学习投入对在线学习绩效影响路径的实证研究

摘 要：在“数字中国”战略背景下，在线学习已成为现代高等教育的重要组成部分。该文结合554份有效问卷数据，采用结构方程模型分析认知投入、行为投入、情感投入和社会交互投入四个维度对在线学习绩效的影响。研究表明，社会交互投入对学习绩效有显著正向影响，情感投入则通过提升认知投入和行为投入间接影响学习绩效。进而提出认知加工和积极学习行为是提升在线学习效果的关键，强调社会交互投入和认知投入对改善学习绩效的重要性。该文揭示各维度在线学习投入在提升学习绩效中的关键作用，为优化在线教育策略提供实证依据。

关键词：在线学习；学习绩效；社会交互；认知投入；情感投入

中图分类号：G640 文献标志码：A 文章编号：2096-000X（2024）33-0094-05

Abstract： Under the background of 'Digital China' strategy， online learning has become an important part of modern higher education. Based on the data of 554 valid questionnaires， this paper uses the structural equation model （SEM） to analyze the impact of four dimensions of cognitive input， behavioral input， emotional input and social interaction input on online learning performance. The research shows that social interaction input has a significant positive impact on learning performance， and emotional input indirectly affects learning performance by improving cognitive input and behavioral input. Furthermore， it is proposed that cognitive processing and positive learning behavior are the key to improving the effect of online learning， emphasizing the importance of social interaction input and cognitive input to improve learning performance. This paper reveals the key role of online learning engagement in improving learning performance， and provides an empirical basis for optimizing online education strategies.

Keywords： online learning; learning performance; social interaction; cognitive input; emotional input

随着信息技术的迅猛发展，在线学习已成为现代高等教育的重要组成部分[1]。尤其在“数字中国”战略背景下，在线学习凭借所处虚拟空间具备的动态性、隐匿性、映射性，为学习者提供了更加自主、灵活、开放的学习环境。一方面，这种学习模式能够引导大学生认知真实需求，加强自我管理，提升综合素质；另一方面，在线学习还能够通过网络技术促进学习资源的共享和学习体验的提升。然而，尽管在线教育的普及程度日益提高，大学生在在线学习中依然面临一些挑战[2]。首先，在线学习以视频、直播为主，师生互动相对缺乏，可能造成学生理解不够深入透彻。此外，由于缺乏面对面的互动和监督，学生在线学习的参与感较低，容易产生懈怠情绪，学习投入不足[3]。在线学习对学生的自主学习能力和自我管理能力提出了更高的要求，这使得部分学生可能难以适应。因此，如何促进大学生在线学习的学习投入，有效提升学习绩效和质量，是当前教育研究领域关注的热点之一[4]。

在线学习投入指学习者参与在线学习活动以及与他人保持交互的复杂过程中展现出的持续积极状态，是衡量学习质量、预测学习效果的关键指标。学习投入理论认为：认知、情感和行为投入是衡量学习投入的重要维度。其中，行为投入是认知投入与情感投入的载体和中介[5]。此外，学习动机又是影响学习投入的根本因素。自我决定理论（SDT）指出，学习动机包含内在动机和外在动机，内在动机由个人的兴趣和享受所驱动，外在动机则是由外部奖励或压力所驱动[6]。因此从社会学角度出发，社会交互投入可以作为外在动机引入在线学习投入测量指标。在在线学习环境中，采取有效策略激发大学生的学习动机，增加学习投入，对提升学习绩效至关重要。一些学者针对在线学习投入与学习绩效展开了相关研究：易福侠[7]构建了信息素养、在线学习投入和在线学习绩效的结构方程模型，发现在线学习投入对学习绩效有显著正向影响。李运福等[8]指出，情感投入是学习的动力，影响学习行为表现；学习行为受认知活动支配，情感投入有助于深层次认知加工。线上交互和内部动机能增强情感投入，从而作用学习绩效。马志强等[9]指出，认知投入因素中的认知能力与策略、元认知和情感投入因素均显著影响社会性学习行为，在线讨论行为则显著影响满意度和课程持续使用意向。王福胜等[10]指出学习绩效是检验在线学习有效性的关键指标。在线学习绩效包括学业成绩和学习体验两个维度，其中学习体验是衡量在线教学质量的重要标准之一，体现在学习满意度上。肖康等[11]研究了在线学习绩效的测量方法，并指出学习者的在线学习成绩及满意度是评价学习绩效的重要指标。个人知识的积累和团队学习的效果也是衡量在线学习绩效的重要维度。综上可知，认知投入、行为投入、情感投入、社会交互投入是学习投入的四个维度，而课程学习成绩、满意度、学习效果、专业知识与应用技能掌握程度等则是度量在线学习绩效的重要指标[12]。

