在线主动学习意愿的产生机理与提升策略

王绍峰 黄荣怀

(1. 里斯本大学学院 商学院，里斯本 1649-026; 2. 北京师范大学 智慧学习研究院，北京 100875)

一、引 言

2020年伊始，新型冠状肺炎疫情在全国范围内突然爆发，为此教育部(2020)要求采取政府主导、高校主体、社会参与的方式保证在线教学的开展。师生居家开展在线教与学(中国互联网络信息中心,2020)，在线教育成为取代传统线下教学方式的替代方案，学生需从以往十几年来形成的群体学习环境转移到社会隔离的个体在线学习环境(Derakhshandeh & Esmaeili,2020)。在线学习环境中，课堂教学的“正式感”和“学习氛围”有所削弱，更依赖于学生的自觉，在线主动学习意愿成为学生获得良好教学效果的关键(文学舟等,2019)。常态的在线学习以线上+线下混合为主，知识习得方式因此发生较大变化，学生难以通过纯在线学习获得实训课堂的体验认知，这对需要开展实验和操作类的课程提出了更大挑战，鼓励学生主动学习因此更具有现实意义。

部分学者对在线教育研究后发现，在线学习氛围的不足(祝智庭等,2020)、沟通不畅(Dai & Lin,2020)、教学方式单一(Zhou et al.,2020)、课程资源缺乏(Bao,2020)等会严重影响在线教学的效果。已有的在线学习研究更多关注在线学习的满意度(Ali & Bhasin,2020)、态度(Nayernia,2020)、采纳(Teo & Van Schalk,2009)、接受(ALKurdi et al.,2020)、持续使用(Wu & Che,2017)、动机(Chen & Jang,2010)、使用行为(Huang et al.,2020)和共享(Lai et al.,2020)等。

本研究将基于混合学习理论与技术接受模型，以学生学习行为作为研究视角，引入在线学习的情境因素，构建新冠肺炎疫情期间学生在线主动学习意愿理论模型(Online Active Learning Intention,OALI)，探讨影响学生在线主动学习意愿的因素及其影响程度，帮助教师和院校深入洞悉学生在线主动学习意愿及其产生机理，为提升在线教育效果和开展智慧学习提供参考。

二、理论基础与研究假设

(一)理论基础

1.在线主动学习意愿

在线主动学习意愿指学生参与在线学习中开展讨论、总结、实践等主动学习意图的主观概率(Christie & Graaff,2017)，行为意愿被认为是实际行为最重要的预测指标(Ajzen & Fishbein,2005)。在线教育的教学设计应以学生为中心(Swan,2005)，逐步将教师主导转换为学生主体(刘妍等,2017),优化在线学习环境促进学生的主动学习意愿。引导学生从被动视听到主动参与，促进学生的知识习得，可以显著提升学习效果(姜艳玲等,2017)。黄国祯等(Hwang et al.,2019)认为借助在线学习软件平台，结合良好的教学设计可以更好地促进学生学习的主动性和学习效果。基于已有研究成果，本研究采用上文克斯蒂和格拉菲关于主动学习意愿的定义。

已有研究对在线学习行为的探讨主要聚焦于：1)以技术接受模型(TAM)为基础的在线学习行为研究(Shao, 2020;Huang et al.,2020)；2)以信息系统成功模型为基础的在线学习行为研究(Ramayah & Lee,2012;Al-Fraihat et al.,2020)；3)以计划行为理论为基础的在线学习行为研究(Gómez-Ramirez et al.,2019)；4)以自我决定理论为基础的在线学习行为研究(Chen & Jang,2010)。本研究基于上述研究成果发掘疫情期间学生在线主动学习意愿的产生机理。

