少儿英语学习成绩的重要性毋庸置疑，它决定着你能否进入好的大学、找到好的工作、改变你的人生轨迹，因此也有大量的心理学研究致力于找到影响成绩的核心要素，结论主要是聪明加勤奋就能取得好成绩。本文在前人基础上进一步综合分析，发现还有第三个核心要素：好奇心。综合已有的实验数据，导出相关性矩阵，并建立一系列路径模型分析，发现以下四点：

 

 

1.  聪明 依然是影响成绩的最大要素

2.  聪明 对成绩的作用并不受性格特质的影响

3.  聪明、勤奋 （用大五人格模型中的尽责性 数值来代表），以及好奇心 （用TIE典型智力活动参与倾向 数值来代表）这三个要素都对成绩有着直接影响，并且三个要素之间也相互影响

4.  好奇心与勤奋加起来对于成绩的作用，不亚于聪明 的影响。总之，好奇心 是取得好成绩的关键要素之一。

 

 

好奇心是智慧富有活力的最持久、最可靠的特征之一。

塞缪尔约翰逊（1750）

教育体系是残酷的原始丛林，想要晋升到更高层级，成绩就是你的通行证。不管在中小学还是大学，大家都认为成绩代表着一个人的智力水平和性格特征，好学生肯定是既有能力又能努力的，他们的认知能力强，自律性高，所以聪明 和勤奋 是带来好成绩的关键。可是，人们往往忽视了还有一个关键因素：好奇心。

本文我们首先回顾一下学习成绩在教育和职业生涯中的社会性作用，再讨论分析现有研究中作为能力因素的聪明 和非能力因素的勤奋 在学习成绩中扮演的角色，接着对前人多项研究的数据进行统合分析，得出新的理论解释说明了好奇心 对学业的帮助，以及它和聪明与勤奋的关系。

学习成绩为啥这么重要？

19世纪下半叶，工业革命带来大量专业化的工作岗位。欧洲和美国纷纷开展义务教育，将普罗大众培训为产业工人以满足经济的需求。对任职资格的要求打破了固化的社会阶层，一个平民子弟也可以借助学习中展现的能力与技术获得好的职业，而不会被出身背景所限制。

一战之前，大部分人小学毕业以后就参加工作了，哈佛、耶鲁这样的常青藤联盟顶尖大学竟也招不满人，只要简单申请就可以入学。可为了提高职业竞争力，越来越多人寻求接受高等教育，大学也渐渐抬高了门槛来筛选新生。于是学习成绩就成为进入好学校、找到好工作的敲门砖了。直至今天，成绩依然被看作一个人天赋的象征，关系到后续的职业生涯与社会成就，它也催生了心理学领域最知名的工具 之一：智力测试。

学习成绩与智力：优秀的标准？

对人类的智力研究刚诞生时，该领域的奠基人弗朗西斯 高尔顿便认为学习成绩能代表个体的智力水平：

这世界上难道还有什么更可靠的证据，能比剑桥大学里的考试成绩更能代表一个人的智力水平呢？（高尔顿，1896）

正因为大家都认为学习成绩最能够代表个体的智力水平，分数便成为了衡量聪明程度的标准。事实上，近代第一个智力测试（西奥多 西蒙和阿尔弗雷德 比奈发明）就是用于区分小学生适应教学课程的程度，预测他们的学习成绩。后来类似的测试也一直被教育成效所证实，认为它们能够代表人的智力水平。如果有某个智力测试结果与学习成绩不相符，被怀疑的也是那个智力测试本身，说明它的测试不准确。

现在，大量的实证研究也证明了这一事实，大体上智商测试得分与学习成绩是正相关的，相关系数高达0.81 （相关系数从0到1，越接近1越相关）。不过，在同一时间点采集所有样本数据的横截面研究中，相关系数降到了0.5以下。在不同的受教育阶层中，智力与成绩的关系也不尽相同。受教育程度越高，两者的相关性越低。这也很容易理解，比如在校研究生都是经过考研筛选进来的，聪明程度差不多的情况下，勤奋的人自然成绩更高。由此延伸出去，最近的不少研究认为学习成绩也受到性格因素的影响。

