自主学习能力影响大学生在线持续学习意愿的追踪研究：交互行为的中介作用

A longitudinal study on the impact of autonomous learning ability on college students’ continuous online learning intention:

摘要

研究基于自我决定理论和社会认知理论，采用追踪研究设计，使用自主学习能力量表、在线学习交互行为量表和持续学习意愿量表，对243名在线学习大学生进行两轮问卷调查，以探索自主学习能力对在线持续学习意愿的纵向影响效应以及在线交互行为在两者关系中的潜在中介作用。结果显示，自主学习能力、在线交互行为和大学生持续学习意愿之间存在显著的正相关关系；自主学习能力不仅可以正向显著预测大学生在线持续学习意愿，而且可以通过对在线交互行为的中介作用间接影响在线持续学习意愿。因此，学校、家长和教师应重视大学生在线自主学习能力的培养，增强学习者生生交互、师生交互以及学生-学习内容交互等在线交互行为，促进学习过程中的各种有效互动行为的发生，提升学习者在线持续学习意愿，进而提高在线学习质量。

Abstract

Based on self-determination theory and social cognitive theory, a longitudinal study was adopted to explore the longitudinal influence effect of autonomous learning ability on students’ continuous online learning intention and the potential mediating role of online interaction behavior in the relationship between the two. In the study, 243 college students engaged in online learning were selected as the research subjects, and they were required to fill twice in questionnaires with Autonomous Learning Ability Scale, Online Learning Interaction Behavior Scale, and Continuous Learning Intention Scale. The results show that there is a significant positive correlation among autonomous learning ability, online interaction behavior, and college students’ continuous learning intention; autonomous learning ability can not only significantly predict college students’ continuous online learning intention positively, but also affect their continuous online learning intention indirectly through the mediating role of online interaction behavior. The research findings suggest that schools, parents, and teachers should pay attention to the cultivation and shaping of college students’ autonomous online learning ability and enhance their online interaction behaviors, including peer interaction, teacher-student interaction, and student-contents interaction, and thus to realize effective peer interactions and enhance their continuous online learning intention.

Graphical abstract

关键词

自主学习能力 / 在线持续学习意愿 / 在线交互行为 / 中介作用 / 追踪研究

Key words

autonomous learning ability / continuous online learning intention / online interactive behavior / mediating effect / longitudinal study

当前，以MOOC为代表的在线学习以其资源的丰富性、时空的自主性、内容的个性化等众多优势不可阻挡地成为当代大学生学习的主要方式之一。然而，由于社会临场感低、注意力易分散等多种主客观因素的限制^[1]，尽管在线学习平台给予学生高度学习自主权，在线学习依然存在较为低下的持续学习意愿（e-learning continuance intention）等现象和问题^[2-3]。如何帮助学习者能够持续参与当前在线学习任务直至完成并能持续参与后续在线学习任务^[4-5]，进而避免出现在线学习高参与率、低完成率或弱持续参与性等关乎在线学习健康可持续发展的关键性问题的发生，始终是在线学习领域关注的热点和难点问题。系统分析影响在线学习者持续学习意愿的因素及相互作用机制并对其进行有效操控，则成为破解此难题首先要回答的问题。

现有研究主要从在线学习满意度、自我效能感、心流体验、教师支持、社交互动性、学习感知、课程质量及平台技术环境特征等角度探讨了其对在线持续学习意愿的影响效应，初步建构了在线持续学习意愿的影响因素模型^[6-8]。不难发现，在线持续学习的影响因素大多可归为学习者自身特征（如态度、动机、能力等）和学习体验（满意度、临场感、沉浸感等）等两类^[9]。其中，学习者能力因素是预测持续学习意愿的最大也最为关键的个体因素^[10]。然而，目前较少有实证研究直接探讨检验在线学习能力对大学生在线持续学习意愿的影响效应，更很少有研究关注两者关系的内在作用机制。此外，从研究设计的角度来看，多数研究是横断设计，虽然能在一定程度上揭示内外部因素与在线持续学习意愿之间的相关性，然而却无法说明两者之间的因果关系。

