任高飛 陳瑤瑤

【摘要】

在當今互聯(lián)網(wǎng)時代，使用社交媒體已成為每個人學習、生活的一部分，社交媒體對學習績效的影響正成為一個不可忽視的因素。然而，以往對社交媒體使用與學習績效之間關(guān)系的研究結(jié)論仍存在一定分歧。為了探討社交媒體使用能否提高學習績效，本研究運用元分析方法考察了社交媒體使用對學習績效的影響以及使用情境和研究方法的調(diào)節(jié)效應(yīng)。基于對2011—2018年國際英文期刊35項實證研究的元分析，結(jié)果表明：社交媒體使用與學習績效存在中等程度的正相關(guān)（ES=0.49）;使用情境的調(diào)節(jié)效應(yīng)檢驗發(fā)現(xiàn)，社交媒體類型、使用群體、應(yīng)用平臺和學科領(lǐng)域?qū)ι缃幻襟w使用與學習績效的關(guān)系具有調(diào)節(jié)作用;研究方法的調(diào)節(jié)效應(yīng)檢驗發(fā)現(xiàn)，測量模型、數(shù)據(jù)屬性和學習績效指標對社交媒體使用與學習績效的關(guān)系同樣具有調(diào)節(jié)作用。

【關(guān)鍵詞】 ?社交媒體使用;學習績效;元分析;使用情境;研究方法;調(diào)節(jié)效應(yīng);技術(shù)接受模型（TAM）

【中圖分類號】 ?G434 ? ? ? 【文獻標識碼】 ?A ? ? ? 【文章編號】 ?1009-458x（2020）9-0044-09

一、引言

在基于Web2.0的數(shù)字技術(shù)飛速發(fā)展的時代背景下，當前學習環(huán)境已發(fā)生巨大變化。社交媒體通過社交網(wǎng)絡(luò)和虛擬社區(qū)可以促進思想、知識、信息的交流和共享（Nielsen， 2017）。隨著網(wǎng)絡(luò)工具的易用性和社交媒體的爆炸式增長，社交媒體用戶通過互聯(lián)網(wǎng)，利用電腦或移動設(shè)備（如智能手機或平板電腦）的應(yīng)用程序（Shepherd， 2018），訪問社交媒體服務(wù)，可以主動進行自我導向的專業(yè)學習，社交媒體普遍影響年輕人的日常生活，尤其是大學生（Stathopoulou， et al.， 2019）。社交媒體改變了大學生在教育機構(gòu)學習過程中交流、互動和社交的方式（Terzi， 2019），并在大學生和社會大眾之間的內(nèi)容共享中發(fā)揮著至關(guān)重要的作用。數(shù)字媒體和社交網(wǎng)絡(luò)正在革新日常溝通、協(xié)作、信息共享和信息消費的方式（Tulin， 2018）。

基于社交媒體的混合式教學作為一種廣義的授課方式在教育中處于上升趨勢，社交媒體使用對學習績效的影響研究引起了學者的高度關(guān)注，但相關(guān)研究在社交媒體使用和學習績效之間的關(guān)系強度、效應(yīng)方向及其影響顯著性上仍存在分歧。隨著社交媒體使用倦怠、手機依賴、信息超載等方面研究數(shù)量的不斷增加，社交媒體使用對學習績效的“雙刃劍”效應(yīng)更加突出。因此，明確兩者之間的關(guān)系對推進在線學習、社交媒體使用具有重要的現(xiàn)實意義。近年來，來自不同國家的學者在社交媒體與學習績效方面開展了大量的實證、實驗研究，為采用元分析方法辨析社交媒體使用與學習績效之間的效應(yīng)關(guān)系提供了充實的文獻資料?；诖?，本研究將對社交媒體使用與學習績效關(guān)系及其可能影響的調(diào)節(jié)因素進行元分析，以期厘清現(xiàn)有文獻在研究結(jié)論上的對立，并進一步探討影響兩者關(guān)系產(chǎn)生差異的社交媒體使用情境和研究方法因素，為社交媒體使用的績效研究提供新的證據(jù)和研究視角。

二、研究假設(shè)

