學習評價對大學生創(chuàng)造力作用機制的實證研究

彭凱 李智 吳莉霞

摘 ? ?要：基于大樣本數(shù)據(jù)的多元回歸分析發(fā)現(xiàn)：深度學習策略應(yīng)用在發(fā)展性和考核性兩類評價對大學生創(chuàng)造力的積

極影響中具有顯著的中介作用，尤其在考核性評價情境下，深度學習策略應(yīng)用的中介作用更強;此外，學科專業(yè)（理工科/文科）因素對深度學習策略應(yīng)用的中介作用存在調(diào)節(jié)效應(yīng)，對于理工科學生而言，深度學習策略應(yīng)用的中介作用更為突出。

關(guān)鍵詞：學習評價;創(chuàng)造力;深度學習策略;大學生

中圖分類號：G642 ? ? ?文獻標識碼：A ? ? ?文章編號：1002-4107（2022）05-0087-03

創(chuàng)造力也稱創(chuàng)新能力，是個體通過對信息和知識的重新組合與匹配，產(chǎn)生新穎且有價值想法的能力[1]。學習評價是教學過程中的重要環(huán)節(jié)。過往研究主要從學生創(chuàng)新動機激發(fā)角度來開展研究，忽視了學生學習策略的改進。文章基于深度學習理論，通過實證方法揭示學習評價對大學生創(chuàng)造力的作用路徑，對不同學習評價方式的差異作用及學科專業(yè)的調(diào)節(jié)影響展開討論。

一、研究假設(shè)提出

深度學習策略是學習者為達成深度學習目標，在學習活動中所采用的規(guī)則、方法、技巧、調(diào)控方式等[2]。何玲和黎加厚指出，深度學習策略表現(xiàn)為：在理解基礎(chǔ)上，學習者批判性地學習新思想和新知識，將它們與原有認知結(jié)構(gòu)相融合，將眾多思想相互關(guān)聯(lián)，將已有知識遷移到新的情境中，做出決策并解決問題[3]。此外，還有學者將深度學習策略歸納為認知層面的重組策略、問題策略、拓展策略等共八方面[4]。深度學習策略應(yīng)用與大學生創(chuàng)造力有著密切聯(lián)系。首先，深度學習策略應(yīng)用能夠增加大學生的知識掌握程度，實現(xiàn)知識結(jié)構(gòu)持續(xù)完善，為創(chuàng)造力發(fā)揮提供扎實的知識基礎(chǔ)。其次，深度學習策略強調(diào)大學生在知識整合過程中應(yīng)用批判性思維，這有益于大學生提升認識問題的全面性和深入性。最后，深度學習策略的應(yīng)用有助于提升大學生知識遷移能力，使其能夠?qū)⒒局R和多樣性情景聯(lián)系起來，使知識更具靈活性與創(chuàng)造性。

在大學生創(chuàng)造力的培養(yǎng)過程中，學科差異是一個不容忽視的影響因素。文科通常被認為是弱范式純學科，其受社會經(jīng)濟環(huán)境變化的影響大，大學生培養(yǎng)定位相對寬泛，教學目標也相對模糊。而理科、工科則屬于強范式學科，其學科規(guī)范性、評分標準的客觀性更強。因此，對于評價標準相對清晰、規(guī)范的理工科學生而言，其通過發(fā)展性評價和考核性評價獲得的學習方向和建議指導會更為明確，在深度學習策略方面的提升會更加顯著。

基于上述理論分析，文章從深度學習策略視角，初步構(gòu)建了學習評價方式對大學生創(chuàng)造力的作用機制模型，該模型包含以下假設(shè)（見表1）。

二、數(shù)據(jù)收集與變量測量

（一）數(shù)據(jù)收集及測量工具

本研究采用問卷調(diào)查方式獲取數(shù)據(jù)。調(diào)查對象為多所高校的在校本科生。共計發(fā)放問卷288份，最終獲得有效問卷216份，問卷有效率為89.6%。

發(fā)展性和考核性學習評價的測量主要參考Cleveland和張治勇等人的研究[5-6]。深度學習策略應(yīng)用則參考了李玉斌等人的量表[2]。大學生創(chuàng)造力（創(chuàng)新能力）的測量主要參考申靜潔及張秀娥等人的研究[7-8]。此外，問卷還包含學科專業(yè)（理工科/文科）、性別（男/女）、所在年級等題項。文章對名義變量數(shù)據(jù)進行了啞變量化處理。

（二）測量工具的信效度檢驗

問卷中各潛變量的Cronbach α值均高于0.7。同時，所有“項已刪除Cronbach α值”均小于刪除前的信度系數(shù)。KMO和Bartlett球形檢驗結(jié)果表明，潛變量KMO值均大于0.6，且Sig顯著，各個觀測變量的標準化因子負荷大于標準值0.5，組合信度（CR）大于0.8，平均方差提取值（AVE）大于0.5。見表2。

