“互联网 + ”环境下高职生深度学习能力影响因素及模型建构研究

摘要：计算机技术和网络技术的发展，促进了“互联网+”的诞生，实现了互联网与各行各业的结合。互联网和各个不同行业的结合，“互联网+”的诞生就是由于网络技术和计算机技术的快速发展。学习也因为信息技术的普及和发展变得更高效便捷，深度学习是各国教育改革的重要目标，教育效率可以因此提升，这是教育发展在“互联网+”环境下的重要原因。知识迁移和能力培养这两个维度是深度学习划分出来的小分类，高职生深度学习能力影响因素本文使用了AMOS软件来建构结构方程模型进行探究，有效提升高职生深度学习能力。本文，作者结合工作实践对深度学习影响因素及模型建构进行研究探索。

关键词：深度学习;“互联网 + ”环境; 知识迁移;能力培养

当前国内各行各业都被“互联网 + ”这一种新型生产力改变着，优化创新各行业，经济社会的各个领域也因此改变。教育服务新模式的发展就根据互联网来进行，要培养人才的新模式要在“互联网 + ”环境下构建。现在学生的部分学习活动都还是浅层学习，没有进入深度学习有效，高职生的认知无法应用到实际，就是因为“互联网 + ”环境中大量的都是碎片化知识。培养学生的深度理解复杂概念能力、深度加工知识信息能力、建构每个人的认知体系、迁移运用到解决现实问题上等一系列深度学习能力，才是“互联网 + ”教育的本质和目的。本文根据收集的信息来构建深度学习能力影响因素模型并以解决学生学习中遇到的实际问题为主要宗旨，所以探究“互联网 + ”环境高职生深度学习的影响因素具有很大价值。

一、深度学习及深度学习能力的内涵

美国学者Ference Matron和Roger Salgo提出了深度学习，是学生记住所读文章所提的事实这一阅读策略，这是他们对比研究学生在阅读课堂中的表现所得出的。浅层学习是只关注文章中的哪些内容会在考试中考到，深度学习是整篇的文章思想被理解透彻，领会意思。想要获得新内容或技能是要学习者经过加工或多水平分析学习才能算拥有深度学习能力。这种能力也是对理解学习材料的能力，可用知识解决现实中的复杂问题，把知识结构和单个信息相结合，运用整合资源、交流思想等多样化的学习策略。

二、 研究的意义

相关的信息技术手段可以被“互联网+”环境下的学生利用到学习资源获取上，合作学习和自主式学习可以在信息化学习的开发环境下更加便利开展。但是问题也随着大量的学习资源和广泛使用网络以及拓展学生知识宽度和丰富信息时产生。学生可以在网络上获得很多资源，但是大量的碎片化资源不能让学生深入思考，只是简单学习、浅层学习，这些学习信息不能激发学生的高级思维，缺少提炼总结，学习效果不能达到最好。对于知识的理解才是深度学习，简单运用和机械的记忆并不是深度学习，可以整合大量的知识，灵活运用所构建的知识系统，新的问题可以快速做出决策解决，这是深度学习要学习者所做到的。提升高职学生的学习效果，证明影响高职学生深度学习能力的因素这一研究是很有必要的。

（一）为在“互联网+”环境下利用信息技术培养学生深度学习能力的课程改革研究提供依据

信息技术是现在教育发展的主要因素，很多信息技术都被引入到了现在大部分的课程教学中，积极变革教育是否能朝着未来社会发展的依据，就是能把更多的教育教学领域中应用上信息技术。为了让高职学生深度学习，提供深度学习工具，设计多元化的学习活动，设计教学资源，展示学习成果都是教师们利用信息技术所做的改变，可以让高职生的学习方法和知识技能在全面提高，有效的在网络环境下进行学习。

（二）为进一步促进高职学生深度学习能力的研究做参考

现在的企业对于人才的要求更多也更高，社会大环境在智慧化、数字化、程序化，人才也除了专业技能和基础知识之外，还要掌握更多知识技能，灵活掌握运用，兼具创造性和主动性。怎么帮助他们提高学习能力，实现深度学习这个目的，就要分析学习者的思维方式和学习方法，解决高职学生在“互联网+”环境下深度学习过程中所存在的问题。

