大学生在线学习投入对学习绩效的影响研究

李运福 杨圆圆

[摘 要] 以群体动力学理论为基础，以西部某新建师范院校在校本科生为研究对象，构建了在线学习投入对学习绩效的解释结构模型。研究表明：群体动力学理论的基本假设对开展在线学习行为研究具有一定的适用性和拓展性;大学生参加在线学习的内部动机越强，其情感投入、学习绩效越高;情感投入度越高，其行为投入、认知投入度越高;增强线上交互有助于强化情感投入;增强情感投入有助于强化内部动机对认知投入的影响和线上交互对行为投入的影响;增强认知投入和行为投入，有助于强化情感投入对学习绩效的影响。因此，高校应进一步规范课程引入、强化选课指导、优化学习空间，以增强大学生在线学习的内部动机，提升线上交互质量。

[關键词] 群体动力学;在线自主学习;在线学习投入;在线学习绩效

[中图分类号] G64  [文献标识码] A  [文章编号] 1005-4634（2022）01-0008-07

当下，引入在线开放课程成为高校推动人才培养模式改革，提升人才培养质量的重要抓手。在对陕、甘、豫三省26所引入在线课程的高校调研显示，“在线自主学习”是现阶段高校应用在线课程的主流方式，个案百分比为73.1%[1]。如何提升在线课程自主学习绩效是高校在线课程应用正面临的重大现实问题。学习投入是测评学习绩效的重要指标，引起了各国的高度重视，对学习投入的研究由最早关注学习时长逐渐拓展至专注程度、参与质量、认知发展以及学习支持等方面[2]，不断丰富了学习投入的内涵。随着新建本科院校在线开放课程的大规模引入和应用，大学生在线学习投入逐渐成为保障、提升和评测在线学习绩效的重要指标，引起了教育技术领域学者的高度关注。鉴于此，聚焦在线自主学习情境，探寻新的研究视角，创新性地开展在线学习投入对学习绩效的影响研究就显得尤为必要与紧迫。

1 研究现状分析

1.1 在线学习投入研究现状

在线学习投入是指学习者在线活动过程中表现出来的积极状态，包括行为投入、认知投入和情感投入三个维度。其中，行为投入主要指学习者在学习活动中的注意力、努力和坚持的投入程度，认知投入主要指学习者在应对复杂情境学习时所采用的认知策略，情感投入主要指在任务完成过程中学习者表现出来的情绪感受。现阶段，国内对在线学习投入的研究集中体现在以下几方面：首先，基于大数据的学习投入测量研究。如王洪江等人基于教学视频播放行为数据、视频观看时长和并发学习行为数据提出了自主学习投入度算法[3];陈侃等人以MOOCs视频特征和学生跳转行为的大数据为基础，对在线视频学习投入进行了深度分析[4];李爽基于学习管理系统记录的数据构建了远程学习者学习投入评测模型[5]等。其次，在线学习投入影响因素及提升策略研究，其中以自我决定理论为主要视角。如高洁的研究表明主动性人格、在线学业情绪、外部学习动机对在线学习投入有正向的预测作用[6];周琰的研究表明认识信念通过元认知调节策略正向预测个体的网络学习投入[7]等。最后，基于在线学习投入的学习优化研究。如马志强基于学习投入理论构建了网络学习行为模型[8];王志军基于学习投入视角提出了移动学习资源画面设计层次模型和设计策略[9]等。国际对在线学习投入的研究主要集中体现在以下几方面：首先，在线学习投入影响因素或调解研究。如反思性思维促进法（Reflective Thinking-promoting Approach）不仅有利于增强基于在线课程的翻转教学课前阶段学生学习设计的成果和反思性思维，同时也增强了学生课前阶段的参与[10];游戏化是吸引学生使用数字化学习系统并增强互动性和参与度的有效途径[11];当学生在游戏过程中意识到清晰的目标以及较强的易用性感知和有用性感知时，就能提高学生的投入度[12];沉浸式体验和学习者心理需求满足在社会性互动影响学习参与度中具有完全中介作用[13];虚拟学习社区中，教师任务价值感知对学习投入有正向预测效应，且动机调节具有部分中介作用[14];等等。其次，基于大数据的在线学习投入的实时监测研究。如通过对在线学习互动中，视频播放选项、视频讲座观看时间、并发学习行为等数据的实时收集和分析，了解学习者的在线学习投入情况[15]。最后，在线学习投入对学习效果的影响研究。如学习投入、学习小组的结构等在线论坛的设计因素对学习者深度学习具有重要影响[16]。

