论文部分内容阅读
摘要：大学生在MOOC课程的学习中，学习投入是评估学习质量的重要维度，而在线自我调节学习（OSRL）常常作为评估MOOCs学习或在线学习持续性的重要指标之一。基于此，本研究通过差异分析和相关分析，发现MOOC课程学习投入和OSRL在性别上均不存在显著差异;学习投入在年级和每周学习时间上存在显著差异，大一学生的学习投入显著高于大三学生;OSRL在专业性质和每周学习时间上存在显著差异，艺术类的学生OSRL显著高于工科类学生，差异性主要体现在目标设定时间管理上。通过构建结构模型研究大学生OSRL对学习投入的影响，发现学生OSRL显著促进学习投入。该结论为MOOC平台的评价体系与课程建设提供了有效参考，即应通过多种方式提升大学生的自我调节学习努力，以促进其学习投入。
一、问题提出
MOOCs是一种以开放学习过程和大规模参与为本质创新的大规模开放网络课程[1]。早期的MOOCs倾向于分散的、基于网络的、非线性的结构，侧重于探索和对话，而不是强调教师提供的内容。这种基于联通主义的MOOCs被称为“cMOOCs”;2011年，许多美国顶尖大学开始通过Coursera和Udacity等商业平台提供MOOCs，与最初的联通主义MOOC不同，这些MOOC是高度集中的、基于内容的和线性的。他们通常集中在一组简短的模块化视频讲座上，然后通过学习者对内容的理解进行自动的多项选择测试，这些MOOCs被称为“xMOOCs”[2]。近年来，MOOC研究从课程的设计与开发、学习活动的组织转变为对MOOC学习者的日益关注[3]，针对学习者在MOOC平台学习质量评估的问题，Dyomin等人基于专家和学习者评价、平台分析、管理移动学习质量指标的方法构建MOOC质量评估体系[4]。但这个评价体系中却忽略了学习者的学习投入。在李雄鹰等人的研究中认为，大学生的学习性投入是评估学习质量的重要维度[5]。在尹睿等人的研究中认为，在线学习投入是评估在线学习质量的重要指标之一[6]。已有研究发现，影响大学生MOOC课程在线学习投入的因素有社会交互[7]、学习者个人特征[8]、学业自我效能感[9]以及学习反馈[10]等等，然而，很少有研究对学生在线自我调节学习对MOOC课程学习投入的影响进行研究，因此，本研究通过大学生MOOC学习情况的问卷调查，对大学生MOOC课程的学习投入和在线自我调节学习进行差异分析和相关分析，进而研究在线自我调节学习对学习投入的影响机制，期望通过以上研究找到更多提高大学生在线自我调节学习和学习投入的措施，帮助激发学生学习兴趣，提高学习质量，促进MOOC学习平台评价体系的完善。
二、研究基础
（一）在线自我调节学习
在线学习的一个显著特点是学生在学习环境中的自主性，同样在MOOC课程中出现了自主性的特点，而自我调节成为在线学习成功的关键因素[11]。自我调节学习过程指的是学生激活和保持为了达成个人目标而有组织地采取的认知、情感和行为的各种过程[12]。Bowen发现，在线学习环境对那些拥有内部调节能力的学生来说是最有益的，他们认为自己可以控制生活中的事件和情况[13]。因此，有理由假設，当学生参加MOOC课程时，拥有自我调节能力的学习者更能投入在线课程的学习。
（二）学习投入
学习投入是指学习者在学习过程中所投入的学习意愿、参与度、专注力及随之而来的情感[14]。已经有许多关于学校教育和在线学习与MOOC学习的研究发现，学生对课程的学习投入越高，学习收获、学业绩效越好[15][16]。此外，学习投入通常被划分为行为投入、认知投入和情感投入，并应用于许多研究中。行为投入是指在MOOC学习中学习者的行为表现，认知投入是指学习者采用的元认知和学习策略，情感投入是指学生在MOOC中的情绪体验[17]。然而，Deng等人将学习投入划分为四个维度，包含以上三个维度，还增加了社会投入，并指出社会投入是以师生互动和生生互动为中心[18]。Wang等人认为社会投入是学生体验的重要组成部分，并与行为、认知和情感参与分开处理[19]。因此，本研究将采用学习投入的四个维度划分方式。
（三）在线自我调节学习与学习投入相关研究
