金 鑫，田凌晖，程诗婷，廖文武
（1.复旦大学研究生院，上海 200433；
2.复旦大学高等教育研究所，上海 200433；
南京工程学院，江苏 南京 211167）
来华留学生教育是我国教育对外开放事业的重要构成。在“双一流”建设目标与“一带一路”倡议引领下，在推进教育治理体系和治理能力现代化的进程中，“双一流”建设高校如何发挥重要主体责任，推进来华留学研究生教育治理能力现代化建设，亟须学界从理论研究和实践探索中予以回应。
上海是我国最早开展来华留学教育的城市，被赋予建设“全球卓越城市”的战略定位。来华留学教育生源质量与生源结构的逐步优化对上海高校的来华留学教育和管理提出了新的需求。我们推测伴随我国国际影响力的提升，在“双一流”高校中，当来华留学研究生的生源质量得以基本保障甚至提升的新发展格局下，来华留学研究生教育所面临的问题也许已悄然发生转变，其治理路径从重点关注如何争取优质生源，逐步转向如何帮助留学生获得世界一流的学习成效。
社会民众对高等教育质量的问责催生了基于学习者视角的质量观[1]。学者们从学生学习、需求和发展的角度来解读高等教育质量[2-3]。学习理论中的院校影响因素模型，更关注学校提供的学习环境是如何直接或者间接影响学生的学习成效和成长发展的，其基础模型为奥斯汀（Astin）的“输入-环境-成效”（I-EO）模型[4]。该理论聚焦两个核心变量的影响，即“学生的学习性投入”和“高校教育环境”。前者强调学习成效的增值需要学生参与学习活动的质与量；
后者关注学生发展需要学生与高校有效环境的复杂交互作用。院校影响因素模型搭建了大学教育环境、学习性投入和学生发展之间的桥梁，成为国际高等教育质量评估、保障与管理的理论基石。
核心概念“学习成效”内涵丰富。普罗伊茨（Prøitz）[5]总结了相关学术文献，认为尽管学习成效有其明确定义但其所涉及的范围远超出已预设和可衡量的术语所能描述的范围。国内研究中学习成效被表述为“学生成长”“能力发展”“学习收获”“大学生发展”等概念。陆根书等[6]认为学生能力发展可分为认知能力和非认知能力，其中认知能力是指研究技能和核心技能，非认知技能是指自我及社会沟通技能。尽管对学习成效的评价未形成固定指标体系，但教育界普遍认可的维度基于认知和非认知两层面，由知识、技能、能力、态度和价值观构成。基于学习成效增值的评价促进高校管理者和教师持续改进教育教学，进而实现学生整体性发展诉求[7]。“学习性投入”的概念是学界对学习、大学生发展和院校影响因素研究的产物。在奥斯汀“学习涉入”的基础上，库赫（Kuh）[8]依据全美大学生学习性投入调查（NSSE）的实践经验，提出“学习性投入”概念。其内涵包括：一是学生在“有教育导向目的”的活动中所投入的时间、努力，即学生个体投入程度；
二是高校如何通过配置资源、组织课程教学、安排其他学习机会以及支持类服务，来促进学生投入到学界认可的、与学习相关的活动，即学生对支持其学习发展的院校环境的感知程度[9]。这一广义概念常服务于问责目的，但量化研究中学者倾向于使用狭义概念，即把院校环境因素剥离、把学习性投入限于学生个人层面[10]。学者们对于学习性投入的维度和测量存在不同理解，但共识是学生的学习性投入至少由参与行为和情感部分组成[11]。心理学领域中广泛认可的维度是莎菲利（Schaufeli）提出的“活力”“奉献”和“专注”三维度[12]。方来坛等[13]引入并修订了该量表，成为国内测量学习性投入的主要工具。
针对研究对象的文献回顾发现，学界对来华留学研究生教育管理的研究，集中在两条研究线路：一是在宏观层面，将来华留学教育作为一个整体，以规模、学科类别为切入点来探索教育结构的改变及其发展趋势，以此提出教育质量保障对策；
二是从微观层面，依据满意度调查或分别围绕来华留学研究生教育各环节探讨并提出举措。总的来说，关注对国家和政府提出的宏观对策较多，针对高校层面如何提高培养质量的研究较少；
