最新消息

白雪梅 等 | 谁会成为在线学习的赢家 ——K12学生在线自我调节学习能力及其影响

中国教育信息大全 2021-04-07 04:46

【刊载信息】白雪梅,尹欢欢,顾小清. 2021. 谁会成为在线学习的赢家——K12学生在线自我调节学习能力及其影响[J]. 中国远程教育(3):36-44.


【摘要】自我调节学习作为一种重要的学习策略对在线学习至关重要,学生能否在在线学习环境中取得成功在很大程度上取决于其在线自我调节学习能力,因此对K12学生在线自我调节学习开展研究对于促进基础教育领域在线教育实践发展具有重要指导意义。本研究以新冠肺炎疫情期间参与在线学习的981名中学生为研究对象收集数据,探究我国K12学生在线自我调节学习能力水平、差异及其对学生学习成果的影响。研究发现:①绝大多数学生的在线自我调节学习能力处于中等水平,高水平者较少。②学生在线自我调节学习能力在性别上不存在显著差异,但在年级和区域上存在显著差异,不同学段学生在线自我调节学习能力呈现出“两端低中间高”特征;不同地区学生在目标设置、环境建构、任务策略、时间管理、寻求帮助和努力调节六方面均存在显著差异,事后多重比较分析显示省会城市和地级市学生显著高于县城和农村地区学生。③多元回归分析发现学生在线自我调节学习能力对学习满意度和感知学习均有显著影响。基于以上研究发现,研究就如何促进学生在线自我调节学习能力发展提出了针对性建议。


【关键词】新冠肺炎疫情;在线学习;自我调节学习;在线自我调节学习;学习策略;感知学习;学习满意度;中学生


一、

背景及研究问题提出


教育部于2020年1月发布了《关于2020年春季学期延期开学的通知》,全国各地学校陆续开始实施“停课不停学”应急方案,学生通过在家(非正式)学习的方式开始了在线学习。这种形式的学习缺乏教师监管,同时在线和非正式两种属性决定了其更加强调学生的自我引导和监控(邓国民, 等, 2018),更需要学生进行自我调节。作为一种重要的学习策略,自我调节学习要求学生具备一定的认知、元认知和资源管理策略,从而对学习进行计划、监控和反思。学生对于认知和行为的自我调节对于学习的发生和学习结果至关重要,研究表明自我调节学习策略的使用与学习成果之间存在显著关联(Dent & Koenka, 2016; Broadbent & Poon, 2015)。

在线学习的本质特征决定了在线自我调节学习是在线学习的重要组成部分,要求学生具备计划和监控在线学习行为的能力(Ally, 2004)。学生是否能在在线学习环境中取得成功在很大程度上取决于其在线自我调节学习能力(Wang, Shannon, & Ross, 2013; Serdyukov & Hill, 2013),缺乏自我调节学习能力是在线学习失败的一个重要原因(Lee & Choi, 2011)。学生需要使用多种策略监控和调节自身学习过程,以确保可以从在线学习中学到知识与技能,在线自我调节学习能力高者更能从在线学习中受益。

自我调节学习能力对在线学习的重要性已受到学术界的一致关注。一些研究者开始关注自我调节学习能力对学生学习成效的影响。理论上,学生在学习过程中通过使用自我调节学习策略,以一种结构化的、有目的的方式获取、加工和存储知识,从而影响学习成效(Broadbent & Poon, 2015)。Broadbent(2017)以606名学习者为研究对象收集数据,发现在线自我调节学习能力对成绩有影响。邓国民等(2016)以245名大学生为研究对象,就在线学习环境中自我调节学习行为对学习成效的影响进行了研究,发现在自我调节学习过程中不同阶段的学习行为之间相互影响,并且对学生的在线学习成效有影响。蒋志辉等(2018)以751个成人学习者为研究对象收集数据,就教师支持影响学生在线学习满意度这一路径中自我调节学习能力所发挥的调节作用进行了探究,发现在线自我调节学习能力在教师支持对学生满意度的影响路径中存在调节效应。邓国民等(2018)对国内外自我调节学习研究进行了综述分析,梳理了自我调节学习研究的起源、现状以及未来发展趋势,发现在技术支持的学习环境下,如何更好地支持学习者在在线学习环境中进行自我调节学习将是未来重要的研究方向。但这需要对学生在线自我调节学习现状进行调查,找到学生在线自我调节学习存在的缺陷,以便设计有针对性的能力提升策略,更好地支持学生进行在线自我调节学习。然而,目前国内关于学生在线自我调节学习能力现状的研究较为缺乏,鲜有研究关注。

