在线学习成效的理论分析模型及测量，本文主要内容关键词为：在线论文,成效论文,测量论文,模型论文,理论论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]G434 [文献标志码]A 在线学习是指主要通过互联网进行的教与学的活动，它充分利用现代信息技术所提供的全新沟通机制与丰富资源的学习环境，它将改变传统教学中教学者的作用和师生之间的关系，从而根本上改变教学结构和教育本质[1]。与传统教学相比，在线教学更具协作性、生成性、探究性和互动性，更强调对学习的辅导、训练和指导。在线学习与传统教育机构的价值观一致，设计良好的在线学习工具和活动能更好地支持自主学习，促进有意义学习的发生和提升学习效率[2]。但在线学习需要学习者投入更多时间并遭遇学习过程中的孤独感，加之文凭工厂现象的存在和在线学习过程中的高辍学率等问题，使得远程学习能否取得与面授相当的学习效果一直备受研究者和实践者的质疑。 实际上，在网络教育兴起之前，研究者就对面授和远程学习成效进行了大量对比研究，结果发现，后者能取得与传统面授环境相当甚至更好的学习成效[3][4]。在线学习成效研究则是随着20世纪90年代在线学习的兴起并在面授学习成效研究基础上快速发展起来的，经过二十多年的积累，相关研究文献几乎达到汗牛充栋的程度。在线学习成效研究延续了早期远程学习成效的研究传统，主要侧重于分析网络教学技术可能的学习成效及其与传统面授学习成效的差异。研究发现，在线学习环境能取得与传统面授大体相当，甚至更好的学习成效[5]。在线学习成效与对应研究文献发表的年份、研究中的学生类型和学科类别均没有关系，但在线学习方式可以比面授学习方式更加个性化[6]。 然而，现有的在线学习成效分析大多从学习满意度和学习成绩的角度展开，很少考虑到学生的课程价值信念，对学习本身关注不够，因而并不总能有效预测学习迁移[7]。学习迁移不仅可以提高学习效率，而且能充分发挥教学的有效作用，是分析时不可忽略的一种学习结果。基于此，本文拟从整体视角构建在线学习的环境特征与学习成效之间的因果预测模型，系统分析和确定影响在线学习成效的主要因素。研究结果不仅有助于为构建在线教学和评价理论提供重要的基础，还有助于改进在线教学实践，进一步提升在线学习质量。 二、文献综述和研究假设 学习成效指的是完成在线课程的学习者接受的体现机构独特质量的教育。在线学习成效评价则是指依据在线学习目标，对学习者整个学习过程、学习效果作出价值判断的过程[8]。在线学习目标至少要取得与机构的其他传输模式，特别是传统面授教学相当的效果[9]。衡量在线教育时应该把学习成效作为优先考虑的测量手段，如果网络环境不能取得与传统面授相当的学习效果，其他诸如学习机会、师生满意度和成本效益等重要问题就没有意义。 针对在线学习成效，来自心理学、信息科学和教育技术领域的研究者基于各自的研究视角，分别提出了分析影响学习者接纳技术因素的理论分析模型，从而加深了人们对在线学习成功的理解。此外，很多研究者还以学习满意度、期末成绩、使用意向、批判性思维的发展等作为因变量，对在线学习成效及其影响因素进行了大量分析，但学习迁移很少进入研究者的视野。同时，不同研究中所考虑的在线学习成效影响因素也不尽相同，但从教学设计角度看，可以将这些因素归结为与在线学习过程紧密相关的学生、教师、课程、技术、环境和设计这六大维度[10][11][12][13][14]。 学生维度主要包括学生计算机使用技能、已有的网络课程学习经验、计算机态度、计算机焦虑、网络自我效能感、学习动机、学习风格、性别等因素，其中前几项可以归结为互联网自我效能感。课程维度主要包括课程灵活性、课程质量、课程传递方式、课程长度和课程设置等，主要分为课程灵活性和内容呈现方式两大方面。技术维度主要包括技术的可信赖度、品质及媒体丰富性、系统操作、响应时间等。教师维度主要包括教师的在线教学经验、教师对在线学习的态度和及时反馈等因素。设计维度主要涉及系统有用性和感知易用性，包括信息呈现方式、导航、结构等因素。环境维度主要包括生生互动、师生互动、多样化的评价方式和社会临场感等。 