终身学习参与的影响因素研究

邓国民，周楠芳



终身学习参与的影响因素研究

邓国民，周楠芳

摘要：在国内外已有的研究文献基础上，论证了终身学习的内涵及其影响因素，并对影响终身学习参与的原因进行讨论。通过使用SPSS和Amos等软件，以CGSS2008数据为研究对象，建立结构方程模型，验证了个人情况和工作因素对终身学习参与有显著的直接影响；家庭因素对终身学习参与和工作因素均有间接影响。这在一定程度上丰富了终身学习理论，也为国内终身教育政策的制定，以及学习型社会的构建提供了一定的理论依据。

关键词：终身学习; 结构方程模型；学习型社会

一、研究背景

1972年，联合国教科文组织(United Nations Educational,Scientific and Cultural Organization,UNESCO)在《学会生存——教育世界的今天和明天》报告中提出了终身教育和学习化社会的理念，随后很多国家都以这一报告为指导思想制定和实施本国的终身教育政策。1996 年，经济合作与发展组织(Organization for Economic Co-operation and Development，OECD)重新定义了终身学习的概念，提出终身学习应该贯穿于从摇篮到坟墓的整个生命过程，包括正规教育、非正规教育和非正式学习。[1]我国学者认为，“终身学习体系是以实现全民学习终身学习为目标的现代教育体系”，我国的终身学习体系包括“学校教育、计算机网络教育、行业与企业教育以及社会教育等子系统”。而职业培训与继续教育是终身学习体系中的重要组成部分,它在劳动者素质和技能的形成、提高和持续发展，以及人力资源开发、企业劳动生产率与竞争力的提升等方面均有着举足轻重作用。[2]

目前对终身学习的研究其实主要聚焦于继续教育。联合国教科文组织出版的《技术和职业教育术语》将广义的继续教育界定为已经结束了正式教育，参加工作和负有成人责任的人所接受的各类教育。[3]欧洲职业培训发展中心发布的《欧洲教育和培训政策术语》中将继续教育和培训定义为“最初的教育和培训之后”的教育或培训；或者参加工作后旨在帮助个人提升和更新知识与技能、为职业变动掌握新技能或者再培训、持续的个人或专业发展等学习活动。它是终身学习的一部分，可能包括任何形式的教育，一般的、专业的或职业的，也可以是正规的或者非正规的教育。[4]本文中的终身学习以继续教育为主，是指调查对象脱离正规学校教育系统后继续接受的任何形式的教育，可以是正规和非正规的教育形式，具体包括职业培训，各种非学历教育、党校培训、MBA、MPA、EMBA，以及大多数的非全日制教育。

国内关于终身学习领域的研究主要集中在3个方面：(1)对国外终身教育、终身学习和学习化社会等概念、理念或者理论等方面的介绍、辨析和讨论；[5-7](2)对国内外终身学习宏观政策的解读以及由此产生的社会影响的分析和论述；[1，8-9](3)终身学习应用的微观层面，比如应用于职业培训和专业发展等方面的技术应用和实证研究等。[10-12]对于影响参与终身学习的关键因素有哪些，以及这些因素之间关系的研究很少。

本研究使用全国综合社会调查项目2008年的数据(CGSS2008)，通过结构方程模型研究个人因素(教育程度、学习态度、信息素养)、家庭因素(家庭经济水平、父母和配偶的教育程度)和工作因素(周工作时长、专业要求、工作满意度和管理参与度)等方面会不会影响一个人参与终身学习，以及影响程度如何。

