本报告系2020年浙江省教育科学规划“疫情与教育”专项课题《数据驱动下面向全过程的线上教学质量控制研究》的阶段性成果公报，课题编号：2020YQJY257。课题负责人张忠良。
摘要：【目的/意义】针对新冠肺炎疫情期间，各高校广泛开展的在线课堂学习模式，研究新冠肺炎疫情期间大学本科生在线课堂学习效果的影响因素，丰富现有在线学习理论体系，为重大公共卫生事件下提升本科生在线学习效果提供借鉴意义；【方法/过程】在学生感知的基础上，首先利用问卷进行调研，提取37个本科生在线课堂学习效果的影响因素并构建了假设模型；然后通过调查问卷收集样本数据，并利用SPSS进行数据分析，验证假设模型；【结果/结论】最终构建本科生在线课堂学习效果影响因素模型，包括7个影响维度，分别是疫情舆情与防控措施、外界干扰与家庭环境、学生主观因素与认知能力、课程特征、教师特征与教学习惯、平台特征、平台功能设置与运行稳定性，并提出一些优化建议。
关键词：在线课堂；学习效果；影响因素；新冠肺炎疫情；本科生
1 问题提出
此次新型冠状病毒疫情（以下简称新冠疫情）期间，教育部印发《关于疫情防控期间做好高校在线教学组织与管理工作》指导文件，要求采取政府为主导、高校为主体、社会参与的方式，共同实施和保障国内各高校顺利开展在线课堂教学，实现“停课不停教、停课不停学”的战略目标[1]。为落实教育部的相关要求，各高校认真做好疫情防控工作，积极筹备在线授课和在线学习等在线教学活动，采用多种网络平台进行教学活动，包括超星网络教学平台、QQ直播平台、钉钉会议/网课平台等，网络教学形式也多种多样，包括直播、录播、MOOC以及提供在线学习资料等。
已有研究表明，在传统的线下课堂学习模式下影响学生学习效果的因素有很多，包括教学活动参与者、教学环境、教学内容、教学过程以及教学结果等[2, 3]。然而，与线下课堂不同，在线课堂情境下学生可以通过回放等操作学习教学内容；线上教学过程中师生所处的情境也不同；线上教学可以采用更加灵活的教学方式，如直播、录播、线上讨论等；线上教学的资源更加丰富，包括案例、电子书、音频、视频等。因此，线上教学具有时空异质性、情境多样化、形式灵活性、内容丰富性等特征，影响学生线上课堂学习效果的影响因素更加复杂，现有关于本科生在线课堂学习效果影响因素的研究已不适用于当前情形。此外，受到公共卫生事件冲击，在线课堂学习效果也受到诸如疫情相关舆情造成心理压力、长时间使用网络的疲惫感、居家学习外界干扰较大等学生层面因素的影响。
基于此，本文针对重大公共事件下高校本科生在线课堂学习效果影响因素展开研究，基于学生感知视角提取并总结疫情期间本科生在线课堂学习效果影响因素，构建疫情期间本科生在线课堂学习效果影响因素模型，针对具体方面进行优化，从而提高本科生在线课堂学习效果，促使在线课堂学习模式持续发展。
2 文献综述
高等教育质量的最终体现，是促进教育主体—学生在知识、能力、素质等方面得到全面发展，重视学生学习效果是国内外高等教育发展和质量保障的必然趋势。为理清学习效果影响机制，促进高等教育高质量发展，学者们从不同维度出发对高校学生学习效果影响因素进行深入研究，主要包括不同教学模式[4, 5]与学习方式[6]下的学习效果影响因素；学生层面[7-14]与教师层面[15, 16]的学习效果影响因素；学习过程涉及的影响因素[17-19]；教育软件技术[20-22]以及教学资源的呈现方式[19]对学习效果的影响因素等。
