大學生在線學習投入對學習績效的影響研究

李運福 楊圓圓

[摘 要] 以群體動力學理論為基礎，以西部某新建師范院校在校本科生為研究對象，構建了在線學習投入對學習績效的解釋結構模型。研究表明：群體動力學理論的基本假設對開展在線學習行為研究具有一定的適用性和拓展性;大學生參加在線學習的內部動機越強，其情感投入、學習績效越高;情感投入度越高，其行為投入、認知投入度越高;增強線上交互有助于強化情感投入;增強情感投入有助于強化內部動機對認知投入的影響和線上交互對行為投入的影響;增強認知投入和行為投入，有助于強化情感投入對學習績效的影響。因此，高校應進一步規范課程引入、強化選課指導、優化學習空間，以增強大學生在線學習的內部動機，提升線上交互質量。

[關鍵詞] 群體動力學;在線自主學習;在線學習投入;在線學習績效

[中圖分類號] G64? [文獻標識碼] A? [文章編號] 1005-4634（2022）01-0008-07

當下，引入在線開放課程成為高校推動人才培養模式改革，提升人才培養質量的重要抓手。在對陜、甘、豫三省26所引入在線課程的高校調研顯示，“在線自主學習”是現階段高校應用在線課程的主流方式，個案百分比為73.1%[1]。如何提升在線課程自主學習績效是高校在線課程應用正面臨的重大現實問題。學習投入是測評學習績效的重要指標，引起了各國的高度重視，對學習投入的研究由最早關注學習時長逐漸拓展至專注程度、參與質量、認知發展以及學習支持等方面[2]，不斷豐富了學習投入的內涵。隨著新建本科院校在線開放課程的大規模引入和應用，大學生在線學習投入逐漸成為保障、提升和評測在線學習績效的重要指標，引起了教育技術領域學者的高度關注。鑒于此，聚焦在線自主學習情境，探尋新的研究視角，創新性地開展在線學習投入對學習績效的影響研究就顯得尤為必要與緊迫。

1 研究現狀分析

1.1 在線學習投入研究現狀

在線學習投入是指學習者在線活動過程中表現出來的積極狀態，包括行為投入、認知投入和情感投入三個維度。其中，行為投入主要指學習者在學習活動中的注意力、努力和堅持的投入程度，認知投入主要指學習者在應對復雜情境學習時所采用的認知策略，情感投入主要指在任務完成過程中學習者表現出來的情緒感受。現階段，國內對在線學習投入的研究集中體現在以下幾方面：首先，基于大數據的學習投入測量研究。如王洪江等人基于教學視頻播放行為數據、視頻觀看時長和并發學習行為數據提出了自主學習投入度算法[3];陳侃等人以MOOCs視頻特征和學生跳轉行為的大數據為基礎，對在線視頻學習投入進行了深度分析[4];李爽基于學習管理系統記錄的數據構建了遠程學習者學習投入評測模型[5]等。其次，在線學習投入影響因素及提升策略研究，其中以自我決定理論為主要視角。如高潔的研究表明主動性人格、在線學業情緒、外部學習動機對在線學習投入有正向的預測作用[6];周琰的研究表明認識信念通過元認知調節策略正向預測個體的網絡學習投入[7]等。最后，基于在線學習投入的學習優化研究。如馬志強基于學習投入理論構建了網絡學習行為模型[8];王志軍基于學習投入視角提出了移動學習資源畫面設計層次模型和設計策略[9]等。國際對在線學習投入的研究主要集中體現在以下幾方面：首先，在線學習投入影響因素或調解研究。如反思性思維促進法（Reflective Thinking-promoting Approach）不僅有利于增強基于在線課程的翻轉教學課前階段學生學習設計的成果和反思性思維，同時也增強了學生課前階段的參與[10];游戲化是吸引學生使用數字化學習系統并增強互動性和參與度的有效途徑[11];當學生在游戲過程中意識到清晰的目標以及較強的易用性感知和有用性感知時，就能提高學生的投入度[12];沉浸式體驗和學習者心理需求滿足在社會性互動影響學習參與度中具有完全中介作用[13];虛擬學習社區中，教師任務價值感知對學習投入有正向預測效應，且動機調節具有部分中介作用[14];等等。其次，基于大數據的在線學習投入的實時監測研究。如通過對在線學習互動中，視頻播放選項、視頻講座觀看時間、并發學習行為等數據的實時收集和分析，了解學習者的在線學習投入情況[15]。最后，在線學習投入對學習效果的影響研究。如學習投入、學習小組的結構等在線論壇的設計因素對學習者深度學習具有重要影響[16]。

