职业学习经历对高中生学习参与度的影响：一项解释性序列混合方法研究

《Frontiers in Psychology》：The effects of career learning experiences on high school students’ engagement in learning: an explanatory sequential mixed-methods study

　　摘要
引言：在中国新的全国高考（NCEE）改革下，高中生在学科选择上获得了更大的自主权。然而，长期被忽视的系统性职业教育导致了学生在做决策时遇到困难，这可能对学习积极性产生负面影响。目前关于中国高中生职业学习经验与学习积极性之间联系的实证研究仍然有限。本研究基于社会认知职业理论（SCCT），探讨了职业学习经验对学习积极性的预测作用及其背后的机制。

方法：本研究采用了顺序解释性混合方法设计。定量方面，选取了513名中国高中生作为样本，让他们完成了职业探索与决策学习经验量表（CEDLES）和乌得勒支工作投入量表学生版（UWESS）。数据使用SPSS 26.0进行分析（包括描述性统计、相关性分析和逐步回归分析）。定性方面，对9名学生及其家长进行了半结构化访谈，并通过主题分析来解释定量研究结果。

结果：定量结果显示：（1）职业学习经验及其维度（言语说服、替代学习、积极的/消极的生理和情感状态、个人掌握经验）与学习积极性及其维度（活力、投入度、专注度）之间存在显著的正相关关系；（2）职业学习经验能够正向预测学习积极性，解释了75.9%的变异量，其五个维度共同解释了76.6%的变异量。定性研究发现，提升自我效能感和明确的结果预期是职业学习经验促进学习积极性的关键机制。

讨论：本研究将SCCT理论应用于中国新的高考背景中，为职业教育干预提供了实证依据。定性分析揭示了职业学习经验如何通过自我效能感和结果预期来促进学习积极性。建议学校开展体验式职业学习活动，以提高学生的学科选择能力和持续的学习积极性。

1. 引言
在中国，全国高考（NCEE）是人才选拔和培养的核心教育体系，在国家人才选拔框架中占据主导地位。自1977年以来，高考的科目设置基于文理分科模式，这种模式存在一些弊端，如一次考试决定一个人的未来、过分重视分数以及学生知识结构单一的问题。在高科技驱动国家发展的新时代，中国最近启动了新一轮高考改革。与传统高考相比，最显著的变化是打破了文理分科的限制，实施了“3+1+2”科目选择模式。“3”指的是所有学生必须参加的三门国家标准考试科目（语文、数学和外语）；“1”是指学生选择的优先科目（历史或物理）；“2”是从政治、地理、化学和生物四门选修科目中选择的兩门（张，2017）。新的高考制度激发了普通高中的活力，为学生提供了更多选择，不仅优化了他们的知识结构，还提高了他们的学习积极性。同时，这一改革充分体现了对学生主体地位和个体差异的尊重，突出了“以学生为中心”的价值导向。然而，拥有选择权并不等同于具备相应的能力。长期以来，中国的职业教育没有得到足够的重视，导致高中生难以适应新的高考选科制度，他们虽然有选择权，但缺乏做出明智决策的能力（张等人，2024；顾等人，2020）。具体来说，由于他们对大学和专业了解不足，在做选择时常常感到困惑、迷茫甚至误解，因此在面对多种选择时往往盲目做出决定（朱等人，2024）。此外，当前调查显示，中国高中生面临较大的考试压力、需要学习大量科目、复杂的知识内容等问题，这些因素使他们难以专注于学习，对学习缺乏价值感和意义感，整体学习积极性较低（赵等人，2015；Oubibi等人，2023）。随着中国学校进行重大改革并持续强调素质教育，提高学生的学习积极性变得尤为重要（余等人，2019）。通过学习实现个人幸福和生活满足感对中国乃至全世界都具有重要意义（余等人，2018；Sever等人，2014）。因此，关于高中生学习积极性的研究对于缓解他们的学业倦怠、提升学业表现和核心能力具有关键作用。本研究基于概念分析和SCCT理论，将职业学习经验与学习积极性纳入同一研究框架，认为更多的职业学习经验可以提高高中生在学科和专业选择方面的效能，帮助他们做出合理决策，从而促进学习动机、学习兴趣和学习投入，实现新高考的“以学生为中心”价值导向（庞等人，2025）。同时，为了推动教育改革和学校干预，有必要开展针对性的实证研究，深入理解高中生学习积极性的影响机制。因此，在中国新的高考改革背景下，本研究以中国高中生为样本，探讨职业学习经验对学习积极性的影响及其内在机制。

