智慧课堂环境下独立学院学生课堂投入度及影响因素研究

孙志梅 张屹

摘 要：为了探讨在智慧课堂教学环境下独立学院学生的课堂投入度现状，文章以《大学计算机基础》课程为例，采用单组前后测实验研究方法，发现智慧课堂环境下学生的课堂投入度有显著提升。同时，以投入度的三个维度分别为因变量，学习动机等八个二级指标为自变量，运用回归分析对数据进行分析，探讨课堂投入度的影响因素。

关键词：智慧课堂;独立学院;学习投入度;学习投入度影响因素

中图分类号：G434         文献标志码：B          文章编号：1673-8454（2020）16-0011-05

在高校课堂中，总存在一种现象：无论教师在讲台上讲得多么生动有趣，底下总有一部分学生低头沉浸在另一个世界。独立学院作为高等学校的一个重要组成部分，大部分学生的学习自律性有待提高，学生中“低头族”的现象较为严重，课堂投入度令人堪忧。有研究表明，传统课堂教学模式单一、互动不够、评价反馈不及时等都会导致学生课堂学习不集中现象[1]。而在智慧课堂环境下，教学模式可以是学生的个性化自主学习、小组间的协作学习、探究学习以及传统的课堂讲授等等，教学中的互动更加频繁，评价也更多元化，并能作出及时反馈，调动了学生的学习积极性。因此，本研究在智慧课堂教学设计的基础上，探讨课堂投入度是否有显著提高，并尝试分析课堂投入度的影响因素，为完善智慧课堂教学提供了参考建议。

一、文献综述

关于智慧课堂的涵义，主要有基于教育视角和信息化视角两种理解。本研究更侧重于信息化视角，即利用先进的信息技术手段实现课堂教学的信息化、智能化，构建富有智慧的课堂教学环境[2]。关于智慧课堂的应用研究，刘邦奇提出了智慧课堂的关键是互动，并总结了“三段十步”的教学流程[3];卞金金等认为智慧课堂的智能化技术增强了资源适应性，为学生提供了个性化内容，有利于提高学习兴趣[4];Maria Korozi等认为在智慧课堂环境下，可以实时检测并反馈学习情况，便于教师有效干预并提高课堂效率[5];张屹教授团队研究在智慧教室环境下实施一定的教学干预，大学生的研究能力、元认知水平均有提升[6];陈婷认为智慧课堂教学模式满足了学生需求，提高了学习效率及课堂满意度[7]。由此可见，智慧课堂丰富了课堂互动，提高了学习兴趣、研究能力及认知水平等，但如何更好地利用智慧课堂来进一步提高学生课堂投入度是一个值得探讨的课题。

关于“学习投入度”，库恩（G.Kuh）在美国“学习投入理论”的创立者阿斯丁（A.Astin）的观点基础上，给予进一步的解释和补充。库恩（G.Kuh）认为，学习投入度包括学生在课内学习、课外活动的投入程度和学校吸引学生参与到课内学习及课外活动的程度[7]。学者Schaufeli认为，学习投入是一种与学习相关的积极的精神状态[8]。学习投入度更多地被认为是一个多维度概念，当前主流认可的维度主要包括学生的行为投入、认知投入与情感投入三个方面。对于学习投入度的研究，大部分都是基于量表问卷进行定量研究。最受关注的量表是调查学生的投入行为和学校投入行为的美国NSSE——《全美大学生学习性投入调查》[9]。

我国的一些研究量表也是建立在NSSE的基础上，如杨立军等使用汉化版的大学生学习投入度调查量表NSSE，从行为、认知、情感维度分析了我国大学生学习投入度现状[10]。汪雅霜团队基于“国家大学生学习情况调查”的数据基础，从关注行为层面的学习主动性、认知层面的认知策略和情感层面的学习热情三个维度设计了《我国大学生学习投入度调查问卷》[11]。张屹教授团队在智慧教室环境下也從这三个维度进行了课堂投入度的测量，发现学生课堂学习投入度较高[12]。唐巍华在参考美国NSSE 调查问卷的基础上，从学术挑战级别、合作性学习、师生互动、校园环境支持度、教育经历的丰富程度五个维度对华中科技大学学生的学习投入度进行了研究[13]。由此可见，当前学习投入度的测量比较成熟，大部分都是研究在校学习的整个学习过程，关注课堂投入度的不多。尤其是在智慧课堂环境下，对独立学院学生的课堂投入度测量相对较少，因此需要进行相关研究，为提高独立学院智慧课堂学习投入度和教学质量提供参考。