二、相关文献分析及理论假设

斯蒂芬(Stephen G)和内尔(Neil S)提出影响终身学习参与的因素包括个人特征、父母特征、结束义务教育的时间和成人生活等方面。[13]安德鲁(Andrew J)等人则认为终身学习的影响因素包括个人在劳动力市场的地位、最高学历、父母教育程度、父亲的社会经济地位、就读的学校类型和企业特征等因素。[14]卡沃曼(Kwakman K)的分类就更为系统一些，他在综合众多文献的基础上，提炼出教师专业学习的影响因素，包括个人因素、任务因素和工作环境因素，每一个因素下又可以分为若干子因素。[15]博尔恩(Boeren E)也有类似的研究，他将众多终身学习参与的影响因素分为个人、教育提供方和社会经济环境等3个层级。[16]

上述研究比较深入地分析了终身学习参与的影响因素，并根据这些因素的类型、特征或者层级进行了归类，但并没有对它们之间的相互关系，以及对终身学习参与的影响机制和程度进行更进一步的探讨。本文在总结上述研究的基础上，拟对影响终身学习参与的因素作进一步的研究，选择终身学习的参与情况作为因变量，主要从参与次数和参与时间2个维度来考虑，选择个人因素、家庭因素和工作因素等终身学习的影响因素作为自变量，在构建结构方程模型时作为隐含变量，它们的观测变量分别包括：

(1)个人因素，包括教育程度、学习态度、信息素养等观测变量。

(2)家庭因素，包括家庭经济地位、父母和配偶的教育程度等观测变量。

(3)工作因素，包括周工作时长、工作专业要求、工作满意度和管理参与度等观测变量。

三、数据与研究方法

1.数据来源

全国综合社会调查项目(CGSS)最新公开发布的数据为CGSS2013，但只有2008年的调查内容涉及就业、工作、教育和家庭生活情况等方面，其中包括对终身学习参与情况的调查，因此本文选择CGSS2008数据进行研究、调查对象是根据随机抽样的方法，在全国28个省市抽取家庭户，然后在每个被选中的居民户中按一定规则随机选取1人作为被访者，由访问员手持问卷对该被访者进行调查。调查样本总数为6 000份，去掉缺失值后保留了4 143份样本数据，由于各组观测变量的度量单位不一致，需要使用SPSS软件对数据进行标准化(Standardized Values)处理。

2.变量的选择和测量标准

(1)个人因素

教育程度：CGSS2008的数据中将受教育程度划分为14种类型，比较繁多。本文借用了洪大用和卢春天的处理方式，但赋值方式不同：把受教育程度归为未受过正式教育、小学或私塾、初中、高中、专科、本科和研究生及以上等7个层次，分别赋值为1、2、3、4、5、6和7，作为连续变量。[17]

学习态度：原始的学习态度共10个题项，其中1、2、3、4、5和10等6项与学习态度相关，包括非常同意、同意、不同意、非常不同意和无法选择等5个选项。如果处理成李科特量表的方式，顺序就应该是非常同意、不确定、同意、不同意和非常不同意，计量标准分别是5、4、3、2、1。

信息素养：主要是看有没有E-mail邮箱，用0表示没有，1表示有。信息意识和信息能力是信息素养的重要组成部分。信息意识是指人对信息的认识、观念和需求，比如对信息有积极的内在需求。信息能力是指个人利用信息技术获取信息、加工信息和创造传递信息的能力。[18]虽然CGSS2008数据中只有E-mail一个关于信息素养的选项，但它实际上在某种程度上能表现一个人的信息素养。首先，它表现出一个人对信息技术的兴趣和需求；其次，它也能反映出一个人具备基本的文字处理，使用Internet获取信息、传递信息等方面的信息能力。

(2)家庭因素

家庭经济：是指家庭经济在当地的水平，从远低于平均水平到远高于平均水平，一共5个层次，分别赋值为1、2、3、4、5。

父亲教育程度：和个人受教育程度的处理一样，归为未受过正式教育、小学或私塾、初中、高中、专科、本科和研究生及以上等7个层次，分别赋值为1、2、3、4、5、6和7，作为连续变量。此外，母亲教育程度和配偶教育程度也采用同样的处理办法。

