用微信扫码二维码

分享至好友和朋友圈

　　精选学术内容，让阅读更有价值

　　【刊载信息】朱彩凤 ,柴唤友, 周雪, 孙晓军.2019. 混合学习环境中主动性人格和人际交互与学习绩效的关系研究[J].中国远程教育（8）：68-78.

　　【摘要】 交互作为学生在学习过程中内化知识的一个重要途径，能够在一定程度上反映学生主动性人格的高低。本研究分析了某高校一门混合课程中学生在线交互和面对面交互数据，采用假设论证、社会网络分析、问卷调查和结构方程模型等分析方法，探讨了混合学习过程中主动性人格和人际交互与学习绩效的关系。研究结果表明：主动性人格能够正向预测在线交互和面对面交互，同时在线交互能够正向预测面对面交互；面对面交互能够正向预测混合学习绩效，在线交互对混合学习绩效没有预测作用；面对面交互在主动性人格和混合学习绩效中起完全中介作用；在线交互和面对面交互在主动性人格与混合学习绩效间具有链式中介效应。研究结果揭示了在混合学习环境下，高主动性人格的学生更倾向于和其他人进行交互，且学习绩效显著高于低主动性人格的学生；在线交互行为能够有效促进学生的面对面交互。对学生交互行为与人格的研究可以帮助教师深入了解学生的心理与行为机制，有助于实现因材施教。

　　【关键词】主动性人格；在线交互；面对面交互；社会网络分析；结构方程模型；混合学习；学习绩效

　　摘要

　　一、

　　前言

　　混合学习在MOOC后时代影响力迅速提高（吴南中, 2016），各个高校顺应时代发展，纷纷建设在线教学平台，为混合学习提供了大量优质资源和交流空间（王佳利, 等, 2016）。随着混合学习模式的广泛应用，高等教育领域对其学习绩效的研究也逐渐展开。已有研究发现，混合学习相比纯粹的在线学习和面对面学习，会使学生的学习积极性更高，学习效果更好（陈纯槿, 等, 2013）。

　　人际交互作为混合学习环境下学习绩效的重要影响因素，已受到相关研究者的特别关注。人际交互是教学交互模型中信息交互层面的关键组成部分（陈丽, 2004），主要表现在学习者之间以及学习者与教师之间通过各种符号进行有关学习的信息交换，主要包括言语交流和非言语交流。在学习过程中的师生交互和生生交互可以理解为学习层面上的人际交互，它不仅包括教师和学生在学习中相互作用的过程，还包括在学习过程中师生之间通过信息交流所形成的对知识的理解和人际关系的信任（邵伏先, 1988）。

　　已有研究发现，人际交互对混合学习环境下的学习绩效具有重要影响。例如，廖宏建（2017）等人从以学习者为中心的各个行为维度探究混合学习环境下学习绩效的影响因素，结果表明学习活动中的一级指标“交互度”对学习绩效具有显著的正向影响；徐恩芹（2016）基于交互理论，验证了师生交互整体及各维度对网络学习绩效有显著积极影响，但网络学习的整体绩效受师生交互不同维度的影响程度存在差异；付道明（2013）在探究学习满意度的影响因素时发现人际交互的满意度与学习绩效之间存在正相关。

　　与此同时，也有研究发现混合学习环境下的人际交互在很大程度上受个人变量、交互策略和教学策略的影响。例如，年级、网络学习频率等个人变量会正向影响师生交互（郝建春, 2005）；主题发起、恰当地使用交互工具、合理的互动评价等交互策略是正向影响学习者交互的关键因素；教师的支持、及时鼓励和主导地位可以正向影响学习者之间的交互（秦健, 2011）。

　　回顾以往的文献，不难发现以下四方面的不足：其一，在探究人际交互的影响因素时，研究者通常只关注了个体人口学变量、交互策略等外在因素，而很少有人关注学习者的人格特质这一重要的心理学变量；其二，在混合学习环境下，只是分别从在线交互行为或者面对面交互程度来探究其对学习绩效的影响，没有同时深入探究在线交互和面对面交互对学习绩效的共同影响及二者之间的相互作用；其三，先前研究往往只单独考察混合学习环境下人际交互的影响因素或后效，很少有研究将人际交互的前因后效结合起来考虑一个综合模型；其四，以往研究数据的采集与分析多为问卷调查、内容分析和社会网络分析等单一的方法，并且对于最终的研究结果只是简单地进行描述性分析，缺乏深刻的理论讨论。

　　因此，本研究拟以主动性人格为例，考察混合学习环境下人际交互与主动性人格、学习绩效之间的关系，并在此基础上构建混合学习环境下学习绩效的影响因素模型，见图1。

　　图1 混合学习绩效影响因素模型图

　　二、

　　理论基础与研究假设

　　（一）主动性人格

　　20世纪90年代，Crant和Bateman（2000）提出了主动性人格的概念。主动性人格被定义为个体不受情境阻力的制约，通过采取主动行为探寻新的途径以影响外部环境的一种稳定倾向。Seibert（Seibert, Kraimer, & Liden, 2001）认为高主动性人格的个体主动采取行动创造环境，他们在挑战面前往往会积极应对，当身处不满意的工作环境时会主动进行改变；低主动性人格的个体被动地对环境做出反应，不主动创造环境，他们更倾向于保持现状。另外，主动性人格是一种独立的人格理论，是一种稳定的主动行为倾向，它可能将大五人格某个方面的内涵进行扩大和深入。Crant & Bateman（2000）在进一步探讨主动性人格与大五人格因素的关系时提出，主动性人格与尽责性、外向性呈正相关，而与情绪稳定性、宜人性、开放性无关。

