混合式教學中學生線上學習滿意度影響因素研究

【摘 要】 為了探討混合式教學中學生線上學習滿意度影響因素，研究構建了一個包含教師支持、互動交流、系統功能、內容特征以及自我效能感等多個維度的線上學習滿意度模型，并采用結構方程模型進行假設檢驗。研究結果表明，教師支持和互動交流對線上學習滿意度有顯著影響，而系統功能和內容特征的影響相對較小。此外，績效期望和自我效能感對線上學習滿意度也有重要影響。根據研究結果，提出了一些建議，包括提升學生的績效期望、提高線上學習的自我效能感、加強師生互動與交流、提供激勵和支持措施等，以提高混合式教學的線上學習效果。

【關鍵詞】 混合式教學；線上學習；滿意度；影響因素；教師支持；互動交流

【中圖分類號】 G642 【文章編號】 1003-8418（2025）02-0078-08

【文獻標識碼】 A

【DOI】 10.13236/j.cnki.jshe.2025.02.010

【作者簡介】 高飛（1981—），男，安徽來安人，江蘇省習近平新時代中國特色社會主義思想研究中心南京航空航天大學基地研究員，南京特殊教育師范學院學生工作處處長、副研究員；呂吉（1972—），男，安徽滁州人，南京特殊教育師范學院教育科學學院教授。

一、文獻綜述

當前，國內學者多數關注混合式教學模式在某一課程方面的應用研究，對于混合式教學模式滿意度影響因素研究仍然較少^［1］。“滿意度”這個概念最初在西方商業領域出現并應用，體現了以消費者為中心的生產理念。后來“滿意度”概念及其理念逐漸被引入教育領域。學習滿意度是學習者對課程實際質量的感知與個人期望進行對比后產生的一種主觀情感反應，它反映了學習者預期目標的達成程度以及對課程的喜愛程度。學習滿意度是衡量混合式在線學習系統質量和有效性的關鍵標準，它反映了學生從與系統的互動中獲得的收益和滿足感^［2］。在目前的研究中，我們采用學生滿意度作為主觀感知，即學生感知到的滿意度取決于他們認為學習項目滿足其期望的程度。

現有的研究主要集中在教師角色與支持、師生互動、在線教學系統功能、內容特征以及學生自我效能感與學習滿意度之間的關系上。此外，還發現不同因素對學生在線學習滿意度有著不同的影響程度。Mahboubeh等通過定量和定性分析的結果顯示，學習者對混合學習技術持積極態度，教學質量對滿意度的貢獻高于互動和態度^［3］。Owston等利用回歸分析發現，成績好的學生相比成績較差的學生更滿意于混合學習，更喜歡混合學習而不是完全面對面或在線學習，并且發現混合學習更方便、更有吸引力，認為自己在混合課程中更好地學習了關鍵課程的概念^［4］。So等通過定量與定性相結合的方式研究了混合式教學的影響因素，定量分析發現合作學習與滿意度相關，定性分析發現課程結構、情感支持、溝通媒介是學生滿意度的關鍵因素^［5］。趙國棟等根據回歸分析，表明學生對電腦學習的適應性、認知有用性、教師關于作業及考試的回應及時性、認知易用性以及課程適用性是影響混合式學習滿意度的顯著因素。郭洪芹等以心理健康課為例，通過回歸分析發現，混合式教學模式下大學生心理健康課學生滿意度水平較高但仍需改進；教師、課程設置、學生這三項變量均正向顯著影響學生對混合式教學模式下課程的滿意度，其中影響最大的變量是教師教學水平，其次是課程設置和學生^［6］。

為了更深入地探討各影響因素之間的關系，有學者使用結構方程模型開展相關研究。如Wu等基于社會認知理論，采用驗證性因子分析，發現學習氛圍和績效期望對學習滿意度有顯著影響，而計算機自我效能、系統功能、內容特征和交互對性能期望有顯著影響，互動對學習氣氛有顯著影響^［7］。以往的研究認為學習管理系統質量直接影響學生滿意度，Diep等基于社會認知理論，通過結構方程模型分析卻發現，學習管理系統質量通過感知成就目標對學生滿意度產生間接影響。他們還發現在不同的教學條件下，教學管理質量與教師專業知識交互作用對學生滿意度的影響顯著不同^［8］。當前，我國仍然缺乏對混合式教學中學生線上學習滿意度影響因素的深入研究。本文將以我國高校混合式教學為研究對象，分析混合式教學中學生線上滿意度影響因素。

