網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者動力性特征群體差異研究*

□ 李運福 傅鋼善

近年來，學(xué)習(xí)科學(xué)與認知科學(xué)領(lǐng)域的一系列研究表明，適應(yīng)性學(xué)習(xí)是網(wǎng)絡(luò)環(huán)境下教與學(xué)的必然趨勢，學(xué)習(xí)者模型是構(gòu)建網(wǎng)絡(luò)環(huán)境下適應(yīng)性學(xué)習(xí)系統(tǒng)的核心要素。近年來越來越多的專家、學(xué)者以學(xué)習(xí)風(fēng)格為突破口，對完善學(xué)習(xí)者模型，實現(xiàn)網(wǎng)絡(luò)環(huán)境下適應(yīng)性學(xué)習(xí)進行了嘗試性的探索，并取得了豐碩的成果，如學(xué)習(xí)風(fēng)格與網(wǎng)絡(luò)學(xué)習(xí)路徑、鼠標(biāo)移動模式、導(dǎo)航模式、討論交流、博客撰寫等行為特征間關(guān)系的深入挖掘與剖析[1][2][3][4]；基于學(xué)習(xí)風(fēng)格的網(wǎng)絡(luò)適應(yīng)性學(xué)習(xí)系統(tǒng)或模型的構(gòu)建研究[5][6][7]；學(xué)習(xí)風(fēng)格與學(xué)習(xí)態(tài)度、學(xué)習(xí)動機、學(xué)習(xí)者對學(xué)習(xí)環(huán)境或信息技術(shù)的感知能力等情感特征間關(guān)系的深入研究[8][9]；學(xué)習(xí)風(fēng)格與小組協(xié)作學(xué)習(xí)、混合式學(xué)習(xí)、學(xué)習(xí)內(nèi)容分析、信息推送服務(wù)等教學(xué)或?qū)W習(xí)模式與方法間的關(guān)系研究[10][11][12][13]；學(xué)習(xí)風(fēng)格與記憶能力等認知特征間關(guān)系的研究[14]，等等。然而，有關(guān)網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格與學(xué)習(xí)者動力性特征間關(guān)系的研究卻較為罕見。

動力性特征是指在網(wǎng)絡(luò)學(xué)習(xí)活動中對學(xué)習(xí)者認知加工過程起促進作用的各種特征的集合，如自我效能感、學(xué)習(xí)動機、學(xué)習(xí)歸因、學(xué)習(xí)態(tài)度、個人興趣與愛好，等等，是激發(fā)并維持網(wǎng)絡(luò)認知活動順利進行的源動力。文獻分析表明，目前國內(nèi)外有關(guān)網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者動力性特征的研究主要集中在網(wǎng)絡(luò)學(xué)習(xí)自我效能、網(wǎng)絡(luò)學(xué)習(xí)動機兩方面，且多數(shù)是以某個單一特征為核心變量開展的“點式研究”，未能將多個關(guān)鍵的動力性特征置于同一層面，開展“面式研究”，縱使前者能夠增強某項特征的研究深度，但研究對象、研究方式的差異性在一定程度上削弱了研究結(jié)論間的相互參考價值。

鑒于此，本研究以學(xué)習(xí)風(fēng)格為依據(jù)對學(xué)習(xí)群體進行聚類劃分，從群體相似性特征與群體差異性特征兩方面著手對學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的關(guān)鍵動力性特征，如網(wǎng)絡(luò)學(xué)習(xí)自我效能、網(wǎng)絡(luò)學(xué)習(xí)動機、網(wǎng)絡(luò)學(xué)習(xí)歸因和網(wǎng)絡(luò)學(xué)習(xí)態(tài)度等同時進行較為深入的分析，以期增強各項特征間研究數(shù)據(jù)的參考性，對構(gòu)建動力性特征動態(tài)數(shù)據(jù)庫，完善學(xué)習(xí)者模型，實現(xiàn)網(wǎng)絡(luò)環(huán)境下適應(yīng)性學(xué)習(xí)提供一定參考。

研究方法

1.研究平臺

本研究以陜西師范大學(xué)“現(xiàn)代教育技術(shù)”網(wǎng)絡(luò)課程學(xué)習(xí)平臺 （http://edutech.snnu.edu.cn） 為依托。該平臺是一個開放教育資源，以提高信息時代教師與學(xué)生的教育技術(shù)基本理論、教學(xué)技能為目標(biāo)，主要由課程學(xué)習(xí)、輔導(dǎo)資源、媒體學(xué)習(xí)、討論交流、軟件下載及其他輔助功能模塊組成，具有完善的學(xué)習(xí)過程跟蹤、記錄技術(shù)，能夠?qū)W(xué)習(xí)者登陸次數(shù)、登錄時間、學(xué)習(xí)時長、學(xué)習(xí)路徑、討論交流等學(xué)習(xí)行為進行記錄和管理。該課程完善的結(jié)構(gòu)設(shè)計、學(xué)習(xí)內(nèi)容設(shè)計、學(xué)習(xí)過程管理以及評價方式的多元化受到歷屆學(xué)生青睞。自2002年開始，每年承擔(dān)陜西師范大學(xué)公共必修課教學(xué)。截至2013年7月1日，該課程已累計承擔(dān)了21217名本科生、3162名成人教育碩士、1158名全日制教育碩士的教學(xué)任務(wù)，訪問登陸次數(shù)高達1221457次。良好的教學(xué)效果與社會影響使該課程先后被評為全國教師教育優(yōu)秀課程資源、國家級精品課程、國家級教學(xué)成果二等獎等。目前，該課程正在積極參與中國大學(xué)視頻公開課程的建設(shè)?？傊撜n程具備穩(wěn)定的學(xué)習(xí)群體、豐富的學(xué)習(xí)對象、穩(wěn)定的學(xué)習(xí)過程、較為成熟的學(xué)習(xí)過程管理模式，能夠為本研究的開展奠定良好的基礎(chǔ)。

