［摘要］遠程教育領域所積累的海量數據，為探索教學規(guī)律提供契機。處于關鍵期的新生，其學習效果與畢業(yè)率間的關系研究，為遠程教育教學實踐提供有力支撐。本研究選取宜賓開放大學2019年春期-2020年春期三屆新生4162人為樣本，經過數據預處理，運用相關性分析和二次回歸分析構建關系模型，旨在通過新生課程合格率預測按期畢業(yè)率。結果表明，新生課程合格率的提升可顯著增強按期畢業(yè)的可能性，而首期課程合格率的降低導致延期畢業(yè)比例上升，增加教學管理難度。此外，延長畢業(yè)時間，將增加學習者流失風險。因此，建議加強新生的學習適應性教育，構建科學的入學教育模式，以提升學習效果和按期畢業(yè)率。

［關鍵詞］遠程教育；新生；學習效果；畢業(yè)率；按期畢業(yè)；關系模型

［中圖分類號］G724.82

［文獻標識碼］A［文章編號］1008-4648（2024）02-0018-06

Construction of Relationship Model between Distance"Education Freshmen’s learning Effect and Graduation Rate

Sun Yan，Zheng Ling，Hong Xuanrong

（Open University of Yibin，Yibin 644000）

Abstract：The massive data accumulated in the field of distance education provides opportunities to explore the laws of teaching.In the critical period， the study of the relationship between the learning effect and the graduation rate provides a strong support for the practice of long -range education and teaching.This study selected 4，162 new students in the spring of Open University of Yibin in the spring of 2019 to the spring of 2020.After data pre -processing， the use of correlation analysis and secondary regression analysis and construction relationship model is designed to predict the graduation rate on time through the pass rate of the new course.The results show that the increase in the qualification rate of freshmen’s curriculum can significantly increase the possibility of graduation on schedule， and the decrease in the pass rate of the first course has led to an increase in the proportion of postponed graduation and increasing the difficulty of teaching management.In addition， extending graduation time will increase the risk of learners’ loss.Therefore， it is recommended to strengthen the learning adaptive education of the new students and build a scientific education model to improve the learning effect and graduation rate on time.

Keywords：Distance Education；Freshmen; Study Effect; Graduation Rate; Graduation; Relationship Model

一、 引言

中國遠程教育研究在百年進程中經歷了多個階段的演變，并取得顯著成就［1］。近年來，遠程教育以開放性、技術先進性、資源共享性、跨時空性等優(yōu)勢特征吸引了大量的學習者，并產生了海量的學習行為和學習效果數據。相較于傳統(tǒng)教學，遠程教育學習者群體更加多樣化、復雜化，并且學習者的學習動機因其年齡、工作、學歷、地域等人口因素也存在較大的差異［2］，這導致了學習效果的差異。在遠程教育體系中，畢業(yè)率是衡量學習者學習效果，評價教學質量的重要參考指標。未能順利畢業(yè)的學習者可能導致流失，即輟學。學習者是學校發(fā)展的基礎，高輟學率將影響遠程教育的健康發(fā)展［3］。有研究發(fā)現(xiàn)，學習者在課程學習初期容易輟學［4］?；诖?，本研究通過對遠程教育第一學期學習者（以下簡稱“新生”）的學習效果數據進行深入挖掘，探討其對學習者畢業(yè)率的影響。期望通過此項研究，能夠為遠程教育新生的教學實踐提供新的視角和理論基礎，進而推動遠程教育領域的持續(xù)發(fā)展與創(chuàng)新。

二、 研究目的和意義

（一）遠程教育新生學習效果

第一學期（以下簡稱“首期”）作為學習者與遠程教育建立緊密聯(lián)系的“關鍵期”和“過渡期”，對于全面評估學習者的學習成效具有至關重要的意義。有研究表明，新生就學適應性是影響其學習與發(fā)展的關鍵因素［5］。遠程教育新生作為教學體系的初級成員，處于遠程教育的初始階段，在學習基礎、年齡、職業(yè)背景等方面表現(xiàn)出顯著的多樣性，且尚未形成穩(wěn)固的遠程教育系統(tǒng)思維和學習習慣。因此，對遠程教育新生的學習效果進行深入的數據挖掘，不僅有助于揭示這一特殊群體在學習過程中的共性問題，還能為提升遠程教育的教學質量提供有力支撐。本研究將遠程教育新生學習效果聚焦于第一學期期末成績合格情況，探究潛在的規(guī)律。