关于学习投入度影响因素有大量学者进行了相关研究。屈佳琪通过对文献梳理，发现课堂投入度的影响因素主要包括学生因素、教师因素及学校因素，其在问卷的基础上对学生学习投入度的个人影响因素进行了研讨[14]。张屹教授团队在智慧教室环境下，以具体课程为例，探讨了个体因素、教师与同伴因素及智慧学习环境因素对大学生学习投入度的影响[12]。汪雅霜等借助国家大学生学习情况调查网络平台数据，从自主性学习和互动性学习两个维度分析了学生学习投入度，探讨了学生的个体特征以及院校特征对投入度的影响[15]。综上所述，大部分研究者从个人因素、环境因素等方面探讨了对学习投入度是否存在影响并进行了相关结果描述，但构建影响因素模型的相对不多。

二、智慧课堂教学——以《大学生计算机基础》为例

本次实验的智慧课堂是依托湖北经济学院教学云平台，借助学习通、问卷星、QQ、微信等教学端工具进行的。智慧课堂在技术支撑的基础上注重教学设计，情境创设、合作探究、互动方式、评价、个性化学习资源推送等都是教学过程中不可或缺的部分。智慧课堂教学流程如图1所示，主要包括三个阶段：课前自主学习、课中智慧课堂教学及课后反思总结。

1.课前自主学习阶段

在第一次学习之前，教师需要借助平台了解学生的基本学情，主要包括已掌握的基础知识、学习特点、个性特征等，然后根据学生的学情统计，上传推送相关学习资料，并基于学情统计进行有针对性的教学设计;学生则根据教师推送的内容及要求，完成对应的学习清单。

2.课中智慧课堂教学阶段

教师依据学生学习清单的完成情况，及时调整教学策略，借助网络多媒体教学平台进行更精准的授课，学生通过移动终端（手机或者iPad）、平台交互系统进行提问或者作业汇报，并根据教师的要求在平台上进行自评或组间评价，教师对学生的反馈及评价结果及时进行总结性评价。教师也可以依据教学内容积极创设情境，引导探究学习或者协作学习，适时组织小组讨论交流，并将讨论结果借助移动终端投射到教师端分享给其他学生。在单元教学内容结束时，借助平台的问卷测评推送测试题进行即时测评，对学习效果进行巩固提升。

3.课后反思总结阶段

教师参考平台数据对学生进行个性化作业推送及批改、评价，学生完成教师推送的任务，并结合教师的批改、反馈信息进行自我总结与反思。从第一次课程实施开始，这三个阶段构成一个封闭环形，每一阶段的学情都为下一段的课程实施提供了个性化的大数据，方便教师及时调整内容、教学方式方法，也提高了教师备课、授课及对学生辅导的精准化。

三、智慧课堂环境下学生投入度的实验研究

1.研究目的

探究智慧课堂环境下独立学院学生的课堂投入度情况及影响因素。

2.研究对象

英语专业学生2019级19301班学生，男生10人，女生49人。

3.研究过程

采用单组前后测的实验方法进行研究。在学期初，对该班级学生的课堂投入度进行前测，然后在智慧课堂环境下进行为期一个学期的《大学计算机基础》课程教学。在学期末，对该班级学生的课堂投入度进行后测，同时后测问卷中增加了影响因素调查。

