大学生在线课程学习准备状态实证研究

来源:用户上传      作者:

　　【摘 要】
　　作为一种新型的在线教育模式，以MOOCs为代表的在线课程为乐于主动学习的90后提供了前所未有的机遇。对于在线课程学习，大学生前期准备情况是影响其学习效果的重要因素。本研究以长安大学地球科学与资源学院2014级本科新生为调查对象，通过问卷的形式对大学生的准备情况进行了调查，并应用Rasch模型对测试题目及测试者能力进行了分析。结果表明：58个能力测试项具有较好的模型拟合度，证实当前在校大学生在计算机应用技能方面有很大提高，但是在自身阅读、书写、表达、讨论、时间管理及与他人合作方面情况不容乐观。因此，在高校的学习支持服务中，需要为学生在时间管理和学习帮助上提供有价值的策略，不断地提高学生的学习能力和学习准备，促使学生快速适应在线教育环境的变化。
　　【关键词】 慕课；e-learning；在线课程学习；学习准备状态；Rasch模型
　　【中图分类号】 G442 【文献标识码】 A 【文章编号】 1009―458x（2015）11―0025―05
　　过去几十年信息技术对大学生学习产生了深远影响，尤其是20世纪80年代伴随电脑和网络成长的一代[1]。新近掀起的MOOCs （Massively Open Online Courses，大规模在线课程模式，简称“慕课”）热潮，更是引起大学生学习模式的重大变化，不少国内高校已开始积极行动。2013 年5 月，北京大学、清华大学等6 所亚洲高校首次宣布加入edX在线课程项目[2]；7 月和9月，复旦大学、上海交通大学和北京大学纷纷申请加入Coursera平台[3]。MOOCs 在中国快速发展，受到国内教育界的高度重视[4]。
　　但随之而来的问题是面对大规模在线课程，大学生是否做好了充分准备？Candy曾强调教育者不能依据学生在过去不错的学习成绩，就认为其在一个新领域就一定有好的表现。雪伦等在对成人远程学习者进行相关研究后认为，在线学习受到诸多因素的影响，如与学习过程相关的专业技能、学习者的个人胜任感、对题材的熟悉度和恰当的学习投入等。刘永权、李莹等也提出远程在线学习者的辍学往往发生在学习早期的准备阶段。Garison、Tyler-Smith 、Johnson、杜永新和李娟等的实证研究证明在线学习者的前期准备情况是影响远程学习的重要因素之一（Garison，1987；Tyler-Smith，2006；Johnson，2009；杜永新等，2011）。这些观点进一步验证了大学生在线学习准备度是需要进一步探究的问题[5-8]。
　　一、研究现状分析
　　国外学者Warner、Christie和Choy在1998年利用澳大利亚职业教育与培训的样本数据对在线学习准备状态进行了研究，结果表明学生对于在线学习这种模式处于正在接受阶段，特别是计算机技能不好的学生更倾向于传统的面对面授课方式[9]；McVay（2000）从学习环境适应性和自我管理技能两个维度，开发了一个有效的在线学习准备调查问卷，被广泛应用于本科生在线学习准备研究和测试中[10]；Watkin（2004）基于验证性因素分析，提出了一个由5 个维度（使用技术、网络技能与人际关系、学习态度、在线视频/音频、网络讨论、成功对个人的重要性）和27 个评测项构成的在线学习准备度评估工具[11]；Hung等（2010）对1，051名高校生进行调查，证实了影响在线学习结果的5个维度分别是计算机/网络应用效能、学习心态、自我导向学习、学习控制以及在线交互效能；Dray等（2011） 提出了一个在线学习准备评估量表，内容包括学习者特征和技术能力两个方面，前者增添了个人信念、自我效能和时间管理项，后者添加了使用邮件和网络能力等。总的来看，这些研究主要涉及技术、技能和学习者个人特征两个方面。但问题是有些学习者特征（自我导向、自省、人格、态度和情绪等心理现象）是在早期生活中形成的或是父母遗传的，属于不可观测的行为，量表无法发现其内在的理性、人格、潜意识和认知机制等。从社会建构主义的观点来看，人格和态度等心理现象并不存在于人的内部，而是存在于人与人之间，是文化历史的产物，是社会建构的结果。Parkes（2013）基于社会建构主义理论进一步分析个体行为的意义，利用特定术语进行描述，基于Hybrid BARS（混合行为锚定等级量表，Hybrid Behaviourally Anchored Rating Scale）方法识别出在e-learning环境中大学生学习所需的58种行为能力，在实践中获得较好的应用效果。[12]
