期望与绩效的关系(共12页).doc

精选优质文档-倾情为你奉上期望与绩效的关系: 调节定向的调节作用*姚 琦1 马华维2 乐国安1(1南开大学社会心理学系, 天津 ) (2天津师范大学教育学院心理学系, 天津 )摘 要 经典动机理论认为高期望能提高绩效水平, 本研究结合调节定向理论进一步回答这种效应“何时”存在或“如何”产生的问题。研究1通过测量期望水平、并用任务框架操作调节定向, 检验了情景启动的调节定向对期望与行为间关系的影响; 研究2采取更严格的被试内设计通过任务难度操作期望, 考察了作为个体长期差异的调节定向的作用。结果表明: 调节定向调节成功期望与绩效之间的关系: 对于促进定向, 成功期望与绩效正相关; 对于预防定向, 期望与绩效相关不显著。 动机可以部分解释调节定向与期望的交互作用机制: 高水平的成功期望会提高促进定向个体的动机强度, 进而产生高的绩效结果; 其对预防定向个体的动机强度的影响不显著。关键词 期望; 绩效; 调节定向; 促进定向; 预防定向分类号 B849:C93思考当前行为的未来结果是人类引以为荣的特点, 也是人类能在地球上成功生存的秘密之一。 Carl Sagan (1997)如果我们朝着最好的而非最坏的方向预期, 事情会变得更好。 Peale N V (1952)专心-专注-专业1 问题提出1.1 引言正如Sagan (1997)所言, 产生期望是人类最基本和最重要的心理功能之一。相应的, 期望成为心理学中的重要概念, 并得到研究者的广泛关注, 例如, 有关自我效能期望(即个体能否在相应的情境中表现出某种行为; Bandura, 1997)、结果期望(即某种行为能否产生想要的结果; Bandura, 1997)、一般期望(general expectations, 即某种结果或事件能否出现; Reed, Kemeny, Taylor, & Visscher, 1999)、或概化期望(generalized expectations, 即一般性未来是积极的还是消极的; Scheier & Carver, 1992)等的研究。其中, 期望与行为的关系问题是期望研究的中心议题。经典动机理论认为, 人们对成功的高期望会引发高动机, 进而促进积极结果的产生(如, Atkinson, 1957); 积极心理学也强调乐观、积极的信念, 认为积极的期望能促进绩效、人际成功、幸福和健康(如, Fredrickson, 2006)。是否真的如Peale (1952) 所言, 积极的期望能使事情变得更美好？本研究试图运用调节定向理论(regulatory focus theory; Higgins, 1997), 回答这种效应“何时”存在或“如何”产生的问题。由于人们对与自己相关的事件结果通常表现出乐观偏差(Roese & Sherman, 2007), 本研究主要研究对成功的期望(success expectations), 指个体对自己在一项既定任务中的表现的主观评估(Eccles, 1983), 它同时包含自我效能期望和结果期望的成分, 受任务特征(如, 难度)和个体对能力的自我概念的影响(Dickhäuser & Reinhard, 2006)。本论文思路如下: 首先在梳理期望与绩效关系的研究基础上、结合调节定向理论提出研究假设, 然后通过两个实验分别从暂时调节定向和长期调节定向的角度检验研究假设, 最后指出研究的理论和实践意义及不足。1.2 文献回顾1.2.1 期望与绩效的关系 动机心理学领域的很多研究都展示了成功期望在解释绩效方面的重要性。传统的期望-价值理论认为, 个体在既定任务中的绩效受行为结果的价值和对结果的期望的影响。例如, 当组织成员对任务成功的期望高时, 他们倾向于在完成某项任务过程中表现出更多的坚持, 这种更高水平的坚持会促进积极结果的产生; 相反, 低成功期望会削弱个体的动机水平进而导致不好的结果。Meece, Wigfield和Eccles (1990) 发现, 即使在控制了以往成就之后, 个体对成功的期望仍能预测随后的成就。另外, 关于自我效能期望与绩效的大量研究结果显示, 高期望对绩效有显著促进作用, 并且这种促进作用主要通过影响人们的努力程度和坚持时间来实现(Marshall & Brown, 2004)。