国内网络学习行为研究的现状与分析

刘春芝 魏兰兰 张一春

摘 要：根据第46次《中国互联网络发展状况统计报告》统计，我国在线教育用户已达3.81亿，网络学习已成为一种重要的学习方式，国内对于网络学习行为的研究也愈加丰富。分析当前的网络学习行为研究现状，能够为后续的研究提供更加有力的帮助。本研究选取我国2005—2020年发表在国内公开学术平台上的网络学习行为论文，借助Bicomb 2.0工具，从文献时间分布、文献作者分布、高频关键词词频、网络学习行为研究的关注点四个方面入手进行分析，研究结果表明目前国内网络学习行为研究主要聚焦于网络学习行为的内涵、分类、影响因素和模型四个范畴。基于此，笔者提出具体化网络学习行为内涵、深度化网络学习行为分析和实践化网络学习行为模型等建议，以期为研究者进行后续的深入研究提供一定的帮助。

关键词：网络;学习行为;现状

中图分类号：G434文獻标志码：A文章编号：2096-0069（2021）02-0009-06

收稿日期：2020-12-06

基金项目：2019年江苏省高等教育教改研究课题“智慧课堂交互系统模型及教学模式构建”（2019JSJG550）

作者简介：刘春芝（1997— ），女，山东临沂人，南京师范大学教育科学学院硕士研究生，研究方向为信息技术与教育应用;魏兰兰（1996— ），女，河南洛阳人，南京师范大学教育科学学院硕士研究生，研究方向为信息技术与教育应用;张一春（1970— ），男，江苏常州人，南京师范大学教授、博士生导师，研究方向为信息技术与教育应用。

引言

根据2020年9月29日发布的第46次《中国互联网络发展状况统计报告》，截至2020年6月，我国网民规模已达9.40亿，互联网普及率达67.0%，其中在线教育用户规模达3.81亿，占网民整体的40.5%，网络学习成为一种重要的学习方式，因此，始终受到研究者们的普遍关注。为达到良好的网络学习效果，研究者们曾从学习者个性特征、学习过程评价甚至是学习行为的个性化干预等方面进行了研究[1]。而从众多研究成果来看，在线学习行为是预测学习效果的重要变量[2]。因此，本研究转换视角，立足于学生网络学习行为本身，尝试对近十五年的网络学习行为研究的发展和概况进行梳理，以期为后续的网络学习研究提供一定的帮助。

一、研究设计

（一）研究样本的来源

本研究以中国知网（CNKI）国内期刊总库为信息源，对国内网络学习行为领域的相关研究进行梳理。在CNKI上以“网络学习行为”“在线学习行为”为主题进行检索，检索与网络学习行为相关的文献数据，借助Bicomb 2.0软件和Excel 2010统计工具，分析当前研究的整体概况和关注热点。截至2020年9月，作者共检索到1080篇文献，剔除投稿须知、通知广告等无关文献138篇后，最终获得有效研究文献942篇。

（二）研究工具

本研究选取Bicomb 2.0和Excel 2010软件为工具，运用词频统计、趋势分析等统计方法对样本文献进行分析。

二、研究结果与分析

（一）网络学习行为研究领域研究文献的分布

1.文献时间分布

文献时间分布能够从侧面反映在一定时期内某领域的发展态势和历史变化，揭示其研究的发展趋势。笔者将在知网检索到的网络学习行为和在线学习行为文献利用Bicomb 2.0工具按年代提取并统计，将结果导出至Excel中，构建出的文献研究年发表趋势折线图，如图1所示。由图1可知，网络学习行为的研究自2005年起便开始平稳增长，且随着《教育信息化十年发展规划（2011-2020年）》在2012年的颁布，网络学习行为研究的发展速度迅速提高，特别是自2014年起文献数量呈猛烈势头增长。2018年，由于研究热度的降低，研究者们关于网络学习行为的研究成果稍有减少，但大数据技术的推进使得该领域研究至2019年达到顶峰状态。受外部因素的影响，截至2020年9月，网络学习行为领域研究整体状况呈现下滑趋势，但随着政府和高校对于在线网络学习的重视程度的逐步提高和互联网技术与教育关联程度的进一步增强，可以预测在接下来的时间内国内对于在线学习的探索将会有所回温。

