混合式学习中学习满意度影响因素的模型研究*

李　宝　张文兰　张思琦　赵　姝

（1．陕西师范大学教育学院；2．陕西师范大学　远程教育学院，陕西西安710062）



混合式学习中学习满意度影响因素的模型研究*

李宝1张文兰1张思琦1赵姝2

（1．陕西师范大学教育学院；2．陕西师范大学远程教育学院，陕西西安710062）

[摘要]通过结合文献梳理和访谈调查的结果，确定了混合式学习环境下学习满意度影响因素的18个变量，并采用访谈法访谈了该领域高校专家关于各因素变量之间关系。在此基础上，采用解释结构模型的方法，将专家访谈各因素之间关系的结果转化为各因素之间逻辑关系，进而构建混合式学习环境下学生学习满意度影响因素的层级模型。研究发现：学习动机、学习氛围、交互行为是影响学习满意度最直接的因素，学习风格、主讲教师、课程助教、平台功能设计、学生学习背景是最根本的因素，其它变量作为中间层级因素发挥作用。最后，尝试从学习者、教师以及课程角度提出改善学生学习满意度的策略，以期为后续的研究提供参考与指导。

[关键词]混合式学习；学习满意度；影响因素；解释结构模型

一、问题的提出

《国家中长期教育发展规划纲要（2010-2020年）》中指出，“信息技术对于教育带来了革命性影响”，从国家角度来看，教育信息化是教育发展战略的重要保障。在2015年《地平线报告》中（高等教育版）提到，“短期内翻转课堂、自带设备等推动了正式学习与非正式学习的结合，带动了混合式学习的趋势发展[1]”。据美国调查报告统计，美国四年制大学教育中有一半、三年制教育中有三分之二是混合式学习形式，同时美国大部分培训机构（Bonk et al, 2006；Kim et al，2008）、大学教育机构（Allen et al，2007）、K -12学校（Picciano, Seaman, Shea&Swan, 2012）都是采用混合式学习形式[2]。自2009年美国曾经在报告中强调“混合式学习是最有效的教学形式[3]”后，混合式学习一直备受美国关注。据2015年的数据显示，美国混合式学习、翻转课堂占据了美国教育的60%[4]。国内自2004年提出Web2.0以后，Moodle、Blog、Wiki、SNS、Blackboard平台开始在在线教育中大量投入使用，在线学习与传统面对面学习结合的混合式学习模式也一直受到研究者的青睐。

然而，这种混合式学习环境下的教学模式或者教学活动设计，学生是否满意？哪些因素会直接影响混合式学习下学习满意度？各因素之间又存在哪些关系？恰恰这部分研究是从学习者的角度来评价教学活动设计效果的关键，同时，学习者满意程度也是目前学习效果或者成效分析的一部分，这是研究中不可避免的问题。学生学习满意程度直接导致教学设计的成功或者失败。学习分析技术出现后，学生个性化学习需求一直是研究的热点。要达到符合学习者个体学习特征，就是要做到学习者满意。

因此，研究混合式学习环境下，学生学习满意度的影响因素对于课程教学活动设计以及改善学习成效具有一定的意义。笔者以陕西师范大学高校免费师范生作为研究对象，在文献梳理和问卷调查的基础上，确定混合式学习环境下学习满意度影响因素的变量，随后针对这些变量之间的关系，访谈相关研究领域的专家，并采用解释结构模型的方法对于多轮访谈后的结果进行分析，构建了学习满意度影响因素关系模型，以期对于相关研究或者教学实践提供借鉴。