（二） 遠程教育新生畢業(yè)率

在現(xiàn)代遠程教育體系中，開放教育學習者從注冊起學籍有效期為八年，學業(yè)完成標準時間為兩年半。本研究聚焦遠程教育新生的畢業(yè)率，包括兩年半畢業(yè)的比率（以下簡稱“按期畢業(yè)率”）、延期畢業(yè)率（包括延遲一期畢業(yè)率、延遲二期畢業(yè)率和延遲三期畢業(yè)率等）。按期畢業(yè)率作為衡量學習成效的關鍵指標，其比例高低直接反映了教學質量的好壞。按期畢業(yè)率越高，說明教學質量越有保障。相反，超過兩年半仍未畢業(yè)的學習者，會面臨放棄學習、無法畢業(yè)流失等風險，這將對遠程教育整體的教學質量產生負面影響。因此，本研究對新生畢業(yè)率進行深入分析，不僅有助于更好地了解遠程教育的教學效果，還能為提升學習者的按期畢業(yè)率提供有益的參考和借鑒。

三、 研究模型設計與構建

（一）樣本選擇

為確保數據的真實性與準確性，依托國家開放大學教務系統(tǒng)和考試系統(tǒng)，采集學習者課程期末考試數據和各期畢業(yè)生數據兩類數據樣本。為擴大樣本數量，且具代表性，本研究選取宜賓開放大學2019年春期、2019年秋期、2020年春期三期入學的學習者作為原始數據，涵蓋直屬教學點及9個縣（區(qū)）教學點的新生，共計4162人。為簡化研究復雜度并突出核心指標，本研究假設學習者的期末課程綜合成績不受所學專業(yè)、教育層次和地域差異的影響，僅聚焦于課程綜合成績是否大于等于60分，即是否合格。按期畢業(yè)以學習者在規(guī)定的兩年半學習期限內修滿學分，成功申請畢業(yè)，即是否按期畢業(yè)。需要大于兩年半時間才能完成學業(yè)申請畢業(yè)的，即為延期畢業(yè)。選取畢業(yè)數據為2021年7月至2024年1月成功申報畢業(yè)成功的學習者數據。因兩類數據樣本來自不同系統(tǒng)，并未直接產生關聯(lián)，為打破數據孤島的壁壘，需進一步對樣本進行

（二）數據預處理

第一步，進行數據過濾。為確保研究的準確性和一致性，對樣本進行數據提純，聚焦于首期注冊6門考試課程的學習者共計3556人，排除首期注冊考試課程數量不同的學習者。

第二步，進行數據子集化。提取過濾后學習者對應的21336條期末課程綜合成績數據，按6門課程形成的不同合格率將數據劃分為7個數據子集。

第三步，進行數據對齊。將不同課程合格率的學習者的數據子集與相應學期畢業(yè)生樣本進行數據對應和匹配，最終得到匯總數據，如表1所示。

四、 新生學習效果與畢業(yè)率數據分析

（一）數據表格化

經過對樣本的處理，匯總為表1。

樣本數據顯示，隨著新生合格課程與考試課程的占比（簡稱“首期合格率”）的增加，按期畢業(yè)人數和按期畢業(yè)率呈現(xiàn)出明顯的增長趨勢，延期畢業(yè)人數也呈現(xiàn)不同程度的增長趨勢。

（二）正態(tài)性檢驗

為便于進一步分析，本研究首先將首期合格率、按期畢業(yè)率和延期畢業(yè)率數據轉化保留小數點后四位的小數，進行異常值處理，依靠SPSS Statistics平臺進行Shapiro-Wilk和Kolmogorov-Smirnov檢驗，結果如表2顯示。

S-W檢驗結果顯示，首期合格率p=0.949，按期畢業(yè)率p=0.452，延遲一期畢業(yè)率p=0.997，延遲二期畢業(yè)率p=0.093*，延遲二期畢業(yè)率p=0.540，五個變量在統(tǒng)計上均接近正態(tài)分布。通過K-S檢驗結果比對，可進一步驗證變量的正態(tài)性。

（三）相關性分析

為進一步探究首期合格率與按期畢業(yè)率、延期畢業(yè)率之間的相關性，對各變量進行Pearson相關性分析。

數據分析結果顯示：

1.首期合格率與其他變量的關系

首期合格率與按期畢業(yè)率之間存在顯著的正相關關系，相關系數p=0.979，且在1%的水平上（標記為***），具極顯著性。

首期合格率與延期畢業(yè)率隨著時間增加，相關性減弱。其中，與延遲一期畢業(yè)率具有中等相關性，不顯著。與延遲二期和延遲三期畢業(yè)率的相關性相對較弱，且都不顯著。

