论文部分内容阅读
摘要：各高校一直以来都对数字化校园进行了改造和新的探索尝试，社交网络的出现带来了社交关系为途径的信息传播新方式，随着社交网络的广泛应用和发展，社交网络思想进入数字化校园应用中的趋势会越来越明显，但是社交网络在校园中应用是否能带来正面影响不得而知，所以本文利用结构方程模型理论，通过问卷调查收集数据，SPSS和AMOS软件进行数据分析，最后得到社交网络在数字化校园环境下学习效果的影响模型，为高校数字化校园的建设提供参考。
关键词：新型数字化校园；数字化校园；社交网络；学习效果；影响模型
【中图分类号】G642
数字化校园是集合学校各单独的应用系统，提高办公和教学效率的应用平台，SNS社交网络是一个以人与人的社交关系为基础的用户交互平台，改变了原有的信息传播方式，不再是以信息或事物为核心而是以人与人的关系为传播途径，用实名制、社交关系的视角改变了人们接收和发布信息的方式。如果将SNS的主体思想应用到数字化校园网络中构建新型的数字化校园将会发生什么，这种创新对于学生的学习来说到底有没有好处呢？
1.加入社交元素的数字化校园的思想的提出
1.1数字化校园简介
数字化校园是在传统校园网应用的基础上，利用先进的信息化手段和工具，将现实校园的各项资源数字化，实现校园内部数据共享，教育管理，多媒体教学，集中数字资源、信息管理、图书馆管理、学生学习信息化等多种功能[1]，通过网络为基础的技术手段来提高效率、扩展功能，从而协助和促进学校的教学管理和教学过程。
数字化校园也是逐步发展起来的，从2005年最先出现数字化校园开始，后又不断添加新系统、新应用。数字化校园的框架普遍包含[2]：基础设施层；信息化校园应用系统基础平台；应用系统层；信息服务层；信息安全体系；信息标准/管理/保障体系。
1.2加入社交元素的数字化校园的设想
SNS即社交网络服务，它是一个将现实社会的人际关系投射到互联网上的一个服务平台。它的理论基础是社会心理学家米尔格伦的六度分隔理论[3]，“最多不超过六个人你就能认识任何一个陌生人”。社交网络的出现使得人们利用网络传递信息的方式已经从单向选择接收变成了更互动的方式，每人能制造、组织和传播信息，充分体现了web2.0以受众为主，以人为核心的思想[4]。用户可以互相分享、展示信息，交流沟通，使得人们被它这种平等、快速、便捷的传播个人信息的传播方式吸引。学生群体是一个最容易也最善于接受新鲜事物的群体，中国的5.64亿的网民中25%是学生[5]，他们是SNS的主要应用人群，所以社交网络在校园中的应用会越来越多。现阶段也有一些对SNS应用于校园中的研究，例如《浅谈校园SNS下的德育工作》[6]主要介绍以SNS为背景的高校思想教育的开展情况和未来展望；《教育资源在社交网络服务SNS中的教师个性化应用研究》[7]主要介绍通过SNS软件功能解决教育资源共享中存在的问题；本文则研究社交思想加入数字化校园对高校学生学习的影响情况。
SNS的思想加入数字化校园并不是单纯的对社交网络的应用移植而是希望将通过社交关系影响信息传播方式的思想加入到数字化校园中，在不改变传统数字化校园框架和技术手段的前提下，将社交元素诸如，实名制、分享、社交圈、互动等思想加入到数字化校园中。也将人们通过他们的社交关系组成一组建立小的社交圈，将同班级的同学老师划分到同一社交圈，或将兴趣相同的同学划分为一个社交圈，通过社交关系实现分享、浏览、讨论等应用，大家相互交流和关注，解决学习中遇到的困难。原来的数字化校园只是为了将学校的各应用系统联结起来，而新型数字化校园希望通过社交关系的引入改变原有的信息传播方式，不再是学校——人而是人——人，希望通过这样的改变来提高学校的教学效率和实现教、学、信息的最优管理。
这种加入了社交元素的数字化校园网络笔者把它命名为“具备社交网络特性的数字化校园”。那么这种新型数字化校园是否能加强学校管理，促进学校的教、学成果呢？
2.社交元素加入数字化校园对学习的影响模型的理论基础
2.1结构方程理论基础
结构方程模型（structural equation modeling）简称SEM，是一种结合使用统计数据和因果假设来进行测试和评估因果关系的技术[8]。在现实中有许多的假设构念无法直接被测量或观察得到的，只能间接以量表或指标数值来反映该构念的特质。
