直播環境下學生在線學習行為對學習績效的影響研究

馬瑞 李明* 羅文雅 稅洋洋

(1.重慶師范大學 計算機與信息科學學院,重慶 401331;2.四川輕化工大學 美術學院,四川 自貢 643000)

隨著網絡技術和教育教學加速融合,在線課堂成為當下不可或缺的學習方式。近年來,全球范圍的新冠疫情推動了以師生實時視頻互動為特征的直播教學的發展。與傳統在線教育相比,直播教育在情感交流、臨場感、交互感、教學資源時效性、個性化體驗等方面有著顯著優勢[1]。依托于釘釘、騰訊課堂、Zoom等各類直播教學平臺,將傳統學習轉到線上,呈現具有“面對面”實時互動的新型在線教育場景,推動了課堂從固定的物理空間不斷向虛擬空間發展。

學習需求的增加推動了直播教學平臺的發展,一些教學平臺相繼推出如一對一、小班直播、大規模直播等多種形式,并配置簽到、實踐、反饋、考試等多種功能,大量的在線行為數據得以保存。大量研究指出,學習者在線學習行為投入是影響學習績效的重要因素[2]。通過學生在線學習行為數據來評估其表現以便據此提供更優質的服務已然成為一種新趨勢。由于直播課自主性、開放性等特點,使得難以監控學生學習態度、動機等,導致其學習效果備受爭議[3]。參與度低、持續力弱、互動差等現狀使得探究影響學生直播學習效果的因素變得愈加重要。

基于此,本研究擬采用K-Means聚類對學生直播課學習行為特征進行分析,再通過抽樣逐步回歸探索在線學習行為投入特征對學習績效的影響機制,以解決以下兩個問題:(1)利用聚類算法分析學習者行為特征,可將學習者群體分為幾類?(2)哪些在線學習行為特征是影響學習者學習績效的關鍵因素?

1 在線學習行為與學習績效研究概況

在線學習行為是學習者在在線學習平臺上,通過內在動機驅使,實現學習目標、達到學習效果的過程集合。學習行為作為學習投入的基本構成維度,是學生心理投入的載體[4]。在學習者與環境交互操作的過程中,系統會記錄下大量的行為數據,這些數據為分析學習行為模式奠定了基礎。

專家學者對在線學習行為開展了大量探究,其中聚類分析是常見的數據挖掘方法之一。通過聚類學習群體可有效分析不同學習群體之間行為模式的差異,直觀呈現學習者狀態,對其進行精準化服務,從而提升在線學習效果。Khalil等對iMooX平臺上選修信息技術類課程的459名本科生和379名外部人員進行聚類分析[5]。王敏利用K-Means算法將某MOOC平臺中某門課學習者劃分為“堅定學習”“大致學完”“重視結果”及“隨意散漫”四類,并通過比較四類不同學習者的學習行為,從學習者和課程角度提出了MOOC平臺改進的建議[6]。喬璐等以學習者在慕課平臺中四種表現為特征,將學習者聚類為三個學習群體,并通過比較群體間差異,最終分析認為影響在線學習成效的最重要的因素是學習者的視頻學習率[7]。

在影響學習績效的因素方面,目前學習效果主要體現在成績以及學習活動的成果上。郭芳俠等基于Blackboard教學平臺數據庫從七個方面探究了在線學習行為與學習效果之間的相關性,以及男女生此方面的差異性[8]。沈欣憶運用python技術以及抽樣逐步回歸方法,構建了學習績效評估模型,對MOOC平臺上的學習行為數據進行分析,并提出提升學習績效的教學策略建議[9]。宗陽等構建了MOOCs在線學習行為指標,應用邏輯回歸分析學習行為對學習成績的影響,其中提交作業測試可以作為預測MOOCs學習成績的關鍵指標[10]。龔藝等通過K-means聚類,從參與、專注、交互三個維度分析了在線學習行為與學習績效的影響,將學習者聚類為四種不同類型[11]。

關于在線學習行為的研究多是從MOOC等依靠學生自主學習的在線學習環境平臺去探討,鮮有討論直播教學情況下學習行為投入與學習效果的研究。由于直播課程實時互動的特點產生了與在線教學不盡相同的數據形態,因此還需對直播環境下學生學習行為投入與學習效果的關系進行進一步探討。

2 研究設計

2.1 數據來源

本研究數據來源于一門基于釘釘平臺開啟的面向高職學生的計算機基礎課程。釘釘在線課堂是集溝通、協作、云端移動辦公的多端平臺,曾在2020年占據App應用商店下載榜首。課程一共包含16節課,每節課持續80分鐘。當下小班直播是最為典型的直播課形式之一,方便學生進行互動且易于記錄每個學生的行為動作,因此本文聚焦于小班直播。以某職業院校35名大學生為分析對象,在線學習數據包括出勤次數、遲到次數、曠課次數、資源訪問次數、作業提交次數與正確率、觀看總時間、師生交互、點贊次數、回看直播、作業完成數、實踐成績和理論成績。

