论文部分内容阅读
[摘 要] 网络学习焦虑是网络学习者个性化特征之一。本研究以问卷调查为主，以在线访谈为辅，从网络学习者特征的视角出发，以网络学习焦虑及其构成为效标变量，以网络元认知、网络学习自我效能、网络学习动机、网络学习态度和网络学习策略及其子成分为预测变量，采用逐步多元回归分析法对网络学习焦虑及其影响因素做了预测性探究。从宏观和微观两个层面分别构建了标准化回归方程，并结合自身网络学习经验与在线访谈的结果对回归方程进行了解释性说明，希望对网络学习焦虑的调节有一定的参考价值。
[关键词] 网络学习焦虑； 网络元认知； 网络学习动机； 网络学习态度； 网络学习自我效能； 网络学习策略
[中图分类号] G434 [文献标志码] A
[作者简介] 李运福（1987—），男，山东冠县人。硕士研究生，主要从事网络与远程教育方向研究。E-mail：liyunfu007@163.com。
一、引 言
焦虑一直是认知心理学、神经科学及医学等领域的研究热点，对个体身心发展有着非常重要的影响。近年来，随着认知研究生态化的不断深入和网络教育的蓬勃发展，人们越来越重视网络学习环境中学习者某些心理特性对学习效果的影响，如网络学习策略、计算机自我效能、网络自我效能以及网络元认知等。然而，有关学习者网络学习焦虑的研究却较为罕见。通过文献分析，我们发现目前国内外有关网络环境下焦虑的研究主要体现在以下两方面：从焦虑的类别来看，主要以计算机焦虑和网络焦虑为主；从焦虑的地位来看，计算机焦虑或网络焦虑多数是作为自变量参与研究，如计算机焦虑或网络焦虑与学习策略、学习成就以及自我效能等因素的相关性分析、回归性分析以及结构模型的分析等，缺乏网络环境下学习焦虑的针对性研究，尤其是将网络学习焦虑作为因变量，对其影响因素做较为深入的探究性研究。
此外，国内外大量实证研究表明，学习焦虑水平与学习效率呈倒U型曲线关系，即焦虑水平过高或过低均会对学习产生负面影响，进而抑制学习者认知、行为及情感的投入。焦虑水平过低会使学习者行为松懈，不能及时端正学习态度和激发学习热情，缺乏学习动力；焦虑水平过高会使学习者精神紧张，注意力难以集中，面对海量信息时不能及时确定合适的信息提取和加工策略。学习焦虑是学习者的特征之一，必然受到学习者其他特征的影响。因此，从学习者特征的视角出发，以网络学习焦虑为效标变量，以网络学习自我效能、网络学习策略、网络学习动机以及网络学习态度等为预测变量，采用逐步多元回归分析的方法对影响网络学习焦虑的因素进行预测性探究，构建影响网络学习焦虑的标准回归方程，对调节网络学习焦虑具有重大的现实意义。
二、网络学习焦虑
Jeffrey Gray的强化敏感性理论（ Reinforcement Sensitivity Theory ）认为焦虑是个体的个性化特征之一。[1]到目前为止，许多专家学者对焦虑的内涵提出了自己深刻的见解，如Freud、[2]Beck、[3]Lazarus 和 Averill[4]等。其中，弗洛依德（Freud）最早对焦虑作出了具有代表性的解释，他认为焦虑是能够用“紧张不安”来描述的一种令人不愉快的情感状态，是一种存在危险情境的暗示。根据焦虑产生的根源是来自个体外部的客观世界还是内心冲动，可分为客观性焦虑和神经性焦虑。[5]其后，May.R.、Sullivan. H. S.、Spielberger. C.D.、Wesley. R.L以及Watson. D和 Kendall. P.C.等心理学家对焦虑的内涵、结构及其作用机制等进行了较为深入的后续研究。目前，在已有文献中关于焦虑结构的划分最为常见的是将其划分为特质性焦虑和情境性焦虑。特质性焦虑是个体较为稳定的人格特质，是一种较为持久的担心或不安；情境性焦虑主要是因特定情境中某些突发事件或不确定因素引起的短时间的担心或不安。早期，心理学家以及神经学家有关焦虑的研究以特质性焦虑为主。近年来，随着计算机及互联网的不断普及与应用，数字情境下的各种焦虑，如计算机焦虑、网络焦虑、统计焦虑和图书馆焦虑等逐渐成为心理学领域、教育学领域以及学习科学领域的研究热点。
借鉴和总结先前学者对焦虑的理解，我们将网络学习焦虑（E-Learning Anxiety）界定为：网络学习中，学习者在信息加工过程中因学习情境中各种不确定性因素而引发的紧张不安的情感状态，是一种情境性焦虑。在Presno[6]对焦虑研究的基础上，我们将网络学习焦虑划分为网络术语焦虑、网络延迟焦虑、网络搜索焦虑和网络总体焦虑。网络术语焦虑是指学习者在信息加工过程中因陌生或难以理解且具有重要作用的词语或英文缩写引起的焦虑；网络延迟焦虑是指学习者在浏览或下载资源时，因网页跳转或资源下载较慢而引起的焦虑；网络搜索焦虑是指学习者在错综复杂的网络环境中，面对海量信息而无法有效地检索、筛选和加工信息时所表现出的焦虑；网络总体焦虑是指学习者因注意力不集中、自我约束能力较差以及网络无法连接等因素导致在网络上无法有效完成学习任务时所表现出的焦虑。
网络学习焦虑是学习者在网络学习活动中的个性化特征之一，是网络学习者特征体系的一部分，必然与其他特征存在着内在的联系。通过对国内外有关网络或远程学习者特征的研究进行梳理，我们发现国内外学者共同研究且问卷调查法应用较为成熟的学习者特征主要有：性别、年龄、学科背景等人口学特征，自我效能、学习动机和归因等动力性特征，认知策略、元认知策略和资源管理策略等策略性特征，场独立型和场依存型、思索型和冲动型、整体型和分析型等认知风格特征，以及网络学习态度、网络学习适应性等特征。因此，本研究根据研究实际选取了网络元认知、网络学习自我效能、网络学习策略、网络学习动机以及网络学习态度等五大特征，分别从宏观与微观层面对影响网络学习焦虑的因素进行了预测性探究。
三、研究方法
（一）研究对象 6. 网络学习态度问卷
网络学习态度问卷主要测量学习者对网络学习及其效果认可程度的高低。该问卷主要是以Baron[20]对态度及其结构的研究为理论基础，结合研究实际，对Jyh-Chong Liang[21]等编写的护士对网络继续教育的态度量表和石维忠等[22]编写的大学生对班级管理的态度量表进行改编，最终形成了包括认知、行为、情感等三个维度的网络学习态度问卷。认知层面主要涉及网络学习丰富了信息的呈现方式，加深了知识的理解和掌握等对学习效果的态度；行为层面主要包括学习者是否会继续使用网络辅助学习以及向其他同学推荐网络资源等行为倾向；情感层面主要涉及学习者在网络学习过程中的轻松、愉悦、自由等情感体验。经小范围初试后对问卷进行修正，最终共保留13个题项，其中认知和行为部分均为4个题项、情感部分5个题项。问卷整体及各维度的Cronbach’s Alpha系数分别为0.878、0.711、0.643、0.815，问卷结构效度见表1。
