虚拟学习情境下MOOC学习中知识转移绩效影响因素研究

徐海玲, 葛世伦, 魏晓卓

(江苏科技大学 经济管理学院， 江苏 镇江 212003)

一、 引 言

2012年，MOOC犹如一场海啸席卷了美国和欧洲的教育市场。随后，清华大学和北京大学也紧跟国际步伐在Edx平台和Coursera平台开设线上课程。如今MOOC凭借着可以在线上虚拟学习环境下开展教学活动的优势，成为传统教学模式的重要补充。2020年初，受新型冠状肺炎疫情的影响，全国大中小学积极响应国家“停课不停学”的号召，以MOOC形式开展在线教学活动，MOOC成为广大学生的主要学习方式。随着MOOC的普及，学者们开始关注MOOC的学习效果。目前，国内对MOOC的研究主要集中在对MOOC教学模式的设计、教学的评价[1]，对教师MOOC教学胜任力的分析[2]，以及对学生MOOC学习兴趣的探讨[3]等方面，鲜有对MOOC学习中知识转移绩效的研究。国外学者从学习意愿[4]、学习参与度[5-6]、学习策略和教学设计[7]等方面，探究了其对MOOC学习中知识转移效果的影响，但忽略了虚拟环境和知识源特征属性对MOOC学习中知识转移效果的影响。基于此，本研究从知识源特征、MOOC平台媒介、知识输出方特征和知识接收方特征四个方面考查其在MOOC学习中对知识转移绩效的作用机理，期望通过对虚拟情境下MOOC学习中知识转移绩效影响因素的分析，优化MOOC平台知识资源结构，指导教师和学生打破知识转移壁垒，提升MOOC学习中知识转移绩效。

二、 文献综述与研究假设

(一) 文献综述

知识转移是指知识从高知识势能一方转移到低知识势能一方的过程[8]。知识转移绩效是指低知识势能方从高知识势能方获取并内化为自我知识的总量。虚拟学习情境下，MOOC学习过程中知识转移就是高知识势能方(教师或学生)通过课程平台媒介将知识转移给低知识势能方(学生)的过程；知识转移绩效就是低知识势能方(学生)获取并内化为自我知识的总量。

(二) 研究假设

1. 知识源特征对MOOC学习中知识转移绩效的影响。知识源特征可以从内隐性、系统性和复杂性三个维度测量。一是知识源的内隐性。迈克尔·波兰尼(Michael Polanyi)等依据知识的可表达程度将知识分为内隐性知识和显性知识[17]12。显性知识是指可以通过加工处理进行编码的知识；内隐性知识是指难以用文字或形象化的编码进行编辑的存在于个体大脑和行为中具有逻辑性且抽象的、难以直接物化的、经验性的知识[17]14。知识的内隐性越高，可表达的难度越大，进行MOOC编码的难度越大，结构化程度越低，发生转移的难度就越大。二是知识源的系统性。基于MOOC的知识均为某一专业类别的系统性知识，具有整体性和情境依赖性。但MOOC平台上的知识资源多以知识点的形式呈现，这就使得知识脱离其嵌入的知识体系和设定的情境，造成学习障碍，增加知识转移难度。有学者通过研究发现，MOOC将知识碎片化后，其孤立的呈现方式与知识系统性属性之间存在矛盾，知识的系统性属性是学生学习效果不理想的内在原因之一[18]。因此，知识的系统性将降低知识转移绩效。三是知识源的复杂性。知识复杂性与知识嵌入环境有关，知识嵌入环境的多样性造成知识的复杂性[19]。知识的复杂程度高就意味着知识嵌入环境的结构层次和类型数目多且差异大[20]。复杂程度高的知识涉及领域多，知识的因果联系具有一定的模糊性。因此，复杂性较高的知识进行转移时需要具有较多知识背景的个体通过复杂的小组互动和沟通来完成，转移难度较大。由此，本研究提出以下假设：

