秦秀波

(山东城市建设职业学院,山东 济南 250103)

自20世纪90年代以来,在线学习作为一种能够打破时间和空间的新型学习方式,对教学方法、教学资源和教学活动产生了重要影响,近年来受疫情影响,在线学习这一非常态的学习方式成为特殊时期大学生主要的学习途径,据全国高校教学大数据监测显示,疫情期间全国高校课程在线开课率达到91%,教师在线教学认可度达到80%,学生在线教学满意率达到85%,基本实现了在线教学与课堂教学质量实质等效。[1]然而,随着在线学习的蓬勃发展以及大规模在线开放课程(MOOC)、小规模限制性在线课程(SPOC)等不同课程模式的推陈出新,众多教育研究者也在不断深思在线教学的功能与价值,尤其“隔屏相望”学习方式所带来的学习焦虑、学习倦怠和情感孤独等问题备受关注。

一、理论基础及概述

自我效能感(Self-efficiency)最早由美国心理学家阿尔伯特·班杜拉(Albert Bandura)提出,是个体对完成特定任务或达到特定目标的信心和信念程度,受到个体动机、行为和成果产生的影响。随着计算机技术和网络教学的发展,在自我效能感基础上又开展了计算机自我效能感(Computer Self-efficiency)、 互联网自我效能感(Internet Self-efficiency)和在线学习自我效能感(E-Learning Self-efficiency)方面的深入研究[2],本研究认为在线学习自我效能感是个体对自己能在网络学习活动中取得成功的信念,是个体对自己使用计算机、网络信息资源或网络通信工具等完成学习任务的能力的主观判断。教师情感干预是指教师为了提高学习者在线学习质量,通过言语、行动等方面对其进行关爱、共情和认同。本项目主要采用情感认知、表达、调控和反馈干预四个层面来提升学习情绪、激发学习兴趣和提升学习成就感的情感干预策略,引导学习者在线学习自我调节,从而促进在线学习效能提高。

二、研究设计与研究模型构建

(一)研究对象与研究方法

本研究以所在高职院校大一、大二、大三学生为对象,通过在线教学平台开展课程教学,采用准试验研究方法探究教师情感干预对高职院校学生在线学习效能的影响,问卷采用李克特(Likert)五点量表计分,从1到5分别为完全不符合到完全符合的选项。问卷通过在线教学平台进行发放,共发放320份问卷,剔除无效问卷后得到296份有效数据,问卷有效率为92.5%。本研究采用SPSS Statistics 26.0和SPSS Amos 26.0对问卷数据进行处理和分析,并建立结构方程模型(SEM)来检验教师情感支持、学生在线学习倦怠消除和在线学习绩效之间的影响关系。

(二)问卷设计与发放

本研究所设计调查问卷主要包含四部分:第一部分为研究对象基础信息,包括性别、年龄、所学专业等信息;第二部分参照国内贾娟“教师情感支持问卷”[3]和国外巴拜德.以利沙(Babad Elisha)教师情感支持量表,从教师情感认知干预策略、情感表达干预策略、情感调控干预策略和情感反馈干预策略四个维度进行调研;第三部分参照国内连榕学习倦怠量表[4]对学生在线学习情绪和行为两个层面进行消除学习倦怠分析;第四部分是参照李芳的学业成就量表[5]从学习成果和综合素质进行学习效能分析。问卷采用李克特(Likert)五点量表记分,从1到5分别为完全不符合到完全符合的选项。问卷通过在线教学平台进行发放,共发放320份问卷,剔除无效问卷后得到296份有效数据,问卷有效率为92.5%。本研究采用SPSS Statistics 26.0和SPSS Amos 26.0对问卷数据进行处理和分析,并建立结构方程模型(SEM)来检验教师情感支持、学生在线学习倦怠消除和在线学习绩效之间的影响关系。

三、教师情感干预学生在线学习效能研究模型与假设

相较于传统学习模式,在线学习具有更强的自主性和自我调控性,学生学习效能的提高与其产生学习倦怠关系密切,因而本研究将消除学生在线学习倦怠作为研究模型中的中介变量,构建教师情感干预策略及其与学生学习倦怠消除和学生学习效能影响关系,形成下表1所示的研究假设和图1所示的关系模型:

表1 教师情感干预策略及研究假设

图1 教师情感支持、在线学习倦怠消除及在线学习效能提升影响关系模型

四、研究结果分析

(一)调研问卷描述性数据分析结果

采用SPSS Statistics 26.0软件对296份调研问卷学生基础数据进行分析,如下表2所示,结果发现98.6%的学生具有在线学习经验,尤其是受近年来疫情影响,在线学习已成为学生主流学习模式之一,加上智能终端和移动网络的普及让在线学习更加便捷。78.9%的学生具有主动在线学习交流意愿、88.2%的学生有主动与教师进行互动的意愿,具备在线教学过程师生、生生互动的基础。72.6%的学生认为在线时间过程会产生学习倦怠影响学习效果,教师对学生在线学习进行情感干预极为必要。