二、学习满意度影响因素的文献回溯

通过检索Elsevier ScienceDirect、Wiley EBSCO、SpringerLink、InterScience等外文综合数据库，了解国外关于混合式学习满意度影响因素的研究最早开始于Arbaugh，通过研究验证了感知有用、感知易用、学习灵活性、与同伴交流、学生使用技术的时间、学生性别和学习满意度之间具有相关性[5]；Piccoli等认为，学生学习满意度和学生学习动机、对技术的适应性与态度、使用电脑的渴望程度、对技术的控制程度、教师的风格、学生自我效能感、知识类型、使用技术频度、课程质量具有密切的关系[6]；Hong认为，学生性别、年龄、学习风格、与教师和学生的交互、学习活动、讨论主题、学习花费时间会影响学生学习的满意程度[7]；Kanuka和Nocente研究发现同伴之间的行为、学生的认知模型、对课程期望目标会造成学生学习满意度的差异[8]；Sean B.Eom和H.Joseph Wen的研究表明，课程结构、教师反馈、自我动机、学习风格、交互以及教学设备是影响学习满意度的主要因素，针对不同学习风格学生在适当时间给予及时反馈后，可以取得较好的效果[9]；Ismail SAHIN研究认为，远程教育学习环境中个体相关、教师支持、主动学习、真实情景学习、学生之间交互与协作、学生自制中，前四个因素是影响学习满意度最主要因素[10]；Pei-Chen Sun和Ray J.Tsai等从学习者、教师、课程、设计、技术、环境六个方面应用数据进行相关性分析，研究表明教师态度、课程灵活性、课程质量、感知有用、感知易用、多元评价等是学习满意度影响的主要因素[11]。Demei Shen和Moon-Heum Cho等研究结果认为在线学习学生自我效能感直接影响学习的满意度[12]。

国内关于混合式学习满意度的研究比较缺乏，技术支持环境下学习满意度的研究大多集中于学生对于在线学习的满意度。赖显明和张妙华通过管理服务、设施服务、人员服务、资源服务、信息服务、辅助教学、考务管理、情感支持等八个方面对于现代远程教育学习支持服务满意度进行调查[13]；王宁等研究认为，个体特征、课程界面、教学资源、网路技术、使用效果五个维度会影响学生学习的满意度[14]；舒忠梅和徐晓东通过在线学习数据分析，检测出学生特征、经历和认知与学习满意度之间具有相关性[15]；崔国强、韩锡斌、王淑艳等通过分析，认为在线学习学生个体特征和控制源倾向对于在线学习满意度没有相关性影响，大学生对于在线学习都有良好的适应性[16]。

从研究现状来看，国内外技术支持教学环境下学习满意度的研究集中于讨论在线学习学生学习的满意度，反而对于在线学习和面授学习相结合的研究较少。混合式学习满意度应该不仅仅只包括在线学习的成份，在面授教学中教师教学如何组织、资源如何呈现、情境如何构建、教学效果如何评价等等都会对于学习满意度带来影响。国外对于混合式学习环境下学习满意度影响因素的研究虽然也有所关注，但研究多集中于探讨其中两个影响因素之间关系，缺乏对于多个影响因素协同以及各因素之间相互影响关系程度的研究。

三、研究设计

本文首先梳理关于学习满意度影响因素的文献，汇总混合式学习环境下学习满意度的影响因素；之后采用访谈调查的方法，对于参加混合式学习环境下课程学习的学生进行访谈，结合访谈调查的结果数据修改和完善影响因素变量，并确定混合式学习环境下学习满意度影响因素变量；其次，邀请高校在该领域有教学实践的五位专家对于影响因素变量之间关系进行多轮访谈调查，最终统一意见后的调查结果采用解释结构模型法进行量化处理；最后，根据学习满意度影响因素结构模型层级划分关系，完成混合式学习环境下学生学习满意度影响因素模型的构建。解释结构模型法（Interpretive Structural Model）是社会系统工程的一种构造模型方法，依据离散数学理论，借助二维矩阵数学运算方法得出系统内所有元素的关系[17]。通过解释结构模型法能够将学习满意度各影响因素之间的层级关系直观地呈现，便于后续结合模型进行相关的研究与分析讨论。

