基于有调节中介模型的C语言在线教学效果影响因素研究

钟志强

(鞍山师范学院 物理科学与技术学院,辽宁 鞍山 114007)

通过对网络或线上教学效果研究发现:总体上,师生参与度不高、教学效果不理想、教学投入大但效益不明显是存在的主要问题[1-2].在具体分析影响教学效果的因素时,由于统计模型的选取、影响因素的选定以及教学与管理的不同视角差异,导致研究结论存在不同:有影响学习效果的学生主体说,认为已有学习经验、知识准备和智力因素影响了学习效果[3-4],学习动机和自我效能感以及学习倦怠等非智力因素对学习也有作用[5-7];有影响学习效果的管理方式说,认为学习评价有待优化、教学管理制度需要改进[8];有影响学习效果的教师主导说,认为教师是影响在线教学效果的主导因素[9];有影响学习效果的师生交互作用说,认为师生的互动与学习效果紧密相关[10-11].研究者在权衡影响教学效果因素之间关系时存在分歧:戴心来等[12]认为课程内容质量、师生交流、生生交互是影响学习效果的关键;王孝金等[13]认为环境因素对学习影响最大,个体因素影响较小,简单交互对学习没有直接影响.根据上述相关研究的成果,本研究借助结构方程模型进一步分析影响教学效果的教师因素、学生因素和交互因素的关系,并利用调节与中介模型深入探讨教学交互作用.

1 方法

1.1 研究对象

采用整群取样法,对辽宁省33所高校电子信息类专业2021—2022学年两学期的C语言线上授课情况进行调查.通过某网站请学生自愿在线填答,共回收有效问卷590份.

1.2 研究工具

参考C语言教学影响因素相关研究[14-15],编写本次调查问卷,见表1所示.一级指标中“U3交互因素”三个层面的划分是根据远程教育理论家Moore[16]的研究成果;“U4教学效果”四个因素的确立是根据布鲁姆教育目标认知领域分类法并结合C语言教学情况改编而成.二级指标中U11～U44测量变量均采用Likert scale 七级评分法.从评分结果的描述统计可知,各项测量数据基本正态分布,有较好的测量效度预期.

表1 C语言线上教学满意度调查评价量表及结果描述统计

1.3 调查问卷的信度与结构效度

信度(Reliability)是指同一对象重复测量结果的一致性程度[17].为克服Cronbach’sα信度检验的不足,本次研究采用了单个项目信度(Squared Multiple Correlations,SMC,R2)、组合信度(Composite Reliability,CR,ρc)和聚敛效度即平均抽取方差量(Average Variance Extracted,AVE,ρv)[18]对问卷调查信度进行检验.SMC反映测量变量受潜变量的影响程度,其值R2等同于回归(路径)系数或因子载荷的平方,当R2>0.5时,表明潜变量能够解释测量变量50%以上的变异.SMC越大,测验信度也就越高,越接近真分数.但SMC只是一个项目的信度,计算以单维假设为基础的信度估计,如果一个测量变量受两个以上潜变量影响,则该式不适用.组合信度反映其子测量因素之间的一致程度,其值ρc越高,表示这组测量变量之间的关联度越大.当ρc达到0.5 时,所使用的测量子项基本反映了测量目的.AVE反应的是各潜变量可以解释其测量变量变异的比值,当ρv大于0.5时,表示潜变量的聚敛能力理想.根据Bollen[19]的建议,利用验证性因子分析完成信效度计算.从表2可知,除U31因子的SMC数值偏小外,组合信度和聚敛效度都达到适配标准,说明问卷题目信度质量良好.

表2 测量量表因子载荷及信度检验表

结构效度(Construct Validity)反映实验与理论之间的一致性,使用区别效度法(Discriminant Validity)检验,即其他因子的相关系数的平方(r2)与因子平均抽取方差量的平均值(ave(AVE))的比,如果比值小于1,则表明测量模型具有较好的区别效度[20].从表3可知,各因素之间的相关系数(r)介于0.220～0.591之间,最大的相关系数0.591置信区间(Confidence Intervals,CI)为0.475～0.707,未覆盖1,说明各因子之间显著不相关,有较好的区别效度,即问卷题目结构效度良好.

