網絡學習行為與學習成績關系研究

閃茜 趙紅梅

隨著互聯網技術的不斷發展，在線教育資源改變了傳統教育的形式和內容，特別是疫情期間，網絡教育成為教育的主陣地。其中純網絡教育凸顯了它優勢的一面，可以打破時空的限制做到隨時隨地學習，但也存在著一定的問題，主要聚焦于對學習效果研究。文章通過把純網絡學習行為分為論壇學習行為、登錄學習次數、完成作業行為、學習時間偏好、完成小測驗行為5個方面，分別進行相關性分析、差異性分析，最后得出網絡學習行為與學習成績之間的關系。

1 相關研究概述

由于網絡數據的易獲取性和豐富性，基于數據分析的網絡學習行為研究越來越多，其中不少研究聚焦于各種網絡學習行為與學習成績、效果或績效的關系研究，探討網絡學習行為預測學習成績的可能性，或者影響學習成績的學習行為因素。

吳青和羅儒國基于貝葉斯網絡的成績預測模型研究發現，學習者在網絡教學中的自主學習行為（包括瀏覽資源等）是影響學習成績的主要因素，協作學習行為（包括交互討論等）通過促進學習積極性等間接地影響學習成績。

左秀娟的研究發現，網絡學習的時長、網絡課程登錄次數、視頻資源觀看量、討論參與情況等是影響學習成績的關鍵學習行為，同時識別出若干影響學習成績的關鍵行為序列，發現樂于參與討論的學生比樂于參與測試的學生能夠獲得更好的成績。

吳紹靖和易明的研究表明，學習者的學習投入、課堂參與和交流討論等學習行為對學習效果具有一定的影響。

董克等人針對成人學習者的研究認為，網絡學習行為之間具有較強的相關，但是網絡學習行為與學習成績之間只是弱相關。

沈欣憶等人針對MOOC學習者的研究顯示，不同的網絡學習行為對學習效果產生不同的影響，一些行為（作業完成率、視頻觀看率等）對學習效果具有正向影響，一些行為則產生負向影響。

陳圓圓等人的研究發現，“作業成績、平時成績、在線考試成績、已學視頻時長和學習進度”等與綜合成績具有強相關性。

綜合以上研究可以看出，學者們已經對網絡學習行為及其對學習成績的影響進行了較多的研究，取得了不少成果。但是不同研究選取的網絡學習行為不盡相同，豐富度差異較大；研究采用相關分析，多樣性分析。

2 網絡學習行為變量

網絡教學模式下，學習者在網絡學習平臺和環境中留下了很多的行為數據。基于網絡教學中產生的大量數據進行教學分析和學習分析是大數據時代教育研究的重要趨勢之一。網絡學習數據為了解學習者學習行為特征，以及學習者行為與學習績效的關系提供了基礎。

2.1 學習行為變量選取

在綜合考慮各項數據質量的基礎上，我們確定將發帖次數、發帖平均字數、登錄學習次數、完成作業次數、作業平均得分、完成測驗測試、測驗平均得分、學習時間偏好等8個變量作為學習行為變量，如圖1所示。

圖1 選取的網絡學習行為變量

2.2 樣本情況

首先從北京開放大學網絡學習平臺中獲取了“工程經濟與造價管理”網絡課程在2019～2022年之間的學生原始數據。數據內容包括：學生基本信息、課程基本信息、課程成績信息、課程成績信息勘誤（2個）、學生登錄課程情況、課程資源瀏覽信息、完成作業情況、完成測驗情況。為了更好地分析學生各項學習行為與學習成績之間的關系，從而更好地體現學校課程改革的實踐效果，需要對原始數據進行預處理。

3 研究過程

3.1 相關分析

由相關分析可知：

（1）成績與作業平均分（0.741）、測試平均分（0.632）、完成作業次數（0.438）、發帖次數（0.063）、測驗次數（0.052）正向顯著相關，相關系數依次降低，但差異很大。成績與作業平均分、測驗平均分和完成作業次數具有較強相關性；與發帖次數和測驗次數具有弱相關性。

（2）成績與總登錄次數（-0.107）、發帖平均字數（-0.060）負向顯著相關，但相關系數較小。此外，成績與年齡不相關。

（3）總計登錄次數與測試平均得分、作業平均得分、發帖平均字數顯著負相關；與測驗次數、發帖次數顯著正相關；與年齡不相關。

（4）完成作業次數與發帖次數、作業平均得分、測試平均得分、發帖平均字數顯著正相關；與測驗次數顯著負相關；與年齡不相關。

（5）作業平均得分與測試平均得分、完成作業次數、發帖次數顯著正相關；與測試次數、總登錄次數、發帖平均字數顯著負相關；與年齡無關。

（6）發帖次數與完成作業次數、總計登錄次數、作業平均得分顯著正相關；與測試次數、測試平均分、發帖平均字數顯著負相關。說明喜歡發帖的學生所發的帖子字數往往較短。喜歡發帖的學生完成作業情況較好，但完成測試情況較差，登錄次數較多。發帖次數與年齡無關。

（7）發帖平均字數與完成作業次數有微弱的正相關；與發帖次數、作業平均得分、總計登錄數呈顯著負相關；與年齡無關。說明發長帖的學生實際上是發帖次數少、作業得分低的學生。

