成人学习者的类型与学习成效：基于学习动机和学习障碍的探究

    朱燕菲 纪河

    

    

    

    【摘 要】学习动机和学习障碍被当作透视成人学习者学习成效的两大有力因素。本研究基于类型学研究方法，通过向J大学749位成人学习者发放问卷、依据他们学习动机和学习障碍的行为表现，使用聚类分析、差异检验、判别分析和决策树模型等方法，将成人学习者划分为四种类型：疏离型、理想型、发展型和懒惰型，并进一步检验了其学习成效。研究发现：“弱势”群体——疏离型和懒惰型在成人学习者中占比三成;年龄、以往培训次数、成绩预期是识别不同类型成人学习者的关键个体特征;参与学习的障碍因素对成人学习者学习成效的影响效力高于学习动机;时间障碍并非是影响成人学习成效最重要的障碍因素。研究结论有助于高等继续教育围绕人才培养目标更好地满足成人学习者多元化的学习需求，为成人学习者提供更适合的教育。

    【关键词】? 成人学习者;类型化分析;参与学习;学习动机;学习障碍;学习成效

    【中图分类号】? ?G442? ? ? ? ?【文献标识码】? A? ? ? ?【文章编号】? 1009-458x（2020）12-0018-10

    一、引言

    伴随着科学技术的日新月异、经济结构的转型升级以及日常生活世界的无限敞开，成人学习需求呈现出更加多元化、个性化、终身化的发展趋势。这一趋势通过2009、2013和2016三份《全球成人学习与教育报告》主题——从“成人教育、成人扫盲”到“反思扫盲”再到“学习者健康和幸福感、就业和劳动力市场、社会，公民和社区生活”的更替得到清晰呈现，即在社会发展的新阶段成人学习者的学习需求涵盖了职业、生活、自我发展等诸多方面。这无疑对继续教育和培训提出了新的挑战，在“以学习者为中心”的教育生态中，如何满足成人学习者日益增长的学习需求，提供优质教育服务，保障学习成效？显然对成人学习者群体的研究非常重要。

    成人学习者是具有高度异质性的群体，尤其在当今社会阶层日益复杂、分工日益细化的背景下，以年龄、性别、区域等人口学变量来反映成人学习者群体特征无疑过于泛化。有学者提出，结合国家发展语境聚焦重点群体满足其需求（欧阳忠明， 等， 2017），但这样做的局限在于很难兼顾教育公平，无法有效利用成人教育拨款。回到“以学习者为中心”的教育生态中，对于成人学习者群体特征的识别是以成人具体的学习行为作为判断的客观依据，因此我们大胆设想，在学理与技术方法上是否可以找到参与学习的关键变量并以此为标准对所有成人学习者进行类型划分，在他们的共性和个性特征之间寻求互补，从而更有效地识別学习者多样化的学习需求，进而提升其学习成效呢？

    类型学（Typology）作为分类研究的重要方法之一可以满足上述需求。它强调从概念意义上划分既定的项目，与基于可观测的经验性特征区分项目的分类学方法（Taxonomy）有所不同（雷家彬， 2011）。类型学对异质结构高、需求愈加丰富的成人学习者恰好适用，能够帮助继续教育和培训机构根据学习者类型提供适合的教育资源，提升成人学习者参与学习的成效与质量。

    二、研究现状与设计

    （一）国外类型学研究现状

    国外教育领域对于类型学的研究主要有两大脉络。研究脉络一是以著名成人教育学者霍尔（C.O.Houle）为代表的对成人学习者（成年的、参与教育的学习者）的类型学研究。霍尔根据成人学习动机将成人学习者分为三种类型：目标导向型（有清晰明确的目标）、活动导向型（渴望在教育环境中获得社会机会，与他人展开互动）和学习导向型（把学习视为一种习惯性活动）（Benne & Houle， 1962）。此后，诸多学者的研究都在霍尔研究的基础之上、不断以学习动机为标准细化成人学习者的类型（转引自：崔彦， 等， 2011）。

    研究脉络二是高等教育领域以伯顿·克拉克（B.R.Clark）、亚历山大·阿斯汀（A.W.Astin）、乔治·库（G.D.Kuh）等学者为代表的针对大学生群体进行的研究，这一脉络体现了类型学具体方法技术的革新。最开始以分类学方法为主，像克拉克等学者采取这种方法将学生划分为学术型、社交型、职业型、不墨守成规型四类（魏署光， 等， 2020）。20世纪90年代以来，研究方法由因子分析（Factor analysis）向以聚类分析（Cluster analysis）为主的实证类型学转变。阿斯汀采用因子分析的方法将学生分为七种类型（Astin， 1993）。库等人通过因子分析和聚类分析将学生分为十类（Kuh， 2000）。此后，胡寿平等（Hu & Mccormick， 2012）和金子元久（转引自：窦心浩， 等， 2011）等学者采用聚类分析进行了相关研究。