智力以外的因素：是性格决定命（cheng）运（ji）吗？

智力依然是影响成绩的主要因素，不过现在的研究也揭示了性格品质的重大影响，尤其是坚韧不拔与勤奋努力。有研究（Chamorro-Premuzic 和Furnham）发现在一流大学的学生成绩中，勤奋 比聪明 更重要，前者的影响水平是后者的4倍，与我们刚才关于同一受教育阶层中智力影响因素下降的推断是一致的。

我做得到，不代表我喜欢这么做

能做，与想做，这是两码事。前者是能力特征，可以通过测量一个人的最高得分来衡量，分数越高则能力值越高。后者是非能力特征，可以用行为倾向测试来评估，分数越高这个人越愿意做这件事情。近期的实验室研究（Klehe 和 Anderson）证明了行为倾向更能代表一个人的非能力特征，包括个人的自我胜任感、努力的方向、努力的程度等，这比测量其最高得分更有效。相反，陈述性知识、操作技巧等能力特征更适合用最高得分法来测算（Klehe 和 Anderson）。因此选择哪种方法来衡量，与命题背景是息息相关的。

在教育领域，对学习效果的评价既适用最高得分法，也适用于行为倾向测试。比如在考试中，学生需要在规定时间内解题，以证明他们的学习效果。考试形式本身是采用最高得分法，但学生的复习深度与广度也对分数影响也很大，这又与行为倾向相关。确切说，由于认知能力特征只体现个人的最高水平而不是平时发挥水准，行为倾向的非能力特征反而是更有意义的成绩判定因素。

勤奋扮演的角色

上个世纪90年代以来，学界公认最好的性格分类模型是大五人格模型 ，模型中提出了五大性格维度：外倾性（extraversion）、神经质（neuroticism）、开放性（openness）、宜人性 (agreeableness)、尽责性（conscientiousness）。尽责性高的人一般自律性很强，工作努力认真，本文中且称之为勤奋 。

以上几个性格维度中，勤奋 对于大学生的学业成绩以及职场人士的工作表现都有促进作用，这已经被大量研究证实了。勤奋 本身又包含六个子维度，分别是自我胜任感（competence）、条理性（order）、责任感（dutifulness）、追求成就（achievementstriving）、自律（self-discipline）、审慎（deliberation），这些子维度暗示了一个人能否持之以恒、尽职尽责、积跬步致千里，具备这些优秀品质自然能获得更好的学业职业成就。近几年的一些统合分析（即对同课题的诸多研究结果进行数据统计的二次分析）研究发现，勤奋 品质与学习成绩的相关系数介于0.23到0.27之间，证明了勤奋 对于学习成绩的正面作用。

而聪明 呢，它与勤奋 大体上是相互独立的，甚至有些研究发现聪明 对勤奋 有微小的副作用。对此有种解释，不聪明的人不得不笨鸟先飞，更加勤奋，而聪明的人即便稍微懒惰些，依然可以达到同样的表现水平。按此理论，聪明 与勤奋 构成了一个影响学习成绩的相互制约的中介模型，在这个模型中聪明 会直接提高学习成绩，同时聪明 也会降低勤奋 程度，从而间接地降低学习成绩，因此聪明 是一柄双刃剑。那么在影响学习成绩这件事上，聪明 与勤奋 真的有交叉作用，还是各自独立呢，目前还没有确凿的答案。

聪明加勤奋还有呢？

发展心理学认为智力分为两部分，液态的和晶态的。液态智力是一个人生来就能进行智力活动的能力，如对关系的认识，类比、演绎推理能力等，它依赖于先天的秉赋而晶态智力则是一个人通过其液态智力所学到的并得到完善的能力，是后天的生活环境和教育条件下形成的，犹如晶体一样不断自我增长，它与知识文化和经验的积累有直接关系。可见知识和经验的增长有赖于一个人不断运用他的理性能力，这种行为倾向被称为用脑偏好 ，决定了人们何时何地用何种方式来运用自己的智力。用脑偏好 解释了人们追求学习机会的多样性，有的人喜欢逛博物馆和艺术画廊，有的人喜欢解谜，有的人则阅读报纸。在哈耶斯（Hayes,1962)看来，人们智力上的分别恰恰来自于这些偏好的差异，与其说是智力的区别，不如说是学习爱好的区别 ，并认为普适智力 是不存在的，不能把人的智力看作单一、一维的数值，更别说用这个数值去概括各种认知能力了。虽然这观点是比较激进的，但学习动机显然会影响到实践技巧的掌握程度。

