刘司卓 李爽 黄嘉靖

【摘要】   当前直播教学已经成为在线教学的重要形式，亟须围绕直播课的教学规律和学习特征开展理论与实证研究，以规范和优化直播教学实践，而直播课学习行为投入评估是值得优先关注的问题之一。本研究基于学习投入相关理论与研究成果构建出直播课学习行为投入评价框架，包括规范遵守、学习参与和社会参与三个维度，共24个指标。之后，以ClassIn平台一门少儿英语小班直播课为例，基于课程16课时共计950分钟的教学实录以及日志记录的课程数据对预设指标进行初步验证，采用层次分析法，邀请教育技术领域专家确定各维度及指标权重，最终定义出直播课学习行为投入评估指标体系。最后，研究基于该评估指标体系对案例课程的学习行为投入特征进行分析，并考察了学生个体、课堂教学和环境因素对学习行为投入的影响情况。

【关键词】  在线教学;直播课;学习行为投入;学习评价;评价指标;影响因素;层次分析;学习分析

【中图分类号】   G622.0         【文献标识码】  A       【文章编号】  1009-458x（2021）2-0036-11

一、引言

随着技术的发展，在线教学的形式越来越多样化。以师生实时视频互动为特征的直播课作为新兴在线教学形式在实践中快速发展。特别在2020年新冠肺炎疫情期间，直播教学更是在各级院校应对疫情隔离需求开展灵活居家学习中发挥重要作用，相当比重的院校依托ClassIn、钉钉等各类直播教学平台，或腾讯会议、Zoom、云视讯等会议系统将传统课堂转到线上，为院校师生积累宝贵的直播课经验，也有力地推动了课堂从封闭的物理空间向虚拟空间拓展，为变革传统学校课堂教学以满足教育公平和个性化优质教育需求奠定了基础。随着在线教学成为后疫情时代的“新常态”（胡钦太， 等， 2020），同步直播教学作为疫情期间主要的在线教学方式之一（谢幼如， 等， 2020; 梁林梅， 等， 2020），也可能会成为教育教学“新常态”的重要组成部分。

直播课是依托各类实时通信技术与网络平台环境，支持师生在不同物理空间下通过实时音视频互动开展教学活动的远程教学形式，具有教与学准时空分离的本质。其实，在第三代远程教育发展初期也出现过一些基于双向视频会议系统的实时互动教学探索，但那时这类教学技术系统造价昂贵，通常在学习中心配置，学生需到地方学习中心与远程教师进行一对多实时互动。网络技术的飞速发展不仅大大降低了直播教学的成本，实现了学生在各自物理空间与教师实时互联，而且为直播教学搭建出功能更强大的互动环境，涌现出一对一、小班直播、常规班级规模及50人以上大规模直播等多种实时互动教学实践模式。

随着直播课的普及，对新网络空间直播课教学规律与特征的探索愈加重要。然而，文献中关于这一领域的理论探索与实证研究均非常有限。师生虽然在直播课中实时互动，却处于不同的物理空间，空间的分离将会如何影响教与学？虚拟空间中的实时教学交互是否会因为物理距离而产生新特征或出现新问题？直播课如何在兼顾空间灵活性与学习个性化的同时规范课堂秩序？这些问题都亟待探索。其中，学生在直播课学习过程中的行为投入是值得优先关注的问题之一。学习行为投入是影响学习绩效的重要因素（Birch & Ladd， 1997; Fredricks， Blumenfeld， & Paris， 2004; Cheng & Chau， 2016），是教育评估与研究关注的重要学习变量，既是远程教学的研究热点（汤诗华， 等， 2018），也是远程教学的短板（文书锋， 等， 2017）。学生在物理空间分离的虚拟空间中能否积极投入教学互动、如何参与以及怎样有效评估学生的直播课行为投入等问题是直播课教学规律研究的重要问题。

二、相关文献研究

（一）学习行为投入的内涵与构成

本研究中的学习行为投入是指学生在教学活动中行为层面的学习投入情况。学习行为投入（learning behavioral engagement）是学习投入（learning engagement）的基本构成维度，是学生心理投入的载体（Newmann， 1992; Fredricks， et al.， 2004）。文献中对行为投入构成的讨论为本研究提供了参考。首先，对课堂规范的遵守在文献中常被看作行为投入的重要组成部分（Finn， 1993， p. 14; Finn， Pannozzo， & Voelkl， 1995; Finn & Rock， 1997）。例如：費恩（Finn， 1993， p. 14）提出的参与—认同感模型（Participation-Identification Model）将学生对要求的响应视为学生行为投入的基本构成成分;弗雷德里克斯等（Fredricks， et al.， 2004）指出学生对规则和秩序的积极执行是其行为投入的基本构成成分;Bingham和Okagaki（2012）认为遵守规范是高学习投入学生的基本表现之一。也有些学者对行为投入的讨论主要聚焦于学生在学术任务活动中的表现。例如：斯金纳等人（Skinner & Belmont， 1993; Furrer & Skinner， 2003; Skinner， Kindermann， & Furrer， 2009）将行为投入概括为任务行为、学术行为和课堂参与，具体表现为努力、坚持、专注等方面;拉姆等（Lam， et al.， 2014）则更加关注学生在课堂学术活动和课外活动中的积极参与行为。除上述两类行为以外，一些学者（Wright， Jones， & DAlba， 2013; Sinha， Rogat， Adams-Wiggins， & Hmelo-Silver， 2015; 李爽， 等， 2016; Redmond， Abawi， Brown， Henderson， & Heffernan， 2018）会关注学生在社会性互动中的投入情况，将其作为学生投入的重要构成成分，他们认为这类行为虽然与学术任务相关性不强，但有助于建立融洽的社会关系、增强归属感和凝聚力，是课堂情感投入的重要体现。