H1：知识源的内隐性与知识转移绩效负相关；

H2：知识源的系统性与知识转移绩效负相关；

H3：知识源的复杂性与知识转移绩效负相关。

2. MOOC平台媒介对MOOC学习中知识转移绩效的影响。MOOC课程平台上的学习资源由视频与资料、嵌入式测试与评估、知识输出方和知识接收方互动的学习讨论组三个部分组成。MOOC课程平台将知识输出方制作的视频知识、课程计划与课程资料通过平台的功能模块展示并共享给知识接收方,且通过学习互动模块、学习过程监控功能与学习成绩测试功能来调控知识转移效果。因此，MOOC课程平台的可操作性(功能的完备程度、导航索引的明确度等)直接影响知识接收方学习的持久性和参与小组互动的积极性，从而影响知识接收方在线学习的效果。有学者在研究学生MOOC学习持久性时发现，MOOC平台可见性、可操作性的提升有助于提高学习者的学习满意度，促使学习者进行持久性学习，从而提高学习效果[21]。另外，MOOC平台的界面友好度是知识接收方对平台风格、色彩和美工等视觉要素的直观感受和综合评价。知识接收方在通过MOOC进行学习时，视觉注意力处于MOOC平台所展示的内容环境中，美好的视觉感受有助于延长知识接收方学习的时间，为知识转移效果的提升提供有效保障。可见，MOOC平台的可操作性与界面友好度能够直接影响知识转移主体的使用频率和时长，从而影响知识转移效果。由此，本研究提出以下假设：

H4：MOOC平台媒介的可操作性与知识转移绩效正相关；

H5：MOOC平台媒介的界面友好度与知识转移绩效正相关。

3. 知识输出方特征对MOOC学习中知识转移绩效的影响。一是设计编码能力。设计编码能力是指知识输出方将系统的、复杂的知识通过组织设计形成教学视频和资料以及快速回应疑问的能力。知识输出方对知识进行设计编码，将其转化为易被吸收的资源，以及与知识接收方进行在线交互等都是知识得以顺利转移的重要条件。具备较高编码能力的知识输出方通过优化教学设计方案、使用编辑软件等方式，将系统性强、复杂性高的知识编辑为易于转化的形式，从而提高知识转移效果。二是转移意愿。知识输出方的转移意愿是知识输出方实施知识转移行为的内在驱动力[8][21]。知识输出方依据与知识接收方交流互动的结果，对知识的呈现形式进行二次编码，以提高知识转移绩效。但知识的二次编码过程需要知识输出方付诸大量的时间和精力，因此知识输出方转移意愿的高低直接影响着知识转移绩效。由此，本研究提出以下假设：

H6：知识输出方的编码能力与知识转移绩效正相关；

H7：知识输出方的转移意愿与知识转移绩效正相关。

4. 知识接收方特征对MOOC学习中知识转移绩效的影响。一是解码吸收能力。解码吸收能力是指知识接收方解读编码并将其转化为自我知识的能力[8]。解码吸收能力反映了知识接收方学习、转化、吸收知识的能力。解码吸收能力强的知识接收方可以快速理解知识输出方阐述的知识原理，并对其进行解码、消化、吸收，将外在知识转化为自我知识，从而提高知识转移绩效。因此，知识接收方的解码吸收能力越强，知识转移绩效就越高。二是转移意愿。知识接收方的转移意愿是知识接收方实施知识转移行为的内在驱动力[8][21]。知识接收方转移意愿的高低反映其获取知识动机的强弱。基于MOOC的虚拟学习过程是知识接收方自主获取知识的过程，具有较强的主观性。因此，知识接收方获取知识的意愿越强烈、获取行为越频繁，越有助于知识的转移。由此，本研究提出以下假设：

