基于灰色关联分析法的在线学习绩效影响因素分析

■邓小华,张梅琳，罗晓萍

（四川广播电视大学，四川 成都 610073）

《国家信息化发展战略纲要》中提出：“加大教育信息化推广力度，建立网络环境下开放式的学习模式，推动更多学校使用网络课程”[1]。在线学习成为新时代背景下的主要趋势，尤其是新型冠状病毒疫情发生以来，教育部“停课不停学”的倡导让在线教育迎来空前的挑战和机遇。然而，在线学习的成效与人们的期望还有一定的距离，学习者的学习积极性不够、学习效率低、学习焦虑、学习者流失等问题不断涌现，为此，在线学习绩效成为学者们关注的焦点。

绩效（performance）一词可以追溯到20世纪40年代，Ryle将其定义为“成就、行为的效益”。而学习绩效（Learning performance）美国教育传播与技术协会（AECT）将其定义为学习者运用新获得的知识与技能的能力，包括基本知识与基本技能的获得与灵活运用的能力。国内学者大多认为学习绩效是成就、业绩，指学习者在一定时间和条件下完成某一任务时所取得的学习业绩和学习效益[2]。在选取学习绩效影响因素指标中，存在着一些共性和差异。例如：基于可行性、反应、认知迁移、行为迁移、组织成效的五层次评价体系[3]，基于学习者满意度、学习行为、学习结果的三维度评价体系[4]，以及基于学习行为、协作能力、智慧制品三方面的评价体系[5]等。

对于影响在线学习绩效因素指标的研究，从国内外已有研究成果来看，一直是学者们研究的热点。但主要集中在要素的主观分析层面，数据研究方法比较单一，缺乏科学的模型分析。本文力求通过文献分析及问卷调查，建立在线学习绩效影响因素体系，并基于灰色理论和灰色关联分析法，对各个因素指标展开分析，计算出各影响因素的灰色关联度，识别主要的影响因素，为在线学习研究提供参考，最终实现提升学习绩效的目的。

一、构建在线学习指标体系

学习者的绩效分析须兼顾学习过程和学习结果的影响。本研究采用基于学习行为、学习者满意度、学习结果的三维度评价体系[6]，并据此确定参考序列。学习满意度是学习者感知的价值质量与学习期望的契合度；学习行为是学习者在学习中对学习资源的运用，与授课教师、学习平台、学习同伴之间的交流协作，从而改变行为及习惯；学习结果是学习使学习者及其组织提升绩效而产生的具体结果或获得的成绩。因素分析中，笔者通过文献分析[7][8]及访谈结果确定在线学习绩效的各个影响因素，确立了四个维度：学习者维度、教师维度、技术维度和课程维度，以及14个具体的影响因素指标，从而确定了比较序列。同时，设计在线学习绩效调查问卷，并征求专家意见，经过多次修订，对问卷进行了信效度分析，最终正式在线投放问卷。依据问卷调查结果，建立了如下的绩效指标体系。

设参考序列为 X0=（x01,x02x,03），比较序列为 X=（x1，x2，x3，∧，x14），各级指标具体表示见附表 1。

二、构建灰色关联模型

在数理统计中，方差分析、回归分析、主成分分析等在对系统数据进行分析的时候存在一些问题，如：数据样本容量大、分析数据服从一些典型概率分布、计算量大等，导致难以精准分析。灰色关联分析法能够在一定程度上弥补这些缺憾，其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密[9]。基本计算步骤如下：

（1）构建参考序列和比较序列

设参考序列为X0，X0=x0(1),x0(2),x0(3x)，比较序列为Xi，Xi=xi(1),xi(2),∧，xi(14x) ，i=1,2,∧,14。

（2）序列数据预处理

为避免系统中因各因素量纲与量级不同而无法进行比较，需对评价指标的原始数据进行预处理，使指标之间可以直接比较。本文采用初值标准化方法对数据预处理。

（3）计算关联系数

（4）计算整体灰色关联度

本文考虑学习满意度、学习行为和学习结果三者对学习绩效是等权重的。整体关联度为：

式中：γ(X0,Xi)为X0与Xi的灰色关联度，满足灰色关联四公理。

三、实证分析

基于上述确立的指标体系和灰色关联模型，选取我校10个在线学习项目，分别发放结构性问卷将每个项目对应指标的均值作为研究的原始基础数据，构建参考序列和比较序列，运用第二节的灰色关联模型进行计算。

首先，以学习绩效评价的学习满意度指标为例，采用初值化算法对数据序列进行预处理，运用式（2）计算学习满意度与各指标之间的灰色关联系数γ（x0（k）,xi（k））如下：

