基于ISM與AHP的學習者在線學習投入 影響因素研究

王均霞 王郁琪

摘 要：在線學習投入程度影響在線學習質量，探究在線學習投入影響因素對于改善在線學習效果具有重要意義。將解釋結構模型（ISM）和層次分析法（AHP）相結合，在文獻研究與專家訪談基礎上建立在線學習投入影響因素多層次結構，確定各層級因素的綜合權重系數。研究結果表明：學習動機、自我效能感和教學方法是最直接影響因素，網絡技術環境、學習動機、自我效能感、教師參與度、學習支持服務和在線交互環境為最主要影響因素。提出引導和激勵在線學習者，提供良好的情感支持;提升教師存在感和參與度，提供充足的教師支持;營造積極的在線交互環境，提供多元的學習支持等策略，提升學習者在線學習投入。

關鍵詞：在線學習投入;解釋結構模型（ISM）;層次分析法（AHP）;教育信息化

DOI：10. 11907/rjdk. 201602??????????????????????????????????????????????????????????????????????????????????????????????????????? 開放科學（資源服務）標識碼（OSID）：

中圖分類號：G434 ?? 文獻標識碼：A?????????????????????????????? 文章編號：1672-7800（2020）011-0227-05

Research on the Factors Affecting Online Learning engagement of

Learners Based on ISM and AHP

WANG Jun-xia，WANG Yu-qi

（School of Humanities， Jiangnan University， Wuxi 214122，China）

Abstract：The degree of online learning engagement affects the quality of learners online learning， and it is of great significance to explore the influencing factors of online learning engagement to improve the effect of online learning. In this study， by adopting the methodology of interpretative structure model （ISM） and analytic hierarchy processing （AHP）， based on literature research and expert interviews， we establish a multi-level structure of factors that influence online learning engagement， and define the comprehensive weights coefficient of each factor. The results show that learning motivation， self-efficacy and teaching methods are the most direct influencing factors. Network technology environment， learning motivation， self-efficacy， teacher participation， learning support services and online interactive environment are the most important influencing factors. It is recommended that we can guide and motivate online learners and provide good emotional support， enhance teachers presence and participation and provide adequate teacher support， create a positive online interactive environment and provide diverse learning support to enhance learners online learning engagement.

Key Words： online learning engagement; explanatory structural model; analytic hierarchy processing; education informationization

0 引言

伴隨著信息技術的迅猛發展，在線學習成為十分盛行的學習方式。尤其疫情當前，學校積極響應教育部“停課不停學”號召，利用各種網絡平臺實施在線教學，全國上下開展規模最大的在線教育服務保障大作戰[1]，掀起在線學習熱潮。如何測評在線學習行為改善在線學習效果成為研究熱點。

在線學習投入指學習者在線學習活動中表現出來的積極狀態，包括行為投入、情感投入和認知投入3個維度[2]，它是衡量在線學習行為和質量、預測學習滿意度和學業成就的有效觀測變量[3]。正是由于在線學習投入能對學習績效產生重要影響，國內外許多研究者都對此展開研究，主要包括在線學習投入的內涵與結構、測量方法以及影響因素3個方面。縱觀已有的在線學習投入影響因素研究，從內源和外源兩個視角分別探究在線學習投入影響因素研究較多，但綜合考慮內部和外部因素研究非常少[4]，尚未全面分析影響在線學習投入因素及其系統層次結構，而且在線學習投入行為涉及多方面因素，難以確定哪些因素是根本的、關鍵的，同時也無法確定各個因素的影響程度。

基于此，本文首先梳理相關文獻，在訪談研究和專家咨詢基礎上建立在線學習投入影響因素指標體系，然后運用解釋結構模型法（Interpretive Structural Modeling，ISM）），建立在線學習投入影響因素層次結構模型，深入分析因素間的作用機制與內在聯系，最后采用層次分析法（Analytic Hierarchy Process，AHP） 確定各因素影響比重，以期在開展在線教學實踐時，為促進學生者在線學習投入提供理論支撐和實證依據。

