賈利鋒 李海龍

[摘? ?要] 基于探究社區(qū)理論，探討影響在線學(xué)習(xí)認(rèn)知形成的各種臨場感因素，構(gòu)建結(jié)構(gòu)關(guān)系模型，并對各臨場感的結(jié)構(gòu)關(guān)系進行相關(guān)、多重中介、調(diào)節(jié)分析。采用調(diào)查問卷的方式，對利用Sakai網(wǎng)絡(luò)虛擬教學(xué)平臺進行在線學(xué)習(xí)的614名大二本科生進行調(diào)查。分析結(jié)果表明：在線學(xué)習(xí)中教學(xué)行為與學(xué)習(xí)認(rèn)知具有間接顯著正相關(guān)，教學(xué)通過社交臨場和學(xué)習(xí)者臨場間接影響學(xué)習(xí)認(rèn)知，自我調(diào)節(jié)學(xué)習(xí)對學(xué)習(xí)認(rèn)知具有調(diào)節(jié)作用。研究揭示了在線學(xué)習(xí)中教學(xué)活動通過學(xué)習(xí)交互和自我效能對學(xué)習(xí)認(rèn)知產(chǎn)生影響的內(nèi)在機制以及自我調(diào)節(jié)學(xué)習(xí)的調(diào)節(jié)作用對學(xué)習(xí)認(rèn)知形成帶來的個體差異。

[關(guān)鍵詞] 在線學(xué)習(xí); 臨場感; 學(xué)習(xí)認(rèn)知; 自我效能; 自我調(diào)節(jié)學(xué)習(xí)

[中圖分類號] G434? ? ? ? ? ? [文獻標(biāo)志碼] A

一、引? ?言

據(jù)統(tǒng)計，截至2019年6月，我國在線學(xué)習(xí)注冊用戶高達到2.32億，其中，移動用戶1.99億，占在線學(xué)習(xí)用戶的85.8%[1]。規(guī)模大、移動化是當(dāng)前在線學(xué)習(xí)的主要特征。然而，由于在線學(xué)習(xí)缺少了傳統(tǒng)課堂的約束，其持續(xù)使用率很低，僅維持在20%左右，學(xué)習(xí)效果亦不太顯著。如何提高在線學(xué)習(xí)的黏性、提升學(xué)習(xí)效果，探究影響在線學(xué)習(xí)體驗及學(xué)習(xí)認(rèn)知的主要因素，是在線學(xué)習(xí)研究的主要內(nèi)容。

二、理論基礎(chǔ)與研究假設(shè)

（一）探究社區(qū)理論

加拿大學(xué)者Garrison將探究社區(qū)理論（Community of Inquiry， CoI）引入在線學(xué)習(xí)研究領(lǐng)域[2]。該理論模型通過描述三大臨場（Presence）來闡明在線學(xué)習(xí)過程中進行有效知識建構(gòu)所需的行為和過程[3]。其中，教學(xué)臨場（Teaching Presence）指教學(xué)的組織、設(shè)計、促進對話以及直接的教學(xué)指導(dǎo)[4];社交臨場（Social Presence）指促進積極情感、互動和具備功能性協(xié)作凝聚力的在線話語[5];認(rèn)知臨場（Cognitive Presence）指在線學(xué)習(xí)社區(qū)中學(xué)習(xí)者通過會話和反思進行意義建構(gòu)的程度[6]，是與實際學(xué)習(xí)效果相關(guān)聯(lián)的產(chǎn)物[7]，反映學(xué)習(xí)者進行意義建構(gòu)的程度。探究社區(qū)模型為在線學(xué)習(xí)研究提供了獨特的視角、方法和工具，從而得到各國研究者的廣泛認(rèn)可。然而，關(guān)于探究社區(qū)模型中三種臨場間關(guān)系的解讀一直存在爭議。相關(guān)性分析結(jié)果顯示，教學(xué)臨場與認(rèn)知臨場存在相關(guān)[8]，對最終的學(xué)習(xí)效果起調(diào)節(jié)作用[9];大樣本（2159人）數(shù)據(jù)分析結(jié)果顯示，教學(xué)臨場與社交臨場、社交臨場與認(rèn)知臨場均存在顯著相關(guān)[10];多元線性回歸分析結(jié)果顯示，教學(xué)臨場和社交臨場能夠顯著預(yù)測認(rèn)知臨場;還有研究結(jié)果表明，教學(xué)臨場與社交臨場的相關(guān)性在課程實施過程中逐步升高，相關(guān)系數(shù)R峰值高達0.97[11]。Kozan對三種臨場進行偏相關(guān)分析，結(jié)果表明教學(xué)臨場與認(rèn)知臨場存在相關(guān)，認(rèn)知臨場與社交臨場存在相關(guān)，而它們與第三種臨場無關(guān)，認(rèn)知臨場作為中介對教學(xué)臨場和社交臨場起調(diào)節(jié)作用[12-13]。Garrison通過建模方法分析得出了類似的結(jié)論，不同的是，他認(rèn)為教學(xué)臨場和認(rèn)知臨場存在相關(guān)，而社交臨場則扮演著部分中介角色[14]。因此，本研究提出以下假設(shè)：