近年来，随着互联网技术的发展，在线教育模式逐渐兴起，与传统教育模式“以教师为中心、以教室为中心、以教材为中心”的被动式学习相比，在线教育不再局限于单一的教学资源，具有跨时空性，并且更加注重学生学习行为的自主性，因此对于在线学习者的学习效果研究与传统线下模式也有很大差异。
由于在线教育强调学生的自主学习，诸多学者从学生层面出发研究学习效果的影响因素，其中沈欣忆等则基于知识情境化理论和同伴评价的方式，设计了一系列策略提升学生的学习参与度和学习热情，从而深化学生的知识学习，为进一步的学生在线学习的参与度和学习效果的策略探究提供有益参考[7]；而Kim等的研究则表明学生的学术参与度与数字技能在大学在线学习环境中对学生学习效果具有显著作用[12]。也有学者从教师层面对学习效果影响因素进行研究，赵呈领等架构在线学习中教师情感支持的框架，从而探究教师情感支持对学习倦怠的影响，研究表明学习者感知的教师情感支持对学习者的学习倦怠有缓解作用，进而提高学习者学习效果[16]。还有学者从在线学习过程中学习行为着手研究学习效果的影响因素，李葆萍等从课堂实际应用的角度，利用自带设备和班级QQ群，探讨了自带设备环境下在线交流行为和学习效果之间的关系，表明使用在线设备进行交互对于学生参与度的增强有促进作用[17]，进而提高学生学习效果。学者还从在线教学模式、在线学习方法、教育软件技术以及在线教学资源呈现方式等方面对学习效果的影响因素进行研究，为后来的学者提供研究思路。
基于对上述文献进行梳理和总结，发现国内外学者对在线学习研究较为深入，但对于在线课堂学习效果影响因素研究较少，缺乏学者分析重大公共事件下高校本科生在线课堂学习效果影响因素。因此，本研究基于学生感知视角提取并总结疫情期间本科生在线课堂学习效果影响因素，有利于完善在线课堂学习模式理论体系；同时，根据我们构建的疫情期间本科生在线课堂学习效果影响因素模型，可针对具体方面进行优化，从而增加学生满意度，增强学生使用意愿，提高学生学习效果，促使在线课堂学习模式持续发展。
3 影响因素分析
3.1 影响因素提取
为了保证提取的因素较为全面、合理，笔者首先参考相关文献，并根据疫情期间在线课堂学习特征进行总结，初步确定了36个影响因素，具体见表1。
在确定影响因素后，开始设计问卷，并利用网络对问卷进行发放，在进行预调研后，结合反馈对调查问卷、影响因素进行调整和修改，增加平台回放功能、平台交互功能两项指标，最终确定38个影响因素，并对影响因素进行了严格界定，具体见表2。
3.2 构建影响因素假设模型
基于本科生感知视角确立在线课堂学习效果影响因素后，根据每个影响因素特征对其进行维度划分，即疫情信息传播与防控措施、外界干扰与家庭环境、学生主观因素与认知能力、课程特征、平台设计与功能设置、教师特征、教师行为表现七个维度，并依据其构建在线课堂学习效果影响因素假设模型，具体见图1，然后利用问卷调查收集样本数据，验证假设模型。
3.3 数据收集与分析
根据38个在线课堂学习效果影响因素，设计调查问卷，问卷内容分成三部分，第一部分是个人基本信息，包含性别、专业、年级、综合成绩排名；第二部分是关于在线课堂学习的认知与看法，包括在线课堂学习经历、抗拒程度及原因、认可程度、最佳时间段；影响因素部分则采用李克特量表的方式进行打分，分值设置为1-5分，分别对应没有影响、影响较小、一般影响、比较影响、非常影响五个选项。此次调查对象为本科生，由于互联网的便捷性，回收速度快，因此本次调查问卷采用线上方式进行数据收集，最终回收问卷750份，经过筛选得到有效问卷744份，问卷有效率达到99.2%，此次问卷收集合格。
3.3.1 样本描述性统计
对有效问卷的数据进行分析后，得到调查样本在性别、专业、年级、成绩排名的分布情况，具体见表3。
