冯素珍 孙莹

摘  要：为了解本科高校学生在线学习状态，进而探讨其相关影响因素，本研究对某高校学生的在线学习情况进行了网络调查。调查显示，96%以上的学生认为所列项目内容符合个人在线学习实际，但学生的积极互动明显不足。线性回归显示，调查的十四项学习状态可以解释整体学习效果比传统教学好的58.1%变化原因。独立样本t检验显示，不同性别样本对于整体学习效果比传统教学好全部均呈现出显著性差异。

关键词：在线教学；学习效果；自我评价

中图分类号：G40-06    文献标识码：A    文章编号：1673-7164（2023）04-0105-04

任何事件的出现都有其双面性。随着在线教学的推进，学生的学习状态、在线学习的效果、学习状态对学习效果的影响等，都是值得探讨的问题。因此，本研究以本科高校学生在线学习调查数据为基础，从学生学习状态自我评价入手进行分析，比较不同学习状态下学习效果差异。本研究关注的问题：一是不同学习状态，对于在线学习效果的影响程度差异是否显著；二是不同性别学生，对于在线学习效果优于传统学习是否存在显著差异。

一、理论综述与假设

（一）理论综述

任何“教”与“学”的变革与创新，必然始于对学生学习状态的了解、分析和评估［1］。有学者认为，学习状态，既包括个体学习进行中生理、心理和交往状态，也 包括学习前的各种准备以及学习后的反馈状态等［2］。也有学者认为，造成学习状况欠佳的主要因素是大学生的学习态度、学习方式［3］。还有学者发现，在学习中忽视自我成长，更多表现出缺少创新和热情［4］。

现有研究中，观察和调查是学者较多使用的方法。相比较而言，学者们更倾向于用调查，如学生是否有逃课和迟到早退等行为，是否有明确的学习目标［5］，或者让他们判断自己上课时的注意力情况［6］。也有学者通过构建模型研究学习状态与学习行为有关系、学习风险预测等，对学习情况进行预测［7-8］。

学习效果的相关研究多集中于学生投入对学习效果的影响与评价。学习投入水平的高低是学生学业成就最重要的影响因素，影响学习效果的关键因素是学生投入的具体表现。有学者认为，学生投入主要表现为：精力放在学习上、注意力集中、遇到困难坚持不懈、运用有效的学习策略等［9］。也有学者认为，在学生行为投入的背后存在着一种更深层次的投入，即心理投入［10］。学生投入包括行为投入、认知投入与情感投入三个方面，这三方面紧密联系又相对独立，学生只有在这三方面均积极投入时，学习才是高效的［11］。学生投入具体表现为不同的学习状态，是影响学习效果的关键因素。研究显示，缺乏自我调节策略的学生，在课前学习中可能无法理解或连接观念，导致课堂活动中学习效果不佳［12］。

自我评价是自我教育的重要条件，实事求是地评价自己是进行自我教育、自我完善的重要途径之一。有学者认为，可通过两种方式来测量学生学习效果：一种是采用学生调查，让学生自评认知和非认知方面的学习效果［13］；一种是使用心理测量和有效量表来直接测量学生的学习效果。

与传统教学不同，在线教学能够充分尊重学生的个性、激发学生的动机，更容易实现因材施教，但缺乏人性化沟通、忽略情感培养等［1］。工业革命4.0时代的一件重要事情就是在线学习［12］，千禧一代学生大多数已经将互联网作为学习的主要需求［14］。在线学习环境下，本科高校学生学习效果评价研究偏少。因此，随着在线教学规模的不断增大，对在线学生学习状态的具体表现及学生学习效果等进行研究显得尤为必要。

（二）研究假设

在线学习具有时空分离特征，学习投入是影响学习效果的关键因素，但学习投入在学习状态上又有不同表现。21世纪的大学生具有会思考、善用网络等优点，也存在自控力弱等不足。综合以上分析，提出以下假设：假设1：不同学习状态对在线学习效果优于传统教学的影响存在显著差异；

