高校大學生泛在學習成效的影響因素與作用機理①

孫劍萍，耿 彪，湯兆平

（華東交通大學，江西 南昌 330013）

高校大學生泛在學習成效的影響因素與作用機理①

孫劍萍，耿 彪，湯兆平

（華東交通大學，江西 南昌 330013）

泛在學習方式日益廣泛?；诮Y構方程模型，運用實證調研的方法，以量化的方式，分別得出了四類因素對學習成效的直接影響、間接影響以及綜合影響的比例及標準化路徑系數。研究表明：泛在學習行為對學習成效的直接影響最大，泛在學習環(huán)境和心理特點次之；泛在學習環(huán)境對學習成效間接影響最大，個體特征和心理特點次之；綜合來看，泛在學習環(huán)境、心理特點、泛在學習行為、個體特征對學習成效的綜合影響力依次減弱。

泛在學習；高校學生；學習成效；影響因素；作用機理

隨著社會經濟的發(fā)展和現代信息技術的日新月異，泛在學習愈來愈呈現方式的個性化、需求的多樣化、時間的碎片化以及場所的無形化等特點。泛在學習是一種泛在計算環(huán)境下的學習方式，可使任何學習者隨意、隨時、隨地獲取所需信息和開展交流與學習。

國內外對于泛在學習的研究，目前主要集中在泛在學習的網絡、理念、終端以及學習資源等方面。楊孝堂等［1］對泛在學習理論、資源及模式進行了研究；張博夫等［2］研究了泛在學習環(huán)境下高校學習資源設計模式；Lee W等［3］研究了泛在學習者不同的學習需求、學習行為記錄和個體屬性對其學習績效的影響；Xu Lei等［4］認為交互是泛在學習的一個核心要素，缺乏反饋是影響學習成效的重要因素；Benaceur Outtaj等［5］研究發(fā)現學習者在泛在學習中的交互行為對學習成效產生較大的影響；李興蓉等［6］分析了影響大學生網絡自主學習效果的各種因素，并得到了各因素對其影響的重要程度；常香云等［7］基于Amos的結構方程模型，深入分析了學習成效的影響因素及機理；徐蘭蘭等［8］分別從行為的方式、控制、交互、評價4方面進行了詳細闡述，為泛在學習行為的理解及提高泛在學習成效提供了參考。

已有研究從不同側面證明了高校大學生泛在學習行為、泛在學習環(huán)境、心理特點和個體特征等因素對學習成效的重要影響。然而，這些因素對學習成效的影響程度如何，它們又是如何作用于學習成效的，尚未形成系統(tǒng)、全面的研究體系［9］等。本文擬對這些問題進行深入探討。

一、泛在學習成效及其影響因素

美國當代著名的教育心理學家羅伯特?加涅提出的“行為主義——折衷主義”的心理學理論認為，學習成效包括言語信息、智慧技能、認知策略、態(tài)度、動作技能等方面獲得的趨勢或能力的改善，會受到內部條件和外部條件兩類因素的影響。我國學者針對教學過程的要素構成問題，提出的教學要素理論，從“三要素”到“七要素”等觀點，不外乎學生、教學和環(huán)境等方面的多個要素。本文將影響高校大學生泛在學習成效的因素分為泛在學習行為、泛在學習環(huán)境和學生自身狀況三個方面。

二、概念模型假設

為了探索四類因素與學習成效之間的關聯，本文在分析各類影響因素內部之間相互影響的基礎上，研究了它們內部的關聯機制，構建出兩個關系概念模型，即直接模型和間接模型，如圖1所示。

圖1中的直接模型只考慮四類因素與學習成效之間的直接影響關系，并不考慮四類因素之間的相互作用。間接模型在直接模型的基礎上，又考慮了四類因素內部之間的影響關系。

圖1 關系概念模型

三、測量變量和數據獲取

（一）測量變量設計

泛在學習行為、泛在學習環(huán)境、心理特點、個體特征和學習成效均為潛變量，無法進行直接測量，而它們所包含的測量變量卻是可以度量的，且通過它們能夠從側面反映潛變量的部分特征。故為這些潛變量設計相應的測量變量，具體內容詳見表1。

