分布式认知视域下大学生在线学习投入影响因素实证研究

李志河 王元臣

（山西师范大学 a.教育科学学院； b.山西教育发展研究院，山西 太原 030031）

一、问题的提出

在“互联网+教育”浪潮的推动下，在线教育获得了高速发展。据中国互联网络信息中心在2021年2月发布的第47次《中国互联网络发展状况统计报告》显示 ，截至2020年12月，我国在线教育网民使用率和手机在线教育网民使用率均达到34.60%，而在如此庞大的网民群体中，大学生是接受在线教育的主要受众和进行在线学习的重要群体[1]。在线学习因其自主性、灵活性和便捷性等特征，以及打破传统时空和地域界限的优势，成为学生群体的主要学习方式。学习投入被奉为“学习领域的圣杯”，提高学习者学习投入水平，是达成深度学习的目标和培养高阶思维能力的前提。本文旨在基于分布式认知理论的视角，回答以下三个问题：（1）哪些影响因素对大学生在线学习投入产生影响？（2）这些影响因素对大学生在线学习投入的影响程度如何？（3）怎样实现在线学习投入效果的最优化？

二、文献综述与研究假设

（一）分布式认知理论

20世纪80年代中后期，有学者提出了“分布式认知”这一概念，认为单纯考虑那些“人脑内部存在的东西”恐难以完整地解释人类的认知活动，还应考虑人工制品和社会环境在认知过程中所发挥的作用[2]。分布式认知是还原认知全貌和透视认知真相的认知范式。它是认知科学的新发展——既是个体看待认知现象的范式或视域，也是个体解决复杂问题的方法或策略。约翰.西利.布朗（John Seely Brown）等认为分布式认知是一种囊括了认知主体与认知环境的系统化的分析单元[3]，而认知就分布在个体内部、群体之间、制品中、媒介中、环境中、文化上和时间上。斯蒂法诺.布索林（Stefano Bussolon）指出分布式认知注重外部环境、社会情境和文化的必要性[4]。伊冯.罗杰斯（Yvonne Rogers）认为分布式认知致力于解释人类活动中的智力过程是如何突破“个体界限”的，并试图使用相同的表征概念，研究特定活动中的人人交互和人机交互[5]。

综上所述，分布式认知理论囊括了参与认知活动的全要素；认知不仅分布于个体内，还分布在个体间、制品中、环境中、社会中、文化上和时间上；分布式认知强调交流与共享，各要素之间相互依赖和相互影响。在线学习中，学习者在线学习投入不仅受到自身心理特点和性格特征等内部因素的影响，还会受到其他个体和环境等外部因素的制约。鉴于此，我们将参与个体认知过程的“表征媒介”概括为其他个体和外部环境。其中，其他个体指的是教师和同侪（学伴）；外部环境指的是网络环境、课程环境、交互环境和社会文化环境。分布式认知为在线学习投入影响因素的划分提供理论依据。

（二）在线学习投入

詹妮弗·A.弗雷德里克斯（Jennifer A.Fredricks）等将学习投入划分成行为投入、情感投入和认知投入三个维度[6]。在线学习投入是学习投入的下位概念，由于研究视域的不同，在线学习投入有着心理学和社会学两种研究取向。从心理学视域分析，在线学习投入包括行为投入、认知投入和情感投入，三者联系紧密、相互影响。从社会学视角审视，在线学习投入包括行为投入、社会性投入、认知投入和概念-效应性投入[7]。可见，学习投入是认识因素、情感因素、行为因素和交互因素四个方面的结合。鉴于此，我们将在线学习投入划分为认知投入、行为投入、情感投入、社会交互投入四个维度。其中，认知投入指的是学习者为实现学习目标所采用的学习方式、方法或策略，及其对整个学习过程的监控与调节；行为投入指的是学习者在学习过程中的外显性行为表现，是其他投入要素的重要载体与外在体现，具体表现为学习者投入的时间和精力、学习任务的复杂性和挑战性、学习者自身的专注程度与努力程度等；情感投入测量的是在线学习者的学习兴趣、学习热情和自我效能感等情感因素或体验；社会交互投入是指学习者与教师、同侪（学伴）、学习共同体之间的交互，主要体现在师生间的互动反馈、同伴间的协作学习、共同体内部的交流共享等方面。

