网络课程疲劳的量表编制及初步应用

钟建安 苏 逸 王咏尔 郁林瀚 陆筱佳 钱璐瑶

(1 浙江大学心理与行为科学系，杭州 310028)

(2 浙江大学管理学院领导力与组织管理学系，杭州 310058)

1 引言

网络课程(以下简称“网课”)在2020年初新冠肺炎疫情暴发以后，成为一种被普遍采用的教学模式。近来，国内疫情虽然总体可控，但仍有反复，网课在当下和未来都有一定使用需求。因此，很有必要对网课及其影响进行深入研究。就其影响而言，网课除了拥有丰富教学模式、保障疫情期间教学正常运转等优点，也可能会加大学生的疲劳感知，特别是在新冠肺炎疫情背景下。

新冠肺炎疫情使全球多地采取封闭措施，众多学校也从线下教育过渡到网课，导致学生报告更多的精力枯竭(Brainard & Watson, 2021; Labrague & Ballad, 2021)。国外学者使用机器学习技术考察疫情对课堂、教师和学生的影响，发现舆论越来越多地呈现出精神疲劳、失业、学生担忧等负面内容 (Imatitikua et al., 2021)。 Asgar等人(2021)发现超过70%的学生在参与多个在线学习后，很难保持注意力或体验到疲劳。国内学者(曹雅雯等, 2021)对2671名大学生进行问卷调查发现，在新冠肺炎疫情期间，网上学习和娱乐造成的长时间终端屏幕暴露是导致大学生视疲劳发生率较高的原因之一。管博阳(2020)对疫情下新疆地区1328名高中生的调查结果表明，学生存在因长时间盯手机或电脑而感到眼睛干涩难受、注意力易分散等问题。樊盼玉等人(2021)对疫情常态化下居家学习网课的医学生的调查揭示，即使在疫情常态化时期，仍有近半数学生表现出较高水平的学习倦怠。由此可见，疫情背景下网课引发学生疲劳是一个全球性的问题，不同阶段的学生都有网课疲劳的体验，网课疲劳有生理和心理(如注意分散、倦怠)等多种表现形式。

之前的文献对学习疲劳的负面影响展开了广泛讨论，例如：疲劳会降低学生标准化测试成绩(Campos et al., 2012; Mizuno et al., 2011)，造成学生努力-回报失衡(Fukuda et al., 2010)，而适当的休息可以提升考试成绩(Sievertsen et al., 2016)。与学习关联的疲劳会对健康造成负面影响(Maslach et al., 2001)，如更低的睡眠充足率和睡眠质量(Ayala et al., 2017)，还会造成学生社会适应不良(Rella et al., 2010)，影响学生心理健康等(崔立中, 刘鹃, 2007)。网络学习使得教师和学生处于时空分离状态，检测学生是否疲劳有助于提高学生学习效率和结果(彭慧玲, 2008; 吴慧婷, 2020)。由此可见，对疫情背景下网课疲劳进行科学研究具有十分重要的现实意义。然而，目前国内外文献对网课疲劳的概念结构与测量方式研究有限，阻碍了进一步深入探索。

为解决这一问题，基于深度访谈与科学的问卷构建过程，编制出具有较高信效度的网课疲劳感知量表，以此为工具，探讨教师幽默、学生的网课投入和网课疲劳三者间的关系。研究目的在于：第一，构建基于网课背景的学生疲劳感知量表，明确其结构，这对更加准确、科学地认识网课疲劳具有积极意义。第二，过去的学习疲劳研究往往基于线下教学与授课，无法体现学生长时间注视屏幕、缺乏教师监控和同学互动等网课特点。本研究结果对辨析线下学习疲劳与网课疲劳的区别，从而针对性地进行课程设计和理论改革具有指导意义。第三，探索教师幽默对学生网课疲劳的作用，补充教师幽默对学生影响的文献(Bieg et al., 2019; Daumiller et al., 2020; Tsukawaki & Imura, 2020)。这对于后续出台应对措施，缓解学生网课疲劳，提升网课学习效率具有重要的现实意义。