    总之，第一条研究脉络是霍尔等学者针对成人学习者的研究，局限在于划分标准只讨论单一驱动因素，“学习者在学习过程中必须克服的困难被忽视了”（Kristeen， 2017）。第二条研究脉络可取之处在于采纳了以聚类分析为主的实证类型学研究方法，但研究对象是狭义的大学生群体。

    （二）国内类型学研究现状

    国内学者主要沿用国外最主流的以聚类分析为主的实证类型学方法、以参与维度为划分标准对大学生群体的类型及学习成效进行探究。比如，有研究者基于参与的时间、行为等分维度将学习者划分为积极主动型、顺应跟随型、被动参与型和消极回避型四种类型，其中积极主动型学习者的学习成效最佳（王媛， 等， 2018）。有研究者根据通识课程学习参与的互动性和自主性维度提出全面型、自主型和游离型三种学习者类型，学习成效最佳的是全面型（汪雅霜， 2020）。有研究者根据学生参与行为多项数据，将学生分为懒惰型、传统型、全面发展型、游离型、社交型、自学型（徐丹， 2019），其中全面发展型学习者的学习成效最佳。还有研究者根据参与和学习预期将研究型大学学生分为卓越型、跟进型、平衡型、高需求型、社交型和游离型，同上述研究类似，卓越型学生拥有较好的学业收获（魏曙光， 等， 2020）。

    但是国内对于成人学习者的类型研究十分有限，已有研究多将成人学习者笼统放在一起，聚焦在学习特征的描述及模型的构建上，或者以职业身份为划分依据（如新型农民、在职教师、司法干警、离退休干部、公务员、下岗职工等）进行个别化的讨论。综上所述，国内的类型学研究聚焦大学生群体，方法紧跟国外前沿，标准主要基于学生参与行为或心理，而针对成人学习者的类型学研究亟须加强。

    （三）研究思路与问题提出

    通过对国内外文獻的梳理，采用类型学研究方法已在国外学习研究领域占有一席之地，被国外研究者视为透视学习者特征、提升学习质量的方法之一。类型学作为一种较为新颖的研究方法刚刚开始得到国内学者的重视。

    本研究拟借鉴已有的类型学研究和成熟的学习理论，以广义的成人学习者为研究对象，采用聚类分析为主的实证类型学方法，找寻多元的分类标准形成类型划分并分析学习成效差异。具体的设计安排如下：

    第一，采用多元化的分类标准。本研究主要依据两个标准：一是分类应尽量使用多变量、多维度划分对象;二是使用理论基础来进行类型划分（Rich， 1992）。

    第二，基于成熟的成人学习理论。本研究参考成人学习领域中的亨利和巴奇尔决策理论模型，该理论模型的起点是成人学习者个人特征（年龄、性别、教育水平等）、参与学习的原因（学习动机，改善工作环境、结识新朋友等），认为这两个方面都与学习机会的信息来源相关，而学习机会的信息来源被分为参与障碍因素、课程属性和教育机构三大因素。成人在决定是否参与学习时会考虑个人特征、原因和学习机会的信息来源，其中亨利和巴奇尔最重视的是动力和障碍因素并将二者整合起来进行分析，能够较好地解释决策过程和成效提升的缘由（见图1）（梅里安， 等， 2011， p. 58）。因此，依据亨利和巴奇尔决策理论模型，本研究拟通过学习动机和学习障碍两个维度来划分类型。

    之所以选取这一理论模型，一是为弥补国外以霍尔为代表的学者对成人学习者类型研究的不足，即除了学习动机，“透过障碍因素审视成人教育参与问题”是另一个重要的视角（梅里安， 等， 2011， p. 45）。二是成人学习者与大学生群体不同的是，他们是“迫于一定的社会压力才开始学习”，“大多数是为了职业发展”（纪河， 2004），因而动机与障碍一推一拉的双重作用力可以更好地反映成人学习者的特征，以此为划分依据也更具说服力。

    第三，具体研究方法设计。其一，本研究采用国内外主流的以聚类分析为主的实证类型学方式。益处是可以通过多样的行为或心理特点清晰区分类型。其二，对于聚类的科学性问题，本研究采用判别分析（Linear Discriminant Analysis）进行验证。目的在于，建立线性组合、用最优化的模型来判别归类的质量（任志娟， 2006）。其三，形成类型之后的成效分析。本研究采用差异检验分析不同类型学习者的学习成效，再用决策树（Decision Tree）模型挖掘学习动机、学习障碍对所有类型成人学习者学习成效的影响效力并进行排序（肖勇， 等， 2008）。