H8：知识接收方的解码吸收能力与知识转移绩效正相关；

H9：知识接收方的转移意愿与知识转移绩效正相关。

(三) 控制变量

本研究的研究对象为知识源特征、MOOC平台媒介、知识输出方特征、知识接收方特征对MOOC学习中知识转移绩效的影响。其中，知识输出方的主体属性如学历、在线教学年限、职称等，以及知识接收方的学习经历如学习课程数、平台学习经验等有可能会影响因变量的测量结果。此外，本研究在对相关领域的资深教授进行访谈时他们也普遍认为，知识输出方具有在线教学的经验，有助于其将复杂的、系统的知识肢解和简单化，这将有助于提高知识转移效率。基于此，本研究将知识输出方的学历、在线教学年限、职称和知识接收方学习课程数、平台学习经验作为控制变量。

(四) 因变量

本研究的因变量为知识转移绩效。本研究采用客观的方法对因变量进行测量，即采用知识接收方课程的综合考核成绩作为因变量的测量结果。这是因为课程综合考核成绩体现了知识接收方对知识的掌握和应用程度，是知识转移绩效的直接表达。

(五) 理论模型

基于上文提出的研究假设，本研究从知识源特征、MOOC平台媒介、知识输出方特征、知识接收方特征四个维度构建MOOC学习中知识转移绩效影响因素理论模型(如图1所示)。

图1 MOOC学习中知识转移绩效影响因素理论模型

三、 研究设计

(一) 问卷的编制

本研究依据MOOC学习中知识转移绩效影响因素理论模型，邀请相关领域内的教授、教育管理专家、资深在线教学教师共同编写调查问卷，然后通过小样本试测的方法对问卷进行修订，进而形成最终问卷。为避免测量的同源方差，本研究将问卷分为A、B、C三类，三类问卷的连接纽带为“MOOC课程平台+MOOC课程”，即通过“MOOC课程平台+MOOC课程”将三类问卷进行匹配。A类问卷的调查对象为知识接收方，调查信息为知识接收方样本特征、知识接收方特征、MOOC平台可操作性和界面友好度。B类问卷的调查对象为知识输出方，调查信息为知识源特征、知识输出方样本特征和知识输出方特征。C类问卷的调查对象为课程平台的供应商，调查信息为平台名称、平台的上线年限、完成在线学习的学生数量、注册学生数量。本研究采用李克特五分量表。A、B、C三类问卷自变量测量条目见表1。

表1 自变量测量条目

(续表1)

(二) 小样本试测与量表净化

在正式调研前，本研究首先进行小样本测试，以检测问卷的合理性与有效性。本研究选取本科生(因为本科生是MOOC学习的主体)作为A类问卷发放和调查对象；选取在MOOC平台开设课程的教师作为B类问卷的发放和调查对象；选取MOOC平台供应商作为C类问卷的发放和调查对象。本研究从2015—2019年在MOOC平台完成学习全过程的本科生中随机抽取80名、完成教学全过程的教师中随机抽取30名和随机抽取4个平台供应商作为调查对象，进行问卷试测。本研究通过现场、在线和邮件等方式发放A类问卷80份，回收74份；B类问卷30份，回收27份；C类问卷4份，回收4份。剔除信息不完整、填写具有逻辑错误、填写问卷项具有明显样式的无效问卷后，本研究得到A类问卷74份，B类问卷26份，C类问卷4份，并对A、B、C三类问卷按“MOOC课程平台+MOOC课程”进行匹配后得到有效综合问卷74份。

本研究使用项目分析法净化测量量表，结果显示，知识源的内隐性、系统性、复杂性以及MOOC平台媒介的可操作性、界面友好度测量条目的极端值比较结果、题项与总分相关检验结果、同质性检验结果均达到判标准则；测量条目DCA02、TDA05、DCB03和TDB02的极端值比较结果、题项与总分相关检验结果、同质性检验结果均不理想。本研究删除知识接收方解码吸收能力DCA02后，整体量表的α值由0.731上升为0.901，故该测量条目予以删除；删除知识接收方转移意愿TDA05条目后，整体量表的α值由0.801上升为0.862，故该测量条目予以删除；删除知识输出方设计编码能力DCB03条目后，整体量表的α值由0.782上升为0.871，故该测量条目予以删除；删除知识输出方转移意愿TDB02条目后，整体量表的α值由0.756上升为0.803，故该测量条目予以删除。测量条目净化后得到最终测量量表。

