高校混合教学就绪指数构建与评估应用

廖宏建 张倩苇

[摘 要] 混合教学是一个复杂的动态系统，如何将高校开展混合教学的能力表征为可量化、易理解的指标体系，以指导混合教学实践，具有重要意义。在借鉴国内外相关就绪指数研究成果基础上，构建了包含“准备、应用、影响”全周期的混合教学就绪指数概念模型；并从利益相关者视角对混合教学影响因素进行统计、取舍和归类，建立了“个体—机构—阶段”三维就绪指标识别框架；进而通过开放问卷、深度访谈等调查方法收集数据填补和丰富框架内容；最后采用Delphi-AHP法收敛和提炼指标并确定权重系数，得到5个维度包含ICT设备、网络接入、学习空间、资源与技术支持、战略目标、组织与规划、激励措施、政策与制度、在线课程建设、混合教学应用、学习支持服务、质量保障与评价、认知与意愿、教学能力、培訓与发展、教学团队建设、教学改革、创新扩散等18个具体指标的就绪指数评价体系；以广东省5所高校为例开展了试验性评估应用，从数据采集、象限分析等方面展示了就绪指数的应用过程、可行性和有效性。

[关键词] 混合教学； 就绪指数； 层次分析法； 四象限分析

[中图分类号] G434 [文献标志码] A

[作者简介] 廖宏建（1980—），男，湖南衡阳人。副研究员，博士研究生，主要从事教育技术基本理论、教师信息化教学能力发展的研究。E-mail：liaohongjian@gzhu.edu.cn。张倩苇为通讯作者，E-mail：zhangqianwei@m.scnu.edu.cn。

一、问题的提出

将MOOC、SPOC与课堂教学相结合的线上线下混合教学模式，在创新教学流程、提高学习参与度、促进深度学习等方面彰显了较强的生命力[1-3]，为高校提供了一种从工厂式的集中教育转移到创新教育的模式[4]，是高校对互联网时代教育需求的必然回应。在这一背景下，很多高校纷纷试水混合教学改革。然而，在混合教学实践中出现了一些普遍性的问题，比如：“课堂教学与在线学习相割裂的两张皮”现象；教师角色转换面临挑战、工作量陡然增加；学生在线自主学习意识和能力薄弱等。

上述问题在很大程度上是由现有教学实践与混合教学新范式间的龃龉所致。新一代信息技术的发展使得“在线”的内涵极大丰富，并对课堂呈延伸和倒逼之势，课堂上传统的统一化封闭式教学正在消解，取而代之的将是在线支持下的个性化开放式大规模定制。在这一语境下，混合教学并非线上与线下的简单叠加，而是一种面向更加复杂学习环境的技术与教学的融合性创新[5]。长期以课堂教学为主要模式的普通高校，要想在混合教学中获得成功，除了对混合教学内涵和价值诉求有深刻的思考和认识之外，还必须破除路径依赖和制度结构对创新行为的制约，进一步构建开展高质量和可持续混合教学的准备条件和实施能力。 混合教学就绪指数旨在描述高校开展混合教学并从中受益的准备程度，其意义在于：（1）将复杂、抽象、泛在的混合教学环境评价细化为具体、易于理解、可量化的指标；（2）量化指标可形成评估报告，分析优劣因素，指导高校准备和发展混合教学；（3）有利于促进高校教育信息化评价从反映行政事业规模的宏观性水平评价转向信息技术与教学融合的微观性发展评价。

二、就绪指数相关文献综述

（一）相关的就绪指数梳理

ICT在经济、教育、服务等领域的不断渗透，为这些领域或行业的发展带来了机遇和能力，为了勾画能够催生这种能力的因素，相继出现了ICT相关的各类就绪指数研究，如从早期的网络就绪指数，到技术就绪指数、再到教育信息化就绪指数、e-Learning就绪指数等。混合教学，是一种典型的信息技术创新和教育理念创新驱动的新型教学模式，它融合了在线教育与面授教育中的诸多要素，其就绪指数的构建可以并且应该从上述成果中吸收养分和寻求借鉴。为此，笔者对相关就绪指数进行了梳理，见表1。