本研究针对新型冠状病毒肺炎疫情下“停课不停学”方案,探究我国K12学生在线自我调节学习能力现状及其对学习成果的影响,旨在为提高学生在线自我调节学习能力提供参考。具体研究问题有:学生在线自我调节学习能力总体水平如何?自我调节学习是一个包含目标设置、时间管理及环境构建等多维度的复杂变量,学生在其不同维度上的表现如何?不同性别、年级、区域的学生在线自我调节学习能力是否存在差异?在线自我调节学习能力是否对学生的在线学习成果产生影响?具体来说,通过对学生的在线自我调节学习能力进行测量,找到其中的短板,从而为教师设计与实施旨在发展学生在线自我调节学习能力的干预措施提供针对性建议,帮助学生掌握必要的在线自我调节学习知识与技能,从被动的倾听者转变为主动计划、监控和管理自己学习的自我调节者,学会如何进行高效且有意义的在线学习,成为一名高水平的在线自我调节学习者,以从在线学习中获益,提高在线学习能力。


二、

研究方法与过程


(一)研究工具

研究者经常使用Pintrich、Smith和Garcia(1993)开发的《学习动机策略问卷》(Motivated Strategies for Learning Questionnaire,MSLQ)对学生在传统面对面学习环境中的自我调节学习能力进行测量。然而,自我调节学习是一个基于特定环境的过程(Zimmerman, 1998),在线学习环境与面对面学习环境存在很大差异,在传统学习环境中有效的《学习动机策略问卷》不完全适合在线学习环境(Barnard, Lan, To, Paton, & Lai, 2009)。鉴于此,Barnard等(2009)开发了《在线自我调节学习问卷》(Online Self-regulated Learning Questionnaire,OSLQ),该量表被广泛用于测量学生在线自我调节学习能力。因此,本研究使用OSLQ,该量表包含目标设置(goal setting)、环境构建(environment structuring)、任务策略(task strategies)、时间管理(time management)、寻求帮助(help seeking)和自我评价(self-evaluation)六个维度,其中自我评价反映的是自我调节反思阶段学生对于自身学习的反思与评估。本研究关注自我调节学习中计划与执行阶段学生的在线学习策略,因此本研究删除了自我评价维度,增加了《学习动机策略问卷》中的同伴学习(peer learning)和努力调节(effort regulation)两个难度,二者反映的是自我调节学习执行阶段的关键策略。努力调节指为完成学习目标控制自己付出努力并对自我努力进行管理的能力(Pintrich, Smith, Garcia, & McKeachie, 1991),如即使感到学习无趣或有难度也依然能集中注意力进行学习。同伴学习对学业成就有积极影响,与同伴的对话可以帮助学习者深入理解课程内容,获得新见解(Pintrich, et al., 1991),在缺乏面对面交流的在线学习环境中同伴学习应该被优先考虑(Broadbent & Poon, 2015)。

经过上述修改,最终形成了包含7个维度、29个测量指标的《在线自我调节学习能力测量量表》。量表采用李克特五点计分法,得分越高表示学生具有越强的在线自我调节学习能力。采用Cronbach’s α系数表征量表信度,量表整体的Cronbach’s α系数为0.966,目标设置、环境构建、任务策略、时间管理、寻求帮助、努力调节与同伴学习的Cronbach’s α系数依次为0.824、0.870、0.910、0.889、0.920、0.896、0.921,以上系数均大于0.7,说明量表信度较高。

研究使用Mplus软件对样本数据进行了验证性因素分析,结果显示:χ2/df=2.894,CFI=0.971,TLI=0.966,RMSEA=0.044,表明量表具有良好的结构效度。由于所有变量均是研究对象基于问卷进行的自我报告,可能存在共同方法偏差。因此,使用AMOS软件进行了两种方法的检验。首先,Harman单因子检验表明,单因子模型拟合度很差(χ2/df=15.762,CFI=0.757,TLI=0.736,RMSEA=0.124),不可测量潜在方法因子表明加入方法因子的模型(χ2/df=4.351,CFI=0.952,TLI=0.940,RMSEA=0.059)并未优于原模型,这表明不存在严重的共同方法偏差。