上述因素几乎涵盖了在线学习的各个方面，虽然有研究者也曾将上述因素置于一个统一的分析框架中进行分析，但却没有同时考虑这些变量之间的关系。本研究将上述因素整合到一个分析框架中，并利用结构方程模型进行验证，同时将这些因素之间的关系进行系统分析。其中学习者维度选择了互联网自我效能感，教师维度选择了教师的在线学习态度和及时反馈，课程维度变量包括课程灵活性和课程质量，技术维度因素包含技术质量和互联网质量，设计维度变量包含感知有用性和感知易用性，环境维度包含感知互动和多元化的评价方式。 (一)自我效能感 自我效能感是个体在执行某个任务前对成效和成功可能性进行的一项价值判断，它会对学习动机、学习任务选择、努力程度、学习毅力和学习结果归因等产生重要影响。自我效能感高的学习者在完成在线学习任务时会更自信，并有助于提升他们的在线学习成效[15][16]。在线学习很大程度上依赖计算机作为辅助工具，教师把教学材料发布到学习平台需要学习者通过网络参与在线学习。不少研究者分析了自我效能感对用户认知的影响后发现，自我效能感是预测在线学习过程成效的重要因素[17][18][19]。研究发现，具有更高自我效能感的学习者更倾向于采纳基于网络的学习形式，其网络学习质量也显著高于其他学习者[20][21]。因此，本研究假设： H1a：学习者的互联网自我效能感会显著影响学习满意度。 H1b：学习者的互联网自我效能感会显著影响学习迁移。 (二)教师的在线学习态度 同时，如果教师认可在线学习的价值，认可在线学习是一种重要的学习方式并积极参与在线互动，将会对学生的学习产生影响。同时，无论面授还是远程学习，学习者都需要得到针对他们工作和表现的、持续的、及时的反馈。在传统高等院校面授教学中，教师的及时回复就是衡量高等教育教学质量的7大标杆之一[22]，及时有效的反馈有助于满足学生需求，帮助他们高质量地开展在线学习[23]。如果学生在网络课程中遇到问题的时候，能够及时从教师那里获得反馈，有助于激发他们继续学习的动机。同时，由于远程学习过程中师生分离，如果教师能够及时处理在线学习活动，反馈学生的需求和问题，将有助于提升他们的学习满意度[24]。因而，本研究假设： H2a：教师的在线学习态度会显著影响学习满意度。 H2b：教师的在线学习态度会影响学习迁移。 H2c：多元评价方式会显著影响学习满意度。 H2d：多元评价方式会显著影响学习迁移。 (三)环境维度 研究发现，诸如多元评价方式和师生互动等环境变量会影响在线学习满意度[25]。在线教育中引入不同评价方法有助于师生间建立各自不同联系，并且让学习者意识到他们学习上的努力得到了有效评价[26]。因此，如果在线学习系统提供了诸如学习者自我评价、小组内评价、组间评价、形成性评价和总结性评价等不同评价方式的话，学习者会因为能获得来自不同评价渠道的反馈而有更好的学习满意度和反思机会。因此，本研究假设： H3a：多元评价方式会显著影响在线学习满意度。 H3b：多元评价方式会显著影响学习迁移。 远程学习中师生间的互动有助于增强师生间的了解，加强相互间的信任，营造更加温馨的在线学习环境；如果师生间缺乏明显互动，有可能挫伤学习者，并使他们难以把精力集中在课程材料的学习上。Arbaugh认为，学习者越是感觉自己与他人有更多互动，他们就会有更高的学习满意度[27]。在线学习环境的生生互动、学生—学习内容的互动有助于问题解决和学习进步。电子形式的互动有助于提升学习成效，许多研究都认同互动式教学设计是学习满意度和学业成功的基本要素[28]。因此，本研究假设： H3c：学生感知的师生互动会显著影响学习满意度。 H3d：学生感知的师生互动会显著影响学习迁移。 (四)设计维度的感知有用性和感知易用性 技术接纳模型主要利用感知易用性、感知有用性和态度这三个变量预测用户的信息系统采纳意向[29]。研究显示，该理论模型很适合预测在线学习满意度且具有较高解释效力。在线学习环境中的感知有用性是指个体对采纳该信息平台在改进或提高学习成效程度上的主观感知。感知易用性则是个体对使用在线学习平台开展网络学习容易程度的感知。根据技术接纳模型，如果学习者感觉在线学习平台有用、使用简单，他们对在线学习就会持更积极正面的态度，进而提升在线学习体验和学习满意度，增加日后持续参与在线学习的可能[30][31]。