　　根据特质激活理论的基本观点，个体对情境的知觉会调节其个体特征对行为的影响效果（Tett & Burnett, 2003）。也就是说，只有当环境中出现与个人特质相关的线索时，个人才会通过行为展现出自身具备的特质，从而影响个体最终的行为结果。陈妮（2012）提出混合学习具有开放有序、以绩效为导向的特点。本研究中混合学习是在线学习和面对面学习的结合，包含了各种形式的学术活动，具有时间、空间和学习模式的灵活性。因此，混合学习所呈现的学习情景有助于将个体的主动性人格激发为主动的行为，进而充分发挥学生的主动性。

　　已有研究表明，主动性人格与工作绩效显著正相关。主动性人格越强的人，自我效能感越强，学习动机越强，学习效果越好（Bakker, Tims, & Derks, 2012）。也有研究表明主动性人格正向影响员工的工作投入和绩效（Bakker, et al., 2012; Ho, Hsieh, & Hung, 2014）。同时，有研究发现自我效能感在主动性人格和学习绩效之间具有中介作用（王伟, 等, 2016）。此外，有研究还发现主动性行为可以正向预测新生的平均绩点和学术活动的参与度和交互程度（Wang, Cullen, & Yao, 2013）。那么探究这种显著关联是否也适用于混合学习的环境具有重要意义，以上是选取主动性人格加入影响模型的重要原因。

　　（二）主动性人格与人际交互

　　高主动性人格的个体对自己有一个积极角色定位的倾向，具有较高的问题解决能力以及较好的人际胜任力。当处于被动消极的情境时，他们会积极采取措施来改变和影响他们所处的环境，主动识别机会，尽自己所能协助上级提高绩效，从而获得较高的影响力（Campbel, 2000）。Gong等发现，在工作过程中高主动性人格的个体在团队中会更倾向于组织引导，主动与其他人进行信息交换、沟通交流等（Gong, Cheung, & Wang, 2012）。那么，主动性人格是否会像影响员工的人际交互行为一样影响混合学习环境下学习者的人际交互能力呢？

　　交互是任何一种学习环境的基本要素，学习环境下的交互环节是获取知识、加深认知和发展技能的重要过程。在混合学习环境下，人际交互模式更为复杂，需要学习者投入一定的精力和时间，也需要学习者更加主动地去和其他人进行交流学习。因此，探究混合学习环境下高主动性人格的学习者相比于其他学习者来说，在课堂或者线上平台是否会更加活跃？是否会和老师或者同学们有更多的人际交互？因此，探究这些问题对于个性化教学具有重要意义。

　　以往对人际交互的研究多采用理论探讨、描述性研究或问卷调查的方法，实证研究相对较少。因此，从实证角度考察主动性人格和人际交互之间的关系是本文的研究点之一。

　　（三）人际交互和混合学习绩效

　　良好的混合学习环境能够将面对面和在线的学习交互内容联系在一起，使学习者能够进行无障碍的学习交互，有效提高学习绩效。联通主义学习理论认为学习是以教学交互为中心的，尤其是学习者之间以及学习者与教师和内容之间的交互至关重要（王志军, 2016）。学习者需要通过在各种学习平台和环境进行交互来支持学习的开展，由浅入深、螺旋式地进行知识创新和优化。段金菊（段金菊, 等, 2016）在探究不同绩效学习者的交互行为时，发现高绩效学习者的学习行为存在更加复杂的知识交互和人际交流，研究表明高绩效的学习者在协作学习中不仅仅是浏览和分享观点，他们更倾向于交流、贡献和创造知识。综上所述，在混合学习环境下探究学习者之间以及学习者与教师之间的人际交互与学习绩效之间的关系具有重要意义，因此从实证角度考察人际交互和混合学习绩效之间的关系是本文的研究点之二。

　　（四）研究目的和假设

　　本研究主要探究以下几方面的问题：在混合学习环境下，主动性人格是否能够正向预测人际交互水平；人际交互的水平是否能够正向预测混合学习绩效；主动性人格如何影响学生的混合学习绩效；在面对面学习和在线学习两种学习模式下学生的两种学习交互形式如何衔接且相互促进。

　　主动性人格是影响主动行为的稳定的个体差异变量，可以正向预测所有的主动行为（Crant, et al., 2000），拥有主动性人格的个体能够更加主动地在团队中与其他成员沟通交流，积极表达自己的观点（Parker & Collins, 2010）。主动性人格反映了个体稳定地对环境改变做出积极反应的倾向，是当前研究个体行为的重要心理学变量（逄键涛, 等, 2016）。已有研究表明，在团队和组织工作中具有主动性人格的个体往往更加积极地搜集资料信息，并且不断内化形成自己的见解，在与其他人的互动交流中更乐意表达自己的观点，更倾向于知识分享，从而在人际交互中处于主动的状态（袁庆宏, 等, 2010）。那么，在混合学习环境中，主动性人格的个体在面对面和在线的交流中也可能会更加乐意与其他人进行交互。因此，做出假设1。

　　H1：主动性人格正向预测混合学习过程中的人际交互。

　　以往研究表明，个体的主动性人格与学习绩效显著正相关。Krapez等认为主动性人格对团队成员的创新水平有显著正向影响（Krapez, Cerne, & Skerlava, 2014）；在特定的情境下，员工的主动性人格对于员工的任务绩效和收入有显著正向影响（Campbel, 2000）。主动性人格对于员工的绩效表现具有正向的预测作用，那么主动性人格是否同样会对学生的学习绩效起到正向预测作用？已有研究表明主动性人格对学习者的网络学习投入有显著的正向影响作用（高洁, 等, 2015），学习投入是学习者学业成就的一个预测指标（Schaufeli, Martinez, & Pinto, 2002），由此可以推测主动性人格可能会对学习绩效有影响，因此得出假设2。

