混合学习与在线学习对学生投入度的影响——以学习环境为视角

贾 非，赵彬竹，李志创

（1.吉林财经大学统计学院，吉林长春130117；2.浙江工商大学统计与数学学院，浙江杭州310018）

一、引言

学生投入度被称为“学习的圣杯”[1]，提高学生投入度是提升学生学业成绩、减少学生对学习的厌倦、降低辍学率的一种有效方式[2]。直接干预学习过程和改变学习环境均可影响学习者投入度[3]，这种影响学习者投入度的能力，对于在不同环境下理解投入度，进而改进学业成绩具有重要意义。

人们普遍认为，学生投入度包括行动和情绪两方面内容[4]。行动上的投入度是可观测的，如出勤、互动；而与情绪有关的投入度是不可观测的，如学生在课堂中是否感到愉悦。一般情况下，当学生花费大量的时间和精力去完成一项任务，关心他们的学业质量，并向自己做出承诺时，他们具有较高的投入度[5]。在学校，很多个人特征（如：性别、文化、家庭等）和环境因素（包括教学实践）影响着学生的投入度与学业成绩[6-7]。相关分析表明，只有25%的学生投入度差异可由个体特征解释，而学习环境可以解释学生投入度差异的75%[8]。学习环境是可控制的要素，教育者可以通过设计教学环境和教学实践，提高学生的学业和发展水平[9]，因此它是提高学生投入度的主要手段。

一般认为，“学习环境是影响学习者学习的外部环境，是促进学习者主动建构知识意义和促进能力生成的外部条件”[10]，学习环境可分为物理学习环境、资源学习环境、技术学习环境和情感学习环境。具体而言，学习环境因素包含教学活动的类型、班级的规模、教学模式与条件等细节[11]。适当的学习环境应是有助于学习者知识构建的外部环境。因此，应存在一个最优的学习环境，以促进学习者的投入度[12]。

在线学习模式和混合学习模式属于不同类型的学习环境。提高学生投入度是混合学习和在线学习课程设计的重要目标[13]。关于在线学习对学生投入度的影响，不同文献阐述了不同的看法，例如，在线学习能够通过加强学生为中心的学习提升成绩[14]，也可因缺少同学间互动而影响成绩[15]。混合学习是与在线学习有关的一种较为灵活的学习环境，被定义为面对面学习与在线学习的整合[16]。一种观点认为，混合学习能够提升学生投入度，例如，混合学习有效利用了学生对技术的偏好和喜爱，吸收了更积极的学习经验[17]，并有效率地平衡了各种学习环境[18]；然而，混合课程也可能使学生更难参与进来，因为他们必须在两种教学模式之间进行切换[19]，并被两种教学模式中的负面部分所影响[11]。

综上，已有文献对混合学习和在线学习对于学生投入度的影响进行了较为深入的分析，相关结论丰富了学习环境、学生投入度以及二者关联性的相关理论，具有重要的实践价值。但是，以往的研究忽略了混合学习和在线学习环境中的细节性环境因素，如在线课程部分的网络环境、资源环境和互动环境，混合学习中的面对面学习和在线学习的比例设定等。忽略这些细节环境要素可能导致对两种学习环境的评估产生偏差。例如，较差的互动环境对在线学习的影响高于混合学习。因此，在线学习、混合学习具有不同的适用条件，这正是本文实证研究的重点。因此，本文研究问题的价值主要体现在：

第一，整合了混合学习和在线学习条件下的细节性环境因素。影响学生投入度的因素通常分为个人因素和环境因素两大维度[4]，以往讨论混合学习和在线学习对学生投入度影响的文献中，通常在影响因素中整合入学生的个人特征[9，11]，但对学习环境细节的描述却十分单薄，从而降低了以往实证分析结果的可信度。本文将网络环境、资源环境、互动环境和课程比例4个与学习环境有关的变量与混合学习和在线学习两种学习环境变量进行了整合，细致地分析了学习环境对学习者投入度的影响，从而将学习环境的相关研究向前推进一步。

