投入量表在高中生中的信效度及修訂：基于Rasch模型

陳 維

(貴州師范大學(xué) 教育科學(xué)學(xué)院,貴州 貴陽 550001)

?

投入量表在高中生中的信效度及修訂：基于Rasch模型

陳 維

(貴州師范大學(xué) 教育科學(xué)學(xué)院,貴州 貴陽 550001)

用評定量表模型探討學(xué)習(xí)投入量表在高中生群體中的適用性。采用方便整班抽樣的方法，共抽取2 400名高中生進(jìn)行ULES調(diào)查，并對該量表進(jìn)行項(xiàng)目分析、探索性因素分析、平行分析、最小平均偏相關(guān)分析以及評定量表模型分析。結(jié)果表明：探索性因素分析、平行分析和最小平均偏相關(guān)分析均表明該量表在高中生群體中為單維結(jié)構(gòu)并非原來的三維度結(jié)構(gòu)；新量表(ULES)中，9個(gè)項(xiàng)目的Infit和Outfit在0.4～1.6，項(xiàng)目信度為1.00，被試信度為0.92。修訂后的學(xué)習(xí)投入量表(ULES)具有良好的信效度，可以作為高中生學(xué)習(xí)投入的測量工具。

學(xué)習(xí)投入;信度;效度;Rasch模型;評定量表模型

0 引言

學(xué)習(xí)投入(learning engagement)是一種與學(xué)習(xí)、科研和就業(yè)相關(guān)的、持久的、積極的、充實(shí)的情感和認(rèn)知的心理狀態(tài)，它包括活力(vigor，指在學(xué)習(xí)中具有出眾的精力與韌性，愿意為學(xué)業(yè)付出努力而不易疲倦，面對困難時(shí)堅(jiān)持不懈)、奉獻(xiàn)(dedication，指個(gè)體有強(qiáng)烈的意義感、自豪感及飽滿的學(xué)習(xí)熱情，能夠全身心地投入到學(xué)習(xí)中，并勇于挑戰(zhàn))和專注(absorption，一種全身心投入的愉悅狀態(tài)，將精力集中于學(xué)習(xí)并體驗(yàn)到愉悅感受)3個(gè)維度[1, 2]。由Schaufeli等[3]人以大學(xué)生為樣本編制的“Utrecht學(xué)習(xí)投入量表”(Utrecht Learning Engagement Scale, ULES)，受到了廣泛的應(yīng)用，并在不同國家的大學(xué)生群體中支撐了三維度結(jié)構(gòu)。在國內(nèi)，由方來壇等[1]人引進(jìn)該量表，并考察了它在大學(xué)生和研究生群體中的適用性。隨后，有許多學(xué)者將該量表用于測量和評估國內(nèi)大學(xué)生、高職生和初中生的學(xué)習(xí)投入情況[4-7]。然而，令人遺憾的是這些研究在跨群體(以大學(xué)生為初始對象編制的)中應(yīng)用時(shí)，并未嚴(yán)格按照心理測量學(xué)的步驟或標(biāo)準(zhǔn)檢驗(yàn)其信效度，只是簡單地直接應(yīng)用于其他被試，這難免會引起學(xué)者質(zhì)疑它的測量學(xué)性能以及研究結(jié)果。鑒于此，本研究擬用Rasch評定量表模型(RaschRating Scale Model，RRSM)[8]來分析ULES在高中生中的信效度。

1 對象與方法

1.1 對象

被試為貴州省4所高級中學(xué)在校高一學(xué)生，采取方便整班取樣的方法，由班主任隨堂發(fā)放問卷2 400份，剔除無效、有規(guī)律和有缺失的問卷70份，共計(jì)2 330份，有效率達(dá)97.08%。其中，男生999人，女生1 321人，缺失填寫的10人。

