網絡課程疲勞的量表編制及初步應用

鐘建安 蘇 逸 王詠爾 郁林瀚 陸筱佳 錢璐瑤

(1 浙江大學心理與行為科學系，杭州 310028)

(2 浙江大學管理學院領導力與組織管理學系，杭州 310058)

1 引言

網絡課程(以下簡稱“網課”)在2020年初新冠肺炎疫情暴發以后，成為一種被普遍采用的教學模式。近來，國內疫情雖然總體可控，但仍有反復，網課在當下和未來都有一定使用需求。因此，很有必要對網課及其影響進行深入研究。就其影響而言，網課除了擁有豐富教學模式、保障疫情期間教學正常運轉等優點，也可能會加大學生的疲勞感知，特別是在新冠肺炎疫情背景下。

新冠肺炎疫情使全球多地采取封閉措施，眾多學校也從線下教育過渡到網課，導致學生報告更多的精力枯竭(Brainard & Watson, 2021; Labrague & Ballad, 2021)。國外學者使用機器學習技術考察疫情對課堂、教師和學生的影響，發現輿論越來越多地呈現出精神疲勞、失業、學生擔憂等負面內容 (Imatitikua et al., 2021)。 Asgar等人(2021)發現超過70%的學生在參與多個在線學習后，很難保持注意力或體驗到疲勞。國內學者(曹雅雯等, 2021)對2671名大學生進行問卷調查發現，在新冠肺炎疫情期間，網上學習和娛樂造成的長時間終端屏幕暴露是導致大學生視疲勞發生率較高的原因之一。管博陽(2020)對疫情下新疆地區1328名高中生的調查結果表明，學生存在因長時間盯手機或電腦而感到眼睛干澀難受、注意力易分散等問題。樊盼玉等人(2021)對疫情常態化下居家學習網課的醫學生的調查揭示，即使在疫情常態化時期，仍有近半數學生表現出較高水平的學習倦怠。由此可見，疫情背景下網課引發學生疲勞是一個全球性的問題，不同階段的學生都有網課疲勞的體驗，網課疲勞有生理和心理(如注意分散、倦怠)等多種表現形式。

之前的文獻對學習疲勞的負面影響展開了廣泛討論，例如：疲勞會降低學生標準化測試成績(Campos et al., 2012; Mizuno et al., 2011)，造成學生努力-回報失衡(Fukuda et al., 2010)，而適當的休息可以提升考試成績(Sievertsen et al., 2016)。與學習關聯的疲勞會對健康造成負面影響(Maslach et al., 2001)，如更低的睡眠充足率和睡眠質量(Ayala et al., 2017)，還會造成學生社會適應不良(Rella et al., 2010)，影響學生心理健康等(崔立中, 劉鵑, 2007)。網絡學習使得教師和學生處于時空分離狀態，檢測學生是否疲勞有助于提高學生學習效率和結果(彭慧玲, 2008; 吳慧婷, 2020)。由此可見，對疫情背景下網課疲勞進行科學研究具有十分重要的現實意義。然而，目前國內外文獻對網課疲勞的概念結構與測量方式研究有限，阻礙了進一步深入探索。

為解決這一問題，基于深度訪談與科學的問卷構建過程，編制出具有較高信效度的網課疲勞感知量表，以此為工具，探討教師幽默、學生的網課投入和網課疲勞三者間的關系。研究目的在于：第一，構建基于網課背景的學生疲勞感知量表，明確其結構，這對更加準確、科學地認識網課疲勞具有積極意義。第二，過去的學習疲勞研究往往基于線下教學與授課，無法體現學生長時間注視屏幕、缺乏教師監控和同學互動等網課特點。本研究結果對辨析線下學習疲勞與網課疲勞的區別，從而針對性地進行課程設計和理論改革具有指導意義。第三，探索教師幽默對學生網課疲勞的作用，補充教師幽默對學生影響的文獻(Bieg et al., 2019; Daumiller et al., 2020; Tsukawaki & Imura, 2020)。這對于后續出臺應對措施，緩解學生網課疲勞，提升網課學習效率具有重要的現實意義。

