在线学习中学习者深度学习的影响因素研究——以“幼儿园教学中信息技术应用案例评析”课程为例

陈 曼，张欣宇，孙长忠

（河南开放大学 继续教育与在线学习工程中心， 河南 郑州 450046）

一、相关概念

（一）在线学习

在线学习也称为E-learning，一般指基于网络的学习，简单而言就是使用个人电脑、移动智能终端等，在网上完成上课、练习、讨论、考试等环节，具体通过慕课、微课、视频、实时互动问答等方式学习相关知识［1］。在线学习中的学习者充分利用互联网思维及技术创新，突破时间、空间、地域界限，是基于网络的学习方式。借助网络的便利性，学习者可以随时随地进行学习，真正打破了传统教育的时空限制，慕课能吸引成千上万学习者注册学习，远隔万里的学习者可以实时聆听名校名师的精彩授课，遇到难题可以请求教师或同学帮助，或是手机扫一扫即可得到答案。因此，对于学习时间不固定的学习者来说，在线教育是最适合的学习方式［2］。

在线学习是互联网与传统学习方式深度融合形成的一种学习方式，其特点来自两者的结合。从互联网角度看，在线教育的特点可归纳为5个“Any”，即在线教育通过网络，让任何学习者（Anyone）能够在任何时间（Anytime）、任何地点（Anywhere）去学习任何课程（Any Course）的任何章节（Any Chapter），完全体现了随时、随地、灵活的特点［3］。从互联网与教育相结合的角度看，在线学习也具有资源利用最大化、学习行为自主化、学习过程互动化、学习内容个性化、教学管理网络化的特征［4］。

（二）在线学习行为

由于不同的研究视角，针对在线学习行为指标的研究也不同。有研究者从对学习时间投入的程度出发来研究在线学习行为指标，主要包括不同学习内容上时间投入的长度和时间管理策略等。也有研究者认为，在线学习行为主要包括学习者参与学习活动的意识、时间和频率。也有研究者只关注某一项学习行为，比如作业提交行为是临时突击还是按部就班地完成来研究其与学习成绩的关系。Huei-Tse Hou等人关注动态的学习过程，将学习的全过程中时间投入和学习行为进行对比分析，来讨论其学习行为特征。Laurie等人研究学习者参与论坛讨论的频率来研究学习者的学习行为。

结合已有的在线学习行为指标与学习成绩之间的关系，本研究认为在线学习行为一共包含学习动机和学习偏好两个方面内容，其中学习动机主要是从学期开始到学期结束的全过程，学习者能够积极主动地参与对应的学习活动，表现为整体在线时长；学习偏好主要表现为在视频内容、论坛发帖、作业投入上花费的时间长度，以及选择什么时候开展学习。

（三）深度学习

1976年，Maton和Säljö首次提出了深度学习的概念，他们将采用理解式的学习归纳为深度学习，而再现式的学习则视为浅层学习。基于深度学习构建知识联系、深度加工知识的特点，何玲、黎加厚认为深度学习是在理解学习的基础上，学习者能够建立新旧知识之间的联系，辩证地看待新知识和新思想，在新的情境中能够灵活决策和解决问题的学习方式。2010年美国休利特基金会发起了长达15年的深度学习战略计划，深度学习包含了6个维度的基本能力，其中包括掌握核心知识、学习毅力等。Van Rossum等人认为深度学习可以使知识、概念更好地迁移。祝智庭、彭红超对教育与技术领域中的深度学习进行深入解读，提出了基于认知、自我、人际等维度建构出智慧教育领域中深度学习的能力冰山模型，深度学习的研究从知识迁移过程转向人才能力培养结果。同年，《新媒体联盟地平线报告：2017高等教育版》也指出深度学习的目标是培养学习者批判性思维、问题解决能力、协作和自主学习等能力。

因此，本研究认为深度学习是一种基于深度理解、追求构建知识联系的学习。学习者通过深度学习促进高阶思维能力发展，以实现知识在不同情境下的迁移应用及综合能力培养。

二、深度学习的影响因素模型构建

结合已有的文献，本研究认为，影响学习者深度学习的因素主要包括学习动机、学习投入、合作学习、学习环境、学习反思5个方面。

（一）学习动机

陈明选、张康莉认为，学生在解答衍生性问题的过程中获得学习带来的成就感和对课程价值的认同，从而增强了学习动机，学生学习投入增强，有助于深度学习目标的达成。王永军认为，要实现赋权学习，就要给予学生充分的选择权，让学生在学习过程中可以全面掌控和主动负责，学生在学习过程中表现出的身体、情感、认知的全身心投入和倾向性是赋权学习中学习者所表现的状态，即学习活动更多的出自学习动机。而张琪则认为，学习动机强的学生，能够根据自身实际情况制定学习目标，并通过自身努力或与他人协作交流解决学习过程中出现的问题，这有助于实现知识的迁移转化，促进深度学习。