2 网课疲劳的概念

疲劳是一个普遍但又复杂的概念，现有研究有从疲劳的来源(如长时间高强度工作)、行为后果视角(如表现下降)等界定(Chalder et al., 1993)。与网课疲劳相关的研究中，张志园(2013)曾提出广义的学习疲劳概念，即学生经过长时间的学习活动而引起相应的躯体症状与学习能力下降，以及不良情绪反应的现象，并构建了由躯体症状、情绪失调和认知障碍三个维度构成的中学生学习疲劳自评量表。Bennett等人(2021)关注疫情期间从大众媒体话语中传播开来的视频会议疲劳概念，将其界定为员工因为参加视频会议而感到精疲力竭、厌倦、疲乏的程度。

此外，关于疲劳和工作负荷的相关文献和成熟量表已对疲劳的测量进行了全面讨论(Bennett et al., 2021; Cao et al., 2009; Noyes & Bruneau, 2007; Rubio et al., 2004; Smets et al., 1995)。例如，Pines和Aronson(1988)编制的倦怠量表评估了个体生理、情绪、心理上的疲劳程度，并在后续研究中验证了该量表的三维结构，即耗竭、低落、丧失动机(Enzmann et al., 2011)。人因研究领域传统的 NASA-TLX量表从精神需求、身体需求、时间需求、绩效、努力和挫折水平等六个维度来评价主观心理负荷程度(Cao et al., 2009)。Bennett等人(2021)通过综合性的词语表述(疲惫不堪的、精疲力竭的)让员工评价自己参与视频会议疲劳的程度。

从这些与疲劳相关的概念及测量来看，躯体、行为以及情感、认知等维度产生疲乏、厌倦的负面感受，是疲劳的核心特点。基于现有研究，将网课疲劳定义为个体因持续参加网课而在生理、认知、情绪、动机等方面感到疲劳的程度。在这一概念基础上进行网课疲劳量表编制及验证。

3 量表构建

3.1 访谈与题项构建

四位管理心理学研究生在一位管理心理学教授的指导下，通过半结构化访谈(如“你是否有过网课疲劳，具体有哪些症状表现？”及一些开放性问题)，对12位在疫情期间平均每天上网课时间大于一小时的学生进行深度访谈。在征得被访者的知情同意后，对访谈过程进行录音，以便后续分析。在访谈过程中，如果被访者无法界定网课疲劳或者难以回忆，访谈人员向被访者提示可能会在哪些方面(如生理、情绪等)出现网课疲劳。为保证访谈的科学性和客观性，减少被访者的要求特征，访谈人员给予被访者充分的思考时间，鼓励其自由回忆，并强调不要受访谈人员提示的限制。12位被访者中，女性9名，硕士生8名，本科生2名，博士生和小学生各1名，平均年龄约23岁，典型一天的平均上网课时间约3.7小时。

访谈员将访谈录音转录成文字稿，对文字内容进行编码以形成有关网课疲劳的题项。编码首先由四位访谈员独立进行，保留两人及以上达成一致的编码项；对于有争议的编码项，认真对照网课疲劳的定义，考虑编码项是否能很好地描述网课疲劳的定义，经充分讨论后，决定保留或者删除。对于某些语言表达重复或语义相近的编码项，出于简洁性考虑，讨论后只保留其中一项。编码过程举例如表1所示。最终形成了十题项的网课疲劳初步量表。

表1 编码过程举例

3.2 初测与初步量表质量分析

3.2.1 方法

线上数据搜集平台随机招募了322名被试，剔除作答时间过短，多个题项反应相同的被试，最终将293名被试的数据纳入分析(有效率90.99%)。其中女性46.76%；年龄主要集中在18～24岁(42.32%); 职业主要为在校学生(41.98%)；教育水平主要集中在大学本科(67.24%)；平均一天上网课时长主要集中在1～3小时(45.39%)。

