苗冬玲 吳昭 閆寒冰

【摘要】? 近年來，在線學(xué)習(xí)日益成為一種重要的學(xué)習(xí)方式，但在線學(xué)習(xí)中學(xué)習(xí)者學(xué)習(xí)動力不足、持續(xù)性不強等問題持續(xù)影響著在線學(xué)習(xí)成效的提升。本研究借鑒學(xué)習(xí)粘性的概念，從全視角學(xué)習(xí)理論視角出發(fā)構(gòu)建了在線學(xué)習(xí)內(nèi)容、互動、動機、滿意度以及學(xué)習(xí)粘性各要素之間的影響因素模型，并通過結(jié)構(gòu)方程模型法分析了各要素間的作用關(guān)系和影響效應(yīng)。從總效應(yīng)分析來看，全視角學(xué)習(xí)理論中的內(nèi)容、互動、動機3個維度均對學(xué)習(xí)粘性有顯著正向影響;從直接效應(yīng)分析來看，內(nèi)容和互動對學(xué)習(xí)粘性的影響均不顯著，動機和滿意度對學(xué)習(xí)粘性的影響顯著;從中介效應(yīng)分析來看，動機、滿意度是內(nèi)容與互動對學(xué)習(xí)粘性影響的關(guān)鍵中介變量。基于此，本研究提出了在線教學(xué)建議與策略，為教師開展在線教學(xué)提供借鑒。

【關(guān)鍵詞】? 在線學(xué)習(xí);在線教育;全視角學(xué)習(xí)理論;學(xué)習(xí)粘性;學(xué)習(xí)效果;影響因素;正式學(xué)習(xí);非正式學(xué)習(xí)

【中圖分類號】? G442? ? ? ? ?【文獻標識碼】? A? ?【文章編號】? 1009-458x（2021）10-0068-08

一、問題的提出

隨著網(wǎng)絡(luò)技術(shù)的普及，目前在線學(xué)習(xí)已經(jīng)成為一種重要的學(xué)習(xí)方式，越來越多的人正通過這種方式進行學(xué)習(xí)。但在在線學(xué)習(xí)中學(xué)習(xí)者學(xué)習(xí)動力不足、持續(xù)性不強等問題也持續(xù)影響著在線學(xué)習(xí)的成效（Moore， 2019）。那么在線學(xué)習(xí)應(yīng)如何“粘”住學(xué)習(xí)者，吸引其持續(xù)學(xué)習(xí)？針對這一問題，不少學(xué)者開始關(guān)注“粘性”概念，研究在線學(xué)習(xí)粘性的影響因素。例如：寧勝芳基于期望確認模型（ECM）分析了虛擬學(xué)習(xí)社區(qū)中影響用戶粘度的因素（寧勝芳， 2015）;譚明杰從技術(shù)接受模型（TAM）視角探討在線教育中的用戶粘性（譚明杰， 2015）;李愛霞在期望確認模型的基礎(chǔ)上加入了學(xué)習(xí)者特質(zhì)因素，研究在MOOC學(xué)習(xí)中學(xué)習(xí)者粘性的影響因素（李愛霞， 2017），等等。

這些研究都進行了有價值的探索，但其所用的理論模型多是從信息系統(tǒng)持續(xù)使用的角度出發(fā)，關(guān)注的重點在技術(shù)平臺的易用性和使用性，影響因素主要包括感知易用性、感知有用性、感知交互性、期望確認度等，而對在線學(xué)習(xí)中的教與學(xué)卻關(guān)注不夠，也缺少對影響因素的整體性思考。筆者認為，探究在線學(xué)習(xí)粘性是為了改善在線教學(xué)、提升學(xué)習(xí)者的學(xué)習(xí)效果，應(yīng)從人類學(xué)習(xí)的視角出發(fā)，借鑒學(xué)習(xí)理論中的成熟理論或模型，才能更緊密地與學(xué)習(xí)過程相結(jié)合，更好地通過理論促進實踐。丹麥克努茲教授提出的全視角學(xué)習(xí)理論，為分析人類的學(xué)習(xí)提供了一種整合性的視角，適合正式學(xué)習(xí)和非正式學(xué)習(xí)、線下學(xué)習(xí)和在線學(xué)習(xí)（邱德峰， 2018）?；诖耍狙芯恳劳腥暯菍W(xué)習(xí)理論，從教與學(xué)的角度探究在線學(xué)習(xí)粘性的影響因素和因素間的效應(yīng)關(guān)系，以期為教師的在線教學(xué)提供建議。

二、基于全視角學(xué)習(xí)的在線學(xué)習(xí)

粘性影響因素模型構(gòu)建

（一）關(guān)于學(xué)習(xí)理論的體系化研究——全視角學(xué)習(xí)理論

丹麥克努茲教授吸收學(xué)習(xí)研究領(lǐng)域的多個理論成果，并將這些研究有機地整合在一個理論體系中，形成了一種全新的學(xué)習(xí)理論——全視角學(xué)習(xí)理論?？伺澖淌冢?010）認為，所有學(xué)習(xí)都包含內(nèi)容與動機的獲得過程和個體與環(huán)境的互動過程（圖1）。只有這兩個過程同時活躍，學(xué)習(xí)才能真正發(fā)生。

