|
胡小勇，徐欢云，陈泽璇 
* 本文系2018年国家社科基金重大项目“信息化促进新时代基础教育公平的研究”(项目编号：18ZDA334)研究成果。
一、问题的提出 中国在线教育“质量革命”已经到来，“六卓越一拔尖”计划2.0明确指出：高等教育已经从规模扩张全面转向内涵式发展，要建设3000门左右线上“金课”(国家精品在线开放课程)、7000门左右线上线下混合式“金课”和线下“金课”[1]。毋庸置疑，线上“金课”背后折射的是人们对提升学习者在线学习质量的深切观照与不懈追求。在线学习投入聚焦于学习者在线学习交互活动和学习体验[2]，作为在线学习质量的具体观测评估指标之一备受关注，已有研究从学习者、教师、课程设计及学习资源、学习支持服务及技术等等多样化视角探寻其影响因素[3-6]，并从学习情绪、学习动机、自我效能感等不同心理维度考察对学习者在线学习投入的作用机制和影响效应[7-9]。与此同时，全球学习质量文化创新的理念内核及实践动力，是让学习者具备适应信息时代“学会学习”的学习素养与能力。有研究表明：信息素养是中国MOOCs学习者的重要学习素养之一[10]。它作为学习者的预备性因素，对在线学习过程和学习结果的影响尤为关键。但是，目前却少有研究从在线学习全过程的视角实证性探索三阶段之间各要素的具体作用关系。因此，本研究基于比格斯“学习预备(Presage)—学习过程(Process)—学习结果(Product)”的3P学习分析框架，考察学习者信息素养、在线学习投入与学习绩效之间的结构与效应关系，以期为提升学习者在线学习质量提供新的研究参考。二、基于3P分析框架的在线学习影响因素关系模型构建从比格斯的3P学习分析模型可知，学习预备、学习过程和学习结果是影响学习者学习质量的三个维度。其中，学习预备(如：学习者个性特征、学习环境等)不仅影响学习者学习过程，还可能直接决定其学习结果。学习过程(如：学习者学习动机、学习策略、学习方式、学习投入状态等)不仅会对学习结果产生影响，同时也是学习质量的重要指标。学习结果则主要指学习者取得的学习成绩、体验的学习成就感与满意度等[11]。在本研究中，将学习者信息素养作为学习预备阶段的要素，将在线学习投入、深度学习策略、深度学习动机作为学习过程的要素，将学习绩效作为学习结果阶段的要素，基于3P学习分析框架中不同阶段之间的关系以及相关研究综述，构建学习者信息素养、在线学习投入、深度学习动机与策略、在线学习绩效之间的关系模型(如图1所示)，以便于分析其间的作用和效应关系。
(一)学习预备到学习过程：学习者信息素养与在线学习投入对于不同学习阶段和学习层次的学习者群体来说，信息素养的内涵和标准会有所差异。本研究中信息素养的内涵和标准是基于大学生群体所处学习阶段的特征来界定的，并借鉴英国《SCONUL信息素养七支柱：高等教育核心模型》(The SCONUL Seven Pillars of Information Literacy:Core Model for Higher Education)标准[12]。该标准包括以下七个维度：识别(Identify)，识别个人信息需求；审查(Scope)，评价现有知识，并识别知识差距；计划(Plan)，定位信息和数据的构建策略；收集(Gather)，定位和获取所需信息和数据；评价(Evaluate)，对研究过程、信息和数据进行评价；管理(Manage)，以专业化和符合道德的方式组织信息；呈现(Present)，应用所获得的知识发表学习与研究成果，综合新旧信息和数据创造新知识并以各种形式传播等。由此可知，以上信息素养模型中的概念能够很好引导和契合“互联网 ”时代大学生在线学习的内在需要，反映了学习者与技术、数据、信息、资源、知识等环境交互的综合性在线学习能力。同时，本研究中的在线学习投入包括学习者在线学习过程中的行为投入、认知投入，情感投入和社会交互投入，如：学习者的努力和时间精力投入程度，学习者自我学习监控和调节，学习自我效能感、在学习社区感知的自我价值感和归属感，学习者与教师、同伴、学习共同体之间不同形式的学习交互等[13]。从已有研究梳理来看，信息素养是学习者参与在线学习的重要预备技能和素养，与在线学习投入具有密切关联。