大学生在线持续学习行为影响因素的实证研究

赵 磊,张 鼎

(辽宁师范大学 教育学部,辽宁 大连 116029)

当前,我国高等教育已进入数字化转型的关键时期,以“线上与线下深度融合”为核心特征的混合式教学正逐渐成为高校常态化教学体系的重要组成部分,在线学习也随之成为大学生的主要学习方式。利用MOOC等优质在线课程资源,设计和开发信息化教学模式,打造与实施线上(或线上线下混合式)“金课”,推动高校传统课堂的转型升级,提升大学生在线学习或混合学习质量,是高校教学改革亟需解决的现实问题。然而,从传统课堂教学环境到在线学习环境,再到混合学习环境,互联网技术支持的在线课程在变革传统学习机制的同时,也面临如何有效激发和维持大学生学习行为,显著提升其学习成效的困境。远程教育环境下教与学行为的时空分离和网络课程空间中教师对学生的弱控性,决定了持续学习行为在大学生在线学习过程中的重要性。相关研究表明,若要更好地实现在线教育平台的使用价值,促进学习者有意义的深度学习,学习者的持续学习行为与持续强度是其中最为重要的必备条件[1]。探讨哪些因素会对在线课程环境下大学生的持续学习行为产生重要影响以及因素之间有什么关系,不仅有助于提升大学生在线持续学习强度和学习质量,而且对激发和维持大学生开展混合式学习的主动性与积极性,促进其深度参与线下学习活动,完成课堂学习任务,形成对专业知识的深层探究和意义建构,获得丰富、个性化的学习体验,都具有重要意义。

近年来,本文第一作者及研究团队通过文献的连续追踪与质性编码,结合访谈研究和专家咨询,提炼了在线课程环境下大学生持续学习行为的影响因素,并运用解释结构模型法构建了大学生在线持续学习行为影响因素的理论模型,系统审视了各因素间的层次结构关系与作用路径[2]。在前期研究成果的基础上,本文对理论模型中各影响因素之间的关系展开调查研究,并在优化模型的同时,探析在线课程环境下大学生持续学习的深层动因,以期为高校在线(或混合)教学质量的提升和大学生自主学习效果的改善,提供实证支持与现实依据。

一、研究设计

(一)研究方法与思路

首先,根据前期构建的影响因素模型,通过问卷调查法获取数据,探索影响大学生在线持续学习行为的主要因素;然后,运用结构方程模型和回归分析法对各主要因素之间的作用路径进行校验,优化理论模型,明晰影响因素之间的效应关系,具体研究思路如图1所示。

图1 研究的技术路线

(二)问卷设计

在前期理论研究中,将在线课程环境下大学生持续学习行为的影响因素归纳为学习者特征、教师助学特征、课程平台特征和应用环境特征四个维度,共14个因素。其中,学习者特征层面的因素主要包括感知有用性(PU)、学习目标与内部动机(LM)、交互行为(IB)、学习满意度(LS)、学习能力与策略(LT)、学习风格(LST)、成本预期(CE)、知识基础(KB)和持续学习意向(CI),教师助学特征(TA)指的是教师信息化教学学术水平、在线教学指导能力与关怀行为,课程平台特征主要涉及课程设计与质量(CQ)和课程平台的功能与服务(PF)两个方面,应用环境特征主要包括高校教学管理制度(TM)和社会评价(SE)两个因素[2]。以上述影响因素的四个维度为一级指标,各维度影响因素为二级指标,设计“在线课程环境下大学生持续学习行为影响因素调查问卷”,包括大学生基本情况和持续学习影响因素两部分,共52道题目。其中,大学生的基本情况包括性别、年级、所属学科、资源获取渠道、课程学习数量与在线学习时间等6道题目,持续学习影响因素包括46道题目,采用李克特5点量表形式进行调查。