1.2 在線學習績效影響因素研究現狀

在線學習績效指的是學習者在某一時期內的在線學習結果、學習行為和學習態度的總和。現階段，國內對在線學習績效影響因素的研究主要分為在線自主學習績效和混合式學習績效兩類。在線自主學習績效的影響因素主要有在線學習社交行為、資源訪問模式、視頻組織方式、在線課程臨場感、自我調節學習能力等。混合學習績效的影響因素主要涉及教師、學生和在線課程三個層面，其中教師層面主要包括教師對混合式教學的態度、教學準備情況和在線課程應用模式;學生層面主要包括學生在線課程的使用意愿、任務技術匹配程度、學生學習風格、學習背景、主動人格、在線學習行為等;在線課程層面主要包括主講教師、課程助教、平臺功能設計等。國際上對在線學習績效影響因素研究以在線自主學習情境為主，混合學習情境下學習績效的研究相對較少，主要涉及以下幾個方面：首先，學習者心理特征因素。如在線學習情感[17]、學生在線存在感[18]、在線學習注意力[19-20]等。其次，在線視頻資源及使用因素。如在線視頻中教師出鏡[21]以及學習者訪問與課堂講授內容相關的在線資源的時長和頻次[22]、演講捕獲和畫中畫視頻設計[23]等。最后，人際互動因素。如在線反饋[24-25]、在線形成性同伴指導[26]、在線學習小組結構 [27]、同伴反饋系統的應用[28]以及在線小組學習[29]等。本研究通過對國內、國際在線學習績效影響因素代表性研究的梳理分析發現：混合學習績效是國內學習者關注的重點，而在線自主學習是國際學習績效研究的熱點話題;在學習行為對學習績效影響研究的基礎上，對在線學習行為背后深層次影響因素的探究受到越來越多國內外學者的關注，認知神經科學是當下探究在線學習行為影響在線學習績效的最新動態;中國臺灣和香港地區學者關于認知神經科學視角下在線學習績效的影響因素研究在國際上的影響力較為凸顯，對國內相關研究具有重要的引領作用;與國內研究相比，國外學者更加注重基于眼動技術的深層次在線學習認知研究，對我國在線學習績效的研究具有重要的參考和借鑒價值。

2 預設模型構建

20世紀40年代，社會心理學家庫爾特·勒溫在心理動力理論的基礎上提出了群體動力理論，論述了群體中各種力量對個體的作用及影響，其基本觀點為：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[30]。該理論的提出為我國教育教學各領域的研究提供了新的視角。隨著在線開放課程建設和應用規模的不斷擴大，群體參與逐漸成為在線開放課程的顯著特性，創設社會技術環境使學生可以在遠離教師的情境下依托同伴開展合作探究，進而促進自身發展將是MOOC未來的發展趨勢[31]。在線開放課程的學習在很大程度上更契合一種群體性學習，這與學習的本質是“個人在群體環境中激發創新思維，獲得認知發展的過程”的論述基本吻合，與群體動力理論的基本觀點存在一定的內在關聯。因此，本研究在明確群體動力學基本觀點及其與在線課程內在關聯的基礎上，參考已有研究成果構建了研究預設模型，如圖1所示。

