劉雪松,謝曉蓉,耿廣琴,李雪燕,陳雪娟,張小平,張小花,張浩令,張金芝
(甘肅中醫(yī)藥大學, 甘肅 蘭州)
許多學者視教育為實現(xiàn)現(xiàn)代化和發(fā)展的重要力量[1]。在2014 年的調(diào)查中,認為在線教育對學校的長期戰(zhàn)略至關(guān)重要的首席學術(shù)官的比例達到了歷史最高的71%[2]。在過去幾年內(nèi),線下教學難以滿足學生個性化的需求,線上教學成為學生的一種便捷式的學習方式。
全國每年線上教學人數(shù)以10%的速度持續(xù)增加。信息和通信技術(shù)極大促進了線上教學的發(fā)展,在最近幾年里,許多教育機構(gòu)和學校把線上教學作為一種新的教學的趨勢。Harasim 指出,線上教學已成為一種新的教學范式[3]。由于線上教學獨特的優(yōu)勢,受到廣大學生的喜愛,其可隨時調(diào)節(jié)學習進度,重復(fù)播放,費用低,課程安排靈活,學生可以自己決定上課時間等。常常認為,線上教學和線下教學有同樣效果的教學模式,卻不知線上教學存在諸多瓶頸,損害教學質(zhì)量。
自從2019 年12 月以來,COVID-19(新冠肺炎)席卷全國各地,全國確診新冠肺炎患者已過萬例。由于疫情影響,為了阻止疫情向校園蔓延,全國各地不同教育階段的學生延遲開學,多地響應(yīng)教育局“停課不停學”的號召,積極展開線上教學。鑒于此,本研究與2020 年3 月至2020 年6 月對青海藏族地區(qū)686 名學生進行了相關(guān)問卷調(diào)查,了解線上教學在實際應(yīng)用中存在的瓶頸,并對學生線上教學和線下教學滿意度分析總結(jié)。
2003 年至2008 年間有關(guān)線上教學發(fā)文量相對較少,此階段處于混合式學習基礎(chǔ)理論的研究和探索階段[4]。2009年至2014 年掀起了線上和線下混合式教學模式的熱潮[4]。2014-2018 年期刊上發(fā)表的相關(guān)論文數(shù)量占在線學習行為全部研究的65%[5]。截至2018 年6 月,中國在線教育用戶規(guī)模達到1.72 億,手機在線教育用戶規(guī)模達到1.42 億[6]。洪宣容把在線教學研究者分四大類,分別主要研究教師繼續(xù)教育,網(wǎng)院學生學歷教育,廣播電視大學學生進行在線學歷教育,相關(guān)行業(yè)職員繼續(xù)教育的情況[7]。
圖1 學習時長
圖2 滿意度與線上教學滿意度
本研究對青海藏族地區(qū)686 名學生展開網(wǎng)絡(luò)問卷調(diào)查,回收問卷686 份,其中有效問卷為686 份,問卷有效率100%。樣本基本情況:男生46.65%,女生53.35%;學習階段:大學/ 大專40.38%,高中/ 中專20.7%,初中27.55%,小學( 六年級)11.37%;平均成績:優(yōu)秀(>90)9.62%,良好(89-80)33.82%,中等(79-70)34.11%,及格(69-60)16.62%,不及格(<60)5.83%。
問卷采用統(tǒng)一自制調(diào)查表,以教學態(tài)度,教學成果,教學方法,教學內(nèi)容為主要內(nèi)容,根據(jù)30 例預(yù)調(diào)查反饋的相關(guān)信息進行修改完善后,于2020 年3 月由經(jīng)規(guī)范培訓后的調(diào)查員發(fā)放與回收。對收集的問卷進行嚴格篩選,排除不合格的問卷。
