过刊浏览
摘要：目的：探求自我分化、网络成瘾和学习倦怠三者之间的相互关系，探究自我分化、网络成瘾对学习倦怠的影响。方法：采取随机抽样的方法，通过网络平台使用大学生自我分化量表、中文网络成瘾量表修订版以及大学生学习倦怠量表对被试进行测评，最终得到有效数据326份。结果：不同性别、生源地在自我分化分数上有显著差异（t=2.616，P ＜0.01；t=-2.406，P＜0.05）；班干部任职经历在学习倦怠分数上差异显著（t=-2.301，P＜0.05）；自我分化分数、网络成瘾分数、学习倦怠分数之间存在显著的相关关系；自我分化水平主效应显著、网络成瘾程度主效应显著（P＜0.01）；自我分化、网络成瘾可以解释学习倦怠变异程度的38.9%（校正的R2=0.389）。结论：自我分化分数、网络成瘾分数、学习倦怠分数三者密切相关，不同自我分化水平、网络成瘾程度分别独立影响学习倦怠，自我分化、网络成瘾对学习倦怠具有预测作用。
关键词：大学生；自我分化；网络成瘾；学习倦怠
中图分类号：G444 文献标识码：A
学习倦怠通常来源于长期存在的学业压力，率先提出学习倦怠定义的Pines和Kafry表示，所谓学习倦怠指的是学生的精力消耗之后发生枯竭，对学习以及与之相关的各项事件丧失兴趣，对待他人的态度变得淡漠、疏离，甚至对待学业都持有负性评价的一种现象[1]。
近些年来，高校学生产生学习倦怠已成为一种较为常见的现象，且有加大蔓延的趋势[2]。学习倦怠在个体身上具体表现为不愿意投入与学习有关的活动，随意逃课、早退，甚至旷课等。旷课作为学习倦怠的一项重要表现，我国研究者结合国情研究指出，高校学生在专业课、基础课、公共课等课程上存在不同程度的缺勤，公共课缺勤尤其严重[3]。
大学正是个人发展、人格健全的关键性时期，个体的学习状况会直接影响到他的学习、工作质量，甚至影响到心理健康，如自我情绪、认知评价等方面，最终阻碍未来的发展与成长。因此，对学习倦怠进行相关研究任重而道远。
本研究从了解当代大学生自我分化、网络成瘾以及学习倦怠的现状、三者之间的关系入手，进而探求自我分化、网络成瘾对学习倦怠的影响。
一、 对象与方法
1. 研究对象
本次的研究对象为在校大学生，问卷发放并回收330份，回收率为100%，经过剔除缺题问卷和规律性作答问卷，最后筛选出有效数据326份，有效率为98.8%。
2. 研究工具
（1）大学生自我分化量表
2010年，由吴煜辉等人编制，包含27个项目，有自我位置、与人融合、情感断绝、情绪反应4个维度；量表采用6级评分，从1到6分别代表完全不符合到完全符合；个体得分越高，说明自我分化水平越高；量表四个维度的α系数在0.684-0.851之间，总量表的α系数为0.896，分半系数为0.868；以成人依恋量表为效标，结果显著负相关（P＜0.01），具有较好的效标效度，修订后的量表满足心理测量学的基本要求[4]。
（2）中文网络成瘾量表修订版
白羽等人于2005年编制，包含强迫性上网和戒断反应、网络成瘾耐受性、时间管理问题、人际及健康问题4个因子，共有19个项目，采用4级评分，从1到4分别表示极不符合到非常符合；总量表内部一致性系数达到0.90，四个分量表内部一致性系数均在0.73-0.81之间；以Young制定的网络成瘾诊断问卷及Morahan-Martin制定的病态网络使用量表为效标，相关系数分别为0.81与0.77，修订后的量表具有良好的效标效度；总分代表个人网络成瘾程度，得分越高程度越重，小于46分为正常群体，46分至53分为网络依赖，大于53分为网络成瘾[5-7]。
（3）大学生学习倦怠量表
