學(xué)習(xí)者在線學(xué)習(xí)行為投入新探索

摘要：作為線上學(xué)習(xí)質(zhì)量的重要憑據(jù)，學(xué)習(xí)者的在線學(xué)習(xí)投入備受關(guān)注?？v觀已有的在線學(xué)習(xí)投入研究，有基于行為數(shù)據(jù)的分析研判，也有結(jié)合認(rèn)知、情感和社會(huì)因素的綜合評(píng)判，但仍有諸多未解之謎，需進(jìn)一步深入持續(xù)地分析探討。從當(dāng)前網(wǎng)絡(luò)信息獲取及應(yīng)用的有效方式來(lái)看，大量的行為數(shù)據(jù)是在線學(xué)習(xí)投入質(zhì)量分析的重要信息內(nèi)容。從學(xué)習(xí)行為的外顯性和內(nèi)隱性?xún)蓚€(gè)屬性對(duì)學(xué)習(xí)者在線學(xué)習(xí)信息進(jìn)行分類(lèi)探索，有助于綜合考慮影響學(xué)習(xí)質(zhì)量的行為、認(rèn)知和情感等因素。在此分類(lèi)基礎(chǔ)上，結(jié)合點(diǎn)、線、面研究方法各自的特點(diǎn)，先后通過(guò)百分等級(jí)量表、單維和多維Rasch分析技術(shù)的應(yīng)用，分別構(gòu)建了針對(duì)學(xué)習(xí)者在線學(xué)習(xí)行為投入強(qiáng)度、效度及精準(zhǔn)度評(píng)估的模型。最后通過(guò)準(zhǔn)確獲取在線學(xué)習(xí)的過(guò)程信息、全面掌握線上學(xué)習(xí)的質(zhì)量結(jié)果，以及主動(dòng)反思在線學(xué)習(xí)參與的實(shí)效性等應(yīng)用驗(yàn)證了評(píng)估模型的有效性。

關(guān)鍵詞：在線學(xué)習(xí)；行為投入；評(píng)估模型；象限圖法；Rasch分析

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A

本文系全國(guó)教育科學(xué)“十三五”規(guī)劃課題“大學(xué)教學(xué)現(xiàn)代化的戰(zhàn)略愿景與理論創(chuàng)新研究”（課題編號(hào)：BCA180085）階段性成果。

近年來(lái)，我國(guó)相繼出臺(tái)多項(xiàng)政策，持續(xù)強(qiáng)調(diào)高等教育數(shù)字化轉(zhuǎn)型的強(qiáng)大引擎作用。2022年1月，全國(guó)教育工作會(huì)議明確提出“實(shí)施教育數(shù)字化戰(zhàn)略行動(dòng)”。2023年1月，全國(guó)教育工作會(huì)議又提出“縱深推進(jìn)教育數(shù)字化戰(zhàn)略行動(dòng)，重點(diǎn)做好大數(shù)據(jù)中心建設(shè)、數(shù)據(jù)充分賦能、有效公共服務(wù)、擴(kuò)大國(guó)際合作四件事”。數(shù)字化轉(zhuǎn)型的核心包括知識(shí)和數(shù)據(jù)驅(qū)動(dòng)[1]，數(shù)據(jù)驅(qū)動(dòng)的目的在于因材施教，通過(guò)對(duì)學(xué)生進(jìn)行大數(shù)據(jù)分析，發(fā)現(xiàn)學(xué)生的優(yōu)點(diǎn)特長(zhǎng)，從而實(shí)施精準(zhǔn)培養(yǎng)[2]。數(shù)據(jù)作為數(shù)字化轉(zhuǎn)型的基礎(chǔ)，成為其顯著的特征。美國(guó)高等教育信息化協(xié)會(huì)發(fā)布報(bào)告《2023 年高等教育趨勢(shì)觀察》，總結(jié)了2023年高等教育中涌現(xiàn)的諸多趨勢(shì)，其中一個(gè)顯著的態(tài)勢(shì)就是，將基于數(shù)據(jù)的決策納入現(xiàn)有的高等教育機(jī)構(gòu)規(guī)劃和管理活動(dòng)的流程中，也可以將其編入應(yīng)用程序中，為學(xué)生、教師和其他成員生成實(shí)時(shí)、個(gè)性化的建議[3]。互聯(lián)網(wǎng)智能時(shí)代的課堂教學(xué)已從過(guò)去簡(jiǎn)單的“舞臺(tái)劇”式的教師獨(dú)白，逐漸變成虛實(shí)結(jié)合、生動(dòng)有趣、實(shí)時(shí)交互的“大片”[4]，疫情期間的“緊急遠(yuǎn)程教學(xué)”模式也將由用“混合在線教學(xué)”模式所取代。無(wú)論采取何種形式的教學(xué)，學(xué)習(xí)質(zhì)量始終是教學(xué)的生命線。眾多研究均已表明，學(xué)習(xí)投入是學(xué)習(xí)結(jié)果產(chǎn)出的必要保證，也是學(xué)習(xí)質(zhì)量評(píng)估的一個(gè)顯性指標(biāo)。對(duì)于學(xué)習(xí)投入的構(gòu)成要素，從最初的“行為”“認(rèn)知”兩個(gè)維度到“行為、認(rèn)知、情感”三個(gè)維度，后來(lái)增加了社交投入維度，形成四維框架[5]。線上學(xué)習(xí)的過(guò)程信息為學(xué)習(xí)投入研究提供了直接的數(shù)據(jù)支持，學(xué)習(xí)者的在線學(xué)習(xí)投入研究引起了課程開(kāi)發(fā)及相關(guān)管理服務(wù)工作者的持續(xù)關(guān)注。高等教育教學(xué)數(shù)字化轉(zhuǎn)型的本質(zhì)是人的轉(zhuǎn)型[6]，而網(wǎng)絡(luò)環(huán)境下學(xué)生的學(xué)習(xí)投入狀況將直接反映出學(xué)生是否真正成為學(xué)習(xí)的主角。

在線學(xué)習(xí)信息的記錄和累積為揭示在線學(xué)習(xí)者的學(xué)習(xí)投入狀況提供了一種可能，學(xué)習(xí)者的在線學(xué)習(xí)投入研究正經(jīng)歷從傳統(tǒng)自我報(bào)告向多模態(tài)信息獲取轉(zhuǎn)變的過(guò)程。目前研究者基于海量文本與圖像等結(jié)果數(shù)據(jù)，實(shí)現(xiàn)了跨模態(tài)理解與生成，如GPT-4。相對(duì)于大量的學(xué)習(xí)結(jié)果信息，學(xué)習(xí)過(guò)程中所能獲取的過(guò)程數(shù)據(jù)還有待進(jìn)一步深挖。就目前線上學(xué)習(xí)中所能記錄的數(shù)據(jù)只是學(xué)習(xí)者的行為表現(xiàn)，對(duì)其學(xué)習(xí)過(guò)程中深層次的認(rèn)知思考及情感態(tài)度還無(wú)法大面積地獲取。在一些實(shí)驗(yàn)控制狀態(tài)下借助特殊儀器可以獲取學(xué)習(xí)者生理學(xué)的、心理學(xué)的或行為學(xué)的、社會(huì)學(xué)的數(shù)據(jù)，試圖對(duì)學(xué)習(xí)者的學(xué)習(xí)投入進(jìn)行多模態(tài)的分析評(píng)估，但其應(yīng)用場(chǎng)景非常有限，無(wú)法滿足當(dāng)前大規(guī)模在線學(xué)習(xí)數(shù)據(jù)分析的需要。尤其像腦電圖模式下的個(gè)體差異需要一個(gè)更復(fù)雜的教育投入評(píng)估指標(biāo)[7]。因此，基于行為數(shù)據(jù)的學(xué)習(xí)投入研究依然是當(dāng)前在線學(xué)習(xí)質(zhì)量評(píng)估的主要路徑。從行為科學(xué)的角度來(lái)看，人的外顯行為和內(nèi)在的心理特性之間有著必然的聯(lián)系。因此，如何將學(xué)習(xí)行為分析與人的內(nèi)在情感及認(rèn)知投入結(jié)合起來(lái)考慮是對(duì)線上行為數(shù)據(jù)加以合理利用的有效方式，也是針對(duì)當(dāng)前學(xué)習(xí)者學(xué)習(xí)投入評(píng)估問(wèn)題而采取的必要補(bǔ)充措施。

促進(jìn)學(xué)習(xí)者的有效學(xué)習(xí)投入被認(rèn)為是提升線上教學(xué)質(zhì)量的關(guān)鍵，相關(guān)研究主要圍繞學(xué)習(xí)者的在線學(xué)習(xí)行為投入水平、效果及適切性程度展開(kāi)。

