網絡學習空間中學習者學習投入的研究

張思　劉清堂　雷詩捷　王亞如

摘要：網絡學習空間的建設與應用是當前研究者與管理者關注的焦點。網絡學習空間應用的目的是促進學習者的學習投入和知識建構，從學習者學習投入的視角分析網絡學習空間應用現狀，進而提出網絡學習空間建設與應用的建議具有重要意義。該研究首先提出了網絡學習空間中學習者在線學習投入模型，并指出學習投入各維度的度量方式；然后以教師網絡學習空間為例，分析了教師網絡學習投入的現狀，并以學習投入指標為分類變量，對教師的學習成績進行了預測，通過與實際情況對比表明學習成績預測具有較好的準確性；最后提出了網絡學習空間建設的啟示，以期為網絡學習空間建設與應用提供可資借鑒的依據。

關鍵詞：網絡學習空間；學習投入；學習行為；大數據分析

一、前言

隨著信息技術與教育教學融合的進一步深入，網絡學習空間成為教學模式、學習模式、教研模式和教學資源共建共享模式創新的重要源泉，網絡學習空間的建設與應用成為研究者和管理者關注的焦點。在教育部頒布的《教育信息化“十三五”規劃》（教技[2016]2號）中明確指出，要“創新‘網絡學習空間人人通建設與應用模式，從服務課堂學習拓展為支撐網絡化的泛在學習”。網絡學習空間建設的目的是形成學習網絡，讓學習者在學習網絡中學習。但有研究表明，由于網絡學習的時空特性，學習者在網絡學習中容易出現投入不足，輟學率較高的問題。網絡學習中的學習投入與學習質量緊密聯系，研究者對網絡學習中學習投入的研究主要涉及對網絡學習中學習投入的描述分析、影響因素分析、學習投入與學習質量的關聯分析。在學習投入的描述性分析方面，主要建立學習者學習投入指標，收集學習者學習投入數據，對學習者學習投入狀態進行判斷。隨著學習分析與大數據技術的發展，對學習投入的研究正朝著深度測量與分析的方向發展，深入分析學習投入的因果關系，建立學習者投入模型，依據學習投入狀況進行學習質量監控與評價。網絡學習空間能對學生學習過程、實踐經歷進行記錄，為學習投入分析、學習質量監控與評價提供了基本條件，在此基礎上，本研究嘗試提出網絡學習空間中學習者學習投入模型，可用于對網絡學習空間中學習投入的分析與評價，提出網絡學習空間建設的建議，目的是提升網絡學習空間應用的質量。

二、相關研究

（一）網絡學習空間的相關研究

盡管網絡學習空間的廣泛、深度應用是當前教育信息化的重點，但對于網絡學習空間的內涵仍缺乏統一的認識。一般認為，網絡學習空間是由社會化軟件和網絡學習平臺支持的在線學習活動開展的空間，典型的如國家教育資源公共服務平臺、世界大學城、微信平臺等。網絡學習空間在創新教學模式、自主學習模式、教研模式方面具有廣闊的應用前景，主要應用模式包括：依托網絡學習空間的文化傳播模式，目的是提升社區人員的文化素養；依托網絡學習空間的職后培訓模式，目的是提升學習者的職后專業能力；依托網絡學習空間的探究社區應用模式，目的是提升學生的實踐探究能力。在依托網絡學習空間開展教師培訓方面，典型的是我國于2014年開始實施的中小學教師信息技術應用能力提升工程（簡稱能力提升工程）。在能力提升工程中明確要求“依托網絡研修社區，推行網絡研修與現場實踐相結合的混合培訓模式”。網絡研修是在網絡學習平臺上開展的有組織、有專家引領（輔導教師）的自主研修方式，網絡研修社區中包括教師的學習社區、專家的輔導社區和管理者的管理社區，教師網絡研修社區的組成如圖1所示。

教師網絡學習空間的應用模式包括利用視頻的網絡課程學習、網絡校本研修活動與教師工作坊活動。教師網絡學習活動普遍存在質量監控薄弱的問題，網絡學習的支持保障機制仍然是當前的短板。