关于大学生在线自我调节学习与MOOC课程学习投入的研究较少，国内有何秀青等人在基于慕课的教师专业发展实证研究中发现，自我调节学习在外部动力和内部动力对学习投入的影响中具有中介作用[20]。Astin发现决定学习投入是学习结果质量的关键，学生投入到学习中的时间和精力越多，越全身心地专注于学习，学习质量越高，同时，以学习历史为例，发现学生花的时间越多，学到的历史知识越多[21]。国外有研究发现，大学生在线自我调节学习直接促进学生的感知学习收获。然而，现有研究大多忽略了在线自我调节学习对学习投入的影响，进而构建更加完善的MOOC平台评价体系。
三、研究设计
（一）研究对象
本研究采用随机抽样对参与MOOC课程学习的大学生发放调查问卷，通过QQ群、微信群、MOOC平台和网络学习社区等渠道发布调查问卷链接。调查问卷共回收323份，最终对有效问卷为323份进行研究，。问卷数据统计结果显示：在被调查者中，男生有99人（30.65%），女生有224人（69.35%）;大学一年级学生53人（16.41%），大学二年级学生105人（32.51%），大学三年级学生99人（30.65%），大学四年级学生66人（20.43%）。
（二）研究工具
自我调节学习。为了测量学习者的在线自我调节学习，本研究采用了Barnard等人编制的在线自我调节学习（OSRL）问卷[22]，这是一个24个项目的量表。根据已有在线学习的相关研究，以及本研究的调查目的，对问卷进行修改，保留目标设定、学习策略、时间管理、自我评估四个维度，最终的在线自我调节学习量表由16道题构成。 学习投入。本研究中的学习投入量表在Deng等人编制的学习投入四个维度量表的基础上修改完成[23]。最终的学习投入量表由12道题构成。调查问卷利用里克特七点计分法，答案分为非常不赞同、比较不赞同、一般不赞同、中立、一般赞同、比较赞同、非常赞同，且每个答案对应的分值为1、2、3、4、5、6、7。量表各维度信度及验证性因子分析结果见表1。
（三）数据处理与分析
采用SPSS 25.0和AMOS 24.0软件进行数据的处理和统计分析。首先使用SPSS 25.0对数据进行描述统计、参数统计和相关分析，然后基于理论的研究假设建立结构方程模型，运用AMOS 24.0软件对模型验证性因子分析和路径分析，最后得出结论。
四、研究结果
（一）变量描述性统计及相关分析
根据变量的描述性统计结果，MOOC课程学习者具有较高的在线自我调节学习能力（M=4.71，SD=1.11）和学习投入水平（M=4.77，SD=1.08）。
根据独立样本T检验和单因素方差分析结果，学习投入各维度在性别上不存在显著性差异（p>0.05）。单因素方差分析结果显示，学习投入在各年级上存在显著差异（p=0.027<0.05），大学一年级学生的MOOC课程学习投入最高（M=5.10），而大学三年级学生学习投入最低（M=4.55），大一学生的MOOC学习投入显著高于大三学生。在专业性质上，专业是艺术类的学生MOOC学习投入最高（M=4.82），专业是工科类的学生MOOC学习投入最低（M=4.64）。根据学生每周进行MOOC学习时间的单因素方差分析结果，学习投入在学习时间上存在显著差异（P=0.00<0.05），主要体现在行为投入（P=0.00<005）、情感投入（P=0.001<0.05）和社会投入（P=0.00<0.05）三个维度上。学习时间1小时以下的学生学习投入度最低（M=4.48），学习时间7小时以上的学生学习投入最高（M=5.18），学习时间2～5小时、5～7小时和7小时以上的学生学习投入显著高于学习时间1小时以下的学生。
根据独立样本T检验和单因素方差分析结果，在线自我调节学习能力各维度在性别上不存在显著差异（P>0.05）。单因素方差分析结果显示，在线自我调节学习能力在各年级上不存在显著差异（P=0.055>0.05）。在线自我调节学习能力在专业性质上存在显著差异（P=0.028<0.05），艺术类专业学生在线自我调节学习水平最高（M=4.91），工科类学生在线自我调节学习水平最低（M=4.34），文科类和艺术类专业显著高于工科类专业学生的在线自我调节学习能力。专业性质对自我调节学习的差异显著性主要体现在目标设定（P=0.028<0.05）、时间管理（P=0.006）两个维度。根据学生每周进行MOOC学习时间的单因素方差分析结果，在线自我调节学习在学习时间上存在显著差异（P=0.00<0.05），学习时间7小时以上的学生OSRL水平最高（M=5.26），学习时间1小时以下的学生0SRL水平最低（M=4.44）。
