论文部分内容阅读
摘要： 研究采用一所研究型大学本科生就读经历调查数据，探讨学生学习投入水平及其影响因素的学科差异。结果显示：应用学科学生学术挑战度、课程参与、师生互动水平均显著高于纯学科。输入特征对学习投入的影响在应用学科更显著；院校环境和学科/专业亚环境对学习投入的影响包括一般性影响和因学科而异的条件性影响，应用学科学生学习投入受学科/专业亚环境中教师和教学的影响比纯学科显著。高校需要为不同特征学生亚群体有针对性地采取学业支持措施，以学科/院系为单位有效激励学生投入学习，同时促进基于学科的教学质量评估和学科文化反思。
关键词：研究型大学；本科生；纯学科；应用学科；学习投入
中图分类号：G640
文献标识码：A
文章编号：1672-0717（2018）05-0030-08
收稿日期：2018-06-30
基金项目：2015年度教育部人文社会科学研究一般项目“研究型大学本科生学习投入的跨文化比较”（15YJC880100）；湖南省教育科学“十三五”规划2016年度项目“高校学生学习成果评估行动研究”（XJK016BGD008）。
作者简介：徐丹（1977-），女，湖南汉寿人，教育学博士，湖南大学教育科学研究院副研究员，主要从事大学生学习与发展研究；蒋扇扇，湖南大学教育研究院硕士研究生；刘声涛，湖南大学教育科学研究院副研究员；长沙，410082。
一、文献综述与研究问题
高等教育的内涵式发展需要全面推进课程教学改革，强化学生有效的学习体验[1]。作为教师组织管理、教学和研究活动的基本单位，学科对学者信念、教师教学和学生学习产生强烈影响，系统研究学科对高等教育的教学和学习质量的影响对制定公平、有效和有针对性的高等教育管理政策尤为重要[2]。
尽管如此，基于学科的教学亚环境的差异近30年才开始慢慢进入研究者视野。已有研究发现，受知识特性的驱动和学科文化建构的影响，软硬学科之间教学模式存在基本差异。硬学科通常将教学重心放在职业准备上，并强调学习事实、原则和概念，以及方法和原则的应用[3]（P60），侧重学生通过合作学习来改善定量分析的能力[4]，通常采用以教师为中心的教学方法，师生花费更多时间在实验室教学和实地考察上。相反，软学科则更多将重心放在通识教育[3]（P60），侧重交流、参与及思考，学生更擅长用深层学习策略，教学通常采用以学生为中心的方法[5]，师生花费更多时间在研讨会和讲座上[6]。
关于不同学科教师和学生投入水平的研究至今未形成一致性结论。关于学生投入，多数研究结论是理学和工学学生投入水平高于人文社科[7]，应用学科学生比纯学科学生投入水平更高[8]，或学科间不存在显著差异[9]。陆根书[10]和舒忠梅[11]的研究则表明，不同学科学生学习投入水平因维度而异。关于教师的投入，部分研究发现应用学科比纯学科教师教学投入水平更高[12]，也有研究发现软纯学科在教学上投入时间最多，硬应用学科在教学上花费时间最少[13]。
当研究者把学习投入放在院校影响力模型中，探讨学生学习和发展的学科差异形成的内部机制时，学科/院系为基础的教学亚环境、学习投入和学习效果之间关系复杂，更难形成有说服力和可比较的结论。Li Long和Simpson（1999）宣稱，学生背景特征和专业经历影响学术和社交整合以及学生的学习和智力发展，且这一关系在软硬学科间并无区别[14]。Pike使用不同分类框架探究学科与学生学习的关系，在霍兰德的个人-环境理论框架下，所有亚环境中，学生在高阶思维活动上的投入和课程上的努力程度都与所有学习效果因子显著正相关，而在比格兰的学科分类框架下，纯学科和应用学科学生学习和认知发展的基本模式存在差异[15]。
院系/学科与学生学习和发展之间关系难以形成易归纳的结论源于下列因素：一是理解不同院系学生的变化和稳定的模式时，研究者们尚未找到一致认可的“理论上有意义且实践操作可行的方式”划分院系亚环境，大部分研究将学院或大学行政结构作为研究学科/专业对学生学习影响的分析框架，无法有效呈现学科影响[16]。二是基于院系/学科的教学亚环境对学生学习和认知发展的许多影响都是间接的，且为因亚环境性质而异的条件性影响。三是不同研究使用了涵义和测量不同的学习过程变量。
国内学者近十年来对大学生学习投入关注度日增，对大学生学习投入度现状、影响因素及学习投入与学习效果的关系展开了初步探索，然而，对不同学生群体学习投入及其影响机制这样有意义的问题尚无探讨[17]（P43）。本研究采用比格兰的三维度学科分类框架，运用中国一所选择性程度较高的研究型大学本科生就读经历调查数据，集中探讨两个问题：1.学生学习投入是否存在学科差异？差异的具体表现如何？2.在学生学习投入存在显著差异的学科之间，学生输入特征、院校环境和学科/专业亚环境中各因素对学习投入的影响是否一致？
二、研究设计
（一）分析框架
学生发展和院校影响力研究证明，“学生投入是学习发生的前提，大学有责任激发和支持学生投入”[18]。尽管其概念基础（包括研究问题、所用研究变量，以及描述变量的术语）在不同的文献中各有选择[19]，学生投入研究重心已从学生时间投入渐渐转向学生投入不同类型活动中的量和质，进而强调院校环境对学生各类投入的支持[20]。本研究参考阿斯汀的学生投入理论，在分析学生输入特征和院校及学科环境对学生投入的影响时，部分借鉴阿斯汀提出的I—E—O模型。输入要素I（input）是指学生进入高等教育机构前所具备的个人特征，包括背景特征和学生目标等。环境要素E（environment）是指学生在高校就读期间所经历的多种体验和经历，包括院校环境、院系/学科亚环境教育质量、学生学习投入等。
（二）调查工具 研究采用2013年H大学学生就读经历调查（Student Experience in the Research University，简称SERU调查）数据。调查问卷由加州大学伯克利分校高等教育研究中心开发和设计，该问卷2002年开始在加州大学使用，当前的SERU联盟包括20余所美国AAU联盟的研究型大学及中国、荷兰、南非、巴西、日本、英国等国家十余所卓越研究型大学。H大学于2011年加入该联盟。H大学的调查问卷由本校研究团队与SERU联盟研究团队合作修订而成。整个问卷包括核心问题、与研究相关的问题、亚洲/中国/专门问题以及H大学的校本问题四大模块。核心问题调查了学生的学习投入和学习效果（包括学生的时间分配、师生互动、学生能力增长等）、学生的生活和目标、对院校氛围的感知，以及院校经历满意度等。
（三）样本
调查采取在线普查方式，共收集了8 838个有效样本。其中男生占55.5%，女生占44.5%；一年级29.9%，二年级28.8%，三年级28%，四年级13.8%；软学科32.5%，硬学科67.5%；应用学科91.4%，纯学科8.6%；生命学科5.6%，非生命学科94.4%。
（四）变量
1.学科
