混合教学模式下学生学习满意度影响因素的研究

摘要：基于社会认知、信息技术学和行为理论相关研究成果，文章选取9个变量构建混合教学模式下学生学习满意度结构初始模型，利用结构方程分析法对初始模型进行修正，以确定可以与观察数据契合的最终模型。混合教学模式下学生学习满意度现状结果表明，应关注混合式教学课程考核制度的完善、主讲教师信息化教学技能培训以及学生自我效能感的增强，以进一步提升学生的学习满意度。

关键词：混合教学；网络课程；学习满意度；结构方程模型

中图分类号：G434  文献标志码：A

0 引言

2019年10月30日，教育部印发的《关于一流本科课程建设的实施意见》中，提出课程是人才培养的核心要素，课程质量直接决定人才培养质量。树立课程建设新理念，推进课程改革创新，严格课程管理，立起教授上课、消灭“水课”、取消“清考”等硬规矩。在此背景下，各高校纷纷立足课堂教学改革，依托互联网、大数据、云计算等信息技术，探索“互联网+”教与学模式的变革，将信息技术和课程资源整合的混合教学开始走进高校教学改革的实践场域。近年来，经过不断发展，混合教学已经成为我国高等教育教学改革的趋势。

混合式教学是指教师与学生在传统课堂教学和网络在线教学相结合的情境下，以传统课堂和移动终端设备为媒介，教师根据教学内容和学生接受程度合理安排教学活动，学生根据学习习惯和能力合理规划学习进度的新型教学模式［1］。如今各高校混合教学探索正如火如荼进行中，然而学习者对混合学习模式是否感到满意？有哪些因素影响了学生的学习满意度？这些因素与学习满意度之间有什么关系？这些因素之间如何相互影响？本研究将围绕这些问题进行探讨。

1 研究变量的确定及定义

在外因的考量上，主要以DeLone和Mclean所提出的D&M模型为理论依据，研究混合模式下网络教学平台的系统质量、内容质量以及服务质量与学生学习满意度之间的关系［2-4］。人的外部行为受到人的内在活动概念影响，学生对混合教学方式的看法、学习态度、个人经历、学习方式等的差异均会影响学习满意度，同时，了解学生的内在需求也有利于提高系统品质，因此，在参照相关研究成果的基础上，确定使用意愿、感知易用性、感知有用性、自我效能感及学习成就感作为影响学生学习满意度的内在因素［5-9］。

2 研究假设与模型构建

借鉴学习满意度相关实证研究成果，结合混合教学模式的实际特点，根据IS成功模型、技术接受模型、社会认知等理论基础，本文构建了混合教学模式下学生学习满意度初步结构模型，各个变量之间的关系用箭头表示，假设箭头起点处变量对箭头终点处变量有正向影响，如图1所示。

3 模型实证分析

3.1 数据收集

广州商学院网络教学平台建设包括章节内容建设、辅助资料建设、教学准备、课前教学（含教师讨论发布、学生课程学习、师生实时交流、教师教案备课等）、课堂互动、作业考核、考试考核、课程统计以及课程管理等内容。开展混合教学模式的教师根据本学期的教学任务提前在平台上建设课程，导入教学班学生名单，并进行互动教学管理；及时给学生发布课程开课等相关通知；通过互动栏目给教学班学生布置、批阅作业，答疑和自测考试；通过讨论区定期或不定期和学生交流互动、讨论问题、解惑答疑。学生除了需要根据课表按时参加线下授课，还要完成线上课程的章节学习，包括观看视频、参与讨论、完成作业以及考核等。

本研究基于混合教学模式下学生学习满意度结构模型，编制调查问卷，问卷包括基本信息、学习满意度影响因素和开放性问题3部分。以参与广州商学  院2023年秋季学期混合教学课程学习的学生为调查对象，要求被调查者根据自己使用网络教学平台的实际情况和真实感受来回答，选择非常同意、比较同意、一般、不太同意以及非常同意5个项，依次给予1～5分。

3.2 数据分析

问卷主要通过纸质版线下填写和问卷星线上填写2种方式进行发放。问卷共发放484份，回收450份，剔除填答不完整、所有题项答案都一样等无效问卷，有效问卷共396份，占总样本的81.82%。样本数据的KMO值为0.941，Bartlett检验的具体结果如表1所示，sig显著，表明样本的相关矩阵有公因子，适合进行因子分析。