    综上所述，提出本研究关注的主要问题：第一，如何基于学习动机和学习障碍对成人学习者进行有效的分类？第二，不同类型成人学习者的学习经历、学习成效是否存在显著差异？第三，学习动机和学习障碍对不同类型成人学习者的影响效力如何？

    三、研究工具与关键变量

    （一）样本分布

    J大学是一家典型的成立已有40年的专门服务成人学习者的成人高等院校，与其所在的省域中73所市县学校共同构建了覆盖全省城乡的办学系统，被联合国教科文组织认定为世界巨型大学联盟成员。目前共开设38个专业，以在线远程学习为主。从人口学变量包括性别、年龄、职业、学历等方面看，J大学生源具有异质性特征，适合作为成人学习者类型学探究的样本。

    本研究自2019年4月29日通过网络途径采用分层随机抽样的方式向J大学在校在读在籍的2017—2019年入学的本专科成人学习者发放电子问卷，严格排除重复问卷、缺损问卷（缺损值高达30%）、答卷时间低于100秒的问卷，最终获得有效问卷749份。样本的人口学变量分布见表1。

    （二）研究工具与核心变量

    1. 学习动机

    学习动机（Learning motivation）是激发个体朝向某一学习活动、维持已引起的学习活动的内部启动机制（潘获， 1980）。对于成人学习者而言，最具代表性的测量工具是博希尔编制的“教育参与量表”（Education Participation Scale，EPS），五点计分，六个维度，分别为社会接触（Social Contact）、社会刺激（Social Stimulation）、职业进展（Professional Advancement）、社会服务（Community Service）、外界期望（External Expectation）和认知兴趣（Cognitive Interest）（崔彦， 等， 2011）。

    考虑到原量表的题目数过多不适合网络测试以及问卷本土适用问题，本研究考量前人学者（陈潇， 2013; 肖凤翔， 等， 2015）的探索性因子分析结果，删除表述不清、语义重复且质量不高的题目（因子载荷量少于0.40的题目），并对问卷进行了质量检验，剔除题目少于三个因子或者横跨两个因子的题目，删除因子载荷量少于0.40且特征根值必须大于1的题目，最终形成由14道题目构成的简明版的我国成人学习者参与学习动机问卷。问卷由四个因子构成：因子1包含4个题项，涉及职业发展和进步的动力，对应原EPS量表的“职业进展”;因子2包含3个题项，指个体赶超他人和提升社会地位的动力，对应EPS的“社会刺激”，同时为便于理解重新命名为“社会比较”;因子3包含3个题项，涉及个体结交人脉、与他人互动的动力，对应EPS的“社会接触”，重新命名为“人际交往”;因子4包含4个题项，是关于服务社会、履行公民职责的动力，对应EPS的“社会服务”，重新命名为“社会责任”。上述四个因子均采用李克特五点量表测量，信效度检验均通过，Bartlett 球形度检验KMO=0.956;近似卡方=13581.16;df=91;p<0.001;总体信度0.972，四个因子信度分别为0.938、0.917、0.925和0.961。

    2. 学习障碍

    本研究中的学习障碍主要是指成人学习者在有了参与教育活动的意愿后所面临的阻碍其学习行为实现的困难或问题（李传银， 等， 2007）。目前学界使用较为广泛的是达肯沃尔德等人编制的参与障碍普适量表（Deterrents to Participation Scale-General，DPS-G），李克特五点计分，6个维度，分别为自信障碍、课程障碍、时间障碍、费用障碍、兴趣缺失、其他个人自身问题（Darkenwald & Valentine， 1985）。考慮到题目的本土适用性，本研究考量多位前人学者（王泽娟， 2007; 陈潇， 2013）的探索性因子分析结果并删减了表述不清、语义高度重复且质量不高的题目（因子载荷量少于0.40的题目）。紧接着对删减后所剩的17项目进行了因子分析和信效度检验。与学习动机量表处理方式一样，最终形成了3个因子，分别为自信障碍（4道题，如对自己的学习能力不自信）、课程障碍（4道题，如课题不能够满足自己的需求）和时间障碍（3道题，没有足够的时间来学习），原量表中的“其他个人自身问题”“费用障碍”“兴趣缺失”因子并未进入探索性因子模型。修订后的问卷总体信度0.962，三个因子信度分别为0.937、0.953和0.925。