近期研究者通过将期望与幻想(fantasy)相区分, 进一步支持了期望与绩效之间的正向相关。研究发现, 期望建立在现实基础上、依赖于过去经验, 是对出现某种结果的可能性的信念(期望判断, expectancy judgment), 积极的期望能预测高水平的努力和成功的绩效; 而幻想较少依赖于现实, 是关于美好未来的认识或心理图像, 它会降低个体的努力水平进而阻碍成功(Oettingen & Mayer, 2002; Oettingen, 2000)。Roese和Sherman (2007) 总结了期望影响绩效的两种主要机制, 这两种机制都与动机有密切联系: 其一, 对个人效能(具备成功的能力)和对结果的积极期望能产生积极情感, 这种积极情感会起到一般性动机的作用, 激励随后的行为; 其次, 精心制定的具体方案能提高执行意图, 进而指导随后行为。有趣的是, 也有些研究结果表明, 消极期望对绩效能产生促进作用。例如, Lewis-Beck (1978) 通过失败反馈引发消极期望, 发现消极期望与绩效的提高存在相关。其他研究也得到了相似结果(Brunstein & Gollwitzer, 1996; Dixon & Baumeister, 1991)。另外, 大多数对期望作用的研究都集中在促进动机, 强调热切(eagerness)策略能促进期望结果的实现。然而, 人们也会设定预防目标, 即, 避免不期望的结果发生。此时, 警戒(vigilance)策略能通过阻止当前情景变得更糟而促进成功。例如, 近些年的研究发现, 人们有时会采取防御性悲观的策略有意降低期望水平, 并通过思考各种可能出现的困难而获得成功(如, McMullen & Markman, 2000)。有关预期后悔的研究也得出了类似结论: 人们会有意地选择更差的结果来避免日后后悔(如, Zeelenberg, 1999)。由此可见, 虽然积极期望能提高绩效、动机是其重要中介变量得已到大量研究结果的支持, 但是有关期望与绩效的关系问题仍然存在分歧。什么时候期望与绩效正相关, 什么时候两者不存在相关或呈负相关？出现上述关系的机制是什么？本研究尝试结合调节定向理论回答这一问题。1.2.2 调节定向理论 个体为达到特定目标会努力改变或控制自己的思想、反应, 这一过程被称为自我调节(Geers, Weiland, Kosbab, Landry, & Helfer, 2005)。调节定向理论区分了两种不同的自我调节方式或倾向 促进定向(promotion focus)和预防定向(prevention focus), 两者既可以受父母教养方式的影响, 表现为一种长期的人格特质; 也可以受情景因素引发而呈现暂时性。不同调节定向在引发因素(即, 输入变量)及产生的心理结果(即, 输出变量)方面存在显著差异(见 Molden, Lee, & Higgins, 2006)。首先, 关怀(nurturance)需要、将理想作为标准、收获/无收获的情景等, 会引发促进定向的自我调节; 安全需要、将应该作为标准、没有损失/损失的情景等, 会引发预防定向的自我调节。需要注意的是, 促进或预防定向的引发因素与效价(valence)没有必然联系。调节定向理论的特点之一就是超越了经典的趋近(积极)-回避(消极)二元性, 不简单区分积极和消极引发因素, 而是强调不同类型的理想目标状态和需要(例如, 回报和没有惩罚、关怀和安全、收获和没有损失)。实际上, 在已有实证研究中, 很多预防定向的启动因素本质上都是积极的(例如, 安全和没有损失等)。因此, 我们不能简单说引发促进定向的因素是积极的或引发预防定向的因素是消极的。其次, 不同调节定向产生不同的心理结果。促进定向对有无积极结果更敏感, 追求实现最高目标(即, 区分积极结果效价和非积极结果效价的目标), 在目标实现过程中倾向于使用热切的动机策略(即, 保证“击中”, 避免“漏报”), 面对结果更多地体验到与喜悦沮丧相关的情绪; 而预防定向对有无消极结果更敏感, 追求实现最低目标(即, 区分消极结果效价和非消极结果效价的目标), 在目标实现过程中倾向于使用警戒的方式(即, 保证“正确拒绝”, 避免“错报”), 面对结果更多地体验到与放松愤怒相关的情绪(De Lange & Knippenberg, 2008)。