智商与情商哪个对学习更重要？ ＊

张 静

（华东师范大学教育学部教育心理学系，上海，200062）

一、问题提出

在学校里，谁能取得成功？关于智商与情商哪个对学习更重要的问题已受到学界的广泛关注。学生智商高，其学业成绩就一定好吗？在传统意义上，智商被视为学习的关键因素（Deary et al., 2007;Roth et al., 2015），且智商高的人更易获得成功。有研究也发现，情商在塑造学生的日常学习行为和学业成绩方面也同样重要（De Feyter et al., 2012; Poropat, 2009）。除了诸如任务价值观或学业自我概念等动机概念 (Marsh, 2007)，大五人格（外向性、宜人性、尽责性、情绪稳定性和开放性）能够测量75%以上的个体非认知能力（Heineck & Anger，2010），也已成为中小学 (Poropat, 2009; Vedel & Poropat, 2017) 和大学 (Richardson et al., 2012) 预测学业成绩的有力因素。因此，高智商并不代表成功，只有重视学生智商发展的同时，培养健全的人格，即具备高水平的情商，才是他们学习创新并走向成功的必要条件。

然而，智商、情商（以大五人格为测量指标）和学业成绩之间的关联有多大的一致性和可概括性？从概念化的角度来看，学业成绩是学习过程的结果，就其本质而言是交易性的。也就是说，学习过程反映了学习者的个体特质与学习发生的环境特征之间的相互作用（Eccles et al., 1993)。根据特质激活理论（Tett & Burnett, 2003），人格特质是否会表现为能影响学业成绩的行为，关键取决于这些特质是否被上下文或情境线索激活。这些特质相关线索可能存在于任务中（例如，写作文学文本可能需要艺术和审美思维，从而激活开放性）、社会环境（例如，教师期望学生在课堂上参与小组任务，从而激活外向性）或更广泛的组织环境中（例如，学术类学校可能特别重视刻苦的学习行为，从而激发尽责性）。本研究综合了理论论点，意在表明不同的学科代表着不同的学习和表现环境，这些环境会激活个体不同的特质，并且促进这些特质的培养与发展。具体而言，本研究调查了智力和大五人格与学业成绩之间的关联是否因学校科目（语文、数学和英语）而异。

二、文献综述

（一）以往关于智力、大五人格和学业成绩的研究

智力被认为是学业成绩的最强预测因素之一（Deary et al., 2007; Lechner et al., 2017; Spinath et al.,2010)，并且是获得知识的必要基础 (Greiff & Neubert, 2014)。一项元分析研究揭示了智力和学业成绩之间存在强相关性 ( Roth et al., 2015)。流体智力（推理）和标准化成绩测试之间的相关最显著（Deary et al., 2007），而与学校成绩之间的相关较小（Lechner et al., 2017; Roth et al., 2015）。最新研究表明，人格特质在预测学业成绩与智力同样重要，有时甚至更为重要（Lechner et al., 2017) ，已有相关元分析成果（De Raad & Schouwenburg, 1996; Poropat, 2009; Richardson et al., 2012)。此类研究的大部分是基于大五人格模型，且发现尽责性和开放性与学业成绩相关最密切（Poropat, 2009）。尽责性有时被称为“取得成就的意愿”（Digman, 1989），包括诸如渴望成功、组织和自律等有助于学习动机和努力的因素（Kim et al.,2016）。 例如，尽责性得分越高的学生会花更多的时间做家庭作业，而较少拖延（Lubbers et al., 2010)。开放性包括求知欲、创造力和审美敏感性等方面。开放性较高的学生会使用更加精细的学习策略，并投入更多的精力把新的信息与已经获得的知识联系起来。他们也更有可能会选择提供更丰富学习机会的刺激性环境（Ziegler et al., 2012）。