2.研究對象

本研究選取2013年上學(xué)期參與該課程學(xué)習(xí)的陜西師范大學(xué)、華南師范大學(xué)、青海師范大學(xué)的2936名學(xué)習(xí)者為研究對象，涵蓋16個學(xué)院、19個專業(yè)，涉及文科、理工科以及藝術(shù)類三大學(xué)科類別，具有一定的代表性。研究采取電子問卷的形式在網(wǎng)絡(luò)課程上對所有學(xué)習(xí)者進行調(diào)查，最終回收問卷2762份，回收率94.05%。經(jīng)篩選，最終保留有效問卷2639份，有效率95.55%。其中，從性別來看男生占21%，女生占79%；從學(xué)歷層面來看，在校本科生占93.5%、碩士研究生占6.5%；從學(xué)科類別來看，理工類學(xué)習(xí)群體占52.4%，文科類與藝術(shù)類學(xué)習(xí)群體所占比例分別為34.5%、13.1%。

3.研究工具

本研究以研究量表為獲取研究數(shù)據(jù)的主要工具，所涉及的研究量表主要包括網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格量表、網(wǎng)絡(luò)學(xué)習(xí)動力性特征量表。其中網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格量表是在Felder-Silverman學(xué)習(xí)風(fēng)格量表的基礎(chǔ)上根據(jù)研究實際進行改編，包括信息感知風(fēng)格、信息輸入風(fēng)格、信息理解風(fēng)格與信息加工風(fēng)格四個維度；網(wǎng)絡(luò)學(xué)習(xí)動力性特征量表包括網(wǎng)絡(luò)學(xué)習(xí)自我效能量表、網(wǎng)絡(luò)學(xué)習(xí)動機量表、網(wǎng)絡(luò)學(xué)習(xí)歸因量表、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表四部分。

（1）網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格量表

Felder-Silverman學(xué)習(xí)風(fēng)格量表是技術(shù)支持學(xué)習(xí)領(lǐng)域應(yīng)用最為廣泛、最易區(qū)分學(xué)習(xí)者風(fēng)格類型的風(fēng)格量表之一。該量表為一兩點式量表，根據(jù)信息加工的不同階段將學(xué)習(xí)風(fēng)格分為四個維度，即信息感知風(fēng)格、信息輸入風(fēng)格、信息理解風(fēng)格和信息加工風(fēng)格，每一個維度11個題項，共計44個題項。該量表中學(xué)習(xí)風(fēng)格采用各維度內(nèi)各題項累計和的方式進行計算，每種學(xué)習(xí)風(fēng)格的值介于11～11之間。整個量表中所有的A選項在各維度分別代表言語型、直覺型、綜合型、沉思型學(xué)習(xí)風(fēng)格（代數(shù)值為1），所有的B選項在各維度分別代表視覺型、感悟型、序列型、活躍型學(xué)習(xí)風(fēng)格（代數(shù)值為-1），各維度代數(shù)值累計和則為學(xué)習(xí)者在該維度的風(fēng)格偏好，如信息加工維度，某一學(xué)習(xí)者A選項累計值為2，B選項累計值為-9，則該學(xué)習(xí)者的信息加工風(fēng)格代數(shù)值累計為-7B，較偏向活躍型學(xué)習(xí)風(fēng)格。

