网络学习环境中动机调节和自我效能对学习效果的影响

曹 炜，汤云云

（滁州学院 地理信息与旅游学院，安徽 滁州 239000）

1 引言

随着电子信息技术的发展，网络教育与现实教育的界限正逐渐被打破，学习者可以随时随地从网络上获取最佳的教育资源，这一现象不仅改变了传统教育的培养方式，而且完全重构了教育信息的传递渠道。与此同时，越来越多的学者开始研究网络学习者的学习效果（student acceptance）。李洋等认为，学习效果是指学习者在学习过程中对知识的接受水平，以及学习者是否具备持续学习的兴趣水平，以学习兴趣（interest）、学习提升（improvement）和学习成果（gain）为主要特征[1]。学习兴趣是学习者保持积极学习状态的主要动力，是预测学习者对学习的坚持性及后续学习意愿的主要因素；学习提升是指学习者在对应学习时间内学习成绩、知识水平和智力水平的提升幅度，反映了学习效果的外在状况；学习成果是指学习者在完成某一科目或某一时间段（例如一学期）的学习后取得的持久成果，包括学历证书、技能证书或考试证书等。由于网络教育与传统教育的授课方式和考核方式截然不同，学习效果中的三类维度均难以量化分析，造成了研究困难。

网络学习中学习者的个人因素也会对学习效果产生差异化的影响。已有的网络学习效果研究大多关注于网络教育技术或信息传递途径的影响，较少研究分析学习者本身的学习动机和学习能力。雷玉菊等分析了自我效能和动机调节对学习投入的作用，为内隐智力信念理论提供了一定事实依据。现有的研究均未关注网络学习环境中动机调节和自我效能对学习效果的影响。本研究将从调查数据出发，从量化实证角度分析三类因素间的作用关系，以期为网络学习者建立更为高效的学习模式提供理论支撑和事实依据[2]。

根据期望—价值动机理论，学习者的学习期望主要是实现自我价值的提升，但个体信念的差异会造成价值动机的异化，从而决定其后续学习成果无法匹配原始目标。高丙成等认为，自我效能是学习者实现自我激励和兴趣突破的核心因素，具备高自我效能的学习者能够保证有效的学习任务选择、持续的学习时间投入和稳定的学习成果产出[3]。顾红磊等指出，在网络学习环境中，自我效能是保证学习者高度集中注意力的主要导向，网络学习者的自我效能感与网络学习的积极度具备显著的正向关联性[4]。

张光楠等关注了动机调节因素在学习中的主要作用，认为学习者的情绪动机会影响学习过程的有效度，而有效的动机调节可以导向多种学习目标，进而建立不同的学习成果[5]。基于上述分析，本文提出两点假设：（1）在网络学习环境中，自我效能在动机调节与学习效果的关系中具备调节作用，高自我效能的网络学习者的学习效果显著强于低自我效能的网络学习者；（2） 动机调节与学习效果的关系链条为“动机调节→自我效能→学习效果”，而非“自我效能→动机调节→学习效果”，动机调节是网络学习者的预测因素而非中介因素。

2 研究对象及方法

2.1 被试

本研究与腾讯课堂网络课程平台合作展开，选取参加“数据库设计”“高等代数”“法律通识”“微观经济学”网络课程学习的600名本科生作为被试，并对他们进行问卷调查，其中，“数据库设计”与“法律通识”为公共必修课程，“高等代数”和“微观经济学”为专业必修课程，被试的网络课程项目和网络学习成绩由平台自动收集。回收有效问卷560份，其中男生274人（48.93%），女生286人（51.07%），平均年龄为20.16±2.14岁。所有被试的学习时间均为一学期，网络学习频次为3次/周。

2.2 研究工具

2.2.1 动机调节量表

采用钟丹等所编制的动机信念调查（Motivation Regulation Scales，MRS） 问卷[6]。该问卷包含自我鼓舞、价值信念、目标调节、环境调节、表现性调节和掌握性调节6个维度，为了符合网络学习环境背景，本研究加入了“注意力条件”维度，修订后的问卷共计35题，问卷采用Likert 7点式量表计分，从完全不同意到完全同意，共计7个级别。7个维度在本研究中的Cronbach’sα系数分别为0.90、0.91、0.88、0.92、0.87、0.85 和 0.91，问卷总 Cronbach’sα系数为0.93，间隔3周的重测系数为0.91。验证性因素分析的拟合指数为：IFI=0.92，TLI=0.93，RMSEA=0.059，SRMR=0.045。

