_基于归因理论的大学生网络学习行为和学习效果研究

基于归因理论的大学生网络学习行为和学习效果研究

本文主要以归因理论为基础，研究大学生利用网络的学 习行为与学习效果的关系。从相关文献来看，目前国内外学 者尚未明确界定网络学习行为的概念。本文所研究的网络学 习行为是指学习者以网络为媒介，利用现代信息传播技术设 施构成的全方位、多渠道进行的自主学习行为。它包括慕课、 微课、翻转课堂等公开课和Ｅ－learning等新的学习方式以 及其它远程学习行为，大学生通过网络学习，自主获取有关 专业知识、课程领域等方面的一些信息支持和帮助。它是一 个多维度、多层次的系统，是一种自我控制的、相对独立的 学习行为。研究大学生网络学习行为具有重要的理论意义和实践 价值。一方面研究大学生网络学习行为的特点有利于丰富大 学生学习行为的相关理论以便更好地指导教学实践；
另一方 面大学生在网络学习过程中，其学习行为不可避免地受到学 习者的内外部因素的影响并因此产生发展和变化，研究这些 行为和因素便于教师掌握学生学习情况，更有效地组织各种 网络教学活动；
同时，研究大学生网络学习行为也能够有效 地指导各高校课程教学平台建设、网络学习资源开发以及网 络教学管理等工作。笔者对大学生网络学习行为进行了相关 调查，发现大学生的网络学习仍然存在不少问题。科学分析 和研究大学生网络学习行为及其影响因素，有针对性地解决 这些问题，对于引导大学生正确认识与使用网络学习平台， 促进大学生网络学习能力的提高具有重要意义。

二、关于大学生网络学习行为和学习效果的相关研究 近年来，国内外学者对大学生网络学习的研究主要集中 在以下几个方面：
一是相关概念界定。学者刘中宇认为网络学习行为是指 以现代信息技术为支撑，学习者通过丰富的网络学习资源平 台和广阔的人际沟通学习环境进行自主学习并自我控制学 习行为的发生、发展和变化[3]。

二是探讨网络学习模型。以往的研究通过建立网络学习 者模型探寻行为和个性之间的关系。较早的研究如国外学者 Webster 和Hackley（1997）提出了一个基于技术的网络学习结果概念模型，认为学习态度与认知参与度、技术认可度 和有效性等是影响学习者参与网络学习结果的因素[4]。Du Jin等通过观测行为数据，提出一个新的概念叫做个性挖掘， 他将网络学习者模型分为个性模型和行为模型，并得出结论 利用这个模型分析网络学习者行为和个性的关系是非常有 效的[5]；
国内学者季志运用结构方程模型从资源及技术角 度探讨大学生网络学习行为的影响因素[6]；
李玉斌，严雪 松等构建了9个潜在变量的网络学习行为模型（USEBM），对 ５所高校进行了问卷调查，认为行为设计是影响大学生网络 学习效果的关键因素[7]；
宗阳,孙洪涛等构建了MOOCs学习 行为指标并应用逻辑回归对MOOCs学习数据进行分析,发现 了课程注册时滞、登录课程次数等指标与成绩正相关性[8]。

三是提出网络学习行为研究框架。Hannafin（2003）提 出了一个包括学习者、任务、教师、组织、交流和评价的网 络学习行为研究框架[9]。李玉斌，武书宁等通过问卷调查， 采用实证分析方法，从互动交流、在线偏好、坚持性、灵活 性和学习态度等五个方面测度大学生的网络学习行为，认为 互动交流和在线偏好两种行为因素能够较好地预测大学生 的整体学习效果[10]。

总的来说，这些关于网络学习行为的特征、影响因素及 相关应用研究在一定程度上解释了当代大学生的网络学习 行为和其学习效果的相关性，促进了当代大学生网络学习教 育的发展，但仍然存在一些问题和不足之处。一是网络学习行为测度的维度和层次还有待进一步地丰富。网络学习行为 不是一种简单的操作，它需要结合心理学将学习者的学习心 理因素以及外部环境因素进行关联；
二是关于大学生网络学 习行为和效果的研究较少基于大规模的调研，因此研究的结 果还不够贴近大学生的学习实际。鉴于此，本文拟结合影响 大学生学习行为的内外部因素，通过因子分析寻找影响大学 生学习效果最为关键的行为因素，同时通过相关分析发现大 学生学习行为模式与学习成效之间的关联度，最后通过线性 回归明确大学生的网络学习行为各个维度对大学生学习效 果的贡献，以达到正确引导大学生合理利用网络学习资源， 提高网络学习效果的目的。