三、數(shù)據(jù)分析與結(jié)果

（一）區(qū)分效度檢驗

本研究通過AMOS軟件對數(shù)據(jù)進行驗證性因子分析，以檢驗因素的區(qū)分效度。表3數(shù)據(jù)顯示模型擬合良好。進一步比較還發(fā)現(xiàn)，四個因子模型顯著優(yōu)于其他模型。

（二）共同方法偏差檢驗及相關(guān)性統(tǒng)計分析

本研究在調(diào)查過程中通過隨機編排問卷及告知調(diào)查數(shù)據(jù)的保密性和匿名性來控制潛在的同源方差。此外，還對數(shù)據(jù)進行探索性因子分析，結(jié)果顯示主成分因子分析共提取出四個因子，第一個因子解釋的變異量為32.12%，低于40%，可見共同方法偏差問題不嚴重。

Pearson 相關(guān)性分析結(jié)果為變量間的關(guān)系假設(shè)驗證提供了初步證據(jù)。見表4.

（三）發(fā)展性評價、深度學習策略應(yīng)用與大學生創(chuàng)造力關(guān)系的層次回歸分析

文章采用層次回歸分析法對研究假設(shè)進行檢驗，大學生性別和所在年級作為控制變量被納入回歸方程中。此外，為消除多重共線性，文章對所有變量進行中心化處理并構(gòu)造了中介變量深度學習策略應(yīng)用與調(diào)節(jié)變量學科專業(yè)的交互項。

表5模型A1顯示，發(fā)展性評價對于大學生深度學習策略應(yīng)用具有顯著正向影響，假設(shè)H1a得到驗證。模型A2顯示，深度學習策略應(yīng)用對大學生創(chuàng)造力有顯著正向影響，假設(shè)H2得到驗證。模型A3顯示，發(fā)展性評價對于大學生創(chuàng)造力有顯著正向影響，假設(shè)H3a得到驗證。模型A4將發(fā)展性評價和深度學習策略應(yīng)用一并放入回歸模型中，結(jié)果顯示深度學習策略應(yīng)用對大學生創(chuàng)造力作用仍然顯著，而發(fā)展性評價對大學生創(chuàng)造力作用同樣顯著。相比模型A3，A4模型中發(fā)展性評價的作用值下降，同時作用顯著性也明顯降低，假設(shè)H4a得到驗證。

為進一步檢驗學科專業(yè)（理工科/文科）是否調(diào)節(jié)了深度學習策略應(yīng)用的中介作用，文章采用了溫忠麟等人提出的方法[9]：第一步做因變量對自變量和調(diào)節(jié)變量的回歸（模型A5）;第二步做中介變量對自變量和調(diào)節(jié)變量的回歸（模型A6）;第三步做因變量對自變量、調(diào)節(jié)變量和中介變量的回歸（模型A7）;第四步做因變量對自變量、調(diào)節(jié)變量、中介變量、調(diào)節(jié)變量與中介變量的交互項的回歸（模型A8）。在上述方法中，若前兩步中自變量系數(shù)顯著，第三步中介變量系數(shù)顯著，第四步交互項系數(shù)顯著，則有調(diào)節(jié)的中介效應(yīng)檢驗成立。結(jié)合模型A5、A6、A7、A8來看，在前兩步中自變量發(fā)展性評價的系數(shù)均顯著;在第三步中，中介變量深度學習策略的系數(shù)亦顯著;在第四步中，中介變量深度學習策略與調(diào)節(jié)變量學科專業(yè)的交互項同樣顯著。假設(shè)H5a得到驗證。

（四）考核性評價、深度學習策略應(yīng)用

與大學生創(chuàng)造力關(guān)系的層次回歸分析

文章將大學生性別和所在年級作為控制變量納入回歸方程中，并對所有變量進行中心化處理，同時構(gòu)造中介變量深度學習策略應(yīng)用與調(diào)節(jié)變量學科專業(yè)的交互項，以克服多重共線性影響。

表6模型B1顯示，考核性評價對大學生深度學習策略應(yīng)用具有顯著正向影響，假設(shè)H1b得到驗證。模型B2顯示，深度學習策略應(yīng)用對大學生創(chuàng)造力有顯著正向影響，假設(shè)H2得到驗證。模型B3顯示，考核性評價對大學生創(chuàng)造力有顯著正向影響，假設(shè)H3b得到驗證。模型B4將考核性評價和深度學習策略應(yīng)用一并放入回歸模型中，顯示深度學習策略應(yīng)用對大學生創(chuàng)造力作用顯著，考核性評價對大學生創(chuàng)造力作用同樣顯著。相比模型B3，B4模型中考核性評價的作用值下降，同時作用的顯著性也明顯降低，假設(shè)H4b得到驗證。

