| 全文共11926字，建议阅读时10分钟 |
本文由《开放教育研究》授权发布
作者：兰国帅 郭倩 钟秋菊
摘要
MOOC已成为我国远程教育领域的研究热点之一，然而如何设计、开发和实施基于MOOC的混合教学，提高MOOC学习者的学习投入度与学习坚持性，促进学习者有意义的深度学习，是利用MOOC实施混合教学需解决的关键问题。本研究从学习者、教师和学习支持系统融合的角度，以探究学习社区中文量表为研究工具，探究MOOC学习者的学术自我效能感、教学存在感、感知有用性、感知易用性对其学习投入度与学习坚持性的影响，并进一步探讨如何提升MOOC学习者的学习投入度与坚持性。研究表明：MOOC学习者的学术自我效能感、教学存在感和感知有用性对其学习投入度有显著的正向直接影响；MOOC学习者的学习投入度和感知易用性对其学习坚持性有显著的正向直接影响；MOOC学习者的学习投入度对其学术自我效能感、教学存在感、感知有用性与学习坚持性之间的关系起中介效应。这些发现可为设计有效的MOOC教学和学习策略，以及在网络学习空间中有效开展基于MOOC的混合教学实践和研究提供新视野。
关键词：学习投入度；学习坚持性；学术自我效能感；教学存在感；感知易用性和有用性；网络学习空间
MOOC在扩大高等教育机会与提高教学质量方面取得的巨大成就引发了研究者的高度关注。研究表明，学习者通过MOOC学习既可获取优质在线学习资源，又能提高自身学习成就感、学习动机和团队协作意识，进而完善学习风格，达到赋能终身学习的深层旨归（徐振国等，2017）。然而，人们对MOOC的预期学习成效，如学习投人度和学习坚持性，仍存疑虑。MOOC完成率是评判MOOC学习成效的关键指标，有助于预测MOOC学习的投人度与坚持性（张刚要等，2017）。研究表明，MOOC参与率随课程的进展显著下降，完成率通常很低，约为3％-6％（范逸洲等，2018）。这种学习坚持性偏低现象已成为削弱MOOC持续和有效发展的障碍。此外，MOOC学习的低投入度也应引起关注，因为学习者只有保持积极的主导作用，才会发生有意义的深度学习，被动接收信息则无法达到这一目的。已有研究主要通过调查影响MOOC学习的因素，考察MOOC学习的投入度和坚持性（ Xiong et al.，2015）。多数研究关注学习者的动机特征如何影响MOOC学习成效，缺乏对MOOC学习生态的整体性探索（Hew＆ Cheung，2014）。有学者认为，当前中国MOOC研究多借鉴国外模式，对MOOC学习者情感投入关注不足，对MOOC学生一教师一平台的系统分析不够（叶金珠等，2017）。一些研究试图通过使用学习平台的日志数据，如视频回放次数或讨论区的帖子数，衡量学习者的学习投人度（ Kizilcec et al.，2013； Milligan et al．，2013）。但MOOC学习涉及多种因素的相互影响（ Kember，2009），仅从单一维度无法有效揭示MOOC学习持续性偏低的真正诱因（ Himin et al.，2014），需全面审视MOOC学习者、教师和学习支持系统，帮助他们保持较高的投入度与坚持性（Rha，2016；赵磊，2018）。因此，本研究从学习者、教师和学习支持系统的统合视角，建立系统的研究假设模型，探究MOOC学习者的学术自我效能感、教学存在感、感知有用性、感知易用性对其学习投入度与学习坚持性的影响，并探讨如何有效提高MOOC学习投入度与坚持性。
一、文献综述与研究假设
（一）MOOC学习投入度与学习坚持性
MOOC作为一种大规模开放在线课程，其特点是每门课程均有大量参与者，为学习者提供了突破时空限制的学习世界一流大学课程的机会（Vetsanos et al.，2015； Hollands＆Tirthali，2014）。有研究探讨了MOOC学习者的参与动机，也有研究聚焦MOOC学习成效，以期提出有效的MOOC教学策略（Fini, 2009: Reich et al., 2014)。
1．学习投入度
