疫情期间本科生规模化在线学习的支持度分析

巩倩 包娜萍 仲卓帆 蔡佳蕙

摘要：本文研究了杭州市本科生对规模化在线学习的支持度。利用问卷调查获得的数据，结合多元逻辑回归模型建立本科生对规模化在线学习的支持度量化评价体系，最后对模型进行实际应用并分析。

关键词：描述性分析;列联表分析;多元逻辑回归

1.引言

2020新冠疫情来势汹汹，为阻断疫情向校园蔓延，教育部号召全国各类学校利用网络平台“停课不停学”，要求各级各类学校做好春季学期延期开学等相关工作。结合我国教育部颁发的《教育信息化2.0行动计划》提出积极推进“互联网+教育”的发展，规模化在线学习成为疫情期间学生学习的主要方式。因此，我们决定对杭州市疫情期间本科生规模化在线学习的支持度进行调研。

2.样本容量的确定

本文设置置信度为95%，最大允许绝对误差为，对初始样本量进行计算[1]：

通过初始计算、调整，并考虑调研时的回答率，初步得到。为进一步保证估计精度和实际操作方便，我们确定最后的样本容量为950。

3.对疫情期间规模化在线学习支持度的描述性分析——授課方式选择为例

由数据可知，近半的调查对象选择了线上线下结合的授课方式，这表明高校大学生还是喜欢线上线下结合授课，能有效吸收两种方式的优点;其次，线下的比重明显大于线上，这也说明高校大学生还是习惯线下学习，完全以线上学习的授课方式并不能被高校大学生所接受。总体而言，我们目前更需要宣传线上线下结合的授课方式，更有利于高校大学生的学习。

4.多因素影响下疫情期间规模化在线学习支持度的列联表分析——居住所在地为例

在本次调研中，我们选取了3类地点，分别是浙江省杭州市、浙江省非杭州市以及省外。不同居住所在地的本科生对规模化在线学习会有不同的看法，会影响其支持度，从而造成差异性。具体分析如下：

卡方检验的p值均小于0.05，得出结论，不同居住所在地对规模化在线学习支持度有影响。首先我们可以比较浙江省杭州市和非杭州市的部分，可以发现整体上两者都支持线上线下结合的方式，但又有区别，浙江省非杭州市更倾向于线上线下结合的方式，因为居住地较远，这部分高校大学生希望线上线下结合更有利于他们的学习。其次，我们可以发现省外在线上线下结合的比重远超于其他两类居住地，可能因为一方面由于路途遥远的问题，他们希望线上，另一方面，他们无法完全适应线上的授课模式，所以整体上倾向于线上线下结合。

5.多元Logistic下疫情期间规模化在线学习的支持度分析

5.1构建模型

我们将疫情结束后授课方式选择定义为因变量，其中y=1代表更喜欢线上学习;y=2代表更喜欢线下学习;y=3代表更喜欢线上线下结合学习。

接着我们选取问卷中的A1-A5，B6，B8，C2-C4，C6这11道题目作为初始自变量，选取C7作为因变量。由于回归模型自变量较多，我们先将各个自变量与因变量之间进行列联表和相关性分析，挑选出与因变量显著的因子作为本次回归模型的自变量，运行结果如下：

由上述卡方检验结果可得，A5与C7之间的关联度显著。运用同样的方法，可以得到各自变量与因变量之间的关联度如下表：

由此，我们可以得到，对因变量有显著性影响的一些因素。为进一步分析和预测我们对显著的变量建立多元Logistic回归模型。

5.2结果与分析

借助SPSS，经过多次迭代，依据AIC准则，我们剔除了B6，B8，C3，C4，其余变量（A5，C2，C6）均具有统计学意义，参数估计表如下：

6.多元Logistic回归方程的应用

基于上述模型，我们可以具体分析杭州本科生对规模化在线学习支持度的看法。我们将模拟对象的参数设置为预期目的完成很好、支持教师当前授课方式的高校大学生，仅改变居住所在地，再利用该回归模型分别计算出模型对象的相应参数下的规模化在线学习支持度，进行对比分析得出相应结论。模拟过程以及结构如下：

（1）设定模拟对象居住所在地为浙江省杭州市，代入求解得到：

（2）设定模拟对象居住所在地为浙江省非杭州市，代入求解得到：

（3）设定模拟对象居住所在地为省外，代入求解得到：

对比分析以上三个结果，我们发现随着居住所在地不断远离杭州，规模化在线学习不断倾向于线上线下结合。这可能原因是居住地不在杭州的大学生，希望线上学习，但又不能完全适应线上学习，就选择线上线下结合的授课方式，随着居住地不断远离杭州，高校大学生更倾向于线上线下结合的模式。因此，居住所在地能较大程度影响规模化在线学习支持度。

参考文献：

[1]王荣.如何确定样本量[J].北京统计，2002（07）.6-9.;

[2]徐静远.抽样调查中样本量的确定[J].统计与咨询，2009（4）：45.;

（杭州师范大学 310000）