学生感知的大学数学课堂学习环境基本特征分析

学生感知的大学数学课堂学习环境基本特征分析_大学课堂学习环境

第4章　研究结果

4．1　教师教学观与学生学习风格的相关分析

4．1．1　大学生学习风格的特点

2003年，我们应用“大学生学习风格量表”，以及对西安交通大学3000多名大学生的调查数据，对大学生的学习风格进行了聚类和判别分析，构造了再现导向、意义导向、情景导向三类学习风格的判别函数[1]。在本次研究中，我们根据504名大学生对“大学生学习风格量表”的回答，计算了其在各子量表上的得分，然后把它们代入三个判别函数中，比较这三个判别函数的计算结果，获得了504名大学生的学习风格所属的类别。表4．1列出了不同学习风格的学生占样本总数的比例情况，以及与2001年调查结果的比较情况。

表4．1　采用不同学习风格学习的大学生比例(www.guayunfan.com)

＊2001年对西安交通大学一年级全体学生调查的数据分析结果详见陆根书，于德弘．学习风格与大学生自主学习［M］．西安：西安交通大学出版社，2003．

从表4．1可以看出，参与本次调查的504名大学生中，采用“意义导向”学习风格的学生占25．4%，采用“再现导向”学习风格的学生占39．5%，采用“情景导向”学习风格的学生占35．1%。

与2001年的调查结果相比，采用意义导向学习风格学习的学生比例下降了6．8%，采用再现导向、情景导向学习风格学习的学生比例分别上升了5．4%和1．3%。这一情况表明，大学生采用的学习方式是不容乐观的，不仅采用再现导向、情景导向学习风格学习的学生比例较高，而且随着时间的推移还出现了上升趋势，这与我们培养大学生创新精神与创新能力的要求是存在很大差距的。

表4．2列出了采用三类学习风格学习的学生在“大学生学习风格量表”各子量表上的得分情况。

表4．2　三种学习风格的学生在各维度上的得分比较

续表4．2

4．1．2　教师教学观的特点

在前面的分析中，我们看到，根据学生感知的教师在“教师教学观问卷”五个维度上的得分进行二阶因素分析，可以将教师的教学观分成两个二阶因素，即“促进学习”和“信息传递”两个类型。因此，我们根据因素分析结果，应用回归方法构造了两个新的二阶因素变量，并以这两个变量作为聚类变量，在设定分类数为两类的情况下，对学生感知的教师所属的教学观类型进行了KMeans聚类分析。表4．3列出了持“促进学习”与“信息传递”两类教学观的教师在“教师教学观量表”五个维度上的得分情况。t检验的结果表明，持“促进学习”教学观的教师，在“关心激励”、“学科知识”、“问题解决”和“多媒体”四个维度上的得分要显著高于持“信息传递”教学观的教师；而持“信息传递”教学观的教师，在“传授知识”维度上的得分要显著高于持“促进学习”教学观的教师。

表4．3　持两类教学观的教师在教学观量表各维度上的得分比较

＊＊＊P＜0．001．

为了进一步了解给504位学生上“高等数学”课程的17位教师的教学观特点，我们应用回归方法计算了各位教师在“促进学习”与“信息传递”两种教学观上的平均得分（表4．4）。然后，以“促进学习”为横坐标，以“信息传递”为纵坐标，根据各位教师在两类教学观上的得分将其标在该坐标系上（详见图4．1）。由此，可以将教师划分为四种类型：

表4．4　17名教师在两类教学观上的平均得分

A类（处在图4．1第一象限的教师）：这类教师在促进学习和信息传递两个维度上的得分都较高，说明他们认为教学应该帮助学生成为独立的学习者，他们鼓励学生自己来建构知识，喜欢提出问题供学生们讨论，以帮助学生形成对知识真正的理解，同时他们也认为对知识的记忆也是十分重要的。

图4．1　根据教师教学观对17位教师的分类

B类（处在图4．1第二象限的教师）：这类教师在信息传递维度上的得分高于平均分，而在促进学习维度上的得分低于平均分，其特征与传授知识的教学观相符合。这类教师认为教学就是将课本或大纲所规定的内容呈现给学生，在教学中仅仅局限于向学生传授知识，而不大关注学生是否能够真正理解知识。在这类教师的教学活动中，学生在很大程度上只是一个被动的接受者。

C类（处在图4．1第三象限的教师）：这类教师在促进学习和信息传递两个维度上的得分都低于平均分，说明他们对待教学的态度很模糊，既没有认真地将知识传授给学生，也没有将激发学生学习作为自己的任务。

D类（处在图4．1第四象限的教师）：这类教师在促进学习维度上的得分高于平均分，而在信息传递维度上的得分低于平均分，其特征与促进学习的教学观相符合。这类教师在教学过程中以学生为中心，认为学生是学习活动的主体，死记硬背并不是学习知识的好方法，他们主张鼓励学生自主学习，以获得对知识的真正理解。

4．1．3　教师教学观与学生学习风格的相关性分析

前面的分析说明，在西方一些国家进行的研究表明，教师的教学观会对学生的学习风格产生一定影响。在本节中，为了探讨教师教学观与学生学习风格之间的关系，我们根据参加“教师教学观与大学生学习风格调查”的学生对问卷所做的回答，分析了教师教学观与学生学习风格之间的关系。

表4．5列出了在不同类型教师任课的班上学生采用再现、意义和情景导向三种学习风格学习的情况。

表4．5　在四种类型教师指导下学生采用三种学习风格的分布情况

为了更准确地探讨教师的教学观与学生的学习风格之间的关系，我们进行了相关分析。表4．6和表4．7分别列出了两种不同类型的教学观与学生学习风格之间关系的相关分析结果。

表4．6　促进学习的教学观与学生学习风格的相关性分析

＊P＜0．05；＊＊P＜0．01．

从表4．6可见，教师持“促进学习”的教学观，对学生树立“知识建构”、“知识应用”的学习观，以及“兴趣取向”、“意义取向”和“进取取向”的学习取向，都有显著的促进作用；对学生采用深层加工策略、强化学习的自我管理能力也有显著的促进作用，也有利于改变学生缺乏加工技能管理的状况。但教师持“促进学习”的教学观，也会强化学生采用事实记忆的加工策略，以及强化学生对学习过程外部管理的依赖。

从表4．7可见，教师持“信息传递”的教学观，会促使学生树立“知识吸收”的学习观，以及采用“证书取向”的学习取向，并会显著促使学生采用表层加工策略、依赖学习的外部管理以及缺乏管理。但教师持“信息传递”的教学观，也会强化学生采用组织的加工策略，以及强化学生对学习内容的自我管理。就总体而言，对学生形成良好的学习风格是不利的。

表4．7　信息传递的教学观与学生学习风格的相关性分析

续表4．7

＊P＜0．05；＊＊P＜0．01．

表4．8列出了在两种不同类型教学观的教师指导下，学生采用的学习风格的分布情况。从中可见，在持“促进学习”教学观的教师指导的学生中，采用意义导向的学习风格学习的学生比例达33．0%，而在持“信息传递”教学观的教师指导的学生中，采用意义导向的学习风格学习的学生比例仅有14．5%。卡方检验的结

表4．8　不同教学观教师指导下学生采用的学习风格分布状况

果表明，在这两类教学观教师指导的学生中，学生采用的学习风格类型分布存在显著差异（χ2＝35．277，P＜0．001）。

上述分析结果表明，教师的教学观对学生形成良好的学习风格具有重要影响。总体而言，教师持“促进学习”的教学观，对学生形成意义导向的学习风格具有积极的推动作用。

4．2　学生感知的大学数学课堂学习环境基本特征分析

4．2．1　学生感知的大学数学课堂学习环境的基本特征

在3013名接受问卷调查的学生中，有484名学生在“大学数学课堂学习环境问卷”的不同题目上存在缺失值，去除这些缺失值后，有2529名学生在“大学数学课堂学习环境问卷”上的数据是完整的。表4．9列出了根据这2529名学生的调查数据对大学生感知的大学数学课堂学习环境的特征进行分析的结果。大学生

表4．9　“大学数学课堂学习环境问卷”各因素的平均得分与标准差

对“大学数学课堂学习环境问卷”各题目的赞同程度分为“非常不同意”、“不同意”、“同意”和“非常同意”四个等级，学生对这四个赞同程度的选择结果分别赋值1～4分；每个维度的得分则由该维度所包含的题目得分加和后再除以该维度所包含的题目数而得。

从表4．9可以看出，师生关系、互助合作、秩序维度的平均得分介于2．7～3．0之间，即更倾向于“同意”；竞争、创新、选择权、难度维度的平均得分介于2．5～2．7之间，即略倾向于“同意”；少数人控制、缺乏了解、矛盾这三个维度以及兴趣和满意感这个维度的平均得分都介于2．1～2．5之间，即倾向于“不同意”。这一结果表明，大学生对数学课堂学习环境的感知，就总体而言还是较好的。他们感知的大学数学课堂学习环境中师生关系、同学关系较好，课堂秩序较好，学生之间有一定程度的竞争，教师和学生在教与学的过程中在方式方法上有一定程度的创新，学生也有一定程度的选择权，但学生倾向于认为大学数学课程有一定难度，他们的兴趣与满意感还较低。

