高等教育数字化发展研究｜符琼霖 陈凤菊：环境支持对大学生在线学习效果的影响及其作用机制
引用格式
符琼霖 陈凤菊.环境支持对大学生在线学习效果的影响及其作用机制[J].中国教育信息化,2023,29(7):079-090.DOI: 10.3969/j.issn.1673-8454.2023.07.010
高等教育数字化发展研究
环境支持对大学生在线学习效果的影响及其作用机制
符琼霖 陈凤菊
摘 要： 环境支持是开展在线学习的必要条件。基于“学习投入-学习效果”维度设计调查问卷，并对武汉市8所本科院校的964名大学生在线调查问卷数据进行分析。通过结构方程模型，文章研究了平台支持、教学支持和家庭支持对大学生在线学习效果的影响及其路径。结果表明：技术平台支持、教师教学支持对在线学习效果和学习投入有显著正向影响；在线学习投入对学习效果有显著正向影响，且在环境支持与学习效果之间起部分中介作用。基于研究结论，同时从教师在学生在线学习中的主导作用发挥、建立家校合作沟通机制、关注学生群体的在线学习差异性等方面给出相应建议，从而为提升大学生在线学习效果提供有益参考。
关键词： 在线学习；环境支持；学习效果；影响机制中图分类号： G434文献标志码： A文章编号： 1673-8454（2023）07-0079-12作者简介： 符琼霖，湖北大学师范学院讲师，博士（湖北武汉 430062）；陈凤菊，厦门大学教育研究院硕士研究生（福建厦门 361005）
基金项目： 本文系2020年湖北省教育科学规划课题“疫情防控背景下大学生在线学习优化策略研究”（编号：2020GB012）的阶段性研究成果一、问题提出
疫情期间，在线学习成为大学生的主要学习方式。大规模在线教学，不仅客观助推了“互联网+”时代高校教育教学模式变革，更改变了人们对传统“教与学”及其基本要素的认知。在混合教学开启的后疫情时期，线上教学将不再是一种选择，而是一种必然趋势。[1]然而，现象背后还有许多值得深思的问题，比如为什么大学生在线教学体验感不佳、教学满意度不高[2]、在线学习参与度一般[3]、在线学习效果不好[4]等。疫情防控常态化背景下如何保障在线教学质量？大学生在线学习效果将受哪些环境因素影响？在线教学的主要环境支持因素有哪些？存在哪些问题？这些不仅已成为高校教育工作者和学生共同关注的问题，其回答也有助于将应对疫情防控特殊时期的“战时举措”转化为高校混合式教学改革的“常态举措”，对查找掣肘我国教育信息化及在线教学的短板与不足、探索在线学习效果的影响及其作用机制具有重要意义。
二、文献综述与分析框架
（一）文献综述
在线教学情境下的环境支持，指学习者利用信息技术和资源开展在线自主或交互式学习所需要具备的客观环境条件，某种程度上体现了资源结构的特征。有研究认为，相比传统课堂教学模式，在线学习行为及结果将更多受到开放环境影响，主要包括技术平台与环境、交互环境、家庭环境等方面。[5][6]在灵活开放的网络空间中，在线学习被界定为利用互联网获取学习资料，与学习内容、教师和其他学习者互动，获得知识，获取支持，构建个人意义，从学习经验中成长的过程。[7]在此意义上，大学生在线学习具备个体的行动特征。结构与行动并非完全对立，但具有互相矛盾的二重属性。根据这一观点，只有假定行动者处在一个宏观结构及其情境中，其行为才有意义，因为个体自由意志和能动性只有依靠“情境”才能实现既定的行动目标，即情境是限制个体能动性的物质因素。[8]由此，环境支持中的技术条件、家庭环境等方面对外体现出资源结构的构成要素，对内则通过将这种结构特征传递给个体从而对学生在线学习行为产生影响。
从社会学习理论的观点来看，将环境因素引入在线学习行为，是因为环境只有在特定行动现实化后才能起作用，[9]因此，相较于线上教学情境而言，网络学习环境是决定学习者行为、保障教学成效至关重要的因素。[10]这一观点已得到不同程度的验证，集中体现为良好的个性化虚拟环境对提高学生在线学习成效具有积极意义。[11][12]有学者对在线教学平台稳定性的考察肯定了这一结论，认为在线教学平台是影响在线教学成功实施的基础保障。[13]而疫情期间长时间居家在线学习，其学习效果的影响因素由于脱离了有组织有计划的学校环境而略显复杂。