1 问题提出

在线自主学习能力（self-regulated e-learning ability）是衡量学习者能否充分利用自身主客观条件，合理地规划、组织、监控、评价自己的在线学习活动，以达成学习目标完成在线学习任务的综合能力^[11]。研究表明，在线自主学习能力作为在线学习者在在线学习任务中“能学、想学、会学、坚持学”等各种心理品质和素养总和的集中反映^[12]，是开展高质量在线学习的重要基础性条件^[13]。研究者认为，自主学习充分体现了学习者在学习活动中的主体地位和主动性^[14-16]，并根据自我决定理论（self-determination theory，SDT）提出当个体自主需要得到满足时其日常行为活动会产生更高的主动性、参与度和创造力^[17]。因而，具有较高自主学习能力的学习者相对于自主学习能力较低的个体而言，往往能够更有效地克服在线学习过程中来自于自身、学习环境与技术等方方面面的困难与挑战，更好地调节和监控整个学习过程，从而全身心持续地投入到在线学习之中^[18-19]。

在线交互行为（online interactive behaviors）即学习者在远程或在线学习共同体环境中与他人、系统和学习内容之间的交互行为活动^[20-22]。建构主义学习理论认为学习需要通过共同体的合作互动方能完成，学习者也只有基于共同体与其他学习者发生互动联结时学习才是有效的^[23]。因此，学习共同体之间的交互行为是包括在线学习在内的各类学习的核心，更是在线学习的显著特征和实现高质量在线学习的关键因素^[24-25]。研究表明，交互行为与学习者自主学习能力和持续学习意愿都存在紧密的关联。一方面，自主学习能力显著影响着学习者的交互行为。社会认知理论（social cognitive theory，SCT）认为环境变量、个体因素和行为三者之间相互影响，学习者个体变量对学习行为的产生起到显著的调整作用。因此，相对于在线学习外部环境因素，学习者自主学习能力这一个体内在因素对在线学习交互行为有着更直接而显著的影响^[26-28]。另一方面，在线交互行为也显著影响在线学习者的持续学习意愿。研究发现，相对于传统的学习模式，在线学习的时空分离等独特性也会促使在线学习者更渴望和期望与教师或同伴发生高质量的交流互动行为。同时，有研究者也发现在线学习者在线交互行为更为频繁且质量更高时，往往就越能体验和产生更强的持续学习的情感倾向和参与行为^[29-30]。

鉴于此，本研究将采用追踪研究设计在自我决定动机和社会认知理论的基础上，探讨自主学习能力对在线持续学习意愿的影响效应以及交互行为在两者之间关系中的潜在作用，并提出以下研究假设：自主学习能力可以纵向预测大学生在线学习交互行为和持续学习意愿，在线学习交互行为在自主学习能力与持续学习意愿的关系中起纵向中介作用。

2 研究对象与方法

2.1 研究对象

采用简单方便取样法从西部某地方师范院校抽取主修“现代教育技术”在线课程的2023级257名学生为研究对象，分别于2024年9月和11月对该批次受试者进行问卷测量。由于学生病假、事假等因素未能出勤，第二次测量时共流失14名受试者，最终保留有效数据243份。其中，男性72人（29.63%），女性171人（70.37%），平均年龄19.54岁。对第二次测量流失受试者与未流失受试者在第一次自主学习能力、交互行为和持续学习意愿等变量上进行t检验。结果表明，流失受试者与未流失受试者在各变量上均无显著差异，样本流失属于随机流失。