H1：在線學(xué)習(xí)活動中，教學(xué)行為（教學(xué)臨場）與學(xué)習(xí)認(rèn)知形成（認(rèn)知臨場）存在正向影響;

H2：在線學(xué)習(xí)交互（社交臨場）在教學(xué)行為與學(xué)習(xí)認(rèn)知形成的關(guān)系中有中介作用。

（二）學(xué)習(xí)者臨場

探究社區(qū)理論過于強調(diào)學(xué)習(xí)過程中的環(huán)境因素，而忽略了學(xué)習(xí)者自身的內(nèi)在作用，使其在實踐應(yīng)用中過多地依賴于標(biāo)準(zhǔn)化的網(wǎng)絡(luò)學(xué)習(xí)社區(qū)[15]。學(xué)習(xí)者臨場包含自我效能、學(xué)習(xí)努力等個性化學(xué)習(xí)因素。在原模型中增加學(xué)習(xí)者臨場，能夠更好地體現(xiàn)學(xué)習(xí)者自身因素的決定作用，使原模型更加符合信息時代個性化學(xué)習(xí)、自我導(dǎo)向?qū)W習(xí)以及自適應(yīng)學(xué)習(xí)的理念[10]。學(xué)習(xí)者臨場中，自我效能是其核心要素。班杜拉的社會認(rèn)知理論認(rèn)為，自我效能是個人對自身行為或信念的判斷[16]，即判斷個體在執(zhí)行某些行為或在未來取得某些結(jié)果時的能力水平預(yù)期。它不一定是對個體實際能力水平的準(zhǔn)確評估，具體的學(xué)習(xí)效果需要一定程度的自我分析和反思。在線學(xué)習(xí)環(huán)境下，自我效能可以被看作是學(xué)習(xí)者在學(xué)習(xí)過程中對取得特定學(xué)習(xí)效果的主觀判斷，它強調(diào)學(xué)習(xí)動機和學(xué)習(xí)認(rèn)知的關(guān)聯(lián)。學(xué)習(xí)者不僅要分析特定學(xué)習(xí)任務(wù)的復(fù)雜性，還要判斷自己的能力與具體學(xué)習(xí)任務(wù)要求相匹配的程度，并對自己在滿足任務(wù)要求的程度上進行自我評價?？偟膩碚f，學(xué)習(xí)者臨場依賴于學(xué)習(xí)者的努力程度以及積極的自我效能信念，包含積極的學(xué)習(xí)態(tài)度、可控的學(xué)習(xí)進度等特定認(rèn)識論和動機論的信念體系。將學(xué)習(xí)者臨場作為影響學(xué)習(xí)認(rèn)知的因素是合適的。因此，本研究提出以下假設(shè)：

H3：學(xué)習(xí)者自我效能（學(xué)習(xí)者臨場）在教學(xué)行為與學(xué)習(xí)認(rèn)知形成的關(guān)系中有中介作用。

（三）自我調(diào)節(jié)學(xué)習(xí)

在將探究社區(qū)臨場感作為解釋在線學(xué)習(xí)本質(zhì)的研究中，很少有研究考慮到學(xué)習(xí)者自我調(diào)節(jié)因素的決定作用。自我調(diào)節(jié)學(xué)習(xí)是基于完善的自我認(rèn)識不斷調(diào)節(jié)學(xué)習(xí)的動態(tài)過程，包括對復(fù)雜學(xué)習(xí)任務(wù)的分析、制定易于實現(xiàn)的學(xué)習(xí)目標(biāo)、以有利的方式構(gòu)建學(xué)習(xí)環(huán)境、選擇適當(dāng)?shù)膶W(xué)習(xí)策略、持續(xù)監(jiān)控學(xué)習(xí)進展、評估學(xué)習(xí)結(jié)果等。自我調(diào)節(jié)學(xué)習(xí)包含了認(rèn)知、情感、動機和行為等多維結(jié)構(gòu)特征，能夠為學(xué)習(xí)者提供調(diào)整其行動和目標(biāo)的能力，以便根據(jù)不斷變化的環(huán)境條件達到預(yù)期效果。自我調(diào)節(jié)學(xué)習(xí)是聯(lián)通主義和自主學(xué)習(xí)的主要學(xué)習(xí)形式，與自我導(dǎo)向?qū)W習(xí)的理念一致[17]。將其納入影響在線學(xué)習(xí)認(rèn)知因素關(guān)系模型是恰當(dāng)?shù)摹Ｒ虼?，本研究提出以下假設(shè)：

H4：自我調(diào)節(jié)學(xué)習(xí)對在線學(xué)習(xí)認(rèn)知的形成有正向調(diào)節(jié)作用。

基于上述4個假設(shè)，本研究構(gòu)建了影響在線學(xué)習(xí)認(rèn)知形成的因素關(guān)系模型，模型的組成結(jié)構(gòu)及其關(guān)系如圖1所示。本研究通過實證的方法對模型中的假設(shè)關(guān)系進行檢驗，對模型進行條件過程分析。驗證各組成元素的相關(guān)、中介、調(diào)節(jié)關(guān)系是否成立，以探析影響在線學(xué)習(xí)認(rèn)知形成各因素的關(guān)系。