1.2 工具

采用自陳式調(diào)查，由Schaufeli等人編制的學(xué)習(xí)投入量表[1,2]：包括17個(gè)項(xiàng)目共計(jì)3個(gè)維度，即活力(6個(gè)項(xiàng)目)、奉獻(xiàn)(5個(gè)項(xiàng)目)和專注(6個(gè)項(xiàng)目)，各項(xiàng)目均采用Likert 7級評分法，“從不發(fā)生”計(jì)1分，“極少如此”代表“大約1年發(fā)生一兩次甚至更少”，計(jì)2分；“偶爾如此”代表“大約1個(gè)月發(fā)生1次或更少”，計(jì)3分；“經(jīng)常如此”代表“大約1個(gè)月發(fā)生2到4次”，計(jì)4分；“頻繁如此”代表“大約1周發(fā)生1次”，計(jì)5分；“非常頻繁”代表“大約1周發(fā)生2次甚至更多”，計(jì)6分；“總是如此”代表“大約每天1次”，計(jì)7分。

1.3 統(tǒng)計(jì)分析

采用EpiData 3.1錄入數(shù)據(jù)，轉(zhuǎn)化.dta格式；利用Stata/MP 13.1進(jìn)行數(shù)據(jù)整理和格式轉(zhuǎn)換、并做信度分析、平行分析(Parallel Analysis，PA)、最小平均偏相關(guān)分析(Minimum Average Partialcorrelation，MAP)和探索性因素分析(Exploratory Factor Analysis，EFA)；用Mplus 7.0做驗(yàn)證性因素分析(Confirmatory Factor Analysis，CFA)；用Winsteps 3.74做RRSM分析。

2 結(jié)果與分析

2.1 結(jié)構(gòu)驗(yàn)證

首先，在探討維度結(jié)構(gòu)之前，按原量表的維度結(jié)構(gòu)做1個(gè)CFA，各擬合指標(biāo)分別為：χ2/df≈1 666.793/116≈14.369，P<0.001，CFI=0.920，TLI=0.906，RMSEA=0.076(0.073，0.079)，SRMR=0.036，除卡方比值稍高于標(biāo)準(zhǔn)以外，模型與數(shù)據(jù)的擬合可認(rèn)定為很好。如果按照傳統(tǒng)方法分析，表明該量表有良好的結(jié)構(gòu)效度。然而，眾所周知將量表應(yīng)用于一個(gè)新的被試群體時(shí)，則需要重新探討其維度結(jié)構(gòu)(即EFA)。那么，事實(shí)是否真如CFA的結(jié)果呢？接下來將呈現(xiàn)EFA的結(jié)果。

數(shù)據(jù)的KMO值為0.959，Bartlett球形檢驗(yàn)值為χ2/df=19 485.281/126≈154.645，P<0.001，可做EFA。選用主成分法提取公因子，結(jié)果顯示(見表1)特征值大于1的因素僅有1個(gè)，為8.130，其解釋方差量達(dá)到了47.82%；若選用主軸法提取公因子，則特征根大于1的因子只有1個(gè)，其值為7.776，解釋方差量達(dá)到了73.48%。鑒于特征值與碎石圖在選取因子數(shù)上的缺陷，給出了PA和MAP的結(jié)果(見表1)，只支持1個(gè)公因子[9,10]。綜上，可確定該量表在高中生群體中為單維結(jié)構(gòu)而并非三維。

表1 EFA、PA和MPA的結(jié)果Tab.1 The results of EFA, PA and MPA

2.2 項(xiàng)目質(zhì)量分析

傳統(tǒng)方法常用鑒別指數(shù)和題總相關(guān)對項(xiàng)目質(zhì)量進(jìn)行評價(jià)(見表2)。在鑒別指數(shù)法中，以ULES總分的上下端27%分為高分組與低分組，兩組中各項(xiàng)目的t值均達(dá)到了極其顯著的水平(P<0.001)。在題總相關(guān)中，所有項(xiàng)目與ULES總分之間的相關(guān)在0.521～0.762之間，并達(dá)到了顯著性。