2. 文献综述与研究假设
2.1 研究假设
从概念定义的角度来看，职业学习经验是职业效能的来源，即它是职业效能的重要前因变量，可以直接影响与职业相关的效能，如职业决策自我效能和职业效能（Ireland，2017）。先前的研究表明，与职业相关的效能可以显著正向预测个体的学习积极性水平（姜等人，2022）。基于这一观点，本研究假设职业学习经验能够显著预测高中生的学习积极性水平。
从理论角度来看，职业学习经验是职业自我效能的重要信息来源。1994年，Lent、Brown和Hackett基于班杜拉的社会学习理论提出了社会认知职业理论（SCCT）。根据SCCT理论模型，职业学习经验可以与个体特征和背景环境相互作用，直接影响自我效能和结果预期，即职业学习经验可以影响个体的自我效能和结果预期，进而影响他们实现个人目标的兴趣和努力程度。此外，先前的研究表明，兴趣、自我效能和结果预期是个体学习积极性的重要前因变量（Sheu和Bordon，2017；Turner等人，2019）。因此，在SCCT框架下，职业学习经验可以通过提高学习兴趣、自我效能和结果预期来间接提升学习积极性（刘等人，2024）。其作用机制复杂多样，从单一变量的角度难以进行全面系统的探讨。本研究假设职业学习经验可以通过某些影响机制提升学习积极性，并希望通过定性文本分析来探索这些机制。
以往的研究主要关注学习积极性与育儿方式、师生关系、内在动机、学术情绪和自我效能等因素之间的关系，而较少探讨特定学习经验与学习积极性之间的联系。然而，研究发现，高影响力的学习经验能够影响个体的学习积极性（Miller等人，2011）。因此，在中国新一轮高考改革的背景下，基于文献综述，本研究提出职业学习经验可以直接影响高中生的学习积极性，并通过某些机制间接影响其学习积极性。本研究以中国高中生为样本，探讨职业学习经验对学习积极性的影响及其内在机制。

2.2 职业学习经验
职业学习经验（CLE）是指与职业探索和决策相关的自我效能来源，包括个人掌握经验（PME）、言语说服（VP）、替代学习（VL）和生理情感状态（PAS）（Ireland和Lent，2018）。PME代表个体在职业探索和决策中的成功经历；VP代表个体在探索职业和做决策时从信任的人那里获得的认可；VL代表个体通过观察成功选择专业或职业道路的榜样所获得的经验；PAS代表个体在职业探索和决策过程中的积极和消极情绪状态（Lent等人，1994；Ireland和Lent，2018）。研究表明，影响职业学习经验的因素主要包括个人特征和成长背景。个人特征包括人格、性别、种族等因素。例如，具有尽责性这一大五人格特质的个体在传统职业领域和社会职业领域有更多的学习经验（Schaub，2003）。性别和种族身份也会影响个体的职业学习经验（Lannin等人，2023）。成长背景作为影响人们职业选择的因素，可分为长期成长背景和短期环境。与短期环境相比，长期成长背景（包括父母的育儿方式、家庭经济状况、师生关系和学校氛围）对个体职业学习经验的影响更大。例如，Thompson和Dahling（2012）基于性别进行了对照研究，结果表明社会经济地位显著影响个体在研究、商业和传统职业领域中的学习经验。
职业学习经验不仅可以直接影响霍兰德六种人格类型及其对应职业路径中的自我效能和结果预期，还可以通过自我效能间接影响结果预期（Williams，2010）。学习经验在父母支持、自我效能和结果预期之间起中介作用（Garriott等人，2014）。此外，职业学习经验还可以在个人与环境的匹配度以及个体职业发展（如职业兴趣、职业选择、职业行动等）之间起中介作用。职业学习经验有助于调节人格与社会支持、自我效能和结果预期之间的关系，以及目标与职业决策之间的关系（Ireland和Lent，2018）。