1 在線學習投入影響因素分析及指標體系構建

經文獻資料分析，梳理出 25個影響在線學習投入的主要因素，繼而采用德爾菲法展開調查，選取了2名副教授、2名講師和4名碩士研究生組成專家咨詢小組，經過三輪訪談，最終明確在線學習投入主要受到學習者、教師、學習平臺及外部環境4個維度共15個因素的影響，影響因素指標體系見表1，具體包括：

（1）學習者因素。Robinson等[5]研究者分析發現學習者年齡對其學習投入有顯著影響;劉在花[6]認為學生的年齡與學習投入呈負相關，即隨著年齡的增長學習投入呈下降趨勢。研究表明在線學習者學習動機和自我效能感會顯著影響在線學習投入水平[7];尹睿等[8]學者發現學生自身的技能素質如閱讀寫作能力、溝通技能、信息素養等越高，其在線學習參與度與堅持度也會更高;高潔等[9]通過問卷調查得出學習者在線學業情緒與在線學習投入相關，消極學業情緒對在線學習投入影響更大。基于上述研究，選取年齡、學習動機、自我效能感、技能素質和學業情緒為影響在線學習投入的學習者因素。

（2）教師因素。Shi[10]通過實證研究發現，教師參與和學生投入尤其是智力投入程度呈正相關，研究表明教師選取合適的教學方法有助于提升學習者的社會存在感和學習投入[11];Guo等[12]通過對比實驗后發現，教師適時的反饋能夠有效促進學習者認知投入。此外，教師設計的學習任務新穎性、難易度和關聯度會影響學生在線學習投入質量。學習任務具有新穎性、難度適中或是與學生個人經驗、真實生活情景聯系愈緊密時，學習者在線學習投入水平也愈高[13]。基于以上分析，選取教師參與度、教學方法、教學反饋和任務設計為影響在線學習投入的教師因素。

（3）學習平臺因素。已有研究表明，在線學習者之間的社會交互，如論壇研討、同伴交流、作品互評等，直接影響其情感投入水平 [14];在線學習平臺中數字資源質量會在很大程度上影響學習者在線學習投入[15];在線視頻的呈現方式和畫面風格會影響學習者認知加工和在線學習投入[16];高潔[17]通過調查發現，在線學習支持服務會影響學生在線學習投入;資源庫、社區論壇發展和咨詢服務等在線學習支持服務對在線學習投入都有影響[18]。基于上述分析，選取在線交互環境、數字資源質量和學習支持服務為影響在線學習投入的學習平臺因素。

（4）外部環境因素。研究表明，學習者的學習設備、網速等網絡技術條件以及技術使用量等都顯著影響在線學習投入[19]。此外，學習者生活經驗，社會、經濟、文化背景等也會影響在線學習投入水平[20];劉在花[6]通過研究發現，城市學生的學習投入程度相對較高;張建茹等[21]通過問卷調查得出家庭親友的期望與支持影響學習者在線學習投入。基于以上研究，選取網絡技術環境、社會經濟環境和家庭親友支持為影響在線學習投入的外部環境因素。

2 ISM模型建立

解釋結構模型（Interpretive Structural Modeling，ISM）是復雜網絡中一種建模方法，用于定性分析系統內部所有影響因素之間的邏輯關系，具體操作過程包括：①分析影響因素之間關系并建立鄰接矩陣;②計算可達矩陣;③劃分層級關系;④建立解釋結構模型。

2.1 建立鄰接矩陣

根據提煉的影響因素指標體系，在文獻分析基礎上形成初始判斷矩陣，請專業領域3位專家對影響因素之間的相互關系進行校對和修改，建立鄰接矩陣P如表2所示。如果要素Si和Sj不存在任何相互關系，元素Pij取值為 0;要素Si對Sj有影響時，元素Pij取值為1，以此確定各要素的關聯性[22]。

2.2 計算可達矩陣

根據表2的鄰接矩陣P，利用布爾運算法則確立可達矩陣Q，即設單位矩陣為I，（P+I）K-1≠（P+I）K=（P+I）K+1=Q（K≥2）。利用MATLAB計算可知，當K=4時滿足（P+I）3≠（P+I）4=（P+I）5，Q=（P+I）5 即為可達矩陣。