1973年，比格兰在考察学者自身对所研究知識领域特点的感知的研究中，根据学科的知识和研究具有高度统一性与否（软/硬）、学科是创造知识还是应用知识（纯/应用），以及学科是与生命系统还是与非生命的实物打交道（生命/非生命）将学术领域分为8个学科群落[21]。科尔布（1981）采用相似的方法，根据对学生学习策略的考察，将学科分为四种类型，即强调抽象—理论探讨的纯硬科学（自然科学与数学）、强调抽象—积极应用的应用硬科学（工程学）、强调具体—积极应用的应用软科学（教育、社会福利工作、法学等社会科学领域），以及强调具体—理论研究的纯软科学（主要指人文科学与纯社会科学）。托尼·比彻和珀尔·特劳尔（2001）则结合科尔布和比格兰的研究，将学科分为纯硬、应用硬学科、纯软、应用软学科四类[22]。考虑到比格兰的三维分类法对学科知识的性质考虑最全面，研究采用此分类法及其分类范例，将2013年H大学官方网站公布的65个专业进行分类。部分工学专业，如计算机科学与技术、通信工程、软件工程、信息安全等理学和工学交叉的综合性学科专业划分到应用硬学科（非生命系统）；建筑学、工艺设计、城乡规划等专业，虽然授予工学学位，但实际是工程技术与艺术、哲学、美学等人文学科交叉的综合性学科专业，划分到应用软学科（非生命系统）。统计分析时，将纯学科标为0，相应的应用学科标为1，软学科标为0，硬学科标为1，生命学科标为0，非生命学科标为1。
2.学生学习投入
研究运用探索性因素分析方法（采用主成份分析方法抽取因子，并进行最大正交旋转）对问卷中34道关于学习投入的题项进行分析，逐步删除特征根值小于1的题项。经过上述过程，学生学习投入分为学术挑战度、课程参与、师生互动及消极学习行为四个因子（见表1），我们将属于同一因素的所有题项的得分求和，计算平均分，作为该因子最后得分。
3. 输入特征
研究选取学生性别、年级、家庭经济状况、是否第一代大学生作为影响学习投入的背景特征变量。分析时，将以上变量转化为虚拟变量，并分别以女生、非第一代大学生、低收入家庭、四年级为参照。学生的学习和生活目标包括“综合型目标”、“职业型目标”、“学术型目标”、“升学型目标”四个因子。
4.院校环境和学科/专业亚环境
问卷采用李克特五点量表，请学生判断承担工作责任、承担家庭责任、其它课余活动、缺乏语言能力、缺乏学习技能、学习环境差、情绪因素、身体疾病对阻碍学生学业成功的影响，综合测量院校为学生提供的政策和教育环境。鉴于专业课教师的态度和行为在促进学生投入方面发挥重要作用[23]，学生与专业教师的互动，能够直接提高学生课堂学习、课后学习、跨专业学习以及课外活动等多种学生参与途径，并由此间接提升学生发展[17]（P41），问卷采用李克特六点量表，以专业教育教师水平、专业教育教师投入、专业教育教学效果表征学科/专业教育环境。
（五）统计方法
统计分析过程中采用T检验呈现比格兰学科分类框架下各维度（软/硬、纯/应用、生命/非生命）学科之间学习投入各因子水平是否存在显著差异，进而对体现学习投入显著差异的学科，使用多元回归方法探讨学生输入特征、院校环境和学科/专业环境对不同学科学生的四个投入因子的影响。所有回归方程通过显著性检验，并通过共线性检验确定回归方程的自变量间不存在共线性。
三、统计结果
（一）不同维度学科分类框架下的学生学习投入差异
如表2和表3所示，纯/应用学科学生在三个学习投入因子上水平存在显著差异，软/硬学科只在消极学习行为因子上存在显著差异，生命/非生命学科则在学习投入四个因子上均无显著差异。就H大学学生学习投入而言，纯/应用的学科学生学习投入的差异最显著。应用学科学生在学术挑战度、课程参与、师生互动上投入水平均显著高于纯学科学生，唯有消极学习行为，纯学科和应用学科学生差异并不显著。
（二）纯学科和应用学科学生学习投入影响因素
回归分析显示（见表4），输入特征中，学生学习投入更多受到家庭经济阶层、年级和性别影响，较少受学生大学目标、父母受教育程度影响。是否第一代大学生对两类学科学生的学习投入均无显著影响。学生大学目标仅对纯学科学生的消极学习行为有轻微影响，学术型目标的学生消极学习行为显著低于其它目标类型。家庭经济阶层对应用学科学生影响大于纯学科。对纯学科而言，中等收入阶层子女比较低收入阶层子女消极学习行为频次更低。对应用学科来说，富裕、较富裕和中等收入阶层子女比低收入阶层子女师生互动水平更高，中低收入阶层子女比低收入阶层学术挑战度和课程参与度更低。纯学科女生消极学习行为高于男生。应用学科男生在课程参与上表现优于女生，消极学习行为更少，但是师生互动水平更低。相比四年级，纯学科一年级学生更积极地参与了师生互动，应用学科一、二年级学生师生互动更频繁，课程参与度更高。无论纯学科还是应用学科，低年级学生的消极学习行为都更频繁，且与四年级差异显著。 从院校环境的影响看，并非所有学业障碍都显著影响学习投入，工作责任、课余活动、缺乏学习技能对学习投入的影响相对其它因素更显著，且这些学业障碍对纯学科和应用学科学生学习投入的影响几乎一致。工作责任和课余活动带来的学业障碍对各维度学习投入产生显著负影响；而缺乏学习技能对不同维度的学习投入产生正影响。专业教育教师水平对应用学科学生的学术挑战度、师生互动、课程参与均有显著正影响，对学生消极学习行为产生显著负影响；专业教育教师投入则只对应用学科学生的学术挑战度和课程参与产生显著负影响；专业教育教学效果对所有学生的学术挑战度、应用学科学生的师生互动和课程参与产生显著负影响，并对应用学科学生消极学习行为产生显著负影响。
针对两类学科学生学习投入回归模型的比较结果显示：院校和学科/专业环境对学生学习投入的影响远胜于学生输入特征，且应用学科学生比纯学科学生更显著地受到学科/专业教育环境的影响。
四、分析和讨论
关于学生输入特征对学习投入的影响，本研究形成的几个重要结论拓展了已有研究成果：1.学生家庭经济阶层仅对应用学科师生互动水平影响显著，成长期处于中等收入及以上家庭的应用学科学生比低收入家庭子女更倾向投入各种方式与内容的师生互动。Kim使用同样的问卷针对美国一所公立研究型大学样本的调查结果显示，富裕阶层家庭子女师生互动更为频繁[24]。本研究进一步探讨了二者关系的学科差异。2.家庭文化背景对学习投入的影响无论对纯学科还是应用学科学生来说都不显著，与王伟宜等人针对非精英院校学生的研究结论相反，说明家庭文化资本对学生学习投入的影响可能因院校类型而异[25]。3.学习投入的性别差异更多存在于应用学科而非纯学科。4.大四学生整体消极学习行为显著少于低年级学生，但应用学科四年级学生在师生互动、课程参与上水平也低于低年级学生。这一结论丰富和部分呼应了文雯等人运用清华大学学情调查数据发现的高年级课程教学挑战度明显不足而对非课程性、高影响力教育活动投入明显增加，自主探究性学习显著提高的“大四现象”[26]，以及汪雅霜针对不同类型高校学生发现的学习投入随年级升高呈现出的“高-低-低-高”趋势[27]。总体而言，先赋性因素对学生学习投入的影响在应用学科比在纯学科亚环境中更显著。