学习投入度指学习者参与MOOC学习，并渴望达到期望表现的精神能量与工作效率（ Coates，2006）。它是衡量MOOC学习成效的关键指标，而衡量MOOC学习投入度的常用指标是学习行为投入（Hew，2016； Milligan et al.，2013），如观看课程视频的次数、论坛帖子的回帖数、参与课程的测验数量及完成学习任务数量等（Xiong et all.，2015）。MOOC学习时长是衡量学习投人度的精确指标，但MOOC学习者观看课程视频、参与讨论的行为复杂多变，无法获得精准数据，研究者建议采用微视频的播放次数、论坛的参与次数作为替代指标，并根据MOOC学习者的学习习惯修正数据，通过回归模型解释学习投入度（徐舜平等，2017）。尽管很多MOOC参与模式都得到验证，但多数研究只考量学习行为投入，尚未涉及认知投人和情感投入。为全面审视MOOC学习过程，本研究将学习投入分为学习行为投人、学习情感投人和学习认知投入。具体而言，学习行为投人指在MOOC学习中关注学习本身、提出问题和参与讨论；学习情感投入指学习者对教师、学伴或MOOC的积极情绪；学习认知投入指学习者在MOOC学习中获取复杂知识或技能的认知努力。
2．学习坚持性
学习坚持性指学习者克服学习过程中的诱惑与不确定因素并完成学习任务，体现在学习者的动机、情绪、认知和行为等方面（You＆Song，2013），可分为完成当前课程的意愿和修读另一门课程的意愿（ Joo et al．，2010）。近年来，MOOC学习坚持性受到学者的普遍关注。有学者根据MOOC学习完成度持续学习度和学习特点，将学习者分为积极参与者消极参与者、随机访问者、爽约者和旁观者，以解释学习者的学习持续行为与持续强度（陈岚，2017）。学习者持续学习的意向揭示了其学习需求和学习目标，可为教育决策提供有效信息。研究表明，大量MOOC学习者注册了课程，却没有完成。赖克等人（ Reich et al.，2014）发现，MOOC学习的平均完成率为3．2％，这与英庇等人（ Impey et al.，2015）的研究结果相符。乔丹（ Jordan，2014）通过对39门MOOC分析，发现这些课程的平均完成率为6.5％。可见，MOOC学习的完成率非常低，学习坚持性问题亟待解决。因此，本研究将学习坚持性作为衡量MOOC学习成效的关键指标之一，以探究学习者完成MOOC的意愿和完成率。
（二）影响因素
本研究将学术自我效能感作为学习者变量、教 学存在感作为教师变量、感知有用性和易用性作为学习支持系统变量，从学习者、教师和学习支持系统的多维视角，探讨不同因素对MOOC学习者学习投入度和学习坚持性的影响。
1．学术自我效能感
自我效能感指个体对自己组织和执行特定行动以达到预期结果的主观判断和信心水平（ Bandura，1977）。本研究主要关注混合学习环境下的学术自我效能感，是指学习者对MOOC学习成效自我报告的自信心，其不仅是联系学习者动机与行为的中介（ Bandun，1977），也是自我调节学习和在线学习成效的关键预测因素（You，2012）。学术自我效能感在学习投人和学习坚持方面扮演着重要角色（ Breslow et al．，2013），在多种学习环境，尤其在混合学习环境下会直接影响学习投人度和学习坚持性（Kop＆ Fournier，2011）。多项研究表明，学术自我效能感不但对学习投入度和学习坚持性影响显著，而且在学习过程中发挥重要的调节作用（ Lavigne etal．，2007； Puzziferro，2008；Wang＆ Baker，2015；兰国帅等，2018）。米利根等（ Milligan et al.，2013）发现，学术自我效能感对主动学习者及仅参加课程而未积极参与学习的潜伏学习者均有重要影响。多项研究还表明，在MOOC学习开始时表现出较高学术自我效能感的学习者更有可能完成课程（Wang＆ Baker，2015; Wang Newlin, 2002)
2．教学存在感
