SPOC学习中学习者知识整合差异性研究

刘杰 杨娟 廖雪花 苏菡 杨军

【摘要】在线辅助教学系统目前正被广泛应用，学习者可以在线下学习的同时借助这些线上学习平台完成知识的构建。但大部分的学习行为研究都将重点放在最佳学习模式的发现上，并不会过多地去解释有差异的学习行为对知识构建可能产生的影响。区别于以往研究，本文旨在发现不同学习者的学习模式，同时要从SPOC平台对不同学习者的作用程度这一角度来解释学习模式对学习者知识构建的影响。本文采用一般认知智力知识整合理论来厘清学习模式与个体差异之间的关系。实验结果表明，SPOC平台若只提供满足学习者最低需求的视听媒体资源，则不具有普遍适用性。不仅如此，若以学习风格偏向性作为个体差异的索引，可发现言语感知型学习者在前驱知识回顾、访问以及使用的模式、效率、效果上均与其他学习风格偏向的学习者存在显著差异。这一结论意味着在具有明确学习目标的前提下，贸然使用自引导学习平台会存在较大学习隐患。

【关键词】  学习系统;SPOC平台;知识整合;学习模式;知识构建模式;学习风格;学习资源;一般认知智力知识整合理论

【中图分类号】  G420      【文献标识码】  A      【文章编号】 1009-458x（2019）1-0036-11

一、研究背景

随着计算机技术的迅猛发展，计算机与教育的结合愈加深入，计算机辅助教学越来越受重视。计算机让教育发生了巨大的改变，其中较显著的方式就是学习者利用互联网进行在线学习。在线学习突破了传统课堂教学时间、地点的限制，学习者能够随时、随地、随意地进行学习。基于在线学习的诸多优势，现已有许多在线辅助教学系统（Online tutoring system）被广泛应用。这些在线学习系统能为学习者提供大量的在线学习资源、宽广的学习空间、便捷的学习交流方式。根据学习者是否有明确的学习目标，是否进行自我引导式学习，学习平台可以分为非正式的学习平台和正式的学习平台（亚当斯贝克尔， 等， 2017）。随着新兴技术的发展，自我导向式的非正式学习正变得越来越普遍，学习者对学习时间、地点、内容和路径有越来越多的选择。Cox（2013）发现在过去四十年里学生运用的校外非正式学习资源甚至超过了校内的学习资源，非正式学习与正式学习的价值等同，这是研究自我导向式非正式学习的价值所在。技术的转换和学习资源交付的不断进步，极大地改变了个体的学习方式和学习路径。大多数在线学习者都可能在在线课程中使用免费和开放的教育资源，如麻省理工学院开放课程、可汗学院、开放大学教科书、TED（Song & Bonk， 2016）。非正式学习辅助平台在自适应学习中提供的服务各不相同，大部分自适应超媒体辅助教学系统是根据学生的个人信息（如性别、年龄、认知水平和背景资料）、学习组合和偏好等构建起来的，利用自适应学习系统学习的学生比利用传统电子学习系统学习的学生表现出更好的学习效果和态度（Filippidis & Tsoukalas， 2009; Huang & Yang， 2009）。不提供或只提供局部自适应服务的超媒体辅助教学系统主要用于较大规模的开放学习，如Moodle①、Blackboard②和MOOC等。大部分非自适应在线学习平台同时兼顾正式学习和非正式学习需求，教师和学生可以在多种媒体组成的平台内进行各种课程方面的交流。MOOC则主要针对非正式学习，学习者可以在MOOC平台上根据需求寻找在线学习资源进行自我引导式的学习。

