全方位刻画：自我导向学习能力框架的构建与验证*

刘博文 颜 婷 孟凡星 吴永和 罗 恒[通讯作者]

（1.华中师范大学 人工智能教育学部，湖北武汉 430079；2.华东师范大学 教育学部，上海 200062）

一、问题的提出

随着生产力和生产技术的不断进步， 人类社会正在经历新一轮的转型， 面向终身学习的学习型社会已经到来（侯怀银，等，2020）。 社会巨变对教育领域产生了巨大冲击，学习变得越来越非正式、自我选择和自我导向。 自我导向学习（Self-Directed Learning， SDL）成为21 世纪学习者生存和发展的重要技能（van Zyl，et al.，2019）。 自我导向学习能力指学习者自主管理学习过程的能力， 被视为促进学习者终身学习技能发展的关键（Dynan， et al.，2008）。 已有研究表明，学习者的自我导向学习能力，对于他们在长期的职业生涯中取得成功至关重要（Lemmetty，et al.，2020）。 身处于巨变和快速发展的时代，培养能独立思考、解决问题、自我评估和终身学习的自我导向学习者，是加快建设“学习型社会”的关键举措。

培养自我导向学习者， 首先需要准确诊断学习者的自我导向学习能力水平， 然后制定相应的培养方案。 然而，由于缺乏实证性的能力框架，导致目前自我导向学习能力诊断经验数据缺乏， 使得难以对自我导向学习能力进行全面且准确的刻画（Lai，2011）。 一方面，自我导向学习能力是由多种能力属性所构成的综合体，作为一种内隐特征，涉及认知、元认知和非认知等多种属性，构成要素较为复杂。虽然已有不少学者探讨了自我导向学习能力构成要素，但综合认知、元认知和非认知全方位视角，关注自我导向学习能力的研究还不充分。另一方面，随着信息时代的发展， 常态化学习环境和学习方式发生了巨大变化，学习环境更具开放性和灵活性，主动学习和泛在学习成为主流的学习方式。 信息素养和批判性思维等逐渐成为自我导向学习能力的新要素，自我导向学习能力具有了更加丰富的新内涵。

为此，本研究综合认知、元认知和非认知全方位视角，结合信息时代自我导向学习能力的新内涵，通过实证研究构建了自我导向学习能力框架， 以期为精准且全面刻画和诊断自我导向学习能力， 提供可操作性的指南， 为有效培养新时代的自我导向学习者，提供相关实施依据。

二、理论基础与研究现状

（一）自我导向学习能力的构成

自我导向学习被定义为学习者在有或没有他人帮助的情况下，主动明确自身学习需求、制定学习目标、确定用于学习的人力和物力资源、选择和实施适当的学习策略以及评估学习成果的过程（van Lankveld，et al.，2019）。 自我导向学习能力是由多种能力构成的综合体， 包括认知、 元认知和非认知属性。 自我导向学习者能够制定学习目标， 独立地准备、执行和完成学习活动（Jossberger，et al.，2010），明确有助于他们实现目标的资源， 选择实现目标的方法，并测试和评估自我的表现（Moore，et al.，2005）。此外，自我导向学习者对自己的学习负责，他们可以自我控制学习时间，自我管理学习任务，拥有多种解决问题的技能（Chou，2013）。通过梳理国内外相关文献， 自我导向学习能力构成的相关研究， 如表1 所示。本研究从认知、元认知和非认知三方面来剖析自我导向学习能力构成， 为自我导向学习能力框架构建提供理论依据。

表1 自我导向学习能力构成梳理

1.认知方面

在认知方面， 问题解决是自我导向学习能力的重要构成部分。它被视为一种行为过程，指能够定义和识别问题， 寻求问题解决方案并实施最佳解决方案（Yu，et al.，2015）。 有研究表明，问题解决能力对自我导向学习具有积极和显著的影响。例如，李艳等人（2015）发现问题解决能力可以提高本科生的自我导向学习能力。 还有研究者（Song，2022）发现，在线教育中问题解决能力和自我导向学习之间存在显著正相关。