（一）有關(guān)在線學(xué)習(xí)行為投入水平的研究

對(duì)于學(xué)習(xí)者學(xué)習(xí)投入水平的研究，眾多學(xué)者表明學(xué)習(xí)投入實(shí)際上是學(xué)習(xí)者用于學(xué)習(xí)的時(shí)間問(wèn)題或交互性水平等，經(jīng)常也簡(jiǎn)稱(chēng)為投入度。首先從不同的學(xué)習(xí)投入行為分類(lèi)開(kāi)始，基于不同的分類(lèi)結(jié)果，眾多研究對(duì)在線學(xué)習(xí)投入水平結(jié)果進(jìn)行了描述。蘭麗娜等從學(xué)習(xí)動(dòng)力、學(xué)習(xí)態(tài)度、學(xué)習(xí)效率、學(xué)習(xí)毅力、創(chuàng)造思維和學(xué)習(xí)方法六個(gè)方面采集平臺(tái)數(shù)據(jù)，通過(guò)“六?！狈治觯瑢?duì)學(xué)習(xí)行為進(jìn)行評(píng)估，將學(xué)習(xí)者的學(xué)習(xí)行為狀態(tài)進(jìn)行分類(lèi)，用學(xué)習(xí)行為模型評(píng)估表來(lái)計(jì)算學(xué)生學(xué)習(xí)行為要素值，由此實(shí)時(shí)動(dòng)態(tài)反映學(xué)生學(xué)習(xí)行為投入水平[8]。沈欣憶等構(gòu)建了MOOCAP在線學(xué)習(xí)行為和學(xué)習(xí)評(píng)價(jià)模型，將學(xué)習(xí)行為按偏好分為規(guī)律型、均衡型、積極參與型、序列型和張弛型，以此來(lái)對(duì)學(xué)生學(xué)習(xí)投入強(qiáng)度進(jìn)行排列分類(lèi)[9]。張思等人通過(guò)收集網(wǎng)絡(luò)空間中的在線學(xué)習(xí)數(shù)據(jù)，從參與、專(zhuān)注、規(guī)律、交互四個(gè)維度測(cè)量學(xué)習(xí)投入，包含學(xué)習(xí)者登錄網(wǎng)絡(luò)學(xué)習(xí)空間的次數(shù)、平均時(shí)間、登錄間隔、點(diǎn)度中心性等16個(gè)變量，通過(guò)計(jì)算均值與標(biāo)準(zhǔn)差描述學(xué)習(xí)投入的基本狀況[10]。韓錫斌等人提出利用學(xué)生學(xué)習(xí)投入量表，通過(guò)排序、相關(guān)性分析、分布描述統(tǒng)計(jì)、四分位距統(tǒng)計(jì)方法來(lái)對(duì)學(xué)生不同學(xué)習(xí)行為投入水平做出測(cè)量，能夠全面定量地描述學(xué)生在主動(dòng)學(xué)習(xí)、師生交互、小組協(xié)作、策略運(yùn)用、自我管理和情感投入六個(gè)維度上的表現(xiàn)[11]。李爽等編制遠(yuǎn)程學(xué)生學(xué)習(xí)投入評(píng)價(jià)量表，通過(guò)量表測(cè)量學(xué)生投入現(xiàn)狀，并通過(guò)均值計(jì)算對(duì)學(xué)習(xí)行為投入進(jìn)行排序[12]。Dixson依據(jù)編制的“在線學(xué)習(xí)投入量表”從四個(gè)維度探究在線學(xué)習(xí)環(huán)境下學(xué)習(xí)投入水平：技能、情感、參與和表現(xiàn)，并對(duì)其包含的行為投入進(jìn)行高低排序[13]。也有研究通過(guò)相關(guān)性分析、滯后序列分析和聚類(lèi)分析等對(duì)在線學(xué)習(xí)行為序列和參與模式進(jìn)行了實(shí)證探索，將學(xué)生樣本根據(jù)其行為序列特征劃分為五種類(lèi)型，并定義出五種在線參與模式：即低投入式、淺層次投入式、績(jī)效投入式、循序漸進(jìn)式和隨機(jī)參與式[14]。王洪江等人還根據(jù)xAPI標(biāo)準(zhǔn)所提出的在線學(xué)習(xí)活動(dòng)，確定當(dāng)前能反應(yīng)獨(dú)立自主學(xué)習(xí)活動(dòng)的三類(lèi)數(shù)據(jù)——教學(xué)視頻播放行為數(shù)據(jù)、視頻觀看時(shí)長(zhǎng)和并發(fā)學(xué)習(xí)行為數(shù)據(jù)，提出在線學(xué)習(xí)投入度算法，實(shí)現(xiàn)了對(duì)自主學(xué)習(xí)投入度的實(shí)時(shí)觀測(cè)與計(jì)算[15]。

除了單一的在線學(xué)習(xí)行為投入分析之外，相關(guān)研究也嘗試將其與學(xué)習(xí)者的認(rèn)知、情感等要素結(jié)合起來(lái)分析學(xué)習(xí)投入水平狀況。王改花、傅綱善從認(rèn)知、情感和意志三個(gè)維度編制了網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者特征量表，并通過(guò)在線行為數(shù)據(jù)的聚類(lèi)分析將在線學(xué)習(xí)者分為高沉浸性型、較高沉浸性型、中沉浸性型、低沉浸性型四種群體，通過(guò)分類(lèi)剖面圖直觀呈現(xiàn)每個(gè)屬性及其分布，由每種群體中的人數(shù)判斷學(xué)習(xí)者學(xué)習(xí)投入整體水平[16]。李艷燕等從認(rèn)知投入、行為投入、社交投入、情感投入四個(gè)維度構(gòu)建了在線協(xié)作學(xué)習(xí)中小組學(xué)習(xí)投入的分析模型，采用標(biāo)準(zhǔn)差方式對(duì)于行為投入基本情況進(jìn)行排列，以此表示學(xué)習(xí)者行為投入水平，其中行為投入中發(fā)帖量最能體現(xiàn)學(xué)生在線學(xué)習(xí)的投入強(qiáng)度[17]。

盡管前人的研究均已表明，學(xué)習(xí)者的在線學(xué)習(xí)投入類(lèi)型不同其強(qiáng)度也各有差異，但總體上并沒(méi)有形成學(xué)習(xí)者在線學(xué)習(xí)投入強(qiáng)度評(píng)估的常模量表，即缺乏一個(gè)客觀衡量學(xué)習(xí)者在線表現(xiàn)優(yōu)劣的標(biāo)準(zhǔn)。相關(guān)研究也只是較多傾向于針對(duì)學(xué)習(xí)者的在線學(xué)習(xí)行為類(lèi)型進(jìn)行相互比較，每一種學(xué)習(xí)行為相對(duì)于其它行為都有一個(gè)相對(duì)意義上的學(xué)習(xí)投入水平高低，但針對(duì)同一類(lèi)型學(xué)習(xí)者的同一學(xué)習(xí)行為投入水平評(píng)估則缺乏一個(gè)可參照的依據(jù)，并不能從絕對(duì)意義上刻畫(huà)出每一位學(xué)習(xí)者的在線學(xué)習(xí)行為投入水平或強(qiáng)度。

（二）有關(guān)在線學(xué)習(xí)投入效果的研究

在線學(xué)習(xí)投入效果或有效性主要是指學(xué)習(xí)投入的時(shí)間、交互等問(wèn)題與學(xué)習(xí)質(zhì)量之間的關(guān)系。Carrol曾提出影響學(xué)生學(xué)習(xí)結(jié)果的個(gè)體內(nèi)部因素和外部條件最終均可還原為時(shí)間，以學(xué)習(xí)時(shí)間來(lái)表示[18]。Andrew & Ronald的研究證明，學(xué)習(xí)投入能夠促進(jìn)學(xué)生的學(xué)業(yè)成就，提升專(zhuān)業(yè)成熟性，降低輟學(xué)率，并與學(xué)習(xí)績(jī)效呈顯著的正相關(guān)[19]。Ji Won You通過(guò)調(diào)查大學(xué)生的課程數(shù)據(jù)發(fā)現(xiàn)，學(xué)生的學(xué)習(xí)規(guī)律、作業(yè)遲交數(shù)量、課程登錄頻率等學(xué)習(xí)行為都可以預(yù)測(cè)學(xué)生的課程成績(jī)[20]。胡小勇等人針對(duì)大學(xué)生群體的研究發(fā)現(xiàn)，在線學(xué)習(xí)投入對(duì)在線學(xué)習(xí)績(jī)效具有直接正向影響[21]。Adrienne E.Williams等對(duì)MOOC學(xué)習(xí)的第一周成績(jī)和線上學(xué)習(xí)行為做了相關(guān)分析，發(fā)現(xiàn)第一周的學(xué)習(xí)成績(jī)與在線學(xué)習(xí)行為投入呈正相關(guān)，且增加外部刺激會(huì)有助于提升學(xué)習(xí)效果[22]。Hughes Glyn等探討了技術(shù)對(duì)開(kāi)放學(xué)習(xí)的影響，通過(guò)捕獲和分析學(xué)生表現(xiàn)的數(shù)據(jù)，發(fā)現(xiàn)積極參與、較高互動(dòng)和良好出勤對(duì)應(yīng)了較高的分?jǐn)?shù)[23]。P.G.Barba等調(diào)查了動(dòng)機(jī)和參與對(duì)學(xué)生學(xué)習(xí)MOOC的影響，結(jié)果發(fā)現(xiàn)績(jī)效的最強(qiáng)預(yù)測(cè)指標(biāo)是參與度[24]。Li N等人在研究中也驗(yàn)證了在線學(xué)習(xí)參與和學(xué)業(yè)表現(xiàn)之間的相關(guān)性[25]。Chia-Lin Tsai等則提出在線學(xué)習(xí)中投入更多互動(dòng)的學(xué)生對(duì)學(xué)習(xí)結(jié)果最有利[26]。李艷燕等人得出在小組學(xué)習(xí)投入中行為投入、社交投入與小組成績(jī)呈顯著正相關(guān)關(guān)系的結(jié)論，而積極、消極、困惑三類(lèi)情感投入則與小組成績(jī)呈負(fù)相關(guān)關(guān)系[27]。R.Conijn等在研究中進(jìn)一步使用相關(guān)性、多元回歸和過(guò)程挖掘分析了學(xué)生總的活動(dòng)頻率、對(duì)待特定課程項(xiàng)目的頻率和活動(dòng)順序用以預(yù)測(cè)學(xué)生的表現(xiàn)，發(fā)現(xiàn)65%的特定課程項(xiàng)目活動(dòng)與期末成績(jī)顯著相關(guān)[28]。Robert L.Peach等人利用貝葉斯模型和時(shí)間序列數(shù)據(jù)框架，分析描述了在線課程中個(gè)人和小組學(xué)習(xí)者的行為，發(fā)現(xiàn)高成績(jī)學(xué)習(xí)者對(duì)于課程的投入度更高[29]。

