在線主動學習意愿的產生機理與提升策略

王紹峰 黃榮懷

(1. 里斯本大學學院 商學院，里斯本 1649-026; 2. 北京師范大學 智慧學習研究院，北京 100875)

一、引 言

2020年伊始，新型冠狀肺炎疫情在全國范圍內突然爆發，為此教育部(2020)要求采取政府主導、高校主體、社會參與的方式保證在線教學的開展。師生居家開展在線教與學(中國互聯網絡信息中心,2020)，在線教育成為取代傳統線下教學方式的替代方案，學生需從以往十幾年來形成的群體學習環境轉移到社會隔離的個體在線學習環境(Derakhshandeh & Esmaeili,2020)。在線學習環境中，課堂教學的“正式感”和“學習氛圍”有所削弱，更依賴于學生的自覺，在線主動學習意愿成為學生獲得良好教學效果的關鍵(文學舟等,2019)。常態的在線學習以線上+線下混合為主，知識習得方式因此發生較大變化，學生難以通過純在線學習獲得實訓課堂的體驗認知，這對需要開展實驗和操作類的課程提出了更大挑戰，鼓勵學生主動學習因此更具有現實意義。

部分學者對在線教育研究后發現，在線學習氛圍的不足(祝智庭等,2020)、溝通不暢(Dai & Lin,2020)、教學方式單一(Zhou et al.,2020)、課程資源缺乏(Bao,2020)等會嚴重影響在線教學的效果。已有的在線學習研究更多關注在線學習的滿意度(Ali & Bhasin,2020)、態度(Nayernia,2020)、采納(Teo & Van Schalk,2009)、接受(ALKurdi et al.,2020)、持續使用(Wu & Che,2017)、動機(Chen & Jang,2010)、使用行為(Huang et al.,2020)和共享(Lai et al.,2020)等。

本研究將基于混合學習理論與技術接受模型，以學生學習行為作為研究視角，引入在線學習的情境因素，構建新冠肺炎疫情期間學生在線主動學習意愿理論模型(Online Active Learning Intention,OALI)，探討影響學生在線主動學習意愿的因素及其影響程度，幫助教師和院校深入洞悉學生在線主動學習意愿及其產生機理，為提升在線教育效果和開展智慧學習提供參考。

二、理論基礎與研究假設

(一)理論基礎

1.在線主動學習意愿

在線主動學習意愿指學生參與在線學習中開展討論、總結、實踐等主動學習意圖的主觀概率(Christie & Graaff,2017)，行為意愿被認為是實際行為最重要的預測指標(Ajzen & Fishbein,2005)。在線教育的教學設計應以學生為中心(Swan,2005)，逐步將教師主導轉換為學生主體(劉妍等,2017),優化在線學習環境促進學生的主動學習意愿。引導學生從被動視聽到主動參與，促進學生的知識習得，可以顯著提升學習效果(姜艷玲等,2017)。黃國禎等(Hwang et al.,2019)認為借助在線學習軟件平臺，結合良好的教學設計可以更好地促進學生學習的主動性和學習效果。基于已有研究成果，本研究采用上文克斯蒂和格拉菲關于主動學習意愿的定義。

已有研究對在線學習行為的探討主要聚焦于：1)以技術接受模型(TAM)為基礎的在線學習行為研究(Shao, 2020;Huang et al.,2020)；2)以信息系統成功模型為基礎的在線學習行為研究(Ramayah & Lee,2012;Al-Fraihat et al.,2020)；3)以計劃行為理論為基礎的在線學習行為研究(Gómez-Ramirez et al.,2019)；4)以自我決定理論為基礎的在線學習行為研究(Chen & Jang,2010)。本研究基于上述研究成果發掘疫情期間學生在線主動學習意愿的產生機理。

