基于層次分析法的大學生線上學習滿意度評價方法*

鄧朗妮 楊洲 郭亮 周崢 廖羚

1 廣西科技大學土木建筑工程學院 廣西柳州 545006 2 廣西科技大學科研處 廣西柳州 545006

0 引言

近年來，隨著信息技術和互聯網的快速發展，在線學習已成為大學生獲取知識和掌握技能的重要手段。早在2014 年，美國著名的蓋洛普（Gallup）咨詢公司在調查中就已表明，在線學習已進入發展的黃金期，而且這種學習模式目前已處在發展的“提速點”。我國教育部在《教育信息化2.0 行動計劃》也提出，要積極推進“互聯網+教育”的發展，將教育信息化作為教育系統性變革的內生力量[1]。“互聯網+教育”的理念是為學習者提供優質、靈活、個性化教育的新型服務模式，是在線教育發展的新階段[2]。

2020 年1 月以來，新冠肺炎疫情席卷全國。為了有效控制疫情，保障廣大師生健康和生命安全，教育部要求所有中小學和大學停止面對面教學，并使用互聯網平臺進行在線學習。在此背景下，為了響應教育部的“停課不停學”號召[3]，高校全面實施規模化網絡線上教學。與傳統意義上的教學相比，線上學習實現了教與學的時間分離和空間分離。面對學習的線上與線下的兩極反轉，大學生對于線上學習過程及結果的滿意度評價，是評判線上教學效果的重要參考依據，也是對未來是否能積極采用此類學習模式的直接影響因素。

因此，本文試圖構建大學生線上學習滿意度評價指標體系，幫助各高校有效考查線上教學實施效果，提升大學生在線學習效率。

1 理論依據及研究方法

1.1 線上學習滿意度理論

關于滿意度的研究最早可以追溯到20 世紀70年代，最初用于研究市場中消費者對產品質量和服務的評價[4]。線上學習滿意度是學生對學習的“期望程度”和“實際收獲”之間的差異比較，差異越小，學生滿意度越高，兩者成反比[5]。鮮明的要素指標是線上學習滿意度研究的重點，迄今已有不少學者從線上學習滿意度的角度對大學生線上學習效果進行研究。于翔[6]在大數據背景下通過學習環境個性化、教學活動設計靈活化、學習動機培養差異化三個方面來提升在線學習滿意度。李瑩瑩等[7]構建大學生學習滿意度模型編制調查問卷，對網絡教學質量、學術任務價值感知、網絡自我效能感、網絡使用能力、學習動機、網絡交互對滿意度有顯著預測作用。沈忠華等[8]通過結構方程模型，研究知識建構、師生互動、信息處理和大學生在線學習滿意度的影響及其路徑。主要發現知識建構、師生互動和信息處理對大學生線上學習滿意度有明顯正相關關系，男女生或是不同類型區域學校學生的線上學習滿意度存在一定差異。朱連才等[9]基于學生的教學體驗視角，結合期望理論對線上學習滿意度進行研究，研究發現，影響學生在線學習滿意度的根本原因在于學習目標、師生互動、教師關注學生程度等。陳梅[10]運用AHP 法重構小規模限制性在線開放課程混合學習評價體系，旨在全面客觀評價學生在線課程學習，進一步激發學生的學習積極性和主動性。

通過以上文獻梳理可見，大多數學者根據自己的研究區域構建不同模型對在線學習滿意度進行分析，多數是針對學生學習目標、學習動機、師生互動等的總體研究，或是針對線上學習某些方面進行研究，專門針對大學生全面的、符合學生線上學習實際影響要素的線上學習滿意度的研究還不夠多，因此本文利用層次分析法進行全面層級化要素分解，對大學生線上學習滿意度展開研究。

1.2 研究方法

層次分析法（Analytic Hierarchy Process，簡稱AHP）是將總目標分解成不同層級的元素，通過定性和定量分析相結合的方法進行決策。該方法最初是在20 世紀70 年代末由美國運籌學家匹茲堡大學教授薩蒂提出的一種層次權重決策分析方法。本文運用層次分析法步驟大致如下。

