大学生MOOC学习调查及提升路径研究

沈 娟

安徽新华学院大数据与人工智能学院,安徽合肥,230088

MOOC(大规模在线开放课程)作为一种新的学习方式,因其具有开放性、规模化、网络化等特点,受到广大教育者的关注[1]。伴随着MOOC在我国的进一步发展,作为MOOC资源使用的主力军——大学生的使用数量也在与日俱增[2]。因此,了解大学生MOOC学习的意愿,分析影响MOOC学习的因素,对于更好地发展我国MOOC教学有着重要的意义,也有利于改进MOOC平台的建设,提升学生MOOC学习的效果。

1 调查研究设计

MOOC平台的特点会对学习者的态度和行为产生影响,本文基于计划行为模型(TPB,Theory of Planned Behavior)、理性行为模型(TRA,Theory of Reasoned Action)、技术接受模型(TAM,Technology Acceptance Model)[3],设计并编制了问卷,通过问卷星获取调查数据。

1.1 影响因素的提炼

结合MOOC学习者的学习特点和理性行为理论、计划行为理论、技术接受理论等分析有效的内容,梳理大学生使用MOOC资源的影响因素[4-5]。对影响因素进行排序和编号,删除与研究不一致的因素,利用统计分析软件(SPSS)分析样本回收数据的信任和有效性,根据探索性因子分析(EFA)的结果,去除因子载荷较小的观测变量,最终保留18个,如表1所示。

1.2 数据收集

笔者设计的问卷包括对MOOC的认同情况及学习者对MOOC的使用意愿进行调查。在安徽新华学院随机选择大一到大四的10个开设MOOC课程的班级进行调查。最后,导出数据,剔除重复无效的数据,整理后得到310份有效数据。在310位被调查者中,男生有164人,女生有146人,男女性别比例53∶47,分布基本平衡。

2 MOOC学习影响因素调查分析

2.1 探索性因子分析

因子分析主要是探讨观察变量与对应因子之间的强度,找出因子与观测变量之间的关系[6-7]。本文运用SPSS软件对调查问卷做探索性因子分析,检验问卷的有效性。

对调查问卷中的18个项目进行Bartlett球形检验(见表2),可以发现,KMO值为0.831,因子分析的效果适中,18个观测变量有共同因素存在,非常适合进行探索性因子分析。

表2 KMO和Bartlett的检验

对提取出的因子进行因子旋转,采用最大方差法分析数据。为便于阅读,对表格进行重排序和化简,得出的结果如表3所示。

表3 探索性因子分析

分析表3数据可知:

(1) 从问卷中的18个题项中提取出5个因子,因子载荷值均满足要求,5个主成分的累计贡献率达到74.131%,提取的公因子样本具有很强的解释方差的能力,可以有效地表示样本数据。因此,适合将18个观测变量归为5个因子。

(2) 根据这5个因子各自包含的一些题目及内容,对各因素进行命名。抽取的第一个成份包括C1、C2、C3、C4,结合技术接受理论TAM模型,命名为感知易用性。抽取的第二个成份包括C5、C6、C7,命名为感知有用性。抽取的第三个成份包括C8、C9、C10、C11,命名为课程资源。抽取的第四个成份包括C12、C13、C14、C15,命名为主动性。抽取的第五个成份包括C16、C17、C18,命名为交流互动性。

2.2 影响因素与大学生MOOC学习意愿的相关分析

由表4可知,感知易用性和大学生MOOC学习意愿之间的相关系数为0.484。由表5可知,感知有用性和大学生MOOC学习意愿之间的相关系数是0.327。由表6可知,课程资源与大学生MOOC学习意愿之间的相关系数为0.560。

表4 感知易用性和大学生MOOC学习意愿的相关性

表5 感知有用性和大学生MOOC学习意愿的相关性

表6 课程资源与大学生MOOC学习意愿的相关性

由表7可知,主动性与大学生MOOC学习意愿之间的相关系数为0.475。由表8可知,交流互动与大学生MOOC学习意愿的相关系数为0.453。相关系数的检验的双侧P值为0.000,小于0.001,可以得到,MOOC的感知易用性、感知有用性、课程资源、主动性、交流互动与大学生MOOC学习意愿之间均呈现显著的正相关关系,MOOC感知易用性、感知有用性、课程资源、主动性、交流互动性越好,大学生的MOOC学习的意愿越高。