2 網課疲勞的概念

疲勞是一個普遍但又復雜的概念，現有研究有從疲勞的來源(如長時間高強度工作)、行為后果視角(如表現下降)等界定(Chalder et al., 1993)。與網課疲勞相關的研究中，張志園(2013)曾提出廣義的學習疲勞概念，即學生經過長時間的學習活動而引起相應的軀體癥狀與學習能力下降，以及不良情緒反應的現象，并構建了由軀體癥狀、情緒失調和認知障礙三個維度構成的中學生學習疲勞自評量表。Bennett等人(2021)關注疫情期間從大眾媒體話語中傳播開來的視頻會議疲勞概念，將其界定為員工因為參加視頻會議而感到精疲力竭、厭倦、疲乏的程度。

此外，關于疲勞和工作負荷的相關文獻和成熟量表已對疲勞的測量進行了全面討論(Bennett et al., 2021; Cao et al., 2009; Noyes & Bruneau, 2007; Rubio et al., 2004; Smets et al., 1995)。例如，Pines和Aronson(1988)編制的倦怠量表評估了個體生理、情緒、心理上的疲勞程度，并在后續研究中驗證了該量表的三維結構，即耗竭、低落、喪失動機(Enzmann et al., 2011)。人因研究領域傳統的 NASA-TLX量表從精神需求、身體需求、時間需求、績效、努力和挫折水平等六個維度來評價主觀心理負荷程度(Cao et al., 2009)。Bennett等人(2021)通過綜合性的詞語表述(疲憊不堪的、精疲力竭的)讓員工評價自己參與視頻會議疲勞的程度。

從這些與疲勞相關的概念及測量來看，軀體、行為以及情感、認知等維度產生疲乏、厭倦的負面感受，是疲勞的核心特點。基于現有研究，將網課疲勞定義為個體因持續參加網課而在生理、認知、情緒、動機等方面感到疲勞的程度。在這一概念基礎上進行網課疲勞量表編制及驗證。

3 量表構建

3.1 訪談與題項構建

四位管理心理學研究生在一位管理心理學教授的指導下，通過半結構化訪談(如“你是否有過網課疲勞，具體有哪些癥狀表現？”及一些開放性問題)，對12位在疫情期間平均每天上網課時間大于一小時的學生進行深度訪談。在征得被訪者的知情同意后，對訪談過程進行錄音，以便后續分析。在訪談過程中，如果被訪者無法界定網課疲勞或者難以回憶，訪談人員向被訪者提示可能會在哪些方面(如生理、情緒等)出現網課疲勞。為保證訪談的科學性和客觀性，減少被訪者的要求特征，訪談人員給予被訪者充分的思考時間，鼓勵其自由回憶，并強調不要受訪談人員提示的限制。12位被訪者中，女性9名，碩士生8名，本科生2名，博士生和小學生各1名，平均年齡約23歲，典型一天的平均上網課時間約3.7小時。

訪談員將訪談錄音轉錄成文字稿，對文字內容進行編碼以形成有關網課疲勞的題項。編碼首先由四位訪談員獨立進行，保留兩人及以上達成一致的編碼項；對于有爭議的編碼項，認真對照網課疲勞的定義，考慮編碼項是否能很好地描述網課疲勞的定義，經充分討論后，決定保留或者刪除。對于某些語言表達重復或語義相近的編碼項，出于簡潔性考慮，討論后只保留其中一項。編碼過程舉例如表1所示。最終形成了十題項的網課疲勞初步量表。

表1 編碼過程舉例

3.2 初測與初步量表質量分析

3.2.1 方法

線上數據搜集平臺隨機招募了322名被試，剔除作答時間過短，多個題項反應相同的被試，最終將293名被試的數據納入分析(有效率90.99%)。其中女性46.76%；年齡主要集中在18～24歲(42.32%); 職業主要為在校學生(41.98%)；教育水平主要集中在大學本科(67.24%)；平均一天上網課時長主要集中在1～3小時(45.39%)。

