遠程教育學習者學習特征的SPSS分析

李煜堃

摘要：本文基于SPSS統計軟件從學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個層面對遠程教育中學習者特征進行了統計分析，結果表明學習者的學習特征影響遠程教育各項教學活動的質量和效果。

關鍵詞：spss統計軟件;學習者特征;統計分析

中圖分類號：TP301 ? ? 文獻標識碼：A

文章編號：1009-3044（2019）13-0176-04

與傳統教育相比較，遠程教育的運行主要在于其發展規模，和最大限度地提高有限教育資源的使用率，通過網絡等信息傳播媒介將教育延伸到外圍。這也導致了遠程教育學習者年齡、職位、學歷上的不同，進而學習者的學習特征也會產生差異。因此，對學習者學習特征的研究分析是更優進行遠程教育的基礎，也是開展遠程教育不可忽視的重要因素之一。

本研究從學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個方面來編制遠程教育學習者學習特征的調查問卷;通過使用SPSS的項目分析、因子分析、信度分析、兩獨立樣本T檢驗、單因素方差分析、多元回歸分析和描述統計等方法對所得調查問卷結果進行分析，從中研究得出遠程教育學習者的學習特征。

1 對象與方法

1.1研究對象

用分層抽樣方式在北京交通大學遠程教育學院山西教學中心在冊學生中進行取樣。總樣本數83份，有效問卷收率72%。

1.2 測量工具

本研究采用自編的遠程教育學習者學習特征調查問卷。該問卷由學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度等5個分問卷組成。每個分問卷包括若干描述不同學習特征的項目組成，每個項目采用5級評定（非常符合～非常不符合）。

1.3 統計學分析處理

應用SPSS 16.0進行數據處理和統計分析。

2 SPSS中對原始數據的處理步驟

2.1項目分析

首先進行項目分析，以此來去除不顯著的變量，減少變量的數目（由問卷中的72個問題變量減少到44個變量：其中學習行為量表對應題號——15，3，13，32，10，42，44，52，67;其中動機取向量表對應題號——23，18，19，68，48，63，38，41，39，8，20，49，6;其中網絡自我效能量表對應題號——57，54，11，69，31，27，71，56，14，24，62;其中科技接受模式量表對應題號——60，37，35，47，4，45，22;其中學習滿意度量表對應題號——5，29，36，50）。

2.2信度分析

總量表的Cronbach's Alpha系數為0.943 ，各分量表的Cronbach's Alpha系數0.717～0.840，故可靠性較強。

2.3總體分析

①對學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個分量表及總量表進行統計描述，結果如表1：

由表1可知，學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個分量表及總量表的均值、標準差、方差、最大值和最小值。

②對學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個分量表及總量表進行相關分析，結果如表2：

?由表2可知：學習行為、動機取向、網絡自我效能、科技接受模式、學習滿意度五個分量表顯著相關，且為正相關。

3研究分析

3.1統計學原理

使用兩獨立樣本T檢驗（t-test）及單因素方差分析（one-way ANOVA）分別對11項人口統計變項（工齡、年齡、性別、職業、職稱、學習層次、網絡學習經驗、上網時間、居住地、月收入、未來學習狀況）進行分析，來探討不同人口統計變項的學習者，在學習行為、動機取向、網絡自我效能、學習滿意度、科技接受模式上是否達到顯著差異，倘若單因素方差分析的結果達到顯著差異，則進一步以LSD方法對不同組間兩兩比較。

利用多元線性回歸分析來探討學習者的學習行為、動機取向、網絡自我效能、科技接受模式及學習滿意度之間的影響。其中，多元線性回歸分析選擇Method中的向后篩選法。

3.2分析結果

3.2.1不同上網時間在學習行為、動機取向、網絡自我效能、學習滿意度、科技接受模式上的差異比較

此部分在探討不同上網時間的學習者在學習行為、動機取向、網絡自我效能、學習滿意度、科技接受模式上的差異情形，采用單因素方差分析，其檢驗結果如表3：

由表3可知：不同上網時間的學習者，在網絡自我效能和動機取向的兩個層面的相伴概率分別為0.046、0.007都小于顯著水平0.05，說明存在顯著差異。為進一步研究哪些不同上網時長之間具有顯著差異，再以LSD法進行分析，其檢驗結果如表4：

