搜索
高师院校大学生网络学习动机影响因素的实证研究一、研究缘起学习动机作为影响学生学习的重要内部因素，是教育理论和心理学研究的重点领域之一。近几十年来，从皮亚杰到罗伯特·加涅再到约翰·凯勒，学习动机一直被看作是教学设计过程中一个重要的部分。然而，从传统课堂教学环境到多媒体学习环境再到网络学习环境，新媒体技术环境下的网络学习在变革传统的以训练和练习为主的行为主义学习方式的同时，也面临着如何才能有效激发和维持学生网络学习动机的困境。网络学习环境下教与学的弱控性决定了有意志力的、具有较高动机水平的心理努力、元认知自我监控等因素成为影响网络环境下学习成效的至关重要的因素。相关研究表明，要想抓住新技术所提供的机遇需要满足一定的条件，其中，学习者具有较高水平的心理努力、全身心的投入是最重要的。[1]那么，究竟哪些因素会对网络环境下学习者的学习动机产生重要影响？这些因素之间又有着怎样的相互关系？弄清楚这些问题，对提高网络环境下的学习成效具有重要意义。本研究通过对相关文献的梳理，在访谈研究和专家咨询的基础上提炼了Moodle平台支持下学生网络学习动机的影响因素，并采用系统工程的解释结构模型建模方法，构建了学生网络学习动机影响因素的层次结构模型，这一研究成果已发表。本文将在前期研究的基础上，通过教学实践，对影响学生网络学习动机的因素作进一步的调查研究，并深入分析各因素之间的效应关系，为一线教师有效开展基于Moodle平台的课程设计和教学，提高学生网络学习的动机及学习成效提供基于一线教学实践的、实证方面的支持。二、研究设计（一）研究样本与研究方法研究样本来自某高师院校教育技术学专业大三的学生，共85人。研究方法主要采用问卷调查法和结构方程模型法。在数据分析阶段，采用问卷调查法分析影响学生网络学习动机的主要因素，在模型验证阶段，采用结构方程模型法和线性回归分析法分析各影响因素之间的效应关系。（二）问卷设计通过对相关文献的梳理和分析，在访谈研究和专家咨询的基础上得出了基于Moodle平台学生网络学习动机的影响因素，涉及学习平台、辅导教师、学习者和课程学习等四个维度，包括平台功能与设计（FD）、辅导教师（CT）、学习活动设计（LA）、虚拟奖励（VR）、感知有用（PU）、感知易用（PE）、同伴交流与反馈（CF）、同伴协作与竞争（CM）、课程要求（SR）、学习任务难度（LD）、讨论主题（DT）、学习资源（LR）等12个因素。[2]依据上述研究成果，笔者编制了“基于Moodle平台学生网络学习动机影响因素的调查问卷”，并将学习平台层面、教师层面、学习者层面和课程学习层面作为问卷的一级指标。调查问卷分为三部分，共43个题目。第一部分是学生基本情况调查，共3个题项，调查学生的性别、登录Moodle平台次数和在线学习时间等；第二部分是学生网络学习动机影响因素分类调查，每个题项采用李克特（Likert）五点量表的形式（1～5分别表示非常同意、同意、一般、不同意、极不同意），共36个题项；第三部分是影响因素综合调查，共4个题项。（三）研究过程本研究以“教学系统设计”为试验课程，设计了基于Moodle平台的在线学习资源、学习活动和学习任务。在学生学习一段时间之后，采用访谈法对前期课程平台学习内容设计的效果以及学生在线学习的积极性进行了调研，对课程前期设计存在的问题与不足进行了阶段性总结。在此基础上，选取了“学习目标的分析与设计”专题作为研究干预，并对专题内容进行深入的设计。之后，采用调查研究法对学生网络学习动机的影响因素进行调研，依据调研结果对前期研究成果中的模型进行优化，并进一步分析各影响因素之间的关系。为了提高问卷设计的科学性和有效性，确保以准确的调研数据和客观的结果来分析问题，笔者先对调查问卷进行了试测，并于2012年6月通过网络发放调查问卷。为了检验问卷题项的适切程度，本研究采用项目分析法对受试者在每个题项的差异进行极端组检验和同质性检验。为进一步检验临界比值法分析得出的删除题项是否合理，本研究又采用相关分析法对问卷题项进行同质性检验，以确定不适切题项。