2005年，由连榕等人编制，有情绪低落、行为不当、成就感低3个因子，20个项目；采用5级评分，从1到5分别表示完全不符到非常符合；量表总体α系数为0.87，情绪低落因子为0.81（P＜0.001），行为不当因子为0.70（P＜0.001），成就感低因子为0.73（P＜0.001），具有良好的内部一致性信度和结构效度；总分越高，表明学习倦怠程度越高，该量表的测评对象为我国的各级各类大学生[8]。
二、 结果
1.不同自我分化水平、网络成瘾程度在学习倦怠上的差异分析
对自我分化、网络成瘾、学习倦怠三者分数进行分析，探究三者分数之间的相关关系，其中自我分化与学习倦怠相关系数为-0.463，网络成瘾与学习倦怠相关系数为0.601，在α为0.01水平显著。在全部数据中，选取上下27%的数据，将被试分为两组：高水平组和低水平组；经检验，分组间的自我分化分数差异显著（t=-27.075，P<0.01），说明分组合理。根据量表评分规则将被试分为三组：正常组、网络依赖组、网络成瘾组。结果见表1、2。
结果显示，自我分化水平和网络成瘾程度的主效应显著，说明在自我分化水平之间、网络成瘾程度之间，被试的学习倦怠分数差异显著。自我分化水平与网络成瘾程度对学习倦怠不具有交互作用。
2.自我分化、网络成瘾对学习倦怠的回归分析
以自我分化、网络成瘾为自变量，学习倦怠为因变量，作多元线性回归分析。选取拟合度最优模型建立回归方程。
从表3中可以看出，模型2中两个自变量的系数和常数项在统计学上均有意义。从容许度和VIF的值来看，模型2中的自变量存在一定的共线性，但VIF值均在10以内，并不很严重,。
综上，建立回归方程：Y=-0.145X1+0.505X2+49.222，其中Y代表学习倦怠分数，X1代表自我分化分数，X2代表网络成瘾分数。
三、讨论
1.学习倦怠的现状分析
班干部任职经历在学习倦怠分数上呈现出显著差异。有班干部任职经历的被试在学习倦怠上的分数显著低于无班干部任职经历的被试。出现学习倦怠分数低的原因可能在于，班干部需要在学习等方面为同学们做好表率，被试的任职经历强化了自身的学习动力，并且得到了自身长久地保持。
2.自我分化、网络成瘾、学习倦怠分数间的相关关系
自我分化水平越高，个体调节自身的情绪、理性处理问题的能力越强，越能沉着冷静地对待网络、学习问题，并能采取积极有效的策略进行处理，越不容易形成网络成瘾和学习倦怠，自我分化水平高的个体具有良好的心理调适能力、较高的自控能力。网络成瘾分数高者，其兴趣主要集中于网络，对待学习的兴趣会降低，学习倦怠问题也就会随之发生。因此，提高个体的自我分化水平、控制防止网络成瘾，对减轻学习倦怠的程度具有重要的意义。高校及相关部门要使大学生提高学习热情以及学习成就感，减少经常迟到、逃课现象，在加强制度建设与提升教学质量的同时，还需加强重视大学生自我分化的发展，注重对大学生们理论培养和实践训练相结合，提升其平衡理智与情感、亲密与独立的能力，帮助他们控制在网络上的使用时间，提高在学习上的热情和成就感，减轻学习倦怠。
3.自我分化、网络成瘾对学习倦怠的预测作用
自我分化的水平越高，学习倦怠的程度就越低；网络成瘾会导致学习倦怠的程度变高。自我分化和网络成瘾对学习倦怠具有一定的预测作用。自我分化和网络成瘾属于学习倦怠的重要影响因素，而且在一定程度上还可以预测学习倦怠。自我分化发展越好、网络成瘾程度越低的个体，越不容易出现学习倦怠的现象。这提示广大的教育工作者应当注重培养大学生自我分化的能力，多做利于他们自我分化发展方面的。与此同时，要注意加强引导大学生合理正确地使用网络，使之养成规律性、节制性的上网习惯，避免他们向网络成瘾方向恶性发展。对于有网络成瘾倾向的个体，要及时采取相应手段对他们进行有效的干预，转移他们的注意力，避免成瘾程度的加深。这对避免个体发生学习倦怠情况或降低学习倦怠程度都有积极的意义。
4.改善大学生学习倦怠的建议
