學歷繼續教育學習者在線自我調節學習現狀與影響因素研究

王 斐

(1.西北大學 繼續教育學院，西安 710069；2.西安交通大學 人文社會科學學院，西安 710049)

一、研究緣起

信息技術的深度應用推動了各級各類在線教育的蓬勃發展，在很大程度上促進了學習者的個性化發展。在基礎教育領域、普通高等教育領域，在線學習只是線下學習的補充和拓展，而在高等學歷繼續教育中，在線學習是學習者完成教學計劃、獲取學歷或學位的主要途徑。1999年3月，教育部印發《關于啟動現代遠程教育第一批普通高校試點工作的幾點意見》，不僅標志著我國現代遠程教育(網絡教育)的正式起步，也標志著我國系統性在線學習的正式開啟。在20年的發展歷程中，在線教育已不再是成人學歷補償教育的代名詞，而是各級各類教育的重要補充。目前，研究者已從關注教師怎樣“教”逐步轉向學生如何有效“學”，但研究領域主要集中在以MOOC為代表的普通全日制高等教育中，對學歷繼續教育學習者的關注較為罕見。學歷繼續教育學習者往往身兼“多重角色”，平時擔負工作并兼顧家庭責任，以在線自主學習與站點面授輔導相結合的方式完成學習深造。新冠疫情防控期間取消了全部線下學習活動，以“線上自主學習+線上答疑”的模式完成課程學習，這對學習者在線學習能力提出了更高的要求。以網絡通信和智能終端為依托的信息技術飛速發展，促進在線教育迅速發展的同時，網絡信息泛濫、熱點推送繁多、心理監控缺失等問題給在線學習效果帶來巨大挑戰。對具有多重角色的學歷繼續教育學習者而言，在線自我調節能力對保障學習效果就顯得更為重要。因此，本研究聚焦學歷繼續教育學習者，采用混合研究法對在線自我調節學習現狀及影響因素進行了深度研究，并從不同層面提出了優化策略，以期對提升學歷繼續教育在線學習效果具有一定的參考價值。

二、國內外研究現狀分析

(一)國內研究現狀分析

通過對中國知網(CNKI)的檢索，發現最早關注自我調節學習的研究成果是李宗林翻譯的美國學者Barry J. Zimmerman發表在美國《教育心理學通訊》的文章，該成果詳細介紹了社會認知視角下自我調節學習的概念、決定因素以及自我調節學習方法，為我國自我調節學習的相關研究奠定了理論基礎。[1]

為獲取國內在線自我調節學習的代表性研究樣本，本研究以教育技術學和繼續教育類高質量期刊為文獻來源，以“自我調節學習”為主題進行檢索，通過分析，我國對在線學習自我調節的研究對象主要集中在全日制大學生，其研究內容集中體現在以下幾方面：

第一，基于開放教育資源的自我調節學習支持研究。如鄧國民等人的優質教育資源支持下學習者自我調節學習支架的設計和檢驗以及自主學習環境概念框架的設計等等。[2—3]

第二，信息技術支持的自我調節學習的干預研究。如：范麗恒等對超文本學習環境中差生自我調節學習的優化，[4]鄭蘭琴等設計開發了大學生自我調節學習能力的培養工具，[5]趙蔚等人采用學習分析技術挖掘在線學習者自我調節學習路徑以促進學習者學習能力發展的研究，[6]以及何克抗對促進自我調節學習能力發展的靈活學習環境進行了探討與分析，[7]等等。

第三，以自我調節學習為自變量的在線學習優化研究。如：徐曉青等人的研究表明自我調節學習是影響大學生在線學習滿意度的重要因素，[8]周琰的研究表明學習者元認知調節策略在認識信念對網絡學習投入的影響中有著完全中介作用，[9]多召軍等人從自我調節學習效能感培養的視角構建了移動網絡學習社區構建新范式，[10]等等。

第四，自我調節學習與教學模式的相關研究。如：王正聰等人設計了基于網絡教學平臺的自我調節學習能力培養模式，并開發出了學習計劃管理子系統；[11]林君芬在網絡課堂教學中引入自我調節學習機制，并提出了網絡課堂環境下的差異教學模式與策略；[12]徐運玲等人對網絡環境下基于問題的學習和自我調節學習進行了探究，并詳細論述了網絡環境下基于問題學習的兩種不同的自我調節學習方式；[13]鄒曉玲的研究表明新型網考成績反饋時，既告知考生總分，又提供各題型的分數和各題型分數在總體學習者中的位次情況，以及相應的自我調節策略反饋，較之傳統的總分報告形式能更有效地促進學生的英語自我調節學習；[14]張成龍等人采用實驗研究的方式證明了基于MOOC的混合式教學有助于提高學生網絡自我調節學習水平，尤其在時間管理和目標設定兩個層面；[15]等等。

