近年来，随着信息通信技术的高速迭代与不断普及，在线教育蓬勃发展。在此背景下，在线学习投入作为在线教育质量的重要衡量指标，逐渐成为在线教育研究的焦点。[1][2]当前，学界对在线学习投入进行广泛探讨，基本呈现出描述性主题、关联性主题和价值性主题三种研究态势。其中，描述性主题研究主要关注在线学习投入的内涵与外延，关联性主题研究主要聚焦在线学习投入的前因与后效，价值性主题研究主要侧重在线学习投入的评估与测量。[3] 与描述性和价值性主题研究相比，在线学习投入的关联性主题研究成果最为丰硕，同时一些悬而未决的问题亦最为突出。首先，现有关联性主题研究存在“重前因、轻后效”的偏倚倾向，这主要体现在学界对在线学习投入前因与后效的研究广度和深度上。具体而言，学界基于学习者自身[4]、在线学习环境[5]、教师支持[6]、社会支持[7]等各类内外在元素对在线学习投入的前置影响进行探讨。但对在线学习投入后效的研究仍相对滞后，仅有少数学者对在线学习投入与学业成效之间的关系进行探究，[8][9]且缺乏对主观学业成效（如学习获得感[10]）和客观学业成效（如考试成绩[11]）的整合分析。其次，虽然关联性主题研究对在线学习投入的前因进行了广泛探讨，但仍相对离散，且研究结论不一，甚至完全相反。一方面体现在学界对在线学习投入受何种元素主导仍存在争议；另一方面也体现在在线学习投入与其具体前因指标的相关性方向和强弱程度上。具体而言，在主导元素方面，有学者发现内在元素对在线学习投入起主导作用，[12]但也有学者发现在线学习投入主要为外在元素所主导。[13]在相关性方向方面，有学者发现社会支持[14]和自我效能感[15]对在线学习投入均具有正向影响，但也有学者发现二者负向影响在线学习投入。[16]在相关性强弱程度方面，有学者发现学业情绪[17]、教师支持[18]、学习环境[19]与在线学习投入之间均存在强相关关系，但也有学者发现这些因素与在线学习投入之间的关系仅为弱相关。[20]再次，受限于单一实证研究方法的不足，现有关联性主题研究主要聚焦于分析情境类因素在在线学习投入与其前因和后效之间的调节作用，[21]对学习者人口统计学因素（如性别、年龄、生源地等）调节作用的关注则相对不足。虽然学习者教育阶段、性别、年龄、生源地等的不同可能会对其学习投入产生差异化影响，[22]但现有关联性主题研究多将这些因素作为控制变量而非调节变量纳入分析，不同教育阶段、性别、年龄、生源地学习者的在线学习投入是否存在，以及存在何种差异均缺乏强有力的量化证据支撑。最后，单个实证研究往往只是基于某特定工具测量在线学习投入，[23][24]不同测量工具会不会对在线学习投入与其前因和后效之间的量化关系产生影响以及何种影响，尚有待进一步检验。 综上，本研究拟基于现有在线学习投入前因和后效的实证研究，通过元分析方法对在线学习投入与其前因和后效之间的量化关系进行整合评估，以期实现如下推进目标：①较为全面地厘清在线学习投入的来龙去脉。②较为可靠地明晰在线学习投入与其不同前因和后效指标之间的量化关系。③较为完备地呈现在线学习投入生成与生效的边界条件。④结合具体情境为在线学习投入的管理实践提供循证依据。
图1 文献检索与筛选流程 （二）文献编码 本研究编码数据主要包括标题、文献类型、作者、出版刊物、年份等文献信息描述项，样本量、效应值个数、变量间的相关系数、量表信度系数等效应值统计项，样本性别、年龄、学段、生源地、变量测量工具等潜在调节因素。具体而言，编码工作以每一个独立研究为单位进行，对于同时包含多个效应值的同一研究，需要分情况考虑：若是来自不同样本总体中在线学习投入与其前因和后效之间关系的效应值，则分别编码；若是来自相同样本总体，则以它们的平均值作为替代效应值。需要说明的是，为防止因个人主观性而诱发编码偏差，本研究文献编码分别由第一作者和第三作者采用“背对背”的方式独立开展，初次编码工作完成后由第二作者进行核对。经核对，初次编码数据结果的一致性为91.10%。对于不一致的编码结果，由三位作者同时回归文献原文勘误后形成最终编码数据。 通过对编码数据的梳理，本研究纳入元分析的127篇实证文献中，在线学习投入的前因指标包括自我导向学习、心理资本、自我调节学习、自我效能感、学习适应性、数字素养、学习动机、专业认同、学习满意度、学业情绪、学习环境、社会支持、父母教育卷入，在线学习投入的后效指标包括深度学习、学习收获、学习成绩、学习效果。 （三）变量操作与分析框架 变量操作是元分析的一项常规要求。当前学界的变量操作取向主要包括强调精确性的劈裂式（Splitter）操作和强调宽泛性（Lumpier）的模块式操作两种，前者侧重将不同概念细分为单个独立元素，后者侧重将单个狭小概念聚合为更宽泛的元素。[25]由于在线学习投入的前因与后效指标均为成熟变量，因此本研究主要采用模块化方法进行变量操作。首先，就在线学习投入的前因指标而言，基于已有研究经验做法，[26]本研究将自我导向学习、自我效能感、学习动机归为学业准备。