基于上述理论基础和研究现状，针对如何有效促进大学生在线学习投入水平，提高在线学习绩效问题，本文基于西部某高校水利类专业教育改革背景，整合自我决定学习理论与学习投入理论，选取某西部高校水利类专业学生为研究对象，采用结构方程模型分析方法，引入在线教育学习情境相关要素，测量并构建在线学习投入的结构模型，探究大学生的在线学习投入各维度的内部联系和相互作用，以及作为外部动机的社会交互投入对在线学习绩效的正向预测效应，以期探究在线课程学习设计的优化策略，探寻提升在线学习绩效的有效路径。通过了解学生在线学习的参与情况与学习效果，可为在线教育策略的改进提供建设性建议，有助于进一步推动“数字中国”背景下教学改革和水利类人才培养质量的提升[13]。

一 研究设计

（一） 研究方法概述

本文以西部某高校水利类专业学生为研究对象，旨在探讨学习投入影响在线学习绩效的有效路径。采用定性定量研究方法，通过分层抽样法和问卷调查法收集数据。采用结构方程模型（SEM），运用AMOS和SPSS软件对问卷数据进行分析，探索学习投入各维度对在线学习绩效的影响。

（二） 样本选择与数据收集

本研究采用分层抽样法来选择调查问卷对象。研究对象为西部某高校水利类专业学生，参与调查的学生样本具有多样性。性别方面，男生占79.5%，女生占20.5%；年级分布为大一19.8%，大二17.9%，大三16.7%，大四21.5%，研究生24.1%；家庭经济状况方面，中等收入家庭占82.7%，高收入家庭占3.1%，低收入家庭占14.2%；专业分类方面，农业水利类占28.9%，水利水电学类占44.5%，其他专业占26.6%。样本具有代表性，能够较全面地反映该校水利类专业学生的在线学习情况。

本研究数据来源于对上述样本学生的问卷调查，为保证调查问卷的科学性、合理性，参考成熟的李克特量表设置问卷，界定理论模型的潜在动因以及各因素的测量量表，涵盖基本情况问题、在线学习投入水平量表、学习绩效量表以及质量控制设置等方面。问卷通过水利建筑工程学院内网和在线学习平台分发，采用电子形式填写。起先简化了问卷结构，进行了预测试和修改，并剔除了答题时间异常的问卷。研究共发放592份问卷，回收有效问卷554份，有效回收率为93.6%。数据回收后，进行了清洗和筛选，以确保数据的可靠性和代表性。

（三） 数据分析方法

采用结构方程模型（SEM），运用AMOS和SPSS软件，对在线学习绩效理论模型中各变量关系之间假设关系进行验证。结构方程模型是一种结合因子分析和路径分析的统计方法，可以有效分析和处理研究中无法直接测量的变量及其因果关系。由于模型中的概念变量无法直接测量，需要对潜在变量进行操作化处理，使用可直接测量的问项来获取所需的样本数据。为分析学习投入的四大维O5POK8nHO4HPBlnl8F8kHw==度——认知投入、行为投入、情感投入、社会交互投入的内部联系和相互作用，以及作为外部动机的社会交互投入的正向预测效应，作出如下假设（图1）。

（四） 结构模型适配度检验

为了确保研究模型的有效性和可靠性，在进行结构模型分析之前，首先对模型的适配度进行了检验。研究者首先检验了模型的整体拟合情况，模型的卡方自由度比（CMIN/DF）为2.886，处于理想区间（1～3）内，表明模型与观测数据之间具有较好的拟合度。误差均方根（RMSEA）值为0.06，低于0.08的可接受阈值，进一步证实了模型的拟合质量。内在因子增量指数（IFI）、塔克-刘易斯指数（TLI）和比较拟合指数（CFI）均超过了0.9，这些指标的优异表现表明模型在结构上具有高度的一致性和可靠性。适配度检验分析结果见表1。

