3P学习分析框架下大学生在线学习参与度的影响因素及提升策略

　　摘　要：随着在线学习从个别化参与走向全员参与，如何消解学习者在线学习中的不良情绪、提升在线学习参与度、为学习者的终身学习奠定基础成为亟待解决的问题。通过深度访谈采集数据，并以此为原始资料，采用扎根理论的质性研究方法对访谈资料进行三级编码，提取主要概念和范畴，进而构建影响因素理论模型。研究发现，在线学习中学习参与度受个体学习特点、教师能力要素、课程基本属性、在线学习环境、教学过程体验的影响，在此基础上基于3P学习分析框架构建“学习预备—学习过程—学习结果”的影响因素作用机制模型。研究表明，未来高校在线学习的开展需要充分关注学习者的学习背景，注重学习者信息素养的提升，为有效学习的发生创造条件。在此基础上，教师应进一步完善在线学习活动设计，优化在线学习评价模式，主动变革教学过程中所使用的技术工具，为收集学生全过程的学习数据，提供精准化、个性化的学习反馈创造条件，从而提升人才培养的质量。

　　关键词：在线学习；扎根理论；3P学习分析框架；模型构建

　　中图分类号：G434

　　文献标志码：A

　　文章编号：1673-8454(2024)10-0089-11

　　作者简介：刘江岳，苏州大学教育学院副教授，博士(江苏苏州 215127);李思姌，苏州大学教育学院硕士研究生(江苏苏州 215127)

　　基金项目：2023年江苏省教育科学规划重点课题“人工智能时代的课堂生态：内涵重构与发展路径研究”(编号：B/2023/01/193)

　　一、引言

　　由于在线学习能够打破地理和物理障碍，更好地满足学生的多样化需求，过去几年，大学在线课程的参与人数急剧增加。线上线下相融合的全新教育秩序正在逐渐形成，在线学习从应急措施转变成一种新常态。^[1]

　　在线学习是基于互联网进行的学习与教学活动，能够充分利用现代信息技术所提供的全新沟通机制与资源丰富的学习环境，实现“任何时间、任何地点”学习。^[2]在线学习是教学支持与学生个体的积极联动，不仅仅局限于后疫情时代的一种教学形态，更是学习者终身学习的基础。学习参与度是保证在线学习效果的基础，是大学生学习与发展领域的关键概念。^[3]但是，在线学习为学生提供充分个性化学习空间的同时，个体之间的空间分离在“孤立学习”状态下也往往助长倦怠、无助情绪的发生，进而影响学生的在线学习参与度。

　　学术界已对在线学习参与度的影响因素进行充分而广泛的探讨，从多种维度探索、开发技术赋能教育的潜力，希望为提升各个阶段的在线学习效果寻求一套完整、系统的解决方案。2020年1月至今，中国知网相关期刊文献数量达1.05万。与此相呼应的是，社会各界也对在线学习展开热议。社会事件的出现暗示着在线学习中存在诸多弊病，各种讨论中不乏对在线学习参与度及效果的怀疑。然而，学术界呈现出与教育实践的断层分离，表现为理论研究繁多但缺乏应用实践，小范围实证充分但亟待大范围推广，真正的教育主体——一线教师、学生严重缺乏对在线学习有效开展的理论知识及实践指导，表明对在线学习参与度的研究尚不够充分有效。此外，当前对在线学习参与度影响因素的诸多研究中，大多数基于问卷调查开展实证分析，且问卷问题编制多来自文献，这种重复迭代式的量化研究可能带来一些隐性的问题，如会形成理论模型固定化，使学习者的一些真实体验被忽视。因此，本研究以约翰·比格斯(John Biggs)的3P学习分析框架为理论基础，采用扎根理论方法，通过半结构化访谈收集经验材料、进行质性分析，探究大学生在线学习参与度的影响因素，并对提升参与度提出相应的对策。

