羅 杰 周 瑗 陳 維 潘 運 趙守盈

(1 貴州師范大學教育科學學院，貴陽 550001) (2 貴州省普通高?；A心理與認知神經(jīng)科學特色重點實驗室，貴陽 550001)

1 引言

倦?。╞urnout）一直是心理健康領域的熱點話題。心理學中有關倦怠的研究最初起始于工作領域（Ammondson, 2000; Maslach, Schaufeli, &Leiter, 2001），如今已擴展和細化到學習領域，主要涉及學習倦怠的研究（Schaufeli, Martínez, Pinto,Salanova, & Bakker, 2002; Steele & Fullagar, 2009）。學習倦怠是一種主要發(fā)生在學生身上持續(xù)的、負性的、與學習相關的心理狀態(tài)（吳艷, 戴曉陽, 溫忠麟, 崔漢卿, 2010），這種狀態(tài)主要表現(xiàn)為身心耗竭、學業(yè)疏離和低成就感等方面。研究表明，學習倦怠對學生反社會行為及其嚴重程度存在顯著影響（Kokkinos, Panayiotou, & Davazoglou, 2005）。因此，探討學習倦怠及其影響因素，對維護學生的心身健康具有重要意義。相應地，在客觀實際中為了提高學習倦怠的研究水平，編制具有良好心理測量學性能的測評工具勢在必行。

國外對學習倦怠進行測評的工具主要有三種：（1）將Maslach倦怠問卷（Maslach Burnout Inventory, MBI）進行修改后施測于學生（Fimian &Cross, 1986; Jacobs & Dodd, 2003）；（2）直接使用MBI公共服務版（Maslach Burnout Inventory for Human Service Surcey, MBI-HSS）（Ross et al., 2002）；（3）在Maslach問卷的基礎上編制學習倦怠量表（Schaufeli et al., 2002）。在國內(nèi)，學習倦怠的測評工具主要有兩種：（1）直接修訂國外研究者所編制的學習倦怠量表（張瑩, 甘怡群, 張軼文, 2005;方來壇, 時勘, 張風華, 2009）；（2）編制適用于我國學生群體的本土化學習倦怠量表（連榕, 楊麗嫻,吳蘭花, 2005; 許清鵬, 張建新, 劉普強, 王晶, 王寶軍, 2006; 胡俏, 戴春林, 2007; 吳艷等, 2010）。其中吳艷等（2010）以Maslach的工作倦怠三因素理論（心身衰竭、玩世不恭、低效能感）為基礎所編制的青少年學習倦怠量表（Adolescent Student Burnout Inventory, ASBI）在小學生、中學生和大學生群體中均具有較好的信效度，為青少年學習倦怠的測評提供了良好的量化基礎。然而該量表的編制以及信效度檢驗均采取經(jīng)典測量理論（Classical Test Theory, CTT）的方法。在心理測量學中，CTT用于檢驗信效度指標時存在一定的不足與缺陷（Shavelson & Webb, 1991; Brennan, 2001a; 楊志明,張雷, 2003a; 漆書青, 2003; Suen & Lee, 2007;Brennan, 2010）：如對測驗信度的估計不夠精確；不能辨別測驗過程中可能產(chǎn)生的各種變異來源及其大??；無法提出減少測量誤差的策略與方案等。因此，測量學家們一直在尋找客服這些不足的方法與技術，其中一個研究方向就是注重測驗的宏觀層面，繼續(xù)沿著隨機樣本理論的思路，考察測評工具的測量條件與結(jié)論推廣應用范圍之間的關系，沿著這條思路最終導致概化理論（Generalizability Theory, GT）的出現(xiàn)與發(fā)展。

