王孝金 穆肅

[摘? ?要] 在線學習中深層次學習的發(fā)生是教學雙方追求的共同目標，為達成這一目標，需要剖析影響深層次學習的因素并深入探討其內部作用機制。為此，研究從個體、交互、環(huán)境三個維度梳理影響因素，提出理論模型及相應假設，根據(jù)假設設計測量工具，對470名學習者進行測試和數(shù)據(jù)分析，同時，結合88名學習者5周在線學習的完整數(shù)據(jù)對測量結果進行再驗證和深入分析。研究發(fā)現(xiàn)：（1）在線學習中，環(huán)境因素對深層次學習影響最大，個體因素影響較小，簡單交互對深層次學習沒有直接影響;（2）環(huán)境因素對交互因素的影響大于個體因素，環(huán)境因素對個體因素具有正向影響，還可以通過個體因素這一中介變量影響交互。以上結論可為在線教學、線上線下混合學習中促進深層次學習策略的實施和教學實踐提供依據(jù)。

[關鍵詞] 在線學習; 深層次學習; 個體因素; 交互因素; 環(huán)境因素; 作用機制

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 王孝金（1990—），女，山東濟寧人。博士研究生，主要從事在線學習中深層次學習理論及實踐研究。E-mail：wangxiaojin@m.scnu.edu.cn。穆肅為通訊作者，E-mail：musu@m.scnu.edu.cn。

一、問題的提出

在線教育行業(yè)呈現(xiàn)爆發(fā)式增長態(tài)勢，至2020年3月，我國在線教育用戶達4.23億[1]。 然而，在線教育廣泛開展的同時，也暴露出一些問題，如大多數(shù)在線學習者的學習體驗和效果并不理想，學習多處于成效平平或混亂的狀態(tài)[2]，甚至有學者產(chǎn)生了在線學習環(huán)境正成為滋生“淺層學習”的溫床的擔憂[3]。學生作為學習的主體，未能積極主動地投入到學習中，出現(xiàn)敷衍、抵觸、應付或放棄等現(xiàn)象。教師作為教學的設計和組織者，未能厘清深層次學習未發(fā)生的原因及影響因素，從而難以采取針對性策略，深層次學習目標難以達成已成為普遍問題。針對這一問題，需要剖析哪些因素影響深層次學習的發(fā)生，影響方式如何。為此，不少學者進行了相關研究。一是從在線學習投入視角，參考和改編全美大學生學習性投入調查（簡稱NSSE）量表，探究深層次學習的影響因素，這類研究以碩士論文居多[4-6];二是提出并檢驗單一影響變量與深層次學習之間的作用關系[7-10]。吳亞婕從已有理論和研究中提煉出深層次學習的影響因素，并進行了較為全面的梳理，但并未對相關結論進行驗證[11]。以上研究雖均對深層次學習的影響因素進行了分析與總結，但有的缺少基于數(shù)據(jù)的分析，有的缺少分析的理論框架，有的未進行驗證，都未能對在線學習中深層次學習的影響因素及作用機制進行深入探討。為此，本研究借鑒和梳理已有研究成果，提出理論假設模型，首先，通過測量數(shù)據(jù)對模型進行驗證;然后，基于真實的在線學習數(shù)據(jù)進行再驗證和進一步分析;最后，揭示了在線學習中影響深層次學習發(fā)生的因素及相互作用關系。

二、研究模型及假設

（一）在線學習中深層次學習影響因素梳理

學習者個體因素，如動機、自我效能感等與深層次學習有關[8，12]，并且在不同程度上影響著深層次學習的發(fā)生。有學者強調，交互和協(xié)作會引發(fā)更多地交流、思考，因此，也能引發(fā)知識的深化、觀點的創(chuàng)新或解決方法的提出，從而產(chǎn)生深層次學習[13]。Zhao等人認為，交互是促進在線學習者有效學習的關鍵[14-16]，學生與學生、學生與教師和學生與內容三種類型的交互都能在一定程度上促進學習成效并提升滿意度，當任何一種交互處于高水平時，深層次和有意義的正式學習更易發(fā)生。在線學習行為較為復雜，包含學習者參與、堅持、專注、交互、學術挑戰(zhàn)、自我監(jiān)控等[17]。吳亞婕將影響深層次學習的因素歸納為三個維度，即個體因素、行為因素以及環(huán)境因素[11]。以學習者為中心的學習環(huán)境積極地影響著深層次學習[18]，Bünyamin等人通過對比實驗驗證了網(wǎng)絡學習環(huán)境和工具對學習成效和滿意度有重要影響[19]。通過對相關文獻進行梳理和歸納可知，多數(shù)研究認同深層次學習受到個體、交互和環(huán)境因素的影響。本研究結合在線學習的特點和對已有研究的分析，對吳亞婕提出的在線深層次學習影響因素理論模型進行調整，將個體、交互和環(huán)境三個方面納入到理論模型中，認為它們之間存在相互影響。

