高职生实践类课程在线学习不良效果的差异性研究

柳月?陈向阳

摘要：探究影响高职生在线学习过程中感知不良学习效果的因素，特别是对实践类课程在线学习的影响，同时探讨性别差异和不良学习效果的差异。经过相关分析以及协方差分析得出结论：学生在线学习中所感知的不良学习效果因性别不同而存在一定差异;排除性别差异后，学生所参与的在线实践课程数量对其感知不良学习效果无显著关系;学生在线实践学习时间对其感知不良学习效果的影响存在显著差异。根据研究结论，高职院校要对在线实践课程进行有效的教学管理，教师在组织在线实践课程时要进行学习者分析，尤其要关注性别特征。

关键词：在线实践课程;在线课程数量;在线学习时长;感知不良学习效果

中图分类号：G712 文献标志码：A 文章编号：1673-9094-（2021）09C-0073-08

当前，职业教育正经历着一场深刻的课堂革命，信息技术在课堂革命中扮演着不可替代的重要角色。2019年，国务院颁布《国家职业教育改革实施方案》，明确指出要“适应‘互联网+职业教育发展需求，运用现代信息技术改进教学方式方法”。2020年9月，《职业教育提质培优行动计划（2020—2023年）》进一步提出要“实施职业教育信息化2.0建设行动，推动信息技术与教育教学深度融合，提升学生利用网络信息技术和优质在线资源进行自主学习的能力”。

在线学习为职业教育教学的创新提供了机遇，但也对职业教育实践类课程的有效开展提出较高的要求。在线学习充分利用了互联网技术革新所帶来的优势，突破了时间和空间的限制，构建了一种不同于传统面对面学习的新型学习模式（李恒，2017）[1]。近年来，尤其是新冠疫情暴发以来，在线学习在教学中广泛应用。值得注意的是，职业教育尤其注重培养学生的实践能力，《国家职业教育改革实施方案》也有针对性的强调，到2022年，职业院校实践性教学课时原则上占总课时一半以上。一般而言，学生通过在线方式进行理论性课程学习时，可以与教师良好互动，易于实现预期的学习效果。而实践类课程学习往往需要在实训场所中开展，通过网络平台进行在线学习的效果难以掌握。但自疫情发生以来，越来越多的课程通过网络平台开展教学，特别是在高职教育中，作为核心课程的实践类课程也越来越多地开始尝试在线教学。这就意味着我们不仅要关注实践类在线课程的建设情况，也需要深入研究影响实践类课程在线学习的因素。

基于此，本研究以学生2020年春季学期参加的在线实践课程数量和每天在线学习时长作为影响因素，考察其与学习者在线学习时感知不良学习效果之间的相关性，同时探讨学生在参与实践类在线课程时，感知不良学习效果是否存在性别差异，也进一步验证排除性别差异后，在线实践课程数量和学习时长对学习者感知不良学习效果的影响是否存在差异。

一、文献综述

（一）在线实践类课程

实践课程作为职业教育课程的重要组成部分，是指通过对教师、学生、教材、教学环境、教学资源等因素的整合，帮助学生获得直接经验，并培养学生形成改造自然和改造社会的观念和实践能力为目标的课程体系（王丹等，2017）[2]。实践操作类课程强调学生通过动手做，构建知识体系提升实践能力。在线学习是通过计算机互联网，或是通过手机无线网络，在一个网络虚拟教室与教师进行网络授课、学习的方式。对于实践类课程的在线学习，国内部分学者对此进行了研究，总体认为在线教学具备资源开放性和教学可回顾性等优势，可以为实践类课程的教学提供很大的便利性。比如，易熙琼等（2020）对高职院校“计算机辅助产品设计”这一典型动手操作性强的设计专业实践课的在线教学进行了探究[3];俞凯耀等（2020）通过对高职院校机电类专业中的“电子技术”课程的在线教学实践探究，提出了更好开展线上教学的对策[4]。总的来说，在线实践课程已经逐渐成为职业教育领域的研究热点，但在如何改变学生的在线学习行为投入，提升在线实践学习效果方面，研究尚显不足。

