3.2 调查问卷统计分析

    3.2.1调查问卷设计

    根据访谈得出的宽泛理论，调查问卷设计分为六个部分：基本信息、互联网使用功能统计、互联网影响博士生学习环境、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和互联网影响博士生学习效果。

    采用五点李克特量表（likert-type scale）的计量模式，在“博士生对互联网功能使用”分量表中使用了“从不”、“偶尔”、“较少”、“经常”、“总是”五个选项；其他分量表均使用“非常不同意”、“不同意”、“不清楚”、“同意”、“非常同意”五个选项，在数据处理中则分别对应1、2、3、4、5五个分值。

    本研究在上海交通大学在读博士中抽取一定的比例进行调查，要求参与调查的博士生学科门类比例与实际的学科门类比例接近。样本量选择依据方便性原则，大致按照所有在籍在读博士生的10%左右。同时根据相关学者的建议，样本量选择上参考前人所做过相关研究，有博士生教育相关研究所使用的样本量为359。综合上述两个标准，本研究共发放调查问卷400份，其中理科140份，工科发放200份，人文社会学科60份，通过纸质和电子邮件的形式进行传送和回收。实际回收问卷348份，经过剔除无效问卷后，实际有效回收调查问卷为327份，实际回收率为82%。

    3.2.2基本信息统计在互联网使用时间统计上主要从三个方面进行：博士生平均每天上网时间、博士生上网用于学习的时间和博士生使用网络时间总计。

    38、可以看出，博士生每天用在互联网上的时间大部分集中在 27个小时，占68%。从表 39可以看出，博士生用于学习的时间占上网时间的比例集中在1/31/2左右，接近60%。从表 310博士生使用网络时间总计来看，相对比较分散，这与博士生年龄、来源多样化分布差距较大有一定的关系。

    3.2.3使用功能统计

    2012年7月，中国互联网络信息中心发布的《第30次中国互联网络发展状况统计报告》指出，截至2012年6月底，中国网民数量达到5.38亿，互联网普及率为39.9%，2012年上半年网民增量为2450万，普及率提升1.6个百分点。调查显示，手机超越台式电脑成为中国网民第一大上网终端。调查表明，一般网民的互联网使用功能上同之前的调查类似，主要集中在四类：网络娱乐、交流沟通、信息获取和商务交易。本研究的调查显示，博士生在互联网功能使用上则归纳为信息获取、互动交流、工具使用和休闲娱乐四个方面。这与一般网民在使用功能上区别不大，只是侧重点有所不同。如在信息获取方面，一般网民获取信息主要集中在资讯类，而博士生除此之外，更多获取的是学术信息。又如一般网民利用互联网进行订购机票等商务活动，而博士生利用互联网则一般体现在学术用途上，如投稿等，而在商务用途上，如购买书籍、手机支付等方面使用量不大。因此把“商务交易”功能汇总在“工具使用”中。具体功能统计如下：近80%博士生经常（含“总是”，以下同）使用互联网来浏览新闻、信息；经常通过搜索引擎来查找资料的博士生占到了被调查者的80%以上。在互动交流方面，超过40%的博士生“经常”或“总是”上bbs、聊天室等论坛；接近一半的博士生“从不”或“偶尔”上博客或微博；85%的博士生“经常”或“总是”使用电子邮件等。

    六成以上的博士生经常在网上下载软件；八成以上的博士生经常使用网络数据库；但也有一半以上的博士生“偶尔”或“很少”关注网络课件；接近一半的博士生经常使用网络工具投稿。相比普通网民来说，博士生学习压力很大，花在娱乐休闲方面相对较少，不到三成的博士生“经常”、不到一成的博士生“总是”玩联机游戏；也分别只有10%左右的博士生“经常”或“总是”在网上欣赏影视或收听音乐等。

    3.2.4效度分析

    根据统计学相关要求，需要对量表中的反向题目的数据进行转换，之后才能进行统计分析。本调查问卷共有三项“我很难判断互联网信息的可靠性”、“学习、讨论中如果老师使用互联网会分散我的注意力”、“在网上找到了资料，我就不愿意深入思考了”属于反向题目，利用spss17.0软件进行数据转换，之后再进行统计分析。

    效度（validity）即有效性，是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。本研究对调查结果进行了内容效度、效标关联效度和建构效度分析。

    在内容效度方面，主要从各题项与总分的相关分析来进行测量。其中“学习、讨论中如果老师使用互联网会分散我的注意力”和总分的相关性较低，且没有达到0.05显著性水平，该题项在以后的分析中被予以剔除。其他题项与总分的相关系数均在 0.2020.596之间，且均达到了0.05的显著性水平，予以保留。在效标关联效度测验方面，则对各个维度之间的相关性进行检验。的相关系数可以看出，本量表各个维度之间在0.001水平上显著相关，说明本研究具有很好的关联效度。

    建构效度采用主成分分析法（principal component analysis）提取公因子，旋转方法为方差最**正交旋转，以特征值大于1为提取标准来分别分析4个分量表，具体结果如下：

    对分量表“互联网影响博士生学习环境”进行因子分析，kmo值为0.719，bartlett球度检验approx.chi.square =525.183，df =28，sig.=0.000＜0.001，说明适合做因子分析。以特征值大于1以及结合碎石图作为标准进行公因子提取，共提取3个公因子，方差解释率为65.959%，具体见表 312。因子1可以用“互联网的学习支撑”来命名；因子2可以用“校园基本条件”来命名；因子3可以用“互联网环境的负面作用”来命名。同理，其他分量表经过检验，均适合做因子分析。其中分量表“互联网影响博士生学习共同体”提取了3个公因子，分别命名为“互联网影响课程学习”、“互联网影响师生关系”、“互联网影响学习伙伴”；分量表“互联网影响博士生学习方式”提取2个公因子，分别命名为“对学习方式的正向影响”、“对学习方式的负面影响”；分量表“互联网影响博士生学习效果”提取1个公因子，直接命名。因子分析结果表明，本调查问卷具有良好的建构效度。

    3.2.5信度分析

    信度（reliability）即可靠性，是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。常用的信度检测方法是科隆巴赫系数（cronbach’sα）。台湾学者吴统雄建议α值大于0.4就是可信的。本研究的总体信度为0.856，分量表中信度介于0.5650.673之间。说明调查问卷是可信的。

    3.2.6方差分析方差分析是用于两个及两个以上样本均数差别的显著性检验。本研究主要从人员样本统计的情况来看，互联网对博士生学习影响不同纬度进行检验。对调查数据进行多因素方差分析，以显著性水平0.05作为检验标准，具有显著性的以下划线进行标注。

    可以看出，不同的就读方式、不同的学科门类、不同的上网学习比例对于博士生学习的各个维度有不同的影响。

  &n... -->>
本章未完，点击下一页继续阅读