混合教学环境下大学生学习投入影响机制研究

来源:用户上传      作者:

　　【摘 要】  大学生学习投入对其学业成功具有重要作用，教学行为是影响学习投入的关键因素，但是针对混合教学环境下教师教学行为与大学生学习投入之间关系的研究较为缺乏。本研究通过创建混合教学下大学生学习投入调查问卷（BLSES）和教师教学行为调查问卷（BIPS），对600多名大学生在混合教学行为影响下的学习投入情况进行模型构建和实证分析。研究发现：①大学生学习投入在混合教学环境下可分为六个维度（主动学习、师生交互、小组协作、策略运用、自我管理、情感投入），教师教学行为可分为六个维度（设计组织教学、促进参与、直接指导、反馈评价、提供资源、情感支持）。②混合教学下大学生的学习投入处于中等水平，尤其是“师生交互”和“自我管理”维度需进一步提升;教学行为中“反馈评价”维度水平最低。③总体上，混合教学行为对大学生学习投入具有显著的正向作用，但具体维度的影响作用不同。其中，“设计组织教学”行为在预测大学生学习投入方面的效果最强，而“促进参与”和“反馈评价”次之。研究建议，教师在混合教学实践过程中应在“设计组织教学”方面实施有效的教学行为，这将有助于提升大学生的学习投入水平;教师需要重点完善“反馈评价”行为，改进学生的师生交互、小组协作水平，提高学生主动学习能力，全面提升大学生的学习投入水平。
　　【关键词】  混合教学;教学行为;学习投入;学业发展;混合教学设计;影响机制
　　【中图分类号】   G420          【文献标识码】  A       【文章编号】  1009-458x（2020）2-0057-11
　　一、研究背景与问题提出
　　学习质量是高等教育领域中的核心研究问题，学习者积极投入学业活动的程度是提升其学业成绩和认知发展以及改善教育质量的首要条件（汪雅霜， 2015）。近年来，随着高校信息化建设的发展和教学改革的深入推进，混合教学日益成为改善学生学业质量的一种重要的教学形式。混合教学是指传统课堂面授教学与在线教学活动的结合（Garrison， 2004）。但是，目前混合教学下学生的学习投入存在主动性低、深层次投入较少、消极互动等现象（Ma， Cheng， Han， & Yang， 2015）。随着混合教学的发展，大学生的学习投入得到了更多重视。如何创建有效的混合教学环境，促进大学生学习投入水平的提高是高校亟待解决的问题。
　　学习投入指学生花费在课堂内外教育活动上的时间和努力。如果学生能够充分投入教育活动，会最大限度地提高其学习成绩，促进个人发展（Kuh， Chen， & Nelson， 2007）。目前已有大量聚焦于学习投入影响因素的研究，比如关注学生的自我效能、同伴合作、技术支持等对学习投入的影响（Shea， Li， & Pickett， 2006; Pellas， 2014; Gunuc & Kuzu， 2014），但针对混合教学下如何促进大学生学习投入的教师教学行为的关联性研究却不多。已有关于教学行为对学习投入影响的研究多为针对在线环境或传统面授课堂环境（Cho & Cho， 2014; Pollock， Hamann， & Wilson， 2011），是否适用混合教学环境下教与学关系还有待进一步检验。
　　教学行为对保持和促进学生学业发展以及改善学习效果具有积极的意义（Bangert， 2008）。教学行为主要是教师为推动学生学业成功和个人发展，根据教学目标和内容、学生特征和需求、资源和环境采取的教学策略和方法（Nespor， 2006）。近年来，教师在混合学习环境中的作用越来越受到重视。《2017新媒体联盟中国高等教育技术展望：地平线项目区域报告》中将“重塑教师角色”列为影响高等教育技术应用的严峻挑战之一（高媛， 黄荣怀， 2017）。《教育信息化2.0行动计划》也提出要全面提升教育信息化的发展水平，以教育信息化全面推动教育现代化，进一步明确了要强化教师的信息素养，变革传统的教学方式。
　　有学者对混合教学研究领域的文献进行全面分析后指出，虽然多数研究已表明教师指导能显著影响学习效果，但是都没有明确教师哪方面的参与对学习起了促进作用（Halverson， Graham， Spring， Drysdale， & Henrie， 2014），对混合教学环境下教学行为与学生学习投入之间关系的研究还较为匮乏，混合教学环境下教学行为的特征以及其影响学习投入的机制也尚不明晰。因此，本研究试图探讨这些问题，揭示教学行为如何促进大学生学习投入水平的提升，以此为增强高校混合教学效果提供理论与实践依据和指导。
　　二、相關研究概述
　　为探究教学行为对学习投入的影响机制，本研究旨在通过分析学习投入与混合教学的相关理论框架，构建大学生学习投入和教师教学行为调查问卷，首先明确其构成要素，其后研究其影响。
　　（一）混合教学下的学习投入研究
　　学习投入研究领域较常运用由詹妮弗·弗雷德里克斯（Jennifer A Fredricks）等学者提出的学习投入三维度理论框架，将学习投入分为行为投入（behavioral）、认知投入（cognitive）和情感投入（emotional）三个维度进行分析（Fredricks ， Blumenfeld， & Paris， 2004）。尽管其被普遍应用于课堂教学和在线教学环境的学习投入分析，但在混合教学环境下各维度所强调的测量指标有所不同。
　　混合教学本质是重新思考和重新设计教与学的关系，要从根本上对教与学的结构和方法进行重构（Garrison & Kanuka， 2004），通过将在线教学与传统课堂教学优势有机整合统筹，可以为学生提供更多的与同伴交互以及自主学习和自我管理的机会，有效提高学生运用恰当的学习策略进行深度学习的能力。 　　基于混合学习环境的特征，行为投入重点强调学生主动学习、师生交互和小组合作。研究者认为在传统面对面教学中，学习活动局限于教室，尤其在我国高校扩招的影响下班级容量持续增大，学习者的个性化需求很难得到满足，混合教学可以提供灵活的课程设计、多渠道的课程资源以及不同形式的学习活动，可以有效促进学生主动学习和自主学习（Wang， 2008）。在混合教学中，对课堂要呈现的知识教师可以在课前提供音视频等资源让学生在线学习，利用课堂时间进行讨论和答疑，改变了传统课堂时间只用来传递知识信息的局限，师生可以在课堂上对知识进行更为深入的探讨，使学生更为有效地掌握学习内容（Manwaring， Larsen， Graham， Henrie， & Halverson， 2017）。因此，混合教学下的学生主动学习更为侧重课前预习和课后反思总结等学习活动。