首先，根據群體動力學理論的基本觀點，本研究分別將大學生參與在線課程學習的內部動機和線上交互作為內在需求和外在環境的觀測變量。內部動機測量學生參與在線課程學習的內在動力水平，如促進專業發展、拓寬專業視野等;線上交互主要測量學生借助在線課程線上話題討論對在線自主學習的促進程度，如深化知識理解、提升學習積極性，等等。因此，本研究提出以下研究假設。

H1：內部動機對行為投入具有顯著的正向預測效應;H2：線上交互對行為投入具有顯著地正向預測效應;H3：內部動機對學習績效具有顯著的正向預測效應;H4：線上交互對學習績效具有顯著的正向預測效應。

其次，學習投入主要包括行為投入、認知投入和情感投入，且三者之間存在內部聯系和相互作用[32]。學習行為在很大程度上受認知活動的支配;情感是學習者投入學習強有力的先導動力，對個體學習行為的表現具有重要影響，且情感投入也有助于學習者對學習任務進行深層次的認知加工[33]。此外，線上交互和內部動機有利于增強學習者情感投入和深層次意義建構。因此，本研究提出以下研究假設。

H5：認知投入對行為投入具有顯著的正向預測效應;H6：情感投入對行為投入具有顯著的正向預測效應;H7：情感投入對認知投入具有顯著的正向預測效應;H8：線上交互對情感投入具有顯著的正向預測效應;H9：線上交互對認知投入具有顯著的正向預測效應;H10：內部動機對認知投入具有顯著的正向預測效應;H11：內部動機對情感投入具有顯著的正向預測效應。

最后，學習投入與學習績效存在一種積極的關系，當個體感到自己越投入，學習績效就越好[34]，且積極的情感狀態比消極的情感狀態對學習成績更具有解釋力[35]。因此，本研究提出以下研究假設。

H12：行為投入對學習績效具有顯著的正向預測效應;H13：情感投入對學習績效具有顯著的正向預測效應;H14：認知投入對學習績效具有顯著的正向預測效應。

3 研究設計與實施

3.1 研究情境與對象

現階段，普通高等學校，尤其是師范類院校引入通識教育型在線開放課程的比例普遍偏高，課程平臺以超星爾雅為主，應用方式以在線自主學習為主。基于此，為拓展研究的參考價值，本研究聚焦自主學習型在線課程，選取西部某新建師范院校為依托，采用問卷調查與半結構訪談相結合的混合研究法，以2019～2020學年第一學期按照學校要求自主選修超星爾雅通識課程的本科生為研究對象開展抽樣調查。具體實施時，在課程考核結束后，采用在線問卷的方式向研究對象發放問卷，歷時3周，回收問卷543份。根據填寫時間、數據完整度等剔除無效問卷，最終共保留有效問卷384份。量化數據統計分析后，根據調查問卷各維度的核心內涵編制訪談提綱，對15名學生開展半結構訪談，以深度解釋量化數據的分析結果，進一步挖掘研究數據的深層次含義。

3.2 研究工具檢驗

3.2.1 在線學習投入量表

本研究根據研究情境對遠程學習投入量表的題目描述進行適當修訂，包括行為投入、認知投入和情感投入三個維度，累計15個題項[36]。研究數據回收后，通過探索性因子分析篩除因子負荷量小于0.50的題項，最終保留11個題項，整體一致性系數為0.953。其中，行為投入包括3個題目，各題目因子負荷量分別為0.680、0.644、0.765，內部一致性系數0.894;情感投入包括4個題目，各題目因子負荷量分別為0.881、0.874、0.911、0.896，內部一致性系數為0.958;認知投入包括4個題目，各題目因子負荷量分別為0.850、0.816、0.864、0.862，內部一致性系數為0.937。

