变化中的学生媒体使用模式：来自德国的调查结果

［德］奥拉夫·扎瓦克奇-里克特+［德］卡莱娜·克雷默

【摘 要】

3，666名德国大学生分别在2012年（N=2，339）和2015年（N=1，327）参加旨在了解传统和所谓非传统学生媒体使用模式的调查。他们提供了自己拥有或可以使用的数字设备的情况以及在学习过程使用媒体、e-learning工具和服务的情况。数字媒体和教育技术的发展是高等教育一个充满活力的领域，因此本研究特别关注2012-2015年间媒体使用行为的变化，采用潜在类别分析法分析学生反馈，并据此建立媒体使用模式分类系统。研究发现了四种媒体使用模式：娱乐型用户、外围用户、高级用户和工具型用户。工具型用户中非传统学生多于传统学生。总体而言，所有（数字）媒体、工具和服务的使用频率在2012-2015年间呈下降趋势。本文还简要介绍了一项质性研究的设计，以深化和进一步验证本研究的量化结果。

【关键词】 媒体使用模式；媒体使用类型；非传统学生；教学设计；媒体选择

【中图分类号】 G420 【文献标识码】 B 【文章编号】 1009-458x（2017）06-0005-13

导读：自从二十世纪九十年代以来，教育信息化热潮一直方兴未艾，各国政府纷纷推出各自的教育信息化发展规划。然而，这么多年过去了，我们寄予厚望的信息通信技术是否在促进教育发展上取得了预期成效？教学手段的科技化、教育传播的信息化和教学方式的现代化究竟在多大程度上促进了教育质量的提高？教育信息化的投入与产出是否成正比？从目前的情况看，对这些宏观层面问题的实证研究为数不多，实际成效也有待显著提高。①

同样地，从微观层面讲，技术如何促进教与学受制于很多因素。比如，学校（乃至所在社区或大社会）的技术基础设施、教师的技术应用能力和学生个人拥有或能使用到相应的技术设备等都是至关重要的条件。此外，某种技术的适用性和对教学可能带来什么影响也与具体学科的教学内容和学习目标、不同类型的教学/学习活动、不同层次学习者的不同特点等因素密不可分。因此，“学习者分析和学习环境分析是教学设计之初必须完成的基本步骤”。

不管是从在线教育已经进入高等教育主流这个大背景出发，还是从远程教育的实际情况看，“了解我们的教育对象拥有媒体的情况以及媒体如何满足他们的需要显得尤为重要。”然而，本文的文献回顾表明，“在目前阶段，我们不清楚高等教育学生在学习中如何使用媒体、工具和基于网页的服务，而不仅仅是用于娱乐目的”，因此，本研究非常适时。本文报告了2012年和2015年在德国高等学校开展的“旨在了解传统和所谓非传统学生媒体使用模式的调查”结果。两次在线调查用的是相同问卷，聚焦以下研究问题：①学生拥有或能用上哪些数字设备？②哪些媒体和e-learning工具和服务用于学习目的？使用频率如何？③传统学生和非传统学生对媒体、工具和服务用于学习目的的接受程度以及对在线远程学习的需求这两个方面有何差别？④有哪些不同的媒体使用类型？这些不同使用类型与学生的个人因素和环境因素有何关系？由此可见，调查结果对于“今后学习环境或课程的设计”有很强的指导意义。毛泽东主席教导我们：“没有调查就没有发言权。”比如，我们经常想当然以为既然学生拥有或能用到生活中常用的数字设备（比如智能手机、电脑），既然学生经常上网并热衷于网上互动，那么他们必定能够也愿意甚至喜欢将这些设备和（或）技能用于学习上。然而事实真的如此吗？比如，教学音视频现在几乎成为课程主页（网站）的标准配置，然而，本研究显示，这种资源在2012年调查的49种媒体、工具和服务中，接受程度排在第12位，可是三年后的调查则显示在51种（2015年的调查增加了两种）媒体、工具和服务中它的排名退到34位。研究者对两次调查结果进行比较，发现“专门用于e-learning的媒体、工具和服务的使用频率没有随着时间推移而提高”。这一点似乎也是有悖于我们的“常识”。再比如，以前也有研究显示学生对参加网上课程论坛交流缺乏热情和兴趣，①然而，在现实中网上虚拟空间的交流互动早已是年轻人日常生活不可或缺的一部分。

对中国的教育工作者而言，我认为这篇文章的重要性与其说体现在其所呈现的调查结果，不如说是在于本研究的出发点（理据）、研究的设计（包括研究方法和研究问题）以及对量化研究的局限进行反思并提出后续质性研究的基本框架。我认为这些都具有很强的可复制性，任何层次、任何类型的教育机构基本上都可以通过重复本研究的调查，掌握本机构学习者的媒体使用模式并将调查研究结果用于指导教学实践。比如说，技术之于远程教育的重要性自不待言，那么中国国家开放大学的学习者拥有或能使用到哪些技术设备？他们在多大程度上将哪些媒体和e-learning工具和服务用于学习目的？他们在多大程度上接受把媒体、工具和服务用于学习目的？他们在这方面有何需求？国家开放大学在多大程度上能滿足他们的需求？国家开放大学学习者典型的媒体使用类型有哪些？这些不同使用类型与学生的个人因素和环境因素有何关系？如果我们希望基于技术的教学能真正做到有的放矢，最大限度恰到好处地发挥技术促进教学质量提高的潜能，那么诸如此类的调查是必不可少的，而且每隔三五年必须重复进行，才能及时掌握变化动态，及时调整媒体选择和教学设计。