2.3 信效度分析

在Rasch分析中，可同時(shí)檢驗(yàn)信、效度。效度可依據(jù)檢查項(xiàng)目質(zhì)量和計(jì)分標(biāo)準(zhǔn)是否符合單維結(jié)構(gòu)來確認(rèn)測驗(yàn)的內(nèi)部結(jié)構(gòu)。單維結(jié)構(gòu)的檢驗(yàn)主要通過對殘差進(jìn)行主成分分析，只要首對殘差的特征值之比1.4～2.1之間[11]，可認(rèn)為單維結(jié)構(gòu)成立，結(jié)果比值為1.7，在可接受范圍內(nèi)，同時(shí)它也沒有超過顯示單維度的門坎指數(shù)2.0[12]。此外，本次Rasch分析能解釋整個(gè)數(shù)據(jù)51.7%的變異，這些數(shù)據(jù)證明了量表的單維性。由表3可知，除ULES02和ULES06的殘差均方(Outfit MNSQ)稍高于1.4以外，其余項(xiàng)目的加權(quán)殘差均方(Infit MNSQ)和Outfir均落在0.6～1.4[13]。這些指標(biāo)也再次證明了單維結(jié)構(gòu)和局部獨(dú)立性成立[14]，表明此次分析符合Rasch的評定量表模型要求。表3中，所有項(xiàng)目相關(guān)度的測量值(點(diǎn)相關(guān)值)均為正值且大于0.4，這表明17個(gè)項(xiàng)目中每個(gè)項(xiàng)目與其它16個(gè)項(xiàng)目均有著合理的聯(lián)系，或者說有較高的一致性和同質(zhì)性。

表3 評定量表模型下的項(xiàng)目各指標(biāo)Tab.3 The item indexes of rating scale model

信度則用分離信度(separation reliability)等系數(shù)來判斷項(xiàng)目在區(qū)分被試能力和位置上是否精確，以確認(rèn)被試排序的穩(wěn)定程度有多大[15]。項(xiàng)目的分離指數(shù)為20.03(大于標(biāo)準(zhǔn)值6)，項(xiàng)目信度為1.00。相對地，被試的分離信度為3.06，被試信度為0.90。并未發(fā)現(xiàn)異常作答的被試和質(zhì)量差的項(xiàng)目。

通過觀察懷特圖(wright map)(見圖1)發(fā)現(xiàn)：項(xiàng)目分布和被試能力的分布基本一致。但Boone等人認(rèn)為在懷特圖中，重疊的項(xiàng)目所提供的項(xiàng)目信息量表是相似的，一個(gè)充分有效的測評工具，是不需要太多類似的項(xiàng)目。因?yàn)檫@不僅浪費(fèi)被試的作答時(shí)間，也會降低問卷所收集數(shù)據(jù)的質(zhì)量，重疊項(xiàng)目易引起被試沮喪和疲勞、以至于失去作答興趣[8]。鑒于此，可通過以下幾個(gè)標(biāo)準(zhǔn)逐個(gè)刪除項(xiàng)目：共同度(等于因子載荷的平方)；點(diǎn)相關(guān)值；Infit和Outfit指標(biāo)(離1越近越好)；項(xiàng)目難度。然而，在刪除項(xiàng)目實(shí)施過程中，Rasch模型不同于傳統(tǒng)方法(如鑒別指數(shù)或題總相關(guān)等)可同時(shí)刪除兩個(gè)或以上的項(xiàng)目，Rasch分析有著嚴(yán)格的重復(fù)迭代過程，若刪除某個(gè)項(xiàng)目后，則需要重新再做一次Rasch分析。在圖2中，ULES10、ULES11、ULES13和ULES15這4個(gè)項(xiàng)目是重復(fù)較多，可考慮刪除其中1個(gè)，通過比較前面4個(gè)標(biāo)準(zhǔn)發(fā)現(xiàn)，ULES11均較差于其它3個(gè)項(xiàng)目，故首選刪除該項(xiàng)目，然后重新做Rasch分析。在第二次分析后，發(fā)現(xiàn)ULES10、13和15重疊， ULES05、ULES08和ULES14重疊，而ULES04不再與ULES03和09重疊，但ULES01與16則重疊在一起。此時(shí)有兩類3個(gè)項(xiàng)目的重疊情形，無法直接選擇哪類先刪除。但通過懷特圖和項(xiàng)目難度值發(fā)現(xiàn)，被試和項(xiàng)目的均值都在0附近，而與ULES10、ULES13和ULES15三個(gè)項(xiàng)目相匹配的被試較少，故考慮從中再刪1個(gè)。綜合比較標(biāo)準(zhǔn)，此時(shí)需要?jiǎng)h除ULES15。按照此步驟，依次再刪除ULES13、ULES08、ULES04、ULES07和ULES01。

