《表1 剖面分析拟合度统计数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《混合学习环境下学习者的在线自我调节学习潜在剖面分析及行为过程挖掘》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

OSLQ问卷在线发放给245名选课学生，共回收有效答卷239份。本研究针对参与者在各子量表上所得分数进行潜在剖面分析（Latent Profile Analysis，LPA），估计他们未被观察到的异质性并对其进行分类，确定学习者可能属于何种自我调节学习特征类别。潜在剖面分析的模型拟合度统计结果见表1，其中，三种剖面类别的解决方案模型拟合优度较佳：从LMR值（<0.05）来看，支持保留2种、3种或5种类别；从Entropy值来看，保留3种类别的情况下Entropy值最高，表明将自我调节学习者划分为3种剖面类别最为精确；AIC值和BIC值随类别数递减，未见最低值，但保留3种类别以后，递减速度降低，表明在此处存在拐点。综合来看，保留3种在线自我调节学习剖面类别是相对比较合适的。