为进一步探讨大学生在线自我调节学习对MOOC课程学习投入的影响关系，基于皮尔逊相关分析法对变量进行相关分析。分析结果表明（见表2），学习投入与在线自我调节学习之间存在显著高度正相关关系。
（二）结构方程模型分析
为深入分析在线自我调节学习对学习投入的影响效果及路径系数，利用AMOS 24.0软件对假设执行拟合度评估和路径分析。在进行验证性因子分析之前需检测模型适配度，模型各项指标：X2/df=2.21，一般认为这个值小于3表示模型拟合非常好，小于5表示可以接受[24]。RMSEA=0.06，通常认为这个值要小于0.08。本模型中，GFI=0.971，AGFI=0.945，以及CFI、IFI、TLI、RFI值均大于0.9，这些指标拟合度都很好，说明本研究修订的量表具有较高的结构效度。
1、根据图1的SEM模型的标准化结果，潜在变量学习投入的R2值为0.81，包括目标设定、学习策略、时间管理和自我评估在内的在线自我调节学习对学习投入的标准化系数值为0.9，并且路径系数P达到显著水平。这表明大学生在线自我调节学习对学习投入呈现显著正向影响，即学生在线自我调节学习水平越好，有更好地设定目标，制定合适的学习策略，并加上执行力，有良好的时间管理方式以及有合理的自我评估方式，那么学生的MOOC学习投入就越高，行为参与更多，越更愿意理解知识点，情感和社会投入也越多。在线自我调节学习的各维度中，目标设定、学习策略、时间管理、自我评估的解释系数均在0.6以上，表明学生好的目标设定、学习策略、管理好学习时间以及正确的自我评估对在线自我调节学习贡献较大，對学习投入的影响也较大。
2、为探究在线自我调节学习对学习投入的具体影响因素，将目标设定、学习策略、时间管理和自我评估的支持度单独作为自变量，仍以学习收获作为因变量继续构建结构方程模型，目标设定、学习策略和时间管理三个模型构建符合标准，自我评估模型经过模型修正后也符合标准，可以进行具体分析。表3显示的是在线自我调节学习具体指标分别对学习投入的影响，标准化系数即因果模型中的回归系数，它表示自变量对因变量预测的大小程度，体现在线自我调节学习各指标对学习投入的影响力度。可以看出目标设定、时间管理、学习策略和自我评估这四个指标的系数值在0.7以上，且都对学习投入有显著正向影响。因此，学生在MOOC课程学习过程中，设定好恰当的目标，并且合理安排学习时间，制定并执行学习策略加上正确的自我评估，都会不同程度促进学生的MOOC学习投入。
五、结论及建议
（一）结论
在线自我调节学习对学习投入具有显著正向影响。这与何秀青等人的研究结论“自我调节水平可以有效改善学习投入”[25]是一致的。学生在线自我调节学习的水平高低，可以直接影响学习投入，当学生的在线自我调节学习的水平越高，那么对MOOC课程学习投入就越多。在线自我调节学习各维度对学习投入的影响大小不同，但都起着显著正向影响的作用。大学生在线自我调节学习对学习投入的影响系数值为0.95，这也说明当学生参与MOOC课程学习时，可能遇到各种网络诱惑或者自制力不够无法专心投入学习的问题，如果学生能够以完成学习目标为导向，制定并按时执行学习策略，减少拖延，保持自律地学习，最后正确评估自己的学习过程，那么就会对MOOC课程有更高的学习投入，对学习平台也会更满意，一定程度上减少MOOCSs的辍学率。 （二）建议
在线自我调节学习对大学生MOOC课程的学习投入有正向促进作用，学习投入是评估学习质量的重要维度，而MOOCs的学习十分强调学习的主动和自主性，那么，显而易见，培养和提升大学生在线自我调节学习能力是一件极为重要的事。因此，MOOC平台和MOOC课程团队都要认识到在学生的MOOCs学习过程中应该有效提醒学生做到自我调节学习。首先，在课程开始前安排学生根据教师罗列的课程目标设定自己的学习目标，且需要时常提醒学生目标完成程度。同时，提醒学生合理安排学习任务与学习时间的关系，例如，利用好碎片化的时间完成简单的MOOCs学习任务，包括看视频等等，接着再利用大段时间思考和做筆记。之后提供学生多种多样的学习策略，让学生在遇到网络诱惑或者想拖延的时候能找到合适的学习方向，不至于因为一次忘记学习就失去了全部的学习动力。最后，提供学生正确合理的自我评估，包括是否做到目标设定，管理好学习时间以及完成和执行学习策略的程度。
参考文献
[1]李秋菊，王志军，陈丽.xMOOCs中的教学视频设计要点：基于案例的视频分析研究[J].远程教育杂志，2014，32（06）：95-102.
