探究社区对大学生在线自我调节学习的影响

张刚要 俞犇

摘要：使用与自我调节学习相关的策略，会对在线学习的成效产生决定性影响。为考察探究社区三种临场感对大学生在线自我调节学习的影响，文章对华东地区的87名本科生进行了四次追踪测试，并应用潜变量增长模型进行分析，结果发现：大学生感知到的社会临场感、认知临场感、在线自我调节学习在四次追踪测试期间均呈增长趋势，而教学临场感上下波动；大学生感知到的社会临场感和认知临场感均正向预测在线自我调节学习，而教学临场感起负向预测作用。基于此，文章针对探究社区三种临场感的优化提出建议，以提升大学生的在线自我调节学习。文章的研究全面揭示了探究社区与大学生在线自我调节学习的发展轨迹及其关系模式，对于提高大学生的在线学习成效也具有一定的实践价值。

关键词：探究社区；在线自我调节学习；教学临场感；社会临场感；认知临场感

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097（2024）05—0114—09 【DOI】10.3969/j.issn.1009-8097.2024.05.012

引言

自我调节学习（Self-regulated Learning，SRL）可以宽泛地定义为“学习者通过激活和监控他们的认知、动机、行为和情感，积极参与自己的学习过程，以实现他们的学习目标”^[1]。有研究表明，使用与自我调节学习有关的策略，如目标设定、策略规划、时间管理和努力调控，会对在线学习的成效产生决定性影响^[2]。换言之，“在线学习失败的一个主要原因是缺乏自我调节学习能力。”^[3]然而，尽管自我调节学习如此重要，许多学习者并不会自发地调节他们的学习，也不知道如何自我调节学习。因此，为提高在线学习者的学习成效，有必要在在线学习环境中为其提供自我调节学习的支持。

探究社区（Community of Inquiry，CoI）理论认为，有三种“临场感”会为在线学习“创造有意义的学习体验的空间”^[4]。其中，教学临场感指向教师对在线学习的指导、支持和组织作用，社会临场感关注学习者在线学习中的社交能力和归属感，而认识临场感是学习者在在线学习中的认知过程和学术探究。近年来，有不少研究者以CoI理论为基础，尝试找到一种提升学习者在线自我调节学习的途径。例如，多召军等^[5]在“多媒体技术”课程中，通过构建移动网络学习社区，引导大学生获得自我调节学习体验，其教学实践结果显示，网络学习社区能够显著增强大学生的网络自我调节学习效能感；Zhang等^[6]基于结构方程模型，探讨在线学习环境下探究社区与学习存在感的关系，结果发现探究社区对学习存在感有显著正向促进作用。尽管在全球范围内已有大量研究证实了探究社区与在线学习者自我调节学习紧密相关，但Maddrell等^[7]的一项研究发现，探究社区与在线自我调节学习之间不存在相关性。另外，现有研究仍缺乏在纵向发展框架内对探究社区与大学生在线自我调节学习之动态发展轨迹的探讨。基于此，本研究应用潜变量增长模型追踪、考察探究社区与在线自我调节学习的发展轨迹，来探讨三种临场感的变化对大学生在线自我调节学习变化的影响机制。在此基础上，本研究尝试针对探究社区三种临场感的优化提出建议，以提升大学生的在线自我调节学习。

一 研究设计

1 研究对象

本研究选取华东地区N大学2020级数字媒体技术专业的87名本科生为研究对象，其中男生47人、女生40人。同时，本研究选取“数字视频设计与制作技术”课程作为纵向追踪的研究情境。由于受疫情影响，该课程采取在线形式开展教学，并通过慕课堂、QQ群、腾讯会议共同构建在线探究社区。其中，研究对象的教学临场感主要通过提供“在线答疑、作业反馈、个别化指导”等在线服务来提高，社会临场感主要通过“开放交流、小组合作、分享作品”等学习活动中的情感与社交来增强，而认知临场感涉及“确认问题、小组讨论、观点整合、形成方案”四个学习阶段。

