家庭资本对大学生过程性学习投入的影响研究

，，，

(1.山西财经大学 统计学院； 2.山西财经大学 经贸外语学院， 山西 太原 030006)

一、引言

教育部长陈宝生在2018年6月21日召开的新时代全国高等学校本科教育工作会议上提出，要坚持“以本为本”，推进“四个回归”，全面改进本科教育。其中，“回归常识”是第一要务，就是要围绕学生刻苦读书来办教育，引导学生求真学问、练真本领。对大学生要合理“增负”，提升大学生的学业挑战度，激发大学生的学习动力和专业志趣，改变大学生轻轻松松就能毕业的情况，真正把内涵建设、质量提升体现在每一位大学生的学习成果上。

事实上，世界各国都在大学本科教育方面提出了各自的办学理念和施教思想，也提出了各自不同的本科教育评价体系和评价方法，而且取得了明显成效。目前，国内普遍采用的评价方法是从教学质量、校园硬件设施、教师质量等学校投入的教育要素方面的一系列指标来进行合格性评估，而对本科生学习行为中的过程性投入的评估则较为缺乏。从回归常识的角度看，只有夯实学习过程中的时间、精力和注意力的投入才能保证学生获得优异的学习成绩。清华大学罗燕教授等结合国内大学的教育现状，较早改进了美国NSSE教育评价体系，采用抽样调查的方法，对大学生学习行为的过程性投入进行了综合评价和比较分析，开辟了国内本科教育质量评价的新思路。在此背景下，明确了高校学生学习行为的过程性投入对保证教学质量的重要性，研究了关于影响学生过程性投入的主要因素，对于进一步提高教学质量以及学生的学习效果和成绩产出，具有重要的探索意义。

从目前文献发现，家庭环境和家族传承对子女的学习行为、择业、成长和婚姻等诸多方面均存在显著影响，主要集中在对大学生学习行为、毕业生初次就业、婚姻、职业、收入和消费等方面的研究。本文的研究视角是家庭资本对大学生学习行为的过程性投入的影响，研究切入点立足本科教育的基本过程，旨在探索和发现家庭资本对大学生学习行为的过程性投入的影响机理，并由此提出相应的对策建议。

二、文献综述

(一)NSSE在国内外的发展及应用

1998年2月，世界著名的皮尤咨询机构对高等教育机构教学实践的有效性和学生参与教学过程的质量展开评估。美国印第安纳大学George Kuh和John Hayek教授首次提出了NSSE评估测量系统，即National Survey of Student Engagement，当年有12所美国大学参与了调查和评估，第二年参与学校达到了56所。截止2017年，有725所美国大学参与了本项调查，参与学生人数达到了517 850人，是世界上参与人数最多的教育调查项目。[注]数据来源于设在美国印第安纳大学的NSSE项目官网(http://nsse.indiana.edu/)关于NSSE的研究在国外一些发达国家发展得已经相当成熟，近些年来逐渐受到国内学者的关注[1-3]，并取得了一些研究成果。罗燕、史静寰、涂东波[4](2009)较早通过引进和改进NSSE-CHINA调查工具，对清华大学本科生在五大指标上的表现进行了分析并与美国同类院校进行了对比。研究表明，清华大学本科教育从整体上与美国同类名牌大学不相上下，各有所长。清华大学的优势是非课程维度方面的指标，主要体现在学生的基本素质方面，比如勤奋、刻苦等；而美国大学的强项是学科优势和科学研究的实力。杨立军、韩晓玲[5](2014)基于NSSE-CHINA问卷对南京某高校展开抽样调查，利用结构方程模型构建了大学生学习投入的三维度结构模型与五维度结构模型，其中三维度包括行为投入、认知投入和情感投入，五维度包括学业挑战度、主动合作学习、师生互动、教育经验丰富度及校园环境支持度，通过比较三维度结构与五维度结构模型拟合优度以及信效度情况，认为三维度大学生学习投入因素和环境因素对大学生学习成绩的解释性比五维度学习投入指标更好。实际上，基于NSSE的研究和比较分析一直影响着国内的大学生学习过程评价，相关的研究受到国际国内学者持续关注。[6-8]

