新冠疫情背景下大学生网络学习满意度影响因素探究——以“钉钉”为例

曹建磊，吕 部，王婷婷

（蚌埠学院 a.计算机工程学院；b.经济与管理学院；c.外国语学院，安徽 蚌埠 233030）

2019年12月，新型冠状病毒肺炎疫情犹如前所未有的暴风雪瞬时间席卷中国和世界，全球数以十亿计的民众被打乱阵脚。在疫情期间，许多学校按照上级指导意见实施“停课不停教、停课不停学”的措施，充分利用网络课程教学资源——“钉钉”在线学习软件实行网络教学，极力保障疫情防控期间学校的教学进度和教学质量。大学生的学习满意度指的是大学生在学习过程中能够满足自身愿望需求的一种直观感觉或主观感受，主要集中在学习者的学习形式中、学习过程中、活动方式中和取得成果的主观享受过程中。[1]，[2]

本研究先通过提出问题假设，依据远程教育教学理论开展实验研究，利用SPSS软件对调查问卷的数据结果进行分析对比，得出各个指标变量对网络学习满意度的影响程度，最后依据分析结果构建网络课程学习大学生学习满意度“BITCLC”模型，达到改善网络在线教学方式和提高大学生学习效果的目的。[3]大学生的学习满意度作为衡量网络在线课程学习质量的重要标杆指标，通过研究影响其重要影响因素在构建网络在线学习满意度的评估内涵和评估指标中能够提供科学合理的参考意见，为改进和完善网络在线的教学方式和提高大学生的主体意识提供思路。[4]

一、网络在线学习大学生学习满意度影响因素的实验设计

（一）问卷设计与影响因素假设

首先做好调查问卷的设计工作，界定好与本研究内容相关的各个变量，采用N级量表的形式设计问卷题目（以客观选择题为主），调查问卷题目可参考美国学者Sean B.Eom教授、H.Joseph Wen教授、Nicholas Ashill教授等联合发表的论文The DeterminantsofStudents'Perceived Learning Outcomes and Satisfaction in University Online Education:An Empirical Investigation中的内容①转引自孙文静、李俊秀《基于教学满意度调查的大学生学习投入提升策略探讨》，载《教育观察》2019年第8期，第140-144页。，并在“钉钉”软件上观察大学生参与网络在线学习的基础上对问卷作适当的修改完善。

题目内容紧密围绕个人基本信息、学习者内外在因素、教师因素、课程设计因素、学习环境因素、大学生学习满意度因素等六个方面的内容。首先假设这六个方面与大学生的学习满意度影响因素息息相关，并将暂视为影响实验结果的这六个因子组合构建了网络在线学习大学生学习满意度评价模型“Basic personal information—Internal and external factors of learners—Teacher factor—Curriculum design factor—Learning environment factor—College students'learning satisfaction factor”（BITCLC 模型）[5]，[6]。如图1所示，问卷的内容共设计31个题项，均散分布到各个方面中，“BITCLC”模型以大学生学习满意度为因变量，其余的五个影响因素参照设计为自变量，以此组建多元回归模型。[7]

（二）研究对象

本研究测定的是疫情期间网络学习背景下大学生学习满意度的影响因素，调査对象为蚌埠学院计算机工程学院在校大学生，共2 047人（其中2016级学生507人，2017级学生467人，2018级学生597人，2019级学生476人）。从采集的信息来看，调查个体相对差异明显，学习知识结构和各自在家学习的环境也不相同，具有数据分析结果的有效性和普遍性，非常有利于后期调查结果研究的回归取样。

（三）实施方式

因疫情原因，问卷调查的结果取证以网络发放的形式进行，设计好问卷后在问卷星官方软件上录制，然后在学校老师和同学们的帮助下通过QQ、微信等方式在网上转载发放，计算机工程学院的在校大学生根据自己的实际学习情况填写问卷，最后通过网站后台统计采集的数据结果。经最终统计，采用李克特量表的5点式数据进行回归。总共发放问卷2 047份，回收2 034份，其中有效问卷2 028份，回收率为99.36%，有效率为99.07%。

（四）调查问卷的可信度和有效度

在实验假设的六个变量（个人基本信息、学习者内外在因素、教师因素、课程设计因素、学习环境因素、大学生学习满意度因素）中，因个人基本信息表达的是客观事实，跟本研究的内容关系不大，所以不需要进行可信度的检验，剩余的五个序列则通过克朗巴哈Alpha系数（Cronbach's alpha）测试其内在可信度。[8]

如果说经过数据分析得出的克朗巴哈Alpha系数值大于数值0.9的时候，那么我们调查问卷的数字量表就非常可信，能够给予采纳；如果数据结果克朗巴哈Alpha系数值大于数值0.8而小于数值0.9，那这个时候表示的数值量表就属于比较可信的；而一旦克朗巴哈Alpha系数值小于数值0.7的时候，我们调查问卷的数字量表就不太理想了。[9]我们可以通过SPSS22.0把整份调查问卷的结果取证，分析其具有代表性的因子，得出的结果显示出五变量负荷为0.788，数值结果也证实了问卷的结构有效度是不错的，具备真实可信度。

