智能教室中环境感知及自我效能感对个体认知投入的影响研究*

卢国庆 刘清堂[通讯作者] 郑清 谢魁

（1.华中师范大学人工智能教育学部教育信息技术学院，湖北武汉430079；2.俄亥俄州立大学数字化学习研究实验室，美国俄亥俄州43210）

一、问题的提出

智能教室（Smart Classroom，也称智慧教室、未来教室）是智能化校园的重要组成部分，其“智能”体现在内容呈现、环境管理、资源获取、及时互动和情境感知等方面[1]。在智能教室环境中开展教育教学研究，探究智能教室环境下学生学习投入的影响因素，是信息时代教育信息化研究的重要方面。目前，针对学习投入的相关研究主要集中在两方面：第一，从研究取向看，多聚焦在“个体导向”，发生在实验室或非自然情境中，采用响应时间、生理指标等方法衡量学习者内部的认知、情感或动机等；第二，从测量方法看，多采用传统自我报告法测量学生的整体学习投入。例如，杨立军等[2]使用“NSSE-China 回顾性学习投入测量问卷”，对大学生的学习投入进行跟踪研究；张雪等[3]使用“学习动机策略问卷（MSQL）”对智能教室环境下的大学生认知策略、元认知策略等进行一次性测量评估。

目前，研究者普遍认同：学习投入不再被概念化为一种个体的固有属性，而是被视为一种由环境、个体等因素影响的可塑状态[4]。在智能教室环境中，学生对教学环境的感知，会随着教师教学的进度、新教学媒介的使用、社会性互动等因素而发生波动，这些环境感知因素与个体因素交织在一起，共同影响学生认知投入的变化。那么，在智能教室环境中，教学环境感知、认知投入如何变化？环境感知、个体因素如何影响具体活动中的认知投入？并且有着怎样的影响机理？回答这些关键问题，需要采集个体学习过程中即时的纵向数据。

然而，已有研究大多采用回顾性的调查问卷或横断面研究方法。这些“个体导向”的方法很难捕获认知投入在不同活动情境下的变化特征，难以反映学习投入的动态过程[5]。为了实现在具体活动情境下对学习投入的即时数据的采集与分析，智能教室环境中的学习投入研究，亟需探索新的研究方法和框架。当前，面向真实情境的即时数据采集方法，逐步成为提高理论精度与量化研究质量的新趋势[6-8]。经验取样法（Experience Sampling Method，ESM）是一种“情境中的个体”导向的研究方法，强调在自然情境下，对个体的环境、行为和体验等即时数据进行纵向采集[9]。不同于传统问卷调查法，ESM 在时间与空间维度上，更加接近事件发生的真实情境，从而降低回忆偏差与社会期许所带来的影响，能获取更加真实的数据。基于此，本研究试图依托富媒体智能教室学习环境，以“情境中的个体”为研究导向，利用ESM，纵向地、即时地捕获学习主体在具体学习活动中的认知投入、环境感知等主观体验数据，并采用多层线性模型分析、探讨、验证智能教室环境中认知投入的影响机理。

二、文献综述与研究假设

首先，我们对认知投入的界定、分类及相关研究进行综述；其次，进一步说明相关概念与认知投入的关系，推导个体间层次（Between-person Level）与活动层次（Activity-level）的相关变量关系的研究假设。其中，学生个体间层次的变量包括性别、自我效能感等；个体内（即活动层次）的变量包括认知投入、媒体感知、教师支持感知、社会交互。

（一）认知投入的相关研究

1.认知投入的界定及分类

在对认知投入（Cognitive Engagement）进行界定时，大多数研究都涉及了学习者的心理活动及使用的认知策略。例如，傅钢善等[10]将认知投入界定为能够有效激发学习者思维活动，促进学习者有效完成意义建构的学习策略的应用。尹睿等[11]认为，认知投入是学习者应对具体情境学习时所采用的认知策略，如，记忆策略、精加工策略。马志强等[12]认为，认知投入包括学习者在学习过程中使用的认知策略、元认知和自我效能感等。本研究认为，作为学习投入的关键维度，认知投入是指学习者在学习过程中的心智努力程度及各种学习策略的应用[13]。