（二）在线学习不良效果

在线学习绩效不仅有效地反映学习者的学习过程，还反映学习者的学习结果。已有研究将学习者学习成绩及学习满意度作为衡量和评价学习者在线学习绩效的指标 [5]。然而，在感性评价的本质性问题上，青少年很少对外部事件表现出积极的评价，可能会偏向于消极的反应（Van Herk et al.，2004）[6]。同时，学生在参与在线学习的过程中，通常会面对一些困难，使他们无法产生满意感（Rabin et al.，2020）[7]。例如，在线学习过程中，最突出的劣势是很少有教师能够对学生的表现进行即时反馈，特别是当一个教师面对许多学生时，这种劣势尤为明显（Oyekan et al.，2017）[8]。基于此，本研究采用了相反的自我评价方式，即在学生对学习效果的自我评价中，用学生感知不良学习效果代替学习绩效。

此外，关于心理疲劳的研究表明，随着学习时间的增加，感知绩效中的认知耐力往往会消失（Giboin & Wolff，2019）[9]。因此，本研究将研究对象设置为处于青春期的高职生，他们有自我倾向，往往会从消极的角度评价自己的学习绩效。综合以上考虑，本研究采用学习者感知不良学习效果来设计高职生在线学习表现的模型。

（三）感知不良学习效果的性别差异

Muilenburg和Berge（2005）通过研究发现，对学生在线学习障碍有显著影响的因素包括性别和他们在一个学期内所学的在线实践课程数量[10]。大多数关于在线学习的研究都考察了心理变化或学习绩效是否存在性别差异（Pinto et al.，2018）[11]。许多研究从学习资源和技术的角度探讨了影响在线学习的因素。例如，一些研究发现，学生的个性特征如自我调节学习能力与在线学习之间存在相关性（Bidjerano & Dai，2007[12];Ghyasi et al.，2013[13];Komarraju et al.，2011[14];Mirhashemi & Goodarzi，2014[15];白雪梅等，2021[16]）。一些研究强调了学生在线学习学习结果与性别之间的关联（Martin et al.，2018[17];McSporran & Young，2001[18];Rizvi et al.，2019[19]）。然而，鲜有研究探讨高职生在线实践学习中的感知不良学习效果是否存在性别差异。因此，本研究采用差异分析法来预测学生在线实践学习中感知不良学习效果的性别差异。

（四）在线学习行为投入

Visser（2001）将学习投入（academiceng-agement）定义为让学习者参与到与人类、社会、生物和物理环境持续对话的过程，以便产生可以与变化进行互动的智能行为[20]。在线学习中，学生的学习投入则体现在学习者为了获取知识、建构个体意义并从学习体验中获得成长，利用互联网获取学习材料;与学习内容、教师和同伴进行互动并在学习过程中获得支持（Ally，2004）[21]。

在线学习投入聚焦于学习者在线学习中的交互活动和学习体验，是在线学习质量的具体观测评估指标之一[22]。在线学习投入包括了学习者在线学习过程的认知投入、情感投入、社会交互投入和行为投入等[23]。其中，行为投入作为学习投入的基本构成维度，是学习者其他学习投入（情感投入和认知投入）的载体。已有大量研究表明，学习行为投入是影响学习者学习绩效的重要因素，促进学习者有效地参与在线实践学习，合理地投入其行为，是提高在线实践课程教学质量的关键所在。因此，及时评测并干预学习者的学习行为投入可以有效地减少学习者不良学习效果的出现，提高学习者在线学习质量。

李爽等（2016）将学习者的学习行为投入归类为六种类型：参与、交互、坚持、专注、学术挑战、学习的自我监控。参与类行为投入与后五类行为投入相比，较少涉及深层次学习，因此往往容易被忽略。但参与行为投入作为课程学习的基本行为投入，反映了学生对课程规则和要求的接受度和认同度[24]。

本研究重点在于探究学习者在在线实践类课程中的学习投入和行为表现，因此更关注学习者行为投入对学生学习效果的影响，强调两类相对容易被忽略的参与性学习行为投入维度：在线实践课程数量和在线实践学习时长。在线实践课程数量呈现了学习者在一段时期内的出勤频率，在线实践学习时长体现了学习者的行为投入时间，这两类参与性行為投入有助于我们了解学生在线学习时的行为投入程度。

