基于Telegram学习平台的高中环境品格教育模型验证:一项混合方法研究

《Australian Journal of Environmental Education》:Validating an Environmental Character Education Model for Upper-Secondary Students on a Telegram-Based Learning Platform: A Mixed-Methods Study

【字体: 大 中 小 】 时间:2026年08月13日 来源:Australian Journal of Environmental Education 1.9

编辑推荐:

  这项混合方法研究(Mixed-Methods Study)验证了一个针对高中学生(Upper-Secondary Students)的环境品格教育模型(Environmental Character Education Model),并考察了基于Telegra

  
这项混合方法研究(Mixed-Methods Study)验证了一个针对高中学生(Upper-Secondary Students)的环境品格教育模型(Environmental Character Education Model),并考察了基于Telegram的学习项目(Telegram-Based Learning Programme)后短期得分的变化。定性阶段(Qualitative Phase)对环境教育(Environmental Education, EE)、品格教育(Character Education)和环境伦理学(Environmental Ethics)文本进行了主题分析(Thematic Analysis),随后进行了三轮德尔菲法(Delphi)咨询,共20位专家参与。由此产生的11个成分框架(11-Component Framework)构成了一个包含76个题项的问卷,该问卷面向伊朗西北部(Northwestern Iran)通过多阶段整群随机抽样(Multistage Cluster Random Sampling)选出的384名高中学生发放。因子分析(Factor Analysis)支持了11个成分的结构(Kaiser–Meyer–Olkin抽样充分性测量值(KMO)= 0.850;解释方差(Explained Variance)= 61.89%;近似误差均方根(RMSEA)= 0.056),尽管耐心与宽容(Patience and Tolerance)在更高阶因子(Higher-Order Factor)上的载荷较弱。随后,研究人员实施了一个为期一个月的基于Telegram的项目,使用了与各成分对齐的说服性陈述、短篇故事、动画、电影、音乐和环境提示。平均得分从前测(M = 3.83, SD = 1.17)增加到后测(M = 3.92, SD = 1.19),t (383) = 8.86, p < 0.001, dz = 0.45。原始变化很小,研究人员谨慎地将其解释为短期得分响应性(Short-Term Score Responsiveness),而非品格发展的因果证据。
**论文解读:基于Telegram学习平台的高中环境品格教育模型验证——一项混合方法研究**

**研究背景与问题提出**

环境教育(Environmental Education, EE)日益追求超越认知提升、实现有意义且持续行动的结果。然而,该领域长期面临“知识-行动鸿沟”(Knowledge-Action Gap):学习者可能获得环境知识并表达关切,但在长期行为和实践中改变却不够一致(Ardoin et al., 2018, 2020)。这一问题在青少年阶段尤为突出,此时身份认同、同伴影响、动机、感知控制及习惯养成仍在发展,亲环境行为不仅取决于学生所知,还取决于塑造意图和坚持的心理社会过程(Ajzen, 1991; Bamberg & M?ser, 2007; Steg & Vlek, 2009)。

同时,环境教育具有不可回避的规范性维度。环境问题涉及责任、正义以及人与自然关系的质量,而非单纯的事实信息传递。学者们警告,在可持续发展教育的某些版本中,“环境”可能因可持续性框架过于宽泛而失去概念和教学优先性(Kopnina, 2012)。为此,美德与品格取向的视角受到关注,因为它们将焦点从偶发性遵从转向培养能支持跨情境环境责任行为的相对稳定倾向(Jordan & Kristjánsson, 2017)。这一关切与此前环境教育学术观点一致,即持久的环境行为需要超越认知和态度的倾向与技能(Hungerford & Volk, 1990)。

这些议题如今在深度数字化的学习生态中展开。青少年越来越多地通过社交网络和即时通讯平台获取环境信息、进行同伴讨论和公开表达。社交网络平台的基础性研究显示了这些环境如何在网络化公众中塑造身份、规范与参与(Boyd & Ellison, 2007)。更广泛的教育研究同样表明,社交媒体可以支持互动、协作和扩展学习机会,但前提是其使用经过教学结构化设计,而非随意或偶然(Chawinga, 2017; Hamid et al., 2015; Manca, 2020)。

在环境教育领域内,近期综述显示了对数字工具日益增长的兴趣,同时也指出了研究质量参差不齐和过度关注易于测量的认知结果。一项系统综述发现数字工具与可持续性意识之间存在总体正向关联,同时强调结果高度依赖于互动性、真实任务设计和结构化反思(Hajj-Hassan et al., 2024)。家庭环境学习中的数字媒体相关研究同样表明,数字环境最具有教育价值的情境是它们能激发对话和共同意义建构,而非被动消费(Lin & Ardoin, 2023)。社交媒体也可能通过态度、感知行为控制以及与环保导向网络人物的准社会互动等机制塑造亲环境意图和参与(Knupfer et al., 2023; Meng et al., 2023)。气候变化教育研究强化了同样的结论:教育影响较少取决于单纯的信息暴露,而更多取决于将内容与生活经验、对话、能动性和行动相连接的教学法(Aeschbach et al., 2025; Monroe et al., 2019)。