2 研究工具

（1）在线探究社区量表

本研究借鉴兰国帅等^[8]设计的“中文版探究社区量表”并进行适当修订和调整，形成契合研究情境的“在线探究社区量表”，用于测量探究社区的三种临场感。“在线探究社区量表”由10个题项组成，包括3个关于教学临场感的题项，如“教师对如何参加课程活动提供了明确的指导”；3个关于社会临场感的题项，如“当与其他学习者交流沟通时，我觉得很自在”；4个关于认知临场感的题项，如“我有信心与动力探寻与课程内容有关的问题”。本研究使用李克特7点量表对上述题项进行测量，用1～7分表示从“完全不符合”到“完全符合”。

经计算，本研究应用“在线探究社区量表”进行四次追踪测试的Cronbachs α值分别为0.73、0.72、0.66、0.69，表明量表信度良好。为避免自身经验不足导致效度估计有误，本研究邀请两名教育技术学专家对量表的效度进行评定：首先向他们阐释探究社区的定义，然后请他们在由三种临场感混合在一起的题项池中选出对应的测量题项，再结合他们的反馈，对设计不合理的题项进行修订，直至两名专家都能成功地选出对应的题项，以保证量表的科学性与准确性。

（2）在线自我调节学习调查量表

本研究对张成龙等^[9]提出的“网络自我调节学习调查量表”进行适当改进，用于测量研究对象的在线自我调节学习能力。改进之后的“在线自我调节学习调查量表”由15个题项组成，包括4个关于目标设定的题项，如“针对在线学习任务，我会设定学习计划和评估标准”；3个关于时间管理的题项，如“我尝试规划每天的学习时间并遵循这个时间进行在线学习”；4个关于任务策略的题项，如“在线学习过程中我会完成一些非指定的额外内容来掌握知识”；4个关于自我評价的题项，如“我通过复盘在线学习来测试对已学内容的理解程度”。

经计算，本研究应用改进之后的“在线自我调节学习调查量表”进行四次追踪测试的Cronbachs α值分别为0.70、0.69、0.64、0.75，表明量表信度良好。同时，也邀请两名教育技术学专家对量表的效度进行评定，以保证量表的科学性与准确性。

3 研究方法

①采用追踪测试法收集研究对象的数据，即采用重复抽样的方式，在多个时间点搜集研究对象的即时性反应。具体来说，2022年3月，本研究进行了第一次追踪测试（T1），之后每隔1个月进行一次，一个学期共进行了4次。由于疫情防控期间施行“停课不停学”，故研究对象在接受测试之前已具有较长时间的在线学习经历。本研究通过问卷星平台向被试发放调查问卷，第1次追踪测试回收有效问卷64份，第2次（T2）回收有效问卷57份，第3次（T3）回收有效问卷55份，第4次（T4）回收有效问卷67份。独立样本t检验表明，流失的被试和完整参与四次追踪测试的被试在各维度上的差异均不显著，故本研究中被试不存在结构化流失的现象。同时，本研究参考Duncan等^[10]的做法，运用极大似然法对可能出现的缺失值进行了妥善处理，以避免因偶然性数据缺失而影响整体分析的有效性。

②采用SPSS 25.0对教学临场感、社会临场感、认知临场感、在线自我调节学习四个变量进行数据录入、描述性统计与相关性分析，以衡量探究社区与在线自我调节学习之间的密切程度。

③采用AMOS 24.0构建“无条件潜变量增长模型”（Unconditional LGM）和“条件潜变量增长模型”（Conditional LGM），分别用来考察探究社区三种临场感与在线自我调节学习的发展轨迹、探究社区三种临场感的变化对大学生在线自我调节学习变化的影响机制。在模型中，截距（Intercept）表示变量的初始水平，其中截距的均值反映个体的平均初始水平，截距的方差反映个体的初始水平与平均初始水平的差异；而斜率（Slope）表示变量的变化速度和变化方向，其中斜率的均值反映整体的平均成长率，斜率的方差反映个体成长率与平均成长率的差异。为了保证基准点的起始值相同，本研究将截距的所有因子载荷系数预设为1，并依据调查问卷发放的重复次数，将斜率的因子载荷系数分别设为0、1、2、3。

