在線學習支持學習者賦能的影響因素及作用機理*

楊玉芹 鄭之姿 左明章 孫志茹 徐家臻

在線學習支持學習者賦能的影響因素及作用機理*

楊玉芹1鄭之姿1左明章1孫志茹2徐家臻1[通訊作者]

（1．華中師范大學 人工智能教育學部，湖北武漢 430079；2．南丹麥大學 設計與通訊系，丹麥科靈 6000）

對在線學習支持學習者賦能的關鍵影響因素及作用機理的深度揭示，是幫助學習者提升在線學習效果與賦能感的重要基礎，但目前鮮有研究對此進行深入剖析。為此，文章首先對學習者賦能的概念、結構以及關鍵影響因素進行了剖析；接著提出了研究問題，構建了在線學習支持學習者賦能的影響因素假設模型，并對研究對象、研究工具進行了說明；隨后，文章結合初步路徑分析結果與文獻綜述結果提出在線學習支持學習者賦能的影響因素標準化系數模型；最后，通過路徑分析揭示了學習者賦能的關鍵影響因素及其作用機理，發現教師支持、資源與支持、在線自主調能力是學習者賦能的關鍵影響因素，對學習者賦能的提升具有較強的直接與間接作用，其中在線自主調節能力的作用尤為關鍵。文章不僅對人工智能驅動的教育實踐具有重要的啟示作用，還為研究者更好地理解學習者賦能及其與自主調節能力、探究社區等之間的關系提供了新的視角。

在線學習；學習者賦能；探究社群；技術認知；在線自主調節能力

隨著“互聯網+教育”時代的到來，尤其是混合學習、網絡學習、翻轉學習、在線開放課程等的迅猛開展，在線學習已經成為一種教育新常態。在線學習因其具有支持學習者發展自主能力、批判性思維等高階能力，且資源豐富、時空自由等優勢，吸引了諸多學者與實踐者的關注[1]。但與此同時，在線學習也存在諸多難以破解的難題，如學習者動機不足、淺層交互、學習效率低下、學習流于表層、社交孤獨等[2]。因此，如何構建有效的在線學習環境，提供有效的學習支持，以促進學習者高效在線學習，使在線學習能夠真正賦能學習者，就成為了迫切需要解決的重要問題。這一問題的順利解決，在一定程度上依賴于對在線學習賦能學習者的關鍵影響因素及其作用機理的深入剖析，但目前這方面的研究成果較少。基于此，本研究從學習者賦能（Learners’ Empowerment）的視角，通過路徑分析，從教師支持、資源與支持與學習者在線自主調節能力三個維度，深入揭示在線學習支持學習者賦能的影響因素及其作用機理，以期為在線學習的研究與設計提供實證基礎。

一 文獻綜述

1 學習者賦能的概念及結構

“賦能”這一概念最初與權利（Power）密切相關，20世紀70～80年代，賦能一詞指向“反抗壓迫和追求正義”[3][4]。經過幾十年的發展，現已被廣泛應用于經濟、政治與教育領域，且含義更加豐富，通常包括提升參與度、增強能力、自主性與決定權[5][6][7]。對于賦能，不同學者給予了不同的界定。例如，Page等[8]在廣義上將“賦能”定義為幫助人們控制自己生活的一種社會性過程；Byham[9]則在狹義上將“賦能”界定為學習者通過制定決策，使其對自己學習負責的過程。考慮到學習是一個能動、自主承擔責任與制定決策的過程，本研究采用Short等[10]提出的定義，即個體擁有主動性、決策、承擔責任與參與決策制定的機會。在教育領域，學習者賦能指學習者在特定學習情境與活動中完成任務，提升自我效能感與發展多元能力的過程[11][12]，其關注學習者思維的轉變、對任務價值產生認同的過程，以及自我有意義行為的強化，進而使個體目標與集體目標達成一致，并最終推動集體目標的實現[13]。

