学习者特征对混合学习效果影响研究
学习者特征是影响混合学习的重要因素。这就要求我们对学习者特征开展研究，探究其对混合学习效果的影响，从而促进教师改善教学策略和学习者有效学习。本研究以某大学现代教育技术混合课程为依托，对参加该课程学习的1257名学习者进行调查，并采用多元线性回归分析方法，系统探究人口学特征、认知、情感、意志、行为等因素（共14个变量）对混合学习效果的影响。研究发现，学习行为、学科背景、学习动机、学习自我效能感、计算机水平、学习态度、性别等七个因素（按影响大小排序）共同显著影响混合学习效果，模型拟合R2达0.619，其他因素对混合学习效果无显著影响。学习者特征对混合学习效果的影响是个开放的复杂系统，本研究建议采用辩证、整体、开放、发展、层次的观点看待学习者特征对混合学习效果的影响。
1
问题提出
当前大学生的学习环境和学习情境已发生了较大变化，学习者特征也随之改变。这就迫切要求我们研究学习者特征，探究其对混合学习效果的影响，从而促进教师改善教学策略，促进学习者有效学习。
（一）学习者特征对混合学习效果的影响
近年来研究者开始关注学习者特征对混合学习效果的影响。从研究内容看，大多数研究仅探索单一或2-3个学习者特征因素对混合学习效果的影响（Lim&Morris，2009；Launer&康文霞，2011；Hejazifar，2012；McDonald，2014；Kintu et al.，2016，2017；Ramirez-Arellano et al.，2019），少有研究系统探究学习者特征对混合学习效果。然而，在实际学习中，个体学习效果是所有因素综合影响的结果（Turner&Patrick，2008），这包括：
1）人口学和社会文化因素，包括性别、先前经验（在线学习/混合学习经验、互联网和计算机应用经验）等。研究表明，性别差异可能影响学习效果。例如，有研究发现混合学习中自我调控能力强的女生学业成绩更好（Alghamdi et al.，2020）。也有研究发现，性别对混合学习效果无显著影响（Lim et al.，2009）。此外，学习者的先前知识和经验将影响他们对信息的感知、组织和理解，是学习者组织和同化新知识的概念性参考。网络学习和混合学习的成功还高度依赖于互联网和计算机应用经验（Joksimovi et al.，2015；Shraim&Khlaif，2010）。
2）认知因素，包括学习策略（自我调控策略、信息素养策略、时间管理策略等）、学习风格、元认知（自我监控能力）等。首先，混合学习环境中学习者灵活性和自主性增强，自我调节成为成功的关键因素（Van Laer&Elen，2017；Lin et al.，2016）。自我调控能力强的学习者更适合混合学习，尚不具备自主学习能力的学习者成绩往往较差（Tsai&Shen，2009）。其次，学习者的信息素养是混合学习的阻碍因素之一（Bonk&Graham，2012）。如果要采用混合学习，师生首先要具备足够的技术基础。如果他们不习惯使用技术学习，那使用混合学习反而会降低学习质量。再次，时间管理策略也是学习者有效开展混合学习必备的技能，时间管理能力强的学习者可能获得更好的学业表现（Selim，2007）。第四，学习风格是教育的重要因素。基于学习风格的自适应学习系统研究非常丰富，其中所罗门学习风格模型的应用最为广泛（Tortorella&Graf，2017）。但已有研究结论存在很大争议，有研究表明，基于不同学习风格的自适应学习系统可以减少学习所需的时间并提高学习者的整体满意度（Popescu，2010），然而，也有研究指出基于学习风格的自适应学习是无效的（Brown et al.，2009）。有研究甚至提出“请停止学习风格的神话”的论断（Kirschner，2017）。最后，元认知策略与混合学习成绩密切相关（Ramirez-Arellano et al.，2019）。
3）情感因素。情绪影响学习和学习绩效（Pekrun et al.，2010）。有关学习态度影响混合学习效果的研究较少，大多数研究关注混合学习对学习者学习态度的影响（Emelyanova&Voronina，2017），或混合学习与网络学习、传统学习态度的对比研究（Arrosagaray et al.，2019）。有研究表明，网络学习和混合学习的成功很大程度上取决于师生参与混合学习的信心和能力（Hadad，2007）。