二、大学生学习满意度影响因素的实验实施与分析

图1 网络学习“BITCLC”模型

我们采用客观描述性的统计方法来设计个人基本信息板块，其中包括性别、年级结构、学习专业以及有无网络在线学习的经历等，先假设这几个因素对大学生学习满意度有因果关系，然后再对大学生个人基体特征的网络在线学习满意度进行统计分析。

从图2中可以看出，调查中的男生数量1 438人是女生数量609人的两倍以上；2016级507人、2017级467人、2018级597人、2019级476人。各个年级的学生数量差距不大，分布较为平均，其中2018级的学生最多；计算机工程学院各个专业的人数差距较大，其中计算机科学与技术人数最多（876）人，数据科学与大数据技术人数最少（107人）；大部分学生（1 968人）都有在线学习的经历，占据总人数的96.14%，而没有在线学习经历的学生只有一小部分（79人）。

表1详细地表示出了个人信息变量与网络学习中大学生学习满意度的数据分析对比数值。首先表格的第二行内容验证的是性别因素与学习满意度是否有关联，采用两个独立样本“非参数检验”的性别相关性分析结果显示Sig（significance）的显著性水平值为0.656，概率p的值分别是0.787和0.825，两个数值都大于0.05，结果证明了当初的假设是大概率事件，所以我们的假设是不成立的，测试结果也不符合预期的假设，也就是说大学生的性别因素与网络学习大学生学习满意度并不存在非常明显的关系。

表格第三行内容验证的是组别变量年级与学习满意度关联度有多大，采用单因素方差方式进行分析，得出的Sig的显著性水平值为0.977，我们可以看出对应的水平值一样大于0.05，一样证明出我们的假设不成立，由此推断出大学生的年级因素与网络学习大学生学习满意度也没有明显关系。

图2 问卷调查个人基本信息人数情况

表1 个人信息变量与网络学习满意度T检验、系数分析表

表格第四行内容验证的是c组变量大学生的学习专业与学习满意度的关联性，同样和二三行一样采用单因素方差方式进行分析的结果Sig的显著性水平值为0.923，结果大于0.05，证明大学生的专业因素与网络学习大学生学习满意度没有明显关系；以此类推，有无在线学习经历的Sig的显著性水平值为0.953，其对应的概率p的值远大于0.05，结果验证了依然是零假设的因素,有无在线学习经历与网络学习大学生学习满意度并没有显著关系。[10]

接下来对课程设计因素进行实验，先假设大学生在网络学习中对不同的课程可能有不一样的学习感触，对学习满意度的分值也有不同，研究选用计算机专业中覆盖率最广、最重要而又最具代表性的五门课程（C语言程序设计、计算机网络基础、操作系统、计算机组成原理、数据结构与算法）进行比较。首先依然采用单因素方差方式进行分析，然后对大学生的学习满意度描述及多重比较进行分析，结果如表2和表3。

可以看出，五门不同的课程对学生学习满意度的影响还是相当大的，我们在假定五门课程的方差齐性的同时进行两相比较，发现原假设内容的概率是小概率事件包括C语言程序设计、计算机网络基础、计算机组成原理这三门课程，概率值只有0.01＜0.05的事件，由此认定原假设不成立，这三门课程在大学生学习满意度上具有明显的区别；那么从比较的均值、标准差中我们也能发现操作系统、计算机网络基础和数据结构与算法这三门课程的满意度评分要低一些，关于大学生学习满意度的评价得分方面比C语言程序设计、计算机组成原理这两门课程要低点，其中C语言程序设计的满意度评分最高，数据结构与算法的满意度评分最低，其他三门的评分介于这两门课之间。由此结果可以证明，不同的网络课程在大学生学习满意度的个体评价上会有明显的差异。

表2 五门课程类型的大学生学习满意度方差分析

表3 五门课程类型的大学生学习满意度描述及多重比较分析

接下来继续通过调查问卷的结果统计数据，将N级量表的内容放到SPSS22.0软件中进行分析，得出不同类型的四种变量（学习者内外在因素、教师因素、课程设计因素、学习环境因素）在各影响因素的方差数据值，探究其是否存在差异。具体见表4。

经过对方差表的比较、分析，得出的探究结果可以证明这四种变量类型对大学生网络在线学习满意度的的关联度（是否有影响），结果表明：C语言程序设计、计算机网络基础、操作系统、计算机组成原理、数据结构与算法这五门课程对大学生的学习交互能力并没有太大的影响。但是在四种个体变量中存在差异，比如C语言程序设计和计算机网络基础在学习者自身因素中、教师因素中、学习环境因素中等方面的评价明显要高于其他三门课程。

在假设方差齐性的同时继续进行两相比较，发现四种个体变量的大学生在C语言程序设计和计算机组成原理这两门课程上获得了和大学生学习满意度评价分数相一致的结果，课程操作系统对教师因素、课程设计因素和学习环境因素的评价显著低于其他四门课程，数据结构与算法仅次于操作系统的得分评价。在学习者内外在因素中，公认学习难度较高的课程数据结构与算法、操作系统的自我管理水平明显要低于其他三门课程，C语言程序设计的自我管理水平最高，课程计算机网络基础次之，通过此次方差分析我们能够得到对实验假设的验证：即使针对不同的课程类型，学习者内外在因素、教师因素、课程设计因素、学习环境因素对大学生在网络学习过程中的大学生学习满意度是有显著性影响的[11]。

