基于數(shù)據(jù)挖掘的互聯(lián)網(wǎng)環(huán)境下大學(xué)生深度學(xué)習(xí)影響因素實(shí)證研究

楊慧

（中國海洋大學(xué)計(jì)算機(jī)基礎(chǔ)部，.66100）

0 引言

互聯(lián)網(wǎng)的飛速發(fā)展，為高校的教育改革帶了新的機(jī)遇。當(dāng)前，大部分高校都采用混合學(xué)習(xí)、翻轉(zhuǎn)學(xué)習(xí)等以“學(xué)”為導(dǎo)向的教育模式，學(xué)習(xí)的各個(gè)環(huán)節(jié)都離不開互聯(lián)網(wǎng)的支持。然而，這些基于網(wǎng)絡(luò)的教育方式是否提升了學(xué)習(xí)者的學(xué)習(xí)效果，很大程度上是直接取決于學(xué)習(xí)者在互聯(lián)網(wǎng)環(huán)境下的深度學(xué)習(xí)水平。

1 深度學(xué)習(xí)理論

在學(xué)習(xí)科學(xué)領(lǐng)域中，深度學(xué)習(xí)的概念由美國學(xué)者M(jìn)arton和Saljo在1976年的《學(xué)習(xí)的本質(zhì)區(qū)別：結(jié)果和過程》一文中首次提出，認(rèn)為深度學(xué)習(xí)是在理解學(xué)習(xí)的基礎(chǔ)上相對(duì)于淺層學(xué)習(xí)的一種學(xué)習(xí)方式[1]。Biggs、Entwistle和McCune指出深度學(xué)習(xí)包含高水平或者主動(dòng)的認(rèn)知加工，而淺層學(xué)習(xí)則采用諸如機(jī)械記憶等低水平認(rèn)知加工。我國學(xué)者何玲和黎加厚認(rèn)為深度學(xué)習(xí)強(qiáng)調(diào)學(xué)習(xí)者能夠批判性地學(xué)習(xí)新的思想和事實(shí)，并將它們?nèi)谌朐械恼J(rèn)知結(jié)構(gòu)中，并能夠?qū)⒁延械闹R(shí)遷移到新的情境中，從而幫助決策和解決問題[2]。互聯(lián)網(wǎng)環(huán)境下的深度學(xué)習(xí)，是學(xué)習(xí)者在網(wǎng)絡(luò)情境下面對(duì)海量的網(wǎng)絡(luò)信息資源，進(jìn)行主動(dòng)地探索與整合以建構(gòu)知識(shí)，進(jìn)而反思與遷移，并應(yīng)用到問題解決中的學(xué)習(xí)。同時(shí)，網(wǎng)絡(luò)還為學(xué)習(xí)者提供了豐富的互動(dòng)交流工具，為他們相互探討，分享提供了條件，有利于學(xué)習(xí)者之間思維的碰撞，發(fā)展學(xué)習(xí)者的創(chuàng)新性思維和溝通合作能力。

借助計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)對(duì)互聯(lián)網(wǎng)環(huán)境下大學(xué)生深度學(xué)習(xí)水平現(xiàn)狀以及相關(guān)影響因素進(jìn)行研究，是教育領(lǐng)域新的突破，有助于促進(jìn)學(xué)生在網(wǎng)絡(luò)環(huán)境下的認(rèn)知深度，進(jìn)而提高教學(xué)過程與學(xué)習(xí)活動(dòng)的質(zhì)量，實(shí)現(xiàn)高效深層次的網(wǎng)絡(luò)學(xué)習(xí)。

2 數(shù)據(jù)來源及抽樣方法

學(xué)習(xí)者在進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)時(shí)，其網(wǎng)絡(luò)學(xué)習(xí)行為非常復(fù)雜多樣。本研究參考了布魯姆的教育目標(biāo)分類，借鑒了“美國信息加工心理學(xué)的發(fā)展理論評(píng)介”文中網(wǎng)絡(luò)學(xué)習(xí)的一般模型[4]，在大量查閱文獻(xiàn)和訪談專家之后，編制了《互聯(lián)網(wǎng)環(huán)境下大學(xué)生深度學(xué)習(xí)調(diào)查問卷》。問卷采用Likert量表，由非常符合到完全不符合分為五個(gè)等級(jí)，分別賦值 5、4、3、2、1 分，分值越高，表明程度越好。為了保證調(diào)查問卷的合理性，本研究在正式投放問卷之前進(jìn)行了預(yù)測(cè)，并根據(jù)多次因子分析的結(jié)果，最終得到潛變量因子4個(gè)，分別為信息素養(yǎng)、知識(shí)建構(gòu)、深度加工和溝通，各相關(guān)測(cè)量指標(biāo)共27個(gè)。同時(shí)為了更好地進(jìn)行比較,本研究還將學(xué)生個(gè)體特征，即性別、學(xué)科和年級(jí)，帶入模型探究這些相關(guān)因素的影響情況。

