网络情境下在线学习模式与学习者个体特征对学习绩效的影响研究

肖　阳　黄锦程

（福州大学，福州350108）

网络情境下在线学习模式与学习者个体特征对学习绩效的影响研究

肖阳黄锦程

（福州大学，福州350108）

网络情境下的在线学习模式虽然在大量开展，但并不一定会产生明显的学习绩效。通过梳理现有学者的研究文献，发现网络情境下在线学习模式和学习者个体特征都是影响学习绩效的重要因素，为了分析它们对学习绩效造成的直接或间接的影响，进行了三者影响关系的假设，通过问卷调查，采集整理数据，对数据进行描述性统计、信度分析、效度分析、相关性及显著性分析，验证了变量和学习绩效的关系。分析得出，教师的引领通过学习者个体特征作用于学习绩效，同时，学习者个体特征对学习绩效的影响也受到内容资源的调节。文章总结了在线学习模式的各个维度与学习者个体特征对学习绩效的影响关系，并根据研究结论对在线学习中学习者的情感支持、指导互助策略提出了相关建议。

在线学习模式；个体特征；学习绩效

一、引言

网络情境下的在线学习模式不仅能够大幅度的节约师资资源，也让更多学习者可以便捷和低成本地获得大量高质量的课程。对于在线学习模式的研究以2005年为分界，前期研究者关注的是传统学习与在线学习的区别，提出了自主式学习、研究式学习、引领式学习等在线学习模式，后期研究者则针对网络情境下各种在线学习模式提出了许多相应的教学策略，如案例教学、情境教学、活动教学等。基于教育者与学习者的共同目标角度而言，网络情境下在线学习模式与教学策略是一脉相承的研究范畴，其研究占到在线学习应用研究的47.3%。但是，从学习者角度观察，在线学习的效果如何，尤其是基于学习者的行为视角，研究不同的在线学习模式下学习者个体特征对学习绩效的影响，更应引起我们关注。

国内高校在近几年来的教学改革尤其是课程建设改革，积极导入网络情境下的在线学习模式，开发了形式多样的在线学习课程，确实有一定的积极效果。但是从现实来看，不少高校教师开发的网络课程、网络视频课程等在线学习课程，教师采取的依然是标准化内容、学生被动式学习的教学模式，从学习者的角度来看，这些在线学习课程真的能够激起学习者的学习热情，或者有助于提高学习绩效吗？另一方面我们注意到，许多高校将在线学习课程简单等同于教学资源项目建设，比如许多网络课程的开发者，仅仅将网络在线课程当成传统课程的一个信息堆积平台，将大量视频、课件、文档上传至课程网站，放弃了教师在学习者在线学习过程中的积极介入，导致学习者在线学习时产生了信息迷航；一些高校在线学习平台的建设，只是对原有学习内容表现形式的开发，或者一些简单交互手段的网络平台应用，即使增加一些交互工具和美观的交互界面，也并没有很好激起学习者之间参与交互的热情。

在网络情境下，在线教学课程和在线学习平台的开发，不仅要关注知识和知识体系的表现方式，更要关注在线教育对于传统教育带来的根本性变革，即以学习者为中心的教育模式将逐步成为可能。基于学习者视角来说，网络情境下的在线学习，本质上是一种以学习者个体为中心，教师发挥引导作用的学习模式；对于高校教学部门和高校教师而言，在线学习课程和在线学习平台的开发规划中，必须同步考虑如何导入合适的在线学习模式，以有利于强化学习者学习动机和学习能力，最终达到优化学习者学习绩效的目的。因此有必要研究在线学习模式作用下，对学习者在线学习的行为动机和学习绩效的影响，以便于为网络情境下高校在线学习课程开发提供一定的优化建议。

二、概念界定

1.学习者个体特征的维度划分

网络情境下学习者的学习绩效受到其个体心理行为特征的很大影响。对现代远程教育（在线学习）学习者学习绩效的影响因素研究中，发现学习者个体因素对远程学习者的学习成绩影响最大。实际上，学习者的参与积极性也是影响学习绩效的重要前因，学习者的参与积极性，明显受到学习动机和学习风格的影响。在研究混合在线学习模式时，证实了学习风格对学习者在线参与积极性有显著的影响；在研究在线课程时，证实了学习动机会经由中介变量在线参与（出席率与工具利用率）作用到学习绩效。根据相关研究观点，本研究对学习绩效影响比较显著的个体心理行为特征设定为三个方面的因素，分别是学习能力、学习动机和学习风格。

