文献名

Learning Engagement and Persistence in Massive Open Online Courses (MOOCS)

期刊

Computers &Education

发表时间

2018.7

实验设计

1.研究对象：306名在韩国参加MOOC的学习者

2.研究方法：问卷调查法

3.研究过程：

（1）选取研究对象时，删除了参加不到三周MOOC课程的学生，并使用简单随机抽样选择了五门为期16周的课程进行研究

（2）为减少实验数据的差异，采用了F检验，把实验变量（即学习参与度和教学存在的课程类型）控制在0.05之内的显著性水平

（3）研究设计是通过与A大学MOOC运营中心协商，协调问卷时间表、主题、问题和收集方法进行的，以五分李克特量表将问卷项目从1（强烈不同意）到5（非常同意）进行评分

（4）采用结构方程模型（SEM）分析进行数据分析，通过控制每个变量的测量误差来精确测量变量之间的关系，并识别最优模型中因子的直接和间接影响

（5）最后，进行了验证性因子分析（CFA）以确认测量模型的拟合度和有效性

结果

1. 进行了验证性因子分析（CFA）以确认测量模型的拟合度和有效性

2. 教学风格对MOOC学习参与度也有显着影响

3. 学习者在使用MOOC学习支持系统时对有用性的感知显著影响了他们的学习参与度

4. MOOC的学习参与度也显示出对学习持久性的直接影响

5. 探讨了学习参与度对研究变量与MOOC学习持久性之间关系的间接影响

启示

1.本研究主要是对影响MOOC学习参与度和持久性的影响因素进行了 深度的分析和探究，并使用了结构方程模型检查MOOC中影响因素之间的关系。

2.本次问卷调查的过程中，选取的研究对象为韩国参加MOOC的学习者，并没有选取其他国家的对象，或者研究主题应该为韩国的MOOC学习者，这是我认为本文存在的一个问题，也可为我的研究主题（对象为大学生）作为一定的参考和借鉴。

3.对于本文使用的模型、方法不太明白，我会慢慢学习，深入了解并加以运用。

4.本文研究结果给出了影响MOOC学习参与度和持久性的影响因素，同时也分析了研究的局限性和建议，而这些观点可以作为我正在研究的大学生在线学习投入影响因素研究的补充和将要拓展的思路。

文献名

Analysis of Students' Online Learning Engagement during the COVID-19 Pandemic: A Case Study of a SPOC-Based Geography Education Undergraduate Course

期刊

Web of science

发表时间

2023.3

实验设计

1. 分析了在线学习、SPOC、在线学校参与的研究现状
2. 以南京师范大学地理教育本科课程的小型民办在线课程《中学地理课程标准与教科书研究》为例，探讨了学生在线学习参与度与在线学习成绩之间的关系
3. 构建了在线学习参与分析模型，从认知参与、行为参与、情感参与和社会参与四个维度对在线学习参与作出了深度的研究
4. 研究数据来自SPOC课程中学地理课程标准和教科书研究

结果

1. 对在线学习参与的各个维度进行了描述性分析，根据布鲁姆修订后的分类方法，六个认知参与子维度——即记忆、理解、应用、分析、评估和创造——用于反映学生的认知参与度。在6个子维度中，只有“分析”适用于所有课程分配帖子，而其他5个子维度在部分课程分配帖子中不存在。就频率而言，“分析”最多，远高于其他子维度，其次是“应用”，但“理解”最少。

2. 大多数学生在网上学习时没有行为参与，在比较每个维度的参与度时，好奇心是学生投入最多的，其次是快乐，无聊最少。在个体可变性方面，与其他情感参与相比，学生的归属感差异更大。

3. 学生对在线学习参与度不同维度的参与度差异很大，尤其是情感参与度最高。每个学生在网上学习时都有不同程度的情感参与，其次是认知参与，而行为参与度最低。大多数学生不参与本研究的行为参与。

启示

1.本研究是在COVID-19大流行期间，对学生在线学习参与度进行分析，研究过程以小型民办在线课程《中学地理课程标准与教科书研究》为例作出详细的分析。

2．研究者将在线学习参与分成了四个维度进行分析，在模型构建中针对每个维度的在线学习参与采取了不同的指标。

3.本研究主题的研究对象为学生，标题选取的是南京师范大学的在线课程，而文章中的数据来源部分选取的是初中地理，因此本文的研究对象是中学生还是大学生尚未明确。如果选取学生作为研究对象，将导致范围过大，不具有针对性。

4.本研究的结论对在线学习参与存在的问题作出了解答，因此还可以考虑是否添加解决对策这一部分的内容。

5.本研究的案例是否具有代表性，有待思考。

文献名

Online learning in higher education: Examining the predictors of students’ online engagement