GT是在CTT的基礎上，引入實驗設計和方差分析技術，對測驗情景中的各類誤差進行分解和控制的一種測量理論（Brennan, 2001a, 2010）。GT包含兩個研究階段，即G研究和D研究（Brennan,2001a; 楊志明, 張雷, 2003a）。其中G研究通過估計測量目標和測量側(cè)面的方差協(xié)方差分量，來確認測量目標與測量側(cè)面的關系。D研究則是通過對信度變化的評估來確定哪種決策更好，從而為測驗的改進提供依據(jù)。與CTT相比，概化理論可以根據(jù)測量誤差的來源把總誤差劃分為多個分量誤差，在同時考慮多個誤差來源的基礎上進行信度估計，因此GT的信度估計比CTT更為細致和準確（楊志明, 張雷, 2003a）。當前GT的應用主要涉及兩大方面：其一是教育測量與評估方面（楊志明, 張雷, 馬世曄, 2004; Yin, 2005; 蔡艷, 陳撫良,2007; 王曉華, 文劍冰, 2010; 關丹丹, 王博, 車宏生,2011）；其二是心理測驗的編制與開發(fā)（安哲鋒,駱方, 張厚粲, 2008; F?llesdal & Hagtvet, 2009; 駱方,劉紅云, 張月, 2010; 孫穎, 張慧, 曹小燕, 2012）。此外，GT也常用于表現(xiàn)性評價中評分者信度的評估（孫曉敏, 張厚粲, 2005; 徐思, 張敏強, 黎光明, 2009;康春花, 姜宇, 辛濤, 2010）。

一般而言，GT分為一元概化理論（Univariate Generalizability Theory, UGT）和多元概化理論（Multivariate Generalizability Theory, MGT）。MGT中G研究的目的是明確測驗設計，包括對測量目標、測驗結(jié)構(gòu)、測量對象、測量模式以及測量題目進行分析。其方法是采用方差分析技術對測驗總分的變異進行分解，從而明確各種因素之間的關系，估計各效應在各個潛在因子上的方差與協(xié)方差分量矩陣等。而D研究則是考察概化系數(shù)和可靠性指數(shù)與測量目標或各個測量側(cè)面之間的變化關系，準確地估計各種決策下測量結(jié)果的信度，從而為改進測量設計，提高測量質(zhì)量提供必要依據(jù)。D研究涉及到的內(nèi)容是先分別估計被試在各個潛在因子上的全域分數(shù)及相應的相對誤差和絕對誤差，概化系數(shù)和可靠性指數(shù)等。接著利用協(xié)方差貢獻率等方法確定各個因子全域分數(shù)的權重系數(shù)，合成一個全域總分，并估計其相應的相對誤差，絕對誤差，概化系數(shù)，可靠性指數(shù)，相對信噪比和絕對信噪比等。最后根據(jù)估計出的結(jié)果做出相應的決策。較UGT而言，MGT在處理那些涉及到多個相關的潛在因子的測驗時具有其獨到的作用（楊志明, 張雷, 2003b）。Nuβbaum（1984）研究發(fā)現(xiàn)MGT更適宜處理多維度問卷的信度問題，可發(fā)現(xiàn)總體信度較高而維度信度較低的問題，并提供改進意見。

鑒于此，本文擬采用多元概化理論（MGT）對ASBI及其分量表的測量學性能進行分析，以期為改進ASBI的測驗結(jié)構(gòu)與提高測驗精確度提供參考。

2 研究方法

2.1 被試

采用方便取樣原則，以貴陽花溪大學城在校學生為調(diào)查對象，共發(fā)放問卷700份，最終獲得有效問卷660份，有效回收率為94.3%。其中男生360人（54.5%），女生297人（45.5%），3人未注明性別；文科188人（28.5%），理科155人（23.5%），工科317人（48.0%）；大一278人（42.1%），大二213人（32.3%），大三169人（25.6%）；年齡（20.27歲±1.60歲）。

