網絡學習中學習者個人特征對學習投入的影響：一個有調節的中介效應模型*

雷玉菊張冬靜牛更楓胡祥恩

（1華中師范大學國家數字化學習工程技術研究中心，武漢 430079） （2青少年網絡心理與行為教育部重點實驗室，武漢 430079）（3華中師范大學心理學院，武漢 430079）

網絡學習中學習者個人特征對學習投入的影響：一個有調節的中介效應模型*

雷玉菊1,2,3張冬靜2,3牛更楓2,3胡祥恩2,3

（1華中師范大學國家數字化學習工程技術研究中心，武漢 430079） （2青少年網絡心理與行為教育部重點實驗室，武漢 430079）（3華中師范大學心理學院，武漢 430079）

以參與網絡課堂的387名大學生為被試，考察自我效能感、內隱智力信念和動機調節等學習者特征對網絡學習環境中學習投入的影響及其作用機制。結果表明： （1）網絡學習者的自我效能感、動機調節、內隱智力信念均能正向預測學習投入； （2）動機調節在自我效能感和學習投入的關系中起部分中介作用； （3） “自我效能感→動機調節→學習投入”這一中介效應的后半路徑受到學習者內隱智力信念的調節。相較于智力實體論者，動機調節的中介效應在智力增長論者中更強。

動機調節，網絡學習，自我效能感，內隱智力信念，學習投入。

1 引言

隨著信息技術在教育領域的應用，特別是網絡的普及，使學習者隨時隨地進行學習成為了可能。越來越多的研究者也開始思考教育信息技術的革新對學習效果的影響。在網絡學習領域，學習投入 （student engagement）最為研究者所關注。學習投入是學習者在學習中表現出的一種持續的、充滿積極情感的學習狀態，它以活力 （vigor）、奉獻 （dedication）和專注（absorption） 為主要特征 （Schaufeli,Salanova, González-Romá,&Bakker,2002）。在網絡學習環境中也存在這種積極的學習狀態 （Rashid&Asghar, 2016），網絡學習中的學習投入不僅可以預測網絡學習者的學業成就 （Phan,McNeil,&Robin,2016），還可以預測其網絡學習的堅持性及后續學習意愿（Henrie,Halverson,&Graham,2015;Howard,Ma,& Yang,2016;Pellas,2014;Sun&Rueda,2012）。因此，學習投入是網絡學習行為的重要指標之一 （高潔,李明軍,張文蘭,2015）。

此外，網絡學習中學習者的學習投入依賴于多種復雜因素。目前有關網絡學習的研究，主要關注信息交流技術因素的影響，對學習者個人特征的關注較少。有關學習者個人特征的研究表明學習者的自我效能感 （Bates&Khasawneh,2007）、內隱智力信念 （Greene,Costa,Robertson,Pan,&Deekens, 2010）、動機調節 （Schwinger&Stiensmeier-Pelster, 2012）等均能直接或者間接地影響學習投入，然而鮮有研究對其中的作用機制進行深入探討。本研究基于信息交流技術的期望—價值動機模型，考察學習者特征 （內隱智力信念:增長論、實體論,自我效能感和動機調節）與學習投入的關系及其作用機制，以期為建立個性化自適應網絡學習平臺提供理論支持和實證依據。

1.1 網絡學習者的自我效能感與學習投入的關系

期望—價值動機理論認為，個體的自我概念和自我相關信念在動機發展中起重要作用，是決定其成就行為選擇及后續表現的關鍵因素 （Wigfield& Eccles,2000）。自我效能感是個體對其在某一特定領域任務的成功表現的預期和確認 （Zimmerman, 2000）， 是自我概念中的自我能力知覺部分（Christoph,Goldhammer,Zylka,&Hartig,2015）。在學習領域，個體的自我效能感水平會影響其對學習任務的選擇、學習活動的堅持和學習投入程度進而影響其學業成就表現 （Abulibdeh&Hassan, 2011;Joo,Lim,&Kim,2013;Kim,Wang,Ahn,& Bong,2015;Yusuf,2011）。在網絡學習環境中，學習者的自我效能感也能夠顯著預測個體的學習行為表現 （謝幼如,劉春華,朱靜靜,尹睿,2011;Howard,Ma,&Yang,2016;Sun&Rueda,2012; Yukselturk&Bulut,2007）。網絡學習者的自我效能感越高，其對使用網絡進行學習持更積極態度（Tsai,Chuang,Liang,&Tsai,2011）、具有更強的網絡學習動機 （Liang&Wu,2010）、學習過程中傾向于采用更多的動機調節 （Bates&Khasawneh, 2007;Liem,Lau,&Nie,2008）、具有更多的學習投入及堅持程度 （Joo,Lim,&Kim,2013;Pellas, 2014）和更好的學業成績 （Bong,2001;DeTure, 2004;Wang&Newlin,2002;Wang,Shannon,& Ross,2013）。基于此，本研究假設，網絡學習者的自我效能感對其學習投入具有顯著的正向預測作用。

