学习者的基本特征分析及“外国文学”混合学习计划评分标准

混合学习的成败离不开教育工作者对课程教学的总体设计和过程的把控，要想提高混合学习的针对性和效果，对学习者、学习环境的调研和分析是整个教学过程的基础和关键。笔者通过归类分析法、层级分析法、信息加工分类法以及解释结构模型法四种分析方法对学习者特征、学习环境进行了分析。通过对学习者的基本情况、学习动机、学习能力、学习风格、认知水平五个方面进行调研，总结概括出当前学习者的基本特征。通过对网络接入情况和在线学习主流平台的SWOT分析，对远程交互方式、学习氛围等软硬环境的分析，归纳出当前学习环境的主要特征。借此，将本次研究的相关数据公布出来，以便为同行、学者的后续研究以及教育部门决策提供借鉴和参考。

迪克与凯里的“ISD模型”将学习者称为目标人群，将目标人群特征分析的有用信息确定为入门技能、在该领域已掌握的知识、对教学内容和将要采用的传递系统的态度、学习动机（ARCS）、学习能力水平、学习偏好、对培训机构的态度、群体特征八个方面。笔者结合浙江师范大学游录超制作的前期调查问卷[1]，将学习者基本特征分析确定为学习者基本情况、学习动机、学习能力、学习风格、认知水平五个维度，编制了《重庆广播电视大学“4+1”学习特征调查问卷》，由学校统一制定学习者基本情况、学习动机、学习能力、学习风格的考核问题。

在调研过程中，本项目组以学校推出的两个混合学习试点子项目（子项目一 基于学习网的“外国文学”课程试点；子项目二 基于清华学堂在线的《财务分析与决策》课程试点）的学习者为研究对象，发出问卷452份，收回问卷450份，其中有效问卷为432份。

学习者特征分析包括了学习者的基本情况、学习动机、学习能力、学习风格、认知水平五个维度。由于“学习者基本情况”“认知水平”不具有普适性，本书中不作过多的叙述。重点就学习者的“学习动机”“学习能力”“学习风格”三方面展开论述，希望对同行学者有一定的借鉴意义。

（一）学习动机

1987年，美国佛罗里达大学的约翰·M·科勒（John M. Keller）教授提出了ARCS模型。他认为影响学习者学习动机的因素主要有四个方面，分别是注意（Attention），关联（Relevance），信心（Confidence），满足（Satisfaction）。如果学习者对学习内容没有兴趣或缺乏动机，学习就不可能真正发生。

为此，笔者在调查表格中设计了10个选项，学习者根据实际情况选择以下学习动机：① 对课程所涉及知识感兴趣；② 和当前或未来的工作相关性大；③ 和当前或未来的生活相关性大；④ 学校相关政策要求；⑤ 能更好地挑战自己；⑥ 能认识更多的朋友；⑦ 能获得课程证书；⑧ 周围同学都在学习；⑨ 体验一下混合学习；⑩ 其他。

学习动机调查数据如图8−1所示。

图8−1 学习动机调查数据

从图中的调查数据来看，学习者参与学习的动机分布并不平衡，呈现了学习动机多元化的特点，主要集中在学校相关政策要求（412个）、能获得课程证书（394个）、和当前或未来的工作相关性大（311个）这三个方面。

由此可见，本次参与试点的学习者中，因政策因素而被动参与的学习者所占比例较大。在分析学习者主动参与积极性不高的原因时，笔者发现：目前，混合学习模式在我校处于试点阶段，学生对这一学习模式较为陌生，主动参与的积极性并不高。同时，混合学习无论线上还是线下都更强调学生的主体地位，当前的学习者还没形成以学习者为中心的学习习惯。因此，在开展混合学习时，加强混合学习模式介绍、混合学习方法指导等内容的学习是非常重要的。

随后，在一学期的项目试点结束后，笔者对学习者学习动机与学习行为之间的关系进行了全面的分析，对学习动机与学习行为的关系提出了四个假设（以下假设仅代表本次问卷调查分析结果，仅供参考）。