行为投入相关评价体系和测量工具也为定义学习行为投入框架的具体观测指标提供了依据。在课堂规范遵守方面，一些学者关注学生在出勤表现、不良行为和任务参与上的行为表现。例如：费恩和弗莱克尔（Finn & Voelkl， 1993）提到出勤、不良行为和课堂参与三个维度;阿普尔顿等人（Appleton， Christenson， Kim， & Reschly， 2006）认为出勤、辍学、自愿参与课堂活动等可用以表征行为投入;孙等人（Sun & Rueda， 2012）在《远程学习投入量表》（Student Engagement in Distance Education，SEDE）中提到遵守规则、及时完成任务等指标。在学术活动的行为表现上，里夫等人（Reeve， Jang， Carrell， Jeon， & Barch， 2004）提出专注、努力、口头参与、坚持和积极情绪五个维度;拉姆等（Lam， et al.， 2014）提出积极参与、专注和坚持三方面;李爽等（2016）将行为投入分为参与、交互、坚持、专注、学术挑战和自我监控六部分;张琪等（2018）提出“PRIC”测评维度，认为持续性（persistence）、反思性（reflection）、主动性（initiative）和专注性（concentration）是实现行为投入反馈循环的关键，其中主动性维度关注学习者与外界的积极交互行为;Redmond等（Redmond， et al.， 2018）提到识别机遇与挑战、支持鼓励同伴等指标。可见，专注、坚持、交互和学术挑战是较为普遍的关注点。社会性交互的评价则强调有效而开放的、有助于归属感和信任感等情感建立的交流互动，如自我介绍、情感表达、打招呼等（Hara， Angeli， & Bonk， 2000; Redmond， et al.， 2018; Doo & Bonk， 2020）。

（二）在线行为投入评价相关研究

在线学习兴起后，对学习者在线行为投入的评价与分析成为人们关注的热点（Hrastinski， 2009）。一些学者通过自陈报告来评价学习者的在线行为投入。狄克森（Dixson， 2015）开发的《在线学习投入量表》（Online Student Engagement Scale，OSE）分为技能、情感、交互和绩效四个维度，包括规律学习、帮助同伴、参与在线交流等指标;邓等人（Deng， Benckendorff， & Gannaway， 2020）开发的《MOOC投入量表》（MOOC Engagement Scale，MES）从社交与行为投入两个维度评测MOOC学习投入，如按时参加课程、回答问题、分享资料等。随着学习分析研究的兴起，越来越多的学者基于log日志中的大量行为数据量化评价在线行为投入。例如：金等人（Kim， Park， Yoon， & Jo， 2016）从积极响应、主题讨论、坚持付出和交互四方面评价异步在线讨论的投入情况，包括定期学习、经常发帖等指标;张思等（2017）从参与、专注、规律和交互四个维度表征学生在网络学习空间中的投入情况，具体有参与活动、参与讨论、上传资源等指标;王红梅等（2019）基于“PRIC”维度和12个行为指标，测评开放学习环境下的学习投入。近年来，学习分析领域的研究数据趋向多模态化，即采用两种或以上方式获取数据。钟薇等（2018）结合课程视频、后台日志和自陈报告对行为投入和认知水平进行研究;曹晓明等（2019）结合学生的MOOC学习图像、脑电和日志数据对学习投入识别进行研究;王丽英等（2020）设计的在线学习多模态数据融合模型，通过后台日志、面部识别及心率检测来评价MOOC学习者的投入水平。多模态数据在一定程度上弥补了单模态数据的局限，能更全面、准确地表征学习行为投入程度。

文献研究显示，虽然目前已有较多有关在线学习投入的评价研究与相关评价体系，但大多有关在线学习行为投入的评价是基于MOOC等以学生自主学习为主的在线学习情境进行构建的，缺乏有关直播教学情境下学习行为投入的评价研究。在直播教学情境下，学生在线学习的参与方式与行为发生了一些变化，直播教学情境中可采集的学生学习数据的构成与形态也发生了变化。学生的在线学习行为投入情况究竟如何？相关评价指标体系如何构建？这些问题亟待更多的实证研究去回答。