2.3 学习积极性
20世纪初，在积极心理学的发展趋势下，工作积极性成为研究焦点。随着对工作积极性研究的深入，研究者发现这种积极性现象也存在于学生群体中，于是开始关注学习积极性（Schaufeli等人，2002）。在众多学者对学习积极性的定义中，Schaufeli（2002）的定义得到了广泛认可，因为它在不同文化背景下都保持稳定，并且他开发了相应的测量工具并应用于实证研究。基于此，本研究采用了Schaufeli的定义，将学习积极性（LE）定义为学生在学习过程中的积极专注状态，包括活力（VI）、投入度（DE）和专注度（AB）。VI指难以从学习中抽离、愿意努力学习并在遇到困难时坚持下去；DE指全身心投入学习，感受到学习的意义和挑战；AB指完全沉浸在学习中，时间过得很快，难以从学习中抽离。
学习积极性对学生在校的态度和行为有显著积极影响，包括学习兴趣、学习表现、学业成就和身心健康（Chan和Ko，2019；Ying等人，2023）。此外，学习积极性还可以预测个体10年后的入学情况、辍学率和职业发展（Orthner等人，2010）。因此，探索影响学习积极性的因素对于促进学生发展尤为重要。
先前的研究表明，学生的学习积极性可能受到个体特征、家庭因素和学校因素的影响。在个体特征方面，年龄、投入度、适应性完美主义、认知需求和认知动机、学习动机、学习兴趣、自我效能感和未来导向可以显著正面预测学生的学习参与度（Efklides, 2017; Efklides et al., 2017; Ramirez-Arellano et al., 2018）。在家庭因素方面，已经证实家庭支持、家庭社会经济地位、家庭环境、家庭特征、育儿方式、父母对教育的参与度以及父母的期望等因素都会影响学生的学习参与度（Oubibi et al., 2023; Tong et al., 2024）。在学校因素方面，一些研究表明教师支持、师生关系、同伴交流以及学校氛围等因素也会显著影响学生的学习参与度（Acosta-Gonzaga and Ramirez-Arellano, 2022; An et al., 2022）。

3 研究设计
基于实用主义范式作为其合法性基础，混合方法研究能够整合多种形式的数据，并结合不同分析方法的优点。这使得它能够提供更丰富、更深入的见解和理解，从而有效解决研究问题（Toyon, 2021）。本研究采用了顺序解释性混合方法设计，首先使用定量研究方法对复杂的教育现象进行实证分析，然后通过定性研究方法探索定量发现背后的机制。

3.1 参与者
本研究在中国D市的兩所高中进行。由于高中生是未成年人，并且由于学业压力几乎没有时间上网，因此本研究采用了联系班主任统一发放问卷的方法。在定量研究阶段，通过方便抽样方法共发放并收集了557份问卷。在排除了因回答模式化、完成时间过短或过长或未能通过注意力检查题目的无效回答后，获得了513份有效问卷，有效回应率为92.101%。这个样本量超过了SEM推荐的5:1的受访者比例（Bentler and Chou, 1987），确保了统计的稳健性。在性别方面，有效样本中有214名男生和299名女生。在年级方面，有100名十年级的学生、108名十一年级的学生和224名十二年级的学生。在定性研究阶段，我们通过在线招募和线下推广相结合的方式招募了9名高中生及其家长。访谈样本的基本信息如表1所示。其中，学生的性别比例相对均衡，年级分布也较为均匀。

