直播环境下学生在线学习行为对学习绩效的影响研究

马瑞 李明* 罗文雅 税洋洋

(1.重庆师范大学 计算机与信息科学学院,重庆 401331;2.四川轻化工大学 美术学院,四川 自贡 643000)

随着网络技术和教育教学加速融合,在线课堂成为当下不可或缺的学习方式。近年来,全球范围的新冠疫情推动了以师生实时视频互动为特征的直播教学的发展。与传统在线教育相比,直播教育在情感交流、临场感、交互感、教学资源时效性、个性化体验等方面有着显著优势[1]。依托于钉钉、腾讯课堂、Zoom等各类直播教学平台,将传统学习转到线上,呈现具有“面对面”实时互动的新型在线教育场景,推动了课堂从固定的物理空间不断向虚拟空间发展。

学习需求的增加推动了直播教学平台的发展,一些教学平台相继推出如一对一、小班直播、大规模直播等多种形式,并配置签到、实践、反馈、考试等多种功能,大量的在线行为数据得以保存。大量研究指出,学习者在线学习行为投入是影响学习绩效的重要因素[2]。通过学生在线学习行为数据来评估其表现以便据此提供更优质的服务已然成为一种新趋势。由于直播课自主性、开放性等特点,使得难以监控学生学习态度、动机等,导致其学习效果备受争议[3]。参与度低、持续力弱、互动差等现状使得探究影响学生直播学习效果的因素变得愈加重要。

基于此,本研究拟采用K-Means聚类对学生直播课学习行为特征进行分析,再通过抽样逐步回归探索在线学习行为投入特征对学习绩效的影响机制,以解决以下两个问题:(1)利用聚类算法分析学习者行为特征,可将学习者群体分为几类?(2)哪些在线学习行为特征是影响学习者学习绩效的关键因素?

1 在线学习行为与学习绩效研究概况

在线学习行为是学习者在在线学习平台上,通过内在动机驱使,实现学习目标、达到学习效果的过程集合。学习行为作为学习投入的基本构成维度,是学生心理投入的载体[4]。在学习者与环境交互操作的过程中,系统会记录下大量的行为数据,这些数据为分析学习行为模式奠定了基础。

专家学者对在线学习行为开展了大量探究,其中聚类分析是常见的数据挖掘方法之一。通过聚类学习群体可有效分析不同学习群体之间行为模式的差异,直观呈现学习者状态,对其进行精准化服务,从而提升在线学习效果。Khalil等对iMooX平台上选修信息技术类课程的459名本科生和379名外部人员进行聚类分析[5]。王敏利用K-Means算法将某MOOC平台中某门课学习者划分为“坚定学习”“大致学完”“重视结果”及“随意散漫”四类,并通过比较四类不同学习者的学习行为,从学习者和课程角度提出了MOOC平台改进的建议[6]。乔璐等以学习者在慕课平台中四种表现为特征,将学习者聚类为三个学习群体,并通过比较群体间差异,最终分析认为影响在线学习成效的最重要的因素是学习者的视频学习率[7]。

在影响学习绩效的因素方面,目前学习效果主要体现在成绩以及学习活动的成果上。郭芳侠等基于Blackboard教学平台数据库从七个方面探究了在线学习行为与学习效果之间的相关性,以及男女生此方面的差异性[8]。沈欣忆运用python技术以及抽样逐步回归方法,构建了学习绩效评估模型,对MOOC平台上的学习行为数据进行分析,并提出提升学习绩效的教学策略建议[9]。宗阳等构建了MOOCs在线学习行为指标,应用逻辑回归分析学习行为对学习成绩的影响,其中提交作业测试可以作为预测MOOCs学习成绩的关键指标[10]。龚艺等通过K-means聚类,从参与、专注、交互三个维度分析了在线学习行为与学习绩效的影响,将学习者聚类为四种不同类型[11]。

关于在线学习行为的研究多是从MOOC等依靠学生自主学习的在线学习环境平台去探讨,鲜有讨论直播教学情况下学习行为投入与学习效果的研究。由于直播课程实时互动的特点产生了与在线教学不尽相同的数据形态,因此还需对直播环境下学生学习行为投入与学习效果的关系进行进一步探讨。

2 研究设计

2.1 数据来源

本研究数据来源于一门基于钉钉平台开启的面向高职学生的计算机基础课程。钉钉在线课堂是集沟通、协作、云端移动办公的多端平台,曾在2020年占据App应用商店下载榜首。课程一共包含16节课,每节课持续80分钟。当下小班直播是最为典型的直播课形式之一,方便学生进行互动且易于记录每个学生的行为动作,因此本文聚焦于小班直播。以某职业院校35名大学生为分析对象,在线学习数据包括出勤次数、迟到次数、旷课次数、资源访问次数、作业提交次数与正确率、观看总时间、师生交互、点赞次数、回看直播、作业完成数、实践成绩和理论成绩。