2.技術接受模型

戴維斯等(Davis et al.,1989)基于理性行為理論提出技術接受模型，指出用戶的使用行為和態度受多個外在因素影響，該模型常用于預測個體的態度和行為。很多學者基于該理論開展了在線學習、遠程辦公、移動軟件等相關研究(Al-Maroof & Al-Emran,2018;Al-Fraihat,2020)發現，用戶的個體態度與行為意愿之間存在密切關系(Wu & Chen,2017)。技術接受模型經過多個版本的迭代和擴展，依舊是在線學習研究中最受歡迎的研究理論(Wu & Chen,2017;Huang et al.,2020)。本研究采用技術接受模型對疫情期間影響學生在線主動學習意愿的影響因素開展進一步研究。

3.混合學習理論

黃榮懷和周躍良(2006)將混合學習定義為面授教學與在線教學的混合應用，以便發揮兩者的優勢達到最好的教學效果。借助多媒體和新一代網絡傳輸技術的應用，混合學習方式得到快速的發展，為促進主動學習提供了極大便利(Han & Ellis,2019)。學生可以利用在線教育平臺提供的學習資源主動學習，專任教師從講授為主的課堂角色轉換為支持者與引導者的角色(何克抗,2004)，以學生為中心的混合學習理念在在線教學中得到了大規模應用(祝智庭等,2020)。加蘭特(Gallant,2020)認為在線協作學習工具可以增強混合學習環境并提供高品質的在線學習機會，優質的在線教學設計可以改善混合學習的效果(肖金芳等,2013;Pucillo et al.,2020)。總之，強調以主動學習為主，整合多種學習資源，以信息技術為傳播媒介，結合正式與非正式教學,引入直播與非實時方式，發揮在線與傳統教學優勢的混合學習理念，更利于學生養成在線主動學習行為。因此，本研究在構建在線主動學習意愿理論模型時，結合疫情的特殊背景，將混合學習中影響個體行為的重要因素納入其中。

文學舟等(2019)發現學習行為、學習動機、教學方式、教學水平顯著影響自主學習行為。加西亞-佩納爾沃等(García-Peíalvo et al.,2019)認為擁有挑戰性、趣味性、游戲化的課程設計對于主動學習有積極的促進作用。奈耶尼亞(Nayernia,2020)指出，學生的自主性在網絡學習中起決定性作用,在線學習環境的系統完善為在線主動學習提供了重要條件。在線共享功能可以更好地促進學生主動學習，教學設計中應重視該功能的使用(Lai et al.,2020)。綜上，本研究提出的研究框架如圖1所示。

圖1 在線主動學習意愿研究框架

(二)研究模型與假設

1.研究模型

本研究聚焦于學生在線主動學習意愿的影響因素，探究學習方式(感知有用性)、教學設計(虛擬獎勵)、軟件平臺(系統質量)和個體特質(個人創新)對在線學習態度的作用，進而分析主動學習態度對在線主動學習意愿的影響，并驗證主動學習態度的中介作用和社會隔離性的調節作用。研究模型如圖2所示。

圖2 疫情期間高校學生在線主動學習意愿研究模型

主動學習態度(Active Learning Attitude,ALA)指學生對主動學習行為的主觀感知(Chang et al.,2012)，而行為態度對行為意愿的正向顯著影響已在研究中得到驗證(ALKurdi et al.,2020)，在線主動學習意愿反映學生主動開展在線學習的主觀概率(Hsu & Chang,2013)，行為意愿被認為是學生實施最終行為的重要預測因子(Ajjan & Hartshorne,2008)。吳冰和陳曉輝(Wu & Chen,2017)基于整合技術接受模型研究發現，學生對慕課的態度和感知有用性對繼續使用意愿產生顯著影響。基于以上分析，本研究提出假設H1為：