教学存在感指学习者对教师通过设计、组织和支持学习内容促进其学习的感知度，由教学设计与组织、促进对话和直接指导三个子范畴构成（ Shea et al.，2003）。教学设计与组织指学习者对教师根据课程目标组织和指导课程的感知；促进对话指学习者对教师设置学习环境、吸引参与者、引发讨论、识别共识或分歧、达成共识或理解及评估结果的感知；直接指导指学习者对教师支持其学习并给予反馈的感知。MOOC教学通常由教师实施各类学习活动并通过反馈支持课程参与者（ Ross et al.，2014）。因此，本研究将教学存在感作为外生变量，预测MOOC学习的投人度和坚持性。教学存在感与学习投人的关系研究，主要关注学习者对课程设计、组织和直接指导的整体认知。休（Hew，2016）对965名性MOOC学习者进行定性分析后发现，学习者的学习投人度取决于师生互动程度、学习者对课程的热情程度及提供的学习材料。已有研究证实了教学存在感对MOOC学习坚持性有直接影响（ Chang et al.，2015）。阿达莫普卢斯（ Adamopoulos，2013）分析了133门课程中影响学习坚持性的因素，发现教学存在感是预测并影响学习坚持性的关健因素，特别是
课程学习活动和学习材料对学习者完成课程的可能性有正向影响。
3．感知有用性和易用性
感知有用性和感知易用性源于戴维斯的技术接受模型。感知有用性指用户对使用新技术帮助他们更好地完成学习任务的感知度；感知易用性指用户对新技术是否容易使用的感知度（ Davis，1989）。学习者对学习支持系统有用性和易用性的感知可理解为影响学习者继续学习新技术或使用新环境的意愿。学习环境、学习者和教师特点等因素会影响学习者使用学习支持系统的表现和体验（Kim，2005）。学习者的学习体验会随学习支持系统的变化而变化。有研究发现，学习者对MOOC学习支持系统有用性的感知对学习投人有显著影响，能提高学习者的学习成效（ Liang et al.，2014）。学习者对MOOC学习支持系统易用性的感知也是影响其学习投人的关健因素（ Waite et al.，2013）。研究表明，感知有用性和感知易用性均显著影响学习坚持性（ Alraimi et al.，2015）。吴等人（Wu＆Chen，2016）发现，学习者对MOOC的感知有用性直接影响其学习坚持性，感知易用性通过感知有用性间接影响学习坚持性。感知有用性有助于学习者认识学习支持系统的价值，是影响MOOC学习坚持性的关键因素之一。本研究借助“中国大学MOOC＂学习平台，调查学习者对该平台管理与支持探究学习活动的看法。因此本研究的感知有用性指学习者对“中国大学MOOC”学习支持系统帮助他们完成学习的感知度感知易用性是指学习者对能否轻松使用“中国大学MOOC＂学习支持系统的感知度。
4．学习投人度与学习坚持性的关系
学习者的学习投人度会影响其学习坚持性。杨等（ Yang et al.，2013）发现，MOOC学习行为投人减少了MOOC辍学的可能性，进而提升了学习坚持性。布雷斯洛等人（ Breslow et al.，2013）研究发现，MOOC中获得证书的学习者多数在课程论坛积极发帖。这表明，学习行为投入是预测其学习坚持性的关键指标。珀斯尔等人（ Pursel et al.，2016）也发现学习投人对学习者完成MOOC学习具有较强的预测能力。因此，本研究将MOOC学习投入度作为中介变量，确认其会影响学习坚持性。胡等人（Hu，2011； Kuh et al.，2008）验证了学习投人度可预测MOOC学习者的学习坚持性。此外，MOOC具有海量学习资源，学习者能够通过反思、同伴交互或师生交互等方式沟通，进而在认知与情感上参与课程。因此，本研究除了关注学习者的学习行为投入外，同时关注其学习认知投入和学习情感投入。学习者动机、情绪、认知和行为等指标表明学习者对MOOC的满意度及继续学习的意愿，是MOOC学习坚持性的重要影响因素（ Wise et al.，7）
（三）研究模型与研究假设
本研究旨在探究MOOC学习者的学术自我效能感、教学存在感，感知有用性、感知易用性对学习投人度与学习坚持性的影响，进而探讨如何促进MOOC学习者的学习投人度与学习坚持性。研究假设模型见图1。