2.2.2 自我效能量表

采用Pintrich等所编制的动机与学习策略问卷（Motivated strategiesforlearning question-naire，MSLQ）中的自我效能感分量表进行自我效能调查[7]。为了符合网络学习环境背景，本研究在原始8个题项基础上增加了“网络学习”背景条件，问卷共计45题。问卷采用Likert 7点式量表计分，从完全不同意到完全同意，共计7个级别。该问卷在本研究中的Cronbach’sα系数为0.91，间隔3周的重测系数为0.89。验证性因素分析的拟合指数为：CFI=0.96，IFI=0.98，TLI=0.94，RMSEA=0.078，SRMR=0.034。

2.2.3 学习效果量表

采用雷玉菊等所编制的学习投入与学习效能问卷 （Utrechtworkengagementscale-student，UWES-S）中的学习效能分表。该分表包含学习兴趣、学习提升与学习成果三个维度，问卷共计24题[8]。问卷采用Likert 5点式量表计分，从完全不符合到完全符合，共计5个级别。3个维度在本研究中的Cronbach’sα系数分别为0.89、0.87、0.91，问卷总Cronbach’sα系数为0.89，间隔3周的重测系数为0.88。验证性因素分析的拟合指数为：CFI=0.94，IFI=0.95，TLI=0.93，RMSEA=0.071，SRMR=0.054。

2.3 共同方法偏差检验

为了避免共同方法偏差对研究结果的影响，本文借鉴欧阳益等研究中所采用的验证性因素检验法[9]。设定共因子数为1，通过验证性因素的报告可以发现拟合指数为：CFI=0.42，IFI=0.41，TLI=0.38，RMSEA=0.11，SRMR=0.10。检验因子 CFI、IFI和TLI均低于临界值，估计指数RMSEA和SRME均大于等于临界值0.10，拒绝共同因子为1的假设，说明不存在共同方法偏差。

3 结果与分析

3.1 动机调节、自我效能和学习效果的相关性分析

根据调查数据中动机调节、自我效能和学习效果的平均分，采用皮尔森矩阵相关系数（Pearson product-moment correlation coefficient）检验分析系数间的相关性，结果如下页表1所示。结果表明，性别因素与动机调节和自我效能并不构成显著关联，与学习效果在10%的显著性上负关联；动机调节与自我效能及学习效果之间在1%的显著性上正关联；自我效能与学习效能在1%的显著性上正关联。

表1 变量的皮尔森相关性检验

3.2 网络学习者学习效果的检验：中介效应模型检验

针对上述三类因素的关联特征，需要思考解决两个核心问题：第一，三类因素间的影响路径中，何者为中介因素；第二，如何测量中介效应的大小。本研究采用了姚琦等的调节定向检验步骤[10]，首先将学习效果定位被解释因素，然后利用标准矫正方法，依次将动机调节和自我效能作为校标纳入方程进行分析，从而检验不同路径下的动态关系是否有效，最后根据实际路径进行样本分类，从而分析中介效应的大小。本研究的所有分析均在SPSS 18.0软件环境下展开。

第一步，以学习效果为校标，检验动机调节与学习效果的直接联系，结果如表2第（1）列所示。结果表明，网络学习环境下，学习者的动机调节对学习效果具备显著的预测作用（β=0.37；t=7.18；95%CI=[0.21，0.49]； p＜0.01）。同时发现，动机调节与学习效果的交乘项的预测作用并不显著，说明动机调节并不能作为其他因素对学习效果产生影响的中介性因子。

第二步，以学习效果为校标，检验自我效能与学习效果的直接联系，结果如表2第（2）列所示。结果表明，网络学习环境下，学习者的自我效能对学习效果具备显著的预测作用（β=0.58；t=12.67；95%CI=[0.41，0.67]； p＜0.01）。同时发现，自我效能与学习效果的交乘项的预测作用具备显著性（β=0.24；t=6.27；95%CI=[0.21，0.62]； p＜0.01），说明自我效能在结构方程中具备中介预测作用。

第三步，以自我效能作为中介因子分析模型的预测校标。结果如表2第（3）列所示。结果表明，以网络学习者的自我效能作为中介因子时，结构方程中动机调节因子对学习效果的预测值从0.37上升至0.45，同时动机调节与学习效果的交乘项主效应具备显著性 （β=0.18；t=6.47；95%CI=[0.12，0.32]；p＜0.01）。模型估计结果证明，在网络学习背景下，自我效能和动机调节均能促进学习效果，但自我效能是动机调节促进学习效果的主要渠道。