2.2 研究工具

2.2.1 自主学习能力量表

该量表采用李连英等^[31]基于Pintrich等^[32]和朱祖德等^[33]研究修订的大学生自主学习量表测量在线自主学习能力。量表包括自主决策能力（5个项目）、自主监控能力（3个项目）和自主评价能力（4个项目）三个维度，共12个题项。采用Likert 5点计分，1~5 分别对应“非常不同意”到“非常同意”。最后由各维度题目相加得到各维度的总分，得分越高表示自主学习能力越高。两次测量总量表的Cronbach’s α 系数分别为0.76和0.78，分维度Cronbach’s α 系数介于0.77~0.82。

2.2.2 在线学习交互行为量表

该量表采用Kuo^[34]编制的在线课程满意度量表中有关测量交互行为的题项，测量大学生在线学习交互行为。修订后量表包括生生交互（8个项目）、师生交互（6个项目）及学生-内容交互（4个项目）三个分量表，共18个题项。采用Likert 5点计分，1~5 分别对应“非常不同意”到“非常同意”。两次测量总量表的Cronbach’s α 系数分别为0.73和0.76，分维度Cronbach’s α 系数介于0.72~0.80。

2.2.3 持续学习意愿量表

该量表采用Bhattacherjee^[35]编制的期望确认模型中关于持续学习意愿的测量题项，测量大学生在线持续学习意愿。量表为单一维度，共有6个题项，采用Likert 5点计分，1~5 分别对应“非常不同意”到“非常同意”。两次测量总量表的Cronbach’s α系数分别为0.80和0.81。

2.3 统计分析方法

使用SPSS 26.0软件进行数据管理与描述性统计分析，通过Pearson积差相关分析考察变量间的关联性。运用AMOS 25.0软件构建结构方程模型（SEM），采用最大似然估计法进行参数估计，模型拟合度评价指标包括χ²/df比值（<3）、CFI/TLI（>0.90）、RMSEA（<0.08）和SRMR（<0.08）。中介效应检验采用Bootstrap抽样法（5 000次重复取样），当95%置信区间不包含0时判定为显著。此外，通过Harman单因素检验和验证性因素分析评估共同方法偏差。

3 结果

3.1 共同方法偏差检验

采用Harman单因素检验法以检验共同方法偏差问题。对本研究所有量表项目进行主成分因素分析，探索性因素分析提取出特征根大于1的因子7个，共解释了总变异的56.35%，其中第一个因子解释总体方差变异的27.86%，未超过临界值40%。研究进一步将3个量表的所有项目载荷在一个公因子上进行验证性因素分析，统计结果显示，单因子模型拟合非常差（χ²=68953.21，χ²/df=7.96，CFI=0.52，TLI=0.50，RMSEA=0.164，SRMR=0.125），进一步表明本研究数据不存在严重的共同方法偏差。

3.2 研究变量的相关分析

对自主学习能力、交互行为和在线持续学习意愿进行描述性统计和相关分析结果发现，性别、年龄和主要研究核心变量相关关系不显著。统计分析表明，第一次测量的自主学习能力的三个维度（自主决策能力、自主监控能力和自主评价能力）与第二次测量的在线学习交互行为（生生交互、师生交互、学生-内容交互）及持续学习意愿之间均存在显著的正相关关系。具体而言，自主决策能力（T1）与三种交互行为（T2）的相关系数分别为0.442（生生交互）、0.402（师生交互）和0.221（学生-内容交互），与持续学习意愿（T2）的相关系数为0.321；自主监控能力（T1）与交互行为和持续学习意愿的相关系数分别为0.523、0.250、0.257和0.406（P<0.05）；自主评价能力（T1）的相关系数则分别为0.413、0.360、0.318和0.336（P<0.05）。这些结果表明，自主学习能力的提升不仅能够直接增强学生的持续学习意愿，还能通过促进其在线交互行为间接提升学习意愿，其中自主决策能力和自主监控能力的作用较为突出，具体结果如表1所示。