上述兩個過程涉及內(nèi)容、動機和互動三個維度（圖2）。內(nèi)容維度關(guān)注學(xué)習(xí)什么，目的是讓學(xué)習(xí)者在不同情境下培養(yǎng)意義能力，發(fā)展人的功能性;動機維度涉及學(xué)習(xí)所需的心智能量的運用，發(fā)展人的敏感性;互動維度是為了尋求自己認為可以接受的人際交往與社會整合，發(fā)展人的社會性（克努茲·伊列雷斯， 2010）。

在學(xué)習(xí)的獲得過程中，內(nèi)容和動機兩個維度存在相互作用關(guān)系，心智能量的性質(zhì)和強度將影響所學(xué)的內(nèi)容，學(xué)習(xí)內(nèi)容也影響著學(xué)習(xí)的動力、情緒和意志。而在學(xué)習(xí)的互動過程中，所有的學(xué)習(xí)都是在某個具有社會和人際交往特性的情境中發(fā)生的，通過不同形式的互動，成為學(xué)習(xí)者必不可少的部分。

（二）在線學(xué)習(xí)與全視角學(xué)習(xí)理論

全視角學(xué)習(xí)理論揭示了學(xué)習(xí)的兩個過程與三個維度，是一種普適而綜合的學(xué)習(xí)理論，提供了一個非常有價值的分析框架。在線學(xué)習(xí)作為學(xué)習(xí)的一種形式，也適合采用該理論作為框架進行分析，其內(nèi)容、互動和動機更加值得關(guān)注。

在線學(xué)習(xí)的內(nèi)容是保證在線教育質(zhì)量的重要因素。Norman等在網(wǎng)絡(luò)學(xué)習(xí)者退學(xué)因素的研究中發(fā)現(xiàn)，課程內(nèi)容和課程設(shè)計對學(xué)習(xí)者決定是否堅持學(xué)習(xí)有顯著影響（Norman， King， Clarke， Viney， & Street， 2010）?！睹绹诰€教育發(fā)展全景報告》（2019）指出，美國許多高校要求在線課程的開發(fā)必須有教學(xué)設(shè)計人員參加，從而保證在線課程內(nèi)容的質(zhì)量（錢玲， 等， 2019）;在線學(xué)習(xí)動機既影響學(xué)習(xí)的內(nèi)容、時間和方式，也影響學(xué)習(xí)的表現(xiàn)（Schunk & Usher， 2012），在學(xué)習(xí)中起著至關(guān)重要的作用;在互動方面，相比傳統(tǒng)教學(xué)，在線學(xué)習(xí)不僅包含師生、生生之間的互動，還包括學(xué)習(xí)者和平臺、學(xué)習(xí)者和數(shù)字學(xué)習(xí)材料之間的互動（Thurmond & Wambach， 2004）。

（三）在線學(xué)習(xí)粘性影響因素模型構(gòu)建

“粘性”這一概念由來已久，應(yīng)用也十分廣泛。在信息系統(tǒng)領(lǐng)域，用戶粘性是指用戶關(guān)于產(chǎn)品或者網(wǎng)站的忠誠、信任和體驗等結(jié)合起來形成的滿意度和依賴度（杜偉軍， 2009）。在教育領(lǐng)域，有學(xué)者將MOOC學(xué)習(xí)者粘性定義為學(xué)習(xí)者對MOOC的依賴感和再使用期望值，反映了學(xué)習(xí)者在未來堅持使用與重復(fù)訪問MOOC平臺的行為和意愿（李愛霞， 2017）。還有學(xué)者研究了教育信息化環(huán)境下的粘性學(xué)習(xí)，并將其定義為學(xué)習(xí)者在內(nèi)驅(qū)力的推動下，與優(yōu)質(zhì)學(xué)習(xí)資源之間產(chǎn)生了強大的親和力，維持學(xué)習(xí)活動向深度學(xué)習(xí)發(fā)展并能實現(xiàn)有效遷移的學(xué)習(xí)過程和模式（閻登科， 等， 2019）。該定義指出了粘性學(xué)習(xí)的三大基礎(chǔ)條件，即學(xué)習(xí)動力的激發(fā)、學(xué)習(xí)資源的智能提供和學(xué)習(xí)互動的高效實現(xiàn)。由此可見，粘性反映用戶使用網(wǎng)站或資源之后產(chǎn)生了滿意或依賴的心理，從而持續(xù)地使用。

基于上述分析，筆者將在線學(xué)習(xí)粘性定義為學(xué)習(xí)者對在線學(xué)習(xí)過程的依賴感以及持續(xù)學(xué)習(xí)的意愿和行為。全視角學(xué)習(xí)理論指出，在線學(xué)習(xí)過程中的內(nèi)容、動機和互動三個維度不可或缺，在線學(xué)習(xí)內(nèi)容和互動將能提高學(xué)習(xí)者在線學(xué)習(xí)的滿意度，進而增加持續(xù)使用的程度。學(xué)習(xí)動機將能直接促進在線學(xué)習(xí)的持續(xù)性?；诖?，本研究構(gòu)建了在線學(xué)習(xí)粘性影響因素模型（圖3），將在線學(xué)習(xí)的內(nèi)容、動機、互動和滿意度作為主要影響因素，以分析其相互作用和效應(yīng)關(guān)系。

