大数据背景下大学生在线自主学习能力水平探究

       大数据的开发与应用，使社会生产生活发生巨大的变革，其深入到社会各领域中的应用，也呈现出巨大的应用优势。教育信息化2.0行动计划提出，“人工智能、大数据、区块链等技术迅猛发展，将深刻改变人才需求和教育形态。”以“云、大、物、移、智”等为主体的新兴信息技术为学生提供了移动化和多元化的学习方式，促使在线自主学习方式的形成，促成了新的教育形态。在教育领域，借助大数据的开发性，实现了教育资源的有效整合。这对于大学生来说，为其自主学习带来了前所未有的机遇，学生可以自由获取学习资源，以进一步促进自身的发展，丰富自身的知识结构。大数据时代，学习者借助网络学习并在学习过程中留下的痕迹被称作数字碎片。学习者可以通过对自身学习碎片的分析，科学认识自我发展，判断自主学习方法的有效性，从而提高自身的学习能力，而非仅仅依靠教师评价与学习成绩进行判断。同时，大数据时代为人力资源管理专业学生提供了众多开放式的教育资源，借助信息设备，学生资源获取与自主学习方式也更加多样，既可以实现在线学习，也可以通过下载编辑学习资料，丰富自己的学习内容。这些都为大学生自主学习提供了极大的便利。因此，大数据时代，为学生创造出一个能够进行多重、自由选择，并实现自主生存的学习与发展空间。学生如何有效抓紧大数据时代下为其自主学习所带来的机遇，则成为每个大学生应当思考的问题。本文先 对大学生在线自主学习能力水平进行研究。

       美国学者齐莫曼[1]认为，所谓“自主学习”是一种学习者在一定程度上从元认知、动机和行为方面主动地参与自己的学习活动的过程。在这一学习过程中，学习者自我确定学习目标，围绕目标展开学习行动，包括学习资源的寻找、学习策略的选择和学习效果的评价。

       我国学者余文森[2]认为，自主学习强调学习应建立在人的能动性方面，以尊重、信任、发挥人的能动性为前提，他还强调自主学习不仅包括个体的独立学习，也包括合作学习。

       我国学者庞维国[3]认为自主学习不等于完全独立的学习，也不等于积极主动的学习，对于学生自身来说，通过激发内部学习动机自主选择学习时间和内容，并拥有在学习过程中自我监控、自我评价的能力；对于学习环境来说，学生要主动组织有利于学习的环境，并在学习方面遇到困难时能够主动向教师、同伴寻求帮助。[4]

       随着概念的发展，自主学习所探讨的领域不断扩展，其定义也不再局限于能力层面的表述。有关自主学习的表达演变出多种形式，自我调节(self-regulated)学习、自我导向（self-directed)学习等说法逐渐被学界接受。诸多自主学习模型的建立都采用了“self-regulated”这一种表达。例如，Zimmerman的自导学习模型、SRL（Self-regulated Learning） 元认知与情感模型(MASRL）等。

（一）Zimmerman的自导（主）学习模型

       2009年，Zimmerman[5]和 Moylan基于原有模型，补充完善了第一版的自导(主）循环阶段模型（如图1）。对计划、表现和反思阶段的子流程和其可能包含的具体任务进行了细化分析。主要是将计划阶段有关自我动机因素所包含的内在兴趣变化为任务的兴趣获取价值;以及在表现阶段的自主控制因素中进一步添加了对学习者时间管理、环境构建、寻求帮助、兴趣激发等能力或行为的描述。

图1 自主循环阶段模型（Zimmerman & Moylan）

（二）Mango自我调节量表

       2010年，Mangof[6]基于Zimmerman 自主学习模型开发了学术版的自我调节量表( Academic Self- Regulation Scale，A-SRL)， 并参照学习动机策略问卷(Motivational Strategies for Leanning Questionaire, MSLQ) 和学习与研究策略量表(Leaming and Study Strategies Inventory)对其功能相关性进行了验证。该量表从目标设定、记忆策略、寻求帮助、环境构建、学习责任、自我评价和组织七个层面进行了指标描述，帮助学习者了解本人自我调节学习的水平。

