综述：关于心理因素与学生学习参与度之间关联性的研究：一项系统综述与元分析

《Frontiers in Psychology》：The research of the correlations between psychological factors and students’ learning engagement: a systematic review and meta-analysis

　　摘要

背景：学生的学习参与度——即学生在学术活动中的认知、行为和情感投入——是学术成功的关键决定因素。已经确定了三个心理因素作为预测变量：动机、自我效能感和心理韧性。然而，主要研究报道的效果大小（β = 0.16–0.97）并不一致，并且通常单独研究这些构念。尚未有全面的元分析在综合框架内同时评估这三个预测变量的相对强度，这限制了设计针对性教育干预措施的经验基础。

目的：基于“拓展与构建”理论，本系统回顾和元分析探讨了动机、自我效能感、心理韧性与其学习参与度之间的关联强度和一致性，探索了其潜在机制，并提供了基于证据的促进教育环境中心理支持的建议。

方法：遵循PRISMA 2020指南，在九个数据库（PubMed、Embase、Cochrane、Web of Science、VIP、CNKI、Scopus、PsycINFO和Ovid）中进行了系统搜索，查找2018年1月至2025年6月期间发表的相关研究。该研究方案未在PROSPERO或任何类似平台上进行前瞻性注册。使用JBI批判性评估工具对方法学质量进行了评估。提取标准化路径系数（β），并使用Stata 14.0和Review Manager 5.4进行元分析。通过I2、Cochran’s Q、漏斗图、Egger’s检验、修剪-填充调整和敏感性分析评估了异质性、发表偏态和结果稳健性。

结果：结构方程模型（SEM）是主要分析方法，有20项研究采用了这种方法，而5项研究使用了多元回归。元分析显示这三个心理因素与学习参与度之间存在不同程度的显著正相关。标准化路径系数从小到中等到大不等：动机（β = 0.193–0.972）、自我效能感（β = 0.166–0.500）和心理韧性（β = 0.187–0.539）。然而，所有三个因素组都观察到了较大的异质性（I2 = 81–96%），表明效应大小存在情境依赖性。

结论：作为首次同时考察动机、自我效能感和心理韧性作为学习参与度预测变量的元分析，本研究证明了在不同教育情境下这些因素之间的一致正相关。鉴于所包含研究的横断面性质，这些发现应被解释为关联而非因果关系。这些结果为开发具有心理知情的针对性教育干预措施提供了坚实的经验基础。