（二）研究假設及模型建構

1. 交互因素

在線學習中的交互包括師生交互、生生交互、學生和學習內容的交互[20]。在線學習中多樣性的交互將影響批判性思維的發(fā)展，而批判性思維被認為是深層次學習的重要表現(xiàn)[16]。隨著交互的增加，學習者會產(chǎn)生更高層次的思考，促進深入的知識加工[21]。Sandra等人的研究表明，同伴之間通過交互方式學習時，深層次學習效果要比教師指導效果更好[22]。學習者與內容的交互對深層次學習也有影響，學生與學習內容的交互出現(xiàn)在使用教學資料的過程中，如觀看視頻、閱讀文本、瀏覽嵌入網(wǎng)址。小組或個人學習時，學習者可通過內容學習感受其中的教學理念并引發(fā)思考[23]。據(jù)此，本研究提出假設H1。

H1：交互因素對深層次學習具有正向影響作用。

2. 個體因素

影響學生深層次學習的個體因素主要有三類。一是學生對教學情境的感知[24]。張琪指出，自我效能感和深層次學習之間存在顯著的正相關[8];李文波等在研究中發(fā)現(xiàn)，具有較強自我效能感的學生會更傾向于使用深層次學習方法[25]。二是學生先前學習觀念、知識觀念和學習基礎的影響[26]。對信息技術和以計算機為媒介的交流態(tài)度、個人的首要學習風格、先前的文化傾向等都深刻影響著在線學習的發(fā)生[25]。馬秀峰的研究指出，不同學習風格會影響在線學習交互的頻度、深度和績效[26];陳琦等指出，學習動機是直接推動學習者進行學習的一種內部驅動力，是用以激勵和指引學習者進行學習的一種需要[27]，它能夠說明不同學生進行交互的原因以及交互意愿產(chǎn)生的源頭。三是人口學基本信息如性別、家庭背景等均影響著深層次學習的發(fā)生[28]?；谏鲜龇治?，提出假設H2和H3。

H2：個體因素對深層次學習具有正向影響作用。

H3：個體因素對交互因素具有正向影響作用。

3. 環(huán)境因素

在線學習環(huán)境決定了學習者是否能夠隨時隨地和同伴或教師進行交互，為學習者提供過程性的評價能夠提高教學的有效性[9]，網(wǎng)絡課程的社區(qū)感和交互性強，更能引發(fā)學習者的深層次學習。趙宏等研究證明，在線課程內容和平臺的質量對在線學習者情緒有影響[29];Feng 等人研究指出，網(wǎng)絡課程設計模式和在線交流類型均能對學生的交互產(chǎn)生影響[18];香港大學Webster等人以1563名學生為調查對象，發(fā)現(xiàn)優(yōu)質教學、清晰的目標與標準、適當?shù)墓ぷ髫摵傻拳h(huán)境感知因素是影響學生深層次學習的重要方面[30]?；谏鲜龇治觯岢黾僭OH4、H5和H6。

H4：環(huán)境因素對深層次學習具有正向影響作用。

H5：環(huán)境因素對交互因素具有正向影響作用。

H6：環(huán)境因素對個體因素具有正向影響作用。

基于以上分析，本研究構建了如圖1所示的影響因素構成及相互關系理論模型。

三、測量設計及實施

（一）測量工具

基于已有研究量表對個體、交互和環(huán)境因素三個維度測量問題進行修改和整合，深層次學習效果量表參考清華大學教育研究院NSSE-China課題組構建的深層次學習子量表[31]修改形成。題項均采用李克特五點計分方式設計（1—5分別表示“完全不符合”“基本不符合”“一般”“基本符合”“完全符合”），量表詳細設計見表1。

