检验心理学理论的相对普遍性：一种以人为核心的控制-价值理论分析方法

《EDUCATIONAL PSYCHOLOGY REVIEW》：Testing the Relative Universalism of Psychological Theories: A Person-Centered Analysis of Control-Value Theory

　　摘要 推进控制-价值理论（Control-Value Theory, CVT）不仅需要证明其解释能力，还需要展示其相对普遍性——即心理机制在功能上是普遍的，但在具体情境中是可参数化的。尽管CVT已在不同的人群和文化群体中进行了研究，但此类以变量为中心的比较往往忽视了群体内部的显著异质性。为了增强CVT的理论普适性，我们提出了一种以个体为中心的方法，作为评估相对普遍性的更严格方式。通过使用潜在剖面分析（Latent Profile Analysis, LPA），我们识别出由不同成就情绪组合定义的学习者亚群。这种方法能够更精确地检验CVT的功能关系（如控制、价值和情绪之间的预测联系）是否在群体内部变异低、群体间变异高的实证基础上保持不变。将这一框架应用于大量大一大学生样本后，我们发现尽管CVT的结构关系在性别和先前教育背景上是一致的，但在不同的潜在情绪剖面中却存在部分差异。这些发现突显了CVT的情境敏感性，并展示了以个体为中心的方法在精细化和扩展理论范围方面的价值，从而为推进CVT向更加稳健的相对普遍性概念发展提供了途径。控制-价值理论（Control-Value Theory, CVT）由Reinhard Pekrun及其同事提出（Pekrun & Goetz, 2023; Pekrun, 2000, 2006, 2018, 2024b），该理论全面解释了成就情绪是如何从学习者对控制感和主观价值的评估中产生的。在这一框架内，愉悦、焦虑、绝望和无聊等情绪被理解为学习者对其能动性和学术任务重要性评估的系统心理后果。除了其解释范围外，CVT还提出了一个更广泛的理论观点：控制、价值和成就情绪之间的结构关系在功能形式上是普遍的。重要的是，这一观点被定义为相对普遍性。正如Reinhard Pekrun和Thomas Goetz所阐述的（Pekrun & Goetz, 2023; Pekrun, 2009, 2018, 2022, 2024a），相对普遍性并不意味着个体或情境之间的参数估计完全相同；而是指关系的定性形式和方向（例如，正面、负面、非线性）保持不变，即使其强度可能有所不同。本研究旨在对这一理论层面的观点进行严格的实证检验。具体来说，我们考察了CVT提出的结构关系是否在心理上不同的学习者亚群中保持其功能形式。这将关注点从人群的普适性转移到了情绪体验配置的结构不变性上。尽管以往的研究通常通过人口统计或情境上的多组比较（例如性别、文化、学术领域）来操作化普遍性，但这些方法隐含地假设了群体内部的心理同质性。然而，正如Pekrun指出的，群体内部的变异可能大于群体间的差异，这使得人口统计比较无法完全检验理论的一致性：“女孩之间的情绪变化以及男孩之间的情绪变化可能比女孩和男孩之间的差异要大得多”（Pekrun, 2018, p. 174）。因此，人口统计类别在心理上并不具有同质性，最多只能为评估相对普遍性提供有限的基础。如果CVT的机制在相对意义上是普遍的，那么它们不仅应在不同的人口统计类别中成立，也应在由不同情绪模式定义的心理同质亚群中成立。为了使相对普遍性的检验在分析上更加透明，我们将这一理论观点转化为一系列明确规定的研究问题和相应的决策标准。首先，我们询问在样本中是否能识别出不同的情绪剖面。识别这些剖面是进行以个体为中心的普遍性检验的必要前提：如果人群在心理上是同质的，传统的以变量为中心的方法就足够了。然而，如果出现了不同的剖面，则必须在这些亚群内部和之间评估理论的结构关系。其次，我们检验每个剖面中控制、价值和成就情绪之间的预测关系是否符合CVT的理论预期。第三，我们评估这些关系在各个剖面中是否在功能上保持不变。最后，我们将这种以个体为中心的不变性检验与传统的人口统计多组模型进行比较，以确定人口统计比较是否掩盖了具有心理意义的异质性。为了最小化事后解释的不确定性，我们事先定义了什么是成功的相对普遍性检验，什么是失败的检验。成功的检验需要满足四个标准：首先，必须观察到功能形式的不变性：关系（例如，控制积极预测愉悦，低控制预测焦虑，低价值预测无聊）在各个剖面中保持一致；其次，需要符号稳定性，即没有剖面表现出与理论预期相悖的方向反转；第三，允许效应大小的变动，但必须在同一数量级内，不会趋近于零或显著增强；第四，需要情境稳健性：在控制相关变量（如性别和先前知识）后，这些结构关系仍需持续存在。任何一条标准的违反都表明理论的普遍性存在限制，并提示其结构机制在心理层面上是依赖于具体情境的。一种有前景的方法学方法是Howard和Hoffman（2018）描述的个人中心分析（Person-Centered Analysis, LPA），特别是潜在剖面分析（Latent Profile Analysis, LPA）。与在群体层面建模关系的以变量为中心的方法不同，LPA识别出具有相似情绪配置的个体潜在亚群。这些潜在剖面代表了相对同质的亚群，特点是群体内部的高度相似性和群体间的明显差异。应用于CVT时，个人中心方法能够更严格地检验其提出的结构关系（例如控制与焦虑之间的关系）是否在不同心理剖面中保持其功能形式。