二 研究分析

1 变量的描述性统计与相关性分析

本研究采用SPSS分别对四个变量四次追踪测试的均值、标准差及相关系数进行统计分析，结果显示：①社会临场感、认知临场感与在线自我调节学习四次测量的均值均呈增长趋势，而教学临场感的均值上下波动。②四次教学临场感与四次在线自我调节学习显著负相关（rs= -0.53～-0.27，ps＜0.01），四次社会临场感与四次在线自我调节学习显著正相关（rs=0.21～0.48，ps＜0.01），四次认知临场感与四次在线自我调节学习显著正相关（rs=0.23～0.59，ps＜0.01）。

2 探究社区三种临场感与在线自我调节学习的变化趋势：无条件潜变量增长模型

探究社区教学临场感、社会临场感、认知临场感、在线自我调节学习四个变量的无条件潜变量增长模型如图1所示。经检验，这四个变量的模型拟合良好，具体的拟合指标如表1所示。

为了考察上述四个变量的发展变化轨迹，本研究分别对这四个变量的无条件潜变量增长模型中截距和斜率的均值、方差和协方差进行了统计，结果如表2所示。

（1）探究社区三种临场感的变化趋势

在教学临场感的无条件潜变量增长模型中，大学生的教学临场感初始水平为5.62（p＜0.001），教学临场感水平在四次追踪测试期间呈下降趋势（Mslope=-0.107，p＜0.05）。另外，教学临场感截距、斜率的方差均显著大于0，表明随时间的变化教学临场感的初始水平与教学临场感之间存在显著差异，结合协方差值（r=-0.091，p＜0.01）可知：大学生的教学临场感初始水平越高，其在四次追踪测试期间感知到的教学临场感水平下降速度越快。

在社会临场感的无条件潜变量增长模型中，大学生感知到的社会临场感初始水平为5.56（p＜0.001），社会临场感水平在四次追踪测试期间呈增长趋势（Mslope=0.05，p＜0.01）。另外，社会临场感截距、斜率的方差均显著大于0，表明随时间的变化社会临场感的初始水平与社会临场感之间存在显著差异，结合协方差数值（r=-0.183，p＜0.05）可知：大学生的社会临场感初始水平越高，随着时间的推移，其社会临场感增长的速度越慢。

在认知临场感的无条件潜变量增长模型中，大学生感知到的认知临场感初始水平为5.647（p＜0.001），认知临场感水平在四次追踪测试期间呈增长趋势（Mslope=0.079，p＜0.01）。另外，认知临场感截距、斜率的方差均显著大于0，表明随时间的变化认知临场感的初始水平与认知临场感之间存在显著差异，结合协方差数值（r=0.084，p＜0.05）可知：大学生的认知临场感初始水平越高，会导致其认知临场感增长的速度越快。

（2）在线自我调节学习的变化趋势

在线自我调节学习无条件潜变量增长模型中，大学生感知到的在线自我调节学习初始水平为4.853（p＜0.001），在线自我调节学习在四次追踪测试期间呈增长趋势（Mslope=0.102，p＜0.05）。另外，在线自我调节学习截距与斜率的方差均显著大于0，表明随时间的变化在线自我调节学习初始水平与在线自我调节学习之间存在显著差异，结合协方差数值（r=0.049，p＜0.01）可知：大学生的在线自我調节学习初始水平越高，会导致其在线自我调节学习增长的速度越快。