二、研究模型與假設

社會認知理論將績效期望定義為行為的感知結果，并指出它們是指導個人行為的強大力量^［9］。個人更有可能做出他們認為會帶來積極利益的行為，而不是那些他們認為不會帶來積極后果的行為。績效期望被定義為學習者相信混合式教學將幫助自己在學習績效上獲得收益的程度。已有研究發現，在一般的教育領域和在線教學領域，績效期望與學生的學習績效和滿意度存在正向關系^［10］。

班杜拉的自我效能理論被廣泛應用于各種情境下的行為研究。自我效能被定義為“相信自己有能力調動動機、認知資源和行動方案來滿足給定情境的需求”^［11］。研究表明，自我效能感的提高可以增強行為的主動性和持久性，從而提高績效或結果預期^［12］。在網絡學習的背景下，經驗證據表明，在線學習自我效能感的提高增強了學生對其信息技術相關能力的信心，這反過來又導致了對學習課程的積極表現期望的感知^［13］。由此得出以下假設：

H1：學生對于混合式教學的績效期望與混合式教學中學生線上學習滿意度呈正相關；

H2：學生線上學習自我效能感與混合式教學中績效期望呈正相關。

網絡學習中缺乏生生互動對在線學習過程有負面影響^［14］，根據Ibrahim的研究，學習者一般情況下可以通過與在線課程內容和同伴進行互動，避免孤立^［15］，這種互動也有助于學習者將傳統知識與新信息聯系或整合，從而形成新的概念^［16］。Ekwunife-Orakwue等^［17］認為學生之間的互動會影響學生的滿意度，但不會影響他們的成績。進一步研究指出，在線學習中最重要的互動類型是學習者與教師的互動，因為它可以預測在線課程的滿意度^［18］。師生互動是學生滿意度的良好預測因子，而學生之間的互動和自我調節學習對學生滿意度沒有影響^［19］。同樣，Thurmond指出，研究生和本科生在網絡課程中的表現、參與和滿意度都受到學習者與導師的互動的影響^［20］。由此得出以下假設：

H3：師生互動與學生混合式教學中線上學習績效期望呈正相關；

H4：師生互動與混合式教學中學生線上學習滿意度呈正相關。

Ibrahim認為，在線課程中教師發揮著重要的作用，他們能夠提供豐富的教學內容，并構建適宜的學習環境^［21］。教師需要采用一些方法，如評審學習者的帖子，檢查課程活動完成情況，并給予有建設性的反饋^［22］。此外，定期評估學習者的表現，并及時給予教育反饋，也是提高教學效率的有效途徑^［23］，因此，教師的支持會影響學習成果^［24］，有研究指出，教師支持與學生滿意度呈顯著相關^［25］，教師支持是影響學生感知成就目標和滿意度的關鍵因素。由此得出以下假設：

H5：教師支持與混合式教學中學生線上學習滿意度呈正相關；

H6：教師支持與學生混合式教學中線上學習績效期望呈正相關。

在線學習系統的質量和可靠性，以及易獲取的適當教育技術、材料內容和課程相關信息，是在線學習有效性的重要決定因素^［26］。因此，系統功能和內容特征是影響混合式學習的關鍵技術環境因素。Pituch等將系統功能定義為在線學習系統提供靈活訪問教學和評估媒體的感知能力，指出特定的系統功能是影響在線學習系統使用的關鍵因素^［27］。因此，本研究將系統功能定義為混合式學習提供靈活訪問教學和課程資源的感知能力。例如，這種媒體允許學生訪問課程材料和內容，提交課后作業，完成在線測試和測驗。

一般來說，內容指的是各種不同格式和類型的信息。在本研究中，內容指的是與課程相關的信息。混合式學習通過各種形式的媒體，如在線討論或網絡課程，來實現傳授課程內容。適當的在線課程內容特征以及有效的設計是課程實施的關鍵環節^［28］。系統功能和內容特征可能直接影響學習者對信息系統的感知有用性，這被認為是績效期望中的關鍵因素^［29］。有研究顯示，內容特征^［30］和系統功能^［31］都會對在線學習的有效性產生影響，即學習者在在線學習環境中感知到更高水平的系統功能和內容特征，將導致對BELS使用的更高水平的績效期望。因此，我們提出以下假設：