不同于Moodle和Blackboard，MOOC③平台几乎放弃了所有自适应性，希望以一种极简方式满足个体化差异。广大教育工作者希望通过MOOC平台为教学提供更为灵活的服务，因此在MOOC的基础上出现了很多不同的新的在线学习模式，SPOC（Small Private Online Course）就是其中之一。SPOC是小规模限制性的在线课程，是从MOOC中衍生出来的，继承了MOOC的教学理念和设计。它的小众化特点也能带来很多好处，可以在很大程度上提升学习者的参与程度，能让学习者体验学习的整个过程（陈然， 等， 2015）。教师能从小规模的学习群体中分析学习者的掌握情况，有针对性地对学习者进行有效的指导，以此实现个性化的教学目标。大部分研究者认为SPOC作为辅助学习平台，可以提升学习效果。例如，黄光芳等在研究SPOC的教学有效性时提到了SPOC支持个性化教学的特点，教师在掌控课堂信息的基础上能为学生制定个性化的学习评价体系，实现有效的个性化的教学指导（黄光芳， 等， 2016）。在2014年发表的一篇关于MOOC发展的后记中提到高校对于MOOC的态度正在迅速变化，如哈佛大学拒绝MOOC并以SPOC代替之，文章还提出证据表明以前广泛接受的MOOC在实用性上有被“神话”的嫌疑（Baggaley， 2014）。

SPOC课程为满足学习者基本需求，大都采用视听媒体作为学习资源的主要表现形式，SPOC练习则作为主要的知识构建检验节点。这就产生了通过使用在线学习平台达到以SPOC练习为驱动的前驱知识回忆、巩固、进阶、应用的知识构建模式。按照建构主义的观点，知识在构建过程中就引起了学习行为的发生（Alesandrini & Larson， 2010）。因此在在线学习环境中，学习者根据自己的爱好、需求等不同动机进行学习必然会在学习过程中产生有差异的学习行为，这些被网络记录下的学习行为能够充分地反映出不同学习者知识构建的区别。例如，利用数据挖掘技术，从学生在线学习行为数据中能挖掘出可產生最佳创造力的学习模式，并将其作为最佳学习路径（Lin， et al.， 2013），或挖掘不同学习风格学生的最佳行为模式，从而为具有相似学习风格的学习者提供自适应服务（Kla?nja- Milievi， et al.， 2011）。但是，大部分学习行为挖掘仅仅将重点放在最佳学习模式上，并不太注重解释这些有差异的学习行为模式对知识构建可能产生的影响。区别于已有研究，本文研究的重点不仅在于发现不同学习者的学习模式，同时要从SPOC平台对不同学习者的作用程度这一角度来解释这些差异化的学习模式可能会对学习者带来的不同知识构建的影响。因此，需要采用新的方法来厘清学习模式与个体差异之间的关系。本文以Hannon 和 Daneman提出的一般认知智力知识整合理论（Hannon & Daneman， 2014）为基础建立学习者知识构建模式的数学模型。一般认知智力知识整合理论中知识构建由4个能力组成：①唤起前驱知识的能力，即学习者是否能从记忆中唤起必要的前驱知识;②基于文本提供的信息做出推理的能力，即学习者是否能面对当前信息（如测试题题面）推断出所需要的相关前驱知识;③访问前驱知识的能力，即学习者能否准确找到解决当前问题的前驱知识;④整合前驱知识和新信息的能力，即学习者能否通过整合前驱知识解决当前问题。上述4个方面的能力差异可映射到由所访问前驱知识的数量、频率以及时长所建立的数学模型上（赵德芳， 等， 2017），通过监测学习者学习过程中产生的相关学习行为数据，再以学习者学习风格偏向性为聚类索引，可以看出学习者在知识构建模式上的区别以及SPOC平台对不同类型学习者的实施效果差异。

SPOC课程所提供的无差别课后非正式学习服务是否能起到应有的辅助学习者进行知识构建的作用，以及同时的线上、线下的无差别服务是否会对具有个体差异的学习者带来不同的知识构建效果，这些问题的答案都不确定。这些假设的成立意味着，如果仅仅是利用SPOC平台进行课后辅助学习就会因为无差别服务带来显著的知识构建差异，那么贸然地将具有明确教学目标的课程以无教师干预的非正式学习形式进行开设则会产生更大的风险。这种风险不仅仅隐藏在学习效果的体现上，更可能会体现在长期的知识构建上，即可能造成学习者因知识构建不稳固而无法有效开展后续学习等灾难性后果。本研究使用学习风格对学习者个体差异进行索引，研究结果显示，在Felder-Silverman学习风格模型下，对视听学习资源媒体类型敏感的言语型學习者并不会直接体现出知识构建的差异，但是对言语型学习者在其他学习风格维度的偏向做二次划分以便体现出更细微的个体差异时可发现，言语感知型学习者和言语直觉型学习者在知识构建模式以及SPOC使用效率和效果上都有显著差别。