由于问题解决和批判性思维之间存在显著的相关关系（Kanbay，et al.，2017），因此，批判性思维在自我导向学习中同样起着重要作用。 批判性思维是指自我监督的判断过程，反映解释、推理、分析和评估的思维过程（Hajrezayi，et al.，2015）。 有研究表明，自我导向学习与批判性思维之间存在显著正相关关系（Ghanizadeh，2017）。张永飞（2017）指出，批判性思维对自我导向学习的引导作用明显， 能够帮助学习者排除阻碍学习的因素， 引导他们正确选择学习内容和学习方法。可见，批判性思维是自我导向学习能力的核心要素之一。

在信息化时代， 自我导向学习能力具有新的内涵，学习者的信息素养对于自我导向学习能力的发展变得越来越重要。信息素养是指利用信息技术解决复杂情境中实际问题的能力，是信息时代学习者开展自我导向学习的重要前提。 豪兰等 （Howland，et al.，2002）发现，学习者的信息素养在帮助他们开展自主学习方面，发挥了重要作用。 还有研究者（Hung，et al.，2010）指出，在线学习环境中学习者实现有效自我导向学习，需要具备两种能力：熟悉操作信息技术的能力，以及能够进行自我管理的能力。 随着新技术的发展，信息素养已成为自我导向学习的重要要素。

2.元认知方面

元认知是自我导向学习能力的关键组成部分，被定义为对认知和思维过程的计划、监控、调节和管理（Jaleel，2016）。 学习计划是自我导向学习的关键要素之一， 通过学习计划所反映的对能力和知识预期水平的要求， 有助于为自我导向学习的开展提供支持（Majumdar，1996）。它能够帮助学生明确自身的知识差距，从而通过自主学习进行自我提升，以促进学生发展自我导向学习能力， 培养自我导向学习技能（Kastenmeier，et al.，2018）。

自我监控是自我导向学习的先决条件。 作为自我导向学习的重要组成部分，自我监控指学习者跟踪和评估其在学习目标实现和学习进展方面的技能（Chang，2007）。 自我监控通过对思维过程进行调节和管理，激发学习者确定学习目标和学习结果，从而提升自我导向学习的效果。 高自我监控水平的学习者可以自己设立学习目标，选择并确定实现学习目标的方法，并自主评估目标实现的程度（Karatas，et al.，2020）。

3.非认知方面

学习动机是激发并维持学生自我导向学习的重要内因和动力。 它被定义为学习者学习行为的驱动力，与自我导向学习之间存在显著相关关系（Saeid，et al.，2017）。高水平自我导向学习能力学习者，具有强烈的内在动机，能够设定目标，选择适当的策略来实现这些目标。 有研究者（Zhu，et al.，2020）发现，学习动机可直接影响学生的自我监控行为，并通过自我监控行为间接影响自我导向学习行为。这表明学习动机是自我导向学习的重要前提（Schunk，et al.，2016）。

学习者能否认识并主动承担学习责任， 也是影响自我导向学习的关键因素。 学习责任即学习者对自己的学习负责，使得学生积极为学习做好准备，确定学习目标，制定学习计划，并严格依据计划完成学习任务（Kolan，et al.，2021）。 有研究表明，学习者主动承担学习责任的意愿， 是推动自主学习的重要内部动力（刘颖，等，2020）。 当学习者积极主动承担学习责任时， 他们更容易在自我导向学习过程中获得成功（Lee，et al.，2010）。

良好的人际沟通对自我导向学习者学习目标的实现，具有积极作用。 蒋冬花等人（2013）发现，自我导向学习能力水平高的学习者，在遇到困难时，能主动与他人进行沟通和交流，积极向他人寻求帮助。同时， 有研究表明， 高水平自我导向学习能力的学习者，有较高的提升自我人际沟通能力的意愿，因为他们意识到他人的帮助在自身寻找学习资源、 制定学习计划等方面，具有重要作用（Bhandari，et al.，2020）。可见，人际沟通对于自我导向学习能力的培养，具有重要的意义。