　　同时，混合教学建立了有效促进批判、创造和复杂思维技能的环境。与单纯远程学习系统相比，混合教学增强了师生之间的社会性交互，提高了课堂和在线交互的可能性（Osguthorpe & Graham， 2003）。与传统环境相比，混合教学环境中多样化的交流讨论工具以及更为客观和反思性的教学方式更能促进交流和协作。在课程开始，可以运用面对面课堂来建立学习共同体，需要反思的复杂性问题可以通过异步讨论区更好地完成。经过同步和异步的口头和书面交流，通过批判性对话和反思来支持高阶学习（Martinez-Caro & Campuzano-Bolarin， 2011）。
　　认知投入主要包括实施深度学习的策略和学生的自我管理（Fredricks ， et al.，2004）。在策略运用上，在以教师为中心的面对面教学中，很大一部分课堂时间集中在实现布鲁姆认知目标分类的底层上。混合教学能够改变教师运用课堂时间的方式，学生进入课堂前已通过在线阅读和讨论等方式学习了基本课程内容，课堂时间可以处理较难的学习任务，既能弥补完全在线教学所欠缺的社会性交互，又能提升课堂交流的深度。因此，课堂时间分配方式的改变，使得教学时间可以更多集中在应用、综合、评估和分析等认知高层目标的达成上。课后灵活的扩展性学习方式也可为学生提供更多反馈和交流（黄荣怀， 等， 2009）。此外，已有研究也表明，学生高水平的自我管理和监督对混合学习具有较为积极的影响（Woltering， 2009）。
　　情感投入主要侧重学生对混合教学的情感反应，如热情、兴趣、愉悦度和归属感。混合教学设计的优势在于可以在合适的时机恰当运用面对面和在线环境给予学生情感支持。比如，在课程学习早期，在线环境可以让学生有较少的焦虑，更积极投入学习。面对面交互在共同体建立、群组认同感和合作学习信任上有着显著优势（Garrison & Vaughan， 2008）。
　　（二）混合教学下的教学行为研究
　　混合教学要将在线与面对面的构件有机融合，寻找平衡，根据教学目标、学习者特征、教学资源等的不同，进行不同的融合设计（Garrison， et al.， 2004）。教学性存在（Teaching presence）是混合教学领域较常用于研究教学行为的理论框架，是加拿大学者兰迪· 加里森（Randy Garrison）等人提出的探究共同体理论（community of inquiry）的核心要素，包括设计组织教学、促进对话和直接教学三种教学行为（Anderson， Rourke， Garrison， & Archer， 2001）。探究共同体理论根植于批判性、合作性的学习，尽管其常用来指导进行在线学习环境的研究，但加里森等人认为该框架建立在一个与高等教育理念相一致的批判性、合作性学习共同体的基础上，重视教育的社会性属性以及交互、合作、对话对知识建构的作用，强调通过紧密联系和交互的学习者共同体的批判性分析和探究来建构知识，符合混合教学的本质，建议通过探究共同体理论框架来理解和指导混合教学设计（Garrison， et al.， 2008）。
　　设计组织教学包括设置课程目标和主题、设计学习活动、建立活动准则、规划任务时间。促进对话包括明确识别一致性观点和分歧，承认学生的课程参与和付出，以及鼓励学生探究、激发讨论。直接教学主要是教师的课堂讲解和直接介入，包括重点讲解、确认理解和修正错误。教师在利用面对面和在线学习环境各自的优势来设计组织教学活动时，要重新审视课程目标，考虑如何能够在混合环境中最好地实现，要在确定传播方式前首先分析教学内容。教师在分析学习内容时要考虑哪些内容适合线上活动，哪些内容更适合课堂面对面环境;哪些内容适合学生自主学习，哪些内容适合协作学习。针对不同类型的学习目标，分配好课前线上学习的内容与课堂要掌握的内容（Kim， Kim， Khera， & Getman， 2015）。课前让学生尽量在线掌握较低认知水平的知识，设计小测试、讨论主题等预习活动来推动学生主动学习。课堂面对面活动重点设计学生合作学习、探究学习的活动来促进高阶知识的掌握，对知识进行更为深入的探讨。
　　混合教学中的直接教学要重视教师直接讲授与指导和学生自主探究学习的关系。与传统课堂教学不同，混合教学中的课堂直接教学主要集中在对于重难点问题的讲解，以及对学生课前常见疑难问题的解答，修正学生对知识点的认知错误。但同时，正如加里森等人（2008）指出的，直接教學不意味着教师为中心的方法，过多的直接教学会减少学生之间的交互与合作，将关注点和责任转移到教师。同时，过多的自主探究又容易使学生偏离正确的学习目标和方向，产生不易纠正的错误概念。
　　在混合教学的众多教学策略中及时反馈和评价是影响混合教学中学生投入的关键，要给予学生促进其高阶思维和主动学习的反馈和评价（McGee & Reis， 2012）。得到关于批判性思维、问题解决技能的反馈越多，学生在这些方面的能力越强（Kuh， 2003）。一些研究指出，与传统课堂相比，面对面和在线融合的教学环境能帮助学生从多种渠道获取反馈，给予学生和教师更多的选择。学生可以在课堂上获得教师的及时反馈和评价，也可以通过在线教学环境获取有针对性的反馈评价（Korr， Derwin，Greene， & Sokoloff， 2012）。同时，混合教学需要根据教学目标、学生需求和特征选择恰当的教学资源。教师提供的教学资源要侧重提高学生的深度学习，侧重“做”，而不仅是记忆事实，要鼓励学生主动学习。另外，构建情感支持的学习氛围也是混合教学的关键要点之一（Boelens， 2017）。教师可以通过关注学习过程和学生的个体特点，经常给予鼓励和支持等，恰当运用面对面和在线环境的优势来建立积极的学习氛围。 　　（三）教学行为对学习投入影响研究
　　为了研究教学、学习投入和学习成绩的关系，基于绩效的教学模型（Greenwood， 1996）较早明确了教学行为对学生学习投入的重要作用，提出教学行为直接影响学习投入，从而影响学生成绩。已有文献针对教学行为对学习投入影响进行了研究。如有学者探讨了大学课堂教学行为与学习投入和学习收获的关系，课堂教学行为被划分为教学规范与态度、教学技能、教学内容、教学手段和教学方法五个维度，学习投入被划分为主动性学习投入和规范性学习投入，发现对主动性学习投入影响最大的教学行为是教学技能，对规范性学习投入影响最大的教学行为是教学规范与态度（赵辉， 等， 2018）。刘斌等人（2017）研究了在线学习环境中教师支持对学习者学习投入的影响，将教师行为细化为自主支持、认知支持和情感支持，将学习投入分为认知投入、行为投入和情感投入，并指出教师的自主支持对学习投入影响效应最强。但是，这些研究一般聚焦传统环境或在线环境，或是仅关注混合教学下的教学行为，如教学行为的影响因素（Brown， 2016），或研究混合教学下学生的满意度、学习效果等（Farley， Jain， & Thomson， 2011），涉及混合环境下的教学行为对学习投入影响的研究还不多见。
