面向移动学习的学习成效与学习者特征关联研究——以成都广播电视大学为例

甘晓敏，明 勇，叶正茂

（成都广播电视大学，四川 成都610051）

一、研究背景

成都广播电视大学（以下简称“成都电大”）是一所从事开放教育的成人高校，主要培养在职的成人学习者，这些学习者具备丰富的工作实践经验，学习目标明确，学习动机强烈，但是因工作、家庭等自身原因导致准时参与面授学习有一定的困难。为此，成都电大根据远程教育教学特点和学习者移动学习需求，充分考虑新技术对现有教学模式的冲击和促进，应用云计算、大数据等新技术，建设“以学生为中心”的一站式多终端学习服务平台，搭建便捷简单的移动学习和考试环境，构建线上线下融合的移动学习模式，以“应用-总结-整改”的科学模式积极推动教学实践。

成都电大移动学习模式包括三个方面。一是设计理念基于建构主义理论，建构主义学习观认为学习是学生建构自己的知识结构的过程，学生是信息的主动建构者，教学过程中强调学生的主体地位、教师的主导地位，强调教学环境的设计，强调学习的协作与会话；二是平台建设立足自身实际，充分考虑新技术发展和学习者实际需求，建设资源中心和数据中心，多平台间实现学习资源的复用共享、数据互通互认,提升学习体验，为学习者构建一个开放、公平、实时可学，处处能学的便捷学习环境，强调网上教学资源建设的专业性和系统性，提倡建设基于单知识点的视频资源，积极引导学生网上自主学习，减少系统性、计划性的面授辅导，充分应用实时导学、网上讨论、电子邮件等方式帮助学习者解惑[1-2]；三是数据分析基于教学过程，建设大数据分析系统，突出移动学习的过程管理和监督，深入挖掘学习考试大数据，及时研判、分析学习者的学习状态和学习成效，实现教学信息的精准推送，教学过程的智能提醒，为教师教学决策提供智慧支持。

在移动学习模式实践中因材施教的难度很大，学习者的学习效果受到很多因素干扰和影响，学习者特征也是一个重要的影响因素，学习者特征包括来源、性别、年龄、起点能力、学习动机和学习需求等[3-5]。因此，深入研究学习成效与学习者特征的关系，对移动教学模式的设计和实施有重大意义，也有助于教学资源的建设、教学支持服务的完善和教学活动的组织实施。

二、学习者特征描述

学习者特征是指学习者在学习过程中影响学习成效的生理、心理和社会因素[6-9]。主要包括学习风格、学习动机、学习者的起点能力，学习者的地域特征等[10-14]。

理查德.弗雷曼把学习者特征定义为年龄、性别、家庭环境、工作环境、学习动机、预备知识、以及具备的学习技能、学习环境等[15]。

海尼希等人把学习者特征定义为一般特征、起点特征及学习风格。一般特征包括性别、年龄、工作经验、教育背景及民族等，并提出在教学活动的组织中要充分考虑学习学习者的特征，特别是教学方法与教学媒体的选择中更应该充分考虑[16]。

陈钦勇在应用多层线性模型理论研究大学英语学习影响因素中，提出学习者特征包括个体特征和班级群体特征，个体特征为个人起点能力，学生性别，课堂互动、学习动机、学习时间、学习自主性、学习方式、学习环境；班级群体特征为女生比例、教师角色、班级竞争意识、教师教学态度[17]。

何字娟等在网络学习者特征研究中，提出了学习者特征分析的DSPS模型，把学习者特征分为学习动机、学习风格、学习者起点能力、学习者地域情况和学习交互，并认为学习者在线学习的技术能力和交流协作能力是影响学习成效的关键因素，学习者地域情况和学习者学习动机对学习成效的影响较小[18]。

综上，国内外学者较为统一的认识是学习者特征包括学习动机、学习者起点能力、学习风格和地域特征等核心要素[19-21]。本研究根据成人学习者实际，把学习者特征分为静态特征和动态特征。静态特征反映学习者客观属性，包括地域、性别、起点能力和年龄，动态特征反映学习者主观属性，包括在线学习时间、资源浏览次数、学习交流次数、学习动机、课程资源适应度和学习风格。