所得數(shù)據(jù)均用SPSS 22.0 統(tǒng)計軟件進行處理,對樣本數(shù)據(jù)進行描述統(tǒng)計、因子等相關(guān)分析,P<0.05 被認為有統(tǒng)計學意義。首先,對樣本數(shù)據(jù)以 Cronbach’s 系數(shù)為標準對樣本觀測值進行信度分析,以KMO 和Baltlett 球形度檢驗法檢測問卷的效度;其次,采用主成分分析法提取因子,根據(jù)因子分析結(jié)果,進一步分析學生對于線上教學和線下教學滿意度4 個因子的看重程度,最后得出哪類因子對滿意度影響更大,進而得出不同教學方式23 個指標的看重程度排序結(jié)果。
利用 Amos 24 繪制教學質(zhì)量概念圖,該模型包含23 個觀測變量和4 個潛變量,模型估計方法為一般化最小平方法(generalized least squares,GLS),根據(jù) AMOS 輸出結(jié)果進行適當?shù)哪P托拚?/p>
研究顯示:線上教學平臺或工具以釘釘,微信/QQ,騰訊課堂/騰訊會議主要;疫情期間線上學習時間和自學時間均明顯低于平時在校學習和自學時間(圖1);在長時間的線上教學過程中,44.02%學生已經(jīng)可以熟練操作各個APP,順利完成學習,44.75%學生初步掌握,基本可以完成學習;66.62%學生已經(jīng)適應(yīng)線上學習,還有33.38%學生不適應(yīng);47.23%學生認為線上教學極大影響了假期安排,46.5%學生認為基本沒影響;在線上教學過程中59.91%學生存在學習軟件卡頓的問題,48.25%學生缺乏自控力,48.25%學生認為習氛圍冷淡,64.14%學生存在長時間看屏幕,眼睛受不了,66.18%學生容易受環(huán)境影響,注意力不集中;84.69%學生喜歡線下教學。
3.2.1 學生對線上教學滿意度與線上學習遇到困難之間的關(guān)系
學生對線上學習的效果是否滿意與學習過程中遇到困難呈現(xiàn)出0.01 水平顯著性(chi=40.700, P=0.004<0.01),結(jié)合數(shù)據(jù)可知:針對學習軟件卡頓來講,很不滿意選擇學習軟件卡頓的比例73.53%,會明顯高于平均水平59.91%;針對不熟悉平臺來講,很不滿意選擇不熟悉平臺的比例41.18%,會明顯高于平均水平24.34%;不太滿意選擇不熟悉平臺的比例35.48%,會明顯高于平均水平24.34%;針對缺乏自控力來講,很不滿意選擇缺乏自控力的比例79.41%,會明顯高于平均水平48.25%;不太滿意選擇缺乏自控力的比例70.97%,會明顯高于平均水平48.25%;針對學習氛圍冷淡來講,很不滿意選擇學習氛圍冷淡的比例73.53%,會明顯高于平均水平48.25%;不太滿意選擇學習氛圍冷淡的比例70.97%,會明顯高于平均水平48.25%;針對問題不能及時解決來講,很不滿意選擇問題不能及時解決的比例52.94%,會明顯高于平均水平29.30%;不太滿意選擇問題不能及時解決的比例48.39%,會明顯高于平均水平29.30%。圖2。
3.2.2 線上學習的適應(yīng)度與學習過程中遇到的困難之間的關(guān)系
是否適應(yīng)線上學習與學習過程中遇到的困難之間呈現(xiàn)出0.01 水平顯著性(chi=22.525, P=0.000<0.01),結(jié)合數(shù)據(jù)可知:針對不熟悉平臺來講,適應(yīng)選擇不熟悉平臺的比例19.04%,明顯低于不適應(yīng)的選擇比例34.93%。針對缺乏自控力來講,適應(yīng)選擇缺乏自控力的比例42.45%,明顯低于不適應(yīng)的選擇比例59.83%。針對學習氛圍冷淡來講,適應(yīng)選擇學習氛圍冷淡的比例41.58%,明顯低于不適應(yīng)的選擇比例61.57%。針對問題不能及時解決來講,適應(yīng)選擇問題不能及時解決的比例22.98%,明顯低于不適應(yīng)的選擇比例41.92%。
表1 旋轉(zhuǎn)后因子載荷系數(shù)表格