由表4可知，在動機取向層面中，上網時間在2-5小時和0-2小時的學習者之間存在顯著差別;在網絡自我效能層面中，上網時間在2-5小時和0-2小時的學習者之間也存在顯著差別。

3.2.2不同學習經驗在學習行為、動機取向、網絡自我效能、學習滿意度、科技接受模式上的差異比較

此部分在探討不同學習經驗的學習者在學習行為、動機取向、網絡自我效能、學習滿意度、科技接受模式上的差異情形，因自變量只有兩個因素水準，因此采用兩獨立樣本T檢驗加以分析，其檢驗結果如表5：

由表5可知，不同學習經驗的學習者，在學習行為、動機取向、網絡自我效能、科技接受模式上存在顯著差異。由表6可知，有網絡學習經驗的學習者在學習行為、動機取向、網絡自我效能、科技接受模式上都比沒有學習經驗者好。

3.2.3 不同工齡、年齡、性別、職業、職稱、學習層次、居住地、月收入、未來學習狀況在學習行為特質、動機取向、網絡自我效能、學習滿意度、科技接受上的差異比較

同理，根據SPSS的兩獨立樣本T檢驗（t-test）或單因素方差分析（one-way ANOVA）可知，不同工齡、年齡、性別、職業、職稱、學習層次、居住地、月收入、未來學習狀況的學習者在學習行為特質、動機取向、網絡自我效能、學習滿意度、科技接受模式上并不存在顯著差異。

3.2.4學習行為、動機取向、網絡自我效能、學習滿意度及科技接受模式之影響分析

此部分利用多元線性回歸分析來探討學習者的學習行為、動機取向、網絡自我效能、科技接受模式及學習滿意度之間的影響。以科技接受模式為因變量，學習行為、動機取向、網絡自我效能、學習滿意度為自變量進行多元回歸分析，結果如表7：

表7中列出了各個變量之間的相關性，從中可以看出，自變量網絡自我效能和因變量科技接受模式之間的相關性最大。

由表8可知，利用向后篩選法共經過兩步完成回歸方程的建立，最終模型為第二個模型（剔除了學習滿意度變量）。

從表9看出，最終方程（第二個模型）的相伴概率值p<0.001，說明多個自變量與因變量科技接受模式之間存在顯著的線性回歸關系，建立線性模型是恰當的。

從表10中可以得出該多元線性回歸方程為科技接受模式= 0.852+0.244學習行為+0.099動機取向+0.300網絡自我效能。

4 建議

由于個體的社會性和復雜性，導致不同的學習者之間存在顯著不同的個別差異，根據本研究發現，學習者因學習經驗、上網時間的不同，而各別造成其不同的動機取向、學習行為及網絡自我效能，而學習者又會因不同的動機取向、學習行為及網絡自我效能，造成不同的學習效果。因此，本研究認為，在遠程教育中，若能以客觀化的觀念來實施，將可能使學習者達到更好的學習效果。如在教材設計方面，可讓學習者依據自身實際情況，選擇較偏理論或較偏重實務操作方面的教材來輔助自我學習，也可進一步將教材難易程度等級化，讓學習者能循序漸進的方式來學習，從而能使學習者減少學習上的障礙。

參考文獻：

[1] 謝蕾蕾，宋志剛，何旭洪.SPSS統計分析實用教程[M].北京：人民郵電出版社，2013.

[2] 薛薇.SPSS統計分析方法及應用[M]. 北京：電子工業出版社，2010.

[3] 何曉群.多元統計分析[M]. 北京：中國人民大學出版社，2004.

[4] 薛薇.基于spss的數據分析[M]. 北京：中國人民大學出版社，2006.

【通聯編輯：梁書】