2.技术接受模型

戴维斯等(Davis et al.,1989)基于理性行为理论提出技术接受模型，指出用户的使用行为和态度受多个外在因素影响，该模型常用于预测个体的态度和行为。很多学者基于该理论开展了在线学习、远程办公、移动软件等相关研究(Al-Maroof & Al-Emran,2018;Al-Fraihat,2020)发现，用户的个体态度与行为意愿之间存在密切关系(Wu & Chen,2017)。技术接受模型经过多个版本的迭代和扩展，依旧是在线学习研究中最受欢迎的研究理论(Wu & Chen,2017;Huang et al.,2020)。本研究采用技术接受模型对疫情期间影响学生在线主动学习意愿的影响因素开展进一步研究。

3.混合学习理论

黄荣怀和周跃良(2006)将混合学习定义为面授教学与在线教学的混合应用，以便发挥两者的优势达到最好的教学效果。借助多媒体和新一代网络传输技术的应用，混合学习方式得到快速的发展，为促进主动学习提供了极大便利(Han & Ellis,2019)。学生可以利用在线教育平台提供的学习资源主动学习，专任教师从讲授为主的课堂角色转换为支持者与引导者的角色(何克抗,2004)，以学生为中心的混合学习理念在在线教学中得到了大规模应用(祝智庭等,2020)。加兰特(Gallant,2020)认为在线协作学习工具可以增强混合学习环境并提供高品质的在线学习机会，优质的在线教学设计可以改善混合学习的效果(肖金芳等,2013;Pucillo et al.,2020)。总之，强调以主动学习为主，整合多种学习资源，以信息技术为传播媒介，结合正式与非正式教学,引入直播与非实时方式，发挥在线与传统教学优势的混合学习理念，更利于学生养成在线主动学习行为。因此，本研究在构建在线主动学习意愿理论模型时，结合疫情的特殊背景，将混合学习中影响个体行为的重要因素纳入其中。

文学舟等(2019)发现学习行为、学习动机、教学方式、教学水平显著影响自主学习行为。加西亚-佩纳尔沃等(García-Peíalvo et al.,2019)认为拥有挑战性、趣味性、游戏化的课程设计对于主动学习有积极的促进作用。奈耶尼亚(Nayernia,2020)指出，学生的自主性在网络学习中起决定性作用,在线学习环境的系统完善为在线主动学习提供了重要条件。在线共享功能可以更好地促进学生主动学习，教学设计中应重视该功能的使用(Lai et al.,2020)。综上，本研究提出的研究框架如图1所示。

图1 在线主动学习意愿研究框架

(二)研究模型与假设

1.研究模型

本研究聚焦于学生在线主动学习意愿的影响因素，探究学习方式(感知有用性)、教学设计(虚拟奖励)、软件平台(系统质量)和个体特质(个人创新)对在线学习态度的作用，进而分析主动学习态度对在线主动学习意愿的影响，并验证主动学习态度的中介作用和社会隔离性的调节作用。研究模型如图2所示。

图2 疫情期间高校学生在线主动学习意愿研究模型

主动学习态度(Active Learning Attitude,ALA)指学生对主动学习行为的主观感知(Chang et al.,2012)，而行为态度对行为意愿的正向显著影响已在研究中得到验证(ALKurdi et al.,2020)，在线主动学习意愿反映学生主动开展在线学习的主观概率(Hsu & Chang,2013)，行为意愿被认为是学生实施最终行为的重要预测因子(Ajjan & Hartshorne,2008)。吴冰和陈晓辉(Wu & Chen,2017)基于整合技术接受模型研究发现，学生对慕课的态度和感知有用性对继续使用意愿产生显著影响。基于以上分析，本研究提出假设H1为：