在本研究中，內(nèi)容指在線學(xué)習(xí)資源的統(tǒng)稱，包括錄播和直播過程中的各類資源，如視音頻、文本、PPT課件等;互動指學(xué)習(xí)者在線學(xué)習(xí)過程中與同伴、教師、學(xué)習(xí)資源、學(xué)習(xí)平臺之間的交互;動機包括學(xué)習(xí)者在線學(xué)習(xí)的動力、情緒和持續(xù)學(xué)習(xí)的意志;滿意度是指學(xué)習(xí)者對在線學(xué)習(xí)內(nèi)容、互動效果的滿意程度，是在線學(xué)習(xí)的實際體驗與預(yù)期比較的一種主觀體驗。

1. 在線學(xué)習(xí)中的內(nèi)容、互動、動機與學(xué)習(xí)者滿意度

在線學(xué)習(xí)的內(nèi)容、互動將直接影響學(xué)習(xí)者的學(xué)習(xí)體驗。劉斌等（2016）認為在線學(xué)習(xí)體驗是學(xué)習(xí)者對在線內(nèi)容、活動、交互等多個方面的感知和反應(yīng)。它是一種情緒情感（愉快、滿意等），也是一個認知過程。因此在線學(xué)習(xí)的內(nèi)容和互動將會直接影響在線學(xué)習(xí)體驗，使學(xué)習(xí)者產(chǎn)生滿意或失望的情感。而這種情感將會影響學(xué)習(xí)者的學(xué)習(xí)動機?；诖?，本研究提出如下假設(shè)：

H1：在線學(xué)習(xí)的內(nèi)容對學(xué)習(xí)者滿意度有顯著正向影響;

H2：在線學(xué)習(xí)的互動對學(xué)習(xí)者滿意度有顯著正向影響;

H5：學(xué)習(xí)者滿意度對學(xué)習(xí)動機有顯著正向影響。

正如前文所述，克努茲教授通過研究將內(nèi)容、動機、互動作為學(xué)習(xí)發(fā)生的三個最本質(zhì)的因素，由此構(gòu)建了全視角學(xué)習(xí)理論模型。因此，這三者之間相互的作用關(guān)系，本文不做假設(shè)和詳細探討。

2. 內(nèi)容、動機、互動、滿意度與學(xué)習(xí)粘性

信息系統(tǒng)持續(xù)使用理論認為提高滿意度可以增加用戶的持續(xù)使用意向和使用行為（韓金鳳， 2015）;王小寧等（2013）認為影響用戶持續(xù)使用行為的最重要的因素是用戶的滿意度。動機理論中的自我決定理論認為動機可以在個體處于自我決定的狀態(tài)時自發(fā)地維持個體行為（夏惟怡， 2010）。基于此，本研究提出如下假設(shè)：

H3：在線學(xué)習(xí)的內(nèi)容對學(xué)習(xí)粘性有顯著正向影響;

H4：在線學(xué)習(xí)的互動對學(xué)習(xí)粘性有顯著正向影響;

H6：學(xué)習(xí)者的滿意度對學(xué)習(xí)粘性有顯著正向影響;

H7：學(xué)習(xí)者動機對學(xué)習(xí)粘性有顯著正向影響。

三、研究設(shè)計

（一）研究對象

研究采用分層抽樣和隨機抽樣相結(jié)合的方法。分層抽樣主要體現(xiàn)在學(xué)校的層次上，本研究從上海、寧夏、甘肅、廣東、遼寧5個省市、自治區(qū)選取了含雙一流高校、普通高校與高職高專院校在內(nèi)的6所高校發(fā)放問卷。隨機抽樣指在這三類高校中隨機選取在校大學(xué)生作為主要研究對象。研究主要通過網(wǎng)絡(luò)問卷的形式收集數(shù)據(jù)，最終收集了500份問卷。其中，非在校大學(xué)生作答問卷22份，整份問卷勾選了同一個選項且作答時間低于60秒的問卷64份，剔除上述無效問卷86份，剩余有效問卷414份，有效率為82.8%。

在有效被調(diào)查者中，女性為337人，占總樣本的81.4%;男性為77人，占總樣本的18.6%。在學(xué)歷分布上，?？?6人（6.3%），本科267人（64.5%），碩士112人（27.1%），博士9人（2.2%）。