目前，认知投入分类相关研究大致可分为三个方面：

第一，依据认知策略类型划分认知投入。基于早期对记忆的研究，研究者将认知投入分为浅层认知投入和深层认知投入[14]。浅层认知投入主要指使用浅层认知策略，包括重复地阅读、记忆新内容和信息的复述等；深层认知投入主要指使用有意义认知策略，包括信息的鉴别、新旧信息联结及监督理解等。已有研究表明，与使用浅层认知策略相比，学习者若使用更多深层认知策略，将更有助于学习材料的理解和知识的保留[15]。

第二，依据教育目标细分认知投入。根据布鲁姆的教育目标分类学，将认知层次划分为识记、理解、应用、分析、综合和评价。其中，识记、理解属于浅层认知；应用、分析、评价属于深层认知。

第三，依据学生外显行为的层次细分认知投入。季清华根据学习者的外显行为，把认知投入分为互动（Interactive）、建构（Constructive）、主动（Active）、被动（Passive）四类，提出了ICAP 认知投入学习模型[16]。其中，被动学习、主动学习属于浅层认知投入；建构学习、互动学习属于深层认知投入。

由此可见，第二和第三两种分类方式是第一种认知投入划分的细化。据此，在对认知投入相关研究进行梳理的基础上，本研究采用第一种分类框架，将认知投入分为深层认知投入与浅层认知投入。

2.认知投入的测量方法

从数据类型上，可以将认知投入的采集数据分为过程、结果和自我报告数据三类[17]。一是捕获过程类数据的方法，有眼动、皮肤电日志文件等多模态数据。二是获得结果类数据的方法，有知识测验、迁移测试等。三是自我报告法为测量个体认知、元认知等提供了有效方法。过程性数据为学习投入的评价提供了客观指标，但这些指标多为观察性数据，编码格式不一致，受到学习情境的限制，难以采集个体内部心理状态；结果类数据也为学习投入的测量提供了相关证据；自我报告法是测量认知投入的主要方法之一，但大多数是基于回顾性的，具有一定的滞后性、延时性，存在一定的回忆偏差，不适合测量具体活动情境中的认知投入。

为了解决学习投入测量存在的挑战，西纳特拉（G.M.Sinatra）等人[18]认为，研究者应将学习投入视为从个体导向到情境导向的连续体，如图1所示。不同导向的研究采用不同的理论框架和测量方法。在连续体的一端是个体导向，主要指在实验室场景，运用响应时间、生理指标，测量个体的认知、情感状态等。在连续体的另一端是情境导向，主要指在真实情境中，运用会话分析、观察法等方法测量个体的言语、互动指标等。在连续体的中间是“情境中的个体”（Person-in-context）导向，主要指在真实情境中，运用经验取样法、自我报告三角互证等方法测量个体在真实情境中的个体体验。

目前，大多数学习投入的研究取向主要是该模型中的个体导向部分。然而，“情境中的个体”的测量方法，为捕获具体情境中个体的认知投入、环境感知数据提供了新的收集方法，为研究个体、情境与行为三者之间的互动关系提供了新的研究视角，为具体活动情境中认知投入的测量提供了重要的参考。为此，本研究选择“情境中的个体”导向，采用经验取样法，探究在智能教室具体教学活动中学生认知投入的影响因素。

（二）研究假设及推导

个体的认知方式既受到个体因素的影响，也受到环境因素的影响[19]。教学环境感知（环境因素）和个体因素是影响智能教室环境下认知投入的重要因素。根据教学过程中的“学生—教师—媒体”（Student-Teacher-Media）三角模型[20]，富媒体环境下学生的互动，主要涉及学生与媒体、学生与教师、学生与学生三类。本研究关注的教学环境感知，主要包括媒体感知、教师支持感知、社会交互三个方面。根据社会认知理论，自我效能感是关键的动机变量；考虑研究情境及研究对象特点，本研究将自我效能感纳入个体因素考虑。

