大學(xué)生學(xué)習(xí)風(fēng)格調(diào)查與分析

李婷婷 周麗萍 黎明

摘? ?要：隨著信息技術(shù)的發(fā)展，自適應(yīng)學(xué)習(xí)受到學(xué)者越來越多的關(guān)注。在自適應(yīng)學(xué)習(xí)中尤為重要的便是根據(jù)學(xué)習(xí)者由學(xué)習(xí)風(fēng)格等構(gòu)成的學(xué)習(xí)者模型為其推送適合的學(xué)習(xí)資源。該研究中，使用對比研究方法運用Felder-Silverman學(xué)習(xí)量表部分維度及 Kolb 學(xué)習(xí)風(fēng)格量表組成的新量表對全體大三的數(shù)學(xué)專業(yè)與歷史專業(yè)的學(xué)生進(jìn)行學(xué)習(xí)風(fēng)格測試，然后運用Spss工具、Python中T-sne算法等對數(shù)據(jù)進(jìn)行統(tǒng)計研究。結(jié)果表明，理科生在學(xué)習(xí)風(fēng)格信息加工維度較文科生明顯傾向于反思觀察思維，且理科生學(xué)習(xí)風(fēng)格更加傾向于發(fā)散型思維，而文科生則在除聚合型思維的其他三種思維分布較為均勻。

關(guān)鍵詞：自適應(yīng)學(xué)習(xí);學(xué)習(xí)風(fēng)格;Felder-Silverman;Kolb;T-sne算法

中圖分類號：G40-057 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2019）15-0024-05