工作责任对学习投入的消极影响，印证了时间投入是学习投入的基础，冲突的职责是阻碍学生学习投入的重要因素[28]，学生花在兼职工作的时间越多，他们参与学术和社交的时间就越少[29]，会给课外参与、师生互动、生生互动、学生社交等带来负面影响[30]。缺乏学习技能对学生投入的影响结论富于启发，学生越明显地感知缺乏学习技能是自己学业成功的重要障碍，越会积极投入学习。这说明尽管H大学本科生学习技能总体水平不高，然而当学习者自身意识到这个问题，试图成为一个积极的自我调节者，便会主动参与学习、自觉协调和利用各种学习资源。
针对不同类型高校学生的已有研究结果表明，教育性因素比先赋性因素对学生学习投入的影响更为显著[31]。教师是学生社会化过程中重要的影响人物，其专业态度和行为是学科与学生发展之间关系呈现分化的基本因素。即便控制学生输入特征和部分院校环境因素后，专业教育教师投入和教学效果对学生学习投入的影响依然显著。然而，教师水平和教师投入对学术挑战度的正影响，教师水平和教学效果对师生互动和课程参与的正影响和对消极学习行为的负影响，都只在应用学科表现显著。造成这一现象的原因可能在于学科知识特性的自然差异及相关的教学特征，例如应用学科专业要求掌握复杂的概念，将理论与实践结合，课程更富挑战性，在评分上也比纯学科更为严格，这些特性推动学生更自觉、更投入地学习，更多地使用深层学习策略[32]。这一现象也可能与样本高校应用学科整体发展水平有关。应用学科学生学习投入受专业教师教学影响更显著的现象还需要更多实证研究推动理解。
五、 政策启示与建议
（一）为不同特征学生亚群体有针对性地采取学业支持措施
来自低收入家庭的学生在师生互动上主动性不如中高收入家庭的同辈，教师在与学生的互动中需要为前者提供更多鼓励和支持。例如在课内外与学生探讨课程问题时考虑不同经济阶层的学生在经验积累和关注问题上的差异，在组织研究活动和学术研讨课时考虑来自低收入家庭学生的参与，鼓励其在需要时积极寻求教师帮助，这些行为将会有益于促进经济上处境不利的学生在院校学习经历中实现更显著的认知技能增长，并能有效提升其对院校的满意度。由于不同性别学生学习投入水平存在差异，女生总体比男生消极学习行为更频繁，应用学科女生比男生课程参与度更低，教师在课程教学过程中需要意识到课程中可能存在着阻碍女生参与的因素，需创设有助于女生提升学习努力程度，理解和运用课程所学知识，参与课堂讨论的氛围。此外，一年级学生的消极学习行为频繁是一个值得关注的现象，院校需要为学生提供全方位的入学适应环节，使其在观念、习惯、学习能力上为后续阶段的学习和生活打下基础。
（二）以学科/院系亚环境为单位有效激励学生投入学习
学校和教师在学科/院系、专业甚至课程层面，为学生提供更多学习技能或学习策略的指导，能有效提升学生应对学业挑战、参与课程活动和师生互动的动力。教师需要唤起学生的学习策略意识，通过独立而完整的學习策略教学，使学生明了自身学习状态，了解学习过程及规律，系统地掌握和运用学习策略，更重要的是结合具体学科，将学习策略通过学科知识这一载体，渗透在课堂教学过程中[33]。对H大学而言，应用学科专业教师水平、教师投入和教学效果的提升能全方位改进学生的学术挑战度感知、课程参与和师生互动水平，并有效抑制消极学习行为。同时，专业教育教师投入水平的提高会有效增强纯学科的理学（数学、化学）和人文学科（英语、日语、汉语言文学、历史学）院系学生的学术意识，提升其课程参与水平。专业教育教学效果的改进也将有效促进纯学科学生感知不同层次的认知策略。从学校层面看，提供合适的制度环境，助力教师的专业发展，提高专业教育教师投入、教学水平及教学效果，是促进纯学科领域的学生发展最有效的途径。此外，纯学科专业的教师们需要有意识地基于学科特性探索对学生学习和发展产生影响的路径。 （三）促进基于学科的教学质量评估和学科文化反思
大学的教与学对不同学科的學生而言涵义独特。每个学科均有自己的传统和思想范畴，为本学科领域内成员提供共享的概念、方法、技术及问题。除了共同的认知基础，学科还有自己的社会和文化特征，如规范、价值观、交互模式、生活方式、教育和伦理编码，等等[34]（P342），由此构成的道德秩序作为学科文化的核心，是学生学习经历的基础。不同学科学生学习投入差异部分体现特定的学科文化。质量评估与学科发展需要假设不同学科领域的教学和学习的模式并不相同。从文化的视角看，没有统一的质量标准，也不存在只要机械地执行便可促进教学的任何单一、正确的模式[34]（P360）。教学的评估和改进要基于每个系自己的文化基础。然而，强调内部发展反对外部控制并不意味着已经形成的学科文化是理所当然。每个学科亦需对本学科文化及其基本假设持反思态度，并对学科的活动模式做批判性的自我评价。如果特定的学科文化可能限制学生发展，则应该促进变革。
参考文献
[1] 别敦荣.论高等教育内涵式发展，中国高教研究[J].2018（6）：6-14.
[2] Ruth Newmann，Disciplinary differences and university teaching[J].Studies in higher education，2001（26），No.2，135-146.
[3] Braxton，J.M.Disciplines with an affinity for the improvement of undergraduate education[A].In Hativa and M.Marincovich.Disciplinary differences in teaching and learning：Implications for Practice[C].San Francisco：Jossey-Bass，1995，59-64.
[4] Steven Brint.，Allison M.Cantwell.，Robert A.Hannerman.Two cultures：Undergraduate academic engagement：Research & Occasional Paper Series：CSHE.2008，4.08.
[5] Morstain， B.R.， & Smart， J.C.Educational orientations of faculty：Assessing a personality model of the academic professions[J].Psychological Reports， 1976（39）：1199-1211.
[6] Gainen，J.Barriers to success in quantitative gatekeeper courses[J].New Directions for Teaching and Learning，1995（61）：5-14.