（二）自我导向学习能力诊断工具

自我导向学习能力诊断工具的开发, 起源于美国。 美国著名成人教育学家加格利尔米诺（Guglielmino）于1977 年开发了由41 个题项组成的“自我导向学习准备度量表”，内部可靠性系数为0.87。 为了提升量表的准确度，经过多年的实践后，加格利尔米诺于1997 年对其进行了修订完善； 最终版量表由58个题项组成，内部可靠性系数维持在0.87 水平。 澳大利亚学者费希尔（Fisher）等人于2001 年开发了第一版“护理教育自我导向学习准备度量表”。 该量表由40 个题项组成，内部可靠性系数为0.924。为了提升量表的结构效度，费希尔等人于2010 年对其进行修订；修订后的量表由29 个题项组成，内部可靠性系数为0.87。 英国学者威廉姆森（Williamson，2007）开发了“自我导向学习评定量表”，该量表包含60 个题项，内部可靠性系数范围为0.71～0.79。

国内方面，我国台湾学者邓运林最早于1992 年在其博士论文中， 将加格利尔米诺开发的量表引入国内，经过翻译、修订后形成中文版“自我导向学习倾向量表”；该量表由55 个题项组成，内部可靠性系数范围为0.64～0.85。 基于加格利尔米诺的量表，黄水等人于2007 年开发了“中学生自我导向学习倾向性量表”；该量表由55 个题项组成，内部可靠性系数范围为0.630～0.888。 基于邓运林的量表，李彦章等人于2008 年开发了“自我导向学习量表”；该量表由43 个题项组成，内部可靠性系数为0.864。 我国台湾学者郑夙芬等人（Cheng，et al.，2010）开发了“护理学生自我导向学习能力量表”； 该量表由20 个题项组成，内部可靠性系数为0.916。沈王琴于2011 年基于威廉姆森的量表，开发了“中文版自我导向学习评定量表”，该量表由60 个题项组成，内部可靠性系数为0.966。

为此， 我们共选取以上八个典型的国内外自我导向学习能力测量工具，从编制方法、测评内容、诊断标准等方面进行对比分析， 为自我导向学习能力框架探索与验证工具的构建，提供研究依据。

1.编制方法

国外自我导向学习能力测量工具的编制， 主要依据自我导向学习相关理论以及相关研究， 采用德尔菲法，由相关专家对测量工具进行审查，以保证其内容效度；采用因子分析等方法，检验测量工具的结构效度、 内部一致性和可靠性， 对测量工具进行实测。目前，国内自我导向学习能力测量工具，以参考、借鉴国外经典测量工具为主。 这些国外测量工具通常经过翻译、回译、检译、专家评价、文化适应修订和实测验证，在国内自我导向学习能力测量的实践中，发挥着重要作用。 八个经典国内外自我导向学习能力测量工具的编制方法，具体如表2 所示。

表2 自我导向学习能力测量工具编制方法

2.测评内容

通过对国内外自我导向学习能力测量工具测评内容的归纳和分析（如表3 所示），本研究发现，测评内容主要通过因子分析得出。总体来看，测评内容可分为三个方面：认知、元认知和非认知。其中，认知方面包含基本学习技能、 问题解决技能和创造力等维度；元认知方面包含学习计划、学习策略、自我监控和学习评价等维度；非认知方面包含学习动机、学习意识、学习责任感、人际交往等维度。

表3 自我导向学习能力测量工具诊断内容

3.诊断标准

在诊断标准方面，八个经典测量工具中，仅有两个国外测量工具。通过对测量工具总分进行分段，设置了自我导向学习能力测量标准，具体如表4 所示。然而，目前国内的自我导向学习能力测量工具，均未明确设置相应测量标准。