三、研究方法、工具及過程

（一）研究樣本

本研究以河南師范大學(xué)國家級教師教育實驗教學(xué)示范中心為平臺，對該校614名學(xué)生進行調(diào)查研究。該示范中心能夠為學(xué)生提供開放、共享的信息化在線學(xué)習(xí)環(huán)境，以及基于Sakai平臺開發(fā)的網(wǎng)絡(luò)學(xué)習(xí)課程。被試樣本為選修過在線課程、具備在線學(xué)習(xí)經(jīng)驗的二年級本科生，他們具有較好的信息技術(shù)素養(yǎng)，能夠適應(yīng)信息化環(huán)境下的在線教學(xué)模式以及個性化的學(xué)習(xí)方式。調(diào)查以李克特七級制網(wǎng)絡(luò)問卷的形式展開，剔除填答完整率過低的無效問卷后，共收回有效問卷589份，有效回收率為95.9%。

（二）測量工具

1. 探究社區(qū)量表

探究社區(qū)量表（Community of Inquiry Survey， CoIS）由探究社區(qū)理論提出者Garrison設(shè)計，其信效度已經(jīng)過多次實證檢驗。本研究選取蘭國帥等人修訂編制的中文版探究社區(qū)量表[18]，獲取模型中教學(xué)臨場、社交臨場、認(rèn)知臨場的觀測數(shù)據(jù)。該量表部分修改了原英文版探究社區(qū)量表，更加符合我國信息化在線學(xué)習(xí)環(huán)境，使用該量表有助于提升研究的科學(xué)性。根據(jù)蘭國帥等人進行的探索性因子分析，結(jié)合研究需要及各題項主成分對應(yīng)關(guān)系和網(wǎng)絡(luò)學(xué)習(xí)特征，本研究對原量表的27個題項進行了刪減，保留了20個題項，對應(yīng)三種臨場的觀測指標(biāo)。其中，教學(xué)臨場10個、認(rèn)知臨場6個、社交臨場4個。教學(xué)、認(rèn)知、社交各維度的Cronbach's α系數(shù)分別為0.83、0.70和0.68，總量表的Cronbach's α系數(shù)為0.85。

2. 學(xué)習(xí)動機策略量表

學(xué)習(xí)動機策略量表（Motivated Strategies for Learning Questionnaire，MSLQ）由美國國家高等教育教學(xué)研究中心（NCRIFFA）與密歇根大學(xué)教育學(xué)院（SEUM）聯(lián)合編制，用于獲取模型中學(xué)習(xí)者臨場的觀測數(shù)據(jù)。根據(jù)上述對學(xué)習(xí)者臨場核心要素的描述，本研究選取自我效能和學(xué)習(xí)努力兩個維度來衡量學(xué)習(xí)者臨場，自我效能前文已經(jīng)介紹，不再贅述。而學(xué)習(xí)努力在概念上接近于學(xué)習(xí)意志，在操作上被定義為學(xué)習(xí)持久性和在完成相關(guān)學(xué)習(xí)任務(wù)過程中處理失敗和挫折的能力，它可以作為影響學(xué)習(xí)者臨場的重要觀測指標(biāo)。因此，本研究選取學(xué)習(xí)動機策略量表來獲取學(xué)習(xí)者臨場的觀測數(shù)據(jù)[19]。學(xué)習(xí)動機策略量表用8個題項衡量學(xué)習(xí)者的自我效能，用4個題項評估學(xué)習(xí)者的學(xué)習(xí)努力程度，其中自我效能維度的Cronbach's α系數(shù)為0.80，學(xué)習(xí)努力維度的Cronbach's α系數(shù)為0.84，總量表的Cronbach's α系數(shù)為0.85。

3. 自我調(diào)節(jié)學(xué)習(xí)量表

自我調(diào)節(jié)學(xué)習(xí)量表（Online Self-regulated Learning Questionnaire，OSLQ）由得克薩斯理工大學(xué)教育學(xué)院（CETTU）的Barnard團隊編制，用于評估學(xué)習(xí)者的自我調(diào)節(jié)水平。該量表被廣泛應(yīng)用于在線學(xué)習(xí)與混合學(xué)習(xí)環(huán)境中學(xué)習(xí)者自我調(diào)節(jié)水平的測量，其信效度已得到了驗證[20]，本研究選取該量表用于獲取模型中自我調(diào)節(jié)學(xué)習(xí)的觀測數(shù)據(jù)。量表由24個題項構(gòu)成，分別對目標(biāo)設(shè)定、環(huán)境結(jié)構(gòu)、學(xué)習(xí)策略、時間管理、尋求指導(dǎo)、自我評估六個維度的自我調(diào)節(jié)學(xué)習(xí)行為進行觀測。為體現(xiàn)在線學(xué)習(xí)特性，本研究對原量表進行了微調(diào)，選取目標(biāo)設(shè)定、時間管理、學(xué)習(xí)策略、自我評估四個維度作為觀測指標(biāo)，各維度的Cronbach's α系數(shù)分別為0.91、0.89、0.83、0.79，總量表的Cronbach's α系數(shù)為0.92。