社交媒體是一種在線工具，通過認知參與和社交互動為更好的結(jié)果和體驗提供了巨大優(yōu)勢（Lockyer & Patterson， 2008）。當前，社交媒體已成為流行的電子學習平臺，可用于知識共享和積極協(xié)作學習（Rau， 2008），也可以被用來創(chuàng)建虛擬教室，為學生提供交流和娛樂（Blattner & Fiori， 2009），促進和鍛煉學生的創(chuàng)造力和溝通技巧（Kabilan， et al.， 2010）。在教育領(lǐng)域，社交媒體的使用增強了學生的主動協(xié)作學習（Ractham & Firpo， 2011; Liao， et al.， 2015）。Jung等人（2002）的研究發(fā)現(xiàn)，參與在線協(xié)作任務(wù)的本科生與沒有參與的學生相比，對自己的學習感到更滿意。特別是Selwyn 和 Grant（2009）、Arnold和Paulus（2010）強調(diào)了這種協(xié)作學習方法的潛力。同時，Al-rahmi等（2015）和Karpinski等（2013）也發(fā)現(xiàn)教育中的社交媒體使用可以提高學生的學習成績，改善學習環(huán)境。但如今，學生越來越依賴于在社交媒體和互聯(lián)網(wǎng)上獲取信息，這就是為什么學生的學習、研究能力在某些情況下下降的原因，因為他們對這些社交媒體的參與分散了他們的注意力，使得他們花在學習上的時間更少，導致他們的學業(yè)成績下降（Hoffmann， 2017）。Junco 和 Cotton（2011）在多任務(wù)處理和學業(yè)成績的研究中，發(fā)現(xiàn)大學生在學習或做作業(yè)的時候使用Facebook很常見，這種行為與大學平均績點（general point average， GPA）呈負相關(guān)。Wood等人（2012）也研究了MSN、Facebook同時處理多項任務(wù)對實時學習的影響，結(jié)果表明：使用指定的任何一種社交媒體進行多任務(wù)處理都與學習成績負相關(guān)。

社交媒體的使用對學習績效的影響究竟是積極的還是消極的？影響強度有多大？哪些因素導致現(xiàn)有文獻研究結(jié)果的差異？基于此，本研究以“社交媒體使用”為自變量，以“學習績效”為因變量，同時根據(jù)樣本文獻的研究內(nèi)容和結(jié)論，將社交媒體使用情境因素（社交媒體類型、使用群體、應(yīng)用平臺、學科領(lǐng)域）和研究方法因素（測量模型、數(shù)據(jù)屬性、學習績效指標）作為社交媒體使用影響學習績效的調(diào)節(jié)變量（研究模型見圖1），并提出三個研究假設(shè)：

假設(shè)1：社交媒體使用對學習績效存在顯著正向影響;

假設(shè)2：社交媒體使用情境因素對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)效應(yīng);

假設(shè)3：研究方法因素對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)效應(yīng)。

三、研究方法與文獻檢索

（一）研究方法

本研究采用元分析（Meta-analysis）方法。元分析方法可以對同一問題的不同實證或?qū)嶒炑芯繑?shù)據(jù)、結(jié)果進行歸納整合，通過綜合統(tǒng)計分析得出總效應(yīng)值等指標，以此對所研究的問題形成一個綜合視點和研究結(jié)論。本研究使用CMA3.3（Comprehensive Meta-analysis 3.3）并結(jié)合 SPSS26 進行數(shù)據(jù)處理與分析。由于部分學者的研究結(jié)果僅報告了回歸系數(shù)，本研究采用Peterson 和 Brown（2005）提出的方法，通過轉(zhuǎn)換公式將回歸系數(shù)轉(zhuǎn)換為相關(guān)系數(shù)后再進行元分析，轉(zhuǎn)換公式為：[相關(guān)系數(shù)=β×0.98+0.05β≥0];[相關(guān)系數(shù)=β×0.98-0.05β<0][β∈-0.5，0.5]（呂鴻江， 等， 2018）。同時，在分析過程中為了減少研究量表因信度不高帶來的相關(guān)系數(shù)衰減問題，按照Hunter 和 Schmidt（1990）提出的方法，對報告了相關(guān)系數(shù)[ r ]值的研究數(shù)據(jù)進行信度修正，修正公式為：[ES'r=ESr/rxxryy]，[rxx]為自變量的量表信度系數(shù)，[ryy]為因變量的量表信度系數(shù)。另外，由于部分研究沒有報告變量量表的信度值，本研究采用Geyskens、Steenkamp 和 Kumar（1998）提出的方法，以其他相似研究中的變量加權(quán)平均信度來代替缺失信度值。最后通過CMA軟件對納入元分析的效應(yīng)值進行數(shù)據(jù)分析和檢驗，主要的分析檢驗包括異質(zhì)性檢驗、主效應(yīng)檢驗、調(diào)節(jié)效應(yīng)檢驗、出版偏倚分析和敏感性分析。

