蔡旻君　唐睿　魏鈺

[摘? ?要] 在線學(xué)習(xí)環(huán)境下學(xué)生的全景式行為表現(xiàn)反映著學(xué)生的真實(shí)學(xué)習(xí)投入狀況，進(jìn)而折射出線上教學(xué)的質(zhì)量。研究中以混合學(xué)習(xí)環(huán)境下的SPOC實(shí)踐為例，從在線學(xué)習(xí)行為的內(nèi)隱性和外顯性特征兩個(gè)維度構(gòu)建學(xué)習(xí)行為分析的象限圖，試圖對(duì)學(xué)習(xí)者的在線學(xué)習(xí)投入表現(xiàn)、學(xué)習(xí)效果以及內(nèi)隱性和外顯性交互影響作用的異同進(jìn)行較全面的分析。研究發(fā)現(xiàn)：（1）在學(xué)習(xí)投入水平上，作業(yè)類學(xué)習(xí)任務(wù)達(dá)到較高的行為投入，而自主選擇類的行為投入較低。（2）在線學(xué)習(xí)投入的學(xué)習(xí)效果上，全面投入類行為的學(xué)習(xí)效果要優(yōu)于主動(dòng)投入類行為和被動(dòng)投入類行為的學(xué)習(xí)效果；而主動(dòng)投入類行為和自我管理類行為的學(xué)習(xí)效果又要優(yōu)于規(guī)律投入類行為和績(jī)效投入類行為。（3）從學(xué)習(xí)行為內(nèi)隱性與外顯性交互影響的作用來看，當(dāng)行為內(nèi)隱性和外顯性都呈現(xiàn)為高投入時(shí)，學(xué)習(xí)效果與行為投入趨于一致；當(dāng)行為內(nèi)隱性和外顯性高低投入不一致時(shí)，學(xué)習(xí)效果并不理想。

[關(guān)鍵詞] 在線學(xué)習(xí)行為； 學(xué)習(xí)投入； 百分等級(jí)量表； Rasch模型； 二維象限

[中圖分類號(hào)] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 蔡旻君（1973—），男，甘肅寧縣人。副教授，博士，主要從事學(xué)習(xí)科學(xué)與技術(shù)、課程設(shè)計(jì)與評(píng)價(jià)研究。E-mail：caimj916@126.com。

一、引? ?言

隨著在線教育機(jī)構(gòu)的快速崛起，有關(guān)在線學(xué)習(xí)投入的研究也在持續(xù)不斷的推進(jìn)中，針對(duì)學(xué)習(xí)者的在線學(xué)習(xí)投入分析從傳統(tǒng)的自我報(bào)告轉(zhuǎn)向?qū)W習(xí)過程伴隨信息采集成為一種歷史的必然。其中，對(duì)學(xué)習(xí)行為數(shù)據(jù)的挖掘與分析是當(dāng)前在線學(xué)習(xí)投入研究的一個(gè)重要領(lǐng)域。學(xué)習(xí)投入集中表現(xiàn)為學(xué)習(xí)時(shí)間和過程的付出，一度成為學(xué)習(xí)質(zhì)量的代名詞。諸多研究結(jié)果也已表明，學(xué)生的在線學(xué)習(xí)行為對(duì)未來學(xué)習(xí)結(jié)果有積極的正向影響，如Pascarella等通過國(guó)外的許多研究發(fā)展就證明了學(xué)生的學(xué)習(xí)參與程度將對(duì)學(xué)習(xí)收獲產(chǎn)生正向影響[1]。因此，分析在線學(xué)習(xí)行為數(shù)據(jù)將有助于揭示在線學(xué)習(xí)過程與結(jié)果質(zhì)量之間的復(fù)雜關(guān)系，進(jìn)而對(duì)在線學(xué)習(xí)資源建設(shè)及教學(xué)指導(dǎo)產(chǎn)生重要的作用。當(dāng)前在線學(xué)習(xí)行為分析面臨伴隨性數(shù)據(jù)采集、動(dòng)態(tài)趨勢(shì)呈現(xiàn)及多維關(guān)系表征等方面的挑戰(zhàn)，國(guó)內(nèi)外眾多研究人員已圍繞上述內(nèi)容展開不同程度的研究。

本研究以在線學(xué)習(xí)行為數(shù)據(jù)為基礎(chǔ)來分析學(xué)生的真實(shí)在線學(xué)習(xí)情況，主要基于以下三方面的考慮：一是當(dāng)前在線學(xué)習(xí)者的學(xué)習(xí)投入研究資料主要來源于行為數(shù)據(jù)，學(xué)習(xí)投入的重心還是在行為層面，認(rèn)知和情感層面的數(shù)據(jù)獲取只停留在實(shí)驗(yàn)室層面，還未能從多模態(tài)層面大規(guī)劃采集學(xué)習(xí)者的在線平臺(tái)數(shù)據(jù)信息，更多只是依賴于自我報(bào)告收集行為、認(rèn)知和情感方面的信息。二是當(dāng)前也有很多研究是從淺層（外顯）行為或深層（內(nèi)隱）行為對(duì)學(xué)習(xí)者學(xué)習(xí)投入展開研究，但其在缺乏研究證據(jù)的支持下就假設(shè)深層行為對(duì)學(xué)習(xí)效果影響更大，而淺層行為對(duì)學(xué)習(xí)效果的影響不大，這種經(jīng)驗(yàn)性的推理掩蓋了學(xué)習(xí)投入行為與學(xué)習(xí)效果之間的錯(cuò)綜復(fù)雜關(guān)系，其教學(xué)評(píng)估應(yīng)用的結(jié)果難免有偏差。三是象限圖方法的創(chuàng)新應(yīng)用將有助于考慮學(xué)習(xí)者的在線學(xué)習(xí)行為、認(rèn)知和情感等方面的綜合表現(xiàn)，不僅有頻率性投入數(shù)據(jù)，也有實(shí)質(zhì)性投入數(shù)據(jù)支持，為全面掌握學(xué)習(xí)者的在線學(xué)習(xí)投入狀況提供比較完整的分類視角。

二、研究設(shè)計(jì)