（1）学习能力

杨素娟（2009）认为学习能力由元认知能力、学习策略水平、知识迁移能力，信息素养，学习资源管理能力五个部分组成。姜蔺等（2013）则指出，参与在线课程的学习者需要拥有良好信息技术能力、语言沟通能力、调节适应能力、自主学习能力。本文综合以上学者的观点，认为学习能力包括学习者的元认知能力、信息技术能力、交流沟通能力、调节适应能力和自主学习能力。

（2）学习动机

刘小群（2005）指出学习动机包括内在动机和外在动机，内在动机包括学习的需求、好奇心、求知欲、自尊心、好胜心等，外在动机包括金钱、名誉、表扬、地位、就业压力、学习风气等。Bas Giesbers等（2013）通过实证分析，证明了内在动机是影响学习绩效的关键因素。他们把内在动机分为求知动机、任务完成动机、体验动机，其中，求知动机和任务完成动机对学习绩效的影响最为显著。李向东（2011）认为除了内在动机和外在动机之外，还有社会动机。社会动机是指为了得到社会对自身价值的肯定和承认而表现出来的要把工作做好的需要，也被称为附属内驱力。但这种学习动机不指向物质结果，而更多的是为了交往的需要、自尊的需要和成就的需要，即便如此，由于学者还未对社会动机进行过实证分析，本文将引入该因素并对其进行分析。因此本文将学习动机分为：求知动机、任务完成动机和社会动机。

（3）学习风格

所谓学习风格，就是个体偏好的感知与处理信息的方式，是学习周期循环的一个完整构成部分。学习风格的研究起源于20世纪50年代，自Herbert Thelen首次提出“学习风格”的概念以来，西方已经出现了多达数十种的学习风格理论模型，这些模型总的来说可分为四类，即生理特征、心理特征、认知特征和社会特征。为了避免对学习者学习风格特征的研究过于局限，本文将选取上述四个类别中典型的分类标准作为本研究学习风格构念的维度。分别是，视觉/听觉（生理特征）、感性/审慎（心理特征）、主动实验/反思观察（认知特征）、合作/独自（社会特征）。

另外，大量实证研究都证实了学习者的个体特征关系到学习者的满意度和学习绩效，为了研究的方便，在本研究中，将学习绩效设定为两个组成部分，包括学习过程中的绩效水平——作业成绩，以及学习结束后的总体绩效——考试成绩。

2.网络情景下的在线学习模式

国内学者研究中，一般将在线学习模式分为自主式在线学习模式和引领式在线学习模式。自主式在线学习模式关注内容资源的建设，能够节约有限的师资资源，但需要学习者有很强的自主性，如今的网络课程大多采用的是自主式在线学习模式，学习者无法向授课教师提问、无法与线上的同学探讨；而引领式在线学习模式关注形成广泛的沟通，需要教师对学习者的引导、协助、答疑、支持，并组织学习者间的交互。实际上，在网络情境下区分一门在线课程是否是引领式的，关键在于其有没有教师的引领和同学的在线交互行为。例如一个网络视频课程，如果只是简单的进行浏览，那它就是自主式的，但是，如果网络视频课程有加入“弹幕”、“留言板”、“在线论坛”、“微信公众号”等交互功能模块，那就可以界定为引领式的在线学习模式。

