徐振國 趙春雨 王 悅 謝萬里 高英朋

智慧學習環(huán)境下大學生深度學習的影響因素*

徐振國1趙春雨1王 悅1謝萬里1高英朋2[通訊作者]

（1．曲阜師范大學 傳媒學院，山東日照 276826；2．曲阜師范大學 管理學院，山東日照 276826）

盡管各大高校已紛紛開展智慧學習環(huán)境的建設與使用，但學生并沒有達到預期的深度學習效果，亟需厘清智慧學習環(huán)境下深度學習的影響因素。為此，文章首先構建了智慧學習環(huán)境下大學生深度學習影響因素的假設模型。隨后，文章采用問卷調(diào)查法、結構方程模型進行了假設檢驗和模型驗證，結果發(fā)現(xiàn)：深度學習在年級、專業(yè)上存在顯著差異，而在性別上不存在顯著差異；深度學習受學生因素、教師因素、交互因素、環(huán)境因素的影響；學生因素是影響深度學習的主要因素，而環(huán)境因素是次要因素。最后，文章圍繞學生、教師、交互、環(huán)境四個因素，針對如何促進智慧學習環(huán)境下大學生的深度學習提出建議，以期實現(xiàn)有意義的學習。

智慧學習環(huán)境；深度學習；影響因素；學習投入；大學生

深度學習強調(diào)對知識的綜合運用、分析與評價，著重培養(yǎng)學生的問題解決能力、創(chuàng)新能力、決策力等高階思維能力，是培養(yǎng)與發(fā)展學生核心素養(yǎng)的重要途徑?！督逃畔⒒?.0行動計劃》指出應構建智慧學習支持環(huán)境，開展以學習者為中心的智能化教學支持環(huán)境建設。智慧學習環(huán)境既可推送個性化學習資源與學習路徑，又可提供智能化學習設備與互動工具，因而學生的深度學習離不開智慧學習環(huán)境的營造與創(chuàng)設。然而，盡管各大高校紛紛開展了智慧學習環(huán)境的建設與使用，但深度學習的成效卻不盡如人意。為此，厘清智慧學習環(huán)境下大學生深度學習的影響因素成為亟待解決的現(xiàn)實問題?；诖耍狙芯恳劳腥换Q定論，設計智慧學習環(huán)境下大學生深度學習影響因素的假設模型，并進行模型評估與假設檢驗，提出促進大學生深度學習的建議，以期培養(yǎng)大學生的高階思維能力，發(fā)展大學生的核心素養(yǎng)，進而實現(xiàn)有意義的學習。

一 國內(nèi)外研究現(xiàn)狀

當前，研究者多采用問卷調(diào)查、準實驗研究、元分析等方法，探索某個因素或某些因素對深度學習的影響。例如，王勝蘭等[1]選取62篇國內(nèi)實驗或準實驗研究文獻，采用元分析方法探究教學干預對學生深度學習的影響；李志河等[2]基于翻轉課堂教學實踐，發(fā)現(xiàn)翻轉課堂教學模式下影響深度學習的主要因素是溝通交流、知識加工水平和反思評價水平；Shaari等[3]通過問卷調(diào)查探究人口統(tǒng)計學變量對深度學習的影響，結果顯示年齡和年級能影響深度學習，而性別、學習方式等對深度學習沒有影響；Sadeghi等[4]通過自編問卷對180名學生進行調(diào)查，發(fā)現(xiàn)學生特征、教師特征、教與學過程、班級氛圍等是影響學生深度學習的重要因素。

綜上所述，國內(nèi)外研究者圍繞深度學習的影響因素展開了研究，取得的研究成果豐富且多元。但是，既有研究多探討某個因素或某些因素對深度學習的影響，而從整體上探討深度學習影響因素的研究較為匱乏；同時，既有研究多關注傳統(tǒng)課堂、在線學習、混合式教學中深度學習的影響因素，而對泛在、靈活、智能的智慧學習環(huán)境缺乏重視。