(二)國外研究現狀分析

為獲取國外在線自我調節學習的代表性研究樣本，本研究以Web of Science核心數據庫為文獻來源，以“‘online learning’、‘e-learning’、‘distance learning’”&“self-regulated learning”為篇名關鍵詞進行檢索。通過分析，國外在線自我調節學習研究主要集中在以下幾方面：

第一，在線自我調節學習的優化策略研究。如：支持自我調節學習的智能系統的概念模型，能夠考慮學生應達到的不同學習水平以及衡量學生進步的指標，以及為學習者提出學習路徑；[16]適用于教育情境的個人信息學(Personal Informatics，PI)系統(Glance)能夠幫助學習者了解自己的在線學習行為；[17]翻轉課堂模式下在線學習中，為學生提供元認知支持有助于強化學生自我調節學習技能的發展；[18]自適應時間管理支持系統能夠改善學習者自我調節學習。[19]此外，從被引頻次來看，Kizilcec, R. F等人刊發在Computers & Education上的題為《Self-regulated learning strategies predict learner behavior and goal attainment in Massive Open Online Courses》的研究對在線自我調節學習的優化研究奠定了重要基礎。①該研究明確了MOOC情境下學習者自我調節學習能有效預測學習者學習行為和學習目標達成，目標設定和策略計劃可以預測個人課程目標的實現，而尋求幫助與較低層次目標實現相關，自我調節學習能力較強的學習者往往會重新訪問以前學習過的內容，尤其是課程評價部分；學者的人口學特征、學習動機等對自我調節學習具有一定的預測作用。[20]

第二，不同情境下在線自我調節學習對學習效果的影響研究。如：對學習者心理變量的全面管理，包括目標定向、自我調節、考試焦慮、自我效能等方面，對于在線學習機構、指導者和管理員強化學習支持具有重要作用；[21]混合學習情境下，不同自我調節學習行為與學習績效間存在弱到中等程度的正相關，每周訪問在線課程時長和訪問頻率是學生成功的最強預測指標；[22]動機調節和自我調節學習策略對學業成就具有重要影響；[23]在線學習環境下，學生自我調節學習能力越強，基于虛擬社區的自我探究能力就越明顯，且針對特定任務的態度和自我效能感越強；[24]除同伴學習和尋求幫助之外，在線學習者比混合學習者使用自我調節學習策略更為頻繁，雖然預測值存在一定差異，但在線學習和混合學習學生之間自我調節學習對學習成績的主要預測指標基本相同，都非常重視對時間管理和精細化策略的使用；[25]等等。

第三，在線自我調節學習的測量研究。如：適用數字化學習的自我調節框架，包括學習計劃、共享記錄或電子檔案、評估、人工反饋、機器反饋、目標/過程/概念的可視化、腳手架和代理等八個功能；[26]適合學習者自定進度的開放和遠程學習情境下學習者自我調節學習量表，包括目標設定、尋求幫助、自學策略、物理環境管理、努力調節五個維度，共30道題目；[27]支持MOOC學習者自我調節學習的Web應用程序(NoteMyProgress)；[28]適用于MOOC學習者自主學習情境的自我調節學習量表；[29]使用在線課程學習者行為數據挖掘學習者自我調節學習模式，比學習者自我報告的方式更精準；[30]等等。

三、研究設計與過程

(一)研究對象與工具

本研究通過對陜西、廣東、云南等三省7所高校繼續教育學院(遠程教育學院)引入的在線課程進行調研發現，學生基于在線課程開展“在線自主學習”的個案百分比為73.1%，是當下在線課程的主流學習方式。因此，本研究聚焦在線課程中自主學習型學歷繼續教育學習者自我調節學習開展的現狀及影響因素的研究。

通過對國內外在線自主學習相關量表進行比較分析后，本研究對Ruth Martinez-Lopez等人聯合開發的《基于MOOC的自我調節學習量表》進行了本土化翻譯，[31]翻譯完成后選取10名系統學習過在線課程的學生和5名關注高校在線開放課程應用的學者進行訪談，對量表題目內涵的表述進行本土化調整，最終形成在線自我調節學習量表，累計24個題項。該量表包括目標設定(Goal Setting)、環境構建(Environment Structuring)、任務策略(Task Strategies)、時間管理幫助(Time Management Help)、尋求幫助(Help Seeking)、自我評價(Self-Evaluation)六個維度。