表3 影响教学满意度各因素区别效度检验表

1.4 共同方法偏差检验

共同方法偏差(Common Method Biases,CMB) 测量的是一种系统误差,是指因为同样的数据来源或测量环境、项目语境以及项目本身特征所造成的预测变量与效标(Criterion)变量之间人为的误差.根据汤丹丹等[21]的研究建议,采用控制未测量潜因子法(Controlling for the effects of an Unmeasured Latent Methods factor,ULMC)对共同方法偏差进行检验.首先,建构验证性因素分析模型M1;然后,构建包含方法因子的模型M2.比较模型 M1和M2的主要拟合指数得:△χ2/df=0.027,△CFI=0.018,△TLI=0.029,△RMSEA=0.02.根据文献[22]的研究结论,本次数据各项拟合指数的变化结果均符合小于0.03的参考量,表明加入共同方法因子后,模型并未得到明显改善,测量中不存在明显的共同方法偏差.

以上分析说明,本次调查问卷的设计与测量结果是在较为系统和严谨的理论与统计检验基础上,并满足结构方程模型分析的前提条件.

2 分析准备

2.1 模型构建

本次研究基于结构方程模型,全面考虑影响C语言线上学习效果的各种因素,深入分析各因素间的关系.其测量模型就是前面研究的验证型因子分析,其结构模型就是探索影响潜变量关系的路径分析或中介分析.图1展示了本次研究的结构方程模型的拓扑结构.

图1 C语言线上教学效果影响因素假设模型

2.2 模型拟合检验

模型拟合检验是检验构建模型与实际数据拟合程度,即模型评价.根据文献[23]的建议,报告指标有χ2/df、CFI(Comparative Fit Index)、TLI(Tucker-Lewis Index)、SRMR(Standardized Root Mean Square Residual)、RMSEA(Root Mean Square Error of Approximation).此外,Mplus软件会报告RMSEA的90%置信区间(Confidence Interval,CI).对假设模型拟合数据(见表4)进行检验,参照拟合参考值,可知假设模型拟合欠佳,需模型修正.

表4 四种模型检验拟合指数表

表5 模型修正指数参考表

2.3 模型修正

模型修正包括改变和删除路径.根据Mplus生成的模型修正指数(Modification Index,MI)见表5.对修正指数较高的“U44解决实际问题,运用于新情境”-“U3交互因素(修正指数256.502) ”项进行路径修改,其理论依据是:高级阶段知识的运用(U44)与教学中交互因素(U3)关联较大,没有教学交互参与,较难形成高水平的知识获得,因而将U44设置为U3与U4的共同因素.当一个测量变量受两个以上潜变量影响时,载荷因子数值与0.5没有参考意义.删除载荷因子过低的“U31师生交互(0.135)”子项,其修正指数为(180.606),修正后模型见图2.新拟合结果见表4第2行(模型修正后).参照拟合参考值,修正后模型拟合良好.

图2 C语言线上教学效果影响因素修正模型

3 模型分析

3.1 模型解释力评估

模型解释力评估即合理性检验,主要是判断其估计值的范围.本文以测量模型的描述统计情况作为分析源,侧重结构模型分析潜变量之间的关系.从Mplus程序运行结果(表6)可知,在测量模型的因子分析(以BY为标记)中,教学效果(effect)对“解决实际问题,运用于新情境(U44)”的载荷因子(0.113,p=0.001)数值较低,但有统计意义影响,说明高水平教学效果在C语言课程中仍未体现出来.影响教学效果较高因子的因素分别是学习动机、教学内容质量、生生交互、概念理解形成新认识.在结构模型的路径分析(以ON为标记)中,教学的交互(interaction)作用对教师因素(teacher)(0.035,p=0.449)数值较低且没能形成统计意义的影响,说明教师因素在教学过程中没能有效作用于交互因素,路径关系不存在,即师生的交流不够理想,其余各项影响指标均达到统计意义.以上分析说明,教师因素(U2)和学生因素(U1)都可影响线上学习的效果(U4),而教学的交互因素(U3)未能产生作用.

表6 结构方程模型因子载荷与回归分析表

3.2 模型路径的中介分析

引入中介变量的多因变量回归分析也是路径分析.中介变量既是自变量又是因变量,从而能深入分析多个自变量与多个因变量的因果关系.显(观察)变量结构关系是传统路径分析.在结构方程中,结构模型是探索潜变量因果关系的路径分析,即通过计算潜变量的直接效应(Direct effects)、间接效应(Indirect effects)和总效应(Total effects)进行中介分析.本次研究利用中介变量分析影响教学效果各因素之间的关系.