二 研究設計

1 研究假設與模型構建

（1）深度學習過程與結果

深度學習不是單維度概念，其測量應包含動態(tài)的深度學習過程和靜態(tài)的深度學習結果兩個部分。本研究借鑒李玉斌等[5]編制的大學生深度學習量表，從四個維度表征深度學習——

①深度學習動機：直接制約學生學習時的主動性、自覺性和積極性，進而影響學習效果。Entwistle[6]指出，深度學習動機是對知識意義的追尋，在此動機的驅動下，學生積極、主動地參與學習和知識建構，促進知識的內(nèi)化、遷移和創(chuàng)新。Yin等[7]通過調(diào)查研究，證實了學習動機與學習投入存在緊密的聯(lián)系。據(jù)此，本研究提出假設：深度學習動機對深度學習投入有正向顯著影響（H7a）、深度學習動機對深度學習結果有正向顯著影響（H7b）。

②深度學習投入：包括行為投入、情感投入和認知投入，較高的投入水平能讓學生更加專注于學習任務，提高學習質(zhì)量。Astin[8]提出學生參與理論，并指出學習投入是決定學生發(fā)展的主要因素。Kearsley等[9]提出的投入學習理論也指出學生必須全身心投入到學習活動中，才能獲得預期的學習效果。據(jù)此，本研究提出假設：深度學習投入對深度學習結果有正向顯著影響（H8）。

③深度學習策略：學生在深度學習過程中，能夠自覺地用來提升深度學習效果和發(fā)展高階思維能力的技巧、規(guī)則、方法等。學生能否選擇使用有效的學習策略，將直接決定其能否更深入、持久地投入到學習中，也將直接影響反思、批判、遷移、思辨等高階思維和核心素養(yǎng)的培養(yǎng)。據(jù)此，本研究提出假設：深度學習策略對深度學習投入有正向顯著影響（H9a）、深度學習策略對深度學習結果有正向顯著影響（H9b）。

④深度學習結果：美國共同核心州立標準規(guī)范了K12階段學生所應掌握的知識與技能，強調(diào)培養(yǎng)學生的批判性思維、分析問題能力、解決問題能力等核心素養(yǎng)，無疑與深度學習的目標相吻合。借鑒此標準，本研究認為經(jīng)過深度學習，學生的高階思維和能力會得到顯著提升，且學生能夠創(chuàng)造性地解決復雜問題，其核心素養(yǎng)得到發(fā)展。

（2）深度學習的影響因素

本研究依據(jù)Bandura[10]提出的三元交互決定論，從學生、教師、交互、環(huán)境等方面探索智慧學習環(huán)境下大學生深度學習的影響因素。

①學生因素：學生利用元認知知識和元認知監(jiān)控，對自身的學習活動進行自我審視和自我調(diào)節(jié)，以便及時發(fā)現(xiàn)問題并進行修正，使學習活動向深度學習有效地推進[11]。較強的元認知能力有助于學生更好地覺察、調(diào)節(jié)、評價認知活動，從而更恰當?shù)剡x擇學習策略，促進學習投入。據(jù)此，本研究提出假設：元認知能力對深度學習投入有正向顯著影響（H1a）、元認知能力對深度學習策略有正向顯著影響（H1b）。

自我效能感是指個體對自己是否有能力完成某項行為所進行的推測與判斷，包括環(huán)境把握感、自我努力感、行為控制感等。學生的高自我效能感往往對應著高積極性和高主動性，可對學生的學習投入起到明顯的提升作用。據(jù)此，本研究提出假設：自我效能感對深度學習動機有正向顯著影響（H2a）、自我效能感對深度學習投入有正向顯著影響（H2b）。