（二）E-Learning就绪指数

e-Learning就绪指数已经取得了较为成熟的研究成果。Succi和Cantoni在技术接受模型（TAM）基础上提出了由阶段（准备、开始、持续）、变量（学习者、组织情境、资源）、要素（知识、义务）三维度构建的机构层面的e-Learning就绪指数模型（CeLeRI），并在对全球9个e-Learning项目案例研究和两轮调查分析基础上，得出了感知有用性、组织动机、支持与培训、目标承诺、推广行为、激励、组织文化等17个具体就绪指标[8]。该项研究强调了组织环境的重要性，但缺乏对学习者个体的关注。 澳大利亚学者Marshall基于软件工程领域的能力成熟度模型CMM，提出了“学习、开发、支持、评估、组织” 5个过程维度的e-Learning准备与评价指标，并列举了从弱到强的5个eMM等级[9]，为评估教育机构实施和发展e-Learning能力提供了一个框架。Glenda在改进学者Holsapple和 Lee关于e-Learning评估模型基础上，构建了涵盖课程准备（系统质量、内容质量、服务质量）、实施（系统应用、用户满意度）、完成（获益）三个阶段6项指标的在线教学就绪度模型，并通过复回归分析验证了教师技术准备、生活方式准备、教学法准备等对教学效果的影响[10]。

（三）混合教学就绪相关研究

混合教学有着简单的定义但却有着复杂的实践，且面临可持续与可测量的挑战[11]。目前还鲜见较全面或成熟的混合教学就绪指数或模型。但已有学者大致从要素分析和过程分析两条逻辑线开展了相关研究。

1. 要素分析

（1）适应性因素。赵建明等基于解构计划行为理论与任务技术适配模型，通过实证研究得出感知行为控制、态度、主观规范对高校教师混合教学接受度具有正向影响[12]；Chun等证明了对学习灵活性、在线学习、学习管理、学习技术、在线互动等具有积极态度的学生具有更高的混合学习接受度和适应性，并进而具有更好的混合学习准备；而课堂学习依赖对混合学习准备具有消极影响[13]。（2）学习效果影响因素。刘艳等从在线学习和课堂教学两个维度，采用层级分析法构建了混合学习的绩效影响指标及其权重[14]；周媛等分析了混合学习中学习投入的差异及其影响因素[15]；Boelens通过对20个研究案例的分析，提出了混合学习环境设计面临“灵活性、促进交互、改善学习过程、培养高效学习氛围”4大挑战[16]。要素分析便于为成功开展混合教学提供明确具体的指标集，但往往具有静态性，无法反映动态发展中各指标权重的变化。

2. 过程分析

为了反映高校混合教学的实施阶段及不同阶段的对应措施，国内外学者从过程视角对混合教学实施框架进行了系列研究。（1）Graham（格雷汉姆）团队通过对美国多所高校考察和半结构化访谈，提出了促进高校采纳混合教学的三维措施：战略（目标、倡导、实施、定义、政策）、组织（设施、管理、专业发展、评估）、支持（技术、教学、激励），并根据措施的强弱将混合教改划分为三个阶段：意识与准备、早期采取与探索、成熟与增长[17-19]。其研究特点及不足表现为：研究对象是基于学校管理者（校长、教务处长）的访谈和资料分析，未涉及对学生的支持与服务；以西方自下而上为主（始于教师自发层面）的混合教改文化为背景；其提出的发展框架是一种离散式的阶段划分。对此，韩锡斌团队基于格雷汉姆框架，实证分析了国内6所院校混合教改的阶段特征及实施效果偏差，指出了该框架对起步和成熟阶段院校的教改措施具有较高的匹配度，但对于发展中的院校存在不易定位的问题[20]。 （2）联合国教科文组织（UNESCO）在“高等院校混合教学能力建设”项目成果中提出了高校混合教学实施的自我评估框架，包括“愿景与规划、课程体系、教师专业发展、学生学习支持、网络基础设施、政策与学校组织架构、伙伴关系、研究与评估”等8个方面，并据此提出混合教改“未考虑、应用/采纳、融合、变革”四个发展阶段[11]。这种评估框架主要依据文献综述构建，缺乏具体的指标体系和相关的量化研究。

