基于线性结构模型的网络英语自主学习归因研究

摘 要：本文旨在探讨通过线性结构模型分析大学生在网络背景下的学习动因，并已经取得了一定的成果。

现状与背景分析：国家教育部《大学英语课程教学要求》规定：各高等学校应根据本校的条件和学生的英语水平，探索建立网络环境下的教学模式，促进学生个性化学习方法的形成和学生自主学习能力的发展。应能使学生选择适合自己需要的材料和方法进行学习，获得学习策略的指导，逐步提高其自主学习的能力。有鉴于此，建设基于网络的大学英语教学平台已经成为高校英语教学的一个必要环节。安徽财经大学自2003年以来，就积极探索网络英语自主教学模式，并于2009年经教务处、人事处、外国语学院、电教中心等部门协作，成立了执行小组，负责全校的网络英语教学。该小组负责安徽财经大学英语网络自主学习平台的设计和执行，做好学生平时自主学习记录，对每学期的网络考试成绩进行统计分析。学生通过网络进行自主学习，并在每学期进行网络考试一次，学生的自主学习考绩纳入学分管理机制。大学生需在规定时间内完成2个学分的网络自主学习要求。当年在09级新生中开始试点，当时使用的是外研社的《新视野大学英语网络平台》。目前09级已经进行了4个学期的网络自主学习，因此有必要进行分析总结。小组在2011年5月14日网络考试后附了一份调查问卷，主要内容包括学生使用网络进行自主学习的一些情况，收集样本1135份。对问卷分析调查，发现我校目前学生利用网络进行自主学习的情况并不是很理想。在已收上的有效问卷中，有近70%的学生每周花在网络自主学习上的时间为1个小时（根据我们的数据库后台统计，实际上90%以上的学生无法达到这个要求。）在自主学习模式选项中，有64%的同学支持“自主学习模式和课堂教学模式相结合”，24%的同学选择“需要有老师的网上指导和反馈“，只有不到11%的学生认为“自主学习不需要教师的指导和帮助。这说明，大学英语网络自主学习出现了一些问题，为了更好地找出学生在网络环境下自主学习的真实状况和动机，因此有必要作进一步的调查。执行小组采用了线性结构模型的方式试图找出事实背后的真相。而经验证明，采用因子分析法，线性回归法及结构性建模是一种比较稳健的路线图。

该研究将采用线性方程结构模型的方法来发现提高我校网络自主学习水平的因子，这是本研究的最大特色。用统计学中的因子分析可以对众多变量进行降维，从而发现潜在的一些规律。而回归分析能更好地从自变量的角度对因变量进行预测，因子降维和线性回归可以通过测量模型和结构模型来体现。线性结构能从全局的角度观察各个变量之间的潜在关系。对英语学习进行归因建模研究的，目前国内公开发表的有三项。这三项研究从理论到方法都有所创新，病得出了十分重要的结果。这三项研究所采用的路线图可归纳如下：确立假设性研究问题，确定问卷中的各种变量，在学生中通过问卷调查采集足够量的样本，提取因子并根据因子负荷对变量进行聚类分析，建立测量性模型，最终建立结构方程模型，然后根据模型可以对学生的未来成绩表现进行回归预测。这类实验由于工作量较大，涉及多个学科，如统计学、工程学、数据挖掘等，如果在网络环境下研究的话，则要涉及到计算机网络等方面的专业技能和经验，所以有一定的难度。项目小组由于本身工作特点和兴趣使然，能够多年来坚持不懈的在我校推广网络自主教学，并不断地积累资料。