有研究指出在移动在线学习中，信息素养对学习者碎片化阅读意图和行为具有正向影响[14]。信息素养贯穿于学习者与技术—信息—资源—人交互的全过程，王志军等人认为学习者与媒体等技术环境的操作交互、学习者与人/信息的寻径交互、学习者与内容的意会交互以及学习者知识创造和生长的创新交互，能够深刻地反映和影响学习者的认知投入度[15]。也有研究表明信息素养对互联网学习环境下的学习者深度思维具有显著影响，与所构建的个人知识网络质量呈显著正相关[16]。基于以上分析，提出以下研究假设：H1：学习者信息素养对在线学习投入具有显著正向影响；H2：学习者信息素养对其深度学习动机具有显著正向影响；H3：学习者信息素养对其深度学习策略具有显著正向影响。(二)学习预备到学习结果：学习者信息素养与在线学习绩效在线学习绩效是学习者学习过程的有效反映，也是其学习结果的直接体现和具体产物，已有研究大多将学习者学习成绩及学习满意度作为其衡量和评价指标。本研究中的在线学习绩效主要是指学习者的学习体验满意度和在知识、技能发展方面的学习成就感。如在线学习很好地激发了的学习兴趣，带来了较好的学习愉悦感，并将其作为一种有趣的学习方式推荐给他人；通过在线学习，知识和技能都得到了很好的发展，提高了完成学习任务的效率和质量，以及独立思考和自我解决问题的能力等。有研究表明：学习者信息检索的不同内隐策略和外显策略会显著影响学习者在线学习绩效[17]。但也有研究表明学习者的信息素养并没有成为影响学习成绩的显著因素[18]。基于以上分析，提出以下研究假设：H4：学习者信息素养对其在线学习绩效具有显著正向影响。(三)学习过程到学习结果：学习者在线学习投入与在线学习绩效有研究通过对学习者在线学习投入与学习绩效的关联聚类分析发现，在线学习投入与在线学习绩效的正向影响关系不稳定，只有在约60%的学习者中，其在线学习投入与学习绩效呈现正向影响关系[19]。也有研究者通过实证研究发现学习者个体的信息素养对其在线研讨绩效具有重要影响[20]。与此同时，在线学习并非只是一条直通的“单行线”，而是环环相扣和相互作用的迭代优化过程，因此，学习者的阶段性学习结果同样会对其学习过程产生一定作用和影响。学习者较高的在线学习绩效会对其深层次的学习动机和学习策略起到积极的“反哺”作用。基于以上分析，提出以下研究假设：H5：学习者在线学习投入对其在线学习绩效具有显著正向影响；H6：学习者在线学习绩效对其深度学习动机具有显著正向影响；H7：学习者在线学习绩效对其深度学习策略具有显著正向影响。本研究以“学习预备—学习过程—学习结果”3P学习分析框架为理论依据，以参与在线课程学习的高校大学生问卷调查为数据分析依据，构建在线学习影响因素关系模型，旨在重点探索以下问题：(1)学习者信息素养、在线学习投入、深度学习动机、深度学习策略及在线学习绩效各要素在理论分析层面的作用关系能否通过实证证实；(2)若理论模型被证实，信息素养、在线学习投入及在线学习绩效等各要素之间具有何种程度的效应影响。本研究采用分层抽样和随机抽样相结合的方法，从广东省和广西壮族自治区的4所高校(含“211”高等学校、一般高校及高职高专院校)抽取参与在线课程学习的大学生作为研究对象，并采用纸质版和电子版问卷相结合的方式采集研究数据，共收集327份问卷，剔除题项回答信息缺失及所有题项回答一致的无效问卷后，有效问卷为293份，有效率为89.7%。在有效被调查者中，男性为100人，占总样本的34.1%，女性为193人，占总样本的65.9%。在专业分布上，理工类71人(24.2%)；文史哲类63人(21.5%)；法学与经济学类66人(22.5%)；农医类35人(12.0%)；军事与管理类58人(19.8%)。从调查被试者的在线课程学习体验来看，大多具有较为丰富的在线学习经历。其中，参与过1门的有34人(11.6%)；参与过2—3门的有120人(41.0%)；参与过3—5门的有80人(27.3%)；参与过5门以上的有59人(20.1%)。本研究采用结构方程建模方法，综合运用SPSS17.0和AMOS17.0工具对调查问卷的有效采集数据进行处理分析，并以卡方值(X2)、卡方自由度比(X2/df)、增量拟合指数(IFI)、比较拟合指数(CFI)、渐近残差均方和平方根(RMSEA)等作为模型拟合度判别与验证的参照指标。