综合项目分析和临界比值分析结果，将题项FD3、CT1、VR3、PE3和SR2进行删除，最终形成的正式调查问卷包括38个题目，其中封闭式问题34个，开放式问题4个。本研究的正式问卷发放时间是2012年11月22日，采用现场发放问卷的方式向使用课程学习平台的两个班级的学生进行问卷发放，并现场收回。问卷共发放85份，收回85份，回收率100%。问卷回收后，对问卷进行筛选，删除填答不全的问卷。通过对问卷的筛选共保留有效样本83份，回收问卷的有效率为97.6%。三、数据分析过程与结果（一）信度与效度分析1.信度分析本研究的信度分析包括内在信度分析和外在信度分析两个层面。内在信度采用的方法是Cronbach’salpha系数，而外在信度采用的是Guttman折半信度系数进行评价。参考吴明隆对多位学者关于Cronbach’salpha系数划分观点的梳理，本研究中的信度值以0.6为标准。[3]利用SPSS17.0软件对问卷的所有题项进行信度分析，结果显示问卷总体的内部一致性Cronbach’salpha系数值为0.806，标准化的Cronbach’salpha系数值为0.809，信度指标甚为理想。为了检验各因素内的题项是否达到信度要求，笔者又分别对各影响因素所包括的题项进行了信度分析。通过分析发现，各影响因素变量的Cronbach’salpha系数值范围是从0.702到0.824，信度指标比较理想。从Guttman折半系数来看，其范围为0.614到0.782，也达到信度要求水平。2.效度分析本研究通过因子分析来测量问卷的建构效度。在进行因子分析之前须对以下变量进行检验：KMO值、Bartlett’s球性检验、因素负荷和累积贡献率，其中KMO的指标值为0.6，因素负荷量需在0.45以上，此时共同因素可以解释题项变量的百分比是20%。[4]通过采用限定抽取因素法对各变量进行因子分析发现，在因素负荷量上，PU1、CF2和CM3的值均低于同层面其他因素的负荷量，表示与原层面的相关性不大，因此可以将之删除。在删除以上三个题项后，进行第二次因素分析发现，CM1在因子4的负荷量为0.585，在因子1的负荷量为0.542，表示其与CF层面也有相关性，而CF与CM在题项的内涵上也存在相关性。为了进一步探寻各因素的归类，采用非限定抽取因素法对各变量进行因子分析，从因子负荷量上可以看出，CF1、CF3、CM1和CM2的因子负荷均大于0.6，且明显高于对其他因子的负荷，说明这四个题项属于同一层面。根据分析结果，将题项CF1、CF3、CM1和CM2进行合并，CF1改为CM3，CF2改为CM4，四个题项同属于CM层面。至此，影响学生网络学习动机的因素共为11个。（二）问卷题项的描述性统计与分析1.个人因素的指标统计本次调查的有效问卷是83份，利用SPSS17.0对数据进行了初步的处理，从性别、登录Moodle平台频度、在线学习时间等三个方面对样本数据进行了描述性统计分析。从表1中可以看出，在性别比例上，被调查者中女生要多于男生；在登录Moodle平台次数上，大多数学生平均每周登录1～3次，少数学生登录4～5次，极少数学生选择5次以上或一次都不登录；从在线学习时间来看，多数学生在0.5～1小时之间，其次是0.5小时以内，只有少数学生是在1～2小时之间。通过以上分析可以看出，学生使用Moodle平台的外在行为频度和时间尚未达到较高层次，登录平台进行在线学习的积极性不高，这在一定程度上能够折射出学生网络学习动机不足这一现状。表1个人因素的统计分布2.一级指标的描述性统计与分析通过对问卷的四个一级指标进行数据处理，得出各层面的分析结果，见表2。从总和与均值来看，教师层面最能提高学生在线学习的积极性，其次是学习者层面，而平台层面对学生在线学习的积极性影响最低。为了了解每个学生的问卷选值与均值之间的差异程度以及学生问卷选值的整体离散程度，我们需要分析各层面的偏态量和峰态量。