社交媒体使用提高学习绩效还是降低学习绩效？

Original 任高飞陈瑶瑶中国远程教育杂志社 2021-09-15

收录于话题 #学习效果与学习绩效 14个内容

点击蓝字关注我们

精选学术内容，让阅读更有价值

【刊载信息】任高飞,陈瑶瑶. 2020.社交媒体使用提高学习绩效还是降低学习绩效？[J].中国远程教育（9）: 44-52

【摘要】在当今互联网时代，使用社交媒体已成为每个人学习、生活的一部分，社交媒体对学习绩效的影响正成为一个不可忽视的因素。然而，以往对社交媒体使用与学习绩效之间关系的研究结论仍存在一定分歧。为了探讨社交媒体使用能否提高学习绩效，本研究运用元分析方法考察了社交媒体使用对学习绩效的影响以及使用情境和研究方法的调节效应。基于对2011—2018年国际英文期刊35项实证研究的元分析，结果表明：社交媒体使用与学习绩效存在中等程度的正相关（ES=0.49）；使用情境的调节效应检验发现，社交媒体类型、使用群体、应用平台和学科领域对社交媒体使用与学习绩效的关系具有调节作用；研究方法的调节效应检验发现，测量模型、数据属性和学习绩效指标对社交媒体使用与学习绩效的关系同样具有调节作用。

【关键词】社交媒体使用；学习绩效；元分析；使用情境；研究方法；调节效应；技术接受模型（TAM）

一、

引言

在基于Web2.0的数字技术飞速发展的时代背景下，当前学习环境已发生巨大变化。社交媒体通过社交网络和虚拟社区可以促进思想、知识、信息的交流和共享（Nielsen, 2017）。随着网络工具的易用性和社交媒体的爆炸式增长，社交媒体用户通过互联网，利用电脑或移动设备（如智能手机或平板电脑）的应用程序（Shepherd, 2018），访问社交媒体服务，可以主动进行自我导向的专业学习，社交媒体普遍影响年轻人的日常生活，尤其是大学生（Stathopoulou, et al., 2019）。社交媒体改变了大学生在教育机构学习过程中交流、互动和社交的方式（Terzi, 2019），并在大学生和社会大众之间的内容共享中发挥着至关重要的作用。数字媒体和社交网络正在革新日常沟通、协作、信息共享和信息消费的方式（Tulin, 2018）。

基于社交媒体的混合式教学作为一种广义的授课方式在教育中处于上升趋势，社交媒体使用对学习绩效的影响研究引起了学者的高度关注，但相关研究在社交媒体使用和学习绩效之间的关系强度、效应方向及其影响显著性上仍存在分歧。随着社交媒体使用倦怠、手机依赖、信息超载等方面研究数量的不断增加，社交媒体使用对学习绩效的“双刃剑”效应更加突出。因此，明确两者之间的关系对推进在线学习、社交媒体使用具有重要的现实意义。近年来，来自不同国家的学者在社交媒体与学习绩效方面开展了大量的实证、实验研究，为采用元分析方法辨析社交媒体使用与学习绩效之间的效应关系提供了充实的文献资料。基于此，本研究将对社交媒体使用与学习绩效关系及其可能影响的调节因素进行元分析，以期厘清现有文献在研究结论上的对立，并进一步探讨影响两者关系产生差异的社交媒体使用情境和研究方法因素，为社交媒体使用的绩效研究提供新的证据和研究视角。

二、

研究假设

社交媒体是一种在线工具，通过认知参与和社交互动为更好的结果和体验提供了巨大优势（Lockyer & Patterson, 2008）。当前，社交媒体已成为流行的电子学习平台，可用于知识共享和积极协作学习（Rau, 2008），也可以被用来创建虚拟教室，为学生提供交流和娱乐（Blattner & Fiori, 2009），促进和锻炼学生的创造力和沟通技巧（Kabilan, et al., 2010）。在教育领域，社交媒体的使用增强了学生的主动协作学习（Ractham & Firpo, 2011; Liao, et al., 2015）。Jung等人（2002）的研究发现，参与在线协作任务的本科生与没有参与的学生相比，对自己的学习感到更满意。特别是Selwyn 和 Grant（2009）、Arnold和Paulus（2010）强调了这种协作学习方法的潜力。同时，Al-rahmi等（2015）和Karpinski等（2013）也发现教育中的社交媒体使用可以提高学生的学习成绩，改善学习环境。但如今，学生越来越依赖于在社交媒体和互联网上获取信息，这就是为什么学生的学习、研究能力在某些情况下下降的原因，因为他们对这些社交媒体的参与分散了他们的注意力，使得他们花在学习上的时间更少，导致他们的学业成绩下降（Hoffmann, 2017）。Junco 和 Cotton（2011）在多任务处理和学业成绩的研究中，发现大学生在学习或做作业的时候使用Facebook很常见，这种行为与大学平均绩点（general point average, GPA）呈负相关。Wood等人（2012）也研究了MSN、Facebook同时处理多项任务对实时学习的影响，结果表明：使用指定的任何一种社交媒体进行多任务处理都与学习成绩负相关。