第二，讨论了以往研究中所忽视的在线或混合学习对学习者投入度影响的条件因素。以往研究大量聚焦于混合学习和在线学习对学习者投入度的影响，但结论莫衷一是。这意味着上述关系可能随着某种条件变量而变化。本文整合了学习模式与其他在线课程具体环境因素，分析随着具体环境因素的变化，混合学习和在线学习对学习者投入度的影响是否发生变化。这些分析在理论上丰富了学习模式与学习者投入度关系的关联机制，在实践中为教育者提供了学习模式选择的参考。

第三，考察了混合学习中两类学习模式的比例对学生投入度的影响。混合学习中，两种学习模式的分配一直受到研究者的关注，相比混合学习模式的优劣，教师更关心在课程中采取怎样的混合策略[20]。但是，已有文献中相关的实证分析十分鲜见，因此也没有形成有价值的结论。本文将混合学习中两种学习模式的比例作为具体的学习环境因素之一引入实证模型，该项工作为混合学习的理论分析提供了实证支持，扩展了混合学习有效性的理论边界。

本文的研究目标是，分析混合学习和在线学习对学生自主学习投入度和在线学习投入度的影响机制。在分析中，将在线学习的网络环境、资源环境、互动环境和混合学习中混合比例等细节性学习环境要素整合入模型，从而得到更丰富的研究结论。研究将解决如下问题：

（1）在线学习资源环境、网络环境和互动环境，对混合学习和在线学习影响学生投入度（自主学习投入度、互动学习投入度）的过程起到怎样的调节作用？

（2）混合学习中面对面学习和在线学习的比例设定如何影响学生投入度，以及这种影响如何取决于资源环境、网络环境和互动环境？

研究的理论框架见图1。

图1 研究的理论框架结构

二、样本与变量

（一）样本确定

实证研究的数据来自智慧树平台高校2017年秋冬季的《共享课程教学运行质量报告》①，该报告由东西部高校课程共享联盟和智慧树平台共同撰写并发布，报告中呈现了各高校该学期共享课程运行数据、问卷调查与相关建议。在智慧树平台上，课程的学习模式包括混合式和在线式两种，混合学习的课程在课程安排和课程评价中均包含在线课和见面课两部分，而在线学习中仅包含在线课。研究中实证分析的样本为A省29所高校在该学期所完成的课程，共计354门，剔除报告中数据不全的课程90门和问卷收回人数少于30人的课程73门，最终确定样本包含191门课程。

（二）变量确定

根据研究验证的主关系与调节关系，实证模型包含如下变量。

1. 被解释变量

被解释变量为学生投入度。研究关注与学生活动有关的投入度，即可观测的投入度。学生在大学期间的学习活动主要分为对学业的自主投入和与教师、同伴交流情况[21]，因此，在实证分析中，将学生投入度分为自主学习投入度和互动学习投入度两部分。其中，自主学习投入度以课程完成率表示，混合学习的课程完成率由在线课程完成率和见面课程完成率以课时为权重加权平均得到，在线学习课程完成率由在线课程完成率表示。混合学习和在线学习中的互动学习主要以社交软件为媒介[22]，因此以社交软件使用次数衡量互动学习投入度。由于无法获得学生在学习过程中通过微信、微博等社交工具互动的数据，考虑到学习者可能较为平均地使用各种互动平台，因此，以平均百人参与智慧树平台的互动的次数作为互动学习投入度的代理变量。

2. 解释变量

研究中主要的解释变量包括学习模式和混合比例两个变量。学习模式为哑变量，某一课程的学习模式为混合式，该变量取1；若为在线式，该变量取0。混合比例为见面课在混合学习中所占的课时比例，以在线学习模式运行的课程，见面课课时占比记为0%。