三、研究方法

（一）研究问题

本研究旨在构建直播课学习行为投入评价指标，并基于一门实际直播课程对直播课学习行为投入特征与规律进行探索。小班直播课是当前直播课的典型模式之一，能更充分地体现直播课在教学灵活性与互动性方面的优势，具有较好的应用和发展前景。且该模式中学生人数较少，通常所有学生都会开启摄像头参与课程活动，课程实录能够记录师生每个人在直播课中的语言与动作，从而为分析学习行为投入提供了更完整的数据。综上所述，本研究决定聚焦小班直播课情境，以基于ClassIn在线教室的少儿英语教学课程为例，考察直播课学习行为投入的特征及其影响因素。具体研究问题如下：①直播课学习行为投入包括哪些评价指标，其权重分别是多少？②少儿小班直播课的学习行为投入水平如何？③少儿小班直播课学生的学习行为投入是否会受到学生个体及教學互动环境因素的影响？

（二）ClassIn在线教室

ClassIn在线教室是由翼鸥教育研发的一对多直播互动教学平台，是当前直播教学实践中应用较多的主流教学平台之一。ClassIn直播课程界面由师生视频画面、黑板区和工具栏构成，见图1。师生通过视频互动、黑板区绘画、文本输入、小黑板问答、协同编辑、屏幕共享等功能，实现课堂提问、回答和讨论等基本教学互动，选择题和抢答题的功能实现课堂及时测试与调查，聊天区实现师生间文字互动及资源分享。除此以外，教师可以对表现良好的同学给予奖励，并实时显示在学生视频画面中。整体而言，ClassIn较好还原了传统课堂的互动，并在某些方面有所增强。

（三）案例课程与样本数据

综合考虑教学方式的多样性、课堂实录的质量、教学日志数据的完整性、数据的可获得性等因素，研究最终选取了一门课外少儿英语课程作为案例课程。案例课程有1名男性外教与5名女生参与。课程包含18节课，分别为13节教学课、2节辩论课、1节考前复习课、1节考试和1节考后放松课，每节课持续时间约为1小时。其中，教学课主要的教学活动包括学习新单词及单词巩固练习或游戏;复习课无新知识讲授与课件使用，师生以视频问答的形式进行复习;辩论课学生分组就某一主题展开辩论。由于考试和考后放松课涉及的课堂活动极少，对行为投入研究意义不大，故研究未将其纳入分析，最终选取剩余16节课进行分析。

本研究对第二个和第三个研究问题的考察主要基于该16节课累计950分钟的教学实录和在这些课时中师生所产生的日志数据进行。通过对两类数据的挖掘和分析，对学生在16节课中产生的80人次学习行为投入表现以及相关影响因素进行探索。

（四）数据处理与分析

1. 直播课学习行为投入分析框架

研究结合相关文献及直播教学特点，初拟直播课学习行为投入分析框架，见表1。分析框架包含规范遵守、学术参与和社会参与3个一级维度、8个二级维度，共24个指标。

“规范遵守”指学生在维持课堂秩序和响应教师基本要求方面的表现，是课堂基本行为投入维度，包括3个二级维度。其中，“出勤表现”关注学生是否出勤，是否存在迟到或早退;“违规行为”关注学生扰乱课堂秩序的行为;“任务参与”关注学生对课堂基本任务的投入情况。“学术参与”指学生在课堂学术活动中投入的时间、精力和努力，包括4个二级维度。其中，“专注度”指学生在学习内容和任务上集中注意力的程度;“坚持性”指学生遇到困难与障碍时继续努力的程度;“主动交互”指学生为达成学术目标与教师或同伴进行互动和协作;“学术挑战”指学生面对针对高认知水平目标的挑战性任务时的行为表现。“社会参与”是指学生与教师和同伴进行社会性互动的表现。这类互动与学术活动无直接联系，但是对于建立良好社会关系、活跃课堂气氛具有重要意义。

2. 数据分析过程与方法

首先基于案例教学实录编码与后台数据计算出预设的24个评价指标。为确保指标的独立性，研究首先对预设指标进行相关分析，结果表明预设的24个指标间均为低相关关系，因此全部予以保留。

其次采用层次分析法确定各维度及指标权重。层次分析法（analytic hierarchy process，AHP）是目前较为成熟和应用较多的权重计算方法（邓雪， 等， 2012）。本研究邀请六名教育技术和在线教学领域专家通过问卷对表1中各维度和指标的重要程度进行打分。六名专家分别为北京师范大学教育技术学院的两位教授、一位副教授和一位讲师，一位江南大学教育技术学院副教授和一位苏州大学教育技术方向副教授。首先根据专家打分结果得出各维度判断矩阵[S=（uij）p×p]，并通过MATLAB判断矩阵S的最大特征根[λmax]，然后通过計算一致性指标CI、一致性比例[CR]进行层次单排序和一致性检验，最后进行层次总排序及一致性检验得出各指标综合权重。

最后，基于确定的权重对案例课程中学生各行为投入维度进行计算，据此分析案例课程的行为投入水平，并通过相关分析和差异分析考察个体及教学互动环境因素对学生行为投入的影响。