    3. 学习成效

    学习成效一般是指成人学习者通过学习在各个领域产生的收获（伊列雷斯， 2010）。对于成人学习者的学习成效评估与传统大学不同，不光涉及认知领域（专业知识、GPA、思维）、情感领域（社交、态度、价值观），而且包括就业领域、家庭生活领域。本研究采取涉及面较广泛、韩国学者金爱莲编制的《成人学习成果量表》，李克特五点计分，六个维度，主要考量在认识、情感、身体、就业、社会生活、家庭生活领域产生的效果（金爱莲， 2006， p. 76-79）。参考国内已有研究，认识、情感、就业、社会、家庭生活领域是成人学习者关注的学习收获（查文英， 等， 2010; 张宏， 等， 2020），身体领域除了老年群体并未被视为主要收获，代表性不够，故而删除。最终形成的问卷包括认识、情感、就业、社会生活、家庭生活领域五个因子的题目，每个因子4道题，共20题，总体信度0.931，五个因子信度分别为0.909、0.910、0.917、0.939和0.921。

    四、研究过程

    （一）成人学习者类型：聚类分析的过程与结果

    对于类型学研究，运用较多的方法是K-means聚类分析法。首先，对学习动机、学习障碍的平均值进行标准化处理，将原始分数转化为标准分数（Z分数），凡是大于平均数的原始分数Z值为正数，小于平均数的为负数，等于平均数的为零。其次，课题组分别以2、3、4、5、6、7、8作为类型数目进行探索，结合理论假设对聚类结果进行比较，并通过聚类中心间的距离和聚类的表现特征，最终选择最合适的类型划分方式（徐丹， 等， 2019）。最后，数据结果显示，经过26次迭代将成人学习者分为四大类型是最为合适的。基于成人学习特征和类型学划分的以往研究，将这四大类学习者分别命名为疏离型（动机较低、障碍最高）、懒惰型（动机最低、障碍较高）、发展型（动机较高、障碍较低）和理想型（动机最高、障碍最低）（详见表2），尽可能地精准描述不同类型学习者的核心特征。下面对命名进行详细解释。

    第一，在以往研究中，动机被视为影响学习效果的正向关键因素（潘获， 1980），相反障碍越高越容易导致学业中止（Scanlan & Darkenwald， 1984）。以此为基础，动机最高、障碍最低的成人学习者是最为理想的类型，故命名为“理想型”。对于动机较高和障碍较低的学习者，尽管不是最为理想的，但是有发展空间，可以提升其学习动机、减少学习障碍，故而命名为“发展型”。

    第二，细化了动机水平弱、学习障碍程度高的学习者的分类，分为动机较低、障碍最高的成人学习者和动机最低、障碍较高的成人学习者两类。这两类成人学习者的命名是基于研究者近些年对学生的深入观察，以及金子元久（转引自：窦心浩， 等， 2011）、傅承哲等（2017）、徐丹等（2019）、魏曙光等（2020）针对大学生类型研究命名而提出。

    制约动机较低、障碍最高的成人学习者学习的最大因素是障碍因素，他们无力去破除或降低学习的所有障碍（如时间、课程、自信），只能疏离于常规课程学习之外，难以保证课堂出勤、线下讨论、作业完成等学习任务，故而命名为“疏离型”，这与徐丹等人和魏曙光等人研究的游离型一致。

    另外一种动机最低、障碍较高的成人学习者，制约他们学习的最大因素是动力不足，即使他们可以克服或减少学习的障碍，依然缺乏动力去完成学业任务，与疏离型不同的是，他们会按部就班参与学习，但十分懒散，态度不佳，缺乏学习兴趣和意志力，故命名为“懒惰型”，这与傅承哲等人研究中的懒惰型和金子元久研究的排斥型学生一致。

    （二）基于四种成人学习者类型的判别分析

    为了解成人学习者四种类型构建的合理性，本研究采用判别分析进行验证。重新创建类型变量，随机抽取一半样本按已知分类的个案进行定义（1=疏离型，2=理想型，3=发展型，4=懒惰型），而另一半定义为未知分类的个案。最终产生2个正交的典型判别函数来区别不同类型成人学习者参与学习特征，2个判别函数特征根分别为4.184和1.104，可以解释方差的比例分别为79.1%和20.9%。从模型拟合情况看，卡方检验结果表明2个判别函数具有统计显著性，从1～2是显著的（WilksLambda=.092，chi-square=1708.353，df=6，P<0.000），函数2也是显著的（WilksLambda=0.475，chi-square=531.740，df=2，P<0.000）。从判别函数的标准化系数来看，函数1中学习动机的Z分数为-0.410，学习障碍Z分数为0.952;函数2中学习动机的Z分数为0.917，学习障碍Z分数为0.320，系数的特征和大小可以基本反映不同类型成人学习者基于学习动机和学习障碍参与学习的差异。根据四个类型成人学习者在典型判别函数1和2上的值得到的散点图见图2，该图显示对成人学习者分类的判别情况。最后对数据采用刀切法进行交互验证（Cross-Validation），结果直接显示已经对交叉验证分组案例中的95.3%个案进行了正确分类，通过检验，说明聚类的效果是良好的。

