基于CiteSpace 及SPSS 在线学习效果与参与度分析＊

武永娇

（甘肃广播电视大学 信息中心，甘肃 兰州 730030）

1 在线学习参与度国内研究现状

在“知网CNKI”中，用“在线学习参与度”作为检索词，筛选时间为2000-2020 年，检索“中引文扩展”，检索到文献记录共116 条。成果文献在2007年才有发表且为1 篇。具体分布如图1 所示。

图1 在线学习参与度成果文献柱状图

从上面线性图可以直观地看出：国内目前关于在线学习参与度的研究数量还较少。通过对文献内容的梳理，通过CiteSpace 软件对所选文献进行分析，得出国内在线学习参与度的研究分布主要在三个领域：

（1）在线学习参与度的理论研究。2003 年，华东师范大学孔企平教授在其《数学教学过程中的学生参与》一书中首次提到学习参与度，并针对数学学习参与度设计了行为参与、情感参与、认知参与三份调查问卷。

（2)在线学习参与度的影响因素研究。杨九民教授2010 年在中国电化教育发表的论文中他结合互动分析模型，提出了参与度评价量表，将参与度分为了社交型、过程型、说明型、解释型、认知型五种。

（3）在线学习参与度与投入程度。严加平学者认为学习参与度体现为学生在学习过程中的投入程度，分为纵向和横向两个维度。纵向分为了四个坐标系，即积极参与者、力不从心者、游离者、执行者。

为进一步研究在线学习参与度与学习效果之间的关系，使用CiteSpace 软件提取的关键词共现图谱。关键词围绕“在线学习”“学习效果”“参与度”等研究内容，词频阈值大于等于10，聚类分析如图2 所示，学习效果依次与学习过程、在线资源、学习兴趣、实践环节等关系影响。其中学习过程是最大聚类，占55%。

图2 学习效果词频聚类分析

2 在线学习过程参与度分析方案

2.1 研究方向及对象

为了更深一步研究，本文选取了占学习效果权重最大的元素：学习过程，作为研究方向。学习过程都有哪些因素组成呢？基于甘肃开放大学在线学习平台，选取专业为2020 年计算机科学与技术本科，课程《数据结构》的学习者为研究对象，根据平台数据显示，学习过程参与度主要由在线天数、登录次数、资源浏览数、视频时长、形考成绩、回帖（讨论区）6 个参与维度构成。学习效果与学习过程中6 维度参与度之间的权重关系将是下文重点研究的内容。

2.2 研究方法及内容

利用描述统计与回归分析方法，借助从学习平台导出的Excel 数据、SPSS20.0 对学习者在线学习过程中产生的登录次数、资源浏览数、回帖等参与度特征进行基本统计和分析，探讨非学历教育学习者在线学习效果与学习过程参与度的整体特征及分布情况。课程《数据结构》在线学习人数N=500。

3 在线学习过程中参与度分析

3.1 课程登录次数与课程资源浏览数分析

判断一位学习者是否参与在线学习，首先是要确定学习者是否登录、并访问课程学习资源，这也是反映学习者参与在线学习参与度的积极程度。在本文中，为了避免短时间内学习者登录的数据的片面性，数据收取2010 年春、秋季两学期，即3-6，9-12 八个月的数据。保证收集到的数据的可行性和客观性。利用SPSS20.0 对学习者的课程登录次数与课程资源浏览数做初步描述统计量（均值、标准差只取整数位），见表1。部分学习者课程登录与资源浏览对比见图3 所示。

表1 课程登录次数与资源浏览数描述统计

图3 课程登录次数与课程资源浏览数柱状图

从表1 和图3 统计数据初步得知，学习者在学习过程中登录课程与课程的资源浏览数分布较不均。其中，学习者个体课程最高登录次数达126 次，而最低仅为10 次，平均课程登录次数为54 次，标准差数值比较大。与此同时，资源浏览数也分布不均衡，均值为169 次，最小值仅有6 次。不同学习者浏览资源数差距比较明显。甚至出现登录次数大于访问资源次数的个体存在，即说明个别学习者只登录课程，并没有访问浏览资源。

3.2 学习过程中其他参与度数据挖掘

在线学习过程中的形考成绩、在线天数、视频时长及回帖参与度数据描述统计量见表2 学习效果与学习过程中其他4 个参与度关系图如图4 所示。

表2 学习过程中其他参与度数据分析表

图4 学习效果与其中4 个参与度的关系图

（1）形考成绩。形考成绩由阶段性学习测验、实践活动、学习记录三部分构成，分别占形成性考核成绩的70%（4 次作业+1 次试验）、20%（理论补充）和10%（拓展延伸）。采用系统自动评测和辅导教师根据评分标准评判相结合的方式。由表2 可知，形考成绩最低分数42分，最高94分，平均分值74分，6%的学习者未能完成形成性作业，即成绩低于60分。由此可见，学习者在形考作业完成度上还不够理想，平均分数也没有达到期望值80。

（2）在线天数。在线天数是指在线有效天数的累计，这里的有效保证在每天登录学习不少于1h，也就是说，如果某天登录学习时间不到1h，则这一天不累计在线天数数据中，这也保证了防止避免无效学习现象发生。由分析表2 得知，最小值6，最大值53，学习者在线学习天数这项参与度分布较不均衡，个体学习主动性重视程度差异较大。

