周艳丽 张京洲

(安徽商贸职业技术学院，安徽 芜湖 241000)

0 引言

2020年上半年，各高校积极开展了“停课不停学”在线教学活动，在线教学迅速成为研究的热点与焦点，如在线教学方法的探讨与实践[1]，从课程内容设计和视频制作技巧等方面提高在线课程的质量；如对大学生在线学习体验的实证分析[2]，研究结果显示，大学生对在线课程学习方式接受度较高，但学习体验感与线下学习体验感相比较弱；如对学生在线学习效果控制机制的调查分析[3]，影响学习效果的主控因素是课前预习完成率和在线学习时长。然而，随着在线课程的不断建设与推广，在线课程质量参差不齐较为突出，影响在线教学课程综合竞争力的因素有哪些，如何提升在线教学课程质量与综合竞争力，目前相关文献研究甚少，本文以此为出发点，以在线教学课程综合竞争力为研究主题进行实证探究。

1 研究方法与变量选择

1.1 研究变量选择

本文以安徽商贸职业技术学院开设的54门MOOC在线课程为研究样本，在线教学课程数据来源于安徽省网络课程学习中心平台e会学在线课程平台。研究变量选取了8个变量，分别为：课程名称(KEC)、开课次数(X1)、学习人数(X2)、非视频资源总数(X3)、教师总讨论数(X4)、课程讨论参与人数(X5)、随堂作业参与人次(X6)和课程浏览量(X7)。

1.2 研究方法

本文运用统计分析软件SPSS24.0，采用主成分分析方法(PCA)，利用降维的思想，把一组相关变量(X1、X2、……Xn)通过线性变换转成另一组不相关的新变量(Y1、Y2、……Ym)，这些新的变量按照方差依次递减的顺序排列，在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分，依次类推，得到所有的主成分。在实证分析过程中，一般只选取方差较大的主成分，以达到简化系统结构的目的。主成分分析方法的数学计算过程请查阅统计学书籍。

2 实证分析

2.1 信度和描述性统计分析

运用统计分析软件SPSS24.0采用α系数法对样本数据进行信度分析(见表1)，基于标准化项的克隆巴赫 Alpha为0.742，大于0.6，说明样本数据真实可靠性较高，适合对数据做进一步研究。

表1 信度分析

2.2 数据标准化和因子分析适合检验

为消除变量的量纲对分析结果的影响，首先进行原数据的标准化处理，得到新的变量，并对新的变量进行KMO和巴特利特球形度检验(见表2)，KMO值为0.660，大于0.6，巴特利特球形度检验结果显示，近似卡方值为160.823，在自由度为21的条件下显著性概率达到了0.000，小于0.01，为高度显著，说明变量适合采用因子分析法。

表2 因子分析适合检验

2.3 公因子方差分析和总方差解释

运用统计分析软件SPSS24.0对7个新变量进行公因子方差分析(见表3)，提取数值均高于0.7，最小值为0.785，说明因子可以很好地提取了原数据信息，所提取的公因子对各变量的解释能力很强。总方差解释数据结果(见表4)，初始特征值大于1的有3个因子，累积总方差解释率为81.821%，大于80%，说明探索性因子分析结果良好。

表3 公因子方差

表4 总方差解释

2.4 探索性因子分析及因子命名

采用因子旋转最大方差法进行探索性因子分析(见表5)，因子载荷系数均大于0.6，变量与因子紧密关系程度较高且对应关系清晰，根据变量合专业知识实际情况，对因子进行梳理和命名，三个主因子分别为：课程吸引力、课程引导力和课程强制力。通过均值法进行数据转换和变量计算，对课程吸引力、课程引导力和课程强制力进行相关性分析(见表6)，分析数据显示，“课程吸引力”与“课程引导力”高度显著相关，“课程强制力”与“课程吸引力、课程引导力”非显著相关。

表5 旋转后的因子矩阵

表6 相关性

3 结论与建议

3.1 结论

信度分析数据显示，α系数为0.742，说明所选取数据样本具备较好的可信度；KMO和巴特利特球形度检验结果显示，KMO值为0.660，大于0.6，巴特利特球形度检验显示显著性概率为0.000，小于0.01，为高度显著，说明变量适合采用因子分析法；公因子方差数值均高于0.7，累积总方差解释率为81.821%，大于80%，说明探索性因子分析结果良好；探索性因子分析显示，因子载荷系数均大于0.6，变量与因子紧密关系程度较高且对应关系清晰，根据变量合专业知识实际情况，对因子进行梳理并命名为：课程吸引力、课程引导力和课程强制力。对三个因子进行相关性分析显示，“课程吸引力”与“课程引导力”高度显著相关，“课程强制力”与“课程吸引力、课程引导力”非显著相关。

3.2 建议

3.2.1 弱化课程强制力，加强课程引导力与吸引力

2020年上半年上线的大部分在线教学课程是出于弥补线下教学需要而建设的，这部分课程具有较强的“课程强制力”，即学生必须参加在线课程的学习，否则无法获得课程学分和成绩。访谈调研发现，大部分在线教学课程运营推广模式大同小异[4]，一般是要求学生在线观看视频课程，完成课下作业，缺乏有针对性的课程引导。54门在线课程的主成分分析综合得分排名中(受篇幅影响，数据图表略)，实操类专业课综合得分较低，而一些课程强制力较弱的公共课和应用类课程，综合得分较高。由此可见，提高课程综合竞争力，仅靠课程强制力是不行的，甚至会适得其反，滋生学习抵制情绪，要加强课程引导力，做好在线教学过程中的相关服务工作，如完善辅助材料或互动性，其次，要提高课程吸引力，丰富视频课程内容，增强在线学习体验感。

3.2.2 明确课程定位，加强课程资源建设，弥补课程综合竞争力指标短板

课程性质决定授课方式，公共课比较偏向基础知识教学，内容多为日常生活知识，知识趣味性较高，应用性较广，比如《营养与健康》《商务礼仪》等课程，学习人数较多，课程浏览量较大，课程综合竞争力较高。而实操类专业课的内容比较聚焦某个专业知识领域，受众较小，且需要现场操作与实践，比如《微机组装与维护》等课程，需要一定的设备来操作，仅通过观看在线课程视频是很难达到预期学习效果的。因此，课程资源不能仅仅局限在课程视频，要丰富课程资源，从视频、情景模拟和模拟实操等多渠道提高课程的丰富性，增加课程的观看人数和参与讨论热情。

3.3.3 优化在线教学课程平台，构建学分共享机制

在线教学平台比较多，如安徽省网络课程学习中心(e会学)、中国大学MOOC、智慧职教、学堂在线、云班课、优学院及高校SPOC平台等数十个在线教学平台，为在线教学课程建设提供了良好的硬件条件，满足了“停课不停学”线上教学需要。然而，每个平台都有自己的界面风格和特色功能，老师们根据自身喜好选择了相应的平台，但痛苦的是学生们，他们为了学习在线课程，不得不注册数家在线课程平台，甚至都记不清楚哪门课在哪个平台上学习。建议教育部门能够优化在线课程平台，实现各平台课程学分共享机制，降低学生在多个平台往返切换的学习烦恼，提高在线学习的便利性。在线教学课程负责人也从多个平台推广课程的精力中，转移到一心一意把某个平台课程建设好、服务好，提升课程吸引力和引导力，提升课程的综合竞争力。