2.2 研究設計

采取多元p×i隨機測量模式，其中測量目標為被試者（p），測量側(cè)面為測驗條目（i）。

2.3 研究工具

青少年學習倦怠量表 該量表由吳艷等（2010）編制，包括3個因子：身心耗竭（4個條目）、學業(yè)疏離（5個條目）和低成就感（7個條目），共16個條目，采用Likert-5點記分，1代表“很不符合”，5代表“非常符合”，量表總分反映了個體學習倦怠的總體狀況。根據(jù)量表已有的理論結(jié)構(gòu)，使用Mplus6.11對量表的結(jié)構(gòu)效度進行驗證性因素分析，三因子模型得到了數(shù)據(jù)的有效支持，各項擬合指數(shù)分別是χ2=435.30, df=101, χ2/df=4.31,RMSEA（90% CI）=0.07（0.06, 0.08）, NNFI=0.89,CFI=0.91, SRMR=0.07。本研究中各因子的合成信度分別是0.73，0.78和0.84，95%的置信區(qū)間分別是[0.70, 0.75]，[0.76, 0.81]和[0.82, 0.85]

2.4 共同方法偏差的控制

由于本研究各變量均采用量表測量，并且由同一被試提供信息，故在進行數(shù)據(jù)分析之前對樣本數(shù)據(jù)進行了共同方法偏差的檢驗（Podsakoff,MacKenzie, Lee, & Podsakoff, 2003; 周浩, 龍立榮,2004）。本研究主要采取Harman單因素檢驗法（Malhotra, Kim, & Patil, 2006），單因子模型的各項擬合指標如下：χ2=1281.44, df=104, χ2/df=12.32,RMSEA（90% CI）=0.13（0.12, 0.14）, NNFI=0.62,CFI=0.67, SRMR=0.10。這表明本研究未發(fā)現(xiàn)明顯的共同方法偏差問題。

2.5 數(shù)據(jù)處理與分析

運用SPSS16.0對數(shù)據(jù)進行了錄入和整理。數(shù)據(jù)處理時是以各因子的原始得分為基礎，多元概化分析在mGENOVA2.1統(tǒng)計軟件（Brennan, 2001b）上運行。

3 結(jié)果

3.1 G研究

根據(jù)量表的3因子模型，使用mGENOVA2.1程序可得到被試者（p）、測驗條目（i）以及被試與測驗條目之間的交互效應（p×i）在3個因子上的方差協(xié)方差分量的估計矩陣（見表1）。

表 1 3 因子模型的 G 研究結(jié)果

表1結(jié)果顯示，被試在3個因子上得分的協(xié)方差不是很高，各因子之間呈中等程度的相關關系；各因子本身的方差分量（被試者p的方差分量）較大，而測驗條目的方差分量相對較小，與被試有關的效應（被試者與測驗條目間的交互效應）也相對較大。

3.2 D研究

依據(jù)G研究結(jié)果估計的方差與協(xié)方差矩陣，可得到被試在3個因子上的全域分數(shù)以及相應誤差的方差分量，進而估計出各因子的概化系數(shù)、可靠性指數(shù)、相對信噪比和絕對信噪比。另外，根據(jù)各因子條目數(shù)所占比重可得出權重系數(shù)（W系數(shù)），通過對3個因子全域分進行合成，可估計全域總分的方差以及相應誤差的方差分量，進而得出全域總分的概化系數(shù)、可靠性指數(shù)、相對信噪比和絕對信噪比（見表2）。

表2結(jié)果顯示，3個因子的概化系數(shù)與可靠性指數(shù)均達到較好水平，ASBI分3個因子是可行的，并且分為3個因子后量表的擬合優(yōu)度較好；同時，量表全域總分的概化系數(shù)和可靠性指數(shù)明顯高于各因子的概化系數(shù)和可靠性指數(shù)，且全域總分的相對誤差方差分量和絕對誤差方差分量均小于各因子的相對誤差方差和絕對誤差方差。