（二）問卷編制與試測分析

在全視角學(xué)習(xí)理論的指導(dǎo)下，本研究設(shè)計了“在線學(xué)習(xí)粘性影響因素調(diào)查問卷”。本問卷涉及兩部分，“學(xué)習(xí)者基本信息”包含9個題項，“在線學(xué)習(xí)粘性影響因素調(diào)查”包含24個題項。其中，第二部分的題項從在線學(xué)習(xí)的內(nèi)容、動機、互動、滿意度和學(xué)習(xí)粘性5個維度，采用李克特（Likert）五點式進行設(shè)計，并邀請相關(guān)專家進行了兩次論證。為了保證問卷的信度與效度，本研究進行了試測（隨機選取一半，共207份問卷）。在試測階段，主要對量表進行了信度分析、項目分析和探索性因子分析。在信度分析中，量表克隆巴赫 Alpha系數(shù)為0.930，信度較好;在項目分析中，刪除了題項與量表總分的相關(guān)檢驗值不顯著且相關(guān)系數(shù)小于0.5的題項Q32;在探索性因子分析中，刪除了因子載荷低于0.5的題項Q16。最終保留了在線學(xué)習(xí)粘性調(diào)查的22個題項（見表1），用于下一步的模型驗證。

（三）研究方法

本研究主要基于問卷調(diào)查，采用了結(jié)構(gòu)方程模型的方法。主要運用SPSS26.0和AMOS24.0工具對有效數(shù)據(jù)進行分析，并以卡方值（X2）、卡方自由度比（X2/df）、漸近殘差均方和平方根（RMSEA）、比較擬合指數(shù)（CFI）、增量擬合指數(shù)（IFI）等作為模型擬合度判別與驗證的參照指標。

四、研究結(jié)果分析

（一）在線學(xué)習(xí)粘性影響因素模型檢驗

一個完整的結(jié)構(gòu)方程模型由測量模型與結(jié)構(gòu)模型組成，前者主要用于描述測量指標與結(jié)構(gòu)模型之間的關(guān)系，后者用于描述結(jié)構(gòu)變量之間的關(guān)系（尹睿， 等， 2017）。

1. 測量模型檢驗

在測量模型檢驗之前，本研究對剩余的207份問卷進行了信度與效度分析。信度分析是指檢驗量表所得結(jié)果的穩(wěn)定性和一致性。信度檢驗最常用的方法是克隆巴赫Alpha系數(shù)和組合信度（CR）（吳明隆， 2010）。有研究指出當(dāng)Alpha系數(shù)≥0.70時，屬于高信度;0.35≤Alpha系數(shù)<0.70時，屬于尚可;Alpha系數(shù)<0.35則為低信度（榮泰生， 2010）;組合信度應(yīng)大于0.60，才能說明潛在變量的測量題項有較好的內(nèi)部一致性。由表2可知，測量模型中潛在變量的克隆巴赫Alpha系數(shù)均大于0.74，組合信度（CR）均大于0.76，表明測量模型信度較好，測量數(shù)據(jù)的內(nèi)部一致性較高。

效度是衡量問卷題項能否準確反映評價目的和要求的指標。效度越高，說明調(diào)查結(jié)果越能較好地集中反映所要測量對象的特征（李愛霞， 2017）。KMO和Bartlett球形檢驗的值決定著數(shù)據(jù)是否適合做因子分析，通常KMO>0.6時才適合。本研究中KMO=0.909，Bartlett球形檢驗近似卡方值為2688.552（p<0.001），說明本研究采集的問卷調(diào)查數(shù)據(jù)適合作因子分析。在驗證性因子分析（CFA）中，各觀測變量的因子載荷最小值為0.526，最大值為0.895，符合因子載荷大于0.5的要求。有學(xué)者指出，因子載荷>0.71表示“優(yōu)秀”;因子載荷在0.63—0.71之間表示“非常好”;在0.55—0.63之間表示“好”（邱皓政， 等， 2009）。本模型中只有一個因子低于0.55，其余均達到了“好”的標準。

2. 結(jié)構(gòu)模型檢驗

本研究參照結(jié)構(gòu)方程模型統(tǒng)計方法，采用AMOS 24.0軟件對結(jié)構(gòu)模型進行繪制（圖4）和驗證。常用判斷模型擬合程度的指數(shù)包括X2/df、CFI、IFI、RMSEA、NFI、TLI等。一般來說：X2/df<2說明模型質(zhì)量理想，25說明模型需要調(diào)整;RMSEA<0.05說明模型質(zhì)量理想，0.05

3. 假設(shè)檢驗

本研究通過模型的假設(shè)檢驗分析在線學(xué)習(xí)粘性的影響因素，從表3可知各路徑的S.E.值均大于0。H1的顯著性p<0.001，H2和H5的顯著性p<0.01，H6和H7的顯著性p<0.05;H3和H4的顯著性p>0.05，即不顯著。由此本研究的H1、H2、H5、H6、H7假設(shè)成立，H3、H4假設(shè)不成立。