1. 引言
学习参与度——即学生在学术活动中投入的认知、行为和情感努力程度——已成为教育研究中的核心概念（Fredericks等人，2004年）。参与度下降会导致学业表现不佳、辍学率上升和幸福感下降（Appleton等人，2008年），PISA数据证实这一挑战在不同国家之间存在显著差异（经济合作与发展组织[OECD]，2019年）。为此，许多国家已启动政策改革：中国的2023年心理健康行动计划将心理支持纳入整个教育体系（Jiang和Zhang，2024年）；英国要求全校采用情感健康方法；澳大利亚优先考虑学生的韧性；美国的CASEL框架将社会情感学习融入课程（Weare，2015年）。这些共同的努力强调了心理因素对有效学习的基础性作用。研究一致认为动机、自我效能感和心理韧性是学习参与度的关键预测变量（Wu和Ma，2022年）。学术动机——包括内在动机和外在动机——是参与度的基础驱动力（Setiamurti等人，2023年）。自我效能感影响学生面对挑战的方式和持续努力的能力（Fu等人，2024年），而心理韧性使学生能够在学业挫折中保持坚持和认知专注（Chu等人，2024年）。总体而言，这些心理资源解释了大学生学习参与度变异的约21.9%（Crisostomus和Saraswati，2023年）。此外，韧性直接预测参与度，具有韧性的学生表现出更高的积极参与度（Chu等人，2024年）。然而，焦虑和低自我信念会严重阻碍参与度（Setiamurti等人，2023年）。这些发现表明这三个因素具有重要的解释力，需要系统地研究它们的共同作用。尽管这些因素的个体贡献已有充分记录，但仍有两个关键问题。首先，现有研究报道的效果大小差异很大，从强关联（β > 0.50；Gavín-Chocano等人，2024年）到弱关联（β < 0.20；Wei等人，2024年）。这种异质性可能源于测量工具、文化背景或分析方法的差异，但缺乏正式的定量综合，因此原因尚未明确。其次，大多数研究单独研究这些因素，忽略了动机、自我效能感和韧性作为相互关联的心理资源（Chu等人，2024年）。这种碎片化的方法阻碍了相对预测强度的比较，并掩盖了潜在的协同效应。现有的元分析也主要关注单一构念——例如，Li和Xue（2023年）研究了环境和行为因素，而没有同时评估这三个心理预测变量。“拓展与构建”理论（Fredrickson，2001年）为理解这些因素之间的协同关系提供了有力的框架。我们选择这一理论而非其他理论有特定原因：自我决定理论（Deci和Ryan，2000年）未能充分考虑自我效能感和韧性；社会认知理论（Bandura等人，1999年）没有同等重视动机和韧性作为平行资源。“拓展与构建”理论独特地解释了积极心理资源如何随时间累积。具体来说，积极情绪拓展了思维-行动范围，从而建立了持久的个人资源（Fredrickson，2001年）。应用于教育：动机激发了扩展的学习行为（Dian-Zhi，2005年）；自我效能感维持参与度并产生积极效果（Riswantyo和Lidiawati，2021年）；韧性在挫折中防止资源耗尽（Kiken和Fredrickson，2017年）。这些因素共同形成了一个向上的螺旋：有动机的学生通过成功建立效能，从而建立韧性，进而维持更深入的参与度。本研究通过系统回顾和元分析同时综合了所有三个预测变量的证据，在“拓展与构建”框架的指导下，旨在：（1）估计每个因素与学习参与度的关联的汇总效应大小；（2）比较它们的相对预测强度；（3）检验跨情境的一致性。遵循PRISMA 2020指南，对25项研究的标准化路径系数（β）应用了随机效应元分析技术。

2. 理论框架和假设
“拓展与构建”理论（Fredrickson，2001年）为本元分析提供了总体理论框架，解释了动机、自我效能感和心理韧性与学习参与度之间的具体机制。在此框架内，内在动机触发了拓展过程：动机兴趣产生积极情绪，拓展了思维-行动范围，表现为更高的参与度（Dian-Zhi，2005年）。实证证据证实，内在动机和外在动机在各种情境下都能预测参与度（Setiamurti等人，2023年；Kim和Doo，2022年）。
H1：学习动机与学生的学习参与度呈正相关。
自我效能感和学习参与度。自我效能感是该框架中的关键“构建资源”。效能信念产生积极情感状态，拓展了参与范围，使学生能够应对挑战而不是回避它们，从而形成成功进一步增强效能的向上螺旋（Chen，2024年；Riswantyo和Lidiawati，2021年）。研究证实，自我效能感在传统和在线环境中都能直接促进参与度（Luo等人，2023年；Pang和Veloo，2024年）。
H2：自我效能感与学生的学习参与度呈正相关。
自我效能感起到中介作用。该理论暗示，通过拓展认知建立的资源作为传递机制：动机产生积极情感，拓展的参与度带来掌握体验，掌握建立自我效能感，提高的效能感维持更深入的参与度（Wu等人，2020年；Liu等人，2022年；Shao和Kang，2022年）。
H3：自我效能感介导学习动机与学习参与度之间的关系。
心理韧性と学习参与度。韧性在“拓展与构建”循环中起到保护作用。学业挫折引发负面情绪，缩小了思维-行动范围；韧性通过认知重评估和情绪调节实现适应性恢复，防止资源的持续缩小，并维持资源建设的向上螺旋（Chu等人，2024年）。大规模研究证实，韧性直接预测参与度（Li等人，2024年；Adeniji等人，2020年）。
H4：心理韧性と学习参与度呈正相关。
韧性起到中介作用。建设过程表明，动机促进了韧性作为持久资源的形成：有动机的学生随着时间的推移积累适应性应对策略（Wang和Zhang，2024年；Gao等人，2020年；Shaoshuai等人，2025年）。
H5：心理韧性介导学习动机与学习参与度之间的关系。
虽然H3和H5提出了中介机制，但本元分析主要综合了直接关联（H1、H2、H4）。中介假设是定性地评估的；建议未来的研究使用正式的元分析结构方程模型（MASEM）。