行為科學(xué)理論認(rèn)為，行為是個(gè)體通過與環(huán)境交互而完成任務(wù)或?qū)崿F(xiàn)目標(biāo)的活動(dòng)。當(dāng)前眾多學(xué)者關(guān)注的主要是活動(dòng)的外顯行為，因?yàn)榇蠹艺J(rèn)為行為有意義并且可靠的、不可缺少的重要標(biāo)準(zhǔn)就是可觀察和可測(cè)量。可觀察是指能夠被他人看到，可測(cè)量是指可以通過時(shí)間或頻次等方式進(jìn)行數(shù)量化表達(dá)[2]。學(xué)習(xí)行為不僅存在各種外在表現(xiàn)形式，也反映著不同學(xué)習(xí)者的心理狀態(tài)。行為治療理論把行為分為內(nèi)隱和外顯兩種，其中內(nèi)隱行為包括思想、想象、感覺和情緒等。該理論認(rèn)為，外顯行為和內(nèi)隱行為同出一源，處于同一連續(xù)體上，兩者的重要性是相同的。外顯行為可以轉(zhuǎn)化為內(nèi)隱行為，進(jìn)而影響內(nèi)隱行為；反過來，內(nèi)隱行為也可影響外顯行為，兩者之間具有交互作用。內(nèi)隱行為和外顯行為一樣受學(xué)習(xí)原理特別是操作條件作用原理的支配，其交互作用也遵循同樣的規(guī)律。行為科學(xué)理論對(duì)在線學(xué)習(xí)的實(shí)踐研究產(chǎn)生了很大影響，劉中宇等人提出，在線學(xué)習(xí)中要根據(jù)學(xué)習(xí)者的性格特征和需求對(duì)網(wǎng)絡(luò)教學(xué)資源、工具和環(huán)境進(jìn)行設(shè)計(jì)，充分激發(fā)、調(diào)動(dòng)和控制學(xué)習(xí)行為，促進(jìn)學(xué)習(xí)目標(biāo)的達(dá)成[3]。本研究將在線學(xué)習(xí)行為從外顯性和內(nèi)隱性兩個(gè)維度進(jìn)行分析，以此為考查切入點(diǎn)，將有助于從點(diǎn)、線、面三級(jí)立體化分析學(xué)習(xí)者的在線學(xué)習(xí)行為狀況及其對(duì)學(xué)習(xí)結(jié)果的影響關(guān)系，為進(jìn)一步揭示在線學(xué)習(xí)投入機(jī)制提供有效的證據(jù)支持。

（一）數(shù)據(jù)來源

在線學(xué)習(xí)行為發(fā)生的種類與學(xué)習(xí)管理平臺(tái)的功能支持有著密切關(guān)系，學(xué)習(xí)者在平臺(tái)中的任何操作類型都不會(huì)超出平臺(tái)允許的范圍。已有學(xué)習(xí)行為數(shù)據(jù)收集中，也有學(xué)者提出從發(fā)生模塊（Module）和行為動(dòng)作（Action）兩個(gè)維度提取行為數(shù)據(jù)。本研究中，結(jié)合“智慧樹”平臺(tái)特點(diǎn)和已有研究的啟發(fā)，將在線學(xué)習(xí)行為種類的窮盡限定在學(xué)習(xí)平臺(tái)提供模塊（作業(yè)、文檔資料、測(cè)驗(yàn)和課程視頻等）與平臺(tái)允許操作（創(chuàng)建、瀏覽/下載、修改和刪除）的組合中。但在實(shí)際教學(xué)使用中，因管理員設(shè)置和課程需求的不同，在具體模塊中可能存在差異，這里給出的是允許發(fā)生行為的全部集合，包括學(xué)生的登錄行為。

（二）方法設(shè)計(jì)

當(dāng)前有關(guān)在線學(xué)習(xí)行為的研究主要集中在點(diǎn)式和線性方法應(yīng)用上，而采用面上方法開展的研究則很少。本研究主要采用點(diǎn)式、線性和面上方法相結(jié)合的思路，首先從線上學(xué)習(xí)行為的直觀分類入手，再把不同學(xué)習(xí)行為表現(xiàn)放置在學(xué)習(xí)績(jī)效這一線性量尺上，最后通過行為的顯性特征和內(nèi)隱特征“兩維”與時(shí)間量上的多寡“兩極”構(gòu)建起在線學(xué)習(xí)投入分析的平面，從而實(shí)現(xiàn)全面系統(tǒng)地分析學(xué)習(xí)行為水平、效果以及內(nèi)外特征交互影響關(guān)系的目的。

1. 學(xué)習(xí)行為投入水平研究

本研究獲取學(xué)生智慧樹平臺(tái)上的記錄日志進(jìn)行分析，主要針對(duì)其登錄（A）、文檔資料（B）、作業(yè)（主觀題C）、測(cè)驗(yàn)（D）、課程視頻（E）這五類常見可測(cè)量的行為模塊進(jìn)行內(nèi)外行為分類，對(duì)每一類行為發(fā)生模塊上的學(xué)習(xí)行為表現(xiàn)進(jìn)行特征描述，以達(dá)到學(xué)習(xí)行為分類的目的。因?yàn)檫@五個(gè)模塊是學(xué)生最常見的在線學(xué)習(xí)行為，既包含學(xué)生完成課程必需的行為，也包含能體現(xiàn)差異性的行為。研究中將在線學(xué)習(xí)行為分為外顯性與內(nèi)隱性，既要保證外顯性與內(nèi)隱性所表現(xiàn)的行為之間的差異，又要秉持外顯性與內(nèi)隱性同出一源，以便深入探究?jī)烧唛g的關(guān)系。在具體確定行為表現(xiàn)時(shí)，根據(jù)現(xiàn)有平臺(tái)數(shù)據(jù)進(jìn)行針對(duì)性劃分，即每種行為都存在其獨(dú)特的外顯性和內(nèi)隱性。由于前期分類中發(fā)現(xiàn)每一類學(xué)習(xí)行為模塊不只是存在一種行為表現(xiàn)形式，而不同的行為形式也都有各自的表現(xiàn)特征。此處將前期學(xué)習(xí)行為投入評(píng)價(jià)指標(biāo)中的行為表現(xiàn)分別予以“字母+數(shù)字”形式表示。如登錄（A）這一類行為模塊，既可以是一種表現(xiàn)時(shí)長(zhǎng)的行為（A1），也可以是一種表現(xiàn)為頻次的行為（A2），然后將登錄總時(shí)長(zhǎng)與登錄總次數(shù)等外顯行為特征分別用A1-1和A2-1等來表示，行為的內(nèi)隱性特征則分別用A1-2和A2-2等來表示。

從平臺(tái)獲取學(xué)生的相關(guān)學(xué)習(xí)行為數(shù)據(jù)之后，在前期分類的基礎(chǔ)上，分別建立每一類行為外顯性的百分等級(jí)量表和內(nèi)隱性的百分等級(jí)量表。這樣，針對(duì)每一位學(xué)生的學(xué)習(xí)行為投入狀況就可以計(jì)算出其在學(xué)生群體中所處的位置。此處得出的百分等級(jí)位數(shù)只是單純的描述性結(jié)果，其數(shù)量大小對(duì)其學(xué)習(xí)結(jié)果的影響作用還需要進(jìn)一步推斷分析。

