作者简介：李新，博士研究生，北京师范大学教育学部（北京　100875）；李艳燕（通讯作者），博士，教授，博士生导师，北京师范大学教育学部（北京　100875）。
 

基金项目：国家自然科学基金面上项目“基于情景的学习者在线学习分析关键技术与评价模型研究”（61877003）。

引用：李新,李艳燕(2021).基于系统性文献综述的国外学习投入实证研究分析[J].现代远程教育研究,33(2):73-83,95.

摘要：学习投入是衡量学生学习过程质量的重要指标，与学生的学习持续性、学业满意度、学习绩效以及学业完成情况高度相关。近年来我国学者围绕学习投入的研究增长迅速，但研究内容多集中在理论层面，实证研究相对较少。国外在学习投入研究方面已经积累了较为丰富的经验，其在多情境下进行的学习投入实证研究，可以为我国学者提供更多的实践参考。利用系统性文献综述法对国外近十年的实证研究论文进行统计分析后发现：（1）国外学习投入实证研究主要涉及教育学、医学和语言学三个学科领域，研究场景主要包括传统课堂、游戏化课堂以及在线学习，研究对象多为大学生，研究方法则以定量研究和混合研究为主；（2）学习投入的概念框架复杂多元，包含学生在学业上的身体和心理的双重投入；（3）学习投入的指标体系相对宽泛，为不同情境下学习投入指标体系的构建提供了参考；（4）影响因素是国外学习投入实证研究的关注重点，主要包括教师、学生、课程、环境以及同伴等；（5）学习投入的测量仍以自我报告和编码等传统方式为主，基于多模态数据对学生的学习表现进行预测与评价将成为重要的发展方向。我国学者在开展学习投入实证研究时，需注重概念的情境化、指标的多维化、场景的多样化、结构的多元化以及数据的多源化，加强学习投入实证研究的深度与广度。

关键词：学习投入；实证研究；系统性文献综述；研究特征；影响因素；测量方法

一、研究背景

学习投入是影响学习者学习成功的关键因素（Xie et al.，2020），与学生的学习持续性、学业满意度、学习绩效以及学业完成情况高度相关（Kuh，2009）。近十年来，学习投入的概念、测量等越来越受到研究者与实践者的关注和重视（Bond et al.，2020）。

首先，学习投入作为一个多元结构，研究者根据不同的研究情境对学习投入提出了不同的定义。Fredricks 等（2004）从学习活动的视角出发，认为学习投入是学生对学习活动的承诺或投入；Bond等（2020）从测量方式和影响因素出发，指出学习投入是学生在学习过程中所付出的精力和努力程度，可以通过学习者的行为、认知、情感等指标观察测量，受师生关系、生生关系、学习活动以及学习环境等内外部因素的影响。Skinner等（2012）从学习投入的研究层次出发，指出学习投入不仅是多元概念，也是多情境概念，在社会机构、学校、教室和学习活动等不同情境下学习投入概念将呈现不同的价值取向。从概念框架来看，Martin（2008）将学习投入界定为包括行为投入和认知投入的二维框架；Fredricks等（2004）则将其定义为包含行为投入、认知投入、情感投入的三维框架，这也是被广泛接受认可的划分维度；随后Fredricks等（2016）在三维框架的基础上增加了社交投入，也就是学生与同伴或教师的社会性互动。可见，由于学习投入本身的复杂性，国际研究者对学习投入的概念和框架并没有形成统一的认识，这也间接导致了该领域研究的多样性。

其次，学习投入在学生的学习过程中起着至关重要的作用。有研究表明，当学生专注于自己的学习时，能够提升其学习动机和学习绩效（Carolis et al.，2019）。近几年，为了有效促进学习者的学习投入，国外研究者在概念界定和指标体系的研究基础上，主要聚焦于技术支持的学习环境对学生学习投入的影响以及学习投入的测评等方面。研究者们已经普遍认可信息技术在提升学生学习投入方面的作用（Norris et al.，2014），但也意识到并不是将技术作用于学生就能提升其学习投入。目前研究者正就此方面展开积极的探索。如Bergdahl等（2019）探讨了在技术支持的学习环境下，高、中、低学习表现的学生投入和学习脱离的差异；Bond（2020）从生态学视角构建了以学生为中心的学习投入影响因素模型，包括家庭、同伴、教师、课程、环境等。在测量方法方面，已有研究大多采用量表通过自我报告的方式对学生的学习投入进行测评，但是这种测量方式的准确性与有效性一直被研究者们视为阻碍学习投入研究进一步发展的关键因素（Sinha et al.，2015；D’Mello et al.，2017；Zhang et al.，2017）。Noroozi等（2020）提出融合主观自我报告与客观生理数据的多模态分析技术，通过发挥多模态数据间的互补性，来准确全面地刻画学生的学习投入。

由上可见，国外学习投入研究在理论探讨、实践探索方面都已经积累了较为丰富的经验。尤其其在多情境下进行的学习投入实践探索，具有较高的借鉴价值。而通过中国知网对我国学习投入研究论文进行分析发现，近年来我国学者围绕学习投入的研究虽然增长迅速，但是从研究内容来看，大多聚焦于框架设计、量表编制、方法探讨等理论层面，实证研究相对较少。实证研究是基于证据、有一定解释深度、对教育现象背后本质的认识探究过程（吴重涵，2017），因其提倡“用数据说话”而备受研究者、管理者和决策者的重视（刘选等，2018）。以国外学习投入实证研究为鉴，厘清学习投入实证研究的主题、情境与方法，可以为我国学者开展学习投入研究提供更多的实践参考。