（三）Pintrich的SRL模型

        Pintrich[7]最早对SRL与动机要素之间、动机与认知之间的关系展开了理论与实证分析研究，并随后进一一步论证、 强调了元认知与自我调节间的差异性。2000年，Pintrich 开发出一个SRL模型 (如表1),用以详细解释如何在不同阶段展开实施SRL的各项要素或流程。他提出SRL由四个过程构成，即准备/计划/激活阶段、监控阶段、控制阶段、反应和反思阶段，而每个阶段都在认知、动机情感、行为和环境四个自我调节领域有特定的内涵。

表1 Pintrich 的SRL 模型

（四）SRL元认知与情感模型

       2011年，Efklides [8]基于班杜拉的社会认知理论，提出了自我调节学习的元认知与情感模型(Metacognitive and Affective Model of Self-Regulated Learning,简称MASRL,如图2)， 同时她的理论模型也在一-定程度 上受到了Dunlosky 和Metcalfe，以及Ariel等人的影响，但其在元认知模型对于SRL的意义方面的解读更为详细透彻。

图2 SRL元认知与情感模型（MASRL）

（五）自我导向学习评定量表

       自我导向学习评定量表是Willamnson[9]于2007提出的评价学习者自主学习能力的五级量表（如表2）。Williamson 通过对Guglielmino、Knowels. Candy 等人研究结果的梳理，归纳出包含75个项目在内的评价指标，涉及自主学习者的情感、技能、能力等要素。后续利用德尔菲法不断筛选最终确定了60个评价指标项，主要从五个维度一一意 识(Awareness)、学习策略(Learning Strategies)、 学习活动(Learning Activites).评价(Evaluation)和人际交往能力(Interpersonal Skills)--对自主学习者的情感、技能和能力进行考察。而每个维度下都有认知、行为或情感领域的相应描述和五种频率选项(即一直或总是、经常、有时或偶尔、很少、从不)，来反映学习者某一方面的自我导向学习能力水平。
                                                                                           表2 自我导向学习评定量表分数指标

（六）标准化学习策略量表

       Weinstein[10]等人在1990年提出了一种标准化学习策略量表，并随后在2002年出版的修订版中对于量表的评价内容作出了调整。经修订后，总量表下划分出了10个分量表，共包含77个题项。量表评价内容涉及学习策略与方法的使用(学习辅助与应试策略准备等)、动机与情感态度(焦虑情绪、专注力等)、信息处理能力时间管理与自我评价与测试等领域。

（一）自主学习能力评价指标

       针对上述六种自主学习理论、模型或能力量表展开要素分析和梳理的同时，由于不同模型和量表对于自主学习因素的划分存在某些共性与差异。例如，Zimmemman (2000)的模型采用了社会认知视角，而Efklides (2011)的模型则采用了信息处理视角。然而，在这些模型中, SRL也体现出一定的统一 规律，即始终被表示为一个递归的、循环的和目标导向的过程。因此，通过汇总上述模型与量表的理论依据及其中出现的所有要素,对其进行要素归纳总结如表3。

表3 自主学习因素归纳表

       接下来，对各个要素出现的频次进行统计，如表4。由于不同模型或量表中分类的角度和标准有所差异，因此需要对多有的要素层级进行统一。

表4 要素频次表

       从表中可以看出，认知、监控与控制、动机与情感、学习引导这四个要素出现的频次最高,即意味着这四个要素比较能代表自主学习要素研究中相对统一的认知。随着云技术和通信技术的进步，学生自主学习的方式也在不断发生变化，在线学习和混合式学习不断发展，使用在线学习平台易用性是否对学生自主学习能力产生影响，因此加入此指标框架（如表5）。