學習者賦能由意義、能力、影響與選擇四個維度組成[14]。其中：①意義關注學習者對任務的價值認同，學習任務越契合學習者的價值體系，學習者就越能產生價值認同，也就越有信心克服困難，并付出努力完成任務。意義維度與學習者能否對學習任務產生內部動機直接相關。②能力指個體認為自己擁有達成目標所必需的各種能力和認知條件，體現在完成任務的熟練度與技巧性方面。當個體缺乏自信或感覺任務無法完成時，其賦能感也會降低[15]。③影響指學習者對所完成任務作用于當下正在進行的事件的感知。學習者認為自身對事件的影響越大，其內部動機就越強。④選擇指個體在選擇任務目標、完成目標的方法等方面擁有自我決定權的程度。如果學習者感到自身擁有更多的選擇空間，學習過程有更高的自主度，他們就能獲得更高的賦能感。賦能感對學習者的學習、發展具有關鍵的影響作用[16][17]。如果希望教育或教學能夠對學生產生深遠的影響，那么就必須使學生產生被賦能感，且學生能夠獨立自主地完成學習任務。

2 在線學習支持學習者賦能的影響因素研究

通過在線學習支持學習者尤其是鄉村學習者賦能，涉及諸多要素、條件等，是一個極為復雜的生態系統工程。根據中學生在線學習的特點與需求，本研究對在線學習影響學習者賦能的三個重要維度的關鍵要素（教師支持、資源與支持、學習者在線自主調節能力）進行了分析。

①教師支持。本研究使用探究社區模型中的教學臨場感來表征教師支持。教學臨場感指學習者對在線教學設計與教學質量的感知。探究社區模型包括教學臨場感、社會臨場感和認知臨場感。其中，教學臨場感是激發并維持社會臨場感和認知臨場感的前提條件，也是探究社區創建的基礎與先決條件[18]，包括教學設計與組織（討論主題、目標、課堂內容和進程）、直接教學（根據學生需求提供合適的反饋和幫助）與促進對話（鼓勵學生發表觀點并進行高級對話）三個要素[19]。社會臨場感是指學習者在社群中產生身份認同，自由表達觀念，建立良好的社交關系，以及形成有效的課堂學習關系[20]。認知臨場感是指在社區內部，通過持續的話語與反思而對“意義與理解”所進行的分析、建構與評估。在本研究中，社會臨場感用于表征學習者感知到的在線學習中的互動、集體感受與課堂氛圍，認知臨場感用于表征學習者自我感知的學習效果。Law等[21]發現，在混合學習模式中，教學臨場感對社會臨場感和認知臨場感都具有直接的、正向的影響，即教學臨場感能夠正向預測學習者的學習成效。Garrison等[22]也發現，教學臨場感是建立并維持學習者社會臨場感和認知臨場感的關鍵。此外，已有研究表明，教學臨場感與學習者賦能之間呈現顯著的正相關[23][24]。

②資源與支持。學習者在線學習過程中所獲得的資源與支持是在線學習支持學習者賦能的基礎，本研究用“促進條件”進行表征。已有研究表明，促進條件能提升學習者在探究社區中的集體感、歸屬感、身份認同感、知識共享等[25]。當學習者擁有能促進師生、生生互動以及協作學習的資源與支持時，其社會臨場感就會得到提升。此外，Mamun等[26]發現，在線學習材料和資源的可用性能激發學習者的興趣和好奇心，促進學習者的理解和高效探究。Lai[27]發現，三種形式的資源與支持對學習者賦能具有積極影響，即有用的技術資源的推薦、高效使用這些資源的指導與幫助、推動學生使用這些資源的鼓勵。此外，學習者的計算機自我效能感及其對促進條件的感知有用性在一定程度上取決于促進條件。計算機自我效能感是指個體認為自己所具有的、利用計算機完成專業任務的能力[28]，反映了個體對自己使用計算機能力的評估，會影響個體對技術易用性的感知[29]。