假设1：学习动机选择“学校相关政策要求”的学习者课程证书获得率更高。

本次问卷调查中，选择了“学校相关政策要求”的学习者课程证书获得率为84.3%（排名第一），课程平均得分为71.45分。

假设2：学习动机选择“和当前或未来的工作相关性大”“和当前或未来的生活相关性大”的学习者课程成绩优秀率高。

本次问卷调查中，选择了“和当前或未来的工作相关性大”“和当前或未来的生活相关性大”的学习者课程成绩优秀率分别为31.72%和32.38%，远高于选择其他学习动机的学习者。

假设3：学习动机选择“能认识更多的朋友”的学习者更喜欢参与课程论坛活动。

本次问卷调查中，选择“能认识更多的朋友”的学习者学习频次最高（学习频次即学习者发生学习行为的次数），更喜欢在课程论坛中发帖，在小组学习活动中表现更活跃。在小组汇报的发言代表中 88.33%的学习者选择了“能认识更多的朋友”这个学习动机。

假设4：学习动机选择“周围同学都在学习”的学习者课程证书获得率最低。

本学期两个试点项目中，课程证书获得率为73.5%，而选择“周围同学都在学习”的学习者课程证书获得率仅为31.3%，远低于课程证书平均获得率。

（二）学习能力

在元认知理论的指导下，笔者对学习者混合学习的环境进行分析，主要考察学习者线上自主学习和学习者线下集中学习的影响因素。根据混合学习的基本流程，从自我准备阶段、自我管理阶段、自我实施阶段和自我评价阶段入手，重点考察学习者学习计划的制订情况、自主学习课程情况、学习时间和学习进度的管理、小组学习等新学习方法的适应情况、自我反思与总结五个因素。运用李克特式量表[2]（答案由高到低的分数分别为5、4、3、2、1）对问卷进行了统计和分析。

1. 学习者学习计划的制订情况

在“外国文学”课程中设定了“制订学习计划”的学习活动。参与本课程试点的学习者共有327人，其中314人（占96.02%）制订了学习计划。通过学习者互评和教师评价相结合的方式，笔者按《“外国文学”混合学习计划评分标准》（见表8−1）的要求，对制订的学习计划的科学性、合理性和可执行性进行了评价，其中获得优秀等级的计划有75份（占22.94%），获得良好等级的计划有89份（占27.22%），获得中等等级的计划有102份（占31.19%），获得不及格等级的计划有48份（占14.67%），没制订计划的学习者有13人（占3.98%）。

表8−1 “外国文学”混合学习计划评分标准

由此可见，96.02%的学习者均能完成学习计划的制订，81.35%的学习者能制订出合格的学习计划。2014年秋，本课程采用传统教学模式组织教学，全部学习者均能完成学习计划的制订，学习计划合格率为 93.27%。与以往采用传统教学模式相比，第一次参与混合学习的学习者制订学习计划的完成率为3.98%，合格率为11.92%。究其原因，主要存在以下问题。

第一，本次试点采用行政班建制组织工作，政策因素较多，学生非自愿参与，少数学习者对试点改革存在抵触情绪，不愿意参加改革试点。

第二，学习者初次接触混合学习，对混合学习的组织形式、教学模式认识不充分，不能正确地制订混合学习计划。通过对不合格计划的分析，笔者发现部分学习者对自主学习、小组学习等新的学习形式不了解，无法掌握其学习方法。

2. 线上学习情况(www.zuozong.com)

在混合学习中，网上资源非常丰富，供学习者选择的空间和自由度较大，线上的自主学习成为学习者建构知识的关键，在一定程度上决定着混合学习的效果。与此同时，新的学习模式对学习者自主学习能力及其对学习过程的管理、控制能力提出了更高的要求。笔者根据学生问卷、访谈以及线上学习记录对学习者的自主学习效果进行了如下分析。

（1）线上学习完成情况。

本次参与试点的两门课程均搭建了网络课程，提供了图文、音视频、论坛等形式的学习资源和学习活动供学习者进行线上学习。在保证男女平衡、课程平衡的基础上，随机抽取了三门课程的300名学习者进行了跟踪分析。学期末，275名学习者完成了线上学习，完成率为91.67%；25人在不同的阶段放弃了学习，未完成线上学习，流失率为8.33%。其中，线上成绩优秀的学习者有77人，占25.67%；良好的学习者有85人，占28.33%；中等的学习者有113人，占37.67%。仅从数据来看，学生线上学习参与情况较好，笔者提出了“混合学习模式提高了网络课程的学习效果”假设。