其次，鉴于心理资本反映学习者应对学习压力、困难的心理资源与能力，[27]学习适应性反映学习者通过建设性调整自身认知、情感、行为以应对变化和不确定学习情境的能力，[28]数字素养反映学习者的数字技术使用、思考和理解能力，[29]自我调节学习反映学习者有意识、能动性掌控和管理学习过程的能力，[30]故本研究将心理资本、学习适应性、数字素养、自我调节学习归为学业能力。最后，参照既有元分析文献的做法，[31]本研究将专业认同、学习满意度、学业情绪归为学业态度。进一步地，本研究根据主体指向不同分别将学业准备、学业能力、学业态度统一聚合为学习者内在前因元素，将学习环境、社会支持、父母教育卷入统一聚合为学习者外在前因元素。就在线学习投入的后效指标而言，本研究根据相应文献对深度学习、学习收获、学习成绩、学习效果的内涵界定与测量工具，分别将其归为深度学习、主观学业成效和客观学业成效三类后效元素。 元分析整合大量实证研究，挖掘检验潜在调节因素对变量间的量化关系呈现具有重要价值。在元分析中，潜在调节因素主要是指分析中所包含的、有助于解释方法差异的任何因素，一般通过对纳入文献编码后提炼得出。通过对文献编码表的系统梳理，本研究分别提炼出学习者教育阶段（高等教育和基础教育）、在线学习投入测量工具（主流量表和其他量表）两种分类式调节变量，以及学习者性别（男生占比）、年龄（平均年龄）、生源地（农村生源占比）三种连续式调节变量。需要说明的是，元分析对特定主题纳入的独立研究有数量要求，一般需满足k≥3，否则会对研究结果的信度产生不良影响。由于对上述变量在在线学习投入与其后效之间的调节效应进行分析不具备数量条件（k≥3），故本研究只分析学习者教育阶段、在线学习投入测量工具，以及学习者性别、年龄、生源地在在线学习投入与其前因之间的调节效应。 综上，本研究建构如图2所示的分析框架。
图2 分析框架 注：高等教育阶段指专科、本科和研究生教育阶段，基础教育指中小学教育阶段。基于文献，主流量表指Fredricks等（2004）、Sun等（2012）、Schaufeli等（2001）、Dixson（2010）编制的量表，其他量表指除了主流量表之外的量表。[3] （四）数据处理与分析 本研究主要基于Comprehensive Meta- Analysis 3.0软件进行数据处理。为提升结果的可靠性，在分析前先转化效应值。具体步骤如下：首先，修正效应值信度，以规避由量表信度不足而引起的相关系数衰减偏差问题。对于信度系数缺失的处理，按照保守性原则设定为0.8。其次，通过Fisher’s Z对效应值进行转换。最后，运用加权平均法得出最终效应值。在此基础上，依次进行出版偏倚分析、效应值异质性分析、主效应分析、调节效应分析。
（一）出版偏倚分析 出版偏倚分析旨在衡量元分析结果的稳定性，一般通过失安全系数（Fail-safe N，N为独立样本量）呈现。根据以往研究经验，当失安全系数小于5k+10时（k为独立研究数量），需警惕出版偏倚问题，反之则不需要。为更精确衡量出版偏倚问题，本研究在失安全系数检验基础上，同时进行Begg秩相关检验和Egger’s回归系数检验。结果显示（见表1），在线学习投入与其前因和后效效应值的失安全系数均大于5k+10，且相应的Begg秩相关检验和Egger’s回归系数检验均不显著（p>0.05）。这表明本研究不存在严重的出版偏倚问题，结果稳定。
（二）异质性分析 元分析中，Q（异质性检验统计量）、df(Q)（自由度）和I2（效应值真实变异与观察变异之比）是常用的异质性分析指标。根据以往研究经验，当Q显著且Q>df(Q)、I2>0.6时，效应值为异质性分布，采用随机效应模型运算主效应，否则采用固定效应模型。本研究异质性分析结果显示（见表2），在线学习投入与其前因和后效之间的效应值都满足Q显著且Q>df(Q)、I2>0.6。故主效应采用随机效应模型运算。表2 异质性分析
（三）主效应分析 主效应分析结果显示（见表3），在线学习投入与其前因和后效之间均具有显著正相关关系（r为正值且p<0.01）。其中，就前因而言，内在元素（r=0.549）对在线学习投入的影响强于外在元素（r=0.530），这表明内在元素在学习者在线学习投入中起主导作用。进一步地，在内在元素中，学业能力（r=0.567）、学业准备（r=0.561）、学业态度（r=0.490）对在线学习投入的影响依次递减。在具体内在前因指标中，自我导向学习（r=0.650）、自我调节学习（r=0.638）、心理资本（r=0.627）、自我效能感（r=0.553）、学习满意度（r=0.548）、学习动机（r=0.545）、学习适应性（r=0.512）、专业认同（r=0.495）、学业情绪（r=0.468）、数字素养（r=0.444）对在线学习投入的影响依次递减。在外在元素中，学习环境（r=0.597）是在线学习投入的最强诱因，而后依次为社会支持（r=0.512）和父母教育卷入（r=0.177）。就后效而言，深度学习（r=0.669）是在线学习投入的最强后效指标，而后依次为客观学业成效（r=0.626）和主观学业成效（r=0.400）。表3 主效应分析
