Determinants of Psychology Students’ Study Satisfaction
TL;DR 精炼摘要
本研究探讨了心理学学生学习满意度的决定因素,采用人-环境契合理论,分析了自我效能和信息水平对学习满意度的影响以及其与坚持性的中介关系。通过对854名新生的纵向调查发现,其中学习相关特征显著预测满意度,而GPA和数学技能的直接影响有限。
摘要
Understanding characteristics that contribute to psychology students’ academic success is important to better support them during their studies. Referring to person–environment fit theory, we examined effects of study-relevant characteristics (self-efficacy beliefs, self-assessed level of information about the study program) on subjective criteria of success (persistence with the choice of study subject, later study satisfaction) and controlled for effects of grade point average (GPA) and mathematical skills. We present a longitudinal survey study including five cohorts of first-year students (total N = 854). Mediation models (N = 254) revealed that self-efficacy and level of information at study entry predicted students’ persistence at the end of the first semester, which predicted satisfaction at the end of the second semester. In the presumed overall model we found total effects of self-efficacy and level of information, with direct and indirect effects (via persistence) on satisfaction, and no total or direct effects of GPA and mathematical skills, but an indirect effect of GPA on satisfaction. Thus, psychology students’ satisfaction substantially depends on study-relevant characteristics and less on skills. An enhancement of students’ self-efficacy beliefs and comprehensive information for those who are interested in the subject might help to increase satisfaction and thus success.
思维导图
论文精读
中文精读
1. 论文基本信息
1.1. 标题
Determinants of Psychology Students’ Study Satisfaction (心理学学生学习满意度的决定因素)
1.2. 作者
- Sarah Bebermeier (德国比勒费尔德大学心理学系)
- Kim L. Austerschmidt (德国比勒费尔德大学心理学系)
- Fridtjof W. Nussbeck (德国康斯坦茨大学心理学系)
1.3. 发表期刊/会议
- 发表时间: 2021年2月25日
- 期刊信息: 文章引用格式暗示其发表于心理学教育或高等教育相关期刊(如 Psychology Learning & Teaching 或 SAGE Open),属于实证类教育心理学研究。
1.4. 摘要
本研究旨在探讨影响心理学专业学生学业成功的特征,以便更好地支持他们的学习。基于人-环境契合理论 (Person–Environment Fit Theory),研究者考察了学习相关特征(自我效能信念、对学习项目的知情程度)对主观成功标准(专业选择的坚持性、后期的学习满意度)的影响,并控制了平均绩点 (GPA) 和数学技能的影响。 通过对5个队列的一年级学生(总样本 )进行的纵向调查研究,中介模型()显示:入学时的自我效能感和知情程度预测了第一学期末的坚持性,进而预测了第二学期末的满意度。结果表明,心理学学生的满意度主要取决于学习相关特征,而非技能(GPA和数学能力)。
1.5. 原文链接
-
链接: 点击此处查看 PDF
-
状态: 已正式发表。
2. 整体概括
2.1. 研究背景与动机
- 核心问题: 在高等教育研究中,学业成功通常被视为多维概念,包含客观标准(如成绩、GPA、学习时长)和主观标准(如坚持性、满意度)。然而,针对心理学专业,现有研究多集中于客观成绩的预测,对主观学习满意度的决定因素研究较少。
- 现有挑战: 心理学专业具有特殊的学科要求(如大量的统计学和方法论课程),这往往让许多新生感到意外和不适应。虽然已知数学技能能预测统计学成绩,但技能(Skills)与个人特征(Characteristics,如态度、信念)哪一个对学习满意度更重要,尚不明确。