成就情绪、控制-价值理论和相对普遍性
在学术环境中，情绪可以根据其对象焦点进行区分——即它们所关注的活动、事件或领域（Goetz等人，2023）。其中，成就情绪特别指的是与学习过程和表现相关的情况有关的情感。正如Thomas Goetz及其同事所概述的，这些情绪可以进一步分为活动情绪（在参与任务过程中产生的情绪，例如学习时的愉悦）和结果情绪（与预期或实际的成功或失败相关的情绪，例如成功后的自豪或考试前的焦虑）。这一焦点维度对于理解情绪在教育环境中的起源及其对动机、参与度和表现的影响至关重要。对象焦点与另外两个维度——效价（正面与负面）和激活（激活与去激活）——系统地相互作用，从而形成了控制-价值理论及Reinhard Pekrun及其同事相关工作中的多维分类（Pekrun等人，2023）。成就情绪在学术周期的不同阶段也会有所不同：学生在上课、自主学习或考试时可能会经历不同的情绪模式。因此，研究者经常区分与课堂、学习和考试相关的情感。总的来说，这些区分强调了成就情绪不是全局性的情绪状态，而是嵌入在特定学习情境或表现情境中的情境敏感反应。控制-价值理论全面解释了这些情绪的产生机制。该理论认为，成就情绪源自两种核心的认知评估：感知控制（学习者对学术任务的能力或能动性的感受）和感知价值（这些任务的主观重要性、有用性或内在兴趣）。控制和平价的不同组合会导致特定的情绪体验，并产生可预测的动机和行为后果。大量实证研究支持这些命题在不同教育领域和人群中的普遍性。例如，高水平控制感和价值与积极的激活情绪（如愉悦和自豪）相关（Buff等人，2011；Putwain等人，2018）；低控制感结合高价值则预测焦虑（Hall等人，2016）；而低价值则预测无聊，尤其是在控制感非常低或非常高的情况下（Bieg等人，2013；Shao等人，2020）。这些发现的稳健性被广泛解读为CVT结构框架普遍性的证据。同时，成就情绪在学习者和情境之间表现出相当大的变异。例如，数学方面的性别差异通常表现为女孩的愉悦感较低和焦虑或绝望感较高，这种情况部分可以由能力信念和主观任务价值的差异解释（Frenzel等人，2007a，2007b；Hill等人，2016）。同样，先前知识也可能以复杂且有时是非线性的方式与情绪体验相互作用，这体现在无聊的“不足/过度挑战”假说中（Goetz等人，2006；Pekrun，2006）。这些发现表明，尽管情绪体验在强度和分布上有所差异，但它们可能仍受共同机制的支配。传统上，人口统计和情境变化一直是评估普遍性的主要依据。然而，CVT的相对普遍性概念比简单的组间平均效应相似性更为精确。正如Reinhard Pekrun所阐述的，理论普遍性关注的是控制、价值和情绪之间关系功能形式的不变性，而不是参数估计或平均水平的相等性。因此，效应大小或情绪强度的变异与相对普遍性是兼容的；相反，方向的反转、效应模式的显著变化或关系形式的质变化将挑战这一理论。尽管现有研究普遍显示了不同人群间的一致方向模式，但这些研究主要依赖于假设群体内部心理同质性的以变量为中心的方法——这一假设很少被直接检验。如果人口统计类别内部存在显著异质性，群体层面的表面一致性可能会掩盖心理层面的实质性变化。因此，虽然跨人群的一致性对于支持相对普遍性是必要的，但并不充分。更严格的检验需要根据情绪配置识别出心理上同质的亚群，并检验CVT的结构关系是否在这些亚群中成立。个人中心方法提供了一种精确地进行这种更严格的理论一致性检验的手段。

个体间、个体内和以个体为中心的方法
个体间和个体内视角的方法学区别是当代情绪研究的核心。个体内方法通常通过经验抽样方法实现，捕捉个体内部的情绪波动。Goetz及其同事（2014，2019）的早期研究集中在成就无聊上，并后来扩展到目标-情绪关系以及认知情绪和成就情绪之间的相互作用（Goetz等人，2016；Vogl等人，2019）。这些研究解决了教育心理学中的一个长期限制：尽管该领域旨在理解个体内部过程，但其大部分实证证据来自个体间分析（Daumiller等人，2024）。这种区分至关重要，因为从个体间数据得出的结论可能与基于个体内分析的结论大相径庭（Hamaker，2012；Murayama等人，2017）。因此，越来越多的研究支持向个体内方法的转变。Moeller等人（2022）将个体内分析视为对三个挑战的方法学回应：普遍性危机（不同情境下的不一致发现）、异质性革命（对未观察到的样本多样性的日益认识）和非遍历性（违反同质性和稳态）。经验抽样方法被认为是生成教育研究合适纵向数据的有希望的方法。然而，这些方法也有局限性。特别是，它们可能限制了可研究的学习活动范围，并且可能无法完全捕捉真实的教育情境：“矛盾的是，许多经验抽样方法研究的情境覆盖范围相当有限”（Moeller等人，2022）。另一种自Howard和Hoffman（2018）的工作以来就已确立但在应用教育研究中尚未得到充分利用的方法是个人中心分析。弥合个体内部和个体间发现之间的差距需要考虑遍历性（ergodicity），这包括两个条件：稳定性（模型参数随时间保持不变）和同质性（个体遵循相同的潜在模型）（Molenaar, 2004; Molenaar & Campbell, 2009）。虽然稳定性对于动态系统很重要，但对于基于横截面数据的静态模型来说影响较小。在这种情况下，同质性假设成为主要关注点。长期以来，解决异质性的方法之一是使用聚类技术将样本划分为更同质的子组。随着混合建模方法的发展（如潜在剖面分析（LPA，Asparouhov & Muthen, 2008），这种方法获得了更坚实的统计基础。尽管这些方法需要大量数据并且样本量较大，但它们有一个关键优势：可以在不限制所研究的学习情境真实性的前提下应用。

