|
【摘 要】教师远程培训中在线学习参与度是远程培训的一个非常重要的指标，它既可以评价学员学习参与情况，又是实现过程性评价的重要一环。如何分析在线参与度将是远程培训中一项非常重要的工作。通过制定参与度的评价指标将有利于指导和规范学员的行为表现。本文介绍了远程培训中的在线参与度，从表层和深层两个层面分析在线参与度的分析和计算，并且设计了参与度分析评价表，并通过具体实例来展示在线参与度的分析和计算，尝试将学员的参与情况以雷达图来进行表征，让学员了解自己的学习表现。
【关键词】 教师培训；在线参与度；表层参与；深层参与
前言
基于网络环境的远程培训不同于传统的面对面培训，它更强调的是一种参与性、分享性和贡献性，是一种过程性和参与性的学习。这种基于网络形式的培训不能像面对面培训一样较为直观地获得学员的学习参与情况，从而比较客观公正地评价学员的学习参与度。对于远程在线培训来说，如何正确地评价参训学员的参与学习情况，将是实现远程培训的有效性，实现过程性评价的一个关键的问题。如何对学员的在线参与情况进行比较客观公正的评价，促进学习者的参与热情，同时也有利于远程培训的开展。
笔者在参与远程在线培训的过程中，尝试着对在线参与度进行分析，并筛选出一些主要的指标，并在实际培训过程中，尝试将参与度评价指标向学员公开，以此来促进学员的在线参与。
学习参与度
无论是培训还是正规的教学，都是一个学习的过程，学习者在这个学习过程中如何学习，如何表现，如何反应，都可以说是参与。网络培训除了具有一般学习的特点，也有其自身的独特性，远程培训中学习参与情况不外显，是一种基于文本的交流沟通方式，学习者在其中的认知、情感和行为表现都是以基于文本的形式来呈现的，所以如何明确在线学习参与度是实现远程培训中过程性评价的重要参考因素之一。
1. 参与度
在传统的课堂教学中，对于学生参与度的研究已经有了很多相关文献，早些的研究把学生参与度定位在关注学生在完成规定学习任务中的行为表现方面(e.g., Fisher, et al., 1980; Brophy, 1983，转引自Chapman, Elaine (2003))，后来有的学者将学生参与度描述为“学生愿意参与到学校中的日常事务和活动中来的程度”，例如：不旷课，提交布置的作业，遵从老师的指导等。Natriello (1984)把学生的参与定义为“参与到学校的各项活动中”，除此以外，还有学者将参与度同学生的认知、行为和情感方面相联系。Skinner & Belmont (1993)定义学生参与度：“学生在学习活动中表现出持续性的行为参与，并伴随着积极的情感体验。学习者在具体参与完成活动任务中，表现出积极的情感特质，例如：热情、乐观、好奇以及兴趣。”“相对于参与的反面就是不满，不满的学习者是消极的，不努力的，很可能在学习的一开始就放弃了学习，他们感到沮丧，毫无兴趣，他们可能很快就放弃了学习机会。”（Chapman, Elaine (2003)）
还有的学者从另外不同的视角来看待学生的参与，他们根据学生在学习中所使用的认知策略来将学习参与度分为表层参与和深度参与，表层参与只是一种行为上的外显表现，表现为一种简单的操练和练习，其认知策略还处于较低的层次，而深度参与则表现为一种创建，一种反思，一种自我控制的行为表现。例如：学习者愿意坚持完成那种具有难度的学习任务，并且自我监控、自我协调来参与完成任务，这就需要学生高级认知策略的参与。
笔者认为，学习参与度是学习者在认知、行为和情感方面的综合表现。人的认知和情感决定人的行为表现，而反过来行为表现也会在一定程度上促进人的认知和情感。可以说，参与度最终以行为的方式来体现，但是它映射着人的认知和情感方面的参与，高水平的认知参与以及较高的情感投入一定会产生深度参与。学习者在学习过程中，随着认知的发展必然带来认知策略的提升，学习者会不断地发展其自身的认知策略，元认知策略和自我调控策略等，这样伴随着学习者情感的投入，一定会带来深度参与。其实认知、认知策略以及情感是很难分清楚的，它们有的时候更应该是相伴而生，相互交织的。
2. 在线学习参与度
虽然说以上的学习参与主要是来自于传统的课堂教学，但是无论是课堂教学还是远程培训，其本质都是一个学习的过程，要想使学习得以成功进行就需要学习者积极参与，不同的是远程培训的参与表现形式不同于传统的面对面学习参与。笔者在进行远程培训的过程中，对学员的在线学习行为进行了分析与观察，发现在线学习过程与面对面学习过程有许多相似和相近之处，但也有许多特别的地方。在线培训可以说是面对面教学的一种隐喻，在虚拟的学习空间中，学习者可以浏览课程，提交作业，参与讨论，展示和分享成果，这其中也包含着认知、行为和情感的转变，虽然这是一个虚拟的世界，但是这里同样有感情，同样有信任和真诚存在，所有这些都同面对面学习一样。
