高校在线教学中的学生深度学习：内生动力与外部驱动

盛天翔 倪丹梅 王墨雪

摘   要：文章基于三元交互理论构建结构方程模型，将教学质量划分为学生的深度学习和浅层学习，并以全国高校经济管理类专业的636名学生为样本检验在线教学质量。通过研究发现：大学生学习投入的活力度和专注度会推动深度学习;教师的教学交流与支持以及网络平台功能可用性也有助于深度学习;教师的学习促进、师生的亲密度以及网络硬件的可用性对深度学习没有显著影响。基于研究结果，文章提出要注重培养学生学习的活力度和专注度、重视教师的教学内容和教学交流能力、进一步优化在线教学平台的功能设置，以提高在线教学的效率。

关键词：在线教学;深度学习;学习投入;师生交互;网络环境

中图分类号：G640 文献标志码：A   文章编号：1673-8454（2021）21-0010-05

一、引言

中国在线教学最早起源于2003年国家精品开放课程资源库建设，其目标并不是简单将线下教学转移到线上，而是要求师生以网络作为媒介，打造高质量的课堂，但长期以来在线教学并未获得大规模应用。2020年国内高校积极响应教育部的号召，普遍推广在线教学活动，在线教学演变成教育的重要形式。据《中国教育报》报道，截至2020年5月8日，全国1454所高校开展在线教学，103万名教师在线开出107万门课程，参加在线学习的大学生共计1775万人。如此大规模、深层次和全方位的在线教学实践活动，使得我们更应该关注和检验在线教学对学生学习效果的影响。

本文采用深度学习和浅层学习来衡量教学质量，选取经济管理类专业学生作为样本，基于三元交互理论，围绕个体、行为和环境层面的因素展开相关讨论。通过建立结构方程模型，力图探究在线教学时能够促进学生深度学习的理论机制和影响因素，从而为进一步提升在线教学质量提供政策建议。

二、研究基础

在大规模实施在线教学的过程中，相关理论研究不足的情况已经逐步显现，而在线教学对理论指导的需求却非常强烈[1]。谢幼如等[2]认为部分教师未深刻掌握在线教学理论，没有认识到在线教学的实质。杨清[3]指出，一些教师对“课堂深度学习”的理解有偏差，影响了学生课堂学习的实际效果。因此，在线教学影响教学质量的理论机制需要进一步讨论和检验。

从教学质量的测度来看，传统的评价指标一般包括学生成绩、学生满意度、学生体验和学习成就感等。现有文献围绕不同视角研究了在线教学质量的主要影响因素。一是从学生个体层面，认为学习动机会影响学习行为，自主学习能力高的学生在线学习效果会更好[4-5]，如胡小勇等[6]认为线上教学要求学生具有较高的信息素养。二是从师生交互行为层面，教师与学生的良好互动是在线学习质量的重要保障[7-8]，信息化培训可以增强教师线上教学的能力，从而提高教学质量[9]。三是从环境层面，如Freeze等[10]认为信息系统质量将影响在线教学质量，各互联网平台的工具和资源不相同，教学质量会有显著的差异[11]。

从教学质量研究的发展来看，深度学习越来越受到学者们的关注。深度学习能触及知识的本质，强调主动联系与思考，建立自己的知识网络，更应该是学习的本质，而浅层学习只是被动和机械的学习[12]。那么，在线教学如何才能推动学生的深度学习呢？目前相关研究较少。在理论研究方面，一些学者搭建了分析框架，提出在线学习中深层学习的发生机理和促进策略等[13]。在实证研究方面，围绕交互和环境等因素形成了一些初步成果。张晓蕾等[14]发现在线学习者的多层次广泛交互有助于提升深度学习效果;宋佳等[8]检验了教学性交互和社会性交互造成的影响;王孝金和穆肃[15]则认为在线学习中的环境因素对深度学习影响最大。

综上所述，关于在线教学质量的相关研究能够为分析深度学习奠定基础，有助于更好地构建在线教学与深度学习的理论框架。虽然一些研究已经涉及深度学习的影响因素分析，但整体而言，理论机制的分析还有待完善，部分研究也缺乏足够的数据验证。在线教学能否促进深度学习，其中的影响机制和核心因素依然值得深入探讨。同时，现有的实证分析中，鲜有对学生专业进行区分，尽管研究结论更具一般性，但是可能会掩盖不同学科的特殊性。相较于理工类而言，经济管理类专业对实验场所的要求较低，一般不需要特定的环境，拥有计算机和网络就基本可以实现日常学习，而理工类学科开展实验大多需要专业的仪器设备和实验室，线下教学资源在学习过程中不可或缺。如果考虑经管类课程的属性，将其作为研究对象，将有助于减轻线下渠道的影响，也更容易分析单一在线教学对学习效果的影响。

