我国在线主动学习研究综述

摘要：当下“线上+线下”的混合式学习成为常态化的学习形式，学习环境的改变引发了师生互动、课堂管理等方面的变化，学习者的学习主动性成为混合学习能否取得成效的关键。文章回顾了我国近十年在线主动学习的文献，利用CiteSpace软件对年度发文量、发文作者、发文机构进行量化分析。并从教学传播的角度分析研究热点问题，未来的研究应更多地考虑如何利用信息技术创设主动学习空间、教师对在线学习的支持作用、学习者在线主动学习的内部影响因素、不同教学传播模式下促进主动学习的策略等主题。

关键词：在线主动学习；学习动机；混合学习；教学传播；学习主动性

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2023）36-0134-05

开放科学（资源服务）标识码（OSID）

0 引言

《教育信息化2.0行动计划》中提出要积极推进“互联网+教育”的发展，把教育信息化作为教育系统性变革的内生力量，“互联网+教育”是在线教学的新阶段，它能够为学习者提供优质、灵活、个性化的教育，是一种新型的服务模式[1]。大量的研究表明，在线学习凸显了以“学生为中心”的教学理念，其学习方式与评价方式多元化，有着传统教学没有的优势。

2020年，在线学习从理论研究进入大规模的实践阶段。在线学习解决了时空分离情况下，学校面对面教育的困境，给学习者的学习带来了极大的便利。经历两个多月的大规模实践后，在线学习也逐渐暴露出诸多问题：学习者的自我组织能力较弱、参与度不高、学习不够专注、教学效果不如传统课堂教学等[2]。究其原因，根本区别在于学习环境由线下转变为线上或者“线上+线下”混合。在线学习环境中，来自教师和同伴的监督减少，甚至为零，更多地依赖于学习者主动学习。可见，主动学习成为学习者获得满意的在线学习效果的关键因素[3]。本文通过分析近十年国内在线主动学习的相关文献，深入挖掘在线主动学习研究成果，为今后的混合教学提供指导，提升学习效果。

1 研究设计

1.1文献来源

本研究的文献数据来源于“中国知网（CNKI）”数据库中的CSSCI和CSCD期刊，文献检索方法为“高级检索”，时间范围限定为2012年1月1日到2021年12月31日，检索字段为“主题”。先后分别以“在线主动学习”“在线”与“主动学习”“在线主动学习”与“学习动机”为主题进行检索，手动剔除无关文献、会议、报纸等，最终共获得113篇有效文献。

1.2研究方法

本研究主要采用混合分析方法对我国近十年在线主动学习研究成果进行分析。一方面，利用CiteSpace分析软件，从年度发文量、核心发文作者、发文机构、关键词频次分布以及关键词的聚类图谱几个方面作可视化分析，从而掌握目前我国关于这一研究领域的发展现状。另一方面，结合可视化分析的结果作质性分析，全面掌握我国在线主动学习的研究热点、研究结果以及研究经验，为高质量在线学习提供指导。

2 计量分析

2.1发文数量分析

按照年份顺序统计文献，得到图1我国在线主动学习研究文献的年度发文量情况图。从图中可以看出，从2019年到2021年发文量一直处于上升趋势，到2021年达到顶峰，单年发文29篇。2012年，大规模在线开放课程（MOOC）的兴起，推动了在线学习及其研究的发展，自2013年起，一些学者把在线学习与MOOC相结合开展研究。2017年，针对学习者在线学习效果不佳、学习动机不强的情况，国内学者首次开展了基于MOOC的主动学习研究。谢幼如等（2017）基于学习动机模型，采用了文献研究、行动研究以及理论演绎等方法，构建了自组织学习模式，研究表明该模式能够提升学习者的在线学习参与度[4]。2016年，AlphaGo战胜围棋冠军后，人工智能逐渐进入大众视野，基于教育大数据的学习分析研究备受研究者青睐，从学习主体出发研究学习效果成为必然。2020年，全国大中小学校由于疫情展开了在线教学，学校根据疫情的变化在线下教学与混合教学之间自由切换。在线教学实践取得一定成效的同时也遭到了各界诟病，至此，在线教学进入“冷思考”阶段。研究者们基于疫情的实践数据，对在线教学和混合教学的研究进入了新高潮，在线主动学习的发文量创历史新高。

2.2 核心发文作者分析

通过对该领域的核心发文作者进行分析后，得到表1发文量排名前十的作者统计表和图2作者共现知识网络图谱。从表1中可以看出，姜强、张文兰、汤诗华、凤丽洲、任友群、冯晓英、黄荣怀、肖俊洪、朱祖林、王友卫这十位作者发文量排名靠前，姜强发文4篇，张文兰发文3篇，其余均发文2篇。从图2中看出，这些主要的核心发文作者与其它发文作者之间有明显的合作关系，但他们彼此之间没有明显的合作关系。