关注生源质量、学习动机和奖学金政策等入口问题较多，针对培养过程的研究较少；
基于现象描述的研究较多，探究影响因素机制的研究较少[14]。同时，已有对来华留学生学习成效及其影响因素的研究不够丰富。相关研究关注了留学生在专业、语言、文化和情感体验收获，但仅限一所高校[15]；
有研究分析课堂学习环境对留学生教育收获的影响，但其研究对象是本科生而未关注科研训练过程产生的成效[16]；
或主要关注留学生语言学习中的相关变量[17]。针对政策领域的研究表明，来华留学生教育政策变迁表现出“规模扩大-质量提升-品牌打造”的发展逻辑，已有政策实施成效包括留学生层次提升，但教育质量领域的政策供给还相对不足[18]。
综上，若以促进来华留学研究生教育高质量发展为目标，精准地完善治理制度和机制，必然需要聚焦学生的培养过程和学习成效。只有基于科学的理论模型建构，并厘清各影响因素的作用机制，才能帮助管理者和政策制定者更精准地定位问题。因此，本文以“院校影响因素理论”为理论基石，从以学习者为中心理论的视角，以上海九所“双一流”高校为案例，聚焦于理论模型中三个核心变量，即大学教育环境、来华留学研究生的学习性投入、来华留学研究生的学习成效，进而回答两个科学问题：第一，如何构建来华留学研究生学习成效影响因素的分析模型，其核心变量的构成维度和指标体系如何？第二，在基于来华留学教育情境再造的“院校影响因素模型”中，影响学习成效各因素的作用机制如何？
根据文献和国际高等教育实践研究，本研究以院校影响因素模型为基本理论框架，构建初始模型。以半结构式深度访谈为手段，通过扎根理论将访谈内容编码，梳理模型的核心要素。开发设计大学教育环境量表、来华留学研究生学习性投入量表和学习成效量表。通过预调查的数据检验和因子分析，确定模型的指标体系。应用正式量表对上海九所“双一流”高校进行抽样调查。通过回归分析、结构方程模型路径分析，揭示大学教育环境、来华留学研究生的学习性投入对其学习成效各维度的影响作用机制。
（一）初始模型的构建
基于文献回顾和理论分析推导，影响因素再造模型的整体框架包括人口统计学因素（学生背景）、大学教育环境、学习性投入和学习成效四大模块。每个模块的具体内容需根据来华留学研究生的学习特点和新情景进行重构。控制变量：学生的背景变量。核心自变量：大学教育环境。该变量指向来华留学研究生所感受到的学习环境和架构在有形环境中的隐性的、与中国社会生活息息相关的跨文化校园人文环境。核心中介变量：学生学习性投入。该变量基于研究生教育过程中的主要环节构建。核心因变量：学习成效。该变量主要包括认知收获和情感收获。
核心变量的假设关系可简单表述为：大学教育环境直接影响来华留学研究生的学习成效；
大学教育环境通过影响来华留学研究生的学习性投入进而对学习成效产生间接影响；
来华留学研究生的学习性投入对学生学习成效有直接影响。各个模块之间的简明作用关系如图1所示。初始模型将通过后续的质性和量化研究予以细化和论证。
图1 来华留学研究生学习成效影响因素模型初始框架
（二）访谈实施与模型细化
首先选取2 名来华留学研究生志愿者（理科1 名、文科1 名）进行预访谈。研究者向访谈者介绍访谈目的，访谈者陈述关于访谈问题设置的看法。访谈后，研究团队围绕研究核心问题讨论并完善提纲。最终确定的访谈提纲包括三个问题：一是在华留学研究生学习生活中，你认为你的收获有哪些？二是你的学习生活情况如何？建议讲述具体的案例、遇到的困难或者你的感受。三是你对学校的教学安排、科研工作和行政服务方面有什么体会、意见或建议？
正式访谈选取了上海某综合性大学作为案例。访谈对象选取遵循目的性抽样原则，综合考虑了学生的学科、性别、培养层次和年级，请相关院系教务老师协助抽样并发送邀请函。在案例高校内先后对40 名来自全球25 个国家或地区的来华留学研究生进行了半结构式深度访谈。受访者的专业涉及管理学、教育学、经济学、理学、历史学、文学、医学、哲学、法学9 个学科门类。受访者中博士生14 人、硕士生26 人；