1.3 研究假设由于期望对行为的影响很大程度上是通过目标设定或动机起作用, 因此, 调节定向可能影响期望的作用。需要指出的是, 由于调节定向理论超越了效价, 积极/消极期望本身不必然与促进/预防定向相关(Seibt & Förster, 2004)。另外, 促进/预防定向是自我调节的重要构成要素, 无绝对优劣之分, 不能独立预测绩效(Molden et al., 2006)。本部分将通过分析调节定向对动机的影响, 推演出调节定向对期望和绩效关系的影响的研究假设。已有关于调节定向与动机关系的实证研究主要集中在绩效反馈领域。例如, Idson和Higgins (2000, 研究3)研究了不同调节定向的个体在接受积极/消极反馈后的反应, 结果发现, 促进定向者在接受成功反馈后体验到的“高兴”程度显著高于预防定向者; 而预防定向者在接受失败反馈后体验到的“紧张”程度显著高于促进定向。研究者进一步得出结论: 实现促进定向目标过程中的热切性, 在成功后得到维持和提高而在失败后降低; 实现预防定向目标过程中的警戒性, 在失败后得到维持和提高而在成功后降低。除此之外, 调节定向还可以在反馈之前影响动机强度。“Goal looms larger effect” (即, 目标越近, 动机越高)是一个很好的例证。Förster和Strack (1998)发现, 随着目标的接近, 在促进定向中, 热切动机水平的提高程度显著高于预防定向; 而在预防定向中, 警戒动机水平的提高显著高于促进定向。后来, 研究者将上述研究进一步推进, 探讨了调节定向对趋近-回避动机的影响。研究结果显示: 成功提高趋近动机水平, 这种效应在促进定向中更可能发生; 失败降低回避动机水平, 这种效应在预防定向中更可能发生(Förster, Grant, Idson, & Higgins, 2001)。综合上述研究成果可知: 在促进定向中, 成功比失败更能维持或提高动机水平; 而在预防定向中恰恰相反, 即, 失败比成功更能维持或提高动机水平。最近研究者又进一步将上述效应扩展到绩效领域, 研究了调节定向对绩效的影响, 结果发现: 积极反馈比消极反馈更能提高促进定向占主导个体的绩效, 而消极反馈比积极反馈更能提高预防定向占主导个体的绩效(Idson & Higgins, 2000; De Brockner, Cremer, Fishman, & Spiegel, 2008)。上述研究都没有直接涉及调节定向对期望作用的影响, 而是集中在结果反馈领域。那么当这种结果没有出现而仅作为一种对未来的信念 期望而存在时, 是否会产生相似的效应？由于反馈可能影响期望水平 积极反馈启动高期望, 消极反馈启动低期望, 因此我们尝试将调节定向对反馈的调节作用扩展到期望领域。我们认为: 当个体处于促进定向情景中或个体的主导动机定向是促进定向时, 个体对有无积极结果更敏感, 同时更偏好于采取热切的动机策略, 此时, 成功可能性高的任务会维持或提高其热切水平, 即, 提高原有的动机水平, 进而引发高绩效; 当个体处于预防定向情景中或个体的主导动机定向是预防定向时, 个体对有无消极结果更敏感, 更偏好采取警戒的动机策略, 此时成功可能性高的任务不但不会提高其警戒动机水平反而可能起到降低作用, 因此不会表现出更高的绩效。据此, 提出以下假设: H1: 调节定向调节成功期望与绩效之间的关系: 对于促进定向占主导或处于促进定向情景中的个体, 成功期望与绩效正相关; 对于预防定向占主导或处于促进定向情景中的个体, 成功期望与绩效的相关不显著。H2: 动机可以部分解释调节定向对成功期望与绩效关系的调节作用: 对于促进定向占主导或处于促进定向情景中的个体, 高成功期望会引发高动机, 进而提高绩效; 对于预防定向占主导或处于预防定向情景中的个体, 高成功期望不会提高动机反而可能表现出削弱的趋势, 故对绩效的影响不 显著。本研究拟通过两个实验验证上述假设。研究1通过测量期望水平、并用任务框架操作调节定向, 检验了情景启动的调节定向对期望与行为关系的影响。