H1:主動學習態度對學生的在線主動學習意愿存在正向影響。

2.研究假設

1)感知有用性

感知有用性(Perceived Usefulness,PU)指學生對開展在線主動學習行為可以提高學習效果或者節省時間的感知評估(Davis,1989)。當用戶發現某個行為能提高回報或減少時間的付出，會更傾向于執行該行為(Ngai et al.,2007)。根據技術接受模型理論，感知有用性會影響用戶的態度和行為意愿，對行為態度產生積極影響；感知有用性和行為態度會積極影響行為意愿(Venkatesh & Davis,1996;Chang et al.,2012)。在虛擬學習環境中，感知有用性對態度有很大的影響(Hsu & Chang,2013)。大規模開放在線教育資源、智能學習環境、打破時間空間限制的學習方式，增強了學生實現在線主動學習行為的可能性(Nanning et al.,2020)。基于以上分析，本研究提出假設H2和H7為：

H2:感知有用性對主動學習態度存在正向影響。

H7:感知有用性對主動學習意愿存在正向影響。

2)虛擬獎勵

本研究將虛擬獎勵(Virtual Reward,VR)定義為教師通過積分、點贊等方式提升學生在線主動學習意愿的程度。虛擬獎勵作為影響學生在線學習的重要影響因素(張文蘭等,2013)，可以更好地改善最終的學習效果(Jovanovic & Matejevic, 2014)。謝幼如等(2016)認為使用游戲化教學和虛擬獎勵可以更好地提升在線學生的自我效能感，促進學生的在線主動學習意愿。李寶和張文蘭(2019)建議設置獎勵機制促進學生主動學習。基于以上分析，本研究提出假設H3為：

H3:虛擬獎勵對主動學習態度存在正向影響。

3)系統質量

系統質量(System Quality,SQ)指在線學習系統的功能、布局和穩定性符合學生學習需求的程度(Delone & McLean,2003)。在線學習基于在線系統開展，在線學習系統完善的功能和用戶體驗會影響學生在線主動學習的態度與意愿(Lin,2007)。卡達姆(Kadam,2020)認為適宜的學習系統有助于提升學習效果，借助多媒體與信息技術可以更好地提升在線學習體驗，智能終端與虛擬社區的應用為學生自主學習提供了實現載體(Nanning et al.,2020)。因此，本研究將系統質量引入研究模型中，并基于以上分析提出假設H4為：

H4:系統質量對主動學習態度存在正向影響。

4)個人創新

個人創新(Personal Innovativeness,PLI)指個體對新事物的接受程度與開展探索的特質(Midgley & Dowling,1978)。阿加瓦爾和卡拉漢娜(Agarwal & Karahanna,2000)將個人創新用于驗證用戶對信息系統的行為意愿，發現其對用戶的行為意愿存在重要影響，個人創新水平越高會產生越強烈的行動意愿。基桑加拉(Kisanjara,2020)通過實證分析發現，用戶個人特征顯著影響學生在線學習行為，個人積極的探索對在線主動學習有積極作用(Nanning et al.,2020)。本研究將個人創新引入研究模型中，驗證其對主動學習態度和在線主動學習意愿的影響，并基于以上分析提出假設H5和H6為：

H5:個人創新對主動學習態度存在正向影響。

H6:個人創新對在線主動學習意愿存在正向影響。

4.疫情期間社會隔離性

社會隔離性(Social Isolation,SI)指疫情期間學生居家開展在線學習所產生的隔離感和孤獨感。學生相互隔離的在線學習降低了他們的社群感和交流需求(Berenson et al.,2008)，產生了社會隔離性的孤獨感(Shen et al.,2008)。由于學生之間相互隔離，他們通常會在在線學習環境中經歷孤立和疏遠(Wei et al.,2012)，從而抑制學生在線主動學習行為。德拉克漢達與伊斯梅爾(Derakhshandeh & Esmaeili,2020)認為部分學生可能會感到在線學習的孤立與社會隔離感，師生之間缺乏互動會對學生產生負面影響并引起諸如焦慮、悲傷和沮喪之類的不良情緒。學生在線學習遇到不同的問題和疑問，如果得不到支持和解決，會減弱他們在線主動學習意愿。基于以上分析，本研究提出假設H8為：