综上所述，本研究使用的“网络学习焦虑问卷”、“网络元认知问卷”、“网络学习自我效能问卷”、“网络学习策略问卷”、“网络学习动机问卷”和“网络学习态度问卷”的整体Alpha值分别为0.910、0.898、0.843、0.894、0.844、0.878；各研究问卷中各维度的Alpha值分别介于0.684-0.751、0.782-0.811、0.744-0.779、0.701-0.798、0.706-0.765以及0.643-0.815之间。根据吴明隆的研究结论：[24]对于研究问卷的整体而言，当0.70≤α系数<0.80时，研究问卷的信度可以被接受；当0.80≤α系数<0.90时，研究问卷的信度为高；当0.90≤α系数时，研究问卷的信度非常理想；对于研究问卷的各维度而言，当0.60≤α系数<0.70时，研究问卷各维度的信度基本能够满足研究要求；当0.70≤α系数<0.80时，研究问卷各维度的信度较高；当0.80≤α系数<0.90时，研究问卷各维度的信度较为理想；当0.90≤α系数时，研究问卷各维度的信度非常理想。因此，本研究所用问卷的整体及各维度的信度均能满足研究要求。此外，从表1可知：网络元认知问卷、网络学习策略问卷、网络学习态度问卷的卡方自由度比值（CMIN/DF）均大于建议值，未达模型适配标准；其余适配指标，如拟合优度指标（GFI）、残差均方根（RMR）、近似误差均方根（ RMSEA）、调整拟合优度指标（AGFI）、基准化适度指标（NFI）以及比较适合度指标（CFI）的检验结果均能满足建议值的要求。根据吴明隆的研究结论：[25]当研究样本量足够大时，对整体模型适配度的判断不应该仅以卡方与自由度的比值作为判断准则，其他适配度指标的作用将愈显得重要。因此，本研究中各研究问卷的结构效度也能够满足研究要求。
四、数据分析与结论
逐步多元回归分析的目的在于预测，即从若干个自变量中找出对效标变量具有显著预测力的自变量，以构成一个最佳的回归分析模型。[26]本研究首先以网络学习焦虑（eLAn）为效标变量，以网络元认知（NMC）、网络学习自我效能（eLSE）、网络学习策略（eLS）、网络学习动机（eLM）以及网络学习态度（eLAt）为预测变量进行逐步多元回归分析，从宏观层面构建了网络学习焦虑影响因素的回归方程。其次分别以网络延迟焦虑（eLAn_D）、网络术语焦虑（eLAn_T）、网络总体焦虑（eLAn_G）以及网络搜索焦虑（eLAn_S）为效标变量，以网络元认知知识（NMC_K）、网络元认知体验（NMC_E）、网络元认知监控（NMC_M）、一般自我效能（eLSE_G）、特殊自我效能（eLSE_S）、信息素养策略（eLS_IL）、资源管理策略（eLS_RM）、反思总结策略（eLS_RS）、合作交流策略（eLS_CE）、内部学习动机（eLM_I）、外部学习动机（eLM_M）以及网络学习态度中的认知（eLAt_C）、情感（eLAt_E）及行为（eLAt_B）为预测变量进行逐步多元回归分析，从微观层面分别构建了网络延迟焦虑、网络术语焦虑、网络总体焦虑以及网络搜索焦虑影响因素的回归方程。逐步多元回归分析的结果见表2。
从表2可知：
1. 当以网络学习焦虑为效标变量，网络元认知、网络学习动机、网络学习自我效能、网络学习态度和网络学习策略为预测变量进行逐步多元回归分析时，只有网络学习动机、网络学习态度和网络学习自我效能对网络学习焦虑的回归系数达到显著。标准化回归系数（β）分别为0.260、 -0.174、 -0.167，表示网络学习动机对网络学习焦虑有正向预测效应，网络学习态度和网络学习自我效能对网络学习焦虑有负向预测效应。
2. 当以网络延迟焦虑为效标变量，以网络元认知知识、网络元认知体验、网络元认知监控、外部学习动机、内部学习动机、一般自我效能、特殊自我效能、信息素养策略、资源管理策略、反思总结策略、合作交流策略以及网络学习态度中的认知、行为、情感为预测变量进行逐步多元回归分析时，只有外部学习动机、网络元认知体验、网络学习态度（情感）、网络元认知监控对网络延迟焦虑的回归系数达到显著。标准化回归系数（β）分别为0.114、-0.238、-0.286、-0.131，表示外部学习动机对网络延迟焦虑有正向预测效应，网络元认知体验、网络学习态度（情感）、网络元认知监控对网络延迟焦虑有负向预测效应。
3. 当以网络术语焦虑为效标变量，同样以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、合作交流策略、反思总结策略、外部学习动机、网络学习态度（情感）、内部学习动机、网络元认知监控、网络元认知知识、特殊自我效能对网络术语焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.240、0.171、0.098、0.089、-0.229、-0.122、-0.115、-0.088、-0.080，表示合作交流策略、反思总结策略、外部学习动机对网络术语焦虑有正向预测效应，网络元认知体验、网络学习态度（情感）、内部学习动机、网络元认知监控、网络元认知知识、特殊自我效能对网络术语焦虑有负向预测效应。 4. 当以网络搜索焦虑为效标变量，以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、合作交流策略、反思总结策略、网络学习态度（情感）、网络元认知监控、网络元认知知识对网络搜索焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.218、0.110、0.080、-0.223、-0.141、-0.098，表示合作交流策略、反思总结策略对网络搜索焦虑有正向预测效应，网络学习态度（情感）、网络元认知体验、网络元认知监控、网络元认知知识对网络搜索焦虑有负向预测效应。
5. 当以网络总体焦虑为效标变量，以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、反思总结策略、合作交流策略、外部学习动机、网络学习态度（情感）、网络元认知监控、网络元认知知识、特殊自我效能对网络总体焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.237、0.140、0.104、0.084、-0.279、-0.134、-0.077、-0.068，表示反思总结策略、合作交流策略、外部学习动机对网络总体焦虑有正向预测效应，网络学习态度（情感）、网络元认知体验、网络元认知监控、网络元认知知识、特殊自我效能对网络总体焦虑有负向预测效应。