借助SPSS23.0进行数据分析。选取总分前27%和后27%被试，进行独立样本t检验，发现每一题在高分组和低分组之间都有显著的差异(两组差异范围在[1.18-2.23],ps<0.001)，说明题项有明显的区分度。

KMO系数为0.89, Bartlett检验系数为1509.55 (df=45,p<0.001)，说明适合进行因素分析。利用主成分分析法提取因素，并用最大方差法对因素进行旋转。结果显示，前两个因素的特征值大于1，分别能解释总方差的52.36%和11.76%，累计解释总方差64.12%。删除双负载(在两个因素上的载荷之差小于0.2)的题项(“失去学习兴趣”)，剩余九个题项(刘电芝等, 2011)。因为题项“想要退换课程”“认为这门课不再重要”在F1和F2上均有大于0.3的载荷(前者为0.68和0.42，后者为0.74和0.36)，且都更多地负载在F1上，但与负载在F1上的其他四个题项无法同时解释(这四个题项的内容可以归入同一范畴)，经过认真讨论后，决定删掉。

最终，网课疲劳初步量表形成了两个因素七个题项，如表2所示。根据题项内容对因素进行命名，确定因素一为生理疲劳，因素二为内容疲劳。

表2 各题项因子载荷和题总相关

3.2.2 初步量表信、效度分析

在初步量表中，生理疲劳和内容疲劳两个因素的内部一致性系数α均为0.81，总量表的α为0.84，说明该初步量表具有较好的内部一致性。

初步量表中，生理疲劳和内容疲劳两个因素的相关为0.52(p<0.001)，为中等程度相关；两个维度与总分的相关分别为0.91(p<0.001)和0.83(p<0.001)，为高度相关；题总相关为0.63-0.77(ps<0.01)，为中等程度相关。因为初步量表是通过访谈拥有真实网课经验的对象并借助专家判断等方法构建起来的，结合上述结果，我们认为初步量表具有较好的内容效度。

3.3 再测与正式量表质量分析

3.3.1 方法

线上数据搜集平台随机招募了800名被试，剔除作答时间过短，多个题项反应相同的被试，最终将755名被试的数据纳入分析(有效率94.38%)。其中,女性36.56%；年龄主要集中在18～24岁(53.38%)；职业主要为在校学生(60.53%)；教育水平主要集中在大学本科(63.71%)；平均一天上网课时长主要集中在1～3小时(41.10%)。平均网课数量约四门(SD=2.70)。

借助SPSS 23.0和Mplus 8.3开展数据分析。随机抽取一部分(304份)数据用于探索性因素分析，另一部分(378份)数据用于验证性因素分析，并确保两部分数据之间无重叠(陈燕红等, 2019)。探索性因素分析的结果显示，前两个因素的特征值大于1，分别能解释总方差的44.31%和17.27%，累计解释总方差61.58%。这与初测结果一致，说明七题项的网课疲劳量表具有相对稳定的因子结构。

3.3.2 正式量表信、效度分析

正式量表中，生理疲劳和内容疲劳两个因素的内部一致性系数α分别为0.74和0.82，总量表的α为0.82，说明具有较好的内部一致性。

正式量表中，生理疲劳和内容疲劳两个因素的相关为0.53(p<0.01)，为中等程度相关；两个维度与总分的相关分别为0.89(p<0.01)和0.86(p<0.01)，为高度相关；题总相关为0.57～0.75(ps<0.01)，为中等程度相关。结合上述结果，我们认为正式量表具有较好的内容效度。再测的因子载荷和题总相关整理在表2括号中。