性别分布为男生19 人、女生21 人；
年级分布为一年级12人、二年级12 人、三年级及以上16 人。综上，受访者的特征覆盖面较好，具一定的代表性。访谈后，将访谈录音或速记稿整理为逐字稿并进行三级编码，编码后的范畴和类属如表1 所示。形成质性研究结果后，研究人员继续访谈3 名留学研究生，编码结果表明未出现新的范畴，说明访谈通过了理论饱和度检验，具有较好的信度和效度。
表1 访谈结果编码后的范畴和类属一览表
基于深度访谈获得的类属数据及国际高等教育实践研究，进一步分析归纳相关变量的指标体系。
学生的背景变量分三个部分，分别是基本的人口统计学特征变量、入学前的背景经历和在读学习背景。
来华留学情境下的大学教育环境的核心要素包括学校提供的硬件设施与行政服务、课程内容和教学安排、导师指导和科学研究训练、校园的学术和国际化氛围。每种核心要素均隐含来华留学研究生跨文化学习和生活而产生的“隐性”人文学习环境。
来华留学研究生的学习性投入的核心要素基于研究生教育过程中的主要环节及留学生的社交活动特点设计。主要维度包括在课程学习上的投入、在科研训练中的投入、社交中的互动投入以及学习时的情感投入。
来华留学研究生的学习成效的核心要素包括认知成效和情感成效。其中认知成效是指知识和技能，具体包括中国情景下的学科知识、从事科研工作必备的研究技能、适应国际化环境的可迁移性技能等。情感成效是指在人际关系、态度、价值观方面的成效，包括对中国和世界的文化认知、来自中国社会的情感支持以及自我成就感或满足感、对科学伦理和道德的理解等。
模型细化如图2示。具体的影响路径及系数需在更大样本的量化研究中验证。
图2 来华留学研究生学习成效影响因素模型的维度细化图
（三）量表设计与调查实施
第一，量表设计与预调查。根据美国的“全国大学生学习性投入调查”（NSSE）、美国加州大学的“研究型大学中的研究生学习体验调查”（gradSERU）、英国研究生科研体验调查（PRES）、英国研究生课程体验调查（PTES）、澳大利亚研究生科研体验调查、我国的“全国研究生学习体验调查问卷”（NSGE）等相关实践量表，教育部《来华留学生高等教育质量规范（试行）》，莎菲利（Schaufeli）[12]及方来坛等[13]关于学习性投入的量表和上述访谈信息编码后得到的范畴和类属，研究者进行分析归纳并编制量表。考虑到调查群体的语言背景，量表采用中英文对照的表述形式。调查问卷包括学生背景问题、大学教育环境量表、学生学习性投入量表、学生学习成效量表。首先在案例高校进行预调查，通过288个样本的数据检验，获得大学教育环境量表、学习性投入量表、学习成效量表的克朗巴哈系数（Cronbach"s α）分别是0.929、0.895、0.911；
各量表KMO值均超过0.8，巴特利特（Bartlett）球形检验的p 值均小于0.001；
因子载荷分析后去除低于0.55的4个题项，形成较好信度和效度的正式量表（量表具体题项见表2）。
表2 量表各维度及其题项
第二，正式抽样和数据检验。使用正式调查量表对上海高校的来华留学研究生进行分层抽样（将高校、年级和培养层次做分层，然后随机抽样）。研究者选取了上海留学生规模排名前9 的高校，分别是复旦大学、上海交通大学、同济大学、华东师范大学、东华大学、上海外国语大学、上海中医药大学、上海财经大学、上海大学。根据上海市2016 年来华留学统计数据，这些高校的学历留学生数占在沪学历留学生总数的78%。2017 年上海来华留学的学历研究生人数（不含交流学生）为8226 人，其中硕士生占比75.3%，博士生占比24.7%。按分层抽样方式，共发放问卷823 份，约覆盖整体对象的10%。回收问卷总计725份，回收率88.1%。表3展示了调查样本的人口统计学变量特征。