（二）量表修訂及發(fā)放

初始量表對70名大學生進行試測，結果顯示，初始量表總體信效度較高，但個體因素中的1和5選項信度較低，故對其進行剔除。試測階段就量表內容對10名大學生進行了訪談，針對學生認為描述較為抽象的題項進行了修訂，形成了正式量表。正式量表選取來自廣東、山東等地5所本科院校的470名有在線學習經(jīng)歷的大學生進行在線填答。共計發(fā)放量表470份，回收461份，剔除填答時間過短的無效數(shù)據(jù)，最終保留有效問卷440份。

四、結構方程模型數(shù)據(jù)分析及結果

利用AMOS 22.0軟件對模型進行信效度檢驗。信度檢驗一般以克隆巴赫系數(shù)（Cronbach α）和組合信度為標準。測量模型中個體因素、交互因素、環(huán)境因素和深層次學習效果的α值均大于0.70，組合信度介于0.771～0.886之間，符合Hair等人提出的標準[34]，表明具有良好的組合信度。用驗證性因子分析對數(shù)據(jù)進行收斂效度分析。結果表明，測量指標的因子載荷量介于0.649～0.839之間，符合大于0.5的標準。Fornell 和 Larcker認為，當AVE 值大于 0.5 時，測量題項之間的一致性是可以接受的[35]，本研究中的 AVE值介于0.532～0.570，說明量表聚合效度良好。

（一）結構模型檢驗

結構方程模型驗證和評價通常需要參數(shù)檢驗和擬合程度檢驗。參數(shù)檢驗主要指參數(shù)的顯著性檢驗（C.R.>2，p<0.05）和合理性檢驗（參數(shù)估計的方差、標準誤差要大于 0，標準化路徑系數(shù)不能超過或太接近于 1 等）。根據(jù)本研究的實際參數(shù)檢驗值可知，所有參數(shù)檢驗值均在參數(shù)檢驗標準值范圍內，表明符合標準，模型擬合度較好，結構方程模型通過驗證檢驗。

（二）假設檢驗

假設檢驗結果表明，除路徑“交互因素→深層次學習”的 Z值小于1.96外，其余 5 條路徑的 Z 值均大于1.96，表明除假設1不成立以外，其他5個假設均成立，具體見表2。

深層次學習受到個體因素和環(huán)境因素的直接影響，其中，環(huán)境因素的影響達到了0.8，個體因素的影響相對較小為0.13，可見良好的在線學習環(huán)境的建構對促進深層次學習的發(fā)生起著至關重要的作用。當然，個體因素也不可忽視，在線學習需要學習者對自身學習狀況的知曉、控制和調整。環(huán)境因素可通過個體因素影響深層次學習，對個體的學習體驗、自我效能感等都有不可忽視的作用，因此，環(huán)境因素對在線學習的影響是雙重的。交互對深層次學習無直接影響，這一結果與已有研究結論或提出的理論構想不一致，也與教師經(jīng)驗不符，原因需從交互的類型、方式、深度等角度進行深入分析。另外，交互因素直接受到個體因素和環(huán)境因素的影響，效應值分別為0.31和0.63，表明環(huán)境因素對交互影響更為顯著。這與已有對在線學習中交互研究的結果一致，即個體因素、在線學習平臺的交互功能和交互方式等都會對交互的過程和效果產(chǎn)生影響[36]。結構方程模型如圖2所示。

五、基于真實的在線學習數(shù)據(jù)對影響因素及

相互作用的再驗證

（一）數(shù)據(jù)說明

為進一步驗證以上測量數(shù)據(jù)形成的影響因素構成及內部作用機制，本研究利用真實的在線學習數(shù)據(jù)進行了再驗證。團隊基于為期5周的“學習設計與實施”在線課程中88位學習者的學習和訪談數(shù)據(jù)，對結構方程模型結果進行驗證分析。根據(jù)影響因素結構模型的測試量表，選取相應的過程性數(shù)據(jù)進行量化和分析。由于環(huán)境因素較難基于平臺數(shù)據(jù)進行量化，因此，環(huán)境因素及其影響均利用訪談數(shù)據(jù)進行分析。在線學習中兩次實踐的過程、表現(xiàn)和作品用于考察學習者深層次學習的成效。