3 探究社区三种临场感与在线自我调节学习的动态关系：条件潜变量增长模型

（1）教学临场感与在线自我调节学习

教学临场感与在线自我调节学习的条件潜变量增长模型如图2所示。经检验，该模型拟合良好（CMIN/DF=1.593＜3，CFI=0.959＞0.9，IFI=0.963＞0.9）。图2显示，教学临场感的截距负向预测在线自我调节学习的截距（β=-0.31，p＜0.001），表明大学生的教学临场感初始水平越低，其在线自我调节学习的初始水平越高；教学临场感的截距负向预测在线自我调节学习的斜率（β=-0.25，p＜0.05），表明大学生的教学临场感初始水平越低，其在线自我调节学习的增长速度越快；教学临场感的斜率负向预测在线自我调节学习的斜率（β=-0.33，p＜0.05），表明随着时间的推移，大学生的教学临场感下降速度越快，其在线自我调节学习的增长速度就越快。

（2）社会临场感与在线自我调节学习

社会临场感与在线自我调节学习的条件潜变量增长模型如图3所示，该模型拟合良好（CMIN/DF=1.682＜3，CFI=0.954＞0.9，IFI=0.959＞0.9）。在该模型中，社会临场感的截距显著正向预测在线自我调节学习的截距（β=0.39，p＜0.01），表明大学生感知到的社会临场感初始水平越高，其在线自我调节学习的初始水平就越高；社会临场感的截距显著正向预测在线自我调节学习的斜率（β=0.27，p＜0.05），表明大学生的社会临场感初始水平越高，其在线自我调节学习的增长速度就越快；社会临场感的斜率显著正向预测在线自我调节学习的斜率（β=0.32，p＜0.05），表明大学生的社会临场感增长速度越快，其在线自我调节学习的增长速度也越快。

（3）认知临场感与在线自我调节学习

认知临场感与在线自我调节学习的条件潜变量增长模型如图4所示，该模型的拟合结果良好（CMIN/DF=2.843<3，CFI=0.906>0.9，IFI=0.915>0.9）。在该模型中，认知临场感的截距显著正向预测在线自我调节学习的截距（β=0.47，p＜0.01），表明大学生感知到的认知临场感初始水平越高，其在线自我调节学习的初始水平就越高；认知临场感的截距显著正向预测在线自我调节学习的斜率（β=0.40，p＜0.01），表明大学生感知到的认知临场感初始水平越高，其在线自我调节学习的增长速度就越快；认知临场感的斜率显著正向预测在线自我调节学习的斜率（β=0.35，p＜0.01），表明大学生的认知临场感增长速度越快，其在线自我调节学习的增长速度也越快。

三 结论与讨论

1 社会临场感和认知临场感在四次追踪测试期间均呈增长趋势，而教学临场感上下波动

教学临场感在第二次测试时达到最高值，之后呈下降趋势。由于教育惯性，在线教育并没有脱离“知识本位”的窠臼，“创新教学模式、改变教师角色等仅仅作为公众的期待出现”^[11]。因此，当基于探究社区开展在线学习时，大学生感知到的教学临场感在四次追踪测试期间上下波动。另外，教学临场感的初始水平与教学临场感的下降速度负相关。这可能是因为面对全新的在线学习环境，教学临场感初始水平高的大学生会对“教师的指导、支持和组织”抱有更高的期望与需求，而主观期望与客观现实的落差会导致他们感知到的教学临场感快速下降。

社会临场感在四次追踪测试期间呈增长趋势，原因可能在于课程考核是以小组合作的形式完成数字作品的策划、拍摄与编辑，因此需要团队成员进行有效的沟通与协作，以形成紧密的群体向心力。另外，社会临场感的协方差为负值，说明截距与斜率的方向相反，这意味着社会临场感的初始水平越高，社会临场感的增长速度反而越慢。推测原因，受网络平台功能、教师信息化教学水平等诸多因素限制，师生或生生之间的交互出现了“向度失序”现象^[12]，即原本活跃、灵动的双向学习链被弱化为单向的知识传递，这可能会对社会临场感初始水平较高的大学生造成一定的负面影响。

认知临场感在四次追踪测试期间呈增长趋势，且在第四次测试时达到最高水平。社会认知理论认为，人的发展是个体行为、个体认知及其他特征、个体所处的环境这三个因素相互作用的结果^[13]。在课程后期“成果验收”的驱动下，大学生进入“知识建构”阶段。这一阶段涉及概念的理解与应用，因此他们急需教学临场感的帮助——教学临场感鼓励培养大学生的元认知意识与策略，可帮助他们实现知识内隐与意義建构。外因通过内因起作用，故教学临场感正向影响认知临场感，且认知临场感的初始水平越高，认知临场感的增长速度就越快。