认知学习理论（cognitive learning theory）提出，人类获取信息的过程即信息交换的过程，知识通过社会互动而建构，而互动在教学设计中具有重要作用。为此，来自家庭成员的支持对在线学习成效的影响颇为关键，[14]且家庭支持对在线学习成效的影响也存在一定差异。例如，学生长时间居家在线学习易滋生不适应性、学习焦虑等，[15]良好的家庭环境支持则能及时给予学习者支持帮助，从而一定程度上缓解学习者的学习焦虑。[16][17]此外，教师作为教学“设计者”，在教学设计、组织、反馈与评价等方面也有助于打造良好的交互环境。[18-20]与教师线上互动不仅可以增强学习动力，还能改善学习能力，[21]提高学习投入，增强学生学习收获。[22]归纳而言，平台支持、家庭支持、教学支持是影响在线学习成效的三大环境支持要素。
另外，研究表明在线学习投入是影响在线学习成效的关键要素，对在线学习绩效具有直接正向影响。[23]由此通过研究在线学习投入，从而为学习者提供针对性的学习支持，这对提高在线学习效果具有重要意义。为此，已有研究聚焦于学习者在线学习投入中的在线交互行为活动和在线学习体验。[24]譬如运用“学生参与理论”（student involvement theory）探究学习环境与在线学习投入程度的关系；[25]或从个体微观层面阐释学生与环境中影响个体学习投入的变量关系，如运用建构主义学习理论分析在线学习成效和满意度影响因素。[26][27]多数在线学习投入研究将在线学习投入作为因变量或自变量，而少有研究将其作为中介变量，或关注在院校、个体因素之外对在线学习过程或效果产生影响的其他因素及其作用机制，比如环境支持的因素。通过对已有研究成果的整理归纳，不难发现，诸多环境因素的支持是影响在线学习成效的重要变量，且学生的学习投入作为环境影响下的行为选择，极大可能是一个重要的中介变量。但是，这种关联是否还将进一步影响在线学习效果，以及如何影响尚未有人深入研究。
（二）研究假设及模型建构
尽管目前国内对在线学习效果及其影响因素关系的研究有所涉及，一方面为本研究奠定了良好基础，另一方面更多是在实证研究中抽取影响在线学习效果的关键指标，而未将环境单独作为一项影响在线学习效果的要素深入分析。这种处理方式对全面系统把握在线学习效果的整体影响因素具有积极意义。然而，从优化在线学习环境支持的角度来看，或许不利于我们提出更加有针对性的教育建议。基于此，本研究希望能够明确如下问题：一是疫情防控常态化背景下，大学生在线学习所获得的环境支持是否影响学生在线学习投入及学习效果，其中哪些因素是关键因素；二是在此基础上探索并解释该影响效应的发生机制是什么，即验证作为学习者学习投入的中介作用如何实现。为此提出四个基本研究假设：
假设1：良好的环境支持对大学生在线学习效果有显著正向影响；
假设2：良好的环境支持对大学生在线学习投入有显著正向影响；
假设3：大学生在线学习投入对其学习效果有显著正向影响；
假设4：大学生在线学习投入在环境支持和学习效果之间起中介作用。
综合上述分析及假设，本研究聚焦于环境支持的三个关键因子——平台支持、教学支持、家庭支持。以学习者的学习行为——学习投入为中介变量，选取武汉市部分高校中参与在线教学的大学生为研究对象，构建在线学习效果的影响因素结构方程模型，如图1所示，以探究各因子对在线学习成效的作用机理。其中，本研究的平台支持是指学生开展在线学习时的设备是否齐全、学习平台使用便利程度及学习资源是否丰富。教学支持是指在线教学中教师在线教学内容、组织、设计、引导、反馈等对学生的吸引力及帮助情况。家庭支持是指学生居家在线学习时，父母对学生学习的关心及帮助情况。学习投入则是指学生在线学习时，在行为、情感、认知、交互等方面的投入程度。学习效果是学生对在线学习效果的评价。三、研究设计
（一）研究对象与数据来源