地域的差异会导致学习条件的差异，主要反映在城乡差距上；年龄和性别差异会导致学习者的情绪、心态的变化；起点能力是后续学习的基础；在线学习时间、资源浏览次数和学习交流（论坛帖子数）通过网络数据客观反映学生网络学习的努力程度；学习动机、课程资源适应度和学习风格反映学生学习的主观心态。

三、研究基础

研究立足成都电大的教学实际，以多维度定量的方式进行学习成效与学习者特征的关联研究。

（一）学习模式概述

2015年春，成都电大开始推动移动学习模式研究和实践，该模式表述为：“在远程教育理论的指导下，以学生为中心，以课程为单元，基于移动网络和学习资源，构建时时处处可学可教的教学环境，支持服务重过程，跟踪监控保质量”。其内涵是：以学生为中心开展有组织的自主化学习；以课程为单元开展导学、助学、促学活动；以移动平台为基础开展内容丰富、形式多样、类型多种的交互性教学活动，以良好的师资队伍、基础设施、技术环境为支撑，以贯穿教学全过程的制度为保障，构建出具有西部中心城市特点的教学模式。该模式中三个重要的基本要素为学生、课程和网络，两个运行体系是指教与学的支持服务体系和质量保障体系。

2016年春，成都电大推动“学习过程考核”取代“终结性考试”的教学改革，优化移动学习环境和资源，引导和促进学生线上学习，从线上学习时间、资源浏览次数、学习交流情况和线上单元测试等维度，综合评价学生的学习成效，计算方法为：课程的终结性考核成绩=学习操行成绩+网上考试成绩+网上活动成绩，计算比例如表1所示。

网上考试成绩：完成三次网上考试，每次考试12分为合格，最高分为20分。三次考试累加最高分为60分。

网上活动成绩：网上活动成绩（最高20分）=在线学习时间（40%）+浏览资源点击次数（40%）+论坛交流（发帖、回帖、跟帖）（20%），计算比例如表2所示。

操行成绩：学生平时操行成绩总分为20分，主要衡量学生的学习态度和学习能力。辅导教师根据学生参加面授辅导、小组学习、创新性活动、公益性活动等情况评定学生的操行成绩。

改进的考核规则考核学习者的学习过程、学习能力和掌握知识情况，更符合远程开放教育教学质量提升的要求，更能反映学生的综合素质和掌握知识的能力。

表1 终结性考核成绩构成表

表2 网上活动成绩构成表

（二）研究数据来源

本研究的数据来自成都电大2018和2019年省开课改课程的移动学习和考核数据，2018年和2019年成都电大试点改革25个专业，142门课程。随机抽查10门课程、1000名学生作为抽样样本，并进行网络问卷调查，见表3。

学习者的地域，性别、起点能力、年龄、在线学习时间、资源浏览次数、学习交流等数据直接从样本的基本信息和学习考试数据中获取。学习者的学习动机，课程资源适应度，学习风格等数据通过网络问卷调查方式获取，采用实名问卷调查，利用移动学习平台发问卷调查表，在规定的时间段内完成。调查表发放1000 份，收回1000 份，有效问卷1000 份。

为了简化研究，对学习成效和学习者特征的取值和范围进行界定，学习者学习成效数据直接用成绩数据，取值为合格与不合格，学习者特征值的值域定义见表4。

表3 抽样情况表

表4 学习者特征定义表

移动学习模式更能体现学习自主性，所以学习动机的取值设置为主动和被动，学习风格取值设置为喜欢网上学习和不喜欢网上学习。

四、研究方法

在本研究中，学习成效已知，学习者特征情况部分已知，部分未知，学习成效与学习者特征的关系未知，这种研究属于灰色系统理论范畴，因此本课题研究使用“灰色关联分析”方法，用定量的方式建立灰色关联分析模型，运用MATLAB 工具实现学习者人口特征与学习成效的关联分析。

关联度是指两个因素随时间或不同对象变化的大小的量化，在系统变化过程中，两个因素的变化趋势一致，则关联度高，反之则低，灰色关联分析方法的衡量标准为灰色关联度，也就是说灰色关联度越高，联系越紧密[22]。灰色关联分析算法的流程图如下。

