在线教学视频中教师在屏能否促进学习？*——基于国内外33项实证研究的元分析

卜彩丽 郭佳佳 李 奇 张 思

（1.河南师范大学 教育学部，河南新乡 453002；2.华中师范大学 人工智能教育学部，湖北武汉 430079）

一、引言

近年来，在线学习在兼具时空灵活、促进优质资源共享、满足学生多样化需求优势的同时，也存在一些独特的挑战。比如，学生在线观看视频课程时的退出率（即关闭视频）很高。有学者在研究中指出，大约有50%的学习者在最初的五分钟内关闭视频[1]；也有研究表明，学生经常不能坚持看完一整段视频[2]。因此，在全球在线教育迅猛发展、国内高等教育一流课程建设以及翻转教学广泛推进的背景下，研究如何有效地设计教学视频，将有助于改善当前数以万计在线学习者的教育体验。

在影响教学视频的诸多因素中，教师作为教学活动的指导者和实施者，教师在屏能够增强教学视频的互动感，使学习者获得接近于真实课堂的学习体验[3]。教师在屏是指在屏幕上显示教师的形象，这个教师形象可以是真人图像，也可以是一个卡通人物形象[4]。尽管早期的教学视频很少嵌入教师的形象，但目前大多数在线课程都将教师形象嵌入视频中[5]。杨九民等人分析了国内外一些主流MOOC 平台的218 门样本课程发现，有94.5%的开放课程教学视频呈现了教师形象[6]。然而，依据梅耶（R.E.Mayer）提出的多媒体学习图像原则，当演讲者的图像显示在屏幕上时，学生不一定能学习得更好[7]。一门MOOC 在线课程从准备、录制到编辑视频需要花费数百个小时[8]，而将教师形象嵌入教学视频的制作成本相当高[9]。因此，教师在屏到底能否促进学习，能否改善在线学习体验，是当前在线教育面向纵深发展和广泛应用背景下亟待解决的一个问题。

二、文献综述

（一）相关理论梳理

1.教师在屏促进学习的理论假设

目前关于教师在屏能够促进学习的理论，主要基于社会存在感和社会代理理论来解释。社会存在感是指人们利用媒体进行交流和学习时感受到对方真实性的程度，以及在随后的互动过程中他们可以感知到自己和对方进行面对面交流的程度[10]。社会存在感是在线学习领域的一个关键概念，缺乏社会存在感也是在线学习面临的一个严重挑战[11]。教学视频中教师在屏可能会引发更强的社会反应，即社会存在感，这会促进更深度的认知过程、更好的学习结果[12]。已有研究发现，教师在屏可以激发更高的学习动机和学习兴趣，降低学习者的认知负荷[13]。

社会代理理论主要研究社会线索的存在如何影响学习。基于此，梅耶解释了教师在屏促进学习的基本原理是：教师的动作、眼神交流和面部表情能够激活学习者的社会反应，从而促进学习者更加努力地选择、组织和整合学习内容；学习者的社会反应反过来会导致主动认知过程的增加，从而提高学习效率[14]。

2.教师在屏阻碍学习的理论假设

多媒体学习的认知理论认为：人类信息加工的通道包括视觉和听觉两个独立通道，每个通道一次加工的信息数量是有限的[15]。当教学视频中出现教师形象时，学习者不仅需要加工文字、图片、动画的视觉学习材料；同时，还要加工教师的面部信息、动作手势等视觉信息。而教师形象会与教学内容争夺视觉认知资源，这可能会使原本容量有限的工作记忆出现超负荷，导致无法进行有效的信息加工，因此不利于学习者的学习[16]。聚焦要义原则是指：当删除和学习目标不相关的多媒体信息时（不相关信息包括有趣但不相关的文本、画面和声音），学习者会学得更好。和学习目标不相关的材料会争夺工作记忆中的认知资源，分散学生的注意力，干扰其对重要学习材料的选择和组织，从而阻碍学习[17]。教师形象被认为是与学习目标不相关的画面，因此，教师形象会过多吸引学生的注意力，学生的注意力分散在教师的脸和教学内容之间，这可能会妨碍学习，并导致更高水平的认知负荷。