2. 學(xué)習(xí)行為投入效果研究

從線性研究來看，為了解某一課程學(xué)習(xí)中學(xué)生所有學(xué)習(xí)行為的投入效度，并不是單純依賴頻次進(jìn)行高低排序，而是依據(jù)其與學(xué)生能力的關(guān)系進(jìn)行排列，Rasch模型應(yīng)用中賴特圖就能直觀呈現(xiàn)其排列結(jié)果。根據(jù)Rasch模型分析原理，特定的個(gè)體對(duì)特定的項(xiàng)目作出特定反應(yīng)的概率可以用個(gè)體能力與該項(xiàng)目難度的一個(gè)簡(jiǎn)單函數(shù)來表示，個(gè)體回答某一項(xiàng)目正確與否完全取決于個(gè)體能力和項(xiàng)目難度之間的比較[4]。它可以同時(shí)估計(jì)項(xiàng)目難度和個(gè)體能力，是包含學(xué)生能力水平和項(xiàng)目難度層面的雙面模型。通過賴特圖可直觀地獲取學(xué)生群體中不同學(xué)生的學(xué)習(xí)行為投入信息，越往上表明學(xué)習(xí)投入的有效程度越高，越往下表明學(xué)習(xí)投入的有效程度越低。同時(shí)，為進(jìn)一步了解學(xué)生在某一具體學(xué)習(xí)行為的投入狀況，可以通過Rasch模型中的孩子圖（KID MAP）粗略顯示其高低水平。

在百分等級(jí)量表分類的基礎(chǔ)上，根據(jù)建立的外顯、內(nèi)隱行為的百分等級(jí)位數(shù)，將學(xué)習(xí)行為投入強(qiáng)度大于等于50所對(duì)應(yīng)的外顯、內(nèi)隱學(xué)習(xí)行為定為“1”，學(xué)習(xí)行為投入強(qiáng)度小于50所對(duì)應(yīng)的外顯、內(nèi)隱學(xué)習(xí)行為定為“0”，將其與學(xué)生的學(xué)習(xí)成績(jī)作關(guān)聯(lián)。隨后將數(shù)據(jù)輸入單維Rasch模型軟件Winsteps，用該軟件分析不同外顯學(xué)習(xí)行為與學(xué)生學(xué)習(xí)成績(jī)關(guān)系的賴特圖，越是處于上部的學(xué)習(xí)行為代表學(xué)生的能力越強(qiáng)，也即這些行為對(duì)學(xué)生的學(xué)習(xí)成績(jī)影響越大。

3. 學(xué)習(xí)行為特性交互影響研究

將學(xué)習(xí)行為序列按其外顯性和內(nèi)隱性兩個(gè)方面進(jìn)行分類后，可以借助二維象限圖將學(xué)習(xí)行為分為高低組合的四種類型，分別處于四個(gè)象限中，完成基于“面”上方法的在線學(xué)習(xí)行為研究。此處二維象限中把外顯行為表現(xiàn)作為X軸，內(nèi)隱行為表現(xiàn)作為Y軸，再在象限中畫均等的兩條線呈“十”字狀，將二維象限劃分為A、B、C、D四個(gè)象限（如圖1所示）。象限A為高投入?yún)^(qū)，即高外顯性—高內(nèi)隱性的投入?yún)^(qū)域；象限B為潛在投入?yún)^(qū)，即低外顯性—高內(nèi)隱性的投入?yún)^(qū)域；象限D(zhuǎn)為中投入?yún)^(qū)，即高外顯性—低內(nèi)隱性的投入?yún)^(qū)域；象限C為低投入?yún)^(qū)，即低外顯性—低內(nèi)隱性的投入?yún)^(qū)域。

前期在線性表現(xiàn)中通過單維Rasch分析，分別確定了外顯行為和內(nèi)隱行為對(duì)學(xué)生學(xué)習(xí)成績(jī)的影響之后，再通過多維Rasch分析來判斷外顯行為和內(nèi)隱行為共同影響下與學(xué)習(xí)成績(jī)的關(guān)系，進(jìn)而確定實(shí)質(zhì)性投入與頻次性學(xué)習(xí)投入是否一致。同時(shí)，也可以運(yùn)用多維Rasch模型深入探究外顯行為、內(nèi)隱行為與學(xué)習(xí)結(jié)果三者之間的關(guān)系。

三、在線學(xué)習(xí)行為分析結(jié)果呈現(xiàn)

（一）學(xué)習(xí)行為投入水平

1. 外顯學(xué)習(xí)行為投入水平

通過前期百分等級(jí)量表的制定，同時(shí)獲取了全體學(xué)生的行為投入強(qiáng)度結(jié)果。發(fā)現(xiàn)在外顯行為投入中，“登錄總次數(shù)”“作業(yè)提交總次數(shù)”“單元測(cè)驗(yàn)完成平均分?jǐn)?shù)”“視頻平均觀看進(jìn)度”這四種行為投入水平相對(duì)較高，“登錄總時(shí)長(zhǎng)”“文檔瀏覽總時(shí)長(zhǎng)”“文檔瀏覽總次數(shù)”“單元測(cè)驗(yàn)總完成次數(shù)”這四種行為投入水平相對(duì)較低，說明學(xué)生迫于制度壓力，對(duì)于教師布置的測(cè)驗(yàn)、課程視頻和作業(yè)等學(xué)習(xí)任務(wù)投入的時(shí)間精力較多，而對(duì)于文檔瀏覽等自我決定的學(xué)習(xí)任務(wù)參與積極性程度不高。

2. 內(nèi)隱學(xué)習(xí)行為投入水平

從內(nèi)隱性行為的投入來看，“有效瀏覽文檔次數(shù)”“作業(yè)超時(shí)提交次數(shù)”“單元測(cè)驗(yàn)結(jié)果平均增長(zhǎng)分?jǐn)?shù)”“完成期末測(cè)驗(yàn)與單元測(cè)驗(yàn)的相對(duì)時(shí)長(zhǎng)差”這四種行為投入的強(qiáng)度相對(duì)較高，“每周平均登錄時(shí)長(zhǎng)”“平均登錄間隔”“作業(yè)完成平均相似度”“單個(gè)測(cè)驗(yàn)最高答題次數(shù)”這四種行為投入水平相對(duì)較低，說明學(xué)生對(duì)于在線學(xué)習(xí)中任務(wù)導(dǎo)向的單元測(cè)驗(yàn)、作業(yè)提交等模塊重視程度高，而在質(zhì)量導(dǎo)向的學(xué)習(xí)規(guī)律性和作業(yè)檢查頻次方面則表現(xiàn)一般。