调查问卷中涉及的问题同时要考虑大学生在钉钉软件平台学习的学习动机，无论是主动学习还是被动学习，针对大学生在网络学习中的学习动机做出统计分析。详见图3。从图3能清楚地完成大学生网络在线学习满意度的调查和研究。可以看出大部分的学生选择在钉钉软件上学习是为了修习学分完成毕业（37.60%）和自身的个人兴趣（28.25%），他们的学习动机都是源自于自身内在的兴趣爱好和个人对知识的渴望需求，而获取证书、奖学金、听从父母及他人要求这几点都不是他们网络学习动机的主要原因。

依据调查问卷中填报的客观题目结果进行统计汇总，得到表5整理出数据结论：A、C、E、F项体现出的是大学生外在学习动机，B项和D项体现出来大学生内在学习动机。根据分析数据结果可以看出，B、D两项显示出内在学习动机对应大学生网络学习满意度的标准显著水平p值分别为0.061和0.110（都大于0.05），所以说大学生的内在学习动机与其网络学习满意度之间是没有明显的对称关系的，由此可以证明大学生的内在学习动机并不是大学生网络学习满意度的影响因素。

在大学生外在学习动机的四项内容中，唯有E项（解决生活工作问题）对应大学生网络学习满意度的标准显著水平的p值（0.001）小于0.05，说明解决生活工作问题这项因素与大学生网络学习满意度具有明显的对称关系；其他三项（A、C、F）的p值都大于0.05，表明修习学分完成毕业、获取证书、奖学金、听从父母及他人要求这三项因素与网络学习满意度是没有明显的对称关系的，由此可以证明大学生外在学习动机是大学生网络学习满意度的影响因素。[12]

表4 四种个体变量类型在各影响因素的方差表

接下来利用回归分析法对大学生学习满意度的各项影响因素研究分析，回归分析法是目前统计学界应用非常广泛的一种数据分析方法，它的目的是揭示事务分析关于自变量和因变量的相关联系，通过线性回归方程的形式对调查问卷统计的结果进行总结和预测。然后使用SPSS22.0软件对目标各个变量进行Pearson样式分析，先以学习满意度为因变量，再分析和衡量目标各项影响因素指标自变量和大学生网络学习满意度之间的相应程度，以此来总结和预测各项指标因素与学习满意度的能力。[13]

图3 大学生学习动机统计图

表5 大学生网络学习的学习动机与学习满意度系数分析表

首先以大学生学习满意度作为测试的因变量b，用以其他四项影响因素（学习者内外在因素、教师因素、课程设计因素、学习环境因素）作为测试的自变量a进行回归分析，如表6所示为四个预测变量与网络在线学习满意度的回归模型分析结果表，通过它们之间建立的线性回归方程，然后利用回归方程的观测值来检验显著性适值F的统计量，经测算其结果与对应的概率p值为0.000b（接近0），这个结果说明了实验预测的四个变量与网络在线学习满意度之间是有一定的线性关系，因此可以建立显著线性模型。[14]

实验后的分析结果和分析系数如表7所示，在表中我们将显著性水平因变量b（学习满意度）的值设定为0.05，那么学习者内外在因素和学习环境因素这两个变量t统计的显著性水平sig值的数据分别为0.081、0.431，两个观测值都大于0.05，所以我们的实验假设是成立且可行的，因此可以证明学习者内外在因素、学习环境因素与大学生的网络学习满意度是不存在显著关系的。[15]

经分析数据结果，得出教师因素和课程设计因素这两个变量t统计的显著性水平sig值为0.005、0.000，两者观测概率p值都小于0.05，因此可以证明教师因素、课程设计因素与大学生网络学习满意度之间存在着显著的线性关系，所以说我们可以将其保留在线性回归方程里。

三、实验研究结论

如图4所示，通过线性回归方程的回归分析我们可以得出结论：学习者外在学习动机、教师课堂支持、网络课程设计、“钉钉”学习环境与大学生网络在线学习的学习满意度之间呈显著性正相关关系，其中学习者外在学习动机是通过网络学习中的授课课程内容来影响大学生的学习满意度；教师的网络授课是通过“钉钉”软件的学习环境来左右大学生的学习成效，以此来影响大学生网络在线课程学习的学习满意度。

特别指出网络课程设计对大学生网络学习的相关性较高，持续学习的愿望也更强，对其网络学习满意度的影响也是最大的。[16]回归分析的结果也验证了学习者内在学习动机与大学生网络在线课程学习的学习满意度之间不存在显著关系。

表6 各因素对学习满意度回归分析表ANOVA*

表7 各因素对学习满意度回归模型的分析结果（系数Coeffients*）

图4 各影响因素与大学生学习满意度（是/否）相关结论图