1.2 在线学习绩效影响因素研究现状

在线学习绩效指的是学习者在某一时期内的在线学习结果、学习行为和学习态度的总和。现阶段，国内对在线学习绩效影响因素的研究主要分为在线自主学习绩效和混合式学习绩效两类。在线自主学习绩效的影响因素主要有在线学习社交行为、资源访问模式、视频组织方式、在线课程临场感、自我调节学习能力等。混合学习绩效的影响因素主要涉及教师、学生和在线课程三个层面，其中教师层面主要包括教师对混合式教学的态度、教学准备情况和在线课程应用模式;学生层面主要包括学生在线课程的使用意愿、任务技术匹配程度、学生学习风格、学习背景、主动人格、在线学习行为等;在线课程层面主要包括主讲教师、课程助教、平台功能设计等。国际上对在线学习绩效影响因素研究以在线自主学习情境为主，混合学习情境下学习绩效的研究相对较少，主要涉及以下几个方面：首先，学习者心理特征因素。如在线学习情感[17]、学生在线存在感[18]、在线学习注意力[19-20]等。其次，在线视频资源及使用因素。如在线视频中教师出镜[21]以及学习者访问与课堂讲授内容相关的在线资源的时长和频次[22]、演讲捕获和画中画视频设计[23]等。最后，人际互动因素。如在线反馈[24-25]、在线形成性同伴指导[26]、在线学习小组结构 [27]、同伴反馈系统的应用[28]以及在线小组学习[29]等。本研究通过对国内、国际在线学习绩效影响因素代表性研究的梳理分析发现：混合学习绩效是国内学习者关注的重点，而在线自主学习是国际学习绩效研究的热点话题;在学习行为对学习绩效影响研究的基础上，对在线学习行为背后深层次影响因素的探究受到越来越多国内外学者的关注，认知神经科学是当下探究在线学习行为影响在线学习绩效的最新动态;中国台湾和香港地区学者关于认知神经科学视角下在线学习绩效的影响因素研究在国际上的影响力较为凸显，对国内相关研究具有重要的引领作用;与国内研究相比，国外学者更加注重基于眼动技术的深层次在线学习认知研究，对我国在线学习绩效的研究具有重要的参考和借鉴价值。

2 预设模型构建

20世纪40年代，社会心理学家库尔特·勒温在心理动力理论的基础上提出了群体动力理论，论述了群体中各种力量对个体的作用及影响，其基本观点为：一个人的行为是个体内在需要和环境外力相互作用的结果[30]。该理论的提出为我国教育教学各领域的研究提供了新的视角。随着在线开放课程建设和应用规模的不断扩大，群体参与逐渐成为在线开放课程的显著特性，创设社会技术环境使学生可以在远离教师的情境下依托同伴开展合作探究，进而促进自身发展将是MOOC未来的发展趋势[31]。在线开放课程的学习在很大程度上更契合一种群体性学习，这与学习的本质是“个人在群体环境中激发创新思维，获得认知发展的过程”的论述基本吻合，与群体动力理论的基本观点存在一定的内在关联。因此，本研究在明确群体动力学基本观点及其与在线课程内在关联的基础上，参考已有研究成果构建了研究预设模型，如图1所示。

首先，根据群体动力学理论的基本观点，本研究分别将大学生参与在线课程学习的内部动机和线上交互作为内在需求和外在环境的观测变量。内部动机测量学生参与在线课程学习的内在动力水平，如促进专业发展、拓宽专业视野等;线上交互主要测量学生借助在线课程线上话题讨论对在线自主学习的促进程度，如深化知识理解、提升学习积极性，等等。因此，本研究提出以下研究假设。