Shin(2003)编制的《学习满意度测量量表》被广泛用于测量学生对于在线及混合学习体验的满意度(如:Laves, 2011; 马红亮, 等, 2019)。该量表从三个不同层次对学生学习满意度进行调查:学生对于学习体验的满意程度、愿意继续参与该(或类似)学习体验的程度、愿意将该(或类似)学习体验推荐给他人的程度,这种递进式的测量方式对于学习满意度的测量较为全面。因此,本研究从Shin(2003)编制的学生满意度量表中摘选了3个题项,用来测量学生对于在线学习的满意度,满意度的Cronbach’s α系数为0.913。McCroskey、Richmond、Sallinen、Fayer和Barraclough(1995)编制的《感知学习量表》具有很高的信效度,被广泛用于相关研究,因此本研究将该量表用于调查学生参与在线学习之后自己主观认为自身取得的学习成效。

(二)数据收集过程

研究者将确定好的量表编辑到问卷星中,形成调查问卷。之后,以我国西部某省中学生作为调查对象,将调查问卷的链接发送给教师,教师转发给学生,邀请学生以自愿方式参与调查。调查时间为2020年3月6—13日,最终收回1,081份样本数据。对样本数据进行预处理,以被试各题项平均作答时间不少于2秒为标准(Huang, et al., 2012)删除了120个样本,剩余961个样本作为有效样本。其中,男生407人(42.4%),女生554人(57.6%);七年级57人(5.9%),八年级350人(36.4%),九年级42人(4.4%),高一年级146人(15.2%),高二年级305人(31.7%),高三年级61人(6.3%);省会城市287人(26.52%),地级市126人(11.65%),县城492人(45.47%),镇(或乡村)177人(16.36%)。对预处理之后的样本数据进行了描述性统计分析,分析结果显示所有测量指标的峰度系数均小于临界值5,说明数据呈正态分布。


三、

研究结果


(一)学生在线自我调节学习能力现状

为了解学生在线自我调节学习能力现状,研究对学生在线自我调节学习能力总分及各维度得分的均值、标准差、最小值、最大值进行了分析。另外,根据全体有效被试在线自我调节学习能力(含7个维度)的总均分(M)及其标准差(SD),将所有被试按照总分<M-SD、M-SD≤总分< M+SD及≥M+SD的标准分为低、中、高三个组,分析各组人数以及占总数的百分比,以进一步探究被试在线自我调节学习能力现状。

由表1可知,学生在线自我调节学习能力最低得分为29分,最高得分为145分,均值为107.2分。13.4%的学生在线自我调节学习能力处于高水平,73.5%的学生处于中等水平,13.1%的学生处于低水平。可见,绝大多数学生在线自我调节学习能力处于中等水平,处于高水平和低水平的学生人数较少。就在线自我调节学习能力每个维度而言,学生得分均值从高到低依次为:任务策略(22.43分)、寻求帮助(20.98分)、时间管理(15.60分)、环境构建(15.31分)、努力调节(11.61分)、目标设置(11.19分)、同伴学习(10.11分)。可见,学生在任务策略上得分均值最高,在同伴学习上得分均值最低。另外,在任务策略得分中,处于高水平的学生占16.3%,处于中等水平的学生占65.2%。在寻求帮助得分中,处于高水平的学生占13.0%,处于中等水平的学生占74.5%。可见,虽然学生在这两个维度上的得分均值相对较高,但是处于高水平的学生所占比例较低,表1绝大多数学生处于中等水平。


表1 K12阶段学生在线自我调节学习能力现状(n=961)


(二)学生在线自我调节学习能力差异

1. 不同性别学生在线自我调节学习能力差异分析

研究采用独立样本t检验分析不同性别学生在线自我调节学习能力总体及七个维度上的差异,分析结果见表2。总体上,不同性别学生在线自我调节学习能力不存在显著差异(P=0.055,P>0.05),女生总体在线自我调节学习能力均值略高于男生。具体来看,不同性别学生在目标设置、任务策略、时间管理和努力调节上均存在显著差异,且均表现为女生得分高于男生,而男女生在环境建构、寻求帮助和同伴学习上不存在显著差异。


表2 学生在线自我调节学习能力性别差异分析(n=961)