　　通过上述分析可以发现，混合教学中的教师行为对学习投入具有重要影响，但是目前针对教学行为具体维度对学习投入具体维度的影响的研究还不多见，关于教师如何改进教学以提升学生学习投入水平还缺少明确的策略。涉及具体维度的相关研究主要还集中在传统环境下或在线环境教师对学习投入的影响。因此，本研究试图研究这一问题，为改进混合教学设计、提高学生学习投入水平提供依据和指导。
　　三、研究设计
　　（一）研究对象
　　本研究选取参与混合教学实验课程的600多名本科生为研究对象，涵盖的专业包括环境工程、环境科学、化学教育、化学工程与工艺、数字媒体设计、经济学、国际经济与贸易、教育技术学、法学、人力资源管理、通信工程、心理学等。所选课程涉及经济学、学习科学与技术、大学英语、大学数学、人工智能技术等。共回收问卷594份，去掉漏答题项过多（3题以上）以及问卷答案呈现规律性作答的，共获取有效问卷576份，有效率达97%。被试性别分布情况为：男生105名（18.2%），女生471名（81.8%）。
　　（二）研究过程和研究方法
　　在本研究中混合教学实验课程采用促进学习投入的活动设计方法，教师依据推动学习者主动学习、支持师生交互、促进学习者合作学习、建立学习共同体、加强学习反馈、促进高阶思维发展、给予学习者情感支持、合理运用多维评价的八大关键原则（马婧， 等， 2018）实施混合教学。课程实验过程主要包括前期准备、正式实验和后期整体分析总结，具体来说包含课程和教师选择、前期培训和辅助教学设计、课程开展实施、教师培训、问卷调查和数据收集与分析过程。前期准备主要包括和高校主管教学领导和部分授课教师分析教与学中存在的问题;进行教师选择、课程选择;初步构建混合课程设计框架;协助教师进行课程设计。课程实施持续一个学期，共18周。研究者在课程实施前为教师进行相应的培训。培训内容主要涉及混合学习理念和内涵、教学模式和策略，以及研究者构建的促进学习投入的混合课程框架和课程实施指南。
　　研究主要采用定量研究，运用问卷调查的定量数据分析混合教学下的师生状况。在学期结束后对学生集中实施问卷调查。学生作答前会被告知整个问卷的目的和内容，学生的回答情况不会影响他们的成绩和教师对其的态度和看法。定量数据通过SPSS、AMOS等数据分析工具对数据特征及关系进行分析。
　　（三）研究工具
　　本研究的主要数据收集工具，包括混合教学下大学生学习投入调查问卷和教师混合教学行为调查问卷。针对两种问卷，其题项的设计由多个渠道综合而来。最主要的来源是关于学生学习投入和教师行为的文献，包括混合教学理论、教学原则、学习投入理论和测量模型等。这些文献为问卷设计提供了较为广泛的情境脉络以及具体内容和结构。一系列已有相关问卷也是文献研究的一部分，是本研究问卷题目确定的一个重要来源。在理论原则、已有问卷以及混合教学实践基础上，本研究确定了初步测量问卷题项，初步问卷由来自教育技术学、教育心理学、高等教育学等领域的專家进行了审阅，以帮助建立测量问卷的内容效度，并减少语言语义问题。在根据专家意见修改问卷后，本研究又选择来自不同专业的参与混合学习的学生进行了团体访谈，以进一步检验问卷的表面效度和内容效度，并检查测量题项的语言表达和设置，学生被要求回答问卷题项，指出他们认为不易理解的表述。基于专家审阅和学生访谈再次修改的初始问卷在同质学校初测，共回收问卷257份，经过信度效度检测后再次修改删增题项，最终形成正式问卷。
　　1. 混合教学下大学生学习投入调查问卷（BLSES）
　　本研究首先确定以澳大利亚高等教育学领域国际知名学者哈米什·科茨（Hamish Coates）教授的在线学习环境学习投入问卷（Coates， 2007）和塞利姆·居尼奇（Selim Gunuc）等人设计的学习投入调查问卷（Gunuc & Kuzu， 2015）作为问卷改编的基础。经过题目筛选与改编，从行为投入、认知投入、情感投入三个维度设计混合教学下大学生学习投入调查问卷（Blended Learning Student Engagement Scale， BLSES）。通过对原始问卷的修改、正式问卷的项目分析、探索性和验证性因子分析验证问卷的可靠性。问卷包括27道题项，每项题目采用李克特五级评分法，按照1分到5分计分，选项“从未”=1分，“偶尔”=2分，“有时”=3分，“经常”=4分，“总是”=5分。
　　基于前文混合教学下学习投入维度分析，结合具体混合教学实施情况的问卷调查数据，混合教学下大学生学习投入调查问卷（BLSES）的探索性因子分析，学习投入共析出六个因子，分别包含三个行为投入因子（累积方差贡献率62.5%）、两个认知投入因子（66.1%）和一个情感投入因子（累积方差贡献率67.3%）。每个维度因子分析中，测量指标在每个所属因子上的载荷均大于0.4，且只在所属因子上的载荷大于0.4，各载荷在0.545～0.895之间。且各维度题项的克隆巴赫信度系数基本均在0.8以上。同时，验证性因素分析表明，模型整体模型适配度的卡方值（CMIN）为307，自由度（df）为273，显著性概率值p>0.05，卡方值与自由度的比值小于2。其他模型适配度指标值GFI、CFI、NFI、RFI、AGFI等值都大于0.9;RMR值为0.044，小于0.05;RMSEA值为0.020，小于0.05;各项指标均达到了模型的适配标准（吴明隆， 2010），模型拟合良好，本量表具有良好的结构效度。 　　六个因子主要测量内容如下：①主动学习（4题项），测量学习者主动完成学习活动和任务的表现，如“我在教师课堂讲解前事先预习学习材料”。②师生交互（6题项），探究学生与教师以及同伴的交流互动情况，如“混合学习中我遇到问题会与教师面对面探讨”。③小组协作（3题项），评估学生与同伴进行小组协作学习的表现，如“我在小组交流中积极提出自己的观点”。④策略运用（6题项），考查学生在混合学习中运用认知策略的情况，如“混合学习中我带着问题浏览各种学习资源”。⑤自我管理（3题项），关注学生在混合学习中的学习规划和管理水平，如“混合学习中我每一学习阶段都有明确的学习目标”。⑥情感投入（5题项），考查学生对混合学习方式的态度、情感反应以及团队认同感，如“混合学习方式能激发我学习的热情”。