2.2 直播課學習行為指標設計

國內外學者對在線行為投入的維度劃分進行了大量探討。狄克森在開發的《在線學習投入量表》中將在線學習投入分為交互、情感、技能和績效四個維度[12]。李爽在綜合國內外學習投入相關研究基礎之上,提出在線學習行為投入框架,包括參與、交互、堅持、專注、學術挑戰和學習的自我監控等六個維度[13]。劉司卓對直播課學習行為投入評價開展理論與實證研究,構建出包括規范遵守、社會參與以及學習參與的直播課行為投入評價框架,內含24個指標,如出勤表現、專注度、主動交互、面對困難等[14]。

本研究通過對已有研究進行梳理,再綜合考慮釘釘在線課堂中的實際功能特點,將直播學習行為分為參與、專注、交互、堅持四個板塊,對每個二級指標多個變量展示如表1所示?！皡⑴c”是指學習者投入到直播課的精力,表現為出勤次數、遲到次數、曠課次數、資源訪問次數、作業提交次數。作為在線課程學習最基本的維度,此維度體現了學生保持課堂秩序以及響應教師要求等方面的基本表現?！皩Ｗⅰ笔侵笇W習者完成學習內容和學習任務的程度,表現在作業正確率、觀看總時長,反映了學生注意力集中的程度以及學習者抗外界干擾的能力。“交互”是指學習者與教師之間進行互動的情況,表現為師生交互次數和點贊次數,適當交互有利于提升學生參與度和興趣,活躍課堂氛圍?！皥猿帧敝笇W習者為實現學習目標或學習任務而表現出持續性的努力[15],表現在回看直播、作業完成等方面,反映學習者在一段持續的時間里投入的精力,是遇到問題和困難時繼續努力的程度。

2.3 學習績效指標設計

學習績效是指學習者在參與平臺學習以后,可熟練靈活運用所學知識,并實現實踐能力的提升,其主要表現形式為學習成果的數量與質量,以及學習效益。為探究學生在直播課學習過程中掌握理論并轉化為實踐綜合能力的程度,需要對學習績效進行測量。為此將實踐成績和理論成績作為學習績效的兩項指標(采取百分制),并作為因變量,從上述四個維度開展實證分析,探究學習行為對學習績效產生的影響。

3 研究分析

3.1 直播學習行為和學習績效分析

3.1.1 直播學習行為分析

(1)參與分析。指標包括出勤次數、遲到次數、曠課次數、資源訪問次數和作業提交次數。其中,出勤次數范圍12—16次,均值為14.82,標準差為1.27;遲到次數范圍為0—7次,均值為2.03,標準差為2.22;曠課次數范圍為0—4次,均值為0.77,標準差為1.23;資源訪問次數范圍為7—12次,均值為9.25,標準差為1.29;作業提交數范圍為6—10次,均值9.62,標準差為1.01。上述數據表明,學生直播課的課堂表現、課后作業完成尚可,能夠完成教師的基本要求,反映出學生在直播課上受到了較為嚴格的監管。(2)專注分析。包括正確率和觀看總時間。其中學生觀看直播總時長范圍為7.1—16.7小時,均值為14.55,標準差為2.16;正確率范圍為0.28—0.82,均值為0.57,標準差為0.14。結果顯示,學生在正確率上存在較大差異,學生在直播平臺的平均時間雖處于中上水平,但仍難以保證學習質量,平均作業正確率較低,這與課程偏向講授實踐內容、作業側重理論考查有一定關系,也反映出直播學習的專注程度低。(3)交互分析。點贊次數范圍為0—33次,均值為15.09,標準差為7.71,差異較大;師生互動范圍為4—22次,均值為12.49,標準差為4.72。從數據看,其中點贊次數整體水平尚可,但最低值為0,學生參與課堂交互水平參差不齊,部分學生對直播課堂興趣低,學習積極性有待提高。(4)堅持分析。包括回看直播次數和作業完成次數?；乜粗辈シ秶鸀?—5次,均值1.31次,標準差1.16;作業完成范圍為2—10次,均值8.46,標準差為2.12。少部分學生課后遇到障礙時選擇繼續學習,且平均值較低,學生學習自覺度差異大。

