影响计算机基础在线课程学习成效的关键因素研究
2023-10-02周峰王伟
周峰,王伟
(西南财经大学,四川 成都 611130)
0 引言
随着“互联网+”时代的到来,传统教学课堂正在经历着深刻的改变。截至2022 年11 月,中国第二代在线课程注册人数超过4亿,学习人次达9.79亿,在校生获得慕课学分认定3.52亿人次,慕课数量和学习人数均居世界第一。学习时间和地点的灵活性作为第二代在线课程的主要优势,使在线课程广泛应用于大学教学。目前,国内专家与企业也对在线课程加以关注,部分在线课程教学平台已投入使用。尽管已有上述实践工作展开,但从实践方面来看,计算机基础等在线课程的教学效果需要进一步提高。从理论方面来看,影响大学生在线计算机类课程学习成效的主要因素及因素之间关系的理论探讨,国内目前还鲜有展开。基于上述,本文将对影响大学生计算机基础课程学习成效的关键因素进行量化分析与理论研究,并提出相关的改进建议。
1 研究现状
目前,在线教育已成为国内外高等教育教学的一种全新教学方式[1],国内外专家学者进行了下列在线学习效果影响因素方面的研究。
情景强化在线学习效果,它是目前在线教育领域的研究热点之一。钟丽霞等指出,优化在线课程学习资源,提高在线课程情景化环境,以提高学生学习成效[2]。在线学习存在遗忘速度快,必须通过反复的情景刺激,强化学习行为,达到最佳学习效果。王思遥等人的研究表明,提升在线学习的交互形式,通过情景化教学,加入奖惩机制,取得一定的学习成效,因而整个系统的目标应着重于强化学生对在线课程适应与学习习惯[3]。
部分大学生存在计算机知识储备不足,在线计算机课程对教育与自学的构建作用凸显无疑。徐小洲等认为,在线课程教学质量是当前高校教学改革的焦点,由教师和在线教育工作者为学生搭建学习框架,由学生利用线课程中的情景填充主体内容[4]。在线教育的目标是培养学生的自学与自我督导能力,良好的在线课程环境必须具备下列三点,首先是教师与在线系统能够提供及时有效的学习支持,其次是提供有效的自学情景,最后是通过情景化学习,让学生具备应对在线新情景的学习能力。
传统的教学环境,以及以网站为依托的在线学习环境,很难组成随时随地学习群体。而移动互联网引领的第二次在线教育浪潮,使得这一切有了极大的改观。王辞晓等对移动互联网在线课程中的协作学习进行了归纳[5],将其分为知识构筑、任务协调、流程协调、组建协作、人际社交五部分,并以此来衡量在线协作学习的成功与否。汪玉峰认为弱交互形式单一的在线学习方式存在一定缺陷,必须从多个维度进行有效的整合[6]。
在线课程效果的系统评估研究方面。郑政以在线教学为基本研究对象,实施了基于场景的在线教学活动,经过研究后发现其成效超过了传统的教学方式[7],参与实验的学生大多数认为移动学习平台能够提高其学习兴趣与学习效率。刘革平等对基于虚拟现实的在线情景化教学平台进行了研究[8],提出在线课程平台内容的丰富与否,将会显著影响师生对学习内容的看法。求知欲强烈的学生往往对在线课程教学平台的有用性较为关注,反之,其他学生对平台的易用性较为关注。
2 理论研究与模型设计
2.1 问题规划与模型设计
通过前人工作归纳,并结合我国的实际情况,构建了本研究的基本模型,如图1所示。本研究提出的研究假设包括如下三个方面。1)学习动机对计算机基础课程学习成效具有显著影响。2)自我监督对计算机基础课程学习成效具有显著影响。3)课后学习对计算机基础课程学习成效具有显著影响。
图1 计算机基础在线课程学习成效影响模型
2.2 问卷设计与编制
1)学习成效部分
