随着教育变革的推进和大数据时代的到来,多种多样的新教育方式逐渐兴起。教育改革新措施的重要代表“大规模开放在线课程”(Massive Open Online Course,MOOC,又称“慕课”)正推动着世界高等教育的变革。相比于传统课程的地域、文化、经济方面的局限,新教育模式强调知识突破地域、文化、经济等因素的限制,它的发展源于开放教育资源(Open Educational Resource,OER)的基本理念,旨在实现全人类的免费共享。
大数据是指在互联网上发生的、蕴含有丰富的、可被发掘的具有社会价值、商业价值或科研价值的大数据。[1]大数据在教育领域的应用具有透视微观情况、误差小、能采集过程性数据的特性。在教育中,运用大数据可为学生提供个性化服务。通过大数据分析可发现常规研究中忽视的重要信息,革新教师的教学模式、改善学生的学习效果、优化教育政策的制定;为教师了解学生学习途径和方法提供可量化的新手段。目前,网络在线教育和大规模开放式网络课程就是大数据在教育中的典型应用。[2]
以慕课为代表的新教育模式不仅具有大范围参与、完全免费和开放的特点,还融入了多种创新性课程教学方式:一是从在线报名到课程结业具有一系列较完整的教学环节与流程,包含互动和测试的教学微视频;二是以机器打分、同伴互评为主、提问教师为辅的学习效果评估方式;三是采集和分析“学习过程中的大数据”以改进教学的策略。这些教学元素与名校名师相结合,能吸引更多用户体验慕课、微课堂、翻转课堂等在线学习,大大增强了新教育模式推广使用的可行性。[3]
考虑到当前广东省内尚无关于学生参与课程为代表的新教育模式的研究,本文以学生对大规模在线课程的认知和需求为导向,从商业模式的角度解析新教育模式的学生参与度,通过全新的角度更全面地理解广东省高校网络在线课程学习的改革与实践,从而结合广东高校的实际,借鉴新教育学习平台的成功经验。
二、大数据下新旧教育模式对比分析目前有慕课、微课程、翻转课堂、数字化学习、智慧教育这五种主流的新教育模式。文章选取前三种,基于魏朱商业六要素模式,进行企业价值分析,并对比新教育模式与传统的课堂教学模式之间交易结构的异同。[4]
(一) 慕课、微课程、翻转课堂的企业价值分析
慕课是“大规模开放的在线课程”的简称,是由参与者发布的、尊崇创用共享原则的、散布于互联网上的开放课程。就企业价值而言,慕课以其规模大、开放性强的特点迅速发展;[5]通过对大数据的分析应用,实现个性化教育,还可以让网络化的社会教育和终身教育无处不在。[6]
微课程是使用多媒体技术就知识点进行一段五分钟左右时间的音频或者视频讲解,是用教学视频浓缩知识精华的微型课。在企业价值方面,随着信息终端发展的智能化、小型化、大众化、移动化,学习进入微时代。微课程让学习者随时随地地借助移动设备进行学习。[7]
翻转课堂是将传统的课内学习与课外学习进行颠倒,将学习的决定权从教师转给学生。学生在课前通过相关设备对知识点进行自主学习,而课堂变成了老师学生之间以及学生与学生之间互动的场所,师生在课堂上的答疑解惑和知识运用环节作为网络学习的补充,从而达到更好的教育效果。[8]其企业价值在于培养学生自主学习、带着问题学习的习惯,培养更加适应现代化发展的人才。
(二) 新教育模式与传统教育模式的特征对比分析
传统的课堂教学一般指教师通过口授、板书等形式授课,学生耳听、笔记,共同完成特定的教学内容的一种课堂教学形式。
以下将从教育的提供者和使用者两方面,对比分析新教育模式和传统教育模式在交易成本、交易价值和交易风险这些交易特征上的差异。[9]
1. 新教育模式的交易特征
在交易成本方面,慕课、微课程、翻转课堂学习平台的成本,主要集中在平台的建设费用和管理费用。对于学习者,其成本主要是搜寻适合自己学习的课程所耗费的时间、认证课程的费用。目前三大慕课平台之一的Udacity是一个在线盈利性慕课平台,课程学习是免费的,但其有收费的认证考试,工作的介绍费等盈利业务。在交易价值方面,新教育模式依托网络平台,提供资源丰富的学习资源,吸引大量学习者注册,并从收费业务中赚取利润。[10]网络学习使每一位学习者能平等接受教育,依据自己的实际情况随时随地进行学习。在交易风险方面,新教育模式目前处于发展阶段,投入较多,未来是否能取得较好的盈利情况有一定的风险。[11]参加新教育模式的学习者需要较大的自觉性;再者,通过新教育模式进行学习获得的认证书能否被社会大部分人认可尚不明确。