表 2 3 因子模型的 D 研究結(jié)果

3.3 各因子對總方差貢獻率的分析

根據(jù)上述結(jié)果，可以得到各因子對全域方差的貢獻情況，結(jié)果見表3。

表3結(jié)果顯示，身心耗竭、學業(yè)疏離對全域總分的貢獻均略高于各自在全量表上的分值比重，而低成就感對全域總分的貢獻則略低于它在全量表中的分值比重；低成就感對相對誤差方差的貢獻最大，而學業(yè)疏離對絕對誤差方差的貢獻最大。

表 3 各因子對全域總分的貢獻比

4 討論

本研究對青少年學習倦怠量表進行多元概化分析，G研究結(jié)果顯示，對被試在3個因子上得分進行方差協(xié)方差分量估計，各因子之間呈中等程度相關，這說明3個因子之間既有相對的獨立也存在一定的關聯(lián)性，但能否將3個因子合成為一個總分還有待于D研究的結(jié)果；另外，在各因子中被試者的方差分量均較大，這說明被試者以及與被試者有關的變異在測驗分數(shù)變異中所占的比重較大，而測驗條目的方差分量則相對較小，這說明測驗條目引起的變異在測驗分數(shù)變異中所占的比重較小，表明測驗條目有較好的難度和區(qū)分度。

D研究結(jié)果顯示，3個因子的概化系數(shù)和可靠性指數(shù)均達到較好的水平，這表明ASBI既可用于常模參照測驗，也可用于標準參照測驗。ASBI分3個因子是可行的，且提取3個因子后量表的測量優(yōu)度較好。另外，全量表全域總分的概化系數(shù)與可靠性指數(shù)都達到0.85以上，且都高于各因子的相應指標。全域總分的相對誤差方差分量和絕對誤差方差分量均小于各因子的相對誤差方差分量和絕對誤差方差分量，因而將3個因子合成為一個總量表是合理的，3個因子合成為一個總量表使用時能更好地發(fā)揮量表的功效。對全域方差的貢獻率（即對全域分數(shù)的重要性）由大到小依次為：低成就感、學業(yè)疏離和身心耗竭。身心耗竭、學業(yè)疏離對全域總分的貢獻均略高于各自在全量表上的分值比重，而低成就感對全域總分的貢獻（僅占41.37%）略低于它在全量表中的分值比重（占43.75%）。這表明它在總量表中的實際影響沒有達到應有的水平。而在對相對誤差方差的貢獻率和對絕對誤差的貢獻率最高的分別是低成就感和學業(yè)疏離。另外，身心耗竭因子的概化系數(shù)（0.72）和可靠性指數(shù)（0.69）相對于其它2個因子均最低，這可能與它所包含的條目數(shù)相對較少（共4題）有關。因此今后對該量表進行修訂時，可考慮對學業(yè)疏離和低成就感因子的條目質(zhì)量進行修訂，也可考慮適當增加身心耗竭因子的條目數(shù)以提高其測驗信度。

總之，多元概化分析結(jié)果表明，基于本土文化環(huán)境編制的青少年學習倦怠量表的結(jié)構(gòu)符合其編制理論的假設，支持原編者運用CTT所得的結(jié)果。該量表及其分量表（因子）既可以作為常模參照測驗使用，也可作為標準參照測驗使用，值得在實際中加以推廣與使用。

5 結(jié)論

（1）ASBI的各因子和總量表的信度較高，既能作為一個總量表使用以了解個體的總體學習倦怠狀況，也可以各因子為基線了解個體在學習領域中的倦怠狀態(tài)。

（2）ASBI的概化系數(shù)和可靠性指數(shù)均達到較好水平，表明其該量表及其分量表（因子）既可以作為常模參照測驗使用，也可作為標準參照測驗使用。

（3）ASBI在決定各因子的分量比例方面還不盡完善。今后的修訂工作，可考慮改進學業(yè)疏離和低成就感因子條目的質(zhì)量，適當增加身心耗竭因子的條目數(shù)以提高其測量學指標。