本研究通过问卷调查方式，对湖北省武汉市8所本科院校在校大学生进行调查。问卷在参考国内外相关权威量表基础上，经多次筛选预测并删除部分题目，最终形成《疫情期间本科生在线学习投入调查量表》。问卷包括四个部分：一是学生个人信息，包括年级、性别、家庭户口的性质、学科及学校；二是环境支持情况，包括在线学习平台情况、教师在线教学、家庭对子女在线学习的支持等共10道题；三是在线学习投入部分，涉及学生在线学习行为投入、交互投入、情感投入、认知投入的认可度等共16道题；四是学习效果部分，通过对比线下学习了解学生在线学习效果，共2道题。通过问卷星平台发放并最终回收1062份问卷，除去98份无效问卷，得到有效问卷964份，有效问卷回收率为90.77%。调查数据通过SPSS26.0和AMOS23.0软件进行处理与分析。所调查的高校层次上包括地方普通本科院校和研究型大学，类型上则覆盖了综合类、师范类、民族类、理工类、农业类、财经类等高校，样本具有较好的代表性，详见表1。
表1 调查样本基本情况（N=964）（二）变量描述
1.环境支持
在线学习需要借助一定的学习条件，因此环境是影响在线学习效果的重要因素。鉴于此，将环境支持作为本研究的潜在自变量。采用探索性因子分析提取出自变量的3个主要成分，分别命名为“平台支持”“教学支持”“家庭支持”，并作为环境支持的观测变量，其方差累积贡献率为68.950%，采用最大方差法的旋转方法的KMO=0.914＞0.8，近似卡方为8224.949，df=45，sig＜0.001，说明提取成分有效可信，适合探索性因子分析。根据因子分析结果，从样本数据中提取“网络条件满足在线学习要求”“在线课程时，多数教师的教学形式很吸引我”“当我在线学习时，家长对我的学习非常支持”等与环境支持相关的11个题项。
2.学习投入
本研究将学习投入作为中介变量，对所有相关题目进行探索性因子分析后提取出“行为投入”“情感投入”“交互投入”“认知投入”4个主成分，即学习投入对应的观测变量，其方差累积贡献率为75.993%，KMO=0.948＞0.8，近似卡方为11810.111，df=120，sig＜0.001，说明适合做探索性因子分析。
3.学习效果
本研究的在线学习效果是潜在因变量，是学生经历在线学习后，对学习效果所做的综合性评价。通过“比传统线下学习效果好”和“比传统线下学习效果差”两个题项对学生在线学习效果进行观测，如果“比传统线下学习效果好”题项得分越高则说明在线学习效果越好；“比传统线下学习效果差”题项得分越高则表明在线学习效果越差，为一组反向计分题目。
4.调节变量
本研究调节变量分为院校性质和人口统计学变量两类。前者分为“一般本科”和“研究型大学”，考虑到院校性质影响办学资源及支持力度，可能造成专业学科基础上的在线教学资源差距，最终影响学生在线学习效果；后者的变量有性别、年级、生源地、家庭户口性质、学科，是基于个体差异带来的对学习投入及其学习效果不同影响的考虑。
为确保研究数据可靠且有效，需测量各变量的因素载荷量及模型信效度。由表2显示，各题项标准化载荷量均在0.5以上，各维度的克隆巴赫系数（Cronbach’a）和组合信度（Composite Reliability，CR）均大于0.7，表明测量模型的信度良好。此外，各因素平均提取方差值（Average of Variance Extracted，AVE）大于0.5，其拟合度指标基本符合判定标准，[28]AGFI值虽小于判定标准，也仍在可接受范围内，表明测量模型具有良好的结构效度。[29]
表2 各测量变量信效度检验
注：当测量模型的题项小于3时，拟合度指标为0
此外，考虑到本研究数据来源相同，可能存在共同方法偏差，在数据分析前采用 Harman 单因素检验方法进行共同方法偏差检验。[30]对所有项目进行未旋转因素分析，第一个公因子解释的变异量只有38.103%（小于40%的临界标准），且所有项目抽取公因子的数量大于1。说明共同方法偏差问题在允许范围内，研究结果未受严重干扰。
（三）统计分析方法