H1:主动学习态度对学生的在线主动学习意愿存在正向影响。

2.研究假设

1)感知有用性

感知有用性(Perceived Usefulness,PU)指学生对开展在线主动学习行为可以提高学习效果或者节省时间的感知评估(Davis,1989)。当用户发现某个行为能提高回报或减少时间的付出，会更倾向于执行该行为(Ngai et al.,2007)。根据技术接受模型理论，感知有用性会影响用户的态度和行为意愿，对行为态度产生积极影响；感知有用性和行为态度会积极影响行为意愿(Venkatesh & Davis,1996;Chang et al.,2012)。在虚拟学习环境中，感知有用性对态度有很大的影响(Hsu & Chang,2013)。大规模开放在线教育资源、智能学习环境、打破时间空间限制的学习方式，增强了学生实现在线主动学习行为的可能性(Nanning et al.,2020)。基于以上分析，本研究提出假设H2和H7为：

H2:感知有用性对主动学习态度存在正向影响。

H7:感知有用性对主动学习意愿存在正向影响。

2)虚拟奖励

本研究将虚拟奖励(Virtual Reward,VR)定义为教师通过积分、点赞等方式提升学生在线主动学习意愿的程度。虚拟奖励作为影响学生在线学习的重要影响因素(张文兰等,2013)，可以更好地改善最终的学习效果(Jovanovic & Matejevic, 2014)。谢幼如等(2016)认为使用游戏化教学和虚拟奖励可以更好地提升在线学生的自我效能感，促进学生的在线主动学习意愿。李宝和张文兰(2019)建议设置奖励机制促进学生主动学习。基于以上分析，本研究提出假设H3为：

H3:虚拟奖励对主动学习态度存在正向影响。

3)系统质量

系统质量(System Quality,SQ)指在线学习系统的功能、布局和稳定性符合学生学习需求的程度(Delone & McLean,2003)。在线学习基于在线系统开展，在线学习系统完善的功能和用户体验会影响学生在线主动学习的态度与意愿(Lin,2007)。卡达姆(Kadam,2020)认为适宜的学习系统有助于提升学习效果，借助多媒体与信息技术可以更好地提升在线学习体验，智能终端与虚拟社区的应用为学生自主学习提供了实现载体(Nanning et al.,2020)。因此，本研究将系统质量引入研究模型中，并基于以上分析提出假设H4为：

H4:系统质量对主动学习态度存在正向影响。

4)个人创新

个人创新(Personal Innovativeness,PLI)指个体对新事物的接受程度与开展探索的特质(Midgley & Dowling,1978)。阿加瓦尔和卡拉汉娜(Agarwal & Karahanna,2000)将个人创新用于验证用户对信息系统的行为意愿，发现其对用户的行为意愿存在重要影响，个人创新水平越高会产生越强烈的行动意愿。基桑加拉(Kisanjara,2020)通过实证分析发现，用户个人特征显著影响学生在线学习行为，个人积极的探索对在线主动学习有积极作用(Nanning et al.,2020)。本研究将个人创新引入研究模型中，验证其对主动学习态度和在线主动学习意愿的影响，并基于以上分析提出假设H5和H6为：

H5:个人创新对主动学习态度存在正向影响。

H6:个人创新对在线主动学习意愿存在正向影响。

4.疫情期间社会隔离性

社会隔离性(Social Isolation,SI)指疫情期间学生居家开展在线学习所产生的隔离感和孤独感。学生相互隔离的在线学习降低了他们的社群感和交流需求(Berenson et al.,2008)，产生了社会隔离性的孤独感(Shen et al.,2008)。由于学生之间相互隔离，他们通常会在在线学习环境中经历孤立和疏远(Wei et al.,2012)，从而抑制学生在线主动学习行为。德拉克汉达与伊斯梅尔(Derakhshandeh & Esmaeili,2020)认为部分学生可能会感到在线学习的孤立与社会隔离感，师生之间缺乏互动会对学生产生负面影响并引起诸如焦虑、悲伤和沮丧之类的不良情绪。学生在线学习遇到不同的问题和疑问，如果得不到支持和解决，会减弱他们在线主动学习意愿。基于以上分析，本研究提出假设H8为：