3.教师在屏的潜在边界条件

教师在屏对学习的影响之所以不一致，是因为可能存在一些潜在的调节变量。综述先前研究，我们将教师在屏对学习效果影响的因素，概括为三大类：教师自身特征、学习材料特征和学习者特征。第一，教师自身特征包括手势和眼神。教师的手势是教师教学行为设计中的一种重要形式，是教师教学非言语行为表现的重要特点之一[18]。教师的眼神是一种强烈的社会刺激，是社会信息传递过程中社会线索的重要来源[19]。因此，教师的手势和眼神可以帮助其更好地表征教学意图，促进学生对所学知识内容的记忆和理解。第二，学习材料特征包括学科属性、知识类型和视频类型。本研究样本文献所选取的学习内容，可以分为自然科学领域和人文学科领域的知识。按照表征方式和各自功能的不同，可以将知识类型分为陈述性知识和程序性知识，陈述性知识关注“是什么”的问题，程序性知识关注“如何做”的问题。第三，学习者特征包括先验知识和教育水平。在多媒体学习领域，学习者的先验知识水平是影响学习效果的重要因素[20]。这可能是由于经验效应，一些对低知识经验学习者有效的方法和教学，对高知识经验学习者可能没有作用，甚至会产生消极影响。教育水平也可能会影响教师在屏对学习的效果。

（二）相关研究

梅耶在《剑桥多媒体学习手册（第2 版）》中，首次提出“形象在屏原则”，他通过五项实验研究发现，“形象在屏原则”对促进学习的作用并不明显（d=0.22），有四项研究结果表明教师在屏能起到一点促进作用，一项研究发现教师在屏起到了反作用[21]。随着以MOOC 为代表的在线教育的快速发展，有更多的研究者投入到教学视频设计的研究中来。针对教师在屏的研究结果，当前大致有四种类型的研究：

第一，教师在屏可以显著促进学生的学习，科科奇（M.Kokoc）、徐佩瑶等多位学者的研究表明，相对于无教师在屏，教师在屏可以显著提升学生学业成绩[22][23][24]。第二，教师在屏阻碍了学生的学习。莫雷诺（R.Moreno）等人通过实验验证了教师在屏的作用，其中一项实验发现，相对于无教师在屏，教师在屏组的保持和迁移成绩更低。第三，与无教师在屏相比，教师在屏对学生学习效果的影响不存在显著性差异，如，克兹利克斯（R.F.Kizilcec）[25]、范·韦梅斯克肯（M.van Wermeskerken）[26]等通过比较有教师、无教师的教学视频的短期和中期学习效果发现：有、无教师在屏的教学视频，在学习效果上并不存在显著差异。第四，教师在屏对学生学习结果和学习过程的某些方面存在显著性影响，而对其他方面没有影响。有学者[27]在研究中发现，教师在屏可以促进简单主题内容的学习，而对复杂主题内容没有显著影响；还有研究[28]发现，教师在屏能促进陈述性知识的学习，而对程序性知识没有显著影响。

（三）研究假设

综上所述，一方面，教师在屏对学习的促进作用并不是稳健的，因此，本研究采用学习过程（认知负荷和社会存在感）和学习结果（保持测验、迁移测验和其他测验）两个指标，来检验教师在屏对学习的促进作用。另一方面，教师在屏的有效性有可能受到教师自身特征、学习材料特征和学习者特征等潜在变量的调节，因此，本研究将进行调节效应检验。提出的研究假设如下：

假设1：教师在屏能降低学习者的认知负荷，提高社会存在感；

假设2：教师在屏能促进保持测验、迁移测验和其他测验成绩的提高；

假设3：教师在屏促进学习的效果会受到教师自身特征（手势、眼神）、学习材料特征（学科属性、知识类型、视频类型）以及学习者特征（先验知识、教育水平）等因素的调节。

三、研究过程和编码设计

（一）研究方法与工具

本研究采用元分析（Meta-analysis）的方法来分析教师在屏对学生学习效果的影响，通过文献阅读提取相关的样本量、均值和标准差等数据。元分析是对以往的研究结果进行系统定量综合的统计学方法[29]，其分析对象需要是实证研究结果。一般包括以下步骤：（1）确定研究目的；（2）进行彻底的文献搜索；（3）确定合适的研究样本；（4）定义变量并对变量进行编码；（5）识别统计特征的变量；（6）录入研究数据；（7）运用多种统计技术来探索和展现数据。