研究2采取更严格的被试内设计通过任务难度操作期望, 考察了作为个体长期差异的调节定向的作用。2 研究12.1 方法2.1.1 被试 以133名本科生为被试。其中, 男生68名, 女生65名。每位被试在实验结束后都会得到礼物作为报酬。2.1.2 实验设计 本实验采用单因素(调节定向: 促进定向vs预防定向)被试间实验设计。促进定向组和预防定向组的被试人数分别为66、67。为了尽可能减少干扰, 实验分批展开, 每次同时参加实验的被试人数不超过15人。2.1.3 实验材料 在以往相关实验中, 研究者通常以字母重组任务(anagrams)作为实验材料, 让被试尽可能多地组合出单词, 以正确组合的单词数作为任务表现的测量指标(如, Idson & Higgins, 2000)。由于字母重组任务对中国被试来说易受个体词汇量或英文水平影响, 为了更好控制无关变量, 本实验采取找茬游戏图片作为实验材料1, 任务要求和计分方式与字母重组相类似, 即, 让被试在没有时限的情况下尽可能多地找出每幅图片的差异之处, 以正确找出的差异数目作为被试任务绩效的测量指标。本实验的另一个重要变量是动机, 定义为个体在既定任务上愿意花费的时间(Förster et al., 2001), 以实验程序记录的被试完成图像识别任务所用时间作为动机指标。2.1.4 实验程序 首先, 实验者向被试说明实验目的, 指导语大致如下: “本实验是中美大学生图像识别能力跨文化研究的一部分, 目的是鉴别图片难度, 为随后实验准备实验材料。大家会在实验中看到一系列如大屏幕所示的图片, 需要你们做的是尽量多地找出每幅图片的差异之处并标出, 没有时间限制。注意, 每幅图片有的没有差异, 有的有差异且差异之处不止一处。”“所有参加这个实验的同学都会得到一个小礼物。如果你的成绩在所有参与者的前2/3, 你还会得到另外一个小礼物作为奖励; 如果你的成绩没有进入所有参与者成绩的前2/3, 你就不会得到这个奖励。(促进定向)”。或“参加这个实验的每个人都会得到两个小礼物。但是, 如果你的成绩在所有参与者的后1/3, 作为惩罚, 就会收回一个小礼物; 如果你的成绩不是在所有参与者的后1/3, 你就不会受到这个惩罚。(预防定向)”2随后, 让被试做两幅练习图片, 以熟悉作答方式, 待所有被试都没有疑问后, 实验正式开始。正式实验全部在电脑上完成。在图像识别任务开始前, 需要被试在电脑上填写个人基本信息, 包括性别、以前是否完成过类似的任务或游戏、以及当前心情(“您现在放松/高兴/气愤/沮丧望程度如何？”, 从1=“一点儿也不”到10=“极其”)。除此之外, 还需要被试回答对自己随后表现的预期(“你估计自己在接下来的任务中能找出多少不同之处？”从1=“010%”到10=“90%100%”), 以此测量成功期望水平的高低。随后, 被试完成6幅图片识别, 图片顺序随机呈现。实验程序自动记录被试完成6幅图片所用时间作为动机的测量指标。实验结束后, 实验者向被试表示感谢并发放礼物; 经询问, 没有被试怀疑本实验的真实目的。2.1.5 分析 使用回归分析检验研究假设。为了检验假设1(即, 调节定向对期望与绩效关系的调节作用), 将期望和调节定向中心化, 以期望×调节定向得两变量的交互作用项; 在此基础上控制被试人口学变量和心情, 以期望、调节定向以及两者的交互作用项为预测变量, 以绩效为因变量建立回归方程, 通过检验交互作用项回归系数的显著性检验假设1。对于假设2, 需要检验动机在期望×调节定向对绩效作用中影响的中介作用机制, 实质上涉及的是有中介的调节作用。本研究采用Muller, Judd和Yzerbyt (2005)建议的有中介的调节变量检验程序, 通过建立三个回归方程来完成: 绩效对期望、调节定向及两者的交互作用的回归方程(假设1已得); 动机对期望、调节定向、期望×调节定向的回归方程; 绩效对期望、调节定向、期望×调节定向、动机及动机×调节定向的回归方程。如果回归结果至少满足下列条件中的一个, 假设2得证: 其一, 中期望×调节定向的回归系数显著及中动机的回归系数显著; 其二, 中期望的回归系数显著及中动机×调节定向的回归系数显著。2.2 结果和讨论为检验对调节定向的操作是否影响期望, 以调节定向为分组变量、对被试在任务开始前对表现的 1 注：实验材料图片均选自专业找茬游戏(高级版)。