一、引言

1954年美國學(xué)者Herbert·Thelen首次提出“學(xué)習(xí)風(fēng)格”這一概念以來，其作為影響學(xué)生學(xué)習(xí)的一種個性化要素，受到教育者的廣泛關(guān)注。但是不同學(xué)者對其概念的認(rèn)識卻不盡統(tǒng)一。有些學(xué)者認(rèn)為學(xué)習(xí)風(fēng)格是某種學(xué)習(xí)方式或?qū)W習(xí)策略;有些學(xué)者則認(rèn)為學(xué)習(xí)風(fēng)格是某種穩(wěn)定的行為表現(xiàn)方式;也有些學(xué)者認(rèn)為學(xué)習(xí)風(fēng)格應(yīng)是某種信息加工方式。關(guān)于學(xué)習(xí)風(fēng)格的研究，在內(nèi)容方面，早期學(xué)習(xí)風(fēng)格偏向于理論研究，重點研究什么是學(xué)習(xí)風(fēng)格、影響學(xué)習(xí)風(fēng)格差異的主要因素是什么，以及怎么恰當(dāng)測量運用學(xué)生學(xué)習(xí)風(fēng)格。例如，有些學(xué)者傾向于研究構(gòu)成及影響學(xué)習(xí)風(fēng)格的要素，[1-2]不同學(xué)習(xí)者學(xué)習(xí)風(fēng)格的基本特征有無差異等，如高中生、大學(xué)生、網(wǎng)絡(luò)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格是否有某種明顯的特征;[3-5]有些學(xué)者則側(cè)重基于某種已有的學(xué)習(xí)風(fēng)格進(jìn)行調(diào)查或是通過挖掘?qū)W習(xí)數(shù)據(jù)等來構(gòu)建某種學(xué)習(xí)風(fēng)格，如常見的基于Kolb、基于Felder-Silverman學(xué)習(xí)風(fēng)格等線下模型基礎(chǔ)上再結(jié)合線上大數(shù)據(jù)，運用J48、貝葉斯、邏輯回歸等算法等相互對比構(gòu)造出學(xué)生學(xué)習(xí)風(fēng)格;[6-8]研究較多的則為不同學(xué)習(xí)風(fēng)格學(xué)習(xí)者與教學(xué)策略、教學(xué)內(nèi)容設(shè)計等的關(guān)系，即針對不同學(xué)習(xí)風(fēng)格學(xué)習(xí)者為其設(shè)計個性化的高效的教學(xué)策略，以提高其學(xué)習(xí)效率，[9-10]還有不同學(xué)習(xí)風(fēng)格的學(xué)習(xí)者與其學(xué)習(xí)績效、學(xué)習(xí)過程等的影響。[11]此外，自2010年起，學(xué)習(xí)風(fēng)格研究中，在線學(xué)習(xí)，如在線學(xué)習(xí)中學(xué)習(xí)風(fēng)格對學(xué)生的交互影響、學(xué)習(xí)過程、學(xué)習(xí)行為、學(xué)習(xí)效率等的影響;[12-14]自適應(yīng)學(xué)習(xí)，如自適應(yīng)系統(tǒng)中學(xué)習(xí)風(fēng)格模型的構(gòu)建，學(xué)習(xí)風(fēng)格研究的方向、研究趨勢等;[15]遠(yuǎn)程學(xué)習(xí)，如遠(yuǎn)程學(xué)習(xí)中學(xué)習(xí)風(fēng)格測量方法，遠(yuǎn)程學(xué)習(xí)中學(xué)習(xí)者學(xué)習(xí)風(fēng)格特點類型等字眼逐漸增多，即學(xué)習(xí)風(fēng)格逐漸轉(zhuǎn)向?qū)嵶C研究。[16-18]綜上所述，學(xué)習(xí)風(fēng)格呈現(xiàn)了從理論到實踐過渡的趨勢，經(jīng)歷了因素選擇即構(gòu)成學(xué)習(xí)風(fēng)格的要素、模型表示即構(gòu)造出某種學(xué)習(xí)風(fēng)格測量表示方法階段，如Kolb學(xué)習(xí)風(fēng)格量表、模型修正是基于已有的學(xué)習(xí)風(fēng)格不斷加深研究，運用算法等數(shù)據(jù)挖掘手段使其更加完善這樣一個研究重點變化的過程。學(xué)習(xí)風(fēng)格中的信息加工是指對信息、知識的理解方式，分為積極實踐與反思觀察兩類。積極實踐類思維學(xué)習(xí)者在學(xué)習(xí)過程中喜歡做中學(xué)，在實際生活中解決問題，傾向于用具體的方法來解決問題，反思觀察類思維學(xué)習(xí)者顧名思義喜歡認(rèn)真思考、細(xì)心觀察、多角度理解知識內(nèi)容。這是結(jié)合 Felder-Silverman量表部分維度及Kolb 量表對大三數(shù)學(xué)專業(yè)及文學(xué)專業(yè)學(xué)生學(xué)習(xí)風(fēng)格展開的研究。首先，選取Felder-Silverman及Kolb 量表所共有的信息加工維度對其數(shù)學(xué)及歷史專業(yè)學(xué)生進(jìn)行對比研究。然后，在Kolb量表中對這兩類學(xué)生從不同角度重在信息加工維度進(jìn)行對比分析，比較兩專業(yè)學(xué)生學(xué)習(xí)風(fēng)格是否有明顯差異。以期在后續(xù)自適應(yīng)系統(tǒng)研究里，在學(xué)生模型中針對不同學(xué)習(xí)風(fēng)格學(xué)生推薦合適的學(xué)習(xí)資源。

二、學(xué)習(xí)風(fēng)格

1.基本理論

盡管自美國學(xué)者首次提出“學(xué)習(xí)風(fēng)格”以來，不同的學(xué)者對其概念的認(rèn)識不盡統(tǒng)一，但都認(rèn)為學(xué)習(xí)風(fēng)格具有獨特性、穩(wěn)定性兼有個性兩種功能。[19]即學(xué)習(xí)風(fēng)格在個體中一定程度上是穩(wěn)定的，通過一定方法是可以測量而知的，且在一段時間內(nèi)不會改變，但同時又是具有個性的，即不同學(xué)習(xí)者的學(xué)習(xí)風(fēng)格是有差異的。此文章就是基于學(xué)習(xí)風(fēng)格的這一特性而展開研究。學(xué)習(xí)風(fēng)格的準(zhǔn)確測試方法一直是學(xué)者致力研究的。目前為止，測試學(xué)習(xí)風(fēng)格一般有線上線下兩種方法，線上是通過收集學(xué)習(xí)者在某一學(xué)習(xí)平臺某一時間段的學(xué)習(xí)數(shù)據(jù)。通過某種特定的大數(shù)據(jù)處理方法而得到，線下則是運用某些已被認(rèn)可的學(xué)習(xí)風(fēng)格測試量表而得，目前，較為認(rèn)可的學(xué)習(xí)風(fēng)格測量量表模型有Felder-Silverman 學(xué)習(xí)風(fēng)格模型及Kolb學(xué)習(xí)風(fēng)格模型等。

