面向混合学习环境的大学生深度学习量表编制

发布时间：2020-12-26 08:29

　　混合学习环境下的深度学习是当前教育技术领域的重要研究课题之一,大量的研究工作已经展开。不过,从选题来看,更多研究集中在"深度学习的概念、特征、机制、模型及其支持技术"等范畴,对"深度学习质量测量"的研究还相对较少,尤其是专门针对"混合学习环境下深度学习量表"的研究则更少。工欲善其事,必先利其器,缺乏量表势必会影响研究的质量。为此,文章按照科学的量表编制程序,专门开发了面向混合学习环境的大学生深度学习量表。该量表共计包括36个测量项目,涉及深度学习动机、深度学习投入、深度学习策略和深度学习结果等四个维度。复测数据结果显示,量表的Cronbach’s alpha系数为0.971,CFA拟合指标良好,表明该量表是一份质量较高的测量量表。 

【文章来源】：电化教育研究. 2018年12期 北大核心CSSCI

【文章页数】：8 页

【部分图文】：

量表编制程序四、量表初稿的编制（一）理论基础本研究以学生21世纪学习技能[8]

2018年第12期（总第308期）2520151050135791113151719212325272931333537394143特成分数征值去。至于是否删去，还需视抽取的因子是否有其合理性而定。判定因子的合理性通常从两个方面考虑：一是公共因子至少要包含三个（含）以上的题项；二是题项变量间具有相似的潜在特质，且因子可以命名。图2因子的碎石图因子载荷矩阵是因子分析的核心内容，矩阵中的数值是各题项在共同因子上的因子负荷量，数值愈大表明题项变量与公共因子的相关性就愈大。为了便于分析，本文采用最大方差法进行正交旋转，旋转在第8次迭代后收敛。从分析结果来看，共同因子1、4、5与笔者前面构建的混合学习环境下深度学习评价维度及题项相符合，但“DL-4-1”与学习投入、“DL-2-1”与学习动机的关系不大；“DL-2-6”、“DL-3-4”和“DL-3-9”在多个因子上的负荷相接近，差值在0.1之内；共同因子6仅包含“DL-2-10”和“DL-2-2”两个题项，故全部删除。共同因子2和共同因子3将深度学习策略的构想拆成了两个部分，与之前的分析存在一定的出入。为此，对保留的题目进行第二次探索性因素分析，以确定能否将共同因子2和共同因子3进行合并。第二次探索性因素分析依然选择主成分分析法来抽取因子，限定因子的数量为4。从分析结果来看，因子2、3、4分别对应深度学习结果、深度学习投入和深度学习动机三个维度，因子1都是关于深度学习策略的题项，且每个题具有较高的因子负荷量，所以可以将第一次探索性因素分析提取的共同因子2和共同因子3进行合并，并删除前述的第5和第6个因子。六、信度和效度检测通过“量表预试及测量项目?

【参考文献】：
期刊论文
[1]技术在未来高等教育中的应用图景——基于《地平线报告2017(高等教育版)》的分析[J]. 孙立会,葛兴蕾,陈张兼.  电化教育研究. 2017(12)
[2]基于SOLO分类评价理论的质性评价方式教学研究——以“教学系统设计”课程教学为例[J]. 聂佳琦,范文翔.  数字教育. 2017(01)
[3]促进研究生深度学习的翻转课堂设计与实施[J]. 陈明选,张康莉.  现代远程教育研究. 2016(05)
[4]大学生自主学习动机量表的编制[J]. 龚文进,李丽昭,黎晓琪.  心理技术与应用. 2015(11)
[5]深度学习的目标与评价体系构建[J]. 张浩,吴秀娟,王静.  中国电化教育. 2014(07)
[6]国际比较视野中的高等教育测量——NSSE-China工具的开发:文化适应与信度、效度报告[J]. 罗燕,海蒂·罗斯,岑逾豪.  复旦教育论坛. 2009(05)
[7]中文版学习投入量表的信效度研究[J]. 方来坛,时勘,张风华.  中国临床心理学杂志. 2008(06)

硕士论文
[1]大学生网络学习参与度量表编制研究[D]. 李冉.沈阳师范大学 2016



本文编号：2939372