從H1、H2、H6來看，內(nèi)容對滿意度有顯著正向影響（β=0.612，p<0.001），互動對滿意度有顯著正向影響（β=0.295，p<0.01），滿意度對粘性有顯著正向影響（β=0.487，p<0.05），說明在線學(xué)習(xí)的內(nèi)容、互動能有效地影響學(xué)習(xí)者的在線學(xué)習(xí)體驗，這種體驗會極大地增加在線學(xué)習(xí)滿意度，從而提升在線學(xué)習(xí)粘性;從H5和H7來看，滿意度對動機有顯著正向影響（β=0.302，p<0.01），動機對學(xué)習(xí)粘性有顯著正向影響（β=0.712，p<0.05），有力地證明了學(xué)習(xí)者在線學(xué)習(xí)的滿意程度能夠有效激發(fā)學(xué)習(xí)者的學(xué)習(xí)動機，使學(xué)習(xí)者更愿意參加在線學(xué)習(xí)，更愿意“黏附”在平臺或課程中。從H3和H4來看，內(nèi)容對粘性的直接影響不顯著（β=-0.420，p>0.05），互動對粘性的直接影響不顯著（β=-0.264，p>0.05），說明內(nèi)容和互動不會直接對粘性產(chǎn)生顯著的影響，而主要是通過滿意度或動機等中介變量產(chǎn)生影響。

（二）影響效應(yīng)分析

經(jīng)過對模型的分析，本研究的自變量包括在線學(xué)習(xí)的內(nèi)容和互動，因變量是學(xué)習(xí)粘性，滿意度和動機是中介變量，各變量之間既有直接效應(yīng)，也有通過中介變量的間接效應(yīng)，關(guān)系較為復(fù)雜。為了更好地理解模型，進一步厘清各變量之間的關(guān)系，本研究對模型進行效應(yīng)分析。

1. 總效應(yīng)分析

以內(nèi)容為自變量，在線學(xué)習(xí)內(nèi)容對各要素的總效應(yīng)（見表4）分別為滿意度0.462、動機0.482、粘性0.281;以互動為自變量，其對各要素的總效應(yīng)分別是滿意度0.316、動機0.395、粘性0.174;以滿意度為自變量，其對各要素的總效應(yīng)分別是動機0.310、粘性0.452;以動機為自變量，動機僅對粘性有影響，其總效應(yīng)為0.388。由表4可知，內(nèi)容、互動、動機、滿意度均對粘性有顯著影響，滿意度影響最大，動機次之，說明激勵在線學(xué)習(xí)動機、提升在線學(xué)習(xí)內(nèi)容質(zhì)量和增加在線互動能有效促進在線學(xué)習(xí)粘性。

2. 中介效應(yīng)分析

中介效應(yīng)分析基于Hayes（2013）的Bootstrap檢驗方法，即重復(fù)抽樣5，000次分別計算95%的置信區(qū)間，若置信區(qū)間BootLLCI-BootULCI不含0，則表示統(tǒng)計顯著。在本研究中，內(nèi)容與粘性之間存在三條影響路徑，即：內(nèi)容→滿意度→粘性，內(nèi)容→動機→粘性，內(nèi)容→滿意度→動機→粘性?；优c粘性也同樣存在三條影響路徑?？梢?，滿意度和動機都是中介變量，這是一種鏈式中介效應(yīng)。根據(jù)Hayes編制的PROCESS插件，鏈式中介的效應(yīng)模型如圖5所示（X代表自變量，Y代表因變量，M1和M2分別代表中介變量）（Hayes， 2013）。為了分析的科學(xué)性和嚴謹性，本研究將自變量內(nèi)容和互動分開進行鏈式中介效應(yīng)分析。

（1）內(nèi)容對粘性的影響機制

內(nèi)容對粘性的總效應(yīng)為0.281，p<0.001，直接效應(yīng)為-0.059，p=0.449，不顯著。由表5可知，內(nèi)容和學(xué)習(xí)粘性之間的總間接效應(yīng)0.340，間接效應(yīng)1（內(nèi)容→滿意度→粘性）為0.153，間接效應(yīng)2（內(nèi)容→滿意度→動機→粘性）為0.055，間接效應(yīng)3（內(nèi)容→動機→粘性）為0.131。間接效應(yīng)的置信區(qū)間BootLLCI-BootULCI均不包含0，說明中介效應(yīng)顯著。

（2）互動對粘性的影響機制

互動對粘性的總效應(yīng)為0.174，p<0.001，顯著。直接效應(yīng)為-0.084，p=0.242，不顯著。由表6可知，互動和粘性的總間接效應(yīng)0.258，間接效應(yīng)1（互動→滿意度→粘性）為0.105，間接效應(yīng)2（互動→滿意度→動機→粘性）為0.038，間接效應(yīng)3（互動→動機→粘性）為0.115。間接效應(yīng)的BootLLCI-BootULCI置信區(qū)間均不包含0，說明中介效應(yīng)顯著。

上述中介效應(yīng)分析結(jié)果表明，滿意度和動機具有顯著的中介效應(yīng)，是內(nèi)容、互動通向?qū)W習(xí)粘性重要的“橋梁”。各個要素間的效應(yīng)關(guān)系如圖6所示。

