疫情時期規模化在線學習行為意向影響因素分析

代 鴻，楊雪飛

（重慶城市科技學院，重慶 402167）

“互聯網+教育”是將網絡技術和教育相結合的一種新型教育形式。全球高校開啟慕課等在線教育是在2011 年，隨著對慕課研究的不斷深入，人們發現慕課與傳統教育相比具有突破時空的限制、學習方式更為靈活、學習內容可回看等優勢，但是也存在教學模式單一、缺乏學習監督機制、課程完成率低等問題。針對這些問題，學者提出了SPOC 等新的教學方式，這些在線教育也逐漸成為課堂教學的有益補充。

為推進高校教學質量的提升，我國出臺了“金課建設計劃”就是一流課程“雙萬計劃”，即從2019 年起經過3 年左右的時間，建成10 000 門左右國家級一流課程和10 000 門左右省級一流課程。國家級一流課程分為線上一流課程、線下一流課程、線上線下混合式一流課程、虛擬仿真實驗教學一流課程和社會實踐一流課程五類，其中線上課程和線上線下混合式課程是一流課程的主要形式。

雖然在線教育有著諸多優勢，但是在線教育的教學效果在國內還未得到普遍的認同。在新冠肺炎疫情發生之前，在線教育在我國的學習效果卻不盡如人意。2020 年新冠肺炎疫情發生后，我國所有學校嚴格按照教育部“停課不停學”的精神，積極開展線上教學，教育部高等教育司統計結果顯示，截至2020 年12 月全國高校合計開課1 700 多萬門次，學生在線學習共計35 億人次，我國慕課的數量達到3 萬門左右，學習人次達到5 億人次左右，慕課的規模和數量已成為全球第一。

雖然在線教育的規模和數量在我國發展較快，但是發展時間比較短，所以國內學者對在線教育的研究還不充分，因此還需要對學生的在線學習行為進行深入研究。本文以重慶市某高校在線學習平臺為研究對象，對高校學生在線學習行為進行研究，旨在為在線學習行為的進一步研究提供參考。

一、研究設計與數據分析

（一）研究樣本與統計分析

本次的研究樣本是以重慶市某高校在線學習平臺的學生為研究對象，對平臺學習者學習行為進行研究。平臺有在線學生25 496 人，選課學生307 411 人次，作業答題289 874 份，考試答題184 031 份，視頻回帖86 421 帖，具體數據如圖1 所示。

圖1 平臺統計數據

如圖2 所示，平臺學生的學習時間主要集中在9：30-23：30，高峰時期是18：00-21：00。這表明高校大學生更喜歡在傍晚進行在線自主學習，而且深夜11 點左右還有不少的學生在進行學習，這和傳統教學的學習時間是不同的，但這與高校大學生通常的作息時間卻是相符的。

圖2 學習時間統計

從平臺中隨機抽取課程，觀察視頻學習情況如圖3所示。學生從電腦端觀看學習視頻41 540 次，占視頻觀看總視頻次數的71.35%，從手機或PAD 等移動設備觀看學習視頻16 678 次，占視頻觀看總視頻次數的28.65%，數據表明學生更愿意從電腦端觀看視頻。但是發帖情況顯示，電腦端發帖377 次，占總發帖次數的44.72%，移動端發帖466 次，占總發帖次數的55.28%，數據表明學生更習慣使用移動端發帖、回帖，這與移動設備的便利性有很大的關系。

圖3 視頻報表

2020 年2 月，教育部對全國的學校作出要求，利用網絡平臺，實現“停課不停學”。各地高校積極響應國家號召，調整授課計劃和授課方式，將線上教學落到實處。從圖4 可以看出，平臺在線學習人數和人次從2020 年3 月中下旬開始逐步上升，學習人數和人次的高峰出現在5 月中下旬。這恰好與教育部發布的相關文件精神是一致的，從側面印證了平臺數據的真實性和可靠性。