3.3 自主学习能力对在线持续学习意愿的作用机制

采用极大似然法建立结构方程模型，以估计和检验在线交互行为在自主学习能力对大学生在线持续学习意愿影响过程中的潜在中介作用。为防止多项目造成的潜变量膨胀测量误差，研究首先采用项目随机打包法将持续学习意愿6个题项打包成2个因子^[36]。结果发现，模型拟合良好（χ²=226.31，χ²/df=2.33，CFI=0.96，TLI=0.94，RMSEA=0.062，90% CI=0.045~0.067，SRMR=0.055）。进一步使用AMOS偏差校正百分位Bootstrap方法（重复取样5 000次）进行中介效应检验。由表2可知，T1自主学习能力对T2在线持续学习意愿的直接影响路径显著，效应量0.032，95%置信区间为[0.011,0.057]，不包含零，P<0.05，表明直接效应显著。T1自主学习能力通过T2生生交互对T2在线持续学习意愿的间接影响路径显著，效应量0.009，95%置信区间为[0.003,0.018]，不包含零，P<0.05，表明T2生生交互中介效应显著。T1自主学习能力通过T2师生互动对T2在线持续学习意愿的间接影响路径显著，效应量0.008，95%置信区间为[0.002,0.016]，不包含零，P<0.05，表明T2生生交互中介效应显著。T1自主学习能力通过T2学生-内容交互对T2在线持续学习意愿的间接影响路径显著，效应量0.012，95%置信区间为[0.009,0.022]，不包含零，P<0.05，表明T2生生交互中介效应显著。

绘制标准化路径系数关系机制模型图（如图1所示），进一步分析自主学习能力对在线持续学习意愿影响的具体机制。由图1可知，T1自主学习能力能正向预测T2生生交互（β=0.22，P<0.05）、T2师生互动（β=0.20，P<0.05）和T2学生-内容交互（β=0.25，P<0.05），以及T2在线持续学习意愿（β=0.32，P<0.05）。T2生生交互（β=0.19，P<0.05）、T2师生互动（β=0.18，P<0.05）和T2学生-内容交互（β=0.21，P<0.05）能正向预测T2在线持续学习意愿。具体而言，自主学习能力能显著预测在线学习意愿，且生生交互、师生互动和学生-内容交互在其间起显著中介作用。

4 讨论

4.1 自主学习能力对在线持续学习意愿的影响效应分析

本研究发现，自主学习能力可以纵向正性显著预测学习者在线持续学习意愿。这一研究结果验证了杨素娟^[37]、镇丽华和范哲^[10]以及Freitas^[38]和Barba^[39]等的研究结论，说明自主学习能力对在线持续学习意愿的影响是长期而深远的。在线学习环境中，学习方式、媒介和互动对象等方面的特殊性常常使在线学习者时时需要面对时空分离、临场感低等因素带来的孤独感、注意力分散、动机不强、持久学习意愿较低等负性问题行为的挑战。自主学习能力一方面体现了学习者自我规划、监控和评价学习过程的能力，另一方面还集中反映了学习者在面对在线学习挑战时的自我调节和适应能力。自主学习能力强的在线学习者能够更好地管理自己的学习进度，设定明确的学习目标，并根据学习反馈及时调整学习策略。这种自我调控能力有助于学习者在面对在线学习困难时保持积极的学习态度，避免因挫折感而放弃学习，维持在线学习的持续稳定进行，进而增强持续学习意愿。同时，自主学习能力强的学习者也通常具有更高的学习效能感和自我激励能力，他们能够从在线学习过程中获得满足感，这种内在动机也是维持大学生持续学习意愿的重要驱动力。因此，自主学习能力较强的个体在面对在线学习的种种挑战时往往表现出更高的适应性和韧性，有助于学习者克服孤独感、提高学习效率，还能激发其内在的学习动机，进而增强持续学习的意愿。研究结果也进一步支持了自主学习能力是影响在线持续学习意愿的最为关键而稳定的个体品质。