（8）測驗次數與總計登錄數呈顯著正相關；與發帖次數、完成作業次數、作業平均得分、測驗平均得分、年齡呈負相關。喜歡多次嘗試測驗的學生，實際上學習效率并不高，其作業得分、測驗得分并不一定高，不喜歡發帖，年齡相對小一些。

（9）測試平均得分與作業平均得分、完成作業次數呈正相關；與登錄次數、發帖次數、測驗次數呈負相關；與年齡無關。測試成績好的學生往往不會多次嘗試參加測試，其作業完成情況往往也較好。

3.2 差異分析

（1）不同學習時間偏好的差異分析

取顯著性水平為α=0.05，根據表2給出克魯斯卡爾-沃利斯檢驗的結果，由于八個檢測變量的漸近顯著性p都小于0.05，即認為不同學習時間偏好的學生在成績、總登錄次數、完成作業次數、作業平均分、發帖次數、發帖平均字數、測驗次數、測試平均分等方面都有顯著性差異。

取α=0.05，可知成績、測試平均分的漸近顯著性p均大于α，所以無法拒絕零假設，即上午、下午學習時間偏好在成績、測試平均分上沒有顯著性差異；而其余6個檢測變量的漸近顯著性p都小于0.05，即上午、下午學習時間偏好在總計登錄、完成作業次數、作業平均分、發帖次數、發帖平均字數、測驗次數方面都有顯著性差異。

由上表可知，學習時間偏好為上午的學生，在完成作業次數、作業平均得分、發帖次數等方面多于下午的學生；而學習時間偏好為下午的學生，在總登錄次數、發帖平均字數、測驗次數等方面多于上午的學生。總體來看，上午學習的學生能夠相對更好地完成作業，學習效率更高；下午學習的學生登錄次數多、發帖字數多、參與測試次數多，學習更加活躍；但兩者在學習成績上沒有差異。

取α=0.05，完成作業次數、發帖平均字數的漸近顯著性p大于α，所以無法拒絕零假設，即上午、晚上學習時間偏好在完成作業次數、發帖平均字數方面沒有顯著性差異；而其余6個檢測變量的漸進概率值p都小于0.05，即上午、晚上學習時間偏好在成績、總計登錄、作業平均分、發帖次數、測驗次數、測試平均分上有顯著性差異。

由上表可知，學習時間偏好為上午的學生，在成績、作業平均得分、發帖次數、測試平均分等方面多于晚上的學生；而學習時間偏好為晚上的學生，在總登錄次數、測驗次數等方面多于上午的學生。總體來看，晚上學習的學生登陸次數多、參與測試次數多，學習效率比較低下；上午學習的學生總成績、作業平均得分、測試平均得分都要高，學習效果好，也比較踴躍發帖。

取α=0.05，發帖平均字數、測驗次數的漸近顯著性p大于α，所以無法拒絕零假設，即下午、晚上學習時間偏好在發帖平均字數、測試次數上沒有顯著性差異；而其余6個檢測變量的漸近顯著性p都小于0.05，即下午、晚上學習時間偏好在成績、總計登錄、完成作業次數、作業平均分、發帖次數、測試平均分等方面都有顯著性差異。

由上表可知，學習時間偏好為下午的學生，在成績、作業平均得分、發帖次數、測試平均分等方面多于晚上的學生；而學習時間偏好為晚上的學生，在總登錄次數、完成作業次數等方面多于下午的學生。總體來看，下午學習的學生相比晚上學習的學生，總成績、作業平均得分、測試平均得分都要高，學習效果好，也比較踴躍發帖；晚上學習的學生登陸次數多、完成作業次數多，頻繁登陸對學習產生一定負面影響，也反映出晚上學習干擾因素多。

4 研究結果

通過對學生網絡學習數據的挖掘與分析，可以得到有關大學生網絡學習行為及其與學習成績關系的如下主要結論：

（1）網絡學習行為與作業認真程度差異關系

作業完成情況好的學生具有更好的測驗得分和學習成績；發帖多的學生作業完成情況較好；發長帖的學生發帖并不積極；喜歡多次測驗的學生學習效率不高；測試得分高的學生發帖不夠積極；總計登錄次數不能反映學生的學習投入。

（2）網絡學習行為與學習時間差異關系

偏好在上午學習的學生學習效率較高，上午學習的學生發帖最為踴躍，不會多次地進行同一測驗，總體來看，上午學習的學生能夠相對更好地完成作業，學習效率更高；偏好在下午學習的學生數量最多，學習較為活躍，上午、下午偏好的學生學習成績沒有差異，但學習時間偏好為下午的學生，在總登錄次數、發帖平均字數、測驗次數等方面多于上午的學生，但是學習時間偏好為下午的學習者具有較低的完成作業次數，也就是說不太積極完成作業；偏好在晚上學習的學生數量較少，學習效率較低，以晚上為主要學習時間的學生成績較差，晚上學習的學生頻繁登錄對學習產生一定負面影響，也反映出晚上學習可能存在的干擾因素多。

本文系2020年度北京市社會科學基金項目《創客教育中創新思維發展與評價研究》（項目編號：20JYB004）。

（作者單位：1.北京開放大學科學技術學院；2.北京開放大學電子商務學院）