你有数学态度吗？（In）美国学生数学态度对意向、行为参与和数学成绩的直接影响

作者：卡琳娜·吉卡利，阿纳斯塔西娅·利普内维奇

国籍：美国

出处：Contemporary Educational Psychology 67 (2021) 102019

摘 要：学业成绩是由大量的人口统计、背景、认知和非认知因素预测的。预测数学成绩的非认知因素是学习技能、自信、自我效能感和个性特征（Kyllonen，2012年），这些因素此前已被深入研究。有限的应用研究利用美国学生的代表性数据探索了态度和信念对数学成绩的预测价值。目前的研究使用计划行为理论（TPB）通过PISA 2012在大规模评估数据中解释高中生的数学成绩。结果表明，除了关键的人口统计学因素外，学生的态度、主观规范和感知的行为控制信念解释了21.1%的未来追求和主修数学意愿的变异性，59.4%的数学学习行为参与的变异性，研究结果表明：（1）态度-行为框架在教育研究中对理解学业成绩的适用性，（2）感知控制和自我效能信念对预测数学行为参与的重要性（例如，在课堂上集中注意力、完成作业、备考）以及随后的数学成绩；（3）学生对数学的态度对他们在专上教育中从事数学课程以及拥有与数学相关的职业抱负的意图的实际意义。

关键词：学生态度；非认知因素；自我效能；数学成绩；比萨；大规模数据

1.介绍

在最近的一次全球比较教育评估中，美国15岁儿童在35个经济合作与发展组织（OECD）国家的数学领域排名第31位（OECD，2016）.鉴于科学、技术、工程和数学（STEM）领域的成就促进了个人层面的成果，如高地位职业，以及国家层面的成果，如经济增长，这种相对不足的成就令人担忧（Rindermann，2012；Rindermann，Sailer和Thompson，2009）.具体而言，数学成绩是进入高等教育的门户，是更赚钱的职业机会，也是与全球经济需求竞争的能力指标（Jerald，2008）.数学素养——在个人和专业环境中使用数学推理和工具的能力——对职业和一般生活功能至关重要（经合组织，2013年）。不幸的是，与其他发达国家的学生相比，美国学生在展示数学能力方面落后（见图1）大规模的国际评估，如国际学生评估计划（PISA）和国际数学与科学趋势研究（TIMSS）表明，来自许多国家的学生在数学方面的表现没有达到预期水平（Fleischman、Hopstock、Pelczar和Shelley，2010；Gonzales、Guzman、Partelow、Pahlke、Jocelyn、Kastberg和Williams，2004；Miller、Sen和Malley，2007）。因此，研究转化为STEM更高性能的因素是一项全球性任务。

先前理解数学成绩可变性的努力主要集中在人口统计学（如SES、性别）（Sirin，2005）、认知（如工作记忆、先验知识）（Deary、Strand、Smith和Fernandes，2007；Duncan等人，2007；Luo、Thompson和Detterman，2003）、非认知（如动机）（Pintrichamp;de Groot，1990年）、人格（Poropat，2009年）、学习因素和技能（例如自我调节）（Zimmerman，1990年）。然而，将信念和态度的非认知结构与学业成绩联系起来的综合框架在教育心理学研究中基本上尚未探索 （Burrusamp;Moore，2016年）.之前专门关注数学成绩非认知预测因素的研究主要调查学生对数学的信心（Stankov，Lee，Luo和Hogan，2012；Stankov，Morony和Lee，2014）；自我效能感（例如Skaalvik，Federici和Klassen，2015）和动机结构（例如，任务兴趣、内在动机）（Cleary、Kitsantas和Dowdy，2017；Garon Carrier等人，2016）。因此，有限的研究依赖于其他非认知因素的预测值，如对数学成绩的态度和信念，即使对数学的态度是正确的（在本手稿的其余部分也被称为数学态度）（例如，Lipnevich、MacCann、Krumm、Burrus和Roberts，2011）是理解数学成就可变性的一个很有希望的途径，如横断面研究（Lipnevich et al.，2011）和纵向研究（Niepel et al.，2018）所示。

