论文部分内容阅读
[摘要]分析了探讨大学生数学学习情感发展状态的重要意义，并在借鉴Meyer等人开发的研究工具的基础上，构造了一个测量大学生数学学习情感发展状态的量表——“大学生数学学习情感发展量表”。应用对全国15所高校100多个班级3000余名学习了高等数学课程的大一学生的调查数据进行的分析表明，该量表的效度和信度都比较好，因此可以用来对大学生数学学习情感发展状态进行科学，有效的评价。本研究也表明，就总体发展情况而言，大学生数学学习情感发展状态较好。在“大学生数学学习情感发展量表”六个维度中，大学生除在“娱乐”维度上的平均得分较低外，在其他五个唯度上的平均得分都较高，这表明大学生能够体会学习高等数学的价值，也理解高等数学处理问题的程序，认同高等数学对真理的追求，能够欣赏高等数学的美，并从学习高等数学中获得了精神上的享受。
[关键词]数学学习；学习情感
[中图分类号] G64 [文献标识码] A [文章编号] 1005-4634(2011)01-0001-06
0 引言
对大学生学习情感发展上的个体差异进行分析具有非常重要的意义。了解这种差异，不仅有助于在一个理论框架内对大学生的学习情感发展状态进行定位，而且有助于高等学校教学活动的改进。然而，由于大学生的学习情感发展是一个非常复杂的现象，它受许多因素的影响，而且这些因素之问的关系常常是非线性的，因此要构建大学生学习情感发展的分析模型并不是一件简单的事。
在构建大学生学习情感发展模型的过程中，对测量维度的选择与变量的操作化处理也是一门艺术。不同的人，或基于不同的理论或实践考虑，对此所作的处理也是不一样的。例如，有的学者可能主要关注一般意义上的大学生学习情感发展，因此需要考虑面向所有学习情景和全体大学生的有关因素，这些因素常常是与具体的学科内容不相关的。不过，以往有一些研究发现，大学生在学习不同学科内容时，他们的学习行为是存在差异的。因此，他们对不同学科情景的感知与学习经验也会存在差异。在这种意义上说，大学生学习情感发展就会有一些与其所学的特定学科或具体的学习领域相关的内容。例如，大学生在学习抽象的数学概"念、理论、方法时，可能会因只有在数学中才能感知到的对这种抽象概念、理论与方法的掌控而体验到一种愉悦的感觉。由于大学生学习情感发展可能与其学习的具体领域或学科相关，而高等数学几乎是普通高校自然科学、工程学科的一个核心科目，因而对大学生学习这一科目的情感发展特征进行研究就变得非常重要了。由于这个原因，本研究将主要探讨大学生学习高等数学时的情感发展问题。
1 大学生数学学习情感发展测量工具的效度与信度分析
大学生数学学习情感是指大学生在学习高等数学过程中产生的对数学的态度和内心体验，反映了大学生对高等数学学科的热爱程度及其对高等数学、高等数学学习过程、高等数学学习内容等产生的情感体验和感受等，是大学生在学习高等数学的认知活动中形成的个人精神世界的反映。为比较准确地反映大学生学习高等数学的情感发展状态，本研究在主要借鉴Meyer等人在1999年开发的“数学学习经历量表”(Experiences of StudyingMathematics Inventory)的基础上，结合其他一些研究成果以及中国高校大学生的实际情况，设计了“大学生数学学习情感发展量表”，并试图应用这个量表对大学生在学习高等数学过程中表现出来的特定的学习情感发展状态作出评估和分析。
Meyer等人开发的“数学学习经历量表”主要从如下五个维度测量大学生学习数学时的情感发展状态：享受(enjoyment)、审美(beauty)、真理(troth)、程序(procedures)、娱乐(recreation)，每个维度包括6个测量题目，共30题。在本研究中，增加了学习者感知的高等数学学习价值这个维度，并对每个维度的测量题目进行了一定程度的修订、补充，最后设计的“大学生数学学习情感发展量表”共包括享受、审美、真理、程序、娱乐、价值6个维度，40个题目。