2.3 劃分層級關系

在生成的可達矩陣中，可達集 R（Si）表示從Si出發能夠達到的全部要素集合。先行集Q（Si）表示所有能夠到達Si的要素集合。通過R（Si）和Q（Si）可求出R（Si）∩Q（Si）的集合，它表示從要素Si可能到達并且又能夠到達Si全部要素的集合，如表3所示。層級劃分可達矩陣規則是：若滿足R（Si）∩Q（Si）=R（Si），則Si為最高層級要素集;確定最高層級要素集之后，在可達矩陣中劃去其對應的行和列，再從剩余的可達矩陣中繼續尋找最高層級要素[23]。

2.4 建立解釋結構模型

基于上述計算與分析，得出在線學習投入影響因素的層次結構模型，如圖1所示。

3 基于AHP確定在線學習投入影響因素權重

層次分析法（Analytic Hierarchy Processing）是美國學者Saaty于 20 世紀70 年代提出的一種系統分析方法，用于全面系統地分析、計算出各影響因素的權重系數，具體操作過程如下：①建立遞階層次結構模型;②構造兩兩比較判斷矩陣;③計算權重特征值;④一致性檢驗;⑤綜合權重。

3.1 建立遞階層次結構模型

基于ISM構建的影響因素層級結構明確各影響因素的相互關系，將各控制因素分解形成不同層次，將分層排列模型中各要素作為層次分析的指標體系。

3.2 成對比較

依據AHP的九級比較尺度規則，邀請相關領域專家，首先構造出表層直接影響因素判斷矩陣，同理構造出中層間接因素和深層根本因素的判斷矩陣;其次利用幾何平均法對判斷矩陣A= aij按行求其相對應的特征向量 Wi，即，Wi=j=1nxijn，i，j=1，2…，n;再對Wi作歸一化處理，Wni=Wi/i=1nWi，所求得的W=Wn1，Wn2，…，WniT表明學習者在線學習投入所有影響因素對其影響程度，即權重比例系數[22];最后，為了確定權重系數合理性，需對每層的判斷矩陣進行一致性檢驗。當一致性比例C.R.=0時，表示為完全一致性矩陣;當C.R.<1時，認為該矩陣具有滿意的一致性，所得到的權重系數較為合理。表4為專家對第一層因素即表層直接因素之間的重要度評價情況。專家認為S2學習動機相比S7教學方法而言“強烈重要”一些，因此在相應位置aij=7，而aji=1/7。經計算，該矩陣的C.R.=0.028 7，滿足一致性要求。

3.3 綜合權重

在上述工作基礎上，將全部專家的成對比較數據進行一致性檢驗，逐步形成各自的判斷矩陣，自上而下計算各級要素相對于總體的綜合權重。先求得相鄰兩層因素間權重，再通過各權重相乘分別求得第二層、第三層、第四層與學習者在線學習投入的綜合影響權重系數并進行總排序，呈現各因素作用于在線學習投入這一“決策目標”的綜合權重排序結果，如表5所示。

4 在線學習投入影響因素分析及提升策略

4.1 關系結構分析

在線學習投入影響因素ISM模型是一個四級遞階結構體系，體現各因素之間的作用機制和邏輯關系。

4.1.1 表層直接影響因素

表層直接影響因素涉及學習者和教師因素。在線學習者的學習動機與自我效能感較低，會對自身完成學業任務的能力判斷偏低，導致信心不足，進而降低在線學習投入;反之，學習動機和自我效能感較高的學習者，相信自己有能力勝任學習任務，能夠科學制定學習目標與計劃、整合資源、積極互動，展現出較高的學習投入。另外，教師利用技術手段創新教學方式，有利于提升學生的在線學習體驗，從而促進其在線學習投入。

