大學生直播平臺學習投入差異研究

王雪 劉烈君 丁國勇

摘? ?要：針對疫情防控背景下高校教學模式的重大變革，文章以某財經類高校自建直播教學平臺為例，通過問卷調查，構建出包括信息接受、課堂投入、學習進度、學習體驗、認知策略等五因素的學習投入模型，并通過CFA驗證模型的有效性。基于該模型，文章從性別、地區、民族、年級、專業、學習工具等不同維度探討了大學生直播平臺學習投入的差異性。

關鍵詞：直播教學;學習投入;差異分析

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2021）01-0069-06

2020年初，一場由新型冠狀病毒所引發的肺炎疫情在全世界范圍內迅速蔓延，全球教育面臨突如其來的危機。按照教育部“停課不停教、停課不停學”的工作要求，各高校立即制定方案，拿出應對措施，由原有的線下傳統教學，迅速轉變為以在線課程和直播課程等線上教學為主的教學模式。某財經類高校（以下簡稱S大學）在疫情爆發初期迅速完成學校在線直播平臺的方案制定和技術研發，并于2月17日通過線上直播教學模式完成原定的教學計劃，成為疫情防控期間國內較早進行在線教學的高校之一。截至4月30日，該平臺穩定運行兩個半月，已完成514門次課程、854797人次學生參與的在線直播教學。本研究從學生學習投入的維度出發，以S大學直播平臺為例，運用問卷調查收集數據，構建學習投入研究模型，探索遠程直播教學背景下，學生的社會和個體特征因素對直播平臺學習投入差異的影響，并探討相關影響因素在學習投入中所具備的顯著特征，以期為高校學業支持和教學管理提供參考。

一、文獻回顧

1.學習投入的概念

學者 Fredricks提出，學習投入包括行為、情感和認知等三個維度。行為投入是指學生參加在校期間學業或非學業活動時，所形成的高度卷入;情感投入是指學生在學習過程中和教師、同學之間產生的積極的情感關聯，以及對學校集體產生的集體意識和歸屬感;認知投入是指學生在開展學習時愿意為之付出的必要努力，包括學生學習時使用的認知策略，以及情感的高度卷入。[1]學習投入有兩個基本屬性：一是學生自發性地投入時間和精力到學習活動中去;二是學校層面如何通過學習或活動來促使學生將時間精力積極投入到學業中去。[2]

在線學習投入是指在線學習平臺發展以來，學生投入到網絡學習的情況。[3]大部分學者圍繞Fredricks提出的結構劃分來分析和研究學習投入的影響指標，并由此來對行為投入、認知投入和情感投入三方面進行深入探討。國內也有很多學者在Fredricks理論的基礎上，嘗試從其他不同維度去研究學生的學習投入。學者陳煥新提出了參與時間和參與深度兩個維度;樊雅琴等學者則將學生的學習投入分為行為、情感、認知和社交四個子維度;張娜在國內外學習投入及其學校影響因素研究綜述中表述：在線學習投入是隨著在線學習的發展而提出來的，作為衡量在線學習投入質量的標準。本研究認為學習投入是指：學生在學習過程中積極適應并參與各項在線學習活動，能夠正面迎接學業上的挑戰，是認知投入、行為投入和情感投入三方面綜合影響下，學生主體內在產生的對于在線學習的積極能動的投入表現。

本研究中的學習投入背景聚焦為S大學的在線直播教學，和一般在線學習的區別在于，這里所提到的在線直播教學是根據S大學原計劃實施的傳統線下課表來開展的，因此不存在在線學習的社會交互性，也就是說在線直播學習的過程中，學生沒有過多內容選擇的權力，學習計劃是原有傳統課表中的必修選修等課程安排投影到線上直播教學中去。本研究同樣重點借鑒了學者 Fredricks提出的行為、情感和認知三方面投入元構念，通過既定在線直播教學模式下的認知投入、行為投入和情感投入三個維度來分析學生的學習投入差異。

2.TAM 模型及 UTAUT2 模型

技術接受模型（TAM）是Davis研究用戶對信息系統接受時所提出的一個模型。技術接受模型理論的兩個因素為：感知有用和感知易用。[4]感知有用是指用戶在使用該技術的過程中感受到技術對本身學業或技能發展提升的顯著程度;感知易用則是指該技術無需花費過多精力，較容易被接納。