Howard和Hoffman（2018）将研究心理系统的方法论方法概念化为一个介于具体性和简约性之间的连续体：

- **变量中心方法**（例如，回归分析、结构方程模型SEM）强调简约性，但假设总体同质性。
- **个体中心方法**（例如，密集纵向设计）最大化具体性，但资源密集且通常范围有限。
- **个人中心方法**（例如，潜在剖面分析）在保持分析可行性的同时，将个体分组为相对同质的亚群体。通过将异质样本分解为更同质的剖面，个人中心方法直接满足了遍历性的同质性要求。它们特别适合教育研究，因为学习者表现出多样的情感和动机模式（Saqr等人，2024）。正如Alexander（2024，第23页）在她的评论《混合心理理论》中所指出的：“遗憾的是，本期刊描述的理论变体预期能够使教师或学生受益的个体差异并没有得到应有的关注。这部分可能反映了大多数基于这些理论变体的研究都是以变量为中心的，而不是以个人为中心的。这意味着报告的结果是基于感兴趣变量的平均差异，而不是参与者之间的差异。因此，虽然作者可以解释治疗的总体效果，但他们无法预测哪些教师或学生群体会受到影响，他们提出的模型可能会导致积极、消极或没有明显的变化。”

尽管个人中心方法不涉及稳定性条件，但对于控制价值理论（CVT）这样的理论来说，这一限制并不关键，因为该理论主要模型静态关系而非动态过程。相比之下，个体特定（个体内部）方法绕过了同质性假设，但代价是降低了普遍性和简约性。尽管有这些优势，个人中心方法在教育研究中的使用仍然不足（Schwartze等人，2024）。此外，现有的研究往往侧重于识别潜在剖面，而没有研究其中的理论驱动关系。然而，许多理论问题——包括那些涉及CVT相对普遍性的问题——正需要将个人中心子组识别与变量中心模型测试相结合。下表总结了这三种方法论方法的定义特征：

| 方法类型 | 以变量为中心 | 以个人为中心 | 同质总体 | 异质总体（具有同质亚群体） |
|-------------|--------------|---------------|-----------------|------------------|
| | | | | |
| 状态导向 | | | | |
| 过程导向 | | | | |
| 静态模型 | | | | |
| 静态与动态模型 | | | | |
| 横截面数据 | | | | |
| 时间序列数据 | | | | |

将个人中心方法应用于本研究，可以通过将学习者分类为成就情感剖面，从而更严格地测试CVT的相对普遍性。这些剖面作为心理学上的基础子群体，用于测试功能不变性，从而补充并超越传统的统计比较。虽然我们预计会识别出与先前研究一致的高无聊感的剖面（Goetz等人，2006, 2014, 2019; Schwartze等人，2024; Tempelaar & Niculescu, 2022, 2023），但这样的描述性发现是次要的。主要目标是确定CVT的结构关系——其潜在的理论架构——是否在这些经验派生的心理配置中保持其功能形式。

本研究通过测试感知控制、主观价值和成就情感之间的结构关系是否在经验派生的学习者剖面中保持不变，来调查控制价值理论（CVT）的相对普遍性这一理论层面的主张。与其依赖传统的统计比较，这种方法在心理层面上评估理论的核心命题——即其功能架构在具有意义不同的情绪体验配置中仍然成立。通过将分析单元从人口统计类别转换为心理上同质的亚群体，本研究旨在精细化CVT普遍性主张的理论解释，并加强用于评估教育心理学中此类主张的方法论标准（Funder & Ozer, 2019）。

为了实现这一目标，我们采用了个人中心方法，特别是潜在剖面分析（LPA），来识别具有不同成就情感组合的学习者亚群体。这些剖面作为心理学上的基础背景，可以检验CVT预测的控制、价值和情感之间的关系。核心问题是这些关系的方向、形式和相对大小是否在情感配置存在显著差异的亚群体中得以保持。

相对普遍性通过四个明确的标准来操作化。首先，功能形式不变性要求关系的定性方向和形式——无论是积极的、消极的还是非线性的——在各个剖面中保持一致。其次，符号稳定性要求没有方向上的反转（例如，在任何亚群体中控制与焦虑之间不是负相关）。第三，参数灵活性允许效果大小有所变化，但要求估计值保持在相同的数量级内，符合解释效应大小的既定惯例。第四，情境稳健性要求在考虑相关协变量（如性别或先前知识）后，这些结构关系仍然存在。这些标准结合了Reinhard Pekrun和Thomas Goetz提出的形式化，并明确强调效应大小，符合当代方法论建议。如果所有四个标准都得到支持，将提供与CVT相对普遍性主张一致的证据；而违反这些标准则表明理论存在结构上的边界条件。