2.2 直播课学习行为指标设计

国内外学者对在线行为投入的维度划分进行了大量探讨。狄克森在开发的《在线学习投入量表》中将在线学习投入分为交互、情感、技能和绩效四个维度[12]。李爽在综合国内外学习投入相关研究基础之上,提出在线学习行为投入框架,包括参与、交互、坚持、专注、学术挑战和学习的自我监控等六个维度[13]。刘司卓对直播课学习行为投入评价开展理论与实证研究,构建出包括规范遵守、社会参与以及学习参与的直播课行为投入评价框架,内含24个指标,如出勤表现、专注度、主动交互、面对困难等[14]。

本研究通过对已有研究进行梳理,再综合考虑钉钉在线课堂中的实际功能特点,将直播学习行为分为参与、专注、交互、坚持四个板块,对每个二级指标多个变量展示如表1所示。“参与”是指学习者投入到直播课的精力,表现为出勤次数、迟到次数、旷课次数、资源访问次数、作业提交次数。作为在线课程学习最基本的维度,此维度体现了学生保持课堂秩序以及响应教师要求等方面的基本表现。“专注”是指学习者完成学习内容和学习任务的程度,表现在作业正确率、观看总时长,反映了学生注意力集中的程度以及学习者抗外界干扰的能力。“交互”是指学习者与教师之间进行互动的情况,表现为师生交互次数和点赞次数,适当交互有利于提升学生参与度和兴趣,活跃课堂氛围。“坚持”指学习者为实现学习目标或学习任务而表现出持续性的努力[15],表现在回看直播、作业完成等方面,反映学习者在一段持续的时间里投入的精力,是遇到问题和困难时继续努力的程度。

2.3 学习绩效指标设计

学习绩效是指学习者在参与平台学习以后,可熟练灵活运用所学知识,并实现实践能力的提升,其主要表现形式为学习成果的数量与质量,以及学习效益。为探究学生在直播课学习过程中掌握理论并转化为实践综合能力的程度,需要对学习绩效进行测量。为此将实践成绩和理论成绩作为学习绩效的两项指标(采取百分制),并作为因变量,从上述四个维度开展实证分析,探究学习行为对学习绩效产生的影响。

3 研究分析

3.1 直播学习行为和学习绩效分析

3.1.1 直播学习行为分析

(1)参与分析。指标包括出勤次数、迟到次数、旷课次数、资源访问次数和作业提交次数。其中,出勤次数范围12—16次,均值为14.82,标准差为1.27;迟到次数范围为0—7次,均值为2.03,标准差为2.22;旷课次数范围为0—4次,均值为0.77,标准差为1.23;资源访问次数范围为7—12次,均值为9.25,标准差为1.29;作业提交数范围为6—10次,均值9.62,标准差为1.01。上述数据表明,学生直播课的课堂表现、课后作业完成尚可,能够完成教师的基本要求,反映出学生在直播课上受到了较为严格的监管。(2)专注分析。包括正确率和观看总时间。其中学生观看直播总时长范围为7.1—16.7小时,均值为14.55,标准差为2.16;正确率范围为0.28—0.82,均值为0.57,标准差为0.14。结果显示,学生在正确率上存在较大差异,学生在直播平台的平均时间虽处于中上水平,但仍难以保证学习质量,平均作业正确率较低,这与课程偏向讲授实践内容、作业侧重理论考查有一定关系,也反映出直播学习的专注程度低。(3)交互分析。点赞次数范围为0—33次,均值为15.09,标准差为7.71,差异较大;师生互动范围为4—22次,均值为12.49,标准差为4.72。从数据看,其中点赞次数整体水平尚可,但最低值为0,学生参与课堂交互水平参差不齐,部分学生对直播课堂兴趣低,学习积极性有待提高。(4)坚持分析。包括回看直播次数和作业完成次数。回看直播范围为0—5次,均值1.31次,标准差1.16;作业完成范围为2—10次,均值8.46,标准差为2.12。少部分学生课后遇到障碍时选择继续学习,且平均值较低,学生学习自觉度差异大。

3.1.2 直播学习绩效分析

在学习绩效中,分别用理论成绩和实践成绩两个指标作为评价依据。理论成绩中最低分为45分,最高分为98分,平均分为74.62分,标准差为11.57;实践成绩中,范围为43—100分,平均值为77.62分,标准差为14.46。可发现,学生实践成绩要优于理论成绩,而学习成绩越高也印证了学习绩效越好。