1.1.计划行为理论

学业成就是通过一系列促进成功的行为，被假设用于预测行为意图和随后的态度相关行为。意图被概念化为三个决定因素和行为之间的中介，此外，TPB假设感知的行为控制也通过意图对行为产生间接影响，即中介效应（见图2）总的来说，TPB框架内的结构之间的关系是积极的，因此三个决定因素与意向和行为正相关，意向结构与行为正相关。经验证据证实了该模型的可行性，包括态度和感知行为对照组成功预测了个体实施相关行为的意愿（Armitageamp;Conner，2001；Trafimow，Sheeran，Conner和Finlay，2002）。TPB有效性的荟萃分析表明，即使考虑到客观或观察到的行为测量，该模型也可用于预测行为。尽管有这种元分析证据，但这种态度框架对教育环境的适用性尚未得到很好的探索。之前使用TPB框架的研究已经检查了减肥、吸烟习惯、投票、消费习惯、回收、献血和购买股票等行为，并发现TPB有效地解释了广泛行为领域的可变性（参见Ajzen，2005年的综述）然而，TPB在教育研究中的使用很少，尽管已经提出了在理解学生行为和成绩方面促进这一理论模型的努力（如Cooper、Barkatsas和Strathdee，2016）。为了将TPB框架的转变与教育研究联系起来，以下各节提供了TPB结构的操作定义，并提供了教育相关的示例。

态度态度是对一个实体或行为的总体积极或消极评价。这一结构依赖于态度的期望值（EV）模型（Fishbeinamp;Aizen，1975），其中结果的主观价值和信念的强度构成了模型的态度部分。Wigfield和Eccles（2000）通过几十年的研究，我们详细阐述了这一结构，并定义了教育心理学中E-V模型的几个组成部分。心理学和经济学中提出了许多期望值模型，以整合决策（即行为）的各个方面。Ajzen（1991）就是其中之一计划行为理论，该理论指出，意志行为由特定态度（即价值成分）加上感知行为控制（即结果预期成分）决定，本研究对此进行了进一步定义。

图1.2006-2015年数学成绩（PISA）总分、平均分。描述七国集团（G7）国家数学成绩的图表，七国集团是世界上最大的发达经济体国家。该图中未标注的G7国家是意大利、英国和法国（这三个国家的平均国家得分接近2015年经合组织的平均水平）。

图2. 计划行为成分（态度、主观规范、知觉控制、意图和行为）预测学业成就的理论。改编自Ajzen（1991），将学业成就的扩展作为额外的结果变量。

主观规范。主观规范是个体直接环境中的人（即指涉者）认可的程度，

参与、批准或不批准给定行为（Ajzen，1991）指代人可能是个人生活中的重要人物，来源于不同类型的关系，如朋友、父母、教师、大家庭成员和重要的其他人。这种结构是根据他人对个人的特定行为设定的标准、期望、判断和压力来定义的r、 主观规范反映了个人对参与（或不参与）某项活动的社会压力的感知。超越课堂上发生的、构成课堂“生活”的社会情境（例如，常规、程序、学生如何合作），数学课堂中的另一层社会规范包括学生参与数学思想、解释和分歧的程度。一般课堂规范和课堂中的社会数学规范之间的差异如下：“知道自己需要解释自己的思想是一种社会规范；知道什么是可接受的数学解释是一种社会数学规范”（Franke、Kazemi和Battey，2007年，第239页）。因此，数学特定规范和教师对“数学化”含义的期望（例如，提供复杂有效的数学解释）作为本研究中主观规范的指标。

感知行为控制。感知行为控制（PBC）被定义为“个人对行为表现可能有多容易或多困难的信念”（Ajzenamp;Madden，1986，第457页）。PBC由两个方面组成：（1）感知控制能力或个人对行为控制的信念；（2）感知能力或个人对其行为执行能力的感知。控制信念是由对存在或不存在可能阻碍或促进行为执行的因素的感知形成的。因此，认为自己拥有执行行为的知识、技能、机会和资源的个人PBC在概念上与自我效能信念（Bandura，1977）（即感知能力）相关，但也包含可控性的组成部分。自我效能是一种自我构建的判断，判断一个人的行动是否可以实现预期的结果Bandura（1977）自我效能感可以预测学生在写作（Pajares，2003）、科学（Britner和Pajares，2006）、数学（Kitsantas、Cheema和Ware，2011）以及职业选择和抱负（Bandura，2001）等领域的成绩。