在很多心理学著作中，都认为不同个体追求智力活动的用脑偏好与他们心理上的差异是相关的，并提取出相应的理论解释。这种 用脑偏好显然与 好奇心是相似的属性，不过现有文献尚未明确将两者挂钩起来。

用脑偏好与好奇心

历史上，对于 好奇心的定义一直在演变：休谟（1777/1888）把好奇心归纳为一种对知识的热爱，它是源于了解自身周边环境与事物的永无止境的渴望。伯莱茵（1954）进一步把好奇心分为认知性好奇与感知性好奇。认知性好奇指的是个体主动获取知识、辨清事实、参与智力活动的求知心 。感知性好奇则是追求接受新鲜的视觉、听觉、触觉刺激的体验感 。再后来，莱特曼等人发展出与之匹配的心理学测量表来测量这两种好奇心的程度。其中认知性好奇与智力上的用脑偏好很类似，它们都是描述对获取知识的渴望之心。例如，卡西奥普和佩悌（1982）等人为了衡量个体有多么乐于思考，提出了认知需求测量表 ，测量出从厌恶认知者 到乐于认知者 的不同程度。再后来，戈夫和阿克曼（1992）提出了典型智力活动参与倾向测量表 （后文简称TIE，我们的分析会用到），来测量一个人对于理解身边环境、解决复杂的智力问题的倾向。实践证明，TIE适用于测量受教育阶层较高的人群。这些人已经过层层筛选，因此智力上的最高得分法已经失效了，应采用TIE这样的行为倾向测试。

不管是认知需求 、认知性好奇 还是TIE，它们都代表特定的用脑偏好，这种偏好在于不断寻求机会去探索未知、参与了解、享受其中，也就是智力上的好奇心。对这种好奇心的各种测量表彼此很难分辨，一点也不奇怪，根本就是一回事。从语义学角度讲，这些用脑偏好都与学习成绩有着中等程度的关联关系，同时都与智力表现保持中等偏弱的关联关系。换句话说，用脑偏好 和好奇心 描述的是同一维度的属性，是彼此可以互换的同义词。

用脑偏好与开放性

大五人格模型中，开放性 是与用脑偏好 很类似的概念，它包含六个子维度：想象力（fantasy）、审美（aesthetics）、情绪感知（feelings）、尝试新事物（actions）、求知思辨（ideas）、挑战传统（values），也与普适智力 和领域知识 的概念相关。有种说法认为聪明人更擅长理解复杂的信息、应对崭新的体验，所以他们心态更加开放，更容易获取新知识。反过来，不够聪明的人则更难应对智力挑战，因此心态比较封闭，更偏好常态化的例行公事。（当然世事无绝对，聪明人也有心态封闭、教条主义的）。可是有三份统合分析研究都表明，开放性 与学习成绩的相关性仅为0.06到0.13之间，说明开放性 对学习成绩的作用微乎其微。

一系列实证研究发现，开放性 的六个子维度又可以分成几组，一组是理性相关的，主要是求知思辨 这个维度，另一组是感性相关的，包括了想象力 、审美 、情绪感知 、尝试新事物 这几个与艺术和感受相关的维度，同时挑战传统 又另成一派。在2009年的一项实验中，对华盛顿地区的104个实验对象进行核磁共振扫描，观察大脑对某些特定刺激的响应。结果显示理性相关的子维度与人体神经系统中的工作记忆 区域相关，而感性相关的子维度则不相关，证明大五人格的开放性 至少是由两组不同的属性构成的。

这种开放性 的二元构成论，也得到了行为遗传学的支持。有一项研究分析了754个家庭的遗传数据，发现有一种遗传因子和智力、学习成绩、以及开放性 的几个子维度（求知思辨 和挑战传统 ）相关，这是理性维度同时另一种遗传因子和想象力 、审美 、情绪感知 、尝试新事物 相关，这是感性维度前者比后者更能通过遗传来影响一个人的智力和学习成绩。这说明了为什么实证研究结果中开放性 对学习成绩的影响微乎其微，这是由于开放性 中混杂了无关的子维度，先前的研究都没有把这些子维度分离出来，而是一锅端地分析，得出弱相关的结论。所以后续研究中应该把真正属于好奇心的子维度分离出来测试。