表7 主动性与大学生MOOC学习意愿的相关性

表8 交流互动性与大学生MOOC学习意愿的相关性

2.3 影响因素权重分析

将上述对MOOC学习意愿有重大影响的5个因素进行权重分析,每个因子的权重计算是在主成分分析的基础上进行的。权重计算方法为:(1)确定每个线性组合中主成分的系数,即将各个因素的载荷值除以相应特征根的平方根;(2)确定综合评分模型中各因素的系数,即对步骤(1)中得到的各指标所具有的主成分进行加权平均,使用初始特征值的方差百分比;(3)确定各因素的权重系数,即对各因素在综合得分模型中的系数进行归一化处理;最终得到大学生MOOC学习意愿影响因素权重表,如表9所示。

表9 各因素的权重系数

由表9可知,各因素的权重排名是:课程资源、感知有用性、感知易用性、主动性、交流互动性。

课程资源是大学生MOOC学习意愿的第一位影响因素。课程资源是否丰富,教案、课件等是否方便学生下载,MOOC教师的讲解是否能够吸引学生,激发学生的学习兴趣,这些都对大学生MOOC学习意愿起着重要影响。

感知有用性是大学生MOOC学习意愿的第二位影响因素。学生通过MOOC学习的知识是否有利于提高成绩、提高自身实践操作能力等,会影响大学生使用MOOC学习的积极性。

感知易用性是大学生MOOC学习意愿的第三位影响因素。MOOC不受时间和地域的限制,只要学习者有网络,就可以进行学习,突破了传统课程的时间性和区域性限制,节省时间和空间成本是互联网带给学习者最大的一个便利。同时MOOC平台要界面友好、易于操作,一旦太过复杂,将不可避免地增加学习者的成本,不易推广。

主动性是大学生MOOC学习意愿的第四位影响因素。主动性往往是学习态度的体现,MOOC学习通常是课下进行,无教师监督,学习时间是否能够保证,目标是否明确,进度安排是否合理,需要学生自己安排,有条不紊、积极主动地学习,既可以保证学习质量,又可以促进学生持续不断地进行MOOC学习。

交流互动性是大学生MOOC学习意愿的第五位影响因素。教学环境和教学氛围的建设有助于教育活动的长期发展。交互功能的增设,增强了教师和学生之间的沟通,并为在线学习用户提供了回答问题和解决问题的平台,每个学习者都可参与讨论。

3 大学生MOOC学习意愿提升路径

基于以上分析,在此提出帮助大学生提升MOOC学习意愿的几点建议:

第一,从课程资源、感知有用性因素来看,基于MOOC课程的视角,对于平台中的课程需要进行一定的合理规划。首先,需要提高MOOC课程录制的质量,课程内容讲解细致、生动形象、理论实践相结合,课程资源形式多样,易于学生下载学习,高品质的课程才能吸引学生,激发学生学习兴趣,帮助学生提高成绩和实践能力;其次,可以将课程进行分类,按照学习目标和学习难易程度进行划分,以便学习者可以快速找到适合自己的课程;此外,对于平台中一些学习者参与度较低的课程需要改进,提高MOOC平台中课程的数量及质量,丰富课程资源,将有利于提升大学生MOOC学习的意愿。

第二,从感知易用性、交流互动性因素来看,基于MOOC平台的视角,首先,MOOC平台需要进行平台优化,让平台能够简单快捷地进行操作,同时,也要丰富平台的课程资源,更好地吸引学习者;其次,MOOC平台尽量提供多种形式的师生互动、生生互动,而不仅是通过评论的形式,也可以通过消息提醒或实时通信,以便参与者需要时可以及时沟通交流;此外,MOOC平台可以加大自身的宣传力度,通过之前的研究,笔者发现大学生接触MOOC更多的是通过老师推荐或通过网络了解这两种途径,因此,可以考虑加强MOOC平台宣传力度,在不同媒体上宣传,这有益于扩大网络接触面,能够让更多的学习者接触到MOOC,从而提升大学生MOOC学习的意愿。

第三,从主动性因素来看,基于学习者的视角,学生要提高MOOC学习的主动性,明确学习目标,合理安排学习时间和进度。科学的学习方法和持续不断的学习,让学生在学习中能够有所收获,一个个阶段性目标的实现,有助于实现最终目标,有助于提升学生持续使用MOOC学习的意愿和兴趣。

4 结 语

随着“互联网+”教育的发展,线上线下混合式教学模式的融合,MOOC学习被越来越多的大学生接受和采用,但MOOC学习在迅速发展的同时也凸显出存在的问题。如何更好地建设MOOC资源,提升大学生MOOC学习的意愿,提高MOOC学习效果,需要教师、MOOC平台等多方不断地努力探讨。大学生MOOC学习成效会在多方共同努力下取得明显提升,在促进教育现代化建设中发挥更加积极的作用。