王孝金 穆肃

[摘   要] 在线学习中深层次学习的发生是教学双方追求的共同目标，为达成这一目标，需要剖析影响深层次学习的因素并深入探讨其内部作用机制。为此，研究从个体、交互、环境三个维度梳理影响因素，提出理论模型及相应假设，根据假设设计测量工具，对470名学习者进行测试和数据分析，同时，结合88名学习者5周在线学习的完整数据对测量结果进行再验证和深入分析。研究发现：（1）在线学习中，环境因素对深层次学习影响最大，个体因素影响较小，简单交互对深层次学习没有直接影响;（2）环境因素对交互因素的影响大于个体因素，环境因素对个体因素具有正向影响，还可以通过个体因素这一中介变量影响交互。以上结论可为在线教学、线上线下混合学习中促进深层次学习策略的实施和教学实践提供依据。

[关键词] 在线学习; 深层次学习; 个体因素; 交互因素; 环境因素; 作用机制

[中图分类号] G434            [文献标志码] A

[作者简介] 王孝金（1990—），女，山东济宁人。博士研究生，主要从事在线学习中深层次学习理论及实践研究。E-mail：wangxiaojin@m.scnu.edu.cn。穆肃为通讯作者，E-mail：musu@m.scnu.edu.cn。

一、问题的提出

在线教育行业呈现爆发式增长态势，至2020年3月，我国在线教育用户达4.23亿[1]。 然而，在线教育广泛开展的同时，也暴露出一些问题，如大多数在线学习者的学习体验和效果并不理想，学习多处于成效平平或混乱的状态[2]，甚至有学者产生了在线学习环境正成为滋生“浅层学习”的温床的担忧[3]。学生作为学习的主体，未能积极主动地投入到学习中，出现敷衍、抵触、应付或放弃等现象。教师作为教学的设计和组织者，未能厘清深层次学习未发生的原因及影响因素，从而难以采取针对性策略，深層次学习目标难以达成已成为普遍问题。针对这一问题，需要剖析哪些因素影响深层次学习的发生，影响方式如何。为此，不少学者进行了相关研究。一是从在线学习投入视角，参考和改编全美大学生学习性投入调查（简称NSSE）量表，探究深层次学习的影响因素，这类研究以硕士论文居多[4-6];二是提出并检验单一影响变量与深层次学习之间的作用关系[7-10]。吴亚婕从已有理论和研究中提炼出深层次学习的影响因素，并进行了较为全面的梳理，但并未对相关结论进行验证[11]。以上研究虽均对深层次学习的影响因素进行了分析与总结，但有的缺少基于数据的分析，有的缺少分析的理论框架，有的未进行验证，都未能对在线学习中深层次学习的影响因素及作用机制进行深入探讨。为此，本研究借鉴和梳理已有研究成果，提出理论假设模型，首先，通过测量数据对模型进行验证;然后，基于真实的在线学习数据进行再验证和进一步分析;最后，揭示了在线学习中影响深层次学习发生的因素及相互作用关系。

二、研究模型及假设

（一）在线学习中深层次学习影响因素梳理

学习者个体因素，如动机、自我效能感等与深层次学习有关[8，12]，并且在不同程度上影响着深层次学习的发生。有学者强调，交互和协作会引发更多地交流、思考，因此，也能引发知识的深化、观点的创新或解决方法的提出，从而产生深层次学习[13]。Zhao等人认为，交互是促进在线学习者有效学习的关键[14-16]，学生与学生、学生与教师和学生与内容三种类型的交互都能在一定程度上促进学习成效并提升满意度，当任何一种交互处于高水平时，深层次和有意义的正式学习更易发生。在线学习行为较为复杂，包含学习者参与、坚持、专注、交互、学术挑战、自我监控等[17]。吴亚婕将影响深层次学习的因素归纳为三个维度，即个体因素、行为因素以及环境因素[11]。以学习者为中心的学习环境积极地影响着深层次学习[18]，Bünyamin等人通过对比实验验证了网络学习环境和工具对学习成效和满意度有重要影响[19]。通过对相关文献进行梳理和归纳可知，多数研究认同深层次学习受到个体、交互和环境因素的影响。本研究结合在线学习的特点和对已有研究的分析，对吴亚婕提出的在线深层次学习影响因素理论模型进行调整，将个体、交互和环境三个方面纳入到理论模型中，认为它们之间存在相互影响。