3. 材料与方法
3.1 文献搜索策略
遵循PRISMA指南，2025年1月20日在九个数据库（PubMed、Embase、Cochrane、Web of Science、VIP、CNKI、Scopus、PsycINFO和Ovid）进行了结构化电子搜索。该研究方案未在PROSPERO或任何类似平台上进行前瞻性注册，这是一个局限性。我们承诺对未来的系统回顾进行前瞻性注册，并建议研究人员也这样做。搜索策略如下：[标题/摘要] = (“心理因素” OR “动机” OR “自我效能感”) AND [标题/摘要] = (“学习参与度” OR “认知参与” OR “学术参与度”) AND [标题/摘要] = (“多元回归分析” OR “结构方程模型” OR “SEM”）。搜索范围包括2018年1月至2025年6月期间以英语或中文发表的同行评审文献。8年的时间限制是为了确保回顾的最新性和相关性，以及基于最高质量和最新证据的可行性。
3.2 纳入和排除标准
纳入标准：
- 参与者年龄在12-25岁之间；
- 研究评估影响心理的因素；
- 研究评估学生的学习参与度；
- 定量分析心理决定因素与学习参与度之间的相关性；
- 横断面和纵向研究方法；
- 以英语或中文发表的文献。
排除标准：
- 非同行评审的文献；
- 参与者少于100人的研究；
- 缺乏心理因素与学习参与度关联数据的文献；
- 仅依赖Spearman/Pearson相关系数的综述或研究；
- 专注于随机对照试验的研究。根据方法学指南，基本SEM模型建议的样本量为100-200人（Kline，2016年），因此设定最低样本量为100人。由于各子组的研究较少，排除样本量小于200的研究的敏感性分析不可行，但建议在样本量更大的元分析中进行。这确保了分析集中在可靠的相关原始证据上。同行评审是方法学严谨性、有效性和科学可信度的关键标准。Spearman和Pearson相关方法仅关注变量之间的关联，而本研究关注变量之间的关系。本研究旨在阐明动机、自我效能感和心理韧性之间的关联关系。随机对照试验（RCT）本质上适用于基于干预的效果评估，这超出了本观察性研究的范围。同样，方差分析（ANOVA）主要用于比较三个或更多组间的均值——这种方法与评估干预相关结果的实验设计（如RCT）密切相关。通过排除RCT和基于ANOVA的研究，本回顾有效地筛选出了观察性研究，保留了更可能使用回归分析或结构方程模型等分析技术来研究变量间复杂关系的研究。在去重后，两名研究人员独立根据纳入/排除标准筛选研究。他们首先通过标题和摘要确定全文检索的论文。除了符合标准的研究外，我们还审查了纳入文章的参考文献列表和相关系统回顾，以识别潜在的合格研究。研究人员交叉验证了他们的选择，并通过与第三名研究人员的协商达成最终决定。
3.3 纳入研究的质评
使用JBI批判性评估工具（最初为“JBI基于证据的医疗保健中心分析性横断面研究质量控制工具”）对25项纳入研究的方法学质量进行了评估。研究质量得分范围从61.2%到100%，平均分为72.4%。质量评估将13项研究（52%）评为优秀，8项（32%）评为良好，4项（16%）评为合格。没有研究被评为不足或差，详见图1。
图1 研究的质量评估结果。
3.3.1 数据提取
两名作者独立使用标准化表格从纳入研究中提取数据，并通过讨论解决差异。提取的要素包括：
(1) 作者和出版年份；
(2) 研究地点；
(3) 研究设计；
(4) 心理因素评估方法；
(5) 学习参与度评估方法；
(6) 统计分析；
(7) 关联指标（标准化系数、标准误差、p值）；
(8) 主要发现和参考文献。表1提供了该期刊的详细信息。例如，涉及中国大学生的研究显示，学术自我效能与学习参与度相关，而学习参与度又与学术成就相关（Luo等人，2023年）。最后，关于心理韧性的7项研究也揭示了显著的异质性（I2 = 81%，p < 0.01）和强烈的总体效应（Z = 22.74，p < 0.01），表明其与学习参与度存在直接和间接的关联。效应大小从β = 0.187（Koob等人，2021年）到β = 0.539（Gao等人，2020年）不等，大多数处于中等范围。一项针对1,784名学生的大规模研究证实，心理韧性是参与度的显著预测因子（Li等人，2024年），而其他证据表明，韧性可能调节学术自我效能与参与度之间的关联（Wang和Zhang，2024年）。异质性分析的结果总结在图3-5中。