H1：学术自我效能感、教学存在感、感知有用性和感知易用性对MOOC学习者的学习投人度有显著的直接影响；
H2：学术自我效能感、教学存在感、感知有用性、感知易用性和学习投人度对MOOC学习者的学习坚持性有显著的直接影响；
H3：MOOC学习投入度在学术自我效能感、教学存在感、感知有用性、感知易用性与学习坚持性的关系中起中介效应。
二、研究设计
（一）研究情景与对象
本研究选取2017－2018学年第2学期参与“中国大学MOOC＂平台“现代教育技术应用”混合课程的中国华北地区某综合性重点高校教育学、文学、理学、工学等12个学科门类的450名学生为研究对象，对其进行网络问卷调查。研究共回收400份问卷，有效问卷329份，有效率为82.3％。被试年龄范围在15－25岁之间，其中男生65名（19.76％），女生264名（80.24％）。大ー学生占41.34％（136名），大二学生占6．69％（22名），大三学生占33.13％（109名），大四学生占13.68％（45名），研一学生占4.26％（14名），研二、研三和博一各占0.3％（3名），研究样本的选取有代表性。为了使作为内生变量的人口统计学特征差异最小化（ Jonassen＆Grabowski，2012），本研究对性别、年龄、年级和专业等变量进行F检验后发现，内源性人口学特征对本研究设定的变量无显著影响。同时，F检验表明学习者的学习投入度与学习背景有0．05的显著水平这表明学习者的教育背景对其教学存在感认知和学习投入度影响显著（Ko，2006）。因此，本研究将教育背景作为控制变量。
（二）研究工具
探究社区量表包括MOOC学习的学术自我效能感、教学存在感、感知有用性、感知易用性、学习投人度和学习坚持性六个维度。基于先前研究（兰国帅等，2018），本研究为每个维度至少选取3个观测变量，并使用学习坚持性自我报告量表，检验学习者对完成MOOC学习意愿的看法。为适应“中国大学MOOC”平台学习环境和中国高校学生的教育文化背景，本研究先对上述六个维度的量表进行汉化处理及适当修订，然后采用探索性和验证性因素分析保证每个量表的信效度，并运用李克特七级量表（非常不同意＝1，不同意＝2，比较不同意＝3，保持中立＝4，比较同意＝5，同意＝6，非常同意＝7）设计题项，从学习者、教师和学习支持系统的统合角度，研制了探究社区中文量表（见表一）。
（三）数据分析
本研究采用结构方程模型进行数据分析，通过控制变量的测量误差，精准测量变量间的关系，确定研究模型中各变量的直接和间接影响。首先，本研究使用SPS 24.0软件进行描述性统计和相关分析，检验研究变量的偏度、峰度等整体水平分布状况及相关关系。其次，本研究利用AMOS 24.0软件对测量模型和结构模型的拟合度、有效性进行验证性因子分析。
为避免测量模型的权重过大，本研究对六个研究变量的一级指标进行了项目组合，并通过分析克隆巴赫信度系数（ Cronbachs alpha）、组成信度（CR）、平均方差萃取量（AVE）和因子载荷量（L）等，检验潜在变量的收敛效度和区分效度。为分析结构模型的有效性，本研究采用参数检验法探究标准化路径系数是否显著，并根据显著性结果对结构模型进行修正。再次，为分析假设模型的有效性，本研究选取 RMSEA（≤0.08，90％CI）、SRMR（≤0.08）、GFI（≥0.90）、ACFI（≥0.90）、TLI（≥0.90）和CFI（≥0．90）等模型拟合指标及适配标准值验证假设模型的拟合度（ Jacksoal．，200。最后，本研究运用自助法（ Boot strapping）探讨中介变量的中介效应。
三、研究结果与讨论
（一）描述性统计与相关分析
本研究包含学术自我效能感、教学存在感、感知有用性、感知易用性、学习投人度与学习坚持性六个研究变量（见表二），采用平均值、标准差、偏度和峰度描述研究变量的整体水平（偏度绝对值在2以内，峰度绝对值在7以内可视为正态分布）。描述性统计分析显示，研究变量的均值范围为5.091～ 5.470，标准差范围为0.823～1.053，偏度范围为-0.167～-0.135，峰度范围为-0.478～-0.099，符合正态分布标准。各研究变量间的相关系数均≥0.684，呈现较强的正相关。
