影響學習者使用MOOC意愿的關鍵因素分析

宋學志，李飛飛，姚巧紅*

（1. 大連交通技師學院，遼寧 大連 116013；2. 遼寧師范大學 計算機與信息技術學院，遼寧 大連 116081）

0 引言

大規模在線開放課程（Massive Open Online Course，簡稱MOOC）作為當今在線教育發展的最新方式和研究熱點，在受到廣泛關注的同時，也因其始終存在“學生的完成度低、輟學率高、使用意愿不強烈”的問題而倍受質疑。相關研究指出，絕大部分大規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，將難以實現所謂的深度學習[5]和學習方式轉變[6]，由于巨大的投入得不到適當的回報，最終勢必影響到MOOC建設者的熱情，甚至是威脅到MOOC生存。目前，許多學者試圖通過分析學習者的動機水平、知識水平、參與水平、互動水平等指標，通過預測和預警的方式對“學生的完成度低、輟學率高”問題展開研究，對于影響學習者使用 MOOC意愿的關鍵因素識別的研究還不充分，尚沒有形成一個比較權威的理論模型，還需要更多的實證研究。在這種背景下，本研究從學習者意愿的視角出發，以技術接受與采納整合理論為指導，通過多元線性回歸方程，對影響學習者使用MOOC學習的關鍵因素進行了科學分析。

1 研究設計

1.1 理論依據

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）、技術接受理論（Technology Acceptance Model，TAM）以及技術接受與采納整合理論 (Unified theory of acceptance and use of technology，UTAUT）等都是經典的分析模型。其中，理性行為理論認為個體實施某項行為的意愿取決于個人的態度和主觀規范，使用意愿對行為具有預測作用。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。為改進這一不足，Sheppard等人（1988）在理性行為理論基礎上添加了“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行了修正，提出了技術接受模型理論，把技術系統的有用性和易用性作為影響行為態度的關鍵因素。顯然，在當下成績決定一切的教學評價體系中，TRA的使用前提實際上難以滿足；在教師主導的正式課程學習中，僅僅考慮技術系統的有用性和易用性的 TAM 也不全面。隨著研究的深入，學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。

1.2 測量工具

依據技術接受與采納整合理論（UTAUT），結合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、教學創新、課程聲譽等6個前變量和使用意愿1個結果變量進入研究過程。其中，課程聲譽和教學創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

首先采用相關分析，確認影響大學生利用MOOC學習的因素集 { X1, X2,…,Xk}；然后設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集 { β1, β2,…,βm}進行估計，選用逐步篩選法進行多元回歸，通過判定系數R2進行擬合優度檢驗，從而確定關鍵變量。

2 關鍵因素模型建構與研究假設

2.1 模型建構

由于技術接受與采納整合理論模型綜合考慮了主客觀因素，相對更為穩健。考慮到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）基礎上，新增加了三個變量因素，分別為感知風險、課程聲譽和教學創新，共研究7個變量對大學生使用MOOC學習意愿的具體影響，構建如下數學分析模型：

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—感知風險；TI—教學創新；CR—課程聲譽；ε—殘差；0α—常數。

2.2 研究假設

（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，使用意愿特指大學生使用MOOC學習的行為意愿，即自愿采用MOOC進行學習的傾向或可能性。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產品和服務的使用可以幫助其獲益的程度。用戶的績效期望越高，其對該技術系統的使用意愿將會越強。MOOC具有課程內容豐富、學習免費、能隨時獲取等優勢[7]，可以為大學生的專業成長和個人發展提供助力，如豐富專業知識、提高學習效率、完成學習計劃等。據此，提出以下假設。

假設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或信息系統感知到的便捷和容易使用的程度。當學生感知到 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，否則學習者的使用意愿將下降。Hew et al的研究顯示[8]，在MOOC中，90% 的學習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。

假設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境的影響程度。當學校或教育的大環境存在滿足并鼓勵使用MOOC時，如學校鼓勵學生通過 MOOC跨校修讀學分、老師在所講授的課程中輔以MOOC應用，或者看到同學積極使用等，學習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]，學習者更傾向于與其他人同步觀看學習 MOOC 視頻，而當周圍的人在使用 MOOC 時，個體也會產生好奇心與嘗試的意愿。為此，提出以下假設。

假設3：社會影響對MOOC使用意愿具有積極影響。

（4）促成因素

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

假設4：促成因素對MOOC使用意愿具有積極影響。

（5）感知風險

感知風險是指在學習者使用 MOOC學習過程中消耗的時間、精力以及支付的經濟成本等。如果學習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：

假設5：感知風險對MOOC使用意愿具有負面影響。

（6）教學創新

MOOC給學習者更多決策權，在學習時間、學習地點、學習內容、學習節奏等方面都可以自主決定。同時MOOC也是基于行為數據和學習結果計算的量化學習方式，可以促進教師完善和改進教學內容，幫助學生自我調整學習和掌控學習進度。另外，MOOC在教學過程將人際交互納入了課程設計，加大了社會性認知的比重，有利于激發學習者的內在學習動機和增加課程的吸引力或者說學習者使用粘性。為此，本研究提出以下研究假設：

