高 涛，刘 瑶，孙朝云
(长安大学 信息工程学院，陕西 西安 710054)
在C语言/C++课程的教学上，大多数大学仍然采用传统的理论教学方式或课堂教学和线上编程实验相结合的方式。在新一轮教学改革中，C大学C语言/C++课程的教学包含教师课堂教学和各专业根据培养计划开展的实践教学，包含随堂练习、上机实验、课程设计等一个或多个环节，教学地点多为机房，最终的考核需在线上平台进行编程考核。对于大部分学生来讲，重点学习环节包括课堂学习和自主编程训练学习这两部分。从学生的视角出发，学生课程学习满意度不仅仅受课堂教学的影响，自主学习质量和预先期望等都将影响学生的学习心态和知识掌握，从而影响学生对课堂教学的感知质量和感知价值，影响学生课程学习满意度[1]。随着计算机技术的迅猛发展，满意度评价主要采用统计模型对问卷调研数据进行建模分析，或是运用相关技术从网络上获取数据，采用机器学习算法实现大量数据的计算和分析[2]。本文的主要研究目的是从学生的视角出发，分析影响学生课程学习满意度的多个因素。相较于基于协方差的结构方程模型(CB-SEM)，PLS-SEM适用条件更宽泛，提供给研究者更强的理论预测能力，利于处理复杂模型[3]。为了研究影响因素间的相互作用，本文采用PLS-SEM来进行学生课程学习满意度评价的影响因素分析。
一些学者对C语言/C++课程提出了一些教学改革思路，李建华[4]等将问题导向学习引入C语言/C++教学改革中，刘光蓉[5]提出将理论知识融于实践教学中，但很少有研究大量实证调研学生对当前C语言/C++课程教学各个环节的满意度并分析其潜在关系。顾客满意理论的研究最早可追溯到1965年Cardozo对顾客满意的实验研究，最具有代表性的研究成果是Fornell等人在1994年提出的ACSI(America Customer Satisfaction Index)测评模型[6]，模型认为感知质量、感知价值、预期质量都对顾客满意度有影响，且结构变量间存在相互影响的关系，本文将在经典ACSI模型的基础上建立C语言/C++学生课程学习满意度评价模型。在教育领域的研究中，研究者们给出了学生满意度的定义。大学教学满意度是指大学生将所接受的教学服务和收获与其期望相比较而产生的高兴或失望、积极或消极的心理感觉[7]；
大学生学习满意度是直观反映其对学习体验自我评价的指标集群，通过其入学之后的体验和感知与入学前的期望相对比而形成的[8]。基于此，本文认为学生课程学习满意度是指学生在课程学习中对教学服务和收获与预先期望相比较所产生的满足感、愉悦感、失望感等心理感受的测度或者衡量。学生期望是学生基于先验信息在课前对该门课程教学质量和实践环节的整体预期。课程学习感知质量是指学生对课程学习各环节水平的感知。C语言/C++作为编程语言，是一门实践性很强的课程，更强调学生的学习主动性。因此，本文将自主学习质量和对自主学习质量有影响的学习环境质量作为模型的结构变量，与课堂教学质量一同归属于课程学习感知质量范畴。课程学习感知价值是指学生对课程学习收获和付出的时间精力的综合感知，C语言/C++课程在要求掌握理论知识的同时，也强调能灵活运用所学到的编程语言工具和编程思维，课程学习的效果最终也体现在学生的编程能力上[9]。因此，本文将能力提升作为课程学习感知价值的体现。综上，基于ACSI模型，本文构建了一个学生课程学习满意度评价模型，其包含学生期望、课程学习感知质量、课程学习感知价值、学生满意度四个部分。本文建立的偏最小二乘法结构方程模型(PLS-SEM)[10]如图1所示，模型中提出了10条假设：H1：学生期望对课堂教学质量有正向影响；
H2：学生期望对学习环境质量有正向影响；
H3：学生期望对自主学习质量有正向影响；
H4：学生期望对学生满意度有正向影响；
H5：学习环境质量对课堂教学质量有正向影响；
H6：学习环境质量对自主学习质量有正向影响；
H7：学习环境质量对学生满意度有正向影响；
H8：课堂教学质量对能力提升有正向影响；
H9：自主学习质量对能力提升有正向影响；
H10：能力提升对学生满意度有正向影响。
图1 学生课程学习满意度评价模型
在C大学随机发放问卷465份，线上收集85份问卷，共回收问卷421份，问卷回收率为90.5%.获得的随机样本的描述性统计如表1所示，其中65.60%被调研者为男生，较符合C大学男女生比例，随机调研的学生归属4个年级的比例差距不大，符合随机抽取的特征。受调查者80%以上为理工科专业。
参考澳大利亚的大学课程体验调查(CEQ)[11]、英国的全国大学生调查(NSS)学生课程学习体验测评问卷[12]和ACSI模型，确定了量表初始测量项，采用李克特5级量表进行量表选项设计，“5”为很符合，“4”为较符合，“3”为一般，“2”为不符合，“1”为很不符合。首先进行小范围前测，共收集到67份问卷，使用SPSS进行验证性因子分析，依据分析结果增删修改问卷题项，所有题项采用正向表述，最终形成了20个测量项的量表，如表2所示。使用SPSS进行异常值分析，剔除了37个离群值样本，最终样本数为384.