（二）研究假设及模型建构

1. 交互因素

在线学习中的交互包括师生交互、生生交互、学生和学习内容的交互[20]。在线学习中多样性的交互将影响批判性思维的发展，而批判性思维被认为是深层次学习的重要表现[16]。随着交互的增加，学习者会产生更高层次的思考，促进深入的知识加工[21]。Sandra等人的研究表明，同伴之间通过交互方式学习时，深层次学习效果要比教师指导效果更好[22]。学习者与内容的交互对深层次学习也有影响，学生与学习内容的交互出现在使用教学资料的过程中，如观看视频、阅读文本、浏览嵌入网址。小组或个人学习时，学习者可通过内容学习感受其中的教学理念并引发思考[23]。据此，本研究提出假设H1。

H1：交互因素对深层次学习具有正向影响作用。

2. 个体因素

影响学生深层次学习的个体因素主要有三类。一是学生对教学情境的感知[24]。张琪指出，自我效能感和深层次学习之间存在显著的正相关[8];李文波等在研究中发现，具有较强自我效能感的学生会更倾向于使用深层次学习方法[25]。二是学生先前学习观念、知识观念和学习基础的影响[26]。对信息技术和以计算机为媒介的交流态度、个人的首要学习风格、先前的文化倾向等都深刻影响着在线学习的发生[25]。马秀峰的研究指出，不同学习风格会影响在线学习交互的频度、深度和绩效[26];陈琦等指出，学习动机是直接推动学习者进行学习的一种内部驱动力，是用以激励和指引学习者进行学习的一种需要[27]，它能够说明不同学生进行交互的原因以及交互意愿产生的源头。三是人口学基本信息如性别、家庭背景等均影响着深层次学习的发生[28]。基于上述分析，提出假设H2和H3。

H2：个体因素对深层次学习具有正向影响作用。

H3：个体因素对交互因素具有正向影响作用。

3. 环境因素

在线学习环境决定了学习者是否能够随时随地和同伴或教师进行交互，为学习者提供过程性的评价能够提高教学的有效性[9]，网络课程的社区感和交互性强，更能引发学习者的深层次学习。赵宏等研究证明，在线课程内容和平台的质量对在线学习者情绪有影响[29];Feng 等人研究指出，网络课程设计模式和在线交流类型均能对学生的交互产生影响[18];香港大学Webster等人以1563名学生为调查对象，发现优质教学、清晰的目标与标准、适当的工作负荷等环境感知因素是影响学生深层次学习的重要方面[30]。基于上述分析，提出假设H4、H5和H6。

H4：环境因素对深层次学习具有正向影响作用。

H5：环境因素对交互因素具有正向影响作用。

H6：环境因素对个体因素具有正向影响作用。

基于以上分析，本研究構建了如图1所示的影响因素构成及相互关系理论模型。

三、测量设计及实施

（一）测量工具

基于已有研究量表对个体、交互和环境因素三个维度测量问题进行修改和整合，深层次学习效果量表参考清华大学教育研究院NSSE-China课题组构建的深层次学习子量表[31]修改形成。题项均采用李克特五点计分方式设计（1—5分别表示“完全不符合”“基本不符合”“一般”“基本符合”“完全符合”），量表详细设计见表1。

（二）量表修订及发放

初始量表对70名大学生进行试测，结果显示，初始量表总体信效度较高，但个体因素中的1和5选项信度较低，故对其进行剔除。试测阶段就量表内容对10名大学生进行了访谈，针对学生认为描述较为抽象的题项进行了修订，形成了正式量表。正式量表选取来自广东、山东等地5所本科院校的470名有在线学习经历的大学生进行在线填答。共计发放量表470份，回收461份，剔除填答时间过短的无效数据，最终保留有效问卷440份。

四、结构方程模型数据分析及结果

利用AMOS 22.0软件对模型进行信效度检验。信度检验一般以克隆巴赫系数（Cronbach α）和组合信度为标准。测量模型中个体因素、交互因素、环境因素和深层次学习效果的α值均大于0.70，组合信度介于0.771～0.886之间，符合Hair等人提出的标准[34]，表明具有良好的组合信度。用验证性因子分析对数据进行收敛效度分析。结果表明，测量指标的因子载荷量介于0.649～0.839之间，符合大于0.5的标准。Fornell 和 Larcker认为，当AVE 值大于 0.5 时，测量题项之间的一致性是可以接受的[35]，本研究中的 AVE值介于0.532～0.570，说明量表聚合效度良好。

