不同学习风格类型的大学生在线学习适应性研究

[摘要]采用定量与定性相结合的研究方法，以上海某师范大学本科生为研究对象，通过Kolb学习风格量表和大学生在线学习适应性量表来收集数据，调查研究大学生不同学习风格类型对在线学习的适应性，从而发现在线学习适应性良好学习者的共同特性。结果表明，个案学校大学生在线学习适应性较差，学习动机和学习态度主要影响了大学生在线学习适应性。而且，不同学习风格类型学习者在线学习适应性有着显著差异，其中发散型学习者最适应在线学习，而这样的差别主要存在于学习者反思观察、具体经验和抽象概括的过程中。研究者根据研究结果，对自适应学习系统设计、学习者和教师提出相关建议。

[关键词]在线学习；学习风格；适应性

[中图分类号]G64   [文献标识码]A   [文章编号]1005-4634（2023）06-0001-10

2020年年初，为了更好地控制新型冠状病毒肺炎疫情，教育部发文要求采取政府主导、高校主体、社会参与的方式，实现“停课不停教，停课不停学”，从而保障高校疫情期间的在线教学^[1]。疫情的冲击使得在线学习受到国内外高校越来越多的关注，而大学生对在线学习的适应性成为热门的研究议题。虽然近年来我国大学生的手机上网普及率几乎已达到百分之百，并且可以熟练使用在线学习软件，但研究显示大学生对在线学习的适应性尚存在问题^[2]。可见，要提高网络教学质量和大学生网络学习效果，不能单单只解决技术上的困难。

然而，传统的在线学习系统并未考虑学生的学习风格差异，而是提供相同的学习支架、学习路径和学习策略，这很容易导致拥有不同信息加工方式的学习者对在线学习存在着学习适应性问题。《2020地平线报告》指出，自适应学习技术将成为未来发展的新兴技术之一^[3]，而学习风格可以很好地描述学习者的学习方式和学习特征，这也是在设计自适应学习系统时考虑学习者画像与学习者建模的重要指标。本研究以上海某师范大学的高校生为例进行问卷调查，研究问题如下：（1）大学生在线学习适应程度现状如何？（2）在线学习环境下，学习者的学习适应性是否因其学习风格的不同而变化？

1文献回顾

1.1学习风格（learning style）

学习风格最早于1954年由Herbert Thelen提出，他定义学习风格为“学习者在长期的学习活动中表现出的一种具有鲜明个性的学习方式和学习倾向”^[4]。但长期以来，不同学者对学习风格的定义有所不同，例如有些学者认为学习风格是学习策略和学习倾向的总和^[5]；有些学者认为学习风格是某种行为表现方式 ^[6]；有学者认为学习风格是某种信息加工方式[7]。虽然定义的侧重点不同，但都指出：（1）学习风格因人而异；（2）学习风格受外部环境的影响；（3）学习方式会影响学习行为。本研究采用了Kolb的定义：“学习风格是一个人偏好的感知与加工信息的方法”^[7]。

Dunn从影响学习效果的因素角度，将学习者的学习风格分为5个大类，并且每类都分为多个子类别。但由于该模型分类涉及到学习环境的声音、光线、坐姿，或是结伴学习、独立学习等外部要素，并不适合作为在线学习者的学习风格模型^[8]。Felder-Silverman的学习风格理论从学习者信息加工方面分为活跃型和沉思型；信息感知这一层次分为感悟型和直觉型；从信息输入角度分为言语型和视觉型；从信息理解角度分为综合型和序列型。从学习过程周期角度来看，Kolb根据经验性学习理论模型划分出4种类型的学习风格，并且针对每一种学习风格类型都解释了该类型学习者具有怎样的学习表现^[9-10]。由于Kolb学习风格理论是依据学习者学习过程中的偏好来归类在线学习者的学习风格的，与本研究探究的学习者在线学习风格相符，因此本研究以Kolb的学习风格理论为理论基础，将学习者类型分为同化型、发散型、顺应型和聚敛型。