（二）在線學習投入的結構維度

學習投入是指學習者在學習活動過程中表現出的一種積極的、持續的情感狀態，主要特征是活躍、專注和奉獻。學習者的學習投入狀況可以作為預測其學習成就的指標。國內外研究者對學習投入的結構維度進行了廣泛而深入的探索。李爽等人在綜合國內外學習投入相關研究的基礎上，提出在線學習投入行為的分析框架。在該框架中，在線學習投入行為包括參與、交互、堅持、專注、學術挑戰和學習的自我監控六個維度，每個維度又包括若干個二級維度。Kim等人的研究認為，異步在線討論環境中學習者的學習投入包括積極參與討論、投入討論的主題、堅持和交互。朱文輝等人的研究認為，學習者參與的高低是在線學習有效性的顯著標志，在其研究中將參與度分為表層參與和深層參與，并通過問卷調查法和內容分析法分析了教育碩士的在線參與情況，結果表明網絡化的協作學習活動顯著提升了教育碩士的在線學習參與度。彭敏軍等人的研究中，從數量和質量兩個角度提出了學習參與的量規度量方式，研究結果表明基于量規的學習參與考量方法能提高在線學習的參與度。在線學習中，學習者參與并不表示投入，學習投入是一個具有時、空特性的指標。學習者在線學習投入與專注和規律有關。專注和規律是從時間維度更細致地刻畫學習者的投人程度，是指學習者保持學習狀態的努力程度。在線學習專注、有規律的學生能較長時間保持學習狀態，對課程作業、在線討論投入較多，因而課程作業的質量較高，參與討論的頻率和深度較高。在網絡學習空間中，學習者除自身學習外，還不斷地與他人進行交互，學習者參與交互的狀態也是衡量學習投入的重要指標。毛剛等人在活動理論的基礎上提出了小組協作學習分析模型，用于對以小組協作學習過程進行全面、深入的分析。在該分析模型中，對協作學習過程建立了13個觀察評價指標，包括發/回帖數量、言語互動頻次、活動參與頻次等。研究結果表明該分析模型在指導基于網絡的協作學習分析實踐方面具有良好的操作性。學習投入維度的相關研究為本研究中學習投入分析模型的提出建立了基礎。

（三）在線學習投入和學習質量的關系

在線學習中，學習者的學習投入對學習質量具有顯著的影響。李曉東等人基于自我調控學習理論編制了中小學教師遠程繼續教育學習質量評價問卷，并運用該問卷調查了中小學教師遠程繼續教育的學習質量，結果表明中小學教師的學習投入對學習成績具有顯著的影響。謝浩等人的研究認為，形成性評價是保證遠程教育學習質量的一個關鍵環節，而學習參與度評價是加強形成性評價的重要策略。有規律的學習能加強學習者的學習體驗，進而提升學習質量。網絡學習空間的交互性、協作性功能是促進學習者使用網絡學習空間的重要動力。梁云真等人以網絡學習空間中的交互為研究對象，收集網絡學習日志和評論貼內容，采用社會網絡分析法和內容分析法研究了網絡學習空間中學習者的交互狀況和協同知識建構情況。研究結果表明，網絡學習空間中學習者的交互是一個相對稠密網絡，學習者之間交互較多，但協同知識建構停留在分享與澄清、認知沖突等較低層次。

研究者進一步探索了在線學習投入的影響因素。高潔等人從自我決定理論的視角研究了外部動機與學習投入的關系，研究結果表明外部動機對在線學習投入的影響取決于學習者的自主性程度，對于自主性高的學習者而言，外部學習動機能有效促進學習者的學習投入。在線學習中，學習者的動機、自我效能感、教師、學習活動設計與評價反饋、網絡學習平臺的技術特征是影響學習者學習投入的重要因素。

（四）在線學習投入研究的發展方向

盡管研究者對在線學習投入進行了廣泛而深入的研究，但目前研究仍存在兩個主要局限：在研究內容方面，當前研究對學習投入的研究主要依靠網絡學習平臺記錄的學習行為數據，如學習者登錄的次數、觀看視頻次數、參加活動的次數等。學習者參與數據在一定程度上反映了學習投入的特征，但在線學習投入是—個具有時間、空間特征的指標，學習者參與不能代表投入，對學習投入需要更加細致的刻畫，考慮學習投入的時間特征和空間延展性。在研究方法層面，盡管研究者建立了學習投入的描述性指標，并采用調查研究法、內容分析法、社會網絡分析法等研究了學習者的學習投入狀態，但研究方法是描述f生的，其預測和干預的能力不足。當前，在網絡學習空間記錄學習行為數據的前提下，大數據學習分析技術為學習活動的預測與干預提供了可能。建立大數據分析模型，對學習活動開展形成性評價，及時預測與干預學習活動成為當前研究的熱點與難點。