（二）文献检索策略

本研究检索的时间范围为2001年1月至2020年12月，主要采用英文和中文搜索的方式获取有关教学视频中教师在屏的实证研究。对于英文文献的检索，所选取的数据库包括SCI、Springer、Education Research Complete、ScienceDirect、ProQuest 等，搜索方式为将关键词“instructor presence”“instructor face”“pedagogical agent”“conversational agent”分别与“video lecture”“educational video”“instructional video”“video lecture types”进行联合搜索。对于中文文献的搜索，选取的数据库包括中国知网、万方数据知识服务平台、维普中文期刊服务平台等，将关键词“教学在屏”“教师呈现”“教师出现”“教师出镜”分别与“教学视频”“教学视频类型”“视频课程”“微视频”“MOOC”等进行联合搜索。同时，为了防止遗漏文献，我们还通过文献回溯及Google Scholar 搜索的方式进行补查。

（三）文献纳入与排除

文献纳入和排除的标准如下：（1）研究方法为实证研究，非实证类研究予以排除；（2）研究需在在线教学或混合式学习环境下开展，传统课堂教学或者没有呈现教学视频的予以排除；（3）研究主题为教学视频设计对学习效果影响的文献；（4）由于需要比较有、无教师在屏的影响，研究必须同时包含有教师在屏组和无教师在屏对照组，未设置对照组的予以排除；（5）由于研究目的是研究教师在屏对学习者学习的影响，因此，研究的测量指标必须包括学习过程指标或学习成绩指标中的至少一种（如，社会存在感、认知负荷、保持测验、迁移测验等）；（6）研究中需要包含生成效应量的完整数据，且数据无重复（如，平均数、样本量、标准差等）。

依据文献检索策略和标准，本研究初步检索到期刊文献237 篇，去除跨数据库重复收录的文献，并通过阅读题目和摘要，去除和研究目的不相关且不是实证类研究的文献，筛选得到78 篇文献；然后，通过概览全文，最终确定符合标准的文献33 篇。

（四）研究工具、效应量与模型选定

本研究的研究工具采用CMA 2.0（Comprehensive Meta-Analysis 2.0），对于所纳入文献中单位不统一的连续性数据，在元分析中通常采用Cohen’s d作为效应量[30]。然而，受不同研究间样本量差异的影响，Cohen’s d 会对效应量产生一定的估计偏差，例如，对小样本的效应量估计偏高[31]。因此，本研究选取经过选择校正后的标准化均值差Hedges’s g 作为效应量。常用的元分析模型有两种：固定效应模型（Fixed-effects Model）和随机效应模型（Random-effects Model）。谢和平等人在其一项元分析的研究中表述到：若效应量显著异质且程度不低，则表明选择随机效应模型合理[32]。由于样本文献在知识类型、视频类型和先验知识等方面存在差异，可能会对结果指标产生影响，因此，我们选用随机效应模型来进行综合效应的估计。

（五）文献编码

对于符合纳入标准的文献，按照以下条目进行编码（见表1）：（1）基本信息。包括作者、时间、样本量、文献类型（杂志期刊或学位论文）。（2）教育水平。按照大学生、中学生和小学生进行编码。（3）学科属性。按照人文学科和自然科学进行编码。（4）知识类型。按照陈述性知识和程序性知识进行编码。（5）视频类型。若教学视频同时包含教师和教学内容（PPT、文本材料等）两个要素，则按照画中画类型进行编码；若教学视频采用教师真实的影像和课堂环境，则按照摄录式教学视频进行编码。（6）先验知识。按照低先验知识和高先验知识进行编码。（7）手势。若教学视频中呈现教师半身或全身形象（除非文章有特殊说明无手势），则按照有手势进行编码；若教学视频中只呈现教师的头部形象，则按照无手势进行编码。（8）眼神。按照有眼神指导和无眼神指导进行编码。（9）结果变量。对于学习过程指标，按照认知负荷、社会存在感进行编码。对于学习结果指标，如果检测的是学习者对学习材料的记忆程度，则编码为保持测验；如果检测的是学习者的迁移能力，则编码为迁移测验；其他不属于以上两种指标的按照其他测验进行编码。