2.文献作者分布

从文献作者分布情况可以看出该领域的作者力量分布，为保证统计信度，本研究仅限于对期刊论文的第一作者进行统计。统计结果表明，对于网络学习行为研究较多的学者主要为华中师范大学的彭文辉、辽宁师范大学的李玉斌、国家开放大学信息化部的魏顺平、陕西学前师范学院的高洁、贵州师范大学的尹铁燕、武汉大学的吴青等。由此可知，发文量较多的研究学者较为集中分布于师范院校，其对于网络学习的关注度更高，能够敏锐察觉到学习者学习方式的变化，并能紧跟国际研究方向，对网络学习行为的研究更加深入和广泛。

而随着当前信息化的逐步发展，尽管国内该领域的研究力量分布愈加广泛，但研究实力并不雄厚，缺乏稳定的研究群体和研究力量。通过分析上述统计可知，大多数研究者的研究成果产量为1篇，对该领域的研究价值缺乏深入的挖掘，而这一研究现象也导致该领域的突出研究成果相对较少，研究的系统架构也相对不完善。

（二）网络学习行为研究的主题分析

1.高频关键词词频分析

研究使用Bicomb 2.0按关键词进行提取并统计，并将结果导入至Excel 2010中。由于该领域研究较为广泛，故得到原始关键词超过1000个。为了最大限度地保留该领域的成果特征，反映该领域自身的研究特点，本研究仅选取出现频次在10次及以上的关键词作为高频词进行展示，共得到39个关键词，如表1所示。

从表1可知，网络学习行为的研究领域纷繁复杂，主要热点词频集中于在线学习、网络学习行为、网络学习等，说明当前学者还是集中于探讨网络学习及网络学习行为本身，而对其相关元素（如聚类分析方法、结构方程模型等）有一定研究但非主要研究方向。当然，这并非说明其不重要或不值得关注，在后续的研究中，这仍可能会是学者们关注的重点。

2.网络学习行为研究的关注点分析与解读

国内近十五年网络学习行为的研究主要集中在网络学习行为的内涵、分类、影响因素、模型四个范畴。

（1）网络学习行为的内涵

学界目前还未对网络学习行为进行统一的概念界定，研究者们众说纷纭。基于以往研究，学界目前主要持有环境论和行为论两种观点。

环境论强调网络环境下的学习行为，即将网络学习行为更多理解为“在由现代信息技术所创设的、具有全新沟通机制与丰富资源的学习环境中所开展的学习行为”[3]，且有研究将该种学习行为窄化为自主学习行为[4]，仅强调在自主学习过程中发生的行为，而忽略了在教师引导下所发生的学习行为。

行为论与环境论所强调的重点不同，其说明重点在于“行为”，即将网络学习行为理解为学习者在学习过程中为实现一定的学习目标借助网络环境所产生的学习行为[5]，并将该行为视作学习者内部心理和外部操作共同作用的结果，网络仅在其中起到一定的工具辅助作用。

从以上定义我们可以看出，当前对于网络学习行为内涵的研究存在多种视角，且不同研究者会基于自身研究的需要站在不同的角度进行不同的描述和分析。但不论如何定义，其核心均在于强调网络环境和学习行为之间的关系，且试图厘清其与学习者之间的本质关联。因此，综合已有观点，本研究从学习者学习需要、网络环境与学习行为三个元素之间的关联出发，将网络学习行为理解为：学习者为实现一定的学习目标或学习需要，在信息技术所创设的网络环境中所发生的一切与学习相关的操作行为和心理行为的总称。该定义希冀能够阐明学习环境、学习行为以及学习者三者的联系，并揭示网络学习行为的特征。

（2）网络学习行为的分类

对网络学习行为进行分类，有助于研究者和教学者针对不同学习者的不同学习行为进行适宜的指导。国内学者对于网络学习行为的分类多集中于从网络学习行为的表现形式和行为发生的对象两方面出发进行归纳和整理。

第一，从网络学习行为的表现形式出发进行分类。该种分类方法多是将学习者外在的学习行为表现根据一定的规则进行分类，如基于信息处理的规则分为收集信息、加工信息、发布信息、交流信息和使用信息五种网络学习行为[6]。除此之外，还有学者考虑到网络学习过程中的人际交往，故而增加人际沟通与交流的学习行为[7]。

