网络学习焦虑及其与在线学习行为关系研究——以“互联网+教育：理论与实践的对话IV”在线课程学习者为例

黄一橙 张鹏 王雯 陈芸杉 丁斯培 周均奕

（1.北京师范大学 教育技术学院，北京 100875；2.北京大学 教育学院，北京 100871）

一、问题提出

在新冠肺炎疫情的影响下，各大高校通过网络教学平台整合资源并在线授课，教与学方式等都发生较大变化，于是部分学生开始滋生潜在学习“焦虑”。焦虑水平的高低对学生产生的影响不同（焦广兰，2004），那么学生的学习焦虑程度如何？都在哪些方面焦虑？这些焦虑与哪些学习行为相关？又应从哪些方面帮助远程学习者缓解学习过程中的焦虑心态？这些都是值得进一步探讨的问题。

目前关于学习焦虑、在线学习行为的研究已成体系，而对于二者的关系，大部分研究都将学习焦虑看作学业情绪之一（Pekrun, Goetz, Titz, & Perry,2002），未对学习焦虑、学习行为进行细化研究。鉴于此，本研究采用问卷的形式调查学习者焦虑程度，对cMOOC课程“互联网+教育：理论与实践的对话IV”中学习者的行为数据进行学习行为分析，在此基础上进一步探究学习焦虑与在线学习行为的关系，进而为教学者的教学设计和活动组织提供依据与建议。

二、文献综述

（一）学习焦虑相关研究

学习焦虑是学生在学习过程中产生的最为普遍的消极情绪反映，它一方面反映了学校教育中的竞争压力及学生对遭遇挫折、失意的恐惧与担忧，也反映了学生对特定学习结果的情绪性预期。

国内外对于学习焦虑的研究，基本可分为学习焦虑的成因、测量以及特定学科领域或群体的学习焦虑研究三类。关于学习焦虑的成因，研究者认为主要包括外源性因素和内源性因素，其中外源性因素有学业考试、教师、家长等评价（乔建中，朱晓红，孙煜明，1997），内源性因素有自我能力知觉、个体特征等（廖民先，1994；乔建中 等，1997）。研究表明可以通过尿液后含糖量（Folin,Deni, & Smillie, 1914）、焦虑测试问卷（王征宇，迟玉芬，1984）等来测量学生的焦虑水平。对于特定学科领域或群体的学习焦虑研究，首先，因外语学习所产生的焦虑和学习困难程度一直被专家学者重点关注（陶继芬，贺照敏，2021），如郭燕与徐锦芬（2014）运用量表对非英语专业的大学生的听、说、读、写四项技能进行五个维度的焦虑调查，发现大部分学习者对于英语学习存在较大焦虑，但李成陈（2020）对情绪、智力以及英语成绩之间关系的探究发现，提高情绪控制能力相较于关注包括焦虑在内的情绪反应而言更加重要，可以通过干预改善学习者的情绪体验。其次对于特定群体的相关焦虑情绪研究也被广泛关注，如史耀疆、闵文斌、常芳与王欢（2016）主要关注了教育资源较为不均衡的农村，对处于该地区的初中生学习焦虑现状进行了调查，探究发现学习焦虑和其学业表现存在显著负相关关系，且其中性别和家长受教育程度也对学生焦虑程度有较大影响。

由上可见，学习焦虑是心理学和教育学学科研究的重要内容之一。许多学者对此问题进行了大量探讨，并取得了一定的成果。在本研究中，在认定学习焦虑是一种消极情绪的基础上，将学习者自身以及外界因素两方面都纳入考虑，以编制较为全面的学习焦虑水平调查问卷。

（二）在线学习行为相关研究

在线学习行为是指学习者在由现代信息技术所创设的、具有全新沟通机制与丰富资源的学习环境中，开展的远程自主学习行为，包括登录、点赞、观看视频等行为，是体现学习者学习特征的重要依据（彭文辉，杨宗凯，涂山青，李念，2007）。

