应用解释结构模型的混合式学习绩效影响因素分析

贾 楠，戴心来，张玉辛

（辽宁师范大学计算机与信息技术学院，辽宁大连 116081）

0 引言

21 世纪以来，混合式学习在高等教育领域的发展备受关注，2012-2017 年混合式学习连续6 年被新媒体联盟《地平线报告（高等教育版）》（以下简称报告）列为促进高等教育领域技术运用的关键趋势之一［1］，并在2019 年度报告中被视为高等教育领域的一个重要组成部分。研究表明，相对于完全在线学习与传统课堂学习，混合式学习是最有效的学习方式之一，被视为推动教育变革的新生力量［2］。国务院发布的《国家教育事业发展“十三五”规划》指出，要鼓励教师运用翻转课堂、混合式教学等多种方式，合理利用优质数字资源，形成线上线下有机结合的泛在学习模式［3］。

目前混合式学习的实践探究已在我国全面展开，其关注点也从混合式学习的理念、模式等逐步转向设计、评价、效果等方面，特别是学习效果日益受到教育工作者的重视。学习绩效是评估混合式学习成效的核心要素，也是衡量学习效果的一个重要指标。学习者的学习绩效受多方面因素影响，厘清相关影响因素并找到其之间的结构关系对于混合式学习课程建设及改善学习效果具有重要意义。本文从系统论的角度出发，以高校大学生为研究对象，在文献梳理和内容分析的基础上，确定影响学习者学习绩效的因素，并利用ISM 解释结构模型对影响因素进行分析，构建混合式学习绩效影响因素模型，据此提出改进大学生学习绩效的建议，以期为我国混合式学习课程建设提供参考借鉴。

1 研究设计

1.1 研究方法

解释结构模型法（Interpretative Structural Modeling Method，简称ISM 方法）是现代系统工程中被广泛应用的一种分析方法，也是教育技术学中的研究方法之一，可用来分析教育系统中复杂因素之间的关系。其特点是把复杂的系统分解为若干子系统，根据人们的实践经验，经过一系列语句转换和矩阵运算，最终得到一个具有层次结构的解释型模型［4］。

1.2 研究过程

本文采用ISM 方法分析混合式学习绩效影响因素之间的复杂关系。首先需要提取出主要影响因素，创建系统要素关系图；然后根据系统要素关系表作出相应的有向图，建立邻接矩阵；之后利用矩阵运算求出可达矩阵，对矩阵进行层级分解；最后建立系统结构模型并分析其内涵，以提出合理建议改善学生的混合式学习效果。

2 混合式学习绩效ISM 模型构建

2.1 混合式学习绩效影响因素文献分析

绩效一词表示“行为的效益”，将学习与绩效结合起来可用于检验教育教学的质量和成效［5］。美国AECT 协会将学习绩效定义为学习者运用新知识与技能的能力，不仅指习得的基本知识与技能，还包括灵活运用它们的能力。将绩效概念引入混合式学习研究领域，利用绩效评价的优势对混合式学习进行评价，有助于提高混合式学习效率，优化教学效果。现有研究多考虑数据收集的便捷性，往往以学习满意度和学习成绩作为衡量学习绩效的指标，如赵国栋等［6］总结北京大学实施混合式学习的经验，从学生、教师、课程、系统功能4 个维度研究学生对混合式学习的满意度及其影响因素；李宝等［7］通过文献分析和访谈法确定了混合式学习环境下影响学习者满意度的十八个因素，通过解释结构模型法构建层级模型，研究表明学习动机、学习氛围、交互行为是影响学习满意度最直接的因素；刘威童等［8］基于学习者视角，构建了包含个体特征、学习环境、交互程度、学习成就、满意度共5 个因素的混合式教学满意度影响因素模型。

目前也有研究者针对混合式学习绩效的影响因素进行探索，如冯晓英等［9］指出混合式学习效果在很大程度上取决于教师的态度和能力，并引用King 等所构建的混合式教师能力框架加以阐释，包括课程准备、课程设计、交流讨论、动机激发4 个方面。在混合式学习环境下，牟智佳等［10］深度剖析了教师教学投入的内涵及其构成要素，并运用层次分析法建立测量模型，从而帮助教师优化教学，改善学生的学习成效和课堂教学质量；刘艳等［11］利用层级分析的方式构建一种混合式学习绩效评价框架，适用于面对面学习在混合式学习中占比较大的情况，为评价混合式学习绩效提供了一套科学可行的方案；Small 等［12］认为影响混合式教学实施效果的因素来源于学习动机、同伴交互、课程结构、教师反馈等。对混合式学习绩效因素的分析也离不开学习环境这个背景因素，包括政策环境、学校环境、网络环境、资源环境等，以确保混合式学习的顺利进行［13-15］。

