疫情背景下大學生線上學習效果的影響因子分析

巢文 錢曉濤

摘要：疫情背景下，線上教學成為各個高校落實“停課不停學”的主要途徑。文章通過發(fā)放問卷的形式，運用因子分析法對問卷數(shù)據(jù)進行處理，歸納出大學生線上學習效果的四類影響因子，分別是學生投入度、考核與互動、平臺體驗和教師投入度，并針對上述因素提出了有關(guān)提升大學生線上學習效果的建議。

關(guān)鍵詞：因子分析;線上學習;問卷調(diào)查

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）19-0017-03

1 引言

面對突如其來的疫情，線上教學已成為各個學校落實“停課不停學”的主要方式。探究大學生線上學習效果的影響因素，不僅能了解大學生線上學習情況，還能為高校教師調(diào)整教學行為提供可行的思路，具有重要的現(xiàn)實意義。目前，關(guān)于大學生學習效果影響因素的文獻主要集中在線下學習方面，如李強和盧堯選[1]從社會學的綜合性視角出發(fā)，提出了影響學習成績和學習能力的四個維度。文靜[2]通過調(diào)查問卷分析得出，全面提升大學生學習滿意度可以歸結(jié)為結(jié)構(gòu)式路徑和過程式路徑兩方面。但需要注意的是，線上教學會出現(xiàn)學生注意力容易分散，學習容易受網(wǎng)絡(luò)及學習環(huán)境的影響、在線交流不深入等問題[3]。因此線上教學不能全盤照搬線下教學的模式。現(xiàn)有線上學習效果的研究主要側(cè)重于理論方面的探討[4-5]，缺少實證分析。為了更全面地了解大學生線上學習效果的主要影響因素，本文采用因子分析法萃取具有共性的因子作為公因子，建立線上學習影響因子的評價體系。

2 數(shù)據(jù)來源與研究方法

2.1樣本選擇與變量設(shè)定

針對福州地區(qū)的五所高校的經(jīng)濟管理類學生進行抽樣調(diào)查，總共發(fā)放問卷95份，收回有效問卷90份，問卷有效率為94.7%。根據(jù)研究的目的，問卷設(shè)計分為兩部分，第一部分是對被調(diào)查者的基本情況進行了解。第二部分是基于研究大學生線上學習效果的影響因素所設(shè)計的測度指標，共有10個測量題項（見表1）。采用李克特五級計分衡量法和陳述句形式，根據(jù)大學生對測量指標的認同度分為“非常不認同”“比較不認同”“一般”“比較認同”“非常認同”，以數(shù)字“1”“2”“3”“4”“5”進行代替，題量得分越高代表該學生認為該因素越重要。

2.2 研究方法

因子分析法是一項用來找出多元變量的本質(zhì)結(jié)構(gòu)，并進行降維處理的技術(shù)，因而能夠?qū)⒕哂绣e綜復雜關(guān)系的變量綜合為少數(shù)幾個核心因子，使關(guān)鍵因子清晰地顯示在觀察者面前。因子分析的一般步驟如下：（1）將原始數(shù)據(jù)進行初步標準化處理;（2）采用KMO檢驗和巴特利特（Bartlett）球形檢驗，判斷數(shù)據(jù)是否適合做因子分析;（3）計算因子的特征值和方差累積貢獻率，并按一定標準確定提取因子個數(shù);（4）考察因子的可解釋性，必要時進行旋轉(zhuǎn)，得到最佳解釋方式;（5）如有必要，計算各個因子得分和綜合得分進行排序分析。

3 線上學習效果的因子分析

3.1因子分析

為保證數(shù)據(jù)的可靠性和有效性，本研究采用SPSS23.0軟件，對數(shù)據(jù)進行KMO和Bartlett球形檢驗，以判斷是否適合做因子分析。一般KMO的值越接近1，越適合做因子分析。由表2可知，KMO值為0.712，Bartlett檢驗統(tǒng)計量的觀測值為201.078，顯著性為0.000，小于0.05，說明數(shù)據(jù)適合做因子分析。

運用主成分方法進行因子的提取、特征值、貢獻率及累積貢獻率的計算。如表3所示，提取特征值大于1的四個公因子，累積貢獻率達到69.088%，說明這四個公因子足夠表達原始數(shù)據(jù)所蘊含的信息。把提取的四個公因子分別用F1、F2 、F3和F4表示。同時，通過碎石圖（圖1）確認因子個數(shù)。圖中曲線從第5個因子開始變得逐漸平緩，因此取4個因子較為適合。

根據(jù)旋轉(zhuǎn)后的因子載荷矩陣，獲得主成分因子的相關(guān)指標。如表4所示，可以看出因子F1對X1、X2、X3 、X4、X5有較大載荷，反映了學生積極參與線上討論、及時完成作業(yè)和自主進行課前預習和課后復習的情況，可以命名為學生投入度因子;因子F2對X7和X8有較大載荷，主要反映了教師線上提問、教師考核學生等情況，可將其命名為考核與互動因子;因子F3對X9和X10有較大載荷，代表了線上教學平臺的使用情況，可以稱為平臺體驗因子;因子F4對X6有較大載荷，代表教師為了集中學生注意力，進行視頻和案例的穿插講解，可命名為教師投入度因子。