2 在线自我调节学习在四次追踪测试期间呈增长趋势

在线自我调节学习在四次追踪测试期间呈增长趋势，且在线自我调节学习的初始水平越高，会导致在线自我调节学习的增长速度越快。在目标设定方面，大学生需要依据学习目标完成相应的学习任务，而目标的激励作用会促使大学生将自身行为与预设目标相联系，由此调节自己的行为。在学习策略方面，丰富的数字工具提供了多样化的学习方式和途径，大学生能够利用这些工具调整学习策略，管理学习时间和资源，确保自己始终保持学习的热情和动力。而在自我评价方面，慕课平台提供了课前自测或单元测试，并可向大学生提供即时反馈。上述因素无疑可以促进大学生的在线自我调节学习，且在线自我调节学习的初始水平越高，在线自我调节学习的增长速度就越快。

3 社会临场感和认知临场感均正向预测在线自我调节学习，而教学临场感起负向预测作用

（1）教学临场感负向预测在线自我调节学习

前文分析显示，大学生的教学临场感初始水平越低，其在线自我调节学习的初始水平就越高，且其在线自我调节学习的增长速度也越快。同时，大学生教学临场感的下降速度越快，其在线自我调节学习的增长速度也越快。在线学习环境下，由于时空的分离性、交互的异步性，当大学生感知到教学临场感水平降低时，不得不通过自我驱动与自我调节加以弥补，如寻找额外的学习资源或更加努力地思考和解决问题，以适应和优化后续的在线学习。在这种情况下，虽然大学生对教学临场感的感知不佳，但他们的在线自我调节学习可能会因为更加积极的学习态度和行为而得到提高。

（2）社会临场感正向预测在线自我调节学习

前文分析表明，大学生社会临场感的初始水平越高，其在线自我调节学习的初始水平就越高，且其在线自我调节学习的增长速度也越快。同时，大学生社会临场感的增长速度越快，其在线自我调节学习的增长速度也越快。这一结论可以结合在线自我调节学习的特点加以解释：①在线自我调节学习是“学习者积极地参与学习过程，涉及预先计划、监测與控制、自我反思等阶段”^[14]，而社会临场感不可避免地需要小组成员协商共同的目标，监控学习的过程，并对任务进行评价与反思，因此社会临场感促进了在线自我调节学习的发展；②在线自我调节学习具有适应性，而社会临场感关涉小组成员之间的互动、交流和富有建设性的反馈，尤其是出现障碍和冲突时，需要小组成员采取必要的措施加以修改与调整；③社会临场感的关键在于“成员识别交互过程中的情感动机与认知状态”^[15]，因此分析“感知质量”与预期目标之间的差距并做出适应性调整，可能会成为大学生在线自我调节学习发展的重要路径。

（3）认知临场感正向预测在线自我调节学习

前文分析显示，大学生感知到的认知临场感初始水平越高，其在线自我调节学习的初始水平就越高，且其在线自我调节学习的增长速度也越快。同时，大学生认知临场感的增长速度越快，其在线自我调节学习的增长速度也越快。在本研究中，大学生的认知临场感在第四次测试时达到最高水平。第四次测试正值课程后期，是大学生通过探究活动“建构知识、获取经验”的关键时期。基于杜威的实践探究哲学，主体的探究过程可分为设置情境、确定问题、收集线索、形成假设、验证方案五个阶段^[16]。大学生通过具体的学习情境唤起对问题的认识，在信息交流、头脑风暴甚至是分歧当中收集解决问题的线索，在创建、测试与修订解决方案的过程中提供解释性、建设性的评价，这个过程会有力地促进大学生在线自我调节学习的发展。