通过表3的数据表示，在性别方面，此次调查结果为男生297人，女生447人，分别占比39.92%、60.08%，可以看出，男女性别比例存在一定差距，但在合理范围内；在专业方面，调查对象主要分布在经管类与理工类，这主要是由于问卷发放院校不止一所，其中经管类与理工类院校占据多数，故基本符合专业分布；在年级方面，大四年级学生略少于其他三个年级，这有可能与毕业班学生课程较少，忙于毕业事宜，对于在线课堂学习效果并不那么关注，因此愿意填写问卷的人数相对较少；在成绩排名方面，占比略高的为10%-40%、40%-80%两个阶段，基本符合成绩排名正态分布，同时成绩占班级前10%的学生比例也不少，这说明成绩优秀的学生对于在线课堂学习机制的完善较为关注；此次调查对象是本科生，说明被调查者具有一定学历背景，有能力对问卷的问题做出正确理解，如实、准确填写问卷，在一定程度上保证了问卷数据的回收质量。此外，通过查看调查对象的IP地址，可以发现，样本数据地域具有广泛性，这在一定程度上保证了样本数据具有代表性。
3.3.2 影响因素数据分析
对样本数据进行平均值、标准差，最大值及最小值进行统计分析。以本科生作为调查对象，对问卷进行填写，其中已剔除填写时间过短的答卷，因此平均值和标准差在一定程度上可以反映每个影响因素在调查对象心中的重要程度以及一致性程度。利用SPSS对样本数据进行分析后，每个影响因素的平均值、标准差等见表4。
根据表4的数据显示，每个影响因素的分值1-5分都有分布，这说明每个人关于每个影响因素对在线课堂学习效果的影响程度存在一定的认知差异。从表4的平均值一栏可知，影响因素的平均值在1.874-3.267之间分布，其中平均值低分学校防控措施1.874、社区防控措施为1.899、应急响应等级1.996，这说明它们在学生心中的影响作用相对较小；平均值高分为专注力3.267、平台运行稳定性3.247、课程学习兴趣3.206，这说明它们在学生心中影响作用相对较重；从表4的标准差一栏得知，影响因素的标准差基本大于1，说明学生之间的意见不一，存在分歧。
3.4 模型验证
3.4.1 信度与效度检验
信度是检验数据稳定性或一致性的指标，一般而言，系数大于0.9就说明数据十分理想。利用SPSS对数据处理得到信度值，具体结果见表5。
信度系数值为0.970，大于0.9，因而表明收集的数据信度质量较高。
效度研究用于分析研究项是否合理且有意义，一般以KMO与Bartlett 数值为依据，具体结果见表6。
使用KMO和 Bartlett 检验进行效度验证，从上表可以看出：KMO值为0.964，KMO值大于0.8，研究数据效度较好，而且在0.000的情况下具有显著性，这说明数据之间具有一定的关联，适合进行因子分析。
3.4.2 因子分析
采取最大方差法对载荷因子进行正交旋转，并最终提取出7个公因子，累计贡献率达到74.789%，具体结果见表7，大于要求的累计贡献率60%，这说明适合进行因子分析。
对样本数据进行正交旋转的过程中，设置载荷值为一般要求的最低值0.45，具体结果见表8。根据表8的数据显示，喜爱程度在因子1中的载荷系数比在因子4中的高，但是喜爱程度与因子1的影响因素契合度并不高，故删去。
同时原定假设模型中的平台设计与功能设置维度被拆分成两个因子，数据结果和原定假设模型存在一定差异，因此修正原有假设模型。
3.5 影响因素模型修正
上述分析发现，数据结果与原定假设模型存在一定差异，其中平台类型、平台界面设计、平台签到设计划分在因子7中，平台运行稳定性、平台回放功能设置、平台交互功能设置、平台录播功能设置划分在因子5中，为了合理归纳概括因子，对原定假设模型进行修正。