为进一步验证正式量表的结构效度，检验两因素结构的稳定性，借助MPLUS 8.3软件进行验证性因素分析。将378名被试的数据纳入分析，两因素模型的χ2/df为3.83(49.78/13), RMSEA为0.09, SRMR为0.04, CFI为0.96, TLI为0.94，所有模型拟合指标均优于单因素模型(χ2/df为13.56(189.80/14), RMSEA为0.18, SRMR为0.08, CFI为0.91, TLI为0.71)。综合以上结果，网课疲劳感知量表具有较好的心理测量属性。量表完整题项见附录。

4 量表应用

4.1 假设推导

众多原因会影响学习疲劳(Bener et al., 2019; de Vries et al., 2017)。 基于资源保存理论(Hobfoll, 1989)， 本研究探讨教师幽默、学生网课投入与学生网课疲劳之间的关系。

大量研究结果表明，幽默/幽默感与一系列积极心理和行为结果有关，如幽默感可以缓冲压力(Martin & Lefcourt, 1983)，积极的幽默感与社会能力各维度(如建立关系、自我表露、整体的人际关系能力)呈正相关(Yip & Martin, 2006)，神经影像学的研究(Mobbs et al., 2003)还揭示了幽默有益的神经基础。

个体除了受到自身幽默感的影响，还受到他人幽默感的影响。在面试中，求职者可以将幽默的自我表露作为一种印象管理工具，增加他人对自己温暖和能力的感知，甚至可以增加自己被录用的可能性(Bitterly & Schweitzer, 2019)。组织中幽默的使用可以提升员工的士气(Gruner, 1997)，领导者使用幽默可以提升自己及集体的工作表现(Avolio et al., 1999)。在教育科学领域，过去的研究发现，教师在基于课程的在线社交网络中发布幽默的帖子，可以增加学生的参与度(Imlawi & Gregg, 2014)；教师的幽默使用可以显著预测学生课堂参与度(孙园园, 2015)。

网课投入与网课疲劳一样，也具有多重维度，表现为学生对当前课程投入较高水平的生理、情感与认知资源(Rich et al., 2010)。具体而言，生理投入意味着在生理上投入大量努力和精力，如长时间坐在电脑屏幕面前；而情感和认知投入意味着学生对于网课本身有较强的兴趣，全神贯注于网课内容，进入一种心流的状态(Csikszentmihalyi, 2014)。王卫等人(2017)的研究发现，心流体验可以提升在线学习者的满意度和积极态度，进而正向影响持续学习意愿。

资源保存理论关注个体面对外部压力事件的心理变化以及随后产生的行为结果。教师幽默作为一种外生性资源，可以补充学生由于长时间参与网课造成的资源损失，提升学生网课投入。当教师及其教学方式较为幽默时，学生更有可能被课程内容所吸引，对课程更加投入。但身心的投入在给学生带来求知满足和愉悦课堂体验的同时，也可能造成更高的身体疲劳。例如，学生因被幽默的老师和课堂所吸引，在上网课过程中不知不觉产生了错误的坐姿、长时间近距离盯着电脑屏幕、久坐等，反而造成课后更多的生理疲劳。因此，我们预期教师幽默虽然可以提升学生网课投入，但对于生理疲劳和内容疲劳可能具有不同预测方向。

因此提出如下假设：

H1：教师幽默与网课投入(生理、情感、认知)正相关。

H2：教师幽默与生理疲劳正相关，教师幽默与内容疲劳负相关。

H3：生理投入与生理疲劳正相关。

H4：情感投入与内容疲劳负相关，认知投入与内容疲劳负相关。

综合以上假设，进一步提出网课投入在教师幽默和网课疲劳之间的中介作用，即：

H5：生理投入中介了教师幽默和生理疲劳之间的关系。

H6：情感投入中介了教师幽默和内容疲劳之间的关系；认知投入中介了教师幽默和内容疲劳之间的关系。

4.2 方法

数据来自再测阶段对755名被试的测量。网课疲劳采用本研究编制的网络课程疲劳量表，共七题，采用5点李克特计分方式，1=从不，5=总是，代表题项为“上网课的过程中或结束网课后，我感到眼睛酸胀干涩”。总量表α为0.82， 身体疲劳和内容疲劳两个分量表的α分别为0.74和0.82。