3. 學(xué)習(xí)外顯行為與內(nèi)隱行為投入水平的組合分析

進(jìn)一步通過二維象限分類將外顯學(xué)習(xí)行為投入和內(nèi)隱學(xué)習(xí)行為投入簡(jiǎn)單組合，分別描繪出每一類學(xué)習(xí)行為分布的趨勢(shì)藍(lán)圖，以此得出所有學(xué)生外顯行為與內(nèi)隱行為相結(jié)合的在線學(xué)習(xí)行為投入強(qiáng)度。以學(xué)生登錄頻次類學(xué)習(xí)行為投入水平為例，將37名學(xué)生的外顯行為登錄總次數(shù)與內(nèi)隱行為平均登錄間隔的投入強(qiáng)度一起放入表中，再借助二維象限將投入強(qiáng)度（百分位數(shù)）大于50的行為置于高頻次投入，投入強(qiáng)度低于50的行為置于低頻次投入，可得出登錄頻次類的學(xué)習(xí)行為投入分布圖（如圖2所示）。由圖2可直觀看出，學(xué)生的登錄頻次類學(xué)習(xí)行為中只有極少數(shù)學(xué)生處于高內(nèi)隱、低外顯的區(qū)域（象限B），而象限A（高內(nèi)隱、高外顯行為）和象限C（低內(nèi)隱、低外顯行為）的情況比較接近，更多學(xué)生還是處于象限D(zhuǎn)的區(qū)域中。這一情況表明，學(xué)生的頻率性投入較高，但受情感因素影響的實(shí)質(zhì)性投入較低，即針對(duì)某一學(xué)習(xí)行為投入，學(xué)生的外顯性行為表現(xiàn)和內(nèi)隱性行為表現(xiàn)有很大的出入，其表現(xiàn)水平并不一致。

（二）學(xué)習(xí)行為投入效果

1. 外顯學(xué)習(xí)行為水平與學(xué)業(yè)成績(jī)

由圖3可知，外顯行為投入學(xué)生較易達(dá)到。通過對(duì)外顯學(xué)習(xí)行為投入有效性數(shù)據(jù)的分析，發(fā)現(xiàn)單元測(cè)驗(yàn)完成總次數(shù)（D2-1）和登錄總時(shí)長(zhǎng)（A1-1）是最難達(dá)到的行為，共有12名學(xué)生完成。文檔瀏覽總時(shí)長(zhǎng)（B1-1）、文檔瀏覽總次數(shù)（B2-1）、完成測(cè)驗(yàn)的及時(shí)性（D3-1）、單元測(cè)驗(yàn)平均完成時(shí)長(zhǎng)（D4-1）是接下來較難達(dá)到的行為，共有19名學(xué)生完成。作業(yè)平均完成次數(shù)（C2-1）、單個(gè)視頻最后觀看時(shí)間距課程結(jié)束平均時(shí)間（E2-1）是相對(duì)處于中間難度的行為，共有24名學(xué)生完成。單元測(cè)驗(yàn)完成平均分?jǐn)?shù)（D1-1）、登錄總次數(shù)（A2-1）是較易達(dá)到的行為，共有35名學(xué)生完成。視頻平均觀看進(jìn)度（E1-1）、作業(yè)提交總次數(shù)（C1-1）是最易達(dá)到的行為，所有學(xué)生都可以完成。根據(jù)Rasch模型中賴特圖所給出結(jié)果，與難達(dá)到的行為相匹配的學(xué)生學(xué)習(xí)成績(jī)?cè)胶谩?/p>

再將上述行為按由上到下新的排序分類，將學(xué)生所有的外顯學(xué)習(xí)行為分成三段，依據(jù)影響學(xué)習(xí)效果的外在行為因素可以形成一個(gè)新的線上學(xué)習(xí)行為分類結(jié)果，即全面投入類行為、主動(dòng)投入類行為和被動(dòng)投入類行為，以此突出主要的外顯行為特征。

2. 內(nèi)隱學(xué)習(xí)行為水平與學(xué)業(yè)成績(jī)

內(nèi)隱學(xué)習(xí)投入學(xué)生的表現(xiàn)差異較大，且個(gè)別行為學(xué)生實(shí)現(xiàn)起來有一定的困難，比如每周平均登錄時(shí)長(zhǎng)（A1-2）很難保證。在得出的賴特圖（如圖4所示）中，全部?jī)?nèi)隱行為在賴特圖右側(cè)展示，左側(cè)分別代表學(xué)習(xí)者的學(xué)習(xí)成績(jī)。賴特圖中左邊的學(xué)習(xí)者學(xué)習(xí)成績(jī)?cè)娇拷敹?，代表學(xué)習(xí)者學(xué)習(xí)效果越好；右邊代表內(nèi)隱行為的類型，越是處于上部的學(xué)習(xí)行為代表能完成的學(xué)生越少，也即這些行為投入對(duì)學(xué)生的學(xué)習(xí)成績(jī)影響越大。自上而下的行為分別是每周平均登錄時(shí)長(zhǎng)（A1-2）、作業(yè)完成平均相似度（C2-2）、平均登錄間隔（A2-2）、單個(gè)測(cè)驗(yàn)最高答題次數(shù)（D2-2）、單個(gè)文檔平均瀏覽時(shí)長(zhǎng)（B1-2）、視頻平均觀看時(shí)長(zhǎng)（E1-2）、單個(gè)測(cè)驗(yàn)平均提交時(shí)間間隔（D3-2）、視頻平均觀看間隔（E2-2）、文檔有效瀏覽次數(shù)（B2-2）、完成期末測(cè)驗(yàn)與單元測(cè)驗(yàn)的相對(duì)時(shí)長(zhǎng)差（D4-2）、作業(yè)超時(shí)提交次數(shù)（C1-2）、單元測(cè)驗(yàn)結(jié)果平均增長(zhǎng)分?jǐn)?shù)（D1-2）等。

再將上述行為按由上到下新的排序分類，將學(xué)生所有的內(nèi)隱學(xué)習(xí)行為分成四段，依據(jù)影響學(xué)習(xí)效果的內(nèi)在動(dòng)機(jī)類因素可以形成一個(gè)新的線上學(xué)習(xí)行為分類結(jié)果，即主動(dòng)投入類行為、自我管理類行為、規(guī)律投入類行為和績(jī)效投入類行為，以此突出主要的行為內(nèi)隱特征。

（三）不同學(xué)習(xí)行為特性對(duì)學(xué)習(xí)結(jié)果的交互影響

Rasch 模型通過對(duì)數(shù)轉(zhuǎn)換，將學(xué)生能力和題目難度標(biāo)定在同一個(gè)Logit 量尺上，直接反映學(xué)生能力水平和題目難度之間的關(guān)系[5]，賴特圖就可以直觀地顯示這一結(jié)果。通過賴特圖分析滿足A象限的在線學(xué)習(xí)行為表現(xiàn)與學(xué)生成績(jī)的關(guān)系，全部外顯和內(nèi)隱相結(jié)合的行為在賴特圖右側(cè)展示，左側(cè)分別代表學(xué)習(xí)者的學(xué)習(xí)成績(jī)。賴特圖中左邊的學(xué)習(xí)者學(xué)習(xí)成績(jī)?cè)娇拷敹?，代表學(xué)習(xí)者學(xué)習(xí)效果越好；右邊代表外顯內(nèi)隱相結(jié)合的行為類型，自上而下依次降低。越是處于上部的學(xué)習(xí)行為代表能完成的學(xué)生越少，也即這些行為投入對(duì)學(xué)生的學(xué)習(xí)能力影響越大。根據(jù)結(jié)果來看，自上而下的行為分別是作業(yè)完成質(zhì)量（C2）、登錄時(shí)長(zhǎng)（A1）、登錄次數(shù)（A2）、完成單元測(cè)驗(yàn)頻率（D3）、觀看課程視頻頻率（E2）、完成單元測(cè)驗(yàn)次數(shù)（D2）、瀏覽文檔資料時(shí)長(zhǎng)（B1）、完成測(cè)驗(yàn)時(shí)長(zhǎng)（D4）、觀看課程視頻時(shí)長(zhǎng)（E1）、瀏覽文檔資料次數(shù)（B2）、完成測(cè)驗(yàn)分?jǐn)?shù)變化（D1）、作業(yè)提交次數(shù)（C1）。