[2] Margaryan A， Bianco M， Littlejohn A. Instructional quality of massive open online courses （MOOCs）[J]. Computers & Education， 2015， 80： 77-83.
[3][17]白然.cMOOC学习收获及其与学习投入关系的研究[J].现代远距离教育，2020（04）：63-72.
[4] Dyomin V， Mozhaeva G， Babanskaya O， et al. MOOC quality evaluation system： Tomsk state university experience[C]//European Conference on Massive Open Online Courses. Springer， Cham， 2017： 197-202.
[5]李雄鹰，秦晓晴.“拔尖计划”学生学习性投入与学习收获的关系研究——兼论大学生深度学习的推进[J].江苏高教，2019（12）：102-108.
[6]尹睿，徐欢云.在线学习投入结构模型构建——基于结构方程模型的实证分析[J].开放教育研究，2017，23（04）：101-111.
[7]方佳明，唐璐玢，马源鸿，胡丽雪.社会交互对MOOC课程学习投入的影响机制[J].现代教育技术，2018，28（12）：87-93.
[8]雷玉菊，张冬静，牛更枫，胡祥恩.网络学习中学习者个人特征对学习投入的影响：一个有调节的中介效应模型[J].心理与行为研究，2017，15（02）：181-188.
[9]蔡林，贾绪计.学业自我效能感与在线学习投入的关系：学习动机和心流体验的链式中介作用[J].心理与行为研究，2020，18（06）：805-811.
[10]王慧.学习反馈与在线学习参与度关系研究[J].中国教育信息化，2018（07）：27-31.
[11]Barnard L， Lan W Y， To Y M， et al. Measuring self-regulation in online and blended learning environments[J]. The internet and higher education， 2009， 12（1）： 1-6.
[12]Zimmerman B. Handbook of self-regulation of learning and performance[M]. Routledge， 2011.
[13]Bowen V S. The relationship of locus of control and cognitive style to self-instructional strategies， sequencing， and outcomes in a learner-controlled multimedia environment[J]. 1996.
[14]蔡林，贾绪计.学业自我效能感与在线学习投入的关系：学习动机和心流体验的链式中介作用[J].心理与行为研究，2020，18（06）：805-811.
[15]杨院，李艳娜，丁楠.大学生学习投入类型及其与学习收获关系的实证研究[J].高教探索，2017（03）：74-77.
[16]胡小勇，徐欢云，陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J].中国电化教育，2020（03）：77-84.
[18]Deng R， Benckendorff P， Gannaway D. Learner engagement in MOOCs： Scale development and validation[J]. British Journal of Educational Technology， 2020， 51（1）： 245-262.
[19]Wang M T， Fredricks J A， Ye F， et al. The math and science engagement scales： Scale development， validation， and psychometric properties[J]. Learning and Instruction， 2016， 43： 16-26.
[20] [25]何秀青，吴华君，何聚厚.基于慕课的教师专业发展学习动力促进作用实证研究[J].当代教师教育，2021，14（02）：85-92.
[21]Astin A W. Student involvement： A developmental theory for higher education[J]. Journal of college student personnel， 1984， 25（4）： 297-308.
[22]Barnard L， Lan W Y， To Y M， et al. Measuring self-regulation in online and blended learning environments[J]. The internet and higher education， 2009， 12（1）： 1-6.
[23] Deng R， Benckendorff P， Gannaway D. Learner engagement in MOOCs： Scale development and validation[J]. British Journal of Educational Technology， 2020， 51（1）： 245-262.