　　H2：主动性人格正向预测混合学习的学习绩效。

　　深度学习理论指出，获取新知识或掌握新技能必须经过多层级的学习过程和深入的分析与加工，学生才能够接受新的知识和技能进而应用他们。有学者提出（刘军, 2004），在线学习是浅层次的学习，而混合学习是由浅层次学习向深度学习的过渡。因此，学习者通过浅层次的在线学习交互之后，可能会进行更多的面对面学习交互，并且交互水平可能会更高，因此提出假设3。

　　H3：混合学习环境下在线交互会正向预测面对面交互。

　　已有研究表明，师生交互整体及其各维度都与网络学习绩效的整体显著正相关（徐恩芹, 2016），在线学习过程中的人际交互与学习参与高度相关（Anderson & Gerbing, 1988）。也有研究表明，混合学习相比网络学习具有更多的灵活性和多样性（王伟, 等, 2016），混合学习环境下的人际交互也会更加深入。混合学习环境下的人际交互与学习绩效可能显著正相关。因此提出假设4。

　　H4：混合学习中人际交互能够正向预测混合学习绩效。

　　三、

　　研究过程与方法

　　本研究旨在将混合学习环境下的人际交互看作一个完整的学习网络关系，通过分析面对面和在线交互行为的数据，探究人际交互与主动性人格、学习绩效之间的关系以及交互在两种教学环境之间的衔接机制。通过统计分析和社会网络分析的方法了解在混合学习环境下，具有主动性人格的个体在有效互动方面是否更加主动和深入，其学习效果是否与其他学习者有显著差异。在本研究中，学生使用华师云课堂作为在线学习平台，课下通过自学由教师或者助教上传到平台上的资源（视频、图片、PPT或者文档）预习新课，同时提交作业、进行测试、参与论坛的讨论等。教师每节课之前会在论坛上发布主题帖，激发学生思考、提问；学生也可以在论坛上自由发表自己的观点，回复主题帖或者提出自己的疑问等；教师在上课前收集学生的问题并在课堂上有针对性地回复。在面对面学习的课堂上，学生通过听课和课堂讨论的形式参与到学习中，讨论的话题来源于学生在线学习过程中所产生的问题及思考。课程结束后，教师会将本节所学内容的重难点发布在云课堂平台上帮助学生复习回顾，并且再次发布主题帖引导学生进行课后总结和反思。

　　（一）研究对象

　　本研究以华中师范大学外国语学院的“新生研讨课”混合学习课程为研究对象，以参与这门课程的212名师生为研究群体，其中助教8人，女生191人，男生13人，学生的年龄范围在17岁～20岁之间，平均年龄为18岁。本研究中的课程采用混合学习模式，在线学习主要依托华中师范大学自建的StarC教学平台，时间为2017年9月至2018年1月，总计调查时间5个月。

　　（二）研究工具

　　在混合学习环境下，人际交互的数据需要从在线和面对面学习这两种方式收集，捕获学生人际交互的直接经验，把这些经验和特殊的心理过程、教学活动和背景联系起来，从而较为全面地了解学生在混合学习环境下的交互情况。在混合学习环境下，在线的人际交互数据可以通过网络学习平台上师生之间的交互数据进行收集，而面对面的人际交互数据相对来说比较难以收集和量化，需要使用问卷调查和访谈相结合的方式进行收集。对于学生人格的测量使用主动性人格量表，学生学习绩效的评估使用混合学习绩效量表。

　　1. 主动性人格量表

　　在本研究中，使用商佳音和甘怡群（2009）修订的大学生主动性人格量表衡量大学生人格特质。该量表共11个项目，采用Likert 5点计分（1“完全不赞同”～5“完全赞同”），测试学习者主动性人格的高低水平。具体题目表述如“我擅长将问题转化为机会”。该量表的α系数为0.877，说明具有较好的内部一致性；KMO值为0.861，Bartlett球形检验的显著性系数为0.000，说明适合进行因子分析。此外，本研究还计算了该量表的结构效度，结果表明量表单因子结构效度良好（ χ2/df=2.19, NFI=0.906, CFI=0.952, TLI=0.933, RMSEA=0.071）。

　　2. 面对面交互量表

　　在本研究中，使用徐恩芹（2016）编制的师生交互量表衡量个体交互水平。为了符合面对面学习的实际情况，将“网络学习”改为“面对面学习”，删除“交互形式”维度，使之更能够反映大学生面对面学习的交互水平。题目表述如“在面对面课堂学习中，我经常和同学交流学习中遇到的问题”。该维度问卷共16个题目，采用Likert 5点计分（1“完全不赞同”～5“完全赞同”），测量被试在面对面学习下的交互水平，为了保障效度量表设计了2道测谎题，并在量表分发过程中明确说明了研究的期待。

　　面对面学习过程中的交互包含师生交互和生生交互，因此本研究中的面对面交互量表是由师生交互和生生交互两个子量表组成。这两个子量表都是由“交互内容”“交互距离”“交互动机”“交互数量”“交互时间”五个维度组成。这两个子量表分别设计了16个题项，其中交互内容4个题项，交互距离3个题项，交互动机3个题项，交互时间3个题项，交互数量3个题项。其中，交互内容是指师生和生生之间展开交互的话题；交互数量是指师生和生生交互的数量，交互距离是指师生和生生之间的心理与交往距离，交互动机是指学习者发起师生和生生交互的主动性和目的；交互时间是指学习过程中学习者准备及反思的时间长短（徐恩芹, 2016）。

　　师生交互和生生交互子量表的α系数分别是0.908和0.953，说明这两个子量表具有较好的内部一致性；两个子量表的 KMO 值分别为0.899和0.939，Bartlett球形检验的显著性系数均为0.000，适合进行因子分析。另外，为了考察该量表的效度，本研究邀请了该领域的专家和博士研究生对其内容进行评审，内容效度良好。此外，本研究还计算了该量表的AVE平方根为0.834，由于该数值远大于0.5（Cefen & Straub, 2005），表明该量表具有很好的区分效度（Bagozzi, Forenll, & Larcker, 1981）。再者，两个子量表可提取出5个主成分，累积方差贡献率分别为63.25%和61.21%。旋转后的载荷矩阵表明每个题项指向相应主成分上的载荷均大于0.6。以上结果表明该量表具有较好的结构效度。

