王均霞，王郁琪

（江南大学 人文学院，江苏 无锡 214122）

0 引言

注意力作为影响学习者学习效果的重要内部因素，是心理学和教育学的研究重点之一。诸多研究表明，学生在课堂学习过程中注意力越集中，对教学内容的接受能力越强，学习效果也越好［1-2］。目前注意力的研究主要集中在特殊教育学、神经心理学、体育运动心理学等领域，研究对象多为患有注意力缺陷多动障碍（ADHD）的学生，而针对课堂学习环境下正常学生的研究相对较少，仅有的研究也多聚焦于注意力与学业成绩的关系、注意力训练与培养、注意力测量与评估等方面，缺乏对学习者注意力影响机制的深入探究与分析。

为提高大学生课堂注意力水平，改善其学习成效，本文将探索哪些因素会对课堂学习环境下大学生的注意力产生重要影响，以及因素之间存在何种关系，以期在开展课堂教学实践时，为提高学生注意力水平以及学习成效提供实证依据。

1 相关研究

国外研究者对学习者注意力的特点与影响因素展开了研究，主要集中在心理活动、外界环境等宏观因素方面。例如，Seitlinger 等［3］发现课堂学习中学习者的学习投入与注意力关系密切；Bolkan 等［4］认为学习者的学习动机直接影响注意力集中程度；Hagenauer 等［5］通过访谈澳大利亚两所公立大学的15 名大学教师，发现教师的积极情绪、师生间的良好互动能促进学生注意力集中。除了心理活动因素，客观环境也是影响学习者课堂注意力的重要因素。例如，Karst 等［6］认为课堂规模大小、课堂气氛与学习者课堂注意力之间有显著相关性；Allison 等［7］发现教学时间是影响学生课堂注意力的重要因素。

国内关于学生课堂注意力影响因素的研究主要分为两个方面。一方面是以理论为基础分析总结注意力的内在心理机制和影响因素，如唐明［8］总结了学习者注意力5大影响因素，分别为教师的言谈举止、教学模式、课程内容、智能终端设备的使用、课堂人数等；王涤非［9］认为学生的自我约束力、课堂内容以及教学方法等因素可影响课堂注意力情况。另一方面是实证研究，通过问卷调查或实验研究对课堂学习环境下大学生的注意力进行评估，分析影响因素，如颜鲁林［10］通过问卷调查得出影响大学生注意力集中程度的主要因素为学习者心情状况、身体状况、对课程的兴趣以及教学方法；曹培杰［11］从内部元认知、学习投入、互联网娱乐偏好3 个方面分析了数字化学习环境下大学生注意力的关键影响因素；凌婷［12］通过抽样调查得出学生主观因素，教师的语调、手势、板书、教学手段以及客观环境因素对学生课堂注意力有显著影响。

以上文献对学习者课堂注意力水平及其影响因素进行了初步分析，但大多集中在学生身心状况和外部环境等难以把控的宏观层面，微观层面的具体因素分析较少，不够系统全面。此外，理论分析并没有调查数据的有力支撑，实证研究中对于影响因素的分析尚不完善。

为较为全面地梳理课堂学习环境下大学生注意力的影响因素，首先对相关文献的要素进行梳理；其次访谈一些高校大学生、一线教师以及相关领域专家，对已有因素进行补充和修订；然后选取不同专业学生，实地观察其课堂注意力，进一步验证和完善影响因素；最后确定大学生课堂注意力的影响因素。由于学生身心状况具有个体差异，且在较长时间内较难形成稳定的影响因素，故予以剔除。课堂信息环境在一定程度上影响互联网的使用频率，且教学氛围主要由教学方法调控，因此将互联网使用频率和教学方法作为主要影响因素。经过分析整合得出影响注意力的主要因素，见表1。

2 课堂注意力影响因素建模

解释结构模型（Interpretive Structural Model，ISM）通过二维矩阵运算，得到因素关系层级结构模型，操作过程包括：①判断影响因素之间的逻辑关系；②建立邻接矩阵；③计算可达矩阵；④划分可达矩阵层级关系；⑤建立影响因素的ISM。

