学生支持服务的要素识别与理论模型

章 玳,唐 文,徐正东

(1.江苏开放大学，江苏 南京210036；2.江苏工程职业技术学院，江苏 南通226007)

“互联网+”时代，学习者的需求及学生支持服务的方式及手段已发生了变化。信息技术直接影响社会网络的形成、结构与发展，学习平台由资源静态呈现平台转为师生教学交互平台。[1]突如其来的疫情加快了在线课程的教学及学生支持服务质量提升的进程。教育部指出，要做好疫情防控期间高校在线教学组织与管理，将质量教育的形态转化为质量行动。[2]因此，我们有必要在关注在线课程教学质量的同时重视学生支持服务质量的提升。学生支持服务是影响远程教育质量的一个重要因素。提供高质量的学生支持服务，不仅会对学生学习产生积极的促进作用，而且有助于保证学校教育质量。多年来，研究者较多将学生支持服务看作是一个系统，关注个案调查研究，缺乏对学生支持服务理论的元分析研究。本研究以省域开放大学学生支持服务为研究对象，将质性研究与量化研究相结合，识别学生支持服务构成要素，找出学生支持服务不同层面的关键要素与维度，分析学生支持服务质量影响因子，有助于我们构建一个全面完整的学生支持服务质量保障体系。

一、基于文献微分析法的学生支持服务要素

“学生支持服务”又称为“学习支持服务”“学习支助服务”“教学支持服务”。虽然名词术语有所区别，但就支持服务的内容来说，它们是基本相同的。国外学者多用学生支持，因为用“学生支持”或“ 学习者支持” ，可以通过我们所使用的术语来时刻提醒，教师工作的目的就是支持学生。学生的核心活动是学习，因此,远程教育院校应该通过构建面向学生的支持服务来集中体现他们的价值。[3]在本文中我们采用“学生支持服务”术语。学生支持服务由众多要素构成，究竟由哪些要素构成，国内外学者从不同角度进行了探讨。在此，我们选取了国内外8名学者的相关文献进行微分析，初步析出学生支持服务的要素。微分析是一种开放编码方式，目的是将资料拆开，提出观念，让研究者深入资料中，将注意力集中在那些看起来相关但其意义仍然模糊的资料上，以思考各种可能的意义。[4]微分析着眼于从“维度”入手，最可能是在项目的一开始使用。[5]我们以类属—属性—维度三级编码作为理论模型的基本框架，如表1所示。

表1 学生支持服务文献微分析属性—维度

续表

学生支持服务构成要素几乎是无限的[7]，而且每个研究者不同时期的论述也有不同的侧重点。在此只撷取权威学者在某一阶段对“学生支持服务”典型性、代表性且有着较为清晰的内涵与外延的表述进行分析。“学生支持服务”是类属，表中第5列为属性，第4列为维度。从文献中寻找出概念类属，提取关键词并命名，最终提炼得8个开放式编码，分别是人员支持、学习过程支持、资源支持、管理支持、技术设施支持、认知支持、组织支持、情感支持，由此初步确定学生支持服务构成要素模型，如图1所示。

图1 基于文献微分析法的学生支持服务构成要素初步模型

二、基于德尔菲法的学生支持服务要素识别

(一)研究方法

为获得对学生支持服务要素的相对权威的认识，采用德尔菲法，征询专家关于学生支持服务构成要素的预测意见，以确保问卷量表中题项的完整性和表述的清晰性。第一轮通过传送邮件邀请20名远程教学与管理的专家依据自己的专业知识和丰富的经验对学生支持服务要素因子独立自由地做出自己的判断；第二轮以咨询权重为主，对学生支持服务要素因子进行修改或增删。两轮意见征询和修正，使专家的预测意见趋于集中，获得对学生支持服务要素的理解与认识，整理并优化出学生支持服务要素因子与维度。

(二)研究假设

课题组结合对学生支持服务要素的编码及20位专家的意见，初步制订本次研究问卷的初始测量题项。将“学习过程支持”“人员支持”分别以“导学支持”“人力支持”命名。将“信息支持”具体维度归并到“导学支持”或“技术支持”二类中，将“设施”归并到“技术支持”中。专家们一致认为，学校文化氛围很重要，文化氛围也是一种情感支持，故将文化与情感因素相联，以“文化(情感)支持”命名，继而得到导学支持、技术(设施)支持、资源支持、人力支持、管理支持及文化(情感)支持6个因子，得出H1—H6研究假设，即人力、技术、资源、导学、管理、文化均是支持服务构成要素的重要维度。