表2 中介效应检验

为了进一步呈现中介效应的作用，按照学习者自我效能得分的平均值各加减一个标准差，将原始样本分为高自我效能学习者组（高于1个标准差得分）和低自我效能学习者组（低于1个标准差得分），分别考察两个组别动机调节与学习效果的关联效应，结果如下页图1所示。由图1可以看出，不同网络学习者的动机调节与学习效果之间均为正向预测关系，即网络学习者动机调节水平较低时，其网络学习效果也较差，但随着网络学习者自我效能提升，高自我效能学习组的动机调节效果显著强于低自我效能组别。

图1 自我效能在动机调节与学习效果之间的中介作用

4 讨论

本研究采用动机调节量表、自我效能量表和学习效果量表，以长期参加网络课程学习的560名本科学生为被试，探究网络学习环境中动机调节和自我效能对学习效果的影响，并分析学习者自我效能的中介作用。结果表明：网络学习环境下，动机调节和自我效能均能正向预测学习效果；动机调节与学习效果的交乘项并不具备显著性，自我效能与学习效果的交乘项具备显著性，自我效能在动机调节和学习效果的关系中起到中介作用；进一步以自我效能水平对原始样本进行分类，并分析自我效能在“动机调节→自我效能→学习效果”中的中介作用，结果显示，随着网络学习者自我效能提升，高自我效能学习组的动机调节效果显著强于低自我效能组别。一方面，本文佐证了已有研究中的动机调节和自我效能对学习效果有有效影响的结论，并进一步将上述三类因素扩展到网络教育层面，对网络学习者建立高效的学习方法具备一定借鉴价值；另一方面，尽管雷玉菊等[8]在其研究中已经分析了动机调节、自我效能和学习投入的关系，认为动机调节在这三类变量间承担了显著的中介作用，但本研究结果显示，由于交叉作用的非显著特征，自我效能更适宜于作为网络学习者自我控制能力的分类标准，要实现高效的学习必须要具备较高的自我效能水平。由此可见，从自我效能的中介效用渠道分析动机调节和学习效果的关系，存在理论上的必要性。

通过对中介效应的检验还能够发现，动机调节对学习效果的促进作用相对之间，而自我效能更多属于学习者学习能力的外在表现。这个现象在网络学习环境中表现得更加明显，网络学习者在网络上获取的信息纷繁复杂，在学习过程中会被动接收到非学习信息，从而严重降低了学习者的学习效果和学习坚定性。外在信息的侵入会造成学习者动机调节能力的快速下降，信息干扰使学习者无法记忆、储存并内化学习内容，从而影响了最终的网络学习效果，从这一角度来看，自我效能水平相较于动机调节更具备内化性，在多维信息干扰的情况下，更能够通过学习者的学习意志产生作用，进而控制个体对学习的稳定作用，更快的从干扰信息中有效脱离。而信息干扰的水平和自我效能是循环促进的过程，两者可以相互作用，进而使学习者持续在高自我效能水平下进行学习，产生较好的学习效果。

总的来看，本研究有效考察了网络学习环境中学习者的动机调节、自我效能与学习效果的关系，研究结果证明动机调节和自我效能是影响并促进学习效果的主要因素，这一发现与其他研究结果一致。但动机调节与学习效果的关系存在显著的渠道特征，当考虑自我效能特征后，动机调节的作用会由于高自我效能学习者而放大，这证明了自我效能作为网络学习环境中的主要中介渠道的理论合理性。作为保证网络学习者学习效果的核心能力，提升自我效能水平，建立网络学习环境中的鲁棒性，需要学习者通过持续锻炼抗信息干扰能力，并建立对无效信息的排除机制，才能高效实现学习的进步。此外，本文也能为网络学习中的高效学习模式建立提供一定的启发：其一，为了保证学习者动机调节的高效实施，应该通过技术手段实现学习过程中的复杂信息规避，更加直观有效的向学习者提供学习资源，使网络教育的渠道更简洁高效；其二，要因材施教、因人而异的实施网络教育，由于不同年龄阶段的学习者的自我效能水平并不一致，在低自我效能的学习者中进行网络教育推广（如中小学生），不仅无法起到网络教育的正面示范作用，还会引起学习者的思维异化，造成学习无效化。通过对学习群体进行辨析分类，有针对性地提供适宜相应学习者的学习内容，不仅能够帮助学习资源服务商减少信息压力，还能够帮助学习者简化学习渠道，实现有效的网络化教育。当然，本研究还存在一定的局限性。由于本调查基于网络，被调查者的其他信息（如历史成绩、IQ等）无法提取，被试者的内在智力条件可能并不一致，因而研究需要扩大调查范围，以进一步提升研究结论的广泛性。