社交媒体的使用对学习绩效的影响究竟是积极的还是消极的？影响强度有多大？哪些因素导致现有文献研究结果的差异？基于此，本研究以“社交媒体使用”为自变量，以“学习绩效”为因变量，同时根据样本文献的研究内容和结论，将社交媒体使用情境因素（社交媒体类型、使用群体、应用平台、学科领域）和研究方法因素（测量模型、数据属性、学习绩效指标）作为社交媒体使用影响学习绩效的调节变量（研究模型见图1），并提出三个研究假设：

假设1：社交媒体使用对学习绩效存在显著正向影响；

假设2：社交媒体使用情境因素对社交媒体使用与学习绩效之间的关系具有调节效应；

假设3：研究方法因素对社交媒体使用与学习绩效之间的关系具有调节效应。

图1 研究模型

三、

研究方法与文献检索

（一）研究方法

本研究采用元分析（Meta-analysis）方法。元分析方法可以对同一问题的不同实证或实验研究数据、结果进行归纳整合，通过综合统计分析得出总效应值等指标，以此对所研究的问题形成一个综合视点和研究结论。本研究使用CMA3.3（Comprehensive Meta-analysis 3.3）并结合 SPSS26 进行数据处理与分析。由于部分学者的研究结果仅报告了回归系数，本研究采用Peterson 和 Brown（2005）提出的方法，通过转换公式将回归系数转换为相关系数后再进行元分析，转换公式为：相关系数 = β × 0.98 + 0.05( β ≥ 0) ；相关系数 = β × 0.98 - 0.05( β < 0)( β ∈(-0.5,0.5))（吕鸿江, 等, 2018）。同时，在分析过程中为了减少研究量表因信度不高带来的相关系数衰减问题，按照Hunter 和 Schmidt（1990）提出的方法，对报告了相关系数值的研究数据进行信度修正，修正公式为：

，

为自变量的量表信度系数，为因变量的量表信度系数。另外，由于部分研究没有报告变量量表的信度值，本研究采用Geyskens、Steenkamp 和 Kumar（1998）提出的方法，以其他相似研究中的变量加权平均信度来代替缺失信度值。最后通过CMA软件对纳入元分析的效应值进行数据分析和检验，主要的分析检验包括异质性检验、主效应检验、调节效应检验、出版偏倚分析和敏感性分析。

（二）文献检索

本研究检索的文献数据库来源于Web of Science核心合集。虽然Facebook和Twitter这两大社交应用于2004年、2006年相继成立，但直到2010年其移动终端月活跃用户才突破百万，随着移动端活跃用户数的逐年激增，与社交媒体相关的研究在2011年以后才逐渐增多。因此，本研究文献检索时间跨度为2011年到2018年。以社交媒体和学习绩效为关键词，社交媒体关键词包括Social Media、Social Network、Facebook、Twitter、Wiki、Social Learning Media、Social Learning Networks等，学习绩效关键词包括Learning Performance、Learning Achievements、Learning Outcomes、Learning Effect、Learning Effectiveness、Effect of Learning等，语种为English，文献类型为Article。初步检索文献结果为82篇。在元分析过程中，遵从以下原则选择纳入文献：①研究设计必须包含社交媒体使用和学习绩效变量，且自变量必须是社交媒体使用；②研究类型必须是基于数据分析的实证或实验类研究；③研究必须报告了计算效应量的完整数据，如样本量、相关系数、t值、平均值等数据指标；④每项研究所选的样本必须是独立的，且样本对象必须为本科生、研究生或教师。通过对检索的文献进行逐一研读，最终符合本研究元分析标准的有35篇实证文献（见表1），共包含35项独立样本，涉及的调查对象总共11,522名。