为了探讨大学生的数学学习情感发展的基本特征，本研究应用上述量表在全国15所高校100多个班级的3435位学习了高等数学课程的大一学生中进行了问卷调查。调查以班级为单位进行。之所以选择大一学生作为研究对象，主要是因为高等数学是全国绝大多数高校中大多数专业学生的必修课程，并且基本上都会在大学生就读一年级时就开设。问卷调查在2008年4～5月份进行。此时，2007～2008学年第一学期的高等数学课程已经结束，并且考试成绩已经登录完毕。在本次调查中，共回收问卷3013份，回收率为88.7％。表1列出了调查对象的基本情况。
为了检验“大学生数学学习情感发展量表”的结构效度，对调查获得的研究数据首先应用主成份因素分析方法并采用最大正交旋转对问卷的效度进行了分析。在分析时，为了在调查的基础上建构一个比较科学、合理的“大学生数学学习情感发展量表”，依据如下标准和程序对“大学生数学学习情感发展量表”中的题目进行了筛选：首先，对测量题目进行主成分因素分析，如果一个题目在所有因素上的负荷都比较小(小于0.40)，或者在二个或二个以上因素上的负荷虽然比较大但非常接近，则删去这个题目。根据这一标准，删除了问卷中“数学论证和证明体现了一种智力上的美”、“我尝试在已经掌握的知识基础上来理解新的数学知识”、“当决定如何解决问题时，我会尝试不同的可能性”三个题目；其次，在进行主成分因素分析时，如果归属于一个因素的题目数少于或等于2个，将删除这个因素所包括的有关题目。在本研究中，没有出现这种情况；第三，如果一个题目与其所属子量表的内涵存在差异，或与所属子量表的总体相关程度较低，删去这个题目后可以使子量表的内部一致性增加(a系数提高)，则删去这个题目；或虽然子量表的信度较高，但包括了太多的题目，将根据题目与该子量表的总体相关程度，删除一些相关程度相对较低的题目。根据这一标准，从娱乐维度中删除了“我学习数学只是为了和同学竞争”这个题目。表2列出了对保留下来的36个题目进行主成份因素分析并进行正交旋转的结果。
在上述工作基础上，对由因素分析确定的因素所包含的项目的内部一致性，应用a系数进行了检验。表3列出了对该量表进行信度分析的结果，以及各子量表之间的相关系数。该量表各子量表的信度介于0.68至0.90之间，表明大学生数学学习情感发展量表的内部一致性较高，而且各子量表的信度要远大于它们之间的相关性，这也符合典型的设计各子量表的最低要求。
在探索性因素分析的基础上，为了进一步检验“大学生数学学习情感发展量表”的结构效度，笔者应用AMOS7.0对数据作了验证性因素分析(n=2802)。图1列出了应用AMOS程序对“大学 生数学学习情感发展量表”进行二阶因素分析的结果(标准化参数估计值)。
为考察模型的拟合程度，笔者根据侯泰杰等人的研究和推荐，选择的拟合优度指标有x2、GFI(拟合优度指数：goodness offit indexes)、RMSEA(近似误差均方根：root mean square error of approxi-mation)、NNFI(非范拟合指数：non-normed fit in-dex)、CFI(比较拟合指数：comparative m index)等指标。在上述指标中，卡方检验最好不要达到显著度为好，但是卡方值受样本数量的影响很大，样本量大时，很容易达到显著。GFI早期的研究中使用较多，但受样本数量的影响。RMSEA也会受样本数量的影响，但影响较小，对参数过少的误设模型不大敏感，是比较理想的指数。RMSEA值越小越好。Steiger认为，RMSEA低于0.1表示较好的拟合，低于0.05表示非常好的拟合，低于0.01表示非常出色的拟合，这种情形在实际研究中基本上很难遇到。NNFI数值越大表明拟合越好，但这一指标也会因样本数量的变化而变化。CFI是具有许多优点的拟合指数，受样本数量的影响较小。
