移動語言學習的技術接受研究探新——從模型構建到認知診斷分類

孟亞茹 劉 丹 何高大

?

移動語言學習的技術接受研究探新——從模型構建到認知診斷分類

孟亞茹1劉 丹1何高大2

（1．西安交通大學 外國語學院，陜西西安 710049；2．廣東白云學院 外國語學院，廣東廣州 510450）

國內對于移動語言學習（Mobile-Assisted Language Learning，MALL）接受模型研究較少，能提供各維度接受模式的研究尚屬前沿。文章構建了7個因素的接受模型MALL-AM，據此發現學生總體接受度較高，直接影響因素有感知趣味、績效期望和自我管理。進一步分析顯示，院校類別在7個因素接受度和接受模式上的分布有顯著差異，年級在因素上有顯著差異，地方院校和低年級學生更關注客觀促進條件和社群影響。通過多級順序認知診斷模型Seq-gdina把1032個不同院校大學生分為118類接受模式，有助于語言教育者進行決策。

移動語言學習；技術接受模型；認知診斷分類；接受模式

MALL是由學習者的移動性與手持設備的便攜性所促成的語言學習[1]。移動技術的個體性、自發性、非正式性、情境敏感性和真實性的優勢[2]為語言學習提供了一個便捷、自然、情境豐富的文化環境。其重要性已得到外語界的重視，如2016年《大學英語教學指南》強調“要密切關注移動學習理論的最新發展”。實際上，外語類APP已經連續幾年居于教育類排名之首。但Pachler[3]指出移動學習不是使用技術來傳遞內容，而是隨著變化的語境和學習空間能成功掌控自己學習的意識過程，因此，學習者對MALL接受程度是決定能否應用的關鍵[4]。

一 理論與文獻

1 二語習得與移動技術

二語習得的三個必要條件是與目標語及文化大量接觸、在比較真實的環境下使用語言以及有充分的動機去實踐這種語言[5]。而移動技術的非正式情境能調動語言學習動機，有助于協商、會話、意義建構，實現持續不斷的輸入和輸出[6][7]，促進永久記憶，鼓勵自主學習。學習者也會積極主動成為語言學習的主人，擔負起自我控制和管理的責任[8]。Taj等[9]通過對各國2008～2015年文獻的元分析，發現MALL研究樣本較少，僅集中在大一、大二，且對影響因素研究不足。

2 移動語言學習接受模型

MALL接受模型研究主要借鑒基于理性行為理論的“技術接受模型”（Technology Acceptance Model，TAM）及其拓展模型[10]，還有整合了計劃行為理論、社會認知理論、創新擴散理論等8個技術理論模型的整合模型（Unified Theory of Acceptance and Use of Technology，UTAUT）[11]。前者的主要因素有感知有用性、感知易用性、使用態度、行為意向；后者則強調績效期望、努力期望、社群影響和促進條件這四個核心因素的決定作用，同時還借鑒了移動學習和二語習得等變量。相關研究的具體信息如表1所示，其中高頻因素有態度、感知有用性/績效期望、娛樂性/趣味性、社群影響/主管規范、感知資源[12]、促進條件[13]、努力期望和自我管理。

以上研究對進一步探索移動語言學習接受模型有重要的價值，但它們的局限也日益突顯：①影響因素相互矛盾，這在一定程度上是受不同文化和環境因素的影響[20]。另外，移動技術的發展也促使已有模型的內部關系發生變化，如易用性/努力期望越來越不構成影響因素[21]，因此應該加強不同文化的適用性研究。②樣本較少，且來源較為單一，如果考慮交互因素的影響，模型擬合會非常受影響[22]，結果也難以推廣。③主要基于TAM模型，而解釋力較強的UTAUT模型很少被應用，此外對實際因素之間的關系理解欠缺。④多元回歸或結構方程模型的方法能探究模型的路徑，但無法獲取態度模式，難以對群體或個體進行更細顆粒的分析，結果不易被理解和接受。據此，非常有必要引入新的分類方法，本研究要構建大學生MALL接受模型（MALL-AM），并用認知診斷分類提供更為詳盡的結果。