(3)工作因素

管理参与度：根据管理参与程度由低到高共4个层级，分别赋值为1、2、3和4；

工作满意度：CGSS2008原始数据包括对薪水、福利待遇、工作量、公司劳动条件与设施、与同事的关系、与老板/上司的关系、工作地点与住址的距离、住房福利和总的工作状况等9个题项，每题从非常满意到很不满意共5个程度，另外还有一个“不好说”的选项，本文取消这一项，分别赋值为5、4、3、2、1，最终取平均值；

工作专业要求：指目前的工作对职业资格证书的要求，由低到高共4个程度，分别赋值为1、2、3、4；

周工作时长：我国《劳动法》规定，每天工作时间不超过8小时，平均每周工作时间不超过44小时。1995 年颁布的《关于修改〈关于职工工作时间的规定〉的决定》又规定了每周工作40 小时的标准。每周平均工作多少个小时，按周工作时间分为5个层级：30小时以下、30-39小时、40-44小时、45-55小时及56小时以上，分别赋值为1、2、3、4、5。

(4)终身学习

学习时间：离开学校后，参与各种形式的教育和培训的时间，以月为单位，不满1个月记为1，1-12个月记为2，13-24个月记为3，25-36个月记为4，36个月以上记为5；

终身学习参与：离开学校后，参与各种形式的继续教育和培训的次数，分为0次、1次、2次、3次和4次及以上，分别赋值为1、2、3、4、5。

3.研究假设模型

H1:家庭因素对个人情况有正向作用。达肯沃德(Darkenwald G G)和梅里亚姆(Merriam S B)提出的“心理交互模型”指出，儿童和青少年时期的家庭和所处的社会环境，对其后来所接受的学校教育有重要的影响，并因此而影响其成年后的社会经济地位。[19]

H2:家庭因素对工作因素有正向作用。勒纳(Lerner R M)和舒伦贝格(Schulenberg J E)等人认为，家庭系统对一个人的职业发展有着重要的影响，这种影响既包含了遗传力量，也包含了环境的因素。[20]侯志瑾的研究指出，“家庭因素是青少年职业发展的重要环境”，父母的意见、活动和期望等方面都会对一个人的职业和工作带来影响。[21]

H3:个人情况对工作因素有正向作用。范皑皑和丁小浩指出，受教育程度是最重要的个人特征，会对个人的职业趋向和偏好造成影响，个人的受教育程度越高，越容易获得较高的工作自主性，工作自主性是评价工作满意度的重要方面，也意味着获得了更多的组织信任，能更自由地安排工作。[22]

H4:工作因素对终身学习有正向作用。博尔恩(Boeren E)等人认为就业状况和他的职业地位等与工作相关的因素会影响一个人是否参与终身学习。范皑皑和丁小浩指出一个人在工作中有更多的自主性，会拥有更多自主学习的机会。[22]

H5:个人情况对终身学习有正向作用。除了家庭因素和工作因素之外，教育程度、学习态度和信息素养等个人情况也会对一个人参与终身学习产生影响。斯蒂芬(Stephen G)和内尔(Neil S)的研究指出，个人受教育程度和他对计算机与信息技术的使用对他参与终身学习有正向的促进作用。安德鲁(Andrew J)等人的研究也指出受教育程度更高的个人更倾向于接受终身学习。博尔恩(Boeren E)等人的研究显示，欧盟境内的高学历成年人参与教育活动的比例是低学历成年人的7倍。[16]凯勒(Keller J M)指出，积极的学习态度对一个人参与终身学习具有正面影响。[23]

H6:家庭因素对终身学习有正向作用。斯蒂芬(Stephen G)和内尔(Neil S)的研究表明，家庭背景是预测一个人参与终身学习的重要指标，一个人的父母受教育程度越高，家庭的经济水平较好，那么他也就更容易成为终身学习者。[13]