四 研究建议

根据以上研究结论，为提升大学生的在线自我调节学习，本研究针对探究社区三种临场感的优化提出以下建议：

1 通过数据驱动的个性化学习，优化大学生对教学临场感的感知

前文结论表明，大学生感知到的教学临场感的感知正向预测在线自我调节学习——这个结论看起来有些反直觉，因为我们通常会理所当然地认为较高的教学临场感能够促进学生的自我调节学习。这提醒我们：教学临场感与在线自我调节学习之间的关系可能比我们预想的要复杂。因此，我们需要更深入地探索和理解这种关系，以更好地设计和实施教学策略，从而促进大学生在线自我调节学习能力的提升。无论如何，探究社区教学临场感本身的重要性是不容置疑的。为了让大学生对教学临场感有更深刻的感知，本研究建议采用在线学情分析技术支持大学生的个性化学习。具体来说，追踪大学生的痕迹数据（包括学习时长、学习内容、学习进度、学习效果等），并通过分析这些数据，为大学生提供有针对性的建议，帮助他们更好地理解和管理自己的学习过程，从而促进他们在线自我调节学习的提升。

2 通过教师引导的沟通协作平台，优化大学生对社会临场感的感知

前文结论表明，社会临场感在四次追踪测试期间呈增长趋势，且大学生感知到的社会临场感正向预测在线自我调节学习。也就是说，优化探究社区的社会临场感，可以促进大学生的在线自我调节学习。据此，本研究建议：①教师可以通过“破冰游戏”“在线圆桌会议”等活动创建协作学习情境，帮助大学生克服社交上的不适感；②教师可以鼓励大学生尝试“随机分组”或“异质性分组”，因为在线学习是以“互惠”为原则的学习活动，以宿舍为单位的固定分组会限制大学生的“异质性交往”，从而对其社会临场感造成一定的干扰；③大学生在互动过程中可能会出现任务理解偏差的问题，仅凭小组内部协商可能会陷入僵局，建议教师提供及时的反馈，帮助大学生调整因情境复杂而产生的社会认知分歧。

3 通过在线工具调节认知、态度与动机，优化大学生对认知临场感的感知

前文结论表明，大学生感知到的认知临场感正向预测在线自我调节学习。因此，有必要进一步优化探究社区的认知临场感，进而促进大学生的在线自我调节学习。对此，本研究建议：通过在线工具调节大学生的认知、态度与动机等个体因素，培养其“全息的观念”，即在纷繁庞杂的学习情境中监控个体的学习状态，积极调用大学生的元认知意识，促进他们在探究社区中优化对认知临场感的感知。具体来说，可以在学习平台中内嵌适当的认知工具和思维工具，帮助大学生建立知识网络，让他们能从复杂的情境中挖掘、辨析问题的本质。比如，Leelawong等^[17]设计了Betty Brain平台，并在该平台中内嵌名为Betty的虚拟代理：学生通过建构因果图的视觉表征方式，教Betty相关概念以及概念之间的因果联系，并通过向Betty提问以检验其是否理解了这些概念；Betty则通过文本或动画的形式解释其推理过程，以作出回应。这种学生扮演老师角色教虚拟学生Betty的学习方式，促进了学生复杂元认知能力的提升。

参考文献

[1]Boekaerts M， Cascallar E. How far have we moved toward the integration of theory and practice in self-regulation？[J]. Educational Psychology Review， 2006，（3）：199-210.

[2]Kizilcec R F， P?erez-Sanagustín M， Maldonado J J. Self-regulated learning strategies predict learner behavior and goal attainment in Massive Open Online Courses[J]. Computers & Education， 2017，104：18-33.

[3]Lee Y， Choi J. A review of online course dropout research： Implications for practice and future research[J]. Educational Technology Research and Development， 2011，（5）：593-618.

[4]蒋艳双，乜勇，崔璨.元认知与探究社区模型的关系分析[J].现代教育技术，2019，（1）：93-99.

[5]多召軍，赵蔚，任永功.移动网络学习社区构建新范式：大学生自我调节学习效能感培养视角[J].现代远距离教育究，2019，（1）：10-17.

