网络环境下学习者特征间影响权重群体差异研究*

2014-03-07

中国远程教育 2014年10期

一、引言

近年来，信息技术的发展，尤其是智能学习终端及网络通信技术的不断升级与变革，极大地促进了教与学时空的延伸，使借助网络开展更为“泛化”的学习成为主流趋势。信息技术的发展不仅丰富了信息传递媒介，也加速了信息容量的膨胀，使人们沉浸在“信息的海洋”中，无形中激化了人们快节奏的生活、有限的学习时间与精力同海量信息之间的矛盾，迫使人们殷切希望实现网络环境下有效甚至高效的学习。然而，学习是一项极为复杂的认知活动，不仅受学习的时间、场所、资源以及媒介等诸多外部因素的影响，还受学习者的知识起点、认知能力、学习动机、学习策略、学习归因、学习态度等诸多内部因素的影响，其中内部因素对学习的发生及效果有着决定性的作用。

目前，有关传统环境下教与学的相关研究已取得丰硕成果，并对教与学各层面的变革起到了积极的推动作用。与传统学习活动相比，网络环境下的学习活动及其影响因素、学习群体及信息量更为庞杂。学习环境的虚拟化、学习资源的数字化与多（超）媒体化、学习自主化及管理自动化等诸多方面的变革均会在一定程度上对学习者相关心理特质产生不同程度的影响。此外，差异的普遍存在决定了“量体裁衣”式的个性化学习服务是难以实现的。因此，以学习群体为基本单元，开展网络环境下学习者特征间影响权重的群体差异研究，既能避免“一刀切”式的教学模式，又能对不同学习群体在学习活动中的认知、行为及情感的投入进行针对性的调节与改善，对实现网络环境下富有成效的学习具有深远意义。然而，目前国内外有关网络或远程环境下学习者特征群体差异的研究主要以某项学习者特征在不同性别、学历、学科类别、学习环境以及地域间的差异为主[1]-[8]，且在绝大多数研究中对学习群体的划分存在一定的交叉，有关网络环境下学习者特征间影响权重的群体差异研究极为罕见。

鉴于此，本研究运用二叉树的思想将研究对象按照性别与学科类别划分为男文科、女文科、男理工、女理工、男艺术和女艺术六类学习群体，在借鉴前人研究的基础上构建了网络环境下学习者策略性特征、动力性特征及个性化特征间的关系模型，借助AMOS6.0、SPSS19.0等数据统计分析工具，采用多群组路径分析法，对网络环境下各项特征间的影响权重进行群体差异分析，希望能够为网络环境下各类学习群体在学习过程中各项特征的调节与改善提供可供参考的依据。

二、理论基础及研究模型的构建

1.网络环境下学习者特征的选择

所谓网络环境下学习者特征就是学习者特征的网络化，即影响网络学习活动有效性的学习者内部心理过程的各个方面。学习者特征分析就是从理论研究与实证研究两方面对影响学习活动有效性的各项特征及其关系进行深入的挖掘、剖析。鉴于学习者特征复杂多样，学习者特征分析难以涵盖生理、心理、社会等各个方面，因此本研究通过对近年我国学者关于网络或远程环境下学习者特征的描述性研究[9]-[16]进行归纳总结，筛选出对网络环境下有效学习起关键作用且研究量表应用较为成熟的部分特征，包括策略性特征、动力性特征与个性化特征。策略性特征主要指学习者在网络学习活动中为完成学习任务，达到学习目标，使用各种网络学习策略的意识，包括信息素养策略、资源管理策略、反思总结策略、合作交流策略以及自我调节策略。动力性特征主要包括网络学习自我效能感、网络学习动机、网络学习归因以及网络学习态度，其中网络学习自我效能感主要指的是学习者对自己使用计算机、网络信息资源或网络通信工具等完成学习任务，使自身得到充实和完善所需能力的一种主观判断；网络学习动机是指在信息化学习环境中激发并维持学习者利用网络及数字资源不断丰富和完善自身的一种内部心理状态；网络学习归因是指学习者为自身网络学习效果的好坏寻找原因的心理过程；网络学习态度是指学习者对网络学习及其效果认可程度的一种心理倾向。影响网络学习活动的个性化特征包括很多，如注意力、空间定位能力、网络学习焦虑等，本研究所涉及的个性化特征主要是指网络学习焦虑，即学习者在网络环境下进行信息加工过程中因各种不确定性因素而引发的紧张不安的心理反应。

