如何评价成年人的学习积极性——基于PIAAC2013数据的量表修订与评估

文章对国际成年人能力评估项目 PIAAC“背景问卷”中“学习意愿”调查量表各调查项的内涵进行初步分析，进而选取其中指向相近的四条调查项，组成“学习积极性”量表，并进行了多组验证性因子分析，结果表明“学习积极性”量表相较于原始的“学习...

文章对国际成年人能力评估项目 PIAAC“背景问卷”中“学习意愿”调查量表各调查项的内涵进行初步分析，进而选取其中指向相近的四条调查项，组成“学习积极性”量表，并进行了多组验证性因子分析，结果表明“学习积极性”量表相较于原始的“学习意愿”调查量表表现出与 PIAAC统计数据有更好的拟合度。 基于 PIAAC2013 调查数据，测试表明“学习积极性”量表在样本中具有结构不变性、完全弱等值性和部分强等值性。 运用回归分析研究“学习积极性”量表的效标效度，结果表明 PIAAC 各参与国在职人群的“学习积极性”与参加非正式继续学习之间亦存在显著关联。

关键词： PIAAC；终身学习；学习积极性国际成年人能力评估项目（PIAAC）是一项由经济合作与发展组织（OECD）发起和实施的成年人素养调查，着重收集各参与国家受调查者在认知能力、社交能力、运动能力、学习能力四个方面的数据，以此为各国教育政策制定者和从事社会保障与人力资源研究的学者进一步发展和完善经济、教育和社会政策提供支撑。 ［1］

OECD 在国际范围内开展大规模成年人素养调查可以追溯到 20 世纪 90 年代的国际成年人素养调查（IALS） 以及在 2003 年、2006 年先后两次实施的成年人素养和生活技能调查（ALL）。 PIAAC 的评价设计正是建立在 IALS 和 ALL 两项调查对“成年人素养”内涵的基础上，凸显信息时代对成年人工作和生活所需技能的新要求，从而全面评估包括读写能力、运算能力、信息化环境下的问题解决能力在内的 21 世纪成年人所需要具备的核心素养。 ［2］

关于 PIAAC 的中文文献主要聚焦两个方面。其一是研究 PIAAC 的项目概况。 有研究认为“参加PIAAC2013 的国家有 26 个”， 包括 24 个 OECD 成员国和俄罗斯、爱沙尼亚两个非成员国。［3］还有研究认为，PIAAC2013 涉及 24 个国家和地区， 包括 22 个OECD 成员国及塞浦路斯、 俄罗斯两个 OECD 的伙伴国家。［4］事实上，依据 OECD 官方网站的描述，参加PIAAC2013 测试的国家和地区包括 22 个 OECD 成员国以及 OECD 伙伴国家——俄罗斯。［1］ 至于塞浦路斯，在 OECD 公布的 PIAAC2013 调查结果中的确存在塞浦路斯的相关调查数据。 但 OECD 在调查报告中特别注明，报告中所出现的“塞浦路斯”均是指塞浦路斯岛南部由塞浦路斯共和国政府有效掌控的区域。［5］爱沙尼亚参加了 PIAAC2013， 但其在 2010 年已经成为OECD 的成员国。［6］因此，塞浦路斯和爱沙尼亚都属于参加 PIAAC 第一轮调查的国家和地区。 目前 PIAAC第三轮调查正在进行，预计将于 2019 年收官。［1］其二是研究各参与国家在 PIAAC2013 中的调查结果以及对统计结果的解读。 例如，有研究列举了 PIAAC2013 参与国家和地区在读写能力、运算能力、信息化环境下的问题解决能力等方面的平均得分情况， 并在此基础上进行各国调查结果的比较与评述。［4］还有研究整理了PIAAC 项目负责人安德烈亚斯·施莱克尔（Andreas Schleicher）对调查结果的解读与见解，认为未来社会更需要那些能够将所习得的技能应用于更广泛的领域与情境之中的博才。 ［7］

对于一个成年人而言，能否成为“博才”取决于诸多因素，除了接受良好的通识教育，积累丰富的知识与技能、掌握卓有成效的学习方法外，还需要在工作与生活中具有善于发现的探究意识和对新事物的学习积极性。 那么， 成年人的学习积极性具体体现在哪些方面？哪些指标可以用来评价成年人的学习积极性？这些问题似乎并未在已有的研究中得到充分诠释。

PIAAC 为了对不同工作环境下成年人的技能拓展和技能差异做出更深层的认识与解读，特地设置了背景问卷。 背景问卷中涉及的问题既指向日常的通用技能，同时又涵盖诸如被调查者如何应对工作中对劳动技能需求的不断调整等问题。 ［8］

在 OECD 发布的“PIAAC 成年人素养调查技术报告”第 18 章“定量结果”中，列出了被称为“学习意愿”的调查结果统计表，尽管“技术报告”中没有对“学习意愿”做出详细的定义和描述，但在 OECD 官方发布的其他一些 PIAAC 相关报告中，还是能够找到与“学习意愿”内涵相近的指标和陈述。［9］例如，在“成年人素养调查：读者指南”中，明确 PIAAC 测试通过 9 个方面来收集被调查者参与学习活动和受教育体验的相关信息，其中“学习风格”方面，着重收集成年人的学习兴趣和学习新事物的途径两方面的数据。［10］不论术语的名称如何变化，“PIAAC 成年人素养调查技术报告”中“学习意愿”栏目所反映出的统计结果已经表明了成年人对于新事物的学习态度与学习策略影响着其对新技能的习得程度。根据“PIAAC 背景问卷概念框架”中的有关陈述，“学习意愿” 这一术语的由来可追溯到约翰·柯尔比（Kirby John R）等学者对成年人“学习的方法”的研究。 ［8 ］柯尔比将“学习的方法”的概念界定为“一组学习的动机及相应的学习策略”， 认为各种不同的学习动机都对应着个性化的学习策略。 ［11］