H8:疫情期間社會隔離對主動學習態度與在線主動學習意愿之間存在負向調節作用。

三、 研究方法

(一)問卷設計

本研究問卷包含用戶基本信息、在線學習情況和在線主動學習意愿測量量表三部分，共計30個問題。為保證內容效度，所有測量題項均源于或情景化改編自現有文獻(Straub et al.,2004)，每個潛在變量有3到4個測量題項，采用李克特7點量表，從1到7依次表示“很不認同”至“很認同”。問卷及參考文獻如表一所示。

表一 在線主動學習意愿測量量表

(二)數據收集

本研究在完成問卷的初步設計后，通過微信群邀請了35位學生開展預調研，并針對反饋建議對問卷進行了謹慎修改，確保正式調查能夠被調查者準確填寫。

正式調查使用在線問卷方式開展，調查對象為高校在校學生，由教師發放于課程QQ群或展示于課程PPT上邀請學生參與調查，受邀的學生自愿選擇參與。在線問卷在2020年4月6日至2020年5月8日期間投放，經過數據整理后得到539份有效問卷。樣本信息和在線學習基本情況如表二所示。

表二 調查對象基本信息和在線學習情況統計

四、 數據分析

本研究在完成數據收集和整理后采用偏最小二乘分析軟件SmartPLS 3進行模型檢驗和假設驗證(Hair et al.,2019)。

(一) 測量模型檢驗

1.信效度檢驗

本研究模型的有效性和可靠性通過內容效度、區分效度與收斂效度加以檢驗。鑒于調查問卷題項均來源于或改編自前人的研究成果，并開展了預調研測試，問卷具有良好的內容效度(見表三)。平均抽取變異量(Average Variance Extracted, AVE)數值不小于0.5，表明收斂效度良好；平均抽取變異量平方根都大于該潛在變量與其他潛在變量間的相關系數，表明區分效度良好(見表四)。組合信度(Combined reliability,CR)和克隆巴赫系數(Cronbach’s Alpha)數值都大于0.7，表明測量模型的信度良好。

表三 測量模型的AVE，CR和Cronbach’s Alpha

表四 潛變量間相關系數與 AVE 平方根

檢驗結果顯示，各測量變量與其潛在變量間的因子載荷比其他潛在變量間的交叉因子載荷大，表明測量模型有良好的收斂效度和區分效度(Hair et al.,2019)。本研究測量模型的異質-單質比率(Heterotrait -Monotrait Ratio of Correlations,HTMT)都小于0.9，說明測量模型的區別效度良好。

2.共同方法變異

本研究樣本數據全部來源于自述式量表(self-report stud)問卷,存在共同方法變異的可能性(Podsakoff et al.,2003)，因此使用單因素檢驗法和標記變量技術對其進行檢驗(Lindell & Whitney,2001)。

單因素檢驗使用SPSS 25軟件中的主成分分析法得到最大因子的方差解釋量未超過40%，表明不存在單個因子解釋大部分方差的情況(吳士健等, 2020)。

本研究先定義感知信任(Perceived Trust,PT)這一無關標記變量，再通過標記變量計算內生變量的相關性與顯著性。使用SmartPLS 3軟件進行計算后未發現標記變量與其他變量存在顯著相關性，說明本研究未受到共同方法變異的影響(Lindell & Whitney,2001)。

綜上所述，共同方法變異不會對本研究結果產生重大影響。

3.多重共線性

運算后得到模型的方差膨脹系數(Variance Inflation Factor,VIF)數值小于臨界值5，表明研究模型不存在多重共線性，模型結果相對穩定。

(二)結構模型分析

本研究采用SmartPLS 3建立偏最小二程結構方程模型分析疫情期間高校學生在線主動學習意愿，分析結果如圖3所示。圖3顯示，在線主動學習意愿、主動學習態度的R2分別為0.486和0.456，說明分析模型的預測效果良好(Hair et al.,2019)。除假設H7未通過驗證，其它假設都得到驗證。主動學習態度到在線主動學習意愿的路徑系數為0.419，顯示為較強的影響。

