中国大学生在线学习体验的区域差异及影响因素——基于国内334所高校调查数据的分析

汪卫平 李 文

(1.复旦大学 高等教育研究所，上海200433；2.厦门大学 教育研究院，福建厦门361005)

一、引 言

在线学习已成为全球高等教育领域的突出特征。信息技术正在以指数级别的速度变革传统高等教育的形式，尤其是Udacity、Coursera和edX等三大国际平台及全球顶尖高校或在线高等教育机构(如阿波罗教育集团)不断推出在线课程，新颖的教学形式(如翻转课堂、对分课堂、混合式学习、自适应学习)也不断涌现。高等教育在线学习人数在以较快速度增加。以美国为例，2015年至少有四分之一的学生有过在线学习体验(如参加过学位课程或培训课程)，且每年以二十多万人的规模增长(Babson Survey Research Group，2015)。传统大学似乎正逐渐成为“虚拟大学”(virtual university)。这种席卷之势甚至引发了人们关于“在线学习是否是高等教育未来”的争论(Munslow,2020；Herman，2020)。

2020年初的疫情加快了在线学习在全球高等教育领域的普及。最重要的是，人们也希冀通过疫情冲击引起相关人员对重塑高等教育教学内容和形势的重新审视(邬大光，2020)。中国已成为全世界在线教育规模最大的国家(人民网，2019)，在政府致力于以新基建推动教育信息化、提升高等教育质量内涵等背景下，开展在线学习的相关研究显得尤为重要。

学生在线学习体验是近年来在线学习研究的热点，它为课程建设、活动设计、质量评估提供了全新的视角。高等教育地平线报告连续九年提及高等教育领域“日益关注学生在线学习测量”的趋势(Alexander et al.，2019)。中国政府在疫情期间采取的“停课不停教、停课不停学”，是世界高等教育史上前所未有的创举和全球范围内最大胆的教学实验。截至2020年5月初，全国共有1775万大学生，合计23亿人次参与了在线学习 (中国新闻网，2020)。然而，中国大学生的在线学习体验如何？东、中、西部高校学生的在线学习体验是否存在区域差异及影响因素是什么？与已有在线学习体验影响因素的理论模型一致吗？应如何针对性地改善学生在线学习体验？当前还没有相关研究能直面这些问题。本研究通过对疫情时期全国300余所高校学生的调查，揭开大学生在线学习体验以及区域差异的面纱，为各地区高校在线学习体验的改进提供依据，也为在线学习理论提供中国文化背景下的检验和完善。

二、文献回顾

希尔兹(Starr Roxanne Hiltz)早在1994年就提出在线学习概念。龙三平等人(2014)通过对近二十余年文献的系统分析发现，在线学习研究主要聚焦在四大领域：建构主义研究、学科知识管理研究、行为与认知研究、教育技术支持研究。而关于学生在线学习体验及其影响因素研究是“行为与认知研究”的重要内容。前期研究多持技术倾向，过于关注技术和教师的视角，忽略对学生学习的分析，后续研究需进一步转向人文关怀导向。关注学生的学习体验既是以生为本的体现，也是评估在线学习质量的重要内容。

(一)框架概念及其结构研究

在线教育平台(如MOOCs)的推广及在线教育理念的变化，推动了人们对学生在线学习体验的关注。但当前对在线学习体验概念框架的建构存在缺陷。部分研究只是借用学习体验的字眼(何春等，2014；贾文军等，2020)，并没有对概念进行严格的界定，这一定程度上限制了在线学习体验的理论发展。虽然部分研究者探索了在线学习体验的概念及结构，但观点不一。吴(Wu，2016)将动机性行为(intentional behavior)、结果性行为(outcome behavior)、感知到的学习体验(perceived quality)、感知到的有用性(perceived utility)视为在线学习体验测量框架的重要内容。邓等人(Teng，2012)将学生对在线学习的评价视为学习体验，如教师的表现、社会性互动、认知过程、总体满意度(课程内容、时间管理、效率)等。乌多等人(Udo，2011)将学习质量视为学习体验，并建构了一个包含保障、移情、响应、可靠性和网站内容等五个维度的概念框架。沈等人(Shen，2013)的操作更简单，将在线学习满意度直接等同于在线学习体验。

