动机的激发：家庭第一代大学生在线自我调节学习的潜在机制研究

郭 娇，丁沁南，樊苗苗

（华东师范大学高等教育研究所，上海 200062）

自我调节学习指学习者具备自我驱动的学习动机，能够主动规划学习内容、执行学习策略，并在学习过程中持续监控、反思并不断调整自己的学习行为[1-2]。作为一种核心素养[3]，自我调节学习覆盖学习者的元认知、动机、情绪等多个维度，是影响线下[4]、线上[5]以及混合式课堂[6]教与学效果的要素之一。本研究的选题初衷在于：其一，从学习者特征来看，在经历中小学阶段的应试教育之后，高等教育阶段的学习者（尤其是初进大学校园的本科生）亟须发挥主观能动性，适应大学里的学习内容、方式与节奏[7]；其二，从教学场景来看，如把新冠疫情暴发以来教与学从线下全面转为线上的应急响应视为一次大规模社会实验，疫情期间采集的数据可为自我调节学习拓展到线上学习环境提供宝贵的实验数据，而各地之后应对疫情多点散发的在线教学备案以及混合式教学发展，继续推动自我调节学习在不同场景下的实践应用与理论深化；其三，从群体差异来看，现有文献对学习者的分类主要基于初始知识或学习策略，仅有个别研究涉及性别等背景变量，对本研究关注的家庭第一代大学生群体也缺少有针对性的分析；其四，从样本代表性来看，自我调节学习的实证数据多采集自单所高校甚至单门课程，其研究结论推广到不同层次类型的院校或不同教学方式的课程的可信度存疑；其五，从结论探讨来看，已有实证研究多停留在对弱势学生群体面临的学习挑战进行描述，由此形成同义重复，即在广泛层面上反复呈现或论证同一现象或模式，结构性因素的制约作用不断被强化，但同一群体内部的分化路径及其背后的元认知、动机或情绪机制却鲜有实证依据①。考虑上述五点，本研究针对高等教育阶段的人才培养特点、面向线上或混合式教学变革、聚焦家庭第一代大学生、对多所高校展开调查并侧重探讨具有分化潜力的内在机制，以分析不同院校的真实教育场景下本科生在线自我调节学习的现状、特点、挑战、洞察及其应用。

一、文献述评

（一）自我调节学习的研究现状以及趋势

“自我调节学习”理论（Self-regulated Learning，简称SRL）已有三十多年的发展历程，其代表学者、经典模型、实证依据以及分析工具详见佩纳德罗（Panadero，E.）2017 年的文献述评[8]。现阶段学界对SRL 理论框架达成的共识如下：（1）SRL 的本质是一个类似“反馈环”（feedback loop）的循环结构，大致可划分为谋划、执行以及反思三个阶段。不同模型的分歧之一在于各阶段之间的边界划分是否清晰；另一分歧则是对每个阶段的进一步细化，例如谋划阶段可分为目标设定、任务分解、计划制定以及行动转化。（2）SRL具有多重属性，至少涉及认知与动机。其余常见维度还包括情绪、行为、情境以及元认知（meta-cognition）。（3）SRL的研究对象主要是本科生与高中生，观测能力以学业与体测为主。学业包括数学、科学、写作等课程；体测包括投篮、排球发球、掷飞镖等。学习者通常根据能力高低分组（例如高分或低分学生、专业或业余选手）来比较SRL 认知、动机或行为的组间差异。（4）SRL 的实证研究较为丰富，分析工具也较为成熟，既包括反映学习者主观感受的量表、问卷、访谈、学习日记（learning diary）等，也包括利用最新技术采集到的眼动（eye tracking）、在线行为痕迹（trace）等客观数据。

早期与SRL 相关的理论研究通常在严格控制的心理实验室内完成，然而近期的学习行为研究（尤其是在线或混合式学习环境下）的明显趋势之一在于对真实教育情境的重视与还原。例如，学生在不同学科领域的学习习惯与方法存在差异[9]，在不同课程里基于教学设计的差异也会表现出不同的SRL 模式[10]，甚至在同一门课程的不同任务上基于任务难度与考核方式而出现学习策略的差异（例如深度学习与表层学习这两种不同策略）[11]。除此之外，师生互动是教与学的本质特征之一。Co-SRL或SSRL是SRL理论框架在互动学习领域的拓展[12-13]。性别、学习障碍等学生个体差异也会带来SRL 策略的差异，例如女生在解数学题时倾向于应用已知的解法，而男生付出更多努力探索新的解法。需要指出的一点是该研究的样本来自六年级学生[14]。另一考虑家庭背景的研究也以9 岁儿童为研究对象，发现越是在成人主导的活动（例如有老师指导的钢琴课或体育训练）中花时更多的儿童，在没有明确规则的情况下，指导自己的内在执行能力越弱[15]73。类似的群体差异是否适用于高等教育阶段还有待检验，尤其是针对不同家庭背景学生群体的实证依据更需采集。