表4 自我导向学习能力测量工具测量标准

具体来看， 加格利尔米诺将自我导向学习能力分为五个水平：高水平自我导向学习能力学习者，通常在确定学习需求方面更成功， 并且可以制定和实施个人学习方案； 平均水平自我导向学习能力学习者，会在支持独立学习的情境中取得成功，但不太善于计划和实施个人学习方案； 低水平自我导向学习能力学习者，通常更喜欢结构化的学习，例如，传统的讲授式教学等。 威廉姆森将自我导向学习能力分为三个水平，并针对三种不同水平提出了支持策略：低水平自我导向学习能力学习者，必须有教师指导，由教师帮助学习者确定需要改进的地方， 并且改进学习者的学习方法； 中等水平自我导向学习能力学习者，需要在教师指导下，评估自身的学习并改进学习方法；高水平自我导向学习能力学习者，能有效进行自我导向学习， 教师需要通过确定学习者的优势和有效学习方法，来促进他们不断进步。

（三）能力框架构建过程与方法

目前， 能力框架构建的主要方法， 有文献分析法、专家咨询法、问卷调查法等，它为本研究自我导向学习能力框架的构建，提供了方法论支撑。 在文献分析法和专家咨询法方面，主要是对现有研究进行总结和梳理，并结合专家意见提炼框架。 王佑镁等人（2022）通过系统梳理数字阅读素养的国内外相关文献，从素养结构、数字能力、阅读过程三个维度，构建了测评视角下的“数字阅读素养要素结构框架”。 杨淑婷等人（2022）对教师数据驱动决策能力的评价实践研究，进行总结和梳理，提炼出了“教师数据驱动决策能力评价框架”。 祖丹等人（2022）对现有数学建模能力相关文献进行梳理分析，归纳出数学建模的过程性特征，构建了“双维多水平的数学建模能力测评框架”， 并采用专家咨询法验证该测评框架的信效度。

在问卷调查法方面，为提升能力框架的通用性，在文献分析法和专家咨询法的基础上， 进一步增加实证研究，通过问卷调查的方式，收集数据并采用探索性因子分析和验证性因子分析等方法， 检验能力框架的信效度。 庄榕霞等人（2018）在系统梳理数字化学习能力构成和要素的基础上，编制初始问卷，然后进行问卷调查，通过探索性和验证性因子分析，构建和验证“中小学生数字化学习能力框架”。 刘君玲等人（2021）在文献分析的基础上，编制学习者的情绪交互评价量表，并且通过问卷调查，使用探索性和验证性因子分析检验量表结构效度。 还有研究者（Hong，et al.，2022）通过文献分析和专家咨询，构建初始创造力评估量表， 然后通过问卷调查收集数据进行因子分析，以开发出高信效度的创造力评估量表。

三、研究设计与工具构建

（一）研究过程

我们通过研究现状分析可知， 调查问卷是测量学习者自我导向学习能力的一种有效工具。 基于文献研究和问卷调查， 结合探索性因子分析和验证性因子分析，构建和验证自我导向学习能力框架，是有效的过程和方法。 为此，基于《自我导向学习能力问卷》，通过问卷调查探索并验证自我导向学习能力因子结构，进而构建并验证自我导向学习能力框架。具体的构建包括四个步骤： 能力框架探索与验证工具构建、能力因子结构探索、能力因子结构验证以及能力框架构建与验证，如图1 所示。

图1 自我导向学习能力框架构建实验设计

（1）能力框架探索与验证工具构建：基于国内外经典自我导向学习能力测量工具，经过整合、翻译、删减和新增等步骤构建《自我导向学习能力问卷》，为探索和验证自我导向学习能力框架提供工具。（2）能力因子结构探索：基于构建的《自我导向学习能力问卷》进行问卷调查，对收集的数据进行探索性因子分析，经过多次项目删除和迭代分析，得到自我导向学习能力因子结构。 （3）能力因子结构验证：为检验探索性因子分析得到的因子结构的效度， 再次通过问卷调查收集数据，并进行验证性因子分析。 （4）能力框架构建与验证：基于实证分析所得的因子结构，构建自我导向学习能力框架， 最后通过验证性因子分析对框架进行验证。

