元注意對大學生在線項目式學習參與度的影響：網(wǎng)絡自我調(diào)節(jié)學習的中介作用

李肖霞，朱萬俠

（西北民族大學 教育科學與技術(shù)學院，甘肅 蘭州 730030）

一、引言

互聯(lián)網(wǎng)+教育的發(fā)展不僅擴大了高等教育的范圍，同時也促使學習資源獲取和學習方式的改變[1]。MOOC的發(fā)展為學習者提供了豐富的課程學習資源和交流機會。網(wǎng)絡學習空間人人通的實現(xiàn)，使學生能夠正式或非正式的學習并與他人分享、合作和交流。依托在線學習平臺可以組織如項目式教學等不同形式的教學。教師可以利用在線平臺的項目模塊設計項目任務、引導和評價項目，學習者可以利用平臺的項目管理和實施功能分組合作完成項目，完成項目評價?？偟膩碚f，在線學習平臺為學習者提供了一個開放自主的個人學習環(huán)境，同時也對學習者提出了更高的要求。

在線學習的個人學習環(huán)境是一個自我導向的環(huán)境[2]，因此，在線學習環(huán)境中需要學生有較強的網(wǎng)絡自我調(diào)節(jié)注意力和調(diào)節(jié)學習的能力，以獲得較好的學習績效[3]。在參與在線學習活動前，學習者需要對自己的注意力有一定的了解，將自己的注意力集中到在線學習任務上并保持。基于注意力的相關(guān)研究，有學者提出了“元注意水平越高的學習者其學習成績越差”這個假設，并通過實證研究進行了驗證[4]56-72。

基于此，本研究依托基于項目的在線學習實踐，探討元注意對在線項目式學習參與度的影響，同時探討學習者的網(wǎng)絡自我調(diào)節(jié)學習能力是否在其中起著中介作用。

二、研究理論基礎與假設

（一）研究理論基礎

1.元注意理論

注意主要是選擇需要進一步處理的信息，同時抑制其他信息的處理。元注意是學生的注意意識和對注意的調(diào)節(jié)，這對學習活動起著至關(guān)重要的作用[5]。在線學習環(huán)境中，可以將注意意識概念化為知覺注意問題，即為學習者對媒體相關(guān)注意問題的感知，包括意識到需要對高優(yōu)先級事件保持警惕、意識到自己的注意力被其他事物吸引、對認知加工選擇信息的執(zhí)行控制意識。注意調(diào)節(jié)可以概念化為自我調(diào)節(jié)策略，即為學習者調(diào)節(jié)注意力的策略。如果學習者具有較高的知覺注意問題和較差的自我調(diào)節(jié)策略，說明他具有較差的對注意力分散和調(diào)節(jié)的意識[4]56-72。本研究對元注意的研究主要關(guān)注知覺注意問題維度。

2.網(wǎng)絡自我調(diào)節(jié)

Bandura（1986）認為自我調(diào)節(jié)能力是對自己行為進行控制的能力。自我調(diào)節(jié)學習的過程不僅由個人決定，還受到環(huán)境和行為事件的影響。社會主義認知理論認為自我調(diào)節(jié)包括自我觀察、自我判斷和自我反應三類交互作用的子過程[6]。在線學習環(huán)境中，學習者自我調(diào)節(jié)能力首先受到在線學習環(huán)境因素的影響。在線學習中學習者的學習行為都可以從在線環(huán)境中獲得反饋，比如由于學習者未及時登陸在線學習平臺錯過小組互評時間[7]。Fisher和Baird（2005）發(fā)現(xiàn)，在線學習中網(wǎng)絡社區(qū)環(huán)境可以增加學習者在線學習的自律學習行為，同時參與在線交流的學習者希望達到同伴的期望。由此總結(jié)出，可以通過同儕評價和分組項目提高學習者網(wǎng)絡自我調(diào)節(jié)。項目學習可以創(chuàng)造一個在線協(xié)作學習環(huán)境，促使學習者在線互動和評價[8]。

（二）研究假設

根據(jù)相關(guān)研究理論和已有研究表明，元注意（知覺注意問題）對學業(yè)成績有負向影響，網(wǎng)絡自我調(diào)節(jié)能力是在線學習中的關(guān)鍵?；诖耍岢隽吮狙芯康难芯考僭O。