（二）家庭第一代大学生研究的隐含前提与实证线索

“家庭第一代大学生”（first-generation college students）指父母均未受过高等教育的本科生群体。国内外相关研究隐含以下前提假设：（1）家庭第一代大学生是研究者围绕教育公平选择的一个切入角度。除了父母教育经历之外，其他常见的结构性制约因素包括国内学者关注的户籍所在地、重点高中就读状况等以及国外学者考虑的学生种族、母语等变量[16]。（2）父母教育经历对子女学业表现的影响路径架构复杂。这种类似立体桥的复杂路径指父母教育经历既直接影响父母职业以及家庭收入，也间接影响他们对子女升学、专业选择以及职业规划给予的指导与支持，还通过家里的日常对话或闲暇活动（读书、看电视等）潜移默化地传递不同的价值观、审美观或情绪。（3）更为关键的一点在于群体内部的分化[17]或异质性，即便同样是受教育较少而从事体力劳动的父母，他们与子女的互动也自有其创造性，绝非单一模式，这正是威利斯（Willis，P.）在《学做工》里的警示——“我们对任何一种基于特定变量（如‘家长态度’）得出的机械分析都应保持警惕”[18]。可见之后的研究设计既要综合考虑城乡差异等多种结构要素的制约，更要观察与思考在家庭第一代大学生这个群体内部存在的个体差异或路径分化。

已有文献分别基于量化与质性两种研究方法为家庭第一代大学生的实证研究提供了具体的研究思路。量化研究以面向在校生的学情调查为主，与国外研究相比，国内经过高考筛选的家庭第一代大学生在挂科数、专业排名、奖学金获得情况等学业指标上与非第一代大学生并无差异。该群体面临的挑战突出表现为入校之前的升学选择[19]，入校之后的师生互动[20]和其他校内拓展性学习活动的参与[21]，以及对在校期间学习经历[22]与能力增值的自我评价[16]。质性研究主要依据深度访谈，辅以对研究者求学经历或他人自传的分析。以程猛2018年在《“读书的料”及其文化生产——当代农家子弟成长叙事研究》[23]180-188里揭示的底层文化资本为代表，国内质性研究聚焦于进入精英大学的农家子弟；国外与之对应的访谈对象是靠奖学金上大学的少数族裔贫困生即“奖学金孩子”[24]。国内外质性研究的相似结论都发现了家庭第一代大学生在阶层和文化穿梭过程中的“异乡人”处境以及与原生家庭爱怨交织的情绪张力，也揭示了从个人成长经历里养成的以学业为轴心的循规行为、懂事或坚韧的品行以及照顾家人、回报社会的朴素信念。结合上述的实证线索，家庭第一代大学生面临的主要挑战并非学业，而是以成绩为中心这一“单向度优越感”丧失之后失去发力对象，在学业之外的课外活动或人际互动中难以如鱼得水[25]，甚至“倾向于将自身建构为能力不足者”[26]。家庭第一代大学生的研究重点可适当从学习行为等表面特征转向潜在的元认知、动机、情绪等深层机制，识别与学业成就有关的要素（例如其探索未知的好奇心和意愿）[15]150，从而为前文提到的该群体的内部分化找到关键的驱动因素。

二、研究设计

（一）数据采集与样本分布

本研究的数据来自2020 年新冠疫情期间的《上海高校在线教与学调查（本科生问卷）》（Shanghai Online Teaching&Learning Survey-Undergraduate，简称SOTL-U）。全市39 所本科院校的在校生自愿参与线上答题，共回收问卷84720 份。剔除答题时间过短或过长、IP 地址存疑等因素导致的无效问卷，最后用于分析的有效问卷为64949份，即有效率为76.66%。