圖1 網(wǎng)絡(luò)學(xué)習(xí)的一般模型

本調(diào)查在某高校C語言程序設(shè)計(jì)課程范圍內(nèi)進(jìn)行隨機(jī)抽樣，共發(fā)放了720份問卷，在刪除掉部分不合格問卷之后，共回收和使用有效問卷681份。調(diào)查樣本中74.6%為理工科學(xué)生。男女生比例約為3:1，而大一及大二學(xué)生占比約為80%。

3 基于計(jì)算機(jī)數(shù)據(jù)挖掘的互聯(lián)網(wǎng)環(huán)境下大學(xué)生深度學(xué)習(xí)影響因素分析

3.1 適用性檢驗(yàn)

本研究通過KMO和巴特利球形檢驗(yàn)顯著性概率值分析，比較了變量間偏相關(guān)系數(shù)和變量間相關(guān)性的指標(biāo)，得出的KMO值為0.891，大于0.7，說明問卷符合要求，即效度可以，適合進(jìn)行因素分析；巴特利特檢驗(yàn)P值為0.000，小于0.001，說明因子的相關(guān)系數(shù)矩陣非單位矩陣，即變量前存在相關(guān)關(guān)系，可以通過進(jìn)一步分析提取最少的因子同時(shí)又能解釋大部分的方差。

表1 KMO和巴特利特檢驗(yàn)

3.2 描述與統(tǒng)計(jì)分析

（1）網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平的現(xiàn)狀

表2 網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)現(xiàn)狀的描述性統(tǒng)計(jì)

通過表2的描述性統(tǒng)計(jì)我們可以看到，網(wǎng)絡(luò)環(huán)境下大學(xué)生的深度學(xué)習(xí)水平均值約為3.256＞3，向5靠攏，說明大學(xué)生具有一定的深度學(xué)習(xí)水平。但從各維度描述數(shù)據(jù)可以看到C語言學(xué)生具備較好的信息素養(yǎng)（M=3.793），而網(wǎng)絡(luò)環(huán)境下知識(shí)構(gòu)建能力（M=3.182）存在不足，特別是缺乏遷移、運(yùn)用等深度知識(shí)加工方式的能力（M=2.816）。

（2）網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平的性別差異

本研究將文史哲、經(jīng)濟(jì)學(xué)、法學(xué)、教育學(xué)、管理學(xué)劃分為偏文科類，而將理工農(nóng)劃分為偏理科類。由表3可以看出，網(wǎng)絡(luò)環(huán)境下男女生的深度學(xué)習(xí)水平不存在顯著差異。男生深度學(xué)習(xí)水平（M=3.40）略高于女生的深度學(xué)習(xí)水平（M=3.26）。雖然，男生在計(jì)算機(jī)素養(yǎng)方面比女生更高，但是女生在反思、整合及認(rèn)知成熟度上的得分都顯著高于男生。此外，施利成等研究者在2009年的研究中發(fā)現(xiàn)女生更能夠接納不同的意見和問題解決方法，審慎地作出判斷、或暫不下判斷或修改已有判斷。這給出了本研究的部分解釋。

（3）網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平的年級(jí)差異

為了研究不同年級(jí)之間學(xué)習(xí)者的深度學(xué)習(xí)水平是否存在差異，我們進(jìn)行了單因素方差分析，其結(jié)果如表4所示。計(jì)算結(jié)果表明，不同年級(jí)間學(xué)生深度學(xué)習(xí)水平存在顯著差異。其中大三學(xué)生的深度學(xué)習(xí)水平要顯著高于大一及大二年級(jí)的深度學(xué)習(xí)水平。這可能一方面是因?yàn)殡S著信息素養(yǎng)的提高和自身學(xué)習(xí)策略的不斷調(diào)整優(yōu)化，大三學(xué)生在網(wǎng)絡(luò)環(huán)境下的深度學(xué)習(xí)水平也在提高。另一方面，這是由于大三學(xué)生課業(yè)壓力相對(duì)減少，可以在網(wǎng)絡(luò)學(xué)習(xí)中投入更多學(xué)習(xí)的時(shí)間和精力，并且專業(yè)課程對(duì)知識(shí)的深度要求學(xué)生更多得使用網(wǎng)絡(luò)檢索、整合和解決實(shí)際問題，這間接提升了深度學(xué)習(xí)能力。