（二）研究对象

本研究中的SDL 能力因子结构探索采用便利抽样方法（Convenience Sampling），对来自湖南省长沙市的332 名中学生进行调查研究，调查问卷为《自我导向学习能力问卷》。在332 名参与者中，共有184名男性（55.4%），148 名女性（44.6%）。 参与者的平均年龄为13.26 岁（SD=0.84），范围为11 岁至15 岁。

SDL 能力因子结构验证以及能力框架验证同样采用便利抽样方法， 对来自湖南省长沙市的320 名中学生进行调查研究，调查问卷为《自我导向学习能力问卷》。 在320 名参与者中， 共有180 名男性（56.2%），140 名女性（43.8%）。 参与者的平均年龄为12.63 岁（SD=0.59），范围为11 岁至14 岁。 《自我导向学习能力问卷》均以电子问卷形式，在问卷星平台发放，所有参与者均被告知本研究的目的，并申明保护其隐私权。

（三）数据分析方法

第一步，通过探索性因子分析（Exploratory Factor Analysis，EFA）， 使用主成分分析和最大方差旋转法（Varimax-Rotation），探索自我导向学习能力的因子结构，该步骤基于SPSS 26 进行。 当KMO（Kaiser-Meyer-Olkin）值大于0.7 以及Bartlett 检验显著（p＜0.05）时，表明因子分析的适用性较高（De Vaus，1991）。 本研究保留特征值大于1 的因子（Kaiser， 1960），删除负载小于0.40 的题项（Cheng，et al.，2010）。

第二步， 通过验证性因子分析（Confirmatory Factor Analysis， CFA），对SDL 能力因子结构和能力框架进行验证，该步骤基于AMOS 7.0 进行。之后，采用极大似然估计评估模型的适用性，通常，卡方值（χ2）不具备统计学显著（p＞0.05），表明该模型具有良好的适应性。 由于卡方值（χ2）对样本量大小非常敏感（Hu， et al.， 1999），因此，本研究使用了卡方值与自由度的比率（χ2/df）来评估，该值小于3.0 表示模型可以接受 （Carmines，et al.，1981）。 RMSEA（Root Mean Square Error of Approximation， 近似均方根误差）值小于0.08 以及SRMSR（Standardized Root Mean Square Residual，标准化均方根残差）值小于0.05，表明模型具有较好的拟合效果（Amador-Campos，et al.，2005）。 TLI（Tucker-Lewis Index，塔 克—路 易 斯 指数）、CFI（Comparative Fit Index，比较拟合指数）和IFI （Incremental Fit Index， 增量拟合指数） 大于0.90，表明模型具有较好的拟合效果（Bentler，et al.，1980）。

第三步， 使用组合信度 （Construct Reliability，CR）和平均方差抽取量（Average Variance Extracted，AVE），来检验自我导向学习能力框架的结构信度以及收敛效度。 组合信度 （CR） 和平均方差抽取量（AVE）的计算公式，分别如公式1 和公式2 所示。其中，CR 不小于0.6， 表明模型具有较好的结构信度，AVE 不小于0.5， 表明模型具有较好的收敛效度（Fornell，et al.，1981）。

在公式1 和公式2 中，λ 表示因子负载，θ 表示测量误差，其计算公式为：

（四）自我导向学习能力框架探索与验证工具构建

自我导向学习能力框架探索与验证工具的构建，如图2 所示。 首先，依据卡多林等人（Cadorin，2017）开展的关于自我导向学习能力的系统文献综述研究，确定了四个国内外经典自我导向学习能力测量工具：“自我导向学习准备度量表”“自我导向学习评定量表”“护理教育自我导向学习准备度量表”“护理学生自我导向学习能力量表”。

