1、学习倦怠对高职学生在线学习行为影响机理研究基于计划行为理论毛辉（江苏联合职业技术学院苏州工业园区分院，江苏苏州215000）摘要：疫情防控常态化下在线学习成为高职学生的重要学习途径。以计划行为理论为依据，在行为态度、主观规范、感知行为控制、行为意向、行为五个变量基础上引入学习倦怠变量，探讨高职学生在线学习倦怠对学习行为影响的机理。方法：在对高职学生在线学习调研的基础上，建立AMOS结构方程模型，探讨学习倦怠对高职学生在线学习行为的影响过程及关系。结果：学习倦怠受到主观规范负向的显著影响，行为态度受到学习倦怠的负向显著影响，感知行为控制受到学习倦怠的正向显著影响，学习行为意愿受到感知行为控制的负
2、向显著影响。建议：通过优化在线学习管理，改进教学策略，提高社会支持和增强高职学生效能感等几项措施，降低高职学生学习倦怠，提升高职学生在线学习意愿，提高在线学习质量。关键词：在线学习；学习倦怠；影响机理中图分类号：G712文献标识码：A文章编号：1008-84152023-03-0065-07近年来受疫情的影响高职院校学生在线学习成为常态，很多高职院校投入了大量资金购买在线学习平台、开发在线课程资源，但学生的学习成效差强人意。究其原因，大多数院校只是将传统课程移植到线上，缺乏了解高职学生的在线学习行为特征与需求。在线学习过程中，学生与教师产生时间、空间、地点的隔离，由于缺乏传统教学规则的约束，学
3、生的学习态度、学习意愿逐步降低。因此，很多学者开始重视高职学生在线学习行为的研究。当前高职学生在线学习受到来自自身、家庭、学校、社会的压力，形成学习倦怠现象1，其中在线学习活动中表现尤为突出。在线学习倦怠并不是高职学生与生俱有的，而是在后期学习过程中形成的，探究其形成机理，对研究高职学生在线学习行为具有重要意义。本研究将基于计划行为理论中的行为态度、主观规范、感知行为控制来预测和解释高职学生在线学习意愿、学习行为，同时加入了学习倦怠变量，探讨高职学生学习倦怠对在线学习意愿、学习行为的影响机理2。运用结构方程模型（Structural Equation Model，SEM），验证高职学生在学习倦
4、怠情形下在线学习行为模式的适用度，了解学习倦怠是如何影响学生在线学习行为意愿和学习行为。一、理论基础与研究假设（一）高职学生在线学习倦怠学习倦怠（Learning Burnout）反映了学生学习的消极层面，它是指学生由于学业压力或缺乏学习兴趣而产生对学习感到厌倦、消极的行为与态度3。长期在线学习形成的倦怠对高职学生的学习态度、学习意愿产生重要影响。教师支持对学生在线学习的学习倦怠具有显著的缓解作用，能明显改善学生的行为态度4。高职学生在线学习互动性失衡感知对学习倦怠具有正向显著影响5。学生对学习缺乏兴趣或丧失动力，迫于完成学业，收稿日期：2023-03-07项目基金：本文为2021-2022年
5、度江苏职业教育研究课题“高职学生在线学习影响因素与提升策略研究”（编号：XHYBLX2021207；主持人：毛辉）及2021年江苏高校“青蓝工程”资助项目的阶段性研究成果。作者简介：毛辉（1981），男，四川仁寿人，江苏联合职业技术学院苏州工业园区分院，副教授，硕士。天津职业大学学报Journal of Tianjin Vocational Institute第 32 卷 第 3 期2023年6月Vol.32,No.3Jun.2023-65天津职业大学学报第 32 卷第 3 期Jun.20,No.3不得不参与学习，产生身心疲惫状态，进而消极对待学习6。（二）计划行为理论Ajzen在理性行为理论
6、的基础上引入了感知行为控制作为控制因素形成计划行为理论（Theory ofPlanned Behavior,TPB），指出人的行为除了自身意愿，还受到环境、资源、控制条件的影响，主要包含行为态度、主观规范、感知行为控制、行为意向、行为五个要素，其中行为态度、主观规范、感知行为控制是三个主要的影响要素，能够有效地进行预判，可以对个体的行为意图进行较为准确的预测（如图1所示）。TPB理论认为当态度越积极、外在因素支持越大，感知行为控制越强，行为意向就越大，反之就越小。Armitage和Conner通过元分析验证发现，行为态度和感知行为控制分别解释 39%的行为意愿变异和 27%的行为变异7。Ajz