2. 传统的课堂教学模式交易特征
就其交易成本而言,高校的成本主要为学校建筑、教学设备、人员工资;而学生的成本在于寻找适合自己的学校、缴纳相应的学费和书本费用等。在交易价值方面,课堂教学模式对教学环境或教学设备的要求比较低,教学效率比较高,在课堂教学环境中教师与学生之间的交流对学生成长所起的作用很大,学位在社会上得到普遍的认可;学校课程的选择对学生的成长具有一定的合理性。而其交易风险在于,老师由学校安排,不一定适合学生;教学方法以老师传授为主,学生缺乏想象能力和创新精神;应试教育的培养方式,易忽略学生其他方面能力的培养,压抑学生的学习主动性。
三、模型的构建及假设的提出本研究以广州高校的学生为调查对象收集问卷实证数据,通过实地与网上问卷进行预调研,结合实际情况修改和调整原问卷,最终确定正式问卷的题项。根据广州高校的分布情况,本文收集了广东工业大学、广州美术学院、中山大学、华南师范大学、广东中医药大学、华南农业大学、广州体育学院等约50所广州高校的在校学生问卷,基本上覆盖了从专科到普通高校,再到“985”“211”工程院校,同时这些高校的受教育群体有大致相同的网络环境,有相同的接受网络教育的可能性;最终,回收了1140份来自不同高校的问卷,其中有效问卷891份,有效率86.05%。
(一) 结构方程模型的构建
借鉴已有的理论研究成果和经验,结合问卷调查结果的新教育商业模式参与度决定因素的分析,本文构建了基于大数据下新教育商业模式参与度决定因素模型(见图1)。
![]() |
图 1 新教育模式参与度影响因素结构图 |
(二) 假设的提出
交易成本包括搜寻成本、设备成本、认证费用等,用户在新教育模式的学习中花费的成本越大,他们参与到其中的欲望越小,故本文提出如下假设:
H1:交易成本与大数据下新教育模式参与度之间存在负相关关系。
新教育模式的交易价值包括不受时空限制的学习、得到高水平的老师授课、学分学位认证等,价值越大,新教育模式受用户的欢迎程度就越大。因此,本文假设:
H2:交易价值与大数据下新教育模式参与度之间存在正相关关系。
交易风险包括泄露个人隐私、部分高校不承认其学分、用户在新模式的学习中不够自觉,浪费宝贵的学习时间等。交易风险越大,用户参与新教育模式的动力就越小。为此,本文假设:
H3:交易风险与大数据下新教育模式参与度之间存在负相关关系。
付出的成本越高,就代表用户认为其交易价值高,愿意付出高成本去学习。本文据此,提出假设:
H4:以学生为主体,交易成本与交易价值之间存在正相关关系。
不论成本高低,由于学校对学分认证态度不一、用户个人的学习习惯不同会导致交易风险大小不同,故成本和风险之间难以确定是正向还是反向影响。于是,本文假设:
H5:交易成本与交易风险之间可能存在负相关关系,也可能存在正相关关系。
“学分能否得到用户所在高校的认可、教学质量的优劣、学习能否自觉、用户是否专注学习”这些因素属于交易价值和交易风险的重合部分,即学分被高校认可、高教学质量、能够专注自觉地学习则交易价值大,而交易风险小。据此,本文假设:
H6:交易价值与交易风险之间存在负相关关系。
四、实证分析与检验(一) 变量信度分析
信度是指对观测数据的精确度与可靠度,用克伦巴赫α系数(Cronbach’s α)表示,若α系数大于0.6,认为信度可以接受,超出这个限定,将对该组指标和变量进行删除或修改。结果表明,交易成本、交易价值、交易风险、参与度的系数分别为0.631、0.854、0.697、0.671,均通过验证,这说明各变量具有较高的精确度,且具有较好的内部一致性,数据信度通过验证。
(二) 变量效度分析
效度是指研究得到的测量值和真实值的接近程度,用KMO值表示。其中,其因素负荷量必须大于等于0.50,反之删除。本文使用STATA对指标进行主成分分析,并对指标做KMO检验,提取大于等于0.5的值来验证指标的归类。结果表明,交易成本、交易价值、交易风险、参与度的系数分别为0.640、0.868、0.721、0.500,均通过验证,表明此研究所得的测量值的效度比较高,测量的结果能比较贴近真实地反映出所要测量对象的特征。
(三) 结构方程模型分析
基于大数据下新教育模式参与度决定因素模型如图2所示。变量之间的单向箭头表示自变量对因变量的影响,双箭头表示变量之间的相关关系(见表1)。