图2 SDL 能力框架探索与验证工具构建

接着，通过在中国知网搜索主题“自我导向学习量表”，选取了被引数排名前三（截止到2022 年6月23 日）的国内自我导向学习能力测量工具，分别是：“中学生自我导向学习倾向性量表”“自我导向学习量表”和“中文版自我导向学习评定量表”。 此外，我国学者邓运林最早将“自我导向学习倾向量表”汉化，因此，该量表也被本研究选择作为典型国内自我导向学习能力测量工具之一。 由此，本研究共收集到八个国内外经典SDL 能力测量工具，并从编制方法、测评内容、诊断标准等方面对这八个测量工具进行了综合分析。

在确定测量工具后， 参考已有研究（Cheng，2010）的研究流程，由两名具有良好英语水平（CET 6）的研究生，将收集到的三个国外自我导向学习能力测量工具翻译成中文。然后，将八个国内外经典测量工具进行整合。 通过对比，删除含义相似的题项，最终保留了74 个题项。

信息素养和批判性思维是信息时代学习者自我导向学习的重要因素，然而，现有测量工具并未将二者纳入其测量内容当中。 因此， 本研究在已有基础上， 将信息素养和批判性思维纳入自我导向学习能力测量工具构建中， 以丰富和完善SDL 能力框架。我们从“信息能力评估工具”（Information Competency Assessment Instrument）（Marshall， 2006）中，提取6 个题项用于测量信息素养，从“批判性思维能力量表”（彭美慈，等，2004）中，提取6 个题项用于测量批判性思维。 至此，经过翻译、删减与新增，《自我导向学习能力问卷》共包含86 个题项。

之后， 本研究邀请两名具有博士学位的自我导向学习研究人员，对《自我导向学习能力问卷》进行审查，以确保其内容效度。 一位研究人员为某“双一流”高校教授，另一位正在某“双一流”高校从事博士后岗位。 两名研究人员认为《自我导向学习能力问卷》中有5 个题项表意模糊，因此，本研究删除了这5 个题项，最终，构建了一份由81 个题项构成的《自我导向学习能力问卷》， 用于探索和验证SDL 能力因子结构和能力框架。

四、自我导向学习能力因子结构探索与验证（一）自我导向学习能力因子结构探索

本研究通过探索性因子分析， 探索自我导向学习能力的因子结构。 由81 个题项构成的《自我导向学习能力问卷》 的KMO 值为0.965，Bartlett 检验的χ2=26773.615（p＜0.05），表明该问卷适合进行因子分析。 经过第一轮探索性因子分析，产生了10 个特征值大于1 的因子，累计方差解释率为71.578%。 在第一轮探索性因子分析后， 本研究删除了因子负载小于0.4 的3 个题项，同时删除“张冠李戴”（与对应因子无关）的14 个题项，保留64 个题项。 在第二轮探索性因子分析后，删除“张冠李戴”的5 个题项，保留59 个题项。 在第三轮探索性因子分析后，删除“张冠李戴”的3 个题项，保留56 个题项。在第四轮探索性因子分析后，删除“张冠李戴”的4 个题项，保留52个题项。 在第五轮探索性因子分析后，删除“张冠李戴”的4 个题项，保留48 个题项。

第六轮探索性因子分析的KMO 值为0.962，Bartlett 检验的χ2=14435.445（p＜0.05），产生了8 个特征值大于1 的因子，累计方差解释率为74.502%，如表5 所示。 此时， 所有题项因子负载均大于0.4，无“张冠李戴”和“纠缠不清”（在两个因子上负载大于0.4）的题项。 经过总共六轮探索性因子分析后，最终的《自我导向学习能力问卷》由48 个题项构成，具有8 因子结构。