也有部分学者持续探索在线学习体验概念框架的建构，并产生了一定的影响力。郭淑婷(2014)利用文献回顾的方法，试图探索一个能为实证研究提供参考的操作框架。研究发现，在线学习体验涵盖远程教育者、学习者、学习环境以及需要评估的学习成效。刘斌等人(2016)致力于持续探索在线学习体验的概念结构，在线学习体验被界定为“学习者对在线学习过程及结果的感知与反应，主要包括课程环境及学习活动。在线学习效果主要是对课程及学生学习效果的总体反映”。

结合已有理论操作的框架，借鉴刘斌等人(2016)对在线学习操作和界定的观点，以及已有文献对学习满意度和实际效果之间真实关系的研究，本研究以学生自评的在线学习满意度和在线学习效果作为学习体验的操作指标。

(二)影响因素研究

尽管当前对在线学习体验的概念缺乏严谨的界定，但对在线学习体验影响因素的探索是研究者关注重要主题。具体研究策略呈现两种取向：一是研究影响在线学习体验的所有因素(Ozlem，2014)，或探索最关键的影响因素(Barclay et al.，2018)；另一种是只关注单一因素的影响，如准备程度(Keramati et al.，2011)、课程维度(Claire et al.，2017)、互动程度(Kang et al.，2013)等对在线学习体验的影响。总的来看，第一种研究取向是当前的主流。

已有研究将影响在线学习体验的因素分为：技术平台与环境、课程设计与内容、讲授者维度、学习者维度、社会性交互五个方面(Sun et al.，2008；Ozkan et al.，2009；Paechter et al.，2010；江毓君等，2019；刘斌等，2017；蒋志辉等，2017；戴心来等，2017)。也有部分研究者从其他视角考察。廖宏建等(2017)认为影响在线学习的因素包括参与度、学习力、线下面授、知识编排、生成度、评测反馈、平台工具。李莹莹等人(2020)基于疫情时期对上海15所高校的调查发现，网络教学质量、学生任务价值感知、网络自我效能感、网络使用能力、学习动机、网络交互及其感知到的社会支持皆对满意度有显著预测作用。

除了上述维度，一些研究者也关注在线学习的初始特征(entry characteristics)，如性别、年龄、年级、教育程度、学习动机(Wang et al.，2013)、内外控倾向(locus of control)等。但初始特征变量对学习体验的影响研究没有形成一致的结论，甚至结论间相互矛盾。奥兹莱姆(Ozlem，2014)和尤克塞尔图克(Yukselturk，2009)发现,学生在线学习满意度没有年龄和性别差异，而桑德斯等人(Sanders et al.，2001)发现越年轻的学生对在线学习的评价越积极，男生对其评价更高。

综上所述，已有研究没有专门考虑不同区域高校学生在线学习体验及其影响因素的差异。但也有系列文献指出，互联网接入水平、信息技术素养、社会经济发展水平等会导致学生在线学习体验存在地区差异(Saman et al.，2019)。基于中国东、中、西区域国情差异明显，高校办学水平、生源质量、学生家庭经济状况、信息技术素养差异(Cai et al.，2017)对学生在线学习体验的影响同样显著。因此，本研究尝试回答以下问题：1)在线学习体验在东、中、西部存在何种差异？2)上述影响在线学习体验的五个因素在东、中、西部之间有何种差异？3)东、中、西部地区影响学生在线学习体验的主要因素是什么？

三、研究数据与方法

(一)数据来源与研究工具

本研究使用的数据来自2020年3月13日至4月1日间，全国高等学校质量保障机构联盟和厦门大学教师发展中心联合组织开展的“疫情期间中国高校在线教学调查项目”。此次调查共有教师、行政人员、学生三套问卷。来自全国334所高校的256504名学生参与其中(邬大光等，2020)。本研究使用的是学生问卷,有效样本为251929份，有效率为98.2%。为了便于考察学生在线学习体验的区域差异，本研究只保留了疫情期间使用过在线学习平台的学生样本。统计发现，本次调查共有249764(大于99%)名受访高校学生在疫情期间开展在线学习，剔除关键变量上有缺失的样本，最终纳入分析的样本为226679份。调查问卷分基本信息、线上学习环境及支持、线上学习体验和线上学习改进四个部分，但本研究只涉及前三个部分。

(二)关键变量

本研究借鉴刘斌等人(2016；2017)的概念界定和佩希特等人(Paechter，2010)的操作方式研究，选取在线学习体验为因变量,在线学习满意度和在线学习效果两个维度对这一因变量进行考察。问卷采用李克特五点计分法进行测量，但实际分析中研究者将其转化为0-100的分值(见表一)。