（三）研究假设

分布式认知理论认为，认知主体的认知过程分布于个体之内、群体之间、制品及环境之中。因此，学习者的学习投入会受到来自个体因素和外部因素的影响。陈娜根据学习者的特征，从个体性和社会性两个维度划分学习投入[8]。威廉·库斯伯特森（William Cuthbertson）等认为个体性学习投入是指学习者的个体性活动，包括学习者付出的时间、态度、情感、知识的内化、思维的转变、经验的积累等，而社会性学习投入是指学习者与教师、学伴、环境之间的交互[9]。为此，我们提出研究假设。

H1：学习者因素与在线学习投入显著相关。

H2：教学者因素与在线学习投入显著相关。

H3：同侪因素与在线学习投入显著相关。

H4：环境因素与在线学习投入显著相关。

有学者认为教师的实际行为能够影响学生的学习投入[10]。也有学者认为教师与学生的关系、社会的发展，能够促进学生的学习投入；群体参与能够提升学生的集体感，对学生的学习产生积极的影响[11]。韩晓玲认为个体因素、人际关系、学习环境均对学生的行为投入、情感投入、认知投入产生影响[12]。为此，我们提出研究假设。

H5：学习者因素对在线学习投入有显著正向影响。

H6：教学者因素对在线学习投入有显著正向影响。

H7：同侪因素对在线学习投入有显著正向影响。

H8：环境因素对在线学习投入有显著正向影响。

三、研究设计与数据收集

（一）调查对象

本研究采用整群随机抽样的方法，从某高校2020—2021学年第一学期选修“现代教育技术应用”在线课程的24个班级中，抽取8个班级，共428名本科生作为施测对象。向其发放网络调查问卷，问卷的回收率为100%。问卷人口学统计结果显示：在被调查者中，男生有193人（45.09%），女生有235人（54.91%），其中，学前教育专业45人（10.51%)，小学教育专业70人（16.36%），数学与应用数学专业58人（13.55%），汉语言文学专业54人（12.62%），物理学专业60人（14.02%），化学专业52人（12.15%），生物科学专业50人（11.68%），地理科学专业39人（9.11%）。调查对象的年龄区间是19～23岁，平均年龄为21.68岁。被试群体的性别比例较合理，专业类别较全面，表明样本数据具有代表性。

（二）研究工具

1.在线学习投入影响因素调查问卷

调查问卷维度的划分以分布式认知理论为依据，其题项内容的设计主要来源于文献资料、访谈调查以及在线教与学实践等。该问卷主要包括学习者因素（5道题）、教学者因素（5道题）、同侪因素（5道题）、环境因素（5道题）四个维度，共计20道题。问卷采用李克特五点计分法。在问卷编制过程中，进行了大学生群体访谈调查，并依据访谈的结果，对调查问卷进行修改与完善。

根据KMO检验和Bartlett球形度检验，KMO检验系数为0.862，Bartlett球形度检验的结果为0.000，小于0.05，表明该数据适合做因子分析。对问卷的信度进行考察，学习者因素、教学者因素、同侪因素、环境因素四个因子的内部一致性系数（Cronbach’s Alpha系数）分别为0.921、0.898、0.925、0.904，问卷整体的内部一致性系数为0.936，表明问卷信度良好。对问卷进行验证性因子分析，分析结果（CMIN/DF=2.528，RMSEA=0.045，NFI=0.923，CFI=0.931，IFI=0.952，TLI=0.936）表明问卷的结构效度良好。