表5 自主学习活动指标框架

总体分为以下三个方面：

1.认知发展与策略

       该层面包括学习者从产生困惑感到解决问题的完整过程。笔者纳为触发求知、信息处理、应用解决和策略及外部评价四个要素。

2.监控引导

       监控引导层面主要指来自外界对于自主学习过程的干预。在线学习活动中一般体现于由授课方提供的有关学习内容、资源以及学习支持等的指导，包括明确自主学习内容以及目标、资源或经验的指导、组织监控进行总结三个方面。 

3.自我管理与应用

       该层面则侧重于在线学习者自身进行自主学习过程控制管理的过程，包括时间管理、自我观察评价、自我评价、自我效能感[11]和感知技术易用性[12]。

（二）问卷设计

1.基本信息题项

       问卷的第一部分是关于基本信息的题项，主要包括学生的性别、专业类别、受教育程度以及学生在云课堂平台学习过的课程数量和学生在云课堂平台上学习过的课程型。

2.量表题项
       量表部分主要由认知发展、组织引导、自我学习组成。每一个维度下有分为几个要素，对其中的要素进行设置题项。其中感知技术易用性来自Venkatesh (2003)等的研究[13],包含5个题项。自我效能感和学习策略量引用Zimmerman (1994) 的研究,自我效能感共包含4个题项，学习策略共包含3个题项[14]。学习动机引用Pintrich (1991) 等开发的MSLQ量表中内部学习动机的部分[15]，包含4个题项。学习内容、资源来自尹睿(1987) [16]开发的网络学习环境量表。还结合了自王正聪和丁新(2008)的研究[17]关于自主学习能力。本研究量表设置均采用李克特量表五点形式，选项设置从“1 =非常不同意”到“5=非常同意”。

具体量表看附件。

（三）研究对象   

       本研究的调查对象为大学生，为了确保调查问卷调查出的数据对本研究有效，本研究中所涉及的调查对象都是有在线学习相关经历的大学生，一共回收305份问卷。对其中无效的数据进行清洗后，得到有效的问卷300份，有效率为98.3%。调查样本中的男女人数，男生人数为118人，女生人数为182人，比例大约为2:3，文史类177人，理工类120人，其他类3人，大一89，大二112，大三59，大四40人。

1.信度检验
       本研究中所运用的相关量表，需要进行一个信度的分析。首先在SPSS软件中采用克隆巴赫系数，对各部分的测量问卷进行信度的检验，若克隆巴赫a系数大于0.7则表示问卷有较高信度，大于0.6表示可以接受的，Cronbacha系数如果越大，则说明测量问卷的可信的程度越高。本研究中潜在变量的信度检测的结果如表所示，从表6中可知，本研究中的各个潜在变量的克隆巴赫系数(Cronbacha)的值均大于0.6, 均满足信度的最低要求，说明本研究中运用的各个量表可信的程度较高。而把各个元素进行删除的话，它的值都会比原来的值要低，所以对于这些要素都是进行保留的。

表6 自主学习要素信度系数检验

2.效度检验

       效度的检验指的是，要检验测量的工具能否准确的测量出相关的特质或者是所对应的理论的概念。结构效度指的是，测量的工具能够在多大的程度上反映内部结构。具体来说，就是调查问卷调查出的结果与理论的预期的结果具有一致性，能够准确的对其理论概念特征进行测量，此时就可以说明问卷收集到的数据，其结构的效度是较高的。对测量工具进行结构效度确定步骤分别是：第一，要在相关理论的基础上对研究变量之间的关系进行假设；第二，要对研究变量设计相关问卷并进行测量；第三，要对测量出的数据利用验证性因子分析或者相关性分析等方法进行分析，观察分析数据的结果与之前所做出的研究假设的是否-致。因此，本研究为了确定问卷的结构效度，利用CFA即验证性因子分析对测量各个研究变量的问卷分别进行检验,利用拟合指数来考察各个研究变量测量模型的拟合度，并在拟合度达标的基础上经过不断的修正得到最优的拟合模型。拟合指数主是在统计学上的指标，可以验证数据对于模型的拟合程度，目前较为常用的拟合指标主要x2/dfGFI、RMSEA、NFI、CFI、 RNI等，各个拟合指标可接受的范围如表7所示。

