本科护生隐性逃课的潜在类别及影响因素决策树分析

王洋洋，马骄娜，尹斐，杨楠，田玲

（哈尔滨医科大学a.附属第二医院；b.大庆校区，黑龙江 哈尔滨 150086）

隐性逃课是一种心理旷课行为， 指学生在上课过程中进行与授课内容无关的活动， 表现为被动参与甚至不参与各项教学环节， 在各类学校和专业大学生中覆盖率高达90%[1]， 妨碍大学生专业知识获得与综合素质能力提升，也对其思维方式、价值观念和心理健康产生不利影响。 隐性逃课虽受社会、学校、家庭、个体多系统因素影响，但本质还是心理层面行为，个体自身因素是隐性逃课最直接、最重要影响因素[2]。 大学生自身因素主要包括[3-4]：因对所学专业不感兴趣或没有信心表现出的学习动机缺乏；因自律性不强表现出的低自我控制水平； 因缺乏学习目标或难以适应学习生活表现出的学业倦怠。 目前国内外针对本科护生隐性逃课研究， 主要依据护生隐性逃课量表得分高低判断护生隐性逃课总体水平，进而分析其影响因素，忽略了不同水平护生群体间的异质性[5]，且多通过Logistic 回归分析护生隐性逃课影响因素， 但该方法所得结果在提供分类干预建议方面具有明显不足。 潜在剖面分析（latent profile analysis，LPA）所构建的潜在类别模型可依据个体外显变量的作答模式来判断个体所属类别及类别亚组间存在的差异[6]。 决策树通过建立树形结构预测模型，实现分类结果的可视化，有利于提供精准决策建议[7]。 本研究采用潜在剖面分析法，以本科护生为研究对象， 探讨其隐性逃课行为的异质性亚组及其特征， 并构建影响隐性逃课潜在类别的决策树模型，以明确其核心影响因素，以期为护理教育者提供针对性的决策建议，为精准干预提供依据。

1 对象及方法

1.1 研究对象 采取便利抽样，2022 年9—10 月纳入黑龙江省某医科大学2020～2022 级本科护生作为本研究调查对象。 纳入标准：（1） 全日制本科护生；（2）知情同意，自愿参加。 排除标准：（1）无法正常填写问卷；（2）有心理及精神疾病者。

依据横断面调查样本量估算公式n=μ2α/2σ2/δ2[8-9]，本研究取α=0.05，μ0.05/2=1.96，2022 年6 月预调查80名本科护生结果显示，隐性逃课总分为（78.39±16.61）分，因此σ=16.61；δ=｜x-μ｜；根据文献结果所得[10]：大学生隐性逃课总分为（76.87±11.38）分，得出δ=1.52，计算n=1.962×16.612/1.522， 计算样本量为459 例，按照20%失访率扩大样本量至551 例。 另外，本研究主要涉及潜在剖面分析和决策树模型分析：对于潜在剖面分析，每个类别至少要有50 个样本，本研究潜类别数有3 个，样本量至少要有150 个[6]；对于决策树模型分析， 每个影响因素需要5～10 例研究对象[8-9]，本研究有18 个自变量（分类变量以类别计数）， 样本量应为90～180。 本次调查实际纳入687名本科护生。本研究经哈尔滨医科大学大庆校区伦理委员会批准（SJGZ20220071），受试者均签署知情同意书。

1.2 研究工具

1.2.1 一般资料调查表 自行编制，包括护生年龄、性别、年级及家庭所在地。

1.2.2 大学生隐性逃课量表 （Recessive Truancy Scale，RTS） 由苏明宏于2015 年编制[11]，用于测量大学生群体隐性逃课问题，量表总Cronbach α 系数为0.85。 该量表包括学业认知（5 个条目）、学习习惯（6 个条目）、自我调整（7 个条目）、课堂认知（5 个条目）和学习环境（5 个条目）5 个维度，共计28 个条目。 使用Likert 5 级评分法，从完全不符合～完全符合分别计1～5 分。 总分为28～140 分，得分越高代表受试者的隐性逃课越严重。 本研究正式调查中量表总Cronbach α 系数为0.903，各维度的Cronbach α系数在0.824～0.910。