2.量表測量方法

Felder-Silverman 學(xué)習(xí)風(fēng)格模型中，從知識的加工、感知、輸入、理解四個方面將學(xué)習(xí)風(fēng)格分成了四組。在知識的加工中分為活躍型與沉思型，感知中分為感悟型與直覺型，輸入中分為視覺型與言語型，知識的理解中則分為序列型與綜合型。Kolb學(xué)習(xí)風(fēng)格模型在學(xué)習(xí)四階段中形成了具體經(jīng)驗、反思觀察、抽象概括和積極實踐四種適應(yīng)性學(xué)習(xí)模型。其中具體經(jīng)驗和抽象概括是一個人偏好的感知維度的兩個極端，反思觀察與積極實踐則是信息加工維度的兩個極端。這樣，在感知維度與信息加工維度可以組合形成發(fā)散型思維、聚合型思維、吸收型思維和適應(yīng)型思維四種學(xué)習(xí)方式，如圖1所示。對四種典型的學(xué)習(xí)風(fēng)格描述如下：[20]①發(fā)散型思維，學(xué)習(xí)者通常用具體的思維方式感知信息，并對這些信息進(jìn)行反思式的加工，這類學(xué)習(xí)者需要獨自從事學(xué)習(xí)活動。②聚合型思維，學(xué)習(xí)者常用抽象思維方式感知信息，并對這些信息進(jìn)行反思式的加工;在學(xué)習(xí)活動中，他們需要根據(jù)相近的、程序化的步驟進(jìn)行思考。③吸收型思維，學(xué)習(xí)者常用抽象的思維方式感知信息，并對這些信息進(jìn)行積極的加工;在學(xué)習(xí)活動中，他們需要投入實際問題的解決過程。④適應(yīng)型思維，學(xué)習(xí)者通常應(yīng)用具體的思維方式感知信息，并對這些信息進(jìn)行積極的加工;他們在學(xué)習(xí)活動中需要冒險，進(jìn)行變革實驗，而且具有靈活性。

Felder-Silverman 量表中，a、b選項前系數(shù)為1、3，則為平衡型學(xué)習(xí)風(fēng)格，其余5a、7a、9a、11a為積極型學(xué)習(xí)風(fēng)格，5b、7b、9b、11b則為沉思型學(xué)習(xí)風(fēng)格。Kolb量表中，感知維度具體的經(jīng)驗命名為0，抽象的概括命名為1，對量表12道題同一選項合計相加后，取數(shù)值大的這一維度對應(yīng)0或1即可。同理，在信息處理維度積極實踐命名為0，反思觀察命名為1。（此處在信息加工維度命名0的需是主動的實驗而不能是省思的觀察，應(yīng)與感知維度命名為同一方向，便于之后研究）最后可組合形成 00、01、10、11這四種類型，分別對應(yīng)適應(yīng)型、發(fā)散型、聚合型、吸收型四種思維模式。顯然第一位以0開頭是感知維度的具體經(jīng)驗思維，以1開頭則是抽象概括思維;第二位為0是信息處理維度積極實踐思維，第二位為1則是反思觀察思維。