本研究将亲环境行动部分视为品格形成问题。虽然行为理论如计划行为理论(Theory of Planned Behaviour, TPB)和价值-信念-规范理论(Value–Belief–Norm Theory, VBN)阐明了行动的重要近端预测因素,但它们并未完全解释学习者如何成为能够跨越不同情境持续维持环境责任行为的人(Ajzen, 1991; Stern, 2000)。在此,行动能力传统(Action Competence Tradition)尤为相关,因为它长期主张环境教育应使学习者具备知情、参与和民主行动的能力,而非被动采纳既定行为(Barrett, 2006; Jensen & Schnack, 1997)。近期关于行动能力和环境品格的研究同样强调能动性、参与、批判性推理和公民参与是核心教育目标(Torsdottir, Olsson & Sinnes, 2024; Van Harskamp et al., 2023)。

基于这些传统,本研究增加了更清晰的美德伦理(Virtue-Ethical)视角。环境品格教育(Environmental Character Education)指有意开展的教育过程,旨在培养相对稳定的倾向,这些倾向塑造学习者如何感知生态问题、解释责任、调节冲动以及在困难行动中坚持。在环境美德伦理学(Environmental Virtue Ethics)中,此类特质有助于个体注意到人与自然关系中道德上显著的维度,并对其做出持续行动(Sandler, 2013)。这一立场也与更广泛的品格教育文献一致,后者日益关注结构化教育实践如何促进特质发展,同时也强调了实施和测量的挑战(Oldham & McLoughlin, 2025)。元分析证据进一步表明,当品格教育经过有意设计并嵌入实践时,可产生可测量的行为与学业收益(Jeynes, 2019)。特别相关的是对自然的同理心(Empathy with Nature),近期证据将其识别为亲环境态度的重要预测因素,并可能成为环境学习的可塑性路径(Li et al., 2024)。

本研究将环境品格概念化为一个包含尊重、公正、诚实、善良、责任、坚毅、关怀、自律、同理心、耐心与宽容以及爱的11成分构念。这些成分并非来自单一先前模型,而是通过整合过程开发而成。该模型结合了理论信息化的敏感概念与归纳生成并经专家精炼的成分。这些成分被视作一个整合的教育框架,包含道德-伦理、关系-情感和自我调节维度。

由于本研究的干预通过Telegram实施,社交网络不仅被视为沟通渠道,更被视为可能的环境品格学习生态。它们可能强化责任、诚实、关怀和参与,但若教育设计薄弱,也可能放大错误信息、表演性参与和浅层美德信号。近期来自澳大利亚青少年的证据恰恰强调了社交媒体在气候参与中的这种双重作用(Arnot et al., 2024)。其他研究表明,当参与是结构化和对话性的时,基于平台的互动可以支持亲环境行为(Chung et al., 2020),而关于即时通讯平台的研究表明,Telegram等工具可以在教育环境中支持反馈、同伴讨论和持续的微参与(Estrada Molina, 2022; Faraji et al., 2020; Khalil & Rambech, 2022)。

另一个挑战是方法论上的。如果环境教育旨在培养持久倾向,那么这些倾向必须在概念上得到更精确的界定和测量。该领域的综述反复呼吁更强的结果测量以及教育过程与有意义环境结果之间更清晰的联系(Ardoin et al., 2018, 2020; Hajj-Hassan et al., 2024)。没有这样的测量,数字环境教育可能高估最容易计量的东西,而忽视最有教育意义的东西。

为应对这些概念、情境和方法论需求,本研究开发并验证了一个高中学生环境品格教育模型,并考察了其在基于Telegram的学习环境中的应用。采用探索性顺序混合方法设计(Exploratory Sequential Mixed-Methods Design),研究首先识别并精炼了环境品格教育的主要成分,然后验证了与这些成分对齐的测量工具,最后考察了实施后的短期变化。

**研究内容与结论**

研究人员通过定性阶段的主题分析和三轮德尔菲专家咨询,确定了环境品格教育的11个成分:尊重、公正、诚实、善良、责任、坚毅、关怀、自律、同理心、耐心与宽容、爱。随后,基于这11个成分开发了76题问卷,并面向伊朗西北部(Northwestern Iran)通过多阶段整群随机抽样选出的384名高中学生进行施测。探索性因子分析(EFA)和验证性因子分析(CFA)支持了11成分结构(KMO=0.850,解释方差61.89%,RMSEA=0.056),但耐心与宽容的更高阶因子载荷较弱(λ=0.17)。随后,研究人员实施了一个月基于Telegram的学习项目,使用与各成分对齐的材料(说服性陈述、故事、动画、电影、音乐和环境提示)。前后测配对t检验显示,环境品格得分有统计显著的小幅增加(前测M=3.83,后测M=3.92,p<0.001,dz=0.45),但原始变化很小,被谨慎解释为短期得分响应性。论文发表在《Australian Journal of Environmental Education》。