该问卷于2021年9月进行了小样本试测,以对量表题目的适切性进行考察。通过遗漏值分析、反向计分、均值计算、临界比值分析和相关分析等环节,开展项目分析,以对被试在每个题目上的得分进行差异分析与同质性检验。结果显示,每道题目都具有良好的鉴别力和区分度,并保持同质,所有题目均可保留。在此基础上,通过限定因子抽取法对量表中的46道题目进行探索性因子分析。其中,KMO值大于0.8,Bartlett球型检验的统计值达到显著水平,说明可以进行因子分析。结果显示,有2道题目的最大因子负荷量所属因子非其原层面因子,有3道题目的最大因子负荷量低于0.6,因此可以将这5道题目删除,至此保留41道题目。之后,对修订后的问卷进行信度分析。结果表明,问卷总体Cronbach’s Alpha系数为0.987,说明问卷内部信度良好,各因素的Cronbach’s Alpha系数为0.808～0.945,说明问卷具有较高的可靠性和稳定性。

(三)研究样本

正式调查对象是来自X大学,经常利用在线课程资源进行自主学习或混合学习,并完成一门或一门以上课程的学生,共228人。正式问卷于2021年11月通过网络社交平台进行发放,共回收问卷228份,回收率为100%,其中有效问卷216份,有效率为94.7%。调查样本的基本信息如表1所示。

二、研究过程与结果

(一)调研数据的统计分析

1.一级指标的统计与分析

问卷中四个一级指标的描述性统计分析包括两部分。一方面,通过总分和均值分析,比较不同层面因素对大学生在线持续学习的影响程度;另一方面,通过偏度值和峰度值分析,揭示被试对问卷各维度题目的主观赋分与均值之间的差异程度和每个维度得分的离散程度,结果如表2所示。从总和与均值来看,教师助学特征对大学生在线持续学习的影响程度最高,其次是课程平台特征与应用环境特征,学习者特征的影响程度最低,但均值都大于3.6分,说明教师助学最有利于提升大学生的在线持续学习效果;从偏度值来看,各维度题目分数的分布均为负偏态,且绝对值较大,其中教师助学特征、课程平台特征和应用环境特征的绝对值均超过0.5,学习者特征的绝对值接近0.3,说明大学生对这四个维度的认同程度都很高,但相对来说,比较认同教师助学、课程平台和应用环境对自身持续学习行为的影响;从峰度值来看,教师助学特征和应用环境特征的绝对值较小,意味着这两个维度题目的数值分布较为高狭,集中于平均数两侧,说明大学生对这两个维度较为认可。

表2 一级指标的描述性统计(N=216)

尽管对一级指标中各因素的相关数据进行了描述性统计,但是它们之间是否具有显著差异,还需通过配对样本t检验进行考察,即按均值水平对一级指标各维度进行降序排列,并将相邻维度进行配对,观察二者之间的平均数差异是否显著。如表3所示,教师助学特征、课程平台特征和应用环境特征之间均值差异不显著,而学习者特征与应用环境特征之间均值差异显著,说明学习者特征与其他三个维度之间具有显著差异。由此可见,教师助学特征、课程平台特征和应用环境特征对大学生在线持续学习行为影响程度相对较大,学习者自身特征的影响程度相对较小,这与前面描述性统计的分析结果较为一致。

表3 一级指标成对样本检验

2.二级指标的统计与分析

根据信息系统领域对“持续使用意向”的界定[3],在线课程环境下的持续学习意向可被理解为学习者对在线课程系统的持续使用倾向。如果大学生缺乏持续学习意向,就难以发生持续学习行为。加之前期研究表明,持续学习意向是影响大学生在线持续学习行为的最直接因素,能够对持续学习行为的变化进行有效表征[2]。为此,可将持续学习意向(CI)单独抽取出来,作为结果因素变量(受其他因素影响较大的变量[4]),并结合其他13个原因因素变量(对结果因素影响较大的变量[4]),对在线课程环境下大学生持续学习行为的影响机制进行探索。

为明确各原因因素变量对大学生持续学习行为的影响程度,可对除CI之外的13个因素的题目选值进行描述性统计分析,并按均值进行降序排列。从均值水平来看,LM、PU、SE、KB、PF、TA及CQ等因素对大学生在线持续学习行为的影响程度较高,均值达3.7以上;TM、LS、LT、LST和IB等因素的均值相对较低,在3.3到3.7之间;CE的均值最低,只有2.52。从成对t检验结果来看,LM、PU、SE、KB、PF与TA之间的均值差异不大,但CQ与TA、CQ与TM之间的显著性概率值均小于0.05,表明CQ与位于其前面的TA和位于其后面的TM等因素均具有显著差异。从标准误差来看,CQ的标准误差最小,表明该因素对大学生在线持续学习行为的影响相对稳定。综合以上分析,学习目标与内部动机(LM)、感知有用性(PU)、社会评价(SE)、知识基础(KB)、平台功能与服务(PF)、教师助学(TA)及课程设计与质量(CQ)是影响大学生在线持续学习行为的主要因素,其他原因因素变量对大学生在线持续学习行为的影响不显著。