圖3 疫情期間高校學生在線主動學習意愿的分析結果

使用Blindfolding算法得到在線主動學習意愿、主動學習態度的Q2值分別為0.346和0.324，表明這一模型具有中等的預測精度(Hair et al.,2019)。

(三)主動學習態度的中介效應檢驗

主動學習態度的中介效應使用拔靴法(Bootstrapping)和決策樹進行驗證(Hair et al.,2016)，計算結果如表五所示。

表五 中介效應分析結果

從表五可知，感知有用性和系統質量對在線主動學習意愿的作用受主動學習態度的完全中介影響，虛擬獎勵和個人創新對在線主動學習意愿受主動學習態度的部分中介影響。

(四)社會隔離性的調節效應檢驗

調節效應使用分層回歸法進行檢驗(Hair et al.,2016)，結果如表六所示。

表六 調節作用的檢驗結果

調節作用項對在線主動學習意愿產生負向影響。當以社會隔離性為參照點時，主動學習態度與在線主動學習意愿之間的關系值為0.419；當增加社會隔離性后，兩者之間的關系值受到調節作用而降低為0.263。本研究認為社會隔離性水平較低時，主動學習態度對在線主動學習意愿解釋力會得到加強。因此，調節變量社會隔離性對主動學習態度和在線主動學習意愿之間的關系存在負向調節作用，研究假設得到驗證。

當社會隔離性存在時，R2值從0.420增加到0.486，進一步證明調節作用的存在。社會隔離性的f2值為0.044>0.02，證明社會隔離性對主動學習態度和在線主動學習意愿之間的關系存在弱的調節效應(Hair et al.,2016)。

五、結論與討論

(一)踐行“學生主體”的教學理念

1.提高學生主動學習態度水平

主動學習態度是在線主動學習意愿的關鍵影響因素(見圖3)，完全中介了感知有用性和系統質量對在線主動學習意愿的作用。學生的主動學習態度是在學習方式、教學設計、軟件平臺、個人特質和社會環境五個方面共同影響下形成的，并通過行為態度影響行為意愿(Kung-Teck et al.,2013;Kurdi et al.,2020)。這表明，個體的主動學習態度水平越高，其在線主動學習意愿也越高，付諸行動的可能性就越大(Ajjan & Hartshorne,2008)。結合在線學習與面授教學的混合學習優勢,學生可利用在線學習資源開展主動學習，教師也可從講授為主的課堂主角轉換為支持者與引導者，建立以學生和知識掌握為中心的學習環境，提高學生在線主動學習的意愿。

混合學習在疫情期間得到超大規模的實踐與探索。十多年傳統面授課程經歷形成的固定學習模式，以及由固定教室、固定老師和固定學生營造的現場學習氛圍，必然帶來學生學習行為上的慣性和熟悉感。當群體學習變成在線學習時，學生會產生學習陌生感，若處理不當很可能影響學習成效。

2.培養學生創新精神

個人創新顯著影響在線主動學習意愿，也是影響學生在線主動學習意愿的關鍵因素 (Kisanjara,2020)(見圖3)。當學生個人創新意識和能力較強時，他們會趨向于感知在線主動學習易于執行，也更可能對新的學習思維和學習技術產生探索行為，因此在線主動學習意愿也會更高。本研究實證分析結果證明了個人創新和在線主動學習意愿的顯著作用，也表明個體特質這一類型的影響因素對在線主動學習意愿存在重要影響。個人創新在研究模型中的路徑作用結果也驗證了混合學習理論中以學生為中心的在線學習方式，更強調學生的主觀能動性和創造性(Nanning et al.,2020；祝智庭等,2020)。疫情期間大量開放的公共學習資源為學生嘗試新的學習方式創造了條件，多種學習方式的混合可以保證學生獲得最佳的學習效果(Ho & Dzeng,2010)。