（二）各因素對深層次學習的影響分析

學習平臺和應用工具構成了在線學習的線上環(huán)境。在線課程以學習者為中心對學習內容、學習活動和學習評價進行設計。從概念、理論和方法的自主學習開始，以小組研討和協(xié)作學習為主。小組學習使用石墨文檔和Xmind等協(xié)作工具進行，設置線上教學問題箱，鼓勵學生提出問題，并提供及時反饋。在這樣的在線學習環(huán)境中，綜合學生自評、同伴互評和教師評價，學習者兩次實踐得分均在88分以上。對學生訪談中關于課程和學習感受的內容進行詞頻分析，“深度思考”被提及38次，為最高頻出現(xiàn)的評價;其次是“學習效果好”被提及23次，“同伴間深入交流”15次，“積極參與”也達到10次。一位學生說：“我運用所學知識，利用石墨文檔設計在線圓桌會議活動，受到廣泛好評。”另一位學生評價道：“整個課程的學習就是一個深層次學習的過程，在參與學習的過程中，我學會了學習活動的設計、組織，能結合多種工具開展相關教學方法的實踐?！笨梢?，在線學習環(huán)境設計對深層次學習產(chǎn)生了影響。

個體因素可基于在線學習平臺中的行為數(shù)據(jù)來量化，如平臺訪問次數(shù)和觀看視頻時長。通過對個體因素與深層次學習效果的相關分析可知，平臺訪問次數(shù)和觀看視頻時長與深層次學習效果均具有相關性，說明個體因素對深層次學習有影響。正如一位學生在反思中寫道：“無論是活動本身還是課程安排，都讓我更愿意參與學習，學習動機更強，同時也促進了小組和個人深層次學習的發(fā)生。”具體見表3。

本次課程設置多次主題討論活動和小組協(xié)作活動，學生發(fā)帖和回帖數(shù)量能在一定程度上反映交互情況。學生回帖和深層次學習水平相關分析的結果表明，回帖和深層次學習水平不存在顯著相關（r=-0.004<1，p=0.968>0.05）。這一結果與結構方程模型中交互因素對深層次學習影響的結論一致。對在線討論內容進行的文本分析發(fā)現(xiàn)，雖然有些學生回帖較多，但多是點贊和簡單陳述，并沒有對他人的觀點進行分析或提出深入探討的問題，因此，深層次學習并未發(fā)生。而主動補充別人的觀點和對討論問題有深入探討的學生，實踐成績較高，且訪談中對自己學習體驗的認同感更強。由此可知，如果要通過交互引發(fā)深入思考和學習，不僅要鼓勵學習者多參與活動，更要采取策略引導他們通過活動進行思考、辨析、商議或演繹。

（三）因素之間相互作用的分析

在線學習中開展了基于在線協(xié)作工具石墨文檔的“促進深層次學習在線活動設計”活動。石墨文檔除提供協(xié)同同步、異步文字輸入和文本編輯的功能，還可在支持協(xié)作的同時，利用批注、聊天、直接編輯內容等方式進行討論、分享和評議。活動后的訪談中，38位學習者對協(xié)同寫作過程中的交互感受進行了描述。數(shù)據(jù)顯示：13位學習者認為石墨文檔既可編輯文檔，又可在討論區(qū)討論，提供了友好的交互環(huán)境，有效提高了組員的交流效率和協(xié)作效果。這與測量數(shù)據(jù)顯示環(huán)境因素中“在線交互模塊設計”對交互具有正向顯著影響結果一致。一名學習者描述到：“石墨文檔創(chuàng)造了一個好的交互條件，可以同步操作，進行思維碰撞，便于在相互交流中形成更深層次的學習?！?位學習者提到石墨文檔的交互方式新穎，參與積極性更強，參與交互的個人感受好。這與環(huán)境因素對個體“學習動機”和“自我效能感”有影響的結果相呼應。

對學習者觀看視頻時長這一個體因素與討論回帖進行皮爾遜相關分析，顯示觀看視頻時長與回帖具有相關性（r=0.247<1，p=0.021<0.05）。這與結構方程模型中個體因素對交互因素有影響的結論相符合?？梢姡岣邔W習者參與在線學習的自我效能感對提升交互的數(shù)量有影響。有學習者提出“需要提前了解活動流程，熟悉平臺技術操作”，這些觀點則反映了個體因素中的“信息技術能力”和“學習習慣”等對交互具有影響。