由此可見(jiàn)在線學(xué)習(xí)投入與學(xué)習(xí)成績(jī)、學(xué)習(xí)效果之間存在必然的聯(lián)系，也突顯出學(xué)習(xí)行為研究對(duì)學(xué)習(xí)效果的預(yù)測(cè)價(jià)值。而針對(duì)學(xué)習(xí)投入，它永遠(yuǎn)離不開(kāi)時(shí)間因素，如何推進(jìn)解釋、預(yù)測(cè)學(xué)習(xí)時(shí)間與學(xué)習(xí)結(jié)果之間復(fù)雜關(guān)系的研究將成為學(xué)習(xí)研究領(lǐng)域持續(xù)關(guān)注的課題。從早期的學(xué)習(xí)時(shí)間與學(xué)習(xí)結(jié)果關(guān)系探討中也可以發(fā)現(xiàn)一些不足：如諸多研究過(guò)于強(qiáng)調(diào)時(shí)間，而忽視了學(xué)習(xí)任務(wù)性質(zhì)；較少考慮不同時(shí)間段學(xué)習(xí)者學(xué)習(xí)效率的變化；缺少嗜好、態(tài)度和價(jià)值對(duì)學(xué)習(xí)時(shí)間影響的考慮等。

（三）有關(guān)在線學(xué)習(xí)投入適切性的研究

關(guān)于學(xué)習(xí)投入的適切性或精準(zhǔn)度主要涉及學(xué)生如何學(xué)習(xí)的問(wèn)題，即綜合考慮行為類(lèi)型與投入時(shí)間共同對(duì)學(xué)習(xí)效果的影響作用。單從學(xué)習(xí)投入類(lèi)型對(duì)學(xué)習(xí)的影響作用來(lái)看，已在學(xué)習(xí)投入強(qiáng)度和效果研究中有所體現(xiàn)。如張琪等利用學(xué)習(xí)者對(duì)信息交換活動(dòng)的適應(yīng)性調(diào)節(jié)過(guò)程分析了學(xué)習(xí)行為投入的狀態(tài)，建立起周期反饋循環(huán)模型，確定了包含持續(xù)性、反思性、主動(dòng)性與專(zhuān)注性的“PRIC”評(píng)測(cè)維度，對(duì)其中的學(xué)習(xí)行為投入進(jìn)行了權(quán)重計(jì)算，提出位于持續(xù)性的行為權(quán)重最高，其次是主動(dòng)性、反思性與專(zhuān)注性，勾勒出學(xué)習(xí)行為投入各維度及指標(biāo)的重要程度[30]。尹睿等人構(gòu)建了“行為投入、認(rèn)知投入、情感投入和社會(huì)交互投入”的理論模型，分析出在線學(xué)習(xí)投入各結(jié)構(gòu)要素對(duì)總體在線學(xué)習(xí)投入有不同程度的影響，其中社會(huì)交互投入影響最大，接下來(lái)依次是認(rèn)知投入、情感投入和行為投入[31]?？傮w來(lái)看，目前對(duì)于學(xué)習(xí)投入精準(zhǔn)度的研究尚缺乏全面細(xì)化的投入分析模型，但從投入類(lèi)型和投入時(shí)間兩方面結(jié)合分析的研究已陸續(xù)展開(kāi)。W Peng結(jié)合網(wǎng)上學(xué)習(xí)過(guò)程的行為特征提出了“三維度四層次”的學(xué)生分析框架接觸模型，運(yùn)用不同的方法對(duì)學(xué)生學(xué)習(xí)投入的三個(gè)維度進(jìn)行精準(zhǔn)分析研究[32]。宗陽(yáng)等人在RFM模型基礎(chǔ)上依據(jù)xMOOC在線學(xué)習(xí)過(guò)程特點(diǎn)，提出中國(guó)MOOCs學(xué)習(xí)者的價(jià)值衡量模型ML-RFT，采用模型指標(biāo)原始值與所有學(xué)習(xí)者平均值比較的方法將MOOCs學(xué)習(xí)者分為八大類(lèi)[33]。R Deng等人設(shè)計(jì)了衡量學(xué)習(xí)者投入度的量表，該量表由四個(gè)維度組成：行為參與、認(rèn)知參與、情感參與和社會(huì)參與，用來(lái)精確評(píng)估學(xué)習(xí)者在MOOC教學(xué)中的投入，并簡(jiǎn)單分析了更有益于學(xué)習(xí)效果的行為投入強(qiáng)度[34]。

從已有的研究成果看，眾多研究主要采用描述性統(tǒng)計(jì)或回歸分析，僅能表征少量行為投入的簡(jiǎn)單線性關(guān)系，缺少對(duì)不同階段認(rèn)知、行為及情感投入綜合影響關(guān)系的結(jié)構(gòu)化考查。同時(shí)，研究結(jié)果僅停留在對(duì)于學(xué)習(xí)行為投入維度的劃分上，缺乏對(duì)投入時(shí)間系列與學(xué)習(xí)質(zhì)量關(guān)系的對(duì)比分析，對(duì)于學(xué)習(xí)者某一具體學(xué)習(xí)行為表現(xiàn)的最佳閾值區(qū)間還缺乏系統(tǒng)科學(xué)的論證。

目前在教育研究領(lǐng)域存在一種點(diǎn)、線、面類(lèi)型的方法系譜[35]?！包c(diǎn)”式方法，是從一個(gè)概念、一個(gè)假設(shè)、一個(gè)理論出發(fā)，或者一對(duì)范疇、或者從點(diǎn)構(gòu)成的三角關(guān)系出發(fā)而展開(kāi)的教育研究。如傅鋼善等從認(rèn)知、情感和意志三個(gè)維度編制了網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者特征量表，以及從行為、認(rèn)知和情感三方面研究在線學(xué)習(xí)投入就是典型的“三點(diǎn)式”；而假設(shè)學(xué)習(xí)者的學(xué)習(xí)投入會(huì)影響到其學(xué)習(xí)效果，就是“一點(diǎn)式”的研究?！熬€”性方法是指按照某種一元化標(biāo)準(zhǔn)對(duì)研究對(duì)象進(jìn)行的兩個(gè)以上的分段或分類(lèi)。具體來(lái)說(shuō)，“線”性方法可分為階段法、分類(lèi)法與連續(xù)體方法。如李爽等將36個(gè)行為序列分為五類(lèi)在線參與模式，即低投入式、淺層次投入式、績(jī)效投入式、循序漸進(jìn)式和隨機(jī)參與式。諸如這樣采用線性方法開(kāi)展的分類(lèi)或分段研究較多。象限圖分析法就是相對(duì)于“點(diǎn)”式方法與“線”性方法而言的“面”上研究方法，其分析構(gòu)成要素包括“兩維”與“兩極”，由兩維與兩極構(gòu)成的象限形成一個(gè)平面，稱(chēng)作“面”上研究。當(dāng)下“點(diǎn)”式方法是教育研究的主流方法，“線”性方法則有待進(jìn)一步深化，“面”上方法，即象限圖分析方法卻很少被研究者關(guān)注。有關(guān)在線學(xué)習(xí)行為投入的研究目前也主要集中在點(diǎn)式或線性方法的交替應(yīng)用上，采用面上方法開(kāi)展的研究則不常見(jiàn)。