3.1.2 直播學習績效分析

在學習績效中,分別用理論成績和實踐成績兩個指標作為評價依據。理論成績中最低分為45分,最高分為98分,平均分為74.62分,標準差為11.57;實踐成績中,范圍為43—100分,平均值為77.62分,標準差為14.46?？砂l現,學生實踐成績要優于理論成績,而學習成績越高也印證了學習績效越好。

3.2 聚類分析

為進一步分析學習行為模式對學習效果的影響,研究利用聚類方法對各個行為要素作為聚類變量進行分析。層次聚類和K-Means聚類為最常見的聚類方法,二者優缺點各有不同,本研究首先通過層次聚類確定聚類數,再利用K-Means算法聚類做進一步挖掘。

此實驗采用SPSS完成層次聚類,其中聚類方法采取組間鏈接法,距離測量區間采用平方歐氏距離,以“類別數”為橫軸,“聚合系數”為縱軸,繪制折線圖,如圖1所示。

圖1 層次聚類結果

由圖1可知,整條折線呈現下降趨勢,在類別數為4—6時下降驟緩,因此考慮將聚類類別數取此區間內,經多次試驗后,將聚類數設定為4。選用SPSS對樣本執行K-Means聚類,得出各指標顯著性水平見表2。

表2 K-Means聚類分析的ANOVA檢驗

由表2可知,除了作業提交次數以外,其他指標顯著性水平均小于0.05,即存在明顯差異。根據標準化的聚類中心結果顯示,第一類學習者有3人,占比8.6%,為“積極趕超型”。此類學生學習自信心強,能出色完成直播課學習任務,表現積極,各項學習行為表現均非常顯著。第二類學習者有11人,占比31.4%。此類學生為“認真拘謹型”,在課堂學習行為表現較突出,但課堂積極性較低,師生交互和點贊次數較低,雖認真上課但是缺乏主動交互,回看直播次數也低于第一類學習者。第三類學習者有15人,占比42.8%,為“積極敷衍型”。此類學生課堂專注、交互、堅持三個維度表現均低于第一類學習者,能遵守課堂秩序,但是在課堂交互、作業正確率、堅持學習等方面表現一般。第四類學習者有6人,占比17.1%。該類學生為“消極懶散型”,各項行為上表現欠佳,學習任務完成度低,大部分指標變量均值低于其他幾類學習者。在總體上人數分布呈現“兩頭小中間大”的趨勢,消極學習與勤奮學習的人數相對較少,“積極敷衍型”和“認真拘謹型”學習者多。

3.3 抽樣逐步回歸分析

本研究以直播學習行為投入的各項指標作為自變量,實踐成績和筆試成績作為因變量,利用SPSS26.0工具進行逐步回歸分析。選用此方法是由于多個變量指標相互之間會產生干擾,對解釋變量的影響也不盡相同。令每個學生實踐成績和理論成績各占0.5,相加后的值作為學生期末總成績進行分析研究。首先對各變量進行多重共線性檢驗,自變量VIF值均小于5,說明不存在共線性?；貧w結果如表3、表4所示。

表3 模型摘要e

表4 回歸分析結果系數a

ANOVA方差分析表顯示,顯著值≈0.000,說明自變量與因變量呈顯著相關關系。此外,模型自動優化依次剔除了如“出勤次數”“遲到次數”“曠課次數”“資源訪問次數”“作業提交次數”“觀看總時間”“回看直播次數”等無顯著統計學意義的自變量。模型估計的擬合優度R2在依次增加師生交互、點贊次數、作業完成、正確率等因素時,從0.767、0.864、0.925到最后0.926,說明模型的擬合效果較好,提升效果明顯。模型中德賓-沃森值為1.793,在0—4之間,說明殘差間相互獨立。根據多元線性回歸方程公式為:

Yi=β0+β1X1+β2X2+β3X3+…+βnXn

其中:Y作為因變量,X1,…,Xn為自變量,β是偏回歸系數,表示在其他自變量保持不變的情況下,某一自變量引起因變量變化的比率。從系數表可得出回歸方程為:期末成績=36.871+0.801×師生交互+0.517×點贊次數+1.608×作業完成+13.582×正確率。通過對回歸系數分析,期末成績與作業正確率、作業完成、師生交互和點贊次數正相關。其中作業正確率的系數為13.582,作業完成的系數為1.608,師生交互和點贊次數系數分別為0.801和0.517。專注維度中作業正確率對學習成績影響最大,其次是堅持維度中作業完成次數也對成績產生顯著影響,而交互維度中師生交互和點贊次數兩個指標與學習績效呈弱相關。