表7 拟合指标范围

表8 自主学习要素拟合指标

       从表8中可知，标准化回归系数后得到、各个测量指标的标准化的回归系数都在0.6以上，得到模型的各个拟合指数分别为: df的值是1.385, RMR 的值是0. 017, RMSEA 的值是0. 037, GFI的值为0. 981,这些绝对拟合的相关的指数都是存在于合理的范围之内，可见模型拟合较为合理。另外, CFI的值为0.993, NFI的值为0. 975，TLI 的值为0. 988,参照上文中的表可知，本研究中的认知发展取向量表的模型,其相关的拟合的指数都存在于合理的范围之内，而且几个认知发展的要素相关系数为0.94，由此判定，认知发展的各个要素具有较好的拟合度。同理其他的两个方面组织引导和自我学习管理也是具有比较好的拟合度的。

（五）数据分析及结论  

       本研究进行大范围的数据的收集。清洗数据得到有效数据后，首先利用SPSS软件对收集到的数据进行初步的处理以及相应的检验，具体统计分析的方法，包括对数据进行的问卷的信度检验、描述性统计分析、变量之间相关性分析、回归分析等。

       在本研究中，研究的自变量包括在线技术易用性、在线资源丰富性、在线学生交互、在线教师引导与在线学习评估，中介变量为深层的学习取向，研究的因变量为自主学习能力，对各个研究变量，采取描述性统计的分析之后得到如表9所示，主要包括样本量、最大值、最小值、标准差、均值等。

表9 数据描述性统计分析结果

       结合Biggs3P学习过程模型，分为预设、过程和结果三个部分，那么我们也将我们所测试的因素进行分类，预设部分的因素有资源和经验指导、组织监控、自我观察和评价、技术易用性作为因变量；过程因素有触发求知、技术及目标计划制定作为中介变量；结果有学习过程调控、自主学习能力、学习效果评价作为因变量。

       对研究的相关变量，进行完以上的分析之后，接着利用SPSS软件中的皮尔逊相关性分析对各变量与自主学习能力的相关性进行分析，分析自变量、因变量之中存在的相关联系，发现自变量在线技术易用性、在线资源丰富性、在线学生交互、在线教师引导以及在线学习评估，都与研究中的因变量自主学习能力呈显著正相关关系，p值均小于0.01,其中在线学习评估与自主学习能力的相关系数最高(r=0.536,p<0.01)，即在线学习评估活动进行的越深入，学习者的自主学习能力越高。

       分析自变量、中介变量之中存在的相关联系，发现本研究中的每个自变量，与本研究中的中介变量深层学习取向之间，都呈现出显著的正相关关系。其中，在线资源丰富性与中介变量深层学习取向之间的相关系数最高(r-0.438,p<0.01),说明若在线学习环境中的资源被有效的设置，则对于学习者的深层学习动机以及深层学习策略有一定的帮助作用。分析中介变量以及因变量自主学习能力存在的相关联系，发现两者之间存在显著的正相关关系(r =0.614, p<0.01),印证了关于学习者学习取向的相关结论，即学习者的深层学习取向会对学习者的自主学习能力产生一个显著的、正向影响关系。