[7] Steven Brint，Allison M.Cantwell，Preeta Saxena，Disciplinary Categories，Majors，and Undergraduate Academic Experiences：Rethinking Bok’s“Underachieving Colleges”[J].Research in Higher Education，2012（53）：1-25.
[8] Brint，S.， & Cantwell， A.M.Undergraduate time use and academic outcomes：Results from the University of California Undergraduate Experience Survey 2006[J].Teachers College Record，V112，N9，2010：2441-2470.
[9] 何丽明.大学生的学习投入与成就目标的关系[J].科教文汇（中旬刊），2014（2）：26-27.
[10] 陆根书，彭正霞，胡文静.不同学科大学生学习经历差异分析[J].苏州大学学报（教育科学版），2014（1）：64-73.
[11] 舒忠梅，徐晓东，屈琼斐.霍兰德理论视域下学生投入对不同学科学习成果的影响[J].大学教育科学，2015（3）：118-124.
[12] Gary R.Pike，Timothy S.Killian.Reported gains in student learning：Do academic disciplines make a difference [J].Research in Higher Education，2001（42）：429-454.
[13] Smeby，JC.Disciplinary differences in university teaching[J].Studies in Higher Education，1996，21，（1）69-79.
[14] Li，G.，Long，S.，and Simpson，M.E.Self-perceived gains in critical thinking and communication skills：are there any disciplinary differences[J].Research in Higher Education，1999，40（1）：43-60.
[15] Gary R.Pike，John C.Smart，Corinna A.Ethington，The mediating effects of student engagement on the relationships between academic disciplines and learning outcomes：An extension of Holland’s theory[J].Research in Higher Education，2012，53（5）：550-575. [16] Smart，J.C.And Ettington，C.A.Discipline institutional differences in undergraduate education goals[A].in N.Hativa and M.Marincovich （eds） Discipline Differences in Teaching and Learning：Implications for Practice[C].San Francisco，CA：Jossey—Bass.1995：49—58.
[17] 朱红.高校学生参与度及其成长的影响机制——十年首都大学生发展数据分析[J].清华大学教育研究，2010（6）.
[18] Hamish Coats and Alexander C.McCormick，Student engagement-A window into undergraduate education，from engaging university students[C].Springer，2014：1.
[19] Gerald F.Burch，etc，Student engagement：developing a conceptual framework and survey instrument[J].Journal of Education for Business，2015（90）：224-229.
[20] Alexander W.Astin，Student involvement：A developmental theory for higher education[J].Journal of College Student Development，1984（25）：297-308.
[21] Biglan，A.The characteristics of subject matter in different scientific areas[J].Journal of Applied Psychology，1973a，57（3）：195-203.
[22] [英]托尼·比彻，保罗·特罗勒尔.学术部落及其领地——知识探索与学科文化[M].北京：北京大学出版社，2008：37-38.
[23] Umbach，P D.，Wawrzynski，M.R.Faculty do matter：The role of college faculty in student learning and engagement [J].Research in Higher Education，2005，46（2）：158-184.
[24] Kim.Y.K&Sax，L.J.Student-faculty interaction in research universities：Differences by student gender，race，social class，and first-teneration status[J].Research in Higher Education，2009，50（5）：437-459.
[25] 王伟宜，刘秀娟.家庭文化资本对大学生学习投入影响的实证研究[J].高等教育研究，2016（4）：71-80.
[26] 文雯，史静寰，等.大四现象：一种学习方式的转型——清华大学本科教育学情调查报告[J].清华大学教育研究，2014（3）：45-54.
[27] 汪雅霜.大学生学习投入度的实证研究——基于2012年“国家大学生学习情况调查”数据分析[J].中国高教研究，2013（1）：32-36.
[28] Fjortoft，N.F.College student employment：Opportunity or deterrent？ Paper presented at the Annual Meeting of the American Educational Research Association，San Francisco，CA，April，18-22，1995.
[29] Chickering，A.W.，Kuper，E.Educational outcomes for commuters and residents [J].Educational Record，1971（3）：255-261.
[30] Fenske，R.H.，Scott，C.S.A Comparison of freshmen who attend college in their home community and freshmen who migrate to college[R].American College Testing Program，Iowa City，Iowa，1972.
[31] 韓宝平.大学生学习投入的影响因素分析[J].国家教育行政学院学报，2014（8）：77-82.
[32] Thomas F.etc，The Effects of Discipline on Deep Approaches to Student Learning and College Outcomes[J].Research in Higher Education，2008（49）：469-494.
[33] 马丁，郑兰琴.大学生学习策略现状及学习方法培养策略研究[J].中国电化教育，2008（7）：39-45.
[34] Oili-Helena Ylijoki，Disciplinary cultures and moral order of studying -A case study of four Finnish university departments[J].Higher Education，2000（39）. （責任编辑 黄建新）
Abstract： This article examines differences in college students’ academic engagement and its influential factors including input characteristics and environment as well as sub-environment indicators under Biglan’s typology of three dimensions （i.e.， soft versus hard， pure versus applied， life versus non-life）， using data of survey on undergraduate experience in a research university. It was expected that students of applied disciplines would be more engaged in using challenging cognitive strategies， and curriculum participation， and faculty-student interaction than students in pure disciplines. The influence mechanism of input factors on student academic engagement is more remarkable in applied disciplines than pure disciplines. And impacts from environment factors of different levels is conditional as well as general， students in sub-environment of applied disciplines are more intended to be academically engaged motivated by faculty and teaching than pure disciplines. Data from regression models in pure and applied disciplines indicate that influences of input characteristics and environment factors to student engagement are partially similar. Institutional environment and disciplinary sub-environment would have more impact on students’ engagement than students’ input characteristics. Family economic classes， student level and gender are more influential than student aspiration and parents’ education background. Teaching efficiency in professional education has significant influence on students’ perception to academic challenge， and professional teachers’ engagement to teaching are positively related to students’ engagement to curriculum activities. There are also conditional effects in pure and applied disciplines among input characteristics， environment factors and student engagement. Effects in applied disciplines are more significant than that in pure disciplines. Students from middles class prefer to engage in interaction of different types and content than students from families of low income； female students in pure disciplines are more possibly to engage in negative academic activities， and male students have lower level of student-faculty interaction than female students. Seniors are less engaged in student-faculty interaction and curriculum activities that students of lower levels in applied disciplines. Positive effects of teaching levels and teachers’ engagement to student’s academic challenges in professional education， and that of teaching levels and teaching efficiency to student-faculty interaction and curriculum engagement， as well negative effects of teaching levels and teaching efficiency to student’s engagement in negative academic activities， are significant only in applied disciplines. Such conclusion provides implications to administration. Firstly， policies to stimulate student development could be more effective if university provide targeted support to subgroup students， especially those from low income families， encourage female students to cope with academic challenges and be more engaged in curriculum activities， and pay more attention to freshmen’s negative engagement. Secondly， polices and innovations based on sub-environments of disciplines or departments could improve student engagement more effectively than general institution factors including give guidance to students’ learning skills and encourage their motivation to engage in academically challenging academic activities， student-faculty interaction and curriculum activities. Policies in institutional level should focus on promoting faculty engagement in teaching efficiency in order to promote students’ engagement in pure disciplines. Thirdly， teaching quality assessment and improvement would be more efficient if based on discipline cultures and keep introspection on them.