四、研究结果

（一）直播课学习行为投入评价指标权重

根据专家对直播课学习行为投入各维度与指标重要性打分结果得出各级维度判断矩阵，经过层次单排序和一致性检验、层次总排序和一致性检验，得出各维度及指标综合权重，见表2。基于权重评估结果，“学术参与”的权重在一级维度中最高。在在该维度中，“专注度”和“主动交互”占比较高。“专注度”是普遍认同的反映课堂投入表现的指标，在该维度中“左顾右盼次数”和“响应教师提问积极性”两个指标权重较高;“主动交互”是学习者投入课堂教学的重要体现（张屹， 等， 2014），在该维度中课堂发言总次数所占权重最高。“规范遵守”的权重位居其次，其二级维度中“出勤表现”作为学习者投入课堂活动最基本的条件，所占权重最高，“出勤率”则为该维度占比最高的指标。“社会参与”在三个学习行为投入维度中所占权重最低，该结果在意料之中，社会参与与学习成效的关系相比前两个维度会弱一些，对学习成效的影响是间接的。在该维度中，指标“主动进行社会情感话题交流次数”的权重更高。

（二）直播课学习行为投入整体特征

基于教学实录与后台日志数据对各个指标进行描述性统计，见表3。学生在“规范遵守”维度表现较好，特别是“出勤表现”，学生出勤率高且无早退行为;学生的任务参与水平较高;偶尔会出现违规行为。在“学术参与”维度中，学生的交互表现较为突出，可以看出在该课程中“主动交互”是学生投入课堂学习的主要方式，特别体现在课堂发言上;学生的“专注度”和“坚持性”仍有待提高，常有注意力不集中的行为出现，学生虽然极少退出或放弃任务，但独立完成任务的比例不高;学生在“学术挑战”方面的行为数据较少，主要由于该课程较少设置挑战性任务。在“社会参与”维度中，相比主动发起互动，学生更多是去回应他人发起的社会情感话题。

根据研究定义的指标权重计算出16节课的学习行为投入水平，见图2～图5。对比发现各节课的学习行为投入水平存在波动，最后两节课波动较大。具体来看，各节课之间学生“规范遵守”表现较为稳定，“学术参与”存在一定差异，其中“主动交互”的波动最大，而“坚持性”和“学术挑战”方面基本稳定，“社会参与”在整个课程期间存在较大波动。

（三）直播课学习行为投入影响因素探索

基于已有数据，进一步通过差异检验和相关分析考查学生个体因素以及教学与互动环境因素对直播课学习行为投入的影响情况。

1. 个体间行为投入差异检验

采用单因素方差分析（One-Way ANOVA）对课程中5名学生整体行为投入水平、各一级和二级维度投入均值进行比较，考察直播课学生学习行为投入程度是否存在个体差异。结果显示：5名学生的直播课整体行为投入水平存在显著差异[F（4，75）=2.81，P=0.03];“学术参与”水平存在个体间显著差异[F（4，75）=2.80，P=0.03];“规范遵守”维度中“出勤表现”[F（4，75）=5.55，P=0.00]和“学术参与”中“主动交互”[F（4，75）=4.09，P=0.01]在个体间差异显著。

2. 不同课型间行为投入差异检验

本研究中三类课型不仅具有不同的教学内容，而且体现了三种不同的教学方式。为验证不同课型是否对行为投入水平产生影响，研究采用单因素方差分析将案例课程中教学课、复习课和辩论课三类课型的总体与各维度行为投入均值进行比较。结果显示，不同课型间总体行为投入程度并无显著差异[F（2，77）=0.32，P=0.73]。进一步考察不同课型各一级维度行为投入均值差异发现，仅“规范遵守”维度差异显著[F（2，77）=18.95，P=0.00]，采用最小显著性差异法（least significant difference，LSD）进行事后多重比较发现，学生在辩论课中的规范遵守表现最好，复习课中表现最差。不同课型各二级维度行为投入均值的差异检验发现，“规范遵守”中“违规行为”[F（2，77）=6.85，P=0.00]和“任务参与”[F（2，77）=109.98，P=0.00]以及“学术参与”中“坚持性”三个二级维度均呈现出课型间显著差异[F（2，77）=13.66，P=0.00]。事后比较发现，辩论课在上述二级维度的行为投入水平均显著高于另外两类课型，复习课的相关投入水平均为最低。

3. 互动环境与学习投入的相关分析

为考察直播课中教师利用平台功能所创设的互动环境是否会对学习行为投入产生影响，分析案例课程中教师的操作以选取教师借助平台功能可创设的互动环境特征，发现奖励与操作授权是教师最常用的功能。前者是指教师给表现优异的学生发放虚拟奖杯，该奖杯可以及时对学生进行反馈和激励，也可以作为教师对学生平时课堂表现进行总结性评价的重要参考;后者是指教师可以将黑板区操作权限授权给即将发言、展示或参与互动的学生。这两个互动环境特征有助于创设一个激励性的、及时反馈的、互动便捷的互动环境，从而调动学生的积极性，提高其学习投入水平。因此，本研究选取奖励次数与授权时长作为互动环境的特征，通过相关分析考察这两个特征与学习行为投入的关系。结果显示，两个特征与学生在“规范遵守”维度的投入水平显著相关，具体体现在，教师利用平台给予学生奖励的次数与学生对课堂规范的遵守程度显著正相关（P<0.05），学生被授权时长与其出勤表现显著正相关（P<0.05），见表4。未发现这两个特征与学术和社会参与两维度呈显著相关。