（二）文獻檢索

本研究檢索的文獻數(shù)據(jù)庫來源于Web of Science核心合集。雖然Facebook和Twitter這兩大社交應(yīng)用于2004年、2006年相繼成立，但直到2010年其移動終端月活躍用戶才突破百萬，隨著移動端活躍用戶數(shù)的逐年激增，與社交媒體相關(guān)的研究在2011年以后才逐漸增多。因此，本研究文獻檢索時間跨度為2011年到2018年。以社交媒體和學習績效為關(guān)鍵詞，社交媒體關(guān)鍵詞包括Social Media、Social Network、Facebook、Twitter、Wiki、Social Learning Media、Social Learning Networks等，學習績效關(guān)鍵詞包括Learning Performance、Learning Achievements、Learning Outcomes、Learning Effect、Learning Effectiveness、Effect of Learning等，語種為English，文獻類型為Article。初步檢索文獻結(jié)果為82篇。在元分析過程中，遵從以下原則選擇納入文獻：①研究設(shè)計必須包含社交媒體使用和學習績效變量，且自變量必須是社交媒體使用;②研究類型必須是基于數(shù)據(jù)分析的實證或?qū)嶒烆愌芯?③研究必須報告了計算效應(yīng)量的完整數(shù)據(jù)，如樣本量、相關(guān)系數(shù)、t值、平均值等數(shù)據(jù)指標;④每項研究所選的樣本必須是獨立的，且樣本對象必須為本科生、研究生或教師。通過對檢索的文獻進行逐一研讀，最終符合本研究元分析標準的有35篇實證文獻（見表1），共包含35項獨立樣本，涉及的調(diào)查對象總共11，522名。

（三）文獻編碼

根據(jù)研究目的和內(nèi)容，在元分析之前首先對納入研究的35篇文獻進行數(shù)據(jù)編碼。編碼內(nèi)容主要由研究特征和效應(yīng)值兩部分構(gòu)成。研究特征主要包括文獻作者、發(fā)表年份、樣本數(shù)量及特征、變量測量方式和采用的理論模型等;效應(yīng)統(tǒng)計量包括自變量與因變量量表的Cronbach alpha值、相關(guān)系數(shù)、回歸系數(shù)、p值、t值等。此外，由于本研究還涉及調(diào)節(jié)效應(yīng)的分析，因此對社交媒體類型、使用群體、應(yīng)用平臺和學科領(lǐng)域四個社交媒體使用情境因素和測量模型、數(shù)據(jù)屬性、學習績效指標三個研究方法因素也進行了編碼，編碼體系見表2。為保證編碼的準確性及結(jié)果具有較高信度，由兩組工作人員分別對文獻進行編碼，初步編碼工作完成后對所有編碼內(nèi)容進行比對，如果發(fā)現(xiàn)有不一致的編碼內(nèi)容，則通過共同查看原文和討論達成編碼內(nèi)容一致。本研究采用 Cohen Kappa系數(shù)計算了編碼結(jié)果的一致性，一致性系數(shù)為0.89，表明本編碼結(jié)果穩(wěn)健可信。

四、研究結(jié)果

（一）效應(yīng)值異質(zhì)性及主效應(yīng)檢驗

異質(zhì)性檢驗是測量不同研究效應(yīng)值之間的異質(zhì)性水平。如果所有效應(yīng)值表現(xiàn)為同質(zhì)性，則后續(xù)主效應(yīng)檢驗采用固定效應(yīng)模型，否則采用隨機效應(yīng)模型（呂鴻江， 等， 2018）。本研究的異質(zhì)性檢驗結(jié)果顯示（見表3），Q值= 500.115（p < 0.05），說明納入元分析的研究之間存在異質(zhì)性。因此，本研究的主效應(yīng)分析將采用隨機效應(yīng)模型，并進一步檢驗使用情境和方法因素是否存在調(diào)節(jié)效應(yīng)。同時，分析結(jié)果顯示I2 =93.2% > 75%，按照異質(zhì)性小、中、大界限25%、50%、75%（Higgins J， et al.， 2013），進一步說明35項研究之間存在較大的異質(zhì)性，而且93.2%的觀察變異是由于效應(yīng)值的真實差異造成的，只有6.8%的觀察變異是由隨機誤差導致的，分析結(jié)果較為穩(wěn)定;Tau2= 0.196，說明研究間有19.6%可用來計算權(quán)重，整體效應(yīng)的異質(zhì)性檢驗結(jié)果具有統(tǒng)計意義。

