刘孙发，龚兵丽，林志兴

（1.三明学院 网络中心，福建 三明 365004；2.三明学院 信息工程学院，福建 三明 365004；3.三明学院 教务处，福建 三明 365004）

信息技术不断融入社会生活与教学活动中，不仅重塑了人与人的关系，也改变了教育的各个方面[1]5。在线学习就是典型的例子，其已成为高等教育的重要学习方式。尤其在疫情倒逼之下，在线教学实践大大加速了互联网和教育技术在我国教育领域的应用进程[2]2。据调查统计，在2020年新冠疫情期间，全国共95.2万名教师在线授课，11.8亿人次学生在线学习[3]8。《泰晤士报高等教育》2020年的一项调查表明，由于疫情影响，大学应该更进一步促进在线教育发展[4]2。应用型高校作为中国本科教育的重要主体，有必要帮助学生在在线学习环境中做好准备。

在线学习平台是高等教育机构在数字环境中支持课程活动的最广泛的应用之一，也是当前在线教育数据采集的重要载体，可以采集大多数线上学习、教研与管理等行为数据[5]5。基于数据的学习分析可直接反映在线学习情况，挖掘潜在问题，为学习者提供建议[6]3。新媒体联盟（New Media Consortium）在2020年发布了关于高等教育的报告，将学习分析视为提高学生成功率的有效途径之一[7]6。学习行为投入是影响在线学习质量的核心要素，对在线学习行为的数据探索有助于更好地了解学生在网络课程中的活动特点，对于提高学生的学习投入和学习成绩具有重要意义，同时也有助于评估教学质量以设计合适的课程体系。行为特征的数据化正在改变教育系统的管理模式、教学模式、教学支持、教学评价和教育研究范式。应用型高校如何分析在线学习平台中的学习行为投入，什么样的指标能够有效表征投入，在线学习行为投入又如何影响学习绩效等问题仍需更多的实证研究[8]78。

一、理论基础与研究假设

（一）在线学习模式下学习行为投入研究

时代变迁呼唤教育的变革，科学技术逐渐成为教育变革的内生动力，在科学技术的助力下，教育内容、教学方式、教育评价、教育治理等方面均将发生巨大的变革[9]70。在此情况下，传统的教学理论已经无法进一步解释和指导在线教育[10]6。在线学习平台的学习环境可以追踪学生在任何阶段的学习行为投入情况，并通过形成性评估和终结性评估来评估学习过程和学习者行为。收集的数据可用于监控学生在在线课程中的行为和成绩，识别学生之间的差异，观察在线学习行为投入对学生参与度的影响。

学习行为投入最早由Mosher等提出，是一个多维度的概念[11]5。Kuh将学习投入描述为学生在时间和精力上致力于自我期望的活动，以及促使参与这些活动的相关动力[12]683。武法提等认为，学习行为投入是学习投入的基本构成维度，是“个体在学习活动中投入的时间、努力和精力，是可以被观察到的外显行为，是影响学习绩效的重要因素”[13]35。Dixson认为，在线学习行为投入可分为观察性学习行为（阅读邮件、阅读帖子、观看讲座等）和应用性学习行为（论坛发帖、撰写邮件、参加小测等），学习行为投入与学生对网络课程的参与显著相关[14]1-2，这也从侧面支持了社会建构主义的观点。李爽等认为，行为投入是学生参与学习活动并与他人保持联系的过程[8]77。学习者行为投入呈现与学习成绩正导向的特征[15]53。学习行为投入评估对于提高教育质量至关重要。

随着在线教学技术、教学方法和基础设施的不断完善，学习资源和学习方式得到了快速发展，但陈旧的教学模式仍未发生彻底改变，数据之间的影响关系仍未得到充分研究，教育质量仍然不高[16]27。对于学生在线学习行为投入的研究，需要将可观察行为与测量行为进行比较，有研究提议将学生行为评价、课程管理软件的跟踪与学生实际在线行为进行关联分析[14]7。为了提高反馈的有效性和准确性，仅靠平台业务和现有的数据分析工具是不够的，需要设计数据模型来分析数据之间的影响关系。

（二）在线学习行为投入评测模型构建

现有的大型在线学习平台一般包含课程管理、教学管理、学习等模块，其中学习模块包含课件学习、音视频、任务点、作业与测验、互动等功能。学生在完成学习任务过程中会产生大量数据。这些数据在平台上的呈现方式比较孤立，缺乏对数据之间影响关系的分析。因此，通过模型研究，结合在线学习平台的实际数据，分析数据与行为特征的有效关联从而建立适配的评测模型是研究的关键。

