大学生在线课程学习质量影响因素结构模型研究

闫 琼,张海军,陈洪根

(郑州航空工业管理学院，河南 郑州 450015)

1 研究背景

在线课程是信息化与教育深度融合的新事物，与传统面授课程相比，在线课程对学习者的学习时间、学习地点、学习人数均无限制，优势明显。[1-3]在线课程的开发与应用，使得教与学的模式发生了重大的变革，这种变革不仅需要改变学生的学习习惯、学习环境及学习过程，也对教师的授课模式、授课方法等提出了更高的要求。

2020年新冠肺炎疫情肆虐期间，为了保证“停课不停学”，全国各类高校在线课程得到了长足发展。后疫情时代，全国各地时有散发病例，在线课程依然应用十分广泛。然而，在大规模在线教学开展的背景下，学生们的学习质量却有待提高，甚至出现付费进行“课程刷单”的状况。究其根源，学生的自我管理不当、学习环境、教师授课平台、师生网络环境等因素是影响课堂效率的主要因素，由此直接导致学生学习积极性不高、质量差。因此，在线授课的模式下如何保证大学生的学习质量，探究影响大学生在线课程学习质量的影响因素及其结构关系模型就显得尤为重要。

近年来，陆续有学者对在线课程开展了一系列的相关研究工作，颜云榕以《渔业资源评估》在线课程建设为例，以整合教育资源、提高学生操作应用能力、增加学生学习兴趣为目的，探讨在线课程特色与建设过程。[4]常冰梅等人以高等医学院校生物化学与分子生物学课程为例，从课程设计理念变革、教学内容、课程资源、教学方法、信息化教学技术的综合应用、多元化评价与反馈等方面探索并实践了在线精品课程的建设。[5]艾雨兵通过研究得到影响SPOC有效教学的因素主要有学习者、指导者、课程资源、课程环境、教学交互等5个维度。[6]但研究给出的影响因素较为宽泛，不够具体。夏金星通过对大学生在线课程学习质量影响因素进行SPSS相关性分析、多元线性回归分析，提出了提升大学生在线学习质量的对策。[7]徐晓青将学习者在线学习满意度影响因素分为交互、网络自我效能感、自我调节学习三类，并得到了大学生在线学习满意度的回归方程模型。[8]上述两篇文献通过量化的数学模型分析影响因素与学习质量之间的相互关系，但却无法解释各影响因素之间的影响机制。

综上所述，目前相关文献的研究内容多集中在具体科目在线课程的建设及应用、政策建议等方面，有部分文献采用回归分析模型分析了影响因素与学习质量之间的相互关系，为在线课程的建设与发展提供了一定的理论依据研究，但是仍然存在如下问题：在线学习质量影响因素过于宽泛、不够具体；未分析各影响因素之间的影响机制；未对各影响因素进行重要性区分，无法得到需重点干预的关键因素，致使研究成果无法具体执行落地。

为了解决上述问题，本文在现有文献基础上，结合专家访谈，得到大学生在线学习质量影响因素，接着通过问卷调查得到关键影响因素；基于模糊结构解释模型法(fuzzy interpretative structural modeling method，简称Fuzzy-ISM)构建大学生在线学习质量影响因素结构关系模型，通过交叉影响矩阵相乘法(matrices impacts croises-multiplication appliance classement，简称MICMAC)鉴别大学生在线学习质量影响因素中的驱动力因素和依赖性因素，找到需重点管理和干预的因素，以期对提升大学生在线学习质量提供理论依据和参考意见。

2 理论基础

2.1 模糊解释结构模型

1973年，Warfield教授建立了解释结构模型用于分析复杂的社会经济系统。在运用该方法时邻接矩阵建立是否合理，直接决定了后续模型结论是否可靠。传统的解释结构模型在建立邻接矩阵时，往往直接探讨两个元素之间是否有直接联系，如果有关系，则元素值为1，否则为0，邻接矩阵元素值由专家决定，且具有一定的主观性，如公式(1)所示。为了提高因素关系描述的准确度，将模糊数学中的模糊矩阵引入解释结构模型中，可大大提升分析结果的可靠性与合理性。[9][10]

(1)

模糊解释结构模型的建模步骤如下：成立系统分析小组，确定系统的研究目标并识别系统的影响因素；邀请相关专家、用户等对系统因素之间的关联程度进行评分，并建立模糊关系矩阵；确定隶属度函数，推导出关联强度矩阵；选定阈值，求邻接矩阵；计算可达矩阵；对系统因素进行区域划分、层级划分、强连通块划分，确定缩减的可达矩阵,最终绘制得到系统的因素结构模型。

2.2 交叉影响矩阵相乘法

模糊解释结构模型法可以将系统内部的影响因素梳理成一个层次结构清晰的结构模型，用于解释系统特性形成的机理，但却无法识别出哪些因素需要重点干预和关注，而交叉影响矩阵相乘法恰好可以弥补模糊解释结构模型的上述不足。该方法能够量化影响因素的驱动力和依赖度，并依据每个因素的驱动力和依赖度的不同将因素划分为四种类别，即：自治因素、依赖因素、联动因素及独立因素。[11-12]针对不同类型的因素，为决策者提供不同的解决方案以达到系统最优。

