學習行為投入評測框架構建與實證研究

張琪 武法提

摘要：作為學習者實際表現的主要驅動力量，學習行為投入還未能形成有效的評測體系。該文在對學習行為投入本質探尋的基礎上，利用學習者對信息交換活動的適應性調節過程分析學習行為投入的狀態，建立周期反饋循環模型，確定了包含持續性（Persistence）、反思性（Reflection）、主動性（Initia tive）與專注性（Concentration）的“PRIC”評測維度以表征學習行為投入的水平。據此構建了基于教育云平臺的學習行為投入評測框架。框架指標的探索性因子分析表明，4個因子積累方差解釋率為64.90%，因子載荷在（）625至0.930之間；驗證性因子分析表明，各擬合指數良好，標準化路徑系數在0.60至0.94之間，建構信度為0.949；主成分回歸分析表明，4個因子對學習結果具有36%的解釋力。為更準確的構建評價體系，利用層次分析法建立指標權重，“PRIC”各維度的權重分別為0.3263、0.2121、0.2516與0.2100。

關鍵詞：學習行為投入； “互聯網+”教學；教育云平臺；評測框架；實證研究

中圖分類號：G434

文獻標識碼：A

利用技術促進自我導向的學習是信息時代個性化學習的核心特征[1]。這類新型學習環境設計強調“以學習者為中心”，更關注“學習者如何建構學習內容”。縱觀當前互聯網+教學實踐，還未能形成有效的評測體系，尤其是評測指標與一線教學場景的結合度不夠。因此，迫切需要針對信息技術的教學場景設計新的評估方式，采用一種既有信度又有效度的指標體系考量學習狀態。在對學習行為投入定義及理論模型研究的基礎上， “數字學習與教育公共服務教育部工程研究中心”圍繞學習行為投入的評測方式展開探索，通過建立體現系統性、過程性以及具備效度的評測框架，以表征學習行為投入的水平，以期助力有效的學習分析與評測工具開發，推動“互聯網+”教學的優化變革。

一、學習行為投入的狀態界定

作為“學習者實際表現的主要驅動力量”[2]，學習行為投入是指更積極、持久和有效的行為狀態，是學習者借助無縫學習空間，在工具、學習方式與學習任務的調控下，與學習資源、共同體進行信息交換活動的行為表達結果。根據學習行為投入理論模型，在學習目標和動機的激發下，操作流演進為連貫的學習行為序列，以支撐學習者與學習資源、學習共同體之間的信息交換活動；在以信息交換為核心的活動系統中，學習者使用不同的適應性調節策略，引發相應的學習行為投入，外顯上體現為學習績效的提升與學習目標的達成。因此，對學習行為投入的狀態界定可以圍繞學習者對信息交換活動的適應性調節過程展開分析。

（一）多維度、自定步調是信息交換活動的重要特征

傳統“混合學習”并不突出移動設備的實時在線、互聯以及跨邊界特性。 “互聯網+”混合學習環境中移動媒體的便攜與聯通特性，更強調多維度的信息交換活動。多維度特性體現在4個方面。一是學習者利用學習內容與資源的便捷性與途徑的多樣性；二是學習行為序列聚合與重組的跳躍性與敏捷性；三是活動系統內部體現的跨時空特性；四是立體化學習方式帶來的多維學習體驗。

信息交換的多維度特性，極大拓寬了活動的種類與實施的靈活性、白組織化以及開展的彈性。學習者可以按需參與互評、反饋、沙龍、競賽、討論、演講、投票、展示等多樣化的學習活動，圍繞不同學習場景展開認知加工、信息聯通與群體互動。這對學習者自控能力提出了極高的要求。信息交換活動中，自定步調體現在時間管理、進度管理、自我約束、主動建構等方面，更反映出學習者對學習活動進行適應性調節，以不斷優化學習狀態的過程。

（二）周期反饋循環是信息交換活動與學習行為投入的中介

“互聯網+”混合學習環境中，學習空間、物理空間、虛擬空間、混合空間融為一體，賦予了學生學習的新意蘊，使其表現出了不同于以往的新特征[3]。在此情境下，信息交換活動與學習行為投入之間調節作用更為密切。基于社會認知論的自我調節學習視角，學習者在計劃階段的表現和信念會影響之后行為或認知階段的調節活動。開始任務之前，學習者會努力確定學習任務的要求，擬定計劃或處理該類問題的程度。在混合學習環境中，這一階段的作用被強化，學習者更傾向于意識活動中的細節、期望取得的目標以及達成目標的方法[4]。從橫向上看，體出學習個體基于一定步驟達成學習目標或在提示下獲得對任務狀態的反饋；從縱向上看，體現在學習者置身于多個“場域”之中，實現與其他學習者的協調共進。