Keywords： Research university； Undergraduates； Pure disciplines； Applied disciplines； Academic engagement
关键词：研究型大学；本科生；纯学科；应用学科；学习投入
中图分类号：G640
文献标识码：A
文章编号：1672-0717（2018）05-0030-08
收稿日期：2018-06-30
基金项目：2015年度教育部人文社会科学研究一般项目“研究型大学本科生学习投入的跨文化比较”（15YJC880100）；湖南省教育科学“十三五”规划2016年度项目“高校学生学习成果评估行动研究”（XJK016BGD008）。
作者简介：徐丹（1977-），女，湖南汉寿人，教育学博士，湖南大学教育科学研究院副研究员，主要从事大学生学习与发展研究；蒋扇扇，湖南大学教育研究院硕士研究生；刘声涛，湖南大学教育科学研究院副研究员；长沙，410082。
一、文献综述与研究问题
高等教育的内涵式发展需要全面推进课程教学改革，强化学生有效的学习体验[1]。作为教师组织管理、教学和研究活动的基本单位，学科对学者信念、教师教学和学生学习产生强烈影响，系统研究学科对高等教育的教学和学习质量的影响对制定公平、有效和有针对性的高等教育管理政策尤为重要[2]。
尽管如此，基于学科的教学亚环境的差异近30年才开始慢慢进入研究者视野。已有研究发现，受知识特性的驱动和学科文化建构的影响，软硬学科之间教学模式存在基本差异。硬学科通常将教学重心放在职业准备上，并强调学习事实、原则和概念，以及方法和原则的应用[3]（P60），侧重学生通过合作学习来改善定量分析的能力[4]，通常采用以教师为中心的教学方法，师生花费更多时间在实验室教学和实地考察上。相反，软学科则更多将重心放在通识教育[3]（P60），侧重交流、参与及思考，学生更擅长用深层学习策略，教学通常采用以学生为中心的方法[5]，师生花费更多时间在研讨会和讲座上[6]。
关于不同学科教师和学生投入水平的研究至今未形成一致性结论。关于学生投入，多数研究结论是理学和工学学生投入水平高于人文社科[7]，应用学科学生比纯学科学生投入水平更高[8]，或学科间不存在显著差异[9]。陆根书[10]和舒忠梅[11]的研究则表明，不同学科学生学习投入水平因维度而异。关于教师的投入，部分研究发现应用学科比纯学科教师教学投入水平更高[12]，也有研究发现软纯学科在教学上投入时间最多，硬应用学科在教学上花费时间最少[13]。
当研究者把学习投入放在院校影响力模型中，探讨学生学习和发展的学科差异形成的内部机制时，学科/院系为基础的教学亚环境、学习投入和学习效果之间关系复杂，更难形成有说服力和可比较的结论。Li Long和Simpson（1999）宣稱，学生背景特征和专业经历影响学术和社交整合以及学生的学习和智力发展，且这一关系在软硬学科间并无区别[14]。Pike使用不同分类框架探究学科与学生学习的关系，在霍兰德的个人-环境理论框架下，所有亚环境中，学生在高阶思维活动上的投入和课程上的努力程度都与所有学习效果因子显著正相关，而在比格兰的学科分类框架下，纯学科和应用学科学生学习和认知发展的基本模式存在差异[15]。
院系/学科与学生学习和发展之间关系难以形成易归纳的结论源于下列因素：一是理解不同院系学生的变化和稳定的模式时，研究者们尚未找到一致认可的“理论上有意义且实践操作可行的方式”划分院系亚环境，大部分研究将学院或大学行政结构作为研究学科/专业对学生学习影响的分析框架，无法有效呈现学科影响[16]。二是基于院系/学科的教学亚环境对学生学习和认知发展的许多影响都是间接的，且为因亚环境性质而异的条件性影响。三是不同研究使用了涵义和测量不同的学习过程变量。
国内学者近十年来对大学生学习投入关注度日增，对大学生学习投入度现状、影响因素及学习投入与学习效果的关系展开了初步探索，然而，对不同学生群体学习投入及其影响机制这样有意义的问题尚无探讨[17]（P43）。本研究采用比格兰的三维度学科分类框架，运用中国一所选择性程度较高的研究型大学本科生就读经历调查数据，集中探讨两个问题：1.学生学习投入是否存在学科差异？差异的具体表现如何？2.在学生学习投入存在显著差异的学科之间，学生输入特征、院校环境和学科/专业亚环境中各因素对学习投入的影响是否一致？
二、研究设计
（一）分析框架
学生发展和院校影响力研究证明，“学生投入是学习发生的前提，大学有责任激发和支持学生投入”[18]。尽管其概念基础（包括研究问题、所用研究变量，以及描述变量的术语）在不同的文献中各有选择[19]，学生投入研究重心已从学生时间投入渐渐转向学生投入不同类型活动中的量和质，进而强调院校环境对学生各类投入的支持[20]。本研究参考阿斯汀的学生投入理论，在分析学生输入特征和院校及学科环境对学生投入的影响时，部分借鉴阿斯汀提出的I—E—O模型。输入要素I（input）是指学生进入高等教育机构前所具备的个人特征，包括背景特征和学生目标等。环境要素E（environment）是指学生在高校就读期间所经历的多种体验和经历，包括院校环境、院系/学科亚环境教育质量、学生学习投入等。
（二）调查工具 研究采用2013年H大学学生就读经历调查（Student Experience in the Research University，简称SERU调查）数据。调查问卷由加州大学伯克利分校高等教育研究中心开发和设计，该问卷2002年开始在加州大学使用，当前的SERU联盟包括20余所美国AAU联盟的研究型大学及中国、荷兰、南非、巴西、日本、英国等国家十余所卓越研究型大学。H大学于2011年加入该联盟。H大学的调查问卷由本校研究团队与SERU联盟研究团队合作修订而成。整个问卷包括核心问题、与研究相关的问题、亚洲/中国/专门问题以及H大学的校本问题四大模块。核心问题调查了学生的学习投入和学习效果（包括学生的时间分配、师生互动、学生能力增长等）、学生的生活和目标、对院校氛围的感知，以及院校经历满意度等。
（三）样本
调查采取在线普查方式，共收集了8 838个有效样本。其中男生占55.5%，女生占44.5%；一年级29.9%，二年级28.8%，三年级28%，四年级13.8%；软学科32.5%，硬学科67.5%；应用学科91.4%，纯学科8.6%；生命学科5.6%，非生命学科94.4%。
（四）变量
1.学科