（二）结构方程模型分析
本研究利用AMOS 24.0软件，以学术自我效能感、教学存在感、感知有用性和感知易用性为自变量以学习投人度为中介变量，以学习坚持性为因变量建立结构方程模型。该模型由测量模型与结构模型组成，测量模型用于描述观测变量（量表题项）与潜在变量（学术自我效能感、教学存在感、感知有用性、感知易用性、学习投入度和学习坚持性）之间的关系，结构模型用于描述外生潜在变量（学术自我效能感、教学存在感、感知有用性和感知易用性）与内生潜在变量（学习投人度和学习坚持性）之间的关系。
1．测量模型检验
本研究利用KMO和 Bartlett J球形检验对采样充足度和因子分析适宜度进行检验。结果显示，KMO＝0.972， Bartlett球形检验结果达到显著性水平（＝13366.451，df＝1035，p＜0.001），综合说明样本数据适合进行因子分析。然后，本研究对量表所有题项进行探索性因子分析，采用主成分分析法抽取因子，运用最大方差法进行旋转，以特征值大于1作为因子提取标准，并将因子载荷过低（小于0.60）和交叉载荷（两个及以上因子载荷同时大于0.40）的PU2、PEI、LE1和LE11四个题项删除，保留45个题项。为确保研究结论的可靠性和有效性，本研究首先检验包含45个题项的测量模型的信效度，以保证结构模型有实际意义。信度检验采用克隆巴赫信度系数（ Cronbach a）和组成信度（CR值）对测量模型进行信度分析。 Cronbach a＞0.8，表示量表的信度良好，0.7＜ Cronbach a＜0.8，表示量表的信度可以接受（ Blunch，2008）。若CR值＞0.7，说明测量题项内部一致性较好，测量模型的内在质量较好（Hair et al.，2009）。测量模型中潜在变量的 Cronbach a系数均大于0.8，CR值均大于0.7（见表三），说明测量模型信度较好，测量数据的内部一致性较高。
效度检验采用平均方差萃取量（AVE值）评价收敛效度。AVE值是通过计算因子载荷量表示收敛效度的指标值，代表潜在变量对所有题项的综合解释能力，AVE值大于0.5较理想（Kine，2011）
AVE值越大，潜在变量解释它所对应量表题项的能力越强。本研究中，AVE值均大于0.5，表明测量模型收敛效度较好（见表四）。此外，根据福内尔等（ arnell Larcker，1981）的建议，AVE开根号值若大于潜在变量间的相关系数，则表示各维度之间具有区别效度。各潜在变量的AVE开根号值大于大多数潜在变量间的相关系数（见表四），说明该测量模型具有较好的区别效度。
2．结构模型检验
在检验测量模型的各项参数指标符合标准后，本研究采用结构方程模型方法，利用AMOS24.0软件对结构模型进行验证性检验，结构模型检验常用方法有参数检验和拟合度检验。参数检验主要包括显著性检验（P＜0.05）和合理性检验（参数估计的方差、标准差要大于0，标准化路径系数不能超过或太接近1）。参数检验分析结果（见表五）表明，除感知易用性→学习投入度（P＝0.05）、学术自我效能感一学习坚持性（P＝0.631）、教学存在感一学习坚持性（P＝0.924）和感知有用性一学习坚持性（P＝0.843）不满足参数显著性检验P＜0.05的适配标准值，其余均符合标准。本研究删除上述4条路径，根据AMOS修正指标MI值的提示，在教学存在感→感知有用性以及感知有用性一感知易用性之间建立双向联系后，再次检验结构模型，发现所有参数检验值均在参数检验标准值范围内（见图2和表七）。
本研究经过拟合度分析得到的拟合度指标数据（见表六），满足结构方程模型的拟合度参考指标要求（ Jackson et al.，200），具有良好的拟合度，表明修正的结构方程模型通过了检验。
3．研究假设检验