3.2.3 線上教學參與度與學習過程中遇到困難之間的關(guān)系
線上教學參與度與學習過程中遇到困難之間呈現(xiàn)出0.05 水 平 顯 著 性(chi=26.118,P=0.037<0.05),結(jié) 合 數(shù) 據(jù) 可知:針對上課氛圍差來講,基本不參與選擇上課氛圍差的比例45.00%,會明顯高于平均水平34.69%;較積極參與選擇上課氛圍差的比例44.98%,會明顯高于平均水平34.69%。針對老師上課的時間以及講課進度不合理來講,偶爾參與選擇老師上課的時間以及講課進度不合理的比例24.56%,會明顯高于平均水平15.60%。針對容易受環(huán)境影響,注意力不集中來講,較積極參與選擇容易受環(huán)境影響,注意力不集中的比例74.30%,會明顯高于平均水平66.18%。針對遇到不懂的問題無法及時反饋來講,基本不參與選擇遇到不懂的問題無法及時反饋的比例45.00%,會明顯高于平均水平32.94%。
3.3.1 信度分析
一般情況下,學者們多采用Cronbach 所開發(fā)的Cronbach’s系數(shù)檢驗問卷的信度,因此,本文采用Cronbach’s 系數(shù)法進行信度分析,數(shù)據(jù)處理的結(jié)果:一般情況下,當0.7 ≤α ≤0.8 表示問卷信度良好,通過數(shù)據(jù)可以看出,信度系數(shù)為0.983,大于0.9,因此,研究數(shù)據(jù)的可靠性非常高。對于已刪除的項系數(shù),刪除任何項目后,信度系數(shù)不會有明顯的上升,所以這意味著項目不應(yīng)該被刪除?!癈ITC 價值觀”,分析項目的CITC 值均大于0.4,說明分析項目狀況良好。相關(guān)分析還表明,系統(tǒng)可靠性水平良好??傊芯繑?shù)據(jù)可靠性系數(shù)值大于0.9,說明數(shù)據(jù)可靠性質(zhì)量較高,可用于進一步分析。表示問卷對線上教學滿意度均有較高的可信度。
3.3.2 效度分析
使用KMO 和 Bartlett 檢驗進行效度驗證,KMO 值為0.981,KMO 值大于0.8,研究數(shù)據(jù)效度非常好,因此,由以上結(jié)果可知各變量適合進行因子分析。
3.3.3 變量因子分析
經(jīng)旋轉(zhuǎn)后4 個因子的方差解釋率分別是27.131%、22.961%、20.649%、13.788%,旋轉(zhuǎn)后累積方差解釋率為84.530%。具體的旋轉(zhuǎn)因子載荷量結(jié)果見表1,由此得出綜合指標。第一個因子在X1、X2、X3、X4、X5、X6 上載荷較大,可以看成是學生總的認為為人師表,文明授課,作業(yè)能及時批改并與學生交流,提出的問題及時得到反饋,按時上課,講課熱情,老師能夠引導(dǎo)學生正確對待學習是影響學生線上學習滿意度的綜合指標;第二個因子在X7、X8、X9、X10 上載荷較大,可以看出對老師所講知識記憶深刻,通過老師的授課激發(fā)了學習興趣,通過老師的講授能清楚地掌握理解所學內(nèi)容,感覺收獲巨也會影響學生對線上教學的滿意度;第三個因子在X11、X12、X13、X14 的系數(shù)較大,可以看出老師教學內(nèi)容安排合理,熟練掌握所講內(nèi)容,重難點清晰,基礎(chǔ)知識詳細也是影響學生線上教學滿意度的綜合指標;第四個因子在X15、X16 的系數(shù)較大,證明教學互動性強以及教學方法靈活是影響其線上教學的綜合指標。
3.4.1 信度分析
