大学生在线学习行为投入对学习效果的影响研究
2022-04-24孙无敌
孙无敌,李 明
(重庆师范大学 计算机与信息科学学院,重庆 401331)
一、前言
一直以来,教育和互联网技术正在加速融合,在线学习已经成为大学生在校内外不可或缺的学习方式。然而在线学习缺乏面对面的教学、交互、管理和监督,大学生在学习的过程中容易出现投入不足、注意不集中、课程中途终止等问题,从而影响学生学习质量。[1]为了应对大学生在线学习质量不高的问题,教育部在2015 年发布了《教育部关于加强高等学校在线开放课程建设应用与管理的意见》,其中就指出:高校要重视大学生在线上开放课程中的行为表现,把提升学生在线学习质量放在教学改革的重要位置。而在线学习投入作为衡量学生网络学习行为的重要指标,[2]它表现出的一种持久的、充满积极情感的心理状态,以活力、专注和奉献为主要特征。行为投入作为在线学习投入的重要组成部分,是在线学习投入的最基本的形式,如登录课程界面、浏览课程视频、参与生生讨论等行为,具有可记录和显性的特征,能够有效反映学生学习效果。本研究拟围绕在线学习环境,基于对国内外文献的梳理和分析,构建大学生在线学习行为投入维度模型,对在线学习行为投入相关变量对学习效果的作用机制进行探索,有利于清除掌握大学生的在线学习行为动态,明确影响在线学习的效果具体因素,为提升大学生在线课程学习效果提供一定意义的参考价值。
二、研究理论
(一)行为投入和在线行为投入
行为投入作为学习投入的重要一部分,是影响学习绩效的重要因素,早在二十世纪三十年代就由泰勒的“实践任务理论”所提到,虽然起源已久,但是不同学者对其内涵和类型有着不同的探索。行为投入具有外显和可记录的特性,关注学习活动中日常的行为表现,包括行为投入时间、积极性和努力程度等,如按时到校、课前准备程度、回答老师问题、参与师生讨论等。费恩认为行为投入是参加校内课程和校外活动的表现,并且提出参与- 认同感模型(Participation- Identification Model),将学生对要求的响应视为学生行为投入的基本组成部分。[3]一些国外学者指出,学生对课堂规则的遵守和对校园秩序的严格执行都是行为投入的重要组成部分,按时上课和完成作业是学习行为投入最基础的体现。对学习行为投入的研究不仅体现在规则领域,斯金纳认为行为投入可以包括为学术行为,具体表现在参与、专注、坚持等方面。同时国内学者李爽将社会性互动行为作为行为投入一种表现方式,虽然这类行为与学术活动相关性不强,但有助于融入社会,提高凝聚力和归属感。[4]
随着信息技术与教育的深度融合,在线学习已经成为大学生普遍的学习方式,人们对行为投入的研究也逐渐从线下转到线上。上述指出行为投入是影响学习绩效的重要因素,是指现实生活中投入的时间、精力和努力。[4]78而在线行为投入则是指学习者围绕在线学习环境,基于学习任务和学习工具,与学习资源和师生进行交互的过程。目前国内外学者均已提出了在线行为投入的多维度因素,主要集中在参与、交互、专注、坚持四个方面。国外学者狄克森在《在线学习行为投入量表》中将在线行为投入分为技能、交互、情感和绩效四个维度,包括努力学习、培养兴趣、参与在线交流等指标;邓等人在《MOOC 投入量表》中从行为和社交两个维度评价在线学习投入测量指标,如按时登录课程、分享资源、回答老师问题等。随着网络学习平台的更新和优化,在线学习行为数据被学习平台详细记录下来,研究者可以通过平台采集学习过程中的数据样本来分析学习者学习情况。张思在探索网络学习空间中的学习投入情况时,将行为投入模型划分为四个主要维度,分别为:参与、专注、规律和交互,具体包括:按时登录学习课程、提交作业、师生和生生讨论等指标。[5]张琪基于教育网络平台,在混合学习环境中构建了学习投入评测框架,将学生的在线行为投入分为四个维度并包含16 个学习行为测量指标。[6]李爽结合实验将在线行为投入分为参与、坚持、专注、交互、学术挑战和学习自我监控六个主要维度。[4]80刘司卓对直播课学习行为投入评价开展理论与实证研究,构建出包括规范遵守、社会参与以及学习参与的直播课行为投入评价框架,共24 个指标,例如出勤表现、专注度、主动交互、面对困难等。[7]