1.2 動機調節的中介作用

動機調節也是學習投入的重要預測因素。根據Cleary和Zimmerman（2004）以及Pintrich（2004）等人基于Bandura的社會認知理論提出的自我調節學習模型，在學習過程中，學習者不僅需要對自身的認知過程進行監控、調節，還需要對自己當前的動機狀態進行控制和調節，以維持在學習過程中所需的動力 （Schwinger,Steinmayr,&Spinath,2009, 2012;Schwinger&Stiensmeier-Pelster,2012）。動機調節 （motivational regulation）是個體自我調節學習的重要組成部分 （Wolters,1998,1999,2003），它是指學習者主動采用一定的策略對當前學習動機水平進行調節以確保高效的學習投入，進而完成學習任務的過程 （李昆,2011,2013;李曉東,薛玲玲,韓沁彤,2006;蘇琪,2015;Wolters&Benzon,2013）。

依據期望—價值動機理論，學習者的自我效能感將影響其在學習中的自我調節學習策略的使用和努力程度 （Bates&Khasawneh,2007;Kim et al., 2015），且有研究證實作為自我調節學習重要組成部分的動機調節也受自我效能感等因素的影響。如，學習者的自我效能感水平與動機調節中的掌握性目標取向呈正相關 （袁新,2014）。高自我效能感的學習者，更注重學習活動本身的價值，期望掌握知識、獲得自身能力的提高，更傾向于采用掌握性目標調節策略，從內部因素著手調節動機水平。在傳統課堂中，個體的動機調節策略使用能正向預測其學習努力程度和學業成就 （李昆,2011,2013;蘇琪,2015;Fritea&Fritea,2013;Schwinger& Stiensmeier-Pelster,2012;Yusuf,2011）。Schwinger和Stiensmeier-Pelster（2012）研究表明，高中生的動機調節策略總分及掌握性學習目標和目標接近策略顯著預測了學習者的努力程度。因此，本研究假設在網絡學習過程中，動機調節在自我效能感和學習投入之間可能起中介作用。

1.3 內隱智力信念的調節作用

另一方面，個體的學習投入也會受到內隱智力信念的影響。內隱智力信念 （implicit theories of intelligence）指個體對其能力、智力等方面的自我信念（Dweck,1995），它將會影響個體在學習中的行為表現 （Dweck and Master,2008,2009）。內隱智力信念可以分為兩種：智力實體論 （entity theorists），個體將其智力看做是固定的，即使通過個人努力其智力也不會得到很大的發展；相反，智力增長論 （incremental theorists），個體認為通過他們的努力、訓練、自我調節策略使用能夠提升他們的智力。持兩種不同內隱智力信念的個體在面臨失敗、挑戰等學習情境的表現截然不同 （Blackwell,Trzesniewski,&Dweck, 2007;Burnette,O′Boyle,VanEpps,Pollack,&Finkel, 2013;King,McInerney,&Watkins,2012）。如，Liu（2014）證實內隱智力信念能夠預測個體在逆境和挑戰情境下的反應，相對于實體論者，智力增長論的個體在挑戰情境中感知到更多的價值，傾向于投入更多的時間和精力。Rheinschmidt和Mendoza-Denton（2014）研究發現內隱智力信念影響不同社會階層的學習動力及學習結果，持智力實體論的低階層個體向上努力改變自身處境的動力更少，學業成就更低。此外，Greene等 （2010）發現在網絡學習中，內隱智力信念對自我調節學習策略與學業成就之間的關系具有調節作用，比較有意思的是自我調節策略的使用緩解了實體論對學業成就的消極作用，即實體論的個體選擇了較多自我調節策略進而取得較好的學業成就?；诖?，我們假設，在網絡學習中，內隱智力信念可能對動機調節與學習投入的關系具有調節作用。

