国际远程教育领域相关性研究应用图景——基于国际远程教育学术期刊的质性元分析

□冯晓英　刘月　宋琼　张艳霞



国际远程教育领域相关性研究应用图景
——基于国际远程教育学术期刊的质性元分析

□冯晓英刘月宋琼张艳霞

摘要：随着大量教学理论的提出及新兴技术的应用，远程教育中的教学元素越发多样化与复杂化。采用科学有效的方法与技术进行相关性研究将有助于我们了解这些要素之间以及要素与在线教学之间的相关关系，可以为远程教育的研究者和实践者学习分析和教育数据挖掘提供借鉴和参考。为了探究国际远程教育领域相关性研究的方法技术以及研究领域，研究者选择近十年内国际远程教育领域9本英语期刊中的181篇相关性研究论文，采用文献计量法和质性元分析方法，对各期刊的论文刊载情况、研究主题、数据收集与分析方法等方面进行了分析和比较，由此发现，国际远程教育领域相关性研究论文数量从2009年开始稳定增加，多以自变量和因变量都确定的研究为主。研究主要采用问卷调查和内容分析的方法对“学习者特征”、“互动反馈”和“技术与媒体”的微观领域进行分析，并采用相关分析、方差分析与回归分析进行了数据分析。目前相关性研究在远程教育领域的应用主要是微观的、教学的层面，学习分析正在成为相关性研究新的应用领域。

关键词：远程教育；相关性研究；学习分析；质性元分析

一、问题提出

教育研究是为了发现或确立教育中有效的事实以及事实之间有价值的关系，而采取的周密的、有系统性的调查（Charles，1998）。教育研究中非常重要的一种研究类型——相关性研究，就是为了发现或确立事实之间有价值的关系。相关性研究的目的是发现两个或多个变量之间的相关性。在教育领域中，研究者试图通过相关性研究找出具有相互关系的教学要素，进而对教学进行解释、预测或干预。

按照研究的目的，教育研究可以分为四类：描述研究、解释研究、预测研究、干预研究（Gall et al，2007）。在远程教育领域，相关性研究主要用于解释类研究和预测类研究。用于解释的相关性研究帮助我们理解一些教育要素与事实之间的关系，从而对教育现象和行为进行解释，最终为改进教学提供依据。例如，探讨教学交互与学习动机之间的关系或者远程教育中学习成绩与满意度的影响因素等。用于预测的相关性研究则帮助我们根据已知的变量预测另一变量的情况，从而确定是否可以通过某一时间点收集的信息，预测以后某一时刻的行为或事件。例如，通过相关性研究预测具有哪种学习特征的远程学习者更易于获得成功。

相关性研究是一种典型的定量研究，其研究过程严格遵循杜威的定量研究过程：（1）确定研究问题；（2）建立研究假设；（3）收集数据、分析数据；（4）形成研究结论；（5）使用结论验证或拒绝假设（杜威，1938）。在相关性研究中，首要的一步是确定研究变量，即确定哪些变量是所研究的特征或行为方式的重要决定因素（Gall et al.，2007）。根据变量的确定情况，远程教育领域中的相关性研究可以分为三种类型：（1）自变量、因变量均确定的相关性研究，如：社会性交互对远程学习者意义建构的影响。（2）自变量已确定的相关性研究，如：情绪在在线教学中的作用。（3）因变量已确定的相关性研究，如：影响远程学习中问题解决的因素。

随着大量教学理论的提出及新兴技术在远程教育教学中的应用，远程教育中的教学元素越发的多元化、复杂化。与传统教育相比，远程教育是更加复杂的教育系统。各种元素之间的相互联系、相互作用对远程教育领域的教育目标起着直接或间接的制约作用。了解这些要素与在线教学之间的关系以及各要素间的相关关系，为远程教育领域的研究者和实践者发现规律、解释现象、设计干预、改进教学提供了依据和可能。因此，长期以来，相关性研究被广泛应用在宏观、中观和微观的远程教育问题研究上，包括社会层面、机构和系统层面、课程层面、教学层面等。特别是随着学习分析和教育数据挖掘领域的兴起，相关性研究被普遍应用于验证教学要素与学习行为之间的相关性，以及构建教学要素与学习行为之间的学习分析模型。

那么，研究者应当如何科学、有效地应用和开展相关性研究呢？相关性研究适合于解决哪些问题？开展相关性研究时有哪些关键方法和技术，来保证研究的可信度和有效性？针对以上问题，本研究采用文献计量法和质性元分析的方法，重点从研究方法的角度，对近十年内国际远程教育领域9本英文期刊中的相关性研究论文进行了分析，以期为国内学者开展相关性研究提供借鉴和参考。

二、研究设计

1.研究样本的选择

本研究采用立意抽样的方法。综合考虑样本的权威性及全面性，本研究将研究样本确定为国际远程教育领域最有影响力的9本英文期刊，分别是：《American Journal of Distance Education》、《British Journal of Educational Technology》、《Distance Education》、《Interactive Learning Environment》、《International Review of Research in Open and Distance Learning》、《Journal of Distance Education》、《Journal of Online Learning and Teaching》、《Open Learning》、《Internet and Higher Education》。研究者对上述9本期刊中2005-2014年间的全部相关性研究论文进行逐一筛选，筛选标准为：（1）远程教育领域（包括混合教育）；（2）关注高等教育阶段；（3）实证研究。作者根据筛选标准对所选期刊中文章进行了筛选，最终得到181篇远程教育领域相关性研究论文，具体分布如表1所示。

表1　研究样本分布情况

2.编码框架与一致性

本文针对以下维度对样本进行了分析：（1）不同期刊中，相关性研究论文的刊载情况；（2）相关性研究论文随着时间的变化情况；（3）第一作者国别的分布情况；（4）研究主题的分布情况；（5）三类相关性研究论文的分布情况；（6）相关性研究中主要采用的数据收集方法；（7）相关性研究中的数据分析方法。