H8:疫情期间社会隔离对主动学习态度与在线主动学习意愿之间存在负向调节作用。

三、 研究方法

(一)问卷设计

本研究问卷包含用户基本信息、在线学习情况和在线主动学习意愿测量量表三部分，共计30个问题。为保证内容效度，所有测量题项均源于或情景化改编自现有文献(Straub et al.,2004)，每个潜在变量有3到4个测量题项，采用李克特7点量表，从1到7依次表示“很不认同”至“很认同”。问卷及参考文献如表一所示。

表一 在线主动学习意愿测量量表

(二)数据收集

本研究在完成问卷的初步设计后，通过微信群邀请了35位学生开展预调研，并针对反馈建议对问卷进行了谨慎修改，确保正式调查能够被调查者准确填写。

正式调查使用在线问卷方式开展，调查对象为高校在校学生，由教师发放于课程QQ群或展示于课程PPT上邀请学生参与调查，受邀的学生自愿选择参与。在线问卷在2020年4月6日至2020年5月8日期间投放，经过数据整理后得到539份有效问卷。样本信息和在线学习基本情况如表二所示。

表二 调查对象基本信息和在线学习情况统计

四、 数据分析

本研究在完成数据收集和整理后采用偏最小二乘分析软件SmartPLS 3进行模型检验和假设验证(Hair et al.,2019)。

(一) 测量模型检验

1.信效度检验

本研究模型的有效性和可靠性通过内容效度、区分效度与收敛效度加以检验。鉴于调查问卷题项均来源于或改编自前人的研究成果，并开展了预调研测试，问卷具有良好的内容效度(见表三)。平均抽取变异量(Average Variance Extracted, AVE)数值不小于0.5，表明收敛效度良好；平均抽取变异量平方根都大于该潜在变量与其他潜在变量间的相关系数，表明区分效度良好(见表四)。组合信度(Combined reliability,CR)和克隆巴赫系数(Cronbach’s Alpha)数值都大于0.7，表明测量模型的信度良好。

表三 测量模型的AVE，CR和Cronbach’s Alpha

表四 潜变量间相关系数与 AVE 平方根

检验结果显示，各测量变量与其潜在变量间的因子载荷比其他潜在变量间的交叉因子载荷大，表明测量模型有良好的收敛效度和区分效度(Hair et al.,2019)。本研究测量模型的异质-单质比率(Heterotrait -Monotrait Ratio of Correlations,HTMT)都小于0.9，说明测量模型的区别效度良好。

2.共同方法变异

本研究样本数据全部来源于自述式量表(self-report stud)问卷,存在共同方法变异的可能性(Podsakoff et al.,2003)，因此使用单因素检验法和标记变量技术对其进行检验(Lindell & Whitney,2001)。

单因素检验使用SPSS 25软件中的主成分分析法得到最大因子的方差解释量未超过40%，表明不存在单个因子解释大部分方差的情况(吴士健等, 2020)。

本研究先定义感知信任(Perceived Trust,PT)这一无关标记变量，再通过标记变量计算内生变量的相关性与显著性。使用SmartPLS 3软件进行计算后未发现标记变量与其他变量存在显著相关性，说明本研究未受到共同方法变异的影响(Lindell & Whitney,2001)。

综上所述，共同方法变异不会对本研究结果产生重大影响。

3.多重共线性

运算后得到模型的方差膨胀系数(Variance Inflation Factor,VIF)数值小于临界值5，表明研究模型不存在多重共线性，模型结果相对稳定。

(二)结构模型分析

本研究采用SmartPLS 3建立偏最小二程结构方程模型分析疫情期间高校学生在线主动学习意愿，分析结果如图3所示。图3显示，在线主动学习意愿、主动学习态度的R2分别为0.486和0.456，说明分析模型的预测效果良好(Hair et al.,2019)。除假设H7未通过验证，其它假设都得到验证。主动学习态度到在线主动学习意愿的路径系数为0.419，显示为较强的影响。