本研究基于期望—價值理論，擬考察在網絡學習環境中，學習者個人特征 （自我效能感、內隱智力信念、動機調節）對學習投入的作用機制。既往研究表明，學習者的自我效能感既可以直接影響其學習投入，也可以通過動機調節間接作用于學習投入。因此，本研究假設H1：在網絡學習環境中，動機調節在自我效能感與學習投入的關系之間起中介作用。另一方面，個體的內隱智力信念能夠調節學習者的自我調節策略使用與學業成就之間的關系，本研究假設H2：內隱智力信念對 “自我效能感→動機調節→學習投入”這一中介效應的后半路徑有調節作用，且相較于智力實體論者，動機調節的中介效應在智力增長論者中更強。

2 研究方法

2.1 被試

選取參與 “心理學基礎”、 “C語言設計”、“無機化學”和 “教師職業技能”網絡課程的420名本科生為被試進行問卷調查，其中 “心理學基礎”為公共必修課，其他三門為專業必修課程，被試需報告其參與的網絡課程名稱，并對所報告的網絡課程的學習情況進行過自我報告。回收整理后得有效問卷387份，有效回收率為92.14%。男生200人（51.68%），女生187人 （48.42%），年齡 （20.32± 2.13）。在本次研究中，被試平均的網絡學習時間均在一學期以上，網絡學習的頻率在每周2次以上。

2.2 研究工具

2.2.1 內隱智力信念量表

采用Dweck等 （1995）編制的內隱智力穩定性信念問卷，該問卷包括三個題項： （1）你的智力是一定的，你確實做不了什么來改變它； （2）智力是某種你無法改變的東西； （3）你可以學會新東西，但是無法改變你的基本智力；采用Likert 6點計分 （1非常同意—6非常不同意），得分越低說明被試的內隱智力信念越趨于實體論，得分越高越傾向于增長論。Dweck（1995）和 Greene等（2010）的研究證實三個題項能夠很好地測量個體智力信念的內隱特征值。在本研究中，內隱智力信念量表的探索性因素分析結果表明，因素負荷依次為：0.88，0.92，0.87，因素對測度的方差解釋率為89.2%，量表的Cronbach′s α系數為0.88。

2.2.2 自我效能感量表

采用Pintrich等 （1993）編制的動機與學習策略問卷 （motivated strategies for learning questionnaire,MSLQ）中的自我效能感分量表，8個題項，采用Likert 7點計分 （1非常不符合—7非常符合）。在本研究中，增加了 “網絡學習”這一背景條件，如 “我確信我能理解這門網絡課程中最難的內容”，自我效能感量表的驗證性因素分析結果為：χ2/df= 3.36，RMSEA=0.078，SRMR=0.034，CFI=0.96，TLI=0.95，量表的Cronbach′s α系數為0.92。

2.2.3 動機調節量表

采用袁新 （2014）修訂的 Wolters和 Benzon（2013）編制的動機調節問卷 （Motivation Regulation Scales,MRS），該問卷共30道題，分為自我強化、價值調節、表現性目標調節、學習環境構建、情境興趣調節和掌握性目標調節6個維度，采用Likert 7點計分 （1非常不符合—7非常符合）。在本研究中，動機調節量表也增加了 “在網絡學習過程中”這一背景條件，驗證性因素分析結果為：χ2/df=2.205，RMSEA=0.057，SRMR=0.043，CFI= 0.94，TLI=0.93，各維度的Cronbach′s α系數分別為0.90，0.88，0.91，0.86，0.89，0.85。

2.2.4 學習投入量表

采用由Schaufeli等 （2002）編制的學生學習投入量表 （utrecht work engagement scale-student, UWES-S）。該量表包含活力、奉獻與專注三個分量表，共17個項目，采用Likert 5點計分 （1非常不符合—5非常符合），有研究者采用該量表考察網絡學習環境中的學習投入，證明信效度較好（Rashid&Asghar,2016;高潔等,2015）。在本研究中，也納入了 “網絡學習”這一背景條件，如“我很樂意進入網絡課程進行學習”， “在進行網絡學習時，我感到精力充沛”等。本研究中，學習投入量表的驗證性因素分析結果為：χ2/df=2.596，RMSEA=0.066，SRMR=0.052，CFI=0.94，TLI=0.93，各維度的Cronbach′s α系數分別為0.85，0.84，0.82。

2.3 共同方法偏差檢驗

本研究數據全部經由問卷收集，需進行共同方法偏差檢驗。根據周浩和龍立榮 （2004）推薦的方法進行共同方法偏差的檢驗；采用驗證性因素分析，設定公因子數為1，結果發現擬合指數 （χ2/df=5.58, RMSEA=0.11,SRMR=0.10,CFI=0.48,TLI=0.46）不理想，表明不存在嚴重的共同方法偏差。