对好奇心的研究

截至目前，已有的研究基本没有涉及智力上的好奇心 属性，而我们认为这一属性恰恰属于影响学习成绩的核心因素。本研究中我们通过实证分析方法，将之与大五人格的开放性 、勤奋 及学习成绩联系在一起，编排了统合分析的矩阵，构成了一系列路径模型。其中部分数据来自于已有文献中关于学习成绩、智力、开放性 和勤奋 品质的统计数据。而好奇心 方面，已有的统合分析文献中并没有直接统计这种属性的，所以我们选取TIE测度作为好奇心 的分值来构建了四个新的统合分析模型。毕竟，TIE是智力、人格和学习成绩的研究领域中最常用的用脑偏好 测量尺度，比同类的认知需求 或认知性好奇 的更常见。

 

 

下面简单介绍本研究的思路与方法，对详细步骤有兴趣的读者可以参阅原文的附录部分。

如何将好奇心量化

为获得基础数据，我们在PsychINFO数据库里检索大尺度的统合分析文献，这些文献都统计分析了学习成绩、智力以及大五人格中的勤奋 与开放性 这些变量间的相关关系，最后找到了三个非常棒的研究数据集（Kuncel,2004;Judge,Jackson,Shaw,ScottandRich,2007;Poropat,2009)，我们从中提取了一些相关性数据，以组成本次分析的相关性矩阵。关于这些原始文献的细节，也可以参阅原文的附录。

对于TIE，目前并没有现成的统合分析研究成果，因此我们构建了4个新的相关性分析，来辨明TIE与学习成绩 、聪明 、勤奋 和开放性 这四个要素的相关性。数据的来源还是靠数据库检索，我们分别在PsychINFO和ERIC里以检索了TIE相关的文献，剔除了缺乏实际数据、缺乏相关分析以及数据陈旧的文章，并对认真浏览了这些研究的引用文献，一共筛选出11个有效的研究成果（见表1）。它们的数据属性相对一致（都采用了相同的TIE测试，使用的学生样本的显著性也都够高，都使用了大五人格模型中的勤奋 与开放性 量表，都用普适智力 或智商测试来测量聪明 程度，都以GPA分数或类似的综合成绩来衡量学习成绩 ），因此具有可比性。我们矫正样本数据和测量误差后，采用随机效应模型方式进行了统合分析。

 

 TIE统合分析的结果

如表2所示，与TIE相关性最高的是开放性 （相关系数=0.64），其次是学习成绩 （ 0.33）。勤奋 （0.28）及智力 （0.22）与TIE的相关性较低。

 

 

学习成绩的影响因素模型

针对影响学习成绩的因素，我们构建了五个路径分析模型，并用 2卡方检验对它们的显著性进行评价，具体方法包括CFI（ComparativeFitIndex）、TLI（Tucker-LewisIndex）和RMSEA。判断一个模型可信，CFI数值要达到0.90以上，TLI要达到0.95以上，而RMSEA要达到0.08以下。

 

 

 

0号模型中，假设各个要素都互相影响，并且所有因素都对学习成绩有直接影响。可是数据评价出来，这个模型是无效的，自由度为零，  2也为零，几种评价模型都无法计算。0号模型中开放性 与其它要素都没有相关性，却对学习成绩 有着副作用（-0.26），因此后续的模型中不再考虑开放性 这一因素。

1号模型中，TIE和勤奋 成为中间因素，聪明 是通过这两个因素间接地影响到学习成绩。这个模型的评价结果也不好，它实际上是0号模型的改进版，只是取消了TIE和勤奋 这两个中间因素的相互影响，略微改善了模型评价分数，但还没到可以被现实接受的程度。

