高校虚拟学习社区的学习有效性评价研究

惠 震，王利霞，蔡英歌

高校虚拟学习社区的学习有效性评价研究

惠 震，王利霞，蔡英歌

虚拟学习社区在高校教学中的应用日趋广泛，如何评价社区学习的有效性是当前亟待解决的重要问题。通过对虚拟学习社区学习有效性评价内涵的分析，结合已有的网络学习评价研究，构建了虚拟学习社区的学习有效性评价体系，该体系包含学习目标、交互行为、学习衍生品和社区学习满意度4个一级指标以及9个二级指标。依据评价体系编制了虚拟学习社区学习有效性评价量表，并以“教育技术专业英语”课程学习社区为案例对象进行了有效性评价。结果显示，评价结果与客观数据比较相符,该评价量表能实现对虚拟学习社区学习有效性的评价。

虚拟学习社区；学习有效性；评价

一、研究背景

虚拟学习社区是独立在线学习和虚拟社区结合的产物，[1]正以独特的交互性和开放性影响着传统教学方式，越来越受到人们的重视。《教育信息化十年发展规划(2011-2020)》中也提出，“构建高校网上虚拟社区，广泛进行思想与文化交流、创新，发展先进文化。”[2]可见，高校虚拟学习社区建设将成为加快教育信息化和高等教育变革的重要途径之一。目前国内已建设完成一批高校虚拟学习社区，典型代表有首都师范大学的“首师大虚拟学习社区”、华南师范大学的“华师在线”、中国人民大学的“网上人大”、北京师范大学的“学习元”等，但在虚拟学习社区实践应用的过程中也出现了一些问题，比如学习者参与积极性不高、交互实时性不强、学习资源不能实现真正共享、资源重复建设等。这些问题的出现使我们不得不思考：虚拟学习社区的有效学习是否发生？有效性如何？因此如何评价有效学习是亟待解决的重要问题。

国内对虚拟学习社区的研究兴起于2003年，研究重点多集中在理论基础、技术构建、社会网络交互、生态结构等方面。多数学者对虚拟学习社区内涵的理解为：基于建构主义学习理论的、以计算机网络技术构建的学习环境，且要以学习者为中心，以有效学习为目的，能够实现知识建构与社会交互的新型网络学习共同体。另外，建构性、交互性、社会性和技术性是虚拟学习社区的主要特征。现有研究认为虚拟学习社区的有效学习受行为、认知、技术、制度等四个维度的影响，学习者的学习受自身的内部因素和外部环境因素的相互作用。[3]而在虚拟学习社区中的学习行为是否形成、是否有效并没有定论。虚拟学习社区的学习有效性评价成为新的研究重点，而原有的研究点立足于学习者角度、影响因素、绩效技术的角度并不尽完美，对学习有效性的评价归根结底是对学习的评价，要从学习结果和学习过程两方面展开。基于此，本研究拟从学习评价的角度构建一种新的评价体系，期望能为虚拟学习社区中的学习有效性评价实践提供一定的指导。

二、学习有效性评价的内涵

《现代汉语词典》对“有效”的解释为“能实现预期的目的，有效果”，即人们的主观需要、愿望实现和满足程度。英文用“effective”来解释“有效”：足够实现某一目的，达成预期或所期望的结果。学习中的“有效”则是指通过一段时间的学习之后，学生所获得的具体进步或发展，学生有无进步或发展是学习是否有效的判断标准。学生经过学习活动之后的进步和发展则是由学生取得的学习成就和学习成果来评判的。

有效性是指将人们实践活动的结果与开展这一活动的目标进行比较，所达到的真实、有效的程度。学习有效性是指学习者遵循学习活动的客观规律，以尽可能少的时间、人力和物力实现特定的学习目标，取得尽可能好的学习效果，以满足社会和个人的学习需求。对学习有效性的考察是一个持续、复杂的过程，需要通过一定时间才能得出结论，而且学习效果除了作业和测试的成绩是客观的、可以量化的以外，知识的应用能力、技能水平的发展、学习情感的升华、学习者对学习的满意度等都是无法量化的。对学习有效性的评价要从过程和结果两方面入手，选择形成性评价和总结性评价相结合的方式最合适。