研究变量的测量指标总数为34个，各变量的Cronbachs α系数≥0.9，总体信度达到0.988，表明问卷题目间的一致性和稳定性较好，满意度测量具有较高的可信度。各变量的AVE值均大于0.5，CR值均大于0.7，研究变量两两相关系数均小于相应变量AVE的平方根，表明各变量的区别效度良好，数据具有较好的收敛效度和区别效度。

3.3 模型分析

3.3.1 原始模型评价

使用AMOS软件对初始模型进行分析，得到初始模型拟合指数结果，如表2所示。结果表明，卡方值和自由度的比值2.232，这个值可以接受。而RMSEA=0.120，大于MacCallum等［10］的推荐值，此外，AGFI=0.514，小于推荐值0.8，GFI、CFI、NFI、IFI的值均小于推荐值0.9。

系数估计结果的P值对模型路径系数进行统计显著性检验，UICQ、UISVQ、UIPU、UIPEOU、LSUI以及LSSE的系数都不显著，如图3所示。

综上，可以认为模型拟合效果并不理想，需要对模型进行进一步调整和修正。

3.3.2 模型修正

修正模型主要通过删除或者限制部分路径，提高模型拟合程度，使模型结构更加合理，从而提高模型的正确性。UICQ、UISVQ、UIPU、UIPEOU、LSUI以及LSSE的路径系数在0.01水平下不显著，UIPU的P值为0.842，因此，首先考虑删除P值较大的路径。从实际意义来看，当今处于信息时代，数字原生代的学习适应能力较强，对信息技术敏感度高，这使得他们能够很快熟悉和适应信息技术应用学习，从这个角度出发考虑感知易用性对使用意愿的影响并不大。基于路径系数显著性结果和现实意义，考虑删除模型中感知易用性到使用意愿的路径，得到模型M1。

（1）模型M1的评价及修正。

对模型M1进行分析，通过观察拟合指数及路径系数估计值发现卡方值与自由度的比值为2.216，GFI=0.601，CFI=0.896，NFI=0.867，均比原始模式的拟合指数得到改善，但是仍具有优化空间。而删除感知易用性到使用意愿的路径后，M1模型路径系数以及显著性水平都得到较大改善，因此，做出这种修正是有意义且有必要的。从中推断系统的易用性与学生使用意愿之间关系不明显主要是因为一方面目前系统均沿着简单、易用的方向发展，在系统设计上更加人性、合理，因此，学生使用系统的意愿不会因为它操作简单而有明显的影响；另一方面，相较于传统的纯线下教学，学生对混合式教学更具有好奇心和探索欲，对使用平台进行学习的态度本身就是积极的。

由于模型并未达标，需要继续对M1做出修正。

M1路径系数估计值显示LSUI的P值为0.286，但是使用意愿影响学习满意度有足够的理论支撑，而从现实意义考虑，自我效能感的主观性因素过强，个体有可能对自我判断不准确，在对学习满意度的影响上具有较多不确定因素，因此，考虑删除自我效能感到学习满意度的路径，得到模型M2（见表4）。

（2）模型M2的评价及修正。

对模型M2进行分析，卡方值较M1有所减少，卡方值与自由度的比值为2.175，RMSEA=0.102，GFI=0.683，均比原始模式的拟合指数得到改善，但是仍然没达到理想的拟合指标。由于模型的各个参数在0.05的水平下都是显著的，下面将考虑通过修正指数对模型进行修正。

M2模型修正指标中可知，从内容质量（CQ）到感知有用性（PEOU）的路径修正指数最大，为30.245。从现实角度考虑，内容质量越高，越会增加人们的认可度和好感，进而认为其对自己是有益的，从而提高感知有用性。因此，考虑增加从内容质量到感知有用性的路径，得到模型M3。

（3）模型M3的评价及修正。

M3的模型拟合指数结果和路径系数估计值分别如表6和表7所示。表6拟合指数结果中显示，虽然自由度增加了，但是卡方值有所减少，卡方值与自由度的比值为1.97，达到较优水平，其他指数RMSEA、GFI、AGFI、NFI以及IFI的值均比原始模式的拟合指数值更合理和完善，比较接近理想的拟合指标，结合现实意义考虑，认为已经得到了拟合程度较为理想的结构化方程模型。

