基于层次分析法的大学生线上学习满意度评价方法*

邓朗妮 杨洲 郭亮 周峥 廖羚

1 广西科技大学土木建筑工程学院 广西柳州 545006 2 广西科技大学科研处 广西柳州 545006

0 引言

近年来，随着信息技术和互联网的快速发展，在线学习已成为大学生获取知识和掌握技能的重要手段。早在2014 年，美国著名的盖洛普（Gallup）咨询公司在调查中就已表明，在线学习已进入发展的黄金期，而且这种学习模式目前已处在发展的“提速点”。我国教育部在《教育信息化2.0 行动计划》也提出，要积极推进“互联网+教育”的发展，将教育信息化作为教育系统性变革的内生力量[1]。“互联网+教育”的理念是为学习者提供优质、灵活、个性化教育的新型服务模式，是在线教育发展的新阶段[2]。

2020 年1 月以来，新冠肺炎疫情席卷全国。为了有效控制疫情，保障广大师生健康和生命安全，教育部要求所有中小学和大学停止面对面教学，并使用互联网平台进行在线学习。在此背景下，为了响应教育部的“停课不停学”号召[3]，高校全面实施规模化网络线上教学。与传统意义上的教学相比，线上学习实现了教与学的时间分离和空间分离。面对学习的线上与线下的两极反转，大学生对于线上学习过程及结果的满意度评价，是评判线上教学效果的重要参考依据，也是对未来是否能积极采用此类学习模式的直接影响因素。

因此，本文试图构建大学生线上学习满意度评价指标体系，帮助各高校有效考查线上教学实施效果，提升大学生在线学习效率。

1 理论依据及研究方法

1.1 线上学习满意度理论

关于满意度的研究最早可以追溯到20 世纪70年代，最初用于研究市场中消费者对产品质量和服务的评价[4]。线上学习满意度是学生对学习的“期望程度”和“实际收获”之间的差异比较，差异越小，学生满意度越高，两者成反比[5]。鲜明的要素指标是线上学习满意度研究的重点，迄今已有不少学者从线上学习满意度的角度对大学生线上学习效果进行研究。于翔[6]在大数据背景下通过学习环境个性化、教学活动设计灵活化、学习动机培养差异化三个方面来提升在线学习满意度。李莹莹等[7]构建大学生学习满意度模型编制调查问卷，对网络教学质量、学术任务价值感知、网络自我效能感、网络使用能力、学习动机、网络交互对满意度有显著预测作用。沈忠华等[8]通过结构方程模型，研究知识建构、师生互动、信息处理和大学生在线学习满意度的影响及其路径。主要发现知识建构、师生互动和信息处理对大学生线上学习满意度有明显正相关关系，男女生或是不同类型区域学校学生的线上学习满意度存在一定差异。朱连才等[9]基于学生的教学体验视角，结合期望理论对线上学习满意度进行研究，研究发现，影响学生在线学习满意度的根本原因在于学习目标、师生互动、教师关注学生程度等。陈梅[10]运用AHP 法重构小规模限制性在线开放课程混合学习评价体系，旨在全面客观评价学生在线课程学习，进一步激发学生的学习积极性和主动性。

通过以上文献梳理可见，大多数学者根据自己的研究区域构建不同模型对在线学习满意度进行分析，多数是针对学生学习目标、学习动机、师生互动等的总体研究，或是针对线上学习某些方面进行研究，专门针对大学生全面的、符合学生线上学习实际影响要素的线上学习满意度的研究还不够多，因此本文利用层次分析法进行全面层级化要素分解，对大学生线上学习满意度展开研究。

1.2 研究方法

层次分析法（Analytic Hierarchy Process，简称AHP）是将总目标分解成不同层级的元素，通过定性和定量分析相结合的方法进行决策。该方法最初是在20 世纪70 年代末由美国运筹学家匹兹堡大学教授萨蒂提出的一种层次权重决策分析方法。本文运用层次分析法步骤大致如下。

1）将大学生线上学习满意度评价因素分解为目标层、准则层的层次结构，建立递阶的层次模型来描述评价要素的相关性[11]。

2）用数值的形式将每个层次的指标两两比较判断相对重要性，构成判断矩阵，并且矩阵要符合Bij=1/Bji＞0，Bii=1[12]。

3）对大学生线上学习满意度进行单排序，同一层次之间指标对上一层次影响力大小进行排序。开展一致性检测，用一致性指标CI和一致性比率CR来判定，CI=0，判断矩阵一致性好，CI越大，一致性越差，CR＜0.1,判断矩阵一致性在容许范围内。