为最大限度保证实验材料的中性, 所有图片均为风景图片。图片筛选工作由两名本课题成员完成, 每人选出25幅图片, 筛选结果的一致率约65%。最终, 根据初测结果由课题组讨论确定最终图片。由于现有的找茬游戏图片中大都只有5处不同之处。为了更有效地测得被试在游戏动机(即, 坚持时间长短)和游戏表现上的差异, 每组图片都包含两幅完全相同的图片。2 注：在两种情境中, 虽然成功的标准本质相同(即, 得到两个礼物), 但前者强调“收获/无收获”, 启动的是促进定向; 后者强调“无损失/损失”, 启动的是预防定向。这种用任务框架操作调节定向的方法在有关调节定向的研究中广为使用(例如, Crowe & Higgins, 1997; Shah & Higgins, 1997)。 估计(即, 期望)做独立样本t检验。结果显示, 促进定向组被试和预防定向组被试在期望方面的差异不显著, t(131)=1.057, p>0.2, 即, 本实验对调节定向的操作并不影响被试期望高低。用放松维度的得分减去气愤维度的得分作为预防定向的情绪指标, 用高兴维度得分减去沮丧维度得分作为促进定向的情绪指标, 分别以两情绪维度得分为因变量、以期望、调节定向及期望×调节定向为自变量做回归, 回归方程都不显著F(3, 129)=2.344, p>0.05; F(3, 129)=1.898, p>0.1, 且所有自变量也都不显著。这说明, 期望并没有对被试心情产生显著影响, 一定程度上排除了用情绪解释所得结果的可能性。以被试任务开始前对表现的估计为因变量, 以游戏经验、调节定向、性别为自变量做回归, 仅发现了游戏经验对期望有正向预测作用, =0.164, t(129)=1.981, p<0.05, 说明在本实验中, 被试报告的是有现实基础的期望, 而非较少依赖于现实的 幻想。与本研究假设相关的回归分析结果见表1: 在控制了性别、游戏经验和心情的条件下, 绩效(即, 实际表现)对期望、调节定向以及期望和调节定向的交互作用的回归方程显著, F(9, 123)=2.052, p< 0.05, R2=0.125。其中, 仅期望与调节定向的交互作用显著(=0.876, p<0.01); 期望的主效应和调节定向的主效应都不显著(ts<1.6; ps>0.2)。为了进一步了解调节作用模式, 将调节定向的特定取值代入上述方程, 并进行简单斜率分析, 结果显示: 在促进定向情景中(即, 调节定向=+1SD=0.5), 期望越高, 绩效越好(=0.316+0.876×0.5=0.754, p<0.01); 在预防定向情境中(即, 调节定向=-1SD=-0.5), 期望对绩效的预测作用不显著(=0.316+0.876×(-0.5)= 0.122, p>0. 5), 且前者显著大于后者。具体交互作用模式见图1。结果支持假设1。 表1 调节定向作为有中介的调节变量回归检验结果(n=133)自变量绩效作为因变量 动机作为因变量 绩效作为因变量t t t期望0.3161.518 0.1141.182 0.2091.307调节定向0.6171.132 0.1550.362 0.5021.051期望×调节定向0.8762.479* 0.6292.185* 0.5031.980*动机      0.5153.218*调节定向×动机      0.4241.510R20.125* 0.121* 0.273*注: 表中所有自变量都作中心化处理; 回归系数()皆为控制了被试性别、游戏经验和心情(放松/高兴/气愤/沮丧望程度)后的非标准化回归系数; 调节定向虚拟化(0=预防定向; 1=促进定向); *p<0.05, * p<0.01, * p<0.001。(以下同)。  图1 调节定向对期望与绩效关系的调节作用模式 由表1中动机(即, 被试完成图像识别所用时间)对期望、调节定向以及期望和调节定向的交互作用的回归分析结果可知, 仅期望与调节定向的交互作用显著, =0.629, t(123)=2.185, p=0.031。