成就情感——包括享受、焦虑、绝望和无聊——是使用成就情感问卷（AEQ）来评估的，重点是学习相关的（基于活动的）情感。感知控制和主观价值是在课程层面测量的，与CVT的概念框架一致。在分析上，我们结合潜在剖面分析和回归混合建模来识别基于情感的学习者亚群体，并估计和比较每个剖面内的结构关系。为了将发现置于具体情境中，我们还基于人口统计和情境变量进行了传统的多组分析，从而对比了个人中心方法和变量中心方法在测试不变性方面的差异。

通过将概念清晰性与方法论严谨性相结合，这种设计推进了对心理理论中普遍性主张的实证评估。它能够直接检验CVT的结构架构是否在心理上不同的学习者群体中得到保持，并为更广泛地评估教育研究中的相对普遍性提供了可复制的框架。

**方法**
**参与者和教育背景**
这个示例样本来自荷兰一所商学院和经济学院的一年级学生，时间跨度为14年（2010/2011—2023/2024）。该机构以学生为中心、基于问题的学习方法和强烈的国际导向为特点，提供主要以英语授课的课程，吸引了大量国际学生。样本共有14,534名学生，其中40%为女性，60%为男性；21%为国内学生，79%为国际学生。大多数学生在完成中等教育后直接入学，年龄通常在18至20岁之间（平均年龄19.20岁，标准差0.40岁）。数据收集于他们的第一门课程期间，这是一门数学和统计学的入门模块。

由于各国教育系统的差异，在这个国际多样化的队列中评估先前教育存在挑战。然而，许多欧洲系统以及国际文凭考试（IB）区分了不同的数学准备水平（例如，人文学科、社会科学、理科）。进入商学院和经济学院通常要求具备社会科学水平的数学知识，尽管该样本中有36%的学生完成了最高水平的数学学习。因此，高级数学准备被用作先前教育背景的指标。国家规定确保了标准的课程设置，没有内部分流。

教学主要通过小规模的基于问题的学习小组（最多15名学生）组织。为了适应先前知识的差异，特别是在定量科目上，线上学习资源补充了面对面教学，形成了混合学习环境。学生独立使用电子学习材料进行准备，然后在小组中参与协作解决问题，这与翻转课堂模式一致（Williams等人，2016）。

**材料**
成就情感的评估使用了成就情感问卷（Pekrun等人，2011）中的选定量表。包括了四个与学术表现密切相关的情绪：享受（积极激活）、焦虑（消极激活）、无聊和绝望（消极抑制）。示例项目包括：“我喜欢处理课程材料”（享受）、“这个科目让我害怕，因为我不完全理解它”（焦虑）、“学习这门课程让我感到无聊”（无聊）和“当我想到学习时感到绝望”（绝望）。鉴于基于问题的学习环境中强调自我调节学习，使用了与学习相关的（基于活动的）版本的这些量表。

**学术控制**
感知控制是使用学术控制量表（Perry等人，2001）来测量的。一个样本项目是：“我对这门课程的学术表现有很大的控制力。”

**学习态度**
为了捕捉价值评估，我们使用了基于期望-价值理论（Wigfield & Eccles, 2000）的扩展版本的态度调查问卷（Tempelaar等人，2007）。选择了两个量表：内在价值（兴趣和享受，例如，“我对使用数学感兴趣”）和效用价值（感知有用性，例如，“数学技能将使我更易于就业”）。

**动机和参与度**
动机结果使用了动机和参与度量表（Martin, 2007, 2011）中的选定量表进行评估。我们包括了一个适应性行为因素——坚持（例如，“如果一开始我不明白我的工作，我会继续尝试”）和两个不适应性的认知因素：失败回避（例如，“我希望避免别人认为我没有能力”）和不确定的控制（例如，“在结果不佳后，我不知道如何改进”）。这些量表代表了由情绪预测的外部标准结果变量。

**学生背景数据**
性别（女性）和先前的数学教育（代表高级水平）被作为二元控制变量包括在内。

**程序**
在初始学期的前八周，学生完成了两个核心模块：一个是组织理论和市场营销，另一个是定量方法（数学和统计学）。在前四周，学生参与了一个数据分析项目，在此期间他们完成了关于学习经验的自我报告问卷。在模块的中点（第4周）进行了成就情感和价值测量，确保学生对学习环境有足够的接触。鉴于自然主义的环境，情感无法与特定任务联系起来；相反，学生回顾性地报告了前一周的学习经验。由于参与项目有助于课程评估，缺失数据很少，仅限于退出课程的学生；这些情况被排除在外。伦理批准由机构审查委员会（ERCIC_044_14_07）授予，所有参与者都提供了知情同意。

**统计分析**
我们采用了以个人为中心的分析框架，使用三步潜在剖面分析（LPA）程序和远端结果（Asparouhov & Muthén, 2014），在Mplus（版本9）中实施。第一步使用混合模型的默认估计器——最大似然法与稳健标准误差（MLR）来估计代表具有相似四种成就情感模式的不同学生群体的分类潜在变量：焦虑、无聊、绝望和享受。第二步根据潜在类别的后验分布确定最可能的类别指示器。第三步使用结构方程模型来检查控制-价值关系，结合潜在类别变量和辅助变量的联合分布（Asparouhov & Muthén, 2014）。

