宋學(xué)志，李飛飛，姚巧紅*

（1. 大連交通技師學(xué)院，遼寧 大連 116013；2. 遼寧師范大學(xué) 計算機(jī)與信息技術(shù)學(xué)院，遼寧 大連 116081）

0 引言

大規(guī)模在線開放課程（Massive Open Online Course，簡稱MOOC）作為當(dāng)今在線教育發(fā)展的最新方式和研究熱點，在受到廣泛關(guān)注的同時，也因其始終存在“學(xué)生的完成度低、輟學(xué)率高、使用意愿不強(qiáng)烈”的問題而倍受質(zhì)疑。相關(guān)研究指出，絕大部分大規(guī)模在線開放課程的完成率低于10%[1,2]，平均來看也就只有 5%左右[3,4]。如果用戶使用意愿低、流失率高的問題長期存在，將難以實現(xiàn)所謂的深度學(xué)習(xí)[5]和學(xué)習(xí)方式轉(zhuǎn)變[6]，由于巨大的投入得不到適當(dāng)?shù)幕貓?，最終勢必影響到MOOC建設(shè)者的熱情，甚至是威脅到MOOC生存。目前，許多學(xué)者試圖通過分析學(xué)習(xí)者的動機(jī)水平、知識水平、參與水平、互動水平等指標(biāo)，通過預(yù)測和預(yù)警的方式對“學(xué)生的完成度低、輟學(xué)率高”問題展開研究，對于影響學(xué)習(xí)者使用 MOOC意愿的關(guān)鍵因素識別的研究還不充分，尚沒有形成一個比較權(quán)威的理論模型，還需要更多的實證研究。在這種背景下，本研究從學(xué)習(xí)者意愿的視角出發(fā)，以技術(shù)接受與采納整合理論為指導(dǎo)，通過多元線性回歸方程，對影響學(xué)習(xí)者使用MOOC學(xué)習(xí)的關(guān)鍵因素進(jìn)行了科學(xué)分析。

1 研究設(shè)計

1.1 理論依據(jù)

對使用意愿及其影響因素的研究，理性行為理論（Theory of Reasoned Action，TRA）、計劃行為理論（Theory of Planned Behavior，TPB）、技術(shù)接受理論（Technology Acceptance Model，TAM）以及技術(shù)接受與采納整合理論 (Unified theory of acceptance and use of technology，UTAUT）等都是經(jīng)典的分析模型。其中，理性行為理論認(rèn)為個體實施某項行為的意愿取決于個人的態(tài)度和主觀規(guī)范，使用意愿對行為具有預(yù)測作用。理性行為理論成立的前提條件是個體能夠完全控制自己意愿，然而，在某些情況下，該前提難以具備。為改進(jìn)這一不足，Sheppard等人（1988）在理性行為理論基礎(chǔ)上添加了“感知行為控制”變量，提出了計劃行為理論。Davis（1986）也對理性行為理論進(jìn)行了修正，提出了技術(shù)接受模型理論，把技術(shù)系統(tǒng)的有用性和易用性作為影響行為態(tài)度的關(guān)鍵因素。顯然，在當(dāng)下成績決定一切的教學(xué)評價體系中，TRA的使用前提實際上難以滿足；在教師主導(dǎo)的正式課程學(xué)習(xí)中，僅僅考慮技術(shù)系統(tǒng)的有用性和易用性的 TAM 也不全面。隨著研究的深入，學(xué)者們先后也提出了各種針對行為意愿影響因素的改良模型。其中，Venkatesh，Morris（2003）等人將多種理論進(jìn)行整合，形成了以努力期望、績效期望、社會影響和促成因素為核心的技術(shù)接受與采納整合理論模型。該模型與之前的理論模型相比，綜合考慮主客觀因素，體系更為完整、解釋能力更強(qiáng)。

1.2 測量工具

依據(jù)技術(shù)接受與采納整合理論（UTAUT），結(jié)合MOOC使用的具體情境，本研究將績效期望、努力期望、社會影響、促成因素、教學(xué)創(chuàng)新、課程聲譽等6個前變量和使用意愿1個結(jié)果變量進(jìn)入研究過程。其中，課程聲譽和教學(xué)創(chuàng)新的測量題項有研究者自行編寫，其他變量的測量題項參考了以往相關(guān)研究，詳見表1。測量題目采用Likert 5 級量表，即非常不同意=1、不同意=2、一般=3、同意=4、非常同意=5。