上述研究成果为高校混合教学就绪指标构建勾勒了一个初步的框架，但高校混合教学是一个复杂的动态系统，其就绪指数应能反映高校应对信息技术渗透课堂教学而带来的教学要素扩充、教学结构改变、业务流程重塑等方面变革和创新所需要做的准备。为此，基于现有研究成果及不足，构建一个符合我国混合教学文化背景、囊括相关利益者诉求、指标相关性高和操作性强、重视混合教学应用效果的就绪指标体系，对指导和推进国内混合教学发展和创新具有重要的意义。

三、混合教学就绪指数构建

（一）概念模型构建

1. 混合教学就绪指数的含义

获得比纯面授教育或纯在线教育更好的教学质量和效益，实现集约化、融合性、个性化、灵活性和深度学习，是混合教学的核心价值诉求[5]。因而，笔者将高校混合教学就绪指数界定为：基于混合教学生态观，通过系列指标来描述和反映多方利益相关者在线上线下充分融合的学习情境中开展教与学活动、形成协同效应、实现混合教学核心价值诉求，并在技术与教育理念更新带来的挑战中能持续改进、适用、创新和引领的准备程度和能力水平；并把通过这些指标计算得到能够反映高校开展混合教学的能力的值称为混合教学就绪指数（Blended Teaching Readiness Index，BTRI）。

2. BTRI概念模型

（1）高校混合教学情境具有复杂性，涉及线上线下诸多因素，最重要的参与群体是教学管理部门、教师、学生；（2）开展混合教学实践要经历准备（发起）、应用（采纳和实施）、影响（制度化）三个阶段，每个阶段均对成败产生重大影响；（3）混合教学通常有一个学校宏观层面的支持环境，学校、教学管理部门和师生的共同参与才能形成一个良好的生态并达到比较高的就绪程度，该校的混合教学应用才越广泛和有效。基于以上认识，并参考国际网络就绪指数DID原型，提出高校开展混合教学就绪指数的概念模型，如图1所示。

（二）研究设计

在文献分析的基础上，采用问卷和半结构化访谈获得相关数据，并通过Delphi和AHP法相结合来确定指标及权重系数，从而构建混合教学就绪指标体系。

1. 梳理文献与建立指标识别框架

笔者对前文提及的34篇国内外文献进行梳理，按教师、学生、机构三种视角对研究结论进行了取舍与归类，建立了初步指标集。为了更进一步发掘混合教学在图1概念模型中“准备、应用、影响”三阶段存在的重要挑战，将指标集在过程维度再次切分，构建BTRI三维识别框架，如图2所示。

该框架作为本研究的起点，一方面作为下一步实证研究中调查问卷、访谈提纲编制的依据；另一方面作为访谈文本分析的初始编码词典，并被新的调查内容所丰富和优化。

2. 调查设计

（1）调查对象。调查对象包含教师、学生、决策者三类，重点调查拟开展混合教学（学习）或已开展混合教学（学习）中面临的问题、效果影响因素与改善期望。对教师采用半结构化访谈，对学生采用问卷调查和个别访谈相结合的方式，对决策者（分管教学副校长、教务处长）以访谈为主。

（2）对象所在学校抽样。为了从历时性视角调查“准备、应用、影响”阶段遇到的问题和挑战，对研究对象所在的学校进行选择性取样，依照Graham等人提出的混合教学实施阶段特征，选取了涵盖三个阶段的样本学校，见表2。

（3）调查内容与资料获取

在访谈的过程中进行录音并转化为访谈文本；同时，查阅该校相关的佐证性或支持性材料，比如混合教学管理制度性文档、在线课程平台及平台统计性数据；访谈过程注重自上而下与自下而上相结合，以完成决策者的访谈内容与师生访谈内容的相互冲突、验证、融合。

