论文部分内容阅读
摘 要：随着中国教育强国工程的建设，学习者的学习行为成为教育研究的重点之一。学习行为研究作为教学论的知识结构的基础，本文就采集到的大学生个性学习行为数据，研究了聚类分析、回归分析、因子分析的方法，探讨了各因素对学习者学习行为的影响系数，得出了热情因子是影响学习者学习行为的最重要的因素的结论，对改善学习者学习行为，促进学习者的健康发展有着重要意义。
关键词：学习行为；聚类分析；回归分析；因子分析
一、引言
近年来，学习分析倍受国内外研究者的关注，学习行为分析是其中一个重点课题。本文通过问卷调查，共搜集了238名大学生的学习行为数据，问卷信度为0.932。利用聚类分析、因子分析对其进行了深入挖掘和剖析，为教育者提出教学指导，为学习者提出了建议。
学习行为是指学习者在某种动机的指引下，为获得某种学习结果而与周围环境进行的双向交互活动的总和[1]。本研究创建了一个学习行为评价体系[2]，该体系共有32个评价指标，包含干部经历、情感状态、上学目标、学习成绩、专业满意度等各方面的因素，第6到32个评价指标分别按照完全符合、比较符合、一般符合、不太符合、完全不符合5个等级对学生进行了评判，评价结果的量化过程中，将以上5个等级分别对应5、4、3、2、1分。
图1 评价指标表
二、学习行为分析
学习行为在学习者的学习过程中起着关键性作用，对学习行为进行分析有助于帮助学习者改善其学习行为，提高学习效率，取得更大的进步。本文对采集到的学习者学习行为进行了如下三个方面的分析。
（一）聚类分析
以32个学习者的学习行为评价变量作为聚类分析的目标变量，选择Z scores转换标准、类平均法以及欧氏距离对其进行聚类分析。根据聚类表绘制出聚合系数随分类数变化的曲线图[3]。聚合系数的大小表示了两类变量的差异性大小，聚合系数越大则差异性越大，聚合系数越小则差异性越小。当分类数为3的时候，聚合系数曲线相对趋于平缓，因此可以按照学习者的学习行为的异同将238名学习者分为3类。
经过K-均值聚类分析，将238名学生分为了3类。第三类是主动学习型，第二类是鞭策学习型，第一类是介于主动学习型与鞭策学习型之间的从容学习型。主动学习型的学习者（34.03%）对于学习的主动性更强，更愿意主动花时间去探索，对求知的欲望更强烈一些，学习能力更强。鞭策型学习型的学习者（13.45%）对于学习的主动性相对较弱，其主动探索的意愿或者意识较弱。从容学习型的学习者（52.52%）对于学习主动性不如主动学习型的学习者强，但其也有主动探寻知识的意识，比鞭策学习型的学习者的学习能力强一些。
（二）回归分析
将所有学习行为作为自变量，指标得分的总分作为因变量，对其进行回归分析[4]。令总得分为 ，则可得到回归方程如下：
从回归方程可以看出性别、干部经历、情感状态、人际关系这四个因子对学习行为的回归系数都小于0.05，相比于其他因素更小一些，其他多个因子的回归系数相对更大一些。由此说明性别、干部经历、情感状态、人际关系这四个因素对学习者的学习行为影响较小，其他因素对学习者的学习行为影响较大。
（三）因子分析
为了更好的分析学习者学习行为之间的关系，对所采集到的行为数据进行做如下因子分析[4]。经SPSS2.0进行检验，数据集通过了KMO和Bartlett检验，适合进行因子分析。
此处提取了13个公因子，解释总方差达到76.96%，携带了原始数据的大部分信息，只有少数甚至极少数信息被损失。由因子分析可知，所研究的大学生的学习行为影响因素受以下公因子的影响：热情因子、自律因子、心态因子、人际因子、自主因子、情感观念因子、主动因子、情感因子、目的因子、性别因子、干部经历因子、线上学习因子。