4 結論

4.1 直播課學生群體聚類分析

直播學習環境中,學生學習行為存在特定的行為模式,可以從學習者認知、學習習慣以及學習者個體特征等方面去解釋,不同的行為模式給教師的分類指導和教學提供了有力的支持。本研究通過對直播課中學生的學習行為特征聚類分析,將其分為了四類:(1)積極趕超型。此類學生在參與、專注、交互、堅持維度都表現優秀,期末綜合成績是四類中表現最高的。對此類學生在鼓勵其保持優秀學習習慣的同時,應為其提供更多比賽機會,增加一些挑戰性學習項目,激發其學習潛力。(2)認真拘謹型。在各項指標上均表現良好,在師生交互、點贊次數和回看直播次數上低于“積極趕超型”學習者。說明本類學生在參與和專注維度都表現不錯,但是在堅持和交互維度上表現一般,尤其是交互存在顯著差距。對此類學生要注重交流能力的培養,營造和諧互動的學習氛圍,設置小組活動,通過指派特定的任務或角色等鼓勵學生參與課堂之中,增強其學習互動性從而促進學習效果的提升。(3)積極敷衍型。此類學生與以上兩類學生有較大差距,指標多處于整體平均水平上下,在作業正確率上表現不太理想,專注、交互、堅持維度的表現都有待提升。此類學生需要家長和教師密切關注和及時干預,通過對學生心理和認知策略的不斷調節和指導,促進學習態度的轉變,進一步提升學習效果。(4)消極懶散型。此類學生理論和實踐成績都是四類中最低的,缺乏良好的學習習慣,各個維度都有待提升。對此類學生應高度重視,教師應主動加強深度溝通以了解學習中的主要問題,并予以有針對性地幫助。

4.2 影響直播課學習績效的主要因素

直播課學習行為投入和學習成績存在顯著相關,并具有較強的解釋性。通過回歸方程可知作業正確率、作業完成、師生交互和點贊次數對學習成績存在正向影響。其中作業正確率是影響學習成績最重要的因素,這與現實情況一致。此外,學生作業完成次數越多,學生的學習成績也越高?？赏茰y堅持和專注兩個維度的行為指標提高能極大改善學習表現。張治等人發現,提升學業成績的核心在于提升學習者的學習品質(如堅持、專注、反思等)等非學業方面的素質[15]。師生交互和點贊次數與學習成績呈現弱相關,這也從側面說明了并非是課堂互動越多,學生越能積極交流,學生就能夠取得更好的成績。有研究表明,過多的互動可能會分散學習者的注意力和精力,這與不同的教學環境、課程類型和學生個體差異等因素相關。學生參與行為普遍存在著淺層投入的現象,學習者在參與維度的基本學習行為雖差異較小,但學生學習成績分布卻各有不同?？梢娊處熾m依托實時音頻互動展開教學并規范課堂秩序、監督學習,但僅促進“參與”行為卻難以對學習績效產生有效提升。直播課教學中教師除了關注學生的基本行為如遵守課堂秩序等,更需提升學習者堅持、專注方面的表現。由于擁有更為靈活的學習空間,難以保證學生都全神貫注地學習,課后面對無教師監督,學生學習投入較為被動,堅持性差。特別是對成績處于平均水平以下且自控能力較弱的學生,教師要及時監控學習過程,糾正其違規行為,幫助學習者制定學習計劃。對于未能按時完成任務的學生予以更多的關注和幫助,有助于其良好學習習慣的養成。

4.3 建議

首先要增強學習者專注與堅持行為。提升學習者的堅持、專注等學習品質是有效提高學習績效的核心所在。專注的學生更能將注意力集中在學習內容和任務上,克服外界的干擾,積極思考,練習鞏固知識,開展深層次學習,完成知識的構建[16]。尤其是在直播課程中,隨著時間的增加,學生難以長時間保持對課堂的專注度,容易精神疲勞,受到網絡信息干擾。教師應合理安排課程內容,高效利用教學平臺設計出有趣味的優質課堂環境,引導學生反思總結,從而促進學生有意識地自主學習。鼓勵學生課后堅持學習,通過平臺發布豐富的學習資源,將個性化指導方案推送給不同類型的學習者,多方位監測學習過程,及時發現潛在問題。

其次要營造良好的課堂氛圍,加強多元交互。聚類結果顯示,“積極趕超型”學習者與“認真拘謹型”學習者雖在堅持、專注、參與維度表現無太大差距,但積極主動交流的學生能更主動進行知識的構建,實現高效學習。積極交互不僅影響自身學習成效,還會對整個班級教學成效產生影響。因此教師應該營造良好的課堂氛圍,提升課堂活躍度,在師生、生生相互影響中實現知識協同獲得。此外在直播課學習中,學生、教師、同伴、平臺、學習資源構成了學習共同體,應該注重多元間的交互,從傳統“師生”互動課堂向“生生”互動并行的模式轉變。