虚拟学习社区的学习有效性是指其虚拟学习社区中的学习是否符合学习规律，是否能有效地实现学习目标。不仅要对学习者在虚拟学习社区内学习的过程进行评价，还要对学习者是否实现学习目标进行评估。故笔者从形成性评价和总结性评价入手，结合虚拟学习社区的特点(建构性、交互性、社会性、技术性)，以已有的网络学习评价指标体系为基础，得出虚拟学习社区学习有效性评价的四个维度：学习目标、学习衍生品、交互行为、社区学习满意度(如图1)。

图1 虚拟学习社区的学习有效性评价内涵

三、评价指标体系的构建

1.网络学习评价研究现状

虚拟学习社区是网络学习的一种重要形式。调研网络学习评价的相关研究，能为虚拟学习社区学习有效性评价指标的构建提供参考。目前，国内外对网络学习评价的研究已比较成熟，构建了一些合理有效的评价体系。2000年美国高等教育政策研究所发表的《在线教育质量: 远程互联网教育成功应用的基准》[4]报告中将评价指标划分为学校支持评价基准、课程开发评价基准、教学过程评价基准、学生服务评价基准、教师培训评价基准和教学效果评价基准七大类。斯隆联盟公布的《穿越距离：2011年美国在线教育》[5]调研报告显示，学习效果、战略规划、教师支持、资源开放、注册人数是在线高等教育评价的五个重要指标，其中学习效果是核心内容。从形成性评价的角度，网络学习的评价可以从主观评价(学生自评和互评、教师评价)、在线记录(在线时长、学习内容、交流、讨论、提问)以及客观评价(练习、反思、期末成绩)三个方面进行。[6]从学习活动评价和学习结果评价入手，学习活动评价包括答疑情况、学习态度、学习交互、资源利用等，学习结果评价主要来自相应的作业和考试成绩。[7]除此之外，对网络学习评价多从学习态度、交互、资源利用、评价等方面展开，[8-10]其中，学习态度主要考察学习者的登录次数、在线时间；交互主要包括提问次数、回答次数；资源是指上传和下载的次数；评价则包括学生自评、生生互评、教师评价。此外，学习者的学习效果(平时成绩、随堂测试、期末成绩)和学习成果(学习反思、研究论文、教学实录)也是评价的重要方面。[11]

2.学习有效性评价体系构建

通过对当前网络学习评价体系的相关调研，结合虚拟学习社区学习有效性评价的内涵，得出虚拟学习社区的学习有效性评价体系，其中一级指标分别是学习目标、学习衍生品、交互行为、社区学习满意度。

(1)学习目标。学习目标既是学习的起点，又是学习的终点，这种变化是从学习者的学习期望开始的。为实现期望，在整个的学习过程中，学习者通过自身努力，最终实现目标。学习目标是以学习者的身心变化为标准的，即学生经过一定阶段的学习，学会了知识，掌握了技能，并通过了学习测验、技能鉴定，这就表明实现了学习目标。学习目标并不单单指向学习成绩，也包含技能、情感和态度的变化。

学习目标的实现是针对学习结果的评价。判断学习是否有效，就要判断学习者在学习过程结束以后是否在知识、技能、情感态度方面取得了进步和发展，学习目标的内涵恰好与此相符合。目前，我国教育领域对学习的评价多为知识测验，而基于虚拟学习社区的学习强调知识的建构，学习者不只是要掌握知识，在技能和情感态度方面都要有进步和发展。所以在对学习目标的评价方面提出三个更为具体二级评价指标：知识与技能、过程与方法、情感与态度。

(2)交互行为。虚拟学习社区中学习者的知识建构主要是发生在社区内的交互过程中，所以对虚拟学习社区学习有效性的过程性评价的核心是对交互行为的评价。调研各高校虚拟学习社区中的交互工具，多为论坛、聊天室、留言板、问题答疑、个人空间等，但并不是每一个社区内部都包含这些工具。通过对已有研究的总结，目前对在线学习交互行为的分类存在以下四类：第一，个人空间、群体空间、公共空间；第二，异步交互与同步交互；第三，学习性交互与非学习性交互；第四，人际交互(包括学习者与指导者的交互以及学习者之间的交互)与人机交互(包括学习者与学习内容的交互以及学习者与平台的交互)。综上所述，本研究将虚拟学习社区的交互行为界定为：发生在虚拟学习社区各内部空间的，异步或同步的、学习性的、学习者与指导者以及其他学习者之间的人际交互。