表5 总方差解释（第六轮探索性因子分析）

因子1 为“人际沟通”，包含6 个题项，被定义为学习者与他人互动以促进自身学习的技能（Cheng，et al.， 2010）。 因子2 为“问题解决”，包含6 个题项，被定义为以有效方式解决问题的能力（Woods，et al.，1997）。因子3 为“学习责任”，包含6 个题项，被定义为学习者愿意为自己的学习主动承担责任的意愿（Williamson，2007）。因子4 为“信息素养”，包含6 个题项，被定义为能够识别需要何种信息，并借助各种信息技术来查找、 访问、 使用和评估信息的能力（Marshall，2006）。因子5 为“学习动机”，包含6 个题项，被定义为促使学习行为发生的，由于学习兴趣产生的内在动力或由于学习任务产生的外在动力（Stockdale，2003）。 因子6 为“自我监控”，包含7 个题项，被定义为监控、调节并评估自己的学习过程和结果的能力（Cheng，et al.，2010）。 因子7 为“学习计划”， 包含6 个题项， 被定义为自主设定学习目标，适当使用学习策略的能力（Cheng，et al.，2010）。因子8 为“批判性思维”，包含5 个题项，被定义为能够对既定知识和观点进行批判性思考的能力（McPeck，1981）。

（二）自我导向学习能力因子结构验证

为了进一步检验通过探索性因子分析所构建的SDL 能力因子结构的有效性， 本研究通过验证性因子分析（CFA），对SDL 能力的因子构成进行结构验证。结果显示，本研究构建的自我导向学习能力因子结构模型，具有良好的拟合度。 表6 显示了SDL 能力因子结构模型的拟合指数， 其中，χ2值（2325.149）显著（p＜0.05），可能是数据样本之间的差异较小所导致（Cheng，et al.，2010）；然而，χ2/df 值（2.210）小于3.0，表明模型结构可以接受；RMSEA 值（0.062）小于0.08，SRMSR 值（0.042）小于0.05，IFI 值（0.910）、TLI值（0.903）和CFI 值（0.910）均大于0.90，表明该模型具有较好的拟合度。

表6 自我导向学习能力因子结构模型拟合指数

SDL 能力因子结构模型，如图3 所示。8 个因子之间的相关系数介于0.52 至0.82 之间。 通过极大似然估计， 每个题项的因子负载范围为0.64 到0.91， 均大于0.40， 这也表明自我导向学习能力由批判性思维、问题解决、信息素养、学习计划、自我监控、学习动机、学习责任和人际沟通8 个因子构成。 同时，自我导向学习能力可以通过本研究所构建的包含48 个题项的《自我导向学习能力问卷》进行测量。

图3 自我导向学习能力因子结构模型（标准化估计）

五、自我导向学习能力框架的构成与验证

自我导向学习能力是学习者个人具备的使其成功掌控学习的认知、元认知和非认知的属性。 在认知方面，自我导向学习者能够高效识别、查找以及批判性评价既定知识和观点，以有效的方式解决问题；在元认知方面，自我导向学习者能够自我规划学习，并且通过自我监控及时调节学习，以有效实现学习目标；在非认知方面，自我导向学习者具有较强的学习动机，主动承担学习责任，并且在自我导向学习过程中，主动与同伴和教师等沟通以帮助自己实现学习目标。 综上所述，本研究基于实证分析所得的自我导向学习能力的8 个因子， 从认知、元认知和非认知三个维度，构成了“自我导向学习能力框架”，如图4 所示。

图4 自我导向学习能力框架的构成

自我导向学习能力，包括认知、元认知和非认知三方面属性。 其中，认知方面包括问题解决、批判性思维和信息素养。 问题解决指以有效方式解决问题的能力； 批判性思维指能够对既定知识和观点进行批判性思考的能力； 信息素养指能够识别需要何种信息，并借助各种信息技术来查找、访问、使用和评估信息的能力。 元认知方面包括学习计划和自我监控。学习计划指为自主设定学习目标，适当使用学习策略的能力；自我监控指监控、调节并评估自身的学习过程和结果的能力。非认知方面包括学习动机、学习责任和人际沟通。 学习动机指为促使学习行为发生的， 由于学习兴趣产生的内在动力或由于学习任务产生的外在动力； 学习责任指学习者愿意为自己的学习主动承担责任的意愿； 人际沟通指学习者与他人互动以促进自身学习的技能。

