1、英语学习情感投入的构成及其对学习成绩的作用机制,杨洋 20174604037 学科英语一班,目 录,定义：学习投入 情感投入 文献综述 ：研究背景 角度 研究问题：情感投入成分 对学习成绩作用机制,被试： 非英语专业大学生 研究工具： 访谈 调查问卷 程序：前测 实测 数据统计分析 模型建构,英语学习情感投入成分的探索性因子分析 英语学习情感投入成分的验证性因子分析 英语学习情感投入对学习成绩的作用 讨论,主要研究结果及分析 实践建议,4. 结论,3. 结果与讨论,2. 研究方法,1. 引言,摘 要,学习成绩,直接正向预测,中介 间接预测,1.学习投入 学生积极参与各项学习活动或投身于学习过程
2、，深入地进行思考，充满活力地应对挑战和挫折,引 言,2.情感投入 重要组成部分 学习者对学校和学习活动的情感体验,引 言,前人研究不足之处,分析学习投入这个元概念基础进行,对情感投入的内涵和维度阐释不够系统性较弱,直接针对外语学习环境下的情感投入研究成果鲜见,引 言,研究问题,引 言,2.1 被试,研究方法,研究方法,2.2 研究工具和程序,SPSS19.0,AMOS17.0,探索性因子分析法（Exploratory Factor Analysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而，EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。在运用EFA法
3、的时候，可以借助统计软件（如SPSS统计软件或SAS统计软件）来进行数据分析。 提出者：Charles Spearman,结果与讨论,3.1 英语学习情感投入成分的探索性因子分析,一个典型的EFA流程如下： 收集观测变量：通常采用抽样的方法，按照实际情况收集观测变量数据。 构造相关矩阵：根据相关矩阵可以确定是否适合进行因子分析。 确定因子个数：可根据实际情况事先假定因子个数，也可以按照特征根大于1的准则或碎石准则来确定因子个数。 提取因子：可以根据需要选择合适的因子提取方法，如主成分方法、加权最小平方法、极大似然法等。 因子旋转：由于初始因子综合性太强，难以找出实际意义，因此一般都需要对因子进
4、行旋转（常用的旋转方法有正交旋转、斜交旋转等），以便于对因子结构进行合理解释。 解释因子结构：可以根据实际情况及负载大小对因子进行具体解释。 计算因子得分：可以利用公共因子来做进一步的研究，如聚类分析、评价等。,结果与讨论,3.1 英语学习情感投入成分的探索性因子分析,结果与讨论,3.1 英语学习情感投入成分的探索性因子分析,第一次探索性因子分析,测试一个因子与相对应的测度项之间的关系是否符合研究者所设计的理论关系。验证性因子分析往往通过结构方程建模来测试。在实际科研中，验证性因子分析的过程也就是测试模型的检验过程。 验证性因子分析是使用建模的方式对探索性因子的结果进行验证 提出者：Charl
5、es Spearman,结果与讨论,3.2 英语学习情感投入成分的验证性因子分析,结构方程模型（社会科学方法）,结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，是多元数据分析的重要工具。 很多心理、教育、社会等概念，均难以直接准确测量，这种变量称为潜变量，如智力、学习动机、家庭社会经济地位等等。因此只能用一些外显指标，去间接测量这些潜变量。传统的统计方法不能有效处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。 态度、行为等变量，往往含有误差，也不能简单地用单一指标测量。结构方程分析容许自变量和因变量均含测量误差。,线性相关分析：线性相关分析指出两个随机变量之间的统
6、计联系。两个变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体之间的因果关系。 线性回归分析：线性回归分析是比线性相关更复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应。 结构方程模型分析：结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显变量，也可能包含无法直接观测的潜变量。结构方程模型可以替代多重回归、通径分析、因子分析、斜方差分析等方法。,使用AMOS17.0对6个因子构建英语学习情感投入的一阶模型，并根据系统提示的估计值、修正路径和指数，对模型进行修正。,结果与讨论,3.2 英语学习情感
7、投入成分的验证性因子分析,修正后的模型拟合度值表,结果与讨论,3.2 英语学习情感投入成分的验证性因子分析,这些统计量都是结构方程中用来检验所建立的模型与数据的拟合程度的指标,称为拟合优度指数（goodness of fit index）,简称为拟合指数。常用的统计参数有：卡方拟合指数（x）、比较拟合指数（CFI）、拟合优度指数（GFI）和估计误差均方根（RMSEA）。根据Bentler（1990）的建议标准，x/DF3.0、CFI0.90、GFI0.85、RMSE0.05，则表明该模型的拟合程度是可接受的.,第二次探索性因子分析,第二次探索性因子分析,构建英语学习情感投入二阶模型，验证二阶探
8、索性因子分析，并根据系统提示进行修正，修正后的模型拟合度结果见表,AIC值（最小信息准则） AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，优先考虑的模型应是AIC值最小的那一个 二阶因子模型很大程度上优于一阶模型，能够更好体现英语学习情感投入这一构念。因此，英语学习情感投入可以分为内在情感投入和外在情感投入两类，前者包括“英语学习兴趣“、“英语学习信心”、“英语学习价值”，后者包括“对学校满意度“、“对教师认同感”和“对学校归属感”。,构建英语学习情感投入对学习成绩关系的假设模型,结果与讨论,3.3 英语学习情感投入对学习成绩的作
9、用,根据AMOS系统提示的估计值、修正路径对假设模型进行修正，修正后的模型拟合度结果如下,结果与讨论,3.3 英语学习情感投入对学习成绩的作用,修正后的模型见图2,结果与讨论,3.3 英语学习情感投入对学习成绩的作用,3.4 讨论,英语学习外在情感投入正向预测内在情感投入并通过内在情感投入对学习成绩产生间接的影响。外在情感投入由高到低为“对教师认同感”、“对学校满意度”和“对学校归属感”,英语学习情感投入的6个因子的确定表明情感投入是个多维构念,内在情感投入对学习成绩具有显著的正向预测作用，内在情感投入由高到低为“英语学习信心”、“英语学习兴趣”和“英语学习价值”,结果与讨论,3.4 讨论,结果与讨论,3.4 讨论,结 论,学习成绩,直接正向预测,中介 间接预测,学习者可控因素,广大英语教师和相关管理人员不仅要设法提高学习者的学习信心和兴趣等内在情感投入， 而且要不断通过改善校园环境，提高学习者对学校的归属感和满意度 英语教师可以通过提高自身的专业水平和教学方法等提升学生对自己的认同，改善和优化大学生英语学习情感投入，从而提升他们英语学习的动力和效果。,结 论,评 价,建 议,文 献,THANK YOU,