3. 调查结果分析

（1）访谈文本内容分析

访谈阶段共获得23份访谈文本，其中决策者5份，师生共18份。以图2中的内容为初始词典，2人独立完成对访谈文本内容的“开放式编码”，这种编码主要是将关键词或词组转化为非连续的概念，并对图2中没有的概念进行补充和完善。然后，以便于指导混合教学准备为出发点，从主客体视角将所有概念进行归类，最终得到 “战略与组织”“设施与环境”“在线课程建设与应用”“混合教学能力与发展”“混合教学文化”等5个维度，14个具体指标。

（2）Delphi专家咨询与指标提炼

为保证指标的科学性和合理性，进一步采用Delphi法，通过电子邮件的方式分别向9位混合教学研究与实践专家发放多轮问卷，问卷中对研究背景和前期調研结果进行了说明，请专家对各项指标进行修改或补充，并给出修改原因。将每一轮的反馈意见进行汇总后再次发给专家修改，直到第3轮专家的意见基本趋于一致。最后，对最终指标采用5 级评定法，请专家对指标条目的重要性作出评判并计分。

回收专家计分并分别完成重要性均值、满分比、变异系数的统计分析。满分比HS-R为选择“非常重要”的人数占总人数的百分比；变异系数CV为标准差SD相对于均值的百分比，CV值越小，表示值之间的离散程度越小，也即专家意见越趋于一致。调查中，有45%的专家认为在线课程应用深度和质量保障是混合教学的关键，建议应单独列为二级指标；约20%的专家认为在教师中进行宣传推广和开展专题研讨的区分度偏低，应予以合并。此外，关于学生应对混合学习的信息素养、在线学习经验等，专家们认为纳入指标后会存在不易采集且不同学校不具有明显的区分意义，应予以删除，但建议保留学习支持服务。因此，最后得到混合教学就绪指数18个，见表3，CV值均低于0.2，调查数据具有统计意义。

4. 使用AHP法构建就绪指标权重系数

AHP法的本质在于借助对众多相关因素重要性的两两比较，把专家的领域知识和丰富的经验转化成决策所需的有用信息，指标权重构建步骤如下：

（1）建立层次结构模型

依据表3中维度的划分，建立高校混合教学就绪度评价体系结构中目标层、准则层、方案层的关系如下：

目标层A=高校混合教学就绪度

准则层（一级指标）B={B1， B2， ……， Bi， ……Bn}， i=1，2，…n

方案层（二级指标）Bi={Bi1，Bi2，……，Bij，……Bim}， j=1，2，…m

其中，n表示一级指标B中指标的个数；m表示二级指标Bi中指标的个数。

（2）构建判断矩阵

①建立单个判断矩阵。判断矩阵是对每一层次各因素相对重要性判断的数值化表达，是AHP的关键。为了有效采集专家判断矩阵，在问卷中介绍了1～9级重要性程度比例标度和判断矩阵的构造方法，并给出了上三角矩阵填空表格，以减少专家因工作量大而出现逻辑错误的概率。最后共回收7份0～9权重矩阵。

②合并单个矩阵得到综合矩阵。为了避免因专家自身偏好等因素产生较大分歧的判断矩阵，本研究使用判断力权值来构建综合矩阵[21]，以反映出专家的群组意愿。

其余5个判断矩阵构建与此类似，不再赘述。

（3）层次排序

①层次单排序。层次单排序是指用来确定本层次与上层次中的某元素有联系的各元素重要性次序的权重值。可通过求出判断矩阵的最大特征值和特征向量，将特征向量归一化得到各元素的权重向量。

②层次总排序确定组合权重。利用层次单排序计算结果，合成对应上一层次的权重，形成本层次所有元素相对重要性权值。利用综合判断矩阵得出指标层Bi中Bi1～Bim相对于目标层A 的权重值，计算结果见表5。

（4）合并矩阵的一致性检验

由于混合教学就绪指标因素较多，需要计算一致性比率CR值检验判断矩阵的逻辑一致性和指标体系权重的可信性。6个判断矩阵一致性检验结果见表6。

从统计结果来看，CR值均小于0.1，表明聚类合并后的6个判断矩阵具有较为理想的一致性。CR值均低于合并前的单个判断矩阵CR平均值，说明综合矩阵优于单个矩阵。

5. 关于权重结果的讨论

从指标权重值的排序来看，混合教学就绪度突出了“应用、教师、文化”三个主题：（1）与设施及课程建设相比，课程的创新应用摆在了首要位置，尤其突出混合教改对改变传统教学结构和重塑教学流程的影响程度；（2）混合教学实践主体——教师的意愿与专业化教学能力发展成为关注的重点，并成为混合教改突破“自下而上”发展路径的内生动力；（3）契合自控性、灵活性等混合学习特征的教学文化一旦形成，将对促进混合教学持续发展与创新具有特别的积极作用。这也与前期访谈中的主流意见相一致。