(二)“学习投入”概念的提出和推广

“学习投入”最早是由美国印第安纳大学教授乔治·库恩教授(2003)[9]提出来的。他认为衡量学生投入学习活动的有效时间、学生如何看待学校对他们学习的支持力度是过程性学习投入的重要关注点。他还提出了NSSE评价的基本假设，即认为学生在学习上投入的时间越多、阅读量与写作量越大、课堂表现越积极、与老师及同学互动越及时、自我期许越高、职业规划越明确等，则学生的综合能力越强，对提高学校的教育质量越有益。格雷·派克[10](2011)等认为，教育支出、学生参与和学习成绩之间也存在高度相关性，学生的过程性投入越多，则学习成绩越好。杨金玲[11](2015)结合美国NSSE和中国高校的实际情况，以七所“985工程”高校为例，进行了大学本科生学习投入度研究。研究表明，本科生的性别、专业、年级、班级成绩、教育程度对其学习过程的投入都存在不同程度的差异和影响。代宁等[12](2016)采用NSSE-CHINA问卷，对某高校本科生学习性投入进行了调查研究，认为该“双非”院校本科生在师生互动水平和校园环境支持度上的总分显著高于“211工程”院校的平均得分，且其他三项指标不存在显著差异；不同专业的本科生在教育经验丰富度上的得分存在较大差异;除学业挑战度外，该校其他四项指标2014年的得分均高于2011年的得分，呈现不断提高的趋势。由此可见，NSSE标准正在成为国内院校进行学习过程评估的重要工具，已经得到越来越广泛的应用。这些应用存在三个问题：一是虽然使用相同问卷，但是各自完成的抽样、调查和分析，掌握的标准和尺度不一样，因此难以进行统一的比较和分析；二是不同学校之间的生源质量和培养目标等方面存在较大差异，如果使用相同的指标进行比较，难以形成有效的差异化描述，结论也值得商榷；三是较大规模的连续性研究尚未形成，而长期有效的过程评估是提升大学本科教育质量的重要方法，如果不能从动态的角度进行长期的过程质量评估，NSSE的优势也难以得到充分发挥。

(三)家庭资本对过程性学习投入的影响

大学生的个体差异对学习投入存在较大影响，包括投入的时间、注意力，持续的交流、关注和主动性学习。这些行为在一定程度上是个人中学时期甚至家庭教育中形成的学习习惯的延伸。由此，国内很多学者关注到家庭资本对子女成长的多方面影响。张意忠[13](2016)开展了城乡家庭资本差异对子女高等教育需求的影响，他从家庭经济资本、家庭文化资本(即父母受教育程度和对文化产品的消费使用水平)、家庭社会资本(即家庭已建立的社会关系)三个方面对家庭资本进行调查分析，通过研究认为家庭资本状况对子女的高等教育需求有重要影响。曹春春[14](2013)研究了家庭资本与大学生学习成绩的关系，通过调查分析，发现家庭经济资本对大学生学习成绩的影响最大，父母的收入对大学生学习成绩有显著正向影响，不仅影响着大学生的学业成绩和素质拓展，还对大学生奖学金的获得有着显著影响；家庭社会资本对个体学习成绩的影响作用其次，而家庭文化资本对个体学习成绩的影响作用相对较小。家庭文化资本仅对个体的学业成绩有显著影响，但对个体的素质拓展、英语水平和奖学金的获得均无显著影响。李芳元[15](2011)从教育社会学的角度分析了不同家庭学生的学业成就差异，选取了武汉两名初中学生为研究对象，通过对比两个家庭的家庭资本，讨论了家庭资本影响学生学业成就的表现，分析发现，家庭资本量积累不同，其子女取得的学业成就存在显著差异。家庭资本丰富，父母能为子女的学业成就提供良好的物质环境和认知环境，使子女在学习成绩、学习态度、群体交往中都有较好的表现；而家庭资本处于劣势的家庭则相反。