借助SPSS23.0進行數據分析。選取總分前27%和后27%被試，進行獨立樣本t檢驗，發現每一題在高分組和低分組之間都有顯著的差異(兩組差異范圍在[1.18-2.23],ps<0.001)，說明題項有明顯的區分度。

KMO系數為0.89, Bartlett檢驗系數為1509.55 (df=45,p<0.001)，說明適合進行因素分析。利用主成分分析法提取因素，并用最大方差法對因素進行旋轉。結果顯示，前兩個因素的特征值大于1，分別能解釋總方差的52.36%和11.76%，累計解釋總方差64.12%。刪除雙負載(在兩個因素上的載荷之差小于0.2)的題項(“失去學習興趣”)，剩余九個題項(劉電芝等, 2011)。因為題項“想要退換課程”“認為這門課不再重要”在F1和F2上均有大于0.3的載荷(前者為0.68和0.42，后者為0.74和0.36)，且都更多地負載在F1上，但與負載在F1上的其他四個題項無法同時解釋(這四個題項的內容可以歸入同一范疇)，經過認真討論后，決定刪掉。

最終，網課疲勞初步量表形成了兩個因素七個題項，如表2所示。根據題項內容對因素進行命名，確定因素一為生理疲勞，因素二為內容疲勞。

表2 各題項因子載荷和題總相關

3.2.2 初步量表信、效度分析

在初步量表中，生理疲勞和內容疲勞兩個因素的內部一致性系數α均為0.81，總量表的α為0.84，說明該初步量表具有較好的內部一致性。

初步量表中，生理疲勞和內容疲勞兩個因素的相關為0.52(p<0.001)，為中等程度相關；兩個維度與總分的相關分別為0.91(p<0.001)和0.83(p<0.001)，為高度相關；題總相關為0.63-0.77(ps<0.01)，為中等程度相關。因為初步量表是通過訪談擁有真實網課經驗的對象并借助專家判斷等方法構建起來的，結合上述結果，我們認為初步量表具有較好的內容效度。

3.3 再測與正式量表質量分析

3.3.1 方法

線上數據搜集平臺隨機招募了800名被試，剔除作答時間過短，多個題項反應相同的被試，最終將755名被試的數據納入分析(有效率94.38%)。其中,女性36.56%；年齡主要集中在18～24歲(53.38%)；職業主要為在校學生(60.53%)；教育水平主要集中在大學本科(63.71%)；平均一天上網課時長主要集中在1～3小時(41.10%)。平均網課數量約四門(SD=2.70)。

借助SPSS 23.0和Mplus 8.3開展數據分析。隨機抽取一部分(304份)數據用于探索性因素分析，另一部分(378份)數據用于驗證性因素分析，并確保兩部分數據之間無重疊(陳燕紅等, 2019)。探索性因素分析的結果顯示，前兩個因素的特征值大于1，分別能解釋總方差的44.31%和17.27%，累計解釋總方差61.58%。這與初測結果一致，說明七題項的網課疲勞量表具有相對穩定的因子結構。

3.3.2 正式量表信、效度分析

正式量表中，生理疲勞和內容疲勞兩個因素的內部一致性系數α分別為0.74和0.82，總量表的α為0.82，說明具有較好的內部一致性。

正式量表中，生理疲勞和內容疲勞兩個因素的相關為0.53(p<0.01)，為中等程度相關；兩個維度與總分的相關分別為0.89(p<0.01)和0.86(p<0.01)，為高度相關；題總相關為0.57～0.75(ps<0.01)，為中等程度相關。結合上述結果，我們認為正式量表具有較好的內容效度。再測的因子載荷和題總相關整理在表2括號中。