三、研究設(shè)計與分析

1.研究設(shè)計

本文采用由 Kolb學(xué)習(xí)風(fēng)格測量量表及所羅門學(xué)習(xí)風(fēng)格量表部分維度整合而成的新量表。數(shù)據(jù)處理采用Spss工具及Python中T-sne算法等，對湖北師范大學(xué)數(shù)學(xué)專業(yè)109人、歷史專業(yè)83人共192人，進(jìn)行學(xué)習(xí)風(fēng)格測試，旨在研究不同學(xué)科學(xué)生的學(xué)習(xí)風(fēng)格的穩(wěn)定性與個性，即理科類偏向某一學(xué)習(xí)風(fēng)格，文科類偏向另一學(xué)習(xí)風(fēng)格，且兩者學(xué)習(xí)風(fēng)格在一定程度上是不同的。

2.研究結(jié)果

此次研究量表共回收192份，其中無效問卷24份，有效問卷168份，有效率為88%，文科類 62份，理科類106份。首先，對此量表進(jìn)行信度分析，信度分析包括文科類、理科類及文理合并類，且在每一類中又包括總的信度分析及兩個維度分別的信度分析，如表1所示，總維度、感知維度、信息加工維度的文科、理科及文理科合并的信度均在0.8左右，顯示信度較好，但文科類信度相對比較低，查閱相關(guān)知識猜想，是由于文科類學(xué)生相對較少。此量表回收數(shù)據(jù)分兩步討論：一為從所羅門及Kolb量表的信息加工維度比較理科與文科生，且比較這兩個量表此維度結(jié)果的差異性;二為從Kolb量表四種思維方式重在信息加工維度分別討論理科生與文科生，對比研究。

先從兩個量表信息加工維度分析，在所羅門量表中，文科類共62份，其中積極型學(xué)習(xí)風(fēng)格6人，平衡型學(xué)習(xí)風(fēng)格56人，無沉思型學(xué)習(xí)風(fēng)格學(xué)生，同樣，理科類中積極型學(xué)習(xí)風(fēng)格18人，平衡型學(xué)習(xí)風(fēng)格88人，也無沉思型學(xué)習(xí)風(fēng)格。由此可知，在所羅門量表中測得的學(xué)習(xí)風(fēng)格較為極端，兩者都無沉思型學(xué)習(xí)風(fēng)格學(xué)生，且均是平衡型學(xué)習(xí)風(fēng)格學(xué)生較多，下面再從Kolb量表中進(jìn)行比較。

在 Kolb 量表中，按上文描述量表統(tǒng)計方法，理科類的最終統(tǒng)計結(jié)果如表2所示，文科類的統(tǒng)計結(jié)果如表3所示。先簡單分析，理科類學(xué)生明顯傾向發(fā)散型思維，占49%，在學(xué)習(xí)風(fēng)格這一抽象詞中，已是很高的概率。而文科類學(xué)生則除聚合型思維外分布比較均勻，分別占29%、32%、26%。此外，從信息加工維度分析，同樣按上述描述方法，文科類兩者之比如表3所示積極型與沉思型之間的比為1∶1.38，而理科類為 1∶2.70。明顯在信息加工維度理科生更傾向于反思觀察。我們將Kolb量表與所羅門量表的同一信息加工維度進(jìn)行比較，如表4、表5所示，所羅門中文理科活躍、平衡、沉思比值分別為1∶10.11∶0與1∶4.88∶0，而Kolb中活躍與沉思文理科比值為1∶1.38與1∶2.70?？梢园l(fā)現(xiàn)兩者之間存在較大差異，在所羅門學(xué)習(xí)風(fēng)格中兩類學(xué)生中均無沉思型學(xué)習(xí)者，平衡型學(xué)習(xí)風(fēng)格占多數(shù)，且文科類和理科類學(xué)生之間并無差異，而在Kolb學(xué)習(xí)風(fēng)格中兩類學(xué)生均為活躍型與沉思型各占一定比例，且兩者均偏向于沉思型，在此基礎(chǔ)上理科類明顯更加偏向于沉思型，沉思型學(xué)生所占比例較多。由此可知，兩個量表在測量時存在較大差異。在所羅門量表中除活躍型與沉思型外還有兩者中的平衡型，[21][22]而在Kolb量表中僅有沉思型與活躍型兩者相對的學(xué)習(xí)風(fēng)格，在此量表中測得的學(xué)習(xí)風(fēng)格更加具有區(qū)分性。且在Spss中測得兩量表學(xué)習(xí)風(fēng)格無任何相關(guān)性。因此我們?nèi)粘W(xué)習(xí)中，在選擇量表測學(xué)習(xí)風(fēng)格時應(yīng)根據(jù)自己的要求合理斟酌。值得注意的是兩類學(xué)習(xí)者中聚合型思維均占少數(shù)，通過閱讀文獻(xiàn)猜想，優(yōu)秀人才往往分布在聚合型思維中，但是優(yōu)秀人才總是占少數(shù)，因此兩類學(xué)習(xí)者中均是聚合型思維者較少，此項僅是猜想，有待后續(xù)研究。