4.1.2 中層間接影響因素

中層間接影響因素涉及學習者、教師、學習平臺和外部環境所有因素。在學習者因素方面，一般在線學習者成熟度越高，自我管理能力、網絡學習能力和信息素養等自身技能素養越強，學習者學習動機與自我效能感也越高，其在線學習投入水平也越高，更易取得理想的學習效果。此外，學生積極的學業情緒會通過學習動機和自我效能感影響在線學習投入，而在線教學中的“輕情感激勵”現象也會促使學生產生消極情緒，繼而降低學業投入。在教師因素方面，首先，如果教師存在感低，那么學生可能會因為孤獨感和焦慮感而喪失學習動力、降低學習投入;其次，許多教師與學生線上互動不足，所參與的交流活動也大多停留在咨詢答疑層面[24]，缺乏深度交流，導致學生的學習參與度與投入度較低;最后，非常困難或非常容易的課程任務都不會給學習者帶來挑戰，難度適中的學習任務才會激發其自主性動機[25]。在學習平臺因素方面，第三方資源繁冗龐雜、更新周期較短、呈現形式不夠多元等問題，會在一定程度上降低學習投入度。另外，外部環境中家庭親友的理解與支持程度會直接影響到學習者的學業情緒，進而影響其在線學習投入水平。

4.1.3 深層根本影響因素

深層根本影響因素涉及到學習平臺和外部環境因素。在學習平臺因素方面，在線交互環境缺乏明確主題討論與監督機制，促使學習者出現應付心理，討論容易偏離主題，討論內容往往停留在問題表面，降低了學生的參與熱情和投入水平[26]。此外，在線學習平臺提供豐富的支持服務與學習工具，有益于提升學習者的認知投入和情感投入。在外部環境因素方面，社會經濟背景對少數民族或偏遠地區學習者的投入及學業表現有顯著影響。網絡技術環境會影響學生的學習滿意度和教師的教學熱情，繼而對在線學習投入及教學效果產生影響。因此，從政策上改善社會經濟環境與網絡硬件環境是促進在線學習投入的前提。

4.2 影響力分析

由在線學習投入影響因素綜合權重排序表可知，在線學習投入水平主要受網絡技術環境、學習動機和自我效能感影響，其次是教師參與度、學習支持服務、在線交互環境和學業情緒。網絡技術環境、學習動機和自我效能感對在線學習投入的影響權重比例遠遠大于其它因素。基于ISM層次模型和AHP分析結果可知，學習者因素和教師因素是影響在線學習投入的主要直接因素;學習平臺和外部環境因素是影響在線學習投入產生的根本原因。完善學習平臺功能、改善外部環境對提升學習者在線學習投入水平起到關鍵的支撐作用。

4.3 在線學習投入提升策略與建議

由上述分析可知，學習者、教師、學習平臺與外部環境等因素之間相互作用，共同決定在線學習投入水平。針對學習者在線學習投入中存在的問題與不足，提出以下在線學習投入提升策略與建議。

4.3.1 引導和激勵在線學習者，提供良好的情感支持

首先，引導學習者認識在線學習的價值，通過學分認證、建立獎懲機制、設立任務期限等策略激發學習者的學習動機 [25];其次，設計合理的綜合評價體系，提高在線學習者自我效能感，從而提升其在線學習投入[17];再次，培養大學生信息素養和自我管理能力，避免無關信息干擾，專心投入課程學習;最后，引導學生調節不良情緒，為學習者提供充分、有效的情感支持，幫促學生積極應對消極學業情緒。

4.3.2 提升教師存在感和參與度，提供充足的教師支持

首先，加強師生互動，及時反饋，積極引導學生協作學習，促進學習者深度參與;其次，加強學習任務的趣味性和實用性，依照最近發展區理論構建腳手架任務，提高學習者的學習效能感，促進其在線學習投入;最后，創新教學方法，開展直播式教學輔導或答疑活動，利用企業微信、釘釘等新媒體組織討論互動，提升在線學習體驗感。

4.3.3 營造積極的在線交互環境，提供多元的學習支持

首先，學習平臺建設者應該營造一個促進和激勵師生之間、生生之間溝通的在線交互環境。如基于學習分析技術，將學生互動情況以儀表盤形式呈現，便于教師據此為學習者提供反饋與指導[26];其次，開發良好的數字資源，及時更新、多樣化呈現;最后，提供豐富的學習支持服務，如個性化學習空間、清晰的平臺導航服務，學習工具如思維導圖、知識管理等，互動工具如論壇、微信群等，從多方面提高在線學習平臺的實用性和易用性，促進在線學習投入。

參考文獻：

[1] 楊金勇，裴文云，劉勝峰，等. 疫情期間在線教學實踐與經驗[J].中國電化教育，2020，54（5）：1-13.

[2] 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.