為進一步驗證正式量表的結構效度，檢驗兩因素結構的穩定性，借助MPLUS 8.3軟件進行驗證性因素分析。將378名被試的數據納入分析，兩因素模型的χ2/df為3.83(49.78/13), RMSEA為0.09, SRMR為0.04, CFI為0.96, TLI為0.94，所有模型擬合指標均優于單因素模型(χ2/df為13.56(189.80/14), RMSEA為0.18, SRMR為0.08, CFI為0.91, TLI為0.71)。綜合以上結果，網課疲勞感知量表具有較好的心理測量屬性。量表完整題項見附錄。

4 量表應用

4.1 假設推導

眾多原因會影響學習疲勞(Bener et al., 2019; de Vries et al., 2017)。 基于資源保存理論(Hobfoll, 1989)， 本研究探討教師幽默、學生網課投入與學生網課疲勞之間的關系。

大量研究結果表明，幽默/幽默感與一系列積極心理和行為結果有關，如幽默感可以緩沖壓力(Martin & Lefcourt, 1983)，積極的幽默感與社會能力各維度(如建立關系、自我表露、整體的人際關系能力)呈正相關(Yip & Martin, 2006)，神經影像學的研究(Mobbs et al., 2003)還揭示了幽默有益的神經基礎。

個體除了受到自身幽默感的影響，還受到他人幽默感的影響。在面試中，求職者可以將幽默的自我表露作為一種印象管理工具，增加他人對自己溫暖和能力的感知，甚至可以增加自己被錄用的可能性(Bitterly & Schweitzer, 2019)。組織中幽默的使用可以提升員工的士氣(Gruner, 1997)，領導者使用幽默可以提升自己及集體的工作表現(Avolio et al., 1999)。在教育科學領域，過去的研究發現，教師在基于課程的在線社交網絡中發布幽默的帖子，可以增加學生的參與度(Imlawi & Gregg, 2014)；教師的幽默使用可以顯著預測學生課堂參與度(孫園園, 2015)。

網課投入與網課疲勞一樣，也具有多重維度，表現為學生對當前課程投入較高水平的生理、情感與認知資源(Rich et al., 2010)。具體而言，生理投入意味著在生理上投入大量努力和精力，如長時間坐在電腦屏幕面前；而情感和認知投入意味著學生對于網課本身有較強的興趣，全神貫注于網課內容，進入一種心流的狀態(Csikszentmihalyi, 2014)。王衛等人(2017)的研究發現，心流體驗可以提升在線學習者的滿意度和積極態度，進而正向影響持續學習意愿。

資源保存理論關注個體面對外部壓力事件的心理變化以及隨后產生的行為結果。教師幽默作為一種外生性資源，可以補充學生由于長時間參與網課造成的資源損失，提升學生網課投入。當教師及其教學方式較為幽默時，學生更有可能被課程內容所吸引，對課程更加投入。但身心的投入在給學生帶來求知滿足和愉悅課堂體驗的同時，也可能造成更高的身體疲勞。例如，學生因被幽默的老師和課堂所吸引，在上網課過程中不知不覺產生了錯誤的坐姿、長時間近距離盯著電腦屏幕、久坐等，反而造成課后更多的生理疲勞。因此，我們預期教師幽默雖然可以提升學生網課投入，但對于生理疲勞和內容疲勞可能具有不同預測方向。

因此提出如下假設：

H1：教師幽默與網課投入(生理、情感、認知)正相關。

H2：教師幽默與生理疲勞正相關，教師幽默與內容疲勞負相關。

H3：生理投入與生理疲勞正相關。

H4：情感投入與內容疲勞負相關，認知投入與內容疲勞負相關。

綜合以上假設，進一步提出網課投入在教師幽默和網課疲勞之間的中介作用，即：

H5：生理投入中介了教師幽默和生理疲勞之間的關系。

H6：情感投入中介了教師幽默和內容疲勞之間的關系；認知投入中介了教師幽默和內容疲勞之間的關系。

4.2 方法

數據來自再測階段對755名被試的測量。網課疲勞采用本研究編制的網絡課程疲勞量表，共七題，采用5點李克特計分方式，1=從不，5=總是，代表題項為“上網課的過程中或結束網課后，我感到眼睛酸脹干澀”。總量表α為0.82， 身體疲勞和內容疲勞兩個分量表的α分別為0.74和0.82。