（三）數(shù)據(jù)處理方法及過程

本研究采用SPSS23.0及插件PROCESS3.3和AMOS24.0進行數(shù)據(jù)分析。其中，SPSS主要用于原始數(shù)據(jù)的預(yù)處理和總調(diào)節(jié)效應(yīng)的檢驗，PROCESS主要用于分支調(diào)節(jié)效應(yīng)的檢驗，AMOS主要用于模型的擬合檢驗、路徑分析以及模型的中介作用分析。

1. 原始數(shù)據(jù)的預(yù)處理與模型檢驗

首先，對網(wǎng)絡(luò)問卷收集的原始數(shù)據(jù)進行了各項指標(biāo)檢驗，包括正態(tài)性檢驗、共線性檢驗、同質(zhì)性檢驗、共同方法偏差檢驗、分組后獨立樣本T檢驗和信效度檢驗。原始數(shù)據(jù)通過相關(guān)檢驗后，在結(jié)構(gòu)方程模型（SEM）分析前，還對其進行了進一步的標(biāo)準(zhǔn)化處理、中心化處理、數(shù)據(jù)的分組處理、相關(guān)性分析等。

其次，對假設(shè)模型進行了各種檢驗，主要有模型各潛在變量檢驗、模型樣本數(shù)檢驗和模型適配度擬合。潛在變量是假設(shè)模型的重要組成部分，本研究采用驗證性因子分析法（Confirmatory Factor Analysis，CFA）對模型中的各潛在變量進行檢驗，以確定潛在變量是否能由一系列觀測變量表示。為了保證研究的科學(xué)性，本研究在進行變量間路徑分析、中介作用分析、調(diào)節(jié)效應(yīng)檢驗前，對模型的樣本數(shù)進行了檢驗。本研究的研究數(shù)據(jù)來自抽樣樣本，因而抽樣誤差必須加以考慮。由于研究誤差不是來自模型結(jié)構(gòu)本身，而是來自統(tǒng)計抽樣部分，因此，本研究對模型進行了適配度擬合。

2. 中介作用分析

中介的存在及其產(chǎn)生的作用需要通過自變量對所觀察現(xiàn)象的影響推論得來，即中介作用需要通過間接手段分析驗證。在假設(shè)模型中，社交臨場、學(xué)習(xí)者臨場作為中介變量，是否具有顯著性，各自的效益比例如何，是驗證分析的重點。本研究采用Bootstrap及MacKinnon方法對模型進行多重中介分析，并對其效益比例進行計算。

3. 調(diào)節(jié)效應(yīng)檢驗

本研究結(jié)合在線學(xué)習(xí)活動的實踐經(jīng)驗，探討自我調(diào)節(jié)學(xué)習(xí)對學(xué)習(xí)認(rèn)知的調(diào)節(jié)作用。（1）研究將自我調(diào)節(jié)學(xué)習(xí)變量中的目標(biāo)設(shè)定、時間管理、學(xué)習(xí)策略以及自我評估等調(diào)節(jié)因素在問卷中的單項得分進行累加求和并取平均數(shù)，然后對數(shù)據(jù)進行標(biāo)準(zhǔn)化、中心化處理，以及進行73、27分位處理，根據(jù)處理結(jié)果將研究對象分為高、中、低三組，用模型的群組比較法對高分組和低分組進行調(diào)節(jié)效應(yīng)檢驗。（2）研究采用Hayes設(shè)計的PROCESS進行有調(diào)節(jié)的中介效果檢驗。

四、研究結(jié)果

（一）數(shù)據(jù)的預(yù)處理及模型檢驗結(jié)果

1. 原始數(shù)據(jù)的預(yù)處理

利用SPSS23.0對收回的589份有效問卷進行相關(guān)性分析和原始數(shù)據(jù)檢驗。其中，K-S test正態(tài)性檢驗中，各變量p值均大于0.05，原始數(shù)據(jù)符合正態(tài)分布;共線性檢驗中，各變量容差均大于0.1，VIF值均小于10，表明各變量間不存在多重共線性;同質(zhì)性檢驗中，通過對各變量間方差齊性進行檢驗，p值均大于0.05，變量同質(zhì)檢驗通過;共同方法偏差檢驗中，采用Harman單因素檢驗方法，將所有數(shù)據(jù)進行探索性因素分析（Exploratory Factor Analysis，EFA），結(jié)果顯示主成分解釋了36.72%的變異量，沒有超過50%的臨界值;分組后獨立樣本T檢驗中，將自我調(diào)節(jié)學(xué)習(xí)進行分組（對自我調(diào)節(jié)學(xué)習(xí)變量進行73、27分位分組[21]，用于檢驗中介模型的調(diào)節(jié)效應(yīng)），對高分組和低分組進行獨立樣本T檢驗，p值為0.017，小于0.05，表明兩組間存在顯著差異，自我調(diào)節(jié)學(xué)習(xí)可以作為調(diào)節(jié)變量使用;信度檢驗中，各量表的Cronbach's α系數(shù)均大于0.8，表明原始數(shù)據(jù)具有較好的一致性。