1.3 分析方法

首先采用相關(guān)分析，確認(rèn)影響大學(xué)生利用MOOC學(xué)習(xí)的因素集 { X1, X2,…,Xk}；然后設(shè)使用意愿為因變量為Y，建立如下多元回歸方程：

表1 測量工具Tab.1 Measuring tools

通過最小二乘法對參數(shù)集 { β1, β2,…,βm}進(jìn)行估計，選用逐步篩選法進(jìn)行多元回歸，通過判定系數(shù)R2進(jìn)行擬合優(yōu)度檢驗，從而確定關(guān)鍵變量。

2 關(guān)鍵因素模型建構(gòu)與研究假設(shè)

2.1 模型建構(gòu)

由于技術(shù)接受與采納整合理論模型綜合考慮了主客觀因素，相對更為穩(wěn)健?？紤]到MOOC的特殊性，為了提高模型的擬合度和解釋程度，本研究在技術(shù)采納與利用整合模型原有的四大核心要素（績效期望、努力期望、社會影響和促成因素）基礎(chǔ)上，新增加了三個變量因素，分別為感知風(fēng)險、課程聲譽和教學(xué)創(chuàng)新，共研究7個變量對大學(xué)生使用MOOC學(xué)習(xí)意愿的具體影響，構(gòu)建如下數(shù)學(xué)分析模型：

式中：UI—使用意愿；PE—績效期望；EE—努力期望；SI—社會影響；FC—促成因素；PR—感知風(fēng)險；TI—教學(xué)創(chuàng)新；CR—課程聲譽；ε—殘差；0α—常數(shù)。

2.2 研究假設(shè)

（1）績效期望

Ajzen和Fishbein（1980）在計劃行為理論（TRA）中，將使用意愿定義為個體對某一事物愿意接受的程度。在本研究中，使用意愿特指大學(xué)生使用MOOC學(xué)習(xí)的行為意愿，即自愿采用MOOC進(jìn)行學(xué)習(xí)的傾向或可能性。具體來講，就是對自己是否愿意使用以及是否愿意推薦他人使用的測量。績效期望是指個人感知技術(shù)產(chǎn)品和服務(wù)的使用可以幫助其獲益的程度。用戶的績效期望越高，其對該技術(shù)系統(tǒng)的使用意愿將會越強(qiáng)。MOOC具有課程內(nèi)容豐富、學(xué)習(xí)免費、能隨時獲取等優(yōu)勢[7]，可以為大學(xué)生的專業(yè)成長和個人發(fā)展提供助力，如豐富專業(yè)知識、提高學(xué)習(xí)效率、完成學(xué)習(xí)計劃等。據(jù)此，提出以下假設(shè)。

假設(shè)1：績效期望對MOOC使用意愿具有積極影響。

（2）努力期望

努力期望是指用戶對一項技術(shù)或信息系統(tǒng)感知到的便捷和容易使用的程度。當(dāng)學(xué)生感知到 MOOC平臺及課程信息易于使用和掌握時，他們將有較高的使用意愿，否則學(xué)習(xí)者的使用意愿將下降。Hew et al的研究顯示[8]，在MOOC中，90% 的學(xué)習(xí)者因為課程難以理解，或者無法獲得及時的幫助而中途退出。因此，提出以下假設(shè)。

假設(shè)2：努力期望對MOOC使用意愿具有積極影響。

（3）社會影響

社會影響指個人所感受到的周圍環(huán)境的影響程度。當(dāng)學(xué)校或教育的大環(huán)境存在滿足并鼓勵使用MOOC時，如學(xué)校鼓勵學(xué)生通過 MOOC跨校修讀學(xué)分、老師在所講授的課程中輔以MOOC應(yīng)用，或者看到同學(xué)積極使用等，學(xué)習(xí)者能夠感知到這些具體條件對其自身所帶來的好處，則會促使其積極使用。另外，Li et al的研究指出[9]，學(xué)習(xí)者更傾向于與其他人同步觀看學(xué)習(xí) MOOC 視頻，而當(dāng)周圍的人在使用 MOOC 時，個體也會產(chǎn)生好奇心與嘗試的意愿。為此，提出以下假設(shè)。