我国教育技术学专家黄荣怀认为，新冠疫情期间，为了响应“停课不停学”的号召，大规模在线学习是开展教学的最佳选择，并基于混合学习理论与技术接受模型，构建了在线主动学习意愿框架，探索影响在线主动学习的因素[5]。张文兰等（2016）利用结构方程模型，分析影响混合式学习环境下学习满意度的18个变量，发现学习动机、学习氛围以及交互行为是影响混合式学习中学习满意度的直接因素[6]。针对在线学习中学习者自主学习能力弱的问题，姜强等（2021）采用顺序分析和聚类分析算法，对在线学习行为数据进行挖掘，分析并证实了高低成就这两种在线自主学习行为模式之间有显著差异[7]。

2.3 发文机构分析

通过对所选文献的发文机构分析后得到图3发文机构共现知识网络图谱，从图中可以看出，这些发文机构以高等院校为主，各个机构之间的连线不多，说明彼此之间的合作较少。北京师范大学教育学部、陕西师范大学教育学院、北京师范大学远程教育研究中心、武汉大学信息管理学院、北京师范大学教育技术学院这五个发文机构与其它研究机构之间存在明显的合作关系。另外，北京师范大学远程教育研究中心这个节点相较于其他主要的发文机构节点连线较多，且北京师范大学教育学部和北京师范大学远程教育研究中心所发表的关于在线学习的文章也被其他发文机构所引用，表明北京师范大学在这一研究领域处于一个较为重要的地位。其他的机构彼此之间合作交流较少，主要的发文高校彼此之间也没有明显的合作关系，这不利于深入开展在线主动学习研究，各大高校之间应该加强合作，增加交流与沟通，相互借鉴，为研究者提供更好的交流平台，共同学习探讨研究前沿问题。

通过对核心发文机构的发文量统计后得到排名前十位的发文机构统计表（见表2）。从表中可以看出北京师范大学教育学部以5篇文献排名第一，陕西师范大学教育学院、北京师范大学远程教育研究中心、清华大学教育研究院各发文4篇，排名第二。这10个发文机构都是高等院校，其中6个是师范类院校，且这些发文机构大多是高校中的教育学部或者教育学院，有2个是信息管理学院和信息技术学院，学者的研究方向均与教育有关；北京师范大学关于这一研究领域的发文量总体排名第一。由此可见，师范类院校更加关注学习者在线主动学习问题，研究成果也具有一定的领先地位，这也符合在线主动学习隶属于教育研究范畴的事实。

3 研究热点分析

为了进一步把握在线主动学习的研究成果，对关键词进行频次统计和聚类分析，选取词频大于等于3的前十个关键词，得到排名前十的关键词统计表（见表3）和关键词聚类图谱（见图4）。从教育传播的角度分析，有效的教学传播活动与教师、学习者、教学媒体、教学内容密切相关，排名前十的关键词涉及教学传播要素、传播模式、传播效果以及原因分析。“在线学习”“主动学习”“学习动机”的词频排名位于前三，说明主动学习与学习动机密切相关，学习动机的高低影响着主动学习的效果，故在研究主动学习时往往离不开学习动机问题。“在线教学”“在线教育”分别位列第5和第7，显而易见，在线学习的研究既包括教师的教也包括学生的学。“影响因素”“学习分析”“翻转课堂”“学习投入”“深度学习”虽然不是检索主题词，但排名均在前十，说明在线学习效果不容乐观，深入挖掘在线主动学习影响因素已经成为当前的研究重点，如何利用学习分析技术从在线学习产生的多模态数据中获取有用信息是目前研究者们在不断探索的问题。在线学习投入水平是衡量学习者在线学习效果的因素，提高学习投入度是当前用来改善学习者在线学习效果的有效措施，引导在线学习者从浅层学习进入深度学习成为教师在日常教学中培养学习者学习力的一个重要取向。翻转课堂则是当下有效利用数字资源开展好课前、课中和课后学习的主要教学模式。除此之外，“信息素养”“MOOC平台”也以单独的聚类呈现，作为技术因素直接影响在线主动学习。