2015年，我在《国际远程开放学习研究评论》（International Review of Research in Open and Distance Learning）上读到扎瓦克奇-里克特教授和同事撰写的2012年调查报告，②这篇文章给我留下深刻印象。2016年，我向扎瓦克奇-里克特教授约稿时谈到这篇文章以及我的兴趣和看法，这时我才知道他们已经开展了第二轮调查。扎瓦克奇-里克特教授接受我的稿约，表示愿意为《中国远程教育》撰稿，呈现两次调查的结果并介绍后续研究计划。扎瓦克奇-里克特教授师从远程教育理论与实践先驱奥托·彼得斯，著述甚丰，享誉国际远程/在线教育领域，也是本刊“国际论坛”作者。③衷心感谢他对本刊的支持，也期盼他的后续质性研究如期付诸实施并早日与同行分享研究成果！（肖俊供）endprint

引言

二十世纪六七十年代，教育对创造财富的重要性得到社会承认。然而，对教育的这种兴趣是建立在政治需要的基础上，强调的是非传统学习（Gould & Cross， 1977）。在这种背景下，大学开始把非传统学生作为服务对象以发挥教育的价值。二十世纪五十年代的传统学生通常是25岁以下，男性，经济上独立（Garz， 2004）。事实上，他们通常是全日制学生，高中毕业后即被大学录取。

近年来，高等教育的一种普遍现象是学生成分越来越多样化。比如，目前美国中学后教育的群体中成年学生占40%（Ke， 2010）。另一项研究分析了美国全国教育统计数据中心的数据，发现全美2，100万本科生和研究生中年龄超过25岁的占39%，超过40岁的占11%（Knapp， Kelly-Reid， & Ginder， 2011）。德国高等教育机构的情况也是如此（Hanft & Brinkmann， 2013）。

学生成分日益多样化和非传统学生比例的增加给我们带来挑战。穆尔和基斯利指出这些现象对教育的挑战体现在大学的课程设置、传送方式和学生支持系统方面（Moore & Kearsley， 2011）。准确地讲，眼下大学不能应对学生成分多样化带来的问题和满足他们的需要。教育领域的研究者为此研究了各种解决方案，包括提供e-learning和远程学习满足学生多样化需求。在线教育也因此从原来徘徊在教育边缘进入到教育主流（Allen & Seaman， 2013）。

在这种背景下，了解我们的教育对象拥有媒体的情况以及媒体如何满足他们的需要显得尤为重要。只有关注学生特点和需要（比如他们的学习环境、动机、经历和先前知识）才能设计合适的e-learning环境，避免学业上的失败和辍学。由此可见，学习者分析和学习环境分析是教学设计之初必须完成的基本步骤（Morrison et al.， 2011）。教学设计的另一个重要方面是了解学生的媒体使用行为。了解媒体使用模式或者说评估和判断媒体使用方式——这是教学设计的一个重要程序。

大多数研究所提出的分类体系涉及青年人在正式教育环境以外使用因特网的模式（Eynon & Malmberg， 2011），重点是新媒体的使用（电视、计算机、因特网、游戏机、移动电话和在线购物等），其中因特网最受研究者关注，尤其是在线社区或社交网站。布兰采格对发表于2000-2009年间有关媒体使用类型的22项研究进行元分析并提出包含八种不同用户类型的媒体用户分类体系（Brandtzaeg， 2010）。这22项研究中仅有一项针对大学生（美国）的因特网使用模式（Johnson & Kulpa， 2007）。可以说，在目前阶段，我们不清楚高等教育学生在学习中如何使用媒体、工具和基于网页的服务，而不仅仅是用于娱乐目的。

我们在2012年和2015年调查了德国大学生的媒体使用模式。本文拟汇报这两次调查的结果，重点探索高等教育非传统学生的媒体使用模式。本文围绕以下研究问题展开：

·学生拥有或能用上哪些数字设备？

·哪些媒体和e-learning工具和服务用于学习目的？使用频率如何？

·传统学生和非传统学生对媒体、工具和服务用于学习目的的接受程度以及对在线远程学习的需求这两个方面有何差别？

·有哪些不同的媒体使用类型？这些不同使用类型与学生的个人因素和环境因素有何关系？

根据上述研究问题，同时鉴于数字媒体应用于高等教育领域的动态发展，我们开展了这项纵向研究，调查2012-2015年间高等教育学生媒体使用模式的变化。

文献回顾

1. 非传统学生

学界对于所谓非传统学生有各种不同的定义（参见St?ter et al.， 2014）。盎格鲁美洲地区（Anglo-American region）对“非传统学生”这一术语是有争议的，德国的情况也一样（Schuetze & Wolter， 2003）。约翰斯顿和梅里尔认为非传统学生是先前没有高等教育学历的成年学习者（Johnston & Merrill， 2002）。从这个意义上讲，非传统学生的年龄明显高于传统大学生。

舒尔策和斯洛威根据十个经济合作与发展组织成员国的案例把非传统學生分成六种类型的“终身学习者”（Schuetze & Slowey， 2012）：

·第二次机会学习者（second chance learners）：这种学习者出于学习知识的热情和渴望参加高等教育学习，而且是自愿、一直不断地参加学习；

·延迟者（deferrers）：这种学习者由于成绩差或缺少合适推荐材料首次申请入学没有被高等学校录取；

·反复学习者（recurrent learners）：这种学习者由于经济原因、成绩差或工作原因中途辍学后多次回到学校学习；

·重返者（returners）：这种学习者在已经获得一个学位之后仍然希望参加高等教育学习；

·进修者（refreshers）：这种学习者选修短期课程以便有更好的就业前景；他们通常是从事护理、教育或信息技术工作的人士，需要持续更新专业知识和技能；

·晚年学习者（learners in later life）：这种学习者在退休之后或是为了寻找乐趣或是为了学习新知识而重新接受高等教育。

非传统学生通常有以下特征（Pituch & Lee， 2006）：他们通过非常规方式参加高等教育学习；多数情况下不具备高等教育所要求的入学资格；对业余学习和远程学习有强烈欲望。

泰希勒和沃尔特（Teichler & Wolter， 2004）对非传统学生的定义在德国得到学界肯定（Alheit et al.， 2008； Schuetze & Slowey， 2002）。这个定义认为非传统学生应该具备以下特点：endprint