研究量表修訂完成后，以西北大學繼續教育學院學歷繼續教育學習者為主要研究對象，同時又通過問卷星向陜西、廣東、云南等三省部分高校繼續教育學院(遠程教育學院)的在線學習者發放問卷，歷時2周(2020年3月16日—29日)，共回收在線問卷358份。根據至少系統性學習完一門在線課程、問卷填寫時間不低于180秒、題目選項不存在明顯的規律性等條件對數據進行清洗后，最終共保留有效問卷287份，有效率80.17%。

(二)研究工具檢驗

研究數據清洗后，分別從項目分析、探索性因素分析、驗證性因素分析和內部一致性檢驗等四個層面對研究量表進行檢驗。

首先，項目分析結果顯示：極端組比較中，T值(決斷值)的絕對值(|t|)介于8.351—15.473≥3.000；題項與總分相關分析中，題項與總分相關系數介于0.506***—0.751***≥0.400；同質性檢驗中，已刪除的α值(內部一致性系數)均小于等于量表整體α值(0.941)、共同性指標介于0.228—0.581≥0.200、因素負荷量介于0.477—0.762≥0.450。各項指標均高于項目分析的建議值。[32]

其次，鑒于該量表對已有量表進行的本土化翻譯，具有明確的維度劃分和題目歸屬，因此，本研究采用分層面進行個別因素分析的方法進行因素分析，即根據各量表的層面，對層面包括的題項變量分別進行因素分析，而不對整個量表進行因素分析。[33]因素分析的結果如表1所示。

再次，驗證性檢驗的結果如表2所示。

表1 在線自我調節學習量表因素分析結果

續表

表2 驗證性檢驗結果

在模型擬合度評估方面，模型擬合度越高，則代表模型可用性越高，參數的估計越有效。然而，X2(Bartlett’s球形檢驗近似卡方分布)統計量容易受到樣本大小的影響。因此，除X2統計量外，還需同時參考其他擬合指標，如GFI、RMR、RMSEA等絕對擬合指標，AGFI、NFI、CFI、IFI等增值擬合指標等。其判斷準則分別為：CMIN/DF小于2.0，RMR、RMSEA越接近0表示模型擬合度越好，通常選取RMR小于0.05、RMSEA小于0.08，其他各項指標越接近1表示模型擬合度越好，通常采用建議值為大于0.9(大于0.8為基本合格)。以此為參考，本研究預設模型擬合度良好。

最后，內部一致性檢驗的結果顯示：整體及目標設定、環境構建、任務策略、時間管理幫助、尋求幫助、自我評價等各維度的Alpha值(克隆巴赫α系數，又稱內部一致性α系數)分別為0.941、0.863、0.695、0.715、0.756、0.795、0.842。

四、在線自我調節學習現狀

(一)整體情況分析

描述性統計分析的結果顯示：研究樣本在線自我調節學習整體情況為3.41±0.028(李克特五點量表均值水平)；目標設定、環境構建、任務策略、時間管理幫助、尋求幫助、自我評價等各維度統計結果(M±SE)分別為3.34±0.0330、3.59±0.0332、3.50±0.0310、3.36±0.0333、3.26±0.0357、3.40±0.0324，且在不同性別間不存在顯著性差異。

(二)相關性顯著差異分析

為進一步判斷學歷繼續教育學習者在線自我調節學習各維度相關強度在性別之間的群體差異，本研究在相關分析的基礎上進行了相關性顯著差異分析。具體實施時，本研究首先分別對男生、女生的在線自我調節學習各維度進行相關分析，確定相關系數(r值)。其次，利用Zr=1.1513lg[(1+r)/(1-r)][35]分別計算得出各相關系數對應的Zr值(相關系數的標準值)。再次，通過Z=(Zr1-Zr2)/SQRT[1/(n1-3)+1/(n2-3)]分別計算出各維度相關系數在不同性別群體間相關系數的差異值(Z值)。公式中n1、n2分別為兩個樣本的數量，SQRT表示平方根函數。[36]最后，若|Z|=2.38>1.96=Z0.05，則P值(顯著性水平)小于0.05，表示該相關系數在不同性別間存在顯著性差異。依據相關性顯著差異判斷準則，環境構建(ES)與尋求幫助(HS)的相關系數存在顯著的性別差異，且男生群體二者的相關程度顯著高于女生，其他各變量的相關系數不存在顯著的性別差異。