[24] 赵映川，杨兵，陈德鑫，陈静，幸赋都.在线教学中教师非语言亲密行为对学生学习效果的影响——有调节的中介效应分析[J].电化教育研究，2021，42（06）：88-95.
作者：陈蓉，女，1999年1月，汉族，福建省泉州市，西北民族大学教育科学与技术学院，专业：教育技术学
项目名称：大学生MOOC平台学习质量评价指标体系的构建与应用
项目来源：（西北民族大学）中央高校本科生科研创新项目
项目编号：XBMU21073
一、问题提出
MOOCs是一种以开放学习过程和大规模参与为本质创新的大规模开放网络课程[1]。早期的MOOCs倾向于分散的、基于网络的、非线性的结构，侧重于探索和对话，而不是强调教师提供的内容。这种基于联通主义的MOOCs被称为“cMOOCs”;2011年，许多美国顶尖大学开始通过Coursera和Udacity等商业平台提供MOOCs，与最初的联通主义MOOC不同，这些MOOC是高度集中的、基于内容的和线性的。他们通常集中在一组简短的模块化视频讲座上，然后通过学习者对内容的理解进行自动的多项选择测试，这些MOOCs被称为“xMOOCs”[2]。近年来，MOOC研究从课程的设计与开发、学习活动的组织转变为对MOOC学习者的日益关注[3]，针对学习者在MOOC平台学习质量评估的问题，Dyomin等人基于专家和学习者评价、平台分析、管理移动学习质量指标的方法构建MOOC质量评估体系[4]。但这个评价体系中却忽略了学习者的学习投入。在李雄鹰等人的研究中认为，大学生的学习性投入是评估学习质量的重要维度[5]。在尹睿等人的研究中认为，在线学习投入是评估在线学习质量的重要指标之一[6]。已有研究发现，影响大学生MOOC课程在线学习投入的因素有社会交互[7]、学习者个人特征[8]、学业自我效能感[9]以及学习反馈[10]等等，然而，很少有研究对学生在线自我调节学习对MOOC课程学习投入的影响进行研究，因此，本研究通过大学生MOOC学习情况的问卷调查，对大学生MOOC课程的学习投入和在线自我调节学习进行差异分析和相关分析，进而研究在线自我调节学习对学习投入的影响机制，期望通过以上研究找到更多提高大学生在线自我调节学习和学习投入的措施，帮助激发学生学习兴趣，提高学习质量，促进MOOC学习平台评价体系的完善。
二、研究基础
（一）在线自我调节学习
在线学习的一个显著特点是学生在学习环境中的自主性，同样在MOOC课程中出现了自主性的特点，而自我调节成为在线学习成功的关键因素[11]。自我调节学习过程指的是学生激活和保持为了达成个人目标而有组织地采取的认知、情感和行为的各种过程[12]。Bowen发现，在线学习环境对那些拥有内部调节能力的学生来说是最有益的，他们认为自己可以控制生活中的事件和情况[13]。因此，有理由假設，当学生参加MOOC课程时，拥有自我调节能力的学习者更能投入在线课程的学习。
（二）学习投入
学习投入是指学习者在学习过程中所投入的学习意愿、参与度、专注力及随之而来的情感[14]。已经有许多关于学校教育和在线学习与MOOC学习的研究发现，学生对课程的学习投入越高，学习收获、学业绩效越好[15][16]。此外，学习投入通常被划分为行为投入、认知投入和情感投入，并应用于许多研究中。行为投入是指在MOOC学习中学习者的行为表现，认知投入是指学习者采用的元认知和学习策略，情感投入是指学生在MOOC中的情绪体验[17]。然而，Deng等人将学习投入划分为四个维度，包含以上三个维度，还增加了社会投入，并指出社会投入是以师生互动和生生互动为中心[18]。Wang等人认为社会投入是学生体验的重要组成部分，并与行为、认知和情感参与分开处理[19]。因此，本研究将采用学习投入的四个维度划分方式。
（三）在线自我调节学习与学习投入相关研究
关于大学生在线自我调节学习与MOOC课程学习投入的研究较少，国内有何秀青等人在基于慕课的教师专业发展实证研究中发现，自我调节学习在外部动力和内部动力对学习投入的影响中具有中介作用[20]。Astin发现决定学习投入是学习结果质量的关键，学生投入到学习中的时间和精力越多，越全身心地专注于学习，学习质量越高，同时，以学习历史为例，发现学生花的时间越多，学到的历史知识越多[21]。国外有研究发现，大学生在线自我调节学习直接促进学生的感知学习收获。然而，现有研究大多忽略了在线自我调节学习对学习投入的影响，进而构建更加完善的MOOC平台评价体系。
