学习行为研究进展

周雪

摘 要：随着慕课快速发展为当下最新、最潮的学习形式，学生的学习行为也在发生翻天覆地的变化，关于学习行为的研究也涌现出许多新的研究成果。对相关文献进行梳理概括，深入的洞察“互联网+”模式下学习行为发生的转变，发现网络促进良好学习效果的同时也滋生出许多恶习。

关键词：学习行为;“互联网+”模式;转变

学习是一个复杂的过程，主要通过学习行为表现出来，同时也受到学习行为的直接影响。即学习者在学习过程中表现出来的行为，是学习者内在心理素质的外在表现。国内外学者对学生学习行为及其影响因素进行了大量研究，本文将对相关研究进行梳理和总结，从整体上了解学生学习行为的变化。

1 学习行为的早期研究

学习行为的早期研究主要关注以下三个方面：首先，大部分研究主要关注影响学习行为的因素，在家庭方面，家庭教育方式至关重要。研究表明民主型的家庭教育能够调动孩子学习的积极性，学生的学习行为更具有独立自主性[1]。就学生自身因素而言，研究发现学习动机、归因、自我效能感是影响自我监控学习行为的几个重要的内部因素[2]，而且个体的思维风格与课堂学习行为显著相关，这种关系受到学习动机的调节[3]。从学生与教师关系来看，如果教师的言行表现在教育教学过程中符合师生心灵契约中的期望，教师则能运用心理契约对学生的学习行为产生积极的影响，能够满足学生的内外在学习需求，强化学生的学习动机，进而提高学习的积极性和主动性[4]。其次，关注良好学习行为与不良学习行为的模式及其区别，研究表明差生在学习动机、学习兴趣、学习方法、学习坚持性等方面的表现都不如优生[1]。最后，陈桂生教授指出要关注教学方式创新对培养学生良好学习行为的有效性，目的在于将学生的学习行为由被动型转变为主动性型。

2 近期研究

2.1 探索教与学规律

近年来关于学习分析的大多数研究主要是探索教与学的规律。深入探讨新环境下的教与学规律需要学习分析作为坚实的后盾。基于教学平台中记载的各类教学数据，已有研究对学生学习行为、学习体验和效果的影响等进行了探索。例如研究者基于网络教学平台中师生行为的表征数据，探讨了网络教学环境下，学生自主的学习行为和教师的教学方式二者之间的关系[5];通过文本挖掘和对弹幕数据进行分析，发现在一定程度上，开启弹幕这种学习行为方式有助于师生之间的情感沟通，拉近师生间的心理距离，降低学生进行网络学习时的孤立感，从而促进学习[6]。学习分析技术和教育大数据的结合是探索新环境下教与学规律的重要方法，有助于挖掘教育数据中的教学知识与学习需求。然而，现有研究在分析教与学的关系时可利用的数据源较少，若想探讨学生学习行为背后的规律和心理特征，未来研究者需要整合不同数据源以及不同类型的数据。

2.2 学习过程的监控与评价

近期研究中另一个重要主题是利用学习分析技术来监控、评价和预测学生的学习行为及过程。通过分析学生的学习行为数据，研究者能够有效监控学生学习的投入程度、学习的途径和过程，从而使教师可以根据学生的学习情况随时调整教学策略，并且能够发现学生的不良学习行为，提供有效的干预措施和及时的反馈。因此，提出相应的理论框架，对评价和预测的指标进行界定，从而设计开发成熟的系统必然会成为当下研究的热点。例如根据学习行为投入理论，研究者首先界定了在线学习行为投入评测指标，然后基于实际的数据分析其内在结构以及对学习绩效的预测力，进而确立真正有效的评价指标[7]。此外，张家华等人建构了在线学习的干预模型，在分析技术的指导下及时预测可能出现不良学习行为的学生，并提供适当的干预措施。

2.3 自适应和个性化学习

虽然自适应和个性化学习是极具有应用潜能的领域，目前还缺乏相关的研究。现有少量的研究开始初步地探索基于学习分析的自适应和个性化学习，主要是从用户模型与资源推荐模型、个性化和自适应算法与技术、自适应学习系统等方面展开。例如，研究者通过收集学生相对稳定的个人信息和学习过程中动态变化的数据进而了解有关学习者的深层次信息，包括学习特点、学习动机、学习兴趣以及认知风格等，并且为学习者提供个性化的学习支持服务[8]。此外，方海光等人将其构建的量化自我学习算法（Quantified Self Learning Algorithm）作为自适应学习的基础。随着个体的服务意识不断增强、个性化需求不断增长，仅仅依靠数据和技术对学习行为进行分析与应用已经无法满足教育的需求，因此，必然要实现从数据和技术驱动向教育需求的转变。未来，无论是学校还是各类教育机构，都将更加注重教育教学产品及服务与学生的个性化需求相适应，与自适应与个性化学习相关的应用研究将成为学习行为研究的核心内容。

3 “互联网+”模式下学习行为的变化

3.1 认知变化

一些研究使用学习者的认知变化代替传统的学习成绩来衡量学习行为变化，Champaign等人将这种变化定义为学生成功完成测验能力的提升，关注的是学生能否超越他们现有的能力水平，而不是取得的高分。