“面”上研究方法中的二維象限法最早起源于管理學(xué)，并受到認(rèn)同和廣泛的應(yīng)用[36]。廣義上的象限圖方法是指以事物（事件、工作、項(xiàng)目等）的兩個(gè)重要屬性為分析依據(jù)，進(jìn)行分類(lèi)分析，找出解決問(wèn)題辦法的一種分析方法。運(yùn)用象限圖法的分析思路并不復(fù)雜，但實(shí)際價(jià)值卻不容小覷。具體使用過(guò)程就是通過(guò)分析找到研究對(duì)象最重要或影響力最大的兩個(gè)方面分別構(gòu)建“兩維”和“兩極”。“兩維”是指建立分析坐標(biāo)的兩條軸線，分別用A、B表示；“兩極”是指同一坐標(biāo)系軸線兩端所代表的方向完全相反的描述性標(biāo)準(zhǔn)，由“兩維”和“兩極”構(gòu)成的象限是一個(gè)平面。只要A、B兩方面區(qū)分合理、相互獨(dú)立且每個(gè)維度的標(biāo)準(zhǔn)統(tǒng)一、兩極對(duì)立，就很容易將研究問(wèn)題的一個(gè)新維度或新類(lèi)型擴(kuò)充出來(lái)，由此延伸下去，可以開(kāi)拓出有意義的研究新方向，從而提出許多有意義的觀點(diǎn)。因?yàn)槎S象限分析的基本特點(diǎn)是同時(shí)采用兩個(gè)分析維度，且至少把研究對(duì)象分成四種情況來(lái)加以考慮，其主要價(jià)值是可以拓展研究者的思維，超越狹隘封閉的一元化思維和簡(jiǎn)單的線性模式。因此在教育現(xiàn)象研究中，運(yùn)用象限圖法能夠在假設(shè)提出、類(lèi)型劃分和模型構(gòu)建等方面發(fā)揮其獨(dú)特的作用。

學(xué)習(xí)行為不僅存在各種外在表現(xiàn)形式，也反映著不同學(xué)習(xí)者的心理狀態(tài)。在心理學(xué)中，內(nèi)隱是個(gè)體對(duì)事物所持的積極或消極的認(rèn)知、情感或反應(yīng)，由不自覺(jué)的以往經(jīng)驗(yàn)或不能歸因于以往某一確定經(jīng)驗(yàn)所引起。認(rèn)知心理學(xué)和社會(huì)心理學(xué)中常用的內(nèi)隱態(tài)度定義來(lái)自于Greenwald & Banaji對(duì)內(nèi)隱認(rèn)知相關(guān)概念的定義：即內(nèi)隱態(tài)度是無(wú)法省識(shí)（或準(zhǔn)確識(shí)別）的過(guò)去經(jīng)驗(yàn)痕跡，它調(diào)解著對(duì)社會(huì)上的事物喜歡或不喜歡的情感、認(rèn)知和反應(yīng)[37]。行為治療理論也把行為分為內(nèi)隱和外顯兩種，其中內(nèi)隱性行為包括思想、想象、感覺(jué)和情緒等。該理論認(rèn)為，外顯行為和內(nèi)隱性行為同出一源，處于同一連續(xù)體上，兩者的重要性是相同的。外顯行為可以轉(zhuǎn)化為內(nèi)隱行為，影響內(nèi)隱行為；反過(guò)來(lái)內(nèi)隱性行為也可影響外顯行為，兩者之間具有交互作用。內(nèi)隱性行為和外顯行為一樣受學(xué)習(xí)原理特別是操作條件作用原理的支配，其交互作用也遵循同樣的規(guī)律。因此，對(duì)學(xué)習(xí)者在線學(xué)習(xí)行為的分析便可借助二維象限分析法，將具體在線學(xué)習(xí)行為從外顯性和內(nèi)隱性?xún)蓚€(gè)維度考查，探究每一種學(xué)習(xí)行為的內(nèi)部動(dòng)機(jī)程度，綜合分析學(xué)習(xí)行為表現(xiàn)與學(xué)習(xí)效果的關(guān)系，形成多角度、多層次的評(píng)價(jià)指標(biāo)體系，從而對(duì)在線學(xué)習(xí)行為投入做出更全面、更有應(yīng)用價(jià)值的評(píng)估結(jié)果。

從目前在線學(xué)習(xí)規(guī)模和針對(duì)在線學(xué)習(xí)質(zhì)量研究的現(xiàn)實(shí)落差來(lái)看，在線學(xué)習(xí)行為投入分析亟需探索新的設(shè)計(jì)思路與方法來(lái)提升研究的品質(zhì)和實(shí)際效用。鑒于對(duì)在線學(xué)習(xí)投入研究真實(shí)狀況的分析了解，本研究擬從線上學(xué)習(xí)中最易獲取的行為數(shù)據(jù)入手，將從外顯性和內(nèi)隱性?xún)蓚€(gè)屬性對(duì)其進(jìn)行深度分析，綜合應(yīng)用點(diǎn)、線、面三級(jí)方法，試圖構(gòu)建在線學(xué)習(xí)行為投入評(píng)估模型，以期對(duì)學(xué)習(xí)者的在線學(xué)習(xí)投入狀況進(jìn)行全面評(píng)估。該評(píng)估模型將集中討論以下三項(xiàng)研究?jī)?nèi)容：（1）有效評(píng)估學(xué)習(xí)者的在線學(xué)習(xí)投入水平；（2）準(zhǔn)確評(píng)估在線學(xué)習(xí)行為投入過(guò)程與學(xué)習(xí)結(jié)果之間的關(guān)系；（3）科學(xué)評(píng)估學(xué)習(xí)者在線學(xué)習(xí)行為投入的最佳閾值區(qū)間。

（一）基于“點(diǎn)”式的評(píng)估

構(gòu)建基于“點(diǎn)”式的評(píng)估模型，首先假設(shè)行為投入度越高，學(xué)生的學(xué)習(xí)績(jī)效越好，然后建立在線學(xué)習(xí)行為投入度的百分等級(jí)量表。

1.建立每一種學(xué)習(xí)行為的百分等級(jí)常模

學(xué)習(xí)者在線學(xué)習(xí)的每一種行為都將有一個(gè)外顯特性和一個(gè)內(nèi)隱特性，進(jìn)而形成在線學(xué)習(xí)行為投入評(píng)估的基礎(chǔ)條件。選取一定數(shù)量的學(xué)生樣本，從平臺(tái)獲取學(xué)生的相關(guān)學(xué)習(xí)行為之后，在前期分類(lèi)的基礎(chǔ)上，分別建立每一種行為外顯數(shù)值的百分等級(jí)量表和內(nèi)隱數(shù)值的百分等級(jí)量表（如表1所示）。建立學(xué)習(xí)行為投入的百分等級(jí)量表是后續(xù)研究的基礎(chǔ)，其客觀程度一方面需要樣本數(shù)量的支持，同時(shí)也需要教師線上的精心指導(dǎo)和對(duì)學(xué)生學(xué)習(xí)狀況的綜合考慮，保證現(xiàn)有條件下的線上學(xué)習(xí)行為投入水平呈正態(tài)分布樣態(tài)。

2.計(jì)算每位學(xué)習(xí)者學(xué)習(xí)行為投入的百分等級(jí)位數(shù)

當(dāng)通過(guò)取樣建立了某一行為的百分等級(jí)量表以后，針對(duì)某一學(xué)習(xí)者的學(xué)習(xí)行為投入就可以計(jì)算出其在學(xué)習(xí)者群體中所處的相對(duì)位置?；诖?，可對(duì)學(xué)習(xí)者做出比較準(zhǔn)確的反饋，對(duì)教師教學(xué)指導(dǎo)甚至為平臺(tái)自動(dòng)化預(yù)警提供有益幫助。但這只是單純的描述性信息，其數(shù)量大小對(duì)學(xué)習(xí)結(jié)果的影響作用還需要進(jìn)一步深究。

（二）基于“線”性的評(píng)估

目前大多數(shù)關(guān)于在線學(xué)習(xí)行為投入的研究采用了線性方法，根據(jù)其對(duì)學(xué)習(xí)效果的影響作用大小將直接檢驗(yàn)到的學(xué)習(xí)行為重新定義分類(lèi)，形成一組抽象的學(xué)習(xí)行為類(lèi)別，其在某一方面已經(jīng)暗示著投入的有效性。本研究在前期假設(shè)的基礎(chǔ)上，通過(guò)Rasch模型進(jìn)一步分析呈現(xiàn)不同學(xué)習(xí)行為類(lèi)型與學(xué)習(xí)績(jī)效之間的相關(guān)性，進(jìn)而呈現(xiàn)出新的行為關(guān)系結(jié)構(gòu)類(lèi)型。Rasch模型是丹麥數(shù)學(xué)家喬治·拉希（Georg·Rasch）提出的一種基于概率的潛在特質(zhì)模型。它主要的特點(diǎn)是能克服樣本依賴(lài)，并且能將數(shù)據(jù)放置在同一個(gè)Logit尺度中。本研究中建議可以將每種行為（某一外顯特性或某一內(nèi)隱特性）類(lèi)型看作是難度不同的測(cè)試項(xiàng)目，在行為數(shù)據(jù)樣本足夠多的情況下，將學(xué)習(xí)結(jié)果（成績(jī)）與學(xué)習(xí)行為類(lèi)型放在同一量尺中，通過(guò)Rasch分析直接比較兩者之間的聯(lián)系，探索行為類(lèi)型與學(xué)習(xí)結(jié)果的具體關(guān)系。這里使用單維Rasch模型進(jìn)行具體數(shù)據(jù)分析，大致可以分為以下兩種情況：