目前对于在线学习行为的研究主要集中在在线学习行为的调查研究、特点研究以及模型构建三方面。第一类对在线学习行为的调查研究，该类研究多从浅层的表现入手，调查个体交流、学习习惯、学习策略、资源喜好等方面的基本信息，比如徐红彩（2005）的研究就属于此类。第二类对在线学习行为特点的研究普遍认为在线学习行为拥有自主性强、持续度低、交互性强、易被内容影响等特点。第三类构建在线学习行为分析模型，探讨学习行为框架的建立及应用。本文主要关注后者基于平台数据的相关学习行为研究，以李爽、王增贤、喻忱与宗阳（2016）等从行为投入角度出发的研究为例，其构建并验证了基于在线平台数据包括主动交互、平均参与度、绩效努力、学术挑战、自我监控五个维度的评价框架，发现与五个维度均相关的因子有作业投入（提交作业数、提交总次数、提交速度）以及发帖质量等。

由上可见，已有许多不同的角度对在线学习行为进行了研究。虽然在线环境中学习者的行为表现具有一定的不准确性和可欺骗性，但学习者的学习参与仍能通过其频度、广度和深度在一定程度上进行反映（穆肃，王孝金，2019）。本研究根据研究对象具体的特点参考在线学习行为框架进行选择，并进行数据模型的建立与分析。

（三）学习焦虑与在线学习行为的关系研究

在学习焦虑与在线学习行为的关系方面，目前关于学习焦虑影响在线学习行为关系的研究主要从直接影响和间接影响两方面来展开。

在直接影响方面，Pekrun等（2002）认为焦虑是一种学业情绪，并提出积极学业情绪能够促进积极学习行为，而消极情绪则相反。在间接影响方面，因素主要包括学业自我效能感，学习焦虑通过影响学业自我效能感在一定的时间内促进学习投入水平。已有研究表明大学生学业情绪通过影响学业自我效能感而影响学习投入——积极情绪能够促进学习投入，一定程度的焦虑等消极情绪能够激励学生的学习投入水平，但并不能持续影响学生的学习投入水平（林杰，刘衍玲，彭文波，2020）；在网络学习环境中，学业情绪也会通过影响在线效能感而影响在线学习投入，而在线学习效能感能够正向预测在线学习投入，其中在线学习投入包含在线学习行为（高洁，2016）。另外，研究表明可以通过外显的网络行为对心理层面焦虑程度进行预测（白朔天，郝碧波，李昂，聂栋，朱廷劭，2014），同时学生知觉到的教师教育行为也与其学习焦虑程度密切相关且有显著的预测作用（李燕芳，王莹，郑渝萍，董奇，2010；陈泽如，2016）。

由上可见，焦虑作为一种学业情绪能够对学习行为产生一定的正面或者负面的影响，但大部分研究都是将学习焦虑作为学业情绪之一进行研究，而未对学习焦虑与学习行为的关系进行细化研究。

三、研究设计

（一）概念界定

1. 网络学习焦虑

本研究参考对于学习焦虑研究（杨雪红，2014；李兴保，张婷婷，刘敏，2016）以及其他文献研究结果，定义网络学习焦虑为学习者自身学习方式、导学者、学习伙伴、学习平台与内容资源四种与学习有关的因素所引起的焦虑情绪，泛指学习者在学习过程中产生的最为普遍的消极情绪反应。

2. 在线学习行为

本研究认为在线学习行为包括学习者的一系列学习操作，如发文、讨论、点赞等。本研究根据李爽等（2016）提出的在线学习投入行为分析框架以及张思、刘清堂、雷诗捷与王亚如（2017）对网络学习空间中学习者学习投入的研究，结合具体的平台数据，提出具体可行的在线学习行为分析框架。本研究将在线学习行为划分为参与、交互、专注、规律四大维度，具体衡量指标如表1所示。

表1 在线学习行为分析框架

（二）研究问题

在已有研究的基础上，本研究将结合学习者的学习行为分析与问卷调查结果，探究学习者的学习焦虑水平现状，分析不同焦虑水平学习者的具体行为表现差异，并对于学习焦虑与在线学习行为的关系进一步探究。具体的研究问题如下：

①学习者的网络学习焦虑水平现状如何？

②不同焦虑水平学习者的具体行为表现有哪些差异？

③在线学习行为能否预测学习者的网络学习焦虑水平？

（三）研究对象及数据来源

以北京师范大学牵头举办的cMOOC课程“互联网+教育：理论与实践的对话IV”为数据主要来源，考虑到学生应具备相同学习背景和学习目标的要求，本研究以参与该纯线上课程的33名北京师范大学教育技术专业2017级本科生为对象，收集其学习焦虑水平问卷数据及其在课程期间（2020年3月23日至2020年4月26日）的网络学习行为数据。其中网络学习行为数据包含33名学习者的数据以及课程组织者的相关数据，如发文、评论文章、参与话题讨论等。