H1：內部动机对行为投入具有显著的正向预测效应;H2：线上交互对行为投入具有显著地正向预测效应;H3：内部动机对学习绩效具有显著的正向预测效应;H4：线上交互对学习绩效具有显著的正向预测效应。

其次，学习投入主要包括行为投入、认知投入和情感投入，且三者之间存在内部联系和相互作用[32]。学习行为在很大程度上受认知活动的支配;情感是学习者投入学习强有力的先导动力，对个体学习行为的表现具有重要影响，且情感投入也有助于学习者对学习任务进行深层次的认知加工[33]。此外，线上交互和内部动机有利于增强学习者情感投入和深层次意义建构。因此，本研究提出以下研究假设。

H5：认知投入对行为投入具有显著的正向预测效应;H6：情感投入对行为投入具有显著的正向预测效应;H7：情感投入对认知投入具有显著的正向预测效应;H8：线上交互对情感投入具有显著的正向预测效应;H9：线上交互对认知投入具有显著的正向预测效应;H10：内部动机对认知投入具有显著的正向预测效应;H11：内部动机对情感投入具有显著的正向预测效应。

最后，学习投入与学习绩效存在一种积极的关系，当个体感到自己越投入，学习绩效就越好[34]，且积极的情感状态比消极的情感状态对学习成绩更具有解释力[35]。因此，本研究提出以下研究假设。

H12：行为投入对学习绩效具有显著的正向预测效应;H13：情感投入对学习绩效具有显著的正向预测效应;H14：认知投入对学习绩效具有显著的正向预测效应。

3 研究设计与实施

3.1 研究情境与对象

现阶段，普通高等学校，尤其是师范类院校引入通识教育型在线开放课程的比例普遍偏高，课程平台以超星尔雅为主，应用方式以在线自主学习为主。基于此，为拓展研究的参考价值，本研究聚焦自主学习型在线课程，选取西部某新建师范院校为依托，采用问卷调查与半结构访谈相结合的混合研究法，以2019～2020学年第一学期按照学校要求自主选修超星尔雅通识课程的本科生为研究对象开展抽样调查。具体实施时，在课程考核结束后，采用在线问卷的方式向研究对象发放问卷，历时3周，回收问卷543份。根据填写时间、数据完整度等剔除无效问卷，最终共保留有效问卷384份。量化数据统计分析后，根据调查问卷各维度的核心内涵编制访谈提纲，对15名学生开展半结构访谈，以深度解释量化数据的分析结果，进一步挖掘研究数据的深层次含义。

3.2 研究工具检验

3.2.1 在线学习投入量表

本研究根据研究情境对远程学习投入量表的题目描述进行适当修订，包括行为投入、认知投入和情感投入三个维度，累计15个题项[36]。研究数据回收后，通过探索性因子分析筛除因子负荷量小于0.50的题项，最终保留11个题项，整体一致性系数为0.953。其中，行为投入包括3个题目，各题目因子负荷量分别为0.680、0.644、0.765，内部一致性系数0.894;情感投入包括4个题目，各题目因子负荷量分别为0.881、0.874、0.911、0.896，内部一致性系数为0.958;认知投入包括4个题目，各题目因子负荷量分别为0.850、0.816、0.864、0.862，内部一致性系数为0.937。

3.2.2 内部动机量表与线上交互量表

本研究在对尔雅课程的学习进行亲身体验以及采用随机抽样访谈的方式对学生在线学习情况进行基本了解之后，自编内部动机量表和在线交互量表。其中，内部动机量表包括4个题目，为“学习尔雅课程是为了促进个性化发展”“学习尔雅课程是为了拓宽知识视野”“学习尔雅课程是为了学到传统课堂难以学到的知识”“学习尔雅课程是为了满足我的内在学习需求”;在线交互量表包括3个题目，为“尔雅课程的在线讨论促进了我对知识的理解”“尔雅课程在线讨论的一些帖子对我学习有启发”“尔雅课程的在线讨论增强了我学习的积极性”。探索性因子分析和内部一致性检验的结果显示：内部动机量表4个题目的因子负荷量分别为0.929、0.920、0.919、0.919，内部一致性系数为0.941;线上交互量表3个题目的因子负荷量分别为0.948、0.964、0.951，内部一致性系数为0.951。