此外在Kolb學(xué)習(xí)風(fēng)格量表中，由十字坐標(biāo)形式形成四種學(xué)習(xí)風(fēng)格，每一個學(xué)習(xí)者在此十字坐標(biāo)的信息與加工維度都占有某一位置，不僅僅是單獨的某一學(xué)習(xí)風(fēng)格，在同一學(xué)習(xí)風(fēng)格中由于數(shù)據(jù)的不同仍有差異，如圖2所示，盡管三角形與圓所代表的學(xué)習(xí)風(fēng)格均為由反思觀察與抽象概括組成的吸收型學(xué)習(xí)風(fēng)格，但是這兩個學(xué)習(xí)風(fēng)格在反思觀察與抽象概括中所占的比重卻不同。因此以下依據(jù)此在Kolb量表學(xué)習(xí)風(fēng)格這一角度對文理科學(xué)習(xí)風(fēng)格進(jìn)行分析，在Kolb量表中對文理科各學(xué)習(xí)風(fēng)格統(tǒng)計散點圖描述如下：下列四圖橫軸以感知維度的具體、抽象為分類，縱軸則以數(shù)字表示信息加工維度的沉思、積極兩類。最終每一專業(yè)可由兩圖描述，一圖為具體-沉思/積極，一圖為抽象-沉思/積極。觀察下面四圖可知，從文科、理科專業(yè)對比角度，即圖3、圖5與圖4、圖6對比，文科類在信息加工維度沉思與積極分布較為混亂，界限分布不明顯，沉思與積極類在高低分值均有分布;反之理科類分布界限較為明顯，沉思類分布在分值較高處，積極類則分布在分值較低處。由此可知，文科生在學(xué)習(xí)風(fēng)格中信息加工維度沉思與積極無明顯偏向，而理科生則明顯偏向于沉思類。同時，以信息加工維度的積極、沉思為橫軸分類，感知維度的具體抽象為縱軸做散點圖（文中未顯示），表明文科類和理科類在感知維度的具體抽象并無明顯差別。

以下運用Spss中最優(yōu)尺度法對數(shù)據(jù)進(jìn)行降維，對文理科學(xué)生進(jìn)行對比分析，降維效果圖如表6及圖7所示。由表6模型的可信度檢驗為91.4%，所以分析結(jié)果可信。在降維圖7中，數(shù)字1表示文科類，數(shù)字2表示理科類，則由圖可知，沉思抽象兩種學(xué)習(xí)風(fēng)格分布較近，文科類專業(yè)學(xué)生傾向于主動型學(xué)習(xí)風(fēng)格，理科類專業(yè)學(xué)生較歷史專業(yè)學(xué)生更加傾向抽象與沉思型學(xué)習(xí)風(fēng)格。