(二)理论模型重构与研究假设

通过以上分析,学习目标与内部动机、感知有用性、社会评价、知识基础、平台功能与服务、教师助学及课程设计与质量等因素是影响在线课程环境下大学生持续学习行为的主要原因因素,持续学习意向是具有直接表征作用的结果因素。其他因素对大学生在线持续学习行为的影响不显著,可以删除。在删除未达到显著影响水平的因素后,采用解释结构模型法,按初始模型构建流程,对前期理论研究的影响因素模型进行重构,如图2所示。

图2 在线课程环境下大学生持续学习行为影响因素的重构模型

为进一步厘清各影响因素之间的关系,围绕这些因素提出可能存在的11种研究假设:

H1:平台功能与服务对课程设计与质量具有正向显著影响;

H2:教师助学对课程设计与质量具有正向显著影响;

H3:课程设计与质量对知识基础具有正向显著影响;

H4:课程设计与质量对学习目标与内部动机具有正向显著影响;

H5:课程设计与质量对感知有用性具有正向显著影响;

H6:感知有用性对学习目标与内部动机具有正向显著影响;

H7:学习目标与内部动机对感知有用性具有正向显著影响;

H8:知识基础对持续学习意向具有正向显著影响;

H9:学习目标与内部动机对持续学习意向具有正向显著影响;

H10:感知有用性对持续学习意向具有正向显著影响;

H11:感知有用性对社会评价具有正向显著影响。

(三)结构方程模型的建立与评估

1.模型建立

根据研究假设,采用AMOS 26.0软件建立在线课程环境下大学生持续学习行为影响因素的结构方程模型。方程共涉及八个潜变量,分别为教师助学(TA)、平台功能与服务(PF)、课程的设计与质量(CQ)、知识基础(KB)、感知有用性(PU)、学习目标与内部动机(LM)、社会评价(SE)和持续学习意向(CI)。其中,教师助学(TA)和平台功能与服务(PF)为外生潜变量,不需要设定残差项。其余皆为内生潜变量,需要对其设定残差项Y。此外,每个潜变量所对应的观察变量均需设定误差值e。

2.模型参数估计

违犯估计是指结构模型或测量模型统计输出的估计系数超出了可接受的范围[5]。违犯估计法可用于模型参数合理性检验。在进行模型拟合度评估前,需检查模型是否存在违犯估计的情况,分析输出的估计系数是否在可接受或合理范围之内。违犯估计主要包括两种情况,一是误差方差出现负值;二是标准化系数大于0.95,接近甚至超过1。通过分析,模型中的误差方差未出现负值,标准化系数的范围是0.052到0.930,均未超过0.95。为此,该模型不存在违犯估计的情况,可进一步进行拟合度检验。

3.模型拟合度评估

结构方程模型的拟合度越高,其适用性就越高。在参考相关文献提供的测量指标的前提下[6]237,利用AMOS 26.0计算估计值,得出模型拟合度的输出结果,如表4所示。

表4 模型拟合化测量指标

在绝对拟合指标方面,模型的各项指标均符合判断标准。其中,CMIN/DF(卡方自由度比)的值为2.765,虽然大于2,但在可接受范围之内;RMR(残差均方根)和RMSEA(近似误差的均方根)的值分别为0.034和0.091,均符合判断标准。在增值拟合指标方面,NFI(规范拟合指数)、IFI(递增拟合指数)、CFI(比较拟合指数)和TLI(相对拟合指数)的值均接近于1,符合判断标准。其中,尽管NFI的数值较小,但在样本较小或自由度较大时,以NFI值检验模型拟合度时会出现低估现象[6]48-49。综合以上分析可知,该模型具有良好的拟合度。