1.2.3 学习动机量表 由Amabile 等于1994 年编制[12]，池丽萍等[13]于2006 年汉化修订，用于评估大学生群体学习动机，量表总Cronbach α 系数为0.85。 该量表包括内部学习动机（14 个条目）、外部学习动机（16 个条目）2 个分量表， 其中内部学习动机包括挑战性（8 个条目）和热衷性（6 个条目）2 个维度，外部学习动机包含依赖他人评价（6 个条目）、选择简单任务（4 个条目）、关注人际竞争（4 个条目）和追求回报（2 个条目）4 个维度。 均采用Likert 4 级评分，从完全不符合～完全符合分别计1～4 分， 总分30～120分，得分越高代表受试者学习动机越高。本研究正式调查中量表总Cronbach α 系数为0.880，6 个维度的Cronbach α 系数为0.779～0.902。

1.2.4 学业倦怠量表（Learning Burnout Scale,LBS）

由连榕等[14]于2005 年编制，用于评估大学生群体的学业倦怠程度，量表总Cronbach α 系数为0.865。 该量表包括情绪低落（8 个条目）、行为不当（6 个条目）和成就感低（6 个条目）3 个维度，共计20 个条目。均采用Likert 5 级计分法，从完全不符合～完全符合分别计1～5 分，总分20～100 分，得分越高代表受试对象的学业倦怠程度越高。 本研究正式调查中量表总Cronbach α 系数为0.861， 各维度Cronbach α 系数为0.807～0.852。

1.2.5 大学生自我控制量表 （Self-control Scale,SCS） 由Tangney 等于2004 年编制[15]，谭树华等[16]于2008 年汉化修订，用于评估大学生群体自我控制能力，量表总Cronbach α 系数为0.865。 该量表包括冲动控制（6 个条目）、健康习惯（3 个条目）、抵御诱惑（4 个条目）、专注工作（3 个条目）和节制娱乐（3个条目）5 个维度，共19 个条目。 采用Likert 5 级计分， 从完全不符合～完全符合分别计1～5 分， 总分19～95 分， 得分越高代表受试者的自我控制能力越差。本研究正式调查量表总Cronbach α 系数为0.874，各维度Cronbach α 系数为0.773～0.868。

1.3 资料收集方法 本研究采用问卷调查法，于2022—2023 年第一学期初由经过培训的研究团队成员以班级为单位在班级教室现场投影发放电子问卷二维码和网址，电子问卷基于问卷星平台制作（https://www.wjx.cn/vm/mTKPotK.aspx）。 调查前采用统一指导语讲解本次调查目的、问卷填写方法及注意事项，受试者知情同意参与调查即填写网络版电子问卷。 电子问卷设置了禁止重复做答、必答项、逻辑检查项等确保调查数据质量。 本研究共收回720 份问卷，其中687 份有效问卷，有效回收率为95.4%。

1.4 统计学方法 采用SPSS 25.0 分析数据， 使用均数±标准差描述符合正态分布的计量资料，使用频数及百分比描述计数资料。采用Mplus 7.4 进行潜在剖面分析，以隐性逃课5 个维度得分作为外显变量，模型类别从1 开始，逐渐累加类别数目，潜在剖面模型适配性指标如下：艾凯克信息标准（Akaike information cirte-rion，AIC）， 贝叶斯信息标准（Bayesian information cirterion，BIC），经过校正的BIC（adjust Bayesian information cirterion，aBIC），罗·梦戴尔·鲁本校正似然比标准（Lo-mendell-rubin Likelihood，LMR），基于Bootstrap 的似然比检验（Bootstrapped likelihood ratio test，BLRT），信息熵（Entropy）。 其中，AIC、BIC、aBIC值越小代表模型拟合度越好，LMR、BLRT 的P<0.05代表较上个模型拟合度改善，Entropy 值越接近1 代表模型类别越精准[6]，直至模型拟合适配指标取值达到最佳。