图3 动机与学习参与度关系的森林图。
图4 自我效能与学习参与度关系的森林图。
图5 心理韧性与学习参与度关系的森林图。

5.2.2 关于中介假设（H3和H5）的澄清
需要澄清假设H3（自我效能作为中介）和H5（心理韧性作为中介）的分析方法。这些中介假设是通过定性综合各个研究中报告的中介结果来评估的，而不是通过正式的元分析中介分析（如两阶段结构方程建模或Sobel检验）。采用这种方法是因为主要研究没有一致地报告定量中介元分析所需的间接效应估计值和自助法置信区间。在包含的研究中，有几项报告了动机通过自我效能（例如Wu等人，2020年；Liu等人，2022年；Simón等人，2024年）和通过心理韧性（例如Shaoshuai等人，2025年；Gao等人，2020年）对学习参与度的显著间接效应。虽然这些发现为中介路径提供了初步支持，但在未来的研究中应谨慎解读，直到进行正式的元分析结构方程建模（MASEM）。

5.2.3 敏感性分析
在Stata 14中对所有三个研究组进行了敏感性分析——12项关于动机因素和学习参与度，10项关于自我效能和学习参与度，7项关于心理韧性和学习参与度——结果确认省略任何一项研究都不会显著改变整体元分析结果（图6）。这证实了研究结果的稳健性。敏感性分析表明结论的可靠性，验证了结果不会过度依赖任何一项研究（Li和Xue，2023年）。尽管敏感性分析确认了元分析结果的总体稳健性和稳定性，但仍需认识到个别研究可能提供值得深入探讨的独特见解。这些细致的视角有助于塑造未来的研究方向，特别是考虑到这些心理因素之间的复杂相互作用——这是值得持续学术探索的领域（Navío等人，2024年）。

图6 动机、自我效能和学习参与度关系的敏感性分析。

5.2.4 发表偏倚评估
使用Egger检验和漏斗图来调查包含研究中的发表偏倚。在元分析中，Egger检验和漏斗图常被用来检查发表偏倚（Clark等人，2017年）。结果不显著的小型研究可能被低估，因为这些技术旨在识别研究结果分布的不对称性（Clark等人，2017年）。统计数据的无发表偏倚由漏斗图的对称性和Egger检验的截距系数的P值（0.076、0.3和0.068）所示。结果表明没有发表偏倚的证据，两个P值均大于0.05，且漏斗图基本对称。然而，应当注意的是，当包含的研究数量较少（每个亚组n < 10）时，Egger检验的统计功效有限，心理韧性组就是这种情况（n = 7）。因此，不能完全排除发表偏倚，特别是考虑到排除了灰色文献，包括未发表的论文、会议记录和预印本（见限制部分）。这些发现增强了人们对元分析完整性的信心，因为它们表明结论是基于对现有证据的全面综合得出的（Phua等人，2022年）。