表1 随机调研样本基本属性的描述性统计
3.1 测量模型分析
在结构方程模型理论中，潜变量为难以直接观测的变量，通常用测量变量来描述[13]。为了确认量表的可信度和分析量表能在多大程度上反映潜变量，需要对量表进行信效度分析。在评估量表信度时，通常采用Cronbach"s alpha系数和组合效度CR值，Cronbach’s alpha系数有低估内部一致性的倾向，CR值有高估内部一致性的倾向，将这两个指标结合起来进行量表信度评估，当Cronbach’s alpha系数和CR值在0.7～0.9时，量表的信度令人满意[14]。从表2得出各潜变量的测量量表信度大致可接受。如自主学习质量的Cronbach’s alpha系数虽然为0.672，但其CR值为0.819，其信度也可被接受。
表2 量表变量描述性统计及信度检验结果
本文主要考察收敛效度和区别效度来评估量表效度，表3中所有潜变量的AVE均大于0.5，且其包含的测量项因子载荷均大于0.7，且都在0.001的水平上显著，说明所有潜变量收敛效度良好[14]。表4中对角线上的值为该列对应潜变量的AVE值的算术平方根，每一列在表格对角线上的值均大于该列剩下的其他值(其他值为当前列对应的潜变量和其他潜变量的皮尔逊相关系数)，说明潜变量的区别效度良好。
表3 潜变量收敛效度检验结果
表4 潜变量区别效度
3.2 结构模型分析
学生期望为外生潜变量，课堂教学质量、能力提升、自主学习质量、学习环境质量、学生满意度为内生潜变量。对模型进行共线性检验，模型中所有内生潜变量的VIF值均小于5，说明内部模型的内生潜变量间不存在共线性问题[15]。模型的路径系数和其显著性反映潜变量之间的相关性，由于学生期望->学生满意度路径的p值为0.583，说明该路径不成立，即假设H4不成立，最终模型删除该条路径，其余路径p值均小于0.01，说明其余假设均在1%的水平下显著成立，图2为显著成立的各路径的路径系数图。
图2 模型路径系数图
回归判定系数R2表示模型中外生变量对内生潜变量的解释效果，当R2介于0.33～0.67，解释效果中等，当R2大于0.67，表示解释效果良好[16]。学生满意度和课堂教学质量的R2分别为0.659、0.642，被解释效果较好，说明了数据和模型拟合效果较好，模型预测准确性较高。所有内生潜变量的Q2值均大于0，说明结构模型对内生潜变量具有预测相关性[3]。
3.3 中介效应
表5中的路径为具有中介效应的路径，中介效应[17]指一个潜变量通过中间潜变量去影响另一个潜变量，表中列出总效应的t统计量和p值，表5中潜变量间的总效应都是显著的。由表5可知学习期望和学习环境质量主要通过间接效应(中介效应)来影响学生满意度。
表5 潜变量的间接效应和总效应
3.4 多群组分析
在调研时，还调研了诸如性别、年级等背景信息，本文进行多群组分析[18]，分别探究性别不同、年级不同、课程性质不同会对结构方程模型的路径系数造成什么影响。分别对性别分群、课程性质分群进行多群组分析，发现各路径系数无显著差异。对年级进行分群，大一和大二分为低年级组，共179个样本；
大三和大四分为高年级组，共205个样本。发现学习环境质量到课堂教学质量的路径系数在1%的水平下有显著差异，学生期望到课堂教学质量的路径系数在5%的水平下有显著差异，具有显著差异的路径显示如表6所示。