3 結果與分析

3.1 內隱智力信念、自我效能感、動機調節和學習投入的相關分析

對網絡學習者的自我效能感、內隱智力信念、動機調節和學習投入的平均分進行相關分析，發現：學習者的自我效能感與內隱智力信念顯著正相關；自我效能感、內隱智力信念與動機調節、學習投入均呈顯著正相關，動機調節與學習投入也顯著正相關 （表1）。

3.2 網絡學習者特征與學習投入的關系：有調節的中介模型檢驗

依據溫忠麟和葉寶娟 （2014）推薦的有調節的中介效應檢驗的程序，考察網絡學習者的自我效能感與學習投入的關系，動機調節在上述關系中的中介效應及內隱智力信念對這一中介效應后半路徑的調節效應。所有變量均做標準化處理，使用Hayes（2013）編制的SPSS宏PROCESS2.1完成所有運算。

表1 變量的描述性統計結果和相關分析

首先，檢驗自我效能感對學習投入的影響及直接效應是否受內隱智力信念的調節。結果表明，網絡學習者的自我效能感對學習投入有顯著的預測作用 （β=0.41,t=8.87,95%的置信區間為 [0.32, 0.50],p＜0.01），自我效能感與內隱智力信念的交互項對學習投入的預測作用不顯著 （β=-0.01,t=-0.26,95%的置信區間為 [-0.08,0.06],p＞0.05）（見表2,方程1）。然后，建立有調節的中介模型，檢驗自我效能感經過動機調節對學習投入的中介效應的后半路徑是否受內隱智力信念的調節。結果表明：網絡學習者的自我效能感正向預測動機調節（β=0.56,t=13.55,95%的置信區間為 [0.48,0.64], p＜0.01） （方程2），自我效能感對學習投入的直接預測作用顯著 （β=0.27,t=5.51,95%的置信區間為 [0.17,0.37],p＜0.01），動機調節對學習投入的主效應顯著 （β=0.35,t=6.36,95%的置信區間為[0.24,0.46],p＜0.01），內隱智力信念對學習投入的主效應顯著 （β=0.18,t=4.06,95%的置信區間為 [0.10,0.27],p＜0.01），動機調節與內隱智力信念的交互項對學習投入的預測作用也顯著 （β= 0.12,t=2.79,95%的置信區間為 [0.03,0.20],p＜0.01）。模型估計結果驗證了在網絡學習環境中，動機調節在自我效能感和學習投入之間起部分中介作用，且這一中介作用的后半路徑 （動機調節與學習投入的關系）受內隱智力信念的調節。

表2 有調節的中介效應分析

為了更清晰呈現調節作用的實質，按照內隱智力信念的平均分加減一個標準差將被試分為智力增長論傾向組 （高于平均數一個標準差）和智力實體論傾向組 （低于平均數一個標準差） （Greene et al.,2010;Lee,Heeter,Magerko,&Medler,2012），并在這兩組被試中考察動機調節對學習投入的預測效應。結果發現，隨著個體內隱智力信念水平的提高，動機調節對學習投入的正向預測作用呈上升趨勢 （B實體論=0.16,SE=0.12,p＞0.05;B增長論=0.48, SE=0.13,p＜0.01） （圖1），表明動機調節與內隱智力信念的交互效應為相互促進作用，相對于智力實體論者，持智力增長觀的個體其自我效能感通過動機調節對學習投入的間接效應更強。

