線上教學效果的實證研究

■林慧君

（湛江幼兒師范專科學校，廣東 湛江 524037）

一、線上教學效果研究

2020年上半年，一場突如其來的新冠疫情使得大部分學校教育由線下教學轉換為依托網絡、平臺開展的線上教學，教學媒體、教學方法、教學評價方式等發生了很大的改變。所有的老師和學生都在學習網絡環境下教和學的技術、方法、評價方式等，努力適應新環境、新平臺、新技術。一學期的線上教學任務基本完成，線上教學效果如何？本文將對線上教學效果開展實證研究，為學校教育教學質量監控、線上教學方法的改進提供事實依據和決策支持，為線上線下教學融合應用提供支持服務。

目前線上教學效果的實證有不少的研究成果，如孫慧玲等[1]通過對學生期末卷面考試成績進行對比分析，得出傳統授課、MOOC及翻轉課堂教學三種不同的教學方法對期末卷面成績影響的差異無顯著性的結論；李小娟等[2]則使用結構方程探究了線上學習中學生課程閱讀、總結反思等行為對教學績效的影響等。現有的線上教學效果的實證研究文獻存在如下問題。

（1）從理論層面指出了線上教學對學生成績的潛在影響，但是使用數據評估線上教學效果的實證研究有限，且大部分實證研究采用問卷調查或訪談的方式獲取數據，此類數據存在樣本量小、誤報錯報、問卷回收率低、抽樣方法不科學等問題。

（2）實證研究的數據以學生自主匯報效果（self-reported effect）方式來收集，該類數據帶有學生主觀意識，無法反映學生的真實水平和線上教學的實際效果。

（3）實證研究的數據來源局限于線上教學課程，為橫向數據。一個專業由不同性質的課程組成，課程與課程之間學生成績不具備可比性，學生能力的差異也會帶來遺漏變量偏誤或選擇性偏誤問題。

筆者抽取了某高校2019—2020學年度學生的各門課程考試成績，其中第一學期為線上教學，第二學期為線下教學。首先對線下教學和線上教學數據進行整理和描述性統計，直觀展現了數據統計的初步結果，發現線上教學課程學生卷面成績和標準化成績比線下教學課程的成績有所提升，但在不同組別的學生中提升程度不同。

假設線上教學有可能對不同成績組學生的影響存在差異。為研究這種差異，我們構建模型，使用DID（Difference In Difference，雙重差分法）衡量線上教學對學生成績的平均處置效應（average treatment effect），排除部分潛在的內生性問題，識別線上教學和學生成績之間是否為因果關系；將樣本數據按照平均成績的5分位數劃分為5個成績組，然后將成績組虛擬變量與DID變量交乘，對模型進行OLS估算，分析結果，同時對模型進行了安慰劑檢驗以及穩健性檢驗。本論文闡述了整個實證過程以及相關的結論。

二、樣本數據及假設

本研究共抽取了273名學生162門課程成績，共有20087個觀測值。

首先對數據進行整理，去除缺失值和分數小于10分的觀測值（這些觀測值是由學生缺席考試所造成的），去除少于10人選修的課程。數據經整理后，我們得到10699個觀測值。

然后對數據進行描述性統計，計算學生各學期平均成績、標準差和四分位數，縱向對比線上、線下教學學生成績。表1所示為統計情況，第二行為考試卷面分數的均值，第三行為標準差，第四至六行分別為分數的四分位數，列（1）至列（4）分別表示全樣本、第一學期樣本、第二學期樣本、第一第二學期的卷面分數均值差。

由表1以看出，使用線上教學模式的第二學期的平均成績較使用線下教學模式的第一學期的平均成績高2.15分，且差異在0.01的水平上顯著；成績的變化在各分位數上也有所不同，P25和P50均增加了3分，而上四分位數P75僅增加1分。

表1 描述性統計

根據上述描述性統計結果，我們作出如下假設:線上教學對不同成績組學生的影響存在差異。

三、DID回歸模型

對于高校而言，各門課程性質不同，難易程度不同，授課老師不同，課程與課程之間不具備可比性，且含有大量的選修課程，學生在選課時帶有主觀意愿，與學生的興趣、學生個人的學習能力等方面有關。要解決不同課程之間成績無法比較以及選課過程存在的問題，一種可行的方法是使用計量手段去除部分內生性并識別相關的因果效應。

我們采用課程內標準成績取代成績作為被解釋變量。具體計算方法如式（1）。

基準回歸模型采取經典DID設置，如式（2）所示。

其中被解釋變量CMarki,j,t為觀測值的標準成績；θi、φj分別為學生層面和課程層面的固定效應；Tt為學期虛擬變量，若觀測值屬于第一學期，則Tt=1，反之為0；Onlinej,t為DID變量，若學年t的課程j為線上教學，則Onlinej,t=1，反之為0；Numj,t為連續型控制變量，表示課程j在學年t時的選修人數；εij,t為隨機誤差；個體固定效應θi和課程固定效應φj吸收了所有不隨學生、課程而變化的因素；如學生能力差異、不同課程的難度差異均會被固定效應捕捉，Tt則捕捉了第一和第二學期之間的平均成績差異，在該設定下，雙重差分估計量 β 估計 ΔE[CMark│Treatj=1]-ΔE[CMark|Treatj=0]，表示相較于第二學期不使用線上教學而言，采用線上教學為學生成績帶來了額外變化。因此，為線上教學對學生成績的平均處置效應（Average Treatment Effect,ATE）。