四、混合式学习环境下学习满意度影响因素模型的构建

（一）确定混合式学习环境下学习满意度影响因素变量

经过相关文献的整理和归类后，采用了访谈方法，随机抽取了参与课程学习的32名学生，结合前期梳理文献整理出的影响因素进行提问，最终确定混合式学习环境下学习满意度的影响因素主要有四个维度（学习者、教师、课程、技术维度），包括表1中所示的19个变量。

表1　混合式学习环境下学习满意度影响因素变量的确定

结合上述汇总的19个因素，随后针对确定的影响因素，利用开放式访谈，邀请使用过Moodle平台或Blackboard平台或微信平台等进行在线学习和面授教学相结合的混合学习环境下学习的本科生16名，研究生24名。经过调查后发现，学生对于混合式学习环境下学习满意度影响素的选择统计结果如图1所示。

图1　混合式学习环境下学生学习满意度影响因素的调查结果

通过数据统计后发现，学生对于影响因素中“使用意向”的整体选择认同结果值比较低，因此,可认为学生在混合式学习环境下学生对于技术的使用意向作为学习满意度影响因素的同意度比较低，同意度的数值没有占到总调查数量的1/2。结合技术接受理论和技术接受与整合理论等，“感知易用”和“感知有用”是影响学生“使用意向”的核心变量，学生在技术环境下这两个变量直接决定学生的使用意向。结合相关理论研究和实际认同感调查结果的数据显示，建议将“使用意向”因素删除，不作为混合式学习环境下学习满意度的影响因素。

（二）混合学习环境下学习满意度影响因素层级模型的构建

混合式学习环境下学习满意度层级模型的构建过程分为以下三个步骤：（1）利用访谈调查的方法，邀请有混合式教学经验的专家学者，经过反复的调查与修改，最终确定各影响之间相互影响关系，建立影响因素的关系矩阵；（2）利用Matrix Laboratory数学软件计算关系矩阵的可达矩阵，并确立影响因素的层级关系；（3）构建影响因素的层级模型，即利用解释结构模型相关方法建立影响因素最终结果的层级影响关系图。

（1）利用访谈调查方法确立各影响因素之间关系矩阵。将已汇总确立的18个影响因素编辑成调查问卷，随后邀请某几所高校相关研究领域的教学专家学者填写影响因素关系矩阵调查问卷，经过四轮反复修改、调查，专家组成员的观点达成一致后，整理最终的结果，将各影响因素之间相互影响关系转换为逻辑矩阵的关系，各影响因素关系矩阵如表2所示。其中，A1-A18分别代表的因素为：A1（自我效能感）、A2（学习动机）、A3（学习背景）、A4（学习风格）、A5（成效期望）、A6（感知有用）、A7（感知易用）、A8（交互行为）、A9（教学能力）、A10（助教行为）、A11（活动设计）、A12（学习奖励）、A13（考核方式）、A14（课程弹性）、A15（资源特征）、A16（资源呈现方式）、A17（平台功能设计）、A18（学习氛围），矩阵中“0”和“1”分别表示对应行因素对对应列因素的相互影响关系，“0”表示行对应的因素对于列对应的因素没有影响关系，“1”则表示行对应的因素对于列对应的因素有影响关系。

表2　各影响因素之间的关系矩阵A

（2）计算关系矩阵的可达矩阵，并确立影响因素的层级关系。影响因素的关系矩阵A是将各影响因素之间的影响关系直接表示出来，而要表示各因素之间层级间接与直接的影响关系需要求出关系矩阵A的可达矩阵R（A）。根据数理统计利用邻接矩阵求可达矩阵的运算方法：假设单位矩阵I，当（A+I）K-1≠（A+I）K≠（A+I）K+1=R（A）（K≧2），R（A）即为A的可达矩阵。随后结合计算可达矩阵的程序语言，在Matrix Laboratory数学软件中计算可得知，当K=6时满足改运算结果，所以R（A）=（A+I）7为可达矩阵，影响因素关系矩阵生成的可达矩阵R（A）具体如表3所示。