通过对各变量进行参数估计,得出模型的参数估计值。如图3所示,模型中所有变量之间的路径系数均为正值,表明研究假设中相关变量间均存在正向影响。

图3 在线课程环境下大学生持续学习行为影响因素的模型参数估计值

4.模型假设检验

模型路径系数及假设检验结果如表5所示。

表5 模型假设检验结果

H1、H2的路径系数均大于0.4,p值均达到0.001的显著水平,假设都通过,说明教师助学以及平台功能与服务对课程设计与质量具有正向显著影响。H3、H4和H5的路径系数均大于0.9,p值均小于0.001,假设都通过,说明课程设计与质量对知识基础、学习目标与内部动机以及感知有用性具有正向显著影响。H6和H7的路径系数均大于0.3,p值均小于0.001,假设都通过,说明学习目标与内部动机和感知有用性之间具有正向显著影响。H8和H11的路径系数大于0.5,H9的路径系数接近0.2,p值均小于0.01,假设都通过,说明知识基础和学习目标与内部动机均对持续学习意向具有正向显著影响,感知有用性对社会评价具有正向显著影响。H10的路径系数略大于0.2,p值略小于0.05,尽管假设通过,但感知有用性对持续学习意向影响程度不高。综合以上分析,H2、H3、H4、H5、H6、H8和H11中变量的影响效应较强;H1、H7和H9中变量的影响效应较弱;H10中变量的影响效应最弱。

(四)同层级因素的回归分析

为厘清学习目标与内部动机和知识基础、社会评价与持续学习意向两组因素之间的关系,采用线性回归分析法对模型中部分同层级变量之间的影响效应进行分析,结果如表6所示。首先,以KB为自变量,以LM为因变量,采用强制进入法进行分析,所得Beta值为0.600,p值为0.000,达到显著性水平,表明知识基础对学习目标与内部动机具有正向显著影响。以LM为自变量,以KB为因变量,进行回归分析,结果仍然显著,表明学习目标与内部动机对知识基础具有正向显著影响。同样的,在分析CI与SE的关系时,也得到类似结果,表明持续学习意向与社会评价之间亦存在相互影响的关系。

表6 同层级变量的回归分析结果

(五)影响因素模型构建

通过对理论模型的假设检验和同层级因素关系的线性回归分析,最终得出在线课程环境下大学生持续学习行为的影响因素模型,如图4所示。

图4 在线课程环境下大学生持续学习行为影响因素模型

三、研究结论与建议

(一)研究结论

基于前期对在线课程环境下大学生持续学习行为的影响因素的实证研究,在模型重构的基础上分析了各影响因素之间的作用路径与效应关系,所得结论主要包括三个方面:

第一,在线课程环境下大学生持续学习行为的影响因素主要包括学习者特征、教师助学特征、课程平台特征和应用环境特征四个维度。其中教师助学特征、课程平台特征和应用环境特征的影响程度较大,学习者自身特征的影响程度较小。但从主观赋分的均值来看,大学生对这四个维度的认同程度都很高。这不仅强调了学习者内在特征的重要性,而且凸显了在线学习环境的特有属性和教师线上助学的独特作用。大学生既要对内在学习过程进行监控与调节,更要通过外部反馈调节自身的学习行为,以形成对学习环境的主动适应。

第二,在具体影响因素方面,持续学习意向是对大学生在线持续学习行为具有直接表征作用的因素。学习目标与内部动机、感知有用性、社会评价、知识基础、平台功能与服务、教师助学及课程设计与质量是影响在线课程环境下大学生持续学习行为的主要因素。交互行为、学习满意度、学习能力与策略、学习风格、成本预期和教学管理制度对大学生在线持续学习行为未产生显著影响。