五、总结、讨论与反思

研究基于文献研究与直播课特征构建出直播课学生学习行为投入评价维度与指标，通过层次分析法定义各维度及指标权重，该指标体系为实践中评价与分析直播课学习行为投入提供框架与算法。研究进一步采用该评价体系，对一门基于ClassIn的少儿英语小班直播课进行学生学习行为投入特征分析，初步探索学生个体、教学与环境因素对直播课学习行为投入的影响。相关结果为认识新技术环境下直播课学习投入特征及影響因素提供依据，为教师改进直播教学方法、提升教学质量，及有关直播教学平台优化功能提供参考。基于研究结果，对如下问题进行讨论。

（一）直播课情境与混合式教学情境下学习行为投入评价指标的对比分析

张琪等（2018）曾基于教学云平台提出学生行为投入分析框架（以下简称“云平台框架”），并通过层次分析法对维度和指标赋权，该研究侧重基于移动设备的混合式教学，而本研究则针对直播教学构建行为投入评价指标体系。对比两项研究构建的评价框架与指标，主要相似之处在于均重视学生的主动性。云平台框架关注学生回答和提问的数量、展示次数等，与本研究中“主动交互”对应指标类似。可见，无论混合式教学还是直播教学，学生与教师和同伴的互动都是行为投入评价的重要构成成分。

两个指标体系的差异主要体现在：①专注度的重要性存在差异。在云平台框架中“专注度”权重最低，而本研究中“专注度”在“学习参与”维度权重最高。这与两类在线教学情境的学习特征差异有关。在混合式教学中，学生拥有更灵活的学习时空，在对学习行为的有效调节可能比专注度更为重要。而在直播课中，学生往往需要全神贯注以跟上教学进程，专注度将直接影响其学习成效，学生能否将注意力有效集中于教学活动成为体现其实质性投入的重要指标。②云平台框架中缺少对社会参与度的评价，这可能与混合式教学中师生线下社会性互动机会较多有关。在直播课中，师生的社会参与对于构建线上良好师生关系与学习氛围、提升学生学习主动性和积极性具有重要作用。

（二）直播课学习行为投入的影响因素

直播课学习行为投入的影响因素包含内因和外因，内因指学生自身因素，包括性格、学习动机和学习风格等;外因则涉及课堂教学与环境因素，既包含教学活动和方法、教师搭建的直播教学环境，也包含学生所处的学习环境。因为本研究无法采集学生所处环境特征，故此主要考察了学生个体因素、教学和互动环境因素与直播课行为投入的关系。

1. 学生个体因素

研究表明学习行为投入受个体因素影响，特别表现在“出勤表现”和“主动交互”两个维度。尽管学生在这两个维度整体表现较好，但教师仍需关注投入水平较低的个体。已有研究发现学习动机和性格等因素会影响学习行为投入水平。如牟智佳（2017）对MOOCs学习投入影响因素的研究表明学生内在动机对学习投入有较强影响;施等人（Shih， Chen， Chen， & Wey， 2013; Bhagat， Wu， & Chang， 2019）发现不同人格特质的学习者对在线学习的动机、感受和偏好存在差异，进而影响其学习投入程度。一些学者还对不同学习风格学生的学习投入进行考察，发现感知型学习者（sensing learners）的投入水平较高（Cheng & Chau， 2016）。在直播教学中，学生个体的行为投入不仅会影响其自身学习成效，而且会影响课堂进度与整个班级的教学成效。因此，直播课教师不仅要密切观察学生表现，而且需要对学生进行更深入和全面的了解，包括对学生学习动机、性格特质、学习风格、家庭情况与当时学习状态等方面进行了解。只有这样才能在直播教学中准确预测学习投入问题，选择有效教学策略，确保直播教学顺利而有效开展。

2. 教学与互动环境因素

（1）教学因素

研究发现不同课型中学生在 “违规行为”“任务参与”“坚持性”三个维度的表现存在显著差异，这意味着学生的行为投入水平会受教学方式的影响。该发现印证了已有对不同教学法下学生行为投入的研究结果。陈奕桦等（2017）发现相比于讲授法和问答法，完整有趣的生活化情境更能激发学生的投入。本研究中的辩论课分别以“6岁以下儿童是否应该养宠物”和“学生是否应该使用手机”为主题开展，教学活动被植入特定情境中，有趣而具体，贴近学生真实生活，因此学生在该类课堂的投入程度较高。相比之下，在讲授型为主的教学课和以问答为主的复习课中学生投入程度较低，尤其复习课呈现出最低水平。可见教师采用松散的问答方式进行复习的效果并不好，学生回答以响应式回复为主，并没有被教学内容或活动真正吸引，学习投入较为被动，坚持性较差，违规行为也相对较多。在讲授式的直播课堂中，尤其在面对自控能力较弱、专注力较低的低年段学生时，教师更应加强课堂管理，明确课堂规范要求，及时纠正学生的违规行为，督促学生及时完成任务，提升其学习投入水平。