本研究参考信息素养、在线学习投入、在线学习绩效及深度学习动机与策略的已有测量标准和工具，围绕学习者学习预备、学习过程和学习结果等方面的要素编制了“大学生在线学习影响因素调查问卷”。该问卷分为“学习者基本信息”(共3个题项)和“在线学习影响因素调查”(39个题项)两大部分，共42个题项。其中，“在线学习影响因素调查”分为信息素养[21](8个题项)、在线学习投入[22](15个题项)、深度学习动机(5个题项)和深度学习策略(5个题项)[23]以及在线学习绩效[24](6个题项)等5个分量表。每个题项采用李克特(Likert)七点式进行设计。为保证所构建模型的信效度，本研究对问卷题项均进行项目分析和因素相关性检验，采用内部一致性α系数对题项进行同质性检验，删除信息素养分量表中的1个题项，最后保留38个题项。在模型信度检验中，由表1可知，信息素养、在线学习投入、深度学习动机、深度学习策略、在线学习绩效五个分量表的Cronbach's α在0.766—0.928之间，均大于0.70，属于高信度区间；其组合信度在0.768—0.927之间，均大于0.6，说明潜在变量的内在质量良好。综合以上评价指标，该测量模型的信度较好。
在模型效度检验中，采用KMO和Bartlett 球形检验、因子载荷值、组合信度及解释提取平方和载入值等指标项进行模型效度判别。由表2可知，各潜在变量的因子载荷在0.54—0.87之间，均大于0.55(个别因子载荷为0.54)，达到题项可解释观察变量“好”的标准(>0.71表示“优秀”；0.63—0.71表示“非常好”；0.55—0.63表示“好”)[25]；KMO值在0.779—0.901之间，且球形检验的显著性值均小于0.000；解释提取平方和载入值在51.875%—73.825%之间，均大于50%。与此同时，在线学习投入中各题项的相关系数在0.541—0.647区间，信息素养中各题项的相关系数在0.337—0.584区间，深度学习动机中各题项的相关系数在0.364—0.681区间；深度学习策略中各题项的相关系数在0.362—0.505区间；在线学习绩效中各题项的相关系数在0.697—0.735区间，各潜在变量的题项间相关系数属于中高度相关，说明该模型的收敛效度较好。以上数据分析可知，该模型总体信效度较好。
通过AMOS统计处理工具对数据与模型的拟合程度进行验证性检验，得出以下分析数据：卡方与自由度比值为2.786(X2/df<3)，比较拟合指数(CFI)为0.892，增量拟合指数(IFI)为0.894，渐近残差均方和平方根(RMSEA)为0.073(RMSEA<0.08)，以上检验指标总体符合理想拟合指标值标准。同时，由表3的模型参数检验可知，模型中的标准化误差均未出现异常值(S.E.>0)，参数的显著性检验符合标准范围(C.R.>2，P<0.05)，故均满足参数检验标准。
本研究通过模型中的假设验证来分析学习者在线学习预备、学习过程及学习结果各阶段要素间的影响和作用关系。由表3可知，研究假设均成立。由图2可知，从学习预备阶段到学习过程阶段来看，学习者信息素养对其在线学习投入具有显著正向影响(β=0.809，P<0.001)，说明学习者较高的信息素养是促进其在线学习投入的基础和前提条件。与此同时，学习者信息素养对其深度学习动机(β=0.363，P<0.001)和深度学习策略(β=0.484，P<0.001)均具有显著正向影响，说明具备较好信息素养的学习者能够更好地适应在线学习方式，降低在海量数字化信息中学习的畏难心理和情绪，以更加积极主动的学习动机开展深层次在线学习活动，也有助于形成在线学习空间中的高效学习策略，促进持久性的深度学习。从学习预备到学习结果阶段来看，学习者信息素养对其在线学习绩效具有显著性正向影响(β=0.515，P<0.001)，有力地证明了学习者的已有信息技术应用技能与学习成就息息相关，可帮助学习者获得良好的在线学习体验和学习成绩，进而提升学习成就感和在线学习满意度。