(三) 信度和效度检验

1. 信度检验。本研究运用Cronbach′sα对量表进行信度检验,结果见表2。由表2可知，知识源内隐性的信度系数α值为0.826，系统性的信度系数α值为0.834，复杂性的信度系数α值为0.812，知识源特征整体信度系数α值为0.885，这说明自变量知识源特征具有良好的信度。MOOC平台媒介的可操作性信度系数α值为0.867，界面友好度的信度系统α值为0.842，整体信度系数α值为0.901，这说明自变量MOOC平台媒介具有良好的信度。知识输出方编码能力的信度系数α值为0.871，转移意愿的信度系统α值为0.803，整体信度系数α值为0.861，这说明自变量知识输出方特征具有良好的信度。知识接收方解码吸收能力信度系数α值为0.901，转移意愿的信度系统α值为0.862，整体信度系数α值为0.914，这说明自变量知识接收方特征具有良好的信度。

表2 自变量的信度检验

(续表2)

2. 效度检验。测量量表包括知识源特征、MOOC平台媒介、知识输出方特征、知识接收方特征四个构念维度。其中，知识源特征为三维构念，MOOC平台媒介、知识输出方特征和知识接收方特征均为二维构念，因此本研究需对四个变量的测量量表进行建构效度检验，结果见表3。从表3可知，知识源特征、MOOC平台媒介、知识输出方特征和知识接收方特征的KMO值均大于0.8，具有良好的准则标准，同时Bartlett球形检验均为显著，这说明变量的测量条目间具有共同因素适合做因子分析。

表3 KMO和Bartlett球形检验

本研究使用因子分析法分别对知识源特征、MOOC平台媒介、知识输出方特征和知识接收方特征进行分析。知识源特征大于1的因素有三个，本研究采用主轴因子萃取后进行直交转轴的三个因子累计解释变异量为76.314%。MOOC平台媒介特征大于1的因素有两个，本研究采用主轴因子萃取后进行直交转轴的两个因子累计解释变异量为71.013%。知识输出方特征大于1的因素有两个，本研究采用主轴因子萃取后进行直交转轴的两个因子累计解释变异量为70.683%。知识接收方特征大于1的因素有两个，本研究采用主轴因子萃取后进行直交转轴的两个因子累计解释变异量为72.408%。上述四个维度的因子解释变异量均达到了60%的标准要求。

本研究针对知识源特征、MOOC平台媒介、知识输出方特征和知识接收方特征的测量量表进行因子分析和建构效度检验，结果见表4。由表4可知，KIR01、KIR02、KIR03在知识源特征的第一个因子上负荷达到0.7以上，共同性大于0.5，这说明知识源特征第一个因子内隐性主要解释KIR01、KIR02、KIR03三个因素；KS01、KS02、KS03在知识源特征的第二个因子上负荷达到0.7以上，共同性大于0.6，这说明知识源特征第二个因子系统性主要解释KS01、KS02、KS03三个因素；KC01、KC02、KC03在知识源特征的第三个因子上负荷达到0.7以上，共同性大于0.6，这说明知识源特征第三个因子复杂性主要解释KC01、KC02、KC03三个因素。由此可见，自变量知识源特征具有较好的建构效度。同理，MOOC平台媒介、知识输出方特征和知识接收方特征均具有较好的建构效度。

表4 小样本调查的效度检验

(续表4)

(四) 大样本数据收集与特征分析

本研究从2015—2019年在MOOC平台完成学习的本科生中随机抽取500名和完成教学全过程的教师中随机抽取50名分别作为A类问卷和B类问卷的调查对象，随机抽取4个平台供应商作为C类问卷的调查对象。本研究通过现场、在线和邮件等方式发放A类问卷500份，回收472份；B类问卷50份，回收46份；C类问卷4份，回收4份。剔除无效问卷后，本研究得到A类问卷459份，B类问卷46份，C类问卷4份。本研究对A、B、C三类问卷按“MOOC课程平台+MOOC课程”进行匹配后得到有效综合问卷459份，样本特征见表5。