（2）網(wǎng)絡(luò)學(xué)習(xí)自我效能感量表

網(wǎng)絡(luò)學(xué)習(xí)自我效能感量表主要測量學(xué)習(xí)者對自己能有效使用計算機、因特網(wǎng)及其他現(xiàn)有資源或工具完成網(wǎng)絡(luò)課程并使自身得到完善和發(fā)展的自信程度的高低。該量表以童金皓等[15]對網(wǎng)絡(luò)學(xué)習(xí)中自我效能感的研究為理論基礎(chǔ)，在對“一般自我效能感量表”、王迎[16]以及Kun-Hung Cheng[17]等研究中使用的網(wǎng)絡(luò)學(xué)習(xí)自我效能量表進行改編的基礎(chǔ)上，最終生成包括一般自我效能和特殊自我效能兩部分的網(wǎng)絡(luò)學(xué)習(xí)自我效能量表。一般自我效能主要測量學(xué)習(xí)者對自身在網(wǎng)絡(luò)學(xué)習(xí)中成功完成學(xué)習(xí)任務(wù)的一般能力判斷；特殊自我效能主要測量學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)中完成某項具體或特定的學(xué)習(xí)任務(wù)的過程中對自身能力的判斷。經(jīng)小范圍初試后對量表進行修正，最終保留11個題項，其中一般自我效能5個題項，特殊自我效能6個題項。量表整體及一般自我效能、特殊自我效能的內(nèi)部一致性系數(shù)分別為0.879、0.803、0.803，量表結(jié)構(gòu)效度如表1所示。

（3）網(wǎng)絡(luò)學(xué)習(xí)動機量表

網(wǎng)絡(luò)學(xué)習(xí)動機量表主要測量學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)動力強度的高低。該量表以奧蘇貝爾的學(xué)習(xí)動機理論為基礎(chǔ)，以Matthew K.O.Lee等[18]研究中使用的網(wǎng)絡(luò)學(xué)習(xí)動機量表為參考，在對部分學(xué)習(xí)者進行在線訪談的基礎(chǔ)上自編了網(wǎng)絡(luò)學(xué)習(xí)動機量表，包括內(nèi)部學(xué)習(xí)動機和外部學(xué)習(xí)動機兩個維度。內(nèi)部學(xué)習(xí)動機主要包括“想通過網(wǎng)絡(luò)學(xué)習(xí)開闊視野”、“想通過網(wǎng)絡(luò)學(xué)習(xí)不斷發(fā)展和完善自己”等；外部學(xué)習(xí)動機主要包括“網(wǎng)絡(luò)資源豐富”、“網(wǎng)絡(luò)學(xué)習(xí)比較方便、比較潮流”等。經(jīng)小范圍初試后對量表進行修正，最終保留7個題項，其中內(nèi)部學(xué)習(xí)動機4個題項，外部學(xué)習(xí)動機3個題項。量表整體及內(nèi)部動機、外部動機的內(nèi)部一致性系數(shù)分別為0.876、0.821、0.750，量表結(jié)構(gòu)效度如表1所示。

（4）網(wǎng)絡(luò)學(xué)習(xí)歸因量表

網(wǎng)絡(luò)學(xué)習(xí)歸因量表主要測量學(xué)習(xí)者為自身網(wǎng)絡(luò)學(xué)習(xí)效果尋找原因的心理取向。本研究中使用的網(wǎng)絡(luò)學(xué)習(xí)歸因量表是根據(jù)研究實際對“多項—多維歸因量表”[19]中的學(xué)習(xí)成就歸因量表進行改編，包括情境歸因、運氣歸因、努力歸因和能力歸因四個維度，每個維度6個題項，分別包括3個成功歸因與3個失敗歸因。經(jīng)小范圍初試后對量表進行修正，最終量表整體及情境歸因、運氣歸因、努力歸因、能力歸因的內(nèi)部一致性系數(shù)分別為0.891、0.829、0.855、0.759、0.784，量表結(jié)構(gòu)效度如表1所示。

（5）網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表

網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表主要測量學(xué)習(xí)者對網(wǎng)絡(luò)學(xué)習(xí)及其效果認可程度的高低。該量表主要是以Baron[20]對態(tài)度及其結(jié)構(gòu)的研究為基礎(chǔ)，結(jié)合研究實際，對Jyh-Chong Liang[21]等編寫的護士對網(wǎng)絡(luò)繼續(xù)教育的態(tài)度量表進行改編，最終生成包括認知、行為、情感三個維度的網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表。其中，認知維度主要測量學(xué)習(xí)者對網(wǎng)絡(luò)環(huán)境下信息加工的認識，如“豐富了信息的呈現(xiàn)方式”、“加深了對知識的理解和掌握”等；行為維度主要測量學(xué)習(xí)者在以往網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上是否會繼續(xù)使用網(wǎng)絡(luò)輔助學(xué)習(xí)以及向其他同學(xué)推薦網(wǎng)絡(luò)資源等行為傾向，如“今后，我愿意繼續(xù)利用網(wǎng)絡(luò)進行學(xué)習(xí)”、“我會投入更多的時間進行網(wǎng)絡(luò)學(xué)習(xí)”等；情感維度主要涉及學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)過程的情感體驗，如“我不喜歡網(wǎng)絡(luò)學(xué)習(xí)”、“網(wǎng)絡(luò)學(xué)習(xí)使我感覺很輕松愉快”等。經(jīng)小范圍初試后對量表進行修正，最終共保留10個題項，其中認知維度4個題項、行為與情感維度均為3個題項。該研究量表整體及認知、行為、情感維度的內(nèi)部一致性系數(shù)分別為0.894、0.805、0.741、0.801，量表結(jié)構(gòu)效度如表1所示。