2. 不同年级学生在线自我调节学习能力差异分析

为了解不同学段不同年级学生在线自我调节学习能力差异情况,本研究分别对初中三个年级和高中三个年级学生进行差异分析。

(1)初中生在线自我调节学习能力年级差异分析

首先,对初中各年级样本数据(n=449)进行方差齐性检验,发现在线自我调节学习能力所有维度均满足方差齐性,说明样本数据适合做单因素方差分析。单因素方差分析结果见表3。总体上,初中不同年级学生在线自我调节学习能力存在显著差异,八年级学生显著高于七年级学生。LSD事后多重比较分析发现,八年级学生在目标设置、环境构建、任务策略及时间管理上的得分均高于七年级学生,并存在显著差异,而在其他维度上均不存在显著差异。此外,八年级学生在任务策略上显著高于九年级学生,九年级学生在时间管理上显著高于七年级学生。


表3 初中生在线自我调节学习能力年级差异分析(n=449)

注:**,P<0.01。


(2)高中生在线自我调节学习能力年级差异分析

对高中各年级样本数据(n=512)进行方差齐性检验,发现在线自我调节学习能力所有维度均不满足方差齐性。因此,使用Welch’s ANOVA方法进行差异分析,并采用Games-Howell test进行事后多重比较(张文彤, 董伟, 2014),结果见表4。总体上看,高中各年级学生在线自我调节学习能力总体及7个维度上的得分均存在显著差异,高二年级学生显著高于高一年级学生。Games-Howell test事后多重比较分析表明,高二学生在目标设置、任务策略、时间管理、寻求帮助、努力调节和同伴学习维度上的得分均显著高于高一学生。此外,高二学生在任务策略上得分显著高于高三学生,高三学生在同伴学习上得分显著高于高一学生。


表4 高中生在线自我调节学习能力年级差异分析(n=512)

注:**,P<0.01。


3. 学生在线自我调节学习能力区域差异分析

对整体样本数据进行方差齐性检验,发现样本数据在在线自我调节学习能力总体和时间管理与努力调节这两个维度上满足方差齐性,其他维度均不满足方差齐性。因此,对于目标设置、环境建构、任务策略、寻求帮助及同伴学习,采用了Welch’s ANOVA分析方法;对于时间管理、努力调节及在线自我调节学习总体,采用了单因素ANOVA方差分析方法,结果见表5。总体上看,不同地区学生在线自我调节学习能力得分存在显著差异(P=0.000,P<0.05)。除同伴学习外,不同地区学生在目标设置、环境建构、任务策略、时间管理、寻求帮助和努力调节上均存在显著差异。事后多重比较分析显示,省会城市和地级市学生的得分明显高于县城和农村地区学生。


表5 学生在线自我调节学习能力区域差异分析(n=961)

注:**,P<0.01。


(三)学生在线自我调节学习能力对学习成果的影响

1. 学生在线自我调节学习能力对感知学习的影响

研究以自我调节学习能力的7个维度为自变量,以感知学习为因变量,使用SPPS21.0进行多元线性回归分析,结果见表6,模型的调整判定系数R2 为0.328,说明模型拟合度可以接受。回归模型显著性接近于0,F=67.849,P<0.05,说明该回归模型具有统计意义。由表6可知,目标设置(β =0.14,P <0.05)、任务策略(β =0.07,P <0.05)和时间管理(β =0.17,P <0.05)的回归系数显著。由此可见,在线自我调节学习能力中的目标设置、任务策略和时间管理均对学生感知学习有显著影响,其余4个维度对学生感知学习无显著影响。另外,目标设置(β=0.14,P=0.00)和时间管理(β=0.17,P=0.00)的回归系数较大,说明其对学生感知学习的影响相对较大。


表6 学生在线自我调节学习能力对感知学习的回归分析


2. 学生在线自我调节学习能力对学习满意度的影响

以自我调节学习能力的7个维度为自变量,以学习满意度为因变量,使用SPSS21.0进行多元线性回归分析,结果见表7。模型的调整判定系数R2 为0.451,说明模型拟合度可以接受。回归模型显著性接近于0,F =111.993,P<0.05,说明回归模型具有统计意义。由表7可知,目标设置(β =0.14,P <0.05)、环境建构(β =0.07,P <0.05)、任务策略(β =0.09,P <0.05)、时间管理(β =0.20,P <0.05)、寻求帮助(β =0.07,P <0.05)和同伴学习(β =0.10,P <0.05)的回归系数显著。由此可见,除努力调节外,在线自我调节学习能力其他6个维度均对学习满意度有显著影响,并且目标设置、时间管理和同伴学习的回归系数较大,说明其对学生学习满意度的影响相对较大。


表7 学生在线自我调节学习能力对学习满意度的回归分析


四、

结果分析与研究建议


(一)进一步提高学生在线自我调节学习能力

学生在任务策略与寻求帮助维度上的得分相对较高,在时间管理和环境构建维度上的得分次之,在努力调节、目标设置与同伴学习维度上的得分相对较低,原因可能有以下几个方面:

首先,学生都有固定课表,这在一定程度上有助于时间管理。此次调查对家长给予的支持进行了调查,70%的学生表示家长会提醒和督促他们进行学习,为他们提供了专门的学习场所。可见,家长在时间管理与环境构建方面给予学生相应的支持。

其次,与时间管理和环境构建不同,努力调节主要依靠学生自己,外部因素对其影响较小,相关学习经验丰富的学生能够更好地对自己的学习过程进行监控与调节(Zimmerman & Schunk, 2011)。但对于大多数中学生来说,此次疫情是他们第一次参与较为正式的在线学习,学生普遍缺乏努力调节学习策略。在目标设置方面,学生在以往的学习过程中缺乏自主设置学习目标的机会和经验,习惯于被动地按照教师设置的学习目标和要求进行学习。同时,疫情期间在线课程时长较短,教师由于时间关系会对学习目标的阐述一带而过,很可能忽视学生对于学习目标的感知与理解。

最后,学生在同伴学习方面的得分最低,这一研究结果验证了前人(Broadbent, 2017; Puzziferro, 2008)的研究发现,即同伴学习这一策略在在线学习环境中没有被学习者充分利用。研究者(Schumacher, 2019)认为在线学习环境由于情感线索缺失等原因导致同伴学习更具挑战性。本研究认为这可能与疫情下我国在线课程的实施方式有关,几乎没有开展小组协作学习,学生在家单独观看微课或直播课,进行自主学习并完成作业,缺乏与同伴合作与交流的机会和体验,这直接影响了同伴学习。

在线自我调节学习7个维度中,处于高水平的学生人数相对较少,绝大多数学生得分都处于中等水平。这启示我们应进一步提高我国中学生在线自我调节学习能力。Sitzmann和Ely(2010)指出发展学生自我调节学习意识和能力需要系统的详细计划。Azevedo、Cromley和Seibert(2004)认为学生缺乏恰当的自我调节学习策略,并且不知道如何使用自我调节学习策略,需要外部支持。因此,本研究建议:

(1)分享在线自我调节学习策略

在在线学习开始前,一方面应告知学生自我调节学习的重要性,另一方面应让学生了解自我调节学习策略有哪些,并且举例示意如何在学习过程中有效使用相应策略,如为学生提供学习目标支架来帮助学生学习设置目标的方法。在任务策略与努力调节方面,应分享给学生一些认知及元认知策略,告知学生当学习内容较难或枯燥时,也要监控自己努力完成学习任务。在时间管理与寻求帮助方面,设置学习提醒以坚持按课表计划学习,鼓励学生在学习过程中利用网络随时向教师、同学或其他人寻求帮助,并为学生提供多种便利的求助渠道。

(2)对学生在线自我调节学习能力进行诊断性评估

建议教师在在线学习开始后不久,通过调查等手段对学生在线自我调节学习能力进行测评,以发现学生在自我调节学习方面可能存在的问题,进而实施针对性培养学生在线自我调节学习能力的干预措施。如对在线自我调节学习能力较低的学生给予针对性建议及单独指导,帮助其发展自我调节学习的关键策略。

(3)开展持续性自我调节学习监控与指导

指导时机和持续性很关键,除在学习开始阶段,还需在整个课程进行中持续性地对学生的自我调节学习进行监控和指导(Sitzmann & Ely, 2010)。如在时间管理与环境构建方面,让学生在线记录自己的学习时间、时长和地点,教师定期进行数据分析,培养学生在固定时间和恰当学习场地进行高效学习的习惯。在寻求帮助方面,Cheng、Liang和Tsai(2013)指出并不是所有学生都会主动向老师请教,且最需要帮助的学生往往是寻求帮助最少的学生。因此,教师除了为学生提供寻求帮助的渠道并鼓励学生寻求帮助之外,还可以通过评估来确定哪些学生需要帮助,并主动向他们伸出援助之手。教师的时间和精力有限,可通过有效利用学生资源保证所有学生的求助都能够在最短的时间内得到反馈。如对学生进行“组内异质”分组,小组成员可以取长补短、互帮互助,这可以让学生体会到同伴学习的益处。在同伴学习方面,营造开放互助的同伴学习在线学习文化,并为同伴学习提供支架,如通过同伴提问质疑框架鼓励不同能力水平的学生相互提问,促使学生就课程内容进行有目的的对话。

