在线课堂环境下学生学习效率研究

艾冰兵

(云南财经大学 国际工商学院，云南 昆明 650221)

从2020年初新冠疫情爆发至今，在线学习人数大幅增加，学习时长较疫情前有了显著增长，在线教学得到了前所未有的关注和投入。有研究表明，线上课程互动性强于线下课堂[1]，且线上教学可以节约时间成本[2]；也有学者认为，疫情期间的线上教学并非高校主动选择的结果，而是政府、学校和师生的被动选择，是疫情期间的应急举措[2]。疫情初期，在线学习资料和教材匮乏，平台多而分散，且技术水平参差不齐，尚不能做到“以学生为中心”[1]。由于缺少独立学习空间，学生的注意力容易受周围环境影响，学习效率低、压力大，自觉性不够；师生观念转变不到位[3]，教师前期积累不足，在线教学还不能取代学校课堂教学。因此，在后疫情时代需要更多实践检验在线教学的效率和成果。

一、文献综述

(一)课堂环境评价理论

课堂环境，是一种社会心理氛围(social-psychological context)，指学生对课堂物理环境、社会环境与心理气氛的感知[4]。课堂环境方面的理论提出者要追溯到勒温(Lewin)和默里(Murray)。勒温提出，人类的行为是个体与环境相互作用的结果[5]。默里提出的需求—压力理论认为，个体的内在需求会受环境影响[6]。Moos拓展了上述观点，提出可以从人际关系、个人发展与目标取向、系统维护与变化三个维度衡量环境的特点。人际关系维度包括学生的凝聚力、教师支持以及参与度；个人发展维度包括任务取向、调查研究、合作以及年轻人精神；系统维护维度包括公平、个性化以及电脑使用[4]。

课堂环境的感知不仅影响学生的成绩，也对其学习态度、动机、满意度等有非常大的影响，研究课堂环境是探究学生学习效率的重要一环。学者们编制了大量量表来探讨学生对课堂环境的感知及其学习结果之间的关系，例如《学习环境量表》(Learning Environment Inventory，LEI)、《课堂环境标准》(Classroom Environment Scale, CES)、《个性化课堂环境问卷》(Individualized Classroom Environment Questionnaire, ICEQ)、《课堂情况调查表》(What Is Happening In this Class? WIHIC)、《高校课堂环境量表》(College and University Classroom Environment Inventory，CUCEI)，《科学实验室环境量表》(Science Laboratory Environment Inventory，SLEI)等[7]。

用教师的主观判断来评价学习效率，会导致优化策略可实施性不足，因此不适宜在线学习的效率评价。若通过学生感知来探究课堂环境，则能体现参与者的亲身经历和感受，并且可以发现观察者容易忽略的重要信息。即使教师在日常教学中有不一致的行为，学生也可以根据长时间的学习体验得出准确的判断[7]。因此，从学生的视角探究课堂环境影响因素是非常必要的。

(二)DEA模型及其在学习效率评价中的应用

数据包络分析(Data Envelopment Analysis，DEA)，由美国著名运筹学家查恩斯、库铂和罗兹于1978年提出，是在相对效率评价概念基础上发展起来的一种非参数检验方法。在DEA中，受评估的组织被称作决策单元(Decision Making Units,DMU)。DEA模型通过选取决策单元的多项投入和产出数据，利用线性规划方法，以最优投入和产出为生产前沿，构建数据包络曲线。有效点会处于前沿面上，效率值标定为1；无效点会处于前沿面外，并被赋予一个大于0但是小于1的相对效率指标[8]。本文采用其中两种细分模型：(1)CCR模型：假定规模报酬不变，主要用来测量技术效率。(2)BCC模型：假定规模报酬可变，主要测算纯技术效率，即技术效率与规模效率的比值。

CCR模型：以第j0个决策单元的效率指数为目标，以所有决策单元的效率为约束，得到如下模型：

u≥0,v≥0.

其中，xij表示第j个决策单元对第i种投入要素的总投放量，yrj表示第j个决策单元中第r种产品的产出总量，vi和ur分别表示第i种类型投入和第r种类型产出的权重系数。求解上述线性规划问题，即可得到决策单元的效率指数。

其中，s+表示松弛变量，s-表示剩余变量。

求解上述线性规划问题，即可得到决策单元的效率指数。

已有国内外研究将DEA模型运用于测量和评估学习效率方面，但对投入和产出的指标并没有统一的界定，投入指标大多从学校投入、教师投入、学生投入以及学生的社会经济背景等方面考虑；而产出指标大多从学生的成绩、获奖证书、学生满意程度等方面进行测量。本文结合课堂环境评价理论，侧重通过学生的体验和感知，探究在线课堂环境对学生学习效果的投入产出效率，从而针对后疫情时期在线教育过程中出现的问题提出解决对策。