三、实证研究

(一)研究方法

一般认为，大学生参与教学过程是大学教学质量评价的关键特征。它包括两个方面的内涵：一是大学生投入学习的时间和精力以及其他有教育意义的活动；二是大学如何部署教育资源，组织课程和其他学习机会，让大学生参加各种与课程学习有关的研究活动。

本文根据美国印第安纳大学NSSE项目多年的研究经验，对面向四年制大学生的基础问卷进行了修订，在一些中美差异较大的调查项目上作了修正，并进行了问卷调查。在问卷中设计的大部分调查项目覆盖了大学生在接受本科教育中投入和获得的整个过程。NSSE没有直接评估大学生的考试成绩和学习获得的情况，但是结果指出了大学生和大学在教学过程中的表现以及可以改进的方面。

本文的主要研究目的是探索家庭资本与大学生学习行为的过程性投入的关系问题。我们在修订好的问卷基础上，先后于2013年6月与2017年6月进行了两次较大样本的抽样调查，调查对象是同一所大学的本科生，配额抽样的样本分布基本一致，但调查对象完全不同。我们根据最近一次调查的数据，以家庭资本作为自变量向量，以学习投入作为因变量向量，尝试进行两者的关联分析，并进行统计检验和分析。

(二)指标体系和变量设计

表1 各观测变量类型及对应问卷问题

根据布迪厄的文化资本理论，本文假定家庭资本潜变量由文化资本、经济资本、社会资本和政治资本等组成，其中家庭经济资本由家庭年收入(X1)、家庭所在地区和家庭城乡分类(X2)两个指标来替代测度；家庭文化资本由父亲学历(X3)和母亲学历(X4)两个指标来替代测度；社会资本由父母职业、职务等指标构成；政治资本由父母的党派属性和社会职务表征。

大学生学习行为的过程性投入变量主要包括：阅读量(Y1)、写作量(Y2)、课余计划(Y3)、情感投入(Y4)、课堂学习(Y5)、师生互动(Y6)、生生互动(Y7)、学习动力(Y8)、学习描述(Y9)、专业兴趣(Y10)、学习期望(Y11)、学习成绩(Y12)、证书奖励(Y13)、自我提高(Y14)。这些指标在原始问卷中都有具体问题相对应。

(三)数据来源

本次调查根据某财经大学在校生人数和学科归属，采用配额抽样的方式进行样本量分配，共发放问卷351份，收回有效问卷252份，调查问卷的有效回收率为71.79%,具体数据见表2：

表2 样本分布表

(四)调查数据的信度检验

信度系数(Cronbach α系数)主要用于测度量表内部变量的一致性程度，大样本情况下，当α<0.6时，我们认为内部一致性不够好，需要调整和修改量表设计；当α>0.6时，我们认为内部一致性较好，检验合格。根据问卷涉及的两大部分数据，包括家庭资本和学习投入的总体变量观测数据，计算得到信度系数α=0.715，标准化后的信度系数α=0.782，可认为总体信度优良。各个观测指标的所有问题的内部一致性检验系数α见表3：

表3 内部一致性检验系数表

从表3中可以看出，生生互动、学习描述和证书奖励的内部一致性检验相对较差，剔除部分问题后，信度系数有所提高，可进行下一步分析。

(五)家庭政治资本和社会资本的影响分析

为了明确家庭资本的四个重要组成部分，即经济、文化、政治和社会资本每一部分是否都与大学生过程性投入显著相关，本文进行了双变量因子分析，即重点检验家庭政治资本和社会资本与学习投入的关系。

1.家庭政治资本是否影响学习投入

分别以父亲政治面貌、母亲政治面貌和学习投入中的阅读量、写作量以及互动学习等三个变量作相关分析，采用Spearman等级相关系数进行度量，结果见表4：

表4 家庭政治资本与学习投入部分指标的相关关系

由表4可见，家庭政治资本对大学生的学习投入情况并没有产生显著的正向或负向的关系。

2.家庭社会资本是否影响学习投入

在问卷设计的过程中，我们采用了父亲职业和母亲职业作为家庭社会资本潜变量的观测变量。问卷中职业代码设计如下：1-农民，2-个体户，3-私营业主，4-一般工人，5-技术工人，6-专业人员，7-中小学、幼儿园教师，8-大学教师/科研人员，9-企事业单位高管，10-企事业单位中层管理人员，11-机关干部(正科级以下)，12-机关干部(副处级以上)，13-一般办事人员，14-文、体、新闻工作者，15-军人，16-无业人员，17-其他。为了便于分析，本文根据不同职业的社会属性强度进行了重新划分，具体划分情况见表5：