1.媒体感知与认知投入的关系

智能教室是一种典型的富媒体学习环境。它利用物联网、云计算、大数据分析等多种技术，将物理空间、资源空间无缝融合，能够为学习者提供合适的学习资源和工具，自动记录学习过程、评测学习结果，以促进学习者有效学习。塞尼（M.K.Saini）等[21]通过系统的文献综述发现，智能教室中先进的技术工具，能够更好地呈现学习内容、增强学习投入，有助于促进交互。尽管不同的智能教室在硬件配置上存在一定的差异，但是一个典型智能教室，一般配备有以学生为中心的多屏幕显示器、电子白板、投影仪、摄像头、学生移动终端等。在技术接受度模型（Technology Acceptance Model，TAM）中，感知有用性是决定某项技术使用态度的主要因素之一。

由此，在本研究中，媒体感知特指学习者所感知的智能教室中，多屏幕富媒体环境对学习的有用程度。由于单一屏幕存在呈现内容不足、内容分隔等问题，在工作和学习场景中，多屏显示逐渐成为常见的方式。智能教室在内容呈现方面，一般以多屏显示为主。已有研究表明，多屏显示能够降低认知负荷并提高学习成绩[22]。例如，柯尔文（J.Colvin）等人[23]研究发现，与单个屏幕相比，多屏幕的学习效率更高，更不容易出现错误。还有学者[24]将40 个计算机科学专业的大学生分为两组，分别为单屏幕学习环境组与双屏幕学习环境组；通过4 周的Windows 编程学习，对两组学生的认知负荷和学习效果进行测验，研究发现，与单屏幕相比，双屏计算机程序教学能够有效降低学习者的认知负荷，提高学习效果。

具身认知理论认为，环境、身体、认知之间是不可分离、相互嵌套的，认知存在于身体中，身体存在于环境中。已有研究表明，智能教室所形成的具身认知学习环境，对提高学生投入度、注意力有明显的帮助[25]。然而，关于学习者对多屏环境的感知有用性是否能够促进认知投入的问题，还有待进一步探索。由此，本研究提出假设H1:在智能教室环境下，学习者对多屏富媒体环境的感知有用性，对深层认知投入（H1a）、浅层认知投入（H1b）都具有正向影响。

2.教师支持感知与认知投入的关系

教师作为教学的主导角色，对学生的认知起着重要影响。教师支持是指教师为学生提供认知、情感等方面的关怀和帮助，既包含显性支持，又包括隐性支持。已有研究者发现，教师支持的核心成分包括认知支持、自主支持和情感支持三个方面[26]。其中，认知支持是指教师为学生提供更好的策略支持，促进其更好地认知和学习；自主支持是指教师在活动设计、问题解决等方面，为学生提供自主选择，以提高学生的自主性；情感支持是指教师为学习者提供人文关怀，以及在学生面对疑惑和压力时，为学生提供积极的情感支持，以提高学生的归属感。鉴于教师支持具有一定的内隐性和复杂性，研究者一般采用学生自我报告法，来测量教师对学生的支持和关怀程度，即教师支持感知。

在本研究中，教师支持感知是指在课堂教学中，学生感知到的教师对学习的支持程度，以及感知到的被尊重、关注和关怀的程度[27]。已有研究发现，教师支持感知对学生的认知投入具有积极影响。弗雷德里克斯（J.A.Fredricks）等[28]综述了传统教学环境下教师支持感知与认知投入的关系，结果发现：在教师营造的尊重、自主性和社会支持的课堂环境中，学生的认知投入度更高，认知和元认知策略的使用率也更高。刘斌等[29]探讨了在线学习环境中教师支持对学习投入的影响关系，研究发现：自主支持、认知支持和情感支持等教师支持维度与认知投入，均具有显著相关性。