为验证研究假设H1和H2否成立，本研究用修正结构模型分析学习者的学术自我效能感、教学存在感、感知有用性和感知易用性对学习投入度和学习坚持性的影响，得出修正模型的参数检验值及路径系数分析结果（见图2和表七）。修正模型中变量间的关系如下：首先，学术自我效能感（B＝0.263，p＜0.001）、教学存在感（B＝0.219，p＜0.001）和感知有用性（B＝0.789，P＜0.001）均对MOOC学习投入度有正向显著的直接影响，感知易用性→学习投入度路径模型因参数检验值不显著（P＝0.05）被移除，故研究假设H得到部分支持。由此可知，激发学习者的学术自我效能感、提升教师的教学存在感和提高学习者对学习支持系统的感知有用性，可促使学习者积极参与MOOC学习。其次，学习投人度（B＝0.713，P＜0.001）和感知易用性（B＝0.250，p＜0.001）对MOOC学习坚持性有正向显著的直接影响，学术自我效能感一学习坚持性、教学存在感→学习坚持性和感知有用性一学习坚持性路径模型因参数检验值不显著（P＞0.05）被移除，故研究假设。
（三）中介效应检验
为验证研究假设H3是否成立，本研究采用自助法进行检验（ Preacher＆ Hayes，2008）。自助法可用于测试中介变量是否将自变量的重要影响转化到因变量，克服了中介效应检验的逐步回归法（准确性较低）、乘积系数 Sobel检验（系数乘积不一定服从正态分布）和差异系数检验法（系数差值不一定服从正态分布）等局限，提高了检验的准确性和可信度。本研究将样本量设置为1000，选择95％的置信区间，重点考査中介效应置信区间是否包含0，如果包含0，则中介效应不显著；如果不包含0，则中介效应显著。本研究构建了学术自我效能感→学习投入度→学习坚持性、教学存在感→学习投人度→学习坚持性和感知有用性→学习投入度→学习坚持性三个中介效应模型，三个模型的中介效应置信区间均不包含0，故中介效应显著（见表八）。由于感知易用性一学习投入度→学习坚持性的路径模型被移除，该中介效应模型不成立，故研究假设H3得到部分支持。可见，虽然学习者的学术自我效能感、教学存在感和感知有用性对学习坚持性没有直接影响，但会通过学习投人度这一中介变量对学习坚持性产生重要的间接影响。
四、研究结论与启示
（一）研究结论
本研究统合了学习者、教师和学习支持系统个维度，提出了解释影响MOOC学习投人度和学习坚持性因素的综合研究模型，得出如下结论：第一，学术自我效能感对MOOC学习投入度有正向显著的直接影响。学术自我效能感没有直接影响MOOC学习坚持性，但会通过学习投入度的中介作用对学习坚持性产生重要的间接影响。第二，教学存在感对MOOC学习投入度有正向显著的直接影响。教学存在感会通过学习投人度的中介作用间接影响MOOC学习坚持性。第三，学习者使用MOOC学习支持系统的感知有用性正向直接显著影响他们的学习投人度。感知有用性对学习坚持性没有直接影响，但会通过学习投人度的中介作用对学习坚持性产生重要的间接影响。感知易用性对MOOC学习投入度没有显著影响，但学习者对MOOC的感知易用性直接影响了他们的学习坚持性。第四，学习者对MOOC的学习投人度直接影响其学习坚持性第五，MOOC学习者的学习投人度对学术自我效能感、教学存在感、感知有用性与学习坚持性之间的关系有重要的间接影响。学习投人度显著地调节教学存在感与学习坚持性之间的关系，对学术自我效能感与学习坚持性之间，及感知有用性与学习坚持性之间的关系起重要的中介效应。
（二）研究启示
1．鼓励学习者自我调节学习，提高学术自我效能感