表1網(wǎng)絡(luò)學(xué)習(xí)動力性特征量表結(jié)構(gòu)效度分析

綜上所述，本研究使用的動力性特征量表：網(wǎng)絡(luò)學(xué)習(xí)自我效能量表、網(wǎng)絡(luò)學(xué)習(xí)動機量表、網(wǎng)絡(luò)學(xué)習(xí)歸因量表、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表的整體α值分別為0.879、0.876、0.891、0.894；各研究量表中各維度 的 α 值 分 別 介 于 0.803～0.803、 0.750～0.821、0.759～0.855、0.741～0.805之間。根據(jù)吳明隆[22]的研究結(jié)論，本研究所用量表的整體及各維度內(nèi)部一致性均能滿足研究要求。此外，從表1可知，網(wǎng)絡(luò)學(xué)習(xí)自我效能感量表、網(wǎng)路學(xué)習(xí)動機量表、網(wǎng)絡(luò)學(xué)習(xí)歸因量表、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度量表的卡方自由度比值均大于建議值，未達模型適配標(biāo)準(zhǔn)；然而，除網(wǎng)絡(luò)學(xué)習(xí)歸因量表各項指標(biāo)略低于建議值、但仍在可接受范圍內(nèi)以外，其余量表各項適配指標(biāo)如GFI、RMR、RMSEA、AGFI、NFI以及CFI的檢驗結(jié)果均能滿足研究要求。當(dāng)樣本觀察數(shù)足夠大時，整體模型適配度的判斷不應(yīng)僅以卡方值或卡方與自由度的比值作為判斷準(zhǔn)則，其他適配度指標(biāo)的作用將愈顯得重要[23]。因此，本研究中各研究量表的結(jié)構(gòu)效度能夠滿足研究要求。

群體差異分析

借助SPSS19.0將學(xué)習(xí)風(fēng)格數(shù)據(jù)進行K均值聚類，將各維度學(xué)習(xí)群體劃分為三類。信息感知維度：直覺型學(xué)習(xí)群體722人，占27.4%；均衡型學(xué)習(xí)群體1507人，占57.1%；感悟型學(xué)習(xí)群體410人，占15.5%。信息輸入維度：言語型學(xué)習(xí)群體336人，占12.7%；均衡型學(xué)習(xí)群體506人，占19.2%；視覺型學(xué)習(xí)群體1796人，占68.1%。信息理解維度：綜合型學(xué)習(xí)群體960人，占36.4%；均衡型學(xué)習(xí)群體1264人，占47.9%；序列型學(xué)習(xí)群體415人，占15.7%。信息加工維度：沉思型學(xué)習(xí)群體843人，占31.9%；均衡型學(xué)習(xí)群體1018人，占38.6%；活躍型學(xué)習(xí)群體778人，占29.5%。各維度中的“均衡型”為累計值處于其他兩種學(xué)習(xí)風(fēng)格之間灰色過渡區(qū)域的學(xué)習(xí)群體，未形成一種較為穩(wěn)定的學(xué)習(xí)風(fēng)格，在一定程度上兼具另外兩種學(xué)習(xí)風(fēng)格的特點。

1.信息感知風(fēng)格

方差齊性檢驗的結(jié)果顯示：各項動力性特征中，除網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部動機方差齊性檢驗的顯著性未達到統(tǒng)計學(xué)顯著水平外，其他各項動力性特征方差齊性檢驗的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部動機在單因素方差分析之后宜采用Scheffe(C)法進行事后多重比較分析，其他各項特征宜采用Dunnett’s T3(3)法進行事后多重比較分析。在此基礎(chǔ)上對各項動力性特征進行單因素方差分析，結(jié)果如表2所示。

從表2可知，信息感知風(fēng)格中，除網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因與外部歸因外，其余各項動力性特征單因素方差分析的結(jié)果均未達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)歸因在感悟型、均衡型、直覺型學(xué)習(xí)群體間存在顯著性差異。通過事后多重比較分析，我們發(fā)現(xiàn)，感悟型學(xué)習(xí)群體網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因傾向與外部歸因傾向均顯著高于直覺型與均衡型學(xué)習(xí)群體，且均衡型學(xué)習(xí)群體外部歸因傾向較直覺型學(xué)習(xí)群體更為明顯。

此外，配對樣本T檢驗的結(jié)果表明：直覺型、均衡型、感悟型學(xué)習(xí)群體內(nèi)部，網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能水平均顯著高于一般自我效能水平（t=10.249，Sig.=0.000＊＊＊； t=12.079，Sig.=0.000＊＊＊；t=4.976，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部動機均顯著高于外部學(xué) 習(xí) 動 機 （t=6.687， Sig.=0.000＊＊＊； t=8.186，Sig.=0.000＊＊＊；t=4.656，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因傾向均顯著高于外部歸因傾向（t=26.942，Sig.=0.000＊＊＊；t=33.147，Sig.=0.000＊＊＊；t=11.103，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中認知維度的均值均顯著高于行為維度（t=9.186，Sig.=0.000＊＊＊； t=15.026，Sig.=0.000＊＊＊；t=5.817，Sig.=0.000＊＊＊），行為維度均值均顯著高于情感維度（t=11.859，Sig=0.000＊＊＊；t=15.186，Sig.=0.000＊＊＊；t=5.363，Sig.=0.000＊＊＊）。