由此可见，教师支持感知与认知投入呈现显著正相关关系，即学生感知到的教师支持水平越高，在学习上的认知投入会越多。然而，在智能教室环境中，学生的教师支持感知与认知投入内部结构（深层认知投入、浅层认知投入）的关联性，仍有待进一步确认。由此，本研究提出假设H2:在智能教室环境下，教师支持感知对深层认知投入（H2a）、浅层认知投入（H2b）都具有正向影响。

3.社会交互与认知投入的关系

交互是课堂教学的核心要素。智能教室环境中的交互，表现为教师与学生、学生与学生、学生与学习资源之间的交互。根据贝茨（Bates）的分类方法，师生、生生之间的交互属于社会交互，学生与学习资源之间的交互属于个性化交互[30]。

本研究中的社会交互是指学习者在智能教室环境中，与同伴进行互动的感知体验。已有研究表明，当班级成员积极讨论想法、辩论观点、相互交流时，认知投入会增强[31]。方佳明等[32]采用问卷调查、结构方程模型，提出并验证了社会交互对学习投入的影响模型。张屹等[33]通过单组前后测实验研究法，探究了智能教室环境下大学生课堂学习投入度的影响因素，发现社会交互对学生认知投入具有显著影响。由此，本研究提出假设H3:在智能教室环境下，社会交互对深层认知投入（H3a）、浅层认知投入（H3b）都具有正向影响。

4.自我效能感与认知投入的关系

自我效能感（Self-efficacy）由班杜拉提出，指个体在特定的任务中表现出来对自我能力的信念与知觉评估[34]。在社会认知理论中，自我效能感作为个体因素，被认为既影响个体行为，又影响个体认知[35-36]。在本研究中，自我效能感是指学生完成特定课程能力的信念，将其作为影响认知投入的因素，是由于已有实证研究表明，自我效能感对于学生认知投入，尤其是学生深层认知策略的运用，具有相当关键的影响。

已有研究表明，自我效能感与认知投入的关系，主要体现在自我效能感显著影响深层认知，而与浅层认知无关或负相关。格林（B.A.Greene）等[37]通过自我报告法，测量大学生的认知投入、自我效能感、目标取向关系，其路径分析结果表明：深层认知投入可预测自我效能感，浅层认知投入不能通过自我效能感或掌握目标来预测，而是仅由成绩目标来预测。另一项研究表明，当学生自我效能感降低时，学生的深层认知策略运用减少，而浅层认知策略使用增加，浅层认知策略与自我效能感呈现负相关[38]。谢魁等人[39]以52 名参与教师培训项目的大学生为研究对象，通过经验取样法，研究了真实移动学习环境中自我效能感、认知投入、环境特征之间的交互关系，研究发现：学生对课程的自我效能感能够显著预测其在学习任务中的深层认知策略使用程度。

由此可知，自我效能感与深层认知投入之间呈正向关系，与浅层认知投入之间无关系或负相关。为此，本研究提出假设H4:智能教室环境下，大学生自我效能感对深层认知投入具有正向影响（H4a），对浅层认知投入没有影响（H4b）。

三、研究设计

（一）理论模型

社会认知理论（Social Cognitive Theory）认为，人的学习是个体与情境相互作用而产生的。该理论为理解认知投入提供了理论框架，它从“个体—环境—行为”的三元交互决定论出发，对自我效能感的作用、条件及其对行为的调节作用，进行了研究与论述[40]。并将环境、个体及行为因素三者，看成是相对独立同时又相互决定的理论实体。所谓交互决定是指人、行为、环境三者之间互为因果，任意两者之间均可能产生交互影响，具有双向的互动与决定关系。