五、讨论与建议
通过对上述标准化回归方程进行归纳总结，我们有了以下发现。
1. 从宏观层面看网络元认知、网络学习策略对网络学习焦虑无显著性预测效应，但是相关分析表明网络元认知、网络学习策略与网络学习焦虑分别在0.01水平和0.05水平呈显著性负相关，与Shahram、[27]Sahin Kesici、[28]Aysen Gurcan Namlu[29]等研究的学习策略与焦虑的关系相一致；网络学习自我效能、网络学习态度对网络学习焦虑呈显著性负向预测效应，与Elaheh Mazaheri[30]、Brittany M. Rudy [31]等研究的焦虑与自我效能的关系和Muhammad Athar Hussaina、[32]Elizabete M. Loureiro[33]等研究的焦虑与态度的关系相一致；网络学习动机对网络学习焦虑有显著的正向预测效应，通过微观层面我们发现外部学习动机对网络术语焦虑、网络延迟焦虑和网络总体焦虑有显著的正向预测效应，内部学习动机对网络术语焦虑有显著的负向预测效应，因此我们认为网络学习动机对网络学习焦虑在宏观层面存在显著性正向预测效应是因为研究被试的外部学习动机（M=3.86）高于内部学习动机（M=3.75）。
2. 外部学习动机对网络延迟焦虑、网络术语焦虑和网络总体焦虑均有显著的正向预测效应，内部学习动机对网络术语焦虑有显著的负面预测效应。经分析，我们认为当学习者外部学习动机越高，其真正求知欲就相对越弱。相对内部学习动机较强的学习者而言，外部学习动机较强的学习者在网络学习中遇到资源下载或网页跳转较慢时缺乏耐心，当遇到晦涩难懂但必须要理解的词语时缺乏查阅的动力，当遇到自动弹出信息窗口等干扰因素时忍耐度相对较低，进而引发网络延迟焦虑、网络术语焦虑和网络总体焦虑。因此，我们要通过合适的途径实现网络学习者外在动机的内化，以降低学习者网络学习焦虑。衷克定教授[34]所做的远程学习者外在动机内化的探索性研究证实远程辅导教师学习支持行为对外在学习动机内化有着显著性影响，其中辅导教师的自主支持行为有着显著的直接影响，能力支持行为和人际支持行为对学习动机内化有着较强的间接影响。这对我们从教师学习支持的视角出发，实现在校大学生网络学习动机内化，降低网络学习焦虑具有重要的指导意义和参考价值。
3.反思性学习策略和合作交流策略对网络术语焦虑、网络搜索焦虑和网络总体焦虑均有显著的正向预测效应。在对部分学习者进行在线访谈的基础上，我们初步认为反思总结策略的应用能够加深学习者对所学知识的记忆和理解。然而当学习者在网络学习中遇到与先前类似或新生的学习困惑时，如果很难从先前通过反思总结生成的“知识库”中及时获取有效的帮助，就会使学习者对自身学习能力、反思总结的效果产生怀疑，进而引发网络学习焦虑。此外，合作交流策略强调沟通的双向性和及时性，然而网络学习中由于受到师生比例以及在线学习时间难以统一等因素的影响，学习者在线发布的讨论主题或求助留言未能得到及时的反馈，这就在一定程度上打击了学习者参与讨论的积极性，进而引发网络学习中网络术语焦虑、网络搜索焦虑以及网络总体焦虑的产生。因此，我们在鼓励学习者对所学知识进行及时反思总结和积极参与讨论交流的同时，也要适当地引导或培养学习者应用知识的能力，充分发挥信息技术的优势，完善网络学习支持服务体系，积极探究类似“微信”技术在网络学习中的应用，做到离线状态时信息的及时接受与反馈。
4. 从宏观分析来看，网络元认知对网络学习焦虑并无显著性影响，然而通过进一步分析我们发现网络元认知知识、网络元认知体验和网络元认知监控对各类网络学习焦虑均有着不同程度的负向预测效应。也就是说，丰富的网络元认知知识、深刻积极的元认知体验以及能动性较强的网络元认知监控能够有效地降低网络学习焦虑。因此，在今后的网络教育中要不断地利用数据库技术和数据挖掘技术了解不同学习者之间网络元认知水平的差异，针对性地开展网络学习策略教学，不断丰富网络学习者的元认知知识；根据不同学习群体的特征开展网络课程设计、教学设计以及学习评价，使网络学习者的元认知体验更加积极、深刻；采用网络学习过程记录技术，使学习者能够根据课程系统生成的学习时序图针对性地调节自己的学习进度和学习时间，不断增强学习者网络元认知监控的能动性。
5.网络学习态度中的情感因素对各类网络学习焦虑均有着显著的负向预测效应，特殊自我效能对网络术语焦虑与网络总体焦虑均有着显著的负向预测效应。我们知道数字化学习是教育发展的趋势之一，信息传递媒介由传统的印刷媒体向数字媒体转变，信息感知方式由单独的视觉刺激向视觉、听觉和触觉等综合形式转变。这些转变在加深学习者对知识的理解和掌握的同时，也带来了视觉疲劳、精神压抑、混沌感和孤独感等负面的身心体验。此外，信息容量的急剧膨胀，使人们面对庞杂的海量信息时，对自己的学习能力产生怀疑，削弱了学习者的自我效能。因此，我们应该根据不同学习群体的特征不断完善网络课程学习支持服务体系和评价体系；使文本、视频、音频等多媒体素材的呈现在更大程度上契合不同学习群体的心理承受能力；简化网络课程结构、超媒体链接以及知识模块的设计，减轻学习者的混沌感；采用合适的信息技术完善在线和离线交流沟通机制，弱化学习者的孤独感；学习任务难度适中，加强对学习者学习技能的培训，增强学习者的成就感，逐步提高网络学习者的特殊自我效能。 此外，一般自我效能、信息素养策略、资源管理策略以及网络学习态度中的认知因素和行为因素对网络术语焦虑、网络搜索焦虑、网络延迟焦虑以及网络总体焦虑没有显著性影响并不等于没有影响，没有直接性影响并不等于没有间接性影响。因此，开展上述预测变量的后续研究对网络学习焦虑的调节仍然具有重要的参考价值。
六、研究展望
在认知研究生态化和网络教育蓬勃发展的时代背景下，网络学习焦虑的研究是一项既艰巨又意义重大的工程。由于研究能力所限，本研究仅从部分关键网络学习者特征出发，对影响网络学习焦虑的因素做了初步预测性探究。从整体上看，研究仅仅局限于以网络学习焦虑及其构成为核心效标变量，以网络元认知、网络学习动机、网络自我效能、网络学习态度和网络学习策略及其构成为边缘预测变量的平面式研究，未能将网络学习者的人口学特征、认知风格及各预测变量间的关系考虑在内，未形成以网络学习焦虑及其构成为核心效标变量，以各类对学习起关键作用的学习者特征为边缘预测变量的球面式研究。因此，有关网络学习焦虑的研究仍需我们不断地进行探索。
[参考文献]
[1] Joshua Wilt， Katherine Oehlberg，William Revelle.Anxiety in Personality[J].Personality and Individual Differences，2011，（50）：987～993.
