基于智慧学习环境的学习适应性模型构建研究*

刘虹 陈金华 周雄俊 高亚祎 刘姣姣 任楠澜

1 四川师范大学计算机科学学院 成都 610101 2 四川省成都市高新区益州小学 成都 610095 3 四川省成都市高新区实验小学 成都 610094

0 引言

自大力推进教育信息化以来，我国进入以智慧教室、智慧校园建设为标志的智慧教育时代，学习环境发生了从数字化学习环境转为智慧学习环境的根本性变化[1]。《教育信息化2.0 行动计划》中也明确提出要构建泛在、智能、灵活的智慧学习环境，在智能环境的影响下改变教学理念、教育形态，由此发展智慧教育[2]。以上皆突出智慧学习环境对于教育变革的重要性，目前智慧学习环境建设工作正如火如荼地开展。然而，学习者能否真正适应智慧学习环境的变化和发展，学习者该如何有效地适应智慧学习环境等问题亟待探讨。

学习适应性自发展以来，国内外教育学者在理论和实践方面都进行了积极探索。但纵览目前的国内外研究，发现大多数研究从通用学习环境、网络学习环境的视角切入，研究学习适应性的概念和维度组成等，针对智慧学习环境的研究相对缺乏。智慧学习环境是学生进行学习活动的重要场所，学生的发展必然要与学习环境的要求保持一致，以适应智慧学习环境为条件，形成符合学习环境特性的适应性发展，这样才能使个体和特定学习环境更好地融合在一起。为进一步明晰智慧学习环境下学习适应性要素构成，构建测量工具，本研究基于智慧学习环境，借助文献研究、扎根理论、问卷调查、统计分析等方法进行学习适应性模型构建，旨在为进一步提升智慧学习环境下学生学习适应能力提供理论基础和实践参考。

1 相关研究

1.1 学习适应性的概念

目前，我国学者对学习适应性的理解主要有“能力观”和“过程观”两种观点。“能力观”将学习适应性定义为学习能力。如周步成[3]将学习适应性界定为学习适应能力，即个体克服困难取得较好的学习效果。南晓鹏等[4]认为学生学习适应性是指学生依托学习环境，主动调整自身的学习策略与行为，使自身心理和行为与不断变化的学习条件相互协调，获得良好的学习成就。“过程观”将学习适应性视作逐渐适应的过程。冯廷勇[5]定义学习适应性为主体根据环境及学习的需要，努力调整自我，达到与学习环境平衡的心理与行为过程。本研究在借鉴学习适应性既有研究基础之上，更倾向将学习适应性理解为一种能力，指学习者在与学习环境相互作用过程中形成的基本适应能力。智慧学习环境下的学习适应性则是学习者为适应智慧学习环境的变化和发展，主动调节自身的心理和行为以适应智慧学习环境的能力。

1.2 学习适应性的测量维度

许多学者针对不同的学习环境对学习适应性的测量维度进行了划分，见表1。综合而言，已有研究主要集中在网络学习环境、混合式学习环境及通用学习环境，从外部环境因素及学习者个体因素进行学习适应性的测量，专门针对智慧学习环境下学习适应性的研究较为缺乏。智慧学习环境是数字学习环境的高端形态，该环境下的学习适应性既具有与传统学习环境、网络学习环境共同的特点，同时也有针对智慧学习环境新的诠释。

表1 学习适应性测量维度

2 模型构建

2.1 研究方法

本研究采用质性研究方法，根据扎根理论的基本思想，选取相关文献作为质性研究的材料来源，通过自底向上的三级编码形成不同层级的各级节点，从而提炼智慧学习环境下学生学习适应性的构成要素，构建理论模型。

2.2 数据收集

国内有关智慧学习环境的研究从2012 年开始兴起，因此在中国知网数据库以“智慧学习环境”“智慧课堂”“智慧学习”“学习适应性”“适应性”等为主题词进行高级检索，期刊来源限制为北大核心或CSSCI 期刊，时间范围设定为2012 年1 月至2022 年7 月，人工剔除会议通知、杂志选题以及与研究内容关联较小的文献，最终共计110 篇纳入质性分析范畴。

2.3 数据分析

2.3.1 开放编码

本研究将已确定的研究样本导入Nvivo12Plus软件，对文本逐字逐句进行分析编码，其中相同概念表述的内容编码到同一节点中，不同概念表述的内容编码到新创建的节点中，共得不计重复的初始概念84 个、参考点631 个，合并近义重复概念得到19 个副范畴。

2.3.2 主轴编码

主轴编码是对各个范畴的属性进行比较和分析，将所有范畴重新整合，进一步发展出“主范畴”。通过对开放式编码阶段所得的19 个副范畴的比较和分析，一共确认了六大主范畴，分别是学习资源适应、学习工具适应、学习交互适应、学习方式适应、学习情境适应和学习技能适应。合并子节点进行编码统计后得到一级节点与二级节点的材料来源数和参考点数，见表2。

