新冠肺炎疫情下大学生在线学习适应性研究——以天津市高校为例

韩莉莉 张静怡 吴诗媛 赵夏荣 刘 敏 孙 雯

（天津商业大学理学院 天津 300134）

党的十九大报告提出：“建设教育强国是中华民族伟大复兴的基础工程”，要“加快教育现代化”，办好网络教育[1]。《教育信息化2.0行动计划》也提出我国要建立一体化的“互联网+教育”平台，建设人人皆学、处处能学、随时可学的社会[2]。慕课的发展推动了在线教学的普及，同时也承担着教育现代化的任务。2020年初，新冠疫情暴发，天津市各大高校积极响应教育部“停课不停学”的号召开展在线教学[3]。文章通过调研天津市各大高校学生在疫情期间学习状况，探究大学生在线学习适应性问题。

一、既有研究

关于适应的概念，大多数学者以皮亚杰提出的“平衡说”作为理论基础[4]。田澜认为学习适应性是指学习者在吸取知识的过程中根据自身状况，积极做出改变使自身发展适应学习环境[5]。我国早期学习适应性研究中，以定性研究、学习适应性与学生的自身特点、外部的环境条件之间的关系占大多数[6]。如田澜等对学习适应性进行了定义[7]；徐富明认为，外在环境给予的支持越多，时间越长，学习适应性越强[8]。牛丽凤认为，学生的自我效能感能够预测学习适应性[9]。陈肖生从理论层面加入网络元素，提出了网络不仅是技术、手段，更是理念与文化，网络条件下的学习适应性也应多维、多视角研究[10]。

近年来，随着在线学习迅速发展，学者们逐渐意识到这种信息化的教学方式，是学习者通过网络获取学习资源并与他人互动、获取知识的一种新型学习模式[11]，对在线学习适应性开展了实证研究，如冯廷勇对学习适应性量表的研究[12]，李林探讨大学生在线学习适应性与学习效果的关系等[13]。学界的这些探讨为疫情期间研究在线教学提供了借鉴。2020年初新冠疫情期间，天津市的各大高校陆续开展了在线教学。在新冠肺炎疫情背景下本文对大学生在线学习环境、学习方式、学习节奏掌握、在线学习效果、学习满意度、制约因素等方面开展在线学习适应性调查。

二、数据分析与方法

（一）数据收集

项目组通过问卷星向天津各大高校学生发放问卷241份。其中，男生58人（24.07%），女生183人（75.93%）；年级分布上，大一90人（37.34%），大二89人（36.93%），大三43人（17.84%），大四19人（7.88%）；学科人数分布上，文科136人（56.43%），理科74人（30.71%），工科19人（7.88%），艺术4人（1.66%），其他学科8人（3.32%）；高校类别分布上，天津市属高校169人（70.12%），教育部直属高校72人（29.88%）。

（二）信效度分析

问卷设置“在线学习认知”“在线学习过程适应性”“在线学习现状与发展瓶颈”三个主要维度，每个主要维度下设次要维度（如表1所示），分别为“在线学习环境适应”“在线学习方式”“学习节奏掌握”“学习效果”“学习满意度”“制约因素”并有相关题项进行支撑。问卷信度为0.826，可见总体可靠性水平较高。

表1 问卷各层面的信度和总信度

具体来看，“在线学习方式”相关题项包含学习使用设备、学习所用App、教师使用在线平台、教师是否提前进行平台使用说明讲解，信度水平较高，说明此问题可以研究。“在线学习环境”的信度为0.578，小于0.7，说明此类信度不可靠，故文章不采用；“学习满意度”信度为0.664，信度水平一般；“学习效果”信度为负，说明此项与题项相反，应删除；而“学习节奏掌握”“制约因素”信度均大于0.8，两者信度较强。

由SPSS软件对问卷20个量表问题做信效度分析，发现alpha=0.825，基于标准化项的alpha=0.829，系数均大于0.7，故分析的数据有很高的内在一致性，可靠性较好，并且信度比较强。对数据进行KMO和Bartlett的球形检验，得出KMO的值为0.822，P值（Sig值）为0.000，说明该问卷有效，显著性概率达到极其显著的水平，可进行因子分析和探索性因子分析[14]。