2. 模型檢驗

對處理后的數(shù)據(jù)進行建模，并對假設(shè)模型的各潛在變量進行CFA檢驗和信效度檢驗，結(jié)果見表1。變量的內(nèi)部一致性和信效度均符合相應(yīng)指標(biāo)要求[22-23]，表明潛在變量內(nèi)部具有較高的一致性和較好的信效度。

根據(jù)溫忠麟的研究，模型適配度需要滿足一定要求[24]，這些適配度指標(biāo)，可以進行假設(shè)模型與研究樣本適配度的檢驗[25]。本研究對模型進行適配度擬合，各項指標(biāo)均達到擬合標(biāo)準(zhǔn)，如圖2所示。

（二）社交臨場與學(xué)習(xí)者臨場的中介作用分析

相關(guān)研究表明，研究樣本少于100時，參數(shù)的估計是不穩(wěn)定的，相關(guān)顯著性鑒定也會缺乏統(tǒng)計效力[25-26]。MacKinnon等學(xué)者通過量化研究計算了不同模型中介分析所需的具體樣本量，認(rèn)為研究所需樣本數(shù)與模型的相關(guān)路徑系數(shù)有關(guān)[27]。本研究選取589個樣本，完全符合進行中介分析的樣本數(shù)要求。根據(jù)研究假設(shè)，所設(shè)計模型的中介變量由社交臨場和學(xué)習(xí)者臨場構(gòu)成，屬多重中介。因此，本研究采用多重中介分析法對模型進行中介作用分析，并對中介變量的總效應(yīng)、直接效應(yīng)、間接效應(yīng)及其各自效益比例進行計算。

本研究采用Bootstrap和MacKinnon方法，進行2000次重復(fù)抽樣，選取95%置信區(qū)間，對模型進行三種方法的中介作用檢驗，見表2。由檢驗結(jié)果可知：間接效應(yīng)檢驗中點估計的Z值為4.47，大于1.96，中介作用存在;Bootstrap和MacKinnon檢驗的信賴區(qū)間均不包含0，間接效應(yīng)顯著，中介作用存在;直接效應(yīng)檢驗中點估計的Z值為0.33，小于1.96，直接效應(yīng)不顯著;Bootstrap和MacKinnon檢驗的信賴區(qū)間均包含0，直接效應(yīng)不顯著。因此，假設(shè)模型為完全中介模型，即在教學(xué)臨場與認(rèn)知臨場的相關(guān)關(guān)系中，社交臨場和學(xué)習(xí)者臨場承擔(dān)完全中介作用。對中介變量的效益比例進行計算，結(jié)果顯示，社交臨場的中介作用略高于學(xué)習(xí)者臨場，其效益比例分別為52.29%和47.71%。

（三）自我調(diào)節(jié)學(xué)習(xí)的調(diào)節(jié)效應(yīng)檢驗

1. 總調(diào)節(jié)效應(yīng)檢驗

根據(jù)研究假設(shè)，自我調(diào)節(jié)學(xué)習(xí)是模型中的調(diào)節(jié)變量，檢驗其是否對學(xué)習(xí)認(rèn)知具有調(diào)節(jié)作用可以用來判斷模型假設(shè)是否成立。相關(guān)理論認(rèn)為，對潛在變量的調(diào)節(jié)效應(yīng)分析有別于顯變量。由于潛在變量由觀測變量間接獲取，其測量誤差不可避免，所以潛在變量的調(diào)節(jié)效應(yīng)要通過SEM中的群組比較來分析。檢驗群組間的結(jié)構(gòu)系數(shù)、變異系數(shù)以及因素負(fù)荷量是否存在差異，如果結(jié)果顯著，表明有差異，則調(diào)節(jié)效應(yīng)存在，反之則調(diào)節(jié)效應(yīng)不存在。

本研究對在線自我調(diào)節(jié)學(xué)習(xí)量表（OSLQ）所采集的原始數(shù)據(jù)進行標(biāo)準(zhǔn)化、中心化處理，并進行73、27分位割點切分，3.75分和4.5分為其分割點。以自我調(diào)節(jié)學(xué)習(xí)為分組依據(jù)，將589個有效樣本分為高、中、低三組。為了簡化研究程序，本研究僅對高分組和低分組進行群組比較，如果高分組與低分組存在顯著差異，表明調(diào)節(jié)作用存在;如果高分組和低分組不存在顯著差異，則高分組與中分組、中分組與低分組也不會存在顯著差異。因此，無需對高、中、低三組分別進行兩兩比較。群組比較分析的具體方法為：（1）分別建立兩個模型，模型1為原模型，模型2中設(shè)定高分組與低分組的斜率相同;（2）分別記錄兩個模型的卡方（x2）和自由度（df）數(shù)據(jù)，并求解兩組數(shù)據(jù)的卡方差（△x2）與自由度差（△df）的比值，對比值進行卡方檢驗;（3）如果卡方檢驗中p大于0.05，接受原假設(shè)，表明高分組與低分組無差別，即兩個模型無差別，調(diào)節(jié)效應(yīng)不存在，反之則表明調(diào)節(jié)效應(yīng)存在。結(jié)果顯示：模型1的x2為75.94，df為39;模型2的x2為81.23，df為40。采用卡方檢驗公式CHIDIST檢驗p值為0.02，小于0.05，p值顯著，拒絕原假設(shè)，即兩個模型存在明顯差異，自我調(diào)節(jié)學(xué)習(xí)變量的調(diào)節(jié)效應(yīng)存在。