假设2：不同性别对在线学习效果比传统教学好的影响存在显著差异。

二、研究設计

（一）数据来源

本研究数据来自对山东省某高校学生在线学习情况的调查。调查对象为某学院在校学生。本次调查共发放问卷1578份，其中有效问卷1463份。在调查收集的样本中，性别和专业分布与总体较为接近，研究样本能够有效代表总体。

（二）问卷的信效度

从表1可知：信度系数值0.936>0.9，表明研究数据信度质量很高。针对校正的项总计相关性，即“CITC值”，通常此值大于0.4即说明某题项与另外的题项间有着较高的相关性。CITC最小值为0.552，说明分析项之间具有良好的相关关系，同时也说明信度水平良好。综上所述，研究数据信度系数值高于0.9，综合说明数据信度质量高，可用于进一步分析。

KMO值如果高于0.8，则说明效度好；如果此值介于0.7～0.8之间，则说明效度较好；如果此值介于0.6～0.7，则说明效度一般；如果此值小于0.6，说明效度较差。研究使用KMO和Bartlett检验进行效度验证。KMO值为0.939，KMO值大于0.8，通过Bartlett检验对应p值小于0.05，研究数据效度非常好，且适合进行因子分析。

（三）变量名称与定义

三、研究分析

（一）描述统计

在全部研究样本中，有96%以上的学生认为项目内容符合在线学习实际。这说明大部分学生在线学习状态较好，但是仍有4%的学生认为不太符合，这说明少数学生可能由于网络、学习环境或个人情况没能适应在线学习的方式，也可能与学生喜欢的教学方式有一定关系。

分项研究来看，不同调查项目之间有显著差异，尤其在线学习互动方面存在明显不足。排名前三位的项目分别是：x11、x10、x4。上直播课时，99%左右的学生认为自己能遵守课堂纪律，在所有项目中平均得分最高。排名后三位的项目分别是：x8、x9、x3。从互动情况来看，94％左右的学生会在讨论区主动提出问题所占分数为3.82分，95％主动回答问题所得分数为3.92，说明学生在学习过程中提出问题的能力相对较弱。

（二）回归分析

研究采用SPSS软件对研究数据进行了线性回归分析。从表3可以看出，x-y模型R方值为0.581，意味着x可以解释整体学习效果比传统教学好的58.1%变化原因。对模型进行F检验发现，F=143.636，p=0.000＜0.001。这说明其中至少一项会对整体学习效果比传统教学好产生影响关系。VIF值全部均小于5，说明不存在共线性问题；D-W=1.897，在数字2附近，说明样本数据之间并没有关联关系，模型较好。

模型公式为：y=0.254+0.006*x1+0.105*x2+0.144* x3-0.107*x4-0.013*x5+0.020*x6-0.012*x7+0.099*x8+0.025*x9-0.029*x10-0.273*x11+0.114*x12+0.160*x 13+0.639*x14。

从统计意义上看：x2、x3、x8、x12、x13、x14这六项指标各自会对整体学习效果比传统教学好产生显著的正向影响。x4、x11这两个指标各自会对整体学习效果比传统教学好产生显著的负向影响；x1、x5、x6、x7、x9、x10这六个指标各自不会对“整体学习效果比传统教学好”假设产生影响。因此，假设1“不同学习状态对在线学习效果优于传统教学的影响存在显著差异”成立。

（三）独立样本t检验

由表4可知，不同性别样本对于整体学习效果比传统教学好，呈现出0.01水平显著性（t=4.862，p=0.000）， 以及具体对比差异可知，男性平均值（3.82）明显高于女性平均值（3.49）。