三、研究设计
（一）研究对象
本研究采用随机抽样对参与MOOC课程学习的大学生发放调查问卷，通过QQ群、微信群、MOOC平台和网络学习社区等渠道发布调查问卷链接。调查问卷共回收323份，最终对有效问卷为323份进行研究，。问卷数据统计结果显示：在被调查者中，男生有99人（30.65%），女生有224人（69.35%）;大学一年级学生53人（16.41%），大学二年级学生105人（32.51%），大学三年级学生99人（30.65%），大学四年级学生66人（20.43%）。
（二）研究工具
自我调节学习。为了测量学习者的在线自我调节学习，本研究采用了Barnard等人编制的在线自我调节学习（OSRL）问卷[22]，这是一个24个项目的量表。根据已有在线学习的相关研究，以及本研究的调查目的，对问卷进行修改，保留目标设定、学习策略、时间管理、自我评估四个维度，最终的在线自我调节学习量表由16道题构成。 学习投入。本研究中的学习投入量表在Deng等人编制的学习投入四个维度量表的基础上修改完成[23]。最终的学习投入量表由12道题构成。调查问卷利用里克特七点计分法，答案分为非常不赞同、比较不赞同、一般不赞同、中立、一般赞同、比较赞同、非常赞同，且每个答案对应的分值为1、2、3、4、5、6、7。量表各维度信度及验证性因子分析结果见表1。
（三）数据处理与分析
采用SPSS 25.0和AMOS 24.0软件进行数据的处理和统计分析。首先使用SPSS 25.0对数据进行描述统计、参数统计和相关分析，然后基于理论的研究假设建立结构方程模型，运用AMOS 24.0软件对模型验证性因子分析和路径分析，最后得出结论。
四、研究结果
（一）变量描述性统计及相关分析
根据变量的描述性统计结果，MOOC课程学习者具有较高的在线自我调节学习能力（M=4.71，SD=1.11）和学习投入水平（M=4.77，SD=1.08）。
根据独立样本T检验和单因素方差分析结果，学习投入各维度在性别上不存在显著性差异（p>0.05）。单因素方差分析结果显示，学习投入在各年级上存在显著差异（p=0.027<0.05），大学一年级学生的MOOC课程学习投入最高（M=5.10），而大学三年级学生学习投入最低（M=4.55），大一学生的MOOC学习投入显著高于大三学生。在专业性质上，专业是艺术类的学生MOOC学习投入最高（M=4.82），专业是工科类的学生MOOC学习投入最低（M=4.64）。根据学生每周进行MOOC学习时间的单因素方差分析结果，学习投入在学习时间上存在显著差异（P=0.00<0.05），主要体现在行为投入（P=0.00<005）、情感投入（P=0.001<0.05）和社会投入（P=0.00<0.05）三个维度上。学习时间1小时以下的学生学习投入度最低（M=4.48），学习时间7小时以上的学生学习投入最高（M=5.18），学习时间2～5小时、5～7小时和7小时以上的学生学习投入显著高于学习时间1小时以下的学生。
根据独立样本T检验和单因素方差分析结果，在线自我调节学习能力各维度在性别上不存在显著差异（P>0.05）。单因素方差分析结果显示，在线自我调节学习能力在各年级上不存在显著差异（P=0.055>0.05）。在线自我调节学习能力在专业性质上存在显著差异（P=0.028<0.05），艺术类专业学生在线自我调节学习水平最高（M=4.91），工科类学生在线自我调节学习水平最低（M=4.34），文科类和艺术类专业显著高于工科类专业学生的在线自我调节学习能力。专业性质对自我调节学习的差异显著性主要体现在目标设定（P=0.028<0.05）、时间管理（P=0.006）两个维度。根据学生每周进行MOOC学习时间的单因素方差分析结果，在线自我调节学习在学习时间上存在显著差异（P=0.00<0.05），学习时间7小时以上的学生OSRL水平最高（M=5.26），学习时间1小时以下的学生0SRL水平最低（M=4.44）。
为进一步探讨大学生在线自我调节学习对MOOC课程学习投入的影响关系，基于皮尔逊相关分析法对变量进行相关分析。分析结果表明（见表2），学习投入与在线自我调节学习之间存在显著高度正相关关系。