由于感知易用性和技术维度的系统技术质量存在交叉，因而本研究只分析感知有用性的影响并假设： H4a：感知有用性会显著影响在线学习满意度。 H4b：感知有用性会显著影响学习迁移。 (五)技术维度 多个研究者发现，技术质量和互联网质量会显著影响在线学习满意度[32][33]。在线学习需要借助技术平台实施，因而平台界面是否一致、系统使用是否方便稳定和系统的可维护性等都可能影响用户的体验。学习者一般愿意使用那些付出较少努力和存在较少障碍的平台，进而提升使用过程中的满意度。因此，信息系统质量和可靠性有助于提高整体的学习成效。 同时，由于课程借助视频公开课的形式展开，因而互联网质量对在线学习体验有重要影响，互联网质量是指学习者感知到的网络质量。实证研究显示，技术中介的远程教育中的技术质量和可靠性、网络传输速度都会影响学习成效[34][35]。因此本研究假设： H5a：系统质量会显著影响在线学习满意度。 H5b：系统质量会显著影响学习迁移。 H5c：互联网质量会显著影响在线学习满意度。 H5d：互联网质量会显著影响在线学习迁移。 (六)课程维度 由于网络课程在时空和方法上的灵活性，因而会提升学习者参与度和学习满意度。此外，物理障碍的消除有助于创建更具动态互动的建构主义学习环境和更多的协作学习机会。在线学习的虚拟性消除了传统面授课堂交流时可能出现的尴尬局面，学习者在表达自己意见时没有面对面时的顾虑。在线学习课程的灵活性有助于平衡学习者的工作、学习和娱乐时间安排，提升他们的在线学习效率和成效，因此，本研究假设： H6a：在线课程灵活性会显著影响在线学习满意度。 H6b：在线课程灵活性会显著影响学习迁移。
图1 在线学习成效理论分析模型 质量是另外一个影响在线学习过程中的学习成效和满意度的因素。课程质量是学习者考虑在线学习时的先决条件。在建构主义或者协作学习模式中，由信息系统所提供的互动式的传播和媒体呈现，有助于学习者发展高阶思维能力和建立概念知识。在线学习过程中的互动式讨论、头脑风暴以及课程学习材料的多媒体表征、学习过程管理，都有助于学习者建立有效的学习模式和激发他们持续参与在线学习的动机[36]。在线学习课程质量是影响在线学习成效的一个重要因素，因此，本研究假设： H6c：在线课程质量会显著影响学习满意度。 H6d：在线课程质量会显著影响学习迁移。 基于此，本研究提出图1所示的研究模型，作为本研究的理论基础，用于指导后续的研究。 三、研究设计 在远程教育领域，研究者常常利用学生的感知数据测量网络学习成效，研究也证实感知学习能够反映实际的网络学习效果，因而本研究利用调查问卷的形式，获取学生对在线学习过程中的网络学习成效的主观感知，并用它测量学习者的在线学习成效。 (一)量表开发和测试 本研究设计的调查问卷包含两部分：第一部分主要了解学生的性别、年龄、专业、是否拥有计算机、计算机使用经验、已选修过的网络课程数、每天在线时间等信息；第二部分主要用于了解本研究模型所对应的潜在变量。测量题项使用7点里克特量表进行测量，其选项值从“完全不同意”(1)到“完全同意”(7)。研究量表所涉及的绝大多数题项均来自现有文献，其中感知有用性题项改编自Davis，包含4个题项[37]。课程灵活性包括6个题项，感知的师生互动包含6个题项，感知有用性包含4个题项，技术质量包含4个题项、课程质量包含2个题项，互联网质量包含4个题项，学习满意度包含6个题项，多元评价方式包含一个题项，主要改编自Sun等人的研究[38]。学习迁移量表改编自John的课程功能量表，包含6个题项[39]。自我效能感量表改编自衷克定，包括6个题项[40]。教师对在线学习的态度量表包含2个题项，由研究者自行开发设计。 (二)资料收集 1.研究参与者 研究者利用讲授“现代教育技术”公共课的机会，向参与我校尔雅网络平台公选课学习的学生实施了问卷调查，共回收了278份有效问卷作为最终的数据分析来源。 这些学生中，30.3%是男生，69.7%的是女生。