六、結論及建議

（一）綜合考慮影響因素，優(yōu)化在線學習環(huán)境設計

以上分析揭示了環(huán)境因素對在線學習中深層次學習的影響最為重要和突出。因此，關注在線學習環(huán)境的整體設計、營造良好的在線學習氛圍是促進在線學習中深層次學習首要考慮的關鍵問題。同時，環(huán)境因素對學習者個體的學習動機、自我效能感及交互均具有影響。聶勝欣在研究中還發(fā)現(xiàn)，在線學習環(huán)境設計可以影響學習取向，進而影響學生的批判性思維發(fā)展[37]。在線學習環(huán)境因素中的平臺社區(qū)感、內容品質、學習活動設置、及時指導反饋、平臺操作用戶體驗、交互支持等是影響深層次學習的具體因素，這就要求在線課程團隊要關注以上各方面的設計與實現(xiàn)。如在線課程學習任務和活動的安排要遵循循序漸進的原則，各項任務之間形成關聯(lián)，讓學習者掌握學習主線;優(yōu)化在線學習活動設計，可采用基于設計的研究方式不斷改進，如俞樹煜等建構了能有效促進學習者批判性思維發(fā)展的學習活動設計模型[38]。 在線學習平臺界面設計要促進學習者的學習自控，如增加學習者進度條，讓學習者每次登錄可以看到自己的完成情況，進行自我管理和激勵。

（二）激勵學習者主動、投入地參與在線學習

在線學習者的自我效能感、信息素養(yǎng)及在線學習經(jīng)驗等對能否產(chǎn)生深層次學習有影響。任友群等認為，從“學習者”角度來提升在線學習效果需要增強在線學習信心、解決學習動機和學習孤獨感等問題[39]。因此，在線教學也應從學習者個體的層面采用策略來促進深層次學習。如交互活動中制定激勵機制，輔導教師在交互過程中及時用言語鼓勵、發(fā)放勛章或增加平時表現(xiàn)評分等進行獎勵，增強學習意愿，提高成就感。當學習者主動、積極地參與主題討論、協(xié)同寫作、問題解決或作品制作等活動時，自然能獲得較好的學習體驗。個體因素和環(huán)境因素是影響深層次學習的中介變量，正如李彤彤等研究中提出的環(huán)境的給養(yǎng)和學習者的效能共同決定著學習者的學習行為[40]，因此，在線平臺的設計考慮增加促進學生主動參與、激發(fā)學習動機的互動和實時答疑等活動。

（三）提升交互深度，讓交互真正發(fā)揮作用

測量數(shù)據(jù)顯示，交互沒有對深層次學習產(chǎn)生影響?？赡軐е逻@一結果出現(xiàn)的原因在基于真實的在線學習交互內容的分析中得到了初步回應。當前學習者雖然參與了交互活動，但通常交互層次較淺，不足以促使他們進行深入思考，形成批判性思維或觀點等[41]。例如：論壇中通常以點贊、同意等方式對他人觀點進行回應，卻很少進行追問、辨析或總結等。學習者的交互行為多為分享、簡單態(tài)度表達，而協(xié)商、質疑較為少見，知識建構未發(fā)生，可見，淺層次的交互沒有促進在線學習中深層次學習的發(fā)生[42]。本研究建立的影響因素理論模型中的交互因素指深入和有效的交互，當它在在線學習中并未出現(xiàn)時，也就無法發(fā)揮影響作用。為提升交互的深度，教師應設計精細的教學內容，且能夠結合學習平臺功能，讓學生與內容進行深入交互，如讓學生對視頻課程進行彈幕交流，對文本內容進行注釋和修改等。對于討論的設置不再是僅拋出問題讓學生討論，可以采用新的討論形式，如“三級提問”等，問題的難度設置是逐級增加的，從而引發(fā)學生逐級思考和回答[43]。對在線學習行為的評價機制更傾向于質而不是量，如以討論發(fā)帖的質量而不是數(shù)量為標準，以此來鼓勵學生進行深入交互。

本研究對真實的在線學習數(shù)據(jù)進行分析，明確了在線學習中深層次學習的影響因素及作用機制，可為設計、實施和評價深層次學習提供理論支撐。結果表明，在線學習設計中，既要重點關注在線學習環(huán)境的建構，形成交互活動豐富深入、在線社區(qū)感強和學習支持服務到位的在線學習境脈;還要關注學習者個體因素的影響，通過學習活動、學習資源和深入互動提高學習者的學習動機、自我效能感等，從而促進深層次學習的發(fā)生。

[參考文獻]

[1] 中國互聯(lián)網(wǎng)絡信息中心.第45次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[EB/OL]. （2020-04-28） [2020-05-20].http：//www.cnnic.cn/gywm/xwzx/rdxw/20172017_7057/202004/t20200427_70973.htm.