H7：線上學習平臺的系統功能與混合式教學中線上學習績效期望呈正相關；

H8：線上學習平臺的內容特征與混合式教學中線上學習績效期望呈正相關。

根據以上假設，建立結構模型如圖1。

三、研究方法

（一）研究工具

為了確保研究的準確性和可靠性，本研究設計了一套問卷工具，并通過一系列標準化過程來驗證其效度和信度。以下是我們使用的量表和問卷的詳細說明。

一般自我效能感：我們采用了Chen等人^［32］開發的量表，該量表已在多個研究中顯示出良好的內部一致性（Cronbach's α = 0.90），確保了測量的穩定性。

感知任務價值：基于Pintrich等人^［33］的量表，該量表具有較高的內容效度，并在先前研究中得到了驗證（Cronbach's α = 0.85）。

感知成就目標：采用Ginns等人^［34］的量表，該量表經過多輪測試，顯示出與成就目標理論的高度相關性（Cronbach's α = 0.88）。

教師支持：采用Lawless 和 Richardson^［35］、Ozkan 和 Koseler^［36］的量表，這些量表在先前研究中均表現出較高的信度和效度（Cronbach's α分別為0.82和0.91之間）。

系統內容特征和系統功能性：我們分別采用Zhang等人^［37］和Pituch等人^［38］的量表，這兩個量表均經過嚴格的統計測試，具有較高的結構效度和內部一致性。

滿意度問卷：由Naaj 等人^［39］開發的問卷，包含互動、教學、教師、技術和課程管理五個部分，共計35個題項。該問卷在先前研究中表現出良好的信度。其中互動問卷包含18個題項的問卷，分為學習者-學習者互動、學習者-教師互動和學習者-內容互動三個部分。該問卷在預測試中顯示出高信度（Cronbach's α = 0.92）。

所有問卷項目均采用李克特5分量表進行測量，確保了數據的一致性和可比性。在問卷編制過程中，我們進行了以下步驟以確保問卷的信度和效度。

預測試：在正式調查前，我們對50名參與者進行了預測試，以評估問卷的可理解性和相關性。

信度分析：通過計算Cronbach's α系數來評估問卷的內部一致性，發現每個量表的α系數均高于0.7，符合社會科學研究的標準。

效度分析：進行了探索性因子分析（EFA）和驗證性因子分析（CFA），以驗證問卷的結構效度。EFA的KMO測量值大于0.7，CFA的擬合指標在可接受范圍內。

（二）參與者與過程

本研究旨在評估長三角地區高校學生對混合式教學方式的滿意度。為此，本研究從該地區實施混合式教學的高校中挑選了8所有代表性的學校，涵蓋了綜合類、理工類、師范類三種類型，以確保樣本的多樣性。參與研究的學生共計6278名，分別來自醫學、生物制藥、冶金工程、新聞學等11個不同專業。

在研究開始前，為了消除技術因素對調查結果的可能影響，我們確保所有參與者都具備必要的計算機操作技能和在線學習所需的設備。此外，我們對參與者進行了預調查，以驗證他們對混合式教學的理解和期望，確保他們能夠提供準確和有意義的反饋。在獲得各班級教師的明確許可后，我們通過學習通平臺以電子問卷的形式分發了調查問卷。問卷內容包括課程內容、互動性、技術支持和學習資源等。完成問卷的時間控制在20～25分鐘，這樣可以確保參與者有足夠的時間認真思考并回答每個問題。

為了確保數據的質量和可靠性，我們對問卷進行了初步篩選，排除了不完整或明顯不真實的回答。最終，我們保留了5683份有效問卷進行統計分析。在這些有效樣本中，男性占50.6%，女性占49.4%，性別比例接近均衡。

四、研究結果

數據分析采用結構方程建模技術（SEM），使用IBM SPSS Amos28來分析數據。在SEM中，模型擬合評估分為兩個階段。首先，采用驗證性因子分析（CFA）對測量模型進行評估，并對模型的結構效度和信度進行測量。其次，使用最大似然估計進行結構模型或路徑分析。