表1 移動語言學習（MALL）技術接受模型相關研究

二 研究問題與方法

1 研究問題

MALL-AM首先聚焦于學習者自身（認知、動機、興趣和自我管理等）、支持環境和社群三方面的因素，進而探索各因素之間的路徑關系，最后采用多級順序認知診斷模型Seq-gdina（Sequential generalized deterministic inputs, noisy and gate）[23]對樣本進行認知診斷分類。Seq-gdina是診斷分類模型的一種，不但能根據可觀察的反應估測潛在的知識狀態、加工過程或知識技能，進而對其進行分類[24]；還可以對多級評分的順序變量進行診斷分類[25]，以提供詳細的診斷信息。本研究根據李克特量表中題項等級，轉換成0和1的矩陣（1表示測量了該因素，0表示沒有），生成一個縱列為因素、橫行為題項的二維Q矩陣。把該矩陣和學生作答輸入Seq-gdina模型，能獲得每個學生在各個因素上的接受模式等信息。據此，本研究將回答以下三個問題：①移動語言技術接受模型MALL-AM包括什么因素？②各因素之間的關系及其路徑是什么？③認知診斷分類后該模型能提供哪些接受模式信息？

2 研究流程

根據問題，本研究確定了以下三個步驟：①量表的設計驗證及初始模型的構建：根據試測結果進行修訂，之后大面積收集數據進行信度、探索性和驗證性分析，構建MALL-AM初始假設模型；②驗證模型并進行路徑分析：用SEM進行驗證性分析，確定路徑及相關關系，直至去掉干擾變量或路徑，獲得驗證后的MALL-AM模型；③接受模式分類：根據模型把學生的作答用多級順序認知診斷模型Seq-gdina進行分類，對學生個體和群體的接受模式進行分析匯報。研究的總體框架如圖1所示。

圖1 研究總體框架

3 研究樣本和假設

為了保證樣本的代表性，本研究從985/211院校（A類，N=4，n=748）和一般院校（B類，N=6，n=284）的本科生和研究生中收回1356份數據，缺失值采用表列刪除法，最終得到有效問卷1032份（男，n=654；女，n=378）。大一、大二作為大學外語教學的主體，列為低年級組（大一，n=469；大二，n=314）；其余主要為學術英語，列為高年級組（大三/四/研究生，n=249）。

因素定義及假設如表2所示。UTAUT模型中的績效期望、社群影響和促進條件作為主體因素影響態度意向（如表2假設H1、H2和H3）。其中，促進條件是支持MALL的客觀條件，包括對資源的認知，由此產生H4。感知資源作為第四個因素影響績效期望（H5）和態度意向（H6）[26][27]。同時，學習資源能否提升投入程度、激發興趣和愉悅感等促使假設H7的提出。第五個因素感知趣味被看作是促進條件的一部分決定績效期望[28]（H8），其對態度意向的影響也在眾多文獻中被證實（即H9）[29][30][31]。而自我管理在缺乏監控、各種資源豐富的虛擬環境中顯得尤為重要，是第六個因素（H10）。最后，態度是直接影響行為意向的因素[39]，但Thomas等[40]指出UTAUT模型四個核心變量解釋，58.3%的態度變異和59.3%的行為意向變異，可見兩者接近，本研究因子分析也證明了這一點。因此，將這兩者合并為態度意向作為第七個因素。基于以上各假設開發了34個題項的量表MALL-AM。

表2 因素定義及假設

三 結果

1 模型因素及信效度檢驗

本研究首先進行信度和因子分析（奇數數據），KMO值為0.898，P=0.000，宜作因子分析；7個因素累計方差貢獻率達61.75%，具有良好的結構效度；有4個題項因內部一致性原因被刪除，之后7個因素信度都在0.775以上，總體達0.889，內部一致性較好。

量表的結構效度通過驗證性因子分析來檢驗（偶數數據），一方面可獲得各因子間的相關和負荷值，另一方面可以得到模型的擬合度。7個因素的組合信度CR值都超過了0.77，各因素的AVE值都超過了0.5，并且每個題項在其因素上的標準化負荷系數基本都大于0.6，P<0.001，顯著性較強，量表擬合效度好（如表3所示）。

表3 模型擬合指數（基于偶數組數據）

2 模型的路徑關系

初始模型卡方值為1.688，P=0.000，達顯著水平，表示觀察數據與假設模型存在差異，需進一步修正。路徑系數表明H2、H3、H6、H8（如圖2虛線）的回歸系數未達到0.001的顯著水平，結合理論和實際情況，刪除以上路徑。