此外，下面運用更為精準(zhǔn)的T-sne算法對數(shù)據(jù)進(jìn)行分析。T-sne t-分布式隨機(jī)鄰域嵌入是一種用于挖掘高維數(shù)據(jù)的非線性降維算法。它將多維數(shù)據(jù)映射到適合于人類觀察的一個、兩個或多個維度。T-sne算法的主要步驟公式如公式（1）與公式（2）所示，公式（1）中數(shù)據(jù)點xi與數(shù)據(jù)點xj的相似性是條件概率Pj|i——如果鄰域被選擇與在以為xi中心的正態(tài)分布的概率密度成比例，xi將選擇xj作為其鄰域的概率。其中σi是以數(shù)據(jù)點xi為中心的正態(tài)分布的方差。公式（2）便是對應(yīng)低維數(shù)據(jù)點yi和yj的高維對應(yīng)點xi和xj。

pj|i=（1）

qj|i=（2）

在上述步驟中，運用T-sne算法將4維Kolb學(xué)習(xí)風(fēng)格數(shù)據(jù)降維為一維，再通過聚類對此一維數(shù)據(jù)進(jìn)行研究分析，聚類為兩類，以1和2命名，以此來對比理科生與文科生的學(xué)習(xí)風(fēng)格差別。最終聚類結(jié)果如表7所示，文科類的類別比值為1∶0.94，理科類為1∶1.36。由表7可知，數(shù)據(jù)結(jié)果與上述研究一致，文科類學(xué)習(xí)風(fēng)格數(shù)據(jù)分類結(jié)果不明顯，而理科類則明顯傾向于其中一類。

四、分析與討論

以上研究顯示文科生與理科生的學(xué)習(xí)風(fēng)格的確是不同的，且所羅門學(xué)習(xí)風(fēng)格量表與Kolb學(xué)習(xí)風(fēng)格量表存在差異，我們在選擇的時候要合理斟酌，根據(jù)自己的要求具體選擇。此外，Kolb 量表中僅在信息加工維度，兩類學(xué)生有明顯差別，理科生較文科生更加傾向于反思觀察，文科生則傾向于主動學(xué)習(xí)。自適應(yīng)學(xué)習(xí)系統(tǒng)由學(xué)生模型、內(nèi)容模型及自適應(yīng)引擎組成。內(nèi)容模型中的知識點等學(xué)習(xí)資源由自適應(yīng)引擎中的相關(guān)算法相關(guān)機(jī)制根據(jù)不同的學(xué)生模型推薦給特定的學(xué)生，由此來實現(xiàn)學(xué)習(xí)資源的個性化推薦、學(xué)習(xí)的自適應(yīng)。該文就是基于自適應(yīng)學(xué)習(xí)系統(tǒng)中學(xué)生模型中的學(xué)習(xí)風(fēng)格進(jìn)行研究的。在學(xué)生模型中，包含有學(xué)生的基本信息，如姓名、學(xué)校、班級等;學(xué)生的偏好信息，如偏好的學(xué)習(xí)地點、學(xué)習(xí)工具、學(xué)習(xí)資源類型、學(xué)習(xí)工具等;學(xué)生的知識結(jié)構(gòu)，即學(xué)生已經(jīng)掌握的知識;學(xué)生的認(rèn)知能力，其中便包含有學(xué)生的學(xué)習(xí)風(fēng)格，這部分可通過測試、問卷等獲得;以及學(xué)生的登錄歷史情感偏好等等。該研究中通過對師范生文理科學(xué)習(xí)風(fēng)格進(jìn)行研究，得出師范生文理科學(xué)習(xí)風(fēng)格的差異。可將其運用到自適應(yīng)學(xué)習(xí)系統(tǒng)中，根據(jù)學(xué)生模型中不同的學(xué)生風(fēng)格信息推送不同的資源。例如，理科生多推送一些適合獨自探索、學(xué)習(xí)的資源，文科生則推送一些適合主動動手，與實際環(huán)境相切合的資源等等。此外，以上研究僅僅是自適應(yīng)學(xué)習(xí)中學(xué)習(xí)者模型中的學(xué)習(xí)風(fēng)格的初步研究，對數(shù)據(jù)做了簡單的處理，樣本也僅僅是對學(xué)校部分學(xué)生的研究。后續(xù)研究將會更加深入，學(xué)生模型研究將更加具體，學(xué)習(xí)風(fēng)格分類更加詳細(xì)。

參考文獻(xiàn)：

[1]王華容，譚頂良.近十年西方學(xué)習(xí)風(fēng)格研究述評[J].外國中小學(xué)教育，2008（4）.