二、指标选取及数据来源

(一)指标选取

本研究采用的问卷参考了《高校课堂环境量表》(CUCEI)、《教育技术辅助下聚焦结果的学习环境量表》(TROFLEI)以及《多维学生生活满意度量表矩阵》(MSLSS)。上述量表的因子效度与信度在不同课堂中得到了多次验证，因此，本研究问卷参照这三份量表，选取教师支持、课堂参与、学生融洽、任务取向、个性化、合作、计算机运用以及满意度8个因子。基于MOOS的人际关系、个人发展、系统维护三个维度，本研究沿用前两个维度。由于研究环境为线上教学，在参考《教育技术辅助下聚焦结果的学习环境量表》(TROFLEI)之后，对第三个维度进行了针对性扩充(表1)。

表1 在线课堂效率评价各维度包含因子

本研究主要考虑课堂环境中对学习产出产生影响的各种因素，将在线课堂环境的三个维度(人际支持、个人发展、网络使用)采集到的数据视作在线学习的投入指标，将学生对自己学习效果的评价作为产出指标，运用DEA模型测算学生的在线学习效率值，从而对其学习效率进行评估。

(二)问卷发放及数据清理

本研究根据上述12个因子，设计了包含15个问题的问卷(表2)。采用5级量表的形式，“非常同意”赋值5分，“同意”赋值4分，“不确定”赋值3分，“不同意”赋值2分，“非常不同意”赋值1分。问卷于2021年4月至5月通过问卷星随机发放给云南三所高校的在校学生，回收问卷548份，其中2020级233份，占42.5%；2019级134份，占24.5%；2018级128份，占23.4%，2017级36份，占6.6%(以上皆为本科生)；硕士生17份，占3.1%。对问卷数据进行信度效度检测，结果显示Cronbachα系数为0.862，KMO值为0.931；Bartlett球形度检验给出的近似卡方值为3 449.46，对应的P值为0.00。采用IBM SPSS Statistics 26统计软件进行无效问卷清洗，最终得到有效记录324份。

表2 问卷指标及问题描述

续表

三、数据分析

运用DEAP2.1对清理后的324份问卷进行分析，5级量表从“非常同意”到“非常不同意”由高到低赋值5到1(其中“页面吸引力”题项从“非常同意”到“非常不同意”分值分别为1～5)。其中，第2～10题共9题为投入指标，第11～13题共3题为产出指标。根据CCR模型得到综合效率值，根据BCC模型得到纯技术效率值，根据“综合效率=纯技术效率×规模效率”可以得到规模效率值。变化趋势中，“c”表示规模收益不变，“drs”表示规模收益递减，“irs”表示规模收益递增。由于篇幅有限，表3只截取部分数据结果。324份样本的综合效率均值为0.818，规模效率均值为0.946。

表3 数据测算结果(部分)

(一)总体分数情况分析

学生打分的总体情况如表4所示，总体分数不高，这是因为大多数人的得分为4分(“同意”)，说明学生对各项指标的评价还有上升空间。在人际支持、个人发展、网络使用、学习效果四个维度中，学生对人际支持方面的评价较高(评分3.623)，而对网络使用方面的评价较低(评分3.275)。其中，学生对在线教学中教师的支持程度(评分3.654)、自己的参与程度(评分3.682)、学习的个性化程度(评分3.605)、与同学的合作程度(评分3.608)以及优质资源的提供(评分3.633)方面有较好的体验与评价；学生感觉与同学的融洽程度(评分3.534)、自己对课程目标的清晰程度(评分3.441)以及在线教学平台的操作便易和网络平稳程度(评分3.302)紧随其后；而在线教学的学习页面，只有78人(24%)表示会被页面吸引而专注学习，因而该项评分最低(2.889)。从学习效果的产出指标来看，三项指标分数差别不大，认为自学能力有所提升的评价(评分3.562)略高于认为学习收获(评分3.441)和学习兴趣(评分3.404)有所提升的的评价。

表4 324份问卷各项打分统计

(二)DEA效率指数分析

将人际支持、个人发展、网络使用视作在线学习的投入指标，自学能力、学习收获、学习兴趣视作产出指标，把各项分值放入模型中计算后，得出DMU综合有效(综合效率为1)的学生共计51人，约占样本总数的15.7%，即84.3%的学生在学习活动投入方面的产出水平未能达到理想状态。大部分学生(36.7%)的学习效率值集中在0.70～0.84这一区间内，效率值在0.5以下的有1人，综合效率均值0.818，标准差0.132，具体分布如表5。

表5 综合效率情况

从规模效率的变化趋势来看，66位学生的规模效率不变，表明在线学习投入规模有效；219位学生规模效率递减，表明这个群体的学生投入规模过大，或者说产出规模达不到投入规模的预期；另外39位学生规模效率递增，这些学生投入规模过小，表明他们在人际支持、个人发展、网络使用方面体验不佳。