圖2 MALL-AM模型因素的路徑關系

圖3 對7個因素的接收度（N=1032）

本研究先根據MI修正指數，增加殘差和變量間共變關系，得到修正模型；再根據修正建議和理論，增加社群影響到感知趣味和績效期望的路徑，獲得最終模型。各路徑系數顯著且指數均符合模型適配標準（c2/df＜2.00，RMR＜0.05，SRMR＜0.05，GFI、AGFI、NFI、IFI、CFI均要＞0.90，RMSEA＜0.08），與觀察數據適配度最佳（如圖2所示），表明績效期望（H1）、感知趣味（H9）和自我管理（H10）直接影響態度意向；社群影響通過感知趣味（不同于H2）或績效期望間接影響態度意向；促進條件通過感知資源（H4）影響感知趣味（H7）再間接影響態度意向（不同于H3），或通過感知資源影響績效期望（H5）再間接影響態度意向。

3 認知診斷分類

Seq-gdina模型能提供不同因素、個體和群體接受模式的細顆粒信息，如每個因素上接受態度的百分比（如圖3所示），從44.4%到54.8%之間不等，其中績效期望和感知資源最高、最受學生認可，而感知趣味最低。

表4是不同群體在7個因素接受度上的分布，僅院校達到顯著（P=0.008）。此外，Seq-gdina模型可以把1032個學生分為118個由0、1向量組成的接受模式。在118個接受模式中，頻率高于20的有10個，涵蓋全部人數的近40%。其中，積極和消極態度模式各5個（如表5所示）。每個接受模式中的0、1向量分別代表7個影響因素，其順序同圖3所示。1表示在該因素上持肯定態度，0表示持否定態度。表5左列顯示，積極接受模式的學生對7個影響因素基本上都持肯定態度，如果有消極態度，那較有可能是第3個（促進條件）或第6個（自我管理）。而表5右列顯示，消極接受模式的向量構成恰恰相反（橢圓是唯一不相反的），其中的個別1表示如果有積極態度，那較有可能是對促進條件、語言學習資源或自我管理持肯定態度。由此，該模型分類的有效性得到了進一步的驗證。為了獲得不同群體在前5個高頻模式（表5中的粗體）的分布情況，本研究做了卡方檢驗，結果如表6所示，僅A、B類院校有顯著差異（P=0.004）。

表4 不同群體在7個因素接受度上的分布

表5 前10種高頻接受模式

四 討論

1 MALL-AM的直接和間接影響因素

本研究提出了7個影響因素的模型MALL-AM，其中績效期望、社群影響、促進條件、感知資源、感知趣味、自我管理為自變量，態度意向為因變量。通過路徑擬合，首先推翻了原假設中的四條路徑，即感知資源、促進條件、社群影響對態度意向和直接影響以及感知趣味對績效期望的直接影響（見圖2的虛線），前三者只能通過績效期望間接作用于態度意向。這表明不管外部技術和條件多么有利，外語移動資源多么豐富合理，各種媒體、專家和同學如何推薦，如果學生本人不認為有利于提高外語成績和技能，其接受態度和使用意向依然會很低。即這三個外部條件通過主觀認可才能起作用，該發現在黑丹[41]、劉根萍和吳鳳秀[42]等的研究成果基礎上進一步細化了具體路徑。這一點從表5中的積極模式第一列全為1、消極模式為0再次得到了驗證。

第二個直接因素是感知趣味，它對感知資源和社群影響也起調節作用。也就是說，MALL資源或他人的推薦只有在有趣味、激發好奇心和愉悅感的前提下才容易被接受和使用。雖然很多研究認可移動學習趣味性和娛樂性對態度的作用，但較少發現其對其它因素的調節作用。同時與Venkatesh和Bala[43]等的將感知趣味看作是促進條件的一部分來決定績效期望的結論相左。

第三個直接影響因素是自我管理，即越能對自己的移動學習進行計劃、監察和調控的學生，越適合并喜歡這種學習方式。Wang等[44]也證明了自我監控和管理對移動學習行為意向具有顯著影響。由于學生自控力差，常會被娛樂等信息吸引，削弱了學習效果，導致移動學習后勁不足。2017《美國國家教育技術計劃》指出要提高學習效果、保證學習成功，需培養學生具有從繁雜的信息中分離出最重要信息的能力[45]，包括抵抗干擾和對娛樂功能的自我控制能力和監督管理。這種獨立學習能力和信息素養是現在數字土著一代成為自主學習者和終身學習者必不可少的。

2 基于Seq-gdina分類的接受度

本研究發現A類（985/211）、B類（其他）院校在接受度的分布上有顯著差異（如表4所示）。進一步對院校和7個因素均值進行獨立樣本T檢驗發現差別主要在于感知資源、感知趣味、促進條件和社群影響，它們對B類院校的影響高于A類，其中促進條件和社群影響顯著度最高（P=0.000），表明B類院校的學生比較關注移動語言學習的客觀條件，也容易受他人或媒體宣傳的影響。