2. 分支調(diào)節(jié)效應(yīng)檢驗

通過群組比較結(jié)果可以發(fā)現(xiàn)，自我調(diào)節(jié)學(xué)習(xí)變量具有調(diào)節(jié)效應(yīng)。由于假設(shè)模型中存在兩個中介變量，因此，僅分析總調(diào)節(jié)效應(yīng)，不能反映對各分支的調(diào)節(jié)效應(yīng)，也無法確定調(diào)節(jié)范圍。由于自我調(diào)節(jié)學(xué)習(xí)為連續(xù)變量，可以采用J-N法（Johnson-Neyman）對其調(diào)節(jié)效應(yīng)進行檢驗，即找到簡單斜率顯著不為0時（p小于0.05）調(diào)節(jié)變量的取值范圍。J-N法克服了一次只能檢驗調(diào)節(jié)變量某一取值的局限[28]。本研究利用SPSS23.0中的PROCESS3.3插件，對各變量進行調(diào)節(jié)效應(yīng)檢驗。各回歸方程及檢驗效果的參數(shù)估計值見表3。

從表3可以看出，方程1和方程2檢驗以社交臨場為中介的教學(xué)臨場對認(rèn)知臨場正向相關(guān)中自我調(diào)節(jié)學(xué)習(xí)是否具有調(diào)節(jié)作用。其中，方程1中自我調(diào)節(jié)學(xué)習(xí)對教學(xué)臨場與社交臨場具有負(fù)向調(diào)節(jié)作用，方程2中自我調(diào)節(jié)學(xué)習(xí)對社交臨場與認(rèn)知臨場具有正向調(diào)節(jié)作用。方程3和方程4檢驗以學(xué)習(xí)者臨場為中介的教學(xué)臨場對認(rèn)知臨場正向相關(guān)中自我調(diào)節(jié)學(xué)習(xí)是否具有調(diào)節(jié)作用。其中，方程4中自我調(diào)節(jié)學(xué)習(xí)對學(xué)習(xí)者臨場與認(rèn)知臨場具有正向調(diào)節(jié)作用。整體來看，自我調(diào)節(jié)學(xué)習(xí)在調(diào)節(jié)以社交臨場為中介的假設(shè)模型中，前后兩段路徑均顯著;自我調(diào)節(jié)學(xué)習(xí)在調(diào)節(jié)以學(xué)習(xí)者臨場為中介的假設(shè)模型中，只有后半段路徑顯著。

為揭示自我調(diào)節(jié)學(xué)習(xí)變量的具體調(diào)節(jié)作用，進行了簡單斜率檢驗，如圖3和圖4所示。圖3、圖4分別顯示了兩個假設(shè)中介模型中，調(diào)節(jié)變量與中介效應(yīng)的關(guān)系及調(diào)節(jié)臨界點。其中，當(dāng)自我調(diào)節(jié)學(xué)習(xí)變量值（標(biāo)準(zhǔn)化后）小于-0.46或大于1.24時，其對社交臨場調(diào)節(jié)顯著;當(dāng)自我調(diào)節(jié)學(xué)習(xí)變量值（標(biāo)準(zhǔn)化后）大于-1.32時，其對學(xué)習(xí)者臨場調(diào)節(jié)顯著。

五、結(jié)論與不足

（一）教學(xué)行為間接顯著影響在線學(xué)習(xí)認(rèn)知的形成

教學(xué)臨場與認(rèn)知臨場存在間接相關(guān)關(guān)系，教學(xué)行為尤其是教學(xué)設(shè)計和教學(xué)指導(dǎo)仍然是影響學(xué)習(xí)認(rèn)知形成的重要因素，這與何克抗教授對網(wǎng)絡(luò)環(huán)境下探究學(xué)習(xí)模式的研究結(jié)論相一致[29]。但不同于傳統(tǒng)學(xué)習(xí)環(huán)境，在線教學(xué)行為是通過社交臨場、學(xué)習(xí)者臨場間接干預(yù)學(xué)習(xí)認(rèn)知的，這種間接影響具有傳導(dǎo)效應(yīng)。因此，在線學(xué)習(xí)中需要加強適合虛擬場景的高水平教學(xué)設(shè)計和教學(xué)指導(dǎo)，增進教學(xué)交互和個性化學(xué)習(xí)體驗，以適應(yīng)建構(gòu)的、混合的、復(fù)雜的虛擬學(xué)習(xí)認(rèn)知。