基于上述研究，通过构建结构方程模型来探究环境支持、在线学习投入与在线学习效果之间的关系，并运用Bootstrap自助抽样法检验学习投入在环境支持与在线学习效果间的中介效应。[31]
四、研究结果分析
（一）描述性分析与相关分析
在环境支持的各子维度表现上，家庭支持的平均水平最高（M=3.88，SD=0.808），其次是平台支持，最后是教学支持，如表3所示。环境支持各项均值（均在3.5以上）显示，整体上学生对在线学习的环境支持评价较高。从学习投入的具体要素上，行为投入均值最高，其次是情感和认知投入，而交互投入水平最低，表明学生能够保证按时上课、完成作业等基本在线学习行为，且过程中能够体会到一定程度的快乐和成就感，但在师生交流、生生交流、制订学习计划、进行课程总结、探索有效的在线学习方法等方面有待提高，反映出大学生深度在线学习的缺失。
注：**表sig＜0.01
从学习效果上，部分（41.4%）学生认为在线学习效果并不十分理想（其均值为3.04，略高于中值3），认为在线学习效果比线下学习效果好的学生仅占28.3%。另外，从相关性来看，环境支持、学习投入和学习效果中所有变量之间均存在显著的弱正向相关关系。为此，有必要进一步探索各变量间具体的关系路径。
（二）差异性分析
为了探索不同背景下本科生在环境支持、学习投入、学习效果方面的差异，如表4、5所示，围绕性别、年级、学科、生源地进行独立样本T检验或单因素进行方差分析。若方差分析通过了方差齐性检验，即采用假定方差齐性的LSD检验；若没有通过，则采用未假定方差齐性的Tamhane’s检验。结果显示：基于性别的环境支持、学习投入及学习效果差异明显，女生在技术平台、家庭支持方面显著高于男生，而男生在交互投入、认知投入和学习效果方面显著高于女生，在教师教学、行为投入、情感投入方面男女生没有显著差异。
注：**表示sig＜0.01，***表示sig＜0.001
在年级上，各年级在教师教学、行为投入、情感投入、交互投入、认知投入等方面均存在显著差异，以大四年级学生的各维度表现最优；在学科类型上，各学科仅在技术平台上存在差异。事后比较发现，文史类和理工类、理工类和其他类学科之间在技术平台上均存在差异；在生源地上，来自不同居住地的本科生在技术平台、教师教学、家庭支持和交互投入方面均存在差异。例如，省会城市（直辖市）的学生对技术平台、教师教学、家庭支持的评价均高于其他地区的学生。说明总体上，省会城市能够更好地为学生提供在线学习环境支持的能力与条件，但是这类学生对学习效果的评价却最低。乡镇或县级城市学生的交互性学习投入均值偏低，说明家庭背景构成学生在线交互学习的重要环境影响因素。
（三）结构模型检验及影响作用分析
基于研究分析框架，利用AMOS23.0软件对在线学习效果的影响因素进行数据拟合，以判断模型是否适于分析在线学习效果的影响因素。结构方程模型显示，拟合效果良好，RMSEA=0.079,SRMR=0.040,NNFI=0.945,CFI= 0.953，说明各项拟合指标值较好。整体而言，环境支持对在线学习效果影响机制的假设得以验证，详见图2。
注：***表示p＜0.001
从图2可知，多条路径的系数存在统计学意义，体现在以下四个方面。
第一，环境支持作用于在线学习效果的各路径系数均具有显著性，且对学习效果有直接的显著作用。其中，平台支持和教学支持对学习效果具有正向促进作用。特别是教师教学支持对学生在线学习效果作用最为明显（系数0.390），说明良好的技术平台和教师教学有助于在线学习，即假设1部分成立。相比之下，技术平台对在线学习效果影响程度更低，说明在影响在线学习效果的诸多环境因素方面，网络技术环境并不占主导，佐证了所调查的学生群体具备良好的在线学习条件。而家庭环境对学习效果呈现弱负向影响（系数-0.223），从效应值看，学生认为家长在身体关心、学业支持和必要帮助方面明显不足，甚至低于心理疏导，且多数学生反映家长在学生在线学习遇到困难时难以给予相应帮助，从而一定程度上影响学生在线学习效果。