    （三）四种类型成人学习者的学习成效差异分析

    不同类型成人学习者学习成效的比较结果如表3所示，不同类型成人学习者的总体学习效果、认知领域收获、情感领域收获、就业领域收获、社会生活领域收获和家庭生活领域收获均差异显著，从高到低依次为理想型、发展型、疏离型和懒惰型（见图3）。经过事后比较检验，发现在学习成效总维度和各分维度上理想型显著高于发展型，发展型显著高于疏离型，疏离型显著高于懒惰型。

    （四）不同类型成人学习者在人口学上的基本特征

    进一步对四种类型成人学习者与人口学变量做卡方表检验，结果表明：不同类型成人学习者在年龄、以往培训次数和学业成绩预期方面存在显著差异，在性别、最高学历、职业、婚姻状况、是否已育子女方面不存在显著差异。通过进一步对比不同类型学习者在人口学变量上分布差异的交叉表，本研究发现：占抽样总数17.10%的疏离型成人学习者多为以往培训经历仅有1～2次、年龄在40岁以上、学业成绩预期较低的学习者。占抽样总数12.93%的懒惰型成人学习者与疏离型成人学习者一样具有较少的培训经历（以往培训经历仅有1～2次）、年纪较大（40岁以上），不同在于他们对自己的学业成绩预期最低，要低于疏离型成人学习者。占比在29.76%的发展型成人学习者多为26～30岁、以往每年培训经历在3～5次且对学业成绩的预期在中等水平。占比高达40.19%的理想型成人学习者在学习之前和学习过程中已经克服了主客观障碍，为达到预定目标動力十足，因而学习状态积极，与发展型成人学习者不同在于他们处于人生的上升段，年龄为31～35岁，对学业的预期在中等偏上水平。

    （五）利用决策树模型分析成人学习者学习成效的影响因素

    上述研究发现不同类型成人学习者的学习成效存在显著差异，研究进一步通过决策树模型深入挖掘不同学习动机、学习障碍对学习成效的影响效力。

    决策树由决策节点、分支和叶子组成，以树型结构（二叉树或多分支树） 表示最终分类结果。树中每个节点表示分析对象的某个属性，每个分支表示这个属性的某个可能的取值。规则通常以if-then（如果-那么）的形式描述，从决策树的根节点开始沿着一条路径所形成的属性与属性值的合取项就构成了if部分，叶子节点所标记的类别就构成了规则的then部分，即规则的结论（缪连芬， 等， 2017）。本研究从原样本中随机抽样60%作为估计模型参数的样本，剩余40%作为检验样本，利用SPSS24.0软件采用CRT增长方法，将四种成人学习者类型纳入因变量，将人际交往动机、职业进展动机、社会比较动机、社会责任动机、时间障碍、自信障碍、课程障碍纳入自变量（随机顺序），得到决策树模型（见图4）。

    通过决策树可以发现，按照自信障碍进行拆分，在自信障碍均值小于等于1.625的学习者中按照社会责任动机进行拆分，在自信障碍均值大于1.625的学习者中按照课程障碍进行进一步拆分，依次类推。结果显示四种类型成人学习者预测的正确率均较高，疏离型、理想型、发展型和懒惰型分别为88.4%、84.7%、77.3%和73.6%，总预测正确率为81.7%。

    继续做学习动机与学习障碍对学习成效的重要性检验发现，重要性依次排序是自信障碍、课程障碍、时间障碍、社会责任动机、人际交往动机、社会比较动机、职业进展动机（见图5）。可见，相比学习动机，成人学习障碍对类型划分具有更强的类型识别度，对学习成效影响效力更高。

    五、讨论与结论

    本研究采用类型学的实证研究方法将成人学习者划分为疏离型、懒惰型、发展性和理想型四种类型，并通过了检验。说明以亨利和巴奇尔决策理论模型为基础采用学习动机和学习障碍变量来进行成人学习者类型学划分是合理的。进一步讨论如下：

    （一）关注成人学习者中占比三成的“弱势”群体：疏离型和懒惰型

    本研究通过聚类分析和差异检验探究了不同类型成人学习者的占比情况及学习成效差异。结果发现，疏离型成人学习者占17.10%，懒惰型占12.93%，发展型占29.76%，理想型最多，占40.19%。其中，疏离型和懒惰型这两类动机和障碍不佳的“弱势”成人学习者占比达到了30.03%，通过差异检验进一步发现这两种类型成人学习者的总体学习效果、认知、情感、就业、社会生活和家庭生活收获均显著低于理想型和发展型。

    因此，疏离型和懒惰型两类学习者亟待受到关注，他们的存在规模势必会影响成人学习的总体质量和社会声誉。同时，了解不同类型成人学习者的内在特点，引导他们发展优势、弥补不足是对不同类型成人学习者因材施教的关键。以往的研究通过数据论证已明确提出学生类型会随学生自身成长、就读时间增加、学习要求改变和政策变化而发生变化（王纾， 2019）。如何引导这两种类型的成人学习者向优质类型转化、形成对继续学习经历价值与意义的充分认同、鼓励其不断克服主客观困难积极投入学习活动中，是高等继续教育管理者不可忽视的问题。