在远程培训中，学员的参与度除了一些同面对面学习培训一样的行为外，例如：完成在线学习活动、学习任务、进行交流和学习，远程培训更强调的是一种分享和贡献。在网络环境中学习，学习者除了要通过学习取得个人的成果、实现自我的目标以外，还需要为其他网络空间中的学习者发展和学习做出贡献，要为整个网络共同体的建设起到推动作用。所以学习者在线参与度更强调对自我和他人发展成长的贡献程度。
在线学习参与是学习者在网络空间中推动和促进自我和他人进行分享和贡献，并获得个人和他人成长与发展的行为表现。在线参与度是学习者在网络空间中推动和促进自己和他人成长与发展的贡献程度。而根据学习者在网络空间中的行为表现、在线活动的类型以及贡献和分享的不同水平，在线参与度又可以分为表层参与和深度参与两个层面。
在网络学习环境中，学习者的学习行为表现可以有网上的发帖回帖、浏览课程、浏览论坛、浏览资源、作业提交和作品分享等，而这些评价数据可以从网络学习日志获得，可以说这是外显的行为，也是一种表层的行为，这些行为具有一定的不确定性和可欺骗性，因为只要你想提高点击率和浏览率，你可以实现十分高的点击率，也可以出现很高的浏览率，而如果你想增加回帖的数量那么你可以进行简单的回复就可以增加回帖率，而这些都不能说明学习者已经达到了深度的参与，这些被界定为表层参与，当然这些表层的参与又是实现深度参与的基础。远程在线学习中，还可以通过学员在线发帖的内容和质量来判断学员在认知和情感方面的转变以及发展，并可以判断学习者在网络空间中的贡献和分享程度，这一部分信息可以判断学员是否达到了深度参与。所以我们将这一部分的研究分析作为深度参与度的依据。
在线参与度的评价与计算
1. 表层参与度及评价指标
那些可以通过网络日志捕获的网络学习行为归为表层参与度的评价指标。在这一层面的学习行为中，根据网络环境中的行为活动方式，可以将在线学习行为分为四大类：
第一类，点击——浏览：在这一类活动中，学习者点击登陆网络平台，浏览网络课程，浏览讨论区发帖，浏览课程公告栏等。 这一类活动表现的是一种参与，是一种最基本的参与，处于最基础的阶段，是最低层次的参与，可以不需要感情和认知的参与，然而这一阶段又是进入到深层参与的必须阶段。只有经历这个阶段才会发生以下阶段。而且有的时候，这类活动是同其他活动相伴随而发生的。但是由于网络学习日志对各类学习活动都可以进行记录，所以这一部分活动参与度可以进行数据统计分析获得。
第二类，回复——创建：在这类活动中，学习者回复他人的帖子，或者是自己发起新的话题。这一回复和发起话题的过程是建立交互的过程，也是进入深度交互的转折点。网络平台数据库对于学员回复和发帖情况存有纪录，所以我们可以通过数据统计对学习者的回帖和发帖进行统计。
第三类，完成——提交：在这一类活动中，主要包括完成调查问卷、完成作业、完成学习任务、完成测试等这类活动。这部分活动的数据一部分可以进行数据统计来获得参与度，而还有一部分需要我们手工来统计和计算。
第四类，贡献——分享：在分享和贡献部分，学习参与主要包括成果展示和作品分享，以及学员之间进行互动评价和作品的点评等活动。这一部分的参与度可以通过通过网络日志进行数据统计获得。
根据以上四种分类，笔者将其具体细化，建立了一个评价表（见表1）。
第一类参与度（点击——浏览）计算方法：这一部分主要采用机器的统计法，统计每个学员的浏览情况，由于在学习过程中，有助学人员的参与，所以我们将助学人员的浏览统计除去，只是统计和汇总学员的浏览参与量。然后再汇总所有学员的浏览量，接下来再分析每个学员在全体学员中的参与程度。
分值权重分别为：课程浏览：论坛浏览：资源浏览= 4：4：2（注：权重设置之科学性有待探究）
参与度（ER）=[（个人课程浏览数/学员最高课程浏览数）×40% +（个人论坛浏览数/学员最高论坛浏览数）×40% +（个人资源浏览数/学员最高资源浏览数）×20%]×20%
第二类参与度（回复——创建）计算方法：这一部分主要采用机器的统计法，统计每个学员的浏览情况，将助学人员的浏览统计除去，只是统计和汇总学员的浏览参与量。然后再汇总所有学员的浏览量，接下来再分析每个学员在全体学员中的参与程度。
分值权重分别为：回帖：创建话题：=4：6（注：权重设置之科学性有待探究）
参与度（ER）=[（个人回帖数/学员最高回帖数）×40% +（个人创建话题数/学员最高创建话题数）×60% ]×30%