(二)行为投入与学习效果关系研究
一直以来学习质量是高等教育领域核心的研究问题,学习者积极投入学业活动的程度是提升其学业成绩和认知发展以及改善教育质量的首要条件,[8]而行为投入作为学习投入的基本构成维度,对行为投入的测量和评价有利于及时改善学习过程,提升学习绩效。[4]81学习投入理论认为:认知、情感和行为投入都是衡量学习投入的重要维度,学生投入水平的高低能够预测学习成绩。这说明了学习投入与学习效果之间存在因果关系,而行为投入恰好是所有因素中重要的一环。学者李晓东通过编制中小学教师远程学习质量评价问卷,用数据分析了教师远程继续教育的学习绩效,结果显示中小学教师的在线学习投入对学习成绩有着显著的影响。[9]谢浩等人认为远程学习质量依赖于形成性评价,而提高形成性评价的重要维度就是在线学习参与度。[10]尽管专家学者对学习投入以及在线学习投入的研究较为火热,但是对于在线行为投入的研究不具体,难以形成成熟的在线行为投入测量指标模型。如何提取和分析大学生在线行为投入表现,哪些指标能够有效表征在线行为投入,在线行为投入与学习效果之间又有着怎样的关系仍需更多的实证研究探讨。本研究基于相关理论基础,将构建大学生在线学习行为投入指标模型,并通过实证研究提取分析大学生在在线学习平台过程性数据,来探讨大学生在线行为投入程度以及各个维度对学习效果的影响关系。
三、研究设计
(一)在线学习行为投入模型维度分析
本研究在总结分析了国内外相关文献已有的研究基础上,综合考虑了在线学习行为投入的维度结构,并结合智慧教室云课堂在线学习平台的实际功能特点,参考了相关领域教师和专家的意见,将参与、交互、专注、坚持作为本次在线学习行为投入的四大维度,并形成了在线学习环境下行为投入维度模型,具体如图1 所示。
图1 在线学习行为投入模型结构
“参与”指的是学习者投入到在线课程学习中的时间和精力,被费恩和弗雷迪克斯认为是第一类的行为投入,即学习者应当遵循最基本的学习要求,响应课程的规范,严格遵守课堂纪律。[3]129也有学者将“参与”定义为配合教师要求的行为。有些研究将“参与”列为绩效投入中去,如:按时上课、回答问题和按时提交作业等。“参与”是在线课程学习的开端,是最基本的行为投入,“参与”程度的高低影响着其它类行为投入,体现了学生对于课堂规则和教师要求的认知和接受程度,可将其分为:登陆平台、资源访问、作业提交三个方面。
“交互”指的是学习者之间、学习者与教师、学习者与内容之间发生的互动、协作而追求自身发展的过程。[11]随着远程教育和在线教育的崛起,专家学者对于“交互”内涵的研究拓展至网络教学系统中,探究“交互”行为在现代教育技术领域的重要作用。“交互”是大学生在线课程学习中不可或缺的行为表现,能够有效弥补线上面对面教学不足的局面,培养大学生之间的相互协作能力,提升学生在线学习参与度和兴趣,可以将其分为:师生交互、生生交互、内容交互、主动交互四个方面。
“专注”体现着学生在知识建构过程中的注意力集中程度,也反映着学生的努力程度。具体来说,专注度高的学生能够自觉屏蔽掉外界杂乱的影响因素,将全部注意力集中在学习内容和任务上,并长时间保持不变,如“废寝忘食”“目不转睛”都是形容高度专注的表现。随着在线学习模式的普及,移动设备、互联网等给人们带来便捷的同时,也带来了网络虚拟世界的干扰,学习者疲于应付、学习专注程度不高导致在线学习行为投入严重不足,很大程度上影响了学习者的学习绩效。通过对“专注”维度的测量,能够有效判断大学生在线行为投入的表现,在一定程度上能够预测大学生在线学习效果,从而可以将其分为平均登陆时间、优秀作业数、发帖质量三个方面。