由表5可知，在459份有效问卷中，知识接收方男性样本占比为54.0%,女性占比为46.0%。本研究将样本年级分为三个层次，一年级新生为第一层，二、三年级是本科学习的中心阶段为第二层，四年级毕业生为第三层。从调查结果来看，第二层占比最高为44.2%，第一层和第三层分别为21.4%和34.4%。本研究将样本的学习课程数也分为三个层次，1～2门为第一层，3～4门为第二层，5门及以上为第三层。调查结果显示，第一层占比为35.5%，第二层为49.0%，第三层为15.5%。MOOC平台学习经验是样本特征的重要指标之一，调查结果显示，单一平台经验占比为44.9%，多平台经验占比为55.1%。知识输出方中硕士及以上学历占比91.3%，在线教学年限在4年及以上占比93.5%，高级职称占比84.8%，这说明MOOC课程的教师主体多为具有较高学历且有多年在线教学经验的高级职称教师。

表5 样本基本情况

四、 假设检验

本研究使用SPSS 18.0软件对虚拟学习情境下知识转移绩效的影响因素进行多元回归分析。变量进入回归模型的顺序依次为: (1) 知识接收方学习课程数和MOOC平台学习经验；(2) 知识输出方的学历、在线教学年限和职称；(3) 知识源的内隐性、系统性和复杂性；(4) MOOC平台媒介的可操作性、界面友好度；(5) 知识输出方的设计编码能力和转移意愿；(6) 知识接收方的解码吸收能力和转移意愿。各变量的回归分析结果详见表6。

表6 层次回归分析结果

从表6可以看出，各模型的D-W值均小于2，这说明残差无显著相关。控制变量MOOC平台学习课程数对知识转移绩效的回归显著性检验概率P=0.005，标准化回归系数Beta>0，这表示MOOC平台学习课程数在0.01水平上与知识转移绩效正相关；而知识接收方的平台学习经验，知识输出方的学历、在线教学年限和职称对知识转移绩效的回归显著性检验概率P>0.05，这说明其对知识转移绩效作用效果不显著。自变量知识源的内隐性回归显著性检验概率P=0.000，标准化回归系数Beta<0；系统性的回归显著性检验概率P=0.000，标准化回归系数Beta<0，这说明知识源的内隐性和系统性在0.001水平上与因变量显著负相关。而复杂性的回归显著性检验概率P=0.000，标准化回归系数Beta>0，这表明知识源的复杂性在0.001水平上与知识转移绩效正相关。自变量MOOC平台媒介可操作性的回归显著性检验概率P=0.002，标准化回归系数Beta>0，这表明MOOC平台媒介可操作性与因变量正相关。而MOOC平台媒介界面友好度的回归显著性检验概率P=0.340，这说明MOOC平台媒介的界面友好度对知识转移绩效无显著作用效果。自变量知识输出方编码能力的回归显著性检验概率P=0.000，标准化回归系数Beta>0，这说明知识输出方的编码能力在0.001水平上与知识转移绩效正相关。而知识输出方转移意愿的回归显著性检验概率P=0.062，这说明知识输出方转移意愿对知识转移绩效无显著作用效果。自变量知识接收方的解码吸收能力的回归显著性检验概率P=0.020，标准化回归系数Beta>0，这说明知识接收方的解码吸收能力与因变量正相关。知识接收方转移意愿的回归显著性检验概率P=0.000，标准化回归系数Beta>0，这说明知识接收方转移意愿与因变量正相关。模型假设的验证结果见表7。