主要变量的样本分布详见表1。与全国平均水平相比，该样本呈现以下四个差异：从性别来看，女性居多（61.2%）；从户籍所在地来看，城市生源为主（81.7%）；从家庭背景来看，家庭第一代大学生（即父母学历均在高中及以下）的比例较低（48.6%）；从学科门类来看，人文社科占比（60.4%）高于理工农医。除了自愿参与带来的样本偏差之外，此分布反映出上海高校的本科生人群特征，即本地生源居多（户籍所在地为“直辖市或省会城市”的答题者占比达到45.7%），家长学历整体而言高于全国水平，经济学或管理学专业的答题者占比较高（两者合计达到30.6%）。

表1 主要变量的样本分布（N=64949）

（二）量表设计及其信效度检验

参考国内外已有的在线自我调节学习调查[13，27]，本研究设计的《本科生在线自我调节学习量表》（Undergraduate Online Self-regulated Learning，简 称UOSL）将疫情期间线上自主学习的行为与线下进行对比。UOSL 量表由6 道题组成，题目示例如“我更常制定短期与长期的学习目标”或“我更善于总结自己学过的内容”，评价范围覆盖自我调节学习的谋划、执行以及反思这三个维度，选项从1（“非常不认同”）到5（“非常认同”）。在确定题目之后，Cronbach's alpha 系数被用于检验量表的内部一致性。alpha 系数为0.942，表明UOSL 量表对本科生在线自我调节学习的测量信度较为理想。

对UOSL 量表的效度检验侧重基于因子分析的结构效度。正交旋转之后得出的三个因子分别对应上述的谋划、执行以及反思。每个题目的具体负载详见表2②。所有题目与其对应的因子标准化负载在0.606 到0.874 之间，都超过 0.5，其中 4 道题目超过 0.7[28]，表明UOSL量表的结构效度也较为理想。进一步对执行与反思这两个维度的内部一致性进行检验，alpha系数分别为0.905与0.896，都超过0.8[29]，系数越高则信度越好。

表2 基于因子分析的本科生在线自我调节学习量表（UOSL）的结构效度检验

需要指出的一点在于题目2“我更能确保完成每周的学习任务”的内容效度。这道题目在最初设计时属于谋划这一维度，但答题者倾向于从任务完成而非制定角度来进行自我评价。根据验证性因子分析的结果，该题目在后续的数据分析以及结果讨论中都被纳入执行这一维度。这一结构微调体现了目前自我调节学习理论不同模型之间的突出分歧之一，即谋划、执行以及反思之间的边界划分存疑，尤其是行动转化这样跨越两个维度（谋划与执行）的具体学习行为更难以单独从研究者的视角进行主观判定。这种微调同时也反映了研究设计与实证分析之间的双向动态调整过程，基于真实数据来不断更新设计思路并逐步完善测量工具。

（三）其他主要变量的操作性定义

控制人口学变量（例如性别）与教育学变量（例如年级）之后，本研究引入学习动机以及就业焦虑这两个潜在变量来对家庭第一代大学生的在线自我调节学习能力进行分析。这一设计不仅能够得出更为丰富的实证结果以供讨论，而且把分析视角深入到元认知、动机、情绪等更深层面的潜在变量，在个体、行为以及环境的相互作用下观察与思考自我调节学习如何激发行动、选择策略、进行调试、养成习惯、影响效果并不断更迭。

学习动机既包括满足求知欲、解决问题、喜欢阅读等内在动机，也包括升学、获奖、就业等外在动机。本科生对调查问卷里对应的五道题目进行自我评价，从1（“非常不认同”）到5（“非常认同”）打分。具体来看，体现内在动机的三道题分别是：（1）满足兴趣，题目表述为“学习是为了满足我的求知欲和兴趣”；（2）解决问题，题目为“我总是努力解决学习中遇到的困难”；（3）阅读偏好，题目为“我喜欢阅读与专业相关的书籍或资料”。剩下的两道题对外在动机进行测量，分别如下：（4）分数驱动，题目为“学习是为了取得好成绩”；（5）专业对口，题目为“毕业后我会从事专业对口的工作”。

考虑到情绪激发对本科生自我评价（尤其是继续答题）客观性的影响，调查问卷里与情绪相关的问题被压缩为一道题且放在答题即将结束时，集中在就业焦虑，题目表述为“我对自己未来的就业感到担忧”。答题顺序的这种设计旨在降低负面情绪可能产生的影响，至少答题者无法再返回之前的页面去修改早先的自我评价。