二、研究设计

1.研究方法

本研究采用系统性文献综述法开展研究。系统性文献综述法是一种明确、系统的文献综述方法，通过清晰可复制的检索技术和检索策略对相关文献进行检索、评估，然后根据研究问题或预先制定的标准进行文献筛选与甄别，进而精准掌握该研究主题的研究现状与发展趋势，以解决特定的研究问题（Rudnicka et al.，2012）。系统性文献综述法的优势在于严谨、透明，包括清晰的研究问题、全面的检索策略、明确的文献标准、高质量的评估方法、综合的数据分析以及可靠的研究结果，能够有效克服传统研究方法的主观性、偏见性等问题（Sutherland，2004）。

2.研究问题

为了解国外当前学习投入实证研究情况，本研究确定了如下研究问题：（1）国外学习投入实证研究主要呈现哪些特征（研究地区、研究场景、研究对象、研究领域、研究时间、研究方法等）？（2）国外学习投入的概念框架及指标体系的内涵特征是什么？（3）国外学生学习投入/学习脱离的主客观影响因素有哪些？如何促进学习者的学习投入？（4）国外学习投入的测量主要应用了哪些方法与技术？其有效性与可行性如何？

3.样本获取

（1）文献检索策略

为有效获取国外近十年学习投入的高质量实证研究文献，本研究在EBSCO ERIC、Elsevier ScienceDirect、Springer Link、Web of Science、Wiley Online Library 5个文献数据库中，以“Student Engagement”“Learning Engagement”“Academic Engagement”“School Engagement”（Reschly et al.，2012）为关键词进行标题精确检索，文献时间限定为2011年1月1日-2020年6月30日，共获得3398篇文献。需要说明的是，在英文表达中尽管也有“Involvement”“Participant”等术语，但是国外研究者更多地采用“Engagement”来描述学生的学习投入（Henrie et al.，2015），因此，本研究在检索学习投入实证研究论文时，将关键词界定为“Engagement”。

（2）文献筛选标准

为保证文献分析结果的准确性和可靠性，精准呈现国外学习投入实证研究情况，基于研究问题，本研究针对初步检索到的3398篇文献制定了如表1所示的文献纳入/排除标准（Indriasari et al.，2020）。其中1~6条为系统性文献综述法为了保证研究样本的准确性与权威性而普遍采用的筛选标准；第7条为限定研究对象，保证研究样本为国外文献；第8条是为了筛选实验类实证研究，剔除部分采用大规模问卷调查，但是缺乏研究问题、严谨的实验过程以及清晰的研究方法的文献；第9条旨在将文献的研究主题聚焦于学习投入的指标体系、影响因素、测量方法等方面，剔除将学习投入作为单一变量或非研究重点的研究文献。

表1　文献纳入/排除标准

（3）文献筛选过程

本研究遵循系统性文献综述及元分析方法（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）的研究思路进行文献综述。该方法是国际上常用的系统性综述方法，包含27项指标（如标题、摘要、方法、结果、讨论等）和4个阶段（Liberati et al.，2009），需清楚地呈现文献识别、筛选、纳入或排除的过程及原因，以提升系统性文献综述和元分析报告的准确性。基于该研究思路，本研究最终获得符合条件的论文48篇，其中EBSCO ERIC 5篇、Elsevier ScienceDirect 22篇、Springer Link 2篇、Web of Science 8篇、Wiley Online Library 11篇；属于SSCI索引的文献有29篇，SCI索引的文献有7篇，SSCI和SCI双索引的文献有11篇，非SSCI或SCI索引的文献有1篇。PRISMA流程图如图1所示。针对筛选后的48篇文献，研究从作者、年份、国家、期刊、研究主题、概念框架、指标体系、学科背景、研究情境、研究对象、研究周期、研究方法、测量方法、测量工具、影响因素、研究结论等维度对其进行编码分析。

图1　PRISMA 流程图

三、基于文献计量分析的学习投入实证研究现状

实证研究是由“真实问题—方法运用—数据分析—结论诠释”构成的统一体（刘选，2017），是教育走向科学的必要途径（袁振国，2017）。本研究聚焦国外学习投入的实证研究，重点关注学习投入实证研究的设计、场景、方法等。以下将按照文献发表、作者分布、研究设计、研究场景以及研究方法等来具体分析国外学习投入实证研究的基本特点。

1.文献发表与引用情况

从发表时间来看，当前国外学习投入实证研究整体上呈现逐年递增的趋势（见图2），表明学习投入持续且正在以上升的趋势受到国外研究者的关注。从发表的期刊分布来看，48篇文章发表在34种不同的期刊上，其中发表在教育类期刊上的文章有34篇（70.8%），发表在心理学类期刊上的文章有5篇（10.4%），发表在医学类期刊上的文章有4篇（8.3%），其余为交叉学科类期刊和计算机类期刊（10.4%）。发表数量排前三的期刊分别是《计算机和教育》（Computers & Education）、《英国教育心理杂志》（British Journal of Educational Psychology）和《计算机辅助学习杂志》（Journal of Computer Assisted Learning）。这也是文献引用率最高的三篇文章的来源期刊。

