基于CiteSpace 及SPSS 在線(xiàn)學(xué)習(xí)效果與參與度分析＊

武永嬌

（甘肅廣播電視大學(xué) 信息中心，甘肅 蘭州 730030）

1 在線(xiàn)學(xué)習(xí)參與度國(guó)內(nèi)研究現(xiàn)狀

在“知網(wǎng)CNKI”中，用“在線(xiàn)學(xué)習(xí)參與度”作為檢索詞，篩選時(shí)間為2000-2020 年，檢索“中引文擴(kuò)展”，檢索到文獻(xiàn)記錄共116 條。成果文獻(xiàn)在2007年才有發(fā)表且為1 篇。具體分布如圖1 所示。

圖1 在線(xiàn)學(xué)習(xí)參與度成果文獻(xiàn)柱狀圖

從上面線(xiàn)性圖可以直觀地看出：國(guó)內(nèi)目前關(guān)于在線(xiàn)學(xué)習(xí)參與度的研究數(shù)量還較少。通過(guò)對(duì)文獻(xiàn)內(nèi)容的梳理，通過(guò)CiteSpace 軟件對(duì)所選文獻(xiàn)進(jìn)行分析，得出國(guó)內(nèi)在線(xiàn)學(xué)習(xí)參與度的研究分布主要在三個(gè)領(lǐng)域：

（1）在線(xiàn)學(xué)習(xí)參與度的理論研究。2003 年，華東師范大學(xué)孔企平教授在其《數(shù)學(xué)教學(xué)過(guò)程中的學(xué)生參與》一書(shū)中首次提到學(xué)習(xí)參與度，并針對(duì)數(shù)學(xué)學(xué)習(xí)參與度設(shè)計(jì)了行為參與、情感參與、認(rèn)知參與三份調(diào)查問(wèn)卷。

（2)在線(xiàn)學(xué)習(xí)參與度的影響因素研究。楊九民教授2010 年在中國(guó)電化教育發(fā)表的論文中他結(jié)合互動(dòng)分析模型，提出了參與度評(píng)價(jià)量表，將參與度分為了社交型、過(guò)程型、說(shuō)明型、解釋型、認(rèn)知型五種。

（3）在線(xiàn)學(xué)習(xí)參與度與投入程度。嚴(yán)加平學(xué)者認(rèn)為學(xué)習(xí)參與度體現(xiàn)為學(xué)生在學(xué)習(xí)過(guò)程中的投入程度，分為縱向和橫向兩個(gè)維度。縱向分為了四個(gè)坐標(biāo)系，即積極參與者、力不從心者、游離者、執(zhí)行者。

為進(jìn)一步研究在線(xiàn)學(xué)習(xí)參與度與學(xué)習(xí)效果之間的關(guān)系，使用CiteSpace 軟件提取的關(guān)鍵詞共現(xiàn)圖譜。關(guān)鍵詞圍繞“在線(xiàn)學(xué)習(xí)”“學(xué)習(xí)效果”“參與度”等研究?jī)?nèi)容，詞頻閾值大于等于10，聚類(lèi)分析如圖2 所示，學(xué)習(xí)效果依次與學(xué)習(xí)過(guò)程、在線(xiàn)資源、學(xué)習(xí)興趣、實(shí)踐環(huán)節(jié)等關(guān)系影響。其中學(xué)習(xí)過(guò)程是最大聚類(lèi)，占55%。

圖2 學(xué)習(xí)效果詞頻聚類(lèi)分析

2 在線(xiàn)學(xué)習(xí)過(guò)程參與度分析方案

2.1 研究方向及對(duì)象

為了更深一步研究，本文選取了占學(xué)習(xí)效果權(quán)重最大的元素：學(xué)習(xí)過(guò)程，作為研究方向。學(xué)習(xí)過(guò)程都有哪些因素組成呢？基于甘肅開(kāi)放大學(xué)在線(xiàn)學(xué)習(xí)平臺(tái)，選取專(zhuān)業(yè)為2020 年計(jì)算機(jī)科學(xué)與技術(shù)本科，課程《數(shù)據(jù)結(jié)構(gòu)》的學(xué)習(xí)者為研究對(duì)象，根據(jù)平臺(tái)數(shù)據(jù)顯示，學(xué)習(xí)過(guò)程參與度主要由在線(xiàn)天數(shù)、登錄次數(shù)、資源瀏覽數(shù)、視頻時(shí)長(zhǎng)、形考成績(jī)、回帖（討論區(qū)）6 個(gè)參與維度構(gòu)成。學(xué)習(xí)效果與學(xué)習(xí)過(guò)程中6 維度參與度之間的權(quán)重關(guān)系將是下文重點(diǎn)研究的內(nèi)容。