- 研究切入点: 论文引入人-环境契合理论,区分了“能力/技能”(GPA、数学技能)与“学习相关特征”(自我效能感、信息水平),并通过纵向设计(跨越两个学期)来探究它们如何通过“坚持性”这一中介变量影响最终的学习满意度。
2.2. 核心贡献
-
模型创新: 提出了一个综合模型,同时考察认知能力(GPA、数学)和非认知特征(自我效能、信息掌握)对主观学业成功的影响。
-
纵向验证: 通过三个时间点的追踪数据,验证了因果链条:。
-
关键发现: 发现心理学学生的学习满意度主要由非认知特征(自我效能感、对专业的了解程度)决定,而入学时的数学技能和GPA对满意度几乎没有直接影响。这为改进新生入学教育和支持系统提供了实证依据。
3. 预备知识与相关工作
3.1. 基础概念
为了理解本论文,初学者需要掌握以下核心概念:
-
人-环境契合理论 (Person-Environment Fit Theory, P-E Fit): 这是一个心理学框架,认为当个人的特征(如能力、需求、价值观)与环境的特征(如工作要求、供给、文化)相匹配时,会产生积极的结果(如满意度、绩效、低流失率)。在本文中,它指学生的能力/态度与心理学专业的要求相匹配。
-
自我效能感 (Self-Efficacy Beliefs): 由著名心理学家班杜拉提出,指个体对自己是否有能力完成特定任务或达成目标的信念。高自我效能感的学生相信自己能克服困难,通常表现出更高的坚持性。
-
坚持性 (Persistence): 在本文语境下,特指学生对“选择该专业是正确的”这一信念的坚定程度(Confidence with the choice of study subject),它是连接入学特征和最终满意度的桥梁。
-
中介效应 (Mediation Effect): 如果变量 通过变量 影响变量 ,则 被称为中介变量。
- 直接效应 (Direct Effect): 直接影响 。
- 间接效应 (Indirect Effect): 先影响 ,再由 影响 。 本文的核心假设是:自我效能感(X)通过提高坚持性(M),最终提升学习满意度(Y)。
3.2. 前人工作与技术演进
-
客观成功的预测: 大量前人研究(如 Busato et al., 2000; Steyer et al., 2005)证实,数学技能和高中GPA是心理学专业学生客观成绩(特别是统计学考试)的强力预测因子。
-
主观成功的预测: 研究表明,自我效能感与学习成绩和坚持性呈正相关(Robbins et al., 2004)。对学习项目的知情程度 (Level of Information) 也被证明与学习满意度相关(Bebermeier & Nussbeck, 2016),因为知情的学生有更现实的期望。
-
差异化分析: 本文的区别在于,它不再单纯关注“能不能考高分”(客观成功),而是关注“学得开不开心/满不满意”(主观成功)。它将传统的预测指标(技能)与心理特征放在同一个模型中进行比较,揭示了决定“成绩”和“满意度”的因素可能是完全不同的两组变量。
4. 方法论
4.1. 研究设计概览
本研究采用了纵向调查设计 (Longitudinal Survey Design),在三个不同的时间点收集数据,以建立变量及之间的时间先后和因果关系。
-
T1 (入学初): 测量自变量(GPA、数学技能、自我效能感、信息水平)。
-
T2 (第一学期末): 测量中介变量(坚持性)。
-
T3 (第二学期末): 测量因变量(学习满意度)。
下图展示了作者提出的理论模型,假设各变量之间存在直接和间接的路径关系:
该图像是示意图,展示了GPA、数学技能、自我效能信念和信息水平对学业持久性和学习满意度的影响关系。箭头表示直接和间接影响,学业持久性最终影响学习满意度。
Figure 1. Proposed Model. 该图展示了假设的因果路径:左侧的四个预测变量(GPA, Mathematical Skills, Self-Efficacy, Level of Information)被假设通过中间的“Persistence”(坚持性)影响右侧的“Satisfaction”(满意度)。同时,模型也允许预测变量直接影响满意度。
4.2. 核心方法详解:路径分析与中介模型
研究使用路径分析 (Path Analysis) 来验证假设模型。这是一个统计技术,用于检验变量之间复杂的直接和间接关系。具体流程如下:
步骤 1: 变量测量与标准化
首先,收集所有变量的数据。为了比较不同量纲变量的影响(例如 GPA 是 1.0-4.0,数学技能是 0-21),分析中通常会关注标准化系数。
步骤 2: 设定中介模型方程
对于每一个预测变量(例如自我效能感,记为 ),研究者建立中介模型来分析其对满意度(记为 )的影响,其中坚持性(记为 )作为中介。
数学关系可以描述为以下两个方程:
- 路径 a (X M): 预测变量影响中介变量。
- 路径 b 和 c' (M Y 和 X Y): 中介变量和预测变量共同影响因变量。
- 符号解释:
- : 对 的回归系数。
- : 对 的回归系数(控制 后)。
- : 对 的直接效应 (Direct Effect)。
- : 误差项。
步骤 3: 计算间接效应与总效应
研究的核心是验证是否存在间接效应 (Indirect Effect),即 是否通过 影响 。
-
间接效应计算公式: 这表示 每增加一个单位,通过改变 ,最终导致 改变的量。
-
总效应 (Total Effect) 计算公式: 总效应等于直接效应加上间接效应。
-
检验方法: 作者使用了 Bootstrapping (自举法) 来检验间接效应 的显著性。这是一种非参数统计方法,通过从原始数据中重复有放回地抽取样本(本研究重复了 10,000 次),构建间接效应的置信区间 (Confidence Interval, CI)。如果 95% CI 不包含 0,则认为中介效应显著。
步骤 4: 全模型路径分析
最后,作者将所有四个预测变量(GPA、数学、自我效能、信息水平)同时放入一个结构方程模型 (SEM) 中(如图 1 所示),同时控制它们之间的相关性,以分离出每个变量独特的贡献。这能回答:“在控制了客观技能(GPA/数学)后,主观特征(自我效能)是否依然重要?”