由此可見，周期反饋循環可以決定“以任務為導向的個體出現并保持投入的狀態”，并強調認知、元認知及相關動力信念在這一過程中的作用，決定了學習行為投入的水平。基于該視角，學習行為投入并非“要么沒有、要么全部”，而是在不同學習階段中持續與交替出現。此外，學習行為投入的變化過程中，學習者會啟動不同種類的自我觀察程序，即在學習策略不奏效時，也可幫助學習者改進與調整學習活動。

二、學習行為投入周期反饋循環模型

基于以上分析，構建了學習行為投入周期反饋循環模型，如圖1所示。確定了持續性（Persistence）、反思性（Reflection）、主動性（Initiative）、專注性（Concentration）的評測維度以表征學習行為投入的水平。研究從模型層次結構、周期循環要素、模型內部動力機制以及“PRIC”評測維度展開闡釋。

（一）模型的層次結構

該模型包括學習行為投入、周期反饋循環以及信息交換活動3個層次。

圓心位置的核心層為學習行為投入。從可觀察的形態表現在問題解決能力提升、學習行為持續、任務目標達成等積極有效的行為狀態。從學習結果上體現在學習者新舊概念的轉換與認知結構的變化。

中間層為周期反饋循環層（虛線箭頭的環狀標識），包括設定計劃、行為策略、任務執行、觀察評價組成的動力循環結構。周期反饋循環作為中間變量，直接指向個體學習時產生并保持高學習行為投入的狀態。

最外層為信息交換活動層。信息交換活動是學習行為序列在主體、客體、共同體、中介、工具、混合學習環境等要素作用下的不斷凝聚與重組，以有目的地滿足學習需要。

（二）周期反饋循環

借鑒Zimmerman的自我調節學習模型[5]，確定包含設定計劃、行為策略、任務執行、觀察評價的“周期反饋循環”。其中，設定計劃是學習者在任務開始之前，設定成果或進程安排，提出學習計劃以實現學習目標；行為策略是自我調節中的“策略和方法環節”（Segment Focuses onTactics and Strategies）；任務執行過程是指學習者致力于學習任務，基于已有知識和信念解釋任務的屬性和需求，通過建構的解釋，設置新的目標或者應用行為策略；觀察評價是對上述表現評判基礎上，判定自身成就與結果的過程。在學習過程中，學習者更有可能將自己的成敗歸因于所用策略，并據此做出調整，以期未來取得更好的表現。根據動力循環結構模型，學習者會不斷重復以上4個調節步驟。

（三）模型的內部交互機制

模型內部交互機制包括4個方面。一是核心層與中間層之間的交互作用，體現在“專注性”調控周期循環與學習行為投入；二是周期循環層內部的持續流動，體現在“持續性”連接設定計劃、行為策略、任務執行與觀察評價4要素；三是周期循環層各要素之間的重組和變化，體現“反思性”對設定計劃、行為策略與任務執行的調控。需要說明的是， “觀察評價”作為周期循環的要素之一，同樣屬于反思環節的一部分；四是周期循環層與信息交換之間的交互作用，體現在“主動性”調控周期循環與信息交換活動。其中，持續性和專注性可以保障信息交換活動的自定步調特征，主動性和反思性可以保障學習活動的多維特性，由此形成穩定、持續、積極的投入狀態。

（四）“PRIC”評測維度

1.持續性（Persistence）

持續性貫通“設定計劃、行為策略、任務執行以觀察評價”四要素，使周期循環層內部呈現順序流動。持續性是學習行為投入產生和維系的關鍵。為了維系學習行為投入，學習者對動機進行調節尤為重要。持續性反映動機調節的結果，指向學習者有目的增強對任務意愿的達成過程，是周期反饋循環的核心。

從表現形式上看，在技術支撐的無縫學習空間中，學習者必須持續使用特定的學習步驟以達到指定學習目標，尤其在沒有監督和管理情況下需要調整學習時間和精力分配，依據標準檢測自身進步，從而與學習內容、媒體、學習共同體之間產生連續交互活動。持續性強調學習任務、學習規劃以及任務完成過程中的連續程度，包括時間規劃、努力規劃、目標規劃以及與環境展開互動的時間或規律性，在任務執行階段體現出良好的學習韌性以及堅持自我的特征。