③學習者在線自主調節能力，是指在線學習情境下學習者設定目標，調控自身學習進程，為實現預定學習目標而使用恰當學習策略、付出努力的能力[30]。這種能力對探究社區及其內部三種臨場感具有十分重要的意義，它是調節教學臨場感、社會臨場感和認知臨場感之間關系的重要因素[31]，能夠促進三種臨場感之間的相互作用。在線自主調節能力強的學生更能感受到教學臨場感、社會臨場感與認知臨場感，進而獲得更好的在線學習體驗[32]。處理學習任務時，這類學生會積極、主動地設定學習目標并迅速進入學習狀態[33]，并能實時監控、評價學習結果與過程，維持與調控學習動機等。此外，Cho等[34]的研究也發現，在線自主調節能力能夠正向預測學生動機方面的學習結果，如對待學習任務的態度、自我效能感等。

二 研究設計

1 研究問題與假設模型

學習者賦能作為學習效果的重要表征形式之一，對學習者的學習體驗與實際學習效果具有非常重要的影響。本研究主要解決以下兩個問題：

①在線學習中，學習者對教師支持、資源與條件、在線自主調節能力、社會臨場感、認知臨場感和學習者賦能具有怎樣的感知水平？

②在線學習中，教師支持、資源與條件與在線自主調節能力是否對學習者賦能產生影響，其作用機理是怎樣的？

圖1 在線學習支持學習者賦能的影響因素假設模型

為解決上述研究問題，基于上述文獻綜述，本研究提出了在線學習支持學習者賦能的影響因素假設模型（下文簡稱“假設模型”），如圖1所示。本研究假設資源與條件（促進條件）、教師支持（教學臨場感）、在線自主調節能力共同影響學習者賦能，并且它們對學習者賦能的影響以學習者所感知到的社會臨場感與認知臨場感為中介。具體假設包括：Ha1表示促進條件對計算機自我效能感具有顯著的正向影響；Ha2表示計算機自我效能感對感知有用性具有顯著的正向影響；Ha3表示感知有用性對社會臨場感具有顯著的正向影響；Ha4表示感知有用性對認知臨場感具有顯著的正向影響；Hb1表示教學臨場感對社會臨場感具有顯著的正向影響；Hb2表示教學臨場感對認知臨場感具有顯著的正向影響；Hc1表示在線自主調節能力對社會臨場感具有顯著的正向影響；Hc2表示在線自主調節能力對認知臨場感具有顯著的正向影響；Hd1表示社會臨場感對學習者賦能具有顯著的正向影響；He1表示認知臨場感對學習者賦能具有顯著的正向影響。

2 研究對象

本研究以湖北省11所鄉村中學的2821名在讀中學生為研究對象，其中初一學生有1447人、初二學生有1019人、初三學生有38人，高一學生有79人、高二學生有172人、高三學生有66人，他們都具有在線學習的經歷。本研究通過問卷星向這些學生發送電子問卷開展本次調查，學生完成問卷平均用時15分鐘。

3 研究工具

本研究共使用四個量表，分別測量學生的探究社區、技術使用認知、在線自主調節能力及學習者賦能的感知水平。

①探究社區量表：采用Stenbom[35]開發的探究社區量表。該量表通常用于評價學習者在線學習的效果、經歷，指導在線學習環境的設計等，具有較高的信度和效度，在在線學習研究領域應用廣泛。本量表包括教學臨場感、社會臨場感與認知臨場感三個子量表，其中教學臨場感（13個題項）、社會臨場感（9個題項）與認知臨場感（13個題項）的Cronbach’s α值分別是0.972、0.933、0.974，均值為0.960；量表總的Cronbach’s α值為0.980，KMO值為0.984，表明本量表具有非常好的信度和效度。

②技術使用認知量表：改編自Bai等[36]、Lai等[37]及Venkatesh等[38]開發的量表。本量表主要用來測量學習者對在線學習過程中所獲得的資源與支持的感知，由在線學習促進條件、計算機自我效能感、感知有用性三個分量表組成。其中，促進條件（3個題項）、計算機自我效能感（4個題項）與感知有用性（4個題項）的Cronbach’s α值分別是0.887、0.952、0.947，均值為0.929；量表總的Cronbach’s α值為0.987，KMO值為0.952，表明本量表具有較好的信度和效度。