其中对文章主题的分析以张伟远（1999）归纳的20类远程教育领域研究主题为基础，但由于相关性研究为实证研究，主要关注的远程教育领域微观教学层面，其研究内容并不会覆盖到所有的主题，因此在统计过程中，研究者根据实际编码情况对研究主题进行了删减和修改，最终确定了13个传统研究领域和1个新兴研究领域。13个传统研究领域为：学习者特征、互动与反馈、技术与媒体在教育中的应用、教学设计与课程开发、学生支持服务、学习材料的设计与发展、管理与规划、教学与学习模式的研究、文化与传统、学科教育、学习环境、教师特征、质量保证。新兴研究领域为学习分析，它是利用数据挖掘技术挖掘学习者产生的数据和分析模型探究信息和社会的联系，并且对学习作出预测和建议（Simens，2010）。

数据收集方法与数据分析方法以文献中采用的方法为准，最终确定数据收集的方法有：问卷调查法、内容分析法、测验法、数据库、访谈法、自我报告法、文献计量法。数据分析方法有相关分析、方差分析、T检验、回归分析、卡方检验等22种。

本研究对论文的编码由两位编码员完成。两位编码员在充分理解编框架及编码规则后采取背对背编码，统计其编码一致性为80%。然后两位编码员对不一致内容进行讨论确认后，修订编码结果。

三、研究结果

1.不同期刊中相关性研究论文数量分布情况

通过对9本期刊中相关性研究论文的统计发现，不同期刊中对相关性研究论文的刊载情况有一定的差异（如图1所示）。《Internet and Higher Education》中刊载相关性研究论文最多，占该刊10年间刊载文章总量的10.46%，其次是《American Journal of Distance Education》，刊载的相关性研究论文占此期刊文章总量的7.87%。刊载相关性研究论文相对较多的还有《British Journal of Educational Technology》和《Interactive Learning Environment》，相关性研究论文分别为6.27%、5.43%。刊载相关性研究论文较少对的期刊为《Open Learning》、《Journal of Online Learning and Teaching》和《Journal of Distance Education》，相关性研究论文数量占各自期刊中文章总量的2.49%、3.90%、3.97%。

图1　各类期刊中相关性研究论文的占有比例

2.相关性研究论文随着时间的变化

分析结果显示，在2005-2014的十年间，相关性研究论文随着时间的变化整体呈现上升趋势（如图2所示）。通过分析相关性研究论文占期刊文章总量的百分比情况，可知在2005-2009的五年间，相关性研究论文数量随时间波动的情况比较明显，均呈先增长、后回落的趋势。自2009年开始，相关性研究文章数量的发展趋于稳定，总体呈逐步上升的趋势。

图2　相关性研究论文在期刊总量中所占比例随时间变化情况

3.作者分布情况

对论文第一作者进行分析发现，所有文章中第一作者来源最多的国家为美国，占样本总量的48.62%，其次是来自中国（含台湾和香港地区），占样本总量的13.26%。第一作者所在地排在前五位的还有澳大利亚（4.97%）、荷兰（4.42%）、加拿大（4.42%）。其中在第一作者来自中国的24篇文章中，有18篇文章的第一作者来自中国台湾、3篇文章的第一作者来自中国香港。

4.研究变量的分类情况

相关性研究是用来探讨两个或多个变量之间的关联程度，因此本文对所选文章的变量确定情况进行了统计分析。结果显示：自变量和因变量均已确定的相关性研究比例最大，占样本总量的78.45%，其次是探讨影响教学元素的影响因素的研究，即确定因变量的相关性研究，占样本总量的14.92%。确定自变量的文章相对较少，占样本总量的6.63%。

5.研究主题的分布情况

对研究主题的分布情况如表2所示，可知远程教育领域中相关性研究主要关注的是学习者特征（45.86%），以及“互动与反馈”（12.15%）、“技术与媒体在教育中的应用”（11.60%）、“教学设计与课程开发”（8.84%）、“学生支持服务”（7.73%）、“学习材料的设计与发展”（5.52%）。相对而言，“质量保证”、“教师特征”、“学习环境”这三个主题的文章较少。

表2　研究主题的分布情况

（1）学习者特征

学习者特征是相关性研究中的基本研究主题，大量的研究者围绕学习者特征探讨了远程教育领域中存在的相关关系。学习者特征包括了学习者人口统计学特征、学习者心理特征、学习行为。如在学习者人口统计学特征方面，Lin和Overbaugh（2009）应用相关性研究讨论了学习者年龄与对基于计算机媒体的交流模式（同步与异步）的偏好之间的关系。Ashong和Commander（2012）探讨了不同种族和性别的学生对在线学习的看法。MacCann （2006）则是探讨了年龄、社会经济状态与测试模式之间的相互影响。

国外研究者应用相关性研究对学习者特征探讨最多的为学习者心理特征，包括学习动机、学习风格、自我效能感、学习满意度、自主学习能力等。大量的相关性研究探讨了学习风格与在线学习要素之间的关系，例如：学习风格与应用在线学习材料的态度之间的关系、学习风格对基于计算机的批判性讨论过程的影响、学习风格对课程传递方式偏好和学习结果的影响（Jeong & Lee，2008；Bolliger & Supanakorn，2011；Zacharis，2011）。通过相关性研究，研究者还发现，学习者的学习动机与学习中多个要素相关，如学习动机会对学习者参与在线异步讨论的过程产生影响（Xie & Ke 2011）；自主学习与学习结果相关，如Barnard等（2008）在其研究中探讨了自主学习行为与学习结果的关系。研究者还探讨了学生满意度和在线学习与认知负荷的关系（Bradford，2011），情绪与自主学习行为之间的关系（Artino & Jones，2012）。Lazonder （2005）则探讨了学习在线协作情况对网络搜索策略的影响。