　　2. 教师混合教学行为调查问卷（BIPS）
　　基于上文混合教学下教师教学行为维度分析，以彼得·谢伊（Peter Shea）等人根据“教学存在”三要素理论框架设计的“教学存在量表”、高等教育学领域国际知名学者哈米什·科茨（Hamish Coates）开发的在线学习环境学习投入量表中“在线教学（online teaching）”和“建构教学（Constructive teaching）”子量表作为问卷改编的基础。通过项目分析、探索性因子分析及验证性因子分析，得到教师行为测量的六个因子：设计组织教学、促进参与、直接指导、反馈评价、提供资源和情感支持。六个公因子的累积方差贡献率达到65.86%，经主成分分析六个因子的特征值均大于1。各维度的克隆巴赫信度系数在0.800～0.876之间。六维度因子模型的验证性因素分析表明，整体模型适配度的卡方值（CMIN）为366，自由度（df）为356，显著性概率值p>0.05，卡方值与自由度的比值小于2。其他模型适配度指标值GFI、CFI、NFI、RFI、AGFI等值都大于0.9;RMR值为0.029，小于0.05;RMSEA值为0.010，小于0.05;各项指标均达到了模型的适配标准，问卷具有良好的结构效度。问卷包括31题，每项题目采用李克特五级评分法，1到5分如上问卷所示。
　　六因子主要测量内容如下：①设计组织教学（7题项），在测量混合教学下教师设计和规划课程内容及学习活动，为学生提供课程概要、明确学习目标、任务和要求的情况，如“在线学习活动与面对面学习活动连接紧密，互相促进”。②直接指导（3题项），考查教师对教学重难点内容的讲授，帮助学生理解所学知识的表现，如“课堂上教师会针对重难点问题详细讲解”。③促进参与（5题项），关注教师引导并督促学生参与各类学习活动的行为，如“教师引导我与其他学生进行协作学习”。④反馈评价（7题项），反映教师对学生学习活动的反馈及评价行为，如“教师对我的学习过程有阶段性的评价”。⑤提供资源（5题项），测量教学中教师提供学习资源的情况，如“教师提供给我的在线学习资源能帮助我更好地进行课堂学习”。⑥情感支持（4题项），考察教师在学生混合学习过程中给予的情感支持情况，如“课程学习中教师希望我做到最好”。
　　四、研究结果
　　目前，关于混合教学下教学行为对学生学习投入影响的研究相对欠缺，混合教学中教师教学行为如何影响学生学习投入需要深入研究，且关于混合学习设计有效提高学习投入的具体维度还没有明确的研究。如果学生学习投入可以用教学行为来预测，那么特定教学方法的改进就能提升不同维度的学生学习投入，从而提高学生学习效果。因此，明确教学行为和学习投入的关系可以使教师有针对性地改进他们的教学设计，从而提高学生成绩。
　　基于此，本研究从混合教学下教师教学行为对学生学习投入的整体影响作用，以及教师教学行为如何具体影响学习投入的特定维度两大方面探讨和分析。
　　（一）教师教学行为与学生学习投入的关系研究
　　上文已阐述了教师行为对学生学习投入有重要的影响，教师负有维持和推进学生投入的责任。本研究通过建立结构方程模型来探讨教师教学行为变量的设计组织教学、促进参与、直接指導、反馈评价、提供资源、情感支持六因子如何预测大学生学习投入的主动学习、师生交互、小组协作、策略运用、自我管理、情感投入的因子变化。结构方程模型可以通过可测的显性变量间接测量潜变量，可以研究可测变量和不能直接测量的潜变量以及潜变量之间的关系。
　　本研究使用Amos22.0软件进行结构方程模型建立及检验，拟合模型和结果如图1所示。由图1可知，教师混合教学行为对学习投入有较大显著的正向影响（β=0.55），教师的行为表现越好，学生对学业的投入越多。在教学行为的六个具体维度中，“促进参与”维度对教学行为的贡献程度最大（0.82），其次是“提供资源”（0.81）、“设计组织教学”（0.80），“反馈评价”对教学行为贡献程度较小（0.62）。因此，要提升学生的学习投入水平，需要教师加强对混合教学过程的精心设计，这要求教师有较高的教学行为水平。
　　模拟拟合指标数据如表1所示。整体模型适配度的卡方值（CMIN）为109.125，自由度为41，卡方值与自由度的比值小于3。其他绝对适配度指标GFI、AGF均大于0.9;RMR值为0.025，小于0.05;RMSEA值为0.054，小于0.08;增值适配度指标NFI、RFI、CFI均大于0.9。各项指标均达到模型适配标准，表明假设模型与实际观察数据的拟合情况良好。
　　表1 教师行为与学生投入关系模型（N=576）的部分拟合指数汇总表
　　[Chi-square df χ2/df GFI CFI NFI AGFI RFI RMSEA RMR 109.152 41 2.662 0.969 0.979 0.967 0.941 0.947 0.054 0.025 ]
　　此外，通过对混合教学下学习投入六维度及教学行为六维度的分析，混合教学下学生学习投入水平在3.04～3.79之间。最高的是“情感投入”维度（Mean=3.79），“师生交互”均值最低（Mean=3.04）。学生的学习投入处于中等水平，情感投入略高于行为投入和认知投入。具体表现在，学生有较高的积极性参与到混合式教学过程中，但在主动学习、小组协作、策略运用等维度上处于中等偏上一点的水平，在自我管理和师生交互方面还需要进一步加强。学生缺乏对混合学习的自我过程管理，较少通过主动与教师沟通来提高自身的水平。 　　教师混合教学行为的各因子均值，“设计组织教学”维度最高（M=4.28），“反馈评价”维度最低（M=3.74），整体各维度在4.23～4.28之间。教师在反馈方面还不够及时，评价不够细致。教师较少对学生的疑难问题进行回复，缺少对学生讨论的点评，也缺乏对教学内容的总结、归纳、提炼。另外，教师在引导学生运用所学知识解决实际问题上也需要加强。但是，哪种教学行为能够有效促进学生学习投入的哪个具体维度还需要进一步深入分析。
　　（二）教学行为具体维度对学习投入的影响研究
　　本部分采用多元线性回归分析教学行为六个维度对每一学习投入维度的具体影响。将教学行为的六个维度作为自变量，学生学习投入的六个维度，即自主学习、师生交互、小组协作、策略运用、自我管理、情感投入分别作为因变量，运用逐步多元回归法，从六个教学行为维度中找出对每个学习投入维度最具预测力的教学行为构建回归分析模型，具体数据见表2。