3号模型假设聪明 同时具有两种影响力，既能直接影响到学习成绩 ，也能以TIE和勤奋 为中介去间接影响成绩。评价结果惨不忍睹，不符合数据中体现的规律。

看来性格特征应该属于影响学习成绩的直接因素，而不是中间因素，因此我们构建了4号模型，假设聪明 、勤奋 和TIE都是影响学习成绩的直接因素，同时这三个因素之间也有互相关联，虽然聪明 与勤奋 之间并没有显著的相关性，但各变量对学习成绩 的影响程度达到25.7%，总体效果是可接受的（图3b）。该模型中各条影响路径的显著性均处于P<0.01水平，在统计学上极为显著。TIE与聪明 的相关性达到0.23，与勤奋 达到0.29，我们把这些变量之间的相互强化作用排除后，聪明 依然是对学习成绩 影响最大的变量，其权重达到0.35，TIE和勤奋 紧随其后，权重均为0.20。

 

 

学习成绩 三核心：聪明、勤奋以及好奇

影响学习成绩的核心因素是什么，早期研究公认是聪明 和勤奋 双核驱动，此外的其它因素并没有得到足够的关注，尤其是好奇心。现在很明显，好奇心正是第三个重要的核心因素。我们通过四个统合分析确认了TIE所代表的好奇心与学习成绩、聪明、勤奋和开放性的相关性，并进一步构建了学习成绩的路径模型，揭示了这些心理学因素对学习成绩推动作用的大小。

前人的研究已经表明，大五人格开放性 与TIE有着41%的重合度，两者的主要区别在于它们与学习成绩与聪明的相关性。TIE与两者都相关，前者的相关性略微高于后者。开放性 则不一样，它与聪明 非常相关，而与学习成绩 几乎不相干。同时，在勤奋 这个因素上，TIE也比开放性 更相关。

在我们的路径模型中，也可以发现TIE与开放性 的不同。排除其它干扰因素，开放性 对学习成绩是负面作用，而TIE则是正面作用。

这种奇妙的差异，应该是源于开放性 和TIE内涵不同。开放性 包含一系列多样化的子维度，既有好奇心，也有审美、想象力、感知情绪等其它维度。有人（GriffinandHesketh，2004）在开放性 和职业水平的研究中，发现开放性 的子维度应该分为两类，一类是内向体验 ，包括审美、想象力和情绪感知，另一类是外向体验 ，包括尝试新事物、求知思辨、挑战传统。前者显然与学习知识无关，而后者则代表了追求知行合一的努力奋斗。把两者混为一谈，难怪在统计分析中难以体现外向体验 的积极作用，整体数值模棱两可。先前谈过的核磁共振实验也证明了，两种子维度的大脑处理区域本身就不同。

反观TIE，它本来就是设计用来测量求知方面的行为倾向，其定义就是对探索和理解周边世界的渴求 或求知欲 ，代表着持续学习的欲望，以及相应的实践行为。在本文中，我们统一用TIE来指代类似好奇心 的相关概念。TIE水平较高的人，学习热情高、持续性强，所以他们的勤奋 得分很高也就不奇怪了。

我们的研究表明，学习成绩 模型中不存在纯中介作用的中间因素，TIE等几个主要的心理学因素在互相关联影响的同时，都对学习成绩 有着直接的影响作用，其中智力 依然占比最大，可是勤奋与好奇心 的比重加起来也不小，甚至高于智力 。研究结果并没有动摇智力 和勤奋 的核心地位，而是在此基础上证明了好奇心 是重要的第三核心因素。

好奇心：从原始冲动到智力成熟

古希腊的亚里斯多德，古罗马的西塞罗都是伟大的学者，他们认为好奇心是一种强烈的希望获取信息的内心渴求 。类似的，美国心理学家兼哲学家兼教育学鼻祖杜威也说过：

一颗好奇的心会不断追求思想的原料，就像健康的身体汲取营养一样，永不停歇。这种好奇心是真正理解周围事实的唯一保证。

对于好奇心，杜威还提出了一种成长三阶理论。第一个阶段，好奇心萌发于儿童探索周边世界的原始冲动，虽然算不上真正的智力，却是后续联想推理的发展基础。第二个阶段，逐渐融入人与人的社交，激发了儿童十万个为什么 似的好奇心。他们常常提问为什么 ，并非想得到一个科学的解释，而是在练习搜集与处理信息的能力，这正是智力领域好奇心的胚芽。第三个阶段，好奇心的范围超越了原始冲动与社交刺激，开始关注在日常观察与经验积累中发现的问题，成为一种智力意义上的积极力量。就这样，起源于原始冲动的好奇心，发展促成了智力的成熟。

