网络环境下大学生自主学习现状及影响因素研究

江伟 卢岚 章悦 刘博瑞 邓婕

【摘 要】通过对网络教育平台的研究，以及对某校大学生的深入访谈，访谈主要使用问卷调查的方式收集网络环境下大学生自主学习现状及其影响因素的相关信息，描述性统计结果表明目前大学生已有自主学习的意识和能动性，主要利用网络平台完成课后专业以及考前复习。但学生自主学习的能力有限，方式方法比较局限。使用探索性因子分析的研究结果表明，大学生对学校网络信息资源的使用了解度较高，对学校的网络学习环境基本满意，但自主性较为一般，缺乏动力，网络学习存在一定的困难。

【关键词】网络自主学习;因子分析;影响因素

【中图分类号】G642  【文献标识码】A  【文章编号】1671-8437（2020）04-0001-03

随着移动网络以及智能手机的普及，截至2018年12月，中国网民规模达到8.92亿，物联网的普及率达到了59.6%，2018年在线教育用户达到1.19亿人。目前，在线教育体系逐渐完善，各种网络学习平台成为在线教育的中流砥柱。网络平台的学习是以自主性学习、个性化学习、科学性学习和资源共享性学习为主。学生可以通过网络教育平台，在高等教育学习层次的系统教育学习内容下，做到有目的性的自主学习。在网络环境下自主学习，已然成为当代大学生必须具备的基本能力。因此，研究网络环境下大学生的自主学习现状及影响因素是十分有必要的。本文主要通过对某校大学生在网络环境下自主学习的情况进行调查，设置相关问卷，收集数据以及分析研究在网络环境下大学生自主学习现状及影响因素，为目前大学生网络学习提出实用策略。

1   问卷的设计、发放与收集

研究采用问卷调查法[1-2]，以某高校大学生为调查对象，以大学生学习效果为基点出发，结合当代大学生的学习内涵，从偏好性、满意度、认知度、期望、态度等方面设置调查问卷，并且设置了相关校验型问题和多数客观问题，以保证问卷可靠性。通过运用Excel软件进行数据的整理收集，并且导入SPSS软件，进行预处理，进行答卷的审核与编码，剔除无效问卷。最终，回收404份有效问卷。

2   现状分析

本文在问卷调查中设置了大学生上网时长、网络学习认知度，及一周利用网络学习平台的学习频率和每次使用网络平台学习的时间等问题。结果显示上网时长为5小时以上，每周利用网络平台开展学习的次数三次以下，每周使用网络平台学习时间5小时以上的学生较多，如图1具体详细结果。通过一系列数据可以看出，目前大学生已初步具有利用网络平台开展自主学习的意识以及能动性。

从图2可以看出，学生利用网络平台进行学习的目的有考试复习、完成作业、课后复习、课前预习等，其中以考前学习为主要目的;资源查询、网络课程学习为主要学习形式。大部分学生利用网络平台学习，是为了完成课后作业以及考前复习，这足以证明，大学生的自主学习离不开教师的教导以及对学习资源的利用。

通过网络平台进行学习，已经得到了绝大部分同学的认可。这在一定程度上扩展了学生的知识领域，提高了他们自主学习的能力。但是，一些学生仍存在学习方法不得当，自主学习能力较差的问题。大多是因老师布置作业任务以及期末考试压力才进行资料查询和完成作业，并且在利用网络资源方面，具有盲目性，出现了毫无思考而进行复制粘贴的现象。因此，网络自主学习的效果并不是很理想。

另外，由于学生的自我控制能力较差，丰富的网络信息会分散学生的注意力，影响对学习的专注度。只有极少部分学生能够一直专注学习不被外界干扰，这也是学生不能很好地自主学习，导致学习效率不佳的重要原因。

3   因子分析

首先对调查问卷做信度和效度分析。通过使用 SPSS 软件计算[3-4]，得到克隆巴赫 Alpha α系数为0.789，α系数大于0.75，说明量表的内在信度比较高，具有较好的参考价值。另外，在做因子分析时，一般要求原始因素指标变量之间具有一定相关性。本文借助变量的反映像相关矩阵、相关系数矩阵、巴特利特球度检验和KMO检验方法进行分析。最后分析结果表明巴特利特球度检验统计量的观测值为1036.286，相应的概率p值接近0，且其单位阵与相关系数矩阵有显著差异。同时，KMO值为0.808，根据Kaiser给出的KMO度量标准，0.8以上为适合，可知原有变量适合进行因子分析。

采用主成分分析法，抽取成分的结果表明，旋转方法为最大方差法，将特征值大于或等于1的因子作为共同因子。因此保留前四个因子，累计方差贡献率为80.2%。即这4个因子反映了原有12个因子的大部分信息。通过对因子载荷采取方差最大化的正交旋转方式因子旋转，使因子载荷两极化，采用最大方差法进行正交旋转。旋转时本文采用正交旋转法。旋转在经过5次迭代后收敛。表1中F1、F2、F3、F4代表四个公因子。

其中公因子F1命名为学习满意度因子，包含Q4、Q5、Q6、Q7、Q3;公因子F2命名为学习认知度因子，包括Q9、Q8、Q10;公因子F3命名为学习困难度因子，包含Q12、Q11;公因子F4命名为学习自主性因子，包含Q1、Q2。由此可建立指标体系如表2。

计算因子得分可以发现：公因子F2学习认知度因子得分较高，说明大学生对学校网络学习平台有一定的认知，对学校网络信息资源的使用了解度较高;公因子F3学习困难度因子得分较高，说明参与问卷的样本在网络学习上存在比较大的困难;公因子F4学习自主性因子得分一般，说明大学生在自主学习方面自主性一般，缺乏动力;公因子F1满意度因子得分一般，说明目前大学生对网络学习环境基本满意。

5  结论

（1）采用描述性统计法研究网络环境下大学生自主学习的现状，发现目前大学生已有自主学习的意识和能动性，但主要利用网络平台完成课后专业以及考前复习，自主学习的能力有限，方式方法比较局限。

（2）使用因子分析法研究网络环境下大学生自主学习的影响因素，提取出4个公因子，分别是学习认知度因子、学习满意度因子、学习困难度因子、学习自主性因子。按照各级指标因子得分系数计算其权重及得分，綜合评价的结果是：大学生对学校网络信息资源的使用了解度较高，对学校相关的网络学习环境基本满意，但自主性较为一般，缺乏动力，网络学习存在一定的困难。

【参考文献】

[1]周俊.问卷数据分析——破解SPSS的六类分析思路[M].北京：电子工业出版社，2017.

[2]杜志敏.抽样调查与SPSS应用[M].北京：电子工程出版社.2010

[3]薛薇.SPSS统计分析方法及应用[M].北京：电子工业出版社，2005.

[4]薛薇.基于SPSS的数据分析（第四版）[M].北京：中国人民大学出版社，2017.

【作者简介】

江伟，女，汉族，重庆铜梁人，硕士，副教授，研究方向为数学教育，偏微分方程及其计算可视化。