三、“互联网+”环境下影响高职学生深度学习能力的因素分析

重点是分析影响学生进行深度学习的原因，才能让高职学生深度学习的能力得到提升。本文经过文献、访谈和问卷调查来对影响高职学生深度学习能力的原因进行研究调查，分析后可以得到下面几点因素：

（一）学习能力和方式因素

学习能力和方式调查主要针对学生在网络环境下进行信息搜索、网络学习情况以及是否有使用网络工具记录学习等因素进行分析。高职生是否使用网络来搜索信息，网络上的网课进行学习，还有用网络工具来记录学习进度问题等因素都是学习能力和方式主要调查的方向。现在人们都可以通过网络来快速获取大量的学习资源和信息，学习和生活已经和网络分不开了。但是目前大多数学校的教育方式还是传统的授课模式，完成老师布置的纸质作业或者电子作业，本文访谈和问卷调查后大部分学生还是以这样的模式学习，信息化教学虽然被引入到了学校的专业中，但是使用网络来获得学习资源进行学习概率不高，深度学习无法进行。大部分的网络时间都被高职生用在了看视频、新闻、玩游戏等。还有的学生在网络上搜索学习资源的时候并不能得到准确的信息，这也说明学生网络搜索能力薄弱及获取准确信息的能力匮乏。

（二）深度學习认知情况

深度学习认知情况调查更多的是针对学生在网络环境下进行深度学习能力的考查。在网络环境下高职生进行深度学习的能力是深度认知情况调查。学习知识时自己的理解是否可以和别的学生进行交流，学习新知识后能不能联系以往学过的知识进行深层次学习，这些都是影响深度学习的因素。

我们再次对理工科专业的学生进行调查发现，学习成绩比较好的学生深度学习能力也较好;且在深度学习能力上表现主动性强、学习意愿较高。

（三）信息素养能力

深度学习能力和信息素养能力之间的关系是这部分调查的重点，通过问卷问题确定原因。主要针对信息素养能力情况的问题有：能不能在网上搜索信息时遇到问题及时调整搜索方法和灵活改变策略，新的观点是否用实践或者观察实验的方式验证，连贯的建构性理论是不是能用工具组织零散的内容来形成，有意识的在搜索信息时进行有效甄别。在此项调查中学生的表现出乎意料，有很大的差异，无方法学习，不主动学习，缺乏实践，全面分析能力都是存在的问题。怎么使用网络中的学习工具有些学生完全都不知道，也有的学生知道并且想在网络上保存下载学习资源来学习，但是搜索得到的学习资源都没有价值，甄别数据能力较弱。不知道的学生不使用，知道的学生不会用，较少学生可以内化为自己的知识。

四、研究假设与模型构建

以上影响因素，分析研究后做出以下假设：

A1：深度学习中知识迁移被学习动机显著正向影响;

A2：深度学习中力培养被学习投入显著正向影响;

A3：深度学习中知识迁移被学习反思显著正向影响;

A4：深度学习中知识迁移被学习活动显著正向影响;

A5：深度学习中能力培养被合作学习显著正向影响;

A6：深度学习中知识迁移被合作学习显著正向影响;

A7：深度学习中能力培养被学习评估显著正向影响;

A8：深度学习中知识迁移被学习资源显著正向影响。

“互联网+”环境深度学习影响因素模型根据以上假设构建而成。学习动机、学习活动、合作学习、学习投入、学习反思、学习资源和评估7个方面这是该模型中的外源潜变量;知识迁移和能力培养2个方面是内生潜变量。

五、研究过程

（一）设计调查问卷

采用李克特五点量表形式来进行问卷的两部分调查，一共9个维度。经过调查问卷收集的数据，验证使用结构方程模型，确定“互联网+”环境深度学习影响因素模型是否具有合理性。调查问卷参考卢峰、马红亮、吕巾娇、王振宏、陈佑清等学者的研究内容，结合SOLO分类评价发和NSSE CHINA问卷，学习动机、学习投入、学习反思、学习活动、合作学习、学习资源、学习评估这些都进行分别编制，这是深度学习的影响因素的第一部分。深度学习的3道知识迁移题目和6道能力培养题目这几道题改编自R2FSPQ量表中的深度学习部分，深度学习的知识迁移和能力培养这是问卷的第二部分。