4.测量工具

利用问卷调查法，使用的问卷有《大学生课堂投入度调查问卷》和《大学生课堂投入度及影响因素调查问卷》。

（1）大学生课堂投入度调查问卷

该问卷是参考张屹教授团队的《智慧教室环境下大学生学习投入度量表》和屈佳琪的《大学生课堂投入量表》改编而成。学习投入度从行为投入、认知投入和情感投入三个维度考虑。

其中，行为投入主要从主动学习、课堂互动来设置问卷题目;认知投入考察学生的知识构建、自我反思及知识迁移情况;情感投入则更多通过学生的学习兴趣和自我效能感来体现。问卷采用李克特5级量表。整个问卷的克隆巴赫系数（α）为0.911，三个维度的克隆巴赫系数（α）分别为0.780、0.783和0.778，说明问卷具有较高的信度。用因子分析法来检测该问卷的效度，计算KMO值为0.787，相伴概率为0.000，小于显著性水平，适合做因子分析，问卷效度良好。

（2）大学生课堂投入度及影响因素调查问卷

该问卷在《大学课堂投入度调查问卷》的基础上增加了影响因素部分，主要包括个人因素、教师因素、同伴及长辈因素、学校环境因素四个维度。个人因素包括学习动机和认知负荷;教师因素包括教学支持和观念行为;同伴及长辈因素包括同伴互动影响及长辈互动影响;学校环境因素包括学校资源及学习平台。问卷采用李克特5级量表。问卷的克隆巴赫系数（α）为0.941，说明问卷具有较高的信度。用因子分析法来检测该问卷的效度，计算KMO值为0.792，相伴概率为0.000，问卷效度良好。

5.数据分析方法

本研究主要使用了配对T检验、描述性统计分析以及多元线性回归分析对数据进行处理。配对T检验主要用于对大学生智慧课堂投入度的前后测数据进行分析，判断相对传统课堂教学，智慧课堂环境下学生课堂投入度是否有显著变化？描述性统计分析主要用于对课堂投入度的现状进行分析，而多元线性回归主要用于对学生课堂投入度影响因素的分析。

四、智慧課堂环境下的学生课堂投入度的数据解析

1.智慧课堂投入度现状分析

（1）智慧课堂学习投入度数据分析

从表1可知，学生课堂的整体投入度得分均值为3.9909，说明在智慧课堂环境下学生整体的投入度较好，但也存在提升的空间。同时，也可以看到课堂投入度三个维度的差异，学生情感投入最高，认知投入最低，两者均值相差约为0.4。

（2）智慧课堂学习投入度前后测数据分析

在数据处理时，发现三个维度的后测均值都有所提高，说明智慧课堂环境下学生投入度有变化。为探究智慧课堂环境下学生投入度是否有显著变化，我们将每个学生的前后测投入度数据进行严格的一一配对，然后进行了配对T检验，结果如表2所示。从中可以看出，均值均为负数，说明后测值均高于前测值，且三个维度的相伴概率分别为0.005、0.002和0.004，均小于0.01，说明前后测水平存在显著性差异，即智慧课堂环境下的教学相对传统教学，学生课堂投入度水平有显著变化。

2.智慧课堂投入度影响因素分析

（1）性别差异性分析

为了探究性别是否对智慧课堂投入度有不同影响，以性别为分组变量，分别以行为投入、认知投入和情感投入对应题目的均值为检验变量，进行独立T检验后整理的数据如表3所示。从中可知，智慧课堂环境下，男生的课堂投入度均略高于女生，且均较高投入智慧课堂学习。从行为、认知和情感三个层面来看，行为投入的相伴概率（.040）<.050，说明男女生的行为投入存在显著差异，但另外两个维度不存在显著影响。

（2）是否为班干部差异性分析

为了探究担任班干部对课堂投入度是否有不同，以班干部为分组变量，分别以行为投入、认知投入和情感投入对应题目的均值为检验变量，进行独立T检验后整理的数据如表4所示。从中可知，智慧课堂环境下，班干部的课堂投入度均略高于非班干部学生。从行为、认知和情感三个层面看，行为投入的相伴概率（.022）<.050，说明是否当班干部对学生行为有影响，但对认知投入和情感投入的影响不显著。