3.2.3 在线自主学习绩效量表

本研究根据研究实际情境，对王雁飞编制的大学生学业成就量表中学习绩效维度的题目进行了适当改编[37]，形成大学生在线自主学习绩效量表，包括6个题目。通过探索性因子分析删除因子负荷量低于0.5的题目，最终保留3个题目：“我在尔雅课程的学习结果达到了我的预期目标”“尔雅课程的学习对我发展和进步有帮助”“尔雅课程的学习提高了我的在线学习能力”，因子负荷量分别为0.904、0.957、0.946，内部一致性系数为0.929。

3.3 研究模型分析

3.3.1 拟合度检验

本研究参考解释结构方程模型分析的方法，利用AMOS24.0对研究预设模型拟合度进行检验，检验结果如表1所示。

在模型拟合度评估方面，若模型拟合度越高，则代表模型可用性越高。然而，X2统计量容易受到樣本大小的影响。因此，除X2统计量外，还需同时参考其他拟合指标，如GFI、RMR、RMSEA等绝对拟合指标，AGFI、NFI、CFI、IFI等增值拟合指标等。其判断准则为RMR、RMSEA。越接近0表示模型拟合度越好，通常采用RMR小于0.05、RMSEA小于0.08，其他各项指标越接近1表示模型拟合度越好，通常采用建议值为大于0.90。以此为参考，本研究预设模型拟合度良好。

3.3.2 研究假设检验

研究假设检验结果如表2所示。

研究假设分析的结果显示：假设H3、H6、H7、H9、H11、H14成立，其他假设不成立。也就是说，内部动机对学习绩效具有显著的正向预测效应、情感投入对行为投入具有显著的正向预测效应、情感投入对认知投入具有显著的正向预测效应、线上交互对认知投入具有显著的正向预测效应、内部动机对情感投入具有显著的正向预测效应、认知投入对学习绩效具有显著的正向预测效应。此外，内部动机与线上交互呈显著性强度正相关，相关系数为0.825（C.R.=11.957）。

3.3.3 影响路径分析

通过解释结构方程模型的分析，本研究发现各变量间的关系较为复杂，既存在直接影响作用，同时又存在不同程度的间接作用。为更明确地阐释各变量间的作用关系，本研究分别对变量间总效应、直接效应以及间接效应进行了进一步分析，结果如表3所示。

解释结构方程模型分析中，变量间直接效果和间接效果的分析原则是：如果直接效果大于间接效果，表示中介变量不发挥作用，研究者可忽略此中介变量;如果相反，则表示中介变量具有影响力，此中介变量要引起研究者的重视。通过比较分析变量间标准化直接效应和间接效应，本研究发现：内部动机对认知投入的间接效应大于直接效应，表明情感投入在内部动机影响认知投入的过程起着重要的中介作用;线上交互对行为投入的间接效应大于直接效应，表明情感投入在线上交互影响行为投入的过程中起着重要的中介作用;线上交互对学习绩效的间接效应大于直接效应，表明行为投入、认知投入、情感投入在线上交互影响学习绩效的过程中起着重要的中介作用，其中介效应由高到低依次为认知投入、行为投入、情感投入;情感投入对学习绩效的间接效应大于直接效应，表明认知投入、行为投入在情感投入影响学习绩效的过程中起着重要的中介作用，其中介效应由高到低依次为行为投入、认知投入。