②教師因素：主要指教師的信息化教學勝任力。智慧學習環(huán)境下，教師若能將信息技術與課程深度融合，熟練操作智能化教學設備和工具，合理設計和恰當選擇技術支持的教學模式、教學方法和教學手段，那么就有可能為學生創(chuàng)設真實問題情境，引導學生掌握各種數(shù)字化學習策略并加以靈活運用，激發(fā)學生的學習動機和內(nèi)驅力，促進學生進行深度探究，從而優(yōu)化深度學習結果。據(jù)此，本研究提出假設：教師因素對深度學習投入有正向顯著影響（H3a）、教師因素對深度學習策略有正向顯著影響（H3b）。

③交互因素：著重探討師生交互、生生交互、人機交互對深度學習的影響。智慧學習環(huán)境為師生提供了便捷的互動工具，可支持師生進行同步交互和異步交互，有助于學生解決問題、建構知識和發(fā)展自我，進而提高學生的學習興趣和學習投入。例如，陳蓓蕾等[12]通過實驗，證實了智慧教室中的教學交互能夠促進學生的深度學習，并提高學習投入度。據(jù)此，本研究提出假設：交互因素對深度學習投入有正向顯著影響（H4）。

④環(huán)境因素：智能工具是智慧學習環(huán)境的核心要素，也是區(qū)別于其他學習環(huán)境的關鍵特征，為智慧學習環(huán)境的“智慧”提供了全面支撐。顧小清等[13]指出，智能工具能夠支撐學生的自主學習和協(xié)作學習，增強學生的學習興趣和學習動機，從而提升學生在情感、認知、行為層面的投入度。據(jù)此，本研究提出假設：智能工具對深度學習投入有正向顯著影響（H5）。

由于人的趨同性和學習活動本身的復雜性，學生身邊同伴的選擇往往會影響其判斷，社群內(nèi)部的氛圍和相處模式也關乎學生認同感和歸屬感的產(chǎn)生，這種影響放在智慧學習環(huán)境下同樣適用甚至被放大。張屹等[14]指出，智慧教室環(huán)境下同伴是影響大學生學習投入的重要因素。據(jù)此，本研究提出假設：同伴關系對深度學習投入有正向顯著影響（H6）。

（3）模型構建

明確了深度學習的表征維度和影響因素后，為進一步明晰各因素之間的關系，本研究綜合上述假設，構建了智慧學習環(huán)境下大學生深度學習影響因素的假設模型，如圖1所示。

圖1 智慧學習環(huán)境下大學生深度學習影響因素的假設模型

2 研究工具與調(diào)查實施

①調(diào)查工具：本研究借鑒李玉斌等[15]、王孝金等[16]的研究成果，設計了“智慧學習環(huán)境下大學生深度學習影響因素”調(diào)查問卷。調(diào)查問卷共包括三部分：一是學生的基本信息，二是深度學習量表，三是深度學習影響因素量表。其中，第二、三部分的題項為態(tài)度題，采用李克特5點量表。

②問卷試測：調(diào)查問卷編制完成后，本研究進行了小范圍的試測。試測采取線下形式發(fā)放問卷，共收集有效問卷86份，結果顯示各維度和整體的Cronbach’s α系數(shù)值均高于0.8；KMO值為0.872，Bartleet’s球形檢驗的顯著性為0.000。經(jīng)過探索性因子分析，初始因子載荷矩陣旋轉后，各題項的歸屬情況符合預期，說明問卷的信效度良好。

③問卷正式發(fā)放：問卷正式發(fā)放采取線上、線下相結合的方式進行，為期1周。調(diào)查對象來自山東省、江西省、江蘇省等5個省市的12所高校，他們均在智慧學習環(huán)境進行過學習，對智慧學習環(huán)境和深度學習較為了解。本研究共收集問卷725份，其中有部分問卷存在填答時間過短、選項單一等問題，剔除后共得到有效問卷712份，有效率約為98.2%。