3.在线学习模式的维度划分与变量设定

在线学习模式有自主式和引领式两个主要类型，但两者存在一定的区别，自主式在线学习模式是以内容资源建设为中心，只提供少量的交互工具；引领式在线学习模式是以沟通为中心的，包括教师及时提供各种知识学习层面的专业指导，学习者之间的在线互动和团队互助，以及来自教师的精神鼓励、支持和安慰。基于网络情境下在线学习者学习绩效的角度来看，在线学习模式的两种类型的作用方式有所不同，其中自主式学习模式更重视内容资源的建设，其作用的前提是学习者必须具备一定的学习动机和学习能力，因此在学习者个体特征与学习绩效之间起到外部的影响（即具有调节变量的特点）；而引领式学习模式中更加关注指导互助、情感支持等对学习者的主动影响，因此体现为教师对学习者学习动机与能力方面的主动性影响。本研究将网络情境下在线学习模式，分为内容资源、指导互助和情感支持三个维度，考察其对学习者个体行为与学习绩效的不同影响，分别设定为不同的变量意义，以便于较为客观准确地反映在线学习模式与学习者个体特征和学习绩效的关系。

三、理论与假设

本研究以学习者的学习绩效为目标，关注网络情境下在线学习者个体特征对学习绩效的影响，即基于学习者的学习行为视角，将在线“学习者个体特征”作为内生性影响因素；将两种在线学习模式的相关变量作为外生性因素。其中由于引领式学习模式是体现为教师对学习者的主动影响，因此将引领式学习模式中的“指导互助”、“情感支持”设定为前置变量；而自主式学习模式的“内容资源”的作用，主要体现为对学习者个体行为与学习绩效两者关系的外部影响，由此在本研究中将其设定为调节变量（见图1）。

网络情境下在线学习模式中，教师对学习者的引导帮助和学习互动对学习者行为有一定的影响。张丽超（2008）指出，教学中教师要引导和帮助学习者不断提高自我监控能力，进而提高学习者的元认知能力，而元认知能力又是学习能力的核心部分。因此提出假设：H1a。

H1a指导互助正向影响学习者的学习能力。

李向东（2011）指出，教师对远程学习者要有适当的情感关怀，远程学习自主学习中的孤独感和人机对话的枯燥感会造成学习者的心理障碍，影响学习效果，这时他们急需得到教师的引导和帮助，教师利用自身的学识、能力、人品等人格魅力把握适当的时机对学习者进行情感关怀，鼓励、赞赏、期待都会成为强有力的动机因素，激发学习者的自主学习的热情。因此提出假设：H1b。

H1b情感支持正向影响学习者的学习动机。

学习绩效的影响因素往往来自多个方面，于凌云（2006）指出，影响网络学习者学习绩效的因素主要来自三个方面：学习者的学习动机、学习能力和网络学习环境。的确，天资聪颖的学习者往往能更加轻松的取得高分，同时积极学习也能弥补天资的不足，正所谓勤能补拙，积极学习一样能取得很好的学习绩效。Bas Giesbers（2013）也曾指出，有着高水平的学习动机的学习者会获得更高的期末成绩。因此提出假设：H2a、H2b。

H2a学习能力正向影响学习者的学习绩效。

H2b学习动机正向影响学习者的学习绩效。

Eugenia Y（2012）在其实证研究中将学习风格分为实验/反思、感觉/知觉、视觉/听觉和顺序/综合四个维度，并验证了感觉/知觉型学习者在在线参与的中介作用下，对最终的在线学习绩效产生了显著的影响，而数据分析却不支持其他维度的假设，即大多数学习风格与学习绩效之间并无显著的相关关系。

不同的是，国内的一些学者采用了其他的学习风格维度进行研究，却得出了特定学习风格有助于提升学习者学习绩效的结论。例如李慧君（2014）指出，学习风格会对学习者的学习策略的使用产生较大影响，进一步影响学习者成绩的变化。李慧君等将学习风格分为视觉/视动觉、听觉/听动觉，并通过统计得出了特定风格学习者学习绩效的提升情况，但不足的是，其分析均为简单的描述性统计，而没有更令人信服的显著性检验。

面对正反相悖的观点，本文无疑要先确定学习风格的各个维度对学习绩效是否存在显著正向的影响，才能进一步分析各调节变量的作用。因此提出假设：H2c。

H2c学习风格正向影响学习者的学习绩效。

在线学习模式中，自主式（以内容资源为核心）的在线学习模式，是指学习者自己确定学习目标、制定学习计划、选择适合自己的学习方法、控制学习进程、评价学习结果的一种体现主体能动性的在线学习方式。在没有教师的引导帮助情况下，需要学习者有很强的学习能力（特别是元认知能力）和学习动机，才能很好的适应这种学习模式并取得良好的学习绩效。因此本研究重点关注具有较高学习能力或者学习动机与学习绩效的影响关系中，内容资源是否具有正向调节作用。因此本研究提出如下假设：H3a、H3b。