表6 高年级组和低年级组路径系数差异性
4.1 学生课程满意度调查情况
本次调研的是C语言/C++课程，各调研项的得分平均值均大于3.3，说明学生对课程学习的各个环节较为满意。其中，学生对该课程总体满意度较高，平均值为3.99；
学生对教学方法和课堂气氛的满意度相对较低，平均值仅为3.36.此外，作业和考试相关测量项得分平均值为4.04，实践教学得分平均值为4.2，学生能力提升得分平均值为3.91，表明在教学改革中，引入线上编程平台、增加学生动手编程的机会对学生课程体验的提升是有益的。
4.2 程序设计类基础课程满意度影响因素评价
在学生课程学习满意度评价模型中，课堂教学质量、学习环境质量、自主学习质量、能力提升等结构变量均对学生满意度有显著的直接效应，能力提升对学生满意度具有最强的直接效应，这也验证了前文模型中加入能力提升这一影响因素的合理性，从学生的角度表明了能力提升是学生参与编程语言课程的重要目标，课堂教学质量到能力提升的路径系数为0.522，自主学习质量到能力提升的路径系数为0.259，表明对于C语言/C++课程，学生主要是靠课堂教学来提升各项能力，学生自主学习效果有限。相较于对学生自主性要求较高的线上教学，线下教学在开展实践教学活动上具有不可取代的优势。在教学改革中，大学应该在课堂中多开展案例教学、校企实习、任务驱动型实践教学活动来提升学生的编程能力。
4.3 高低年级学生在一些路径上具有显著差异
对年级进行分群研究，低年级学生学习环境质量到课堂教学质量的路径系数为0.779，高年级学生学习环境质量到课堂教学质量的路径系数为0.557，表明相较于高年级组学生，在低年级组学生中，学习环境质量对课堂教学质量的影响更高；
而低年级学生学生期望到课堂教学质量的路径系数为0.155，高年级学生学生期望到课堂教学质量的路径系数为0.337，表明在高年级组学生中，学生期望对课堂教学质量的影响更高。
4.4 教学改革探索
依据4.2中能力提升是对学生满意度直接效应最强的影响因素、学生主要是靠课堂教学来提升各项能力这两个发现，以学生能力提升为导向的课堂教学改革仍然是之后课程教学改革的重点，提出几点改革思路：1)结合翻转课堂和任务导向型教学思路进行教学改革；
2)引入微信“雨课堂”小程序进行随堂测验，灵活调整教学进度。
本文通过实证调研，从学生满意度的角度反映了C大学在本轮程序设计课程改革中的教学效果，通过作业、考核、实践教学、学生能力提升等项的满意度得分，证明引入线上编程平台辅助作业和考核、增加学生动手编程的机会对学生课程体验的提升是十分有益的；
构建能力提升、学习环境质量这两个新的独立影响因素，并和其他经典的影响因素共同建立学生程序设计课程学习满意度评价模型。研究证明在程序设计课程中，新引入的这两个影响因素均对学生满意度有显著的直接效应，且直接效应相对较强；
研究发现，课堂教学质量相较自主学习质量对能力提升有更强的影响，从侧面反映线下课堂教学更适宜开展提升学生编程能力的各项教学活动。从学生诉求的角度反映了今后的程序设计课程改革应沿着以提高学生能力为导向的方向发展。此外，现在的课程教学正逐步由传统教学转为结合线上教学手段的混合式教学，在今后的相关研究中，应该着重分析线上教学手段对学生课程学习体验和满意度造成了什么影响。