7、en运用多元回归的方法检验了主观规范对行为意向的预测效果，结果表明能解释主体的行为。国内外学者研究表明计划行为理论可以用来解释学生学习意愿与行为，学生的专业、背景和个体差异对其接受网络教学的行为意向的解释能力较低，学习的成本效益评估、行为控制、主观标准和态度对其接受网络教学的行为意向解释能力很强8。行为态度主观规范感知行为控制行为意愿行为图1计划行为理论分析框架（三）研究假设1.高职学生学习倦怠及其量表学习倦怠是高职学生在线学习意愿的重要影响因素。本研究中的学习倦怠量表是基于徐云等人编制的大学生学习倦怠量表9，根据实际情况调整，形成包含低成就感、学习怠慢和低学习动机三个测量指标。2.行为态度及
8、其影响因素计划行为理论认为行为态度主要指个体对特定行为所持有的正面或者负面的感觉，也就是个体对特定行为形成的概念化的态度10。当行为态度越积极，行为意向就越大，反之就越小。高职学生在线学习态度指学生对在线学习持有的正面或负面感受及喜欢程度，当评估为正面时，则产生积极态度；当评估为负面，则产生消极的态度。本研究从“在线学习是有必要的”“在线学习是一种有效学习方式”“在线学习是比较有趣的学习方式”三个指标来测量。国内外研究表明，高职学生长期学习过程中，由于学习难度、压力等原因，会形成学习倦怠，会对学习的态度产生负面影响，学习倦怠性越高，学习行为态度越消极，反之越积极。具体假设如下：H1：学习倦怠对
9、行为态度产生负向影响H2：主观规范对行为态度产生正向影响3.主观规范及其影响力主观规范是指行为个体对是否采取某项行为感受到的社会压力11，也就是在预测人的行为时，对个人实施行为决策产生重要影响的人或者组织对个人实施行为决策产生影响力的大小12。高职学生参与在线学习的主观规范是指对高职学生参与在线学习行为产生影响的人、组织对其参与在线学习行为意愿的影响。这些相关的人、组织、机构对在线学习评价越高，高职学生参与在线学习的意愿就会越强。同学、教师、学校等与高职学生关系紧密的人和组织对待在线学习的态度对高职学生参与在线学习的感受影响较大，进而影响其参与在线学习的意愿。本研究采用“学校积极推动在线学习”
10、“教师提供了优质在线学习支持”“周围同学都参加了在线学习”作为测量指标。具体假设如下：H3:主观规范对学习倦怠感知产生负向影响4.感知行为控制及影响因素感知行为控制是指行为个人根据以往经验和掌握的资源判断达到某一行为的难易程度，反映个人对影响因素的主观感受。感知行为控制能力越强，实施行为的意愿越大，完成行为的可能性越大。高职学生在线学习感知行为控制指学生感受到参与在线学习的难易程度，其认为参与在线学习条件越好、能力越强，负面影响越少，则其参与学习的行为控制力感知就越强。因此，结合实际研究，本研究中高职学生在线学习感知行为-66天津职业大学学报第 32 卷第 3 期Jun.20,No.3控制采用
11、“在线学习氛围不足”“在线学习容易开小差”“在线学习期间与老师、同学交流不方便”三个指标来测量。具体假设如下：H4：学习倦怠对感知行为控制产生正向影响5.行为意愿及其影响因素行为意愿是指个人对某项行为采取积极倾向的程度，直接影响着个人行为的实施。本研究中的行为意愿主要指高职学生参与在线学习的倾向程度，即“学习行为意愿”，采用“愿意参与在线学习活动”“愿意在在线学习模式下努力学习”“愿意配合老师完成在线学习任务”三个指标来测量。具体假设如下：H5：主观规范对学习行为意愿具有正向影响H6：感知行为控制对学习行为意愿具有负向影响H7：行为态度对学习行为意愿具有正向影响6.学习行为及其影响因素行为是指
12、个人采取实际行动，受到行为意愿的直接影响。本研究中的行为主要指高职学生参与在线学习的行动，即“学习行为”，采用“参加过在线学习”“目前正在参与在线学习”“以后将继续参与在线学习”三个指标来测量。具体假设如下：H8：学习行为意愿对学习行为具有正向影响基于以上研究假设，本文构建高职学生在线学习影响因素假设模型（如图2所示）。学习倦怠行为态度感知行为控制主观规范学习行为意愿学习行为H8H5H7H6H4H1H2H3图2高职学生在线学习影响因素假设模型二、研究样本统计与分析（一）样本描述性统计通过对江苏省某高职院校一到三年级117名在校生进行抽样调查，采用Likert五等级评分法，共搜集 117 份，有