[2] [5] Freud，S..The Problem of Anxiety[M].NewYork：Norton，1936.
[3] Beck，A.T..Cognition，Anxiety，and Psycho-Physiological Disorders[M].New York：Academic Press，1972：84～305.
[4] Lazarus， M.，Averill， J. R.. Emotions and Cognition：With Special Reference Toanxiety[M].New York：Academic Press，1972：424～483.
[6] [7] Presno，Caroline.. Taking the Byte out of Internet Anxiety ：Instructional Techniques that Reduce Computer/ Internet Anxiety in the Classroom[J]. Journal of Educational Computing Research，1998，18（2）：147～161.
[8] Chien Chou. Incidences and Correlates of Internet Anxietyamong High School Teachers in Taiwan[J].Computers in Human Behavior，2003，（19）：731～749.
[9] Gholamreza Torkzadeh，Thomas，P.，Van Dyke. Effects of Training on Internet Self-Efficacy and Computer User Attitudes[J].Computers in Human Behavior，2002，（18）：479～494.
[10] Richard Joiner，Mark Brosnan，Jill Duffield，Jeff Gavin，Pam Maras .The Relationship between Internet Identification，Internet Anxiety and Internet Use[J].Computers in Human Behavior， 2007，（23）：1408～1420.
[11] 詹泽慧.远程学习者的元认知作用机制研究[J].中国电化教育，2011，（5）：50～53.
[12] 衷克定，潘海燕.远程学习者元认知与学习效能感关系分析与研究[J]，中国远程教育，2007，（12）：40～43.
[13] 童金皓，边玉芳.网络学习中的自我效能感[J].现代远距离教育，2005，（3）：25～27.
[14] 王迎，孔维强，张鹏，董艳.利用QQ群教学方式提高远程学习者的自我效能感初探[J].现代远距离教育，2009，（1）：51～53.
[15] Kun-Hung Cheng， Chin-Chung Tsai. An Investigation of Taiwan University Students' Perceptions of Online Academic Help Seeking， and Their Web-Based Learning Self-Efficacy[J].Internet and Higher Education.2011，（14）：150～157.
[16] 王迎，安玉洁，黄荣怀.远程学习者特征模型的构建研究[J].开放教育研究，2006，（1）：47～53.
[17] LASSI for Learning Online[DB/OL].http：//www.hhpublishing.com/_assessments/LLO/index.html.
[18] 王迎，彭华茂，时之平，侯彦华.远程学习者学习策略的问卷修订与测量[J].中国电化教育，2007，（10）：48～52.
[19] Matthew，K.O.Lee，Christy，M.K.. Cheung， Zhaohui Chen. Acceptance of Internet-Based Learning Medium：the Role of Extrinsic and Intrinsic Motivation[J].Information & Management，2005，（42） ：1095～1104. [20] Baron，R.A.，Byrnt，D.，Suls，J..Exploring Social Psychology.3thed[M].Boston：Allyn ndBacon，1988：79～82.
[21] Jyh-Chong Liang ， Szu-Hsien Wu ，Chin-Chung Ts .Nurses' Internet Self-Efficacy and Attitudes Toward Web-Based Continuing Learningai[J].Nurse Education Today 31 ，2011： 768～773.
[22] 石维忠，谢绍明.关于大学生对班级管理的态度的调查研究[J].社会心理科学，2004，（5）：49～52.
[23] 荣泰生.AMOS与研究方法[M].重庆：重庆大学出版社，2009.
[24] [26] 吴明隆.问卷统计分析实务——SPSS操作与应用[M].重庆：重庆大学出版社，2010.
[25] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社，2009.
[27] Shahram， Vahedia. Canonical Correlation Analysis of Procrastination， Learning Strategies and Statistics Anxiety Among Iranian Female College Students[J]. Procedia-Social and Behavioral Sciences，2011，（30）：1620～1624.
[28] Sahin Kesici ，Mustafa Baloglu， M. Engin Deniz. Self-Regulated Learning Strategies in Relation with Statistics Anxiety[J].Learning and Individual Differences，2011，（21）：472～477.
[29] Aysen Gurcan Namlu.The Effect of Learning Strategy on Computer Anxiety[J].Computers in Human Behavior，2003，（19）：565～578.
[30] Elaheh Mazaheri， Azizreza Ghasemzadeh， Maryam Saadat.The Relationship Between Parent's Anxiety and Their Children's Self-Efficacy in Primary Schools[J].Procedia- Social and Behavioral Sciences，2011，（29）：257～260.
[31] Brittany M. Rudy， Thompson E.Davis， Russe A.Matthews. The Relationship Among Self-Efficacy， Negative Self-Referent Cognitions， and Social Anxiety in Children：A Multiple Mediator Model[J].Behavior Therapy，2012，（43）：619～628.
[32] Muhammad Athar Hussaina， Saeed Shahidb， Amir Zamanc.Anxiety and Attitude Of Secondary School Students Towards Foreign Language Learning[J].Procedia - Social and Behavioral Sciences，2011，（29）：583～590.
[33] Elizabete M. Loureiro， Milton Severo， Paulo Bettencourt. Attitudes and Anxiety Levels of Medical Students Towards the Acquisition of Competencies in Communication Skills[J]. Patient Education and Counseling，2011，（85）：e272～e277.