2.1 大学生课堂注意力影响因素之间的关系判断

为确保各因素之间逻辑关系的客观性，首先选取10 位教学专家对各因素的影响关系进行评判，对因素关系不一致的地方进一步确认与汇总。在此基础上，采用文献求证和专家磋商修正因素关系，并通过公式计算使一致性的评判信度大于0.9，最终各因素之间的关系见表2。当因素i正向影响因素j 时用V 表示，当因素j 正向影响因素i 时用A表示，当两因素相互影响时用X 表示，反之用O 表示。

Table 2 Interrelation among various influencing factors表2 各影响因素间的逻辑关系

2.2 邻接矩阵建立

在表2 的基础上，按照因素关系的转换标准，建立邻接矩阵N，如表3 所示。具体标准为：（1）当i=j 时，则aij=0。（2）当i≠j 时，若Ai 与Aj 之间的关系为V，则aij=1，aji=0；若关系为A，则aij=0，aji=1；若关系为X，则aij=aji=1；若关系为O，则aij=aji=0［24］。

Table 3 Adjacency matric N表3 转换生成的邻接矩阵N

2.3 可达矩阵计算

根据表3 的邻接矩阵N，按照布尔运算法则计算可达矩阵R，即设单位矩阵为I，当（N+I）K-1≠（N+I）K=（N+I）K+1=R（K≥2）时，利用MATLAB 软件运算可知，当K=3 时满足（N+I）3≠（N+I）4=（N+I）5，R=（N+I）5 即为可达矩阵。

2.4 层级关系划分

在生成的可达矩阵R 中，可达集R（Fi）表示从Fi 出发能够到达的全部要素集合，先行集A（Fi）表示所有能够到达Fi 的要素集合，两者交集R（Fi）∩A（Fi）表示从要素Fi 可能到达，并且又能够到达Fi 全部要素的集合，具体如表4 所示。根据可达矩阵层级关系的推算思路，最终将所有要素划分为4 个层级，其中A1、A2 和A5 为第一层级要素，A3 和A4 为第二层级要素，A6 和A13 为第三层级要素，A7、A8、A9、A10、A11 和A12 为第四层级要素。

Table 4 Reachable sets，antecedent sets and intersection sets of the factors表4 因素可达集、先行集及其交集表

2.5 影响因素的ISM 构建

通过可达矩阵R 判断各因素之间是否存在强连通关系，从划分的层级要素可以看出，学习兴趣和学习动机这两个因素是等价的，学习投入和自我约束、提问互动和评价反馈分别相互等价。根据各因素间的层级关系可构建影响因素的ISM，如图1 所示。

3 研究设计

3.1 研究对象与方法

研究样本来自江苏省某高校的在校大学生，共476 人。在调查抽样过程中，兼顾样本学生的异质性（如年级、专业等），设置性别比约为1∶1，采用结构方程模型法（Structural Equation Model，SEM）和问卷调查法进行调研。

3.2 问卷设计

在文献分析和专家访谈的基础上得出课堂学习环境下大学生注意力的影响因素，涉及学习者、教师和教学设计3 个维度，包括学习兴趣（LI）、学习动机（LM）、学习投入（LE）、自我约束力（SF）、互联网使用频率（IU）、语言表达（EL）、情绪吸引（EA）、互动行为（QI）、评价反馈（EF）、教学方法（TL）、课程难易度（CN）、课程趣味性（CQ）、媒体使用（MU）13 个因素。基于前文对影响因素的整理分析，编制“课堂学习环境下大学生注意力影响因素调查问卷”，包括学生基本情况调查、大学生课堂学习注意力影响因素分类调查和大学生注意力情况调查3 个部分，共45 道题目，题项采用李克特五点量表的形式表达。

Fig.1 ISM of influencing factors of college students'attention in the classroom learning environment图1 课堂学习环境下大学生注意力影响因素的ISM