（二）在線學(xué)習(xí)交互、自我效能對學(xué)習(xí)認(rèn)知的中介作用

教學(xué)行為對學(xué)習(xí)認(rèn)知的間接作用主要通過在線學(xué)習(xí)交互和學(xué)習(xí)者行為實現(xiàn)。在線學(xué)習(xí)交互是在線學(xué)習(xí)有別于課堂學(xué)習(xí)的重要變量，它反映了學(xué)習(xí)者線上學(xué)習(xí)的有效互動能力。在教與學(xué)相對“松散”的虛擬環(huán)境中，社會交互是影響學(xué)習(xí)效果的重要因素，學(xué)習(xí)者必須增進交互，轉(zhuǎn)變網(wǎng)絡(luò)學(xué)習(xí)類型，從被動到主動，從主動到建設(shè)性，最后形成深層次學(xué)習(xí)認(rèn)知。同時，在線學(xué)習(xí)缺乏熟悉的傳統(tǒng)課堂教學(xué)指導(dǎo)，可能會給學(xué)習(xí)者帶來額外的不確定性。作為聯(lián)系教學(xué)行為與學(xué)習(xí)認(rèn)知的重要紐帶，自我效能將發(fā)揮重要作用。提升自我效能，可以促進學(xué)習(xí)者使用更多學(xué)習(xí)策略，降低學(xué)習(xí)孤獨感，提高學(xué)習(xí)持久力，實現(xiàn)由外部調(diào)控下的學(xué)習(xí)向自律下的高沉浸與反思性學(xué)習(xí)的轉(zhuǎn)變[30]。

（三）自我調(diào)節(jié)學(xué)習(xí)在學(xué)習(xí)者認(rèn)知形成中發(fā)揮部分調(diào)節(jié)作用

自我調(diào)節(jié)學(xué)習(xí)對教學(xué)行為與學(xué)習(xí)認(rèn)知的關(guān)系具有顯著調(diào)節(jié)作用。從對各個分支路徑調(diào)節(jié)效應(yīng)的檢驗結(jié)果來看，以在線學(xué)習(xí)交互為中介的教學(xué)行為對學(xué)習(xí)認(rèn)知的關(guān)系中，自我調(diào)節(jié)學(xué)習(xí)在前后階段均有影響，表明教學(xué)行為對學(xué)習(xí)交互的傳導(dǎo)會受到學(xué)習(xí)者自我判斷和反思等調(diào)節(jié)行為的影響，同時，也會受到學(xué)習(xí)目標(biāo)設(shè)定和學(xué)習(xí)計劃調(diào)整等自我調(diào)節(jié)學(xué)習(xí)行為的干擾。而關(guān)于以學(xué)習(xí)努力和自我效能為中介的教學(xué)行為對學(xué)習(xí)認(rèn)知的影響中，由于已經(jīng)附帶了大量學(xué)習(xí)者學(xué)習(xí)意識和個性化行為的參與，自我調(diào)節(jié)學(xué)習(xí)在其中的調(diào)節(jié)作用較弱。自我調(diào)節(jié)學(xué)習(xí)的顯著調(diào)節(jié)效應(yīng)表明，在時空隔離的在線學(xué)習(xí)中，學(xué)習(xí)者的自我調(diào)節(jié)能力是維持學(xué)習(xí)狀態(tài)、保證學(xué)習(xí)質(zhì)量的必要條件，影響最終學(xué)習(xí)效果。同時，在不同階段以及不同要素間表現(xiàn)出的不同調(diào)節(jié)效應(yīng)，也從實證數(shù)據(jù)的角度佐證了自我調(diào)節(jié)學(xué)習(xí)的過程性、序列性和事件性[31]。

（四）研究的不足

第一，本研究采用的是橫斷研究設(shè)計，假設(shè)模型中各變量的關(guān)系考察主要依據(jù)各自相關(guān)關(guān)系而確定。因此，研究結(jié)果不能得出必然的因果關(guān)系推論。在進一步研究中，需要采用縱向研究設(shè)計，通過多層線性模型，利用交叉數(shù)據(jù)探討教學(xué)行為與學(xué)習(xí)認(rèn)知形成的因果關(guān)系。第二，本研究的基礎(chǔ)數(shù)據(jù)來自學(xué)習(xí)者的單方自述，缺少教師方數(shù)據(jù)，同時，還缺少客觀量化數(shù)據(jù)。數(shù)據(jù)的全面性、客觀性需要進一步提升。第三，本研究主要關(guān)注了不同階段自我調(diào)節(jié)學(xué)習(xí)行為的影響。這一結(jié)果也契合了相關(guān)學(xué)者在自我調(diào)節(jié)學(xué)習(xí)對學(xué)習(xí)認(rèn)知的支持、干預(yù)和控制機制方面的研究[32]，但具體哪些行為及其能在多大程度上對學(xué)習(xí)認(rèn)知產(chǎn)生影響，還需要進一步研究。

[參考文獻]

[1] CNNIC.第44次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R].北京：中國互聯(lián)網(wǎng)絡(luò)信息中心，2019 ：49-51.

[2] GARRISON D R， ANDERSON T， ARCHER W. Critical inquiry in a text-based environment： computer conferencing in higher education[J]. Internet & higher education， 1999，2（2）：87-105.

[3] GARRISON D R， ANDERSON T， ARCHER W. Critical thinking， cognitive presence， and computer conferencing in distance education[J]. American journal of distance education， 2001，15（1）：7-23.

[4] ANDERSON T， ROURKE L， GARRISON D R， et al. Assessing teaching presence in a computer conference context[J]. Journal of asynchronous learning networks， 2001，5（2）：1-17.

[5] ROURKE T， ANDERSON L， GARRISON D R， et al. Assessing social presence in asynchronous text-based computer conferencing [J]. Journal of distance education， 1999，14（2）：50-71.