H1：知覺注意問題水平越高，學習者項目參與度越低；

H2：知覺注意問題水平越高，網(wǎng)絡自我調(diào)節(jié)學習能力越低；

H3：網(wǎng)絡自我調(diào)節(jié)學習能力越高，學習者項目參與度越高。

三、研究方法

（一）調(diào)查對象

本研究的調(diào)查對象是某高校教育技術(shù)學專業(yè)2017級和2018級學生，共134人。兩屆學生都學習了“多媒體課程資源設計與開發(fā)”課程，此課程是基于超星的泛雅平臺開展的項目式混合教學。課程實踐性較強，將理論知識的學習融入到項目實踐，并基于在線平臺發(fā)布、管理、實施、評價項目。學生基于在線平臺參與項目、分組開展項目、管理項目并參與討論和項目評價。

（二）調(diào)查問卷

元注意量表主要參考了Jiun-Yu Wu基于元注意理論修訂的在線學習動機注意量表中的知覺注意問題（PAP）量表，主要包括感知注意力不連續(xù)（PAD）、揮之不去的思緒（LT）、社交媒體通知（SMN）三個子維度[9]。網(wǎng)絡自我調(diào)節(jié)學習量表參考了Lucy Barnard開發(fā)并驗證的在線自我調(diào)節(jié)學習問卷（OSLQ）[4]56-72。根據(jù)本研究選取上述量表中的部分題目并進行修訂。量表每個問題均以李克特（Likert）型7分制進行衡量，范圍從1（完全不同意）到7（完全同意）。

項目參與度維度是通過統(tǒng)計泛雅平臺中學生參與項目的行為數(shù)據(jù)來確定。主要統(tǒng)計的數(shù)據(jù)有：項目發(fā)起討論數(shù)、參與討論數(shù)、共享資料數(shù)、使用資料數(shù)、成果編輯次數(shù)、參與互評次數(shù)。

（三）數(shù)據(jù)分析工具

本研究采用偏最小二乘法結(jié)構(gòu)方程模型（Partial Least Squares Structural Eequation Modeling，PLS-SEM）方法進行數(shù)據(jù)分析，所采用的分析工具為SmartPLS2.0。本研究數(shù)據(jù)分析的大致步驟是：第一步進行測量模型分析，評估模型的信度、構(gòu)面的內(nèi)部一致性、收斂效度和區(qū)別效度；第二步進行結(jié)構(gòu)模型分析，評估模型的判定系數(shù)、路徑系數(shù)以及中介效應。

四、研究結(jié)果分析

（一）測量模型

測量模型的評估是通過評估題目信度、構(gòu)面的內(nèi)部一致性、收斂效度和區(qū)別效度四個方面進行的。

1.題目信度

通過題目的因素負荷量來評估題目的信度。根據(jù)Hair的建議，題目的因素負荷量大于0.6即可[10]。本研究中，題目因素負荷量的范圍是[0.695，0.854]，均大于建議值。

2.構(gòu)面的內(nèi)部一致性

構(gòu)面的內(nèi)部一致性通過克隆巴斯Alpha[Cronbach’s alpha（CA）]或組成信度（CR）來評估。根據(jù)Nunnally和Bernstein的建議，Cronbach’s alpha應大于0.8，組成信度應大于0.7（Nunally and Bernstein，1994）[11]。本研究中，知覺注意問題（PAP）構(gòu)面的克隆巴斯Alpha是0.907，組成信度為0.923；網(wǎng)絡自我調(diào)節(jié)學習（OSRL）構(gòu)面的克隆巴斯Alpha是0.849，組成信度為0.889，均大于建議值。說明測量構(gòu)面的內(nèi)部一致性較好。

3.收斂效度

收斂效度反映構(gòu)面的單個題目與測量不同構(gòu)面的題目相比收斂的程度。收斂效度的一種常用標準是Fornell和Larcker（1981）提出的平均方差萃取量（AVE）。根據(jù) Fornell and Larcker（1981）的建議，AVE值應大于0.5，才具有足夠的收斂效度[12]39-50。本研究中，知覺注意問題（PAP）構(gòu)面的AVE值是0.545，網(wǎng)絡自我調(diào)節(jié)學習（OSRL）構(gòu)面的AVE值是0.573，均大于建議值。

4.區(qū)別效度

區(qū)別效度可以通過“每個潛在變量的AVE平方根應超過該變量與所有其他潛在變量之間的相關(guān)性（Fornell and Larcker，1981）”來評估[12]39-50。本研究中，所有構(gòu)面的平均方差萃取量的開根號值均大于與其他構(gòu)面的皮爾森相關(guān)系數(shù)（如表1所示），這說明本研究的構(gòu)面具有區(qū)別效度。