（一）建议

1.增强学生交互意识，提升在线交互体验

       在线学习环境可以提供多样化的技术来支撑学习者之间的交互，学习者之间有了更丰富的交互方式、更多的交互机会以及更广阔的交互空间。在线学习环境中学习者之间的交互，主要通过学习者之间的合作学习来体现。目前，在在线的学习环境中，有多种形式的合作学习在不断的开展着，学习者需要增强与同伴的交互意识，加强对在线合作学习的优势及挑战的认识。在线学习环境构建时，要着力提升学习者在线交互体验，一方面要不断的完善在线学习环境中的即时通讯工具，例如讨论区、论坛等。即时通讯工具最主要的特征是即时性，并将实时通知功能以及基于文本的交互反思的相关功能结合在-起。即时通讯工具可不断的缩短在线学习环境中学习者与学习者之间的交互的距离，使学习者意识到同伴的存在，并增加学习者之间的交互。另一方面，为使得学习者之间有效交互的发生，在线学习环境构建时要关注学生本体，思考如何激发学生的学习动机，使得学习者之间进行主动交互。例如可以增加在线角色扮演游戏，通过角色扮演游戏激发学习者在线学习的动机，使学习者在在线的学习环境中也具有在现实生活中这样的，面对面交流的感受，提升学习者在在线学习环境中的体验感，从而弱化在线学习环境与传统面对面学习环境的区别。

2.教师为在线自主学习提供有效引导

       在线学习环境若对学习者的自主学习能力产生一定的有效的作用力，首先就要求教师对在线学习环境下的角色以及作用进行重定义。因此教师首先应转变观念，不应将自我的权威凌驾于学生之上，而是要做学生学习问题的引导者、学习过程的监控者、学习资源的指导者、学习效果的评估者，促使学习者在教师的有效引导下主动的去参与在线学习环境下的学习，制定相应的学习目标与计划，并通过自我的管理、调节、激励、评估等完成自我的计划与目标。不仅仅让学生能够牢牢的掌握所要学习的知识点，更要让学生在其中学习如何去开展自我的学习过程，能够适应不断变化的社会。其次，在线学习环境中教师若能够对学习者进行有效引导，要具备丰富的在线的教学经验以及更加专业的科学文化知识。在以上两个大方向的指引下，在学习者进行在线学习前，教师可以针对在线学习中的所用的方法以及技能加以引导,让学生了解相关的自主学习策略以及课程的相应的基本信息:在学习者的在线学习过程中，教师可以利用在线学习平台中的即时工具例如论坛、QQ等，对学习者存在的问题进行及时的答疑反馈，不断的引导学生与资源、同伴以及教师之间进行互动，帮助学习者根据自身的具体状况来对之前所预想的计划作出相应的调整。学习者完成在线学习后，教师要及时的提醒学习者进行作业的完成以及相应的反思学习，让学习者的自我调整的能力、自我把控的能力、以及自我评价的能力得到一个很好的提升。

3.注重过程性的在线自主学习评估

       在线学习环境下对于学习者的学习评估，要将学习者作为其中心环节，不断的去变革传统的学习评估方式。对学习者的评估除了结果性评估外，要更多的关注过程性评估，过程性评估主要关注学生探索求知以及努力学习的过程，真正做到以学习者为中心，过程性评估是目前新课程改革的重要方向。传统的对学习者的评估方式对于学习者浅层的、可量化的学习成绩过分看重，评价的过程中所采用的方式方法太单调，对于评价的内容也过于强调成绩的重要性，这种做法对于学习者的各个方面协调发展，会造成一个相反的作用。而过程性评估更加重视难以量化的学习过程以及结果。对学习者的学习过程进行及时的评价，以此来为其提供恰如其分的引导、反馈，让学习者可以依据相应的反馈，来对自我的学习进行调节，为学习者的学习进行全方位的帮助。在线学习环境中学习者的过程性评估主要可从以下2个方面入手:①对学习者的学习取向进行一个评价分析:学习者的学习取向是学习者所具有学习动机、学习过程中所采取的策略两者的结合，学习者所具有的学习取向对于最后的学习效果会产生- -定的作用力。学习者自主学习能力的发展是不断螺旋上升的过程。在这个过程中，学习者会展现出各自不同的学习动机以及学习的策略。通过关注在线学习者对学习任务的感兴趣程度、对学习内容的认知、对学习任务的兴趣程度、对自我学习的主观推断等动机内容，促使学习者对自我的学习策略、方法进行不断的调整，对于学习者提升在线学习的兴趣有一定的帮助，同时会促进学习者自主学习能力的向上发展。②关注学习者非智力因素的评价:学习者自主学习能力的发展，受到多方面的影响。其中非智力的因素，在其过程中存在至关重要的作用。关注学习者在线学习过程的情感态度以及积极性等非智力因素的评价，及时为学习者提供相关的反馈，不断促进学习者进行自我反思，并对学习者在自我学习过程中出现的各种问题，积极的采取有效的措施，将对学习者在线自主学习能力的提升产生一个正向作用力。