为了检验自我导向学习能力框架的拟合度，本研究通过验证性因子分析， 对自我导向学习能力框架进行验证，SDL 能力框架结构如图5 所示。验证性因子分析结果表明， 自我导向学习能力框架具有良好的拟合度，其中，χ2/df 值（2.246）小于3.0，表明模型结构拟合度达到可以接受水平；RMSEA 值（0.062）小 于0.08，SRMSR 值（0.026）小 于0.05，IFI值（0.989）、TLI 值（0.981）和CFI 值（0.989）均 大 于0.90，均表明该模型具有较好的拟合度。

图5 自我导向学习能力框架结构模型（标准化估计）

本研究使用组合信度（CR）和平均方差抽取量（AVE）， 检验自我导向学习能力框架的结构信度和收敛效度。 其中， 认知的CR 值为0.860，AVE 值为0.673；元认知的CR 值为0.867，AVE 值为0.766；非认知的CR 值为0.850，AVE 值为0.655。 结果表明，本研究所构建的自我导向学习能力框架， 具有较好的结构信度和收敛效度。

六、总结与展望

本研究通过实证研究从认知、 元认知和非认知全方位视角，构建并验证了自我导向学习能力框架。其中，认知维度包括问题解决、批判性思维和信息素养。 在认知方面，问题解决能力和批判性思维是相互交织的， 具备良好问题解决能力和批判性思维的个体，可以通过比较、分析、区分、反思和判断等评估情形或解决问题， 这是自我导向学习的认知基础（Hendricson，et al.，2006）。 同时，在资源丰富的当今时代，“数字土著”学习者具有较高的信息素养，有助于他们获取学习资源， 从而进行自我导向学习（Howland，et al.，2002）。

元认知维度包括学习计划和自我监控。 在元认知方面，高水平自我导向学习者，能够自主制定学习计划、 高效获取学习资源、 监控并调节学习进展（Pilling，et al.，2007），准确评价和反思自己的学习表现（Knowles，1975）。 同时，具备良好学习计划能力的学习者，能够独立设定学习目标，使用适当的学习策略和资源，有效实现自己的学习目标；具备良好自我监控能力的学习者， 能够监控并评估自身的学习过程和学习结果， 依据自身情况做出修改与调整（Cheng，et al.，2010）。

非认知维度包括学习动机、 学习责任和人际沟通。 在非认知方面，具有较高学习动机的学生，表现出较高水平的自我导向学习态度（Pan，2020），从而进一步激励他们主动开展自我导向学习（Dysvik，et al.，2013）。同时，积极主动承担学习责任的学习者，在自我导向学习过程中能自主选择并加工信息， 以促进知识吸收以及意义建构， 进而提高学习者的学习效率。 此外，人际沟通能力较强的学习者，在自我导向学习方面具有优势， 人际沟通能力有助于增强自我导向学习技能（Nakagawa，et al.，2019）。

自我导向学习能力框架的构建， 对自我导向学习能力准确且全面的刻画、诊断和有效的培养，具有重要意义。这一框架为从认知、元认知和非认知方面全方位培养学习者的自我导向能力，提供了落脚点，为培养适应新时代要求的全面发展的学习者， 提供了实施依据。

未来相关研究将基于自我导向学习能力框架，首先， 可进一步捕获学习者在自我导向学习过程中的行为、脑电、眼动等数据，实现基于多模态数据的自我导向学习诊断， 以更加精准地诊断自我导向学习能力水平。其次，可开发自我导向学习诊断报告工具，以可视化的方式面向教师、学生等利益相关者呈现自我导向学习诊断结果。最后，在自我导向学习诊断基础上，可制定相应的自我导向学习策略，将其应用于实践，以提升学习者的自我导向学习能力，培养能够适应新时代变化的全面发展的终身学习者。