1973年，比格兰在考察学者自身对所研究知識领域特点的感知的研究中，根据学科的知识和研究具有高度统一性与否（软/硬）、学科是创造知识还是应用知识（纯/应用），以及学科是与生命系统还是与非生命的实物打交道（生命/非生命）将学术领域分为8个学科群落[21]。科尔布（1981）采用相似的方法，根据对学生学习策略的考察，将学科分为四种类型，即强调抽象—理论探讨的纯硬科学（自然科学与数学）、强调抽象—积极应用的应用硬科学（工程学）、强调具体—积极应用的应用软科学（教育、社会福利工作、法学等社会科学领域），以及强调具体—理论研究的纯软科学（主要指人文科学与纯社会科学）。托尼·比彻和珀尔·特劳尔（2001）则结合科尔布和比格兰的研究，将学科分为纯硬、应用硬学科、纯软、应用软学科四类[22]。考虑到比格兰的三维分类法对学科知识的性质考虑最全面，研究采用此分类法及其分类范例，将2013年H大学官方网站公布的65个专业进行分类。部分工学专业，如计算机科学与技术、通信工程、软件工程、信息安全等理学和工学交叉的综合性学科专业划分到应用硬学科（非生命系统）；建筑学、工艺设计、城乡规划等专业，虽然授予工学学位，但实际是工程技术与艺术、哲学、美学等人文学科交叉的综合性学科专业，划分到应用软学科（非生命系统）。统计分析时，将纯学科标为0，相应的应用学科标为1，软学科标为0，硬学科标为1，生命学科标为0，非生命学科标为1。
2.学生学习投入
研究运用探索性因素分析方法（采用主成份分析方法抽取因子，并进行最大正交旋转）对问卷中34道关于学习投入的题项进行分析，逐步删除特征根值小于1的题项。经过上述过程，学生学习投入分为学术挑战度、课程参与、师生互动及消极学习行为四个因子（见表1），我们将属于同一因素的所有题项的得分求和，计算平均分，作为该因子最后得分。
3. 输入特征
研究选取学生性别、年级、家庭经济状况、是否第一代大学生作为影响学习投入的背景特征变量。分析时，将以上变量转化为虚拟变量，并分别以女生、非第一代大学生、低收入家庭、四年级为参照。学生的学习和生活目标包括“综合型目标”、“职业型目标”、“学术型目标”、“升学型目标”四个因子。
4.院校环境和学科/专业亚环境
问卷采用李克特五点量表，请学生判断承担工作责任、承担家庭责任、其它课余活动、缺乏语言能力、缺乏学习技能、学习环境差、情绪因素、身体疾病对阻碍学生学业成功的影响，综合测量院校为学生提供的政策和教育环境。鉴于专业课教师的态度和行为在促进学生投入方面发挥重要作用[23]，学生与专业教师的互动，能够直接提高学生课堂学习、课后学习、跨专业学习以及课外活动等多种学生参与途径，并由此间接提升学生发展[17]（P41），问卷采用李克特六点量表，以专业教育教师水平、专业教育教师投入、专业教育教学效果表征学科/专业教育环境。
（五）统计方法
统计分析过程中采用T检验呈现比格兰学科分类框架下各维度（软/硬、纯/应用、生命/非生命）学科之间学习投入各因子水平是否存在显著差异，进而对体现学习投入显著差异的学科，使用多元回归方法探讨学生输入特征、院校环境和学科/专业环境对不同学科学生的四个投入因子的影响。所有回归方程通过显著性检验，并通过共线性检验确定回归方程的自变量间不存在共线性。
三、统计结果
（一）不同维度学科分类框架下的学生学习投入差异
如表2和表3所示，纯/应用学科学生在三个学习投入因子上水平存在显著差异，软/硬学科只在消极学习行为因子上存在显著差异，生命/非生命学科则在学习投入四个因子上均无显著差异。就H大学学生学习投入而言，纯/应用的学科学生学习投入的差异最显著。应用学科学生在学术挑战度、课程参与、师生互动上投入水平均显著高于纯学科学生，唯有消极学习行为，纯学科和应用学科学生差异并不显著。
（二）纯学科和应用学科学生学习投入影响因素
回归分析显示（见表4），输入特征中，学生学习投入更多受到家庭经济阶层、年级和性别影响，较少受学生大学目标、父母受教育程度影响。是否第一代大学生对两类学科学生的学习投入均无显著影响。学生大学目标仅对纯学科学生的消极学习行为有轻微影响，学术型目标的学生消极学习行为显著低于其它目标类型。家庭经济阶层对应用学科学生影响大于纯学科。对纯学科而言，中等收入阶层子女比较低收入阶层子女消极学习行为频次更低。对应用学科来说，富裕、较富裕和中等收入阶层子女比低收入阶层子女师生互动水平更高，中低收入阶层子女比低收入阶层学术挑战度和课程参与度更低。纯学科女生消极学习行为高于男生。应用学科男生在课程参与上表现优于女生，消极学习行为更少，但是师生互动水平更低。相比四年级，纯学科一年级学生更积极地参与了师生互动，应用学科一、二年级学生师生互动更频繁，课程参与度更高。无论纯学科还是应用学科，低年级学生的消极学习行为都更频繁，且与四年级差异显著。 从院校环境的影响看，并非所有学业障碍都显著影响学习投入，工作责任、课余活动、缺乏学习技能对学习投入的影响相对其它因素更显著，且这些学业障碍对纯学科和应用学科学生学习投入的影响几乎一致。工作责任和课余活动带来的学业障碍对各维度学习投入产生显著负影响；而缺乏学习技能对不同维度的学习投入产生正影响。专业教育教师水平对应用学科学生的学术挑战度、师生互动、课程参与均有显著正影响，对学生消极学习行为产生显著负影响；专业教育教师投入则只对应用学科学生的学术挑战度和课程参与产生显著负影响；专业教育教学效果对所有学生的学术挑战度、应用学科学生的师生互动和课程参与产生显著负影响，并对应用学科学生消极学习行为产生显著负影响。
针对两类学科学生学习投入回归模型的比较结果显示：院校和学科/专业环境对学生学习投入的影响远胜于学生输入特征，且应用学科学生比纯学科学生更显著地受到学科/专业教育环境的影响。
四、分析和讨论
关于学生输入特征对学习投入的影响，本研究形成的几个重要结论拓展了已有研究成果：1.学生家庭经济阶层仅对应用学科师生互动水平影响显著，成长期处于中等收入及以上家庭的应用学科学生比低收入家庭子女更倾向投入各种方式与内容的师生互动。Kim使用同样的问卷针对美国一所公立研究型大学样本的调查结果显示，富裕阶层家庭子女师生互动更为频繁[24]。本研究进一步探讨了二者关系的学科差异。2.家庭文化背景对学习投入的影响无论对纯学科还是应用学科学生来说都不显著，与王伟宜等人针对非精英院校学生的研究结论相反，说明家庭文化资本对学生学习投入的影响可能因院校类型而异[25]。3.学习投入的性别差异更多存在于应用学科而非纯学科。4.大四学生整体消极学习行为显著少于低年级学生，但应用学科四年级学生在师生互动、课程参与上水平也低于低年级学生。这一结论丰富和部分呼应了文雯等人运用清华大学学情调查数据发现的高年级课程教学挑战度明显不足而对非课程性、高影响力教育活动投入明显增加，自主探究性学习显著提高的“大四现象”[26]，以及汪雅霜针对不同类型高校学生发现的学习投入随年级升高呈现出的“高-低-低-高”趋势[27]。总体而言，先赋性因素对学生学习投入的影响在应用学科比在纯学科亚环境中更显著。
工作责任对学习投入的消极影响，印证了时间投入是学习投入的基础，冲突的职责是阻碍学生学习投入的重要因素[28]，学生花在兼职工作的时间越多，他们参与学术和社交的时间就越少[29]，会给课外参与、师生互动、生生互动、学生社交等带来负面影响[30]。缺乏学习技能对学生投入的影响结论富于启发，学生越明显地感知缺乏学习技能是自己学业成功的重要障碍，越会积极投入学习。这说明尽管H大学本科生学习技能总体水平不高，然而当学习者自身意识到这个问题，试图成为一个积极的自我调节者，便会主动参与学习、自觉协调和利用各种学习资源。