三、研究设计

1.结构方程模型

班杜拉[16]的三元交互理论提出，个体、行为和环境是相互影响的，强调个体的认知能够引导并支配行为，行为会受到环境约束，而环境也会对个体产生影响。本文将基于三元交互理论的分析框架，讨论在线教学的核心因素對学生深度学习的影响。其中，个体因素指学生学习投入，主要借助学习的活力度和专注度来进行衡量。行为因素指师生交互行为，主要借助教学交流与支持、学习促进和师生亲密度进行衡量。环境因素主要借助网络硬件可用性和网络环境可用性来进行衡量。各因素及相应潜在变量的关系如图1所示。

2.量表设计及数据来源

本文所有变量采用李克特5级量表进行度量，问卷的所有题项设置全部基于现有研究中的成熟量表进行筛选，主要是减少一些重复性较高的问题以及修改部分问题的表述方式，题项来源如表1所示。由于现有的量表设计并未进行专业限制，所以相关题项对于经济管理类专业学生同样适用。初始量表设计完成后，结合预调研和测试结果，对问卷中描述存在歧义或者不清晰的题项进行修订，最终形成正式量表。本文借助网络渠道，面向全国高校经济管理类专业二年级以上本科和硕士研究生发放调查问卷。共收回有效问卷636份，涉及高校主要包括“双一流”大学和地方财经院校，其中男同学194名、女同学442名。

四、 实证结果分析

1.问卷信度与效度检验

本文的量表全部来源于对现有成熟量表的精炼，为保证问卷具有良好的信度和效度，首先采用探测性因子进行初步分析，然后采用验证性因子分析对量表进行信度和效度检验。根据验证性因子分析因素结果，个体层面、行为层面、环境层面和学习效果层面问卷的克朗巴哈系数（Cronbach's α）系数均高于0.8，组合信度（CR）也均高于0.8，表明问卷的信度情况良好。根据验证性因子分析，观测变量的标准因子载荷量分布在0.64～0.84之间，符合大于0.5的标准，各潜变量的平均方差抽取量（AVE）的根值均大于0.75，并且大于其与其他潜在变量的相关系数，表明具有较好的区分效度。综上所述，本文认为量表的信度和效度较高。

2.结构方程模型检验

结构方程模型需要通过各项拟合指标来检验其是否适用，本文采用SPSS Amos26.0软件进行分析。结构方程模型的主要检验指标如下：绝对适配度显示，卡方自由度比为 3.473，RMR为0.041，RMSEA为 0.062;增值适配度拟合结果显示，NFI 为 0.915，IFI 為0.938，TLI为0.927，CFI为0.938。根据实际参数检验结果，相关指标基本能满足相应标准值的范围要求，表明本文的调查数据与结构方程模型的拟合度较好，可以进行路径回归分析。

3.结构方程模型的各因素影响路径分析

基于结构方程模型的分析，个体层面因素、行为层面因素和环境层面因素对学习效果影响路径的检验结果如表2所示（由于影响路径较多，为了更好地展现结果，本文没有采用图形来表示，而是借助表格的方式）。

（1）个体层面因素的影响

学生学习投入的活力度和专注度都对深度学习产生显著正向影响，而对浅层学习没有显著影响。一般而言，活力度是指精力和韧性水平高，愿意付出努力，不容易疲倦并且在困难面前有毅力;专注度指愉快地全神贯注于工作中，感到沉浸在工作中，很难从工作中分离出来的程度[18]。学生学习投入的活力度主要是强调学生在学习上的积极性以及面临学习困难时的坚韧程度。在学生学习的过程中，难免会懈怠或者遇到困境，只有保持积极乐观的态度才能够更好地掌握和理解课程内容，进而促进深度学习的发生。学生学习投入的专注度主要是强调学生在学习过程中的专心程度和持续投入程度。学生学习时的专注度越高，学习效果越好，对课程内容的思考以及拓展也会更多，进而越能够促进深度学习的发生。而浅层学习一般是机械性和应试型的学习，因此活力度和专注度对于浅层学习的影响效果不明显。

（2）行为层面因素的影响

师生交互行为中的教学交流与支持对深度学习产生显著正向影响。教学交流与支持主要包括教师对学生课程问题的解答、帮助和引导。一方面可以强化学生对于知识的理解，另一方面也能够体现教师对学生学习过程的关心，有助于促进学生深度学习的发生。与此同时，教学交流与支持对浅层学习产生显著的负向影响，意味着教师围绕学习内容的指导、解惑和交流，有利于抑制学生的浅层学习行为。陈蓓蕾等[22]认为，技术支持的教学交互策略有助于提升学习者创造性思维，促进学习者的认知参与度和深度学习水平，较大程度支持了上述结论。