灰色关联分析算法的数学模型描述如下：

Step1：建立抽样调查数据矩阵。抽样数据xi=(xi(1),xi(1),xi(2),xi(3),…,xi(n))，假设有M个对象，N个指标，构建矩阵如下：

其中，参考序列X0=(x01x02… x0j…x0n)。

Step2：对抽样调查数据矩阵进行归一化处理。

Step3：求抽样调查数据矩阵的差序列△0i（k），并确定和的值。

Z(i)=|z0(k)-zi(k)|,Z(i)=(zi(1),zi(2),…,zi(n))。

Step4：计算抽样调查数据矩阵关联系数。

其中，φ为分辨系数，用于提高关联系数间的差异性，φ∈（0,1），默认值0.5。

Step5：计算学习者特征与学习成效的灰色关联度：

五、调查结果统计

对10门课程，1000名学生的成绩和问卷调查表进行统计分类，按学习成效合格与不合格的情况进行统计，统计结果如下：

1.当学习成效合格时，学习成效与学习者特征人数关系统计情况如表5。

表5 调查结果表（成绩合格，单位：人数）

第C1 行第K1 列数据为82 表示：2018 春100 名学生个人理财成绩有82 名学生成绩为合格；第C2行第K1列数据为50表示：82名学生中有50 名学生属于城镇学生；第C2 行第K2 列数据为50表示：实用法律基础78名成绩为合格的学生中有50 名学生属于城镇学生；第C3 行第K2 列数据为42 表示：实用法律基础78 名成绩为合格的学生中有42名男学生。

2.当学习成效不合格时，学习成效与学习者特征人数关系统计情况如表6。

表6 调查结果表（成绩不合格，单位：人数）

六、关联分析

用“灰色关联分析”方法分析统计结果，把统计结果转换为二阶矩阵，关联算法用MATLAB工具编程实现，分别计算学习成效合格与不合格两种情况下的关联度，算法和中间值如下。

1.当成绩为合格时，学习成效与学习者特征的关联度分析。

由表4 可以看出，学习成效与学习者特征的关联研究，就是C2 C11 与C1 的关联研究。通过“灰色关联分析”方法可以得到C2至C11与C1的关联度，从而确定学习成效与学习者特征的关联情况，分析过程如下。

第一步：设C1（成绩）的特征函数为X1（k），C2 的特征函数为X2（k），以此类推Ck的特征函数为Xi（k），其中k为大于0的整数，把k1…k10 ,转换为1…10的序号。

第二步：把表4 的数据无量纲化，求所有数列的公共交点，所有行的数据均用第一个数据除，然后生成一个新的数列，新数列就是第一个数据的百分比。因此X1（k）=（1.0000,0.9512,1.0976,0.8293 ,0.8537,0.9146,0.9634,1.1220,1.0732,0.7927）。无量纲化的结果中第1列的值都为1，如下表7所示。

表7 无量纲化表（精确到小数点后面4位）

第三步：求两级最小差和两级最大差。由表7求出z（k）的值，见表8 。

表8 z（k）的值

从上表可以看出两级最小差为0，两级最大差为0.3707。所以。

第四步：求关联系数ξi(k)，其中0.5 是分辨系数。

当i=1 时，关联系数ξi(k)的值为：ξ1(1)=1；ξ1(2)=0.7917；ξ1(3)=0.9870；ξ1(4)=0.3334；ξ1(5)=0.3770；ξ1(6)=0.5000；ξ1(7)=0.3421；ξ1(8)=0.3290；ξ1(9)=0.7170；ξ1(10)=0.4974。ξi(k)的所有值见表9所示。

表9 ξi(k)的值

第五步：求成绩为合格时学习成效与学习者特征的关联度ri。

表10 学习成效与学习者特征关联度（成绩为合格）

2.同理，成绩不合格时，学习成效与学习者特征的关联度如下表11所示。

表11 学习成效与学习者特征关联度（成绩不合格）

3.学习成效与学习者特征的关联度，其值就是求成绩为合格与不合格的关联度的平均值R（i）=（r1（i）+r2（i））/2，并按关联度的高低排序，计算结果如表12所示。

表12 学习成效与学习者特征关联度

七、关联度分析

学习成效与学习者特征的关联度排序为：在线学习时间、课程资源、学习动机、学习风格、资源浏览次数、年龄、学习交流、起点能力（入学成绩平均值）、性别和地域，如图2所示。

1.学习者的在线学习时间特征与学习成效的关联度为0.8101，关联程度最高。这说明学生的学习成效与学生的努力程度和学习时间是成正比的，在课程学习中花费更多的时间，能够获得更多的知识。现代远程开放教育中，教学实施过程主要依赖教学平台，因此构建远程教育教学平台时要充分考虑学习者的上网条件和学习者的上网习惯。

