中国人民大学,北京,100872
摘要
随着大数据时代的到来,网络教学作为一种新兴的教学模式,渗入到越来越多的教学工作当中。近年来针对小学低年级学生的线上网络教育呈现迅猛发展之势。由于低年级儿童各方面学习能力仍处在萌芽阶段,学习经验也非常匮乏,网络教育对于这类学生来说难度较大、接受度往往低于传统的线下教育。我国网络线上教育对于低年级儿童机制的完善仍在探索当中。同时在影响儿童学习的众多因素中,成就动机的影响较为突出。故本研究选择通过对网络学习中成就动机及其影响因素的实验和分析,研究提高线上教育质量的有效方法。
关键词:网络教学;成就动机;小学低年级学生
近年来,随着大数据对学习的发展趋势产生显著影响,我国大力推进互联网信息技术与学校教育教学工作深度结合,以实现学校教育理念、教育思想以及教育方法和手段全方位革新。由此可见,网络在线教育发展的必然性,但由于以自主学习为主的网络教育,在相对松散的学习环境中进行,缺少集体同步和教室监控等因素,学生特别是低年级学生,情感增长等方面相较于传统学习模式表现出薄弱性。在这种情况下,学生的心理倾向会对学习效果产生重要影响。这些倾向表现为学生的动因和态度,即学习动机。故本研究将从学习动机层面出发,研究成就动机对于网络学习中低年级学生成绩的影响,进而挖掘学生成就动机相关的影响因素,并针对低年级学生的网络学习提出有效优化建议。
一、实验设计与数据分析
1.1.实验设计
1.1.1.研究对象
本研究选取的是济南市一所英语培训机构中参加线上培训的1-3年级学生。
1.1.2.研究工具
(一)成就动机量表:该量表由30道选择题组成,并分成了两个部分,即追求成功的动机(15道题)和避免失败的动机(15道题)。每道题有四个选项,根据情况的符合程度,分别对应分值为1、2、3、4,总分值计算方式为前15题得分减去后15题得分,分数越高则成就动机越高。
(二)成就动机问卷:该问卷主要考察的是5个维度的影响因素,即自身、家庭、社会、环境、学习资料。本次问卷设计题目32个,其中自身因素11道,家庭因素4道,社会因素6道,学习资源因素5道,环境因素3道,相关维度的验证题3道。
(三)阶段性测试成绩:由于线上培训时间为寒假,课程主要以复习上学期课程和对下学期做预习为主,实验将该培训机构在疫情线下课放假前对于孩子的测试成绩和线上课一个月左右时间对于孩子进行的测试成绩进行对比,观察成绩变化。
1.1.3.实验软件
本次实验使用的软件工具为Microsoft Excle 2010和SPSS 28。
1.2.实验数据分析
对该实验的相关数据进行加工处理后,得到数据及分析如下:
(一)该测试共对117名同学进行了测试,其中判定有效的为100份。测试卷共30题,两种动机各15题,每题有4个选项,分别得分1、2、3、4分。每种动机最高得分60(15*4)分,最低得分15(15*1)分,总分最高45分,最低-45分。
从结果可以看出:两种动机得分均高于平均分,均高于中值30分,可见参与线上培训的低年级儿童成就动机高于同龄儿童均值。低年级儿童在接受线上培训过程中,避免失败的动机要高于追求成功动机。对于追求成功动机而言,偏差较大,而对于避免失败动机相对较为一致。从现实角度分析,低年级就开始报英语课的孩子,父母对于孩子教育关注度更高,孩子接触的教育、环境等因素都会较为优越。因而会对孩子成就动机产生正影响。低年级儿童由于年龄较小,成就动机多来自于成人对其施加的影响,更多的是因为希望获得奖励或者害怕被惩罚。
表1 成就动机量表描述统计
分类 | N | 最小值 | 最大值 | 均值 | 标准 偏差 |
追求成功动机 | 100 | 15 | 56 | 31.52 | 11.5 |
避免失败动机 | 100 | 15 | 56 | 32.5 | 9.8 |
总分 | 100 | -36 | 34 | -0.98 | 13.9 |
有效个案数 | 100 |
(二)学生阶段性测试成绩分析从数据分析可以看出以下几点:
1)通过线上学习,除个别学生成绩不增反降,绝大多数学生成绩得到提高,可见线上培训是对学生的成绩起到正面影响的。
2)通过线上培训课程,同学之间成绩差异减小,可见接受同一线上培训可以在一定程度减小同学之间成绩差距。
3)根据表4可知,两次测试的相关系数为0.765。当差异的绝对值在0.6-0.8之间为强相关,该项相关性测试分值表明两次考试相关性强,说明测试前后成绩之间关系属于强相关范围。