4.2 在线交互行为的中介作用检验

追踪调查结果表明，自主学习能力不仅能够直接增强学习者的在线持续学习意愿，还能够通过增强在线交互行为，进一步提升在线持续学习意愿，即在线交互行为在自主学习能力对在线持续学习意愿的影响过程中起到显著中介作用。这一研究结果进一步支持了刘威童和乔伟峰^[18]等的观点。具体而言，在线交互行为对于在线学习者而言是增强持续学习意愿的重要因素。根据社会认知理论的三元交互决定论，自主学习能力（个体因素）通过促进学习者与同伴、教师及学习内容之间的交互行为（环境因素），进而影响其持续学习意愿（行为结果），形成了“个体—环境—行为”的良性循环机制。自主决策能力强的学习者更倾向于主动发起交互，自主监控能力确保交互过程的有效性，而自主评价能力则帮助学习者从交互中获得最大收益。依据自我决定理论，三种交互行为分别满足了学习者的基本心理需求：生生交互和师生交互通过建立社会联结满足归属需求，学生-内容交互通过知识掌握满足胜任需求，而自主学习能力本身则满足了自主需求。当这些基本心理需求得到满足时，学习者的内在动机被激活，从而产生更强的持续学习意愿，证实了交互行为能在自主学习能力与持续学习意愿之间发挥中介作用。在虚拟学习环境中，高质量的交互行为不仅能提升学习者的社会临场感，还能增强情感联结和学习投入度^[40-42]。此外，不同自主学习能力的学习者在交互行为上存在显著差异，高自主学习者更积极参与讨论和探究，而低自主学习者则往往被动退缩。这一研究结果验证了魏志慧^[43]、朱珂^[44]、赵呈领等^[45]以及Rodriguez-Ardura^[46]、Johnson^[47]、张伟等^[48]关于社会性交互行为与持续学习意愿关系的论述，进一步表明在线学习交互行为是在线学习环境中持续进行学习并取得成功的关键因素。

然而，需要指出的是，不同自主学习能力的在线学习者其在线交互行为存在显著个体差异。具有较强自主学习能力的学习者往往更能够在在线学习环境中主动地调节和监控自身学习过程，他们更倾向于积极参与在线交互活动，如与同伴讨论问题、向教师请教疑惑、深入探究学习内容等。这些高水平的交互行为不仅帮助学习者更好地理解和掌握知识，还激发了他们的学习兴趣和动力，进而增强了持续学习的意愿。相反，自主学习能力较弱的个体在在线交互行为上往往较为被动，他们可能缺乏主动发起交互的意识和能力，或者由于担心出错而不敢参与讨论。这种被动性不仅限制了他们获取学习资源和支持的机会，还可能导致他们感到孤独和无助，进而降低持续学习的意愿。由此可见，自主学习能力较高的在线学习者其在线交互行为往往更加积极、更为投入，在线持续学习意愿也越强。相反，自主学习能力较弱的个体其在在线交互行为数量和质量也往往较弱，也很难从交互活动中获得积极的学习体验和支持，进一步弱化了在线持续学习意愿。据此，在线交互行为是解释在线自主学习能力对持续学习意愿影响过程机制的重要中介变量因素。

5 研究结论与启示

本研究结果表明，自主学习能力、在线交互行为和大学生持续学习意愿两两之间存在显著的正相关关系，自主学习能力和在线交互行为对大学生在线持续学习意愿具有显著的正性纵向预测作用，在线交互行为在两者关系中起到了纵向中介作用。需要指出的是，由于研究样本仅来自西部某地方师范院校的特定专业学生，样本的代表性存在一定局限，未来研究可扩大样本范围，纳入不同地区、不同类型高校及多学科背景的学生，以验证结论的普适性。尽管如此，本研究的发现仍为理解和提升在线学习者的持续学习意愿提供了新的视角和实证支持，对在线教育实践具有重要的启示意义。据此，提出以下三点建议：