本研究的自变量依次为技术平台与环境、学习者、讲授者、课程内容设计、社会性交互等五个因素。技术平台与环境因素包括：网络速度的流畅度、平台运行的稳定度、画面音频的清晰度、作业提交的顺畅度、工具使用的便捷度。学习者因素包括:疫情期间是否受过培训、有无在线学习经历、线上教学平台掌握熟练程度、在线学习参与度、自主学习、良好的学习习惯。讲授者因素包括：教师对教学平台的熟练度、教师的教学空间与支持、教学态度和精力投入、教学策略及讲授(演示)方法、适当的评价方式方法、掌控和维持课堂秩序。课程内容设计因素包括：选择适合线上教学的课程内容、提供课程配套电子教学资源、配备一定数量的助教。社会性交互因素包括：师生互动的及时性、线上互动讨论、课堂提问、课后答疑辅导、课内外交流、同学间的讨论。上述五个因素的题项均采用李克特五点计分法(仅学习者因素中“是否受过培训”和“在线学习经历”是0-1取值)。运用克伦巴赫(Cronbach’s alpha)信度系数估计问卷的内部一致性，本研究发现五个因素的的信度系数均在0.71-0.94之间，说明问卷信度良好。自变量也采用主成分因子方法分别提取公共因子，采用0-1标准化后再转化为0-100的分值。

在控制变量的选择上，本研究不仅纳入了性别、年级、年龄等变量，还关注学校层次、学校性质、学科等,将区域变量作为分组回归维度进行研究分析(见表一)。

(三)研究方法

表一 变量基本情况

本研究通过F检验比较不同区域学生的在线学习体验，以及影响学习体验各因素的差异;采用多元线性OLS回归方法，探索不同区域在线学习体验的影响因素;在回归分析基础上采用夏普利值分解(Shapley Value Decomposition)技术，分解不同区域影响学生在线学习体验各因素的重要程度。其中，OLS回归模型方程设定如下：

Onlineexperience=α0+β0technology+β1learner+β2instructor+β3course+β4social+β5CV+ε

在上述方程中，Onlineexperience代表在线学习体验，分别以满意度与学习效果衡量。α0为截距项，technology为技术平台与环境，learner代表学习者，instructor代表讲授者，course代表课程内容与设计，social代表社会性交互，CV代表系列控制变量，ε为随机误差项。β0-β5代表各因素的回归系数。

四、研究发现

(一)不同区域学生在线学习体验差异

在线学习满意度和学习效果均呈现东部、中部、西部递减趋势。方差分析结果也证实，区域间的差距在统计学意义上是显著的(p<0.01)。结合表一的在线学习满意度和学习效果总得分，本研究发现学生在线学习体验呈现东部最好、中部次之、西部最低的特点(见图一)。这一发现与我国东、中、西部高校教育质量和资源存在差距的传统认知一致。

值得重视的是，与在线学习满意度相比，学生在线学习效果的得分明显较低。从区域看，学习满意度得分高于学习效果的特点在东、中、西部均成立。这与学界对学生学习满意度与学习效果之间关系的质疑保持一致(黄天慧等，2017)，也部分说明有些在线学习体验调查发现学生学习满意度较高，似乎掩盖了学生学习效果欠佳的事实。这种落差也提醒研究者对在线学习体验的实证检验，不仅需要分析在线学习满意度，也需要考察实际的学习效果。

图一 不同区域学生在线学习体验的差异

(二)影响在线学习体验因素的区域差异

图二 影响在线学习体验的五大因素在东中西部的差异

在对学习体验进行区域比较的基础上，本研究进一步对学生在线学习体验的影响因素进行区域比较(见图二)。可以看出，技术平台与环境因素也呈现东部最好、中部次之、西部最低的特点。学习者、讲授者、课程内容、社会性互动等因素，虽然也呈现东部强西部弱的趋势，但与技术平台与环境的区域差异比较，其他因素的区域差异相对较小。因此，近几年来国家加大了对中西部地区高校基础设施建设的投入，但不同区域高校的技术平台与环境的差距依然比较明显。