表2 阶段性成绩测试描述统计
N | 最小值 | 最大值 | 均值 | 标准 偏差 | |
测前成绩 | 100 | 67 | 100 | 84.2 | 8.2 |
测后成绩 | 100 | 79 | 100 | 95.5 | 5.8 |
差异 | 100 | -8 | 31 | 11.2 | 8.7 |
有效个案数 | 100 |
表3 阶段性成绩测试相关性
N | 测前成绩 | 测后成绩 | |
测前成绩 | 皮尔逊相关性 | 1.00 | .765** |
Sig.(双尾) | 0.01 | ||
测后成绩 | 皮尔逊相关性 | .765** | 1.00 |
Sig.(双尾) | 0.00 |
(三)成就动机与成绩的相关性分析
皮尔逊相关性为.716,Sig为0.007数值小于0.01,由此可见,儿童的成就动机水平对于线上培训成绩提升有一定影响。
表4成就动机与成绩相关分析
N | 两次测试成绩差 | 成就动机成绩 | 皮尔逊相关性 | Sig.(双尾) |
N=100 | 11.29 | -0.98 | .716** | 0.007 |
(四)影响线上学习相关成就动机的因素分析
通过信度系数分析,可见实验设计的5个影响因素得到的数据相对稳定且可靠。
表5成就动机问卷中各因素各量表、总表中数值的信度分析表
信度 | 自身因素 | 家庭因素 | 资源因素 | 社会因素 | 环境因素 | 总量表 |
克隆巴赫 Alpha | 0.622 | 0.742 | 0.696 | 0.588 | 0.531 | 0.873 |
KMO 和巴特利特检验 | 0.514 | 0.727 | 0.583 | 0.527 | 0.501 | 0.783 |
(五)成就动机问卷中各因素分析
1)儿童自身因素分析:对于问卷中关于自身因素的11道题进行信效度检验。本次实验采用的是KMO和Bartlett的检验。
表6 KMO和Bartlett的检验(自身)
取样足够的Kaiser-Meyer-Olkin量度。 | .613 | |
Bartlett的球形度检验 | 近似卡方 | 102.435 |
df | 54 | |
Sig | .000 |
由上表可见KMO值为.613,小于0.7,不适合用因子分析法,但Bartlett检验中相伴率为.000,明显小于0.05,说明数据符合因子分析法标准,实验数据呈球形分布,变量确实在一定的程度上是相互独立的。
表7 解释的总方差(自身)
成份 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差% | 累积% | 合计 | 方差% | 累积% | 合计 | 方差% | 累积% | |
1 | 3.326 | 30.421 | 30.421 | 3.326 | 30.421 | 30.421 | 2.784 | 25.784 | 25.784 |
2 | 2.105 | 18.252 | 48.673 | 2.105 | 18.252 | 48.673 | 2.097 | 19.438 | 45.222 |
3 | 1.501 | 13.011 | 61.684 | 1.501 | 13.011 | 61.684 | 1.899 | 16.462 | 61.684 |
4 | .867 | 7.993 | 69.677 | ||||||
5 | .832 | 7.492 | 77.169 | ||||||
6 | .653 | 6.094 | 83.263 | ||||||
7 | .611 | 5.792 | 89.055 | ||||||
8 | .367 | 3.501 | 92.556 | ||||||
9 | .247 | 2.593 | 95.149 | ||||||
10 | .214 | 2.014 | 97.163 | ||||||
11 | .198 | 2.837 | 100 |
从表7可以看出来,特征值大于1的因子个数为3个,这3个因子对于整体的解释度达到了62.693%,从此可见,这三个因子涵盖了原变量的绝大多数信息。
表8 旋转成分矩阵(自身)
成份 | |||
1 | 2 | 3 | |