根據(jù)因子得分系數(shù)矩陣（表5），得出四個公因子的計算模型，再由此可以計算出學生在線學習效果的綜合得分（記為F），綜合得分是根據(jù)各個因子的貢獻率進行加權(quán)求和，即為：

[F=27.07569.088F1+16.87669.088F2+13.61269.088F3+11.53469.088F4]

根據(jù)以上公式可以計算對各個學生的綜合得分情況。由于統(tǒng)計數(shù)據(jù)較多，無法逐一羅列，因此在表6中僅列出排名前10名的學生得分情況。

3.2 結(jié)果分析

由表6因子得分、綜合得分以及排名可以看出：

從得分和排名可以發(fā)現(xiàn)，綜合得分排在第1名的學生，在學生投入度、平臺體驗兩個因子方面得分都比較靠前，但教師投入度方面排在第9位。學生投入度因子F1方面，學號為77的男生得分最高，分值接近2，而學號為40的男生得分最低，分值接近-0.5，線上投入度較少。該因子下的排名與綜合得分下的排名一致，說明學生自身的投入度是影響線上學習效果的最重要因子?？己伺c互動因子F2方面，最高得分為正數(shù)，接近2，得分最低的依然是負數(shù)。與因子F1相較，互動與考核因子的分值超過1的有8個學生，說明教師經(jīng)常性地基于學習任務(wù)的線上小測和互動有助于提高學生的注意力。平臺體驗因子F3方面，得分最高的超過2，最低的接近-0.1。該因子下，排在前兩名的都是男生，說明男生在平臺的應(yīng)用能力方面要優(yōu)于女生。相較于其他因子，教師投入度因子F4的得分總體偏低，最高得分只有1.18，說明教師在線上的投入程度略顯不足。

4 結(jié)論與對策建議

本文采用因子分析法探究了影響大學生線上學習效果的關(guān)鍵因素，通過主成分提取因子法將影響線上學習效果的因素分為四個類別，分別是學生投入度因子、考核與互動因子、平臺體驗因子和教師投入度因子。針對以上研究結(jié)論，提出相應(yīng)的對策建議：

（1）提高學生自主學習意識。與傳統(tǒng)的線下教學不同，線上教學中學生的行為和學習進度不受教師控制，很容易受外界影響，因此其自我管理能力顯得尤為重要。鑒于此，高?？梢蚤_展思想教育講座，一方面改善大學生線上學習的態(tài)度，提高線上學習主動性和參與性。如課前提前預習，課上主動提問，課后勤于復習。另一方面，激勵具有自律能力的學生保持此水平繼續(xù)學習。

（2）探索多元化的考核與互動方式。教師在教學中除了采用課堂提問、隨堂測試等方式外，還可以采用互動式、探討式的教學方式調(diào)動學生學習的積極性。比如采用小組討論的方式，提高學生投入的積極性。

（3）加強在線平臺的維護和管理。面對眾多的線上教學平臺，很多老師由于對平臺功能了解不足，操作不熟練，導致浪費大量時間和精力在軟件的調(diào)試上，降低了教學時間的有效性。因此，高校在開課前要組織教師對平臺進行培訓，從而能盡快熟悉在線平臺的各類操作。最后，高校的管理部門要做好后勤保障工作，比如為網(wǎng)絡(luò)學習有困難的學生提供解決方案，為需要錄播的教師提供錄播場地和輔助設(shè)備。

（4）創(chuàng)新教學方式。要喚醒學生的自主學習性，興趣是重要的內(nèi)在驅(qū)動力。線上教學由于教師無法跟學生面對面，很難捕捉到學生的情緒，如果還沿用線下填鴨式的教學方法，必然很難調(diào)動學生的學習積極性。因此，特殊時期教師要靈活選擇講授方法，創(chuàng)新教學方式。比如準備更多鮮活的案例穿插在課程當中調(diào)動學生求知欲，還可以讓學生分享視頻音頻等方法促進學生參與。

參考文獻：

[1] 李強，盧堯選.學生學習成績和學習能力影響因素之研究——四個維度的分析框架初探[J].西北師大學報（社會科學版），2019，56（3）：5-14.

[2] 文靜.大學生學習滿意度的提升路徑及優(yōu)化方略[J].國家教育行政學院學報，2019（8）：58-65.

[3] 沈宏興，郝大魁，江婧婧.“停課不停學”時期在線教學實踐與疫后在線教學改革的思考——以上海交通大學為例[J].現(xiàn)代教育技術(shù)，2020，30（5）：11-18.

[4] 吳青，羅儒國.基于在線學習行為的學習成績預測及教學反思[J].現(xiàn)代教育技術(shù)，2017，27（6）：18-24.

[5] 余勝泉，王慧敏.如何在疫情等極端環(huán)境下更好地組織在線學習[J].中國電化教育，2020（5）：6-14，33.

收稿日期：2021-09-22

基金項目：國家自然科學基金項目（11871152）;福建省自然科學基金項目（2021J01330）;福建工程學院本科教改項目（jg2021023）。

作者簡介：巢文（1988—），女，博士，講師，研究方向：風險管理與資產(chǎn)定價;錢曉濤（1984—），男，博士，副教授，研究方向：隨機過程與非線性分析。