（1） 强化自主学习能力培养，增强在线持续学习意愿

在线学习不同于传统意义上的线下学习，学习者不仅需要具有娴熟的在线学习工具应用能力，而且更需要学习者能够在在线学习过程中具有强大的自主学习能力。学校、教师、家长和学习平台应协同努力，采取一系列有效措施强化学习者自主学习能力的培养和训练：一是开设自主学习能力专题训练课程，系统地教授学习者如何在线上进行自主学习，包括如何设定学习目标、制定学习计划、管理学习时间、选择学习资源等；二是组织在线教育教学方法的辅导活动，帮助学习者掌握在线学习的技巧和策略，提高他们的学习效率和效果；三是进行自主能力心理品质的训练活动，如通过心理辅导、团队建设等方式，有针对性地培养和塑造学习者强大的自主学习能力。

（2） 构建良好的在线学习共同体，提升学习者在线交互行为

不论是在传统学习环境还是在线学习环境中，学习者的交互行为都会直接显著影响其持续学习意愿，而且研究进一步发现自主性学习能力会通过在线学习交互行为间接作用于持续学习意愿。为此，学校、教师、家长和学习平台需要采取一系列策略：一是教师应积极发挥引导作用，主动与学生进行在线互动，及时解答学生疑问，提供个性化学习指导，鼓励学生积极参与在线讨论和协作学习，营造积极的学习氛围，同时教师还应组织多样化的在线学习活动，如小组项目、角色扮演等，促进学生之间的深度交流与合作。二是学生之间应建立互助合作的学习关系，通过在线学习平台或社交媒体等工具，积极分享学习资源、交流学习心得、互相解答问题，形成良好的学习共同体，此外，学生还可以自发组织学习小组，定期开展线上学习交流活动，共同提升学习效果和持续学习意愿。三是学习平台应优化人机互动设计，提供智能辅导、虚拟实验室、在线测试等多样化的人机智能互动功能，满足学生个性化学习需求，有效增强在线学习交互行为，进而提升学习者的持续学习意愿。

（3） 打造沉浸式学习体验环境，构建智能化在线学习支持系统

人工智能技术在教育领域的应用已展现巨大潜力，成为提升学习体验、激发学习兴趣、增强学习动力的关键手段，是大学生在线持续学习不可忽视的重要环境因素。为此，学校、教师、家长和学习平台需要采取一系列策略：一是构建智能化学习推荐系统。利用大数据分析与机器学习算法，智能推荐系统根据学习者的学习偏好、能力水平及学习进度，为其量身定制个性化的学习资源、学习路径和学习策略，激发学习者的学习兴趣和动力。二是引入智能辅导与反馈机制。智能辅导系统模拟人类教师的角色，通过自然语言处理与情感分析技术，理解学习者的提问和困惑，提供个性化的学习建议与鼓励，帮助学习者及时调整学习策略，克服学习障碍，保持持续的学习动力。三是打造多模态沉浸式学习体验环境。通过融合虚拟现实（VR）、增强现实（AR）及混合现实（MR）等技术，为学习者创造高度真实、沉浸的学习体验环境^[49]。通过模拟真实的学习场景和情境，激发学习者的学习兴趣和好奇心，增强其学习参与感和归属感，从而有效促进其持续学习的意愿。

参考文献

[1] CHO M H, SHEN D M. Self-regulation in online learning[J]. Distance Education, 2013(3): 290-301.

[2] 王卫, 史锐涵, 李晓娜. 基于心流体验的在线学习持续意愿影响因素研究[J]. 中国远程教育, 2017(5): 17-23.

[3] KANG M, LIEV B Y T, KIM J, et al. Learning presence as a predictor of achievement and satisfaction in online learning environments[J]. International Journal on E-Learning, 2014(1): 193-208.

[4] 任岩. 在线学习者持续学习意愿的影响因素研究[J]. 开放学习研究, 2021(5): 9-16.

[5] JOO Y J, KIM N Y, KIM N Y, et al. Structural relationship among self-efficacy, Internal locus of control, school support, learning flow, satisfaction and learning persistence in cyber education[J]. Journal of Educational Technology, 2010(1): 609-625.