4）意志因素，包括学习动机、自我效能感等。许多研究表明，学习动机对混合学习效果影响显著（Alk&Temizel，2018）。但也有研究表明，学习动机对提高入学率起着至关重要的作用，但并不直接影响学习成绩，只对社会存在感正向影响（Law et al.，2019）。有研究发现，增强自我效能感的干预措施能够提高学生的混合学习学业表现（简菁，2016）。
5）行为因素。研究表明，互动显著正向影响学习者的混合学习效果（Kent et al.，2016；Ekwunife-Orakwue&Teng，2014）。同时，混合学习被视为促进互动的有效方法（Pima et al.，2018）。
研究方法方面，现有研究主要采用问卷调查、实验、数据挖掘、学习分析等方法，其中，问卷调查法应用更为普遍，但样本量偏小，大多数研究样本数在500以内。
（二）学习效果
有关学习效果的内涵迄今仍然没有统一的界定。美国教育评鉴标准联合委员会认为，学习效果是对学生特定学习的期望，即学生在特定的学习、发展与表现等方面获得的结果，包括认知理解能力（认知）、态度与价值观（情意）与实际技能（技能）及行为（李麓君，2014）。黄海涛（2010）认为，学习效果是学生经过某种学习后，知识、技能、态度和情感以及习得的能力的增长，这种增长是具体的、可测量的。虽然学者们对学习效果内涵界定的角度或分类依据不同，但一致认为学习效果不仅指学习成绩，而是受教育后的全方面变化，是学习者学习目标的达成情况。根据布鲁姆的教学目标分类理论，教育目标可分为三大领域：认知、动作技能、情感。综上，学习效果作为一种学习结果，是学习者通过一段时间的学习所获得的能力，包括认知能力、动作技能、情感态度与行为。
考虑到学习成绩主要关注学习者有关知识与技能目标的达成程度，较少体现或并没有体现情感目标的达成，有些研究者采用自评问卷的方式弥补学习成绩评价的不足。还有研究者引入主观学习效果评价、主观学习满意度评价以及主观学习适应性评价（陈丽娜，2018）。也有研究者将学习满意度作为衡量混合课程有效性的重要因素（Kintu et al.，2017），还有研究者将学习投入作为高校教育质量评估的重要指标（徐波，2013）。
2
研究设计
（一）研究框架
本研究采用问卷调查法，从系统视角探究三个问题：1）大学生学习者特征与混合学习效果关系如何2）学习者特征如何影响混合学习效果3）学习者特征的二级维度如何影响混合学习效果？为了系统探究学习者特征对学习效果的影响，本研究的研究路径是“人口学因素→认知因素→情感因素→意志因素→行为因素”。
（二）研究对象
研究对象是某大学参加2018-2019学年第二学期现代教育技术课程混合学习的全日制本科二年级1889名师范生。量表发放时间为2019年5-6月（分三次发放），研究者删除全在线学习者的数据、重复填答问卷的学习者数据、填答时间低于两分钟的问卷（根据试测，完整填写问卷最少需两分钟），并对三次测量的有效学习者数据配对，共1257名学习者有三次完整数据。
学习者基本信息见表一，所学专业涉及理科（地理科学、化学、物理学、计算机科学与技术、生物科学、数学与应用数学）、文科（汉语言文学、历史学、英语、思想政治教育）、术科（美术学、音乐学、舞蹈学、体育教育）。
（三）变量选择与测量
1.因变量的选择与测量
本研究的因变量是混合学习效果，包括学习成绩、学习效果自评、学习投入、学习满意度。学习成绩测量主要依据布鲁姆的教学目标分类理论，采用过程性、多元化评价，包括评价形式多元化（形成性评价和总结性评价）、评价主体多元化（教师评价、学生互评、学生自评）、评价内容多元化（包括综合作业、在线交流讨论、单元活动参与、期终在线考试、期终线下笔试）。本研究依据中国学生发展核心素养（核心素养研究课题组，2016）、布鲁姆教学目标分类理论及本课程的学习目标，自编成混合学习效果自评量表，包括知识与技能、乐学善学、信息意识、自我管理、社会参与、科学精神；参考弗雷德里克斯等（Fredricks et al.，2004）编制的课堂学习投入量表、NSSE-China大学生学习性投入调查（黄美娟，2014）、李爽等（2015）编制的在线学习投入量表，改编成混合学习投入量表；在瑞典顾客满意度指数模型、美国顾客满意度指数模型的理论架构基础上，参考英国开放大学学习满意度问卷（Li et al.，2016）、阿博（Arbaugh，2000）编制的在线学习满意度量表，改编成混合学习满意度量表。所有量表均为学生自评量表，采取5点计分李克特量表，题目均为单选题，各维度题目得分的均值为该维度的得分，将各维度均分相加除以维度数为量表总均分，总均分越高表示该特征水平越高。