四、BTRI的实例化评估应用

为了检验混合教学就绪指标的合理性和可行性，选择广东省5所高校开展评估应用，其中985高校1所，211高校2所，地方性综合大学2所。

（一）数据采集

根据表3中各指标的内容描述，按照易观察、易操作、易获取、求真求实的原则，建立了41个观测点，并精心编制“高校混合教学就绪指数评测量表”。 量表由19项调查数据和22项统计数据组成。统计数据是指客观的、可直接测量的指标，本研究使用比率分析法进行定量描述，如生均值、师均值、人均值、学科均值。调查数据是指需要通过深入调查以明确或通过主观判断予以定性的指标，本依据使用5级李克特选项计分、多选增量加分、二元选择得分等对调查数据进行量化。受篇幅所限，表7是对表3中指标数据采集结果的摘录。

（二）计算就绪指数

1. 数据预处理

首先，将所有指标数据同趋势化，使用“倒扣逆变换法”对量表中3处逆向指标进行正向化处理；其次，对指标数据进行无量纲化处理，便于不同单位或量级的指标能够进行比较和加权。考虑到混合教学就绪程度是一种相对比较而非绝对状态的评价，故采用均值化方法完成数据的标准化处理，以保留不同学校指标实际数据的变异信息。设有n个被评价对象，由m个指标描述，评价矩阵表示为X=（xij）m×n，令 y=■，将矩阵X转化为标准化后的矩阵Y=（yij）m×n。

2. 综合指数值计算

（三）四象限分析

以指标权重为纵轴、指标得分为横轴绘制象限图，得到学校各指标的分布。以综合得分居中上的高校D为例，其象限图如图3所示，展示了每种就绪指标在优势关注区、优先提升区、适度发展区、优势维持区的分布情况。

（四）结果讨论

1. 5所学校的就绪指数评测结果基本与本校混合教改的整体投入、实践时长、教学效果、制度化等方面的实际情况相吻合，能从整体上反映该校开展混合教学的就绪程度和成熟度，证实就绪指数评价体系与测度模型的有效性。不同学校间的差距主要体现在组织战略、混合课程应用、教师专业发展及教学文化等方面。2. D校的象限图分布体现了一种典型的“自上而下”的混合教改实施路径，这符合该校实际发展情况，该校混合教改具有在线教育历史积淀和一把手工程的双重优势，在战略规划、政策与制度、激励措施、创新擴散等方面优势突出，但从 “优先提升区”来看，今后着力点是进一步内化教师混合教学观念、加强教师培训和发展混合教学能力、提高学习支持服务满意度，进而实现自上而下的政策与自下而上的教学文化自觉相结合，实现混合教学改革和创新的可持续发展。

五、结 语

混合教学作为一种复杂学习环境下技术与教学的融合性创新，能否在高校取得成功，从与“利益相关者”关系的角度来看，至少取决于“足够利益相关者的赞同、参与、大多数者受益”三个基本条件[22]；从发展过程的角度来看，要经历“解冻、移动和再冻结（变革的制度化）[23]三阶段”。基于此，本研究采用了将自上而下的政策与自下而上的发展需求相结合、静态要素与动态过程相结合、定性与定量研究相结合来构建就绪指数的方法，试图挖掘混合教学创新与扩散成功的核心和潜在因素，具体通过文献梳理与概念模型构建、问卷调查与深度访谈、专家咨询与权重计算三个步骤构建了高校混合教学就绪指数评价体系，并通过对5所高校的评估应用检验了指数模型的可行性和有效性，期望对高校开展混合教学具有一定的参考价值。在后续工作中，对重要指标促进或抑制混合教学改革与创新的具体过程和机制作进一步的质性分析。

[参考文献]

[1] 何克抗. 以中国特色的教育信息化体现文化自信[J]. 中国远程教育，2018（9）：17-19.