[34] 衷克定，冯菲.远程学习者外在动机内化的探索研究[J].开放教育研究，2009，（3）：85～88.
[关键词] 网络学习焦虑； 网络元认知； 网络学习动机； 网络学习态度； 网络学习自我效能； 网络学习策略
[中图分类号] G434 [文献标志码] A
[作者简介] 李运福（1987—），男，山东冠县人。硕士研究生，主要从事网络与远程教育方向研究。E-mail：liyunfu007@163.com。
一、引 言
焦虑一直是认知心理学、神经科学及医学等领域的研究热点，对个体身心发展有着非常重要的影响。近年来，随着认知研究生态化的不断深入和网络教育的蓬勃发展，人们越来越重视网络学习环境中学习者某些心理特性对学习效果的影响，如网络学习策略、计算机自我效能、网络自我效能以及网络元认知等。然而，有关学习者网络学习焦虑的研究却较为罕见。通过文献分析，我们发现目前国内外有关网络环境下焦虑的研究主要体现在以下两方面：从焦虑的类别来看，主要以计算机焦虑和网络焦虑为主；从焦虑的地位来看，计算机焦虑或网络焦虑多数是作为自变量参与研究，如计算机焦虑或网络焦虑与学习策略、学习成就以及自我效能等因素的相关性分析、回归性分析以及结构模型的分析等，缺乏网络环境下学习焦虑的针对性研究，尤其是将网络学习焦虑作为因变量，对其影响因素做较为深入的探究性研究。
此外，国内外大量实证研究表明，学习焦虑水平与学习效率呈倒U型曲线关系，即焦虑水平过高或过低均会对学习产生负面影响，进而抑制学习者认知、行为及情感的投入。焦虑水平过低会使学习者行为松懈，不能及时端正学习态度和激发学习热情，缺乏学习动力；焦虑水平过高会使学习者精神紧张，注意力难以集中，面对海量信息时不能及时确定合适的信息提取和加工策略。学习焦虑是学习者的特征之一，必然受到学习者其他特征的影响。因此，从学习者特征的视角出发，以网络学习焦虑为效标变量，以网络学习自我效能、网络学习策略、网络学习动机以及网络学习态度等为预测变量，采用逐步多元回归分析的方法对影响网络学习焦虑的因素进行预测性探究，构建影响网络学习焦虑的标准回归方程，对调节网络学习焦虑具有重大的现实意义。
二、网络学习焦虑
Jeffrey Gray的强化敏感性理论（ Reinforcement Sensitivity Theory ）认为焦虑是个体的个性化特征之一。[1]到目前为止，许多专家学者对焦虑的内涵提出了自己深刻的见解，如Freud、[2]Beck、[3]Lazarus 和 Averill[4]等。其中，弗洛依德（Freud）最早对焦虑作出了具有代表性的解释，他认为焦虑是能够用“紧张不安”来描述的一种令人不愉快的情感状态，是一种存在危险情境的暗示。根据焦虑产生的根源是来自个体外部的客观世界还是内心冲动，可分为客观性焦虑和神经性焦虑。[5]其后，May.R.、Sullivan. H. S.、Spielberger. C.D.、Wesley. R.L以及Watson. D和 Kendall. P.C.等心理学家对焦虑的内涵、结构及其作用机制等进行了较为深入的后续研究。目前，在已有文献中关于焦虑结构的划分最为常见的是将其划分为特质性焦虑和情境性焦虑。特质性焦虑是个体较为稳定的人格特质，是一种较为持久的担心或不安；情境性焦虑主要是因特定情境中某些突发事件或不确定因素引起的短时间的担心或不安。早期，心理学家以及神经学家有关焦虑的研究以特质性焦虑为主。近年来，随着计算机及互联网的不断普及与应用，数字情境下的各种焦虑，如计算机焦虑、网络焦虑、统计焦虑和图书馆焦虑等逐渐成为心理学领域、教育学领域以及学习科学领域的研究热点。
借鉴和总结先前学者对焦虑的理解，我们将网络学习焦虑（E-Learning Anxiety）界定为：网络学习中，学习者在信息加工过程中因学习情境中各种不确定性因素而引发的紧张不安的情感状态，是一种情境性焦虑。在Presno[6]对焦虑研究的基础上，我们将网络学习焦虑划分为网络术语焦虑、网络延迟焦虑、网络搜索焦虑和网络总体焦虑。网络术语焦虑是指学习者在信息加工过程中因陌生或难以理解且具有重要作用的词语或英文缩写引起的焦虑；网络延迟焦虑是指学习者在浏览或下载资源时，因网页跳转或资源下载较慢而引起的焦虑；网络搜索焦虑是指学习者在错综复杂的网络环境中，面对海量信息而无法有效地检索、筛选和加工信息时所表现出的焦虑；网络总体焦虑是指学习者因注意力不集中、自我约束能力较差以及网络无法连接等因素导致在网络上无法有效完成学习任务时所表现出的焦虑。
网络学习焦虑是学习者在网络学习活动中的个性化特征之一，是网络学习者特征体系的一部分，必然与其他特征存在着内在的联系。通过对国内外有关网络或远程学习者特征的研究进行梳理，我们发现国内外学者共同研究且问卷调查法应用较为成熟的学习者特征主要有：性别、年龄、学科背景等人口学特征，自我效能、学习动机和归因等动力性特征，认知策略、元认知策略和资源管理策略等策略性特征，场独立型和场依存型、思索型和冲动型、整体型和分析型等认知风格特征，以及网络学习态度、网络学习适应性等特征。因此，本研究根据研究实际选取了网络元认知、网络学习自我效能、网络学习策略、网络学习动机以及网络学习态度等五大特征，分别从宏观与微观层面对影响网络学习焦虑的因素进行了预测性探究。
三、研究方法
（一）研究对象 6. 网络学习态度问卷
网络学习态度问卷主要测量学习者对网络学习及其效果认可程度的高低。该问卷主要是以Baron[20]对态度及其结构的研究为理论基础，结合研究实际，对Jyh-Chong Liang[21]等编写的护士对网络继续教育的态度量表和石维忠等[22]编写的大学生对班级管理的态度量表进行改编，最终形成了包括认知、行为、情感等三个维度的网络学习态度问卷。认知层面主要涉及网络学习丰富了信息的呈现方式，加深了知识的理解和掌握等对学习效果的态度；行为层面主要包括学习者是否会继续使用网络辅助学习以及向其他同学推荐网络资源等行为倾向；情感层面主要涉及学习者在网络学习过程中的轻松、愉悦、自由等情感体验。经小范围初试后对问卷进行修正，最终共保留13个题项，其中认知和行为部分均为4个题项、情感部分5个题项。问卷整体及各维度的Cronbach’s Alpha系数分别为0.878、0.711、0.643、0.815，问卷结构效度见表1。
