王若宾　付瑞平　程楠楠　肖彬　杜春涛

摘要：提出使用Felder-Silverman量表对大学生进行学习风格测量，对学习风格与大学计算机课程中操作型学习和应用型学习成绩的关系进行分析。数据分析表明，对于操作型学习和应用型学习，部分学习风格与学习成绩有显著差异。文章根据研究结果提出大学计算机课程MOOC教学设计和学习的建议。

关键词：学习风格；Felder-Silverman量表；大学计算机；MOOC

1背景

新兴技术应用于教育催生了新的教学模式，如社交媒体用于教育的O2O教学模式。近年来随着MOOC教学的深入，也出现了基于MOOC/SPOC协同建设的教学模式。纵观MOOC的相关研究，针对课程内容建设的比较多，而关注学习风格对MOOC模式下学习者学习成效以及学习行为影响的研究却非常有限。国外已有关于学习风格对学习成绩、学习态度和学习行为影响的研究，但不论国内外，尚缺乏MOOC环境下学习风格与学习成效和行为的深入研究。如果不能理清二者之间的关系，就难以有的放矢地改进MOOC的内容设计以及教学和学习模式设计，也就难以充分发挥MOOC的优势。

2研究设计

大学计算机是除计算机专业外所有一年级学生都要学习的一门计算机类基础课程。课程采用MOOC课堂与传统课堂相结合的方式进行，即任课教师在机房对每节课的内容进行概要介绍，针对具体知识点提供MOOC课堂资源，同时也对部分知识点进行课堂讲授，学生可根据自身情况选择两种学习方式的比例。根据学习内容的特点可将课程分为操作型学习和应用型学习两个部分，研究中操作型学习的测量以Word为准，应用型学习以Excel为准，每个单元学习结束后进行单元测试，其成绩作为评价学习效果的依据。

笔者使用Felder-Silverman量表对学习风格进行测量。学习风格量表初测在北方工业大学2014级统计1～2班的课堂完成，在回收问卷后，初测修正并形成用于正式调查的问卷。

3分析及讨论

3.1调查样本人口统计学分析

本次调查共在北方工业大学18个大学计算机课堂进行，专业覆盖工科、理科、文科共67个自然班。回收、整理并删除无效问卷后共获得1500条有效记录，其中含台湾地区1人、香港地区2人。由于港台地区生源数量很少，且经济社会环境与大陆地区有较大不同，因此以下分析将基于大陆地区的1497条记录进行。

我们从性别、生源地、地区和专业4个方面对样本数据进行分析，数据见表1。

数据显示学生男生比例偏高，这与该大学工科专业比例大有关。由于该大学是北京市属高校，因此生源地将以“是否北京生源”来划分，其中北京生源比例略高。根据国家统计局对我国经济地区的划分，非北京地区生源的统计数据显示，该校招生向西部地区倾斜，其余地区分布较平均。专业方面，数据显示学校以工科为主。

3.2学习风格分析

Felder-Silverman量表把学习风格分为4组内容相对的学习风格，它们是活跃型/沉思型、感悟型/直觉型、视觉型/言语型和序列型/综合型。每个题项有a、b两个选项，根据学生对每个题项的回答进行得分统计，得分在11a、9a、7a、5a的为a种风格，得分为11b、9b、7b、5b的为b种风格，而3a、1a、1b、3b则属两种风格的平衡型。但在本次调查的分析中我们发现，按上述分类方法容易导致平衡型数量偏高的情况，这可能是文化差异所致。因此，修正后的依据是得分为11a、9a、7a、5a、3a的列为a种风格，得分为11b、9b、7b、5b、3b的列为b种风格，而1a、1b则属两种风格的平衡型。

学习风格的统计数据见表2。在活跃型/沉思型维度中，沉思型比例略高，说明被测试者倾向于安静思考，单独学习的人更多一些，但3个部分比例比较平均。感悟型/直觉型维度中，感悟型的比例更高一些，说明喜欢以有序化、结构化方式学习的人更多，倾向于灵活创新型学习的比例偏低。视觉型/言语型维度中视觉型比例明显偏高，说明以视觉元素呈现学习内容符合大多数人的认知行为习惯。序列型/综合型维度中序列型人数更多一些，说明被测试者中注重细节和部分学习的人较多，而以整体观念学习的人相对少。