1）信度分析。
学习效果自评总量表（单维）的Cronbach’sα系数为0.935；学习投入总量表及认知投入、情感投入、行为投入三个维度的Cronbach’sα系数分别为0.926、0.818、0.870、0.805；学习满意度总量表及课程满意度、教学满意度、平台满意度、期望服务满意度、感知服务满意度、总体满意度六个维度的Cronbach’sα系数分别为0.958、0.893、0.906、0.893、0.781、0.819、0.816。各量表均达到评判标准（吴明隆，2010b），表明各量表信度良好。
2）效度分析。
探索性因素分析结果表明，学习效果自评量表题项均属于一个维度，KMO值为0.960，χ2值为9430.444，自由度为66，p=0.000<0.05，累计解释变异量为59.113%，且因素负荷量介于0.604～0.808，均达到评判标准，表明量表效度良好。验证性因素分析结果表明，参数估计结果比较理想，学习满意度量表所有参数均达显著，各项目因素载荷在0.627～0.865之间，λ值均大于0.50，小于0.95；模型拟合指数比较理想，绝对适配度指标χ2、RMR、RMSEA、GFI、AGFI分别为805.198（p=0.000<0.05）、0.017、0.044、0.947、0.933，增值适配度指标NFI、RFI、IFI、TLI、CFI分别为0.960、0.954、0.972、0.967、0.971，简约适配度指数PGFI、PNFI、PCFI、χ2自由度比分别为0.748、0.824、0.834、3.397，除指标χ2自由度比值与χ2值没有达到评判建议值，其余指标均达到模型适配标准。根据综合判断依据，由于卡方值易受样本数的影响，当样本数较大时，卡方值相对会变大，显著性概率值p会变小，容易出现假设模型被拒绝的现象，此时整体模型适配度的判别不应只以CMIN值作为唯一的判别依据，应参考Amos提供的RFI值、NFI值、TLI值、IFI值、GFI值、AGFI值、RMSEA值等指标加以综合判断，因为这些指标波动性较小（吴明隆，2010a）。本样本数N=1257，属于大样本，综合判断结果表明学习满意度量表结构合理。验证性因素分析结果表明，学习投入量表分析方法与学习满意度量表一样，各项目因素载荷在0.561～0.761之间，模型拟合指数比较理想，绝对适配度指标χ2、RMR、RMSEA、GFI、AGFI分别为770.727（p=0.000<0.05）、0.024、0.062、0.926、0.904，增值适配度指标NFI、RFI、IFI、TLI、CFI分别为0.925、0.913、0.937、0.927、0.937，简约适配度指数PGFI、PNFI、PCFI、χ2自由度比分别为0.808、0.798、0.808、5.839。综合判断结果表明，学习投入量表结构合理。
2.自变量的选择与测量
本研究根据文献综述、专家咨询及研究团队近二十年的网络教育与混合教学实践经验（王改花等，2018b），从心理过程的视角，构建混合学习者特征模型，包括人口学特征、知（认知）、情（情感）、意（意志）、行（行为）五个维度。人口学特征因素包括性别、学科背景、计算机水平、先前知识经验。认知因素包括学习策略、元认知、学习风格、空间定位感，其中，学习风格包括信息加工（活跃型与沉思型）、感知（感悟型与直觉型）、输入（视觉型与听觉型）、理解（序列型与综合型）等维度。情感因素包括学习态度、学习焦虑。意志因素包括学习动机、学习自我效能感。
本研究基于已有研究成果（王改花等，2018b）改编相关量表，这包括：在费尔德等（Felder&Silverman，1988）的所罗门学习风格问卷（Index of Learning Styles）基础上，改编而成学习风格量表；以奥苏贝尔的学习动机理论为理论基础，参考王迎（2006）编制的远程学习者学习动机量表和王改花等（2018b）编制的网络学习动机量表，基于对部分学习者的面对面访谈，改编而成学习动机量表；参考大学生在线学习行为量表（金枝，2011）、大学生网络学习行为问卷（李玉斌等，2013）、在线学习行为测评量表（朱祖林，2015），改编而成学习行为量表。