1.2自我调节学习 （self-regulated theory）

自我调节学习理论最早是由Zimmerman提出的，是指学习者在一定程度上从元认知、动机和行为方面积极主动地参与自己学习活动的过程^[11]。并且他在Bandura的社会学习理论的基础上提出了自我调节学习的三维模型，如图1所示。该模型从个体因素、环境因素和行为因素3个方面讲述自我调节过程。他认为个体通过自我效能感和元认知策略，监控和管理自己的目标和情感，这是对内部的自我调节，同时也会通过学习行为进行自我观察、自我判断、自我反应。个体也会对学习环境做出监控和调节，寻找有利于提高学习效率的环境和榜样，与此同时3个关系相互关联，共同影响着学习者的自我调节^[12]。

由于在线学习环境比传统的面对面或混合学习环境更具自主性^[13]，因此学习者在线学习时能否根据自我调节来适应在线学习变得尤为重要。而具备自我调节学习能力的学生会对自己的学习过程和策略有清晰的认知，并会采取积极的方式适应学习环境的变化。有研究指出，疫情期间学习者的学习效果不尽如人意，当学习过程的外部调节较少时，自我调节学习对于学习者的成功就显得尤为重要，因为学习者必须在更大程度上管理自己的学习^[14]，所以研究学习者在线学习适应性十分重要。

1.3在线学习适应性相关研究

国内学者研究网络环境下的大学生适应性多从影响因素入手，如邓隽以网络环境下大学英语学习者为研究对象，从学习者、学习资源、学习环境、教师4个角度研究其对学习者的自主学习适应性的影响^[15]；秦超基于翻转课堂，分析了影响学习适应性的3个因素：学习主动性、信息素养和认知前提特征^[16]；蒋成凤则建立了网络学习者学习适应性的关系模型。由此可以看出，研究影响大学生的学习适应性因素多从环境和学习者本身特征入手^[17]。通过前期研究发现，国内针对网络学习适应性量表的研究并不多，张萌编制了理工类学生网络学习适应性量表^[18]；董燕结合文献回顾和我国学生学情编制了大学生学习适应性问卷^[19]。由于疫情影响，很多学者开始关注学生在线学习的适应性以及学习适应性与学习者学习绩效、学习倦怠等的关系，并且研究如何开发更适合的在线教学平台^[20]。

如上所述，自我调节学习理论为“以学习者为中心”的在线学习方式提供了良好的理论基础。在线学习更是将教学的主体放在了学习者身上，并通过激发学习者的内在动机，让学生通过自主学习和协作学习的方式获取知识，而这必须在充分了解学习者基本特征的基础上进行。互联网科技飞速发展，在线课程和资源逐步发展完善，但大量研究表明超过半数的学习者不适应在线学习。如复旦大学超过半数的在线学习者至今仍无法适应这种教学形式。学习适应是一个长期的自我调整过程，因此对中、高年级大学生的学习适应研究也是相当必要的^[21]。本研究从学习者基本特征出发，分析大学生的学习风格，探究其在线学习适应性，以期发现不同学习风格类型对在线学习适应性的影响^[22]。通过学习者用户模型的构建，帮助在线平台搭建更适合不同学习者的自适应学习平台。

2研究方法

2.1研究对象

本研究以上海某高校本科生为研究对象，采用分层抽样方式发放调查问卷，回收问卷共计271份，去除无效问卷6份，最终将 265份有效问卷作为本研究分析样本，有效回收率为97.7%。其中，男生42份，占比15.8%；女生223份，占比84.2%。大一学生47份，占比17.7%；大二学生56份，占比21.2%；大三学生79份，占比29.8%；大四学生83份，占比31.3%。

2.2研究方法

本研究采取混合研究法，首先通过研究国内外大学生在线学习适应性的相关文献，了解国内外研究进展；通过问卷进行学生学习风格和在线学习的适应性调查；最后辅以半结构式访谈，进一步了解大学生对在线学习环境下的学习适应性以及在线学习环境的改进意见。