“坚持”指的是学习者为了完成学习任务或者目标在长时间内表现出来的持续性的努力,[12]在线上学习中,“坚持”主要体现在学生对问题解决的孜孜不倦以及作业提交时是否已经完成,可以用“追问问题次数”和“作业完成次数”两个二级维度表示,它体现了学习者在较长的时间维度上的持续性精力与时间的投入,说明学习者不仅可以遵循和响应基本要求,还在任务中投入了更多的坚持和努力。
(二)在线学习行为投入模型指标分析
为了准确描述学习者在线行为投入情况,在对学生学习行为特征分析之前,需要确定在线学习行为投入各个维度的指标。本研究结合前人的研究基础上,基于云课堂平台的实际功能特点,对在线行为投入的四个维度指标进行了划分。其中在“专注”维度中,发帖质量是衡量行为投入的重要指标,主要包含发帖的结构、发帖的相关性、发帖的字数等。本研究将发帖的字数代表发帖的质量,发帖内容字数越多,发帖者投入的精力越多,发帖的质量越高。通过对在线行为投入指标进行测量,分析在线学习环境下大学生在线行为投入与学习效果之间的作用机制,并给予针对性的辅导和帮助,真正做到以学生为主体的教学目标。本次研究在线行为投入就包括参与、交互、专注、坚持四个维度,每个维度都包括若干个指标,每个指标皆具备不同的测量方式,如表1 所示。
表1 在线学习行为投入模型指标
(三)在线学习效果测量
根据之前的探究,结果显示:在线学习行为投入在一定程度上对学习者自身学习效果有着一定的影响。本研究学习效果是指大学生在网络平台上知识建构过程中所掌握的理论和实践综合能力提升程度。为了验证这一问题,需要对在线课程学习者学习绩效进行测量。本次研究关于学习绩效的判定,一共由两个部分组成,分别为理论成绩和实践成绩作为此次学习评价的指标,两项成绩满分均为一百分,为了保证学习绩效评价的真实性和有效性,本次成绩打分均由校内资深的专业教师完成并监督实施。
四、展开实验
(一)研究概况
本研究是以某大学2019 级教育技术学专业的32 名大学生为研究对象,每个学生均具有在线课程学习的经历。研究选取教育技术学专业必修课“摄影基础”作为此次实验的案例课程,实验时间为期8 周,以大学生在智慧云课堂中的四个维度的学习行为表现为数据来源,以探究大学生在线行为投入和学习效果的整体表现情况以及在线学习行为投入各个指标对学习绩效的影响作用,来明确影响大学生在线学习效果的具体因素是什么以及影响因素对学习效果起到何种程度的影响,以此因地制宜解决问题,达到提高学生在线学习绩效的目标。
(二)数据收集
研究案例所采用的在线学习平台是某大学的智慧教室云课堂平台,该平台配备了先进的在线学习管理系统,以满足不同学习方式的需要,智能学习行为数据采集系统能够将大学生在线学习活动数据进行采集和分析,完全满足本次应用研究的需求。本次研究收集的数据包括两个部分。第一部分为学习者在线课程中行为数据,这一部分的数据主要是在云课堂上进行采集的。第二部分为学生成绩,分为理论成绩和实践成绩。理论成绩根据学生提交的作业情况由专家教师进行评定给分,实践成绩是根据学习者作品质量的高低进行评定。
(三)数据分析
1.在线行为投入基本情况分析
根据对在线行为投入描述性统计分析,如表2 所示。在“参与”维度中,大学生的平台登陆次数和资源访问次数范围较大,其中资源访问次数最大可达130 次,最小达21 次,标准差28.44,学生的学习整体参与存在很大差异;资源访问次数和平台登陆次数的平均数分别为58.41 次和30.72次,两者存在一定的相关,学生登陆一次在线学习平台,平均要查看两次学习资源;学生作业提交数平均值达10.86 次,标准差为3.93,且大部分的作业提交数多集中在9 次以上,说明大部分学生能够完成任务要求,但是不能说明作业完成质量情况。
表2 在线行为投入的描述性统计分析