教師幽默量表改編自Avolio等人(1999)的幽默行為量表，該量表之前常用于幽默行為的研究，較為成熟，并有相對較高的內部一致性信度，α為0.90～0.92(Avolio, et al., 1999; Dubinsky & Jolson, 1995)。該量表共五題，采用5點李克特計分方式，1=從不，5=頻繁，代表題項為“教師用幽默來緩解疲勞和無聊”(α=0.85)。

網課投入量表改編自Rich等人(2010)的工作投入量表。該量表共18題，分為生理、情感、認知三個維度，采用5點李克特計分方式，1=很低，5=很高，代表題項為“我把大量精力投入到學習本課程中”，“我對這門課很熱情”，“在上課時，我全神貫注于課程內容”，分維度α分別為0.86, 0.86, 0.87, 總量表α為0.95。

除了上述核心變量，本研究測量了被試網課數量、網課時長、性別、年齡、學歷作為控制變量。

4.3 結果

表3為描述性統計結果。教師幽默與整體網課投入正相關(r=0.51,p<0.01)，與生理投入正相關(r=0.46,p<0.01)，與情感投入正相關(r=0.50,p<0.01)，與認知投入正相關(r=0.44,p<0.01)；教師幽默與整體網課疲勞相關不顯著(r=0.01,ns)，與身體疲勞成正相關(r=0.10,p<0.01)，與內容疲勞呈負相關(r=-0.10,p<0.01)；生理投入與身體疲勞相關不顯著(r=0.01,ns)，情感投入與內容疲勞負相關(r=-0.30,p<0.01)，認知投入與內容疲勞負相關(r=-0.28,p<0.01)。描述性統計結果整體上部分支持了本研究的假設。

表3 描述性統計結果

利用層次回歸分析進一步探討教師幽默、網課投入和網課疲勞的關系。第一步將控制變量納入回歸方程，第二步將控制變量和自變量(教師幽默)均納入回歸方程，第三步將控制變量、自變量和中介變量(網課投入)均納入回歸方程。結果如表4所示。在控制了性別、年齡、學歷、網課數量、網課時長等變量后，教師幽默與生理疲勞正相關 (b=0.07,SE=0.03,p<0.05)，與內容疲勞負相關 (b=-0.10,SE=0.04,p<0.05)。控制生理投入后，教師幽默與生理疲勞仍然正相關(b=0.09,SE=0.04,p<0.05)，但生理投入與生理疲勞無顯著關系(b=-0.05,SE=0.05,ns)。納入情感投入和認知投入后，教師幽默與內容疲勞無顯著關系(b=0.09,SE=0.05,ns)，但情感投入與內容疲勞負相關(b=-0.27,SE=0.07,p<0.001)，認知投入與內容疲勞負相關(b=-0.17,SE=0.07,p<0.05)。

表4 層次回歸分析結果

為進一步探究網課投入的中介作用，借助PROCESS2.16.2計算間接效應95%置信區間，利用Bootstrap法，進行5000次抽樣。結果表明，生理投入在教師幽默和生理疲勞之間的間接作用大小為-0.02, 95%CI為[-0.06, 0.02]，包含0。情感投入在教師幽默和內容疲勞之間的間接作用大小為-0.19, 95%CI為[-0.25, -0.13], 不包含0。認知投入在教學幽默和內容疲勞之間的間接作用大小為-0.15, 95%CI為[-0.20, -0.11]，不包含0。因此情感投入和認知投入的中介作用得到了證實，生理投入的中介作用未得到證實。

綜合上述分析結果，本研究提出的假設得到了部分證實。教師幽默可以提升學生的網課投入，其中情感投入和認知投入可以進一步降低內容疲勞，情感投入和認知投入均可以在教師幽默和內容疲勞的負向關系之間發揮中介作用，這與研究假設一致。教師幽默與生理疲勞正相關，但是生理投入與生理疲勞不相關，且生理投入在教師幽默和生理疲勞之間的中介作用也不顯著，這與研究假設不一致。本研究將在下文對這些結果進行討論。