（二）学习投入

有关学习投入的研究，笔者结合学界相关研究现状，综合本文研究重点，总结为三个维度，即行为、情绪和认知。其中，行为投入是学习投入最重要的内容，有研究者认为行为投入只是学习者在课堂学习中的行为表现，比如参与时间等［5-6］。针对课堂中的学习行为表现，关于行为投入指标衡量，研究者分别提出三维度［7］、四维度［8］和六维度［9］测量指标。在线学习情境中，武法提等人［10］提出了16个行为测量指标。赵宗金、王小芳等人指出，学习投入促进批判思维与合作交流，达到深度学习。

（三）合作学习

在线学习中的合作学习主要是以学习内容或者任务完成为目标开展的一系列师生、生生和人机协作的学习方式。知识建构理论认为，合作学习包括认知性存在、社会性存在和教学性存在三个大类13个子类目［11］。因此，在帮助学习者进行深度学习时，教师可以建立线下或者线上社群，引导学习者积极表达自己的观点和看法，并由教师或者同伴给予肯定，促进学习者的情感表达。在开展学习的过程中，教师或者意见领袖可以采用相应的认知性存在工具，促进学习者对知识的深度挖掘［12］。

（四）学习环境

王璐认为，在“互联网+”背景下，线上学习环境和指导对现阶段各学段的深度学习效果具有一定程度上显著性影响。另外，教学资源是否丰富、视频呈现的方式相较于传统教学模式和教学方法对学习者深度学习的影响越发突出。詹青龙等学者关于学习资源和学生在现实世界的问题上，在研究中明确指出学习资源对于解决问题有明显的促进作用。要打通学校和社会的壁垒，在实践中运用知识。基于上述研究，有关学习环境和深度学习的关系，笔者认为在深度学习的知识迁移维度上，与学习环境的影响呈正相关。

（五）学习反思

卢瑞玲提出，反思学习可以帮助学习者提高元认知能力，帮助学生学会学习，加强深度学习，促进知识迁移。王娟等人认为，学习者深度学习中由知道、领会学习内容到应用学习到的知识，再到学习的综合和创新过程转变，需要学习者不断进行学习反思。学习反思的能力一般表现为学习内容的输出、新情境中如何进行问题解决等方面。学习反思是深度学习中知识迁移部分最直接的表现。

基于上述要素，本研究认为，学习动机、学习投入、合作学习、学习环境和学习反思对深度学习有着积极的促进作用，因此本研究设定5个假设。基于上述假设，研究构建了在线学习深度学习影响因素模型，在该模型中，外源潜变量包括学习动机、学习投入、合作学习、学习环境、学习反思5个方面；内生潜变量包括深度学习的知识迁移和能力培养两个方面，如图1所示。

图1 在线学习深度学习影响因素模型

三、在线学习学习者深度学习的现状

根据深度学习影响七要素进行问卷设计，共计26个问题，问卷采用李克特五点量表法进行计分：“1~5”分别表示非常不同意、比较不同意、一般、比较同意、非常同意；以某平台“幼儿园教学中信息技术应用案例评析”2021—2022学年第二学期选修学生为研究对象，通过在线问卷调查向对应班级发放问卷，回收有效答卷655份。

（一）信度、效度分析

1.问卷信度分析

本文中所设计问卷的信度检验，拟使用SPSS26.0软件中Cronbach α的方法进行分析和检验，其方法中相关α系数的值是判断本文所设计问卷内部一致性系数的参考值，其中每个题目增加或剔除后α系数的增减，决定了该题目自身的信度属性，因此，决定了该题目的质量。通过α系数的增减，确定题目质量，最终得出信度相对较高的问卷题目设置。

从表1可知，本文所设计的问卷，综合α系数值为0.862>0.8，通过α系数值，结合α系数的标准，可以初步确定该问卷所获取的相关数据信度质量达标。SPSS26.0软件中所导出的“项已删除的α系数”的结果表明，该问卷的任意题目删除后，未能对该问卷总体α系数产生较为明显的影响，因此，该问卷总体信度可靠。使用Cronbach α和组合信度对问卷量表题进行信度检验，当Cronbach α大于0.6时，说明测量题项具有较好的内部一致性；当组合信度大于0.7时，说明问卷题目的内部一致性较好。