由此可以發(fā)現(xiàn)，在A象限中，即當(dāng)內(nèi)隱與外顯行為投入一致時(shí)，作業(yè)完成質(zhì)量、登錄時(shí)長(zhǎng)、登錄次數(shù)、完成單元測(cè)驗(yàn)頻率、觀看課程視頻頻率、瀏覽文檔資料時(shí)長(zhǎng)、完成單元測(cè)驗(yàn)次數(shù)這七種外顯與內(nèi)隱相結(jié)合的具體行為類別出現(xiàn)的人數(shù)較少。

同理，分析滿足B、D象限的在線學(xué)習(xí)行為表現(xiàn)與學(xué)生成績(jī)的關(guān)系，全部外顯和內(nèi)隱相結(jié)合的行為在賴特圖右側(cè)展示，左側(cè)分別代表學(xué)習(xí)者的學(xué)習(xí)成績(jī)。自上而下的行為分別是瀏覽文檔資料時(shí)長(zhǎng)（B1）、完成單元測(cè)驗(yàn)次數(shù)（D2）、瀏覽文檔資料次數(shù)（B2）、完成測(cè)驗(yàn)分?jǐn)?shù)變化（D1）、登錄時(shí)長(zhǎng)（A1）、作業(yè)提交次數(shù)（C1）、完成測(cè)驗(yàn)時(shí)長(zhǎng)（D4）、完成單元測(cè)驗(yàn)頻率（D3）、登錄次數(shù)（A2）、觀看課程視頻率（E2）、作業(yè)完成質(zhì)量（C2）、觀看課程視頻時(shí)長(zhǎng)（E1）。

由此可以發(fā)現(xiàn)，在B、D象限中，即外顯與內(nèi)隱投入不一致時(shí)，瀏覽文檔時(shí)長(zhǎng)、完成單元測(cè)驗(yàn)次數(shù)、瀏覽文檔次數(shù)、完成測(cè)驗(yàn)分?jǐn)?shù)變化、登錄時(shí)長(zhǎng)、作業(yè)提交次數(shù)這六種外顯與內(nèi)隱相結(jié)合的具體行為類別出現(xiàn)的人數(shù)較少。

四、討論與建議

（一）關(guān)于學(xué)習(xí)者個(gè)體學(xué)習(xí)行為投入狀況分析

1. 個(gè)體學(xué)習(xí)投入狀況的“孩子圖”分析

Schaufeli等制定了“學(xué)業(yè)投入量表”（Utrecht Work Engagement Scale-Student，UWES-S）[6]，從活力、奉獻(xiàn)和專注三個(gè)維度測(cè)評(píng)大學(xué)生的學(xué)習(xí)投入水平，發(fā)現(xiàn)學(xué)習(xí)投入及各維度都對(duì)學(xué)習(xí)績(jī)效具有顯著積極影響，而其中奉獻(xiàn)維度的積極效應(yīng)最強(qiáng)。Peach等利用貝葉斯模型和時(shí)間序列數(shù)據(jù)框架，通過數(shù)據(jù)驅(qū)動(dòng)分析描述了在線課程中個(gè)人和小組學(xué)習(xí)者的行為，發(fā)現(xiàn)高成績(jī)學(xué)習(xí)者對(duì)于課程的投入度更高[7]。由此可見，在線學(xué)習(xí)投入與學(xué)習(xí)成績(jī)、學(xué)習(xí)效果之間存在必然的聯(lián)系，也凸顯出學(xué)習(xí)行為研究的重要價(jià)值。本研究設(shè)想，如果要想進(jìn)一步了解學(xué)習(xí)者個(gè)體學(xué)習(xí)外顯行為的投入狀況，可以通過Rasch單維分析中的“孩子圖”顯示其學(xué)習(xí)投入實(shí)現(xiàn)程度，以幫助教師更加明確每位學(xué)生能力可達(dá)到的“最近發(fā)展區(qū)”。在“孩子圖”中，漸進(jìn)發(fā)展區(qū)位于學(xué)生能力估計(jì)值上方和下方虛線表示的區(qū)域范圍內(nèi)。在“孩子圖”中，不易達(dá)到的行為投入水平位于圖的頂部，較易達(dá)到的投入水平位于圖的底部，學(xué)習(xí)投入水平所代表的學(xué)生能力水平用中間豎直的虛線所顯示的數(shù)值表示，越往高處，數(shù)值越大。在“孩子圖”中，左欄顯示的是學(xué)生能達(dá)到的學(xué)習(xí)投入水平，右欄顯示的是學(xué)生未按標(biāo)準(zhǔn)達(dá)到的學(xué)習(xí)投入水平。通過和漸近發(fā)展區(qū)域的結(jié)合考慮，每個(gè)“孩子圖”中就有了六個(gè)功能區(qū)域，左側(cè)分為上、中、下，右側(cè)也分為上、中、下，通過各區(qū)域的顯示信息，教師可以非常直觀地了解學(xué)生并開展下一步的教學(xué)，學(xué)生也可以更加清楚明了地認(rèn)識(shí)到自己學(xué)習(xí)的投入情況。例如，對(duì)S學(xué)生的內(nèi)隱行為，“孩子圖”進(jìn)行分析發(fā)現(xiàn)，該學(xué)生的每周平均登錄時(shí)長(zhǎng)（A1-2）（屬于積極性投入）處于左上區(qū)域，表明這一行為投入強(qiáng)度超過了該學(xué)生的期望值，但他達(dá)到了這一行為投入強(qiáng)度，表明學(xué)生在積極性投入上超預(yù)期完成。該學(xué)生的單個(gè)測(cè)驗(yàn)最高答題次數(shù)（D2-2）、單個(gè)文檔平均瀏覽時(shí)長(zhǎng)（B1-2）處于左中區(qū)域，表明這兩個(gè)行為表現(xiàn)位于其漸進(jìn)發(fā)展區(qū)并完成了該行為投入；該學(xué)生的作業(yè)完成平均相似度（C2-2）、平均登錄間隔（A2-2）處于右中區(qū)域，表明這兩個(gè)行為表現(xiàn)位于其漸進(jìn)發(fā)展區(qū)，但其并沒有完成該行為投入，還需要在積極性上加強(qiáng)引導(dǎo)；該學(xué)生的視頻平均觀看間隔（E2-2）、文檔有效瀏覽次數(shù)（B2-2）、完成期末測(cè)驗(yàn)與單元測(cè)驗(yàn)的相對(duì)時(shí)長(zhǎng)差（D4-2）、作業(yè)超時(shí)提交次數(shù)（C1-2）、單元測(cè)驗(yàn)分?jǐn)?shù)平均進(jìn)步（D1-2）處于左下區(qū)域，表明這五個(gè)行為表現(xiàn)的投入強(qiáng)度低于其學(xué)習(xí)效果并完成了該行為投入；該學(xué)生的視頻平均觀看時(shí)長(zhǎng)（E1-2）、單個(gè)測(cè)驗(yàn)平均提交時(shí)間間隔（D3-2）處于右下區(qū)域，表明這兩個(gè)行為表現(xiàn)的投入強(qiáng)度低于其學(xué)習(xí)效果，但其并未完成該行為投入，即自我管理和規(guī)律性投入水平在個(gè)別行為層面需要加強(qiáng)自我努力。