图4．2图示了“大学数学课堂学习环境问卷”各维度的平均得分情况。从图4．2中可以清晰地看出，大学生感知的大学数学课堂学习环境中师生关系、互助合作、秩序、竞争等维度的水平较高，难度、创新、选择权等维度的水平一般，兴趣与满意感的水平较低，他们感知的大学数学课堂学习环境中同学之间缺乏了解、矛盾的程度也很低。

4．2．2　不同性别学生感知的大学数学课堂学习环境特征比较

表4．10比较了不同性别学生感知的大学数学课堂学习环境的状况。从中可见，男女学生感知的大学数学课堂学习环境存在一定程度的差异。男生和女生感知的大学数学课堂学习环境除在师生关系、兴趣与满意感、难度、竞争等四个维度上不存在显著差异外，在其他七个维度上则都存在显著差异。

图4．2　大学数学课堂学习环境问卷各维度的平均得分

从表4．10可以看到，女生感知的大学数学课堂学习环境中同学之间的互助合作、课堂秩序要显著好于男生，她们感知的同学之间缺乏了解的程度也显著高于男生，而男生感知的大学数学课堂学习环境中的创新性、选择权、课堂中的少数人控制程度以及同学之间的矛盾程度要显著高于女生。该结果支持以前一些研究的结论，即男生和女生感知的课堂学习环境是存在差异的[2]。

表4．10　不同性别学生感知的大学数学课堂学习环境比较

＊P＜0．05；＊＊P＜0．01；＊＊＊P＜0．001．

图4．3图示了学生感知的“大学数学课堂学习环境问卷”各维度的性别差异状况。从中可以直观地看出，在哪些维度上男生感知的水平高于女生感知的水平，以及在哪些维度上男生感知的水平低于女生的水平。从图4．3中也可以看出，即使在男生和女生感知的水平存在显著差异的维度上，性别差异的程度也是比较小的。图4．3中另一个值得注意的特征是，无论是对男生还是女生而言，在大学数学课堂学习环境中，他们感知的“师生关系”、“互助合作”水平都较高，“秩序”和“竞争”水平则次之，“创新”、“选择权”和“难度”水平再次之，“少数人控制”和“兴趣与满意感”的水平又次之，“缺乏了解”与“矛盾”的水平则最低。

图4．3　不同性别学生感知的大学数学课堂学习环境比较

4．2．3　不同类型高校学生感知的大学数学课堂学习环境特征比较

为了比较不同类型高校学生感知的大学数学课堂学习环境的差异程度，我们首先把学生所在的高校分为三种类型，即985工程高校，包括西安交通大学、上海交通大学、中国海洋大学和山东大学；211工程高校（不包括同时属于985工程的高校），包括中国石油大学、北京邮电大学；普通高校，包括除上述高校之外的其他9所高校。然后，应用单因素方差分析方法，分析了这三类高校学生感知的大学数学课堂学习环境的差异状况。表4．11列出了单因素方差分析的结果。

表4．11　不同类型高校学生感知的大学数学课堂学习环境比较

＊P＜0．05；＊＊P＜0．01；＊＊＊P＜0．001．

从表4．11可见，三类高校学生感知的大学数学课堂学习环境除在“难度”、“创新”、“选择权”三个维度上不存在显著差异外，在其他维度上都存在显著差异。

三类高校学生感知的大学数学课堂学习环境的创新维度不存在显著差异，可能意味着985工程高校和211工程高校并没有在教与学的方式方法创新上发挥应有的示范与引领作用。这一现象是值得我们充分关注的。

三类高校学生感知的大学数学课堂学习环境中的师生关系维度存在显著差异：学生感知的大学数学课堂环境中的师生关系，211工程高校要显著好于普通高校和985工程高校，普通高校也要显著高于985工程高校。

学生感知的大学数学课堂学习环境中的兴趣与满意感、互助合作、少数人控制维度，211工程高校要显著高于普通高校和985工程高校。

学生感知的大学数学课堂学习环境中的竞争、缺乏了解、矛盾维度也存在显著差异：985工程高校和211工程高校学生感知的竞争程度要显著高于普通高校学生，他们感知的同学之间缺乏了解和矛盾的程度则要显著低于普通高校学生。

就学生感知的大学数学课堂学习环境的秩序而言，普通高校要显著高于985工程高校。

上述结果表明，不同类型高校大学生感知的大学数学课堂学习环境存在较大差异，尤其是985工程高校和211工程高校在建构大学数学课堂学习环境时，在教与学的方式方法创新上并没有表现出应有的示范与引领作用，985工程高校在兴趣与满意感、互助合作、课堂秩序等维度的建构也有待进一步加强。

图4．4图示了不同类型高校学生感知的大学数学课堂学习环境的差异状况。在图4．4中，一个值得注意的特点是，在大学数学课堂学习环境的多数维度上，211工程高校学生感知的水平要么高于985工程高校和普通高校的学生（如师生关系、互助合作等维度），要么低于后两类高校的学生（如缺乏了解、矛盾等维度）。另一个特点是，就总体而言，三类高校学生感知的“师生关系”、“互助合作”水平仍处于高位，“秩序”和“竞争”水平次之，“创新”、“选择权”、“难度”、“少数人控制”和“兴趣与满意感”的水平再次之，“缺乏了解”与“矛盾”的水平仍然是最低的。

图4．4　不同类型高校学生感知的大学数学课堂学习环境比较

4．2．4　不同专业学生感知的大学数学课堂学习环境特征比较

为了比较不同专业学生感知的大学数学课堂学习环境是否存在差别，我们把学生就读的专业分为工程技术、经济管理、人文社科、生命医学和自然科学五个类别，然后应用单因素方差分析方法，分析了这五类专业学生感知的大学数学课堂学习环境的差异状况。表4．12列出了单因素方差分析结果。

表4．12　不同专业学生感知的大学数学课堂学习环境比较

续表4．12

＊P＜0．05；＊＊P＜0．01；＊＊＊P＜0．001．

从表4．12可以看出，不同专业学生感知的大学数学课堂学习环境，除互助合作、缺乏了解两个维度不存在显著差异外，其他维度都存在显著差异。

就师生关系维度而言，经济管理类学生感知的水平要显著差于工程技术和生命医学类学生。

就兴趣与满意感维度而言，生命医学类学生和自然科学类学生感知的水平要显著高于经济管理和人文社科类学生，生命医学类学生感知的水平则显著高于工程技术类学生，工程技术类学生感知的水平也显著高于经济管理类学生。

就难度维度而言，自然科学类学生的感知要显著高于工程技术和生命医学类学生。

就竞争维度而言，经济管理类学生感知的水平要显著低于工程技术、人文社科、生命医学和自然科学类学生。

就创新维度而言，经济管理类学生感知的水平要显著低于工程技术、生命医学、自然科学类学生。

就选择权维度而言，工程技术和自然科学类学生感知的水平要显著高于人文社科和生命医学类学生，经济管理类学生感知的水平要显著高于人文社科类学生。

就秩序维度而言，人文社科和生命医学类学生感知的水平要显著高于工程技术和经济管理类学生，工程技术类学生感知的水平也显著高于经济管理类学生。

就少数人控制维度而言，经济管理类学生和自然科学类学生感知的水平要显著高于工程技术、人文社科和生命医学类学生。

图4．5　不同专业学生感知的大学数学课堂学习环境比较

就矛盾维度而言，经济管理、人文社科类学生感知的水平要显著高于工程技术和生命医学类学生。

图4．5直观地描述了不同专业学生感知的大学数学课堂学习环境的差异状况。从图4．5可以看出，不同专业学生感知的大学数学课堂学习环境存在较大差异。但就不同专业学生感知的大学数学课堂学习环境的11个维度的平均水平而言，其呈现的格局与整体的情况则比较相似。

4．3　学生感知的大学课程学习经验基本特征分析

4．3．1　学生感知的大学课程学习经验的基本特征

在3013名接受问卷调查的学生中，有289名学生在“课程学习经验问卷”的不同题目上存在缺失值，去除这些缺失值后，有2724名学生在“课程学习经验问卷”上的数据是完整的。表4．13列出了根据这2724名学生的调查数据对大学生感知的大学课程学习经验的特征进行分析的结果。大学生对“课程学习经验问卷”各题目的赞同程度分为“非常不同意”、“不同意”、“同意”和“非常同意”四个等级，学生对这四个赞同程度的选择结果分别赋值1～4分；每个维度的得分则由该维度所包含的题目得分加和后再除以该维度所包含的题目数而得。

表4．13　“课程学习经验问卷”各因素的平均得分与标准差

由表4．13可见，学生对“课程学习经验问卷”中“基本技能”维度的评价较倾向于“同意”，对“清晰的目标”、“适当的负担”的评价略倾向于“同意”，但是对“良好教学”和“适当的评价”的感知较差，略倾向于“不同意”。这一结果表明，就整体而言，学生对大学课程学习经验的整体评价不是太高，表明大学课程教学的整体水平有待进一步提高。