3.3 研究过程

采用调查研究法对大学生课堂注意力的影响因素进行调研。首先，于2020 年4 月对调查问卷进行试测，以提高问卷设计的有效性和科学性；然后，为检验问卷题项的适切程度，采用项目分析法和相关分析法对其进行极端组检验和同质性检验，依据项目分析与临界比值分析结果，删除LI2、IU1、CQ1 和MU1 题项，最终形成的调查问卷包括41 个封闭式题目；最后，于2020 年6 月正式发放网络问卷，通过问卷网平台进行数据收集，最终保留有效样本476 份，回收率为100%。

4 数据分析结果

4.1 信度与效度分析

对正式问卷数据进行信度和效度检验，以保证其稳定性和可靠性，从而确保SEM 具有较好的实际意义。根据主成分分析结果对问卷进行微调：一是微调划分维度，确定了学习者、教师以及教学设计3 个潜在变量；二是删减题项，采用分层面个别进行因素分析法，以及限定抽取共同因素法对各层面变量进行因子分析，删除因子载荷量较小的题项LE1、SF1、LM2、EA1、EL1、QI1、EF2 和CN2；三是调整二级指标，根据题项因子负荷量及其内涵相关性，将学习者层面中的学习投入和自我约束力合并成自我管理，将教师层面中的互动行为和评价反馈合并成互动反馈，将教学设计层面中的课程难易度和课程趣味性合并成内容设计。随后对调整后的问卷进行信效度检验，问卷整体KMO值为0.827，各维度的KMO 值均高于0.65，sig 为0.000，说明问卷效度良好，适合用于后续研究。问卷各维度的信度Cronbach’s alpha 均在0.7 以上，最终问卷的总体Cronbach’s alpha 为0.834，说明问卷信度良好。

4.2 问卷题项描述性统计与分析

4.2.1 个人因素指标统计

采用SPSS25.0 软件对476 份有效问卷数据进行初步处理，从性别、专业、年级3 个方面进行描述性统计分析，结果见表5。整体而言，问卷样本数据中的性别、专业以及年级人数比例较为均衡。

Table 5 Statistical distribution of basic information表5 基本信息统计分布

4.2.2 一级指标的描述性统计与分析

对问卷的一级指标数据进行处理，得出教师、学习者和教学设计3 个层面的分析结果。就总和与均值而言，教师层面对学生注意力的影响力最高，其次是学习者层面，而教学设计层面的影响力最低。就偏态量而言，教师和学习者层面的绝对值较大，说明学生对这两个层面的认同感较强。就峰态量而言，教学设计和教师层面的值较小，属于高狭峰，说明学生比较认同这两个层面对自身课堂注意力的影响。

Table 6 Descriptive statistics of primary indicators表6 一级指标描述性统计

虽然教师层面的均值高于学习者和教学设计层面，但仍需要通过各层面成对样本的t 检验判断其差异是否显著，具体检验结果如表7 所示。教师与学习者两个层面平均值的差异为1.525 21，t 统计量为6.749，显著性概率值p=0.000<0.05，达到显著水平。学习者与教学设计两个层面平均值的差异为7.964 29，t 统计量为36.627，显著性概率值p=0.000<0.05，达到显著水平。结果表明，教师对学生课堂注意力的影响最大，而教学设计的影响最小。

Table 7 Paired sample test of primary indicators表7 一级指标成对样本检验

4.2.3 二级指标的描述性统计与分析

对调查问卷中的二级指标数据进行处理，得出10 个因素对注意力的影响程度。就总和与均值而言，LM、SM、CI、CC 和TL 的值较高，而MU 值最低。然后进行成对样本的t检验，判断各变量间的差异是否显著。从显著性来看，CC与TL 之间、TL 与EL 之间、EL 与EA 之间、IU 与MU 之间存在显著差异。从t 统计量来看，CC 与TL、TL 与EL 达到了3.000 的标准值。综上分析，学习动机、自我管理、互联网使用频率、互动反馈、内容设计、教学方法、语言表达、情绪吸引是影响课堂学习环境下大学生注意力的主要因素，而媒体使用因素未对学生课堂注意力产生显著性影响。

4.3 研究假设

根据以上研究结果，去除基于ISM 构建的层次结构模型中的部分因素变量，重构课堂学习环境下大学生注意力的影响因素模型，具体如图2 所示。

Fig.2 Reconstruction model of influencing factors of college students'attention in the classroom learning environment图2 课堂学习环境下大学生注意力影响因素的重构模型