[6] 钱瑛. 在线学习用户持续使用行为的影响因素研究: 基于社会化网络环境和学情定位视角[J]. 现代情报, 2015(3): 50-56.

[7] 杨根福. MOOC用户持续使用行为影响因素研究[J]. 开放教育研究, 2016(1): 100-111.

[8] ZHAO Y M, WANG A F, SUN Y Q. Technological environment,virtual experience, and MOOC continuance: A stimulus-organism-response perspective[J]. Co-mputers ＆ Education, 2020, 144: 103721.

[9] 张晓红. 大学生SPOC持续学习意愿影响因素研究[D]. 兰州: 西北师范大学, 2023.

[10] 镇丽华, 范哲. 终身学习视角下用户持续在线学习意愿影响因素研究: 基于MOA理论框架的探索[J]. 开放学习研究, 2023(1): 34-42.

[11] 徐锦芬. 外语类专业学生自主学习能力的构成与培养[J]. 外语界, 2020(6): 26-32.

[12] 庞维国. 论学生的自主学习[J]. 华东师范大学学报(教育科学版), 2001(2): 78-83.

[13] 黄振中, 张晓蕾. 自主学习能力对在线学习效果的影响机制探究: 兼论在线学习交互体验的中介作用[J]. 现代教育技术, 2018(3): 66-72.

[14] 赵宏, 陈丽. 远程学习者自主学习能力培养方法研究[J]. 电化教育研究, 2012(10): 56-63.

[15] ROBERT L. Influences on the orientations to learning of distance education students in Australia[J]. Open Learning, 2000(15): 107-121.

[16] 李静, 杨威. 自我决定论视角下自主学习能力和在线临场感对大学生在线学习满意度的影响研究[J]. 大学教育, 2022(4): 245-250.

[17] RYAN R M, DECI E L. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being[J]. American Psychologist, 2012(1): 68-78.

[18] 刘威童, 乔伟峰. 在线同步学习效果的影响机制: 交互行为的中介效应——基于清华大学大规模在线调查数据的分析[J]. 现代教育技术, 2022(3): 110-118.

[19] ZIMMERMAN B J, SCHUNK D H. Handbook of self-regulation of learning and performance[M]. New York: Routledge, 2011.

[20] 张利. 大学生在线学习持续意愿影响因素研究[D]. 广州: 广东技术师范大学, 2024.

[21] MOORE M G. Editorial: Three types of interaction[J]. American Journal of Distance Education, 1989(2): 1-7.

[22] MUIRHEAD B, JUWAH C. Interactivity in compu-ter-mediated college and university in education:a recent review of the literature[J]. Educational Technology & Society, 2004(7): 12-20.

[23] 陈琦, 刘儒德. 当代教育心理学[M]. 3版. 北京师范大学出版社, 2019.

[24] 梁云真, 赵呈领, 阮玉娇, 等. 网络学习空间中交互行为的实证研究: 基于社会网络分析的视角[J]. 中国电化教育, 2016(7): 22-28.

[25] 郭利明, 杜君磊, 郑勤华, 等. 在线学习环境中交互行为与动态认知投入分析[J]. 现代远距离教育, 2022(6): 68-77.

[26] 戴心来, 王丽红, 崔春阳, 等. 基于学习分析的虚拟学习社区社会性交互研究[J]. 电化教育研究, 2015(12): 59-64.

[27] 段金菊, 汪晓凤. 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, 2016(11): 43-50.

[28] 陈丽, 仝艳蕊. 远程学习中社会性交互策略和方法[J]. 中国远程教育, 2006(8): 14-17.

[29] 尹玮, 李嘉仪, 姜永玲, 等. 在线交互对理工专业大学生满意度和持续学习意愿的影响研究[J]. 山东高等教育, 2023(4): 55-63.

