疫情背景下大学生线上学习效果的影响因子分析

巢文 钱晓涛

摘要：疫情背景下，线上教学成为各个高校落实“停课不停学”的主要途径。文章通过发放问卷的形式，运用因子分析法对问卷数据进行处理，归纳出大学生线上学习效果的四类影响因子，分别是学生投入度、考核与互动、平台体验和教师投入度，并针对上述因素提出了有关提升大学生线上学习效果的建议。

关键词：因子分析;线上学习;问卷调查

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2022）19-0017-03

1 引言

面对突如其来的疫情，线上教学已成为各个学校落实“停课不停学”的主要方式。探究大学生线上学习效果的影响因素，不仅能了解大学生线上学习情况，还能为高校教师调整教学行为提供可行的思路，具有重要的现实意义。目前，关于大学生学习效果影响因素的文献主要集中在线下学习方面，如李强和卢尧选[1]从社会学的综合性视角出发，提出了影响学习成绩和学习能力的四个维度。文静[2]通过调查问卷分析得出，全面提升大学生学习满意度可以归结为结构式路径和过程式路径两方面。但需要注意的是，线上教学会出现学生注意力容易分散，学习容易受网络及学习环境的影响、在线交流不深入等问题[3]。因此线上教学不能全盘照搬线下教学的模式。现有线上学习效果的研究主要侧重于理论方面的探讨[4-5]，缺少实证分析。为了更全面地了解大学生线上学习效果的主要影响因素，本文采用因子分析法萃取具有共性的因子作为公因子，建立线上学习影响因子的评价体系。

2 数据来源与研究方法

2.1样本选择与变量设定

针对福州地区的五所高校的经济管理类学生进行抽样调查，总共发放问卷95份，收回有效问卷90份，问卷有效率为94.7%。根据研究的目的，问卷设计分为两部分，第一部分是对被调查者的基本情况进行了解。第二部分是基于研究大学生线上学习效果的影响因素所设计的测度指标，共有10个测量题项（见表1）。采用李克特五级计分衡量法和陈述句形式，根据大学生对测量指标的认同度分为“非常不认同”“比较不认同”“一般”“比较认同”“非常认同”，以数字“1”“2”“3”“4”“5”进行代替，题量得分越高代表该学生认为该因素越重要。

2.2 研究方法

因子分析法是一项用来找出多元变量的本质结构，并进行降维处理的技术，因而能够将具有错综复杂关系的变量综合为少数几个核心因子，使关键因子清晰地显示在观察者面前。因子分析的一般步骤如下：（1）将原始数据进行初步标准化处理;（2）采用KMO检验和巴特利特（Bartlett）球形检验，判断数据是否适合做因子分析;（3）计算因子的特征值和方差累积贡献率，并按一定标准确定提取因子个数;（4）考察因子的可解释性，必要时进行旋转，得到最佳解释方式;（5）如有必要，计算各个因子得分和综合得分进行排序分析。

3 线上学习效果的因子分析

3.1因子分析

为保证数据的可靠性和有效性，本研究采用SPSS23.0软件，对数据进行KMO和Bartlett球形检验，以判断是否适合做因子分析。一般KMO的值越接近1，越适合做因子分析。由表2可知，KMO值为0.712，Bartlett检验统计量的观测值为201.078，显著性为0.000，小于0.05，说明数据适合做因子分析。

运用主成分方法进行因子的提取、特征值、贡献率及累积贡献率的计算。如表3所示，提取特征值大于1的四个公因子，累积贡献率达到69.088%，说明这四个公因子足够表达原始数据所蕴含的信息。把提取的四个公因子分别用F1、F2 、F3和F4表示。同时，通过碎石图（图1）确认因子个数。图中曲线从第5个因子开始变得逐渐平缓，因此取4个因子较为适合。

根据旋转后的因子载荷矩阵，获得主成分因子的相关指标。如表4所示，可以看出因子F1對X1、X2、X3 、X4、X5有较大载荷，反映了学生积极参与线上讨论、及时完成作业和自主进行课前预习和课后复习的情况，可以命名为学生投入度因子;因子F2对X7和X8有较大载荷，主要反映了教师线上提问、教师考核学生等情况，可将其命名为考核与互动因子;因子F3对X9和X10有较大载荷，代表了线上教学平台的使用情况，可以称为平台体验因子;因子F4对X6有较大载荷，代表教师为了集中学生注意力，进行视频和案例的穿插讲解，可命名为教师投入度因子。