2.网络环境下学习者特征间关系研究

目前，国内外有关网络环境下学习者特征间关系的研究主要集中在变量间的相关性研究及影响因素研究两方面，且后者多以网络学习策略、网络学习自我效能感以及网络学习动机为效标变量，以网络学习归因、网络学习态度、网络学习焦虑等为预测变量。如彭华茂等[17]以远程学习者为研究对象，对远程学习者的学习策略、学习效能感以及学习归因之间的关系做了较为深入的研究，研究表明远程学习者的学习效能感对学习策略具有直接的正向预测效应；学习动机对学习策略具有间接的正向预测作用；不同归因倾向对学习策略的影响不同，内部归因通过自我效能感对学习策略产生间接的正向预测效应，外部归因既可以通过自我效能感对学习策略产生间接的负向影响,也可以直接负向影响学习策略；远程学习自我效能感对学习策略的影响效应值最大，其次是归因倾向，最后是学习动机。张建伟[18]的研究证实了内在学习动机和自我调节能力对远程学习自我效能感具有显著的积极预测作用，是影响远程学习者自我效能感的重要因素。刘春华[19]在对网络学习自我效能感进行分析的基础上，对其影响因素进行了分析，结果表明网络学习自我效能感在不同性别、年级、专业的大学生间存在显著差异，且网络学习经验、计算机焦虑对大学生网络学习自我效能感有重要影响。李玉斌等[20]在构建网络学习行为模型的过程中，对网络学习态度的重要作用进行了实证研究，研究表明网络学习态度对网络学习行为有显著性影响。

3.研究预设模型

实用主义哲学创始人皮尔斯认为“任何人为了求生存，都必须采取一定的行动”[21]。也就是说，学习者为了在学习环境中获得更好的认知与发展、进行更有意义的建构，就必须付诸行动，实施相应的学习策略。因此，在上述对网络环境下学习者特征及其相互关系进行梳理的基础上，本研究构建了以网络学习策略（eLs）为终结因变量，网络学习动机（eLm）、网络学习自我效能感（eLse）为中间因变量的研究预设模型，如图1所示。模型中，网络学习焦虑（eLAnxi）与网络学习态度（eLAttit）是三个因变量的共有自变量，网络学习动机、网络学习自我效能感和网络学习外部归因（eLAttri_E）是影响网络学习策略的额外自变量，网络学习动机和网络学习内部归因（eLAttri_I）是影响网络学习自我效能感的额外自变量。