2.在线学习投入测量量表

在参考玛西娅.D.迪克森（Marcia D.Dixson）的“在线学习投入量表”的基础上[13]，编制在线学习投入测量量表。该量表包括认知投入（6道题）、情感投入(5道题）、行为投入（4道题）、社会交互投入（4道题）四个维度，共计19道题。量表采用李克特五点计分法。在量表编制过程中，进行了专家咨询，根据教育技术学、教育心理学等领域内专家的反馈意见，对量表项目的适切性、代表性以及表述方式等方面进行修改与完善。

根据KMO检验和Bartlett球形度检验，KMO检验系数为0.856，Bartlett球形度检验的结果为0.000，小于0.05，表明该数据适合做因子分析。对量表的信度进行考察，认知投入、行为投入、情感投入、社会交互投入四个因子的内部一致性系数分别为0.854、0.902、0.865、0.826，量表整体的内部一致性系数为0.905，表明量表信度良好。对量表进行验证性因子分析，分析结 果（CMIN/DF=2.418，RMSEA=0.042，NFI=0.926，CFI=0.912，IFI=0.946，TLI=0.925）表明量表的结构效度良好。

（三）数据处理与分析方法

借助于SPSS 26.0和AMOS 26.0对样本数据进行实证分析。首先，使用SPSS 26.0进行研究变量的描述性统计分析、相关性分析以及样本数据的正态性检验，以此把握研究变量的基本特征、相关关系和样本数据的分布规律。然后，使用AMOS 26.0进行验证性分析与路径分析，探析分布式认知视角下的影响因素对大学生在线学习投入的影响程度。

四、研究结果与分析

（一）描述性分析

如表1所示，学习者在线学习投入影响因素各维度总体水平中等偏上（M=3.635，SD=0.831）。在四个观测维度中，学习者因素水平略高（M=3.68，SD=0.814），同侪因素水平略低（M=3.54，SD=0.851），而教学者因素（M=3.67，SD=0.815）和环境因素（M=3.65，SD=0.843）的整体得分水平处于两者之间。从各维度内部具体内容来看，学习者因素维度内五个子类目得分最高的是“学习意志”（M=3.75，SD=0.800），可见，教师的教学交互行为（如课堂答疑、师生互动等）受到学习者的重视；同侪因素维度内五个子类目得分最高的是“反思性支持”（M=3.65，SD=0.810），可见，在线学习过程中，学伴之间通过反思与对话的方式进行互助；环境因素维度内五个子类目得分最高的是“课程环境”（M=3.78，SD=0.839），可见，课程环境(如课程资源、教学活动等)与学习者的在线学习效果联系紧密。

表1 在线学习投入影响因素问卷各个维度现状描述性统计分析

学习者在线学习投入组成要素各维度总体水平中等偏上（M=3.463，SD=0.862）。在四个观测维度中，社会交互投入水平略高（M=3.55，SD=0.857），情感投入水平略低（M=3.38，SD=0.897），而认知投入（M=3.46，SD=0.850）和行为投入（M=3.46，SD=0.845）的整体测量水平相同且处于两者之间。其中，在社会交互投入维度内，“我能够主动和同伴分享学习资源和心得体会”（M=3.65，SD=0.798）得分最高，而“我能够通过多种渠道(电子邮件、在线聊天和讨论板等)与教师沟通”（M=3.50，SD=0.874）得分最低；在情感投入维度内，“全身心投入学习时，我体验到了在线学习带来的快乐”（M=3.61，SD=0.856）得分最高，而“我对在线课程有很强的归属感”（M=3.16，SD=0.978）得分最低；在认知投入维度内，“我能够通过对比分析来理解和掌握重要的学习概念”（M=3.55，SD=0.883）得分最高，而“在线学习之前，我会制订相应的学习计划”（M=3.38，SD=0.805）得分最低；在行为投入维度内，“我能够认真地完成各项在线学习任务（话题讨论、单元测试、作业互评等）”（M=3.57，SD=0.844）得分最高，而“我能够投入足够的时间进行在线学习”（M=3.34，SD=0.822）得分最低。