3.2 社交互動这一学习行为是学习结果的一部分

与学业成绩相比，对社交层面学习成果的关注较少。现有研究主要关注的是网络课程论坛的讨论。这种通过论坛帖子所获得的社交学习被视为成绩的补充，因为帖子的数量是最常见的、与社会互动相关的学习衡量标准。Joksimovi?等人利用社交网络分析量化学习者在人际网中所处的位置，结果表明具有较高等级的网络学习者和具有较高社会资本的社交参与者不一定是同一个人，但网络学习时长对于建立社会互动和合作模型，即通过与他人交流互动进行学习至关重要。

3.3 养成不良学习行为

随着新媒体的普及，教育也更加重视翻转课堂的重要性。网络给教育带来便利的同时，也使学生养成很多不良的学习习惯。据调查，68.2%的大学生在课堂使用手机，而且在45分钟的上课时间内，学生使用手机上网的时间高达75%。进一步了解学生浏览的内容，发现学生在课堂上使用手机查阅专业相关课程知识的只占5.8%。由于自控能力的缺乏导致学生无法抵抗诱惑，久而久之对新媒体产生较高的依赖性，课堂上无法集中注意力学习，游离于老师教授的内容。

随着课程改革的深入，为了提高學生的学习积极性，让学生充分利用图书和网络资源系统地理解和掌握相关学习内容，任课教师充分利用多媒体及其他授课模式改善教学效果。例如布置开放式的学习任务，鼓励学生通过小组合作收集资料进行汇报展示，或者采取课程论文的形式作为期末考核。但是能够自觉利用网络对相关的学习资料进行梳理整合，形成自己独到见解的学生不足30%。学生大多都是被动地利用网络资源进行学习，对网络的依赖性加速了学生思维惰性的形成。

4 总结与展望

综上所述，学习行为的相关研究关注焦点从早期的良好和问题学习行为的模式、影响学习行为的因素、如何培养良好学习行为等传统课堂中的学习行为逐渐转变为重视网络学习行为，注重满足教育需求、跨学科合作和技术的融合，多样化的研究主题也逐渐丰富，在教学规律的探索、学习监控与评价、自适应与个性化学习等研究领域都取得了一定进展。然而现有的研究也存在一定的局限性，首先，由于不同领域的研究侧重点不同，学习行为尚没有明确统一的界定，缺乏深厚的理论基础，仍需在实践中不断检验。其次，大多数研究忽略了学习行为在时空上的无限性和延展性，研究的焦点仍然是学生在课堂中的学习行为，对课堂以外的学习行为不够重视，特别是课堂外的网络学习行为。它不是一种简单的操作，需要在学习者的心理层面和外部环境之间建立联系。最后，对“互联网+”模式下学生学习行为模式、呈现的特点和影响因素的研究仍然匮乏。未来关于学习行为的研究应该关注以下方面：

第一，加强培养学生的学习能力。学校可以开展关于网络学习方法和实用技巧的培训，进而使学生较系统地掌握计算机网络技术，进而提高网络学习效率。第二，设置个性化激励机制，提高学生对网络学习平台的使用率。设计个性化奖励机制将有利于网络学习平台调动和保持学生学习积极性，进而提高平台使用率。第三，网络学习行为应特别注重学习的有效性。有效教学的特征不仅包括正确的教学目标，还包括教师积极的引导、高效的组织和充分的准备。也就是说，教师要积极地引导学生对学习产生兴趣，在设计课程内容时应有明确的教学目标和任务，应事先充分地准备好线上教学内容。学校也应加强校园网络教学平台的建设，鼓励老师们合理地将线上、线下考核方式有效结合，培养学生形成良好的网络学习行为。

参考文献：

[1] 万云英， 李涛. 优、差生学习行为模式与家庭教育方式的关系的比较研究[J]. 心理发展与教育， 1993（3）：1-6.

[2] 周勇， 董奇. 学习动机、归因、自我效能感与学生自我监控学习行为的关系研究[J]. 心理发展与教育， 1994（3）：30-33+15.

[3] 程宏宇， Ardrade H. 思维风格对中美大学生课堂学习行为的影响研究[J]. 心理科学， 2011，34（3）：647-651.

[4] 曹威麟， 段晓群， 郭江平. 心理契约对高校学生学习行为的影响机制研究[J]. 现代大学教育， 2007（4）：105-109.

[5] 马婧， 韩锡斌， 周潜， 等. 基于学习分析的高校师生在线教学群体行为的实证研究[J]. 电化教育研究， 2014， 35（2）：13-18+32.

[6] 张婧婧， 杨业宏， 安欣. 弹幕视频中的学习交互分析[J]. 中国远程教育， 2017（11）：22-30+79-80.

[7] 李爽， 钟瑶， 喻忱， 等. 基于行为序列分析对在线学习参与模式的探索[J]. 中国电化教育，2017（3）：88-95.

[8] 岳俊芳， 陈逸. 基于大数据分析的远程学习者建模与个性化学习应用[J]. 中国远程教育，2017（7）：34-39.