代入调节定向的特定取值进行简单斜率分析, 结果显示: 在促进定向情境中, 期望与动机强度显著正相关, 即, 高期望会产生高动机, =0.114+0.629×0.5= 0.429, t(124)=2.255, p<0.05; 在预防定向情景中, 两者相关不显著, 并且有高期望削弱动机强度的趋势, =0.114+0.629×(-0.5)= -0.201, t(124)= -1.058, p>0.2。由表1中最后一组回归分析结果可知: 在控制了动机的作用后, 调节定向对期望与绩效关系的调节效应仍显著, =0.503, t(121)=1.980, p<0.05; 动机对绩效的直接效应显著, =0.515, t(121)=3.218, p<0.001, 调节定向与动机的交互作用以及期望和调节定向的主效应都不显著。综合上述分析可知, 动机对期望与调节定向交互作用的回归系数显著, 且绩效对动机的回归系数显著, 满足了前文所述检验有中介的调节变量的第一种检验条件。另外, 表1的第一组和第三组回归方程中, 期望与调节定向交互作用的回归系数变化进一步支持了这一结果(=0.373, p<0.05)。因此, 动机部分中介调节定向对期望与绩效关系的调节作用, 支持了假设2。图2显示了在不同调节定向条件下, 期望影响绩效的中介机制差异: 促进定向能提高高期望对动机的提升作用, 进而促进高绩效的产生; 预防定向会削弱期望与动机的正相关, 使其呈负相关趋势, 但此时动机与绩效仍正相关。  图2 调节定向对期望与绩效关系的影响: 有中介的调节效应模式(n=133)注: 图中所有数值皆为控制被试性别、游戏经验和心情后的标准化回归系数; 括号中的数值为没有控制动机时、绩效对期望的标准化回归系数。研究1通过操作调节定向验证了调节定向对期望和绩效之间关系的调节作用 在促进定向情境中, 高期望能促进积极绩效的产生, 这种效应在预防定向情景中不显著。在此基础上, 进一步探索了调节作用的机制, 验证了动机的中介作用 在促进定向情境中, 高期望能提高动机水平, 进而提高绩效; 在预防定向情景中, 高期望对动机的影响不显著, 因此并不能显著提高绩效。由于调节定向既可以是情景引发的, 也可以作为个体长期动机倾向, 因此, 在接下来的研究中, 我们通过测量个体长期调节定向再次验证研究1中的结果。另外, 研究1并没有发现传统动机理论中的期望主效应。这可能是因为研究1中并没有通过实验操作期望, 并且实际成绩的比较是在被试间进行的。因此, 在研究2中, 我们将操作期望并将其作为被试内因素。虽然被试内设计易受反应效应(reactivity effect)影响, 但我们认为, 其更可能影响的是期望的主效应而不是期望和调节定向的交互作用。3 研究23.1 方法3.1.1 被试 以59名心理学、管理学和广告设计专业的本科生为被试。其中, 男生30名, 女生29名。每位被试在实验结束后都会得到礼物作为 报酬。3.1.2 实验设计 本实验为单因素(期望类型: 高期望vs低期望)被试内设计, 期望类型操作顺序 随机。3.1.3 实验材料 采用与研究1相类似的找茬游戏图片, 让被试在没有时限的条件下尽可能多地找出每幅图片的不同之处, 并记录任务完成所有的时间。图片共12幅, 随机分为两组。为检验两组游戏材料是否等值, 选择30名大学生进行预实验。每个被试完成两组实验材料(A组、B组), 顺序随机。对被试在两组实验的成绩做配对样本t检验, 结果显示: M=1.272, SD=3.367, t(29)=2.010, p>0.05, 说明两组实验材料等值。调节定向测量。使用姚琦等研究者(2008)修订的调节定向问卷(Regulatory Focus Questionnaire, RFQ; Higgins, Friedman, Harlow, Idson, Ayduk, & Taylor, 2001)。该问卷采用五点计分(从1=“从不”到5=“总是”), 通过测量个体主观调节历史, 即过去在实现应该型目标和理想型目标过程中成功的频率, 评估一般动机定向。例如, “你经常遵守你父母定下的规矩吗？”(预防定向); “你曾经完成一些事情、这些事情的成功让你更加努力吗？”(促进定向)。修订后的RFQ中文版包含10个题目、两个维度(“促进定向”、“预防定向”), 内部一致性系数分别为0.658和0.608。