五、研究結(jié)論與啟示

本研究基于克努茲的全視角學(xué)習(xí)理論，分析在線學(xué)習(xí)粘性的影響因素及其因素之間的作用機制。通過結(jié)構(gòu)方程模型構(gòu)建了在線學(xué)習(xí)中內(nèi)容、互動、動機、滿意度和在線學(xué)習(xí)粘性5個因素之間的影響關(guān)系模型，同時分析了6所在校大學(xué)生在線學(xué)習(xí)情況的調(diào)研數(shù)據(jù)，驗證了在線學(xué)習(xí)粘性影響因素理論模型的合理性，并進一步探索了各要素之間的影響效應(yīng)。研究結(jié)果表明：其一，在總效應(yīng)的分析中，全視角理論中的內(nèi)容、互動、動機三個維度均對在線學(xué)習(xí)粘性有顯著影響，說明這三個維度是在線學(xué)習(xí)粘性的重要影響因素，其中滿意度的影響效應(yīng)排在首位，動機第二;其二，在直接效應(yīng)的分析中，互動和內(nèi)容對學(xué)習(xí)粘性的直接效應(yīng)均不顯著，但間接效應(yīng)顯著，動機和滿意度對學(xué)習(xí)粘性的直接影響顯著;其三，從中介效應(yīng)分析來看，動機、滿意度是內(nèi)容與互動對學(xué)習(xí)粘性影響的關(guān)鍵中介變量，是學(xué)習(xí)粘性變化的重要預(yù)測因素?；谏鲜鼋Y(jié)論，我們嘗試進行進一步的理論分析并提出實踐建議。

（一）從整合的視角來理解在線學(xué)習(xí)

本研究揭示了全視角學(xué)習(xí)理論中的內(nèi)容、互動，動機三個維度對在線學(xué)習(xí)粘性的重要影響。其所構(gòu)建的兩個過程、三個維度的學(xué)習(xí)框架是任何學(xué)習(xí)都不可或缺的，所倡導(dǎo)的整合的視角為我們理解在線學(xué)習(xí)帶來了非常有價值的啟示。

其一，關(guān)于內(nèi)容與動機。獲得過程連接著內(nèi)容和動機。動機是學(xué)習(xí)發(fā)生的原因，內(nèi)容是學(xué)習(xí)發(fā)生的基礎(chǔ)。在線學(xué)習(xí)更是如此。在線學(xué)習(xí)中的獲得過程代表了學(xué)習(xí)者在動機的激發(fā)下，登錄網(wǎng)絡(luò)平臺，接觸學(xué)習(xí)內(nèi)容，獲得心理或心智的提升。因此，教師在開展在線教學(xué)時，要時刻注意教學(xué)內(nèi)容對動機的激發(fā)，如設(shè)置有梯度的問題，挑戰(zhàn)學(xué)習(xí)者已有的認知;還要從真實情境出發(fā)設(shè)計實踐項目，激發(fā)學(xué)習(xí)者探究的興趣;更要豐富學(xué)習(xí)內(nèi)容的形式（動畫、音樂、圖片、微視頻、虛擬現(xiàn)實等），產(chǎn)生多感官的刺激。

其二，關(guān)于內(nèi)容與互動。互動過程代表著個體與環(huán)境的互動，是學(xué)習(xí)發(fā)生的必要條件。雖然全視角學(xué)習(xí)理論中并沒有論述內(nèi)容與互動之間的相互關(guān)系，但是高質(zhì)量的內(nèi)容能在一定程度上激發(fā)學(xué)習(xí)者互動的參與，互動也能夠加深學(xué)習(xí)者對內(nèi)容的理解（姜宛彤， 等， 2017）。當(dāng)在線學(xué)習(xí)形成了某種虛擬社群或?qū)W習(xí)共同體時，學(xué)習(xí)內(nèi)容會通過成員之間不斷的互動逐漸積累在公共的空間中。因此，良性的互動成了學(xué)習(xí)內(nèi)容產(chǎn)生的一種動力機制，所以教師不能僅僅把在線教學(xué)當(dāng)作知識傳遞的一種途徑，而更要通過在線活動的設(shè)計不斷引導(dǎo)學(xué)習(xí)者開展對話和交流。同時，教師需要更多地關(guān)注互動中的生成性資源，去粗取精，將正確、合理的資源加工成新的學(xué)習(xí)內(nèi)容供學(xué)習(xí)者學(xué)習(xí)。

其三，關(guān)于互動與動機?；拥男问胶瓦^程在一定程度上會影響動機的激發(fā)，動機的水平也會反過來影響學(xué)習(xí)者互動的參與情況。溫格的實踐共同體理論強調(diào)個體通過互動實現(xiàn)在共同體中身份與知識的雙重建構(gòu)（Wenger， 1998）。因此，教師在開展在線教學(xué)時應(yīng)注重學(xué)習(xí)共同體的建立和維護，采用簡單、輕松的在線互動方式，拉近師生之間的關(guān)系，減輕在線社交壓力。

綜上所述，教師在在線教學(xué)時，應(yīng)采用整合的視角從內(nèi)容、互動和動機三個方面整體考慮如何開展在線教學(xué)，將能在一定程度上提升在線教學(xué)的實效。

（二）以多元的策略來提升學(xué)習(xí)者動機

本研究揭示了動機對學(xué)習(xí)粘性既有直接作用，又起到重要的中介作用，是提高在線學(xué)習(xí)粘性的重要保障。正如弗里德曼在《世界是平的》一書中指出，不久的將來數(shù)字鴻溝將消失，但取而代之的是我們將面臨一個更為巨大的“動機鴻溝”（第一教育， 2014）。因此，在線教學(xué)教師或課程建設(shè)者需要充分了解可用于提升學(xué)生學(xué)習(xí)動機水平的策略手段，用以激發(fā)學(xué)習(xí)者動機，提升在線學(xué)習(xí)粘性。