UTAUT2模型是整合型科技接受模式，它有四個核心維度：績效期望、付出期望、社群影響和配合情況。[5]其中績效期望是指個體感知系統對工作提升的效用;付出期望是指個體學習使用系統所要付出的時間精力;社群影響是指個體受到周圍社會環境因素的影響;配合情況是指個體感知到組織結構和硬件設備對系統使用的支持度。[6]基于UTAUT2模型的維度分布，Venkatesh Davis 將這些模型進行了整合，并提出了“技術采納利用整合理論”[7]。

本研究以TAM 模型和 UTAUT2 模型為理論基礎，研究高校教學中的學生個體對在線直播教學平臺教學模式的接納與利用，從行為投入、情感投入和認知投入三個維度出發，研究其對學生學習投入的影響。

二、研究設計

1.研究模型

TAM 模型研究表明，用戶對技術接受的影響體現在易用性感知。在 UTAUT2 模型中，對技術接受的影響體現在對績效的期望。[8]基于本研究中S大學開設在線直播教學的必要性，學生原定的線下教學計劃全部調整為線上直播學習，因此大部分學生只是在平臺開展學校原定的教學計劃，沒有較多課程選擇的權利，用戶感知是否有用則不再是重要影響因素。本研究以在線直播學習的多樣性作為感知有用的替代，將信息接受、教學互動、學習體驗作為決定學生接納和利用在線直播教學平臺模式的影響因素。從影響信息接受和教學互動的外部因素來看，信息接受因素和學習體驗因素影響教學互動，信息接受因素和教學互動因素影響學習體驗。

UTAUT2 模型中的便利因素是對技術易用性的表述，穩定性因素和多樣性因素用以表達新技術的特征影響，對標本研究中的技術因素。UTAUT2 模型中的社會影響對標本研究中的教學互動，因本研究中的個體對在線直播學習接納程度是在學校和班級環境下，對于個體學習來說這也可以作為社會因素來考慮。UTAUT2 模型中的努力期望、個性特征、學習經驗三個指標對標本研究中的學習體驗因素。學習績效對標經驗因素。

綜上，結合S大學在線直播教學模式的特征，本文所構建的研究模型如圖1 所示。

2.研究假設

（1）信息接受與學習投入

信息接受因素測量了平臺的利用情況，包括平臺的穩定性、便利性和多樣性。[9]穩定性指直播教學平臺的課堂投入是否穩定流暢;便利性指使用直播教學平臺的方便快捷程度;多樣性指直播教學平臺提供教學應用功能的豐富程度。假設信息接受對學習投入有正向影響。

（2）學習體驗與學習投入

學習體驗指學生使用遠程直播教學平臺時的個體情感投入程度。學習體驗測量了學生個性化學習，包括學生在直播教學平臺的學習過程中所產生的學習動機、能力提升和經驗獲得。假設學習體驗能夠正向影響學習投入。[10]學習動機是指學生對在線直播課程的參與度和積極度;能力提升則是指學生在當下新的教學模式變革背景下，能夠積極提升信息應用能力和學習挑戰;經驗獲得是指在直播教學模式下，學生對在線教學過程中學習經驗的積累。假設學習體驗對學習投入有正向影響。

（3）教學互動和學習投入

教學互動因素測量了“和同伴在交流中學習”的情況，指學生使用在線直播教學平臺過程中和教師、同伴之間的交互影響，包括交互性、即時性、延伸性。交互性是指在直播教學平臺中師生課堂的教學互動，包括教師提問、師生連麥等互動功能;即時性是指在線教學過程中，學生能夠積極在課堂回應老師，主動跟隨老師的節奏進行思考和交流;延伸性是指直播課結束后，學生能夠主動和教師以及同伴進行在線交流和學習討論。假設教學互動對學習投入有正向影響。

3.問卷設計

本研究通過發放線上問卷調查的方法進行數據搜集，并對研究假設和預設模型進一步驗證分析。為保證測量工具的科學性和有效性，本研究以國內外相關學習投入的理論文獻作為研究基礎，利用問卷星調查問卷程序，初步確定測量問卷。然后就測量問卷與S大學直播平臺部署和管理的專家進行交流溝通，修正和完善測量問卷。最后針對部分學生在線發放測量問卷，通過這一部分問卷數據結果，檢驗問卷的信度和效度，再次進行修正和完善，形成最終測量問卷。本研究中的測量問卷采用李克特五級計分法，1～5分表示“完全不同意”到“完全同意”不同級別的度量。