在进行第一步时，对两个到十个类别的模型进行了潜在剖面分析。鉴于先前的发现（Tempelaar & Niculescu, 2022）和混合建模中的常见趋势（“随着更多剖面加入模型，大多数统计拟合标准表示拟合度更好”，Howard & Hoffman, 2018, 第858页），我们预计仅凭统计标准无法确定最佳类别结构。通常随着更多潜在类别的加入，拟合指数会持续改进，因此模型选择既依据统计标准也依据实质性标准。特别强调了避免小类别，因为第三步分析数据量较大。主要的实质性标准是确保结果剖面不仅在数量上有所不同（例如，从低积极情感和高消极情感到相反的模式），而且在质量上也表现出差异。此类具有质性差异的典型例子包括Goetz等人（2014, 2016）描述的冷漠无聊类型，以及先前研究中的高无聊和低无聊类别（Tempelaar & Niculescu, 2022, 2023）。在第三步中，使用结构方程建模（SEM）来研究每个类别中控制情绪、价值情绪和成就情绪之间的关系。根据效应方向的一致性和效应大小的可比性，评估了相对普遍性，这既适用于单个结构参数，也适用于预测方程（Funder & Ozer, 2019）。效应大小的衡量标准采用了Cohen（1988）的基准值：.10、.30和.50分别代表标准化参数估计的小、中、大效应；.02、.13和.26代表预测方程的小、中、大效应。在解释特定类别的关联时，区分真正较弱的关联和由于方差限制而产生的效应非常重要。因为潜在类别分析将个体分组为相对同质的类别，所以类别内部的 outcome 变异性——以及潜在的 predictor 变异性——会减少。这种方差限制会机械性地减弱标准化系数和解释方差（R2），即使潜在的方向性关联保持不变。因此，类别内部较小的标准化效应或较低的R2值可能反映了实质上较弱的关联或方差减少的方法学后果。为了帮助区分这些可能性，还检查了未标准化的估计值及其相关的不确定性。在第四步中，估计了混合回归模型，以预测三个 outcome 变量——持久性、不确定控制感和避免失败——这些变量来自CVT组成部分（详见统计附录）。图1展示了结合LPA和SEM框架的示意图。

为了系统地检查多组分析和混合回归分析中回归系数的参数不变性，的系统地检查了各组和潜在类别之间的回归系数参数不变性。在多组分析（针对性别和先前教育水平）中，使用卡方差异检验来评估不变性，而在混合回归模型中则使用似然比检验。从所有参数都受限为相等的模型开始，逐步释放平等限制，当这样做显著改善了模型拟合度时。在报告估计的回归参数的表格中，带下划线的估计值表示自由估计的参数。然而，由于关注的是相对而非严格的不变性，这些参数不变性检验起到了补充作用。为了评估模型的稳健性，使用非线性模型规格进行了所有分析，包括控制情绪和价值情绪之间的交互项以及控制情绪的三次项。这些扩展使我们能够检验CVT中的非线性假设，例如无聊的过度挑战和不足挑战假设。

最后，由于数据是横断面的，所有报告的关联都应被视为预测性的而非因果性的。

表SA1（统计附录）提供了与学习活动情绪及其评估前因相关的描述性统计信息，包括平均值、标准差、偏度、峰度、可靠性估计（Omega）和互相关系数。所有变量都符合单变量分析的可接受阈值，没有明显的偏差（Kline, 2023）。CVT模型中预测变量之间的互相关系数足够低，可以排除共线性的担忧（最大的方差膨胀因子[VIF]为1.404，对应于绝望情绪）。活动情绪之间的互相关系数略高，焦虑情绪与绝望情绪之间的互相关系数达到.826。尽管如此，出于理论原因，这两个构建仍然被保留：虽然两者都代表负面情绪，但焦虑情绪具有激活性质，而绝望情绪则具有消解性质。图2总结了十四个队列的数据，展示了活动情绪的平均分数随学年递增的趋势。愉悦情绪的分数始终略高于中性中点（4分），而焦虑情绪则略低于中性点。年际波动很小，队列因素仅占平均分数方差的0.2%（绝望情绪）到1.2%（愉悦情绪），表明具有高度的时间稳定性。值得注意的是，这种模式在COVID前（2018–2019年）、COVID期间（2020–2021年）和COVID后（2022–2023年）都持续存在。事实上，与学习相关的愉悦情绪随时间略有增加。

表SA2（统计附录）报告了性别和先前数学教育水平对活动情绪影响的稍大效应。然而，这些效应仍然较小，解释的方差范围为：性别的影响在0.0%（愉悦情绪）到5.6%（焦虑情绪）之间，先前教育水平的影响在0.8%（无聊情绪）到5.4%（绝望情绪）之间。尽管最初将队列作为控制变量纳入模型，但其效应在统计上不显著，因此被从最终模型中排除。这一决定也与先前的研究一致，因为那些研究通常不包含这种类型的时间控制变量。

为了探讨第一个研究问题，使用四种学习活动情绪量表——焦虑、无聊、绝望和愉悦——的得分进行了潜在类别分析（LPA）。估计了两个到十个潜在类别的模型。选择最佳解决方案是基于统计拟合指数和实质可解释性的结合（参见统计附录中的表SA3和图SA2）。五类解决方案被认为是最有意义且最简约的表示方法（更多理由见统计附录的第4节）。表1总结了各类别的平均值和标准差，并在图3和图4中进行了示意图说明。