2.3研究工具

学习风格类型的研究主要采用了Kolb学习风格量表（the learning style inventory），它是一种被广泛使用和引用的问卷工具^[23]。Kolb于1985年修订的学习风格量表，由12道题目组成，每个题目由12个句子描述学习者如何学习，要求被试者从最符合、比较符合、比较不符合、最不符合自己的依次得分。本研究引用中文版谭顶良所著《学习风格论》一书中所给出的版本^[24]。LSI根据被试者填写答案的结果可以得到横纵坐标，纵坐标代表“学习过程中偏好具体的经验／抽象的概念”，横坐标代表“学习过程中偏好主动实践／沉思观察”，并由坐标划分出的4个象限来划分4个学习风格的学习者。研究表明，修订版的信度和结构效度提高，信度平均值为0.82，说明该问卷是一个稳定的工具^[25]。

对于大学生在线学习适应性的研究采用董燕于2020年编制的在线大学生适应性量表^[19]，该研究问卷将大学生线上学习适应性影响因素概括为5个：学习能力、学习环境、学习态度、教学模式、学习动机。量表的内部一致性系数为0.94，间隔2周再测信度为0.995，且具有良好的内容效度和结构效度。在前测过程中随机抽取50名学生样本结果进行分析，利用SPSS 25.0计算所得数据的克隆巴赫α系数（Cronbach’s α），以此测试问卷的可靠度，结果如表1所示。问卷α系数各个题项都大于0.80，则表明问卷的信度是可接受的。

访谈部分采用半结构化式访谈，选取8名学生根据大学生适应量表的5个维度（学习动机、教学模式、学习能力、学习态度、学习环境）来进行访谈，进一步挖掘学生的态度与观点。

2.4数据分析

本研究使用SPSS和Python软件对数据进行统计、检验与分析，主要使用频数、平均数、百分比和标准差等，来了解回收样本的基本情况，学习者的学习风格和在线学习适应性的基本情况，以及学习者学习风格对在线学习适应性的影响程度大小；通过非参数检验，了解不同学习风格类型的学习者，对于在线学习的适应性是否存在显著差异；利用Pearson相关系数研究学习风格与在线学习适应性是否存在相关关系。对于本研究中访谈部分的分析，借助NVivo12.0完成，主要针对问卷中未涉及到的问题进行分析，探究学习者学习适应性较弱的原因。NVivo是一个高效率的质性分析软件，采用编码的方式，帮助研究者筛选材料中的关键语句信息，从而进行更深入的分析^[26]。

3结果与分析

3.1大学生在线学习适应性现状

（1）学习者对在线学习适应性的基本情况。调查对象线上学习适应总平均分为2.65分，总体适应水平较低；各因素中学习能力平均得分2.47分，学习环境平均得分2.47分，学习动机平均得分2.84分，教学模式平均得分2.67分，学习态度平均得分2.95分。说明虽然学习者有着较高的学习态度或动机，但教学模式、学习环境和学习能力都未能很好地适应在线学习这种方式。结合因子解释的总方差，经Delphi法确定各因子的权重为：学习能力0.29、学习环境0.22、学习态度0.21、教学模式0.15、学习动机0.13。为清楚了解学生线上学习适应水平，按照适应水平很高（得分S≥4.25）、适应水平较高（3.5≤S＜4.25）、适应水平一般（2.75≤S＜3.5）、适应水平较低（2≤S＜2.75）、适应水平很低（S＜2）得出学生适应情况，并对数据进行描述性分析。适应水平很高的学习者人数为0；适应水平较高的占2.3%；适应水平一般的占47.2%；适应水平较低的占40.0%；适应水平很低的占10.2%。发现大部分学习者适应水平一般，没有适应水平很高的学习者。

（2）不同年级学习者对在线学习的适应性差异。对不同学龄段的学习者在线学习适应性进行均值对比，结果如图2所示：4个学龄段的在线学习适应性相差不大，都处于2～2.75区间，适应性水平较低。大一的学习者适应水平均值较高一些，可能由于该年龄段刚进入大学生活，学习态度较为积极。