其他三个人格特质与学业成绩均呈弱相关且有不同的特点。宜人性与学业成绩呈弱正相关（Poropat, 2009）。宜人性得分高的学生往往更愿意合作、更顺从社会要求（Vedel & Poropat, 2017）。与低宜人性的学生相比，他们花更多的时间在家庭作业上，但也更拖延（Lubbers et al., 2010）。情绪稳定性与学业成绩呈弱正相关（Poropat, 2009）。情绪稳定性低的学生可能会在使用合适的学习策略时有困难，并且可能会花较少的时间做家庭作业（Lubbers et al., 2010），这对其学业成绩有消极影响。另一方面，低情绪稳定性的学生可能会对失败产生更大的恐惧，从而促使他们增加对考试的准备，进而提升学业成绩（Rosander et al., 2011）。最后，外向性与成绩的相关性很小且大多是负向的（Lechner et al., 2017；Poropat, 2009），这可能会分散学生对学校任务的注意力并增加拖延行为（Lubbers et al., 2010）。 然而，外向性较高的学生还可通过保持精力和动力（De Feyter et al., 2012）和养成良好的学习方法（De Raad &Schouwenburg, 1996）来优化学业成绩。

已有研究表明，智力与大五人格对学生学业成绩的预测作用在不同的学科上存在差异（Spinath et al., 2010；Zhang & Ziegler, 2015）。具体而言，智力在解释学生的数学成绩上，要优于对语言成绩的解释力。情绪稳定性对学生数学学习更为重要，而外向性对学生语言学习更为重要。

（二）智力与大五人格的交互作用和学业成绩

智力和人格都能预测学生的学业成绩，但两者对学业成绩的预测是相互独立的吗？在这一问题上，很早就有学者提出一个人的最终表现往往取决于一个人与表现相关的能力（包括知识、技能和智力）、表现机会（受环境约束的社会经济资源等）以及个人的表现意愿（包括动机、文化规范和人格特质）。换言之，一个人的表现意愿并不是自动服从于一个人的表现能力。如果徒有能力，却没有意愿去完成任务，那么最终的表现也不会很好。因此可以推测，智力和人格等因素可能会增强或弥补其各自对学业成绩的影响，即两者在预测学业成绩上存在交互作用。事实上，Ziegler等人（2012）提出的“开放性人格-流体智力-晶体智力”模型（简称OFCI）也对这一问题进行了详细阐述，并着重讨论了开放性和流体智力（Gf）在发展晶体智力（Gc）方面的相互作用关系。OFCI模型主要提出四个核心假设（环境丰富假设、环境成功假设、投资假设和开放性通过Gf间接影响 Gc假设），具体说明开放性、Gf和Gc之间的关系。开放性被视为接触新信息的倾向，因此为学习提供了起点。环境丰富假设也认为开放性会促使人们进入更丰富的环境，这有助于他们实践，从而对Gf的发展产生积极影响。将这一观点进一步应用于学业成绩的预测，开放性和Gf都被认为是学业成绩的重要预测因素。作为当前OFCI模型的扩展，在预测学业成绩时，开放性和Gf之间也可能存在交互作用。之前的研究也证实这一假设，并揭示在预测学业成绩时，这两种建构之间存在正向（Heaven & Ciarrochi, 2012）或负向（Zhang & Ziegler, 2015）的交互作用。为了进一步改进已有的横断面研究设计，本文采用纵向交叉滞后模型考察中学生的智力、大五人格和语数英三科学业成绩的纵向发展关系，并进一步探索智力与开放性是否存在交互作用影响学生的语数英三科学业成绩。基于以往的理论和实证研究，本文提出以下研究假设：

研究假设1：学生先前的智力能够正向地预测随后时间点的语数英成绩。

研究假设2：大五人格的尽责性和开放性人格特质正向预测学生语数英成绩，而外向性人格特质正向预测学生的语言（语文和英语）成绩。宜人性和情绪稳定性人格特质对语数英三门学科成绩的预测不明确，在本研究中是探索性的。