师生交互行为中的学习促进对深度学习没有显著影响，但是对浅层学习有显著正向影响。学习促进是指学生受到教师的监督和鼓励。学习促进可能会引发学生关注课程内容和最终成绩，侧重于教师对学生状态的反馈，主要影响了学生的即时性学习效率，专注于课堂上涉及的考核重点，进而有利于促进浅层学习。

师生交互行为中的师生亲密度对深度学习和浅层学习都没有显著影响。师生亲密度是指教师的授课氛围和活泼程度等，这样的行为有助于在课堂上吸引学生的注意力，但是可能无法推动学生在课后进行更多的思考，甚至对于应付考试的浅层学习也没有明显作用。但是一些学者认为师生亲密度能够发挥显著作用[23]，与本文的结论存在着差异。

（3）环境层面因素的影响

网络环境可用性中的网络平台功能可用性对深度学习和浅层学习都产生显著正向影响。网络平台功能可用性主要是指在线学习平台的界面设计、交互功能设计以及操作便利性等。网络学习环境会影响学习的可得性和便利程度，无论是侧重于思考与联想的深度学习，还是偏向于简单记忆的浅层学习，都离不开网络平台功能可用性的支撑。

网络硬件可用性对于深度学习和浅层学习都没有显著影响。网络硬件可用性主要是指网络连接的顺畅度和硬件设备的可靠性。由于网络硬件可用性是在线学习的基本要求，直接影响学生能否顺利参与在线课堂，所以如果硬件无法满足需求，那么就没有后续的学习经历。本文的调研对象相对集中于经济发展情况较好的地区，网络硬件基础相对也比较好。因此，从检验结果来看，网络硬件可用性没有体现出明显作用。

五、研究结论与启示

1.结论

本文基于三元交互理论，通过结构方程模型进行实证分析，主要结论如下：第一，从个体层面来看，学生学习投入的活力度和专注度均对深度学习产生明显促进作用。第二，从行为层面来看，师生交互行为中的教学交流与支持对深度学习产生明显促进作用。第三，从环境层面来看，网络环境可用性中的网络平台功能可用性对深度学习产生明显促进作用。

关于传统线下教学与深度学习的关系，已有文献展开过不少讨论，能够与本文中在线教学的主要结论形成对比，从而有助于理解在线教学是否存在较大的特殊性。在个体层面，传统教学过程中，学生学习兴趣和学习品格、学生自己解决问题和不断反思的能力都显著影响深度学习[24]，与本文提出的活力度和专注度存在相似性。在行为层面，传统教学过程中，根据学生行为不断进行教学调整与改进可以影响深度学习[25]，师生互动和生生互动的互动式教学对深度学习也有明显影响[26]，这些都与本文提出的师生交互行为类似，但是覆盖的具体范畴有所差异。在环境层面，传统教学的研究结论鲜有认为环境会发挥决定性作用，而本文却发现了网络平台功能的重要性，揭示出在线教学过程中网络环境因素是一个值得重视的部分。总体来说，虽然在线教学采用了不同于传统教学的环境，但是在学生个体和师生交互方面，依然存在较多相似之处。当然，由于受网络环境的影响，师生交互的具体行为与传统教学会有一定的差异性，并且网络平台功能可用性本身也是关键性因素。

2.启示

（1）注重培养学生学习的活力度和专注度

无论是在线教学还是传统教学，都离不开学生自身的主觀能动性。首先，学生要对未掌握的知识保持好奇心，并且尝试通过多种途径和方法去寻求问题的答案;其次，当面临学习挫折时，学生也应该保持一颗平常心，积极提升自己的学习质量。值得注意的是，大学生学习投入的活力度和专注度不能等到大学阶段才开始培养，必须注重中小学阶段的引导，否则很多大学生的活力度和专注度都可能会偏低。本文样本中，学生在上述两项指标上的平均得分水平，仅仅略高于问卷分值的中间档次，已经充分反映出该问题。在长期的学习过程中，如何更好地帮助学生逐步培养学习投入的活力度和专注度，依然需要进行更多的深入研究。

（2）重视教师的教学内容和教学交流能力

教师与学生的交互行为包括多个方面，教师对学生的一般性督促只是有利于学生机械性记忆和浅层学习，无法促进对知识深层次的吸收，而课堂轻松愉悦的气氛可能也并不一定带来最好的学习效果。因此，虽然现在非常关注教学手段的多样性和趣味性，但是教学内容仍然要重于教学形式。教师应该重点加强对学生学习内容的指导和辅助。例如，提高对学生提问的频率，鼓励学生说出自己的观点，围绕重难点问题进行充分的课堂交流;为学生提供额外学习资料，从而帮助学生掌握更多知识，不断提升独立思考的能力。在线教学过程中，教师的教学交流与支持力度可能会受到一定影响，如果能够借助学习平台等手段予以克服，将有利于进一步提升在线教学的实际成效。

