关于《Identifying Chinese students’ perceptions of smart classrooms and their relationships with design features》的学术报告

第一部分：作者与发表信息

本研究由 Fei Qi, Lin Jiang, Yi Chen, Liwei Zhu, Yilin Jiang 五位学者完成，他们分别隶属于海南大学建筑工程学院以及同济大学建筑与城市规划学院。文章发表于国际期刊 *Building Research & Information*，并于2024年3月7日在线发布，DOI为10.¹⁰⁸⁰⁄_09613218.2024.2322654。

第二部分：学术背景

智能教室（Smart Classroom）是信息技术支持下的新型学习环境，自20世纪80年代由 Ronald C. Rescigno 提出后，随着物联网（IoT）、云计算、无线网络等技术的广泛应用，智能教室在全球范围内逐步兴起。这种学习环境通过综合现代科技设备，如互动式白板、多媒体屏幕、教育管理软件等，为师生之间的互动提供了高效且人性化的平台。

中国近年来加速推进教育信息化，特别是在“十二五”规划（2011-2015）和“教育信息化2.0行动计划”（2018）等政策的推动下，信息化教学的基础设施逐渐完善。然而，中国高校中的智能教室尚处于开发初期，对其学习与物理环境的整体感知，以及设计特征与学生主观评价之间的关系缺乏系统的研究。本研究的目标是在这一背景下，系统调查中国大学生对智能教室的主观感知，探讨其学习环境、设计特征与学生评价之间的相关性与模式，为后续深入研究和实践提供理论依据。

第三部分：研究流程

研究总体框架：

本研究通过文献综述、关键词提取、问卷开发与实施、以及数据统计分析多阶段完成，分为两个大的研究阶段。

1. 问卷开发及前期准备

• 文献综述与关键词选择：研究组从专业文献、媒体和其他资料中提取相关形容词，使用 “语义差异法（Semantic Differential, SD）” 和亲和图（Affinity Diagram）技术归类，聚合形成初期问卷条目，包括39个用于主观评价的条目和35个用于设计特征的条目。
• 技术自我效能的测量：通过 Huffman 等人在2013年修订的“技术自我效能量表”，测量学生对技术产品和支持的熟悉度，问卷共包括10个问题，可靠性Cronbach’s α系数达到0.89。

2. 问卷实施

• 对象与样本：研究在同济大学校园范围内共招募了522名中国大学生，其中有272名被确认有参与智能教室学习的经历。
• 数据采集：通过网上问卷平台“问卷星”发放问卷，同时采用二维码海报及社交媒体传播邀请方式。

3. 数据统计与分析

采用 SPSS 软件进行数据分析，重点包括： - 主成分分析（PCA）：提取主观评价的六个维度和设计特征的五个维度。 - 非参数检验（Mann-Whitney U 和 Kruskal-Wallis H）：探索性别、年级及技术自我效能与评估维度的差异。 - 多元线性回归：揭示活跃学习环境与设计特征之间的预测关系。

第四部分：主要研究结果

1. 主观评价的六个维度

通过主成分分析，研究提炼出了智能教室主观评价的六个主要维度，总解释率为66.29%： - 活跃学习环境（Active Learning Environment）：对师生之间互动及协作学习的支持最为显著。（解释率18.52%） - 情感感知（Affective Perception）：包括舒适、正向、安全感等情感体验。（解释率12.65%） - 健康环境（Health Environment）：如光照、温湿度、空气质量对用户身体健康的影响。（解释率11.13%） - 技术使用（Technology Usage）：智能设备的使用易用性及技术优势。（解释率11.68%） - 现代设计（Modern Design）：体现了“时尚化”“现代化”等审美特征。（解释率6.70%） - 自然感知（Sense of Nature）：包括户外景色及与自然元素的联系。（解释率5.61%）

六个维度间均具有显著统计相关性，其中“活跃学习环境”与“情感感知”的相关性最强。

2. 设计特征的五个维度

智能教室设计特征通过 PCA 总结为五类，总解释率为59.40%： - 设备特征（Equipment Features）：投影仪、屏幕、互动白板等基础教学设施的布局及功能。（解释率19.85%） - 物理环境特征（Physical Environmental Features）：如采光、通风、噪声控制等。（解释率14.81%） - 美学特征（Aesthetic Features）：色彩搭配、装饰风格与整体氛围。（解释率13.71%） - 家具特征（Furniture Features）：包括灵活性、舒适度及距离控制。（解释率10.56%） - 健康材料特征（Healthy Material Features）：环保材料、抗菌表面、防眩光等。（解释率5.90%）

3. 统计模型与相关性

• 活跃学习环境的预测模型：回归分析显示，“家具特征”（β = 0.275）和“设备特征”（β = 0.205）是主要预测因子。说明灵活舒适的家具与高端设施的配置是支持课堂互动的关键。
• 情感感知显著受到“技术使用”、“健康环境”和“现代设计”的正向影响。

4. 数据分组分析

• 男性和女性在主观评价与设计特征上的差异不显著。
• 技术自我效能显著影响学生对所有评价维度的评分，高效能组参与者对教室和设计特征有更积极的评价。

第五部分：研究结论与意义

研究表明，智能教室不仅仅是传统教学空间的机械升级，它融合了创新设计与动态学习模式，显著增强了大学生的学习绩效、情感体验及其对学习环境的满意度。本研究通过实证调查，明确了智能教室学习与物理环境中的关键设计因子，提出了以下几点结论： 1. 提高互动设计的重要性：活跃学习环境为情感正向感知的最强预测指标，强调了师生互动空间与学习模式的设计。 2. 家具灵活设计的核心地位：灵活可移动的家具促进了小组协作、课堂讨论和社交互动，是智能教室设计的重要突破点。 3. 美学与功能的均衡融合：现代化美学设计与健康材料在提升情感和物理健康满意度方面至关重要。

第六部分：研究亮点

• 方法学创新：本研究首次将“语义差异法”与“感性工程（Kansei Engineering）”结合，定量分析用户对学习空间的感性认知。
• 数据广泛多维：覆盖超250名参与者，以实际智能教室学习为基础，调查数据具有高代表性。
• 理论与实践的结合：探索了设计特征如何系统性地支持师生的学习行为，为高效设计智能教室提供了新的视角。

研究为智能校园与智慧建筑环境的未来发展提供了参考视角，是教育信息化的良好实践模板，同时强调了用户导向设计在教育空间设计中的核心作用。