2.信息輸入風(fēng)格

方差齊性檢驗的結(jié)果顯示：各項動力性特征中，除網(wǎng)絡(luò)學(xué)習(xí)一般自我效能感、網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因與外部歸因、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的行為及情感等特征外，其他各項特征方差齊性檢驗的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)一般自我效能感、網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因與外部歸因、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的行為及情感等特征在單因素方差分析之后宜采用Scheffe(C)法進行事后多重比較分析，其他特征宜采用Dunnett’s T3(3)法進行事后多重比較分析。在此基礎(chǔ)上對各項特征進行單因素方差分析，結(jié)果如表3所示。

從表3可知，網(wǎng)絡(luò)學(xué)習(xí)自我效能、網(wǎng)絡(luò)學(xué)習(xí)動機、網(wǎng)絡(luò)學(xué)習(xí)歸因以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度等特征單因素方差分析的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，各項動力性特征在言語型、均衡型、視覺型學(xué)習(xí)群體間存在顯著性差異。通過事后多重比較分析，我們發(fā)現(xiàn)：均衡型與視覺型學(xué)習(xí)群體網(wǎng)絡(luò)學(xué)習(xí)自我效能、網(wǎng)絡(luò)學(xué)習(xí)動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度各維度的均值均顯著高于言語型學(xué)習(xí)群體；視覺型學(xué)習(xí)群體網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能感、網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部動機與外部動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知維度的均值均顯著高于均衡型學(xué)習(xí)群體；言語型學(xué)習(xí)群體具有較為顯著的外部歸因傾向，視覺型學(xué)習(xí)群體具有較為顯著的內(nèi)部歸因傾向。

此外，配對樣本T檢驗的結(jié)果表明：言語型、均衡型、視覺型學(xué)習(xí)群體內(nèi)部，網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能水平均顯著高于一般自我效能水平（t=4.019，Sig.=0.000＊＊＊；t=5.519，Sig.=0.000＊＊＊；t=15.064，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部學(xué)習(xí)動機均顯著高于外部學(xué)習(xí)動機 （t=3.182，Sig.=0.002＊＊；t=5.263，Sig.=0.000＊＊＊；t=9.848，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因傾向均顯著高于外部歸因傾向（t=10.757，Sig.=0.000＊＊＊；t=17.593，Sig.=0.000＊＊＊；t=38.606，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知維度的均值均顯著高于行為維度（t=3.476，Sig.=0.001＊＊＊；t=7.426，Sig.=0.000＊＊＊；t=17.101，Sig.=0.000＊＊＊），行為維度均顯著高于情感維度（t=5.827，Sig=0.000＊＊＊；t=6.754，Sig.=0.000＊＊＊；t=17.831，Sig.=0.000＊＊＊）。

表2信息感知維度動力性特征群體差異分析

表3信息輸入維度動力性特征單因素方差分析

3.信息理解風(fēng)格

方差齊性檢驗的結(jié)果顯示：各項動力性特征中，除網(wǎng)絡(luò)學(xué)習(xí)動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知、情感等特征以外，其余各項特征方差齊性檢驗的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知、情感等特征單因素方差分析之后宜采用Scheffe(C)法進行事后多重比較分析，其余特征宜采用Dunnett’s T3(3)法進行事后多重比較分析。在此基礎(chǔ)上對各動力性特征進行單因素方差分析，結(jié)果如表4所示。

從表4可知，除網(wǎng)絡(luò)學(xué)習(xí)動機、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知維度單因素方差分析顯著性未達到統(tǒng)計學(xué)顯著水平以外，其他各項特征均達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)自我效能感、網(wǎng)絡(luò)學(xué)習(xí)歸因、網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的行為及情感特征在綜合型、均衡型、序列型學(xué)習(xí)群體間存在顯著差異。通過事后多重比較分析，我們發(fā)現(xiàn)：序列型學(xué)習(xí)群體一般自我效能感水平顯著高于綜合型、均衡型學(xué)習(xí)群體；序列型學(xué)習(xí)群體內(nèi)部歸因與外部歸因傾向均顯著高于均衡型學(xué)習(xí)群體，均衡型學(xué)習(xí)群體顯著高于綜合型學(xué)習(xí)群體；序列型學(xué)習(xí)群體參與網(wǎng)絡(luò)學(xué)習(xí)的行為投入與情感體驗比綜合型、均衡型學(xué)習(xí)群體更為積極。