　　由回归模型分析可以看出，在教师行为六个预测变量中对“主动学习”投入维度有显著预测力的是“设计组织教学”（t=5.50，p<0.001）和“促进参与”（t=1.99，p<0.05）两个变量。这两个预测变量和“主动学习”因变量的多元相关系数为0.36、决定系数（R2）为0.13，表明这两个预测变量可有效解释“主动学习”13%的变异量。其中，“设计组织教学”对“主动学习”的预测力最高，可以解释变异量为12.4%，这意味着教师设计合适的学习活动，明确学习目标和规划能够让学生对学习内容有清晰的认识，激发学生学习兴趣，从而主动投入学习，而要保持投入，教师在学习过程中的引导和督促也必不可少。
　　“反馈评价”（t=6.22，p<0.001）和“设计组织教学”（t=2.88，p<0.001）教学行为变量是“师生交互”投入维度的显著性预测因子。这两个预测变量和“师生交互”因变量的多元相关系数为0.35，两个预测变量可有效解释“师生交互”11.9%的变异量。“反馈评价”对“师生交互”最有预测力，可以解释变异量为10.6%，表明在良好的教学设计基础上教师及时对学生学习进行评价和反馈能够促进师生交流。教师给予学生的反馈和评价越多，师生交互的水平越高。
　　对“小组协作”投入维度有显著预测力的教学行为变量是“促进参与”（t=4.20，p<0.001）和“情感支持”（t=2.43，p<0.05）。这两个预测变量和“小组协作”因变量的多元相关系数为0.32，可有效解释“小组协作”10.2%的变异量。表明小组协作需要教师引导和督促，如果缺少教师引导和督促，学生很难在小组学习中保持正确的方向和动力。同时，高水平小组协作的保持也需要教师关注学生的态度、情绪，及时给予肯定、鼓励和支持。
　　教师行为六个预测变量中有三个变量对学习投入“策略运用”维度有显著预测力，分别为“设计组织教学”（t=5.19，p<0.001）、“促进参与”（t=3.54，p<0.001）和“反馈评价”（t=3.11，p<0.001）。这三个变量与“策略运用”因变量的多元相关系数为0.48，可有效解释“策略运用”23%的变异量。其中，教师的“设计组织教学”对学生“策略运用”投入最有预测力，可以解释变异量为18.7%。学生是否能较好地运用认知策略进行学习主要依靠教师对教学的组织设计、指导沟通，以及准确及时的反馈。
　　教师行为六个预测变量中有两个变量对学习投入“自我管理”维度有显著预测力，分别为“设计组织教学”（t=4.30，p<0.001）和“反馈评价”（t=2.40，p<0.05）。这两个变量与学生“自我管理”因变量的多元相关系数为0.26。表明除了基本的教学内容设计，有了教师对学习的反馈评价，学生才能及时了解自己对知识的掌握程度，以便随时调整学习目标和计划，合理规划和运用时间投入学习。
　　教师行为的“设计组织教学”（t=9.70，p<0.001）和“促进参与”（t=3.40，p<0.001）对学生投入的“情感投入”维度有显著预测力。这两个变量与学生“情感投入”因变量的多元相关系数为0.560，可有效解释“情感投入”31.3%的变异量。其中，“设计组织教学”对“情感投入”最有预测力，可以解释变异量为29.9%。由此可见，优秀的教学设计是提高学生学习动机、保持兴趣的关键因素。另外，学习过程中的引导和督促也可以提升学生学习热情。
　　五、研究讨论与建议
　　学习投入是影响学生学业成功和教育质量的重要因素，本研究基于教师教学的核心要素探讨其对学生学习投入的影响机制，目的在于揭示混合教学情境下教与学的关系，促进混合教学效果，促进网络时代背景下大学生学习投入的深度发生。
　　（一）结论与讨论
　　1. 重新构建与划分学习投入及教学行为类型
　　本研究通过使用混合教学环境下大学生学习投入调查问卷和学习者知觉的教师混合教学行为调查问卷测量学生对教师在混合教学中教学行为的感受。结果表明，教师教学行为仍是促进学生学习的关键要素，但应该通过哪些教学行为促进学生学习投入发生依赖于理论建构及问卷数据的因子构建。
　　本研究针对混合教学特征将普遍接受的三类学习投入（行为、认知和情感投入）细化为六因子，行为投入分为主动学习、师生交互和小组协作，认知投入分为策略运用和自我管理。研究结果为教师如何关注学生投入类型提供了参考，教师可以通过不同的教学行为促进学生不同维度的投入，如促进学生个体的主动学习、促进学生与教师及其他学生之间的互动和协作、促进学生选择相应的学习策略、促进学生的自我管理（时间管理、任务管理、与他人情绪管理）等。本研究较好地拓展了学习投入的三类别划分理论，为混合教学中的教师行为提供了明确的目标和指向。
　　同样，基于教学行为已有理论与文献分析，通过实施混合教学，由BIPS问卷数据分析，将教师行为划分为设计组织教学、促进参与、直接指导、反馈评价、提供资源与情感支持六个维度，扩展了加里森等人的探究共同体理论提出的设计组织教学、促进对话和直接指导三个维度，豐富了混合教学设计理论研究。 　　基于此，本研究认为，对学习投入和教学行为类型的重新划分更符合混合教学特征及真实混合教学情境，为进一步阐释分析不同教学行为与学习投入各维度之间的关系打下了基础。本研究所展开的混合教学下教师教学行为和大学生学习投入水平之间的机制研究为探讨这一重要的话题提供了实证参考。
　　2. 混合教学环境下教学行为正向显著影响学生的学习投入
　　教师教学行为对学生学习投入有积极显著的影响，教师在混合教学中较高的教学行为会提升学生的学习投入水平。这一结论与传统课堂环境下教师的教学行为直接影响学生的学习投入，以及在线教学环境中教师支持对学习投入有积极影响的研究结论（赵辉， 等， 2018; 刘斌， 等， 2017）基本一致。
　　在学习投入方面，师生交互维度水平最低，其次是自我管理和小组协作。具体反映在学生对于教师布置的任务能够较为积极地完成，但是对于监督性较少的主动提问、同伴间沟通、预习反思、自我管理很少投入，且欠缺知识应用和拓展能力。学生完成任务的认知层次较多内容浮于表面，并没有进行深入思考。汪雅霜（2013）对本科生学习投入进行全面分析后指出，我国高校学生学习投入存在“元认知策略”“师生互动”层面较弱的现象。李爽等人（2016）对在线学习投入进行研究后发现学生的深层次认知投入和自我监控行为整体偏少。高媛等人（2018）对混合学习活动中的学习投入分析也同样认为学生存在只是为了完成学习任务而投入的现象，学习主动性欠缺，高层次认知投入较少。这些研究结论都说明，高校大学生在互动能力和自主学习意识方面较弱。但是，本研究中学生的“情感投入”水平在整个学习投入维度中最高，这与在线环境中情感投入往往低于行为投入和认知投入的结论存在一定差异（高洁， 2016）。这表明相对于师生分离状态的在线学习，在线与面授教学相结合的混合形式可以让教师在合适的时机恰当运用面对面和在线环境给予学生情感支持，从而提升情感投入水平。教师教学行为中“反馈评价”表现水平最低，其次较低的是“情感支持”。这与我国高等教育教学中存在忽视学生自主学习能力以及批判性思维能力的培养、教师和学生的互动与情感交流不足、缺少教学反馈、学生学习动力不足、课堂参与性较低的研究结论是一致的（卫建国， 2018）。