所有学生都有计算机使用经验，且计算机平均使用年限是6.33年(SD=3.03)，他们每天使用计算机的时间是5.24小时(SD=3.25)，平均网络使用年限为5.03年(0.96)，所有学生都至少选修过一门以上的网络课程。总体而言，学生具有较为丰富的计算机和互联网使用经验。 2.研究的自变量和因变数 本研究包括互联网自我效能感、课程灵活性、课程质量、感知有用性、技术质量、互联网质量、教师的在线学习态度、感知的师生互动和多元化评价方式这几个自变量，使用满意度和学习迁移这两个因变量。 各个题项的描述统计值如表1所示，从中可见，所有变量的平均值均超过4，取值范围从4.07～5.45，这说明学习者对本研究测量变量的整体反映较为正面，各个题项的标准偏差在1.24和1.68之间，显示学习者在不同题项间的感知存在一定差异。
(三)聚合效度分析 聚合效度常用测量题项效度、潜在变量的组合效度和平均变异数抽取量这3种方法进行分析。其中，题项效度以题项在预测变量所对应因子的因素载荷值大于0.5作为分析指标[41]。从表2-1、2-2可以看出，调查问卷中量表各题项的因素载荷值都超过了0.5，表明各个题项具有较高聚合效度。
从研究的角度看，组合效度至少应该在0.7以上，而平均变异数抽取量的数值至少应该为0.5[43]。从表2-1、2-2可以看出，10个潜在变量的组合效度都在0.8到0.89之间，平均变异数抽取量均高于0.50的标准值。综上所述，可以认为本研究量表具有较高信效度。 另外一个衡量信度的方法是Cronbach的α系数。如果α系数达到0.9为优，达到0.8为良好，0.7以上为可以接受，从表2-1、2-2可以看出，本研究变量内部题项间信度较高。
(四)区分效度分析 区分效度是指构面所代表的潜在变量与其他构面所代表的潜在变量间相关程度低或者差异显著[44]。它通过对潜在变量的平均变异数抽取量及其与其他变量间的相关系数获得。它包含题项和概念两个层面的区分度：在题项层面，当潜在变量内部题项间的相关系数显著高于其他潜在变量题项间的相关系数时，可以认为题项间的区分效度较高；当潜在变量与其内部题项间的变异量比它和其他变量间的变异量大的时候，则可以认为概念间的区分效度较高[45]。 表3是本研究中各变量间的相关系数矩阵，其中用潜在变量的平均变异数抽取量代替了对角线的数值1。判断变量间区别效度的标准就是，如果对角线位置对应的单元格数值比它所对应的行和列的数值更高的话，就可以认为不同变量间区分度较高[46]。从表3可以看出，本研究中各个变量间在概念层次上具有较好区别效度。综上所述，可以认为本研究提出的研究模型所对应的变量是合适的。 (五)结构方程模型分析 在验证结构方程模型的时候，研究者常常利用卡方判断整体模型的因果关系路径图与实际数据的匹配程度，但卡方值对受试样本大小很敏感，样本数愈大，卡方值越容易达到显著，会增加理论模型被拒绝的概率。因此，除了利用卡方值大于0.05作为模型适配良好的参数外，研究者一般还会选择诸如GFI、NFI、SRMR、CFI以及RMSEA等指数来测量模型适配度[47]。同时，AMOS提供的模型修改指数也可提高模型适配度。
根据最初分析，研究者对原有模型进行了修改。首先，在课程灵活性和技术质量之间，互联网自我效能感与感知的技术质量之间建立相关链接。因为一般而言，网络平台的技术质量越高，给学习者提供的选择就越多，学习者自我效能感越高，学习者越能发现平台功能的有用之处。第二，简约是模型修改中另一个需要考虑的因素，即希望模型能够使用尽可能少的一组变量来解释研究现象。在最初模型中，互联网质量对学习满意度和学习迁移均没有显著影响，因而将它剔除以提高模型的适配能力。表4是本研究所使用的结构方程模型适配度指数、可接受的适配度指数值以及本研究修改前后的适配度指数值，从中可以看出本研究的模型适配度指数良好。 (六)研究的假设验证 研究者利用结构方程模型方法，借助AMOS22对本文所提出的16个研究假设进行了验证，并对相关研究假设路径系数显著性水平和解释变异量(R[2])进行了测试，表5显示了标准化路径系数及其显著性水平。针对学习满意度，研究发现互联网自我效能感、教师的在线学习态度、课程灵活性、课程质量、感知有用性、技术质量分别与学习满意度在0.05、0.01和0.001的水平上显著相关。