三 數(shù)據(jù)分析與結果討論

1 信效度分析

首先，利用SPSS 26對有效問卷進行信度分析，得到問卷整體的Cronbach’s α系數(shù)值為0.907，各維度的Cronbach’s α系數(shù)值均高于0.8，說明問卷數(shù)據(jù)有效、可信。接著，進行探索性因子分析，得到KMO值為0.935，Bartlett’s球形檢驗的顯著性為0.000。然后，采用最大方差法進行因子旋轉，得到旋轉后的成分矩陣，其公因子數(shù)量和各題項的歸屬情況符合預期，證實問卷的結構效度較好。最后，使用Fornell-Larcker標準檢驗問卷的區(qū)分效度，得到各維度與其他維度的相關系數(shù)均在臨界值內(nèi)，且都小于相對應的AVE的平方根，表明問卷的區(qū)分效度良好。

2 描述性統(tǒng)計

調(diào)查對象多來源于男學生少而女學生多的師范院校，且主要為1～3年級本科生，專業(yè)分布較為廣泛。為確定性別、年級、專業(yè)是否與深度學習存在聯(lián)系，本研究使用SPSS 26對性別進行獨立樣本t檢驗，對年級、專業(yè)進行單因素方差分析，結果顯示：深度學習在性別上沒有顯著性差異（=0.839），而在年級、專業(yè)上存在顯著性差異（=0.000，=0.027）。進一步分析發(fā)現(xiàn)：大二學生的深度學習情況優(yōu)于其他年級，而教育學專業(yè)學生的深度學習情況優(yōu)于其他專業(yè)。

3 模型評估與假設檢驗

①模型評估。本研究使用絕對適配統(tǒng)計量χ2/df、RMSEA、GFI、AGFI，增值適配度統(tǒng)計量NFI、IFI、CFI，簡約適配統(tǒng)計量PNFI、PGFI來評估模型[17]。模型擬合度檢驗如表1所示，可以看出各適配度指標均符合標準，說明模型的擬合度和適配性良好。

表1 模型擬合度檢驗

②假設檢驗。本研究采用結構方程模型對各項假設進行檢驗——如果顯著性值小于0.05、臨界比C.R.值高于1.96、標準化路徑系數(shù)值處于合理范圍，則認為假設成立。路徑系數(shù)與假設檢驗如表2所示，可以看出：所有假設的值均小于0.05，C.R.值均高于1.96，標準化路徑系數(shù)值也處于合理范圍，表明所有假設均通過檢驗。其中，深度學習投入對深度學習結果（β=0.628）、元認知能力對深度學習策略（β=0.566）、元認知能力對深度學習投入（β=0.412）、自我效能感對深度學習動機（β=0.362）的影響較大，而教師因素、深度學習策略對深度學習投入（β=0.107，β=0.122）的影響較小。

表2 路徑系數(shù)與假設檢驗

注：***表示≤0.001。

4 影響因素權重計算

為探究大學生深度學習四個影響因素對深度學習的重要程度，本研究采用層次分析法計算四個影響因素所占的權重，結果顯示：學生因素最重要，權重約為35.69%；環(huán)境因素居第二，權重約為27.81%；交互因素排第三，權重約為20.58%；教師因素所占權重最低，僅為15.92%。本研究使用一致性比例——C.R.進行一致性檢驗，當=4時，R.I.值為0.89，經(jīng)計算求得C.R.值=0.070＜0.1，說明本研究所構造的判斷矩陣是滿意一致性矩陣。

5 研究結論

（1）深度學習在年級、專業(yè)上存在顯著差異，而在性別上不存在顯著差異

根據(jù)描述性統(tǒng)計結果，本研究主要得出以下結論：①大二學生的深度學習情況優(yōu)于其他年級。究其原因，主要在于大二學生已適應新的學習環(huán)境，并且經(jīng)過一年的學習摸索，他們已逐漸擺脫被動接受式學習的習慣，開始嘗試通過獨立思考或同伴協(xié)作完成學習任務，學習興趣和熱情處于鼎盛期。②教育學專業(yè)學生的深度學習情況優(yōu)于其他專業(yè)。這主要是因為，教育學專業(yè)學生作為“準教師”，已然認識到深度學習對于培養(yǎng)核心素養(yǎng)的重要作用，因此他們具有更高的深度學習傾向，以提高自己的專業(yè)能力和對深度學習的理解。③男女學生的深度學習沒有顯著差異，這與李志河等[18]、Shaari等[19]的研究結論相似。