1）將大學生線上學習滿意度評價因素分解為目標層、準則層的層次結構，建立遞階的層次模型來描述評價要素的相關性[11]。

2）用數值的形式將每個層次的指標兩兩比較判斷相對重要性，構成判斷矩陣，并且矩陣要符合Bij=1/Bji＞0，Bii=1[12]。

3）對大學生線上學習滿意度進行單排序，同一層次之間指標對上一層次影響力大小進行排序。開展一致性檢測，用一致性指標CI和一致性比率CR來判定，CI=0，判斷矩陣一致性好，CI越大，一致性越差，CR＜0.1,判斷矩陣一致性在容許范圍內。

4）最后根據線上學習滿意度各層次所有因素對總目標相對重要的排序權值，開展層次總排序及一致性檢驗，確定影響大學生線上學習滿意度的關鍵因素。

2 線上學習滿意度評價指標體系構建

2.1 指標確立及設計

在一級指標確立上，根據線上學習滿意度理論及相關文獻研究，本文將線上學習滿意度評價具體分為四個維度：學生自身情況、教師教學特征、網絡課程要素和網絡交互情況。從學生層面來看，學生自身情況是網絡學習評估的重點，線上學習面向的主體是每一個學生，學生的一系列學習行為都會對學習成果造成直接影響。在同樣重要的教師層面，線上學習連接的源頭主體就是教師，教學方式從空間到時間與傳統教學大不相同，教師的教學風格和特征會對學生學習產生影響，遵循正確的教學規律進行教學傳遞，可以提升線上學習滿意度。最后網絡課程方面，網絡課程的內容是學生與教師交互的最重要渠道，課程內容的設計要素需要貼合學生主體也要貼合教師主體，新奇的虛擬學習環境會使課堂氛圍更加活躍，讓學生獲得空間上的自由，有助于提升學生學習熱情和滿意度，增加師生交互，可使學生通過網絡提升自我能效感從而產生有益的學習動機。

關于二級指標的確立，本文采用了專家咨詢法，得出16 個指標，并進行內涵設計。

1）學生自身情況主要由4 個指標構成：學生對于線上學習的態度、學生主觀能動的學習能力、學生養成的學習習慣、學生開展線上學習所擁有的學習資源。

2）教師教學特征主要由4 個指標構成：教師線上教學展現的教學應對能力、教師對于線上教學的治學態度、教師的個人品行和教學特色、在線上課程上完后對學生的疑問進行線上的課后輔導。

3）網絡課程要素主要由4 個指標構成：網絡課程的時間編排、網絡課程內容設計、網絡課程素材編寫、網絡課程搭配的學生現實教材選用。

4）網絡交互情況主要由4 個指標構成：教師與學生之間在虛擬課堂上的交互活動，包含問答、合作等；學生之間的合作，如在虛擬課堂上進行學習互助或以分組形式進行學習合作完成教師布置的任務；課后教師對于網絡課堂的反饋，學生在完成一定學習任務的檢驗過后對于網絡課堂的反饋。

2.2 指標層次體系

依據層次分析法，對線上學習滿意度指標體系進行層次結構設計，共設計三層：目標層為要解決的問題，即線上學習滿意度評價；一級指標為準則層，是滿意度評價的結構性指標；二級指標為子準則層，是反映線上學習滿意度的具體要素。目標層設為A，一級指標設為B，二級指標設為C，詳見圖1。

圖1 大學生線上學習滿意度評價層次圖

3 線上學習滿意度評價指標權重計算

3.1 構造判斷矩陣

判斷矩陣是通過同一層次的要素指標，兩兩比較，根據判斷標度確定兩者之間的重要程度，構造判斷矩陣，見表1。本研究將問卷表發給評判專家小組，對比結果后取平均值即可得到判斷矩陣。