1.學(xué)習(xí)者外顯行為投入與學(xué)習(xí)效果的關(guān)系

比如對(duì)學(xué)習(xí)者登錄總時(shí)長(zhǎng)、登錄總次數(shù)等外顯行為與學(xué)習(xí)成績(jī)進(jìn)行單維Rasch分析（如圖1所示），將學(xué)習(xí)者登錄總時(shí)長(zhǎng)、登錄總次數(shù)等外顯行為，依據(jù)百分等級(jí)常模中角定的標(biāo)準(zhǔn)來(lái)衡量，低于標(biāo)準(zhǔn)的投入賦值為0，高于標(biāo)準(zhǔn)的投入賦值為1，全部外顯行為在懷特圖右側(cè)展示，左側(cè)分別代表學(xué)習(xí)者的學(xué)習(xí)成績(jī)。懷特圖中左邊的學(xué)習(xí)者學(xué)習(xí)成績(jī)，越靠近頂端，代表學(xué)習(xí)者學(xué)習(xí)效果越好；右邊代表外顯行為的類(lèi)型，自上而下依次降低。越是處于上部的學(xué)習(xí)行為代表學(xué)生越好的結(jié)果，也即這些行為投入對(duì)學(xué)生的學(xué)習(xí)成績(jī)影響越大。如果將學(xué)生所有的外顯學(xué)習(xí)行為按自下而上或自上而下地排列分成幾階或幾段，依據(jù)影響學(xué)習(xí)效果的外在行為因素可以形成一個(gè)新的線上學(xué)習(xí)行為分類(lèi)結(jié)果，以突出主要的行為外顯特征。

2.學(xué)習(xí)者內(nèi)隱行為投入與學(xué)習(xí)效果的關(guān)系

比如對(duì)學(xué)習(xí)者登錄平均時(shí)長(zhǎng)、平均登錄間隔等內(nèi)隱行為與學(xué)習(xí)成績(jī)進(jìn)行單維Rasch分析，將學(xué)習(xí)者登錄平均時(shí)長(zhǎng)、平均登錄間隔等內(nèi)隱表現(xiàn)，按照標(biāo)準(zhǔn)來(lái)衡量，低的賦值為0，高的賦值為1，全部?jī)?nèi)隱行為在懷特圖右側(cè)展示，左側(cè)分別代表學(xué)習(xí)者的學(xué)習(xí)成績(jī)。懷特圖中左邊的學(xué)習(xí)者學(xué)習(xí)成績(jī)，越靠近頂端，代表學(xué)習(xí)者學(xué)習(xí)效果越好；右邊代表內(nèi)隱行為的影響程度，自上而下依次降低。越是處于上部的學(xué)習(xí)行為代表學(xué)生越好的學(xué)習(xí)效果，即這些行為對(duì)學(xué)生的學(xué)習(xí)成績(jī)影響越大。如果將學(xué)生所有的內(nèi)隱學(xué)習(xí)行為按自下而上或自上而下地排列分成幾階或幾段落，依據(jù)影響學(xué)習(xí)效果的內(nèi)在行為因素同樣可以形成一個(gè)新的線上學(xué)習(xí)行為分類(lèi)結(jié)果，以突出主要的行為內(nèi)隱特征。

（三）基于“面”上的評(píng)估

為兼顧學(xué)生的線上線下學(xué)習(xí)和其它課程內(nèi)容的學(xué)習(xí)，在有限的學(xué)習(xí)時(shí)間范圍內(nèi)，試圖分析學(xué)習(xí)者線上學(xué)習(xí)行為投入的最佳域值區(qū)間，為教師的合理引導(dǎo)提供證據(jù)支持。由于學(xué)生的學(xué)習(xí)總時(shí)間量是固定的，學(xué)生用于線上學(xué)習(xí)的時(shí)間如何分配，也即線上學(xué)習(xí)投入強(qiáng)度大小還缺乏具體的判斷準(zhǔn)則。從已有研究結(jié)果看，就大學(xué)生的學(xué)習(xí)投入狀況如何并沒(méi)有給出一個(gè)明確結(jié)論。雖然各類(lèi)研究均表明在線學(xué)習(xí)投入與學(xué)習(xí)結(jié)果有一定的關(guān)系，但針對(duì)是否存在適切的在線學(xué)習(xí)投入度（即精準(zhǔn)度）并沒(méi)有給出答案，而且也缺乏對(duì)學(xué)習(xí)行為彼此交互影響關(guān)系的全面分析。這就需要突破原有的線性研究思路，通過(guò)面上研究方法的應(yīng)用找到一些新的規(guī)律，在明晰行為投入強(qiáng)度與學(xué)習(xí)績(jī)效關(guān)系的基礎(chǔ)上，進(jìn)一步分析不同的內(nèi)隱行為與外顯行為對(duì)學(xué)習(xí)效果影響的一致性，并對(duì)其行為投入效果的最佳域值區(qū)間有比較準(zhǔn)確的掌控。

1.在線學(xué)習(xí)行為的二維象限分類(lèi)研究

將平臺(tái)上可能出現(xiàn)的學(xué)習(xí)行為序列已按外顯屬性和內(nèi)隱屬性?xún)蓚€(gè)方面進(jìn)行分類(lèi)，再借助二維象限分析法將其分為高低組合的四種類(lèi)型，分別處于四個(gè)象限中（如圖2所示）。外顯行為屬于頻率性投入，受單一的行為表現(xiàn)因素影響；內(nèi)隱行為屬于實(shí)質(zhì)性投入，受較多的認(rèn)知因素和情感因素影響。其高低劃分的標(biāo)準(zhǔn)主要是依據(jù)“點(diǎn)”式研究中所確立的百分等級(jí)量表，將學(xué)生學(xué)習(xí)行為數(shù)據(jù)由低到高進(jìn)行排序，選擇50%的中間點(diǎn)作為標(biāo)準(zhǔn)。當(dāng)外顯性行為投入和內(nèi)隱性行為投入值的百分位數(shù)都大于50時(shí)，屬于高頻次投入，小于50時(shí)屬于低頻次投入。這樣不同程度的行為投入者就會(huì)進(jìn)入不同的象限，具體分布在某一象限的學(xué)習(xí)者數(shù)量比較直觀地呈現(xiàn)出來(lái)。

2.外顯行為與內(nèi)隱行為投入的組合分類(lèi)

在前期點(diǎn)式和線性研究的基礎(chǔ)上，學(xué)習(xí)行為投入的頻次高低（強(qiáng)度）以及和學(xué)習(xí)成績(jī)的關(guān)系（效度）都已明確，此時(shí)需進(jìn)一步細(xì)化分類(lèi)，將同處高投入的內(nèi)隱、外顯行為再分別劃分為“非常高（H3）、中等高（H2）、一般高（H1）”三個(gè)層級(jí)，這樣在A象限（高內(nèi)隱高外顯）上由不同的內(nèi)隱、外顯行為層級(jí)分割成9個(gè)區(qū)域。同樣將低投入的內(nèi)隱和外顯行為也劃分為“一般低（L1）、中等低（L2）、非常低（L3）”三個(gè)層級(jí)，結(jié)合A象限的劃分層級(jí)，這樣在B象限（高內(nèi)隱低外顯）和D象限（低內(nèi)隱高外顯）上同樣被分割成9個(gè)區(qū)域。

3.用多維Rasch分析確定學(xué)習(xí)行為投入的精準(zhǔn)度

通過(guò)單維Rasch分析分別確定了外顯行為和內(nèi)隱性行為對(duì)學(xué)生學(xué)習(xí)成績(jī)的影響之后，再通過(guò)多維Rasch分析來(lái)判斷外顯行為和內(nèi)隱性行為共同影響下與學(xué)習(xí)成績(jī)的關(guān)系，進(jìn)而確定學(xué)習(xí)行為投入的最佳閾值，即精準(zhǔn)度。