2.2 混合式学习绩效影响因素确定

通过上述文献可以看出，研究者从不同角度探讨了混合式学习绩效影响因素，经过进一步分析与整理可知，影响学习绩效的主要因素可归纳为学习者本身、教师引导及学习环境3 个方面，在研究方法上主要采用质性或实证形式，而缺少对混合式学习影响因素的结构化研究。笔者从学习者、教育者、学习环境3 个维度分析学习绩效影响因素，再结合国内外相关文献提炼出3 个维度的关键影响因素，编制了由3 个维度、12 个因素构成的量表，如表1 所示，以期形成符合我国国情的混合式学习绩效影响因素模型。

Table 1 Analysis on the influencing factors of blended learning performance表1 混合式学习绩效影响因素分析

2.3 逻辑关系确立

将表1 中的12 种因素根据序号大小按行与列进行排序，并以数字0 和1 表示纵向因素对横向因素的作用关系。0 表示没有直接关系，1 表示有直接关系，得到的逻辑关系如图1 所示。

Fig.1 The logical relationship of the influencing factors of blended learning performance图1 混合式学习绩效影响因素逻辑关系

2.4 邻接矩阵与可达矩阵构建

根据图1 在MATLAB 软件中建立相应的邻接矩阵A。由于所建立的邻接矩阵只能表示逻辑关系，因此需要利用布尔矩阵算法求出可达矩阵R。本文将邻接矩阵转置成可达矩阵采用的计算公式为：（A+I）K-1≠（A+I）K+1=（A+I）K=R。其中，A 为原始邻接矩阵，I 为单位矩阵，R 为可达矩阵。

2.5 影响因素层级分解

为使各要素之间复杂的关系更加明确，需要对各要素进行层级分析。本研究采取的分解公式为：R（Fn）=R（Fn）∩Q（Fn），其中n 为整数，R（Fn）表示可达矩阵Fn 可到达的集合，由Fn 中每行为1 的元素组成；Q（Fn）表示可到达Fn 的前因集，由Fn 中每列为1 的元素组成。利用集合算法逐层进行分析，得到层级1 后剔除所分析出的因素，再通过相同方式从余下的可达矩阵中找到各层要素集。以此类推，直到分解到顶层（除本身外，其它要素不能到达的集合层）。最底层的要素表示初级目标，顶层表示所要实现的最终目标，分解后的关系分析如表2 所示。

Table 2 Relationship analysis table表2 关系分析表

2.6 ISM 模型绘制

经过层级分解后，绘制出如图2 所示的三层级可视化关系结构图。其中，Li 表示层级数，Fn 表示绩效影响因素变量，n、i 都为整数。

在图2 的初始模型中，教育者、学习者和学习环境部分各要素联系紧密，但结构关系并不明显，需要嵌套运用解释结构模型法对学习者、教育者和环境3 部分分别进行分析。将邻接矩阵A 中各层部分的矩阵按照相同方法在MATLAB 上进行矩阵运算，求出可达矩阵，再通过影响因素层级分解得到四层级的学习者解释结构模型、二层级的教育者解释结构模型、三层级的环境解释结构模型，最终得出大学生混合式学习绩效影响因素分解模型如图3 所示。

Fig.2 Performance impact initial model图2 绩效影响初始模型

Fig.3 Decomposition model of influencing factors of college students'blended learning achievements图3 大学生混合式学习绩效影响因素分解模型

2.7 模型分析

该模型以学习者为主体、教师为主导、环境为辅的维度进行区分，各箭头指向表示所连接的始端因素对末端因素有直接作用。由图3 可以看出，环境维度中的政策环境因素位于模型最外层，通过网络环境与学校环境对教育者和学习者产生间接影响，因此在整个教育教学过程中起统筹引领的作用。网络环境与学校环境位于中间层，为混合式学习的开展提供了强有力的保障。值得注意的是，在分解模型中资源环境位于第一层，直接作用于教育者，因此具有重要地位。

从教育者角度来看，“教学投入”、“教学活动设计”和“师生互动”形成一个教学环。教学活动设计的合理性会影响课堂师生互动效果，师生互动效果则会影响教师投入程度，教师的教学投入与教育能力直接决定着教学活动设计水平，进而影响学习者的学习绩效。