1.在线学习行为投入评测模型构建

Schaufeli等从活力、奉献和专注三个维度认为学习投入是一种积极充实的精神状态[17]71。Lam等把学习行为投入分为积极参与、专注、坚持三个维度[18]213。李爽等将行为投入分为参与、坚持、交互、挑战等方面，为在线学习行为测评提供了理论依据[8]79。张思等把学习者的投入分为参与、规律、专注和交互四个维度，构建学习者在线学习投入模型，发现学习者学习投入程度与学习成效存在正向关系，对学习者学习投入的及时干预有助于提高其学习成效[19]26。有研究者从在线参与、主动交互、自我监控、绩效努力四个维度定义了学生基于学习管理系统的行为变量，探索学习管理系统中记录的行为变量对远程学习投入的预测作用，对比分析了与学习投入和学习绩效相关的在线行为变量和在线预测模型，发现不同课程存在显著差异[20]91。张琪等在探寻学习行为投入本质的基础上，建立了周期反馈循环模型，确定了包含持续性（Persistence）、反思性（Reflection）、主动性（Initiative）和专注性（Concentration）的PRIC测评维度以表征学习行为投入水平[21]102。孔德丽针对SPOC（Small Private Online Courses）学习的特点，以学生为中心从参与（Engagement）、交互（Interaction）、专注（Concentration）和持续（Persistence）四个维度，构建了学习行为投入EICP模型[22]5。Soffer等从三个方面衡量学习行为投入：对课程学习材料的参与度、教师和学生之间的人际互动、在任务和作业中的表现[23]379。袁树厚认为，通过数据统计分析视频学习次数、文本学习次数、活动参加时长和次数、论坛主题发起次数等行为记录的数据，可使学习者了解自己的学习参与度、学习活跃度、学习内容相关度、目标匹配度等[24]75。李想将在线学习中学习者行为投入区分为五个维度：参与、专注、努力、坚持和交互，构建了在线学习行为投入评测指标模型[25]15。

本研究根据学习行为投入理论，借鉴以上学习行为投入维度分类，构建了参与、交互、专注和持续四个维度相互作用影响综合成绩的理论模型，见图1。

图1 在线学习行为投入评测理论模型

2.在线学习行为投入的度量指标说明

通过分析在线学习平台的教学数据，对学生在线学习行为投入指标进行筛选与优化，在研究模型上进行探索性拟合，最后形成15个具有代表性的度量指标，见表1。

表1 在线学习行为投入的度量

（三）研究假设

在线学习参与行为。大量研究表明，学生参与在线课程和成绩之间具有显著相关性[26]2。学生参与是保持学生与课程联系的关键因素。学生参与度测量是确定学习过程的关键，可以提高学习效果[27]20。学生参与学习材料和活动（如在线作业、访问资源等）对学习成功至关重要，参与阅读课程资源对他们的课程成绩有显著的预测作用[23]383。根据上述研究，建立假设为：

H1：学生在线学习的参与行为显著影响在线学习综合表现。

在线学习交互行为。交互合作学习起源于皮亚杰和维果茨基的建构主义理论[28]189-211。学习者在在线学习过程中会充分分享自己的学习问题和学习思考，容易形成积极的学习气氛[29]50。在线学习系统中的开放互动模块，有助于学生积极参与反思对话[30]88。在线课程互动的质量与学习成绩密切相关。Walker等调查了不列颠哥伦比亚大学的140名学生，109人认为在线互动最吸引人[31]1-10。社交能力是指计算机支持协作学习环境的程度，强烈的社区意识和良好的学习关系能够促进社区空间的健全发展，增强信任感和归属感[32]157。在线上讨论中，学生可通过互动或演示特定的任务来填补知识空缺[14]2。当学生评价同伴时，会更深入地思考，学会建设性地批评，并加强批判性思维[33]412。允许学习者加入讨论和互动,对其综合表现有显著的积极影响。根据上述研究，建立假设为：

H2：学生在线学习的交互行为显著影响在线学习综合表现。

经过研究，学生发现了问题所在：这150度不是我们要量的角的度数，应该用180度减去150度等于30度才是正确答案。因为角的两条边夹住的角才是我们要量的，而150度量出界了。