表2 维度编码统计表

2.3.3 选择编码

选择编码是从主范畴归纳出核心范畴，并建立相应联系，生成“故事线”，形成新理论的过程。可以看出，学习资源适应、学习工具适应、学习情境适应、学习方式适应、学习交互适应、学习技能适应这6 个主范畴以及其涵盖的19 个副范畴都是围绕一个核心服务，即智慧学习环境学生的学习适应性，因此，可以将智慧学习环境学生的学习适应性作为核心范畴。研究通过开放编码、主轴编码和选择编码三个步骤，建立了智慧学习环境下学习适应性理论模型。

3 模型验证

3.1 研究对象

本研究选取四川师范大学教育技术学专业本科生为研究对象，被试学生均在智慧学习环境下开展了一学期以上的学习过程。研究共抽取450 名学生，回收有效问卷414 份，问卷有效回收率为92%，其中男生101 人（占24%），女生313 人（占76%）。

3.2 研究工具

本研究基于构建的智慧学习环境下学习适应性理论模型，自行编制了《基于智慧学习环境的学习适应性调查问卷》。该问卷有两大部分，第一部分为基本信息情况，共6 个题项；第二部分为基于智慧学习环境的学习适应性调查，共38 个题项，主要涉及学习资源适应、学习工具适应、学习情境适应、学习方式适应、学习交互适应、学习技能适应6个维度，每个题项采用李克特（Likert）五点样式进行设计（1 ～5 分别表示“完全不符合”“基本不符合”“一般”“基本符合”“完全符合”5个层级）。

3.3 数据收集与处理

本研究主要通过纸质问卷与电子问卷相结合的方法收集数据，对有效数据主要采用SPSS24.0 和AMOS24.0 两个软件进行处理。根据数据分析目的，将数据样本分为两部分：第一部分（n=207）用于探索性因素分析，以考查、修正量表结构；第二部分（n=207）用于验证性因素分析，以检验量表结构效度。

3.4 数据结果分析

3.4.1 项目分析

1）题项极端组比较。对第一部分207 份数据进行项目分析，将每名被试的得分总和进行排序，以测验总分最高的27%为高分组，以总分最低的27%为低分组，求出高低二组被试在每题得分平均数差异上的显著性。通过对预试数据的高低分组进行独立样本T 检验后发现，量表所有题项的CR 值均达到显著水平（P=0.00 ＜0.05），说明量表所有题项都具有较好的鉴别度。

2）量表题项与总分相关性检验。计算各个题项与总分的相关性，相关性愈高，表示题项与整体量表的同质性愈高。结果显示，38 个题项与总分相关系数均大于0.5，相关性达到显著（P=0.00 ＜0.05）。

3）内在一致性检验。研究采用Cronbachα系数对问卷进行内在一致性的分析，结果显示各维度的信度系数值均大于0.8，总量表的信度系数值为0.964，该量表题项的内部一致性佳。

3.4.2 探索性因素分析

首先对问卷中所有题项进行结构效度检验。结果表明KMO=0.921 ＞0.8，Bartlett 球形检验值是0.000（P＜0.001），达到显著水平，说明适宜作因子分析。接着采用“主成分分析—正交旋转法”提取因子，保留特征值大于1 的因子，删除因素载荷量小于0.5 且在多个维度上有交叉的2 个题项，剩下36 个题项，旋转后的数据共提取出6 个因子，累计解释变异量为70.251%，表明萃取的因子达到理想水平。

3.4.3 信度分析

探索性因素分析后，对问卷各维度进行可靠性检验，结果如表3所示，问卷总体及各个维度信度系数较高，均大于0.8，表明问卷具有较好的内部一致性。

表3 量表内部一致性结果

3.4.4 验证性因素分析

为了评估理论模型与真实数据的拟合效果，本研究使用AMOS 24.0 对第二部分207 份样本数据进行验证性因素分析。验证性因素分析过程中依据指标修正原则，剔除了因子载荷小于0.6 以及修正指数较大的指标，经过多轮修正，删除4个题项（ZY6、ZY8、QJ18、JH28），最终得到智慧学习环境下学习适应性模型验证性因素模型，如图1 所示。验证性因素分析结果如表4所示，所有指标均在可接受范围内，说明该模型拟合度良好。

图1 验证性因素模型图

表4 修正模型的拟合结果

为进一步分析模型的内在质量，本研究对6个因素进行信效度评估。由表5 所示，CR（组合信度）为0.828 ～0.889（均大于0.7），说明构面内部一致性好；AVE（平均变异数萃取量）均接近或大于0.5，属于可接受范围，表明模型具有良好的收敛效度。

表5 信度、收敛效度和区分效度

借鉴Fornell 和Larcker 的分析方法验证区分效度[11]，当AVE 平方根大于其他因子系数时，表明量表具有良好的区分效度。表5中斜对角线为AVE 的根号值，均大于各维度之间的相关性系数，即说明各个潜变量之间具有一定的相关性，且彼此之间又具有一定的区分度，该模型区分效度理想。

4 模型阐释

基于文献数据的编码结果确定了包括学习资源适应、学习工具适应、学习情境适应、学习方式适应、学习交互适应、学习技能适应6 个主范畴以及其涵盖的19 个副范畴，通过实证研究修正并检验了理论模型结构合理，最终构建出“智慧学习环境下学习适应性模型”，如图2 所示。