偏态量是指描述次数分布的偏态方向和程度的量数。当偏态量0时，分布为正偏态，选值低于均值；当偏态量（四）模型的建立与评估1.结构方程模型的建立依据结构方程模型分析的基本流程，本研究采用AMOS6.0作为研究工具，绘制了学生网络学习动机影响因素的结构方程模型。在结构方程模型中共有六个潜变量：辅导教师（CT）、感知有用（PU）、虚拟奖励（VR）、学习资源（LR）、学习活动设计（LA）、同伴协作与竞争（CM）。其中，辅导教师为外生潜变量，无须设定残差项，而感知有用、虚拟奖励、学习资源、学习活动设计、同伴协作与竞争为内生潜变量，需要设定残差项Y。此外，每个观察变量需设定一个误差值e。2.模型参数的估计模型参数的估计包括违犯估计和正态性检验。所谓违犯估计（OffendingEstimates）是指模型内统计所输出的估计系数，超出了可接受的范围，也就是模型获得了不适当解的情况。[5]在评价模型拟合度之前，须先检查“违犯估计”，分析估计系数是否在合理的范围之内。参照Hair、Anderson、Tatham与Black（1998）的定义，违犯估计包括两个方面：（1）负的误差方差存在；（2）标准化系数超过或太接近1（通常以0.95为界限）。通过分析发现，模型中误差方差的测量误差值范围是0.037到0.089，并无负的误差方差存在；模型中标准化回归系数的绝对值范围是0.194到0.610，皆未超过0.95，结果显示该模型并未发生违犯估计的现象，因此可以进行模型拟合度的检验。对样本的正态性检验可通过分析偏度系数和峰度系数的数值得到。当观察变量呈正态分布时，偏度系数和峰度系数都要接近于0。Kline（1998）认为当偏度系数3、峰度系数8时，研究者需要注意；当峰度系数20时，需要密切注意。[6]通过实际分析发现，各变量的偏度系数和峰度系数均接近于0，多变量的峰度系数也符合要求，临界比率值未超过2，说明各变量无异常值，可以进行模型拟合度的检验。3.模型拟合度的评估本研究参考了荣泰生在《AMOS与研究方法》一书中列举的测量指标，通过计算估计值得出模型拟合度输出结果，见表4。从绝对拟合指标来看，卡方值大于0.05，可认定该模型与数据拟合度良好，而GFI、RMR和RMSEA的测量值也在判断标准的范围内。从增值拟合指标来看，AGFI的值为0.945，满足拟合度的要求，而NFI、CFI和IFI的值也都接近于1。值得注意的是，虽然NFI的值较低，但在小样本与大自由度时，对于一个拟合度良好的假设模型，以NFI值来检验模型拟合度情况会有低估的现象。[7]通过以上分析可以看出，构建的结构模型具有良好的拟合度。表4模型拟合度测量指标图2学生网络学习动机影响因素的模型参数估计值通过对各变量进行参数估计，得出模型参数估计值，如图2所示。从图2中可以看出，除感知有用对虚拟奖励的路径系数为负值外，其他变量间的路径系数均为正值，说明感知有用对虚拟奖励并无正向影响。（五）模型假设检验结果通过对结构方程模型的统计检验分析，得出模型的路径系数与显著性结果，见表5。从表5中可以看出，H1、H2、H3和H9的路径系数均大于0.5，P值都达到0.001的显著性水平，假设都通过，说明辅导教师对感知有用、学习活动设计和学习资源有正向显著影响，学习资源对同伴协作与竞争有正向显著影响。H6、H7和H8的路径系数均大于0.4，P值都达到0.01的显著水平，假设都通过，说明学习活动设计对虚拟奖励和同伴协作与竞争有正向显著影响，学习资源对同伴协作与竞争有正向显著影响。H4的标注路径系数小于0，P值未达到显著，假设不通过，说明感知有用对虚拟奖励未有正向显著影响。从标准路径系数值的大小来看，H1、H2、H3和H9中的变量影响效应较强，而H5中的变量影响效应较弱。表5模型路径系数与假设检验结果分析（六）模型中同层级因素的相关分析为了进一步分析感知有用、学习活动设计和学习资源之间的影响效应以及虚拟奖励和同伴协作与竞争间的影响效应，本研究采用线性回归分析法对同一层面内的变