基于移动学习感知变量的远程学习者聚类其对学习支持的

更新时间:2024-03-05 作者:用户投稿原创标记本站原创 点赞:6191 浏览:15888

[摘 要] 为了加速现代高等远程教育领域中移动学习的顺利开展,促进差异化学习支持怎么写作的有效实施,本研究基于自行编制的、具有良好信度和效度的调查问卷,调查了3612名远程学习者在移动学习方面的特征表现;并采用聚类分析的方法将学习者分为上进型、群体型和焦虑型等三种类型;最后,在此基础上结合访谈调查法,探讨了面向学习者类型特征开展差异化移动学习者支持的层次和示例.

[关 键 词 ] 移动学习感知; 学习者类型; 聚类分析; 学习支持

[中图分类号] G434 [文献标志码] A

[作者简介] 王晓晨(1981—),女,辽宁大连人.讲师,博士,主要从事教育信息化方面的研究.E-mail:wangxc.u@gmail..

一、引 言

移动学习加强了学习过程中教师与学生,以及学生与学生之间的联系与交互,这正是以往的网络学习所缺乏的.移动学习的发展将使学生在远程学习上更加自由,下一代的远程学习将是移动学习.[1]远程学习者多为在职成人,流动性大、工学矛盾和家学矛盾突出.他们迫切希望利用零散时间学习.作为原有学习形式的有效补充,移动学习已经成为远程学习者的全新需求.[2]

从移动学习的技术怎么写作和应用环境来看,移动网和互联网的不断融合为移动学习提供了适宜的生态环境.中国信息产业部统计显示,截至2012年1月底,我国移动用户已超过9.96亿;截至2012年6月,中国大陆手机网民超过3.88亿.

对于以终身教育和继续教育形式开展的教学模式来讲,移动学习拥有庞大的学生规模,所以如果将每位学习者作为一个单独的个体来研究,进行学习资源设计和差异性怎么写作策略,必然需要很高的人力和物力成本的支出.面对“不能建立一个适合每个人的移动学习支持怎么写作”的难题,在划分学习者类型的基础上,重点研究如何针对不同类型特征的实际需求和期望进行优化配置,[3]给特定群体提供差异性的优质学习支持怎么写作无疑是一种明智之举.

二、远程学习者的移动学习

感知变量的特征表现

(一)调查设计

研究主要基于项目组内部自行编制的《远程学习者移动学习感知特征调查研究》问卷开展.该问卷分为基本特征调查和移动学习感知调查两部分.基本特征部分以客观题形式呈现,包括性别、年龄、学历、学习方式、求助方式、交通耗时、手机使用情况等方面.移动学习感知部分以量表形式呈现,包含六个维度,共30个题项,采用李克特(likert)5点计分法.六个维度分别是感知有用性、感知易用性、态度和使用意愿、感知娱乐性、网络外部性、感知风险性.其中,感知有用性是指学习者认为通过开展移动学习所能带来的知识、能力或情感的提升程度;感知易用性是指学习者认为开展移动学习所需要的技能和流程的操作便利程度;态度和使用意愿是指学习者主观上对移动学习的认可和接受程度;感知娱乐性是指学习者在移动学习过程中的愉悦体验感受程度;网络外部性是指学习者认为移动学习在他身边的普及范围及其对他的影响程度;感知风险性是指学习者认为开展移动学习在资费、功效和隐私等方面的焦虑程度.

为确保调查研究的科学性和严谨性,笔者针对问卷进行了信度和效度检验.在信度方面,问卷总体测得Cronbach's α系数为0.919;在效度方面,问卷的模型拟合指数见表 1.六个维度所对应的30个题项的因子载荷在0.402~0.891之间,具有良好的结构效度.

(二)调查实施

由于本问卷题目较多,采用纸笔填写可能会出现较高的漏填率,另外考虑到在线问卷调查具有较高的灵活性,能够减少对受访者的干扰,且有一定的成本优势,研究故依托奥鹏教育平台,采用了具有漏答提醒功能的在线问卷系统.