表3 正式调查样本的人口统计学特征描述统计
通过正式调查数据检验，再次验证本文研制量表的信度和效度情况。三个量表各题项提取主成分后的共同性值最小值分别是0.572、0.393、0.477，均大于0.2，说明量表的各题项共同性良好。大学教育环境量表中提取的4 个因子共解释了原有变量总方差的67.399%，学生学习性投入量表中提取的4个因子共解释了原有变量总方差的63.019%，学习成效量表中提取的2 个因子共解释了原有变量总方差的55.812%。验证性因子分析得到的因子载荷都达到了0.55 以上（旋转成分矩阵表见表4、表5、表6），再次说明本文所设计的量表具有良好的结构效度。信度检测可知上述3 个量表的总信度系数分别是0.921、0.897、0.906。分层面的信度α 值也均超过0.7，再次说明量表具较好的内部一致性。
表4 大学教育环境感知度量表的旋转成分矩阵
表5 学习性投入量表的旋转成分矩阵
表6 学习成效量表的旋转成分矩阵
（四）数据分析
首先，通过多元线性回归分析初步探索影响因素模型中的变量关系，包括将大学教育环境作为自变量，学习性投入的各潜变量作为因变量进行多元线性回归；
将大学教育环境作为自变量，学习成效的各潜变量作为因变量进行多元线性回归；
将学习性投入作为自变量，学习成效的各潜变量作为因变量进行多元线性回归。之后将学习成效的各潜变量分别作为因变量，学生背景变量、大学教育环境、学习性投入作为自变量分层进入模型进行多元线性回归。
其次，根据回归分析的基本探索结果，将具有显著性关系的路径用结构方程模型进行拟合，确认路径系数及显著性水平，同时探索中介效应。在Amos 软件的图形窗口中绘制相关潜变量以及观测变量与潜变量的对应关系，运行获得拟合结果和路径系数。对模型进行修正，将未能通过检验的假设路径予以删除，再次建立结构方程模型。
使用Amos 软件构建的模型路径及路径系数如图3和表7所示。
图3 修正后的影响因素模型的路径作用示意图
表7 修正模型路径系数
结果显示，大学教育环境主要以学生的学习性投入为中介，对来华留学研究生的学习成效产生间接的正向预测作用；
存在少量环境变量对学习成效产生直接的正向预测作用。从局部看，变量之间的作用关系较为复杂，不同维度的教育环境是否作用以及如何作用于不同类型的学习性投入，进而对学生的学习成效产生影响的路径及效应并不一致。
具体而言，课程教学环境仅对课程学习投入和学习情感投入有直接的正向预测作用；
科研训练环境仅对科研训练投入和学习情感投入有直接的正向预测作用。服务支持维度对科研训练投入、社交实践投入、学习情感投入均有直接的正向预测作用；
校园氛围对学生的课程学习投入、社交实践投入和学习情感投入有直接的正向预测作用。除了社交投入外，学生的课程学习投入、科研训练投入、学习情感投入对学生的认知成效获得有直接的正向预测作用。学习性投入的所有维度对学生的情感成效获得有直接的正向预测作用。
使用Bootstrap 程序检验变量的中介效应（表8）。认知成效方面，学习性投入在教育环境和认知成效之间存在完全中介效应。换言之，大学教育环境对来华留学研究生认知成效的影响完全是通过作用于该群体的学习性投入而间接实现的。情感成效方面，课程教学环境既可以直接影响其情感成效获得，也能以学习性投入为中介（中介效应量为0.479）对情感成效产生间接影响。课程教学环境对情感收获的直接效应略高于间接效应。而其他环境维度对情感成效的正向作用则完全是通过作用于学生学习性投入而间接发挥作用的。
表8 各项效应分解说明（含中介效应）
首先从大学教育环境对学习成效的直接影响来看，尽管提供多元体验的校园文化氛围对其学习成效尤其是情感成效有显著正向预测作用，但来华留学研究生教育情境中的“课程教学”和“科研训练”是大学教育环境影响该群体学习成效的“核心力量”。这一实证结果支持了新时期“双一流”建设高校应聚焦在学术“软环境”而非基础设施“硬环境”的治理理念。