在“交互”维度中,分别有回复教师帖子数、回复同伴帖子数、上传资源数、创建主题贴数。其中学生回复同伴帖子、上传资源帖子和创建主题帖子的数量最低值均为0 次,学生回复教师帖子数最低为1 次。学生回复教师帖子数范围为1~13个,平均值为5.22 个,标准差为3.38 个;学生回复同伴帖子数范围为0~16 个,平均值为5.19 个,标准差为4.68;学生上传资源数为0~7 个,平均值为2.19 个,标准差2.07;学生创建主题帖子数范围为0~8 个,平均值为3.03 个,标准差为2.67。上述研究的数据结果表明,学生在线“交互”行为投入表现较差,资源交互和创建主题贴数均值都较低,学生学习的主动性、积极性有待提高,同时个别同学对在线学习交互认识不清,不善于与师生同伴在线交互协作。
在“专注”维度中,指标内容分别包括学生在线平均时间、优秀作业数量、发帖质量,其中发帖质量用帖子的字体数量为单位表示,帖子字数越多,代表帖子质量越好。其中,各个学生在平台的平均时间范围为22~55 分钟,平均值为33.81 分钟,标准差为6.89;优秀作业数量范围为2~12个,平均值为8.25,标准差为3.40;发帖质量也就是发帖字数范围为23 ~1090 个字,平均值为301.44,标准差为305.08。上述研究结果表明,学生在学习平台的平均时间处于较低的层次,在平台学习的持续专注程度较低。同时学生优秀作业质量平均达到8 个,最高为12 个,学生普遍重视作业完成的质量,在完成作业的过程中专注度较高。最后,学生发帖质量的平均值虽然较高,但是标准差值较大,学生发帖的专注度参差不齐,有的帖子只是短短几个字,比如“谢谢分享”“很棒”等词汇。从总体看,大学生在线行为投入专注程度一般,如何提升学生在线学习专注度、有效避免外界因素的干扰有待研究。
在“坚持”维度中,指标内容分别包括学生追问问题次数和作业完成次数。其中学生追问问题次数最小值为0 次,最大值为11 次,平均值3 次,标准差为2.73;学生作业完成次数最小值2 次,最大值为18 次,平均值为9.28 次,标准差为4.03。通过上述基本情况显示,大多数学生追问问题的次数小于5,且平均值较低,表明学生对某个问题的解决处于较低的水平。同时学生作业完成程度普遍较好,平均值处于中上等水平,说明学生能在一定程度上把作业任务完成。
在学习效果中,一共分为理论成绩和实践成绩两项指标作为本次评价学生在线学习绩效的依据。在理论成绩中,学生的成绩最高值为96 分,最低值为69 分,平均值为85.41 分,标准差为7.64;在实践成绩中,学生的成绩最高值为96 分,最低�值为76 分,平均值为87.31 分,标准差为5.62;上述数据表明:学生在线学习成绩不管在理论层面还是实践层面均较为可观,且实践成绩大于理论成绩,较高的学习成绩也印证了学习效果的良好。
2.在线行为投入对学习效果影响分析
本研究对大学生在线学习行为统计数据进行梳理后,将在线行为投入指标作为本次分析的自变量,将大学生的理论成绩和实践成绩作为因变量,利用SPSS25.0 工具进行多元线性回归分析,其中自变量VIF 值小于5,说明自变量之间不存在共线性,可以进行分析。根据回归分析得出的结果,如表3 所示。在“参与”维度中,学生登陆平台次数的回归系数具有显著性,是影响学习理论成绩和实践成绩的主要因素,标准化回归系数分别为0.614 和0.803;在“交互”维度中,学生回复教师帖子数和上传资源数的回归系数均具有显著性,其中两者是影响学生理论成绩的主要因素,标准化回归系数分别为0.449 和0.299,而实践成绩的主要影响因素是上传资源数量,其标准化回归系数为0.440;在“专注”维度中,优秀作业数量和发帖质量均对学生理论成绩有显著性影响,其标准化回归系数分别为0.682 和0.328,且优秀作业数量对其影响作用更大。发帖质量同时对学生实践成绩具有显著性影响。在“坚持”维度中,追问问题次数和完成作业次数对大学生的理论成绩和实践成绩均具有显著性影响,且对理论成绩的影响显著性水平较高,其标准化回归系数分别为0.360和0.654。
表3 在线行为投入与学习效果的线性回归分析结果
(四)研究结论
