论文导读::针对《心理科学》2011年第3期发表的《大学生面众交流恐惧的心理测量学初探》中存在的缺陷,通过理论与实践的深入反思,重新设计、研制了调查中国大学生面众恐惧的调研工具。在我国东、南、西、北、中各大地区随机抽取了17个省(市)共24所高校,用含有79个题项的预测量表进行预测,获得1057个有效预测样本,再将其划分为两组样本,分别进行探索性因素分析和验证性因素分析,研究结果表明:《中国大学生面众交流恐惧调查量表》修订为新的四个维度和32个题项后,更能覆盖大学生面众恐惧现象的各个主要方面,量表具有更高的信效度,更好地达到了心理测量学的要求,四个维度分别是:上台恐惧、面试恐惧、办事恐惧、团组与校外交流恐惧,可作为中国大学生面众交流恐惧的调研工具。
论文关键词:面众恐惧,上台恐惧面试恐惧,办事恐惧,团组与校外交流恐惧,大学生
1 问题的提出
面众恐惧也可称面众交流恐惧,是指个体在与他人进行交际性交流或面对听众、观众进行陈述性交流、伴有思考的发言、回答问题、试教、演讲、面试、办事时,个体缺乏交流自信而表现出的以一种持续的担心、紧张、害怕为基本特征的情绪反应状态,有时还伴随有回避、逃避与他人交流的行为表现。具有面众恐惧的人在面众过程中,如上台面对听众发言、接受面试、回答问题,课堂或会场的讨论、提问、即席发言等,常出现缺乏自信、过度紧张、畏惧、焦虑、心跳加快、脸红、出汗、甚至发抖、言不达意、思维混乱、回忆受阻等现象。过度的面众恐惧对个人的身心健康、人际关系、职业选择和受教育机会等方面有着负面影响(王洪礼、宋志飞,2011)。目前对交流恐惧评定的工具主要来自国外,主要有交往焦虑量表IAS(Leary,1983),社交焦虑量表LSAS(Liebowitz,1987),社交恐惧量表SPS和社会交往焦虑量表SIAS(Mattick、Clarke,1989),交流恐惧自陈量表PRCA-24(McCroskey,1982)以及社交回避与苦恼量表SAD(Watson、Friend,1969)。国内使用较多的社交焦虑量表为交往焦虑量表IAS和社交回避与苦恼量表SAD,而在交流恐惧上使用交流恐惧自陈量表PRCA-24和演说者信心自评量表PRCS较多。国内学者研制的交流恐惧量表较少,主要是赵勇(2004)编制的中国社交焦虑量表和钱铭怡(2005)等编制的大学生社交焦虑量表。
2 研究方法
2.1重新设计预测量表的维度和题项
2.1.1维度研究 从大学生面众恐惧的定义和实际出发,以大学生面众恐惧的主要场合和情景作为维度设计的依据,是我们重新研制大学生面众恐惧调查量表的基本思路。在量表维度的再探讨阶段,在分析相关文献,参照本课题组前期研究和国内外社交恐惧等量表的基础上,确定了大学生面众恐惧的主要维度是上台恐惧、面试恐惧、团组交流恐惧和办事恐惧等几个方面。为了检验预期的构想维度,并获得更多大学生面众恐惧的场景内容,以及保证本研究编制的正式量表题项符合我国大学生的实际情况,编制了大学生面众恐惧的开放式问卷。在某大学一个公选课的班级做开放式调查,得到有效问卷59份。以及编制了大学生面众交流恐惧的半结构化开发式访谈问卷,对16人进行了访谈。
2.1.2编制预测量表 对开放式问卷收集到的大学生面众恐惧的各种场合和情景进行分析归纳整理,以及结合利用半结构化问卷大学生的访谈结果,将大学生面众恐惧量表初步分为8个维度,分别是上台恐惧、面试恐惧、调研恐惧、团组交流恐惧、办事恐惧、校外交流恐惧、交流自信、师长帮助,根据这8个维度共得到147个初始题项。在编制初始维度和具体题项后由1位心理学教授与6位心理学专业的研究生仔细查阅各题项和一起讨论维度的确定,多次讨论结果认为调研恐惧、交流自信和师长帮助三方面不适合作为单独的正式维度。因此,确定了5个维度得到56个题项的量表,将量表题项发送给外省的7位心理学教授评定并请其提出修改意见。然后根据外省7位心理学专家提出的修改意见和使每个题项简洁易懂的原则来增加、删除和修改相关题项,最后将正式预测的量表的题项确定为79个。量表采用Likert5点法记分,即完全不符合为5分,比较符合为4分,不确定为3分,不太符合为2分,完全不符合为1分。