也有一些研究中并不是单一研究某一个学习者特征，而是从多个角度研究学习者的学习情况。例如Sun和Rueda（2012）探讨了学生兴趣、自我效能、自主学习能力对学习投入的影响。Joo （2014）探讨了自主学习、学习流、学习满意度与学习毅力几个要素之间的相互关系。

（2）互动与反馈

远程教育中由于教与学的时空分离，教学过程中的交互与反馈一直是研究者和实践者关注的热点。大量的交互研究都是基于穆尔的交互分类，即按照交互对象，将在线交互分为：学生与学生之间的交互、学生与教师之间的交互、学生与学习资源之间的交互。近十年来，国际学者应用相关性研究围绕远程教育中的交互与反馈开展了大量的研究。其中一个热点是远程教育中交互的作用和影响。大量研究证明，远程教育中交互对学习结果、意义建构、认知情况有所影响（O'Leary & Quinlan Jr，2007；Godwin et al.，2008；Timmers et al.，2008；Yang et al.，2010；Zha & Ottendorfer，2011；Castaño Muñoz et al.，2014）。研究还表明，交互不仅对学习结果产生直接影响，也会对远程学习中的关键要素产生影响。例如，有研究发现，师生之间的交互与学习满意度相关（O'Leary & Quinlan Jr，2007），交互协作可提升学习者对团体的认同感（Park & Seo，2013），社会性交互会促进学生的学习投入（Lu & Churchill，2014），同伴的协作交互对学习者动机和持续学习有所影响（Poellhuber & Chomienne，2007；Shin & Dickson，2010）。

随着学习分析研究的兴起，越来越多的学者应用相关性研究，探究交互行为对在线学习的影响，以及教学设计对在线交互的影响等。例如，Davie 和Graff（2005）探讨了学生的在线交互频次对学习结果的影响；Jeong和Frazier（2008）研究了发帖时间对讨论内容层次的影响。Bradley等（2008）从在线讨论的内容角度出发，研究论坛中问题类型对在线讨论的数量和质量的影响。Flowers和Cotton等（2007）研究了交互策略对远程教学的影响。

（3）技术与媒体在教育中的应用

针对技术与媒体在远程教育中应用的相关性研究目前主要有两个关注点。一个关注点是技术与媒体在教育中应用的影响因素。例如一些学者探讨了影响学生使用学习系统的因素（Abbad et al.，2009；Yu & Yu，2010；Nasser et al.，2011）。

另一个关注点是探讨技术与媒体在促进远程教学与学习方面的作用。一些学者通过相关性研究探究和验证了技术媒体的应用对远程教学结果的影响。例如Vogel-Walcutt等（2010）探讨了媒体的形式对知识获取和学习效率的影响。Meiselwitz和Sadera（2008）探讨了在线学习环境的可用性和学习结果之间的关系。Hwang等（2011）探讨了即时通讯技术对学生团体和学习成就的影响。研究还发现，技术媒体的使用对远程学习的一些关键要素有影响。例如Hodge等（2009）的研究证明了基于网络的作业工具对学生动机、策略、学习认知的影响。Kert和Kurt（2012）的研究证明了电子支持系统对自主学习技能的影响。还有部分研究探讨了技术与媒体对学生学习行为的影响，例如Hrastinski （2006）讨论同步交流工具对学习者参与在线小组协作学习有所影响；Liu等（2013）的研究中讨论了推荐系统对学生搜索行为和策略的影响。

（4）教学设计与课程开发

教学设计与课程开发领域，研究者主要应用相关性研究探究远程教育教学设计中的关键要素，如教学策略设计、学习活动设计、学习任务设计等，与学习结果之间的关系。例如，一些学者探讨了教学策略与学习动机、学习结果、在线讨论质量之间的关系

（Kanuka et al.，2007；Chang et al.，2010；Yen et al.，

2012）。Abedin等（2012）的研究中讨论了学习任务的类型与学习结果之间的关系。Cameron等（2009）探讨了社会性任务与社区归属感之间的关系。Paulus （2005）讨论了学习任务类型对学生选择协作方式的影响。Pittenge和Doering（2010）则发现，远程教学中的激励设计会提高学习者的完成率。

（5）学生支持服务

学生支持服务也是相关性研究的热点主题之一，其中主要的研究内容为教师的各种干预、支持措施对学生学习的影响。如学生支持对学生状态的影响，包括学生的满意度、临场感、学习投入、学习动机等（Choi & Johnson，2005；Han，2013；Draus et al.，2014）；对学生学习结果的影响，如学生学习成绩、学生讨论的质量、学生学习的保持率（Nichols，2010；Pulford，2011；Tladi，2013；Murphy et al.，2014）。探讨学生对学生支持服务的态度也是研究者关注的热点之一，如Lee（2011）的研究讨论了学生对学生支持的认知。

（6）学习材料的设计与开发

在远程教育领域中，学习者主要通过学习材料进行独立学习或协作学习，因此远程学习材料与学习资源的设计与开发是远程教育中的一个重要环节。围绕远程学习材料与资源的设计开发，相关性研究主要关注两个方面：一方面是不同类型学习材料对远程学习的影响。大量研究关注于视频材料的设计，如Choi和Johnson（2007）讨论了基于问题的视频指导对学生满意度、理解力、保留率的影响；Verleur等（2007）讨论了引发学生情绪的视频对问题解决活动的影响；Verleur等（2011）研究了视听资源的设计对远程教育的影响。此外，教育游戏与在线学习的关系也是国外研究者关注的热点，如Gerber和Scott（2011）探讨了游戏与批判性思维之间的关系；Siewiorek等（2013）的研究证明了计算机模拟游戏影响学习者对领导方式的看法；Huang等（2013）的研究讨论了教育游戏的特点与动机和认知投入之间的关系。