图4．6图示了大学生感知的大学课程学习经验的状况。从中可以看到，在大学课程学习经验中，大学生感知到的“基本技能”水平明显高于其他维度，他们对大学课程是否具有清晰的目标、学习负担是否适当的感知也较好。但是，对良好教学、适当的评价维度的感知水平较差。这说明，在大学课程教学活动中，应该通过深化改革与加强建设力度，促进这些方面水平的提高，以进一步优化学生的大学课程学习经验。

图4．6　大学生感知的大学课程学习经验的基本特征

4．3．2　不同性别学生感知的大学课程学习经验比较

表4．14列出了不同性别学生感知的大学课程学习经验的差异状况。从表4．14可见，除在“课程学习经验问卷”中的“适当的评价”维度上男生和女生的感知没有显著差异外，他们对其他维度的感知都存在显著差异。男生感知的“基本技能”、“良好教学”的水平要显著高于女生，而他们感知的“清晰的目标”、“适当的负担”的水平则显著低于女生。

表4．14　不同性别学生感知的课程学习经验比较

＊＊P＜0．01；＊＊＊P＜0．001．

图4．7　不同性别学生感知的大学课程学习经验比较

图4．7对上述差异进行了直观的描述。从图4．7可以看到，对“课程学习经验问卷”中“基本技能”和“良好教学”维度的感知水平，女生要低于男生，但对“适当的评价”、“清晰的目标”、“适当的负担”维度的感知水平，男生要低于女生。图4．7显示的另一个特征是，就“课程学习经验问卷”各维度的平均水平而言，无论是男生还是女生，他们感知的“基本技能”水平最高，其次是“清晰的目标”，第三是“适当的负担”，他们感知的“良好教学”、“适当的评价”维度的水平则最低。

4．3．3　不同类型高校学生感知的大学课程学习经验比较

表4．15比较了三类高校学生感知的大学课程学习经验的差异状况。从中可见，在“课程学习经验问卷”的五个维度中，仅在“适当的负担”这个维度上，三类高校学生感知的水平存在显著差异：211工程高校和普通高校学生感知的学习负担水平要显著高于985工程高校的学生。

表4．15　不同类型高校学生感知的课程学习经验比较

＊＊＊P＜0．001．

图4．8用图形对上述差异状况进行了直观的描述。该图显

示不同类型高校学生感知的“适当的负担”水平存在明显变化。就学生感知的“课程学习经验问卷”各维度的平均水平而言，除在“适当的负担”维度上变化较大外，三类高校学生感知的“基本技能”水平最高，他们感知的“清晰的目标”、“良好教学”和“适当的评价”水平则逐渐趋于下降。

图4．8　不同类型高校学生感知的大学课程学习经验比较

4．3．4　不同专业学生感知的大学课程学习经验比较

表4．16比较了不同专业学生感知的大学课程学习经验的差异状况。从中可见，在“课程学习经验问卷”的五个维度中，不同专业学生对“适当的评价”和“清晰的目标”两个维度的感知水平不存在显著差异，但对“基本技能”、“良好教学”和“适当的负担”三个维度的感知水平存在显著差异。

表4．16　不同专业学生感知的课程学习经验比较

＊＊＊P＜0．001．

单因素方差分析的结果表明：经济管理类专业学生感知的“基本技能”水平要显著低于其他专业的学生，生命医学类学生感知的“基本技能”水平也显著低于工程技术类专业学生。自然科学类专业学生感知的“良好教学”水平要显著高于其他专业的学生，工程技术和生命医学类专业学生感知的“良好教学”水平也显著高于经济管理类学生。自然科学类专业学生感知的“适当的负担”水平要显著低于其他专业的学生，工程技术和生命医学类专业学生感知的“适当的负担”水平也显著低于经济管理和人文社科类专业的学生。

图4．9用图形对上述差异进行了直观的描述。从图4．9可以看到，不同专业学生感知的大学课程学习经验，除“清晰的目标”、“适当的评价”两个维度的变化不是太大外，其他三个维度则存在较大的差异。此外，就学生感知的“课程学习经验问卷”不同维度的平均水平而言，不同专业学生感知的“基本技能”水平仍是最高的。

图4．9　不同专业学生感知的大学课程学习经验比较

4．4　大学生的学习方式及其基本特征分析

4．4．1　大学生学习方式的基本特征

如前所述，我们在本次调查中采用了Biggs等人设计的“修订的学习过程调查问卷”来对大学生的学习方式进行研究、分析。该问卷将学生的学习方式分为深层方式和表层方式两种类型，每种学习方式分别包括两类学习动机和两类学习策略。在第三章中，我们对该问卷进行了结构方程模型分析，分析结果表明，该问卷可以对大学生的学习方式进行有效的测量。

“修订的学习过程调查问卷”对学习方式、学习动机和学习策略子量表及其各维度的得分，采用如下的方法计分：①各维度得分的计算方法：对各维度所包含的题目，学生的回答共分为如下五种：A———这个句子对我来说“完全不适用或很少适用”；B———这个句子对我来说“有时适用”；C———这个句子对我来说“大概一半时候是适用的”；D———这个句子对我来说“通常是适用的”；E———这个句子对我来说“总是适用的”。学生选择A、B、C、D、E，分别计1～5分，将各维度所包含题目的得分累加即得该维度的分数。②各子量表得分的计算方法：将各子量表所包含的维度得分相加，即为该子量表的得分。③各类学习方式得分的计算方法：将各类学习方式所包含的学习动机与学习策略子量表的得分相加，即为该类学习方式的分数。

表4．17列出大学生在“修订的学习过程调查问卷”各维度上的平均得分及标准差。

为了进一步探索大学生采用的学习方式的特点，我们以每个学生在“修订的学习过程调查问卷”中深层学习方式和表层学习方式上的得分为分析变量，进行了两步聚类（TwoStep　Cluster）分析，选择的计算二类间的相似程度的算法（Distance　Measure）是Log－likelihood方法，采用的确定类数的自动聚类算法，即聚类标准（Cluttering　Criterion）是施瓦茨贝叶斯判据（Schwartz’s　Bayesian Criterion）。

表4．17　大学生学习方式的基本特征

两步聚类分析的结果表明，根据学生采用的学习方式的特点，可以将学生分成五种类型。表4．18列出了五类学生的人数、所占的比例，以及他们在深层学习方式和表层学习方式上的得分情况。这一结果表明，根据学生在“修订的学习过程调查问卷”上的得分情况，我们并不能像传统上所理解或假设的那样，可以简单地把学生的学习方式归结为两种类型：一个学生的学习方式要么是以深层学习方式为主导的，要么是以表层学习方式为主导的。因为两步聚类分析的结果表明，一个学生在深层学习方式和表层学习方式上的得分，既可以一高一低，也可以都高，或都处于中等水平，或都低。

表4．18　根据大学生采用的学习方式特点对其进行二步聚类的结果

为了更清晰地描述这五类学生在学习方式上的特征，我们分别以每类学生在表层学习方式和深层学习方式上的得分为横坐标和纵坐标，对五类学生在学习方式上的特征进行了图示（详见图4．10）。

图4．10　五类大学生学习方式的基本特征分析

由图4．10可知，五类学生的学习方式表现出了如下特点：

第一类学生：该类学生在表层学习方式上的得分较高，但在深层学习方式上的得分较低，因此，这类学生的学习方式是以表层学习方式为主导的。

第二类学生：这类学生在深层学习方式和表层学习方式上得分都比较高，表现出既采用表层学习方式，又采用深层学习方式的特征。

第三类学生：这类学生在深层学习方式和表层学习方式上的得分都处于中等水平。

第四类学生：该类学生在深层学习方式上的得分较高，但在表层学习方式上的得分较低，因此，这类学生的学习方式是以深层学习方式为主导的。

第五类学生：这类学生在深层学习方式和表层学习方式上的得分都较低。

从上述五类学生在学习方式上的特征可以看出，第一类学生的学习方式处于一个极端，以表层学习方式为主导，第四类学生的学习方式处于另一个极端，以深层学习方式为主导，而第五、三、二类学生的学习方式则介于这两类学生之间，由表层和深层两类学习方式的特征都不明显向表层和深层两类学习方式的特征都很明显的方向变化。

4．4．2　不同性别大学生学习方式的特征比较

为了比较不同性别大学生在学习方式上的差异，我们应用t检验方法比较了男生和女生在各类学习方式及其所属子量表、各维度上的平均得分的差异状况。表4．19列出了t检验的结果。

从表4．19可以看出，男女学生在深层学习方式上的平均得分存在显著差异，女生的平均得分要显著低于男生。男女学生在深层动机和深层策略上的平均得分也存在显著差异，女生的平均得分要显著低于男生。在深层动机和深层策略所属各维度上，男女学生除在“内在兴趣”维度上不存在显著差异外，女生在其他各维度上的平均得分也显著低于男生。

表4．19　不同性别大学生学习方式的特征比较

＊P＜0．05；　＊＊＊P＜0．001．

表4．19的结果也表明，男女学生在表层学习方式上的平均得分也存在显著差异，女生的平均得分要显著低于男生。男女学生在表层动机和表层策略上的平均得分也存在显著差异，女生在表层动机上的平均得分显著高于男生，但在表层策略上的得分则显著低于男生，在表层策略所属的两个维度上，女生的得分也显著低于男生。