表1展示了五类解决方案中焦虑（LAX）、无聊（LBO）、绝望（LHL）、愉悦（LJO）、学术控制（ASC）、内在价值（IntVal）和效用价值（UtilVal）的全样本和类别平均值及标准差。

图3和图4进一步展示了五类解决方案中四个学习活动情绪的平均值与学术控制水平的关系。四个类别根据它们的学术控制水平（ASC）进行了标记：ASC?+ +?、ASC?+?、ASC? 和 ASC? ?。这些类别主要在数量上有所不同，反映了学术控制和愉悦感逐渐降低的趋势，同时负面情绪水平逐渐增加。第五个类别标记为HghLBO，其活动相关无聊（LBO）的水平相对于其他情绪和评估指标而言异常高。这种模式在图4中最为明显，该图在四个面板中展示了类别平均值以及自然分组（性别和先前数学教育）的平均值，每个面板将一种情绪与学术控制水平进行了对比。在两个左侧面板中，代表焦虑和绝望的情绪，类别平均值呈现出近线性的下降趋势，这与控制-价值理论（CVT）的预测一致，即较高的学术控制与较低的负面情绪水平相关。右侧面板——展示无聊和愉悦情绪——显示ASC类别和自然分组大致遵循预期的线性模式（即学术控制水平越高，无聊情绪越低，愉悦情绪越高）。然而，HghLBO类别偏离了这一趋势，其无聊情绪高于预期，愉悦情绪低于预期。图4还突出了自然分组和潜在类别在测试相对普遍性方面的对比。性别和先前教育组别的平均值在垂直方向（表明情绪水平相似）和水平方向（表明学术控制水平相似）上大致重叠。相比之下，潜在类别在两个维度上显示出更大的分散度，表明它们能够捕捉到学习者之间更细致的异质性。

表1进一步展示了按性别和先前数学教育水平划分的潜在类别分布。高无聊类别在样本中占的比例很小（4.4%），并且男性学生的比例显著较高。在四个ASC类别中，出现了明显的趋势：随着学术控制的降低，女性学生的比例增加，而具有高级先前数学教育的学生的比例减少。最后，全样本和潜在类别之间情绪和评估变异性（见表1）的比较表明，LPA的方差减少效应在负面情绪上最为显著，在愉悦情绪上不太明显，在评估变量上则最小。

在使用CVT框架检验控制-价值相关的关联时，我们关注使用结构方程建模估计的线性关系。表2报告了全样本以及按性别和先前教育定义的子组的标准化回归系数（β）和解释方差（R2）。为全样本估计的模型是不受限制的，因此是饱和的。相比之下，多组模型基于对回归系数进行的不变性测试的结果施加了部分参数约束。模型估计的详细结果，包括拟合指数，在统计附录中提供（第9节），未标准化的回归系数及其标准误差在表SA22中报告。

关于自然分组在测试普遍性中的作用，关键发现是各组参数估计的相对稳定性。标准化系数和解释方差的整体差异较小。在无聊情绪的预测中观察到了最大的差异——尽管仍然适中——性别相关的偏差显现出来。

将分析扩展到混合建模中，我们比较了五种潜在类别中CVT关系的功能形式。表3展示了每个类别的标准化回归系数（β）和解释方差（R2）；未标准化的估计值和标准误差在统计附录中报告（第9节，表SA22）。

比较全样本和多组结果（表2）与潜在类别结果（表3）显示出预测强度的显著差异。分组分析得出的中位数R2超过30%，而潜在类别模型的R2低于15%。尽管潜在类别分析中固有的方差限制可能部分解释了这种减弱，但它并不能完全解释学术控制作用的大幅减弱。在分组分析中，学术控制是所有三种负面情绪的中心预测变量；然而在潜在类别中，其效应显著减弱，通常不显著（见表SA22）。它与焦虑情绪的关联仅在HghLBO和高控制类别中呈弱负相关。此外，性别对无聊情绪的影响在潜在类别中一致出现。最显著的普遍性偏差涉及学术控制与焦虑情绪之间的关系：未标准化的系数从全样本中的?0.686（各人口统计组之间的值相似）下降到不同类别中的?0.292到+0.024，包括不显著的正面效应。

在混合建模中，我们比较了五种潜在类别中CVT关系的功能形式。表3展示了每个类别的标准化回归系数（β）和解释方差（R2）；未标准化的估计值和标准误差在统计附录中报告（第9节，表SA22）。

与全样本和多组结果（表2）相比，潜在类别结果在预测强度上存在显著差异。分组分析得出的中位数R2超过30%，而潜在类别模型的R2低于15%。尽管潜在类别分析中固有的方差限制可能部分解释了这种减弱，但它并不能完全解释学术控制作用的大幅减弱。在分组分析中，学术控制是所有三种负面情绪的中心预测变量；然而在潜在类别中，其效应显著减弱，通常不显著（见表SA22）。它与焦虑情绪的关联仅在HghLBO和高控制类别中呈弱负相关。

此外，性别对无聊情绪的影响在全样本模型中不存在，但在潜在类别中一致出现。最显著的普遍性偏差涉及学术控制与焦虑情绪之间的关系：未标准化的系数从全样本中的?0.686下降到不同类别中的?0.292到+0.024，包括不显著的正面效应。