　　相对来讲，从中国知网文献检索结果来看，国内学者对在线学习准备状态的关注和研究略显逊色。虽然杜永新、雪伦等提及远程学习者前期准备的重要性，李娟等对成人远程学习准备度进行了实证研究，但对于在校大学生在线课程学习情况的深刻性和系统性并没有更多研究。在此背景下，本研究基于长安大学慕课学习现状，借鉴国外学者评估量表，调查研究在校大学生在线课程学习准备情况，旨在为优化在线课程学习提供有益支持。
　　二、研究方法
　　1. 数据收集
　　面对异军突起的“慕课”，长安大学地球科学与资源学院2014年开始要求1，200多名在校本科生开展“爱课程”网上精品课程学习。本研究选取参加“爱课程”学习的407名学生（占全校入学新生总数的6.5%）作为试测对象，基于腾讯微信平台进行在线网络调查，最终发放问卷405 份，回收问卷403份，回收率是99.5%，均为有效问卷。调查工具采用大学生在线学习准备度调查问卷。该量表2014年由Mitchell Parkes研究设计，后经过大量试验得到专家认可。问卷内容涉及在线课程学习环境管理、自主学习、在线交互与讨论三个方面，共计有58个能力测评项。每个题目均有5个可选择项，使用李克特 （Likert） 五度标定法的形式设计问卷初稿，要求被测试者分别就各个评测项目自身契合程度进行自我评估。这5个程度可选项依次为：“准备充分”“准备较好”“准备一般”“稍有准备”和“无准备”，分别被赋予“5”“4”“3”“2”和“1” 的量值。 　　2. 数据分析
　　问卷返回后，首先对错误数据与异常值进行识别并去除。同时为方便分析，本研究应用累积频率统计方法，依据各测评项能力的累积百分比，将在线课程学习能力划分为三类：① 准备充分（至少90%测试者选定“准备充分”或“准备较好”的能力测评项）；② 准备较好（至少90%测试者选定“准备充分”“准备较好”和“准备一般”的能力测评项）；③ 准备不足（剩余测试项）。结果表明，没有测评项被学生认为准备充分，23种能力被认为准备较好，35种能力被认为准备不足（见表1）。结果表明，学生对每一个测评项能力的准备程度存在差异。但值得注意的是，李克特五级量表等距量度的原始分数所代表的个体能力水平具有等距意义，事实并不尽然，往往“非常不同意”与“不同意”之间的距离和“不同意”与“同意”之间的距离并不完全相等。鉴于李克特五级量表无法准确地表达准备程度的具体等级，为进一步量化该等级，检验研究结果的合理性，本研究采用Rasch模型对在线学习者58种具体测试项目的准备度差异及等级进行精确分析，以提高评分结果的信度和区分度。
　　Rasch模型使用均方值（mean square）和t值来检验测试项的模型拟合度（主要有四种模型拟合度指标：infit的均方值和t值以及outfit的均方值和t值。Wright等建议两个均方值小于0.6或大于1.4即可认为是显著不拟合，t值以2、-2为临界标准），在一定程度上能够反映出被试者的表现在多大程度上受到了目标特质（能力）因素的影响，并能帮助鉴别出表现不合常理的测试项目和测试对象（刘昊，2013） [13][14]。本研究对问卷数据进行整理，按照FACETS 软件进行规划处理后，测定出所有测试项目的两个均方值、t值偏差都不大（均值分别为1.02和1.04、0.01和0.12），测试对象的两个均方值、t值均值分别为1.03和1.01、-0.2和0.3。当“Separation”分隔系统的值为0.45时，表明被测试者之间并无明显的差异，而“Reliability”可信值到达0.94时，表明测试对象具有良好的数据模型拟合度，58个项目的测试具有不错的信度和效度。
　　由于将被测试对象examinees设为positive，所以分数高低能直接体现能力的强弱。从Rasch分析得到的Logits值越大，代表准备程度越好。由表1可见，学生准备最好的能力是1-1（下载或上传资源Logits=0.85），其次是3-1（尊重他人Logits=0.83）和3-2（树立正确的网络道德意识，培养良好的网络行为习惯）；学生准备最差的能力依次是3-21（针对分歧之处提出自己的观点或提出反对的意见）、3-20（与同伴交流，进行知识交换与共享）、2-13（善于对相关网站内容进行点评）。
　　三、结果讨论
　　1. Rasch结果分析
　　随着微博、微信等网络开放交流平台的便捷与多样化发展，在线学习的途径愈加丰富，学习者个人借助手机、互联网等进行的在线课程学习日渐增多。研究结果表明，大学生在应用计算机与网络技术方面相比以前有了很大的提高，网络已成为当前大学生学习、工作和生活不可或缺的部分。建构主义强调“情境”“协作”“会话”和“意义建构”是构成学习环境的四大要素，本研究中的模型分析表明需要关注以下问题：