表4信息理解維度動力性特征群體差異分析

表5信息加工維度動力性特征單因素方差分析

此外，配對樣本T檢驗的結(jié)果表明：綜合型、均衡型、序列型學(xué)習(xí)群體內(nèi)部，網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能水平均顯著高于一般自我效能水平（t=11.816，Sig.=0.000＊＊＊；t=12.339，Sig.=0.000＊＊＊；t=2.317，Sig.=0.021＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部學(xué)習(xí)動機均顯著高于外部學(xué)習(xí)動機 （t=6.813，Sig.=0.002＊＊；t=8.009，Sig.=0.000＊＊＊；t=4.672，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因傾向均顯著高于外部歸因傾向（t=28.649，Sig.=0.000＊＊＊；t=30.451，Sig.=0.000＊＊＊；t=12.681，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知維度均值顯著高于 行 為 維 度 （t=11.070，Sig.=0.001＊＊＊； t=13.941，Sig.=0.000＊＊＊； t=5.097，Sig.=0.000＊＊＊），行為維度的均值顯著高于情感維度（t=13.258，Sig=0.000＊＊＊；t=13.158，Sig.=0.000＊＊＊；t=6.763，Sig.=0.000＊＊＊）。

4.信息加工風(fēng)格

方差齊性檢驗的結(jié)果顯示：各項動力性特征中，除網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能感、網(wǎng)絡(luò)學(xué)習(xí)動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度等特征以外，其他各項特征方差齊性檢驗的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能感、網(wǎng)絡(luò)學(xué)習(xí)動機以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度在單因素方差分析之后宜采用Scheffe(C)法進行事后多重比較分析，其他各項特征宜采用Dunnett’s T3(3)進行事后多重比較分析。在此基礎(chǔ)上對各項特征進行單因素方差分析，結(jié)果如表5所示。

從表5可知，網(wǎng)絡(luò)學(xué)習(xí)自我效能感、網(wǎng)絡(luò)學(xué)習(xí)動機、網(wǎng)絡(luò)學(xué)習(xí)歸因以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度等各項動力性特征各維度單因素方差分析的顯著性均達到統(tǒng)計學(xué)顯著水平。也就是說，各項動力性特征在活躍型、均衡型、沉思型學(xué)習(xí)群體之間均存在顯著的群體差異。通過事后多重比較分析，我們發(fā)現(xiàn)：活躍型學(xué)習(xí)群體網(wǎng)絡(luò)學(xué)習(xí)自我效能感、網(wǎng)絡(luò)學(xué)習(xí)動機、網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因以及網(wǎng)絡(luò)學(xué)習(xí)態(tài)度等特征的均值顯著高于均衡型學(xué)習(xí)群體，均衡型學(xué)習(xí)群體顯著高于沉思型學(xué)習(xí)群體；與沉思型學(xué)習(xí)群體相比，活躍型、均衡型學(xué)習(xí)群體具有較為顯著的外部歸因傾向。簡而言之，信息加工維度動力性特征的總體趨勢可以概括為活躍型學(xué)習(xí)群體顯著高于均衡型學(xué)習(xí)群體，均衡型學(xué)習(xí)群體顯著高于沉思型學(xué)習(xí)群體。

此外，配對樣本T檢驗的結(jié)果表明：沉思型、均衡型、活躍型學(xué)習(xí)群體內(nèi)部，網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能水平均顯著高于一般自我效能水平（t=11.336，Sig.=0.000＊＊＊；t=10.090，Sig.=0.000＊＊＊；t=6.509，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部學(xué)習(xí)動機水平顯著高于外部學(xué)習(xí)動機 （t=5.080，Sig.=0.000＊＊＊；t=7.323，Sig.=0.000＊＊＊；t=7.724，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)內(nèi)部歸因傾向顯著高于外部歸因傾向（t=25.884，Sig.=0.000＊＊＊；t=25.347，Sig.=0.000＊＊＊；t=23.833，Sig.=0.000＊＊＊）；網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中認知維度的均值顯著 高 于 行為維度 （t=14.455，Sig.=0.001＊＊＊； t=10.499，Sig.=0.000＊＊＊；t=6.490，Sig.=0.000＊＊＊），行為維度的均值顯著高于情感維度（t=11.539，Sig=0.000＊＊＊；t=11.629，Sig.=0.000＊＊＊；t=11.139，Sig.=0.000＊＊＊）。