参照计算机基础的教学大纲进行试题编制,鉴于该部分内容是大学生考试成绩的萃取,因此其独立性相对较低(影响考试成绩的因素较多),本研究重新对其进行了信度测试(含名词解释、选择以及简答题三部分),最终该部分的整体Cronbach’s α 值达到了0.91,表明该数据项可用。
2)学习动机部分
参考王辞晓等人开发的学习动机测量表,从中提取20 个题项构成[5],主要内容包括学习态度、目标期望、学习价值和自我评价,这部分题项采用李克特式5 级衡量方式。由于该部分内容是学习动机测量表的萃取,因此重新对其进行了信度测试,最终各部分的Cronbach’s α 值均超过了0.88,该部分的整体Cronbach’s α值达到了0.95。
3)自我监督部分
参考黄巧洁等编制的课程自学效果量表,从中提取22 个题项构成[9],主要内容包括目标管理、过程控制、自我控制和外部引导,这部分题项采用李克特式5级衡量方式。由于该部分内容是计算机自学效果量表的萃取,因此重新对其进行了信度测试,最终各部分的Cronbach’s α 值均超过了0.83,该部分的整体Cronbach’s α值达到了0.93。
4)课后学习部分
参考孙发勤等编制的在线课程线下学习量表,从中提取16 个题项构成[10],主要内容包括学习规划、学习方法和学习成果,这部分题项采用李克特式5级衡量方式。由于该部分内容是学习动机测量表的萃取,因此重新对其进行了信度测试,最终各部分的Cronbach’s α 值均超过了0.85,该部分的整体Cronbach’s α值达到了0.92。
2.3 研究对象描述
本研究的主体对象为成都地区的四川大学、电子科技大学、成都信息工程大学、西南石油大学等6所高校的1-4年级本科生,研究对象为修习过在线计算机基础课程,并参加了在线课程考试的大学生。最终,投放问卷800份,通过筛选并完成了有效问卷的研究对象共计615人,涵盖工商文理四个学科门类。有效问卷集合中的男女比例基本一致,研究对象的平均年龄为20岁。
2.4 拟合度检验
本研究通过文献梳理,将有关的在线计算机类课程学习理论进行了整合,并以基于国内高校的专家访谈与初步调研数据为基础,设计了包括学习动机、自我监督、课后学习与学习成效四要素的大学生计算机基础情景化学习路径图,随后基于调研数据,采用结构方程对数据进行了处理与分析,详细内容参见下文。
本研究对于该模型进行了基本拟合度、整体拟合度和内部拟合度检验。
模型的基本拟合度检验结果如表1 所示,它是模型中各个观测变量(调研问卷生成的数据项)构成的相关系数矩阵。从表1中可以看出,相关系数矩阵中所有的相关系数之值均介于0.05 和0.75 之间。通过进一步的计算可知,该模型中没有负的误差变量,且所有误差的方差均达到了0.05的显著水平,同时也不存在过大的误差。此外,该模型中所有观测指标的因子负载值均超过了0.5,符合前人研究的评估标准(>0.5),基于上述,本研究中的模型具有良好的基本拟合度。
表1 调研数据项的相关矩阵
模型的整体拟合度检验结果包含下列几方面内容。首先,从绝对拟合度来看,该模型与观测数据的拟合度的卡方值达到了0.05 的显著水平,具体数值(自由度为73)为X2(73)=593.82,N=615,p<0.05,这表明该模型与观测数据并没有达到良好拟合的程度,基于此,本研究不但采用了卡方检验,而且采用了其他拟合度指标来检验研究模型与调研数据的拟合度。如表2所示,模型中整体拟合度检验指标表中的主要指标GFI 和AGFI 分别达到了0.94 和0.91,RMSEA 小于1.0,其他的指标NFI、NNFI、CFI、IFI、RFI 也都符合前人研究中的推荐标准,因此二者的拟合度是可以接受的。
表2 整体拟合度指标
模型的内部拟合度检验结果(测量模型拟合度和结构模型拟合度两部分),其中的主要内容是模型估计参数的显著性检验和标准化系数值。