表5 职业大类划分表

上述分类中，我们的划分依据是不同职业对于社会资源的拥有量和职业的社会依赖性，依照这个想法对17种标准职业进行了大致的区分，用以考量社会资本对大学生的学习投入是否存在显著影响。

图1 父母职业类型与学习投入变量的对比

图1中，父母的职业按照接触面、社会资源丰富度、社会关系影响力等进行初步分类，对大学生过程性投入的影响进行对比分析，由条形图可以看出，不同职业类型的父母对大学生的学习投入并没有显著的影响。

(六)家庭经济资本和文化资本的影响分析

家庭经济资本的替代变量包括家庭所在地区和城乡，我们由此可以估计出各地区城乡居民人均收入。根据《中国统计年鉴》得到的东中西部地区最新的人均可支配收入，再按照城乡等级进行分类，依次可以分为大都会、省会城市/直辖市、区域中心城市、地级市、县城和农村；通过比例赋值法，本文得到了各地区城乡人均收入的推算值见表6：

表6 各地区城乡居民人均收入推算值

家庭文化资本的替代指标是父母的受教育年限之和，根据问卷调查数据，给予对应的年限，具体赋值方法见表7：

表7 父母受教育年限赋值表

1.考察原有的调查指标是否适合进行因子分析

首先考察我们收集到的原有调查指标彼此之间是否存在线性相关关系，是否适合采用主成分分析来提取因子。本文借助变量的相关系数矩阵、Bartlett球度检验和KMO检验方法来进行分析和判断，分析结果见表8：

表8 巴特利球度检验和KMO检验

由计算可知， Bartlett球度检验统计量的值为1 178.121，相应的概率P值接近0。假如取显著性水平为0.05，由于概率P值小于显著性水平，则我们应该拒绝原假设，即认为相关系数矩阵与单位阵有显著差异。同时由表8可知，KMO的值为0.765，按照Kaiser给出的KMO检验临界值可知，原有变量适合进行因子分析。

2.五个公因子的提取和解释

首先我们进行尝试性分析。按照原有调查变量的相关系数矩阵，采取主成份分析方法提取公因子，并选取特征值大于1的特征向量进行计算，分析结果见表9：

表10 旋转后的因子载荷矩阵

由表9中的初始平方和项可知，由于指定提取4个因子，4个因子共同解释了原有变量总方差的61.660%。总体上，原有变量的信息丢失比较少，故因子分析结果较为理想。表9中旋转平方和项描述了最终因子解释的情况。由计算结果表可知，因子旋转后，总的累计方差贡献率没有变，即没有影响原有变量的共同度，但重新分配了各个因子解释原有变量的方差，改变了各因子的方差贡献率，使因子更便于解释。

由表10可见，通过因子载荷矩阵解释各因子，因子1在课余计划、课堂学习、生生互动、师生互动上具有较高载荷，可以解释为行为投入；因子2在阅读量、写作量、情感投入上具有较高载荷，可以解释为主动学习；因子3在学习成绩、证书奖励上具有较高载荷，可以解释为学习获得；因子4在学习动力、学习描述、自我提高上具有较高载荷，可以解释为学习兴趣。