另一方面是学习资源的特征对远程学习的影响，例如，网络资源的开放性对学习者使用信息系统意图的影响（Hsu et al.，2012）；信息的有效性对学生获取信息的影响（Shen et al.，2013）；学习材料的模式对学习结果、学生自主学习、学习动机、内容焦虑情况的影响（Eden & Eshet-Alkalai，2013；Rockinson-Szapkiw et al，2013）等。

（7）学习分析

近年来随着学习分析成为远程教育领域的热点，越来越多的学者采用相关性研究开展学习分析领域的研究，主要的关注点有以下几方面。

学习者特征。研究者多采用相关性研究探讨学习者的人口统计学特征、心理特征等对在线学习行为的影响。例如，Xie（2011）探讨了动机和同伴反馈对学习者在线行为的影响，研究发现可通过动机和同伴反馈预测学习者在线讨论中的发帖行为。

交互。研究者主要关注学习者的交互行为对其学习结果的影响，包括学习成绩、知识的意义建构、课程完成率等。例如Davies和Graff（2005）的研究探讨了在线讨论对学习结果的影响，结果证明：在线交互频率对成绩较好的学生并没有显著的影响，但是对成绩较差的学生影响显著。Yang等（2010）探讨了社会交互对意义建构的影响。Zimmerman（2012）的研究则关注了学生-内容之间的交互与学生成绩之间的关系。

学生支持服务。学生支持服务也是此类研究的一个热点，一些研究者基于学习分析的思路采用相关性研究对学习支持服务的有效性进行了验证。例如，Kim和Kim（2008）探讨了学习支持（工具支持和导师支持）对学习者共享心理模型和协同行为的影响。Draus等（2014）探讨了教师生成的视频内容对学生的满意度和参与度的影响。Murphy等（2014）探讨了教师干预对学生讨论质量和频率的影响。

技术与媒体的应用。还有一些研究者从学习分析视角，采用相关性研究来探讨技术和媒体在远程教育中的应用效果和影响因素。例如，Nasser等（2011）从学习分析的视角讨论了影响学习者应用学习管理系统的因素。Liu等（2013）探讨了推荐系统对不同学习者的搜索行为和搜索策略的影响。

6.数据收集方法

相关性研究需要收集量化的数据，定量研究中常用的数据收集方法被普遍应用到相关性研究。如表3所示，总的来看，相关性研究中采用问卷调查收集数据的研究案例最多，占样本总量的77.35%。其次是采用内容分析法（17.13%）、测验法（15.47%）进行数据收集。此外，近十年的相关性研究中，通过网络平台的数据库进行数据收集的研究案例也越来越多，共21篇，占样本总量的11.60%。

表3　研究中数据收集方法

7.数据分析方法

（1）数据分析方法

本研究的181篇文章样本中所用到的数据分析方法共有22种之多。表4列出了除平均数、标准差等基本统计外应用次数排在前五位的数据分析方法，分别是相关分析（35.91%）、方差分析（32.04%）、T检验（27.62%）、回归分析（24.86%）、卡方检验（18.23%）。相关性研究中探究变量之间的相关性主要有两种数据分析的思路。第一种思路是直接考察变量的相关度，采用的数据分析方法主要有相关分析、回归分析。第二种思路是通过检验差异性来间接考察变量的相关度，常用方法有方差分析、T检验、卡方检验等。

表4　研究使用的主要数据分析方法

第一，相关分析。相关分析用于描述两变量之间关系的密切程度，它反映的是当控制了其中一个变量的取值后，另一个变量的变异程度（梁彦冰，2010）。在研究中，常利用相关系数定量描述两个变量之间线性关系的紧密程度。在远程教育领域，可通过相关分析探讨教育要素的关系，如学习动机与学习结果之间的关系、性别与学习风格、媒体类型与学习者满意度之间的关系等等（梁彦冰，2010）。相关分析对数据的要求较低，既可以是连续数据，也可以离散数据。相关分析的结果主要通过相关系数呈现，常用r表示，r的绝对值越大，表示相关程度越强。例如，Reio和Crim（2013）在研究学生特征变量与参与在线课程之间的相关性时采用相关分析方法，探讨年龄、性别、在线学习经验、动机与参与课程意愿之间的关系，得出年龄与参与在线课程的意愿成正相关，但相关性较弱（r= 0.13，p=0.02）；在线课程经验与参与在线课程的意愿的相关性与年龄相比较强（r=0.30，p＜0.001）；喜欢在线的方便性、享受在线交互与参与在线课程的意愿呈正相关（r=0.36，p＜0.001；r= 0.19，p＜0.001）；只有通过在线方式提供与参与在线课程的意愿呈负相关（r =-0.21，p＜0.001）。

第二，回归分析。在远程教育研究中，回归分析是探讨变量间数量关系的一种常用统计方法。它通过变量间的数学模型对变量进行预测和控制。回归分析与相关分析存在共同的起点，即确定变量之间是否存在关系。二者不同的是，相关分析着重检验变量之间关系的密切程度，而回归分析则是确定变量之间数量关系的可能形式（张厚粲，2003）。如在探讨影响学生接受移动学习的因素时，不同因素对学习者使用移动学习的意愿的影响是不同的，这种情况则可通过回归分析，观察各变量对学习者接受移动学习意愿的影响情况。在相关性研究中，当研究者不仅需要探讨具有相关性的变量，更需要讨论不同变量间的影响程度时，则采用回归分析。如Artino和Jones（2012）在探讨成就情绪与自主学习策略之间的关系时采用回归分析的方法，对通过问卷调查法获得有关情绪和自我调节策略的数据进行了分析，分析结果显示：针对Elaboration的最终模型具有统计学上的显著意义，可解释34%的变量。