　　3. 混合学习绩效量表

　　在本研究中，使用徐恩芹（2016）编制的网络学习绩效量表衡量个体混合学习绩效①。为了符合混合学习的实际情况，将“网络学习”改为“混合学习”，并将“混合学习”界定为在线学习和面对面学习的结合，使之更能够反映大学生在混合学习模式下的学习绩效。具体的题目表述如“混合学习丰富了我的专业知识”。该维度问卷共16个题目，采用Likert 5点计分（1“完全不赞同”～5“完全赞同”），测量被试在混合学习下的学习绩效，为了保障效度量表设计了1道测谎题，并在量表分发过程中明确说明了研究的期待。

　　本研究中的混合学习绩效量表是由“学习满意度”“投入产出比”“专业拓展”“学习成绩”“交往能力”五个维度组成。此量表共设计了16个题项，其中学习满意度4个题项，投入产出比5个题项，专业拓展3个题项，学习成绩2个题项，交往能力3个题项。学习满意度是指学习者自身感知到的学习需求是否被满足；投入产出比是指学习者比较其自身精力投入与学习收获的关系；专业拓展是指混合学习对学习者专业素养和视野的拓展；学习成绩是指学习者在混合学习中的任务完成度；交往能力是指学习者在混合学习中的分享和交流能力（徐恩芹, 2016）。

　　该量表的α系数是0.993，说明其具有较好的内部一致性；KMO值为0.923，Bartlett 球形检验的显著性系数为0.000，适合进行因子分析。另外，为了考察该量表的效度，本研究邀请该领域的专家和博士研究生对其内容进行评审，内容效度良好。此外，本研究还计算了该量表的AVE平方根为0.806，由于该数值远大于0.5（Cefen & Straub, 2005），表明该量表具有很好的区分效度（Bagozzi, Forenll, & Larcker, 1981）。再者，该量表可提取出5个主成分，累积方差贡献率为61.47。旋转后的载荷矩阵表明每个题项指向相应主成分上的载荷均大于0.6，以上结果表明该量表都具有较好的结构效度。

　　4. 在线交互数据收集

　　社会网络分析是根据相关的一系列关系数据来构造社会关系模型，探索群体内参与者之间的社会网络关系，描绘社会关系结构，研究这种结构对群体内部个别或者群体功能的影响作用。本研究使用pajek社会网络分析软件分析“新生研讨课”论坛的交互数据，对参与讨论的212名师生的11,518条帖子进行整体社会网络结构研究。主要通过块模型分析探讨复杂的社会网络结构，通过“中心性”分析、“核心—边缘”等探讨学习者的位置和角色。通过分析线上讨论数据，探讨学生在线交互与面对面交互的数据之间的关系，以及在线交互结构与学生主动性人格之间的关系。

　　（三）数据处理

　　使用SPSS 16.0和AMOS17.0统计软件对收集到的问卷数据进行统计和验证性分析，使用社会网络分析工具pajek对华师云课堂讨论区上的在线交互数据进行社会网络分析。

　　四、

　　研究结果分析

　　（一）在线数据的交互分析

　　1. 论坛的整体分析

　　利用社会网络分析工具pajek对“云课堂”平台上参与“新生研讨会”课程讨论的212名师生的11,516条帖子进行宏观分析，获得如图2所示的整体社群图。

　　图2 整体社群图

　　由图2可知，网络中心部分较密集，四周节点较疏散，且没有孤立节点。节点间的连线反映了成员间的互动及所形成的各种交互关系。由计算可知该社群的网络密度为0.256，说明论坛的交互程度比较高，参与者比较活跃。图中的大多数节点都指向中间的几个比较大的圆圈。在实际数据中，这些大圈所代表的参与者为论坛中各个主题的首帖发起者，所以拥有较多的回复者，在论坛中处于比较核心的位置。

　　2. 学习者的交互程度分析

　　云课堂平台只能简单记录学生发帖数量的多少，从整体上评判学生在论坛上的活跃程度，较难在细节上确定学生的交互程度。通过社会网络分析的中心度能够较为全面地刻画学生在论坛中的核心地位以及发帖回帖量，测量学生与其他人发展交往的能力。点度中心度的点出度刻画的是参与者的回帖和跟帖数量，点入度刻画的是参与者收到的回帖数量；在论坛中，参与者获得点出度的前提是回复其他人的发帖，获得点入度的前提是发帖并且有人回帖。特征向量中心度刻画的是参与者在网络论坛中的位置，数值越高，表明参与者对整个论坛的整体信息交流的影响力越强。因此本研究用点入度、点出度和特征向量中心度来对学生的交互程度进行量化分析。按照特征向量中心度的大小进行排序，见表1。如表1所示，学号是2017****50、2017****23、2017****43和2017****59的几位学生，在点出度、点入度和特征向量中心度的排名中均靠前。可见他们在新生研讨课论坛中的人际交互比较活跃，他们不仅通过回帖积极参与论坛的各种讨论，自身所发的主题帖也能得到论坛其他成员的积极回复，倾向于主动与其他学习者建立联系，并且具有较高的声望和影响力。同时，观察数据也表明在社区中比较活跃的参与者，其自身的主动性人格水平也较高。

　　表1 部分学习者的在线交互程度统计

　　（二）主动性人格、面对面交互和在线交互以及混合学习绩效的描述性统计分析结果

　　本研究首先对主动性人格、面对面交互、在线交互和混合学习绩效各变量进行标准差、皮尔逊相关分析和平均数等描述性统计分析。结果表明，主动性人格与面对面交互各维度、混合学习绩效各维度显著正相关；面对面交互各维度与混合学习绩效各维度显著正相关；在线交互的点入度、特征向量中心度与主动性人格及混合学习绩效各维度显著正相关，但是在线交互的点出度与主动性人格、面对面交互各维度及混合学习绩效各维度都不相关。见表2。

　　表2 大学生主动性人格、面对面交互、在线交互和混合学习绩效的相关矩阵表

　　注：*p＜0.05，**p＜0.1，***p＜0.001.