提高自我分化。自我分化主要强调的是个体平衡理智与情感、亲密与独立的能力。这方面的能力可以通过家庭治疗、团体辅导等形式，设计相关的提升自我分化概念的自我成长训练计划，帮助大学生探索和分析自身重要的亲密关系模式，引导他们在面对学业问题时不逃避，积极主动调动社会支持和社会帮助，并在此基础上进一步地帮助自我分化的个体，增强他们在平衡理智与情感、亲密与独立上的能力，使他们可以在其中更加地平衡发展。通过自我分化的提高，个体可以更好地看待、思考、处理学习上的相关问题，学习倦怠也就自然不易发生，或倦怠程度降低[9]。
降低网络成瘾。首先社会，家庭，学校方面要加强宣传与教育，营造良好的各部分环境，引导大学生自觉、主动、正确地看待网络类事务以及网络本身，提高自制力。对于网络尚未成瘾者，始终坚持预防在先的原则，加强网络教育，鼓励引领大学生自觉养成良好的用网习惯和用网态度，增强自制力，促使他们养成健康的人格和心理。对于已经网络成瘾者或者有网络依赖者，在坚持说服教育的同时，可以对其采取干预的手段，进行积极有效的心理辅导和治疗，如系统脱敏疗法、团体辅导等；另外，可以通过让他们参加各项活动转移他们在网络上的注意力，增加在现实生活中的体验感，帮助他们尽快摆脱网瘾，重返学习的轨道。最后，根据网络成瘾的程度，可以辅助相应的药物治疗。通过预防网络成瘾或降低网络成瘾，激发、增加他们在学习上的兴趣，从而达到预防、降低学习倦怠的目的。
没有PDF文件供下载
关键词：大学生；自我分化；网络成瘾；学习倦怠
中图分类号：G444 文献标识码：A
学习倦怠通常来源于长期存在的学业压力，率先提出学习倦怠定义的Pines和Kafry表示，所谓学习倦怠指的是学生的精力消耗之后发生枯竭，对学习以及与之相关的各项事件丧失兴趣，对待他人的态度变得淡漠、疏离，甚至对待学业都持有负性评价的一种现象[1]。
近些年来，高校学生产生学习倦怠已成为一种较为常见的现象，且有加大蔓延的趋势[2]。学习倦怠在个体身上具体表现为不愿意投入与学习有关的活动，随意逃课、早退，甚至旷课等。旷课作为学习倦怠的一项重要表现，我国研究者结合国情研究指出，高校学生在专业课、基础课、公共课等课程上存在不同程度的缺勤，公共课缺勤尤其严重[3]。
大学正是个人发展、人格健全的关键性时期，个体的学习状况会直接影响到他的学习、工作质量，甚至影响到心理健康，如自我情绪、认知评价等方面，最终阻碍未来的发展与成长。因此，对学习倦怠进行相关研究任重而道远。
本研究从了解当代大学生自我分化、网络成瘾以及学习倦怠的现状、三者之间的关系入手，进而探求自我分化、网络成瘾对学习倦怠的影响。
一、 对象与方法
1. 研究对象
本次的研究对象为在校大学生，问卷发放并回收330份，回收率为100%，经过剔除缺题问卷和规律性作答问卷，最后筛选出有效数据326份，有效率为98.8%。
2. 研究工具
（1）大学生自我分化量表
2010年，由吴煜辉等人编制，包含27个项目，有自我位置、与人融合、情感断绝、情绪反应4个维度；量表采用6级评分，从1到6分别代表完全不符合到完全符合；个体得分越高，说明自我分化水平越高；量表四个维度的α系数在0.684-0.851之间，总量表的α系数为0.896，分半系数为0.868；以成人依恋量表为效标，结果显著负相关（P＜0.01），具有较好的效标效度，修订后的量表满足心理测量学的基本要求[4]。
（2）中文网络成瘾量表修订版
白羽等人于2005年编制，包含强迫性上网和戒断反应、网络成瘾耐受性、时间管理问题、人际及健康问题4个因子，共有19个项目，采用4级评分，从1到4分别表示极不符合到非常符合；总量表内部一致性系数达到0.90，四个分量表内部一致性系数均在0.73-0.81之间；以Young制定的网络成瘾诊断问卷及Morahan-Martin制定的病态网络使用量表为效标，相关系数分别为0.81与0.77，修订后的量表具有良好的效标效度；总分代表个人网络成瘾程度，得分越高程度越重，小于46分为正常群体，46分至53分为网络依赖，大于53分为网络成瘾[5-7]。