1.学生参与行为普遍存在浅层的投入
通过对在线学习行为投入基本情况表和在线行为投入对学习效果影响的分析,在参与维度各个指标中普遍存在浅层的行为投入现象。其中学生登陆平台次数以及访问资源次数行为投入差异较大,学习者倾向于参与基本的在线学习活动,学生作业提交数量虽然差异较小,但根据分析结果表明,学生提交作业的数量与学习效果不能呈现显著的正相关关系。研究还发现,学生登陆学习平台次数均与学生成绩呈显著正相关关系。据此可以推断,当学生的登陆学习平台次数越多时,学生学习效果越佳,学生的理论成绩和实践成绩均有所提升。这一研究结果与已有的研究结论基本一致,如吴绍靖学者通过调查中小学教师网络学习行为对学习效果的影响时就发现,中小学教师在登陆平台的次数是影响学习效果的重要因素之一。[13]此外研究还发现,大学生资源访问次数与作业提交数量均不能对提升学习效果有显著影响关系,造成该结果的原因可能有以下两个方面:一方面在线学习平台提供的资源较少,内容不精,较难引起学生学习的兴趣;另一方面,学生作业任务量较高,导致学生作业压力大,学生疲于应付,对知识的建构效果不佳。
2.交互投入可有效提升学习绩效
根据对平台记录的数据提取和分析,在线行为投入交互维度中学习者回复教师帖子数对学生理论成绩有显著影响,上传资源数对理论和实践成绩均具有显著影响。因此可以推断,当大学生在学习平台上与教师的讨论越多,学生的理论成绩就越高;当大学生在学习平台上传资源越多,对学生的理论成绩和实践成绩均有显著提升。同时已有研究也指出:多样化在线学习交互方式给学习者提供了更多更好的机会融入社会交互。[14]如果学习者的人际交互投入越大,其社会发展能力和学习绩效均有所提升。[15]然后从大学生在线行为投入基本情况表可得知,学习者回复同伴帖子数量和自己创建主题贴数较少,同时从线性回归分析可得知两种行为投入指标与学习成绩没有相关关系,可以看出学习者整体参与交互程度较低,投入的无效行为比例较大,缺少与同伴之间的协作交流以及自身对问题的思考,对学习绩效的提高没有过多的帮助。造成这种结果的原因可能是:一方面大学生过于看重和老师的交互与成绩挂钩,从而忽视与同伴的交互协作;另一方面大学生在学习中习惯于传统的被动学习,缺乏自主思考和探究问题的习惯。
3.提高学习效果的核心在于提升学习者的学习品质
通过对“专注”和“坚持”维度中各个指标与学习效果线性回归分析研究,发现“专注”维度中学习者优秀作业数量和发帖质量对大学生理论成绩有显著影响,发帖质量对学生实践成绩有显著影响;“坚持”维度中各个二级指标均对大学生的理论成绩和实践成绩有显著性影响。据此可以推断,当学生优秀作业数量越多和发帖质量越高时,学生理论成绩越好;当学生发帖质量越高时,学生的实践得分也会越高;当大学生追问问题次数和完成作业次数越多时,学生的理论成绩和实践成绩会越高。研究表明:学习者的积极性、作业效率、挑战难题的意愿和反思性等学习品质方面的指标与学业成绩呈现强相关性,说明提高学业成绩的核心在于提升学习者学习品质(如坚持、专注、反思等)等非专业方面的素质。[16]
五、结语
目前在线学习依然是大学生采取的主要学习方式,探索在线学习行为投入表现以及与学生学习效果的关系成为研究者关注的焦点。本研究基于相关文献构建了在线行为投入指标分析模型,并通过实验研究总结了大学生在线行为投入表现以及学习效果,并运用SPSS 工具分析了在线行为投入各个指标与学习绩效之间的关系。研究表明参加此次研究的大学生在线行为投入表现一般,但学习效果较为可观,在线行为投入维度中一些指标对大学生的学习绩效具有显著影响;然而,在线学习普遍存在无效的行为投入,对学习效果的提升作用有限,造成该结果的原因可能是受到样本数量、案例课程和研究期限等因素的影响,因此,在后续的研究中应扩大样本容量,延长研究时间,并选择不同课程作为研究案例,采用路径分析等方法,深入探究在线行为投入模型各指标与学习效果之间的因果关系和强度。