（一）測量模型效度

為了評估測量模型的效度，本研究采用學者常用的兩個標準：指標對應構念的負荷應大于模型中其他構念的負荷；AVE應大于潛變量間的相關系數。AVE是平均方差抽取量。對于每個特定的潛變量，它顯示了由潛變量提取的測量項目方差的總和與歸因于其項目的測量誤差的比率。

根據經驗，每個潛變量的AVE的平方根應該大于特定潛變量與模型中任何其他潛變量的相關性^［40］，并且應該至少為0.50^［41］。結果如表1所示，所有結構都滿足上述要求。信度值都高于建議的最小值0.7^［42］。因此，所有潛變量都顯示出足夠的信度和區分效度。所有潛變量與其指標之間的差異都大于與其他潛變量之間的差異。因此，可以保證測量模型中所有潛變量的收斂效度和區分效度。從表1可以看出，各潛變量的AVE信度和組合信度分別為0.65 ～ 0.84和0.80 ～ 0.92，表示測量模型的內在質量比較理想。

表2顯示了每個潛變量的區分效度。從表2可以看出，每個潛變量的AVE（對角線數值）的平方根大于它們之間的相關性，再次說明各個潛變量的分效度良好。

（二）結構模型的擬合度

模型的擬合度用來衡量所建立的理論模型與數據的適配度。模型估計結合顯示，模型在適應度和擬合度方面表現良好。CMIN/DF值為1.705，表明模型在統計上適配度較佳^［43］。RMR值較低（0.124），說明模型的預測值與實際觀測值之間的差異較小。GFI值為0.983，說明模型能夠較好地解釋觀測到的數據方差。RMSEA值為0.081，說明模型與觀測數據之間的擬合良好。AGFI值為0.926，表明模型對觀測數據的擬合較為準確。各項比較指標（NFI，RFI，IFI，TLI，CFI）的值都接近或超過0.94，說明模型能夠較好地匹配觀測數據，并且具有較好的相對擬合度。AIC和BIC的值分別為512.531和581.653，較低的值表明默認模型相對于飽和模型具有更好的統計學意義和預測能力。CAIC的值為654.824，表明模型具有較好的復雜度調整指標。

這些結果不僅支持了本研究假設的合理性，而且為構建系統功能、內容特征、教師支持、互動交流、自我效能感、績效期望和滿意度之間的結構關系模型提供了有力的統計支持。

（三）假設檢驗

本研究采用結構方程模型（SEM）分析了績效期望和滿意度的內在機制，探討了系統功能、內容特征、教師支持、互動交流和自我效能感對績效期望和滿意度的影響，結構模型分析結果如表3所示。

1.模型整體擬合情況

績效期望和滿意度的R²值分別為43.42%和50.94%，表明模型對因變量的解釋力較強。績效期望的方差中有43.42%可以由系統功能、內容特征、教師支持、互動交流和自我效能感共同解釋。滿意度的方差中有50.94%可以由系統功能、內容特征、教師支持、互動交流、自我效能感和績效期望共同解釋。

2. 績效期望的影響因素

互動交流（β=0.41，T=5.216，plt;0.001）對績效期望的影響最大，且高度顯著。自我效能感（β=0.32，T=3.824，plt;0.001）和教師支持（β=0.23，T=3.604，plt;0.001）對績效期望有顯著的正向影響。內容特征（β=0.14，T=2.002，plt;0.05）對績效期望有邊緣顯著的正向影響。系統功能（β=0.11，T=1.251，pgt;0.05）對績效期望的影響不顯著。

結果表明，互動交流和自我效能感是提升績效期望的關鍵因素，而系統功能的作用不顯著。

3. 滿意度的影響因素

績效期望（β=0.51，T=7.116，plt;0.001）對滿意度有最強的直接正向影響。互動交流（β=0.38，T=4.301，plt;0.001）和教師支持（β=0.30，T=3.901，plt;0.001）對滿意度有顯著直接正向影響，同時通過績效期望分別產生0.21和0.18的間接效應。自我效能感（β=0.10，T=3.416，plt;0.001）僅通過績效期望對滿意度產生間接正向影響。內容特征（β=0.06，T=1.003，pgt;0.05）和系統功能（β=0.04，T=1.105，pgt;0.05）對滿意度的影響不顯著。