　　（三）人际交互在主动性人格对混合学习绩效的影响中起中介作用

　　由表2可知，大学生的混合学习绩效与主动性人格、面对面交互和在线交互存在显著正相关。本研究建立结构方程模型，以检验人际交互在主动性人格对混合学习绩效影响中的中介作用。根据 Anderson & Gerbing（1988）两阶段分析法的建议，首先测验结构方程模型的拟合度。本研究所涉及的四个潜变量分别为主动性人格、面对面交互、在线交互和混合学习绩效。其中，师生交互和生生交互由项目打包处理法形成的四个显变量对应面对面交互；点出度、点入度和特征向量中心度这三个显变量对应在线交互；学习满意度、交往能力、专业拓展比、投入产出比和学业成绩这五个显变量对应混合学习绩效。根据中介效应的程序（温忠麟, 等, 2004），先检验主动性人格对混合学习绩效的直接效应，然后检测加入中介变量后结构方程模型的拟合情况以及各路径系数变化的显著程度。见图3。

　　图3 大学生主动性人格、面对面交互、

　　在线交互与混合学习绩效的关系模型图

　　结果得出直接效应模型中主动性人格对混合学习绩效的路径系数显著（γ=0.61, SE=0.092, p＜0.01）。在加入在线交互和面对面交互后，中介效应模型中主动性人格对混合学习绩效的路径系数不显著（γ=0.19, SE=0.101, p=0.05）。如表3所示，两个模型的拟合指数IFI、NFI和CFI都大于0.95，1＜χ2/df＜2，RMSEA＜0.08，说明模型拟合良好。由大学生主动性人格、面对面交互、在线交互对混合学习绩效影响的路径关系（图3）可知，主动性人格不会对混合学习绩效产生显著的直接影响（β=0.19, p＞0.05），假设2无法得到验证。但主动性人格会对在线交互和面对面交互产生显著的正向影响（β=0.67, p＜0.001；β=0.23, p＜0.01；），假设1得到部分验证。同时，面对面交互会对混合学习绩效产生显著的正向影响（β=0.61, p＜0.001），假设4得到部分验证。这显示，面对面交互在主动性人格和混合学习绩效之间起着完全中介作用。也就是说，大学生的主动性人格对混合学习绩效没有直接影响作用，但会通过面对面交互的完全中介作用来产生影响。

　　表3 模型拟合指数表

　　此外，在线交互对面对面交互产生显著的正向影响（β=0.15, p＜0.01），假设3得到验证，同时面对面交互在主动性人格和在线交互的关系中起部分中介作用。在线交互对混合学习绩效的影响不显著（β=0.05，p＞0.05），同时在线交互在主动性人格与混合学习绩效之间的中介作用也不显著。

　　五、

　　分析与讨论

　　研究结果表明，学生的混合学习绩效的均值高于理论平均值，处于中等偏上水平。这验证了陈纯槿和王红使用元分析方法得到的研究结果，即混合学习比单一的网上学习和面对面学习对学生学习绩效的改善和提高更加有利。同时，相关分析表明，学生的主动性人格与混合学习绩效显著正相关，这和王伟（王伟, 等, 2016）、Kirby（Kirby, Kirby, & Lewis, 2002）等的结论相一致。本研究结果也证实了个体的主动性人格是影响其学习绩效的重要前因变量，并解释了个体的主动性人格对其学习绩效的作用机制，即主动性人格越高的学生在混合学习环境下的学习绩效会越好；相反，主动性水平越低的学生在相同学习环境下的学习绩效会越差。这也进一步揭示了学生的主动性人格对其自身的重要意义，主动性人格影响着学生的行为和认知，具有高主动性人格的个体能够积极行动、抓住机会、调节自我、改变环境，不断提高学习绩效。因此，我们在设计教学模式时要考虑充分激发学生的主动性人格特质，进而有效提高学生的学习绩效。

　　研究结果还表明，大学生的主动性人格能够直接预测其在线交互及面对面交互的程度，即越积极主动的学生越倾向于和老师、学生进行在线和面对面的互动。这一研究结果与张振刚（2016）关于主动性人格对知识分享意愿的影响结论类似，即学生的主动性水平越高，其知识分享的能力和意愿越强，参与到课程互动的积极性越大，个体的人际交互水平就会越高。同时，他们在积极参与知识分享的过程中充分了解、利用彼此的信息和能力，降低了知识的获取成本，加快了自身知识积累的速率。本研究进一步从知识分享和交流的途径入手（交流途径分为面对面交互和线上交互两种方式），探讨主动性人格对学生人际交互的影响作用。本研究结果一方面揭示了学生的主动性人格对其自身的发展具有重要价值，具有高主动性人格的学生能够积极主动地改变环境，有更强的人际交互能力和知识分享的意愿。另一方面也揭示了高主动性人格的学生更能够预见问题，更加积极主动地思考并且提出创造性的观点，从而在师生或者生生交互中处于更加核心的地位，交互程度相对较高；低主动性人格的学生往往消极被动，由于准备不足，无法深入交互，在学习交互中处于边缘地位，交互程度较低。因此，教师在组织学生小组协作学习时，要充分考虑学生的人格特质，科学组建学习小组，用目标导向的方式使高主动性人格的学生引导全组成员参与到知识的分享交流活动中。