（3）是否参加社团差异性分析

社团是很多大学生除课堂学习外乐意参与的组织。参加社团对课堂投入度有没有影响呢？本研究以社团为分组变量，分别以行为投入、认知投入和情感投入对应题目的均值为检验变量，进行独立T检验后整理的数据如表5所示。从中可知，智慧课堂环境下，是否参加社团学生在均值方面没有规律。从投入度三个维度层面看，相伴概率均大于.050，说明三个层面均影响不大。

（4）多因素影响分析

将大学生课堂投入度及影响因素问卷的数据进行回归分析，探究哪些因素对课堂投入度有相对较大的影响。将行为投入、认知投入和情感投入的均值分别作为因变量，个人因素、教师因素、同伴及长辈因素及学校环境因素四个维度的二级指标作为自变量，用逐步多元回归法剔除无关变量后整理的数据如表6所示。

从表6数据可知：①F检验是显著的（P值均小于.001），说明回归模型显著。R2是自变量对因变量的解释率。在回归模型中，自变量对因变量的解释率分别为55.5%、51.7%及56.5%，说明三个模型的拟合效果都是良好。②在行为投入度影响因素模型中，学习动机、观念行为及长辈因素对学生行为投入的回归系数具有显著性，标准化回归系数分别为0.317、0.329、0.300，是影响行为投入的主要因素，且教师观念行为对其影响作用最大;在认知投入度影响因素模型中，同伴因素、学校因素及平台因素对学生认知投入的回归系数具有显著性，标准化回归系数分别为0.578、0.325、0.241，是影响认知投入的主要因素，且同伴因素对其影響作用最大;在情感行为投入影响因素模型中，个人的认知负荷、教师的教学支持和观念行为对学生情感投入的回归系数有显著性，标准化回归系数为0.226、0.230、0.466，是影响情感投入的主要因素，且观念行为对其影响作用最大。          五、研究结论与建议

1.研究结论

相对于传统课堂教学，在智慧课堂环境下的课堂投入度有显著提升，课堂整体投入度比较高。在智慧课堂学习投入度中，学生行为投入度比较高，尤其是准时参加每一堂课这个选项得分最高，但在课堂积极回答教师提出的问题这一选项得分最低，这可能因为学生刚进大学虽然积极上进，但对高校的学习模式和积极参与课堂互动还不太适应;在认知投入度方面，学生的得分不高，可能与考察的维度有关。问卷的题目主要从知识建构、自我反思及知识迁移三个方面来考虑学生的认知投入，独立学院学生在学习能力方面有待提高，在反思总结、知识迁移能力方面相对薄弱，这两项得分均比较低;在情感投入度方面，学生的得分是三个维度中最高的，尤其是在自我效能这部分题目得分最高。

在智慧课堂投入度的影响因素中：①在个人因素方面，性别不同的学生在行为投入度方面存在显著差异，男生比女生更投入课堂;如果是作为班干部，则行为投入度更高;同时，学习动机也会驱动学生学习行为的投入，而适量的认知负荷有助于学生情感投入度的提升。②在教师因素方面，教师选择多种教学方式积极与学生互动，及时对学生学习作出评价，给学生提供自我展示机会，并具有良好的信息技术能力，熟练使用平台均能有效提升学生课堂行为投入度和情感投入度。③在同伴及长辈因素方面，同伴之间的小组协作、小组讨论、作品分享及组内、组间的互相评价，对学生的认知投入度有着显著影响，而长辈的关心、期望则在一定程度上帮助提升了学习行为投入度。④在学校环境因素方面，学校对学生的学业要求、教学资源的丰富以及平台提供的课前、课中与课后的积极互动，均有助于提升学生的认知投入度。

2.研究建议

在提高课堂行为投入度方面，学习动机是不可忽略的因素。部分高校从专业要求、课程要求提出了具体的标准，在一定程度了刺激了学生的外在学习动机，但从长远发展来看，激发学生的内在学习动机更加重要。因此，鼓励教师在教学中选择主题时尽量联系实际，让学生参与讨论有话可说，并能将所学知识学以致用;同时可以考虑一些激励机制，如课堂参与度较高、师生互动积极、组间评价较好的行为，都可以是期末考核平时分中很重要的一部分，以此促进学生更多地参与到课堂教学中。