第三，方差分析。方差分析是检验两个或多个样本均数间差异的显著性，即通过分析实验数据中不同来源的变异对总变异的贡献大小，确定自变量是否对因变量有重要影响。如Arbaugh等（2010）在研究学科差异对临场感的影响时，采用方差分析的方法探讨来自不同学科的学生的临场感是否存在差异，结果显示来自不同学科的学生的教学临场感、社会临场感、认知临场感均有显著差异。

第四，T检验。T检验与方差分析的目的类似，均是检验平均数差异的显著性检验。不同的是方差分析多用于检验多个样本均数间差异的显著性，而T检验主要用来检验两个样本均数间差异的显著性。同时T检验是在总体正态分布、总体方差未知时，用来检验差异的。如Kim和Kim（2010）在研究屏幕尺寸对单词学习的影响时，采用T检验讨论使用不同的教学材料时学习者的单词学习情况的差异，结果显示二者并无明显差异。Richardson和Newby（2006）在研究学生认知投入在在线学习中的作用时，采用T检验探讨不同性别的学生在学习动机方面是否存在差异，结果显示存在显著差异。

第五，卡方检验。卡方检验是用来检验样本观测次数（或百分比）与理论或总体次数（或百分比）的差异性。可用来探讨两个或两个以上因素各种分类之间是否有关联或是否具有独立性的问题。如Zacharis（2011）在研究学生学习风格对其学生网络课程学习偏好的影响时，采用卡方检验讨论不同学习风格的学生对教学环境的选择情况，结果显示没有明显差异，说明学生的学习风格并不会影响其对教学模式的选择。

（2）三类相关性研究的数据分析方法

根据自变量和因变量的确定情况，相关性研究可分为三类，三类相关性研究所采用的数据分析方法也有所不同。

第一，自变量和因变量都确定的相关性研究。该类研究主要用于探讨变量A对变量B的影响或相关。此类研究中主要采用的数据分析方法包括相关分析（36.62%）、方差分析（35.21%）、T检验（28.17%）和回归分析（23.24%）。也有一些研究采用了卡方检验，占本组文章的16.20%。

第二，自变量确定的相关性研究。该类研究主要用于探讨某个变量在远程教学中的作用或效果。此类研究中应用最多的数据分析方法是方差分析，占到了此类研究的50%。此外应用较多的数据分析方法还包括：T检验（33.33%）、卡方检验（25.00%）、相关分析（25.00%）。此类相关性研究中采用较多的还有路径分析的方法。路径分析的主要目的是检验一个假想的因果模型的准确和可靠程度，测量变量间因果关系的强弱。路径分析可回答以下问题：模型中两变量间是否存在相关关系；若存在相关关系，则需进一步研究两者间是否有因果关系；变量1是直接影响变量2，还是通过中介变量间接影响，或两种情况都有；直接影响与间接影响两者的大小如何等。

第三，因变量确定的相关性研究。该类研究通常用于探索对某个教学现象或变量产生影响的关键因素。此类相关性研究中采用最多的数据分析方法为相关分析和回归分析，均占到了此类文章的37.04%，其次是因素分析（29.60%）、卡方检验（25.93%）。其中，因素分析主要用于对量表工具的效度进行检验。

四、结论与启示

相关性研究是远程教育研究中一种重要的实证研究类型，用于探讨事实之间有价值的关系。特别是随着学习分析和教育数据挖掘的兴起，相关性研究在远程教育领域的应用越来越多。然而分析结果显示，国内学者在国际核心期刊中发表此类研究论文数量很少。本文试图通过分析国际远程教育主要英文期刊论文中的相关性研究论文，对国外学者应用相关性研究的研究主题、研究热点、关键技术和方法进行梳理，以期对国内远程教育领域的研究人员应用和开展相关性研究有所借鉴和启示。

1.论文刊载与研究主题

分析发现，2005-2014十年间，远程教育领域发表在《British Journal of Educational Technology》杂志的相关性研究论文数量多，《Internet and Higher Education》刊载的相关性研究论文比例最大。国外远程教育相关性研究越来越多，但作者大部分来源于美国，国内尤其是大陆地区作者较少。

在研究主题上，国际远程教育领域相关性研究主要关注三个主题：（1）学习者特征分析。尤其是学习者心理特征，包括学习动机、学习风格与在线学习要素之间的关系。（2）互动与反馈。主要聚焦于三类交互对在线学习的影响。（3）技术与媒体。包括两个方面：一方面，关注影响技术与媒体在远程教育中应用的因素；另一方面，关注技术媒体对远程学习和教学结果的影响。

2.三类相关性研究：不同的问题和不同的方法

任何一个实证研究为了保证其严谨性，必须首先保证研究主题、研究问题、研究类型、研究方法之间的一致性与适切性。按照变量的确定情况，我们将相关性研究分为三类，分别适用于三类不同事实之间的关系问题。这三类相关性研究适用于不同的研究主题，回答不同的研究问题，并适用不同的分析方法。研究者应根据具体的研究主题进行恰当的选择和设计。

3.相关性研究：从微观到中观和宏观

Saba（2008）基于研究变量在远程教育系统中所处的层级，将远程教育研究由宏观到微观逐层划分为：国际层面的研究、社会系统层面的研究、教育系统层面的研究、教学系统层面的研究，以及通信和软硬件系统层面的研究。本研究对相关性研究所关注的变量和主题的分析发现，目前相关性研究在远程教育领域的应用，主要是较为微观的、教学层面的研究，且几乎涵盖了远程教育教学系统的各个关键要素和环节，例如：教学设计、学生支持、媒体应用、交互与反馈、学习者特征。研究者通过相关性研究对远程教学中各变量和事实关系的探讨，有助于更好地揭示远程教学的规律，为改善教学服务。而目前对于中观和宏观层面的研究，例如远程教育系统层面或社会层面的研究甚少。这种情况的产生，与国际学者更多关注微观层面的问题有关。而我国的远程教育实践中，除了微观层面的远程教学问题需要研究，社会和系统等中观和宏观层面也有大量问题和规律需要研究，其中很多问题都可以应用相关性研究去开展有益的实证性探索。