在線教學應重視以學生為主體的創新精神培養，融入“學生為主、教師為輔”的理念，將學生真正定位為課程的主體角色；關注學生的個人興趣和求知欲，逐步培養學生的創新態度、創新意愿和創新行為；更多開展啟發式和互動式教學，引導學生開展自主學習，培養學生的創新意識；注重養成學生的主動學習行為，鼓勵學生對知識進行復述、表達、討論和實踐，提升學生吸收、消化和應用知識的能力，培養其創新能力和主動學習的意愿。

(二)改善在線主動學習環境

1.提升感知有用性水平

感知有用性對主動學習態度存在顯著的積極作用，間接影響在線主動學習意愿，但對在線主動學習意愿的直接影響未得到驗證(見圖3)。中介效應檢測發現，主動學習態度完全中介了感知有用性對在線主動學習意愿的影響，因此感知有用性也是影響在線主動學習意愿的重要因素。以上結果表明，若學生主觀感知到主動學習能夠帶來更好的效益和幫助，主動學習態度會更加強烈并提升在線學習意愿(Kung-Teck et al.,2013)。學生的感知有用性來自于對所學課程的主觀感知，若判斷所學課程對將來的工作或生活有幫助，則會提升他們在線主動學習的態度和意愿。這符合內心趨利的訴求點。以上結論與注重主動學習的混合學習理論相符，未來混合學習的開展也應考慮個體內心趨利的訴求點。

在線學習的設計應考慮有用性，讓學生在線學習時感知到主動學習帶來的效果。同樣，過時的、脫離實際和超越學生接受水平的課程內容反而會降低學生的主動學習態度。因而，教師設計課程內容需要考慮接收者的理解水平，注重課程內容和教學設計，提升學生的在線主動學習意愿。教學過程不應以教師講授為主，應引入更多實踐性、探索性的互動，提升學生的整體素質。新技術的發展，為追溯學習效果和進行教學評價提供了更便利的工具，借助在線工具進行教學反思可提升學生對在線學習的感知有用性和學習意愿。

2.融入虛擬獎勵機制

虛擬獎勵正向顯著影響主動學習態度和在線主動學習意愿。這表明，當學生認為虛擬獎勵更高時，主動學習態度和在線主動學習意愿會更強烈(Jovanovic & Matejevic,2014;李寶等，2019)。虛擬獎勵對在線主動學習意愿的作用受到了主動學習態度的部分中介影響，說明虛擬獎勵是影響在線主動學習意愿的重要因素。將虛擬獎勵融入在線學習的教學設計中，可以更好地提升課堂的趣味性與學習效果(Pucillo et al.,2020)。

在線教學中引入適當的積分或學分獎勵規則，將積分作為課程最終成績的過程性參考材料，可以從制度層面和外在影響層面提升學生在線主動學習的積極性。設計學分獎勵促進學生積極完成在線學習任務，以及從制度規則的設計上鞭策學生完成學習任務，有助于形成外在驅動力。教師應將趣味性的活動設計與積分獎勵制度融入教學過程，混合使用在線搶答、小組討論、點贊互評、問卷調查和案例分析等多種形式，提升學生在線學習的意愿；將積分獎勵制度融入在線學習的互動中，應明確活動規則、獎勵規則和提交形式等，以任務方式驅動學習目標的達成。

3. 優化在線學習平臺系統質量

系統質量正向顯著影響主動學習態度，間接影響在線主動學習意愿。這表明，學生認為系統質量越高，其主動學習態度的水平會越高，所以系統質量是影響行為態度和行為意愿的重要變量(Kadam,2020)。此外，本研究發現，主動學習態度完全中介了系統質量對在線主動學習意愿的作用(見圖3)，意味著系統質量通過主動學習態度對在線主動學習意愿產生影響。新一代網絡傳輸技術可以為學生開展在線主動學習提供載體，混合面授教學與在線學習，可提高學生的學習收獲感，也印證在線學習平臺可以提升學習效果(Ho & Dzeng,2010)。