3.2.2 內部動機量表與線上交互量表

本研究在對爾雅課程的學習進行親身體驗以及采用隨機抽樣訪談的方式對學生在線學習情況進行基本了解之后，自編內部動機量表和在線交互量表。其中，內部動機量表包括4個題目，為“學習爾雅課程是為了促進個性化發展”“學習爾雅課程是為了拓寬知識視野”“學習爾雅課程是為了學到傳統課堂難以學到的知識”“學習爾雅課程是為了滿足我的內在學習需求”;在線交互量表包括3個題目，為“爾雅課程的在線討論促進了我對知識的理解”“爾雅課程在線討論的一些帖子對我學習有啟發”“爾雅課程的在線討論增強了我學習的積極性”。探索性因子分析和內部一致性檢驗的結果顯示：內部動機量表4個題目的因子負荷量分別為0.929、0.920、0.919、0.919，內部一致性系數為0.941;線上交互量表3個題目的因子負荷量分別為0.948、0.964、0.951，內部一致性系數為0.951。

3.2.3 在線自主學習績效量表

本研究根據研究實際情境，對王雁飛編制的大學生學業成就量表中學習績效維度的題目進行了適當改編[37]，形成大學生在線自主學習績效量表，包括6個題目。通過探索性因子分析刪除因子負荷量低于0.5的題目，最終保留3個題目：“我在爾雅課程的學習結果達到了我的預期目標”“爾雅課程的學習對我發展和進步有幫助”“爾雅課程的學習提高了我的在線學習能力”，因子負荷量分別為0.904、0.957、0.946，內部一致性系數為0.929。

3.3 研究模型分析

3.3.1 擬合度檢驗

本研究參考解釋結構方程模型分析的方法，利用AMOS24.0對研究預設模型擬合度進行檢驗，檢驗結果如表1所示。

在模型擬合度評估方面，若模型擬合度越高，則代表模型可用性越高。然而，X2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。其判斷準則為RMR、RMSEA。越接近0表示模型擬合度越好，通常采用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0.90。以此為參考，本研究預設模型擬合度良好。

3.3.2 研究假設檢驗

研究假設檢驗結果如表2所示。

研究假設分析的結果顯示：假設H3、H6、H7、H9、H11、H14成立，其他假設不成立。也就是說，內部動機對學習績效具有顯著的正向預測效應、情感投入對行為投入具有顯著的正向預測效應、情感投入對認知投入具有顯著的正向預測效應、線上交互對認知投入具有顯著的正向預測效應、內部動機對情感投入具有顯著的正向預測效應、認知投入對學習績效具有顯著的正向預測效應。此外，內部動機與線上交互呈顯著性強度正相關，相關系數為0.825（C.R.=11.957）。

3.3.3 影響路徑分析

通過解釋結構方程模型的分析，本研究發現各變量間的關系較為復雜，既存在直接影響作用，同時又存在不同程度的間接作用。為更明確地闡釋各變量間的作用關系，本研究分別對變量間總效應、直接效應以及間接效應進行了進一步分析，結果如表3所示。

解釋結構方程模型分析中，變量間直接效果和間接效果的分析原則是：如果直接效果大于間接效果，表示中介變量不發揮作用，研究者可忽略此中介變量;如果相反，則表示中介變量具有影響力，此中介變量要引起研究者的重視。通過比較分析變量間標準化直接效應和間接效應，本研究發現：內部動機對認知投入的間接效應大于直接效應，表明情感投入在內部動機影響認知投入的過程起著重要的中介作用;線上交互對行為投入的間接效應大于直接效應，表明情感投入在線上交互影響行為投入的過程中起著重要的中介作用;線上交互對學習績效的間接效應大于直接效應，表明行為投入、認知投入、情感投入在線上交互影響學習績效的過程中起著重要的中介作用，其中介效應由高到低依次為認知投入、行為投入、情感投入;情感投入對學習績效的間接效應大于直接效應，表明認知投入、行為投入在情感投入影響學習績效的過程中起著重要的中介作用，其中介效應由高到低依次為行為投入、認知投入。

4 研究結論與建議

4.1 研究結論

第一，群體動力學理論的基本假設對開展在線學習行為投入研究具有一定的適用性和可拓展性。在群體動力學理論的基礎上，本研究將學習者內在需求和環境外力的作用對象由學習行為投入拓展至情感投入、認知投入，為在線學習投入研究提供了新的視角。這與群體動力學理論與在線開放課程的學習存在內在關聯性的觀點相一致。