4 研究结论与建议

4.1 研究结论

第一，群体动力学理论的基本假设对开展在线学习行为投入研究具有一定的适用性和可拓展性。在群体动力学理论的基础上，本研究将学习者内在需求和环境外力的作用对象由学习行为投入拓展至情感投入、认知投入，为在线学习投入研究提供了新的视角。这与群体动力学理论与在线开放课程的学习存在内在关联性的观点相一致。

第二，学习者在线学习的内部动机越强，其情感投入和学习绩效也越好;情感投入越多，大学生在线学习的行为投入、认知投入就会越多;强化学习者在线学习交互有助于提升其情感投入;在线学习认知投入度越高，在线学习绩效越好。

第三，学习者参与在线课程学习的情感投入越强，越有助于增强内部动机对认知投入的影响和在线交互对行为投入的影响;学习投入度越高，越有助于增强在线交互对学习绩效的影响，且中介作用由高到低依次为认知投入、行为投入、情感投入;认知投入、行为投入越高，越有助于增强情感投入对学习绩效的影响。

4.2 对策建议

在归纳形成上述研究结论的基础上，为进一步提升学习者在线自主学习绩效，本研究提出以下几点建议。

首先，在课程引入环节，制定对接本校人才培养需求的在线课程引入标准，保障所引入的在线课程目标与本校人才培养目标的精准匹配，增强在线课程在人才培养中的针对性与实用性，提高学生在线自主学习动机与获得感。现阶段，我国高校在线开放课程引入与人才培养方案融合尚处于一种边缘性、浅层次状态，主要缘于缺少创新性的规范标准和政策制度保障。因此，高校结合自身人才培养实际需求，制定切实可行的在线课程教学质量认定标准，为在线课程的科学引入提供了依据。这是提升在线课程学习绩效的重要前提和基础。

其次，在课程选择环节，完善学生选课指导机制，推动在线课程内容供给与学生发展需求的无缝对接，激活内在学习动力，使在线课程成为助力学生个性化发展的有力支撑。研究样本所在高校每学期第八周由教务处发布选课通知，整个选课过程学生缺乏对在线课程及自身发展需求的深度认知，最终盲目地、机械地、感性地完成课程选择，所选课程内容不能最大限度地满足学生发展需求，导致一些不良现象的普遍存在，如“选择的课程大多是根据课程的标题进行的选择，在学习两到三周后才发现课程内容与最初的认识存在较大差距，并不是自己所需要的”“如果学校没有硬性文件要求，我不会主动选择在线课程”“选择学习在线课程是为了服从学校选课要求，最后能够及格（60分），获得学分就可以”，等等。这极大地削弱了学生学习在线课程的内部动机以及学习投入。因此，在课程选择环节，建议高校在强化学生选课责任意识的同时，以导师制为抓手建立和完善学生选课指导机制，使学生能够立足自身发展需求，理性选择在线课程，提升学生参与在线自主学习的内部动机和学习投入。

最后，在课程实施环节，优化学习空间，促进线下交流与线上讨论互为支撑，增强在线学习归属感和情感投入，推动在线学习质量文化的形成。学习空间是当下推动高等教育改革与发展的重要技术之一，是在线课程在高校深度应用的基础土壤。高校应变革当下学习空间设计理念，以适应、支持学生在线自主学习为导向，为学生自主学习、小组协作研讨创设优良的学习环境，促进线下学习共同体的形成和发展。在线下学习共同体形成的基础上，推动学生线上学习共同体的建立，强化学生线上交互的频度与深度，丰富学生在线学习的积极情感，增强学生在线自主学习行为投入与认知投入，提高在线自主学习绩效。

參考文献

[1] 杨晓宏，李运福，杜华，等.高校在线开放课程引入及教学质量认定现状调查研究[J].电化教育研究，2018（8）：52-60.

[2] 张国庆，耿俊华，黄玲.开放大学学生学习投入度调查研究[J].开放教育研究，2019（4）：91-99.

[3] 王洪江，穆肃，黄洁，等.自主学习投入度实时分析方法及应用研究[J].电化教育研究，2017（10）：46-52.