表6 不同群體在前五種接受模式上的分布檢驗

表7 不同類別學校高頻接受模式

注：粗體表示不同模式，下劃線表示相同模式

從表6不同群體在前五種接受模式上的分布可知，年級在高頻態度模式上的分布無顯著差異，但進一步對7個維度的ANOVA分析發現有差異，由低到高分別為績效期望、社群影響、促進條件，且對大一學生的影響顯著高于其它年級。上文的國內外研究主要集中于大一、大二學生，本研究增加年級跨度后顯示其影響比較顯著，可謂有更深一步的發現。

表7為兩類院校的前10種接受模式，左邊為5個積極模式，相似度極高（僅粗體不同）；右邊為5類消極模式，差異性較大（僅下劃線相同），由此推知兩類院校高頻模式最顯著的不同主要來自于消極態度部分，且A類的自我管理（第6個）較好，而B類學校比較認可促進條件（第3個粗體），即B類消極的學生認可客觀條件的影響，跟上面T檢驗結果部分吻合。另外，通過該診斷也可獲取個體在接受模式上的診斷評估，如表8所示。該接受模式的頻率是10，針對該模式可以給出類似ID687同學的診斷評估。

表8 相同接受模式的診斷評估（個案范例）

五 結論

本研究構建了7個因素的移動語言學習接受度模型MALL-AM，其中績效期望、感知趣味和自我管理直接影響態度意向，而社群影響、促進條件、感知資源通過直接因素產生影響。通過對1032個學生在接受度上進行多級診斷分類，發現學生最認可績效期望，最不認可感知趣味。不同院校在7個因素上的分布有顯著差異，大一、大二和高年級之間存在差異，地方院校和低年級學生更認可客觀促進條件的影響。該模型把態度模式分為118個，積極態度模式在不同群體上的一致性較高，而消極模式差異較大，僅院校類型在高頻模式的分布上有顯著性差異。

鑒于績效期望獲得較高認可，而資源趣味的認可度較低，因此本研究建議應發揮真實情境、互動參與和游戲式特點，提升資源對學生持久的吸引力，才有助于良好利用[46]；同時，培養學生獨立自主、自我控制的能力。此外，針對促進條件的滿意度低，關注度高的現狀，需要創建有利的客觀條件，尤其是地方高職院校加大校園移動網絡資源建設；同時，培養新生的移動學習觀念和素養。在研究方法上，本研究引入Seq-gdina對數據進行認知診斷分類方面做出了初步嘗試。最重要的是在“互聯網+教育”的背景下，該研究成果對進一步探索個體移動語言學習行為、設計和推廣移動語言類產品有借鑒意義。

[1]Palalas A. Mobile-Assisted Language Learning: Designing for your students[A]. In Thouesny S, Bradley L. Second language teaching and learning with technology views of emergent researches[C]. 2011:71-94.

[2][8]Kukulska-Hulme A. Will mobile learning change language learning?[J]. Recall, 2009,(2):157-165.

[3]Pachler N. Research methods in mobile and informal learning: Some issues[M]. In Vavoula G., Pachler N., and Kukulska-Hulme A. (Eds.) Researching mobile learning: frameworks, tools and research designs. Peter Lang: Oxford. 2009: 1-15.

[4]翁克山,李青.學習者視角下的協作式移動語言學習接受度調研[J].浙江外國語學院學報,2017,(5):41-48.

[5]Willis J. A framework for task-based learning[J]. Subject Centre for Languages, 1996,(1):13-18.

[6]何克抗.建構主義——革新傳統教學的理論基礎(三)[J].教育學報,1998,(5):48-49.

[7]楊兵,盧國慶,T(新西蘭)iong-Thye G ,等.基于位置情境的移動語言學習研究[J].現代教育技術,2017,(2):120-126.

[9]Hassan Taj, Sulan N B, Sipra M A, et al. Impact of Mobile-Assisted Language Learning (MALL) on EFL: A meta-analysis[J]. Advances in Language & Literary Studies, 2016,(2):2203-4714.

[10][38]Davis F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. Mis Quarterly, 1989,(3):319-340.

[11][20][32][33][34]Venkatesh V, Morris M G, Davis G B, et al. User acceptance of information technology: Toward a unified view[J]. Mis Quarterly, 2003,(3):425-478.

[12][26][42]劉根萍,吳鳳秀.溫州在校大學生接受移動學習的影響因素分析——基于擴展技術接受模型的實證研究[J].現代教育技術,2011,(6):109-114.