对图1所示的模型进行检验的结果表明，模型的拟合优度指数为：x2=5019.6(df=588，P<0.001)；GFI=0.894，RMSEA=0.052，NNFI=0.899，CFI=0.906。从这些拟合指数值可以看出，该模型的拟合度是比较好的。说明可以应用这个量表对大学生数学学习情感发展状态作出比较科学、合理的评价和分析。
2 大学生数学学习情感发展特征分析
2.1 大学生数学学习情感发展的总体特征
为了对大学生数学学习情感发展特征进行分析，笔者对“大学数学学习情感发展量表”各维度采用如下方法计分：对大学生数学学习情感发展量表各维度所包含的题目，学生的选择项共有“非常不同意”、“不同意”、“同意”和“非常同意”四项，学生对这四个选项的选择分别计1～4分；将各维度所包含题目的得分累加再除以该维度所包含的题目数即得该维度的分数。
表4列出大学生在“大学数学学习情感发展量表”各维度上的平均得分及标准差。图2图示了大学生数学学习情感发展的基本特征。从中可见，大学生在学习数学课程时，对大学数学课程“价值”、“程序”、“真理”和“审美”等维度的感知水平比较好，就平均水平而言接近于“同意”，对大学数学课程“享受”维度的感知水平则介于“不同意”和“同意”中间，但对大学数学课程“娱乐”维度的感知水平则较低，更倾向于“不同意”。
2.2 不同性别大学生数学学习情感发展状态比较
表5比较男生和女生在数学学习情感发展上的差异状况。从中可见，在大学生数学学习情感发展量表的6个维度中，男生和女生只在“享受”和“娱乐”2个维度上存在显著差异。男生在这2个维度上的平均得分都显著高于女生。说明在这2个数学学习情感发展维度上，男生的发展状态较女生更好一些。
2.3 不同类型高校大学生数学学习情感发展状态的比较
表6比较了不同类型高校大学生的数学学习情感发展状态。从中可见，不同类型高校大学生在数学学习情感发展状态上存在着显著差异。
图3用图形直观地描述不同性别大学生数学学习情感发展状态的差异状况。从中可见，除“程序”维度外，在大学生数学学习情感发展量表的其他各个维度上，男生平均得分要高于女生。此外，虽然男生和女生在“价值”、“真理”、“审美”和“程序”维度上的平均得分没有显著差异，但就男生和女生在这些维度上的发展水平而言，都要高于他们在“享受”和“娱乐”2个维度上的发展水平。
进一步的分析表明：211工程高校大学生在“享受”、“娱乐”、“价值”和“程序”维度上的发展水平要显著高于985工程高校和普通高校的大学生。211工程高校大学生在“真理”维度上的发展水平要显著高于985工程高校大学生。211工程高校大学生在“审美”维度上的发展水平要显著高于普通高校大学生。
图4描述了不同类型高校大学生在数学学习情感发展状态上的差异情况。从中也可以看出，就大学生数学学习情感发展量表各维度的平均水平而言，211工程高校学生的发展水平要高于985工程高校和普通高校学生。
2.4 不同专业类别大学生数学学习情感发展状态的比较
表7比较了不同专业类别大学生的数学学习情感发展状态。从中可见，不同专业类别大学生除在“真理”维度上的发展水平不存在显著差异外，在其他维度上的发展水平都存在显著差异。
进一步的分析表明：自然科学类专业大学生在“享受”维度上的发展水平显著高于其他专业大学生，工程技术类专业大学生在“享受”维度上的发展水平显著高于经济管理和人文社科类专业的大学生；自然科学类专业大学生在“娱乐”维度上的发展水平显著高于其他专业大学生，人文社科类专业大学生在这个维度上的发展水平则显著低于其他专业大学生；工程技术和自然科学类专业大学生在“价值”维度上的发展水平显著高于经济管理和人文社科类专业大学生；工程技术、生命医学和自然科学类专业大学生在“审美”维度上的发展水平显著高于经济管理和人文社科类专业大学生：经济管理类专业大学生在“程序”维度上的发展水平则显著低于其他专业大学生。