13、效率 100%。分别围绕行为态度、感知行为控制、学习倦怠、主观规范、学习行为意愿、学习行为六个维度19个指标进行数据统计与分析。数据采集时间在2022年3月至5月，此期间因为疫情全部采取在线授课，因此数据具有可靠性，数据样本分布特征如表1所示。表1问卷分布情况类别学生问卷专业动漫制作技术数字媒体艺术计算机应用云计算工业机器人技术无人机应用技术旅游管理年级高职二年级高职三年级高职三年级高职一年级高职二年级高职三年级高职一年级份数17162517131217合计117（二）性别、年级差异性分析从行为态度、感知行为控制、学习倦怠、主观规范、学习行为意愿、学习行为六个维度对男生和女生在线学习进行独立样
14、本T检验（如表2所示），结果显示P值均大于0.05，表明高职学生在线学习在以上六个维度不存在着显著的性别差异性。同时，从行为态度、感知行为控制、学习倦怠、主观规范、学习行为意愿、学习行为六个维度，对一年级、二年级、三年级中的三个年级的学生调研数据进行单因素方差分析（F检验），结果（如表 3所示）表明P值大于0.05，表明高职学生在线学习在以上六个维度不存在显著的年级差异性。表2性别差异独立样本T检验维度行为态度感知行为控制学习倦怠主观规范学习行为意愿学习行为男3.510.823.150.893.150.813.620.793.520.903.470.95女3.66270.652.85940.8
15、52.96790.923.88350.653.69480.863.62650.90T-0.9901.6861.042-1.805-0.930-0.831P0.3240.0940.3000.0740.3540.408表3年级差异单因素方差分析（F检验）维度行为态度感知行为控制学习倦怠一年级3.460.572.960.753.150.85二年级3.680.692.960.933.050.87三年级3.640.852.80.852.70.76F0.9290.1191.211P0.3980.8880.302-67天津职业大学学报第 32 卷第 3 期Jun.20,No.3续表3年级差异单因素方差分析（
16、F检验）维度主观规范学习行为意愿学习行为一年级3.700.533.610.703.450.76二年级3.890.713.650.863.590.93三年级3.700.823.650.1073.691.04F1.1290.0180.464P0.3270.9820.630三、实证结果分析（一）信度检验采用SPSS软件对量表进行信度分析，采用内在一致性作为信度指标（如表4所示），行为态度、学习倦怠、主观规范、感知行为控制、学习行为意向、学习行为的信度系数分别为 0.928、0.773、0.910、0.772、0.922、0.942，量表的整体内部一致性信度系数为0.819，均大于标准系数0.7，说明
17、整体量表的一致性较好，具有较高的信度。表4可靠性性Cronbachs系数统计量量表维度Alpha系数行为态度0.928学习倦怠0.773主观规范0.910感知行为控制0.772学习行为意向0.922学习行为0.942总量表0.819（二）效度检验采用SPSS软件对量表六个维度19个指标数据进行KMO和Bartlett球形检验，KMO数值为0.901，大 于 0.5，表 明 量 表 数 据 非 常 适 合 因 子 分 析，Bartlett球形检验近似卡方值为1927.674，自由度为171，显著性为0.000小于0.01，通过显著性水平为1%的显著性检验（如表5所示）。经过主成分分析与最大方差，