教师幽默量表改编自Avolio等人(1999)的幽默行为量表，该量表之前常用于幽默行为的研究，较为成熟，并有相对较高的内部一致性信度，α为0.90～0.92(Avolio, et al., 1999; Dubinsky & Jolson, 1995)。该量表共五题，采用5点李克特计分方式，1=从不，5=频繁，代表题项为“教师用幽默来缓解疲劳和无聊”(α=0.85)。

网课投入量表改编自Rich等人(2010)的工作投入量表。该量表共18题，分为生理、情感、认知三个维度，采用5点李克特计分方式，1=很低，5=很高，代表题项为“我把大量精力投入到学习本课程中”，“我对这门课很热情”，“在上课时，我全神贯注于课程内容”，分维度α分别为0.86, 0.86, 0.87, 总量表α为0.95。

除了上述核心变量，本研究测量了被试网课数量、网课时长、性别、年龄、学历作为控制变量。

4.3 结果

表3为描述性统计结果。教师幽默与整体网课投入正相关(r=0.51,p<0.01)，与生理投入正相关(r=0.46,p<0.01)，与情感投入正相关(r=0.50,p<0.01)，与认知投入正相关(r=0.44,p<0.01)；教师幽默与整体网课疲劳相关不显著(r=0.01,ns)，与身体疲劳成正相关(r=0.10,p<0.01)，与内容疲劳呈负相关(r=-0.10,p<0.01)；生理投入与身体疲劳相关不显著(r=0.01,ns)，情感投入与内容疲劳负相关(r=-0.30,p<0.01)，认知投入与内容疲劳负相关(r=-0.28,p<0.01)。描述性统计结果整体上部分支持了本研究的假设。

表3 描述性统计结果

利用层次回归分析进一步探讨教师幽默、网课投入和网课疲劳的关系。第一步将控制变量纳入回归方程，第二步将控制变量和自变量(教师幽默)均纳入回归方程，第三步将控制变量、自变量和中介变量(网课投入)均纳入回归方程。结果如表4所示。在控制了性别、年龄、学历、网课数量、网课时长等变量后，教师幽默与生理疲劳正相关 (b=0.07,SE=0.03,p<0.05)，与内容疲劳负相关 (b=-0.10,SE=0.04,p<0.05)。控制生理投入后，教师幽默与生理疲劳仍然正相关(b=0.09,SE=0.04,p<0.05)，但生理投入与生理疲劳无显著关系(b=-0.05,SE=0.05,ns)。纳入情感投入和认知投入后，教师幽默与内容疲劳无显著关系(b=0.09,SE=0.05,ns)，但情感投入与内容疲劳负相关(b=-0.27,SE=0.07,p<0.001)，认知投入与内容疲劳负相关(b=-0.17,SE=0.07,p<0.05)。

表4 层次回归分析结果

为进一步探究网课投入的中介作用，借助PROCESS2.16.2计算间接效应95%置信区间，利用Bootstrap法，进行5000次抽样。结果表明，生理投入在教师幽默和生理疲劳之间的间接作用大小为-0.02, 95%CI为[-0.06, 0.02]，包含0。情感投入在教师幽默和内容疲劳之间的间接作用大小为-0.19, 95%CI为[-0.25, -0.13], 不包含0。认知投入在教学幽默和内容疲劳之间的间接作用大小为-0.15, 95%CI为[-0.20, -0.11]，不包含0。因此情感投入和认知投入的中介作用得到了证实，生理投入的中介作用未得到证实。

综合上述分析结果，本研究提出的假设得到了部分证实。教师幽默可以提升学生的网课投入，其中情感投入和认知投入可以进一步降低内容疲劳，情感投入和认知投入均可以在教师幽默和内容疲劳的负向关系之间发挥中介作用，这与研究假设一致。教师幽默与生理疲劳正相关，但是生理投入与生理疲劳不相关，且生理投入在教师幽默和生理疲劳之间的中介作用也不显著，这与研究假设不一致。本研究将在下文对这些结果进行讨论。