（四）调节效应分析 分类式调节变量的亚组分析结果显示（见表4），调节效应采用随机效应模型运算，且教育阶段、测量工具均能显著（p<0.05）调节在线学习投入与其内在前因元素和外在前因元素之间的关系。其中，就教育阶段而言，相较于高等教育阶段，内在前因元素和外在前因元素对基础教育阶段学习者在线学习投入的影响更强（rjc=0.561>0.547=rgd, rjc=0.555>0.371=rgd）。就测量工具而言，相较于其他量表，采用主流量表测量在线学习投入时，内在前因元素和外在前因元素对学习者在线学习投入的影响更强（rzl=0.549>0.528=rfz, rzl=0.571>0.461=rfz）。表4 分类式调节变量亚组分析
注：rgd、rjc、rzl、rfz分别代表受高等教育阶段、基础教育阶段、主流在线学习投入量表、其他在线学习投入量表调节的在线学习投入与其内在前因元素和外在前因元素之间关系的元分析效应值。 连续式调节变量的元回归分析结果显示（见表5），学习者性别（男生占比）对内在前因元素和外在前因元素与在线学习投入之间的关系均不具备显著调节效应（p>0.05）。学习者年龄（平均年龄）对内在前因元素与在线学习投入之间的关系不具备显著调节效应（p>0.05），对外在前因元素与在线学习投入之间的关系具备显著负向调节效应（β=-0.0243, p=0.0084）。即年龄越大，外在前因元素对学习者在线学习投入的影响越弱。学习者生源地（农村生源占比）对内在前因元素与在线学习投入之间的关系不具备显著调节效应（p>0.05），对外在前因元素与在线学习投入之间的关系具备显著正向调节效应（β=0.0081, p=0.0000）。即农村生源越多，外在前因元素对学习者在线学习投入的影响越强。表5 连续式调节变量元回归分析
注：β、SE分别为元回归系数和标准误。
（一）结果讨论 1.在线学习投入前因的量化结果讨论 第一，在线学习投入受学习者内外在元素共同影响，且内在元素起主导作用（0.549> 0.530）。这可能缘于，在线学习投入是学习者在在线学习过程中所秉持的一种积极心理状态和参与倾向。[32]根据自我决定理论，内在元素是个体心理状态和行为趋向的首要来源，外在元素需经由个体内化后才能对其心理状态和行为趋向产生影响。[33]这意味着，相较于外在元素，内在元素对学习者在线学习投入的影响更为直接，且一定程度上充当外在元素影响学习者在线学习投入的潜在中介。因此，虽然学习者在线学习投入受内外在元素共同影响，但内在元素起主导作用。 第二，学业能力（r=0.567）和学习环境（r=0.597）分别是学习者在线学习投入的最强内在与外在诱因。这可能缘于：一方面，学业准备是学习者在线学习投入的起点，[34]其对在线学习投入的驱动作用往往要经由学习者学业态度和学业能力等才能有效发挥。这意味着，相较于学业准备，学业态度和学业能力对学习者在线学习投入的影响更为直接。因此，学业态度、学业能力对在线学习投入的影响强于学业准备。与此同时，在线学习的“教—学”时空分离、监督缺位、去中心化等特点，对学习者自我控制与管理整个学习过程提出更高的能力要求。[35]这意味着，相较于学业态度，学习者在线学习投入的驱动更为依赖其学业能力。因此，与学业态度相比，学业能力对学习者在线学习投入的驱动作用更大。故学业能力是学习者在线学习投入的最强内在诱因。另一方面，与社会支持和父母教育卷入影响学习者主因相比，学习环境的影响更为宽泛。它不仅会对学习者产生影响，而且还会影响教师知识讲授体验、师生交互体验、同伴交互体验等。[36][37]这些都是学习者在线学习投入的重要前置性因素。因此，相较于社会支持和父母教育卷入，学习环境对学习者在线学习投入的驱动作用最大，即学习环境是学习者在线学习投入的最强外在诱因。 第三，自我导向学习（r=0.650）、自我调节学习（r=0.638）、学习满意度（r=0.548）对学习者在线学习投入的驱动作用尤为突出。这可能缘于：首先，与线下学习相比，在线学习投入更依赖学习者对学习过程的自主性掌控与管理。[38]而自我导向学习恰恰囊括学习者的自主性学习目标制定、学习策略选择、学习过程管理、学习成果评估等多重内涵。[39]这意味着，相较于自我效能感和学习动机，自我导向学习更能满足学习者在线学习投入的驱动所需。因此，在学业准备各指标中，自我导向学习对学习者在线学习投入的驱动作用尤为突出。其次，与心理资本、学习适应性、数字素养侧重于强调学习者特定方面的学业能力不同，自我调节学习是学习者在学习过程中能动灵活地调节自我、调配时间、调整学习等学业能力的综合反映。[40]在在线学习“教—学”时空分离、监督缺位、去中心化等现实挑战下，[41]自我调节学习有助于学习者全面适应在线学习情境，并在此基础上投入在线学习。因此，在学业能力各指标中，自我调节学习对学习者在线学习投入的驱动作用尤为突出。最后，从内涵上讲，学业情绪和认同等主要指学习者对学习活动的情感反应，[42]而学习满意度则主要指学习者对学习活动的认知性评价。[43]相较于情感反应，认知性评价更为客观且理性。