調查對象是S大學2020年2至3月期間開展在線直播教學的10000多名學生中的2000多人，受眾涵蓋大學一年級到大學四年級本科所有年級的學生。[11]其中，大學一年級學生占 11.8%，大學二年級學生占58.7%，大學三年級學生占29.5%。問卷發放時間是2020年3月，直播平臺的課程教學進度到第5周時進行調研，此時學校的專業必修課、選修課、綜合實驗課等各類課程已全面線上直播，學生也基本適應直播教學模式。[12]測量問卷采用問卷星技術支持的微信平臺線上調研方式，調查回收問卷2434份，樣本統計情況如表1所示。

根據以上量表及因子結構分析，采用內部一致性效度檢驗，將研究問卷導入SPSS24進行信度檢驗，得出標準化Cronbach α系數為0.965，信度高，具備做因子分析的條件。巴特利特檢驗達到顯著性水平，標識變量之間存在相關關系，適合做因子分析。KMO檢驗（0.965）和巴特利特檢驗（近似卡方66122.766、自由度465、顯著性0.000）的數值均符合信度檢驗的標準，數據有效性符合要求。

三、 問卷有效性分析

本文對樣本數據采用探索性因素分析和驗證性因素分析相結合的兩因素分析法。在探索性因素分析中，主要采用信度檢驗、獨立t檢驗和ANOVA單因素方差分析法等進行統計分析。在驗證性因素分析中，主要采用結構方程模型進行定量分析。

1.探索性因子分析

問卷包括行為投入、情感投入、認知投入三個潛在變量。因子旋轉分析得出5個測量維度以及31個可觀測變量，5個測量維度的變量Cronbach α系數均高于0.5，信度較高，適合按這5個維度做因子分析。

通過因子旋轉，各個因子的含義有了比較明確的界限。根據因子的確切含義劃分如下：成分1是信息接受，是指直播教學平臺的技術因素，包括學生對直播教學平臺的信息接受性、網絡和平臺穩定性以及平臺功能的便利性感知;成分2為課堂投入，是指直播教學的形式接受度和教師在線教學資源展示投入，以及學生感知的課堂學習氛圍影響學生的課堂學習投入;成分3為學習進度，是指在線學習資源的利用，學習任務的完成以及主動回看點播;成分4為學習體驗，是指學生在直播學習過程中的歸屬感和狀態等;成分5為認知策略，是指學生主動參與課堂投入，總結出適合直播平臺的學習方法。最終得出包含31個題項的S大學在校生遠程直播教學模下學習投入測量量表及其因子結構，如表2所示。

將平臺利用、教學效果、學習進度、學習感受、互動體驗五個變量導入信度檢驗，得到的值分別為：0.821、0.937、0.885、0.946、0.951，均大于0.7的閾值條件，說明數據可靠性較高。

2.驗證性因子分析

根據Anderson and Gerbing的兩步法進行驗證性因子分析。首先根據探索性因子分析的結果，構建五因素全相關的模型進行CFA，結果顯示模型擬合較好，CMIN/DF=11.365，RMR=0.034，GFI=0.926，AGFI=0.903，CFI=0.955，RMSEA=0.065（CI 0.063-0.068）。然后再對兩種模型進行CFA，一種是三因素模型，即將五因素模型中的信息接受（WT1）、課堂投入（WT2）和學習進度（WT3）合并為認知投入，其他兩個（情感投入和行為投入）不變，結果顯示：CMIN/DF=55.462，RMR=0.115，GFI=0.740，AGFI=0.672，CFI=0.745，RMSEA=0.150（CI 0.147-0.152）;還有一種為單因素模型，即所有題項構成一個因素，CFA結果為：CMIN/DF=71.132，RMR=0.119，GFI=0.654，AGFI=0.573，CFI=0.666，RMSEA=0.170（CI 0.167-0.172）。兩步法驗證性因子分析的結果表明五因素模型具有效性。

四、大學生直播平臺學習投入差異分析

1.性別

由表3中的數據可知，在這五個影響因素中，性別對WT2和WT3、WT5存在顯著差異。課堂投入和認知策略的影響因素，女生明顯優于男生;在學習進度方面，男生的表現卻好于女生。

2.地區

從來源省份考慮不同地區學生五個影響因素的差異。在分析來源省份時，先將省份劃分為東、中、西部地區，然后利用單因素方差分析（ANOVO），對各地區學習投入進行顯著性分析和事后比較（LSD），結果如表4所示。