（一）结构模型检验

结构方程模型验证和评价通常需要参数检验和拟合程度检验。参数检验主要指参数的显著性检验（C.R.>2，p<0.05）和合理性检验（参数估计的方差、标准误差要大于 0，标准化路径系数不能超过或太接近于 1 等）。根据本研究的实际参数检验值可知，所有参数检验值均在参数检验标准值范围内，表明符合标准，模型拟合度较好，结构方程模型通过验证检验。

（二）假设检验

假设检验结果表明，除路径“交互因素→深层次学习”的 Z值小于1.96外，其余 5 条路径的 Z 值均大于1.96，表明除假设1不成立以外，其他5个假设均成立，具体见表2。

深层次学习受到个体因素和环境因素的直接影响，其中，环境因素的影响达到了0.8，个体因素的影响相对较小为0.13，可见良好的在线学习环境的建构对促进深层次学习的发生起着至关重要的作用。当然，个体因素也不可忽视，在线学习需要学习者对自身学习状况的知晓、控制和调整。环境因素可通过个体因素影响深层次学习，对个体的学习体验、自我效能感等都有不可忽视的作用，因此，环境因素对在线学习的影响是双重的。交互对深层次学习无直接影响，这一结果与已有研究结论或提出的理论构想不一致，也与教师经验不符，原因需从交互的类型、方式、深度等角度进行深入分析。另外，交互因素直接受到个体因素和环境因素的影响，效应值分别为0.31和0.63，表明环境因素对交互影响更为显著。这与已有对在线学习中交互研究的结果一致，即个体因素、在线学习平台的交互功能和交互方式等都会对交互的过程和效果产生影响[36]。结构方程模型如图2所示。

五、基于真实的在线学习数据对影响因素及

相互作用的再验证

（一）数据说明

为进一步验证以上测量数据形成的影响因素构成及内部作用机制，本研究利用真实的在线学习数据进行了再验证。团队基于为期5周的“学习设计与实施”在线课程中88位学习者的学习和访谈数据，对结构方程模型结果进行验证分析。根据影响因素结构模型的测试量表，选取相应的过程性数据进行量化和分析。由于环境因素较难基于平台数据进行量化，因此，环境因素及其影响均利用访谈数据进行分析。在线学习中两次实践的过程、表现和作品用于考察学习者深层次学习的成效。

（二）各因素对深层次学习的影响分析

学习平台和应用工具构成了在线学习的线上环境。在线课程以学习者为中心对学习内容、学习活动和学习评价进行设计。从概念、理论和方法的自主学习开始，以小组研讨和协作学习为主。小组学习使用石墨文档和Xmind等协作工具进行，设置线上教学问题箱，鼓励学生提出问题，并提供及时反馈。在这样的在线学习环境中，综合学生自评、同伴互评和教师评价，学习者两次实践得分均在88分以上。对学生访谈中关于课程和学习感受的内容进行词频分析，“深度思考”被提及38次，为最高频出现的评价;其次是“学习效果好”被提及23次，“同伴间深入交流”15次，“积极参与”也达到10次。一位学生说：“我运用所学知识，利用石墨文档设计在线圆桌会议活动，受到广泛好评。”另一位学生评价道：“整个课程的学习就是一个深层次学习的过程，在参与学习的过程中，我学会了学习活动的设计、组织，能结合多种工具开展相关教学方法的实践。”可见，在线学习环境设计对深层次学习产生了影响。

个体因素可基于在线学习平台中的行为数据来量化，如平台访问次数和观看视频时长。通过对个体因素与深层次学习效果的相关分析可知，平台访问次数和观看视频时长与深层次学习效果均具有相关性，说明个体因素对深层次学习有影响。正如一位学生在反思中写道：“无论是活动本身还是课程安排，都让我更愿意参与学习，学习动机更强，同时也促进了小组和个人深层次学习的发生。”具体见表3。

本次课程设置多次主题讨论活动和小组协作活动，学生发帖和回帖数量能在一定程度上反映交互情况。学生回帖和深层次学习水平相关分析的结果表明，回帖和深层次学习水平不存在显著相关（r=-0.004<1，p=0.968>0.05）。这一结果与结构方程模型中交互因素对深层次学习影响的结论一致。对在线讨论内容进行的文本分析发现，虽然有些学生回帖较多，但多是点赞和简单陈述，并没有对他人的观点进行分析或提出深入探讨的问题，因此，深层次学习并未发生。而主動补充别人的观点和对讨论问题有深入探讨的学生，实践成绩较高，且访谈中对自己学习体验的认同感更强。由此可知，如果要通过交互引发深入思考和学习，不仅要鼓励学习者多参与活动，更要采取策略引导他们通过活动进行思考、辨析、商议或演绎。