二、在线学习模式下以学习风格为索引的个体化差异相关研究

现有的个性化或自适应性学习系统的用户建模是根据学生的相关信息，如性别、年龄、认知水平、学习优势以及偏好等因素完成的。在影响个性化学习内容或路径的因素中，学习风格一直是一个重要的因素，特别是在不同学习风格学习者对学习资源媒体表现形式的偏好上，以学习风格为索引可以较为准确地反映出学习者的个体差异。不同学习风格模型可能对学习风格定义有不同描述，Keefe（美国前中学校长联合会主席）（Keefe， 1987）认为学习风格是学习者如何学习的一个相对稳定的指标;Kolb则认为学习风格是学习者对四种学习处理模式侧重使用上不同程度的学习倾向性上的普遍差异;Dunn和Dunn（Dunn & Dunn， 1993）认为学习风格是学习者从集中注意力到信息处理，再到获得并维持新的和较困难信息的不同方式;Felder和Silverman则定义学习风格是个体获取并处理信息的有突出特点的优势和喜好。下面重点论述在线学习系统中以Felder-Silverman学习风格模型为索引的学习者行为模式相关研究。

Hwang等（Hwang， et al.， 2013）研究了自适应学习系统用户建模中学习风格的作用。该研究设计了满足Felder-Silverman学习风格模型中的顺序/全局维度特征的两种教育游戏，据此来观测学习者在选择电子学习系统内容呈现方式的行为上是否与学习风格有关。实验结果表明，具有顺序偏向的学习者和具有全局偏向的学习者的选择与认知过程特征或学习方式特征没有关系，大多数学习者仅仅根据个人喜好做出选择。但是，若学习者选择的游戏风格符合其学习风格偏向性，学习效果要优于所选择游戏风格违背其学习风格偏向性的学习者。因此，可得出结论：学习者对游戏风格的喜好并不能为其带来更好的学习效果。这揭示了在基于Felder-Silverman学习风格偏向性开发适应性学习系统时，刻板地使用相关定义中所描述的“喜好”特征是不能达到预设目的的。我们在前期研究中得出了相似结论，不仅在游戏教育模式下，而且在在线学习模式下，若以学习者喜好来建立学习者模型（无教师干预，完全遵从学习者选择），不仅不会为学习者带来理想的学习效果，甚至会因为纵容了学习者的缺陷产生负面的影响（杨娟， 等， 2017）。

Filippidis和Tsoukalas（Filippidis， et al.， 2009）开发了一种基于网络的自适应教育系统，该系统同样基于Felder-Silverman的学习风格理论。他们对于顺序/全局维度进行了分析研究，在自适应学习系统提供不同版本的图像呈现相同的内容，即为不同学习风格偏向性的学习者提供不同详细级别的图片。也就是说，图片的详细版本是为顺序型的学习者提供的，而非详细版本则是为全局型学习风格的学习者提供的。最后发现提供了相匹配的学习资源后，学习者的学习效果得到显著提升。

Mohammad等（Alshammari， et al.， 2015）在研究自适应在线学习时提到，传统的在线学习系统是为一般学习者设计的，没有考虑个体的需求。自适应在线学习系统将学习方式和知识水平等因素考虑在内，以提供更个性化的教学。其用户模型使用Felder-Silverman学习风格偏向性建立，在此基础上提出了一个通用的自适应框架。对在线学习平台进行了一项有60名参与者的实验，产生了积极的结果。实验结果显示，若教学资料和信息感知学习方式与学习者学习风格相匹配，会对学习结果和学习者满意度产生积极效果。研究结果表明，在线学习平台的教学资料媒体表现形式会对学习者的学习模式产生显著影响。