H3a内容资源对高学习能力学习者的学习绩效有正向调节作用。

H3b内容资源对高学习动机学习者的学习绩效有正向调节作用。

图1　研究框架：网络情境下在线学习模式与学习者个体特征对学习绩效的影响

四、研究方法

本研究选取的网络情境下在线课程学习者的样本来源，包括高校的网络课程、在线培训课程（如会计电算化培训）、在线语言培训课程（如在线交互英语课程）以及网络在线专业竞赛培训课程（如商道培训）的学习者。这些网络在线课程包含了门户网站中丰富的文字、图片和视频等内容资源，也包含了同学的交流互助，教师的答疑指导和情感支持。本研究将各个渠道获取的网络在线学习者样本经过标准化后统一为一个样本，以便于研究在线学习模式的各个维度与学习者个体特征对学习绩效的影响。

本研究测量的变量包括个体特征、在线学习模式和学习绩效三个方面，学习能力、学习动机、学习风格和学习绩效的测量采用问卷法来测量，由于预调查期间学习者普遍反映语义差别太小，因此对个体特征的测量将采用简化的李克特量表法（3个语义差别）。为了避免共同量表形式产生的共同方法偏差，内容资源维度的测量将采用观测计分法。王刚等（2010）参考了教育部信息化技术标准委员会发布的《网络课程质量评价规范》，设计出了一个在线课程资源评价系统，并在专家评价的基础上，采用层次分析方法（AHP）验证了该评价系统权值的一致性。由于该评价系统较为严谨，且适合本文的在线课程研究背景，因此本文采用该评价系统对在线课程的内容资源进行评分，即内容资源维度采用的是观测计分法而非语义差别测量法进行测量。

五、测量量表

表1　问卷题目

六、数据分析

本文采用SPSS 16.0进行数据分析，分别进行描述性统计、信度分析、效度分析、相关性及显著性分析，分析结果如下。

1.描述性统计

本文选取福州地区大学城的三所高校（福州大学、闽江学院和江夏学院）的在线学习者作为研究样本。共发放400份问卷，回收有效问卷326份，被调查者均接触过在线教学平台或者参与过在线学习课程。其中，福州大学占73%，闽江学院占15%，江夏学院占12%。四个年级的比重分别是，大一占31%，大二占13%，大三占34%，大四占22%。女性受访者的比例为60%，男性受访者的比例为40%。

2.信度分析

信度分析的目的在于检验不同样本之间是否具有较好的可靠性（即数据样本的稳定性）。克隆巴赫系数α评价的是量表中各题项得分间的一致性，属于内在一致性系数，这种方法适用于态度、意见式问卷的信度分析（表2）。

表2　信度系数表

不同高校、不同年级专业之间，问卷保持了良好的信度水平，Cronbach α介于0.6至0.7之间，是一个可以接受的问卷信度值。说明本文问卷数据可信度较高。

3.效度分析

学习能力、学习动机和学习风格都是根据现有文献设计的量表，因此有必要对其变量维度的选取进行效度分析，以评估变量维度的结构效度，而内容资源是引用现有的成熟量表，因此不必再做效度分析；其他变量如情感支持、指导互助和学习绩效都是维度构成非常简单明了的，因此这里也不再做效度分析。三个变量的效度分析结果，见表3。

表3　学习能力旋转因子载荷矩阵

学习能力变量的KMO检验值为0.518（大于0.5），适合做因子分析。由于3个主因子的累计方差贡献率达74.18%（大于60%），元认知能力和交流沟通能力由第一个因子解释，因子载荷都大于0.786；信息技术能力和自主学习能力由第二个因子解释，因子载荷都大于0.765；调节适应能力由第三个因子解释，因子载荷为0.985。三者的因子载荷都大于0.6。因此学习能力变量的结构效度较好。