具體作法是構(gòu)建出“學(xué)習(xí)成績(jī)——某一行為的內(nèi)隱性表現(xiàn)——某一行為的外顯性表現(xiàn)”的多維Rasch模型，在A象限和B、D象限，內(nèi)隱性行為投入和外顯行為投入都已分為三個(gè)層級(jí)（如圖3所示）。為便于使用Facets分析軟件，分兩步確立最佳行為投入?yún)^(qū)間。第一步，針對(duì)A象限，假定滿足A象限的行為數(shù)據(jù)規(guī)定為“1”，落在其它象限的數(shù)據(jù)則定為“0”。第二步，針對(duì)B、D象限，則規(guī)定滿足B、D象限的行為數(shù)據(jù)為“1”，落在其它象限的數(shù)據(jù)則定為“0”。此時(shí)，分析內(nèi)隱和外顯同時(shí)作用下的行為類(lèi)型對(duì)學(xué)習(xí)者成績(jī)的影響，包括高內(nèi)隱性高外顯、高內(nèi)隱性低外顯及低內(nèi)隱性高外顯三種情況下的行為投入，得到雙重作用下對(duì)學(xué)習(xí)者學(xué)習(xí)效果的影響結(jié)果。

通過(guò)上面的分析得到了能體現(xiàn)學(xué)習(xí)者更高能力水平的學(xué)習(xí)行為，由此繼續(xù)分析這些學(xué)習(xí)行為究竟處于哪一區(qū)間最能影響學(xué)習(xí)者的學(xué)習(xí)質(zhì)量，進(jìn)一步用Rasch多維分析來(lái)判斷這些內(nèi)隱與外顯行為表現(xiàn)落在“非常高（低）、中等高（低）、一般高（低）”三個(gè)層級(jí)組合形成的9個(gè)區(qū)域中的具體位置。多維Rasch模型允許分析多種因素與學(xué)習(xí)效果的關(guān)系，因此可以將學(xué)習(xí)成績(jī)、行為的內(nèi)隱性表現(xiàn)及行為的外顯性表現(xiàn)結(jié)合分析，構(gòu)建出“學(xué)習(xí)成績(jī)-內(nèi)隱性投入-外顯性投入”的多維Rasch分析模型。應(yīng)用Rasch多維模型，將學(xué)習(xí)者某一學(xué)習(xí)行為模塊中的兩種行為表現(xiàn)數(shù)據(jù)錄入多維分析軟件進(jìn)行具體數(shù)據(jù)的加工處理，生成多維懷特量尺層面圖。在投入高低一欄中，越靠上的層次是對(duì)成績(jī)影響權(quán)重值越大的行為投入，越靠下的表現(xiàn)行為投入對(duì)成績(jī)的影響權(quán)重值越小。

為了細(xì)化分析每一種外顯性行為或內(nèi)隱性行為與學(xué)習(xí)成績(jī)的關(guān)系，此時(shí)只需要將某一種行為的內(nèi)隱性表現(xiàn)和外顯性表現(xiàn)按已有的高低層次劃分并進(jìn)行等級(jí)賦值，將數(shù)據(jù)導(dǎo)入分析軟件就可以得到同一類(lèi)學(xué)習(xí)行為中內(nèi)隱性投入和外顯性投入的不同組合結(jié)果。最后，再根據(jù)其與前期劃分好的三個(gè)層級(jí)間的關(guān)系來(lái)判斷9個(gè)區(qū)域中哪一個(gè)組合與最優(yōu)成績(jī)的相關(guān)性更高。以此方法對(duì)平臺(tái)記錄數(shù)據(jù)進(jìn)行分析，進(jìn)一步明確在線學(xué)習(xí)行為投入強(qiáng)度與學(xué)習(xí)成績(jī)的復(fù)雜關(guān)系。

高等教育數(shù)字化轉(zhuǎn)型歸根結(jié)底要落實(shí)到教師的思想和行動(dòng)上，其中一項(xiàng)就是教師能夠準(zhǔn)確診斷教學(xué)中存在的問(wèn)題，借助數(shù)字技術(shù)解決問(wèn)題，據(jù)此持續(xù)改進(jìn)教學(xué)[38]。基于“點(diǎn)、線、面”研究方法的綜合應(yīng)用，建立學(xué)習(xí)行為投入評(píng)估模型，對(duì)于推動(dòng)在線學(xué)習(xí)發(fā)展有一定的應(yīng)用價(jià)值。本研究通過(guò)對(duì)Moodle平臺(tái)上自建課程學(xué)習(xí)者行為數(shù)據(jù)的分析挖掘，可以進(jìn)一步展示該評(píng)估模型在應(yīng)用于獲取學(xué)生在線學(xué)習(xí)的過(guò)程信息、全面掌握學(xué)生的線上學(xué)習(xí)質(zhì)量和主動(dòng)反思在線學(xué)習(xí)參與的實(shí)效性等方面的潛在價(jià)值。

（一）準(zhǔn)確獲取學(xué)生在線學(xué)習(xí)的過(guò)程信息

學(xué)習(xí)行為百分等級(jí)量表呈縱向分布，一方面可簡(jiǎn)單為某門(mén)課程學(xué)習(xí)中所有參與者的每一類(lèi)學(xué)習(xí)行為分布趨勢(shì)描繪一張張圖表，可以評(píng)價(jià)所有學(xué)生的學(xué)習(xí)行為投入強(qiáng)度。教師可以根據(jù)此表了解班級(jí)學(xué)生整體投入現(xiàn)狀，以及時(shí)調(diào)整教學(xué)內(nèi)容、教學(xué)策略等，幫助學(xué)生提升在線學(xué)習(xí)投入水平。另一方面，通過(guò)建立的一個(gè)百分等級(jí)量表將直觀呈現(xiàn)學(xué)生某一類(lèi)行為的投入水平，作為學(xué)習(xí)者個(gè)體可以通過(guò)此表直觀計(jì)算其在線學(xué)習(xí)行為投入具體表現(xiàn)狀況，對(duì)照檢驗(yàn)自己某一行為投入水平處于班級(jí)水平的位置，達(dá)到反映個(gè)體學(xué)習(xí)者學(xué)習(xí)投入強(qiáng)度的目的。

研究中對(duì)登錄、文檔資料、作業(yè)、測(cè)驗(yàn)和課程視頻等五類(lèi)行為發(fā)生模塊中的11種外顯行為和11種內(nèi)隱性行為建立百分等級(jí)量表，22種行為百分等級(jí)量表中的百分等級(jí)位數(shù)即反映每個(gè)學(xué)習(xí)者在不同行為層面的投入水平。從總體上來(lái)看，在行為的外顯性上，對(duì)于教師布置的測(cè)驗(yàn)、課程視頻和作業(yè)等學(xué)習(xí)任務(wù)投入的時(shí)間精力較多，而對(duì)于文檔瀏覽等自我決定的學(xué)習(xí)任務(wù)參與積極性程度不高。在行為的內(nèi)隱性上，學(xué)生對(duì)于在線學(xué)習(xí)中任務(wù)導(dǎo)向的單元測(cè)驗(yàn)、作業(yè)提交等模塊重視程度高，而在質(zhì)量導(dǎo)向的學(xué)習(xí)規(guī)律性和作業(yè)檢查頻次方面則表現(xiàn)一般。

總體上對(duì)于每一類(lèi)行為投入都會(huì)有一個(gè)整體性認(rèn)知，高水平的分布區(qū)間和低水平的分布區(qū)間及相關(guān)人員都會(huì)有明確標(biāo)識(shí)。同時(shí)，結(jié)合不同的行為投入百分等級(jí)量表，可以總體上把握每一位個(gè)體學(xué)習(xí)者的學(xué)習(xí)行為投入水平，進(jìn)而可以準(zhǔn)確獲得學(xué)習(xí)者的學(xué)習(xí)過(guò)程信息。如表2所示，在登錄行為發(fā)生模塊，“登錄總時(shí)長(zhǎng)”為43267秒，投入強(qiáng)度為84.1，與之對(duì)應(yīng)的內(nèi)隱行為“每周平均登錄時(shí)長(zhǎng)”為2404秒，投入強(qiáng)度為84.4，這說(shuō)明該生的登錄行為高于總體84.1%的學(xué)生，學(xué)習(xí)的自主性較高。