（三）因素之间相互作用的分析

在线学习中开展了基于在线协作工具石墨文档的“促进深层次学习在线活动设计”活动。石墨文档除提供协同同步、异步文字输入和文本编辑的功能，还可在支持协作的同时，利用批注、聊天、直接编辑内容等方式进行讨论、分享和评议。活动后的访谈中，38位学习者对协同写作过程中的交互感受进行了描述。数据显示：13位学习者认为石墨文档既可编辑文档，又可在讨论区讨论，提供了友好的交互环境，有效提高了组员的交流效率和协作效果。这与测量数据显示环境因素中“在线交互模块设计”对交互具有正向显著影响结果一致。一名学习者描述到：“石墨文档创造了一个好的交互条件，可以同步操作，进行思维碰撞，便于在相互交流中形成更深层次的学习。”8位学习者提到石墨文档的交互方式新颖，参与积极性更强，参与交互的个人感受好。这与环境因素对个体“学习动机”和“自我效能感”有影响的结果相呼应。

对学习者观看视频时长这一个体因素与讨论回帖进行皮尔逊相关分析，显示观看视频时长与回帖具有相关性（r=0.247<1，p=0.021<0.05）。这与结构方程模型中个体因素对交互因素有影响的结论相符合。可见，提高学习者参与在线学习的自我效能感对提升交互的数量有影响。有学习者提出“需要提前了解活动流程，熟悉平台技术操作”，这些观点则反映了个体因素中的“信息技术能力”和“学习习惯”等对交互具有影响。

六、结论及建议

（一）综合考虑影响因素，优化在线学习环境设计

以上分析揭示了环境因素对在线学习中深层次学习的影响最为重要和突出。因此，关注在线学习环境的整体设计、营造良好的在线学习氛围是促进在线学习中深层次学习首要考虑的关键问题。同时，环境因素对学习者个体的学习动机、自我效能感及交互均具有影响。聂胜欣在研究中还发现，在线学习环境设计可以影响学习取向，进而影响学生的批判性思维发展[37]。在线学习环境因素中的平台社区感、内容品质、学习活动设置、及时指导反馈、平台操作用户体验、交互支持等是影响深层次学习的具体因素，这就要求在线课程团队要关注以上各方面的设计与实现。如在线课程学习任务和活动的安排要遵循循序渐进的原则，各项任务之间形成关联，让学习者掌握学习主线;优化在线学习活动设计，可采用基于设计的研究方式不断改进，如俞树煜等建构了能有效促进学习者批判性思维发展的学习活动设计模型[38]。 在线学习平台界面设计要促进学习者的学习自控，如增加学习者进度条，让学习者每次登录可以看到自己的完成情况，进行自我管理和激励。

（二）激励学习者主动、投入地参与在线学习

在线学习者的自我效能感、信息素养及在线学习经验等对能否产生深层次学习有影响。任友群等认为，从“学习者”角度来提升在线学习效果需要增强在线学习信心、解决学习动机和学习孤独感等问题[39]。因此，在线教学也应从学习者个体的层面采用策略来促进深层次学习。如交互活动中制定激励机制，辅导教师在交互过程中及时用言语鼓励、发放勋章或增加平时表现评分等进行奖励，增强学习意愿，提高成就感。当学习者主动、积极地参与主题讨论、协同写作、问题解决或作品制作等活动时，自然能获得较好的学习体验。个体因素和环境因素是影响深层次学习的中介变量，正如李彤彤等研究中提出的环境的给养和学习者的效能共同决定着学习者的学习行为[40]，因此，在线平台的设计考虑增加促进学生主动参与、激发学习动机的互动和实时答疑等活动。

（三）提升交互深度，让交互真正发挥作用

测量数据显示，交互没有对深层次学习产生影响。可能导致这一结果出现的原因在基于真实的在线学习交互内容的分析中得到了初步回应。当前学习者虽然参与了交互活动，但通常交互层次较浅，不足以促使他们进行深入思考，形成批判性思维或观点等[41]。例如：论坛中通常以点赞、同意等方式对他人观点进行回应，却很少进行追问、辨析或总结等。学习者的交互行为多为分享、简单态度表达，而协商、质疑较为少见，知识建构未发生，可见，浅层次的交互没有促进在线学习中深层次学习的发生[42]。本研究建立的影响因素理论模型中的交互因素指深入和有效的交互，当它在在线学习中并未出现时，也就无法发挥影响作用。为提升交互的深度，教师应设计精细的教学内容，且能够结合学习平台功能，让学生与内容进行深入交互，如让学生对视频课程进行弹幕交流，对文本内容进行注释和修改等。对于讨论的设置不再是仅抛出问题让学生讨论，可以采用新的讨论形式，如“三级提问”等，问题的难度设置是逐级增加的，从而引发学生逐级思考和回答[43]。对在线学习行为的评价机制更倾向于质而不是量，如以讨论发帖的质量而不是数量为标准，以此来鼓励学生进行深入交互。