图4．11图示了男生和女生在深层学习方式和表层学习方式上的差异状况，它首先清楚地印证了统计分析的结果。其次，从图4．11中也可以看到，男生和女生在深层学习方式上的平均得分都要高于在表层学习方式上的平均得分。第三，男生和女生在深层动机和表层策略上的平均得分要高于他们在表层动机和深层策略上的平均得分。

图4．11　不同性别大学生学习方式的特征比较

4．4．3　不同类型高校大学生学习方式的特征比较

表4．20应用单因素方差分析方法比较了不同类型高校大学生学习方式的差异状况。从中可见：

表4．20　不同类型高校大学生学习方式的特征比较

续表4．20

＊P＜0．05；＊＊P＜0．01；＊＊＊P＜0．001．

三类高校学生在深层学习方式上的平均得分存在显著差异：211工程高校学生在深层学习方式上的平均得分要显著高于985工程高校和普通高校学生。

三类高校学生在深层动机子量表中“内在兴趣”维度上的平均得分存在显著差异：211工程高校学生在“内在兴趣”维度上的平均得分要显著高于985工程高校和普通高校学生。

三类高校学生在“深层策略”子量表及其所属的两个维度上的平均得分也存在显著差异：211工程高校学生在“深层策略”子量表和“关联”维度上的平均得分要显著高于985工程高校和普通高校学生，985工程高校学生在“深层策略”子量表和“关联”维度上的平均得分也显著高于普通高校学生；211工程高校学生在“理解”维度上的平均得分也要显著高于985工程高校和普通高校学生。

三类高校学生在表层学习方式上的平均得分也存在显著差异：普通高校学生在表层学习方式上的平均得分要显著低于985工程高校和211工程高校学生。

三类高校学生在“表层动机”子量表及其所属“目标为获得证书”维度上的平均得分也存在显著差异：普通高校学生在“表层动机”子量表上的平均得分要显著低于211工程高校学生；普通高校学生在“目标为获得证书”维度上的平均得分也要显著低于985工程高校和211工程高校学生。

三类高校学生在“表层策略”子量表所属的“学习范围最小化”维度上的平均得分也存在显著差异：普通高校学生在“学习范围最小化”维度上的平均得分要显著低于985工程高校和211工程高校学生。

图4．12直观地描述了不同类型高校学生在学习方式上的差异状况。从中可以看到，不同类型高校大学生在深层学习方式上的平均得分都要高于在表层学习方式上的平均得分。他们在深层动机和表层策略上的平均得分也要高于他们在表层动机和深层策略上的平均得分。

图4．12　不同类型高校大学生学习方式的特征比较

4．4．4　不同专业大学生学习方式的特征比较

表4．21应用单因素方差分析方法比较了不同专业大学生的学习方式。从中可见，不同专业大学生的学习方式子量表及其所属的各个维度都存在显著差异。

表4．21　不同专业大学生学习方式的特征比较

续表4．21

续表4．21

＊P＜0．05；＊＊P＜0．01；＊＊＊P＜0．001．

进一步的分析表明：

工程技术类和自然科学类专业大学生在深层学习方式上的平均得分要显著高于经济管理类专业大学生；自然科学类专业大学生在深层学习方式上的平均得分也显著高于生命医学类专业大学生。

工程技术类和自然科学类专业大学生在“深层动机”子量表上的平均得分显著高于经济管理类专业大学生；工程技术类专业大学生在“深层动机”子量表上的平均得分也显著高于生命医学类专业大学生。经济管理类专业大学生在“内在兴趣”维度上的平均得分显著低于工程技术类和人文社科类专业大学生。自然科学类专业大学生在“学习承诺”维度上的平均得分显著高于其他专业大学生；工程技术类专业大学生在“学习承诺”维度上的平均得分也显著高于经济管理类专业大学生。

工程技术类和自然科学类专业大学生在“深层策略”子量表上的平均得分显著高于经济管理类专业大学生。工程技术类和自然科学类专业大学生在“关联”维度上的平均得分显著高于经济管理类和人文社科类专业大学生；自然科学类专业大学生在“关联”维度上的平均得分也显著高于生命医学类专业大学生。工程技术和人文社科类专业大学生在“理解”维度上的平均得分显著高于经济管理类专业大学生。

自然科学类专业大学生在表层学习方式上的平均得分要显著高于其他专业的大学生；工程技术类专业大学生在表层学习方式上的平均得分也显著高于经济管理类专业大学生。

经济管理类专业大学生在“表层动机”子量表上的平均得分显著低于其他专业大学生；生命医学类专业大学生在“表层动机”子量表上的平均得分也显著低于自然科学类专业大学生。自然科学类专业大学生在“担心失败”维度上的平均得分要显著高于工程技术、经济管理和生命医学类专业大学生；工程技术和人文社科类专业大学生在“担心失败”维度上的平均得分也显著高于经济管理类专业大学生。经济管理类专业大学生在“目标为获得证书”维度上的平均得分则显著低于其他专业大学生。

自然科学类专业大学生在“表层策略”子量表上的平均得分显著高于其他专业大学生；工程技术和经济管理类专业大学生在“表层策略”子量表上的平均得分也显著高于人文社科专业大学生。人文社科类专业大学生在“学习范围最小化”维度上的平均得分要显著低于其他专业大学生；生命医学类专业大学生在“学习范围最小化”维度上的平均得分也显著低于工程技术和自然科学类专业大学生；经济管理类专业大学生在“学习范围最小化”维度上的平均得分也显著低于自然科学类专业大学生。自然科学类专业大学生在“记忆”维度上的平均得分要显著高于工程技术、经济管理类和生命医学类专业大学生。

图4．13图示了不同专业大学生在学习方式及其所属子量表上的差异状况。从中可以看出，即使不同专业大学生在学习方式及其所属子量表上存在显著差异，其差异程度并不是很大。

图4．13　不同专业大学生学习方式的特征比较

4．5　大学生数学学习情感发展特征分析

4．5．1　大学生数学学习情感发展的基本特点

如前所述，我们在Meyer等人在1999年开发的“数学学习经验量表”的基础上，设计、开发了“大学生数学学习情感发展量表”。该量表共包括36个题目，涉及“享受”、“娱乐”、“价值”、“真理”、“审美”和“程序”等不同维度。“大学生数学学习情感发展量表”各维度的得分采用如下方法计算：对大学生数学学习情感发展量表各维度所包含的题目，供学生选择的共有“非常不同意”、“不同意”、“同意”和“非常同意”四个选项，学生对这四个选项的选择分别计1～4分；将各维度所包含题目的得分累加后再除以该维度所包含的题目数即得该维度的分数。

表4．22列出学生在“大学生数学学习情感发展量表”各维度上的平均得分及标准差。图4．14图示了大学生数学学习情感发展的状态。从中可见，大学生在学习数学课程时，对大学数学课程“价值”、“程序”、“真理”和“审美”等维度的感知水平比较好，就平均水平而言接近于“同意”，对大学数学课程“享受”维度的感知水平则介于“不同意”和“同意”中间，但对大学数学课程“娱乐”维度的感知水平则较低，更倾向于“不同意”。

表4．22　大学生数学学习情感发展的基本特征

图4．14　大学生数学学习情感发展的基本特征

4．5．2　不同性别大学生数学学习情感发展状态比较

表4．23应用t检验方法比较了男生和女生在数学学习情感发展状态上的差异状况。从中可见，在“大学生数学学习情感发展量表”的六个维度中，男生和女生只在“享受”和“娱乐”两个维度上存在显著差异。男生在这两个维度上的平均得分都显著高于女生。说明在这两个数学学习情感发展维度上，男生感知的发展状态较女生更好一些。

表4．23　不同性别大学生数学学习情感发展状态比较

＊＊＊P＜0．001．

图4．15用图形直观地描述了不同性别大学生数学学习情感发展状态的差异状况。从中可见，除“程序”维度外，在“大学生数学学习情感发展量表”的其他各个维度上，男生的平均得分都高于女生。此外，虽然男生和女生在“价值”、“真理”、“审美”和“程序”维度上的平均得分没有显著差异，但就男生和女生在这些维度上的发展水平而言，都要高于他们在“享受”和“娱乐”两个维度上的发展水平。

图4．15　不同性别大学生数学学习情感发展状态比较

4．5．3　不同类型高校大学生数学学习情感发展状态比较

表4．24比较了不同类型高校大学生的数学学习情感发展状态的差异状况。从中可见，不同类型高校大学生在数学学习情感发展状态上存在着显著差异。

表4．24　不同类型高校大学生数学学习情感发展状态比较

续表4．24

＊P＜0．05；＊＊＊P＜0．001．

进一步的分析表明：211工程高校大学生在“享受”、“娱乐”、“价值”和“程序”维度上感知的发展水平要显著高于985工程高校和普通高校的大学生。211工程高校大学生在“真理”维度上感知的发展水平要显著高于985工程高校大学生。211工程高校大学生在“审美”维度上感知的发展水平要显著高于普通高校大学生。

