学习动机和成绩对职业生涯规划的作用探析

　　摘    要：　本文旨在通过测试大学生对于学习动机自我诊断能力、职业成熟度及收集和学业成绩的系统分析, 研究大学生的学习动机和学业成绩对其职业生涯规划所产生的影响。采用特征选取和线性回归相结合的方法得出学习动机、学业成绩分别单独和共同作用下对职业生涯规划所产生的不同影响机制。

　　关键词：　学习动机; 学习成绩; 职业规划;

　　Abstract：　The purpose of this paper is to study the impact of undergraduates' learning motivation and academic performance on their career planning by analyzing the data of motivation, career maturity and academic achievement.The methods of feature selection and linear regression are used to obtain the different impact mechanism of learning motivation and academic achievement separately and jointly on career planning.

　　Keyword：　learning motivation; academic achievement; career planning;

　　1、 前言

　　学习动机是指引发与维持学生的学习行为, 并使之指向一定学业目标的一种动力倾向, 是直接推动学生进行学习的一种内部动力, 更是激励和指引学生进行学习的一种需要。已有的研究结果表明, 大学生职业生涯规划也是影响学习动机的一个重要因素。由此可见, 学习动机与职业生涯规划之间存在着何种关系, 学业成绩的高低能否对大学生的职业生涯规划产生不同的影响, 职业生涯规划分别与学习动机、学业成绩之间有着什么样的关系, 能否运用其中的影响机制来开展大学生的职业生涯规划教育, 使大学生确立和端正学习动机, 从而促进学习活动的驱动力, 最终达到提高学业成绩的效果。这些都是有待讨论和探索的重要问题。

　　2、 研究方法

　　本研究选择文、理、工、艺术四类学科学生, 采取调查问卷调查学习动机和职业成熟度, 男女比例保持1:1, 全面调查在校大学生的学习动机和职业生涯规划情况。采用宋专茂编制的《大学生学习动机问题自我诊断测试》检测学习动机, 采用刘利敏编制的《大学生职业成熟度问卷》调查职业成熟度, 学业成绩按照学年的加权平均分计算。

　　采用线性回归的方法来反映学习动机、学业成绩对学生职业规划的不同影响机制。特征选取的目的是选取自变量和目标变量, 比如学业成绩和学习动机有关联的自变量和职业生涯规划这一因变量。然后运用线性回归分析得出的自变量和因变量之间的关系, 给出合理的拟合关系式应用此方法得出的有关模型, 来对现阶段学生对未来职业的规划情况进行及时预测, 从而根据预测结果对已显示出职业规划不明确的学生进行及时的教育, 从而做到提早矫正学生的观念, 最终实现让更多的学生拥有明确职业生涯规划的这一学风建设目标。其主要流程如图1所示:

　　图1 数据处理流程

　　x表示不同的自变量, 如学生的学习成绩和学习动机, y表示目标变量职业规划。通过在大量的训练集上进行学习, 得出自变量和目标变量的拟合关系。

　　3、 研究结论

　　3.1、 目标变量的选取

　　将职业规划确立为目标变量, 此变量是由前期调研过程中, 收集统计到的作为样本的部分大学生所填写的大学生职业问卷调查表的不同分数值所组成 (分值越高表明职业认知度越高) , 用y表示。

　　3.2、 自变量的选取

　　图2 学习成绩, 学习动机与职业规划的分布图

　　学习成绩和学习动机均为自变量。学习成绩这一变量用x1来表示, 学习动机这一变量用x2来表示, 它是由研究过程中收集的不同受访大学生填写的调查问卷所得出的不同结果量化数字所组成, 其中分值越大表明学习动机越弱。

　　3.3、 目标变量和自变量之间的相关性

　　选取两个自变量之后进行特征选取, 分析它们和目标变量之间是否存在一定的相关性。

　　如图2所示, 通过自变量与目标变量之间变量变化关系的分布图, 我们可以清楚地看出学习成绩和学习动机分别对职业规划呈现出正相关和负相关。其中正相关表明学生对自身的职业规划明确度会随着学习成绩的提高而上升, 反之学习成绩越差的学生对自己的职业规划就越不明确, 甚至有可能呈现出消极状态;负相关表明学生的职业规划明确度会随着学习动机的提高而下降, 即学习动机越强, 学生对自身的职业规划明确度就越低, 反之学习动机越弱, 学生对自身的职业规划明确度就越高。