第三,在前期理论研究的基础上,本文利用问卷调查法筛选了影响大学生在线持续学习行为的主要因素,接着采用解释结构模型法,按初始模型构建流程,重构了影响因素的理论模型,然后通过结构方程模型和回归分析法对重构的理论模型进行验证,进一步厘清了各影响因素之间的层级作用关系。研究表明,在线课程环境下大学生持续学习行为的影响因素模型由教师助学、平台功能与服务、课程设计与质量、感知有用性、学习目标与内部动机、知识基础、持续学习意向和社会评价等八个因素构成,并通过实证研究证明模型具有良好的解释力,是探索在线课程环境下大学生持续学习行为影响因素的有效工具。另外,根据解释结构模型法对层级关系的论述,位于最高层级的因素具有直接影响作用,位于最低层级的因素具有根本作用和基础作用,位于中间层级的因素具有中介作用和间接影响作用[7]。在本文构建的影响因素模型中,位于最左侧的因素为最低层级因素,位于最右侧的因素为最高层级因素(图4)。因此,从影响因素的作用深度来看,平台功能与服务和教师助学是影响大学生在线持续学习行为的根本因素。持续学习意向和社会评价是影响大学生在线持续学习行为的直接因素。课程设计与质量、知识基础、学习目标与内部动机以及感知有用性对大学生在线持续学习行为具有间接影响。其中知识基础、学习目标与内部动机、感知有用性直接影响持续学习意向,感知有用性直接影响社会评价,进而影响大学生在线持续学习行为。从影响因素的作用广度来看,课程设计与质量建立了外部影响因素和内部影响因素之间的联系,在受制于教师助学和平台功能与服务的同时,对知识基础、学习目标与内部动机和感知有用性产生直接作用,进而间接影响持续学习意向和社会评价,是影响大学生在线持续学习行为的核心因素。此外,知识基础与学习目标和内部动机、感知有用性和学习目标与内部动机、持续学习意向和社会评价,三组因素之间交互作用,共同影响大学生在线持续学习。

(二)相关建议

1.加强教师对大学生在线学习的指导与关怀

教师是学生在线学习的引导者、组织者和促进者,其教学指导能力与关怀行为是影响在线课程质量的直接因素,也是促进学生持续参与在线学习的根本因素之一。由于在线环境下师生教与学行为的时空分离特性,教师及时、有效的指导、会谈、关怀与反馈对学生在线学习活动的开展、学习问题的解决、学习动机的保持和学习归属感的提升具有重要作用。首先,教师需要对课程内容、教学资源和学习活动进行精心设计与清晰规划,想方设法提升在线课程质量,引导学生明确学习任务及目标,做好学习计划,把握学习重点,开展学习活动;其次,教师在教学过程中需要尽可能地尊重学生的个性化发展需求,在情感上理解学生的差异化学习行为,通过设计多样化的课程材料和学习活动激发并维持其学习兴趣与学习动机;再次,教师需要以学生为中心构建在线学习社区及学习共同体,通过自主探究、协作学习和案例研讨等多种模式的有效结合,促进学生对在线学习活动的高度参与,增强其对在线学习社区和学习共同体的归属感;最后,教师需要通过各种同步、异步交互工具,如聊天室、讨论区、即时通讯工具或直播平台,与学生开展多种形式的、长时间的交流互动,对学生在线学习过程进行有效指导和及时反馈,帮助他们解决学习问题与学习困惑。

2.加强在线课程平台的学习支持服务

课程平台的功能与服务是影响大学生在线持续学习的另一个根本因素,直接影响在线课程设计及质量,间接影响学生在线学习动机和感知有用性,进而影响学生持续学习意向。以国内主流MOOC为例,目前的在线课程平台是一种开放、自主、灵活的教育信息和网络学习空间,拥有诸多学习支持服务的功能模块,能够为学生提供四类课程学习资源,包括视频资源、图文资源、媒体工具资源和其他资源链接;七类交互式课程资料,包括课程介绍、学习指导书、嵌入式测验、单元测验、课程作业及互评材料、期末考试、学习笔记;四类人际互动式服务,包括视频弹幕、讨论区、聊天系统和分组工具,不仅可以满足学生自主学习,而且在一定程度上促进其交互学习。然而,在线学习支持服务的关键在于切实帮助学生解决学习过程中非预设的突发性问题,同时促进其开展自我评价与反思,形成对自身在线学习情况的全面认识,从而更好地维持学习意向与行为。为此,需要加强数据挖掘与学习分析技术的应用,全面跟踪与采集学生在线学习的行为数据,以实现对学生学习进程和结果的个性化诊断与评估,帮助他们及时了解与反思自身的学习状况,获取有用资源,调整学习策略,改变学习路径,达成学习目标。此外,还可利用以ChatGPT为代表的生成性人工智能技术,开发对话式学习系统,为学生提供个性化指导和定制式帮助,对各种突发性问题给予即时解答与反馈,实现人机交互式学习体验,促进大学生持续、自主地开展在线学习。