其他两个变量的分析思路与学习能力变量的一致，这里不再作图赘述，仅做简单说明。

学习动机变量的KMO检验值为0.529（大于0.5），适合做因子分析。由于3个主因子的累计方差贡献率达71.91%（大于60%），且各主因子的因子载荷都大于0.6，因此学习动机变量的结构效度较好。

学习风格变量的KMO检验值为0.525（大于0.5），适合做因子分析。由于3个主因子的累计方差贡献率为58.15%，最小的因子载荷仅有0.404，因此学习动机变量的结构效度不是很好。根据因子载荷矩阵剔除视觉/听觉学习风格维度后，学习风格变量的KMO检验值为0.501，累计方差贡献率则上升到72.45%，最小的因子载荷达0.757（大于0.6），此时学习风格的维度构成有了较好的结构效度。

4.相关分析与回归分析

指导互助与学习能力之间的相关系数为0.395，显著性水平为0.005，存在显著的相关关系，同时，指导互助与学习能力之间的回归系数为0.98，回归系数显著（p＜0.01）。因此验证了原假设H1a（指导互助正向影响学习能力）

情感支持与学习动机之间不存在显著的相关关系（p＞0.05），不支持原假设H1b。可能的原因是情感支持更趋向于激发学习者的外在动机（表扬、肯定和承认）而非内在动机，而外在动机可能无法使学习者产生强有力的动机水平。

表4　学习绩效相关系数表

表4证实了学习能力与学习绩效存在显著的相关关系（p＜0.01），此外，学习绩效与学习能力的回归系数为0.180，回归系数显著（p＜0.01），说明（H2a）学习绩效正向影响学习者的学习能力。同时学习动机与学习绩效也存在显著的相关关系（p＜0.01），此外，学习绩效与学习动机的回归系数为0.287，回归系数显著（p＜0.01），说明（H2b）学习动机正向影响学习者的学习绩效。

表5　学习绩效与学习风格相关系数表

如表5所示，学习风格四个维度（视觉/听觉、冲动/审慎、反思/实验、独自/合作）的P值都大于0.05，因此不支持原假设H2c。

学习风格是否能正向影响学习绩效本身就存在许多争议的，正如假设部分所提及的，Eugenia Y（2012）和李慧君（2014）对学习风格能否影响学习绩效有着完全不同的观点，但是本文的研究结论进一步支持了Eugenia Y的观点，即学习风格对学习绩效并没有直接的作用。

图2　内容资源对高学习能力学习者学习绩效的调节作用

如图2所示，假设中的高学习能力学习者，指的是学习能力水平处于中上游的学习者，因此对应的是本文中学习能力取值大于10（学习能力取值范围：5-15）的学习者，同时本文将学校水平作为控制变量，因为不同水平的学校，其学习者的学习绩效会表现出明显的差异。回归分析显示，低内容资源下，学习能力和学习绩效之间的回归系数为0.015，而高内容资源下，回归系数则高达0.426。验证了假设H3a，内容资源对高学习能力学习者的学习绩效有正向调节作用。

图3　内容资源对高学习动机学习者学习绩效的调节作用

如图3所示，由于按学习动机水平大于3筛选所得的样本较小，为了扩大样本，假设中的高学习动机学习者对应的是本文中学习动机取值大于2（学习动机取值范围：1-5）的学习者，学习动机是兴趣、补缺、成绩、检查、表扬五个分动机的取值之和。回归分析显示，低内容资源下，学习能力和学习绩效之间的回归系数为0.084，而高内容资源下，回归系数则高达0.596。验证了假设H3b，内容资源对高学习动机学习者的学习绩效有正向调节作用。

七、结论与建议

本研究重点关注网络情境下在线学习者个体特征对学习绩效的影响，研究结果显示，网络情境下的在线学习模式中，学习动机与学习绩效的回归水平要远大于学习能力与学习绩效的回归水平，说明网络情境下，学习者学习动机的作用要比学习能力重要得多。研究调查显示，补缺动机、成绩动机与检查动机位列学习动机的前三名。补缺动机方面要求教师要仔细研究学习者的学习需求，了解学习者最欠缺、急需的知识模块，并将在线课程设计得更加符合其需求；成绩动机要求课程内部要引入阶段性的考核机制，以保证学习者能长期保持认真仔细的学习态度；检查动机要求在线课程的后台要做好学习者学习情况的数据统计（如在线时长、参与讨论次数、在线考试成绩等），以方便教师的检查和监督。因此高校在线学习课程的开发者，应当把关注的重点从教育技术和教育资源开发视角转向学习者本身，在线学习课程项目建设中，必须根据学习者对不同课程的需求动机特点，明确在线课程的具体规划目标，进行有针对性开发设计。