（四）回归模型与研究假设

本研究构建的回归模型如下：

模型里的控制变量X 包括性别、城乡生源、就读年级、学科门类以及就读学校。

通过构建回归模型，本研究旨在检验以下具体假设：

假设1：家庭第一代大学生在线自我调节学习能力相对较弱，体现为模型里对应的回归系数β1显著为负。

假设2：出于学习兴趣、解决问题、未来从事相关工作等学习动机的本科生在线自我调节学习能力相对较强，对应的回归系数β2显著为正。

假设3：带有就业焦虑这一负面情绪的本科生在线自我调节学习能力相对较弱，对应的回归系数β3显著为负。

三、数据分析

（一）描述统计

基于在校生对调查问卷里UOSL 量表的打分，家庭第一代大学生与非第一代大学生的在线自我调节学习能力得分均值为19.40 与19.87。t 检验的结果（t=14.386，df=64936，p<0.001）表明该差异在统计意义上显著，即家庭第一代大学生在线自我调节学习能力的自评得分相对较低。无论从UOSL 量表的单个题目还是从因子分析得出的单个维度来看，这种显著差异都存在且方向不变。上述两个学生群体的描述统计呈现出本质相同的模式（详见表3）：题目4“我更能改变学习方式来适应课程内容”即适应进度这一学习行为的自评得分均值最高；而题目1“我更常制定短期与长期的学习目标”即制定目标这一谋划阶段的学习行为得分均值最低。根据这一模式分析，后续的数据分析侧重于自我调节学习能力的总得分，对单个题目或维度不再赘述。

表3 家庭第一代大学生与非第一代大学生在线自我调节学习量表各题目自评得分均值比较

家庭第一代大学生在线自我调节学习量表的自评得分相对较低，表4 的相关分析也表明这种差异的显著性（r=-0.056，p<0.001）。根据研究思路，进一步引入学习动机与就业焦虑变量以探究本科生在线自我调节学习的激发或抑制机制。这种影响机制的表征初步呈现如下：学习动机与自我调节学习的关联相对较强，相关系数在0.300 与0.482 之间；内在动机（尤其是“努力解决学习中的困难”与“喜欢阅读专业书籍”这两项行为表征）对本科生在线自我调节学习的激发强于外在动机；家庭第一代大学生的内外学习动机都相对较弱，且对未来求职的焦虑感相对较强；就业焦虑与在线自我调节学习的关联显著但为正，与先前的假设相悖，但单独两个变量的相关分析易受其他因素（如个体背景或学习动机）的潜在影响，这意味着需要构建回归模型来控制其他主要变量对本科生在线自我调节学习的影响。

表4 家庭第一代大学生在线自我调节学习、学习动机以及就业焦虑的相关分析

在构建回归模型之前，检验主要控制变量与在线自我调节学习的相互关联。从人口学变量来看，表5的相关分析结果与已有文献的结论一致，农村生源的在线自我调节学习能力相对较弱，女生的在线自我调节学习能力则相对较强。从教育学变量来看，年级的累积效应与学科的文理差异也与预设一致，高年级学生与文科生的在线自我调节学习能力相对较强，这或许得益于本科生（尤其是人文社科类专业的在校生）入校之后的阅读习惯以及其他学习策略的养成。然而，“双一流”建设高校的本科生群体在线自我调节学习得分相对较低，这与预先的假设相悖。下一步的回归分析将针对该群体的其他特征对此初步结论展开探讨。另需指出的一点是家庭第一代大学生的群体特征，表5 的相关分析结果表明他们较多面对父母学历较低与城乡差距的双重挑战，较少就读于“双一流”建设高校，也较少选择文科，而且这种挑战对于女生与低年级学生（即更晚入学的学生）而言更为严峻。上述背景变量的分析有助于洞察不同学生群体的异质性以及这种群体差异在线上学习环境里对本科生自我调节学习的影响。

表5 家庭第一代大学生在线自我调节学习与主要控制变量的相关分析

（二）回归结果

基于研究假设构建的基线回归模型（见表6 的模型1）包括影响本科生在线自我调节学习的主要人口学与教育学背景。除了“双一流”建设高校，其余变量的回归系数方向都与假设一致，且所有变量都在统计意义上显著。本研究聚焦的家庭第一代大学生在线自我调节学习能力显著为负。在控制学习动机与就业焦虑这两个潜在变量之后（见表6的模型2），该群体与非第一代大学生的差距明显缩小，其效应的绝对值缩小了70.73%。模型的解释力度也明显增强（R2从模型 1 的 0.010 上升为模型 2 的 0.284），为研究重点从性别、年级等表面特征转为动机、情绪等潜在机制提供了实证依据。