三、網絡學習空間中學習者學習投入模型

（一）網絡學習空間中學習者學習投入模型的結構

在網絡學習空間中，學習者的學習投入具有時間、空間特性，表現為學習者的參與、專注、規律和交互四個維度，學習者在線學習投入模型如圖2所示。

其中“參與”表示學習者參與學習活動的情況，如登錄網絡學習平臺、瀏覽課程、參與學習活動、參與討論活動等。“專注”是一個具有空間特性的維度，用于表示學習者學習投入的程度，如每次登錄的平均時長、提交作業的質量、發帖長度、參與討論的深度等。“規律”是一個具有時間特性的維度，用于表示學習者參與學習活動的規律性，如登錄間隔、登錄的平均間隔、參與活動準時性、規律地回帖等。在網絡學習空間中開展各種學習活動的目的是促進學習者之間的交流，通過交流互動提升學習者的學習動機、學習能力和水平。“交互”表示學習者之間交流互動的情況，也是學習者學習投入的重要組成部分，表現為發帖、回帖、上傳資源、點度中心性等。

（二）網絡學習空間中學習者學習投入模型的度量

建立網絡學習空間中學習者學習投入模型的目的是對學習者的學習投入情況進行刻畫，判斷個體學習者、協作群體學習投入的質量，并用于學習質量的預測和干預。在進行學習投入分析之前，需要制定各投入指標的度量方式。本研究中，學習投入包括參與、專注、規律、交互四個維度，每個維度下面包含若干個二級維度，每個二級維度的度量方式如表1所示。由于學習者學習投入的指標有很多，本研究選擇代表性的維度進行說明。

（三）學習投入指標的進一步說明

在表1中定義了學習投入指標的度量方式，其中部分指標容易度量，如學習者登錄網絡學習空間的次數，很容易根據網絡學習空間記錄的日志計算出學習者登錄的次數。另外一些指標則依據計算方式的不同，而表現出不同的定義，如回帖深度、登錄間隔。因此，有必要對部分指標作進一步的說明。

1.作業質量

學習者提交作業的質量，一般由教師或網絡學習的輔導者依據一定的規則給出，常見的質量等級如優秀、良好、合格、不合格等，每個等級代表一定的數值區間。常見的作業質量的評價依據包括：作業的完整性、作業與學習主題的相關性等。教師或網絡學習的輔導者給出作業質量的等級后，網絡學習平臺自動進行權重計算，并作為學習投入的計算指標之一。

2.發帖質量

除學習者發帖的數量指標外，學習者發帖的質量是另一個衡量學習投入的重要指標。發帖質量主要衡量發帖的結構、發帖與主題的相關性、發帖的字數等。其中，發帖的結構是指發帖的完整性，如發帖是否包含主題、正例或反例。良好的發帖結構有助于討論的深入發展，而重復的發帖、不完整的發帖結構會影響，甚至阻礙討論的有序發展。發帖與主題的相關性，是指學習者發帖的內容與主題的相關程度，是直接相關、間接相關還是不相關，相關程度的大小直接決定發帖的質量，也會影響討論的發展方向。發帖的字數，是指發帖內容所包含的文字數，發帖內容包含的字數越多，發帖者投入的精力越多，發帖的質量越高。

3.回帖深度

回帖深度是衡量學習者參與討論時學習投入的一個重要指標，回帖深度的度量如圖3所示。在圖3中，“發帖1”“發帖2”“發帖3”稱為首貼，首貼沒有父帖，只有子貼，首貼的深度定義為1級。“回帖11”“回帖12”是對首貼的回帖，達到2級深度，其中“回帖12”既有父帖，又有子貼。“回帖121”是對“回帖12”的再次回帖，達到3級深度。回帖深度依次類推。

4.登錄間隔

登錄間隔是一個具有時間概念的指標，是學習者連續兩次登錄網絡學習空間開展學習活動的時間差值，如右圖4所示。在圖4中，“T1”表示學習者第一次在線學習活動的持續時間，“T2”表示學習者第二次在線學習活動的持續時間。“T1”表示從第一次“登出網絡學習空間”到第二次“登錄網絡學習空間”的時間差值。依據定義，可以計算網絡學習空間中單個學習者、群體學習者的總學習時長、平均學習時長、總登錄間隔、平均登錄間隔等。以平均學習時長和平均登錄間隔為例，計算方式如下：

5.點度中心性

在網絡學習空間中，學習者與他人交互產生社會網絡。“點度中心性”用于描述學習者在社會網絡中的位置，判斷學習者是交互網絡的核心人物，還是邊緣角色，從交互的角度判斷學習者的學習投入情況。在學習者與他人交互產生的社會網絡中，點度中心性包括點人度中心性和點出度中心性，計算公式如下：

