高師院校大學生網絡學習動機影響因素的實證研究

[摘 要] 文章以高師院校本科生為研究對象，通過基于Moodle平臺的專業(yè)課程學習，調查分析了影響學生網絡學習動機的因素。在此基礎上，采用結構方程模型法和線性回歸分析法探尋各影響因素之間的直接與間接影響效應，得出各影響因素之間的關系結構圖。研究結果表明，輔導教師、感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭是影響學生網絡學習動機的主要因素，其中輔導教師是影響學生網絡學習動機的根本因素，學習活動設計是影響學生網絡學習動機的核心要素。

[關鍵詞] Moodle平臺； 網絡學習動機； 影響因素； 結構方程模型

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 張文蘭（1967—），女，浙江東陽人。教授，博士生導師，主要從事信息技術教育應用研究。

一、研究緣起

學習動機作為影響學生學習的重要內部因素，是教育理論和心理學研究的重點領域之一。近幾十年來，從皮亞杰到羅伯特·加涅再到約翰·凱勒，學習動機一直被看作是教學設計過程中一個重要的部分。然而，從傳統課堂教學環(huán)境到多媒體學習環(huán)境再到網絡學習環(huán)境，新媒體技術環(huán)境下的網絡學習在變革傳統的以訓練和練習為主的行為主義學習方式的同時，也面臨著如何才能有效激發(fā)和維持學生網絡學習動機的困境。網絡學習環(huán)境下教與學的弱控性決定了有意志力的、具有較高動機水平的心理努力、元認知自我監(jiān)控等因素成為影響網絡環(huán)境下學習成效的至關重要的因素。相關研究表明，要想抓住新技術所提供的機遇需要滿足一定的條件，其中，學習者具有較高水平的心理努力、全身心的投入是最重要的。[1]那么，究竟哪些因素會對網絡環(huán)境下學習者的學習動機產生重要影響？這些因素之間又有著怎樣的相互關系？弄清楚這些問題，對提高網絡環(huán)境下的學習成效具有重要意義。

本研究通過對相關文獻的梳理，在訪談研究和專家咨詢的基礎上提煉了Moodle平臺支持下學生網絡學習動機的影響因素，并采用系統工程的解釋結構模型建模方法，構建了學生網絡學習動機影響因素的層次結構模型，這一研究成果已發(fā)表。本文將在前期研究的基礎上，通過教學實踐，對影響學生網絡學習動機的因素作進一步的調查研究，并深入分析各因素之間的效應關系，為一線教師有效開展基于Moodle平臺的課程設計和教學，提高學生網絡學習的動機及學習成效提供基于一線教學實踐的、實證方面的支持。

二、研究設計

（一）研究樣本與研究方法

研究樣本來自某高師院校教育技術學專業(yè)大三的學生，共85人。研究方法主要采用問卷調查法和結構方程模型法。在數據分析階段，采用問卷調查法分析影響學生網絡學習動機的主要因素，在模型驗證階段，采用結構方程模型法和線性回歸分析法分析各影響因素之間的效應關系。

（二）問卷設計

通過對相關文獻的梳理和分析，在訪談研究和專家咨詢的基礎上得出了基于Moodle平臺學生網絡學習動機的影響因素，涉及學習平臺、輔導教師、學習者和課程學習等四個維度，包括平臺功能與設計（FD）、輔導教師（CT）、學習活動設計（LA）、虛擬獎勵（VR）、感知有用（PU）、感知易用（PE）、同伴交流與反饋（CF）、同伴協作與競爭（CM）、課程要求（SR）、學習任務難度（LD）、討論主題（DT）、學習資源（LR）等12個因素。[2]依據上述研究成果，筆者編制了“基于Moodle平臺學生網絡學習動機影響因素的調查問卷”，并將學習平臺層面、教師層面、學習者層面和課程學習層面作為問卷的一級指標。調查問卷分為三部分，共43個題目。第一部分是學生基本情況調查，共3個題項，調查學生的性別、登錄Moodle平臺次數和在線學習時間等；第二部分是學生網絡學習動機影響因素分類調查，每個題項采用李克特（Likert）五點量表的形式（1～5分別表示非常同意、同意、一般、不同意、極不同意），共36個題項；第三部分是影響因素綜合調查，共4個題項。

（三）研究過程

本研究以“教學系統設計”為試驗課程，設計了基于Moodle平臺的在線學習資源、學習活動和學習任務。在學生學習一段時間之后，采用訪談法對前期課程平臺學習內容設計的效果以及學生在線學習的積極性進行了調研，對課程前期設計存在的問題與不足進行了階段性總結。在此基礎上，選取了“學習目標的分析與設計”專題作為研究干預，并對專題內容進行深入的設計。之后，采用調查研究法對學生網絡學習動機的影響因素進行調研，依據調研結果對前期研究成果中的模型進行優(yōu)化，并進一步分析各影響因素之間的關系。

