预测青少年数学焦虑的因素：结构方程模型方法

这篇论文探讨了数学焦虑（Mathematics Anxiety, MA）在孟加拉国中学生中的复杂影响因素。研究采用了一种定量研究方法，通过分析多个潜在变量之间的关系，揭示了影响数学焦虑的关键因素。

研究背景与目的

论文的主要目的是揭示影响孟加拉国中学生数学焦虑的因素。研究指出，负面的过去经历、教师支持的缺乏、以及认知挑战（如工作记忆困难）是显著的影响因素。此外，低自我效能感、负面态度和考试焦虑也被认为是加剧数学焦虑的因素。这些因素共同作用，削弱了学生在数学学习中的动机和表现。

方法与数据

研究样本包括来自89所学校的486名中学生，其中64.2%为男性，35.8%为女性。大多数参与者年龄在13至15岁之间。研究通过**部分最小二乘结构方程模型（PLS-SEM）**进行数据分析，这是一种用于估计结构模型（内模型）和测量模型（外模型）的方差分析技术。PLS-SEM因其在探索性研究中处理复杂关系的灵活性而被选用。

伦理考虑

研究获得了联合国际大学伦理审查委员会的批准，并确保所有参与者及其监护人签署了知情同意书。研究过程中采取了严格措施以保护参与者的数据隐私和保密性。

结果与分析

人口统计信息

研究发现，参与者中有41.4%经历了高水平的数学焦虑，47.5%为中等水平，11.1%为低水平。女性学生的数学焦虑水平显著高于男性，平均得分为15.17，而男性为12.34。

测量模型评估

研究首先评估了测量模型的内部一致性可靠性、收敛效度和区分效度。内部一致性通过复合可靠性进行评估，所有构念的复合可靠性均超过了0.60的推荐阈值，表明测量模型具有足够的内部一致性。收敛效度通过平均方差提取（AVE）和外部负荷进行评估，所有构念的AVE均超过0.5，表明每个构念解释了其项目方差的50%以上。区分效度通过异质特质-单质特质比率（HTMT）和Fornell-Larcker标准进行评估，结果支持了区分效度的存在。

结构模型评估

在确认测量模型的有效性和可靠性后，研究评估了结构模型的预测能力和构念之间的关系。通过路径系数的评估，研究发现教师支持和过去经历对学生的自我效能感有显著影响。此外，自我效能感对负面态度、考试焦虑和数学焦虑也有显著的直接影响。

讨论与结论

研究揭示了影响数学焦虑的多重因素，并建议通过加强教师培训、专业发展以及在课程中整合数学的实际应用来解决这些问题。此外，支持有认知挑战的学生和建立全面的支持系统对于缓解数学焦虑至关重要。通过实施这些建议，教育当局可以更好地支持学生，提高他们的数学学习体验，并最终提升他们在数学方面的表现。

贡献与局限

论文的贡献在于揭示了影响数学焦虑的复杂因素，并为教育政策的制定提供了实证支持。然而，研究也存在一些局限性，如自我报告测量可能引入偏差，缺乏客观的认知评估，以及研究设计的横截面性质限制了对因素关系的全面理解。未来的研究建议包括进行纵向研究和多层次结构方程模型设计，以增强对这些关系的理解和普遍性。

资金与致谢

研究得到了联合国际大学高级研究所的资助，并感谢孟加拉国数字教育研究有限公司的支持。

通过这篇论文，研究者们为理解和解决数学焦虑提供了新的视角和方法，强调了多因素综合干预的重要性。