SEM是一般线性模型的扩展，他能使研究者同时检验一组回归方程，SEM分析的基本流程[9]如下图所示：
图1 SEM分析流程
2.2社交元素加入数字化校园后学习效果模型的影响因素
Massoud Moussavi和Noel McGinn在“A Bayesian Network for School Performance”中提出了影响学生在学校的表现的模型[10]，模型指出了学生数学成绩受到包括老师的知识储备、学生出勤率、老师出勤率、班级规模、课程覆盖率、用于学习的时间、课外学习时间、教/学质量、社会经济、学生认知发展等诸多因素的直接或间接影响，本文由于是讨论有社交因素的数字化校园情况下学习效果的影响因素，所以我们不仅要考虑数字化校园的因素，还要考虑社交因素对学习的影响。
借鉴Massoud Moussavi和Noel McGinn的模型因素，我们将影响学生学习效果的因素大致分为四个方面：传统教授、学生个人能力、数字化校园的辅助应用和社交元素的影响。再将各个因素细分，划分成容易测量的小指标，见表1。
表1 新型数字化校园对学习效果的影响指标选取
变量 指标 内容
传统教授
teach T1 出勤
T2 教师知识面 T3 知识难度
T4 个别指导
个人能力
person P1 练习时间
P2 知识吸收速度
P3 周围的氛围
P4 个人的学习兴趣
P5 工具的应用
P6 功课的基础
数字化校园
digital D1 教学系统
D2 数字图书馆和资源库
D3 讲座信息
D4 多媒体、网络教室
D5 发达的网络平台
社交元素
social S1 在加有社交因素的数字化校园中是否有更多人关注提出的问题
S2 关注度提高是否利于问题解决
S3 在新环境下能回答的人是否增多
S4 这是否影响学习效果
S5 在新环境下好友动态是否影响你的兴趣取向
S6 兴趣对学习是否有帮助
学习效果
effect X1 掌握新知识
X2 解决困难
根据上述指标分析建立新型数字化校园对学习的影响模型和假设，提出的假设如下：
假设1（H1）：传统的教授方式与学习效果正相关；
假设2（H2）：学生的个人能力与学习效果正相关；
假设3（H3）：数字化校园网络的应用与学习效果正相关；
假设4（H4）：将校园网中加入的社交元素与学习效果正相关。
3.研究过程
3.1数据采集
问卷主要采用网络发放的形式，这样问卷的填写者来自全国各地，地域和人群分布相对分散，符合随机抽样性。本问卷实发160份，收回160份，其中有效问卷153份，有效率95.62%。
表2 问卷基本情况
项目 选项 数量 百分比%
性别 男 69 45.1
女 84 54.9
专业 理科 51 33.3
文科 61 39.9
工科 36 23.5
艺术 1 0.7
其他 4 2.6
学历 大专以下 13 8.5
大学 115 75.2
硕士 22 14.4
博士 3 2
被调查人群中有大约16.8%的人没有过数字化校园经历，但有将近半数的人使用数字化校园时间在1——3年之间。
3.2数据处理
（1）信度分析和因子载荷。信度是指测量结果的一致性或稳定性，为了解问卷的可靠性与有效性，需要对问卷进行信度检验。本问卷运用SPSS20进行信度分析，该问卷的总信度：α值为0.919，大于0.7且大于0.9说明该问卷具有很好的信度，可靠性和稳定性极佳。因子载荷反映收敛效度，表明各指标与其对应的因子间的相关度，同样运用SPSS20，采用主成分分析法和正交矩阵旋转的旋转方法得到因子载荷矩阵各个因素的信度。各因素的信度和因子载荷见下表。
表3 信度分析和因子载荷
因素 测量指标 因子载荷 Alpha
传统教授 T1 0.378 0.758
T2 0.601
T3 0.581
T4 0.580
个人能力 P1 0.247 0.738
P2 0.487
P3 0.563
P4 0.560
P5 0.626
P6 0.653
数字化校园 D1 0.637 0.852
D2 0.657
D3 0.692
D4 0.703
D5 0.661
社交因素 S1 0.686 0.867