（2）深度學習受學生因素、教師因素、交互因素、環(huán)境因素的影響

根據(jù)模型評估與假設檢驗結果，本研究主要得出以下結論：①深度學習投入主要受元認知能力、自我效能感、教師因素、交互因素、智能工具、同伴關系的影響。元認知能力越強，大學生在學習活動中進行自我覺察、自我反省、自我評價、自我調(diào)節(jié)的效果就越好，也就越容易達成行為、情感、認知等的高投入。②深度學習動機主要受自我效能感的影響，這與傅蕾[20]的研究結論一致。自我效能感與大學生的學習興趣密切相關，高自我效能感容易激發(fā)大學生的學習欲望，并堅定其完成學習任務的信心。③深度學習策略主要受元認知能力和教師因素的影響。要實現(xiàn)深度學習策略的靈活運用，既要考慮運用什么策略，還需考慮“如何運用”“何時運用”“為何運用”等問題，而此過程無疑需要借助元認知能力。④深度學習結果主要受深度學習投入、深度學習動機、深度學習策略的影響，其中深度學習投入起關鍵作用。例如，王孝金等[21]指出，學習投入程度是能否實現(xiàn)深度學習的前提和條件。

（3）學生因素是影響深度學習的主要因素，而環(huán)境因素是次要因素

根據(jù)影響因素權重計算結果，本研究主要得出以下結論：①智慧學習環(huán)境下，學生既是深度學習過程的主體和核心，也是深度學習結果的表征者和受益者，因而學生因素是影響深度學習的主要因素。教師、智慧學習環(huán)境和其他促進、支持深度學習的條件是否發(fā)揮作用以及能在多大程度上發(fā)揮出最佳作用，最終取決于學生自身。②智慧學習環(huán)境與深度學習是一種相輔相成的關系，即深度學習以智慧學習環(huán)境為支撐，智慧學習環(huán)境根據(jù)學生的深度學習需求而優(yōu)化。智慧學習環(huán)境的核心要素是智能工具，學生深度學習中的資源獲取、問題解決、同步或異步交互、成果展示、自評互評等活動均離不開智能工具的支持。

四 促進建議

根據(jù)上述數(shù)據(jù)分析與結果討論，本研究圍繞學生、教師、交互、環(huán)境四個影響因素，提出促進智慧學習環(huán)境下大學生深度學習的建議。

1 強化學生主體意識，鼓勵創(chuàng)造驅動學習

考慮到學生因素是影響深度學習的主要因素，應強化大學生的主體意識，使大學生的自主性、積極性、創(chuàng)造性得以充分發(fā)揮。對此，教師需設計由淺入深的創(chuàng)造性任務，引導學生逐步從簡單任務向復雜任務進階，增強其自信心和責任感，并以自我效能感驅動學習動機。而作為活動的承擔者、探索者和反思者[22]，學生要充分了解完成創(chuàng)造性任務所需解決的問題，自定學習計劃，并根據(jù)需要主動獲取優(yōu)質(zhì)資源，突破認知限制和思維禁錮；同時，學生可以借助智能工具和教師反饋，自我監(jiān)控、審視、調(diào)節(jié)學習行為，反思、評價深度學習過程與結果，提升元認知能力和自主學習能力，發(fā)展高階思維，達成深度學習的目的。