第1题 | .232 | .762 | |
第2题 | .241 | .824 | |
第3题 | .617 | .214 | |
第4题 | .867 | -.109 | |
第5题 | .672 | .193 | |
第6题 | .804 | -.203 | .321 |
第7题 | .684 | .568 | |
第8题 | .691 | .235 | |
第9题 | .547 | .647 | |
第10题 | .119 | -.702 | |
第11题 | .179 | .689 | .102 |
从表8可以看出,表8因子分析中的3个因子贡献率均达到了12%以上,它们共同解释了62.693%的方差。这三个因素代表的是儿童的情感、态度因素(4-8),意志因素(3、11、30),焦虑因素(1、2、9)。它们是儿童在线上学习中,成就动机-自身因素的3大重要因素。
2)儿童家庭因素分析:对于问卷中关于家庭因素的4道题进行KMO和Bartlett效度检验。
表9 KMO和Bartlett的检验(家庭)
取样足够的Kaiser-Meyer-Olkin量度。 | .563 | |
Bartlett的球形度检验 | 近似卡方 | 22.719 |
df | 7 | |
Sig | .001 |
数据处理后,得出结果为KMO值为.563,小于0.7,该数据不适合因子分析法,然而在Bartlett检验中相伴率为.001,数值明显小于0.05,说明该数据是符合因子分析法标准的,实验数据呈球形分布,变量确实在一定的程度上是相互独立的。
表10 解释的总方差(家庭)
成份 | 初始特征值 | 提取平方和载入 | ||||
合计 | 方差% | 累积% | 合计 | 方差% | 累积% | |
1 | 2.103 | 51.149 | 51.149 | 2.103 | 51.149 | 51.149 |
2 | .889 | 22.147 | 73.296 | |||
3 | .694 | 17.285 | 90.581 | |||
4 | .341 | 9.419 | 100 |
从表10可以看出来,特征值大于1的因子个数为1个,这1个因子对于整体的解释度达到了高于50%,由此可见,这个因素量表合理。
3)儿童社会因素分析:同样用KMO和Bartlett的检验法对于问卷中社会因素相关的5道问题进行信效度检验。
表11 KMO和Bartlett的检验(社会)
取样足够的Kaiser-Meyer-Olkin量度。 | .529 | |
Bartlett的球形度检验 | 近似卡方 | 30.001 |
df | 13 | |
Sig | .045 |
由上表可见KMO值为.529,表示该数据不适合用因子分析法,而数据在Bartlett的球形检验中相伴率为.045,小于0.05,由此得出结论,该数据适合。
表12 解释的总方差(社会)
成份 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差% | 累积% | 合计 | 方差% | 累积% | 合计 | 方差% | 累积% | |
1 | 1.892 | 37.984 | 37.984 | 1.892 | 37.984 | 37.984 | 1.602 | 31.933 | 31.933 |
2 | 1.096 | 21.896 | 59.88 | 1.096 | 21.896 | 59.88 | 1.397 | 27.894 | 59.827 |
3 | .978 | 19.632 | 79.512 | ||||||
4 | .579 | 11.579 | 91.091 | ||||||
5 | .398 | 8.909 | 100 |
从表12可以看出来,有两个因子的特征值大于1,这2个因子共同解释了59.827%数据方差。
表13 旋转成分矩阵(社会)
成份 | ||
1 | 2 | |
第1题 | .537 | .102 |
第2题 | .911 | |
第3题 | .129 | .792 |
第4题 | .827 | |
第5题 | .701 | .299 |
从表13可以看出,表13因子分析中的2个代表的是儿童的刻板效应(对应题目为17、18、21)和价值认同(对应题目19、20)。它们共同解释了59.827%的方差。
