混合教學模式下學生學習滿意度影響因素的研究

摘要：基于社會認知、信息技術學和行為理論相關研究成果，文章選取9個變量構建混合教學模式下學生學習滿意度結構初始模型，利用結構方程分析法對初始模型進行修正，以確定可以與觀察數據契合的最終模型。混合教學模式下學生學習滿意度現狀結果表明，應關注混合式教學課程考核制度的完善、主講教師信息化教學技能培訓以及學生自我效能感的增強，以進一步提升學生的學習滿意度。

關鍵詞：混合教學；網絡課程；學習滿意度；結構方程模型

中圖分類號：G434? 文獻標志碼：A

0 引言

2019年10月30日，教育部印發的《關于一流本科課程建設的實施意見》中，提出課程是人才培養的核心要素，課程質量直接決定人才培養質量。樹立課程建設新理念，推進課程改革創新，嚴格課程管理，立起教授上課、消滅“水課”、取消“清考”等硬規矩。在此背景下，各高校紛紛立足課堂教學改革，依托互聯網、大數據、云計算等信息技術，探索“互聯網+”教與學模式的變革，將信息技術和課程資源整合的混合教學開始走進高校教學改革的實踐場域。近年來，經過不斷發展，混合教學已經成為我國高等教育教學改革的趨勢。

混合式教學是指教師與學生在傳統課堂教學和網絡在線教學相結合的情境下，以傳統課堂和移動終端設備為媒介，教師根據教學內容和學生接受程度合理安排教學活動，學生根據學習習慣和能力合理規劃學習進度的新型教學模式［1］。如今各高校混合教學探索正如火如荼進行中，然而學習者對混合學習模式是否感到滿意？有哪些因素影響了學生的學習滿意度？這些因素與學習滿意度之間有什么關系？這些因素之間如何相互影響？本研究將圍繞這些問題進行探討。

1 研究變量的確定及定義

在外因的考量上，主要以DeLone和Mclean所提出的D&M模型為理論依據，研究混合模式下網絡教學平臺的系統質量、內容質量以及服務質量與學生學習滿意度之間的關系［2-4］。人的外部行為受到人的內在活動概念影響，學生對混合教學方式的看法、學習態度、個人經歷、學習方式等的差異均會影響學習滿意度，同時，了解學生的內在需求也有利于提高系統品質，因此，在參照相關研究成果的基礎上，確定使用意愿、感知易用性、感知有用性、自我效能感及學習成就感作為影響學生學習滿意度的內在因素［5-9］。

2 研究假設與模型構建

借鑒學習滿意度相關實證研究成果，結合混合教學模式的實際特點，根據IS成功模型、技術接受模型、社會認知等理論基礎，本文構建了混合教學模式下學生學習滿意度初步結構模型，各個變量之間的關系用箭頭表示，假設箭頭起點處變量對箭頭終點處變量有正向影響，如圖1所示。

3 模型實證分析

3.1 數據收集

廣州商學院網絡教學平臺建設包括章節內容建設、輔助資料建設、教學準備、課前教學（含教師討論發布、學生課程學習、師生實時交流、教師教案備課等）、課堂互動、作業考核、考試考核、課程統計以及課程管理等內容。開展混合教學模式的教師根據本學期的教學任務提前在平臺上建設課程，導入教學班學生名單，并進行互動教學管理；及時給學生發布課程開課等相關通知；通過互動欄目給教學班學生布置、批閱作業，答疑和自測考試；通過討論區定期或不定期和學生交流互動、討論問題、解惑答疑。學生除了需要根據課表按時參加線下授課，還要完成線上課程的章節學習，包括觀看視頻、參與討論、完成作業以及考核等。

本研究基于混合教學模式下學生學習滿意度結構模型，編制調查問卷，問卷包括基本信息、學習滿意度影響因素和開放性問題3部分。以參與廣州商學??院2023年秋季學期混合教學課程學習的學生為調查對象，要求被調查者根據自己使用網絡教學平臺的實際情況和真實感受來回答，選擇非常同意、比較同意、一般、不太同意以及非常同意5個項，依次給予1～5分。

3.2 數據分析

問卷主要通過紙質版線下填寫和問卷星線上填寫2種方式進行發放。問卷共發放484份，回收450份，剔除填答不完整、所有題項答案都一樣等無效問卷，有效問卷共396份，占總樣本的81.82%。樣本數據的KMO值為0.941，Bartlett檢驗的具體結果如表1所示，sig顯著，表明樣本的相關矩陣有公因子，適合進行因子分析。

