研究型大学本科生就读经验及学习效果差异的类型学分析——以H大学为例

摘要本科生类型学研究是本科生学习与发展研究领域的重要内容。

基于2016年对某研究型大学9988名本科生的学习与发展调查，以本科生就读经验中的学生期望值和学生投入度为分类基准，对学生进行分类，并比较就读经验及学习效果的类型差异。

研究得出六种学生类型，分别命名为卓越型、跟进型、平衡型、高需求型、社交型和游离型。

六类学生在就读经验、学习效果及时间管理等方面，存在明显差异。

学生类型呈现一定的历史稳定性和时代发展性。

六类学生在学习效果及时间管理方面的差异，呈现某种一致性。

学校要尊重学生类型间差异，促进学生类型间的良性转化，提高学生学习效果；通过大数据技术及学习分析，实施个性化教育。

关键词本科生；就读经验；学习效果；类型学2014年，教育部开始开展对高校的审核评估，并且更关注教学过程及学生的学习效果，要求高校在自评报告中阐述学生学习效果。

在此背景下，H大学启动了本科生学习与发展调查项目，设计调查问卷对全校本科生进行调查，为审核评估提供相关数据。

在完成这一功能的基础上，项目组开始对H大学本科生的学习与发展展开研究，期通过研究，为学校对本科生的精准指导与有效咨询提供支持。

基于此，本研究以H大学本科生学习与发展调查数据为基础，将本科生就读经验中的学生期望值和学生投入度作为分类基准，通过数据挖掘方法，对学生进行分类，并比较不同类型学生的就读经验及学习效果差异。

本研究关注的研究问题是：第一，如何基于学生期望值和学生投入度，对学生进行有效分类？第二，不同类型学生的就读经验、学习效果及时间管理是否存在显著差异？一、相关研究述评（一）本科生学习效果的构成要素及测量教育研究领域对学习及教育目标的关注，推动着本科生学习效果构成要素及其测量的研究。