针对不同类型高校学生的已有研究结果表明，教育性因素比先赋性因素对学生学习投入的影响更为显著[31]。教师是学生社会化过程中重要的影响人物，其专业态度和行为是学科与学生发展之间关系呈现分化的基本因素。即便控制学生输入特征和部分院校环境因素后，专业教育教师投入和教学效果对学生学习投入的影响依然显著。然而，教师水平和教师投入对学术挑战度的正影响，教师水平和教学效果对师生互动和课程参与的正影响和对消极学习行为的负影响，都只在应用学科表现显著。造成这一现象的原因可能在于学科知识特性的自然差异及相关的教学特征，例如应用学科专业要求掌握复杂的概念，将理论与实践结合，课程更富挑战性，在评分上也比纯学科更为严格，这些特性推动学生更自觉、更投入地学习，更多地使用深层学习策略[32]。这一现象也可能与样本高校应用学科整体发展水平有关。应用学科学生学习投入受专业教师教学影响更显著的现象还需要更多实证研究推动理解。
五、 政策启示与建议
（一）为不同特征学生亚群体有针对性地采取学业支持措施
来自低收入家庭的学生在师生互动上主动性不如中高收入家庭的同辈，教师在与学生的互动中需要为前者提供更多鼓励和支持。例如在课内外与学生探讨课程问题时考虑不同经济阶层的学生在经验积累和关注问题上的差异，在组织研究活动和学术研讨课时考虑来自低收入家庭学生的参与，鼓励其在需要时积极寻求教师帮助，这些行为将会有益于促进经济上处境不利的学生在院校学习经历中实现更显著的认知技能增长，并能有效提升其对院校的满意度。由于不同性别学生学习投入水平存在差异，女生总体比男生消极学习行为更频繁，应用学科女生比男生课程参与度更低，教师在课程教学过程中需要意识到课程中可能存在着阻碍女生参与的因素，需创设有助于女生提升学习努力程度，理解和运用课程所学知识，参与课堂讨论的氛围。此外，一年级学生的消极学习行为频繁是一个值得关注的现象，院校需要为学生提供全方位的入学适应环节，使其在观念、习惯、学习能力上为后续阶段的学习和生活打下基础。
（二）以学科/院系亚环境为单位有效激励学生投入学习
学校和教师在学科/院系、专业甚至课程层面，为学生提供更多学习技能或学习策略的指导，能有效提升学生应对学业挑战、参与课程活动和师生互动的动力。教师需要唤起学生的学习策略意识，通过独立而完整的學习策略教学，使学生明了自身学习状态，了解学习过程及规律，系统地掌握和运用学习策略，更重要的是结合具体学科，将学习策略通过学科知识这一载体，渗透在课堂教学过程中[33]。对H大学而言，应用学科专业教师水平、教师投入和教学效果的提升能全方位改进学生的学术挑战度感知、课程参与和师生互动水平，并有效抑制消极学习行为。同时，专业教育教师投入水平的提高会有效增强纯学科的理学（数学、化学）和人文学科（英语、日语、汉语言文学、历史学）院系学生的学术意识，提升其课程参与水平。专业教育教学效果的改进也将有效促进纯学科学生感知不同层次的认知策略。从学校层面看，提供合适的制度环境，助力教师的专业发展，提高专业教育教师投入、教学水平及教学效果，是促进纯学科领域的学生发展最有效的途径。此外，纯学科专业的教师们需要有意识地基于学科特性探索对学生学习和发展产生影响的路径。 （三）促进基于学科的教学质量评估和学科文化反思
大学的教与学对不同学科的學生而言涵义独特。每个学科均有自己的传统和思想范畴，为本学科领域内成员提供共享的概念、方法、技术及问题。除了共同的认知基础，学科还有自己的社会和文化特征，如规范、价值观、交互模式、生活方式、教育和伦理编码，等等[34]（P342），由此构成的道德秩序作为学科文化的核心，是学生学习经历的基础。不同学科学生学习投入差异部分体现特定的学科文化。质量评估与学科发展需要假设不同学科领域的教学和学习的模式并不相同。从文化的视角看，没有统一的质量标准，也不存在只要机械地执行便可促进教学的任何单一、正确的模式[34]（P360）。教学的评估和改进要基于每个系自己的文化基础。然而，强调内部发展反对外部控制并不意味着已经形成的学科文化是理所当然。每个学科亦需对本学科文化及其基本假设持反思态度，并对学科的活动模式做批判性的自我评价。如果特定的学科文化可能限制学生发展，则应该促进变革。
参考文献
[1] 别敦荣.论高等教育内涵式发展，中国高教研究[J].2018（6）：6-14.
[2] Ruth Newmann，Disciplinary differences and university teaching[J].Studies in higher education，2001（26），No.2，135-146.
[3] Braxton，J.M.Disciplines with an affinity for the improvement of undergraduate education[A].In Hativa and M.Marincovich.Disciplinary differences in teaching and learning：Implications for Practice[C].San Francisco：Jossey-Bass，1995，59-64.
[4] Steven Brint.，Allison M.Cantwell.，Robert A.Hannerman.Two cultures：Undergraduate academic engagement：Research & Occasional Paper Series：CSHE.2008，4.08.
[5] Morstain， B.R.， & Smart， J.C.Educational orientations of faculty：Assessing a personality model of the academic professions[J].Psychological Reports， 1976（39）：1199-1211.
[6] Gainen，J.Barriers to success in quantitative gatekeeper courses[J].New Directions for Teaching and Learning，1995（61）：5-14.
[7] Steven Brint，Allison M.Cantwell，Preeta Saxena，Disciplinary Categories，Majors，and Undergraduate Academic Experiences：Rethinking Bok’s“Underachieving Colleges”[J].Research in Higher Education，2012（53）：1-25.
[8] Brint，S.， & Cantwell， A.M.Undergraduate time use and academic outcomes：Results from the University of California Undergraduate Experience Survey 2006[J].Teachers College Record，V112，N9，2010：2441-2470.