表1 教师在屏对学习效果影响的概要和元分析

研究发表类型学习者特征样本量眼神学习材料特征学科属性视频类型Mayer，教师自身特征手势知识类型学习过程G E HM D PP L AD CL -0.030 RT&TT 崔岩，2017 T 30 N 0.988&0.826-0.052&0.596杨九民，0.299&1.251杨九民，先验水平G E SC P PP L AD CL -0.248 RT&TT 崔岩，2017 T 30 N 2014T 96 G E SC P PP L AD CL&SP RT&TT学习结果2014T 96 G E HM D PP L AD CL&SP-0.106&0.196 0.071&0.855杨九民，2014T 96 G E HM D PP L AD CL&SP-0.437&0.282O -0.178-0.437&0.282O -0.075-0.487&0.273罗慧敏，2018(E2) T 13 G E HM D PP L AD CL -0.500 RT&TT 2018(E1) T 22 G E HM D SL AD CL 0.152 RT&TT 0.648&0.550罗慧敏，2014T 96 G E SC P PP L AD CL&SP 2018(E1) T 24 G E HM D PP L AD CL 0.115 RT&TT 0.209&0.268罗慧敏，2018(E2) T 15 G E HM D SL AD CL -0.142 RT&TT 2017T 36 N -0.152&-0.036 0.272&-0.322喻静敏，结果变量CL&SP -0.457&-0.326 G E SC D PP L MD CL&SP杨九民，0.676&0.701喻静敏，RT&TT 2020J 38 N G E SC P PP L AD //O 1.057 0.013&0.222 Mehmet，2020J 38 N G E SC P PP L AD //O 0.809 2020J 41 N G E SC PSL AD //O1.6 2017T 35 N G E SC P PP L MD 2020J 41 N G E SC PSL AD //O 0.853 Xiaoming Cao，2019 van der Meij，2015 van der Meij，2015 Lijia Lin，2013 SC J J J J Mehmet，62 E E E E PP /N G N G N G SC Mehmet，PP //CL P P P P 61 AD PD 0.541&-0.936-0.302 g//0.373 L//L RT&TT RT-0.106&0.196 61 13 5 PD RT-0.034 Lijia Lin，罗慧敏，PP SC SC PP AD 0.098 RT&TT RT G E SC P PP L AD CL -0.198 RT 0.046 Yilmaz，N 2012J 53 N G E SC P/L MD //RT 1.47 2012J 53 N G E SC P/L MD //RT 2.639 0.418&0.822 Yung，Yilmaz，2009J 66 / / SC P// AD //RT&TT教育水平Yung，-0.107&0.155 Moundridou，2002 J 48 N G / SC P// AD //O 0.325 2009J 66 / / SC P// AD //RT&TT g Mehmet，2013J 13 5 2003J 39 N G / SC P// AD //TT 0.187 RT&TT Johnson，2013J 15 8 G / SC P/L MD //TT 0.137 Johnson，2013J 15 8 G / SC P/L MD //TT 0.503 Johnson，2013J 13 9 G / SC P/ H MD //TT -0.099

注：J：杂志；T：学位论文。AD：大学生被试；MD：中学生被试；PD：小学生被试。SC：自然科学；HM：人文学科。P：程序性知识；D：陈述性知识。L：低先验知识；H：高先验知识。PP：画中画视频；S：摄录式视频。G：有手势；NG：无手势。E：有眼神指导；NE：无眼神指导。CL：认知负荷；SP：社会存在感。RT：保持测验；TT：迁移测验；O：其他测验。/：研究没有测量或文章未提及。

四、研究结果

（一）主效应检验

为了考察教师在屏对学习过程感知和学习结果的影响，本研究分别从认知负荷、社会存在感、保持测验、迁移测验和其他测验5 个维度，进行随机效应模型的主效应检验，如表2所示。

表2 教师在屏对学习者学习效果影响的主效应检验（随机效应模型）

在认知负荷上，有12 个研究包含该变量。其中，有3 个研究结果发现，教师在屏会降低认知负荷。主效应检验结果发现：平均效应量为-0.195，效应量偏小且不显著。在社会存在感上，有5 个研究包含该变量。其中，有3 个研究结果发现，在教师在屏条件下，学习者的社会存在感高于无教师在屏条件。主效应检验结果表明：平均效应量为0.446，效应量中等但不显著。