4.学习分析：相关性研究的应用新前景

最近五年的相关性研究论文中，学习分析领域的研究数量在逐年递增。与此同时，相关性研究也成为目前学习分析领域的一种重要研究类型。学习分析领域目前大多也关注在微观的、远程教学层面的问题。新媒体联盟（NMC）在2011年度的《地平线报告》中指出:“学习分析组合了一系列数据收集工具和分析技术，研究学生的投入情况、绩效和学习进展情况，以期及时将研究结果用于修订课程、教学和评估。”（Johnson et al.，2012）早期的学习分析工具主要以简单地可视化呈现学习行为数据为主，而随着学习分析研究与技术的逐步发展，学习分析工具与应用正在走向更复杂、更有意义的评价、预测或干预，而后者往往需要相应的学习分析模型支持，例如关系挖掘模型、聚类模型等。学习分析领域的很多研究都应用了相关性研究构建学习分析模型。可以预见，学习分析正在成为相关性研究新的应用领域。

参考文献：

［1］梁彦冰（2010）. SPSS 15.0统计分析与实践应用宝典［M］.北京:中国铁道出版社.

［2］张厚粲（2003）.现代心理与教育统计学［M］.北京:北京师范大学出版社.

［3］张伟远（1999）.中、英、美三国开放与远程教育研究论文的比较研究［J］.开放教育研究，（Z1）:59-62.

［4］Abbad，M.M.，Morris，D.，& De Nahlik，C.（2009）. Looking Under the Bonnet: Factors Affecting Student Adoption of E-Learning Systems in Jordan［J］. International Review of Research in Open and Distributed Learning，10（2）:239-287.

［5］Abedin，B.，Daneshgar，F.，& D'Ambra，J.（2012）. Do Nontask Interactions Matter？The Relationship Between Nontask Sociability of Computer Supported Collaborative Learning and Learning Outcomes［J］. British Journal of Educational Technology，43（3）:385-397.

［6］Akyol，Z.，Vaughan，N.，& Garrison，D. R.（2011）. The Impact of Course Duration on the Development of a Community of Inquiry［J］. Interactive Learning Environments，19（19）: 231-246.

［7］Artino，A. R.，& Jones，K. D.（2012）. Exploring the Complex Relations Between Achievement Emotions and Self-Regulated Learning Behaviors in Online Learning［J］. Internet and Higher Education，15（3）:170-175.

［8］Ashong，C. Y.，& Commander，N. E.（2012）. Ethnicity，Gender，and Perceptions of Online Learning in Higher Education ［J］. Journal of Online Learning and Teaching，8（2）.

［9］Bolliger，D. U.，& Supanakorn，S.（2011）. Learning Styles and Student Perceptions of the Use of Interactive Online Tutorials［J］. British Journal of Educational Technology，42（3）: 470-481.

［10］Bradford，G. R.（2011）. A Relationship Study of Student Satisfaction with Learning Online and Cognitive Load: Initial Results［J］. Internet and Higher Education，14（4）:217-226.

［11］Bradley，M. E.，Thom，L. R.，& Hayes，J. et al.（2008）. Ask and You Will Receive: How Question Type Influences Quantity and Quality of Online Discussions［J］. British Journal of Educational Technology，39（5）:888-900.

［12］Castaño-Muñoz，J.，Duart，J. M.，& Sancho-Vinuesa，T.（2014）. The Internet in Face-to-Face Higher Education: Can Interactive Learning Improve Academic Achievement？［J］British Journal of Educational Technology，45（1）:149-159.

［13］Chang，Y. C.，Peng，H. Y.，& Chao，H. C.（2010）. Examining the Effects of Learning Motivation and of Course Design in an Instructional Simulation Game［J］. Interactive Learning Environments，18（4）:319-339.

［14］Charles，C. M.（1998）. Introduction to Educational Research（Third Edition）［M］. Addison Wesley Longman Inc.

［15］Choi，H. J.，& Johnson，S. D.（2005）. The Effect of Context-Based Video Instruction on Learning and Motivation in Online Courses［J］. The American Journal of Distance Education，19 （4）:215-227.

［16］Choi，H. J.，& Johnson，S. D.（2007）. The Effect of Problem-Based Video Instruction on Learner Satisfaction，Comprehension and Retention in College Courses［J］. British Journal of Educational Technology，38（5）:885-895.

［17］Davies，J.，& Graff，M.（2005）. Performance in E-Learning: Online Participation and Student Grades［J］. British Journal of Educational Technology，36（4）:657-663.

［18］Dewey，J.（1938）. Education and Experience［M］. New York: Simon and Schuster.

［19］Draus，P. J.，Curran，M. J.，& Trempus，M. S.（2014）. The Influence of Instructor-Generated Video Content on Student Satisfaction with and Engagement in Asynchronous Online Classes［J］. Journal of Online Learning and Teaching，10（2）: 240-254.

［20］Eden，S.，& Eshet-Alkalai，Y.（2013）. The Effect of Format on Performance: Editing Text in Print Versus Digital Formats［J］. British Journal of Educational Technology，44（5）: 846-856.

［21］Flowers，J.，& Cotton，S. E.（2007）. Impacts of Student Categorization of Their Online Discussion Contributions［J］. The American Journal of Distance Education，21（2）:93-104.

［22］Gall，J. P.，Gall，M. D.，& Borg，W. R.（2007）.教育研究方法实用指南［M］.屈书杰，郭书彩，胡秀国.北京:北京大学出版社.

［23］Gerber，S.，& Scott，L.（2011）. Gamers and Gaming Context: Relationships to Critical Thinking［J］. British Journal of Educational Technology，42（5）:842-849.