图4．16图示了不同类型高校大学生在数学学习情感发展状态上的差异情况。从中也可以看出，就“大学生数学学习情感发展量表”各维度的平均水平而言，211工程高校学生的发展水平要高于985工程高校和普通高校学生。

4．5．4　不同专业大学生数学学习情感发展状态比较

表4．25比较了不同专业大学生的数学学习情感发展状态的差异状况。从中可见，不同专业大学生除在“真理”维度上感知的发展水平不存在显著差异外，在其他维度上感知的发展水平都存在显著差异。

图4．16　不同类型高校大学生数学学习情感发展状态比较

表4．25　不同专业大学生数学学习情感发展状态比较

续表4．25

＊＊P＜0．01；＊＊＊P＜0．001．

进一步的分析表明，自然科学类专业大学生在“享受”维度上感知的发展水平显著高于其他专业大学生。工程技术类专业大学生在“享受”维度上感知的发展水平显著高于经济管理和人文社科类专业的大学生。

自然科学类专业大学生在“娱乐”维度上感知的发展水平显著高于其他专业大学生，人文社科类专业大学生在这个维度上感知的发展水平则显著低于其他专业大学生。

工程技术和自然科学类专业大学生在“价值”维度上感知的发展水平显著高于经济管理和人文社科类专业大学生。

工程技术、生命医学和自然科学类专业大学生在“审美”维度上感知的发展水平显著高于经济管理和人文社科类专业大学生。

经济管理类专业大学生在“程序”维度上感知的发展水平则显著低于其他专业大学生。

图4．17图示了不同专业大学生感知的数学学习情感发展状态。从中可见，不同专业大学生在“价值”维度上感知的发展水平最高，在“真理”、“审美”和“程序”维度上感知的发展水平也较高。此外，不同专业大学生除在“娱乐”、“享受”维度上感知的发展水平存在较大变化外，在其他即使存在显著差异的维度上，不同专业学生感知的发展水平的差异程度并不很大。

图4．17　不同专业大学生数学学习情感发展状态比较

4．6　大学数学课堂学习环境与大学生的学习方式及其认知与情感发展关系的分析

4．6．1　大学数学课堂学习环境与大学生学习方式之间关 系的分析

对调查数据的分析表明，完整地回答了“大学数学课堂学习环境问卷”和“修订的学习过程调查问卷”的学生有2406人，因此，在分析大学数学课堂学习环境与大学生学习方式之间的关系时，我们是以该2406名学生的调查数据为基础的。

表4．26和表4．27列出对大学数学课堂学习环境与大学生学习方式进行相关分析的结果。分析表明，就总体而言，大学数学课堂学习环境与大学生学习方式之间存在着显著的相关性。

从表4．26可以看到：

（1）学生感知的大学数学课堂学习环境中“师生关系”、“兴趣与满意感”、“互助合作”、“竞争”、“创新”、“选择权”、“秩序”等维度的水平越高，他们采用深层学习方式、深层动机和深层策略的可能性越高。

表4．26　大学数学课堂学习环境与深层学习方式的相关性分析

N＝2406；aP＜0．01；bP＜0．001．

表4．27　大学数学课堂学习环境与表层学习方式的相关性分析

N＝2406；aP＜0．05；bP＜0．01；cP＜0．001．

（2）学生感知的大学数学课堂学习环境中“难度”、“缺乏了解”等维度的水平越高，他们采用深层学习方式、深层动机和深层策略的可能性越低。

（3）学生感知的大学数学课堂学习环境中“矛盾”维度的水平越高，对他们采用深层策略的可能性具有显著的负面影响。

从表4．27可以看到：

（1）学生感知的大学数学课堂学习环境中“难度”、“少数人控制”、“缺乏了解”等维度的水平越高，他们采用表层学习方式、表层动机和表层策略的可能性越高。

（2）学生感知的大学数学课堂学习环境中“竞争”、“矛盾”等维度的水平越高，对他们采用表层学习方式、表层动机或表层策略也具有显著的促进作用。

（3）学生感知的大学数学课堂学习环境中“兴趣与满意感”维度的水平越高，可以降低他们采用表层学习方式、表层策略的可能性。

（4）学生感知的大学数学课堂学习环境中“师生关系”、“互助合作”等维度的水平越高，会强化他们的表层动机，降低他们采用表层策略的可能性。

（5）学生感知的大学数学课堂学习环境中“秩序”维度的水平越高，也会强化他们的表层动机。

（6）学生感知的大学数学课堂学习环境中“创新”、“选择权”等维度的水平，与学生的表层学习方式、表层动机和表层策略不存在显著的相关性，表明它们对学生表层学习方式的影响比较轻微。

为了进一步调查学生的学习方式是否可以用学生感知的大学数学课堂学习环境因素加以预测，我们分别以学生在深层学习方式和表层学习方式上的得分作为因变量，以学生感知的大学数学课堂学习环境各因素上的得分作为自变量，同时控制学生性别（以女性为参考类别）、所在学校类型（以普通高校为参考类别）、就读专业类型（以工程技术类专业为参考类别）等变量，进行了逐步回归分析。表4．28和表4．29分别列出了对深层学习方式和表层学习方式进行逐步回归分析的结果。

表4．28　预测大学生深层学习方式的逐步回归结果

从表4．28可以看到，深层学习方式的主要预测变量是大学数学课堂学习环境中“兴趣与满意感”和“互助合作”因素，这两个变量可以解释学生深层学习方式得分方差的16．1%。大学数学课堂学习环境中“竞争”、“难度”、“选择权”、“秩序”、“矛盾”等变量加上性别变量可以解释学生深层学习方式得分方差的另外5．3%。对学生深层学习方式的逐步回归分析表明，学生所在学校和就读专业类型对其深层学习方式没有预测力。

表4．29　预测大学生表层学习方式的逐步回归结果

从表4．29可以看到，表层学习方式的主要预测变量是大学数学课堂学习环境中的“难度”因素，该变量可以解释学生表层学习方式得分方差的5．3%。大学数学课堂学习环境中“竞争”、“少数人控制”、“缺乏了解”等变量加上性别、专业类别等变量可以解释学生表层学习方式得分方差的另外4．2%。对学生表层学习方式的逐步回归分析表明，学生所在学校类型对其表层学习方式没有预测力。

逐步回归分析的结果也表明，性别是影响学生学习方式的一个重要因素。较之女生而言，男生采用深层学习方式和表层学习方式的可能性都更大。这与以往的研究结果既有一致的方面，也有不一致的方面：[3]就一致的方面而言，以往一些研究发现，由于个人经历、社会化过程和学习机会不同，男性和女性在学习方式上会表现出不同的特点①。在这一点上，本研究结果与此是相一致的。[4]就不一致的方面而言，主要表现在两个方面：一是以往有一些研究认为性别因素并不是学生学习方式的有效预测指标。例如，Richardson在1993年曾应用“学习方式调查问卷”（Approaches　to　Studying　Inventory，ASI）分析了高校中男生和女生的学习方式导向是否存在差异。根据ASI量表的得分情况，他并没有发现男生和女生在学习方式的导向上存在明显差异的证据[5]。Kreber在2003年应用“学生学习方式和学习技能问卷”（Appraches　and　Study　Skills　Inventory　for　Students，ASSIST）对加拿大高校学生进行的分析也认为，性别不是预测学生学习方式的一个可靠指标②。另一方面，本研究发现的性别因素对学生学习方式的影响方式，与其他发现性别因素对学生的学习方式有影响的研究结果不完全一致。例如，Richardson等人在对有关学生学习方式性别差异的研究进行综合分析后发现，男性更倾向于采用表层学习方式，而女性则更倾向采用深层学习方式，但这种差异比较轻微[6]。这与本研究结果所呈现的性别因素对学生学习方式的影响方向并不完全一致。

以往一些在不同国家、不同类型高校进行的研究曾发现，学生就读的学科或专业与其学习方式存在一定的联系[7]。本研究结

Harper，G．and　Kember，D．Approaches　to　Study　of　Distance　Education　Students［J］．British　Journal　of　Educational　Technology，1986，17：212－222；Lonka，K．＆Lindblom－Yl－nne，S．Epistemologies，Conceptions　of　Learning，and　Study　Practices　in　Medicine　and Psychology［J］．Higher　Education，1996，31：5－24．果在一定程度上进一步证实了这一结论。逐步回归分析的结果表明，虽然学生就读的专业对其深层学习方式没有预测能力，但对其表层学习方式则具有一定的预测能力。较之工程技术类专业的学生，在课堂学习环境、性别等其他条件相同的情况下，经济管理类专业学生采用表层学习方式的可能性要显著低于工程技术类专业的学生，而自然科学类专业学生采用表层学习方式的可能性要显著高于工程技术类专业的学生。