（3）大学生学习倦怠量表
2005年，由连榕等人编制，有情绪低落、行为不当、成就感低3个因子，20个项目；采用5级评分，从1到5分别表示完全不符到非常符合；量表总体α系数为0.87，情绪低落因子为0.81（P＜0.001），行为不当因子为0.70（P＜0.001），成就感低因子为0.73（P＜0.001），具有良好的内部一致性信度和结构效度；总分越高，表明学习倦怠程度越高，该量表的测评对象为我国的各级各类大学生[8]。
二、 结果
1.不同自我分化水平、网络成瘾程度在学习倦怠上的差异分析
对自我分化、网络成瘾、学习倦怠三者分数进行分析，探究三者分数之间的相关关系，其中自我分化与学习倦怠相关系数为-0.463，网络成瘾与学习倦怠相关系数为0.601，在α为0.01水平显著。在全部数据中，选取上下27%的数据，将被试分为两组：高水平组和低水平组；经检验，分组间的自我分化分数差异显著（t=-27.075，P<0.01），说明分组合理。根据量表评分规则将被试分为三组：正常组、网络依赖组、网络成瘾组。结果见表1、2。
| 表1 各分组下被试学习倦怠分数的描述性统计 | |||
| 自我分化水平 | n | 网络成瘾程度 | M±SD |
| 高水平 | 73 | 正常组 | 48.97±9.38 |
| 15 | 网络依赖组 | 59.20±9.35 | |
| 2 | 网络成瘾组 | 60.00±12.73 | |
| 低水平 | 28 | 正常组 | 57.89±8.40 |
| 35 | 网络依赖组 | 60.66±7.10 | |
| 25 | 网络成瘾组 | 69.20±7.38 | |
| 表2 自我分化水平与网络成瘾程度对学习倦怠的影响方差分析 | |||
| 变异来源 | 平方和 | df | F |
| 自我分化水平 | 559.81 | 1 | 7.61** |
| 网络成瘾程度 | 1726.26 | 2 | 11.74** |
| 自我分化水平 * 网络成瘾程度 | 399.03 | 2 | 2.71 |
| 总变异 | 21610.50 | 177 | |
| 注：*P<0.05，**P<0.01 | |||
结果显示，自我分化水平和网络成瘾程度的主效应显著，说明在自我分化水平之间、网络成瘾程度之间，被试的学习倦怠分数差异显著。自我分化水平与网络成瘾程度对学习倦怠不具有交互作用。
2.自我分化、网络成瘾对学习倦怠的回归分析
以自我分化、网络成瘾为自变量，学习倦怠为因变量，作多元线性回归分析。选取拟合度最优模型建立回归方程。
| 表3 回归模型系数表 | ||||||||
| 模型 | 非标准化 | 标准化 | t | P | 共线性 | |||
| B | 标准差 | Beta | 允差 | VIF | ||||
| 1 | （常数） | 30.35 | 2.02 | 15.06 | 0.00 | |||
| 网络成瘾分数 | 0.62 | 0.05 | 0.60 | 13.53 | 0.00 | 1.00 | 1.00 | |
| 2 | （常数） | 49.22 | 5.02 | 9.81 | 0.00 | |||
| 网络成瘾分数 | 0.51 | 0.05 | 0.49 | 9.73 | 0.00 | 0.73 | 1.37 | |
| 自我分化分数 | -0.15 | 0.04 | -0.21 | -4.09 | 0.00 | 0.73 | 1.37 | |