　　结合前文影响学习投入的具体教学行为维度分析，教师行为的“反馈评价”维度可以显著预测学习投入的“师生交互”“策略运用”“自我管理”三个维度。教学行为的“促进参与”“情感支持”维度对学生的“小组协作”投入有显著预测力。对“主动学习”有显著预测力的是教学行为的“设计组织教学”“促进参与”两个变量。针对传统课堂的研究发现课堂组织、课堂表达和师生沟通是提升学生主动性学习投入的三个关键教学指标（赵辉， 等， 2018）。课堂组织和表达与本研究的“设计组织教学”内涵接近，更侧重课程进行中教师的行为，而本研究的“设计组织教学”包括课前的教师设计和规划以及课程进行中的组织等行为，强调在线和面对面活动设计的恰当融合。
　　造成混合教学环境下师生交互和自主学习能力较低这一现象的主要原因在于教师在反馈评价行为上的欠缺。要重点加强师生交互、小组协作，以及自主学习能力，并聚焦教师在反馈评价、促进学生学习参与行为的改进，对学生的学习给予过程性监督和指导，更加重视对学生情感的支持。针对传统环境学习投入的研究也指出，高校应以师生互动为切入点，采取积极有效措施改善师生关系（汪雅霜， 2013）。而在线教学中通过及时评价激励行为投入是提升学习投入的重要策略（李爽， 等， 2016）。周媛等人（2018）针对混合学习活动的研究表明教师的监督会增强学生的行为投入，教师面授引导能改善师生互动以及生生协作交流，提高学生学习自主性。
　　（二）策略与建议
　　1. 重视学生自主学习能力培养，全面提升学生学习投入水平
　　大学生发展核心素养表明，学生要具有较强的面对未来的主动学习能力。本研究调查的学习者在“主动学习”维度中较难做到课前线上自主预习以及课后反思，而这两点正是混合学习中的关键环节，学习者应该具有自我管理和与他人协作的能力。但本研究中学生在“师生交互”维度的表现水平最低，其次是“自我管理”“小组协作”维度。麦基·帕特丽夏（McGee Patricial）等人认为学生独立和自治是混合学习成功的核心要素，强调要特别关注混合学习中的学生自主学习（McGee， et al.， 2012）。这也从侧面印证了学生自主能力的提升是混合教学的重点和难点。正如解筱杉等人（2012）在分析影响混合教学质量因素后提出，自主学习既是混合教学的起点，也是混合教学的目标。因此要全面提升学生在混合教学中的学习投入水平，要以提高学生自主学习能力为抓手。
　　2. 关注混合教学设计，加强教师反馈评价行为
　　本研究运用结构方程模型和多元逐步线性回归探讨了混合教学环境下教师教学行为对学生学习投入的影响，发现对学习投入最有显著预测力的教学行为是“设计组织教学”维度，学习投入的“主动学习”“师生交流”“策略运用”“自我管理”“情感投入”五个维度都能够被“设计组织教学”教学行为维度预测。在混合教学环境下，教师需要有宽泛的课前准备和明确清晰的教学设计才能确保良好的教学效果（李艳红， 等， 2018）。教师对课程整体目标和主题的明确、学习活动的设计和要求、线上和线下活动的衔接等设计对学生学习投入水平提升至关重要。
　　学习投入中“师生交互”“自我管理”水平最需提升，而教学行为的“设计组织教学”“反馈评价”均能显著正向影响学生混合学习的师生交互及自我管理投入。在混合教学行为六个维度中“反馈评价”表现水平最低。因此，要提升学生的师生交互和自我管理两个维度的投入水平，关键是要促进教师对学生学习过程的反馈评价。教学中的反馈被认为是有效教学的关键策略（Korr， et al.， 2012）。及时的反馈能形成良好的师生互动，从而形成积极的学习氛围和学习者正向的自我行為期待，进而影响其学习投入。 　　六、結语
　　目前，关于混合教学模式构建及课程设计的研究众多，但多数研究聚焦在理论归纳推演，较少进行充分的实证研究和分析。实证基础上的研究也多为针对一门课程，利用已有的教学模型进行混合课程设计，同时检测学习的效果。虽然已有研究都表明教师行为能够积极影响学生的学习投入，但是对高校混合教学环境下具体的教师行为如何影响学习投入的具体维度的研究还比较缺乏。本研究通过实证分析探讨了教师教学行为各维度与学生学习投入各维度之间的关系以及其影响程度，揭示了教学行为与学习投入的内在关系。
　　本研究的局限：本研究针对部分高校课程进行研究，研究结论是否可推广到中小学等领域还需要进一步验证。本研究主要集中在活动及课程层面展开，但在院校等层面还需要深入研究，以进一步提炼设计策略，使其在更多的课程、专业实施推广。同时，后续研究应当进行更多循环实践，以更有效地改善和优化理论和实践。
　　[参考文献]
　　高媛，黄荣怀. 2017. 《2017新媒体联盟中国高等教育技术展望：地平线项目区域报告》解读与启示[J]. 电化教育研究（4）：15-22.
　　解筱杉，朱祖林. 2012. 高校混合式教学质量影响因素分析[J]. 中国远程教育（10）：9-14.
　　李爽，王增贤，喻忱，等. 2016. 在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J]. 开放教育研究（02）：77-88.
　　李艳红，代晋军. 2018. 混合式同步学习的研究进展[J]. 中国远程教育：1-9.
　　刘斌，张文兰，刘君玲. 2017. 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（11）：63-68.
　　何克抗. 2014. 如何实现信息技术与教育的“深度融合”[J]. 课程-教材-教法（2）：58-62.
　　马婧，韩锡斌，程建钢，等.（2018）. 促进学习投入的混合教学活动设计研究[J]. 清华大学教育研究（3）：67-75.
　　汪雅霜. 2013. 大学生学习投入度的实证研究——基于2012年“国家大学生学习情况调查”数据分析[J]. 中国高教研究（01）：32-36.