这意味着，与学业情绪和专业认同相比，学习满意度对学习者在线学习投入的驱动作用更为稳定。从关系上讲，学业情绪和认同等是学习者学习满意度的重要前置性影响因素。[44]这意味着，学业情绪和专业认同对学习者在线学习投入的驱动作用需经由学习满意度才能有效发挥。因此，在学业态度各指标中，学习满意度对学习者在线学习投入的驱动作用尤为突出。 2.在线学习投入后效的量化结果讨论 深度学习（r=0.669）是学习者在线学习投入的最强后效指标，而后依次为客观学业成效（r=0.626）和主观学业成效（r=0.400）。这可能缘于：一方面，相较于学业成效，深度学习主要反映学习者基于在线学习资源和机会，对独立探索、交互协作、融会贯通等学习活动的参与和投入程度，[45]与在线学习投入的内涵更为贴近。因此，与客观学业成效和主观学业成效相比，在线学习投入对学习者深度学习的影响最强。另一方面，虽然近年来素质教育得到各国提倡，但应试教育在教育模式中的主体地位并未得到根本转变。[46]相较于学习获得感等主观学业成效，当前居于主体地位的应试教育模式仍以学业成绩等客观指标作为学习者学习成效的主要评价依据。在此背景下，客观学业成效既是学习者在线学习投入的考核驱动因素，也成为学习者在线学习投入的首要追求。因此，在线学习投入对学习者客观学业成效的影响强于主观学业成效。 3.调节效应的量化结果讨论 第一，与高等教育情境相比，在基础教育情境下，在线学习投入与其内外在前因的关系均更强（rjc=0.561>0.547=rgd, rjc=0.555>0.371=rgd）。这可能缘于：相较于高等教育阶段学习者较强的学习自主性，基础教育阶段学习者在在线学习过程中通常缺乏足够的自主性和自控力，且更易受网络无关信息影响。[47]这意味着，内外在元素干预对基础教育阶段学习者在线学习投入水平的提升更为重要。因此，在内外在元素的双重刺激与干预下，基础教育阶段学习者在线学习投入水平的提升更为明显。故在基础教育情境下，在线学习投入与其内外在前因之间的关系更强。 第二，与其他量表相比，采用主流量表测量在线学习投入时，在线学习投入与其内外在前因的关系均更强（rzl=0.549>0.528=rfz, rzl=0.571>0.461=rfz）。这可能缘于：相较于其他测量量表，在线学习投入的主流测量量表从不同维度对其内在结构进行深度刻画，且量表信效度得到更为广泛的检验。从统计学意义上讲，测量工具信效度和维度划分与其所反映的变量量化关系强弱在很大程度上具备同向变动关系。[48]因此，采用主流量表测量在线学习投入时，在线学习投入与其内外在前因之间的关系更强。 第三，外在前因元素对在线学习投入的影响会随着学习者年龄增长而减弱（β=-0.0243）、随着农村生源占比提高而增强（β=0.0081）。这可能缘于：一方面，在线学习投入对学习者在学习过程中的自我控制、自我管理、自主学习等能力都提出更高要求。[49]而这些能力的提升与学习者的年龄增长密切相关。年龄越大，学习者的自我控制、自我管理和自主学习能力往往越强，内在元素在其在线学习投入中的驱动作用也越突出。与之相反，外在元素对在线学习投入的影响则会随着学习者年龄增长而减弱。另一方面，相较于城镇生源，农村生源的留守比例通常更高且在线学习的外在资源禀赋相对不足。换言之，社会支持、父母教育卷入等外在元素对农村生源学习者在线学习投入的驱动作用本身就存在一定缺失。[50]因此，当学习环境、社会支持、父母教育卷入等外在元素得到强化时，农村生源学习者的在线学习投入提升往往更加明显。因此，农村生源占比越高，外在元素对学习者在线学习投入的驱动作用也越强。 （二）理论贡献 本研究的理论贡献主要在于：第一，同时探究在线学习投入与其前因和后效之间的关系，不仅为现有关联性主题研究普遍存在的“重前因、轻后效”偏倚倾向提供较强纠正依据，而且也进一步明晰在线学习投入的“去脉”。第二，基于模块式操作对在线学习投入与其内在前因元素和外在前因元素之间的关系进行分门别类的整合分析，不仅进一步厘清在线学习投入的“来龙”，而且也提升在线学习投入前因研究的聚合度。第三，同时检验情境因素（教育阶段）、测量因素（测量工具）以及学习者人口统计学因素（性别、年龄、生源地）在在线学习投入与其内在前因元素和外在前因元素之间的调节效应，不仅进一步延展在线学习投入生成的边界研究，而且也更为完备地呈现并诠释在线学习投入与其内在前因元素和外在前因元素之间的量化关系。 （三）实践启示 本研究的实践启示主要在于：第一，学习者在线学习投入主要受其内在元素驱动。因此，在提升学习者在线学习投入时，应将内在元素作为主要干预手段，尤其要强化学习者的自我导向学习、自我调节学习和学习满意度。与此同时，也不应忽略学习环境、社会支持、父母教育卷入等外在元素在提升学习者在线学习投入中的效能，尤其应从学习交互、平台体验、技术支撑、资源获取等层面对学习者所处的学习环境进行干预。值得注意的是，鉴于父母教育卷入对学习者在线学习投入仅具有微弱促进作用，在通过内外在元素提升学习者在线学习投入时，需对父母教育卷入保持相对谨慎的态度。