[6]Zhang Y， Lin C H. Effects of community of inquiry， learning presence and mentor presence on K‐12 online learning outcomes[J]. Journal of Computer Assisted Learning， 2021，（3）：782-796.

[7]Maddrell J A， Morrison G R， Watson G S. Presence and learning in a community of inquiry[J]. Distance Education， 2017，（2）：245-258.

[8]兰国帅，钟秋菊，吕彩杰，等.探究社区量表中文版的编制——基于探索性和验证性因素分析[J].开放教育研究，2018，（3）：68-76.

[9]张成龙，李丽娇.基于MOOC的混合式教学对网络自我调节学习的影响[J].现代教育技术，2018，（6）：88-94.

[10]Duncan T E， Duncan S C， Li F. A comparison of model‐and multiple imputation‐based approaches to longitudinal analyses with partial missingness[J]. Structural Equation Modeling： A Multidisciplinary Journal， 1998，（1）：1-21.

[11]侯春笑，田爱丽.后疫情时代在线教育的公众关注与反思——基于知乎、微博平台话语的扎根分析[J].电化教育研究，2021，（6）：60-66.

[12]刘鹂，孟雪.大规模突发性事件中在线学习生态系统的失衡与进化[J].电化教育研究，2020，（9）：41-47.

[13]Bandura A .Social cognitive theory： An agentic perspective1[J]. Annual Review of Psychology， 2001，52：1-26.

[14]Pintrich P R. A conceptual framework for assessing motivation and self-regulated learning in college students[J]. Educational Psychology Review， 2004，（4）：385-407.

[15]王靖，崔鑫.如何支持与评价协作学习中的共享调节？——基于2007-2020年国内外共享调节研究的系统性文献综述[J].远程教育杂志，2020，（6）：86-95.

[16]郭法奇.探究与创新：杜威教育思想的精髓[J].比较教育研究，2004，（3）：12-16.

[17]Leelawong K， Biswas G. Designing learning by teaching agents： The bettys brain system[J]. International Journal of Artificial Intelligence in Education， 2008，（3）：181-208.

The Influence of Inquiry Community on University Students Online Self-regulated Learning

——Based on the Analysis of Latent Variable Growth Model

ZHANG Gang-Yao^1，2YU Ben²

（1.Digital Education Research Institute， Jiangsu Academy of Educational Sciences，

Nanjing， Jiangsu， China 210013; 2. School of Educational Science and Technology，

Nanjing University of Posts and Telecommunications， Nanjing， Jiangsu， China 210023）

Abstract： The use of strategies related to self-regulated learning will have a decisive impact on the effectiveness of online learning. In order to investigate the influence of three types of presence sense in the inquiry community on university students online self-regulated learning （OSRL）， this paper conducted four tracking tests on 87 undergraduate students in East China and applied the latent variable growth model for analysis. The results showed that university students perceived social presence sense， cognitive presence sense， and OSRL showed an increasing trend during the four tracking tests， while teaching presence sense fluctuated up and down. Meanwhile， university students perceived social presence sense and cognitive presence sense positively predicted OSRL， while teaching presence sense had a negative predictive effect. Based on this， the suggestions for optimizing the three types of presence sense in the inquiry community were proposed to promote university students OSRL. The research of this paper comprehensively revealed the development trajectory and relationship model of inquiry community and university students OSRL， which also had certain practical value for improving university students online learning effects.

Keywords： inquiry community; online self-regulated learning; teaching presence sense; social presence sense; cognitive presence sense

*基金項目：本文为2020年度教育部人文社会科学研究规划基金项目“面向核心素养发展的课堂具身性学习活动模型构建与实证研究”（项目编号：20YJA880080）的阶段性研究成果。

作者简介：张刚要，江苏省教育科学研究院教授，南京邮电大学教授，博士，研究方向为教育技术基础理论、数字化学习行为，邮箱为zhanggy@njupt.edu.cn。

收稿日期：2023年9月28日

编辑：小米