在提高课堂认知投入度方面，知识迁移能力、反思总结对学生的知识获取及应用有着非常重要的影响。独立学院部分学生的学习能力还有待加强，因此在课堂教学中，教师可以在第一次课程中提供给学生相关学习建议及学习策略。同时，借助智慧课堂技术支撑，可以根据学习目的创设一定的情景教学，在获取知识的同时引导进行知识迁移。自我反思也是学生必须具备的一项重要能力，在学生反思的过程中，善于引导创建自己的知识图谱，从而更系统地认识、理解并应用知识。

在情感投入度方面，培养学生的自我效能感尤为重要。首先，教师课前、课后推送给学生的学习资源应适量，学习清单难度应适中，对于自律性不是非常强的独立学院学生来说，恰当的认知负荷对提高学生的自信心有积极作用;其次，在学习过程中，针对学生的疑难问题及时给予支持与辅导，在师生互动的过程中，以正向、积极、肯定的引导为主。总之，适当的认知负荷、及时的评价反馈、正向积极的互动，都有助于提高学生课堂成就感，从而有利于培养学生的自我效能感。

教学质量是评价一个独立学院的重要指标，大学生课堂学习投入度是衡量教学质量的重要组成部分，值得继续探讨。本研究由于研究对象、时间等因素影响，后续还可以选择不同的实验方法、不同专业、不同课程对智慧课堂投入度情况进行更全面的分析。在研究数据中，考虑到课堂观察等过程性数据的收集与分析，也可以将访谈等主观数据与文件调查的客观题进行综合分析。

参考文献：

[1]汪玉侠，黄忠东.“参与式教学”：提高大学生学习投入度的有效途径[J].教育与教学研究，2015，29（9）：70-73.

[2]张屹，陈蓓蕾，沈爱华.智慧课堂教学研究的方法与案例[M].武汉：华中师范大学出版社，2018.

[3]刘邦奇.“互联网+”时代智慧课堂教学设计与实施策略研究[J].中国电化教育，2016（10）：51-56+73.

[4]卞金金，徐福荫.基于智慧课堂的学习模式设计与效果研究[J].中国电化教育，2016（2）：64-68.

[5]Maria Korozi， Asterios Leonidis，Margherita Antona，et al. LECTOR： Towards Reengaging Students in the Educational Process Inside Smart Classrooms[A].International Conference on Intelligent Human Computer Interaction[C].Evry： Springer，Cham，2017：137-149.

[6]张屹，陈蓓蕾，陈珍，等.智慧教室中的教学对大学生研究能力和元认知的影响——基于量规的干预[J].电化教育研究，2017，38（7）：77-84.

[7]陈婷.“互联网+教育”背景下智慧课堂教学模式设计与应用研究[D].徐州：江蘇师范大学，2017.

[8]Wilmar B. Schaufeli， Isabel M. Mart，Alexandra Marques Pinto，et al. Burnout and engagement in university students： A cross-national study[J].Journal of Cross-Cultural Psychology，2002，33（5）：464-481.

[9]王熠琦.云南大学硕士研究生学习投入度影响因素研究[D].昆明：云南大学，2016.

[10]杨立军，韩晓玲.基于NSSE-CHINA问卷的大学生学习投入结构研究[J].复旦教育论坛，2014，12（3）：83-90.

[11]汪雅霜.《我国大学生学习投入度调查问卷》设计与检验——基于“国家大学生学习情况调查”数据分析[J].河北科技大学学报（社会科学版），2015，15（3）：101-106.

[12]张屹，郝琪，陈蓓蕾，等.智慧教室环境下大学生课堂学习投入度及影响因素研究——以“教育技术学研究方法课”为例[J].中国电化教育，2019（1）：106-115.

[13]唐巍华.华中科技大学大学生学习投入度研究[D].武汉：华中科技大学，2011.

[14]屈佳琦.大学生课堂投入度及个人影响因素研究[D].石家庄：河北师范大学，2017.

[15]汪雅霜，汪霞.高职院校学生学习投入度及其影响因素的实证研究[J].教育研究，2017，38（1）：77-84.

（编辑：李晓萍）