③在線自主調節能力量表：采用Barnard等[39]開發的在線自主調節學習量表，該量表在教育技術、在線學習等領域被廣泛使用，且具有良好的信效度。本量表包括設定目標（5個題項）、環境構建（4個題項）、任務策略（4個題項）、時間管理（3個題項）、尋求幫助（4個題項）、自我評價（4個題項）五個子量表，其Cronbach’s α值分別為0.929、0.894、0.897、0.870、0.908、0.935，均值為0.908；量表總的Cronbach’s α值為0.980，KMO值為0.986，表明本量表具有較高的信度和效度。

④學習者賦能量表：采用Frymier等[40]開發的學習者賦能量表進行測量。本量表由意義（3個題項）、能力（3個題項）、選擇（4個題項）和影響（6個題項）四個子量表組成，其Cronbach’s α值分別為0.931、0.870、0.826、0.808，均值為0.859；量表總的Cronbach’s α值為0.961，KMO值為0.972，表明該量表具有良好的信度。

上述量表的題項均采用李克特五點量表，從“1”到“5”分別對應“非常不同意”“不同意”“中立”“同意”“非常同意”。本調查問卷的第一部分收集學生的背景信息，第二部分是探究社區量表、技術使用認知量表、在線自主調節能力量表、學習者賦能量表中的相關題項。

4 數據分析

本研究首先對數據進行了預處理，使作答時間少于10分鐘、作答不完整的問卷進行了剔除，最終從2901份問卷中得到有效問卷2821份（有效率為97.24%）。之后，本研究使用數據分析工具SPSS 23.0導入數據，進行學習者賦能及其影響變量感知水平的描述性分析與相關分析。最后，本研究使用Mplus 8.0對假設模型進行最大似然估計的路徑分析和中介效應分析。

三 研究結果

1 學生對學習者賦能及其影響因素的感知水平

本研究通過描述性統計分析探究學生對學習者賦能及其各個影響因素的感知水平，變量的描述性統計與相關矩陣如表1所示。表1顯示，學生對賦能及各個影響因素的感知水平比較高，其平均值在3.70左右，接近“同意”，其中對教學臨場感的感知水平最高。由此可見，在線學習過程中學習者有較強的賦能感知，對在線學習過程的教學支持、資源與條件有較高的認同感，對認知臨場感即自我感知的學習效果滿意度較高，但對在線自主調節能力的感知較弱。

表1 變量的描述性統計與相關矩陣

注：FC表示促進條件，CSE表示計算機自我效能感，PU表示感知有用性，TP表示教學臨場感，OSR表示在線自主調節能力，SP表示社會臨場感，CP表示認知臨場感，EMP表示學習者賦能；**表示在0.01級別（雙尾）相關性顯著。

2 學習者賦能的影響因素及作用機理

為進一步探究在線學習支持學習者賦能的影響因素與作用機理，本研究使用雙相關分析、路徑分析、中介效應分析的數據和模型分析方法，分析結果如下：

（1）各變量之間的雙相關分析

本研究使用皮爾遜雙相關分析，以揭示學習者賦能及其影響因素之間是否相關以及相關程度如何。表1揭示了各變量之間的相關性，可以看出：學習者賦能與各影響因素之間具有顯著、中度、很強三種相關關系。例如，學習者賦能與促進條件之間（r=0.698，＜0.01）、學習者賦能與教學臨場感之間（r=0.599，＜0.01）均具有中度相關性，學習者賦能與在線自主調節能力之間具有強相關性（r=0.867，＜0.01）。這些研究結果表明，學習者賦能與各影響因素之間具有中度偏上的相關性。