由式（3）求灰色关联度，γ（X01,Xi）T=（0.5484 0.5500 0.6480 0.6718 0.5130 0.5522 0.8024 0.6304 0.7805 0.5590 0.4973 0.6744 0.6714 0.6069）

可以得出，学习满意度跟各影响因素指标的灰色关联程度。

应用上述同样的方法，可以得到学习行为和学习结果与各指标的灰色关联度：

最后，我们可以计算总体关联度，考虑学习满意度、学习行为和学习结果三者对学习绩效是等权重的。于是，得到整体灰色关联度：

图1 学习满意度、学习行为、学习结果三因素与各影响因素指标的关联度

根据以上结果，可以对各指标对学习绩效的影响排序，如附表2所示。

四、结果分析

根据附表2可知，对学习满意度影响较大的前五个因素指标分别为：教学活动设计、平台设计及功能、学习资源呈现方式、自我效能感和课程任务要求；影响学习行为的前五个因素指标分别是：评价形式、教学活动设计、自主学习能力、平台设计及功能、评价形式；影响学习结果的前五个因素指标分别是：教学活动设计、学习认知、平台设计及功能、自主学习能力、互动和协作。综合影响学习绩效前五个因素指标分别是：教学活动设计、平台设计及功能、自主学习能力、评价形式、课程任务要求。由此可见，影响在线学习绩效的四个维度中，均存在影响作用凸显的因素，主要集中在学习者维度的学习认知、自主学习能力、自我效能感；教师维度的教学活动设计；技术维度的平台设计及功能；课程维度的学习资源呈现形式、课程任务要求和评价形式。

下面对影响学习绩效的主要因素作进一步的分析。

1.教师维度

从附表2可以看出，教师维度的教学活动设计是影响在线学习绩效的主要因素，整体灰色关联度排在第一位，高达0.8044，高度相关；教师的教学技能、与学生的互动与学习绩效中度相关。由此可见，有效的教学活动设计是在线学习绩效的关键因素。教育家杜威曾说：“经验是由个体活动来实现的”。教学活动是知识和经验的载体，有效的教学活动设计能够持续吸引学生的注意力，从而提升学习绩效。因此，教师在教学设计中，应注重教学活动的设计，将课程内容与教学活动有机结合，充分考虑学习者的学习认知、学习期待，通过多样化、实操性的在线教学活动设计，提高学生的参与率。

2.学习者维度

从附表2可知，学习者维度设计的五个因素指标中，自主学习能力与学习绩效的灰色关联度最高，达到0.7317，高度相关；学习经验、学习认知、自我效能感、互助与协作与学习绩效的灰色关联度也达到显著相关。学习认知与学习结果的灰色关联度是0.7984，排名第二。自主学习能力与学习行为的灰色关联度是0.7982，排名第三。由此可见，要提高在线学习的学习绩效，学习者的学习认知、自主学习能力和自我效能感是关键因素。

3.技术维度

技术维度中，平台设计及功能是影响学习绩效的重要因素，灰色关联度达到0.7886，而技术支持与网络状况的灰色关联度是所有因素指标中最低的。由此可见，随着我国网络基础设施的建设，尤其是4G和智能手机的普及，在线学习中，网络卡顿、延迟、掉线、宕机等问题，在疫情期间大规模在线教学前期，是存在的。但经过政府、运营商、企业等的不断努力，这些问题已经不再是影响学习绩效的主要因素。平台设计及功能才是技术层面考虑的重点。

4.课程维度

课程是知识的载体，也是教学的内容。从附表2可知，课程维度中，评价形式与学习绩效的灰色关联度最高，达到0.7046，高度相关，尤其是对学习行为的影响，灰色关联度排第一。学习资源呈现形式和课程任务要求两个因素指标与学习绩效显著相关。资源呈现形式对学习满意度的影响较高，灰色关联度排名第三。课程任务与学习满意度的灰色关联度排名第五。学习资源特性的各灰色关联度相对较低。由此可见，在线学习中，学习任务的设置、学习成果的认定方式仍然是影响学习绩效的重要因素。

五、对策建议

由灰色关联分析法结果可知，在线学习绩效受到来自不同主体的多种不稳定因素影响。因此，要提升在线学习绩效，需从多方面入手才能收到良好的效果。基于此，笔者提出以下几点建议。