第二，平台支持、教学支持和家庭支持对学习投入作用明显，假设2部分成立。从三者的路径系数看，教师教学对学习投入影响最大，其次是平台支持。“家庭支持→在线学习投入”的路径系数为-0.151，说明家庭环境没能对学生在线学习投入起积极正向影响，或家长未能及时扮演好学业“帮扶者”角色，对子女的学业支持不足。
第三，平台支持、教学支持、家庭支持对学习投入，以及学习投入对在线学习效果作用明显，证明学习投入是技术平台、教师教学、家庭支持分别与学习效果之间的中介潜在变量。
第四，从路径系数值看，学习投入是影响学习效果的重要因素（直接效应值0.529）。进一步发现，在学习投入的四个维度中，认知投入对学习投入影响最大（系数0.926），接着依次是情感投入（0.832）、交互投入（0.793）和行为投入（0.613）。
（四）中介模型检验
上述分析结果表明，学习投入在平台支持、教学支持、家庭支持中存在一定的中介关系。为此，使用Bootstrap自助抽样法检验学习投入在环境支持与学习效果之间的中介效应，结果如表6所示。
注：***表示p＜0.001
从表6可知，本研究构建的最终模型在路径“平台支持→学习投入→学习效果”“教学支持→学习投入→学习效果”和“家庭支持→学习投入→学习效果”的效应p值显著，进而验证了本研究的假设3，即学习投入在技术平台、教师教学、家庭支持与被解释变量学习效果之间都存在显著中介效应。同时，根据置信区间数值可知，三条路径区间均不包括0，证明这一中介效应属于部分中介效应，学习投入对学习效果的影响程度最大。
五、结论与建议
（一）研究结论
1.大学生环境支持、学习投入和在线学习效果处于中等水平
由均值的分析结果可见，技术平台和家庭环境得分相对高于教师教学，印证了现有网络条件和技术环境基本能够满足大学生学习需求，且家长对学生在线学习给予了一定关怀。但是，学生对在线教学体验感不佳，说明教师在教学态度、教学组织、教学设计等方面仍有提升空间。在学习投入方面，大学生学习投入整体处于中等偏下水平，行为投入较高，接着依次是情感投入、认知投入，而交互投入最低。说明大学生从行为到认知均能积极参与到在线学习活动中，而在线学习过程中的师生、生生交互学习有待提高，其深度学习投入欠佳。在学习效果方面，学生认为与线下学习相比，总体在线学习效果“一般”。
2.环境支持的各潜在变量与对应的观测变量均呈正相关
从相关系数来看，三个潜在变量平台支持、教学支持和家庭支持对应的观测变量均与学习投入和学习效果呈显著正相关，而具体相关强弱程度不一，如与学习投入呈中度相关，而与学习效果呈低度相关，特别是“学业支持”“身体关心”“心理疏导”等观测变量与学习效果的相关系数均在0.3以下，说明需进一步丰富网络教学资源，完善学习平台，提高教师教学和家庭支持，为学生在线学习营造良好环境。
3.环境支持、学习投入和学习效果各变量均存在明显个体效应
不同性别、年级、学科、家庭背景的大学生，其在线学习的环境支持、学习投入和学习效果存在明显个体差异：①性别上，女生感受到的环境支持度更高，而男生学习投入和学习效果更好。这大概由于男女在认知、思维上的先天差异，及互联网技术在固有认知中更偏于“男性化”。因此，男生开展在线学习更具优势，进而能够获得更佳学习效果。②年级上，大四学生在线学习投入依次高于大二、大一和大三学生。究其原因，大四学生课业负担较轻，因此在线学习时间和精力更为充足。而中年级学生课程任务相对较重，大一学生在对大学学习尚未适应的情况下开展在线学习，因此这些年级学生的学习投入及学习效果都处于中等偏下水平。③学科上，各学科仅在技术平台上呈现出差异，以理工类得分最低。说明技术平台的支持水平尚不能很好满足理工类学生的在线学习需求，或与理工类学科特性对技术平台的高要求有关。④家庭背景上，不同家庭户口学生在环境支持和大学生交互投入存在显著差异，来自省会城市（直辖市）学生的在线学习环境支持水平和交互投入水平最高，其次是地级城市，最后是县级城市和乡镇。
4.各潜在变量对应的观测变量对在线学习效果的影响情况