第二，在线学习投入对学习者深度学习、客观学业成效和主观学业成效的影响依次递减。因此，当迫切需要学习者在在线学习情境下建构深度学习模式并提升其学习成绩等客观学业成效时，增强学习者在线学习投入不失为一种快速有效的刺激手段。但在通过在线学习投入提升学习者的学习获得感等主观学业成效时，需注意其效能可能延迟。第三，相较于高等教育情境，在线学习投入与其内在前因元素和外在前因元素之间的量化关系在基础教育情境下均更强。因此，当面临处于基础教育阶段的学习者时，可以通过内外在元素的双重刺激强化其在线学习投入。但在面临处于高等教育阶段的学习者时，可能还需辅以其他干预手段，应因“段”制宜地提升学习者在线学习投入水平。第四，外在前因元素对在线学习投入的影响会随着学习者年龄增长而减弱、随着农村生源占比提高而增强。因此，在通过学习环境、社会支持、父母教育卷入等外在元素提升学习者的在线学习投入水平时，不仅应对外在元素效能发挥的年龄递减效应保持警惕，而且还应对学习者的生源结构保持关注，因“龄”制宜、因地制宜地将外在元素对学习者在线学习投入的效用最大化。第五，不同测量工具对在线学习投入与其内在和外在前因元素之间的关系具有差异化影响。因此，在后续实证研究实践中，学者可以通过对比分析在线学习投入不同测量工具得出的量化结果，更为稳健地评估相关结论。
[1]汪存友,李雅茹.大学生在线学习投入度的维度建构及量表研究[J].中国教育信息化,2025,31(1):121-128. [2][6][18][42]刘斌,张文兰,刘君玲.教师支持对在线学习者学习投入的影响研究[J].电化教育研究,2017,38(11):63-68. [3]尹睿,徐欢云.国外在线学习投入的研究进展与前瞻[J].开放教育研究,2016,22(3):89-97. [4]魏丹丹,曾月平.大学生在线学习投入的影响因素研究[J].中国教育信息化,2023,29(9):74-81. [5]MA Y, ZUO M, YAN Y, et al. How do K-12 students’ perceptions of online learning environments affect their online learning engagement? Evidence from China’s COVID-19 school closure period[J]. Sustainability, 2022,14(23):15691. [7][14][21]高斌,谭莉华,张丹丹,等.网络社会支持与高中生网络学习投入:有调节的中介模型[J].心理与行为研究,2023,21(3):403-409. [8][10]KOBICHEVA A. Comparative study on students’ engagement and academic outcomes in live online learning at university[J]. Education Sciences, 2022,12(6):371. [9]WEI X, SAAB N, ADMIRAAL W. Do learners share the same perceived learning outcomes in MOOCs? Identifying the role of motivation, perceived learning support, learning engagement, and self-regulated learning strategies[J]. The Internet and Higher Education, 2023,56:100880. [11]JIANG Y, RAVINDRAN L, LEE K. Online learning engagement and its influence on English academic outcomes: an empirical study of college students in a blended learning context[J]. Eurasian Journal of Educational Research, 2023(108):84. [12]MIAO J, MA L. Students’ online interaction, self-regulation, and learning engagement in higher education: the importance of social presence to online learning[J]. Frontiers in Psychology, 2022,13:815220. [13][22][32]BONG J Y, CHO K, LIU Z, et al. A dual-process motivation mediation model to explain female high school students’ cognitive engagement and