过去有学者比较过不同类型的学校对学生学习方式的影响。例如，Richardson等人应用Entwistle的ASI量表比较了远程教育机构的学生与普通高校的学生在学习方式上的差异情况。结果发现，在ASI量表的16个子量表中，二者除在一个方面不存在显著差异外，在其余方面都存在显著差异[8]。本研究的逐步回归分析结果没有证实学校类型与学生学习方式之间的关系。本研究发现，无论是对深层学习方式，还是对表层学习方式，学生就读的学校类型都不是一个有效的预测指标。这可能是由于本研究所考察的学校类型与Richardson等人所考察的学校类型存在较大差异的缘故。Richardson等人考察的是远程教育机构和普通高校学生在学习方式上差异，这二类高校学生的差异较大，远程教育机构的学生主要是年龄较大的兼读制成人学生，而普通高校学生则主要是正常进校学习的全日制学生。而在本研究中，我们所考察的三类高校都属于普通高校，但在学校的整体水平上存在一定程度的差异。

在大学数学课堂学习环境因素中，“兴趣与满意感”和“互助合作”因素是预测学生深层学习方式的主要指标。在大学数学课堂习环境中，学生感知的这些因素的水平越高，他们采用深层学习方式的可能性越大。

大学数学课堂学习环境中“难度”因素是预测学生表层学习方式的主要指标。学生感知的大学数学课堂学习环境中的“难度”水平越高，他们采用表层学习方式的可能性越大，采用深层学习方式的可能性则越小。

大学数学课堂学习环境中“竞争”因素对学生采用深层学习方式和表层学习方式都具有显著的影响。在大学数学课堂学习环境中，学生感知的“竞争”程度越大，他们采用深层学习方式和表层学习方式的可能性都趋于增大。

在大学数学课堂学习环境中，学生感知的“选择权”越大，课堂越有“秩序”，他们采用深层学习方式的可能性越大；学生感知到课堂受“少数人控制”的程度越大，同学之间越“缺乏了解”，他们采用表层学习方式的可能性越大。这些结果与理论预期都是相吻合的。但学生感知的同学之间的“矛盾”程度越大，他们采用深层学习方式的可能性也越大，这与理论预期存在一定程度的差异，值得在后续研究中进一步探讨其原因。

4．6．2　大学数学课堂学习环境、大学生的学习方式及其高等数学学习成绩之间关系的分析

为了探讨大学数学课堂学习环境、大学生的学习方式与其认知发展的关系，我们以学生在问卷调查时报告的上学期的高等数学学习成绩作为测量学生认知发展状况的一个指标，以其为因变量，以学生感知的大学数学课堂学习环境各因素，以及学生的深层学习方式和表层学习方式变量作为自变量，同时控制学生的性别（以女性为参考类别）、所在学校类型（以普通高校为参考类别）、就读专业类型（以工程技术类专业为参考类别）、高考数学成绩等变量，进行了逐步回归分析。表4．30列出了对学生上学期的高等数学成绩进行逐步回归分析的结果。

表4．30　预测大学生高等数学学习成绩的逐步回归结果

从表4．30可见，在大学数学课堂学习环境中，学生感知的“难度”越大，“竞争”程度越强，他们的成绩越差；学生感知的大学数学课堂被“少数人控制”的程度和同学之间的“矛盾”程度越大，他们的成绩越好。

学生的学习方式也是影响其数学成绩的重要因素：学生采用深层学习方式的程度越大，其成绩越好；学生采用表层学习方式的程度越大，其成绩越差。

学生的性别、就读高校及专业类型等因素，以及学生先前的数学基础（高考数学成绩）对其成绩也有显著影响。

需要指出的是，由于不同学校学生在问卷调查时报告的上学期的高等数学成绩不是由统一试卷考核的结果，学生的高考数学成绩也由于各省的考试和计分方式不同而存在差异，因此上述结果存在明显的局限性。为了更准确、可靠地考察大学数学课堂学习环境、学生学习方式与学生认知发展之间的关系，需要作更严格的系统研究。

4．6．3　大学数学课堂学习环境、大学生的学习方式及其数学学习情感发展之间关系的分析

对调查数据的分析表明，完整地回答了“大学数学课堂学习环境问卷”、“修订的学习过程调查问卷”和“大学生数学学习情感发展量表”的学生有2321人，因此，在分析大学数学课堂学习环境、大学生学习方式对学生数学学习情感发展的影响时，我们是以该2321名学生的调查数据为基础的。大学数学课堂学习环境与大学生数学学习情感发展之间关系的分析

表4．31列出了大学数学课堂学习环境与大学生数学学习情感发展状态的相关分析结果。从表4．31可见，大学数学课堂学习环境与大学生数学学习情感发展之间存在着显著的相关性：

表4．31

大学数学课堂学习环境与大学生数学学习情感发展的相关性分析

aP＜0．05；bP＜0．001．

（1）在大学数学课堂学习环境中，学生感知的“师生关系”越好，“兴趣与满意感”越强，同学之间“互助合作”程度越高，大学数学课堂学习环境中“竞争”、“创新”程度越高，学生的“选择权”越大，课堂“秩序”越好，学生数学学习情感发展就越积极。

（2）在大学数学课堂学习环境中，学生感知的学习“难度”越大，同学之间“缺乏了解”、“矛盾”的程度越大，学生数学学习情感发展就越消极。

（3）在大学数学课堂学习环境中，学生感知的课堂受“少数人控制”的程度除与数学学习情感发展中“娱乐”维度存在显著的正相关外，与其他维度都不存在显著的相关关系。

大学生的学习方式与其数学学习情感发展之间关系的分析

表4．32分析了大学生的学习方式与其数学学习情感发展状态之间的关系。从表4．32可见，学生的学习方式对其数学学习情感发展的影响是非常明显的：采用深层学习方式对大学生的数学学习情感发展具有显著的积极影响；而采用表层学习方式则对大学生数学学习情感发展中的“享受”、“审美”维度具有显著的消极影响。

表4．32　大学生的学习方式与其数学学习情感发展的相关性分析

＊P＜0．05；＊＊＊P＜0．001．

4．6．4　大学数学课堂学习环境与大学生的学习方式及其认知和情感发展之间关系的结构方程模型分析

图4．18列出了大学数学课堂学习环境与大学生的深层学习方式、表层学习方式，以及大学生在上学期的高等数学学习成绩之间关系的结构方程模型分析结果。该模型的拟合优度指数值为：χ2＝1172．563（df＝156，P＜0．001），RMSEA＝0．056，GFI＝0．947，NFI ＝0．880，RFI＝0．838，IFI＝0．894，TLI＝0．857，CFI＝0．894。从这些指标的数值看，模型的拟合优度是很好的。

图4．18显示的各条路径的回归系数的显著性水平都达到了P＜0．05或更高水平。从中可见：

（1）在大学数学课堂学习环境中，学生感知的“师生关系”越好，可以促进学生采用深层学习方式，阻止学生采用表层学习方式。

（2）在大学数学课堂学习环境中，学生感知的“兴趣与满意感”水平越高，可以促进学生采用深层学习方式。

（3）在大学数学课堂学习环境中，学生感知的“难度”水平越高，将促使学生采用表层学习方式，而不利于学生采用深层学习方式，对学生的高等数学成绩也有直接而显著的消极影响。

（4）在大学数学课堂学习环境中，学生感知的“互助合作”水平越高，可以促进学生采用深层学习方式。

（5）在大学数学课堂学习环境中，学生感知的“竞争”程度越高，既可以促使学生采用深层学习方式，也可以促使学生采用表层学习方式。

（6）在大学数学课堂学习环境中，学生感知的“创新”程度越高，对学生的高等数学成绩具有显著的消极影响。这可能意味着在高等数学成绩评定中，对教与学的过程中采用“创新”的方法与思维并没有给予积极的鼓励。

（7）在大学数学课堂学习环境中，学生感知的“选择权”越大，可以促使学生采用深层学习方式。

图4.18　大学数学课堂学习环境、大学生的学习方式及其高等数学学习成绩之间的关系（模型1，N-2073）

（8）在大学数学课堂学习环境中，学生感知的“秩序”越好，可以促使学生采用深层学习方式。

（9）在大学数学课堂学习环境中，学生感知的“少数数人控制”程度越大，可以促使学生采用表层学习方式，但对学生的高等数学成绩也有直接而显著的促进作用。

（10）在大学数学课堂学习环境中，学生感知的同学之间“缺乏了解”的程度越大，将促使学生采用表层学习方式，而不利于学生采用深层学习方式。

（11）在大学数学课堂学习环境中，学生感知的同学之间的“矛盾”越大，会促使学生采用深层学习方式。

（12）学生采用深层学习方式对其高等数学成绩有显著的促进作用，而学生采用表层学习方式则对其高等数学成绩有显著的负面影响。

图4．19显示了大学数学课堂学习环境、大学生的学习动机、学习策略，以及学生在上学期的高等数学学习成绩之间关系的结构方程模型分析结果。该模型的拟合优度指数值为：χ2＝960．493（df＝140，P＜0．001），RMSEA＝0．053，GFI＝0．955，NFI＝0．902，RFI＝0．852，IFI＝0．915，TLI＝0．871，CFI＝0．914。从这些指标的数值看，模型的拟合优度是很好的。