从效应分析结果来看，平台支持、教学支持和家庭环境均对在线学习效果产生不同程度影响，但学习效果的关键影响要素是教学支持，具体体现为“教学组织”和“教学内容”。平台支持以资源丰富程度为最大影响因素。值得关注的是，家庭环境对学习效果呈弱负效应，家庭支持对学习效果的影响与预期有所偏差，比如来自城市的学生在家庭支持维度上的均值最高（3.97），但学习效果均值最低（仅为3.19），说明家庭环境对学生在线学习支持与学生学习需求之间存在一定错位或未能提供有效帮助。
（二）主要建议
1.充分发挥教师主导作用，提升教师教学的信息化应用能力
教师教学是影响学生在线学习行为及结果的首要因素，相关文献都得到了证实。[32][33]作为在线教学主导者，教师应结合学科和学生学习特点开展教学，破除在线教学的技术导向和工具思维，从而回归教育本质等问题还有待厘清；同时，思考将信息技术整合运用于不同学科教学的教学策略，重构传统课堂，在新环境下做好适合在线教学的教学设计，[34]避免由于教学策略、教学活动设计缺陷造成的在线教学效果不佳。[35]学校则需要以教师信息化应用能力提升为核心做好相关工作。例如，建立起与在线教学相适应的教学质量评估体系，提升本科教学质量保障能力，鼓励教师积极参加信息化教学培训，并有意识地将教师的信息化教学能力纳入到教师教学能力提升的重要方面，等等。
2.建立家校沟通协作机制，弥补劣势家庭环境的不利影响
“全民在线学习”暴露了居家环境对学生在线学习支持存在的缺陷，同时表明家庭环境是影响学生在线学习行为的重要因素。在后疫情时期的混合式教学中，家庭成员也需一定程度接纳并为积极影响学生在线学习提供必要帮助，助推形成家校多元主体共同参与的在线教学新生态。一方面，学生的不同家庭背景是学校在线教学必须预先关注和了解的重要信息，并谨慎选取适合的教学组织形式，避免产生新的教育不公平问题；另一方面，学校要推动构建家校之间的对话协作、沟通理解、合作反馈机制，争取家长对学生居家学习的支持，充分掌握学生在线学习的心理状态和情绪感受，并为家庭处境不利的学生提供帮助，注重以灵活、开放、多样、个性化的形式育人。
3.关注学生群体差异性，培养学生学习的自我管理能力
在线教学缺乏的“在场感”及时空分离的特点，是对学生自主学习的极大考验，其中的自我管理能力是在线学习不可或缺的重要能力之一。[36]鉴于学生能力的高低，教师需要基于学情区分群体的能力差异性，通过运用不同教学策略引导督促学生自我管理学习能力的提升；同时，教师在教学过程中也要善于及时识别自主学习能力欠缺、课堂参与不活跃的学生群体，并协助规划调整学习路径，比如对于低年级和家庭劣势学生，多采用同伴学习、小组合作等方法丰富学生学习体验。此外，学校也要重视对学生信息化素养的培养，因为“互联网时代数字技术素养已经成为必备能力，只有在信息化的教学环境下才有可能培养起这类能力”[37]，通过学生信息化素养的提升，从而部分弥补环境支持不足给在线学习造成的负面影响。
六、结束语
当然，本研究也存在以下三点不足。其一，研究建立的环境支持通过中介学习投入变量的路径模型对在线学习效果、环境支持直接作用于在线学习效果的解释力共为63.3%，除去包含的部分残差解释，可能还有一些其他在线学习成效的影响因素未被纳入，比如很多理论文献就认为学习动机是影响学生在线学习成效的重要因素，[38][39]或存在其他类型的环境支持因素尚未深入考虑。其二，“环境支持”的内涵界定尚无统一定论，本研究自主构建的每个观测变量的问卷虽然信效度较好，但问卷设计也依旧存在完善空间。其三，本研究选取的本科院校均是在武汉市抽取的样本，出于疫情“重灾区”的防控需要，武汉市高校或许采取了更为有力的在线教学措施，因此，分析结果或许不足以推断全国范围的高校大学生在线学习情况。
参考文献：
[1]DHAWAN S. Online learning: a panacea in the time of COVID-19 criss[J]. Journal of Educational Technology Systems, 2020,49(1):5-22.