5. 实验设置
5.1. 数据集
- 来源: 德国某大学 2013-2017 年连续五届心理学专业一年级新生。
- 样本量:
- 初始样本总数: 。
- 完整参与所有三次调查的样本(Completers): 。
- 注意: 这是一个典型的纵向研究流失率,作者在文中对比了完成者与未完成者,发现完成者更年轻、GPA更好、数学更好,但在自我效能和满意度上无显著差异。
- 数据特点: 真实环境下的学生数据,具有较高的生态效度。
5.2. 评估指标 (Measures)
1. 平均绩点 (Grade Point Average, GPA)
- 概念定义: 学生高中毕业考试成绩。
- 度量方式: 德国评分系统,范围 1.0(最佳)到 4.0(最差)。
- 注意: 在解释相关性时需注意,数值越小代表成绩越好(负相关代表正向的成绩关系)。
2. 数学技能 (Mathematical Skills)
- 概念定义: 评估学生进入大学前的基础数学能力。
- 度量方式: 21 个多项选择题,涵盖代数、分数计算、百分比、概率计算及图表解读。
- 公式: 得分为答对题目的总数。
- 符号解释: 是指示函数,答对为1,否则为0。
3. 自我效能信念 (Self-efficacy beliefs)
- 概念定义: 一般性的自我效能感,即对自己解决问题能力的自信。
- 度量方式: Schwarzer & Jerusalem (1999) 量表,10 个条目,1-6 分评分。
- 示例: “我能为每一个问题找到解决办法。”
4. 信息水平 (Level of information)
- 概念定义: 学生自评对心理学专业课程设置、要求和条件的了解程度。
- 度量方式: 4 个条目,1-6 分评分。
5. 坚持性 (Persistence) - 中介变量
- 概念定义: 学生对选择心理学专业这一决定的信心和坚定程度。
- 度量方式: 单一条目测量:“你对学习心理学是正确的选择有多大信心?”(1=完全不确定,6=非常确定)。
6. 学习满意度 (Study Satisfaction) - 因变量
- 概念定义: 学生对学习内容、条件及应对负担的综合满意度。
- 度量方式: Westermann et al. (1996) 量表,包含三个子维度(内容满意度、条件不满意度、负担应对不满意度),后两者反向计分后求平均,形成总体满意度。
5.3. 对比基线
研究没有设置传统的机器学习“基线模型”,而是通过比较不同预测变量组的解释力来作为对比:
- 组 1 (技能组): GPA + 数学技能。
- 组 2 (特征组): 自我效能感 + 信息水平。 研究旨在验证组 2 是否在组 1 之外对满意度有增量预测作用。
6. 实验结果与分析
6.1. 描述性统计与相关性
首先,作者检查了各变量之间的相关性。
以下是原文 Table 2 的结果,展示了变量间的零阶相关系数 (Zero-Order Correlations):
| Variables | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| 1. Age | |||||||
| 2. GPA | .462** | ||||||
| 3. MS (Math Skills) | -.249** | -.312** | |||||
| 4. SEB (Self-Efficacy) | .077* | .039 | .146** | ||||
| 5. INF (Info Level) | -.135* | -.100* | .168** | .179** | |||
| 6. PER (Persistence) | .130** | .132** | .041 | .222** | .178** | ||
| 7. SAT (Satisfaction) | -.053 | -.005 | .103 | .355** | .262** | .406** |
注: GPA数值越低成绩越好。因此 GPA 与 Math Skills 的负相关 (-.312) 表示 GPA 越好,数学越好。
分析:
- SAT (满意度) 与 SEB (自我效能) () 和 INF (信息水平) () 显著正相关。
- SAT (满意度) 与 GPA (-.005) 和 MS (数学) (.103) 的相关性非常弱甚至不显著。
- 这初步支持了假设:技能与满意度的关系不如个人特征与满意度的关系密切。
6.2. 核心结果:全模型路径分析
作者使用路径分析检验了图 1 中的完整模型。下图(原文 Figure 2)展示了最终模型的路径系数结果:
该图像是一个示意图,展示了心理学学生学习满意度的影响因素。图中包括四个主要变量:GPA、数学技能、自我效能信念和信息水平,均指向“坚持性”这一中介变量,而坚持性又对学习满意度产生影响。箭头旁的数字表示不同变量之间的直接效应和间接效应。整体模型表明,学习满意度主要受自我效能信念和信息水平的影响,而GPA和数学技能的直接影响较小。
Figure 2. Path Analysis Results. 箭头上的数字表示标准化回归系数 ()。实线表示显著路径,虚线表示不显著路径。可以看出,Self-Efficacy 和 Level of Information 均有指向 Persistence 的显著路径,且 Persistence 强力指向 Satisfaction。相反,Math Skills 对 Persistence 或 Satisfaction 均无显著路径。
