林 悅
(蕪湖職業技術學院,安徽 蕪湖 241003)
隨著移動互聯網等新一代信息技術的不斷發展,MOOC(大型開放式網絡課程)已不再能滿足當前高職院校信息化教學的要求,改革刻不容緩。后MOOC時代,起源于加州大學伯克利分校的SPOC(小規模私有在線課程)由于其采用線上線下相結合的混合式教學模式,可以提高學生的參與度,增強任課教師對學生學習的指導作用[1][2]。這種教學模式集網絡學習、翻轉課堂、智慧課堂于一身,一定程度上彌補了MOOC完成率較低、學生體驗感不強、難以實現個性化學習的短板,為高職院校傳統課堂教學面臨的諸多問題提供了新的解決思路。隨著SPOC在我國的不斷推廣,相關研究不斷涌現,然而現有研究更多的是關注SPOC教學模式的設計與教學實踐的效果,對學生SPOC使用行為現狀及使用行為影響因素的研究不足,關注學生對SPOC的接受意愿與使用行為對高職教育信息化發展具有重要的意義,因此,本文將以國內使用最廣泛的藍墨云班課SPOC平臺(下文簡稱SPOC平臺)為例,分析SPOC用戶使用行為的影響因素。
UTAUT模型,即整合的技術接受模型,將績效期望、努力期望、社會影響和便利條件等4個核心因素作為影響技術接受與使用的核心變量,將性別、年齡、使用的自愿性和經驗作為控制變量,分析用戶的技術使用行為[3]。績效期望是指個體感知到使用系統給自身帶來幫助的程度。易用期望指個體感知使用系統的難易程度。社會影響是指個體感覺到受周圍群體的影響程度。便利條件是指個體感覺使用系統能獲得的技術方面的支持程度。
根據UTAUT模型,結合SPOC學習的特點,重新構建適合開展SPOC學習行為調查的模型。如圖1所示。

圖1 SPOC平臺接受模型
各變量測量維度如表1所列。

表1 各變量測量維度
根據構建的SPOC平臺接受模型,我們認為SPOC平臺對學習的幫助越大,學生使用系統學習的意向就越大;學生在使用中認為系統操作容易,在SPOC平臺上的學習意向就越大;當身邊同學在積極使用、老師在鼓勵使用時,一定程度會提高學生使用云班課進行學習的學習意圖;組織在技術方面的支持力度越大,學生的學習意向越高,會促進學生使用SPOC平臺學習的行為;系統越穩定、平臺資源質量越好,學生的學習意向就越強;學生自身的個性特征也影響使用系統的積極性;除此之外,我們仍堅持學習意向對學習行為有影響。鑒于上述觀點,本文提出以下研究假設:H1、H2、 H3、 H4 、H5、 H6:績效期望(PE)、努力期望(EE)、社會影響(SI)、系統質量(SQ)、資源質量(RQ)、學生用戶個性特征(PCSU)分別對學習意向(LI)有顯著正向影響。H7 、H8、H9:便利條件(FC)、系統質量(SQ)、學習意向(LI)對學習行為(LB)有顯著正向影響。H10: 系統質量(SQ)對績效期望(PE)有顯著正向影響。H11:學生用戶個性特征(PCSU)對努力期望(EE)有顯著正向影響。
本研究在參考國內外成熟量表的基礎上,根據SPOC平臺的實際情況進行修改,使用 Likert 5 級量表將測量選項分別設定為完全反對、反對、不確定、贊同和完全贊同。使用問卷星制作和發放問卷,發放對象為蕪湖職業技術學院經貿學院、材料學院在校學生。問卷回收323份,剔除不合格問卷,保留有效問卷252份,問卷有效率達78%。根據問卷結果統計,使用SPOC平臺的女生比例較高,年級主要集中在大一、大二,比例達到85%,特別是大一學生,剛進入大學校園,心態積極,勇于嘗試新鮮事物。理工科使用比例略高于文科,可能與理工科實操性質更強有關。
本研究應用SPSS25.0和 AMOS23.0軟件對數據進行處理分析,采用結構方程模型(SEM)作為數據處理方法。
(1)描述性分析。通過SPSS25.0中描述統計功能對各因素的均值和標準差進行計算,探究調查問卷的代表性。結果顯示,各變量的均值大于3,且均值皆大于對應的標準差,說明離散程度不高,該樣本數據結構完整,分布合理,可作進一步的分析。
(2)信度分析。信度測量的是指標內部的一致性,通常采用Cronbach's α系數來檢驗信度。SPSS25.0軟件計算的各變量及總體信度如表2所列。本研究總體信度達到0.900,其他各變量都大于0.7,測量結果說明具有很好的內部一致性。

表2 各變量與總體信度檢驗、各測度下所屬因子負荷
(3)效度分析。本調查問卷在對原AUTAT模型分析的基礎上,借鑒國內外成熟量表,并咨詢了相關專家,具有較好的內容效度和準則效度。采用因子分析法進行結構效度檢驗,在KMO檢驗和Bartlett球形檢驗中KMO 值 為 0.958 ,Bartlett 球體檢驗Sig 為0.000,說明可以做因子分析。在探測性因子分析(EFA)中,所有因子負荷都高于0.7,因此保留所有因子。總的來說本調查問卷結構效度良好,可作進一步研究。
(4)結構方程模型驗證。①模型擬合度檢驗。本研究采用 AMOS23.0軟件進一步對數據進行驗證性因子分析(CFA),結構方程模型的估計使用最大似然估計(ML)。模型對數據的整體擬合中,χ2/df=2.217,小于3,相對擬合指數CFI=0.905,大于0.9,調整后的均方根指數 RMSEA=0.081,小于0.1, SPOC平臺接受模型對數據的整體擬合較理想,模型可接受。②模型路徑參數檢驗結果。本研究計算了模型中各因素間的標準路徑系數,并進行了顯著性檢驗,如表3所列,除學生用戶個性特征對易用期望的影響路徑沒有通過檢驗,其他路徑都通過了檢驗。在眾多的影響因素中,學生用戶個性特征、系統質量對學習意向的影響最大,標準路徑系數分別為0.642、0.631;績效期望、資源質量、社會影響和努力期望對學習意向也有顯著的正向影響,標準路徑系數分別為0.486、0.403、0.302、0.141;系統質量對績效期望有顯著正向影響,標準路徑系數為0.212;便利條件和系統質量對學習行為有顯著的正向影響,標準路徑系數分別為0.386、0.133;學習意向對學習行為有顯著正向影響,標準路徑系數為0.581。

表3 結構方程標準路徑系數及假設檢
**、*分別表示1%和5%的顯著性水平
經過對調查問卷樣本數據的描述性分析、信度分析、效度分析及結構方程模型的驗證,證明本調查研究可信、可靠且有效。通過實證分析,學生對SPOC平臺使用意愿及使用行為的影響因素從大到小分別是:學生用戶個性特征、系統質量、績效期望、資源質量、便利條件、社會影響和努力期望。本研究不僅證實了績效期望等核心影響因素對技術接受意愿與使用行為的影響,增加的3個因素在模型中也得到驗證,且明確了各因素對使用意愿的影響程度。學生用戶的個人能力越強,越有使用系統的意向; SPOC平臺系統質量越高,功能越強大、越完善、越可靠,學生的使用意愿就越強;使用系統給學生帶來的幫助越大,學生就越愿意使用;學習意向和便利條件會影響學生使用系統的行為。