[2]覃红霞,周建华,李政.高校师生在线教学持续使用意愿的差异研究[J].高等教育研究,2021,42(1):83-93.
[3]李艳,陈新亚,陈逸煊,等.疫情期间大学生在线学习调查与启示——以浙江大学竺可桢学院为例[J].开放教育研究,2020, 26(5):60-70.
[4]汪卫平,李文.中国大学生在线学习体验的区域差异及影响因素——基于国内334所高校调查数据的分析[J].开放教育研究,2020,26(6):89-99.
[5]PAECHTER M, MAIER B, MACHER D． Students’expectations and experiences in e——learning: their relation to learning achievements and course satisfaction[J]． Computers ＆ Education, 2010,54(1):222——229.
[6]OZKAN S, KOSELER R． Multi-dimensional students’ evaluation of e-learning systems in the higher education context: an empirical investigation[J]． Computers ＆ Education, 2009,53(4):1285-1296．
[7]ALLY M. Foundations of educational theory for online learning[J]. Theory and Practice of Online Learning, 2004,2:15-44.
[8]杰弗里·亚历山大.社会学二十讲——二战以来的理论发展[M].贾春增,董天民,等译.北京:华夏出版社,2000:19.
[9]阿尔伯特·班杜拉.社会学习理论[M].陈欣银,李伯黍,等译.北京：中国人民大学出版社,2015:168-169.
[10]鲍威,陈得春,王婧.后疫情时代线上线下学习范式和教学成效的研究——基于线上线下高校学生调查数据的对比分析[J].中国电化教育,2021(6):7-14.
[11]XU D, HUANG W W, WANG H, et al. Enhancing e-learning effectiveness using an intelligent agent-supported personalized virtual learning environment: an empirical investigation[J]. Information & Management, 2014,51(4):430-440.
[12]ALQURASHI E. Predicting student satisfaction and perceived learning within online learning environments[J]. Distance Education, 2019,40(1):133-148.
[13]KUMAR S, PERRATON L, MACHOTKA Z.Development and implementation of an online hybrid model for teaching evidence-based practice to health professions: processes and outcomes from an Australian experience[J]. Advances in Medical Education and Practice, 2010(1):1-9.
[14]PARK JI-HYE, CHOI HEE JUN. Factors influencing adult learners’ decision to drop out or persist in online learning[J]. Educational Technology & Society, 2009,12(4):207-217.
[15]李文昊,祝智庭.改善情感体验：缓解大规模疫情时期在线学习情绪问题的良方[J].中国电化教育,2020(5):22-26,79.
[16]胡小勇,林梓柔,梁家琦.疫情下的在线教学,家校协同准备好了吗?[J].现代远距离教育,2020(3):3-8.
[17]LUKE W HYDE, ADAM GORKA, STEPHEN B MANUCK, et al. Perceived social support moderates the link between threat-related amygdala reactivity and trait anxiety[J]. Neuropsychologia, 2011,49(4):651-656.
[18]NORTVIG A M, PETERSEN A K, BALLE S H. A literature review of the factors influencing e-learning and blended learning in relation to learning outcome, student satisfaction and engagement[J]. Electronic Journal of E-learning, 2018,16(1):46-55.
[19]HAMIDI H, CHAVOSHI A. Analysis of the essential factors for the adoption of mobile learning in higher education: a case study of students of the university of technology[J]. Telematics and Informatics, 2018,35(4):1053-1070.
[20]TRICKER T, M RANGECROFT, P LONG, et al.Evaluating distance education courses:the student perception[J].Assessment & Evaluation in Higher Education, 2001,26(2):165-177.