二、研究设计

（一）研究对象

本研究采用了目的性抽样，对来自某职业学校的共1059名高职生进行了在线问卷调查。为了保证数据的可靠性，参与者涵盖了不同性别、年龄、专业和年级的学生，并且都不同程度地参与了实践类课程的在线学习。但由于分析数据缺失值或回答时间较短，共删除30份不完整问卷。最终有1029份答卷可用于以下数据分析。

对参与者的基本人口统计学信息进行了总结。参与者中女性共777人（占比75.5%），男性共252人（占比24.5%）。职高一年级学生共327人（占比31.8%），职高二年级学生共273人（占比26.5%），职高三年级学生共174人（占比16.9%），职高四年级学生共198人（占比19.2%），职高五年级学生共57人（占比5.5%）。

（二）研究方法

本研究采用IBM SPSS Statistics 19.0版本进行数据分析。为了检验假设，我们进行了两类数据分析。采用Pearson相关分析来研究在线实践课程数量、在线实践学习时长与学习者感知不良学习效果之间的相关性。采用单因素协方差分析来研究学习者感知不良学习效果是否存在性别差异。

（三）测量工具

本研究中使用的调查问卷包括两个部分。第一部分，采用7个题项获取参与调研的高职生的人口统计信息（如性别、年级、专业）和基本的在线学习情况（如最近几周每天平均在线学习的时间）。第二部分，8个题项采用李克特（Likert）五点式进行设计，即从1（非常不同意）到5（非常同意）来评估学生感知不良学习效果，学生对8个题项进行回答，如“自从在线学习后，我的独立学习能力下降了”。

使用Cronbachs α系数对所有题项进行了内部一致性评估。Vallerand等（1992）将内部一致性系数（Cronbachs α）0.72—0.86作为量表的临界值。在本研究中，所有题项的Cronbachs α都超过了0.7，表明量表具有高度的内部一致性。

四、数据分析与讨论

（一）描述性分析

全部样本和性别组的在线实践课程数量、在线实践学习时长以及学习者感知不良学习效果的平均值和标准差（SD）见表1。从在线实践课程数量来看，学生所参与的在线实践课程平均数量约为4门，其中参与了4门在线实践课程的学生人数最多，共345人，占总人数的33.5%;参与了5门在线实践课程的学生人数为324人，占总人数的31.5%;参与了3门在线实践课程的学生人数为198人，占总人数的19.2%;参与了6门在线实践课程的学生人数为111人，占总人数的10.8%。参与其他课程数量的学生人数较少。其中，仅有15人（占总人数的1.5%）参与了2门在线实践课程，另有21人（占总人数的2.0%）参与了7门在线实践课程，9人（占总人数的0.9%）参与了8门在线实践课程，6人（占总人数的0.6%）参与了9门在线实践课程。

从在线实践学习时长来看，学生每天的平均在线实践学习时长约为2—4小时。其中，在线实践学习时长为2—4小时的人数最多，共582人，占总人数的56.5%;在线实践学习时长为4—6小时的人数为183人，占总人数的17.8%;在线实践学习时长为1—2小时的人数为159人，占总人数的15.5%;在线实践学习时长为6小时以上的人数为105人，占总人数的10.2%。

从不同性别学生感知的不良学习效果来看，女生（共777人，占总人数的75.5%）在线实践学习过程中产生的不良学习效果高于男生（共252人，占总人数的24.5%）。

（二）相关性分析

在线实践课程数量、在线实践学习时长和学习者感知不良学习效果之间的Pearson相关分析如表2所示。学习者感知不良学习效果与在线实践学习时长（p <0.05）和在线实践课程数量（p <0.01）呈负相关。