最后，综合比较影响因素的区域表现以及结合表一各因素的总得分，五大因素得分从高到低依次为：讲授者、课程内容与设计、社会性交互、技术平台与环境、学习者。

(三)不同区域学生在线学习体验的影响因素

为了解不同区域学生在线学习体验的影响因素，本研究分别以在线学习效果和在线学习满意度为因变量，对东、中、西部学生进行多元线性回归分析(见表二)。以在线学习效果为因变量的模型中，研究发现技术平台与环境、学习者、课程内容与设计、社会性交互因素对所有地区学生在线学体验的影响是一致的，对在线学习效果均有显著的正向影响。然而，讲授者因素得分越高，学生的学习效果却越差，具体表现为讲授者的表现每提高一分，学生的学习效果下降0.15到0.2分。这一结果在东、中、西部都存在统计意义上的显著性(p<0.01)。就控制变量看，所有区域男生的在线学习效果都好于女生。年龄越小的学生学习效果越差，年级越大的学生学习效果越好，高职专科的学生学习效果最好，公办高校的学生学习效果不如民办高校。在东部地区，人文学科的学生学习效果最好，医学学生学习效果最差；在中部地区，自然科学的学生学习效果最好，医学学生学习效果最差；在西部地区，人文学科学生学习效果最好，工科学生的学习效果最差。

在以学习满意度为因变量的模型中，研究发现五大因素对东、中、西部学生满意度都存在显著正向影响。对西部高校学生而言，讲授者的表现对满意度不存在显著影响；在东部和中部高校，讲授者的表现每提高1分，学生满意度提高0.04-0.08分(p<0.01)。在控制变量上，西部高校男生的满意度显著高于女生，东部和中部高校学生的在线学习满意度没有显著的性别差异。从年龄看，各区域间均不存在显著差异(因为样本量足够大，尽管p<0.1，也并不能推定存在显著性)。从年级看，东、中、西高校学生的年级与满意度之间呈现“U”型，即大学二三年级学生的在线学习满意度最低，大四学生满意度最高。从学校层次看，在东部和西部地区，学校层次越好，学生满意度越高。而在中部地区，学校层次之间没有显著差异。从学校性质看，东部地区公办高校的学生满意度显著高于民办高校，在其他地区学校之间无显著差异。从学科看，东、中、西部地区的高校均表现为自然科学的学生满意度最高，人文学科的学生满意度最低。

表二 不同区域学生在线学习体验影响因素的回归分析结果

表三 不同区域学生在线学习体验的夏普利值分解结果

结合满意度与学习效果看，讲授者因素与学习满意度之间呈正向关系(东部和中部)，而与学习效果之间呈负向关系(所有区域)。换句话说，这可能预示着在保持其他变量一致的情况下，讲授者优异的表现，带来的却是学生较高的满意度评价和较低的学习效果。因此，本研究推测，当前高校教师的在线教学策略或方式很可能是一种“学生消费者至上主义”，或是为了迎合学生感官上愉悦的授课方式。这种做法会导致类似于“分数线膨胀效应”，并掩盖学生的实际学习效果。此外，在学科维度上，人文学科学生的满意度最低，学习效果却最好。这与已有文献批评人文学科学生在线学习满意度低的结论一致。需要注意的是，在线学习却使人文学科的学生学习效果高于其他学科。因此，这也提醒研究者对人文学科的批判似乎应将满意度与效果结合起来，单一地批判人文学科满意度会忽视学科特殊性，容易陷入用理工科思维审视人文学科学生学习体验的泥沼。最后，公办高校学生学习效果比民办学校差，这可能与民办高校的办学和教学组织更贴合学生实际需求有关，面对疫情他们更能动员各种资源和力量为学生提供更高质量的学习平台和条件。

在回归分析基础上，为进一步了解不同区域影响学生在线学习的关键因素，研究者引入了夏普利值分解技术。该方法是传统回归方程分解与夏普利值法的结合，可把结果变量差异分解为决定因素的贡献，并量化分为回归变量对因变量差异的贡献。其核心思想是基于R2的变化程度判断各变量的相对重要性。表三报告的是不同地区学生学习体验的分解结果。研究发现，就学习效果和学习满意度而言，最重要的影响因素依次是社会性交互、技术平台与环境。但是，相比较而言，社会性交互在学习满意度中的重要性更大。这一结论与当前相关研究的结论不一致。埃萨瓦维等人(Alsabawy etal.，2016)对澳大利亚某大学在线课程的调查发现，影响在线学习最重要的因素是技术服务。孙等人(Sun etal.，2008)对中国台湾地区的调查发现，影响在线学习体验的关键因素涵盖学习者计算机焦虑、教师对电子学习的态度、电子学习课程的灵活性、电子学习课程的质量、感知有用性、感知易用性和评估多样性等因素。笔者认为本次调查中社会性交互重要性突出的原因在于，中国大学生在线学习是一种严格的教学组织形式，它是以高校制度性动员为基础的集体式远程学习，一定程度上保障了技术平台以及师生态度上的一致性。