利用STATA中的SEM命令得到如下路径系数,路径系数大于零为正相关,小于零为负相关,其绝对值越大,则影响越大。
![]() |
表 1 结构方程模型分析结果 |
![]() |
图 2 结构方程模型图
|
交易成本与交易风险、交易价值与交易成本、交易价值与交易风险之间的路径影响系数不通过显著性检验,即三者之间相关程度很小,可以忽略不计。修正后,得到新的理论模型如图3所示。
![]() |
图 3 修正后的结构方程模型图 |
由修正的路径系数可知,本文的3个假设得到了支持:假设H1成立,交易成本影响(β1= –1.40)大数据下新教育商业模式参与度,两者存在负相关关系;假设H2成立,交易价值影响(β2=0.65)大数据下新教育商业模式参与度,两者存在正相关关系;假设H3成立,交易风险影响(β3= –0.34)大数据下新教育商业模式参与度,两者存在负相关系。
(四) 结构方程模型的检验
修正后的模型符合基本的拟合标准后,还需测试其整体拟合度,通过利用软件STATA12.0进行计算,得到表2的指数。
![]() |
表 2 模型估计参数表 |
近似误差均方根是评价模型不拟合的绝对拟合指数,如果接近零表示拟合良好。一般认为,RMSEA<0.05,表示模型接近拟合;0.05≤RMSEA≤0.08,表示模型拟合合理。表2中RMSEA=0.079,落在模型拟合合理的区域内。标准均方根残差指数通过测量预测相关和实际观察相关的平均残差,衡量模型的拟合程度,模型中SRMR=0.082<0.1,模型拟合较好。
比较拟合指数(CFI)在对假设模型和独立模型比较时取得,其值在0—1之间,愈接近1表示拟合愈好。表2中,CFI=0.782,比较接近于1,表明模型拟合较为一般。Tucker-Lewis指数(TLI)是一种比较拟合指数,其值在0—1之间,愈接近1表示拟合愈好。表2中,TLI=0.754,比较接近于1,表明模型拟合合理。
可决系数(R2)可以作为综合度量回归模型对样本观测值拟合优度的度量指标。可决系数的取值范围为0—1。可决系数越大,自变量对因变量的解释程度越高,即在总变差中由模型作出了解释的部分占比越大,模型拟合优度越好。修正模型的可决系数超过98%,表明模型拟合优度很好。
五、结论和建议(一) 结论
在研究理论的基础上,本文构建的结构方程模型通过验证,得出以下结论。
假设H1成立,即交易成本与新教育模式的参与度之间存在显著的负相关关系,被调查学生普遍认为目前注册费用、设备费用和学分认证等收费过高,从而导致学生注册率不高,参与度较低,超过60%的被调查者只是偶尔几次在网络平台参与学习。
假设H2成立,即交易价值与基于大数据下新教育模式的参与度之间存在明显的正相关关系。无论从性别、学习阶段还是学习专业来看,都有超过1/2的受访者认同新教育商业模式中的课程选择范围广泛、课程齐全多样、网络互动针对性学习效果好,这是选择参与新教育商业模式的主要目的和收益。
假设H3成立,即交易风险与参与度存在负相关关系。但交易风险对参与度没有明显的影响。造成结果不显著但二者仍存在负相关的原因有二:一方面,学生对未来的风险评估较为乐观,几乎超过一半的调查者对新教育商业模式存在泄露个人风险持有无所谓的态度;另一方面,本调查问卷对交易风险的定义没有具体的量化指标,而每个人对风险的偏好不一,从而造成调查结果的主观性比较强,所以据路径系数显示,交易风险对参与度存在负方向影响,但不显著。
(二) 提高新教育模式参与度的建议
提高学生参与新教育模式的积极性,关键在于从学生的需求角度出发,降低学生参与新教育模式的交易成本,尽量减少和控制其交易风险,提高学生参与新教育模式的价值。为此,提出四点措施和建议。
1. 课程提供者应当完善新教育模式的课程体系建设
课程提供者应当重视,开放教育资源还需要与网络技术紧密结合,以学生的个别化学习为主要特征,设置课前课程预备知识测试环节,让学生在正式学习该门课程前充分掌握学习这门课所需要的基础知识,从而让学习者更容易掌握课程内容。
2. 政府应加大宣传和支持力度,降低交易成本