4）最后根据线上学习满意度各层次所有因素对总目标相对重要的排序权值，开展层次总排序及一致性检验，确定影响大学生线上学习满意度的关键因素。

2 线上学习满意度评价指标体系构建

2.1 指标确立及设计

在一级指标确立上，根据线上学习满意度理论及相关文献研究，本文将线上学习满意度评价具体分为四个维度：学生自身情况、教师教学特征、网络课程要素和网络交互情况。从学生层面来看，学生自身情况是网络学习评估的重点，线上学习面向的主体是每一个学生，学生的一系列学习行为都会对学习成果造成直接影响。在同样重要的教师层面，线上学习连接的源头主体就是教师，教学方式从空间到时间与传统教学大不相同，教师的教学风格和特征会对学生学习产生影响，遵循正确的教学规律进行教学传递，可以提升线上学习满意度。最后网络课程方面，网络课程的内容是学生与教师交互的最重要渠道，课程内容的设计要素需要贴合学生主体也要贴合教师主体，新奇的虚拟学习环境会使课堂氛围更加活跃，让学生获得空间上的自由，有助于提升学生学习热情和满意度，增加师生交互，可使学生通过网络提升自我能效感从而产生有益的学习动机。

关于二级指标的确立，本文采用了专家咨询法，得出16 个指标，并进行内涵设计。

1）学生自身情况主要由4 个指标构成：学生对于线上学习的态度、学生主观能动的学习能力、学生养成的学习习惯、学生开展线上学习所拥有的学习资源。

2）教师教学特征主要由4 个指标构成：教师线上教学展现的教学应对能力、教师对于线上教学的治学态度、教师的个人品行和教学特色、在线上课程上完后对学生的疑问进行线上的课后辅导。

3）网络课程要素主要由4 个指标构成：网络课程的时间编排、网络课程内容设计、网络课程素材编写、网络课程搭配的学生现实教材选用。

4）网络交互情况主要由4 个指标构成：教师与学生之间在虚拟课堂上的交互活动，包含问答、合作等；学生之间的合作，如在虚拟课堂上进行学习互助或以分组形式进行学习合作完成教师布置的任务；课后教师对于网络课堂的反馈，学生在完成一定学习任务的检验过后对于网络课堂的反馈。

2.2 指标层次体系

依据层次分析法，对线上学习满意度指标体系进行层次结构设计，共设计三层：目标层为要解决的问题，即线上学习满意度评价；一级指标为准则层，是满意度评价的结构性指标；二级指标为子准则层，是反映线上学习满意度的具体要素。目标层设为A，一级指标设为B，二级指标设为C，详见图1。

图1 大学生线上学习满意度评价层次图

3 线上学习满意度评价指标权重计算

3.1 构造判断矩阵

判断矩阵是通过同一层次的要素指标，两两比较，根据判断标度确定两者之间的重要程度，构造判断矩阵，见表1。本研究将问卷表发给评判专家小组，对比结果后取平均值即可得到判断矩阵。

表1 指标相对重要性比值标度

一级指标B1～B4构造判断矩阵：

学生自身情况B1构成指标C11～C14的判断矩阵：

教师教学特征B2构成指标C21～C24的判断矩阵：

网络课程要素B3构成指标C31～C34的判断矩阵：

网络交互情况B4构成指标C41～C44的判断矩阵：

3.2 计算判断矩阵特征向量及最大特征根

对上一小节构建的判断矩阵进行归一化并采用求和法对向量求平均，结果见表2。

表2 各级指标构造判断矩阵特征向量和最大特征根

其中一级指标判断矩阵特征向量：

W=（0.361 7,0.474 0,0.117 6,0.046 7）T

二级指标判断矩阵特征向量：

W1=（0.605 0,0.180 6,0.063 5,0.150 8）T

W2=（0.309 8,0.411 7,0.068 8,0.209 7）T

W3=（0.411 7,0.309 8,0.209 7,0.068 8）T

W4=（0.223 4,0.286 7,0.394 3,0.095 6）T

其中最大特征根计算公式如下：

特征向量公式为：

公式（1）和公式（2）中，n为判断矩阵维数，λmax为判断矩阵的最大特征值，W为相对应的特征向量。

3.3 判断矩阵一致性检验

根据层次分析法的基本原理进行一致性检验，引入平均随机性一致指标RI，当判断矩阵阶数为3 ～10 时对应的指标值为0.58、0.89、1.12、1.36、1.41、1.46、1.49。层次分析法步骤中的一致性指标CI和一致性比率CR，公式如下：

通过判断一致性指标，CI＜0.1、CR＜0.1 来说明各级指标构造的判断矩阵一致性检验通过，判断矩阵合理有效，指标权重可行有效，检验结果见表3。一级指标构造的判断矩阵通过一致性检验，符合逻辑。各个二级指标判断矩阵也通过一致性检验，CI、CR的值均小于0.1，计算出的指标权重可行有效。

表3 各级指标判断矩阵一致性检验结果

3.4 层次总排序和指标权重

根据对单个排序的权重值结果，将对影响目标层的所有层次元素进行总排序。层次总排序的依据是各层的上一层所有元素A1，A2，…，An构成的判断矩阵通过归一化求和计算得出权重值为ω1，ω2，…，ωn，与Bi相对应的本层元素B1，B2，…，Bn的单排序结果为b1j，b2j，…，bnj（当b1j=0 时，Bi与Ai无关），那么进行层次总排序时可以按照表4 计算。本文计算出的大学生线上学习满意度评价指标层次总排序权重值结果见表5。