Aleksandra和Boba等（Kla?nja-Milievi， et al.， 2011）运用一种编程辅导系统的推荐模块——Protus，自动适应学习者的兴趣、习惯和知识水平。通过测试学习者的学习方式和挖掘服务器日志来识别不同的学习方式和学习者的习惯。为测试该系统，研究者进行了实验研究。对照组的学习者以正常方式学习，在此过程中没有收到任何建议或指导，而实验组的学生则要求使用Protus系统。然后，在每种学习风格偏向性中都使用了频繁序列挖掘算法来发现资源访问模式。最后，这些序列被用于根据协作过滤方法生成建议。研究结果显示，通过推荐适应学习者学习风格偏向性的学习模式可以改善学习效果。虽然学习者之间的差异取决于他们对事物的认识、学习方式、学习特点、偏好以及学习目标等因素，但以学习风格偏向性为索引进行学习者聚类划分能够有效反映出学习者群体间差异。除此之外，Protus系统也证明适应学习者学习风格的学习模式并不一定是学习者喜好的学习模式这一观点。

综上所述，长期以来学习风格（Felder-Silverman模型）都可以作为在线学习模式下研究个体化差异的有效索引。学习者不同维度的学习风格偏向性可作为学习者聚类的依据，研究表明根据学习风格所划分的学习者群体在不同学习资源表现形式敏感度上以及学习行为模式上都具有显著个体差异。本文沿用了以学习风格为索引进行学习者群体划分的方法，在此基础上研究SPOC课程中视频媒体资源对辅助不同学习者构建及整合知识的作用。

三、实验方法及过程

（一）“C语言程序设计”课后自主学习SPOC课程

SPOC是一种小规模的具有一定限制性的在线学习课程，它可以给学生提供学习资源，学生在使用平台学习时也可以进行学习交流，教师可以在学习平台上随时掌握学生的学习进度和学习效果，相较于MOOC来说教师更能高效地辅导具有差异性的学习个体。在本实验中，我们在网易“中国大学MOOC”平台上设计了一门用于学生进行课后C语言自主学习的SPOC课程，该SPOC课程是“C语言程序设计”的课程工具之一。“C语言程序设计”是四川师范大学计算机科学学院计算机专业学生大一下期的一门核心专业课程，课程的主要目标是让学生掌握基础的面向过程的编程语言，培养程序設计的思想和方法，为后续课程的学习打下基础。C语言的主要学习方式是“线上学习+线下学习”，线下学习即传统的课堂学习，线下学习完成以后教师再引导学生利用SPOC平台进行相应的线上学习。课后作业、练习等任务均在SPOC平台上完成。但SPOC练习提交是以一种弹性的方式进行的，也就是说学生只要在相应的截止日期内将已完成的练习提交到学习平台，教师批阅后就会给出对应的SPOC成绩。因此，对SPOC练习的数量及质量并没有固定要求，是学生根据需求自主决定并完成的，是实现知识巩固和迁移的途径之一。

本实验中的SPOC教学资源媒体表现形式继承了面对面教学所采用教学资源的关键特点，即将视听媒体作为前驱知识的主要表现形式。学习者的SPOC练习通常滞后于课堂教学内容，因此在完成SPOC练习时会经历前驱知识回顾、访问、使用并最终解决问题的知识整合过程，而且SPOC练习越往后对前驱知识点的需求覆盖面就越广，对前驱知识的整合度要求也越高。

（二）实验对象

本实验对象是四川师范大学计算机科学学院本科一年级的290名学生（平均年龄=19.4岁，SD=0.48，女生160人，男生130人）。学习风格索引采用Felder-Silverman①问卷。因通过对4个维度（主动/被动， 感知/直觉， 言语/视觉， 顺序/全局）一次划分，未发现明显差异，所以从被试中筛选出对视听媒体敏感的140名言语型被试（平均年龄=19.2岁，SD=0.45，女生82人，男生58人）进行二次划分，被试在学习风格其他维度的偏向性上的人数分布。