根据搜狐公众平台课工场官方提供的数据来看，MOOC的“通过率”（一般被认为是“通过考试的学生/注册课程的总人数”）一直不太“好看”，通常只有4%～10%[3]，而我校试点课程网上学习合格率高达91.67%，远高于MOOC平均水平。其原因主要有以下几点。

第一，国内外对MOOC通过率的计算公式暂未达成共识，不同计算标准得出的结果大相径庭。

第二，大多数没有学分、学历压力的学习者难以完成系统性学习，这与学历教育的系统学习要求存在一定的矛盾。

第三，有效的学习支持服务能提高网络课程学习效果。

（2）学习方法。

笔者认为，混合学习的线上学习效果除了对线上学习的完成情况进行数据分析外，更应该从学习者的主观认知和方法掌握上入手，让学习者自评线上学习效果。于是，笔者设计了7个题目，考察了300个抽样学习者的线上学习效果，如表8−2所示。

表8−2 线上学习的自我评价整体数据分析表

从表8−2来看，学生对自己线上学习能力的评价主要集中在“2”和“3”这两个等级上，约占51%（见图8−2）。由此可见，受访学习者多数能掌握线上学习的基本方法，只是掌握的程度各不相同，基本达到了两个项目对学生学习能力培养的目标。

其中，学习者最能熟练地在课程论坛中发帖（得分1 025分，第一），并能迅速地反馈自己或别人的帖子（得分904分，第二）。集中的问题则主要反映在“能明确地知道自己该干什么”（得分688分，第七）、“不会出现网络迷航的现象”（得分767分，第六）以及“能排除游戏、电影等干扰”（得分860分，第五）。由此可见，论坛这一使用较久、较为普遍的线上学习形式已基本得到学生的认可，形成了学习习惯。与此同时，网络课程在设计与建设过程中，应进一步明确学习导航，尽量减少网站层次，在线下的学习中也应该加强对学习路径的引导。

图8−2 线上学习的自我评价整体数据分析

（三）学习风格

学习风格由学习者特有的认知、情感和生理行为构成，它是反映学习者如何感知信息、如何与学习环境相互作用并对之作出反应的相对稳定的学习方式。[4]不同的学习者在学习风格的选择上也不尽相同，笔者对300名学习者的周平均学习时长、学习时间分布、流失阶段进行了分析。

1. 周平均学习时长

从图8−3的数据来看，周平均学习时长在1.5小时以上的有46人，1～1.5小时的有92人，0.5～1小时的有115人，0.5小时以下的有47人。69%的学习者周平均学习时长都集中在0.5～1.5小时之间。各课程在设计周学习负载时，可参考此数据。

图8−3 平均周学习时长

2. 学习时间分布

受访的300名学习者中，2015年秋季线上学习频次（注：频次为登录次数）为187 492次。从图8−4的数据分析发现：学习者学习时间的峰值出现在晚上20:01—23:00时间段，其次是14:01—18:00和09:01—12:00两个时间段。因此，在线学习的小组学习和实时互动学习应尽量安排在这三个时间段进行。

图8−4 线上学习时间分布图

3. 流失情况

本次抽取的受访者均完成了线上学习，未出现流失现象。但在“外国文学”课程中有25人在不同的阶段放弃了学习，未完成线上学习。从图8−5数据来看，该课程学生流失主要集中在8～14周，峰值出现在第13周，由此可见，学习者学习倦怠主要集中在学期中，教师在该阶段应提供更为专业的学习支持服务。

图8−5 线上学习流失情况

[1] 游录超. 高职实用写作课程的翻转课堂设计与实施［D］. 杭州：浙江师范大学，2014：65−66.

[2] 朱智洺. 李克特式量表与模糊语义量表计分的差异比较——以正态模糊数仿真为例［J］. 统计与决策，2007（22）.

[3] 课工场官方. 换个角度看MOOC的通过率［OL］. 搜狐公众平台，2016.

[4] 谭顶良. 学习风格论［M］. 南京：江苏教育出版社，1995.