分析扩展到包括非线性规格，纳入了控制情绪和价值评估之间的交互项，以及学术控制的三次变换。总体而言，这些模型得出的结果与线性模型大致一致，但在预测能力上只有轻微的提高。然而，潜在类别之间的差异变得更加明显，反映了非线性参数估计的更大变异性。详细结果在统计附录中报告（全样本和多组模型见表SA24；潜在类别模型见表SA25）。在全样本和分组分析中，学术控制的三次项通常对负面情绪显示负系数，表明在低和控制水平较高的情况下，线性效应被减弱。这种模式与无聊的过度挑战和不足挑战假设相反，后者预测在控制极端情况下负面情绪会增加。在潜在类别模型中，这种模式在不同类别中有所不同。在高控制类别（ASC?+ +?和HghLBO）中，三次项预测焦虑和绝望情绪呈负系数，而在低控制类别（ASC––）中，相应的系数变为正数，表明功能形式不同。

接下来，我们研究了情绪及其评估前因在预测动机和参与结果方面的作用程度。在整个样本中，可解释的方差范围从逃避失败的12.5%到坚持性的20%，再到不确定控制的26%。按照自然群体进行分解并没有显著改变可解释的方差或参数估计（见统计附录，第12节，表SA27）。相比之下，潜在剖面模型产生了明显不同的结果。在大多数剖面中，可解释的方差减少了大约一半（见统计附录，第12节，表SA28）。在特定剖面中出现了更明显的差异。例如，在HghLBO剖面中，无聊和愉悦——在全样本和多组分析中是坚持性的关键预测因素——几乎完全失去了其预测能力。

**讨论**

本研究旨在通过将分析层面从人口统计分组转变为心理定义的亚群体，来严格检验控制价值理论（CVT）关于相对普遍性的主张。其核心贡献在于表明，关于普遍性的结论在很大程度上取决于所应用的方法论视角。虽然CVT的结构关系在传统的人口统计分组中似乎是不变的，但它们并不总是适用于由不同情感构成定义的学习者的潜在剖面。这些发现挑战了仅通过以变量为中心的方法就能确立相对普遍性的假设，并指出了该理论适用性中的重要心理边界条件。

在考察基于CVT的评估与情感之间的关联时，表2中呈现的组别特定结构预测模型的结果支持CVT框架内的相对普遍性概念，尽管不是绝对普遍性。在基于性别和基于先前教育的多组模型中，七个结构路径系数（贝塔值）显示出缺乏不变性；为了获得适当的模型拟合，这些系数被放开平等约束。总体而言，我们的性别相关发现与先前的研究基本一致（Frenzel等人，2007a，2007b；Goetz等人，2014；Pekrun，2018；Pekrun & Goetz，2023）。文献中报道的典型性别效应表明， female学生倾向于经历更高水平的负面情绪——尤其是焦虑——以及更低水平的积极情绪，如愉悦。这些情绪模式通常伴随着较低的主观控制感和效用价值，这支持了“CVT可以解释这些差异”的结论（Pekrun & Goetz，2023，第91页）。我们的评估发现部分反映了这一模式： male学生报告了更高的自信和效用价值，而 female学生报告了更高的内在价值。然而，活动相关情绪的观察模式与先前的研究有所不同。尽管我们样本中的 female学生报告了更高水平的焦虑和绝望感，但他们也经历了较少的无聊感和更强的愉悦感——这些发现与早期的研究相比有所不同。这些不一致性对CVT的严格普遍性解释提出了挑战，因为CVT会预测负面情绪的增加与积极情绪的相应减少同时发生。特别值得注意的是无聊感和绝望感这两种被归类为负面、消极性情绪的相反趋势。相比之下，基于先前教育轨迹的差异与CVT的预测完全一致。来自高级轨迹的学生在所有评估前因和积极情绪方面都报告了更高的水平，而来自中级轨迹的同龄人则在这方面表现较低。

多组结构模型的结果（表2）为CVT的相对普遍性提供了有限的支持。尽管某些结构参数需要放宽平等约束，但总体上性别和先前教育群体之间的差异很小。特别是，所有情绪的可解释方差在群体间保持相对稳定，并且与整个样本的结果非常相似。这些发现表明，使用传统的人口统计比较时，CVT的结构关系在很大程度上是一致的。因此，虽然不能支持严格的普遍性，但也不能基于这些群体划分而拒绝相对普遍性。

潜在剖面分析得出了一个明显不同的画面。当在心理上同质的亚群体内估计相同的结构关系时，可解释的方差大幅下降——总体上至少减少了一半，对于焦虑情绪来说减少了近三分之二。这种减少不能仅仅归因于方差限制。更重要的是，在大多数剖面中，主观控制的预测作用显著减弱。特别是对于焦虑情绪，其与控制的关联在不同剖面中变化很大，甚至出现了一些不显著的正面效应。内在价值对于无聊感和愉悦感仍具有预测相关性，而效用价值则显示出弱且不一致的效果。总的来说，这些发现表明，当在潜在的情感剖面中进行评估时，CVT的结构关系并不符合相对普遍性的标准，其中焦虑情绪的偏差最为明显。

这一结果在某种程度上与先前关于无聊的研究一致，那些研究发现了相对于唤醒或控制而言无聊感异常高的非典型剖面（Goetz等人，2014，2016；Tempelaar & Niculescu，2022，2023）。这些剖面的存在意味着无聊感与评估之间的关系在不同亚群体中是变化的，因此不是完全普遍的。然而，当前的发现超出了这一已知的模式。相对普遍性的破裂不仅限于无聊感或非典型剖面，甚至在焦虑情绪与其评估前因之间的关系中更为明显。这种更广泛的模式表明，CVT普遍性的限制可能比之前假设的更为显著。