表6　假设检验结果

网络情境下，学习者的学习风格对学习绩效的作用并不显著，这里再一次佐证了Eugenia Y等人的实证研究结论。同时，本文研究发现，并没有最佳的学习风格类型，总之，适配课程特征的学习风格才是最好的。因此在网络情境下教学者应更加关注何种学习风格更适合其所设计的课程，并在课程设计中体现出对学习风格的引导。例如，在线英语课程培养的是学习者的听说能力，听觉型会比视觉型学习风格更适合该课程，因此要更加侧重引入音频内容和跟读内容，以引导学习者将其学习风格调整为听觉型。

研究表明，在互联网条件下实施的开放式教学中，学习者的学习能力差异虽然不再是决定性影响因素，但是考虑到网络情境下，许多在线学习课程覆盖的目标群体具有广泛的社会性，比如，伴随着近几年国内高校开发的慕课（MOOCs）项目的蓬勃兴起，在慕课（MOOCs）项目投入使用中经常发现，这类在线学习课程的学习者数量在初期确实有较大规模，但是随着学习进程的推进，学习者数量呈现为逐步下滑的情形。因此为了保证在线学习绩效，仍然有必要对网络在线课程的学习难度有所控制，特别是开放式的在线学习课程参与受众广泛，这就要求网络在线课程要适当放低姿态，把网络在线课程的难度控制在不同能力学习者都能够接受的范围内。

网络情境下的引领式在线学习模式中，其中指导互助侧重于知识本身学习的教师引导和学习者互动，而情感支持则偏重于学习情绪态度的影响。研究结果表明，指导互助对学习者的学习能力有着非常积极的影响，指导互助通过学习能力的中介作用，进而提高学习者的学习绩效，由此说明教师的引领式教学方式，在学习者的网络学习情境中并非没有价值，但是引领式教学最重要的意义在于提高学习者的学习能力。情感支持方面，并未发现其对学习者的学习动机有着积极的作用。研究表明，以学习者的实际感受来看，指导互助与情感支持，其效果存在一定差异，作为教师在对学习者的这两种引导帮助方式的关注，应该区别对待。这也提醒一些关注学习者个体情绪特征的教师，并不需要把过多的精力投注于如何鼓励和表扬学习者，而应该更多的去为学习者提供各种实质性的学习引导和专业性帮助。

研究表明，作为网络情境下的自主式在线学习模式，内容资源均对高能力和高动机学习者的学习绩效有着正向的调节作用。这提醒我们，对于导入自主学习模式，单一依托内容资源开发的在线教学课程，在没有教师引导帮助的情况下，要确保学习绩效的前提条件是，在线学习者必须具有较高的学习能力和学习动机。实际上，网络情境下的在线学习课程，虽然学习者参与方式非常便捷，但是因为不同学习者学习动机和学习能力的层次差异，让一门在线学习课程在广泛的人群中达到满意的学习绩效，是有难度的。即一门在线学习课程很难同时保证低能力、低动机与高动机、高能力学习者的学习绩效。结合前面的研究结论，对于低动机、低能力的学习者，为了确保他们的学习绩效，高校教师在具体的在线学习课程设计中，更应该导入引领式学习模式，而不是导入自主式在线学习模式。从现实角度观察，在网络情境下的高校在线课程，可以在学习者正式参与课程学习之前，提供一定的自我测试界面，以引导学习者正确选择适合的在线课程；同时在线学习课程的内容开发和学习难度上应该形成一定的递进梯度，以便于学习者逐步增强学习能力和动机；或者分别开发普及版本和高级版本，便于学习者自主选择适合自己的在线学习内容资源，以获得更好的学习绩效。

