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。文章通過發放問卷的形式，運用因子分析法對問卷數據進行處理，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提升大學生線上學習效果的建議。

關鍵詞：因子分析;線上學習;問卷調查

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，還能為高校教師調整教學行為提供可行的思路，具有重要的現實意義。目前，關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，提出了影響學習成績和學習能力的四個維度。文靜[2]通過調查問卷分析得出，全面提升大學生學習滿意度可以歸結為結構式路徑和過程式路徑兩方面。但需要注意的是，線上教學會出現學生注意力容易分散，學習容易受網絡及學習環境的影響、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?，F有線上學習效果的研究主要側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 數據來源與研究方法

2.1樣本選擇與變量設定

針對福州地區的五所高校的經濟管理類學生進行抽樣調查，總共發放問卷95份，收回有效問卷90份，問卷有效率為94.7%。根據研究的目的，問卷設計分為兩部分，第一部分是對被調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結構，并進行降維處理的技術，因而能夠將具有錯綜復雜關系的變量綜合為少數幾個核心因子，使關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）將原始數據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，判斷數據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;（4）考察因子的可解釋性，必要時進行旋轉，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

為保證數據的可靠性和有效性，本研究采用SPSS23.0軟件，對數據進行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檢驗統計量的觀測值為201.078，顯著性為0.000，小于0.05，說明數據適合做因子分析。

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據所蘊含的信息。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。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。

根據旋轉后的因子載荷矩陣，獲得主成分因子的相關指標。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。

根據因子得分系數矩陣（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），綜合得分是根據各個因子的貢獻率進行加權求和，即為：

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

根據以上公式可以計算對各個學生的綜合得分情況。由于統計數據較多，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現，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，接近2，得分最低的依然是負數。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，說明教師經常性地基于學習任務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用能力方面要優于女生。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。針對以上研究結論，提出相應的對策建議：

（1）提高學生自主學習意識。與傳統的線下教學不同，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，比如為網絡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備。

（4）創新教學方式。要喚醒學生的自主學習性，興趣是重要的內在驅動力。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，創新教學方式。比如準備更多鮮活的案例穿插在課程當中調動學生求知欲，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].現代教育技術，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].現代教育技術，2017，27（6）：18-24.

[5] 余勝泉，王慧敏.如何在疫情等極端環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。