从M3的路径系数估计值中可以发现，PEOUPU、LAPEOU、SEPU、SELA、LSLA和PEOUCQ的路径系数在0.001水平上显著，UISQ、UISE和LSUI的路径系数在0.01水平上显著，而其他假设的路径系数均在0.05水平上显著。综上，结合现实意义考虑，认为M3为拟合程度较为理想的结构化方程模型。

最终得到的学习满意度因素路径模型如图2所示。初始模型中的13条假设路径中，除H8、H11外的11个假设内容均得到支持，并增加一条从内容质量到感知有用性的路径。

3.4 开放性问题分析

通过对开放性问题“如果您还有什么想法和建议，请填写”的调查结果进行统计后，总结问题主要集中在以下几个方面。

3.4.1 课程学习进度提醒

由于每一章节的课程学习由老师设定开放时间，因此，当学生完成一个章节的课程学习后，老师会陆续发章节练习、作业、讨论、下一个章节的学习内容并且对练习、作业和讨论的时间作出限制。在这种情况下，同学们反映很容易错过课程学习时间以及限定的练习和作业提交时间，因此，有大部分同学建议课程学习以及作业提交时间提醒能够更加及时和到位，还有少部分同学建议能够自主控制学习进度或者能够在课程介绍中展示课程学习的时间安排。

3.4.2 线下课堂

关于线下课堂，同学们也有很多想法和建议。有些同学希望“线下课堂可以更有趣一点”“如果线下课堂能够更好地调动学生积极性就更好了”“线下课堂的内容能够更丰富一点”，还有些同学认为线上学习与线下课堂讲授的内容有较多的重复，希望线上内容更加丰富，可以帮助开阔视野。

3.4.3 课程内容

有同学表示课程内容讲解得很清晰，但是希望能够更加有趣，讲课方式更加灵活和多样化，更贴合大家的需要，并且希望线上学习视频能更加注重画面上的丰富度。

3.4.4 师生交流

线上自主学习与线下课堂授课相结合的学习让学习变得更加简单和方便，但是由于学习任务较重，师生间的交流比较欠缺。有同学建议“希望老师能够在线上多回答问题”，并且希望“能够提供更多的途径让我们与老师交流”“通过线上与线下更加合理的时间分配，加强与老师的交流”，还有部分同学希望线上的老师回答问题能够更加及时，为他们提供有效的反馈。

从问卷调查结果来看，同学们对混合学习模式的满意度整体上还是比较高的，大多数的人已经接受、认同并且适应线上与线下相结合的学习方式，因此，当务之急是根据同学们的反馈意见和需求，做出相应的完善，提高混合教学模式下学生的学习满意度。

4 结论与建议

4.1 结论

基于满意度相关领域的理论知识，提出学生学习满意度结构模型。通过问卷数据分析和修正后的结构方程模型显示，影响学生学习满意度的因素主要有：系统质量、内容质量、服务质量、感知易用性、感知有用性、使用意愿、自我效能感、学习成就感。

其中，使用意愿和学习成就感直接影响学生学习满意度，而自我效能感则不会直接影响学习满意度，但是影响使用意愿从而间接影响学生学习满意度。内容质量、感知有用性、系统质量、服务质量按照路径负载值大小不同程度直接影响使用意愿，从而影响学习满意度，感知易用性并不会影响使用意愿。内容质量会影响感知有用性，感知有用性正向影响学习成就感，而学习成就感均直接影响自我效能感和学习满意度。

4.2 建议

（1）在平台建设上，学校应完善相关的规章制度，使网络教学平台和课程的建设、运行到后期的完善都更加制度化和规范化。部门之间应该相互合作和协调，做好前期的研究准备工作、中期的建设和运行以及后期的反馈和调整，加强系统质量、内容质量和服务质量的监控。保证系统质量，是平台建设负责部门的责任。相关负责人应该从学习者需求角度出发，做好使用者需求调研，跟踪师生使用满意度，听取使用反馈和优化意见，建设具有本校特色、交互友好、满足学生需求的系统。