类似的，李在庆（Jaekyung Lee）[19]的研究考察了美国公立研究型大学中留学生的入学准备情况和学习投入，发现了一个综合的学术和社会文化支持系统能够使留学生取得学业成功。我们的研究发现课程教学环境在该群体获得认知成效和情感成效上均起到了重要作用。我们推测由于来华留学研究生群体中硕士层次的比例更高，且目前国际合作双学位项目设置的学业安排多为留学研究生在我国高校进行为期一年的课程学习，一定程度解释了为何课程教学环境的影响系数更高。类似的，文雯[16]的研究发现课程教育环境与“知识获取”“通用技能”及“自我认知”三个维度的教育收获呈现显著正相关。我们的研究结果还显示硬件服务条件的影响作用较微弱，这揭示了随着我国“双一流”高校中教学科研基础设施条件的提高，“软环境”更可能成为制约来华留学研究生教育高质量发展的因素。
第二，从学习性投入对学习成效的影响来看，来华留学研究生在科研训练中的投入能正向影响学习成效增值。特别是较其他因素而言，科研训练投入最能促进情感成效的增值。这一结果充分凸显了研究生不同于本科生的学习特点。我们推测，随着攻读博士学位的来华留学生日渐增加，来华留学研究生的“科研训练”过程和“导学关系”建设也许将成为高校促进来华留学研究生教育高质量发展的新着力点。
在访谈中，有的留学生提到了导师如同父亲或母亲一般的情感，及同师门学生对其无私的帮助。无疑这种情感支持带给留学生丰富的情感收获。苏洋[20]对来华留学博士生科研状况的研究也发现了该群体在科研中对导师有较强的心理依附性，同辈群体也给予其较大的助力。我们推测，如果来华留学研究生在科研训练的过程中积极参与，可以提高其对科研伦理的理解力。他们在科研过程遇到困难时更需要来自导师和同学的情感支持。由此可见，科研训练的过程不仅增加了来华留学研究生的认知成效，而且在情感成效方面获得了增值。
第三，从模型中核心要素的相互作用关系来看，大学教育环境发挥作用的主要路径为通过作用于学生个人的学习性投入进而间接影响学习成效增值。研究结果预示“双一流”高校应注重通过教学和科研环境提升来华留学研究生群体的学习性投入，进而促进其学术能力和可迁移性能力的提升。
赵晓阳[21]的研究发现本科生对学校环境的感知度会通过学生学习性投入的中介作用对学生发展产生间接正向影响。王纾[22]考察研究型大学中的本科生学习收获情况，发现高校有效教育环境对学习收获有直接影响，也可通过学生主导的学习性投入对其产生间接影响。本文的研究结果在来华留学研究生群体中得到了类似的验证。同时，该结果印证了高校如何促进学生的学习性投入是学习性投入研究不变的核心和宗旨，也体现了院校影响因素模型在来华留学教育情境下的适切性。
猜你喜欢双一流研究生量表网络服装虚拟体验的概念模型及其量表开发纺织科技进展(2021年5期)2021-07-22胸痹气虚证疗效评价量表探讨中国中医急症(2019年10期)2019-05-21高校“双一流”能否打破身份制财经(2016年22期)2016-08-30“双一流”需 从去行政化做起南方周末(2016-07-07)2016-07-07三种抑郁量表应用于精神分裂症后抑郁的分析中国卫生标准管理(2015年1期)2016-01-15慢性葡萄膜炎患者生存质量量表的验证中国中医眼科杂志(2015年1期)2015-12-28论研究生创新人才的培养中国法学教育研究(2014年2期)2014-10-19幸福院里出了个研究生中国火炬(2009年8期)2009-07-24军事科学院招收1995年研究生军事历史(1994年5期)1994-01-18军事科学院1993年招收20名研究生军事历史(1992年5期)1992-01-18