从测量模型拟合度来看,所有估计的因子负载值都达到了较为显著的水平,而表3中的数据进一步说明模型中的14个测量指标,仅有2个低于0.5的评价,其余12个测量指标的信度都在0.5到0.8之间,说明测量模型拟合度较为理想。进一步的分析可以发现,模型潜变量的组合信度在0.8 到0.9 之间,均超过了0.6的推荐阈值,说明潜变量的组合信度较好。此外,平均方差提取值(Average Variance Extracted:AVE)的值均超过了0.5 的推荐阈值。基于此,本研究中的测量模型的拟合度可接受。
表3 内部拟合度指标
从结构模型拟合度来看,本模型的结构估计参数全部达到了0.05的显著水平,这表明该模型的结构模型质量较好。此外,从表4可知四个潜变量的相关系数矩阵,所有相关系数都低于0.90 的推荐阈值,则这四个潜变量间的相关符合拟合度要求,适于对相关的假设进行研究。
表4 潜变量相关矩阵
综上所述,从整体来看,该模型的内部拟合度中,只有2个测量指标的信度低于0.50推荐阈值,其他检验结果表明该模型的内部拟合度良好,能够用来解释大学生计算机基础学习的调研数据。
3 影响因素分析
基于上述验证,通过SPSS 软件对该模型中的潜变量影响与关系进行了分析,主要内容分为直接影响、间接影响和总体影响三部分。表5是该模型潜变量之间影响程度、显著水平检验和标准化影响效果。
表5 潜变量影响程度与显著性检验
3.1 直接影响分析
1)潜自变量对潜因变量的直接影响
该模型中假设了学习动机对自我监督、课后学习与学业成效存在直接影响,对调研数据处理后,如表5所示可以得到下列验证结果。学习动机对自我监督与课后学习的直接影响达到了显著水平。
2)潜因变量间的直接影响
该模型中假设了自我监督对课后学习存在直接影响,而课后学习对学习成效有直接影响,对调研数据处理后,如表5所示可以得到下列验证结果。自我监督对课后学习、自我监督对学习成效,以及课后学习对学习成效的直接影响达到了显著水平。上述影响可以解释为学生在计算机基础学习过程中,学生的自我监督意识较强,则会投入较多的课后学习时间,从而提高学习成效。
3.2 间接影响分析
1)潜自变量对潜因变量的间接影响
从表4 的数据可知,学习动机对课后学习与学习成效的间接影响都达到了0.05 的显著水平。在该模型中,学习动机以自我监督为中间变量,对课后学习的间接影响为0.37,而该值甚至超过了学习动机对课后学习的直接影响。这一情况表明,学习动机主要是通过自我监督策略来维持学习意愿,并最终使学生投入更多的时间与精力于课后学习。此外,对调研数据的分析处理表明,学习动机对学习成效的间接影响达到了显著水平。
2)潜因变量间的间接影响效果
从表4 的数据可知,自我监督对学习成效的间接影响达到了显著水平。总的来说,学习动机通过自我监督对课后学习产生的间接影响最大,而学习动机对自我监督,以及课后学习对学习成效产生的间接影响次之,影响最小的是自我监督通过课后学习对学习成效产生的间接影响。
3.3 总体影响分析
1)潜自变量对潜因变量的总体影响
学习动机对自我监督、课后学习与学习成效三个潜因变量的整体标准化影响分别为0.42、0.43和0.29。而该模型中,学习动机对自我监督的总体影响等于其直接影响,学习动机对课后学习的总体影响等于其直接影响与间接影响之和。在前置假设中,学习动机是通过中间变量对学习成效产生影响的,学习动机对学习成效的总体影响是间接影响之值为0.31,比其标准化直接影响程度要高0.01,表明该模型的前置假设是成立的,即自我监督是学习动机与课后学习间最重要的中间变量。
2)潜因变量间的总体影响