·他们进入高等学校之路并不平坦或时机不是非常合适（比如经过一段学徒期或有一份工作之后才开始学校学习）；

·不具备高等学校一般入学资格的要求；

·不是全日制住校学习（比如业余学习者或远程学习者）。

谈到非传统学生，我们总是要把他们跟“传统”学生进行比较，虽然自从二十世纪五十年代以来后者的形象已经发生巨大变化（Garz， 2004）。过去这些年学生成分（包括传统和非传统学生）一直越来越多样化（Guri-Rosenblit & Gros， 2011； Schuetze & Slowey， 2002），异质性越来越明显。在某些国家，这种现象并不是新近才出现。比如，二十世纪七十年代以来美国就已经出现了这些变化（Gould & Cross， 1977； Wedemeyer， 1981）。

近年来一些实证研究试图更加准确地描述非传统学生这个群体以及澄清对“普通学生”描述的变化。阿赫特等根据112份质性访谈数据归纳了四种类型的学生（“杂烩型”“晋升型”“事业型”和“融合型”）（Alheit et al.， 2008）。有一个课题专门研究工学兼顾的问题，课题组调查了3，687名学生，以了解这些学生在多大程度上不同于典型的传统学生（Wilkesmann et al.， 2012）。该研究特别批判性地分析了工作方面越来越高的要求所造成的影响，具体来说，学生希望在本科阶段的学习中e-learning课程的比例更高，以便在学习时间和空间上有更大灵活性（Wilkesmann et al.， 2012， p. 74 ff.）。

在本研究中，非传统学生指的是参加远程教育或在线课程学习的人，或者是业余学习的人，或者是学习期间每周工作时间多于19小时的人，或者是29岁以上的人。

2. 学生媒体使用行为分类

分类法指的是根据典型行为或其他模式对个人或物体进行分门别类的方法（Barnes， Bauer， Neumann， & Huber， 2007）。布兰采格认为“用户分类法即是把用户分成不同类型，每一种类型对应使用不同媒体的各种方法，在不同程度上反映活动或内容偏好、使用频率和各种用途”（Brandtzaeg， 2010， p. 941）。

布兰采格对22项媒体使用分类体系研究进行元分析，归纳了八种类型的用户：

·非用户（non-users）：非传统学生人数最多的是这类人，他们不会在学习中使用任何媒体。他们由于用不上因特网而对基于媒体的学习不感兴趣。另外，很多学生因为自身残疾而无法将因特网技术用于学习用途。非用户更喜欢采用常规学习方法。

·偶尔型用户（sporadic users）：这类人不积极使用基于媒体的技术。他们多数情况下使用因特网的目的是接收朋友邮件或老师布置的作业；任何媒体在他们看来都不是有意义的学习工具。

·辩论型用户（debaters）：这类人非常善于交际，经常使用各种异步和同步交流工具跟同学讨论问题。

·娱乐型用户（entertainment users）：这类人使用数字媒体的目的主要是下载音乐、视频和游戏，而不是为了学习。

·社交型用户（socializers）：这类人把因特网作为休闲活动平台，主要通过社交媒体发布信息、维持社交关系和寻找新朋友，而不是为了交流学习心得。这种用户以14-20岁的少女居多。

·潜水用户（lurkers）：因特网用户中为数最多的便是这类人。他们使用因特网是为了休闲和其他目的，但是不会积极参加社交媒体网站的活动。

·工具型用户（instrumental users）：这类人使用因特网和相关媒体的目的不是为了娱乐和社交，而是有目的地搜索相关重要信息（比如商务、各种服务和教育）。

·高级用户（advanced users）：这类人喜欢使用因特网和相关媒体做各种事情，正因如此，他们表现出多种媒体使用行为习惯。虽然他们不热衷于娱乐活动，但是有目的地搜集相关信息是他们使用因特网的主要目的。

总体来看，有关媒体使用分类的调查以定量研究为主。戴维斯和古德（Davies & Good， 2009）的质性研究是一个例外，他们访谈了100多人，但是研究对象不是高等教育学生，而是8-19岁的儿童和青少年。另一项研究（Eynon & Malmberg， 2011）发现媒体使用分类研究多数聚焦在与学习无关的活动上（如电子游戏机、电视、在線购物等等），很少研究与正式和非正式学习（特别是高等教育层次）活动相关的媒体使用行为。“然而，有必要开展更多实证研究，以更好地了解年轻人使用新技术的复杂方法以及这种复杂性对教师、图书馆管理员和家长有何启示”（Eynon & Malmberg， 2011， p. 585）。

其他一些研究虽然是描述性的，也不是以高等教育媒体使用分类为主题，但有些研究结果仍然非常有趣。比如，Educause应用研究中心从2004年以来便针对美国本科生使用技术的情况进行纵向研究。这是一项有代表性的研究。美国大学生在使用数字媒体和设备方面条件非常好，约有四分之三的学生平均每天收发25封电子邮件和84条短信。该研究也使我们了解到在学习环境中使用社交网络和移动设备（智能手机和平板电脑）的情况（Dahlstrom et al.， 2011）。

克莱曼等（Kleimann et al.， 2008）的研究也是一个例外，很有代表性。该研究（N=4，4000）的重点是Web 2.0在高等教育中的应用。学生使用因特网主要是为了搜集信息和交流，但也用于购物和娱乐。23%的学生每天使用因特网4-6小时。学生经常使用社交网络，34%的学生表示他们也在社交网络上讨论学习问题。因此，所谓Web 2.0工具（或诸如维基、博客和社交社区之类的“社交软件”）在高等教育领域的积极使用大有潜力（另见Beldarrain， 2006）。另一方面，其他研究则显示，更加积极参与到e-learning中而不是被动接收信息的“参与性网络”（participation net）的想法可能会受到挑战（Grell & Rau， 2011； Schulmeister， 2009）。endprint