（二）正态性分析

数理统计方法（如方差分析、相关分析、回归分析等）要求分析指标服从正态分布。柯尔莫戈洛夫—斯米诺夫检验（简称K-S检验）是使用累计次数或累计频率来判断两组数据之间是否存在显著差异，进而判断样本的观察值是否来自所设定的理论分布的方法。使用K-S检验对样本数据进行正态分布检验可知，研究变量的Z值在0.072～0.119之间，均大于0.05。因此，接受原假设，即样本数据的各检验变量服从正态分布。

（三）相关性分析

为了探析分布式认知理论视域下的影响因素与在线学习投入之间的关系，对研究的各个变量进行皮尔逊相关性分析。皮尔逊相关性系数反映了两个定距变量之间变化趋势的方向与程度，用以衡量定距变量之间的线性关系。相关分析结果显示，所有相关变量之间的相关系数均分布在0.191～0.748之间。因此，学习者因素、教学者因素、同侪因素、环境因素和在线学习投入四个组成要素之间均呈现显著的正相关关系，即H1至H4四条假设得到验证。这表明分布式认知理论视域下的影响因素是研究的有关变量。

（四）结构方程模型分析

分布式认知理论的各影响因素分别与在线学习投入各组成要素之间构成显著的相关关系。因此，可以通过结构方程模型来更深入地探究分布式认知理论视域下各影响因素对于在线学习投入的权重系数和影响程度。本研究在前期理论研究和相关分析的基础上，运用AMOS 26.0构建由学习者因素（LF）、教学者因素（TF）、同侪因素（PF）、环境因素（EF）四个维度作为观测变量，以及在线学习投入（OLE）作为潜在变量的研究假设模型，根据修正指数（MI）对其进行修正和检验，以便最终获得一个最优拟合模型。最终模型的验证性因素分析结果（CMIN/DF=1.461，RMSEA=0.033，GFI=0.935，AGFI=0.919，NFI=0.902，CFI=0.912）表明模型的拟合度良好。

研究假设的验证结果表明：学习者因素（β=0.56，p<0.001）对在线学习投入具有显著的正向影响，假设H5成立；教学者因素（β=0.53，p<0.01）对在线学习投入具有显著的正向影响，假设H6成立；同侪因素（β=0.44，p<0.05）对在线学习投入具有显著的正向影响，假设H7成立；环境因素（β=0.49，p<0.05）对在线学习投入具有显著的正向影响，假设H8成立。

五、研究结论与建议

（一）研究结论

1.分布式认知理论视角下的四种影响因素整体水平中等偏上

得分水平由强到弱依次是学习者因素、教学者因素、环境因素、同侪因素。研究表明：（1）学习者自身的精神品质和主观能动性是影响在线学习效果的首要因素；（2）教学者自身的专业素养(信息技术能力、教学设计能力、语言表达能力)和教学交互行为，对学习者在线投入起到了积极作用；（3）学习环境为在线学习的开展提供了必要的网络、资源、交互等物质基础；（4）同侪之间的互助行为（如生生之间在学习、情感、技术、心理、反思等方面的支持）对在线学习投入的影响相对较弱。

在线学习投入方面，学习者在线学习投入整体得分均处于中上等水平，其中，社会交互投入水平得分最高，认知投入水平和行为投入水平得分一致，情感投入水平得分最低。研究表明：（1）在线学习者能够积极地与教学者、学伴、学习资源和学习共同体进行交互，较高的社会交互水平促进在线学习投入的提高；（2）学习者的认知投入水平和行为投入水平有待加强，这就要求学习者要增加学习时长，提高努力程度，制订合理的计划并加强自我监控；（3）在线学习过程中，学习者获得的情感体验水平一般，学习者的成就感、归属感与自我效能感等需要获得满足。