意图。有意向意味着有意愿做出某种行为（例如，“我打算努力学习以确保我学习数学”，“我打算毕业后从事与数学相关的职业”）。TPB假设意志行为的核心预测因素是一个人参与该行为的意向（Ajzen，1991，2005）一个人的意图是通过对行为的态度、主观规范和感知的行为控制相互决定的。跨多个心理学子领域的元分析发现，意图-行为关系介于0.47（Notani，1998）和0.53（Sheppard，Hartwick和Warshaw，1988）之间。

作为数学职业道德的行为参与。在本研究中，行为是指在从事数学工作的背景下表现出职业道德水平的与数学相关的行为。在我们的研究中，我们使用学生的学业相关行为，如计划学习、按时提交家庭作业和尽量减少分心来衡量行为参与度冯海峰、谭和陈（2018）。

行为投入作为数学成绩的预测因子。研究表明，许多学术行为，如良好的出勤率（Conard，2006年）、遵守指示、禁止课堂上的不当行为（Sektnan、McClelland、Acock和Morrison，2010年）、执行轻松学习策略（Pokay和Blumenfeld，1990年）以及在家庭作业上下功夫（Trautwein，2007年），是影响学业成绩的一些行为因素。学业行为参与通常描述学生在学习期间（例如，努力学习数学作业）和在校期间（例如，在课堂上集中注意力）所做的事情（Finnamp;Voelkl，1993）.研究表明，行为参与度较高的学生更经常上课，并在学业上投入更多精力（国家研究委员会，2004年）。行为参与度较高的学生更有能力克服学习困难，发展抽象数学概念的学习（Pierceamp;Stacey，2004；vom Hofe，2001），导致更高水平的数学成绩（Klemamp;Connell，2004；Pierceamp;Stacey，2004；vom Hofe，2001）。使用来自34个参与2012年PISA的国家的数据进行的研究表明，报告了更多学习导向行为并在课堂内外参与了更多数学学习活动的学生成绩更高（Fung et al.，2018）。

通过本研究，我们扩展了TPB框架，通过将特定的学术行为作为成就的预测因子来区分行为参与和学术成就（见图2）.先前采用TPB框架预测教育结果的研究将行为参与视为学术成就的代表（例如Burrusamp;Moore，2016；Lipnevich等人，2011，2016；Niepel等人，2018）在本研究中，我们区分了这两种教育成果，并实证检验了先前存在的TPB结构模型（Ajzen，1991）通过将学术行为参与度视为数学成绩的预测因子而非替代指标。将学生行为独立于数学成绩进行评估，有助于我们更清楚地理解教育研究中的行为-成就关系。

1.2.态度的重要性和可塑性

态度通常定义为一个人对（n）个实体、对象、目标或主题的评价，从消极到积极（或有利到不利）（Ajzen，2005）.在本研究的背景下，检查态度是否以及在何种程度上与数学成绩相关的重要性部分基于态度是可延展的假设。总体而言，实验室设置和现场干预的荟萃分析报告的态度变化影响的平均效应大小，约为d=0.22，表明影响较小（Lemmeramp;Wagner，2015；Steinmetz，Knappstein，Ajzen，Schmidt，amp;Kabst，2016；Tyson，Covey，amp;Rosenthal，2014）。这些荟萃分析的主题包括改变群体间态度（Lemmeramp;Wagner，2015）、对危险性行为的态度（Tyson等人，2014），以及在身体活动、营养、压力管理、酒精和药物使用以及医疗制度等诸多其他领域改变态度（Steinmetz等人，2016年）这表明态度的改变可以推广到不同的领域，并且无论评估的环境或实体如何，态度都具有可塑性。在教育相关的态度改变干预中，研究表明改变女性对STEM领域的内隐和外显态度会产生积极影响s（例如，

剩余内容已隐藏，支付完成后下载完整资料

Contemporary Educational Psychology 67 (2021) 102019

Contents lists available at ScienceDirect

Contemporary Educational Psychology

journal homepage: www.elsevier.com/locate/cedpsych

Got math attitude? (In)direct effects of student mathematics attitudes on intentions, behavioral engagement, and mathematics performance in the U.