［24］Godwin，S. J.，Thorpe，M. S.，& Richardson，J. T. （2008）. The Impact of Computer-Mediated Interaction on Distance Learning［J］. British Journal of Educational Technology，39 （1）:52-70.

［25］Han，H.（2013）. Do Nonverbal Emotional Cues Matter？- Effects of Video Casting in Synchronous Virtual Classrooms［J］. American Journal of Distance Education，27（4）: 253-264.

［26］Hodge，A.，Richardson，J. C.，& York，C. S.（2009）. The Impact of a Web-Based Homework Tool in University Algebra Courses on Student Learning and Strategies［J］. Journal of Online Learning and Teaching，5（4）:619-929.

［27］Hrastinski，S.（2006）. The Relationship Between Adopting a Synchronous Medium and Participation in Online Group Work: An Explorative Study［J］. Interactive Learning Environments，14（2）:137-152.

［28］Hsu，C. K.，Hwang，G. J.，& Chuang，C. W. et al. （2012）. Effects on Learners' Performance of Using Selected and Open Network Resources in a Problem-Based Learning Activity ［J］. British Journal of Educational Technology，43（4）:606-623.

［29］Hwang，W. Y.，Huang，Y. M.，& Wu，S. Y.（2011）. The Effect of an MSN Agent on Learning Community and Achievement［J］. Interactive Learning Environments，19（4）:413-432.

［30］Kanuka，H.，Rourke，L.，& Laflamme，E.（2007）. The Influence of Instructional Methods on the Quality of Online Discussion［J］. British Journal of Educational Technology，38（2）: 260-271.

［31］Kert，S. B.，& Kurt，A. A.（2012）. The Effect of Electronic Performance Support Systems on Self-Regulated Learning Skills［J］. Interactive Learning Environments，20（6）: 485-500.

［32］Kim，D.，& Kim，D. J.（2012）. Effect of Screen Size on Multimedia Vocabulary Learning［J］. British Journal of Educational Technology，43（1）:62-70.

［33］Jeong，A.，& Frazier，S.（2008）. How Day of Posting Affects Level of Critical Discourse in Asynchronous Discussions and Computer-Supported Collaborative Argumentation［J］. British Journal of Educational Technology，39（5）:875-887.

［34］Jeong，A.，& Lee，J.（2008）. The Effects of Active Versus Reflective Learning Style on the Processes of Critical Discourse in Computer-Supported Collaborative Argumentation ［J］. British Journal of Educational Technology，39（4）:651-665.

［35］Johnson，L.，Adams，S.，& Cummins，M.（2012）. The NMC Horizon Report: 2012 Higher Education Edition［R］.

［36］Lazonder，A. W.（2005）. Do Two Heads Search Better than One？- Effects of Student Collaboration on Web Search Behaviour and Search Outcomes［J］. British Journal of Educational Technology，36（3）:465-475.

［37］Lee，S. J.，Srinivasan，S.，& Trail，T. et al.（2011）. Examining the Relationship Among Student Perception of Support，Course Satisfaction，and Learning Outcomes in Online Learning［J］. The Internet and Higher Education，14（3）:158-163.

［38］Lin，S.，& Overbaugh，R. C.（2009）. Computer-Mediated Discussion，Self-Efficacy and Gender［J］. British Journal of Educational Technology，40（6）:999-1013.

［39］Liu，C. C.，Chang，C. J.，& Tseng，J. M.（2013）. The Effect of Recommendation Systems on Internet-Based Learning for Different Learners: A Data Mining Analysis［J］. British Journal of Educational Technology，44（5）:758-773.

［40］Lu，J.，& Churchill，D.（2014）. The Effect of Social Interaction on Learning Engagement in a Social Networking Environment［J］. Interactive Learning Environments，22（4）: 401-417.

［41］MacCann，R.（2006）. The Equivalence of Online and Traditional Testing for Different Subpopulations and Item Types ［J］. British Journal of Educational Technology，37（1）:79-91.

［42］Meiselwitz，G.，& Sadera，W.（2008）. Investigating the Connection Between Usability and Learning Outcomes in Online Learning Environments［J］. Journal of Online Learning & Teaching，4（2）: 9.

［43］Murphy，C. A.，Fortner，R. A.，& Mukherjee，P. et al. （2014）. Impact of Instructor Intervention on the Quality and Frequency of Student Discussion Posts in a Blended Classroom ［J］. Journal of Online Learning & Teaching，10（3）.

［44］Nasser，R.，Cherif，M.，& Romanowski，M.（2011）. Factors that Impact Student Usage of the Learning Management System in Qatari Schools［J］.International Review of Research in Open and Distributed Learning，12（6）:39-62.

［45］Nichols，M.（2010）. Student Perceptions of Support Services and the Influence of Targeted Interventions on Retention in Distance Education［J］. Distance Education，31（1）:93-113.

［46］O'Leary，P. F.，& Quinlan Jr，T. J.（2007）. Learner-Instructor Telephone Interaction: Effects on Satisfaction and Achievement of Online Students［J］. American Journal of Distance Education，21（3）:133-143.

［47］Park，H.，& Seo，S.（2013）. Effects of Collaborative Activities on Group Identity in Virtual World［J］. Interactive Learning Environments，21（6）:516-527.

［48］Pittenger，A.，& Doering，A.（2010）. Influence of Motivational Design on Completion Rates in Online Self-Study Pharmacy-Content Courses［J］. Distance Education，31（3）:275-293.

［49］Poellhuber，B.，& Chomienne，M.（2007）. The Effect of Peer Collaboration and Collaborative Learning on Motivation and Persistence in Learner-Paced Distance Courses［A］. Proceedings of the World Conference on Educational Multimedia，Hypermedia and Telecommunications［C］:1931-1940.

［50］Pulford，B. D.（2011）. The Influence of Advice in a Virtual Learning Environment［J］. British Journal of Educational Technology，42（1）:31-39.