3.2 工具
3.2.1 职业探索与决策学习经验量表
目前，“职业探索与决策学习经验量表（CEDLES）”是一种国际公认且广泛应用的职业学习经验测量工具，具有很高的有效性。本研究采用了Zhou和Xu（2022）开发的修订版中文版本来测量高中生的职业学习经验水平。该量表包括五个维度，考察了学生的个人掌握经验（PME）、言语说服（VP）、替代学习（VL）、积极生理和情感状态（PPAS）以及消极生理和情感状态（NPAS）。总共有20个项目，采用五点李克特量表，从“强烈不同意”到“强烈同意”分别为1到5分。分数越高，表明高中生的职业学习经验水平越高。在本研究中，该量表的Cronbach’s α系数为0.861，而VP、PPAS、NPAS、VL和PME子维度的Cronbach’s α系数分别为0.855、0.878、0.839、0.864和0.860。所有这些结果表明该量表具有良好的可靠性。此外，验证性因子分析的结果显示拟合度良好：χ2/df = 1.490, CFI = 0.988, TLI = 0.986, GFI = 0.957, SRMR = 0.028, RMSEA = 0.031，进一步证实了该量表的有效性。
3.2.2 乌得勒支工作投入量表-学生版
根据学习投入的定义，Schaufeli开发了“乌得勒支工作投入量表-学生版（UWES-S）”，该量表得到了广泛应用并具有很高的有效性（Schaufeli et al., 2002）。本研究采用了Fang等人（2008）翻译和修订的中文版本来测量高中生的学习投入水平。中文版的UWES-S包括三个维度，考察了学生的活力（VI）、投入度（DE）和沉浸感（AB）。总共有17个项目，采用七点李克特量表，从“从不”到“总是/每天”分别为1到7分。分数越高，表明学生的学习投入水平越高。在本研究中，该量表的Cronbach’s α系数为0.969，而VI、DE和AB子维度的Cronbach’s α系数分别为0.925、0.900和0.922。所有这些结果表明该量表具有良好的可靠性。此外，验证性因子分析的结果显示拟合度良好：χ2/df = 1.581, CFI = 0.991, TLI = 0.989, GFI = 0.960, SRMR = 0.046, RMSEA = 0.034，进一步证实了该量表的有效性。

3.3 程序
本研究按照以下步骤进行。首先，我们向两所高中的学生分发了包含基本信息、CEDLES和UWES-S的问卷，以测试职业学习经验对学生学习投入的影响这一研究假设。其次，我们进行了半结构化访谈以获取更具体的信息。每对由一名被招募的高中生及其家长组成，进行联合访谈。访谈通过在线视频通话进行，每次访谈大约持续40分钟。在访谈开始前，向受访者说明了访谈的目的和研究的意义。为了确保访谈内容的完整记录并便于后续的文本分析，在获得受访者同意后对整个访谈进行了录音。值得注意的是，根据访谈大纲中的问题，访谈根据受访者的情况和兴趣点进行了灵活调整，以引导受访者更频繁地表达自己的观点。第三，对问卷结果进行了分析。然后，我们使用内容分析法对访谈记录进行了分析，并利用这些结果解释问卷发现，并构建了一个模型来说明职业学习经验对高中生学习投入的影响机制。

3.4 数据分析
在定量分析阶段，使用SPSS 26软件对有效问卷进行了数据分析，以检验研究假设。在定性分析阶段，每个访谈组结束后，及时整理了访谈材料，并将录音逐字转录，最终获得了超过20,000字的访谈记录。使用Nvivo 11软件作为定性研究的辅助工具，对七组材料进行了三级编码：开放编码、轴心编码和选择性编码。最后，根据这些编码结果，我们构建了一个模型来说明职业学习经验对高中生学习投入的影响机制。

4 结果
4.1 定量分析
如表2所示，职业学习经验的总体平均分为3.524（高于量表的中点3），表明处于中等偏高的水平。在其各个维度中，言语说服（VP）得分最高（M = 3.606），其次是替代学习（VL）（M = 3.603）、积极生理和情感状态（PPAS）和个人掌握经验（PME）（两者均为M = 3.560），而消极生理和情感状态（NPAS）得分最低（M = 3.291）。在学习投入方面，总体平均分为4.637（高于中点4），也表明处于中等偏高的水平。投入度（DE）的得分最高（M = 4.699），其次是沉浸感（AB）（M = 4.611），活力（VI）得分最低（M = 4.601）。

表2 维度/变量 项目数量 标准差
言语说服（VP） 4 3.606 0.959
消极生理和情感状态（NPAS） 4 3.291 1.059
积极生理和情感状态（PPAS） 4 3.560 0.909
替代学习（VL） 4 3.603 0.956
个人掌握经验（PME） 4 3.560 0.945
职业学习经验（总计） 20 3.524 0.828
活力（VI） 6 4.601 1.439
投入度（DE） 5 4.699 1.351
沉浸感（AB） 6 4.611 1.409
学习投入（总计） 17 4.637 1.346

对职业学习经验和学习投入及其子维度之间的相关性进行了皮尔逊积矩相关分析（Pearson product–moment correlation analyses）。如表3和表4所示，职业学习经验与学习投入显著正相关，这两个变量的所有子维度之间也显著正相关。