图4．19显示的各条路径的回归系数的显著性水平都达到了P＜0．05或更高水平。从中可以看到：

（1）在大学数学课堂学习环境中，学生感知的“师生关系”越好，可以促进学生采用深层学习策略，而阻止学生采用表层学习策略。

（2）在大学数学课堂学习环境中，学生感知的“兴趣与满意感”水平越高，可以促进学生形成深层学习动机和采用深层学习策略，阻止学生形成表层学习动机。

图4.19　大学数学课堂学习环境、大学生的学习方式及其高等数学学习成绩之间的关系（模型2，N-2073）

（3）在大学数学课堂学习环境中，学生感知的“难度”水平越高，将不利于学生形成深层学习动机和采用深层学习策略，并将促使学生形成表层学习动机和采用表层学习策略，对学生的高等数学成绩也有直接而显著的消极影响。

（4）在大学数学课堂学习环境中，学生感知的“互助合作”水平越高，可以促进学生形成深层学习动机和采用深层学习策略。

（5）在大学数学课堂学习环境中，学生感知的“竞争”程度越高，可以促使学生形成深层学习动机，采用深层学习策略，但也可以促使学生形成表层学习动机。

（6）在大学数学课堂学习环境中，学生感知的“创新”程度越高，可以促使学生形成深层学习动机，但也可以促使学生采用表层学习策略，并对学生的高等数学成绩具有显著的消极影响。这可能意味着在高等数学成绩评定中，对教与学的过程中采用“创新”的方法与思维并没有给予积极的鼓励。

（7）在大学数学课堂学习环境中，学生感知的“选择权”越大，可以促使学生形成深层学习动机和采用深层学习策略，但也可以促使学生采用表层学习策略。

（8）在大学数学课堂学习环境中，学生感知的“秩序”越好，可以促使学生形成深层学习动机和采用深层学习策略，但也可以促使学生形成表层学习动机。

（9）在大学数学课堂学习环境中，学生感知的“少数数人控制”程度越大，可以促使学生采用表层学习策略，但对学生的高等数学成绩也有直接而显著的促进作用。

（10）在大学数学课堂学习环境中，学生感知的同学之间“缺乏了解”的程度越大，将促使学生形成表层学习动机，而不利于学生采用深层学习策略。

（11）在大学数学课堂学习环境中，学生感知的同学之间的“矛盾”越大，会促使学生形成深层学习动机，并既可以强化学生采用深层学习策略的可能性，也可以强化学生采用表层学习策略的可能性。

（12）学生建立深层学习动机对其高等数学成绩有显著的促进作用，而学生采用表层学习策略则对其高等数学成绩有显著的负面影响。

图4．20显示了大学数学课堂学习环境、大学生的学习方式及其数学学习情感发展之间关系的结构方程模型分析结果。该模型的一些拟合优度指数值为：χ2＝2529．961（df＝232，P＜0．001），RMSEA＝0．065，GFI＝0．914，NFI＝0．866，RFI＝0．827，IFI＝0．877，TLI＝0．840，CFI＝0．876。从这些指标的数值看，模型的拟合优度是很好的。

图4．20中显示的各条路径的回归系数的显著性水平都达到

了P＜0．05或更高水平。从中可以看到：

（1）在大学数学课堂学习环境中，学生感知的“师生关系”越好，可以促进学生采用深层学习方式，阻止学生采用表层学习方式，而且有助于促进学生数学学习情感发展。

（2）在大学数学课堂学习环境中，学生感知的“兴趣与满意感”水平越高，可以促进学生采用深层学习方式，而且有助于促进学生数学学习情感发展。

（3）在大学数学课堂学习环境中，学生感知的“难度”水平越高，将促使学生采用表层学习方式，而不利于学生采用深层学习方式，并对学生数学学习情感发展有显著的消极影响。

（4）在大学数学课堂学习环境中，学生感知的“互助合作”水平越高，可以促进学生采用深层学习方式，而且有助于促进学生数学学习情感发展。

（5）在大学数学课堂学习环境中，学生感知的“竞争”程度越高，既可以促使学生采用深层学习方式，也可以促使学生采用表层学习方式。

图4.20　大学数学课堂学习环境、大学生的学习方式及其高等数学学习成绩之间的关系（模型3，N-2073）

（6）在大学数学课堂学习环境中，学生感知的“选择权”越大，可以促使学生采用深层学习方式和表层学习方式，并且可以促使学生数学学习情感发展。

（7）在大学数学课堂学习环境中，学生感知的“秩序”越好，可以促进学生采用深层学习方式，而且有助于促进学生数学学习情感发展。

（8）在大学数学课堂学习环境中，学生感知的“少数数人控制”程度越大，可以促使学生采用表层学习方式，但对学生数学学习情感发展也有直接而显著的促进作用。

（9）在大学数学课堂学习环境中，学生感知的同学之间“缺乏了解”的程度越大，可以促使学生采用表层学习方式，而不利于学生采用深层学习方式，但对学生数学学习情感发展有显著的促进作用。

（10）在大学数学课堂学习环境中，学生感知的同学之间的“矛盾”越大，会促使学生采用深层学习方式。

（11）学生采用深层学习方式对其数学学习情感发展具有显著的促进作用，采用表层学习方式则对其数学学习情感发展具有显著的负面影响。

4．7　大学生感知的课程学习经验、大学生的学习方式及其对高校教学质量满意度关系的分析

4．7．1　大学生感知的课程学习经验与其学习方式之间关系的分析

在调查数据中，完整地回答了“课程学习经验问卷”和“修订的学习过程调查问卷”的学生有2593人，因此，在分析大学生感知的大学课程学习经验与其学习方式之间的关系时，我们是根据该2593名学生的调查数据进行的。

表4．33列出了大学生感知的大学课程学习经验与其学习方式之间的关系。从表4．33中可以清晰看出，学生感知的大学课程学习经验与其学习方式存在显著的相关性。就总体倾向而言，学生感知的大学课程学习经验越好，他们采用深层学习方式的可能性越大，而采用表层学习方式的可能性则越低。

但在表4．33中，也有一些结果值得关注，其背后的原因有待进一步深入探讨。其中一个值得注意的结果是，学生感知的大学课程学习经验中“清晰的目标”和“适当的负担”得分越高，他们的学习承诺水平越低，二者之间存在显著的负相关关系。另一个值得注意的结果是，学生感知的大学课程学习经验中对“基本技能”越强调，教师“良好教学”水平越高，也可能会强化学生“目标为获得证书”的表层动机，学生感知的教师“良好教学”的水平越高，他们采用表层策略的可能性也越高。

表4．33　学生感知的课程学习经验与其学习方式的相关分析

aP＜0．05；bP＜0．01；cP＜0．001．

为了进一步调查学生的学习方式是否可以用学生感知的课程学习经验因素加以预测，我们分别以学生在深层学习方式和表层学习方式上的得分作为因变量，以学生感知的“课程学习经验问卷”各因素的得分作为自变量，同时控制学生性别（以女性为参考类别）、所在学校类型（以普通高校为参考类别）、就读专业类型（以工程技术类专业为参考类别）等变量，进行了逐步回归分析。表4．34和表4．35分别列出了对深层学习方式和表层学习方式进行逐步回归分析的结果。

从表4．34可以看到，当考察学生感知的大学课程学习经验因素与其学习方式之间的关系时，深层学习方式的主要预测变量是学生感知的大学课程学习经验中的“基本技能”因素，这个变量可以解释学生深层学习方式得分方差的19．5%。学生感知的大学课程学习经验中的“良好教学”因素，以及性别和高校类型因素可以解释学生深层学习方式得分方差的另外4．5%。

表4．34　用学生感知的课程学习经验预测大学生深层学习方式的逐步回归结果

对学生深层学习方式的逐步回归分析表明，学生感知的大学课程学习经验中“基本技能”水平越高，学生采用深层学习方式的可能性越大。较普通高校学生而言，211工程高校学生采用深层学习方式的可能性也更大。

从表4．35可以看到，当考察学生感知的大学课程学习经验因素与其学习方式之间的关系时，表层学习方式的主要预测变量是学生感知的大学课程学习经验中的“清晰的目标”因素，该变量可以解释学生表层学习方式得分方差的10．5%。学生感知的大学课程学习经验中的“适当的评价”、“适当的负担”、“良好教学”等变量加上性别、专业类别等因素可以解释学生表层学习方式得分方差的另外5．8%。

表4．35　用学生感知的课程学习经验预测大学生表层学习方式的逐步回归结果

对学生表层学习方式的逐步回归分析表明，学生感知的大学课程学习经验中“清晰的目标”、“适当的评价”和“适当的负担”的水平越高，学生采用表层学习方式的可能性越小。较工程技术类专业学生而言，经济管理类专业学生采用表层学习方式的可能性也更小。

对学生深层学习方式和表层学习方式的逐步回归分析也表明，较女生而言，男生采用深层学习方式和表层学习方式的可能性都更高。而学生感知的大学课程学习经验中“良好教学”的水平越高，既可以促进学生采用深层学习方式，也可以促进学生采用表层学习方式。