5 讨论

5.1 理论意义

第一，拓展了疲劳感知在网课情境中的测量与应用。基于相关文献，结合深度访谈结果构建题项，并借助两次线上调研数据进行验证，最终形成七题项的网络课程疲劳感知量表。EFA的结果揭示该量表有两个潜在维度：生理疲劳和内容疲劳。CFA的结果进一步证实了该二因素结构的清晰性与稳定性。与之前关于疲劳维度的划分相互印证(Chalder et al., 1993)。

第二，现有部分研究用客观的方法来检测学生线上学习疲劳，如利用人工智能、图像识别的方法对网络学习者的脸、眼、口进行分析(彭慧玲, 2008)，利用脑电数据线上评估工作负荷和疲劳(Kaethner et al., 2014)。但这些评估对设备要求较高，难以大规模推广。本研究编制的量表从传统心理测量学的角度是对网课疲劳的主观测量，可作为未来更全面的、主客观结合的方式测量学生网课疲劳的工具之一。

第三，发现教师幽默可以提升网课投入，并进一步降低网课内容疲劳，这验证了本研究编制的量表具有较好的内容效度和校标关联效度，也为初步构建网课疲劳和其他变量的关系网络提供了有益的尝试。同时，丰富了教师幽默的相关文献内容(e.g., Bieg et al., 2019; Daumiller et al., 2020)，揭示了教师幽默影响网课疲劳的内在路径。结果表明，教师幽默会提高学生对网课投入的生理、情感和认知投入，从而影响学生的网课疲劳感知。值得注意的是，教师幽默可能在降低课程内容疲劳的同时，增加学生所感知的生理疲劳，这说明教师幽默也可能存在负面作用，仍然需要根据相应的教学方式、网课设备和场景予以调整。

5.2 实践意义

一方面，学校、教育部门和社会各界都要重视网课学习中的疲劳现象，结合注意力、疲劳等心理学和生理学的理论，推广科学的测量工具和放松方法，及时掌握线上课程带来的新挑战与新情况，提前预防、及时发现和疏解网课疲劳。本研究提出并验证的量表可作为一种有益的实践尝试，应用到对于网课疲劳的实际测量当中，进而更好地评估与应对网课疲劳。

另一方面，教师的幽默感是降低网课内容疲劳感知的关键，因而有必要重视内容趣味性，适当提高老师的幽默能力，加强师生互动，从而更好地调动学生的积极性，减少学生网课疲劳。

5.3 研究不足和未来展望

首先，教学幽默与生理疲劳正相关，生理投入在教学幽默与生理疲劳之间的中介作用不显著，这与假设不符。未来需要进一步探讨结果的稳健性或者提出其他解释机制。

其次，在量表编制过程中未细分样本，未来可以在学生和职场人士等有网课需求的群体中重复验证量表的稳定性和样本特异性。

最后，在信息化教学发展过程中，校内外各类网课平台所具备的特点和功能是不可忽视的因素之一，研究者除了探索教师的授课特征对网课疲劳的影响外，也有必要探索客观条件，如网课呈现形式、课程时长、平台属性等客观因素是否能够激发或缓解用户的疲劳感知，进一步推动线上教学发展。

6 结论

本研究编制了网络课程疲劳量表，包括生理疲劳和内容疲劳两个维度，经检验具备较好的心理测量学特性，可以用作研究学生网课疲劳的有效工具。教师幽默对网课疲劳的两个维度具有不同作用，即教师幽默正向预测网课生理疲劳，负向预测网课内容疲劳。情感投入和认知投入在教师幽默和内容疲劳的关系中发挥中介作用。本研究为网课疲劳研究提供了有益的工具支持，并对之后的网课发展和线上教学改革提供了数据支撑和实践建议。