感知的师生互动(β=0.361，P=0.000)、感知有用性(β=0.336，P=0.000)、技术质量(β=0.309，P＜0.01)、互联网自我效能感(β=0.285，P＜0.01)、课程灵活性(β=0.228，P＜0.01)、教师的在线学习态度(β=0.211，P＜0.05)、课程质量(β=0.178，P＜0.05)和多元评价方式(β=0.144，P＜0.05)是预测学习满意度的显著变量，它们一起可以解释学习满意度总变异量的63.7%。 而感知的师生互动(β=0.360，P=0.000)、课程质量(β=0.260，P＜0.01)、课程灵活性(β=0.219，P=0.000)、教师的在线学习态度(β=0.239，p＜0.05)和感知有用性(β=0.241，P＜0.05)是影响学习迁移的显著预测变量，它们一并可以解释学习迁移总变异量的53.8%。 本研究从网络教育实施涉及的学习者、教师、技术、设计、课程和环境维度提出了网络学习成效的分析模型，数据分析结果对分析模型及相关假设变量间的关系提供了较好的支持，这为教师在组织网络教学的时候全方位考虑影响网络学习的因素提供了有益的启发。 (一)学习者维度 本研究发现互联网自我效能感与学习满意度显著相关，这和已有研究发现相一致[48]。虽然目前几乎所有高校都开设了计算机基础课程，以提高学生的信息素养和计算机操作技能，但大多数学习者和教师都没有借助技术中介的在线学习经验，因而提高学习者的计算机操作技能，有助于提升他们的互联网自我效能感。随着学习者计算机技能的提高，他们在学习过程中遇到的障碍会减少，他们在学习过程中的信心也会增强，进而把更多的时间和精力投入到与课程内容相关的学习和活动中，提高他们的在线学习成效。因此，教师可以在开设网络课程前进一步对学习者进行相关计算机知识和技能的培训，以便让学习者更好掌握与网络教学相关的计算机知识和技能。 (二)教师维度 针对教师的影响，本研究发现，教师的在线学习态度是影响学习满意度和学习迁移的关键因素。实际上，无论是传统的面授还是在线学习环境，教师都扮演了非常关键的角色。在线学习活动效果会受到教师对待学习活动态度的影响，如果教师对在线教育持负面态度或缺少在线教学的热情，他们很难激发学生的学习动机，很难让学生维持较高的学习满意度。实际上，并非所有教师都对网络教育感兴趣，因而并非所有教师都适合从事网络教学。因此，远程教育机构在选择教师的时候应该特别慎重，教师对利用计算机和网络技术开展教学和培训的态度会影响学生的态度和他们的绩效。如果教师消极看待远程教育，他们一般不会积极组织和引导在线讨论，也不会经常监控在线讨论并及时回复其他学习者提出的问题。
针对教师在学生学习迁移中的重要影响，建议教师在网络课程开始前要针对学生特点和课程特点，建立具体、明确且可实现的学习目标；鼓励学生通过互动式讨论进行知识分享和知识建构；设计不同的教学活动；提供反馈和指导；提供学习信息；指导学生从外部教育资源和领域专家那里获得帮助信息；注意启发学生对所学内容进行概括总结。教师应该有意识地教会学生学习的方式，帮助他们掌握概括化的策略和元认知策略；教师也可以通过反馈和归因控制等方式使学生形成关于学习和学校的积极态度，进而有利于他们的学习，并把学到的知识迁移到其他场所。 (三)课程维度 与之前的研究发现一致，本研究发现，网络课程灵活性是影响学习满意度的重要因素[49][50][51]。与传统面授教学方式相比，在线学习不受时间、地点和空间的限制，因而学生具有高度的灵活性和更多自主学习机会。从可操作的观点看，课程的灵活性有助于学生有效平衡不同课程的学习、生活和与娱乐相关的活动。因此高校在开设网络课程时，需要探索如何利用网络学习环境优势，尽可能灵活地适应学生的需要。 本研究还发现课程灵活性和课程质量对学习迁移有显著影响。课程质量包括整体的课程设计、教学材料的组织、互动式的讨论安排等。为了让学生有更高的学习满意度和取得更好的迁移效果，教师应该精心安排课程进度、讨论类型以及选择课程材料。辅之以帮助学生解决学习过程中可能会遇到的课程学习和技术困难的设计良好的传输过程，有助于降低在线学习过程中的学习者焦虑和挫折感，进而给学习者带来更好的学习体验。