研究方法

1. 样本和工具

来自德国高等教育学府的1，327名学生在2015年4月至6月间参加了旨在了解他们媒体使用行为的在线调查。2012年同一目的的在线调查则有2，339名德国学生参加。两次调查共有3，666人参加，并使用相同问卷。研究者通过邮件列表求助于德国联邦教育与研究部（Bundesministerium für Bildung und Forschung [Federal Ministry of Education and Research]）2012 年和2015年的“開放大学”（Offene Hochschulen）课题以及2012年的“学习者和教师的数字化能力和工具”（eCompetence and Utilities for Learners and Teachers [eCULT]）课题的项目主持人和协调人，请他们通过各自大学的主页和学习管理系统发布在线调查问卷，学生自愿参加调查。

调查问卷围绕约翰逊-斯马拉格蒂（Johnson-Smaragdi， 1994）和邦法德利（Bonfadelli， 1993）的媒体使用模型维度进行设计，包括①环境（媒体和学习环境），②社交化（教育和媒体相关的社会人口信息维度），③行为（媒体使用和学习行为）和④性格（教育和媒体相关的性格倾向）。根据格罗施和吉迪翁（Grosch & Gidion， 2011）的媒体分类体系，2015年调查的51种（2012年有49种）媒体、工具和服务可以分为印刷和数字文本媒体（N=2）、普通网页工具和服务（N2015=22， N2012=21），以及e-learning工具和服务（N2015=27， N2012=26）（详见附录）。

2015年的样本中，62%是女性，38%是男性。2012年和2015年调查样本男女比例没有显著差别（χ2 （df=1； N=3586）=0.20； p=.664）。2015年样本（N=1314）平均年龄27岁（SD=7.94）；2012年样本比2015年的年轻（MV=25， N=2310， SD=7）。参加2015年调查的1，327名学生中，610名（47%）可以被分在非传统学生这一类，换言之，他们要么是参加远程教育或在线课程学习，要么是业余学习或每周至少工作20小时，要么是年龄超过29岁。非传统学生至少要满足以上条件之一，否则便是传统学生。与2012年调查相比，2015年非传统学生的比例提高了（见表1）。2012年和2015年样本中非传统学生比例有显著差异（χ2 （1， N=3，506）=49.93； p=.00）。

2015年的非传统学生平均年龄是31岁，与传统学生（平均23岁）相比，两者年龄有显著差异（t（1，281）=-22.87， p<.001）。2012年的情况也如此（Zawacki-Richter et al.， 2015， p. 144）（见表2）。

2015年样本（N2015=1，303）中传统学生平均学习了五个学期（SD=3.21），非传统学生则是六个学期（SD=4.5）。不出所料，非传统学生之间实际学习的学期数差别更大，最多学习了31个学期，而传统学生最多只学习了18个学期。不管是2015年 [t（1，076.9）=-2，17， p<.05]还是2012年（t（3，466）=-7，35， p<.001），非传统学生和传统学生在已经学习了多少个学期方面有显著差异。

样本的专业背景分布广泛（根据《高等教育信息系统的学科分类》，见Isserstedt et al.， 2010）。2012年和2015年比例最高的四个学科分别是商学（2012=16.6%； 2015=18.0%）、数学和科学（2012 =15.4%； 2015=16.9%）、社会学（2012=14.4%； 2015=14.9%）和工程科学（2012=18.3%； 2015=11.2%）。其他专业包括心理学和教育科学、语言和文化、农业、林业或营养科学、法学、医学和卫生科学、特殊教育、工业工程、艺术和音乐，以及体育科学和体育教育。

同2012年一样，2015年样本在就业方面（在学期间每周平均工作时间）非传统学生和传统学生有显著差别[t（715.26）=-25.1， p< .001]。非传统学生的工作时间比传统学生多五倍。另外，两次调查均显示非传统学生之间周工作时间有很大差别。值得一提的是，非传统学生每周至少工作20小时，这也意味着理论上传统学生每周可以工作多达19小时。

非传统学生和传统学生的另一个区别是前者具有专业资格和（或）高等教育学历的比例经常高于后者。2015年样本中，没有专业资格或高等教育学历的传统学生高达59.5%，而非传统学生仅有22.9%。2012年的情况也一样（Zawacki-Richter et al.， 2014， p. 7）。我们认为这也会影响他们的媒体使用行为。

2. 局限

如上所述，不同研究者对非传统学生的定义以及相关描述不尽相同，因此这个术语使用起来会有一些争议。有些学生在某些方面是传统学生而在另一些方面则更像是非传统学生，因此，不可能给出一个精确定义。换言之，传统学生和非传统学生的划分难以泾渭分明。正因如此，有研究者提到学生成分的异质性（Kerres， Hanft， Wilkesmann， & Wolff-Bendik， 2012）。本研究采用泰希勒和沃尔特（Teichler & Wolter， 2004）广受认可的定义。这个定义尤其适合德国国情，包括学生年龄、在学期间的工作和特殊学习模式（业余、远程和在线学习）等特点。因此，读者必须谨慎理解下文表6，记住这些样本的特点。再者，样本的随机性可能不是很理想。在线问卷表通过各大学的主页和（或）学习管理系统发布，因此样本中富有使用技术经验或参加远程教育或在线课程学习的学生比例可能高于其他类型学生。endprint

研究结果

1. 学生拥有或能用上哪些数字设备？

2012年和2015年的样本中，99%以上的学生在家里能用上因特网，这说明因特网在高等教育学生中的普遍性。

总体来看，学生的数字设备配备良好。2012年（MV=4.87； SD=1.42）和2015年（MV=5.07； SD= 1.56）的调查显示，学生平均拥有五种不同的数字设备，其中，三分之一拥有六种或以上的设备。至于他们所拥有的数字设备种类，传统学生和非传统学生未见差异。

最值得注意的是，拥有“可以上网的智能手机”的比例大幅提高，而拥有“不能上网的移动电话”的比例大幅下降（见表3）。这说明现在学生倾向于以更加灵活的方式使用诸如智能手机、便携式电脑和平板电脑这些数字设备。智能手机的功能越来越强劲，这可能也是MP3播放器拥有比例下降的原因。由于智能手机具备多种功能（如播放音乐），许多功能单一的设备（如MP3播放器）越来越变成多余的了。