（五） 模型信效度检验

1 测量模型信效度检验

为了确保研究结论的可靠性和有效性，在进行结构模型检验之前，对测量模型的信度与效度进行了检验，以保证结构模型有实际意义。信度检验以克隆巴赫系数（Cronbach α）和组合信度为标准。Cronbach α 是检验量表或构念内在一致性的重要参考指标。当 α≥0.70 时，属于高信度；0.35≤α<0.70 时，属于尚可；α<0.35 则为低信度。若各变量的组合信度大于 0.6，说明潜在变量的测量题项有较好的内部一致性，即表示测量模型的内在质量良好。通过计算，本研究中所有潜在变量的组合信度均大于 0.6，具体数据如下：认知投入组合信度为 0.82，行为投入组合信度为 0.78，情感投入组合信度为 0.81，社会交互投入组合信度为 0.85。这些结果表明，测量模型信度较好，测量数据的内部一致性较高，支持后续的结构模型分析。

注：H1为社会交互投入对认知投入具有正向预测效应；H2为社会交互投入对行为投入具有正向预测效应；H3为社会交互投入对情感投入具有正向预测效应；H4为情感投入对认知投入具有显著的正向预测效应；H5为情感投入对行为投入具有显著的正向预测效应；H6为认知投入对行为投入具有显著的正向预测效应；H7为认知投入对学习绩效具有正向预测效应；H8为行为投入对学习绩效具有正向预测效应；H9为社会交互投入对学习绩效具有正向预测效应；H10为情感投入对学习绩效具有正向预测效应。

2 调查问卷结构效度检验

首先，通过进行KMO、巴特利特球形检验、旋转成分矩阵，以确定数据是否适合因子分析。结果表明，KMO值为0.932，接近于1，同时，巴特利特球形度检验显示，Bartlett检验p值小于0.05，表明量表具有优良的结构效度。旋转成分矩阵根据 AMOS得到因子载荷计算的CR和AVE都在可接受范围内。其次，进行了主成分分析（PCA）以提取潜在因子。因子分析结果表明，认知投入、行为投入、情感投入和社会交互投入四个因子可以解释在线学习投入的大部分方差。每个因子在统计上都具有显著性，表明这些因子在构建在线学习投入模型时具有重要作用。通过验证性因子分析，进一步确认了各个测量量表的结构效度，确保了问卷在不同维度上的有效性。最后，通过对问卷数据进行区分效度检验，五组数据的因子载荷量介于0.59到0.83之间，均高于0.5的标准，同时组合信度也超过0.6，这表明问卷具有良好的聚合效度。

二 研究结果

（一） 学习投入各维度间的中介效应

为深入探讨在线学习投入对学习绩效的影响机制，采用结构方程模型（SEM）和Bootstrap方法，分析了情感投入和认知投入在社会交互投入对学习绩效的影响路径中的中介作用。

通过AMOS软件进行路径分析和Bootstrap抽样，结果显示情感投入在社会交互投入对认知投入和行为投入之间起到了显著的中介作用。具体而言，社会交互投入通过情感投入间接影响认知投入和行为投入的路径系数分别为0.35和0.41，且均显著（p<0.01）。这表明有效的社会交互可以提升学生的情感投入，从而进一步增强认知和行为投入。

此外，认知投入在行为投入对学习绩效的影响路径中也起到了显著的中介作用。行为投入通过认知投入间接影响学习绩效的路径系数为0.28（p<0.01）。这意味着学生的认知投入是行为投入转化为学习绩效的关键中介因素。中介效应检验分析结果见表2。

结果表明，社会交互投入不仅直接影响学习绩效，还通过情感投入和认知投入间接影响学习绩效。这进一步验证了在线学习投入各维度之间的复杂互动关系，并强调了提升社会交互和情感支持对于提高学生学习绩效的重要性。

（二） 学习投入各维度对在线学习绩效的皮尔森相关性分析

为了探讨各变量之间的关系，本研究对认知投入、行为投入、情感投入、社会交互投入与学习绩效之间进行了皮尔森相关性分析。结果显示，认知投入与学习绩效之间的相关系数为0.42，行为投入与学习绩效的相关系数为0.45，情感投入与学习绩效的相关系数为0.39，社会交互投入与学习绩效的相关系数为0.44。所有相关系数均显著，表明在线学习投入的各个维度对学习绩效有显著的正向影响。这些结果进一步验证了提出的假设，即在线学习投入的不同维度对学习绩效有重要的促进作用。皮尔森相关性分析结果见表3。