在线学习专注行为。专注通常是指可能会唤起学生进行有意义的沉浸式体验的一种最佳状态[34]2。在线学习中学生的主观沉浸式体验不容忽视，因为它与注意力、专注力密切相关[35]58。在线学习“随时随地”的特性，需要学习者具有更多的自我调节能力；与面对面的情况相比，在线学习的孤立性使得学习者更难管理自己的注意力[36]105。一般来说，更加专注表现为观看视频的比例更高以及观看视频的时间更多[23]383。当个体处于一种高度集中的状态时，这种深度专注的结果是行动和意识的融合，具有强大的内在驱动力[34]4。根据上述研究，建立假设为：

H3：学生在线学习的专注行为显著影响在线学习综合表现。

在线学习持续行为。Jung等通过研究发现，观看视频、阅读文本等学习任务的持久性、完成率与学习成绩显著相关[37]1-9。Janelli等认为，学生的持久性对后测试分数有着积极影响[38]1-12。Adeshola等发现，66%的学术收益差异可以用学习参与和持续性来解释[39]1-27。随着高等教育网络课程数量的指数增长，在线课程的坚持率低于面对面课程。个体对成功的期望会影响个体持续参与该项任务的主观认知，也就是期望价值会影响学生的持续性行为。期望价值理论认为，当学生感知到自己的价值和自信时，他们的选择倾向、学习投入和坚持的毅力都将受到影响[40]49。期望价值理论已被广泛用于预测和解释学生的任务选择、学习坚持和学习成绩等，并被证实与学习成绩正相关[41]2。Wu等认为，期望价值理论可以解释学生在完成学习任务时的拖延情况，期望价值越高的学生会付出更多的努力，表现出更积极的行为[42]2。根据上述研究，建立假设为：

H4：学生在线学习的持续行为显著影响在线学习综合表现。

二、研究方法

（一）研究对象

本研究的数据来源于三明学院的在线学习平台与日志文件，根据研究的理论框架选取了2021—2022学年第一学期的数据作为横截面数据，来分析学习行为投入各要素与综合表现的交互作用，构建学习行为投入影响因素的实证模型。由于模型的因变量是综合表现，包含了期末综合测试成绩、章节测试平均成绩、作业测试平均成绩，为避免不同课程或不同教师在量分考核上存在差异，故横截面数据采用从472门在线课程中抽取一门由同一位教师开设的课程。参加该门课程的学生共为171人，其中163人完成了最后的期末综合测试，完课率为 95%，女生为 83.4%（M=21.47，SD=0.79），男生为 16.6%（M=21.70，SD=0.99）。在结构方程模型的研究中，样本最小量与观测变量数至少要满足5∶1的比例[43]1-21，而本研究的观测变量数为15，所以163的样本量能够满足研究条件。

（二）研究工具

本研究采用学习分析和统计方法，使用SQL查询检索和处理数据，通过编写函数来计算变量，这些变量描述了课程中每个学生的活动，再利用SPSS 23和AMOS 21来分析数据。先采用验证性因素分析，对测量模型的克隆巴赫系数信度、收敛效度和区分效度进行评估；再采用结构方程模型对外生变量间的路径系数进行实证检验。

三、研究结果

（一）数据基本情况

在线学习行为投入的基本情况如表2所示。从统计情况可以看出，学生平均提交作业11.7次，平均观看视频的时间为356.6分钟，说明在线课程充分考虑在线学习的特点，基本上以短视频为主。视频反刍比大于100%的平均次数为31.4，也就是说对于课程的大部分短视频而言，观看时长都超过视频本身时长。作业互评次数为337.6次，平均每个学生会给2.1个互评任务打分。

表2 在线学习行为投入的基本情况

（二）测量模型检验

1.测量模型的信度检验

克隆巴赫系数表明不同数据在测量同一变量的不同方面时是如何相互补充的。如果不小于0.7，则说明数据项具有较高的信度[39]12。测量模型的信度见表3。从中可以看出，所有系数均大于0.7，说明本研究的潜在变量数据项具有很好的一致性。

表3 测量模型的信度检验表

2.测量模型的收敛效度检验

测量模型的数据项收敛效度检验由四个部分特征值说明：非标准化参数显著性估计值均为显著；因数负荷量Std.大于0.6；内部一致参数组成信度CR大于0.7；潜在变量的平均方差提取值收敛效度AVE大于0.5[4]11。