研究假设3：智力与开放性人格特质对学生语数英三科成绩的预测存在交互作用。

三、方法

（一）被试与程序

本研究数据来自一项关于影响学业成绩的智力与非智力因素的追踪研究。被试为福建省莆田市5所中学的860名初二和高一学生。研究追踪1年，共进行了三次测试。第一次测试（T1）安排在学期开学的第一周，委托班主任老师给学生介绍本研究并发放《家长知情同意书》，由学生的家长签名后再进行回收。93%的父母同意孩子参加此项研究，之后共发放860份问卷，共回收836份有效问卷。其中男生430名，女生406名，学生的平均年龄为15.35岁（SD= 1.31年）。第二次测试（T2）是在学生期中考试后一周，由于学生缺勤等原因共有769名学生参与，参与率达到92%。第三次测试（T3）是在学生新学期的期末考试之后一周，由于学生转学、缺勤等原因，共有592名学生参与，参与率达到71%。总体而言，参与率在长时性追踪研究中比较高，而且卡方及T检验分析也表明，流失的被试与继续参与测试的被试，在第一次测试的智力、大五人格特质和学习成绩上均不存在显著差异，故被试不存在结构化缺失。

（二）工具

1. 智力

采用Raven（1981）编制的瑞文标准推理测验来测试学生的智力水平，共包括40个题目。答对一题得1分，答错得0分。总分越高，表示智力水平越高。在本研究中，该测验的内部一致性系数很好：ω =0.97 （Revelle & Zinbarg, 2009)。

2. 大五人格特质

采用Yao和Liang (2010) 翻译并修订的大五人格量表（NEO-Five Factor Inventory, NEO-FFI）测试被试的大五人格特质。该量表共60题，包括尽责性、情绪稳定性、外向性、开放性和宜人性5个维度，每个维度各有12题。量表采用5级计分，从1（完全不同意）到5（完全同意），总分越高，该人格特质越明显。在本研究中，大五人格5个分量表三次测量的内部一致性系数较好，分别为尽责性（T1：0.83；T2：0.83；T3：0.83）、情绪稳定性（T1：0.85；T2：0.86；T3：0.85）、外向性（T1：0.81；T2：0.82；T3：0.80），开放性（T1：0.69；T2：0.70；T3：0.69）和宜人性（T1：0.65；T2：0.68；T3：0.67）。

3. 学业成绩

从年级班主任处获得学生在参与测验前后连续三次期中或期末考试的语数英成绩，把三次考试的分数各自根据班级考试分数分布转换成Z分数作为学业成绩。

（三）分析方法

首先，使用R对研究中的各变量进行描述性统计分析。其次，使用Mplus 7.2 (Muthén & Muthén,1998—2017）对研究中各个潜变量的测量模型进行测试，以检验指标是否能够很好地预测其对应的潜变量。如果测量模型拟合度良好，在此基础上构建结构方程模型。由于大五人格和智力每个潜变量各自的测量指标比较多，遵循Little（2013）的建议，对这些潜变量的原始观测指标进行打包，分别生成3个项目包，从而平衡因子载荷，增加模型的简洁性，并减少与每个原始项目相关的测量误差的影响（Little et al., 2013）。根据以往研究，选择用卡方值/自由度检验，同时将比较拟合指数（CFI）、近似误差均方根（RMSEA）、标准均方残差（SRMR）作为判定模型的拟合度的指标（Hu & Bentler, 1999）。当CFI≥ 0.90、RMSEA ≤ 0.08、SRMR ≤ 0.06时，模型拟合度达到可接受水平。由于本研究是一项长时性追踪研究，为了确保各潜变量的所有观测指标在不同的测试时间测量的是同一个建构，我们分别对这些潜变量进行三种不同程度的测量等值检验：形态等值（无约束，允许各类参数自由估计）、弱等值（因子载荷等值）和强等值（因子载荷和截距等值）。首先检验形态等值，即检验潜变量的构成形态是否相同，同时也为下一步检验设定基线模型。至少在满足强等值之后，长时比较才真实有效（Cheung & Rensvold, 2002）。为了判断测量等值的程度，除了每个模型的整体拟合外，还可以查看模型拟合的相对变化。当Δ CFI ＜ 0.01且限制模型的RMSEA落在非限制模型的RMSEA 95% 置信区间以内，则认为模型等值成立（Cheung & Rensvold, 2002）。测量等值成立以后，然后对每个学科进行潜变量交叉滞后模型检验，分别考察大五人格与语数英三门学科成绩的双向作用。具体而言，在控制自回归系数的基础上，进一步控制大五人格与学业成绩在三个时间点的横断相关，从而用前一次测量的大五人格预测后一次测量的学业成绩与用前一次测量的学业成绩预测后一次测量的大五人格。同时，整个模型中，加入第一个时间点的智力对第二时间点和第三个时间点的学业成绩的预测路径，并采用限制模型限定路径及相关跨时间等值。最后，采用潜变量交互作用模型来考察智力与开放性人格是否对语数英学业成绩存在交互作用（Klein & Moosbrugger, 2000）。