（三）数据采集

本文数据采集时间分布在整个学习过程的四个时间点，分别是第一个1/4学期时间点、期中、第3/4学期时间点以及最后SPOC练习提交截止日期时间点。每次采集的数据主要有SPOC成绩、观看视频的个数、观看视频的频次以及每个视频观看的平均时长。之所以采集这4组数据，主要是因为从这些数据可以看出不同学习风格偏向性的学习者在SPOC学习环境下对前驱知识回顾、访问以及使用的不同模式和不同学习风格偏向性所带来的知识构建差异。每一个学习者都存在相对独立的与对应的认知范围和知识领域相联系的多种一般智力能力。因此，这4组数据参数与知识整合的一般认知能力具有如下对应关系：

1. SPOC练习及得分（S）

学生需完成的SPOC任务是典型的一般智力知识整合中所涉及的新问题，是需要通过对前驱知识回顾、访问并使用来完成的，即本实验考察的是以不同学习风格偏向性为索引，不同学习者在前驱知识认知最高要求下的完成度及完成模式的个体差异。SPOC练习得分高低反映了学习者SPOC平台使用的效率，并非学习效果的体现，SPOC平台对学习效果的差异性作用体现在最终课程考核成绩、SPOC练习得分以及由SPOC练习所驱动的前驱知识回顾、访问及使用方式的关联分析上。

2. 访问前驱知识视频总数（Vm）

学生在某个时刻以完成对应SPOC练习为前提，所访问的前驱知识数量，如文献（赵德芳， 2017）所述，前驱知识视频的访问量与学习者对前驱知识掌握程度成反比。例如，学习者在完成SPOC练习时并未使用前驱知识视频，说明该学习者已完全掌握该知识点，无须系统提供帮助就已完成前驱知识的整合，可以解决新问题（当前SPOC练习）;而如果学习者在完成SPOC练习时访问了所有的前驱知识视频，若要进一步区分其对前驱知识掌握的程度，则需要同时考虑其访问的频次和每个视频访问的时间。因此，独立来看这一参数，它反映的是学习者对前驱知识需求的规模。

3. 访问前驱知识视频频次（Vf）

如前所述，单纯采集学习者访问前驱知识视频总数并不能反映出足够的个体差异性，必须还要考虑学习者访问具体某个前驱知识的频次，因为我们是按一个统一的时间点采集学习者数据，虽然学习者进度可能不同，但是其学习视频访问的频次总是与其当前SPOC练习是线性关联的。因此，学习者对视频的平均访问频次独立来看反映了学习者在某一时刻对某个前驱知识的需求程度，频次越高，则需求越高。但是，这种计算方式并未排除由学习者不同学习偏好所带来的干扰数据，因此引入第四个参数，即“前驱视频的平均观看时长”，用于区分不同的模式。学习者访问前驱知识视频频次根据以下计算公式计算：

假设数据采集时刻学生i的观看次数是[Xi]，其观看的前驱知识视频为[Vim]个，那么学生i所访问前驱知识视频频次

4. 访问前驱知识视频的平均观看时长（Vt）

独立来看“前驱知识视频观看时长”这一参数反映的是学习者对该视频所代表的前驱知识的回顾程度，假设学习者对每个前驱知识视频观看时间都较短，那么说明该学习者只需简单提示便可回忆起前驱知识;反之，观看时间越长，说明掌握情况越差。平均观看时间与访问频次结合起来可以反映出不同的学习模式。例如，某些学习者虽然单次访问时间短，但是观看频次高，这说明学习者倾向于使用跳跃式回顾前驱知识模式;某些学习者则单次观看时间长，频次较低，这说明学习者倾向于顺序回顾前驱知识模式。因此可计算学习者视频平均观看时长：

假设数据采集时刻学生i观看视频的总时长是[Ti]，其观看的前驱知识视频为[Vim]个，那么学生i所访问前驱知识视频的平均时间

四、数据分析

（一）学习时间线上各学习风格偏向性学习者的统计数据分析

实验持续了6个月（一学期），在学习时间线上分4个时刻采集了数据：1/4学期、1/2学期、3/4学期以及临近期末的SPOC练习提交的截止日。数据包括每个学习者的SPOC成绩（S）、前驱视频观看个数（Vm）、前驱视频观看次数（Vf）以及前驱视频观看时长（Vt），并对140名言语型被试按照Felder-Silverman学习风格维度进行划分，以其为索引计算了每个时刻每个维度下数据的平均值，然后对维度内的每一项数据进行了T检验。表1-4分别记录了学习时间线上关键的4个时刻所采集数据的相关统计分析结果。其中，ACT代表言语主动型学习者，REF代表言语被动型学习者，SEN代表言语感知型学习者，INT代表言语直觉型学习者，SEQ代表言语顺序型学习者，GLO代表言语全局型学习者。

