自我调节学习多方法评估的元分析：教育阶段、测量工具与学业成就的关系

本文针对自我调节学习(SRL)测量方法单一化问题，系统分析了20项采用多方法评估的实证研究（包含351个效应量）。研究发现：在线测量工具组合（如行为轨迹与微观分析）相关性最高(r=0.24)；大学生群体工具间相关性最显著(r=0.21)；认知成分最佳测量方式为行为轨迹(r=0.28)，元认知成分为微观分析(r=0.35)，动机成分为自陈问卷(r=0.29)。该研究为教育者根据不同学段、SRL成分选择适切评估工具提供了实证依据，对推动SRL精准评估具有重要意义。

　　

在当今教育环境中，自我调节学习（Self-Regulated Learning, SRL）已被广泛认为是预测学业成功的关键因素。这种学习能力使学习者能够主动激活并维持认知、元认知和动机三个核心成分，系统性地朝着个人目标迈进。然而长期以来，SRL的测量方法存在显著局限性——研究过度依赖离线测量工具（如自陈问卷），这些工具虽然便于施测，但难以捕捉学习过程中的动态变化。更棘手的是，不同测量工具（如在线测量与离线测量）之间的相关性一直存在争议，有些研究甚至发现它们之间几乎毫无关联。这种测量方法的不一致性严重阻碍了对SRL本质的理解，也影响了教育实践中对学生学习能力的准确评估。

面对这一挑战，德国萨尔大学的研究团队在《LEARNING AND INDIVIDUAL DIFFERENCES》上发表了题为“Multimethod assessment of self-regulated learning in primary, secondary, and tertiary education – A meta-analysis”的元分析研究。该研究系统检索了2003-2024年间20项符合标准的实证研究（共351个效应量），所有入选研究均至少使用两种不同工具评估至少两个SRL成分。研究采用稳健方差估计（Robust Variance Estimation, RVE）处理效应量间的依赖性，并进行了小样本校正，以确保统计结果的可靠性。

研究方法上，团队通过EBSCOhost数据库进行系统检索，使用包括“自我调节学习”、“SRL”、“成就”、“表现”、“评估”等关键词的11组组合策略。严格限定研究必须包含基础教育、中等教育或高等教育学生样本，且同时测量认知、元认知和动机三个SRL核心成分。数据分析阶段，将各类效应量统一转换为Pearson的r值，并采用Fisher's Z转换进行后续分析。

研究结果揭示了多个重要发现：

工具类型相关性方面，两种在线测量工具组合（如微观分析与行为轨迹）显示出最高相关性（r=0.24），而离线工具组合（如两种自陈问卷）相关性为r=0.14，在线与离线混合组合相关性为r=0.15。虽然描述性数据显示在线工具组合优势明显，但组间差异未达到统计显著性。

工具与成就关系方面，在线测量与一般学业成就（如成绩平均点数GPA）相关性最高（r=0.25），离线测量与研究特定成就（如测试成绩）相关性次之（r=0.24）。这一发现与Callan和Cleary（2018）提出的“在线测量更适合预测特定成就，离线测量更适合预测一般成就”的理论相反。

成分特异性测量方面，认知成分与行为轨迹测量的相关性最高（r=0.28），表明通过分析学生在学习环境中的实际操作行为（如高亮文本、点击超链接）能最有效评估其认知策略使用情况。元认知成分与微观分析的相关性最显著（r=0.35），凸显了实时评估学习者计划、监控和反思过程的重要性。动机成分则与自陈问卷相关性最高（r=0.29），说明通过问卷了解学生的学习信念和长期动机倾向更为有效。

年龄调节效应显示，大学生群体中各测量工具间的相关性最高（r=0.21），这可能与大学生 metacognitive 能力更成熟、能更准确地回应不同评估工具有关。

讨论部分指出，SRL本质上是多维构念，不同测量工具实际上捕捉的是这一复杂构念的不同侧面。低至中等程度的相关性反而说明多种方法互补的必要性，而非某种工具的“失效”。研究结果支持了“多重方法评估”在SRL研究中的价值，为教育实践者根据具体评估目标（如诊断特定成分缺陷、预测一般学业成就）选择适当工具组合提供了实证依据。

该研究的局限性包括可用原始研究数量有限、部分分析组别样本量较小导致统计检验力不足，以及测量工具操作化定义的不完全一致性。未来研究需要更多针对不同年龄群体的多方法SRL评估，特别是探讨发展因素如何影响测量工具的有效性。

总之，这项元分析为SRL评估领域提供了重要整合证据，强调没有“唯一正确”的测量工具，而应根据评估目标、对象特征和实际条件选择适当工具组合。这一结论对推动SRL研究从“方法争论”走向“方法互补”具有里程碑意义，也为教育实践中实现更精准、个性化的学习能力评估指明了方向。