交叉影响矩阵相乘法的应用步骤为：构建稳定的关系矩阵M，依据公式(2)、公式(3)计算驱动力和依赖度；以依赖度为横坐标、驱动力为纵坐标，绘制归类分析图。

(2)

(3)

其中，Di表示第i个因素的驱动力；Rj代表第j个因素的依赖度。

3 模型构建

3.1 大学生在线学习质量影响因素模糊解释结构模型的构建

3.1.1 大学生在线学习质量影响因素的识别

通对国内外文献资料的梳理，采用“文献研究法”及“头脑风暴法”初步确定大学生在线课程学习质量影响因素，编制出“大学生在线课程学习质量影响因素调查问卷”，进行问卷调查，对问卷结果归纳整理出大学生在线课程学习质量的较为关键的影响因素，如表1所示。

表1 大学生在线课程学习质量影响因素

影响大学生在线课程学习质量的影响因素分为四类，分别为学生方面、教师方面、课程方面及学习环境。

一是学生方面，主要包括自我效能、学习动机及学习习惯。S1为自我效能，指学生对自己能够取得成功的信念；S2为学习动机，指在学习兴趣驱动下对学习产生的动力；S3为学习习惯，指学生在学习过程中所形成的特有的学习行为及学习方式。

二是教师方面，包括课程设计、授课内容、课后作业、师生互动及考核标准。S4为课程设计，指教师授课是否经过精心的策划，是否幽默、深入浅出；S5为授课内容，指授课内容是否符合教学大纲要求，是否在学生理解力的可接受范围内；S6为课后作业，指授课后布置的作业形式是否多样且具有挑战性；S7为师生互动，指授课过程中教师与学生之间是否能够进行积极有效地互动；S8为考核标准，指课程结课时的考核形式与标准。

三是课程方面,包括课程难易度及课程重要性。S9为课程难易度，指课程本身的难易程度；S10为课程重要性，指该课程对学生后续考研或者就业是否能带来较大的帮助。

四是学习环境，包括学习氛围、网络环境及授课平台。S11为学习氛围，指学生家庭、学生班级群体及周围环境所营造的学习氛围；S12为网络环境，指网络状态是否良好；S13为授课平台，指授课平台是否画面清晰、易于操作。

3.1.2 确定模糊关系矩阵

邀请学校督导专家、专业教师及学生代表对13种因素之间的关联度进行评分。若aij=0代表因素i对因素j无影响；aij=1表示因素i对因素j有极大的影响，决策者可根据自己的主观理解对各因素间的关联度在[0,1]区间内进行打分。此步骤共计发放电子调查问卷150份，收回有效问卷131份，运用平均法对问卷数据进行处理后得到模糊关系矩阵B(见表2)。

表2 模糊关系矩阵

3.1.3 确定隶属度函数，推导关联强度矩阵C

cij=bij/(bi·+b·j-bij)i,j=1,2,…,n

(4)

本文选择的隶属度函数如公式(4)所示，依据公式对模糊关系矩阵B计算得到关联强度矩阵C。

3.1.4 选定阈值，得到邻接矩阵

根据实验，本文选取阈值λ=0.08，结合公式(5)及关联强度矩阵C得到邻接矩阵F。

(5)

3.1.5 计算可达矩阵

将单位矩阵I，F,F2,…,F13进行逻辑或运算，即可得可达矩阵G。为方便运算并提高计算结果的准确性，本文采用MATLAB编程对可达矩阵进行计算，计算结果如下。

3.1.6 进行区域划分、级间划分及强连通子集的划分

根据可达矩阵得到各影响因素的先行集、可达集及交集，如表3所示。

依据表3及公式(6)对可达矩阵进行区域划分，可得ξ={S3,S12S13}，且S3,S12S13可达集的交集非空，故13个因素均属于同一连通区域。

ξ={Si|Si∈N,T(Si)=A(Si)}

(6)

L={Si|Si∈N,R(Si)=A(Si)}

(7)

结合表2及公式(7)对可达矩阵进行级间划分，可得L1={S2,S4,S7,S11}，即影响大学生在线学习质量的最直接的因素有S2学习动机、S4课程设计、S7师生互动及S11学习氛围，将表2中L1的因素全部划去，进行第二级因素的划分，得到L2={S1,S6}，为间接层因素。同理，依次类推得到关键层因素集合L3={S3,S5,S8,S9,S10,S13}及基础层因素集L4={S12}。

表3 各因素的可达集、先行集与交集

至此，可将可达矩阵中的13元素划分为四个级别，且由表2可知，{S2,S4,S7,S11}、{S5,S8,S9,S10}为强连通子集，各强连通子集中的因素关联性强，且互相可达。对可达矩阵进行缩减和重排得到G0，为后续绘制结构图做准备。