（一）教师层面：有效设计教学活动，提升信息素养，做智慧教育未来名师

西北师范大学郭绍青在“A.I.之光点亮在线教与学”公益直播论坛上作了题为《学习质量保障：在线学习活动设计》的演讲。他指出，未来的优秀教师，能将信息化理论、技术和学科能力等有机融合。心理学家莫雷定义教学活动：“是教师的教和学生的学所构成的双边活动”。教师是有目的、有计划、有组织地引导和促进学生学习的。教学活动设计包括：教师方面的教学活动设计和学生方面的学习活动设计。在线教学需要更加调动学生的学习主动性，即使疫情结束回到课堂，改变教师讲学生听的现状，实现以学生为中心的理念，同样需要进行学习活动设计。教师在“互联网+”条件下应充分利用技术资源，包括设备、环境、平台、学科工具、知识类资源等来支持教与学，有效设计教学活动，最终使学生的学习方式得到优化，以达到提升学习绩效的目的。

（二）学生层面：科学增加学习投入，有效制定自主学习规划，提升在线学习自我效能感

学生学习投入（studentengagement）是学生投入到有效学习活动中的时间和精力，以及学生所感知到的学校对其学习的支持程度。学习投入是影响在线学习发生、坚持与成效的关键，也是高校教育质量评估的重要指标[10][11]。学者们对学习投入的研究主要从三个维度：情感投入、认知投入和行为投入展开。情感投入是学生在学习过程中的情绪体验和价值判断；认知投入是学生在学习过程中对自我的规划管理与监控调节[12]；行为投入指学生在教育和学习活动中投入的时间、精力和努力，是可以被观测到的行为表现，包括投入时长、活动强度和努力程度等。在对在线学习投入的研究中，我们发现学生的学习投入整体较低，并且具有明显的绩效驱动特征，与学习供给和需求显著相关[13][14]。因此，创造良好学习情感体验，激励学生的深度参与，增加实质性认知投入，是有效提升学习绩效的关键。互联网时代，线上线下相结合的学习模式逐渐成为当下学习的主流模式，学习环境开放联通、虚实结合、灵活智能等特征越来越显著，广大的在线教育研究应突破环境的差异，将学习绩效落到实处，探索科学的方法，促进在线学习学生科学增加学习投入，有效自主规划，提升在线学习自我效能感。

（三）技术层面：保障硬件基础建设，优化平台设计及功能，提供多种便捷的创新服务

北京师范大学智慧学习研究院在切实做好疫情防控，有效支持“停课不停学”《在线教学平台技术调研》中指出：“流畅的通信平台是超大规模互联网教育组织的核心要素”。目前，在线教育平台面临的问题主要有：基础平台搭建需要过硬的平台服务商；研发及运维成本满足高并发的架构必然带来极高的研发成本以及运营成本；全栈式一体化解决方案是刚需；弹性收缩的云端避免资源浪费；在线教育技术迭代全面[15]。总的来说，从用户出发，在保证平台流畅运行的前提下，需要不断优化和完善功能，尤其是公开课、直播、点播、VR/AR到“1v1”、多人互动教学等多种形态的支持，电脑、手机、平板等多终端的功能实现，提供方便快捷的创新服务，满足教师和学生对平台的功能需求。

（四）课程层面：创立开放评价体系，提升学习任务挑战性，资源呈现方式多样化

教学评价作为保障学习质量和学习效果的重要措施，科学评价是科学干预的基础。有效的教学评价能让学生正确地认知自我，挖掘学习潜力，激发学习兴趣。在线学习评价中，要注重评价方式的创新性和多样性，应从个体差异出发，形成差异性评价和总结性评价，绝对评价和相对评价相结合，提高教学评价的有效性。未来在线学习的发展重点就是通过良好的模型和海量的数据，将评价真正融合到在线学习中。

适切的课程任务是教学的重点要素，也是影响学习绩效的关键。学习任务的设计要难度适中，兼具挑战性。KAPORM的“有益失败”模式强调应先让学生接受具有挑战性的任务，再提供必要的指导，从而增强学习体验[16]。课程设计中要明确学习任务和评价准则，让学生明白背后的价值和意义，激发学习兴趣。学习活动评价准则制定后，学生会在完成活动前有一个学习成效期望及计划安排等，并且通过评价结果掌握自己的学习达标情况。在实施过程中，应根据对学习效果的监控，动态调整学习任务，以满足学生不同阶段的学习需求。

在资源呈现方式方面，要注重多样化，避免方式单一给学生带来视觉疲劳。同时，运用大数据分析技术，充分考虑学习资源的个性化推荐。OZYURT Oet.al研究也表明在学习资源呈现中，考虑遴选资源与学习者风格的适应性，会一定程度上提高学习满意度[17]。因此，多种形式的资源呈现方式是必要的，能给学生带来视觉冲击，不断激发学生的想象力和创造力。

附表1 在线学习基本数据系列

附表2 在线学习的学习绩效与影响因素排序