目前,广东省成立了大数据管理平台,且广东部分高校作为“网络课程学分计入本科毕业所需学分”的试点学校,[12]这是在高校中推广新教育模式的好时机。建议政府在试点学校中加大对新教育模式的支持力度,例如给试点学校购置相关设备,购买所需学习资源,降低学生进行网络课程学习所需成本。同时,建议在新教育模式的试点学校中做好该模式的教育评估工作,及时总结和调整该模式在运行中的经验和不足,使高校学生更大程度地参与到新教育模式学习中去,营造“人人学习,方便学习,我爱学习”新教育模式学习氛围。
3. 出台政策,降低交易风险
通过出台政策,保障用户安全地参与新教育模式学习。教育模式的创新还处于一种散兵游勇状态,无论是网络学习平台建设还是各高等院校的学分认证,都无统一的操作规范,导致新教育模式的参与度难以在高校中提升。有关调查数据显示,将近60%的同学认为网络学习暴露个人资料、暴露个人学习习惯是影响他们参与到新教育模式的因素之一。因此,建议政府出台政策,规范大数据时代的新教育网络学习平台建设和各高校对网络学习学分认证的制度。
4. 高校可培养大学生参与网络课程学习的兴趣
通过开设新教育模式选修课程,鼓励高校间通过协同创新和集成创新的方式满足不同教学需要、不同学习需求的在线开放课程。如果全面铺开有很大的操作难度,建议以选修课程的方式推广新教育模式。同时,调查发现,有四成的被调查者对自己的网络学习专注度表示担忧。学习者对信息进行的搜索、筛选、加工、利用的能力和素养可能还达不到网络学习的要求,而且虚拟的网络学习环境造成的远离教师和课堂,学习者心理上易产生孤独感和无助感。先从选修课程上开设网络学习课程的认证存在可操作性和合理性:学生既不用担心网络学习的专注度耽误专业课程的掌握程度,也有利于提高学生的参与度。
[1] | 陈坚林. 大数据时代的慕课与外语教学研究——挑战与机遇[J]. 外语电化教学, 2015(1): 3-8. |
[2] | BERNHARD W, BITTEL N, VAN DER VLIES S, et al. The MOOCs Business Model[J]. Procediaand Behavioral Sciences, 2013, 106: 2931-2937. DOI: 10.1016/j.sbspro.2013.12.339. |
[3] | 林桂平, 魏炜, 朱武祥. 基于交易结构的商业模式构成要素分析[J]. 商业时代, 2014(28): 89-93. DOI: 10.3969/j.issn.1002-5863.2014.28.036. |
[4] | BURD E L, SMITH S P, REISMAN S. Exploring Business Models for MOOCS in Higher Education[J]. Innovative Higher Education, 2015, 40(1): 37-49. DOI: 10.1007/s10755-014-9297-0. |
[5] | 张涨. " 大数据管理局”让大数据共用共享[N]. 广州日报, 2015-05-29F(02). |
[6] | 老松杨, 江小平, 老明瑞. 后IT时代MOOC对高等教育的影响[J]. 高等教育研究学报, 2013, 36(3): 6-8. |
[7] | 梁乐明, 梁锦明. 从资源建设到应用: 微课程的现状与趋势[J]. 中国电化教育, 2013(08): 71-76. DOI: 10.3969/j.issn.1006-9860.2013.08.014. |
[8] | 冯玲娟, 王海燕. 从生态学视角解读翻转课堂教学[J]. 中国远程教育, 2015(12): 27-31+48. DOI: 10.3969/j.issn.1009-458X.2015.12.005. |
[9] | 魏炜. 商业模式的经济解释[M]. 北京: 机械工业出版社, 2012. |
[10] | 教育部. 2013 MOOC白皮书[EB/OL]. [2014-01-06]. http:// www.edu.cn/html/rd/MOOC/ |
[11] | 王友富. 从" 3号文件”看我国在线开放课程发展趋势[J]. 中国大学教学, 2015(07): 56-59. DOI: 10.3969/j.issn.1005-0450.2015.07.011. |
[12] | 教育部. 教育部关于加强高等学校在线开放课程建设应用与管理的意见[J]. 中华人民共和国国务院公报, 2015(18): 48-50. |