（三）模型建立与分析

本文用主成分分析法对在线学习环境适应、在线学习节奏掌握、学习满意度、制约因素四个方面进行因子分析，同时建立基于AMOS的在线学习适应性模型，分析各个维度对适应性的影响。

1.因子分析

根据因子分析基本原理，建立如下因子分析模型：

2.提取主成分和公因子

文章通过线性检验，通过KMO和Bartlett检验值，发现变量之间存在较好相关性，数据适合做因子分析。通过计算六个特征值及累计贡献率，前两个公因子特征值分别为3.283和1.035均大于1，累计贡献率达71.97%，可信度较高，因此提取两个公因子可以反映各因素变量对实践教学的影响情况。为明确各因子的实际意义，经方差最大正交旋转后，由因子载荷系数矩阵可知，因子载荷系数的值越大，因子与变量之间的相关性越强，因子对变量的代表性越大[15]。

根据表2可知，F1中因子载荷系数较大的变量为制约因素（x2），则第一公因子F1称作“制约因子”。F2中因子载荷系数较大的变量为学习效果满意度（x3）、学习节奏掌握（x1），因此第二公因子F2称作“意识因子”。综上所述，影响在线学习适应性的多个变量可归纳为制约因子（F1）、意识因子（F2）。根据因子分析结果得出因子分析模型如下：

表2 成份矩阵

3.基于AMOS的在线学习适应性模型检验

为了进一步说明每个因子的贡献率，本研究采用结构方程模型AMOS分析方法对疫情期间在线学习节奏掌握的按时上课因素、按时完成任务因素、积极参与课程因素与疫情期间在线学习制约因素的时间地点限制、学习资源、时间和精力、自主选择学科因素对疫情期间大学生在线学习适应性的直接关系以及学习满意度的中介关系进行检验。

通过研究变量的界定，研究共包括5个潜在变量，其中学习节奏掌握的按时上课因素、按时完成任务因素、积极参与课程因素和学习满意度为自变量，在线学习环境适应性为因变量，学习满意度为中介变量[16]，据此给出基本假设：

H1：节奏掌握按时上课因素对学习满意度有影响

H2：节奏掌握按时完成任务因素对学习满意度有影响

H3：节奏掌握积极参与课程因素对学习满意度有影响

H4：节奏掌握按时上课因素对在线学习适应性有影响

H5：节奏掌握按时完成任务因素对在线学习适应性有影响

H6：节奏掌握积极参与课程因素对在线学习适应性有影响

H7：制约因素时间地点限制对学习满意度有影响

H8：制约因素学习资源对学习满意度有影响

H9：制约因素时间和精力对学习满意度有影响

H10：制约因素自主选择学科对学习满意度有影响

H11：制约因素时间地点限制对在线学习适应性有影响

H12：制约因素学习资源对在线学习适应性有影响

H13：制约因素时间和精力对在线学习适应性有影响

H14：制约因素自主选择学科对在线学习适应性有影响

H15：学习满意度对在线学习适应性有影响

基于上述假设，构建了疫情期间大学生在线学习适应性模型结构（如图1所示）。

图1 疫情期间大学生在线学习适应性模型结构

4.模型拟合度检验及修正

经AMOS的第一次计算得出模型卡方值（CMIN=109.851）、卡 方 自 由 度 比 值（CMIN/DF=2.891）、拟合残差（RMR=0.123）、拟合度指数（GFI=0.919）、渐进残差均方和平方根（RMSEA=0.089）、基准线比较（Baseline Comparisons，包括NFI=0.910、RFI=0.870、IFI=0.939、TLI=0.911和CFI=0.938）。对结构方程进行综合考虑，根据判别模型拟合度的各个参考标准与第一次统计结果进行比较，可知RMR、DFI、Baseline Comparisons和CMIN/DF的值全部符合模型拟合标准。但是RMSEA值为0.089相对于标准（0.08）偏大，所以将模型进行进一步修正。

基于AMOS软件的数据分析结果、修正指标和估计值进行模型修正，M.I.值大于5时，需要进行修正，因此选取M.I.值最大的一项“e4＜---＞e8”（值为15.988）在模型中添加。综上，得到的结构方程模型如图2所示。