disengagement in emergency remote teaching and online learning in South Korea[J]. British Journal of Educational Technology, 2024,55(3):1020. [15]DOO M Y, BONK C J, HEO H. Examinations of the relationships between self-efficacy, self-regulation, teaching, cognitive presences, and learning engagement during COVID-19[J]. Educational Technology Research and Development, 2023,71(2):481-504. [16]VAYRE E, VONTHRON A. Psychological engagement of students in distance and online learning: effects of self-efficacy and psychosocial processes[J]. Journal of Educational Computing Research, 2017,55(2):197-218. [17][23]ZHOC K C H, CAI Y, YEUNG S S, et al. Subjective wellbeing and emotion regulation strategies: how are they associated with student engagement in online learning during COVID-19?[J]. British Journal of Educational Psychology, 2022,92(4):1537-1549. [19][24][36]PAN X. Online learning environments, learners’ empowerment, and learning behavioral engagement: the mediating role of learning motivation[J]. SAGE Open, 2023,13(4):116. [20][37]YANG J, PENG M Y P, WONG S, et al. How E-learning environmental stimuli influence determinates of learning engagement in the context of COVID-19? SOR model perspective[J]. Frontiers in Psychology, 2021,12:584976. [25]VISWESVARAN C, ONES D S. Theory testing: combining psychometric meta-analysis and structural equations modeling[J]. Personnel Psychology, 2010,48(4):865-885. [26]HUNG M L, CHOU C, CHEN C H, et al. Learner readiness for online learning: scale development and student perceptions[J]. Computers & Education, 2010,55(3):1080-1090. [27]AHMED U, ISMAIL A I, FATI M, et al. E-learning during COVID-19: understanding the nexus between instructional innovation, e-psychological capital, and online behavioural engagement[J]. Management in Education, 2024,38(3):107-119. [28]MARTIN A J, NEJAD H G, COLMAR S, et al. Adaptability: how students’ responses to uncertainty and novelty predict their academic and non-academic outcomes[J]. Journal of Educational Psychology, 2013,105(3):728-746. [29]GETENET S, CANTLE R, REDMOND P, et al. Students’ digital technology attitude, literacy and self-efficacy and their effect on online learning engagement[J]. International Journal of Educational Technology in Higher Education, 2024,21(1):320. [30]ZIMMERMAN B J. Becoming a self-regulated learner: an overview[J]. Theory into Practice, 2002,41(2):64-72. [31][40]崔小雨,苏涛.