表1 指標相對重要性比值標度

一級指標B1～B4構造判斷矩陣：

學生自身情況B1構成指標C11～C14的判斷矩陣：

教師教學特征B2構成指標C21～C24的判斷矩陣：

網絡課程要素B3構成指標C31～C34的判斷矩陣：

網絡交互情況B4構成指標C41～C44的判斷矩陣：

3.2 計算判斷矩陣特征向量及最大特征根

對上一小節構建的判斷矩陣進行歸一化并采用求和法對向量求平均，結果見表2。

表2 各級指標構造判斷矩陣特征向量和最大特征根

其中一級指標判斷矩陣特征向量：

W=（0.361 7,0.474 0,0.117 6,0.046 7）T

二級指標判斷矩陣特征向量：

W1=（0.605 0,0.180 6,0.063 5,0.150 8）T

W2=（0.309 8,0.411 7,0.068 8,0.209 7）T

W3=（0.411 7,0.309 8,0.209 7,0.068 8）T

W4=（0.223 4,0.286 7,0.394 3,0.095 6）T

其中最大特征根計算公式如下：

特征向量公式為：

公式（1）和公式（2）中，n為判斷矩陣維數，λmax為判斷矩陣的最大特征值，W為相對應的特征向量。

3.3 判斷矩陣一致性檢驗

根據層次分析法的基本原理進行一致性檢驗，引入平均隨機性一致指標RI，當判斷矩陣階數為3 ～10 時對應的指標值為0.58、0.89、1.12、1.36、1.41、1.46、1.49。層次分析法步驟中的一致性指標CI和一致性比率CR，公式如下：

通過判斷一致性指標，CI＜0.1、CR＜0.1 來說明各級指標構造的判斷矩陣一致性檢驗通過，判斷矩陣合理有效，指標權重可行有效，檢驗結果見表3。一級指標構造的判斷矩陣通過一致性檢驗，符合邏輯。各個二級指標判斷矩陣也通過一致性檢驗，CI、CR的值均小于0.1，計算出的指標權重可行有效。

表3 各級指標判斷矩陣一致性檢驗結果

3.4 層次總排序和指標權重

根據對單個排序的權重值結果，將對影響目標層的所有層次元素進行總排序。層次總排序的依據是各層的上一層所有元素A1，A2，…，An構成的判斷矩陣通過歸一化求和計算得出權重值為ω1，ω2，…，ωn，與Bi相對應的本層元素B1，B2，…，Bn的單排序結果為b1j，b2j，…，bnj（當b1j=0 時，Bi與Ai無關），那么進行層次總排序時可以按照表4 計算。本文計算出的大學生線上學習滿意度評價指標層次總排序權重值結果見表5。

表4 層次總排序法

表5 大學生線上學習滿意度評價指標權重

根據層次分析法的基本原理，在完成所有元素的權重總排序后還須對其進行一致性檢驗，計算公式如下：

其中ωi為上一層次指標權重值，CIi為下一層次指標構造的判斷矩陣計算得出的一致性檢驗指標值，RIi為根據下一層次指標判斷矩陣對應的隨機一致性檢驗指標值。根據公式計算大學生線上學習滿意度評價指標總排序一致性檢驗值CI=0.057 0 ＜0.1，RI=0.890 2，CR=0.064 0 ＜0.1，說明判斷矩陣通過一致性檢驗，總排序權重結果滿意。

4 結論及對策分析

4.1 提升教師教學能力及治學態度

從表5 中可以分析出大學生線上學習滿意度評價一級指標權重值占比最高為教師教學特征0.474 0，接著是學生自身情況0.361 7 和網絡課程要素0.117 6，最低為網絡交互情況0.046 7。據此在信息化時代的線上課堂中，教師的作用并沒有如人們所想的被削弱，反而有所增加，處于比較重要的地位。從線下課堂到線上課堂的轉變，對于教師適應線上教學環境的能力提出一定要求，從教師教學特征的二級指標來看教師的教學能力治學態度權重占比分別為0.309 8、0.411 7，對總目標的影響權重分別為0.146 9、0.195 2。在線上學習的大背景下，教師的教學能力考驗主要是教師教學思維方面的考驗，教師需要采用多元化教學模式，引導學生在線上課堂專注知識、獨立思考。而支持這一教學能力的基礎是教師認真負責的治學態度——從課后的電子教案編寫、教育視頻資源備案到課堂上對知識點和考核方式的把握。雖然教師教學特色和課后輔導答疑權重沒有前兩項指標高，但同樣是不可忽視的，教師個人鮮明的教學風格也可以融入線上，幫助學生更快進入線上學習狀態，課后的輔導與答疑則增加了師生之間的知識交互，可以幫助教師更好地了解學生對知識點的掌握情況。