　　二、核心概念与理论框架

　　(一)学习参与度的内涵

　　学习参与度是指学生投入学习的质量，也是有效学习的重要指标。^[4]学生参与在高等教育教学研究中占据突出地位，既是一种衡量高校教学质量的有效性指标及面向教学效果的问责措施，也是一种可用于解释学生学习过程与结果的教育研究变量。^[5]相关研究表明，学习参与度与成绩和满意度^[6]、批判性思维成果^[7]、学位获得情况[8]均呈正相关。

　　在线学习环境中，学习者通常依靠自身自主学习能力开展学习活动。^[9]在这种异步学习环境中，由于学习者人数较多及空间分离造成的交互缺失、延时，教师支持往往较为有限。因此，学习者有时会迷失学习方向、陷入学习困难，^[10]学习参与度可能会随着时间的推移而逐渐降低，^[11]最终影响学生在线学习效果。了解在线学习参与度影响因素是助推在线教学效果提升的重要路径。

　　(二)约翰·比格斯3P学习分析框架

　　约翰·比格斯的3P学习分析框架以学生学习的过程为主线，将学习预备(Presage)、学习过程(Process)和学习结果(Product)视为影响学习者学习质量的三个维度，^[12]构建促进学生学习质量提高的螺旋上升的学习闭环。其中，学习预备被视为学习过程的重要输入，从而决定学习结果。学习预备因素包括教师特征、学生特征和先前的学习情境因素，这些因素被带入学习情境并影响学习过程。国外有关学者关于学习概念的研究使学习过程这一概念有所延伸，^[13]关注学习者的学习方法，可分为深层学习方法、浅层学习方法。学习过程是学习序列的核心，^[14]会对学习结果产生重要影响。模型中最后的“P”指学习结果，通常定义为学习者取得的学习成绩、体验到的学习成就感与满意度等。^[15]3P学习分析框架如图1所示。

图1   约翰·比格斯3P学习分析框架

　　三、研究设计

　　(一)研究方法与工具

　　扎根理论是由哥伦比亚大学相关学者提出的质性研究方法，在经验资料的基础上生成理论，基于理论“描绘”出研究对象之间的关系。^[16]NVivo12工具由澳大利亚QSR公司开发，是开展定性研究的有力工具。^[17]本研究基于扎根理论，采用半结构化访谈的方法收集数据，再借助质性分析工具NVivo12进行三级编码，归纳大学生在线学习参与度的影响因素。

　　(二)研究对象与样本

　　本研究中研究对象的抽样标准是具有在线学习经历的大学生，为保证研究对象的多样性和代表性，本研究选取不同专业或方向、不同高校的本科生、研究生共17名作为访谈样本。

　　四、编码与模型构建

　　(一)开放性编码

　　开放性编码指对原始资料进行整理分析，基于此对单个访谈文本展开研究，分析、检视数据，并对其进行概念化的归纳、比较。其目的是从原始材料中发现概念类属，实现访谈材料初步的类属化、维度化，以便后续生成科学的理论。^[18]

　　为保证对访谈样本编码的准确性及可靠性，本研究由两名研究者共同开展编码，经比较，两者编码结果的Kappa一致性系数为0.82。研究者对编码意见不一致的部分进行再次讨论，最终完全达成共识。经由开放性编码，共得到47个初始概念，对其进行合并、整理，共总结得到19个主范畴，如表1所示。

表1   开放性编码结果

　　(二)主轴编码

　　主轴编码是借由演绎与归纳， 通过不断比较将近似编码组合、串联在一起。其主要任务是选择和构建主要范畴的内容，以重新组织数据。在合并前面已经形成的概念类属中，发现和建立概念类属之间的相互关系。在此过程中，本研究借助NVivo12将比重低于2%的初始概念进行剔除与整合，共得到5个主范畴，分别为在线学习环境、教师能力要素、教学过程体验、课程基本属性、个体学习特点，如表2所示。经由主轴编码，所得的编码节点层次如图2所示。