(三)调查统计分析

基于以上构成要素的假设，课题组将初步研究结果反馈给专家，再搜集各位专家的反馈信息，针对每个维度的具体测量题项进行判定。由于提供学生支持服务角色的多样性，课题组扩大了专家人数，对50位专家(包括课程负责人、课程辅导教师、管理者)进行问卷调查。其中，管理者14人，课程负责人10人，课程辅导教师2人，既是管理者又是课程负责人3人，既是管理者又是课程辅导教师21人。课题组分别发放调查问卷50份，收回有效问卷 50 份，有效率为 100%。专家的积极系数为100%，专家权威程度平均值大于 0.70，说明本次调查的专家权威程度较高，结果可取。将题项分为不重要、不太重要、一般、重要、非常重要五个等级(以0.2，0.4，0.6，0.8，1.0分别赋值)，用SPSS26进行统计分析，运用加权平均数对因子的重要性进行判别，当 Mi >4 时，表明该因子有非常重要的作用；当3.6 < Mi < 4，表明该因子有重要的作用；当 Mi <3.6 时，表明该因子的重要程度较小(其中Mi表示专家对第i个因子的评分等级)。课题组再次征询了专家的意见，发现初始问卷量表中的一些问题，修正了部分测量题项，如将“及时回复学生学习问题及其他问题”“ 提供文本、多媒体学习资源”分别改为“辅导教师能够及时解决学习过程中的困难和疑问”“ 学习过程中提供文本、多媒体等多种类型的学习资源”；删除重要程度较小的因子(均值偏小，离散度大)，如： “提供可供选择的修读年限”(均值3.54，标准差1.192)，“有校训、人文标志等”( 均值3.54，标准差1.088)，“有学生心理工作机构或专职人员”( 均值3.48，标准差1.030)。最终归并成6类24项：①人力支持(工作态度、专业能力、辅导能力、问题解决、团队协作)；②技术支持(移动学习、技术培训、技术问题)；③资源支持(类型多样、科学准确、数字化资源、支撑自评)；④导学组织支持(选课指导、师生交互、面授辅导、学业提醒、教学反馈、个性化辅导)；⑤管理支持(制度保障、考试预约、实践督导、经济扶助)；⑥文化(情感)支持(校园文化、持续关注)。

三、学生支持服务要素因子验证

由于德尔菲法所得到的调查结果取决于专家对调查对象的主观看法，因此不可避免地会受到专家认识上的制约。所以有必要通过较大规模的调查进一步检验因子的可行性和有效性。调查问卷分为两部分：第一部分为基本信息，第二部分为学生支持服务因子重要性判定。使用李克特5级量表测量对学生支持服务因子及维度重要性的看法，分别用数字1～5表示非常不重要、不重要、一般、重要、非常重要。课题组发放了纸质与电子问卷共316份，回收问卷316份，对其中的问题问卷，进行缺失值分析与处理，最终获得样本272份，有效问卷率为86.08%。

(一)样本基本信息

调查样本分布情况，如表2所示。

表2 样本分布情况

从提供学生支持服务的人员构成看，女性占比为54．04%，多于男性；学习中心人数占比为47．79%，各市开放大学占比为45．59%，省校为6．62%。从提供学生支持服务角色看，课程辅导教师占比59．56%，课程负责人兼辅导教师占比19．12%，课程辅导教师兼管理者占比14．34%，课程负责人占比6．99%；从事辅导工作年限10年以上占比为39．71%，最少的是3年及以下占比为15．81%。

(二)变量的平均值与标准差

运用SPSS26对272份有效问卷所获得数据最大值、最小值、均值、标准差统计分析，其结果如表3所示。

表3 描述性统计

由表3看，所有题项平均值均大于3.6，这说明各测量题项对学生支持服务构成有重要影响。从“A-人力支持”一级因子看，“A4-问题解决”项得分最高为均值4.61，标准差为0.779，这说明“为学生解决学习问题”是非常重要的因素，被调查者达成比较一致的看法。“A3-辅导能力”项得分最低为4.15，被调查者意见离散性大(标准差1.059)。在“B-技术支持”一级因子中，“B2-技术培训”项得分最高为4.53。在 “C-资源支持”一级因子中，得分最高的是“C1-类型多样”为4.50，最低的“C3-数字化资源”(4.24)，说明被调查者对电子图书馆认可度相对较低。在“导学支持”一级因子中，最高项为“D4-学业提醒”(4.60)，最低项为“D3-面授辅导”( 4.29)。在“E-管理支持”一级因子中，“E1-制度保障”得分最高为4.45，得分最低的是“E4-经济扶助”(均值3.91，标准差1.234)，由此可见，被调查者对该因子的认可度相对较低，从离散系数看，存在较大分歧。在“F-文化(情感)支持”一级因子中，“F2-校园文化”得分为3.91，被调查者存在较大分歧(标准差1.210)。从实际情况看，对于远程教育院校，需不需要有校园文化一直存有争议。有教师认为，对学生支持服务的承担者来说，最主要任务是帮助学习者完成学业，不需要“虚”的东西。这点因子中得分最高的“A4-问题解决”项(4.61)可以印证。

(三)信度与效度分析

采用 SPSS26 软件对问卷进行信度检验。Cronbach’α 系数为0.967，6个一级因子组成信度分别为0.902、0.871、0.914、0.919、0.744、0.702，表示测验或量表的内部一致性良好，问卷信度达到了较高的可靠性。

