以学生为中心的在线学习行为模型构建与分析*

王 月 李春杰

（1.渤海大学 教育科学学院，辽宁 锦州 121013；2.渤海大学 信息科学与技术，辽宁 锦州 121013）

引言

互联网自产生以来得到了迅速发展，并且冲击着各行各业的变革，教育教学领域也发生了巨大的变化。信息技术与教育教学结合，使学生学习知识的途径发生了翻天覆地的变化。学生获取知识的途径不再局限于教师课堂上的讲授，而是转变为利用网络空间进行在线学习。随着信息技术的普遍应用，在线学习被越来越多的人接受。在国内，越来越多的学校开始建设本学校的在线学习网站，也有越来越多的教师开设在线精品课程。但是，学生学习效果并没有得到想象中的改善，本文针对学生的在线学习行为展开研究，分析影响学生成绩的相关因素，并提出相应的解决对策，使学生更好地利用网络进行在线学习以取得良好的学习成绩。随着在线学习在学生间的广泛使用，越来越多的研究者对学习者的在线学习行为做了相关研究。胡敏[1]等人对在线学习中的学习者参与度模型进行了研究，并且将学习者的参与度分为行为参与度、认知参与度、情感参与度三个方面；彭文辉[2]等人建立了学生在线学习行为的多维度模型和评估系统的设计并分析了学生在互联网环境中具体的学习行为；朱珂[3]做了关于在线学习空间中的学习者交互模型及应用的研究，提出了交互模型，并研究了交互性和沉浸感对学习者持续使用意愿的影响；吴林静[4]等人做出了网络学习空间中的在线学习行为分析，提出了在线学习行为模型等。以上研究结合学习行为分析进行了深入探索，具有一定的参考意义。本研究通过对学生在线学习行为的度量分析，研究影响学生在线学习的因素与学习成绩之间的相关性，并据此提出相应的观点供相关研究者参考。

一、在线学习行为的概念

到目前为止，国内外还没有给予在线学习行为官方的概念。与在线学习行为相类似的名称有“远程学习行为”“网络学习行为”以及“网络自主学习行为”等。彭文辉[5]等人认为网络学习行为是指发生于e-Learning环境中的、与学习相关的网络学习者的各种行为。黄克斌[6]等人认为网络学习行为是指学习者在由现代信息技术所创设的、具有全新沟通机制与丰富资源的学习环境中开展的远程自主学习行为。通过一定的调查与研究，本文认为在线学习行为是学生自主进行的，有目的地利用现代教育技术所创设的环境进行在线学习的一种行为。

二、以学生为中心的在线学习行为模型构建

在线学习空间主要有以下三大基本要素构成：提供在线学习的学习平台、学习信息、人（包括教师和同学）。本研究依据学习者与这三大基本要素之间的相互关系，将在线学习空间中学习者的学习行为主要划分为以下四类。

（一）情感交互行为

它是指学习者在网络学习空间里与其他学习者进行交流与沟通来完成学习的行为，主要包括学习者与教师、同伴等人进行的各种交流与沟通活动。例如：进行小组讨论、在线求助教师等。

（二）平台交互行为

它是指学习者与专门开发的学习平台间交互的学习行为。例如：登录教学平台，操作的在线时长等。

（三）信息交互行为

它是指学习者利用电子终端设备与在线空间中的资源或者需要学习的内容之间所发生联系的一种交互行为，如观看课程视频、提交作业和发表主题讨论等。

（四）内化交互行为

它是指学习者已有的知识概念与在线学习环境中新概念的碰撞而进行调节和反思的一种交互行为，如反思，撰写日志和自我评价等。

基于以上描述，本研究构建了以学习者为中心的在线学习行为分析模型（如图1所示）。

图1 在线学习行为分析模型

三、以学生为中心的在线学习行为量化

为了更好地量化学习者的在线学习行为而制定了相应的量化指标，以便实现学习者在线学习行为的数量化。以下四种在线学习行为的主要行为度量参考毛刚[7]等人的基于活动理论的小组协作学习分析模型与应用和朱柯[8]的网络学习空间中学习者交互分析模型及应用研究以及吴林静[9]等人的网络学习空间中的在线学习行为分析模型及应用研究。表1展示了上述描述的四种在线学习行为的主要行为以及对主要行为的相关描述。

表1 在线学习行为度量指标

四、以学生为中心的在线学习行为分析及建议

该研究选取了辽宁省大学开放课程渤海大学的计算机网络课程，分析了渤海大学86名学生的在线学习行为与学习成绩之间的关系，以帮助学生更好进行在线学习。

（一）大学生在线学习行为分析流程

利用数据挖掘技术对辽宁省开放平台中学生的在线学习行为进行分析，了解学生在网络学习中会遇到的各种问题以及不同学生间产生成绩差异的因素。基于学生在线学习行为的数据挖掘流程图如图2所示：（1）数据收集：是指收集辽宁省开放课程平台中的数据，主要包括平台中的数据库信息和服务器中的信息；（2）数据处理：将存储在数据库中的信息抽取出来，进行相应的转换，然后保存到数据仓库中等待深度挖掘；（3）数据挖掘：利用数据挖掘模型和数据挖掘软件对数据仓库中的信息进行深度挖掘；（4）数据分析：对收集的资料进行深度分析，得出学生在线学习行为的相关结果，再将得到的结果反馈给学生，并对学生的在线学习情况进行一定的评价。