2. 個(gè)體學(xué)習(xí)投入狀況的象限圖分析

作為學(xué)習(xí)者個(gè)體，其在線學(xué)習(xí)行為投入表現(xiàn)也可以通過一張二維象限圖直觀顯示出來，達(dá)到評(píng)價(jià)學(xué)習(xí)者學(xué)習(xí)投入強(qiáng)度的目的。以L學(xué)生的所有學(xué)習(xí)行為投入（如圖5所示）為例，由圖4可直觀看出這位學(xué)生的學(xué)習(xí)行為投入強(qiáng)度整體較高，多數(shù)行為投入分布在高外顯、高內(nèi)隱（象限A）的區(qū)域中，少數(shù)行為分布在高外顯、低內(nèi)隱（象限D(zhuǎn)）的區(qū)域中，僅有個(gè)別行為分布在低外顯、低內(nèi)隱（象限C）的區(qū)域中，反映該學(xué)生的頻率性投入較高，受情感因素的實(shí)質(zhì)性投入有部分較低，整體在線學(xué)習(xí)行為投入水平處于高投入?yún)^(qū)。

學(xué)習(xí)投入永遠(yuǎn)離不開時(shí)間因素，如何推進(jìn)解釋、預(yù)測(cè)學(xué)習(xí)時(shí)間與學(xué)習(xí)結(jié)果之間復(fù)雜關(guān)系的研究將成為學(xué)習(xí)研究領(lǐng)域需持續(xù)關(guān)注的課題。如Li等在研究中也驗(yàn)證了在線學(xué)習(xí)參與和學(xué)業(yè)表現(xiàn)之間的相關(guān)性[8]，胡小勇等針對(duì)大學(xué)生群體的研究發(fā)現(xiàn)，在線學(xué)習(xí)投入對(duì)在線學(xué)習(xí)績(jī)效具有直接正向影響[9]。從早期的學(xué)習(xí)時(shí)間與學(xué)習(xí)結(jié)果關(guān)系探討中也可以發(fā)現(xiàn)一些不足，如諸多研究過于強(qiáng)調(diào)時(shí)間，而忽視了學(xué)習(xí)任務(wù)性質(zhì)；較少考慮不同時(shí)間段學(xué)習(xí)者學(xué)習(xí)效率的變化；缺少嗜好、態(tài)度和價(jià)值對(duì)學(xué)習(xí)時(shí)間影響的考慮等。本研究將針對(duì)這一問題引入學(xué)習(xí)行為投入的可持續(xù)性探討及其相關(guān)的評(píng)價(jià)方法，關(guān)注不同學(xué)習(xí)時(shí)段或?qū)W習(xí)主題上個(gè)體學(xué)習(xí)質(zhì)量結(jié)果的異同。針對(duì)當(dāng)前學(xué)習(xí)行為投入效度研究存在的不足，后續(xù)研究也將在這一方面持續(xù)開展相關(guān)工作。

（二）關(guān)于學(xué)習(xí)者線上學(xué)習(xí)行為分類及其投入效果分析

1. 外顯學(xué)習(xí)行為分類及其投入效果

王改花、傅綱善編制了網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者特征量表，通過在線行為數(shù)據(jù)的聚類分析將在線學(xué)習(xí)者分為高沉浸性型、較高沉浸性型、中沉浸性型、低沉浸性型四種群體[10]。研究發(fā)現(xiàn)，高沉浸性學(xué)習(xí)者的行為表現(xiàn)最能體現(xiàn)學(xué)習(xí)者的投入水平，其表現(xiàn)的學(xué)習(xí)行為體現(xiàn)在平均每次在線學(xué)習(xí)停留時(shí)長(zhǎng)偏低、學(xué)習(xí)次數(shù)偏高、學(xué)習(xí)時(shí)間跨度高、重復(fù)學(xué)習(xí)率高、學(xué)習(xí)筆記高、討論交流高等方面。同理，張思等通過收集網(wǎng)絡(luò)空間中的在線學(xué)習(xí)數(shù)據(jù)，認(rèn)為參與活動(dòng)平均次數(shù)、參與討論次數(shù)、給他人回帖字?jǐn)?shù)等越高，越能體現(xiàn)學(xué)習(xí)者的投入水平[11]。本研究中，從學(xué)習(xí)行為的外顯性來看，根據(jù)影響學(xué)習(xí)效果的作用大小依次可以將學(xué)習(xí)投入重新分為三大類，即全面投入、主動(dòng)投入和被動(dòng)投入。根據(jù)學(xué)習(xí)行為投入水平表現(xiàn)來看，該教學(xué)過程中應(yīng)引導(dǎo)學(xué)生加大主動(dòng)學(xué)習(xí)投入的力度。

2. 內(nèi)隱學(xué)習(xí)行為及其投入效果

從學(xué)習(xí)行為的內(nèi)隱性來看，根據(jù)影響學(xué)習(xí)效果的作用大小依次可以將學(xué)習(xí)投入重新分為四大類，即主動(dòng)投入、自我管理投入、規(guī)律性投入和績(jī)效投入行為。李爽等編制遠(yuǎn)程學(xué)生學(xué)習(xí)投入評(píng)價(jià)量表，通過量表測(cè)量學(xué)生投入現(xiàn)狀，發(fā)現(xiàn)行為投入中參與和專注投入顯著高于堅(jiān)持投入，交互投入明顯低于其他三類行為投入[12]。王洪江等還根據(jù)xAPI標(biāo)準(zhǔn)所提出的在線學(xué)習(xí)活動(dòng)，確定教學(xué)視頻播放行為數(shù)據(jù)、視頻觀看時(shí)長(zhǎng)和并發(fā)學(xué)習(xí)行為數(shù)據(jù)是當(dāng)前能反映獨(dú)立自主學(xué)習(xí)活動(dòng)的三類數(shù)據(jù)[13]。從學(xué)生在線學(xué)習(xí)行為投入頻次來看，該課程學(xué)習(xí)中學(xué)生在績(jī)效投入方面較高，而其他行為較低，故在教學(xué)中應(yīng)該加大學(xué)生的主動(dòng)投入、自我管理投入和規(guī)律投入力度。