基于各效應(yīng)值的異質(zhì)性，本研究選擇隨機效應(yīng)模型進行主效應(yīng)檢驗，并采用Hattie（2009，p102）提出的效應(yīng)量衡量標準。Hattie根據(jù)效應(yīng)值將效應(yīng)量分為小效應(yīng)量（ES≤0.2）、中效應(yīng)量（0.20.6）。表3結(jié)果顯示，本研究納入元分析的35個獨立研究效應(yīng)值，隨機效應(yīng)模型效應(yīng)值范圍為0.32 到 0.65，被試總?cè)藬?shù)為11，522，大樣本容量在一定程度上保證了研究結(jié)論的客觀性和準確性。35項研究的合并效應(yīng)值為0.49，即社交媒體使用與學習績效整體相關(guān)為0.49，大于0.2但小于0.6，p < 0.001，元分析結(jié)果表明社交媒體的使用對學習績效具有顯著中等程度的積極影響，假設(shè)1被支持。

（二）調(diào)節(jié)效應(yīng)檢驗

表4-表9的異質(zhì)性檢驗結(jié)果表明，社交媒體使用情境因素（社交媒體類型、使用群體、應(yīng)用平臺和學科領(lǐng)域）以及研究方法因素（測量模型、數(shù)據(jù)屬性和學習績效衡量指標）對社交媒體使用與學習績效之間的關(guān)系可能存在一定的調(diào)節(jié)效應(yīng)。因此，本研究通過亞組分析檢驗了情境因素和方法因素對社交媒體使用與學習績效二者關(guān)系的調(diào)節(jié)效應(yīng)（見表10）。由于有些文獻報告了多個相關(guān)系數(shù)，在調(diào)節(jié)效應(yīng)分析中均被作為獨立樣本，因此在部分調(diào)節(jié)效應(yīng)檢驗結(jié)果中的存在總樣本數(shù)和總被試人數(shù)超出整體的情況。

1. 情境因素的調(diào)節(jié)效應(yīng)

表4結(jié)果顯示，F(xiàn)acebook、YouTube、Wiki和Myspace四種社交媒體的效應(yīng)值分別為0.616***（k=12）、0.383***（k=5）、0.384***（k=7）、0.438*（k=3），表明使用Facebook對學習績效具有顯著較高程度正向影響，YouTube、Wiki和Myspace對學習績效具有顯著中等程度正向影響。組間異質(zhì)性檢驗結(jié)果顯著（p<0.05），說明社交媒體類型對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用。

表5結(jié)果顯示，本科生、研究生和教師使用社交媒體的效應(yīng)值分別為0.482***（k=21）、0.246*（k=10）、0.427***（k=4），表明本科生和教師對社交媒體的使用相比研究生更能預測學習績效。組間異質(zhì)性檢驗結(jié)果顯著（p<0.05），說明使用群體對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用。

表6結(jié)果顯示，基于桌面平臺的社交媒體應(yīng)用效應(yīng)值0.587**顯著高于基于移動平臺的效應(yīng)值0.422***，表明社交媒體桌面應(yīng)用相比移動應(yīng)用更能提高學習績效。組間異質(zhì)性檢驗結(jié)果顯著（p<0.05），說明應(yīng)用平臺的不同對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用。

表7結(jié)果顯示，在自然科學學科領(lǐng)域社交媒體使用的效應(yīng)值0.561**（k=9）顯著高于醫(yī)學科學0.478***（k=21）和社會科學0.390***（k=5），表明社交媒體使用在自然科學領(lǐng)域比在醫(yī)學科學和社會科學領(lǐng)域更能提高學習績效。組間異質(zhì)性檢驗結(jié)果顯著（p<0.05），說明學科領(lǐng)域的不同對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用。綜上所述，社交媒體類型、使用群體、應(yīng)用平臺和學科領(lǐng)域四個社交媒體使用情境因素對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用，假設(shè)2被支持。

2. 研究方法因素的調(diào)節(jié)效應(yīng)

表8結(jié)果顯示，采用技術(shù)接受模型（TAM）和使用滿足模型（UGT）研究社交媒體使用對學習績效影響的效應(yīng)值分別為0.545***（k=17）和0.543**（k=12），顯著高于其他研究模型0.333**（k=8），表明采用TAM和UGT模型更能預測社交媒體使用對學習績效的積極影響。組間異質(zhì)性檢驗結(jié)果顯著（p<0.05），說明現(xiàn)有研究由于采用了不同的測量模型而導致社交媒體使用對學習績效影響方向和強度的差異，測量模型對二者關(guān)系具有調(diào)節(jié)作用。

