碎片化背景下大学生学习效果研究
——以兰州大学为例

兰州大学 王露

一、引言

21世纪是巨大变革的时代，人们的生活受到信息技术的影响而改变。类似“互联网+”的技术，正以难以预计的速度渗透在社会生活的方方面面。信息的特性，使我们拥有更多消费方式和选择途径，也给大众带来了泛在技术的副产品—“碎片化”。

由于碎片化，导致系统地理解难度增加，学习效果极具不稳定性。特别是在知识教育领域，知识和信息“过载”的情况异常严重，所学知识和用来学习的时间也越发分散零碎，学习时面临缺乏系统性、完整性和相关性的问题，使我们学习的难度增加，难以进入深度的学习，学习效率和学习效果不佳，因此受到严重的质疑。

二、研究方法

（一）问卷法

问卷是统计调查的一种形式。一般情况下，问卷通过邮件发送，可以单独发送，也可以集体分发。调查员有责任认真如实填写表格中提出问题的答案。通过文献阅读，选取合适的量表，在前人问卷的基础上，制作出本研究所需的问卷。

由表1可知，问卷分为两部分：第一部分负责收集被试者的基本信息；第二部分采用李克特五点量表，从四个维度入手，每个维度下设立十个陈述，调查碎片化背景下大学生的学习效果。

表1 问卷结构

表2 访谈结构

表3 Cronbach 信度分析

（二）访谈法

访谈法常用于收集特定人群对特定事件的理念、经验等。本研究通过对兰州大学学生的随机采访，获得实验需要的大量数据，以此来分析影响碎片化背景下的大学生学习效果的因素。

如表2所示，在拟定访谈提纲方面，考虑到影响碎片化背景下的学习效果因素因人而异，学学习状况也不尽相同，拟定了七条访谈需得到的必要信息：姓名、性别、年级、专业、对碎片化学习的态度、自身碎片化学习的现状、对碎片化学习的建议。

三、数据处理

（一）问卷数据处理

1.信效度分析

量表数据需先进行信度、效度分析，以此判断数据是否能够进行下一步的因子分析。该问卷的主题部分是四个维度，每个维度由十个评价指标构成，将其平均值作为维度变量，进行信效度的检验。

由表3可以看出，信度系数值为0.828，大于0.8，说明研究数据的信度较高，因此不应该作删除处理。对于“CITC value”（即校正项总计相关性），所有分析项的CITC值都大于0.4，说明分析项之间存在良好的相关性，意味着研究数据信度水平良好。

综上所述，此研究数据的可靠性和质量较高，可以进行进一步分析。

如表4所示，本研究使用效度研究来分析研究项目的合理性与其价值。在数据分析方法上，具体为通过分析KMO值判断信息抽取的适宜性。KMO值为0.750，大于0.6，四个因子解释率值分别为25.919%、25.901%、25.547%和22.633%，旋转后累积偏差解释率为100.000%>50%。综上所述，本研究数据信息能被有效提取。

表4 效度分析结果表

2.性别的差异性分析

此研究中，性别对学习效果的差异采用t检验(具体为一般独立样本t检验)进行研究。由表5可以得出，性别在学习效果上没有显著性差异(p=0.131>0.05)，说明不同性别在学习效果上是一致的，没有差异。

表5 性别t检验分析结果

3.年级的差异性分析

此研究中，年级水平对学习效果的差异采用方差分析(具体为一般单因素方差分析)进行研究。由表6可以得出，各年级的学习效果没有显著性差异(p=0.102>0.05)，说明不同年级的学习效果一致，没有差异。

表6 年级方差分析结果

4.专业的差异性分析

此研究中，专业类型对学习效果的差异是通过方差分析(具体为一般单因素方差分析)来研究的。由表7可以得出，各专业类型对学习效果的影响均不显著(p=0.058>0.05)，说明各专业类型对学习效果的影响均具有一致性，没有差异。

表7 专业方差分析结果

5.四个维度间的相关性分析

如表8所示，学习管理与学习态度的相关值为0.518，显著性水平为0.01，说明学习管理与学习态度之间存在显著相关性。[1]学习管理与学习资源的相关性值为0.439，显著性水平为0.01，说明学习管理与学习资源具有显著的相关性。学习管理与学习交互的相关值为0.620，显著性水平为0.01，说明学习管理与学习交互具有显著的相关性。

表8 学习管理维度Pearson相关

如表9所示，学习态度与学习管理之间的相关值为0.518，显著性水平为0.01，说明学习态度与学习管理之间存在显著相关性。学习态度与学习资源的相关值为0.524，显著性水平为0.01，说明学习态度与学习资源之间存在显著的相关性。学习态度与学习交互之间的相关值为0.545，显著性水平为0.01，说明学习态度与学习交互之间存在显著的相关性。[2]