图3 疫情期间高校学生在线主动学习意愿的分析结果

使用Blindfolding算法得到在线主动学习意愿、主动学习态度的Q2值分别为0.346和0.324，表明这一模型具有中等的预测精度(Hair et al.,2019)。

(三)主动学习态度的中介效应检验

主动学习态度的中介效应使用拔靴法(Bootstrapping)和决策树进行验证(Hair et al.,2016)，计算结果如表五所示。

表五 中介效应分析结果

从表五可知，感知有用性和系统质量对在线主动学习意愿的作用受主动学习态度的完全中介影响，虚拟奖励和个人创新对在线主动学习意愿受主动学习态度的部分中介影响。

(四)社会隔离性的调节效应检验

调节效应使用分层回归法进行检验(Hair et al.,2016)，结果如表六所示。

表六 调节作用的检验结果

调节作用项对在线主动学习意愿产生负向影响。当以社会隔离性为参照点时，主动学习态度与在线主动学习意愿之间的关系值为0.419；当增加社会隔离性后，两者之间的关系值受到调节作用而降低为0.263。本研究认为社会隔离性水平较低时，主动学习态度对在线主动学习意愿解释力会得到加强。因此，调节变量社会隔离性对主动学习态度和在线主动学习意愿之间的关系存在负向调节作用，研究假设得到验证。

当社会隔离性存在时，R2值从0.420增加到0.486，进一步证明调节作用的存在。社会隔离性的f2值为0.044>0.02，证明社会隔离性对主动学习态度和在线主动学习意愿之间的关系存在弱的调节效应(Hair et al.,2016)。

五、结论与讨论

(一)践行“学生主体”的教学理念

1.提高学生主动学习态度水平

主动学习态度是在线主动学习意愿的关键影响因素(见图3)，完全中介了感知有用性和系统质量对在线主动学习意愿的作用。学生的主动学习态度是在学习方式、教学设计、软件平台、个人特质和社会环境五个方面共同影响下形成的，并通过行为态度影响行为意愿(Kung-Teck et al.,2013;Kurdi et al.,2020)。这表明，个体的主动学习态度水平越高，其在线主动学习意愿也越高，付诸行动的可能性就越大(Ajjan & Hartshorne,2008)。结合在线学习与面授教学的混合学习优势,学生可利用在线学习资源开展主动学习，教师也可从讲授为主的课堂主角转换为支持者与引导者，建立以学生和知识掌握为中心的学习环境，提高学生在线主动学习的意愿。

混合学习在疫情期间得到超大规模的实践与探索。十多年传统面授课程经历形成的固定学习模式，以及由固定教室、固定老师和固定学生营造的现场学习氛围，必然带来学生学习行为上的惯性和熟悉感。当群体学习变成在线学习时，学生会产生学习陌生感，若处理不当很可能影响学习成效。

2.培养学生创新精神

个人创新显著影响在线主动学习意愿，也是影响学生在线主动学习意愿的关键因素 (Kisanjara,2020)(见图3)。当学生个人创新意识和能力较强时，他们会趋向于感知在线主动学习易于执行，也更可能对新的学习思维和学习技术产生探索行为，因此在线主动学习意愿也会更高。本研究实证分析结果证明了个人创新和在线主动学习意愿的显著作用，也表明个体特质这一类型的影响因素对在线主动学习意愿存在重要影响。个人创新在研究模型中的路径作用结果也验证了混合学习理论中以学生为中心的在线学习方式，更强调学生的主观能动性和创造性(Nanning et al.,2020；祝智庭等,2020)。疫情期间大量开放的公共学习资源为学生尝试新的学习方式创造了条件，多种学习方式的混合可以保证学生获得最佳的学习效果(Ho & Dzeng,2010)。

