兰州大学 王露
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。
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
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。
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。
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
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。