結果表明，績效期望是影響滿意度的核心因素，互動交流和教師支持也對滿意度有顯著直接和間接影響，而系統功能和內容特征的作用較弱。

根據數據分析結果，假設H1、H2、H3、H4、H5和H6均得到了完全支持，表明學生對于混合式教學的績效期望、自我效能感、師生互動以及教師支持均對線上學習績效期望和滿意度有顯著的正向影響；假設H8得到了部分支持，表明線上學習平臺的內容特征對績效期望有邊緣顯著的正向影響；而假設H7未得到支持，表明線上學習平臺的系統功能對績效期望的影響不顯著。這些結果表明師生互動、教師支持和學生自我效能感在提升混合式教學效果中的重要性，同時提示需要進一步優化線上學習平臺的內容特征和系統功能。

五、討論

信息技術時代，混合式學習逐漸成為備受推崇的教學模式。但是混合式學習的教學效果影響因素仍未探討清楚。本研究從教師支持、互動交流、系統功能、內容特征以及線上學習自我效能感多個維度構建了混合式教學中學生線上學習滿意度模型，通過結構方程模型進行假設檢驗。模型解釋了50.94%的學生線上學習滿意度，其中教師支持和互動交流都對學生在線學習滿意度有較大的影響。這說明，即使是線上學習，教師所提供的指導與反饋、師生交流、生生交流仍然對學生滿意度有較大的影響，與此相反，系統功能和內容特征等學習平臺特征并沒有顯示對學生在線學習滿意度有較明顯的影響，這顯然與部分已有研究結論相左^{［44］［45］}。另外績效期望也是滿意度的重要影響因素。線上學習自我效能感通過線上學習的績效期望間接影響線上學習滿意度。因為教育在本質上是人與人靈肉的交往活動^［46］，所以，人的因素仍然是影響混合式教學中學生線上學習滿意度最為重要的因素。技術只提供一個學習的環境和工具，技術環境本身并不會導致學習的發生。這也證實了社會認知理論的觀點：人類行為是認知因素、環境和行為的相互作用^［47］。根據研究發現，提出以下建議。

第一，教師應該提升混合式教學中學生線上學習的績效期望。本研究顯示，線上學習績效期望對于學生線上學習滿意度影響最大。本研究進一步表明，對于線上學習績效期望影響較大的因素分別為互動交流、教師支持和自我效能感。建構主義學習理論強調，學習是在特定的學習環境中進行的，不同的教學參與者通過相互影響來構建一個共同的學習交互網絡空間。因此，混合式教學在提高教學效果方面的主要作用在于促進多元主體的交互協同^［48］。

第二，教師要重視并增加線上師生互動。當前，我國很多高校教師開展的混合式教學，存在線上與線下學習融合程度偏低、在線交流活動不足等問題^［49］。因此，為了提升學生線上學習的績效期望，教師要及時關注學生線上學習情況，及時回應學生在討論區提出的問題，并分析學生線上學習數據，了解學生對于教學內容掌握的薄弱點，及時給予有針對性的指導、解答，或其他形式的支持。同時，要增加師生互動、生生互動。在教學過程中，師生之間、生生之間通過交流、溝通和合作分享彼此的思考、經驗和知識，從而豐富教學內容，獲得新的發現，實現共識、共享和共進，達到教學相長和共同發展的目標^［50］。

第三，鼓勵教師開展“AI+混合式教學”改革。當前，人工智能（AI）技術突飛猛進，人工智能技術在混合式教學中極大地增強了線上師生互動，這一趨勢主要體現在教學環境的交互式發展上。通過人機交互技術，AI助教和虛擬導師不僅承擔了基礎性教學任務，使教師能夠專注于提高教學質量，而且通過模仿人類的動態教學方法，促進了師生間的有效協作與反饋。例如，佛羅里達大學的研究表明，學生普遍對AI助教的感知有用性和溝通便利性持積極態度^［51］。此外，哥倫比亞大學和斯坦福大學開發的社交機器人和“貝蒂的大腦”系統，顯示了AI在教學目標完成、資源生成、內容設計等方面的高效能力，其表現在多個評價指標上均高于平均水平^［52］。這些進展不僅證明了AI在提高教學互動性和個性化方面的潛力，也突顯了其在教育生態環境中的重要作用，為線上教學提供了新的視角和工具，從而推動了混合式教學模式的發展和創新。所以，鼓勵教師開展人工智能+混合式教學改革，可以提高教學的互動性和針對性，提高學生混合式學習滿意度。