关于样本数量问题，资料显示成振波、柯善军与秦燕（2019）、Arai（2004）、朱潇娴（2020）等研究者在探究在线学习行为与学习焦虑等问题时均采用了较小的样本数量。虽然研究样本量均较小，但都有所发现且被承认，故可认为纵然本研究的数据量较小，但在一定程度上仍可以被接受。

（四）研究方法

1. 问卷调查法

问卷调查法是通过制定详细周密的问卷，要求被调查者据此进行回答以收集资料的方法。本研究共获得30份有效的学习焦虑水平调查问卷数据。

本研究参考已有研究问卷，结合cMOOC平台的课程组织形式、课程资源、学习要素交互等因素，设计了适用于本研究的学习焦虑调查问卷。杨雪红（2015）编制的《网络远程教育学习者的学习焦虑调查问卷》包括四个维度：面授课焦虑、考试焦虑、作业和社会实践焦虑、学习方式焦虑；李兴保等（2016）将虚拟学习社区中学习焦虑的影响因素划分为学习者、教师、交互和平台四类。

故本研究问卷由基本信息、网络学习焦虑调查两部分组成。其中基本信息部分涉及调查对象的姓名、ID、性别以及每周在平台（限于本研究调查课程）进行学习交流的时间。网络学习焦虑调查部分则采取李克特五点量表的形式，围绕学习方式、导学者、学习伙伴以及学习平台与内容资源四个维度加上2个态度倾向选择共提出25个问题，其中反向计分题为6道，正向计分题为16道，不计入量表分数的态度调查为2道，测谎题1道。为了减少其他因素的影响，本研究在所调研课程主题学习的最后一天发放问卷，对目标学生的网络学习焦虑水平进行集中数据收集。

2. 多元回归分析法

以网络学习焦虑的四个维度（“学习方式”“导学者”“学习伙伴”“学习平台与内容资源”）和总学习焦虑程度分别为因变量，在线学习行为四个维度（“参与”“专注”“规律”“交互”）的子维度分别为自变量，建立数学模型，然后通过逐步回归对变量进行确认和剔除，确定变量相互关系。

（五）研究过程

1. 数据清洗与筛选

对于焦虑水平调查问卷数据，以作答时间100秒以上及测谎题答题正确情况为筛选标准，剔除无效问卷数据3份，保留在线学习行为数据中有效问卷数据对应的30名目标学生以及导学者的所有相关数据。

2. 数据处理与编码

对于在线学习行为数据，在数据质量满足要求之后，对收集到的数据按照在线学习行为的参与、专注、规律、交互四个维度以及这四个维度的子维度（见表1）进行编码、合并，并对处理后的样本按照四个对应维度进行统计分析，对不同在线学习行为进行量化与表达，以便进一步分析。

3. 数据标准化

本研究在进行具体数据分析前，为了让各维度不同性质和单位的数据分布范围接近，对在线学习行为的原始数据进行了离差标准化（min-max标准化）和五级制划分（按照数据分布划分成五个等级分别赋值为1、2、3、4、5）处理，让各指标值处于同一数量级别上，以进行综合数据分析。

四、研究结果

（一）网络学习焦虑水平分析

在30份有效问卷的调查对象中，男性6位，女性24位。其中在cMOOC平台上每周学习时长在2至5小时之间的为18位，人数最多。进一步对问卷数据的信效度进行分析，学习者焦虑程度的问卷Alpha信度系数在0.8～0.9之间，量表信度可以接受；KMO系数大于0.6，表明问卷数据可进行因子分析；Bartlett检验结果p值小于0.05，认为该次问卷有效。

对学习者的基本态度进行分析，可以发现在学习方式倾向性方面，整体调查对象平均得分为3.18，从中可以发现学习者在学习方式方面没有明显的倾向性；导学者行为方面，整体调查对象平均得分为3.7，表示导学者行为对学习者有一定影响。