确定最优模型后，采用SPSS 25.0，通过χ2检验比较隐性逃课不同类别在本科护生一般资料和影响因素的组间差异， 将具有统计学差异的自变量纳入决策树模型， 构建本科护生隐性逃课不同类别影响因素模型，模型规则：（1）树的生长，采用显著性水准α=0.05 作为树生长分枝规则；（2）树的修剪，采取预修剪法，决策树生长的层数设定为2 层，树停止规则为α=0.05， 父节点和子节点最小样本量分别为100和50，任何节点样本量不足最小样本量，即终止树分割，为最终节点[17]。 以P<0.05 作为差异具有统计学意义。

2 结果

2.1 共同方法偏差检验 本研究对隐性逃课、学习动机、 学业倦怠和自我控制的评估结果均来自于本科护生的自我报告， 因其结果可能会受到共同方法偏差的影响，因此，在施测语中强调问卷的匿名性和保密性，部分条目设计反向计分；同时，通过Harman检验对全部变量进行探索性因子分析， 全部变量进行未旋转主成分因子分析。 结果显示：特征根值>1的因子有16 项，第1 项公因子解释变异量为18.34%，低于40%的临界标准， 说明本研究共同方法偏差检验不显著[18]。

2.2 一般资料 687 名本科护生， 年龄18～24 岁（20.64±2.40）岁；多为女生566 名（82.4%）；年级：大一225 名（32.7%），大二234 名（34.1%），大三228 名（33.2%）；家庭所在地：城镇325 名（47.3%），农村362 名（52.7%）。

2.3 本组本科护生隐性逃课、学习动机、学业倦怠及自我控制得分 本组本科护生的隐性逃课、 学习动机、学业倦怠及自我控制总分分别为（81.56±17.60）分、（72.86±15.12）分、（59.15±10.43）分和（59.67±13.10）分，各维度得分及条目均分见表1。

表1 本组本科护生的隐性逃课、学习动机、学业倦怠及自我控制得分情况（n=687，±S，分）

表1 本组本科护生的隐性逃课、学习动机、学业倦怠及自我控制得分情况（n=687，±S，分）

项目隐性逃课总分学业认知学习习惯自我调整课堂认知学习环境学习动机总分内部学习动机外部学习动机学业倦怠总分情绪低落行为不当成就感低自我控制总分冲动控制健康习惯抵制诱惑专注工作节制娱乐条目数28 56755 30 14 16 20 866 19 63433理论得分范围28～140 5～25 6～30 7～35 5～25 5～25 30～120 14～56 16～64 20～100 8～40 6～30 6～30 19～95 6～30 3～15 4～20 3～15 3～15得分81.56±17.60 13.58±4.89 17.70±4.82 19.55±5.57 16.84±5.20 13.89±4.87 72.86±15.12 38.49±7.81 34.37±7.85 59.15±10.43 21.18±4.48 19.93±3.67 18.04±3.53 59.67±13.10 20.02±4.25 9.55±2.19 13.41±2.55 8.62±2.02 8.07±2.14条目均分2.91±0.62 2.72±0.96 2.95±0.81 2.79±0.80 3.37±1.02 2.78±0.97 2.43±0.51 2.75±0.55 2.15±0.50 2.96±0.52 2.65±0.55 3.32±0.60 3.00±0.57 3.14±0.67 3.34±0.69 3.18±0.70 3.35±0.65 2.87±0.67 2.69±0.71

2.4 本组本科护生隐性逃课的潜在剖面分析 采用Mplus 7.4 进行潜在剖面分析， 以隐性逃课5 个维度学业认知、学习习惯、自我调整、课堂认知和学习环境的均分为资料，模型1 代表纳入1 个潜在类别，模型2 代表纳入2 个潜在类别，以此类推。本研究共拟合出5 个潜在类别， 模型拟合指标见表2。AIC、BIC、aBIC 随着剖面个数增加而降低，但4 和5类别模型中LMR 的P 值变得不显著（P>0.05），且3类别模型中Entropy 取值0.931 为最大， 综合以上指标及结果的可解释性，最终选择3 个类别为最优模型[6]。