[9] 何丽明.大学生的学习投入与成就目标的关系[J].科教文汇（中旬刊），2014（2）：26-27.
[10] 陆根书，彭正霞，胡文静.不同学科大学生学习经历差异分析[J].苏州大学学报（教育科学版），2014（1）：64-73.
[11] 舒忠梅，徐晓东，屈琼斐.霍兰德理论视域下学生投入对不同学科学习成果的影响[J].大学教育科学，2015（3）：118-124.
[12] Gary R.Pike，Timothy S.Killian.Reported gains in student learning：Do academic disciplines make a difference [J].Research in Higher Education，2001（42）：429-454.
[13] Smeby，JC.Disciplinary differences in university teaching[J].Studies in Higher Education，1996，21，（1）69-79.
[14] Li，G.，Long，S.，and Simpson，M.E.Self-perceived gains in critical thinking and communication skills：are there any disciplinary differences[J].Research in Higher Education，1999，40（1）：43-60.
[15] Gary R.Pike，John C.Smart，Corinna A.Ethington，The mediating effects of student engagement on the relationships between academic disciplines and learning outcomes：An extension of Holland’s theory[J].Research in Higher Education，2012，53（5）：550-575. [16] Smart，J.C.And Ettington，C.A.Discipline institutional differences in undergraduate education goals[A].in N.Hativa and M.Marincovich （eds） Discipline Differences in Teaching and Learning：Implications for Practice[C].San Francisco，CA：Jossey—Bass.1995：49—58.
[17] 朱红.高校学生参与度及其成长的影响机制——十年首都大学生发展数据分析[J].清华大学教育研究，2010（6）.
[18] Hamish Coats and Alexander C.McCormick，Student engagement-A window into undergraduate education，from engaging university students[C].Springer，2014：1.
[19] Gerald F.Burch，etc，Student engagement：developing a conceptual framework and survey instrument[J].Journal of Education for Business，2015（90）：224-229.
[20] Alexander W.Astin，Student involvement：A developmental theory for higher education[J].Journal of College Student Development，1984（25）：297-308.
[21] Biglan，A.The characteristics of subject matter in different scientific areas[J].Journal of Applied Psychology，1973a，57（3）：195-203.
[22] [英]托尼·比彻，保罗·特罗勒尔.学术部落及其领地——知识探索与学科文化[M].北京：北京大学出版社，2008：37-38.
[23] Umbach，P D.，Wawrzynski，M.R.Faculty do matter：The role of college faculty in student learning and engagement [J].Research in Higher Education，2005，46（2）：158-184.
[24] Kim.Y.K&Sax，L.J.Student-faculty interaction in research universities：Differences by student gender，race，social class，and first-teneration status[J].Research in Higher Education，2009，50（5）：437-459.
[25] 王伟宜，刘秀娟.家庭文化资本对大学生学习投入影响的实证研究[J].高等教育研究，2016（4）：71-80.
[26] 文雯，史静寰，等.大四现象：一种学习方式的转型——清华大学本科教育学情调查报告[J].清华大学教育研究，2014（3）：45-54.
[27] 汪雅霜.大学生学习投入度的实证研究——基于2012年“国家大学生学习情况调查”数据分析[J].中国高教研究，2013（1）：32-36.
[28] Fjortoft，N.F.College student employment：Opportunity or deterrent？ Paper presented at the Annual Meeting of the American Educational Research Association，San Francisco，CA，April，18-22，1995.
[29] Chickering，A.W.，Kuper，E.Educational outcomes for commuters and residents [J].Educational Record，1971（3）：255-261.
[30] Fenske，R.H.，Scott，C.S.A Comparison of freshmen who attend college in their home community and freshmen who migrate to college[R].American College Testing Program，Iowa City，Iowa，1972.
[31] 韓宝平.大学生学习投入的影响因素分析[J].国家教育行政学院学报，2014（8）：77-82.
[32] Thomas F.etc，The Effects of Discipline on Deep Approaches to Student Learning and College Outcomes[J].Research in Higher Education，2008（49）：469-494.
[33] 马丁，郑兰琴.大学生学习策略现状及学习方法培养策略研究[J].中国电化教育，2008（7）：39-45.
[34] Oili-Helena Ylijoki，Disciplinary cultures and moral order of studying -A case study of four Finnish university departments[J].Higher Education，2000（39）. （責任编辑 黄建新）
Abstract： This article examines differences in college students’ academic engagement and its influential factors including input characteristics and environment as well as sub-environment indicators under Biglan’s typology of three dimensions （i.e.， soft versus hard， pure versus applied， life versus non-life）， using data of survey on undergraduate experience in a research university. It was expected that students of applied disciplines would be more engaged in using challenging cognitive strategies， and curriculum participation， and faculty-student interaction than students in pure disciplines. The influence mechanism of input factors on student academic engagement is more remarkable in applied disciplines than pure disciplines. And impacts from environment factors of different levels is conditional as well as general， students in sub-environment of applied disciplines are more intended to be academically engaged motivated by faculty and teaching than pure disciplines. Data from regression models in pure and applied disciplines indicate that influences of input characteristics and environment factors to student engagement are partially similar. Institutional environment and disciplinary sub-environment would have more impact on students’ engagement than students’ input characteristics. Family economic classes， student level and gender are more influential than student aspiration and parents’ education background. Teaching efficiency in professional education has significant influence on students’ perception to academic challenge， and professional teachers’ engagement to teaching are positively related to students’ engagement to curriculum activities. There are also conditional effects in pure and applied disciplines among input characteristics， environment factors and student engagement. Effects in applied disciplines are more significant than that in pure disciplines. Students from middles class prefer to engage in interaction of different types and content than students from families of low income； female students in pure disciplines are more possibly to engage in negative academic activities， and male students have lower level of student-faculty interaction than female students. Seniors are less engaged in student-faculty interaction and curriculum activities that students of lower levels in applied disciplines. Positive effects of teaching levels and teachers’ engagement to student’s academic challenges in professional education， and that of teaching levels and teaching efficiency to student-faculty interaction and curriculum engagement， as well negative effects of teaching levels and teaching efficiency to student’s engagement in negative academic activities， are significant only in applied disciplines. Such conclusion provides implications to administration. Firstly， policies to stimulate student development could be more effective if university provide targeted support to subgroup students， especially those from low income families， encourage female students to cope with academic challenges and be more engaged in curriculum activities， and pay more attention to freshmen’s negative engagement. Secondly， polices and innovations based on sub-environments of disciplines or departments could improve student engagement more effectively than general institution factors including give guidance to students’ learning skills and encourage their motivation to engage in academically challenging academic activities， student-faculty interaction and curriculum activities. Policies in institutional level should focus on promoting faculty engagement in teaching efficiency in order to promote students’ engagement in pure disciplines. Thirdly， teaching quality assessment and improvement would be more efficient if based on discipline cultures and keep introspection on them.
Keywords： Research university； Undergraduates； Pure disciplines； Applied disciplines； Academic engagement