2.课程资源适应度的关联度为0.7856，仅次于在线学习时间。这说明优质教学资源更利于学生的学习，学习情况好坏主要源于学生对学习内容的理解，因此资源建设要符合学生的认知水平和学习习惯，应该灵活的应用视频，音频和游戏吸引学生的学习兴趣，一个知识点的时间设计在15 分钟左右，内容要简洁明了，学习导航要清晰。

3.学习动机和学习风格的关联度为0.7821和0.7729，排名第三、第四。这说明学习成效与学习者的主观学习态度和学习的风格关系紧密，它们之间相辅相成。这个结论与“学习者的学习动机和学习风格也极大地影响着学习者的学习进程和效果”[23]结论一致。学习者的学习动机决定了对学习内容的兴趣和态度，在远程教学模式设计和资源建设过程中要考虑学习者学习兴趣的因素，这些因素包括学习者的学习注意力，学习内容相关性，学习者的自信心和学习的满足感，同时也要加强学习者学习风格的引导和培养，要让学习者熟悉网络学习工具，掌握网络学习技巧，愿意网上学习，喜欢网上学习。

4.资源浏览次数的关联度为0.7516。资源浏览次数客观反映了学习者学习课程知识点的频率，它与关联度排名第一的在线学习时间成正比关系，从上面的分析可以看出资源浏览次数越多，学习者掌握知识的情况越好。

5.学习者年龄的关联度为0.7245。这说明学习者年龄会影响学习成效，学习者年龄结构的不同，导致学习者学习的外部环境的不同，对于成人学习者这些不同体现在家庭条件，父母情况，子女情况、工作情况和经济情况等方面。

6.学习者学习交流的关联度为0.7198。学习交流情况反映了学习者学习过程中对所学内容的理解和思考，其关联度也反映出积极主动思考和讨论的学习者掌握知识的情况更好。

7.学习者起点能力的关联度为0.6330。学习者起点能力是其后续学习的基础，会对学习者后续学习产生影响，但从关联度可以看出学习者起点能力与学习成效的关联度较低，这个结论与“知识结构的薄弱和学习技能的欠缺，在学习过程中极大地阻碍了学习者的学习进程，甚至造成了相当数量的辍学现象发生”[2]结论不一致。结论不一致的原因可能有三个方面：一是因起点能力较低导致无法继续学习的学生没有参加考试或辍学；二是抽样的范围仅限于成都电大，没有夸省市和地区；三是学习者通过后期努力弥补了起点能力的差异。

8.学习者性别的关联度为0.5673。从关联度可以看出学习者性别对学习成效的影响较低，在成人学习者中对专业的选择上性别差异较为明显，但是在课程学习中性别对学习成效的影响很小。

9.学习者地域的关联度为0.5570。说明地域差异对学习成效影响非常小，这与张伟远、胡军的研究结果不一致[24]，其原因可能是地域差异造成，本文研究的样本都是成都市的学生，基于移动学习，学习者的学习条件差异变小，这也说明移动学习模式为学习者提供了一个较为公平的学习环境，可以服务更多的学习者，有助于推动教育公平。

八、结论

为提升开放教育教学质量，创新移动学习模式，本文就学习成效与学习者特征的关系进行了深入的研究和分析，分析结果对于开放教育教学设计的重要意义有四个方面：一是要重视学习者特征的差异，这种差异会降低同质化移动教学模式的教学成效，可以考虑在网上构建分层分类的自适应学习环境，设置简洁的学习导航，降低学习者获取知识的复杂度。二是重视学习资源的建设和应用，学习资源适应度与学习成效关联紧密，根据学习者特征差异建设分层次的学习资源，优化资源的应用策略，完善资源建设、共享和引用的相关标准和制度。三是重视远程教育教学活动中的交流和互动，建设分类分层的互动空间，合理安排实时和非实时的网上讨论活动，重点策划专题讨论、期末考试答疑等实时讨论，引导学习者积极参与，及时整理论坛，把重要的讨论帖子置顶或设置为精华帖。四是重视学习者网上学习技能和网上学习习惯的培养，积极培训、鼓励和引导学生网上学习，提升平台智能化水平，实现智能监控，智能提醒，重视学习大数据的分析应用。