假設(shè)3：社會影響對MOOC使用意愿具有積極影響。

（4）促成因素

學(xué)習(xí)者學(xué)習(xí)的積極性會受到多方面因素的影響。Ming Yang(2017)、李焱（2017）等學(xué)者分析了平臺質(zhì)量、課程質(zhì)量和服務(wù)質(zhì)量等對學(xué)習(xí)者采納MOOC意愿的積極影響。在此基礎(chǔ)上，本研究把促成因素分析重點轉(zhuǎn)到教師教學(xué)支持方面。教師支持是指教師對學(xué)習(xí)者進(jìn)行工具性指導(dǎo)、知識性引領(lǐng)、情感性幫助、社交性互動等一系列支持服務(wù)的總和，對在線學(xué)習(xí)者的學(xué)習(xí)投入度、滿意度、學(xué)習(xí)倦怠等有重要的影響[10]。本研究提出以下研究假設(shè)：

假設(shè)4：促成因素對MOOC使用意愿具有積極影響。

（5）感知風(fēng)險

感知風(fēng)險是指在學(xué)習(xí)者使用 MOOC學(xué)習(xí)過程中消耗的時間、精力以及支付的經(jīng)濟(jì)成本等。如果學(xué)習(xí)者感知到付出與回報不成正比，勢必會影響其使用MOOC的積極性。為此，本研究提出以下研究假設(shè)：

假設(shè)5：感知風(fēng)險對MOOC使用意愿具有負(fù)面影響。

（6）教學(xué)創(chuàng)新

MOOC給學(xué)習(xí)者更多決策權(quán)，在學(xué)習(xí)時間、學(xué)習(xí)地點、學(xué)習(xí)內(nèi)容、學(xué)習(xí)節(jié)奏等方面都可以自主決定。同時MOOC也是基于行為數(shù)據(jù)和學(xué)習(xí)結(jié)果計算的量化學(xué)習(xí)方式，可以促進(jìn)教師完善和改進(jìn)教學(xué)內(nèi)容，幫助學(xué)生自我調(diào)整學(xué)習(xí)和掌控學(xué)習(xí)進(jìn)度。另外，MOOC在教學(xué)過程將人際交互納入了課程設(shè)計，加大了社會性認(rèn)知的比重，有利于激發(fā)學(xué)習(xí)者的內(nèi)在學(xué)習(xí)動機(jī)和增加課程的吸引力或者說學(xué)習(xí)者使用粘性。為此，本研究提出以下研究假設(shè)：

假設(shè)6：教學(xué)創(chuàng)新對MOOC使用意愿具有積極影響

（7）課程聲譽

MOOC從誕生之日起，就貼上了名校、名師和名課的標(biāo)簽。世界最早的三大MOOC平臺與美國哈佛、斯坦福等名校密不可分。中國當(dāng)前較有影響力的MOOC平臺諸如“學(xué)堂在線”、“愛課程”等也是經(jīng)過層層選拔，由重量級教師授課。毫無疑問，來自名校、名師的課程保證了MOOC信息的高質(zhì)量，學(xué)習(xí)者也希望從中獲得更多收獲。因此，提出以下假設(shè)。

3 數(shù)據(jù)分析

以下分析數(shù)據(jù)來自課題組的實際調(diào)查，為一手?jǐn)?shù)據(jù)。調(diào)查對象是高校在校大學(xué)生，利用專業(yè)問卷調(diào)查網(wǎng)站“問卷網(wǎng)”發(fā)放在線問卷。發(fā)放過程是：首先在通訊作者授課班級微信群發(fā)放調(diào)查問卷網(wǎng)址，然后由授課班同學(xué)轉(zhuǎn)到高中同學(xué)所在大學(xué)微信或QQ群的方式逐步擴(kuò)大調(diào)查范圍，最終獲取有效的調(diào)查問卷295份，調(diào)查對象分布在廣東、遼寧、上海、天津、貴州、甘肅等共計18個省份。其中，中男生100名（33，9%），女生195名（66，1%）。大一學(xué)生占36，6%（108名），大二學(xué)生占28，1%（83名），大三學(xué)生占23，7%（70名），大四學(xué)生占11，5%（34名）。文科學(xué)生占14，2%（42名），理工科學(xué)生占75，6%（223名），藝體學(xué)生占4，4%（13名），其他5，8%（17名）。