从学习过程阶段到学习结果阶段来看，学习者在线学习投入对其在线学习绩效具有显著正向影响(β=0.388，P<0.001)，说明学习者在学习过程中的高品质学习心流体验是其取得优异学习绩效的重要基石和保障。此外，学习者在线学习绩效对深度学习动机(β=0.637，P<0.001)和深度学习策略(β=0.543，P<0.001)均具有显著正向影响作用，说明学习过程与阶段性学习结果是双向交互的螺旋提升过程，伴随着学习者高成就感和满意度带来的成功在线学习体验，反过来会帮助他们反思和优化学习策略，强化学习兴趣和动力。本研究主要通过变量间的总效应、直接效应以及中介变量的关键效应三种角度分析学习者在线学习预备、学习过程和学习结果阶段各要素之间的作用机制。由表4可知，以信息素养为自变量，学习者信息素养对各要素的总效应程度由高到低依次为深度学习策略(β=0.934)、深度学习动机(β=0.891)、在线学习绩效(β=0.829)、在线学习投入(β=0.809)，说明信息素养对学习者学习过程产生的作用大于学习结果。以学习者在线学习投入为自变量，其对各要素的总效应程度由高到低依次为在线学习绩效(β=0.388)、深度学习动机(β=0.247)、深度学习策略(β=0.210)，说明在线学习投入可以作为在线学习绩效的重要预测因子，并与在线学习过程的深度学习动机和策略具有相互作用关系。以学习者在线学习绩效为自变量，对各要素的总效应程度由高到低依次为深度学习动机(β=0.637)、深度学习策略(β=0.543)，说明学习结果对学习者学习过程中情感层面的积极影响要大于认知层面。
此外，从直接效应分析来看，由模型假设验证及路径系数可知，学习者信息素养对各因素的直接效应程度由大到小依次为：在线学习投入(β=0.809)、在线学习绩效(β=0.515)、深度学习策略(β=0.484)、深度学习动机(β=0.363)，进一步验证了学习者信息素养对学习过程影响更为显著的分析合理性。学习者在线学习绩效对其深度学习动机(β=0.637)的直接影响程度大于深度学习策略(β=0.543)，说明在线教学者要重视学习结果对学习过程中情感层面的反向激励作用。
在具体某一主题的关系模型中，当模型中的变量A对变量B具有直接影响效应(直接效应量)；同时，该变量又能通过变量C对变量B产生中介效应(也称为间接效应值)。若某一中介变量的中介效应量超过直接效应量，则说明该中介变量具有关键影响。在本研究中，存在在线学习投入和在线学习绩效两个中介变量(如表5所示)。
由图2可知，学习者信息素养对其在线学习绩效具有直接影响，同时，又能通过在线学习投入对在线学习绩效产生间接作用。因此，在线学习投入是信息素养与在线学习绩效的中介变量，其直接效应值为0.515，间接效应值为0.314，表明学习者在线学习投入是影响其在线学习绩效的重要影响因素，但没有足够的研究数据证明达到核心关键作用。同理，在线学习绩效是信息素养与深度学习动机的中介变量，其直接效应值为0.363，间接效应为0.528，表明在线学习绩效是学习者信息素养与深度学习动机的重要中介变量，较高的在线学习绩效能够有效地强化和提升学习者的深层次学习动机。与此同时，在线学习绩效还是信息素养与深度学习策略的中介变量，其直接效应值为0.484，间接效应值为0.450，在线学习绩效接近重要中介变量的标准，说明在线学习绩效能够为后续有效在线学习提供反思性经验和创新性学习策略。本研究基于比格斯3P学习分析框架，从学习预备、学习过程和学习结果的全学习过程视角，采用结构方程建模法，构建了信息素养、在线学习投入、深度学习动机与策略以及在线学习绩效各因素之间的影响关系模型，并通过大样本的大学生在线学习调研数据与AMOS统计计量分析工具，验证了在线学习三阶段各要素理论关系模型的合理性，并进一步探索以上各要素之间的影响效应。研究结果表明：其一，从总效应分析来看，作为学习者在线学习预备阶段的信息素养对其在线学习投入、深度学习动机和策略以及在线学习绩效均具有直接的显著性正向影响，其中，对学习者深度学习策略的影响效应最大，对其在线学习投入的影响效应最小。其二，从直接效应分析来看，信息素养对在线学习投入的影响效应最大，对深度学习动机的影响效应最小。学习者在线学习绩效对其深度学习动机的影响大于深度学习策略。