[30] 赵呈领, 赵文君, 杨海茹, 等. 泛在学习环境中信息交互影响因素模型构建与实证研究[J]. 现代远距离教育, 2018(4): 3-10.

[31] 李连英, 成可, 刘宁. 在线学习中大学生自主学习能力影响研究: 基于人口统计特征的多群组分析[J]. 湖北经济学院学报, 2023(1): 120-128.

[32] PINTRICH P R, De GROOT E V. Motivational and self-regulated learning components of classroom academic performance[J]. Journal of Educational Psychology, 1990(1): 33-40.

[33] 朱祖德, 王静琼, 张卫. 大学生自主学习量表的编制[J]. 心理发展与教育, 2005(3): 60-65.

[34] KUO Y C, WALKER A E, SCHRODER K E E, et al. Interaction, internet self-efficacy, and self-regulat-ed learning as predictors of student satisfaction in online education courses[J]. Internet and Higher Education, 2014(20): 35-50.

[35] BHATTACHERJEE A. Understanding information systems continuance: An expectation-confirmation mod-el[J]. MIS Quarterly, 2001(3): 351-370.

[36] 吴艳, 温忠麟. 结构方程建模中的题目打包策略[J]. 心理科学进展, 2011(12): 1859-1867.

[37] 杨素娟. 在线学习能力的本质及构成[J]. 中国远程教育, 2009(5): 43-48.

[38] FREITAS S I, MORGAN J, GIBSON D. Will MOOCs transform learning and teaching in higher education? engagement and course retention in online learning provision[J]. British Journal of Educational Technology, 2015(3): 455-471.

[39] BARBA P G, KENNEDY G E, AINLEY M D. The role of students’ motivation and participation in predicting performance in a MOOC[J]. Journal of Computer Assisted Learning, 2016(32): 218-231.

[40] 黄文丽. 在线学习环境下学习者社会性交互行为影响因素研究[D]. 兰州: 西北师范大学, 2024.

[41] 史慧姗, 郑燕林. MOOC中社会性互动的功用分析[J]. 现代远距离教育, 2016(2): 29-35.

[42] 张晓蕾, 黄振中, 李曼丽. 在线学习者“交互学习”体验及其对学习效果影响的实证研究[J]. 清华大学教育研究, 2017(2): 117-124.

[43] 魏志慧, 陈丽, 希建华. 网络课程教学交互质量评价指标体系的研究[J]. 开放教育研究, 2004(6): 34-39.

[44] 朱珂. 网络学习空间中学习者交互分析模型及应用研究[J]. 电化教育研究, 2017(5): 43-48.

[45] 赵呈领, 王娴, 马晨星. 感知交互性对在线学习者持续学习意愿的影响: 基于S-O-R视角[J]. 现代远距离教育, 2018(3): 12-20.

[46] RODRÍGUEZ-ARDURA I, MESEGUER-ARTOLA A. What leads people to keep on e-learning? An empirical analysis of users’ experiences and their effects on continuance intention[J]. Interactive Learning Environments, 2016(6): 1030-1053.

[47] JOHNSON R D, HORNIK S, SALAS E. An empirical examination of factors contributing to the creation of successful e-learning environments[J]. International Jo-urnal of Human-Computer Studies, 2008(5): 356-369.

[48] 张伟. 乐趣性与互动性感知对MOOCs学习者持续学习意愿的影响[J]. 中国人民大学教育学刊, 2016(2): 122-138.

[49] 谷飞. 认知增强AI与教育共生: 未来教育新生态[J]. 开放教育研究, 2024(6): 13-20.

基金资助

2025年度陕西省哲学社会科学研究专项(2025YB0115)

2025年度西安市社会科学规划基金项目(25JY47)

陕西省教育科学“十四五”规划2024年度项目(SGH24Y2234)

2025年度校级教学改革研究项目(25JG02AI)

2025年度西安市社会科学规划基金项目(25JY48)

陕西省教育厅2024年度一般专项科研计划项目(24JK0067)