表9 学习态度维度Pearson相关

如表10所示学习资源与学习管理的相关值为0.439，显著性为0.01，说明学习资源与学习管理具有显著的相关关系。学习资源与学习态度的相关系数取值为0.524，显著性水平为0.01，说明学习资源与学习态度存在显著的相关关系。学习资源与学习交互的相关系数取值为0.694，显著性水平为0.01，说明学习资源与学习交互存在显著的相关关系。

表10 学习资源维度Pearson相关

如表11所示，学习交互与学习管理之间的相关值为0.620，显著性水平为0.01，说明学习交互与学习管理之间存在显著相关性。学习交互与学习态度的相关值为0.545，显著性为0.01，说明学习交互与学习态度存在显著的相关关系。学习交互与学习资源的相关值为0.694，显著性为0.01，说明学习交互与学习资源存在显著的相关关系。

表11 学习交互维度Pearson相关

如表12所示，本研究通过相关分析，研究了学习效果和学习态度、学习管理、学习资源、学习互动之间的关系。分析结果如下：

表12 学习效果Pearson相关

学习管理与学习效果之间呈现出显著性，相关系数值是0.807，并且相关系数值均大于0，意味着学习管理与学习效果之间是正相关关系。学习态度与学习效果之间呈现出显著性，相关系数值为0.769，并且相关系数值均大于0，意味着学习态度与学习效果之间是正相关关系。学习资源与学习效果之间呈现出显著性，相关系数值为0.813，并且相关系数值均大于0，意味着学习资源与学习效果之间是正相关关系。学习交互与学习效果之间呈现出显著性，相关系数值为0.875，并且相关系数值均大于0，意味着学习交互与学习效果之间是正相关关系。

（二）访谈数据处理

1.编码

如表13所示，通过对访谈稿的仔细研究，将其进行概念化的归纳、比较，按照属性及其维度可以分为：积极态度、中立态度、消极态度、频率经常、频率偶尔、频率极少、学习管理方面、学习态度方面、学习资源方面、学习交互方面。再进行主轴式编码，也叫二级编码。通过选择和构建主要类属的内容，重新组织数据，可以分为：态度、现状、建议。最后进行选择性编码，也叫三级编码或者核心性编码。在前两级编码的基础之上，提炼出一个简要的主题为：碎片化背景下的学习。

表13 三阶段编码示例表

2.交叉分析

将“性别”属性与“建议”节点进行编码查询，做交叉分析。由表14可知，在男性中有12人关注学习管理方面，8人关注学习资源方面，5人关注学习态度方面，2人关注学习交互方面。在女性中有8人关注学习管理方面，4人关注学习资源方面，2人关注学习态度方面，1人关注学习交互方面。

表14 性别与建议矩阵编码查询

将“年级”属性与“建议”节点进行编码查询，做交叉分析。由表15可以得出，不同年级在建议维度并没有明显差异。受访者普遍认为，学习管理是提高学习效果最重要的方面，其次是学习资源、学习态度、学习交互。

表15 年级与建议矩阵编码查询

将“专业”属性与“建议”节点进行编码查询，做交叉分析。由表16可以得出，不同专业在建议维度并没有明显差异。受访者普遍认为，学习管理是提高学习效果最重要的方面，其次是学习资源、学习态度、学习交互。

表16 专业与建议矩阵编码查询

四、结论

基于收集到的193份数据，利用SPSS处理数据以及呈现出的图表可得出，在兰州大学本科生这个群体中，性别、年级、专业的差异不会影响碎片化背景下学习的效果。

根据碎片化背景下学习的四个维度的Pearson相关性分析结果可知，每个维度间都是存在相互影响的，且呈现出显著的正相关关系。

再从具体系数值可以看出，学习交互维度对学习效果的影响最为显著，其次是学习资源、学习管理、学习态度。

通过对27位兰州大学在校大学生的采访，收集并梳理得出27份访谈样本数据，使用Nvivo软件输入上述采访数据，进行文本分析得出以下结论：

从总体上看，兰州大学大学生更为关注碎片化学习的学习管理维度，即关注学习计划的制订、学习目标的完成等方面，极少的大学生会关注学习交互维度，即与老师、同学的学习探讨。因此，被访者在日常学习中，会愿意在学习管理上消耗更多时间和精力，期待获得更高的整体学习效果上的产出。

从基本信息上分析被访者给出的建议，可以得出以下结论：不同性别、年级、专业不会影响大学生对于提高碎片化背景下学习效果的认知，即重要性由高到低为：学习管理、学习资源、学习态度、学习交互。