调节变量包括影响学生投入度的各种细节性环境因素。在课程满意度问卷调查②中，可以查询到每门课程中学生对学习环境多个维度的评价，具体包括在线视频内容满意度、见面课内容满意度、在线视频网络满意度、见面课网络满意度、在线交流满意度、跨校互动满意度、教师指导满意度7个维度评价。各变量之间具有较高的相关性（相关系数均在0.52～0.85之间），说明存在若干影响各维度评价的共同因素。通过对这7个变量进行因子分析，可以得到学生对学习环境的综合评价，从而避免相关性的影响。Pearson相关矩阵法确定主成分为3时，模型特征值为1.18，累积贡献率为92.32%，因此模型具有3个因子。结合因子的具体意义，通过旋转因子载荷矩阵（见表1）发现，环境因素可以分为3类：资源环境因素、网络环境因素、互动环境因素。以因子得分表示上述3类因素，并作为实证分析的调节变量。

表1 旋转因子载荷矩阵

3. 控制变量

研究控制了学时对学生投入度的影响。学时在一定程度上代表了课程类型和重要程度，一般而言，学时较高的课程对于专业学习具有较高重要性，学生可能会主动增加投入度。由于学时与学分高度正相关（相关系数＞ 0.85），研究中未将学分加入控制变量。将选课学生数作为控制变量加入模型，用以控制不同选课人数中可能包含的课程受欢迎程度、学习同伴之间互动可能性等潜在的影响因素。模型中对学时数和选课学生数取了自然对数。为了控制不同层次学校对学生投入度的影响，将学校类型作为控制变量加入模型。根据大学的层次，将学校类型分为国家级重点大学（包括“985工程”院校、“211工程”院校、“2110工程”院校）、省级重点大学、省级大学、大专4种类型；根据学校的办学体制，可以分为私立大学和公立大学。在模型中，学校类型以若干哑变量表示。

表2给出主要变量的描述统计指标和相关系数矩阵。可以看出，变量之间的相关系数均处于较低水平，方差膨胀因子1.08～1.34，远低于10的临界值，这说明主要变量之间不存在明显多重共线性问题。

表2 变量统计描述与相关系数矩阵

三、实证结果

（一）统计模型

研究分别运用下述回归模型进行实证分析：

式中：Yi是自主学习投入度或互动学习投入度；是学习模式是见面课课时占比；Mi代表3个调节变量，分别为资源环境、网络环境和互动环境；Zi是相关的控制变量；是课程类型哑变量；λi是误差项；i表示课程序号。

式（2）中加入自变量的平方项，以检验自变量是否对因变量具有非线性影响。

（二）实证结果

式（1）模型的实证结果见表3和表4，式（2）模型的实证结果见表5和表6。

表3中给出以自主学习投入度为被解释变量的回归结果。其中，模型1中仅包含主要解释变量、控制变量和相关哑变量，其中学习模式的回归系数为0.027，且在1%的水平下显著。这表明，相比在线学习，混合学习环境下学生课程完成率平均增长2.7%，并且这种影响在模型2-模型6中未发生明显变化。模型2中加入资源环境、网络环境和互动环境3个调节变量，模型3-模型5中分别加入了调节变量与学习模式的交叉项。模型2-模型5中资源环境和互动环境的系数显著为正，网络环境的系数不具统计意义上的显著性，这说明资源环境和互动环境对自主学习投入度具有正向促进作用。模型3中，交叉项系数显著为正，表明混合学习模式下资源环境对自主学习投入的正向影响大于在线学习模式。模型4中，交叉项的系数不具有统计意义上的显著性。模型5中，交叉项系数显著为负，意味着在混合学习模式下互动环境对自主学习投入度的影响低于在线学习模式，但仍是正向影响。模型6中加入所有自变量和交叉项，结果表明，所有的回归系数均未发生质性变化。