（二）全面掌握線上學(xué)習(xí)的質(zhì)量信息

為了掌握某一課程學(xué)習(xí)中學(xué)生所有學(xué)習(xí)行為投入的有效程度，并不是單純依賴(lài)頻次進(jìn)行高低排序，而是依據(jù)其與學(xué)習(xí)結(jié)果的關(guān)系進(jìn)行排列，單維Rasch分析得出的懷特圖就能直觀呈現(xiàn)其分布情況。即越往上表明學(xué)習(xí)行為投入越難達(dá)到，完成后對(duì)學(xué)習(xí)結(jié)果的影響越大；越往下表明行為投入越容易達(dá)到，其對(duì)學(xué)習(xí)結(jié)果影響越弱。從行為的外顯性上來(lái)看，E2-1單個(gè)視頻最后觀看時(shí)間距課程結(jié)束時(shí)的平均天數(shù)等衡量學(xué)習(xí)持久性的行為是最難達(dá)到的；B1-1文檔瀏覽總時(shí)長(zhǎng)、B2-1文檔瀏覽總次數(shù)、D1-1單元測(cè)驗(yàn)完成平均分?jǐn)?shù)、D3-1完成測(cè)驗(yàn)時(shí)間距截止時(shí)間的平均天數(shù)是學(xué)生較難完成的學(xué)習(xí)行為；C2-1作業(yè)完成平均字?jǐn)?shù)、D4-1單元測(cè)驗(yàn)平均完成時(shí)長(zhǎng)、C1-1作業(yè)提交總次數(shù)、A1-1登錄總時(shí)長(zhǎng)、E1-1視頻平均觀看進(jìn)度是學(xué)生完成得較為容易的學(xué)習(xí)行為；而D2-1單元測(cè)驗(yàn)完成的總次數(shù)是學(xué)生最容易實(shí)現(xiàn)的學(xué)習(xí)行為。因此，該教學(xué)過(guò)程中應(yīng)引導(dǎo)學(xué)生加大主動(dòng)學(xué)習(xí)投入的力度。從行為的內(nèi)隱性來(lái)看，B2-2文檔有效瀏覽次數(shù)這一行為是學(xué)生最難達(dá)成的行為，也是對(duì)學(xué)生學(xué)習(xí)成績(jī)影響最大的行為；D4-2單元測(cè)驗(yàn)的相對(duì)時(shí)長(zhǎng)差、E1-2視頻平均觀看時(shí)長(zhǎng)、C1-2完成期末測(cè)驗(yàn)與作業(yè)超時(shí)提交次數(shù)、D3-2單個(gè)測(cè)驗(yàn)平均提交時(shí)間間隔、E2-2視頻平均觀看間隔、D1-2單元測(cè)驗(yàn)分?jǐn)?shù)進(jìn)步則比較難達(dá)到；而B(niǎo)1-2單個(gè)文檔平均瀏覽時(shí)長(zhǎng)、C2-2作業(yè)完成的低相似度、A1-2每周平均登錄時(shí)長(zhǎng)、D2-2單個(gè)測(cè)驗(yàn)最高答題次數(shù)是學(xué)生最容易完成的行為。如圖4所示，學(xué)生在測(cè)驗(yàn)方面的投入水平較高，處于高內(nèi)隱與高外顯的投入和高內(nèi)隱與低外顯的投入都較高。由此可知，該課程學(xué)習(xí)中學(xué)生在績(jī)效投入方面水平較高，而其他內(nèi)隱性行為投入較低，故在教學(xué)中應(yīng)該加大學(xué)生的主動(dòng)投入、自我管理投入和規(guī)律性投入力度。

（三）主動(dòng)反思在線學(xué)習(xí)參與的實(shí)效性

諸多研究證明，學(xué)習(xí)投入與學(xué)習(xí)結(jié)果呈正相關(guān)，即時(shí)間付出越多學(xué)習(xí)效果越好。但學(xué)生學(xué)習(xí)的總時(shí)間是有限的，對(duì)每一門(mén)在線課程的學(xué)習(xí)時(shí)間也需要合理分配，不僅不同的學(xué)習(xí)行為投入對(duì)學(xué)習(xí)效果的影響大小各異，而且外顯行為與內(nèi)隱行為投入水平的不同組合也影響到學(xué)習(xí)結(jié)果。二維象限分析可以直觀呈現(xiàn)所有人的行為投入狀況，并且以學(xué)生學(xué)習(xí)成績(jī)?yōu)閰⒄眨柚嗑SRasch分析對(duì)外顯性與內(nèi)隱性行為在投入程度上的影響力大小進(jìn)行研究，通過(guò)多維懷特量尺層面的比較，比較適切的行為投入水平（即最佳閾值區(qū)間）最后得以確定，進(jìn)而對(duì)學(xué)習(xí)者的在線學(xué)習(xí)行為投入效果做出更為科學(xué)合理的推斷。

通過(guò)對(duì)在線學(xué)習(xí)行為投入的精準(zhǔn)度的分析可以發(fā)現(xiàn)，當(dāng)學(xué)習(xí)者行為投入水平達(dá)到A象限（高外顯-高內(nèi)隱）時(shí)，其外顯行為與內(nèi)隱性行為對(duì)學(xué)習(xí)結(jié)果的影響幾乎是一樣大的，說(shuō)明在高投入水平時(shí)，外顯行為與內(nèi)隱性行為一樣重要。具體的行為表現(xiàn)中，“登錄的時(shí)長(zhǎng)”類(lèi)行為的表現(xiàn)為H3H2層級(jí)，即外顯性行為表現(xiàn)在“H3非常高”層級(jí)，內(nèi)隱性行為表現(xiàn)在“H2中等高”層級(jí)；“瀏覽文檔”類(lèi)行為的表現(xiàn)為H3H3層級(jí)，即外顯性表現(xiàn)和內(nèi)隱性表現(xiàn)大多都分布在“H3非常高”層級(jí)；“作業(yè)完成質(zhì)量”類(lèi)行為的表現(xiàn)為H2H1層級(jí)，即外顯性表現(xiàn)分布在“H2中等高”層級(jí)，內(nèi)隱性表現(xiàn)分布在“H1一般高”層級(jí)；“完成測(cè)驗(yàn)頻次”類(lèi)行為的表現(xiàn)在H3H1層級(jí)，即外顯性表現(xiàn)主要分布在“H3非常高”層級(jí)，內(nèi)隱性表現(xiàn)多分布在“H1一般高”層級(jí)；“觀看課程視頻頻率”類(lèi)行為的表現(xiàn)再H1H2層級(jí)，即外顯性表現(xiàn)多分布在“H1一般高”層級(jí)，內(nèi)隱性表現(xiàn)多分布在“H2中等高”層級(jí)。

當(dāng)學(xué)習(xí)者行為投入水平達(dá)到B、D象限（低外顯-高內(nèi)隱、高外顯-低內(nèi)隱）時(shí)，其外顯行為與內(nèi)隱性行為對(duì)學(xué)習(xí)結(jié)果的影響則不一樣大。具體的行為表現(xiàn)中，“登錄時(shí)長(zhǎng)”類(lèi)行為的表現(xiàn)在H1L3層級(jí)，即外顯性行為表現(xiàn)在“H1一般高”層級(jí)，內(nèi)隱性行為表現(xiàn)在“L3非常低”層級(jí)；“瀏覽文檔”類(lèi)行為的外顯性表現(xiàn)多分布在“L3非常低”層級(jí)，內(nèi)隱性表現(xiàn)多分布在“H1一般高”層級(jí)；“作業(yè)提交”類(lèi)行為的表現(xiàn)在H2L2層級(jí)，即外顯性表現(xiàn)分布在“H2中等高”層級(jí)，內(nèi)隱性表現(xiàn)分布在“L2中等低”層級(jí)；“完成測(cè)驗(yàn)次數(shù)及分?jǐn)?shù)變化”類(lèi)行為的外顯性表現(xiàn)主要分布在“L1一般低”層級(jí)，內(nèi)隱性表現(xiàn)多分布在“H2中等高”層級(jí)?？傮w上看，對(duì)于大多數(shù)學(xué)習(xí)者，登錄類(lèi)行為和瀏覽文檔類(lèi)行為，應(yīng)投入在“H3非常高”層級(jí)至“H1一般高”層級(jí)；完成作業(yè)類(lèi)行為和觀看課程視頻類(lèi)行為，應(yīng)投入在“H2中等高”層級(jí)；完成測(cè)驗(yàn)類(lèi)行為，應(yīng)投入在“H2中等高”至“H1一般高”層級(jí)。學(xué)習(xí)者可以由此合理分配自己的時(shí)間，在不同的行為模塊中投入不一樣的強(qiáng)度，將更多的時(shí)間精力放在主動(dòng)型的自我管理類(lèi)學(xué)習(xí)行為中，而非被動(dòng)型的績(jī)效投入類(lèi)學(xué)習(xí)行為。

總之，通過(guò)綜合評(píng)估模型的應(yīng)用，對(duì)學(xué)習(xí)者和教師都將產(chǎn)生積極的影響作用。該模型直觀展示并比較了學(xué)習(xí)結(jié)果與線上學(xué)習(xí)行為外顯性和內(nèi)隱性投入之間的聯(lián)系，不僅反映學(xué)習(xí)者外在顯性的學(xué)習(xí)行為對(duì)學(xué)習(xí)效果的影響，還體現(xiàn)了學(xué)習(xí)者內(nèi)在隱性的學(xué)習(xí)動(dòng)機(jī)、情感態(tài)度于學(xué)習(xí)效果間的關(guān)系。二者有效的結(jié)合應(yīng)用提高了基于學(xué)習(xí)行為預(yù)測(cè)的準(zhǔn)確性，并為學(xué)習(xí)者改進(jìn)學(xué)習(xí)質(zhì)量提供理論支持及更加便捷有效的方法。

參考文獻(xiàn)：

[1] 程建鋼，崔依冉等.高等教育教學(xué)數(shù)字化轉(zhuǎn)型的核心要素分析——基于學(xué)校、專(zhuān)業(yè)與課程的視角[J].中國(guó)電化教育，2022，（7）：31-36.

