现数据的一般变化模式，为确定模型(线性、非线性)的函数类型提供直观线索[12]。通过数据描述统计量和统计图，可以观察个体的五维度指标变化趋势及个体间的差异，初步探索五维度指标的发展规律。

　　从表1可以看出，五维度指标四次测量每年均有一定程度的增长(学业挑战度LAC第二年有小的波动除外)。另以生师互动指标为例，按照430个追踪样本以及随机选取10个个体进行线性和非线性(拟设存在二次型变化和三次型变化，T取时间序列的平方和三次方)作图，初步了解指标随时间变化的大致趋势，如图1－图4所示。图示表明，大一(第一次测量)到大四(第四次测量)的生师互动指标随时间推移有上升趋势，但不同个体上升的速度(斜率)不同，显示了个体间发展的差异。图3、图4还显示了生师互动指标的非线性变化趋势。

　　图1　430个样本生师互动指标线性变化趋势

　　图2　10个样本生师互动指标线性变化趋势

　　图3　10个样本生师互动指标非线性二次变化趋势

　　图4　10个样本生师互动指标非线性三次变化趋势