(二)提高低年级与高年级学生的在线自我调节学习能力

研究发现不同年级学生的在线自我调节学习能力存在显著差异。八年级学生在目标设置、环境构建、任务策略和时间管理四个维度上的得分均显著高于七年级学生。高二年级学生在目标设置、任务策略、时间管理、寻求帮助、努力调节和同伴学习6个维度上的得分均显著高于高一年级学生。由此可见,随着学段的升高学生的在线自我调节学习能力也有所提升。这与苏丹等(2013)、张锦坤等(2010)及方平(2003)的研究结果一致,即中学生自我调节学习能力有发展性特点,随年级的升高而逐渐提升;在发展的速度上呈现出先快后慢的趋势,且存在显著的年级差异。但根据平均分,九年级和高三年级学生在线自我调节学习能力分别处于七年级与八年级之间以及高一年级与高二年级之间。可见,学生在线自我调节学习能力并不是完全随着年级的升高而逐渐提升的,而是具有“两端低中间高”的特点。本研究认为这可能与样本分布有关,八年级学生样本量大于七年级和九年级学生,高二年级学生样本量大于高一年级和高三年级学生,这可能导致了“两端低中间高”这一结果,在后续研究中我们会对此进行进一步研究。基于本研究发现,建议教师不仅要加强低年级学生在线自我调节学习能力培养,还要持续培养每个学段中高年级学生的在线自主学习习惯和能力,并对其进行监督与及时干预。

(三)促进农村学生在线自我调节学习能力发展

研究发现不同地区学生在线自我调节学习能力存在显著差异,省会城市和地级市学生得分明显高于县城和农村地区学生。这与路海东等(2017)的研究发现相似,即城市小学生自我调节学习能力总分及各维度得分均优于乡镇小学生。由于现实原因,县城和农村学生在目标设置、环境建构、时间管理方面不占优势,尤其是在环境建构与时间管理方面。相对来说,大多数县城与农村学生因家庭经济条件原因,可能没有独立的学习空间,导致在学习环境建构方面不如城市学生。而且由于家庭客观因素及学生自身学习习惯的原因,县城及农村学生的学习时间难以保证。此外,县城与农村学生在学习策略、同伴学习及努力调节上的得分显著低于省会城市与地级市学生。这可能是因为省会城市与地级市学生有或多或少的在线学习经历,而农村学生之前相对较少接触过在线学习。

这给我们的启示是需要重点发展和提高县城和农村地区学生在线自我调节学习能力。Xu、Benson、Mudrey-Camino和Steiner(2010)发现父母参与、家庭作业上的帮助和期望对学生自我调节学习能力有显著影响。路海东等(2017)发现父母支持水平高的学生其自我调节学习能力总体水平与各个维度得分均高于父母支持水平低的学生。因此,本研究建议教师和家长配合,承担不同分工,共同为促进县城和农村地区学生在线自我调节学习能力发展而努力。教师在目标设置、学习策略、寻求帮助、努力调节与同伴学习方面给予学生指导,家长在环境构建和时间管理方面给予支持,为学生提供安静舒适的学习环境,并监督学生按时学习。建议在课程开始前,教师以在线家长会的形式让家长了解学生在家进行在线学习时环境构建与时间管理的重要性,并就如何为学生营造良好的学习环境、如何帮助学生更好地进行时间管理、如何保证在线学习效果等问题与家长进行交流,鼓励家长为学生在线学习提供支持。

(四)目标设置与时间管理是关键

回归分析发现在自我调节学习能力中目标设置、任务策略和时间管理均对学生感知学习有显著影响,且目标设置和时间管理对学生感知学习的影响相对较大。同时,在对满意度有显著影响的6个维度中,目标设置、时间管理和同伴学习对学生学习满意度的影响相对较大,即目标设置与时间管理能力越强的学生其感知学习和学习满意度越高。刘金明等(2007)指出学生学习的目标越明确,就越能将正在进行的学习活动作为意识的对象,对学习进行及时的监控和调节。Winne(2014)认为自我调节学习是目标导向的。自我调节学习的相关模型(Pintrich, 2000; Panadero, 2017)也指出设置学习目标至关重要,学习目标发起并指导学生进行自我调节,且是评估学习成效的标准。可见,目标设置是学生学习的驱动力,直接影响学习参与,进而影响知识与技能的获得,最终影响感知学习和满意度。