表3 学习模式与自主学习投入度的回归分析结果

表4中为以互动学习投入度为被解释变量的回归结果。其中，模型1中仅包含主要解释变量和控制变量，学习模式的系数显著为正，说明混合式学习环境下论坛参与次数平均高于在线学习2次，这种正向影响关系在模型2-模型6中仍然显著。模型2在模型1的基础上加入3个调节变量，模型3-模型5中分别加入各个调节变量与学习模式的交叉项。综合分析模型2-模型5可知，网络环境和互动环境对互动学习投入度均具有稳定的显著正向影响，且网络环境和互动环境两个调节变量与学习模式的交叉项系数均显著为正，说明相比在线学习模式，混合学习模式下，网络环境和互动环境对互动学习投入的影响更强。模型6包含了所有的调节变量与交叉项，回归结果显示所有重要结论均未发生变化。

表4 学习模式与互动学习投入度的回归分析结果

综合分析表3和表4，可以得出结论：学习模式对学生投入度的影响取决于资源环境、网络环境和互动环境的水平。具体而言，对于提升自主学习投入度，资源环境对于混合学习更有利，互动环境对于在线学习更有利；对于提升互动学习投入度，网络环境和互动环境均对混合学习更有利。

在表5中，根据模型1-模型2和模型4-模型7可以看出，见面课时比例对自主学习投入度具有稳定正向影响，且资源环境对其具有正向调节作用，而互动环境对其具有负向调节作用。模型3在模型2基础上加入自变量的二次项，模型3中自变量一次项和二次项系数均不显著，F统计量也明显降低，表明自变量对因变量不具有非线性影响。根据模型7，见面课时比例对自主学习投入度的影响可以表示为：əy/əx=0.0782+0.0332×资源环境-0.0023×互动环境，表明资源环境水平较高时，增加见面课时比例对增强自主学习投入度有利，在互动环境较好时，可以降低见面课时比例。

从表6中可知，见面课时比例对互动学习投入度的影响显著为正，且不存在非线性影响关系，但网络环境和互动环境对上述关系均具有正向调节作用，根据模型7，在见面时比例对互动学习投入度的影响可以表示为：əy/əx=7.8441+3.9662×网络环境 +9.1500×互动环境，这意味着在资源环境和互动环境较好时，增加见面课时比例对促进学生互动学习投入度有利。

由表5和表6可知，不考虑环境因素的调节作用，见面课时比例为0时，学生自主学习投入度和互动学习投入度均为最低；考虑学习环境因素的调节作用，见面课时比例越高，资源环境对自主学习投入度的影响越强，网络环境和互动环境对互动学习投入度的影响越强，见面课时比例为0时，互动环境对自主学习投入度的影响最强。

表5 混合比例与自主学习投入度的回归分析结果

表6 混合比例与互动学习投入度的回归分析结果

四、稳健性检验

学习模式和混合比例的确定发生在课程学习之初，而学生投入度是学生学习过程中的表现，因此学生投入度影响学习模式选择的可能性不大，从理论上看，解释变量学习模式和混合比例存在内生性问题的可能性很小。但是，资源环境、网络环境和互动环境3个控制变量的数据来源于课程结束时学生的评价，这些数据有可能受到学生投入度的影响，因此无法从理论上排除3个控制变量具有内生性问题的可能。为此，在确定样本时，只选择了问卷收回量大于30人的课程，以牺牲样本容量为代价，最大限度保证了学生对学习环境7个维度评价的客观性。尽管如此，为进一步确保模型估计的准确性，参照ZHANG等[23]的做法，分别以学习模式、混合比例、资源环境、网络环境和互动环境5个变量为被解释变量，以自主学习投入度和互动学习投入度为解释变量进行回归分析，结果显示，在10%的显著水平下，解释变量的系数均未通过T检验。上述结论表明，学习模式、混合比例、资源环境、网络环境和互动环境5个变量不具有明显内生性问题。另外，实证模型式（2）是对式（1）的进一步分析。在表5中模型1-模型2和模型4-模型7，与表3中模型1-模型6的估计结果相比未发生明显变化，在表6中模型1-模型2和模型4-模型7，与表4中模型1-模型6的估计结果相比同样未发生明显变化，这说明实证结果具有一定的稳定性。