在保持测验上，有22 个实验包含该变量。其中，有18 个研究结果发现，教师在屏条件下的保持测验成绩高于无教师在屏条件。主效应检验结果显示：平均效应量为0.219，效应量偏小且显著，95%CI 的上限和下限均大于0。在迁移测验上，有22 个实验包含该变量。其中，有18 个研究结果发现，教师在屏条件下的迁移测验成绩高于无教师在屏条件。主效应检验结果显示：平均效应量为0.203，效应量偏小且显著，95%CI 的上限和下限均大于0。在其他测验上，有4 个实验包含该变量。其中，有3 个研究结果发现，教师在屏能明显改善学习者的学习成绩。主效应检验结果显示：平均效应量为0.434，效应量中等但不显著。

（二）异质性检验

在元分析中，25%、50%、75%大致可看作异质性低、中、高的界限[33]。本研究分别对认知负荷等5 个结果变量进行异质性检验（见表3）,结果发现：Q 检验均显著，这表明效应量显著异质。对于认知负荷和社会存在感，I2值分别为68.222 和83.457，表明2 个结果变量中由效应量的真实差异造成的变异，分别占总变异的68.22%和83.46%；对于保持测验、迁移测验和其他测验，I2值分别为70.503、69.769 和83.132，表明3 个结果变量中由效应量的真实差异造成的变异，分别占总变异的70.50%、69.77%和83.13%。根据希金斯（S.Higgins）等人的标准可知，本研究的5 个结果变量的异质性均较高，其真实差异所占比重均为中等及以上异质性，都不可忽视，因此采用随机效应模型是合理的。此外，效应量的异质还意味着教师在屏对学习效果的影响，可能存在潜在的调节变量[34]。因此，本研究需要进一步进行调节效应检验。

表3 教师在屏对学习者学习效果影响的异质性检验

（三）调节效应检验

本研究分别对教师自身特征（手势、眼神）、学习材料特征（学科属性、知识类型、视频类型）和学习者特征（先验知识、教育水平）三类调节变量是否调节教师在屏对学习的影响，进行了检验。

在认知负荷上（见表4），所有变量的调节效果都不显著（ps＞0.05）。在社会存在感上（见表5），教育水平对教师在屏起调节作用（p＜0.05），大学（g=0.602）高于中学（g=-0.178）；知识类型对教师在屏起调节作用（p＜0.05），陈述性知识（g=0.954）高于程序性知识（g=0.045）；视频类型对教师在屏起调节作用（p＜0.05），摄录式（g=1.910）高于画中画（g=0.117）；手势对教师在屏起调节作用，有手势（g=0.716）高于无手势（g=-0.178）。在保持测验上（见表6），仅手势对教师在屏起调节作用（p＜0.05），有手势（g=0.529）高于无手势（g=0.089）。在迁移测验上（见表7），所有变量的调节效果都不显著（ps＞0.05）。在其他测验上（见表8），手势对教师在屏起调节作用（p＜0.05），有手势（g=0.898）高于无手势（g=-0.126）。

表4 教师在屏对认知负荷的调节效应检验（随机效应模型）

表5 教师在屏对社会存在感的调节效应检验（随机效应模型）

表6 教师在屏对保持测验的调节效应检验（随机效应模型）

表7 教师在屏对迁移测验的调节效应检验（随机效应模型）

表8 教师在屏对其他测验的调节效应检验（随机效应模型）

（四）发表偏差检验

本研究采取失安全系数（Rosenthal’s fail-safe number，Nfs）、Egger 线性回归检验（Egger Linear Regression Test）以及剪补法（Trim and Fill Method）来进行发表偏差检验（见表9）。从失安全系数来看，社会存在感、保持测验和迁移测验分别为：38、223、227，均远大于“5k+10”，据此，表明它们存在发表偏差的可能性较小。但认知负荷和其他测试等变量的失安全系数均小于“5k+10”，可能存在发表偏差。从Egger 线性回归检验来看，认知负荷、保持测验和其他测验的指标值分别为：-0.430、4.001、13.246，不接近0，且95%CI 不包含0，p 值也均小于0.05，表明认知负荷、保持测验和其他测验可能存在发表偏差；但是在社会存在感和迁移测验上，该指标值分别为5.853 和2.043，95%CI 均包含0，p 值大于0.05，表明社会存在感和迁移测验存在发表偏差的可能性较小。针对以上检验结果的差异，本研究进一步采用剪补法，对效应量左右两边的文献进行剪补，结果发现效应仍显著。综上分析，认知负荷、保持测验和其他测验可能存在一定的发表偏差，社会存在感和迁移测验存在发表偏差的可能性较小。