2.反思性（Reflection）

反思性從兩個方面決定了學習者保持學習行為投入的狀態。首先，反思性決定學習者對周期反饋循環各階段的適應性調節。具體來看， “設定計劃”環節，學習者監測學習活動、獲得對自身的表現信息，以制定切實可行的目標； “行為策略”環節，學習者通過調整、改造、重組學習策略適應在線學習環境，發現課程設計中可以促進特定學習策略的元素，不斷產生新的問題解決模式和技巧；“任務執行”環節，學習者不斷調整認知方式與學習策略，通過建構的解釋，評估自身的進步過程并調整學習策略； “觀察評價”環節，學習者通過自我反饋或外部反饋與標準進行比對，配合學習者調整學習活動，并以此判定任務達成度。其次，反思性決定學習者對各階段之間的協調與控制。此過程中，學習者會從整體層面回顧任務進程與策略分配，回顧所用策略的有效性，并為改善表現做必要的戰略調整。

3.主動性（Initiative）

主動性調控周期反饋循環各階段與信息交換活動，決定了學習者的行為控制與達成潛能的方式。主動性是探索與自控產生的根源[6]，反映學習者穩定的對信息交換活動做出積極反應的態度和傾向。“互聯網+”混合學習環境中，在線學習的恒常性以及學習場景的多樣性容易對學習行為控制與達成程度產生影響。高主動性學習者具有更好的自我調節能力。受到動機環境的影響，一旦學習者遇到新問題，高主動性學習者會借助“社會一文化”環境探尋答案。在發生異常動力狀態，如產生阻礙性認知與行為時，主動性是保持周期反饋循環持續正向流動的關鍵。此外，在“學習方式一學習者一共同體”的交互作用下，聯通性的作用日益凸顯。在活動系統中，知識更具流動性、開放性、分布性與社會性的特征，這要求學習者能主動與外界建立關聯，以不斷構建自身的學習網絡。

4.專注性（Concentration）

專注性反映了周期反饋循環與學習行為投入之間的匹配程度，包括學習效率、圍繞目標的深入程度以及學習過程中的認知深度。這一過程的重要性在于，它在根本上決定了學習者的心理配合度與集中程度。專注性不僅會影響其學習行為投入，也會影響個體自我調節周期反饋循環中的認知投入程度[7]。從個體和環境“適應性配合”的角度，專注性同樣會對學習行為投入的表達產生影響。在這類交互作用中，個體力求補償目標與當前表現間的差距，在面對難題或挑戰情境時學習者仍然努力尋求答案，集中精力以探求對問題的深入理解。

三、基于教育云平臺的學習行為投入評測框架

（一）教育云平臺記錄指標

教育云平臺功能模塊與教學模式深度融合，記錄包括每次學習活動登錄的起止時間、課件點播學習時長、課后測試分數、學習筆記深度、學習筆記長度等16個指標。針對學習者有可能頻繁登錄的情況，在平臺迭代完善的過程中，匯總各學科教師建議，將“學習者在任一學習模塊停留時間超過15分鐘且有操作行為”的狀態設定為一次學習活動，以更真實的反應學生的登錄狀態。主要指標意義及計算方式闡釋如下。

1.總計學習時間與學習次數

系統記錄學習者登錄與登出之間的時間與次數加權值。

2.學習時間間隔與規律性

利用△t表示學習者相鄰兩次登陸平臺的時間間隔，對于每位學生，平臺會產生△1，△2…△n的數值，利用△t的平均值計算學習時間間隔，△t的標準差衡量學習規律性[8]。

3.學習筆記深度與長度

學生可以在任意時刻（被教師強制鎖定除外）調用學習筆記，記錄形式可以是輸入、手寫或者音視頻的形式。系統記錄筆記的層級（即深度）與字符串長度，取字符串長度的平均值計算學習筆記長度。

4.課后測試分數

課后測試主要包括半開放性與開放性的拓展類問題，其中相當大的比重是要求學生繪制思維導圖，回顧課堂知識點的脈絡，或考察學習者對內容的深層理解。通過系統批閱與教師批改的形式給出最終分值。取每次分值的平均值計算課后測試分數。

5.學生提問、回答數量以及主題被推薦數量

學生利用互動答疑系統，可以在任何可能的學習階段進行師生、生生之間的投票、發表學習話題與回復。其中，主題推薦的數量由教師遴選學生的優秀回復和提問確定。這三類數值均為加權值。