四、结果

（一）描述性统计分析

表1呈现了智力（T1）、 大五人格（T1-T3）、 和语数英三门学科成绩（T1-T3）的均值、标准差以及两两之间的相关系数，结果表明，语数英三门学科成绩与智力、开放性呈显著的正相关关系，与尽责性关系较弱。情绪稳定性与数学成绩之间相关更密切，而外向性对语文和英语成绩的相关更大，这与理论预期基本相一致，为研究假设提供了初步的支持。

表1 本研究中各变量的平均数、标准差以及变量之间的相关系数信息

（二）测量模型检验

测量模型所涉及的潜变量包括大五人格特质（尽责性、情绪稳定性、外向性、开放性和宜人性）和智力。由于大五人格五个维度和智力分别是由3个项目包所测量，测量模型处于恰好识别的状态：df为0，CFI指数为1，RMSEA和SRMR指数均为0（Brown，2006）。同时，所有的因子载荷均大于0.40且显著（p＜ 0.001），这意味着观测指标很好地代表了其对应的潜变量。

（三）测量等值检验

在形态等值检验中，允许各种参数自由估计，得到的模型拟合指数见表2的M1。各拟合指数均达到心理测量学要求（CFI ≥ 0.90，RMSEA ≤ 0.08，SRMR ≤ 0.06），形态等值成立。当设定同一观测指标在不同测试时间点上因子载荷相等之后，模型与数据拟合良好（见表2的M2）。而且受约束模型（弱等值）相较于未约束模型（形态等值），结果显示ΔCFI≤ 0.01或 ΔRMSEA ≤ 0.015，支持各潜变量对应观测指标的因子载荷跨时间点等值，即弱等值成立。在此基础上检验强等值，分别设定每个观测指标在不同测试时间点上的截距等值，数据与模型拟合达到心理测量学可接受水平（见表2的M3）。强等值（vs.弱等值）结果显示 ΔRMSEA ≤ 0.015或 ΔCFI ≤ 0.01，说明了各观测指标跨时间点截距等值成立，即强等值成立。

表2 测量等值模型拟合指数信息

（四）智力、大五人格与学业成绩的交叉滞后模型

为了进一步检验研究假设，本研究共构建了三个潜变量之间的结构模型来检验大五人格与学生学业成绩之间的纵向关系。由于学生的智力只在第一个时间点被测量，在整个交叉滞后模型中自由估计第一个时间点的智力对第二个时间点和第三个时间点学业成绩的预测路径。如表3所示，三个结构模型的拟合效果达到了测量学上可接受水平，最终的模型结果如表4所示。在该模型中， T1-T2: β =0.09（语文）/0.06（英语）/0.11（数学），p＜ 0.001；T2-T3: β = 0.09（语文）/0.06（英语）/0.13（数学），p＜0.001。然而，学生的尽责性、外向性、宜人性和情绪稳定性均不显著预测学科成绩。此外，学生的智力（T1）也显著的正向预测随后时间点的学科成绩T2： β = 0.02 （语文,p＞ 0.01）/0.05（数学）/0.10（英语），p＜ 0.01；T3: β = 0.06（语文）/0.05 （英语）/0.07（数学），p＜ 0.01。这与研究假设基本一致，即学生越开放、喜欢探索、充满好奇心，越容易获得较高的学业成绩。学生的智商越高，越可能取得较高的学业成绩，最终获得学业成功。