圖1 內隱智力信念在動機調節與學習投入之間的調節作用

4 討論

4.1 動機調節在自我效能感與學習投入之間的中介作用

本研究發現，網絡學習者的自我效能感是其學習投入的有效預測變量，其不僅可以直接影響學習投入，還可通過動機調節間接影響學習投入，即動機調節在自我效能感和學習投入之間起部分中介作用。該結果一方面契合了社會認知理論 （Bandura,1986, 1997）和期望—價值動機模型提出的自我效能感作為動機因素對個體學習行為具有巨大的推動作用，另一方面也吻合了自我調節學習模型中的動機信念與調節活動階段性遞進影響關系 （Cleary&Zimmerman, 2004;Pintrich,2004）。自我調節學習模型的第一階段為事先思考和計劃，激活學習者的動機信念；第二階段，為學習者的認知調節階段，既包含對認知和元認知的監控、調節，也包含對動機狀態的調節。在網絡學習環境中，自我效能感更高的學習者對自身學習能力有較高自信，動機水平較高，對使用網絡進行學習具有更多的興趣與熱情，愿意投入較多的精力去堅持學習 （Bates&Khasawneh,2007;Puzziferro,2008; Wang et al.,2013），愿意使用較多的動機調節策略激發與維持學習動機，且大量動機調節策略的使用也會增加學習者的學習投入 （Schwinger et al.,2009, 2012;Wolters,2003）。相應的，低自我效能感的學習者動機水平較低，更可能回避依賴于計算機的網絡學習環境 （Christoph,Goldhammer,Zylka,&Hartig, 2015），特別是當遇到困難時不能很好地對自我的學習動機狀態進行調整時，會因畏難、厭煩等情緒狀態而放棄學習，而這種不能堅持的學習狀態又會影響其自我效能感，長此以往學習者會越來越遠離學習。因此，本研究中發現的自我效能感作為動機因素通過動機調節間接影響學習投入，不僅肯定了動機調節在網絡學習環境中的重要性，而且揭示了動機因素促進學習者始終保持高效學習投入的內在作用機制。

4.2 內隱智力信念對動機調節與學習投入關系的調節作用

本研究發現，在網絡學習中，內隱智力信念調節了 “自我效能感→動機調節→學習投入”這一中介效應的后半路徑。具體而言，相較于智力實體論者，持智力增長觀的個體在動機調節策略使用增加中獲益更大，內隱智力信念與動機調節的交互效應為相互促進作用。產生這種調節模式的原因可能為：其一，從歸因理論角度來解釋。持智力增長論的個體，認為自身的智力可以通過自己的行為努力而改變，傾向于將行為結果做內歸因，且歸因為可控的因素：努力等 （Chen&Usher,2013;Davis et al., 2011;Dweck&Master,2008,2009）。而智力實體論者傾向于將行為結果做不可控內歸因 （能力）和不可控外歸因 （運氣、環境等） （Dweck&Master, 2009;Lee et al.,2012）。智力實體論者認為影響成敗結果的主要因素為自身能力，能力高不需要付出努力也可獲得成功；失敗是無能的證據，且他們對自身的能力、智力發展無能為力，因此在學習的過程中更被動地采用動機調節策略。其二，根據自我價值理論 （self-worth），智力實體論者，將每次挑戰看作是對其智力的評估，其更關注結果表現而不是從中能學習到多少知識。為了得到較好結果表現，實體論者傾向于尋找熟悉任務和回避可能失敗的任務，且在任務執行過程中動機調節較少、投入的努力程度也較小 （Haimovitz,Wormington,&Corpus, 2011;Komarraju& Nadler,2013;Snyder,Malin, Dent,&Linnenbrink-Garcia,2014）。智力增長論者將挑戰看做學習的機會，他們更可能選擇具有挑戰性且能真正能讓他們學到知識的任務，且在任務執行過程中投入更多的努力 （Lam,Yim,&Ng,2008）。

本研究結果證實，在網絡學習中，學習者的動機調節在自我效能感與學習投入的關系中起部分中介作用，且這一中介作用的后半路徑受內隱智力信念的調節，相較于智力實體論者，動機調節的中介效應在智力增長論個體中更強。這啟示我們，在網絡教育中，教師不僅需要了解學習者的動機信念，還需要通過動機調節策略培訓或在線實時干預來保證持智力實體論的學習者能夠維持理想的動機調節水平，同時注重提升低動機調節個體的智力增長信念。盡管作為學習者的個人特征，內隱智力信念相對穩定，但是有研究者也提出內隱智力信念是可以在教學中培養訓練的 （Blackwell et al.,2007;Dai &Cromley,2014）。

4.3 本研究的不足與啟示

本研究也存在一些局限。首先，所有的變量均采用問卷調查法。在網絡學習環境中的學習投入的測量指標上我們可以借鑒Henrie等 （2015）總結的方法，采用網絡學習行為指標，如，學習投入頻次，學習時長等。其次，本研究中網絡學習的學習者均為在校大學生，為了體現 “網絡學習”這一特殊情境，雖然我們在測量工具的選擇和 “網絡課程”等方面進行了考慮，如，測評工具添加網絡學習背景，在問卷調查的過程中被試需報告其參與的網絡課程名稱，并針對其所報告的網絡課程的學習投入情況進行自我報告，但是如果能考察一個單純的 “網絡學習”情境，如MOOC可能會更好。此外，相較于傳統課堂，網絡學習有其自身特點，如刺激材料呈現方式，有無教學代理，有無討論等等。本研究僅考慮了學習者個人特征對網絡學習的影響，未來可聯合考察學習者個人特征與網絡學習特點對網絡學習行為的交互作用，以期建立能夠惠及更多網絡學習者的個性化自適應網絡學習平臺。

高潔,李明軍,張文蘭.(2015).主動性人格與網絡學習投入的關系—自我決定動機理論的視角.電化教育研究,36(8),18-22.