共有来自全国各地的3637名现代高等远程教育学习者参与了本次调查,根据完整性原则和填写态度初步判断原则筛选出3612份有效问卷.采用社会统计学软件SPSS 20.0和Amos 19.0进行数据管理和分析.

(三)调查结果与分析

1. 学习者的基本特征

接受问卷调查的学习者中,男性学习者占54.3%,女性学习者占45.7%;年龄20岁以下的占1.8%,21~29岁的占54.5%,30~39岁的占34.1%,40岁以上的占9.6%.原有学历为高中的占23.7%,中专占20.4%,大专占56.0%;工作年限在5年或5年以下的占43.4%,6~10年的占24.1%,11~20年的占24.5%,20年以上的占8.0%.

有近35%的学习者每天的交通耗时达1小时以上;学习者最喜欢的交流方式是等即时通信(30.9%);将近95%的学习者在遇到困难时通过网络和求助,传统的面谈方式不受欢迎;近65%的学习者曾体验过手机博客、飞信或手机等业务;49.1%的学习者表示“听说过,但是不了解移动学习”;67.1%的学习者表示“愿意为移动学习支付一定的费用(如短信费和流量费)”.

2. 远程学习者的移动学习感知水平

描述性分析结果显示:移动学习感知的总均值为3.80(感知风险性维度除外),说明学习者的移动学习感知较高.学习者对各维度指标的认同度也较高,依次排序为感知易用性(3.90)、感知有用性(3.89)、态度和使用意愿(3.86)、感知娱乐性(3.77)、网络外部性(3.57).感知风险性维度的均值为2.35,该维度的得分越低,说明学习者的感知风险越高,越担心移动学习会带来不良影响.

(1)感知易用性.参与调查的学习者普遍认为移动学习设备使用方便(3.90),操作起来并不费力(3.90),利用移动设备开展学习是很容易实现的(3.94),尤其当移动设备操作界面友好且丰富时,可以很容易看得明白(4.07).此外,大多数学习者对移动学习设备使用方法的学习充满信心,认为不会花费很多时间就可以掌握(3.81). (2)感知有用性.大部分学习者认为移动学习是对课堂学习的重要补充(3.91),可以增加学习效率(3.81),不仅会在未来教学中发挥重要作用(3.97),更能丰富生活、学习和工作(3.88).

(3)态度和使用意愿.参与调查的学习者对移动学习的评价是积极的(3.95),他们普遍认为开展移动学习是一个明智的选择(3.88),愿意开展(3.78).如果有条件,非常愿意开展移动学习(3.87),并会向身边的亲朋好友推荐开展移动学习(3.82).

(4)感知娱乐性.大多数学习者认为使用移动设备开展学习将是一件令人感到有趣的事情(3.86),应该可以忘记时间的存在,觉得时间过得很快(3.79),部分学习者甚至认为自己能够忽略周围环境的嘈杂和喧闹(3.66).

(5)网络外部性.虽然只有一部分学习者发现身边有朋友、同学和同事在开展移动学习(3.08),但是大部分学习者凭感觉认为开展移动学习的人数很多(3.58).同时,学习者普遍赞成越多人开展移动学习,越会对自己产生吸引力(3.81),越会对移动学习业务产生认同感(3.84),如果发现身边的朋友、同学和同事都在移动学习,自己也会考虑随之开展(3.58).

(6)感知风险性.学习者感知风险性维度的均值仅为2.35,说明学习者对于移动学习存在着较多疑虑,集中体现在资费、功效和隐私等方面.

费用方面,学习者普遍认为开展移动学习的费用一定非常高(55.2%),担心资费混乱、不合理或是存在欺诈行为(59.5%),觉得资费水平对于开展移动学习存在影响(52.6%),想等资费下降后再考虑继续开展移动学习(54.6%).功效方面,学习者担心开展移动学习后,发现实际使用并不像宣传的那样功能强大(56.2%),没有预期的好用(57.5%),并非物有所值(56.4%).隐私方面,绝大多数学习者担心在开展移动学习后,个人账户信息被泄露或是被转卖(63.3%).