表2   主轴编码结果

图2   编码节点层次

　　(三)选择性编码

　　数据分析的最后阶段称之为选择性编码， 这一阶段的主要工作是通过整合与凝练，在所有命名的概念类属中，提炼一个“核心类属”(core category)，分析得出各主范畴与核心范畴之间的关系进而形成“故事线”，从而构建出新的理论框架。^[19]本研究基于约翰·比格斯3P学习分析框架，构建学习预备、学习过程、学习结果三个核心范畴，并由此构建在线学习参与度影响因素的理论框架，如图3所示。3P学习分析框架的三个维度能够充分融合上文分析得出的在线学习参与度影响因素，以便进一步明确因素之间的相互作用。

图3   影响因素模型

　　(四)理论饱和度检验

　　为了对编码的饱和度进行检验，本研究用预留5名学生的访谈记录再次进行编码，并未形成新的重要范畴与关系，5个主范畴内部并未发现新的构成因素。由此认为，在线学习参与度影响因素模型在理论上已达饱和。

　　五、研究结论与讨论

　　(一)在线学习参与度影响因素分析

　　依据以上扎根理论的结果，在线学习中学习参与度受个体学习特点、在线学习环境、教师能力要素、课程基本属性、教学过程体验的影响，以3P学习分析框架为理论基础，根据各因素间的相互影响关系构建学习者在线学习参与度影响因素模型，如图3所示。

　　1.个体学习特点

　　个体学习特点维度包含学习背景、学习动机、自我调节学习能力三个范畴。①学习背景指学习者参与在线学习的经历、体验以及自身具备的能力要素。在线学习中，由于信息冗杂、干扰众多、良莠不齐，故学习者的信息素养是其能力要素的核心。有研究表明，学习者的在线学习经验能够显著影响其在线学习的行为意愿，^[20]同时，信息素养也与在线学习绩效息息相关。^[21]②作为促进努力学习、取得学业成就的动力和心理原因，学习动机对学生的学习活动和行为表现起着定向和驱动作用。^[22]动机主要按照其来源不同分为内在动机与外在动机，不同类型的动机虽作用方式有所不同，但均能在一定程度上影响学习者的在线学习参与度。③自我调节学习能力指学习者从元认知、动机和行为方面积极主动地参与自己学习活动的过程，^[23]学习者的自主性、专注度、自制力均是其自我调节学习能力的重要体现，也是其积极参与在线学习过程的基础和保证，现有研究能够佐证这一观点。^[24]

　　访谈中，多数学习者(15人)均提到在线学习中的自主性、自制力是影响其学习参与的重要因素;此外，部分学习者(6人)也提到学习动机对其参与在线学习的显著作用;少数学习者(3人)强调在线学习中规避冗余信息、学习背景丰富性对自身参与学习的影响，有访谈对象指出，随着自身在线学习参与次数的增加，在线学习力也相应提升，随之促进在线学习参与度的提升。上述三个范畴构成影响学习者在线学习参与度的“个体学习特点”因素。

　　2.在线学习环境

　　在线学习环境是学习者普遍关注的重点，访谈中全部访谈对象均提到学习环境相关要素。在线学习环境主要包括平台软件、网络环境、物理环境三个范畴。①平台软件包括平台功能局限性、平台功能有用性及平台功能易用性三个维度。功能局限性指平台功能无法满足学习者的在线学习需求或课堂教学需要，是平台本身功能的不完善造成的学习体验不佳。3名被访者提到现有的平台功能局限(平台会发生大面积的崩溃、平台发言字数有限制等)对其参与在线学习带来的消极影响。功能有用性指学习者对平台是否能够促进其学习绩效的主观感知。功能易用性指基于平台参与在线学习时对平台软件本身感受到的容易程度，二者均会影响学习者在线学习参与度。②网络环境即学习者及教师两个空间范围内的网络状态，以及网络中冗余信息的影响，全部访谈对象均表明网络环境对其在线学习参与度具有显著影响。也有研究表明，网络状态能够显著影响学习者的在线学习持续力，^[25]与本文提出的结论相符。③物理环境主要指学习者所处的真实学习情境中，可能存在的设备问题及环境中存在的学习干扰因素，5名访谈对象提到学习设备问题及环境噪音问题对自身在线学习参与造成的影响。