    （二）年龄、以往培训次数、成绩预期：识别不同类型成人学习者关键个体特征

    不同类型的成人学习者在年龄、以往培训次数和学业成绩预期方面存在显著差异，在性别、最高学历、职业、婚姻状况、是否已育子女方面不存在显著差异。具体而言，疏离型和懒惰型的成人学习者相较于发展型和理想型学习者年纪较大、培训经历较少、学业成绩预期较低。因此，成人学习者参与学习类型呈现出先赋性因素（年龄）和后致性因素（培训经历、学业成绩预期）的区别。

    以往研究虽然采用描述性统计方法呈现了成人学习者多样化的个体特征（何光全， 2013; 沈霞娟， 等， 2018），但是缺少对个体因素影响具体学习成效的深入分析。本研究发现三个核心个体特征——年龄、以往培训次数、成绩预期可以造成不同类型成人学习者学习成效的显著差异。这一研究结果可以为教师和教育管理者识别不同类型学习者提供依据，对年龄较大（40岁以上）、以往培训次数较少（1～2次）、成绩预期较低的成人学习者予以更多关注，很有可能他们的学习动力是不足的、学习障碍是较高的，学习需求没有办法得到满足。这三个核心指标可以融入今后对成人学习者的大规模调查之中。

    （三）学习障碍：对成人学习成效更为重要的影响因素

    本研究通过决策树技术发现，成人学习障碍对类型划分具有更强的类型识别度、对学习成效影响效力更高。相比以往研究，一方面，本研究论证了学习障碍不仅如已有研究发现的那样可以用于解释成人不参与学习的缘由，还会对成人各方面学习成效产生显著影响;另一方面，本研究明确了学习障碍比学习动机对成人学习者学习成效的影响更大。

    对于学习障碍对学习成效的影响效力为何超过学习动机，伊列雷斯（K. Illeris）的理论可以作为一个解释。他提出，“迫于一定的社会压力”、“多为职业发展做准备”的成人学习者在学习中存在一定的矛盾心理，即一方面知晓学习的重要性且学习是被社会所要求的，但另一方面他们却因种种障碍的存在依然去躲避学习（伊列雷斯， 2010， p. 99）。由此可见，成人学习者迫于社会压力、为职业发展、现实生活准备的动力系统，会因制度性的框架（如必须完成三分之一的面授）、情境性因素（如老师或课堂的吸引力不足）、自主性因素（缺乏信息、不想去参加学习或培训）等障碍的存在而陷入矛盾中，进而可能出现学习的低效率，甚至中途退出。

    （四）时间障碍：并非影响成人学习成效最重要的障碍因素

    本研究通过决策树技术发现虽然时间障碍是成人学习者的重要障碍因素，但是这一要素的改善并不是提升学习成效的最关键因素。该发现较好地解释了现有研究针对“时间障碍”提出对策来改善成人学习者学习成效的“乏力”状况。时间障碍一直被学界视为影响成人学习者参与学习的“绊脚石”，是提升学习成效和现状的关键突破点之一（韩晶晶， 等， 2018）。以往研究也提出了“建立成人学习特别津贴制度”（李传银， 等， 2007）、“带薪学习或学习假期制度”（何光全， 2013）、“弹性学分制”以及“提升在线技术、网络虚拟现实”（孙昭磊， 2010）等方式给予成人更多时间上的把控权等应对策略。但在近几年的大规模调查中，时间障礙依然位居前列、居高不下（何光全， 2013; 沈霞娟， 等， 2018），这在一定程度上可以反映出时间障碍移除之艰难及应对策略之“失灵”。也许就如达肯沃德和梅里安所说“成人就是这样一个人，他已经离开了全日制学生的责任（童年和青年的主要社会责任）而承担了劳动者、配偶、父母的责任”（转引自：李传银， 等， 2007），时间是其最宝贵的资源，时间障碍又是其难以克服的障碍。此外，在研究思路上还需注意的是障碍排名靠前并不等同于去除障碍后学习者学习质量就能提升，以往研究虽然强调时间障碍在所有障碍中排名前列（孙昭磊， 2010），但并未进一步论证这一障碍的破除有助于提升学习成效。