注：“#”代表14人，“.”代表1-13人圖1 起始(左)和最終(右)的懷特圖Fig.1 The first and last Wright maps

最終保留的9個(gè)項(xiàng)目，其內(nèi)部一致性α系數(shù)為0.865 4(0.857 0，0.873 4)，括號內(nèi)為95%的置信區(qū)間。項(xiàng)目信度為1.00，項(xiàng)目分離指數(shù)為21.09，被試信度為0.92，被試分離指數(shù)為3.30，各項(xiàng)目的Infit和Outfit均在0.4～1.6之間。保留9個(gè)項(xiàng)目的學(xué)習(xí)投入量表的測量學(xué)指標(biāo)均達(dá)標(biāo)，是可以作為測量高中生學(xué)習(xí)投入的適宜工具。

3 討論

本研究通過多種方法探討了學(xué)習(xí)投入量表在高中生群體中的維度結(jié)構(gòu)，發(fā)現(xiàn)該量表在高中生群體中并不與原量表的三維度相符。盡管按原量表結(jié)構(gòu)的驗(yàn)證性因素分析結(jié)果很好，但經(jīng)平行分析、最小平均偏相關(guān)分析以及Rasch模型的殘差主成分分析都表明該量表為單維度結(jié)構(gòu)。就這點(diǎn)來說，這與其他學(xué)者在大學(xué)生、高職生以及初中生所得的結(jié)果并不一致[4-7]。當(dāng)然，這也有可能與其他學(xué)者僅僅只用了驗(yàn)證性因素分析證明量表的結(jié)構(gòu)效度有關(guān)。此外，學(xué)習(xí)投入量表本就是基于大學(xué)生群體編制的一個(gè)測評工具，其操作概念中明確指出它是一種與學(xué)習(xí)、科研和就業(yè)相關(guān)的一種心理狀態(tài)。其中科研和就業(yè)這兩方面對于高中生群體來說，本就不符合國內(nèi)實(shí)際，在現(xiàn)行的高中教育制度下，面臨的是“高考”這個(gè)獨(dú)木橋，只有進(jìn)入大學(xué)，才會考慮更深層次的科研和就業(yè)。所以，學(xué)習(xí)投入對于高中生群體來說僅與學(xué)習(xí)這一單維度有關(guān)，此點(diǎn)理論與研究所得數(shù)據(jù)分析結(jié)果也相一致，可認(rèn)為高中生的學(xué)習(xí)投入是一個(gè)單維度結(jié)構(gòu)。

立足于此，本研究利用現(xiàn)代測量理論的Rasch模型探討了學(xué)習(xí)投入量表在高中生群體中的適用性并加以修訂。通過10次評定模型分析，其中有8次逐步刪除項(xiàng)目(刪除的項(xiàng)目為ULES11、ULES15、ULES13、ULES08、ULES04、ULES07和ULES01等8個(gè)項(xiàng)目)的迭代分析，發(fā)現(xiàn)保留9個(gè)項(xiàng)目的學(xué)習(xí)投入量表，基本成1個(gè)連續(xù)體，與被試的平均能力分布相一致，可以有效地測量高中生的學(xué)習(xí)投入水平，這表明了9個(gè)項(xiàng)目的學(xué)習(xí)投入量表有著良好的效度。不過相對不足的是，在ULES10和ULES16之間、ULES17和ULES02之間、以及ULES02和ULES06之間均存在一個(gè)小間隔(gap)，表明這部分能力的被試缺乏相應(yīng)的項(xiàng)目測量，在以后量表的完善中，可考慮從此著手。