研究結(jié)論與討論

通過數(shù)據(jù)分析，我們從群體相似性特征與群體差異性特征兩方面對數(shù)據(jù)分析結(jié)論進行了歸納總結(jié)，并以適應(yīng)性學(xué)習(xí)為引導(dǎo)對研究結(jié)論進行了討論分析。網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格各維度，不同類型學(xué)習(xí)風(fēng)格的學(xué)習(xí)群體網(wǎng)絡(luò)學(xué)習(xí)動力性特征的群體相似性主要體現(xiàn)在以下幾點：學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的特殊自我效能感水平顯著高于一般自我效能感水平；參與網(wǎng)絡(luò)學(xué)習(xí)的內(nèi)部動機顯著高于外部學(xué)習(xí)動機；參與網(wǎng)絡(luò)學(xué)習(xí)的內(nèi)部歸因傾向顯著高于外部歸因傾向；網(wǎng)絡(luò)學(xué)習(xí)態(tài)度中的認知維度的均值顯著高于行為維度，行為維度的均值顯著高于情感維度?？傮w而言，相似性特征分析的結(jié)論較為樂觀，但也存在較大的改善空間，如增強學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的一般自我效能、提升學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的積極情感體驗、增強其使用網(wǎng)絡(luò)輔助學(xué)習(xí)的行為意向、引導(dǎo)學(xué)習(xí)者逐步養(yǎng)成成功內(nèi)部歸因與失敗外部歸因的傾向，等等。為此我們可以通過課程廣播、公告或公共講座的形式向?qū)W習(xí)群體傳授成功的學(xué)習(xí)體驗、網(wǎng)絡(luò)學(xué)習(xí)心得與經(jīng)驗，改善學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的一般自我效能和對網(wǎng)絡(luò)學(xué)習(xí)的認識；通過微資源的適時推送、網(wǎng)絡(luò)學(xué)習(xí)進度的適時提醒、網(wǎng)絡(luò)學(xué)習(xí)討論的及時反饋等更為人性化、個性化的服務(wù)，增強學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)活動中的歸屬感，進而從情感層面改善學(xué)習(xí)者對網(wǎng)絡(luò)學(xué)習(xí)的態(tài)度，增強其參與網(wǎng)絡(luò)學(xué)習(xí)的動力等。

此外，各種學(xué)習(xí)風(fēng)格的學(xué)習(xí)群體間，參與網(wǎng)絡(luò)學(xué)習(xí)動力性特征的群體差異性主要集中體現(xiàn)在以下幾方面：感悟型學(xué)習(xí)群體內(nèi)部歸因傾向與外部歸因傾向均高于直覺型與均衡型學(xué)習(xí)群體，未具有一種明顯的歸因傾向。視覺型學(xué)習(xí)群體具有較強的網(wǎng)絡(luò)學(xué)習(xí)特殊自我效能感與內(nèi)部學(xué)習(xí)動機，在網(wǎng)絡(luò)學(xué)習(xí)認知維度對網(wǎng)絡(luò)學(xué)習(xí)具有積極的態(tài)度，且具有較為顯著的內(nèi)部歸因傾向；言語型學(xué)習(xí)群體具有較強的網(wǎng)絡(luò)學(xué)習(xí)一般自我效能感、較為積極的情感體驗以及較強的持續(xù)利用網(wǎng)絡(luò)輔助學(xué)習(xí)的行為傾向與較為顯著的外部歸因傾向。序列型學(xué)習(xí)群體具有較強的網(wǎng)絡(luò)學(xué)習(xí)一般自我效能感、網(wǎng)絡(luò)學(xué)習(xí)外部歸因與內(nèi)部歸因傾向以及積極的情感體驗與較強的繼續(xù)使用網(wǎng)絡(luò)輔助學(xué)習(xí)的行為意愿?；钴S型學(xué)習(xí)群體參與網(wǎng)絡(luò)學(xué)習(xí)的動力顯著高于均衡型學(xué)習(xí)群體，均衡型學(xué)習(xí)群體顯著高于沉思型學(xué)習(xí)群體。這意味著，除對學(xué)習(xí)群體進行聚類、標(biāo)識，并進行針對性培養(yǎng)，改善薄弱群體參與網(wǎng)絡(luò)學(xué)習(xí)的動機以外，還可以依據(jù)各學(xué)習(xí)群體參與網(wǎng)絡(luò)學(xué)習(xí)的動力，針對性地制定學(xué)習(xí)目標(biāo)、學(xué)習(xí)時間跨度以及學(xué)習(xí)內(nèi)容的難易程度、信息的表征方式、推薦擴展資源的形式等，對各學(xué)習(xí)群體實施“動力適應(yīng)性”教學(xué)，最大限度地提升每個學(xué)習(xí)群體參與網(wǎng)絡(luò)學(xué)習(xí)的效果。

研究展望

本研究以學(xué)習(xí)風(fēng)格為依據(jù)對學(xué)習(xí)群體進行聚類，對不同學(xué)習(xí)群體動力性特征的群體相似性與差異性進行了較為深入的分析，對網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)動力的培養(yǎng)與改善進行了初步探究。然而，如何有效激發(fā)并維持學(xué)習(xí)者參與網(wǎng)絡(luò)學(xué)習(xí)的動力才是網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者動力性特征研究最為核心的問題。此外，學(xué)習(xí)者的動力性特征是學(xué)習(xí)者特征的一部分，與其他特征間存在較為復(fù)雜的作用關(guān)系。因此，動力性特征間相互作用關(guān)系的群體差異研究、動力性特征與其他特征間影響關(guān)系的研究，是實現(xiàn)動力性特征有效激發(fā)與維持的基礎(chǔ)，也是下一步研究的重點。

]

[1]Danilo Spada,Manuel Sánchez-Monta?és,Pedro Paredes,Rosa M.Car-ro.Towards Inferring Sequential-Global Dimension of Learning Styles from Mouse Movement Patterns[J].Lecture Notes in Computer Science.2008(5149),pp:337-340.