本文采用系數(shù)法進行可靠性分析。數(shù)據(jù)處理結(jié)果為0.991,大于0.9,說明研究數(shù)據(jù)的可靠性質(zhì)量很高。從被刪除項的系數(shù)來看,刪除后的信度系數(shù)不會顯著增加,說明不應(yīng)該刪除該項目。對于“CITC 值”,各分析項目的CITC 值均大于0.4,說明各分析項目之間具有良好的相關(guān)性,具有良好的信度水平。綜上所述,研究數(shù)據(jù)的信度系數(shù)值大于0.9,說明數(shù)據(jù)的信度質(zhì)量較高,可以用于進一步的分析。
3.4.2 效度分析
結(jié)果表明:所有研究項目對應(yīng)的共度值均大于0.4,表明可以有效提取研究項目信息。KMO 值為0.986,大于0.6,說明數(shù)據(jù)是有效的。使用KMO 和 Bartlett 檢驗進行效度驗證,KMO 值為0.986,KMO 值大于0.8,研究數(shù)據(jù)效度非常好,因此,由以上結(jié)果可知各變量適合進行因子分析。
3.4.3 因子分析
經(jīng)旋轉(zhuǎn)后4 個因子的方差解釋率分別是26.917%、26.343%、24.694%、12.421%,旋轉(zhuǎn)后累積方差解釋率為84.530%。具體的旋轉(zhuǎn)因子載荷量結(jié)果見表2,由此得出綜合指標。第一個因子在X1、X2、X3、X4、X5 上載荷較大,可以看成是學生總的認為老師教學內(nèi)容安排合理,熟練掌握所講內(nèi),重難點清晰,基礎(chǔ)知識詳細,布置的作業(yè)有助于理解基礎(chǔ)知識是影響學生線下教學滿意度的綜合指標;第二個因子在X6、X7、X8、X9、X10 上載荷較大,可以看出對為人師表,文明授課,作業(yè)能及時批改并與學生交流,提出的問題及時得到反饋,按時上課,講課熱情,老師能夠引導(dǎo)學生正確對待學習也會影響學生對線下教學的滿意度;第三個因子在X11、X12、X13,X14 的系數(shù)較大,可以看出對老師所講知識記憶深刻,通過老師的講授能清楚地掌握理解所學內(nèi)容,通過老師的講授能清楚地掌握理解所學內(nèi)容感覺收獲巨大,也是影響學生線下教學滿意度的綜合指標;第四個因子在X15、X16 的系數(shù)較大,證明教學互動性強以及老師授課富有吸引力是影響其線下教學的綜合指標。
表2 旋轉(zhuǎn)后因子載荷系數(shù)表格
圖 3 教學質(zhì)量概念模型圖
3.5.1 結(jié)構(gòu)方程模型構(gòu)建
該模型包括觀測變量23 個,潛變量4 個。觀察到的變量分別在教師的教學中合理的安排能力觀測變量分別為老師教學內(nèi)容安排合理、熟練掌握所講內(nèi)容、重難點清晰、基礎(chǔ)知識詳細、老師授課時理論聯(lián)系實際、布置的作業(yè)有助于理解基礎(chǔ)知識、注重對學生的能力培養(yǎng)、提供相應(yīng)的參考資料、教學互動性強、表達清晰有條理、板書工整、教學方法靈活、老師授課富有吸引力、為人師表,文明授課、作業(yè)能及時批改并與學生交流、提出的問題及時得到反饋、按時上課、講課熱情、老師能夠引導(dǎo)學生正確對待學習、對老師所講知識記憶深刻、通過老師的授課激發(fā)了學習興趣、通過老師的講授能清楚地掌握理解所學內(nèi)容、感覺收獲巨大,潛變量分別為教學內(nèi)容、教學方法、教學態(tài)度和教學成果。依據(jù)本文所構(gòu)建的概念模型,提出如下假設(shè):假設(shè)H1:教學態(tài)度對教學內(nèi)容有顯著的正向影響;假設(shè)H2:教學內(nèi)容對教學方法有顯著的正向影響;假設(shè)H3:教學態(tài)度對教學方法有顯著的正向影響;假設(shè)H4:教學方法對教學成果有顯著的正向影響;假設(shè)H5:教學內(nèi)容對教學成果有顯著的正向影響;假設(shè)H6:教學態(tài)度對教學成果有顯著的正向影響。通過AMOS 我們得到了圖3 教學質(zhì)量的路徑圖。