教育目标分类学的提出者、著名教育心理学家布鲁姆将学习分为认知、情感和动作技能三个领域。

阿斯汀、厄威尔、特伦兹尼等基于布鲁姆的教育目标分类学，结合高等学校的组织特性，提出了本科生学习效果的分类及测量方式。

阿斯汀将本科生学习效果分为三个维度：效果类型、数据类型及时间维度。

其中，效果类型分为认知性效果和情感性效果。

厄威尔将学习效果分为知识、技能、态度与价值观、行为四个层次。

特伦兹尼借用厄威尔的分类，将评估层次、评估目的及评估对象三个维度考虑在内，构筑学习效果评估立方体。

以上学者的研究，虽然学习效果的分类标准稍有差异，但仍主要在布鲁姆教育目标分类框架内，尝试将布鲁姆的教育目标分类操作化。

学术界对本科生学习效果测量的研究，大多集中于对学生认知和情感收获的考察。

本科生学习效果界定较为容易，但如何测量，学术界存在争论。

马彦利、胡寿平曾列举了除标准化考试之外的13种测量学生认知性学习效果的方法，可以通过两种方式来测量学生学习效果。

第一种是采用学生调查，让学生自评自己的认知和非认知方面的学习效果。

其中，以全美大学生投入度调查（NSSE）的影响最大。

尽管有人质疑学生自我报告的教育收获缺乏有效性，但研究者认为，让学生自我报告其教育收获，仍旧是有意义的，能够有助于我们了解学生就读经验及教育效果。

第二种是使用心理测量和有效量表来直接测量学生的学习效果。

如大学生学习效果评价（CLA）。

通过认知和情感收获测量的分析，可发现，相对于认知性效果测量来讲，情感性效果测量的技术还相对落后。

但通过开发问卷和量表，可以较为容易地对情感性效果进行测量。

相比之下，对认知性效果的测量则受很多条件的限制。

（二）本科生学习效果的影响因素本科生学习效果影响因素的相关研究，主要见于学生学习与发展研究中院校影响力理论或学生投入理论。

该理论较早由汀托和阿斯汀提出。

汀托提出的学生融合模型，将学生辍学原因归结为学术融合和社交融合两个要素。

阿斯汀将学生学习效果视为学生投入与学校环境的函数，进而提出学生发展的IEO（投入-环境-产出）模型。

之后，学生投入理论在横向和纵向两个方面得到发展。

在横向方面，日益考虑学校结构特征及非学校因素的影响，如帕斯卡雷拉提出的学生变化的综合影响模型包含了学生背景、学校组织特征、社会化互动、学校环境、学生努力的质量等五组影响学习效果的变量。

其中，“学生努力的质量”指学生在时间和努力方面的投资/投入。

在纵向方面，日益考虑学生的整个发展过程，如库提出的学生参与理论，将学生学习效果影响因素概括为学业挑战度、主动合作学习水平、生师互动、教育经验丰富程度和校园环境支持度。

综上，现有模型所包含的学生学习效果的影响因素越来越多，模型越来越复杂。

汀托对此提出质疑，他认为，现有研究提出了很多理论上非常具有吸引力的概念，但这些概念没有很好地转化为行动纲领。

基于此，汀托2012年正式提出“学生成功的院校行动模型”,阐述了学校可以采取的行动类型及政策措施。

其实，所有这些模型可归纳为学生努力度和学校融入度两个要素，即大学的影响在很大程度上取决于学生个人努力的程度，以及融入到学校所提供的学术、社交和课外活动等氛围之中。

（三）本科生类型学研究本科生类型学研究已经有50余年的历史。

阿斯汀认为，“如果不借助类型学视角，几乎不可能就美国本科生研究展开有意义的对话和交流。

”库等人认为“根据学生态度及行为的不同，可以将学生划分为几种类型。

对学生分类进行研究，有助于我们了解学生的时间分配，解释同伴对大学教育效果所产生的影响。

”早期侧重从概念和理论层面研究学生分类，如克拉克及特罗以学生对学校的认同及学生对各种观点的接纳程度为分类基准，将学生分为学术型、学院型、职业型及另类型。

20世纪90年代后，出现了学生分类的量化研究，比较有影响的是以下几项研究。

1993年，阿斯汀根据学生的价值观、自我概念、人生目标、行为、态度和期望，利用加州大学的学生调查数据，使用因子分析，将学生分为七类。

2000年，库恩、胡寿平和维斯帕以学生在教育目的性活动中的努力质量为分类基准，并通过大学生就读经验调查来收集数据，通过因子分析和聚类分析将学生分为十类。

2011年，胡寿平和麦考密克根据NSSE中的五项指标，通过聚类分析将学生分为七类，分别是学术型、非传统型、游离型、社交型、大化效用型、书虫型、传统型。

东京大学金子元久根据学生对大学教育的期望以及他们对自我和社会的认识两个维度，将大学生分为高度匹配型、独立型、被动顺应型和排斥型。

近几年，我国学者开始利用调查数据进行学生分类研究，如傅承哲等通过聚类分析和面板数据分析，将学生学习状态分为卓越型、社交型、研究型、阅读型、游离型、懒惰型六种类型。

通过考察美国、日本及中国学者关于本科生类型学的研究，可以发现本科生类型学研究的基本特点表现在四个方面。

其一，分类基准主要集中于学生态度和行为，当然也有拓展到学校的组织环境支持，以胡寿平和麦考密克的分类基准所涉及的变量最多；其二，分类方法经过了早期的因子分析向近年来的聚类分析转变；其三，分类所利用的数据大多来自学生问卷调查；其四，分类后的学生类型从四种到十种不等。

（四）文献评论综上，从本科生学习效果的构成要素及测评方法的分析，到学习效果影响因素的考察，再到本科生的分类问题，都有着一个较为清晰的研究脉络，为后续研究奠定了基础。