本研究发现时间管理对学生在线自我调节学习能力有较大影响,该结论与Broadbent(2017)的研究发现在一定程度上相似,即在三个对学习成绩有显著影响的自我调节学习维度中,时间管理对成绩的影响最大。毛成等(2010)认为加强时间管理有助于提高学生学习的主动性和学生自身的监控能力。可见,时间投入是学习发生的保障,如果学生的学习时间不能得到有效的管理,则直接影响其对学习活动的参与和投入,进而影响到其学习发生的频率和质量,最终影响感知学习以及学习满意度。

此外,值得一提的是任务策略对感知学习有显著影响。在学习过程中,学生如果能够使用较多学习策略,则其对知识的理解深度和建构技能的有效程度都会提高,即真正的学习才会发生,从而影响感知学习。除了目标设置和时间管理,同伴学习对学习满意度的影响也较大,这恰好说明在在线学习中同伴学习也是不可或缺的。


五、

总结


在线自我调节学习能力对于在线学习的成功至关重要,对学生在线自我调节学习能力进行探究有利于了解学生在线自我调节学习能力现状,以明确进一步提高学生在线自我调节学习能力的努力方向。

本研究发现绝大多数中学生的在线自我调节学习能力处于中等水平,需要进一步提高,尤其是在努力调节、目标设置和同伴学习三个方面。研究发现学生自我调节学习能力的发展是一个动态过程,学生在线自我调节学习能力随年级升高而增强,但并不是完全随年级升高而逐渐提升,而是呈现出“两端低中间高”的特征,需要加强低年级与高年级学生的在线自我调节学习能力。然而,这一研究结果可能与本研究的样本分布有关,后续研究可以在保证各年级样本数据分布均匀的情况下,对这一问题做进一步的研究。此外,农村和县城学生在线自我调节学习能力显著低于省会和地级市学生,教育实践者需重点关注这一问题,促进农村学生在线自我调节学习能力发展。对于在线自我调节学习而言,目标设置与时间管理对学生学习成果有显著影响,应着重关注。最后,本研究在抽样方面存在局限,只选取了我国西部一个省份进行调查,后续研究可以扩大调查范围,并通过严谨的抽样设计对我国中学生在线自我调节学习能力进行研究。


参考文献

向上滑动阅览

邓国民,周楠芳. 2018. 国际自我调节学习研究知识图谱:起源、现状和未来趋势[J]. 中国远程教育(7):33-42,60.

邓国民,韩锡斌,杨娟. 2016. 基于OERs的自我调节学习行为对学习成效的影响[J]. 电化教育研究,37(3):42-49,58.

方平. 2003. 初中生自我调节学习发展特征及相关因素的研究[D]. 北京:首都师范大学教育科学学院.

路海东,陈婷,张慧秀,袁坤锋,祖雅桐. 2017. 小学生自我调节学习的发展特点与影响因素研究[J]. 教育探索(2):52-55.

刘金明,孟四清. 2007. 学生自我调节学习能力的发生条件与教学培养策略[J]. 天津市教科院学报(5):62-64.

蒋志辉,赵呈领,李红霞,黄琰,疏凤芳. 2018. 在线学习者满意度:教师支持行为与自我调节学习能力的同频共振[J]. 开放教育研究,24(4):81-89.

毛成,詹雪芳,赵春鱼,蔡玲丽,宋茜. 2010. 大学生自我调节学习模型的构建及应用[J]. 中国成人教育(13):99-101.

马红亮,白雪梅,杨艳. 2019. 基于MOOC的课程国际化背景下教学存在实证分析[J]. 现代远程教育研究,31(4):65-74.

苏丹,宋娟,方平. 2013. 小学至高中阶段学生自我调节学习的发展特点[J]. 心理与行为研究,11(4):490-496.

张锦坤,杨丽娴,佟欣. 2010. 中学生自我调节学习的发展特点研究[J]. 河北师范大学学报:教育科学版,12(6):69-72.

张文彤,董伟. 2014. SPSS统计分析基础教程[M]. 第2版. 北京:高等教育出版社.

Ally, M. (2004). Foundations of educational theory for online learning. In T. Anderson (Ed.), The theory and practice of online learning. Edmonton: Athabasca University Press.

Azevedo, R., Cromley, J. G., & Seibert, D. (2004). Does adaptive scaffolding facilitate students’ ability to regulate their learning with hypermedia? Contemporary Educational Psychology, 29, 344-370.

