中国高校学生学业参与的多维结构及其影响机制（二）理论分析框架与研究方法本研究目标为，通过学业参与的维度划分，在“院校环境—学业参与—学业成就”的逻辑框架中，分析不同学业参与模式在学生学业成就提升中的作用，考察高校教学实践对于学生参与的影响机制。图2为研究的理论分析框架。研究假设：教学方法（包括规制型教学、互动型教学、教学反馈机制）和院校中学术支持系统在直接影响学生学业成就的同时，通过作用于不同模式的学业参与对学生学业成就形成间接影响。此外，针对学生学业成就，本研究分别使用了不及格科目数、学生核心能力和专业素养的自我评价三个层次不同的操作指标。不及格科目数指标反映了学业成绩的合格水准；专业素养指标反映的是学生对专业领域中的基础性、前沿性、应用性知识的掌握程度；核心能力反映学生所拥有的国际化视野、外语、信息处理、数理分析、批判性思维等可迁移性能力。表1概括了在本研究分析中各变量名称、各变量所包含的子题项及其信度指标（标准克隆巴赫。值）。各因素及其子维度的标准克隆巴赫。值均高于0.6，说明其整体构成具有高于中等水平的信度。具体分析过程中，模型中的教学方法、学业支持、学业参与的赋值为相关子维度题项的得分加总值，学生能力三个指标的赋值分别为因子分析的公因子得分。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---（三）数据来源研究素材来自北京大学教育学院“首都高等教育质量与学生发展”监测项目于2011年实施的高校学生调查。该调查采用分层抽样法，以首都高等院校为初级抽样单位，以学科院系为二级抽样单位。以5%的抽样比例，覆盖了北京市8所“985”院校、18所“211”院校、29所市属本科、6所民办本科院校。研究聚焦其中的本科样本，有效样本量为14152。样本的院校分布为：“985”院校（21%）、“211”院校（34%）、普通市属院校（38%）、民办院校（6%）；性别分布为：男性（48%）、女性（52%）；学年分布为：一年级（25%）、二年级（30%）、三年级（28%）、四年级（17%）；专业分布为：人文（15%）、社科（31%）、理学（17%）、工学（38%）。数据分析，运用SPSS17.0和Amos17.0分析软件，主要采用基础统计描述、有序probit模型、SEM混合路径分析等方法验证探讨学生学业参与影响机制。三、分析（一）学生课外学习时间投入的国际比较研究表明，即使在控制学业表现和学业能力之后，课堂学习时间和课外学习时间依然是预测学生成功的重要指标[34-35]。图3显示中美日三国高校学生课外学习时间的分布状况。虽然长期以来，研究者笔下的东亚学生更多带有“勤奋、努力”的特征，然后令人意外的是，研究显示，中国、日本学生的课外学习时间投入显著低于美国学生。具体而言，在学生课外时间分布中，平均每周课外学习投入在5小时以下的学生比例分别为42.8%（中国）、66.8%（日本）、18.7%（美国）。相比之下，每周课外学习在10小时以上的学生比例为33%（中国）、15%（日本）、58%（美国）。学生课外学习时间投入的国别差异，在一定程度上反映了不同国家高等教育理念和高校对学生学术要求侧重点的差异。比较美国加州大学本科生调查与中国---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---本科生调查后发现，如果结合课程学习时间，可以发现中国学生的每周课内外学习总时间（33小时）远高于美国学生（28小时）[36]。这表明两国学生学习时间分布结构呈现出，中国“高课堂投入/低课外投入”，而美国“低课堂投入/高课外投入”的不同取向。（二）课业成绩合格影响机制中的学业参与以上分析也传递了一个重要启示，即仅依赖于课外学习时间投入指标很难准确地测量学生的学业参与，学业参与作用的测量需要建构更为系统全面的指标体系。以下采用有序probit分析模型，分析课业成绩影响机制中学业参与的作用性。由于分析中因变量不及格科目数为整值，分布为0，1，2，…10（最大值为10），数据可理解为有序分类的离散数据，为此采用有序Probit模型处理多类别离散数据是近年来应用较为广泛的方法之一。表2显示了模型的分析结果。首先在院校组织特征上，院校选拔...