盡管已有研究均已表明，學(xué)習(xí)者的在線學(xué)習(xí)投入類型不同，其強(qiáng)度也各有差異，但總體上并沒有形成學(xué)習(xí)者在線學(xué)習(xí)投入強(qiáng)度評(píng)估的常模量表，即缺乏一個(gè)客觀衡量學(xué)習(xí)者在線表現(xiàn)優(yōu)劣的基準(zhǔn)值。相關(guān)研究也只是較多傾向于針對(duì)學(xué)習(xí)者的在線學(xué)習(xí)行為類型進(jìn)行相互比較，每一種學(xué)習(xí)行為相對(duì)于其他行為都有一個(gè)相對(duì)意義上的學(xué)習(xí)投入水平高低，但針對(duì)同一類型學(xué)習(xí)者的同一學(xué)習(xí)行為投入水平評(píng)估則缺乏一個(gè)可參照的依據(jù)，并不能從絕對(duì)意義上刻畫出每一位學(xué)習(xí)者的在線學(xué)習(xí)行為投入強(qiáng)弱程度。同時(shí)，對(duì)于學(xué)習(xí)行為投入強(qiáng)度的可持續(xù)性也少有研究者提及。針對(duì)當(dāng)前研究存在的不足，后續(xù)研究也將在這一方面持續(xù)開展相關(guān)工作。

（三）關(guān)于學(xué)習(xí)投入精準(zhǔn)度分析

1. 象限圖示例

諸多研究證明，學(xué)習(xí)投入與學(xué)習(xí)結(jié)果呈正相關(guān)，即時(shí)間付出越多，學(xué)習(xí)效果越好。但學(xué)生學(xué)習(xí)的總時(shí)間是有限的，對(duì)每一門在線課程的學(xué)習(xí)時(shí)間也需要合理分配，不僅不同的學(xué)習(xí)行為投入對(duì)學(xué)習(xí)效果的影響大小各異，而且外顯行為與內(nèi)隱行為投入程度的不同也會(huì)影響到學(xué)習(xí)結(jié)果。因此，以學(xué)習(xí)成績(jī)?yōu)閰⒄?，借助多維Rasch分析對(duì)外顯行為與內(nèi)隱行為在投入程度上的影響力大小進(jìn)行研究，明確學(xué)習(xí)行為投入的精準(zhǔn)度（適切行為閾值），進(jìn)而對(duì)學(xué)生的在線學(xué)習(xí)行為投入作出更為科學(xué)理性的評(píng)價(jià)。

在前期點(diǎn)式和線性研究的基礎(chǔ)上，學(xué)習(xí)行為投入的頻次高低（強(qiáng)度）以及和學(xué)習(xí)成績(jī)的關(guān)系（有效性）都已明確，還需進(jìn)一步細(xì)化分類，將同處高投入的內(nèi)隱、外顯行為再分別劃分為“一般高H1、中等高H2、非常高H3”三個(gè)層級(jí)，這樣在A象限（高內(nèi)隱與高外顯）上由不同的內(nèi)隱、外顯行為層級(jí)關(guān)系組合將其分割成九個(gè)區(qū)域［如圖6（a）所示］。同樣將低投入?yún)^(qū)的內(nèi)隱、外顯行為分別劃分為“一般低L1、中等低L2、非常低L3”三個(gè)層級(jí)，結(jié)合A象限的層級(jí)組合關(guān)系，這樣在B象限（高內(nèi)隱與低外顯）和D象限（低內(nèi)隱與高外顯）上同樣被分割出九個(gè)區(qū)域［如圖6（b）所示］。

2. 多層面Rasch分析構(gòu)想

通過前面的分析得到了能體現(xiàn)學(xué)習(xí)者更高能力水平的學(xué)習(xí)行為，可進(jìn)一步明確處于“高外顯—高內(nèi)隱”的A象限中的具體行為投入強(qiáng)度區(qū)間，即進(jìn)一步分析這些學(xué)習(xí)行為究竟處于哪一區(qū)間最能影響學(xué)習(xí)者的學(xué)習(xí)質(zhì)量，判斷這些內(nèi)隱與外顯行為表現(xiàn)落在H1、H2、H3三個(gè)層級(jí)組合形成的九個(gè)區(qū)域（H1H1、H1H2、H1H3；H2H1、H2H2、H2H3；H3H1、H3H2、H3H3）中的具體位置。以此方法對(duì)平臺(tái)記錄數(shù)據(jù)進(jìn)行分析，進(jìn)一步明確在線學(xué)習(xí)行為投入強(qiáng)度與學(xué)習(xí)成績(jī)的關(guān)系?？梢試L試使用多維Rasch模型先來驗(yàn)證學(xué)習(xí)者的成績(jī)與外顯性投入和內(nèi)隱性投入間的關(guān)系。多維Rasch模型允許分析多種因素與學(xué)習(xí)效果的關(guān)系，因此，可以嘗試從學(xué)習(xí)成績(jī)、行為的內(nèi)隱和外顯水平、具體行為類型三個(gè)方面構(gòu)建多維的Rasch模型，在A象限和B、D象限，內(nèi)隱行為表現(xiàn)和外顯行為表現(xiàn)都可以分為三個(gè)層級(jí)。通過對(duì)個(gè)體在線學(xué)習(xí)行為的內(nèi)隱性分析來考查學(xué)習(xí)者學(xué)習(xí)質(zhì)量綜合水平的動(dòng)態(tài)變化，進(jìn)而可以彌補(bǔ)靜態(tài)學(xué)習(xí)質(zhì)量水平分析的不足，判斷學(xué)習(xí)者學(xué)習(xí)質(zhì)量發(fā)展的可持續(xù)性，是一種考查學(xué)習(xí)者學(xué)習(xí)投入情感因素和認(rèn)知因素的重要手段。