根据上述研究假设，可以建立理论假设模型，如图1所示。

图1　假设的结构方程模型

四、数据分析

研究过程中采用SPSS与Amos进行数据分析，先对模型的拟合度进行评价，评价通过后再根据路径系数是否显著来验证假设。

1.模型拟合度评价

拟合指数主要是用于评价理论假设模型和实验数据的拟合程度。在模型拟合评价的过程中，一般选择GFI、NFI、RFI、AGFI、CFI和RMSEA等指标作为评价的标准。一般来说，GFI、NFI、RFI、AGFI、CFI等指标只要达到0.90以上，RMSEA和RMR在0.05以下，就表示理论模型能和数据很好的拟合。从表1可以看出，假设的理论模型能非常好地和实验数据拟合，GFI、NFI、RFI、AGFI和CFI都在0.96以上，而且RMSEA和RMR都低于0.03，该理论模型的拟合程度较佳。因此，该理论假设模型很好地通过了结构方程的拟合度评价，可以进行更进一步的分析。

表1　拟合指数(Amos V17)

2.路径系数的显著性与假设检验

路径系数的输出结果如表2所示。只要p值小于0.05，就可以拒绝原假设，即二者之间的关系是显著的。如表2所示，H1(家庭因素→个人情况)、H3(个人情况→工作因素)、H4(工作因素→终身学习)和H5(个人情况→终身学习)等潜在变量间的回归系数达到了非常显著的水平，而H2(家庭因素→工作因素)和H6(家庭因素→终身学习)的回归系数不显著。也就是说假设H1、H3、H4和H5得到了验证，H2和H6没有得到验证。

表2　系数估计结果(Amos V17)

3.模型的最终效果

最终的标准化结构方程模型计算结果如图2所示，模型中包括了多数国内外已有研究提出的对终身学习有可能会有影响的观测变量和潜在变量。从中可以看出，家庭因素对个人情况表现出直接影响，路径系数达到了0.92，个人情况和工作因素均对终身学习表现出直接影响，路径系数分别为0.38和0.41，个人情况对工作因素表现出直接影响，路径系数达到了0.69。

图2　标准化估计模型(Amos V17)

五、研究发现

1.终身学习的参与主要受个人情况和工作因素的影响

终身学习参与的影响因素主要是个人情况和工作因素，影响的路径系数分别是0.38和0.41，家庭情况对一个人的终身学习参与情况的直接影响不显著，而以工作因素的影响最大。

工作因素的观测变量分别是管理参与度、工作满意度、工作专业要求和周工作时长，它们和工作因素之间的路径系数分别是0.39、0.34、0.39和-0.41，即管理参与度、工作满意度、工作专业要求越高的个人，更倾向于成为终身学习者。首先，一个人的管理参与度越高，表示他对自己工作和学习的安排有更多的自主权，也更容易获得学习的机会；其次，一个人对自己的工作越满意，也会越容易产生专业发展和学习的内在需求；而工作的专业化要求越高，无疑是对个人有了更高的外在要求，而且单位也会有意地培养。周工作时长则是成反比的关系，显然如果一个人的个人时间很少的话，那么他也没有什么时间和精力去参与终身学习了。

个人情况的观测变量有教育程度、学习态度和信息素养，它们之间的路径系数分别是0.90、0.18和0.43，其中个人的受教育程度在个人特征中比重最大，这和范皑皑和丁小浩的研究一致。其次是个人的信息素养，信息素养较高的个人，在信息化程度越来越高的今天，更容易去寻找和把握学习的机会，比如国内外一些知名大学提供的开放教育资源和开放课程项目，非常适合于终身学习，而前提是他需要接受过良好的教育，并且具有一定的信息素养。