预设标准方程为：

其中W1—W12分别代表研究预设标准方程中自变量的权重系数。

图1 研究预设模型

根据研究预设模型中各研究参数间的关系，本研究提出以下研究假设：

假设1（H1）：网络学习焦虑（eLAnxi）对网络学习动机（eLm）的影响权重在不同学习群体间存在显著差异；

假设2（H2）：网络学习态度（eLAttit）对网络学习动机（eLm）的影响权重在不同学习群体间存在显著差异；

假设3（H3）：网络学习态度（eLAttit）对网络学习自我效能感（eLse）的影响权重在不同学习群体间存在显著差异；

假设4（H4）：网络学习焦虑（eLAnxi）对网络学习自我效能感（eLse）的影响权重在不同学习群体间存在显著差异；

假设5（H5）：网络学习动机（eLm）对网络学习自我效能感（eLse）的影响权重在不同学习群体间存在显著差异；

假设6（H6）：网络学习内部归因（eLAttri_I）对网络学习自我效能感（eLse）的影响权重在不同学习群体间存在显著差异；

假设7（H7）：网络学习外部归因（eLAttri_E）对网络学习自我效能感（eLse）的影响权重在不同学习群体间存在显著差异；

假设8（H8）：网络学习焦虑（eLAnxi）对网络学习策略（eLs）的影响权重在不同学习群体间存在显著差异；

假设9（H9）：网络学习态度（eLAttit）对网络学习策略（eLs）的影响权重在不同学习群体间存在显著差异；

假设10（H10）：网络学习自我效能感（eLse）对网络学习策略（eLs）的影响权重在不同学习群体间存在显著差异；

假设11（H11）：网络学习外部归因（eLAt⁃tri_E）对网络学习策略（eLs）的影响权重在不同学习群体间存在显著差异；

假设10（H10）：网络学习动机（eLm）对网络学习策略（eLs）的影响权重在不同学习群体间存在显著差异。

三、研究方法

1.研究对象

研究对象的选取是开展实证研究的关键环节。鉴于本研究是关于网络环境下学习活动的相关研究，因此选取一批具有稳定学习经历、数量与类别较为丰富且学习过程容易观察与管理的网络学习者作为研究对象是研究顺利进行的重要基础。陕西师范大学“现代教育技术”网络课程是一门开放教育资源课程，自2002年以来，参与该课程学习的不仅包括陕西师范大学的全日制本科生、全日制教育硕士、成人教育硕士和免费师范生教育硕士，还包括第四军医大学、宝鸡文理学院、西安解放军政治学院等几所大学的部分在校学生，截至2013年4月该课程已被登录学习1,137,943次。也就是说，该课程拥有一批较为稳定的学习群体，且学习对象的数量巨大、类别丰富。此外，该课程完善的后台设计有利于实现研究者对学生网络学习活动的观察、记录与分析。

综合考虑上述因素，本研究选取2012年上学期参与“现代教育技术”网络课程学习的2009级本科生为研究对象，涉及文科、理工科以及艺术类三大学科类别，研究对象涵盖16个学院17个专业，具有一定的代表性。研究采取电子问卷的形式在网络课程上对2,897名学习者进行调研，最终回收问卷2,366份（84.50%）。根据课程后台记录数据，剔除完整度小于90%、基本信息缺失、选项规律性较强或第二份问卷填写时间小于4分钟的问卷，最终保留有效问卷1,715份，有效率72.49%。女生中艺术类、理工科类、文科类学习群体分别占总人数的6.0%、35.2%、29.2%；男生中艺术类、理工科类、文科类学习群体分别占总人数的4.6%、16.3%、8.7%。

2.研究量表设计与信效度分析

本研究是继“大学生网络学习焦虑影响因素研究”（《电化教育研究》，2013年第5期）之后对网络环境下学习者特征的进一步探索。本研究所用量表中除网络学习归因量表外，其他量表如网络学习策略量表、网络学习自我效能感量表、网络学习动机量表、网络学习态度量表、网络学习焦虑量表等的编制依据、信效度检验均在“大学生网络学习焦虑影响因素研究”一文中已进行了较为详尽的阐释，故在此不再赘述。与之相比，该文在以下几方面进行适当补充说明：其一，网络学习归因量表主要测量学习者为自身网络学习效果寻找原因的取向。本研究中使用的学习归因量表是根据研究实际对Lercourt,Von Baeyer,Ware,Cox(1979)编制的多维度-多归因因果量表[22]中的学习成就归因量表改编而成的，共包括情境归因、运气归因、努力归因和能力归因四个维度，每个维度6个题项，分别包括3个成功归因与3个失败归因。其二，参考量表信度效度先前检验的结果，本研究在二次分析的过程中对研究数据进行了再次筛检与剔除，最终保留1,715个研究样本。鉴于研究样本数量的调整，本研究对所用研究量表的信度、效度进行了重新检测与分析，各研究量表结构效度分析结果如表1所示。

表1 各研究量表结构效度分析摘要

从表1可知，网络学习策略量表、网络学习自我效能感量表、网络学习归因量表及网络学习态度量表的卡方自由度比值均大于建议值，未达模型适配标准；然而其余适配指标如GFI、RMR、RMSEA、AGFI、NFI以及CFI的检验结果均能满足研究要求。根究吴明隆的建议[24]：当样本观察数足够大时，整体模型适配度的判断不应该仅以卡方值或卡方自由度比值作为判断准则，其他适配度指标的作用将愈显重要。也就是说，本研究各研究量表的结构效度可以被接受，能够满足研究要求。