综上所述，本研究使用的“网络学习焦虑问卷”、“网络元认知问卷”、“网络学习自我效能问卷”、“网络学习策略问卷”、“网络学习动机问卷”和“网络学习态度问卷”的整体Alpha值分别为0.910、0.898、0.843、0.894、0.844、0.878；各研究问卷中各维度的Alpha值分别介于0.684-0.751、0.782-0.811、0.744-0.779、0.701-0.798、0.706-0.765以及0.643-0.815之间。根据吴明隆的研究结论：[24]对于研究问卷的整体而言，当0.70≤α系数<0.80时，研究问卷的信度可以被接受；当0.80≤α系数<0.90时，研究问卷的信度为高；当0.90≤α系数时，研究问卷的信度非常理想；对于研究问卷的各维度而言，当0.60≤α系数<0.70时，研究问卷各维度的信度基本能够满足研究要求；当0.70≤α系数<0.80时，研究问卷各维度的信度较高；当0.80≤α系数<0.90时，研究问卷各维度的信度较为理想；当0.90≤α系数时，研究问卷各维度的信度非常理想。因此，本研究所用问卷的整体及各维度的信度均能满足研究要求。此外，从表1可知：网络元认知问卷、网络学习策略问卷、网络学习态度问卷的卡方自由度比值（CMIN/DF）均大于建议值，未达模型适配标准；其余适配指标，如拟合优度指标（GFI）、残差均方根（RMR）、近似误差均方根（ RMSEA）、调整拟合优度指标（AGFI）、基准化适度指标（NFI）以及比较适合度指标（CFI）的检验结果均能满足建议值的要求。根据吴明隆的研究结论：[25]当研究样本量足够大时，对整体模型适配度的判断不应该仅以卡方与自由度的比值作为判断准则，其他适配度指标的作用将愈显得重要。因此，本研究中各研究问卷的结构效度也能够满足研究要求。
四、数据分析与结论
逐步多元回归分析的目的在于预测，即从若干个自变量中找出对效标变量具有显著预测力的自变量，以构成一个最佳的回归分析模型。[26]本研究首先以网络学习焦虑（eLAn）为效标变量，以网络元认知（NMC）、网络学习自我效能（eLSE）、网络学习策略（eLS）、网络学习动机（eLM）以及网络学习态度（eLAt）为预测变量进行逐步多元回归分析，从宏观层面构建了网络学习焦虑影响因素的回归方程。其次分别以网络延迟焦虑（eLAn_D）、网络术语焦虑（eLAn_T）、网络总体焦虑（eLAn_G）以及网络搜索焦虑（eLAn_S）为效标变量，以网络元认知知识（NMC_K）、网络元认知体验（NMC_E）、网络元认知监控（NMC_M）、一般自我效能（eLSE_G）、特殊自我效能（eLSE_S）、信息素养策略（eLS_IL）、资源管理策略（eLS_RM）、反思总结策略（eLS_RS）、合作交流策略（eLS_CE）、内部学习动机（eLM_I）、外部学习动机（eLM_M）以及网络学习态度中的认知（eLAt_C）、情感（eLAt_E）及行为（eLAt_B）为预测变量进行逐步多元回归分析，从微观层面分别构建了网络延迟焦虑、网络术语焦虑、网络总体焦虑以及网络搜索焦虑影响因素的回归方程。逐步多元回归分析的结果见表2。
从表2可知：
1. 当以网络学习焦虑为效标变量，网络元认知、网络学习动机、网络学习自我效能、网络学习态度和网络学习策略为预测变量进行逐步多元回归分析时，只有网络学习动机、网络学习态度和网络学习自我效能对网络学习焦虑的回归系数达到显著。标准化回归系数（β）分别为0.260、 -0.174、 -0.167，表示网络学习动机对网络学习焦虑有正向预测效应，网络学习态度和网络学习自我效能对网络学习焦虑有负向预测效应。
2. 当以网络延迟焦虑为效标变量，以网络元认知知识、网络元认知体验、网络元认知监控、外部学习动机、内部学习动机、一般自我效能、特殊自我效能、信息素养策略、资源管理策略、反思总结策略、合作交流策略以及网络学习态度中的认知、行为、情感为预测变量进行逐步多元回归分析时，只有外部学习动机、网络元认知体验、网络学习态度（情感）、网络元认知监控对网络延迟焦虑的回归系数达到显著。标准化回归系数（β）分别为0.114、-0.238、-0.286、-0.131，表示外部学习动机对网络延迟焦虑有正向预测效应，网络元认知体验、网络学习态度（情感）、网络元认知监控对网络延迟焦虑有负向预测效应。
3. 当以网络术语焦虑为效标变量，同样以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、合作交流策略、反思总结策略、外部学习动机、网络学习态度（情感）、内部学习动机、网络元认知监控、网络元认知知识、特殊自我效能对网络术语焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.240、0.171、0.098、0.089、-0.229、-0.122、-0.115、-0.088、-0.080，表示合作交流策略、反思总结策略、外部学习动机对网络术语焦虑有正向预测效应，网络元认知体验、网络学习态度（情感）、内部学习动机、网络元认知监控、网络元认知知识、特殊自我效能对网络术语焦虑有负向预测效应。 4. 当以网络搜索焦虑为效标变量，以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、合作交流策略、反思总结策略、网络学习态度（情感）、网络元认知监控、网络元认知知识对网络搜索焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.218、0.110、0.080、-0.223、-0.141、-0.098，表示合作交流策略、反思总结策略对网络搜索焦虑有正向预测效应，网络学习态度（情感）、网络元认知体验、网络元认知监控、网络元认知知识对网络搜索焦虑有负向预测效应。
5. 当以网络总体焦虑为效标变量，以上述网络元认知知识、网络元认知体验、网络元认知监控等14个变量为预测变量进行逐步多元回归分析时，只有网络元认知体验、反思总结策略、合作交流策略、外部学习动机、网络学习态度（情感）、网络元认知监控、网络元认知知识、特殊自我效能对网络总体焦虑的回归系数达到显著。标准化回归系数（β）分别为-0.237、0.140、0.104、0.084、-0.279、-0.134、-0.077、-0.068，表示反思总结策略、合作交流策略、外部学习动机对网络总体焦虑有正向预测效应，网络学习态度（情感）、网络元认知体验、网络元认知监控、网络元认知知识、特殊自我效能对网络总体焦虑有负向预测效应。
五、讨论与建议
通过对上述标准化回归方程进行归纳总结，我们有了以下发现。