（3）视频时长。学习者在线学习视频时长分布在2～17.7h，平均时长为8，标准差是4，说明学习者学习过程中视频时长较接近平均值8。课程视频是10min 微视频共计60 个知识点的，学习者整体完成视频进度为80%，从最大值17.7h 来看，存在反复学习视频资源的情况。

（4）回帖。通过表2 可见，在线学习回帖最大值23，最小为0，人均发帖8。课程发起讨论主题数为8 个，也就是每个主题人均只有一个回帖。根据图4 进一步分析得知，学习者参与回帖讨论积极性不够高，而且回帖也不均衡，统计未参与回帖学习者比例约为20.6%，参与回帖学习者占79.4%。课程回帖实际参与度值远远低于预设回帖参与度期望值。

4 学习效果与学习参与度分析

为了进一步挖掘在线学习效果与学习过程参与度的关系，对学习者的综合成绩与学习过程参与度进行统计，并将文中研究的6 个维度通过散点可视化分析，分析结果如图5 所示。

图5 学习效果与学习过程参与度散点分析

4.1 学习效果与学习参与度趋势分析

通过观察散点图中数据点分布情况，可以推断出变量间的相关性。如果变量之间不存在相互关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性，那么大部分的数据点就会相对密集并以某种趋势呈现。因此，从散点分布情况可以初步证明，学习效果，即综合成绩与资源浏览数和形考成绩这两个维度最密切。

4.2 学习参与度各维度权重分析

在用SPSS 进行主成分分析的时候，默认对原始变量进行标准化。

（1）首先在SPSS 中输入需要分析的变量；

（2）Analyze→Data Reduction→Factor 进入之后，先点击Descriptives，在Correlation 复选框下选中Coefficients；

（3）点击Extraction，在Display 复选框里选中screeplot；同时点击Scores，选中Displayfactor score cofficient matrix；点Rotation，在Method 复选框下选中Varimax（方差最大化法旋转）；

（4）点击ok 就可以得出主成分分析的结果（包括累计贡献率等）。

4.3 分析与结论

（1）KMO 值和公因方差。KMO 的值为0.718，大于阈值0.5，所以说明了变量之间是存在相关性的，符合要求。Bartlett 球形检验的结果，只需看Sig.这一项，其值为0.000，所以小于0.05。这份数据是可以进行因子分析的。在本例中，“提取”的值均大于0.7，如图6 所示。所以变量可以被表达是比较理想的提取。

图6 KMO 与公因方差

（2）多维度的参与度特征数据获取。本文选取的因子分析及参数显示，分析模型为最佳模型统计量，如图7 所示，分析结果可行性比较理想。对各因子提取情况分析，最佳模型分析一共提取出6 个因子，方差分别是24.417%、22.820%、38.356%、5.403%、2.603%和2.401%。前三个因子占的成分比较大，具体是否能达到90%关系度，还需进行因子累积分析，即解释的总方差分析，由表3 可知，提取累积1、2、3 因子（分别是在线天数、形考成绩、浏览资源数）累积达到89.563%。旋转后的方差解释率分别是21.413%、29.479%、38.701%，旋转后1、2、3 因子累积方差解释率为89.563%，约为90%。结论：6 个因子中，可以选取累积1、2、3 因子做成分关系表达。

图7 最佳模型统计量

表3 解释的总方差

（3）学习效果与参与度回归分析。如果根据成分矩阵中的载荷得到X1=a11*F1+a12*F2+a13*F3（Xi为变量；aij为载荷；Fj为公因子）；那么旋转成分矩阵得到F1=a11*X1+a21*X2+a31*X3（符号同前面定义）。

所以，成分得分系数矩阵可得知因子分析函数：

旋转后因子为：

因子综合评价函数为：

Y=X1+X2+X3+X4+X5+X6=(0.860-0.350+0.372)X1+(0.503 +0.453 -0.736)X2+(0.089 +0.820 -0.565)X3=0.882X1+0.22X2+0.344X3+ε（其中，ε 为其他三个因子的影响关系度，音响度很小为0.1）。

5 结束语

综上所述，首先，从CiteSpace 可视化对“在线学习”学习效果与学习关系的分析，学习效果与学习过程参与度关系度最大。再次，通过在线学习平台数据采集，通过SPSS分析进一步确定在线学习效果与学习过程参与度因子关系。因子分析结果显示，学习效果(综合成绩)与学习过程6 个因子的参与度有关系，从回归分析结果可知，影响学习效果的学习过程参与度因子按照递减序列排列为：浏览资源数因子、形考成绩因子、在线天数因子、登录次数因子、回帖因子、视频时长因子，其中浏览资源数、形考成绩、在线天数3 个因子为权重高因子，6 个因子共提取其中3 项可到约90%的关系度。综合评价函数表达式为：Y=0.882X1+0.22X2+0.344X3+ε，这里的X1，X2，X3，为权重高因子数。通过分析，进一步探讨非学历教育学习者在线学习学习参与度与学习效果关系特征及分布情况。有利于了解学习者的参与情况并采取措施干预；有利于学习者学习反思并促进其自适应性深度学习；有利于保障非学历教育教学质量的水平和教育事业的持续发展。