图5图示了不同专业类别大学生数学学习情感发展状态。从中可以看到，不同专业类别大学生在“价值”维度上的发展水平最高，在“真理”、“审美”和“程序”维度上的发展水平也较高。此外，不同专业类别大学生除在“娱乐”、“享受”维度上的发展水平存在较大变化外，即使在其他存在显著差异的维度上，不同专业类别学生的发展水平的差异程度并不是非常大。
3 结束语
学习情感发展是大学生在大学学习阶段个体发展的一个重要方面，探讨大学生学习情感发展状态因而具有重要的意义。为了分析大学生在学习高等数学时情感发展状态，需要设计和开发科学、有效的测量工具。本研究在借鉴Mcycr等人编制的“数学学习经历量表”(ESMI)的基础上，建构了一个包括“享受”、“娱乐”、“价值”、“真理”、“审美”和“程序”6个维度、共36道测量题目的“大学生数学学习情感发展量表”，以便对大学生数学学习情感发展的状态进行测量。对“大学生数学学习情感发展量表”进行的效度与信度分析结果表明，该问卷具有很好的结构效度和较好的区分效度，量表中每个维度的信度也较高。这说明可以把“大学生数学学习情感发展量表”作为测量与监控大学生数学学习情感发展状态的一个科学、有效的工具。
本研究结果也表明，就总体而言，大学生数学学习情感发展状态较好。在“大学生数学学习情感发展量表”6个维度中，大学生除在“娱乐”维度上的平均得分较低外，在其他5个维度上的平均得分都较高，这表明大学生能够体会学习大学数学的“价值”，也理解大学数学处理问题的“程序”，认同大学数学对“真理”的追求，能够欣赏大学数学的美(“审美”)，并从学习大学数学中获得了精神上的“享受”。
就大学生数学学习情感发展的状态而言，性别差异并不明显。男生和女生仅仅对“享受”和“娱乐”二个维度的感知存在显著差异，对其他维度的感知并没有显著差异。
不同类型高校学生和不同专业学生的数学学习情感发展状态则存在较大的差异性。就平均水平而言，211工程高校学生的数学学习情感发展水平要高于985工程高校学生和普通高校学生。这一结果是值得关注和思考的。
从不同专业学生数学学习情感发展状态的比较看，人文社科类专业学生在数学学习情感发展的多数维度上都处于相对较低的水平。
[关键词]数学学习；学习情感
[中图分类号] G64 [文献标识码] A [文章编号] 1005-4634(2011)01-0001-06
0 引言
对大学生学习情感发展上的个体差异进行分析具有非常重要的意义。了解这种差异，不仅有助于在一个理论框架内对大学生的学习情感发展状态进行定位，而且有助于高等学校教学活动的改进。然而，由于大学生的学习情感发展是一个非常复杂的现象，它受许多因素的影响，而且这些因素之问的关系常常是非线性的，因此要构建大学生学习情感发展的分析模型并不是一件简单的事。
在构建大学生学习情感发展模型的过程中，对测量维度的选择与变量的操作化处理也是一门艺术。不同的人，或基于不同的理论或实践考虑，对此所作的处理也是不一样的。例如，有的学者可能主要关注一般意义上的大学生学习情感发展，因此需要考虑面向所有学习情景和全体大学生的有关因素，这些因素常常是与具体的学科内容不相关的。不过，以往有一些研究发现，大学生在学习不同学科内容时，他们的学习行为是存在差异的。因此，他们对不同学科情景的感知与学习经验也会存在差异。在这种意义上说，大学生学习情感发展就会有一些与其所学的特定学科或具体的学习领域相关的内容。例如，大学生在学习抽象的数学概"念、理论、方法时，可能会因只有在数学中才能感知到的对这种抽象概念、理论与方法的掌控而体验到一种愉悦的感觉。由于大学生学习情感发展可能与其学习的具体领域或学科相关，而高等数学几乎是普通高校自然科学、工程学科的一个核心科目，因而对大学生学习这一科目的情感发展特征进行研究就变得非常重要了。由于这个原因，本研究将主要探讨大学生学习高等数学时的情感发展问题。