表2 动机的Egger检验
Std_Eff Coef Std. Err t P > t
斜率 -0.002 50 0.02 83 38 -0.12 0.906
偏倚 0.133 27 85 0.067 44 68 1.98 0.076

自我效能的Egger检验
Std_Eff Coef Std. Err t P > t
斜率 0.034 26 08 0.026 15 22 1.31 0.22 7
偏倚 0.11 10 46 0.099 25 61 1.11 0.3

心理韧性的Egger检验
Std_Eff Coef Std. Err t P > t
斜率 0.083 80 7 0.010 17 72 8.24 0
偏倚 -0.09 11 15 80 0.039 20 56 -2.32 0.068

动机、自我效能和心理韧性的Egger检验
Std_Eff（标准化效应），Coef（系数），Std. Err（标准误差），t（t统计量），P（P值）。系数表示效应的方向和大小。Std_Eff允许比较不同变量之间的效应。Std. Err反映了估计的精确度。t和P值共同表明效应是否具有统计学意义。

图7 分析动机、自我效能和学习参与度关系的漏斗图。

6 研究局限性和未来方向
本元分析存在几个局限性。首先，它仅纳入了非随机性的横断面实证研究，分析指标仅限于路径系数、标准误差和P值。由于横断面设计在单个时间点测量变量，因此无法确定时间顺序；所有报告的关联都应被视为关联性而非因果关系。未来的纵向和实验研究对于确定这些结构之间的因果方向性至关重要。其次，文献搜索局限于九个数据库，这可能导致发表偏倚，并限制了研究结果的全面性。特别是排除了灰色文献（包括未发表的论文、会议记录和预印本）以及特定于教育的数据库（如ERIC）和广泛的存储库（如ProQuest和Google Scholar）。没有尝试联系领域专家或搜索会议记录以获取未发表的数据。这些遗漏可能导致效应大小的过高估计。未来的综合研究应扩大数据库覆盖范围，包括ProQuest、Google Scholar、ERIC和Springer等存储库。第三，PROSPERO或类似平台上缺乏前瞻性协议注册，这是一个重要的透明度局限。没有预先注册，就无法验证搜索策略、纳入标准或分析计划是否在事后进行了修改，从而限制了区分先验与探索性决策的能力。我们强烈建议未来的系统评价在该领域进行前瞻性协议注册。第四，所有三个因素组的极高异质性（I2 = 81–96%）要求对汇总估计进行谨慎解释。这种变异可能由多种因素引起：(a) 不同研究中的测量工具不同（例如，动机的AMS、SMS、WES；韧性的CD-RISC、学术韧性量表），这些工具可能以不同的方式操作化相同的结构；(b) 文化和地理差异，因为大约50%的研究来自中国/亚洲的教育背景，在这种背景下集体主义导向可能不同于西方个体主义环境；(c) 样本特征的差异，包括年龄范围（12–25岁）和学术学科；以及(d) 统计建模方法的不同（SEM与多元回归）。由于主要研究中调节变量级别的数据报告不足，无法进行正式的亚组分析和元回归。第五，仅关注三个内部心理因素（动机、自我效能和心理韧性）意味着没有考虑外部和情境变量，包括社会经济地位、教学质量、班级规模、机构支持、同伴关系、家庭参与和技术接入。这些因素可能作为混杂因素影响预测因子和结果，从而夸大了观察到的关联。同样，基于性别、年龄/发展阶段、学术学科和学习方式（在线 vs. 面对面）的调节分析的缺失也是一个显著的局限；大多数主要研究没有报告亚组特定的效应大小，因此无法在元分析层面进行正式的调节分析。为了解决这些不足，未来的研究应优先考虑以下几点：(a) 扩大研究范围，包括父母-子女关系、机构学习氛围和同伴动态等外在和情境因素；(b) 使用元分析结构方程建模（MASEM）正式测试假设H3和H5中提出的中介路径；(c) 进行基于工具的亚组分析，以检查效应大小是否因测量工具而异；(d) 按关键人口变量报告细分结果，以便进行系统的调节分析；(e) 采用网络元分析方法；(f) 进行跨文化元分析，使用文化维度框架（如霍夫斯泰德的指数）作为调节变量。

