后疫情時代我國在線教育的影響因素分析
——基于Gretl數(shù)據(jù)分析軟件

陳 春，武 劍，范君逸

(1.2.深圳開放大學，廣東 深圳 518006；3.深圳富士康科技集團，廣東 深圳 518001)

2020年，突然出現(xiàn)的疫情影響了全國的在校生。2月初，在教育部“停課不停學”通知的要求下，全國范圍內(nèi)都在進行遠程在線教育，一大波在校生進入在線教育平臺，展開了前所未有的大規(guī)模在線學習。[1]以疫情為契機，中國進行了一場全國大中小學、培訓機構(gòu)等的線上課程大演練。

一、中國在線教育環(huán)境的PEST分析

在對中國在線教育市場進行數(shù)據(jù)分析之前，要先對它所處的環(huán)境進行一個全面的了解。PEST分析法便是用于分析市場宏觀環(huán)境的基本工具，即通過政治、經(jīng)濟、社會和技術(shù)等四個方面的因素分析來把握整個宏觀環(huán)境，并評估這些因素對在線教育市場發(fā)展目標和戰(zhàn)略制定的影響。

(一)P(politics,政治)

2020年，國家發(fā)改委、中央網(wǎng)信辦等多個部門聯(lián)合發(fā)布《關(guān)于支持新業(yè)態(tài)新模式健康發(fā)展 激活消費市場帶動擴大就業(yè)的意見》，提出支持15種新業(yè)態(tài)新模式發(fā)展。其中，在線教育居于需要重點支持發(fā)展新行業(yè)業(yè)態(tài)中的首位?！兑庖姟访鞔_要“大力發(fā)展融合化在線教育”。[2]這些政策對于研究后疫情時代我國在線教育的影響因素具有非常重要的理論和實踐意義。

(二)E(economy,經(jīng)濟)

根據(jù)中國官方數(shù)據(jù)統(tǒng)計，2019年中國GDP增速僅為6.1%，比往年正比例直線下降了0.5%。2020年由于新冠疫情，我國上半年經(jīng)濟發(fā)展受到了部分限制，這種情況在下半年情況有所緩和，但若想重新恢復活力則需要一些新行業(yè)的幫助。而根據(jù)市場調(diào)查，2019年中國在線教育市場規(guī)模約為3200億元,同比增長24.5%,預計未來3年市場規(guī)模將保持19%乃至更高的增速。各大在線教育平臺也輪流上陣，得到APP在2017年9月實現(xiàn)D輪融資，取得80億人民幣支持的成績，而后向科創(chuàng)板IPO沖刺；喜馬拉雅FM在2018年8月完成E輪融資，獲得4.6億美元資金支持；知乎在2019年8月完成F輪融資，獲得4.34億美元。這些數(shù)據(jù)說明中國的經(jīng)濟環(huán)境對于在線教育的發(fā)展十分有利。

(三)S(society,社會)

各軟件公布的數(shù)據(jù)顯示，疫情期間，教科學習類軟件日活總數(shù)大幅度上漲，漲幅達到46%?！叭藗兘逃嘤栴愊M需求是龐大的，在線教育平臺為用戶學習提供了有力支撐?！本W(wǎng)易有道CEO周楓說。疫情使得許多原本不怎么接觸網(wǎng)絡(luò)的人群開始嘗試在線教育，這有助于在線教育市場挖掘潛在用戶，提高整體滲透率與獲客效率。

(四)T(technology,技術(shù))

隨著中國踏入“互聯(lián)網(wǎng)+”的時代，數(shù)字化轉(zhuǎn)型已經(jīng)是許多產(chǎn)業(yè)需要關(guān)注的方向，而在線教育恰好就走在了這條道路的前沿。熟練地運用大數(shù)據(jù)這個工具可以幫助教育機構(gòu)和教育工作者提高效率。例如通過分析學生的學習行為以及興趣愛好做出相對應(yīng)的計劃，確保線上教育可以取得不錯的效果。通過完善互聯(lián)網(wǎng)教育技術(shù)，不僅可以增強學生的學習體驗，還可以排除一些低效率或者無效的學習工具。