李昆.(2011).動機調控策略對學習策略和英語成績的影響研究.外語與外語教學.(2),28-32.

李昆.(2013).中學生英語學習動機調節策略研究.外語教學理論與實踐.(1),86-90.

李曉東,薛玲玲,韓沁彤.(2006).大學生動機調節策略研究.江蘇大學學報:高教研究版,28(1),17-21.

蘇琪.(2015).遠程學習者外語學習動機衰竭與調節策略研究.外語界.(2),53-60.

溫忠麟,葉寶娟.(2014).有調節的中介模型檢驗方法:競爭還是替補?.心理學報,46(5),714-726.

謝幼如,劉春華,朱靜靜,尹睿.(2011).大學生網絡學習自我效能感的結構,影響因素及培養策略研究.電化教育研究,10,30-34.

袁新.(2014).大學生網絡學習動機信念對學習投入,元認知調節策略的影響:動機調節策略的中介作用.華中師范大學.

周浩,龍立榮.(2004).共同方法偏差的統計檢驗與控制方法.心理科學進展,12(6),942-950.

Abulibdeh,E.S.,&H.assan,S.S.S.(2011).E-learning interactions, information technology self-efficacy and student achievement at the University of Sharjah, UAE. Australasian Journal of Educational Technology,27(6).1014-1025.

Bandura,A.(1986).Social foundations of thought and action:A social cognitive theory.Englewood Cliffs,N.J:Prentice-Hall.

Bandura,A.(1997).Self-efficacy:The exercise of self-control.New York:Freeman.

Bates,R.,& Khasawneh,S.(2007).Self-efficacy and college students′perceptions and use ofonline learning systems. Computers in Human Behavior,23(1),175-191.

Blackwell,L.S.,Trzesniewski,K.H.,& Dweck,C.S.(2007). Implicit theories of intelligence predict achievement across an adolescent transition:A longitudinal study and an intervention. Child development,78(1),246-263.

Burnette,J.L.,O′Boyle,E.H.,VanEpps,E.M.,Pollack,J.M.,& Finkel,E.J.(2013).Mind-sets matter:A meta-analytic review of implicit theories and self-regulation.Psychological Bulletin, 139(3),655-701.

Bong,M.(2001).Role of self-efficacy and task-value in predicting college students′course performance and future enrollment intentions.Contemporary educational psychology,26(4),553-570.

Chen,J.A.,&Usher,E.L.(2013).Profiles of the sources of science self-efficacy.Learning and Individual Differences,24,11-21.

Christoph,G.,Goldhammer,F.,Zylka,J.,& Hartig,J.(2015). Adolescents′computer performance:The role of self-concept and motivational aspects.Computers&Education,81,1-12.

Cleary,T.J.,& Zimmerman,B.J.(2004).Self-regulation empowerment program:A school-based program to enhance selfregulated and self-motivated cycles of student learning. Psychology in the Schools,41(5),537-550.

Dai,T.,&Cromley,J.G.(2014).Changes in implicit theories of ability in biology and dropout from STEM majors:A latent growth curve approach.Contemporary Educational Psychology,39 (3),233-247.

Davis,J.L.,Burnette,J.L.,Allison,S.T.,&Stone,H.(2011). Against the odds:Academic underdogs benefit from incremental theories.Social Psychology of Education,14(3),331-346.

DeTure,M.(2004).Cognitive style and self-efficacy:Predicting student success in online distance education.American Journal of Distance Education,18(1),21-38.

Dweck,C.S.,Chiu,C.,&Hong,Y.(1995).Implicit theories and theirrole in judgments and reactions:A word from two perspectives.Psychological inquiry,6(4),267-285.

Dweck,C.S,&Master,A.(2008).Self-theories motivate selfregulated learning.Motivation and self-regulated learning:Theory, research,and applications,31-51.

Dweck,C.S,&Master,A.(2009).Self-theories and motivation. Handbook of motivation at school,123-140.

Fritea,I.,&Fritea,R.(2013).Can motivational regulation counteract the effects of boredom on academic achievement?.Procedia-Social and Behavioral Sciences,78,135-139.