进一步的分析强化了这一结论。CVT模型的非线性扩展揭示了在不同潜在剖面之间的进一步差异，尤其是在高阶控制项的作用上。同样，在预测动机和参与结果时，关键关系——例如无聊感和愉悦感对坚持性的预测作用——在全样本和人口统计分组中保持稳定，但在潜在类别中却有显著变化。这些结果一致表明，在以变量为中心的分解下相对普遍性是成立的，但在以个体为中心的分析下则不成立。

除了对CVT的影响之外，这项研究还凸显了以个体为中心的方法在教育心理学中的更广泛价值。正如Alexander（2024）所指出的：“通过对某种更具生态实际性的LRI[负载减少教学]的影响进行以个体为中心的分析，研究人员可能更好地识别出哪些学生群体似乎最能从LRI中受益。”这强调了以个体为中心的方法与教育心理学的核心目标——通过有针对性的干预来改善学习——的内在一致性。

图4可能提供了以个体为中心的方法强度的最清晰视觉说明。虽然基于性别或先前教育的分组在控制-情感空间中有相当大的重叠，但潜在剖面揭示了沿这两个维度的明显差异。这种差异使得可以将方差分解为组内和组间成分，从而揭示出对于关键情绪（如焦虑）而言，CVT机制主要解释了组间变化，而在组内解释力较为有限。

提出的测试相对普遍性的方法并不限于CVT。尽管我们使用了控制价值模型作为例子，但该方法同样适用于教育心理学中的其他“大理论”（Liem & McInerney，2018）。例如，在相关的工作（Tempelaar等人，2026）中，我们将这一框架应用于自我调节学习的模型，并发现了对相对普遍性的一般支持，尽管在心态构念上有一些重要例外。这些发现指出了这种方法在识别特定理论边界条件方面的价值。

这一研究方向可以进一步扩展到跨文化心理学——这是普遍性争议首次变得突出的领域（McInerney等人，2004）。传统上，文化——通常按照国家边界来定义——被视为自然比较的单位。在针对少数族裔学生群体的研究中也可以看到类似的逻辑（参见Robinson & Shankar，2025），其中通常是在各自的少数群体类别内研究黑人、拉丁裔和原住民社区的学生。然而，Robinson和Shankar（2025，第337页）发现这些群体内部存在相当大的异质性：“总体样本显示出动机下降的趋势，但个别学生有着许多不同的动机轨迹。”为了更好地捕捉群体内部的多样性，我们建议将传统的基于群体的比较与基于潜在类别的分析相结合——这些统计衍生的亚群体最小化了组内变异并最大化了组间差异。这种方法可能会揭示出在传统跨文化比较中未能显现的（相对）普遍性的独特模式。

尽管以个体为中心的方法（如带有辅助变量的潜在剖面分析LPA）通常需要比以变量为中心的方法更大的样本量，但在中等样本规模下仍然是可行的。通常几百个观察值就足够了，这取决于剖面的数量和最小类别的大小。此外，进行这些分析的工具很容易获得，不仅在我们使用的Mplus软件中，在R软件中也是如此。当有纵向数据时，可以利用潜在转换分析从发展的角度来检验普遍性。在这个框架内，可以区分多种形式的普遍性。与横断面设计一样，研究人员可以评估前因-后果关系的普遍性。此外，纵向方法还可以检验结构普遍性（即在不同时间点存在相同的潜在类别）和发展普遍性（即不同群体之间类似的转换模式）。

我们呼吁更多地使用以个体为中心的建模，这一呼吁基于几个考虑因素。其中一个因素是实用性的：在像我们研究的大型学生群体中，将学习者分组为相对同质的剖面对设计有效的教育干预至关重要。然而，这项贡献的主要重点是在理论上的。确定关键框架是普遍性的还是相对普遍性的仍然是教育心理学的核心问题。

尽管可以通过使用纵向数据的个体内方法来解决这些问题——例如经验抽样方法——但这些设计的范围往往有限，通常只关注一个或少数几个构念。据我们所知，目前还没有研究将关于控制和价值评估的纵向经验抽样数据与多种离散情绪结合起来。当所研究的理论框架本质上是静态的，如控制价值理论的情况时，就没有必要依赖个体内分析。在检验这样的静态理论时，遍历性的要求简化为同质性的假设，从而使稳态变得无关紧要。在这些条件下，以个体为中心的建模可以满足同质性标准，从而能够在不需要大量或高度侵入性数据收集的情况下检验相对普遍性。

相对普遍性的概念为理解一般心理原则与教育环境中固有的情境变异性之间的相互作用提供了有用的视角。它承认，尽管某些学习过程可能是普遍的，但它们的表现往往取决于特定的文化、社会或制度背景。这种观点既有理论意义也有实践意义。同时，依赖于广泛的人口统计类别（如文化或性别）可能会掩盖学生多样性的全部范围。在许多情况下，特别是对于情感和动机构念而言，群体内部的差异可能超过群体间的差异。例如，识别出以高度无聊为特征的独特学生剖面反映了在传统基于群体的分析中看不见的变异形式。在这种情况下，有效的政策和干预需要理解学习过程如何在整个有意义的学生群体范围内运作，而不仅仅是在预定义的人口统计类别范围内。