由表4可知，東、中、西部地區學生在信息接受、學習進度和學習體驗、認知策略影響因素存在顯著性差異。東部地區平均值明顯低于中、西部學生，這與我們常規的認知有偏差，一般認為，東部地區均為經濟和教育相對發達的省份，信息水平和軟硬件一般高于中、西部地區，然而數據表明，東部地區學生的四個影響因素卻顯著低于中、西部地區。[13]

3.民族

將學生所屬民族分為漢族和少數民族兩組，使用t檢驗分析其差異，結果顯示不同民族學生對五個影響因素均有顯著差異。

由表5可見，信息接受、學習進度、學習體驗、認知策略方面少數民族平均值明顯高于漢族，課堂投入因素平均值漢族明顯高于少數民族。由此可見在直播教學中課堂體驗的感知漢族高于少數民族，而對于學習進度和認知體驗等方面少數民族卻高于漢族。

4.年級

根據學生的不同年級進行五因素影響差異分析。在分析四個年級差異時利用單因素方差分析，結果如表6所示。

由表6可見，不同年級學生在信息接受和學習進度影響因素有顯著性差異。信息接受因素平均值大四學生明顯高于其他年級學生;學習進度因素平均值大一學生明顯高于其他年級學生。

5.專業

將某校專業分類為經管、文法、理工三類，使用單因素方差分析得出表7。

由表7可見，不同專業學生在課堂投入影響因素方面有顯著性差異，文法專業平均值明顯高于經管、理工專業。根據專業教學資源特色分析，文法專業學習資源能夠較好地在直播平臺進行利用展示，而經管類專業相對較弱，理工類操作實踐性較強，因此課堂投入稍顯薄弱。[14]

6.學習工具

根據學生使用的不同學習工具進行五因素影響差異分析。通過單因素方差分析得出表8。

由表8可見，不同學習工具對于五因素的影響具有顯著性差異。在可確定的學習工具中，使用手機進行直播學習的學生信息接受度較好，筆記本電腦和平板電腦較差，可見信息接受度與工具的智能性、交互性沒有明顯關聯，手機的移動性和便利性使得信息接受度更高。課堂投入因素中，筆記本電腦的平均值顯著高于其他可確定工具，可見在課堂學習過程中，筆記本電腦的攝像頭可以在直播課堂上進行連麥互動等功能影響課堂投入，手機和平板電腦無法進行連麥和資源下載等功能，所以課堂投入較低。學習進度因素中，手機的平均值顯著高于其他可確定工具，使用臺式電腦的學生學習進度較低，這與設備的可移動性、便利性有一定關聯。學習體驗影響因素中，使用手機的平均值明顯高于其他工具，其中平板電腦最低。認知策略影響因素中，手機的平均值明顯高于其他工具，其中臺式電腦較低。[15]

通過分析得出，使用手機進行在線直播學習的學生，除了課堂投入因素外，其他方面都有較好表現。

五、結論及建議

1.結論

（1）在線直播教學的學生學習投入影響因素具有多樣性

上述分析中，在行為投入、情感投入和認知投入的傳統教學理論模型基礎上，結合直播教學模式的特殊性，進行了多維度的不同影響因素綜合分析，得出信息接受、課堂投入、學習進度、學習體驗、認知策略五因素對學習投入的顯著性影響。由此可見，高校學生直播教學的學習投入影響因素具有復雜性，且不僅體現在影響因素的多樣，還體現在影響因素的多重機制不確定性，同一影響因素對于不同個體的反映不一，最終影響效應可能大相徑庭。就本研究中的不同影響因素分析結果來看，學習投入存在著不確定的穩定因素，比如課堂投入、學習進度、學習環境等是相對穩定的影響因素，而信息接受、學習體驗、認知策略等是相對不穩定的影響因素。因此，相比較于傳統教學模式的影響因素來說，遠程網絡直播教學的影響因素具有較強的可塑性。

（2）技術因素對在線直播學習投入具有顯著影響

在傳統教學對于學生學習投入差異的研究中，技術因素主要表現在教師的多媒體利用或專門實驗課的使用，較少涉及學習投入的因素，因此，對學習投入的影響較低。從上面的分析可知，信息接受中的平臺穩定便利多樣、課堂投入時的設備連麥互動、學習進度中的設備移動性對學生學習投入有著較顯著的影響。目前，全世界范圍內網絡學習的普及、MOOC和網絡直播課程在大學課堂中的深入應用以及技術因素逐漸成為學生學習投入的重要影響因素之一，不容小覷。