表7 模型假设验证结果

五、 结论与建议

(一) 研究结论

本研究从知识源特征、MOOC平台媒介、知识输出方特征、知识接收方特征四个方面对虚拟学习情境下MOOC学习中知识转移绩效影响因素进行实证分析，得出以下结论。

第一，知识源的内隐性和系统性对知识转移绩效具有显著负向影响。这表明MOOC学习的知识点无法用语言或肢体表达、抽象程度较高时，转移效果较弱；需要相关知识储备或章节之间逻辑性较强的MOOC课程具有较强的系统性，转移效果较弱。而知识源的复杂性与知识转移绩效具有显著正向影响。周贺来在知识粘性治理中指出知识源的复杂程度会影响知识转移绩效[22]。杰弗里·卡明斯(Jeffrey L. Cummings)等研究发现，复杂程度高、嵌入性强的知识转移难度大[23]。本研究的实证结论与现有研究结论相反，这可能是由以下两个方面的原因造成的。首先，MOOC学习过程具有可重复性，MOOC学习过程中的知识转移屏障可通过提高静态交互的频次来打破，从而促进知识转移绩效的提升。其次，MOOC学习过程具有间歇性，对于较为复杂的知识，知识接收方可以依据自身的吸收能力调整接收速度，时间上具有可控性。故MOOC学习的特征使得知识接收方吸收知识的难度降低，攻克复杂性知识的机会和时间得到保障，且交互过程呈现层次递进和闭区间循环特征，从而提高了知识转移绩效。阶段性知识转移绩效的提升也会增强知识接收方攻克复杂问题的成就感，提升其攻克复杂问题的兴趣，从而形成知识转移过程的良性循环，达到理想的知识转移效果。

第二，MOOC平台媒介的可操作性对知识转移绩效具有显著正向影响；而界面友好度对知识转移绩效无显著影响。研究结果表明MOOC平台简易的操作方法、明显的导航标识、快速的信息反应等有助于知识转移绩效的提升，即稳定且可操作性强的MOOC平台媒介降低了知识转移渠道的“噪声干扰”，促进知识转移绩效的提升。

第三，知识输出方的编码能力对知识转移绩效有显著正向影响；转移意愿对知识转移绩效无显著影响。编码能力强的知识输出方擅长通过动画视频编辑、VR技术等把系统的、复杂的知识碎片化、简单化，降低知识转移难度，提高知识转移绩效。

第四，知识接收方的解码能力和转移意愿均对知识转移绩效有显著的正向影响。具有课程学习基础、学习自信度高的知识接收方的解码吸收能力较强、知识转移绩效较好。而转移意愿较强的知识接收方在MOOC学习过程中遇到不懂的知识点时，会通过多次观看学习视频、到学习小组提问、浏览课程相关资料等方法加以解决，最终获得较好的知识转移绩效。

(二) 实践建议

首先，从知识源特征来看，我们可通过以下四个方面提高知识转移绩效。一是优化知识源结构，提高复杂性知识的比重。教师普遍认为复杂程度高的课程的转移效果较弱，这导致其在MOOC课程的制作上多选择通识类课程。如今复杂程度高的知识不易转移、学习效果欠佳这一观点被本研究的实证数据证伪。因此，教师在制作MOOC课程时要转变观念，将复杂程度较高的专业基础课程纳入MOOC课程的制作范畴，为学生提供更多高质量的MOOC课程资源，从而优化MOOC平台的知识源结构。二是优化知识源呈现方式，打破知识的系统性壁垒。知识源呈现方式是影响学习者学习效果的重要因素之一。简洁明了的知识组织架构可以帮助学习者了解课程的组织脉络，读懂知识源间的关系机理，抓住课程的重点、核心章节，理清知识体系。传统MOOC视频往往是将书本知识碎片化、单元化后进行陈述，因而系统性较强的知识的转移效果不佳。在未来的知识资源呈现方式上，知识输出方可探索将碎片化的知识进行立体化改造，使用VR、AR等技术模拟知识体系情境，通过虚拟现实让知识接收方了解知识体系架构，打破知识系统性造成的知识转移壁垒，提高知识转移绩效。三是采用情境化教学方式，提升内隐性知识的转移绩效。教师可通过情境化教学方式将学生引入知识情境，发挥学生的自主想象力，通过体验的方式感受不易用语言和肢体表达的内隐性知识，提升知识转移绩效。四是增强知识源的可感知性，提升知识转移绩效。知识源的感知有用性和感知易用性是学习者持续使用MOOC的有效动力[14]，有助于其学习频次和学习时长的提升，从而提高知识转移绩效。MOOC在聚焦课程知识的同时还要注重知识重要性的表达，以及知识单元与相关学科或课程体系的关系，提升知识源的感知有用性和感知易用性，进而引导学生持续学习并提高学习效率。