S2 0.723
S3 0.639
S4 0.696
S5 0.648
S6 0.753
学习效果 X1 0.703 0.738
X2 0.604
上表可知各因素的信度均大于0.7最小值说明该问卷的各因素题项指标具有良好的信度。各指标的因子载荷，除了T1、P1小于0.5之外，T2项接近0.5，其余指标的因子载荷均大于0.5，说明该问卷的测量指标具有较好的收敛度。
（3）路径分析。本研究中的五个潜变量分别是传统教授，个人能力，数字化校园，社交元素，学习效果。传统教授有4个可观察变量，个人能力包含6个可观察变量，数字化校园包含5个可观察变量，社交元素包含6个可观察变量，学习效果包含2个可观察变量，其中学习效果是不可观察的内生变量，其余四个潜变量为不可观察的外生变量。本文利用AMOS可视化模块软件进行路径分析。得到如下结果。
图1 新型数字化校园对学习效果的影响模型
ns代表不显著，*代表p<0.05，***代表p<0.001。由图中可知传统教授对学生学习效果的影响不显著，个人能力、数字化校园、社交因素对学习效果的影响显著，路径系数分别为：0.79、0.22、0.28。
在置信度95%的水平下，假设1不成立，假设2、3、4成立。
表4 假设检验结果
假设内容 路径系数 检验结果
H1：传统的教授方式与学习效果正相关 -0.01 不成立
H2：学生的个人能力与学习效果正相关 0.79 成立
H3：数字化校园网络的应用与学习效果正相关 0.22 成立 H4：将校园网中加入的社交元素与学习效果正相关 0.28 成立
4.结论
本研究提出了将社交因素加入到数字化校园中的设想，并通过结构方程的方法研究出新环境下学习效果影响因素的模型，根据模型研究的数据我们可以得出结论：
由假设1不成立推断传统教授对学习效果影响不大，现在学生越来越多的运用网络工具，传统教授可能已经不再是学习效果的最重要影响因素。
其次，假设2成立推断新环境下的学生，尤其是应用网络、科技工具较多的高校学生来说，大家普遍认为个人的学习能力是学习效果的重要影响因素，个人的练习、吸收知识的速度、兴趣、运用工具的能力等都能影响到个人的学习效果。
最后，由假设3、4成立可以推断数字化校园和社交网络在学习效果的影响中都有一定的比重，二者加起来对学习效果的影响明显增加，所以将社交因素加入数字化校园中构建新型的数字化校园很有可能促进学校的教学效率、提高学生的学习效果。
所以推断提高个人能力和建设新型数字化校园应该均可促进学生学习效果。
参考文献
[1]赵万平，面向服务的高等学校数字化校园模型研究，大庆石油学院工程硕士学位论文，3-4
[2]曾海雄，高校数字化校园基础平台的研究与设计，南昌大学高校教师在职攻读硕士学位研究生，9-10
[3]Stanley Milgram “Results of Communication Project” ftp：//cs.ucl.ac.uk/genetic/papers/Milgram1967Small.pdf
[4]Peter Ractham， Daniel Firpo，“Using Social Networking Technology to Enhance Learning in Higher Education： A Case Study using Facebook” Proceedings of the 44th Hawaii International Conference on System Sciences
[5]第三十一次《互联网发展统计报告》 http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201301/P020130122600399530412.pdf 11-12
[6]滕晓黎，浅谈校园SNS下的德育工作，东方企业文化，2011.4
[7]肖冰，教育资源在社交网络服务SNS中的教师个性化应用研究，商情，2011.8
[8]Wright， Sewall S. “Correlation and causation” Journal of Agricultural Research 20： 557–85.