關(guān)于學(xué)習(xí)投入的精準(zhǔn)度主要涉及學(xué)生如何學(xué)習(xí)的問題，即綜合考慮行為類型與投入時(shí)間共同對(duì)學(xué)習(xí)效果的影響作用。目前對(duì)于學(xué)習(xí)投入精準(zhǔn)度的研究尚缺乏全面細(xì)化的投入分析模型，但從投入類型和投入時(shí)間兩方面結(jié)合分析的研究已陸續(xù)展開。宗陽(yáng)等在RFM模型基礎(chǔ)上依據(jù)xMOOC在線學(xué)習(xí)過程特點(diǎn)，提出中國(guó)MOOCs學(xué)習(xí)者的價(jià)值衡量模型ML-RFT，采用模型指標(biāo)原始值與所有學(xué)習(xí)者平均值比較的方法將MOOCs學(xué)習(xí)者分為八類，有針對(duì)性地對(duì)每類學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)支持策略[14]。Wang結(jié)合網(wǎng)上學(xué)習(xí)過程的行為特征提出了“三維度四層次”的學(xué)生分析框架接觸模型，采用不同方法對(duì)學(xué)生學(xué)習(xí)投入的三個(gè)維度進(jìn)行精準(zhǔn)分析研究[15]。從已有的研究成果看，眾多研究主要采用描述性統(tǒng)計(jì)或回歸分析，僅能表征少量行為投入的簡(jiǎn)單線性關(guān)系，缺少對(duì)不同階段認(rèn)知、行為及情感投入綜合影響關(guān)系的結(jié)構(gòu)化考查。同時(shí)，研究結(jié)果僅停留在對(duì)于學(xué)習(xí)行為投入維度的劃分，缺乏對(duì)投入時(shí)間系列與學(xué)習(xí)質(zhì)量關(guān)系的對(duì)比分析，對(duì)于學(xué)習(xí)者某一具體學(xué)習(xí)行為表現(xiàn)的最佳閾值區(qū)間還缺乏科學(xué)的論證。后續(xù)研究將借助象限圖和Rasch多維分析對(duì)在線學(xué)習(xí)行為投入的最佳區(qū)域作進(jìn)一步跟蹤分析。

[參考文獻(xiàn)]

[1] PASCARELLA E T， SEIFERT T A， BLAICH C. How effective are the NSSE benchmarks in predicting important educational outcomes？[J].Change the magazine of higher learning，2010，42（1）：16-22.

[2] 李松林.課堂教學(xué)行為分析引論[J].教育理論與實(shí)踐，2005（7）：48-51.

[3] 劉中宇，周曉.行為科學(xué)理論指導(dǎo)下的高校大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為研究[J].中國(guó)電化教育，2008（5）：46-48.

[4] 晏子.心理科學(xué)領(lǐng)域內(nèi)的客觀測(cè)量——Rasch模型之特點(diǎn)及發(fā)展趨勢(shì)[J].心理科學(xué)進(jìn)展，2010，18（8）：298-305.

[5] 袁潔.基于Rasch模型的大學(xué)英語(yǔ)分級(jí)考試質(zhì)量分析[J].東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2016，S1（18）：142-145.

[6] SCHAUFELI W B， SALANOVA M， GONZ？譧LEZ-ROM？譧 V， et al. The measurement of engagement and burnout： a two sample confirmatory factor analytic approach[J]. Journal of happiness studies，2002（1）：71-92.

[7] PEACH R L， GREENBURY S F， JOHNSTON I G， et al. Understanding learner behaviour in online courses with Bayesian modelling and time series characterisation[J].Scientific reports，2021，11（1）：1-15.

[8] LI N，WANG J， ZHANG X， et al.Investigation of face-to-face class attendance，virtual learning engagement and academic performance in a blended learning environment[J].International journal of information and education technology，2021，11（3）：112-118.

[9] 胡小勇，徐歡云，陳澤璇.學(xué)習(xí)者信息素養(yǎng)、在線學(xué)習(xí)投入及學(xué)習(xí)績(jī)效關(guān)系的實(shí)證研究[J].中國(guó)電化教育，2020（3）：77-84.

[10] 王改花，傅鋼善.數(shù)據(jù)挖掘視角下網(wǎng)絡(luò)學(xué)習(xí)者行為特征聚類分析[J].現(xiàn)代遠(yuǎn)程教育研究，2018（4）：106-112.

[11] 張思，劉清堂，雷詩(shī)捷，等.網(wǎng)絡(luò)學(xué)習(xí)空間中學(xué)習(xí)者學(xué)習(xí)投入的研究：網(wǎng)絡(luò)學(xué)習(xí)行為的大數(shù)據(jù)分析[J].中國(guó)電化教育，2017（4）：24-30，40.

[12] 李爽，喻忱.遠(yuǎn)程學(xué)生學(xué)習(xí)投入評(píng)價(jià)量表編制與應(yīng)用[J].開放教育研究，2015，21（6）：62-70，103.

[13] 王洪江，穆肅，黃潔，溫慧群.自主學(xué)習(xí)投入度實(shí)時(shí)分析方法及應(yīng)用研究[J].電化教育研究，2017，38（10）：44-50.

[14] 宗陽(yáng)，鄭勤華，陳麗.中國(guó)MOOCs學(xué)習(xí)者價(jià)值研究——基于RFM模型的在線學(xué)習(xí)行為分析[J].現(xiàn)代遠(yuǎn)距離教育，2016，4（2）：21-28.

[15] WANG P.Research on model of student engagement in online learning[J].Eurasia journal of mathematics，science and technology education，2017，13（7）：2869-2882.

A Study of Online Learning Behavior of College Students Based on

Two-dimensional Quadrant Analysis

—Taking the Practice of SPOC in Blended Learning Environment as

An Example

CAI Minjun1，? TANG Rui2，? WEI Yu1

（1.School of Educational Technology， Northwest Normal University， Lanzhou Gansu 730070;

2.Lanzhou Institute of Technology， Lanzhou Gansu 730050）

[Abstract] The panoramic behavioral performance of students in online learning environment reflects students' real learning engagement， which in turn reflects the quality of online teaching. Taking the practice of SPOC in a blended learning environment as an example， this study constructs a quadrant diagram for learning behavior analysis from two dimensions of implicit and explicit characteristics of online learning behavior， trying to conduct a more comprehensive analysis of learners' online learning engagement performance， learning effects， and the similarities and differences between implicit and explicit interactive effects. It is found that （1） at the level of learning engagement， learning tasks such as homework achieve a higher behavior engagement， while self-selected learning tasks has a lower behavior engagement. （2） In terms of the learning effect of online learning engagement， the learning effects of fully engaged behaviors are better than those of actively engaged behaviors and passively engaged behaviors. And the learning effects of actively engaged behaviors and self-management behaviors are better than those of regularly engaged behaviors and performance-based engagement behaviors. （3） From the perspective of the interaction between implicit and explicit learning behaviors， when implicit and explicit behavior are both presented in high engagement， the learning effect tends to be consistent with behavior engagement. When the engagement of implicit and explicit behaviors is inconsistent， the learning effect is not satisfactory.

[Keywords] Online Learning Behavior; Learning Engagement; Percentile Scale; Rasch Model; Two-dimensional Quadrant

基金項(xiàng)目：2023年甘肅省高校教師創(chuàng)新基金項(xiàng)目“基于象限圖分析的西部高校大學(xué)生在線學(xué)習(xí)質(zhì)量研究”（項(xiàng)目編號(hào)：2023A-010）