（二）结构方程模型分析
为深入分析在线自我调节学习对学习投入的影响效果及路径系数，利用AMOS 24.0软件对假设执行拟合度评估和路径分析。在进行验证性因子分析之前需检测模型适配度，模型各项指标：X2/df=2.21，一般认为这个值小于3表示模型拟合非常好，小于5表示可以接受[24]。RMSEA=0.06，通常认为这个值要小于0.08。本模型中，GFI=0.971，AGFI=0.945，以及CFI、IFI、TLI、RFI值均大于0.9，这些指标拟合度都很好，说明本研究修订的量表具有较高的结构效度。
1、根据图1的SEM模型的标准化结果，潜在变量学习投入的R2值为0.81，包括目标设定、学习策略、时间管理和自我评估在内的在线自我调节学习对学习投入的标准化系数值为0.9，并且路径系数P达到显著水平。这表明大学生在线自我调节学习对学习投入呈现显著正向影响，即学生在线自我调节学习水平越好，有更好地设定目标，制定合适的学习策略，并加上执行力，有良好的时间管理方式以及有合理的自我评估方式，那么学生的MOOC学习投入就越高，行为参与更多，越更愿意理解知识点，情感和社会投入也越多。在线自我调节学习的各维度中，目标设定、学习策略、时间管理、自我评估的解释系数均在0.6以上，表明学生好的目标设定、学习策略、管理好学习时间以及正确的自我评估对在线自我调节学习贡献较大，對学习投入的影响也较大。
2、为探究在线自我调节学习对学习投入的具体影响因素，将目标设定、学习策略、时间管理和自我评估的支持度单独作为自变量，仍以学习收获作为因变量继续构建结构方程模型，目标设定、学习策略和时间管理三个模型构建符合标准，自我评估模型经过模型修正后也符合标准，可以进行具体分析。表3显示的是在线自我调节学习具体指标分别对学习投入的影响，标准化系数即因果模型中的回归系数，它表示自变量对因变量预测的大小程度，体现在线自我调节学习各指标对学习投入的影响力度。可以看出目标设定、时间管理、学习策略和自我评估这四个指标的系数值在0.7以上，且都对学习投入有显著正向影响。因此，学生在MOOC课程学习过程中，设定好恰当的目标，并且合理安排学习时间，制定并执行学习策略加上正确的自我评估，都会不同程度促进学生的MOOC学习投入。
五、结论及建议
（一）结论
在线自我调节学习对学习投入具有显著正向影响。这与何秀青等人的研究结论“自我调节水平可以有效改善学习投入”[25]是一致的。学生在线自我调节学习的水平高低，可以直接影响学习投入，当学生的在线自我调节学习的水平越高，那么对MOOC课程学习投入就越多。在线自我调节学习各维度对学习投入的影响大小不同，但都起着显著正向影响的作用。大学生在线自我调节学习对学习投入的影响系数值为0.95，这也说明当学生参与MOOC课程学习时，可能遇到各种网络诱惑或者自制力不够无法专心投入学习的问题，如果学生能够以完成学习目标为导向，制定并按时执行学习策略，减少拖延，保持自律地学习，最后正确评估自己的学习过程，那么就会对MOOC课程有更高的学习投入，对学习平台也会更满意，一定程度上减少MOOCSs的辍学率。 （二）建议
在线自我调节学习对大学生MOOC课程的学习投入有正向促进作用，学习投入是评估学习质量的重要维度，而MOOCs的学习十分强调学习的主动和自主性，那么，显而易见，培养和提升大学生在线自我调节学习能力是一件极为重要的事。因此，MOOC平台和MOOC课程团队都要认识到在学生的MOOCs学习过程中应该有效提醒学生做到自我调节学习。首先，在课程开始前安排学生根据教师罗列的课程目标设定自己的学习目标，且需要时常提醒学生目标完成程度。同时，提醒学生合理安排学习任务与学习时间的关系，例如，利用好碎片化的时间完成简单的MOOCs学习任务，包括看视频等等，接着再利用大段时间思考和做筆记。之后提供学生多种多样的学习策略，让学生在遇到网络诱惑或者想拖延的时候能找到合适的学习方向，不至于因为一次忘记学习就失去了全部的学习动力。最后，提供学生正确合理的自我评估，包括是否做到目标设定，管理好学习时间以及完成和执行学习策略的程度。
参考文献
[1]李秋菊，王志军，陈丽.xMOOCs中的教学视频设计要点：基于案例的视频分析研究[J].远程教育杂志，2014，32（06）：95-102.