期刊

谷歌学术

发表时间

2022.8

实验设计

1.该文章研究了远程学习态度、外在和内在目标取向对在线参与维度的影响

2.本研究分别基于社会建构学习和探究社区模型来解释IGO和EGO以及远程学习态度如何影响大学生在线学习的参与度

3. 该研究小组由来自土耳其一所国立大学教育学院的 293 名教师候选人组成

4. 本研究通过三项调查收集数据。第一项调查是 Tzafilkou 等人开发的 RLAS；第二项调查包括由 Pintrich 等人开发的动机和学习策略问卷的内在和外在目标取向维度；第三个量表是 Dixson ( 2010 )开发的在线 SE 量表，并由 Polat 等人改编成土耳其语。

5.本研究针对参与度这一概念进行了解释，并强调了行为、情感和认知等三种参与类型。

结果

1. 关于测量模型的收敛有效性已经获得了足够的证据。
2. 根据 Fornell 和 Larcker ( 1981 ) 的说法，已经找到了区分有效性的充分证据，结构的AVE值的平方根高于结构之间共享的相关系数。
3. 介绍了与四个结构模型相关的发现，其中包含四个参与维度作为因变量。
4. 在线学习参与的四个维度分别作为四个模型的技能、情感、参与和表现进行了测试。在测试的 4 个模型中，描述最好的模型是参与的技能维度。其次是情感、表现和参与。
5. 所有测试模型都确认了与同伴在线协作、与教师在线交流、参与在线课程以及完成作业和任务相关的关系

启示

1. 在研究过程中，需要对一些无关变量进行严格的控制，以确保更精确的实验结果。
2. 从本研究中得知，探究在线学习参与度的影响因素时可以从行为、情感和认知三个维度进行分析，在本研究的基础上创新性地提出学习参与的其他维度。
3. 探究在线学习参与度的有关问题最终是为了提高在线学习者的学习效果，由这一相同的研究目的可阅读相关在线学习参与度的文章，即使研究对象、研究背景等方面不一样，依旧有一定的参考价值。

文献名

Engagement and disengagement in online learning

期刊

Computers & Education

发表时间

2022.10

实验设计

1. 该文献主要研究教师对学生参与度的看法以及影响，并使用扎根理论混合方法进行了实验设计，扎根理论被设计为访谈—日记—访谈的形式
2. 本研究使用描述性统计和内容分析法对经常在K12中教授混合、远程课程的教师进行了10次访谈
3. 本研究提出了一个反映教师对学生在线参与的理解的模型，参与分为微观层面和宏观层面，其中，微观层面的参与揭示了参与和脱离的复杂组合
4. 实验研究的对象来自瑞典八个城市的12名教师，在实验中针对人口背景进行了调查和数据录入，数据分析过程包括定量和定性分析。其次，研究者首先了解到教师的教学实践、参与和脱离现象，然后采用归纳法和演绎法对研究对象进行了访谈和日记相关的数据收集。

结果

1. 在宏观层面上，教师会相对轻松地使用 1-5 分制报告学生对在线学习的总体参与度；在微观方面上，教师表示参与度没有固定的界限。
2. 可能受到影响的参与和脱离的具体和不同方面将在不同层面上同时发生
3. 这项研究提出有社会不安全感（包括社交恐惧症）的学生与没有社会不安全感的学生表现出不同的参与度
4. 教师和学生之间存在不健康的参与。学校和家庭的参与规范会影响学生的自我调节和参与水平
5. 在异步元素中，教师对参与度的看法取决于学生在平台和电子邮件中的进步、结果和异步响应能力。当同步和异步元素结合在一起时，对参与度的理解更加细致入微。
6. 教师同情不敬业的学生，但对有效的干预措施知之甚少。对于所有教师来说，描述参与比不参与更容易

启示

1. 该研究主要探讨了在线教学的教师对学生学习参与度的看法，并从宏观和微观两个层面进行了分析。
2. 该研究的实质并不是分析学生在线学习参与度的影响因素，但在研究中提到的几个因素可作为一定的参与和借鉴，比如学生的自主性、教师的干预、社会网络问题等，为自己的论文提供了多个角度进行思考。
3. 从该研究中学习扎根理论的混合方法、描述性统计、内容分析法等多种研究方法

文献名

Student engagement in online learning in Latin American higher education during the COVID-19 pandemic: A systematic review

期刊

British Journal of Educational Technology

发表时间

2022

实验设计

1. 本文主要的两个研究问题：第一，疫情期间拉丁美洲高等教育在线学习的学生参与度（行为、认知和情感维度）的主要特征是什么；第二，在线学习对拉丁美洲高等教育的主要影响是什么？
2. 研究中将学生参与度从行为、认知、情感三个方面进行分析，对每个维度的学生参与度的特征做出详细的分析
3. 该研究是一篇系统性文献综述，研究者在使用检索策略时，采用检索数据库、人工筛选文章、评估文章资格的步骤进行检索，然后对数据进行提取和分析，并测量出研究的信度和效度。