第二，學習者在線學習的內部動機越強，其情感投入和學習績效也越好;情感投入越多，大學生在線學習的行為投入、認知投入就會越多;強化學習者在線學習交互有助于提升其情感投入;在線學習認知投入度越高，在線學習績效越好。

第三，學習者參與在線課程學習的情感投入越強，越有助于增強內部動機對認知投入的影響和在線交互對行為投入的影響;學習投入度越高，越有助于增強在線交互對學習績效的影響，且中介作用由高到低依次為認知投入、行為投入、情感投入;認知投入、行為投入越高，越有助于增強情感投入對學習績效的影響。

4.2 對策建議

在歸納形成上述研究結論的基礎上，為進一步提升學習者在線自主學習績效，本研究提出以下幾點建議。

首先，在課程引入環節，制定對接本校人才培養需求的在線課程引入標準，保障所引入的在線課程目標與本校人才培養目標的精準匹配，增強在線課程在人才培養中的針對性與實用性，提高學生在線自主學習動機與獲得感。現階段，我國高校在線開放課程引入與人才培養方案融合尚處于一種邊緣性、淺層次狀態，主要緣于缺少創新性的規范標準和政策制度保障。因此，高校結合自身人才培養實際需求，制定切實可行的在線課程教學質量認定標準，為在線課程的科學引入提供了依據。這是提升在線課程學習績效的重要前提和基礎。

其次，在課程選擇環節，完善學生選課指導機制，推動在線課程內容供給與學生發展需求的無縫對接，激活內在學習動力，使在線課程成為助力學生個性化發展的有力支撐。研究樣本所在高校每學期第八周由教務處發布選課通知，整個選課過程學生缺乏對在線課程及自身發展需求的深度認知，最終盲目地、機械地、感性地完成課程選擇，所選課程內容不能最大限度地滿足學生發展需求，導致一些不良現象的普遍存在，如“選擇的課程大多是根據課程的標題進行的選擇，在學習兩到三周后才發現課程內容與最初的認識存在較大差距，并不是自己所需要的”“如果學校沒有硬性文件要求，我不會主動選擇在線課程”“選擇學習在線課程是為了服從學校選課要求，最后能夠及格（60分），獲得學分就可以”，等等。這極大地削弱了學生學習在線課程的內部動機以及學習投入。因此，在課程選擇環節，建議高校在強化學生選課責任意識的同時，以導師制為抓手建立和完善學生選課指導機制，使學生能夠立足自身發展需求，理性選擇在線課程，提升學生參與在線自主學習的內部動機和學習投入。

最后，在課程實施環節，優化學習空間，促進線下交流與線上討論互為支撐，增強在線學習歸屬感和情感投入，推動在線學習質量文化的形成。學習空間是當下推動高等教育改革與發展的重要技術之一，是在線課程在高校深度應用的基礎土壤。高校應變革當下學習空間設計理念，以適應、支持學生在線自主學習為導向，為學生自主學習、小組協作研討創設優良的學習環境，促進線下學習共同體的形成和發展。在線下學習共同體形成的基礎上，推動學生線上學習共同體的建立，強化學生線上交互的頻度與深度，豐富學生在線學習的積極情感，增強學生在線自主學習行為投入與認知投入，提高在線自主學習績效。

參考文獻

[1] 楊曉宏，李運福，杜華，等.高校在線開放課程引入及教學質量認定現狀調查研究[J].電化教育研究，2018（8）：52-60.

[2] 張國慶，耿俊華，黃玲.開放大學學生學習投入度調查研究[J].開放教育研究，2019（4）：91-99.

[3] 王洪江，穆肅，黃潔，等.自主學習投入度實時分析方法及應用研究[J].電化教育研究，2017（10）：46-52.

[4] 陳侃，周雅倩，丁妍.在線視頻學習投入的研究——MOOCs視頻特征和學生跳轉行為的大數據分析[J].遠程教育雜志，2016（4）：35-42.