此外，本研究中使用的“网络学习策略量表”、“网络学习自我效能感量表”、“网络学习动机量表”、“网络学习归因量表”、“网络学习态度量表”和“网络学习焦虑量表”的整体α值分别为0.907、0.858、0.801、0.796、0.868、0.910；各研究量表中子构面的α值分别介于0.695-0.747、0.731-0.796、0.655-0.700、0.602-0.714、0.695-0.757、0.684-0.752之间。根据吴明隆的建议[25]，0.70为量表整体信度可接受的最低值，大于0.80时研究量表的信度较高；0.60为研究量表各维度信度的最低值，大于0.70时研究量表各维度的信度较高。因此，本研究所用量表的整体信度及各维度信度均能满足研究要求。

四、研究预设模型分析

1.数据拟合度分析

借助SPSS19.0及AMOS6.0，对研究预设模型的数据拟合度进行分析，各项指标的分析结果如表2所示。

表2 研究预设模型数据拟合度分析

从上述模型检验的结果分析来看，该模型的自由度（df）为18，整体模型适配度的卡方值为94.347，显著性概率值p=0.000＜0.05显著水平，拒绝虚无假设，表示假设模型与样本数据不能契合；卡方自由度比值为5.241＞3，未达模型适配标准；RMSEA 值为 0.050＜0.080， AGFI值为 0.861＜0.900，GFI值为 0.985＞0.900，TLI值为 0.907＞0.900，CFI值为 0.987＞0.900，NFI值为 0.984＞0.900，除AGFI值略低于建议值外，其余指标均达到模型适配度标准，表示该模型对各研究群体适配良好，且并未发现违反估计值。也就是说，该研究预设模型数据拟合度良好，基本能够满足研究要求。

2.多群组路径差异分析

各学习群体研究预设模型影响权重及参数间差异的临界比值的分析结果分别如表3、表4所示。

从表3可知，研究预设模型中各类学习群体以网络学习策略、网络学习动机、网络学习自我效能感为效标变量的回归方程分别表述如下：

男文科类学习群体为：

男理工类学习群体为：

男艺术类学习群体为：

女文科类学习群体为：

女理工类学习群体为：

女艺术类学习群体为：

表3 各学习群体路径分析摘要

表4 预设模型影响系数群体差异分析摘要（I-J）

表4 预设模型影响系数群体差异分析摘要（I-J）（续表）

由于数据分析工具只能精确计算出不同类型学习群体间影响系数同为正数或同为负数间的差异，对于正、负影响系数间差异的比较不能将负向影响取绝对值后再进行比较。因此，在对表3数据进行分析的基础上，根据学习者特征间影响方向的不同，分两部分对表4所呈现的研究数据进行论述。

（1）各类学习群体学习者特征间影响方向一致

通过对与研究预设模型中各群体相同特征间影响方向一致的数据进行分析，本研究发现：①各学习群体预设模型中，网络学习态度对网络学习动机、网络学习自我效能感，以及网络学习自我效能感对网络学习策略均具有显著地正向影响，且男文科类学习群体网络学习态度对网络学习动机的影响权重明显高于男理工类、男艺术类学习群体，其余学习群体间不存在显著差异；网络学习态度对网络学习自我效能感，以及网络学习自我效能感对网络学习策略的影响权重均不存在显著的群体差异。②除艺术类学习群体外，其余学习群体间网络学习焦虑对网络学习自我效能感均具有显著的负向影响，且男文科类学习群体网络学习焦虑对网络学习自我效能感的影响权重显著高于女文科与女艺术类学习群体，男理工类学习群体显著高于女艺术类学习群体，其他学习群体间不存在显著性差异。③除女艺术类学习群体外，其余学习群体间网络学习动机对网络学习自我效能感均具有显著的正向影响，且不存在显著的群体间差异。④除男艺术类学习群体外，其余学习群体中网络学习态度对网络学习策略均具有显著的正向影响，且不存在显著的群体间差异。⑤各学习群体网络学习动机对网络学习策略均具有正向影响，且男理工类、女文科类、女理工类学习群体均达到统计学显著水平，但不存在显著的群体差异。