结果

1. 结果发现了学生行为参与的许多特征，分为以下四个主题：软技能发展、教学方面、数字技能发展和技术问题。第一，软技能的发展对高等教育学生至关重要，因为它可以提高毕业生的就业能力。而在线学习的学生软技能发展还面临着巨大的挑战性。第二，在在线学习中，学生的辍学率高于面对面学习，但是学生完成任务比例高等。第三，数字技能可以帮助学生在未来的职业中取得进步，不仅可以弥合任何数字鸿沟，还可以对他们的社交生活产生积极影响。第四，提供广泛、快速、有效和高效的互联网覆盖会影响在线学习的质量。
2. 研究强调了 COVID-19 大流行期间学生认知参与的一些特征，我们将其分为以下四个主题：学业成绩、学习动机、自我调节学习和自我感知的数字素养。第一，通常学生参与学习活动的时间越长，他们的学习成绩就越好。研究表明当学生使用在线平台时，他们的学业成绩有所提高。第二，积极性更强的学生会更频繁地参与在线学习活动。第三，在线环境中的自我调节学习水平高于或类似于面对面课程。第四，在审查的研究中，一些学生被认为具有高水平的数字素养和数字工具使用知识。
3. 研究强调了学生情感参与的四个主要特征：在线学习的价值、对在线学习的积极态度、对在线学习的满意度以及压力和焦虑。第一，参与审查研究的学生高度重视所学信息、在线好处和协作学习机会。第二，大多数被审查的文章都报告了学生对在线学习的视频资源、技术使用和在线课程的积极态度。第三，学生的满意度与课程设计或清晰度以及师生互动呈正相关。第四，压力和焦虑与较低的情绪投入有关，在研究中，一些学生在情绪上受到压力和焦虑的影响。
4. 研究结果对拉丁美洲高等教育在线学习的影响是：（1）高等教育的转型（2）充分的专业培训（3）互联网连接（4）高等教育中的优质在线学习和（5）学生福祉。学生参与的三方维度的概念化揭示了教学过程以及学生参与在线学习的关键特征，因此可以作为提高拉丁美洲高等教育在线学习质量的基础。

启示

1. 在线学习的学生参与度一般可以从行为、认知和情感参与这三个维度进行文献搜集和数据分析
2. 本篇文献针对疫情期间拉丁美洲高等教育在线学习的学生参与度,三个维度的学生参与度普遍较高，呈现良好的学习效果，但也有需要改进的地方。
3. 本文的主要数据、文献来源是web of science、ScienceDirect和Scielo，引用的参与文献基本上都是在线学习学生的学习问题，该篇文章是一个系统性文献综述，所以查看参考文献可以给我做综述时需要搜集的文献来源及方向提供一定的参考和借鉴。

文献名

Human-robot interaction in higher education for predicting student engagement

期刊

Computers and Electrical Engineering

发表时间

2022.4

实验设计

1. 该研究引入了一种在高等教育中使用HRI的学生参与度预测模型，该模型使用监督学习算法进行学生参与度预测。
2. Tomasevic， N.等人确定了优化的学习过程及其发生的条件；Xie， K.等人启动了该研究，分析了动机、参与度和学业成绩之间关系的具体方法；Chen， Y. 等人引入分阶段预测模型（PPM），识别在线学习中面临风险的学生；Moubayed等人使用电子学习环境学生参与探索了 k-means 算法；Camacho， V.等人分析了可穿戴设备和物联网教育；Guggemos， J.等[30]描述了偏最小二乘结构方程模型在高等教育中用于人形机器人数据分析。最后，研究者通过对上述其他研究者研究模型的分析，最终确定采用SEPM-HRI模型来预测学生的参与度。
3. 监督学习 （SL） 算法旨在进行外部推理，以创建准确预测学生参与课堂条件的基本命题。用于衡量学生参与各种在线学习任务的算法描述当前分析的主要阶段；数据挖掘用于预测一组重要的教育成果，包括绩效、参与度和成就，该研究旨在通过一个完整的指南来回答已经确定的局限性。
4. 体验式学习理论模型将学习作为一个过程，提供了两种理解模式。教学相关的经验和抽象概念化。

结果

1. 机器人被认为可以提高学生的参与度、积极性、注意力和注意力。从长远来看，学习表现是由学生参与来预测的。
2. 参与课堂讨论和让学生参与教育机构活动之间存在相互作用。这些活动积极地提高了学习效率，并改善了对高等教育成功的准备。
3. 教师和学生之间的社交互动对学业成绩、认知能力和动机有有益的影响。结果表明，优化可以导致学生参与度的变化以及与人类机器人的更好互动。该模型解释说，积极性高的学生与学生和教师的互动更多地受到他们学习意图和提高教育表现的影响。

启示

1. 该研究主要通过大量的模型来预测高等教育中学生的参与度，而主要采用的人机交互的监督学习算法进行学生参与度预测，其中得出学生的参与度学生的兴趣、好奇心、注意力等因素有关。
2. 该研究分析了在线学习学生参与度的有关情况，能够为自己的论文作出一定的参考，同时在其他方面（如线下学习、混合学习）可以对比学生参与度的差异