三、研究的理论依据 本文主要以行为科学的归因理论为依据，检索和借鉴与 网络学习行为相关的国内外的文献中已有的量表项目和维 度结构，并将二者进行整合和提炼展开了本次调查研究。归 因理论（Attribution theory）是由美国心理学家伯纳德· 韦纳(B.Weiner，1974)提出来的，该理论属于激励理论的范 畴，主要运用于人力资源管理和社会心理学实践。所谓的归 因是指通过控制环境，对被观察者的行为实行激励和控制并 进行预测和评价，以此为基础对被观察者的行为过程进行因 果解释和推论。韦纳把归因分为三个维度：内部归因和外部 归因；
稳定性归因和非稳定性归因；
可控归因和不可控归因 [11－14]。基于对归因理论的理解，笔者将大学生网络学习的效果分为内部归因和外部归因两个方面，从能力高低，任 务难度、努力程度和行为偏好四个维度设计了《大学生网络 学习行为与学习效果的相关性研究调查》问卷，抽取了中南 林业科技大学各年级各专业共251名学生展开了较大规模的 调查和访谈活动。

四、研究与分析的过程 （一）变量的选取 （二）数据来源 本研究采用调查问卷的方式进行数据收集。问卷在中南 林业科技大学251名不同专业不同年级的在校大学生中随机 发放，本次调查时间为2015年11月10日到2015年12月25日。

如表１所示，调查共回收有效问卷251份，有效回收率为100%。

其中 男生占37.1%，女生占62.9%；
大一年级学生占1.6%，大 二年级学生占29.1%，大三年级学生占64.9%，大四年级学生 占4.4%，调查样本包括大一到大四的学生，其中大三的学生 最多占到总样本的65%,这是因为大三的学生完成了大部分 课程的学习，其学习为和学习成绩的衡量具有一定的代表性。

（三）探索性因子分析 本研究利用SPSS24.0软件进行问卷录入和数据分析，分 别以问卷总分最高的30%和最低的30%作为高分组和低分组， 对两组数据进行被试在各题项上得分平均数差异的显著性 检验，剔除差异不显著的题项。同时，计算各变量题项与总分的相关度，把相关系数低于0.3的变量题项删除。通过独 立样本的T检验结果，发现除了V1、V4、V7、V9等6个题项外 其它各变量题项都达到了显著性水平，因此，考虑将V1等题 项删除，保留下来的16道题项与总分的相关度分布在0.371 －0.834之间。

为了进一步完善问卷的结构，将以上16个题项进行因子 分析。得到如下的结果：通过对原有变量的考察，发现KMO 的值为0.757，概率P<0.000，表明该问卷数据可靠性较好适 合因子分析。用主成分分析法得到初始负荷矩阵，提取了6 个特征值大于1的因子，解释了方差变异中的55.648%。对这 16个变量题项进行正交旋转之后最终提取了4个公因子，解 释了方差变异中的73%，包含了评价指标的大部分信息。接 下来对因子载荷进行方差最大化旋转，通过每个公共因子包 含的高载荷评价指标的意义，给因子命名，以明确公共因子 所包含的信息[15]。

如表4所示，第一个公共因子方差贡献率为40.46%，在 所有设计学习能力评价的指标上具有较大的载荷，因此将第 一个因子定义为学习能力因子。第二个公共因子方差贡献率 为18.22%,在学习偏好指标上有较大的载荷，因此将第二个 因子定义为学习偏好因子；
第三个公共因子在努力程度这个 指标上有较大的载荷我们将之定义为努力程度因子；
第4个 因子在网络学习内容难易程度上有较大的载荷，将其定义为 难易程度因子。通过对以上4个公共因子方差贡献率的考察，我们得到 了如表６所示的结果。学习能力因子的相对权重超过了54%， 学习偏好因子相对权重占到了27.09%位列第二。

为了进一步分析学生网络学习行为与学习效果的关系， 继续计算因子得到表达式如下：F1=0.075V1+ 0.102V2+ 0.122V3-0.040V4- 0.243V5+ 0.104V6+ 0.121V7+0.081V8+ 0.116V9+ 0.137V10+0.141V11+0.139V12+0.165V13+0.129V14+0.118V 15+0.112V16。同样，我们也可以根据这个原理得到F2、F3 和F4的因子得分表达式。

（四）大学生网络学习行为与学习效果的相关性分析 建立大学生学习行为的指标体系后，运用 SPSS 统计分 析软件将学习行为与学习效果进行相关性分析,以此发现大 学生学习行为模式与学习效果之间的关联度。根据相关分析 结果进行归因分析。

从相关性检验来看，学习成绩与学习能力间的简单相关 系数为0.834，与努力程度之间的简单相关系数为0.396，因 此，我们认为当显著性水平α为0.05或0.01时，认为两者总 体存在线性关系。总的来说，学习效果将受到学习行为的正 向影响。从表7我们也可以看出，学习成绩与学习能力有较 强的相关关系，努力程度与学习成绩相关性也较大，而学习 偏好却与难易程度与学习效果相关性不是很大。

为了进一步明确大学生的网络学习行为各个维度对大学生学习效果的贡献，我们对其进行回归分析。回归分析的 一般步骤主要包括确定回归方程中的解释变量和被解释变 量、确定回归模型、建立回归方程、对回归方程进行各种检 验以及利用回归方程进行预测。通过散点图的结果，可以得 知能够对网络学习行为和学习效果的关系做线性回归分析。