（3）进一步优化在线教学平台的功能设置

学习平台的完善有利于增强学生与平台之间的交互体验，帮助学生更顺利地通过平台学习，提高学生在线学习的学习参与度，从而促进深度学习的发生。教育部已经明确提出，通过制订教育信息化中长期发展规划和“十四五”规划，出台推进“互联网+教育”发展的指导意见等，加强云服务商、软件厂商与学校的对接，加快信息技术与教育教学的深度融合。因此，学习平台的开发者应该在政策支持下充分了解教师和学生的需求，进一步改进学习平台的界面设计和功能设计，特别是在线学情诊断、教学管理、学业评价以及答疑辅导等教学交流功能。未来，要继续探索“互联网+教学”的新型教育形态，充分借助教学平台来提高教学效率，激发教与学的活力。

参考文献：

[1]陈晓慧.建构在线教育理论的时代呼唤[J].中国电化教育，2020（8）：22-26.

[2]谢幼如，等.疫情防控期间“停课不停学”在线教学方式的特征、问题与创新[J].电化教育研究，2020（3）：20-28.

[3]杨清.走出“课堂深度学习”的认识误区[J].中国教育学刊，2020（9）：71-76.

[4]胡小平，谢作栩.疫情下高校在线教学的优势与挑战探析[J].中国高教研究，2020（4）：18-22+58.

[5]Broadbent J. Comparing online and blended learners self-regulated learning strategies and academic performance[J]. The Internet and Higher Education，2017（33）：24-32.

[6]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）：77-84.

[7]Martin F， Bolliger D U. Engagement matters： student perceptions on the importance of engagement strategies in the online learning environment[J].Online Learning，2018（1）：205-222.

[8]宋佳，冯吉兵，曲克晨.在线教学中师生交互对深度学习的影响研究[J].中国电化教育，2020（11）：60-66.

[9]陈耀华.提升教师信息化教学力的中国路径及优化发展[J].中国电化教育，2020（12）：99-104.

[10]Freeze R D， Alshare K A， Lane P L， Wen H.J. IS success model in e-learning context based on students perceptions[J]. Journal of Information Systems Education，2010（2）：173-184.

[11]刘名卓.教育信息化服务类企业的现状调研与发展建议[J].现代远程教育研究，2018（6）：89-96.

[12]李松林，杨爽.国外深度学习研究评析[J].比较教育研究，2020（9）：83-89.

[13]杜岩岩，黄庆双.在线深度学习的发生机理与促进策略[J].中国高教研究，2020（6）：58-63.

[14]张晓蕾，黄振中，李曼丽.在线学习者“交互学习”体验及其对学习效果影响的实证研究[J].清华大学教育研究，2017（2）：117-124.

[15]王孝金，穆肃.在线学习中深层次学习影响因素研究[J].电化教育研究，2020（10）：45-51.

[16][美]阿尔伯特·班杜拉.思想和行动的社会基础——社会认知论[M].上海：华东师范大学出版社，2018：4-5.

[17]Schaufeli W B， Salanova M，González-Romá V， Bakker A B. The measurement of engagement and burnout：A two sample confirmatory factor analytic approach[J].Journal of Happiness Studies，2002（1）：71-92.

[18]Kang M， Im T. Factors of learner-instructor interaction which predict perceived learning outcomes in online learning environment [J]. Journal of Computer Assisted Learning，2013（3）：292-301.

[19]Venkatesh V， Bala H. Technology acceptance model 3 and a research agenda on interventions[J].Decision Sciences，2008（2）：273-315.

[20]杨九民，等.在线开放课程中的交互设计及其应用现状分析[J].电化教育研究，2018（11）：61-68.

[21]Biggs J B. Study process questionnaire manual. Student approaches to learning and studying[M].Melbourne： Australian Council for Educational Research，1987.

[22]陈蓓蕾，等.技术支持的教学交互策略促进交互深度研究[J].中国电化教育，2019（8）：99-107.

[23]李爽，钟瑶.在线教师教学投入对学生学习绩效的影响——基于教师和学生的视角[J].开放教育研究，2020（3）：99-110.

[24]温雪.深度学习研究述评：内涵、教学与评价[J].全球教育展望，2017（11）：39-54.

[25]郭华.深度学习及其意义[J].课程·教材·教法，2016（11）：25-32.

[26]吕林海.“拔尖计划”本科生的深度学习及其影响机制研究——基于全国12所“拔尖计划”高校的问卷调查[J].中国高教研究，2020（3）：30-38.

（编辑：王晓明）