大學生在線學習平臺不持續使用行為研究
——感知過載視角

金永林，張玉榮，方港華

（浙江樹人大學管理學院，浙江杭州 312028）

隨著互聯網尤其是移動互聯網的快速發展，大量在線學習平臺不斷出現，高校中大學生學習行為也由傳統的單一課堂學習向線上課程平臺學習轉變。目前高校各類在線學習平臺層出不窮，如慕課平臺、精品課程網站、百詞斬APP、扇貝學習社群等各種類型的在線平臺愈來愈多樣化。大學生一方面在專業學習領域通過教師引導開展基于在線學習平臺的課程學習，另一方面針對自己的興趣愛好、技能考試等需要開展基于在線學習平臺的自主學習。但是我們發現學生的學習平臺使用意向會隨著時間的推移出現明顯降低，不少大學生對在線學習平臺開始產生反感情緒，出現使用倦怠現象，表現出降低使用頻率、短暫中斷、永久停止或轉移到其他學習平臺的不持續使用行為。該文以S-S-0 理論框架為基礎，構建大學生在線學習平臺不持續使用行為研究模型，剖析不持續使用意向形成機理，這對提高大學生在線學習質量具有積極的現實意義，還可以豐富不持續使用意向研究，拓展其在高等教育領域的應用研究。

1 文獻回顧與假設提出

1．1 系統功能過載與使用倦怠、不滿意度

技術發展的同時，一些學者逐漸接觸到技術過載這類現象，例如，Karr-Wisniewski et al.(2010)等發現：過高的信息技術并不能引起效率的提高，相反還可能降低效率[1]。他們深入研究發現技術過載就包含系統功能過載。系統功能過載反映了大學生在線學習平臺功能與大學生需求之間的不匹配，認知匹配理論(2006)提出：不必要的功能會增加用戶的認知負擔，額外的功能不但對用戶來說毫無價值，而且可能對用戶造成一定的選擇性干擾[2]。此外，Lee 和zhang(2016) 都證實了系統功能過載會顯著影響社交媒體倦怠[3]。類比，當大學生在線學習平臺功能需求超過大學生需求時，有一部分功能不僅對用戶學習上沒有幫助，反而還使得大學生的操作干擾性增強，這時大學生會對在線學習平臺功能感知過載，從而產生倦怠感。此外，Thompson 等(2005)指出顧客在購買之前會選擇功能多的產品，但在使用過程中，功能多的產品會導致用戶的厭煩和不滿意情緒[4]。在大學生在線學習平臺中，系統功能過載是大學生對于平臺功能的自我感知，因此平臺功能越復雜，大學生就得花費更多時間和精力來研究這些功能，從而使得大學生產生不滿意情緒。

基于上述理論，提出假設：H1a：系統功能過載正向影響使用倦怠；H1b：系統功能過載正向影響不滿意度。

1.2 信息過載與使用倦怠、不滿意度

在信息系統領域，信息過載現象被定義為由于輸入超過容量限制而導致響應率下降。在給信息系統輸入大量信息時，一旦輸入超過了處理能力系統就會因為信息過載而崩潰，響應速度就會下降。Kim(2012)表示信息量太多是誘發SNS 用戶疲勞的主要因素。尤其是移動SNS，不受時間和空間限制的特性會導致共享信息超載，增加SNS 用戶的壓力和負擔，進而導致SNS 使用率下降[5]。在大學生在線學習平臺的使用中，一方面如果教師推送過多的課程消息，大學生的承載能力有限導致信息過載，另一方面在線學習平臺推送過多的信息，特別是廣告等營銷信息堆積導致信息過多，由于大學生精力和接收信息能力有限，這讓大學生極易產生負擔，使得大學生產生強烈的過載感，從而產生倦怠感。此外，Grover(2006)在研究消費者決策行為時發現消費者信息過載會使得消費者對決策的信心下降，從而導致決策效率降低[6]。這些研究還表明，消費者決策效率下降極易導致消費者產生不滿意的情緒，同樣，大學生在面臨學習平臺信息過載時可能出現不滿意情緒。

基于上述理論，提出假設：H2a：信息過載正向影響使用倦怠；H2b：信息過載正向影響不滿意度。

1.3 社交過載與使用倦怠、不滿意度

社交過載的概念最早出現在社會學中，社會中難免不會出現社交現象，為了維護人們所在的圈子、階層等，人們不得不投入更多的時間和精力去維護社交，而這在一定程度上會引起人們的厭倦、疲憊等，這個現象被稱為“社交過載”。Joinson 等（2011)在研究了社交媒體平臺的超載現象之后，提出了“數字擁擠理論”來描述社交網絡的擴展，并將其稱為過度自我暴露[7]。另外，Hidalog(2012)在此基礎上發現過多的自我暴露會使個人感到無聊[8]。因此，社交過載可能導致倦怠。同樣，面向大學生的在線學習平臺也具有社交功能，例如，現在很多大學生在線學習平臺具備好友推薦彈框功能，這也可能導致社交問題。此外，社會學領域的一些研究證明了社交過載與居住滿意度之間存在負相關關系。例如，Mc Carthy and Saegert (1978)通過比較實驗發現，高密度地區的居民容易出現社交過載和低居住滿意度[9]。這種情況在大學生在線學習平臺也同樣存在，當學習平臺過分注重社交時，大學生的學習就會受到影響，從而產生不滿意情緒。