目前，对交互行为的研究多是通过社会网络分析法对交互结构、交互内容等进行分析，本文研究的是高校虚拟学习社区内的交互行为，既要把不同的交互行为包含在内，又要能对使用不同的交互工具发生的交互行为进行分析，所以从交互的频度和深度两个方面展开研究。交互的频度越高，交互才有可能更深入，学习才能更有效；交互程度越深，越有利于知识的建构和有效学习。所以，在对交互行为的评价方面提出“频率”和“深度”两个二级评价指标。

(3)学习衍生品。学习衍生品是针对学习过程中可能产生的作品的评价。衍生品是指从原生事物中派生出来的事物。我国的《著作权法》将“衍生品”定义为：基于一件或多件已经存在的作品，通过改编、再创作得到的作品。[12]如翻译、音乐剧改编、戏剧改编、小说改编、影视翻拍、录音、艺术再创作、节写、摘要等都属于原作品的衍生品。从这两个概念中可以看出，艺术衍生品就是一种基于原作的再生产、再创作产物。[13]因此，本研究将学习衍生品界定为学习者在把教师传授的知识转化为自身知识的过程中生成的、能体现学习效果的抽象的或物化的学习成果，比如想法、观点、笔记、学习心得体会、报告、论文、多媒体产品(ppt、flash、图片、视频等)等。抽象形态的学习衍生品是无法考量的，且抽象的学习成果最终也是以物化形态呈现出来的，所以，对学习过程中生成的抽象形态的学习衍生品的评价主要还是通过评价其转化而成的物化形态的学习成果。通过对现有的虚拟学习社区的调研发现，在使用虚拟学习社区进行学习的过程中产生的物化形态的学习衍生品主要有帖子、笔记、学习心得体会、报告、论文、多媒体产品(ppt、flash、图片、视频、网页等)。对虚拟学习社区的学习衍生品的评价将从文本信息(帖子、笔记、学习心得体会、报告、论文)和多媒体产品(ppt、flash、图片、视频、音频、网页、电子书等)两个方面进行。所以进一步提出“文本”和“多媒体产品”两个二级评价指标。

(4)社区学习满意度。不论学习者的学习成绩如何，是否积极参与学习过程，他们都会根据自己的主观判断，做出是否继续学习过程的决定。可见，学习者的学习满意度是可以反映学习是否有效的标准之一。对学习满意度的研究最初是源于顾客满意理论，理论认为顾客满意是一种包含不同程度的情感反应，这种反应有特定的指向，比如产品购买经理等，它发生在购买前后的各个时间里。[14]教育学者对学习满意度的看法是一种感觉态度或态度的心理状态，或者是愿望或需求的达成，又或者是需求或愿望达成后的感觉、态度。

虚拟学习社区的学习满意度既要包含学习的属性又要包含社区的属性，对社区学习满意度的评价要从学习者对所在虚拟学习社区内“学习整体的满意度”和“社区存在满意度”“教师指导满意度”“学习资源满意度”“技术操作满意度”五个二级指标进行研究。

综上所述，将学习目标归结为知识与技能、过程与方法、情感与态度三个子维度；交互行为分为交互频度和深度两个子维度；学习衍生品从文本和多媒体作品两个子维度进行分析；社区学习满意度归纳为学习整体满意度和社区存在满意度、教师指导满意度、学习资源满意度、技术操作满意度五个子维度，如表1。

表1 虚拟学习社区学习有效性评价的指标设计

四、评价量表的编制

1.评价量表的编制

量表的评价对象是辅助高校教学的虚拟学习社区，被测者是虚拟学习社区中的学习者。量表的测量结果是对学习者有效学习状况最直接的表现，量表质量的高低会直接影响学习者学习有效性的评价，因此在编制评价量表时要务必遵循项目与目标一致的原则、全面与重点结合的原则、独立与相关结合的原则和可操作的原则。