表 1 列出了 PIAAC 问卷中调查“学习意愿”的六条调查项， 测评时这六条调查项下均设有五个选项，分别为“完全不符合”“基本不符合”“部分符合”“基本符合”“高度符合”， 用来表征调查项所述内容与被调查者实际情况之间的关联程度。［12］



为了更为准确地辨析“学习意愿”的概念与内涵，对上述 6 条调查项进行分析与梳理。 首先，若以个体的内在动机为分类依据，上述 6 条调查项可以分为两类。 调查项②④⑤分为一类，这三条调查项中均使用了“喜欢”一词，表现了被调查者将学习视为一种自发行为。 因此，这三条调查项能够较为合理地反映出被调查者的学习意愿。 而调查项①③⑥则可归结为另一类，这三条调查项中使用了“尝试”“试着”等措辞，使得这些调查项所描述的内容无法准确地区分被调查者在学习意愿上的水平和程度。 其次，若对上述调查项作进一步解读，则可以发现调查项⑥又与调查项①③有着本质上的差异。 在调查项⑥中，“直到把（没完全理解的事物）彻底了解清楚”体现了积极和明确的学习目的，而这也恰恰是在调查项①和③的描述中所缺少的。

通过对六条“学习意愿”调查项的初步比较与辨析可以发现，调查项②指的是学习新事物所带来的积极的学习体验，调查项④⑤体现的是人在挑战一件有难度的任务后所获得的满足感，调查项⑥描述的是人在一个既定目标的驱动下，实施目标导向的行为。

因此， 这四条调查项相较于调查项①和调查项③，似乎更能反映个体的学习意愿或学习积极性。假设将调查项②④⑤⑥这四条调查项作为一组评价成年人学习积极性的调查量表的评价指标，是否更具有代表性呢？ 带着这一假设，进一步检验调整后的“成年人学习积极性量表”（以下简称“学习积极性量表”）在PIAAC2013 数据中的效度。由于 PIAAC 背景问卷中不包含其他用来评价成年人学习意愿与学习积极性方面的调查问题，因此我们的分析将聚焦于考察量表的因素效度、跨组之间的测量不变性“、 学习积极性”与“参加继续学习”之间的关联。研究对象与数据来源

研究分析的对象是参与 PIAAC2013 的 21 个国家调查数据的代表性样本， 相关的调查数据均引自OECD 发布的 PIAAC 技术报告（由于俄罗斯、塞浦路斯两个国家和地区的调查数据含有一定的特殊性，因此未将这两国的数据纳入本研究的分析范围）。 ［9］

在 OECD 发布的调查结果中，并非以学位来表示被调查者的受教育程度，而是将被调查者的受教育程度划分为高、中、低三个水平，因而在对样本的分析中也遵循了这一区分方式。 ［5］

在 PIAAC 调查报告中，“NFE12”这一指标用来反映被调查者在参加调查的近 12 个月内参加非正式的、非义务性质的继续教育的情况。 同时，PIAAC 调查中又将非正式教育分成了与所从事职业相关的非正式教育和与所从事职业不相关的非正式教育。

表 2 是对各国样本的描述性统计，表现了各国受调查者的基本概况。 由表可得，除意大利外，其他各国受教育水平达到中等或高等水平的样本数量均超过样本总数的 50%。 而从样本的年龄分布可以看出，大部分被调查者处于在职状态， 尤其是各国年龄在 30至 49 岁之间的在职群体约占各国样本总数的 40%。

统计分析

将“学习积极性量表”中的调查项作为有序分类变量，对其进行多组验证性因素分析。 为了使假设的“学习积极性量表” 适合在不同的验证性因素分析模型下检验，需要在各国的 PIAAC 数据中检查其单因素结构，并使用符合测量标准的经典模型测试这组指标的测量不变性，以充分构建“学习积极性量表”的测试水平。 具体来说，用来分析的多组等级反应模型可以表示为：





若测量不变性为弱等值或单位等值需限制上述的②和③，而结构等值仅需限制③。 如果这些限制被应用于所有项，则每一类的测量不变性将被认为是完全测量不变性，倘若这些限制被应用于其中的大部分项而不是所有项，则属于部分测量不变性。 ［13 ］为了防止模型的完全测量不变性不能被建立，选择测试模型的部分测量不变性，通过比较模型的拟合度来测试测量不变性的不同水平。

为了得到精确的模型拟合度，测试了模型的近似误差均方根 RMSEA 和比较拟合指数 CFI。 如果卡方检验 p 值大于等于 0.05； 近似误差均方根 RMSEA 低于 0.06；比较拟合指数 CFI 大于等于 0.97，视为模型与数据拟合得较好。 考虑到卡方检验的结果在样本数量较大时具有局限性，因此采用比较不同模型之间的拟合度这一方法。

为了评价“学习积极性量表”的效标效度，调查学习意愿与参与继续学习之间的关联。 通过使用国际数据库分析器（IEA-IDB analyzer），观察将 PIAAC“阅读素养”数据作为一个影响教育水平的指标纳入统计的情况下和不将 PIAAC“阅读素养”数据作为一个影响教育水平的指标纳入统计的情况下，“学习积极性”与参与继续学习之间的关联。统计结果

“

（1）建立“学习积极性量表”并测试其形态不变性

首先，通过检验原始的“学习意愿”调查量表在一个共同因素模型中的形态不变性，测试“学习意愿”量表能否在所有国家的统计数据中形成一个共同因素，在各个国家的数据中不允许各调查项之间存在任何残余相关。 检验结果卡方值 χ2 =21089.265，p

    关注 上海教育评估研究