本研究发现学习者的网络学习焦虑水平现状四个维度均值皆分布在3分左右（总5分），说明学习者在各个方面的网络学习焦虑水平处于中等，且调查对象在各个方面的焦虑水平差异均较小。通过问卷结果，可以发现学习方式和学习同伴最容易给学习者带来网络学习焦虑，学习者表示学习方式方面的“无法完成任务”和“总担心任务无法完成”是最大困扰问题（均分分别为3.36和3.58），他们认为对此类状况自己有较大的担忧，但不同学生在这两个问题上的差异较大（方差分别为1.27和1.10），而在学习同伴方面，许多学生经常感到“观点被其他人所影响”“不能进行有效的交互会让我烦躁”“没有反馈让我不安”（均分分别为3.73、3.33和3.21）。除此之外，学习平台与内容资源方面带来的焦虑值也相对较高，许多学习者表示“学习社区的性能让我烦躁”“无法参与话题讨论让我忧虑”（均分分别为3.39和3.39）。

（二）在线学习行为分析

本研究以网络学习焦虑学习方式（LS）、导学者（TU）、学习伙伴（LC）、学习平台与内容资源（LP）四个维度的均分为界，将学习者分为高焦虑组和低焦虑组，分析两组学习者在在线学习行为上的表现差异，并通过T检验进行高焦虑组和低焦虑组的差异显著性比较。

如表2所示，本研究发现仅学习方式方面（LS）、学习平台与内容资源方面（LP）网络学习高焦虑组和低焦虑组在某些在线学习行为维度存在显著差异，而导学者和学习伙伴方面高焦虑组和低焦虑组在在线学习行为各个维度中都无显著差异。

表2 网络学习焦虑水平高低组在线学习行为的差异统计表

就学习方式所带来的网络学习焦虑而言，结果显示，低焦虑组更可能表现出较高的网络讨论参与度且能完成高质量的发帖，同时低焦虑组更可能表现出更小的间隔时间标准差，即更规律地参与活动。

就学习平台与内容资源的网络学习焦虑而言，同样低焦虑组学生更可能完成高质量发帖，但差距略小于学习方式所带来的焦虑影响。此外在规律方面，不同于学习方式的维度，高焦虑组表现出参与活动的较高规律性。

为探究交互方面存在学习行为维度显著差异的学习者焦虑水平，本研究利用gephi工具生成了社交网络关系图（见上页图1），此图以出入度作为节点大小依据，以学习者之间交互程度作为连边粗细及颜色深浅的度量依据。从中可发现处于社交网络较中心区域的学习者始终是焦虑水平较低的学习者，且通过节点大小和其颜色分布可发现高焦虑组学习者的节点普遍出入度较小。此外，交互频次最多的两位学习者始终处于低焦虑水平组，表明焦虑水平较低的学习者更倾向于进行交互。

图1 学习方式、学习平台与内容资源方面网络学习焦虑水平高低组的社交网络分布图

（三）焦虑水平与在线学习行为之间关系分析

1. 相关分析

本研究采用斯皮尔曼相关系数对网络学习焦虑与在线行为进行相关度检验，其中网络学习焦虑包含学习方式（LS）、导学者（TU）、学习伙伴（LC）、学习平台与内容资源（LP）四个方面；在线学习行为包含参与（PA）、专注（AB）、规律（RE）、交互（IN）四个维度。如表3所示，可以发现，学习平台与内容资源方面学习焦虑与在线学习行为中的专注、规律、交互呈现显著相关，学习方式方面学习焦虑与在线学习行为四方面均呈现显著相关。

表3 网络学习焦虑与在线学习行为的相关分析

2. 多元回归分析

为了进一步研究在线学习行为的二级维度与网络学习焦虑的关系，我们进行了多元回归分析，建立了网络学习焦虑影响因素的回归方程。将学习方式（LS）、导学者（TU）、学习伙伴（LC）、学习平台与内容资源（LP）四个方面的学习焦虑和总焦虑水平（AX）作为因变量，将参与网络活动（PA_1）、参与网络讨论（PA_2）、发帖质量（AB_1）、评论质量（AB_2）、准时参与活动（RE_1）、规律参与活动（RE_2）、发表文章（IN_1）、评论讨论（IN_2）、回复话题（IN_3）、关注（IN_4）、点度中心性（IN_5）、学习方式的倾向性（LS0）、导学者影响（TU0）、学习时长（TIME）作为自变量，性别（SEX）作为控制变量，分别构建了四个维度的学习焦虑水平和总焦虑水平的回归方程。