根据可达矩阵得出影响因素层级关系之前还需要依据解释结构模型的方法定义两个集合，一个是从矩阵中某一个因素Ai出发都能够到达全部要素的集合，简称为可达集合（R（Ai））；另一个是表示从矩阵中其它要素出发能够到达某一个因素的要素Ai集合，简称先行集合（A（Ai））；其中R（Ai）和A（Ai）两个集合的交集表示满足从该要素Ai出发的同时也能够到达该要素条件所有要素的集合，该集合中如果满足R（Ai）∩A（Ai）=R（Ai）条件，那么这些要素就是最高层级要素。整个影响因素层级的确定是从最高级层级因素确立后，然后去掉这些最高级层级因素，再次搜寻矩阵中满足R（Ai）∩A（Ai）=R（Ai）条件的要素，之后再去掉这些因素中的最高级层级因素，依次方法类推，最终根据因素的关系确立最终整个影响因素的层级关系（见表4）。

表3　关系矩阵A的可达矩阵R（A）

表4　各影响因素的先行集合A（Ai）和可达集合R（Ai）

结合上表4所示各影响因素的先行集合A（Ai）和可达集合R（Ai）得出的R（Ai）∩A（Ai）集合的结果，可以对于影响因素的层级进行划分，结果如表5所示。

表5　影响因素层级划分的结果

（3）建立各影响因素的层级模型。表5中各因素之间层级关系的划分可以确定建构模型的层级关系，层级因素之间的相互影响关系可以通过两个因素是否相互影响判断同层级各因素关系是否等价，依据这两个条件关系可以建构影响因素的层级模型，如图2所示。其中同一层面影响因素之间关系根据表5的结果，如“学习动机”和“交互行为”在同一影响因素层面上两者之间是相互影响的关系，在同一层面上“学习动机”和“交互行为”两个因子级别相互等价。因此，学习动机、交互行为、学习氛围相互等价；资源特征与感知有用相互等价；感知易用、学习活动、课程弹性相互等价，活动设计与成效期望相互等价，活动设计与资源呈现方式相互等价；助教行为和平台功能设计相互等价。

图2　混合式学习环境下学习满意度影响因素的解释结构模型

五、研究结论与启示

从图2可以看出，学生的学习背景、教师教学能力、助教行为（在线辅导教师的引导）、学习风格、平台功能的设计是影响学生学习过程中学习满意度的初始因素，学生学习动机、交互行为、学习的氛围对于学习满意度具有直接影响作用。自我效能感、成效期望、活动设计、感知有用、资源呈现方式、资源特征、课程弹性、考核方式、学习奖励、感知易用是影响学习满意度因素的第二、三层级因素，作为学习满意度的间接影响因素。根据学习满意度影响因素层级模型来看，在实际教学中应该注意以下几个方面：

（一）关注学生个体差异，满足学生学习需求

从学习满意度影响因素层级模型来看，学生学习背景、学习风格的差异是影响学习满意度的最根本因素。研究对象选取的是免费师范生和研究生，学生对于在混合式学习的经历不同，学生在使用技术学习时，往往会出现平台使用不熟悉或者操作繁琐，造成学生对技术产生排斥感（主要集中于文科类的学生）。针对这一现象，任课教师在开始进行授课前，首先利用简短时间对于学生如何使用平台完成学习活动等进行培训，学生随时可以查看关于平台使用的操作手册。另外，教师在实际教学中，结合学生常用简单操作的社交软件微信进行教学活动设计，例如将微信作为学生学习辅助工具，根据软件功能的特点进行一些对应教学活动的设计。