三、基于移动学习感知特征

表现的学习者类型划分

(一)聚类变量的选取

聚类分析是以各种距离来度量个体间的“亲疏”程度的,各变量间不应有较强的线性相关关系.问卷调查所涉及的信息很多,各变量间易出现较强的线性相关,我们无法也无需将所有信息都作为市场细分变量考虑.本研究邀请相关领域专家依据经验,选择出用于聚类的三个变量:学习方式、求助方式和移动学习感知.

便于移动学习感知因子更好地参与聚类,本研究对其进行了重新编码:编码1代表移动学习感知得分“低于3.0分(低)”, 编码2代表“3.01~3.50分(中)”,编码3代表“3.51~3.99分(较高)”,编码4代表“4.0~5.0分(高)”.

(二)聚类过程的描述

为了更好地对移动学习者进行聚类,本研究将两种聚类方法结合使用,取长补短.首先使用层次聚类法确定聚类数,检查是否有奇异值;其次,去除奇异值后,对剩下的案例用层次聚类法重新进行聚类;最后,把用层次聚类法得到的各个类的中心,作为迭代聚类法的初始聚类中心.以此克服层次聚类法只能单方向聚类、迭代聚类法对初始聚类敏感的缺点.[4]

1. 层次聚类法

进行层次聚类前要首先进行相似度的计算.由于参与分层聚类分析的变量均为名义变量或顺序变量,本研究选择Chi-square measure方法计算相似性.

本研究尝试用最短距离法、最长距离法、类间平均链锁法和类内平均链锁法等四种方法分别计算类与类之间的距离,并分别输出聚为3、4、5类时的聚类结果.比较分析的结果显示,当选定类内平均链锁法计算类与类之间的距离,且将所有样本聚为3类时,聚类分析结果最好,见表2.

2. 迭代聚类法

为了确保对远程学习者聚类的可靠性,本研究没有直接应用SPSS从原始数据中估计初始聚类重心,而是将上述层次聚类得到的聚类重心作为初始聚类中心,以层次聚类得到的聚类个数为标准进行迭代聚类.迭代聚类分析最终的类中心点位置,见表3.

3. 移动学习者的类型划分及其主要特征

对聚类结果进行解释是希望对各个类的特征进行准确的描述,给每类起一个合适的名称,并以此作为市场细分的初步结论.[5]各类别的聚类变量特征见表5.根据各类别的聚类变量的聚点中心值,将类别1至类别3分别命名为上进型学习者(44.6%)、群体型学习者(29.7%)和焦虑型学习者(25.7%).X2检验结果表明,上述三类学习者人数之间存在显著差异(X2等于214.865,df等于2,p<0.01).

(1)上进型学习者(人数占44.6%).上进型学习者对移动学习的使用态度和意愿(4.42)、感知有用性(4.41)、易用性(4.41)和娱乐性(4.32)有相当高的认同感;他们发现身边很多亲朋好友已经在有意无意地开展移动学习,由于潜移默化的影响,他们的网络外部性得分较高(4.15).然而,在对移动学习持有积极态度的同时,也十分担心随之而来的风险(2.47).上进型学习者遇到问题时倾向于求助网络和,尤其愿意求助网络(约70%).对学习方式没有特殊的偏好,自学和结伴学习形式的比率都比较高.


(2)群体型学习者(占29.7%).群体型学习者对移动学习的使用态度和意愿(3.43)、感知有用性(3.50)、易用性(3.51)和娱乐性(3.32)的认同感趋近中立,明显低于上进型学习者.他们尚未觉察移动学习的悄然而生,很少受到身边亲朋好友的影响,网络外部性得分较低(3.12).同上进型学习者一样,十分担心随之而来的移动学习风险(2.48).群体型学习者遇到问题时倾向于求助网络,同时,面谈也占有一定比例(近20%).几乎所有学习者都倾向于结伴学习,认为“自学时很容易放弃”.