同时，高质量的网络课程资源有助于学生掌握学科基本知识，同时，通过在网络学习平台为学习者提供平台的技术使用指南帮助页面或课程学习目的、学习态度和学习内容及学习方法的指导，也有助于学习者将课程知识、技能和态度迁移到其他课程和项目的学习中。 (四)技术维度 本研究发现，技术维度的因素虽没有对学习迁移有显著影响，但却对在线学习满意度有显著影响，这和其他研究者的发现是一致的[52][53]。同时，目前网络技术的发展日新月异，在线学习环境中使用的技术已经相当成熟，很多网络学习平台的软硬件配置都比较高级，但学生主要通过浏览视频学习课程内容，对网络带宽要求较高，当同时浏览课程的并发数较多的时候，就会出现响应时间变慢、视频播放不连续的问题，加之学校校园网不够稳定，时常出现网络掉线等技术故障，这些都会在一定程度上挫伤学生的积极性和参与在线课程学习的热情。技术依然是在线学习环境中影响网络学习效果的一个重要因素。 (五)设计维度 感知有用性已经广泛应用于市场营销和信息技术领域新产品或系统的使用调查。本研究发现，感知有用性会显著影响学习满意度，这和其他研究者的发现相一致，即感知有用性在信息系统的使用情境中具有重要作用[54][55]。在线学习为高校学生提供了另外一种替代学习方式。在线学习平台为学习者提供了有用的内容，拓展了他们的视野，有助于他们为未来的职业生涯做好准备。因而，学习者越觉得在线学习平台有用，他们的在线学习满意程度就越高，他们越是可能将所学习的知识、技能和态度迁移到其他项目和课程的学习中。 (六)环境维度 在环境维度中，多元化评价方式对学习满意度有显著影响。当学习者的学习得到教师和他人的评价和认可，会进一步激发他们的学习热情和动机，学习者也可以通过评价反馈发现自己学习过程中存在的不足，了解自己的进步和努力方向，进而提升他们的学习满意度。因此，在网络教学实践中，教师应该尝试提供多种评价组合，以便让学习者有更好的学习体验。 同时，研究还发现，感知的师生交互对学习迁移有显著的影响。研究已经证实，师生间的互动不仅有助于提升学习满意度和感知学习效果，它还有助于降低学习过程中可能出现的学习者孤独现象。师生互动有助于学习者获得新的观点，通过分享个人经验发展高阶思维能力，以及进行知识的社会协商和意义建构也有助于他们更好地理解和掌握所学的知识，并将它们应用到新的学习情境中，从而促进学习的迁移。 五、结论和展望 在线学习作为传统面授教学的补充，它满足了那些不能通过传统方式进行学习的学习者的需求，特别是那些全职上班的非传统学习者。由于在线学习的开展需要借助互联网，因而学习环境相对传统面授学习更为复杂。学生对技术中介的在线学习的满意度会决定他们是否继续进行在线学习。本研究在已有研究的基础上，分析了影响学习满意度和学习迁移的关键因素。数据分析结果显示，互联网自我效能感、课程灵活性、课程质量、技术质量、感知的师生交互、感知有用性、教师的在线学习态度是影响网络学习成效的关键要素。不出所料，课程质量不仅影响学习满意度，而且对学习迁移有重要影响，因此，课程内容应该精心设计，显示应该相对松散。技术设计在感知有用性和课程易用性上扮演了重要的作用，并对学习满意度产生重要影响。 同时，研究显示，网络课程采用形成性评价方法作为评价标准是合适的，因此课程设计必须和评价协调一致，以取得更好的学习成效。教师应该考虑设计能够有效地从不同角度准确评价学习成效的评估方案。此外，除了考虑教师对学生成绩的评价外，教师也可以将学生的自我评价或者同伴评价整合到课程的评价方案之中，以便学生相互间监督，同时有效降低教师的工作量。此外，教师也可以考虑将质性评价方案和定量评价相结合，优势互补。 当然，本研究也存在一定局限。首先，研究对学习者学习过程中的心理变化特征和持续参与关注较少。其次，研究只是对学习者自我汇报的学习情况进行分析，而实际上学习者的主观学习感知和实际学习成效之间并不完全吻合。这些都可以在后续研究中进一步加以分析。
标签：课程评价论文; 相关性分析论文; 教学理论论文; 互动教学论文; 教学评价论文; 教师评价论文; 空间维度论文; 课程论文; 网络课程论文;