结合社会认知理论，在文献综述、研究变量的选择及假设推导的基础上，本研究提出了研究模型，如图2所示。个体因素主要指学生对特定课程的自我效能感；环境因素主要指个体在具体活动中对于环境的感知，包括感知多屏幕媒体、教师支持感知和社会交互等；因变量主要指认知投入，即学生在具体活动中深层认知策略与浅层认知策略的使用程度。

（二）研究情境

本研究以H 大学已经正式投入使用多年的智能教室为研究场景。在硬件设备上，智能教室配置有电子白板、触控投影一体机、无线投屏等，同时，在两侧与前面各有两个挂壁式液晶屏幕。学生可以在教室内任何位置清晰地看到屏幕上的内容。这种教室以圆桌式布局为主，旨在增进师生的交流空间，支持学生在教室内进行小组协作学习活动。

（三）研究过程与取样方式

本研究选取H 大学教育技术学、数字媒体等专业102 名本科生为研究对象。研究过程征得任课教师和班级学生的知情同意，研究时间为2019-2020学年上学期，选择“教育技术学导论”“教育研究方法”“计算思维”三门课程为纵向跟踪的研究情境。三门课程每周各有两节课，一周合计90 分钟。为了将对被试的干扰程度降到最低，仅在两节课的课间，让参与对象填写经验取样问卷。具体研究过程如图3所示。

在正式课程开始的第一周，我们对参与对象进行了前测，主要包括个人基本信息、自我效能感等。在教学过程中，至少每隔一周，在第一堂课与第二堂课之间，采用经验取样法，持续收集参与对象的认知投入、环境感知等即时信息。其中，教学环境感知主要包括媒体感知、教师支持感知、社会交互等。

（四）测量材料及工具

本研究所有变量的测量工具，均来源于经过验证的国内外成熟量表，并根据实际情境进行适当调整。例如，在经验取样问卷中，每个题项均修订为“在刚刚的学习活动中，我……”，以捕获学习者当前真实的教学环境感知、认知投入。具体主要有以下测量指标：

1.认知投入

认知投入指标所测量的是学生在具体的课堂活动中，深层、浅层认知策略的运用程度。其量表来自格林等[41]编制的认知投入问卷，已有国际研究证明该问卷能够有效测量大学生的认知投入[42]。考虑到重复测量的简洁性，本研究选取了深层策略、浅层策略的各两个题项。其中，深层认知策略题项，如“在刚刚的学习活动中，我使用之前的相关知识帮助我学习”；浅层认知策略题项，如“在刚刚的学习活动中，我为了考试或测试而学习课程内容”。认知投入问卷整体的Cronbach’s α为0.723。

2.媒体感知

媒体感知指标所测量的是学生在多屏幕环境下，记忆、理解学习材料的感知有用性的程度。参考已有的学生技术感知量表[43]（Students’Perceptions of Technology Scale），共设计了2 个题项，如“在刚刚的学习活动中，多个屏幕有助于我理解学习材料”。媒体感知问卷的Cronbach’s α为0.930。

3.教师支持感知

教师支持感知指标所测量的是学生所感知到的教师对自身学习及认知等方面的支持程度。参考拉扎里迪斯（R.Lazarides）等人[44]对教师支持感知的测量，本研究选取了2 个题项，如“在刚刚的学习活动中，教师支持我更好地学习”。教师支持感知问卷的Cronbach’s α为0.686。

4.社会交互

社会交互指标所测量的是学生感知到的与教师、同伴的互动程度。参考已有的交互感知问卷[45]，选择因子负荷较高的2 个题项，如“在刚刚的学习活动中，我感觉与同学讨论的质量很高”。社会交互问卷的Cronbach’s α为0.605。

5.自我效能感

自我效能感指学生对自身完成特定课程学习任务能力的信念。其量表源自格林等[46]的研究，一共包括8 个题项，采用自我报告法在前测问卷中测量。题项如“与其他学生相比，我希望在这门课程里做的更好”。自我效能感问卷的Cronbach’s α为0.863。