从4个阶段的SPOC练习完成情况以及对前驱知识访问回顾的数据来看，出现显著差异的是感知型/直觉型学习风格偏向。言语感知型学习者的SPOC练习完成量显著少于言语直觉型，且视频观看个数、次数以及平均时长都显著少于直觉型。但从期末的SPOC练习提交截止日所提交的数据看，这种显著差异变成了亚显著差异（<0.1），说明言语感知型学习者在通过SPOC系统完成前驱知识回忆并解决当前问题上无论从喜好还是结果来说都较差（最终的SPOC练习完成度不高）。为支撑上述结论，我们将SPOC成绩作为因变量，视频观看个数、观看次数以及每个视频观看时长作为自变量进行了相关度分析，具体分析及结论参见下节。

（二）S与Vm、Vf以及Vt之间的相关分析

为了支撑上一节所提出的结论，本文进行了四次数据的相关分析，表5列出了四次言语感知和言语直觉型学习者数据间的相关分析的对比结果统计。

从时间线的相关分析来看，T1-T3时刻的言语感知型学习者的Vt与SPOC练习得分呈较为显著的负相关，即SPOC得分越高其平均每次观看前驱知识视频的时间越短，当言语感知型学习者在解决当前问题时他们对前驱知识的回顾及应用并未得益于系统提供的视频。而第四次数据则反映，在临近SPOC练习提交截止日的时间段（T4）里，言语感知型学习者开始试图使用视频资源回顾并使用前驱知识。虽然从较强负相关转换成了正相关，但是其最终的SPOC练习总得分依然与言语直觉型学习者最终的练习得分有较大差距。这部分相关性分析进一步佐证了前一节对于言语感知型学习者在视频资源选择和使用上的无效性分析。结合最终的期末考试成绩（感知直觉型学习者在期末考试成绩上并无显著差异），可知言语感知型学习者把在线学习过程中缺失的前驱知识通过线下方式（纸质、书籍等传统媒体）补齐了。

（三）言语感知型和言语直觉型学习者不同的知识构建模式

1. 言语感知型学习者的整体回归分析

在回归分析结果表中，参数Multiple R用于衡量自变量（Vm， Vf， Vt）与y（S）之间的相关程度，这里Multiple R=0.5818，说明它们之间有较大的正相关关系;复测定系数R Square=0.3385。通过F检验判定回归模型的回归效果，这里F显著性统计量的p值为4.24E-07，小于显著性水平0.05;每个系数的拟合情况可参;根据系数表，可以得到以下线性拟合函数：

2. 言语直觉型学习者的整体回归分析

在言语直觉型学习者学习模式回归分析结果表中，Multiple R=0.5506，R Square=0.3032。通过F检验判定回归模型的回归效果，F显著性统计量的p值为1.22E-32，小于显著性水平0.05，说明模型效果显著;每个系数的拟合情况可参;通过系数表，可以得到线性拟合函数：

3. 言语感知型和言语直觉型学习者不同的知识构建模式分析

从公式3和公式4可看出，言语感知型学习者与言语直觉型学习者在知识构建模式上的共同点是参数Vt对于其行为模式不具有影响力，可以忽略不计。他们行为的差异性主要体现在参数Vf和Vm上。例如，在公式3中，Vm的正相关权重明显多于其在公式4中的比重，而Vf则从公式1中的正相关变为公式4中的负相关。公式3与公式4中的常量则体现了学习者不依赖SPOC平台提供视频的自重（可视为线下学习效果的体现）。例如，在公式3中，言语感知型学习者自重明显大于言语直觉性学习者（因为言语感知型学习者的平均SPOC成绩要明显低于言语直觉型学习者，而常量却大于言语直觉型学习者），这说明言语感知型学习者对于平台视频的依赖度较低，不仅如此，结合Vf的负相关特性，可知，言语感知型学习者在SPOC练习驱动下对前驱知识的整合主要依赖于其自身的前驱知识积累以及前驱视频浏览数量。而言语直觉型学习者则同时依赖于前驱视频浏览数量和每个前驱视频的访问次数。因此，根据公式3和公式4，可得到言语感知型学习者和言语直觉型学习者在前驱知识使用模式上的不同解释。