本研究对真实的在线学习数据进行分析，明确了在线学习中深层次学习的影响因素及作用机制，可为设计、实施和评价深层次学习提供理论支撑。结果表明，在线学习设计中，既要重点关注在线学习环境的建构，形成交互活动丰富深入、在线社区感强和学习支持服务到位的在线学习境脉;还要关注学习者个体因素的影响，通过学习活动、学习资源和深入互动提高学习者的学习动机、自我效能感等，从而促进深层次学习的发生。

[参考文献]

[1] 中国互联网络信息中心.第45次《中国互联网络发展状况统计报告》[EB/OL]. （2020-04-28） [2020-05-20].http：//www.cnnic.cn/gywm/xwzx/rdxw/20172017_7057/202004/t20200427_70973.htm.

[2] LAUREN C，ALVAREZ-XOCHIUA O，EDWARDS C.Learning in web 2.0 environments：surface learning and chaos or deep learning and self-regulation？[J].Quarterly review of distance education， 2011，12（1）：1-21.

[3] 李京杰.基于沉浸理论的成人在线深度学习策略探究[J].成人教育，2019，39（3）：18-22.

[4] 唐金娟.网络环境下大学生深度学习的研究[D].金华：浙江师范大学，2011.

[5] 冯琳.深度学习影响因素及影响机制研究[D].兰州：兰州大学，2017.

[6] 王全亮.网络环境下大学生深度学习现状及其影响因素研究[D].昆明：云南大学，2016.

[7] 刘哲雨，王志军.行为投入影响深度学习的实证探究——以虚拟现实（VR）环境下的视频学习为例[J].远程教育杂志，2017，35（1）：72-81.

[8] 张琪.e-Learning环境中大学生自我效能感与深度学习的相关性研究[J].电化教育研究，2015，36（4）：55-61.

[9] CZERKAWSKI B C. Designing deeper learning experiences for online instruction[J]. Journal of interactive online learning， 2014，13（2）：29-40.

[10] RUSHTON A. Formative assessment： a key to deep learning？[J]. Medical teacher， 2005，27（6）：509-513.

[11] 吴亚婕.影响学习者在线深度学习的因素及其测量研究[J].电化教育研究，2017，38（9）：57-63.

[12] 马秀峰，李彤彤，刘冬.学习风格对在线学习交互程度影响的实验研究[J].开放教育研究，2011，17（4）：96-101.

[13] 王小根，劉梦恒.在线知识建构中有效引发功能性冲突研究[J].电化教育研究，2019，40（9）：34-42.

[14] ZHAO Y， LEI J， YAN B， et al. What makes the difference？ A practical analysis of research on the effectiveness of distance education[J]. Teachers college record， 2005，107（8）：1836-1884.

[15] CLEVELAND-INNES M F， EMES C. Social and academic interaction in higher education contexts and the effect on deep learning[J]. Journal of student affairs research and practice， 2005， 42（2）：241-262.

[16] GARRISON D R， AKYOL Z. Role of instructional technology in the transformation of higher education[J]. Journal of computing in higher education， 2009， 21（1）：19-30.

[17] 李爽，王增贤，喻忱，宗阳.在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J].开放教育研究，2016，22（2）：77-88.

[18] FENG K K， XIE K. Toward deep learning for adult students in online courses[J]. Internet and higher education， 2009，12（3-4）：136-145.

[19] BUNYAMIN A， POLAT O C. Influence of the online learning environments and tools on the student achievement and opinions[J]. Educational research & reviews， 2010，5（8）：455-464.

[20] MOORE M G.Background and overview of contemporary American distance education[J]. Contemporary issues in American distance education， 1990：12-26.

[21] 邱晓辉.网络学习者信息加工学习行为的分析及研究[D].武汉：华中师范大学，2008.