3.加强在线课程的设计与开发

在线课程的设计及质量是影响大学生在线持续学习行为的核心因素,对知识基础、感知有用性以及学习目标与内部动机具有直接影响,并间接影响在线课程的社会认可程度,最终影响学生的持续学习意向。根据德斯蒙德·基更的远程教育教与学再度整合理论,有效学习发生在师生教与学行为的相互作用当中,而在线教育中的这种关系需要人为地重新构建与创造,设计和开发与学习行为紧密结合的学习材料是这个重建过程的核心[8]。为此,需要加强在线课程的设计与开发,提升在线课程质量,有效促进师生教与学行为的深度融合,进而触发学生持续开展在线学习。首先,需要设计与开发在线学习指导书,详细阐述课程内容的主要脉络、知识框架和具体学习目标,并提供有关学习步骤、学习策略和学习方法的明确指导;其次,将学习活动置于教学设计和课程开发的中心环节,深入了解学习者特征,捕捉大学生的最近发展区,为其设计难度适中且具有一定挑战性的学习任务,以学习活动为线索串联课程内容与学习资源,促进学生主动参与在线学习,提升知识迁移、协作学习和问题解决能力,增强对在线课程的感知有用性和学习社区的归属感;再次,设计和开发与学习目标和学习活动相适配的学习资源,并不断丰富资源的内容与形式,以提高学生参与在线学习的积极性,激发并维持学习兴趣与学习动机;最后,针对不同难度层次的课程目标设计学习评价方式,帮助学生从多维度、多层面认识自己,反思学习行为。

4.加强大学生在线学习品质的培养与发展

大学生的学习者特征主要包括基本状态(如性别、年龄)、学习动机(如为什么学习)、学习因素(如学习态度、感知有用性、学习风格、认知能力和学习策略等)和学科背景四个方面。其中个体内部的深层学习动机是激发并维持学习行为,指向学业目标的动力倾向,决定了在线学习的总体方向[9]。感知有用性是大学生主观认为在线课程平台能够提升其学习绩效的程度[10],当大学生感知到在线学习对自身学业的帮助时,就会提升学习的积极性与参与度。知识基础是大学生已经具备的先导知识和起点能力,随着在线学习的逐步推进而不断提升。这三个因素都是影响大学生在线持续学习意向的直接因素。从上述影响因素模型可以看出,教师助学、平台功能与服务和课程设计及质量均是影响学生内部学习动机、感知有用性和知识基础的外在因素。因此,可以通过加强教师在线指导与反馈、优化课程平台的学习支持服务和设计学习活动,提升学生的内部学习动机、感知有用性和知识基础,进而增强其持续学习意向。加之,在线学习力是在在线学习过程中形成与发展的,影响学生学习绩效、自我完善与持续发展的动态能力系统,主要涉及内驱力、认知力、意志力和应用力四个要素[11]。基于此,培养与发展大学生的在线学习力也对大学生持续参与在线学习有助益。

四、研究不足与展望

通过调查研究,对在线课程环境下大学生持续学习行为影响因素及各影响因素之间的关系进行了深入分析,但仍存在一些不足,需要在后续研究中加以改进与完善。

第一,在影响因素的确定方面,本文只选取了学习目标与内部动机、感知有用性、社会评价、知识基础、平台功能与服务、教师助学、课程设计与质量以及持续学习意向作为影响大学生在线持续学习的主要因素,进而对各影响因素之间的结构关系进行解释与分析,但一些重要的因素仍没有被纳入到最终的模型当中,如大学生在学习过程中可能遇到的不可抗力等因素。未来,可以探索更多因素与大学生在线持续学习之间的效应关系,进一步丰富和完善大学生在线持续学习影响因素的研究。

第二,在实证研究方面,本文只选取了X大学的216名学生作为正式调研对象,受试者数量偏少,且性别分布不均衡,代表性不足,这对研究结果也产生了一定程度的影响。未来,需要将不同层次、类型和区域高校的学生纳入研究范围,进行更加系统、全面和深入的研究。