其中，Bki為成績組虛擬變量 ，k∈{1,2,3,4,5}。若學生i處于成績組k中，則Bki=1。以中等成績的學生band=3為基準成績組，將k=3排除在加分之外。此時，β0為雙重差分估計量，捕捉線上教學對基準組學生成績的影響；而β0+βk則估計線上教學對成績組k的影響。該識別策略為三重差分設定，因此引進了成績組和課程的交互固定效應φj,k來捕捉各個課程中不同成績組的異質性。我們使用最小二乘法OLS來估計基準回歸（2）和（3）。表2所示為各回歸變量的基本情況。

表2 回歸變量

四、結果分析及模型校驗

（一）結果分析

附表1 中列（1）和列（3）為回歸（2）雙重差分法估計結果。列（1）中，在沒有控制課程固定效應情況下，線上教學的虛擬變量在0.01的水平下顯著為正。列（2）和列（3）逐步控制了課程固定效應和選修人數，DID估計量β約為1，且均在0.05的水平下顯著為正。上述結果表明，與線下教學相比，線上教學使學生的標準成績提升約1分。其次，我們注意到在控制課程選修人數后，學期虛擬變量Tt不顯著，這說明在控制組中，第一學期和第二學期的平均分數在統計意義上沒有顯著差異。

附表1 中列（4）和列（5）回歸（3）的估計結果。其中，第二行為β0的估計結果，反映線上教學對基準成績組（band 3）的邊際影響。可見DID估計量為負，且在統計意義上不顯著，因此我們認為，線上教學對于中等成績組的學生的作用并不明顯，且有可能產生負面影響。圖1所示為式（2）中βk的估計結果，其中橫坐標表示成績區間；縱坐標為估計值；實心圓點表示估計量；而垂直實線則表示估計量的90%置信區間。我們發現，β1和β5的估計量均顯著為正，而β2和β4估計量為正，但并不顯著。這說明我們有90%的把握認為，線上教學讓線下教學成績最差20%的學生平均提升3.152個標準分，成績最好20%的學生平均提升3.837分。而對于線下教學中等成績學生而言，我們沒有90%以上的把握說明線上教學能提升他們的成績。

附表1 基準回歸結果

圖1 基準回歸結果

（二）因果關系檢驗

在回歸模型中，我們使用雙重差分法捕捉線上教學對學生成績的處置效應。為了驗證雙重差分設置是否能準確識別兩者之間的因果關系，我們對模型進行安慰劑檢驗，具體步驟如下:

（1）去除2019—2020學年第二學期線上教學的樣本；

（2）隨機抽取19門課程作為虛擬處理組（imaginary treatment group）；

（3）對回歸進行估算，并重復該過程1000次，然后作出βk的概率分布圖。

圖2 所示為安慰劑檢驗的結果。其中，橫坐標為βk的估計值；縱坐標表示βk；黑色實線為βk的概率密度分布函數；灰色點表示每次安慰劑回歸中βk的取值；垂直實線從左至右分別為估計值分布的10%、50%、90%分位數；黑色三角形則表示使用真實處理組時的估計值。可見，βk的估計值分布大致為均值為0的正態分布，且使用真實處理組的估計量均大于分布的90%分位數。因此我們認為，基準回歸結論并不是偶然的結果。

圖2 安慰劑檢驗結果

（三）穩健性檢驗

附表 2中列（2）和列（4）為式（2）的結果，圖 3所示為βk的系數圖。據圖3（Panel A），與圖1類似，我們發現與基準成績組相比，線上教學對成績最差20%和最好20%的學生的積極影響最大，他們的平均卷面成績分別提高了1.564分和2.33分。圖3（Panel B）則使用相對排名Ranking作為被解釋變量，最差20%成績組的DID估計量為0.0882，且在0.1的水平下顯著，這表明在線上教學模式中，平均成績倒數20%的學生的相對排名平均能提高8.8%。值得注意的是，β5的估計值接近于0，這說明對于成績最好的學生而言，雖然他們的線上教學的課程卷面分數顯著提高（如圖1 Panel A），但對他們的排名并不會產生顯著影響，他們的相對排名不會隨著分數的提高而繼續上升。對于中等學生而言，如附表2列（4）所示，β0估計為負，這說明在線上教學模式中，中等成績的學生排名有可能下降，與基準回歸結果一致。

附表2 穩健性檢驗

圖3 穩健性檢驗

五、結語

通過模型結果的分析，我們發現，當教學模式由線下轉為線上后，成績較差組與中等成績組學生的成績差距在縮小，而優秀成績組和中等成績組的差距卻被拉大，這意味著中等成績組學生在線上教學中相較其他成績組學生表現不佳，我們認為導致該結果的原因有以下幾點。

1.對于優秀成績組的學生（band 5）而言，他們具有較強的學習自覺性、專注力、理解能力和學習基礎。在疫情期相對隔離的環境下進行線上學習時，來自外界因素的干擾降低，這便使這部分學生的成績得以進一步提高。

2.中等學生（band 3）的自我監控能力較弱[13-14]，他們在學習中更依靠教師的督促和答疑。此外。同學間合作學習對于中等生而言更加重要[15]。然而在線上教學模式中，師生互動、學生間合作的時間被大大壓縮，因此，線上學習對中等成績組的積極性相對于其他成績組而言并不明顯。

3.對于平均成績最差的20%的學生而言，由于該組學生的成績基數小，故成績提高更加明顯；成績較差的學生相對更容易受到外界“非學習”因素的干擾（如電子產品），而在疫情期居家的線上學習中，相對封閉的環境、家長的監督反而一定程度地保障了他們的學習時間和質量。另外，線上教學允許學生反復觀看教學錄像，這一定程度上彌補了學生在理解能力、學習能力上的不足，使他們的標準化成績有所提升。

由此可見，我們在開展線上教學時應更多地關注中等成績組的學生群體，探究中等成績組表現不佳的原因，對癥下藥，提升線上教學模式在各個成績組中的積極效果。