为了得到个体长期主导调节定向类别, 用被试在促进定向维度的平均分减去预防定向维度的平均分, 并以中位数进行二分(见Higgins et al., 2001), 得到促进定向占主导的被试29人、预防定向占主导的被试30人。3.1.4 实验程序 与研究1相比, 研究2的实验程序有以下几点改动: 首先, 在指导语部分增加了对被试内设计的说明: “所有图片将分两组呈现, 每组6幅, 两组任务之间会有一系列与本研究无关的问卷需要大家 填写。”其次, 在第一组图像识别任务开始前, 电脑屏幕会出现以下提示: “下面第一组图像识别任务即将开始。之前我们的检测结果初步显示, 这组图片比较难, 大多数大学生最多能找出60%的差异之处”(低期望)或“这组图片比较容易, 大多数大学生最少能找出80%的差异之处”(高期望)。最后, 第一组图片识别任务完成后, 被试填写调节定向问卷和一些与本实验目的无关的问卷作为过滤任务, 15分钟后开始第二组图片识别任务。第二组任务的要求与第一组完全相同, 只不过对期望的操作不同如果被试在第一组中完成的是“低期望”任务, 那么在第二组中将完成“高期望”任务; 反之亦然。实验结束后向被试询问实验目的, 有两名被试猜到了本实验的真实目的, 但这两名被试的数据并没有影响整体统计结果, 因此, 以下报告的结果为包含所有被试的统计结果。3.1.5 分析 由于在本实验中期望和调节定向皆为类别变量, 方差分析法可以更方便地检验两者对绩效的交互作用, 进而验证假设1; 将以被试为单元的数据(n=59)整理为被试的期望为单元的数据(n=118), 在此基础上采用与研究1相同的方法检验动机的中介作用, 进而验证假设2。3.2 结果和讨论3.2.1 操作检验 为了检验对期望的操作是否有效, 对被试在两组图像识别任务开始前对表现的期望做重复测量方差分析, F(1, 58)=11.645, p<0.05, 即, 低期望组被试的期望显著低于高期望组(ML= 6.733, SD=0.384; MH=8.000, SD=0.293), 说明本实验对期望的操作有效。3.2.2 调节定向、期望与绩效的关系 以期望为被试内因素、调节定向为被试间因素, 并控制被试性别、以往游戏经验和参与实验时的心情, 进行重复测量方差分析, 结果表明: 期望的主效应显著, F(1, 49)=4.519, p<0.05, 高期望组被试的绩效显著高于低期望组(ML=19.699, SD=0.545; MH=18.801, SD=0.609); 长期调节定向的主效应不显著, F(1, 49)=1.758, p>0.05。本研究最关心的期望与调节定向的交互作用显著, F(1, 49)=4.741, p<0.05。交互作用具体分析结果如图3所示: 预防定向占主导的个体在低期望任务中的绩效高于高期望任务中的实际表现, 接近显著(ML=21.208, SD=1.335; MH=18.285, SD=1.492; t(29)=2.030, p<0.1); 促进定向占主导的个体则表现出相反的趋势, 即, 在低期望任务中的绩效显著低于高期望任务中的绩效(ML=16.191, SD=1.496; MH=23.117, SD=1.672; t(28)=2.657, p< 0.05)。从另一个角度看, 在低期望任务中, 预防定向占主导的个体的绩效显著高于促进定向占主导的个体, t(58)=3.345, p<0.05; 而在高期望任务中, 促进定向占主导的个体的绩效高于预防定向占主导的个体, 但不显著, t(58)=1.837, p>0.05。由此可见, 高期望虽然能促进高绩效的产生(期望的主效应显著), 但是这种效应仅在促进定向占主导的个体中显著; 对于预防定向占主导的个体, 并没有表现出期望与绩效的这种经典关系, 相反, 低期望比高期望更能促进积极绩效的产生, 进一步验证了假设1。  图3 期望、调节定向和绩效之间的关系(n=59) 3.2.3 动机的中介作用 采用与研究1相同的方法检验调节定向调节作用的机制, 结果如表2所示。由表2中第一组回归方程可知, 期望对绩效的主效应显著(=3.810, p<0.01); 调节定向对期望与绩效关系的调节作用显著(=2.9350, p<0.01), 即, 促进定向能促进期望与绩效的正相关, 预防定向削弱期望与绩效的正相关, 进一步支持了研究假设1。