此外，研究发现学生在第二节辩论课中的行为投入水平高于第一节辩论课，这可能与学生在两节课中对学习任务的熟悉程度不同有关。多数学生在第一节课中首次接触辩论形式，而在后一节课中更熟悉流程与规则，与他人互动更加自如，投入水平更高。该结果印证了已有研究关于学生对教学任务的熟悉程度会影响学生投入表现的结果 （Mason， 2011）。可见，在教学活动开展前，教师需提供清晰、明确的指导，增强学生对任务目的、意义和参与方式的认知。

（2）互动环境因素

研究发现奖励次数和授权时长与学生遵守课堂规范的程度呈显著正相关，从而再次证明良好的课堂环境对行为投入具有积极影响（张丽霞， 等， 2012）。研究结果表明，反馈及时的、激励性的、拥有更多互动权利的环境能够更好地促进学生的学习行为投入，这与已有研究发现相似。例如：弗雷德里克斯等（Fredricks， et al.， 2004）提到学习者在感知到教师支持和关怀时会表现出较高的投入水平;Yeh（2005）的研究表明教师的评价和反馈可以提升学生的在线学习投入水平;刘斌等（2017）发现教师及时的关注和情感激励对学生投入有正面影响;方佳明等（2018）发现学习者在MOOC环境中与他人的交互行为对其在线投入有显著影响。可见，教师在直播课中应充分利用平台相关功能创设出激励学生投入的良好课堂教学环境。但在本研究中，所考察的两个互动环境特征与学生的学术和社会参与均未呈现显著相关，这两个维度与学生学习的实质性心理投入更相关。可知，外在奖励和授权时长在激励学生实质性投入方面作用较为有限，教师还需继续挖掘直播平台在促进学生实质性投入方面的作用，创造激励学生投入的互动环境。

（三）研究局限与展望

首先，研究数据的局限性和研究结果的推广性是本研究的第一个不足。尽管案例研究对于人们理解真实而复杂的教育情境、深度探索教学中充满差异的个体和群体行为具有重要价值（Hamilton & Corbett-Whittier， 2012， pp. 5-6; Yin， 2017， p. 5），但是研究结果与结论的可推广性问题是案例研究的主要局限（Bryman， 2016， p. 62）。本研究在完成直播课学习投入指标及其权重的定义后，仅选取了一门案例课程进行直播课学习投入指标的验证，以及投入特征及其影响因素的探索。虽然本研究所基于的研究数据涉及950分钟的教学实录及其课程所有日志数据，以期完整、深入地呈现案例课程的学习行为投入特征，但是相关结果与结论仍然主要适用于同案例课程情境相似的少儿英语小班直播课。该案例课程的一些特征，如英语教学、外教激励式的教学风格、基础知识教学为主、全班同学都开启摄像头等，会在一定程度上影响学生学习行为投入。当上述课程情境特征发生变化时，学生学习行为投入可能会发生变化。正如Flyvbjerg（2006）所指出的那样，案例研究一方面能够增加研究的深度，也会限制研究的宽度，使其在外部效度上存在一定局限性。因此，后續不仅需要用更多相似情境的课程数据去进一步验证本研究相关结果，而且需要在对不同学段、学科、学生规模、教学方法、教师教学风格的课程数据进行分析的基础上对本研究结果进行优化与完善。

其次，由于数据局限，研究尚未深入挖掘教师教学因素和学生个人因素对行为投入的影响，后续将进一步考察影响行为投入的主要教学因素与学生特征，为直播教学的教学设计与学习支持提供依据。

再次，本研究主要基于教学视频和后台日志数据进行直播课学习行为投入的评测，随着技术的快速发展，结合学习者生理特征和情绪变化来表征行为投入已成为可能（韩丽， 等， 2017; Ron， 2017; 王丽英， 等， 2020），目前国外已有较为成熟的学习投入识别数据集可供参考（曹晓明， 等， 2019），后续研究将考虑把生理特征和情感投入相关指标纳入直播课学习行为投入评价体系中，通过多模态数据更全面、客观地刻画学习者投入状态和水平。

最后，直播课堂中可供采集和分析的学习数据构成与形态与基于自主学习的在线课程相比已经发生变化，师生很多互动数据以教学实录的形式保存下来，如何实现对这些视频素材中师生行为的精准自动化识别分析将成为未来学习投入自动化评价亟须解决的重要技术问题，这也将成为后续研究的重要方向。

[参考文献]

曹晓明，张永和，潘萌，等. 2019. 人工智能视域下的学习参与度识别方法研究：基于一项多模态数据融合的深度学习实验分析[J]. 远程教育杂志，37（1）：32-44.

陈奕桦，付倩兰. 2017. 教学方法对小学生数学课堂参与度影响的实证分析[J]. 数学教育学报，26（4）：80-86.

邓雪，李家铭，曾浩健，等. 2012. 层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识，42（7）：93-100.

方佳明，唐璐玢，馬源鸿，等. 2018. 社会交互对MOOC课程学习投入的影响机制[J]. 现代教育技术，28（12）：87-93.