18、提取6个特征值大于1的公因子，累计解释总方差 70.561%，较好的解释了量表的方差，公因子1为行为态度、公因子2为学习倦怠、公因子3为主观规范、公因子4为感知行为控制、公因子5为学习行为意向、公因子6为学习行为。以上数据表明本研究的量表效度较好。表5KMO和巴特利特检验KMO和巴特利特检验KMO取样适切性量数。巴特利特球形度检验近似卡方自由度显著性0.9011927.6741710.000（三）结构方程分析结构方程模型（简称SEM）是现代行为与社会领域量化研究的重要统计方法，主要整合传统多变量统计分析中的“因素分析”与“线性模型之回归分析”的统计技术，对于各种因果模型可以进行模型辨识、估计与
19、验证，在很多研究中使用了SEM进行各种测量模型或假设模型图的验证13。本研究采用了Amos25.0软件对高职学生在线学习倦怠与学习行为意愿及学习行为影响关系进行研究。1.拟合优度检验采用Amos25.0对模型进行拟合度检验，从初始模型拟合优度检验结果的参数来看，除了NFI、RFI 数值略低一点，基本可以接受。依据Amos 修正指数，结合实际情况，优化观测变量残差相关路径，获得修正模型拟合优度检验结果如表 6所示，修正后的模型拟合度明显提高，只有 RFI 值 0.883 略低于 0.9，总体上来看，模型的拟合度较好。表6模型拟合优度检验统计检验量绝对适配度指数RMR值RMSEA值GFI值AGFI
20、值增值适配度指数NFI值RFI值IFI值TLI(NNFI)CFI值简约适配度指数适配的标准或临界值0.050.08优秀，0.1可接受0.8可接受，0.9拟合良好0.8可接受，0.9拟合良好0.9以上0.9以上0.9以上0.9以上0.9以上初始模型数据0.0530.0760.8470.8810.8910.8610.9530.9390.952修正模型数据0.0470.0590.8600.8060.9060.8830.9710.9630.970-68天津职业大学学报第 32 卷第 3 期Jun.20,No.3续表6模型拟合优度检验统计检验量PGFI值PNFI值PCFI值2/DF值适配的标准或临界值0
21、.5以上0.5以上0.5以上3初始模型数据0.6390.6970.7471.671修正模型数据0.6200.7260.7771.4082.结构方程路径分析修正后的模型如图3所示，比较直观地展示了学习倦怠与主观规范、行为态度、感知行为控制、学习行为意愿、学习行为之间的影响关系。路径系数和假设检验结果如表7所示，第一，学习倦怠对行为态度的路径系数为-0.246，且P值为0.003，具有负向的影响，假设H1成立。第二，主观规范对行为态度路径系数为0.652，且P值为0.001，具有正向的影响，假设H2成立。第三，主观规范对学习倦怠路径系数为-0.194，且P值为0.05，具有负向的影响，假设H3成立
22、。第四，学习倦怠对感知行为控制路径系数为0.819，且P值为0.001，具有正向的影响，假设H4成立。第五，主观规范对学习行为意愿的路径系数为 0.335，且 P 值为0.002，具有正向的影响，假设H5成立。第六，感知行为控制对学习行为意愿路径系数为-0.186，且p值为0.013，具有负向的影响，假设H6成立。第七，行为态度对学习行为意愿路径系数为 0.411，且P值为0.001，具有正向的影响，假设H7成立。第八，学习行为意愿对学习行为路径系数为0.966，且P值为0.001，具有正向的影响，假设H8成立。假设H1H2H3H4H5H6H7H8路径行为态度行为态度学习倦怠感知行为控制学习行
23、为意愿学习行为意愿学习行为意愿学习行为-学习倦怠主观规范主观规范学习倦怠主观规范感知行为控制行为态度学习行为意愿非标准化估计值-0.1860.703-0.2780.6170.448-0.2330.5051.055S.E.0.0630.1050.1420.0910.1440.0930.1360.059C.R.-2.9276.687-1.9596.8193.122-2.4963.72817.78P0.0030.0010.050.0010.0020.0130.0010.001标准化估计值-0.2460.652-0.1940.8190.335-0.1860.4110.966结果接受接受接受接受接受接受