[2] LAUREN C，ALVAREZ-XOCHIUA O，EDWARDS C.Learning in web 2.0 environments：surface learning and chaos or deep learning and self-regulation？[J].Quarterly review of distance education， 2011，12（1）：1-21.

[3] 李京杰.基于沉浸理論的成人在線深度學習策略探究[J].成人教育，2019，39（3）：18-22.

[4] 唐金娟.網(wǎng)絡環(huán)境下大學生深度學習的研究[D].金華：浙江師范大學，2011.

[5] 馮琳.深度學習影響因素及影響機制研究[D].蘭州：蘭州大學，2017.

[6] 王全亮.網(wǎng)絡環(huán)境下大學生深度學習現(xiàn)狀及其影響因素研究[D].昆明：云南大學，2016.

[7] 劉哲雨，王志軍.行為投入影響深度學習的實證探究——以虛擬現(xiàn)實（VR）環(huán)境下的視頻學習為例[J].遠程教育雜志，2017，35（1）：72-81.

[8] 張琪.e-Learning環(huán)境中大學生自我效能感與深度學習的相關性研究[J].電化教育研究，2015，36（4）：55-61.

[9] CZERKAWSKI B C. Designing deeper learning experiences for online instruction[J]. Journal of interactive online learning， 2014，13（2）：29-40.

[10] RUSHTON A. Formative assessment： a key to deep learning？[J]. Medical teacher， 2005，27（6）：509-513.

[11] 吳亞婕.影響學習者在線深度學習的因素及其測量研究[J].電化教育研究，2017，38（9）：57-63.

[12] 馬秀峰，李彤彤，劉冬.學習風格對在線學習交互程度影響的實驗研究[J].開放教育研究，2011，17（4）：96-101.

[13] 王小根，劉夢恒.在線知識建構中有效引發(fā)功能性沖突研究[J].電化教育研究，2019，40（9）：34-42.

[14] ZHAO Y， LEI J， YAN B， et al. What makes the difference？ A practical analysis of research on the effectiveness of distance education[J]. Teachers college record， 2005，107（8）：1836-1884.

[15] CLEVELAND-INNES M F， EMES C. Social and academic interaction in higher education contexts and the effect on deep learning[J]. Journal of student affairs research and practice， 2005， 42（2）：241-262.

[16] GARRISON D R， AKYOL Z. Role of instructional technology in the transformation of higher education[J]. Journal of computing in higher education， 2009， 21（1）：19-30.

[17] 李爽，王增賢，喻忱，宗陽.在線學習行為投入分析框架與測量指標研究——基于LMS數(shù)據(jù)的學習分析[J].開放教育研究，2016，22（2）：77-88.

[18] FENG K K， XIE K. Toward deep learning for adult students in online courses[J]. Internet and higher education， 2009，12（3-4）：136-145.

[19] BUNYAMIN A， POLAT O C. Influence of the online learning environments and tools on the student achievement and opinions[J]. Educational research & reviews， 2010，5（8）：455-464.

[20] MOORE M G.Background and overview of contemporary American distance education[J]. Contemporary issues in American distance education， 1990：12-26.

[21] 邱曉輝.網(wǎng)絡學習者信息加工學習行為的分析及研究[D].武漢：華中師范大學，2008.

[22] CARR S E， BRAND G， LI W， et al. “Helping someone with a skill sharpens it in your own mind”： a mixed method study exploring health professions students experiences of Peer Assisted Learning （PAL）[J]. BMC medical education， 2016，16（1）：1-10.

[23] 李惠.交互型微視頻中交互次數(shù)和文本提示對學習效果的影響研究[D].武漢：華中師范大學，2015.