其一，關(guān)于ARCS策略。美國教學(xué)設(shè)計專家凱勒認為影響學(xué)習(xí)者學(xué)習(xí)動機的主要因素有4個，即注意、相關(guān)、自信和滿足（謝幼如， 等， 2017），并以此形成ARCS動機模型及22項具體的教學(xué)策略，以期提升教學(xué)對學(xué)習(xí)動機的激勵作用（劉爽， 2016）。教師可以結(jié)合ARCS的4個要素進行在線教學(xué)設(shè)計或活動設(shè)計。例如：合理運用公告、討論版、私信等明確在線學(xué)習(xí)的任務(wù)和要求;設(shè)計獎勵機制或積分規(guī)則給予學(xué)習(xí)者適當(dāng)?shù)募?提供靈活的學(xué)習(xí)模式，建立學(xué)習(xí)者主人翁意識，等等。

其二，游戲化設(shè)計策略。自2011年以來，在新媒體聯(lián)盟每年發(fā)布的《地平線報告》中，游戲化一直被記錄為在線教育的中期趨勢（Johnson， 2016）。游戲化指的是一種將動機、參與和情感置于學(xué)習(xí)技術(shù)和學(xué)習(xí)場景設(shè)計中心的心態(tài)（Fischer， 2016）。在在線教育中實施游戲化能提高學(xué)生的動機和參與度（Burke， 2014），游戲化設(shè)計有助于教師重新思考在線學(xué)習(xí)。有學(xué)者認為動機的背后存在八大核心驅(qū)動力，即使命、成就、授權(quán)、擁有、社交、稀缺、未知和虧損，并在此基礎(chǔ)上構(gòu)建了八角行為分析框架（周郁凱， 2018），此即游戲和行為設(shè)計的經(jīng)典模型之一。筆者認為教師在進行在線教學(xué)時也可以從這八個角度進行思考。例如：在在線教學(xué)開始前，對教學(xué)目標進行梯度化設(shè)計，難度逐級增加;告知學(xué)生本次學(xué)習(xí)將能學(xué)到的知識、獲得的提升以及對未來生涯發(fā)展的幫助，培養(yǎng)其學(xué)習(xí)的使命感;建立社交圈或?qū)W習(xí)小組，并對成員進行分工和職責(zé)的授權(quán)，使其能夠充分交流并對自己及團隊的發(fā)展負責(zé);在線教學(xué)中，對學(xué)習(xí)者達到的成就進行不斷的鼓勵和獎勵，并告知下個階段所要達成的目標和要求;通過比賽的方式營造稀缺感，激發(fā)學(xué)習(xí)者獲勝的動力;在提供教學(xué)資源時，每次提供有限的資源，激發(fā)其探索未知的渴望;適時增加任務(wù)難度，給學(xué)生適當(dāng)?shù)拇鞌「械取?/p>

六、結(jié)語

本研究基于全視角學(xué)習(xí)理論，構(gòu)建了在線學(xué)習(xí)粘性的影響因素模型。運用結(jié)構(gòu)方程模型方法驗證了其合理性，探索了在線學(xué)習(xí)過程中的內(nèi)容、互動、動機對學(xué)習(xí)粘性的影響機制和效應(yīng)關(guān)系，并在此研究的基礎(chǔ)上探討了研究結(jié)果對實踐教學(xué)的啟示及對教學(xué)的建議，為教師開展在線教學(xué)提供幫助。

本研究也存在不足之處：一方面，本研究的研究樣本以在校大學(xué)生為主，學(xué)習(xí)方式以正式學(xué)習(xí)為主，未來研究可以擴大樣本范圍，將正式在線學(xué)習(xí)和非正式在線學(xué)習(xí)進行對比研究;另一方面，本研究沒有將在線教學(xué)的技術(shù)手段（平臺等）作為粘性的影響要素，但在線教學(xué)中這部分是不可缺少的。未來可以研究技術(shù)手段對內(nèi)容、互動、動機的影響效應(yīng)。

[參考文獻]

第一教育. 2014. 上?；A(chǔ)教育信息化趨勢藍皮書[M]. 上海：上海教育雜志社.

杜偉軍. 2009. 基于用戶粘性度的B2C電子商務(wù)營銷戰(zhàn)略：以JS網(wǎng)營銷為例[D]. 上海：復(fù)旦大學(xué).

韓金鳳. 2015. 信息檢索系統(tǒng)持續(xù)使用研究綜述[J]. 圖書館學(xué)刊，37（5）：136-140.

姜宛彤，王翠萍，唐燁煒，吳靖. 2017. 基于克努茲全視角學(xué)習(xí)理論的微課程設(shè)計研究[J]. 現(xiàn)代遠距離教育（1）：51-56.

克努茲·伊列雷斯. 2010. 我們?nèi)绾螌W(xué)習(xí)：全視角學(xué)習(xí)理論[M]. 孫玫璐. 北京：教育科學(xué)出版社.