表1 區(qū)別效度分析結(jié)果

（二）結(jié)構(gòu)模型

1.判定系數(shù)（R2）

判定系數(shù)（R2）是模型中內(nèi)在潛變量的可解釋方差與總方差的比例，是評估模型預測效果的指標之一。Chin建議，當內(nèi)生潛變量的判定系數(shù)為0.670，表示該潛在變量的預測效果“大”；當內(nèi)生潛變量的判定系數(shù)為0.333，表示該潛在變量的預測效果“中”；當內(nèi)生潛變量的判定系數(shù)為0.190，表示該潛在變量的預測效果“小”[13]。本研究中，網(wǎng)絡自我調(diào)節(jié)學習的R2為0.354，項目參與度的R2為0.623。由此可見，本研究的內(nèi)生潛變量具有“中”等的預測效果。

2.路徑系數(shù)和中介效應檢驗結(jié)果

本研究利用偏最小二乘法結(jié)構(gòu)方程模型算法，對研究模型的路徑系數(shù)及中介效應進行評估。具體結(jié)果如表2所示。

表2 路徑系數(shù)、效應量和顯著性結(jié)果

由表2所示，每條路徑系數(shù)均顯著，三個假設均成立。利用Sobel檢驗方法得到，Sobel-t值為-4.632，其絕對值大于1.96，中介效果顯著，因此說明網(wǎng)絡自我調(diào)節(jié)學習在知覺注意問題對項目參與度的影響過程中起著中介作用[14]。

五、研究結(jié)論與建議

（一）結(jié)論

1.元注意（知覺注意問題）對大學生在線項目式學習參與度有負向影響

通過結(jié)果分析得出，知覺注意問題到項目參與度的路徑系數(shù)為負值并且顯著，說明知覺注意問題負向影響項目參與度，即為學習者的知覺注意問題水平越高，越容易分散注意力，參與在線項目式學習的程度越低。

2.元注意（知覺注意問題）對網(wǎng)絡自我調(diào)節(jié)學習有負向影響

通過結(jié)果分析得出，知覺注意問題到網(wǎng)絡自我調(diào)節(jié)學習的路徑系數(shù)為負值并且顯著，說明知覺注意問題負向影響網(wǎng)絡自我調(diào)節(jié)學習，即學習者的知覺注意問題水平越高，網(wǎng)絡自我調(diào)節(jié)學習能力會越低。

3.網(wǎng)絡自我調(diào)節(jié)學習對大學生在線項目式學習參與度有正向影響

通過結(jié)果分析得出，網(wǎng)絡自我調(diào)節(jié)學習到項目參與度的路徑系數(shù)為正值并且顯著，說明網(wǎng)絡自我調(diào)節(jié)學習正向影響學習者的項目參與度，即為網(wǎng)絡自我調(diào)節(jié)學習能力越高，學習者參與在線項目式學習的程度越高。

（二）建議

1.避免干擾因素，降低學習者知覺注意問題水平

知覺注意問題高的學習者在參與在線項目式學習時，應盡可能排除一些干擾因素，如關(guān)閉與學習無關(guān)的網(wǎng)頁、游戲、社交軟件、視頻網(wǎng)站等，將手機遠離或調(diào)為靜音狀態(tài)。另外，學習者可以明確項目學習目標和任務，將目標和任務寫在便利貼上并貼到醒目處，時刻提醒自己目前的學習任務，而不去做與學習無關(guān)的事情。

2.加強自我調(diào)節(jié)，提高學習者網(wǎng)絡自我調(diào)節(jié)學習能力

在線學習過程中，學習者可以明確學習目標，制定合理的在線學習目標，促使自己提高在線學習效率；可以根據(jù)自己的學習風格，尋找適合自己學習的場所，保證良好的在線學習環(huán)境；可以通過做筆記、與在線同伴交流、查閱學習資料等策略來提高在線學習效果；可以通過制定學習計劃、規(guī)劃學習時間來監(jiān)督自己在線學習；可以借助在線交流工具與教師和同伴進行學習交流和尋求幫助，增加在線學習的臨場感；可以借助在線學習評價機制和測試題，進行自我評價和反思，從而獲得在線學習的成就感。

本研究基于元注意理論和網(wǎng)絡自我調(diào)節(jié)學習理論，對大學生參與在線項目式學習程度進行了調(diào)查分析。研究還存在一定局限性，如樣本數(shù)目不夠大，樣本學科專業(yè)集中，不能代表不同專業(yè)不同階段學習者的情況；項目參與度指標的界定可能存在一定局限，還需進一步驗證。今后研究在此基礎上擴大研究范圍，更科學設計研究過程。