其三，在线学习投入和在线学习绩效是在线学习三阶段各因素影响关系模型的两个中介变量，其中，在线学习绩效是信息素养到深度学习动机和深度学习策略的关键中介变量，故教师在在线课程中需通过关注学习者的学习满意度和学习成就感，帮助学习者取得良好的在线学习绩效，以此进一步激发并维持学习者的在线深度学习动机，反思并优化在线学习策略，以达到沉浸式学习效果。学习者在线学习投入是信息素养到在线学习绩效的中介变量，但未达到关键程度的影响效应，说明信息素养比在线学习投入对在线学习绩效的影响要更大，因此，需要重视通过提升学习者的信息素养来优化其在线学习绩效，但也不可忽视在线学习投入对在线学习绩效的直接作用，需要双管齐下，协同促进和提升，以取得最大化的在线学习成效。1.信息素养具有多维正向影响，是高效在线学习效果的保障本研究揭示，其一，信息素养对在线学习绩效具有显著正向影响。在数字化在线学习世界中，学习者很大程度上践行着“搜索即学习”这一类学习方式，也被称为“学习型搜索”[26]，是学习者具体在线学习行为和过程状态的真实写照。研究再次验证了学习者的信息素养决定“搜索即学习”的学习效果这一观点[27]。其二，信息素养对深度学习策略和动机具有显著正向影响，很大程度契合信息素养与学习者的创造性问题提出能力存在显著正相关的已有研究发现[28]。其三，学习者信息素养对其在线学习投入具有强有力的直接正向影响效应，说明学习者自身的已有基础和条件很关键，对信息接收的敏感度、信息加工处理的高效性、技术应用的适应度都是影响学习者在线学习投入的重要因素。由此可知，信息素养对学习者在线学习过程和在线学习结果的方方面面具有多维作用机制，无论对于学习者个体还是为其提供在线学习支持服务的教师来说，都需要重视信息素养在提升学习者在线学习效果的基础性作用。2.在线学习投入和在线学习绩效具有中介效应，是持续深度在线学习的重要预测因素研究结果表明，任何仅仅依赖或期望于从过程取向或结果取向的单一视角学习观来实现持久性的深度在线学习存在局限性。从过程取向的学习观来看，学习者在线学习投入对其在线学习绩效具有显著正向影响，但研究表明这并非是唯一且关键的作用变量，但也不可忽视其“桥梁”作用。同时，在线学习绩效对学习者深度学习动机和策略具有不同程度的直接正向影响，其中，对深度学习动机的影响大于深度学习策略，再次突出了学习结果对学习过程中学习者心理情感层面的作用机制。由此可知，刻意强调学习者在线学习投入的学习过程而忽视学习者学习成果所具有的反向激励促进作用，将不利于实现在线学习效果的最优化。1.学习者：关注学习信息素养类课程和提高在线学习的参与频率，提升信息素养的意识、知识和技能基于学习者个体角度，提升泛在网络时代信息素养可从意识、知识和技能三个层面加以考虑。首先，学习者需要明确信息素养对于高效参与在线学习的必要性，并能够结合在线学习参与需要，清晰地认识自身在信息素养的具体哪些方面(如识别、审查、计划、收集、评价、管理和呈现等)存在不足，进而采取针对性的措施和方法加以提升。其次，可通过自主选学一些信息素养类在线课程来获取这方面的实践知识，主动熟悉掌握并运用一些常用的信息化学习工具与策略。最后，提高在线学习的参与频率，如增加在线学习的时间，多参与一些正式或非正式的在线课程，丰富在线学习体验，从而在不断积累、反思中提升深度网络学习的信息素养能力。2.在线教学实践者：重视技术中介的在线学习活动设计和优化在线学习评估(1)重视技术中介的在线学习活动设计，提高学习者信息素养和在线学习投入将信息素养提升行动渗透到基于技术中介的在线学习活动设计中，促进学习者信息素养和学科知识技能的有机融合，提升在线学习投入度。知识创造隐喻从技术中介支持的人造物知识创新视角为优化在线学习提供了新思路和新方向[29]，并衍生出以知识创造为理念的“技术中介式”学习(Technology-mediated Learning)[30]。因此，其一，可通过以知识创造为导向的任务设计，以及巧妙应用学习技术中介来提升学习者在线学习投入。例如，任务设计突显探究性和实践性，并以项目或学习产品创造为导向，突出知识在活动学习中的应用和迁移。与此同时，如何设计学习技术的应用方式会影响学习者学习参与的方式、层次与体验。因此，充分发挥认知性中介、反思性中介、实践性中介和社会性中介等不同技术中介功能在促进在线学习投入中的作用[31]。