Ozcan Ozyurt等人研究表明,根据学习者学习风格自适应的呈现媒体给对应的学习者会提高学习者学习的满意度[18]。在课程开始前，教师可以利用静态问卷数据调查学生学习风格，并在后期结合在线学习行为来确定学生学习风格，对于不同学习风格的学习者尽量满足学习中个性化学习的需求[19]。对于平台功能模块的设计与改造也需要助教老师在实际使用中根据学生需求进行相应的完善，例如助教老师可以在Moodle平台中根据学生学习过程中的需要添加课程学习进度条、利用微信发送资源给学习者时考虑到学习者的学习风格类型并选择合适的资源呈现方式。

（二）面授教师注重教学能力培养，助教及时有效地指导与反馈

在线学习中考察学习支持服务时，研究者常常会忽视教师队伍在学生学习支持服务中起到的重要因素作用[20]。恰恰在影响因素层级模型中，教师教学能力和助教行为都是作为学习满意度底层影响学习满意度的因素。教师教学能力和助教行为直接影响到学生自我效能感的培养、教学活动设计、成效期望、资源呈现方式、课程弹性等因素，这说明教师教学能力决定教学活动如何去设计与开展；助教及时地帮助与反馈或者利用适当的活动去引导学生，会让学生在完成活动中消除对于技术的排斥感，感知技术的易用性。学生熟悉技术反过来对于教学活动的开展十分有利，教师可以借助学生熟悉的平台与技术进行教学活动的组织。这与因素模型中感知易用和活动设计相互影响关系的结论是一致的。

在影响因素之间可以看到教学活动设计是关键，它与感知易用、资源呈现方式、课程弹性、成效期望之间存在相互影响的关系。恰恰活动设计直接受到教师教学能力和助教行为的影响，所以教学中注重教师教学能力培养以及助教及时对于学生进行评价和反馈会有助于活动的开展。

在访谈结果中发现，助教老师及时、正确的反馈信息会维持学生继续学习的动力。如果学生在学习中遇到问题而长时间没有得到及时的回馈，学生会懈怠，对于一些交流和讨论活动不会积极主动参加。在线学习部分由于教师和学生缺少实际的距离感，助教不及时进行反馈会导致学生与教师虚拟空间越来越远，学生在学习中会缺乏群体或者归属感。从模型上来看，学习奖励会对学生学习的动机和交互行为产生影响。适当的加分、表扬、组内评价等活动，可以维持学生继续学习的动机，进行持续的学习行为。助教老师可以利用平台广播的形式，对于某个专题学习访问资源和参与活动频度较高的同学，进行“学习小达人”的评选，这些被评选上的学生在期末可以享受期末成绩加分的待遇。当然，学习奖励需要和感知有用、资源特征、考核方式等协同才会对于学习奖励、学习氛围、交互行为产生作用。另外，教师的教学能力和助教行为对于学生自我效能感的培养也会产生一定作用，教师针对个体差异的补救性教学可以对于中下游学生起到促进作用，以提高学习过程中信心等。

（三）课程过程性评价细化，明确每一部分评价标准

在传统面授教学中，课程考核方式只是以最终考试成绩作为评价的依据。混合式学习环境下学生学习满意度影响因素模型中，考核方式对于学生进行交流讨论以及课程学习的动机有很大的影响。在线学习是活动引导而进行的学习，所以每一部分学习活动必须有评价的标准，学生学习前需要明确了解该学习活动评价的标准以及评价方式。

根据研究中结果也发现，课程学习者对于考核方式是影响交互行为、学习动机的直接因素，考核方式直接决定了他们是否进行学习的意愿，所以每一个协作学习、自主学习等活动都必须有对应考核标准来牵制学生进行学习。每一个活动有了评价标准后，有助于在线学习的学生及时了解自己学习情况，同时平台也会记录学生每个学习模块进行的进度以及达到的标准，这既关注了学生的学习过程，又是对学生进行了过程性评价，最终平台评价成绩和笔试成绩一起计入期末总成绩。从教学实际中影响因素的研究来看，学生对于课程考核方式是学生直接参与课程交互交流行为、学习动机的决定性因子，学生明确考核方式如同教师和学生之间建立契约关系，学习活动结束后，教师给予学习结果相应的分值，迫使部分同学加入到线上的学习。