［51］Reio Jr，T. G.，& Crim，S. J.（2013）. Social Presence and Student Satisfaction as Predictors of Online Enrollment Intent［J］. American Journal of Distance Education，27（2）:122-133.

［52］Richardson，J. C.，& Newby，T.（2006）. The Role of Students' Cognitive Engagement in Online Learning［J］. The American Journal of Distance Education，20（1）:23-37.

［53］Rockinson-Szapkiw，A. J.，Wendt，J.，& Lunde，R. （2013）. Electronic Versus Print Textbooks: The Influence of Textbook Format on University Students' Self-Regulated Learning Strategies，Motivation，and Text Anxiety［J］. American Journal of Distance Education，27（3）:179-188.

［54］Saba，F.（2008）. An Introduction to Distance Education and E-Learning［EB/OL］.［2016-01-10］. http://www.Distance-Educator. com.

［55］Shen，X. L.，Cheung，C. M.，& Lee，M. K.（2013）. What Leads Students to Adopt Information from Wikipedia？An Empirical Investigation into the Role of Trust and Information Usefulness［J］. British Journal of Educational Technology，44（3）: 502-517.

［56］Shin，T. S.，& Dickson，W. P.（2010）. The Effects of Peer-and Self-Referenced Feedback on Students' Motivation and Academic Performance in Online Learning Environments［J］. Journal of Online Learning and Teaching，6（1）.

［57］Sun，C. Y.，& Rueda，R.（2012）. Situational Interest，Computer Self-Efficacy and Self-Regulation: Their Impact on Student Engagement in Distance Education［J］. British Journal of Educational Technology，43（2）:191-204.

［58］Timmers，S.，Valcke，M.，& De Mil，K. et al.（2008）. The Impact of Computer Supported Collaborative Learning on Internship Outcomes of Pharmacy Students［J］. Interactive Learning Environments，16（2）:131-141.

［59］Tladi，L. S.（2013）. Factors Affecting Examination Attrition: Does Academic Support Help？A Survey of ACN203S （Cost Accounting and Control）Students at Unisa［J］. The Journal of Open，Distance and E-Learning，28（1）:67-82.

［60］Verleur，R.，Heuvelman，A.，& Verhagen，P. W.（2011）. Trigger Videos on the Web: Impact of Audiovisual Design［J］. British Journal of Educational Technology，42（4）:573-582.

［61］Vogel-Walcutt，J. J.，Gebrim，J. B.，& Nicholson，D. （2010）. Animated Versus Static Images of Team Processes to Affect Knowledge Acquisition and Learning Efficiency［J］. Journal of Online Learning and Teaching，6（1）:1.

［62］Yang，Y. F.，Yeh，H. C.，& Wong，W. K.（2010）. The Influence of Social Interaction on Meaning Construction in a Virtual Community［J］. British Journal of Educational Technology，41（2）:287-306.

［63］Yen，J. C.，Lee，C. Y.，& Chen，I.（2012）. The Effects of Image-Based Concept Mapping on the Learning Outcomes and Cognitive Processes of Mobile Learners［J］. British Journal of Educational Technology，43（2）:307-320.

［64］Yu，T. K.，& Yu，T. Y.（2010）. Modelling the Factors that Affect Individuals' Utilisation of Online Learning Systems: An Empirical Study Combining the Task Technology Fit Model with the Theory of Planned Behaviour［J］. British Journal of Educational Technology，41（6）:1003-1017.

［65］Zacharis，N. Z.（2011）. The Effect of Learning Style on Preference for Web-Based Courses and Learning Outcomes［J］. British Journal of Educational Technology，42（5）:790-800.

［66］Zha，S.，& Ottendorfer，C. L.（2011）. Effects ofPeer-Led Online Asynchronous Discussion on Undergraduate Students' Cognitive Achievement［J］. American Journal of Distance Education，25（4）:238-253.

［67］Zimmerman，T. D.（2012）. Exploring Learner to Content Interaction as a Success Factor in Online Courses［J］. The International Review of Research in Open and Distributed Learning，13（4）:152-165.

Application Prospect of Correlation Studies in International Distance Education——A Qualitative Meta-Analysis of International Distance Education Core Journals

Feng Xiaoying，Liu Yue，Song Qiong，Zhang Yanxia

Abstract：With the development of a large number of teaching theories and the application of new technologies，the teaching elements in distance education have become more diversified and complicated. Correlation research that adopts scientific and effective methods and techniques will contribute to our understanding of the relationships between these elements and the relationships between elements and online teaching. It also provides the reference for distance education researchers and practitioners to carry out learning analytics and educational data mining. To explore the technique and research field of correlation research in international distance education，this research used bibliometric method and qualitative meta-analysis method to study 181 correlation research papers published in international distance education core periodicals in recent ten years，by analyzing the number of papers published，topics，and methods of date collection and data analysis. Results indicated that the number of correlation research papers in the field of international distance education was increasing from 2009，and most of the studies had defined independent variables and dependent variables. These researches mainly adopted questionnaire survey and content analysis method to analyze the micro areas of distance education，such as "learning characteristics"，"interactive and feedback" and "technique and media"，and conducted data analysis by the means of correlation analysis，variance analysis and regression analysis. At present，correlation research in the field of distance education mainly focused on the microscopic and the teaching level，and learning analytics is becoming a new application field of correlation research.

Keywords:Distance Education；Correlation Research；Learning Analytics；Qualitative Meta-Analysis

收稿日期2016-01-14责任编辑何苗

作者简介：冯晓英，博士，副教授，硕士生导师；刘月、宋琼，硕士研究生，北京师范大学远程教育研究中心（北京100875）；张艳霞，硕士，助理研究员，北京语言大学网络教育学院（北京100083）。

中图分类号：G434

文献标识码：A

文章编号：1009-5195（2016）03-0047-12 doi10.3969/j.issn.1009-5195.2016.03.006