同時，學習者賦能的各個影響因素之間也顯著正相關。例如，教學臨場感與在線自主調節能力、社會臨場感和認知臨場感之間均具有中等程度的相關性（r=0.538，r=0.692，r=0.647，＜0.01）；在線自主調節能力與社會臨場感、認知臨場感之間分別具有較強的正相關性（r=0.720，0.792，＜0.01）；社會臨場感與認知臨場感具有很強的正相關性（r=0.868，＜0.01）；在線自主調節能力與計算機自我效能感和感知有用性具有較強的相關性（r=0.757，0.742，＜0.01）、與學習者賦能具有很強的相關性（r=0.867，＜0.01），且這些相關性在統計學上具有顯著意義。

（2）路徑分析

為揭示各影響因素如何影響學習者賦能，驗證本研究提出的假設，本研究使用Mplus 8.0分析軟件對假設模型進行路徑分析，結果表明：假設模型不擬合。本研究根據標準修正系數并結合文獻綜述結果，對假設模型進行了修正，修正后的標準化系數模型（下文簡稱“修正后的模型”）如圖2所示。修正后該模型的各擬合指數為：2=60.343，=10，2/=6.034；CFI=0.997；TLI=0.993；RMSEA=0.042；SRMR=0.009。由于本研究的樣本量為2821，屬于大樣本，會導致卡方值膨脹，因此不依靠卡方值和自由度評估模型。根據CFI和TLI的擬合值應大于0.9、且RMSEA和SRMR的值應小于0.08等判斷標準[41]，可以發現修正后的模型具有良好的擬合度，模型成立。

圖2 在線學習支持學習者賦能的影響因素標準化系數模型

表2展示了研究假設的結果，通過表2和圖2發現，原假設部分成立，并產生了新的路徑。與假設一致，教學臨場感（β=0.094，＜0.001）、促進條件（β=0.150，＜0.001）和在線自主調節能力（β=0.553，＜0.001）對學習者賦能具有直接、正向的預測作用。其中，在線自主調節能力對學習者賦能的預測作用最大，但教學臨場感對學習者賦能的直接預測作用很小。

盡管教學臨場感對學習者賦能的直接預測作用很小，但其通過社會臨場感（β=0.423，＜0.001）、認知臨場感（β=0.580，＜0.001）的雙重中介作用，對學習者賦能產生了較強的間接影響。同時，在線自主調節能力通過社會臨場感（β=0.401，＜0.001）、認知臨場感（β=0.580，＜0.001）的雙重中介作用，以及認知臨場感（β=0.341，＜0.001）的中介作用，對學習者賦能產生了較強的間接影響；在線自主調節能力還通過計算機自我效能感（β=0.461，＜0.001）、感知有用性（β=0.546，＜0.001）的雙重中介作用，影響社會臨場感。因此，在線自主調節能力對社會臨場感產生了較強的間接影響，進而影響了學習者賦能。此外，促進條件也通過計算機自我效能感（β=0.419，＜0.001）、感知有用性（β=0.546，＜0.001）的雙重中介作用，以及感知有用性（β=0.192，＜0.001）的中介作用，對社會臨場感產生影響，并對學習者賦能產生間接影響。

值得注意的是，在線自主調節能力在整個模型中具有非常重要的地位，對多個因素都具有較強的直接或間接影響。例如，在線自主調節能力對社會臨場感、認知臨場感、計算機自我效能感等都具有很強的直接影響。這些研究結果表明，學習者的在線自主調節能力越強，其對技術使用認知、探究社區的感知就越強，對學習者賦能的感知也就越強。

表2 研究假設結果

注：＜0.05，表示95%概率顯著；＜0.01，表示99%概率顯著；＜0.001，表示99.9%概率顯著。

（3）中介效應分析

為進一步揭示探究社區模型中社會臨場感、認知臨場感在學習者賦能過程中的作用，本研究對因子間的直接效應與間接效應進行了分析，結果如表3所示。表3顯示，社會臨場感在多個路徑中發揮著中介作用，如教學臨場感對認知臨場感的間接效應（效應量為0.245）明顯大于其直接效應（效應量為0.062），教學臨場感通過影響社會臨場感間接影響認知臨場感。同時，本研究還發現，認知臨場感是影響學習者賦能的中介變量，在多個路徑中起著至關重要的作用。例如，社會臨場感并不直接影響學習者賦能（路線系數不顯著），但卻通過認知臨場感的中介作用間接影響學習者賦能（效應量為0.119）。可見，認知臨場感是學習者賦能的重要先決條件。