[2][15]高虎子，周東岱.自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)者學(xué)習(xí)風(fēng)格模型的研究現(xiàn)狀與展望[J].電化教育研究，2012（2）：32-38.

[3]陳麗，張偉遠(yuǎn)，郝丹.中國遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征的三維模型[J].開放教育研究，2005（2）：48-52.

[4][18]陳麗，郝丹，張偉遠(yuǎn).學(xué)習(xí)風(fēng)格測量工具與中國遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格類型因素[J].開放教育研究，2005（4）：67-73.

[5]朱祖林，安哲鋒，畢磊等.基于地域文化和組織文化視角的遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格比較研究[J].中國遠(yuǎn)程教育，2009（8）：47-51，79-80.

[6]王晨煜，管明輝，殷傳濤等.基于Felder-Silverman學(xué)習(xí)風(fēng)格模型的網(wǎng)絡(luò)學(xué)習(xí)風(fēng)格研究[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2017（2）：102-109.

[7][8]姜強(qiáng)，趙蔚，杜欣.基于Felder-Silverman量表用戶學(xué)習(xí)風(fēng)格模型的修正研究[J].現(xiàn)代遠(yuǎn)距離教育，2010（1）：62-66.

[9]衷克定，劉洋.基于學(xué)習(xí)風(fēng)格理論的在線導(dǎo)學(xué)策略設(shè)計與實踐[J].開放教育研究，2012（3）：83-89.

[10]李淑英，楊朝政.關(guān)注學(xué)習(xí)風(fēng)格的信息化教學(xué)策略[J].中國電化教育，2008（9）：20-22.

[11][13]馬秀峰，李彤彤，劉冬.學(xué)習(xí)風(fēng)格對在線學(xué)習(xí)交互程度影響的實驗研究[J].開放教育研究，2011（4）：96-101.

[12]楊娟，宋曉玲，喬興媚.自主在線學(xué)習(xí)環(huán)境下學(xué)習(xí)行為與學(xué)習(xí)風(fēng)格偏向性的關(guān)聯(lián)分析研究[J].中國遠(yuǎn)程教育，2017（10）：47-54，79-80.

[14]李文昊，張銀艷.學(xué)習(xí)風(fēng)格對學(xué)習(xí)者在線協(xié)作學(xué)習(xí)過程影響的實證研究[J].現(xiàn)代教育技術(shù)，2016（6）：94-100.

[16]郝丹，張偉遠(yuǎn)，陳麗.遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)風(fēng)格測量方法的研究[J].開放教育研究，2005（1）：51-54.

[17]韓松.遠(yuǎn)程教育學(xué)習(xí)風(fēng)格對學(xué)習(xí)績效的影響測評[J].遠(yuǎn)程教育雜志，2010（2）：106-110.

[19]沈博.基于Kolb學(xué)習(xí)風(fēng)格模型的調(diào)查和分析[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2006（3）：66-69.

[20]姜強(qiáng)，趙蔚，王朋嬌.基于網(wǎng)絡(luò)學(xué)習(xí)行為模式挖掘的用戶學(xué)習(xí)風(fēng)格模型建構(gòu)研究[J].電化教育研究，2012（11）：55-61.

[21]李運福，傅鋼善.網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)者策略性特征群體差異研究——基于Felder-Silverman學(xué)習(xí)風(fēng)格的群體劃分[J].現(xiàn)代教育技術(shù)，2015（6）：102-107.

[22]傅鋼善，李運福.網(wǎng)絡(luò)學(xué)習(xí)焦慮與空間定位感間作用關(guān)系研究——基于Felder-Silverman學(xué)習(xí)風(fēng)格的群體差異分析[J].電化教育研究，2015（1）：103-109.

（編輯：王天鵬）