3.2 聚类分析

为进一步分析学习行为模式对学习效果的影响,研究利用聚类方法对各个行为要素作为聚类变量进行分析。层次聚类和K-Means聚类为最常见的聚类方法,二者优缺点各有不同,本研究首先通过层次聚类确定聚类数,再利用K-Means算法聚类做进一步挖掘。

此实验采用SPSS完成层次聚类,其中聚类方法采取组间链接法,距离测量区间采用平方欧氏距离,以“类别数”为横轴,“聚合系数”为纵轴,绘制折线图,如图1所示。

图1 层次聚类结果

由图1可知,整条折线呈现下降趋势,在类别数为4—6时下降骤缓,因此考虑将聚类类别数取此区间内,经多次试验后,将聚类数设定为4。选用SPSS对样本执行K-Means聚类,得出各指标显著性水平见表2。

表2 K-Means聚类分析的ANOVA检验

由表2可知,除了作业提交次数以外,其他指标显著性水平均小于0.05,即存在明显差异。根据标准化的聚类中心结果显示,第一类学习者有3人,占比8.6%,为“积极赶超型”。此类学生学习自信心强,能出色完成直播课学习任务,表现积极,各项学习行为表现均非常显著。第二类学习者有11人,占比31.4%。此类学生为“认真拘谨型”,在课堂学习行为表现较突出,但课堂积极性较低,师生交互和点赞次数较低,虽认真上课但是缺乏主动交互,回看直播次数也低于第一类学习者。第三类学习者有15人,占比42.8%,为“积极敷衍型”。此类学生课堂专注、交互、坚持三个维度表现均低于第一类学习者,能遵守课堂秩序,但是在课堂交互、作业正确率、坚持学习等方面表现一般。第四类学习者有6人,占比17.1%。该类学生为“消极懒散型”,各项行为上表现欠佳,学习任务完成度低,大部分指标变量均值低于其他几类学习者。在总体上人数分布呈现“两头小中间大”的趋势,消极学习与勤奋学习的人数相对较少,“积极敷衍型”和“认真拘谨型”学习者多。

3.3 抽样逐步回归分析

本研究以直播学习行为投入的各项指标作为自变量,实践成绩和笔试成绩作为因变量,利用SPSS26.0工具进行逐步回归分析。选用此方法是由于多个变量指标相互之间会产生干扰,对解释变量的影响也不尽相同。令每个学生实践成绩和理论成绩各占0.5,相加后的值作为学生期末总成绩进行分析研究。首先对各变量进行多重共线性检验,自变量VIF值均小于5,说明不存在共线性。回归结果如表3、表4所示。

表3 模型摘要e

表4 回归分析结果系数a

ANOVA方差分析表显示,显著值≈0.000,说明自变量与因变量呈显著相关关系。此外,模型自动优化依次剔除了如“出勤次数”“迟到次数”“旷课次数”“资源访问次数”“作业提交次数”“观看总时间”“回看直播次数”等无显著统计学意义的自变量。模型估计的拟合优度R2在依次增加师生交互、点赞次数、作业完成、正确率等因素时,从0.767、0.864、0.925到最后0.926,说明模型的拟合效果较好,提升效果明显。模型中德宾-沃森值为1.793,在0—4之间,说明残差间相互独立。根据多元线性回归方程公式为:

Yi=β0+β1X1+β2X2+β3X3+…+βnXn

其中:Y作为因变量,X1,…,Xn为自变量,β是偏回归系数,表示在其他自变量保持不变的情况下,某一自变量引起因变量变化的比率。从系数表可得出回归方程为:期末成绩=36.871+0.801×师生交互+0.517×点赞次数+1.608×作业完成+13.582×正确率。通过对回归系数分析,期末成绩与作业正确率、作业完成、师生交互和点赞次数正相关。其中作业正确率的系数为13.582,作业完成的系数为1.608,师生交互和点赞次数系数分别为0.801和0.517。专注维度中作业正确率对学习成绩影响最大,其次是坚持维度中作业完成次数也对成绩产生显著影响,而交互维度中师生交互和点赞次数两个指标与学习绩效呈弱相关。