（3）在線直播教學模式對學習投入的影響

通過以上數據分析可以得出，不同教學內容、不同教學形式所整合形成的教學模式產生的差異性，對學生在線直播學習有著較大影響，從而直接影響學生直播學習的投入。直播課堂投入中的實時交互性不夠，會導致學習積極性減弱，實踐性課程的學習投入效果降低。因此，優化直播教學模式對學生學習投入有著正向影響。

2.建議

（1）監測并促進直播教學中的學生投入

直播教學過程中應隨時關注學生的學習投入及學習評價，通過學習參與時間、課堂投入等后臺數據監測學習過程，從而促進學生的課堂學習投入。高校應從制度安排上明確促進直播學習學生投入的各項檢測措施，完善相應的評價體系，對直播教學過程及時檢測優化，從而達到較好的直播教學效果。

（2）提升師生的信息化素養

信息化時代背景下，利用在線教育資源和在線教學平臺進行線上教與學已成為未來教學變革的趨勢。2020年5月14日，教育部高等教育司司長吳巖表示，在線教學已經成為中國高等教育和世界高等教育的重要方向。疫情結束后，將致力于把在線教學的生動實踐轉化為教學改革的重要舉措。因此，對高校師生信息化素養的要求也會大大提升，以隨時應對教育模式的革新。

（3）整合在線教學數據，發揮治理價值

目前在線學習平臺相對分散，功能應用較為單一，缺乏有價值的整合，造成信息化學習資源的冗余，平臺對于學生學業表現數據的挖掘和分析的有效性也有待加強。在大數據時代背景下，迫切需要將高校在線教育數據標準化，加強教育大數據的共享融通，通過整合的數據為學生學業發展挖掘規律，發揮教育數據的治理價值。

參考文獻：

[1]Fredricks，J.A.，Blumenfeld，P. C.， Paris， A. H. School en-gagement： Potential of the concept， state of the evidence. Re-view of Educational Research，2004（74）：59-109.

[2]Kuh G D.What Student Affairs Professionals Need to Know About Student Engagement[J]. Journal of College Student De-velopment，2009（6）：683-706.

[3]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.

[4]DAVIS F D.Perceived usefulness，perceived case of use，and user acceptance of information technology[J].MIS Quarterly，1989，13（3）：319-340.

[5]DAVIS F D，BAGOZZI R P，WARSHAW P R.Extrinsic and intrinsic motivation to use computers in the workplace[J].Journal of Applied Social Psychology，1992，22（14）：1111-1132.

[6]吳瓊雷，張朋柱.互聯網+背景下基于UTAUT的商學院 E—learning 用戶接受模型[J].上海交通大學學報，2018（2）：234-235.

[7]VENKATESH V，THONG Y L J，XU X.Consumer acceptance and use of information technology： extending the unified theory of acceptance and use of technology[J].Social Science Electronic Publishing，2012，36（1）：157-178.

[8]Driscoll，M.Blended learning：Lets get beyond the hype.Learning and Training Innovations[R].2002（8）：54.

[9]周媛，韓彥鳳.混合學習活動中學習者學習投入的研究[J].電化教育研究，2018（11）：101-107.

[10]金亮，李昕，荊永君.混合學習情境下學生學習投入指標構建[J].中小學電教，2020（1）：11-15.

[11]牛新春.招生傾斜政策下重點大學農村學生的學業準備和初期學業表現——基于X大學的實證案例研究[J].復旦教育論壇，2017，15（4）：52-61.

[12]亞歷山大·阿斯廷.Predicting academic performance in college[M].

[13]Aggarwal P， Vaidyanathan R， Rochford L. ACT/SAT scores and academic performance of business students： are marketing majors different[J]. Journal for Advancement of Marketing Education，2004.

[14]Carini R M， Kuh G D， Klein S P. Student Engagement and Student Learning： Testing the Linkages[J]. Research in Higher Education，2006，47（1）：1-32.

[15]M.B. Fuller， M.A. Wilson， R.M. Tobin. The national survey of student engagement as a predictor of undergraduate GPA： a cross-sectional and longitudinal examination[J]. Assessment & Evaluation in Higher Education，2011，36（6）：735-748.

（編輯：王曉明）