　　3.教师能力要素

　　教师能力要素包括教学能力、教学风格两个范畴。①依据TPACK理论，本文将教师教学能力划分为学科知识、教学知识、技术知识三个维度。^[26]以上三种知识的整合是教师开展有效教学的基础。其一，教师对所教授的学科要有丰富、广博的知识储备;其二，教师要具备一定的教学知识，实现在线学习师生之间有效的知识迁移;其三，在线学习中教师对技术的灵活运用是学习进行的基础。多数受访者(10人)均表示，教师通俗易懂的教学能够有效提升其在线学习参与度。②教师的教学风格包括教师的语言风格和行为风格，部分访谈对象(5人)认为，教师幽默风趣的语言表达是促进自身学习参与的重要条件。

　　4.课程基本属性

　　课程基本属性包括课程时间安排、课程资源、课程内容、课程教学模式几个范畴。①课程时间安排指课程时空的灵活性。与面对面的学习方式相比，在线课程中学生对学习方式、学习时间都有更多的自主决定机会。且不同于线下集中的教学模式，在线学习中学习者会由于各种不可抗因素导致参与度受到影响。因此，时间灵活性对提升学习者在线学习参与度也有重要作用。但另一方面，非集中的灵活学习时间也会带来学习者参与率降低的问题。②在线学习中教师会发布视频、文本等学习资源，课程资源的完善性、组织有序性、获取便利性也会影响学习者的在线参与。访谈中，受访者提到，部分课程依托课程平台发布课程资源，其资源的呈现方式是有序的，能够显著提升查询效率，这会影响学生对在线学习的参与意愿。③课程内容包括有用性、趣味性、实践性三个维度。访谈中4名学习者提到，对于专业必修课而言，学习者会有意识地保证自己的学习参与度，而一些公共课则会选择性地参与。此外，3名学习者提到，在线学习无法满足一些课程的实践需求，而实践意义的缺失进一步会影响学习者对课程内容的感知有用性，故会影响其在线学习参与度。④课程教学模式包括自主学习、小组合作探究、混合式学习三种。不同的教学模式能够对学习参与度产生显著影响。

　　5.教学过程体验

　　教学过程体验包括交互行为、教学评价、学习氛围、感知易用性、感知有用性五个维度。①交互行为指教学过程中不同主体之间交互的充分性、对学习者学习困难答疑的及时性以及教学中学业监督的有无。全部访谈对象均提到在线学习中交互行为由于时空分离带来的时效性问题。此外，3名受访者提到教学过程中来自教师、助教、班干部的学业监督会明显影响其学习参与。②教学评价包括评价方式多样性、评价结果客观性以及整体难易程度三方面。受访者指出，在线学习中若使用过程性与终结性相结合的评价方式，会对提升其在线学习参与度具有显著作用。评价结果的客观性会显著影响其对在线课程的参与度，尤其在在线协作学习中，如何依据小组中每位学习者的任务贡献度进行客观、有效的评价是亟待解决的问题。③学习氛围指外在环境造就的、影响获得知识或技能的气氛，访谈发现，积极、和谐、平等的学习氛围能够有效促进学习者自身在线学习参与度。已有研究也能佐证这一结论。^[27]④在线学习的感知有用性指学习者认为通过在线方式进行学习能够有效促进自身进步。⑤在线学习的感知易用性指学生认为在线学习方式简单易行。以往研究表明，感知易用性、感知有用性对慕课和移动学习中的行为意向具有预测作用。^[28][29]访谈发现，在线学习的感知有用性及感知易用性均能显著影响学习者的学习参与度。

　　(二)基于3P学习分析框架的在线学习参与度影响因素模型阐释

　　本研究基于3P学习分析框架，对经由访谈得出的在线学习参与度影响因素进行模型构建。模型整体以3P学习分析框架为理论基础，划分为学习预备、学习过程、学习结果三部分。将个体学习特点、教师能力要素、课程基本属性、在线学习环境作为学习预备阶段的要素，将在线学习过程体验作为学习过程阶段的要素，这亦是模型的核心;将学习者在线学习参与度作为学习结果阶段的要素，基于3P学习分析框架中不同阶段之间的关系以及相关研究综述，构建个体学习特点、教师能力要素、课程基本属性、在线学习环境、学习过程体验与在线学习参与度之间的关系模型，如图3所示。