研究變量的測量指標總數為34個，各變量的Cronbachs α系數≥0.9，總體信度達到0.988，表明問卷題目間的一致性和穩定性較好，滿意度測量具有較高的可信度。各變量的AVE值均大于0.5，CR值均大于0.7，研究變量兩兩相關系數均小于相應變量AVE的平方根，表明各變量的區別效度良好，數據具有較好的收斂效度和區別效度。

3.3 模型分析

3.3.1 原始模型評價

使用AMOS軟件對初始模型進行分析，得到初始模型擬合指數結果，如表2所示。結果表明，卡方值和自由度的比值2.232，這個值可以接受。而RMSEA=0.120，大于MacCallum等［10］的推薦值，此外，AGFI=0.514，小于推薦值0.8，GFI、CFI、NFI、IFI的值均小于推薦值0.9。

系數估計結果的P值對模型路徑系數進行統計顯著性檢驗，UICQ、UISVQ、UIPU、UIPEOU、LSUI以及LSSE的系數都不顯著，如圖3所示。

綜上，可以認為模型擬合效果并不理想，需要對模型進行進一步調整和修正。

3.3.2 模型修正

修正模型主要通過刪除或者限制部分路徑，提高模型擬合程度，使模型結構更加合理，從而提高模型的正確性。UICQ、UISVQ、UIPU、UIPEOU、LSUI以及LSSE的路徑系數在0.01水平下不顯著，UIPU的P值為0.842，因此，首先考慮刪除P值較大的路徑。從實際意義來看，當今處于信息時代，數字原生代的學習適應能力較強，對信息技術敏感度高，這使得他們能夠很快熟悉和適應信息技術應用學習，從這個角度出發考慮感知易用性對使用意愿的影響并不大。基于路徑系數顯著性結果和現實意義，考慮刪除模型中感知易用性到使用意愿的路徑，得到模型M1。

（1）模型M1的評價及修正。

對模型M1進行分析，通過觀察擬合指數及路徑系數估計值發現卡方值與自由度的比值為2.216，GFI=0.601，CFI=0.896，NFI=0.867，均比原始模式的擬合指數得到改善，但是仍具有優化空間。而刪除感知易用性到使用意愿的路徑后，M1模型路徑系數以及顯著性水平都得到較大改善，因此，做出這種修正是有意義且有必要的。從中推斷系統的易用性與學生使用意愿之間關系不明顯主要是因為一方面目前系統均沿著簡單、易用的方向發展，在系統設計上更加人性、合理，因此，學生使用系統的意愿不會因為它操作簡單而有明顯的影響；另一方面，相較于傳統的純線下教學，學生對混合式教學更具有好奇心和探索欲，對使用平臺進行學習的態度本身就是積極的。

由于模型并未達標，需要繼續對M1做出修正。

M1路徑系數估計值顯示LSUI的P值為0.286，但是使用意愿影響學習滿意度有足夠的理論支撐，而從現實意義考慮，自我效能感的主觀性因素過強，個體有可能對自我判斷不準確，在對學習滿意度的影響上具有較多不確定因素，因此，考慮刪除自我效能感到學習滿意度的路徑，得到模型M2（見表4）。

（2）模型M2的評價及修正。

對模型M2進行分析，卡方值較M1有所減少，卡方值與自由度的比值為2.175，RMSEA=0.102，GFI=0.683，均比原始模式的擬合指數得到改善，但是仍然沒達到理想的擬合指標。由于模型的各個參數在0.05的水平下都是顯著的，下面將考慮通過修正指數對模型進行修正。

M2模型修正指標中可知，從內容質量（CQ）到感知有用性（PEOU）的路徑修正指數最大，為30.245。從現實角度考慮，內容質量越高，越會增加人們的認可度和好感，進而認為其對自己是有益的，從而提高感知有用性。因此，考慮增加從內容質量到感知有用性的路徑，得到模型M3。

（3）模型M3的評價及修正。

M3的模型擬合指數結果和路徑系數估計值分別如表6和表7所示。表6擬合指數結果中顯示，雖然自由度增加了，但是卡方值有所減少，卡方值與自由度的比值為1.97，達到較優水平，其他指數RMSEA、GFI、AGFI、NFI以及IFI的值均比原始模式的擬合指數值更合理和完善，比較接近理想的擬合指標，結合現實意義考慮，認為已經得到了擬合程度較為理想的結構化方程模型。