    最后，成人类型学划分标准是以亨利和巴奇尔决策理论模型为理论基础提出的，上述的研究结果与讨论一定程度上回应了该理论的核心思想——强调动机和障碍双重因素会对成人参与教育活动产生动态影响。就如该理论所说的，在某些情况下强烈的参与动机可能因为障碍因素而被压制，而在另外一些情况中，即使参与动机不强，障碍的破除也会促使成人参与教育活动（梅里安， 等 ， 2011， p. 58）。同时，本研究更进一步指出，学习障碍比学习动机具有更强的成人学习者类型识别度，对成人学习成效影响效力更高。因此，对于亨利和巴奇尔决策理论模型，学习动机作为决策的起点固然重要，学习障碍因素实则更为关键。

    综上所述，本研究以成人学习需求呈现更加多元化、个性化、终身化的趋势为背景，采用类型学分析方法、基于学习动机和学习障碍两个指标将成人学习者分为疏离型、理想型、发展型和懒惰型四种类型，研究发现主要如下：第一，“弱势”群体——疏离型和懒惰型在成人学习者中占比三成;第二，年龄、以往培训次数、成绩预期是识别不同类型成人学习者的关键个体特征;第三，学习障碍对成人学习者学习成效的影响效力高于学习动机;第四，时间障碍并非影响成人学习成效最重要的障碍因素。

    本研究的创新之处体现在以下几方面：第一，在研究设计方面，参考以往类型学研究，基于亨利和巴奇尔决策理论模型从学习动机和学习障碍视角对成人学习者进行了类型划分;第二，在方法科学性方面，相比以往类型学或者纯粹依靠经验的分类学研究，通过判别分析验证了聚类的科学性，更为严谨;第三，在研究结果的细化方面，采用数据挖掘中的决策树技术对分类标准（学习动机和学习障碍）的重要性进行排序，发现学习障碍比学习动机具有更强的类型识别度、对学习成效影响效力更高。同时，本研究也存在一定的局限性：第一，样本代表性问题，J大学是一所省域成人高等院校，位于华东地区，大多数学生来自于省内地区，从经济、社会、人口成分到地理位置等方面来讲并不能很好代表中国34个省级行政区，因此本研究结论的推广需要采集其他地区成人学习者的数据做进一步论证;第二，本研究是对成人学习者类型化分析的初步探索，采用学习动机和学习障碍两个变量为划分标准，今后可以以学习动机和学习障碍的分维度为划分依据，或者增加成人学习领域其他重要的研究变量，如学习策略、学习方式，进一步丰富和细化成人学习者的类型特征，将成人学习者勾勒得更加“立体”“丰满”。

    总而言之，本研究尝试对成人学习者的类型特征作学理性的描摹，以期从学习者角度为备受关注的高等继续教育质量、人才培养模式改革拓宽视角。从精细区分成人学习者参与学习的类型开始，进而在学习者的学习过程中精准识别学习需求和动机，有的放矢地助力消解学习障碍，才能为成人学习者提供适切、满意的教育服务和学习支持。在“更加注重面向人人，更加注重终身学习”的新时代，在“构建服务全民的终身学习体系”（黄健， 2019）的教育蓝图里，必须加大对成人学习者群体需求和特征的深描，在数据技术支持下做更深入、全面的研究。

    （感谢江苏开放大学校级科研团队——成人学习理论及其组织发展研究团队对本研究的经费支持）

    [参考文献]

    陈潇. 2013. 企业员工参与职业培训的动机和障碍研究[D]. 云南：云南大学职业与继续教育学院.

    崔彦，王伟杰. 2001. 成人的教育参与动机研究述评[J]. 开放教育研究（6）：34-36.

    窦心浩，金子元久，林未央. 2011. 解读当代日本大学生的学习行为与意识——简析2007年度日本全国大学生调查[J]. 复旦教育论坛（5）：81-87.

    傅承哲，刘钰玲，屈琼斐，陈雯雯. 2017. 研究型大学学生学习状态的类型化分析及质量保障作用探析[J]. 复旦教育论坛，15（5）：42-49.

    韩晶晶，欧阳忠明. 2018. 国际视野下成人学习与教育参与：现状、问题与思考[J]. 中国职业技术教育（30）：65-71.

    何光全. 2013. 我国成人学习基本状况调查[J]. 现代远程教育研究（6）：58-69.

    黄健. 2019. 穿越时空 展望教育现代化之路[J]. 终身教育研究，30（4）：3-7.

    纪河. 2004. 远程教育中成人学习特性的研究[J]. 中国远程教育（15）：9-15.

    金爱莲. 2006. 《成人学习者的学习成绩诊断尺度（标准）》（ALDS）[M]. 第1版. 首尔教育科学出版社.

    克努兹·伊列雷斯. 2010. 我们如何学习：全视角学习理论[M]. 孙玫璐，译. 第4版. 北京：教育科学出版社.

    雷家彬. 2011. 分类学与类型学：国外高校分类研究的两种范式[J]. 清华大学教育研究（2）：110-118.