為進一步檢驗學科專業(yè)（理工科/文科）是否調(diào)節(jié)了深度學習策略應(yīng)用的中介作用，本部分采用與上文相同的四步法。結(jié)合模型B5、B6、B7和B8的數(shù)據(jù)，假設(shè)H5b得到驗證。

四、研究結(jié)論與后續(xù)研究方向

實證結(jié)果顯示，學習評價中的發(fā)展性評價和考核性評價對于大學生的深度學習策略應(yīng)用都有顯著促進，而發(fā)展性評價比考核性評價作用更大。這源于前者關(guān)注大學生個性化發(fā)展和主動性評價，為大學生提供了更多的具體策略及心理支持。此外，深度學習策略應(yīng)用能夠增強大學生創(chuàng)造力，學習評價的兩種類型均主要通過深度學習策略應(yīng)用的中介來提升大學生創(chuàng)造力。比較而言，深度學習策略應(yīng)用在考核性評價與大學生創(chuàng)造力間的中介作用比深度學習策略應(yīng)用在發(fā)展性評價與大學生創(chuàng)造力間的中介作用更強。數(shù)據(jù)還表明，學科專業(yè)（理工科/文科）對于深度策略應(yīng)用的中介作用具有調(diào)節(jié)效果。對于理工科而言，深度學習策略應(yīng)用在發(fā)展性評價與大學生創(chuàng)造力間的中介作用和考核性評價與大學生創(chuàng)造力間的中介作用中都較為明顯。

受條件限制，文章亦存在一些局限。后續(xù)研究可進一步分析發(fā)展性評價的不同工具對大學生深度學習策略應(yīng)用的影響，并比較不同（專業(yè)）知識情景下深度學習策略的形式差異，以充分發(fā)揮深度學習策略應(yīng)用對大學生創(chuàng)造力的促進作用。

參考文獻：

[1] ?BIRAGLIA A， KADILE V. The Role ? ? ? ? ?of Entrepreneurial Passion and Creati-

vity in Developing Entrepreneurial

Intentions： Insights from American

Homebrewers[DB/OL].（2016-05-

17）[2021-03-30]. https：//dx.doi.

org/10.1111/jsbm.12242.

[2] ?李玉斌，蘇丹蕊，李秋雨，等.面向混合學習環(huán)境的大學生深度學習量表編制[J].電化教育研究，2018，39（12）：96.

[3] ?何玲，黎加厚.促進學生深度學習[J].現(xiàn)代教學（計算機教與學），2005（5）：29.

[4] ?穆肅，王孝金.參與和投入而非膚淺和簡單——在線學習中的深層次學?習[J].中國遠程教育，2019（2）：19.

[5] ?CLEVELAND J N， MURPHY K

R， WILLIAMS R E. Multiple Uses of

Performance Appraisal： Prevalence and

Correlates[J]. Journal of Applied Psy-

chology，1989，74（1）：135.

[6] ?張治勇，李國慶.學習性評價：深度學習的有效路徑[J].現(xiàn)代遠距離教育，2013（1）：33.

[7] ?申靜潔，趙呈領(lǐng)，周鳳伶.創(chuàng)客教育課程中學生創(chuàng)新能力評價研究[J].現(xiàn)代教育技術(shù)，2018，28（10）：122.

[8] ?張秀娥，張坤.創(chuàng)造力與創(chuàng)業(yè)意愿的關(guān)系：一個有調(diào)節(jié)的中介效應(yīng)模型[J].外國經(jīng)濟與管理，2018，40（3）：71.

[9] ?溫忠麟，張雷，侯杰泰.有中介的調(diào)節(jié)變量和有調(diào)節(jié)的中介變量[J].心理學報，2006（3）：449.

編輯∕陳晶

收稿日期：2021-04-28 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?修回日期：2021-05-21

作者簡介：彭凱（1979—），男，湖南株洲人，廣東工業(yè)大學通識教育中心講師，博士，研究方向：創(chuàng)新管理與雙創(chuàng)教育。

基金項目：教育部產(chǎn)學研協(xié)同育人項目“工科高?！畡?chuàng)新思維訓練’翻轉(zhuǎn)課堂的教學設(shè)計與效果評價研究”（教高司函〔2021〕14號）;廣東省本科高校教學質(zhì)量與教學改革工程建設(shè)項目“通識MOOC線上線下混合式課程群建設(shè)與實證研究”（粵教高函〔2020〕20號）;2016福建省教育廳中青年教師教育科研項目“教育信息化對師范生的能力要求及提升策略研究”（JAS160314）