Barnard, L., Lan, W. Y., To, Y. M., Paton, V. O., & Lai, S. L. (2009). Measuring self-regulation in online and blended learning environments. The Internet and Higher Education, 12, 1-6.

Broadbent, J., & Poon, W. L. (2015). Self-regulated learning strategies & academic achievement in online higher education learning environments: A systematic review. The Internet and Higher Education, 27, 1-13.

Broadbent, J. (2017). Comparing online and blended learner’s self-regulated learning strategies and academic performance. Internet and Higher Education,33, 24-32.

Cheng, K. H., Liang, J. C., & Tsai, C. C. (2013). University students’ online academic help seeking: The role of self-regulation and information commitments. The Internet and Higher Education, 16, 70-77.

Dent, A. L., & Koenka, A. C. (2016). The relation between self-regulated learning and academic achievement across childhood and adolescence: A meta-analysis. Educational Psychology Review, 28(3), 425-474.

Huang, J. L., Curran, P. G., Keeney, J., Poposki, E. M., & DeShon, R. P. (2012). Detecting and deterring insufficient effort responding to surveys. Journal of Business and Psychology, 27(1), 99-114.

Lee, Y., & Choi, J. (2011). A review of online course dropout research: Implications for practice and future research. Educational Technology Research and Development, 59, 593-618.

Laves, E. (2011). The impact of teaching presence in intensive online courses on perceived learning and sense of community: A mixed methods study. Bowling Green: Western Kentucky University.

McCroskey, J. C., Richmond, V. P., Sallinen, A., Fayer, J. M., & Barraclough, R. A. (1995). A cross‐cultural and multi‐behavioral analysis of the relationship between nonverbal immediacy and teacher evaluation.Communication Education,44(4), 281-291.

Pintrich, P. R., Smith, D. A. F., & Garcia, T. (1993). A manual for the use of the Motivated Strategies for Learning Questionnaire (MSLQ).National Center for Research to Improve Postsecondary Teaching and Learning. Ann Arbor: University of Michigan.

Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of Self-regulation.San Diego, CA: Academic Press.

Panadero, E. (2017). A review of self-regulated learning: Six models and four directions for research. Frontiers in Psychology,8(422), 1-28.

Puzziferro, M. (2008). Online technologies self-efficacy and self-regulated learning as predictors of final grade and satisfaction in college-level online courses. American Journal of Distance Education, 22(2), 72-89.

Shin, N. (2003). Transactional presence as a critical predictor of success in distance learning. Distance Education, 24(1), 69-86.

Sitzmann, T., & Ely, K. (2010). Sometimes you need a reminder: The effects of prompting self-regulation on regulatory processes, learning, and attrition. Journal of Applied Psychology, 95, 132-144.

Serdyukov, P., & Hill, R. (2013). Flying with clipped wings: Are students independent in online college classes? Journal of Research in Innovative Teaching, 6(1), 54-67.

Schumacher, C. (2019). Cognitive, metacognitive and motivational perspectives on learning analytics synthesizing self-regulated learning, assessment, and feedback with learning Analytics. Mannheim: University Mannheim.

Wang, C. H., Shannon, D., & Ross, M. (2013). Students’ characteristics, self-regulated learning, technology self-efficacy, and course outcomes in online learning. Distance Education, 34(3), 302-323.

Winne, P. H. (2014). Issues in researching self-regulated learning as patterns of events. Metacognition and Learning, 9, 229-237.

Xu, M., Benson, S. N. K., Mudrey-Camino, R., & Steiner, R. P. (2010). The relationship between parental involvement, self-regulated learning, and reading achievement of fifth graders: A path analysis using the ECLS-K database. Social Psychology of Education, 13(2), 237-269.

Zimmerman, B. J. (1990). Self-regulated learning and academic achievement: An overview. Educational Psychologist, 25, 3-17.

Zimmerman, B. J., & Schunk, D. H. (2011). Self-regulated performance: An introduction and overview. In B. J. Zimmerman & D. H. Schunk (Eds.), Handbook of self-regulation of learning and performance. New York, NY: Routledge.


作者简介

白雪梅,博士研究生;尹欢欢,硕士研究生。华东师范大学教育信息技术学系(200062)。

顾小清,博士,教授,博士生导师,华东师范大学上海数字化教育装备工程技术研究中心(200062)。

基金项目:本文受2019年华东师范大学优秀博士研究生学术能力提升计划“基于MOOC的混合学习研究”(项目编号:YBNLTS2019-039)资助。

责任编辑:单 玲

退出