表1：泛在學習各潛變量的測量變量

（二）數據獲取

采用問卷調查的方式獲取研究的數據。調查問卷設計內容涉及23個二級指標。評價等級采用“完全不同意”到“完全同意”的7級正向計分制，相對應的分數值為1-7。調查共發(fā)放問卷340份，回收309份，回收率為90.9%。剔除無效問卷14份，獲得有效問卷295份，有效回收率為86.8%。采集的數據樣本來自華東交通大學，包括軌道交通、經管、基礎、機電、人文等學院在校大學生。調查對象所在專業(yè)包含了工學、經濟學、理學、法學、文學等，采集的樣本具有廣泛性和代表性。

四、模型構建與分析

（一）測量信度檢驗

信度是指測驗結果的一致性、穩(wěn)定性及可靠性，它反映了測量數據能否準確、真實地度量事物屬性的程度。本文運用SPSS19對問卷數據進行分析，各變量Cronbach’s Alpha系數分析結果為：問卷總量0.919，泛在學習行為0.790，泛在學習環(huán)境0.809，心理特點0.913，個體特征0.846，學習成效0.827?？偭勘砗透鱾€變量都具有較高的測量信度以及較好的數據一致性。

（二）測量模型檢驗與修正

在建立結構方程模型之前，必須對測量模型的合理性進行檢驗。通常情況下，測量模型中的最低標準化因子負荷值為0.4。檢驗結果顯示，圖書資料（ULE1）和思維方式（IC5）的負荷值未達到顯著水平。故將該兩個測量變量剔除，然后再次檢驗測量模型。結果表明，所有的觀測變量在相應潛變量上的負荷均在0.48-0.95之間，高于社會科學中推薦的最低標準化因子負載水平0.4，且所有測量變量的P值均小于0.001，表明測量模型較為穩(wěn)定、合理。

（三）模型建立

根據理論分析框架，應用Amos22.0構建初始理論模型，具體內容如圖2所示。

圖2 初始理論模型

表2：初始理論模型各路徑系數

續(xù)表2

將調查數據導入上面建立的初始理論模型中，然后選用最大似然估計法對初始理論模型進行運算，運算結果詳見表2。由表2發(fā)現有兩條路徑的相關指標并不理想，需要做進一步的改進。不理想的假設路徑包括：一是個體特征對泛在學習行為有顯著正向影響作用。二者間標準化路徑系數為0.089，P值為0.222，其顯著性未達到理想水平，拒絕該假設。二是個體特征對學習成效有顯著正向影響作用。二者間標準化路徑系數為0.093，P值為0.124，顯著性未達到理想水平，拒絕該假設。根據修正后模型并再次對其進行運算，擬合指數見表3。

表3：修正后模型的擬合指數

圖3 修正后的結構方程模型

從表3可知，卡方值與自由度之比為2.218，介于1到3的合理區(qū)間。RMSEA值為0.064，小于最高上限0.08。CFI和TLI值分別為0.919和0.907，均高于理想值0.9。NFI、GFI和AGFI值分別為0.864、0.888和0.858，雖未達到理想值0.9，但也高于一般的要求值0.8。因此，修正后的模型是可以接受的。修正后的結構方程模型及其相對應的各變量間標準化路徑系數如圖3所示。