1）信度分析。
除学习风格量表，本研究的信度分析均采用内部一致性信度。学习策略总量表及资源管理策略、信息素养策略、合作交流策略、反思总结策略、自我调节策略五个维度的Cronbach’sα系数分别为0.941、0.873、0.864、0.831、0.841、0.842；元认知总量表及元认知知识、元认知体验、元认知监控三个维度的Cronbach’sα系数分别为0.976、0.947、0.888、0.955；空间定位感量表的Cronbach’sα系数为0.893；学习态度总量表及认知态度、行为态度、情感态度三个维度的Cronbach’sα系数分别为0.934、0.867、0.834、0.871；学习焦虑总量表及网络延迟焦虑、网络术语焦虑、网络搜索焦虑和网络总体焦虑四个维度的Cronbach’sα系数分别为0.939、0.888、0.815、0.891、0.869；学习动机总量表及认知内驱力、自我提高内驱力、附属内驱力三个维度的Cronbach’sα系数分别为0.882、0.840、0.810、0.730；学习自我效能感总量表及一般自我效能和特殊自我效能两个维度的Cronbach’sα系数分别为0.921、0.869、0.876；学习行为总量表及行为参与、行为坚持、行为专注、行为互动、灵活性五个维度的Cronbach’sα系数分别为0.912、0.827、0.850、0.754、0.880、0.805。各量表均达到评判标准，表明各心理特征量表信度良好。学习风格量表采用再测信度。再测信度假设受试者由量表所得的测验分数经过短暂时间仍维持一致或具稳定性，可反映量表的稳定与一致性程度。学习风格在短时间内不会随时间改变，费尔德等（Felder&Silverman，2005）采用再测信度进行所罗门学习风格问卷的信度分析，并建议4周是理想的间隔时间，且将Cronbach’sα系数0.5及以上作为再测信度的接受标准。为了提高问卷发放的效率，本研究通过QQ向175名学习者一对一发放再测问卷，时间间隔为4周，共160名学习者填写了量表，有效问卷160份，有效率100%。学习风格量表的信息加工、感知、输入、理解等维度的Cronbach’sα系数分别为0.630、0.540、0.688、0.683，达到了评判标准，表明学习风格量表信度良好。
2）效度分析。
除学习风格量表与空间定位感量表外，本研究均采用验证性因素分析，参数估计结果比较理想，所有参数均达显著水平，λ值均大于0.50，小于0.95；模型拟合指数比较理想（见表二），各量表基本达到了评判标准，只有学习动机量表与元认知量表的个别值没有达到建议值，但与建议值接近。综合评判表明，各心理特征量表效度良好。学习风格量表是对所罗门学习风格问卷的改编，结构、内容、计分方式等均沿用该问卷，只改编了学习情境并将语言本土化。所罗门学习风格问卷具有较好的效度。探索性因素分析结果表明，空间定位感量表题项均属于同一维度，KMO值为0.876，χ2值为3494.039，自由度为10，p=0.000<0.05显著水平，累计解释变异量为70.164%，且因素负荷量介于0.802～0.872，均达到评判标准，表明空间定位感量表效度良好。
3.控制变量的选择与测量
本研究的控制变量主要是人口学特征因素，包括性别（男、女）、学科背景（文科、理科、术科）、计算机水平（低、中、高）、MOOC先前学习经验（有、无）、前序课程学习经验（有、无）。
（四）研究工具和统计模型
本研究采用描述统计分析参加混合学习的学习者特征与学习效果，研究工具为SPSS19.0。本研究的因变量学习效果数据类型是定距类型。为了了解学习者特征对混合学习效果的系统影响，本研究使用多元线性回归模型，数据处理工具为stataMP16软件。为了有效检验“人口学因素→认知因素→情感因素→意志因素→行为因素”学习者特征对学习效果的影响路径，本研究以人口学特征因素为基准模型，分别引入认知、情感、意志、行为等因素，建立五个多元线性回归模型：模型1为“人口学特征因素”基准模型，模型2为“人口学特征 认知因素”模型（简称“认知模型”），模型3为“人口学特征 认知因素 情感因素”模型（简称“情感模型”），模型4为“人口学特征 认知因素 情感因素 意志因素”模型（简称“意志模型”），模型5为“人口学特征 认知因素 情感因素 意志因素 行为因素”模型（简称“行为模型”）。