表2 本组本科护生隐性逃课潜在剖面分析的模型拟合指标（n=687）

2.5 本组本科护生隐性逃课的各潜在类别特征以模型3 作为理想模型， 依据本科护生隐性逃课5个维度的得分情况得出， 本组本科护生隐性逃课行为存在3 个类别，见图1。 依据各自特点分别命名：（1）C1（适应不良组）254 名（37.0%），学习习惯和自我调整2 个维度得分较高，学业认知、课堂认知和学习环境3 个维度得分较低， 表明归属于该类别本科护生存在不良学习习惯， 不能主动适应教师课堂教学模式，但对大学学业和课堂学习存在正确的认知；（2）C2（认知偏差组）276 名（40.2%），学业认知和课堂认知2 个维度得分较高，学习习惯、自我调整和学习环境3 个维度得分较低， 表明归属于该类别的本科护生对大学学业和课堂学习存在偏向负性的认知，认为课堂讲授知识无用，但学习习惯和主动适应课堂教学模式能力尚可；（3）C3（深度逃课组）157 名（22.8%），学业认知、学习习惯、自我调整、课堂认知及学习环境5 个维度得分均较高， 表明归属于该类别的本科护生既存在不良学习习惯， 也对自身学业和课堂学习模式存在负性认知偏差。

图1 本科护生隐性逃课3 个潜在类别在5 个维度上对应的应答得分情况

2.6 本组本科护生隐性逃课潜在类别的单因素分析 将本组本科护生按隐性逃课潜在类别分组，比较其一般资料、学习动机、学业倦怠和自我控制的差异。 单因素分析结果显示：3 个潜在类别护生年级、学习动机、学业倦怠和自我控制比较，差异有统计学意义（P＜0.05）。 见表3。

表3 不同特征本科护生隐性逃课潜在类别的比较（n=687）

2.7 本组本科护生隐性逃课不同类别影响因素的决策树模型建立 采用SPSS 25.0，因变量为隐性逃课，自变量取年级（大一=1，大二=2，大三=3）、学习动机、 学业倦怠和自我控制建立决策树模型， 见图2。本研究决策树生长有2 层，存在6 个终末节点，有3 个解释变量被筛选出，本科护生学习动机、自我控制和学业倦怠是影响其隐性逃课潜在类别的重要因素，首层为学习动机，表明学习动机与隐性逃课归属类别的发生相关性最高。低学习动机本科护生相较高学习动机者更容易出现隐性逃课行为， 低学习动机护生进入适应不良组（类别1）和深度逃课组（类别3）的概率（41.3%、26.5%）高于高学习动机组护生概率（32.1%、18.7%），在此前提下低学习动机护生中，低自我控制水平护生进入适应不良组（类别1）和深度逃课组（类别3）的概率（44.6%、28.5%）高于高自我控制者概率（34.7%、22.6%）；高学习动机护生中高学业倦怠者进入认知偏差组（类别2）和深度逃课组（类别3）的概率（52.2%、23.3%）高于低学业倦怠者概率（45.4%、12.8%）。

图2 本科护生隐性逃课影响因素的决策树分析

3 讨论

3.1 本组本科护生隐性逃课各潜在类别特征分析本研究潜在剖面分析结果显示，本组本科护生隐性逃课行为存在3 个类别时模型为最优类别， 说明护生隐性逃课行为存在3 个异质性亚组。 根据各类别特征分别命名为适应不良型、认知偏差型、深度逃课型。 适应不良型占37.0%，该类别本科护生存在不良学习习惯，不能主动适应教师课堂教学模式，授课过程中易出现走神或玩手机、聊天等问题，致课堂学习效果较差。 此类护生，护理教育者可采取“纠因—指导”模式，主动与护生沟通，了解其存在的不良学习习惯及归因，助其主动适应课堂，以提高课堂学习效果[19]。 认知偏差型占40.2%，该类别护生虽课堂和学习习惯尚可，但对大学学业和课堂学习模式认知偏向负性，认为课堂讲授知识无用，授课过程中学习其他科目或者自学授课内容等， 导致课堂学习效果较差。此类护生，护理教育者可采取“纠偏—指导”模式，评估护生学业和课堂学习认知偏差成因，搭建教师与学生互动平台，鼓励护生与任课教师主动交流，帮助护生参与教学内容和教学方法的选择决策，在课堂学习过程中从参与者逐步升华为主导者[20]。 深度逃课型占22.8%，该类别护生在隐性逃课的5 个维度得分均较高，说明既存在不良学习习惯，也对自身学业和课堂学习模式存在负性认知偏差，提示该群体是高校进行学风教育的重点对象。