（1）虽然平台提供的前驱知识视频可以为言语感知型学习者提供一定的知识整合帮助，但相较言语直觉型学习者来说收效甚微，在言语感知型学习者平均成绩显著低于言语直觉型学习者的前提下，言语感知型学习者自重常量大于言语直觉型学习者自重常量，这说明言语感知型学习者线下的知识构建要远远优于线上知识构建。

（2）根据一般智力中前驱知识整合的不同能力可将学习者对前驱知识的使用分为回忆、巩固以及迁移三个目标，SPOC平台为言语感知型学习者所提供的帮助仅仅局限在浅层的回忆阶段。例如，若言语直觉型和言语感知型学习者同时都访问了10个前驱知识视频，每个视频访问频次都为1次，根据拟合公式，前者可以获得约44分的SPOC分数，而后者则获得约为39分的SPOC分数，言语感知型学习者在前驱知识回忆模式下，可以获得更高效率的知识构建效果。然而，随着视频访问频次的增加，即学习者无法从回忆模式下实现知识的巩固以及迁移目标时，学习者会转为继续学习模式，通过增大前驱知识访问频率来实现更高级的知识整合目标，这时言语感知型学习者的SPOC分数依然不会有变化，而言语直觉型学习者的分数则會呈线性增长。这说明，SPOC平台所提供的以视频媒体为表现形式的前驱知识为言语感知型学习者提供的帮助只能局限在一般智力知识构建的初级阶段，而无法在更高阶的知识构建上面为言语感知型学习者服务。

五、结论

虽然已有研究表明以MOOC为代表的在线辅助教学平台在正式学习过程中所占比重过大会带来学习效果风险。例如，在康叶钦对于MOOC局限性的描述中就指出，可能会因为没有限定先修条件而进一步拉大具有不同认知背景学习者的知识结构差异（康叶钦， 2014）。而针对MOOC缺陷衍生出的SPOC虽然解决了部分MOOC中存在的问题，但在学习者进行知识建构时也存在一定风险。例如，若缺少教师的有效干预和介入，学习者利用SPOC平台学习会在知识构建上产生混乱（阚宝朋， 等， 2017; 李月， 2018）。从李月（2018）和阚宝朋（2017）的研究中都可以看出，教师在使用SPOC之前加入有针对性的课堂教学策略设计是帮助学习者获得更好学习效果的有效途径。而另一个影响学习者知识构建的要因则是教师的参与互动程度（陈鹏宇， 等， 2015; 杨惠， 等， 2009），教师若能对学习者的学习行为产生积极影响，则会帮助学习者建立更高层次的知识结构。

本研究中的实验进一步证明，即使教师在课堂上引导且积极参与SPOC在线互动，忽略学习者的个体差异依然会导致部分学习者知识构建出现问题。因为在线学习系统中使用课堂教学中普遍使用的视听媒体作为资源表现形式并非是万能的，实验中对学习资源表现形式敏感的言语型学习者在未进行细分的前提下并未表现出特别的知识构建差异，然而随着进一步的学习者群体细分，言语感知型学习者在前驱知识回顾、访问以及使用的模式、效率和效果上均与言语直觉型学习者存在显著差异。这一结论验证了本文开始提出的“利用SPOC平台进行课后辅助学习会因为无差别服务带来显著的知识构建差异”这一假说。这个假设的成立意味着在具有明确学习目标的前提下，贸然使用自引导学习平台会存在较大学习隐患，因为多种学习风格偏向性的各种强弱组合具有极大个体差异。这种风险不仅仅表现在学习效果上，更体现在知识构建上，即可能会造成學习者知识构建不稳固等后果。