（四）利用活动引导学生，逐步感知其有用性

混合式学习不同于传统的面授教学以及纯粹的在线学习，它认为在线学习和面授学习是相辅相成的。在实际教学中，通过一个阶段学习的开展后，研究者发现在线学习任务更多围绕着在技术辅助下解决学生面授教学中的问题并在学习过程中诱发产生新的问题。在线学习课后，学习活动首先要解决的问题就是针对面授教学中遗留的问题，如果该环节没有进行好，重新开展新的教学活动，学生参与度不高，对于活动的满意程度自然不高。在设计活动时，应该充分利用学习平台提供给学生相应的讨论交流、相互评价的活动，尽量让学生参与到交互活动中来，在活动设计中，可以利用“熟人网络”以及学生自我展示等活动来提高学生学习的参与度[21]。

学习小组之间可以建立兴趣小组或者专题小组，学生可以针对某一个专题进行深入的探讨。在实际教学研究中发现，利用微信单独推送学习资源可能会造成学生学习中资源负荷，学生对于资源的访问量并不高，学习的主动性不高。这恰恰符合影响因素模型中，教学活动设计和资源呈现方式相互影响的关系。资源如何呈现、适合哪种终端呈现，是需要和教学活动、考核方式联系起来的，要求学生根据课程进度要求在对应时间里完成学习活动即可，延伸了课程学习的弹性。长时间学习后，学生会逐步感知混合式学习环境下技术辅助学习的作用，感受到技术和知识的有用性，提升学生对于技术使用的态度与意向，从而进一步改善学生学习的满意度。

[参考文献]

[1]龚志武，吴迪，陈阳键，苏宏，黄淑敏，陈木朝，吴杰峰编译.新媒体联2015《地平线报告》（高等教育版）[J].现代远程教育研究，2015，（2）：3-22.

[2]Ingrid A.E. Spanjersa，Karen D. K觟ningsa，Jimmie Leppinka，etc.The promised land of blended learning: Quizzes as a moderator[J].Educational Research Review，2015（15）:59-74.

[3]Evaluation of evidence-based practices in online learning: A Meta-Analysis and Review of Online Learning Studies[OL]. [2015-01-23]. http://www2.ed.gov/rschstat/eval/tech/evidence-based-practices/finalreport.pdf.

[4]美国K12市场研究:今年翻转课堂、混合式学习将超60%[OB/OL]. [2015-01-23]. http://www. zhongjiaomedia.com/z/1443.html.

[5]Arbaugh，J. B. Virtual classroom characteristics and student satisfaction with internet-based MBA courses[J]. Journal of Management Education，2000（1）: 32-54.

[6]Piccoli G.，Ahmad R. & Ives B. Web-based virtual learning environments: a research framework and a preliminary assessment of effectiveness in basic IT skill Training[J]. MIS Quarterly，2001（4）: 401-426.

[7]Hong，K. S.. Relationships between students’and instructional variables with satisfaction and learning from a Web-based course[J].Internet and Higher Education，2002（5）: 267-281.

[8]Kanuka H.& Nocente N.. Exploring the effects of personality type on perceived satisfaction with web-based learning in continuing professional development[J]. Decision Education，2003（2）: 227-245.

[9]Sean B.Eom&H.Joseph Wen.The determination of students’perceived learning outcomes and satisfaction university online education: an empirical investigation [J]. Decision Science Journal of Innovative Education，2006（2）: 215-235.

[10]Ismail SAHIN.Predicting student satisfaction in distance education and learning environment[J].Turkish Online Journal of Distance Education，2008（2）: 1-8.