第四，學校和教師應該提供激勵和支持，以提高學生的線上學習自我效能感。實證研究結果顯示，線上學習自我效能感對績效期望具有顯著的正向影響。這意味著學習者必須具備必要的計算機技能，特別是要熟練掌握網絡教學平臺的基本操作程序，以便充分利用網絡資源并掌控自己的學習活動。因此，學校的管理者和教師應當提供足夠的激勵與政策支持，比如提供相應的網絡教學平臺操作培訓，給予積極參與線上學習的學生相應的獎勵，以便鼓勵學生積極參與混合式課程，并提高學生的線上學習自我效能感。另外，網絡教學平臺應該提供內置的智能幫助系統，以便學生遇到操作問題能夠自我學習。此外，教師也應當熟練掌握網絡平臺的操作技術，確保其及時回應學生的技術求助。

第五，網絡教學平臺應借助人工智能技術優化功能設計和內容特性，以提升學生的學習體驗和成效。網絡教學平臺可以借助AI提供適當的功能和內容特性，并體現多媒體形象和靈活性。有研究結果表明，內容特性對學生感知績效期望具有積極的影響。正如Laurillard所述，由于Web 2.0技術的影響，教學應被視為一種設計科學，因為技術并未改變教學理論或學習理論，而是改變了學生的學習方式^［53］。借助AI，可以進行更加靈活的教學內容呈現，實現自適應學習。AI通過分析學生數據并動態調整學習內容，可以顯著提升教學的個性化和靈活性^［54］。AI驅動的平臺通過實時追蹤學生的認知動態和知識漏洞，提供定制化的學習路徑，從而優化學習效果。這種技術不僅增強了教學的針對性，還通過非線性、開放式的學習范式，突破了傳統教學模式，使學習者能夠根據自身需求和節奏進行學習。因此，AI技術在自適應學習中的應用，可以為教育領域帶來了革命性的進步，通過提供更加個性化和靈活的教學內容和資源，有效提高學習者的感知績效期望。因此，學校應該考慮為教師提供“AI+教學”相關的培訓課程，使他們能夠快速地適應智能時代的混合式教學設計。總之，線上網絡資源設計應更加體現技術優勢，使得教學內容更加豐富、表現形式更加多樣和有針對性，并能夠實時反饋與交流。

【參考文獻】

［1］劉威童， 汪瀟瀟. 混合式教學滿意度影響因素研究［J］.現代教育技術， 2019， 29（01）： 107-113.

［2］［7］［44］Wu J H， Tennyson R D， Hsia T L. A Study of Student Satisfaction in a Blended E-learning System Environment［J］.Computers amp; Education， 2010， 55（01）： 155-164.

［3］［5］Taghizadeh M ， Hajhosseini F .Investigating a Blended Learning Environment： Contribution of Attitude， Interaction， and Quality of Teaching to Satisfaction of Graduate Students of TEFL［J］.The Asia-Pacific Education Researcher， 2020（03）：459-469.

［4］Owston R， York D， Murtha S. Student Perceptions and Achievement in a University Blended Learning Strategic Initiative［J］.The Internet and Higher Education， 2013， 18： 38-46.

［6］郭洪芹， 羅德明.高校心理健康課混合式教學滿意度實證研究［J］.思想政治教育研究， 2022， 38（03）： 112-116.

［8］Diep A， Zhu C， Struyven K， et al. Who or What Contributes to Student Satisfaction in Different Blended Learning Modalities？［J］.British Journal of Educational Technology， 2017， 48（02）： 473-489.

［9］Compeau D， Higgins C A， HUFF S. Social Cognitive Theory and Individual Reactions to Computing Technology： A Longitudinal Study［J］.MIS Quarterly， 1999， 23（02）： 145.