4.2 改善學生學習態度引導學生自主學習

一級指標中學生自身情況權重為0.361 7 略低于教師教學特征指標，并不意味著在線上學習中學生角色的重要程度低于教師，而是學生線上學習需要教師的線上引導。在學生自身情況的二級指標中，學生學習態度、學生學習能力、學生學習資源權重占前三名，學生學習態度指標權重0.605 0，總排序權重0.218 9。線上學習學生處在一個獨立的學習環境中，沒有教師的督促和同學的參照，對于學生自身要求比較高，學生對于線上學習的學習態度直接影響線上教學效果和學生學習的滿意度，因此更需要教師輔助進行線上監督。后兩位權重較高的是學生學習能力0.180 6 和學習資源0.150 8，對總目標影響權重分別為0.065 3、0.054 6，可以看出越是獨立的學習環境越考驗學生的自主學習能力，同時因為線上教學對于學生擁有的學習資源如電腦設備、攝像頭、網絡等有一定要求，需要提前調試。最后學生的學習習慣雖然占比較低，但是學生在線下課堂養成的良好學習習慣會帶入線上課堂，幫助學生更快融入線上，教師應適當督促學生，幫助學生培養良好的學習習慣。

4.3 合理安排網絡課程時間優化課程內容設計

從滿意度評價指標體系的權重來看，網絡課程要素權重為0.117 6，其二級指標權重網絡課程時間編排為0.411 7、課程內容設計為0.309 8、網絡課程素材編寫為0.209 7、教材選用為0.068 8，由此可以看出網絡要素雖然權重占比不大，但是其二級指標涵蓋的范圍十分廣泛，由于線上課程與線下課程出現空間上的轉變，做出合理的網課時間編排、豐富網課內容設計、收集網絡教育素材、找尋合適網課教材，是教育工作者們的首要任務。在權重對總目標的影響中，課程的時間編排是影響學生線上學習的最關鍵因素，由于疫情，居家學生的作息并沒有在學校時規律，為了讓學生適應高強度學習的同時保持足夠的休息時間，學校應發揮線上教學空間的優勢，增設網上點名簽到流程，推進線上教學常態化、預備化。網絡課程內容設計同樣也是引導學生專注網絡課程本身，不是一味地堆砌PPT 頁數，而是對內容進行優化設計，激發學生的客觀能動性與學習積極性、提升學生學習滿意度。

4.4 鼓勵生生交流互動重視學生反饋

在大學生線上學習滿意度評價體系中，一級指標網絡交互情況0.046 7 權重最低，說明在線上教學時代，教育工作者并沒有很好地重視網絡交互的特性對線上教學的影響，在教育空間變成單個隔間的情況下，學術交流唯一媒介就是網絡，施教者與受教者需要在網絡交互中完成知識的傳授。其中二級指標包括師生交互、生生交互、教師反饋、學生反饋，通過學生與教師、學生與學生網絡交互帶來不一樣的教育推動力，前者是知識的輸送，后者是知識的交互，通過類似線下課程進行社會性網絡交互，激發學生的學習積極性，鼓勵學生積極在網絡上與教師和同學交互。在課后，注重教師的反饋和學生的反饋，網絡的無障礙交流加強了學生面對教師說出真實學習感受的完整性，通過結合學生的學習反饋和教師的反饋，教育工作者們可以總結出線上教育各方的學習自我能效感與教學心得，從而直接或者間接促進線上教育規模化、規范化、人性化。