　　其中，学习预备阶段不仅影响学习过程体验，也会直接影响学习者的在线学习参与。具体来看，从学习预备阶段到学习过程阶段，教师教学能力与学生学习息息相关，故与学习过程阶段的五个要素均存在一定的因果关系。课程基本属性是教师与学生在线交互的媒介之一，能够对教学评价、学习氛围、学习者在线学习的感知有用性产生影响。由于学习者的学习都是建立在一定“前经验”基础之上的，在线学习环境因素贯穿整个学习过程，是教学行为发生的直接环境，故认为个体学习特点与在线学习环境，对任一影响教学过程体验中因变量的自变量都有调节作用。学习过程各阶段中，交互行为、教学评价、学习氛围均与学习者在线学习的感知易用性、感知有用性存在因果关系。

　　六、在线学习参与度的提升策略

　　(一)关注学习者的学习背景

　　1.关注学习者的在线学习经验

　　依据建构主义学习理论，学生基于自身“前经验”在特定的学习情境中开展学习;通过教师教学活动的开展，学生能基于先前具备的知识理解新知识，或能够引用知识解决新问题，并将新的知识与技能同已有的知识体系进行整合，至此完成学习的过程。^[30]深入认识学生学习是教师设计教学活动、开展教学实践的着力点。研究证实，学习者的学习背景和经历是保证在线学习效果的前提条件，因此教师在在线教学开展时要充分关注学习者的学习经验，必要时可开展统一的课前学习，以深入了解在线学习的课程安排、平台使用方式、课程评价手段等，解决技术问题的同时，让学生从宏观上把握在线学习的课程形式及要求，为后续学习的开展奠定基础。

　　2.提升学习者的信息素养

　　“信息素养”概念自提出之时便引起广泛的关注。^[31]当下，随着新兴技术迅速兴起，直接且深刻地影响着人们的生产生活方式，信息素养已经成为数字时代公民的核心素养和基本素质。^[32]对于在线学习而言，由于个体之间的空间分离，一方面难免助长学习者面临学习困难时倦怠、无助情绪的发生，另一方面也会由于监管缺失带来注意力的分散及信息冗余造成的无效学习。因此，有效提升学习者的信息素养是保证在线学习有效进行的条件。学习者可基于学习经历充分反思，积累学习经验;学校也可相应开展培训讲座，提升学习者的学习策略储备，进一步强化能力培养。

　　(二)完善在线学习活动设计

　　1.优化“线上+线下”的教学活动设计

　　访谈对象指出学习中“线上+线下”的混合式学习方式对提升学习参与度更有效，能够在保证学习时间相对灵活的同时，感受真实课堂情境中的学习氛围，实现更加深入、充分的交流。此外，随着人工智能、元宇宙、数字孪生、全息成像等新兴技术的发展，传统在线课堂将在时空维度上进一步延伸、拓展，为学生创造更加身临其境的在线学习环境。^[33]

　　2.保证师生交互的及时性和有效性

　　在线学习重在师生交互。一方面，教师向学生提供适当、良好、及时的情感鼓励以及学习困难疏导，有助于激发学生的学习动力、优化学生学习过程中的情感体验;另一方面，学生之间充分的协作学习在缓解学生学习的孤独感、无助感的同时，也能为满足社会对协作型人才的需要而赋能、助力。保证师生交互的及时性和有效性在促进学生情感投入的同时，也能提升学生的认知收获，提升学习效果。

　　(三)优化在线学习评估

　　1.评价方式多样化

　　从在线学习参与度优化提升学习者学习过程来看，可发挥评估贯穿学习过程和学习结果全过程的作用机制。评价是激发和推动学习者更加积极参与和开展深度学习活动的重要途径、工具和方法。在教学过程中，要充分关注评价方式的多样化，将教师评价、学生自评、生生互评等方式充分结合，提升学生学习的积极性，体现评价的民主性、客观性。