[4] 陈侃，周雅倩，丁妍.在线视频学习投入的研究——MOOCs视频特征和学生跳转行为的大数据分析[J].远程教育杂志，2016（4）：35-42.

[5] 李爽，李荣芹，喻忱.基于LMS数据的远程学习者学习投入评测模型[J].开放教育研究，2018（1）：91-102.

[6] 高洁.外部动机与在线学习投入的关系：自我决定理论的视角[J].电化教育研究，2016（10）：64-69.

[7] 周琰.网络学习投入影响因素与应对策略——基于自我决定理论的视角[J].中国电化教育，2018（6）：120-127.

[8] 马志强，苏珊，张彤彤.基于学习投入理论的网络学习行为模型研究——以“网络教学平台设计与开发”课程为例[J].现代教育技术，2017（1）：74-80.

[9] 王志军，冯小燕.基于学习投入视角的移动学习资源画面设计研究[J].电化教育研究，2019（6）.91-97.

[10] CHEN M，HWANG G，CHANG Y.A reflective thinking promoting approach to enhancing graduate students′ flipped learning engagement，participation behaviors，reflective thinking and project learning outcomes[J].British Journal of Educational Technology，2019（5）：2288-2307.

[11] IMED B，NOUZHA H，VANISSA W，et al.Exploring the impact of gamification on student engagement and involvement with e-learning systems[J].Interactive Learning Environments，2019（6）：1-14.

[12] WANG Y，RAJAN P，CHETAN S.Let them play：the impact of mechanics and dynamics of a serious game on student perceptions of learning engagement[J].IEEE Transactions on Learning Technologies，2017（4）： 514-525.

[13] FANG J M，TANG L F，YANG J J，et al.Social interaction in Moocs： the mediating effects of immersive experience and psychological needs satisfaction[J].Telematics and Informatics，2019（39）：75-91.

[14] ZHANG S，LIU Q T.Investigating the relationships among teachers′ motivational beliefs，motivational regulation，and their learning engagement in online professional learning communities[J].Computers & Education，2019（134）：145-155.

[15] MU S，CHAI S M，WANG H J，et al.Real-time analysis method and application of engagement in online independent learning[J].IEEE Access，2019（7）：92100-92109.

[16] JOHNSON C，HILL L，LOCK J，et al.Using design-based research to develop meaningful online discussions in undergraduate field experience courses[J].International Review of Research In Open And Distributed Learning，2017（6）：36-53.

[17] ARGUEDAS M ，XHAFA F，CASILLAS L，et al.A model for providing emotion awareness and feedback using fuzzy logic in online learning[J].Soft Computing，2018（3）： 963-977.

[18] YANG J C，QUADIR B，CHEN N S，et al.Effects of online presence on learning performance in a blog-based online course[J].Internet and Higher Education，2016（30）：11-20.

[19] KUO Y C，CHU H C，TSAI M C.Effects of an integrated physiological signal-based attention promoting and english listening system on students′ learning performance and behavioral patterns[J].Computers In Human Behavior，2017（75）：218-227.

[20] YANG S M，CHEN C M，YU C M.Assessing the attention levels of students by using a novel attention aware system based on brainwave signals[J].British Journal of Educational Technology，2017（2）： 348-369.

[21] STULL A T，FIORELLA L，MAYER R E.An eye-tracking analysis of instructor presence in video lectures[J].Computers In Human Behavior，2018（88）：263-272.

[22] LI L Y ，TSAI C C.Accessing online learning material： quantitative behavior patterns and their effects on motivation and learning performance[J].Computers & Education，2017（144）：286-297.

[23] CHEN C M，WU C H.Effects of different video lecture types on sustained attention，emotion，cognitive load，and learning performance[J].Computers & Education，2015（80）：108-121.

[24] KIM J E，NEMBHARD D A.Eye movement as a mediator of the relationships among time pressure，feedback，and learning performance[J].International Journal of Industrial Ergonomics，2019（70）：116-123.

[25] MIKHEEVA M，SCHNEIDER S，BEEGE M，et al.Boundary conditions of the politeness effect in online mathematical learning[J].Computers In Human Behavior，2019（92）：419-427.