　　汪雅霜. 2015. 大学生学习投入度对学习收获影响的实证研究——基于多层线性模型的分析结果[J]. 国家教育行政学院学报（07）：76-81.
　　卫建国. 2018. 大学课堂教学改革的理念与策略[J]. 高等教育研究（39）：66-70.
　　吴明隆. 2010. 结构方程模型-AMOS的操作与应用[M]. 重庆：重庆大学出版社：39-52.
　　赵辉，陈劲松. 2018. 大学课堂中的教学行为、学习投入与学习收获——学生视角的调查[J]. 高教探索（3）：37-42.
　　周媛，韩彦凤. 2018. 混合学习活动中学习者学习投入的研究[J]. 电化教育研究（11）：99-105.
　　Anderson， T， Rourke， L.， Garrison， D. R.， & Archer， W. （2001）. Assessing teaching presence in a computer conferencing context. Journal of Asynchronous Learning Networks， 5（2）， 1-17.
　　Astin， A. W. （1999） Student involvement： A developmental theory for higher education. Journal of College Student Development， 40（5）， 518-529.
　　Bangert， A. （2008）. The influence of social presence and teaching presence on the quality of online critical inquiry. Journal of Computing in Higher Education， 20（1）， 34-61.
　　Bliuc， A. M.， Ellis， R. A.， & Goodyear， P.， et al. （2011）. A blended learning approach to teaching foreign policy： Student experiences of learning through face-to-face and online discussion and their relationship to academic performance. Computers in Education， 56， 856-864.
　　Brown， M. G. （2016）. Blended instructional practice： A review of the empirical literature on instructors’ adoption and use of online tools in face-to-face teaching. Internet and Higher Education， 31， 1-10.
　　Boelens， R.， De Wever， B.，& Voet， M.（2017）. Four key challenges to the design of blended learning： A systematic literature review. Educational Research Review， 22， 1-18. 　　Chickering， A. W.， & Gamson， Z. F.（1987）. Seven principles for good practice in undergraduate education. American Association for Higher Education Bulletin，39（7）， 3-7.
　　Cho， M. H.， & Cho， Y. J. （2014）. Instructor scaffolding for interaction and students’ academic engagement in online learning： Mediating role of perceived online class goal structures. Internet and Higher Education， 21， 25-30.
　　Coates， H. （2007）. A model of online and general campus-based student engagement. Assessment & Evaluation in Higher Education， 32（2）， 121-141.
　　Farley， A.， Jain， A.， & Thomson， D.（2011）. Blended learning in finance： Comparing student perceptions of lectures， tutorials and online learning environments across different year levels. Economic Papers， 30（1）， 99-108.
　　Francis， R.，& Shannon， S. J. （2014）. Engaging with blended learning to imporve students’ learning outcomes. European Journal of Engineering Education， 38（4）， 359-369.
　　Fredricks， J. A.， Blumenfeld， P. C.， & Paris， A. H. （2004）. School engagement： Potential of the concept， state of the evidence. Review of Educational Research， 74（1）， 59-109.
　　Garrison， D. R.， Anderson， T.， & Archer， W. （2000）. Critical inquiry in a text-based environment： Computer conferencing in higher education. The Internet and Higher Education， 2， 87-105.