但仍然存在较大的研究空间。

第一，现有对学习效果构成要素的研究相对成熟，测量进展多集中于关注一般性或整体性学习效果，很少关注学校层面的学生学习效果。

阿斯汀认为，在讨论学习效果时，要考虑所讨论的学习效果限定在哪个层次（如课堂、课程、项目及学校层次），而且任何对学习效果的测量都不可避免要基于一定的价值判断，考虑利益相关者（如教师、雇主、学生等）的价值观念或视角。

本研究作为一项具有明显院校研究范式的探索，旨在对学校本科教学改革或本科人才培养有所启发，因此更关注学校层面的学习效果。

学校的人才培养目标集中体现了学校希望学生在本科期间所要达到或实现的学习效果，且基于学生视角，通过学生自我报告的方式，测量学生对学校人才培养目标的感知度，有助于考察学校声明的学习效果在学生身上的实际体现程度。

第二，学生学习效果的诸多影响因素中，来自学生自身的因素，更适合纳入学生类型学研究的分类基准。

根据汀托的“学生学业成功的院校行动模型”，本科生学习与发展的四大影响因素中，学生期望值和学生投入度更多属于学生方面的影响因素，学校支持度（学业支持、社交支持、校园设施支持、学生资助支持等）、考核与反馈（教师考核频繁度、教师反馈及时度等）更多属于学校方面的影响因素。

根据帕斯卡雷拉和特伦兹尼的研究——大学的影响在很大程度上取决于学生个人努力的程度，以及融入到学校所提供的学术、社交和课外活动等氛围之中，本研究尝试将对本科生学习与发展影响最为重要的学生方面的因素，作为分类基准，纳入分类模型。

而且，学生期望值侧重观念层面，体现了学生对自身的要求，学生投入度侧重行为层面，体现了学生在实践中的行动，两者结合，组成观念-行为系统，有助于较好地把握学生类型。

另外，现有研究在对学生分类时，并没有对分类基准的重要程度进行考察。

本研究在以学生期望值和学生投入度作为分类基准时，将根据各分类基准的重要性，纳入聚类分析。

第三，根据“学生努力的质量”这一概念，学生投入既包括“质”的投入，也包括“量”的投入。

“质”集中体现为主动学习程度；“量”集中体现为在学习和社交等活动中的时间投入，可以通过时间管理变量测量。

因此，本研究除对比不同类型学生在期望、投入及效果三个方面的差异外，还有必要分析不同类型学生在时间管理能力方面的差异。

这有助于更加清晰地看到不同类型学生间的差异。

第四，学生类型学研究中，应该更多考虑数据挖掘的方法，提高分析的精度和分类的科学性。

学生类型学研究所依赖的数据大多是对学生的问卷调查，这类数据是学生的自我报告数据，如何通过数据挖掘方法，科学填补缺失值，科学筛选变量，提高聚类分析的精度，在数据挖掘技术日益成熟的今天，理应得到重视。

二、研究设计（一）数据来源本研究的数据来自2016年H大学本科生学习与发展调查。

H大学为我国“双一流”建设项目中的一流大学建设高校，以理工医为主干学科，是我国教育部直属的高水平研究型大学。

2016年，H大学设计网络调查问卷，在注册中心和学工处等部门的支持和动员下，采取学生自愿填答的方式，进行了为期一个月的调查。

共有12 786名全日制在校本科生完成了调查，回收率为41.6%，高于国际上同类调查的平均回收率。

经严格的数据清洗，最终得到的研究样本有9 988人，其中男生占65.7%，女生占34.3%；工科类占58.5%，医科类占12.5%，经管类占11.6%，人文类占8.9%，理科类占8.5%。

性别及学科分布，与总体较为接近，研究样本能够有效代表总体。

（二）问卷信效度本研究的调查问卷是基于本科生学习与发展的经典理论及最新研究开发的。

以阿斯汀的“I-E-O模型”为主体框架，将该模型中的“环境”指标细化为汀托“学生成功的院校行动模型”的四个要素——学生期望值、学校支持度、考核与反馈、学生投入度。