从学习者角度来看，学生的个体特征、学习动机、信息素养、学习方式等因素之间相互作用，在此基础上分解出一个四级有向层级结构模型，层级越高表示影响因素越宏观，影响范围越大。一般来说，学习动机是学习者进行学习活动的主要原因，但在混合式学习这一新型教学模式下，学习者的个体特征是影响其学习绩效的关键要素，个体特征决定了学习者在混合式学习中的起点与认知水平，贯穿整个混合式学习过程，造成的影响也最大。

3 研究结论与建议

本文通过对混合式学习绩效影响因素的分析，构造了解释结构模型以探讨各因素之间的相互作用，主要得出以下结论：①大学生混合式学习影响因素可归因于学习者、教育者、学习环境3 个方面，其中教师的教学能力、教学投入、教学活动设计、师生互动和学习者中的个体特征、学习动机、信息素养、学习方式以及资源环境是影响混合式学习绩效的关键因素；②由最终得到的解释结构模型可知，学习者维度和教育者维度的影响因素集中在同一层，学生与教师之间存在明显的交互关系，也是最直接的影响因素，而学校环境、网络环境与政策环境则间接影响混合式学习绩效，说明我国混合式学习发展的动力来源于国家政策的支持。基于以上结论，本文提出如下3 点建议：

3.1 完善资源环境建设

在混合式学习环境下，资源环境对教师的教学能力和教学投入提出了更高要求，教师要提高运用与整合课程资源的能力，才能设计出符合学生需求的教学活动。同时，丰富的资源可以减少教师对资源收集整理的工作量，更有利于教师将精力集中于思考“如何教学”、“如何交互”等学生信息素养培养等重要问题上。高校应对硬件、软件和潜件三方面建设给予大力支持：在硬件建设方面，除多媒体教室、计算机教室、电子阅览室等基础设施外，还应注重校园网的全面覆盖以及网络的畅通性，以满足学生利用移动终端进行在线学习的需要；在软件建设方面，软件资源建设是核心，应加强网络学习平台建设，从而减少师生搜寻学习资源的时间，使教师备课以及学生自主学习更加方便、快捷；在潜件建设方面，需提高教师的信息素养，例如信息获取能力、资源整合能力等。此外，学校还应出台关于混合式学习的指导性文件，使教师的教学有据可依。

3.2 增强师生互动的有效性

混合式学习为师生打破了时间与空间限制，将线下与线上活动根据实际所需巧妙融合在一起，在这样的学习环境中，师生能够开展更加丰富的交流互动活动。但网络资源的丰富与便捷性对师生课堂互动也会产生一定冲击，当学习者遇到问题时，很容易对在线学习资源产生依赖，从而减少了与教师的现实互动。高校教师应充分利用在线工具的特性，及时解决学生在学习、生活中遇到的问题，促进师生之间的交流。在师生互动的活动中，教师要善于运用激励机制对学生作出积极而客观的评价，使学生在愉悦的学习过程中增强学习动机。最重要的是，虽然在混合式学习环境下师生通过网络进行互动更加便捷，但仍不能忽视传统面对面的互动方式，需要将两者结合起来，各取所长，通过多样化的互动方式逐渐提高师生互动的有效性。

3.3 注重个体特征的培养

高校学生的混合式学习经历不同，表现出的个体特征也有所差异，而个体特征可通过自我定位、自我效能以及元认知水平以间接的方式对学习绩效产生一定影响。学生自我定位越准确，自我效能感越强，其元认知水平越高，学习效果越好。加强对学生个体特征的培养，可从以下几方面入手：一是将个性特征培养渗透到教学目标设计中。教学目标既要注重知识的积累和能力的培养，又要注重学生的情感态度，以促进学生的全面发展；二是尊重个体差异，以人为本。充分尊重学生的个性化发展，使每个学生的个性、潜能都能在原有基础上得到最大程度的发挥；三是实现学生的个性化学习。在混合式学习环境下，利用学习分析技术实现在线学习的个性化评价与诊断，根据学习者的不同需求和学习方式为学习者推送个性化的学习资源。

4 结语

本文采用解释结构模型方法对混合式学习绩效影响因素进行了探索，后续研究将在此理论型解释结构模型基础上，采用相关性分析法构建数据型解释结构模型，从定性和定量两个层面对学习绩效影响因素进行更全面、透彻的分析，从而进一步提高大学生混合式学习绩效。