针对模型中的8 个影响因素，本文提出10 种可能存在的关系，分别为H1：内容设计对教师教学方法具有正向显著影响；H2：内容设计对学习者学习动机具有正向显著影响；H3：情绪吸引对学习者学习动机具有正向显著影响；H4：语言表达对学习者学习动机具有正向显著影响；H5：互动反馈对学习者学习动机具有正向显著影响；H6：教学方法对学习者学习动机具有正向显著影响；H7：教学方法对自我管理具有正向显著影响；H8：教学方法对互联网使用频率具有正向显著影响；H9：学习动机对自我管理具有正向显著影响；H10：学习动机对互联网使用频率具有正向显著影响。

4.4 SEM 检验

4.4.1 SEM 建立

采用AMOS21.0 创建课堂学习环境下大学生注意力影响因素的SEM。该模型共有8 个潜变量，分别为内容设计（CC）、情绪吸引（EA）、语言表达（EL）、互动反馈（CI）、学习动机（LM）、教学方法（TL）、自我管理（SM）、互联网使用频率（IU）。每个观察变量需设定一个误差值e，其中内容设计、情绪吸引、语言表达互动反馈为外生潜变量，无需设定残差项，而学习动机、教学方法、自我管理、互联网使用频率为内生潜变量，需要设定残差项Y。

4.4.2 模型参数估计

运用AMOS21.0 对模型进行分析，发现其中不存在负的误差方差，测量误差值范围为0.020～0.081；标准化回归系数的绝对值范围为0.121～0.810，均未超过0.95。此外，各变量的偏度系数和峰度系数均接近于0，临界比率值不超过2，各变量符合标准要求，因此可以进行模型拟合度的检验［25］。

4.4.3 模型拟合度评估

参照荣泰生［26］的方法，选取绝对拟合指标（CMIN/DF、GFI、RMR、RMSEA、AGFI）和增值拟合指标（NFI、TLI、IFI、CFI）等测量指标对SEM 的拟合效度进行判定，结果如表8所示。个别指标，如NFI 未达到适配标准但属于可接受的范围，总体而言模型拟合度较好。

Table 8 Measurement index of model fit表8 模型拟合度测量指标

结构模型参数估计值结果如图3 所示。结果表明，内容设计对学习动机的路径系数为负值，表明其对学习动机并无正向影响，其余变量间的路径系数均为正值。

Fig.3 Interpretive structural model of influencing factors of college students'attention in the classroom learning environment图3 大学生课堂注意力影响因素的模型参数估计值

4.5 模型假设检验结果

结构模型的路径系数、显著性以及与其对应的假设检验结果如表9 所示。H2“内容设计对学习者学习动机具有正向显著影响”和H8“教学方法对互联网使用频率具有正向显著影响”两条假设的p 值均未达到显著水平，假设不通过，其他假设均通过样本数据的检验。

Table 9 Analysis of model path coefficient and hypothesis test results表9 模型路径系数与假设检验结果分析

对模型的假设检验和层级因素进行分析，得出基于课堂学习环境的大学生注意力影响因素关系模型，具体如图4 所示。结果表明，内容设计直接影响教师的教学方法，教师的教学方法、情绪吸引、语言表达和互动反馈直接影响学生的学习动机，教师的教学方法直接影响学生的自我管理，学生的学习动机直接影响学生的自我管理和互联网使用频率，进而影响其课堂注意力水平。

Fig.4 Relational model of influencing factors of college students'attention in the classroom learning environment图4 课堂学习环境下大学生注意力影响因素关系模型

5 结论

本文以某高校本科生为研究样本，首先运用ISM 梳理其注意力影响因素，得出因素间的层级关系。在此基础上进行调查研究，并运用SEM 对大学生课堂注意力影响因素的概念模型进行了检验，分析了各影响因素之间的效应关系，得出以下结论：