第二，从网络学习行为的发生对象出发进行分类。比较有代表性的为王丽娜从学习者交互的角度出发，根据交互的对象，将网络学习行为分为学习者与学习资源交互所发生的个性化交互行为以及学习者与参与者之间发生的社会性交互行为[8]。有研究对此展开深入探讨，并基于学习者和学习者之间的“关系”，将网络学习行为进一步细化为自主性网络学习行为、远缘网络行为和近缘网络行为[9]。

在研究过程中，笔者发现不论是何种分类方法都较为突出网络学习行为的“行为”属性，关注行为的发生、发展和变化，都旨在通过行为特征揭示学习者内在的个人学习特性。但深入研究后发现两种分类方法均有其弊端，若仅根据网络学习行为的表现形式进行划分则会缺失对学习者的内在学习行为表现的关注，从而无法实现对其网络学习行为的全面了解;而若依据进行网络学习行为的发生对象进行划分，将行为发生的对象明确为学习资源和学习过程中的参与者两方面，看似较为全面和客观，但是国内仍缺乏较为明确的划分标准和行为指标，因而所得出的行为分类结果与根据外在行为表现进行划分的结果大同小异，都仅是停留在较为表层和基础的行为，而缺乏对内在行为的把握和说明。因此，这启示我们，要基于现有的网络学习行为分类框架，结合网络技术，将学习者的内在学习行为与外在学习表现相关联，实现对学习者网络学习行为的全面挖掘。

（3）网络学习行为的影响因素

从已有研究来看，研究者们多认同学习者网络学习行为的发生受学习者自身因素和外部环境因素两方面因素的影响。从学习者自身来看，主要受信息素养水平、自我监控能力、学习动机、学习风格和原有学科知识的影响;从外部环境来看，网络教学模式、网络学习资源和网络学习支持服务是对学习者的网络学习行为发生产生影响的重要因素[10]。然而，尽管学界对以上因素持认同态度，但大多数研究均仅采用调查和统计的方法，只是简单地利用调查问卷对各类影响因素进行归纳总结，而缺乏实证的说明和质性的深入解析。当前仅有小部分研究，运用实验研究的方法，对某一单一影响因素，如学习风格、学习者年龄、学习者性别、社会存在感等因素进行了探讨。

综而观之，从理论到理论，是大多数研究网络学习行为影响因素成果的依据与来源，因此，尽管学界已经对影响网络学习行为的众多影响因素有一个普遍的认同，但由于缺乏“实在”的说明，没有切实的调查能够对所提出的影响因素进行佐证，故而本研究认为这应是后续研究继续开展和完善的方向，即从实证研究或质性研究的角度，对影响网络学习行为的影响因素进行验证，并可试图构建出影响网络学习行为发生的因素模型，找出各因素影响网络学习行为发生的内在机制，以便更好地为教育教学服务。当然，除此之外，研究过程中也要避免早期研究过程中仅以调查和统计为主的研究思路，不能仅仅停留在描述性统计层面，要深入剖析某类影响因素下的学习者学习行为所表征出的深刻内在原因。

（4）网络学习行为的模型

随着对网络学习行为研究的深入，学习行为本身所具有的复杂性和多样性特点逐步彰显，因而较多学者开始将关注网络学习行为的模型研究，试图通过构建相关模型以深入探究网络学习行为的内在特质。

早期的模型研究多围绕网络学习行为的多样性特点以及影响网络学习行为的因素两个角度展开。一方面，从探究网络学习行为多样性角度，学界内较为认可彭文辉学者所建立的网络学习行为系统模型。该模型将网络学习行为基于一定的团体规则从横向和纵向两个角度进行一定的划分并依托于实际的网络学习平台[11]。另一方面，也有不少学者试图从资源因素、技术因素等角度入手探究并厘清影响学习者进行网络学习行为的真正决定因素，并建立网络学习行为研究模型[12]，但该方面研究仍旧存在研究分析仅停留在数据统计与描述的层面，无法深入探究到学习者内在的学习行为的问题。除此之外，在早期研究中也有小部分研究是從评价角度开展的，即从理论角度建立一定的网络学习行为评价模型[13]，但缺乏一定的实证验证。