[5] 李爽，李榮芹，喻忱.基于LMS數據的遠程學習者學習投入評測模型[J].開放教育研究，2018（1）：91-102.

[6] 高潔.外部動機與在線學習投入的關系：自我決定理論的視角[J].電化教育研究，2016（10）：64-69.

[7] 周琰.網絡學習投入影響因素與應對策略——基于自我決定理論的視角[J].中國電化教育，2018（6）：120-127.

[8] 馬志強，蘇珊，張彤彤.基于學習投入理論的網絡學習行為模型研究——以“網絡教學平臺設計與開發”課程為例[J].現代教育技術，2017（1）：74-80.

[9] 王志軍，馮小燕.基于學習投入視角的移動學習資源畫面設計研究[J].電化教育研究，2019（6）.91-97.

[10] CHEN M，HWANG G，CHANG Y.A reflective thinking promoting approach to enhancing graduate students′ flipped learning engagement，participation behaviors，reflective thinking and project learning outcomes[J].British Journal of Educational Technology，2019（5）：2288-2307.

[11] IMED B，NOUZHA H，VANISSA W，et al.Exploring the impact of gamification on student engagement and involvement with e-learning systems[J].Interactive Learning Environments，2019（6）：1-14.

[12] WANG Y，RAJAN P，CHETAN S.Let them play：the impact of mechanics and dynamics of a serious game on student perceptions of learning engagement[J].IEEE Transactions on Learning Technologies，2017（4）： 514-525.

[13] FANG J M，TANG L F，YANG J J，et al.Social interaction in Moocs： the mediating effects of immersive experience and psychological needs satisfaction[J].Telematics and Informatics，2019（39）：75-91.

[14] ZHANG S，LIU Q T.Investigating the relationships among teachers′ motivational beliefs，motivational regulation，and their learning engagement in online professional learning communities[J].Computers & Education，2019（134）：145-155.

[15] MU S，CHAI S M，WANG H J，et al.Real-time analysis method and application of engagement in online independent learning[J].IEEE Access，2019（7）：92100-92109.

[16] JOHNSON C，HILL L，LOCK J，et al.Using design-based research to develop meaningful online discussions in undergraduate field experience courses[J].International Review of Research In Open And Distributed Learning，2017（6）：36-53.

[17] ARGUEDAS M ，XHAFA F，CASILLAS L，et al.A model for providing emotion awareness and feedback using fuzzy logic in online learning[J].Soft Computing，2018（3）： 963-977.

[18] YANG J C，QUADIR B，CHEN N S，et al.Effects of online presence on learning performance in a blog-based online course[J].Internet and Higher Education，2016（30）：11-20.

[19] KUO Y C，CHU H C，TSAI M C.Effects of an integrated physiological signal-based attention promoting and english listening system on students′ learning performance and behavioral patterns[J].Computers In Human Behavior，2017（75）：218-227.

[20] YANG S M，CHEN C M，YU C M.Assessing the attention levels of students by using a novel attention aware system based on brainwave signals[J].British Journal of Educational Technology，2017（2）： 348-369.

[21] STULL A T，FIORELLA L，MAYER R E.An eye-tracking analysis of instructor presence in video lectures[J].Computers In Human Behavior，2018（88）：263-272.

[22] LI L Y ，TSAI C C.Accessing online learning material： quantitative behavior patterns and their effects on motivation and learning performance[J].Computers & Education，2017（144）：286-297.

[23] CHEN C M，WU C H.Effects of different video lecture types on sustained attention，emotion，cognitive load，and learning performance[J].Computers & Education，2015（80）：108-121.

[24] KIM J E，NEMBHARD D A.Eye movement as a mediator of the relationships among time pressure，feedback，and learning performance[J].International Journal of Industrial Ergonomics，2019（70）：116-123.

[25] MIKHEEVA M，SCHNEIDER S，BEEGE M，et al.Boundary conditions of the politeness effect in online mathematical learning[J].Computers In Human Behavior，2019（92）：419-427.