上述调查的十种设备中，除了扫描仪以外，调查年份和拥有这些设备的学生比例之间存在显著相关关系（p≤.05）。

2. 哪些媒体和e-learning工具和服务用于学习目的？使用频率如何？

2015年样本活跃在因特网上的时间显著多于2012年样本（t（2，488.4）= -5.02， p=.000）。在2015年的调查中学生（N2015=1，288）报告说他们平均每天活跃在因特网上的时间是4.2小时（SD=2.48），2012年的样本（N2012=2，259）则是3.8小时（SD=2.28）。

至于学生类型，两次调查均表明不同类型学生每天上网的时长有显著差异。传统学生比非传统学生多半个小时（见表4）。

2012-2015年，参加纯在线课程学习的学生比例和混合学习课程学生比例均有所提高。2012年，仅有11%参加在线课程学习，2015年的比例提高到18%；混合学习的学生比例则从14%提高到23%。参加在线或混合学习课程的学生大多可以归入非传统学生这一类。

这个比例虽然提高了，但是与国际水平相比增幅很小。美国的一项调查显示61%的学生至少参加过一门在线课程或纯在线的能力为本的项目学习。过去一年有49%的学生参加在线课程学习（Dahlstrom et al.， 2015， p. 30）。

出乎意料的是，所有三种类型的媒体（文本、普通网页工具和服务以及e-learning工具和服务）的使用频率在2012-2015年间均显著下降（见表5）。

2015年使用频率显著大于2012年的唯一服务是使用大学电子邮件账户（t（2，915.41）=-2.57， p=.010； MV2012=3.18， MV2015=3.32）。而不出所料的是传统学生和非传统学生在e-learning工具和服务（t2015（1，146.5）=-4.11， p=.000）以及社交网络（t2015（1，279）=4.96， p=.000）. NTS （MV=2.13）使用频率上有差别。非传统学生（MV=2.13）使用e-learning工具和服务的频率显著大于传统学生（MV=2.03）；而社交网络的使用频率则相反，传统学生（MV=3.47）的使用频率显著大于非传统学生（MV=3.04）。2012年的情况也是如此。

3. 传统学生和非传统学生对媒体、工具和服务用于学习目的的接受程度以及对在线远程学习的需求这两个方面有何差别？

对51种（2012年是49种）媒体、工具和服务的接受值（接受程度）是根据以下两项计算的：在大学使用媒体的频率平均值（5=几乎每天使用，4=一周使用几次，3=介于每周一次到每月一次之间，2=少于每月一次，1=从不使用）和学生对媒体用于学习活动的感知有用性评价（从5到1依次递减，5=非常有用，1=没有一点作用）的平均值（诸如“我不了解”或“我不知道”的回答均被剔除掉）。

文末附录列出学生对这些媒体、工具和服务的接受值。搜索引擎、校外计算机终端、校外电子邮件账户和基于因特网的学习平台在两次调查中均位居榜首。地理标记和虚拟世界接受值未达到相关水平。值得注意的是对云计算（2012 MV=1.82，列31位； 2015 MV=2.82，列21位）和聊天/即时通讯（2012 MV=2.77， 列 20 位；2015 MV=3.40， 列13位）接受程度的提高。WhatsApp应用程序在德国日益普遍，这可能是对聊天/即时通讯的接受程度提高的一个原因。另一个值得注意的结果是对教学音视频的接受程度下降了：2012年排在第12位，而2015年仅排在第34位。

2015年调查传统学生和非传统学生对数字媒体、工具和服务的接受程度（见表6）与2012年的调查结果大体相同（Zawacki-Richter， 2015， p. 543）。接受程度是一个统计学上的值，表示使用频率和感知媒体有用性。非传统学生所接受的媒体、工具和服务的数量显著多于传统学生，换言之，他们更加希望使用数字媒体、工具和服务。传统学生年龄通常比较小，把媒体用于娱乐目的对他们而言仍然很重要。相比之下，非传统学生更喜欢各种用途明确（特别是e-learning）的工具和服务，以满足学习需要。

使用数字化教与学方法究竟有多重要（从5到1依次递减，5=非常重要，1=一点也不重要）？学校在多大程度上提供数字化教与学（从1到5依次递减，1=经常，5=没有）？两次调查均表明，数字化学习的需求与供给有差距，供少于求。由此可见，德国大学的数字化教与学还有进一步发展的空间。

总体来看，2015年的调查显示这方面的供求差距有所缩小，但与2012年相比仅有两项差距缩小显著：“课程辅助材料”（t（2673.21）=2.03， p=.043）和“在线考试和练習”（t（2313.79）=3.27， p=.001）。学生希望在课程学习过程中学校平台（如Blackboard或Moodle）提供这些材料，这方面的需求最大，供给最好（ΔMV2015=0.16）。供求差距最大体现在以下三项：“通过内联网或因特网提供基于网页的培训/课程”（ΔMV2015=1.48）、“在线考试和练习”（ΔMV2015=1.23）和“以播客或视频点播形式提供授课音视频”（ΔMV2015=1.21）（见表7）。endprint

2012年（Zawacki-Richter， 2015， p. 544）和2015年的调查均显示，非传统学生对数字化教与学的需求显著大于传统学生（见表8），仅“课程辅助材料”的需求没有显著差异。非传统学生对数字化教与学有更高需求是意料之中的，因为他们很多人需要工作和照顾家庭，因此更喜欢学习时间和空间灵活的课程。