（三） 学习投入各维度对在线学习绩效的路径关系分析

通过结构方程模型（SEM），对假设的在线学习投入影响学习绩效的路径模型进行了验证。结果表明，社会交互投入不仅直接正向影响认知投入、行为投入和情感投入，还通过这些中介变量间接影响学习绩效。具体来说，社会交互投入对认知投入的正向预测效应显著，标准化路径系数为0.599（p<0.01），说明良好的社会交互能够显著提升学生的认知投入水平。此外，社会交互投入对行为投入的正向预测效应显著，标准化路径系数为0.609（p<0.01），表明互动和支持有助于增加学生的实际参与度。同样，社会交互投入对情感投入的正向影响也很显著，标准化路径系数为0.587（p<0.01），体现了社交互动在情感上支持学生的在线学习。

情感投入对认知投入和行为投入的影响也得到了验证。情感投入对认知投入的正向预测效应显著，标准化路径系数为0.468（p<0.01），表明情感上的投入能够提升学生的认知水平。然而，情感投入对行为投入的正向预测效应不显著，标准化路径系数为0.532（p=0.081），未达到显著性水平，说明情感投入并不能显著预测行为投入。认知投入对行为投入的正向预测效应显著，标准化路径系数为0.561（p<0.01），这表明认知投入在很大程度上能够转化为实际的行为参与。

在对学习绩效的直接影响方面，认知投入和行为投入均显示出显著的正向预测效应。认知投入对学习绩效的标准化路径系数为0.420（p<0.01），表明学生的认知投入能够显著提升学习绩效。行为投入对学习绩效的标准化路径系数为0.450（p<0.01），表明实际的学习行为对学习绩效具有显著的促进作用。然而，情感投入对学习绩效的影响未能达到显著水平，标准化路径系数为0.390（p=0.165），说明情感投入对学习绩效的直接影响并不显著。此外，社会交互投入对学习绩效的正向预测效应显著，标准化路径系数为0.440（p<0.01），表明良好的社会交互能够直接提升学习绩效。模型路径分析结果见表4。

通过路径关系分析，可厘清在线学习投入各个维度之间的相互作用及其对提升学习绩效的综合影响。由表4可知，假设H5和H10未得到验证，其余假设均得到了验证，该结果表明：①情感投入对行为投入和学习绩效的直接影响有限。这可能是因为情感投入需要通过认知投入和行为投入间接影响学习绩效，虽然能提升学生的认知投入，但未能显著改变其学习行为，从而未能直接提升学习绩效。而在线学习环境中的诸多外部因素，如缺乏面对面的互动、学习环境的干扰和学生自律程度的差异，可能削弱了情感投入的直接影响；②社会交互和认知投入在提升学生学习绩效方面发挥了重要作用。社会交互投入能够提供情感支持和认知激励，认知投入则通过提升学习行为和学习效果直接促进学习绩效。因此在提升在线学习效果时应更多地关注社会交互和认知投入的提升。

三 提升水利类专业学生在线学习绩效的建议

水利类专业学生的在线学习在理论与实践结合方面面临特殊挑战。主要原因是水利类专业课程具有较高的技术要求和实践性，而在线学习环境在传达复杂的工程概念和操作技能方面存在困难。例如，涉及到工程设计、施工技术和实验操作的课程内容难以通过传统的在线教学工具有效传达，这对学生的实际动手能力和理解深度提出了挑战。

为应对这些特殊挑战，建议通过以下几种方式提升水利类专业学生的在线学习效果。

（一） 激发内在学习动机，优化学习策略

在线课程应提供多样化和具有挑战性的学习资源，如视频讲解、互动练习等，以增强学生的学习兴趣和自主性，激发学生的内在学习动机；利用数据分析技术，为学生推荐个性化的学习内容和路径，同时提供时间管理工具和学习进度追踪系统，帮助学生合理安排学习时间并制定个人学习计划。鼓励学生在学习过程中进行反思，并利用自我评估工具持续监控和调整学习策略，确保学习活动高效且有序。