因此，这一结论预示着，混合学习模式下SPOC平台的使用必须要有比如前所述的相关工作中提到的更严格的使用限定，特别是在无教师干预的课后辅助学习时，若要提升SPOC平台的有效性，在线上课程中加入更丰富的教学媒体资源（包括静态文本类教学资源）类型是必需的。否则，对于如本实验中的言语感知型学习者来说，若已有面对面课堂教学，SPOC线上辅助学习就没有任何意义了。

最后，因为无法从SPOC平台中获得益处的学习者比例较高，已经超出了学习者正态分布的界限，SPOC课程设计及使用必须做出有针对性的改进。虽然任毅（2017）等在研究中发现若将学习风格和教学策略相匹配可为不同学习风格的学习者提供更加具有针对性的教学策略，能极大提升学习效果，但是这种教学策略会降低网络课程的可重用性，降低受众面，因此我们不考虑以牺牲重用性为代价的教学策略改进方案。参考马秀麟等（2016）在关于MOOC和SPOC两种在线学习模式的比对研究中的结论，即以SPOC为新的解决MOOC管理和监督不足的在线学习系统可考虑建立面向学生个体的实时反馈机制，以及杨惠等（2009）在研究中发现的教师提出深度问题可帮助学习者建立高阶知识结构这一结论，我们后续将做出下面三个方面的调整：

（1）课程中将增补文本型教学资源。如前所述，将近40%的言语型学习者都无法在视频媒体表示的前驱知识基础上完成有效的线上整合，因此为这些学习者提供文字型教学资源是提升SPOC使用效率的必要手段。

（2）重点关注使用SPOC平台滞后的学习者，强制为这些学习者的SPOC练习设定阶段性截止日期，并设立相应的分数要求。

（3）在时间线上增加需要更高前驱知识整合技巧的可选SPOC任务，若学习时间已过中线仍有学习者存在SPOC分数大幅延迟的情况，则要求他们尝试完成这些任务。

[参考文献]

S·亚当斯贝克尔，M. 卡.，A·戴维斯，A·弗里曼，C·霍尔给辛格，V·安娜塔娜额亚婻，殷丙山，高茜，任直，刘鑫驰，曹红岩，王济军，赵广元，邵恒. 2017. 新媒体联盟地平线报告：2017高等教育版[J]. 开放学习研究（02）：1-20，62.

陈鹏宇，冯晓英，孙洪涛，陈丽. 2015. 在线学习环境中学习行为对知识建构的影响[J]. 中国电化教育（08）：59-63，84.

陈然，杨成. 2015. SPOC混合学习模式设计研究[J]. 中国远程教育（5）：42-47，67，80.

黄光芳，吴洪艳，金义富. 2016. 泛在学习环境下SPOC有效教学的实践与研究[J]. 电化教育研究（5）：50-57.

阚宝朋，刘英杰，杜文龙. 2017. SPOC环境下基于翻转课堂的混合式教学实践与反思——以高职《计算机网络基础》课程教学为例[J]. 中国教育信息化（12）：44-47.

康叶钦. 2014. 在线教育的“后MOOC时代”——SPOC解析[J]. 清华大学教育研究（01）：85-93.

李月. 2018. SPOC模式下的限制性策略研究[J]. 高等职业教育探索，17（01）：66-70.

马秀麟，毛荷，王翠霞. 2016. 从MOOC到SPOC：两种在线学习模式成效的实证研究[J]. 远程教育杂志，34（04）：43-51.

任毅，费明明，甘文田. 2017. 学习风格对网络课程学习效果的影响探析[J]. 中国成人教育（13）：95-98.

杨惠，吕圣娟，王陆，王彩霞. 2009. CSCL中教师的教学组织行为对学习者高水平知识建构的影响研究[J]. 中国电化教育（01）：64-68.

杨娟，宋晓玲，乔兴媚. 2017. 自主在线学习环境下学习行为与学习风格偏向性的关联分析研究[J]. 中国远程教育（10）：47-54，79-80.