　　Garrison， D. R.& Kanuka， H. （2004）. Blended learning： Uncovering its transformative potential in higher education. The Internet and Higher Education， 7（2）， 95-105.
　　Garrison， D. R.， & Vaughan， N. D.（2008）. Blended learning in higher education： Framework， principle and guidelines （pp. 76， 79-81）. San Francisco： Jossey-Bass.
　　Greenwood， C. R. （1996）. The case for performance-based models of instruction. School psychology Quarterly， 11（4）， 283-296.
　　Greenwood， C. R.， Horton， B. T.， & Utley， C. A. （2002）. Academic engagement： Current perspectives in research and practice. School Psychology Review， 31（3）， 328.
　　Grow， G. O. （1991）. Teaching learners to be self-directed. Adult Education Quarterly， 41（3）， 125-149.
　　Gunuc， S.， & Kuzu， A. （2014）. Factors influencing student engagement and the role of technology in student engagement in higher education：Campus-class-technology theory. The Trukish Online Journal of Qualitative Inquiry， 5（4）， 86-113.
　　Gunuc， S.， & Kuzu， A. （2015）. Student engagement scale： Development， reliability and validity. Assessment & Evaluation in Higher Education， 40（4）， 587-610. 　　Halverson， L. R.， Graham， C.， & Spring， K. J.， et al. （2014） . A thematic analysis of the most highly cited scholarship in the first decade of blended learning research. The Internet and Higher Education， 20， 20-34.
　　Hu， S.， & Kuh， G. D. （2002）. Being （dis）engaged in educationally purposeful activities： The influences of student and institutional characteristics. Research in Higher Education， 43（5）， 555-575.
　　Kahu， E. R. （2013）. Framing student engagement in higher education. Studies in Higher Education， 38（5）， 758-773.
　　Kim， M. K.， Kim， S. M.， Khera， O.， & Getman， J. （2014）. The experience of three flipped classrooms in an urban university： An exploration of design principles. The Internet and Higher Education， 22， 37-50.
　　Korr， J.， Derwin， E. B.， Greene， K.， & Sokoloff， W. （2012）. Transitioning an adult-serving university to a blended learning model. The Journal of Continuing Higher Education， 60， 2-11.
　　Kuh， G. D. （2002）. The National Survey of Student Engagement： Conceptual framework and overview of psychometric properties. Indiana University Center for Postsecondary Research（pp. 2-6）. Bloomington， IN.
　　Kuh， G. D. （2003）. What we’re learning about student engagement from NSSE. Change， 35， 24-31.
　　Kuh， G.D.， Chen， D.， & Nelson Laird， T.F. （2007）. Why teacher-scholars matter： Some insights from FSSE and NSSE. Liberal Education， 93， 40-45.
　　Kuh， G. D.， & Hu， S. （2001） Learning productivity at research universities. The Journal of Higher Education， 72（1）， 1-28.
　　Ma， J.， Han， X.， & Cheng， JG.， et al. （2015）. Examining the necessary condition for engagement in an online learning environment based on learning analytics approach： The role of the instructor. Internet and Higher Education， 24， 26-34.
　　Manwaring， K. C.， Larsen， R.， Graham， C. R.， Henrie， C. R.， & Halverson， L. R. （2017）. Investigating student engagement in blended learning settings using experience sampling and structural equation modeling. Internet and Higher Education， 35， 21-33.
　　McGee，P.， & Reis， A.（2012）. Blended course design： A synthesis of best practices. Journal of Asynchronous Learning Networks， 16（4）， 7-22.
　　Nespor， J. （2006）. Technology and the politics of instruction（pp. 67-68）. Mahwah， NJ： Lawrence Earlbaum and Associates.
　　Ocak， M. A. （2001）. Why are faculty members not teaching blended courses？ Insights from faculty members. Computer & Education， 56（3）， 689-699. 　　Osguthorpe， B. R.， & Graham， C. R. （2003）. Blended Learning Environments： Definitions and Directions. The Quarterly Review of Distance Education， 4（3）， 227-233.
　　Pellas， N. （2014）. The influence of computer self-efficacy， metacognitive self-regulation and self-esteem on student engagement in online learning programs：Evidence from the virtual world of Second Life. Computers in Human Behavior， 35， 157-170.
　　Pollock， P. H.， Hamann， K.， & Wilson， B. M. （2011）. Learning through discussions：Comparing the benefits of small-group and large-class settings. Journal of Political Science Education， 7， 48-64.
　　Printrich， P.R.， & De Groot， E.V. （1990）. Motivational and self-regulated learning components of classroom academic performance. Journal of Educational Psychology， 82， 33-40.
　　Reiss， M.， & Steffens， D. （2010）. Hybrid toolboxes： Conceptual and empirical analysis of blending patterns in application of hybrid media.Technological and Economic Development of Economy， 16（2）， 305-326.
　　Shea， P.， Li， C. S.， & Pickett， A.（2006）. A study of teaching presence and student sense of learning community in fully online and web-enhanced college courses. The Internet and Higher Education， 9（3）：175-190.
　　Skinner， E. A.， Furrer， C.， & Marchand， G.， et al. （2008）. Engagement and disaffection in the classroom： Part of a larger motivational dynamic？. Journal of Educational Psychology， 100（4）， 765-781.
　　Walker， C.， Greene， B.， & Mansell， R. （2006）. Identification with academics， intrinsic/extrinsic motivation， and self-efficacy as predictors of cognitive engagement. Learning & Individual Differences， 16， 1-12.
　　Woltering，V.， Herrler， A.， & Spitzer， K.， et al. （2009）. Blended learning positively affects students’ satisfaction and the role of the tutor in the problem-based learning process： Results of a mixed-method evaluation. Advances in Health Sciences Education， 14， 725-738.
　　Yakob， R.（2009）. Grown up digital： How the net generation is changing your world. Industrial and Commercial Training， 52（2）， 139-140.
　　Yoon， S. W.， & Lim， D. H. （2007）. Strategic blending： A conceptual framework to improve learning and performance. International Journal on E-Learning， 6（3）， 475-489.
　　責任编辑 张志祯 刘 莉
转载注明来源:https://www.xzbu.com/9/view-15146356.htm