根据因子得分系数矩阵（表5），得出四个公因子的计算模型，再由此可以计算出学生在线学习效果的综合得分（记为F），综合得分是根据各个因子的贡献率进行加权求和，即为：

[F=27.07569.088F1+16.87669.088F2+13.61269.088F3+11.53469.088F4]

根据以上公式可以计算对各个学生的综合得分情况。由于统计数据较多，无法逐一罗列，因此在表6中仅列出排名前10名的学生得分情况。

3.2 结果分析

由表6因子得分、综合得分以及排名可以看出：

从得分和排名可以发现，综合得分排在第1名的学生，在学生投入度、平台体验两个因子方面得分都比较靠前，但教师投入度方面排在第9位。学生投入度因子F1方面，学号为77的男生得分最高，分值接近2，而学号为40的男生得分最低，分值接近-0.5，线上投入度较少。该因子下的排名与综合得分下的排名一致，说明学生自身的投入度是影响线上学习效果的最重要因子。考核与互动因子F2方面，最高得分为正数，接近2，得分最低的依然是负数。与因子F1相较，互动与考核因子的分值超过1的有8个学生，说明教师经常性地基于学习任务的线上小测和互动有助于提高学生的注意力。平台体验因子F3方面，得分最高的超过2，最低的接近-0.1。该因子下，排在前两名的都是男生，说明男生在平台的应用能力方面要优于女生。相较于其他因子，教师投入度因子F4的得分总体偏低，最高得分只有1.18，说明教师在线上的投入程度略显不足。

4 结论与对策建议

本文采用因子分析法探究了影响大学生线上学习效果的关键因素，通过主成分提取因子法将影响线上学习效果的因素分为四个类别，分别是学生投入度因子、考核与互动因子、平台体验因子和教师投入度因子。针对以上研究结论，提出相应的对策建议：

（1）提高学生自主学习意识。与传统的线下教学不同，线上教学中学生的行为和学习进度不受教师控制，很容易受外界影响，因此其自我管理能力显得尤为重要。鉴于此，高校可以开展思想教育讲座，一方面改善大学生线上学习的态度，提高线上学习主动性和参与性。如课前提前预习，课上主动提问，课后勤于复习。另一方面，激励具有自律能力的学生保持此水平继续学习。

（2）探索多元化的考核与互动方式。教师在教学中除了采用课堂提问、随堂测试等方式外，还可以采用互动式、探讨式的教学方式调动学生学习的积极性。比如采用小組讨论的方式，提高学生投入的积极性。

（3）加强在线平台的维护和管理。面对众多的线上教学平台，很多老师由于对平台功能了解不足，操作不熟练，导致浪费大量时间和精力在软件的调试上，降低了教学时间的有效性。因此，高校在开课前要组织教师对平台进行培训，从而能尽快熟悉在线平台的各类操作。最后，高校的管理部门要做好后勤保障工作，比如为网络学习有困难的学生提供解决方案，为需要录播的教师提供录播场地和辅助设备。

（4）创新教学方式。要唤醒学生的自主学习性，兴趣是重要的内在驱动力。线上教学由于教师无法跟学生面对面，很难捕捉到学生的情绪，如果还沿用线下填鸭式的教学方法，必然很难调动学生的学习积极性。因此，特殊时期教师要灵活选择讲授方法，创新教学方式。比如准备更多鲜活的案例穿插在课程当中调动学生求知欲，还可以让学生分享视频音频等方法促进学生参与。

参考文献：

[1] 李强，卢尧选.学生学习成绩和学习能力影响因素之研究——四个维度的分析框架初探[J].西北师大学报（社会科学版），2019，56（3）：5-14.

[2] 文静.大学生学习满意度的提升路径及优化方略[J].国家教育行政学院学报，2019（8）：58-65.

[3] 沈宏兴，郝大魁，江婧婧.“停课不停学”时期在线教学实践与疫后在线教学改革的思考——以上海交通大学为例[J].现代教育技术，2020，30（5）：11-18.

[4] 吴青，罗儒国.基于在线学习行为的学习成绩预测及教学反思[J].现代教育技术，2017，27（6）：18-24.

[5] 余胜泉，王慧敏.如何在疫情等极端环境下更好地组织在线学习[J].中国电化教育，2020（5）：6-14，33.

收稿日期：2021-09-22

基金项目：国家自然科学基金项目（11871152）;福建省自然科学基金项目（2021J01330）;福建工程学院本科教改项目（jg2021023）。

作者简介：巢文（1988—），女，博士，讲师，研究方向：风险管理与资产定价;钱晓涛（1984—），男，博士，副教授，研究方向：随机过程与非线性分析。