大学生网络学习自我调控研究.docVIP

大学生网络学习自我调控研究 　　摘 要：近年来，很多学者对网络学习自我调控进行研究，但大多仅从理论角度和基本的统计数据进行分析，本文从学生使用网络的基本情况入手，进而分析了性别、成绩排名与学习调控的显著性差异，并对网络学习不专心度与网络学习调控的相关性进行分析，最后根据分析结果提出相关建议。 　　关键字：网络学习；自我调控；大学生 　　中图分类号：G434 文献标识码：A 文章编号：1671-7503201307-0050-04 　　国家中长期教育改革和发展规划纲要指出，未来十年里要“鼓励学生利用信息手段主动学习、自主学习，增强运用信息技术分析解决问题能力”。在网络学习环境下，自我调控学习能力是利用信息技术手段自主学习的关键性因素，学生能有效地进行自我调控是网络学习成功的保证。然而，大学生正处于人生发展的转型期，思想尚未成熟，自我控制能力不强，1在学习过程中难免被网络中繁多的资源所诱惑，导致网络学习成效不高。因此，对大学生网络学习中的自我调控进行理论与实践研究具有重要意义。 　　一、调查对象与研究方法 　　1.调查对象 　　本研究选取辽宁省大连市七所高校的学生为研究对象，学生所学专业涉及很广，包括经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、管理学。被测试的学生中男生占总人数的45.9%，女生占54.1%。共发放问卷1500份，回收问卷1483份，包含学习调控量表的有效问卷1440份，有效率为96%。 　　2.研究方法 　　本次研究采用随机抽样方法抽取调查对象。基本情况题目采用单选题或多选题的形式，结构化题目的选项采用李克特5点记分方式，“1-5分”分别代表赞同的程度。最后使用SPSS for Windows 18.0对数据进行统计分析。 　　二、量表的结构及信度与效度分析 　　1.量表的结构 　　Zimmerman定义自我调控学习为学习者在元认知上、动机上和行为上的主动参与学习的程度。2也就是说，自我调控学习self-regulated learning是指学习者为了保证学习的成功、提高学习的效果、达到学习的目标主动运用元认知、动机和行为的过程。就元认知过程来看，自我调节型学习者在学习过程中的各个阶段能够计划、组织、自我指导和自我评价；从动机角度来看，自我调节型学习者把自己看作自我效能的、主动的和具有内在动机的个体；就行为而言，自我调节型学习者选择、构造、甚至创设能使学习最优化的社会和自然环境。3本研究根据Zimmerman对自我调控学习的定义及理论，将大学生网络学习自我调控量表分为三个构面：元认知调控、动机调控以及行为调控。 　　2.量表的信度分析 　　可信度分析（Reliability Analysis）是衡量一个测量工具可信度和稳定性的主要方法。根据吴明隆书中的信度指标表4，内部一致性信度系数值α在0.5以上表明量表有一定的可信度。本量表的总体量表信度系数如表1所示。 　　由量表1可知α值为0.723，表明量表有较高的信度。动机调控、认知调控和行为调控的α值分别为0.514、0.653、0.712，内在一致性信度都满足要求。 　　3.量表的效度分析 　　效度（Validity）是衡量一个测量工具能够在多大程度上准确测出所需测量事物的一个重要指标，本研究对量表进行了结构效度分析。结构效度分析通常采用因素分析。在进行因素分析前，需要对量表进行KMO和Bartlett检验。根据Kaiser1974的观点，KMO值在0.6以上适合进行因素分析。4Bartlett检验是根据相关系数矩阵的行列式得到的，如果其对应的相伴概率值小于显著性水平0.01，我们认为原始变量之间存在相关性，适合做因素分析。5表2为KMO和Bartlett检验结果。 　　由表2可知KMO值为0.797，相伴概率值小于显著性水平0.01，达到显著水平，说明适合做因素分析。 　　在因素分析时，对因子采用主成分分析法，并采用最大变异法对各因素进行旋转，计算各变量的因子负荷量，结果如表3所示。 　　由表3可以看出，在成份1上有大负荷的是C10、C9、C11、C12、C8，通过查看量表中的相应题目发现这些因子的共同属性是考察网络学习过程中学生创设学习环境和条件的调控，与理论分析所得构面一致，以“行为调控”来命名；在成份2上有最大负荷的是C5、C6、C4、C7，这些因子的共同属性是考察网络学习过程中学生自我元认知的调控，与构面一致，以“认知调控”来命名；在成份3上有最大负荷的是C2、C1、C3，这些因子的共同属性是考察网络学习中学生自我效能的学习动机，是一个反向变量，以“动机调控”来命名。 　　三、调查结果与分析 　　1.大学生上网情况统计 　　从表4调查结果可以看出，被测试的大学生中，大部分学生的网龄都在3-5