[9]维基百科“SEM Structural equation modeling”
https：//en.wikipedia.org/wiki/Structural_equation_modeling
[10]Moussavi， M.， McGinn， N. A Bayesian Network for School Performance.2009
关键词：新型数字化校园；数字化校园；社交网络；学习效果；影响模型
【中图分类号】G642
数字化校园是集合学校各单独的应用系统，提高办公和教学效率的应用平台，SNS社交网络是一个以人与人的社交关系为基础的用户交互平台，改变了原有的信息传播方式，不再是以信息或事物为核心而是以人与人的关系为传播途径，用实名制、社交关系的视角改变了人们接收和发布信息的方式。如果将SNS的主体思想应用到数字化校园网络中构建新型的数字化校园将会发生什么，这种创新对于学生的学习来说到底有没有好处呢？
1.加入社交元素的数字化校园的思想的提出
1.1数字化校园简介
数字化校园是在传统校园网应用的基础上，利用先进的信息化手段和工具，将现实校园的各项资源数字化，实现校园内部数据共享，教育管理，多媒体教学，集中数字资源、信息管理、图书馆管理、学生学习信息化等多种功能[1]，通过网络为基础的技术手段来提高效率、扩展功能，从而协助和促进学校的教学管理和教学过程。
数字化校园也是逐步发展起来的，从2005年最先出现数字化校园开始，后又不断添加新系统、新应用。数字化校园的框架普遍包含[2]：基础设施层；信息化校园应用系统基础平台；应用系统层；信息服务层；信息安全体系；信息标准/管理/保障体系。
1.2加入社交元素的数字化校园的设想
SNS即社交网络服务，它是一个将现实社会的人际关系投射到互联网上的一个服务平台。它的理论基础是社会心理学家米尔格伦的六度分隔理论[3]，“最多不超过六个人你就能认识任何一个陌生人”。社交网络的出现使得人们利用网络传递信息的方式已经从单向选择接收变成了更互动的方式，每人能制造、组织和传播信息，充分体现了web2.0以受众为主，以人为核心的思想[4]。用户可以互相分享、展示信息，交流沟通，使得人们被它这种平等、快速、便捷的传播个人信息的传播方式吸引。学生群体是一个最容易也最善于接受新鲜事物的群体，中国的5.64亿的网民中25%是学生[5]，他们是SNS的主要应用人群，所以社交网络在校园中的应用会越来越多。现阶段也有一些对SNS应用于校园中的研究，例如《浅谈校园SNS下的德育工作》[6]主要介绍以SNS为背景的高校思想教育的开展情况和未来展望；《教育资源在社交网络服务SNS中的教师个性化应用研究》[7]主要介绍通过SNS软件功能解决教育资源共享中存在的问题；本文则研究社交思想加入数字化校园对高校学生学习的影响情况。
SNS的思想加入数字化校园并不是单纯的对社交网络的应用移植而是希望将通过社交关系影响信息传播方式的思想加入到数字化校园中，在不改变传统数字化校园框架和技术手段的前提下，将社交元素诸如，实名制、分享、社交圈、互动等思想加入到数字化校园中。也将人们通过他们的社交关系组成一组建立小的社交圈，将同班级的同学老师划分到同一社交圈，或将兴趣相同的同学划分为一个社交圈，通过社交关系实现分享、浏览、讨论等应用，大家相互交流和关注，解决学习中遇到的困难。原来的数字化校园只是为了将学校的各应用系统联结起来，而新型数字化校园希望通过社交关系的引入改变原有的信息传播方式，不再是学校——人而是人——人，希望通过这样的改变来提高学校的教学效率和实现教、学、信息的最优管理。
这种加入了社交元素的数字化校园网络笔者把它命名为“具备社交网络特性的数字化校园”。那么这种新型数字化校园是否能加强学校管理，促进学校的教、学成果呢？
2.社交元素加入数字化校园对学习的影响模型的理论基础
2.1结构方程理论基础
结构方程模型（structural equation modeling）简称SEM，是一种结合使用统计数据和因果假设来进行测试和评估因果关系的技术[8]。在现实中有许多的假设构念无法直接被测量或观察得到的，只能间接以量表或指标数值来反映该构念的特质。
SEM是一般线性模型的扩展，他能使研究者同时检验一组回归方程，SEM分析的基本流程[9]如下图所示：