除了自我效能感，本研究在每个指标维度上只设置了2 个题项，这种方式在经验取样法研究中较常见，因为题项太多会花费被试更多的时间，从而降低评估结果的有效性[47]。本研究中所有量表题项均采用六级李克特形式，要求被试根据题项描述的情况与其在具体情境中的实际学习情况的符合程度，进行评分：从1 到6，符合程度依次增强，分别为非常不符合、不符合、稍微不符合、稍微符合、符合、非常符合。以深层认知投入为例，分数愈高，表明学生在当前活动中运用深层认知策略的程度愈高。

（五）分析方法

经验取样法是一种纵向研究方法，可以在研究周期内进行多次重复测量。不同时间点重复测量的数据形成了数据结构的第一层，而学生的前测数据则形成了第二层，数据结构存在着嵌套关系。因此，为了避免分析嵌套数据时产生推论谬误，本研究采取分层线性模型。首先，采用SPSS 23 对所采集数据进行预处理；其次，进行描述性统计和相关分析；最后，转档为Mplus 可以识别的文档，在Mplus 7.4 中进行多层次线性模型分析。

四、研究结果

将“大学生智能教室环境下自我效能感调查问卷”作为前测问卷，共发放105 份，回收问卷102 份，回收率97.14%。其中，“教育技术学导论”课程41份，“教育研究方法”课程32 份，“计算思维”课程29份；男生30 人，女生72 人，年龄范围为17 至22 岁，平均年龄19.05 岁，标准差为0.937。

将“大学生智能教室环境下认知投入调查问卷”作为经验取样调查问卷，共回收531 份，有效数据518 份，有效率97.56%。其中，“教育技术学导论”课程219 份，“教育研究方法”课程132 份，“计算思维”课程167 份，每人平均填写5.08 份。

（一）描述性统计与相关分析结果

在正式分析前，本研究对所涉及变量的变化趋势进行描述性统计，相关指标的均值和方差如表1所示，其均值变化趋势如图4所示。可见，随着时间的推移，教师支持感知呈现上升趋势，媒体感知有略微下降，深层认知投入、浅层认知投入、社会交互呈现一定的波动趋势。

表1 相关指标五次测量的均值和标准差（N=518）

所涉变量的描述性统计量与相关分析，如表2所示，其中的相关系数显示了变量之间的相关值。可见，深层认知投入与媒体感知（r=0.295，p＜0.01）、教师支持感知（r=0.393，p＜0.01）、社会交互（r=0.371，p＜0.01）、自我效能感（r=0.394，p＜0.01）等具有显著的相关性；浅层认知投入与媒体感知（r=0.297，p＜0.01）、社会交互（r=0.145，p＜0.01）具有一定的相关性。除了教师支持感知与浅层认知（r=0.049，p＞0.05）不相关外，用于解释深层认知投入（因变量1）、浅层认知投入（因变量2）的预测变量都达到显著水平，且系数的方向与本研究的假设相符合。

表2 描述性统计与相关系数

（二）模型及假设检验

多层线性模型分析一般包括空模型、随机系数模型、截距预测模型，以及斜率预测模型[48-49]。

1.空模型

空模型是多层线性模型的方差分析模型，模型中不纳入任何的解释变量，是多层次分析的第一步，它通过组内相关系数（ICC）来判断构建分层线性模型的必要性。在空模型中，学生的认知投入作为活动层次的因变量。

实验结果显示：深层学习投入空模型估计得到的组内方差为0.350，组间方差为0.299，组内相关系数ICC=0.299/（0.350+0.299）=0.460，这表明：深层学习投入总变异中有46.0%来源于个体之间的差异，有54.0%来源于个体内的差异。同理，浅层学习投入空模型估计得到的组内方差为0.670，组间方差为0.489，组内相关系数ICC=0.489/（0.670+0.489）=0.422，这表明：浅层学习投入总变异中有42.2%来源于个体之间的差异，有57.8%来源于个体内的差异。深层认知投入与浅层认知投入的ICC 系数均大于0.138，达到科恩（J.Cohen）[50]所界定的高度组内相关，因此，必须考虑多层次的统计分析。