1 大学生数学学习情感发展测量工具的效度与信度分析
大学生数学学习情感是指大学生在学习高等数学过程中产生的对数学的态度和内心体验，反映了大学生对高等数学学科的热爱程度及其对高等数学、高等数学学习过程、高等数学学习内容等产生的情感体验和感受等，是大学生在学习高等数学的认知活动中形成的个人精神世界的反映。为比较准确地反映大学生学习高等数学的情感发展状态，本研究在主要借鉴Meyer等人在1999年开发的“数学学习经历量表”(Experiences of StudyingMathematics Inventory)的基础上，结合其他一些研究成果以及中国高校大学生的实际情况，设计了“大学生数学学习情感发展量表”，并试图应用这个量表对大学生在学习高等数学过程中表现出来的特定的学习情感发展状态作出评估和分析。
Meyer等人开发的“数学学习经历量表”主要从如下五个维度测量大学生学习数学时的情感发展状态：享受(enjoyment)、审美(beauty)、真理(troth)、程序(procedures)、娱乐(recreation)，每个维度包括6个测量题目，共30题。在本研究中，增加了学习者感知的高等数学学习价值这个维度，并对每个维度的测量题目进行了一定程度的修订、补充，最后设计的“大学生数学学习情感发展量表”共包括享受、审美、真理、程序、娱乐、价值6个维度，40个题目。
为了探讨大学生的数学学习情感发展的基本特征，本研究应用上述量表在全国15所高校100多个班级的3435位学习了高等数学课程的大一学生中进行了问卷调查。调查以班级为单位进行。之所以选择大一学生作为研究对象，主要是因为高等数学是全国绝大多数高校中大多数专业学生的必修课程，并且基本上都会在大学生就读一年级时就开设。问卷调查在2008年4～5月份进行。此时，2007～2008学年第一学期的高等数学课程已经结束，并且考试成绩已经登录完毕。在本次调查中，共回收问卷3013份，回收率为88.7％。表1列出了调查对象的基本情况。
为了检验“大学生数学学习情感发展量表”的结构效度，对调查获得的研究数据首先应用主成份因素分析方法并采用最大正交旋转对问卷的效度进行了分析。在分析时，为了在调查的基础上建构一个比较科学、合理的“大学生数学学习情感发展量表”，依据如下标准和程序对“大学生数学学习情感发展量表”中的题目进行了筛选：首先，对测量题目进行主成分因素分析，如果一个题目在所有因素上的负荷都比较小(小于0.40)，或者在二个或二个以上因素上的负荷虽然比较大但非常接近，则删去这个题目。根据这一标准，删除了问卷中“数学论证和证明体现了一种智力上的美”、“我尝试在已经掌握的知识基础上来理解新的数学知识”、“当决定如何解决问题时，我会尝试不同的可能性”三个题目；其次，在进行主成分因素分析时，如果归属于一个因素的题目数少于或等于2个，将删除这个因素所包括的有关题目。在本研究中，没有出现这种情况；第三，如果一个题目与其所属子量表的内涵存在差异，或与所属子量表的总体相关程度较低，删去这个题目后可以使子量表的内部一致性增加(a系数提高)，则删去这个题目；或虽然子量表的信度较高，但包括了太多的题目，将根据题目与该子量表的总体相关程度，删除一些相关程度相对较低的题目。根据这一标准，从娱乐维度中删除了“我学习数学只是为了和同学竞争”这个题目。表2列出了对保留下来的36个题目进行主成份因素分析并进行正交旋转的结果。
在上述工作基础上，对由因素分析确定的因素所包含的项目的内部一致性，应用a系数进行了检验。表3列出了对该量表进行信度分析的结果，以及各子量表之间的相关系数。该量表各子量表的信度介于0.68至0.90之间，表明大学生数学学习情感发展量表的内部一致性较高，而且各子量表的信度要远大于它们之间的相关性，这也符合典型的设计各子量表的最低要求。