5 討論

5.1 理論意義

第一，拓展了疲勞感知在網課情境中的測量與應用。基于相關文獻，結合深度訪談結果構建題項，并借助兩次線上調研數據進行驗證，最終形成七題項的網絡課程疲勞感知量表。EFA的結果揭示該量表有兩個潛在維度：生理疲勞和內容疲勞。CFA的結果進一步證實了該二因素結構的清晰性與穩定性。與之前關于疲勞維度的劃分相互印證(Chalder et al., 1993)。

第二，現有部分研究用客觀的方法來檢測學生線上學習疲勞，如利用人工智能、圖像識別的方法對網絡學習者的臉、眼、口進行分析(彭慧玲, 2008)，利用腦電數據線上評估工作負荷和疲勞(Kaethner et al., 2014)。但這些評估對設備要求較高，難以大規模推廣。本研究編制的量表從傳統心理測量學的角度是對網課疲勞的主觀測量，可作為未來更全面的、主客觀結合的方式測量學生網課疲勞的工具之一。

第三，發現教師幽默可以提升網課投入，并進一步降低網課內容疲勞，這驗證了本研究編制的量表具有較好的內容效度和校標關聯效度，也為初步構建網課疲勞和其他變量的關系網絡提供了有益的嘗試。同時，豐富了教師幽默的相關文獻內容(e.g., Bieg et al., 2019; Daumiller et al., 2020)，揭示了教師幽默影響網課疲勞的內在路徑。結果表明，教師幽默會提高學生對網課投入的生理、情感和認知投入，從而影響學生的網課疲勞感知。值得注意的是，教師幽默可能在降低課程內容疲勞的同時，增加學生所感知的生理疲勞，這說明教師幽默也可能存在負面作用，仍然需要根據相應的教學方式、網課設備和場景予以調整。

5.2 實踐意義

一方面，學校、教育部門和社會各界都要重視網課學習中的疲勞現象，結合注意力、疲勞等心理學和生理學的理論，推廣科學的測量工具和放松方法，及時掌握線上課程帶來的新挑戰與新情況，提前預防、及時發現和疏解網課疲勞。本研究提出并驗證的量表可作為一種有益的實踐嘗試，應用到對于網課疲勞的實際測量當中，進而更好地評估與應對網課疲勞。

另一方面，教師的幽默感是降低網課內容疲勞感知的關鍵，因而有必要重視內容趣味性，適當提高老師的幽默能力，加強師生互動，從而更好地調動學生的積極性，減少學生網課疲勞。

5.3 研究不足和未來展望

首先，教學幽默與生理疲勞正相關，生理投入在教學幽默與生理疲勞之間的中介作用不顯著，這與假設不符。未來需要進一步探討結果的穩健性或者提出其他解釋機制。

其次，在量表編制過程中未細分樣本，未來可以在學生和職場人士等有網課需求的群體中重復驗證量表的穩定性和樣本特異性。

最后，在信息化教學發展過程中，校內外各類網課平臺所具備的特點和功能是不可忽視的因素之一，研究者除了探索教師的授課特征對網課疲勞的影響外，也有必要探索客觀條件，如網課呈現形式、課程時長、平臺屬性等客觀因素是否能夠激發或緩解用戶的疲勞感知，進一步推動線上教學發展。

6 結論

本研究編制了網絡課程疲勞量表，包括生理疲勞和內容疲勞兩個維度，經檢驗具備較好的心理測量學特性，可以用作研究學生網課疲勞的有效工具。教師幽默對網課疲勞的兩個維度具有不同作用，即教師幽默正向預測網課生理疲勞，負向預測網課內容疲勞。情感投入和認知投入在教師幽默和內容疲勞的關系中發揮中介作用。本研究為網課疲勞研究提供了有益的工具支持，并對之后的網課發展和線上教學改革提供了數據支撐和實踐建議。