2.随机系数模型

在空模型分析之后，进行随机系数模型分析。将媒体感知、教师支持感知、社会交互等活动层变量，按组均值中心化（Group Mean Centering）后，加入第一层次水平中，分别作为深层认知投入和浅层认知投入的预测变量。假如第二层没有预测变量，第一层的回归系数截距与斜率在第二层中均被设定为随机效果。结果显示，对于深层认知投入，教师支持感知（γ20=0.286，p＜0.001）、社会交互（γ30=0.267，p＜0.001）显著正相关，媒体感知（γ10=0.097，p＞0.05）不显著相关；对于浅层认知投入而言，媒体感知（γ10=0.322，p＜0.001）、社会交互（γ30=0.111，p＜0.05）显著正相关，教师支持感知（γ20=0.015，p＞0.05）不显著相关。由此可知，教师支持感知、社会交互愈高，学生深层认知投入愈高；学生感知媒体的有用性、社会交互愈高，其浅层认知投入愈高。故此，假设H1b、H2a、H3a、H3b成立，假设H1a、H2b 不成立。经过计算，与空模型相比，活动层次变量群对深层认知投入的解释量R2为26.1%，对浅层认知投入的解释量R2为14.7%。

3.截距预测模型

根据随机系数模型的分析结果，本研究在截距模型分析中，剔除了活动层次（Level 1）中各随机系数不显著的预测变量，其中，深层认知投入模型将媒体感知变量去除，浅层认知投入模型将教师支持感知变量去除。之后把自我效能感变量设定为随机变动，把自我效能感变量总体均值中心化（Grand Mean Centering），并加入到第二水平的模型中[51]，考察自我效能感变量对第一水平模型中截距的影响。截距预测模型公式如下：

在以上公式中，γ01代表学生自我效能感与深层、浅层认知投入关系的估计参数。结果表明，自我效能感与深层认知投入（γ01=0.438，p＜0.001）显著正相关，与浅层认知投入（γ01=-0.115，p＞0.05）关系不显著。由此可见，学生自我效能感愈高，在具体活动中的深层认知投入愈高。故此，假设H4a、H4b 成立。经过计算，与空模型相比，自我效能感对深层认知投入的解释量R2为34.0%。

4.斜率预测模型

与截距预测模型相同，根据随机系数模型的结果，本研究在斜率预测模型分析中，剔除了活动层次（Level 1）中对各个随机系数影响不显著的预测变量，并把自我效能感变量设定为随机，然后，把自我效能感变量总体均值中心化（Grand Mean Centering），之后加入到第二水平的模型中，以考察自我效能感变量对第一水平模型中斜率的影响。

在四个模型完成后，最终得到完整模型的参数估计结果（见表3）。首先，对影响深层学习投入的因素进行分析。在个体间层次，自我效能感（γ=0.438，p＜0.001）与深层学习投入显著正相关。在活动层次，教师支持感知（γ=0.208，p＜0.01）、社会交互（γ=0.170，p＜0.001）与深层认知投入显著正相关，媒体感知（p＞0.05）对深层认知投入的影响并不显著。其次，对影响浅层学习投入的因素进行分析。在个体间层次，自我效能感对浅层认知投入的影响并不显著（p＞0.05）。在活动层次，媒体感知（γ=0.225，p＜0.001）、社会交互（γ=0.119，p＜0.05）与浅层认知投入显著正相关，教师支持感知（p＞0.05）对浅层认知投入的影响并不显著。