表9結(jié)果顯示，研究變量數(shù)據(jù)采用客觀指標的效應(yīng)值0.552***（k=13）高于采用主觀指標的效應(yīng)值0.472***（k=25），學習績效采用學習成績指標的效應(yīng)值0.493***（k=14）高于采用學習效能指標的效應(yīng)值0.479***（k=21），表明研究變量采取客觀指標、學習績效采取學習成績指標更能預測社交媒體使用對學習績效的積極影響。組間異質(zhì)性檢驗結(jié)果均顯著（p<0.05），說明現(xiàn)有研究由于采用了不同的數(shù)據(jù)屬性和學習績效指標而導致社交媒體使用對學習績效影響方向和強度的差異。綜上所述，測量模型、數(shù)據(jù)屬性和學習績效指標三個研究方法因素對社交媒體使用與學習績效之間的關(guān)系具有調(diào)節(jié)作用，假設(shè)3被支持。

（三）出版偏倚檢驗

文獻的檢索、變量的解釋和研究結(jié)論都有可能存在偏差，因此需要對納入元分析的文獻進行出版偏倚檢驗。出版偏倚可以衡量需要多少未達到顯著水平的研究才能使研究結(jié)論達到不顯著水平。目前用于檢驗出版偏倚的方法有Egger法、Begg法、漏斗圖法和失安全系數(shù)法等。本研究引入“失安全系數(shù)N”（Fail-safe N）和漏斗圖檢驗出版偏倚，失安全系數(shù)的判斷臨界值為5k + 10（k為納入元分析的文獻數(shù)量），如果計算的數(shù)值N小于臨界值，則可能存在出版偏倚問題（Rothstein， Sutton & Borenstein， 2005）。表10結(jié)果顯示，失安全檢驗 p值小于0.05，失安全系數(shù)N為3364，遠大于臨界值185（k=35）。此外，如圖2所示，本研究的效應(yīng)值大多分布在漏斗頂端，且較均勻地分布在合并效應(yīng)值中線兩側(cè)，表明本研究所選文獻存在出版偏倚的風險較小?；谝陨戏治鼋Y(jié)果，說明本研究的元分析結(jié)論精度較高。

（四）敏感性分析

為了檢驗是否存在影響總體效應(yīng)值的異常值，本研究進一步采用One-study removed進行敏感性分析，檢驗所選樣本文獻的極端效應(yīng)值對總體效應(yīng)值是否有顯著影響。通過敏感性檢驗，刪除任何一項研究數(shù)據(jù)后在95%置信區(qū)間的效應(yīng)值范圍仍然是 [0.335，0.411]（固定模型）和[0.323，0.650]（隨機模型），意味著刪除任何一項研究后都不會影響總體效應(yīng)值的估計，表明本研究元分析的結(jié)果比較穩(wěn)健。

五、結(jié)論與建議

（一）結(jié)論

1. 社交媒體使用與學習績效的關(guān)系

本研究采用元分析方法對2011—2018年近八年的國際英文期刊的35項有關(guān)社交媒體使用與學習績效的實證研究進行了統(tǒng)合分析，研究發(fā)現(xiàn)社交媒體使用與學習績效之間存在中等程度的正相關(guān)關(guān)系，相關(guān)系數(shù)為 0.49（p< 0.001），說明社交媒體使用是預測學習績效的重要變量，社交媒體的使用總體上與學習績效存在顯著正相關(guān)關(guān)系，社交媒體的使用有助于提高學習績效。近些年最新相關(guān)研究也發(fā)現(xiàn)，社交媒體使用可以帶來積極的學習效果和參與體驗（Tur， et al.， 2017），社交媒體也可以整合到問題式學習（Problem-Based Learning， PBL）中去，它可以促進學習者的參與和反饋（Barberet， al.， 2015），通過社交媒體進行全面、積極的協(xié)作學習和參與，可以豐富學生的學習活動，促進小組討論（Al-Rahmi， 2018），高校教師也承認他們通過社交媒體學習是有價值的、非正式的和自我導向的，社交媒體提供了選擇機會，對他們的課堂教學具有積極影響（Prestridge， 2019），這些研究結(jié)果在一定程度上與本研究的元分析結(jié)論具有一致性。隨著社交媒體在全球范圍內(nèi)的不斷增長，越來越多的大學生加入了這些社交媒體網(wǎng)站，與朋友、家人、老師和陌生人進行即時互動。社交媒體影響著人們的行為，網(wǎng)絡(luò)信息技術(shù)進步促進了社交互動、信息共享以及通過社交網(wǎng)絡(luò)接收知識更新。社交媒體的使用可以帶來一個積極的、有利于學習的環(huán)境，能讓師生之間產(chǎn)生輕松融洽的關(guān)系，促進學習環(huán)境和知識的共同創(chuàng)造，提高學生對主動協(xié)作學習的滿意度，從而提高他們的學習成績。此外，教師可以在支持學生使用社交媒體時發(fā)揮重要作用，幫助學生及時提出問題和尋求解決方案，促進積極的協(xié)助學習。