总体而言，数据分析的结果揭示了大学新生的认知习惯和学习偏好，为进一步理解他们的学习行为提供了基于统计意义的依据。

3.3学习风格与MOOC学习成绩关系的分析

由于不同专业的学习内容存在差异，为了消除由课程差异产生的影响，我们将只对8个工科专业课堂共503个有效记录的数据进行分析。此外，相同内容的工科课程也可能存在不同教师教学方法和行为对结果的干扰，因此成绩采用课堂内按成绩升序排名的方式，即最低分的排名为l，以此类推，相同分数则排名并列，但后续排名顺延直到最高分。差异性对比采用单因素方差分析，以学习风格为分组因素，每个维度的学习风格分为3组。

首先我们对各组数据进行方差齐性检验，分析结果表明均为方差齐性，因此可以使用方差齐性的分析方法。其中，视觉/言语型由于组间比例差距过大，且丰富视觉呈现有助于学生学习，已经获得大量文献的支持，因此本节仅对3个维度的学习风格在操作型和应用型学习成绩方面的差异进行分析。各个维度学习风格分组之间的方差分析结果见表3。

数据显示，在感悟/直觉型维度下不同学习风格在操作型学习成绩上存在显著差异，且差异的显著性水平是最高的，但在应用型学习上差异并不显著。在序列/综合型维度下，不同学习风格在操作型和应用型学习的成绩均存在显著差异。然而活跃/沉思型维度下不同学习风格在两种学习类型上的成绩没有显著差异。另外，尽管笔者的研究使用的统计显著性标准略微宽松，在行为研究领域仍是可被采用的标准且获得了较大样本的支持，因此结果仍具可信度。

本节的分析是基于8个工科课堂所做。分析结果显示，即使在同一专业类别下，不同学习风格人群其学习成绩仍然存在部分差异，因此，有必要针对不同的学习风格进行教学方法和模式的设计，以便学生获得更好的学习效果。

4结语

早在两千多年前孔子就提出了因材施教的观点。随着教育的发展进步，在教学中重视个体差异已经成为教学研究者和实践者的共识，但实现精准教学的前提是发现导致差异的原因。在分层教学中，传统方法是通过能力（基础）测评的方式进行分组，没有考虑学习风格的影响。笔者在这方面做了尝试，通过统计分析得出一些有意义的结论。

1）学习风格分布及其与专业类别的关系。

除了视觉型/言语型维度的学习风格呈现明显一边倒的现象外，其他3个维度的学习风格分布比较均衡。不同专业类别中各学习风格的分布会有所不同，其中文科与理工科存在一定的差异，特别是文科和理科在部分维度的学习风格分布上存在较大差异。比较而言，按部就班、注重顺序和条理、偏向结构化的学习风格是较多大一学生所偏好的。

2）学习风格与成绩的关系。

活跃型/沉思型分组的学习风格对于学习成绩，不论是操作型学习还是应用型学习，其影响都不显著，感悟型/直觉型分组对操作型学习的成绩具有显著的影响，而对应用型学习成绩的影响则不显著。序列型/综合型学习风格对操作型和应用型学习成绩均呈现边际显著的影响，其中对应用型学习成绩的影响更接近显著水平。

MOOC不同于传统课堂的特点之一是它的学习者来源非常广泛，数量也极其庞大，因此，重视学习风格对学习成效的影响，根据学习风格进行相关课程内容和形式的设计就十分必要。基于研究结论我们提出以下建议。

（1）在MOOC课程中注重线性顺序和清晰逻辑关系在课程设计中的作用，优先考虑知识结构布局在课程设计中的作用。

（2）课程形式和资源配置中优先考虑符合视觉型学习风格的需求，在具体性方面加大力度，多以图像、图表、动画等形式承载知识点。

（3）在基于MOOC的翻转课堂中可以加大顿悟型学习的引导，并加强相关课程环节设计的力度，以实现线上、线下优势互补。

（4）MOOC的优势在于对学习者行为可以进行全过程的跟踪，因此学习风格前测加学习行为引导的方式可引入MOOC设计中，实现动态自适应学习。

（编辑：孙怡铭）