例如，学习者通过思维导图、语义注释工具等认知性技术中介与同伴共享、吸收和展示各自的创新成果；通过视觉陈述、意识工具和流程分析技术等反思性技术中介，使学习者能够反思和评估他们自身的在线学习活动[32]；以支持学习者计划、组织和协调知识创造实践性技术中介开发学习制品；以支持学习者管理在线学习共同体及其社会关系的社会性技术中介开展协作知识建构和情感交流。此外，从在线学习支持服务角度，教师在课程设计与实施方面，可通过在课程前期为学习者提供信息素养知识和技能方面的解疑答惑。(2)优化在线学习评估，提高学习者在线深度学习体验和在线学习绩效从在线学习绩效优化提升学习者学习过程来看，可发挥评估贯穿于学习过程和学习结果全过程的作用机制，因此是激发和推动学习者更加积极参与和开展深度学习活动的重要途径、工具和方法。有研究表明，若慕课供应商试图用教学视频以及自动评分和反馈取代教师，其结果是辍学率高达95%[33]。因此，在线学习评价的高效开展离不开在线教学者的组织管理、监控及情感激励。其一，在线教学者要对学习者参与评价过程中的学习交互和发帖内容进行宏观把控和灵活动态调节，采用“小组交叉的点对点精评”“问题配对的交叉点评”等方式调控学习者学习参与行为及认知状态。其二，可通过以学本评估为导向的在线学习评估提升在线学习深度。其三，优化在线学习评价设计原则和实施策略。如：以问题为支架设计评价内容，以多元主体参与和问题解决为评价标准；组织融入情感激励的协作评价以及挖掘深度问题的及时点评等。本研究基于“学习预备—学习过程—学习结果”的3P分析框架和结构方程模型法，构建并分析了信息素养、在线学习投入、深度学习动机与策略，以及在线学习绩效各要素之间的学习者在线学习影响因素理论模型，研究发现信息素养可作为分析和预测大学生在线学习过程和学习结果的关键因素，且对学习者在线学习投入的直接作用力最大，对认知层面的深度学习策略的总体效应力要大于心理情感层面的深度学习动机。同时，在线学习投入是直接影响在线学习绩效的重要因素，在线学习绩效对心理情感层面的深度学习动机的影响要大于认知层面的深度学习策略。以上结论对于从信息素养、在线学习投入、在线学习绩效等不同维度并针对认知、心理情感等不同层面来进一步丰富对大学生在线学习规律的认识和提升在线教学实践具有参考作用。同时，本研究仍然存在不足：一方面，在3P学习分析框架各阶段要素的选取上不够全面和丰富，未来研究还可进一步从学习者在线学习风格、已有知识与经验差异等方面加以拓展在线学习预备阶段的要素分析范围，从知识获取、高阶技能、成绩等多个方面丰富学习结果阶段的要素选取视角和数据分析类型，使得在线学习影响因素模型更加全面；另一方面，在研究样本方面，未来还需通过更大规模和特点(如：不同学段、不同区域等)的样本数量，来进一步优化已有研究。参考文献： [1] 新华网.教育部:将分三年全面实施“六卓越一拔尖”计划2.0[EB/OL].http://www.moe.gov.cn/fbh/live/2019/50601/mtbd/201904/t20190430_380197.html,2019-11-07. [2] 尹睿,徐欢云.国外在线学习投入的研究进展与前瞻[J].开放教育研究,2016,22(3):89-97. [13][22] 尹睿,徐欢云.在线学习投入结构模型构建——基于结构方程模型的实证分析[J].开放教育研究,2017,23(4):101-111. [3] 刘斌,张文兰等.教师支持对在线学习者学习投入的影响研究[J].电化教育研究,2017,38(11):63-68 80. [4] 姜强,潘星竹等.网络学习空间中教师激励风格对学习投入的影响研究——SDT中内部动机的中介效应[J].中国电化教育,2018,(9):7-16. [5] 陈侃,周雅倩等.在线视频学习投入的研究——MOOCs视频特征和学生跳转行为的大数据分析[J].远程教育杂志,2016,34(4):35-42. [6] 梁云真.基于量规的同伴互评对在线学习认知、情感投入度及学习成效的影响研究[J].电化教育研究,2018,39(9):66-74. [7] 高洁.在线学业情绪对学习投入的影响——社会认知理论的视角[J].开放教育研究,2016,22(2):89-95. [8] 雷玉菊,周宗奎等.