其次，从MOOC平台媒介来看，我们可通过提高平台智能化水平，提升知识转移绩效。MOOC平台在做好页面跳转、视频浏览、视频学习监控、讨论区服务、成绩考核、成绩核算与推送等基础服务的同时还需注重讨论区信息管理、高价值数据挖掘、需求信息的匹配与推送、学生学习效果预测与知识点补缺[24]等智能化模块的研究与开发，不断提升学生的学习效果。

再次，从知识输出方来看，我们可通过以下几个方面提高知识转移绩效。一是加强信息技术培训，提高知识输出方的编码能力。信息技术的发展和应用促进了教育生态的变化[25]。MOOC、翻转课堂等都是教育生态演变的新兴产物，同样也离不开信息技术的使用。本研究通过实证研究发现，教师教学设计的编码能力越强，知识转移绩效越高。编码能力强的教师通过对知识进行组织设计形成独特的知识体系呈现形式和授课方式，有助于提高知识转移绩效。因此，学校可通过组织对非计算机类教师进行信息化工具应用培训，提高教师的信息化水平，提升其知识编码能力，从而提高知识转移绩效。二是提升教师的业务能力，优化教学设计。教学设计是教学活动的初始构想，是理论与实践相结合的产物。奖励策略、任务协作、游戏化课程设计、提问课等教学设计是提高学习者自主学习能力和解决问题能力的有效方法[7][26-27]。高校可以通过教育教学方法培训、“老-中-青”教学梯队建设等措施提升中青年教师的教学业务水平，提高教学组织能力，优化课程教学设计，提升MOOC的课程质量。

最后，从知识接收方来看，我们可通过以下几个方面提高知识转移绩效。一是激发知识接收方的学习兴趣。本研究发现，知识接收方转移意愿与知识转移绩效显著正相关。知识输出方可通过优化教学设计提升知识接收方的知识转移意愿，进而提高知识转移绩效。例如单一的视频授课方式无法满足学生需求，也很难让学生保持持续的学习热情，因此，教师在进行教学设计时可通过多媒体技术和网络技术将枯燥的知识进行游戏化、娱乐化设计，实现知识与故事相融合、作业与任务相关联，诱发学生的学习兴趣，提高其学习参与度，挖掘学习者的学习潜能，提高知识转移绩效。二是明确知识势差，力争因材施教。本研究发现学习者的知识基础、学习能力直接影响知识转移绩效。实体化教学由于教学条件、教学精力和教学资源的限制，因材施教成为教育追求的理想状态。但MOOC环境下的虚拟学习却为因材施教提供了条件。知识输出方可在知识接收方学习MOOC前对其原有的知识基础、兴趣喜好、能力特征进行摸底调查，通过智能化技术将学习者分为不同梯队，推荐与之匹配的学习方案，力争因材施教。

六、 结 语

本研究构建了虚拟学习情境下MOOC学习中知识转移绩效影响因素模型，从知识源特征、MOOC平台媒介、知识输出方特征和知识接收方特征四个方面，分析其对MOOC学习中知识转移绩效的影响。实证研究表明，知识源的内隐性和系统性与知识转移绩效负相关，而复杂性与知识转移绩效正相关；MOOC平台媒介的可操作性与知识转移绩效正相关；知识输出方的设计编码能力与知识转移绩效正相关；知识接收方的解码吸收能力和转移意愿均与知识转移绩效正相关。由于本次实证调查的有效样本均来自于学习类平台，知识源的复杂性与知识转移绩效正相关这一结论在其他情境中的转移效果有待进一步验证。