职业召唤前因与后果的元分析研究[J].应用心理学,2024,30(2):128-140. [33]DECI E L, RYAN R M. Self-determination theory: a macrotheory of human motivation, development, and health[J]. Canadian Psychology, 2008,49(3):182-185. [34]饶爱京,万昆.在线学习准备度对大学生在线学习投入度的影响[J].教育科学,2020,36(2):31-38. [35][38][41][49][50]郑旭东,万昆.规模化K-12在线教学中家校合作的实施逻辑、内容与建议[J].中国电化教育,2020(4):16-21. [39]JOSSBERGER H, BRAND-GRUWEL S, BOSHUIZEN H, et al. The challenge of self-directed and self-regulated learning in vocational education: a theoretical analysis and synthesis of requirements[J]. Journal of Vocational Education and Training, 2010,62(4):415-440. [43][44]龚少英,韩雨丝,王丽霞,等.任务价值和学业情绪与网络学习满意度的关系研究[J].电化教育研究,2016,37(3):72-77. [45]FILIUS R M, DE KLEIJN R A M, UIJL S G, et al. Promoting deep learning through online feedback in SPOCs[J]. Frontline Learning Research, 2018,6(2):92-112. [46]孙薇,郁钰.应试教育与素质教育并非水火不容[J].中国教育学刊,2016(5):23-25. [47]BAI X, GU X. Contribution of self-determining theory to K-12 students’ online learning engagements: research on the relationship among teacher support dimensions, students’ basic psychological needs satisfaction, and online learning engagements[J]. Educational Technology Research and Development, 2024,72(6):2939-2961. [48]DOBROW S R, WEISMAN H, HELLER D, et al. Calling and the good life: a meta-analysis and theoretical extension[J]. Administrative Science Quarterly, 2023,68(2):508-550.
A Study on the Quantitative Evaluation of Antecedents and Consequences of Online Learning Engagement Based on Meta-Analysis
Xiaoyu CUI1,2, Hui LI2, Tao SU3（1.Police Training Department,Guangdong Police College, Guangzhou 510230, Guangdong;2.School of Public Security Management, People’s Public Security University of China, Beijing 100038;3.School of Management, Guangdong University of Technology, Guangzhou 510520, Guangdong）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