自我监督对课后学习与学习成效的标准化总体影响值分别为0.91和0.75。根据模型的前置假设,自我监督对课后学习产生的是直接影响,而自我监督对课后学习的总体影响程度等于直接影响程度。自我监督对学习成效的标准化总体影响值为0.75。课后学习对学习成效的标准化总体影响值为0.33,由于前置假设中,课后学习对学习成效只有直接影响,因此二者之间的总体影响程度等于其直接影响程度。
最终,通过路径分析发现,学习动机计算机基础的课后学习总体影响程度最大,学习动机对自我监督的影响次之。
4 结论与建议
4.1 研究结论
本研究通过相关理论模型与文献的整理,以615名计算机基础课程学习者为研究对象,通过结构方程模型对大学生的计算机基础课程学习动机、自我监督、课后学习与学习成效之间的关系进行了探讨和研究。最终的检验结果中,整体显著性较好,说明本模型的路径模式能够用来解释观测数据,模型从整体上具有较好的可信度。基于上述,本研究的结论可总结如下。
首先,自我监督是大学生计算机基础在线课程学习过程中,学习动机与课后学习之间最重要的相关项目。近年的学习控制理论研究已表明,自我监督是学生学习行为与学习目标之间的重要变量,它不但能够对学习行为本身进行引导,而且能够为学习动机提供持续的前进动力。本研究的量化分析进一步深化了这个观点,本研究通过假设学习动机对课后学习有直接影响与间接影响,再以调研数据为基础进行量化分析结果,最终得到下列结论。这证明自我监督是整个计算机基础课程学习过程中最为重要的变量之一,在学习动机与课后学习之间起到了影响效果“放大器”的作用。
其次,自我监督和课后学习是影响大学生计算机基础课程学习成效的最重要中间环节。前人研究工作中通常将课后学习假设为学习动机和学习成效之间的中间变量,尽管这一假设较为直观,但是并不充分。本研究进一步将自我监督也作为学习动机与在线学习成效之间的中间变量,通过实证分析发现,自我监督与课后学习的传导作用相当,都是学习动机与学习成效之间主要的中间变量,而二者之间的影响主要是间接的。这一发现为计算机基础在线学习领域的深入研究提供了更为丰富的研究路径,具有一定的研究价值。
4.2 改进建议
首先,从结构方程的检验结果来看,计算机基础教学中仍然必须重视学生在学习动机、自我监督、课后学习对学习成效的总体影响。尽管目前的在线课程仍然从分数等外在成绩来衡量学生的学习成效,仍然是结果导向型的教学,但在未来的教学改革与创新中,必须对学生计算机基础在线学习的内在动机以及学习心理变化予以足够的重视。一方面要结合在线课程环境中的“情、景、意、识”四方面优势,挖掘和满足学生的内在学习需求。另一方面应实现在线课程与课堂课程的学分互认与学习成果共享,使得学生在这一新型学习环境中真正从内在与外在两方面获益。
其次,从检验结果来看,计算机基础课程学习中,学生的自我监督和自学能力对其学习成效影响最大,部分计算机基础较差的大学生由于其既有的学习经验,对计算机基础在线课程存在畏难情绪,也缺乏足够的毅力和信心克服困难,最终导致学习成效较差。因此,在线课程必须采用个性化环境配置,并为学生提供差异化的在线系统应用训练,从而破除学生对在线计算机课程的畏惧感和陌生感,使得在线课程的优势得到充分发挥,最终从整体上提高学生的学习成效。
最后,从假设检验结果来看,在线课程教学活动中也必须注重学生课后学习效能的提高,这也是近期在线课程领域研究的研究重点之一。相关研究表明,课后学习是整个学习过程中非常重要的一环。基于此,在线课程过程中,必须对学生的课后学习计划制定、过程控制与目标调整等工作予以适当的指导,从而使学生能够充分把控自己的学习过程,进而建立起主动学习的习惯,通过各种先进教学工具,主动将在线课程学习与工作生活有机地融为一体。