（三）感知不良学习效果的性别差异

考虑到学生的性别差异，本研究运用独立样本T检验分析不同性别的学习者所表现出来的不良学习效果的差异性，分析结果见表3。研究结果表明，男生和女生在在线学习中的不良学习效果存在显著差异（P < 0.01）。通过比较男生和女生的均值发现，女生在线学习过程中所感知到的不良学习效果高于男生，即通过网络线上学习实践类课程，女生更容易出现不良学习效果症状。

（四）感知不良学习效果在两类行为投入变量上的差异分析

从性别的差异性分析中可以看出，男女生感知不良学习效果存在性别差异。为控制性别对结果变量即感知不良学习效果的影响，本研究采用单因素协方差分析来评估两类参与性行为投入（在线实践课程数量和在线实践学习时长）对学习者感知不良学习效果的影响之间的差异。在分析中，将学习者的参与性行为投入（在线实践课程数量和在线实践学习时长）设为自变量，将学习者感知不良学习效果设为因变量，将性别设为协变量。

首先，对学习者感知不良学习效果进行的单因素协方差分析显示，在调整性别后，在线实践学习时长对学习者感知不良学习效果产生具有显著作用[F（3）=3.916，P<0.01，效应值η2=0.009]。

比较检验表明，每天在线实践学习时长为6小时以上的学生感知不良学习效果显著低于每天在线实践学习时长为1—2小时（P=0.005）和2—4小时（P=0.000）的学生组，但与每天在线实践学习时长为4—6小时的学生间无显著差异。研究显示，每天在线实践学习时长为4小时以下更容易出现不良学习效果，把每天在线实践学习时长控制在4—6小时能够有效抑制高职生的不良学习效果。

以学生在线实践课程数量作为进行协方差分析，验证学习者在线实践学习过程中感知不良学习效果是否会随着在线实践课程数量变化而变化。分析结果显示，学习者在线实践学习过程中感知不良学习效果不因在线实践课程数量的不同而产生差异[F（7）=1.491，P>0.05，效应大小η2=0.169]，这与相关分析中得出的结论相悖，说明在排除了性别差异的影响后，在线实践课程数量对学生感知不良学习效果并无影响作用。

（四）假设检验

本研究通过模型中的假设验证来分析高职生在线实践学习过程中不良学习效果是否存在性别差异，在线学习参与性行为投入（在线实践课程数量和在线实践学习时长）对学生感知不良学习效果的影响以及这种影响是否存在差异。

由相关性分析结果可以发现，学生在线实践学习过程中所感知不良学习效果与其参与性行为投入（在线实践课程数量、在线实践学习时长）存在相关性。独立样本T检验结果表明，高职生在线实践学习过程中所感知不良学习效果存在性别差异，且女生更容易出现不良学习效果。根据协方差分析结果显示，排除性别影响后，在线实践课程数量的不同对学生感知不良学习效果的影响无显著差异，但在线实践学习时长对学生感知不良学习效果具有显著影响且存在差异。由此得出本研究的研究假设成立情况：第一，在线实践学习中，学生感知不良学习效果存在性别差异，假设H1成立;第二，在线学习不同数量实践课程的学生感知不良学习效果间不具有显著差异，假设H2被否定;第三，在线实践学习时长不同的学生感知不良学习效果间具有显著差异，假设H3成立。

五、研究结论与建议

（一）研究结论

本研究对性别进行的差异性分析结果显示，高职生通过线上学习实践课程时，男性学习者和女性学习者感知到的不良学习效果间具有显著的差异性，并且女性学习者更容易出现在线实践学习不良学习效果。这与顾至欣（2019）通过对职业院校学生在线开放课程学习体验进行研究得出的结论相一致，由于男女生之间自我效能感、技术焦虑感和对学习组织模式的适应性的差异，导致男生在线学习中所获得的学习体验感优于女生[25]。

在排除性别的影响差异后进行了差异性分析，协方差分析结果显示，在排除性别差异后，高职生参与在线实践课程数量的多少对其感知不良学习效果的产生未能达到顯著的促进作用。这说明了课程数量的多少并不会影响学生的实践学习效果。结合描述性分析结果可以看出，绝大多数高职生所需要参与的在线实践课程数量为3—5门，说明将在线实践课程数量设置为3—5门是基本合理的，并不会造成学习者的不良学习症状的出现，但课程数过多或过少对高职生在线实践学习不良学习效果是否有显著的影响作用，需要在后续的研究中进一步探讨。