图1 SEM分析流程
2.2社交元素加入数字化校园后学习效果模型的影响因素
Massoud Moussavi和Noel McGinn在“A Bayesian Network for School Performance”中提出了影响学生在学校的表现的模型[10]，模型指出了学生数学成绩受到包括老师的知识储备、学生出勤率、老师出勤率、班级规模、课程覆盖率、用于学习的时间、课外学习时间、教/学质量、社会经济、学生认知发展等诸多因素的直接或间接影响，本文由于是讨论有社交因素的数字化校园情况下学习效果的影响因素，所以我们不仅要考虑数字化校园的因素，还要考虑社交因素对学习的影响。
借鉴Massoud Moussavi和Noel McGinn的模型因素，我们将影响学生学习效果的因素大致分为四个方面：传统教授、学生个人能力、数字化校园的辅助应用和社交元素的影响。再将各个因素细分，划分成容易测量的小指标，见表1。
表1 新型数字化校园对学习效果的影响指标选取
变量 指标 内容
传统教授
teach T1 出勤
T2 教师知识面 T3 知识难度
T4 个别指导
个人能力
person P1 练习时间
P2 知识吸收速度
P3 周围的氛围
P4 个人的学习兴趣
P5 工具的应用
P6 功课的基础
数字化校园
digital D1 教学系统
D2 数字图书馆和资源库
D3 讲座信息
D4 多媒体、网络教室
D5 发达的网络平台
社交元素
social S1 在加有社交因素的数字化校园中是否有更多人关注提出的问题
S2 关注度提高是否利于问题解决
S3 在新环境下能回答的人是否增多
S4 这是否影响学习效果
S5 在新环境下好友动态是否影响你的兴趣取向
S6 兴趣对学习是否有帮助
学习效果
effect X1 掌握新知识
X2 解决困难
根据上述指标分析建立新型数字化校园对学习的影响模型和假设，提出的假设如下：
假设1（H1）：传统的教授方式与学习效果正相关；
假设2（H2）：学生的个人能力与学习效果正相关；
假设3（H3）：数字化校园网络的应用与学习效果正相关；
假设4（H4）：将校园网中加入的社交元素与学习效果正相关。
3.研究过程
3.1数据采集
问卷主要采用网络发放的形式，这样问卷的填写者来自全国各地，地域和人群分布相对分散，符合随机抽样性。本问卷实发160份，收回160份，其中有效问卷153份，有效率95.62%。
表2 问卷基本情况
项目 选项 数量 百分比%
性别 男 69 45.1
女 84 54.9
专业 理科 51 33.3
文科 61 39.9
工科 36 23.5
艺术 1 0.7
其他 4 2.6
学历 大专以下 13 8.5
大学 115 75.2
硕士 22 14.4
博士 3 2
被调查人群中有大约16.8%的人没有过数字化校园经历，但有将近半数的人使用数字化校园时间在1——3年之间。
3.2数据处理
（1）信度分析和因子载荷。信度是指测量结果的一致性或稳定性，为了解问卷的可靠性与有效性，需要对问卷进行信度检验。本问卷运用SPSS20进行信度分析，该问卷的总信度：α值为0.919，大于0.7且大于0.9说明该问卷具有很好的信度，可靠性和稳定性极佳。因子载荷反映收敛效度，表明各指标与其对应的因子间的相关度，同样运用SPSS20，采用主成分分析法和正交矩阵旋转的旋转方法得到因子载荷矩阵各个因素的信度。各因素的信度和因子载荷见下表。
表3 信度分析和因子载荷
因素 测量指标 因子载荷 Alpha
传统教授 T1 0.378 0.758
T2 0.601
T3 0.581
T4 0.580
个人能力 P1 0.247 0.738
P2 0.487
P3 0.563
P4 0.560
P5 0.626
P6 0.653
数字化校园 D1 0.637 0.852
D2 0.657
D3 0.692
D4 0.703
D5 0.661
社交因素 S1 0.686 0.867
S2 0.723
S3 0.639
S4 0.696
S5 0.648
S6 0.753
学习效果 X1 0.703 0.738
X2 0.604
上表可知各因素的信度均大于0.7最小值说明该问卷的各因素题项指标具有良好的信度。各指标的因子载荷，除了T1、P1小于0.5之外，T2项接近0.5，其余指标的因子载荷均大于0.5，说明该问卷的测量指标具有较好的收敛度。