在探索性因素分析的基础上，为了进一步检验“大学生数学学习情感发展量表”的结构效度，笔者应用AMOS7.0对数据作了验证性因素分析(n=2802)。图1列出了应用AMOS程序对“大学 生数学学习情感发展量表”进行二阶因素分析的结果(标准化参数估计值)。
为考察模型的拟合程度，笔者根据侯泰杰等人的研究和推荐，选择的拟合优度指标有x2、GFI(拟合优度指数：goodness offit indexes)、RMSEA(近似误差均方根：root mean square error of approxi-mation)、NNFI(非范拟合指数：non-normed fit in-dex)、CFI(比较拟合指数：comparative m index)等指标。在上述指标中，卡方检验最好不要达到显著度为好，但是卡方值受样本数量的影响很大，样本量大时，很容易达到显著。GFI早期的研究中使用较多，但受样本数量的影响。RMSEA也会受样本数量的影响，但影响较小，对参数过少的误设模型不大敏感，是比较理想的指数。RMSEA值越小越好。Steiger认为，RMSEA低于0.1表示较好的拟合，低于0.05表示非常好的拟合，低于0.01表示非常出色的拟合，这种情形在实际研究中基本上很难遇到。NNFI数值越大表明拟合越好，但这一指标也会因样本数量的变化而变化。CFI是具有许多优点的拟合指数，受样本数量的影响较小。
对图1所示的模型进行检验的结果表明，模型的拟合优度指数为：x2=5019.6(df=588，P<0.001)；GFI=0.894，RMSEA=0.052，NNFI=0.899，CFI=0.906。从这些拟合指数值可以看出，该模型的拟合度是比较好的。说明可以应用这个量表对大学生数学学习情感发展状态作出比较科学、合理的评价和分析。
2 大学生数学学习情感发展特征分析
2.1 大学生数学学习情感发展的总体特征
为了对大学生数学学习情感发展特征进行分析，笔者对“大学数学学习情感发展量表”各维度采用如下方法计分：对大学生数学学习情感发展量表各维度所包含的题目，学生的选择项共有“非常不同意”、“不同意”、“同意”和“非常同意”四项，学生对这四个选项的选择分别计1～4分；将各维度所包含题目的得分累加再除以该维度所包含的题目数即得该维度的分数。
表4列出大学生在“大学数学学习情感发展量表”各维度上的平均得分及标准差。图2图示了大学生数学学习情感发展的基本特征。从中可见，大学生在学习数学课程时，对大学数学课程“价值”、“程序”、“真理”和“审美”等维度的感知水平比较好，就平均水平而言接近于“同意”，对大学数学课程“享受”维度的感知水平则介于“不同意”和“同意”中间，但对大学数学课程“娱乐”维度的感知水平则较低，更倾向于“不同意”。
2.2 不同性别大学生数学学习情感发展状态比较
表5比较男生和女生在数学学习情感发展上的差异状况。从中可见，在大学生数学学习情感发展量表的6个维度中，男生和女生只在“享受”和“娱乐”2个维度上存在显著差异。男生在这2个维度上的平均得分都显著高于女生。说明在这2个数学学习情感发展维度上，男生的发展状态较女生更好一些。
2.3 不同类型高校大学生数学学习情感发展状态的比较
表6比较了不同类型高校大学生的数学学习情感发展状态。从中可见，不同类型高校大学生在数学学习情感发展状态上存在着显著差异。
图3用图形直观地描述不同性别大学生数学学习情感发展状态的差异状况。从中可见，除“程序”维度外，在大学生数学学习情感发展量表的其他各个维度上，男生平均得分要高于女生。此外，虽然男生和女生在“价值”、“真理”、“审美”和“程序”维度上的平均得分没有显著差异，但就男生和女生在这些维度上的发展水平而言，都要高于他们在“享受”和“娱乐”2个维度上的发展水平。