韩丽，李洋，周子佳，等. 2017. 课堂环境中基于面部表情的教学效果分析[J]. 现代远程教育研究（4）：97-103，112.

胡钦太，刘丽清，丁娜. 2020. 教育公平视域中在线教育的困境与出路[J]. 中国电化教育（8）：14-21.

李爽，王增贤，喻忱，等. 2016. 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，22（2）：77-88.

李文昊，白文倩. 2011. 反思型异步学习模式中的学生参与度研究. 远程教育杂志，29（3）：14-20.

梁林梅，蔡建东，耿倩倩. 2020. 疫情之下的中小学在线教学：现实、改进策略与未来重构——基于学习视角的分析[J]. 电化教育研究，41（5）：5-11.

刘斌，张文兰，刘君玲. 2017. 教师支持对在线学习者学习投入的影响研究[J]. 电化教育研究，38（11）：63-68，80.

牟智佳. 2020. 多模态学习分析：学习分析研究新生长点[J]. 电化教育研究，41（5）：27-32，51.

汤诗华，郭允建，朱祖林，等. 2018. 我国远程教育研究2017年度进展报告[J]. 远程教育杂志（5）：27-36.

王红梅，张琪，黄志南. 2019. 开放学习环境中学习行为投入与认知投入的实证研究[J]. 现代教育技术，29（12）：48-54.

王丽英，何云帆，田俊华. 2020. 在线学习行为多模态数据融合模型构建及实证[J]. 中国远程教育（6）：22-30，51，76.

文书锋，孙道金. 2017. 远程学习者学习参与度及其提升策略研究：以中国人民大学网络教育为例[J]. 中国电化教育（9）：39-46.

谢幼如，邱艺，黄瑜玲，等. 2020. 疫情防控期间“停课不停学”在线教学方式的特征、问题与创新[J]. 电化教育研究，41（3）：20-28.

张丽霞，郭秀敏. 2012. 影响虚拟课堂学习参与度的因素与提高策略[J]. 现代教育技术，22（6）：29-34.

张琪，武法提. 2018. 学习行为投入评测框架构建与实证研究[J]. 中国电化教育（9）：102-108.

张思，刘清堂，雷诗捷，等. 2017. 网络学习空间中学习者学习投入的研究：网络学习行为的大数据分析[J]. 中国电化教育（4）：24-30，40.

张屹，白清玉，马静思，等. 2014. 交互式电子双板环境下的课堂交互性研究：以高校“教育技术学研究方法”课堂教学为例[J]. 电化教育研究，35（3）：83-87.

钟薇，李若晨，马晓玲，等. 2018. 学习分析技术发展趋向：多模态数据环境下的研究与探索[J]. 中国远程教育（11）：41-49，79-80.

Appleton， J. J.， Christenson， S. L.， Kim， D.， & Reschly， A. L. （2006）. Measuring cognitive and psychological engagement： Validation of the Student Engagement Instrument. Journal of School Psychology， 44（5）， 427-445.

Bhagat， K. K.， Wu， L. Y.， & Chang， C. Y. （2019）. The impact of personality on students perceptions towards online learning. Australasian Journal of Educational Technology， 35（4）， 98-108.

Bingham， G. E.， & Okagaki， L. （2012）. Ethnicity and student engagement. In S. L. Christenson， A. L. Reschly， & C. Wylie （Eds.）， Handbook of research on student engagement （pp. 65-95）. Boston， MA： Springer.

Birch， S. H.， & Ladd， G. W. （1997）. The teacher-child relationship and childrens early school adjustment. Journal of School Psychology， 35（1）， 61-79.

Bryman， A. （2016）. Social research methods （5th ed.）. London： Oxford university press.

Cheng， G.， & Chau， J. （2016）. Exploring the relationships between learning styles， online participation， learning achievement and course satisfaction： An empirical study of a blended learning course. British Journal of Educational Technology， 47（2）， 257-278.

Deng， R.， Benckendroff， P.， & Gannaway， D. （2020）. Learner engagement in MOOCs： Scale development and validation. British Journal of Educational Technology， 51（1）， 245-262.

Dixson， M. D. （2015）. Measuring student engagement in the online course： The online student engagement scale （OSE）. Online Learning， 19（4）. doi： http：//dx.doi.org/10.24059/0lj.v19i4.561

Doo， M. Y.， Bonk， C. J. （2020）. The effects of self-efficacy， self-regulation and social presence on learning engagement in a large university class using flipped Learning. Journal of Computer Assisted Learning， 36， 997-1010.

Finn， J. D. （1993）. School Engagement & Students at Risk. Washington， DC： National Center for Education Statistics.

Finn， J. D.， & Rock， D. A. （1997）. Academic success among students at risk for school failure. Journal of Applied Psychology， 82（2）， 221-234.

Finn， J. D.， & Voelkl， K. E. （1993）. School characteristics related to student engagement. Journal of Negro Education， 62（3）， 249-268.

Finn， J. D.， Pannozzo， G. M.， & Voelkl， K. E. （1995）. Disruptive and inattentive-withdrawn behavior and achievement among fourth graders. The Elementary School Journal， 95（5）， 421-434.