［10］""" ［13］Shih H P. Assessing the Effects of Self-efficacy and Competence on Individual Satisfaction with Computer Use： An IT Student Perspective［J］.Computers in Human Behavior， 2006， 22（06）： 1012-1026.

［11］""" Wood R， Bandura A. Impact of Conceptions of Ability on Self-regulatory Mechanisms and Complex Decision Making.［J］.Journal of Personality and Social Psychology， 1989， 56（03）： 407-415.

［12］""" Francescato D， Porcelli R， Mebane M， et al. Evaluation of the Efficacy of Collaborative Learning in Face-to-face and Computer-supported University Contexts［J］.Computers in Human Behavior， 2006， 22（02）： 163-176.

［14］""" Lewis， J. L. M. The Computer Ate My Classroom： Assessing Student Interactions， Perceived Learning， and Satisfaction in Online Community College Career Technical Education Courses［D］.Mississippi：University of Southern Mississippi，2011.

［15］［21］Ibrahim Abbas Z. Blended Learning and Student Satisfaction： An Investigation into an EAP Writing Course［J］.Advances in Language and Literary Studies， 2018， 9（01）： 102-105.

［16］［53］Laurillard D .Teaching as a Design Science： Building Pedagogical Patterns for Learning and Technology［J］.Routledge Taylor amp; Francis Group， 2012， 60（04）：258.

［17］""" Ekwunife-orakwue K C V， Teng T L. The Impact of Transactional Distance Dialogic Interactions on Student Learning Outcomes in Online and Blended Environments［J］.Computers amp; Education， 2014， 78： 414-427.

［18］""" Battalio， John T. Interaction Online： A Reevaluation［J］.Quarterly Review of Distance Education， 2007， 8（04）， 339-352，407.

［19］""" Kuo Y C， Walker A E， Belland B R， et al. A Predictive Study of Student Satisfaction in Online Education Programs［J］.The International Review of Research in Open and Distributed Learning， 2013， 14（01）： 16-39.

［20］Thurmond V A .Examination of Interaction Variables as Predictors of Students' Satisfaction and Willingness to Enroll in Future Web-based Courses While Controlling for Student Characteristics［D］.Kansas：University of Kansas， 2003.

［22］Garrison D R， Cleveland-innes M， FUNG T S. Exploring Causal Relationships among Teaching， Cognitive and Social Presence： Student Perceptions of the Community of Inquiry Framework［J］.The Internet and Higher Education， 2010， 13（01-02）： 31-36.

［23］Arbaugh J B， Cleveland-Innes M， Diaz S R， et al. Developing a Community of Inquiry Instrument： Testing a Measure of the Community of Inquiry Framework Using a Multi-institutional Sample［J］.The Internet and Higher Education， 2008， 11（03-04）： 133-136.

［24］Arbaugh J B.Virtual Classroom Characteristics and Student Satisfaction with Internet-based MBA Courses［J］.Journal of Management Education， 2000， 24（01）： 32-54.

［25］Sahin I.Predicting Student Satisfaction In Distance Education and Learning Environments［J］.The Turkish Online Journal of Distance Education， 2007， 8（02）： 113-119.

［26］［28］Piccoli G， Ahmad R， Ives B. Web-based Virtual Learning Environments： A Research Framework and a Preliminary Assessment of Effectiveness in Basic IT Skills Training［J］.MIS Quarterly， 2001， 25（04）： 401.

［27］［29］［31］［38］Pituch K A， Lee Y kuei. The Influence of System Characteristics on E-learning Use［J］.Computers amp; Education， 2006， 47（02）： 222-244.

［30］［37］Zhang X ， Kellie B ， Pavur R J .Information Quality of Commericial Web Site Home Pages： An Explorative Analysis［C］//Twenty First International Conference on Information Systems.DBLP， 2000.

［32］Chen G， Gully S M， Eden D. Validation of a New General Self-efficacy Scale［J］.Organizational Research Methods， 2001， 4（01）： 62-83.

［33］Pintrich P R.A Manual for the Use of the Motivated Strategies for Learning Questionnaire （MSLQ）［J］.College Students， 1991， 48109：76.