表6 本科生在线自我调节学习回归模型比较

具体来看本研究对学习动机的五项测量，所有与学习动机相关的本科生在线自我调节学习回归系数都显著为正。“努力解决学习中的困难”与“喜欢阅读专业相关书籍”这两项内在动机的行为表征对本科生在线自我调节学习的解释力度最大，标准化回归系数都显著为正，效应值分别为0.287 与0.223，远超模型3里的其他变量。外在动机的回归系数也显著为正，但效应值相对较小，尤其是“毕业后从事专业对口的工作”的就业驱动，其效应值仅为0.022。为了进一步检验学习动机的调节效应③，对这五项测量进行加和之后的建模分析结果表明，学习动机的效应值高达0.530且显著，家庭第一代大学生的回归系数依然很小且在0.05 的统计水平上不再显著，两者的交互项对在线自我调节学习具有显著的负效应。学习动机（尤其是出于自身目的而想要参与学习的内在动机[15]115）是测量、解读并在未来对家庭第一代大学生在线学习进行有效干预的重要影响机制之一。

从另一潜在机制即情绪来看，在控制其他变量之后，“对未来的就业感到担忧”这种就业焦虑对本科生在线自我调节学习的影响与研究假设一致，其回归系数显著为负。这一发现可结合已有文献里的研究成果（例如“也许找不到工作”等求职压力给家庭第一代大学生等弱势群体带来的焦虑等心理成本及对其在校行为的影响[30]），从学理与实践两方面展开后续研究。值得注意的是，就业焦虑与家庭第一代大学生的交互项对在线学习并无显著的调节效应④，这反映出大学生就业焦虑的整体弥散性，这种负面情绪对在线学习的影响不仅限于家庭第一代大学生。

表6 的回归结果表明农村生源、男性、低年级、就读于“双一流”建设高校的本科生对在线自我调节学习的自评得分显著较低，对此有待进一步从不同角度展开分析。从人口学背景来看，聚焦于学习动机（尤其是内在动机）激发的干预对家庭第一代的农村生源或男生更能从多重维度产生影响。从教育学背景来看，控制学习动机之后，学科差异在统计意义上不再显著。无论是选择攻读人文社科类专业这一决定，还是入校之后接受的阅读熏陶，文科生在线自我调节学习的优势都与其学习动机（尤其是与阅读偏好等相关的内在动机）密不可分。

四、结论探讨

基于疫情期间上海39 所本科院校在校生线上提供的64949份有效问卷，本研究设计了《本科生在线自我调节学习量表》并进行信效度检验。回归统计结果表明：家庭第一代大学生在线自我调节学习的自评得分均值显著低于非家庭第一代大学生，在控制学习动机与就业焦虑这两个潜在影响机制之后，这种差距明显缩小乃至不再显著；学习动机对本科生在线自我调节学习的解释力度最大，尤其是“努力解决学习中的问题”与“喜欢阅读与专业相关的书籍”这两项与内在动机相关的行为表征；负面情绪（例如“对未来的工作感到担忧”的就业焦虑）对本科生在线自我调节学习有显著的抑制作用。加入交互项之后的回归结果支持学习动机这一潜在变量的调节作用，进而揭示未来对家庭第一代大学生在线学习的有效干预可侧重于内在动机的激发。