进一步的分析表明：211工程高校大学生在“享受”、“娱乐”、“价值”和“程序”维度上的发展水平要显著高于985工程高校和普通高校的大学生。211工程高校大学生在“真理”维度上的发展水平要显著高于985工程高校大学生。211工程高校大学生在“审美”维度上的发展水平要显著高于普通高校大学生。
图4描述了不同类型高校大学生在数学学习情感发展状态上的差异情况。从中也可以看出，就大学生数学学习情感发展量表各维度的平均水平而言，211工程高校学生的发展水平要高于985工程高校和普通高校学生。
2.4 不同专业类别大学生数学学习情感发展状态的比较
表7比较了不同专业类别大学生的数学学习情感发展状态。从中可见，不同专业类别大学生除在“真理”维度上的发展水平不存在显著差异外，在其他维度上的发展水平都存在显著差异。
进一步的分析表明：自然科学类专业大学生在“享受”维度上的发展水平显著高于其他专业大学生，工程技术类专业大学生在“享受”维度上的发展水平显著高于经济管理和人文社科类专业的大学生；自然科学类专业大学生在“娱乐”维度上的发展水平显著高于其他专业大学生，人文社科类专业大学生在这个维度上的发展水平则显著低于其他专业大学生；工程技术和自然科学类专业大学生在“价值”维度上的发展水平显著高于经济管理和人文社科类专业大学生；工程技术、生命医学和自然科学类专业大学生在“审美”维度上的发展水平显著高于经济管理和人文社科类专业大学生：经济管理类专业大学生在“程序”维度上的发展水平则显著低于其他专业大学生。
图5图示了不同专业类别大学生数学学习情感发展状态。从中可以看到，不同专业类别大学生在“价值”维度上的发展水平最高，在“真理”、“审美”和“程序”维度上的发展水平也较高。此外，不同专业类别大学生除在“娱乐”、“享受”维度上的发展水平存在较大变化外，即使在其他存在显著差异的维度上，不同专业类别学生的发展水平的差异程度并不是非常大。
3 结束语
学习情感发展是大学生在大学学习阶段个体发展的一个重要方面，探讨大学生学习情感发展状态因而具有重要的意义。为了分析大学生在学习高等数学时情感发展状态，需要设计和开发科学、有效的测量工具。本研究在借鉴Mcycr等人编制的“数学学习经历量表”(ESMI)的基础上，建构了一个包括“享受”、“娱乐”、“价值”、“真理”、“审美”和“程序”6个维度、共36道测量题目的“大学生数学学习情感发展量表”，以便对大学生数学学习情感发展的状态进行测量。对“大学生数学学习情感发展量表”进行的效度与信度分析结果表明，该问卷具有很好的结构效度和较好的区分效度，量表中每个维度的信度也较高。这说明可以把“大学生数学学习情感发展量表”作为测量与监控大学生数学学习情感发展状态的一个科学、有效的工具。
本研究结果也表明，就总体而言，大学生数学学习情感发展状态较好。在“大学生数学学习情感发展量表”6个维度中，大学生除在“娱乐”维度上的平均得分较低外，在其他5个维度上的平均得分都较高，这表明大学生能够体会学习大学数学的“价值”，也理解大学数学处理问题的“程序”，认同大学数学对“真理”的追求，能够欣赏大学数学的美(“审美”)，并从学习大学数学中获得了精神上的“享受”。
就大学生数学学习情感发展的状态而言，性别差异并不明显。男生和女生仅仅对“享受”和“娱乐”二个维度的感知存在显著差异，对其他维度的感知并没有显著差异。
不同类型高校学生和不同专业学生的数学学习情感发展状态则存在较大的差异性。就平均水平而言，211工程高校学生的数学学习情感发展水平要高于985工程高校学生和普通高校学生。这一结果是值得关注和思考的。
从不同专业学生数学学习情感发展状态的比较看，人文社科类专业学生在数学学习情感发展的多数维度上都处于相对较低的水平。