五、研究结论

研究运用智慧树平台A省29所高校2017年秋冬季《共享课程教学运行质量报告》中提供的数据，实证分析了学习模式和混合比例对学生投入度的影响，发现学习模式和混合比例对学生投入度的影响程度取决于资源环境、网络环境和互动环境3个条件因素。研究提出，混合学习和在线学习具有不同的适用条件，不同学习环境下灵活采取不同的学习模式才能获得更好的学习效果，从而，研究结论进一步扩展了混合学习与在线学习的相关理论，对混合学习和在线学习的有效实施具有重要启示作用。

首先，混合学习环境下，见面课比例增加对促进学生自主学习投入度和混合学习投入度具有正向影响，相比在线学习而言，混合学习对于两种学习投入度的促进作用更明显。这一结论说明，在在线学习环境中，融合见面课学习环境，对于促进学生投入具有重要作用。在混合学习中，相对两种学习模式发挥了互补的作用，促进了学习效果。在样本范围内，见面课时增加也能促进学生投入度，但这一结论并不适合任意泛化，这表明在混合学习中存在一个适合促进学习投入的最佳混合比例。

其次，学习模式和混合比例对自主学习投入度的影响取决于资源环境和互动环境的水平。较高水平的资源环境能够同时促进混合学习和在线学习模式下的自主学习投入度，但对混合学习模式下自主学习投入的影响更强。在混合学习环境下，资源环境水平正向调节见面课时比例对自主学习投入度的影响。同时，较好的互动环境对在线学习模式的影响高于混合学习模式，因此相对削弱了混合学习的优势。在混合学习环境下，见面课比例对自主学习投入度的影响随着互动环境水平的提升而下降。上述分析表明，混合学习环境下学生知识建构水平取决于学习资源的质量[24]，在线互动可以一定程度上弥补在线学习缺少面对面互动的问题，在线学习模式下，构建良好的在线互动环境对促进学生自主学习投入有更明显的效果[22]。

最后，网络环境和互动环境水平对于学习模式（或混合比例）对互动学习投入度的影响具有正向调节作用。较好的网络环境和互动环境水平，能够同时增强混合学习和在线学习环境下学生互动学习投入度，尤其是对混合学习环境下的互动学习投入度影响更强。在混合学习环境下，见面课比例增加对互动学习投入度的影响，随着网络环境和互动环境的提高而增强。这意味着增强学生学习过程中的网络互动，能够促进学生之间的协作、交流、互动，以及知识建构和共享，该结论支持了建构主义思想对混合学习模式的指导作用。

研究中关于混合学习和在线学习研究中所涉及的课程均为智慧树平台上运行的共享课程，因此，研究结论仅对标准商业化共享课程平台上运行的课程具有借鉴意义，对于SPOT和校内翻转课堂的实践不具指导意义。另外，受限于智慧树平台的数据来源，样本中见面课比例上限为40%，有限的样本极差导致实证结果并未揭示其对学生投入度的非线性影响，虽然实证结果为见面课时比例正向影响学生投入度，但无法从理论上得出见面课比例为100%时（即面对面学习），学生投入度更高的结论。

注释

①智慧树平台是目前全球最大的学分课程共享平台，智慧树在国内拥有超过1800家高等院校会员，覆盖超过1000万大学生。智慧树网帮助会员高校间，实现跨校课程共享和学分互认，完成跨校选课修读。（资料来自于网络，http://tech.sina.com.cn/i/2016-10-25/doc-ifxwztrt0390469.shtml）

②《共享课程教学运行质量报告》第四部分。