[2] 楊宗凱.高等教育數(shù)字化轉(zhuǎn)型的路徑探析[J].中國(guó)高教研究，2023，（3）：1-4.

[3] 蘭國(guó)帥.高等教育數(shù)字化轉(zhuǎn)型的宏觀趨勢(shì)及應(yīng)對(duì)策略——EDUCAUSE《2023年高等教育趨勢(shì)觀察》要點(diǎn)與思考[EB/OL]. https：//doi.org/10.13878/j.cnki.yjxk.20230524.001，2023-06-20.

[4] 雷朝滋.智能技術(shù)支撐教學(xué)改革與教育創(chuàng)新[J].中小學(xué)數(shù)字化教學(xué)，2021，（1）：5-7.

[5] Fredricks J A，Blumenfeld P C，Paris A H.School Engagement：Potential of the Concept，State of the Evidence [J].Review of Educational Research，2004，74（1）：59-109.

[6][38] 韓錫斌，陳香妤等.高等教育教學(xué)數(shù)字化轉(zhuǎn)型核心要素分析——基于學(xué)生和教師的視角[J].中國(guó)電化教育，2022，（7）：37-42.

[7] B.M.Booth，A.M.Ali，S.S.Narayanan，I.Bennett and A.A.Farag.Toward active and unobtrusive engagement assessment of distance learners [A].2017 Seventh International Conference on Affective Computing and Intelligent Interaction （ACII） [C].San Antonio，TX：IEEE，2017.470-476.

[8] 蘭麗娜，石瑞生等.基于學(xué)習(xí)行為模型的學(xué)習(xí)伙伴推薦方法研究[J].現(xiàn)代教育技術(shù)，2018，28（4）：67-73.

[9] 沈欣憶，吳健偉等.MOOCAP學(xué)習(xí)者在線學(xué)習(xí)行為和學(xué)習(xí)效果評(píng)價(jià)模型研究[J].中國(guó)遠(yuǎn)程教育，2019，（7）：38-46+93.

[10] 張思，劉清堂等.網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)習(xí)者學(xué)習(xí)投入的研究——網(wǎng)絡(luò)學(xué)習(xí)行為的大數(shù)據(jù)分析[J].中國(guó)電化教育，2017，（4）：24-30+40.

[11] 韓錫斌，程建鋼.基于網(wǎng)絡(luò)教學(xué)平臺(tái)的學(xué)習(xí)分析模型構(gòu)建與應(yīng)用[J].電化教育研究，2018，39（7）：33-39+48.

[12] 李爽，喻忱.遠(yuǎn)程學(xué)生學(xué)習(xí)投入評(píng)價(jià)量表編制與應(yīng)用[J].開(kāi)放教育研究，2015，21（6）：62-70+103.

[13] Dixson，M.D..Creating effective student engagement in online courses：What do students find engaging [J].Journal of the Scholarship of Teaching and Learning，2010，（2）：1-13.

[14] 李爽，鐘瑤等.基于行為序列分析對(duì)在線學(xué)習(xí)參與模式的探索[J].中國(guó)電化教育，2017，（3）：88-95.

[15] 王洪江，穆肅等.自主學(xué)習(xí)投入度實(shí)時(shí)分析方法及應(yīng)用研究[J].電化教育研究，2017，38（10）：44-50.

[16] 王改花，傅鋼善.數(shù)據(jù)挖掘視角下網(wǎng)絡(luò)學(xué)習(xí)者行為特征聚類(lèi)分析[J].現(xiàn)代遠(yuǎn)程教育研究，2018，（4）：106-112.

[17][27] 李艷燕，彭禹等.在線協(xié)作學(xué)習(xí)中小組學(xué)習(xí)投入的分析模型構(gòu)建及應(yīng)用[J].中國(guó)遠(yuǎn)程教育，2020，（2）：40-48+77.

[18] John B.Carroll.A model of school learning [J].Teachers College Record，1963，64（8）：723-733.

[19] Andrew J W，Ronald G D.Construct Dimensionality of Engagement and its Relation With Satisfaction [J].The Journal of Psychology：Interdisciplinary and Applied，2009，143（1）：91-112.

[20] You J W.Identifying significant indicators using LMS data to predict course achievement in online learning [J].Internet & Higher Education，2016，29：23-30.

[21] 胡小勇，徐歡云等.學(xué)習(xí)者信息素養(yǎng)、在線學(xué)習(xí)投入及學(xué)習(xí)績(jī)效關(guān)系的實(shí)證研究[J].中國(guó)電化教育，2020，（3）：77-84.

[22] Jiang S，Williams A E，et al.Influence of Incentives on Performance in a Pre-College Biology MOOC [J].International Review of Research in Open & Distance Learning，2014，15（5）：99-112.

[23] Hughes G，Dobbins C.The utilization of data analysis techniques in predicting student performance in massive open online courses （MOOCs） [J].Research & Practice in Technology Enhanced Learning，2015，10（1）：10.

[24] Corrin L.，Kennedy G，et al.Completing the Loop：Returning Meaningful Learning Analytic Data to Teachers：A Handbook for Educators and Learning Analytics Specialists [R].Adelaide：University of South Australia，2016.64.

[25] Li N，Wang J，et al.Investigation of face-to-face class attendance， virtual learning engagement and academic performance in a blended learning environment [J].International journal of information and education technology，2021，11（3）：112-118.

[26] Chia-Lin Tsai，Heng-Yu Ku & Ashlea Campbell.Impacts of course activities on student perceptions of engagement and learning online [J]. Distance Education.2021，42（1）：106-125.

[28] Conijn R，Snijders C，et al.Predicting student performance from LMS data：A comparison of 17 blended courses using Moodle LMS [J].IEEE Transactions on Learning Technologies，2017，10（1）：17-29.

[29] Peach R L，Greenbury S F，et al.Understanding learner behaviour in online courses with Bayesian modelling and time series characterization [J].Scientific Reports，2021，11（1）：2823.

[30] 張琪，武法提.學(xué)習(xí)行為投入評(píng)測(cè)框架構(gòu)建與實(shí)證研究[J].中國(guó)電化教育，2018，（9）：102-108.

[31] 尹睿，徐歡云.在線學(xué)習(xí)投入結(jié)構(gòu)模型構(gòu)建——基于結(jié)構(gòu)方程模型的實(shí)證分析[J].開(kāi)放教育研究，2017，23（4）：101-111.

[32] Peng W.Research on Model of Student Engagement in Online Learning [J].Eurasia Journal of Mathematics，Science and Technology Education，2017，13（7）：2869-2882.

[33] 宗陽(yáng)，鄭勤華等.中國(guó)MOOCs學(xué)習(xí)者價(jià)值研究——基于RFM模型的在線學(xué)習(xí)行為分析[J].現(xiàn)代遠(yuǎn)距離教育，2016，4（2）：21-28.

[34] Deng R，Benckendorff P，et al.Learner engagement in MOOCs：Scale development and validation [J].British Journal of Educational Technology，2020，（5）：1-18.

[35] 陳廷柱.二維象限分析法及其在教育研究中的應(yīng)用[J].教育研究與實(shí)驗(yàn)，2012，4（3）：55-59.

[36] 秦智勇.提高管理效果有奇招——解析二維象限法[J].管理工程師，2003，（4）：30-32.

[37] Greenwald A G，Banaji M R.Implicit social cognition：attitudes，selfesteem，and stereotypes [J].Psychological Review，1995，102（1）：4-27.

作者簡(jiǎn)介：

蔡旻君：副教授，博士，研究方向?yàn)橹悄軐W(xué)習(xí)理論與應(yīng)用、課程設(shè)計(jì)與評(píng)價(jià)。

A New Exploration of Learners’ Online Learning Behavior Investment

—Construction of Application Evaluation Model Based on Point， Line and Area Method

Cai Minjun

（School of Educational Technology， Northwest Normal University， Lanzhou 730070， Gansu）

Abstract： As an important evidence of online learning quality， learners’ online learning engagement attracts much attention. A comprehensive review of existing studies on online learning engagement includes analysis and judgment based on behavioral data and comprehensive evaluation based on cognitive， emotional and social factors. However， there are still many unsolved mysteries， which need further continuous and in-depth analysis and discussion. According to the effective ways of obtaining and applying network information， a large amount of behavioral data is the important information content of online learning investment quality analysis. This paper explores the classification of online learning information from the two attributes of explicit and implicit learning behaviors， which is helpful to consider the behavioral， cognitive and affective factors that affect the quality of learning.On the basis of this classification， combined with the characteristics of point， line and area research methods， the evaluation models for the intensity， validity and accuracy of learners’ online learning behavior investment were constructed by using percentage scale， single and multidimensional Rasch analysis techniques successively. Finally， through accurate access to online learning process information， a comprehensive grasp of online learning quality results， as well as active reflection on the effectiveness of online learning participation and other aspects of the application of the validation of the effectiveness of the evaluation model.

Keywords： online learning； behavioral input； evaluation model； quadrant graph method； Rasch analysis

責(zé)任編輯：趙云建