为了了解学习策略、元认知、学习态度、学习焦虑、学习动机、学习自我效能感、学习行为如何影响学习效果，本研究共建立了七个模型：学习策略模型2-1（在认知模型基础上引入学习策略）、元认知模型2-2（在认知模型基础上引入元认知）、学习态度模型3-1（在情感模型基础上引入学习态度）、学习焦虑模型3-2（在情感模型基础上引入学习焦虑）、学习动机模型4-1（在意志模型基础上引入学习动机）、学习自我效能感模型4-2（在意志模型基础上引入学习自我效能感）、学习行为模型5-1（在行为模型基础上引入学习行为）。
3
研究结果
（一）混合学习者特征与学习效果现状
1.学习者特征总体情况
1）认知维度
学习策略总体表现的均值为3.58±0.57（最小值1.14，最大值5），资源管理策略、合作交流策略、信息素养策略、反思总结策略、自我调节策略等维度的均值分别为3.61±0.69、3.42±0.72、3.77±0.67、3.58±0.65、3.52±0.73（最小值1，最大值5）。这表明，参与混合学习的学习者有较好的学习策略，且信息素养策略>资源管理策略>反思总结策略>自我调节策略>合作交流策略，信息素养策略表现最好，自我调节策略和合作交流策略表现相对较弱。
元认知总体表现的均值为3.73±0.59（最小值1.09，最大值5），元认知知识、元认知体验、元认知监控等维度的均值分别为3.77±0.60、3.74±0.67、3.68±0.62（最小值1，最大值5）。这表明，混合学习的学习者有较高的元认知能力，且元认知知识>元认知体验>元认知监控，元认知监控表现相对较弱。
在学习风格方面，信息加工维度分布基本均衡（活跃型637人，占50.7%；沉思型620人，占49.3%），感知维度分布较不均衡（感悟型810人，占64.4%；直觉型447人，占35.6%），输入维度分布极不均衡（视觉型1079人，占85.8%；言语型178人，占14.2%），理解维度分布基本均衡（序列型663人，占52.7%；综合型594人，占47.3%）。各维度人数分布与之前的研究（Felder，2005）基本一致。空间定位感总体表现均值为2.99±0.85（最小值1，最大值5）。这表明，混合学习的学习者在线学习的空间定位感相对其他学习者特征表现较弱。
2）情感维度
学习态度总体表现均值为3.73±0.63（最小值1.2，最大值5），认知态度、行为态度、情感态度等维度的均值分别为3.83±0.66、3.70±0.70、3.63±0.71（最小值1，最大值5）。这表明，混合学习的学习者有较好的学习态度，且认知态度>行为态度>情感态度。
学习焦虑总体表现均值为3.59±0.72（最小值1，最大值5），网络延迟焦虑、网络搜索焦虑、网络术语焦虑、网络总体焦虑等维度的均值分别为3.78±0.82、3.65±0.85、3.43±0.79、3.50±0.82（最小值1，最大值5）。这表明，混合学习的学习者有较高的学习焦虑，且网络延迟焦虑>网络搜索焦虑>网络总体焦虑>网络术语焦虑。
3）意志维度
学习者自我效能感总体表现均值为3.76±0.54（最小值1.27，最大值5），一般自我效能感、特殊自我效能感等维度的均值分别为3.69±0.60、3.81±0.55（最小值1，最大值5）。这表明，混合学习的学习者有较高的学习自我效能感，且特殊自我效能感>一般自我效能感。
学习动机总体表现均值为3.64±0.57（最小值1，最大值5），认知内驱力、自我提高内驱力、附属内驱力等维度的均值分别为3.65±0.61、3.76±0.68、3.49±0.76（最小值1，最大值5）。这表明，混合学习的学习者有较高的学习动机，且自我提高内驱力>认知内驱力>附属内驱力。
4）学习行为维度
