疫情期間本科生規模化在線學習的支持度分析

鞏倩 包娜萍 仲卓帆 蔡佳蕙

摘要：本文研究了杭州市本科生對規模化在線學習的支持度。利用問卷調查獲得的數據，結合多元邏輯回歸模型建立本科生對規模化在線學習的支持度量化評價體系，最后對模型進行實際應用并分析。

關鍵詞：描述性分析;列聯表分析;多元邏輯回歸

1.引言

2020新冠疫情來勢洶洶，為阻斷疫情向校園蔓延，教育部號召全國各類學校利用網絡平臺“停課不停學”，要求各級各類學校做好春季學期延期開學等相關工作。結合我國教育部頒發的《教育信息化2.0行動計劃》提出積極推進“互聯網+教育”的發展，規模化在線學習成為疫情期間學生學習的主要方式。因此，我們決定對杭州市疫情期間本科生規模化在線學習的支持度進行調研。

2.樣本容量的確定

本文設置置信度為95%，最大允許絕對誤差為，對初始樣本量進行計算[1]：

通過初始計算、調整，并考慮調研時的回答率，初步得到。為進一步保證估計精度和實際操作方便，我們確定最后的樣本容量為950。

3.對疫情期間規模化在線學習支持度的描述性分析——授課方式選擇為例

由數據可知，近半的調查對象選擇了線上線下結合的授課方式，這表明高校大學生還是喜歡線上線下結合授課，能有效吸收兩種方式的優點;其次，線下的比重明顯大于線上，這也說明高校大學生還是習慣線下學習，完全以線上學習的授課方式并不能被高校大學生所接受。總體而言，我們目前更需要宣傳線上線下結合的授課方式，更有利于高校大學生的學習。

4.多因素影響下疫情期間規模化在線學習支持度的列聯表分析——居住所在地為例

在本次調研中，我們選取了3類地點，分別是浙江省杭州市、浙江省非杭州市以及省外。不同居住所在地的本科生對規模化在線學習會有不同的看法，會影響其支持度，從而造成差異性。具體分析如下：

卡方檢驗的p值均小于0.05，得出結論，不同居住所在地對規模化在線學習支持度有影響。首先我們可以比較浙江省杭州市和非杭州市的部分，可以發現整體上兩者都支持線上線下結合的方式，但又有區別，浙江省非杭州市更傾向于線上線下結合的方式，因為居住地較遠，這部分高校大學生希望線上線下結合更有利于他們的學習。其次，我們可以發現省外在線上線下結合的比重遠超于其他兩類居住地，可能因為一方面由于路途遙遠的問題，他們希望線上，另一方面，他們無法完全適應線上的授課模式，所以整體上傾向于線上線下結合。

5.多元Logistic下疫情期間規模化在線學習的支持度分析

5.1構建模型

我們將疫情結束后授課方式選擇定義為因變量，其中y=1代表更喜歡線上學習;y=2代表更喜歡線下學習;y=3代表更喜歡線上線下結合學習。

接著我們選取問卷中的A1-A5，B6，B8，C2-C4，C6這11道題目作為初始自變量，選取C7作為因變量。由于回歸模型自變量較多，我們先將各個自變量與因變量之間進行列聯表和相關性分析，挑選出與因變量顯著的因子作為本次回歸模型的自變量，運行結果如下：

由上述卡方檢驗結果可得，A5與C7之間的關聯度顯著。運用同樣的方法，可以得到各自變量與因變量之間的關聯度如下表：

由此，我們可以得到，對因變量有顯著性影響的一些因素。為進一步分析和預測我們對顯著的變量建立多元Logistic回歸模型。

5.2結果與分析

借助SPSS，經過多次迭代，依據AIC準則，我們剔除了B6，B8，C3，C4，其余變量（A5，C2，C6）均具有統計學意義，參數估計表如下：

6.多元Logistic回歸方程的應用

基于上述模型，我們可以具體分析杭州本科生對規模化在線學習支持度的看法。我們將模擬對象的參數設置為預期目的完成很好、支持教師當前授課方式的高校大學生，僅改變居住所在地，再利用該回歸模型分別計算出模型對象的相應參數下的規模化在線學習支持度，進行對比分析得出相應結論。模擬過程以及結構如下：

（1）設定模擬對象居住所在地為浙江省杭州市，代入求解得到：

（2）設定模擬對象居住所在地為浙江省非杭州市，代入求解得到：

（3）設定模擬對象居住所在地為省外，代入求解得到：

對比分析以上三個結果，我們發現隨著居住所在地不斷遠離杭州，規模化在線學習不斷傾向于線上線下結合。這可能原因是居住地不在杭州的大學生，希望線上學習，但又不能完全適應線上學習，就選擇線上線下結合的授課方式，隨著居住地不斷遠離杭州，高校大學生更傾向于線上線下結合的模式。因此，居住所在地能較大程度影響規模化在線學習支持度。

參考文獻：

[1]王榮.如何確定樣本量[J].北京統計，2002（07）.6-9.;

[2]徐靜遠.抽樣調查中樣本量的確定[J].統計與咨詢，2009（4）：45.;

（杭州師范大學 310000）