（3）路径分析。本研究中的五个潜变量分别是传统教授，个人能力，数字化校园，社交元素，学习效果。传统教授有4个可观察变量，个人能力包含6个可观察变量，数字化校园包含5个可观察变量，社交元素包含6个可观察变量，学习效果包含2个可观察变量，其中学习效果是不可观察的内生变量，其余四个潜变量为不可观察的外生变量。本文利用AMOS可视化模块软件进行路径分析。得到如下结果。
图1 新型数字化校园对学习效果的影响模型
ns代表不显著，*代表p<0.05，***代表p<0.001。由图中可知传统教授对学生学习效果的影响不显著，个人能力、数字化校园、社交因素对学习效果的影响显著，路径系数分别为：0.79、0.22、0.28。
在置信度95%的水平下，假设1不成立，假设2、3、4成立。
表4 假设检验结果
假设内容 路径系数 检验结果
H1：传统的教授方式与学习效果正相关 -0.01 不成立
H2：学生的个人能力与学习效果正相关 0.79 成立
H3：数字化校园网络的应用与学习效果正相关 0.22 成立 H4：将校园网中加入的社交元素与学习效果正相关 0.28 成立
4.结论
本研究提出了将社交因素加入到数字化校园中的设想，并通过结构方程的方法研究出新环境下学习效果影响因素的模型，根据模型研究的数据我们可以得出结论：
由假设1不成立推断传统教授对学习效果影响不大，现在学生越来越多的运用网络工具，传统教授可能已经不再是学习效果的最重要影响因素。
其次，假设2成立推断新环境下的学生，尤其是应用网络、科技工具较多的高校学生来说，大家普遍认为个人的学习能力是学习效果的重要影响因素，个人的练习、吸收知识的速度、兴趣、运用工具的能力等都能影响到个人的学习效果。
最后，由假设3、4成立可以推断数字化校园和社交网络在学习效果的影响中都有一定的比重，二者加起来对学习效果的影响明显增加，所以将社交因素加入数字化校园中构建新型的数字化校园很有可能促进学校的教学效率、提高学生的学习效果。
所以推断提高个人能力和建设新型数字化校园应该均可促进学生学习效果。
参考文献
[1]赵万平，面向服务的高等学校数字化校园模型研究，大庆石油学院工程硕士学位论文，3-4
[2]曾海雄，高校数字化校园基础平台的研究与设计，南昌大学高校教师在职攻读硕士学位研究生，9-10
[3]Stanley Milgram “Results of Communication Project” ftp：//cs.ucl.ac.uk/genetic/papers/Milgram1967Small.pdf
[4]Peter Ractham， Daniel Firpo，“Using Social Networking Technology to Enhance Learning in Higher Education： A Case Study using Facebook” Proceedings of the 44th Hawaii International Conference on System Sciences
[5]第三十一次《互联网发展统计报告》 http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201301/P020130122600399530412.pdf 11-12
[6]滕晓黎，浅谈校园SNS下的德育工作，东方企业文化，2011.4
[7]肖冰，教育资源在社交网络服务SNS中的教师个性化应用研究，商情，2011.8
[8]Wright， Sewall S. “Correlation and causation” Journal of Agricultural Research 20： 557–85.
[9]维基百科“SEM Structural equation modeling”
https：//en.wikipedia.org/wiki/Structural_equation_modeling
[10]Moussavi， M.， McGinn， N. A Bayesian Network for School Performance.2009