学习行为总体表现均值为3.45±0.48（最小值1.8，最大值5），行为参与、行为坚持、行为专注、行为互动、灵活性等维度的均值分别为3.81±0.57、2.33±1.01、3.64±0.57、3.66±0.61、3.82±0.55（最小值1，最大值5）。这表明，混合学习的学习者学习行为表现较好，灵活性>行为参与>行为互动>行为专注>行为坚持，行为坚持表现较差。
2.学习效果总体情况
学习效果均值为0.63，标准差为13.60。这表明，混合学习的学习者学习效果良好。
（二）学习者特征对混合学习效果的系统影响
多元线性回归分析涉及多个变量，严重的多元共线性问题会使模型估计不准确甚至难以估计（刘红云，2019）。本研究首先进行多重共线性检验，采用的指标为方差膨胀因子VIF，即如果VIF>10，说明多重共线性较强。本研究VIF介于1.95～2.25之间，均小于10，不存在较强多重共线性，可以认为本研究符合多元线性回归模型要求。
表三为学习效果的多元线性回归分析结果，表明在控制人口学因素后，逐步加入“认知因素→情感因素→意志因素→行为因素”因变量，学习者特征对学习效果影响的变化情况。模型1、模型2、模型3、模型4、模型5多元线性回归整体检验F值分别为32.18（p=0.000<0.05）、36.88（p=0.000<0.05）、37.73（p=0.000<0.05）、79.26（p=0.000<0.05）、105.85（p=0.000<0.05）。从模型拟合情况看，嵌套模型的拟合效果大幅上升“0.153→0.294→0.325→0.535→0.619”。研究结果表明，性别、学科背景、计算机水平对学习效果影响显著，且影响逐渐减弱；学习风格的信息加工维度与元认知在认知模型、情感模型中对学习效果有显著正向影响，且影响逐渐减弱，在意志模型、行为模型中对学习效果无显著影响；空间定位感在认知模型、情感模型、意志模型中对学习效果有显著正向影响，在行为模型中无显著影响；学习态度在情感模型、意志模型与行为模型中对学习效果有显著正向影响，但影响逐渐减弱；学习焦虑在情感模型中对学习效果有显著正向影响，在意志模型、行为模型中对学习效果无显著影响；学习动机与学习自我效能感在意志模型、行为模型中对学习效果均有显著正向影响，但影响逐渐减弱；学习行为在行为模型中对学习效果有显著影响；MOOC先前学习经验、相关前序课程学习经验、学习策略、学习风格感知维度、学习风格输入维度、学习风格理解维度对学习效果无显著影响。
为了系统探究学习者特征对混合学习效果的影响，本研究重点考察模型5的研究结果：人口学特征因素 认知因素 情感因素 意志因素 行为因素可解释总学习效果变异的61.9%。行为、意志、情感、人口学特征等因素对学习效果有显著影响，且影响因素的大小依次是“学习行为>学科背景>学习动机>学习自我效能感>计算机水平>学习态度>性别”。女生显著高于男生，即其他条件不变时，女生比男生学习效果提高1.98%，换算方法为：exp（0.046）-1（下同）；文科生显著高于术科生，即其他条件不变时，文科生比术科生学习效果提高10.15%；计算机水平越高，学习效果越好，即其他条件不变时，中等计算机水平比计算机低水平学习效果提高2.53%，计算机高水平比计算机低水平学习效果提高3.46%；学习态度对学习效果有显著正向影响，即其他条件不变时，学习态度水平每上升一个百分点，学习效果将提高2.53%；学习动机对学习效果有显著正向影响，即在其他条件不变时，学习动机水平每上升一个百分点，学习效果将提高5.34%；学习自我效能感对学习效果有显著正向影响，即其他条件不变时，学习自我效能感水平每上升一个百分点，学习效果将提高3.15%；学习行为对学习效果有显著正向影响，即其他条件不变时，学习行为水平每上升一个百分点，学习效果将提高13.77%；MOOC先前学习经验、相关前序课程学习经验、学习策略、学习风格、元认知、空间定位感、学习焦虑对学习效果无显著影响。
（三）学习者特征二级维度对混合学习效果的系统影响
模型5显示，学习态度、学习动机、学习自我效能感、学习行为显著影响学习效果。为了进一步了解这些要素如何影响学习效果，本研究在模型3、模型4、模型5的基础上对学习者特征二级维度作用进行检验（见表四，仅呈现了部分截表）。模型3-1的结果表明，认知态度与情感态度共同正向显著影响学习效果，且认知态度对学习效果的影响大于情感态度，行为态度对学习效果无显著影响。模型4-1的结果表明，认知内驱力和附属内驱力共同正向显著影响学习效果，且认知内驱力对学习效果的影响大于附属内驱力，自我提高内驱力对学习效果无显著影响。模型4-2的结果表明，一般自我效能感和特殊自我效能感共同正向显著影响学习效果。模型5-1的结果表明，行为参与、行为专注、行为互动及灵活性共同正向显著影响学习效果，且对学习效果的影响大小为：行为参与>行为互动>灵活性>行为专注，行为坚持对学习效果无显著影响。