而近年来，随着信息技术的飞速发展和大数据时代的来临，网络学习行为模型研究开始倾向于从预测角度进行研究，即对网络学习行为与学习结果或其他因素进行一定的预测模型的构建[14]。但这其中也存在一定的问题亟待解决，如如何能够保证数据采集的科学性等。尽管很多模型都进行了实证研究，其最终测量结果也符合研究者的前期假设且效果较好，但是其解释力却仍稍显不足，归根结底因为很多研究都缺乏较为坚实的理论“地基”，因此，网络学习行为模型构建的先决条件——理论框架的建立应是下一步研究的重点。

三、讨论与启示

从近十五年网络学习行为的研究来看，国内学者大多停留在理论层面的探讨，如前文所探讨的内涵、分类、影响因素等研究，而在实践层面的内容探讨相对较少，这或与当前的网络学习方式的发展相关。在未来，随着互联网的进一步普及和飞速发展，网络学习方式将成为重要的学习方式，因此我们在后续的研究进程中应重点关注对以下几个方面的推进和探讨。

（一）具体化网络学习行为内涵

网络学习行为的内涵对影响该行为发生的具体因素、评价该行为结果的指标要素都有着重大的意义，而且研究者或教学实践者只有对于网络学习行为的内涵有一个明晰的轮廓，才能给予学习者明确的学习规划，以帮助其达成学习目标。

网络学习行为作为一个具体化的行为概念，被国内研究者深度挖掘后界定为具有多重内涵的行为总称，且着眼于不同视角的研究者对该行为的界定多有不同。尽管如此，我们也应当对该定义的内在表征达成一个基本的共识，从而为后续网络学习行为数据的采集、影响因素的分析以及相关模型的构建指引方向。如前文所述，本研究将网络学习行为分解为学习者学习需要、网络环境与学习行为三个元素概念，其内涵即围绕这三个元素概念所形成的因果联系，并由此提出网络学习行为所具有的一定的目的性、环境的依托性和行为的综合性的特征。当然，本研究也仅仅是基于前人的研究成果对内涵进行的一定程度的丰富和完善，该内涵本身仍旧具有相当多可以探索和深究的地方，亟待其他研究者的补充。

（二）深度化网络学习行为分析

在当前的研究中，由于各学者的研究出发点不同或是对于网络学习行为的理解不同，使得网络学习行为的分类较为纷杂，看似丰富，实则贫乏，无论是从学习行为的表现形式或是从学习行为的发生对象的角度出发，都仅仅是将网络学习行为的具体表现区别化、将行为操作类别化，而忽略了对于表层学习行为和深层学习行为的区分，使得在后续的研究进程中深度化的网络学习行为的研究方向变得较为分散。

当前主要的研究方法仍停留在基础的数据统计和简易的调查访谈。尽管多数研究的研究对象不同，但研究结果大同小异，多是说明在当前的学习环境中学习者网络学习行为主要集中于登录行为、浏览行为、点击行为等表层行为。而在此类研究中往往缺乏对学习者深层行为，即评价行为、交互行为等的分析和探究。不可否认，在网络学习行为收集和分析的过程中，表层学习行为的占比较大，那么对于学习者而言，其表层学习行为的背后有怎样的意义呢？我们是否可以透过其表层学习行为对其深层行为有一定的了解和挖掘呢？而且，网络化的学习环境也为我们深度化网络学习行为提供了一定的便利。在传统的课堂学习环境中，我们只能通过摄像头等外在设备捕捉学生的学习行为，且有时会由于设备本身的测量精度和零件的灵敏度等原因导致数据捕捉有误。而在网络化学习环境中，学生所有的学习行为轨迹均被系统记录，我们可以通过提取相关数据信息从而实现对学习者网络学习轨迹的把握，将其学习行为和完整的学习过程相关联，更好地挖掘学习者发生某类表层学习行为背后的因素，从而揭示其学习风格、学习喜好等学习者内在特征。

（三）实践化网络学习行为模型

网络学习行为模型是当前研究的热点之一，但热不一定是好。在早期研究中，大多数研究者都停留在从理论层面（如内外因素角度、学习者个体角度等）对网络学习行为进行模型构建，以一个较为宏观的视角分析得出网络学习行为的相关框架，但其中缺乏一定的实证验证，无法给出可移植和可推广的普适性结论。而大数据的发展看似推动了网络学习行为模型研究的实践化道路，实则效果有限。由于近些年研究开展的方向与早期研究并不一致，故而早期的理论成果仍旧未得到充分的验证，且由于近些年的研究较为偏向实践化的方向，因而也缺少了扎实的理论构建。