　　为了更加精确地通过数字计算来具体表现两个自变量和目标变量之间的相关性, 我们采用皮尔森相关系数Pearson's correlation coefficient来进行计算。其计算公式如下:

　　其中, n表示训练集样本大小, xi表示自变量i=1, 2, x'、y'表示样本中自变量因变量的平均值。通过样本计算, 我们得出r (x1, y) =0.08824, r (x1, x1) =-0.2025。计算表明选取的两个自变量和目标变量均存在相关性, 即学生的学习成绩和学习动机对学生的职业生涯规划都有一定的影响, 属于有效变量。

　　3.4、 线性回归

　　在此基础上为了进一步确定两个自变量在共同作用下对职业生涯规划的影响机制, 我们假设两个自变量和目标变量服从线性关系, 即y=a*x1+b*x2+c。之后采用双变量的线性回归进行计算, 得出a、b、c三个参数的拟合值

　　最终通过计算得出:a=0.045, b=-0.621, c=88.923。

　　从而得出此线性方程的方程式为:y=0.045*x1-0.621*x2+88.923。

　　3.5、 模型准确性验证

　　为了检测得出的线性方程的有效性, 我们将样本数据集合分为训练集合和测试集合。在此项目中, 我们随机选取其中80%的数据作为训练集合, 在此集合基础上进行线性回归分析, 得出训练模型。并在剩余20%的数据上进行测试, 这里我们引入误差error来衡量模型的准确性。计算出模型预测的职业规划值和真实职业规划之间的误差来衡量模型的准确性, 进而分析所提出方案的有效性。

　　其中m表示测试集中的样本个数, ytrue表示样本的真实结果, yperd表示通过我们的模型的预测结果。计算结果显示表明我们的模型的预测结果和真实值的误差只有0.09, 表明可以通过此线性方程来预测学生职业规划程度的相对大小。

　　在此方程中代入两个因变量学习成绩x1和学习动机x2的值, 就可以得到与之相对应的目标变量y的值, 从而做到通过直观和快速的简单数学运算, 以数值大小作为衡量标准, 将职业生涯规划这一抽象概念具体化, 更科学和及时地预测出学生对其职业生涯规划的明确度。

　　3.6、 预测案例

　　通过模型的准确性分析, 表明我们的模型在预测学生职业规划中具有有效性。在此我们做一个预测分析, 通过假设的自变量数值计算出目标变量学生职业规划的相对数值, 从而判定出这名学生是否需要接受有关教育。

　　我们假设已知某一学生的学习成绩x1为75.89, 学习动机x2为4, 那么我们可以通过将自编自变量x1和x2代入到方程y=0.045*x1-0.621*x2+88.923中, 得出其职业规划y的数值为:0.045*75.89+0.621*4+88.923=94.82205。据此结果数值显示, 表明该学生具有良好的职业规划, 不需要进行专门的教育来促使其对自身职业生涯进行规划。

　　由此可见, 通过公式计算出职业规划的数值, 让指导教师能及时掌握不同学生的情况, 并根据数值大小对于数值较低的学生及时进行职业规划教育具有很强指导意义。此方法的合理运用不仅能够对学生今后进入职场实现自我价值奠定坚实而又有力的基础, 同时也会对高校的学风建设工作起到积极的推动作用。

　　参考文献：

　　[1]谷青芳, 刘晓英.护理本科生学习动机与学业成绩相关性研究[J].护理研究, 2009 (4) :283.
　　[2]孙晓微.基于服务视角下大学生职业生涯规划发展的路径研究[J].山西青年, 2016.
　　[3]廖磊.从职业生涯规划谈“90后”大学生学习动机的激发与培养[J].当代教育实践与教学研究, 2015.
　　[4]程利娜.职业生涯规划对大学生学习动机的影响研究[J].黑龙江教育学院学报, 2012 (11) .