在运行管理上，学校层面应定期组织专家对线上课程建设以及混合教学工作进行考核，主要包括对课程建设的完善情况、学生参与互动情况、混合教学开展过程学生学习满意度情况等内容进行考核，对考核合格及优秀的课程应给予对应的补助或奖励。

（2）严格把关主讲教师队伍建设质量，教师需要转变意识。线上授课与线下授课的方式和要求有所不同，教师要从混合式教学模式的实际情况出发，让教学方式更加灵活多样。老师在制定计划的时候需要在开课说明处发布整个课程的具体教学安排，这样学生可以提前对课程学习有更多的主动权和更好的学习计划，并且充分考虑学生参与讨论、提交练习和作业的时间，对课程课时设置有更加合理的分配，使学生有更加充裕的时间完成每一章节的学习。在课件以及练习的准备上也应该与时俱进，注重应用性与新颖性相结合，能够充分调动学生的学习积极性和参与热情。另外，课程助教老师要提升线上活跃度，加强与学生的交流和互动，对于同学们提出的知识性和技术性问题及时回答和反馈。

（3）从研究结果来看，感知易用性、感知有用性、使用意愿、自我效能感与学习成就感均不同程度影响学生学习满意度，而这些因素均与学生主观性相关，因此，从学生自身方面转变学习观念，加强自我管理至关重要。学生应该积极配合学校及老师开展教学工作，严格要求自己，培养高度的责任感，及时向学校、老师或相关部门反映学习过程中出现的问题，为学校和老师完善相关工作提供客观真实的信息。同时，学生应该转变学习观念，开展混合教学只是提供一个更为方便、灵活的学习方式，而知识和技能的学习仍然有赖于学生自身的努力。因此，学生应该寻找有效的途径增强学习自信心，培养自我学习能力。

参考文献

［1］苏真真.混合式教学实施的个案研究［D］.郑州：河南大学，2020.

［2］刘林，吴金南，李吉昂.基于D&M模型的在线教育平台质量指标构建与模糊综合评价［J］.安徽工业大学学报（社会科学版），2022（5）：99-103.

［3］AL-BUSAIDI K A，AL-SHIHI H.Key factors to instructors satisfaction of learning management systems in blended learning［J］.Journal of Computing in Higher Education，2012（1）：18-39.

［4］RAMAYAH T，LEE J.System characteristics，satisfaction and E-learning usage：a structural equation model （SEM）［J］.Turkish Online Journal of Educational Technology，2012（2）：196-206.

［5］覃红霞，李政，周建华.不同学科在线教学满意度及持续使用意愿：基于技术接受模型（TAM）的实证分析［J］.教育研究，2020（11）：91-103.

［6］宋昊泽，赵婧，洪阳.高校师范生MOOC学习意愿研究：基于整合的TPB模型和TAM模型［J］.天津师范大学学报（社会科学版），2023（1）：74-80.

［7］方旭.MOOC学习行为影响因素研究［J］.开放教育研究，2015（3）：46-54.

［8］李妍，张瑞锋.常态化疫情防控下混合式教学环境中学生学习行为意向影响因素分析［J］.高教学刊，2023（3）：62-65.

［9］江凤娟.混合式教学环境中大学生学习的行为意愿影响因素研究［J］.电化教育研究，2021（6）：105-112.

［10］MACCALLUM R C，BROWNE M W，SUGAWARA H W.Power analysis and determination of sample size for covariance structure modeling［J］.Psychological Method，1996（2）：130-149.

（编辑 何 琳）

Research on the influencing factors of students learning satisfaction under the blended teaching mode

CHEN  Baoling

（School of Information Technology and Engineering，Guangzhou College of Commerce， Guangzhou 510000， China）

Abstract：  Based on the research results of social cognition， information technology， and behavioral theory， this article selects nine variables to construct an initial model of student learning satisfaction structure in the blended learning mode. The structural equation analysis method is used to modify the initial model to determine the final model that can be consistent with the observed data. The current situation of student learning satisfaction in blended learning mode indicates that attention should be paid to the improvement of the assessment system for blended learning courses， the training of information technology teaching skills for main teachers， and the enhancement of student self-efficacy to further enhance student learning satisfaction.

Key words： blended teaching; online course; learning satisfaction; structural equation model

作者简介：陈宝玲（1991— ），女，高级工程师，硕士；研究方向：大数据分析与应用，教育信息化。