表3 因子間的直接效應與間接效應

四 討論與結論

1 研究討論

本研究發現，在線學習過程中鄉村學校的中學生對教師支持、資源與支持、在線自主調節能力、社會臨場感、認知臨場感與學習者賦能感（學習者賦能）等都具有較高水平的感知，尤其是對教師支持的感知水平最高，但對在線自主調節能力的感知水平最低。這些研究結果表明，在線學習過程中，鄉村學生因設計良好的在線課程及其有效組織，以及有效的技術、資源支持等，取得了相對較好的學習效果，獲得了相對比較積極的學習體驗。這一研究結果為在線學習賦能學習者提供了進一步的實證證據，也與已有的通過在線學習、人工智能技術等賦能學習者的研究結果一致[42][43]。路徑分析的結果表明，在線學習過程中教師支持、資源與條件與在線自主調能力這三個因素不僅直接影響學習者賦能，也通過影響社會臨場感、認知臨場感而間接影響學習者賦能，且影響比較大。這些研究結果與Yang等[44]得出的結果一致（即在線學習過程中，教學臨場感、認知臨場感是學習者賦能的重要預測變量）。另外，路徑分析的結果還表明，在線自主調節能力對修正后的模型中的多個要素都具有較強的直接或間接影響，即在線自主調節能力在很大程度上決定著學習者賦能。該研究結果與Kilis等[45]、Yang等[46]研究的結果相似（即自主調節能力可以影響個體的社交臨場感、提高個體的社交積極性和策略性，進而影響學習者的認知臨場感，并最終影響學習者的在線學習體驗和自我效能感、動機等）。

中介效應分析的結果表明，社會臨場感在多個路徑中發揮著重要的中介作用，間接影響著學習者賦能；同時，認知臨場感也在各個路徑中發揮著重要的中介作用，不僅直接影響學習者賦能，還通過社會臨場感、在線自主調節能力等發揮對學習者賦能的間接影響。這些研究結果表明，在線學習過程中如果希望學習者取得良好的學習效果、通過在線學習提升學習者的賦能感，就需要設計良好的師生、生生互動活動，創造良好的協作環境，增強學習者的在線社區意識與集體歸屬感等，這給目前的在線學習環境設計、在線教育等實踐等帶來了重要的啟示。

2 研究結論

通過在線學習賦能學習者尤其是鄉村學校的學生，進而促進教育均衡與創新，是教育技術乃至整個教育領域的研究重點與熱點之一。本研究創新性地對在線學習影響鄉村學生賦能的因素及其作用機理進行了深入研究，探究了教師支持、資源與支持、在線自主調節能力影響因素對學習者賦能的預測程度，結果發現：教師支持、資源與支持、在線自主調節能力不僅直接影響學習者賦能，而且也以社會臨場感和認知臨場感為中介間接影響學習者賦能；在線自主調節能力對多個學習者賦能影響因素都具有較強的直接或間接影響，對學習者賦能具有重要作用，但學習者對自身在線自主調節能力的感知卻相對較低；資源與條件主要以計算機自我效能感與感知有用性為中介，間接影響社會臨場感，進而影響學習者賦能。

3 研究局限與后續研究

需要指出的是，本研究存在一定的局限性，如本研究依賴于學生的自我匯報數據，具有一定的主觀性；本研究只調查了在線學習影響學習者賦能的部分要素，具有一定的片面性。對此，后續研究可以開發更多的量表，如動機、成長性思維等量表，并結合學生作品分析、在線討論數據分析、訪談等方法，有效融合量化、質性以及深度學習等研究方法，深入、系統、全面地解釋在線學習影響學習者賦能的影響因素及其作用機理。此外，本研究將學習者賦能作為一個整體，關注其影響因素及其作用機理。但學習者賦能包括意義、能力、影響和選擇四個方面，這些不同方面可能會受到不同因素的不同影響；即使是同一影響因素如在線自主調節能力，也可能會對學習者賦能的不同方面產生不同的影響。因此，后續研究可以對學習者賦能不同方面的影響因素及其影響程度進行深入探究。

[1]Reich J. Rebooting MOOC research[J]. Science, 2015,(6217):34-35.