    李传银，刘奉越，董吉贺. 2007. 成人学习障碍及对策探析[J]. 现代远距离教育（1）：12-14.

    缪连芬，卢家楣，吴海涛，黄继凤，陈念劬. 2017. 应用决策树探讨中国当代大学生情感素质下各情感的相互关系[J]. 心理科学，40（6）：1359-1364.

    欧阳忠明，杨亚玉，潘天君，等. 2017. 全球成人学习与教育发展：趋势、矛盾与思考——基于《全球成人学习与教育报告》（GRALEⅠ-Ⅲ）的解析[J]. 远程教育杂志，40（4）：3-14.

    潘获. 1980. 教育心理学[M]. 第1版. 北京：人民教育出版社.

    任志娟. 2006. SPSS中判别分析方法的正确使用[J]. 统计与决策（3）：157.

    沈霞娟，张宝辉，李楠，张莎莎. 2018. 我国西部地区公民终身学习的现状、需求与对策研究——以陕西省调查数据为例[J]. 中国远程教育（7）：20-32.

    孙昭磊. 2010. 远程教育下成人学习者特征分析[D]. 河北大学成人教育学院.

    汪雅霜. 2020. 类型化视角下大学生通识课程学习投入度研究——基于某“双一流”建设高校的实证分析[J]. 国家教育行政学院学报（3）：78-85.

    王纾. 2019. 中国研究型大學本科生学习性投入行为的群体类型研究[J]. 江苏高教（4）：32-41.

    王媛，周作宇. 2018. 学生参与度的类型与特征探究[J]. 全球教育展望，47（12）：40-52.

    王泽娟. 2007. 北京城区637名护士参与继续教育的学习动机和学习障碍的现状调查[D]. 北京：中国协和医科大学护理学院.

    魏署光，杜鑫，陈敏. 2020. 研究型大学本科生就读经验及学习效果差异的类型学分析——以H大学为例[J]. 中国高教研究（1）：49-56.

    肖凤翔，陈潇. 2015. 企业员工参与职业培训的动机调查[J]. 心理与行为研究，13（4）：547-551.

    肖勇，程华，孙莹. 2008. 决策树方法在远程教育过程考核中的探索[J]. 远程教育杂志（3）：53-56.

    徐丹，唐园，刘声涛. 2019. 研究型大学学生类型及其学习效果——基于H大学本科生就读经历调查数据的实证分析[J]. 高教探索（3）：22-29.

    雪伦·B. 梅里安，罗斯玛丽·S. 凯弗瑞拉. 2011. 成人学习的综合研究与实践指导[M]. 黄健，张永，魏光丽，译. 第1版. 北京：中国人民大学出版社.

    查文英，顾凤佳. 2010. 远程成人学习者的特征变迁及其启示——基于上海电视大学连续七年的新生调查[J]. 开放教育研究，16（3）：167-172.

    张宏，涂玮，吴运海，石莉. 2020. 开放大学成人教育学生学习动机、行为与效果的研究[J]. 终身教育研究，31（1）：58-64.

    Astin A W. （1993）.An Empirical Typology of College Students.[J]. Journal of College Student Development， 34（1）：36-46.

    Benne K D， & Houle C O. （1962）. The Inquiring Mind. The Journal of Higher Education， 33（2）：115.

    Brockett， R. G.， & Donaghy R. C. （2011）. Self-directed learning： The Houle connection. International Journal of Self-Directed Learning， 8（2）， 1-10.

    Darkenwald，G.G.，&Valentine T. （1985）. Factor structure of Deterrents to Public Participation in Adult Education. Adult Education Quarterly， 34：117-193.

    Hu S ， Mccormick A C . （2012）.An Engagement-Based Student Typology and Its Relationship to College Outcomes. Research in Higher Education， 53（7）：738-754.

    Kristeen T. B. （2017）. A Qualitative Study Examining the Learning Orientations of Adult Doctoral Students in a College of Education Using Houles Typology as Frameworks. Doctorial dissertation. University of South Florida.

    Kuh G D ， Hu S， Vesper N . （2000）. “They Shall Be Known By What They Do”： An Activities-based Typology of College Students. Journal of College Student Development， 41（2）：228-244.

    Rich， P. （1992）. The Organizational Taxonomy： Definition and Design[J]. Academy of Management Review， 17（4）：758-781.

    Scanlan.C.S，Darkenwald G. （1984）.Identifying Deterrents To Participation In Continuing Education[J]. Adult Education Quarterly， 34（3）：155-166.

    收稿日期：2019-08-30

    定稿日期：2020-09-27

    作者簡介：朱燕菲，南京大学教育研究院博士研究生，江苏开放大学教育科学研究院（210093）。

    纪河，院长，教授，本文通讯作者，江苏开放大学教育科学研究院（210036）。

    责任编辑 张志祯 刘 莉