圖4 在線報表和學習報表

（二）研究模型與問卷設計

1.研究模型

1986 年DAVIS 首次提出TAM 模型（Technology Acceptance Model），主要包含6 個研究變量，分別為感知有用性、感知易用性、用戶態度、使用意向、實際使用行為和外部變量。研究者在此基礎上構建了許多同類模型，例如TAM2、TAM3 以及UTAUT 等模型。本文以任務技術適配模型（TTF）和技術接受模型（TAM）為基礎，構建在線學習行為的研究模型，提出如下假設。

H1：任務特征與任務技術匹配正相關；

H2：技術特征與任務技術匹配正相關；

H3：在線學習感知有用性與行為意向正相關；

H4：在線學習感知易用性與行為意向正相關；

H5：任務技術匹配與行為意向正相關。

模型將學生的行為意向作為主要的衡量指標，它由在線學習感知有用性、在線學習感知易用性和任務技術匹配三個因素共同決定；任務特征和技術特征則是任務技術匹配的兩個決定性因素，具體如圖5 所示。

圖5 在線學習行為影響因素模型

2.問卷設計

問卷將在線學習行為的影響因素分5 個方面，分別為任務特征、技術特征、任務技術匹配、感知有用性、感知易用性。問卷采用李克特5 級量表標度法，對影響因素的重要性進行分級，1 表示“非常不重要”，2 表示“不太重要”，3 表示“一般”，4 表示“比較重要”，5 表示“非常重要”，具體見表1。

表1 問卷設計

（三）數據分析

本研究通過網絡定向發送問卷的方式收集調查數據。整個問卷累計發放25 496 份，收回23 948 份，回收率為93.9%，其中有效問卷22 894 份，問卷有效率為95.6%。

1.信度分析

利用軟件SPSS21.0 對問卷進行信度分析，其結果見表2。表中各分量的信度系數以及總體信度都大于0.8，說明問卷所有變量一致性信度較高。

表2 問卷各變量信度系數

2.模型的擬合和檢驗結果

利用軟件AMOS22.0 進行結構方程擬合檢驗，擬合指數見表3。表3 中的擬合指數RFI、IFI、CFI 的數值都大于0.9，說明模型的擬合度良好，模型的結果可以采納。

表3 模型擬合指數

本文對構建的模型運用極大似然估計法進行擬合，得到表4 和圖6。從表4 可以看出，技術特征對任務技術匹配、任務特征對任務技術匹配、任務技術匹配對行為意向和感知易用性對行為意向4 條路徑在0.001 的水平上影響顯著，感知有用性對行為意向在0.05 的水平上影響顯著。

圖6 在線學習行為影響因素擬合模型

表4 回歸系數及檢驗結果

模型結果顯示，技術特征和任務特征對任務技術匹配的影響路徑標準回歸系數分別為0.740、0.668，說明技術特征對任務技術匹配影響因素較大；任務技術匹配、感知有用性和感知易用性對行為意向的影響路徑標準回歸系數分別為0.477、0.188 和0.402，說明任務技術匹配、感知易用性對行為意向影響因素較大。

二、結論與建議

突如而來的新冠肺炎疫情加速了我國教師和學生對在線學習的認知，規模化的在線學習為在線學習行為研究提供了大量的研究數據，也為高校改革教學模式創造了機遇。本研究發現，技術特征、任務技術匹配和感知易用性是行為意向的關鍵性影響因素。所以，建議在線學習平臺要注重課程設計，強化平臺的技術特征和任務技術匹配性，完善學校的課程資源，利用校內在線學習平臺引入市場上成熟穩定的視頻資源，實現學生在線學習行為全部在校內平臺上實現。此外，建議持續優化平臺各項功能，注重平臺的交互性設計，提升平臺的易用性體驗，盡可能提升學生的學習興趣，充分調動學生的學習積極性；同時，要持續加強平臺的穩定性建設，最大程度提升學生在線學習的感知易用性，提升學生在線學習的投入程度，從而提升學生的學習效果。