修正结果：因子1包括教师人格特质、教师教学风格、教师教学态度、教师语言表达能力、教师授课形式多元、教师注重交互、教师反馈效率7个影响因素，并且与教师特征及授课行为习惯有关，因此命名为教师特征与教学习惯；因子2包括家庭喧嚣程度、家人工作状态、家庭学习氛围、家庭成员结构、亲疏关系、交流程度6个影响因素，由于新冠疫情期间，学生居家学习，外界干扰主要来自家庭因素，因此因子2命名为外界干扰与家庭环境；因子3包括疫情官方信息、疫情小道消息、应急响应等级、社区防控措施、学校防控措施、家庭防控措施，因此命名为疫情舆情与防控措施；因子4包括学习兴趣、认同感、学习动机、专注力、自主学习能力，其中学习兴趣、认同感、学习动机是学生对于课程内容的主观感受，专注力、自主学习能力是学生学习认知的能力，因此因子4命名为学生主观因素与认知能力；因子5包括平台回放功能设置、平台录播功能设置、平台交互功能设置、平台运行稳定性4个影响因素，命名为平台功能设置与运行稳定性；因子6包括课程类型、课程难易程度、课程资料全面性、课程作业量、课程考核方式、课程时长设置6个影响因素，命名为课程特征；因子7包括平台类型、平台界面设计、平台签到设计，命名为平台特征。
经过对本科生在线课堂学习效果影响因素模型进行修正，最终确立疫情舆情与防控措施、外界干扰与家庭环境、学生主观因素与认知能力、课程特征、教师特征与教学习惯、平台特征、平台功能设置与运行稳定性7个一级影响因子，修正后的模型结构如图2所示。
本科生在线课堂学习效果影响因素模型确立后，对每个因子的信度和效度进行分析，进一步验证模型构建的合理性。结果如表9所示。
表9的数据表明，修正后的模型每个因子的信度和效度值都较高，故修正后的影响因素模型具有一定的合理性。
4结论与建议
目前，在线课堂的教学模式正在不断发展，尤其新冠疫情期间，全国大学生开展线上教学模式，有效解决了大型公共事件下学生教育开展问题，但在实际开展过程中暴露出许多问题。因此，本文借助问卷调查，利用探索性因子分析方法对在线课堂学习效果进行研究，提取了疫情舆情与防控措施、外界干扰与家庭环境、学生主观因素与认知能力、课程特征、教师特征与教学习惯、平台特征、平台功能设置与运行稳定性7个影响因素因子。其中疫情舆情与防控措施体现大型公共事件下在线课堂模式的实时性；外界干扰反映学生居家学习的外界干扰因素；学生主观因素与认知能力以学生作为主体展开研究，是学生在线课堂学习效果的内部影响因素；学生进行在线课堂学习频繁接触的主体是课程以及教师，故课程特征、教师特征与教学习惯也是学生进行在线课堂学习的重要影响因素；平台是学生进行在线课堂学习的载体，因此，平台特征、平台功能设置与运行稳定性是在线课堂学习效果的重要保障。综上，上述7个影响因素因子与大型公共事件下在线课堂学习模式息息相关，直接影响学生在线课堂学习效果。
针对这些影响因素，逐一进行改进，以促进学生在线课堂模式改善，提高学生在线学习效率。此外，本文研究也存在一定的研究局限性，在后续研究中应该细化在线课堂学习类型从而更加系统地构建影响因素模型。
最后，根据研究结果给出以下几点建议：
（1）关注学生心理健康，适当开展心理疏导。
发生重大公共事件时，舆情走向会影响学生心理，进而影响学生在线学习的效果，因此国家可通过官方媒体报道相关信息，正确引导公众理性、冷静对待突发事件；对于社交网络舆情传播，应该加强审查机制，严格处理未经验证散步谣言者；同时，学校应该在防控措施中加入心理疏导，帮助学生正确看待新冠疫情，安心投入在线学习；所在社区应准确宣传疫情相关信息，定期入户调研居民状况。