2.2预测中的被试
2.2.1初测被试所涉及的省(市):通过北京、上海、天津、福建、广东、贵州、四川、重庆、云南、湖北、辽宁、吉林、陕西、宁夏、内蒙古、河南、广西等17个省(市)的24所高校的心理学教授主持预测,每所高校预测50人,共收回预测问卷1179份,剔除无效问卷后获得有效预测问卷1057份,有效率为89.65%。将被试按奇偶排序后分成两组,奇数组共529人进行探索性因素分析,偶数组共528人进行验证性因素分析。
2.2.2 重测被试:随机抽取其中4所高校的学生作为重测被试,共153人,剔除无效问卷11份,得到有效问卷共142份。重测间隔时间为一周。
2.3数据处理
采用SPSS 15.0进行数据管理和探索性因素分析,用AMOS 7.0进行验证性因素分析。
3 结果与分析
3.1项目分析
首先进行项目鉴别度分析,将问卷按总分排序,取其前27%作为高分组,后27%作为低分组,然后求出两组被试在每个题项上得分的平均数并进行差异T检验。本研究高低分组的临界点分别为234分和184分,对每个题项进行高低分组的独立样本差异T检验之后,统计结果发现高分组、低分组在所有题项的平均数差异值上都达到了非常显著的水平(P<0.001),说明每个题项的鉴别度都很高,区分度较好,所以暂不删除任何题项。
然后再对每个题项得分与总分进行相关分析,如果个别题项与总分的相关越高,表示题项与整体量表的同质性越高,所要测量的心理特质或潜在行为更为接近(吴明隆,2010)。以每个题项与总分的相关系数未达到显著,或两者为低度相关(相关系数小于0.4)为标准,删除那些与整体量表同质性不高的题项。统计结果表明,有18个题项与总分的相关系数小于0.4,因而予以删除,其余各个题项与总分的相关系数在0.402-0.661之间办事恐惧,且相关系数均达到非常显著的水平,剩下的题项为61个。
3.2探索性因素分析
用奇数组数据对原始量表中剩下的61个题项进行探索性因素分析。首先进行取样适当性检验来检验数据,数据分析得到取样适当性Kaiser-Meyer-Olkin(KM0)值为0.943,Bartlett球形检验值为10119.79,df=946,P<0.000,说明各题项之间有共享因素的可能,适合进行因素分析。
因素分析时以特征值大于1为因素抽取的基本原则,并以总解释率和陡阶检验来确定因素数目。题项删除标准定为:(1)共同度小于0.30;(2)最高载荷小于0.40;(3)交叉载荷大于0.15;(4)此题项明显不同于因素内其他题项的。经过几次探索,又删除17个题项,剩下获得5个显著因素的题项共44个,一共能解释49.421%的变异。5个因素的结构清晰,每个题项均在相应因素上具有较大载荷,处于0.425-0.741之间。但在5个因素中,有两个因素的内容由于交叉而导致这两个因素不能很好命名,是否同时保留这两个因素,取决于后面验证性因素分析的结果。因素结构及其负荷如表1所示
表1 因素负荷
|
因素1
|
因素2
|
因素3
|
因素4
|
因素5
|
C13
|
0.741
|
|
|
|
|
C4
|
0.717
|
|
|
|
|
C12
|
0.707
|
|
|
|
|
C7
|
0.706
|
|
|
|
|
C3
|
0.706
|
|
|
|
|
C6
|
0.700
|
|
|
|
|
C14
|
0.689
|
|
|
|
|