表1 问卷的总体信度分析

表2显示，本文所设计问卷通过SPSS 26.0软件进行数据处理后α系数总体为0.937，学习动机等各维度的α系数聚在0.7以上，因此，可以得出该问卷信度较好的结论。同时利用软件SPSS26.0对组合信度的计算方法，得出该问卷组合信度CR值在0.8以上，因此说明该问卷的总体信度与各题目的组合信度均良好。

表2 调查问卷信度分析（N=655）

2.问卷效度分析

本文对于问卷的效度分析拟采用KMO和Bartlett球形检验的方法，表3中所示的KMO检验系数为0.840大于检验问卷效度的标准值0.5，Bartlett球形检验所计算出的P值为0.000小于0.01，因此可以得出该问卷的结构效度较高。一般情况下，除KMO和Bartlett球形检验外，学界对于问卷的收敛效度常使用平方差萃取量即AVE值对于潜在变量对题目的解释能力进行分析，本文所设计的问卷，平方差萃取量（AVE值）均大于0.5的标准，因此可以得出，该问卷的收敛效度较好。

表3 KMO和Bartlett的检验

表3、表4为本文所设计问卷经过数据处理后得出的KMO、Bartlett以及AVE等值。通过数据计算后所得值可以佐证，该问卷的综合效度、机构效度以及收敛效度基本均在学界所认定的标准范围之内，其中合作学习的AVE值为0.493，综合KMO与Bartlett值，结合其与0.5较为接近，因此纳入合格范围。

表4 问卷的收敛效度分析

（二）建构结构方程模型

本文结合学界研究现状与本研究背景，对于文中拟建立的在线学习有关学习者深度学习的影响因素模型，使用AMOS24.0软件进行验证。在该软件中，分别对于该问卷的模型进行拟合、评价和修正。本研究拟使用卡方自由度比（CMIN/DF）、拟合优度指数（GFI）等8个指标对所建立影响因素模型进行验证。在各项指标中，指标1卡方自由度的最优值在3以下，指标2、5、6、7、8的最优值在0.90以下，指标3和指标4的最优值在0.05以下。

由表5可知，模型的各项拟合指标除RMSEA和NFI外，均达到标准，由于RMSEA和NFI的值与合理适配值相近，因此模型的拟合可认定为较为理想。

表5 模型的各项拟合指标表

（三）路径分析结果

观察各变量的路径系数及相应的P值统计表。

本文通过AMOS软件导出的变量路径系数与假设检验，以路径系数和P值为参考单位。依据表6导出数据可以得出，学习投入与深度学习的关系中，路径系数为-0.162，无法证明呈正相关影响，其P值为 0.434，大于0.05，并未达到显著水平，因此可以排除学习投入可以促进深度学习能力培养的假设；依据路径系数的正负值，以及P值0.05的参考量，除第二假设之外的第三假设，即合作学习可促进深度学习的知识迁移，路径系数为0.042，虽为正向影响，但其P值为0.865，小于0.05的参考值，可以得出虽有正向影响，但并不显著，因此排除该假设。

表6 变量路径系数与假设检验

基于AMOS软件导出数据结果分析，在深度学习的知识迁移维度中，合作学习的促进性有限且并未达到显著水平，未能形成显著影响。除此之外，在深度学习知识迁移的维度下，学习动机、学习环境和学习反思对应的路径系数分别为0.246、0.107、0.254，均达到显著水平，因此得出以上三个方面可以显著影响深度学习的知识迁移。另外，在深度学习的能力培养维度中，本文从学习投入和合作学习两个方面进行假设和数据分析，依据AMOS软件中导出的数据结果可以推断，学习投入对深度学习能力培养的影响并未达到显著水平，但合作学习对其影响的路径系数为0.865，达到显著水平，因此得出结论，合作学习可以显著影响深度学习的能力培养。

在上述数据分析所得结论的基础上，本文对所假设模型进行进一步优化，在深度学习的能力培养上剔除学习投入的影响因素，在深度学习的知识迁移上剔除合作学习的影响因素，得出如图2所示模型。

图2 在线教学学习者深度学习影响因素的最终模型

（四）学习者深度学习现状分析

1.学习动机、学习环境、学习反思对深度学习的知识迁移有显著正相关的影响

在缺少监管的线上课堂中，学生的内生动机及意愿能帮助他们自发地积极学习课程知识，且强烈的学习动机也能让学生在课余时间继续寻求课堂之外的知识，拓展自己的视野，将所学知识与新知识相联系思考，实现知识迁移；同时在“互联网+”环境下，流畅的网络运行，易于操作的网课软件，助学系统和根据学习者学习内容的点击情况进行智能化内容推送，减少了学习者平台使用带来的不便性，帮助学习者建立深层次的内容联系，促进学习者的知识迁移。课程论坛以及学习社群中的讨论，能够帮助学习者反思学习内容，更新已有的知识体系，新的情境进一步促进了学习者知识的迁移。