[2]Reich J, Ruipérez-Valiente J A. The MOOC pivot[J]. Science, 2019,(6423):130-131.

[3]Freire P. Pedagogy of the oppressed. Toward a sociology of education[M]. Routledge, 2020:374-386.

[4]Riger S. What’s wrong with empowerment[A]. A Quarter Century of Community Psychology[C]. Boston:Springer, 2002:395-408.

[5][11][13][15][40]Frymier A B, Shulman G M, Houser M. The development of a learner empowerment measure[J]. Communication Education, 1996,(3):181-199.

[6]Hur M H. Empowerment in terms of theoretical perspectives: Exploring a typology of the process and components across disciplines[J]. Journal of Community Psychology, 2006,(5):523-540.

[7]Wong N T, Zimmerman M A, Parker E A. A typology of youth participation and empowerment for child and adolescent health promotion[J]. American Journal of Community Psychology, 2010,(1):100-114.

[8]Page N, Czuba C E. Empowerment: What is it?[J]. Journal of Extension, 1999,(5):1-5.

[9]Byham W C, Harper K, Cox J, et al. Zapp! in education: How empowerment can improve the quality of instruction, and student, and teacher satisfaction[M]. New York: Ballantine Books, 1992: 1

[10]Short P M, Greer J T. Empowering students: Variables impacting the effort[OL].

[12]Conger J A, Kanungo R N. The empowerment process: Integrating theory and practice[J]. Academy of Management Review, 1988,(3):471-482.

[14]Thomas K W, Velthouse B A. Cognitive elements of empowerment: An “interpretive” model of intrinsic task motivation[J]. Academy of Management Review, 1990,(4):666-681.

[16][23][42][44][46]Yang Y, Du Y, van Aalst J, et al. Self-directed reflective assessment for collective empowerment among pre-service teachers[J]. British Journal of Educational Technology, 2020,(6):1960-1980.

[17][24]Sun Z, Yang Y. Empowering students in remote learning: A mediation analysis with structural equation modeling[A]. The 2021 AECT International Convention[C]. Columbus: AECT International Convention, 2021.

[18][22]Garrison D R, Cleveland-Innes M, Fung T S. Exploring causal relationships among teaching, cognitive and social presence: Student perceptions of the community of inquiry framework[J]. The Internet and Higher Education, 2010,(1、2):31-36.

[19]Zhao H, Sullivan K P H. Teaching presence in computer conferencing learning environments: Effects on interaction, cognition and learning uptake[J]. British Journal of Educational Technology, 2017,(2):538-551.

[20][21]Law K M Y, Geng S, Li T. Student enrollment, motivation and learning performance in a blended learning environment: The mediating effects of social, teaching, and cognitive presence[J]. Computers & Education, 2019,(136):1-12.

[25]Pe?arroja V, Sánchez J, Gamero N, et al. The influence of organisational facilitating conditions and technology acceptance factors on the effectiveness of virtual communities of practice[J]. Behaviour & Information Technology, 2019,(8):845-857.

[26]Mamun M A A, Lawrie G, Wright T. Instructional design of scaffolded online learning modules for self-directed and inquiry-based learning environments[J]. Computers & Education, 2020,(144):103695.

[27]Lai C. Modeling teachers’ influence on learners’ self-directed use of technology for language learning outside the classroom[J]. Computers & Education, 2015,(82):74-83.

[28][37]Lai C, Wang Q, Lei J. What factors predict undergraduate students’ use of technology for learning? A case from Hong Kong[J]. Computers & Education, 2012,(2):569-579.