（2）各类学习群体学习者特征间影响方向不一致

通过对与研究预设模型中各群体相同特征间影响方向不一致数据的分析，本研究将正、负影响权重分析结果进行有效剔除，对同向间参数差异的结果阐述如下：①男艺术类学习群体网络学习焦虑对网络学习动机有显著地负向影响，其余群体为正向影响，其中女文科类、女理工类学习群体达到统计学显著水平；男艺术类学习群体网络学习焦虑对网络学习动机的影响权重显著高于其他群体，且其他学习群体间不存在显著性差异。②男艺术类、女文科类学习群体网络学习内部归因对网络学习自我效能感呈负向影响，其余学习群体呈正向影响，且男理工类学习群体达到统计学显著水平，影响方向同向的学习群体间不存在显著性差异。③男文科类、女艺术类学习群体网络学习外部归因对网络学习自我效能感具有负向影响，且影响权重不存在显著的群体差异。其他群体呈正向影响，其中男艺术类和女理工类学习群体达到统计学显著水平，且男艺术类学习群体外部归因对自我效能感的影响权重明显高于女文科类和女理工类学习群体。④女艺术类学习群体网络学习焦虑对网络学习策略具有显著地负向影响，其余群体为正向影响且影响权重不存在显著差异。⑤男文科类、女艺术类学习群体网络学习外部归因对网络学习策略具有负向影响，其他学习群体为正向影响，其中男理工类学习群体达到统计学显著水平，且影响权重明显高于女文科类和女理工类学习群体。

五、结论与讨论

网络学习活动中认知、情感的准备与投入是行为投入的基础。通过实证研究的方式对网络环境下各类学习群体学习者特征间影响权重进行差异分析，对构建适用于不同学习群体的有效学习模式及评价标准具有较为深远的理论指导意义。此外，通过对影响网络环境下有效学习的关键学习者特征间的影响权重进行群体差异分析，能够为不同学习群体学习者特征，尤其是网络学习策略的调节与改善揭示最佳途径，进而改善学习过程中学习行为的投入，对实现网络环境下有效学习具有重要的实践价值。综合分析上述研究结论，网络环境下各类学习群体学习者特征间关系的分析结果如图2所示。

图2 研究预设模型分析结果

图2中，实线表示网络学习动机、网络学习态度对网络学习自我效能感的影响权重以及网络学习动机、网络学习自我效能感对网络学习策略的影响权重不存在显著的群体差异，影响系数近似相等，是各类学习群体预设研究模型的共有特征；虚线表示各学习者特征间的影响权重在不同类型的学习群体间存在不同程度的显著差异。也就是说，研究假设中H3、H5、H10、H12四种假设不成立，其他研究假设均成立。

结合各类学习群体的相似性特征及差异性特征，本研究对改善各类学习群体的网络学习策略、增加网络学习活动中行为投入的最佳途径进行了尝试性探索。首先，就男文科、女艺术类学习群体而言，改善网络学习态度是增强网络学习动机、提升自我效能感、改善网络学习策略，进而增加行为投入的首选突破点。因此，在网络教学设计及实施的过程中，可以通过专题讲座、同伴合理分组与协作以及优质资源针对性推送等方式，逐步增强该类学习群体对网络学习活动的有用性感知与易用性感知，从认知、行为及情感等方面打破他们对网络学习活动的隔膜，使他们对网络学习的认识更为积极。其次，就男理工、男艺术、女文科类学习群体而言，降低网络学习焦虑是增强网络学习动机、提升自我效能感、改善网络学习策略，进而增加行为投入的首选突破点。因此，在网络教学设计及实施过程中，可以通过信息素养的提升、网络课程页面的人性化设计、网络课程中检索工具（如术语词典等）与信息及时互动工具（如微信、易信等）和网络阅读标记工具的嵌入等方式，逐步缓解该群体参与网络学习的信息检索焦虑、术语焦虑，等等。最后，就女理工类学习群体而言，积极的网络学习归因是增强网络学习动机、提升自我效能感、改善网络学习策略，进而增强行为投入的首选突破点。因此，在网络教学设计及实施过程中，可通过专题讲座加深该群体对归因的内涵及作用的基本认识，在过程性评价中通过“个案挖掘、集体辅导、个性化谈心”的方式逐步引导该群体对网络学习的成功与失败形成正确、积极的归因倾向。