從M3的路徑系數估計值中可以發現，PEOUPU、LAPEOU、SEPU、SELA、LSLA和PEOUCQ的路徑系數在0.001水平上顯著，UISQ、UISE和LSUI的路徑系數在0.01水平上顯著，而其他假設的路徑系數均在0.05水平上顯著。綜上，結合現實意義考慮，認為M3為擬合程度較為理想的結構化方程模型。

最終得到的學習滿意度因素路徑模型如圖2所示。初始模型中的13條假設路徑中，除H8、H11外的11個假設內容均得到支持，并增加一條從內容質量到感知有用性的路徑。

3.4 開放性問題分析

通過對開放性問題“如果您還有什么想法和建議，請填寫”的調查結果進行統計后，總結問題主要集中在以下幾個方面。

3.4.1 課程學習進度提醒

由于每一章節的課程學習由老師設定開放時間，因此，當學生完成一個章節的課程學習后，老師會陸續發章節練習、作業、討論、下一個章節的學習內容并且對練習、作業和討論的時間作出限制。在這種情況下，同學們反映很容易錯過課程學習時間以及限定的練習和作業提交時間，因此，有大部分同學建議課程學習以及作業提交時間提醒能夠更加及時和到位，還有少部分同學建議能夠自主控制學習進度或者能夠在課程介紹中展示課程學習的時間安排。

3.4.2 線下課堂

關于線下課堂，同學們也有很多想法和建議。有些同學希望“線下課堂可以更有趣一點”“如果線下課堂能夠更好地調動學生積極性就更好了”“線下課堂的內容能夠更豐富一點”，還有些同學認為線上學習與線下課堂講授的內容有較多的重復，希望線上內容更加豐富，可以幫助開闊視野。

3.4.3 課程內容

有同學表示課程內容講解得很清晰，但是希望能夠更加有趣，講課方式更加靈活和多樣化，更貼合大家的需要，并且希望線上學習視頻能更加注重畫面上的豐富度。

3.4.4 師生交流

線上自主學習與線下課堂授課相結合的學習讓學習變得更加簡單和方便，但是由于學習任務較重，師生間的交流比較欠缺。有同學建議“希望老師能夠在線上多回答問題”，并且希望“能夠提供更多的途徑讓我們與老師交流”“通過線上與線下更加合理的時間分配，加強與老師的交流”，還有部分同學希望線上的老師回答問題能夠更加及時，為他們提供有效的反饋。

從問卷調查結果來看，同學們對混合學習模式的滿意度整體上還是比較高的，大多數的人已經接受、認同并且適應線上與線下相結合的學習方式，因此，當務之急是根據同學們的反饋意見和需求，做出相應的完善，提高混合教學模式下學生的學習滿意度。

4 結論與建議

4.1 結論

基于滿意度相關領域的理論知識，提出學生學習滿意度結構模型。通過問卷數據分析和修正后的結構方程模型顯示，影響學生學習滿意度的因素主要有：系統質量、內容質量、服務質量、感知易用性、感知有用性、使用意愿、自我效能感、學習成就感。

其中，使用意愿和學習成就感直接影響學生學習滿意度，而自我效能感則不會直接影響學習滿意度，但是影響使用意愿從而間接影響學生學習滿意度。內容質量、感知有用性、系統質量、服務質量按照路徑負載值大小不同程度直接影響使用意愿，從而影響學習滿意度，感知易用性并不會影響使用意愿。內容質量會影響感知有用性，感知有用性正向影響學習成就感，而學習成就感均直接影響自我效能感和學習滿意度。

4.2 建議

（1）在平臺建設上，學校應完善相關的規章制度，使網絡教學平臺和課程的建設、運行到后期的完善都更加制度化和規范化。部門之間應該相互合作和協調，做好前期的研究準備工作、中期的建設和運行以及后期的反饋和調整，加強系統質量、內容質量和服務質量的監控。保證系統質量，是平臺建設負責部門的責任。相關負責人應該從學習者需求角度出發，做好使用者需求調研，跟蹤師生使用滿意度，聽取使用反饋和優化意見，建設具有本校特色、交互友好、滿足學生需求的系統。