网络学习环境下学习者的动机信念对学习投入的影响[J].中国电化教育,2017,(2):82-88. [9] 雷玉菊,张冬静等.网络学习中学习者个人特征对学习投入的影响:一个有调节的中介效应模型[J].心理与行为研究,2017,15(2):181-188. [10] 郑勤华,陈悦等.中国MOOCs学习者学习素养调查研究[J].开放教育研究,2016,22(2):38-45. [11] 吴维宁,高凌飚等.学习过程研究与学习方式评测[J].教育测量与评价(理论版),2008,(5):4-7. [12][21] SCONUL.The SCONUL seven pillars of information literacy core model for higher education[EB/OL].https://www./sites/default/files/documents/coremodel.pdf,2019-11-07. [14] 徐艳.基于信息素养视角的碎片化阅读行为实证研究——以图书馆微信平台为例[J].情报科学,2017,35(3):76-81. [15] 王志军,陈丽.联通主义学习的教学交互理论模型建构研究[J].开放教育研究,2015,21(5):25-34. [16] 位星,朱进杰.互联网视域下深度学习思维影响机制研究——基于信息素养的中介效应检验[J].开放教育研究,2019,25(1):73-81. [17] 谭金波.学生信息搜索的内隐与外显策略对网络学习绩效的影响[J].中国电化教育,2014,(9):67-71 77. [18] 郑勤华,曹莉等.远程学习者学习绩效影响因素研究[J].开放教育研究,2013,19(6):88-94. [19] 龚艺,刘波等.远程教育中在线学习投入与学习绩效关系的实证研究[J].成人教育,2018,38(6):24-28. [20] 易明,葛玲等.在线研讨的影响因素研究:“信息—技术—人”视角[J].情报科学,2018,36(11):10-16. [23] Biggs,J.Kember,D,&Leung,Y.P..The revised two-factor study process questionnaire:R-SPQ-2F[J].British Journal of Educational Psychology, 2001,71(1):133-149. [24] 龙成志,刘志梅等.大学生自主学习策略对学习绩效的影响:学习动机的调节作用[J].心理技术与应用,2017,5(2):89-98. [25] 邱皓政,林碧芳.结构方程模型的原理与应用[M].北京:中国轻工业出版社,2009. [26] 韩爽,沈秀丽等.将搜索作为一个学习过程:一种学习型搜索的观点和方向[J].图书馆理论与实践,2019,(1):70-73 83. [27] 刘咏梅,谢阳群.“搜索即学习”视角下大学生信息素养行动研究[J].情报理论与实践,2019,42(8):97-103. [28] 刘春晖.大学生信息素养与创造性问题提出能力的关系——批判性思维倾向的调节效应[J].北京师范大学学报(社会科学版),2015,(1):55-61. [29] 左璜,黄甫全.试论学习的第三种隐喻[J].外国教育研究,2013,40(8):61-70. [30][31] 曾文婕.关注“知识创造”:技术支持学习的新诉求[J].电化教育研究,2013,34(7):17-21 52. [32] 刘大军,黄甫全.知识创造视野中的三元交互学习[J].现代远程教育研究,2015,(4):24-32. [33] 琳达·哈拉西姆,肖俊洪.协作学习理论与实践—在线教育质量的根本保证[J].中国远程教育,2015,(8):5-16 79. 作者简介： 胡小勇：教授，博士，博士生导师，研究方向为信息化教学教研、智慧教学的理论与应用(huxiaoy@scnu.edu.cn)。 徐欢云：在读博士，研究方向为信息化教学教研、在线学习设计(xuhuanyun2011@126.com)。 陈泽璇：在读博士，研究方向为外语教学、外语教育技术、语言测试(SerlinaChen@163.com)。 
|