**关键技术与方法**

研究采用探索性顺序混合方法设计。定性阶段:对环境教育、品格教育和环境伦理学文本进行主题分析,随后进行三轮德尔菲法(共20位专家),提炼出11个成分。定量阶段:开发76题李克特五点量表问卷,通过多阶段整群随机抽样选取伊朗西北部384名高中学生(样本来源:伊朗西北部四省,N=266,629),进行探索性因子分析和验证性因子分析(使用LISREL软件)。干预阶段:基于Telegram平台实施为期一个月的结构化学习项目,使用与各成分对齐的多媒体材料。前后测数据通过配对样本t检验分析短期变化。使用Harman单因子检验评估共同方法偏差。

**研究结果**

**RQ1. 环境品格教育的关键成分**
通过定性主题分析和三轮德尔菲专家咨询,识别出11个成分:尊重、公正、诚实、善良、责任、坚毅、关怀、自律、同理心、耐心与宽容、爱。这些成分构成了后续工具开发和定量测试的概念基础。因子分析前,KMO=0.850,Bartlett球形检验显著(χ2(2850)=12,666.877, p<0.001),表明数据适合因子分析。探索性因子分析支持11成分解,累计解释方差61.89%。尊重贡献最大(特征值15.85,解释方差12.89%),其次为公正(5.58, 7.54%)、诚实(5.34, 6.34%)、善良(4.64, 5.77%)、责任(4.22, 5.43%)、坚毅(3.80, 5.09%)、关怀(3.40, 4.76%)、自律(3.20, 4.60%)、同理心(2.96, 3.40%)、耐心(2.51, 3.04%)、爱(2.44, 2.99%)。

**RQ2. 各成分在环境品格教育模型中的贡献**
通过验证性因子分析检验更高阶模型,所有11个成分在整体环境品格教育构念上的载荷均显著(t值范围3.23–19.86)。坚毅载荷最强(λ=0.83, t=19.86),其次是诚实(λ=0.78, t=18.09)、同理心(λ=0.68, t=14.83)、善良(λ=0.66, t=14.41)、关怀(λ=0.62, t=13.30)。尊重(λ=0.58, t=12.19)和责任(λ=0.54, t=11.29)为中等贡献。自律(λ=0.51, t=10.50)、公正(λ=0.50, t=10.17)、爱(λ=0.50, t=10.29)较低但可接受。耐心与宽容载荷最弱(λ=0.17, t=3.23),表明该成分在本样本中与更高阶构念的关联较弱,需在后续研究中精炼。

**RQ3. 环境品格教育的应用模型**
基于验证的成分结构和实施阶段,提出了一个包含三个相互关联要素的应用模型:(1)已验证的11成分框架作为课程基础;(2)通过Telegram环境实施的与成分对齐的学习活动;(3)使用已验证问卷进行前后测评估。模型拟合指数显示整体模型可接受:χ2/df=2.33, CFI=0.96, TLI/NNFI=0.93, RMSEA=0.056 (90% CI 0.041–0.071), SRMR=0.037。各成分层面模型拟合指数范围:χ2/df 1.69–3.42, CFI 0.92–1.00, TLI/NNFI 0.90–0.99, RMSEA 0.041–0.075, SRMR 0.018–0.042。坚毅成分拟合最强,公正成分拟合最弱但仍在可接受范围。

**RQ4. 基于Telegram学习后的得分响应性**
配对样本t检验显示,环境品格平均分从前测(M=3.83, SD=1.17)到后测(M=3.92, SD=1.19)有统计显著增加(t=8.86, p<0.001),但原始均值差异仅为0.09(五点量表)。Harman单因子检验表明第一未旋转因子解释约20.9%方差,低于50%阈值,表明共同方法偏差不太可能完全解释观测到的因子结构。该结果被谨慎解释为短期得分响应性,而非实质性实践变化或品格发展的因果证据。

**讨论与结论总结**

**讨论部分**:本研究支持环境品格教育可作为高中学生可测量的多维教育结果,包含道德-伦理、关系-情感和自我调节维度。坚毅和诚实的高载荷表明在数字中介环境中,环境品格可能不仅取决于对生态问题的关心,还取决于抵制表面参与和维持言行一致。耐心与宽容的低载荷提示其需要概念和测量上的精炼。研究结果补充了行动能力传统,增加了美德伦理视角。基于Telegram的前后测结果显示了短期小幅提升,与结构化数字学习环境支持环境学习的文献一致,但需谨慎解释。

**结论部分**:本研究为高中学生环境品格教育模型提供了初步验证,表明其成分可组织为包含道德-伦理、关系-情感和自我调节维度的多维框架。研究结果令人鼓舞,但应谨慎解释。耐心与宽容的更高阶载荷较弱,需要进一步精炼。基于Telegram的前后测证据表明问卷得分有短期小幅增加,而非品格发展的因果证明。未来研究应采用更强有力的纵向或比较设计、行为指标以及来自不同教育和平台背景的样本进行验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号