大学生在线学习策略量表编制

张婷婷，项尖卓玛，郭远

1.青海民族大学师范学院，青海，西宁，810007；2.青海民族大学民族学与社会学学院，青海，西宁，810007

0 引言

在线学习策略，即在网络环境下，学习者根据自身特点，针对不同的学习目标和情境，选择应用一定的学习方法和技能展开学习过程，自觉对学习进程进行控制和评价，并得到相应的学习成效[1]。随着我国在线教育的快速发展，在线学习成为大学生追捧的一种重要学习方式。但是学术界对于在线教育的看法一直存在争议，有两种不同的价值取向和教育主张。一种认为以课堂面对面教学为主的传统教学体制，有其内在的合理性与必要性，反对进行以技术为引领的“激进”的教育变革，主张恢复“好的”课堂教学。另一种认为现有的教育教学体制，已不能适应时代发展需要，必须借助在线教育的引入，促进变革的发生，加快教育教学的现代化转型，即使暂时付出某些代价（如卷面考试分数下降）也在所不惜[2]。在线学习策略作为在线教育的重要组成部分，影响着在线高等教育的发展和大学生在线学习的成效，成为学术界热议话题之一。

目前关于大学生学习策略的测量工具，主要分为两种模式，即传统教育模式和在线教育模式下的大学生学习策略量表，而以往的测量工具存在以下不足。

（1）研究适用问题。部分研究使用国外量表对我国学生进行学习策略的测量，其是否符合我国大学生的实际学习特点值得商榷。

（2）与时俱进问题。部分研究使用2010年前编制的量表测量信息时代大学生的学习策略，其是否符合我国信息时代大学生学习的特点有待考证。

（3）研究范围问题。部分研究关注远程学习者中的在职成人，而较少研究大学生。

为避免上述问题，本文基于前人研究，编制了一份适用于我国信息时代大学生在线学习策略的量表，以解决大学生在线学习中对学习策略评估的迫切需要。

1 研究设计

1.1 量表编制

在以往的研究[3-8]基础上，结合我国大学生在线学习的特点，根据迈克卡对学习策略的分类编制出76个题项的大学生在线学习策略量表，问卷采用李克特5点计分法，计1～5分。整个问卷得分越高，表示学习者的在线学习策略使用水平越高。

1.2 研究对象

本研究通过问卷向在线学习的大学生发放问卷。发放问卷357份，有效问卷为316份，有效问卷回收率约为88.52%。

2 量表分析

2.1 项目分析

根据被试者的作答情况，采用极端值法对数据进行项目分析。先分别按照各分量表的分析项求和，进而按照各分量表的总分进行高低排序，选前27%为高分组，后27%为低分组，并使用独立样本T检验去对比高低两组的差异情况。项目分析结果显示各分量表与其项目之间均呈现出0.001水平的显著性。结果表明76个项目均具有良好的区分性，不需要删除分析项。

2.2 探索性因素分析

经过探索性因素分析后，三个分量表分别删除3个、3个和9个项目，所得三个分量表的KMO值分别为0.95、0.96和0.96，Bartlett球形度检验的P值处于0.00显著水平，表明删除15个项目后问卷仍适合进行探索性因素分析。

根据迈克卡对学习策略的分类和各因子的特征，对所提取的10个因子进行命名，认知策略分量表的3个因子分别为精细加工、复述和组织策略；元认知策略分量表的3个因子分别为调节、监察和计划策略；资源管理策略分量表的4个因子分别为学业求助、时间管理、努力管理和学习环境管理策略。在认知策略分量表中，贡献排名分别为精细加工、复述和组织策略，即大学生在线学习中更多使用的是精细加工策略；在元认知策略分量表中，贡献排名分别为调节、监察和计划策略，即由于在线学习时师生时空分离，更需要大学生们使用调节和监察策略了解自己在线学习时的认知情况；在资源管理策略分量表中，贡献排名分别为学业求助、时间管理、努力管理和学习环境管理策略，即在线学习时需要大学生之间的合作交流，使他们更好地适应在线学习。认知分量表的3个因子旋转后累积方差解释率为68.76%，各因子载荷在0.54～0.81之间；元认知分量表的3个因子旋转后累积方差解释率为67.34%，各因子载荷在0.52～0.79之间；资源管理分量表的4个因子旋转后累积方差解释率为66.61%，各因子载荷在0.51～0.78之间。以上情况详见表1。

表1 各分量表各因子命名及载荷

2.3 信度分析

采用内部一致性系数进行信度分析。各维度的信度系数都在0.78～0.85之间，三个分量表的总体信度系数分别为0.86、0.86和0.83。问卷信度系数高于0.80，表明研究数据信度质量高[9]。

2.4 效度分析

（1）相关分析。对大学生在线学习策略量表的各维度与相应各量表之间的相关性以及三个分量表与总量表的相关性进行检验。认知策略分量表的各因子之间的相关性在0.70～0.76之间，各因子与认知策略总分之间的相关性在0.86～0.94之间。元认知策略分量表的各因子之间的相关性在0.72～0.83之间，各因子与元认知策略总分之间的相关性在0.87～0.96之间。资源管理策略分量表的各因子之间的相关性在0.67～0.78之间，各因子与资源管理策略总分之间的相关性在0.84～0.93之间。各分量表与总量表的相关系数分别为0.90、0.96和0.95，且各分量表之间的相关系数均小于各分量表与总量表之间的相关系数，说明效度良好。

（2）验证性因素分析。采用AMOS 24.0分析工具，运用CFA对量表进行分析。除元认知策略分量表的部分指数和总量表的决定适配值未达标外，本文构建模型中的其他指数均达到要求。元认知策略分量表中的CMIN/DF（3.49）在3～5之间，表示模型整体可以接受；RMSEA（0.09）在0.08～0.1之间，表示模型尚可，具有普遍适配性；元认知策略分量表的TLI值接近0.90（表2），故各项指标均达到可接受水平，说明模型与数据拟合较好，量表具有良好的结构效度[10]。

表2 结构效度拟合指标分析结果

3 结语

本文以迈克卡对学习策略的分类为基础，结合大学生在线学习的特点，基于前人研究，最终形成61个题项的大学生在线学习策略量表。采用内部一致性系数进行信度分析，结果显示认知策略、元认知策略和资源管理策略分量表的信度指数均大于0.80，说明各分量表的信度质量较高。采用相关分析和验证性因素分析进行效度分析，相关分析结果表明，不同维度和分量表之间存在着相对独立性；验证性因素分析结果显示，各分量表的模型与所对应数据拟合较好，量表具有良好的结构效度[11]。

由于受疫情影响和研究条件的限制，本研究仅依靠自己的社会关系通过网络发放问卷的方式进行调查，因此样本代表性会受到一定程度的影响。因此，在后续研究中，需要考虑加大样本量来进一步验证本量表的有效性。