7 讨论
这项系统评价基于通过系统数据库搜索确定的25项高质量横断面研究，探讨了动机、自我效能、心理韧性和学习参与度之间的关联及相关影响因素。每项研究要求至少有100名参与者，以增强统计效力、提高普遍性、减少偏倚并符合大样本研究标准。使用RevMan和Stata 14在数据标准化后进行的分析显示，所有三个心理因素——动机、自我效能和韧性——与学习参与度之间存在统计学上显著的正面关联，这一发现得到了近期文献的支持，例如Bahari等人（2022年）的研究表明，有动力的学生更倾向于积极参与学习，以及Pang和Veloo（2024年）的研究证实了自我效能与参与度和学术成功的正面关联。此外，心理韧性被证明是持续参与的重要预测因子，因为具有韧性的学生能更好地应对学术需求和逆境（Li等人，2023年）。重要的是，通过漏斗图检查或Egger检验未发现动机和自我效能相关的显著发表偏倚，增强了这些发现的可靠性（Furuya-Kanamori和Lin，2022年），从而为进一步研究这些教育背景下的心理因素提供了坚实的实证基础。

7.1 与以往元分析的比较
汇总的动机效应（β = 0.42）超过了Howard等人（2021年）元分析中的平均动机-参与度相关性（r ≈ 0.35），这可能反映了我们纳入了内在和外在动机，并使用了多元模型的路径系数。自我效能效应（β = 0.31）与Luo等人（2023年）和Talsma等人（2018年）发现的适度自我效能-表现关联一致。韧性效应（β = 0.36）超过了典型的韧性-学术成果关联（Cassidy，2016年），可能是因为参与度比成绩更为直接的结果。相对于Li和Xue（2023年）的环境因素元分析，我们的效应更大，可能反映了内部心理状态的更直接性。然而，高异质性（I2 = 81–96%）表明这些汇总估计代表的是中心趋势而非固定的人口值。

7.2 区分统计显著性和实际显著性
在解释这些发现时，区分统计显著性和实际显著性是必要的。虽然Z统计量（19.43、31.86、22.74）确认了关联的统计显著性（p < 0.01），但它们并不直接表明这些关系的大小或实际重要性。标准化的路径系数显示了很大的变异性：动机从0.193到0.972，自我效能从0.166到0.500，心理韧性从0.187到0.539。应用Cohen的基准，一些研究仅发现了小效应（β < 0.20），而其他研究发现了大效应（β > 0.50）。这种变异性，如高I2值（81–96%）所示，表明这些关联的强度高度依赖于具体情境，一刀切地描述为“强”关联会简化证据。相反，元分析揭示了不同 magnitude 的统计学上显著的正面关联，实际效应可能因教育背景、文化环境和测量方法而异。

7.3 本研究的理论贡献
这项元分析阐明了学术成就中的一个关键细节：尽管智力是成功的基础预测因子，但它本身并不充分。研究结果表明，心理因素——特别是动机、自我效能和心理韧性——与学习参与度显著相关。即使在高智商学生中，这些特质的较低水平也可能与较低的学术表现相关，从而限制了他们认知潜力的实现。这项工作的理论贡献是重要的。作为首次同时研究动机、自我效能和心理韧性综合作用的研究，它超越了对孤立结构的考察。在“拓宽-构建”理论框架内，它提供了这些因素与认知、行为和情感参与度之间存在显著正向关联的实证基础。这种正向关联在多样化的教育背景下是一致的，尽管其大小有所不同，这突显了积极心理资源可能促进学术参与和坚持的潜在通用机制（Xu等人，2024年）。它为未来研究的方向和方法提供了具体的指导，增强了我们对关键心理影响的理解。然而，由于所有包含研究都是横断面的，这些发现仅代表关联，无法确立因果关系。未来的纵向研究和实验研究对于确认增强这些心理资源是否能够提高学生的参与度至关重要。7.4 实际意义 本研究提供了实证证据，证实了动机、自我效能、心理韧性以及学习参与度在多种教育环境中之间存在显著且一致的正相关关系。虽然这些发现目前仅基于相关性，需要在广泛推广之前通过干预试验进行验证，但它们为教育实践和政策制定提供了一些实际的启示。