（四）模型分析

圖3中的各潛變量間的作用關系見表4。作用方向為表中橫向影響因素對縱向影響因素。

表4：各潛變量之間的作用關系

由表4可以看出，直接作用中泛在學習行為對學習成效影響最大，標準化路徑系數為0.32；泛在學習環(huán)境和心理特點次之，均為0.3。間接作用方面，泛在學習環(huán)境對學習成效影響最大，標準化路徑系數為0.210；個體特征次之，為0.188；心理特點再次之，為0.128。泛在學習環(huán)境對學習成效的綜合影響作用最強，標準化路徑系數為0.510；心理特點、泛在學習行為、個體特征依次減弱，分別為0.428、0.32和0.188，它們對學習成效的作用比例分別為35.3%、29.6%、22.1%和13%。

（五）結果分析及建議

成效一般指所獲得的預期效果和功效。筆者認為學習者通過學習，在某些方面得到的持續(xù)變化，就是學習成效。高校大學生的泛在學習成效主要有兩個方面，一方面是客觀的學習效果，包括測試成績、完成任務的時間等。另一方面是主觀的學習收獲，包括理論知識的提升、應用能力的改善、情感的陶冶與價值的升華等。上述四類影響因素與學習成效之間的作用關系分析如下。

1.泛在學習環(huán)境與學習成效的關系

泛在學習環(huán)境對學生學習成效總的影響百分比達35.3%，是學習成效的最大影響因素。改善泛在學習環(huán)境是改進學習成效最有效的途徑，具體可從以下幾個方面考慮：（1）擴大網絡在校園內的覆蓋面，提高網絡的傳輸速度。（2）加大重點實驗室的建設和對各種數據庫、網絡學習資源的投入，以豐富、翔實、優(yōu)化學生的學習資源條件。（3）提高信息技術與高等教育的融合度，利用信息技術為學習者構建一個泛在學習平臺或環(huán)境。（4）注重優(yōu)質教學資源的共建共享，使學生在開放平臺上就能自主學習各專業(yè)、各領域的優(yōu)質學習資源。

2.心理特點與學習成效的關系

心理特點在較大程度直接影響學習成效（29.6%）。改進心理特點的最有效途徑是激發(fā)學生的學習動機、改進學習態(tài)度，充分調動學生學習的興趣和主動性，培養(yǎng)學生良好的心理狀態(tài)，具體可以從教學特色方面考慮：（1）逐步改變傳統(tǒng)的教學模式，建立以學生為中心，有利于激發(fā)學生積極性、自主性、合作性，同時因“課”制宜的新模式。如將“學”與“教”進行轉換的翻轉課堂模式、理論-實踐-理論的教學模式，可以讓學生對所學專業(yè)有一個更快的認知。（2）增加教學內容的新穎性，緊密跟隨時代步伐，動態(tài)更新教學內容，關注專業(yè)所涉及的最新科研成就與發(fā)展前沿，并與之保持同步。

3.泛在學習行為與學習成效的關系

泛在學習行為對學習成效直接的正向影響作用最大，標準化路徑系數為0.32，是影響學習成效的重要因素（22.1%）。改善泛在學習行為，可從以下幾點考慮：（1）知識與知識之間的交互：不斷深化現代信息技術與高等教育的融合度，推進數字化學習的發(fā)展，增加相近知識間的關聯度，以獲取更多的相關知識。（2）人與知識之間的交互：構建滿足高校大學生學習需求多樣化、多終端的泛在網絡學習系統(tǒng)，建設開放教學數字化實驗室及重點實驗基地，優(yōu)化人與知識間交互的平臺與環(huán)境。（3）人與人之間的交互：構建多樣化交互平臺與渠道，建立多元化的交互方式，促進教師、學生、專家之間的交流與協(xié)作。

4.個體特征與學習成效的關系

個體特征通過心理特點和泛在學習行為以間接的方式對學習成效具有一定的影響作用（13%）。改進個體特征的有效途徑可以從信息素養(yǎng)、知識建構、溝通能力、認知策略、思維方式五個方面出發(fā)，如組織名師講座、知識講座以及學生與學生、學生與老師、學生與社會的交流活動等。