1. 从宏观层面看网络元认知、网络学习策略对网络学习焦虑无显著性预测效应，但是相关分析表明网络元认知、网络学习策略与网络学习焦虑分别在0.01水平和0.05水平呈显著性负相关，与Shahram、[27]Sahin Kesici、[28]Aysen Gurcan Namlu[29]等研究的学习策略与焦虑的关系相一致；网络学习自我效能、网络学习态度对网络学习焦虑呈显著性负向预测效应，与Elaheh Mazaheri[30]、Brittany M. Rudy [31]等研究的焦虑与自我效能的关系和Muhammad Athar Hussaina、[32]Elizabete M. Loureiro[33]等研究的焦虑与态度的关系相一致；网络学习动机对网络学习焦虑有显著的正向预测效应，通过微观层面我们发现外部学习动机对网络术语焦虑、网络延迟焦虑和网络总体焦虑有显著的正向预测效应，内部学习动机对网络术语焦虑有显著的负向预测效应，因此我们认为网络学习动机对网络学习焦虑在宏观层面存在显著性正向预测效应是因为研究被试的外部学习动机（M=3.86）高于内部学习动机（M=3.75）。
2. 外部学习动机对网络延迟焦虑、网络术语焦虑和网络总体焦虑均有显著的正向预测效应，内部学习动机对网络术语焦虑有显著的负面预测效应。经分析，我们认为当学习者外部学习动机越高，其真正求知欲就相对越弱。相对内部学习动机较强的学习者而言，外部学习动机较强的学习者在网络学习中遇到资源下载或网页跳转较慢时缺乏耐心，当遇到晦涩难懂但必须要理解的词语时缺乏查阅的动力，当遇到自动弹出信息窗口等干扰因素时忍耐度相对较低，进而引发网络延迟焦虑、网络术语焦虑和网络总体焦虑。因此，我们要通过合适的途径实现网络学习者外在动机的内化，以降低学习者网络学习焦虑。衷克定教授[34]所做的远程学习者外在动机内化的探索性研究证实远程辅导教师学习支持行为对外在学习动机内化有着显著性影响，其中辅导教师的自主支持行为有着显著的直接影响，能力支持行为和人际支持行为对学习动机内化有着较强的间接影响。这对我们从教师学习支持的视角出发，实现在校大学生网络学习动机内化，降低网络学习焦虑具有重要的指导意义和参考价值。
3.反思性学习策略和合作交流策略对网络术语焦虑、网络搜索焦虑和网络总体焦虑均有显著的正向预测效应。在对部分学习者进行在线访谈的基础上，我们初步认为反思总结策略的应用能够加深学习者对所学知识的记忆和理解。然而当学习者在网络学习中遇到与先前类似或新生的学习困惑时，如果很难从先前通过反思总结生成的“知识库”中及时获取有效的帮助，就会使学习者对自身学习能力、反思总结的效果产生怀疑，进而引发网络学习焦虑。此外，合作交流策略强调沟通的双向性和及时性，然而网络学习中由于受到师生比例以及在线学习时间难以统一等因素的影响，学习者在线发布的讨论主题或求助留言未能得到及时的反馈，这就在一定程度上打击了学习者参与讨论的积极性，进而引发网络学习中网络术语焦虑、网络搜索焦虑以及网络总体焦虑的产生。因此，我们在鼓励学习者对所学知识进行及时反思总结和积极参与讨论交流的同时，也要适当地引导或培养学习者应用知识的能力，充分发挥信息技术的优势，完善网络学习支持服务体系，积极探究类似“微信”技术在网络学习中的应用，做到离线状态时信息的及时接受与反馈。
4. 从宏观分析来看，网络元认知对网络学习焦虑并无显著性影响，然而通过进一步分析我们发现网络元认知知识、网络元认知体验和网络元认知监控对各类网络学习焦虑均有着不同程度的负向预测效应。也就是说，丰富的网络元认知知识、深刻积极的元认知体验以及能动性较强的网络元认知监控能够有效地降低网络学习焦虑。因此，在今后的网络教育中要不断地利用数据库技术和数据挖掘技术了解不同学习者之间网络元认知水平的差异，针对性地开展网络学习策略教学，不断丰富网络学习者的元认知知识；根据不同学习群体的特征开展网络课程设计、教学设计以及学习评价，使网络学习者的元认知体验更加积极、深刻；采用网络学习过程记录技术，使学习者能够根据课程系统生成的学习时序图针对性地调节自己的学习进度和学习时间，不断增强学习者网络元认知监控的能动性。
5.网络学习态度中的情感因素对各类网络学习焦虑均有着显著的负向预测效应，特殊自我效能对网络术语焦虑与网络总体焦虑均有着显著的负向预测效应。我们知道数字化学习是教育发展的趋势之一，信息传递媒介由传统的印刷媒体向数字媒体转变，信息感知方式由单独的视觉刺激向视觉、听觉和触觉等综合形式转变。这些转变在加深学习者对知识的理解和掌握的同时，也带来了视觉疲劳、精神压抑、混沌感和孤独感等负面的身心体验。此外，信息容量的急剧膨胀，使人们面对庞杂的海量信息时，对自己的学习能力产生怀疑，削弱了学习者的自我效能。因此，我们应该根据不同学习群体的特征不断完善网络课程学习支持服务体系和评价体系；使文本、视频、音频等多媒体素材的呈现在更大程度上契合不同学习群体的心理承受能力；简化网络课程结构、超媒体链接以及知识模块的设计，减轻学习者的混沌感；采用合适的信息技术完善在线和离线交流沟通机制，弱化学习者的孤独感；学习任务难度适中，加强对学习者学习技能的培训，增强学习者的成就感，逐步提高网络学习者的特殊自我效能。 此外，一般自我效能、信息素养策略、资源管理策略以及网络学习态度中的认知因素和行为因素对网络术语焦虑、网络搜索焦虑、网络延迟焦虑以及网络总体焦虑没有显著性影响并不等于没有影响，没有直接性影响并不等于没有间接性影响。因此，开展上述预测变量的后续研究对网络学习焦虑的调节仍然具有重要的参考价值。
六、研究展望
在认知研究生态化和网络教育蓬勃发展的时代背景下，网络学习焦虑的研究是一项既艰巨又意义重大的工程。由于研究能力所限，本研究仅从部分关键网络学习者特征出发，对影响网络学习焦虑的因素做了初步预测性探究。从整体上看，研究仅仅局限于以网络学习焦虑及其构成为核心效标变量，以网络元认知、网络学习动机、网络自我效能、网络学习态度和网络学习策略及其构成为边缘预测变量的平面式研究，未能将网络学习者的人口学特征、认知风格及各预测变量间的关系考虑在内，未形成以网络学习焦虑及其构成为核心效标变量，以各类对学习起关键作用的学习者特征为边缘预测变量的球面式研究。因此，有关网络学习焦虑的研究仍需我们不断地进行探索。
[参考文献]
[1] Joshua Wilt， Katherine Oehlberg，William Revelle.Anxiety in Personality[J].Personality and Individual Differences，2011，（50）：987～993.