基于在線教育的特點和優(yōu)勢，疫情期間的在線教育教學為學習者提供了便利的網(wǎng)上學習，打破了傳統(tǒng)教育模式的局限性，學生與教師可以不受時空限制隨時隨地開展教學活動。同時，也在一定程度上解決了因地域問題等造成的教育資源不平衡，教育質(zhì)量低下的困難，使得資源共享化，降低了學習門檻。

二、后疫情時代影響在線教育發(fā)展的因素分析

葉沛東、董宜祥(2021)以互聯(lián)網(wǎng)在線教育產(chǎn)品的活躍用戶增長率以及在線教育的搜索指數(shù)為指標，從用戶使用場景以及市場競爭兩方面討論了在線教育行業(yè)目前面臨的難題。方旭、鐵銀環(huán)(2021)通過分析加拿大在線課程的注冊人數(shù)以及在線教育使用的技術(shù)，結(jié)合加拿大的國情對中國在線教育發(fā)展提出了建議。本文通過PEST分析，結(jié)合中國國情，選擇了IDC產(chǎn)業(yè)規(guī)模以及研究與試驗發(fā)展經(jīng)費支出等7個數(shù)據(jù)進行建模分析。選擇IDC產(chǎn)業(yè)規(guī)模作為數(shù)據(jù)之一的原因，是因為作為新時代最熱門的行業(yè)之一，IDC技術(shù)提供了搭建在線教育平臺最需要的“軟件”元素。IDC產(chǎn)業(yè)，即互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet Data Center)，是指一種擁有齊全的設(shè)備(包括但不限于高速互聯(lián)網(wǎng)接入帶寬、安全可靠的機房環(huán)境等)、專業(yè)化的管理、完善的應(yīng)用的服務(wù)平臺。[3]IDC產(chǎn)業(yè)的發(fā)展可以給在線教育行業(yè)帶來更好的自動化管理技術(shù)、大規(guī)模數(shù)據(jù)分析處理能力以及數(shù)據(jù)保存能力等等。而除了“軟件”之外，“硬件”元素則由各種電子設(shè)備以及基礎(chǔ)設(shè)施構(gòu)成。設(shè)施設(shè)備的更新?lián)Q代是最能給在線教育用戶的使用體驗帶來明顯改善的方式，當用戶體驗上去了，這個行業(yè)的發(fā)展才會更加順利，這些都需要國家的資金支持。除此之外，互聯(lián)網(wǎng)普及率和圖書印刷總數(shù)反映了社會對網(wǎng)絡(luò)的接受程度，教育經(jīng)費則代表著國家政策對于整體教育產(chǎn)業(yè)的支持程度。這些元素都對在線教育市場規(guī)模有著直接影響。

本課題通過國家統(tǒng)計局網(wǎng)站、中國知網(wǎng)和艾瑞咨詢中心等查閱收集獲取我國2008—2020年十二年間的在線教育市場規(guī)模及各種相關(guān)指標因素的數(shù)據(jù)，在簡要介紹中國在線教育環(huán)境的基礎(chǔ)上，運用統(tǒng)計分析的相關(guān)理論方法，構(gòu)建了在線教育市場規(guī)模及各指標因素的多元線性回歸模型，分析主要因素對在線教育市場規(guī)模的影響程度，探求后疫情時代我國在線教育市場的發(fā)展趨勢。

首先我們選擇了2008—2020年作為時間區(qū)間。被解釋變量為在線教育市場規(guī)模(Y)，解釋變量為每十萬人口高等學校平均在校生數(shù)(X1)，國民總收入(X2)，財政性教育經(jīng)費(X3)，中國IDC行業(yè)市場規(guī)模(X4)，互聯(lián)網(wǎng)普率(X5)，研究與試驗發(fā)展經(jīng)費支出(X6)，圖書總印數(shù)(X7)。對上述各指標因素進行相關(guān)性分析，初步構(gòu)建多元線性回歸模型；然后通過模型估計、解釋變量的相關(guān)系數(shù)、輔助回歸發(fā)現(xiàn)解釋變量存在嚴重的多重共線性，經(jīng)過逐步回歸的方法修正多重共線性。再經(jīng)過統(tǒng)計檢驗確定多元回歸模型，得出影響在線教育市場規(guī)模的重要因素；最后根據(jù)重要因素對市場規(guī)模的影響程度大小，為我國在線教育的發(fā)展提出一些合理、有效的建議，具體數(shù)據(jù)見表1。