表1 元分析文献一览表

（三）文献编码

根据研究目的和内容，在元分析之前首先对纳入研究的35篇文献进行数据编码。编码内容主要由研究特征和效应值两部分构成。研究特征主要包括文献作者、发表年份、样本数量及特征、变量测量方式和采用的理论模型等；效应统计量包括自变量与因变量量表的Cronbach alpha值、相关系数、回归系数、p值、t值等。此外，由于本研究还涉及调节效应的分析，因此对社交媒体类型、使用群体、应用平台和学科领域四个社交媒体使用情境因素和测量模型、数据属性、学习绩效指标三个研究方法因素也进行了编码，编码体系见表2。为保证编码的准确性及结果具有较高信度，由两组工作人员分别对文献进行编码，初步编码工作完成后对所有编码内容进行比对，如果发现有不一致的编码内容，则通过共同查看原文和讨论达成编码内容一致。本研究采用 Cohen Kappa系数计算了编码结果的一致性，一致性系数为0.89，表明本编码结果稳健可信。

表2 编码体系

四、

研究结果

（一）效应值异质性及主效应检验

异质性检验是测量不同研究效应值之间的异质性水平。如果所有效应值表现为同质性，则后续主效应检验采用固定效应模型，否则采用随机效应模型（吕鸿江, 等, 2018）。本研究的异质性检验结果显示（见表3），Q值= 500.115（p < 0.05），说明纳入元分析的研究之间存在异质性。因此，本研究的主效应分析将采用随机效应模型，并进一步检验使用情境和方法因素是否存在调节效应。同时，分析结果显示I²=93.2% > 75%，按照异质性小、中、大界限25%、50%、75%（Higgins J, et al., 2013），进一步说明35项研究之间存在较大的异质性，而且93.2%的观察变异是由于效应值的真实差异造成的，只有6.8%的观察变异是由随机误差导致的，分析结果较为稳定；Tau²= 0.196，说明研究间有19.6%可用来计算权重，整体效应的异质性检验结果具有统计意义。

表3 总效应量、异质性检验

注：k为文献数，N为所有研究被试人数总和，d为效应值，95% CI为95%的置信区间。

基于各效应值的异质性，本研究选择随机效应模型进行主效应检验，并采用Hattie（2009，p102）提出的效应量衡量标准。Hattie根据效应值将效应量分为小效应量（ES≤0.2）、中效应量（0.2＜ES≤0.6）和大效应量（ES＞0.6）。表3结果显示，本研究纳入元分析的35个独立研究效应值，随机效应模型效应值范围为0.32 到 0.65，被试总人数为11,522，大样本容量在一定程度上保证了研究结论的客观性和准确性。35项研究的合并效应值为0.49，即社交媒体使用与学习绩效整体相关为0.49，大于0.2但小于0.6，p < 0.001，元分析结果表明社交媒体的使用对学习绩效具有显著中等程度的积极影响，假设1被支持。

（二）调节效应检验

表4-表9的异质性检验结果表明，社交媒体使用情境因素（社交媒体类型、使用群体、应用平台和学科领域）以及研究方法因素（测量模型、数据属性和学习绩效衡量指标）对社交媒体使用与学习绩效之间的关系可能存在一定的调节效应。因此，本研究通过亚组分析检验了情境因素和方法因素对社交媒体使用与学习绩效二者关系的调节效应（见表10）。由于有些文献报告了多个相关系数，在调节效应分析中均被作为独立样本，因此在部分调节效应检验结果中的存在总样本数和总被试人数超出整体的情况。

1. 情境因素的调节效应

表4结果显示，Facebook、YouTube、Wiki和Myspace四种社交媒体的效应值分别为0.616***（k=12）、0.383***（k=5）、0.384***（k=7）、0.438*（k=3），表明使用Facebook对学习绩效具有显著较高程度正向影响，YouTube、Wiki和Myspace对学习绩效具有显著中等程度正向影响。组间异质性检验结果显著（p<0.05），说明社交媒体类型对社交媒体使用与学习绩效之间的关系具有调节作用。

表4 社交媒体类型对社交媒体使用与学习绩效之间关系的调节作用