图2 结构方程第一次修正图

修正后，对模型进行第二次计算，得到CMIN/DF值 为2.473，RMSEA值 为0.078，小 于 标 准 值0.08，且其他指标均正常，所以该模型此时可以接受。根据疫情期间在线学习适应性结构模型非标准化系数的数据可得：各个路径对应的P值均小于0.05，所以可以认为各个路径系数在置信水平为95%的情况下显著。估计的参数具有统计意义，研究模型可靠。基于以上结果分析，研究假设的验证结果均为有影响。根据因子得分权重表的验证结果：

（1）制约因素=0.007在线学习的了解+0.028态度改变+0.037在线学习适应性+0.190学习满意度+0.059自主选择学科+0.252时间地点限制+0.340教学资源+0.103时间和精力－0.005按时上课－0.007按时完成任务－0.008积极参与课程

（2）节奏掌握=0.003在线学习的了解－0.007态度改变+0.016在线学习适应性+0.036学习满意度+0.007时间地点限制－0.001教学资源+0.108按时上课+0.151按时完成任务+0.172积极参与课程

（3）满意度=0.01在线学习的了解－0.117态度改变+0.049在线学习适应性+0.614学习满意度－0.006自主选择学科+0.115时间地点限制－0.034教学资源－0.01时间和精力+0.041按时上课+0.057按时完成任务+0.065积极参与课程

（4）适应性=0.114在线学习的了解－0.016态度改变+0.572在线学习适应性+0.103学习满意度+0.003自主选择学科+0.032时间地点限制+0.015教学资源+0.004时间和精力+0.032按时上课+0.044按时完成任务+0.05积极参与课程

三、结论和建议

（一）拓宽教学资源可以提高学生在线学习满意度

学生在学习过程中可以不受时间地点限制，满足学习资源越丰富、时间和精力越节省，并拥有自主选择学科的权力等制约因素时，学生越满意其在线学习的情况，也会更加适应在线学习这一方式。制约因素受主观意识的影响较小，且对学习适应性有正向影响，系数分别为0.252，0.340，0.103，0.059，因此在高校在开展线上教学时，应拓宽教学资源，实现学生随时随地学习。

（二）学习节奏掌控程度，直接影响满意度

学习节奏包括学生是否按时上课、按时完成任务、参与课程积极程度等方面。通过前文分析，学生按时上课，按时完成任务并积极参与课程时，学生对其在线学习的满意度越高，在线学习的适应性也越好。学习节奏掌握与在线学习满意度均主要受学生主观意识的影响并对适应性有正向影响作用，系数分别为0.032、0.044、0.05、0.103，因此教师在线教学过程中应重视学生的学习节奏，如课程预习、课堂表现及课后复习等进度，使学生更好地适应在线学习。

（三）平台了解度越高，适应性越好

学生对在线学习以及学习平台的了解程度越高，越适应在线学习这一学习方式，并且在本文相关影响因子中，在线学习的了解对适应性的影响最大。因此高校在进行线上授课时，应提前告知学生学习平台、授课方式以及平台使用方式，提高学习质量。

（四）自主学习意识越强，适应性越高。

由于疫情期间大学生在线学习适应性受主观意识影响较大，所以应积极引导学生增强自主学习意识。各大高校要积极了解疫情时期学生的心理发展状况，加强对学生疫情时期的心理疏导工作，帮助学生调整平稳心态，增强主动学习的意识，激发学习潜力，主动适应“互联网+”的教育变革[17]。

（五）线上线下混合教学成为疫情后学生偏好的教学模式

从问卷来看，有超过一半的学生希望在接下来的学习中可以进行线上线下的综合学习，说明经历此次疫情之后，大学生更倾向于线上线下混合教学模式，侧面反映其对在线学习的适应性较强。各高校可以逐步推广线上线下教学模式。线下教学着重于增强学生的学习效率、学习氛围以及和老师的互动性；线上教学则让学生自行查找更多资源来巩固学习效果，学习更多感兴趣的学科。

结 语

在新冠疫情背景下，本文分析了大学生在线学习的学习状况、适应性问题及影响学习效率的主要因素。需要指出的是，数据分析需要数据的积累，由于新冠疫情的突发性，各高校对于在线学习的经验并不多，且本文收集的数据量相对较少。随着线上教学模式及线上线下混合教学的不断发展，数据将越来越丰富，且具有代表性[18-19]，大学生则可以根据自身出现的具体问题调整学习行为，教师也可据此调整教学方法。