表2 调研问卷描述性数据统计分析结果

(二)研究假设检验

采用SPSS Statistics 26.0软件对问卷进行信效度分析,并进一步利用SPSS Amos 26.0对结构方程模型情感认知干预策略、情感表达干预策略、情感调控干预策略、情感反馈干预策略与消除在线学习倦怠和提升在线学习效能之间关系进行验证性检验,如下表3所示。通过图2径系数分析发现,教师情感干预对学习者在线学习效能影响大小依次是情感调控干预、情感反馈干预、情感表达干预和情感认知干预,其中教师情感调控中“及时针对课堂情况进行个性化情感干预”和教师情感反馈干预中的“教师对学生在线学习中的压力予以理解和反馈”对学生在线学习倦怠消除和学习效能提升方面影响尤为显著。

表3 基于教师情感支持、在线学习倦怠消除及在线学习效能提升影响假设验证结果

图2 教师情感支持、在线学习倦怠消除及学习效能提升影响关系模型假设验证及路径系数

五、研究总结与思考

(一)精心设计在线教学环境,提高师生情感认知,消除学习倦怠、提高学习效能

研究结果表明,教师在线教学过程中精心设计教学环境、提高学生对于在线学习情感认知能有效降低学习倦怠、提高学习效能。首先,在线教学中教师要认识到情感干预的重要性并有意识去干预学习活动中的“观望者”,并在课程设计中尽量引发大多数人的关注和参与,让学生活跃在课堂环节内、避免“隔屏相望”产生的心理疏远。[6]其次,教师在线教学中要发挥班委成员的关键作用,在线活动中通过有意识地让班委成员充当团队意见领袖作用,能增强虚拟学习团队的互助性和支持度,激发学生形成团队合作意识和自身人际交往能力。最后,教师要精心设计教学过程,避免机械式、无意义情感干预,让情感干预贯穿于学习活动和资源获取过程中,提高情感干预的质量以帮助学生保持稳定积极的在线学习情绪。

(二)引导在线学习情感表达,建立良好师生在线学习关系,提高学习效能

教师在线教学首先要了解情感需求困扰并关注学生情感状态变化,可以通过问卷调查、个别提问或小组讨论等方式倾听和理解学生的需求和困惑,便于有针对性地进行引导和支持。其次,教师要创造积极有效的情感表达氛围,多使用鼓励性语言,肯定学生在线学校过程中的努力、认可他们取得的学习成果,引导他们在课堂进行积极互动,与学生建立情感共鸣和理解,形成良好的师生在线学习氛围,消除在线学习的孤独感和倦怠感。最后,教师要在教学中积极进行情感表达,可以借助在线教学平台中虚拟鲜花、鼓掌、奖状等激励性工具表达对学习者的情感期望,促进学习者加大学习行为投入、提高学习效能。

(三)注重在线学习活动中情感调节支架设计和干预服务,降低学习倦怠、提高学习效能

一方面,教师要根据所用在线教学平台、在线学习课程内容和在线学习者特点精心设计情感调节支架,由于在线学习过程中学生在学习目标、学习动机保持以及学习活动自我监控方面存在不足,教师通过积极的情感调控干预能降低学生学习倦怠和拖沓行为,实现师生双向互动的引领式学习,提高学习者的学习效能。[7]另一方面,教师要设计多样化情感调控干预服务,加强在线学习平台的数据分析和挖掘功能,利用在线学习过程中产生的丰富学习数据,动态诊断学习者在线情感状态,有针对性地提供在线情感调控干预服务,例如情绪管理技巧、学习动机激发、学习压力缓解方法等,切实提升学习者在线学习效能。

(四)关注学生反馈、筑建“心有灵犀”情感支持,增强学习效能感

在研究数据分析中发现,学生非常期望自己在线学习过程中能得到教师及时、有效的反馈,长时间学习者没有得到关注会导致情绪低落、进而减少学习行为投入、产生学习的倦怠感。教师应增强在线教学情感干预的敏感性,通过学生的反馈及时调整教学情感干预策略,提高学生情绪自我控制能力,教师通过情感反馈干预策略及时回应学习者的问题和困惑,给予学生关心和支持的信息,能帮助他们建立积极的学习情绪和自信心,提高自己的学习效能。

(五)注重在线学习倦怠作为教师情感干预和学习效能提升中介变量的重要性

研究表明,教师情感干预策略对学习者学习焦虑消除和学习效能提升具有显著的正向作用,消除学习者学习倦怠作为教师情感干预和学习效能的中介变量起到关键作用。现代心理学研究表明学习者的学习倦怠主要受学习负荷过大、学习氛围不高和学习目标不明确等因素影响,这些因素也是在线学习过程中学习者面临的诸多严峻挑战[8],在调研中学生也提出在在线教学过程中由于教师未能及时对其进行响应会加大他们的迷惑和焦虑情绪,产生出在线学习的倦怠感,因而教师杜绝“放任式”在线教学活动,能让学习者在情感的交融与共生中减缓心理倦怠、提高在线学习效能。

六、结语

美国著名教育家罗杰斯曾指出:“教师的态度可以决定课堂教学的成败”,本研究通过定性和定量分析结合的方式开展了教师情感干预对学生学习效能影响方面研究,为教师情感干预消除学习倦怠、提升学习效果提供了思路和经验。但也存在一定的局限和不足:例如对于通过学生在线学习的语义分析、学习行为跟踪分析不足,也没有借助人工智能、大数据等新一代信息技术开展虚拟情感教师干预、学生倦怠敏感识别方面研究,这也是我们下一步需要深入研究的内容。