4 结论

4.1 直播课学生群体聚类分析

直播学习环境中,学生学习行为存在特定的行为模式,可以从学习者认知、学习习惯以及学习者个体特征等方面去解释,不同的行为模式给教师的分类指导和教学提供了有力的支持。本研究通过对直播课中学生的学习行为特征聚类分析,将其分为了四类:(1)积极赶超型。此类学生在参与、专注、交互、坚持维度都表现优秀,期末综合成绩是四类中表现最高的。对此类学生在鼓励其保持优秀学习习惯的同时,应为其提供更多比赛机会,增加一些挑战性学习项目,激发其学习潜力。(2)认真拘谨型。在各项指标上均表现良好,在师生交互、点赞次数和回看直播次数上低于“积极赶超型”学习者。说明本类学生在参与和专注维度都表现不错,但是在坚持和交互维度上表现一般,尤其是交互存在显著差距。对此类学生要注重交流能力的培养,营造和谐互动的学习氛围,设置小组活动,通过指派特定的任务或角色等鼓励学生参与课堂之中,增强其学习互动性从而促进学习效果的提升。(3)积极敷衍型。此类学生与以上两类学生有较大差距,指标多处于整体平均水平上下,在作业正确率上表现不太理想,专注、交互、坚持维度的表现都有待提升。此类学生需要家长和教师密切关注和及时干预,通过对学生心理和认知策略的不断调节和指导,促进学习态度的转变,进一步提升学习效果。(4)消极懒散型。此类学生理论和实践成绩都是四类中最低的,缺乏良好的学习习惯,各个维度都有待提升。对此类学生应高度重视,教师应主动加强深度沟通以了解学习中的主要问题,并予以有针对性地帮助。

4.2 影响直播课学习绩效的主要因素

直播课学习行为投入和学习成绩存在显著相关,并具有较强的解释性。通过回归方程可知作业正确率、作业完成、师生交互和点赞次数对学习成绩存在正向影响。其中作业正确率是影响学习成绩最重要的因素,这与现实情况一致。此外,学生作业完成次数越多,学生的学习成绩也越高。可推测坚持和专注两个维度的行为指标提高能极大改善学习表现。张治等人发现,提升学业成绩的核心在于提升学习者的学习品质(如坚持、专注、反思等)等非学业方面的素质[15]。师生交互和点赞次数与学习成绩呈现弱相关,这也从侧面说明了并非是课堂互动越多,学生越能积极交流,学生就能够取得更好的成绩。有研究表明,过多的互动可能会分散学习者的注意力和精力,这与不同的教学环境、课程类型和学生个体差异等因素相关。学生参与行为普遍存在着浅层投入的现象,学习者在参与维度的基本学习行为虽差异较小,但学生学习成绩分布却各有不同。可见教师虽依托实时音频互动展开教学并规范课堂秩序、监督学习,但仅促进“参与”行为却难以对学习绩效产生有效提升。直播课教学中教师除了关注学生的基本行为如遵守课堂秩序等,更需提升学习者坚持、专注方面的表现。由于拥有更为灵活的学习空间,难以保证学生都全神贯注地学习,课后面对无教师监督,学生学习投入较为被动,坚持性差。特别是对成绩处于平均水平以下且自控能力较弱的学生,教师要及时监控学习过程,纠正其违规行为,帮助学习者制定学习计划。对于未能按时完成任务的学生予以更多的关注和帮助,有助于其良好学习习惯的养成。

4.3 建议

首先要增强学习者专注与坚持行为。提升学习者的坚持、专注等学习品质是有效提高学习绩效的核心所在。专注的学生更能将注意力集中在学习内容和任务上,克服外界的干扰,积极思考,练习巩固知识,开展深层次学习,完成知识的构建[16]。尤其是在直播课程中,随着时间的增加,学生难以长时间保持对课堂的专注度,容易精神疲劳,受到网络信息干扰。教师应合理安排课程内容,高效利用教学平台设计出有趣味的优质课堂环境,引导学生反思总结,从而促进学生有意识地自主学习。鼓励学生课后坚持学习,通过平台发布丰富的学习资源,将个性化指导方案推送给不同类型的学习者,多方位监测学习过程,及时发现潜在问题。

其次要营造良好的课堂氛围,加强多元交互。聚类结果显示,“积极赶超型”学习者与“认真拘谨型”学习者虽在坚持、专注、参与维度表现无太大差距,但积极主动交流的学生能更主动进行知识的构建,实现高效学习。积极交互不仅影响自身学习成效,还会对整个班级教学成效产生影响。因此教师应该营造良好的课堂氛围,提升课堂活跃度,在师生、生生相互影响中实现知识协同获得。此外在直播课学习中,学生、教师、同伴、平台、学习资源构成了学习共同体,应该注重多元间的交互,从传统“师生”互动课堂向“生生”互动并行的模式转变。