假設6：教學創新對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。中國當前較有影響力的MOOC平臺諸如“學堂在線”、“愛課程”等也是經過層層選拔，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信息的高質量，學習者也希望從中獲得更多收獲。因此，提出以下假設。

3 數據分析

以下分析數據來自課題組的實際調查，為一手數據。調查對象是高校在校大學生，利用專業問卷調查網站“問卷網”發放在線問卷。發放過程是：首先在通訊作者授課班級微信群發放調查問卷網址，然后由授課班同學轉到高中同學所在大學微信或QQ群的方式逐步擴大調查范圍，最終獲取有效的調查問卷295份，調查對象分布在廣東、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%）。大一學生占36，6%（108名），大二學生占28，1%（83名），大三學生占23，7%（70名），大四學生占11，5%（34名）。文科學生占14，2%（42名），理工科學生占75，6%（223名），藝體學生占4，4%（13名），其他5，8%（17名）。

3.1 問卷信度檢驗

為了檢驗調查問卷的合理性和有效性，需要對問卷進行信度和效度分析，具體檢驗過程通過SPSS21.0進行。常用的信度系數主要包括 Cronbach'α系數、折半（Split-half）信度系數等。本文主要考察Cronbach'α系數，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為調查問卷中各變量的Cronbach'α系數統計值。

表2 各變量的α系數統計值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，說明問卷的結構效度較好。

3.2 相關性分析

采用 Pearson 法對教學創新、努力期望、社會影響、促成因素、課程聲譽、感知風險、績效期望與使用意愿進行相關分析，結果見表3。

從表 3可以看出，MOOC 學習意愿與教學創新、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性，Pearson 系數分別為 0.629、0.586、0.788、0.622、0.551、0.712，且在0.01水平(雙側）上顯著。感知風險與學習意愿呈現低度負相關，Pearson 系數分別為-0.281，同樣在0.01水平（雙側）上顯著。

3.3 多元回歸分析

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

（1）共線性檢驗

通過允差和膨脹因子（VIF）可以檢驗自變量數據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，說明數據不存在多重共線性，可以進行后續研究；為了檢驗七個自變量之間的多重共線性，這里使用 ENTER 法進行多元線性回歸分析，分析結果見表4。

表3 各變量相關分析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，教學創新、努力期望、社會影響、促成因素、課程聲譽、感知風險、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，允許進行進一步的回歸分析。

（2）多元回歸結果

逐步多元回歸分析可以將沒有達到顯著性標準的自變量剔除在回歸模型之外，從而使進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）進行多元回歸分析，具體結果如下。

R2平方是模型型判定系數，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R2為0.800，調整R2為0.797，說明進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關系，即是否存在序列相關，一般認為，DW 值應該在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的問題。

表5 最優模型摘要Tab.5 Summary of Optimal Models

通過對方差分析，F檢驗結果可以檢驗回歸方程的顯著性，若F檢驗對應的相伴概率P（Sig值）小于0.05，則說明回歸方程達到顯著水平。表6中的方差分析結果 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，整體達到顯著要求。

表6 方差分結果Tab.6 Variance score

通過對進入方程的四個自變量回歸系數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，促成因素的標準化回歸系數為0.345，p值為0.000，小于0.05，達到顯著水平，說明促成因素對使用意愿有顯著的正向影響；社會影響的標準化系數為 0.309，p值為 0.000，達到顯著水平，說明社會影響對使用意愿有顯著的正向影響；課程聲譽的標準化回歸系數為 0.226，p值為 0.000，小于0.05，達到顯著水平，說明課程聲譽對使用意愿有顯著的正向影響；績效期望的標準化系數為0.154，p值為0.000，達到顯著水平，可見績效期望對使用意愿有顯著的正向影響。

表7 回歸方程系數統計結果Tab.7 Statistical results of regression equation coefficients

4 研究結論

分析影響學習者使用MOOC意愿的關鍵因素，對大規模在線課程資源建設、教學活動設計、精準支持服務以及更加科學的管理等具有幫助作用，因此十分重要。本研究以技術接受與采納整合理論為指導，通過多元線性回歸方程，對影響學習者使用MOOC學習的關鍵因素進行了科學分析。研究發現，在教學創新、努力期望、社會影響、促成因素、課程聲譽、感知風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習者利用MOOC學習意愿的關鍵因素，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發揮更大的作用，提高學習者的使用率，今后要特別關注教師支持服務能力的建設，強調教師對學習者進行工具性指導、知識性引領、情感性幫助、社交性互動等。在社會性因素方面，要營造積極的促進氛圍，如學校鼓勵學生通過MOOC跨校修讀學分、老師在所講授的課程中輔以MOOC應用等。另外，學習者的績效期望越高，其對MOOC的使用意愿就會越強，課程聲譽會增加學習者的使用動力，所以通過“名校、名師、名牌”等方式，保障MOOC的內容針對性和眾所周知性至關重要。