為了提高問卷設計的科學性和有效性，確保以準確的調研數據和客觀的結果來分析問題，筆者先對調查問卷進行了試測，并于2012年6月通過網絡發(fā)放調查問卷。為了檢驗問卷題項的適切程度，本研究采用項目分析法對受試者在每個題項的差異進行極端組檢驗和同質性檢驗。為進一步檢驗臨界比值法分析得出的刪除題項是否合理，本研究又采用相關分析法對問卷題項進行同質性檢驗，以確定不適切題項。綜合項目分析和臨界比值分析結果，將題項FD3、CT1、VR3、PE3和SR2進行刪除，最終形成的正式調查問卷包括38個題目，其中封閉式問題34個，開放式問題4個。

本研究的正式問卷發(fā)放時間是2012年11月22日，采用現場發(fā)放問卷的方式向使用課程學習平臺的兩個班級的學生進行問卷發(fā)放，并現場收回。問卷共發(fā)放85份，收回85份，回收率100%。問卷回收后，對問卷進行篩選，刪除填答不全的問卷。通過對問卷的篩選共保留有效樣本83份，回收問卷的有效率為97.6%。

三、數據分析過程與結果

（一）信度與效度分析

1. 信度分析

本研究的信度分析包括內在信度分析和外在信度分析兩個層面。內在信度采用的方法是Cronbach’s alpha系數，而外在信度采用的是Guttman折半信度系數進行評價。參考吳明隆對多位學者關于Cronbach’s alpha系數劃分觀點的梳理，本研究中的信度值以0.6為標準。[3]利用SPSS17.0軟件對問卷的所有題項進行信度分析，結果顯示問卷總體的內部一致性Cronbach’s alpha系數值為0.806，標準化的Cronbach’s alpha系數值為0.809，信度指標甚為理想。為了檢驗各因素內的題項是否達到信度要求，筆者又分別對各影響因素所包括的題項進行了信度分析。通過分析發(fā)現，各影響因素變量的Cronbach’s alpha系數值范圍是從0.702到0.824，信度指標比較理想。從Guttman折半系數來看，其范圍為0.614到0.782，也達到信度要求水平。

2. 效度分析

本研究通過因子分析來測量問卷的建構效度。在進行因子分析之前須對以下變量進行檢驗：KMO值、Bartlett’s球性檢驗、因素負荷和累積貢獻率，其中KMO的指標值為0.6，因素負荷量需在0.45以上，此時共同因素可以解釋題項變量的百分比是20%。[4]通過采用限定抽取因素法對各變量進行因子分析發(fā)現，在因素負荷量上，PU1、CF2和CM3的值均低于同層面其他因素的負荷量，表示與原層面的相關性不大，因此可以將之刪除。在刪除以上三個題項后，進行第二次因素分析發(fā)現，CM1在因子4的負荷量為0.585，在因子1的負荷量為0.542，表示其與CF層面也有相關性，而CF與CM在題項的內涵上也存在相關性。為了進一步探尋各因素的歸類，采用非限定抽取因素法對各變量進行因子分析，從因子負荷量上可以看出，CF1、CF3、CM1和CM2的因子負荷均大于0.6，且明顯高于對其他因子的負荷，說明這四個題項屬于同一層面。根據分析結果，將題項CF1、CF3、CM1和CM2進行合并，CF1改為CM3，CF2改為CM4，四個題項同屬于CM層面。至此，影響學生網絡學習動機的因素共為11個。

（二）問卷題項的描述性統計與分析

1. 個人因素的指標統計

本次調查的有效問卷是83份，利用SPSS17.0對數據進行了初步的處理，從性別、登錄Moodle平臺頻度、在線學習時間等三個方面對樣本數據進行了描述性統計分析。從表1中可以看出，在性別比例上，被調查者中女生要多于男生；在登錄Moodle平臺次數上，大多數學生平均每周登錄1～3次，少數學生登錄4～5次，極少數學生選擇5次以上或一次都不登錄；從在線學習時間來看，多數學生在0.5～1小時之間，其次是0.5小時以內，只有少數學生是在1～2小時之間。通過以上分析可以看出，學生使用Moodle平臺的外在行為頻度和時間尚未達到較高層次，登錄平臺進行在線學習的積極性不高，這在一定程度上能夠折射出學生網絡學習動機不足這一現狀。