[22] CARR S E， BRAND G， LI W， et al. “Helping someone with a skill sharpens it in your own mind”： a mixed method study exploring health professions students experiences of Peer Assisted Learning （PAL）[J]. BMC medical education， 2016，16（1）：1-10.

[23] 李惠.交互型微视频中交互次数和文本提示对学习效果的影响研究[D].武汉：华中师范大学，2015.

[24] 吕林海.大学生深层学习的基本特征、影响因素及促进策略[J].中国大学教学，2016（11）：70-76.

[25] 李文波，胡凡刚.管窥在线学习之影响因素——文化的视角[J].现代远距离教育，2009（1）：17-20.

[26] 马秀峰，李彤彤，刘冬.学习风格对在线学习交互程度影响的实验研究[J].开放教育研究，2011，17（4）：96-101.

[27] 陈琦，刘儒德.当代教育心理学[M].北京：北京大学出版社，2007.

[28] LAIRD T F N，SHOUP R， KUH G D， et al. The effects of discipline on deep approaches to student learning and  college outcomes[J].Research in higher education，2008（6）：469-494.

[29] 赵宏，张馨邈.中国成人学习者在线学习情绪影响因素研究[J].开放教育研究，2018，24（2）：78-88.

[30] WEBSTER B J，CHAN W S，PROSSER S T，et al. Undergraduates' learning experience and learning process：quantitative evidence from the east[J].Higher education，2009（3）：375-386.

[31] 清华大学教育研究院.2009年学情调查问卷手册[Z].2009.

[32] 杨根福.MOOC用户持续使用行为影响因素研究[J].开放教育研究，2016，22（1）：100-111.

[33] TAYLOR P， MAOR D. Assessing the efficacy of online teaching with the Constructivist On-Line Learning Environment Survey[C]//  Proceedings of the 9th Annual Teaching Learning Forum. Perth： Curtin University of Technology，2000.

[34] HAIR J F， RINGLE C M.Multivariate data analysis[M]. 7th ed. Jersey ：Prentice Hall， 2009.

[35] FORNELL C， LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of marketing research， 1981， 18（1）：39-50.

[36] 曹良亮.在線学习中的交互设计——以交互结构为核心的交互设计方法[J].中国远程教育，2010（1）：38-43，79.

[37] 聂胜欣. 在线学习环境中大学生批判性思维发展的影响因素研究[D].兰州：西北师范大学，2017.

[38] 俞树煜，聂胜欣，王国华.促进批判性思维发展的在线学习活动设计：一项基于设计的研究[J].电化教育研究，2016，37（10）：49-56.

[39] 任友群，徐世猛.开放课程的探索与思考——从学习者、决策者到建设者[J].现代远程教育研究，2013（5）：3-10.

[40] 李彤彤，武法提.在线学习者效能的结构及关键影响因素研究[J].电化教育研究，2017，38（9）：49-56.

[41] 曹天生，孔凡士，朱珂，李彦敏.促进学习者之间交互深度的分组策略研究[J].现代教育技术，2020，30（6）：55-60.

[42] 胡勇，王陆.异步网络协作学习中知识建构的内容分析和社会网络分析[J].电化教育研究，2006（11）：30-35.

[43] 穆肃，王孝金.在线学习中深层次学习发生策略的研究[J].中国远程教育，2019（10）：29-39，93.

Research on Influencing Factors of Deep Learning in Online Learning

WANG Xiaojin，  MU Su

（School of Information Technology in Education， South China Normal University， Guangzhou Guangdong 510631）

[Abstract] Deep learning in online learning is the ultimate goal pursued by both teaching and learning. To achieve this goal， it is necessary to analyze the factors affecting deep learning and explore its internal mechanism. This study sorts out the influencing factors from three dimensions of individual， interaction and environment and proposes a theoretical model and corresponding hypotheses. Measurement tools based on those hypotheses are designed， and 470 learners are tested and analyzed. At the same time， combined with the complete data of the 5-week online learning of 88 learners， the measured results are re-verified and analyzed deeply. The study finds that （1） in online learning， environmental factors have the greatest impact on deep learning， while individual factors have little impact. Simple interaction has no direct impact on deep learning. （2） environmental factors have a greater impact on interaction factors than individual factors. Environmental factors have a positive impact on individual factors， and can also affect interaction through individual factors as an intermediary variable. The above conclusions can provide a basis for promoting the implementation of deep learning strategies and teaching practice in online teaching and hybrid learning.

[Keywords] Online Learning; Deep Learning; Individual Factors; Interactive Factors; Environmental Factors; Mechanism