信息化背景下自主学习量表在医学生中的应用

张博文，凯丽比努尔·喀依木，阮昱清，李鸿鹤

(中国医科大学：1.第一临床学院；2.国际医学教育研究院，辽宁 沈阳 110000)

近年来，信息化的普及与移动设备的开发带来了巨大的便利与智能。信息化的普及对人们生活、工作和学习方式的影响与日俱增[1]。对于学生来讲，信息化可以帮助提升学习效率[2-3]。然而，信息化和网络的应用为学习者创造时间上更为自由、空间上更为开放的学习环境的同时，也对学习者的自主学习能力提出了更高的要求。

自主学习是一个学习者无论有无他人的帮助，都能明确学习需求、制定学习目标、确定学习资源、选择并应用适当的学习策略以及最终评估学习成果的过程[4]。其概念由加拿大的成人教育学家塔福(A.Tough)首先提出并应用于成人教育领域，之后很快被引入到中小学教育领域。目前，国内绝大部分研究侧重于大学生和护士学生[5]。本文引用及检验的自主学习量表曾用于中国护士学生及医学生[6，9]、加拿大医学生[7]、意大利的护士学生[8]群体进行测量。但是，对于其在医学生人群中的应用检验和是否具有良好的信有效度尚未进行验证。因此，本研究将自主学习量表应用于医学生中；并探究在信息化背景下，医学生自主学习与网络使用习惯的关系。

1 对象与方法

1.1 研究对象

2021年4月，以电子问卷形式对某医科大学1～3年级医学本科生发放调查问卷。问卷简述了此次研究的目的，并告知作答者其所填写的内容将仅用于科学研究，不涉及隐私信息。共回收问卷849份，其中有效问卷为530份。

1.2 研究方法

1.2.1 研究工具

人口特征学变量，包括性别、年级、专业、家庭所在地、父母学历。自主学习量表[10](Self-Directed Learning Instrument，SDLI)由国立台北护理学院苏芬成等于2010年研制，量表用于评估护理学生的自主学习能力。原始量表共20个条目和4个维度(学习动机、计划与实施、自我监督、人际交流)。采用Likert 5级评分法，每个条目的得分范围在1(非常不同意)到5(非常同意)之间，满分为100分，得分越高表明自主学习能力越强，原问卷 Cronbach’s α为0.916，各维度Cronbach’s α的范围是0.765～0.861。网络使用情况调查量，由“每天上网(浏览网页、观看在线视频或游戏等，社交除外)的时间”“您主动搜索医学相关在线教育资源的频次？”构成。每日上网时间的选项依次为：少于1小时，1～3小时，3～5小时，多于5小时，分别计1～4分；搜索频次的选项依次为：从不，1～3次/月，1～3次/周，4～10次/周，10次以上/周，分别计1～5分。

1.2.2 统计学方法

2 结果

2.1 一般资料分析

本调查的研究对象为某医科大学在校本科学生，发放问卷849份，回收有效问卷为530份，有效应答率为62.43%。平均SDLI总分79.57(SD=10.63)。SDLI得分与医学生家庭所在地、父亲学历、母亲学历具有相关性。(见表1，表2)

表1 医学生SDLI总分及各维度得分情况

表2 SDLI总量表与医学生人口特征学变量的关系

续表

2.2 信效度分析

2.2.1 效度分析

探索性因子分析前对样本进行因子分析的适当性检验，KMO值为0.959，Bartlett球形检验的近似卡方为7 530.475，P<0.000，适宜做因子分析。运用主成分分析法，以特征值大于1，因子载荷大于0.5为标准，按方差最大正交旋转法(Kaiser标准化的正交旋转法，旋转在8次迭代后收敛)进行分析，提取3个因子，特征值分别为10.92、1.30、1.12，累积贡献率为66.67%(>50%)。因子1包括原量表中计划与实施维度6个条目、自我监督维度4个条目及学习动机维度1个条目，本研究总结因子1为自主学习行为。因子2包括原量表中学习动机维度的6个条目，保持原量表命名为学习动机；因子3包括原量表中人际交流维度的4个条目，保持原量表命名为人际交流，详见表3。

续表

2.2.2 信度分析

中文版SDLI问卷Cronbach’s α系数为0.955，各维度分别为0.843～0.940，见表4。

表4 中文版SDLI总量表与各维度的信度

2.3 SDLI总量表及各维度与网络使用习惯的相关性分析

2.3.1 SDLI总量表及各维度与网络使用习惯的单因素方差分析

以网络使用时长及主动搜索医学教育资源的频率为自变量，分析其对自主学习能力水平的影响。采用单因素方差分析及LSD法进行组间两两比较，对不符合方差齐性的，使用Kruskal-wallis H检验，并用Bonferroni法进行平均秩和比较。分析可知，不同上网时间的医学生自主学习能力有差异，以1～3小时组最强。其中，1～3小时组显著高于3～5小时组和多于5小时组。不同搜索频率的医学生自主学习能力表现为搜索频率越大、其自主学习能力越强。两两比较显示搜索频率大于1～3次/周的组别显著高于从不搜索组。结果见表5。