2.工作因素受个人情况的影响比较大

个人的受教育程度、学习态度和信息素养等个人特征，在很大程度上能说明他在工作中的一些特征：受教育程度高、有着较好的学习态度，以及良好信息素养的人，往往更容易从事专业化要求较高的工作，更容易获得管理岗位，工作安排可以比较灵活，周工作时长一般会比较合理，而且一般也会对自己的工作比较满意。这也验证了H3的观点，与范皑皑和丁小浩的研究一致：教育是个人人力资本积累的途径，会形成个人职业的趋向和信号。学历层次较高的个人，更易于获得较高的工作自主性，以及较高的工作满意度。

3.个人情况受家庭因素的影响比较大

家庭因素的观测变量分别是家庭经济水平、父母的受教育程度和配偶的受教育程度，这些因素和终身学习的参与情况，以及工作因素没有表现出明显的直接相关，但对个人情况的影响非常大，路径系数达到了0.92。父母的受教育程度越高、家庭经济情况较好的家庭，给子女能营造更好的教育环境，提供更好的条件，所以他们的子女也就更有可能接受更好的教育。池丽萍和俞国良认为，父母传递给子女的除了生理特征之外，还包括教育成就、社会地位和其他方面的代际传递。[23]另一方面，教育程度较高的个人，也越倾向于找与他教育程度相当的配偶。而且像学习态度和信息素养等其他的个人特征，也存在类似的关系。

4.家庭因素和个人情况都对终身学习参与有间接影响

从本文中的结构方程模型来看，家庭因素对终身学习的参与情况没有直接的相关性，但通过查看各因素间的标准化间接影响结果，如表3所示，可以发现在它们之间是存在间接影响的，其中家庭因素和个人情况对终身学习的间接影响系数分别是0.64和0.28。家庭因素主要通过对个人情况的影响而间接影响到终身学习的参与，而个人情况则主要通过影响工作因素而间接影响终身学习的参与。此外，家庭因素和工作因素虽然也没有明显的直接相关，但它通过影响个人情况而对工作因素带来间接影响。

表3　潜在变量间的间接影响(Amos V17)

本研究在国内外已有的研究文献基础上，论证了终身学习参与的影响因素，并对其原因进行了讨论。通过使用SPSS和Amos等软件，以CGSS2008数据为研究对象，建立结构方程模型，验证了个人情况和工作因素对终身学习参与有显著的直接影响；家庭因素对终身学习参与和工作因素都有间接影响。本研究在前人已经对终身学习参与的影响因素的类型、特征或者层级进行了理论探讨和归类的基础上，通过国内的实证数据验证了之前关于终身学习影响因素的理论和实证研究，并利用结构方程模型更进一步揭示了这些因素内部之间的关系，以及它们对终身学习参与的影响机制和程度，这在一定程度上完善了终身学习的相关理论，也为我国制定终身教育政策提供了一定的参考。

当然本研究也还存在一些不足：所使用的数据是CGSS2008，其中有些可能的因素并没有设计，所以在结构方程模型中无法体现，这也可以作为未来进一步研究的重点；其次，在数据量化处理的过程中，有些处理方式仍值得商榷，可能会丢失部分有用的数据，而保留了部分不合理的数据。不过研究过程中样本量足够大，这些问题不足以给最终的研究结果带来大的影响。

参考文献：

[1]冯巍.OECD国家终身学习政策与实践分析[J].比较教育研究,2003(9):72-76.

[2]韩民,郝克明.终身学习背景下培训与继续教育的公平及其政策课题[J].北京大学教育评论,2007(3):2-10.

[3]第六战略专题调研组,郝克明,张力.继续教育发展战略研究[J].教育研究,2010(7):31-38.

[4]European Centre for the Development of Vocational Training.Terminology of European Education and Training Policy: a Selection of 100 Key Terms[M].Luxembourg:Office for Official Publications of the European Communities,2008.

[5]陈涛,刘晶蕾,张宝昆.走向自由、终身学习之路:欧洲学分转换系统的发展历程、规程与前程[J].比较教育研究,2012(9): 75-80.

[6]吴咏诗.终身学习——教育面向 21世纪的重大发展[J].教育研究,1995(12): 10-13.