（1）教学设计层面的内容是影响大学生课堂注意力的重要因素，还直接影响教学方法，而教学方法通过影响学习者的学习动机和自我管理间接影响其课堂注意力。研究结果表明，内容设计对学生学习动机未产生正向影响，教学方法对学生的互联网使用频率未产生显著影响，因此教学设计因素对大学生课堂注意力的影响相对较小。

（2）学习者的自我管理与互联网使用频率是影响其注意力的最直接因素。学习动机是所有影响因素中的核心要素，既受到教学方法、情绪吸引、语言表达、互动反馈的影响，又直接影响学习者的自我管理和互联网使用频率，进一步影响其课堂注意力。学习者自身因素对其课堂注意力的影响较大。

（3）教师的情绪吸引、语言表达和互动反馈是影响学生课堂注意力的根本因素，且直接影响学习者的学习动机，进而通过学习动机间接影响大学生的课堂注意力。实证结果表明，教师因素对大学生课堂注意力的影响最大。

6 教学建议

基于以上结论，建议从以下几个层面提高大学生的注意力水平。

（1）优化教学设计，促使学习者集中注意力。在内容设计上，合理组织教学内容，多渠道呈现学习资源。大学课程的专业性强、知识点繁多且难度较大，因此课程教学可由面向知识体系转向面向核心知识与技能，安排适当难度的学习任务，在有效维持大学生课堂注意力的同时避免其认知负荷过重。在教学方法上，高校教师可将理论性强的知识点融入趣味实际案例中，通过实验、角色扮演或小组协作等方式促使学生集中注意力。针对核心知识实施问题探究法，对于核心技能采用项目式学习或基于任务的学习法，以学生为中心，提高其参与度和注意力水平。

（2）培养注意心态，加强学生自我约束力。注意心态是指学生具有将注意力集中于课堂的心理需求和内在意愿，与学习动机息息相关。教师要强化学生对学习目的的认知，发挥目标激励作用。创设真实有效的教学情境，激发学生的学习热情与兴趣。加强互动反馈，引导学生积极参与课堂，赋予其体验成功和快乐的机会。高校应采取相应措施对大学生进行自我管理能力培训，加强自我规划、约束和监督能力。引导大学生适度使用智能设备，避免不良信息的过度刺激［15］。在课堂上借助雨课堂、蓝墨云等移动学习应用开展混合式教学，将互联网与学习活动相结合，既有助于吸引学生的注意力，又有利于打造高效课堂。

（3）发挥期望效应，加强语言能力，增强互动反馈。满足学生的关注期望，调动其积极情绪。Sillero 等［27］研究表明态度积极的学生能够保持注意力，更好地接收学习信息。因此，高校教师必须了解并调动全班学生的情绪，刺激其奖赏回路，满足其关注需求，充分发挥教师期望效应的积极作用。教师的语言表达要做到生动而充满激情、严谨而不失风趣，掌握适当的音量、速度和节奏。得体的肢体语言会感染学生，引导其集中于课程学习。因此，学校应积极开展教师专业培训工作，组织微格教学活动，观摩学习优秀教师课堂，进一步提高教师的语言素养。此外，借助课堂互动反馈工具，师生双方获得实时反馈结果，促进学生课堂注意力的集中与持续。采用形成性评价、同伴互评、自我评价等多元化评测手段，促使学生对自身有更清晰、更深刻的了解，从而有效提高其学习积极性和主动性。

7 结语

本文对大学生课堂注意力的影响因素进行了系统全面的分析，建立了涵盖学习者、教师、教学设计3 个方面因素的层次模型，量化了影响路径与影响程度，不仅为学生注意力的研究提供了参考，也为开展课堂教学实践提供了依据。本研究的创新点在于应用了ISM 和SEM，实现了定性与定量研究的充分结合，即先使用MATLAB 工具构建出注意力影响因素的ISM，明确各因素之间的相互关系，然后在问卷调查的基础上采用定量化的SEM 对影响因素的层级关系进行验证，两种方法的有效结合更有助于分析注意力影响因素之间的效应关系。然而，由于ISM 依赖于决策者的主观判断，而且问卷调查的样本量不够大，研究结果的普适性与代表性存在一定局限性，需要在后续研究中增加咨询专家数量，在更广泛的范围内开展问卷调查等。