对于总焦虑水平（AX）来说，如表4所示，学习方式的倾向性和学习时长2个变量的回归系数达到显著水平，表示学习方式的倾向性对于总焦虑水平有正向预测效应，学习时长对于总焦虑水平有负向预测效应。

表4 总焦虑水平的多元回归结果

对于学习方式方面的焦虑（LS）来说，如下页表5所示，共7个变量的回归系数达到显著，其中性别、点度中心性和学习方式的倾向性对于学习方式方面的学习焦虑有正向预测效应，参与网络讨论、发帖质量、关注数量以及学习时长对于学习方式方面学习焦虑有负向预测效应。

表5 学习方式方面网络学习焦虑的多元回归结果

对于学习伙伴方面的学习焦虑（LC）来说，只有性别的回归系数达到显著，回归系数为-0.600，但调整后 R 方仅为0.161，表示女性对于学习伙伴方面的学习焦虑较低，男性对于学习伙伴方面的学习焦虑较高，而对于导师方面的焦虑（TU）来说，没有变量的回归系数达到显著。

如表6所示，对于学习平台与内容资源方面的学习焦虑（LP）来说，共3个变量的回归系数达到显著，其中学习方式的倾向性对于学习平台与内容资源方面的学习焦虑有正向预测效应，发帖数量、学习时长对于学习平台与内容资源方面的学习焦虑有负向预测效应。

表6 学习平台与内容资源方面网络学习焦虑的多元回归结果

五、讨论和建议

（一）学习者的网络学习焦虑水平现状

本研究发现所选学习者在在线学习时普遍会产生焦虑情绪，其中学习方式和学习伙伴更容易给学习者造成学习焦虑。学习方式产生的焦虑主要聚焦于“无法完成任务”和“总担心任务无法完成”两个问题，而因学习伙伴产生的焦虑则主要聚焦于“观点易被他人影响”和“无法进行有效交互”。这可能是因为更加适应在线学习方式以及更少地受学习伙伴影响的学习者更可能拥有良好的学习心态，尤其是在网络学习社区这一特殊网络学习环境中，学习者主要通过自主学习和交流讨论进行意义建构（Siemens, 2005），学习环境本身具备的环境虚拟化、学习自主化和资源多样化会对学生知识分享参与和关系建构产生一定影响（盛东方，孙建军，2016）。

调查数据表明，学习者焦虑值较高的问题多集中在“主观”角度，即以“我”为主体、或以“我”为主体延伸出去的社会网络关系而产生的焦虑情绪，如“无法完成任务”“观点易被影响”；“客观”角度产生的问题，即以“他”为主体产生的焦虑情绪值则较低，如“学习社区的界面设计”等。朱祖林、安哲锋、毕磊、汤诗华和郭允建（2013）研究发现，在在线学习过程中，学习者对自己各方面的评价即自我概念具有重要的基础地位，会激发学习者情绪、促进学习者达成目标，而本研究差异性较大的问题同样也集中在“我”的主观层面。

从线下学习直接进入到完全在线学习模式可能会让学生产生紧张、不适应、沮丧等焦虑情绪，但是对于目前正在进行在线学习的学生而言，他们最关注的，还是“任务”与“交互”。建议教师、教学设计者注意减轻学生的学习负担，尽量减少学生对于新的形式、繁琐操作的认知负荷，并且合理估计任务量、引导学生进行交互，深层次交互会对知识流动产生促进作用（田浩，陈丽，黄洛颖，王瑞雪，2020）。教师同样需要着重注意教学设计过程中学生绝对主体性的体现，关注如何在“我”的层面降低学生的焦虑情绪。

（二）不同焦虑水平的学习者的具体行为表现差异

本研究发现导学者方面高低焦虑组学习者的具体行为表现差异性较小。虽然结果显示学习者们认为“导学者”对自己的学习影响较大，但该角色在cMOOC课程中不是一个绝对的权威，而更注重学习者之间的相互交流与学习（王志军，陈丽，2014）。学习平台与资源方面的焦虑对在线学习行为的影响表明低焦虑水平者可能更能适应在线学习方式，也更能使用学习平台并且利用好提供的资源，从而表现出更佳的学习行为。cMOOC课程中学习者参与学习的质量受到学习支持服务的直接影响（朱连操，王帆，2019）。对于本研究所针对的cMOOC课程而言，其每周一发布周报进行任务布置和资源推荐，焦虑水平更低的学习者更大概率对此有较好的适应性。