以“学习能力”、“学习偏好”、“努力程度”和“难 易程度”为自变量，学生的学习成绩为因变量，采用逐步回 归法对网络学习行为和学习效果的关系做线性回归分析。从 分析的结果来看，大学生的学习能力和努力程度对其网络学 习的效果影响最大，学习偏好和难易程度对大学生的学习效 果也有较好的预测效果。从表8可知，回归方程为网络学习 效果＝2.915+0.286学习能力+0.198学习偏好+0.289努力程 度+0.129难易程度。

五、结论与建议 本文依据归因理论，借鉴了学者们的相关研究成果，采 集了251个样本进行问卷调查的访谈，运用实证分析的研究 方法，从学习能力、学习偏好、努力程度和难易程度等4个 维度对大学生网络学习行为及学习效果的关系、预测作用和 贡献进行了科学的分析，得出了4点主要结论与建议。

首先，大学生较强的动手操作能力对其学习效果有正向 的促进作用。大部分大学生学习能力较强，在网络学习时， 操作能力及动手能力都很强，能够很快地找到自己需要的网 络资料，较快地完成学习任务，并且能够将自己所掌握的新工具新技术运用到网络学习中。这可能与大数据前提下，学 生在初高中阶段的信息技术教育有一定的关系，大多数的学 生能够相对熟练地操作电脑。从学习能力因子与学习效果的 相关系数来看，大学生的学习能力跟学习效果有很强的正向 相关性。因此加强大学生学习能力的培养比如说开设一些选 修辅修课程，介绍一些计算机网络学习的方法和实用技巧， 使学生较好地掌握系统的计算机网络技术，促进大学生网络 学习效率的提高。

其次，大学生的努力程度跟学习效果存在较强正相关关 系。如果大学生经常进行网络学习，或者网络学习的时间主 要是用来学习与课程相关的内容，学习也非常努力，这样网 络学习效果较好。反之，那些网络学习的时间主要用来消磨 时间和不经常进行网络学习的学生学习效果相对较差。某种 程度来讲，态度决定高度。而积极努力的行为主要来源于对 网络学习的正确认识。大部分成绩较好的学生认为适当的网 络学习可以开拓视野，对课堂教学效果形成互补，提高学习 效率，是一种有效的学习方式。因为在网络学习过程中比较 努力，效率比较好。但在问卷调查中很多学生认为一些大学 生沉迷于网络并不是为了学习，而是大部分用来玩游戏和聊 天。因此学校在鼓励大学生网络学习的同时，引导学生自觉 自律，树立正确的学习观念，努力完成相关的学习任务。

另外，网络学习偏好与难易程度虽然与学习效果的相关 性不如前两个因子明显，但是也在一定程度上能够解释和预测大学生网络学习的学习效果。如果大学生主观上喜欢通过 网络学习完成学习任务，愿意选修网络教学的相关课程，经 常利用网络进行学习交流，或者认为网络学习的内容有一定 的创新性和挑战性，这样网络学习效果相对较好。由此可知 网络学习行为要特别注重学习的有效性。湖南大学教授姚利 民指出有效教学的特征包括正确的目标、积极地引导和高效 地组织、充分地准备等4个方面的特点[16]，因此高校教师 在引导学生进行网络学习时，一方面要积极引导学生的学习 兴趣，另一方面在课程内容的设计上应该有明确的引导目标 和任务，线上教学内容应该事先做好充分的准备，这样学生 的网络学习才会更有积极性和主动性，才会更高效。另外学 校也应该加强校园网教学平台的建设，积极培训和鼓励老师 们建立各种难易适中的微课慕课和翻转课堂，合理地将线上 线下考试和考核方式有效结合，吸引大学生利用网络学习积 平台积极探索和学习新的知识。

最后，大部分学生认为如今是大数据时代，大学生应该 利用好网络，好好学习，而学校也要多提供网络学习平台， 鼓励学生进行网络学习。一部分学生认为学生的学习效果还 跟学校的网络设施建设有一定的关系。大部分学生认为较好 的校园网络设施能够便利学生上网，能够提升学生网络学习 的热情，从而获得较好的学习成效。因此，建议学校注重校 园网特别是学校官网手机端的建设，如提高网速以及保持网 速稳定等。同时他们还觉得大学生地网络学习过程中，需要提高自控能力，要适当控制上网的内容和合理规划上网的时 间，才能取得更好的效果。

[1]尹铁燕,彭羽.翻转课堂研究述评[J].当代教育论坛， 2015，（01）：94-102. [2]中国互联网络信息中心（CNNIC）. 第三十八次中国 互联网络发展状况分析报告[R].北京：2016.５. [3]刘中宇，周晓.行为科学理论指导下的高校大学生网 络学习行为研究[J].中国电化教育，2008，（05）：46-48.