网络自我调节学习量表（QSLQ）全解析：题项、计分与应用.docxVIP

网络自我调节学习量表（QSLQ）全解析：题项、计分与应用

网络自我调节学习量表（OnlineSelf-RegulatedLearningQuestionnaire，简称QSLQ/OSLQ）由Barnard等人于2008年编制，是国际公认的在线学习自我调节能力评估工具。该量表聚焦个体在网络环境中主动规划、监控与调整学习行为的能力，通过多维度题项实现精准测量，广泛应用于教育研究、教学评估等场景。

一、量表核心基础信息

1.编制背景与理论依据

随着在线教育与混合式学习的普及，传统学习自我调节量表难以适配网络环境的特殊性（如信息干扰、自主安排需求高）。QSLQ基于班杜拉社会学习理论与齐默尔曼自我调节学习模型，针对性构建网络场景下的测量维度，填补了在线学习自我调节评估的空白。

2.基本结构

QSLQ包含24个题项，采用5点李克特计分法（1=完全不符合，5=完全符合），涵盖6个核心维度，全面覆盖网络学习的全流程管理能力：

目标设定：聚焦学习目标的制定与质量标准把控

环境构建：侧重学习场景的选择与干扰排除

任务策略：关注网络学习中的具体方法与技巧应用

时间管理：体现学习时间的规划与分配能力

寻求帮助：反映获取学习支持的主动性与途径

自我评价：强调学习效果的自我检测与反思

二、完整题项与维度划分

1.目标设定（5题）

我对自己的网络学习任务设定学习标准。

我制定短期（每日或每周）和长期（每月或每学期）的网络学习目标。

我保持高标准（质量）的网络学习。

我制定目标去帮助我管理网络学习时间。

不会因为是网络学习而降低自己的学习质量。

2.环境构建（4题）

为了避免分散太多的注意力，我会选择学习所需的场所。

我找一个舒适的场所进行网络学习。

我清楚我能进行最有效网络学习的地方是哪里。

我会选择一个不会（或者很少）分散注意力的时间进行网络学习。

3.任务策略（4题）

网络学习时我试着做更完整的笔记，因为网络学习中的笔记比传统学习中的更重要。

我会大声地朗读网络学习材料以避免分散注意力。

在进入论坛或聊天室进行讨论和交流前我会准备好我的问题。

网络学习中我会完成一些非指定的额外内容来掌握课程。

4.时间管理（3题）

我知道网络学习费时，所以我分配额外更多的时间进行网络学习。

我试着规划每天（或每周）的学习时间并遵循这个规划进行网络学习。

尽管每天必须参加课堂学习，我还是尽量把每天的学习时间均匀地分配给网络学习。

5.寻求帮助（4题）

当需要帮助的时候我会找对课程内容比较博学的同学进行咨询。

我与线上的同学分享自己的问题以便于知道是否可以一起努力攻克和解决。

如果有需要的话，我试着与同学进行线下面对面的交流以解决网络学习中的问题。

我坚持通过E-Mail从老师那里获得网络学习的帮助。

6.自我评价（4题）

我对网络学习进行总结来测试对已学内容的理解程度。

当进行网络学习时，我问自己很多有关课程学习材料的问题。

我通过与同学交流发现自己在网络学习中的学习表现如何。

我通过与同学交流发现自己在网络学习中学到的和他们学到的有什么不同。

三、计分方法与结果解读

1.基础计分规则

（1）粗分计算

各维度粗分=该维度所有题项得分之和÷题项数量（如“目标设定”维度粗分=（题1+题2+题3+题4+题5）÷5）。量表总粗分=6个维度粗分之和÷6，反映整体网络自我调节水平。

（2）标准化计分（可选）

为便于不同研究间的结果对比，可采用极差化方法将粗分转化为0-100的标准分，公式为：

标准分=（粗分-1）÷4×100

（注：5点计分法的得分全距为4，即5-1=4）

2.结果等级划分

结合量表特性与应用经验，可将得分划分为三个等级：

低水平（1.0-2.5分）：自我调节能力薄弱，需外部引导（如教师制定学习计划、提供环境建议）

中等水平（2.6-3.9分）：具备基础调节能力，但在策略性与主动性上需提升

高水平（4.0-5.0分）：自我调节能力优秀，能高效适应网络学习环境

四、信效度与适用场景

1.psychometric特性

信度：量表整体Cronbachsα系数达0.90，各维度α系数在0.75-0.88之间，表明内部一致性极佳

效度：通过验证性因子分析证实6维度结构稳定，且与学业成绩（如GPA）呈显著正相关，效标关联效度良好

跨场景适用性：在纯在线课程与混合式学习场景中均表现出稳定的测量性能

2.主要应用场景

（1）教育研究领域

比较不同群体（如本科生/研究生、不同专业）的网络学习自我调节差异

分析自我调节能力与在线学习效果（如课程完成率、成绩）的因果关系

评估在线教学干预措施（如自我调节培训）的