[29][38]Venkatesh V, Davis F D. A theoretical extension of the technology acceptance model: Four longitudinal field studies[J]. Management Science, 2000,(2):186-204.

[30]Zimmerman B J, Schunk D H. Self-regulated learning and performance[A]. Handbook of Self-regulation of Learning and Performance[C]. New York: Routledge, 2011:1-12.

[31]Shea P, Bidjerano T. Learning presence: Towards a theory of self-efficacy, self-regulation, and the development of a communities of inquiry in online and blended learning environments[J]. Computers & Education, 2010,(4):1721-1731.

[32]Akyol Z, Garrison D R. Assessing metacognition in an online community of inquiry[J]. The Internet and Higher Education, 2011,(3):183-190.

[33][34]Cho M, Kim Y, Choi D. The effect of self-regulated learning on college students’ perceptions of community of inquiry and affective outcomes in online learning[J]. The Internet and Higher Education, 2017,(34):10-17.

[35]Stenbom S. A systematic review of the Community of Inquiry survey[J]. The Internet and Higher Education, 2018,(39):22-32.

[36]Bai B, Wang J, Chai C S. Understanding Hong Kong primary school English teachers’ continuance intention to teach with ICT[J]. Computer Assisted Language Learning, 2021,(4): 528-551.

[39]Barnard L, Lan W Y, To Y M, et al. Measuring self-regulation in online and blended learning environments[J]. The Internet and Higher Education, 2009,(1):1-6.

[41]Hu L T, Bentler P M. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives[J]. Structural Equation Modeling: A Multidisciplinary Journal, 1999,(1):37-41.

[43]Wang J, Yang Y, Li H, et al. Continuing to teach in a time of crisis: The Chinese rural educational system’s response and student satisfaction and social and cognitive presence[J]. British Journal of Educational Technology, 2021,(4):1494-1512.

[45]Kilis S, Y?ld?r?m Z. Investigation of community of inquiry framework in regard to self-regulation, metacognition and motivation[J]. Computers & Education, 2018,(126):53-64.

Influencing Factors and Action Mechanism of Online Learning in Supporting Learners’ Empowerment

YANG Yu-qin1ZHENG Zhi-zi1ZUO Ming-zhang1SUN Zhi-ru2XU Jia-zhen1[Corresponding Author]

The in-depth reveal of the key influencing factors and action mechanism of online learning in supporting learners’ empowerment is an important basis for helping learners to improve online learning effect and empowerment, but there are few studies to analyze this in depth. Therefore, this paper firstly dissected the concept, structure, and key influencing factors of learners’ empowerment. Then, this paper proposed research questions, constructed a hypothetical model of the influencing factors of online learning supporting learner empowerment, and illustrated the research objects and research tools. Then, this paper proposed a standardized coefficient model of the influencing factors of online learning supporting learner empowerment based on the results of preliminary path analysis and literature review. Finally, the key influencing factors and the action mechanism of learners’ empowerment were revealed through path analysis. It was found that teachers’ support, resources and support, and online self-regulation ability were the key influencing factors of learners’ empowerment, and had strong direct and indirect effects on the improvement of learners’ empowerment. Especially, the role of online self-regulation ability was critical. This paper not only had important implications for educational practice driven by artificial intelligence but also provided a new perspective for a better understanding of learners’ empowerment and its relationship to self-regulation, and the inquiry community.

online learning; learners’ empowerment; inquiry community; technology recognition; online self-regulation

G40-057

A

1009—8097（2022）06—0051—11

10.3969/j.issn.1009-8097.2022.06.006

本文受國家自然科學基金項目“在線探究社區中學習者知識建構行為模式的識別及其實證研究”（項目編號：62107020）、華中師范大學教學創新研究項目“智能時代教師專業發展理論研究”（項目編號：CCNUTEIII 2021-11）資助。

楊玉芹，副教授，博士，研究方向為數據驅動的學習評價、高階能力培養、計算機支持的協作學習等，郵箱為yangyuqin@ccnu.edu.cn。

2022年1月25日

編輯：小時