李愛霞. 2017. MOOC學(xué)習(xí)者粘性影響因素研究[D]. 吉林：吉林大學(xué).

劉斌，張文蘭，江毓君. 2016. 在線課程學(xué)習(xí)體驗：內(nèi)涵、發(fā)展及影響因素[J]. 中國電化教育（10）：90-96.

劉爽. 2016. ARCS模型視角下中小學(xué)教師培訓(xùn)微課程的設(shè)計研究[D]. 吉林：東北師范大學(xué).

寧勝芳. 2015. 虛擬學(xué)習(xí)社區(qū)用戶粘度的影響因素研究[D]. 山東：曲阜師范大學(xué).

錢玲，徐輝富，郭偉. 2019. 美國在線教育：實踐、影響與趨勢——CHLOE3 報告的要點與思考[J]. 開放教育研究，25（3）：10-21.

切頓·切普萊杰特，萬切爾撲·列錫柴可，喬瑟琳·威沙特，王志軍. 2012. 在線學(xué)習(xí)環(huán)境中提升學(xué)習(xí)動機的移動交流工具設(shè)計[J]. 現(xiàn)代遠距離教育（1）：27-33.

邱德峰. 2018. 學(xué)生作為學(xué)習(xí)者的身份建構(gòu)研究[D]. 重慶：西南大學(xué).

邱皓政，林碧芳. 2009. 結(jié)構(gòu)方程模型的原理與應(yīng)用[M]. 北京：中國輕工業(yè)出版社.

榮泰生. 2010. AMOS與研究方法[M]. 重慶：重慶大學(xué)出版社.

譚明杰. 2015. 在線教育中的信息技術(shù)采納與學(xué)習(xí)者保持研究[D]. 四川：電子科技大學(xué).

王小寧，師偉偉. 2013. 移動搜索持續(xù)使用行為研究[J]. 電子商（12）：50，55.

吳明隆. 2010. 問卷統(tǒng)計分析實務(wù)：SPSS操作與應(yīng)用[M]. 重慶：重慶大學(xué)出版社.

夏惟怡. 2010. 自我決定就業(yè)動機及其作用機制研究[D]. 上海：復(fù)旦大學(xué).

謝幼如，張惠顏，吳利紅，邱藝. 2017. 基于ARCS的在線開放課程自組織學(xué)習(xí)模式研究[J]. 電化教育研究，38（7）：43-50.

閻登科，熊文瑾. 2019. 論教育信息化環(huán)境下的“粘性學(xué)習(xí)”及其實現(xiàn)[J]. 教育學(xué)術(shù)月刊（11）：104-111.

尹睿，徐歡云. 2017. 在線學(xué)習(xí)投入結(jié)構(gòu)模型構(gòu)建——基于結(jié)構(gòu)方程模型的實證分析[J]. 開放教育研究，23（4）：101-111.

周郁凱. 2018. 游戲化實戰(zhàn)[M]. 武漢：華中科技大學(xué)出版社.

Burke， B. （2014）. Gamify： how gamification motivates people to do extraordinary things. Brookline， MA： Bibliomotion.

Fischer， H.， Schlenker. L.， Follert. F.， et al. （2016）. Gamifying Higher Education. Beyond Badges， Points and Leaderboards[C]// International Forum on Knowledge Asset Dynamics.

Hayes， A. F. （2013）. Introduction to mediation， moderation， and conditional process analysis： A regression-based approach. Journal of Educational Measurement， 335-337.

Hee， J. Choi.， Johnson， S. D. （2005）. The Effect of Context-Based Video Instruction on Learning and Motivation in Online Courses [J]. The American Journal of Distance Education， 4： 215-227.

Johnson， L.， Becker， S.， Cummins， M.， Estrada， V.， Freeman， A.， Hall， C. （2016）. NMC Horizon Report： 2016 Higher Education Edition. Austin， Texas， USA： The New Media Consortium.

Moore， M. G. （2019）. Handbook of Distance Education. New York： Routledge.

Norman， R.， King， M. T.， Clarke， D.， Viney， R.， & Street， C. D.. （2010）. Does mode of administration matter？ comparison of online and face-to-face administration of a time trade-off task. Quality of Life Research， 19（4）， 499-508.

Schunk， D. H. & Usher， E. L. （2012）. Social cognitive theory and motivation.//Ryan R.M. （Eds）. The Oxford handbook of human motivation （pp.13-27）. New York， Oxford University Press.

Thurmond， V. & Wambach， K. （2004）. Understanding interactions in distance education： A review of the literature （pp.9-26）. International journal of instructional technology and distance learning.

Wenger， E. . （1998）. Communities of Practice： Learning， Meaning and Identity. CUP， Cambridge.

收稿日期：2020-09-11

定稿日期：2020-12-08

作者簡介：苗冬玲，博士研究生，華東師范大學(xué)教育信息技術(shù)學(xué)系（200062）。

吳昭，講師;閆寒冰，教授，博士生導(dǎo)師，本文通訊作者。華東師范大學(xué)開放教育學(xué)院（200062）。

責(zé)任編輯 郝 丹