4. 有哪些不同的媒体使用类型？这些不同使用类型与学生的个人因素和环境因素有何关系？

我们采用潜在类别分析法（Hagenaars & McCutcheon， 2009）分析2012年的调查数据，确定了媒体使用模式分类（Zawacki-Richter et al.， 2015， p. 154）。我们的潜在类别分析法基于以下四项标准：使用e-learning工具（比如虚拟研讨活动、电子学习档案袋和在线测验）、因特网的休闲用途（比如聊天、下载或流式播放音乐、维基等）、接受办公软件（比如文字处理、电子表格制作和演示软件）和将社交软件用于学习目的（比如建立和保持联系、组建学习小组，以及交换文档和文献）（Zawacki- Richter et al.， 2015， p. 146）。我们发现有四种类型的媒体使用模式：娱乐型用户、外围用户、高级用户和工具型用户。图1显示了2012年和2015年样本中这四种媒体使用模式的分布情况。2012年和2015年的调查结果没有显著差异（χ2 （3， N=2，516）=5.66， p=.129）。

娱乐型用户约占54%，是最大的一类，其特点是把数字媒体用于休闲目的的比例相对较高，同时也会把社交网络用于学习目的，而办公软件和e-learning工具的使用频率远低于平均水平。高级用户和外围用户均约占19%。外围用户使用数字媒体、工具和服务完成学习活动的比例最低，高级用户使用数字媒体、工具和服务的频率最高，尤其强调社交网络的使用和因特网的休闲用途。工具型用户比例最小，两次调查分别占6.4%和6.5%，他们使用最多的是办公软件和e-learning工具，使用较少的是社交网络和因特网的休闲用途。

表9是2012年和2015年传统学生和非传统学生媒体使用类型的分布情况。两次调查均显示，工具型用户中非传统学生多于传统学生，外围用户的情况也一样。相比之下，传统学生更有可能是娱乐型用户。高级用户的情况较为复杂，在2012年调查中传统学生的比例高于非传统学生，而2015年的调查则显示非传统学生多于传统学生。

我们采用单因素方差分析法比较年龄和媒体使用类型的关系，同2012年的情况一样（Zawacki-Richter et al.， 2014， p. 28），2015年的调查显示，四种媒体使用类型用户的年龄有高度显著差异（F2015（3， 909）=23.12， p=.000； η2=.071）。事后检验（Games-Howell）表明，娱乐型用户和高级用户与外围用户和工具型用户之间存在显著差异。与外围用户（MV=29岁）和工具型用户（MV=31岁）相比，娱乐型用户（MV=25岁）和高级用户（MV=26岁）明显年轻。

我们还比较了四种用户在社交网络上“好友”的平均数量。同2012年一样（Zawacki-Richter et al.，2014， p. 29），单因素方差分析显示，2015年四种用户在这方面有显著差异（F2015（3， 722）=7.48， p=.003； η2=.019）。事后检验（Games-Howell）表明，外围用户的平均“好友”数量与高级用户和工具型用户有显著差异。外围用户平均有194个社交网络“好友”，而工具型用户（MV=218）和高级用户（MV=289）则有更多“好友”。2015年样本的平均“好友”数是237（SD=190.3）。

结论和未来研究展望

数字媒体是一个活力四射的领域，发展日新月异，因此，我們认为有必要重复2012年的调查，以便发现新趋势，尤其是在大学数字化学习环境的框架下使用数字媒体、工具和服务的必要性的新趋势，并将研究结果用于指导今后学习环境或课程的设计。

移动设备的使用是一个显著变化。2012年仅有56.2%学生声称拥有可以上网的智能手机，而2015年的比例高达90.6%。平板电脑（和iPad）的使用从8.6%提高到39.4%，非传统学生的比例更高（46%）。由于出现了诸如MP3播放器之类的设备，台式电脑越来越变得多余。

对数字媒体、工具和服务的使用和感知有用性相对稳定（见附录）。尤其值得注意的是学生对即时通讯服务的接受程度越来越高，这一点当然跟智能手机广泛应用、WhatsApp应用程序和云应用的日益普遍有关。有趣的是，与2012年相比，对网页上的授课音视频的接受程度大为下降（从第12位下降到第34位）。

同样值得注意的是专门用于e-learning的媒体、工具和服务的使用频率没有随着时间推移而提高，这也是意料之中的事情。这方面的研究结果与德国目前的数字化指数（Digitalisation Index）一致（Initiative D21， 2016）。这个指数是根据对四项内容的评分得出的（0-100分）：能力（40%）、开放性（20%）、使用机会（30%）和使用（10%）。该报告显示接受高等教育的人（我们把大学生也列入此类）的数字化指数从2015年的63下降到2016年的55，尤其是开放性（从62降为51）和能力（从63降为51）两项。接受高等教育的人显然对数字化新发展持更加批判性的态度，“不想居于一切技术潮流的浪头”（Initiative D21， 2016， p. 27）。比如，据推断，“更加熟悉某些应用或程序的人往往会忽视它们可能有新用途或有何局限，因此在评价自己这些方面能力时更加谨慎。在评价自己能力时表现出来的‘严于律己反映社会已经显现数字化的复杂性”（Initiative D21， 2016， p. 27）。很多受过良好教育的人，虽然他们活跃于高度网络化的社会，但是越来越希望离线。本研究无法解释为什么大学生在学期间也出现这种现象，因此需要今后通过质性研究探究其原因。endprint

至于傳统学生和非传统学生的媒体使用模式，2015年的调查印证了2012年的结果。此外，非传统学生对e-learning有更高需求，其e-learning需求和供给之间的差距方面，2015年略有缩小。同2012年一样，工具型用户中非传统学生的人数高于应有的比例，他们倾向于使用专门服务e-learning的媒体和工具。然而，高级用户中非传统学生的比例也有较大增长，2015年其比例高于传统校园学生，2015年后者在娱乐型用户中比例最大（63%）。这方面的差异同样需要后续质性研究解释量化研究结果，进一步验证和深化理解。

本研究旨在发现和描述2012-2015年间德国高等教育学生媒体使用模式的变化，通过探索性数据分析建立四种媒体使用类型。我们建议以这些量化研究结果为基础进一步开展质性研究。梅林认为大样本的量化研究必须伴有后续质性研究，以增强对研究结果理解的深度和广度（Mayring， 2001， n.p.）。梅林还指出，后续质性研究能够揭示相关影响因素，解释量化研究无法说明的模式。