表3 变量 CLELE LE 相关性结果
CLE 1 LE 0.872**
N = 513, *p < 0.05, **p < 0.01, ***p < 0.001; CLE, 职业学习经验; LE, 学习投入

表4 变量 VP NPAS PPAS VL PME VIDE AB
VP 1 NPAS 0.511** 1
PPAS 0.764** 0.498** 1
VL 0.794** 0.478** 1
PME 0.823** 0.533** 0.796** 1
VI 0.754** 0.560** 0.725** 0.757** 1
DE 0.790** 0.537** 0.741** 0.787** 1
AB 0.757** 0.540** 0.735** 0.774** 0.893** 1

进行了多元回归分析，以考察职业学习经验对学习投入的预测效果。首先，以职业学习经验为自变量，学习投入为因变量进行了逐步回归分析。如表5所示，共线性诊断结果显示容忍度（TOL）值大于0.2，方差膨胀因子（VIF）值小于10，表明自变量之间不存在多重共线性问题。职业学习经验进入了回归方程，并解释了学习投入方差的75.9%。这一结果表明职业学习经验显著且正面地预测了学习投入。其次，以言语说服（VP）、消极生理和情感状态（NPAS）、积极生理和情感状态（PPAS）、替代学习（VL）和个人掌握经验（PME）为自变量，学习投入为因变量进行了逐步回归分析。如表6所示，共线性诊断结果显示所有容忍度（TOL）值大于0.2，方差膨胀因子（VIF）值小于10，表明没有多重共线性问题。VP、NPAS、PPAS、VL和PME这五个维度共同解释了学习投入方差的76.6%。这一结果表明职业学习经验的每个维度都显著且正面地预测了学习投入。

4.2 定性分析
在开放编码阶段，将七组文本材料逐句总结以分类内容。相似的类别被合并，而不具代表性的概念被剔除。最终，共整理出77个参考点作为概念，并命名了15个类别。表7展示了选定的代表性原始陈述和开放编码结果。

表7 类别 原始代表性陈述
信息收集 B5：我们不是很清楚，例如，如果你非常喜欢物理化学，那么将来可以选择什么样的行业，可以从事什么样的工作。所有这些对我们来说都不清楚，因为我们没有很多渠道来了解。除了互联网上的信息外，希望学校能提供一些渠道，以便我们能更积极地学习这些信息。（扩展信息渠道）
环境理解 A5：让我们知道还有哪些专业可供选择。如果我们不知道这些，仍然很难选择专业。首先，我们需要知道可以选择哪些专业。现在我们正在学习具体的知识，比如物理化学。然而，有必要告诉我们这些科目可以报考哪些大学专业，这些专业需要多少分数，或者哪所大学提供更好的专业。了解这些之后，我们就能有更具体的学习目标。（了解外部专业和环境）
自我评估 A1：我知道有一种针对学生的评估，包括一系列问题的面试。之后，他们会提供一个评估，概述学生的总体倾向，基本上确定哪些性格特征最适合他们，然后提出相应的建议。这有助于学生了解自己真正适合什么。我认为这非常棒。

自我反思A7：职业榜样的作用在于让我感到，如果别人表现出色，我不应该让自己落后太多。它促使我产生一种比较意识，并作为一种动力，鼓励我努力学习。

学习兴趣A2：我们有一门专门探讨兴趣的课程。在这门课上，我们有六个与兴趣相关的主题可以选择。这帮助我们了解自己的职业兴趣，然后将这些兴趣与所学的学科结合起来，从而激发我们的学习兴趣。

学习动机B1：学生是否在学业上表现良好完全取决于父母的努力程度。如果父母付出努力，学生的成绩就会提高；如果父母放松，学生的成绩就会立即下降。一旦我没有时间关注他，他的成绩就会下降，所以这完全成了由父母驱动的学习方式，这是不对的。我现在开玩笑的。我说我希望他能找到一个成绩好的女朋友，这样他可能会更有动力。我认为职业课程或职业经历的作用是帮助他们设定目标，然后他们会产生学习动机。一旦他们有了这样的职业规划和自己的目标，就根本不需要我们去推动他们了，因为他们认为自己应该学好。

目标选择B2：现在的父母给孩子们太多东西，孩子们接受得太多却不知道如何放手。无法放手，他们就无法做出选择。他们缺乏独立性、判断力和社交技能。职业课程或体验式职业活动可以帮助孩子们培养自主选择的能力。