（2）在线课堂时间设置要适中，考核方式应该更为合理。
在线课堂模式下，对学生自主学习能力要求较高，教师无法实时维持课堂习氛围。在线学习相对比较自由，自制力较差的学生容易被课堂之外的网络咨询吸引注意力；同时，由于居家学习，学生更容易在上课期间受到家庭环境因素的干扰，导致专注时长缩短，因此，在线课堂单节课时长应该比线下教学模式短，可适当延长课间休息。新冠疫情期间，学生居家学习，没有严格作息时间限制，学生容易晚睡早起，所以上课时间段可做适当调整，以便更好适应教师与学生作息，提高学习效率。
在线课堂无法达到线下教学的监督水准，因此，可以考虑在考核方式做出调整，以便更好约束学生，令学生更加积极对待平时的课堂学习，避免消极懈怠的情况出现。
（3）加强教师培训，提高教师在线教学能力
此次疫情期间，学校开展线上教学模式，由于在线教学并未普及高等教育，因此许多高校教师并没有在线教学的经验，然而，研究结果表明，教师特征与教学习惯是学生在线课堂学习效果的重要影响因素，可见教师掌握在线教学的相关技能十分必要。同时，教师很好的适应在线教学模式以及展现自己的教学风格能够有效帮助学生进入在线课堂学校状态。因此，安排教师培训项目，能够有效提高教师在线教学能力，诸如教学形式更为多元、注重交互等教学技巧。
（4）保证在线课堂学习资源质量，优化信息资源建设
保证在线课堂学习资源质量，可以有效提高学生在线学习效果，疫情期间，学生居家学习，根据调查显示，部分学生认为使用纸质教科书对于在线课堂学习效果有促进作用，因此，学校可采取相应措施为学生配备对应纸质教科书，同时，在线课堂模式下，学习资料形式更加多元，任课教师准备的教学资料可以有多种形式，是学生全方位理解教学内容的有利条件。
（5）注重系统运行维护，保证在线课堂顺利进行
在线课堂学习必不可少的载体是学习系统，系统运行稳定，能够有效保证在线课堂顺利开展，因此，在技术方面，在线课堂平台要加强系统运行维护，同时注重技术研发与创新，提高系统运行流畅度与稳定性，以改善教师与学生的体验感。
（6）优化界面设计，完善平台功能
在线课堂主要借助信息技术平台开展，与线下教学有很大不同，学生主要通过线上平台进行学习活动，感官上视觉感应占据比较大的比重，因此，美观、精致、有趣的界面风格更能吸引学生注意力，带给学生视觉享受；在线课堂模式下，学生学习活动主要在线上开展，在线课堂学习平台需要具备学习活动开展的一系列功能，包括交互功能、监督功能等，功能设置越齐全，教师与学生体验感越好，在线课堂学习代入感越强。
（7）推进个性化服务，针对学生特点进行教学开展
服务个性化是推进在线课堂学习效果的发展趋势，服务人性化是提高在线课堂学习满意度的必要举措。由于学生的个人学习情况不一致，学习兴趣点也存在差异。这些决定了平台在为学生提供在线学习服务时，要针对学生的个性化特征而采取不同的举措与推荐内容。在线平台应为学生建立个性化档案，记录学习活动与成果，利用人工智能技术，识别学生的学习需求，制定个性化在线课堂学习方案；平台服务人性化是提升用户满意度的一种方式，在线课堂学习平台应关注学习成绩中下游的学生需求，有针对性的提供相应服务。
综上所述，通过对本科生在线课堂学习效果影响因素的研究，能够丰富在线课堂学习模式理论体系，为以后的研究提供一定的参考作用。
参考文献
[1]教育部.教育部印发指导意见疫情防控期间做好高校在线教学组织与管理工作[OL].中华人民共和国教育部政府门户网站,2020(2).