[26] CHU H C，CHEN J M，TSAI C L.Effects of an online formative peer-tutoring approach on students′ learning behaviors，performance and cognitive load in mathematics[J].Interactive Learning Environments，2017（2）：203-219.

[27] GOGGINS S P ，GALYEN K D ，PETAKOVIC E，et al.Connecting performance to social structure and pedagogy as a pathway to scaling learning analytics in Moocs： an exploratory study[J].Journal of Computer Assisted Learning，2016（3）：244-266.

[28] HSIA L H，HUANG I，HWANG G J.Effects of different online peer-feedback approaches on students′ performance skills，motivation and self-efficacy in a dance course[J].Computers & Education，2016（96）：55-71.

[29] TSAI C W.The effect of online co-regulated learning in the implementation of team-based learning on improving students′ involvement[J].Higher Education Research & Development，2015（6）：1270-1280.

[30] 張立新，李茂林.群体动力学视域下虚拟班级管理策略的研究[J].远程教育杂志，2011（6）：39-43.

[31] FISCHER G.Understanding，fostering，and supporting cultures of participation[J].Interactions，2011（3）： 42-53.

[32] CHRISTENSON S L，RESCHLY A L，WYLIE C.The handbook of research on student engagement[M].New York： Springer Science，2012：36-42.

[33] DIXSON M D.Creating effective student engagement in online courses： what do students find engaging？[J].Journal of The Scholarship of Teaching And Learning，2010（2）：1-13.

[34] SALANOVA M，LLORENS S，CIFRE E，et al.Perceived collective efficacy subjective well-being and task performance among electronic work groups： an experimental study[J].Small Group Research，2003（34）：43-73.

[35] ESTEVE E B.Well-being and performance in academic settings：the predicting role of self-efficacy[D].Valencia Jaume I University，2003.

[36] SUN J C.RUEDA R.Situational interest，computer self-efficacy and self-regulation： their impact on student engagement in distance education[J].British Journal Of Educational Technology，2012 （2）：191-204.

[37] 王雁飛，李云健，黄悦新.大学生心理资本、成就目标定向与学业成就关系研究[J].高教探索，2011（6）：128-136+148.

Influence of online learning engagement on learning performance of

undergraduate：a case study of a new normal university in Western China

LI Yun-fu1，YANG Yuan-yuan2

（1.West China Higher Education Evaluation Center，Xi′an Jiaotong University，Xi′an，Shaanxi 710049，China;

2.School of Education Science，Shaanxi Xueqian Normal University，Xi′an，Shaanxi 710100，China）

Abstract

Based on the theory of group dynamics，this paper takes the undergraduates of a new normal university in Western China as the research object，and constructs an explanatory structural model of online learning engagement on learning performance.Research shows that，the basic hypothesis of group dynamics theory has certain applicability and expansibility for the research of online learning behavior，the stronger the internal motivation of college students to participate in online learning，the higher their emotional input and learning performance，the higher the emotional engagement，the higher the behavioral engagement and cognitive engagement，enhancing online interaction helps to strengthen emotional engagement，enhancing emotional engagement helps to strengthen the influence of internal motivation on cognitive engagement and online interaction on behavioral engagement，enhancing cognitive engagement and behavioral engagement helps to enhance the impact of emotional engagement on learning performance.Therefore，universities should further standardize the introduction of courses，strengthen the guidance of course selection，optimize the learning space，so as to enhance the internal motivation of college students′ online learning and improve the quality of online engagement.

Keywords

group dynamics;self-access online learning;online learning engagement;online learning performance

[责任编辑 马晓宁]

[收稿日期] 2020-12-16

[基金项目] 2019年度陕西省教育厅科研计划项目（19JK0204）;2019年西安市科协青年人才托举计划项目（市科协发[2019]164号）

[作者简介]李运福（1987—），山东冠县人。博士，助理研究员，主要研究方向为高校在线课程建设与应用、教师信息化领导力发展。