6.三屏互動展示次數

課堂中學生可以通過“三屏互動”舉手，教師同意后，學生可以將自己的平板終端與其他人的同屏共享，進行演示、操作或展示。三屏互動展示次數為頻次的加權值。

7.及時測評時間和分數

及時測評是采用客觀題形式。課堂教學中，教師視情況將問題推送給學生，學生收到指示后立刻作答。及時測評時間被定義為教師指定時間閾值減去學生作答的時間。及時測評時間和分數均為平均值。

8.課件點播得分

課件點播以微視頻與交互電子教材兩種形式呈現。教師通過添加客觀題、交互時間點并設置相關權重。學生作答過程中，系統會根據學習者的作答準確率、嘗試次數以及完成目標數量給出綜合評分。取每次分值的平均值計算課件點播得分。

（二）基于教育云平臺的學習行為投入評測框架

建立“評測維度一學習活動”的映射關系，將學習行為投入各維度分解為不同學習場景的學習活動。基于平臺指標的“時間、數量以及掌握情況”衡量活動的達成度，最終建立“評測維度一學習活動一平臺指標”的學習行為投入評測框架，如表1所示。其中，頻次與時間指標均為加權分值，分數類指標均為平均值。該評測框架以涵蓋課前、課中、課后的學習活動作為關聯學習行為投入與指標的橋梁，具有較好的操作性與合理性。

四、評測框架的實證研究

（一）數據預處理

2015年起，實驗校高一年級16個班近千名師生使用教育云平臺開展常態化教學。平臺5大功能模塊為支持全學科設計。為擴大學科樣本、提升模型的適用性，選取語文、英語、數學3門具備代表性的學科，對持續一學期的平臺數據進行分析。

匯總數據表，學生樣本量752人，均不存在缺失值問題。將三門學科加權成績作為學習結果的度量標準，成績包括課程期末成績與課堂表現，以更真實的反應學生的學習結果。其中，期末成績從教務平臺統一導出，課堂表現得分由各班主任提供，期末成績占70%，課堂表現分占30%。

（二）評測框架效度分析

對理論模型效度進行評價時，探索性因子分析（EFA）與驗證性因子分析（CFA）是重要的評測方法。尤其是理論效度的評價，二者綜合使用才更具嚴謹性，缺少其中一種都是不完整的[9]。將全集樣本n=752隨機等分為兩部分，每部分樣本量為376人。其中，一部分樣本采用相關分析與探索性因子分析方法構建模型指標，另一部分樣本進行驗證性因子分析。確定理論結構之后，基于全集數據，利用主成分回歸考察不同投入因子與學習結果的關系強弱。

1.框架指標與學習結果的相關分析

16個指標變量均與學習結果顯著正相關。其中， “課后測試分數”與學習結果呈現高相關（r=0.67），解釋了學習結果44.6%的變異； “學習筆記深度”“主題被推薦數量”與學習結果中等程度相關（0.33

2.框架指標的探索性因子分析

采用探索性因子分析考察體系的最佳因素結構。KMO為0.719，Bartlett檢驗的X 2=4271.333，p=0.000<0.05，達到顯著水平，拒絕相關矩陣是單元矩陣的假設，表明該數據集適宜做因子分析。采用主成分分析法對16個指標進行探索，提取特征值大于1的4個因子，4個因子累計方差貢獻率為61.65%。其中“三屏互動展示次數”因子載荷為0.375，故考慮刪除。對刪除后的15個指標，再次進行因子分析。轉軸前4個共同因素的特征值分別3.806、2.398、1.944、1.586，4個因子積累方差解釋率為64.90%。利用正交轉軸的最大方差法后，各因子位置相對不變，4個共同因素的特征值為3.158、2.714、1.988、1.875，4個因子累計方差貢獻率不變。數據分析表明，提取后保留的因素適切，4個因子能很好地解釋變量作用，因子載荷在0.625至0.930之間，表示潛在變量可以有效反映各指標變量，如表2所示。

表2可知，因子分析的結果與預先構建的理論體系一致。其中，因子1包括學習時間間隔、總計學習次數、總計學習時間、學習規律性4個指標，載荷在0.798至0.930之間，是學習行為投入的首要因子，該因子定義為“持續性”；因子2包括文本形式提問數量、多媒體形式提問數量、文本形式回答數量、多媒體形式回答數量、及時測評時間5個指標，載荷在0.625至0.812之間，該因子定義為“主動性”；因子3包括及時測評分數、課件點播得分、主題被推薦數量3個指標，載荷在0.641至0.851之間，該因子定義為“專注性”；因子4包括學習筆記深度、學習筆記長度、課后測試分數3個指標，載荷在0.738至0.814之間，該因子定義為“反思性”。