测量模型的收敛效度检验结果见表4。可以看出，非标准化参数P值显著，因数负荷量大于0.6，组成信度大于0.7，潜在变量的收敛效度AVE大于0.5。因此，本研究采用模型的收敛效度良好。

表4 测量模型的收敛效度检验表

3.测量模型的区分效度检验

测量模型的各个潜在变量之间的相关性分析采用区分效度测量，由潜在变量收敛效度AVE值的平方根所得，要求主对角线上的数值都要大于其所对应的列和行的值。测量模型的区分效度见表5。从中可以看到，对角线上的值0.842、0.871、0.886、0.872、0.888 都大于其所在的列和行的值，说明测量模型的区分度良好。

表5 测量模型的区分效度检验表

（三）研究模型拟合度检验

研究模型的拟合指标见表6。将表6的在线学习行为投入结构模型拟合度推荐值与指标进行比较，可以看出研究模型拟合度良好，可用性良好。

表6 研究模型的拟合指标表

（四）研究模型假设验证

研究模型假设验证结果见表7，结构方程研究模型见图2。根据路径系数可知，在线学习行为投入的参与正向预测学生综合表现为（β=0.191，p＜0.01）、交互正向预测学生综合表现为（β=0.197，p＜0.01）、专注正向预测学生综合表现为（β=0.236，p＜0.001）、持续正向预测学生综合表现为（β=0.460，p＜0.001），说明研究假设H1、H2、H3、H4 都成立。

图2 在线学习行为投入评测研究模型

表7 研究模型假设验证结果

四、讨论与建议

（一）讨论

研究中所提出的理论模型解释了本研究中依赖的内生变量综合表现，解释力为63%，所有的假设都得到了支持。

参与行为正向影响学习者综合表现，对其影响系数为19%。在本研究的所有变量中其影响最小，这也部分验证了Dixson的研究结论，观察性学习行为更多的是阅读帖子、学习参考资料等，与其参加活动的数量相关性不强[14]9。

交互行为正向影响学习者综合表现，对其影响系数为20%。这与Hosam的研究结论一致，在网络环境中互动对学业成功起着重要作用[30]1-19。分组任务的协作学习方式更能促进学生互动，小组成员可通过讨论获得更深入的知识，将课程形式从单独的个人活动转变为协作活动。通过分析发现，学习者有较高的积极性参与互动，但多数互动是一些简短的回复，引发深入思考的并不多。

专注行为显著正向影响学习者综合表现，对其影响系数为24%。专注是实施有效学习活动的关键因素之一，在提高学习成绩方面发挥着重要作用。已有研究表明，在测试任务前进行主动学习是一种有效的策略[14]7。从视频反刍比大于100%的数据来看，视频重点片段重复观看是另一个值得推广的学习策略。当然，也有一些同学在考试周时频繁搜索、观看视频，此举虽然提高了一定的效率，但缺乏更多的思考。

持续行为投入是在线学习成功的关键，对于学习综合表现的影响系数为46%。学生在线学习的持续性对成绩有积极的影响，一方面音视频学习资源更有利于学习，另一方面音视频资源本身包含了和作业测试、章节测试、综合测试高度相关的知识点。在线学习的音视频作为同步和异步的电子学习资源，对学生的参与、理解和知识获取有积极贡献[39]4。在线学习容易出现作业提交拖延的情况，主要原因在于缺乏社会存在和情感支持，更容易出现调节和维持动机的困难。

（二）建议

首先，在线教学过程中需要保证及时有效的反馈。在线学习的自我导向和孤立性倾向通常会导致学习者产生一些消极情绪，影响他们的学习过程和结果。及时反馈学习者的学习成果有利于他们了解自己取得的成就，增强持续投入的内在动力。其次，在线教学过程中需要设定明确合理的目标。当学习目标与个人技能相匹配时沉浸式的专注才会发挥作用；也就是说，学习目标必须平衡或略高于学习者所具有的技能。再次，在线教学过程中需要促进有意义的互动。在同步和异步讨论中，社交存在是增加用户参与和互动的关键因素，积极参加有意义的互动更有可能引发有意义的学习活动[35]57。同时，在线平台的匿名功能是互动评价的有效手段，匿名会降低对同伴压力的感知，带来更多的舒适感，并对同伴评价持更积极的态度。