图2 大学生在线学习行为的数据挖掘流程图

（二）大学生在线学习行为分析

本研究选取的对象是渤海大学的部分在校大学生，分析的内容是学生使用“辽宁省大学开放课程平台”学习“计算机网络”这门课程的相关行为。根据辽宁省大学开放课程平台中已有的数据进行刷选，选取了共86名学生作为样本。在这一样本中，男生共有44名，女生共有42名，大二的学生有78名，大三的学生有6名，大四的学生有2名。

1.收集的数据

第一，主要行为数据，包括访问网页的次数、完成任务的次数、视频观看的次数、讨论次数、在线学习的时长、发帖求助的次数等。第二，学生的平时作业（共三次）以及最终统一考试的期末成绩。主要数据来源于辽宁省开放课程平台上所提供的相关信息以及考试成绩汇总的信息。本研究将学生的主要在线学习行为以及平时的作业和最终的成绩进行分析。其中，发帖数、回复帖子的数量以及学生延迟提交作业的数据因采集不够，以下暂且不做分析。

2.基于皮尔逊相关系数分析以上大学生的主要在线学习行为

根据相关数据整理得出如表2所示的相关矩阵图。

表2 在线学习行为分析相关矩阵图

3.学生行为分析的结论及建议

（1）浏览资源的次数、视频观看的次数以及访问数与学生考试成绩之间相关显著，均达到了0.5以上。其中，浏览资源的次数和视频观看的次数与考试成绩之间密切相关。

（2）作业1、作业2和作业3与考试成绩之间关系显著，其中，作业1与考试成绩之间达到了密切相关，从表中也可以看出作业1与浏览资源次数和视频观看数之间也是密切相关，说明了观看视频的次数与成绩和作业之间正相关，体现了有效的观看视频可以很好地帮助学生学习并且对他们成绩的提高有一定的帮助。

（3）延迟提交作业次数与考试成绩之间的系数为负数，说明了延迟提交作业次数与考试成绩之间无相关性，体现了考试成绩与学生独立完成作业之间存在密切的相关性。

（4）求助的次数与考试成绩之间相关性也不大，并且与其他因素之间的相关性也不明显，说明该因素独立于其他变量，对学习成绩效果影响不大。

基于以上的分析结果，为了有效地提高学生的学习成绩，可以采用积分制的方法对学生进行约束管理，具体措施如下：①规定学生每天的基础积分必须达到30分，积分获取的方式有：登陆学习平台、观看视频时长、浏览文章时长、回复帖子数量、分享学习心得、在线求助以及完成习题等；②在完整观看视频的情况下，方可完成相应习题的提交，否则提交失败，则无法获得相应积分；③规定学生在校内学完章节课程后，及时登录辽宁省大学开放课程平台在线浏览资源，并完成章节作业；④规定学生在浏览资源和观看视频的过程中，发现不懂的问题，及时在线询问教师或者发帖与同伴讨论，对待教师在线提出的讨论问题也要积极进行讨论；⑤规定学生最迟提交作业的时间点，逾期不可再进行提交，没有提交者作业成绩为0；⑥规定学生要在线发帖讨论并回复教师与同学的帖子；⑦对于没有达到相应积分的学生，可以采用惩罚的形式进行批评教育。

五、结论

本研究基于辽宁省大学开放课程平台对渤海大学选修计算机网络课程的大学生进行在线学习行为研究，并构建了以学习者为中心的在线学习行为模型，量化了以学生为中心的典型在线学习行为，分析了以学生为中心的在线学习行为。对学生的在线学习行为进行有效分析，有利于研究学生的学习效果，是指导学生更好地进行在线学习的依据。规范学生的在线学习行为，如：首先，规范学生的信息交互行为，让学生合理利用在线资源进行自学，能够及时提交作业并完成线上任务；其次，规定学生与教师和同伴间的情感交互行为，尤其是师生间的情感交互，以便激发学生对课程的兴趣，更有利于掌握知识；最后，规范学生的内化交互行为，促进学生本人产生新旧知识的比较，建构新知，能够及时反思自我，主动学习等行为，有利于改善学生的学习效果，对提高成绩具有重要帮助。利用数据挖掘技术对大学生的学习结果进行反馈，有利于提高学生学习效率以及促进学习方法的改进，对改善学生在线学习效果和帮助教师指导学生进行学习具有非常重要的意义。