24、接受接受表7模型修正后的参数检验值和假设检验结果注:如果C.R.1.95，则需p0.05，C.R.2.58，则需p0.01。四、结论与建议（一）结论本研究基于计划行为理论框架，引入学习倦怠因素，构建了高职学生在线学习的影响关系的假设模型，并通过验证分析。主要结论如下：第一，高职学生在线学习行为态度受到学习倦怠的负向显著影响，受到主观规范的正向显著影响，也就是学习倦怠感越大，在线学习的态度越消极；学校、教师采取积极的干预措施，以及同龄人的态度能显著地影响学生参与在线学习的态度。第二，学生参与在线学习的意愿受主观规范和行为态度的正向显著影响，主观规范通过行为态度间接影响了学生参与在线学习的意愿。也
25、就是高职学生受到外在同龄人、家长等形成的规范性信念的影响，也受到教师、学校及学校强制性的社会规范的影响，这些因素的影响力越大，其参与在线学习的意愿越强。第三，高职学生参与在线学习行为受到行为意愿的直接正向显著影响。高职学生对参与在线学习意愿越高，其实施在线学习的行为就越积极，学习目标达成度的信念将提升。第四，学习倦怠对感知行为控制具有正向显著影响。高职学生在线学习倦怠程度越大，其参与在线学习活动阻碍因素的知觉越明显。第五，高职学生在线学习感知行为控制对学习意愿具有负向学习倦怠行为态度感知行为控制主观规范学习行为意愿学习行为-0.194-0.2460.8190.6250.3350.411-0.1
26、860.966图3结构方程模型路径系数-69天津职业大学学报第 32 卷第 3 期Jun.20,No.3显著影响。学习倦怠通过感知行为控制对在线学习意愿产生负向影响。高职学生在线学习的倦怠程度越大，其产生阻碍学习知觉越明显，导致其参与在线学习意愿越低。（二）改善高职学生在线学习的建议1.优化在线学习管理，减少高职学生学习倦怠，提升在线学习参与度通过优化在线管理机制，减少学校、教师与学生因物理空间隔离带来的负面影响，增强学校、教师对学生的管控能力和影响力，从而减少高职学生在线学习倦怠现象，提高其参与在线学习的动力。发挥学校的在线教学统筹与指导性作用，确保在线教学质量。根据课程特点，以及设备、师资
27、等条件，确定在线课程开课计划。根据不同的课程特点确定在线课程教学模式（直播、慕课等）。组织信息化支持团队，辅助教师完成在线教学内容制作，解决期间产生的技术问题。开展在线教学技能培训活动，指导教师使用在线教学工具，帮助教师解决实际问题，提高在线信息技术水平。加强舆论引导，让学生在意识上接受在线学习，形成良好的学习氛围。利用大数据强化在线教学过程管理，加强学生在线学习监控，收集学生学习过程中的状态，包括学习行为习惯、资源利用情况、学生作业完成情况、学习考核情况等，分析学生学习过程数据，预测学生的学习态度、学习习惯、学习意愿，并有针对性地进行教学模式改革。2.改进教学策略，提升学生的参与意愿通过改进
28、在线教学策略，降低学生的学习倦怠，进而反向影响高职学生的感知行为控制，让其感知学习阻碍降低，参与在线学习意愿将明显提高。以面向高职学生在线学习活动为中心，在学习工具、教学内容设计、师生互动设计、考核与评价等方面进行改革，让高职学生在线学习更容易、更想学、学的好，降低其学习倦怠，提升学习兴趣。以学生为中心，开展在线学习平台、资源的建设，基于高职学生认知规律与平台开发企业沟通合作，开发面向本校学生并具有易用性、方便性的学习工具。依据教学计划、课程标准，利用大数据，在公开的网络课程资源中遴选参与人数较多、评价较好的课程资源，应用于课程内容开发，有利于满足学生的学习喜好，减少其学习倦怠，提升学习意愿。
29、通过高职学生在线学习行为数据分析，了解学生更喜欢哪种互动模式，效果如何，再有针对性地设计互动模式，可以采取小组合作、项目开发、游戏化学习、展示分享等形式，调动学生参与学习互动的积极性。建立基于大数据信息采集分析，全程记录高职学生在线学习过程、内容，跟踪其学习行为、特点，进行客观评价。3.提高社会支持，降低高职学生学习倦怠感提高社会支持度对高职学生学习行为具有积极作用，能降低学习倦怠，学习行为态度将更加积极，进一步提高学习意愿。影响学生学习倦怠的因素主要包括外在因素和内在因素，其中社会支持是最重要的外在因素，主要包含父母、教师等关系比较亲近的人给予精神、物质上支持14。教师的情感支持能有效地缓解