Flyvbjerg， B. （2006）. Five misunderstandings about case-study research. Qualitative Inquiry， 12（2）， 219-245.

Fredricks， J. A.， Blumenfeld， P. C.， & Paris， B. A. H. （2004） School engagement： Potential of the concept， state of the evidence. Review of Educational Research， 74（1）， 59-109.

Furrer， C.， & Skinner， E. （2003）. Sense of relatedness as a factor in childrens academic engagement and performance. Journal of Educational Psychology， 95（1）， 148-162.

Hamilton， L.， & Corbett-Whittier， C. （2012）. Bera/sage research methods in education： Using case study in education research. London： SAGE Publications.

Handelsman， M. M.， Briggs， W. L.， Sullivan， N.， & Towler， A. （2005）. A measure of college student course engagement. The Journal of Educational Research， 98（3）， 184-192.

Hara， N.， Angeli， C.， & Bonk， C. J. （2000）. Content analysis of online discussion in an applied educational psychology course. Instructional Science， 28（2）， 115-152.

Hrastinski， S. （2009）. A theory of online learning as online participation. Computers and Education， 52（1）， 78-82.

Kim， D.， Park， Y.， Yoon， M.， & Jo， I-H. （2016）. Toward evidence-based learning analytics： Using proxy variables to improve asynchronous online discussion environments. The Internet and Higher Education， 30， 30-43.

Lam， S. F.， Jimerson， S.， Wong， B. P. H.， Kikas， E.， Shin， H.， Veiga， F. H.， et al. （2014）. Understanding and measuring student engagement in school： The results of an international study from 12 countries. School Psychology Quarterly， 29（2）， 213-232.

Mason， R. B. （2011）. Student engagement with， and participation in， an e-Forum. Educational Technology & Society， 14， 258-268.

Newmann， F. M. （1992）. Student engagement and achievement in American secondary schools. New York： Teachers College Press.

Precourt， E.， & Gainor， M. （2019）. Factors affecting classroom participation and how participation leads to a better learning. Accounting Education， Taylor & Francis Journals， 28（1）， 100-118.

Redmond， P.， Abawi， L-A.， Brown， A.， Henderson， R.， & Heffernan， A. （2018）. An online engagement framework for higher education. Online Learning， 22（1）： 183-204.

Reeve， J.， Jang， H.， Carrell， D.， Jeon， S.， & Barch， J. （2004）. Enhancing students engagement by increasing teachers autonomy support. Motivation & Emotion， 28（2）， 147-169.

Ron， S. （2017， January 4）. Does emotive computing belong in the classroom？ EdSurge News. Retrieved August 1， 2020， from https：//www.edsurge.com/news/2017-01-04-does-emotive-computing-belong-in- the-classroom

Shih， H-F.， Chen， S-H. E.， Chen， S-C.， Wey， S-C. （2013）. The relationship among tertiary level EFL students personality， online learning motivation and online learning satisfaction. Procedia - Social and Behavioral Sciences， 103， 1152-1160.

Sinha， S.， Rogat， T. K.， Adams-Wiggins， K. R.， & Hmelo-Silver， C. E. （2015）. Collaborative group engagement in a computer-supported inquiry learning environment. International Journal of Computer-Supported Collaborative Learning， 10（3）， 273-307.

Skinner， E. A.， & Belmont， M. J. （1993）. Motivation in the classroom： Reciprocal effects of teacher behavior and student engagement across the school year. Journal of Educational Psychology， 85（4）， 571-581.

Skinner， E. A.， Kindermann， T. A.， & Furrer， C. J. （2009）. A motivational perspective on engagement and disaffection conceptualization and assessment of childrens behavioral and emotional participation in academic activities in the classroom. Educational and Psychological Measurement， 69（3）， 493-525.

Sun， J. C. Y.， & Rueda， R. （2012）. Situational interest， computer self-efficacy and self-regulation： Their impact on student engagement in distance education. British Journal of Educational Technology， 43（2）， 191-204.

Wright， R.， Jones， G.， & DAlba， A. （2013）. Student preferences for rapport-building traits of online instructors （Doctoral dissertation）. Retrieved from https：//digital.library.unt.edu/ark：/67531/metadc177265/m2/1/high_res_d/dissertation.pdf

Yeh， H. T. （2005）. The use of instructors feedback and grading in enhancing students participation in asynchronous online discussion. In P. Goodyear， D. G. Sampson， D. J. T. Yang， X. Kinshuk， T. Okamoto， R. Hartley， & N. S. Chen （Eds.）， 5th IEEE International Conference on Advanced Learning Technologies （pp. 837-839）. Kaohsiung， Taiwan： IEEE.

Yin， R. K. （2017）. Case study research and applications： Design and methods （6th ed.）. London： SAGE Publications.

收稿日期：2020-09-06

定稿日期：2020-12-21

作者簡介：刘司卓，硕士研究生，伦敦大学学院教育学院。

李爽（通讯作者），博士，副教授，硕士生导师，北京师范大学教育技术学院远程教育研究中心（100875）。

黄嘉靖，本科生，北京师范大学教育技术学院（100875）。

责任编辑 单 玲