2. 社交媒體使用情境對社交媒體使用與學習績效關(guān)系的調(diào)節(jié)效應(yīng)

社交媒體使用類型、使用群體、應(yīng)用平臺和學科領(lǐng)域?qū)ι缃幻襟w使用與學習績效之間關(guān)系的調(diào)節(jié)效應(yīng)被支持。本研究元分析結(jié)果表明，使用Facebook對學習績效具有顯著較高程度正向影響，YouTube、Wiki和Myspace對學習績效具有顯著中等程度正向影響;本科生和教師對社交媒體的使用相比研究生更能預測學習績效;社交媒體桌面應(yīng)用相比移動應(yīng)用更能提高學習績效;社交媒體使用在自然科學領(lǐng)域比在醫(yī)學科學和社會科學領(lǐng)域更能提高學習績效。Ratneswary 和 Rasiah（2013）也認為，使用Facebook作為交流工具被認為是一個威脅更小、用途更廣的學習空間，可以改善積極的協(xié)作學習，并以一種具有吸引力的方式強化師生之間的聯(lián)系。對于Facebook在學習中的有效使用，除了社交媒體本身以外，良好的教學設(shè)計、積極的教師態(tài)度和強大的技術(shù)支持等因素也至關(guān)重要（Ozkan & Koseler， 2009），沒有這些要素支撐就很難實現(xiàn)其潛力。Flickr、wiki、播客、博客和數(shù)字語音記錄器可以很好地利用Web基礎(chǔ)工具和應(yīng)用程序來開發(fā)學習環(huán)境，Wiki技術(shù)的廣泛應(yīng)用促使學習者積極參與到協(xié)作學習中來（Zorko， 2009）。Li等人（2012）也報告了當學生通過Wiki接觸到積極的協(xié)作學習時，他們對寫作的興趣增加了（Rohrbeck， 2003）。

3. 研究方法對社交媒體使用與學習績效關(guān)系的調(diào)節(jié)效應(yīng)

研究的測量模型、數(shù)據(jù)屬性和學習績效指標對社交媒體使用與學習績效之間關(guān)系的調(diào)節(jié)效應(yīng)也被支持。本研究元分析結(jié)果表明，采用技術(shù)接受模型（TAM）和使用滿足模型（UGT）更能預測社交媒體使用對學習績效的積極作用;研究變量采取客觀指標、學習績效采取學習成績指標更能預測社交媒體使用對學習績效的積極作用。在當前有關(guān)社交媒體與學習績效關(guān)系的研究中，TAM和UGT模型被廣泛采用，因為技術(shù)的易用性和有用性對學生選擇使用社交媒體起著決定性作用。Al-Rahmi（2019）的研究結(jié)果表明，學生對社交媒體的滿意度、易用性和有用性的感知對他們的協(xié)作學習和參與有積極影響，并最終影響他們的學習成績。社交媒體的技術(shù)貢獻表明它是一個重要的社會技術(shù)信息平臺（Wan， 2017），F(xiàn)usch（2011）基于UGT模型證明了這一結(jié)果。他發(fā)現(xiàn)諸如社交媒體這樣的學習工具與學習目標同樣重要，因為他們需要有一個社會存在，包括互動學習和積極的協(xié)作學習。在實證研究中，通過調(diào)查問卷等形式獲取的主觀數(shù)據(jù)容易受調(diào)查對象對題項的理解力、作答態(tài)度等因素影響而產(chǎn)生數(shù)據(jù)和估計偏差，而客觀數(shù)據(jù)屬于行為形成性數(shù)據(jù)，相比主觀數(shù)據(jù)更能反映被試的真實情況，這在一定程度上避免了估計的偏差，更能準確地預測研究變量的效果。