[13][16]Iqbal S, Qureshi I A. M-Learning adoption: A perspective from a developing country[J]. International Review of Research in Open & Distance Learning, 2012,(3):147-164.

[14][21][41]黑丹.基于TAM擴展模型的高校學生移動語言學習影響因素研究[D].長沙:湖南大學,2011.

[15][30]Huang R T, Jang S J, Machtmes K, et al. Investigating the roles of perceived playfulness, resistance to change and self-management of learning in mobile English learning outcome[J]. British Journal of Educational Technology, 2012,(6):1004-1015.

[17][31]Esfandiari R, Sokhanvar F. Modified unified theory of acceptance and use of technology in investigating Iranian language learners’ Attitudes toward Mobile Assisted Language Learning (MALL).Interdisciplinary Journal of Virtual Learning in Medical Sciences [J]. 2016,(4):93-105.

[18]紀露.基于技術接受模型大學生移動英語學習行為意向的實證研究[D].重慶:重慶大學,2016.

[19][27]Pindeh N, Suki N M, Suki N M. User acceptance on mobile apps as an effective medium to learn Kadazandusun language [J]. Procedia Economics & Finance, 2016,37:372-378.

[22][39][40]Thomas T D, Singh L, Gaffar K, et al. The utility of the UTAUT model in explaining mobile learning adoption in higher education in Guyana[J]. International Journal of Education and Development Using Information and Communication Technology, 2013,(3):71-85.

[23][25]Ma W, Torre J. A sequential cognitive diagnosis model for polytomous responses[J]. British Journal of Mathematical & Statistical Psychology, 2016,(3):253-275.

[24]Leighton J P, Gierl M J. Defining and evaluating models of cognition used in educational measurement to make inferences about examinees’ thinking processes[J]. Educational Measurement Issues & Practice, 2007,(2):3-16.

[28][43]Venkatesh V, Bala H. Technology Acceptance Model 3 and a research agenda on interventions[J]. Decision Sciences, 2008,(2):273-315.

[29][36]Moon J W, Kim Y G. Extending the TAM for a World-Wide-Web context[J]. Information & Management, 2001,(4):217-230.

[35][37]Peter J S, Karen LM, Sue E M. Towards identifying factors underlying readiness for online learning: an exploratory study[J]. Distance Education, 2003,(1):57-67.

[44]Wang Y S, Wu M C, Wang H Y. Investigating the determinants and age and gender differences in the acceptance of mobile learning[J]. British Journal of Educational Technology, 2009,(1):92-118.

[45]陳松云,何高大.新技術推動下的學習愿景和作用——2017《美國國家教育技術計劃》及啟示[J].遠程教育雜志,2017,(6):21-30.

[46]陸映波,郅平.基于移動學習終端的外語教學模式研究[J].現代教育技術,2013,(6):71-75.

Mobile-assisted Language Learning Acceptance——From Model Construction to Cognitive Diagnostic Classification

MENG Ya-ru1LIU Dan1HE Gao-da2

The current study constructs a 7-factor acceptance model—MALL-AM. Based on the model, 1032 students of cross college types, class years, disciplines and genders are classified into 118 acceptance patterns through the multilevel sequential diagnosis model—Seq-gdina. The findings indicate that college students have a higher overall acceptance of MALL, and the direct influencing factors are perceived interest, performance expectations and self-management. Further analysis shows that there are significantly institutional differences in the acceptance distribution and patterns of the seven factors. Moreover, school years also make a significant difference, in which local colleges and lower grades are more concerned with objective promotional conditions and community impact. To conclude, classifying technology acceptance through the multi-level sequential cognitive diagnosis model can help language educators make decisions.

Mobile-Assisted Language Learning(MALL); technology acceptance model; cognitive diagnostic classification; acceptance patterns

G40-057

A

1009—8097(2018)08—0058—08

10.3969/j.issn.1009-8097.2018.08.009

本文為教育部人文社會科學研究規劃基金項目“移動語言學習MALL與西部英語生態教學的整合模式構建—基于2006年來的歷時研究”(項目編號：12YJA740057)、陜西省高等教育科學研究項目成果“移動技術融入外語學習的接受模型構建—基于認知診斷分類的方法”（項目編號：XGH17025）、2018年廣東省哲學社會科學“十三五”規劃2018年度項目“外語信息化專項：新時代應用型本科高校英語專業課程信息化的路徑研究”（項目編號：GD18WXZ01）的階段性研究成果

孟亞茹，副教授，博士，研究方向為語言教學技術與診斷測試，郵箱為yarum@163.com。

2018年2月16日

編輯：小西