2 提升教師信息化教學勝任力，培養(yǎng)教師數(shù)據(jù)智慧

目前，高校教師已具備基本的信息技術應用能力，但信息技術與課程深度融合能力有待提高。智能時代賦予教師更多的發(fā)展機會，提升教師的信息化教學勝任力可以通過激發(fā)其信息化教學效能、開展信息化教學發(fā)展項目等實現(xiàn)[23]。在海量數(shù)據(jù)支持的智慧學習環(huán)境下，數(shù)據(jù)智慧成為教師信息化教學勝任力的核心內(nèi)容和發(fā)展新路向。教師可以利用數(shù)據(jù)智慧，針對學生的學習需求，設計有效的教學模式和教學策略，推薦智慧化的教學資源，以促進學生與知識內(nèi)容的交互；同時，對學生給予個性化指導，引導其優(yōu)化學習策略、激發(fā)其學習動機等，并對學生的深度學習過程與結果進行評價，及時提供有效反饋，以促進學生反思、啟迪學生智慧。

3 促進師生和生生深層交互，優(yōu)化人機交互

師生交互和生生交互屬于社會性交互。提高交互的頻率、質(zhì)量和深度，將促進知識共享和學習反思，增強學生交互意愿，實現(xiàn)學生自我知識建構，加深學生對知識的深層次理解，使學生獲得沉浸感和心流體驗，進而實現(xiàn)持續(xù)性、深入性的學習。師生、生生交互層次的提高，可通過教師積極引導、完善激勵機制、創(chuàng)設交互情境、優(yōu)化交互支持工具等方式實現(xiàn)。在智慧學習環(huán)境下，需革新教師、學生與智能工具的協(xié)作交互方式，形成人機協(xié)同的教與學模式。例如，智能工具與教師協(xié)同教學，需要教師重點設計靈活度較高的創(chuàng)造性任務，增加師生交互機會，為學生提供情感支持；而智能工具與學生協(xié)同學習，需要智能工具準確識別學生的學習行為，為學生推送個性化學習資源和路徑，并提供精準的學習反饋，推進學生與資源內(nèi)容之間的交互。

4 推動智能工具賦能學習，創(chuàng)設虛實共生學習環(huán)境

智能工具為學習環(huán)境的“智慧”提供了全面支撐，故應堅持應用驅動和機制創(chuàng)新，以實現(xiàn)智能工具的迭代升級。同時，要促進智能工具與深度學習從緊密結合轉為深度融合，推動智能工具在學習、交互、問題解決等方面的全流程應用，構建全方位、全過程、全覆蓋的支撐體系，使學生的個性化學習需求得到充分滿足，實現(xiàn)人機聯(lián)袂，全面提升深度學習質(zhì)量。另外，智慧學習環(huán)境需融合5G、混合現(xiàn)實、物聯(lián)網(wǎng)等技術，以實現(xiàn)萬物互聯(lián)，虛實共生，提供多元化學習情境，使學生能按需實時參與學習，并提升學生的臨場感、沉浸感，增強其學習體驗；同時，要方便學生根據(jù)學習目標和需求切換學習情境，引導學生對知識進行多視角、多路徑的學習與建構，并推動學生形成持久的自我內(nèi)驅力，最終實現(xiàn)知識、思維與能力的全面提升。

[1]王勝蘭,彭雙,鐘燕蘭.教學干預對學生深度學習的影響——基于62項實驗或準實驗研究的元分析[J].開放教育研究,2022,(2):96-109.

[2][18]李志河,劉丹,李寧,等.翻轉課堂模式下的深度學習影響因素研究[J].現(xiàn)代教育技術,2018,(12):55-61.

[3][19]Shaari R, Mahmud N, Wahab S R A, et al. Deep as a learning approach in inspiring creative and innovative minds among postgraduate students in research university[J]. Procedia-Social and Behavioral Sciences, 2012,40:152-156.

[4]Sadeghi A, Sadeghi A. The factors affecting university student deep learning (USDL) in the University of Guilan, Iran[J]. Procedia-Social and Behavioral Sciences, 2012,31:810-815.

[5][15]李玉斌,蘇丹蕊,李秋雨,等.面向混合學習環(huán)境的大學生深度學習量表編制[J].電化教育研究,2018,(12):94-101.

[6]Entwistle N, Hanley M, Hounsell D. Identifying distinctive approaches to studying[J]. Higher Education, 1979,(4):365-380.