表4 层次总排序法

表5 大学生线上学习满意度评价指标权重

根据层次分析法的基本原理，在完成所有元素的权重总排序后还须对其进行一致性检验，计算公式如下：

其中ωi为上一层次指标权重值，CIi为下一层次指标构造的判断矩阵计算得出的一致性检验指标值，RIi为根据下一层次指标判断矩阵对应的随机一致性检验指标值。根据公式计算大学生线上学习满意度评价指标总排序一致性检验值CI=0.057 0 ＜0.1，RI=0.890 2，CR=0.064 0 ＜0.1，说明判断矩阵通过一致性检验，总排序权重结果满意。

4 结论及对策分析

4.1 提升教师教学能力及治学态度

从表5 中可以分析出大学生线上学习满意度评价一级指标权重值占比最高为教师教学特征0.474 0，接着是学生自身情况0.361 7 和网络课程要素0.117 6，最低为网络交互情况0.046 7。据此在信息化时代的线上课堂中，教师的作用并没有如人们所想的被削弱，反而有所增加，处于比较重要的地位。从线下课堂到线上课堂的转变，对于教师适应线上教学环境的能力提出一定要求，从教师教学特征的二级指标来看教师的教学能力治学态度权重占比分别为0.309 8、0.411 7，对总目标的影响权重分别为0.146 9、0.195 2。在线上学习的大背景下，教师的教学能力考验主要是教师教学思维方面的考验，教师需要采用多元化教学模式，引导学生在线上课堂专注知识、独立思考。而支持这一教学能力的基础是教师认真负责的治学态度——从课后的电子教案编写、教育视频资源备案到课堂上对知识点和考核方式的把握。虽然教师教学特色和课后辅导答疑权重没有前两项指标高，但同样是不可忽视的，教师个人鲜明的教学风格也可以融入线上，帮助学生更快进入线上学习状态，课后的辅导与答疑则增加了师生之间的知识交互，可以帮助教师更好地了解学生对知识点的掌握情况。

4.2 改善学生学习态度引导学生自主学习

一级指标中学生自身情况权重为0.361 7 略低于教师教学特征指标，并不意味着在线上学习中学生角色的重要程度低于教师，而是学生线上学习需要教师的线上引导。在学生自身情况的二级指标中，学生学习态度、学生学习能力、学生学习资源权重占前三名，学生学习态度指标权重0.605 0，总排序权重0.218 9。线上学习学生处在一个独立的学习环境中，没有教师的督促和同学的参照，对于学生自身要求比较高，学生对于线上学习的学习态度直接影响线上教学效果和学生学习的满意度，因此更需要教师辅助进行线上监督。后两位权重较高的是学生学习能力0.180 6 和学习资源0.150 8，对总目标影响权重分别为0.065 3、0.054 6，可以看出越是独立的学习环境越考验学生的自主学习能力，同时因为线上教学对于学生拥有的学习资源如电脑设备、摄像头、网络等有一定要求，需要提前调试。最后学生的学习习惯虽然占比较低，但是学生在线下课堂养成的良好学习习惯会带入线上课堂，帮助学生更快融入线上，教师应适当督促学生，帮助学生培养良好的学习习惯。

4.3 合理安排网络课程时间优化课程内容设计

从满意度评价指标体系的权重来看，网络课程要素权重为0.117 6，其二级指标权重网络课程时间编排为0.411 7、课程内容设计为0.309 8、网络课程素材编写为0.209 7、教材选用为0.068 8，由此可以看出网络要素虽然权重占比不大，但是其二级指标涵盖的范围十分广泛，由于线上课程与线下课程出现空间上的转变，做出合理的网课时间编排、丰富网课内容设计、收集网络教育素材、找寻合适网课教材，是教育工作者们的首要任务。在权重对总目标的影响中，课程的时间编排是影响学生线上学习的最关键因素，由于疫情，居家学生的作息并没有在学校时规律，为了让学生适应高强度学习的同时保持足够的休息时间，学校应发挥线上教学空间的优势，增设网上点名签到流程，推进线上教学常态化、预备化。网络课程内容设计同样也是引导学生专注网络课程本身，不是一味地堆砌PPT 页数，而是对内容进行优化设计，激发学生的客观能动性与学习积极性、提升学生学习满意度。

4.4 鼓励生生交流互动重视学生反馈

在大学生线上学习满意度评价体系中，一级指标网络交互情况0.046 7 权重最低，说明在线上教学时代，教育工作者并没有很好地重视网络交互的特性对线上教学的影响，在教育空间变成单个隔间的情况下，学术交流唯一媒介就是网络，施教者与受教者需要在网络交互中完成知识的传授。其中二级指标包括师生交互、生生交互、教师反馈、学生反馈，通过学生与教师、学生与学生网络交互带来不一样的教育推动力，前者是知识的输送，后者是知识的交互，通过类似线下课程进行社会性网络交互，激发学生的学习积极性，鼓励学生积极在网络上与教师和同学交互。在课后，注重教师的反馈和学生的反馈，网络的无障碍交流加强了学生面对教师说出真实学习感受的完整性，通过结合学生的学习反馈和教师的反馈，教育工作者们可以总结出线上教育各方的学习自我能效感与教学心得，从而直接或者间接促进线上教育规模化、规范化、人性化。