本研究也是基于上述这样的路线图，目的是为了找出我校学生在网络环境下的学习动机和效率，从而有助于提高我校学生网络自主学习的效率。我校目前已经就09级试点进行网络自主学习试点，并组织了三次大规模的考试，每次考试的学生总量都在4000人左右，到目前为止是安徽省高校所进行的最大规模的英语类网考。并针对目前的英语网络自主学习情况进行了问卷调查，已经积累的一定的前期基础。在此基础上，完善建构模型，并根据模型中发现的问题，给出解决方案。该研究可以解决一下问题。

a. 大学英语网络自主学习的真实情况如何。

b. 影响网络自主学习的因子有哪些，以及彼此之间的相关情况。

c. 根据模型中发现的问题，在实践中如何解决。

效果和具体成果

用测量模型和结构模型来解释我校大学英语网络自主学习的现状及存在的问题并提供相应的解决方法。根据已经掌握的问卷材料，项目小组已经能够建立简单的验证性因子测量模型和结构方程模型，对针对存在的问题，已经可以进行较深入细致的分析。针对这些问题，课题组会进一步找出解决方法，到项目结束时，会更加科学地找出我校学生网络自主学习的更多动因，按照不同分工、不同阶段，课题组成员将根据进一步搜集的数据撰写出相应的分析报告和解决方案，并进一步建立更稳健的测量模型和结构模型。在实践中，将为学生提供更好的网络自主服务，从而改善我校学生英语网络自主学习的状况。

迄今为止，已经搜集大量的学生的自主学习资料，并组织过三次大规模的网络考试。进行过一次大规模的网络调查问卷，已经为进一步的研究搜集了较多的材料。为了更好地探知，学生在网络环境下地学习动因，主持人又进行了第二次问卷调查，由于第一次问卷调查只是调查学生使用网络自主学习的情况，所以第二次问卷涉及变量较多。该调查包括二十个变量，涉及到学生课堂学习、网络学习、教师指导等方面，目的是为了提起影响学生网络自主学习的因素。该次调查仍然通过网络进行，获得样本103个。对采集到的样本进行探索性因子分析，提取特征值大于1的因子3个，可以解释总方差的67.66%。分别可以归类到“课堂教学因子”“教师指导因子”“网络教学因子”。采用Lisrel进行测量性因子验证分析，得出以下路径图。可以看出探索性分析中的保留的一些变量对总模型的解释性不强，可以删除掉或者重新编码。

在提取的因子中，虽然只有三个变量在该因子上负荷量最大，但是在以网测成绩为因变量的回归分析中，回归系数却是非常高而显著的。而网络部分（包括自主学习时间、自主学习兴趣、自主学习信息）等变量在回归中的系数反而较低。这说明，网络自主学习由于学生真正用于网络学习的时间较少，体验较小，再加上网络考试出的试题又倾向于书本，所以解释量并不大。

“课堂教学”因子和“网络自主”因子建立简单的结构性模型，可以看出模型拟合度可以接受。而用“教师辅导”和“网络自主”两个因子（以“教师辅导”因子为外生变量，“网络自主因子”为内生变量）建立的简单结构模型中，GFI为0.94，AGFI为0.78，模型与数据拟合好，模型成立。这充分说明，如果网络自主学习没有老师参与的情况下，大学英语网络自主学习在我校只能发挥较小的作用，这可能和我校学生综合学习英语的兴趣有关。但也反映了学生对教师的依赖性。这种某种程度上也验证了教育部公布的自主学习的精神相符合：自主学习应该在教师指导下进行。所以，为了高效地提高英语网络自主学习的效率，必须让授课教师参与进来。项目组虽然针对英语的网络自主学习尝试用建模的方式来找出问题所在，但由于第二次问卷涉及的人数较少，尽管结合第一次问卷，可以帮助我们找出我校学生网络学习的动机因子。但由于样本采集量不够大，所以肯定会存在一些问题。项目组有必要在以后的网络自主平台的运行中，继续调研，不断地完善模型。

参考文献

[1]王立非(2011). 计算机辅助第二语言研究方法与应用. 北京, 外语教学与研究出版社

[2]王孝铃（2011）教育统计学 上海.华东师范大学出版社

作者简介：武晓山（1970-），副教授，现就职于安徽财经大学，研究方向为语料库、电化教学。