[2] 李玉斌， 苏丹蕊， 李秋雨， 等. 面向混合学习环境的大学生深度学习量表编制[J]. 电化教育研究， 2018，39（12）：94-101.

[3] 林晓凡，胡钦太，邓彩玲. 基于SPOC的创新能力培养模式研究[J].电化教育研究，2015，36（10）：46-51.

[4] 迈克尔·霍恩， 希瑟·斯特克. 混合式学习：用颠覆式创新推动教育革命[M]. 聂风华，徐铁英，译，北京：机械工业出版社， 2015.

[5] 廖宏建， 刘外喜. 高校SPOC有效学习影响因素实证分析[J]. 电化教育研究， 2017（5）：64-70.

[6] PARASURAMAN A，COLBY C L. An updated and streamlined technology readiness index： TRI 2.0[J]. Journal of service research， 2014，18（1）：59-74.

[7] LIN J S C，HSIEH P L. Refinement of the technology readiness index scale： a replication and cross-validation in the self-service technology context[J]. Journal of service management， 2012， 23（1）：34-53.

[8] SUCCI C， CANTONI L A. Map of eLearning acceptance （MeLA） and a corporate eLearning readiness index （CeLeRI）[J]. International journal of advanced corporate learning， 2008， 1（1）：39-47.

[9] MARSHALL S. Improving the quality of e-learning： lessons from the eMM[J]. Journal of computer assisted learning， 2012， 28（1）：65-78.

[10] GAY G H E. An assessment of online instructor e-learning readiness before， during， and after course delivery[J]. Journal of computing in higher education， 2016， 28（2）：199-220.

[11] LIM C P，WANG L B. Blended learning for quality higher education： selected case studies on implementation from asia-pacific[EB/OL].[2018-10-02].http：//unesdoc.unesco.org/images/0024/002468/246851E.pdf.

[12] 赵建民， 张玲玉. 高校教师对混合式教学接受度的实证研究——基于DTPB与TTF整合的视角[J]. 现代教育技术， 2017， 27（10）：67-73.

[13] TANG C M. Readiness for blended learning： understanding attitude of university students [J]. International journal of cyber society & education， 2013， 6（2）：79-100.

[14] 刘艳，陈仕品，刘礼想.混合学习的绩效评价框架及指标体系研究[J].远程教育杂志，2017，35（6）：41-48.

[15] 周媛，韩彦凤.混合学习活动中学习者学习投入的研究[J].电化教育研究，2018，39（11）：99-105.

[16] BOELENS R，WEVER B D，VOET M. Four key challenges to the design of blended learning： a systematic literature review[J]. Educational research review， 2017， 22：1-18.

[17] GRAHAM C R，WOODFIELD W，HARRISON J B. A framework for institutional adoption and implementation of blended learning in higher education[J]. Internet & higher education， 2013， 18（3）：4-14.

[18] PORTER W W，GRAHAM C R，SPRING K A， et al. Blended learning in higher education： institutional adoption and implementation[J]. Computers & education， 2014， 75（3）：185-195.

[19] PORTER W W，GRAHAM C R，BODILY R G， et al. A qualitative analysis of institutional drivers and barriers to blended learning adoption in higher education[J]. Internet & higher education， 2016， 28（1）：17-27.

[20] 黄月， 韩锡斌， 程建钢. 混合教学改革的阶段性特征与实施效果偏差分析[J]. 现代远程教育研究， 2017（5）：69-77.

[21] 李宴喜， 陶志. 层次分析法中判断矩阵的群组综合构造方法[J]. 沈阳师范大学学报（自然科学版）， 2002， 20（2）：86-90.

[22] 吳康宁. 赞同反对中立——再论教育改革的社会基础[J]. 教育学报，2011（4）：4-10.

[23] 赫尔雷格尔. 组织行为学[M]. 俞文钊，丁彪，译. 上海：华东师范大学出版社，2001：890.