表1

(一)相關(guān)性分析

首先通過圖1可以看出，因變量和自變量變動趨勢相同。制作相關(guān)系數(shù)矩陣后，從相關(guān)分析結(jié)果表2可以看出在線教育市場規(guī)模(Y)與解釋變量為每十萬人口高等學校平均在校生數(shù)(X1)，國民總收入(X2)，財政性教育經(jīng)費(X3)，中國IDC行業(yè)市場規(guī)模(X4)，互聯(lián)網(wǎng)普率(X5)，研究與試驗發(fā)展經(jīng)費支出(X6)，圖書總印數(shù)(X7)的相關(guān)系數(shù)分別為0.9814、0.9644、0.9397、0.9977、0.9079、0.9651、0.9743，所有解釋變量與Y的相關(guān)關(guān)系都較為密切，且為正相關(guān)關(guān)系。其中在線教育市場規(guī)模與中國IDC行業(yè)市場規(guī)模之間的關(guān)系最為密切。各種影響因素的差異更為明顯。其他幾個項目的變化方向基本相同。據(jù)猜測，兩者之間可能存在某種相關(guān)性。綜上所述，該模型定義為線性回歸模型，方程如表2：

圖1 各變量趨勢圖

表2 各變量相關(guān)系數(shù)矩陣

(二)模型的估計

對數(shù)據(jù)進行OLS回歸分析，得表3結(jié)果：

表3 OLS回歸結(jié)果

1.擬合優(yōu)度：由表3中的數(shù)據(jù)可以得到：R2=0.9982，修正的可決系數(shù)為R2=0.9958，這說明模型對樣本的擬合效果比較好。

2.F檢驗：針對H0：β1=β2=β3=β4=β5=β6=β7=0，給定顯著性水平α=0.05，通過F分布表確認，應(yīng)拒絕原假設(shè)，說明回歸方程顯著，即各自變量聯(lián)合起來確定對“在線教育市場規(guī)?！庇酗@著影響。[5]

(三)多重共線性的檢驗

1.計算自變量間的相關(guān)系數(shù)，得出表4結(jié)果：

表4 自變量相關(guān)系數(shù)

通過分析相關(guān)系數(shù)矩陣，各解釋變量相互之間的相關(guān)系數(shù)較高，證實存在一定的多重共線性。

2.輔助回歸：為了更好地確定模型的多重共線性，采用輔助回歸，將每個X變量分別作為被解釋變量都對其余的X變量進行回歸，從回歸結(jié)果得出可決系數(shù)并以此計算方差擴大因子值：

由表5可知，所有解釋變量的VIF值都遠比10大，模型存在嚴重多重共線性問題。

表5 輔助回歸的R2值

(四)修正多重共線性及模型的統(tǒng)計檢驗

通過上述分析，最后使用向后剔除的逐步回歸方法篩選并剔除引起多重共線性的變量。并結(jié)合變量的經(jīng)濟意義和統(tǒng)計檢驗數(shù)值確定擬合效果更好的多元線性回歸方程。

由表6可知，模型的R2為0.9953，接近于1，說明,模型的擬合效果好，因此選擇該模型，得出最終預測模型為：

表6 逐步回歸結(jié)果

Y=112.318+1.35446X4+0.0309X6

在其他解釋變量不變的情況下，解釋變量“中國IDC行業(yè)市場規(guī)?！?X4)、“研究與試驗發(fā)展經(jīng)費支出”(X6)分別對被解釋變量“在線教育市場規(guī)?！?Y)有顯著的影響，如果中國IDC行業(yè)市場規(guī)模每增加1%，則在線教育市場規(guī)模平均增加1.35446%；如果研究與試驗發(fā)展經(jīng)費支出每增加1%，則在線教育市場規(guī)模平均增加0.0309%。模型中剩余解釋變量的變化情況與前期所做檢測相符。