[21]蔡红红.教师在线教学准备与学生学习效果的关系探究——学习者控制与学业情绪的中介作用[J].华东师范大学学报(教育科学版),2021,39(7):27-37.
[22]NORTHRUP P T. Online learners’ preferences for interaction[J]. The Perfect Online Course: Best Practices for Designing and Teaching, 2009:463-473.
[23]刘繁华,易锡添.在线学习投入的分析模型构建及应用研究[J].电化教育研究,2021,42(9):69-75.
[24]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.
[25]AUSTIN A W. Student involvement: a developmental theory for higher education[J]. Journal of College Student Development, 2016,40(5):518-529.
[26]SHANG CHING-HSIE, LIN E-SOON, JUAN CHIH-YUNG, et al. Design e-learning concepts discussion based on symbolic interactionism[J]. Advanced Science Letters, 2013,19(8):2519-2522.
[27]EOM S B. The determinants of students’perceived learning outcomes and satisfaction in university online education: an update[J]. Journal of Innovative Education, 2016, 14(2):185-215.
[28]温忠麟,侯杰泰,马什赫伯特.结构方程模型检验:拟合指数与卡方准则[J].心理学报,2004,36(2):186-194.
[29]FORNELL C, LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research, 1981,18(1):39-50.
[30]周浩,龙立荣.共同方法偏差的统计检验与控制方法[J].心理科学进展,2004(6):942-950.
[31]吴明隆.结构方程模型——AMOS的操作与应用[M].重庆:重庆大学出版社,2017:158-170.
[32]谭光兴,徐峰,等.高校学生网络教学行为意向影响因素与模型[J].电化教育研究,2012(1):47-53.
[33]荆永君,李昕,姜雪.在线学习行为意向影响因素分析及后疫情时代的教育启示[J].中国电化教育,2021(6):31-38.
[34]邬大光,沈忠华.我国高校开展在线教学的理性思考——基于6所本科高校的实证调查[J].教育科学,2020(4):1-8.
[35]王继新,韦怡彤,宗敏.疫情下中小学教师在线教学现状、问题与反思——基于湖北省“停课不停学”的调查与分析[J].中国电化教育,2020(5):15-21.
[36]管珏琪,祝智庭.技术丰富环境下学习力构成要素:一项探究设计研究[J].中国电化教育,2018(5):1-7.
[37]郭文革.教育变革的动因:媒介技术影响[J].教育研究,2018(4):36.
[38]CHUA Y P, DON Z M. Effects of computer-based educational achievement test on test performance and test takers’ motivation[J]. Computers in Human Behavior, 2013,29(5):1889-1895.
[39]CASTILLO-MERINO D, SERRADELL-LOPEZ E. An analysis of the determinants of students’ performance in e-learning[J]. Computers in Human Behavior, 2014,30:476-484.
（1.School of Education, Hubei University, Wuhan 430062, Hubei;
2.Institute of Education, Xiamen University, Xiamen 361005, Fujian）
编辑：王天鹏 校对：王晓明
往期目录｜超链接版
期刊简介
《中国教育信息化》创刊于1995年8月，是由中华人民共和国教育部主管，教育部教育管理信息中心主办，面向国内外公开发行的国家级学术期刊。期刊内容力求全面深入地记录我国教育信息化的建设进展、研究与应用成果和行业发展状况，开展我国教育信息化发展状况调研和教育信息化国际比较研究，服务于国家教育宏观决策；力求全面准确地把握教育信息化相关的方针政策和标准规范，及时追踪ICT前沿技术的发展趋势及其与教育的融合，深度挖掘教育信息化建设与应用的体制、机制创新，服务于我国教育信息化实践。
●RCCSE中国核心学术期刊
●中国人文社会科学（AMI）扩展期刊
●中国期刊全文数据库收录期刊
●中文科技期刊数据库收录期刊
●国家哲学社会科学学术期刊数据库收录期刊
●中国核心期刊（遴选）数据库收录期刊
●龙源期刊网收录期刊
一年12期，每月20日出版
20元 / 期，邮发代号：82-761
编辑部邮箱：mis@moe.edu.cn
通讯地址：北京市西城区华远北街2号921室