协方差分析结果还显示，在线实践学习时长为6小时以上，学生感知不良学习效果显著低于其他学习时长。这说明，对于高职生这一群体而言，想要在线实践课程起到显著的提升技术技能水平的作用，实践课的总课时时长应达到一定的积累量。

（二）研究建议

1.有效管理在线实践教学，提高在线实践教学效果。实践类在线课程与传统的课堂或实验室实践教学不同，在线实践课学习不受实践地点和空间的限制，可操作性更高。但同时顾至欣（2019）提出，学习者通过观看线上实践类教学视频来掌握实践技能时，其在线实践学习体验感不佳。出现此类问题的原因之一在于，高职院校没有关注在线实践课程与线下实践课之间的差异性，以“传统实践教学管理”等同于“在线课程的教学管理”，线上课表仍与线下的课程安排、时长安排基本相同（林克松，2020）[26]。因此，进行有效的在线实践教学管理，是合理设置和组织在线实践课程的关键。

由于过长的在线实践学习时长会导致高职生不良学习效果的产生，因此，学校要合理安排线上实践类课程的课时数和课时时长，避免学生在线实践学习时间过短或过长而出现不良学习效果。根据本研究的描述性分析和差异性分析结果，在线实践类课程课时数量以每天3—5课时为最佳，每天在线实践学习的总时长应不超过6小时。结合课时数量和课时总时长来看，高职院校应利用在线平台建立其线上学习课表，其中在线时间课程的课时数为3—5课时，每课时时长为1.2小时左右，保证总课时时长不超过6小时。

2.加強实践类在线课堂管理，关注不同性别学生的在线学习体验。从本研究可知，男女之间对于在线实践课程的不良学习效果的感知存在差异性，且在线实践学习过程女生比男生更容易出现不良学习效果。所以如果需要学生长时间投入到在线实践学习中去时，教师应对高职生做学情分析，尤其关注女生的在线学习表现，注意进行一定的引导，避免其出现不良学习效果。

同时，教师要充分、有效利用起有限的课时数和课时时长，完善在线管理制度，比如加强学生每一门课程的出勤率考核，关注学生每天的在线学习总时长等，从管理细节上防止学习者不良学习效果的出现，提高高职生在线实践学习体验。

（三）不足与展望

本研究从在线学习行为投入的维度（在线课程数量和在线学习时长）去探究影响高职生在线学习过程中感知不良学习效果的因素，特别是严密验证了这些因素对实践类课程在线学习的影响，同时合理探讨了性别差异和不良学习效果的差异。但本研究仍具有一定局限性。首先，从样本来源和数量上看，本次研究纳入的参与者都来自同一省份，这些样本的覆盖面和代表性稍显欠缺。未来需要收集更多、更具有代表性的样本，以确保本研究的结论能够适用于更广泛的地区与人群。其次，本研究得出了在线实践课程数量与高职生感知不良学习效果不存在显著相关关系的结论，这有可能是由于调研的高职生参与的在线课程数量多为4门左右。在未来的研究中，应有针对性地对不同的专业学生进行调研，以提升课程数的普遍合理性，提高课程数对学生感知不良学习效果相关性的验证准确性。

参考文献：

[1] 李恒.在线教育生态系统及其演化路径研究[J].中国远程教育， 2017（1）.

[2] 王丹，张云凌，李建伟.高等职业教育的实践课程标准及其构建研究[J].职教论坛，2017（24）.

[3] 易熙琼，何风梅.新冠疫情下高职院校计算机辅助产品设计课程在线教学实践研究[J].家具与室内装饰，2020（12）.

[4] 俞凯耀，严倩.高职院校“电子技术”课程在线教学的实践探索[J].职业教育研究，2020（7）.

[5]胡小勇，徐欢云，陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J].中国电化教育，2020（3）.

[6] Van Herk H， Poortinga Y H， Verhallen T M M. Response styles in rating scales： Evidence of method bias in data from six EU countries[J]. Journal of cross-cultural psychology，2004，35（3）.