表4 網(wǎng)絡(luò)環(huán)境下不同學(xué)科學(xué)生深度學(xué)習(xí)水平方差分析

（4）網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平的學(xué)科差異

表5 網(wǎng)絡(luò)環(huán)境下不同學(xué)科學(xué)生深度學(xué)習(xí)水平獨(dú)立樣本t檢驗(yàn)

本研究將經(jīng)貿(mào)、文史哲、政法、管理學(xué)劃分為偏文科類，而將理工、醫(yī)藥、水產(chǎn)劃分為偏理科類。由表5可以看出，網(wǎng)絡(luò)環(huán)境下文理科大學(xué)生的深度學(xué)習(xí)水平并不存在顯著差異。文科生的深度學(xué)習(xí)水平（M=3.346）略低于理科生的深度學(xué)習(xí)水平（M=3.362）。這可能是由于理科生習(xí)慣于連續(xù)、邏輯思維模式，在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中更善于通過深度挖掘各種資源并通過實(shí)踐驗(yàn)證形成深層次的認(rèn)知。而文科知識(shí)需要發(fā)散的思維，往往需要在網(wǎng)絡(luò)中廣泛整合信息，在對(duì)各種觀點(diǎn)的討論、反思中構(gòu)建知識(shí)。由于高階思維能力、反思與溝通能力都是與深度學(xué)習(xí)相契合的，且文理科學(xué)生在這兩方面的優(yōu)勢(shì)程度近乎一致，因而不同學(xué)科學(xué)生的深度學(xué)習(xí)水平基本是持平的。

（5）網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平影響因素主成分分析

為了全面、系統(tǒng)地分析問題，我們必須考慮了眾多網(wǎng)絡(luò)環(huán)境下影響大學(xué)生深度學(xué)習(xí)的因素，即變量。因?yàn)槊總€(gè)變量都在不同程度上反映了所研究問題的某些特征，并且指標(biāo)之間彼此有一定的相關(guān)性，因而所得的數(shù)據(jù)在一定程度上有重疊，直接納入分析就有可能因多元共線性而無法而出正確結(jié)論。為了追求研究的相對(duì)科學(xué)性和準(zhǔn)確性，本研究采用主成分分析（Principal Components Analysis，PCA）對(duì)影響網(wǎng)絡(luò)環(huán)境下大學(xué)生深度學(xué)習(xí)水平的主要因素進(jìn)行探究，利用線性擬合的思路把分布在多個(gè)維度的高維數(shù)據(jù)投射到幾個(gè)軸上，用一組新的互相無關(guān)的綜合因子來代替原來的變量，達(dá)到數(shù)據(jù)壓縮抽象的目的。

PCA算法一般通過以下4步驟實(shí)現(xiàn)[5]：

①對(duì)原來的p個(gè)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

②根據(jù)公式（1），計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)矩陣的協(xié)方差矩陣C。

③求出協(xié)方差矩陣的特征根和特征向量。令協(xié)差陣的特征值為 λ1≥λ2≥…≥λp，向量 l1,l2,….,lp為相應(yīng)的特征量，則第j個(gè)主成分為：

④確定主成分個(gè)數(shù)m，計(jì)算主成分方差貢獻(xiàn)率和累積貢獻(xiàn)率。這里我們采用了特征根＞1的方法確定了主成分個(gè)數(shù)。

⑤結(jié)合研究的問題，解釋主成分蘊(yùn)含的信息。

我們通過對(duì)圖1主成分特征值的觀察，可以發(fā)現(xiàn)在第六個(gè)主成分之后，特征值明顯降低，表示對(duì)應(yīng)的主成分包含的信息明顯減少，影響較弱。表6反映了各成分的方差貢獻(xiàn)率和累積貢獻(xiàn)率。由于前6個(gè)主成分累計(jì)方差貢獻(xiàn)率已經(jīng)達(dá)到75.385%，且特征根均滿足大于1的要求，我們有理由認(rèn)為提取前6個(gè)主成分代替原來的27個(gè)變量是合理的。