4)儿童资源因素分析:对于问卷中关于资源因素的6道题进行信效度检验。
表14 KMO和Bartlett的检验(资源)
取样足够的Kaiser-Meyer-Olkin量度。 | .571 | |
Bartlett的球形度检验 | 近似卡方 | 27.014 |
df | 15 | |
Sig | .031 |
虽然KMO值为.571,不适合用因子分析法,但在Bartlett检验中相伴率为.031 (0.3<0.05),说明实验数据呈球形分布,变量确实在一定的程度上是相互独立的。
表15 解释的总方差(资源)
成份 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差% | 累积% | 合计 | 方差% | 累积% | 合计 | 方差% | 累积% | |
1 | 2.011 | 33.859 | 33.859 | 2.011 | 33.859 | 33.859 | 2.008 | 33.765 | 33.765 |
2 | 1.298 | 21.975 | 55.834 | 1.096 | 21.896 | 55.834 | 1.201 | 19.976 | 53.741 |
3 | 1.049 | 17.497 | 73.331 | 1.049 | 17.497 | 73.331 | 1.189 | 19.59 | 73.331 |
4 | .708 | 11.683 | 85.014 | ||||||
5 | .602 | 9.293 | 94.307 | ||||||
6 | .312 | 5.693 | 100 |
从表15可以看出来,特征值大于1的因子有三个,其对于整体方差的解释度为73.331%,可见这三个因子是主要因素。
表16 旋转成分矩阵(资源)
成份 | |||
1 | 2 | 3 | |
第1题 | .878 | -.129 | |
第2题 | .629 | .498 | |
第3题 | .859 | -.183 | |
第4题 | .897 | ||
第5题 | .831 | .241 | |
第6题 | .768 |
从表16可以看出,表15因子分析中的3个因素覆盖了所有题目,这3个因素代表的是线上课程资源的组织形式(对应题目为24、26、32)、设计模式(对应题目22、23)和丰富程度(对应题目25)。它们共同解释了73.331%的方差,可确定量表结构信度良好。
5)儿童学习环境因素分析:对于问卷中关于资源因素的3道题进行信效度检验。
表17 KMO和Bartlett的检验(环境)
取样足够的Kaiser-Meyer-Olkin量度。 | .426 | |
Bartlett的球形度检验 | 近似卡方 | 11.997 |
df | 8 | |
Sig | .029 |
由上表可见KMO值为.426,结果显示数据不适合用因子分析法,但在Bartlett检验中Sig的值显示为.029,数值小于0.05,即实验数据呈球形分布,变量确实在一定的程度上是相互独立的。
表18 解释的总方差(环境)
成份 | 初始特征值 | 提取平方和载入 | 旋转平方和载入 | ||||||
合计 | 方差% | 累积% | 合计 | 方差% | 累积% | 合计 | 方差% | 累积% | |
1 | 1.423 | 47.974 | 47.974 | 1.423 | 47.974 | 47.974 | 1.301 | 42.952 | 42.952 |
2 | 1.051 | 35.001 | 82.975 | 1.051 | 35.001 | 82.975 | 1.189 | 40.023 | 82.975 |
3 | .497 | 17.025 | 100 |
对表17数据进行最大方差法处理,将因子载荷矩阵旋转,取大于0.1的相关项进行旋转成分处理,得出下表。
表18旋转成分矩阵(环境)
成份 | ||
1 | 2 | |
第1题 | .681 | .548 |
第2题 | .899 | -.139 |
第3题 | .940 |
对分析得出的两个重要因素定义,环境氛围(T28、29)和服务支持(T31),方差累积贡献率82.975%,具有良好的结构效度。
二、分析与讨论
2.1影响因素总结