目前在線學習借助信息技術快速發展所帶來的紅利，推動在線學習環境的優化，讓學生更易開展學習行為并提高學習效率。在線教育軟件可自動將直播內容生成回放視頻，允許學生進行重復學習，一定程度上可緩解系統、網絡不穩定帶來的困擾，尤其為一些實操課帶來了便利。在線學習大多基于第三方軟件，而這些軟件是在疫情期間臨時征用的，師生對軟件的熟悉程度各不相同，這就有可能造成在線學習體驗的不友好。缺失的軟件功能、不穩定的網絡傳輸、生疏的功能操作、學習過程的不流暢都會打擊學生在線學習的積極性和主動學習意愿。因此，教師應收集學生對在線學習軟件的意見并反饋給開發團隊，不斷提升用戶體驗，提升學生的在線主動學習意愿。教師、高校、主管部門應加大信息技術的關注度和重視程度，而不是把它作為輔助性教學手段。大數據、云計算、人工智能、5G等會影響和改造未來的在線學習形式(王紹峰,2019)。

4. 營造個人創新氛圍

個人創新對主動學習態度存在積極作用，這表明，學生的個人創新能力和意識越強，其主動學習態度也會越積極(Nanning et al.,2020)。個人創新受主動學習態度的部分中介，表明個人創新不僅會直接作用于在線主動學習意愿，還會通過主動學習態度間接影響在線主動學習意愿(Agarwal & Karahanna,2000)。學生的創新意識與探索欲望越強烈，對在線主動學習越有行動意愿。疫情期間的在線學習因為缺少監督及對在線學習環境的陌生感，學生內在的意志驅動顯得尤為重要。疫情期間在線學習方式與混合學習所倡導的學生自主學習理念吻合，也證明在突發性公共事件中混合學習理論依然存在指導意義。

(三)減弱社會隔離性調節效應

本研究模型中社會隔離性作為調節變量通過了調節效應的檢測(見圖3)，社會隔離性對主動學習態度與在線主動學習意愿之間存在負向調節作用，表明疫情期間的社會隔離性會對學生產生負面的影響(Derakhshandeh & Esmaeili,2020)。當社會隔離性水平較高時，學生感受到的隔離感和孤獨感也會更強烈，社會隔離性因對主動學習態度與在線主動學習意愿之間的關系產生調節而降低，反之亦然。在線互動和學習氛圍不足會引起學生的在線隔離感、良好的社會臨場感和互動感不僅可以降低社會隔離性帶來的影響，還可以顯著提高在線教育的學習效果。

個體的情緒和心情會通過主動學習態度而影響最終的行為意愿，開心愉悅的心情可以促進學生積極融入在線教學中，并樂意互動與消化課堂知識，營造融洽的學習氛圍和增強團體學習的歸屬感，從而提升學生在線主動學習意愿。混合學習提倡多人討論、互動協作的學習方式可以減少在線學習的隔離感和孤獨感(Joo et al.,2011)，從而促進學生的主動學習,從另一方面佐證社會隔離性會對在線主動學習意愿產生負向影響。互助式的混合學習有利于降低學生的在線隔離感，學生也可以通過彼此間的協助獲得更多學習和交流機會促進在線主動學習。

總之，本研究是在新冠肺炎疫情防控背景下，以學生視角構建在線主動學習意愿研究模型。基于混合學習理論與技術接受模型提出在線主動學習意愿研究框架，納入社會環境、課程內容、教學設計、個體特制、軟件平臺和態度六方面的因素探討在線主動學習意愿的產生機理，通過量表設計和在線問卷調研回收了研究樣本，采用SPSS 25和SmartPLS 3分析軟件對樣本進行實證分析，借助偏最小二乘結構方程模型進行研究假設檢驗。通過分析得到感知有用性、虛擬獎勵、系統質量、個人創新、主動學習態度和在線主動學習意愿之間的相互作用關系。未來研究可以嘗試結合訪談方式獲得更多潛在的研究變量，借助在線學習平臺的用戶行為軌跡進行持續跟蹤獲得更全面的結論，豐富在線主動學習的理論研究成果，也為教師、高校和教育主管部門提升在線教育效果和開展智慧學習提供參考。