笔趣书屋

手机浏览器扫描二维码访问

3 2 调查问卷统计分析（第4页）

为简化模型，本研究采用各个题项之和作为该分量表的值。

首先使用amos7.0进行绘制初步的模型图，以互联网影响学习环境作为外生显变量，以互联网影响学习共同体、互联网影响学习方式、互联网影响学习效果作为内生潜变量，因此要增加三个残差变量e1、e2、e3，以方框表示变量，小圆形为测量误差（误差变量，并且和互联网影响效果之间的权重系数定为“1”

）经过分析，得到标准化后的路径图。

其中单箭头上的数字代表路径系数，也就是协方差标准化回归系数。

表为非标准化的回归系数及其显著性检验摘要表，左边estimate列为非标准化的回归系数的估计值，s.e.（standarderror）为估计参数的标准误，c.r.（criticalratio）为临界比，临界比的值是t检验的t值，p列为显著性，如果p＜0.001，则以符号“***”

表示，如果p值＜0.001，则直接呈现p值的大小。

可以看出，“互联网影响学习环境→互联网影响学习效果”

这条路径不显著。

根据amos软件路径分析的要求，如果路径分析中存在不显著影响的箭头则需要去掉该路径，重新进行路径分析。

因此去掉“互联网影响学习环境→互联网影响学习效果”

这条路径，第二次进行路径分析。

第二次路径分析的非标准化的回归系数及显著性检验摘要表。

从表中可以看出，全部路径均显著。

第二次路径分析后的标准化回归系数（beta值），亦即路径分析中的路径系数。

表外因变量及其残差的方差及其显著性检验，从表中可以知，方差全部为正值，且显著。

表因变量“影响效果”

的多元相关的平方（r2），以“互联网影响学习环境”

、“互联网影响学习共同体”

、“互联网影响学习方式”

三个变量对因变量“影响学习效果”

所进行的复回归分析的多元相关系数的平方为0.319。

表对影响效果进行了效应分解。

效应分解也称为相关系数分解，是将变量之间的相关系数分解为不同效应部分。

研究者关注的主要是因果效应，包括直接效应（directeffect）和间接效应（indirecteffect）。

总体效果（totaleffect）是间接效应与直接效应的加总。

可以看出，互联网通过学习环境对学习效果的影响主要通过间接的途径进行；互联网通过学习方式对学习效果的影响则主要通过直接的途径进行；互联网通过学习共同体对学习效果的影响则既有间接途径，也有直接途径。

3.模型评估从现有模型和amos软件要求的标准比较来看，修正后的模型具有非常好的拟合优度。

利用amos7.0软件进行第二次路径分析，可以得到修正后的路径模型如图。

可以看出，互联网影响博士生学习的主要路径有三条：互联网影响学习环境——互联网影响学习共同体——互联网影响学习效果；互联网影响学习环境——互联网影响学习共同体——互联网影响学习方式——互联网影响学习效果；互联网影响学习环境——互联网影响学习方式——互联网影响学习效果。

从路径分析可以看出，互联网影响学习环境对互联网影响学习效果之间的路径不显著。

这说明一方面环境的变化是潜移默化的，博士生对这一变化不敏感。

在访谈中博士生也提到“使用互联网已经成为一种习惯”

，已经适应了互联网时代的学习。

另一方面也说明影响互联网对博士生学习的影响是一个复杂的过程，除了环境因素之外，还有很多其他因素在同时发生作用，因此博士生对此感受不深刻。

这与相关研究是一致的，例如美国国家教育评估中心2007年公布了历史上规模最大的一次教育技术有效性研究，研究显示，不管教学软件使用与否，学生在标准化考试中的成绩相差无几；世界银行关于教育信息化应用成效的研究也发现，教育中使用信息传播技术的影响是不确定的，充满着争议。

3.2.8均值分析

互联网影响学习环境、影响学习共同体、影响学习方式和影响学习效果的均值分析。

从表中可以看出，互联网影响博士生学习各个层次的平均值均大于中间值3，说明总体上看，互联网对博士生学习产生了一定程度的影响，但是影响程度、方式等还不能确定，因此博士生在选择的过程中，相对两极分化，导致平均值不高。

从访谈中也可以发现，互联网的这种影响都出现了正反两方面的反映。