（二）问卷调查实施

此项调查问卷发放是用网络发放和线下发放方式同时进行的，共250份，收回240份，无效问卷28份。

（三）分析调查问卷的信息有效度

调查问卷的信息有效度分析使用SPSS20进行分析，检验克隆巴赫a值。调查问卷的信息有效度都在0.8以上，效度较高。

（四）建构结构方程模型

“互联网+”环境深度学习影响因素模型的建立，模型的拟合，模型评价、修正模型操作都是使用AMOS20软件进行假设的验证。规范拟合指数、递增拟合指数、卡方自由度比、比较拟合指数、Tucker Lewis指数、拟合优度指数和近似误差均方根等指标都是研究中所使用的指标，指数小于3是卡方自由度比的最优值，小于0.05是近似误差均方根的最优指数，规范拟合指数、拟合优度指数、比较拟合指数、Tucker Lewis指数、递增拟合指数都是大于0.90才是最优指数。擬合的模型必须要修正后指标都达到标准才算理想模型。

根据相应的P值和各变量的路径系数来进行以下假设。第一个不成立假设是：显著水平没有到达的是深度学习中的知识迁移被学习动机正向影响，P值0.234，大于0.05，路径系数是-0.103。第二个不成立假设是：显著水平没有到达的是深度学习中的知识迁移被学习活动正向影响，P值0.122，大于0.05，路径系数是-0.126。第三个不成立假设是：显著水平没有到达的是深度学习中的知识迁移被合作学习正向影响，P值0.169，大于0.05，路径系数是-0.139。对于知识迁移方面没有产生显著影响是合作学习、学习动机、活动路径系数没有达到显著水平;对于知识迁移方面有显著正向影响是学习资源和学习反思的路径系数达到显著水平。对能力培养产生显著正向影响是学习投入、评估、合作学习在能力培养方面的路径系数都达到显著水平。根据以上结果我们删除了假设的A1、A4、A6，“互联网 +”环境深度学习影响因素模型的最终架构如图1所示。

六、研究结论

研究深度学习的学者在研究深度学习影响因素时都是将之看作一个整体的。时代变迁后互联网+环境下的深度学习就已融入了新的含义，早期研究时，学生对知识的深层理解，对迁移和运用知识来解决复杂问题就是深度学习，但是随着时代的进步，深度学习就不止于此了，自我认知、人际这方面的能力都是深度学习扩展的学习结果，表现在学生主动学习，解决复杂的问题。

在这个基础上，知识迁移和能力培养两个层面是“互联网+”环境下的深度学习所划分的，学生理解知识，主动分析，原有的认知结构融入新的知识，这是知识迁移，实际中遇到的复杂问题也可以迁移运用解决。我们想要更加仔细深入的探索影响深度学习知识迁移和能力培养的因素就可以构建一个影响因素模型来分析研究，可以更有效培养学生团结协作、创新思维等深度学习的能力。

作者单位：王璐    珠海城市职业技术学院

参  考  文  献

[1] 肖英. 浅谈互联网+环境下影响高职学生深度学习能力的因素[J]. 电脑知识与技术，2018，14（19）：156-158.

[2] 王娟，李涵，李卓珂. “互联网+”环境下大学生深度学习影响因素及模型建构研究[J]. 终身教育研究，2020，31（4）：44-54.

[3] 谷云华，刘燕婷，孔洁. “互联网+”背景下高职学生课程学习能动性研究[J]. 对外经贸，2019（6）：147-149.

[4] 赵巾帼，罗庆云. 网络环境下大学生自主学习能力模式构建探析--应用型本科院校示范研究成果报告[J]. 无线互联科技，2015（3）：28-29.

[5] 俞冬梅. 互联网+环境下的“深度学习”实践研究[J]. 甘肃教育，2019（3）：75.

[6] 钱薇旭，伊亮亮，马芳，等. 信息技术课程深度学习影响因素研究——以”信息可信度评估”学习内容为例[J]. 中国电化教育，2018（11）：87-93.

[7] 刘哲雨，郝晓鑫. 深度学习的评价模式研究[J]. 现代教育术，2017，27（4）：12-18.

[8] 丁连地. 护理硕士研究生在线深度学习现状及其影响因素研究[D]. 吉林：延边大学，2021.