表5 SDLI总量表及各维度与网络使用习惯的关系

2.3.2 SDLI总量表的回归分析

为比较不同变量对SDLI得分的影响程度。本研究采用多重线性回归分析(逐步法)，进行多因素分析。自变量为X1=性别、X2=年级、X3=专业、X4=家庭所在地、X5=父亲学历、X6=母亲学历、X7=搜索频率、X8=上网时间，只选取单因素分析时对自主学习能力有影响的自变量。对X2，X3，X4设置哑变量。分析得出多元回归方程Y=72.580+2.287X7+2.306X5-1.449X8。

如表6各变量标准化回归系数所示，影响医学生SDLI得分的前三位的因素，按其作用强度排序依次为搜索频率、父亲学历、上网时间。其中，搜索频率每增加一级，SDLI得分平均增加2.287分。

表6 SDLI量表的多元线性回归分析

3 讨论

3.1 中文版SDLI量表在医学生中应用信效度分析

随着医学的发展，医学生自主学习能力的培养逐渐受到重视。中国教育部临床医学专业认证工作委员会于2016年公布了《中国本科医学教育标准——临床医学专业》[11]，要求医学生树立自主学习、终身学习的观念。但是目前，还没有一个适用于医学生的、本土化的、被广泛应用及检验的自主学习能力量表用于评价医学生的自主学习能力。本研究将苏芬成的量表引进，在医学生中进行调查，对其信效度进行检验和调整，以更加适用于医学生人群，能够反映自主学习能力水平。本量表的Cronbach’s α系数为0.955，具有良好的信度，可以准确地评估和反映医学生自主学习能力情况，为医学教育和个人自主学习能力的培养提供依据。

通过探索性因子分析筛选出3个特征值大于1的公因子,可解释的总变异度为66.67%。证明该量表效度良好。旋转后的维度主要有三个：因子1包括计划与实施维度6个条目、自我监督维度4个条目及学习动机维度1个条目。因子2包括学习动机维度的6个条目，因子3包括人际交流维度的4个条目。经过专家组讨论，认为学习动机维度的条目：“我知道自己需要学什么”是计划与实施维度各条目的基础，而自我监督维度的各条目是对计划与实施各条目的自我评价，这三部分以“计划与实施”维度为中心，有较强的逻辑关联，因此将因子1命名为自主学习行为，保留因子2、3的原命名。

3.2 医学生自主学习能力概况

本研究受试者自主学习得分总分为(79.57±10.631)分，条目均分为(3.98 ± 0.531)分，高于Yang[12]于2019年1-6月所测得的中国大陆医学生自主学习能力(76.12±10.96)。本研究只选取北方一所医学高校，而Yang等在北方、东方、南方、东南、中心各地区进行取样，可能会造成得分的差异表现。且本研究约晚于Yang两年，故可能随着社会信息化的发展，使医学生的自主学习能力逐渐提高。各个维度均分分别为自主学习行为(3.94±0.578)分、学习动机(4.07 ± 0.578)分、人际交流(3.96±0.593)分，提示教育工作者更应注重对医学生自主学习行为及人际交流方面的培养。

3.3 医学生自主学习能力与网络使用情况的相关性研究

结果显示，父母学历与医学生的SDL能力相关。表现为父母学历越高，子女的SDLI得分越高。高学历的父母，教育子女的质量和水平一般较高[13]，可能造成学生SDLI得分的差异。在多元线性回归的结果中只显示父亲学历，可能的原因是父母亲学历存在共线性问题，故逐步分析后，只保留对SDLI得分影响更大的父亲学历。然而，不少研究认为：子女教育受母亲的影响较大[14-15]，而对自主学习能力的影响可能是因为父母亲的教育角色不同。母亲在日常生活中会予以孩子更大的支持，而父亲予以孩子的某种精神力量更甚于母亲。[16]故父亲的引领作用可能对孩子自主学习能力培养的影响更大。

网络使用时长的差异具体表现为网络使用时间与医学生SDLI得分呈负相关。通过单因素方差分析发现，网络使用时长对学习动机及自主学习行为有显著影响。故推测SDL能力低的同学缺乏学习动机、不能有效地计划、实施、监督自己的学习，造成网络的过度使用。

医学相关在线教育资源的搜索频率与医学生的SDLI得分呈正相关。学习资源是SDL的重要组成部分[17-18]，认为学校图书馆资源丰富并频繁使用图书馆资源的学生SDLI得分高[12]。在同期的研究中发现，医学生获得医学相关教育资源途径的顺序依次为互联网、教师、同学和图书馆，各途径的平均综合得分[(Σ频数×权值)/作答人次]依次为2.97，2.58，1.96，1.61。故在信息化背景下，互联网资源的开发与利用能力对于学生SDL能力的评估是必不可少的。且结合本次调研成果可以推测，无论是图书馆资源还是互联网资源，SDL能力高的医学生都能更好地探索和利用。