五、影響因素與對策分析

(一)影響因素分析

1.研究工具與對象

以《在線自我調節學習量表》包括的目標設定、環境構建、任務策略、時間管理幫助、尋求幫助、自我評價六個維度的具體內涵為依據，按照每一個維度對應一道訪談問題的思路編制半結構訪談提綱，如目標設定維度的訪談問題表述為“在線學習時，你會不會設定短期學習目標和長期學習目標？影響你不能很好設定學習目標、合理安排學習節奏的因素主要有哪些？”在實際訪談中根據訪談對象對訪談內容表現出的困惑進行追問或引導。

訪談提綱編制完成后，選取了6名(3名男生、3名女生)學歷繼續教育學習者進行在線訪談，認真記錄試訪談中發現的各種問題，根據結果對訪談提綱進行修訂和完善。訪談提綱確定后，按照年級、性別、專業、性別均衡分布的原則，選取36名學歷繼續教育學習者(陜西27名、廣東5名、云南4名)開展正式訪談。訪談結束后，第一時間完成轉錄。

2.研究過程與結果

訪談數據轉錄、校對后，采用NVivo8.0對訪談數據進行編碼分析，具體過程如下所述：

首先，開放式編碼。開放編碼是通過分析原始資料中的句子或段落對類似的現象進行概念化，并在此基礎上將相同或相似的概念集聚到相應范疇中的一個過程。[37]為確保數據編碼的有效性，本研究由兩位從事高校在線課程應用研究的教育技術學博士對訪談數據進行至少2次協同編碼活動，不斷協商原始訪談文本數據的概念化結果，增強編碼的一致性。最終，通過開放式編碼確定了205個自由節點。

其次，主軸編碼。該階段的主要工作是將自由節點歸類成樹狀節點。[38]本研究將205條自由節點進行提煉和歸類為樹狀節點。經編碼，最終共總結歸納出四個樹狀節點，分別是個人因素、課程因素、文化因素和管理因素。

表3 在線自我調節學習影響因素編碼結果

再次，核心編碼。核心編碼指的是在所有已發現的類屬關系中經過系統分析后選擇一個“核心類屬”，并通過這個“核心類屬”將其他類屬串成一個整體，使所得到的資料形成一個清晰的故事線索的過程。[39]經分析，最終將4個樹狀節點提煉成1個核心節點，即學歷繼續教育學習者在線自我調節學習影響因素，如表3所示。

最后，理論飽和度檢驗。上述數據分析完成后，本研究采用在線的方式對4名學歷繼續教育學習者(2名男生、2名女生)進行訪談，以驗證數據是否達到飽和。最終編碼結果表明，未發現新的范疇，初始訪談通過了理論飽和度檢驗，研究數據具有較好的信度和效度。

通過對質性訪談數據的分析，本研究發現影響研究被試在線自我調節學習的因素主要包括個人因素、文化因素、管理因素和課程因素四個層面。從參考點的數量來看，個人因素占比例最高，其次是文化因素、管理因素和課程因素。其中個人因素主要包括在線學習動機、在線學習策略及學習意志力等因素；文化因素主要指的是就讀學校缺乏在線學習文化氛圍的營造、學習型組織的引導創建和發展及必要的基礎性學習空間等；管理因素主要包括對在線自主學習缺乏過程性監督、提醒和有效考核等因素；課程因素主要涉及課程內容、平臺功能及在線課程考核三個層面。