Greene,J.A.,Costa,L.,Robertson,J.,Pan,Y.,&Deekens,V.M. (2010).Exploring relationsamong college students′prior knowledge,implicit theories of intelligence,and self-regulated learning in a hypermedia environment.Computers&Education, 55(3),1027-1043.

Haimovitz,K.,Wormington,S.V.,&Corpus,J.H.(2011).Dangerousmindsets:How beliefs about intelligence predict motivational change.Learning and Individual Differences,21(6),747-752.

Hayes,A.F.(2013).Introduction to mediation,moderation,and conditionalprocess analysis:A regression-based approach. Guiford Press.

Henrie,C.R.,Halverson,L.R.,&Graham,C.R.(2015).Measuring student engagement in technology-mediated learning:A review. Computers&Education,90,36-53.

Howard,S.K.,Ma,J.,&Yang,J.(2016).Student rules:Exploring patterns of students′computer-efficacy and engagement with digital technologies in learning.Computers&Education,101,29-42.

Joo,Y.J.,Lim,K.Y.,&Kim,J.(2013).Locus of control,selfefficacy,and task value as predictors of learning outcome in an online university context.Computers&Education,62,149-158.

Kim,D.,Wang,C.,Ahn,H.S.,&Bong,M.(2015).English language learners′self-efficacy profilesand relationship with selfregulated learning strategies.Learning and Individual Differences, 38,136-142.

King,R.B.,McInerney,D.M.,&Watkins,D.A.(2012).How you think about your intelligence determines how you feel in school: Theroleoftheoriesofintelligenceon academicemotions. Learning and Individual Differences,22(6),814-819.

Komarraju,M.,&Nadler,D.(2013).Self-efficacy and academic achievement:Why do implicit beliefs,goals,and effort regulation matter?.Learning and Individual Differences,25,67-72.

Lam,S.,Yim,P.,&Ng,Y.(2008).Is effort praise motivational?The role of beliefs in the effort-ability relationship.Contemporary Educational Psychology,33(4),694-710.

Lee,Y.H.,Heeter,C.,Magerko,B.,&Medler,B.(2012).Gaming mindsets:Implicit theories in serious game learning.Cyberpsychology,Behavior,and Social Networking,15(4),190-194.

Liang,J.C.,&Wu,S.H.(2010).Nurses′motivations for web-based learning and the role of Internet self-efficacy.Innovations in Education and Teaching International,47(1),25-37.

Liu,C.H.(2014).Helpful but insufficient:Incremental theory on challenge-confronting tendencies for students who fear being laughed at.Motivation and Emotion,38(3),367-377.

Liem,A.D.,Lau,S.,&Nie,Y.(2008).The role of self-efficacy,task value,and achievement goals in predicting learning strategies,task disengagement, peer relationship, and achievement outcome. Contemporary Educational Psychology,33(4),486-512.

Pellas,N.(2014).The influence of computer self-efficacy,metacognitive self-regulation and self-esteem on student engagement in online learning programs:Evidence from the virtual world of second life. Computers in Human Behavior,35,157-170.

Phan,T.,McNeil,S.G.,&Robin,B.R.(2016).Students′patterns ofengagementand courseperformancein aMassiveOpen Online Course.Computers&Education,95,36-44.

Pintrich,P.R.(2004).A conceptualframework forassessing motivation and self-regulated learning in college students. Educational psychology review,16(4),385-407.

Pintrich,P.R.,Smith,D.A.,García,T.,& McKeachie,W.J. (1993).Reliability and predictive validity of the motivated strategies for learning questionnaire(MSLQ).Educational and psychological Measurement,53(3),801-813.

Puzziferro,M.(2008).Online technologies self-efficacy and selfregulated learning as predictors of final grade and satisfaction in college-levelonline courses.American JournalofDistance Education,22(2),72-89.

Rashid,T.,&Asghar,H.M.(2016).Technology use,self-directed learning, student engagement and academic performance: Examining the interrelations.Computers in Human Behavior,63, 604-612.

Rheinschmidt,M.L.,&Mendoza-Denton,R.(2014).Social class and academic achievement in college:Theinterplayofrejection sensitivity and entity beliefs.Journal of Personality and Social Psychology,107(1),101-121.

Schaufeli,W.B.,Salanova,M.,González-Romá,V.,&Bakker,A.B. (2002).The measurement of engagement and burnout:A two sample confirmatory factor analytic approach. Journal of Happiness studies,3(1),71-92.