[3] PHAN T， MCNEIL S G， ROBIN B R. Students patterns of engagement and course performance in a massive open online course[J]. Computers & Education， 2016， 95（7）： 36-44.

[4] 況姍蕓，李穎，藍琰，等.? 在線學習投入研究進展述評[J]. 教育信息技術，2019，32（11）：3-9，15.

[5] ROBINSON C C， HULLINGER H. New benchmarks in higher education： student engagement in online learning[J]. Journal of Education for Business，2008，84（2）：101-109.

[6] 劉在花. 中學生學習投入發展的現狀與特點研究[J]. 中國特殊教育，2015，22（6）：71-77，85.

[7] LIANG D，JIA J，WU X，et al. Analysis of learners behaviors and learning outcomes in a massive open online course[J]. Knowledge Management & E-Learning ：An International Journal，2014，6（3）：281-298.

[8] 尹睿，徐歡云. 國外在線學習投入的研究進展與前瞻[J]. 開放教育研究，2016，22（3）：89-97.

[9] 高潔.? 外部動機與在線學習投入的關系：自我決定理論的視角[J]. 電化教育研究，2016，15（10）：64-69.

[10] SHI S F. Teacher moderating and student engagement in synchronous computer conferences[J].? Association for Educational Communications & Technology， 2004，15（1）：58-66.

[11] AMADOR J A，MEDERER H. Migrating successful student engagement strategies online： opportunities and challenges using jigsaw groups and problem-based learning[J]. Journal of Online Learning and Teaching， 2013， 9（1） ： 89-105.

[12] GUO W，CHEN Y，WEN Y. The effectsof facilitating feedback on online learners cognitive engagement： evidence from the asynchronous online discussion[J]. Education Sciences，2014，9（4）：193-208.

[13] MCNAUGHT C，LAM P，CHENG K F. Investigatingrelationships between features of learning designs and student learning outcome[J]. Educational Technology， Research and Development，2012， 60（2）： 271-286.

[14] 張屹，郝琪，陳蓓蕾，等. 智慧教室環境下大學生課堂學習投入度及影響因素研究—以“教育技術學研究方法課”為例[J].? 中國電化教育 ，2019，33（1）：106-115.

[15] PHILIP J GUO， JUHO KIM， ROB RUBIN. How video production affects student engagement： an empirical study of MOOC videos[J]. ACM Conference on Learning， 2014， 43（2）：41-50.

[16] 陳侃，周雅倩，丁妍，等.? 在線視頻學習投入的研究——MOOCs視頻特征和學生跳轉行為的大數據分析[J]. 遠程教育雜志，2016，34（4）：35-42.

[17] 高潔. 在線學業情緒對學習投入的影響—社會認知理論的視角[J]. 開放教育研究，2016，22（2）：89-95.

[18] HE H， ZHENG Q， DI D， et al. How learner support services affect student engagement in online learning environments[J]. IEEE Access，2019，18（7）：49961-49973.

[19] PECK J J. Keeping it social： engaging students online and in class[J].? Asian social science，2012，8（14）：81-90.

[20] 王敏娟，賀昉. 學習者的文化因素對投入性在線學習的影響[J]. 中國遠程教育，2006，45（12）：16-21，78.

[21] 張建茹，哈薩. 遠程學習者學業表現影響因素分析[J]. 教育學術月刊，2012，11（1）：76-79.

[22] 李乃文，楊思美.? 基于ISM和AHP的高危崗位工人反生產行為影響因素分析[J]. 科技促進發展，2018，14（5）：380-386.

[23] 牟智佳，張文蘭.? 基于Moodle平臺的網絡學習動機影響因素模型構建及啟示[J]. 電化教育研究，2013， 34（4）：37-42.

[24] 劉斌，張文蘭，劉君玲.? 教師支持對在線學習者學習投入的影響研究[J]. 電化教育研究，2017，38（11）：63-68，80.

[25] 周琰. 網絡學習投入影響因素與應對策略——基于自我決定理論的視角[J]. 中國電化教育，2018，17（6）：115-122.

[26] 黃慶雙，李玉斌，任永功.? 探究社區理論視域下學習者在線學習投入影響研究[J]. 現代遠距離教育，2018，17（6）：73-81.

（責任編輯：杜能鋼）