3.框架指標的驗證性因子分析

利用SEM對進行驗證性因素分析，采用最大似然估計法考察理論體系的數據與結構擬合程度，其結果如圖2所示。

驗證性因子分析結果中簡約適配度指數包括X2/d廠、PCFI，絕對適配度指數包括RMSEA、GFI，增值適配度指數包括IFI、TLI、CFI。本研究中X2/d廠為2.942，小于3；PCFI為0.644，大于0.5； RMSEA為0.072，小于0.08；GFI為0.921，大于0.9；IFI為0.933，TLI為0.916，CFI為0.933，均大于0.9。標準化路徑系數在0.60至0.94之間。模型中各擬合指數良好，該理論框架具備較好的效度。

為進一步探索框架指標的結構，利用建構信度（CR）考察各潛變量中的指標是否一致性的解釋該潛變量。CR計算公式為：CR=（∑λ2）/（（∑λ2）+∑δ），其中δ為各指標的誤差變量所解釋的變異。經計算，評測框架的建構信度為0.949，遠高于0.70，建構信度較好。

4.框架指標的主成分回歸分析

確定理論框架之后，擬考察不同的投入因子與學習結果的關系強弱，以及是否有解釋力，解釋力為多少。基于全集數據，利用因子分析抽取變量主成分，采用回歸方法計算并存儲各因子得分，計算各因子得分與學習結果的相關系數，如表3所示。

表3可知，4個因子得分均與學習結果顯著相關，其中持續性因子、主動性因子與學習結果低相關（0.1

以4個因子得分為白變量，學習結果為因變量，采用“進入”方法進行回歸分析，以考察各維度對學習結果的解釋程度，其中DW=1.785，殘差白相關性較弱；利用容忍度（Tolerance）、方差膨脹系數（VIF）與條件指標（CI）進行共線性診斷，預測變量之間不存在多元共線性問題。回歸模型P值為0.000，小于0.05的顯著水平，表示回歸模型整體解釋變異量達到顯著水平，模型回歸效果顯著。4個白變量標準化系數均為正值，表示對學習結果呈現顯著正向影響，4個因子對學習結果具有36%的解釋力。

結合因子分析的結論以及主成分回歸的結果可以看出，基于“PRIC”周期反饋循環模型，根據“維度一活動一指標”建構的評測框架維度合理，可以較好的表征學習行為投入。

（三）權重體系建立

鑒于不同的學習行為投入指標屬性貢獻不同，通過層次分析法設定權重，以便更準確的構建評價體系。層次分析法比一般的定量方法更重視定性的分析和判斷，通過兩兩比較量化某一層次要素相對上一層的數量關系，是比較理想的確定復雜問題的權重方法。利用層次分析法對學習行為投入指標進行權重計算，更能與其概念的多維、復雜特征契合，也符合復雜教學情境的實際情況。

基于學習行為投入指標框架，利用Yaaph10.5建立層次結構模型，創建“學習行為投入權重調查表”，以電子檔的形式分發給9名專家進行指標評判。調研專家對教學場景均有較為深刻的理解。計算各專家幾何平均后的判斷矩陣，分析最終判斷矩陣的一致性。其中，持續性一致性比例CR為0.0589，主動性一致性比例CR為0.0520，專注性一致性比例CR為0.0010，反思性一致性比例CR為0.0344，一致性程度較高。匯總各維度權重以及計算各項指標合成權重。其中，持續性權重為0.3263，二級指標學習時間間隔、總計學習次數、總計學習時間、學習規律性的合成權重分別為0.1107、0.0341、0.0369、0.1446；主動性權重為0.2516，二級指標多媒體形式提問數量、文本形式提問數量、多媒體形式回答數量、文本形式回答數量、及時測評時間合成權重分別為0.0885、0.0571、0.0568、0.0335、0.0157；專注性權重為0.2100，二級指標及時測評分數、課件點播得分、主題被推薦數量合成權重分別為0.0927、0.0726、0.0447；反思性權重為0.2121，二級指標課后測試分數、學習筆記深度、學習筆記長度分別為0.1124、0.0514、0.0483。