Schwinger,M.,Steinmayr,R.,& Spinath,B.(2009).How do motivational regulation strategies affect achievement:Mediated by effort management and moderated by intelligence.Learning and Individual Differences,19(4),621-627.

Schwinger,M.,Steinmayr,R.,&Spinath,B. (2012).Not all roads lead to Rome-Comparing different types of motivational regulation profiles.Learning and Individual Differences,22(3), 269-279.

Schwinger,M.,& Stiensmeier-Pelster,J.(2012).Effects of motivational regulation on effort and achievement:A mediation model.International Journal of Educational Research,56,35-47.

Snyder,K.E.,Malin,J.L.,Dent,A.L.,&Linnenbrink-Garcia,L. (2014).The message matters:The role of implicit beliefs about giftedness and failure experiences in academic self-handicapping. Journal of Educational Psychology,106(1),230-241.

Sun,J.C.,&Rueda,R.(2012).Situational interest,computer selfefficacy and self-regulation:Their impact on student engagementin distance education.British Journal of Educational Technology, 43(2),191-204.

Tsai,C.C.,Chuang,S.C.,Liang,J.C.,&Tsai,M.J.(2011).Selfefficacy in internet-based learning environments:A literature review.Educational Technology&Society,14(4),222-240.

Wang,A.Y.,&Newlin,M.H.(2002).Predictors of web-student performance:The role of self-efficacy and reasons for taking an on-line class.Computers in human behavior,18(2),151-163.

Wang,C.H.,Shannon,D.M.,&Ross,M.E.(2013).Students' characteristics,self-regulated learning,technology self-efficacy, and course outcomes in online learning.Distance Education,34 (3),302-323.

Wigfield,A.,&Eccles,J.S.(2000).Expectancy-value theory of achievement motivation.Contemporary educational psychology,25 (1),68-81.

Wolters,C.A.(1998).Self-regulated learning and college students′regulation of motivation.Journal of educational psychology,90 (2),224-235.

Wolters,C.A.(1999).The relation between high school students' motivational regulation and their use of learning strategies,effort, and classroom performance.Learning and individual differences, 11(3),281-299.

Wolters,C.A.(2003).Regulation of motivation:Evaluating an underemphasized aspect of self-regulated learning.Educational psychologist,38(4),189-205.

Wolters,C.A.,&Benzon,M.B.(2013).Assessing and predicting college students′use of strategies for the self-regulation of motivation.The Journal of Experimental Education,81(2), 199-221.

Yukselturk,E.,&Bulut,S.(2007).Predictors for student success in an online course.Educational Technology&Society,10(2),71-83.

Yusuf,M.(2011).The impactofself-efficacy,achievement motivation,and self-regulated learning strategies on students′academic achievement.Procedia-Social and Behavioral Sciences, 15,2623-2626.

Zimmerman,B.J.(2000).Self-efficacy:An essential motive to learn. Contemporary Educational Psychology,25(1),82-91.

The Impact of Learners Characteristic on Student Engagement during Online Learning: A Moderated Mediation Model

Lei Yuju1,2,3,Zhang Dongjing2,3,Niu Gengfeng2,3,Xiangen Hu2,3
(1 National Engineering Research Center for E-Learning,Central China Normal University,Wuhan 430079;2 Key Laboratory of Adolescent Cyberpsychology and Behavior,Ministry of Education,Wuhan 430079;3 School of Psychology,Central China Normal University,Wuhan 430079)

The present study investigates the predictors of student engagement during online learning.The specific predictors were self-efficacy,motivational regulation,and implicit theories of intelligence,and the moderated mediating effect of student engagement was also tested.The participants were 387 learners who enrolled in an online course in 2015 and a series of online surveys were administered.The results revealed that self-efficacy, motivational regulation,and implicit theories of intelligence were significant predictors of student engagement.The positive association between self-efficacy and student engagement was mediated by the motivational regulation. Moreover,the mediating effect of motivational regulation was moderated by the implicit theories of intelligence, Relation to the individual endorsing entity theorists,the mediating effect of motivational regulation was stronger for individual holding increment theorists.

motivational regulation,online learning,self-efficacy,implicit theories of intelligence;student engagement.

B842.3

2016-12-1

國家社科基金重大攻關項目 （11&ZD151）、中國基礎教育質量監測協同創新中心課題 （2016-04-003-BZK01）、華中師范大學優秀博士學位論文培育計劃項目 （2016YBZZ006）。

胡祥恩，E-mail：xiangenhu@mail.ccnu.edu.cn。