2.分布式认知理论的四种影响因素正向预测在线学习投入

学习投入是对学习状态的界定，是评价学习者学习效果最直接的指标。使用皮尔逊相关分析法，验证了研究假设H1至H4。结果显示，分布式认知理论视域下的学习者因素、教师因素、同侪因素、环境因素与在线学习投入各组成要素具有显著的相关关系。采用结构方程模型方法，验证研究假设H5至H8。结果显示，分布式认知理论视域下的学习者因素、教学者因素、同侪因素、环境因素均能正向预测在线学习投入，其影响程度由深到浅依次是学习者因素（p=0.000）、教学者因素（p=0.005）、环境因素（p=0.016）、同侪因素（p=0.034），即学习者因素和教学者因素对在线学习投入的影响较大，说明学习者因素和教学者因素有助于促进生生、师生之间的交互，提升在线学习投入水平，同时还应考虑优越的环境条件和融洽的同侪关系对在线学习投入的影响。

（二）研究建议

根据研究结论可知，大学生群体的学习投入水平仍需进一步提高。结合学习者在线学习投入的影响因素，我们从学习者、教学者、同侪和环境四个层面提出以下建议。

1.学习者层面

决定学习者在线学习成功的关键是“独立”和“自治”。“独立”需要学习者努力提升自身的自主学习能力和在线学习准备力度，主要包括培养在线学习兴趣、提升信息技术素养、明确在线学习态度、制订详细的学习计划、采取自我调节策略、加大在线学习时间投入等，防止学习者个体与在线学习相脱离。而“自治”则需要由在线学习者组成的“自治共同体”，加强其自治管理，互相督促学习，发挥“榜样效应”，增强在线学习存在感，鼓励学习者进行学习交流和共享，提升学习者在线协作学习的能力；鼓励学习者进行反思与对话，增强学习者深度学习的效果。

2.教学者层面

教师作为教学活动的设计者和组织者，应根据学生的学习需求和认知水平，设定混合式教学环境下学习活动或任务的难度；应在教学设计与组织方面实施有效的教学行为，优化线上和线下学习活动设计，持续激发学生的学习动机与兴趣[14]；应当增强师生交互，以学生为中心，突出学生的主体地位，对学习活动和任务的开展情况给予及时的反馈；应当合理选择教学平台、教学资源，获取最新信息，提高自身在线教学能力，引导学生进行小组协作学习，并及时开展学生自评和互评；应当善于运用科学合理的教学策略，激发学生的学习热情，注重培养学生的创新意识和高阶思维。

3.同侪层面

同侪之间通常具有相似的价值观念、学习经验、学习方式等特质，为其开展协作学习、创造学习“最近发展区”、成为互相模仿的榜样提供基础。同侪因素在学习者的在线学习中发挥着积极的作用。为此，学习者个体发展和自主学习应转向共同发展与协作学习，从独立个体走向团队合作。学习者应当构建在线学习共同体，在共同体内以每个成员的学习经验为基础，加强成员之间在学习、技术、情感、心理和反思方面的合作交流，激发学习者的学习兴趣，顺利完成学习任务。

4.环境层面

好的在线学习成效依赖于好的学习环境。因此，应当从政府和学校两个层面，积极营造良好的学习氛围或环境。从政府层面：努力营造学习型社会的良好氛围，引导大学生树立终身学习的理念；大力支持在线教育的发展，充分凸显“互联网+教育”的技术赋能优势。从学校层面：打造生态化在线学习环境，在不同的学习场景(如教室、实验室、图书馆等)中实现5G网络全覆盖，并配备各种智能学习设备或终端，开发高质量的教学资源和学习资源等；鼓励教师开展混合式教学，利用新媒体或人工智能技术，充分挖掘课程潜能，着力打造深度课堂，提高学生的在线学习投入水平。