效度是指量表能够准确测出想要测量的变量的程度。按照 KMO 检验方法，KMO 值越大，表示越适合进行因子分析。结果显示，样本的KMO系数为0.952，样本分布的球形卡方检验值为5995.045，自由度为276，显著性水平为0.000，这说明量表的效度结构良好，数据适合做因子分析。

(四)因子提取验证与理论模型

基于24个测量题项所构成变量的相关系数矩阵运用主成分分析法提取因子，累积方差贡献率为69.40%。结果显示，所有测量题项的负载值均大于0.5，符合因子分析的前提要求。根据因子分析结果，可以提取6个因子，即人力支持、技术支持、资源支持、导学支持、管理支持及文化(情感)支持。根据验证性因子分析结果可得出学生支持服务构成要素分为6个维度，这6个维度累计方差解释比例>65%能代表原有的变量信息。6个维度对于学生支持服务构成要素的重要程度按照方差解释比例依次递减，即导学支持>资源支持>人力支持>技术支持>管理支持>文化(情感)支持，由此得到学生支持服务要素理论模型如图2所示。

图2 学生支持服务要素理论模型

上图表明，学生支持服务要素包括：①导学支持。导学支持是院校教师为学生学习提供的各种信息咨询和辅导答疑。在远程教学中，没有教师的有效指导与帮助，学生学习就会失去支撑，所以其重要性最为突出。研究结果表明，导学支持是学生支持服务的核心要素。②资源支持。资源支持是为学生提供的各种课程材料、学习材料，这对远程学生支持服务质量影响较大。在“互联网+”时代，学习材料已不限于印刷教材、音像教材、多媒体课件，智能化、数字化的学习资源会使教与学更为科学、合理且有针对性，其重要性不言而喻。③人力支持。人力支持是围绕学生学习所涉及的人员帮助，包括院校教师、教学管理人员、技术人员及其他社会成员对学生遇到的各种学术性或非学术性问题提供的帮助与服务，也是影响学生支持服务质量的关键因素。远程学习的人力支持以师资团队协作形式呈现，不同人员组成团队共同提供教育服务将成为常态，[15]所以，建立学习共同体非常有必要。④技术支持。技术支持是指远程教育得以开展的各种技术和设施。虽然人工智能、大数据技术的使用使得技术在远程学习中地位逐渐提高，但是教师不能被技术取代，教师与学生的有效互动会使学生学习更有成效。相较于前三类支持，技术并不是影响学生支持服务质量最重要的因素。⑤管理支持。管理支持是指院校对学生学习行为的监控、评估，对学生的管理与服务。远程学习管理支持可有效促进学生学习，是影响学生支持服务质量的重要因素。⑥文化(情感)支持。文化(情感)支持是针对远程学习缺乏交流而提供的。创设良好的校园文化氛围，会使学生有归属感，而帮助学生解决各种心理或情感方面的问题，可以消除其孤独感，增强学生学习自信心。这类支持重要性感知分不高，有待重视。

四、结论与期望

本文利用文献微分析法及德尔菲法获取学生支持服务要素因子与维度，再通过调查对学生支持服务要素及维度进行验证确定，得出如下主要结论：

(一) 学生支持服务构成要素是一个复杂多维概念

基于省域开放大学视角，将其划分为6个维度，即导学支持、资源支持、人力支持、技术支持、管理支持及文化(情感)支持。依据因素方差解释量法，学生支持服务的6个因子共解释了总量表的69.40%，说明具有一定的效度，因此，构建了学生支持服务要素概念模型。在远程教育教学与管理中应当注重这6个因子对于学生支持服务质量的影响。

(二) 通过对比测量题项的平均值发现，总体均值相差不大，说明各因素都比较重要

“辅导教师能够及时解决学习过程中的困难和疑问”( 4.61)、“及时提醒或督促学生完成作业”( 4.60)项平均值很高，“学校提供学生奖学金、助学金机制，分期付款、贷款等助学服务”( 3.91)、“ 学校定期组织校园活动，开展校园文化建设”( 3.91)平均值最低，这说明远程教育教学中，教师能够帮助学生解决实际的学习问题及不断督促学生完成作业很重要，与实际情况相符。“经济资助”要素不太重要，这是因为成人学生多为在职求学，远程学习学费并不高。而对于隐性层面的校园文化要素，一些教师与管理者认识可能还不到位，还缺乏对学生支持服务的完整深刻的感受和认知。

本研究从省域开放大学教师及管理者视角对学生支持服务要素进行识别，对学生支持服务质量保障具有一定的参考意义与实践价值。但是，由于学生支持服务是面向学生的支持与服务，因此，作为最重要的利益相关方，学生最有发言权。从学生视角考虑学生支持服务质量影响因素很有必要，但限于篇幅将另作阐述。此外，各个远程教育院校提供学生支持服务的力度、广度和深度也有所差异。虽然问卷的设计和量表的开发基于文献阅读和实践探索，仍难免存在一定的主观性，需要在后期研究中继续进行修正和完善。