据此，德国奥登堡卡尔·冯·奥西茨基大学（Carl von Ossietzky University of Oldenburg）计划开展针对大学生媒体使用模式的质性研究。我们首先必须编制一份简略问卷，目的是甄别符合相关条件（如年龄、性别、媒体使用模式、学习阶段等）的受访者（研究对象）。受访者将根据最小和最大对比原则进行挑选，因此必须考虑他们现在的媒体使用模式。其次，我们将对这些研究对象进行半结构化访谈，这种方法能给受访者一个相对灵活和开放的访谈环境，使他们有更多机会表达个人看法（Flick， 2011， p. 194）。收集到的数据将采用施赖尔的质性内容分析法（Schreier， 2012）进行分析。

质性内容分析法是对有意义的访谈素材进行比较分析的一种系统而又简约的方法。一方面，我们能够考虑此前量化研究的结果（演绎分类）；另一方面，我们能够根据访谈素材进行另外的归纳分类（Schreier， 2012）。这种方法应该能够深化对量化研究结果的理解，解释这些结果，揭示相关影响因素，解释尚未为我们所了解的学生媒体使用模式。质性研究结果能给我们提供的教学设计启示，有助于我们更好地利用数字媒体、工具和服务给高等教育教与学所带来的机会。

[参考文献]

Alheit， P.， Rheinl?nder， K.， & Watermann， R. （2008）. Zwischen Bildungsaufstieg und Karriere Studienperspektiven “nicht-traditioneller Studierender”.Zeitschrift für Erziehungswissenschaft，11 （4）， 577–606.

Allen， E.， & Seaman， J. （2013）. Changing Course： Ten Years of Tracking Online Education in the United States. Oakland， CA： Babson Survey Research Group. Retrieved from http：//www.onlinelearningsurvey.com/reports/changingcourse.pdf

Barnes， S. J.， Bauer， H.， Neumann， M.， & Huber， F. （2007）. Segmenting cyberspace： a customer typology for the Internet.European Journal of Marketing，41（1）， 71–93.

Beldarrain， Y. （2006）. Distance education trends： Integrating new technologies to foster student interaction and collaboration. Distance Education， 27（2）， 139–153.

Bonfadelli， H. （1993）. Lesesozialisation-Leseerfahrungen und Lesekarrieren. Gütersloh： Verlag Bertelsmann-Stiftung.

Brandtzaeg， P. （2010）. Towards a unified Media-User Typology （MUT）： A meta-analysis and review of the research literature on media-user typologies. Computers in Human Behaviour，26（5）， 940–956.

Dahlstrom， E.， Brooks， C.， Grajek， S.， & Reeves， J. （2015）. ECAR Study of Students and Information Technology， 2015. Research report. Louisville， CO： ECAR.

Dahlstrom， E.， de Boor， T.， Grundwald， P.， & Vockley， M. （2011）. ECAR 2011 - National study of undergraduate students and information technology. Boulder： EDUCAUSE. Retrieved from http：//www.educause.edu/ecarendprint

Davies， C.， & Good， J. （2009）. Choosing To Use Technology： How Learners Construct Their Learning Lives in Their Contexts. Coventry/UK： Becta.

Eynon， R.， & Malmberg， L.-E. （2011）. A typology of young peoples internet use： implications for education.Computers & Education，56（3）， 585–595.

Flick， U. （2011）. Qualitative Sozialforschung. Eine Einführung （4th ed.）. Reinbek near Hamburg： Rowohlt.

Garz， D. （2004）. Studium als biographische Entwicklungschance. sozialer sinn： Zeitschrift für hermeneutische Sozialforschung， （3）， 387–412.

Gould， S. B.， & Cross， K. P. （eds.）， （1977）. Explorations in Non-traditional Study. San Francisco： Jossey-Bass.

Grell， P.， & Rau， F. （2011）. Partizipationslücken-Social Software in der Hochschullehre， MedienP?dagogik-Zeitschrift für Theorie und Praxis der Medienbildung， （21）， 1–23.

Grosch， M.， & Gidion， G. （2011）. Mediennutzungsgewohnheiten im Wandel.Ergebnisse einer Befragung zur studiumsbezogenen Mediennutzung. Karlsruhe： KIT Scientific Publishing. Retrieved from www.ksp.kit.edu/download/1000022524

Guri-Rosenbilt， S.， & Gros， B. （2011）. E-Learning： confusing terminology， research gaps and inherent challenges. Journal of Distance Education/Revue de lenseignement à distance，25（1）.

Hagenaars， J. A.， & McCutcheon， A. L. （Eds.）. （2009）. Applied Latent Class Analysis （2nd Ed.）.Cambridge， UK： Cambridge University Press.

Hanft， A.， & Brinkmann， K. （Eds.）. （2013）. Offene Hochschulen-Die Neuausrichtung der Hochschulen auf Lebenslanges Lernen. Münster： Waxmann.

Initiative D21. （2016）. 2016 D21-Digital-Index-J?hrliches Lagebild zur Digitalen Gesellschaft. Berlin： Initiative D21. Retrieved from http：//www.initiatived21.de/wp-content/uploads/2016/11/Studie-D21- Digital-Index-2016.pdf

Isserstedt， W.， Middendorff， E.， Kandulla， M.， Borchert， L.， & Leszczensky， M. （2010）. Die wirtschaftliche und soziale Lage der Studierenden in der Bundesrepublik Deutschland 2009. 19. Sozialerhebung des Deutschen Studentenwerks. Hannover： Hochschul-Informations-System （HIS）. Retrieved from http：//www.studentenwerke.de/pdf/Hauptbericht19SE.pdf

Johnson， G. M.， & Kulpa， A. （2007）. Dimensions of online behavior： toward a user typology.CyberPsychology & Behavior， 10（6）， 773–779.