图2　2011-2020年国外实证研究文献发表数量

从文献引用率来看，有10篇文献的引用率在20次以上，超过50次引用的文章有5篇。其中，引用率最高的文章是Junco等（2011）研究以Twitter为代表的社交媒体工具对学生学习投入和学习成绩的影响（1034次）；其次是Filsecker 等（2014）有关游戏化教学中外部奖励对学生学习投入的影响研究（244次）；可以发现，引用率较高的文章主题主要集中在学习投入的影响因素和提升策略上，这是国外学习投入的研究热点。需要注意的是，被引次数超过50次的文献都发表在2011-2016年间，这可能是由于近期发表的文章没有足够的时间获得更多的引用而导致。

2.作者分布特征

为展现国外学习投入实证研究的作者分布情况，研究以第一作者为分析单位，对48篇样本文献进行分析，发现作者总共来自20个国家，其区域分布分别是北美洲（n＝21，43.8%）、欧洲（n＝15，31.3%）、亚洲（n＝8，16.7%）、大洋洲（n＝2，4.1%）以及南美洲（n＝2，4.1%）。从发文作者数量来看，美国作者共20位，占总作者数的41.7%，说明美国学者是学习投入实证研究的主要群体。

3.研究设计特征

为进一步分析学习投入的研究情境与实验设计，本研究对样本文献的学科背景、研究对象、样本数量以及研究周期等指标进行了系统分析。

学科背景分析发现，近十年国外学习投入的研究不仅分布于教育学领域，医学、心理学、语言学以及计算机科学等学科的研究者也在关注学习投入，其中教育学、医学和语言学三个学科的研究者对学习投入最为关注，研究案例比较丰富（见图3a）。

图3　 学习投入研究设计特征

从研究对象的类别来看，国外近十年学习投入实证研究中，以大学生为研究对象的占64.6%（n＝31），以中学生为研究对象的占25.0%（n＝12），以小学生为研究对象的占6.3%（n＝3），其他（学前儿童和职前教师）占4.3%（n＝2）（见图3b）。可见，国外学习投入实证研究的对象主要是大学生，对中小学生的关注相对较少。这可能是由于国外面向中小学生开展实验研究时，需征得教师或父母的同意，这为实证研究的开展增加了难度。
 

从样本数量来看，国外近十年学习投入实证研究中，39.6%（n＝19）的研究样本数量为40人以下，25.0%（n＝12）的研究样本数量为200人以上，其他研究的样本数量分布相对平均（见图3c）。这说明国外学习投入实证研究的样本量主要控制在一个班左右，这样既方便研究设计和相关变量的控制，同时又能避免样本量过少而导致的研究局限。但是也有部分研究样本量超过200人，这类研究基本是面向大规模学生群体采取的长周期跟踪调查研究。

还有46篇文献明确提出了研究周期，但大部分研究的研究周期在一年以内（91.3%，n＝42），周期为3~6个月的研究最多，占比为34.8%（n＝16）（见图3d）。可以发现，当前国外围绕学习投入的实证研究周期集中在3~12个月之间，既能够保证研究设计有着较为完善的迭代设计和干预优化，又能保证研究结果的可靠性。

4.研究场景特征

对样本文献研究场景的分析发现，除传统课堂外（n＝23，47.9%），游戏化情境和以MOOC为代表的在线学习是学习投入实证研究的重要场景（见图4）。这一方面可能是因为大量研究表明游戏化学习情境有助于提升学生的学习投入（Ninaus et al.，2019），因此有很多研究者探讨游戏化课堂/课程对学生学习投入的影响；另一方面可能因为以MOOC为代表的在线课程一直有着较高的辍学率（Hew，2016），如何提升学习者的在线学习投入进而提高MOOC完成率也成为研究者关注的问题。

图4　学习投入的研究场景

5.研究方法特征

为更好地借鉴国外学习投入的实证研究范式，本研究将实证研究方法划分为实验设计、准实验设计及非实验设计三类。实验设计是指控制实验条件和安排实验程序的研究，其目的在于分析实验条件和实验结果之间的关系，一般采用随机分组；准实验设计是指既不能直接操纵自变量又不能对研究中的额外变量进行严格控制的研究，不采用随机分组，而是进行多组别的分类和测量，如设置对照组和控制组等。其他属于非实验设计。对48篇实证研究文献的研究范式和数据分析方法进行分析后发现（见图5），有13篇文章采用了实验设计（27.1%），17篇文章采用了准实验设计（35.4%），18篇文章属于非实验设计（37.5%）。从数据分析方法来看，实验设计大多采用定量与定性相结合的混合分析方法（n＝8，61.5%），准实验设计则以定量研究（n＝7，41.2%）和混合研究（n＝7，41.2%）为主，非实验设计则更倾向于定量研究（n＝11，61.1%）。整体来看，大多数研究主要采用定量研究（n＝21，43.8%）和混合研究方法（n＝20，41.7%）。