以下是原文 Table 3 的详细统计结果,展示了直接效应、间接效应和总效应:
| IV (自变量) | DV (因变量) | β (标准化系数) | SE (β) | p (显著性) | 95% CI (置信区间) |
|---|---|---|---|---|---|
| Direct effects (直接效应) | |||||
| PER (坚持性) | SAT (满意度) | .314 | .062 | <.001 | [.194, .435] |
| GPA | SAT | -.066 | .064 | .304 | [-.193, .060] |
| MS (数学) | SAT | -.079 | .055 | .146 | [-.187, .028] |
| SEB (效能感) | SAT | .240 | .061 | <.001 | [.120, .361] |
| INF (信息) | SAT | .126 | .059 | .034 | [.010, .242] |
| Indirect effects (间接效应 via Persistence) | |||||
| GPA -> PER -> | SAT | .048 | .018 | .008 | [.012, .083] |
| MS -> PER -> | SAT | .008 | .016 | .620 | [-.024, .040] |
| SEB -> PER -> | SAT | .056 | .019 | .003 | [.018, .094] |
| INF -> PER -> | SAT | .047 | .019 | .013 | [.010, .084] |
| Total effects (总效应) | |||||
| GPA | SAT | -.018 | .065 | .777 | [-.146, .109] |
| MS | SAT | -.071 | .056 | .204 | [-.182, .040] |
| SEB | SAT | .296 | .060 | <.001 | [.178, .414] |
| INF | SAT | .173 | .061 | .005 | [.052, .293] |
核心结果分析:
-
学习相关特征的主导作用:
- 自我效能感 (SEB) 对满意度有最强的总效应 (),既有直接效应,也有通过坚持性的间接效应。
- 信息水平 (INF) 同样有显著的总效应 ()。
- 这验证了假设:认为自己能行(效能感)且知道自己要学什么(信息水平)的学生,更可能坚持下来并感到满意。
-
技能因素的弱相关性:
- 数学技能 (MS): 对满意度没有直接效应,也没有间接效应,总效应不显著。这意味着,数学好不好并不直接决定学生学得“开不开心”。
- GPA: 虽然对满意度没有直接或总效应,但有一个微弱但显著的间接效应 ()。这意味着 GPA 较好的学生在第一学期末可能稍有更高的坚持性,进而微弱地提升满意度。
-
坚持性的中介作用:
-
模型解释了满意度约 22.9% 的方差,证明了将“坚持性”作为中介变量的有效性。
-
7. 总结与思考
7.1. 结论总结
本研究有力地证明了,对于心理学专业的新生而言,学习满意度(主观成功) 更多地取决于自我效能感和对专业的知情程度,而不是入学时的数学技能或GPA。
- 路径机制: 高自我效能感和充分的专业信息 增强专业选择的坚持性/信心 提升学习满意度。
- 启示: 技能(如数学)可能决定了你能否通过统计学考试(客观成功),但决定你能否在心理学专业中感到满足和快乐的,是你对自己能力的信念和对专业现实的了解。
7.2. 局限性与未来工作
作者坦诚地指出了以下局限性:
- 样本流失与自我选择偏差: 只有 254/854 名学生完成了所有调查。完成者通常 GPA 更好。这意味着研究结果可能无法完全推广到那些学业表现较差或已辍学的学生群体(这部分人可能正是最不满意、最不坚持的)。
- 单一测量指标: “坚持性”仅通过一个问题进行测量(单一条目),这可能降低了测量的信度和效度。
- 自我报告法: 所有数据均基于学生自评,可能存在共同方法偏差(Method Bias),人为夸大了变量间的相关性。
- 未来方向: 建议未来研究结合客观成绩(如考试分数)和主观满意度,并特别关注那些中途退出的学生群体。
7.3. 个人启发与批判
- 教育启示: 这篇论文对大学教育管理者有重要启示。如果目标是提高学生的留存率和满意度,仅仅提供数学补习班(针对技能)是不够的。学校更需要提供信息透明化(如入学前的专业介绍、现实预览)和心理支持(提升自我效能感的研讨会)。让学生“知道要学什么”和“相信自己能学好”,比单纯“数学好”更能带来学习的快乐。
- 批判性思考:
- 虽然数学技能不影响满意度,但这不代表它不重要。如果学生数学差导致挂科(客观失败),最终还是会因被迫退学而产生极低的满意度。本研究的样本主要是“存活下来”的学生(Completers),这可能掩盖了技能不足导致的早期淘汰问题(幸存者偏差)。
- 模型解释了 22.9% 的方差,说明还有近 80% 的满意度差异由未测量的因素决定(如社交融入、教学质量、兴趣匹配度等),这值得进一步探索。
相似论文推荐
基于向量语义检索推荐的相关论文。