　　（1）大学生在时间管理方面的准备情况非常不乐观，包括“假如在学习过程中遇到了其他事情，可以做到排除干扰、继续学习”（-0.29）“无论多忙，每周我都做到保留一定时间坚持学习 ”（-0.31）“通常情况下，我都能够有条不紊地处理好工作和学习的关系”（-0.43）。这说明，针对刚入学大学生的学习支持服务所需重点引导的内容是时间管理，这与其他研究结果是相似的。例如，Vergidis和Panagiotakopoulos （2002）的研究认为，时间管理能力相对薄弱是导致学生辍学的第二大原因；Fozdar、Kumar和Kannan （2006）发现，35%的学生认为“缺少时间改变家庭状况”是失学的重要原因。这同时也反映出大一新生不能很好地协调学习与活动关系的真实现状。
　　（2）大学生在“学习者与内容之间的交互”维度的整体准备度不高，对“讨论问题提供新的思路和方法” （0.06）有一定的差距；在学习中面临疑惑或冲突时的准备不足，包括“愿意接受思想挑战”（-0.58）“对于复杂性问题经常反复思考”（-0.61）和“善于主动求助学习问题”（-0.09）等。这表明学生在面对学习问题时，不能静下心来认真思考，缺乏探索的积极性，不能有效运用适合自身特点的学习方法。这与学生对贯穿学习过程的持续学习力与持续自我评估自信心不足、对克服学习过程中的困难的决心不足相呼应。
　　（3）大学生在与他人合作、进行意义交互方面存在很多问题，包括“作为一名学习社区成员，能够和同伴进行有意义的交流与互动”（0.15）“与学习同伴协商构建共同的知识，达成共识”（-0.59）和“与同伴交流进行知识交换与共享”（-1.15）等。依托微博、微信、QQ、email、基于网络的公共开放论坛及其他技术[16]等，大学生身临亘古未有的更加开放、多样和频繁的交互机遇之中。但研究发现，学生多是以交友、表达心情和闲聊等为主，很少为完成某个真实的任务与同伴开展有意义的合作[17]。同时，学生在使用学习管理系统方面的准备水平较低，这在学生第一次进行体育课在线选课时得到了相应的印证，在这方面还需要进一步关注。
　　（4）学习者的阅读、笔记、听课、表达和书写能力的准备度不高，如“能够用口头或者书面形式，恰当并有条理地陈述自己的观点”（0.34）“能够采用合适的方式提高听课和阅读资料的效率”（0.04）和 “查阅多篇参考文献来确保内容的准确性”（-0.09）。笔者作为辅导员，多次与任课教师和学生交流，也得到了相似的观点，“有些学生听课时注意力很难集中，每隔几分钟查看一次手机”“学生回答问题不清晰，论述句子前后不连贯”。 　　2. Rasch分数与个人因素分析
　　为明确学生个人特征对学习准备情况是否存在影响，本研究以Rasch分数为因变量，以学生性别、家庭籍贯、生源地、父母受教育程度、性格和家庭收入等为自变量进行多元回归分析。从分析结果可以看出，除计算机应用技能相关测试项外，女生整体准备情况优于男生，特别是性别与时间管理、学习态度相关测试项的准备度之间具有非常显著的相关关系 （P=0.000<0. 001），女生一般情况下态度相对认真，也肯努力。不同区域生源地学生的学习准备度差异不显著，但在计算机搜索引擎和浏览器使用方面有差异，城市学生明显高于农村学生。但需要注意的是分数高的学生（高考成绩）在线课程学习的准备状态并不好，他们虽然能够更好地坚持进行在线课程学习，学习责任心较强，但在与他人合作、讨论问题方面参与度不是很高，也不能很好地提出不同意见。
　　四、结论
　　本研究运用 Rasch 模型，分析了大学生在线课程学习准备状态，发现“下载或上传资源”“熟练使用Web浏览器”“有效使用搜索引擎”等计算机应用能力是学生准备最为充分的，但对在线学习时间管理整体准备不足，特别是当社团活动与学习计划时间相冲突时，学生无法按时完成学习任务，故应通过督导等方式调动他们的学习主动性与自觉性，促进他们进行有意义的交互，对他们在时间管理等方面提供有意义的策略[18]。与此同时，学生对协作学习能力准备度没有予以足够的重视，今后在在线课程学习过程中，应引导学生多交流与讨论，达到知识共享。