热情因子、自律因子、心态因子、人际因子、自主因子、情感观念因子、主动因子、情感因子这八个因子的特征值均大于1，所以其影响程度更明显，其中热情因子的特征值为11.131最大，即热情因子对学习者的学习行为的影响是最显著的。
三、结语
本文就影响学习者的学习行为因素进行了深入分析，将聚类分析、回归分析、因子分析的方法运用于学习行为分析上，以期能够帮助解决学习者学习过程中面临的一些问题，最终促进学习者在学习上取得更好的突破。
综合以上对学习者学习行为的分析，可以知道学习者按照学习的主动性可以分为主动学习型学习者、从容學习型学习者和鞭策学习型学习者；32个评价指标中，性别、干部经历、情感状态、人际关系这四个指标对学习者的学习行为影响较小，所以学习者不用在这四个方面产生焦虑，是没有太大必要的，应该把更多的精力放在如何调配自己其他方面，促使自己有好的学习行为，更好的学习；影响学习者学习行为的因素包含13个主要因子，其中热情因子的影响最为显著，因此学习者要想突破自己的学习，应该努力提高自己对学习的热情。
参考文献：
[1]杨金来，洪伟林，张翼翔 . 网络学习行为的实时监控研究与实践[J]. 开放教育研究，2008，（8）：87-92
[2]向葵花.中小学学生学习行为研究——旨在改进学生生活与发展状态的学习行为分析[D].华中师范大学教育学院，2015，5.
[3]王全亮，张月芬.系统聚类法在网络学习行为分析中的应用研究[J].中国教育信息化，2016，8：90-93
[4]张文彤，董伟.SPSS统计分析高级教程（第2版）[M].北京：高等教育出版社，2013：95-102，213-225.
基金项目：重庆第二师范学院校级科研项目（No. KY201701A）；重庆市人文社科重点研究基地‘重庆市统筹城乡教师教育研究中心’委托课题资助项目（No.18JDZDWT03）；重庆第二师范学院校级教学改革研究项目（No.JG201922）；
作者简介：
朱成颖（1996.03-），女，重庆长寿人，重庆第二师范学院本科在读；施成湘（1979.06-），女，四川泸州人，硕士，副教授，主要从事应用数学教育研究。
关键词：学习行为；聚类分析；回归分析；因子分析
一、引言
近年来，学习分析倍受国内外研究者的关注，学习行为分析是其中一个重点课题。本文通过问卷调查，共搜集了238名大学生的学习行为数据，问卷信度为0.932。利用聚类分析、因子分析对其进行了深入挖掘和剖析，为教育者提出教学指导，为学习者提出了建议。
学习行为是指学习者在某种动机的指引下，为获得某种学习结果而与周围环境进行的双向交互活动的总和[1]。本研究创建了一个学习行为评价体系[2]，该体系共有32个评价指标，包含干部经历、情感状态、上学目标、学习成绩、专业满意度等各方面的因素，第6到32个评价指标分别按照完全符合、比较符合、一般符合、不太符合、完全不符合5个等级对学生进行了评判，评价结果的量化过程中，将以上5个等级分别对应5、4、3、2、1分。
图1 评价指标表
二、学习行为分析
学习行为在学习者的学习过程中起着关键性作用，对学习行为进行分析有助于帮助学习者改善其学习行为，提高学习效率，取得更大的进步。本文对采集到的学习者学习行为进行了如下三个方面的分析。
（一）聚类分析
以32个学习者的学习行为评价变量作为聚类分析的目标变量，选择Z scores转换标准、类平均法以及欧氏距离对其进行聚类分析。根据聚类表绘制出聚合系数随分类数变化的曲线图[3]。聚合系数的大小表示了两类变量的差异性大小，聚合系数越大则差异性越大，聚合系数越小则差异性越小。当分类数为3的时候，聚合系数曲线相对趋于平缓，因此可以按照学习者的学习行为的异同将238名学习者分为3类。