[26] CHU H C，CHEN J M，TSAI C L.Effects of an online formative peer-tutoring approach on students′ learning behaviors，performance and cognitive load in mathematics[J].Interactive Learning Environments，2017（2）：203-219.

[27] GOGGINS S P ，GALYEN K D ，PETAKOVIC E，et al.Connecting performance to social structure and pedagogy as a pathway to scaling learning analytics in Moocs： an exploratory study[J].Journal of Computer Assisted Learning，2016（3）：244-266.

[28] HSIA L H，HUANG I，HWANG G J.Effects of different online peer-feedback approaches on students′ performance skills，motivation and self-efficacy in a dance course[J].Computers & Education，2016（96）：55-71.

[29] TSAI C W.The effect of online co-regulated learning in the implementation of team-based learning on improving students′ involvement[J].Higher Education Research & Development，2015（6）：1270-1280.

[30] 張立新，李茂林.群體動力學視域下虛擬班級管理策略的研究[J].遠程教育雜志，2011（6）：39-43.

[31] FISCHER G.Understanding，fostering，and supporting cultures of participation[J].Interactions，2011（3）： 42-53.

[32] CHRISTENSON S L，RESCHLY A L，WYLIE C.The handbook of research on student engagement[M].New York： Springer Science，2012：36-42.

[33] DIXSON M D.Creating effective student engagement in online courses： what do students find engaging？[J].Journal of The Scholarship of Teaching And Learning，2010（2）：1-13.

[34] SALANOVA M，LLORENS S，CIFRE E，et al.Perceived collective efficacy subjective well-being and task performance among electronic work groups： an experimental study[J].Small Group Research，2003（34）：43-73.

[35] ESTEVE E B.Well-being and performance in academic settings：the predicting role of self-efficacy[D].Valencia Jaume I University，2003.

[36] SUN J C.RUEDA R.Situational interest，computer self-efficacy and self-regulation： their impact on student engagement in distance education[J].British Journal Of Educational Technology，2012 （2）：191-204.

[37] 王雁飛，李云健，黃悅新.大學生心理資本、成就目標定向與學業成就關系研究[J].高教探索，2011（6）：128-136+148.

Influence of online learning engagement on learning performance of

undergraduate：a case study of a new normal university in Western China

LI Yun-fu1，YANG Yuan-yuan2

（1.West China Higher Education Evaluation Center，Xi′an Jiaotong University，Xi′an，Shaanxi 710049，China;

2.School of Education Science，Shaanxi Xueqian Normal University，Xi′an，Shaanxi 710100，China）

Abstract

Based on the theory of group dynamics，this paper takes the undergraduates of a new normal university in Western China as the research object，and constructs an explanatory structural model of online learning engagement on learning performance.Research shows that，the basic hypothesis of group dynamics theory has certain applicability and expansibility for the research of online learning behavior，the stronger the internal motivation of college students to participate in online learning，the higher their emotional input and learning performance，the higher the emotional engagement，the higher the behavioral engagement and cognitive engagement，enhancing online interaction helps to strengthen emotional engagement，enhancing emotional engagement helps to strengthen the influence of internal motivation on cognitive engagement and online interaction on behavioral engagement，enhancing cognitive engagement and behavioral engagement helps to enhance the impact of emotional engagement on learning performance.Therefore，universities should further standardize the introduction of courses，strengthen the guidance of course selection，optimize the learning space，so as to enhance the internal motivation of college students′ online learning and improve the quality of online engagement.

Keywords

group dynamics;self-access online learning;online learning engagement;online learning performance

[責任編輯 馬曉寧]

[收稿日期] 2020-12-16

[基金項目] 2019年度陜西省教育廳科研計劃項目（19JK0204）;2019年西安市科協青年人才托舉計劃項目（市科協發[2019]164號）

[作者簡介]李運福（1987—），山東冠縣人。博士，助理研究員，主要研究方向為高校在線課程建設與應用、教師信息化領導力發展。