再者，剔除上述两个重要因素后，对在线学习效果而言，相对重要的影响因素依次为学习者、课程内容与设计、讲授者。而在学习满意度中，剔除上述两个重要因素后，相对重要的影响因素依次为课程内容与设计、讲授者、学习者。结合在线学习效果和满意度看，除了互动与技术平台外，学习者的个人特征及在线学习和培训经历对学习效果的影响也较明显。而对满意度而言，课程内容和设计的重要性比较明显。这似乎也在提醒我们，对于学生学习体验的改进，教育行政部门的主要工作，不仅要重视参与者的社会性交互、技术平台的改进与完善，还要加强课程内容设计的质量和对学生在线学习的培训，关注学生的主动参与和良好的学习习惯。

最后，从区域角度看，中西部高校的技术平台环境与东部高校存在显著差距，而东、中、西部高校技术平台与环境也是最重要的因素，因此这也可以说明，国内东、中、西部高校学生在线学习体验的区域差异，主要是区域之间在社会性交互、技术平台与环境上的差距导致的。在未呈现结果的分析环节中，研究者通过对全样本的嵌套回归也证实了这一点。本研究在逐步加入社会性交互、技术平台与环境后发现，不同区域高校学生的学习体验差距下降，系数也变得不显著。这一结果可以启示决策层加大对中西部高校技术与平台环境的投入，也许会逐渐弥合区域之间在线学习体验的差距，但本文作者对该观点持怀疑态度，因为技术平台与环境的持续投入带来的效果可能存在边际效益递减效应。结合相关的在线学习理论和研究结果，本文认为注重技术平台环境与社会性交互的融合才是关键。

五、结论与讨论

突如其来的疫情使高等教育在线学习得到前所未有的关注和重视，在线学习的拥趸者们相信在线学习是高等教育的未来。但我们认为，最重要的是在满怀信心迎接高等教育未来的同时，要审视大规模在线学习经历给学生到底带来了何种体验。尽管利用大数据、人工智能技术进行“学习分析”的理念已经引起学者们的关注，但遗憾的是，上述理念在此次疫情中依然缺位。本研究利用疫情带来的自然实验机会，通过对全国334所高校学生的大范围问卷调查，揭开了中国大学生在线学习体验的基本面貌。

(一)研究结论

1.在线学习体验呈现东部最高、中部次之、西部最差的特点，学生在线学习的效果不佳但满意度较高的现象在东、中、西部高校均存在。

这一现象与人们所认知的东、中、西部高等教育质量和水平的差异相吻合。方差分析结果也显示，在线学习满意度(p<0.01)和学习效果(p<0.01)也都存在东部最高、中部次之、西部最差的特点。受已有研究考察满意度与学习效果关系(黄天慧等，2017)的启发，本研究发现满意度与学习效果之间的不匹配具有区域普遍性，即学生在线学习满意度高但学习效果较差的现象在三大地区都存在(p值均小于0.01)。另外，虽然影响在线学习体验的五大因素从东部往西部呈现逐渐递减的趋势，但相对而言，三大区域之间技术环境与平台的差距是最明显的。

2.在线学习体验的人群和院校差异在不同区域呈现不同特点

与已有研究(Ozlem，2014；Yukselturk，2009；Sanders et al.，2001)对在线学习学生人口特征的研究结果不同，本研究通过多元线性回归技术证实，男生的学习体验高于女生，低年级学生的学习体验远低于高年级，年龄越小的学生在线学习体验越差。年级与学习效果呈现“年级越高效果越好的特点”，而与学习满意度呈“U型”关系。需注意的是，性别、学校层次、学科、学校性质等维度的学习体验差异也存在区域异质性。例如，就性别对在学习满意度的影响而言，只有西部地区男生的满意度高于女生(p<0.001)，东部和中部地区不存在性别差异。就学校层次对学习效果的影响而言，只有东部高校才表现出学校层次越高学生在线学习效果越好的趋势，中部和西部高校没有这一特点。就学校性质而言，公办高校学生的学习满意度显著高于民办学校学生的特点只在东部高校出现。就学科而言，东部和中部高校均呈现人文学科学生满意度最高，医学学生满意度最低，西部高校则表现为人文学科学生满意度最高，工科学生满意度最低；在学习效果维度上，东、中、西部高校均呈现出人文学科学生满意度最低，工科学生满意度最高的特点。