30、高职学生的学习倦怠，特别是教师营造的学习氛围对学生情绪具有很大的影响15。因此，教师在线教学中应该注重营造师生教学互动氛围，尊重、鼓励学生，让学生感受到来自教师的支持与帮助，减少高职学生对学习的焦虑。比如，教师教学过程中有意识保持积极的热情，带动高职学生的学习热情；教师可以参与学生讨论，参与到具体项目制作中，为学生提供支持，建立深度的师生情感；强化对学生学习过程管理，约束学生的不良习惯，多鼓励和赞扬，提升学生的责任感。父母是学生成长的第一导师，其在学生学习生涯过程中影响作用很大。父母应该积极关注高职学生的学习，对其多鼓励、多赞赏、多沟通，保持良好的家庭关系，减少高职学生情绪低落对学习的影响。居
31、家在线学习期间，父母可对高职学生的学习行为进行适当干涉，防止学生沉溺游戏、手机等影响学习的行为，鼓励学生合理安排学习与娱乐时间。4.增强高职学生的自我效能感，提升参与在线学习的自信心高职学生主观能动性与自控性相对较低，在线学习过程中受到手机、网络、游戏等因素的影响，长时间积累形成学习能力不足，进而导致自我评价偏低、缺乏学习自信。教师要积极引导学-70天津职业大学学报第 32 卷第 3 期Jun.20,No.3生改善自我认知，提升自我效能感，增强其参与学习的积极态度，进而提升学习意愿。教师要积极帮助学生树立学习目标，规范在线学习行为，提升自我效能。教师的集体效能感能有利于提升学生有效学习的氛围1
32、6，教师通过在线教学行为可以以身作则，作为示范力量影响学生的学习行为。同伴学习是在线学习过程中重要的交往活动，通过匹配同学的支持与帮助获得知识和技能17，减少在线学习活动过程中焦虑，增强成功感、自主感，提升高职学生在线学习的自我效能。在线教学过程中，教师应注重安排小组合作项目，让高职学生参与其中承担任务，不仅可以获得同学的帮助，更重要的是能通过参与感、互动感，构建自信，提升自我效能。（责任编辑：包丽丽）参考文献：1王涛.高职学生学习倦怠的成因分析与对策建议J.教育与职业,2019(4):108-111.2查先进,张坤,严亚兰.在线学习平台从众选择行为形成机理的扎根分析J.图书情报工作,2022
33、(2):90-98.3王椿阳,段炜,林向朋,等.职业院校学生学习心理探究:投入与倦怠的视角J.中国职业技术教育,2016(23):9-16.4赵呈领,李红霞,蒋志辉,等.消除在线学习者倦怠:教师情感支持的影响研究J.中国电化教育,2018(2):29-36.5万力勇,舒艾.互动失衡对大学生在线学习倦怠的影响研究J.现代远距离教育,2022(2):34-41.6连榕,杨丽娴,吴兰花.大学生专业承诺、学习倦怠的状况及其关系J.心理科学,2006(1):47-51.7苏洋,赵文华.我国研究型大学教师学术创业影响因素模型构建基于扎根理论的探索性研究J.中国高教研究,2017(9):36-42.8许丽丽
34、,朱德全.职业院校学生网络学习空间接受度的实证研究J.清华大学教育研究,2019(6):109-116.9徐云,李娇,张婷.大学生学习倦怠的结构研究J.中国健康心理学杂志,2010(5):613-615.1012冉云芳.企业参与职业教育校企合作的影响机理研究基于计划行为理论的解释框架J.教育发展研究,2021(7):44-52.11靳乐山,徐珂,庞洁.生态认知对农户退耕还林参与意愿和行为的影响基于云南省两贫困县的调研数据J.农林经济管理学报,2020(6):716-725.13吴明隆.社结构方程模型：Amos的操作与应用M.重庆：重庆大学出版,2009.10.14张静.高中生社会支持、学业自我
35、效能感与学习倦怠的关系研究D.太原：山西师范大学,2012.5-815赵呈领,李红霞,蒋志辉,等.消除在线学习者倦怠:教师情感支持的影响研究J.中国电化教育,2018(2):29-36.16闫志明,郭喜莲,胡玫君,等.手机依赖对中职学生学业自我效能感影响研究J.中国特殊教育,2018(11):58-63.17李芒,柏乐宜,黄琳,等.中学生自主感与成功感对考试焦虑的影响*同伴学习的调节作用J.教育科学研究,2021(10):54-62.Research on the Influence Mechanism of Learning Burnout on Online Learning Behavi