（二）建議

1. 社交媒體使用對學習績效的負面影響需要關(guān)注

盡管本研究結(jié)果顯示社交媒體的使用對學習績效的影響總體上是積極的，但社交媒體的社交連通是一把“雙刃劍”，在學習和教學過程中也應(yīng)對社交媒體使用的負面影響予以重視。當大學生過度使用社交媒體時，社交網(wǎng)絡(luò)會影響他們的健康（Gaspar， 2016）。一些學生在社交媒體上花費過多的時間，導致大量的時間浪費在社交媒體上（Malita， 2011）。高校輔導員、班主任應(yīng)對學生適度、合理使用社交媒體多進行引導和教育，因為過度使用社交媒體可能會對學生學業(yè)和身心健康產(chǎn)生負面影響。學生在使用社交媒體的過程中可能會遭遇諸如網(wǎng)貸等網(wǎng)絡(luò)欺詐，教師對社交媒體使用設(shè)置不現(xiàn)實的期望和制造的壓力也可能對學生產(chǎn)生負面影響。因此，社交媒體使用對學習績效產(chǎn)生的負面影響同樣需要引起學界和教育者的關(guān)注。此外，在文獻檢索過程中，起初本研究試圖納入中文文獻并進行中外比較元分析，但在Cnki文獻庫中以“社交媒體+學習績效”為主題，發(fā)表時間截至2019年6月30日，檢索的中文文獻僅有6篇，且均以企業(yè)、組織員工作為研究對象，這一主題在教育領(lǐng)域的研究屬于空白;以“微信+學習績效”為主題檢索的文獻有8篇，但涉及教育領(lǐng)域的文獻僅有1篇;以“QQ+學習績效”為主題檢索的文獻為0篇;以“微博+學習績效”為主題檢索的文獻為7篇，涉及教育領(lǐng)域的文獻僅有2篇。雖然近年來我國學者對于如何利用社交媒體進行教育教學改革進行了大量有益的研究探索，但對以“社交媒體使用與學習績效”為主題的研究關(guān)注度相對較低，未來我國學者有待在教育領(lǐng)域針對這一主題予以更多關(guān)注與探索。

2. 探索使用本土不同類型的社交媒體提高學習績效

社交媒體工具允許教師方便地與學生進行信息交流，可以促進積極的學習態(tài)度，通過在線溝通最大化學生社會資本。有國外學者建議應(yīng)盡量使用本國、本地區(qū)最受歡迎的社交媒體平臺用于教育和教學（Abbas， 2019）。我國學者和教育者可以深度探索將微信、QQ、微博等社交媒體用于不同學科的在線學習，并進一步探究、交叉比較不同社交網(wǎng)絡(luò)平臺在不同特定學科的使用對學習績效的交互效應(yīng)和影響。Kimme 和 Hea（2014）的研究也鼓勵學生使用社交媒體，尤其是基于桌面的應(yīng)用程序，因為社交媒體對課堂上的學生具有廣泛的影響（Kimme， 2014）。同時，社交媒體對學習績效的影響不僅包括學生，還包括教師。Israel（2015）在其關(guān)于社交媒體對學習效果影響的初步研究中，認為混合MOOC模式下社交媒體對學生和教師均具有積極影響。Stathopoulos等人（2019）的研究也表明，在自然科學教育中融入社交媒體對學生的深度學習體驗有積極的影響，對教育者也有幫助，這些研究結(jié)果與本研究結(jié)論具有一致性。因此，未來在將社交媒體用于教育教學的過程中，對本土社交媒體及其類型、使用對象、應(yīng)用平臺和適用學科的選擇等問題有待進行探索實踐。

3. 未來社交媒體使用與學習績效研究的方向

社交媒體使用行為測量既包括客觀績效評價，也包括主觀效用測度，采用不同類型的數(shù)據(jù)測度社交媒體使用行為和學習績效，其研究結(jié)果可能會存在一定差異。學習績效中的學習效能維度的測量一般多采用問卷調(diào)查，測量數(shù)據(jù)易受主觀干擾因素的影響，而學習績效中的學習成績維度測量則大多采用被試的課程成績、積點等客觀數(shù)據(jù)指標，相比問卷測量其數(shù)據(jù)更加客觀準確。學習效能涉及學習態(tài)度、學習行為、心理期望等變量，其影響因素往往具有多維性和動態(tài)性特點。因此，社交媒體使用對學習效能的影響比較有限，其預測精度和效果受到了一定限制。未來的社交媒體使用和學習績效關(guān)系的研究可以對學習績效的主觀維度指標進行具體細分（如學習態(tài)度、學習滿意度、學習意愿等），分別考察社交媒體對學習績效的不同維度、主客觀指標有何影響，這些影響之間是否存在差異，不同影響的機制又是什么，并分析社交媒體使用時長、使用頻率等使用情境變量對社交媒體使用與學習績效之間的關(guān)系有無調(diào)節(jié)效應(yīng)。

[參考文獻]

呂鴻江，韓承軒，王道金. 2018. 領(lǐng)導者情緒智力對領(lǐng)導力效能影響的元分析[J]. 心理科學進展，26（02）：204-220.