由第二组回归方程可知, 期望对动机的主效应显著(=1.807, p<0.05); 调节定向对期望与动机关系的调节作用显著(=1.941, p<0.05)。对此调节效应进行简单斜率分析显示, 对于促进定向占主导的个体(调节定向=+1SD=0.982), 期望与动机正相关(=1.807+1.941×0.982=3.713, p<0.001), 即, 对成功的期望越高, 在任务中表现出更多的坚持; 而对于预防定向占主导的个体(调节定向=-1SD= -0.982), 期望与花在任务上的时间负相关不显著(=1.807+1.941×(-0.982)= -0.099, p>0.5)。由第三组回归方程可知, 动机对绩效的主效应显著(=0.818, p<0.05), 动机与调节定向的交互作用不显著(=0.302, p>0.5); 当控制了动机的作用后, 期望对绩效的直接效应以及调节定向与期望的交互作用仍显著(=1.695, p<0.05; =0.832, p<0.05)。综合上述分析可知, 虽然动机与调节定向对绩效的交互作用不显著, 但是调节定向与期望对动机的交互作用显著, 同时, 动机对绩效的直接效应显著, 满足前文所述的判断有中介的调节作用的第一种条件, 因此, 动机可以解释调节定向对期望与绩效关系的调节作用的机制。第一组和第三组回归方程中期望×调节定向的回归系数变化(=2.118, p<0.05), 进一步证明了这一结论。由此可见, 调节定向对期望与绩效关系的调节作用部分通过动机实现的: 虽然不论调节定向水平如何, 期望与动机以及动机与绩效都显著正相关, 但促进定向可以增强高期望对动机的促进作用, 进而进一步提高绩效; 而预防定向会削弱高期望对动机的促进作用, 进而对绩效产生消极影响。假设2得证。 表2 调节定向作为有中介的调节变量检验结果(n=118)自变量绩效作为因变量 动机作为因变量 绩效作为因变量t t t期望3.8102.606* 1.8072.237* 1.6952.135*调节定向-0.1620.787 -0.1450.620 -0.0760.092期望×调节定向2.9502.649* 1.9412.128* 0.8321.992*动机      0. 8182.064*调节定向×动机      0.3020.071R20.226* 0.218* 0.269* 4 总讨论本研究结合当前动机领域的热点理论 调节定向理论, 探讨了期望和绩效关系的调节因素及其机制。研究通过两个实验分别操作情景调节定向和测量个体长期调节定向, 得出了一致结论: 调节定向调节期望与绩效间的关系 对于促进定向占主导的个体(或处于促进定向情景中的个体), 高期望会导致高绩效, 表现出传统动机理论认为的期望与绩效正相关; 对于预防定向占主导的个体(或处于预防定向情境中的个体), 期望与绩效的相关不显著, 且表现出负相关的趋势。动机可以部分解释上述关系 对于促进定向的个体, 高期望会维持或提高动机水平, 在任务完成过程中表现出更多的坚持, 进而促进高绩效的产生; 而对于预防定向的个体, 高期望并不能提高动机水平, 对绩效的影响也不显著。对上述结论我们可以从两个角度理解。首先, 从两种调节定向在目标表征方面的差异来看: 由于促进定向个体将目标视为理想或抱负, 更追求达到理想状态的实现感, 因此实现理想状态的可能性高(即, 高期望)对其有特别的激励作用, 故而更可能提高绩效; 而预防定向个体会将相同的目标视为责任或义务, 不论目标实现的可能性高低, 他们都会付出努力, 因此期望和绩效的相关不显著。其次, 从两种调节定向在关注点及动机策略类型方面的差异来看: 如前文所述, 促进定向个体更关注积极结果的有无并倾向于采取热切策略, 因此目标实现的高可能性会维持或提高其热切水平, 进而引发高绩效; 而预防定向个体更关注消极结果的有无并倾向于使用警戒策略, 当目标实现的可能性高时, 反而会降低其警戒水平, 因此不会表现出更高的 绩效。本研究的理论意义主要体现在以下两方面。首先, 研究将情景引发的调节定向和作为个体长期特质的调节定向作为调节变量, 为Klug