研究结论里存疑之一在于，本科生自我调节学习的校园环境效应在控制学习动机与就业焦虑之后不升反降，对应的回归系数绝对值甚至增加了近1.5 倍。具体而言，就读于“双一流”建设高校让同等动机与焦虑程度的本科生面临在线自我调节学习的更大挑战。这似乎与预设相悖，但实质上突出了自我调节学习的本质特征之一即高度情境依赖（highly-context dependent）。根据已有文献对自我调节学习的环境、个体、行为三要素分析，不同的学习环境促使个体发生行为改变并固化为习惯。这意味着本调查的答题者在疫情期间面临着骤然脱离自己业已熟悉的学习环境或固化的学习习惯这一变化。这可能是“双一流”建设高校的本科生自我调节学习从线下转为线上产生更大“落差”的原因之一。疫情不仅把本科生从他们习惯乃至依赖的实验室、图书馆、自习室等学习空间中剥离出来，也不仅影响实物教学或动手操作，还造成了师生或生生之间面对面交流的缺失。本调查通过开放题采集到30328名答题者强烈要求疫情之后恢复线下授课的具体反馈，例如学生期待在实验课上看到老师亲手示范并在自己操作遇到问题时能及时纠正。上述分析思路与已有文献的本质一致，即交互体验在自我调节学习与学习效果之间存在中介作用，这种中介效应对深度学习效果更为明显[13]。重视师生或生生的交互体验是在线自我调节学习模型的优化方向之一，体现出CoSRL 与SSRL 等强调合作学习或社交学习的近期理论发展趋势[12]，也具有提升高校教师的在线授课能力与学生的在线学习效果的实践价值，可作为未来的研究选题之一。

未来研究的另一突破方向在于数据采集与分析方法的创新。本研究存在两大局限：正如其他传统的数据采集方式，问卷调查无法避免答题者自我评价的主观性；回归模型即使设计得更复杂或控制更多变量，也无法得出因果推断。未来的分析视角更为微观且可借力信息技术与实验设计。传统的分析单位为学习者个体（person），而新趋势下的分析单位为拆分之后的具体任务（task）或学习过程（process）[31]。两种分析视角在工具选取上有所不同：前者通常用传统的调查问卷等采集数据并进行因子分析、回归模型等检验；后者则利用信息技术进行数据挖掘或通过随机实验进行分组干预，例如通过建立神经网络（NN）模型基于56 个变量来预测学生写作能力的高低[32]，通过在线学习的痕迹或日志（log）来分析SRL 与学习动机、情绪之间的关联[33]，通过对高、中、低水平三类在线自我调节学习群体的行为序列进行模糊挖掘来比较群体差异[34]，基于顺序分析与聚类分析对阶段测验成绩低于60分的低成就学习者进行为期四周的干预[35]。

本研究对在线自我调节学习的理论模型拓展与实验干预设计有以下两点建议：其一，干预设计不能停留在表层的学习策略，更要深入到学习者的动机激发以及情绪疏导层面。现阶段基于在线自我调节学习的干预以提供“自我测评时答题过程要连贯”“在讨论区至少发帖或回帖3 次”等策略或技巧为主[35]，较少激发学习者的内在动机[36]，更难见到对其负面情绪的疏导。根据本研究提供的实证依据，高校对家庭第一代大学生的学习支持可配合“努力解决问题、喜欢专业阅读”等内在动机的激发（例如开展与问题解决能力相关的工作坊、组织与专业相关的读书会等），也可针对该群体的求职焦虑进行帮扶（例如提供假期实习机会、邀请校友担任就业导师、修改求职简历或模拟招聘面试）。其二，基于高度情境依赖的本质特征对现有的自我调节学习模型进行拓展。高度情境依赖意味着伴随学习情境的变化，原有的优势可能成为障碍，例如本研究发现“双一流”建设高校本科生从线下转为线上学习面临更大的“落差”；原有的挑战或可创生出新的本土化解决方案，聚焦“在城市与乡村、原生家庭与精英大学四种情境的文化中摇曳碰撞”[23]233的家庭第一代大学生这个群体的元认知、动机、情绪及行为，从这些重叠交织的研究发现与实践结果里呈现与揭示个体实现突破的上升路径或群体出现分化的潜在动力。

注释

①本文的初步结论曾在2021 年9 月22 日《复旦教育论坛》学术沙龙“不同的起点：中国大学里的家庭第一代大学生和非第一代大学生”进行汇报，感谢与会同行的交流，尤其是华东师范大学阎光才教授点评里指出的同义重复这一挑战。

②无论是正交旋转还是斜交旋转，UOSL量表根据因子分析得出的结构效度结论一致。在表2中呈现的是正交旋转的标准化负载量。

③根据匿名审稿人的建议，本研究对学习动机的中介效应建立了结构方程模型（SEM）进行分析，但方程拟合程度的各项指标未能通过检验，因此回归分析及其结果解读以加入调节效应的模型3为主。

④本研究对就业焦虑也建立了结构方程模型进行分析，其拟合程度的各项指标也未能通过检验。