(二)優化對策分析

在明確學歷繼續教育學習者在線學習自我調節現狀和影響因素的基礎上，本研究著重從以下三個層面對優化學歷繼續教育學習者在線自我調節學習提出建議。

首先，加強專屬課程建設，強化學生選課指導，精準學習，供需匹配。學習動機對自我調節學習有重要影響，尤其是內部學習動機。研究結果顯示研究樣本參加在線自主學習的動機以外部動機為主，主要緣于所選課程未能很好地滿足學習者專業發展需求或興趣愛好，課程學習內容在工作崗位上不能迅速產生應用效果，也就是說供需匹配存在一定程度脫節。造成脫節的原因主要有兩點：一是學歷繼續教育的在線課程專屬性不強，針對成人教育特點專門建設的課程占比偏低，所用的大部分課程要么來自全日制淘汰的精品課程，要么是使用現行的針對全日制本科生或研究生建設的MOOC。課程性質和內容特點與學歷繼續教育學習者的需求存在較為嚴重的不匹配現象。二是主辦院校為學生提供的選課時間較為緊張，專業性指導不強。依成人學習者現有發展水平，很難在短時間內選擇合適的課程。此外，在線自我調節學習能力的培養不是一蹴而就的。因此，主辦院校要結合已有人才培養方案需求，在在線開放課程引入、應用與評估等各環節進行系統規劃和布局。在辦學經費預算允許的前提下，逐步加大專屬性在線課程建設。同時，變革選課流程及管理模式，給學生留有足夠時間，在充分了解自身需求、課程特征的基礎上，理性選擇課程。注重教師在學生選課環節中的引導作用，鼓勵教師根據學習者發展階段、能力水平、課程教學需要、人才培養需要，分層次、分階段引導學生選擇不同要求、不同類別的在線開放課程，使在線開放課程切實成為學歷繼續教育人才培養課程體系的堅強基石。

其次，重構學習空間，營造文化生態。群體動力學理論認為“一個人的行為是個體內在需要和環境外力相互作用的結果”。[40]因此，除強化學生內在學習動機外，主辦院校還應注重“環境外力”對學生在線自我調節學習的影響，即基于創新型學習空間的文化生態的影響。在大數據、云計算、人工智能等新興技術的支持下，衍生了泛在學習、無縫學習、碎片化學習等多種學習方式，不斷激發了現有學習空間與新興學習方式之間的矛盾。學歷繼續教育學習者在整個學習過程中與高校長期處于一種“準分離”的狀態，他們比全日制大學生更需要院校歸屬感和網絡校園文化生態。與教師主導、側重知識傳授的規制型學習空間相比，開放、彈性化的創新型學習空間更有助于彌補上述缺失，能更好地培養成人學習者與職業準備相關的認知與非認知能力。鑒于此，主辦院校應以人才培養需求為導向，重構融入高校文化生態的學習空間，為多樣化學習方式的應用和學習共同體的創建奠定基礎，以在線學習文化創設為切入點，推動在線學習文化生態變革。

最后，加強過程監控，完善學分認定。總體看來，在線課程的發展速度越來越快、質量越來越高、在高等教育中的作用越來越凸顯。在新冠疫情防控期間，為落實“停課不停學”的防控舉措，在線課程的應用更加廣泛，認可度大幅提升，但在過程監管措施和學習認定評價體系等方面也暴露出很多問題。這些問題也與本研究的訪談調研結果基本一致，如：學校相關管理制度的欠缺使跨平臺學習課程的學分互認很難實現，對在線學習過程監控不到位容易產生只追求分數不考慮效果的問題，線下輔導、線上答疑與線上自主學習脫節，線上課程學習內容與電子教材和紙質教材匹配度欠佳等。這些問題很大程度上導致在線開放課程的應用流于形式。隨著認知神經科學的發展，在在線課程開發階段，應注重認知神經科學的深度應用，如利用生物信號采集技術對在線學習過程進行監控，時刻了解學習者的學習狀態，并提供個性化學習過程和學習資源支持服務。同時，主辦院校應以成果導向教育理念為指導，發揮信息技術優勢，適度增加學歷繼續教育在線學習的經費投入，建立和完善在線自主學習過程監控與預警機制，促進學生在線學習投入。此外，還要建立和完善以能力評估為導向的多元化在線課程學分認定辦法，在教學管理層面推動在線課程的深度應用。

六、結束語

在線自我調節學習能力是學歷繼續教育學習者利用互聯網資源保持專業常態化發展的關鍵。本研究對基于MOOC的在線自我調節學習量表進行了本土化改編和應用，具有較高的信效度，為自主學習情境下，在線自我調節學習的量化研究提供了工具支撐。在此基礎上，本研究采用混合研究法，對不同地區學歷繼續教育學習者在線自我調節學習的現狀、影響因素進行了探索性分析，并從供需匹配、空間重構、過程監控三個層面提出了優化策略，以期對學歷繼續教育領域在線開放課程的深度應用具有一定的參考意義。

【注釋】

①根據對應領域和出版年中的高引用閾值，到2019年6月為止，本高被引論文受到引用的次數已歸入Computer Science學術領域同一出版年最優秀之列(前1%)。