学术自我效能感对MOOC学习的投人度有正向显著的直接影响。这一研究结果与先前研究结论sk(Jeong, 2012: You Song, 2013: Kop Foumier，2011； Milligan et al.，2013）。这表明学习者需要使用有效的学习策略，如培养自我调节学习能力，提高学术自我效能感，以便更积极地参与MOOC学习（Shea＆ Bidjerano，2010）。因此，在MOOC学习初，学习者可开展与“网络自我调节学习”有关的学习，提高“互联网＋＂背景下的自主学习能力，提升学习意识自我效能、学习能力自我效能和学习技术自我效能。在MOOC学习中，教师可以嵌入有效的在线学习支持工具，鼓励学习者运用社交工具进行自我调节，增强他们的学习动机与兴趣。在自我调节学习设计时，教师首先要考虑课程的目标设计、时间安排、任务设计和评价趋向等，引导学习者向预定的生成性目标迈进，提高学习者的自我调节能力和自我监控能力，提升课程满意度。其次，教师需注意反馈性环节的设计，既要鼓励学习者利用网络工具进行交流，也要考虑平台的技术基础，例如，可充分利用“中国大学MOOC＂平台后台的数据分析功能，支持模块的在线论坛与邮件服务加强反馈。最后，教师应引导学习者对学习成效进行自我评估，帮助学习者树立自我评价意识，激励学习者根据自身学习程度设定个性化学习方案，增强学习者的学习参与度与坚持性。学术自我效能感并没有直接影响MOOC学习者的学习坚持性，尽管该结果与先前的研究结果有出入（Wang＆ Baker，2015；Wu＆Chen，2016），但学术自我效能感会通过学习投人度的中介作用对学习坚持性产生重要的间接影响。
2．重塑教师角色，提升教学存在感教学存在感
对MOOC学习者的学习投入度有正向显著的直接影响。这一发现也支持了休等人（Hew，2016； Liu et al.，2015）的研究结论。为增加学习者的MOOC学习投人度，以教师为中心的学习活动应重点支持学习者的学习反馈和有组织的学习内容（ Shea et al.，2006）。这一发现与MOOC的自月主学习有关。如果学习者没有深刻体验到教学存在感，他们的学习投人度会降低，退学的可能性随之增加。因此，MOOC教师应加强对课程设计的关注，为学习者交流互动提供充足的机会，让其有归属感（兰国帅，2018）。例如，教师可利用论坛引导学习者互动和反馈，将学习者发的帖子分为技术目的帖和社会目的帖，方便教师为学习者提供具体有效的反馈。此外，提高学习者的学习投人度必须重塑教师角色，提升助教团队对学习者持续性学习的支持。首先，教师要从课程的参与者逐步转变为课程的设计者。MOOC不能拘泥于传统课程的照本宣科，而要考虑课程实用性和不同学习者的学习特征，允许不同课程基础的学习者参与。教师要考虑课程独创性和学习者需求，并根据传统课程中出现的典型问题，对教学流程和教学结构进行顶层设计，使学习者自愿投入学习。其次，MOOC已成为一种成熟的学习途径，MOOC设计、开发与制作需要来自不同领域的参与者协作实施。“互联网＋”时代教育内容的不断更迭，要求团队成员树立终身学习意识，不断更新课程资源，调动学习者的学习兴趣；人工智能时代强调教育产品服务先行，要求开发团队遵循“以学习者为中心”的设计与开发理念；大数据时代学习者的个性化学习需求，赋能开发团队探寻针对性点对点服务，提高学习者对教学存在感的感知度，从而激励学习者的学习投入与持续学习（ Wise et al.，2017）。此外，本研究发现教学存在感会通过学习投人度的中介作用间接影响MOOC学习者的学习坚持性，这与先前研究相符（ Adamopoulos，2013；Wang＆ Baker，2015）。因此，为提升学习者对“高”教学存在感的感知度，教师可将教学设计原则用于学习活动，并在MOOC中使用持续反馈机制（Rha，2016）。
3．促进多形式与全流程交互，优化学习支持MOOC学习支持
系统的感知有用性对学习投入度有正向显著的直接影响，这一研究结论与之前的研究结果一致（ Gung＆Kuxu，2014；Kim＆Oh，2005；Kim，2006； Liang et al.，2014）。这表明“中国大学MOOC＂学习支持系统是中国网络学习环境中的创新，本研究的学习者可以被视为创新者或早期采用者（Cho，2015）。在技术接受模型中，当早期采用者被认为某技术具有相对优势时，创新就会传播开来，正面评价的因素即为感知有用性（ Rogers，2003）。这说明“中国大学MOOC＂的学习者能积极接受创新，学习支持系统具有相对优势。然而，学习者使用MOOC学习支持系统时的感知易用性对其学习坚持性没有直接影响，而是通过学习投人度的中介作用对学习坚持性产生间接影响，这与之前的研究结果不符（ Ross et al.