2.按期畢業(yè)率與延期畢業(yè)率的關系

按期畢業(yè)率與延期畢業(yè)率隨著時間增加，相關性減弱。其中，與延遲一期畢業(yè)率有微弱的正相關關系，但與延遲二期和延遲三期畢業(yè)率的相關性更弱，甚至與延遲三期畢業(yè)率呈微弱的負相關關系。這些相關性都不顯著。

3.延期畢業(yè)率之間的相關性

相關系數表明延期畢業(yè)率之間存在中等程度的正相關關系，但都不顯著。一定程度地說明延遲一期畢業(yè)的學習者有較大的可能性轉化為延遲二期，甚至延遲三期畢業(yè)。

（四）回歸分析

通過上述正態(tài)性檢驗和相關性分析，依托SPSS Statistics平臺進行方差膨脹因子（VIF）檢驗，首期合格率與按期畢業(yè)率之間不存在多重共線性問題。進行曲線估算，構建首期合格率（自變量X）與按期畢業(yè)率（因變量Y）回歸模型，二次回歸模型擬合度高，分析結果如表4、表5所示。

上述分析和檢驗結果顯示，R2=0.992，調整R2=0.987，表明模型擬合度很高，自變量能夠很好地解釋因變量的變化；Plt;0.001，首期合格率對因變量按期畢業(yè)率的影響非常顯著，且呈正相關關系；F=233.881，模型整體上是顯著的。

構建多項式回歸模型為：按期畢業(yè)率Y = 0.036 + 0.254×首期合格率 + 0.460 × 首期合格率^2 。回歸模型構建穩(wěn)健，能夠解釋按期畢業(yè)率變異的絕大部分。

五、 研究結果與討論

（一）新生課程合格率的提升顯著增強了按期畢業(yè)的可能性。

這一結論在表4的回歸分析結果中得到了明確支持，課程合格數與首期考試課程數的比例越高，按期畢業(yè)的概率便越大，這凸顯了提高新生課程合格率在教學實踐中的關鍵作用。首期合格率不僅反映了學習者掌握合理學習方式的成效，更是良好學習習慣養(yǎng)成的體現(xiàn)。在遠程教育體系中，以開放教育為例，其學習模式以線上學習為主導，輔以線下學習，考核方式因專業(yè)和課程的差異而呈現(xiàn)出多樣性。學習者需深入理解課程考核方式，結合個人特點科學規(guī)劃學習進程，以實現(xiàn)最佳學習效果。良好的學習效果不僅表明學習者已掌握合理的學習方式，更體現(xiàn)了對課程內容的深刻理解和熟練運用。在初入學階段，學習者需適應新環(huán)境，此過程正是學習習慣養(yǎng)成的時期。學習成效的良好表現(xiàn)直接反映了學習習慣的正確性與合理性。隨著學習的深入，學習者可在此基礎上進一步優(yōu)化調整，持續(xù)提升學習效果，實現(xiàn)學習成效的最大化。

（二）首期課程合格率的降低導致延期畢業(yè)比例上升，增加了教學管理難度。

表1數據顯示，首期課程合格率降低，使得更大比例的學習者因無法在規(guī)定的畢業(yè)時間內完成學業(yè)，導致延期畢業(yè)。已經有研究表明，新生的學習認知相較于高級學習者，將尋找更多的外部歸因，如課程和教師［6］。首期課程合格率低，影響學習者對學校和教師的認可度，以致影響后期的教學管理和實施。更高的合格率提升了學習者對學校的認同感。在過渡期的學習者中，對學校的認同感尚處于形成和成長階段，此時的學習成效尤為關鍵。良好的學習成效的提升讓學習者感受到自身的進步和成長，也對學校的教育質量和教學環(huán)境產生更高的認同和信任。從而促使學習者積極配合教師完成各項學習任務，形成良性互動和循環(huán)。

（三）延長畢業(yè)時間，將增加學習者流失風險。

表3檢驗結果發(fā)現(xiàn)，延遲一期畢業(yè)率與延遲二期、三期畢業(yè)率之間存在中等程度的正相關關系，說明延遲一期畢業(yè)的學習者將有較大可能性延長至二期，甚至延遲三期畢業(yè)。在遠程教育領域，學習者基礎差異大，特別是長期脫離系統(tǒng)學習的學習者，往往缺乏學習信心。低合格率和延長的畢業(yè)時間打擊學習者學習積極性，易導致休學或流失。通過獲得階段性學習成效和正向反饋，學習者能積累信心，應對后續(xù)挑戰(zhàn)，提升學習效果和滿意度。高合格率不僅反映良好學習成效，還為后續(xù)學習提供動力。放棄學習將使先前成果轉化為成本，且隨著成效提升，放棄成本增加。因此，高合格率既體現(xiàn)學習成果，又“鎖定”學習投入，降低放棄可能性。綜上所述，提升首期課程合格率對降低延期畢業(yè)率和流失率至關重要，有助于增強學習者信心，提高學習效果和滿意度，降低放棄成本，促進持續(xù)學習。