3.1 問卷信度檢驗

為了檢驗調(diào)查問卷的合理性和有效性，需要對問卷進(jìn)行信度和效度分析，具體檢驗過程通過SPSS21.0進(jìn)行。常用的信度系數(shù)主要包括 Cronbach'α系數(shù)、折半（Split-half）信度系數(shù)等。本文主要考察Cronbach'α系數(shù)，取值范圍為0-1，取值越接近1說明問卷的可信度越高，取值越接近0則說明問卷的可靠性越差。一般來說，α系數(shù)小于0.35則為低信度，問卷不易采用，0.5-0.7之間是可接受的信度水平，大于0.7則說明信度較高。表2為調(diào)查問卷中各變量的Cronbach'α系數(shù)統(tǒng)計值。

表2 各變量的α系數(shù)統(tǒng)計值Tab.2 α Coefficient Statistics for Variables

問卷效度采用因子分析法對各自變量進(jìn)行分析，測量變量的 Bartlett 球形檢驗通過了顯著性檢驗（近似卡方值=4012.433；df=253;sig=0.000），KMO值為 0.905，說明問卷的結(jié)構(gòu)效度較好。

3.2 相關(guān)性分析

采用 Pearson 法對教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、感知風(fēng)險、績效期望與使用意愿進(jìn)行相關(guān)分析，結(jié)果見表3。

從表 3可以看出，MOOC 學(xué)習(xí)意愿與教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、績效期望均具有較高的正向相關(guān)性，Pearson 系數(shù)分別為 0.629、0.586、0.788、0.622、0.551、0.712，且在0.01水平(雙側(cè)）上顯著。感知風(fēng)險與學(xué)習(xí)意愿呈現(xiàn)低度負(fù)相關(guān)，Pearson 系數(shù)分別為-0.281，同樣在0.01水平（雙側(cè)）上顯著。

3.3 多元回歸分析

前文已通過相關(guān)分析驗證了教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、績效期望、感知風(fēng)險各維度與使用意愿之間存在顯著的相關(guān)性，為了找出其中的關(guān)鍵變量，需進(jìn)行回歸分析。教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、績效期望、感知風(fēng)險各維度為自變量，使用意愿為因變量進(jìn)行多元線性回歸。

（1）共線性檢驗

通過允差和膨脹因子（VIF）可以檢驗自變量數(shù)據(jù)是否存在多重共線性，如果允差值介于 0 和 1之間、VIF值介于0和10之間時，說明數(shù)據(jù)不存在多重共線性，可以進(jìn)行后續(xù)研究；為了檢驗七個自變量之間的多重共線性，這里使用 ENTER 法進(jìn)行多元線性回歸分析，分析結(jié)果見表4。

表3 各變量相關(guān)分析Tab.3 Correlation analysis of variables

表4 使用意愿模型共線性檢驗（ENTER 法）Tab.4 Collinearity test using willingness model (ENTER Method)

由表4可知，教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、感知風(fēng)險、績效期望的允差分別為 0361、0.519、0.412、0.372、0.415、0.881、0.438，都在 0-1 之間，VIF 值分別為 2.767、1.928、2.429、2.691、2.407、1.135、2.284，都在 1-10 之間，說明七個變量都不存在共線性問題，允許進(jìn)行進(jìn)一步的回歸分析。

（2）多元回歸結(jié)果

逐步多元回歸分析可以將沒有達(dá)到顯著性標(biāo)準(zhǔn)的自變量剔除在回歸模型之外，從而使進(jìn)入回歸模型的自變量都對因變量存在顯著影響。為了檢驗對因變量使用意愿有顯著影響的自變量，使用逐步篩選法（Stepwise）進(jìn)行多元回歸分析，具體結(jié)果如下。