制定计划A6：在课程结束时，老师让我们写一篇简短的文章来概述我们的计划和目标。这样我们就需要把想法写在纸上，而不仅仅停留在脑海中，这可以帮助我更有条理地学习，也更容易实现我的目标。

问题解决A7：在学业上遇到困难的学生需要额外的鼓励。我们应该支持他们参加职业活动。我认为这个过程非常重要。追求目标的旅程才是真正重要的，结果本身可能并不关键，因为有时候我们无法实现目标。然而，这种努力过程一定是人生中非常宝贵的经历。当未来遇到挫折，包括学术挑战时，他们会寻求解决方案而不是退缩，努力克服它们。

逻辑思维B3：我应该同时关注生活和学习，但实际上，有时这有点过度了。她个人的空间和自我表达的空间太少了。因此，我希望通过高中的职业课程做一些改进。我正试图给她更多的自由，从她的回答中可以感觉到她确实有自己的思考逻辑，但她还需要更多的练习。我希望与职业相关的知识和解决问题的方法能够训练她的表达能力和逻辑思维，这肯定会对她的日常学习有帮助。

亲子沟通B7：作为父母，我们强烈支持她参加一些职业活动并学习职业规划。我们的支持也能给她一些情感上的鼓励。积极的态度和支持性的家庭氛围无疑有助于她的学业成功。

同伴沟通B2：我觉得我真的需要和朋友们以及榜样多沟通。在大家的帮助下，我可以对某些事情有更清晰的认识，并更准确地确定我的学习方向。

师生沟通B4：学生必须首先认识到老师，才能从老师那里学到东西。如果他们不认识老师，他们只会完成任务而已。如果他们想努力学习，就必须非常尊敬老师，这是我从我的孩子身上观察到的。当我女儿刚上高中时，她的学业表现和心理状态都受到了很大影响。后来，我开始和她讨论有前途的大学专业和未来的职业道路。那位老师成了她的榜样，她的学习状态比以前有了很大的改善。

近期期望B6：谈到他的榜样，他会觉得将来应该像榜样一样取得好成绩，并期望自己长大后也能成为像榜样那样的人。

未来期望B2：通过职业课程，我女儿确定了她想成为一名医生。她对未来有明确的抱负，我认为这很棒，因为她知道自己想做什么。事实上，很多孩子不知道自己想做什么，也不知道自己不想做什么。如果他们只是混日子，怎么可能在学习上取得优异成绩呢？

通过对开放式编码得到的15个类别的进一步分析和归纳，结果如下：信息收集和理解环境被归类为知识储备；自我评估和自我反思被归类为认知内化；学习兴趣和学习动机被归类为能力转化；目标选择和制定计划被归类为技能提升；问题解决和逻辑思维被归类为技能转移；亲子沟通、同伴沟通和师生沟通被归类为情感互动；近期期望和未来期望被归类为积极期望。总的来说，形成了七个次要维度：知识储备、认知内化、能力转化、技能提升、技能转移、情感互动和积极期望。这七个次要维度进一步被分析和归纳。我们将知识储备、认知内化和能力转化总结为认知，将技能提升和技能转移总结为技能，将情感互动和积极期望总结为情感。最终得到了三个主要类别：认知、技能和情感。轴向编码结果如表8所示。

表8

一级维度 二级维度 三级维度
认知 知识储备 信息收集 理解环境
认知内化 自我评估 自我反思
能力转化 学习兴趣 学习动机 技能 技能提升
目标选择 制定计划 技能转移 问题解决 逻辑思维
情感 情感互动 亲子沟通 同伴沟通 师生沟通
积极期望 近期期望 未来期望

对这三个主要类别的比较分析表明，它们都围绕着“职业学习经历如何影响高中生的学习参与度”这一核心类别。这最终确立了“职业学习经历影响高中生学习参与度的机制”这一核心类别。基于此，构建了一个关于职业学习经历对高中生学习参与度影响的机制模型，如图1所示。具体来说，职业学习经历可能通过三个主要类别影响高中生的学习参与度：认知、技能和情感。这些类别之间也相互关联，每个类别都包含不同的维度。