　　2.评价内容多元化

　　除评价方式的多样化之外，也要重点关注评价内容的多元化。应由以下三方面对学生进行综合评价。①认知收获：概念理解和学习迁移能力;②情感态度：学生学习的成效期望、学习动机及学习态度;③学习行为：学习参与度和学习投入度。可以借助学习平台或其他技术工具，将学生的学习过程外显化、可视化，提升评价的准确性、真实性。教师要进一步提升自身的数字素养，主动变革教学过程中所使用的技术工具，积极构建技术赋能教学的全新场景，^[34]为收集学生全过程的学习数据，以及提供精准化、个性化的学习反馈创造条件。

　　参考文献：

　　[1]刘永林,周海涛.后疫情时代高等在线教育治理:实践逻辑与政策应对[J].中国电化教育,2021(3):8-14.

　　[2]黄荣怀,虎莹,刘梦彧,等.在线学习的七个事实——基于超大规模在线教育的启示[J].现代远程教育研究,2021,33(3):3-11.

　　[3]屈廖健,经超楠,朱周琳.以情促学:研究型大学本科生社会情感能力对学习参与度的影响[J].中国高教研究,2022,349(9):60-66.

　　[4]LIN L C, HUNG I C, KINSHUK, et al. The impact of student engagement on learning outcomes in a cyber-flipped course[J]. Educational Technology Research and Development, 2019,67:1573-1591.

　　[5]AXELSON R D, FLICK A. Defining student engagement[J]. Change: the Magazine of Higher Learning, 2010,43(1):38-43.

　　[6]WEBBER K L, KRYLOW R B, ZHANG Q. Does involvement really matter? Indicators of college student success and satisfaction[J]. Journal of College Student Development, 2013,54(6):591-611.

　　[7]NELSON LAIRD T F, SEIFERT T A, PASCARELLA E T, et al. Deeply affecting first-year students’ thinking: deep approaches to learning and three dimensions of cognitive development[J]. The Journal of Higher Education, 2014,85(3):402-432.

　　[8]FLYNN D. Baccalaureate attainment of college students at 4-year institutions as a function of student engagement behaviors: social and academic student engagement behaviors matter[J]. Research in Higher Education, 2014,55:467-493.

　　[9]SCHUMACHER C, IFENTHALER D. Investigating prompts for supporting students’ self-regulation—A remaining challenge for learning analytics approaches?[J]. The Internet and Higher Education, 2021,49:100791.

　　[10]TORO-TROCONIS M, ALEXANDER J, FRUTOS-PEREZ M. Assessing student engagement in online programmes: using learning design and learning analytics[J]. International Journal of Higher Education, 2019,8(6).

　　[11]BOLLIGER D U, HALUPA C. Online student perceptions of engagement, transactional distance, and outcomes[J]. Distance Education, 2018,39(3):299-316.

　　[12]JOHN BIGGS. Teaching for quality learning at university (2th ed.)[M]. Philadelphia: Open University Press, 2003:19-20.

　　[13]MARTON F, SÄLJÖ R. On qualitative differences in learning: I—outcome and process[J]. British Journal of Educational Psychology, 1976,46(1):4-11.

　　[14]纪春.为学而教:3P教学模型对大学本科教育改革的启示[J].江苏高教,2019(12):109-115.

　　[15][21]胡小勇,徐欢云,陈泽璇.学习者信息素养、在线学习投入及学习绩效关系的实证研究[J].中国电化教育,2020(3):77-84.

　　[16]GLASER B G, STRAUSS A L, STRUTZEL E. The discovery of grounded theory; strategies for qualitative research[J]. Nursing Research, 1968,17(4):364.

　　[17][25]吴贵芬,杨现民,等.MOOCs学习者在线学习持续力的影响因素及提升策略——基于扎根理论的质性研究[J].中国成人教育,2022,548(19):9-15.