Johnsson-Smaragdi， U. （1994）. Models of change and stability in adolescents media use. In K. E. Rosengren （Hrsg.）， Media Effects and Beyond （pp. 89–116）. London： Routledge.

Ke， F. （2010）. Examining online teaching， cognitive， and social presence for adult students. Computers & Education，55（2）， 808–820.endprint

Kerres， M.， Hanft， A.， Wilkesmann， U.， & Wolff-Bendik， K. （eds.） （2012）. Studium 2020 - Positionen und Perspektiven zum lebenslangen Lernen an Hochschulen. Münster： Waxmann.

Kleimann， B.， ?zkilic， M.， & G?cks， M. （2008）. Studieren im Web 2.0 - Studienbezogene Web- und E-Learning-Dienste. Hannover： Hochschul-Informations-System （HIS）. Retrieved from https：//hisbus.his.de/hisbus/docs/hisbus21.pdf

Knapp， L. G.， Kelly-Reid， J. E.， & Ginder， S. A. （2011）. Enrollment in Postsecondary Institutions， Fall 2009； Graduation Rates， 2003 & 2006 Cohorts； and Financial Statistics， Fiscal Year 2009. Washington， D.C.： National Center for Education Statistics.

Mayring， P. （2001）. Kombination und Integration qualitativer und quantitativer Analyse. Forum Qualitative Sozialforschung / Forum： Qualitative Social Research， 2（1）. Retrieved from http：//www.qualitative-research.net/index.php/fqs/article/view/967/2111

Moore， M. G.， & Kearsley， G. （2011）. Distance Education： A Systems View of Online Learning. Boston， MA： Cengage Learning

Morrison， G. R.， Ross， S. M.， Kalman， H. K.， & Kemp， J. E. （2011）. Designing Effective Instruction. （6th ed.）， Hoboken/NJ： Wiley.

Pituch， K. A.， & Lee， Y. K. （2006）. The influence of system characteristics on e-learning use. Computers & Education， 47（2）， 222-244.

Schreier， M. （2012）. Qualitative Content Anaysis in Practice. Los Angeles： Sage.

Schuetze， H. G.， & Slowey， M. （2002）. Participation and exclusion： A comparative analysis of non-traditional students and lifelong learners in higher education. Higher Education， 44（3-4）， 309–327.

Schuetze， H. G.， & Slowey， M. （2003）. Higher education， non-traditional students and lifelong learning in industrialized countries- development and perspectives. Das Hochschulwesen， 51（5）， 183-189.

Schuetze， H. G.， & Slowey， M. （Eds.）， （2012）. Global Perspectives on Higher Education and Lifelong Learners. London： Routledge.

Schulmeister， R. （2009）. Studierende， Internet， E–Learning und Web 2.0. In N. Apostolopoulos， H. Hoffmann， V. Mansmann & A. Schwill （Eds.）， E– Learning 2009： Lernen Im Digitalen Zeitalter （pp.129–140）. Münster： Waxmann.

St?ter， J.， Bullen， M.， Zawacki-Richter， O.， & von Prümmer， C. （2014）. From the back door into the mainstream： the characteristics of lifelong learners. In O. Zawacki-Richter & T. Anderson （Eds.）， Online Distance Education - Towards a Research Agenda （pp. 421–457）. Athabasca， Edmonton， Canada： Athabasca University Press.endprint

Teichler， U.， & Wolter， A. （2004）. Zugangswege und Studienangebote für nicht-traditionelle Studierende. Die Hochschule， 2， 64–80.

Wedemeyer， C. A. （1981）. Learning at the back door： Reflections on non-traditional learning in the lifespan. Madison， WI： The University of Wisconsin Press.

Wilkesmann， U.， Virgillito， A.， Br?cker， T.， & Knopp， L. （2012）. Empirische Untersuchungen zur Hochschulwirklichkeit. In M. Kerres， A. Hanft， U. Wilkesmann， & K. Wolff-Bendik （Eds.）， Studium 2020 - Positionen und Perspektiven zum lebenslangen Lernen an Hochschulen （pp. 59–81）. Münster： Waxmann.

Zawacki-Richter， O. （2015）. Zur Mediennutzung im Studium – unter besonderer Berücksichtigung heterogener Studierender. Zeitschrift für Erziehungswissenschaft， 18（3）， 527–549. http：//link.springer.com/article/10.1007/s11618-015-0618-6

Zawacki-Richter， O.， Hohlfeld， G.， & Müskens， W. （2014）. Mediennutzung im Studium. Schriftenreihe zum Bildungs- und Wissenschaftsmanagement， 1， 1–35.

Zawacki-Richter， O.， Müskens， W.， Krause， U.， Alturki， U.， & Aldraiweesh， A. （2015）. Student media usage patterns and non-traditional learning in higher education. International Review of Research in Open and Distributed Learning， 16（2）， 136–170.

收稿日期：2017-02-17

定稿日期：2017-02-20

作者簡介： 奥拉夫·扎瓦克奇-里克特（Olaf Zawacki-Richter）博士，德国奥登堡卡尔·冯·奥西茨基大学（Carl von Ossietzky University of Oldenburg）教育研究院/终身学习中心教育技术教授；曾任德国哈根函授大学（开放大学）（Fern University in Hagen）教育技术教授和沙特阿拉伯国王大学（King Saud University）客座教授；《国际远程开放学习研究评论》（International Review of Research in Open and Distance Learning）、《远程教育》（Distance Education）、《开放学习》（Open Learning）和《斯里兰卡开放大学学报》（Open University of Sri Lanka Journal）编委。

卡莱娜·克雷默（Carina Kramer），德国奥登堡卡尔·冯·奥西茨基大学教育研究院助理研究员。

译者简介：肖俊洪，汕头广播电视大学教授，Distance Education （Taylor & Francis）期刊副主编，System： An International Journal of Educational Technology and Applied Linguistics （Elsevier）编委。

责任编辑 郝 丹

编 校 韩世梅endprint