图1 职业学习经历对高中生学习参与度影响的机制模型；职业学习经历（CLE），学习参与度（LE）。

**结论与讨论**
本研究采用顺序解释性混合方法设计，探讨了职业学习经历对高中生学习参与度的影响及其潜在机制。定量分析的结果表明，职业学习经历对中国高中生的学习参与度有积极的预测作用。言语说服、积极的生理和情感状态、替代学习和个人掌握经验也能显著预测学习参与度。这一结果验证了本研究的首要研究假设。首先，来自信任人士对自己在职业活动中成功表现的肯定或鼓励参与职业活动的言语说服，对高中生的学习参与度有积极影响。在本研究中，当高中生参加职业活动时，他们通常会得到行为和情感上的支持。在行为支持方面，父母或老师可能会主动帮助学生收集职业信息并提供平台让他们体验各种职业，从而为高中生提供更多了解和体验不同职业的机会。在情感支持方面，职业活动可以促使高中生改变对职业相关活动的看法，从而激发积极的学习情绪并提高他们的学习参与度（Xiong等人，2021；Perry等人，2010）。这一发现与Sa?kal和S?nmez（2021）的研究一致，他们认为来自重要他人的支持包括行为支持和情感支持，例如帮助孩子体验不同职业领域的活动。其次，积极的生理和情感状态，即在职业活动中体验到的积极情绪状态，对高中生的学习参与度有显著的积极影响。相反，消极的生理和情感状态，即在职业活动中体验到的消极情绪状态，对学习参与度有显著的负面影响。在本研究中，高中生在职业相关活动中的生理反应会影响他们的职业自我效能感，进而影响他们的学习参与度。这一发现支持了Bandura（1999）的研究，他认为生理反应或生理唤醒可以影响个体的自我效能感。此外，这一结果还验证了Connell（1990）的自我系统处理理论，该理论认为学生的自我效能感直接影响学习参与度。这一发现也与Caprara等人（2022）的研究一致，表明自我效能感对学生的学习参与度有显著的积极影响。第三，替代学习，即个体通过观察他人的职业选择和结果来获得复杂行为，对高中生的学习参与度有积极影响。本研究发现，当高中生看到背景相似或榜样在职业规划中取得成功时，他们会产生类似的愿望，从而增强学习动机并提高学习参与度。这与Myers（2018）的研究一致，该研究发现替代学习发生在个体观察他人经验并从中获得意义时，可以促进个体的知识增长、技能提升和人际关系改善以及动机的提高。第四，掌握经验，即个体通过直接参与职业活动获得的成功经验，对高中生的学习参与度有积极影响。本研究发现，通过参与职业活动获得的成功经验可以提高高中生的职业效能感、学习能力和思维技能，从而提高他们的整体学习参与度。这支持了Blotnicky等人（2018）的研究结果，表明体验式职业活动不仅增强了学生的职业效能感，还促进了他们知识和行动的整合。定性分析的结果表明，职业学习经历可能通过认知、技能和情感三个方面影响中国高中生的学习参与度。这一研究发现补充了SCCT理论中关于职业学习经历对学习表现影响机制的论述。首先，认知维度包括三个方面：知识储备、认知内化和能力转化。知识储备包括信息收集和理解环境。高中生通过个人参与某些职业领域获得的成功或替代经验，使他们能够更有效地收集有关职业领域的信息，更好地理解他们打算学习的专业和职业，增加对外部职业世界的知识储备（或如何理解它），从而提高他们的学习目标和学习动机，进而提高他们的学习参与度（Kim和Choi，2021）。认知内化包括自我评估和自我反思。高中生从个人参与某些职业领域活动或观察职业榜样中获得的替代经验中内化这些经验，使他们能够进行客观的自我评估和反思，增强自我认知并提高学习参与度（Zhou等人，2021）。能力转化包括学习兴趣和学习动机。职业学习体验水平的提高对高中生选择学科和专业具有积极影响，使他们更加明确专业选择的目的，激发学习的兴趣和动力，明确学习的目的和意义，并促进学习参与度的提升（Hsieh, 2014）。其次，技能维度包括技能提升和技能迁移。技能提升包括目标选择和制定计划。高中生通过参与某些职业领域的成功经验或替代经验，学习如何选择学科和专业以及如何制定有效的计划。在这个过程中，他们锻炼了独立选择和计划的能力，提高了学习效率。这使高中生在学习中拥有更多的能量和心理适应性，促进了学习参与度的提升（Docherty等人，2018）。技能迁移涉及问题解决和逻辑思维。参与职业领域的成功经验或替代经验有助于培养高中生的积极人生观，提高他们的社会责任感、创新精神和实践能力，从而促进综合能力的提升（Nurtanto等人，2020）。这样，当面对职业领域之外的其他问题时，高中生能够保持积极的态度，用科学严谨的方法解决问题，并在学习遇到困难时坚持下去，从而增强他们的学习参与度（Veas等人，2015）。第三，情感维度包括情感互动和积极期望。情感互动包括亲子沟通、同伴沟通和师生沟通。面对专业选择等职业决策时，许多高中学生会经历紧张、焦虑等情绪，他们会更多地与父母、同伴和老师沟通以寻求帮助和缓解压力。积极的亲子、同伴和师生关系对高中生的学习参与度有积极的预测作用（Banks和Smyth，2021）。积极期望包括近期期望和未来期望。通过个人参与职业领域活动或观察职业榜样的经验，高中生对他们的学习成果和未来的专业及职业有所期待。结果期望是个体对自己行为结果的预测，积极期望有助于提高高中生的学习参与度（Pinquart和Ebeling，2020）。