八、研究不足与展望

除了学习者自身动机，网络情境下的在线学习绩效也可能受到其他因素影响。比如，针对在线学习模式的可能缺陷，国内学者李向东（2011）研究认为“远程自主学习中的孤独感和人机对话的枯燥感，会造成学习者的心理障碍，影响学习效果。”是否引入情感支持，可能会有助于减少学习的枯燥感和疲惫感，进而有助于提高或恢复学习者的学习动机？另外，本研究仅仅将课程的作业成绩和考试成绩作为学习绩效的衡量标准，进一步的研究可以考虑将学习者的其他绩效（如对学习者创新能力的影响等）列为学习绩效的范畴。在目前网络情境下的高校教学环境中，能够提供给学生的在线学习资源相对较少，不同在线学习课程对于学习者的价值也存在明显差别，因此检验结果的可靠性，还需要结合更多的在线学习样本做进一步验证。

［1］王红艳，胡卫平.中国在线学习研究现状与启示［J］.中国远程教育，2013（15）：30-34.

［2］秦宇.引领式在线学习模式［J］.教育信息化，2005（11）：37-39.

［3］曹良亮，衷克定.在线学习者学习行为特点的初步探讨［J］.中国远程教育，2012（5）：56-61.

［4］李建伟.基于引领式在线学习模式的学习管理系统设计［J］.中国远程教育，2008（6）：50-53.

［5］范颖.引领式在线学习模式在远程教学中的实践［J］.现代教育技术，2010，20（10）：111-114.

［6］李慧君，饶洒荣，曾辉慧，等.学习风格对学习者学习策略与学习成效的调控研究［J］.当代教育理论与实践，2014，6（1）：95-97.

［7］Giesbers B，Rienties B，Tempelaar D，et al.Investigating the relations between motivation，tool use，participation，and performance in an e-learning course using webvideoconferencing［J］.Computers in Human Behavior，2013，29（1）：285-292.

［8］Huang E Y，Lin S W，Huang T K.What type of learningstyleleadstoonlineparticipationinthe mixed-mode e-learning environment？A study of software usage instruction［J］.Computers&Education，2012，58（1）：338-349.

［9］杨素娟.在线学习能力的本质及构成［J］.中国远程教育，2009（5）.

［10］姜蔺，韩锡斌，周潜，等.MOOCs学习者特征及学习效果分析研究［J］.中国电化教育，2013（11）：54-59.

［11］刘小群，王立军.影响学习动机的外部因素与学习动机的激发［J］.陇东学院学报（社会科学版），2005（1）.

［12］李向东.试论电大远程学习者学习动机的激发［J］.中国成人教育，2011（21）.

［13］王栋，戴炜栋.学习风格与二语学习任务相关性：一项基于Kolb学习风格模型的实验研究［J］.外语界，2013（1）：28-35.

［14］张丽超，赵颖.略论元认知理论在教育教学中的运用［J］.继续教育研究，2008（9）.

［15］于凌云，谢艳梅.应用知识管理提高网络学习绩效初探［J］.现代远程教育研究，2006（2）.

（责任编辑：王丽琛）

Influence of Online Learning and Individual Characteristics on Learning Performance

XIAO Yang，HUANG Jincheng
（Fuzhou University，Fuzhou 350108，China）

Although online learning is now very popular，it does not necessarily lead to significant improve in learning performance.This research，after a careful study of literature，found that online learning mode and individual characteristics of learners are important factors which can affect learning performance greatly.In order to analyze the direct or indirect impact of those factors，this paper put forward some assumptions about thecorrelationbetweenthevariablesandlearningperformancefirst，andthenusedthedatafrom questionnaires to verify the hypothesis by means of descriptive study，reliability analysis，principal component analysis，and correlation and significance analysis.The result shows that teachers’guidance based on individual characteristics can affect the learning performance，while the impact of individual characteristics on learning performance can be affected by learning resources.This paper summarized dimensions of online learning mode and individual characteristics which can affect learning performance，and provided some suggestions，such as giving less emotional support，but more guidance.

online learning mode；individual characteristics；learning performance

G434

肖阳（1963—），男，副教授，研究方向：企业管理、技术经济。

福建省教育科学“十二五”规划课题重点项目（FJJKCGZ13-028）。