六、 新生學習效果的改善策略

（一）加強遠程教育新生學習適應性教育

加強遠程教育新生學習適應性教育，致力新生首期課程合格率的提高，是提升教育質量的關鍵環(huán)節(jié)。可從三個方面優(yōu)化學習者學習體驗。

1.學習動機的引導。鑒于遠程學習者的學習動機呈現(xiàn)出多元化和復雜化的特點，需深入剖析遠程教育獨特的教學模式以及具體的學習要求，以幫助新生快速適應新的學習環(huán)境并順利轉換角色；通過學校歷史、辦學理念、所獲榮譽等宣傳，增強學習者對學校和學習模式的認同感，培養(yǎng)學習榮譽感和自信心，為其后續(xù)的學習奠定基礎。

2.學習態(tài)度的塑造。注重正向激勵的作用，通過積極的教學互動和管理者關懷，激發(fā)其內在的學習熱情，鼓勵新生以積極、樂觀的態(tài)度面對學習中的挑戰(zhàn)和困難；采用耐心細致的適應性教學策略，對學習中常見的問題重點解讀，促進學習者配合教師開展教學工作并主動探索提高學習效果的方法，進而形成良好的學習心態(tài)；針對個體的差異進行精準教學，激發(fā)學習者的潛能。

3.學習能力的提升。針對新生學習基礎參差不齊的現(xiàn)狀，需強化各項學習能力提升舉措。強化學習技能培訓。包括課程考核、學習進度、平臺操作等培訓。特別是在遠程教育背景下，加強對新生計算機和移動學習終端操作技能的指導，重點培訓多樣化的課程考核方式，幫助其對系統(tǒng)學習進度有全面的掌握，避免盲目學習和無效學習，促進學習者學習效果的最大化；加強督學工作。定期跟蹤新生的學習進度和成效，及時、有效的反饋，確保學習者能夠按照既定的學習計劃有序進行，對存在問題的學習者及時提供幫助和指導，助力學習能力的提升。

（二）構建科學的遠程教育新生入學教育模式

1.學校管理視角。應重視新生入學教育，確立一套科學、規(guī)范的新生教學模式，輔以相應的獎懲機制。加強對教師的專業(yè)培訓和指導，積極鼓勵和支持教師探索具有特色且成效顯著的新生教學策略，同時避免采用可能產生負面影響或無效的教學策略。

2.教師輔學角度。應秉持以學習者為中心的服務理念，提升服務意識，并加強對學習策略的學習與研究。提供個性化的學習支持服務，并建立一套科學的教學督學和跟蹤指導流程，以便及時發(fā)現(xiàn)并糾正新生在入學階段存在的問題。此外，還應引導新生制定合理的學習計劃，助力養(yǎng)成良好的學習習慣，進而提升新生自主學習能力和學習效果。

3.學習者需求層面。通過填寫問卷、參與訪談等方式，可以幫助教師更加準確地了解學習者的學習狀態(tài)和進度，從而進一步完善新生入學教育模式。

綜上所述，通過學校、教師和學習者三方共同努力，構建科學的遠程教育新生入學教育模式，將有效提升學習者的學習成效，為學習者的按期畢業(yè)和全面發(fā)展奠定堅實基礎。

［參考文獻］

［1］樂傳永，葉長勝.中國遠程教育研究的百年嬗變與前瞻［J］.遠程教育雜志，2023，第41卷（5）： 3-15.

［2］馮瀟瀟，李曉晨.遠程開放教育學習者學習動機及激發(fā)對策分析［J］.山西廣播電視大學學報，2023，28（02）：6-9.

［3］周靜，王運武.近十年中國遠程教育學習者輟學問題研究綜述［J］.廣州廣播電視大學學報，2014，14（05）：1-8+107.

［4］繆玲.我國現(xiàn)代遠程教育學生輟學原因研究［J］.安徽廣播電視大學學報，2013（04）：63-66.

［5］鞏莉，楊陽，孫建強等.“互聯(lián)網+”背景下的大學新生適應與學習投入［J］.高教論壇，2023（02）：114-120.

［6］Baruth， Orit;Gabbay， Hagit;Cohen， Anat;Bronshtein， Alla;Ezra， Orit.Distance learning perceptions during the coronavirus outbreak： Freshmen versus more advanced students［J］.Journal of Computer Assisted Learning，2021，Vol.37（6）： 1666-1681.

［責任編輯李帆］