首先，教育工作者和学校应将心理支持融入日常的教学活动中。可以通过基于自我决定理论的方法来培养学生的动机——提供自主性支持、促进能力发展并增强学生的归属感。自我效能可以通过班杜拉的掌握经验框架得到提升，包括设置具有渐进难度的目标、通过同伴示范进行替代学习以及提供有力的反馈。韧性可以通过基于证据的 programa（如宾夕法尼亚韧性计划）来培养，该计划通常包括10-12次每周约90分钟的培训课程，由专业培训师讲授。对于自我效能而言，结构化的研讨会（例如每周8-12次，每次60-90分钟）结合反思练习、成长心态活动以及目标设定已被证明非常有效。这类干预可以由受过培训的辅导师实施，也可以融入现有课程中，或者通过同伴指导计划来进行。有证据表明，持续8-12周的干预并定期跟进比单次研讨会能产生更持久的效果。

其次，教师培训计划应包括关于识别和培养影响学生参与度的心理因素的专业发展模块（例如2-3天的高强度研讨会，并提供持续的指导）。这些模块应使教育工作者掌握创建激励性学习环境、提供增强信心的反馈以及识别需要额外支持学生的实用策略。

第三，成功的实施需要考虑可行性、可扩展性和成本效益。干预措施应设计为能够整合到现有课程中，而不需要增加额外的教学时间，同时要考虑到可能的障碍，如教师培训需求、机构资源限制以及不同机构的投入程度。数字平台（包括在线韧性培养模块和基于应用程序的自我效能训练工具）为大规模推广提供了可能，而同伴引导和教师参与的方法相比专业培训项目可能更具成本效益。

在机构层面，政策制定者和管理者应致力于设计支持性的学习环境，减少不必要的压力源，提供易于获取的心理健康资源，并提倡重视情感健康与学术成就并重的文化。像“拓展与构建理论”这样的理论框架可以为采用诸如反思日志、韧性培养模块和旨在促进积极情绪和个人资源发展的数字平台等实际工具提供指导。最终，这项研究表明，支持心理发展不是学术教学的附加内容，而是与维持学生参与度和改善教育成果密切相关。然而，这些建议目前仅基于相关性证据，在大规模实施之前，其有效性需要通过严格设计的随机对照试验来验证。

8 结论 本研究通过实证验证了关键心理因素（动机、自我效能和心理韧性）与年轻学生学习参与度之间的显著正相关关系，并将这些关系置于“拓展与构建理论”的理论框架内。研究结果表明，这些心理资源的提升与学习参与度呈正相关，而且可能通过扩展认知和行为范围以及培养持久性的个人资源而带来间接收益，这与该理论的观点一致。因此，提高参与度可能是与学业表现改善相关的潜在中介因素。这些结果为设计针对这些心理因素的系统化、基于证据的干预措施提供了坚实的理论基础。通过整合专门的培训计划来培养积极的情绪和认知资源，教育工作者可以促进学生更积极、更持久地参与学习活动，从而将参与度作为实现优化教育成果的有效途径。这一证据强调了将心理支持系统地整合到教育策略中的重要性，以解决学术成就的核心心理社会相关因素。鉴于所包含研究的横断面性质，所有报告的关系都应被视为相关性而非因果关系。未来的纵向和实验研究对于确定因果方向并通过随机对照试验验证干预措施的有效性是必要的。