3.2 基于潜在剖面分析的本科护生隐性逃课的影响因素

3.2.1 学习动机 本研究决策树分析模型结果显示：学习动机位于决策树的首层， 是本科护生隐性逃课潜在类别的最重要影响因素。 学习动机<2.41 分护生更容易进入适应不良组（41.3%）和深度逃课组（26.5%），与石嫣等[21]对医学院校大学生研究结果相似。 学习动机是指引发学习者开始或者维持学习活动的一种内部心理状态。低学习动机组护生，主动进行的学习活动较少，对教学内容缺乏学习兴趣，在课堂教学活动中无法保持持续学习状态，易出现走神、玩手机或其他心理旷课等隐性逃课行为[9]。 建议高校护理教育者将低学习动机者作为提高课堂教学效果的重点关注群体， 构建以学习动机提升为核心的干预可能对改善本科护生隐性逃课现状具有重要意义。

3.2.2 自我控制 本研究决策树模型结果显示：自我控制也是本科护生隐性逃课潜在类别的重要影响因素， 低学习动机中低自我控制护生更易进入适应不良组（44.6%）和深度逃课组（28.5%），与刘永丽[22]、董昊赟等[23]的研究结果相似。 大学学业内容庞杂，学习进度较快，尤其医学专业性和实践性强，课堂授课节奏快、难度大，对医学生自控能力和自主学习能力有更高要求。本科护生自我控制能力越强，学习适应性越高，学业投入程度越高[22]。 低自控大学生自我约束能力较弱，易在课堂上沉迷娱乐短视频，无法合理规划学习程序，严重影响课堂学习效果[23]。 高校护理教育者应加强其自我控制能力培养[24]，可制定基于正念的自我控制训练课程， 还可开设学业计划和职业规划课程，帮助护生确立短期和长期学习目标，以目标为导向提高自我控制能力，提高课堂学习效率，降低隐性逃课发生。

3.2.3 学业倦怠 本研究决策树模型结果显示：学业倦怠也是本科护生隐性逃课潜在类别的影响因素，高学习动机护生中，学业倦怠≥3.21 分护生隐性逃课类别归属于认知偏差型（52.2%）和深度逃课型（23.3%）概率较大，与王佳权等[25]的研究结果基本一致。 学业倦怠是指由于学业压力或缺乏兴趣，学习者在学习过程表现出厌倦的态度和消极的学习行为。学业倦怠水平高的护生，更易出现课堂讲授知识无用或对就业不重要的负性认知，形成消极的学习态度和行为。亲密型师生关系可促进大学生保持积极学习态度和行为，从而降低学业倦怠发生[25]。龚少英等[26]研究指出奖励与反馈也可以减少学习者的倦怠水平，提示可以考虑从外部奖励与实时学习反馈两方面来减少护生的学业倦怠，从而改善隐性逃课行为的发生。

4 本研究的不足

本研究所得隐性逃课及影响因素得分均为护生自我报告，较易出现报告和回忆偏倚，未来后续研究中考虑对任课教师、学校教务管理人员及班级学风管理干部等围绕护生隐性逃课进行综合评定，以降低护生主观性等测量误差的影响。 同时，本次调查的研究对象仅来自于1 所本科医学院校，未来后续研究中将进一步扩大取样范围和增加样本量。 此外，本研究仅调查了本科护生一般资料（性别、年龄、年级、家庭所在地）和个体层面（学习动机、自我控制、学业倦怠）影响因素，但对其他可影响本科护生隐性逃课水平的因素未做评估，后续将考虑扩大影响因素的调查范围。