［34］Ginns P， Prosser M， Barrie S. Students' Perceptions of Teaching Quality in Higher Education： The Perspective of Currently Enrolled Students［J］.Studies in Higher Education， 2007， 32（05）： 603-615.

［35］Lawless C J， Richardson J T E. Approaches to Studying and Perceptions of Academic Quality in Distance Education［J］.Higher Education， 2002， 44（02）： 257-282.

［36］Ozkan S， Koseler R. Multi-dimensional Students' Evaluation of E-learning Systems in the Higher Education Context： An Empirical Investigation［J］.Computers amp; Education， 2009， 53（04）： 1285-1296.

［39］Abou Naaj M， Nachouki M， Ankit A. Evaluating Student Satisfaction with Blended Learning in a Gender-segregated Environment［J］.Journal of Information Technology Education Research， 2012， 11（01）： 185-200.

［40］Kline R B. Response to Leslie Hayduk's Review of Principles and Practice of Structural Equation Modeling， 4th Edition［J］.Canadian Studies in Population， 2018， 45（03-04）： 188.

［41］［43］Fornell C， Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error［J］.Journal of Marketing Research， 1981， 18（01）： 39.

［42］Jolliffe I T， Hair J F， Anderson R E， et al. Multivariate Data Analysis with Readings［J］.Journal of the Royal Statistical Society. Series A （Statistics in Society）， 1988， 151（03）： 558.

［45］Chen W S， Tat Yao A Y. An Empirical Evaluation of Critical Factors Influencing Learner Satisfaction in Blended Learning： A Pilot Study［J］.Universal Journal of Educational Research， 2016， 4（07）： 1667-1671.

［46］（德）雅思貝爾斯. 什么是教育［M］.鄒進，譯.北京： 生活·讀書·新知三聯書店，1991：3.

［47］Abdullah S M. Social Cognitive Theory： A Bandura Thought Review Published in 1982-2012［J］.PSIKODIMENSIA， 2019， 18（01）： 85-100.

［48］溫湖煒， 劉昱彤. 混合式教學場域中高校師生關系的重構［J］.黑龍江高教研究， 2022， 40（12）： 22-27.

［49］索成林. 高職院校混合式教學存在的問題與對策［J］.教育理論與實踐， 2021， 41（12）： 25-27.

［50］劉小容. 運用“互動式教學法”增強思想政治理論課教學實效性探賾［J］.學校黨建與思想教育， 2012（29）： 54-56.

［51］Kim J， Merrill K， Xu K， et al. My Teacher Is a Machine： Understanding Students' Perceptions of AI Teaching Assistants in Online Education［J］.International Journal of Human–Computer Interaction， 2020， 36（20）： 1902-1911.

［52］Ceha J， Law E， Kuli D， et al. Identifying Functions and Behaviours of Social Robots for In-class Learning Activities： Teachers' Perspective［J］.International Journal of Social Robotics， 2022， 14（03）： 747-761.

［54］Martin F， Chen Y， Moore R L， et al. Systematic Review of Adaptive Learning Research Designs， Context， Strategies， and Technologies from 2009 to 2018［J］.Educational Technology Research and Development， 2020， 68（04）： 1903-1929.

基金項目：國家社科基金一般項目“中美科研合作態勢及績效研究”（21BGL206）。

Research on the Factors Influencing Students' Satisfaction

with Online Learning in Blended Teaching

Gao Fei， Lv Ji

Abstract： This study focuses on exploring the key influencing factors of students' online learning satisfaction in blended teaching. A model of online learning satisfaction consisting of multiple dimensions including teacher support， interactive communication， system function， content features， and self-efficacy was constructed， and hypothesis testing was conducted by using structural equation modeling. The findings indicate that teacher support and interactive communication have significant impacts on online learning satisfaction， while the influence of system function and content features is relatively small. Additionally， students' performance expectation and students' self-efficacy also affects their online learning satisfaction. Based on these findings， this study proposes some specific suggestions including improving students' performance expectation， enhancing students' self-efficacy， strengthening teacher-student communication and interaction， and providing appropriate support from schools and teachers to improve the online learning effectiveness and students' satisfaction of blended teaching.

Key words： blended teaching; online learning; satisfaction; influencing factors; teacher support; interactive communication

（責任編輯 鄭昕郁）