從權重指標體系上看， “持續性”權重最高。二級指標中，學習的規律性與時間間隔具有較高的指標權重。相比于學習時間間隔，學習規律性更能體現出學習者持續的狀態，已有諸多研究證明學習規律性是與學習績效相關的重要因素。當前，在線學習平臺的登錄時間和次數是被普遍認同的反映學習行為投入的指標。本研究中，平臺總計學習時間和次數權重值基本一致。

“主動性”權重位居其次。二級指標中，以視頻、語音、拍照、文字結合的多媒體形式發起的問題更能反映學習者的準備程度和積極性，其權重值高于單純文字的權重；學習者主動發起提問的權重高于回復問題的權重。此外，及時測評時間作為教師發起問題學習者積極參與的時間指標，也體現出“主動性”的程度。

再次為“反思性”權重。二級指標中，課后測試一般是教師給出的拓展性、開放性問題，其內容與課堂學習內容有關，但需要經過學習者對照、分析和評價之后進行作答或繪制（例如思維導圖），其權重最高；其次是學習筆記條目深度和長度，體現了學習者對設定計劃、行為策略以及任務執行過程中回顧與記錄的過程，也從一定程度體現了反思性水平。

“專注性”權重略低于“反思性”權重。二級指標中，及時測評分數是考察學習者對小顆粒知識內容的掌握程度。教師講授完畢后，即拋出問題，要求學習者立刻回答。該指標能較好的體現學習者的精力集中度與配合程度，權重值最高；類似的，學習者自主學習課件點播內容時，微視頻及電子教材會內嵌任務問題，要求學習者根據學習情況進行作答。學習者有充裕的時間去分析與找尋資料，需求答案，其權重值低于及時測評分數的權重；主題被推薦數量則反映學習者發起或回復內容的質量，也從一定程度反映“專注性”的水平。

基于以上分析，由層次分析法確定學習行為投入指標體系，權重分值合理，符合教育云平臺的教學實際。通過該權重體系，可以清晰的勾勒學習行為投入各維度及指標的重要程度，通過后續對數據指標的歸一化處理，結合權重值，可以進行有效的評測。

五、結語

當前學習行為投入的評測體系研究還比較稀少。限于對學習行為投入本質與內在機制的闡釋不足，技術支撐平臺的限制以及學習情景的差異，還未能建立相對普適性的評價體系。本研究建立了包括持續性、反思性、主動性與專注性的學習行為投入評測框架，驗證了評測維度構造的合理性與較高的解釋力。該評測框架可視為學習行為投入的核心指標，相關實踐可在此基礎之上進行拓展和豐富，以適應不同的支撐平臺與學習情境。下一階段擬納入更多的記錄指標，加強過程性數據的分析與挖掘，并進一步擴大樣本以驗證評測框架的泛化能力。

參考文獻：

[l]黃榮懷，劉德建等.互聯網促進教育變革的基本格局[J].中國電化教育，2017，（1）：7-12.

[2] Skinner， E.，Furrer， C.，et.al. Engagement and disaffection in theclassroom： Part of a larger motivarional dynamic'？[J].Journal ofEducational Psychology，2008，（4），765-781.

[3]李紅梅.“互聯網+”時代“新”學習方式的價值邏輯[J]中國電化教育，2017，（6）：102-107.

[4]龔少英，王禎等.混合學習環境中動機信念和動機調節與學習投入關系研究[J]開放教育研究，2017，（1）：84-92.

[5] Zimmerman，B J.，Campillo， M.. Motivating self-regulated prohlemsolvers[M].New York： Camhridge University Press，2003

[6] Schunk，D H.， Zimmerman， B.J.. Social origins of self-regulatorycompetence[J]. Education Psychologist，1997，（4）：195-208.

[7] Zimmerman，B J.，Cleary，T.J Adolescents' development of personalagency： The role of self-efficacy helief.s and self-regulalory skill[A].F. Pajres，T.Urdan. Self-efficacy heliefs of adolescents[C].US：Information Age Puhlishing，2006.45-69.

[8] Jo IH.， Yu T.， Lee H.， Kim Y.Relations helween Student OnlineLearning Behavior and Academic Ac，hievemenl in Higher Education：A Learning Analycics Approach[A]. C.hen G.，Kumar V.， Kinshuk，et.al.Emerging Issues in Smart Learning[C].Berlin： Springer，2015.275-287.

[9] Bruce Thompson. Exploratory and confirmatory factor analVsis：Underscanding concepts and applications[J]. American PsychologicalAssoc.ialion， 2004，（4）：729-734.