表1 個人因素的統計分布

2. 一級指標的描述性統計與分析

通過對問卷的四個一級指標進行數據處理，得出各層面的分析結果，見表2。從總和與均值來看，教師層面最能提高學生在線學習的積極性，其次是學習者層面，而平臺層面對學生在線學習的積極性影響最低。為了了解每個學生的問卷選值與均值之間的差異程度以及學生問卷選值的整體離散程度，我們需要分析各層面的偏態(tài)量和峰態(tài)量。偏態(tài)量是指描述次數分布的偏態(tài)方向和程度的量數。當偏態(tài)量>0時，分布為正偏態(tài)，選值低于均值；當偏態(tài)量<0時，分布為負偏態(tài)，選值高于均值。偏態(tài)量的絕對值越大，表示問卷選值與均值的差異越大。峰態(tài)量是指描述次數分布的高低寬窄特征的量數。當峰態(tài)量較小時，選值分布高窄，集中在平均數兩側；當峰態(tài)量較大時，選值分布低闊，散布較廣。從偏態(tài)量來看，教師層面和學習者層面分布為負偏態(tài)，且兩者的絕對值較大，說明學生比較認同教師層面對自己學習積極性的影響。從峰態(tài)量來看，學習者層面和課程學習層面值較小，屬于高俠峰，說明學生對這兩個層面的認同感較強。

表2 一級指標的描述性統計

盡管教師層面的均值高于其他層面，然而對其差異是否達到顯著還要進行成對樣本的t檢驗，即按均值排序并將相鄰變量進行配對，看兩者間的平均數差異是否達到顯著，各層面間的分析結果見表3。教師與學習者兩個層面平均數的差異為0.17704，差異檢驗的t統計量為3.646，顯著性概率值p=0.000<0.05，達到顯著水平。課程學習與平臺兩個層面平均數的差異為0.41114，差異檢驗的t統計量為6.649，顯著性概率值p=0.000<0.05，達到顯著水平。學習者與課程學習兩個層面平均數的差異為0.17821，差異檢驗的t統計量為4.538，顯著性概率值p=0.000<0.05，達到顯著水平。從差異值的95%置信區(qū)間來看，三對變量的區(qū)間值均未包括0這個數值，表示兩者之間的差異顯著。通過對各層面成對樣本的t檢驗分析結果可以看出，輔導教師對學生在線學習的積極性影響最大，而學習平臺對學生的積極性影響最低。

3. 二級指標的描述性統計與分析

為了了解二級指標中各因素對學習動機的影響強弱程度，對調查問卷中11個影響因素進行數據處理，統計結果表明CT、PU、VR和LR的總和與均值較高，而FD的總和與均值最低。然而對各變量間的差異是否達到顯著還要進行成對樣本的t檢驗。從顯著性來看，CM與LD之間存在顯著差異，PU與VR、SR與FD、LA與CM、LR與LA顯著性概率值雖然較低，但尚未達到顯著水平。從t統計量來看，CM與LD組也達到了3.000的標準值。通過以上分析可以看出，輔導教師、感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭是影響學生網絡學習動機的主要因素，而學習任務難度、感知易用、討論主題、課程要求、平臺功能與設計則對網絡學習動機未產生顯著的影響。

（三）研究假設

通過前面對學生網絡學習動機的影響因素進行調查研究發(fā)現，輔導教師、感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭是影響學生在線學習積極性的主要因素，而平臺功能與設計、感知易用、課程要求、討論主題和學習任務難度對學生在線學習的積極性未有顯著的影響，因此，需要剔除前期研究成果模型中的部分因素變量，并對模型進行重構。在剔除未達到顯著影響的變量之后，采用解釋結構模型法，按照模型構建過程進行操作，得出基于Moodle平臺學生網絡學習動機影響因素的重構模型，如圖1所示。

圖1 基于Moodle平臺學生網絡學習動機

影響因素的重構模型

為了進一步探討輔導教師、感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭等六個影響因素之間的關系，本研究圍繞這些因素提出了九種可能存在的關系。H1：輔導教師對學習者的感知有用具有正向顯著影響；H2：輔導教師對學習活動設計具有正向顯著影響；H3：輔導教師對學習資源具有正向顯著影響；H4：感知有用對虛擬獎勵具有正向顯著影響；H5：感知有用對同伴協作與競爭具有正向顯著影響；H6：學習活動設計對虛擬獎勵具有正向顯著影響；H7：學習活動設計對同伴協作與競爭有正向顯著影響；H8：學習資源對虛擬獎勵具有正向顯著影響；H9：學習資源對同伴協作與競爭具有正向顯著影響。