在運行管理上，學校層面應定期組織專家對線上課程建設以及混合教學工作進行考核，主要包括對課程建設的完善情況、學生參與互動情況、混合教學開展過程學生學習滿意度情況等內容進行考核，對考核合格及優秀的課程應給予對應的補助或獎勵。

（2）嚴格把關主講教師隊伍建設質量，教師需要轉變意識。線上授課與線下授課的方式和要求有所不同，教師要從混合式教學模式的實際情況出發，讓教學方式更加靈活多樣。老師在制定計劃的時候需要在開課說明處發布整個課程的具體教學安排，這樣學生可以提前對課程學習有更多的主動權和更好的學習計劃，并且充分考慮學生參與討論、提交練習和作業的時間，對課程課時設置有更加合理的分配，使學生有更加充裕的時間完成每一章節的學習。在課件以及練習的準備上也應該與時俱進，注重應用性與新穎性相結合，能夠充分調動學生的學習積極性和參與熱情。另外，課程助教老師要提升線上活躍度，加強與學生的交流和互動，對于同學們提出的知識性和技術性問題及時回答和反饋。

（3）從研究結果來看，感知易用性、感知有用性、使用意愿、自我效能感與學習成就感均不同程度影響學生學習滿意度，而這些因素均與學生主觀性相關，因此，從學生自身方面轉變學習觀念，加強自我管理至關重要。學生應該積極配合學校及老師開展教學工作，嚴格要求自己，培養高度的責任感，及時向學校、老師或相關部門反映學習過程中出現的問題，為學校和老師完善相關工作提供客觀真實的信息。同時，學生應該轉變學習觀念，開展混合教學只是提供一個更為方便、靈活的學習方式，而知識和技能的學習仍然有賴于學生自身的努力。因此，學生應該尋找有效的途徑增強學習自信心，培養自我學習能力。

參考文獻

［1］蘇真真.混合式教學實施的個案研究［D］.鄭州：河南大學，2020.

［2］劉林，吳金南，李吉昂.基于D&M模型的在線教育平臺質量指標構建與模糊綜合評價［J］.安徽工業大學學報（社會科學版），2022（5）：99-103.

［3］AL-BUSAIDI K A，AL-SHIHI H.Key factors to instructors satisfaction of learning management systems in blended learning［J］.Journal of Computing in Higher Education，2012（1）：18-39.

［4］RAMAYAH T，LEE J.System characteristics，satisfaction and E-learning usage：a structural equation model （SEM）［J］.Turkish Online Journal of Educational Technology，2012（2）：196-206.

［5］覃紅霞，李政，周建華.不同學科在線教學滿意度及持續使用意愿：基于技術接受模型（TAM）的實證分析［J］.教育研究，2020（11）：91-103.

［6］宋昊澤，趙婧，洪陽.高校師范生MOOC學習意愿研究：基于整合的TPB模型和TAM模型［J］.天津師范大學學報（社會科學版），2023（1）：74-80.

［7］方旭.MOOC學習行為影響因素研究［J］.開放教育研究，2015（3）：46-54.

［8］李妍，張瑞鋒.常態化疫情防控下混合式教學環境中學生學習行為意向影響因素分析［J］.高教學刊，2023（3）：62-65.

［9］江鳳娟.混合式教學環境中大學生學習的行為意愿影響因素研究［J］.電化教育研究，2021（6）：105-112.

［10］MACCALLUM R C，BROWNE M W，SUGAWARA H W.Power analysis and determination of sample size for covariance structure modeling［J］.Psychological Method，1996（2）：130-149.

（編輯 何 琳）

Research on the influencing factors of students learning satisfaction under the blended teaching mode

CHEN? Baoling

（School of Information Technology and Engineering，Guangzhou College of Commerce， Guangzhou 510000， China）

Abstract：? Based on the research results of social cognition， information technology， and behavioral theory， this article selects nine variables to construct an initial model of student learning satisfaction structure in the blended learning mode. The structural equation analysis method is used to modify the initial model to determine the final model that can be consistent with the observed data. The current situation of student learning satisfaction in blended learning mode indicates that attention should be paid to the improvement of the assessment system for blended learning courses， the training of information technology teaching skills for main teachers， and the enhancement of student self-efficacy to further enhance student learning satisfaction.

Key words： blended teaching; online course; learning satisfaction; structural equation model

作者簡介：陳寶玲（1991— ），女，高級工程師，碩士；研究方向：大數據分析與應用，教育信息化。