图2 智慧学习环境下学习适应性模型图

4.1 学习资源适应

智慧学习环境下的学习是主动探索、创造共享的学习，各智慧平台上云集大量具备泛在性、联通性、多维交互性等特征的学习资源，同时基于大数据技术推送个性化的学习内容也扩大了学习者的资源接受面。在多元、海量资源的支持下，学生不再是被动地接收学习内容，而是能够利用智慧资源进行归纳总结，形成个人知识片段，与学习同伴交流，进而形成有意义的知识网络[12]，因此，在智慧学习环境中，学习者获取资源、分析资源、应用资源、共享资源的能力决定了学习效果的高低，学习者对智慧学习资源的适应已经成为学习适应性的重要内容。

4.2 学习工具适应

智慧学习环境中的工具是高度集成的、智能的、微型的、无处不在的，学习者可以及时享受各种工具提供的便捷学习服务[13]。智慧学习工具既包括例如学习中所需的各类实验器材、交互白板、平板电脑、可穿戴手环等物理设备，也包括例如学习翻译工具、信息检索工具、交流协调工具等软件，学习者可以根据实际需求辨别环境中的工具并进行选择，掌握各类学习工具的使用方法，从而在学习的过程中使用工具以促进自身和群体知识建构。

4.3 学习情境适应

建构主义强调在特定的情境中开展学习活动更有利于有效学习的发生。智慧学习环境借助5G、物联网、人工智能、大数据、虚拟现实等智能技术能够实现全方位情境感知，为学习者和教师创设高仿真的实景空间，增强学习活动中特定场景的临场感；同时在学习情境体验的过程中，环境能够及时获取学习者的动态学习数据进行分析，为下一步学习任务、学习路径的匹配及学习情境的创设提供决策支持。因此，为了促进有效学习真正发生，学习者能否有效参与环境创设的情境十分重要。

4.4 学习方式适应

通过质性研究确定了学习方式适应包括面对面学习方式、网络学习方式、混合学习方式。具体而言，面对面学习是自古以来最主要的学习方式，随着互联网、移动通信技术的发展，学习者可实现在任何时间任何地点进行学习，智慧学习环境下的混合学习是基于智能技术的面对面学习和网络学习两种方式的有机结合，两者之间优势互补，达到优化教学效果的目的。

4.5 学习交互适应

学习者的交互水平很大程度上影响着其智慧发展水平[14]。基于智慧学习环境的交互包括学习者与同伴、学习者与教师和学习者与机器之间的交互。学习伙伴之间相互协作、讨论问题，有助于消除学习者的孤独感，增强学习者的自信与勇气，使其在长期学习中依然能够保持良好的心态，由此促进建立和转换自身的知识体系；学习者与教师之间的交互既可同步发生，也可异步发生，从而为学习提供活力，改变学生自主学习中的困境，增强师生间的互动关系；此外，智慧学习环境为学习者提供自然、简便的交互界面和接口，促进认知水平的提高。

4.6 学习技能适应

学习技能是指学习者在学习活动进行之前所掌握的技术和能力[15]。5G 教育时代下，学习者仅仅掌握知识不足以应对当下和未来的挑战，只有将技能嵌入知识领域，两者相互提升，学习者才能深入理解现实世界[16]。通过三级编码得出学习技能包括创造力、复杂问题解决能力、批判性思维，这正与《21 世纪技能框架》三大领域中强调学习与创新技能的重要性，具体指出批判性思维与问题解决技能、交流与合作技能、创造力技能关乎学习者发展相契合。智慧学习环境作为智慧教育的主战场，也应顺应时代大趋势，注重学习者必要技能的培养和评估，同时学习者学习适应能力的提升是在突出学习者主体地位的基础上，推动学习者发挥应有的主观能动意识和创造能力，实现个体对学习环境所需技能的转变和适应。

5 结束语

学习适应性影响着学习者的学习效果和质量，改善学习者的适应性，有助于提高智慧学习环境下学习的有效性和学习者的自主性，促进学习者的全面发展。一方面，对于智慧学习环境，学习者应该使自身的学习满足智慧时代对个体角色的要求，和智慧学习环境内其他关键要素构建和谐关系，从而主动地适应学习环境；另一方面，智慧学习环境运用智能信息技术，提供智慧化学习服务为学习者提供适应性支持，当环境能够提供适应性支持，学习者能够适应学习环境开展有效学习时，智慧学习环境下的适应性问题就能得到解决，学习者自身的学习适应性乃至智慧学习也会相应取得更多成效。本研究进一步梳理了学习适应性的概念，通过扎根理论分析出要素构成，并在此基础上通过问卷调查、数据分析，构建了基于智慧学习环境的学习适应性模型。结果表明，该模型结构合理、数据适配度良好，能够作为测评智慧学习环境下学生学习适应能力的工具。当然，本研究还存在一些不足，例如所选择的样本有限，今后研究可以进一步扩展取样范围，以提高样本的代表性。