四、網絡學習空間中學習者學習投入的案例研究

（一）案例背景

研究案例來源于中小學教師信息技術應用能力提升工程項目，參與培訓的學員在網絡學習空間中進行學習。學員在網絡學習空間中的學習過程包括觀看視頻案例、提交課程作業、參與網絡校本研修活動、參與教師工作坊活動等4個環節，整個培訓活動的持續時間為4個月，平均每個月開展1項活動。參與培訓的學員分小組參加學習，其中每個小組的人數為70-100人不等。網絡學習空間自動記錄學員登錄情況、觀看視頻的情況、學員提交作業的情況、參與討論的情況等，本研究主要收集學員的線上數據進行分析。學員的培訓成績由3部分組成：第1部分是學員的參與情況，如登錄空間的次數、觀看視頻的次數、學習時長等；第2部分是學員提交作業的得分情況，由輔導教師對學員提交的作業按照事先確定的規則進行打分，作為培訓成績的重要組成部分；第3部分是學員參與網絡校本研修、教師工作坊討論的情況，主要包括學員的發帖、回帖、上傳與下載資源等。3部分成績按照一定的權重相加作為學員培訓的最終成績。在學員參與培訓前，培訓管理者事先告知各部分的權重及計算方法。

（二）研究方法

1.研究對象與目標

本研究的對象為某省2015年參與中小學教師信息技術應用能力提升工程項目的教師，選擇其中1個語文學科小組開展研究。該小組教師成員73人，其中男教師31人，女教師42人，教師的平均教齡為18.5年，學員的培訓成績處于80-100分之間。研究者收集該學科小組成員在網絡學習空間中的學習行為數據，經過數據收集、預處理和分析，目的是了解小組成員在網絡學習空間中的學習投入情況，培訓成績優秀、良好學員的學習投入差異，探索網絡學習投入的預測變量，增強網絡學習投入干預的及時性和準確性。

2.研究變量

在本研究中，以學員的學習成績作為因變量。學員的學習成績分為2類，1類為優秀，即學習成績高于90分，另1類為良好，即學習成績處于80-90分之間。學員的學習投入情況作為自變量，即以參與、專注、規律和交互情況作為自變量，對學員的學習成績進行分類與預測。

3.數據收集與分析

收集的數據包括2部分，一部分為學員的學習行為數據，另一部分為學員的學習成績。學員的學習行為數據由2位研究者分別在網絡學習空間進行采集，采集完成后2位研究者對數據進行比對，對不一致的地方進行協商，直到2位研究者采集的數據達到一致。學員的學習成績主要由學員登錄平臺、觀看視頻、參與討論、提交作業等幾部分按照一定的權重組成，并由系統依據規則進行匯總，并記錄到后臺，這部分數據直接由后臺獲得。

主要的分析方法包括描述性統計分析、比較均值和數據挖掘。其中，描述性統計分析主要用于分析學員投入的基本情況，如參與情況、專注情況、規律情況和交互情況。比較均值用于比較培訓成績高、低學員之間學習投入的差異，描述性統計分析和比較均值在SPSS中完成。數據挖掘主要用于對學員的學習情況進行分類與預測，并判斷預測的準確性。先將學習投入情況和學習成績編輯為Weka可以處理的afff文件，然后進行數據分析。

（三）數據結論

1.網絡學習空間中學習者學習投入的基本情況分析

網絡學習空間中教師學習投入的基本情況如右表2所示。從學習投入的統計情況可以看出，教師登錄的平均次數達到22.25次，平均每次登錄的時長接近3.5小時，平均每位教師提交5個資源。盡管教師參與討論的次數較多（26.86次），但發首帖的次數較少，即教師發布新主題的次數較少。教師發帖基本都是一段話，平均發帖長度為232字。教師登錄的時間間隔約為5.5天，說明教師基本每周登錄1次網絡學習空間參與課程學習與討論。教師觀看他人的討論帖后，進行回復的次數較少，平均為5次，回帖的平均字數為79字，部分教師在發帖時僅僅寫出“同意”“我贊同某某的觀點”“支持”等。

2.培訓成績優秀、良好學員的學習投入差異分析

以培訓成績高于90分的學員為1類，培訓成績在80-90分之間的學員為第2類，采用獨立樣本t檢驗對比高、低學員的學習投入差異。首先判斷數據是否符合正態分布，然后以培訓成績為分類變量，學習投人的指標為檢驗變量，執行獨立樣本t檢驗，判斷培訓成績高、低學員的學習投入差異，統計結果如下頁表3所示，表中僅顯示有顯著差異的變量。培訓成績優秀的學員參與活動的平均次數為4.17，顯著高于培訓成績良好的學員（4.0）。培訓成績優秀的學員參與討論的平均次數為43.25，顯著高于培訓成績良好的學員（23.64）。培訓成績優秀的學員給他人的平均回復次數為10，顯著高于培訓成績良好的學員（4.07）。培訓成績優秀的學員給他人的平均回復字數為158字，顯著高于培訓成績良好的學員（64）。