| a. 因变量: 学习倦怠分数 | ||||||||
综上，建立回归方程：Y=-0.145X1+0.505X2+49.222，其中Y代表学习倦怠分数，X1代表自我分化分数，X2代表网络成瘾分数。
三、讨论
1.学习倦怠的现状分析
班干部任职经历在学习倦怠分数上呈现出显著差异。有班干部任职经历的被试在学习倦怠上的分数显著低于无班干部任职经历的被试。出现学习倦怠分数低的原因可能在于，班干部需要在学习等方面为同学们做好表率，被试的任职经历强化了自身的学习动力，并且得到了自身长久地保持。
2.自我分化、网络成瘾、学习倦怠分数间的相关关系
自我分化水平越高，个体调节自身的情绪、理性处理问题的能力越强，越能沉着冷静地对待网络、学习问题，并能采取积极有效的策略进行处理，越不容易形成网络成瘾和学习倦怠，自我分化水平高的个体具有良好的心理调适能力、较高的自控能力。网络成瘾分数高者，其兴趣主要集中于网络，对待学习的兴趣会降低，学习倦怠问题也就会随之发生。因此，提高个体的自我分化水平、控制防止网络成瘾，对减轻学习倦怠的程度具有重要的意义。高校及相关部门要使大学生提高学习热情以及学习成就感，减少经常迟到、逃课现象，在加强制度建设与提升教学质量的同时，还需加强重视大学生自我分化的发展，注重对大学生们理论培养和实践训练相结合，提升其平衡理智与情感、亲密与独立的能力，帮助他们控制在网络上的使用时间，提高在学习上的热情和成就感，减轻学习倦怠。
3.自我分化、网络成瘾对学习倦怠的预测作用
自我分化的水平越高，学习倦怠的程度就越低；网络成瘾会导致学习倦怠的程度变高。自我分化和网络成瘾对学习倦怠具有一定的预测作用。自我分化和网络成瘾属于学习倦怠的重要影响因素，而且在一定程度上还可以预测学习倦怠。自我分化发展越好、网络成瘾程度越低的个体，越不容易出现学习倦怠的现象。这提示广大的教育工作者应当注重培养大学生自我分化的能力，多做利于他们自我分化发展方面的。与此同时，要注意加强引导大学生合理正确地使用网络，使之养成规律性、节制性的上网习惯，避免他们向网络成瘾方向恶性发展。对于有网络成瘾倾向的个体，要及时采取相应手段对他们进行有效的干预，转移他们的注意力，避免成瘾程度的加深。这对避免个体发生学习倦怠情况或降低学习倦怠程度都有积极的意义。
4.改善大学生学习倦怠的建议
提高自我分化。自我分化主要强调的是个体平衡理智与情感、亲密与独立的能力。这方面的能力可以通过家庭治疗、团体辅导等形式，设计相关的提升自我分化概念的自我成长训练计划，帮助大学生探索和分析自身重要的亲密关系模式，引导他们在面对学业问题时不逃避，积极主动调动社会支持和社会帮助，并在此基础上进一步地帮助自我分化的个体，增强他们在平衡理智与情感、亲密与独立上的能力，使他们可以在其中更加地平衡发展。通过自我分化的提高，个体可以更好地看待、思考、处理学习上的相关问题，学习倦怠也就自然不易发生，或倦怠程度降低[9]。
降低网络成瘾。首先社会，家庭，学校方面要加强宣传与教育，营造良好的各部分环境，引导大学生自觉、主动、正确地看待网络类事务以及网络本身，提高自制力。对于网络尚未成瘾者，始终坚持预防在先的原则，加强网络教育，鼓励引领大学生自觉养成良好的用网习惯和用网态度，增强自制力，促使他们养成健康的人格和心理。对于已经网络成瘾者或者有网络依赖者，在坚持说服教育的同时，可以对其采取干预的手段，进行积极有效的心理辅导和治疗，如系统脱敏疗法、团体辅导等；另外，可以通过让他们参加各项活动转移他们在网络上的注意力，增加在现实生活中的体验感，帮助他们尽快摆脱网瘾，重返学习的轨道。最后，根据网络成瘾的程度，可以辅助相应的药物治疗。通过预防网络成瘾或降低网络成瘾，激发、增加他们在学习上的兴趣，从而达到预防、降低学习倦怠的目的。
没有PDF文件供下载