為了進(jìn)一步明晰各因子所表示的含義，我們對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，并通過鎖定在各個(gè)公因子上載荷較大的變量來解釋各公因子。其中第一主成分與各個(gè)變量“整合”、“下載”、“瀏覽平臺(tái)”、“點(diǎn)播網(wǎng)上資料”的各個(gè)系數(shù)分別為 0.73、0.69、0.67、0.66，說明第一主成分主要體現(xiàn)了學(xué)生對(duì)網(wǎng)上資料收集整合的行為對(duì)深度學(xué)習(xí)水平的影響；而第二主成分與各個(gè)變量的系數(shù)中“上傳”、“SNS分享”、“群組共享”三個(gè)變量載荷加大，分別為0.71、0.69和0.68，說明在網(wǎng)絡(luò)上進(jìn)行知識(shí)分享對(duì)深度學(xué)習(xí)影響也比較強(qiáng)烈；以此類推，再觀察與第三個(gè)、四、五、六主成分載荷較大的變量，發(fā)現(xiàn)可以將他們解釋為“反思自我”、“參與論壇話題討論”、“批判性學(xué)習(xí)”、“通過聊天工具或者Email向他人求助”的影響因素。

圖2 主成分分析碎石圖

大學(xué)生有意識(shí)地瀏覽網(wǎng)絡(luò)網(wǎng)絡(luò)并進(jìn)行整合，表明他們具備了利用網(wǎng)絡(luò)工具來獲取信息的素養(yǎng)，同時(shí)在學(xué)習(xí)主觀能動(dòng)性方面有了一定突破，對(duì)信息進(jìn)行整合是從淺層學(xué)習(xí)通向深度學(xué)習(xí)的階梯。而研究同時(shí)發(fā)現(xiàn)論壇、社交媒體和群組已經(jīng)成為大學(xué)生分享學(xué)習(xí)資料的一個(gè)重要方式，正逐漸成為大學(xué)生學(xué)習(xí)時(shí)不可或缺的手段。同時(shí)在知識(shí)建構(gòu)領(lǐng)域，如果大學(xué)生能夠自發(fā)地找出新舊知識(shí)的聯(lián)系，在反思的基礎(chǔ)上通過觀察、討論和實(shí)踐的方式驗(yàn)證形成新觀點(diǎn)，就能夠達(dá)到對(duì)知識(shí)的深度建構(gòu)。在溝通方面，網(wǎng)絡(luò)彌補(bǔ)了傳統(tǒng)課堂的時(shí)空域限制，學(xué)習(xí)者可隨時(shí)問詢同類學(xué)習(xí)者或者教師的見解和立場(chǎng)觀點(diǎn)，并得到來自他人的幫助和反饋，給予了學(xué)習(xí)者持續(xù)有力的支持，激勵(lì)學(xué)生更深入地反思和學(xué)習(xí)。

4 結(jié)語

綜上，我們得到在網(wǎng)絡(luò)環(huán)境下對(duì)學(xué)習(xí)者深度學(xué)習(xí)起關(guān)鍵作用的6個(gè)因子，他們按其影響程度自大到小分別是“瀏覽并整合網(wǎng)絡(luò)資源”、“網(wǎng)絡(luò)分享”、“反思自我”、“參與論壇話題討論”、“批判性學(xué)習(xí)”、“通過聊天工具或者Email向他人求解”，也就是說學(xué)習(xí)者在這6個(gè)因子上的得分表現(xiàn)直接影響他們的深度學(xué)習(xí)的有效性。對(duì)于以上研究結(jié)果，下文試圖做出較為合理的解釋。

本研究借助計(jì)算機(jī)數(shù)據(jù)分析方法和問卷調(diào)查，通過描述性分析，從四個(gè)維度概括了網(wǎng)絡(luò)環(huán)境下C語言學(xué)生深度學(xué)習(xí)的現(xiàn)狀；通過差異分析，探究了性別、年級(jí)和學(xué)科因素的影響情況；通過主成分分析，提取了網(wǎng)絡(luò)環(huán)境下影響大學(xué)生深度學(xué)習(xí)的六個(gè)主因子；通過計(jì)算旋轉(zhuǎn)后的因子載荷矩陣，進(jìn)一步明晰了六個(gè)主因子的內(nèi)涵，并做出了合理解釋，旨在為進(jìn)一步提升互聯(lián)網(wǎng)下環(huán)境下教學(xué)過程和學(xué)習(xí)活動(dòng)的質(zhì)量帶來一些參考。

表6 主成分分析結(jié)果