建构主义理论对本研究所针对的学习者所处网络学习社区的建设有着重要的指导作用，梁云真、赵呈领、阮玉娇、刘丽丽和刘冬梅（2014）强调学习者利用资源并辅以他人的帮助进行知识的主动建构，网络学习社区中学习者的交互是一个相对稠密网络。在这个过程中，我们发现处于社交网络较中心区域的大多为各维度焦虑水平较低的学习者，他们与他人更多的交互意味着对知识充分的意义建构。由于学习者交互行为与其学习动机显著相关（谢雷，陈丽，2020），同时cMOOC中的学习被发现是开放、复杂的，且是由学习者们半自组织的（于玻，徐珺岩，谭律岐，2020），故对于网络学习而言，较为生动且活跃的学习环境较为重要，在这种情况下，学习者不容易产生过度焦虑的情绪，从而能够促进更有效的学习活动完成（李兴保 等，2016）。

（三）学习者在线学习行为对其焦虑水平的预测

本研究发现随着学习活动的深入，学习方式的网络焦虑水平会随之降低，但学习方式的转变在很大程度上加重了学习焦虑，并且目前大部分学习者仍倾向于在校学习，其倾向程度正向预测其在学习方式、学习平台与内容资源方面的学习焦虑。正如上述结果所述，学习时长的增加能够有效地减轻学生在线学习的焦虑，说明学生需要一个自我探索的过程，用于逐渐适应在线学习的学习方式。在多元回归模型建立过程中，本研究结果显示在线学习行为相较于学习方式和学习平台与内容资源两方面，对网络学习焦虑总体水平的多元回归模型决定系数R方较小，即从整体来看在线学习行为对网络学习焦虑的预测准确度较低，对于个别方面有较强预测可能。

此外，经分析，本研究认为学习平台与内容资源方面的网络学习焦虑很大程度上来源于学生对于使用网络学习平台的排斥以及不熟练。数字媒体的转变在加深学习者对知识的理解和掌握的同时，也带来了视觉疲劳、精神压抑、混沌感和孤独感等负面的身心体验（李运福，傅钢善，2013），对于平台及技术方面的焦虑会使学习者对学习产生懈怠心理（王靖，邓雯心，李会，2021）。同时线上学习中普遍的碎片化学习有可能对在线学习效果产生积极的影响（李葆萍，张贤茹，陈秋雨，张丽峰，周颖，2020），因此，为了降低学习者对于学习平台与内容资源方面的网络学习焦虑，建议根据不同学习群体的特征不断完善在线学习支持服务体系和评价体系，安排多样的学习活动引导学习者更好地投入在线学习中。

六、研究局限与展望

由于本研究所针对的是cMOOC这一联通主义指导下的课程，更强调学习者之间的交互，对于教师的作用相对弱化，所得出的结论对于教师的针对性方面相对较弱，因此在对学生的网络学习焦虑进行干预时要选择性地调整相应措施。同时，本研究在问卷的发放方面存在一定局限，时间阶段跨越相对较长且人数较少，而学习焦虑也是对着学习周期不断变化的。此外，为保证学习焦虑问卷的发放以及学生群体的单纯性，本研究剔除了cMOOC平台中非班级学生的学员，在一定程度上降低了在线学习真实的复杂性。

所以，未来可以在扩大研究样本数量的同时，进一步加入人口学数据和相关分析，从而以更全面的视角对学习者的行为及心理表现进行研究。关于网络学习焦虑及其与在线学习行为关系探究的后续研究问题还有：不同学习背景的学习者在网络学习过程中的网络学习焦虑水平是否有显著差异？群体中是否可根据网络学习焦虑水平和在线行为数据明确聚合出几类典型的学习者？不同类型学习者的网络学习焦虑水平与在线学习行为的相关关系是否会有显著差异？为使学习者更有效地进行网络学习，进一步优化在线教学过程，结合上述反思，未来关于本主题的研究可以在扩大研究样本数量和范围的基础上，运用聚类分析、结构方程模型等研究方法，对网络学习焦虑水平和在线行为的表现进行更深入的研究分析。