C15
|
0.656
|
|
|
|
|
C2
|
0.651
|
|
|
|
|
C8
|
0.593
|
|
|
|
|
C5
|
0.590
|
|
|
|
|
C10
|
0.504
|
|
|
|
|
B15
|
|
0.632
|
|
|
|
B16
|
|
0.625
|
|
|
|
B17
|
|
0.613
|
|
|
|
B19
|
|
0.612
|
|
|
|
B14
|
|
0.604
|
|
|
|
B13
|
|
0.593
|
|
|
|
B18
|
|
0.591
|
|
|
|
B20
|
|
0.584
|
|
|
|
B2
|
|
0.575
|
|
|
|
B4
|
|
0.524
|
|
|
|
B5
|
|
0.481
|
|
|
|
A11
|
|
|
0.714
|
|
|
A9
|
|
|
0.652
|
|
|
A3
|
|
|
0.624
|
|
|
A2
|
|
|
0.623
|
|
|
A1
|
|
|
0.613
|
|
|
A10
|
|
|
0.576
|
|
|
A14
|
|
|
0.567
|
|
|
A12
|
|
|
0.552
|
|
|
E13
|
|
|
|
0.718
|
|
E12
|
|
|
|
0.702
|
|
E10
|
|
|
|
0.589
|
|
E14
|
|
|
|
0.589
|
|
E8
|
|
|
|
0.566
|
|
E11
|
|
|
|
0.559
|
|
E16
|
|
|
|
0.516
|
|
E3
|
|
|
|
0.425
|
|
A17
|
|
|
|
|
0.728
|
A15
|
|
|
|
|
0.604
|
A8
|
|
|
|
|
0.574
|
A23
|
|
|
|
|
0.515
|
A19
|
|
|
|
|
0.496
|
3.3验证性因素分析
以探索性因素分析得到量表的5因素初始结构模型,以此模型为基础作为初始模型,以偶数组数据采用最大似然法进行验证性因素分析。结果表明5因素初始模型的模型拟合度不高(该模型的各拟合指标见表2中的初始模型),未达到相关要求。根据侯杰泰(2004)等人提出的判断结构方程模型拟合度好坏的标准:χ2/df的值应小于5或越小越好,RMSEA的值小于0.05表示非常好的拟合,CFI,TLI,IFI,GFI,NFI一般都应大于0.90。
表2 验证性因素分析的拟合指标
拟合指数
|
χ2
|
df
|
χ2/df
|
RMSEA
|
CFI
|
TLI
|
IFI
|
GFI
|
NFI
|
初始模型
|
1990.36
|
892
|
2.23
|
0.048
|
0.877
|
0.870
|
0.878
|
0.841
|
0.799
|
修正模型1
|
1179.37
|
619
|
1.905
|
0.041
|
0.920
|
0.914
|
0.921
|
0.888
|
0.847
|
修正模型2
|
706.64
|
399
|
1.771
|
0.038
|
0.943
|
0.938
|
0.944
|
0.915
|
0.879
|
根据AMOS输出结果中的修正指数对初始模型进行修正使模型精简,得到5因素的修正模型1(由37个题项组成),该模型的各项拟合指数见表2中的修正模型1。但是由于修正模型1中的因素四和因素五的相关水平较高,而且两因素中包含的题项内容有交叉,可能表达的是同一个内容,前边探索性因素分析的结果也提到了这两个因素不好命名的问题,因此本研究将这两个因素合二为一,并再次精简相关题项,最后由5因素模型精简提出了4因素模型假设,各项拟合指标见表2中的修正模型2。
1/4 1 2 3 4 下一页 尾页 |