2.合作学习对深度学习的知识迁移无显著影响，对能力培养有显著影响

该结果说明合作学习对深度学习的影响更多是在提高学生沟通交流能力、独立思考能力及综合创新能力。而由于参与人员认知结构不同，合作学习虽然通过队内交流实现了知识的流通，但未将知识进行深层加工处理，无法达到促进学习者个人知识迁移运用的效果。

3.学习投入对能力培养无显著影响

深度学习能力培养包括创新创造能力、自主学习能力及辩证思考等高级思维能力。在问卷中，调查组将学习投入分为行为投入和情感投入，行为投入包括课前预习课后复习、学习过程中积极与他人交流和自主寻求解决问题途径，情感投入包括认可授课教师、与周围同学相处氛围融洽。研究发现学习投入对学生深度学习能力培养无显著影响，说明学习投入对个体更多意味着在学习中投入的时间和机会成本，但是否能真正将所学知识进行建构转化、内化为自己主动探索知识形成高阶思维能力仍依赖于个体自身的努力。学生对学习投入如果只停留在浅层的时间和情感投入，而不是在构建知识框架、学习深度思考能力方面下功夫，也无法达到深层学习的效果。

四、在线学习中学习者深度学习的促进策略

（一）合理设置合作学习项目

学生在合作学习新知识过程中，可以温故知新，以达到构建、运用新知的效果，因此合作学习在在线教育中越来越重要。适当的合作学习有助于培养学生的团队协作能力、沟通能力等高阶思维能力，促进学生深度学习。因此，在线教育中，主讲教师更应该合理设置合作环节，以提高学生的学习动机和高阶思维能力，促进学生深度学习。此外，教师在教学设计中应该从多角度多方面去审视整个合作学习环节，还应跳出自身角色的限制，从课程活动组织者、项目学习监督者、学习者学习指导者以及学习者学习效果评价者等多角度多维度参与学习者合作学习的全过程，帮助学习者明确自身在学习过程中承担的任务、扮演的角色，进一步提升合作学习效果，促进学习者高阶思维能力的提升，进而达到深度学习的效果。

（二）提问和作业提交环节注重提升学习者反思能力设计

在线教育教学环境中，照搬传统课堂中的知识教学是没有办法真正实现深度学习的，因此教师应该多设计对应的提问环节，在作业设计中注重知识的应用能力培养。主讲教师可以在线上教学的全过程应用不同的教学方法来引导学习者参与教学过程，提升学习者兴趣，引导学习者不断反思，以促进学习者进行深度学习。课前，主讲教师对于教学内容以及教学方法的适宜性调整可以借助“问卷星”等辅助工具，通过问卷调查的形式掌握学习者的上课需求，同时，将知道、了解等层次的知识内容上传到平台，让学习者进行预习，将学习者的显性知识和隐性知识进行建构，促进学习者知识的迁移。线上授课环节，主讲教师可以通过设问反问等形式，引导学生对知识点深入探究，培养学生的学习反思能力。作业提交和课程讨论环节，课程团队可以通过应用案例、思维导图绘制、学习总结或者学习者自评等方式引导学习者进行内容的输出。只有学习者在对学习内容进行实践应用的过程中，才能调整自身的知识结构，形成新的经验，达到深度学习的目标。

（三）改善平台学习环境建设

在线学习平台作为学习者开展深度学习的环境，其便捷性、交互性和丰富性程度如何对学习者深度学习效果有一定影响。开展在线学习，选择对应的学习平台要注重其软件环境和硬件环境的配置。其中，硬件环境是为软件环境服务的，可以帮助教学团队和学习者提供稳定的平台，且其数据挖掘和可视化的功能，能够将教学行为和学习行为直观形象地展示出来，对于学习者深度学习策略调整、教学团队的教学方式和服务方式调整以及教育管理部门的诊断和评价提供科学的数据支撑。软件环境建设中，可以采用租赁、共享等方式共建、共享资源，破除资源建设“孤岛现象”，能够为学习者提供更加多元的、丰富的、智能的资源。在线学习平台的交互性和智能推动也能帮助教学团队创新教学方式，增强学习过程中的学习体验，调动学习者的学习积极性，从而达到促进学习者知识学习和能力迁移、实现深度学习的目的。