S. PISA

Kalina Gjicali a,*, Anastasiya A. Lipnevich b

a New York University, Global TIES for Children, United States

b Queens College and The Graduate Center, City University of New York (CUNY), United States

A R T I C L E I N F O

Keywords:

Student attitudes Noncognitive factors Self-efficacy

Mathematics performance PISA

Large-scale data

A B S T R A C T

Academic performance is predicted by a multitude of demographic, contextual, cognitive, and noncognitive factors. The noncognitive factors predicting achievement in mathematics that have previously been investigated in depth are study skills, confidence, self-efficacy, and personality traits (Kyllonen, 2012). Limited applied research has explored the predictive value of attitudes and beliefs in mathematics achievement using repre- sentative data of U.S. students. The current study uses the theory of planned behavior (TPB) to explain high

school studentsrsquo; performance in mathematics in large-scale assessment data by using the PISA 2012. Along with key demographic factors, results indicated that studentsrsquo; attitudes, subjective norms, and perceived behavioral control beliefs explained 21.1% of the variability in intentions to pursue and major in mathematics in the future,

59.4% of the variability in behavioral engagement with mathematics learning, and 30.7% of the variability in mathematics performance.The study results have implications on: (1) the applicability of an attitude-behavior framework in educational research for understanding academic performance, (2) the importance of perceived control and self-efficacy beliefs for predicting behavioral engagement in mathematics (e.g., paying attention in class, completing homework, studying for exams) and subsequent mathematics performance, and (3) the prac-

tical significance of studentsrsquo; attitude towards mathematics on their intentions to pursue mathematics course-

work in post-secondary education and possess math-relevant career aspirations.

Introduction

In one of the most recent global comparative educational assess- ments, 15-year-olds in the United States ranked in 31st place out of 35 Organisation for Economic Co-operation and Development (OECD) countries in the domain of mathematics (OECD, 2016). This relative underachievement is worrisome given the research findings that achievement in science, technology, engineering, and mathematics (STEM) fields promotes individual-level outcomes, such as high-status occupations, and nation-level outcomes, such as economic growth (Rindermann, 2012; Rindermann, Sailer, amp; Thompson, 2009). Achievement in mathematics, specifically, is a gateway to higher edu- cation, more lucrative career opportunities, and is an indicator of the ability to compete with the demands of a global economy (Jerald, 2008).

Mathematical literacy – the ability to use mathematical reasoning and tools in personal and professional contexts – is essential for careers and

general life functioning (OECD, 2013). Unfortunately, students from the United States lag in demonstrating mathematics competencies when compared to students from other developed nations (see Fig. 1). Large- scale international assessments such as the Program for International Student Assessment (PISA) and the Trends in International Mathematics and Science Study (TIMSS) demonstrate that students from many na- tions are not performing at expected levels in mathematics (Fleischman, Hopstock, Pelczar, amp; Shelley, 2010; Gonzales, Guzmaacute;n, Partelow, Pahlke, Jocelyn, Kastberg, amp; Williams, 2004; Miller, Sen, amp; Malley, 2007). Hence, examining factors that translate into greater performance in STEM is a global task.

Prior efforts to understand the variability in mathematics perfor- mance have primarily focused on demographic (e.g., SES, gender) (Sirin, 2005), cognitive (e.g., working memory, prior knowledge) (Deary, Strand, Smith, amp; Fernandes, 2007; Duncan et al., 2007; Luo, Thompson, amp; Detterman, 2003), noncognitive (e.g., motivation) (Pintrich amp; de

* Corresponding author at: New York University, Global TIES for Children, 196 Mercer Street, 8th Floor, New York, NY 10012, United States.

E-mail address: kg1317@nyu.edu (K. Gjicali). https://doi.org/10.1016/j.cedpsych.2021.102019

Available online 28 September 2021

0361-476X/copy; 2021 Elsevier Inc. All rights reserved.

Groot, 1990), personality (Poropat, 2009), and learning factors and skills (e.g., self-regulation) (Zimmerman, 1990). However, a compre- hensive framework that relates noncognitive constructs of beliefs and attitudes to academic performance has largely remained unexplored in educational psychology research (Burrus amp; Moore, 2016). Prior studies that have specifically focused on noncognitive predictors of mathe- matics achievement primarily investigated student confidence in mathematics (Stankov, Lee, Luo, amp; Hogan, 2012; Stankov, Morony, amp; Lee, 2014), self-efficacy (e.g., Skaalvik, Federici, amp; Klassen, 2015), and mot

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595576]，资料为PDF文档或Word文档，PDF文档可免费转换为Word