[7] Rabin E， Henderikx M， Kalman Y M， Kalz M. The Influence of Self-regulation， Self-efficacy and Motivation as Predictors of Barriers to Satisfaction in MOOCs[J]. Australasian journal of educational technology， 2019，36（3）.

[8] Oyekan J， Prabhu V， Tiwari A， Baskaran V， Burgess M， Mcnally R. Remote real-time collaboration through synchronous exchange of digitised human-workpiece interactions[J]. Future generation computer systems， 2017，67：83-93.

[9] Giboin L S， Wolff W. The effect of ego depletion or mental fatigue on subsequent physical endurance performance： A meta-analysis[J]. Performance enhancement & health，2019，7：100150.

[10] Muilenburg L Y， Berge Z L. Student barriers to online learning： A factor analytic study[J]. Distance education， 2005，26（1）：29-48.

[11] Pinto G， Bigozzi L， Vettori G， Vezzani C. The relationship between conceptions of learning and academic outcomes in middle school students according to gender differences[J]. Learning， culture and social interaction， 2018，16：45-54.

[12] Bidjerano T， Dai D Y. The relationship between the big-five model of personality and self-regulated learning strategies[J]. Learning and individual differences， 2007，17（1）：69-81.

[13] Ghyasi M， Yazdani M， Farsani M A. The relationship between personality types and self-regulated learning strategies of language learners[J]. International journal of applied linguistics and english literature， 2013，2（4）：74-82.

[14] Komarraju M， Karau S J， Schmeck R R， Avdic A. The Big Five personality traits， learning styles， and academic achievement[J]. Personality and individual differences， 2011，51（4）：472-477.

[15] Mirhashemi M， Goodarzi H. Self-regulated learning strategies： The role of personal factors （motivational beliefs and personality） [J]. Journal of educational and management studies， 2014，4（1）：152-161.

[16] 白雪梅，尹欢欢，顾小清.谁会成为在线学习的赢家——K12学生在线自我调节学习能力及其影响[J].中国远程教育，2021（3）.

[17] Martin F， Wang C， Sadaf A. Student perception of helpfulness of facilitation strategies that enhance instructor presence， connectedness， engagement and learning in online courses[J]. The internet and higher education， 2018，37：52-65.

[18] Mcsporran M， Young S. Does gender matter in online learning[J]. Association for learning technology， 2011，9（2）：3-15.

[19] Rizvi S， Rienties B， Khoja S A. The role of demographics in online learning; A decision tree based approach[J]. Computers & education，2019，137：32-47.

[20] Visser J. Integrity， completeness and comprehensiveness of the learning environment： Meeting the basic learning needs of all throughout life. International handbook of lifelong learning[M]. Netherlands： Springer，2011：447-472.

[21] Ally M. Foundations of educational theory for online learning. Theory and practice of online learning[J]. Theory and practice of online learning， 2004，2： 15-44.

[22] 尹睿，徐欢云.国外在线学习投入的研究进展与前瞻[J].开放教育研究， 2016（3）.

[23] 胡小勇，徐欢云，陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J/OL].中国电化教育，2020（3）.

[24]李爽，王增贤，喻忱，等.在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J].开放教育研究，2016（2）.

[25]顾至欣.高职学生在线开放课程学习体验研究——以南京旅游职业学院为例[J].中国远程教育，2019（2）.

[26]林克松，朱德全.教育应对公共危机的分析框架与行动范式——基于“新冠”重大疫情危机的透视[J].华东师范大学学报：教育科学版，2020（4）.

責任编辑：许洁

*本文系国家社会科学基金教育学课题（国家一般）“从表征到生成：在线教育资源的符号逻辑研究”（项目编号：BCA200093）的阶段性成果。

收稿日期：2021-05-16

作者简介：柳月，南京师范大学教育科学学院（江苏南京，210097）硕士研究生，主要研究方向为教育技术理论与实践;陈向阳，江苏省教育科学研究院职教所（江苏南京，210013）研究员，博士，硕士生导师，主要研究方向为技术与职业教育基本理论。