对中国的高中生进行职业规划教育仍处于起步阶段。许多学校，尤其是那些位于欠发达地区的学校，缺乏相关的教师和合适的场所，这使得为学生组织职业学习活动变得困难。因此，基于研究结果，本研究为政府、学校和家长提出了一些建议。在政府层面，必须充分调动社会各方面的资源，整合区域职业教育资源，建立全面的职业学习平台。此外，政府应与社会支持合作，发展职业体验中心，鼓励这些中心为学生组织职业探索和职业体验活动，并努力构建职业教育的社会支持体系。这将为高中生提供参与与其职业相关的体验学习活动的机会，从而在多个专业领域获得更多成功的经验，提高他们的整体职业效能。在学校层面，可以引入职业规划课程，引导学生重视职业学习。同时，学校可以为现有学科教师提供专业发展培训，帮助他们设计融入职业教育的课程，并将职业学习经验融入教学实践中。这种创新的课程设计和教学整合可以培养学生对学术科目的积极态度，激发他们的学习兴趣和动力，从而提高他们的学习参与度。这也有助于提高学生对相关学科的自我认识和理解，帮助他们综合职业学习经验并选择合适的大学入学考试科目。在家长层面，他们应该积极鼓励孩子探索职业道路，并为他们的职业探索提供行为和情感支持。一方面，家长应主动帮助孩子收集相关的职业信息，为他们提供体验某些职业的平台等。这样的行为支持可以为学生提供更多了解和体验不同职业的机会，帮助他们明确学科选择和学术目标，从而在学习中培养目标感。另一方面，家长应给予孩子信任，并对他们的职业探索活动给予及时的积极反馈。这种情感支持可以增强高中生的学术参与度，最终促进他们的学习参与度。

我们的研究仍存在一些局限性。首先，在定量研究工具方面，本研究中使用的两个量表都是英文版本的中文翻译，未能充分体现中国高中生的群体特征。因此，这些量表在跨文化适应性方面需要进一步改进。未来，我们应在国内开发相关的量表，以提高工具的适用性。其次，本研究仅在一座城市的两所学校进行了便利抽样，这限制了研究结果在其他地区或学校类型的普遍性。未来的研究应在更多省份采用更大、更具代表性的样本进行重复实验。定性阶段仅包括了九对学生-家长的访谈对；尽管达到了主题饱和，但这些发现具有探索性，需要进一步对不同人群进行定性研究以深入理解其机制。由于定性阶段的探索性质和样本量有限，主题分析应被视为提供说明性的见解，而非确定的机制证据。编码过程遵循了既定的主题分析程序，但由于主要目的是为未来的研究生成假设，因此没有计算正式的编码者间一致性。在定性研究结论方面，作者在定性研究方面的经验有限，导致在构建职业学习体验对学习参与度影响机制模型时未能达到预期的深度。未来，我们将努力深化对定性研究方法的理解和应用，以获得更深入的研究发现。此外，如果有机会，我们计划通过问卷调查、课程干预等方法验证本研究的结果。