3.1.7 绘制解释结构模型图

根据级间划分结果及G0绘制大学生在线学习质量影响因素的结构分析图，见图1。

图1 大学生在线学习质量影响因素模糊解释结构模型

该结构模型反映了大学生在线学习质量影响因素之间的层级关系及作用机理，整个解释结构模型包括四个层级。直接层因素包括学习动机、课程设计、师生互动及学习氛围，且直接因素层中的4种因素构成了强连通子集，各个因素相互影响，相互制约，改善直接层中的各因素能够快速提升大学生在线学习的质量。

自我效能和课后作业隶属于间接层因素，该层次因素虽然不能直接影响大学生在线课程的学习质量，但可以通过影响直接层的因素对其产生作用。

关键层的因素包括学习习惯、授课内容、考核标准、课程难易度、课程重要度以及授课平台。其中，授课内容、考核标准、课程难易度、课程重要度之间构成了强连通，且能够作用于自我效能及课后作业，进而影响直接层的元素。学习习惯通过自我效能影响直接层的元素，而授课平台则是通过课后作业影响直接层的元素。

基础层元素为网络环境，在整个大学生在线课程学习过程中，网络环境至关重要，倘若网络环境不符合在线课程的要求，在线课程的学习则无从谈起，所以在改善大学生在线课程学习质量管理中应该予以特别关注。

3.2 大学生在线学习质量影响因素归类分析图的绘制

采用交叉影响矩阵相乘法绘制归类分析图时，需利用因素关系的可达路径和层次循环来研究影响因素的影响程度。[11][12]实际上，可达矩阵就是所需要的稳定的关系矩阵。根据公式(2)、公式(3)，依次计算出每个因素的依赖度及驱动力，并将其对应的值标注在坐标系中，即得到大学生在线课程学习质量影响因素的归类分析图(如图2所示)。

图2 归类分析示意

由大学生在线课程学习质量影响因素归类分析图可知，S12网络环境、S5授课内容、S8考核标准、S9课程难易度、S10课程重要度五个因素为独立因素，即该类别因素依赖度较低而驱动力强，受其他因素的影响较小，在管理过程中需重点予以关注。S2学习动机、S4课程设计、S7师生互动及S11学习氛围为依赖因素，此类因素驱动力弱但依赖性强，属于表层的影响因素。S3学习习惯、S13授课平台、S4自我效能和S6课后作业隶属于自治因素，此类因素驱动力弱，依赖度不高，在提升大学生在线课程学习质量的过程中需要单独考虑。另外，从图2中可知，文中所选取的因素中无联动因素，即文中所讨论的因素均较为稳定。

4 启 示

本文通过构建大学生在线课程学习质量影响因素解释结构模型，理清了各个影响因素之间的层级关系及其相互的作用机理，并结合交叉影响矩阵相乘法识别出了自治因素、依赖因素及独立因素，以确定后续在管理过程中需重点关注与干预的因素。研究表明：影响大学生在线课程学习质量的直接影响因素为学习动机、课程设计、师生互动及学习氛围；间接层因素包括自我效能和课后作业；学习习惯、授课内容、考核标准、课程难易度、课程重要度以及授课平台隶属于关键层因素，网络环境则为基础层因素；结合MICMAC归类分析图，可确定网络环境、授课内容、考核标准、课程难易度、课程重要度需重点关注与干预。

根据上述研究结论，为切实有效提升大学生在线课程学习质量，结合需重点干预的因素，特提出以下建议：

第一，选择优质网络，确保数据传输稳定高效。线上教学网络先行，教师和学生在上课之前需首先确认网络是否通畅、网速是否符合线上教学的要求。如果网速达不到线上教学要求，会出现画面卡顿、声音停顿等问题，将会极大影响大学生在线课程的学习质量，甚至导致在线课程尤其是直播类课程无法正常开展。

第二，讲好“绪论”第一课，充分让学生认识到所学课程的重要性。在课程开课伊始，授课教师在正式讲授课程内容之前，需着重介绍学习本课程的意义、课程在整个专业培养中的地位，以及对学生未来就业、考研等方面能够提供的智力支持，营造浓郁的学习氛围。

第三，完善授课内容，提升课程的“两性一度”。教师在进行教学的过程中，一方面需要遵守既定的教学大纲，确保教学内容合理；另一方面，也要丰富在线课程的教学内容，与时俱进，积极主动地将与课程相关的鲜活实际应用案例、思政教学案例融入其中，提升课程的高阶性、创新性、挑战度，让学生觉得课程值得学，愿意学，变被动学习为主动学习。

第四，确保在线课程难易度适中，提升学生的自我效能。避免将线下课程原封不动地包装为线上课程。教师在在线课程的讲解过程中，应注重基础知识点的讲解，让学生在彻底掌握基础知识的基础上进一步融会贯通，以提升学生的学习兴趣与自信心。

第五，制定合理可行的课程考核标准。考核标准是风向标，制定合理可行的课程考核标准可以有效引导学生的学习动机，加强师生互动。线上教学过程中应该在兼顾结果考核的基础上，适当加大过程考核力度。例如，如果教师利用“雨课堂”进行授课，可以充分利用 “随机点名”“课堂问答”等形式实时了解学生的学习状态与知识点的掌握情况，并将课堂互动情况计入平时成绩。