图5　学习投入研究方法
四、国外学习投入实证研究特征分析

通过对国外近十年学习投入实证研究文献的分析发现，国外学习投入的实证研究呈现出概念框架复杂多元、指标体系相对宽泛、影响因素复杂多变以及测量方法有待突破等特征。

1.学习投入的概念框架复杂多元

学习投入的概念框架是厘清学习投入内涵、确定其测量方法和结果解释的重要依据。Bond（2020）的研究发现，虽然学习投入一直被视为影响学生学业成绩和学习表现的重要因素，也一直是教育领域的重要研究议题，但是仅有12.0%的文献针对学习投入给出了明确的定义。本研究的样本文献中，54.2%的文献针对学习投入给出了明确的定义，其中超过4/5的文章引用他人观点，不到1/5的文章提出新观点。对这些学习投入概念进行比较，发现研究者普遍认同学习投入是一个复杂、多元的概念，但是并没有对其定义形成统一认识。引用最多的定义是Fredricks 等（2004）提出的学习投入三维概念框架（n＝15），即行为投入、认知投入和情感投入。随后Fredricks等（2016）将其扩展为行为、认知、情感和社交四个维度，其中行为投入指学生参与学业和课堂活动的表现，包括注意力、参与度、作业完成情况以及课堂纪律等；认知投入指学生的自我调节、坚持不懈、努力理解复杂概念或掌握困难技能等；情感投入指学生对老师、同学和课堂活动的积极情绪以及对学校或学科的兴趣、享受或认同的心理状态；社交投入指学生与同伴或老师的互动、参与质量以及在课堂上的社会行为。可见，学习投入主要是指学生在学业上的身体和心理的双重投入（Astin，1984），体现出学生在学习过程中努力付出的程度、意愿和质量（Hu et al.，2002；Upadyaya et al.，2013），并且与学生的学习期望和学习绩效相关联（Kuh，2009）。此外，值得注意的是，部分研究者针对不同的研究情境（如MOOC）为学习投入给出了不同的定义，表明学习投入是受情境影响的。在实证研究中，应基于不同的研究情境，增加新的指标维度，以更加全面立体地呈现学生的学习投入状态。

2.学习投入的指标体系相对宽泛

学习投入指标体系的界定不仅有助于厘清学习投入多元结构的内在关系，同时有助于不同情境下学生学习投入的测量与评价。针对48篇样本文献的分析发现，有23篇文献对学习投入的指标体系进行了明确界定，包括行为投入（n＝12，52.2%）、情感投入（n＝12，52.2%）、认知投入（n＝13，56.7%）以及其他类别（n＝5，21.7%）。依据Fredricks等（2004）学习投入三维结构，将出现频次排名前5的指标整理如表2所示。可以发现，已有学习投入指标体系相对宽泛，行为投入强调学生的努力程度、参与程度以及互动程度，认知投入强调学生的自我调节和深度学习，情感投入强调学生的情绪和感受。这些指标的划分为不同情境下学习投入指标体系的构建提供了参考，如在行为投入维度下重点关注努力、参与和互动指标的划分与测量方式，同时将具体指标与相关测量数据建立对应关系，便于对学习投入各维度指标的测量与评价。

表2　学习投入三维结构下出现频次排名前5位的指标（n＝23）

3.学习投入的影响因素复杂多变

学习投入的影响因素一直以来都是国外研究者关注的重点。对检索到的48篇文献进行分析发现，有38篇（79.2%）文献涉及学习投入影响因素的研究。参照Bond等（2019）对学习投入影响因素的界定，本研究将学习投入影响因素划分为教师、学生、课程/活动、环境/技术以及同伴等，同时基于文献梳理了学习投入影响因素的具体指标（见表3）。从学习投入的影响因素出发，我们可以进一步窥探提升学生学习投入的策略或举措。对教师来说，可以从三个方面提升学生的学习投入：（1）提升课程设计的质量（n＝5），发挥探究性学习活动对学生学习投入的促进作用（Diana et al.，2019）；同时也可以通过游戏化的课堂情境来促进学习者的学习投入（Göksün et al.，2019）；（2）加强对学生学习过程的指导与支持（n＝5），帮助学生更好地理解、融入课程学习，提高课堂学习的参与度；（3）发挥在线论坛、社交媒体等对学生学习投入的促进作用，设计融合多种媒体工具的教学情境。对于学生来说，可以从两个方面提升其学习投入：（1）发挥内在的主观能动性，通过培养学习兴趣、提升学习动机等方式促进学习投入；（2）发挥同伴支持的外在作用，通过积极与同伴合作、交流、分享、评价等促进学习投入。

表3　学习投入的影响因素

4.学习投入的测量方法有待突破

如何科学、准确地测量学生的学习投入既是研究者们关注的热点问题，也是学习投入实证研究面临的难点问题。为了更好地分析国外学习投入实证研究的测量方法，笔者将学习投入的测量方法细分为数据收集方式和测量方式两个类别。

（1）数据收集方式

对48篇文献数据收集方式进行系统分析（见表4）后发现，问卷（50.0%）仍然是学习投入研究数据收集的主要方式。该方法操作相对简单，能够在短时间内获取学生的学习信息，进而判断其学习投入状态。其次是访谈（29.2%）。研究人员常常通过对访谈内容进行文本分析来衡量学生的学习投入，这已逐渐成为研究者的常用方法，如Casey（2011）组织学生进行40~50分钟的访谈，再把访谈内容进行开放编码，以此来衡量同伴评价对学生学习投入的影响。第三种方式是平台日志（25.0%）。在在线学习或混合学习中，研究者依托学习平台导出的学习者学习行为记录和平台聊天记录等来分析学生的学习投入。如Soffer等（2019）收集了在线学习平台的师生互动、浏览论坛次数、讨论次数等13个变量，来评价学生的学习投入。第四种方式是录像/录屏（16.7%）。这种方式主要通过对学生的学习过程进行全程录像，进而对视频进行编码分析，以此来较为全面地记录和分析学生的学习轨迹和学习过程。此外，可穿戴设备（6.3%）、观察（4.2%）、测试（2.1%）等方法也常被用来收集数据，从而保证数据收集方式的多样性。值得强调的是，统计分析发现有41.7%的研究采用了两种或两种以上的数据收集方式，说明已经有越来越多的研究试图通过融合多种数据源的方式来消除单一数据来源的局限性，保证数据分析结果的可靠、准确。