表3 结构模型拟合指数信息

（五）开放性与智力对学业成绩的交互作用

为了进一步检验大五人格中的开放性人格与智力对三科学业成绩是否存在交互作用，将潜变量交互项（开放性*智力）纳入到整个交叉滞后模型中。由于其他人格特质不显著影响三科学习成绩，为了保持模型的清晰简洁，模型中只包括三个时间点的开放性和学业成绩，以及T1智力，并自由估计开放性与学业成绩的双向关系，让T1其他4种人格与智力分别预测T2 和T3学业成绩，且让T1智力与开放性的交互项预测T2学业成绩，让T1智力与T2开放性的交互项预测T3学业成绩，最终模型如图1—3。值得注意的是，潜变量交互作用模型Mplus不报告常规的模型拟合指数信息（如CFI，RMSEA 和SRMR等），但相较于没有加入交互项的模型（见表3的 M1），BIC数值变小，说明加入交互项的模型（见表3的 M2）更好。结果如表4所示，开放性与智力对语文（β = —0.12/—.013，p＜ 0.001）和数学成绩（β = —0.05/—0.06，p＜ 0.001）存在显著的交互作用。

表4 大五人格、智力与语数英三科成绩的纵向关系

图2 智力、大五人格和数学成绩的关系模型

五、讨论

本研究结果发现，学生的智力和开放性对后续时间点学生的语数英三科学习成绩均有显著影响。此外，学生的智力与开放性人格不仅独立影响其学业成绩，而且存在交互作用。负向的交互作用表明，学生的智力和开放性人格对学业成绩的影响是互补的，两者可以弥补彼此的不足和短缺。一般来说，当学生的智力水平正常，但其开放性人格得分很高，也容易取得好成绩，反之，当学生的开放性得分较低，但其智力水平很高，同样也可以取得好成绩。本研究在一定程度上揭示了对中学生而言，其智力和人格对学业成绩都非常重要，一般而言，智商很难去改变，但作为家长和教育工作者，可以开发一些干预项目来培养学生健全的人格，即提升情商，这也验证了 Ziegler 等人(2012) 的OFCI模型在中国文化下同样适用。

图3 智力、大五人格和英语成绩的关系模型

（一）智力、大五人格与学业成绩的纵向发展关系

本研究发现，中学生第一次的智力测验结果可以显著正向预测第二次和第三次的数学和英语成绩，这表明中学生的智力越高，数学和英语成绩得分也越高。而智力对中学生语文成绩的作用不大且不显著，这与已有的研究结果相一致（Taub et al., 2008）。究其原因可能是与不同科目各自的特点有关，中学生学习语文（母语）不同于数学和英语等其他科目。对于中学生而言，数学和英语比较新也比较难，而语文基本上是通过每天的日常交流、阅读书刊和报纸来学习，学生的熟悉度更高。数学通常包括算术、逻辑推理和几何图形等，而数学题多数答案都是唯一的，且有对错之分。作为第二语言，英语基本上是一门全新的课程，有其新的词汇和语法体系，学生对其熟悉程度较低，且难度较大。因此，相对于母语而言，数学和英语学习起来比较困难，对学生的智力水平要求稍高一些。此外，本研究主要采用瑞文推理测验测量学生的流体智力，又称图形推理能力，而本研究的对象刚好是初二和高一学生，他们已经开始学习几何图形，这对图形推理能力要求较高，因此与语文和英语相比，智力对他们数学学习的预测作用更大。总得来说，流体智力在解释学生学业成绩差异上，特别是对语文成绩的解释上，弱于西方文化中的报告（Heaven & Ciarrochi，2012）。这一差异可能是由于中国文化造成的，即中国父母和教师主要信奉儒家文化，相信勤能补拙，经常会鼓励他们的孩子和学生学习态度要认真，勤奋好学才能弥补智力上的不足（Tweed & Lehman，2002）。因此，这种文化差异可能导致学生在这些变量上的平均水平差异，以及影响这些变量在预测学业成绩上的相对重要性（Lu et al., 2011）。