[7]Yin H, Wang W. Undergraduate students’ motivation and engagement in china: An exploratory study[J]. Assessment & Evaluation in Higher Education, 2016,(4):601-621.

[8]Astin A W. Student involvement: A developmental theory for higher education[J]. Journal of College Student Development, 1999,(5):518-529.

[9]Kearsley G, Shneiderman B. Engagement theory: A framework for technology-based teaching and learning[J]. Educational Technology, 1998,(5):20-23.

[10]Bandura A. Social foundations of thought and action: A social cognitive theory[M]. Upper Saddle River: Prentice Hall, 1986:296-316.

[11]張浩,吳秀娟.深度學習的內(nèi)涵及認知理論基礎探析[J].中國電化教育,2012,(10):7-11、21.

[12]陳蓓蕾,張屹,楊兵,等.智慧教室中的教學交互促進大學生深度學習研究[J].電化教育研究,2019,(3):90-97.

[13]顧小清,王春麗,王飛.信息技術的作用發(fā)生了嗎:教育信息化影響力研究[J].電化教育研究,2016,(10):5-13.

[14]張屹,郝琪,陳蓓蕾,等.智慧教室環(huán)境下大學生課堂學習投入度及影響因素研究——以“教育技術學研究方法課”為例[J].中國電化教育,2019,(1):106-115.

[16][21]王孝金,穆肅.在線學習中深層次學習影響因素研究[J].電化教育研究,2020,(10):45-51.

[17]吳明隆.結構方程模型:AMOS的操作與應用(第2版)[M].重慶:重慶大學出版社,2010:52-53.

[20]傅蕾.內(nèi)部歸因有助于激發(fā)學習動機?——基于開放教育學習者自我效能感中介效應的分析[J].開放教育研究,2019,(6):93-102.

[22]胡欽曉.從依附走向自主——學術資本運營視角的創(chuàng)業(yè)型大學興起之路[J].教育研究,2020,(8):96-111.

[23]隋幸華,趙國棟,王晶心,等.高校教師信息化教學能力影響因素實證研究——以湖南省部分高校為例[J].中國電化教育,2020,(5):128-134.

The Influencing Factors of University Students’ Deep Learning in the Smart Learning Environment

XU Zhen-guo1ZHAO Chun-yu1WANG Yue1XIE Wan-li1GAO Ying-peng2[Corresponding Author]

Although many universities have carried out the construction and use of the smart learning environment, students have not achieved the expected deep learning effects, so it is urgent to clarify the influencing factors of deep learning in the smart learning environment. Therefore, a hypothesis model of influencing factors of university students’ deep learning in the smart learning environment was firstly constructed. Then, the questionnaire survey and structural equation model were used to test the hypothesis and verify the model. The results showed that, there were significant differences in grades and majors in deep learning, but there were no significant differences in gender. Meanwhile, deep learning was significantly influenced by the factors of students, teachers, interaction and environment. In addition, the factor of students was the primary factor affecting deep learning, while the factor of environment was the secondary factor. Finally, focusing on the four factors of students, teachers, interaction and environment, this paper put forward suggestions on how to promote university students’ deep learning in the smart learning environment, expecting to achieve meaningful learning.

smart learning environment; deep learning; influencing factor; learning engagement; university student

G40-057

A

1009—8097（2023）01—0058—08

10.3969/j.issn.1009-8097.2023.01.006

本文受國家自然科學基金青年科學基金項目“學習畫面情感對學習者情感的影響機制及其自適應調(diào)整方法研究”（項目編號：62007020）、教育部人文社會科學研究青年基金項目“基于集群發(fā)展的縣域基礎教育信息化優(yōu)質(zhì)均衡提升路徑研究”（項目編號：21YJC880070）、中國博士后科學基金資助項目“在線學習環(huán)境下學習畫面情感的自適應調(diào)整方法研究”（項目編號：2022M711883）資助。

徐振國，副教授，博士，研究方向為教育人工智能，郵箱為xu.zhen.guo@163.com。

2022年6月8日

編輯：小米