　　同时，研究也发现主动性人格对于面对面交互的正向影响显著大于其对在线交互的影响。探究其原因，一方面可能是学生在面对面的课堂情境下会有一定程度的焦虑且害怕被别人打断，其交互行为容易受自己潜意识的约束（刘欧, 2009）。但具有高主动性人格的学生更倾向于调节自我，适应环境，从而积极融入面对面交互过程中。另一方面，去抑制性理论（丁子恩, 2018）表明学生在网络交互中更易于表达自己的观点。由于网络交流匿名性的特点，减少了评价焦虑的影响，低主动性人格的学生也较易融入在线学习交互中。因此，在教学过程中开展丰富的在线交流活动，可以提高全体学生的参与程度，进而提高学生的学习绩效。

　　学生的在线交互在主动性人格和面对面交互的关系中起部分中介作用，即主动性人格不仅能直接影响面对面交互，还能通过在线交互间接影响面对面交互。此外，在线交互能够正向预测面对面交互。探究其原因，在本研究中的混合课程模式下，学生在在线平台的学习和交互是整个课程进行的前提。因此，学生在线回帖之后，可以在面授课堂中进行更加深层次的交互，即能够从网络分享等浅层的交互上升到更加深入的面对面交互上（穆肃, 2018）。这解释了在线交互在主动性人格和面对面交互之间的中介作用。同时，在线交互中提出或回答问题的学生，对课程有一定程度的思考，拥有自己的见解，在课堂的交流互动中就能够更加轻松地参与到讨论中，这也解释了在线交互为何能够预测面对面交互。

　　研究结果也表明大学生的面对面交互正向预测混合学习绩效。这一研究结果可由建构主义学习理论（杨维东, 2011）来解释，学生深层次的“交互”“会话”行为能够充分激发学生的学习积极性，实现新旧知识经验的相互作用，提升自身的认知水平，帮助自己更加深入透彻地理解当前所学内容的本质、规律以及内容之间的内在联系，从而获得较为理想的学习绩效。因此，教师在课上要及时关注学生面对面学习的过程和效果，同时整理学生面对面交互中出现的问题，为课堂教学的设计和改善提供依据，从而促进教学中以学生为中心的教学实施。

　　研究结果与研究假设不同的是，在线交互并不能正向预测混合学习绩效，在线交互在主动性人格与混合学习绩效之间的中介作用也不显著。这与以往研究网络学习的在线交互水平能够正向预测学习绩效的结论有所不同。在网络学习环境下（贾斌, 等, 2016），在线交互水平对于学生的学习绩效具有一定的预测力；在基于SNS的学习模式下（王魏婧, 等, 2015），在线交互水平与学习绩效的社交、知识和能力这三个维度显著正相关。然而在本研究中，在线交互对混合学习绩效没有正向影响，究其原因可能是影响混合学习绩效的因素有很多，在线交互只是其中一个因素。另外，在以往混合学习研究中，学习绩效的评定仅考虑学习满意度这一单一维度，而在本研究中还考虑学习成绩、投入产出比、专业拓展和交往能力等，因此导致本研究的研究结果与以往研究有所不同。同时，从模型图可以看出，“主动性人格—面对面交互—混合学习绩效”“主动性人格—在线交互—面对面交互—混合学习绩效”的路径是显著的。在线交互对于混合学习绩效没有直接影响，但是在主动性人格和混合学习绩效的影响中起链式中介作用，可见在线交互和面对面交互对于学生的学习绩效的影响具有举足轻重的作用。这一结论也表明，具有主动性人格的学生，在学习生活上更倾向于积极主动，坚持不懈，改变环境，追求更高的价值，进而获得较高的学习绩效。因此，教师在教学过程中应该注重课程交互的设计，最大限度激发每位学生的主动性，培养学生解决问题的能力。

　　六、

　　结论与展望

　　（一）结论与启示

　　①主动性人格能够正向预测在线交互和面对面交互，同时在线交互能够正向预测面对面交互；②面对面交互能够正向预测混合学习绩效，而在线交互对混合学习绩效没有预测作用；③面对面交互在主动性人格和混合学习绩效中起完全中介作用；④主动性人格、在线交互、面对面交互和混合学习绩效之间具有链式中介效应。

　　1. 理论贡献

　　本研究基于人格特质层面探讨混合学习绩效的影响机制，揭示了人际交互在主动性人格和混合学习绩效之间的中介作用。一方面，本研究探讨了主动性人格对在线交互和面对面交互的影响，使有关主动性人格影响作用的研究得到了进一步的完善，有助于在探讨人际交互对学习绩效的影响时能够关注学习者内在心理特征，尤其是学习者的人格特质这一重要心理变量。主动性人格带来的影响决定了其研究价值，在教育层面的研究上将主动性人格考虑在内可能会得到创新性的发现。

　　2. 教育启示

　　本研究表明，我们应该注重培养学生的主动性人格，增强他们的学习责任感和学习动机，使他们在学习交流中能更加积极主动地发现问题，开动脑筋，提出富有创新性的解决方案。同时，在组织小组协作学习、自主学习的过程中，根据学生的人格特质科学组建学习小组，用目标导向的方式使高主动性人格的学生引导全组成员共同完成学习任务。主动性人格不仅仅有利于学生学习绩效的提高，对于学生各方面的发展都具有重要影响。因此，教师和家长需要与学生建立更加感性且多样化的交互关系，给予学生更加宽松的线上线下交流氛围，提供更加有力的激励措施，鼓励学生积极主动地解决问题。但是，需要指出的是人格特质较难在短时间内培养形成，因此教师在教学过程中应该注重课程交互的设计，最大限度地激发每位学生的学习动力，培养学生创造机会的能力。此外，还有研究表明高水平的师生交互能够提高学生的主动性（刘智, 等, 2018），因此教师在教学设计中要着重考虑互动环节的设计，提供激励措施，带动学生积极交流学习内容，促进学生深度学习。