[6] HAMLYN D W， LIPMAN M. Thinking in education[J]. The American journal of psychology， 1992，40（2）：25-30.

[7] AKYOL Z， Garrison D R. Understanding cognitive presence in an online and blended community of inquiry： assessing outcomes and processes for deep approaches to learning[J]. British journal of educational technology， 2011，42（2）：233-250.

[8] AKYOL Z， GARRISON D R. The development of a community of inquiry over time in an online course： understanding the progression and integration of social， cognitive and teaching presence[J]. Journal of asynchronous learning networks，2008，12（3）：3-22.

[9] KOVANOVIC V， GASEVIC D， JOKSIMOVIC S， et al. Analytics of communities of inquiry： effects of learning technology use on cognitive presence in asynchronous online discussions[J]. Internet & higher education， 2015，27（4）：74-89.

[10] SHEA P， BIDJERANO T. Community of inquiry as a theoretical framework to foster "epistemic engagement" and "cognitive presence" in online education[J]. Computers & education， 2009，52（3）：543-553.

[11] SHEA P， HAYES S， VICKERS J， et al. A re-examination of the community of inquiry framework： social network and content analysis[J]. Internet & higher education， 2010，13（1）：10-21.

[12] KOZAN K， RICHARDSON J C. Interrelationships between and among social， teaching， and cognitive presence[J]. Internet & higher education， 2014，21（2）：68-73.

[13] KOZAN K. A comparative structural equation modeling investigation of the relationships among teaching， cognitive and social presence[J]. Online learning， 2016，20（3）：210-227.

[14] GARRISON D R， CLEVELAND-INNES M， FUNG T S. Exploring causal relationships among teaching， cognitive and social presence： student perceptions of the community of inquiry framework[J]. Internet & higher education， 2010，13（1）：31-36.

[15] STENBOM S， JANSSON M， HULKKO A. Revising the community of inquiry framework for the analysis of one-to-one online learning relationships [J]. International review of research in open & distance learning， 2016，17（3）：36-53.

[16] BANDURA A. Much ado over a faulty conception of perceived self-efficacy grounded in faulty experimentation[J]. Journal of social & clinical psychology， 2007，26（6）：641-658.

[17] 特里·安德森，肖俊洪.探究社區(qū)與數(shù)字時代的教與學(xué)[J].中國遠程教育，2018（3）：34-44.

[18] 蘭國帥，鐘秋菊，呂彩杰，等.探究社區(qū)量表中文版的編制——基于探索性和驗證性因素分析[J].開放教育研究，2018（3）：68-76.

[19] PINTRICH P R， SMITH D A， GARCIA T， MCKEACHIE W J. A manual for the use of the motivated strategies for learning questionnaire [J]. College students， 1993，48（3）：9-76.

[20] BARNARD L， LAN W Y， TO Y M， et al. Measuring self-regulation in online and blended learning environments[J]. Internet & higher education， 2009，12（1）：1-6.

[21] CURETON E E. The upper and lower twenty-seven per cent rule [J]. Psychometrika， 1957， 22（3）：293-296.

[22] HAIR J F， BLACK W C， BABIN B J， et al. SEM： an introduction， multivariate data analysis： a global perspective[M]. Upper Saddle River， New Jersey： Pearson Education， 2010：629-636.

[23] BAGOZZI R P， YI Y， PHILLIPS L W. Assessing construct validity in organizational research[J]. Administrative science quarterly， 1991，36（3）：421-458.

[24] 溫忠麟，侯杰泰，馬什赫伯特.結(jié)構(gòu)方程模型檢驗：擬合指數(shù)與卡方準(zhǔn)則[J].心理學(xué)報，2004，36（2）：186-194.

[25] KLINE R B. Principles and practice of structural equation modeling[J]. Journal of the American statistical association， 2011，101（12）：283-292.

[26] FINKELSTEIN D M. A beginner's guide to structural equation modeling [J]. Technometrics， 2004， 47（4）：522-522.

[27] FRITZ M S， MACKINNON D P. Required sample size to detect the mediated effect[J]. Psychological science， 2007，18（3）：233-239.

[28] 方杰，溫忠麟，梁東梅，李霓霓.基于多元回歸的調(diào)節(jié)效應(yīng)分析[J].心理科學(xué)，2015（3）：715-720.

[29] 何克抗.從“翻轉(zhuǎn)課堂”的本質(zhì)，看“翻轉(zhuǎn)課堂”在我國的未來發(fā)展[J].電化教育研究，2014，35（7）：5-16.

[30] 張琪.e-Learning環(huán)境中大學(xué)生自我效能感與深度學(xué)習(xí)的相關(guān)性研究[J].電化教育研究，2015，36（4）：55-61.

[31] 鄧國民，韓錫斌，楊娟.基于OERs的自我調(diào)節(jié)學(xué)習(xí)行為對學(xué)習(xí)成效的影響[J].電化教育研究，2016，37（3）：42-49，58.

[32] CHEN CM，HUANG S H.Web-based reading annotation system with an attention-based self-regulated learning mechanism for promoting reading performance[J].British journal of educational technology，2014，45（5）：959-980.