[2] [5] Freud，S..The Problem of Anxiety[M].NewYork：Norton，1936.
[3] Beck，A.T..Cognition，Anxiety，and Psycho-Physiological Disorders[M].New York：Academic Press，1972：84～305.
[4] Lazarus， M.，Averill， J. R.. Emotions and Cognition：With Special Reference Toanxiety[M].New York：Academic Press，1972：424～483.
[6] [7] Presno，Caroline.. Taking the Byte out of Internet Anxiety ：Instructional Techniques that Reduce Computer/ Internet Anxiety in the Classroom[J]. Journal of Educational Computing Research，1998，18（2）：147～161.
[8] Chien Chou. Incidences and Correlates of Internet Anxietyamong High School Teachers in Taiwan[J].Computers in Human Behavior，2003，（19）：731～749.
[9] Gholamreza Torkzadeh，Thomas，P.，Van Dyke. Effects of Training on Internet Self-Efficacy and Computer User Attitudes[J].Computers in Human Behavior，2002，（18）：479～494.
[10] Richard Joiner，Mark Brosnan，Jill Duffield，Jeff Gavin，Pam Maras .The Relationship between Internet Identification，Internet Anxiety and Internet Use[J].Computers in Human Behavior， 2007，（23）：1408～1420.
[11] 詹泽慧.远程学习者的元认知作用机制研究[J].中国电化教育，2011，（5）：50～53.
[12] 衷克定，潘海燕.远程学习者元认知与学习效能感关系分析与研究[J]，中国远程教育，2007，（12）：40～43.
[13] 童金皓，边玉芳.网络学习中的自我效能感[J].现代远距离教育，2005，（3）：25～27.
[14] 王迎，孔维强，张鹏，董艳.利用QQ群教学方式提高远程学习者的自我效能感初探[J].现代远距离教育，2009，（1）：51～53.
[15] Kun-Hung Cheng， Chin-Chung Tsai. An Investigation of Taiwan University Students' Perceptions of Online Academic Help Seeking， and Their Web-Based Learning Self-Efficacy[J].Internet and Higher Education.2011，（14）：150～157.
[16] 王迎，安玉洁，黄荣怀.远程学习者特征模型的构建研究[J].开放教育研究，2006，（1）：47～53.
[17] LASSI for Learning Online[DB/OL].http：//www.hhpublishing.com/_assessments/LLO/index.html.
[18] 王迎，彭华茂，时之平，侯彦华.远程学习者学习策略的问卷修订与测量[J].中国电化教育，2007，（10）：48～52.
[19] Matthew，K.O.Lee，Christy，M.K.. Cheung， Zhaohui Chen. Acceptance of Internet-Based Learning Medium：the Role of Extrinsic and Intrinsic Motivation[J].Information & Management，2005，（42） ：1095～1104. [20] Baron，R.A.，Byrnt，D.，Suls，J..Exploring Social Psychology.3thed[M].Boston：Allyn ndBacon，1988：79～82.
[21] Jyh-Chong Liang ， Szu-Hsien Wu ，Chin-Chung Ts .Nurses' Internet Self-Efficacy and Attitudes Toward Web-Based Continuing Learningai[J].Nurse Education Today 31 ，2011： 768～773.
[22] 石维忠，谢绍明.关于大学生对班级管理的态度的调查研究[J].社会心理科学，2004，（5）：49～52.
[23] 荣泰生.AMOS与研究方法[M].重庆：重庆大学出版社，2009.
[24] [26] 吴明隆.问卷统计分析实务——SPSS操作与应用[M].重庆：重庆大学出版社，2010.
[25] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社，2009.
[27] Shahram， Vahedia. Canonical Correlation Analysis of Procrastination， Learning Strategies and Statistics Anxiety Among Iranian Female College Students[J]. Procedia-Social and Behavioral Sciences，2011，（30）：1620～1624.
[28] Sahin Kesici ，Mustafa Baloglu， M. Engin Deniz. Self-Regulated Learning Strategies in Relation with Statistics Anxiety[J].Learning and Individual Differences，2011，（21）：472～477.
[29] Aysen Gurcan Namlu.The Effect of Learning Strategy on Computer Anxiety[J].Computers in Human Behavior，2003，（19）：565～578.
[30] Elaheh Mazaheri， Azizreza Ghasemzadeh， Maryam Saadat.The Relationship Between Parent's Anxiety and Their Children's Self-Efficacy in Primary Schools[J].Procedia- Social and Behavioral Sciences，2011，（29）：257～260.
[31] Brittany M. Rudy， Thompson E.Davis， Russe A.Matthews. The Relationship Among Self-Efficacy， Negative Self-Referent Cognitions， and Social Anxiety in Children：A Multiple Mediator Model[J].Behavior Therapy，2012，（43）：619～628.
[32] Muhammad Athar Hussaina， Saeed Shahidb， Amir Zamanc.Anxiety and Attitude Of Secondary School Students Towards Foreign Language Learning[J].Procedia - Social and Behavioral Sciences，2011，（29）：583～590.
[33] Elizabete M. Loureiro， Milton Severo， Paulo Bettencourt. Attitudes and Anxiety Levels of Medical Students Towards the Acquisition of Competencies in Communication Skills[J]. Patient Education and Counseling，2011，（85）：e272～e277.
[34] 衷克定，冯菲.远程学习者外在动机内化的探索研究[J].开放教育研究，2009，（3）：85～88.