36、or ofHigher Vocational College StudentsBased on the Theory of Planned BehaviorMao Hui(Suzhou Industrial Park Branch of Jiangsu Union Technical Institute,Suzhou 215000,China)Abstract:Under the normal epidemic prevention and control,online learning has become an important way for higher vocationalcoll
37、ege students to learn.Based on the theory of planned behavior,learning burnout variables are introduced on the basis of five variables of perceived behavior attitude,subjective norm,perceived behavior control,behavior intention and behavior to explore the influence mechanism of online learning burno
38、ut on learning behavior of higher vocational college students.Methods:Based on the investigation of online learning of higher vocational college students,AMOS structural equation model is established to explore the influence process and relationship of learning burnout on online learning behavior of
39、 higher vocational college students.Results:Learning burnout is significantly affected by the negative direction of subjective norms,perceived behavior attitude is significantlyaffected by the negative direction of learning burnout,perceived behavior control is significantly affected by the positive
40、 direction oflearning burnout,and learning behavior intention is significantly affected by the negative direction of perceived behavior control.Suggestions:By optimizing online learning management,improving teaching strategies,improving social support and enhancing thesense of effectiveness of higher vocational students,we can reduce the learning burnout of higher vocational students and enhancetheir online learning willingness and online learning quality.Key words:online learning;learning burnout;influence mechanism-71
