自我调节学习与学生投入对高等教育环境意识的预测作用

《Frontiers in Sustainability》：Self-regulated learning and student engagement as predictors of environmental awareness in higher education

　　

摘要翻译：高等教育机构日益被期望促进学生环境意识与可持续发展导向能力的培养。环境意识不仅是获取环境知识的结果，也源于塑造学生如何解释和回应环境挑战的心理学习过程。本研究考察了自我调节学习（self-regulated learning）与学生投入（student engagement）在预测大学生环境意识方面的作用，这些学生参与了一项与技术媒介环境学习体验相关的教育经历，该体验聚焦于数字技术的环境影响。方法：采用定量、非实验设计，具有相关-预测性研究范围，样本为242名大学生。研究使用了三种工具：学习动机策略问卷（Motivated Strategies for Learning Questionnaire, MSLQ）、学生投入量表和环境意识量表。数据分析采用皮尔逊相关分析和多元线性回归。结果：回归模型具有统计学显著性，并解释了环境意识方差中具有意义的部分（R2 = 0.14）。自我调节学习是最强的预测因子，而情绪和行为投入在控制自我调节后，其独特贡献较小且不显著。讨论：这些研究结果表明，高等教育中的环境意识与学生在接触可持续性相关内容时调节认知和动机过程的能力密切相关。该研究为环境与可持续性教育研究提供了实证证据，表明心理学习过程在大学学习环境中塑造环境意识方面发挥关键作用。

## 论文解读：环境意识的心理学基础——自我调节学习与学生投入的预测作用

### 一、研究背景与问题

当代高等教育面临双重挑战：既要应对数字技术密集使用带来的环境危机，又要整合学生认知、情感与伦理的发展。传统环境教育研究多聚焦于环境知识的传授，然而，环境意识并非仅仅是陈述性知识积累的结果，而是由深层心理过程塑造的复杂教育成果。已有文献表明，情绪在环境知识转化为态度和行为倾向中起重要作用，但情绪如何与学习过程中的认知机制协同影响环境意识，尚缺乏实证检验。自我调节学习能力使学生能够规划、监控和评估自身目标、努力与认知-情感状态，这种能力可能不仅优化学业表现，还促进环境价值的内化。与此同时，学生投入中的情绪和行为维度也被认为与主动参与和持续兴趣相关。然而，现有研究往往分别考察自我调节或学生投入与环境结果的关系，缺乏在同一模型中对两者相对权重的比较。因此，有必要在单一技术媒介学习情境中，同时检验自我调节学习与学生投入对环境意识的预测作用，以明确哪种心理机制更应获得教学关注。

### 二、研究设计与技术方法

研究人员采用定量、非实验性的相关-预测设计，样本为242名大学生，均参与了由课程教师开发的沉浸式扩展现实（extended reality, XR）环境学习体验，该体验通过头戴式显示器和运动追踪手套，使学生以第一人称视角与三维教育动画互动，例如模拟地球轨道空间碎片堆积并实际操作虚拟物体。数据收集使用三个工具：学习动机策略问卷（MSLQ）评估自我调节学习，学生投入量表（SED）评估情绪和行为投入，以及改编自Yusliza等（2020）的环境意识量表。数据分析采用皮尔逊相关分析和多元线性回归，并检验了多重共线性、残差独立性、同方差性和正态性等回归假设。

### 三、研究结果

**3.1 描述性统计与信度**
所有量表均达到良好至优秀的内部一致性（Cronbach's α ≥ 0.89；McDonald's ω ≥ 0.91），支持了工具在本样本中的心理测量学充分性。

**3.2 变量间相关分析**
自我调节学习与环境意识呈显著中等正相关（r = 0.37, p < 0.001, 95% CI [0.26, 0.47]）；情绪和行为投入与环境意识呈显著但较弱的正相关（r = 0.15, p = 0.019, 95% CI [0.03, 0.27]）；自我调节学习与学生投入中等相关（r = 0.32, 95% CI [0.21, 0.43]）。

**3.3 预测环境意识的回归模型**
回归模型显著，解释环境意识14%的方差（R2 = 0.14；调整R2 = 0.14；F(2, 239) = 20.09, p < 0.001）。标准化系数显示，自我调节学习是唯一显著预测因子（β = 0.37, 95% CI [0.24, 0.49], p < 0.001），而情绪和行为投入的独特贡献可忽略且不显著（β = 0.03, 95% CI [?0.09, 0.16], p = 0.620）。回归诊断表明多重共线性可忽略（VIF = 1.12），残差独立（Durbin-Watson = 1.92），异方差性检验轻微偏离但使用稳健标准误未改变显著性模式。

**3.4 变量间关系可视化**
散点图显示自我调节学习与环境意识呈清晰正向趋势，数据分布集中，支持回归结果的稳定性；而学生投入与环境意识的散点图显示更大的离散度，反映两者关系较弱且异质，与投入在模型中的较低解释权重一致。

### 四、讨论与结论总结

讨论部分指出，自我调节学习的主导