4．7．2　大学生感知的课程学习经验与其对高校教学质量满意度之间关系的分析

在调查大学生的课程学习经验时，我们还调查了大学生对高校教学质量的满意度：“就整体而言，我对学校的教学质量表示满意”。学生对这个问题的回答有四种选择：“非常不同意”、“不同意”、“同意”和“非常同意”。学生选择这些答案时分别赋值1～4分。在3013名交回调查问卷的学生当中，有2719名学生完整地回答了“课程学习经验问卷”及上述有关高校教学质量满意度方面的问题。

对这些学生的调查数据进行的分析表明，他们对高校教学质量的满意度的平均值为2．83分，标准差为0．624。这一结果表明，就整体而言，学生对高校的教学质量倾向于表示满意。通过与学生感知的大学数学课堂学习环境中“兴趣与满意感”水平相比较，我们发现，学生对整体的大学课程学习经验的满意度水平要高于其对大学数学课堂学习环境的满意程度。

对不同性别学生对高校教学质量的满意度进行比较分析的结果表明，男生和女生对高校教学质量的满意度不存在显著差异（t＝1．78，P＝0．075）。

对不同类别高校学生对高校教学质量的满意度进行比较分析的结果表明，985工程高校和211工程高校学生对高校教学质量的满意度要显著高于普通高校学生（详见表4．36和图4．21）。

表4．36　不同类别高校学生对高校教学质量满意度的比较

＊＊＊P＜0．001．

图4．21　不同类型高校学生对高校教学质量满意度的比较

对不同专业学生对高校教学质量的满意度进行比较分析的结果表明，经济管理类专业学生对高校教学质量的满意度要显著低于工程技术和人文社科类专业的学生（详见表4．37和图4．22）。

表4．37　不同专业学生对高校教学质量满意度的比较

＊＊＊P＜0．001．

为了探索学生感知的课程学习经验与其对高校教学质量满意度之间的关系，我们进行了简单的相关分析和多元回归分析。简单的相关分析主要探讨学生感知的课程学习经验的各个维度与其对高校教学质量满意度之间的关系，多元回归分析主要检验学生感知的课程学习经验的各个维度以及各个维度整合在一起对学生对高校教学质量满意度的影响。表4．38列出了有关分析的结果。

图4．22　不同专业学生对高校教学质量满意度的比较

表4．38　学生感知的课程学习经验与其对高校教学满意度的关系

＊＊＊P＜0．001．

表4．38中简单的两两相关分析结果表明，在“课程学习经验问卷”各维度中，除学生感知的“适当的负担”水平与其对高校教学质量的满意度不相关外，学生感知的“课程学习经验问卷”中其他四个维度的水平都与其对高校教学质量的满意度存在显著的正相关。

表4．38的多元回归分析结果也表明，学生感知的课程学习经验的五个维度作为一个整体，与其对高校教学质量的满意度也存在着显著的相关性，其多元相关系数达0．452（P＜0．001）。具体而言，学生感知的“课程学习经验问卷”中“基本技能”、“良好教学”和“清晰的目标”的水平越高，他们对高校教学质量的满意度就越高。从标准化回归系数的大小可以看出，学生感知的“基本技能”水平对学生对高校教学质量的满意度水平影响最大，其次是“良好教学”，“清晰的目标”的影响最小。

4．7．3　大学生学习方式与其对高校教学质量满意度之间关系的分析

表4．39分析了大学生的学习方式与其对高校教学质量满意度的相关程度（N＝2766）。从中可见，学生越采用深层学习方式，他们对高校教学质量的满意度就越高。学生的深层动机水平越高，他们对高校教学质量的满意度越高；学生采用深层策略的程度越高，他们对高校教学质量的满意度也越高。

表4．39　大学生的学习方式与其对高校教学质量满意度的相关分析

＊＊＊P＜0．001．

表4．39的结果也表明，学生的表层动机水平尤其是“目标为获得证书”的表层动机水平越高，他们对高校教学质量的满意度也越高。但学生采用表层学习方式以及表层策略的程度，与其对高校教学质量的满意度则没有显著的相关性。

4．7．4　大学生感知的课程学习经验、学生的学习方式及其对高校教学质量满意度之间关系的逐步回归分析

为了进一步探讨大学生感知的课程学习经验、他们的学习方式对他们对高校教学质量满意度的影响，我们以大学生对高校教学质量的满意度为因变量，以大学生感知的大学课程学习经验各因素，以及大学生在深层学习方式和表层学习方式上的得分作为自变量，同时控制学生的性别（以女性为参考类别）、所在学校类型（以普通高校为参考类别）、就读专业类型（以工程技术类专业为参考类别）、高考数学成绩等变量，进行了逐步回归分析。表4．40列出了对学生对高校教学质量的满意度进行逐步回归分析的结果。

表4．40　大学生对高校教学质量满意度的逐步回归分析结果

从表4．40可以看出，大学生对高校教学质量满意度的主要预测指标是学生感知的“课程学习经验问卷”中的“基本技能”因素，该变量可以解释学生对高校教学质量满意度方差的17．8%。大学生感知的“课程学习经验问卷”中的“良好教学”和“清晰的目标”因素，以及学生所在高校类型、就读专业类型等因素可以解释他们对高校教学质量满意度方差的另外3．1%。

表4．40中逐步回归分析的结果表明，学生感知的大学课程学习经验中“基本技能”、“良好教学”和“清晰的目标”的水平越高，他们对高校教学质量的满意度就越高。985工程高校和211工程高校学生对高校教学质量的满意度也要显著高于普通高校学生。人文社科类专业学生对高校教学质量的满意度则要显著高于工程技术类专业学生。

在表4．40中另一个非常值得关注的结果是，大学生的学习方式对其对高校教学质量的满意度没有预测力。在逐步回归模型中，大学生的学习方式变量最后没有能够进入回归方程。

4．7．5　大学生感知的课程学习经验、大学生的学习方式及其对高校教学质量满意度之间关系的结构方程模型分析

为了分析大学生感知的大学课程学习经验、大学生的学习方式及其对高校教学质量满意度之间的关系，我们采用结构方程模型进行了相应的分析。图4．23列出了模型检验的结果。该模型的一些拟合优度指数值为：χ2＝785．215（df＝65，P＜0．001），RMSEA＝0．065，GFI＝0．958，NFI＝0．910，RFI＝0．874，IFI＝0．917，TLI＝0．884，CFI＝0．917。从这些指标的数值看，模型的拟合优度是很好的。

图4．23显示的各条路径的回归系数的显著性水平都达到了P＜0．05或更高水平。从中可以看到：

图4．23　大学生感知的课程学习经验、大学生的学习方式及其对高校教学质量满意度的关系（N＝2588）

（1）学生感知的大学课程学习经验中越强调“基本技能”，他们越可能采用深层学习方式，而越不可能采用表层学习方式，而且他们对高校教学质量的满意度越高。

（2）学生感知的大学课程学习经验中“良好教学”的水平越高，既可以促进他们采用深层学习方式，也可以促进他们采用表层学习方式，而且他们对高校教学质量的满意度越高。

（3）学生感知的大学课程学习经验中“适当的评价”的程度越高，他们采用表层学习方式的可能性越低。

（4）学生感知的大学课程学习经验中“清晰的目标”的程度越高，他们采用表层学习方式的可能性越低，他们对高校教学质量的满意度则越高。

（5）学生感知的大学课程学习经验中“适当的负担”的水平越高，他们采用深层学习方式的可能性越大，而采用表层学习方式的可能性则越低。

（6）图4．23所示模型的分析结果也表明，学生采用深层学习方式有助于提升其对高校教学质量的满意度。

【注释】

[1]陆根书，于德弘．学习风格与大学生自主学习［M］．西安：西安交通大学出版社，2003．

[2]Henderson，D．，Fisher，D．L．＆Fraser，B．J．Gender　Differences　in　Biology Students’Perceptions　of　Actual　and　Preferred　Learning　Environment［R］．Paper　Predented at　the　Annual　Meeting　of　the　National　Association　for　Research　in　Science　Tecahing．San，Francisco，April，1995．

[3]Hedges，L．V．＆Nowell，A．Sex　Differences　in　Mental　Test　Scores，Variability，and　Numbers　of　High－scoring　Individuals［J］．Science，1995，7July，41－45．

[4]Kreber，C．The　Relationship　between　Students’Course　Perception　and　Their　Approaches　to　Studying　in　Undergraduate　Science　Courses：A　Canadian　Experience［J］．Higher Education　Research　＆Development，2003，22（1）：57－75．

[5]Richardson，J．T．E．Gender　Difference　in　Responses　to　the　Approaches　to　Studying Inventory［J］．Studies　in　Higher　Education，1993，18（1）：3－14．

[6]Richardson，J．T．E．＆King，E．Gender　Differences　in　the　Experience　of　Higher　Education：Quantitative　and　Qualitative　Approaches［J］．Educational　Psychology，1991，11：363 ～382．

[7]Ramsden，P．＆Entwistle，N．J．Effects　of　Academic　Departments　on　Students’Approaches　to　Studying［J］．British　Journal　of　Educational　Psychology，1981，51：368－383．

[8]Richardson，J．T．E．，Morgan，A．＆Woodley，A．Approaches　to　Studying　in　Distance　Education［J］．Higher　Education，1999，37：23－55．