修訂后的學(xué)習(xí)投入量表的內(nèi)部一致性α系數(shù)為0.865 4(0.857 0，0.873 4)，項(xiàng)目信度為1.00，項(xiàng)目分離指數(shù)為21.09，被試信度為0.92，被試分離指數(shù)為3.30，各項(xiàng)目的Infit和Outfit均在0.4～1.6之間。保留9個(gè)項(xiàng)目的學(xué)習(xí)投入量表各方面的測量學(xué)指標(biāo)均已達(dá)標(biāo)，是測量高中生學(xué)習(xí)投入的適宜工具。

[1] 方來壇,時(shí)勘,張風(fēng)華.中文版學(xué)習(xí)投入量表的信效度研究[J].中國臨床心理學(xué)雜志,2008,16(6):618-620.

[2] SCHAUFELI W B,SALANOVA M,GONZáLEZ-ROMá V,et al.The measurement of engagement and burnout:A two sample confirmatory factor analytic approach[J].Journal of Happiness Studies,2002,3(1):71-92.

[3] SCHAUFELI W B,MARTíNEZ I M,PINTO A M,et al.Burnout and engagement in university students:A cross-national study[J].Journal of Cross-cultural Psychology,2002,33(5):464-481.

[4] 沈永江,姜冬梅,石雷山.初中生自我效能對學(xué)習(xí)投入影響的多層分析研究[J].中國臨床心理學(xué)雜志,2014,22(2):334-336.

[5] 石雷山,陳英敏,侯秀,等.家庭社會經(jīng)濟(jì)地位與學(xué)習(xí)投入的關(guān)系:學(xué)業(yè)自我效能的中介作用[J].心理發(fā)展與教育,2013,29(1):71-78.

[6] 徐大真,肖艷雙.高職生自我決定動機(jī)與學(xué)習(xí)投入的關(guān)系研究[J].職業(yè)技術(shù)教育,2013,34(22):69-73.

[7] 高丙成.大學(xué)生學(xué)習(xí)倦怠的類型及其對學(xué)習(xí)的影響[J].中國特殊教育,2013,20(12):84-89.

[8] BOONE W J,STAVER J R,YALE M S.Rasch analysis in the human sciences[M].New York:Springer,2014.

[9] HORN J L.A rationale and test for the number of factors in factor analysis[J].Psychometrika,1965,30(2):179-185.

[10]VELICER W F.Determining the number of components from the matrix of partial correlations[J].Psychometrika,1976,41(3):321-327.

[12]LINACRE J M.A user's guide to Winsteps/Ministep Rasch-model computer programs[M].Chicago,IL:Winsteps,2013.

[13]BOND T G,FOX C M.Applying the Rasch model: Fundamental measurement in the human sciences(3ed)[M].New York:Routledge,2015.

[14]SMITH JR EV.Understanding Rasch measurement:Detecting and evaluating the impact of multidimenstionality using item fit statistics and principal component analysis of residuals[J].Journal of Applied Measurement,2002,3(2):205-231.

[15]WRIGHT B D,MASTERS G N.Rating scale analysis:Rasch measurement[M].Chicago:MESA Press,1982.

Psychometric properties of the Utrecht learning engagement scale in high students: Based on the Rasch model

CHEN Wei

(School of Educational Science, Guizhou Normal University, Guiyang, Guizhou 550001,China)

In this article we explored the psychometric properties of the Utrecht leaning engagement(ULES-17) for high school students. 2 400 students were surveyed with ULES-17, and we analyzed the data by using item analysis, exploratory factor analysis, parallel analysis, minimum average partial correlation, rating scale model. The results showed that the ULES-17 was unidimensional structure; the infit and outfit of each item was 0.4 to 1.6 in new scale. The item and person reliability was separately 1.00 and 0.92.The reliability and validity were excellent for the new scale.

learning engagement;reliability;validity; Rasch model; rating scale model

1004—5570(2016)05-0110-05

2016-05-30

貴州省科學(xué)技術(shù)廳、貴州師范大學(xué)聯(lián)合科技基金資金(黔科合LH字[2014]7069號)

陳 維(1984-),男,博士,研究方向:心理統(tǒng)計(jì)與測量,E-mail:chenweihb@yeah.net18655572520.

B841

A