3.投入預測模型

在Weka中選擇70%的數據作為訓練集，30%的數據作為測試集，進行分類器評估，用于選擇針對本數據集最優的分類器。分類器評估最常用的指標包括查全率（Recall），查準率（Precision）、F1值（查全率和查準率的調和平均值）、分類準確性百分比和Kappa值。常用分類器的效果比較如表4所示。通過比較發現，針對本數據集最優的分類器為決策樹分類器，因此采用決策樹分類器對數據進行分類。

教師網絡研修活動共持續4個月，對每個月的數據進行整理，整理成4個文檔。研究者采用決策樹分類器探索每個月預測學習成績的關鍵指標，分析結果如表5所示。在預測指標中，作業提交量、參與討論次數多次出現，成為預測學生學習情況的重要指標。

使用學習者4個月的學習投入數據作為數據源，采用決策樹分類器對學員的學習成績進行分類和預測，預測的準確性如右表6所示。依據預測的準確性值，建立預測折線如右圖5所示。

4.案例結論

運用學習投入分析模型對教師網絡學習的投入狀況進行分析，我們發現教師網絡投入的程度不高，其中參與和交互的情況最為明顯，與王琦的研究得出類似的結論。其次，高低學習成績的學員在網絡學習空間中表現出不同的學習狀態，在參與活動、參與討論、回復以及回復的專注程度方面表現出顯著的差異。最后，以學習投入情況作為分類數據源，對學員的學習成績進行預測，表現出了較好的準確性。

五、討論

盡管國內外學者對在線學習投入進行了廣泛而深入的研究，但當前研究無論是研究內容層面，還是研究方法層面都存在局限。提升學習投入測量的準確性、干預與決策的及時性成為網絡學習空間建設亟待解決的重要問題。

第一，學習者的學習投入具有時間、空間特征，對學習投入的分析需要在現有數據指標的基礎上，加入時間、空間維度，用于更細致的、準確地分類不同學習投入的學習者。

第二，對學習者交互的研究主要停留在數量描述，最常用的方法是計算發/回帖的數量、發/回帖的字數、提交和下載資源數等。學習者的交互具有層次結構，呈現樹狀特征，交互的深度與質量是影響學習討論發展的重要推動力。因此，在描述數量的同時，網絡學習空間需要從層級方面對交互的質量進行描述。

第三，當前對學習投入的研究，主要采用數據指標或量規的方式判斷學習者學習投入的狀況，這些方法能對學習者的學習投入進行刻畫，但難以及時發現并指出學習者學習投入中出現的問題，更難以輔助管理者及時干預與決策。在大數據學習分析的基礎上，建立數據預測模型，對學習者的學習狀態進行預測與干預，成為當前研究亟需解決的問題。

第四，當前對學習投入的研究，主要由研究者收集學習者學習投入的數據，并采用一定的研究方法判斷學習者的學習投入狀態，然后從管理層面進行干預與決策，在一定程度上仍然具有反饋滯后性。學習分析的目標是促進學習者個體的發展，將學習投入的情況及時反饋給學習者，讓學習者依據自身的學習情況及時進行調整，是提升在線學習績效的較好的選擇。

六、結論

網絡學習空間中學習者的學習投入是影響學習質量的重要因素。本研究在文獻研究的基礎上，提出了網絡學習空間中學習者學習投入的分析模型，并指出學習投入各維度的度量方式。然后將該模型運用到教師網絡學習空間，探討了教師網絡研修的學習投入狀況，并以學習投入為數據源，對教師的學習成績進行了預測，通過與實際情況對比表明預測具有較好的準確性。但本研究仍存在以下三個主要局限：首先本研究的樣本太少，以—個學科小組的數據進行分析，得出的研究結論可能難以推廣到更大的總體；其次，教師的學習投入涉及行為、認知和情感等多方面要素，僅僅從行為方面判斷學習者學習投入的狀況略顯不足；第三，學習者的學習投入狀況不僅僅體現在結構化數據方面，而且也體現在非結構化數據方面，如發帖內容與主體的關聯性、發帖內容的新穎性等，而相關內容由于目前研究者能力的局限沒有考慮進來。在今后的研究中，將進一步擴大研究的樣本，選擇教師研修活動的多個小組進行研究，進一步增加認知和情感方面的指標，并融合結構化數據和非結構化數據進行綜合評價。