2.2 研究方法及內(nèi)容

利用描述統(tǒng)計(jì)與回歸分析方法，借助從學(xué)習(xí)平臺(tái)導(dǎo)出的Excel 數(shù)據(jù)、SPSS20.0 對(duì)學(xué)習(xí)者在線(xiàn)學(xué)習(xí)過(guò)程中產(chǎn)生的登錄次數(shù)、資源瀏覽數(shù)、回帖等參與度特征進(jìn)行基本統(tǒng)計(jì)和分析，探討非學(xué)歷教育學(xué)習(xí)者在線(xiàn)學(xué)習(xí)效果與學(xué)習(xí)過(guò)程參與度的整體特征及分布情況。課程《數(shù)據(jù)結(jié)構(gòu)》在線(xiàn)學(xué)習(xí)人數(shù)N=500。

3 在線(xiàn)學(xué)習(xí)過(guò)程中參與度分析

3.1 課程登錄次數(shù)與課程資源瀏覽數(shù)分析

判斷一位學(xué)習(xí)者是否參與在線(xiàn)學(xué)習(xí)，首先是要確定學(xué)習(xí)者是否登錄、并訪(fǎng)問(wèn)課程學(xué)習(xí)資源，這也是反映學(xué)習(xí)者參與在線(xiàn)學(xué)習(xí)參與度的積極程度。在本文中，為了避免短時(shí)間內(nèi)學(xué)習(xí)者登錄的數(shù)據(jù)的片面性，數(shù)據(jù)收取2010 年春、秋季兩學(xué)期，即3-6，9-12 八個(gè)月的數(shù)據(jù)。保證收集到的數(shù)據(jù)的可行性和客觀性。利用SPSS20.0 對(duì)學(xué)習(xí)者的課程登錄次數(shù)與課程資源瀏覽數(shù)做初步描述統(tǒng)計(jì)量（均值、標(biāo)準(zhǔn)差只取整數(shù)位），見(jiàn)表1。部分學(xué)習(xí)者課程登錄與資源瀏覽對(duì)比見(jiàn)圖3 所示。

表1 課程登錄次數(shù)與資源瀏覽數(shù)描述統(tǒng)計(jì)

圖3 課程登錄次數(shù)與課程資源瀏覽數(shù)柱狀圖

從表1 和圖3 統(tǒng)計(jì)數(shù)據(jù)初步得知，學(xué)習(xí)者在學(xué)習(xí)過(guò)程中登錄課程與課程的資源瀏覽數(shù)分布較不均。其中，學(xué)習(xí)者個(gè)體課程最高登錄次數(shù)達(dá)126 次，而最低僅為10 次，平均課程登錄次數(shù)為54 次，標(biāo)準(zhǔn)差數(shù)值比較大。與此同時(shí)，資源瀏覽數(shù)也分布不均衡，均值為169 次，最小值僅有6 次。不同學(xué)習(xí)者瀏覽資源數(shù)差距比較明顯。甚至出現(xiàn)登錄次數(shù)大于訪(fǎng)問(wèn)資源次數(shù)的個(gè)體存在，即說(shuō)明個(gè)別學(xué)習(xí)者只登錄課程，并沒(méi)有訪(fǎng)問(wèn)瀏覽資源。

3.2 學(xué)習(xí)過(guò)程中其他參與度數(shù)據(jù)挖掘

在線(xiàn)學(xué)習(xí)過(guò)程中的形考成績(jī)、在線(xiàn)天數(shù)、視頻時(shí)長(zhǎng)及回帖參與度數(shù)據(jù)描述統(tǒng)計(jì)量見(jiàn)表2 學(xué)習(xí)效果與學(xué)習(xí)過(guò)程中其他4 個(gè)參與度關(guān)系圖如圖4 所示。

表2 學(xué)習(xí)過(guò)程中其他參與度數(shù)據(jù)分析表

圖4 學(xué)習(xí)效果與其中4 個(gè)參與度的關(guān)系圖

（1）形考成績(jī)。形考成績(jī)由階段性學(xué)習(xí)測(cè)驗(yàn)、實(shí)踐活動(dòng)、學(xué)習(xí)記錄三部分構(gòu)成，分別占形成性考核成績(jī)的70%（4 次作業(yè)+1 次試驗(yàn)）、20%（理論補(bǔ)充）和10%（拓展延伸）。采用系統(tǒng)自動(dòng)評(píng)測(cè)和輔導(dǎo)教師根據(jù)評(píng)分標(biāo)準(zhǔn)評(píng)判相結(jié)合的方式。由表2 可知，形考成績(jī)最低分?jǐn)?shù)42分，最高94分，平均分值74分，6%的學(xué)習(xí)者未能完成形成性作業(yè)，即成績(jī)低于60分。由此可見(jiàn)，學(xué)習(xí)者在形考作業(yè)完成度上還不夠理想，平均分?jǐn)?shù)也沒(méi)有達(dá)到期望值80。