为了编制可信度更高的量表，笔者大量调研了国内外已有的相关研究成果。其中学习目标变量是根据学习目标的三大分类，参考王宁的《Moodle平台远程学习有效性评价指标体系》设计的[15]；交互行为变量中频度潜变量是自行设计的，深度潜变量是依据Gunawardena的知识的社会建构交互分析模型设计的[16]；学习衍生品变量是根据国内外学者对生成性资源的分类，并结合《现代远程教育资源建设技术规范(试行)》中对媒体素材的分类自行设计的[17];社区学习满意度变量是参考Jennifer C. Richardson, Ph.D.的《Examining social presence in online courses in relation to students’ perceived learning and satisfaction》量表设计的[18]。最终形成的预测量表共有43条题项。

量表初步设计完成后，在预测之前要进行内容效度的检验。本研究选择虚拟学习社区和远程教育领域的4位专家学者进行邮件访谈。访谈内容为：对虚拟学习社区学习有效性评价框架的意见；对虚拟学习社区学习有效性评价量表的意见。

第一，专家1认为本研究中量表的框架设计合理；对量表中变量题项的描述有一些建议，如表2。

表2 专家意见

续表

第二，专家2就本量表的测量对象和普适性产生了疑问。在两次交流以后，专家2认为本量表框架设计基本合理，个别项目设计存在交叉，建议笔者对量表的适用范围和测量对象进行界定，尽最大可能降低因差异性造成的测量误差。

第三，专家3认为量表的框架设计合理，但两个题项设置不合理，需要修改。

第四，专家4认为在社区学习满意度中对教师指导、学习资源、技术操作的评价不属于虚拟学习社区学习有效性评价的范围内，应该是对虚拟学习社区的有效性评价维度更好，故建议删除教师指导满意度、学习资源满意度、技术操作满意度。

综合以上专家意见，进行修改。共剩余题项32题。

接着选取5个具有虚拟学习社区学习经验的教育技术学专业本科生进行面对面的访谈。访谈问题为：题目设计是否合理；题目描述是够易懂；是否存在有异议的题目；是否有重复的题目；题目数量是否过多。通过访谈，5位被访谈者均认为量表的设计合理，但在形式上可以更加简化。

根据以上对量表的修改，形成本测量表，共有题项32题，如表3。

2.评价量表的预测

(1)预测的实施。本次预测选择的对象为具有虚拟学习社区学习经验的大学生。本次预测共发放问卷120份，回收113份，回收率94.16%，其中有效问卷109份，无效问卷4份，有效率96.33%。

(2)预测结果分析。本研究采用临界比分析法对量表题项的区分度进行项目分析。独立样本T检验处理的结果显示，预测量表的所有测量题项都具有极其显著的鉴别度，都可以保留下来作为正式量表题项。

表3 虚拟学习社区学习有效性评价预测量表

•量表的效度分析。由于虚拟学习社区的学习有效性评价框架和评价量表在设计之初已经征求了4位专家的意见，并根据专家的反馈意见对量表进行了修改，因此可以保证本评价量表有较好的内容效度。

为测量量表的结构效度，对量表各题项的相关系数矩阵进行统计分析，将相关系数均值小于0.3的题项4、13、20、29、32等5个题项删除，剩余27题，实现了变量的浓缩，使量表结构更紧凑。然后对剩余的27道题项进行因子分析检验(见表4)，得到Bartlett’s值=1315.133，P=0.000<0.001，表明量表的相关系数矩阵不是单位矩阵，可以进行因子分析。此外，KMO值=0.781，比较接近0.8，表明比较适合用因子分析法进行结构效度分析。

表4 量表的KMO 和 Bartlett 的检验

按照特征根大于1的原则提取公共因子，共得到9个因子，累计贡献率达到68.751%。一般来说累计方差达到60%以上就有良好的解释度，所以说明这9个公共因子具有良好的解释度，基本反映了量表的设计结构，证明该量表具有较高的结构效度。各因子的特征根、贡献率及累计贡献率结果详见表5。

•量表的信度分析。本研究以Cronbach.5alpha系数作为问卷的内部一致性为信度指标。通过SPSS18.0对量表的总体信度和各维度的信度进行了可靠性分析。结果显示Cronbach.5alpha=0.864(见表6)，信度较高。各维度α值均在0.7以上，说明本量表的各个测量项目之间的内在一致性程度很高，量表的信度达到了理想状态。

