3.2 调查问卷统计分析

nbsp;  具体来看：

    从学科门类来看，互联网影响不同学科门类博士生的学习方式、学习效果具有显著性差异，互联网影响学习方式、影响学习效果的趋势一致。影响最大的是工科，其次是理科，最后是人文社会科学（具体见表 315）。究其原因在于传统的工科博士生需要进行大量的科学试验，而互联网的出现改变了试验的模式，如利用基于互联网的虚拟试验、模拟仿真等，使得博士生的试验手段、形式等都发生了变化，对互联网的依赖程度增强。而人文社会科学的博士生重点在于书籍的阅读，互联网的出现仅仅改变了书籍的存放形式，从传统的书店更多的转向了互联网。从就读方式上看，不同就读方式对互联网影响学习环境、学习共同体有显著性差别。由于全日制攻读能够主要精力放在学习上，大部分时间是在网上寻找资料、文献等，而在职攻读的博士生则要兼顾工作、学习，使用互联网不单纯应用于学习，因此存在一定的显著性差异。同理，在职攻读的博士生在利用互联网进行课程学习、同导师的联系以及在对外科研交流中都不同程度地受到一定的影响，因此互联网影响博士生学习共同体方面也存在着显著性差异，对全日制就读博士生的影响要大于在职攻读博士生。

    从上网用于学习的比例上看，互联网对博士生上网用于学习比例的影响产生显著性差异。可以看出，随着上网用于学习所占比例的上升，互联网对博士生学习的影响效果也愈加强烈。

    3.2.7模型路经分析

    采用amos 7.0软件进行路径分析的主要目的是检验一个假想的因果模型的准确和可靠程度，测量变量间因果关系的强弱。通过相关资料分析，建立一个可以检验的初始模型，并绘制出一个设有路径系数的路径图（path diagram），通过回归模型来估计路径系数并验证其是否显著。

    1.模型假设

    根据对博士生访谈资料进行分析所得到的宽泛理论为基础确定具体假设，以互联网影响博士生学习环境作为自变量，以互联网影响博士生学习共同体、互联网影响博士生学习方式作为中间变量，以互联网影响博士生学习效果作为因变量。具体假设如下：

    h1：互联网通过博士生学习环境影响博士生学习共同体

    h2：互联网通过博士生学习环境影响博士生学习方式

    h3：互联网通过博士生学习共同体影响博士生学习方式

    h4：互联网通过博士生学习环境影响博士生学习效果

    h5：互联网通过博士生学习共同体影响博士生学习效果

    h6：互联网通过博士生学习方式影响博士生学习效果

    2.模型分析

    为简化模型，本研究采用各个题项之和作为该分量表的值。首先使用amos 7.0进行绘制初步的模型图，以互联网影响学习环境作为外生显变量，以互联网影响学习共同体、互联网影响学习方式、互联网影响学习效果作为内生潜变量，因此要增加三个残差变量e 1、e 2、e 3，以方框表示变量，小圆形为测量误差（误差变量，并且和互联网影响效果之间的权重系数定为“1”）经过分析，得到标准化后的路径图。

    其中单箭头上的数字代表路径系数，也就是协方差标准化回归系数。表为非标准化的回归系数及其显著性检验摘要表，左边estimate列为非标准化的回归系数的估计值，s.e.（standard error）为估计参数的标准误，c.r.（critical ratio）为临界比，临界比的值是t检验的t值，p列为显著性，如果p＜0.001，则以符号“* * *”表示，如果p值＜0.001，则直接呈现p值的大小。

    可以看出，“互联网影响学习环境→互联网影响学习效果”这条路径不显著。根据amos软件路径分析的要求，如果路径分析中存在不显著影响的箭头则需要去掉该路径，重新进行路径分析。因此去掉“互联网影响学习环境→互联网影响学习效果”这条路径，第二次进行路径分析。第二次路径分析的非标准化的回归系数及显著性检验摘要表。从表中可以看出，全部路径均显著。

    第二次路径分析后的标准化回归系数（beta值），亦即路径分析中的路径系数。

    表外因变量及其残差的方差及其显著性检验，从表中可以知，方差全部为正值，且显著。

    表因变量“影响效果”的多元相关的平方（r2），以“互联网影响学习环境”、“互联网影响学习共同体”、“互联网影响学习方式”三个变量对因变量“影响学习效果”所进行的复回归分析的多元相关系数的平方为0.319。

    表对影响效果进行了效应分解。效应分解也称为相关系数分解，是将变量之间的相关系数分解为不同效应部分。研究者关注的主要是因果效应，包括直接效应（direct effect）和间接效应（indirect effect）。总体效果（total effect）是间接效应与直接效应的加总。可以看出，互联网通过学习环境对学习效果的影响主要通过间接的途径进行；互联网通过学习方式对学习效果的影响则主要通过直接的途径进行；互联网通过学习共同体对学习效果的影响则既有间接途径，也有直接途径。3.模型评估从现有模型和amos软件要求的标准比较来看，修正后的模型具有非常好的拟合优度。

    利用amos 7.0软件进行第二次路径分析，可以得到修正后的路径模型如图。

    可以看出，互联网影响博士生学习的主要路径有三条：互联网影响学习环境——互联网影响学习共同体——互联网影响学习效果；互联网影响学习环境——互联网影响学习共同体——互联网影响学习方式——互联网影响学习效果；互联网影响学习环境——互联网影响学习方式——互联网影响学习效果。从路径分析可以看出，互联网影响学习环境对互联网影响学习效果之间的路径不显著。这说明一方面环境的变化是潜移默化的，博士生对这一变化不敏感。在访谈中博士生也提到“使用互联网已经成为一种习惯”，已经适应了互联网时代的学习。另一方面也说明影响互联网对博士生学习的影响是一个复杂的过程，除了环境因素之外，还有很多其他因素在同时发生作用，因此博士生对此感受不深刻。这与相关研究是一致的，例如美国国家教育评估中心2007年公布了历史上规模最大的一次教育技术有效性研究，研究显示，不管教学软件使用与否，学生在标准化考试中的成绩相差无几；世界银行关于教育信息化应用成效的研究也发现，教育中使用信息传播技术的影响是不确定的，充满着争议。

    3.2.8均值分析

    互联网影响学习环境、影响学习共同体、影响学习方式和影响学习效果的均值分析。从表中可以看出，互联网影响博士生学习各个层次的平均值均大于中间值3，说明总体上看，互联网对博士生学习产生了一定程度的影响，但是影响程度、方式等还不能确定，因此博士生在选择的过程中，相对两极分化，导致平均值不高。从访谈中也可以发现，互联网的这种影响都出现了正反两方面的反映。