，2014； Waite et a.，2013）。这一发现意味着自愿参加MOOC学习的学习者可能已经熟悉网络学习或者是MOOC的早期采用者（ Christensen et a.，2014）。此外，本研究的学习者为在校大学生，相对年轻，对使用平台的容易程度并不介意。然而，学习者使用MOOC学习支持系统的感知易用性直接影响学习坚持性，这与之前的研究结果一致（ Unary，2014；Wu＆Chen，2016）。这表明，当引入新的信息技术时，感知易用性可有效预测系统的持续使用。换言之，了解学习者对学习支持系统的使用模式和期望对提高他们的感知易用性至关重要。研究还发现，交流渠道较单一致使学习者的参与度和兴趣度下降，不少学习者无法完成课程学习。因此，不断优化学习支持系统可提升感知有用性和易用性，提高学习者的学习投人度与坚持性。首先，增加线上交流方式，如建立课程QQ群、微信群或微信公众号，拓宽师生即时交流渠道。其次，教师还可通过问卷收集、分类与整理学习者的共性问题，并以菜单导航、邮件推送和首页置顶的方式予以解答。课程支持与交流要贯穿于学习者MOOC学习全过程，教师可通过定期沟通、评价的方式提供及时干预和指导。在具体实施环节，教师可根据学习者需求，以在线视频的形式开展任务报告师生交流会等，增加师生交流次数，改善学习者对学习平台的有用性和易用性感知，提高学习者的学习投人度和学习坚持性。
4．升级教学理念，关注学习者学习投人度与学习坚持性
MOOC学习投人度对学习坚持性有正向显著的直接影响。这一发现与之前的研究结论一致（Yanget al.，2013； Pursel et al.，2016；Hu，2011）。因此，为了提高M00C学习者的学习投入度，教师有必要及时收集学习者的需求，提高其行为投入、认知投入和情感投入，而不仅仅是提交作业或观看课程视频。以往研究对学习投入度与学习坚持性的关注与理解大多聚焦于课程完成率（讨论、发帖和作业完成）（Hone＆Said，2016），但课程完成率主要强调完成课程的动机导向，忽略了学习者学习动机的多样性以及对技术的感知度与熟练度，无法关照学习者的过程性投入与生成性学习。因此，仅以课程完成率考察MOOC学习者的学习投人度与学习坚持性有失偏颇，还应考虑学习动机、感知有用性和感知易用性。MOOC学习者的学习投人度对学术自我效能感、教学存在感、感知有用性与学习坚持性之间的关系起重要的调节作用。因此，为了鼓学习者参与学习，MOOC设计必须考虑外部动机。此外，为了促进MOOC学习投人度和学习坚持性，相应的教学设计应统筹考虑学习者、教师和学习支持系统。
作者简介：兰国帅，博士，博士后，校璃副教授，硕士生导师，河南大学教育科学学院，研究方向：信息技术教育应用、教育技基本理论、网络教育与远程教育、技术促进学习、外语教育技术、网络採究社区、信息化教育与教师专业发展、教育技术国际较、知识图请与知识可视化征、职业教育信息；郭倩，研究生，河南大学教育科学学院，研究方向：信息术教育应用；钟秋菊，研究生，北京师范大学教育学部，研究方向：信息技术教育应用、学前教育信息化。
基金项目：2017年教育部人文社会科学研究青年基金项目“网络学习空间中教育探究社区理论的模型建构及其应用研（17YJC880046）；2017年度河南省高等教育教学改革研究与实践重点项目“互联网＋教育”背景下高等学校现代混合教学式的设计与探索（2017 SGJLXO64）。
转载自：《开放教育研究》2019年4月 第25卷 第2期
排版、插图来自公众号：MOOC（微信号：openonline）
新维空间站相关业务联系：
刘老师 13901311878
孙老师 17316022016
邓老师 17801126118
微信公众号又双叒叕改版啦
快把“MOOC”设为星标
不错过每日好文☟
喜欢我们就多一次点赞多一次分享吧~
有缘的人终会相聚，慕客君想了想，要是不分享出来，怕我们会擦肩而过~
微信扫码咨询专知VIP会员