表4 　学习投入的数据收集方式

（2）测量方式

传统的学习投入测量方式主要包括自我报告量表、体验抽样方法、在线观察、视频编码、教师评分和话语分析等（Henrie et al.，2015）。通过系统分析48篇文献发现（见表5）：首先，自我报告法（52.1%）的应用最为广泛，其中比较经典的测量量表包括：①全美大学生学习投入调查（National Survey of Student Engagement，NSSE），包括学术挑战性、主动合作学习、师生互动、丰富的教育经验以及校园环境5个维度，是世界各国评测大学生学习投入的重要参考；②学习投入测量量表（School Engagement Measure，SEM），包括行为、认知、情感三个维度，主要用于学生学校学习投入的测量；③在线学生学习投入调查（Online Student Engagement Survey，OSES），包括情感、参与、技能、绩效四个维度，用来评价在线学习者的学习投入；④课程学习投入问卷（Student Course Engagement Questionnaire，SCEQ），包括技能、情感、参与、绩效四个维度。其次是文本分析（18.8%）和视频编码（16.7%）。这二者主要是对访谈内容、录像等依据特定标准进行编码分析，如Koltovskaia（2020）通过录屏分析学生的语法使用情况来分析学生的行为投入。随着可穿戴设备在教育领域的逐渐普及，生理反应（12.5%）作为非传统测量方式也逐渐得到应用，包括心率、面部表情、眼动等。如Diana等（2019）利用腕表监测学生的心率来检测学生的学习投入，发现从课程开始到课程结束，学生的心率呈下降趋势；而学生活动能够显著提升学生的心率，进而提升学生的学习投入。此外，也有部分研究利用教师评分（8.3%）和观察记录（4.2%）的方式评价学生的学习投入。整体来看，目前国外学习投入的测量仍以传统测量方式为主，相关测量方法的进步也仅限于对传统方法的组合或迭代（Greene，2015），亟需一种本质上完全不同的测评方法。值得一提的是，Carolis等（2019）提出通过整合面部表情、头部姿势、眼神移动以及问卷调查等多模态数据对学生的学习投入进行自动测量与监控，但是该研究并没有对其实验设计、数据收集与分析等进行介绍，其有效性与可行性有待评估。尽管如此，基于多模态数据对学生的学习表现进行预测与评价有可能成为未来学习投入研究重要的发展方向，这种方式将为提升学习投入测量的准确性提供支持。

表5　 学习投入的测量方法

五、研究结论与启示

1.研究结论

本研究利用系统性文献综述法，筛选了国外近十年学习投入领域的48篇英文实证文献，从研究主题、概念框架、指标体系、影响因素以及测量方法等方面对学习投入实证研究现状进行了系统分析，研究发现：

第一，从文献发表数量来看，国外近十年学习投入的实证研究数量整体上呈逐年上升趋势，且主要发表在教育学、心理学以及医学类期刊上。其中，引用率最高的是Junco等2011年有关社交媒体工具对学生学习投入和学习成绩的影响研究。从作者地理分布来看，美国作者占比最高，说明学习投入的研究仍以美国学者为主；从研究设计来看，国外学习投入的实证研究主要聚焦大学生，其次是中学生和小学生；样本数量呈现两极分化的特征，1~40人和200人以上的研究占比最高；而研究周期则主要集中在3~12个月；研究场景主要是传统课堂、游戏化课堂和在线课堂；研究方法以定量研究和混合研究为主。

第二，从概念框架来看，目前学者们对学习投入的概念界定并未达成一致，但是引用最多的概念框架是Fredricks于2004年提出的三维结构，即行为投入、认知投入和情感投入。不同领域的学者根据其研究背景和情境也对学习投入给出了不同的概念。综合来看，学习投入是学习者在学业中的努力付出程度与质量，包括身体层面和心理层面的双重投入。

第三，从指标体系来看，调研文献中明确构建指标体系的文章仅有23篇，且对学习投入指标体系的构建相对宽泛，涵盖了多种学习情境，其中行为投入强调学习者的努力程度、参与状态以及师生、生生间的互动情况；认知投入强调学习者的自我调节和深度学习；情感投入主要指学习者的情感状态和主观感受。

第四，从影响因素来看，学习投入主要受教师、学生、课程、环境以及同伴的影响，其中最受研究者关注的影响因素是技术和环境，如社交媒体、游戏化情境以及在线课程等。

第五，从测量方法来看，目前学习投入的测量方式仍然是以自我报告和编码等传统方式为主，数据获取方式也主要依靠问卷和访谈。随着可穿戴设备和人工智能技术的发展，从学习者生理反应来测量学习投入已经逐渐有研究者涉及，其中以计算机领域研究为最。因此，融合传统数据和生理数据的多模态数据分析有望成为未来学习投入测评的重要方式。