　　（二）展望

　　针对混合学习课程讨论区中的交互数据，本研究主要从学习者参与课程讨论的在线交互行为、面对面交互行为及个体的人格特质和学习绩效等方面进行社会网络分析、统计分析和描述性统计分析。当然，本研究的研究工作仍然存在些许不足，未来的研究可以从如下几个方面继续完善。

　　1. 数据的获取和预处理的规范化

　　因为本研究开展的是面向混合学习环境的交互行为研究，学习环境的多样性使得交互行为数据的获取更加复杂，涉及较多的交互形式和内容。同时，数据的获取和预处理过程将较大限度地影响最终的分析效果。因此，在未来更深入的研究中，可考虑以下两点：一是根据学习者发表及回复主题帖的时间及关联程度进行动态网络分析，关注学习者交互行为的变化趋势；二是根据学习者在课堂上的交互表现勾勒面对面学习交互的社会网络结构图，有效呈现学习者线上线下交互行为的差异性。

　　2. 样本选取的均衡性

　　本研究中的女生样本显著高于男生样本，虽然在数据分析过程中对性别进行了控制，但是性别偏倚的现象仍然存在，可能会对研究结论的可推广性造成影响。尽量选取性别平衡的大样本作为研究对象可以有效避免此类问题，使研究结果更加具有可推广性。此外，本研究中选取的混合课程是新生研讨课，该课程自身的特殊性可能也会对研究结果有一定的影响。尽量选取不同专业不同年龄段的样本进行研究，可以使研究结论更加准确。

　　3. 中介作用的显著性

　　在本研究得出的结论中，在线交互并不能正向预测混合学习绩效，在线交互在主动性人格与混合学习绩效之间的中介作用也不显著。究其原因，可能是影响混合学习绩效的因素有很多，在线交互只是其中一个因素。并且，在线交互和混合学习绩效的关系很复杂，它们之间可能存在很多的中介和调节变量，如学习动机、认知风格等。此外，研究结果还表明在线交互中的点入度和特征向量中心度与混合学习绩效相关性显著，但是点出度与混合学习绩效相关性不显著，可能的原因是点入度较多的学习者往往经过深度思考之后通过平台发布主题帖，引起其他学生大量回帖，进而更加有助于自身知识的获取和分享；特征向量中心度较高的学习者在讨论区中具有较高的威望，其自身的能力和知识储备较强；在线交互中部分学习者的回帖只是为了应付教师的任务要求，即使有一定的点出度但对于个体知识的习得也毫无意义。因此，建立学习者在线交互行为动机数据库，为解释学习者的交互行为提供数据分析和补充，有助于教师进一步开展有针对性的教学改进措施。

　　由研究结果可以看出，本研究主题还存在很多需要进一步研究的问题，希望在未来的研究中能够用更加科学的方法做出合理的解释。

　　参考文献

　　陈丽. 2004. 远程学习的教学交互模型和教学交互层次塔[J]. 中国远程教育（3）：24-28.

　　陈妮. 2012. 基于耗散结构理论的混合学习的特征分析和策略研究[J]. 中国电化教育（11）：13-17，26.

　　陈纯槿，王红. 2013. 混合学习与网上学习对学生学习效果的影响——47个实验和准实验的元分析[J]. 开放教育研究，19（02）：69-78.

　　段金菊，汪晓凤. 2016. 在线开放课程背景下高低绩效学习者的社会化交互行为及参与模式研究[J]. 电化教育研究，37（11）：43-50.

　　丁子恩，王笑涵，刘勤学. 2018. 大学生自尊与网络过激行为的关系：社交焦虑和双自我意识的作用[J]. 心理发展与教育，34（02）：171-180.

　　付道明. 2013. 数字化学习绩效研究概览——比较分析与述评[J]. 电化教育研究，34（04）：22-27，42.

　　逄键涛，史卉. 2016. 员工主动性人格与创新行为：工作满意度、工作水平及组织任期的调节作用[J]. 科技进步与对策，33（15）：133-138.

　　高洁，李明军，张文兰. 2015. 主动性人格与网络学习投入的关系——自我决定动机理论的视角[J]. 电化教育研究，36（08）：18-22，29.

　　郝建春. 2005. 生活压力、负向情绪调整、学习满意度与学习绩效关系研究[D]. 天津大学.

　　贾斌，徐恩芹，谢云. 2014. 基于解释结构模型的大学生课堂学习绩效影响因素分析[J]. 现代教育技术，24（03）：42-49.

　　刘军. 2004. 社会网络分析导论[M]. 北京：社会科学文献出版社.

　　刘欧. 2009. 传统课堂交互和网络交互对比研究[J]. 安庆师范学院学报（社会科学版），28（09）：81-83.

　　廖宏建，刘外喜. 2017. 高校SPOC有效学习影响因素实证分析[J]. 电化教育研究，38（05）：64-70.

　　刘智，杨重阳，彭晛，刘三，粟柱，章广涛. 2018. SPOC论坛互动中学习者情绪特征及其与学习效果的关系研究[J]. 中国电化教育，（04）：102-110.

　　穆肃，温慧群. 2018. 适应学生的学习——不同复杂度的混合学习设计与实施[J]. 开放教育研究，24（06）：60-69.

　　秦健，杜晓辉，马红亮. 2011. Moodle学习管理平台交互性的实证分析[J]. 中国电化教育（02）：86-90.

　　邵伏先. 1988. 人际交往心理学[M]. 重庆：重庆出版社.

　　商佳音，甘怡群. 2009. 主动性人格对大学毕业生职业决策自我效能的影响[J]. 北京大学学报（自然科学版），45（03）：548-554.