通过本次实验的分析,得出儿童关于线上课程表现出的成就动机分为5个维度,分别是自身、家庭、社会、环境、学习资源。通过相关性、效度分析,又将这5个维度细分为11个方面。它们分别是儿童的情感与态度因素、焦虑因素、刻板效应、价值认同、设计模式、家庭因素、丰富程度、意志因素、环境氛围、组织形式和服务支持。
2.2线上教育基于自身因素的改进策略
低年级学生由于年龄较小,其成就动机多产生于他人的影响。这部分学生的自身因素多由学校、老师、家长等间接影响形成。通过问卷过程中与家长进行采访,分析相关影响因素原因及建议如下:
1)梳理出儿童对于线上学习态度成就动机基于实验发现的关于自身因素的主要分为两个方面,对于线上培训新鲜感和趣味性的良好层面和因为线上培训缺少教师监管、同学影响,内心降低培训重要等级的不良层面。针对这两类现象,我们可以发挥线上教学优势如:选择儿童状态最佳的时间地点进行学习、提高趣味性和参与度;加强线上教学监管和互动机制,增加儿童与教师、同学互动环节,同时线上培训需要家长的参与,加强家校合作等。
2)在进行线上培训的过程中,儿童意志力高低对成绩的影响要远高于传统培训。针对此种现象,我们可以定期对儿童进行学习重要性的教育,提升儿童对于学习的重视程度;前期家校合力对孩子网课习惯进行培养,降低网课对儿童意志力挑战的难度。
3)儿童学习能力与网络教学不匹配时,感受到来自学习内容的压力和老师、家长的压力,从而对网课产生焦虑。教师和家长应在网络培训过程中,更多地给予孩子肯定,正面积极地引导儿童,缓解其焦虑。
2.3线上教育基于资源因素的改进策略
针对线上培训资源因素分析与建议如下:
1)组织形式:
1 学习材料方面,通过调研与分析,针对学生量身定做培训
资源。与学生实际生活相接近,降低学生信息接收壁垒。
2 活动组织方面,提升网络培训的监管力度,通过引导、互动等手法,提升教师对学生的监督职能。
2)设计模式:深入了解学生生活习惯、喜好等特点,设计与学生认知风格
相匹配的培训资源,提高网络课程对于儿童的吸引力。
3)丰富程度:低年级学生好奇心要远高于成人,而网络教育在互动性上弱
于传统教学,当孩子的好奇心无法得到满足,将会影响其成就动机。故而教学资源内容的丰富性应在对学生进行分析的基础上尽可能提升。
2.4线上教育基于家庭因素的改进策略
由于小学低年级儿童认知功能尚未发育完全,父母家长的行为是低年级儿童替代经验的主要来源。在家庭影响因素方面,分析和建议有如下两个层面:
1)家长以身作则,为孩子树立好的榜样。
2)让孩子感受到父母对他的期望与信任,提升孩子的自信和自律性。
3)提升家长与学校的互动性,及时交流信息,实现1+1>2的合力效果。
线上教育基于社会因素的改进策略
由于社会的复杂性,社会因素对于儿童网络学习的影响是多样的,有很多不确定因素。通过采访,将社会因素的分析与建议设定为两个方面:
1)从刻板效应方面看,低年级儿童由于缺乏社会经验,他们的成就动机很
容易受到同班同学行为的影响。故建议在线上培训中,更多的展示优秀学生的行为和方法,减少或避免对不良行为的传递。
2) 低年级学生成就动机在价值认同方面的表现,主要来自家人、同学对于线上培训的评价。这个方面的建议有两个:
1 在学习者在场的情况下,家长应该传递线上培训的正面信息,提升孩子对学习机构和学习内容的认可程度。
2 由于在低年级学生中,优秀的学生对于学习资源的认可程度普遍较高。故应该多鼓励孩子与优秀的同学交朋友,提升其对培训的价值认同。
2.5线上教育基于环境因素的改进策略
通过采访中家长的反馈,将环境因素归纳为两个方面:学习氛围和支持服务。分析建议如下:
1)建议家长为孩子提供整洁、安静的学习环境,如果条件允许家长与孩子共同学习(在同一学习地点各自学习即可,家长也可以通过看自己喜欢的书籍)或者邀约优秀的同学和孩子一起学习。
2)线上教育机构加强支持性服务,比如定期对学生进行一对一回访、及时对孩子上课情况进行反馈和及时批改作业等。
参考文献
[1]威廉•斯蒂克斯鲁德.自驱型成长:如何科学有效地培养孩子的自律[M].北京:机械工业出版社,2020:05-20.
[2]黛比•西尔弗.激发学生的成就动机——引导学生迈向成功的策略[M].北京:中国轻工业出版社,2023:02-18.
[3]郭道寰.动机式访谈法[M].广州:华南理工大学出版社,2021:10-09.
1