一、研究背景 高等教育质量评估范式从注重高校的资源投入转向重视大学生的学习投入。大学生学习投入度研究已成为高等教育质量评估研究领域新的发展趋势，也是世界各国高等教育界共同关心的热点问题。“student engagement”(学生学习投入度)概念大约出现在70年前。在20世纪30年代，教育心理学家 Ralph Tyler先后在俄亥俄州和芝加哥大学做的一项研究.用来调查学生花在功课上的时间和学习上的努力程度。20世纪60年代。Robert Pace开始关注学生的努力成效(quality of effort)，并在此基础上开发了 CSEQ问卷。并于1979年实施调查。但许多教育史学者认为，Alexander Astin在20世纪80年代关于“学生学习参与度”(student involvement)的研究才是现代意义上的学习投入度研究。虽然并不是所有学者同意将“学生学习参与度”和“学生学习投入度”等同起来，但Alexander Astin和George Kuh认为这两者并没有本质的区别[1]。在美国教育学界如何定义“学生学习投入度”存在很大的争议，因此，有学者认为有必要对其进行定义[2]。Jennifer Fredricks[3]等学者通过对已有文献的研究提出学生学习投入度是一种包含行为(behavioral)、情感(emotional)和认知(cognitive)三方面投入的元构念(meta-construct)。而Shaun Harper[4]等学者认为学生学习投入度不只是一种学习参与，除行动(activity)外还需要情感(feeling)和知觉(sense-making)。而英国高等教育研究学会(The Higher Education Academy)[5]在最近的一项关于学生学习投入度的文献综述中发现，学者们也比较认可学生学习投入度包括行为、情感和认知三方面的投入。 在美国，学者们开发了大量的工具来测量学生的学习投入度。Jennifer Fredricks[6]等学者在其论文中分析了11种与学生学习投入度相关的测量工具，当然这些测量工具大部分主要用于基础教育研究。而在美国高等教育研究中，学者们也开发了大量的关于学生学习投入度的测量工具，Bonnie Lindauer[7]在其论文中对9种测量工具进行了分析。在众多的测量工具中，全美大学生学习投入度调查(National Survey of Student Engagement，NSSE)最具影响力，除美国本土外，澳大利亚、新西兰、南非等国家引进了其调查量表，在各自国家开展调查。清华大学教育研究院[8-9]也将NSSE引进我国，在取得良好信效度的前提下开展了大规模调查。我国还有学者[10]将Wilmar Schaufeli的《大学生学习投入量表(UWESS)》在我国大学生样本的基础上进行了修订，认为该量表信效度良好，可为相关研究所采用。北京大学教育学院[11-13]基于自主研发的量表对首都各高校开展了学生发展与投入度方面的调查。厦门大学“国家大学生学习情况调查”课题组[14]通过自主设计调查量表开展了全国大学生学情调查。本研究以厦门大学“国家大学生学习情况调查”课题组2012年的数据为基础，探讨我国大学生学习投入度的总体状况、年级趋势以及与学习收获之间的关系。 二、研究设计 (一)研究对象 本研究数据来源于“国家大学生学习情况调查数据库”中的“2012年本科院校数据库”①。国家大学生学习情况调查采用分层随机抽样方法，通过网络调查平台，邀请全国各省市院校参与调查。2012年共有48所本科院校参与调查，其中“985工程”院校6所、“211工程”院校9所、普通本科院校33所。59372名本科生参与了调查，其中男生26906人、女生32466人；城市家庭20815人、农村家庭38557人；大一学生20286人、大二学生16724人、大三学生15087人、大四学生7275人。 (二)研究工具 1.预测量表的编制。本研究将大学生学习投入度定义为大学生在学习过程中行为、情感和认知三方面的投入程度。同时，在此定义和访谈基础上，从认知、情感和行为三方面的投入编制《大学生学习投入度量表》。具体来讲，认知投入主要分为元认知策略和深层认知策略两个方面：情感投入主要分为学习兴趣和学习价值两方面；行为投入主要分为师生互动和同伴互动方面。项目选项采用6点自评式量表。1=非常不同意，2=不同意，3=基本不同意，4=基本同意，5=同意，6=非常同意。 2.正式量表的编制。 (1)量表的探索性因子分析。使用大学生学习投入度预测量表，通过“国家大学生学习情况调查”网络调查平台对福建省某高校进行试测，共有2313名本科生参与了试测。使用SPSS19.0对预测量表进行项目分析(Item Analysis)和探索性因子分析(Exploratory Factor Analysis)。运用临界比值法(Critical Ration)进行项目分析[15]。通过项目分析发现所有项目都达到了0.001以上的显著性，各项目有良好的区分度，因此无需删题。项目分析后，对预测量表进行探索性因子分析。通过分析可知，KMO值为0.886。依据Henry Kaiser的观点[16]，KMO值在0.7以上，适合做因子分析。同时，Bartlett's球形检验达到显著，也认为数据适合进行因子分析。用“极大方差法”(Varimax)进行正交旋转分析求出旋转因子负荷矩阵，项目的选取标准为因子负荷大于0.5。因子的提取标准为因子特征值大于1。在经过三次探索性因子分析的基础上，得到了一个稳定的因子结构。特征值大于1的主成分有5个，累积解释变异量为62.691％。方差解释率较好，可提取5个因子。因子F1为“元认知策略”、F2为“师生互动”、F3为“同伴互动”、F4为“深层认知策略”、F5为“学习热情”。通过探索性因子分析.得出大学生学习投入度的5个因子(共22个项目)，结果与最初的理论构想(除情感投入中学习兴趣和学习价值两方面合并成学习热情因子外)基本相一致。这也说明本量表拥有较好的构念效度(construct validity)。