[2] Margaryan A， Bianco M， Littlejohn A. Instructional quality of massive open online courses （MOOCs）[J]. Computers & Education， 2015， 80： 77-83.
[3][17]白然.cMOOC学习收获及其与学习投入关系的研究[J].现代远距离教育，2020（04）：63-72.
[4] Dyomin V， Mozhaeva G， Babanskaya O， et al. MOOC quality evaluation system： Tomsk state university experience[C]//European Conference on Massive Open Online Courses. Springer， Cham， 2017： 197-202.
[5]李雄鹰，秦晓晴.“拔尖计划”学生学习性投入与学习收获的关系研究——兼论大学生深度学习的推进[J].江苏高教，2019（12）：102-108.
[6]尹睿，徐欢云.在线学习投入结构模型构建——基于结构方程模型的实证分析[J].开放教育研究，2017，23（04）：101-111.
[7]方佳明，唐璐玢，马源鸿，胡丽雪.社会交互对MOOC课程学习投入的影响机制[J].现代教育技术，2018，28（12）：87-93.
[8]雷玉菊，张冬静，牛更枫，胡祥恩.网络学习中学习者个人特征对学习投入的影响：一个有调节的中介效应模型[J].心理与行为研究，2017，15（02）：181-188.
[9]蔡林，贾绪计.学业自我效能感与在线学习投入的关系：学习动机和心流体验的链式中介作用[J].心理与行为研究，2020，18（06）：805-811.
[10]王慧.学习反馈与在线学习参与度关系研究[J].中国教育信息化，2018（07）：27-31.
[11]Barnard L， Lan W Y， To Y M， et al. Measuring self-regulation in online and blended learning environments[J]. The internet and higher education， 2009， 12（1）： 1-6.
[12]Zimmerman B. Handbook of self-regulation of learning and performance[M]. Routledge， 2011.
[13]Bowen V S. The relationship of locus of control and cognitive style to self-instructional strategies， sequencing， and outcomes in a learner-controlled multimedia environment[J]. 1996.
[14]蔡林，贾绪计.学业自我效能感与在线学习投入的关系：学习动机和心流体验的链式中介作用[J].心理与行为研究，2020，18（06）：805-811.
[15]杨院，李艳娜，丁楠.大学生学习投入类型及其与学习收获关系的实证研究[J].高教探索，2017（03）：74-77.
[16]胡小勇，徐欢云，陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J].中国电化教育，2020（03）：77-84.
[18]Deng R， Benckendorff P， Gannaway D. Learner engagement in MOOCs： Scale development and validation[J]. British Journal of Educational Technology， 2020， 51（1）： 245-262.
[19]Wang M T， Fredricks J A， Ye F， et al. The math and science engagement scales： Scale development， validation， and psychometric properties[J]. Learning and Instruction， 2016， 43： 16-26.
[20] [25]何秀青，吴华君，何聚厚.基于慕课的教师专业发展学习动力促进作用实证研究[J].当代教师教育，2021，14（02）：85-92.
[21]Astin A W. Student involvement： A developmental theory for higher education[J]. Journal of college student personnel， 1984， 25（4）： 297-308.
[22]Barnard L， Lan W Y， To Y M， et al. Measuring self-regulation in online and blended learning environments[J]. The internet and higher education， 2009， 12（1）： 1-6.
[23] Deng R， Benckendorff P， Gannaway D. Learner engagement in MOOCs： Scale development and validation[J]. British Journal of Educational Technology， 2020， 51（1）： 245-262.
[24] 赵映川，杨兵，陈德鑫，陈静，幸赋都.在线教学中教师非语言亲密行为对学生学习效果的影响——有调节的中介效应分析[J].电化教育研究，2021，42（06）：88-95.
作者：陈蓉，女，1999年1月，汉族，福建省泉州市，西北民族大学教育科学与技术学院，专业：教育技术学
项目名称：大学生MOOC平台学习质量评价指标体系的构建与应用
项目来源：（西北民族大学）中央高校本科生科研创新项目
项目编号：XBMU21073