[2]刘选会,钟定国.大学生专业满意度、学习投入度与学习效果的关系研究[J]. 高教探索,2017(2): 58-63.
[3]高筱卉,赵炬明.关注学习效果:建设全校统一的教学质量保障体系——美国“以学生为中心”的本科教学改革研究之五[J].高等工程教育研究,2019(3):5-20.
[4]李彤彤,庞丽.翻转课堂教学对学生学习效果的影响研究——基于37个实验和准实验的元分析[J].电化教育研究,2018.39(5): 99-107.
[5]熊煜,朱红.“大班授课、小班研讨”教学模式效果研究[J].中国高教研究,2016(1):42-47.
[6]李玉斌,宋金玉.游戏化学习方式对学生学习效果的影响研究——基于35项实验和准实验研究的元分析[J].电化教育研究, 2019.40(11): 56-62.
[7]沈欣忆,胡雯璟与H. Daniel.提升在线学习参与度和学习效果的策略探究及有效性分析[J].中国电化教育,2015(02): 21-28.
[8]张晓蕾,黄振中与李曼丽.在线学习者“交互学习”体验及其对学习效果影响的实证研究[J].清华大学教育研究,2017. 38(02): 117-124.
[9]陈敏,魏署光.本科生学习效果影响机制研究——基于华中科技大学ＳＳＬＤ的分析[J]. 高等工程教育研究, 2016(2):167-173.
[10]刘声涛,徐丹与唐园.研究型大学学生类型及其学习效果——基于H大学本科生就读经历调查数据的实证分析[J]. 高教探索,2019(3):22-29.
[11]马昱春等.MOOCAP学习者在线学习行为和学习效果评价模型研究[J]. 中国远程教育, 2019(7):38-93.
[12]Kim, H.J., A.J. Hong and H. Song,.The roles of academic engagement and digital readiness in students’achievements in university e-learning environments[J]. International Journal of Educational Technology in Higher Education,2019.16(1).
[13]Azhari, F.A. and N.N. Jasmi.Students ’ Perceptions about Social Constructivist Learning Environment in e-learning[J]. Indian Journal of Pharmaceutical Education and Research, 2020(2):271-278.
[14]Sun, P., et al. What drives a successful e-Learning? An empirical investigation of the critical factors influencing learner satisfaction[J]. Computers & Education, 2008. 50(4): 1183-1202.
[15]李爽,钟瑶.在线教师教学投入对学生学习绩效的影响——基于教师和学生的视角[J]. 开放教育研究, 2020(6):99-110.
[16]赵呈领等.消除在线学习者倦怠:教师情感支持的影响研究[J].中国电化教育,2018(2): 29-36.
[17]李葆萍,淮瑞英.自带设备环境中的学习行为与学习效果研究——以“程序设计”课程为例[J].现代教育技术,2017(7):26-32.
[18]熊曦等.基于归因理论的大学生网络学习行为和学习效果研究[J].当代教育论坛,2017(2):85-92.
[19]Ćukušić, M., et al. e-Learning process management and the e-learning performance: Results of a European empirical study[J]. Computers & Education, 2010. 55(2):554-565.
[20]赵东伟,刘洋.教育软件对学习效果的影响——基于38项实验和准实验的元分析[J].中国远程教育,2020(3):58-64.
[21]胡永斌,倪慧文.增强现实技术能促进学习吗——基于2010-2018年国际英文期刊35项研究的元分析[J].开放教育研究,2019.25(1):62-72.
[22]Wang, L., et al., Usability factors predicting continuance of intention to use cloud e-learning application[J]. Heliyon, 2019. 5(6): p. e01788.
[23]曹建霞等.教学视频中教师呈现方式对学习者社会存在感和学习效果的影响[J].现代教育技术,2017(7):75-81.