（2）在線(xiàn)天數(shù)。在線(xiàn)天數(shù)是指在線(xiàn)有效天數(shù)的累計(jì)，這里的有效保證在每天登錄學(xué)習(xí)不少于1h，也就是說(shuō)，如果某天登錄學(xué)習(xí)時(shí)間不到1h，則這一天不累計(jì)在線(xiàn)天數(shù)數(shù)據(jù)中，這也保證了防止避免無(wú)效學(xué)習(xí)現(xiàn)象發(fā)生。由分析表2 得知，最小值6，最大值53，學(xué)習(xí)者在線(xiàn)學(xué)習(xí)天數(shù)這項(xiàng)參與度分布較不均衡，個(gè)體學(xué)習(xí)主動(dòng)性重視程度差異較大。

（3）視頻時(shí)長(zhǎng)。學(xué)習(xí)者在線(xiàn)學(xué)習(xí)視頻時(shí)長(zhǎng)分布在2～17.7h，平均時(shí)長(zhǎng)為8，標(biāo)準(zhǔn)差是4，說(shuō)明學(xué)習(xí)者學(xué)習(xí)過(guò)程中視頻時(shí)長(zhǎng)較接近平均值8。課程視頻是10min 微視頻共計(jì)60 個(gè)知識(shí)點(diǎn)的，學(xué)習(xí)者整體完成視頻進(jìn)度為80%，從最大值17.7h 來(lái)看，存在反復(fù)學(xué)習(xí)視頻資源的情況。

（4）回帖。通過(guò)表2 可見(jiàn)，在線(xiàn)學(xué)習(xí)回帖最大值23，最小為0，人均發(fā)帖8。課程發(fā)起討論主題數(shù)為8 個(gè)，也就是每個(gè)主題人均只有一個(gè)回帖。根據(jù)圖4 進(jìn)一步分析得知，學(xué)習(xí)者參與回帖討論積極性不夠高，而且回帖也不均衡，統(tǒng)計(jì)未參與回帖學(xué)習(xí)者比例約為20.6%，參與回帖學(xué)習(xí)者占79.4%。課程回帖實(shí)際參與度值遠(yuǎn)遠(yuǎn)低于預(yù)設(shè)回帖參與度期望值。

4 學(xué)習(xí)效果與學(xué)習(xí)參與度分析

為了進(jìn)一步挖掘在線(xiàn)學(xué)習(xí)效果與學(xué)習(xí)過(guò)程參與度的關(guān)系，對(duì)學(xué)習(xí)者的綜合成績(jī)與學(xué)習(xí)過(guò)程參與度進(jìn)行統(tǒng)計(jì)，并將文中研究的6 個(gè)維度通過(guò)散點(diǎn)可視化分析，分析結(jié)果如圖5 所示。

圖5 學(xué)習(xí)效果與學(xué)習(xí)過(guò)程參與度散點(diǎn)分析

4.1 學(xué)習(xí)效果與學(xué)習(xí)參與度趨勢(shì)分析

通過(guò)觀察散點(diǎn)圖中數(shù)據(jù)點(diǎn)分布情況，可以推斷出變量間的相關(guān)性。如果變量之間不存在相互關(guān)系，那么在散點(diǎn)圖上就會(huì)表現(xiàn)為隨機(jī)分布的離散的點(diǎn)，如果存在某種相關(guān)性，那么大部分的數(shù)據(jù)點(diǎn)就會(huì)相對(duì)密集并以某種趨勢(shì)呈現(xiàn)。因此，從散點(diǎn)分布情況可以初步證明，學(xué)習(xí)效果，即綜合成績(jī)與資源瀏覽數(shù)和形考成績(jī)這兩個(gè)維度最密切。

4.2 學(xué)習(xí)參與度各維度權(quán)重分析

在用SPSS 進(jìn)行主成分分析的時(shí)候，默認(rèn)對(duì)原始變量進(jìn)行標(biāo)準(zhǔn)化。

（1）首先在SPSS 中輸入需要分析的變量；

（2）Analyze→Data Reduction→Factor 進(jìn)入之后，先點(diǎn)擊Descriptives，在Correlation 復(fù)選框下選中Coefficients；

（3）點(diǎn)擊Extraction，在Display 復(fù)選框里選中screeplot；同時(shí)點(diǎn)擊Scores，選中Displayfactor score cofficient matrix；點(diǎn)Rotation，在Method 復(fù)選框下選中Varimax（方差最大化法旋轉(zhuǎn)）；