五、結語

本文基于結構方程模型，運用實證調研的方法探討了泛在學習行為、泛在學習環(huán)境、心理特點和個體特征對學習成效的影響過程與作用機理。研究結果表明：泛在學習行為對學習成效的直接影響最大，泛在學習環(huán)境和心理特點次之；泛在學習環(huán)境對學習成效間接影響最大，個體特征和心理特點次之；泛在學習環(huán)境、心理特點、泛在學習行為、個體特征對學習成效的綜合影響力依次減弱。研究可為信息化教學建設、信息技術與高等教育的深度融合和優(yōu)質教學資源的共建共享提供依據和參考。

［1］楊孝堂，陳守剛，嚴冰.泛在學習的理論與模式［M］.北京：中央廣播電視大學出版社，2012：1.

［2］張博夫，楊簡，石瑩，潘賀，劉海燕.泛在學習環(huán)境下高校移動學習資源設計模式的研究［J］.現代教育科學，2013，（11）：168-172.

［3］Lee W I，Shih B Y，Tu L J.The application of Kano’s model for improving web-based learning performance［C］.IEEE Frontiers in Education Conference.New York：IEEE Computer Society，2002：27-32.

［4］Lei X，Pahl C，Donnellan D.An evaluation technique for content interaction in Web-based teaching and learning environments［C］.The IEEE International Conference on Advanced Learning Technologies，2003：294.

［5］Benaceur Outtaj,Rachida Ajhoun.Towards a model for evaluating the e-learner’s behavior[DB/OL]. ICIA’07，http：//www.esstt.mu.tn/utie/tica2007/sys_jles/ medias/does/P27.Pdf.

［6］李興蓉，郭紅生，張連剛.大學生網絡自主學習效果影響因素實證分析［J］.現代教育管理，2009，（10）：57-60.

［7］常香云，陳智高，劉紅麗，夏瑛.信管專業(yè)計算機類課程學習的影響因素及機理研究［J］.現代教育技術，2010，20（4）：55-59.

［8］徐蘭蘭，張娟，郝念.異地網絡教學環(huán)境引發(fā)學生學習行為變化研究［J］.軟件導刊（教育技術），2011，（3）：54-56.

［9］劉麗娜，平凡，楊順起.在職教師特征對其網絡學習成效的差異性影響初探［J］.中國遠程教育，2015，16（12）：32-37、79.

（責任編輯：楊 玉；責任校對：徐治中）

The Affecting Factors and Action Mechanism on Ubiquitous Learning Outcomes of University Students

SUN Jianping，GENG Biao，TANG Zhaoping
（East China Jiaotong University，Nanchang Jiangxi 330013）

Ubiquitous learning is increasingly widespread.Based on the structural equation model，by use of empirical research method and quantitative way，the proportion and standardized path coefficient of direct，indirect and comprehensive influence of the four affecting factors on learning outcomes were obtained respectively.The study shows that the direct influence of ubiquitous learning behavior on learning outcomes is the greatest，ubiquitous learning environment and psychological characteristics come second；the indirect influence of ubiquitous learning environment on learning outcomes is the greatest，individual characteristics and psychological characteristics come second；taken together，thecomprehensiveinfluenceofubiquitouslearningenvironment，psychological characteristics，ubiquitous learning behavior and individual characteristics on learning outcomes weakens successively.

ubiquitous learning；university students；learning outcomes；affecting factors；action mechanism

G642.0

A

1674-5485（2016）12-0070-05

江西省教育科學“十二五”規(guī)劃重點項目“高校大學生泛在學習行為及其對學習成效的影響研究”（15ZD3L016）。

孫劍萍（1971-），女，江西豐城人，華東交通大學教授，博士，碩士生導師，主要從事高等教育學研究；耿彪（1988-），男，河南浚縣人，華東交通大學碩士生，主要從事交通運輸規(guī)劃研究；湯兆平（1970-），男，江蘇溧陽人，華東交通大學信息工程學院黨委書記，教授，碩士生導師，主要從事高等教育學研究。