表3 深层认知投入与浅层认知投入完整模型参数估计结果

根据多层线性分析结果，最终模型如图5所示，系数为非标准输出。

五、讨论

（一）自我效能感对深层认知投入具有正向影响

我们发现，学生的自我效能感对深层认知投入具有显著的影响，当学生自我效能感愈高，其深层认知愈高。这一研究发现，与社会认知理论相符合。在社会认知理论中，自我效能感作为个体因素，被认为直接影响认知投入[52-53]。本研究在此基础上，对以往研究进行扩展，发现自我效能感对深层认知投入有显著影响，与浅层认知投入没有显著关系。因此，在智能教室情境下，自我效能感对深层认知投入有直接显著的影响。

重要的是，我们从不同的粒度出发，研究了自我效能感与认知投入之间的关联。自我效能感是在特定课程开始前，测量学生对于完成课程学习任务能力的信念，属于课程层次粒度；认知投入是在后续上课过程中，在具体的活动任务中测量的认知投入，属于活动层次粒度。与此同时，学生对课程的自我效能感与活动层次的认知投入，在测量上存在着先后顺序。由此，本研究的结果显示，拥有更高自我效能感的学生，在后续参加该课程任务或活动的过程中，会更多地使用深层认知策略。

（二）教学环境感知对认知投入具有不同的影响

本研究发现，在教学环境感知变量群中，媒体感知、教师支持感知、社会交互等，都对学生的认知投入产生显著影响效果，然而，这些变量对认知投入的结构却有不同的影响。

首先，本研究发现媒体感知仅仅显著影响浅层认知投入。技术媒体在教育教学中应用的定位，是在学习过程中为学习者提供支持，应当体现在支持学习者深层学习上[54]。然而，本研究发现，学生对多屏幕环境的感知有用性，虽然与其浅层认知投入有一定关联，但并没有显著影响其深层认知投入。在智能教室课程教学中，媒体对于学生的帮助仅停留在记忆、浏览等浅层认知投入层面。因此，多屏幕环境的感知有用性，对于认知投入的影响程度较为有限。感知媒体的有用性指向工具技术层面，认知投入指向个体学习层面，两者指向不同的层面。加之，不同技术在功能性、有用性上的差异，导致其对学习投入的影响也不尽相同[55]。媒体感知与学习投入的相互关系，应当结合具体的情境进一步澄清。

其次，本研究发现，教师支持感知显著影响深层认知投入。这一结论与大多数研究的结论相一致。然而，一部分研究却发现，教师支持感知与认知投入没有关联，究其原因是教师支持感知是一个包含认知支持、自主支持和情感支持等多个成分的复杂结构。有研究发现，学生感知到的自主支持可以正向预测学生的情感投入，但对于认知投入没有影响[56]。本研究的教师支持感知，主要指学生在智能教室环境下感知到的教师对于学生认知、学习上的帮助程度，更多的是认知成分，因此，其对学生的认知投入有一定影响是合理的。然而，本研究并没有发现教师支持感知与浅层认知投入的显著关联。我们推断，由于实验对象是大学生，其课业及考试压力不大，因此，并没有在浅层认知投入上产生显著的影响。

最后，本研究发现，社会交互对学生的深层、浅层认知投入均具有正向影响效果。这与已有的研究发现相一致，即积极的师生关系、人际关系对学生认知投入具有显著影响[57-58]。具体而言，本研究在智能教室情境下，对个体在学习活动中的环境感知、认知投入等进行纵向跟踪研究，其中，小组汇报、同伴互评等是学习活动的主要类型。在协作学习过程中，当小组成员就学习主题积极讨论、相互交流时，学生感知到的社会交互程度越高，学生的认知投入越高。

总的来说，本研究揭示了智能教室环境中自我效能感、教学环境感知和认知投入之间的关系，并将社会认知理论与经验取样法相结合，提供了一个研究框架，用于捕获学习者在具体情境中个体、环境和行为的动态变化，以发掘不同层次、不同粒度下的个体学习的变化规律及影响机理。