4
结论与讨论
本研究用辩证、整体、开放、发展、层次的观点系统地看待学习者特征对混合学习效果的影响。
（一）人口学因素对混合学习效果的影响
先前学习经验中的计算机水平显著影响混合学习效果。第一，计算机水平对学习效果有显著正向影响。这与已有研究结论一致，即混合学习的成功高度依赖于学习者应用互联网和计算机的经验（Shraim&Khlaif，2010）。基于访谈与观察，本研究认为主要原因可能包括：首先，现代教育技术是一门对信息素养要求较高的理论与实践结合的课程，课程评价方式包括形成性评价和总结性评价，评价内容需要学习者具备一定的计算机能力，例如，需完成两次综合作业“多媒体课件的设计与制作”“信息化教学设计”；其次，混合学习要求学习者一半时间进行线上学习，且需要具备一定的信息素养；再次，混合学习有四类学习者，分别为混合学习的适应者、混合学习的不完全适应者、线下学习的保守者、线上学习的革新者，学习者学习经验和计算机水平的不同，引发他们对混合课程不同的情感体验和行为模式，进而影响学习效果。第二，MOOC先前学习经验对学习效果无显著影响。第三，相关前序课程学习经验对学习效果无显著影响，原因可能是大部分学生（1088人，占86.6%）没有相关课程先前学习经验。
性别对混合学习效果有显著影响，女生学习效果显著好于男生。基于观察和访谈，我们认为这可能是因为女生对学习任务的态度更加积极、主动、认真。林等（Lim&Morris，2009）则发现，性别对混合学习效果无显著影响，可能原因是林的研究对象数量偏少，造成了统计误差，也可能是文化差异导致结论不同。
学科背景对混合学习效果有显著影响，术科生学习效果显著低于文理科生。质性研究结果表明，术科生大学入学成绩相对偏低，由于学习能力、习惯、兴趣、动机等原因，其文化课成绩均相对较低。
（二）认知因素对混合学习效果的影响
已有研究表明，学习者的时间管理策略、信息素养策略、自我调节策略显著影响混合学习效果，本研究却发现上述学习策略并没有显著影响混合学习效果。原因可能是：1）本研究将学习者特征对混合学习效果的影响看成一个整体，关注整体、部分、环境的相互联系、制约和依赖关系。学习者特征模型由“人口学特征、知、情、意、行”组成，具有不同于各要素作用简单相加的新的作用。以往研究大多单独考虑这些因素对混合学习效果的影响，没有将学习策略作为整体变量，也没有将这些学习策略置身于系统的学习者特征中。2）本研究将时间管理策略归在资源管理策略中，发现资源管理策略并没有显著影响学习效果。这与以往研究结论（Selim，2007；McDonald，2014；Hejazifar，2012）不一致，原因可能是以往研究与本研究的混合学习环境和学习任务的差异。学习策略将随任务的不同而变化（R.赖丁等，2003），不同学习策略对应不同类型的任务。混合学习环境的变化会影响学习者特征对学习效果的影响。以往混合学习研究中，线上学习是全自主的学习方式，对学习者的时间管理策略要求较高。本研究的混合学习是半自主的学习方式，线下课堂每两周一个专题，每个专题有四次不同时间的相同讲座，学习者可选择任意一次参加；线上学习均是半自主的时间安排，每周发布新的主题或作业，并规定了学习截止时间。这样教师就给学习者规划好了半自主的时间管理策略，学习者只要半自主地进行时间管理就可以。学习者画像也表明，半自主学习方式对拖延学习者、被动学习者等具有良好的外部监控和调节作用。3）本研究结果显示，自我调节策略对学习效果没有显著影响，与已有研究结论不一致（Van Laer&Elen，2017；Lin et al.，2016；Tsai&Shen，2009）。但质性分析结果表明，自我调节策略通过学习者的元认知能力中的元认知监控影响学习效果。4）本研究结果显示，信息素养策略对混合学习没有显著影响，与邦克等（Bonk&Graham，2012）的研究结论不一致，原因可能是学习者的信息素养已经有了较大提升。本研究发现，混合学习中，学习者采用了较适合的学习策略，信息素养策略表现最好；本研究通过访谈和观察也发现，信息素养策略是混合学习中非常重要的学习策略之一，虽然学习者的信息素养有差异，但基本能满足混合学习需求。