2.研究启示

本研究在分析国外学习投入实证研究的基础上，总结出其对我国学者开展学习投入实证研究的五大启示：

（1）注重学习投入概念的情境化

从广义上来说，学习投入主要是指学生在学习过程中的努力程度和状态，包括行为投入、认知投入和情感投入，与学生的学习成绩高度相关。但是在广义概念的指引下，针对不同的研究情境，学习投入的概念还可以进行详细界定。如在课堂学习中的行为投入是指学生的课堂讨论、互动、提问与回答问题等；而在英语作文写作的学习活动中，行为投入则更倾向于具体的语言修改以及花费的时间，认知投入指学习者采用了哪些策略来提升英语写作的准确性，情感投入则指学生对相关写作工具的直观感受等。我国学者在针对不同研究对象与研究情境开展学习投入实证研究时，需要在概念框架的指引下，针对不同的研究情境理解和界定学习投入。把握学习投入概念的情境性特征，才能够对其进行更精准地分析和测量，从而更好地把握学习投入的本质。

（2）强调学习投入指标的构建与延伸

学习投入指标的构建有助于学习投入的内涵理解和测量分析。但是分析发现，国外近十年的学习投入实证研究中仅有少部分研究针对学习投入给出了明确指标，已经构建的指标体系也相对宽泛，缺乏情境性，这在一定程度上影响了学习投入测量的准确性。为了保证学习投入测量的准确性和可信性，我们在构建学习投入指标体系时，一方面要根据研究情境对行为投入、认知投入以及情感投入的指标进行划分，建立指标与数据之间的对应关系，明确学习投入指标的测量方式；另一方面要根据研究情境或研究对象的不同，打破学习投入三维结构的局限，适当扩展和延伸已有框架结构。如Sinha等（2015）将计算机支持的协作学习情境下的学习投入概念框架拓展为行为、社交、认知以及概念—结果四维度。这不仅丰富了学习投入的概念界定，而且有助于提升学习投入测量的准确性。

（3）加强翻转课堂、游戏化以及MOOC情境下的学习投入实证研究

分析发现，国外近十年学习投入的研究情境仍集中在传统课堂，但是翻转课堂、游戏化课堂以及MOOC情境下的学习投入正逐渐受到越来越多研究者的关注。Steenutheim等（2018）的研究发现，与传统授课模式相比，翻转课堂中学生的情感投入和认知投入更为明显。Cakiroglu等（2016）有关游戏化情境下学生学习投入的研究发现，游戏化情境能够显著提升学生的学习投入，进而提高学生的学习成绩。但是游戏化情境下的哪些因素会对学生的学习投入产生影响，以及游戏化情境下学生的行为投入、认知投入以及情感投入将呈现何种特征等问题尚未做更深入的研究。MOOC作为在线教育快速发展的产物，完成率较低一直是困扰其发展的重要原因，因此越来越多的研究者开始关注如何通过提升MOOC学习者的学习投入，进而提升其课程完成率，以促进MOOC的健康持续发展（Jung et al.，2017）。综上，我国学者在开展学习投入实证研究时，可以在翻转课堂、游戏化课堂、MOOC课程甚至是以AR/VR为代表的沉浸式课堂中，探讨新型教学情境下学习投入的影响因素与提升策略。这将成为未来学习投入重要的研究方向。

（4）关注技术对学习投入维度的影响及其内在关系

国外近十年有关学习投入影响因素的研究中，探究技术和环境对学习投入影响的研究较多，包括社交媒体工具、游戏化学习情境、移动学习方式等。但是涉及影响因素的大部分研究中，均将学习投入视为一个整体，忽略了学习投入的多元概念特征及内在结构关系。因此，我国研究者在研究技术对学生学习投入的影响时，可重点关注技术对学生行为投入、认知投入以及情感投入的不同影响，进而判断其对学生学习投入的整体影响。此外，考虑到行为投入是相对易直接测量的指标，而认知投入和情感投入则需要更加准确的测量方法抓取学生的相关数据（Garritz，2013），因此我国研究者在测量学习者的学习投入时可重点关注认知投入和情感投入的测量，同时也可以通过行为投入来判断学习者的认知投入和情感投入，进而深入挖掘学习投入多元结构之间的内在关系。

（5）重视学习投入的多模态数据分析

学习投入是一个包括行为、认知、情感的多元概念，很难通过单一且传统的手段对其进行测量（Curtis et al.，2015）。文献分析发现，国外近十年的学习投入虽然在多模态测量方面进行了一定探索，但是大多数实证研究仍以自我报告法等传统方式为主。虽然该方法操作相对简单、成本较低，但是其准确性、可靠性等有待提升。随着可穿戴设备、人工智能等技术在教育领域的逐渐落地，以及脑科学、神经科学与教育学的交叉融合，利用视频数据、日志数据、姿势数据、音频数据、生理反应以及问卷调查等多模态数据预测和解释学生的学习表现将成为重要发展趋势（Sharma et al.，2019）。因此，我国学者在测评学生学习投入时，将传统方式与生理反应相结合，在自我报告、访谈、观察等传统测量方式的基础上融入眼动、心率、脑电波以及面部表情等数据，利用深度学习和机器学习的方法对学习者的多模态数据进行深入分析，建立数据与学习投入之间的联系，有望突破学习投入测评方面的局限性。但是需要强调的是，目前国外研究者开展的多模态数据分析仍处于探索阶段，其对研究情境的设计、多源数据的处理、多模态数据的融合以及相关实验设备和专业知识等要求极高（Sharma et al.，2020）。因此，我国教育领域的研究者可以加强与计算机、人工智能等领域研究者的合作，发挥各自的优势，共同推进学习投入测评的研究与进展。