[7]顾明远.形成全民学习、终身学习的学习型社会[J].理论参考,2003(9): 3.

[8]李薇.从回归教育到全民终身学习——论OECD终身学习策略的演变[J].比较教育研究,2013(5):34-42.

[9]吴雪萍,金岳祥.英国的终身学习政策述评[J].比较教育研究,2004(2):55-59.

[10]年智英.终身学习型专业发展:日本教师资格标准述评[J].比较教育研究,2011(8):35-39.

[11]洪明.英国终身学习的新变革——“产业大学”的理念与实践[J].比较教育研究,2001(4):18-22.

[12]张艳.终身学习全球化趋势下的教师职后培训与角色定位[J].比较教育研究,2001(5):49-52.

[13]Stephen G,Neil S.Towards a Learning Society? the Impact of Technology on Patterns of Participation in Lifelong Learning[J].British Journal of Sociology of Education,2005,26(1):71-89.

[14]Andrew J,Anna V,Alison W,et al.The Determinants and Labour Market Effects of Lifelong Learning[J].Applied Economics,2003,35(16):1711-1721.

[15]Kwakman K.Factors Affecting Teachers' Participation in Professional Learning Activities[J].Teaching & Teacher Education,2003,19(2):149-170.

[16]Boeren E,Nicaise I,Baert H.Theoretical Models of Participation in Adult Education: the Need for An Integrated Model[J].International Journal of Lifelong Education,2010,29(1):45-61.

[17]洪大用,卢春天.公众环境关心的多层分析——基于中国CGSS2003的数据应用[J].社会学研究,2011(6):154-170.

[18]张倩苇.信息素养与信息素养教育[J].电化教育研究,2001(2):9-14.

[19]Darkenwald G G,Merriam S B.Adult Education: Foundations of Practice[M].United States:Ty Crowell Co,1982.

[20]Lerner R M,Schulenberg J E.Career Development: A Life-span Developmental Approach[M].New Jersey:Lawrence Erlbaum,1986.[21]侯志瑾.家庭对青少年职业发展影响的研究综述[J].心理发展与教育,2004(3):90-95.

[22]范皑皑,丁小浩.教育、工作自主性与工作满意度[J].清华大学教育研究,2007(6):40-47.

[23]Keller J M.Strategies for Stimulating the Motivation to Learn[J].Performance + Instruction,1987(8):1-7.

[24]池丽萍,俞国良.教育成就代际传递的机制:资本和沟通的视角[J].教育研究,2011(9):22-28.

责任编辑虞晓骏

收稿日期：2015-11-25

DOI:10.13425/j.cnki.jjou.2016.03.007

作者简介：邓国民，贵阳学院副教授，主要从事自主学习和终身学习研究(dam1981@126.com)；周楠芳，成都市第三十六中学信息技术教师，主要从事教师专业发展研究

基金项目：贵州省2013年教育科学规划课题 “基于在线实践社区的教师专业发展模式研究——以贵州省农村地区为例”(2013C052)；贵阳市2014年高级教育科研课题“开放教育资源应用研究”(GYJY14095)

On Factors Affecting Lifelong Learning

DENGGuo-min/Guiyang CollegeZHOUNan-fang/Chengdu Thirty-sixth Secondary School

Abstract:Based on existing research literature at home and abroad, this paper demonstrates the connotation of lifelong learning and its influencing factors, and discusses the factors which influence the lifelong learning participation. By the using SPSS and Amos, taking CGSS2008 data as the research object, it constructs a structural equation modeling and verifies that the personal circumstances and work factors have a significant and direct impact on lifelong learning; the factors involving families have an indirect impact on lifelong learning participation and on work factors. This study enriches lifelong learning theory to some extent, and would provide a theoretical basis for the establishment of domestic lifelong learning policy, as well as the construction of a learning society.

Key words:lifelong learning; structural equation model; learning society