（4）點(diǎn)擊ok 就可以得出主成分分析的結(jié)果（包括累計(jì)貢獻(xiàn)率等）。

4.3 分析與結(jié)論

（1）KMO 值和公因方差。KMO 的值為0.718，大于閾值0.5，所以說(shuō)明了變量之間是存在相關(guān)性的，符合要求。Bartlett 球形檢驗(yàn)的結(jié)果，只需看Sig.這一項(xiàng)，其值為0.000，所以小于0.05。這份數(shù)據(jù)是可以進(jìn)行因子分析的。在本例中，“提取”的值均大于0.7，如圖6 所示。所以變量可以被表達(dá)是比較理想的提取。

圖6 KMO 與公因方差

（2）多維度的參與度特征數(shù)據(jù)獲取。本文選取的因子分析及參數(shù)顯示，分析模型為最佳模型統(tǒng)計(jì)量，如圖7 所示，分析結(jié)果可行性比較理想。對(duì)各因子提取情況分析，最佳模型分析一共提取出6 個(gè)因子，方差分別是24.417%、22.820%、38.356%、5.403%、2.603%和2.401%。前三個(gè)因子占的成分比較大，具體是否能達(dá)到90%關(guān)系度，還需進(jìn)行因子累積分析，即解釋的總方差分析，由表3 可知，提取累積1、2、3 因子（分別是在線(xiàn)天數(shù)、形考成績(jī)、瀏覽資源數(shù)）累積達(dá)到89.563%。旋轉(zhuǎn)后的方差解釋率分別是21.413%、29.479%、38.701%，旋轉(zhuǎn)后1、2、3 因子累積方差解釋率為89.563%，約為90%。結(jié)論：6 個(gè)因子中，可以選取累積1、2、3 因子做成分關(guān)系表達(dá)。

圖7 最佳模型統(tǒng)計(jì)量

表3 解釋的總方差

（3）學(xué)習(xí)效果與參與度回歸分析。如果根據(jù)成分矩陣中的載荷得到X1=a11*F1+a12*F2+a13*F3（Xi為變量；aij為載荷；Fj為公因子）；那么旋轉(zhuǎn)成分矩陣得到F1=a11*X1+a21*X2+a31*X3（符號(hào)同前面定義）。

所以，成分得分系數(shù)矩陣可得知因子分析函數(shù)：

旋轉(zhuǎn)后因子為：

因子綜合評(píng)價(jià)函數(shù)為：

Y=X1+X2+X3+X4+X5+X6=(0.860-0.350+0.372)X1+(0.503 +0.453 -0.736)X2+(0.089 +0.820 -0.565)X3=0.882X1+0.22X2+0.344X3+ε（其中，ε 為其他三個(gè)因子的影響關(guān)系度，音響度很小為0.1）。

5 結(jié)束語(yǔ)

綜上所述，首先，從CiteSpace 可視化對(duì)“在線(xiàn)學(xué)習(xí)”學(xué)習(xí)效果與學(xué)習(xí)關(guān)系的分析，學(xué)習(xí)效果與學(xué)習(xí)過(guò)程參與度關(guān)系度最大。再次，通過(guò)在線(xiàn)學(xué)習(xí)平臺(tái)數(shù)據(jù)采集，通過(guò)SPSS分析進(jìn)一步確定在線(xiàn)學(xué)習(xí)效果與學(xué)習(xí)過(guò)程參與度因子關(guān)系。因子分析結(jié)果顯示，學(xué)習(xí)效果(綜合成績(jī))與學(xué)習(xí)過(guò)程6 個(gè)因子的參與度有關(guān)系，從回歸分析結(jié)果可知，影響學(xué)習(xí)效果的學(xué)習(xí)過(guò)程參與度因子按照遞減序列排列為：瀏覽資源數(shù)因子、形考成績(jī)因子、在線(xiàn)天數(shù)因子、登錄次數(shù)因子、回帖因子、視頻時(shí)長(zhǎng)因子，其中瀏覽資源數(shù)、形考成績(jī)、在線(xiàn)天數(shù)3 個(gè)因子為權(quán)重高因子，6 個(gè)因子共提取其中3 項(xiàng)可到約90%的關(guān)系度。綜合評(píng)價(jià)函數(shù)表達(dá)式為：Y=0.882X1+0.22X2+0.344X3+ε，這里的X1，X2，X3，為權(quán)重高因子數(shù)。通過(guò)分析，進(jìn)一步探討非學(xué)歷教育學(xué)習(xí)者在線(xiàn)學(xué)習(xí)學(xué)習(xí)參與度與學(xué)習(xí)效果關(guān)系特征及分布情況。有利于了解學(xué)習(xí)者的參與情況并采取措施干預(yù)；有利于學(xué)習(xí)者學(xué)習(xí)反思并促進(jìn)其自適應(yīng)性深度學(xué)習(xí)；有利于保障非學(xué)歷教育教學(xué)質(zhì)量的水平和教育事業(yè)的持續(xù)發(fā)展。