六、总结

学习投入作为衡量学生学业表现的重要指标，对于提升学生的学习效益和教师的教学绩效具有重要价值（Henrie et al.，2015）。本研究采用系统性文献综述法，对国外近十年学习投入相关实证研究论文进行了统计分析，剖析了学习投入实证研究的主题特征（研究场景、研究对象、研究领域、研究方法等）、概念框架、指标体系、影响因素以及测量方法，并在此基础上提炼了我国学者在开展学习投入实证研究方面的一些建议。本研究为我国学者初步勾勒了学习投入实证研究图景，有助于我国学者围绕学习投入的测评开展更加深入的研究。但是本研究在文献检索和分析时仍存在一些局限性：首先，研究选择的论文均来源于同行评议的期刊论文，没有包含会议论文、报告、书稿等，可能导致部分代表性研究成果没有被纳入；其次，研究所选论文是全文可获取的文献，部分无法下载全文的文献没有被纳入；最后，研究选取分析的文章都是实证研究类论文，理论类文章、综述类文章等未被纳入，因此关于学习投入的理论模型以及技术环境下学习投入的趋势探讨等内容相对薄弱。

参考文献：[1]刘选(2017).实证研究怎么做:让研究者困惑的地方——来自华东师大第二届全国教育实证研究论坛的启示[J].现代远程教育研究, (3):18-25.[2]刘选,田党瑞,汪燕(2018).我们需要什么样的实证研究:类型与应用模式——以《现代远程教育研究》2010-2017年195篇实证研究论文为例[J].现代远程教育研究, (4):49-58.[3]吴重涵(2017).教育实证研究中综述什么:研究方法论的视角[J].现代远程教育研究, (1):21-25.[4]袁振国(2017).实证研究是教育学走向科学的必要途径[J].华东师范大学学报(教育科学版),35(3):4-17,168.[5]Astin, A. (1984). Student Involvement: A Developmental Theory for Higher Education[J]. Journal of College Student Personnel, 25(4):297-308.[6]Bergdahl, N., Nouri, J., & Fors, U. et al. (2019). Engagement, Disengagement and Performance When Learning with Technologies in Upper Secondary School[J]. Computers & Education, (2):1-17.[7]Bond, M. (2020). Facilitating Student Engagement through the Flipped Learning Approach in K-12: A Systematic Review[J]. Computers & Education, (7):1-36.[8]Bond, M., & Bedenlier, M. (2019). Facilitating Student Engagement Through Educational Technology: Towards a Conceptual Framework[J]. Journal of Interactive Media in Education, (1):1-14.[9]Bond, M., Buntins, K., & Bedenlier, S. et al. (2020). Mapping Research in Student Engagement and Educational Technology in Higher Education: A Systematic Evidence Map[J]. International Journal of Educational Technology in Higher Education, 17(1):1-30.[10]Cakiroglu, U., Basibuyuk, B., & Guler, M. et al. (2016). Gamifying an ICT Course: Influences on Engagement and Academic Performance[J]. Computers in Human Behavior, 69(4):98-107.[11]Carolis, B., Derrico, F., & Macchiarulo, N. et al. (2019). “Engaged Faces”: Measuring and Monitoring Student Engagement from Face and Gaze Behavior[C]// Proceedings of the IEEE International Conference on Web Intelligence: 80-85.[12]Casey, D. (2011). Use of Peer Assessment as a Student Engagement Strategy in Nurse Education[J]. Nursing and Health Sciences, 13(4):514-520.[13]Curtis, R., Henrie, R., & Charles, R. (2015). Measuring Student Engagement in Technology-Mediated Learning: A Review[J]. Computers & Education, 90(10):36-53.[14]D’Mello, S., Dieterle, E., & Duckworth, A. (2017). Advanced, Analytic, Automated (AAA) Measurement of Engagement During Learning[J]. Educational Psychologist,(2):104-123.[15]Diana, K., & Paul, A. (2019). Student Engagement, Assessed Using Heart Rate, Shows No Reset Following Active Learning Sessions in Lectures[J]. PLoS ONE, 14(12):1-14.[16]Filsecker, M., & Hickey, D. (2014). A Multilevel Analysis of the Effects of External Rewards on Elementary Students’Motivation, Engagement and Learning in an Educational Game[J]. Computers & Education, 75(6):136-148.[17]Fredricks, J., Blumenfeld, P., & Paris, A. (2004). School Engagement:Potential of the Concept, State of the Evidence[J]. Review of Educational Research, 74(1):59-109.[18]Fredricks, J., Filsecker, M., & Lawson, M. et al. (2016). Student Engagement, Context, and Adjustment: Addressing Definitional, Measurement, and Methodological Issues[J]. Learning and Instruction, 43(43):1-4.[19]Garritz, A. (2013). Instrument Development of the Affective Domain: School and Corporate Applications[J]. Educación Química, 24:538-539.[20]Göksün, D. O., & Gürsoy, G. (2019). Comparing Success and Engagement in Gamified Learning Experiences via Kahoot and Quizizz[J]. Computers & Education, 135(7):15-29.[21]Greene, B. A. (2015). Measuring Cognitive Engagement with Self-Report Scales: Reflections from over 20 Years of Research[J]. Educational Psychologist, 50(1):1-17.[22]Henrie, C., Halverson, L., & Graham, C. (2015). Measuring Student Engagement in Technology-Mediated Learning: A review[J]. Computers & Education, 90(10):36-53.[23]Hew, K. F. (2016). Promoting Engagement in Online Courses: What Strategies Can We Learn from Three Highly Rated MOOCS[J]. British Journal of Educational Technology, 47(2):320-341.[24]Hu, S., & Kuh, G. (2002). Being (Dis)engaged in Educationally Purposeful Activities: the Influences of Student and Institutional Characteristics[J]. Research in Higher Education, 43(5):555-575.