当然，这并非否认网络学习行为模型研究成果的价值，而是希望之后的研究能够进一步将早期的研究成果和近些年的研究方向做一个更好的“拟合”。如：是否可以将网络学习行为分类的模型作为数据采集的基础？是否可以将网络学习行为的影响因素模型纳入预测模型研究的因素分析之中？在未来的研究中，我们应尝试将理论层面所建构的模型与实践层面进行更加紧密的结合，将相关研究真正“落地”，并通过迭代研究或设计研究的方式不断修正和调整相关的模型，从而使网络学习行为模型不断完善，以便为网络学习行为的深入研究提供更多的借鉴。

四、结语

从以上研究成果来看，国内对于网络学习行为的研究已有一定的积累。且在“互联网+”、在线教学等新教育方式飞速发展的背景之下，网络学习正在被越来越多的学者所重视，同时为网络学习行为的研究提供了更好的发展空间，也为学生学习提供了更加新颖和便捷的学习方式。然而，在网络学习行为研究领域内，也存在一些难以解决的问题。如理论和实践衔接不够紧密、研究分析过于浅显等。因此，在下一步的研究过程中，研究者需要更加注重研究的严谨性和深刻性，并针对当前的研究进行进一步的完善和补充。

[1]王燕枝.网络学习行为研究现状及发展趋势[J].中国成人教育，2019（14）：3-6.

[2]沈欣忆，刘美辰，吴健伟，等.MOOC学习者在线学习行为和学习绩效评估模型研究[J].中国远程教育，2020（10）：1-8，76.

[3][11]彭文辉，杨宗凱，黄克斌.网络学习行为分析及其模型研究[J].中国电化教育，2006（10）：31-35.

[4]黃克斌，王锋.E-learning环境下的网络学习行为研究[J].山西广播电视大学学报，2008（2）：18-19.

[5]李玉斌，武书宁，姚巧红，等.大学生网络学习行为调查研究[J].电化教育研究，2013，34（11）：59-65.

[6]王春旸.网络远程教育学习行为及效果的分析研究[D].成都：西南交通大学，2011.

[7]侯凤芝.在校大学生在线学习行为研究：以“多媒体技术”网络课程为例[D].金华：浙江师范大学，2010.

[8][10][13]王丽娜.网络学习行为分析及评价[D].西安：陕西师范大学，2009.

[9]黄睿航，齐礼良.关系嵌入：网络学习者的学习行为实证研究[J].远程教育杂志，2015，33（6）：54-61.

[12]季志.大学生网络学习行为模型与实证研究[J].中国远程教育，2013（5）：59-63，96.

[14]王改花，傅钢善.网络学习行为与成绩的预测及学习干预模型的设计[J].中国远程教育，2019（2）：39-48.

（责任编辑 孙兴丽）

The Current Status and Analysis of National Network Learning Behavior Research

LIU Chunzhi，WEI Lanlan，ZHANG Yichun

（School of Education and Science，Nanjing Normal University，Nanjing，Jiangsu，China 210097）

Abstract： According to “The Statistics of the 46th Statistical Reports on Internet Development in China” ，the online educational users in China have already been 381 million.Network learning has become an important learning method， and the research on the network learning behavior in China is becoming richer.The analysis of the research status of the current network learning behavior can provide much more powerful assistance for the subsequent research.This research has chosen the national network learning behavior papers published in national public academic platform from 2005 to 2020，and with the assistance of the tool of Bicomb 2.0，has analyzed from four aspects，namely，time distribution of literatures，author distribution of literatures，high-freguency key words freguency，and the research focuses of network learning beharior.The research results indicate that nowadays national research of network learning behavior mainly focuses on four categories of network learning behavior，namely，connotation，classification， influential factors and model. Based on the above，the author has put forward some suggestions like crystallizing the connotation of network learning behavior，deepening the analysis of network learning behavior and practicing network learning behavior model，etc.， hoping to provide certain help for the researchers to do subsequent deep researches.

Key words： network;learning behavior;current status