[24] 呂林海.大學生深層學習的基本特征、影響因素及促進策略[J].中國大學教學，2016（11）：70-76.

[25] 李文波，胡凡剛.管窺在線學習之影響因素——文化的視角[J].現(xiàn)代遠距離教育，2009（1）：17-20.

[26] 馬秀峰，李彤彤，劉冬.學習風格對在線學習交互程度影響的實驗研究[J].開放教育研究，2011，17（4）：96-101.

[27] 陳琦，劉儒德.當代教育心理學[M].北京：北京大學出版社，2007.

[28] LAIRD T F N，SHOUP R， KUH G D， et al. The effects of discipline on deep approaches to student learning and? college outcomes[J].Research in higher education，2008（6）：469-494.

[29] 趙宏，張馨邈.中國成人學習者在線學習情緒影響因素研究[J].開放教育研究，2018，24（2）：78-88.

[30] WEBSTER B J，CHAN W S，PROSSER S T，et al. Undergraduates' learning experience and learning process：quantitative evidence from the east[J].Higher education，2009（3）：375-386.

[31] 清華大學教育研究院.2009年學情調查問卷手冊[Z].2009.

[32] 楊根福.MOOC用戶持續(xù)使用行為影響因素研究[J].開放教育研究，2016，22（1）：100-111.

[33] TAYLOR P， MAOR D. Assessing the efficacy of online teaching with the Constructivist On-Line Learning Environment Survey[C]//? Proceedings of the 9th Annual Teaching Learning Forum. Perth： Curtin University of Technology，2000.

[34] HAIR J F， RINGLE C M.Multivariate data analysis[M]. 7th ed. Jersey ：Prentice Hall， 2009.

[35] FORNELL C， LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of marketing research， 1981， 18（1）：39-50.

[36] 曹良亮.在線學習中的交互設計——以交互結構為核心的交互設計方法[J].中國遠程教育，2010（1）：38-43，79.

[37] 聶勝欣. 在線學習環(huán)境中大學生批判性思維發(fā)展的影響因素研究[D].蘭州：西北師范大學，2017.

[38] 俞樹煜，聶勝欣，王國華.促進批判性思維發(fā)展的在線學習活動設計：一項基于設計的研究[J].電化教育研究，2016，37（10）：49-56.

[39] 任友群，徐世猛.開放課程的探索與思考——從學習者、決策者到建設者[J].現(xiàn)代遠程教育研究，2013（5）：3-10.

[40] 李彤彤，武法提.在線學習者效能的結構及關鍵影響因素研究[J].電化教育研究，2017，38（9）：49-56.

[41] 曹天生，孔凡士，朱珂，李彥敏.促進學習者之間交互深度的分組策略研究[J].現(xiàn)代教育技術，2020，30（6）：55-60.

[42] 胡勇，王陸.異步網(wǎng)絡協(xié)作學習中知識建構的內容分析和社會網(wǎng)絡分析[J].電化教育研究，2006（11）：30-35.

[43] 穆肅，王孝金.在線學習中深層次學習發(fā)生策略的研究[J].中國遠程教育，2019（10）：29-39，93.

Research on Influencing Factors of Deep Learning in Online Learning

WANG Xiaojin，? MU Su

（School of Information Technology in Education， South China Normal University， Guangzhou Guangdong 510631）

[Abstract] Deep learning in online learning is the ultimate goal pursued by both teaching and learning. To achieve this goal， it is necessary to analyze the factors affecting deep learning and explore its internal mechanism. This study sorts out the influencing factors from three dimensions of individual， interaction and environment and proposes a theoretical model and corresponding hypotheses. Measurement tools based on those hypotheses are designed， and 470 learners are tested and analyzed. At the same time， combined with the complete data of the 5-week online learning of 88 learners， the measured results are re-verified and analyzed deeply. The study finds that （1） in online learning， environmental factors have the greatest impact on deep learning， while individual factors have little impact. Simple interaction has no direct impact on deep learning. （2） environmental factors have a greater impact on interaction factors than individual factors. Environmental factors have a positive impact on individual factors， and can also affect interaction through individual factors as an intermediary variable. The above conclusions can provide a basis for promoting the implementation of deep learning strategies and teaching practice in online teaching and hybrid learning.

[Keywords] Online Learning; Deep Learning; Individual Factors; Interactive Factors; Environmental Factors; Mechanism