绝大部分学生体现出投入规模过大的问题，其中“教师支持”(冗余均值0.507)、“个性化”(冗余均值0.447)、“合作”(冗余均值1.034)、“页面吸引力”(冗余均值0.546)以及“平台操作”(冗余均值0.431)几项冗余值偏大。也就是说，学生在课堂中获得教师的支持、与同学之间的合作、在线教学的个性化体验、课堂中明确目标及任务以及在线操作的便易快速，并没有带来太多对自学能力、学习收获和学习兴趣方面的提升。其中，“合作”一项冗余值高达1.034，表明在线课堂中的学生合作环节远远没有达到预期。合作式学习能让学生之间形成积极的依赖关系，增加成员的责任感，加强彼此之间的沟通与交流。大部分学生选择与同学合作而非自己独立完成老师布置的任务，但是这并没有对他们的学习效果产生相应的积极评价。而“课堂参与”“学生融洽”以及“资源提供”冗余较其他几项偏小，说明对这些学生来说，积极参与到课堂当中，与同学相互支持，以及在线教学中获取的大量优质资源对学习效果评价非常有效。

四、结论与建议

得益于疫情期间国家对在线教学产业的投入和发展，各层次学校都得以依靠网络正常组织教学活动，学校的硬件设施、在线教学资源平台以及师生的数字素养都有了很大提升，而这些投入对学生的学习效率有多大作用还需要长时间的观察与探究。本文通过问卷形式研究了在线环境下的学习效率问题。虽然问卷的形式有一定的主观性，但是通过学生感知角度研究学习效率有其优越性。研究发现，尽管疫情期间对在线教学大力支持，但在线教学效率并不高，仅有15.7%综合效率有效，20.4%规模效率有效；有67.6%的学生出现规模递减，投入规模过大。考虑到各项评价分数不高的情况，综合效率有效和规模效率有效仅能代表这部分学生在人际支持、个人发展、网络使用方面的投入得到了与之相对的学习效果，并不能说明这部分学生学习效果良好。从冗余角度来看，学生对教师支持、课堂参与、个性化、合作、资源提供的评价较高，但是其中教师支持、个性化、合作的冗余也大。课堂参与、学生融洽以及资源提供在学习效果的产出评价中冗余较小，投入效率较高。鉴于此，本文提出以下建议。

第一，学校要加大对在线课程的支持与鼓励。后疫情时期，参与超过三门(含)以上在线课程的学生不足32%，对在线教学环境的各项因素评价有待提高。要切实加大对在线教学的支持，鼓励教师尝试开设在线课程，让师生认识到在线教学的优势，提高师生的数字素养。同时，学校要加大对教师队伍在线教学的培训，出台相应的政策优化考核办法，让教师积极参与在线教学，借助疫情“倒逼”的契机，让在线教学常态化，真正实现教学信息化和数字化[7]。

第二，加大平台建设力度，营造良好学习氛围。在线教学中，网络平台是至关重要的一环。虽然学生能获取大量优质资源，但从平台的操作使用、网络稳定和页面吸引力来看，反馈都不佳。要提高在线教学的效率和质量，就要提高相关技术支持和服务的质量。只有硬件方面给予充分保障，才能对后续的教学质量提出更多的要求。利用平台不能只是一味地播放讲课视频，应该结合一定的教学方法，打造以学生为中心的教学平台，形成活跃友好的交流气氛，让学生更多地参与到在线课堂中来。

第三，加强课堂设计，凸显各环节优势。除了继续保持课堂参与、学生融洽以及资源提供方面的投入，学校还需要加大教师支持、个性化、合作对学习效率产出的转化。大部分学生都感受到老师的关注，有与其他同学合作完成任务的体验，也能自由选择学习进度与任务，但这些对学习效果作用并不大。首先，对教师与学生的交流，要有效、切实地产生作用。课前能调动学习动机，课上能建立安全的氛围鼓励学生多参与，课后要及时回答学生的疑问，帮助他们思考和探索。其次，学生的个性化学习不代表“放养式”学习。有效的监督措施是十分必要的，要及时了解学生的学习进度。最后，学生的合作任务要精心设计，有原则地分组，鼓励学生多发表见解，提高学习能动性，形成激励机制。合作学习能有效减少学生的心理压力，这对居家在线学习的学生尤为重要。

第四，借鉴国内外在线教学经验，促进资源共享。云南位于西南边疆地区，其在线教学的硬件、软件都与发达地区有一定差距，因此要向国内外具有成功在线教学经验的院校学习，结合本地的实际情况与特色，博采众长，提升自己的在线教学实力。