　　[18]张敏,龙贝妮,刘盈,等.短视频APP用户持续使用之影响因素探究及其对该领域公共治理之启示[J].现代情报,2020,40(3):65-73.

　　[19]刘齐平,何国卿,王伟军.基于质性分析的知识付费平台用户持续使用行为研究[J].情报科学,2019,37(7):133-138.

　　[20]荆永君,李昕,姜雪.在线学习行为意向影响因素分析及后疫情时代的教育启示[J].中国电化教育,2021(6):31-38.

　　[22]周勇,董奇.学习动机、归因、自我效能感与学生自我监控学习行为的关系研究[J].心理发展与教育,1994(3):30-33,15.

　　[23]张林,周国韬.自我调节学习理论的研究综述[J].心理科学,2003(5):870-873.

　　[24]白雪梅,尹欢欢,顾小清.谁会成为在线学习的赢家——K12学生在线自我调节学习能力及其影响[J].中国远程教育,2021(3):36-44,75,77.

　　[26]闫志明,徐福荫.TPACK:信息时代教师专业化的知识基础[J].现代教育技术,2013,23(3):5-9.

　　[27]刘晓,武千山,熊怡静.中等职业学校学生在线学习满意度影响因素分析——基于“停课不停学”期间的调查分析[J].职教发展研究,2020(4):52-62.

　　[28]张哲,王以宁,陈晓慧,等.MOOC持续学习意向影响因素的实证研究——基于改进的期望确认模型[J].电化教育研究,2016,37(5):30-36.

　　[29]JOO Y J, KIM N, KIM N H. Factors predicting online university students’ use of a mobile learning management system (m-LMS)[J]. Educational Technology Research and Development, 2016,64:611-630.

　　[30](美)约翰·D·布兰思福特,等.人是如何学习的:大脑、心理、经验及学校[M].程可拉,孙亚玲,王旭卿,译.上海:华东师范大学出版社,2013.

　　[31]PAUL ZURKOWSKI,等.信息服务环境:关系与重点[J].图书情报知识,2017(1):26-28.

　　[32]肖新祥.信息素养的理论缘起、内涵及构成要素略论——兼论信息素养教育国际经验[J].电化教育研究,2021,42(8):116-121,128.

　　[33]徐晓飞,苏小红.从MOOC到IMOOC再到OMC:数字时代的课堂革命[J].中国教育信息化,2024,30(1):76-83.

　　[34]何昌旺,熊和平.ChatGPT类生成式人工智能教育伦理危机及其应对[J].中国教育信息化,2024,30(2):81-90.

Factors Influencing College Students’ Online Learning Engagement and Strategies for Improving it under the 3P Learning Analytics Framework

—A Qualitative Study Based on NVivo12

Jiangyue LIU, Siran LI

(College of Education, Soochow University, Suzhou 215127, Jiangsu)

　　Abstract: With online learning transitioning from individual participation to full-time engagement, addressing learners’ negative emotions, enhancing their participation, and laying the foundation for lifelong learning have become an urgent issue. The study collected data through in-depth interviews and utilized grounded theory’s qualitative research method to perform three-level coding on the interview materials, extracting key concepts and categories, and thus constructing a theoretical model of influencing factors. The research revealed that learners’ participation in online learning is influenced by individual learning characteristics, teacher competence, course attributes, online learning environment, and teaching experiences. Building upon this, a model of influencing factors mechanism was developed based on the 3P learning analysis framework, which consists of “Learning Preparedness—Learning Process—Learning Outcomes”. The study indicates that future development of online learning in higher education should pay full attention to learners’ learning backgrounds, prioritize the improvement of learners’ information literacy, and create conditions for effective learning. In addition, teachers should further refine online learning activity design, optimize online learning evaluation methods, proactively innovate the technological tools used in teaching processes, and create conditions for collecting comprehensive learning data from students throughout the learning process, providing precise and personalized learning feedback to enhance the quality of talent cultivation.

　　Keywords: Online learning; Grounded theory; 3P learning analysis framework; Model building

　　编辑：王天鹏　校对：王晓明