Abbas， J.， Aman， J.， Nurunnabi， M， Bano， S. （2019）. The Impact of Social Media on Learning Behavior for Sustainable Education： Evidence of Students from Selected Universities in Pakistan. Sustainability， 11， 1683.

Al-Rahmi W.M.， Alias N.， Othman M.S.， Marin V. I. & Tur G. （2018）. A model of factors affecting learning performance through the use of social media in Malaysian higher education. Computers & Education， 121（06），59-72.

Gaspar， R.， Pedro， C.， Panagiotopoulos， P.， Seibt， B. （2016）. Beyond positive or negative： Qualitative sentiment analysis of social media reactions to unexpected stressful events. Computers in Human Behavior， 56， 179-191.

Hattie， H. （2009）. Visible learning： A synthesis of over 800 meta-analyses relating to achieveme- nt. London， England：Routledge.

Higgins J， Thompsom S， Deeks J， Altman D. （2003）. Measuring inconsistency in meta -analyses. British medical journal， 327， 557-560.

Hoffmann， C.， Bublitz， W. （2017）. Pragmatics of Social Media. Politeness and impoliteness， 607-632.

Hutchison， A. & Colwell， J. （2012）. Using a wiki to facilitate an online professional learning community for induction and mentoring teachers. Education， Information Technology， 17， 273-289.

Hunter J. E.， Schmidt F. L. （1990）. Dichotomization of continuous variables： The implications for meta-analysis. Journal of Applied Psychology， 75（3）， 334.

Israel M. J. （2015）. Effectiveness of integrating MOOCs in traditional classrooms for undergraduate students. International Review of Research in Open and Distributed Learning， 16（5）， 102-118.

Kim， T. T.; Karatepe， O.， Lee， G.， Demiral， H. （2018）. Do Gender and Prior Experience Moderate the Factors Influencing Attitude toward Using Social Media for Festival Attendance？. Sustainability， 10， 3509.

Kimme Hea， A.C. （2014）. Social Media in Technical Communication. TECH COMMUN-STC， 23， 1-5.

Malita， L. （2011）. Social media time management tools and tips. Procedia Computer Science， 3， 747-753.

Nielsen， M. I. S. W. （2017）. Computer-mediated communication and self-awareness-A selective review. Computers in Human Behavior， 76， 554-560.

Peterson R. A.， Brown S. P. （2005）. On the use of beta coefficients in meta-analysis. Journal of Applied Psychology， 90（1），175.

Rothstein H R， Sutton A J， Borenstein M. （2005）. Publication bias in meta-analysis. Publication bias in meta-analysis： Prevention， assessment and adjustments， 1-7.

Shepherd， S.V.， Freiwald， W. A. （2018）. Functional Networks for Social Communication in the Macaque Monkey. Neuron， 99， 413-420.e3.

Stathopoulou， A.， Siamagka， N.-T.， Christodoulides， G. （2019）. A multi-stakeholder view of social media as a supporting tool in higher education： An educator-student perspective. European Management Journal， 01， 8-10.

Terzi， B.; Bulut， S.; Kaya， N. （2019）. Factors affecting nursing and midwifery students attitudes toward social media. Nurse Educ. Pract，35， 141-149.

Tulin， M.; Pollet， T.V.， Lehmann-Willenbrock， N. （2018）. Perceived group cohesion versus actual social structure： A study using social network analysis of egocentric Facebook networks. Soc. Sci. Res，74， 161-175.

Wan， J.， Lu， Y.， Wang， B.， Zhao， L. （2017）. How attachment influences users' willingness to donate to content creators in social media： A socio-technical systems perspective. Information management， 54， 837-850.

收稿日期：2019-10-15

定稿日期：2020-03-28

作者簡介：任高飛，副教授，博士生;陳瑤瑤，副教授。九江學院會計學院（332005）。

責任編輯 張志禎 劉 莉