（二） 提升外在学习动机，增强互动交流

社会交互和情感投入对学习绩效有显著的正向影响。因此，在线教育平台应注重增强学生间的互动和交流，利用在线协作工具，如视频会议、在线讨论区和共享文档平台等，支持学生进行远程合作和交流，提升团队合作效率和项目成果质量，促进学生的社会交互投入。同时，教育工作者应在课程中融入更多的情感元素，在线教学应结合实时反馈和指导，通过定期的在线答疑、作业批改和个性化辅导，帮助学生及时解决学习中遇到的问题，通过及时反馈、鼓励性评价和情感支持来增强学生的学习体验，创建一个支持性和包容性的学习环境，使学生在学习过程中感受到被重视和支持，从而提高学生的情感投入和学习绩效。

（三） 推动在线教育平台创新，加强虚拟仿真建设

针对水利类专业学生，应持续推动教育技术的创新和应用，建设虚拟仿真实验室和工程模拟软件，增强学生在在线学习中的实际操作能力，提升整体教育质量。虚拟实验室可以模拟真实的实验环境，使学生能够进行远程实验操作，从而弥补物理实验室的不足。工程模拟软件则可以提供逼真的工程项目模拟，帮助学生理解和应用复杂的工程概念和技术。提供实际工程案例的在线分析和项目实训，可以帮助学生将理论知识应用于实际问题的解决，从而提高学生的专业技能和实际操作水平。

四 结束语

本文基于对西部某高校水利类专业学生的问卷调查，探讨了在线学习投入各维度（认知投入、行为投入、情感投入、社会交互投入）对学习绩效的综合影响。研究结果表明，认知投入和行为投入均显著提升了学习绩效，表明深入的认知加工和积极的学习行为是提升学习效果的关键。而情感投入通过提升认知投入和行为投入间接影响学习绩效，说明情感上的投入需要通过其他投入形式转化为实际的学习效果。社会交互投入在本研究中表现出显著的作用，不仅直接提升学习绩效，还通过情感和认知投入间接影响学习效果。这表明良好的社交互动能够提供情感支持和认知激励，从而促进整体学习绩效的提升。

总体而言，本研究揭示了在线学习投入各维度在提升学习绩效中的重要作用，并针对水利类专业学生面临的特殊挑战提出了相应的在线学习绩效提升建议，为在线教育的优化提供了理论依据和实践指导，也为教育工作者和平台设计者提供了有价值的参考，有助于更好地支持和提升学生的在线学习体验和效果。

参考文献：

[1] 黄庆双.中小学教师TPACK转化为数字素养的作用机制研究：一个链式中介模型[J].现代远距离教育，2023（6）：43-52.

[2] 李爽，钟瑶.在线教师教学投入对学生学习绩效的影响——基于教师和学生的视角[J].开放教育研究，2020，26（3）：99-110.

[3] 乔骞，窦品兰，李珂.互联网时代数字素养对大学生在线学习的影响——基于链式中介模型[J].西部素质教育，2024，10（8）：94-98.

[4] 胡小勇，徐欢云，陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J].中国电化教育，2020（3）：77-84.

[5] 张青，龙玉萍.我国近20年来在线学习效果影响因素研究的述评[J].成人教育，2023，43（2）：44-53.

[6] 王改花，傅钢善.网络环境下学习者特征模型的构建及量表的研制[J].远程教育杂志，2018，36（3）：64-74.

[7] 易福侠.高职学生信息素养—在线学习投入—在线学习绩效结构方程模型[J].湖北开放大学学报，2023，43（4）：26-34.

[8] 李运福，王斐.人工智能时代高等教育“何为”——基于《人工智能：我们现在在哪里》的分析[J].电化教育研究，2024，45（4）：32-38.

[9] 马志强，肖海雁，梁晓燕，等.考研学生抑郁情绪干预的个案研究[J].山西大同大学学报（社会科学版），2024，38（3）：151-154.

[10] 王福胜，冯昕宇，周妮.自我决定理论视角下在线学习力模型构建——基于扎根理论的质性分析[J].教学研究，2024，47（1）：10-17.

[11] 肖康，胡瑞玉，张家年.大学课程直播教学中师生互动影响因素的模型构建[J].成都师范学院学报，2023，39（4）：108-118.

[12] 蔡旻君.学习者在线学习行为投入新探索——基于点、线、面方法的评估模型构建[J].中国电化教育，2023（8）：84-93.

[13] 段朝辉，洪建中.网络视频课程中师生交互与大学生网络学习绩效的关系：学习自我效能感与学习动机的序列中介作用[J].心理发展与教育，2019，35（2）：184-191.