　　温忠麟，张雷，侯杰泰，刘红云. 2004. 中介效应检验程序及其应用[J]. 心理学报（05）：614-620.

　　岳延兵，范敏. 2006. 网络环境下学习绩效测评系统分析[J]. 科技情报开发与经济（02）：164-166.

　　魏婧，魏荣，刘业政. 2015. 大学生SNS应用态度对学习绩效影响的实证研究[J]. 中国远程教育（07）：26-31，64.

　　吴南中. 2016. 混合学习视域下的教学设计框架重构——兼论教育大数据对教学设计的支持作用[J]. 中国电化教育（05）：18-24.

　　王佳利，李斌峰. 2016. 基于网络教学平台校本混合课程教学效果的实证研究[J]. 电化教育研究，37（03）：101-107.

　　王志军，陈丽. 2016. cMOOCs中教学交互模式和方式研究[J]. 中国电化教育（02）：49-57.

　　王伟，雷雳，王兴超. 2016. 大学生主动性人格对学业成绩的影响：学业自我效能感和学习适应的中介作用[J]. 心理发展与教育，32（05）：579-586.

　　徐恩芹. 2016. 师生交互影响网络学习绩效的实证分析[J]. 电化教育研究，37（09）：61-68.

　　袁庆宏，王双龙. 2010. 心理授权与主动性人格对个体创新行为的影响研究[J]. 当代财经（11）：69-76.

　　杨维东，贾楠. 2011. 建构主义学习理论述评[J]. 理论导刊（05）：77-80.

　　张振刚，余传鹏，李云健. 2016. 主动性人格、知识分享与员工创新行为关系研究[J]. 管理评论，28（04）：123-133.

　　Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411-423.

　　Bagozzi, R. P., Fornell, C., & Larcker, D. F. (1981). Canonical Correlation Analysis As A Special Case Of A Structural Relations Model. Multivariate Behavioral Research, 16(4), 437.

　　Bakker, A. B., Tims, M., & Derks, D. (2012). Proactive personality and job performance: The role of job crafting and work engagement. Human Relations, 65(10), 1359-1378.

　　Crant, J. M., & Bateman, T. S. (2000). Charismatic leadership viewed from above: The impact of proactive personality. Journal of Organizational Behavior, 21(1), 63-75.

　　Campbell, D. J. (2000). The Proactive Employee: Managing Workplace Initiative. Academy of Management Executive, 14(3), 52-66.

　　Campbell, D. J. (2000). The proactive employee: Managing workplace initiative. Academy of Management Perspectives, 14(3), 52-66.

　　Gong, Y., Cheung, S. Y., Wang, M., et al. (2012). Unfolding the Proactive Process for Creativity: Integration of the Employee Proactivity, Information Exchange, and Psychological Safety Perspectives. Journal of Management, 36(5), 603-612.

　　Ho, C. F., Hsieh, P. H., & Hung, W. H. (2014). Enablers and processes for effective knowledge management. Industrial Management & Data Systems, 114(5), 734-754.

　　Kirby, E. G., Kirby, S. L., & Lewis, M. A. (2002). A Study of the Effectiveness of Training Proactive Thinking1. Journal of Applied Social Psychology, 32(7),1538-1549.

　　Krapez, J., Cerne, M., Skerlavaj, M., et al. (2014). AMO framework for team innovation: efficacy beliefs, proactive person a lities, support ivesupervision. Academy of Management Annual Meeting Proceedings, 2014(1), 15229-15229.

　　Parker, S. K., & Collins, C. G., (2010). Taking stock: Integrating and differentiating multiple proactive behaviors. Journal of Management, 36(3), 633-662.

　　Seibert, S. E., & Liden, K. R. C. (2001). A Social Capital Theory of Career Success. The Academy of Management Journal, 44(2), 219-237.

　　Schaufeli, W. B., Martinez, I. M., Pinto, A. M., et al. (2002). Burnout and Engagement in University Students: A Cross-National Study. Journal of Cross-Cultural Psychology, 33(5), 464-481.

　　Tett, R. P., & Burnett, D. D. (2003). A personality trait-based interactionist model of job performance. Journal of Applied Psychology, 88(3), 500-517.

　　Wang, Y., Cullen, K. L., Yao, X., et al.(2013). Personality, freshmen proactive social behavior, and college transition: Predictors beyond academic strategies. Learning and Individual Differences, 23, 205-212.

　　注释：

　　① 本研究并没有直接使用学生的学习成绩作为学习绩效，而是采用自我报告的方式获取。在以往教育实证类研究中常常将学习成绩视为学习绩效的一个典型测量指标。然而，采用自我报告方式测量学生的学习绩效也常常见诸相关研究中，如付道明（付道明, 2013）在远程教育学习绩效及其影响因素的研究中采用学生感知的学习收获作为学习绩效的测量指标。而且，有研究发现，学生自我报告的学习绩效与其实际学业成绩显著正相关（岳延兵,范敏, 2006），该研究使用项目特性曲线来描述被试测验得分与被试内在素质、能力水平之间的关系。同时，根据项目反映理论，学习绩效测评对被试能力水平的估计值与测试试题无关，也能给出能力或知识水平估计值的精度，并且用学习绩效测评有利于更有效地测量被试的知识和能力水平。因此，本研究采用学生自我报告的方式测量学习绩效。

　　作者简介

　　朱彩凤，硕士研究生；周雪，硕士研究生。华中师范大学教育信息技术协同创新中心（430079）。

　　柴唤友，博士研究生，华中师范大学国家数字化学习工程技术研究中心（430079）。

　　孙晓军，教授，博士生导师，本文通讯作者，华中师范大学心理学院（430079）。

　　基金项目：华中师范大学研究生教育创新资助项目（项目编号：2017CXZZ019）。

　　责任编辑：刘 莉 张志祯

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.