（四）模型的建立與評估

1. 結構方程模型的建立

依據結構方程模型分析的基本流程，本研究采用AMOS6.0作為研究工具，繪制了學生網絡學習動機影響因素的結構方程模型。在結構方程模型中共有六個潛變量：輔導教師（CT）、感知有用（PU）、虛擬獎勵（VR）、學習資源（LR）、學習活動設計（LA）、同伴協作與競爭（CM）。其中，輔導教師為外生潛變量，無須設定殘差項，而感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭為內生潛變量，需要設定殘差項Y。此外，每個觀察變量需設定一個誤差值e。

2. 模型參數的估計

模型參數的估計包括違犯估計和正態(tài)性檢驗。所謂違犯估計（Offending Estimates）是指模型內統計所輸出的估計系數，超出了可接受的范圍，也就是模型獲得了不適當解的情況。[5]在評價模型擬合度之前，須先檢查“違犯估計”，分析估計系數是否在合理的范圍之內。參照Hair、Anderson、Tatham與Black（1998）的定義，違犯估計包括兩個方面：（1）負的誤差方差存在；（2）標準化系數超過或太接近1（通常以0.95為界限）。通過分析發(fā)現，模型中誤差方差的測量誤差值范圍是0.037到0.089，并無負的誤差方差存在；模型中標準化回歸系數的絕對值范圍是0.194到0.610，皆未超過0.95，結果顯示該模型并未發(fā)生違犯估計的現象，因此可以進行模型擬合度的檢驗。

對樣本的正態(tài)性檢驗可通過分析偏度系數和峰度系數的數值得到。當觀察變量呈正態(tài)分布時，偏度系數和峰度系數都要接近于0。Kline（1998）認為當偏度系數>3、峰度系數>8時，研究者需要注意；當峰度系數>20時，需要密切注意。[6]通過實際分析發(fā)現，各變量的偏度系數和峰度系數均接近于0，多變量的峰度系數也符合要求，臨界比率值未超過2，說明各變量無異常值，可以進行模型擬合度的檢驗。

3. 模型擬合度的評估

本研究參考了榮泰生在《AMOS與研究方法》一書中列舉的測量指標，通過計算估計值得出模型擬合度輸出結果，見表4。從絕對擬合指標來看，卡方值大于0.05，可認定該模型與數據擬合度良好，而GFI、RMR和RMSEA的測量值也在判斷標準的范圍內。從增值擬合指標來看，AGFI的值為0.945，滿足擬合度的要求，而NFI、CFI和IFI的值也都接近于1。值得注意的是，雖然NFI的值較低，但在小樣本與大自由度時，對于一個擬合度良好的假設模型，以NFI值來檢驗模型擬合度情況會有低估的現象。[7]通過以上分析可以看出，構建的結構模型具有良好的擬合度。

表4 模型擬合度測量指標

圖2 學生網絡學習動機影響因素的模型參數估計值

通過對各變量進行參數估計，得出模型參數估計值，如圖2所示。從圖2中可以看出，除感知有用對虛擬獎勵的路徑系數為負值外，其他變量間的路徑系數均為正值，說明感知有用對虛擬獎勵并無正向影響。

（五）模型假設檢驗結果

通過對結構方程模型的統計檢驗分析，得出模型的路徑系數與顯著性結果，見表5。從表5中可以看出，H1、H2、H3和H9的路徑系數均大于0.5，P值都達到0.001的顯著性水平，假設都通過，說明輔導教師對感知有用、學習活動設計和學習資源有正向顯著影響，學習資源對同伴協作與競爭有正向顯著影響。H6、H7和H8的路徑系數均大于0.4，P值都達到0.01的顯著水平，假設都通過，說明學習活動設計對虛擬獎勵和同伴協作與競爭有正向顯著影響，學習資源對同伴協作與競爭有正向顯著影響。H4的標注路徑系數小于0，P值未達到顯著，假設不通過，說明感知有用對虛擬獎勵未有正向顯著影響。從標準路徑系數值的大小來看，H1、H2、H3和H9中的變量影響效應較強，而H5中的變量影響效應較弱。