对教育者的启发

发现好奇心 与学习成绩 的关系，对高等教育领域的实践也有着两个重要意义。一方面，激发学生的好奇心能极大地提高他们的学习成绩。杜威评论过：

有些人的好奇心如此强大，坚不可摧，但大部分人却是极易被磨损打平的  或者流失于日复一日的习以为常，或者被轻率地丢弃，或者被严格的教条主义所扼杀。

因此，学校必须尽早激励学生的好奇心，就像奖励他们的聪明和勤奋那样。去奖励那些在课堂上提出尖锐问题的刺头学生（也许老师们会皱起眉头），就像奖励那些写出漂亮论文的勤勉学生一样。毕竟，好奇心得到认可的学生，会深深地满足于校园里的学习体验，而不会沦为杜威口中教条主义的受害者。教育应该为学生打开潜力的大门，而他们内心被激发的好奇心便是打开大门的钥匙。

另一方面，大学的入学筛选机制也应该充分重视好奇心的作用，它不仅代表一个人的能力，还能说明这个人的潜力，它是智力、热情、求知欲与新奇感的融合体，甚至可能影响到一个人的职业表现和终身的认知发展（我们这个研究真该好好扩充下范围，延伸到毕业以后的生活）。

本研究主要数据来源于个人的自我评估，一个人能够主观察觉到的仅仅是显性特征，而无法察觉的隐性特征则没有反映出来，而且也存在谎报瞒报的可能性。当然这些误差不大，不至于影响研究结论，但建议后续研究者多采用一些客观评测手段，比如第三方打分法，或条件推理测试法，形成更准确的结论。

本研究的优缺点

本项研究的最大优点，同时也是其最大的缺点，那就是用统合分析方法得出各因素的相关系数。统合分析这种方法是建立在前人的研究数据上，一方面它的数据源来自于大量相关研究，比较完整而公允，不容易被个别研究放大误差，另一方面它也依赖于早期研究的测量水准，数据质量不可控。由于已有研究中缺乏自信 、性别 、液态智力 、晶态智力 等因素，我们也无法在统合分析中把它们作为影响学习成绩的潜在要素来分析。同样，限于已有数据，我们也只能将大五人格理论中的勤奋 分值作为勤奋品质的代表，忽略了学习动机 、自我胜任感 、成就驱动 、企图心 等类似维度，并忽略了开放性 的其它潜在测量方式。

用统合分析的数据来构建数据模型，也存在三大难题：一是确定合适的样本尺度，二是纠正各数据源的取样误差，三是分析相关性矩阵，而非协方差矩阵。这些因素都会影响模型的拟合指数及参数的标准差，因此对最终结果的解读也需慎重。同时，前期的研究大多缺乏纵向深度，其因果推理有一定的猜测成分，尤其是性格特质与学习成绩 也许是循环交互作用，而不是像路径模型那样简单地由前者指向后者。毕竟常识告诉我们，取得好成绩本身就会形成内在激励，会让一个人更加勤奋，并且激发他的好奇心，这又会带来更好的成绩，形成良性循环。

当然，瑕不掩瑜，本研究确实加深了对学习成绩的理解：成绩受到几个影响因素的共同作用，好奇心 也是其中一个重要因素。好奇心 和勤奋 的权重加起来，可以匹敌聪明 的影响力。不过，这些因素对学习成绩的总体影响只能达到25%左右，其它因素比如学科、社会-经济地位、学习风格、自信等都会对学习成绩有所影响，这些都尚待进一步研究。

结论

传统研究认为聪明 和勤奋 能带来好成绩，除此之外还有一个隐藏的关键因素：好奇心。詹森（1998）说过一个人要取得实际成就，一方面其天生的智力只是道基本门槛，另一方面后天培养的能力以及性格习惯也扮演着关键的作用 。大多数的研究都将之分类为聪明与勤奋 ，并在此框架下进行研究。我们这个研究则发现了更好的解释模型，说明了一份耀眼成绩的背后，有天赋智力，有辛勤汗水，还有一颗求知若渴的心。