经过K-均值聚类分析，将238名学生分为了3类。第三类是主动学习型，第二类是鞭策学习型，第一类是介于主动学习型与鞭策学习型之间的从容学习型。主动学习型的学习者（34.03%）对于学习的主动性更强，更愿意主动花时间去探索，对求知的欲望更强烈一些，学习能力更强。鞭策型学习型的学习者（13.45%）对于学习的主动性相对较弱，其主动探索的意愿或者意识较弱。从容学习型的学习者（52.52%）对于学习主动性不如主动学习型的学习者强，但其也有主动探寻知识的意识，比鞭策学习型的学习者的学习能力强一些。
（二）回归分析
将所有学习行为作为自变量，指标得分的总分作为因变量，对其进行回归分析[4]。令总得分为 ，则可得到回归方程如下：
从回归方程可以看出性别、干部经历、情感状态、人际关系这四个因子对学习行为的回归系数都小于0.05，相比于其他因素更小一些，其他多个因子的回归系数相对更大一些。由此说明性别、干部经历、情感状态、人际关系这四个因素对学习者的学习行为影响较小，其他因素对学习者的学习行为影响较大。
（三）因子分析
为了更好的分析学习者学习行为之间的关系，对所采集到的行为数据进行做如下因子分析[4]。经SPSS2.0进行检验，数据集通过了KMO和Bartlett检验，适合进行因子分析。
此处提取了13个公因子，解释总方差达到76.96%，携带了原始数据的大部分信息，只有少数甚至极少数信息被损失。由因子分析可知，所研究的大学生的学习行为影响因素受以下公因子的影响：热情因子、自律因子、心态因子、人际因子、自主因子、情感观念因子、主动因子、情感因子、目的因子、性别因子、干部经历因子、线上学习因子。
热情因子、自律因子、心态因子、人际因子、自主因子、情感观念因子、主动因子、情感因子这八个因子的特征值均大于1，所以其影响程度更明显，其中热情因子的特征值为11.131最大，即热情因子对学习者的学习行为的影响是最显著的。
三、结语
本文就影响学习者的学习行为因素进行了深入分析，将聚类分析、回归分析、因子分析的方法运用于学习行为分析上，以期能够帮助解决学习者学习过程中面临的一些问题，最终促进学习者在学习上取得更好的突破。
综合以上对学习者学习行为的分析，可以知道学习者按照学习的主动性可以分为主动学习型学习者、从容學习型学习者和鞭策学习型学习者；32个评价指标中，性别、干部经历、情感状态、人际关系这四个指标对学习者的学习行为影响较小，所以学习者不用在这四个方面产生焦虑，是没有太大必要的，应该把更多的精力放在如何调配自己其他方面，促使自己有好的学习行为，更好的学习；影响学习者学习行为的因素包含13个主要因子，其中热情因子的影响最为显著，因此学习者要想突破自己的学习，应该努力提高自己对学习的热情。
参考文献：
[1]杨金来，洪伟林，张翼翔 . 网络学习行为的实时监控研究与实践[J]. 开放教育研究，2008，（8）：87-92
[2]向葵花.中小学学生学习行为研究——旨在改进学生生活与发展状态的学习行为分析[D].华中师范大学教育学院，2015，5.
[3]王全亮，张月芬.系统聚类法在网络学习行为分析中的应用研究[J].中国教育信息化，2016，8：90-93
[4]张文彤，董伟.SPSS统计分析高级教程（第2版）[M].北京：高等教育出版社，2013：95-102，213-225.
基金项目：重庆第二师范学院校级科研项目（No. KY201701A）；重庆市人文社科重点研究基地‘重庆市统筹城乡教师教育研究中心’委托课题资助项目（No.18JDZDWT03）；重庆第二师范学院校级教学改革研究项目（No.JG201922）；
作者简介：
朱成颖（1996.03-），女，重庆长寿人，重庆第二师范学院本科在读；施成湘（1979.06-），女，四川泸州人，硕士，副教授，主要从事应用数学教育研究。