3.1 在线教育中的技术要素

信息技术作为媒体引入教学中，对学习环境、教学方式以及评价手段等多方面产生深刻变革。首先，技术使学习环境从物理空间和社会空间向物理空间、社会关系空间和信息空间的转型[8]。网络技术让时空分离的在线教学、混合式教学变成现实，新冠疫情下，更是凸显信息技术在教育教学中的重要作用。基于移动技术、虚拟现实技术、人工智能技术、大数据技术的学习环境应运而生[9]。张屹等（2016）对比分析了在移动学习环境和传统学习环境下分别实施APT教学模型后的教学效果，发现在移动学习环境下使用APT教学模型能够有效提高学习者的学习兴趣与学习成绩[10]。利用新技术教学可以提高学习投入度和学习动机，学习者更愿意开展主动学习。王翠如等（2021）通过收集分析学习过程中产生的多模态数据发现，与传统在线学习环境相比，在虚拟现实环境下，学习者的学习投入和学习成绩均高于传统的在线学习环境[11]。在虚拟现实的学习环境下，学习者更愿意进行主动学习。其次，技术优化了在线学习评价。基于教育大数据的在线学习评价，不仅能够降低评价成本、精准评价学习者的学习过程和结果，促进个性化学习，还可以提高评价质量、评价效率。上超望等（2018）认为，过程性评价要以学习者的发展为出发点，综合考虑学习动机、学习过程以及学习效果三个维度，三者有机结合，激发学习者的学习动机、优化学习过程、提高学习质量[12]。再者，技术支持的学习分析更加精准地给学习者画像，实现个性化决策，激发学习动机。孙发勤等（2020）利用画像技术对在线学习者特征、学习风格、学习准备以及行为特征进行建模分析，采用测量学习者内在动机的方法对学习者的学习准备情况开展研究，认为学习动机高的学习者通常能够取得成功[13]。

3.2 在线教学中的教师要素

在线教学中，教师不仅是知识的传授者，也是学习者反馈信息的主动接收者。时空分离的在线教学要求教师要具备良好的信息素养，不仅能够使用信息技术顺利开展线上教学，还要开展好教学，达到同质等效。文学舟等（2019）在探究影响自主学习的因素后发现，教师的教学方式和教学水平对学生的自主学习有着积极的影响作用，认为教师要不断提高自身专业素养，使用优质网络教育资源开展教学活动，培养学习者的自主学习能力[3]。相较于传统教学，师生之间互动性不强是影响在线主动学习行为的重要因素，增加互动环节可以降低学习者的孤独感，提高学生的学习兴趣。丁飞己（2020）通过分析“中国本科教与学调查”数据，发现教师的教学方法、师生之间的互动是影响学习者主动学习水平的重要因素，师生互动满意度越高，学习者的主动学习水平也越高[14]。后疫情时代下，混合式教学常态化，教师支持显得更加重要，混合式教学模式中的交互活动成为影响学习者学习主动性的关键。沙景荣等（2020）从在线学习的教师支持、交互活动、教学方法三个方面设计混合式教学，探究教师支持行为对学习者学习投入水平、学习动机的影响，并分别从线上教学活动、线下教学活动分析教师的支持策略，证实教师支持策略对学习投入水平和学习动机都有显著影响[15]。

3.3 在线学习中的学习者要素

学习者是学习的主人，其主体意识直接决定学习行为和学习投入，影响学习效果。学习者的信息素养是学习效果的第一道门槛，与教师开展线上教学一样，学习者需要具备一定的信息素养，确保能够参与在线教学活动，包括接收信息和反馈信息。信息素养较低的学习者，参与在线学习比较困难，在线学习兴趣也较低，学习主动性不足。胡小勇等（2020）基于“3P”分析框架建立了在线学习影响因素关系模型，研究学习者的信息素养、学习投入、学习动机等要素之间的关系，证实学习者的信息素养对学习动机、学习投入均存在正向影响[16]。万昆等（2020）运用问卷，调查在线学习现状，发现学习者的计算机自我效能感较低，通过提高学习者的信息素养能够改善在线学习效果[1]。学习动机与主动学习行为之间联系紧密，在线学习动机的提高可以促进学习者的主动学习。早期对在线学习动机的研究主要是结合网络课程与网络平台，牟智佳等（2013）构建了网络学习动机影响因素结构模型，在Moodle平台开展教学，分析学习者网络学习动机的影响因素，研究表明同伴交流与反馈对在线学习动机有直接正向影响，学习焦虑有直接负向影响，并从平台、教师、课程设计与学习者四个方面提出了增强在线学习动机的方法策略[17]。文学舟（2019）从教师、学生、环境三个方面构建结构方程模型，探索影响自主学习的影响因素，研究证实了学习动机、学习行为都会影响学习者的自主学习[3]。在线学习会受到学习环境的影响，时空分离情况下，师生、生生之间缺乏面对面交流，学习者容易产生孤独感，这将影响在线主动学习意愿和在线学习效果的质量。王绍峰等（2020）基于混合学习理论以及技术接受模型，构建了在线主动学习意愿影响因素模型，利用偏最小二乘结构方程法进行分析，发现学习者的学习态度对在线主动学习意愿有着积极的影响，而疫情期间的社会隔离性则存在消极影响，通过提高学习者的学习态度、降低社会隔离感可以提高学习者的在线主动学习意愿，主动学习行为更容易发生[5]。