圖 4 “教學質(zhì)量”路徑圖
圖 5 修正后的模型
由于本次調(diào)查樣本選擇較多,卡方值不能作為判斷模塊擬合度的一個參數(shù)。表3 顯示了數(shù)據(jù)CFI、NFI 和IFI 的值接近0.90,RMSEA 值小于0.01。根據(jù)模型進行測試根據(jù)擬合優(yōu)度準則,該模型具有良好的擬合效果。模型檢驗參數(shù)見表1。
表3 參數(shù)檢驗與擬合結(jié)果
3.5.2 結(jié)構(gòu)模型的修正
但是由于卡方值過大,模型不能與數(shù)據(jù)配合,因此對上面的模型進行修正。
修正后的模型卡方為1396.6,模型檢驗與擬合優(yōu)度如表4。相比初始的模型,該模型的CFI、NFI 和IFI 均有所增加,RMSEA 的值減少。因此修改后的模型比原來的模型更適合數(shù)據(jù)。
表4 修正后的擬合優(yōu)度
3.5.3 結(jié)構(gòu)方程模型分析
根據(jù)分析,我們得到了觀測變量的所有因素載荷均較高,均在0.001 水平上顯著通過檢測,說明接近模型中的觀測變量可以很好地解釋潛在變量。潛在變量之間的關(guān)系通過了顯著性試驗表明,本文所建立的概念模型中隱含變量之間存在著相互關(guān)系這與模型的假設(shè)基本一致,說明模型具有較強的現(xiàn)實解釋力能力。但假設(shè)6 與原假設(shè)不符,教學態(tài)度與教學質(zhì)量之間為負相關(guān),但是其他的假設(shè)均成立,表明該模型具有較強的現(xiàn)實解釋能力。
隨著線上教學在各行各業(yè)中的持續(xù)發(fā)展,衡量和評估該項目的有效性是至關(guān)重要。本研究針對學生的滿意度收集的數(shù)據(jù),作為評估線上教學質(zhì)量的主要依據(jù)。綜合以上結(jié)果可以得出以下結(jié)論;線上教學平臺或工具以釘釘,微信/QQ,騰訊課堂/騰訊會議主要;在線上教學過程中學生存在學習軟件卡頓,缺乏自控力,習氛圍冷淡,長時間看屏幕,眼睛受不了,易受環(huán)境影響,注意力不集中;總的來說大部分學生喜歡線下教學。學生對線上學習的效果的參與度,適應(yīng)度以及滿意度與學習過程中遇到困難呈現(xiàn)顯著性。學生總的認為為人師表,文明授課,作業(yè)能及時批改并與學生交流,提出的問題及時得到反饋,按時上課,講課熱情,老師能夠引導(dǎo)學生正確對待學習是影響學生線上學習滿意度的綜合指標;認為老師教學內(nèi)容安排合理,熟練掌握所講內(nèi),重難點清晰,基礎(chǔ)知識詳細,布置的作業(yè)有助于理解基礎(chǔ)知識是影響學生線下教學滿意度的綜合指標。教學態(tài)度對教學內(nèi)容,教學內(nèi)容對教學方法,教學態(tài)度對教學方法,教學方法對教學成果,教學內(nèi)容對教學成果有顯著的正向影響。本研究發(fā)現(xiàn)線上教學學生與老師和其他同學的連接性較弱,如與老師和同學缺乏互動。其次學生控制能力匱乏,是影響線上教學質(zhì)量主要原因。方佳明也指出學生存在的惰性因素,負向影響了從傳統(tǒng)教學遷移到線上教學的意愿[14]。線上教學平臺應(yīng)完善改進管理模式及性能,更應(yīng)該關(guān)注人際關(guān)系的構(gòu)建。此外,大多數(shù)學生希望老師可以發(fā)布一些習題,以加強鞏固知識;老師語音與PPT 同步也是至關(guān)重要的,同時教師應(yīng)增加課堂趣味性,學生也需加強自我克制能力,靈活,有效,高效地運用平臺通訊工具及時交流,解決課堂問題等。同時提升廣大學生在線學習的獲得感、幸福感、安全感。