第三类参与度（完成——提交）计算方法：这一部分主要采用机器的统计法，有时还要配合手工统计，因为进行测试和提交作业都可以在网络学习日志中获得，所以很容易进行统计，但是有的时候问卷可能要通过电子邮件方式，或网络论坛发送，所以回收情况要通过人工统计了！只要参与测试和提交作业按照正常的次数，我们就给满分，对于有特别贡献的会给加分。调查问卷根据具体情况来进行统计。
分值权重分别为：提交作业：前侧后侧：问卷完成= 5：3：2（注：权重设置之科学性有待探究）。
参与度（ER）=[（个人提交作业次数/规定作业次数）×50% +（个人完成测试次数/规定测试次数）×30% +（个人完成问卷次数/发放问卷总次数）×20%]×30%
第四类参与度（贡献——分享）计算方法：这一部分采用数据统计和人工统计来进行。在培训过程中，学员一旦真正地参与进来，一定会与大家分享自己的资源和作品，以及个人主页之类的资源，这在一定程度上可以说也是深度参与的表现，并且愿意与大家分享自己的作业，愿意评价别人的作品，因为这是随着培训的深入，学员之间已建立了相互信任，相互帮助的感情，所以这一活动或多或少会在培训后期出现。分值权重分别为：分享资源：分享成果：评价作品= 4：3：3（注：权重设置之科学性有待探究）
参与度（ER）=[（个人分享资源次数/学员最高分享次数）×40% +（个人分享成果次数/学员最高分享次数）×30% +（个人参与评价次数/学员最高评价次数）×20%]×20%
以上简单的数据统计，我们将使用Excel来进行统计分析。
2. 深层参与度及评价指标
上面我们介绍了四类活动参与度的统计分析。这四类参与可以通过后台数据库进行统计分析而获得相应的数据，但是这种在线参与还只是停留在表层上，因为在线学习中，有的学习者只是跟帖而已，而具体的发帖质量却难以保证，而且帖子的内容也良莠不齐，如果只是通过这些数据来统计，那么势必会抹杀许多在学习中作出了深度参与的学员成绩。
因此，笔者在做参与度分析时，除了对这种表层的数据统计以外，还要对学习者的参与情况进行深度分析。对于深度参与，我们从发帖质量来判断，具体从以下方面来分析评价。
对于以上关于深度参与评价的指标，我们采用质的性分析的方法来进行分析，这部分工作需要对学员发帖进行汇聚，然后进行逐个分析，依照分析量表来进行打分，确定学员的深度参与分值。
参与度分析结果
根据已经建立的参与度评价方法来对培训中某一学员的学习参与情况进行研究和展示，这里使用雷达图对学员的参与度进行表征和展现。这样既可以看到每一位学员参与情况与全班平均参与水平的对比，也可以通过每一阶段的分析，来分析学员的参与度的阶段性变化。我们在培训过程中会向学员展现他们的参与情况雷达图，通过每一阶段的统计分析，学员会非常清楚地知道自己的行为表现，这在一定程度上会促进学习者参与学习和培训。
下面是我们在培训开始的某一个阶段进行的数据收集，然后分析计算了一名学员的参与情况，通过对其各项参与指标的统计分析得出如下结果（见表3）。
将学员参与情况与全班的平均参与水平做对比，并以雷达图的形式表示出来，图1表示培训开始之初某一时间段内，某一位学员的参与情况与全班平均参与水平的对比情况。
图1表明一名学员在线参与度(表层参与度)与全班平均参与水平的对比度。在这个雷达图中，以原点为圆心，分别向各个方向伸出多条射线，每一个方向的射线代表一个参与度分析的指标，沿着这些射线，又分为多个数值，代表了不同的对比值。图中这位学员的各项参与指标同全班各项参与指标的平均水平的对比值一目了然，当学员的各项参与指标的对比值在半径为1的圆之内，那么这项指标的参与情况是低于全班平均水平的，参与度不是很高，需要继续努力。而参与指标在半径为1的圆之外则代表此项参与度达到并超过了班级的平均水平，参与情况还是比较好的。图中的这位学员，其各项参与度指标都达到并超过了平均水平。该学员在这一阶段的学习中，还是比较积极参与。这样我们可以通过学员的参与情况的分析给学员帮助和促进，使其更好地学习。
结束语
在线学习参与度不仅有助于对学员进行评价，它同时还能激发和引导学员的行为。在培训之初让学员及时了解参与度的评价指标，会在一定程度上推动学员参与学习，因为他们知道了他们具体要怎么做才会表现得更好，学员会根据参与度评价指标来规范自己的行为，从而改变自己的行为活动。这也在一定程度上促进了学员的学习动机和起到行为引导作用。同时，通过对在线参与度的分析计算，能够为学习者提供一个客观而公正的评价，这会在一定程度上推动和促进远程培训的开展。但是对于深度参与度的分析是一个有待深入研究的部分，如何对内容进行分析还需要继续探索和研究。
|