在线教学应重视以学生为主体的创新精神培养，融入“学生为主、教师为辅”的理念，将学生真正定位为课程的主体角色；关注学生的个人兴趣和求知欲，逐步培养学生的创新态度、创新意愿和创新行为；更多开展启发式和互动式教学，引导学生开展自主学习，培养学生的创新意识；注重养成学生的主动学习行为，鼓励学生对知识进行复述、表达、讨论和实践，提升学生吸收、消化和应用知识的能力，培养其创新能力和主动学习的意愿。

(二)改善在线主动学习环境

1.提升感知有用性水平

感知有用性对主动学习态度存在显著的积极作用，间接影响在线主动学习意愿，但对在线主动学习意愿的直接影响未得到验证(见图3)。中介效应检测发现，主动学习态度完全中介了感知有用性对在线主动学习意愿的影响，因此感知有用性也是影响在线主动学习意愿的重要因素。以上结果表明，若学生主观感知到主动学习能够带来更好的效益和帮助，主动学习态度会更加强烈并提升在线学习意愿(Kung-Teck et al.,2013)。学生的感知有用性来自于对所学课程的主观感知，若判断所学课程对将来的工作或生活有帮助，则会提升他们在线主动学习的态度和意愿。这符合内心趋利的诉求点。以上结论与注重主动学习的混合学习理论相符，未来混合学习的开展也应考虑个体内心趋利的诉求点。

在线学习的设计应考虑有用性，让学生在线学习时感知到主动学习带来的效果。同样，过时的、脱离实际和超越学生接受水平的课程内容反而会降低学生的主动学习态度。因而，教师设计课程内容需要考虑接收者的理解水平，注重课程内容和教学设计，提升学生的在线主动学习意愿。教学过程不应以教师讲授为主，应引入更多实践性、探索性的互动，提升学生的整体素质。新技术的发展，为追溯学习效果和进行教学评价提供了更便利的工具，借助在线工具进行教学反思可提升学生对在线学习的感知有用性和学习意愿。

2.融入虚拟奖励机制

虚拟奖励正向显著影响主动学习态度和在线主动学习意愿。这表明，当学生认为虚拟奖励更高时，主动学习态度和在线主动学习意愿会更强烈(Jovanovic & Matejevic,2014;李宝等，2019)。虚拟奖励对在线主动学习意愿的作用受到了主动学习态度的部分中介影响，说明虚拟奖励是影响在线主动学习意愿的重要因素。将虚拟奖励融入在线学习的教学设计中，可以更好地提升课堂的趣味性与学习效果(Pucillo et al.,2020)。

在线教学中引入适当的积分或学分奖励规则，将积分作为课程最终成绩的过程性参考材料，可以从制度层面和外在影响层面提升学生在线主动学习的积极性。设计学分奖励促进学生积极完成在线学习任务，以及从制度规则的设计上鞭策学生完成学习任务，有助于形成外在驱动力。教师应将趣味性的活动设计与积分奖励制度融入教学过程，混合使用在线抢答、小组讨论、点赞互评、问卷调查和案例分析等多种形式，提升学生在线学习的意愿；将积分奖励制度融入在线学习的互动中，应明确活动规则、奖励规则和提交形式等，以任务方式驱动学习目标的达成。

3. 优化在线学习平台系统质量

系统质量正向显著影响主动学习态度，间接影响在线主动学习意愿。这表明，学生认为系统质量越高，其主动学习态度的水平会越高，所以系统质量是影响行为态度和行为意愿的重要变量(Kadam,2020)。此外，本研究发现，主动学习态度完全中介了系统质量对在线主动学习意愿的作用(见图3)，意味着系统质量通过主动学习态度对在线主动学习意愿产生影响。新一代网络传输技术可以为学生开展在线主动学习提供载体，混合面授教学与在线学习，可提高学生的学习收获感，也印证在线学习平台可以提升学习效果(Ho & Dzeng,2010)。