3.社会性交互、技术平台与环境是影响在线学习体验最重要的因素，也是解释区域差异的重要维度

基于夏普利值分解技术，本研究发现技术平台与环境因素对东、中、西部高校学生在线学习体验的解释力为34%-39%，而社会性交互维度的解释力为42%-51%。以上结果清晰地证实社会性交互、技术平台与环境是影响在线学习体验最重要的因素。相较于技术平台，社会性交互的重要性更大。社会性交互和技术平台与环境两个维度也是解释学习体验区域差异的最重要因素。剔除上述两个因素后，影响在线学习效果相对重要的因素依次为学习者本身、课程内容与设计、讲授者。在学习满意度中，剔除上述两个因素后，相对重要的影响因素依次为：课程内容与设计、讲授者、学习者本身。该结论在东、中、西部高校均成立。虽然已有文献大致建构了影响在线学习体验的五大因素，但本研究是在中国情境下首次探索和验证相关因素理论的正确性，完善了在线学习体验影响因素理论框架。

(二)讨论

1.学生在线学习满意度与学习效果不匹配，在于在线教学评价“顾客满意度”式的追求

相对于传统面对面、固定的以教室为载体的线下教学模式，在线学习平台对学生而言更具有新鲜感和技术感，再加上学生评教与教师评分的客观现实，可能导致学生在一定程度上夸大在线学习满意度。而这与 “分数线膨胀效应”(哈巍等，2019)中，“学生学业成就没有实际增长但绩点偏高”现象类似，即学生的实际学习效果并不佳。不同的是，本研究发现学生在线学习效果不佳，但满意度偏高。笔者认为学生是否学到真正的知识和技能，还是仅仅对技术比较满意，需要研究者和教学亲临者运用“学习分析”的思维，通过对学生学习数据的收集和分析，了解学生的学习体验，以便为学生提供个性化学习，强化学生在线深度学习体验(吴亚婕，2017)。与之类似，讲授者过于迎合学生“满意与乐趣”的在线教学风格和策略可能会影响学生学习效果。该做法虽然能提高学生的满意度，但师生在这种共谋与双赢的状态下丧失了对学习最本质的追寻。从这一角度看，在线学习技术可能使学习成为一种“娱乐至死”和“教师成为网红主播”的近似状态。在技术乌托邦主义者粉饰在线学习技术的先进性的同时，教育研究者应该对此有清醒的认识。至少，从本研究的发现看，部分高等教育研究者期盼的“在线学习的未来”还言之过早。

2.关注不同在线学习者群体的学习体验，弥合不同背景学生在线学习体验的鸿沟

在线学习对学习实际效果的影响会因学习者的背景特征而异，技术上的新鲜感和科技感会进一步掩盖弱势群体或不同背景学生学习收获的差距。针对该现象，利益相关者应该致力于弥合不同群体的体验落差。虽然本研究并未涉及家庭经济社会背景变量，但对中西部高校的考察能发现不同群体学生差距明显的部分细节，因此对弱势群体和不同学科学生的在线学习进行政策干预异常重要。

3.整合社会性交互、技术平台环境，助力学生在线学习体验的提升

本研究发现，社会性交互、技术平台环境两个维度不仅是影响在线学习体验最重要的影响因素，也是解释区域差异的重要因素。尽管中西部高校的技术平台与环境与东部高校差距明显，但技术平台与环境的更新与完善存在边际效益递减现象。换言之，如果学校单方面加大对在线学习技术与平台的投入，带来的学生学习体验收益并不完全与投入成正比。而基于不断完善的技术平台与环境进行在线学习社会性交互的改革却能激发学生的在线学习体验(陈涛等，2020)。因此，推动社会性交互与技术平台的融合对弥合学生在线学习体验的区域差异尤为重要。对中西部高校而言，关键任务是既要推动技术平台更新升级，同时也要关注社会性交互(师生互动、生生互动、教学主体与技术平台的互动)的效应。对东部高校而言，决策部门提升学生满意度和学习体验的重心可放在社会性交互上。