表5 量表因子分析的总方差解释结果

注：提取方法为主成份分析。

表6 各指标的信度分析

通过对预测结果的分析，删除预测量表中的题项4、13、20、29、32，将剩余题项组合成正式的评价量表。

五、评价案例的分析

高校虚拟学习社区学习有效性评价量表的开发是以评价学习有效性为目标的，在经历试测和修改之后，正式评价量表具有较高的信效度。本文选择的案例是辅助高校教学的“教育技术专业英语”学习社区。该社区是江苏某高校在基于“教育技术专业英语”面授课程的基础上创建的，主要用于课程的课上与课下的学习资源的共享、学习任务的发布、学习者之间的交流与协作。该课程的学习者是江苏某高校教育技术学专业大二和大三的在读本科生。

1.评价的实施

对“教育技术专业英语”课程的两个班级的学习者进行了集中式的纸质问卷调查，收集数据并对数据进行相关处理。调查共发放问卷101份(两个班分别49份、52份)，共回收问卷93份，回收率为92.1%，其中有效问卷90份，有效率96.8%。采用Microsoft Excel和SPSS 18.0对有效数据进行数据处理。

2.结果分析

(1)各维度与学习有效性的相关性分析。学习有效性评价是学习者对自身利用虚拟学习社区进行学习的过程与结果的评价，评价量表中设置了5个选项，分别是非常不同意、不同意、一般、同意、非常同意。通过对4个一级指标与学习有效性的相关性分析可以看出(见表7)，4个维度与学习有效性存在着正相关，这说明学习者对项目表述的行为观点越满意，则学习者的学习有效性越高，由于学习者的态度是由“非常不同意到非常同意”，且分别被定义为“1-5分”，所以学习者得分的均值如果1-2分说明学习者的学习有效性较差；2-3分说明学习有效性一般，处及格水平；3-4分表示学习有效性良好；4-5分说明学习有效性极好。

表7 各维度与学习有效性相关性分析

**. 在 .01 水平(双侧)上显著相关。

(2)学习有效性的描述性分析。通过对90份样本数据进行统计分析，得出学习者对各指标项选择结果所在的百分比以及各指标的平均分和二级指标、一级指标的平均分、学习有效性的总平均分。根据上面得出的评价等级，对学习有效性的平均得分进行分析。结果如表8。

表8 教育技术专业英语课程学习有效性评价结果

从学习目标的平均得分来看，学习者对自己完成学习目标的态度是肯定的。根据学习有效性的评分标准，学习目标平均得分3.52分，说明学习者能够较好地完成学习目标，尤其是在学科知识的掌握和协作学习方面的能力得到了明显的提高，但学习者的信息获取与筛选、批判性思维，以及学习兴趣方面的得分均低于3.5，这说明该社区在提高学习者的信息素养和批判性思维方面还有待提高，在提高学习者对虚拟学习社区的学习兴趣方面还需要做得更好。

交互行为的平均得分3.41，说明该社区的交互水平良好，交互次数上表现一般。交互深度中5个项目的设计是按照知识建构的水平设计的，DE1-DE5分别表示知识建构层次的5个等级，从平均得分可以明显看出学习者对知识建构的水平由浅层次向深层次的得分呈现递减，这说明学习者的深度互动水平不高。

学习衍生品的平均得分较低，处于一般水平，这可能与课程的性质有关。该社区的课程是教育技术专业英语，课程主要学习内容是一些专业英语词汇和英语翻译方法，学习衍生品得分不高是与课程的性质相符的。

学习者对社区学习的满意度平均得分3.61分，说明学习者对该社区的学习还是比较满意的。学习者的社区存在满意度得分较高，说明学习元平台有良好的社区氛围，学习者能得到社区认同和自我认同。

笔者又对回收的90份问卷的结果分别求平均值，得到每份数据的平均得分(见图2)，其中最低分为2.62，最高分为4.59；得分在2-3分之间的有10名学习者，占总人数的11.11%；得分在3-4分之间的有76名学习者，占总人数的82.22%；得分在4-5分之间的有6名学习者，占总人数的6.67%。该社区中学习者在虚拟学习社区内的学习有效性达到良好水平的占总人数的88.89%，说明教育技术专业英语课程学习社区整体学习有效性良好。