关于大五人格，本研究发现开放性人格显著正向预测学生语数英三科学习成绩。开放性主要强调个体是否对认识和学习多样性、新奇性事物具有偏好，是否具有创新、创造性的心态和习惯，同时能对不同的观点和文化持有包容、开放的态度。开放性得分高的学生更倾向于将新知识与已有知识联系在一起，也更有可能会选择提供更丰富学习机会的刺激性环境（Ziegler et al., 2012），从而提升学业成绩。但是，其他人格特质，特别是尽责性和情绪稳定性，并不能显著预测随后时间点的三科学习成绩，这与前人的研究不一致。Spinath等人（2010）发现，神经质（情绪不稳定性）显著负向预测数学成绩，这可能是学生学习数学的焦虑所致。归根结底，数学学习主要涉及使用算术和数理逻辑来解决问题，而数学问题通常具有很大的挑战性，答案有对错之分，所有这一切都会引起学习焦虑，导致学习成绩下降。本研究中呈现不一致的研究结果，可能是因为本研究以中国中学生为研究对象，且采用追踪设计考察大五人格与学业成绩的发展关系。未来研究可选取中西方一定数量的中学生，并采用长时追踪设计开展跨文化研究交叉验证两者之间的作用关系。

（二）智力与开放性人格的交互作用

本研究以中国中学生作为独立样本，通过长时追踪研究设计，结果表明智力与开放性人格之间存在交互作用，会影响学生的学业成绩。尽管前人研究也报告两者之间的相互作用，但采用的是横断面研究设计（Heaven & Ciarrochi, 2012; Zhang & Ziegler, 2015）。在作用关系上，智力和开放性人格之间的负向交互作用可以解释为一种补偿关系：两个变量中任何一种变量表现得足够好，学生的学业成绩就好。换言之，其中一个变量的水平特别高，则另外一个变量对学业成绩的解释力并没有提高。这还意味着，即使学生的好奇心不强，或者不太愿意寻求新知识，只要他们的智力高，也能够很好地完成学习任务，成绩也好。同样，具有高开放性的学生可能并不需要高水平的智力，因为他们对不同的领域充满好奇心，积极掌握新思想，并寻找有助于提高学习成绩的新经验。另外一种可能的解释是，在学校环境中，高智力与高开放性相结合未必总是有益的。高智商与丰富的想象力和好奇心结合起来，会使学生注意力分散，对学校教学内容的兴趣会下降。对于智力较低、开放度较高的学生，科目内容可以满足较高水平的好奇心，而对于智力较高、开放度较低的学生，科目内容足以构成挑战。未来的研究可以运用实验方法或经验抽样法来收集更多的过程性数据，以帮助检验这些不同的观点。

（三）研究不足与展望

尽管本研究揭示了智力、大五人格和语数英三科学业成绩的发展关系，理论上验证了Ziegler等人的OFCI模型在中国文化下同样适用，实践上也证明了智力与人格，特别是开放性，都能预测学生的学业成绩，而且智力与开放性相互弥补，相辅相成地促进学生的学习。但是，本研究也存在以下局限性：首先，本研究利用学生自评问卷来测量学生大五人格，数据的来源比较单一，且容易受社会赞许性影响，未来可考虑收集来自学生家长、教师和同伴评价数据，多方论证学生的大五人格。其次，尽管本研究通过纵向追踪的方法，显著改善了横断面研究的不足，但仅通过追踪法调查了学生的大五人格与三科学业成绩的相互关系，追踪期限仅为1年，相对较短，且学生的智力只在第一个时间点被测评。今后的研究可能会进一步延长追踪时间(如3年)，增加5次以上的测评时间点(Bollen & Curran, 2004），长期追踪测评学生的智力、大五人格以及学业成绩之间的双向作用关系。最后，本研究在智力上仅仅考察了学生的流体智力，也即图形推理能力，而忽视了学生的晶体智力，且以往研究发现晶体智力与学生的知识获得和学业成绩直接相关（Roth et al., 2015），未来研究可多增加此方面的测评，更加全面分析智力与人格对学业成绩的双向发展关系。

六、结论

本研究通过对836名中学生进行为期一年的追踪研究，结果表明，学生的智力和大五人格，特别是开放性人格特质，对其后续时间点的语数英成绩具有显著的预测作用。更为重要的是，从长远来看，学生的智力与开放性人格特质可以相互弥补对方的不足，从而影响学生以后的学习成绩。总之，智商与情商因素既有区别又紧密联系，对学生的学习都非常重要，对于现代教育尤其是中小学教育来说，智育和心育如同手心手背一样，哪一方面都不可或缺。