表9 发表偏差检验

五、结论与讨论

本研究采用元分析的方法，探讨了教学视频中教师在屏对学习者学习过程和学习结果的影响；同时，通过调节效应检验，考察了教师在屏有效性的边界条件。研究得出如下结论：（1）教学视频中教师在屏对降低学习者的认知负荷和增加社会存在感方面没有显著影响；（2）教师在屏可以提高学习者的保持成绩和迁移成绩；（3）教师在屏的有效性在一定程度上受到知识类型、视频类型、教育水平和教师手势等因素的调节。相关讨论如下：

1.教师在屏的有效性

从主效应检验的结果来看，教师在屏对保持测验和迁移测验的促进作用，均达到了显著水平（p＜0.01），且95%CI 的下限大于0，合成后的效应量分别为g=0.219 和g=0.203，即相比无教师在屏的教学视频，教师在屏会促进学习者的保持和迁移成绩，验证了本研究的假设2，该结果支持了社会存在感理论和社会代理理论。因此，我们认为教师在屏一定程度上能够促进学习者的学习，特别是对知识的保持和迁移具有一定的促进作用。本研究的元分析结果，和2013年施罗德（N.L.Schroeder）等人[35]、2017年王福兴等人[36]的元分析结果一致。因此，建议未来的在线教学视频中应设计与出现教师形象，以提高学生的记忆和迁移测试成绩。

教师在屏对降低认知负荷和提高社会存在感合成后的效应量分别为g=-0.195 和g=0.446，但均未达到显著水平（p＞0.05）。即与无教师在屏相比，教师在屏对这些变量没有显著性影响，未能支持本研究的假设1。从效应量来看，教师在屏降低认知负荷的效应量为-0.195，效应量为负且偏小；教师在屏影响社会存在感的效应量为0.446，属于中等效应。尽管没有显著性差异，但并不代表这些指标没有研究的意义，从以上数据分析可以看出，教师在屏对提升社会存在感的影响，远大于对增加认知负荷的影响。因此，从总体上来看，教师在屏整体上可以促进学习。

2.教师在屏的边界条件

从调节效应检验的结果来看，教师在屏受到教师自身特征（手势、眼神）、学习材料特征（学科属性、知识类型、视频类型）和学习者特征（先验知识、教育水平）这三类调节变量的调节，主要体现在知识类型、视频类型、教育水平和教师手势上。具体表现为：在社会存在感上，当学习者为大学生、知识类型为陈述性知识、视频类型为摄录式视频且教师有手势时，教师在屏可以提高学习者的社会存在感；在保持测验和其他测验上，当教师有手势时，教师在屏对学习者的保持测验和其他测验成绩有促进作用。以上结果部分支持了本研究的假设3。由此表明，教师在屏的有效性受到不同调节因素的影响，且对于不同的结果变量，起调节作用的因素也不同。

教师手势是本研究的一个重要调节因素。有研究表明，在视频中加入注意力线索，能够有效提高学习者的信息搜索效率，帮助他们在转瞬即逝的视觉画面中快速找到教师正在讲的内容[37]。而教师手势作为社会线索的一种，可以更快地引导学习者的目光，并且从社交层面上激发学习者关注到相关学习内容上[38]。

本研究主要存在以下不足之处：（1）由于元分析对实证文献要求较高，部分实证研究在探索教师在屏有效性时，未设置无教师在屏的控制组，这导致一些实证文献无法纳入样本，减少了元分析的文献数量，降低了研究结果的统计能力。（2）本研究将真人教师和类人教学代理都视作“教师在屏”，因此，没有对教师的形式进行研究。未来研究可以进一步关注学习者对教学代理的感受是否类似于真人教师，教学代理和真人教师对学习效果的影响是否相同等问题。（3）本研究未对教师在屏的形式进行分析，未来研究需要进一步分析教师持续在屏和间歇性在屏，对学习效果的影响是否相同。

致谢：衷心感谢河南师范大学校长、博士生导师常俊标教授对本文提出的修改建议。