图2 学习有效性整体评价

3.学习有效性的客观数据分析

评价量表的结果是学习者对社区学习有效性的主观评价，为了验证评价工具的科学性，并使学习有效性评价更加客观、合理、可信，笔者对学习者的课程成绩和社区内的数据进行分析。

(1)学习成绩分析。该课程的学习成绩由平时成绩和期末考试成绩组成，分别占总成绩的30%、70%。期末考试成绩是学习者的卷面得分成绩，指学习者对课程知识的掌握情况，对期末成绩求平均值，平均得分84.56，处于良好水平。参考表8可知，学习者在“掌握学科知识”题项的平均得分为3.63，基本处于良好水平，略低于考试成绩。说明这有可能与期末考试的开卷考试有关，学习者在考试中可以通过词典等材料获取信息，但是学习者自身对词汇的掌握并没有达到相应水平，导致学习者的自我评价与期末考试卷面成绩之间存在误差。

(2)交互数据分析。笔者选择教育技术专业英语课程实施过程中，社区内形成的交互数据作为数据来源。将该社区的社区成员分为13个小组，包括12个学生组和一个教师组，任课教师自成一组。社区内的交互为学习小组内部与学习小组之间的交互以及学习小组与教师的交互。

•交互行为的数量分析。通过对社区内帖子的数量以及评论的数量进行统计分析(如表9)，得出以下结论。在本次课程的交互过程中，学生主要集中于组内讨论，组间讨论开展的情况并不十分理想。除去任课教师外，小组的自评和自评百分比在60%以上，评他和他评百分比只有30%左右，该社区内部的组内交互的次数要高于组间交互的次数，总体交互次数处于良好水平，这与本量表中学习者的交互频度的结果是相一致的。

表9 学习小组被评论情况

•交互内容分析。对交互内容的分析，本研究选择Gunawardena知识建构分析模型(如表10)。样本选择该社区后台形成的交互数据，包括评论、回复、批注、帖子，共有539条信息，由于Gunawardena分析模型的分析单位为有明确指向意义的句子，为使每一个句子只有一个明确意义，将信息共拆分为544条信息。

笔者和团队成员以表10中的分类方法为基础，进行编码者信度测试。根据归类一致性指数测试公式CA=2@S/(T1+T2)，计算得出本次编码的归类一致性指数，最后测得编码的归类一致性指数为81.99%。然后对544条分析单位进行基于Gunawardena分析模型的分析。

表10 Gunawardena(1995)知识建构分析模型

从表11可知，学习者知识建构过程主要集中在第一阶段、第二阶段和第三阶段，且每一个阶段所占的比例相差不多(其中，第一阶段即信息和观点的分享阶段占45.94%，第二阶段即发现和分析不一致以深化认识阶段占47.33%，第三阶段即意义建构群体协商达成一致阶段占32.95%)。内容分析得出的结论与评价量表的结论基本一致，学习者在知识建构的各阶段的平均得分递减。但量表评价的结果显示仍有少部分人认为可以做到第四和第五个阶段(新知识的检验和协商形成新的知识)，相比来说，学习者对自我知识建构水平的评价存在一定偏差。

表11 Gunawardena 分析数据表

六、总结与启示

本次研究编制了高校虚拟学习社区的学习有效性评价量表，预测结果显示，量表具有较高的信效度。通过应用评价量表对教育技术专业英语课程学习社区的学习有效性进行实践检验，可知该评价量表能够对虚拟学习社区的学习有效性进行有效评价，且评价结果与客观数据比较一致。但由于量表的评价对象是学习者，易产生因学习者自我认识过高或过低而导致的偏差。因此，对学习有效性的评价要把握：(1)主观与客观相结合的原则，不能仅从学习者主观的态度入手，要与客观数据相结合；(2)过程与结果相结合的原则，考试成绩不能作为评判有效学习的标准，要结合学习者在学习过程中的进步和发展。

本研究的不足之处在于，评价案例课程已经结束，学习者对学习效果的评价是否模糊，甚至遗忘，都能影响量表的评价结果。另外，评价量表目前仅应用于教育技术专业英语课程学习社区，对其他学科、其他社区是否适用还有待进一步的验证。

[1] 张立国.虚拟学习社区交互结构研究[M].北京:教育科学出版社,2009.

