远程教育学习者学习特征的SPSS分析

李煜堃

摘要：本文基于SPSS统计软件从学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个层面对远程教育中学习者特征进行了统计分析，结果表明学习者的学习特征影响远程教育各项教学活动的质量和效果。

关键词：spss统计软件;学习者特征;统计分析

中图分类号：TP301     文献标识码：A

文章编号：1009-3044（2019）13-0176-04

与传统教育相比较，远程教育的运行主要在于其发展规模，和最大限度地提高有限教育资源的使用率，通过网络等信息传播媒介将教育延伸到外围。这也导致了远程教育学习者年龄、职位、学历上的不同，进而学习者的学习特征也会产生差异。因此，对学习者学习特征的研究分析是更优进行远程教育的基础，也是开展远程教育不可忽视的重要因素之一。

本研究从学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个方面来编制远程教育学习者学习特征的调查问卷;通过使用SPSS的项目分析、因子分析、信度分析、两独立样本T检验、单因素方差分析、多元回归分析和描述统计等方法对所得调查问卷结果进行分析，从中研究得出遠程教育学习者的学习特征。

1 对象与方法

1.1研究对象

用分层抽样方式在北京交通大学远程教育学院山西教学中心在册学生中进行取样。总样本数83份，有效问卷收率72%。

1.2 测量工具

本研究采用自编的远程教育学习者学习特征调查问卷。该问卷由学习行为、动机取向、网络自我效能、科技接受模式、学习满意度等5个分问卷组成。每个分问卷包括若干描述不同学习特征的项目组成，每个项目采用5级评定（非常符合～非常不符合）。

1.3 统计学分析处理

应用SPSS 16.0进行数据处理和统计分析。

2 SPSS中对原始数据的处理步骤

2.1项目分析

首先进行项目分析，以此来去除不显著的变量，减少变量的数目（由问卷中的72个问题变量减少到44个变量：其中学习行为量表对应题号——15，3，13，32，10，42，44，52，67;其中动机取向量表对应题号——23，18，19，68，48，63，38，41，39，8，20，49，6;其中网络自我效能量表对应题号——57，54，11，69，31，27，71，56，14，24，62;其中科技接受模式量表对应题号——60，37，35，47，4，45，22;其中学习满意度量表对应题号——5，29，36，50）。

2.2信度分析

总量表的Cronbach's Alpha系数为0.943 ，各分量表的Cronbach's Alpha系数0.717～0.840，故可靠性较强。

2.3总体分析

①对学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个分量表及总量表进行统计描述，结果如表1：

由表1可知，学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个分量表及总量表的均值、标准差、方差、最大值和最小值。

②对学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个分量表及总量表进行相关分析，结果如表2：

 由表2可知：学习行为、动机取向、网络自我效能、科技接受模式、学习满意度五个分量表显著相关，且为正相关。

3研究分析

3.1统计学原理

使用两独立样本T检验（t-test）及单因素方差分析（one-way ANOVA）分别对11项人口统计变项（工龄、年龄、性别、职业、职称、学习层次、网络学习经验、上网时间、居住地、月收入、未来学习状况）进行分析，来探讨不同人口统计变项的学习者，在学习行为、动机取向、网络自我效能、学习满意度、科技接受模式上是否达到显著差异，倘若单因素方差分析的结果达到显著差异，则进一步以LSD方法对不同组间两两比较。

利用多元线性回归分析来探讨学习者的学习行为、动机取向、网络自我效能、科技接受模式及学习满意度之间的影响。其中，多元线性回归分析选择Method中的向后筛选法。

3.2分析结果

3.2.1不同上网时间在学习行为、动机取向、网络自我效能、学习满意度、科技接受模式上的差异比较

此部分在探讨不同上网时间的学习者在学习行为、动机取向、网络自我效能、学习满意度、科技接受模式上的差异情形，采用单因素方差分析，其检验结果如表3：

由表3可知：不同上网时间的学习者，在网络自我效能和动机取向的两个层面的相伴概率分别为0.046、0.007都小于显著水平0.05，说明存在显著差异。为进一步研究哪些不同上网时长之间具有显著差异，再以LSD法进行分析，其检验结果如表4：

由表4可知，在动机取向层面中，上网时间在2-5小时和0-2小时的学习者之间存在显著差别;在网络自我效能层面中，上网时间在2-5小时和0-2小时的学习者之间也存在显著差别。

3.2.2不同学习经验在学习行为、动机取向、网络自我效能、学习满意度、科技接受模式上的差异比较

此部分在探讨不同学习经验的学习者在学习行为、动机取向、网络自我效能、学习满意度、科技接受模式上的差异情形，因自变量只有两个因素水准，因此采用两独立样本T检验加以分析，其检验结果如表5：

由表5可知，不同学习经验的学习者，在学习行为、动机取向、网络自我效能、科技接受模式上存在显著差异。由表6可知，有网络学习经验的学习者在学习行为、动机取向、网络自我效能、科技接受模式上都比没有学习经验者好。

3.2.3 不同工龄、年龄、性别、职业、职称、学习层次、居住地、月收入、未来学习状况在学习行为特质、动机取向、网络自我效能、学习满意度、科技接受上的差异比较

同理，根据SPSS的两独立样本T检验（t-test）或单因素方差分析（one-way ANOVA）可知，不同工龄、年龄、性别、职业、职称、学习层次、居住地、月收入、未来学习状况的学习者在学习行为特质、动机取向、网络自我效能、学习满意度、科技接受模式上并不存在显著差异。

3.2.4学习行为、动机取向、网络自我效能、学习满意度及科技接受模式之影响分析

此部分利用多元线性回归分析来探讨学习者的学习行为、动机取向、网络自我效能、科技接受模式及学习满意度之间的影响。以科技接受模式为因变量，学习行为、动机取向、网络自我效能、学习满意度为自变量进行多元回归分析，结果如表7：

表7中列出了各个变量之间的相关性，从中可以看出，自变量网络自我效能和因变量科技接受模式之间的相关性最大。

由表8可知，利用向后筛选法共经过两步完成回归方程的建立，最终模型为第二个模型（剔除了学习满意度变量）。

从表9看出，最终方程（第二个模型）的相伴概率值p<0.001，说明多个自变量与因变量科技接受模式之间存在显著的线性回归关系，建立线性模型是恰当的。

从表10中可以得出该多元线性回归方程为科技接受模式= 0.852+0.244学习行为+0.099动机取向+0.300网络自我效能。

4 建议

由于個体的社会性和复杂性，导致不同的学习者之间存在显著不同的个别差异，根据本研究发现，学习者因学习经验、上网时间的不同，而各别造成其不同的动机取向、学习行为及网络自我效能，而学习者又会因不同的动机取向、学习行为及网络自我效能，造成不同的学习效果。因此，本研究认为，在远程教育中，若能以客观化的观念来实施，将可能使学习者达到更好的学习效果。如在教材设计方面，可让学习者依据自身实际情况，选择较偏理论或较偏重实务操作方面的教材来辅助自我学习，也可进一步将教材难易程度等级化，让学习者能循序渐进的方式来学习，从而能使学习者减少学习上的障碍。

参考文献：

[1] 谢蕾蕾，宋志刚，何旭洪.SPSS统计分析实用教程[M].北京：人民邮电出版社，2013.

[2] 薛薇.SPSS统计分析方法及应用[M]. 北京：电子工业出版社，2010.

[3] 何晓群.多元统计分析[M]. 北京：中国人民大学出版社，2004.

[4] 薛薇.基于spss的数据分析[M]. 北京：中国人民大学出版社，2006.

【通联编辑：梁书】