3.家庭资本与大学生过程性学习投入的相关分析

首先分析家庭经济资本与大学生过程性学习投入的相关关系，见表11：

表11 相关系数矩阵

表12 相关系数矩阵

家庭经济资本指标用两个变量来衡量，即为家庭所在地和家庭经济状况，学习投入用提取的4个因子衡量。由表11可知，家庭所在地与因子1(行为投入)的相关性为0.108，P值为0.09，若显著水平取0.05，则认为家庭所在地与因子1的相关性很低。家庭所在地与因子3(学习成果)、因子4(学习兴趣)的分析同理。家庭所在地与因子2的相关性为0.226，P值为0.000，若显著水平取0.05，则认为家庭所在地与因子2(主动学习)的相关性很高，即家庭所在地为城市的大学生阅读量、写作量、对学习的情感投入均高于家庭所在地为农村的大学生。家庭经济状况与因子1(行为投入)的相关性为-0.026，P值为0.685，若显著水平取0.05，则认为家庭经济状况与因子1的相关性很低。同理可知，家庭经济状况与因子3(学习成果)、因子4(学习兴趣)的相关性也很低。家庭经济状况与因子2(主动学习)的相关性为-0.164，呈负向关系，P值为0.009，若显著水平取0.05，则认为家庭经济状况与因子2(主动学习)的相关性很高，即家庭越贫穷的大学生主动学习的积极性越高。

其次，考察家庭文化资本与学习投入的相关关系，见表12。

家庭文化资本指标用两个变量来衡量，即父亲学历与母亲学历；学习投入用提取的4个因子衡量。由表12可知，父亲学历与因子1(行为投入)的相关性为0.085，P值为0.182，若显著水平取0.05，则认为父亲学历与因子1的相关性很低。父亲学历与因子3(学习成果)、因子4(学习兴趣)的分析同理。父亲学历与因子2的相关性为0.277，P值为0，若显著水平取0.05，则认为父亲学历与因子2(主动学习)的相关性很高，故认为父亲学历越高的大学生阅读量、写作量、对学习的情感投入越高，即学习越主动。母亲学历与因子1(行为投入)的相关性为0.09，P值为0.154，若显著水平取0.05，则认为母亲学历与因子1的相关性很低。同理可知，母亲学历与因子3(学习成果)、因子4(学习兴趣)的相关性也很低。而母亲学历与因子2(主动学习)的相关性为0.215，P值为0.001，若显著水平取0.05，则认为母亲学历与因子2(主动学习)的相关性很高，故母亲学历越高的大学生阅读量、写作量、对学习的情感投入越高，即大学生主动学习的积极性越高。

综上所述，家庭资本对大学生学习投入存在一定影响，但总体水平较低，其中家庭政治资本和社会资本对大学生过程性投入的影响不显著；家庭经济资本与家庭文化资本对大学生主动学习的影响较为显著，对其他四个因子的影响不明显。家庭所在地为城市的大学生阅读量、写作量、对学习的情感投入均高于家庭所在地为农村的大学生，而家庭越贫穷的大学生主动学习的积极性越高；家庭文化资本即父母亲学历越高，大学生主动学习的积极性越高。

四、本研究存在的问题和改进建议

(一)抽样设计和实施的问题

为了改进调查数据质量，研究对象应包括所有在读本科生及研究生，但本文基于研究便利性和时间约束性，只选取了经济学、统计学、管理学、法学、英语等专业的学生为研究对象，并且所涉及的范围不包括部分本科、硕士和博士年级，尽管数据来源满足随机抽样和分层抽样的基本原则，但对于描述整个研究总体而言有一定偏差。在今后进一步研究中，应该扩大研究对象的样本获取范围，尽可能合理地将各个年级、专业、学校包含在研究范围之内，

(二)定性调查数据的支持力度不足

一般而言，统计调查应充分考虑问卷调查和定性研究的全部信息，问卷调查告诉我们“是什么”，定性研究告诉我们“为什么”。本次调查只采用问卷调查工具获取研究所需数据，没有进行深度访谈等更专业和有针对性的定性研究工具，难以挖掘和验证大学生对于过程性学习投入的态度，对深入考察大学生过程性投入的态度和认知本质尚存在较大差距。

(三)研究方法的局限性

初步的描述性统计结合因子分析，缺乏因子分析的进一步改进，在表达研究问题与分析研究对象的关联性方面存在一定欠缺。在今后进一步研究中，应该采用与研究问题较为适应的结构方程模型，通过验证性模型探索，验证统计模型的准确性，可以更为精确地拟合出各变量之间的相关关系，从而更好地解释家庭资本和大学生过程性投入的关系问题，以及深入研究家庭教育对大学生未来发展的长远影响。