[2]Nabila Bousbia,Jean-Marc Labat,Amar Balla.Detection of Learning Styles from Learner’s Browsing Behavior During E-Learning Activities[J].Lecture Notes in Computer Science,2008(5091),pp:740-742.

[3]Jelena Naki,Nikola Maranguni,Andrina Grani.Learning Styles and Navigation Patterns in Web-Based Education[J].Lecture Notes in Computer Science,2011(6768),pp:587-596.

[4]Sabine Graf,Kinshuk.Analysing the Behaviour of Students in Learning Management Systems with Respect to Learning Styles[J].Studies in Computational Intelligence，2008(93),pp:53-73.

[5]Matteo Gaeta ? Alessandro Micarelli.Adaptive course generation through learning styles representation Enver Sangineto ? Nicola Capuano ?[J].Univ Access Inf Soc,2008(7),pp:1-23

[6]Farman Ali Khan,Sabine Graf,Edgar R.Weippl,A Min Tjoa.Identifying and Incorporating Affective States and Learning Styles in Web-based Learning Management Systems[J].Interaction Design and Architecture(s)Journal-IxD&A,N.9-10,2010,pp:85-103

[7]Sabine Graf,Kinshuk,Qingsheng Zhang,Paul Maguire,Victoria Shtern.Facilitating Learning Through Dynamic Student Modelling of Learning Styles[J].In：Pedro Isaias,Dirk Ifenthaler,Demetrios G.Sampson,J.Michael Spector.Towards Learning and Instruction in Web 3.0(pp:3-16).ISSN:0302-9743(Print)1611-3349(Online),2012.

[8]Shaw,Marlow.The role of student learning styles,gender,attitudes and perceptions on information and communication technology assisted learning[J].Computers and Education,33,pp:223-234.

[9]Hsiao-Lin Tuan,Chi-Chin Chin,Chi-Chung Tsai,Su-Fey Cheng.Investigating The Effectiveness Of Inquiry Instruction On The Motivation Of Different Learning Styles Students[J].International Journal of Science and Mathematics Education.2005(3),pp:541-566.

[10]Maria Kyprianidou,Stavros Demetriadis,Thrasyvoulos Tsiatsos,Andreas Pombortsis.Group formation based on learning styles:can it improve students’teamwork?[J].Education Tech Research Dev.2012(60),pp:83-110.

[11]Enrique Alfonseca,Rosa M.Carro Estefanía,Martín Alvaro Ortigosa Pedro Paredes.The impact of learning styles on student grouping for collaborative learning:a case study[J].User Model User-Adap Inter.2006(16),pp:377-401

[12]Kate Sayer,Rachel Studd.Matching Learning Style Preferences with suitable Delivery Methods on Textile Design Programmes[J].International Journal of Technology and Design Education.2006(16),pp:163-176.

[13]Conor O’Leary,Jenny Stewart.The Interaction of Learning Styles and Teaching Methodologies in Accounting Ethical Instruction[J].J Bus Ethics.2013(113),pp:225-241.

[14]Sabine Graf,Tzu-Chien Liu,Kinshuk,Nian-Shing Chen,Stephen J.H.Yang.Learning styles and cognitive traits-Their relationship and its benefits in web-based educationalsystems[J].Computers in Human Behavior.2009(25):1280-1289.

[15]童金皓，邊玉芳.網(wǎng)絡(luò)學(xué)習(xí)中的自我效能感[J].現(xiàn)代遠距離教育，2005，（3）：25-27.

[16]王迎，孔維強，張鵬，董艷.利用QQ群教學(xué)方式提高遠程學(xué)習(xí)者的自我效能感初探[J].現(xiàn)代遠距離教育[J]，2009，（1）：51-53.

[17]Kun-Hung Cheng,Chin-Chung Tsai.An investigation of Taiwan University students'perceptions of online academic help seeking,and their web-based learning self-efficacy[J].Internet and Higher Education.2011(14):150-157.

[18]Matthew K.O.Lee,Christy M.K.Cheung,Zhaohui Chen.Acceptance of Internet-based learning medium:the role of extrinsic and intrinsic motivation[J].Information&Management,2005(42)1095-1104.

[19]http://wenku.baidu.com/view/5c9aeb0c52ea551810a68782.html

[20]Baron R A,Byrnt D,Suls J.Exploring social psychology.(3rdEd).Boston:Allyn ndBacon,1988:79-82.

[21]Jyh-Chong Liang,Szu-Hsien Wu,Chin-Chung Ts.Nurses'Internet self-efficacy and attitudes toward web-based continuing learningai[J].Nurse Education Today.2011(31):768-773.

[22]吳明隆.問卷統(tǒng)計分析實務(wù)——SPSS操作與應(yīng)用[M].重慶：重慶大學(xué)出版社，2010.

[23]吳明隆.結(jié)構(gòu)方程模型——AMOS的操作與應(yīng)用[M].重慶：重慶大學(xué)出版社，2019.