[2] 教育部.教育信息化十年发展规划(2011-2020年)[EB/OL].[2015-04-10].http:∥www.edu.cn/zong_he_870/20120330/t20120330_760603.shtml.

[3] 杨丽娜,颜志军,孟昭宽.虚拟学习社区有效学习发生影响因素实证研究[J].中国远程教育,2012(1):52-57.

[4] The Institute for Higher Education Policy. Quality On the Line: Benchmarks for Successin Internet-Based Distance Education [EB/OL].[2015-03-08].http:∥files.eric.ed.gov/fulltext/ED444407.pdf.

[5] Elaine Allen.Going the Distance:Online Education in the United States [R].Babson Survey Rese-arch Group and Quahog Research Group,LLC，2011．

[6] Niu Guixia, Han Liyan. Apply the Formative Assessment and Fuzzy Mathematics into College English Online Learning Evaluation[C]. 2010 International Conference on Networking and Digital Society,2010.

[7] 余胜泉.基于互联网络的远程教学评价模型[J].开放教育研究,2003(1):33-37.

[8] 唐肝翌,卢桂馥,周鸣争,等.基于ANFIS云推理的网络学习评价[J].西南师范大学学报：自然科学版,2014(1):137-141.

[9] 惠兆阳,梁玉,梅树美.基于模糊理论的大学英语网络学习评价模型设计[J].中国远程教育,2012(2):21-25.

[10] 王恩科,崔鸿.在职教育硕士网络学习评价的问题与思考[J].华中师范大学学报：人文社会科学版,2012(11):153-158.

[11] 王石.中国金融衍生品研究与中国期货市场实践[D].长春:吉林大学,2006.

[12] 王方敏.衍生的力量——从艺术品到衍生品[D].汕头:汕头大学,2008.

[13] Richard N. Cardozo. An experimental study of customer effort, expectation, and satisfaction[J]. Journal of Marketing Research,1965(3):244-249.

[14] 国秀玮.学习动机和学习满意度研究[D].上海:华东师范大学,2007.

[15] 王宁.Moodle平台远程学习的有效性研究[D].南京:南京师范大学,2011.

[16] Chaelotte N.Gunawardena,Constance A.Lowe, Terry Anderson.Analysis of a Global Online Debate and the Development of An Interaction Analysis Model for Examining Social Construction of Knowledge in Computer Conferencing[J]. Educational Computing Research,1997,17(4):397-431.

[17] 教育部现代远程教育资源建设委员会.现代远程教育资源建设技术规范(试行)[EB/OL].[2015-04-10].http:∥wenku.baidu.com/link?url=NoU5noNJLBgCkfvFCY3Jgq5U7EtwbugYj4kYs5a_CxI2SF-I08ie-9pLJHfAAvVxrazqqNp2_vzfDCcE1VxCKwcUiuzV1qcCh7rKEtMI5Mu.

[18] Jennifer C. Richardson, Karen Swan. Examining social presence in online courses in relation to students’ perceived learning and satisfaction[J]. JALN, 2003(2):68-88.

责任编辑 张军涛

On Assessment of Learning Effectiveness in University Virtual Learning Community

HUIZhen，WANGLi-xia,CAIYing-ge

/Xi'anPolytechnicUniversity

Virtual learning community is widely used in the colleges and universities teaching, while how to evaluate the effectiveness of the learning community is an important problem to be solved at present. Based on the analysis of learning effectiveness evaluation and combined with the existing network learning evaluation researches, an effectiveness evaluation system of virtual learning community learning is constructed containing four first-class indicators, namely learning goals, interaction behavior, learning derivatives, and the degree of community learning satisfaction, and nine second-class indicators. Based on the evaluation system, an effectiveness evaluation scale of virtual learning community is established. Then a case study is conducted in English learning community of Education Technology Major. The study shows that the evaluation result is consistent with the objective data; the assessment scale can realize the effectiveness evaluation of the virtual learning community.

virtual learning communities; learning effectiveness; evaluation

惠震，西安工程大学网络管理中心助理工程师，理学硕士，主要从事教育技术理论基础与实践研究。(huizhen@xpu.edu.cn)

西安工程大学哲学社会科学研究项目“面向智慧教育的高校教学过程管理研究”(2015ZXSK21)

G420 ∶G642.0

A

2095-6576(2015)05-0035-10

2015-05-30