[25]Indriasari, T., Luxton-Reilly, A., & Denny, P. (2020). Gamification of Student Peer Review in Education: A Systematic Literature Review[J]. Education and Information Technologies, (3):1-30.[26]Junco, R., Heiberger, G., & Loken, E. (2011). The effect of Twitter on college student engagement and grades[J]. Journal of Computer Assisted Learning, 27(2):119-132.[27]Jung, Y., & Lee, J. (2017). Learning Engagement and Persistence in Massive Open Online Courses (MOOCS)[J]. Computers & Education, 122(4):9-22.[28]Koltovskaia, S. (2020). Student Engagement with Automated Written Corrective Feedback (AWCF) Provided by Grammarly: A Multiple Case Study[J]. Assessing Writing, 44(2):1-12.[29]Kuh, G. (2009). What Student Affairs Professionals Need to Know About Student Engagement[J]. Journal of College Student Development, 50(6):683-706.[30]Liberati, A., Altman, D., & Tetzlaff, J. et al. (2009). The PRISMA Statement for Reporting Systematic Reviews and Meta-Analyses of Studies That Evaluate Healthcare Interventions: Explanation and Elaboration[J]. Journal of Clinical Epidemiology, (10):1-34.[31]Martin, A. (2008). Enhancing Student Motivation and Engagement:The Effects of a Multidimensional Intervention[J]. Contemporary Educational Psychology, 33(2):239-269. [32]Ninaus, M., Agreipl, S., & Kiili, K. et al. (2019). Increased Emotional Engagement in Game-Based Learning-A Machine Learning Approach on Facial Emotion Detection Data[J]. Computers & Education, 142(7):1-10.[33]Noroozi, O., Pijeira-Díaz, H. J., & Sobocinski, M. et al. (2020). Multimodal Data Indicators for Capturing Cognitive, Motivational, and Emotional Learning Processes: A Systematic Literature Review[J]. Education and Information Technologies, (5):1-49.[34]Norris, L., & Coutas, P. (2014). Cinderella’s Coach or Just Another Pumpkin? Information Communication Technologies and the Continuing Marginalisation of Languages in Australian Schools[J]. Australian Review of Applied Linguistics, 37(1):43-46.[35]Reschly, A., & Christenson, S. (2012). Jingle, Jangle, and Conceptual Haziness: Evolution and Future Directions of the Engagement Construct[M]. Boston: Springer:3-19.[36]Rudnicka, A., & Owen, C. (2012). An Introduction to Systematic Reviews and Meta-Analyses in Health Care[J]. Ophthalmic and Physiological Optics, 32(3):174-183.[37]Sharma, K., & Giannakos, M. (2020). Multimodal Data Capabilities for Learning: What Can Multimodal Data Tell Us about Learning?[J]. British Journal of Educational Technology, (5):1450-1484.[38]Sharma, K., Papamitsiou, Z., & Giannakos, M. (2019). Building Pipelines for Educational Data Using AI and Multimodal Analytics: A “Grey-Box” Approach[J]. British Journal of Educational Technology, 50(6):3004-3031.[39]Sinha, S., Rogat, K., & Adams-Wiggins, R. et al. (2015). Collaborative Group Engagement in a Computer-Supported Inquiry Learning Environment[J]. International Journal of Computer-Supported Collaborative Learning, 10(3):273-307.[40]Skinner, E., & Pitzer, J. (2012). Developmental Dynamics of Student Engagement, Coping, and Everyday Resilience[M]// Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). Handbook of Research on Student Engagement. Boston:Springer:21-44.[41]Soffer, T., & Cohen, A. (2019). Students’ Engagement Characteristics Predict Success and Completion of Online Courses[J]. Journal of Computer Assisted Learning, 35(3):378-389.[42]Steenutheim, A., & Foldnes, N. (2018). A Qualitative Investigation of Student Engagement in a Flipped Classroom[J]. Teaching in Higher Education, 23(3):307-324.[43]Sutherland, S. (2004). An Introduction to Systematic Reviews[J]. Journal of Evidence Based Dental Practice, 4(1):47-51.[44]Upadyaya, K., & Salmela, K. (2013). Development of School Engagement in Association with Academic Success and Well-Being in Varying Social Context: A Review of Empirical Research[J]. European Psychologist, 18(2):136-147.[45]Xie, K., Vongkulluksn, V. W., & Lu, L. et al. (2020). A Person-Centered Approach to Examining High-School Students’Motivation, Engagement and Academic Performance[J]. Contemporary Educational Psychology, 62(5):1-13.[46]Zhang, X., Meng, Y., & Ordóñez de Pablos, P. et al. (2017). Learning Analytics in Collaborative Learning Supported by Slack: From the Perspective of Engagement[J]. Computers in Human Behavior, 92:625-633.收稿日期　2020-11-21　责任编辑　汪燕