(二)不足

       第一，本研究中所采用的研究样本存在一定的局限性，即研究样本的范围较为狭窄，存在一定的漏洞。在本研究中，样本数据的分层整体来说不够明显，样本的数量也还可以再进一步的扩大，同时男女比例可以进一步的缩小。
       第二，虽然本研究在对相关的理论进行研究之后，确定了在线学习环境中的技术易用性、资源丰富性、学生交互、教师引导以及学习评估作为本研究中的自变量，但在线学习环境中还有其他维度的因素，例如在线学习工具等，值得去探究。

（一）基本信息

1. 性别： A.男  B.女
2. 您所在年级：A.大一  B.大二 C.大三 D.大四
3. 您在云课堂中学习的课程数量是：A.1-2门 B.3-5门 C.5门及以上
4. 您在云课堂中学习过的课程类型(可多选)：A.公共课  B.学科基础课 C.专业必修课 D.专业选修课

（二）自主学习能力认同度

  回想您参与慕课学习的过程，是否认同问题描述中的具体情况，请根据您认同的程度进行评分。5分代表非常同意，4分代表比较同意，3分代表无法确定，2分代表比较不同意,1分代表非常不同意。

[1]Zimmerman,B.J.Asocialcognitive view of self-regulated academic learning[J].Journal of educational psychology,1989,81.

[2] 汤会琳，辛小林 . 齐莫曼自主学习理论视角的远程教育个别化学习实现探讨 [J]. 现代远程教育研究，2011（6）:67-70+76.

[3] 余文森 . 略谈主体性与自主学习 [J]. 教育探索，2001（12）:32-33.

[4] 庞维国，刘树农 . 现代心理学的自主学习观 [J]. 山东教育科研，2000（Z2）：54-55+59.

[5] Zimmerman,B.J. Becoming a self-regulated learner. An overview[J]. The ory into Practice,2002,41:64-70.

[6] Magno, C.Asisessing academic self-regulated lcarning among Filipino college students: the factor structure anditem fit[J Int.J. Educ.PsyeholA ssess,2010.5:61-76.

[7][14] Pintrich, P. R "The role of goal orientation in self-regulated learning" inHandbook of Self-Regulation , edsM.Boekaerts, P.R. Pintrich and M. Zeidner.  SanDiego,CA:AcademicPress,2000:452-502.

[8] Eflides.A. Interactions of metacognition with motivation and affet in self-regulated learning: the MASRLmodel[J].Educational Psychologist,2011.46:6-25.

[9] Williamson, Naskar S.. Development of a self-rating scale of self-drected leaming[J].Nuse Researcher2007,14(2):66-83.

[10] Weinstein.CE,& Palmer,D.R..Leaming and study strategies iventory LASSI user 's manual (2nd ed.)MJ.Clearwater, FL: H&H.2002:4.

[11] 庞维国.论学生的自主学习[0].华东师范大学学报(教育科学版),2001(02):78-83.

[12]贺建虎.网络学习中学生自我监控能力的影响因素分析——基于计划行为理论[J]科教导刊(中旬刊),2013(10):90-91+93.

[13] Davis F D. Perceived usefulness,perceived ease of use,and user acceptance of information technology[J]. MIS quarterly, 1989: 319-340.

[15]尹睿,许丹娜.网络学习环境与大学生学习自我效能感的相关性研究[刀.中国远程教育.2011(10):50-53+95-96.

[16]王正聪,丁新.网络环境中学习者自我调节学习能力培养研究[J].中国远程教育,2008(02):43-46+79-80.