[11]Pei -Chen Sun，Ray J.Tsai，Glenn Finger，Yueh -Yang Chen& Dowming Yeh.What drives a successful e-learning?An empirical investigation of the critical factorss influencing learner satisfaction[J]. Computer&Education，2008（4）:1183-1202.

[12]Demei Shen，Moon-Heum Cho，Chia-Lin Tsai&Rose Marra.Unpacking online learning experience:online learning self -efficacy and learning satisfaction [J]. Internet and Higher Education，2013（19）: 10-17.

[13]赖显明，张妙华.现代远程教育校外学习中心学习支持服务满意度个案调查与分析[J].远程教育杂志，2011（3）:54-59.

[14]王宁，琚向红，葛正鹏.开放教育网络课程学习满意度影响因素[J].开放教育研究，2014（6）:111-118.

[15]舒忠梅，徐晓东.学习分析视域下的大学生满意度教育数据挖掘及分析[J].电化教育研究，2014（5）:39-44.

[16]崔国强，韩锡斌，王淑艳.学生控制源倾向及其它个体差异对在线学习满意度的影响[J].中国电化教育，2014（8）:55-61.

[17]解迎刚，王志良，乔向杰，永井正武.基于ISM技术的个性化Learning-map研究[J].计算机科学，2007（9）:170～174.

[18]魻zyurt，魻.，魻zyurt，H.，Güven，B.& Baki，A.The effectsof UZWEBMAT on the probability unit achievement of Turkish eleventh grade students and the reasons or such effects[J]. Computers & Education，2014（75）: 1–18.

[19]李宝，张文兰.智慧教育环境下学习资源推送服务模型的构建[J].远程教育杂志，2015（3）:41-47.

[20]靳会峰.远程教育学生支持服务的学生满意度测评研究综述[J].远程教育杂志，2010（4）:93-98.

[21]李文文.社交网络高校用户参与度的影响因素研究[J].远程教育杂志，2014，（3）:49-55.

李宝，陕西师范大学教育学院在读研究生，研究方向：电子教材的开发、信息技术教育应用、混合式学习；张文兰，陕西师范大学教育学院副院长、教授、博士生导师，研究方向：混合式学习与在线学习、新媒体技术与学习、信息技术环境下教师的专业发展；张思琦，陕西师范大学在读研究生，研究方向：信息技术教育应用；赵姝，陕西师范大学远程教育学院资源中心主任、博士，研究方向：数字化资源建设与开发。

责任编辑：陈媛

Research on Influence Factors Model of Learning satisfaction in the Blended Learning Environment

Li Bao1, Zhang WenLan1, Zhang Siqi1& Zhao Shu2
（1．School of Education, ShaanXi Normal University, Xi’an；2.School of Distance Education, ShaanXi Normal University, Xi’an ShanXi 710062）

【Abstract】According to the results of literature review and interviews, the 18 variables affecting learning satisfaction in the blended learning environment are determined. Besides, some university experts in this field are interviewed to discuss about the relationship between 18 variables with the Delphi survey. Then, with the interpretative structural modeling method, after the logical relationship between 18 variables are analyzed, a hierarchical model of influence factors of students’learning satisfaction in blended learning environment is constructed. Finally, the strategies of improving students’learning satisfaction from the perspectives of learners, teachers and courses are put forward, so as to provide reference and guidance on the following researches on teaching and learning in blended learning environment.

【Keywords】Blended learning; Learning satisfaction; Influence factors; Interpretative structural model

收稿日期：2015年10月26日

[作者简介]

*基金项目：本文系“陕西师范大学信息化示范课程——《信息技术与课程整合》课程”项目、陕西师范大学教师教育研究项目（项目编号：JSJY2015J015）、微课教学改革专题研究项目的阶段性研究成果。

[中图分类号]G420

[文献标识码]A

[文章编号]1672—0008（2016）01—0069—07