表5 模型路徑系數與假設檢驗結果分析

（六）模型中同層級因素的相關分析

為了進一步分析感知有用、學習活動設計和學習資源之間的影響效應以及虛擬獎勵和同伴協作與競爭間的影響效應，本研究采用線性回歸分析法對同一層面內的變量關系進行分析。在回歸分析中，以學習活動設計和學習資源為自變量，以感知有用為因變量，采用強迫進入變量法進行分析，結果見表6。學習活動設計對感知有用的Beta系數為0.405，P值為0.000，達到顯著性，說明前者對后者具有正向顯著影響，而學習資源對感知有用的標準化回歸系數Beta為0.181，P值為1.554，未達到顯著性，說明前者對后者有正向影響，但并不顯著。采用同樣的分析過程，以學習活動設計為自變量，以學習資源為因變量進行回歸分析，結果顯示Beta系數為0.501，P值為0.000，達到顯著性，說明前者對后者具有正向顯著影響。此外，以虛擬獎勵為自變量，同伴協作與競爭為因變量進行回歸分析，結果顯示Beta系數為0.379，P值為0.000，達到顯著性，說明前者對后者具有正向顯著影響。

表6 變量間的回歸系數及顯著性檢驗

通過對模型的假設檢驗分析和對模型中層級因素的相關分析，得出基于Moodle平臺的學生網絡學習動機影響因素關系模型，如圖3所示。從圖中可以看出，輔導教師是影響學生網絡學習動機的根本因素，感知有用、學習活動設計和學習資源則對學習動機產生間接影響，而虛擬獎勵則直接影響同伴間的協作與競爭并進而提高學生學習的積極性。從各因素的影響廣度來看，學習活動設計是所有影響因素中的核心要素，其對學生的感知有用、學習資源、虛擬獎勵和同伴協作與競爭均有直接的影響。

圖3 基于Moodle平臺的學生網絡學習動機

影響因素關系模型

四、研究結論

本研究以高師院校教育技術本科生為研究對象，以“教學系統設計”為研究課程，通過Moodle平臺在課程中的實際應用，對影響學生網絡學習動機的因素進行了調查研究，并分析了各影響因素之間的效應關系。本研究得出的主要結論有以下兩個方面。

（1）影響學生網絡學習動機的因素包含學習平臺層面、教師層面、學習者層面和課程學習層面，其中教師層面、學習者層面和課程學習層面對學生網絡學習動機影響較大，而學習平臺層面影響較低。在具體影響因素上，輔導教師、感知有用、虛擬獎勵、學習資源、學習活動設計、同伴協作與競爭是影響學生網絡學習動機的主要因素，而學習任務難度、感知易用、討論主題、課程要求和平臺功能與設計則對網絡學習動機未產生顯著的影響。

（2）從學習動機影響因素的深度來看，輔導教師是影響學生網絡學習動機的根本因素，且對學習活動設計、學生的感知有用和學習資源有直接影響，而虛擬獎勵和同伴協作與競爭則直接影響學生的網絡學習動機。從學習動機影響因素的廣度來看，學習活動設計是影響學生網絡學習動機的核心要素，其對學生的感知有用、學習資源、虛擬獎勵和同伴協作與競爭均有直接的影響。此外，虛擬獎勵直接影響同伴協作與競爭，而感知有用對同伴協作與競爭未產生顯著的影響。

五、研究局限與展望

本研究雖然通過Moodle平臺在課程中的實際應用，對學生網絡學習動機的影響因素及其之間的關系進行了深入分析，但仍存在以下不足，需要在后續(xù)的研究中進一步改進完善。

（1）在影響因素的探索上，盡管通過文獻搜集、訪談研究和專家咨詢等方式進行了全面的篩選，但在構建的模型中仍有可能未包含一些重要的影響因素，如學生的學習方式、學生在線閱讀文獻習慣等，這些內在因素也有可能對學生的網絡學習動機產生影響。

（2）在研究實踐過程中，筆者試圖通過將Moodle平臺與Discuz論壇進行整合，利用Discuz論壇對學生的討論進行虛擬獎勵，從而提高學生的網絡學習動機，但因時間和條件所限未能實現。因此，今后的研究可將Moodle平臺與Discuz論壇進行整合，以探討虛擬獎勵對學生網絡學習動機影響的程度和變化情況。

[參考文獻]

[1] Ruth V.Small. Motivation and New Media： An Introduction to the Special Issue[J]. Educational Technology Research and Development， 2011，（2）：177～180.

[2] 牟智佳，張文蘭.基于Moodle平臺的網絡學習動機影響因素模型構建及啟示[J].電化教育研究，2013，（4）：37～42.

[3] [4] 吳明隆.問卷統計分析實務——SPSS操作與應用[M].重慶：重慶大學出版社，2010：244～245.

[5] 榮泰生.AMOS與研究方法[M].重慶：重慶大學出版社，2010：118～119.

[6] R.B.Kline. Principles and Practices of Structural Equation Modeling[M].New York：Guilford，1998.

[7] 吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2009：48～49.