元认知对学习效果有显著正向影响。元认知监控和元认知体验共同正向影响学习效果，这与已有研究结论（Launer et al.，2011；Ramirez-Arellano et al.，2019）一致，且本研究进一步发现元认知对混合学习效果的显著影响主要由其二级指标元认知监控引起。
学习风格信息加工维度影响学习效果，活跃型学习者显著高于沉思型学习者；学习风格感知、学习风格输入、学习风格理解等维度对学习效果均无显著影响。这一研究结论很大程度上支持柯施纳（Kirschner，2017）对学习风格的抨击——“请停止学习风格神话”，学习风格并没有影响学习效果。但本研究发现活跃型学习者与沉思型学习者学习效果的差异，这一定程度没有否定学习风格对学习效果的影响。
空间定位感在认知模型、情感模型、意志模型中对学习效果有显著正向影响，在行为模型中无显著影响。以往较少有研究探究空间定位感对学习效果的影响，本研究则将空间定位感引入学习者特征对混合学习效果的关键变量，且发现了有意义的研究结论。
（三）情感因素对混合学习效果的影响
学习态度对学习效果有显著正向影响，认知态度与情感态度共同显著正向影响学习效果。学习态度对混合学习效果的影响研究较少，本研究特地将其引入混合学习者特征的关键变量，发现其对学习效果的重要影响。可见，学习态度是影响高校混合式教学质量的因素之一（解筱杉，2012；Hadad，2007）。
学习焦虑在情感模型中对学习效果有显著正向影响，在意志模型、行为模型中对总学习效果无显著影响。以往混合学习研究较少探索学习焦虑对学习效果的影响，考虑到混合学习线上学习的特点，本研究将学习焦虑引入影响混合学习效果的因素中，并发现了与网络学习焦虑一致的研究结论，即学习焦虑会影响网络学习（McDarland et al.，2006）。本研究通过观察和访谈也得出同样的结论，当网络延时或搜索不到想要的信息时，学习者会表现出较强的学习焦虑，并影响学习效果。
（四）意志因素对混合学习效果的影响
学习动机对学习效果有显著正向影响，认知内驱力和附属内驱力共同显著正向影响学习效果。这一结论与以往研究结论一致，如拉米雷斯·阿雷利亚诺等（2019）、劳拉等（2019）均发现在混合学习中，学习动机影响学习效果。但这些研究没有探讨学习动机的分维度（认知内驱力、自我提高内驱力、附属内驱力）如何具体影响学习效果。本研究的结论更加具体，对加强混合学习中学习者学习动机更有实际指导意义。
自我效能感对学习效果有显著正向影响，自我效能感中的一般自我效能感与特殊自我效能感共同显著正向影响学习效果，这与已有研究结论（McDonald，2014；Hejazifar，2012）一致。
（五）行为因素对混合学习效果的影响
学习行为对学习效果有显著正向影响，行为参与、行为专注、行为互动、灵活性共同显著正向影响学习效果。这一结论与以往研究结论（Kent et al.，2016；Ekwunife-Orakwue&Feng，2014）一致。以往研究主要从行为参与、行为互动的维度探究学习行为对学习效果的影响，本研究引入行为坚持和行为专注、灵活性，且发现行为坚持和行为专注、灵活性是影响学习效果的重要因素。
本研究存在下列不足：首先，研究结论有待进一步验证，研究对象仅是某大学参加现代教育技术课程混合学习的学习者，后续研究可扩大研究对象范围，对研究结论进行验证与完善；其次，研究数据有待挖掘，现代教育技术课程的技术后台有大量的学习者行为数据，本研究团队已经开展了基于数据挖掘方法的行为特征研究（傅钢善，2014；王改花，2018a，2019），未来可以开展学习者特征与后台行为数据的关联研究。
参考文献：
作者简介：王改花，博士，讲师，西安邮电大学数字艺术学院，研究方向：网络与远程教育、网络与新媒体（466946726@qq.com）；张李飞，博士研究生，西安交通大学人文社会科学学院，研究方向：人文社会学、教育社会学；傅钢善，教授，博士生导师，陕西师范大学教育学院，研究方向：网络与教育应用、教育信息化理论与实践研究。