(五)模型分析

對上述模型進行進一步分析，利用該回歸模型計算出的在線教育市場規(guī)模估計值與實際值作對比，作出折線圖2。

圖2 實際值與預測值折線圖

根據(jù)圖2可以看到利用建立的模型得出的預測數(shù)據(jù)與歷史數(shù)據(jù)有相當好的擬合性，兩條線的軌跡幾乎完全重合。

三、結(jié)論與建議

(一)結(jié)論

本文分析了影響在線教育發(fā)展的主要因素，并對在線教育發(fā)展趨勢進行了預測，根據(jù)模型可以得出結(jié)論：中國IDC行業(yè)市場規(guī)模每增加1%，則在線教育市場規(guī)模平均增加1.35446%；如果研究與試驗發(fā)展經(jīng)費支出每增加1%，則在線教育市場規(guī)模平均增加0.0309%?？梢哉J為，在選擇的影響因素當中，影響在線教育產(chǎn)業(yè)發(fā)展的主要因素是研究與試驗發(fā)展經(jīng)費支出和中國IDC行業(yè)市場規(guī)模，在接下來一段時間內(nèi)在線教育市場仍有很大的上升空間，根據(jù)模型對其3年后數(shù)值進行估測，結(jié)果顯示到2023年市場規(guī)模將可能超過5000億元。

(二)建議

基于上述對在線教育市場的分析，為了在線教育的更好發(fā)展，針對相關(guān)影響因素，提出以下建議：

1.從全球角度來看，IDC是一個快速增長的行業(yè)。全球IDC行市場已從2013年的284.4億美元增長到2018年的660.9億美元，年復合增長率約為18%。同時期中國IDC市場由39.98億美元增長到187.02億美元，年復合增長率為31%，增速位于全球頂尖。并且，中國的研究與試驗發(fā)展經(jīng)費投入也在逐年上升，帶來的結(jié)果最直觀的體現(xiàn)便是每年申請的大量新專利以及新發(fā)明。作為在線教育發(fā)展的“硬件”與“軟件”，它們的重要性不言而喻。盡管如此，這次的疫情還是使得這兩大方面暴露出了許多問題。例如當政府普及線上課程的過程中，有相當一部分偏遠地區(qū)的學校的學生因為網(wǎng)絡(luò)和設(shè)備問題無法進行線上上課。即使能參與線上課程，也有許多學生或老師反映存在網(wǎng)絡(luò)卡頓、畫面清晰度不行、語音視頻質(zhì)量不好等等問題。這些都會影響到用戶使用在線教育的體驗，從而造成用戶流失。中國在這兩方面起步晚，但是增速快，若適當增加對IDC產(chǎn)業(yè)以及硬件設(shè)備研發(fā)的關(guān)注度，將這兩方面的短板補上，將給在線教育市場的發(fā)展提供更好的環(huán)境。

2.通過PEST分析，在線教育不僅背后有國家推動，也擁有龐大的潛在用戶群，但是如何吸引、管理這些用戶并且提高課程的各方面完成度也是十分重要的問題。這種在線學習相較于傳統(tǒng)的線下課程缺乏足夠的教室學習氛圍。當進行長時間的線上教學時，很容易令學生感到膩煩、無聊，這些情緒便是導致他們的學習積極性不高的直接誘因。同時，這還需要學生有一定的自制力，因為學生的注意力很容易被教學過程外的情況吸引，導致精神不集中，例如電腦自動彈出的界面都極有可能導致學生的分神。而且下課后學生的一些疑惑想要得到老師的及時解答也并不容易。所以除了技術(shù)方面，如何讓學生建立自主學習能力，保持對線上課程的注意力，提高學習效率，也是需要關(guān)注的方向之一。

在線教育的高速發(fā)展早已引來多方關(guān)注，資本競相入場。然而激烈的市場競爭也令運營、維護、獲客等成本大大提高。平臺資質(zhì)的良莠不齊也對在線教育的口碑有著很大影響。如何在提升軟硬件服務(wù)的同時保證學生學習效率以及課程的優(yōu)質(zhì)，將是后疫情時代在線教育面臨的一場大考。