因此，假设２“不同性别对在线学习效果比传统教学好的影响存在显著差异”成立。

四、结论与建议

（一）研究结论

1. 学生学习状态对学习效果影响

（1）正向影响关系。能正常登录在线学习平台， 学习前会定个小目标， 在平台的讨论区主动提出问题， 能够保持注意力，掌握学习内容， 已适应在线学习方式，会对整体学习效果比传统教学好产生显著的正向影响关系。

（2）负向影响关系。会按时提交课堂作业， 直播课上遵守课堂纪律会对整体学习效果比传统教学好产生显著的负向影响关系。

（3）没有影响。能及时接收课程消息， 会利用在线测试检验自己的学习情况， 能利用在线平台自主搜集学习资料， 学习遇到问题知道如何求助， 会在平台的讨论区主动回答问题， 能按时在线，出勤率高，其实并不会对整体学习效果比传统教学好产生影响关系。

2. 性别对学习效果影响

性别样本对于整体学习效果比传统教学好全部均呈现出显著性差异。

（二）建议

1. 创新教学方式，不断提升在线教学能力。教师应主动学习掌握在线教学技巧，提升在线教学能力。如在线视频资料尽量出现教师画面。

2. 更新教学内容，拓宽学生视野。及时关注行业动态，基于学习受众，重构教学内容，如会计准则不断修订、大数据在行业的应用等。

3. 调动学生积极性，训练学生提出问题、解决问题的能力。充分利用课程讨论区，对学生在线讨论提出具体要求，引发学生用心用脑去解决问题。

参考文献：

［1］ 陆芳，魏李婷. 大数据背景下大学生学习状态研究的方法探析［J］. 黑龙江高教研究，2019（02）：143-148.

［2］ 张晶晶. 学习状态研究综述［J］. 湖北广播电视大学学报，2010（11）：15-16．

［3］ 王颖，郭红娜，边晓霞. 大学生学习状况统计分析与建模［J］. 辽宁工程技术大学学报：自然科学版，2013（11）：1564-1567．

［4］ Dai Y. Empirical analysis on the learning status of Chinese college students［J］. Open Journal of Social Sciences，2019（07）：85-95．

［5］ 杨秀丽，等. “以学生为中心”的教学模式下本科生课堂学习状态实证分析——以黑龙江省三所高校人文社会科学专业为例［J］. 黑龙江高教研究，2018（11）：105-109．

［6］ 杨伟文，等. 影响大学生上课注意力集中原因的调查和对策［J］. 中国高等医学教育，2012（12）：44-45．

［7］ Pardos Z A，Baker K R S. Affective states and state tests：Investigating how affect throughout the school year predicts end of year learning outcomes［A］//Proceedings of the third international conference on learning analytics and knowledge［C］. ACM，2013：117-124．

［8］ 李建偉，苏占玖，黄赟茹. 基于大数据学习分析的在线学习风险预测研究［J］. 现代教育技术，2018（08）：78-84．

［9］ Fredricks J A，Blumenfeld P C，Paris A H. School engagement：Potential of the concept，state of the evidence［J］. Review of Educational Research，2004，74（01）：59-109.

［10］ Newmann F M. Student engagement and achievement in american secondary school［M］. NewYork： Teachers College Press，1992.

［11］ 张娜. 国内外学习投入及其学校影响因素研究综述［J］. 心理研究，2012，5（02）：83-92.

［12］ Rusli R，Rahman A，Helmi A. Student perception data on online learning using heutagogy approach in the faculty of mathematics and natural sciences of Universitas Negeri Makassar，Indonesia［J］. Data in Brief，2020（29）：105-152.

［13］ 马彦利，胡寿平. 当今美国高等教育质量评估的焦点：学生学习成果评估［J］. 复旦教育论坛，2012（04）：78-84.

［14］ Bin B Z，Amy W，Randi S. Self-regulated learning in a competency-based and flipped learning environment：Learning strategies across achievement levels and years［J］. Medical Education Online，2020，25（01）：168-169.

（责任编辑：邹宇铭）