(3)焦虑型学习者(占25.7%).焦虑型学习者对移动学习的使用态度和意愿(2.99)、感知有用性(2.91)、易用性(3.02)的认同感比较低,对娱乐性(3.33)的认同感趋于中立.同群体型学习者一样,尚未觉察移动学习在身边的开展,网络外部性得分很低(3.05);担心移动学习所带来的风险(2.57).焦虑型学习者遇到问题时倾向于求助和网络,特别是愿意通过(近60%)向熟人求助,认为“比网络更可靠,比面谈更便捷”. 四、学习者类型划分对差异化

移动学习支持的启示

移动学习支持概念的提出源于以下三个方面:首先,移动学习同原有远程学习方式一样,受到时空分离、教学分离的限制,但由于移动学习特性决定了其资源颗粒度很小,无法像网络课程一样将相关的辅助内容或方法等一并设计到课程资源中;其次,移动学习过程中终端设备和移动环境所带来的特有的约束条件,也决定了需要依据约束分析结果,针对性地提供相应支持,以克服各种约束带来的实际困难;最后,教学教务方面的提醒、通知和心理辅导等原有非学术支持怎么写作范畴的部分内容,适宜通过移动方式传递和支持.

移动学习支持是指针对学习者在移动学习过程中可能遇到的约束或可能需要的方法策略而提供的知识、技能和情感方面的引导和帮助,旨在协助学习者更快地融入到学习中,并最终丰富学习体验.与移动学习资源类似,学习支持同样呈现出微型化和便捷性等特点,涉及的内容可以是文本、图形、图像、音频、视频和动画等任意形式或组合.

学习支持对资源学习的辅助作用可由低到高分为三个层次的目标:确保移动学习的顺利开展;丰富学习者的学习体验,激发学习热情;最后,促进学习者的深层次学习.实践过程中,可依据各类型学习者的典型特征表现,提供不同层次、不同种类的移动学习支持怎么写作.

从表6可以看出,不同类型学习者对怎么写作期望层次的要求有显著区别.上进型学习者对学习支持的需求明显少于群体型学习者和焦虑型学习者,但其对学习支持要求很高;同一个学习支持,对于某类学习者来说可能是必需的可接受怎么写作,而对于另一类学习者甚至是可有可无;或对于某类学习者来说是渴望怎么写作,而对于另一类学习者是可接受怎么写作.为了更加清楚地分析和阐述不同类型学习者对学习支持的期望差异,本研究摘取了三类学习者关于移动学习支持怎么写作需求的部分访谈信息,(见表7).

五、 结束语

针对学习者的差异化需求提供其渴望的学习支持是未来的主要趋势.远程学习者在移动学习方面的类型和特征差异分析可以从宏观上把握学习者的共性,从微观上照顾学习者的个性,可以为有效地帮助学习者顺利接受移动学习怎么写作提供指导方向和实施原则.未来将在本研究的基础上,深入探讨学习资源形态、学习设备与学习支持之间的耦合关系,以更好地体现移动学习以创设良好学习体验为宗旨的怎么写作本质.

[参考文献]

[1] 德斯蒙德·基更. 移动学习:下一代的学习[J].开放教育研究,2004,(6):22~27.

[2] 陈维维,李艺. 移动微型学习的内涵和结构[J].中国电化教育,2008,(9):16~19.

[3] 沈勇.教育怎么写作管理——基于学生满意的视角[M].北京: 知识产权出版社,2008:10~11.

[4] 雷杰. 享乐主义购物价值与网络购物行为意向的关系研究[D].重庆:西南交通大学,2008.

[5] 刘钢,王敏娟. 移动学习中的数据挖掘研究[J].中国远程教育,2011,(1):31~15.

相关论文范文