　　面对多样化的大量在线课程，本研究得到了学校管理者和教师的积极响应。对大一新生的在线学习准备情况进行充分而深入的有效探索，是高效的教育信息化工作的前提与开端。同时，Rasch模型的应用，能够鉴别出反应模式异常的题目或测试者，为完善测试工具提供了可靠依据。今后，本研究还将对全校大学生及硕士研究生在线学习准备情况进行大范围调查，并将从中选取典型群体进行实证跟踪调查研究，为后续研讨各阶段的学习支持策略提供依据。
　　[参考文献]
　　[1] Prensky， M. Digital natives， digital immigrants [J]. On the Horizon，2001，9（5）：1-6.
　　[2][3][4] 王颖，张金磊，张宝辉. 大规模网络开放课程（MOOC）典型项目特征分析及启示[J]. 远程教育杂志，2013，（4）：67-75.
　　[5] 李娟，李文娟，查文英等. 成人远程学习准备度的实证研究[J]. 开放教育研究，2014，20（3）：88-97.
　　[6] 李娟，李文娟. 远程初学者自我导向学习准备度的实证研究[J]. 成人教育，2014，（3）：21-23.
　　[7] Mitchell Parkes， Christine Reading.The competencies required for effective performance in a university e-learning environment. Australasian Journal of Educational Technology， 2013， 29（6）：777-791.
　　[8][12] Mitchell Parkes， Sarah Stein， Christine Reading. Student preparedness for university e-learning environments [J]. Internet and Higher Education， 2015， （25）：1-10.
　　[9] Warner D.， Christie G.， & Choy S. The readiness of the VET sector for flexible delivery including on-line learning[M]. Brisbane： Australian National Training Authority. 1998.
　　[10] McVay M. Developing a web-based distance student orientation to enhance student success in an online bachelor's degree completion program. Unpublished practicum report presented to the Ed. D. Program[M]. Florida： Nova Southeastern University.2000.
　　[11] Watkins R.， Leigh D.， & Triner D. Assessing readiness for e-learning[J]. Performance Improvement Quarterly，2004，17（4）， 66-79.
　　[13] 晏子. 心理科学领域内的客观测量――Rasch模型之特点及发展趋势[J]. 心理科学进展 2010，18（8）：1298-1305.
　　[14] 刘昊，刘肖岑，冯晓霞. 应用Rasch模型测试和分析儿童入学准备状态[J]. 心理科学，2013，36（2）：484-488.
　　[15] 刘红霞，赵蔚，陈雷. 语义网自适应学习系统中基于学习风格的教学策略模型研究[J]. 中国教育信息化，2014，（6）：24-27.
　　[16] 吴咏荷，托马斯・希・里夫斯. 网络学习中的有意义交互：社会建构主义的视角[J]. 中国远程教育，2014，（01）：15-23.
　　[17] 张波. 基于QQ使用的新媒体对大学生思想和行为的影响[J]. 蚌埠学院学报，2014，3（6）：125-129.
　　[18] 李晓丽，李蕾，徐连荣等. 虚拟学习环境支持的课程教学设计及应用成效研究[J]. 中国电化教育，2014，（2）：119-122.
　　收稿日期：2015-04-30
　　定稿日期：2015-06-16
　　作者简介：姚洁，博士研究生，讲师，长安大学地球科学与资源学院（710054）。
　　责任编辑 石 子
转载注明来源:https://www.xzbu.com/9/view-11478939.htm