R2平方是模型型判定系數(shù)，其值大小可以判斷回歸方程的擬合性，R2大小一般介于 0-1 之間，越接近于 1，則代表回歸的擬合程度越好，反之，越接近 0，說明回歸方程擬合程度較差。由表 5可知，模型的判定系數(shù)R2為0.800，調(diào)整R2為0.797，說明進(jìn)入回歸方程的自變量可解釋因變量 79.7%的變異量，擬合程度良好。Durbin-Watson 值用來檢測回歸模型中的不同殘差項之間是否具有相關(guān)關(guān)系，即是否存在序列相關(guān)，一般認(rèn)為，DW 值應(yīng)該在1.5到2.5之間，本回歸方程的DW值為1.819，說明模型不存在序列相關(guān)的問題。

表5 最優(yōu)模型摘要Tab.5 Summary of Optimal Models

通過對方差分析，F(xiàn)檢驗結(jié)果可以檢驗回歸方程的顯著性，若F檢驗對應(yīng)的相伴概率P（Sig值）小于0.05，則說明回歸方程達(dá)到顯著水平。表6中的方差分析結(jié)果 F值為290.134，p值為 0.000，說明回歸方程的通過了顯著性檢測，整體達(dá)到顯著要求。

表6 方差分結(jié)果Tab.6 Variance score

通過對進(jìn)入方程的四個自變量回歸系數(shù)的顯著性檢驗可以檢驗各自變量對因變量的影響是否顯著，從而判斷各自變量對使用意愿因變量的影響是否重要。當(dāng)p值小于0.05時，則表示自變量對因變量的線性作用顯著。由表7可知，進(jìn)入回歸模型的有促成因素、社會影響、客觀聲譽和績效期望等 4個變量，促成因素的標(biāo)準(zhǔn)化回歸系數(shù)為0.345，p值為0.000，小于0.05，達(dá)到顯著水平，說明促成因素對使用意愿有顯著的正向影響；社會影響的標(biāo)準(zhǔn)化系數(shù)為 0.309，p值為 0.000，達(dá)到顯著水平，說明社會影響對使用意愿有顯著的正向影響；課程聲譽的標(biāo)準(zhǔn)化回歸系數(shù)為 0.226，p值為 0.000，小于0.05，達(dá)到顯著水平，說明課程聲譽對使用意愿有顯著的正向影響；績效期望的標(biāo)準(zhǔn)化系數(shù)為0.154，p值為0.000，達(dá)到顯著水平，可見績效期望對使用意愿有顯著的正向影響。

表7 回歸方程系數(shù)統(tǒng)計結(jié)果Tab.7 Statistical results of regression equation coefficients

4 研究結(jié)論

分析影響學(xué)習(xí)者使用MOOC意愿的關(guān)鍵因素，對大規(guī)模在線課程資源建設(shè)、教學(xué)活動設(shè)計、精準(zhǔn)支持服務(wù)以及更加科學(xué)的管理等具有幫助作用，因此十分重要。本研究以技術(shù)接受與采納整合理論為指導(dǎo)，通過多元線性回歸方程，對影響學(xué)習(xí)者使用MOOC學(xué)習(xí)的關(guān)鍵因素進(jìn)行了科學(xué)分析。研究發(fā)現(xiàn)，在教學(xué)創(chuàng)新、努力期望、社會影響、促成因素、課程聲譽、感知風(fēng)險和績效期望七個因素中，社會影響、促成因素、課程聲譽和績效期望是影響學(xué)習(xí)者利用MOOC學(xué)習(xí)意愿的關(guān)鍵因素，具有顯著的正影響。按重要度排序，依次是促成因素、社會影響、課程聲譽和績效期望。

為了使MOOC發(fā)揮更大的作用，提高學(xué)習(xí)者的使用率，今后要特別關(guān)注教師支持服務(wù)能力的建設(shè)，強(qiáng)調(diào)教師對學(xué)習(xí)者進(jìn)行工具性指導(dǎo)、知識性引領(lǐng)、情感性幫助、社交性互動等。在社會性因素方面，要營造積極的促進(jìn)氛圍，如學(xué)校鼓勵學(xué)生通過MOOC跨校修讀學(xué)分、老師在所講授的課程中輔以MOOC應(yīng)用等。另外，學(xué)習(xí)者的績效期望越高，其對MOOC的使用意愿就會越強(qiáng)，課程聲譽會增加學(xué)習(xí)者的使用動力，所以通過“名校、名師、名牌”等方式，保障MOOC的內(nèi)容針對性和眾所周知性至關(guān)重要。