回顾网络（远程）环境下学习者特征的相关研究，绝大多数研究将学习动机、自我效能感、学习策略作为影响网络学习效果的关键特征，研究结论对适应性网络学习系统的设计与实施具有重要的理论指导价值。本研究在已有研究的基础上，将网络环境下影响学习效果的心理特征进行了适当补充。最终根据所选特征体系中调节网络学习行为投入的首选因素将原有的六大类学习群体归纳为三大类学习群体，对已有相关研究的深度与广度进行了适当补充。然而，网络环境下学习者特征包含的元素非常广泛，本研究由于研究范围、研究能力所限，仅选取陕西师范大学参与“现代教育技术”网络课程学习的2009级本科生为研究对象，以对学习活动起关键作用的部分特征为研究主题，从宏观层面对特征间影响权重进行群体差异分析，研究结论虽对网络环境下学习者特征的相关研究具有一定的应用价值与参考价值，但研究结论的推广价值及研究的深度与广度有待进一步挖掘。因此，本研究团队计划在对已有研究结论进行初步验证及探索性应用的同时，进一步深入剖析、细化各项学习者特征及其关系，构建“球形化”研究模型，对各项学习者特征间的关系进行更为深入的群体差异性分析，进一步深度挖掘学习者特征在构建网络环境下适应性学习环境中的重要价值。

[1]尹睿，谢幼如，刘春华，朱静静.大学生网络学习自我效能感的结构、影响因素及培养策略研究[J].电化教育研究，2011（10）：30-34.

[2]张功.培养大学生网络学习策略的实验研究[J].电化教育研究，2009（1）：66-69.

[3]李子运，冯霞.信息技术环境下大学生学习策略调查及教学研究——以徐州师范大学为例[J].远程教育杂志，2009（5）：64-68.

[4]Adile Askim Kurta,Aysen Gürcan.The comparison of learning strate⁃gies,computer anxiety and success states of students taking webbased and face-to-face instruction in higher education.Procedia So⁃cial and Behavioral Sciences，2010（9）：1153-1157.

[5]Aragon,S.R,Johnson,S.D.,&Shaik,N.The influence of learning style preferences on student success in online vs.face-to-face envi⁃ronments.American Journal of Distance Education,2002,16,(4):227-243.

[6]Patricia Harper Apt,Gladys Meyer Ebert.Adult Student Adopters in Open Learning Courses:Study of Student Characteristics a cross Six States.Human Sciences Press,1983:91-94.

[7]Wang,Alvin Y,Newlin,Michael H.Characteristics of Students Who Enroll and Succeed in Psychology Web-based Classes.Journal of Ed⁃ucational Psychology.2000(3),v92:137-43.

[8]Pentina,Iryna,Neeley,Concha.Differencesin haracteristics of Online versus Traditional Students:Implications for Target Marketing.Jour⁃nal of Marketing for Higher Education,2007(8).17:49-65.

[9]何字捐，李爽.网络学习者特征初探[J].北京广播电视大学学报，2008，（2）：29-32.

[10]刘儒德，江涛.学习者特征对网络学习的影响[J].中国电化教育，2004，（6）：11-15.

[11]吴战杰.网络远程教育中学习者特征分析体系的构建及学生模型（student model）的设计[D].西安：陕西师范大学，2004.

[12]王迎，安玉洁，黄荣怀.远程学习者特征模型的构建研究[J].开放教育研究，2006，（1）：47-53.

[13]冯锐.网络学习支持系统中学生特征分析模型的构建及技术实现[J].中国电化教育，2006，（12）：101-103.

[14]黄海波.网络环境下远程开放教育学习者特征分析[J].广东广播电视大学学报，2007，（2）：14-17.

[15]王泽.网络环境下在校学习者特征模型的构建研究[J].中国电化教育，2010，（3）：58-61.

[16]周晶晶，袁冰.社区网络学习者特征调查分析[J].中国远程教育，2011，（10）：57-60.

[17]彭华茂，潘海燕，王迎，陈庚，黄荣怀.远程学习者学习动机、自我效能感、归因与学习策略的关系研究[J].教育学报，2008，（4）：45-50.

[18]张建伟，孙燕青.关于远程学习效能感及其相关因素的研究[J].北京师范大学学报（社会科学版），2003，（4）：68-74.

[19]刘春华.大学生网络学习自我效能感及其影响因素研究[D].华南师范大学，2010.

[20]李玉斌，严雪松，姚巧红，褚芸芸，南丽岚.网络学习行为模型的建构与实证[J].电化教育研，2012，（2）：39-43.