目前在线学习借助信息技术快速发展所带来的红利，推动在线学习环境的优化，让学生更易开展学习行为并提高学习效率。在线教育软件可自动将直播内容生成回放视频，允许学生进行重复学习，一定程度上可缓解系统、网络不稳定带来的困扰，尤其为一些实操课带来了便利。在线学习大多基于第三方软件，而这些软件是在疫情期间临时征用的，师生对软件的熟悉程度各不相同，这就有可能造成在线学习体验的不友好。缺失的软件功能、不稳定的网络传输、生疏的功能操作、学习过程的不流畅都会打击学生在线学习的积极性和主动学习意愿。因此，教师应收集学生对在线学习软件的意见并反馈给开发团队，不断提升用户体验，提升学生的在线主动学习意愿。教师、高校、主管部门应加大信息技术的关注度和重视程度，而不是把它作为辅助性教学手段。大数据、云计算、人工智能、5G等会影响和改造未来的在线学习形式(王绍峰,2019)。

4. 营造个人创新氛围

个人创新对主动学习态度存在积极作用，这表明，学生的个人创新能力和意识越强，其主动学习态度也会越积极(Nanning et al.,2020)。个人创新受主动学习态度的部分中介，表明个人创新不仅会直接作用于在线主动学习意愿，还会通过主动学习态度间接影响在线主动学习意愿(Agarwal & Karahanna,2000)。学生的创新意识与探索欲望越强烈，对在线主动学习越有行动意愿。疫情期间的在线学习因为缺少监督及对在线学习环境的陌生感，学生内在的意志驱动显得尤为重要。疫情期间在线学习方式与混合学习所倡导的学生自主学习理念吻合，也证明在突发性公共事件中混合学习理论依然存在指导意义。

(三)减弱社会隔离性调节效应

本研究模型中社会隔离性作为调节变量通过了调节效应的检测(见图3)，社会隔离性对主动学习态度与在线主动学习意愿之间存在负向调节作用，表明疫情期间的社会隔离性会对学生产生负面的影响(Derakhshandeh & Esmaeili,2020)。当社会隔离性水平较高时，学生感受到的隔离感和孤独感也会更强烈，社会隔离性因对主动学习态度与在线主动学习意愿之间的关系产生调节而降低，反之亦然。在线互动和学习氛围不足会引起学生的在线隔离感、良好的社会临场感和互动感不仅可以降低社会隔离性带来的影响，还可以显著提高在线教育的学习效果。

个体的情绪和心情会通过主动学习态度而影响最终的行为意愿，开心愉悦的心情可以促进学生积极融入在线教学中，并乐意互动与消化课堂知识，营造融洽的学习氛围和增强团体学习的归属感，从而提升学生在线主动学习意愿。混合学习提倡多人讨论、互动协作的学习方式可以减少在线学习的隔离感和孤独感(Joo et al.,2011)，从而促进学生的主动学习,从另一方面佐证社会隔离性会对在线主动学习意愿产生负向影响。互助式的混合学习有利于降低学生的在线隔离感，学生也可以通过彼此间的协助获得更多学习和交流机会促进在线主动学习。

总之，本研究是在新冠肺炎疫情防控背景下，以学生视角构建在线主动学习意愿研究模型。基于混合学习理论与技术接受模型提出在线主动学习意愿研究框架，纳入社会环境、课程内容、教学设计、个体特制、软件平台和态度六方面的因素探讨在线主动学习意愿的产生机理，通过量表设计和在线问卷调研回收了研究样本，采用SPSS 25和SmartPLS 3分析软件对样本进行实证分析，借助偏最小二乘结构方程模型进行研究假设检验。通过分析得到感知有用性、虚拟奖励、系统质量、个人创新、主动学习态度和在线主动学习意愿之间的相互作用关系。未来研究可以尝试结合访谈方式获得更多潜在的研究变量，借助在线学习平台的用户行为轨迹进行持续跟踪获得更全面的结论，丰富在线主动学习的理论研究成果，也为教师、高校和教育主管部门提升在线教育效果和开展智慧学习提供参考。