早期检验中介效应方法是系数乘积法和逐步检验法.根据文献[24]推荐,本次研究使用偏差校正Bootstrap法,其优点是直接检验系数乘积的显著性.将学生因素和交互因素作为教师因素影响教学效果的中介,共有二条包含中介的途径:一是以 “学生因素”和“交互作用”为链式中介的路径p1(a1,a4,b1),二是以“学生因素”为中介的路径p2(a1,b2).整体中介拓扑见图3中实线部分,模型拟合指数见表4第3行(路径的中介分析).从表7中介效应分析计算结果可知,所有95%置信区间内都不包含0,说明路径系数都具有统计意义,直接和间接效应显著.中介效应在总效应的占比为47.5%(0.179/0.377),说明存在中介的作用,且是不完全中介.p1与p2两条路径差异显著(差值为-0.077,95%CI(-0.136,-0.028)).以“交互作用”作为链式中介的p1效果较低,说明教师通过学生再经过交互的教学过程中,“交互作用”部分存在不足,即教师对教学效果的作用没有完全通过学生因素体现.

图3 学生因素、交互因素中介和教师交互作用图

表7 偏差校正Bootstrap法中介效应表

3.3 有调节的中介检验

据前期数据分析:在1.3信度效度检验中,“U31师生交互”载荷因子较低;在2.3模型修正中,高级知识的习得“U44解决实际问题,运用于新情境” 修改为交互作用和教学效果的共同因子,同时,为了模型拟合不得不从结构方程“U3交互因素”中删除“师生交互”;在3.1模型解释力评估中,教师因素在教学过程中没能形成有效的交互作用;在3.2模型路径的中介分析中,教学效果来自学习过程中的交互作用不多.统计过程表明 “交互作用”环节影响了线上教学满意程度.

在线教学过程中,先由教师展开教学,然后经过学生学习与师生教学互动后,最后由学生感知教学质量.面对教学互动(U3)中介存在但作用不显著的问题,本研究认为存在一调节因素,使中介作用存在差异,进而分摊其作用优势,产生调节效应.在教学过程中,师生交互(U31)可能作为调节变量影响因变量学习效果.因而研究假设1:“师生交互”作为调节变量影响以学生因素(U1)为中介的教学效果模型;假设2:“师生交互”作为调节变量影响教师因素(U2)的教学效果模型.拓扑结构见图3虚线连接部分.

根据温忠麟等[25]对有调节的中介效应检验方法,本研究采用潜调节结构方程法对调节效应检验进行系数估计[26].其优点是无需人为构造交互指标,方便进行高阶调节作用检验.模型拟合指标见表4第4行(有调节的中介),其结果表明模型拟合良好.在有调节的链式中介(a1,a4,b1)中,交互变量“teacher×U31”是“U2教师因素”与“U31师生交互”二者的交互项.a3(λ=0.043,t=0.955,p=0.050)表明师生的交互作用对教师因素和学生因素调节效果显著;c3(λ=0.010,t=0.207,p=0.836)表明师生的交互作用对学生因素和教学效果的调节效果不显著,说明“师生的交互作用”在教学前段(链式中介前)比教学后端(链式中介后)效果明显.如此调节检验深化了中介分析结论,课堂中的师生交流比课后的师生交流效果好.

图4 教师的交互作用对教学效果的调节作用

在线课堂教学中,师生的交互作用对有中介学生因素的教学效果具有调节作用,见图4.针对调节变量取值高低不同,自变量与因变量关系的方向不受影响,其斜率同为正,但强度受到明显影响.调节主效应交互水平低组斜率K1(λ=0.171,t=2.874,p=0.004)和调节主效应交互水平高组斜率K2(λ=0.278,t=3.442,p=0.001)统计意义显著,即调节变量增加了自变量对因变量影响的大小,说明“师生交互”具有增强作用(Reinforcement).在教师交互状况不同时,尽管学习因素对教学效果影响不大,但也达到了差异显著水平(差值为0.12,p<0.034).因此,师生交互调节了教师与学生前期学习质量之间的关系.假设1得到支持,假设2没有得到支持,从而肯定中介的存在,即教师对教学效果的作用一定通过学生因素,是师生的交互水平影响了教学效果.

4 结语

通过结构方程模型分析可知,被调查的C语言教学效果没有达到理想效果,高水平知识习得的教学目标没有达成.在教学交互的三个层次中,学生之间交互和学生与教学内容交互都对教学过程产生了影响,影响虽不大,但统计意义显著;师生之间交互没有对教学过程产生影响.以“学生因素”为中介的路径效果高于以“学生-交互” 为中介的路径效果.课中的交流比课后的交流效果好,课后的师生交互作用有待加强.师生的交互作用以学生因素为中介对教学效果具有调节作用,善于和教师交流的学生学习效果好,反之较差.

基于上述分析结果,针对网络教学中师生之间因交互障碍所产生的各种问题,采取加强课内外交互信息运用、积极促进思维互动的方法,帮助学生理解学习目标并完成知识习得,优化形成性评价,进而提高教学效果.