UK 研究生经历对混合学习中学术表现的影响：一种数据分析方法

混合学习已成为英国及全球高等教育中主导的教育模式，尤其在新冠疫情后进一步强化。伴随而来的教学变革包括加强非同步学习，以及采用人工智能（如 ChatGPT 及其随后出现的类似工具）和其他技术辅助学习。尽管这些教育变革提升了学习灵活性和资源获取，但也暴露了学生如何在混合学习环境中构建成功学习的新挑战。本文探讨了不同维度的学生学习经历（从对教学方法的接受程度、教师支持/反馈，到学习压力和学习动机）与学术成就在 UK 大学研究生混合学习情境下的相互作用。为实现此目标，我们采用了包括可视化、统计检验、回归分析和潜在轮廓分析在内的多种数据分析技术。我们的实证结果（基于 255 名研究生的调查，并结合社区探究 (CoI) 框架进行整体诠释）表明，融合教学与社会存在的学习活动，以及通过有效反馈实现的量身定制的学术支持，是成功的研究生体验在混合学习情境中的关键要素。就贡献而言，这项研究拓展了对学生成功的理解，识别了人口统计、经验和心理因素如何影响学术结果的各种方式；在理论层面，它通过整合学习者异质性概念，识别出基于学生在不同 CoI 存在方式中参与方式的四种 distinct 学生轮廓。