基于上述理論，提出假設：H3a：社交過載正向影響使用倦怠；H3b：社交過載正向影響不滿意度。

1.4 使用倦怠與不滿意度

倦怠是由于實際情況與個體能力出現不一致造成的[10]。根據EDT，不滿意度來自期望與感知績效之間的不確認(Oliver 1981)[11]。大學生在使用在線學習平臺時，發現實際使用情況與期望使用出現偏差，那么他們就會出現使用倦怠感，從而產生不滿意情緒。

基于上述理論，提出假設：H4：使用倦怠正向影響不滿意度。

總而言之，在農業發展中，土肥管理技術對農業經濟作物的產量和質量有著重要的作用。在玉米的土肥管理中，要做好耕種前的準備工作，進行扒土蹲苗，同時做好中期除草、培土，后期淺中耕和免耕直播。在做好土壤耕種時要進行施肥管理，根據玉米生長過程中出現的具體問題進行具體分析，采取相應的措施。在玉米的土肥管理中，可以借助科學技術對玉米生長情況進行管理，提高玉米土肥管理的智能化和數字化，保障玉米的健康成長，提高玉米的產量和質量。

1.5 使用倦怠與不持續使用意向

目前對于不持續使用意向的研究較少，最早用于不持續使用這個概念的研究在醫療領域。例如，王麗等人(2000)在研究青年艾滋病感染和預防時發現青年感染艾滋病的風險因素之一為不持續使用避孕套[12]。此外，高洪彩(2006)在研究云南省艾滋病和其他性傳播病毒的報告中也闡述了相似的結論，即不持續使用避孕套是感染性病毒的因素之一[13]。此后，不持續使用概念逐漸被引用到其他領域，并且有部分學者對不持續使用意向的原因進行了探索。例如，Ravindran 等(2014)通過對Facebook 用戶進行深層訪談，發現用戶對社交網絡產生倦怠后，會產生降低社交網絡使用頻率、短暫中斷使用或注銷社交網絡賬號的傾向[14]。類比大學生在使用在線學習平臺后產生倦怠感也會產生不持續使用的結果傾向。

基于上述理論，提出假設：H5：使用倦怠正向影響不持續使用意向。

1.6 不滿意度與不持續使用意向

戴楨(2019)以S-O-R 為視角，構建移動社交電商場景下用戶不持續使用的理論模型，研究了移動社交電商平臺用戶不持續使用的影響因素，研究表明用戶不滿意度是不持續使用意向的原因之一[15]。此外，Maier 等(2012)提出的不持續使用模型中，不持續使用意向主要由情緒衰竭和滿意度影響[16]。因此，一般將大學生使用在線學習平臺的正面感覺為滿意，負面感覺為不滿意，大學生再次使用學習平臺的意向是由先前使用的滿意度來決定的。當大學生對學習平臺感知不滿意時，他們會產生轉移或退出的意向，這種意向表現為減少使用頻率、短暫中斷、永久停止或轉移到其他學習平臺的不持續使用行為。大學生在使用在線學習平臺后，對其功能、內容、服務會產生一定的評價，當評價低時，大學生會對在線學習平臺產生不滿意情緒，促使大學生產生消極意向，引發不持續使用意向。

基于上述理論，提出假設：H6：不滿意度正向影響不持續使用意向。

綜上所述，該文研究模型如圖1 所示。

圖1 研究模型

2 研究設計

2.1 變量測定

該研究采用實證研究，量表設計在參考已有的成熟量表的基礎上進行設計，具體量表來源和量表設計如表1 所示。

表1 變量測定

2.2 數據收集

該研究采用線上問卷調查和線下問卷調查的方式，其中線上問卷調查主要通過問卷星進行調查，線下主要去浙江5 所高校(浙江大學、浙江工業大學、浙江師范大學、浙江工商大學以及浙江樹人大學)進行調查。為了保證問卷的真實性，我們對每位調查對象贈予一個小禮品。問卷調研時間為2020年9月1日至10月1日，歷時一個月。問卷調查結束后，共收到520 份問卷，其中發現有極少部分調查者沒有使用在線學習平臺，調查組對這些問卷進行了剔除處理并排除無效問卷，最終獲得有效問卷442 份問卷，有效率為85.00%[17]。其中，調查對象的基本情況如表2 所示。

表2 樣本特征統計

3 數據分析與結果

3.1 信度與效度分析

表3 因子分析結果

從表3 的數據可以發現Cronbach'sα 系數均高于0.7，各個測度項因子載荷均為0.6 以上，說明問卷信度和效度較好。

3.2 假設檢驗

對模型假設檢驗之前我們采用SPSS 21.0 軟件對數據進行相關分析，初步統計后發現各變量之間顯現出較強的正向相關性。再運用Smart PLS 3.0 軟件對大學生在線學習平臺不持續使用行為研究模型進行SEM 分析，具體結果如表4 所示。

表4 路徑檢驗結果

從表4 可以看出3 種過載(系統功能過載、信息過載、社交過載) 均對使用倦怠和不滿意度具有影響，其中系統功能過載和信息過載具有顯著影響，社交過載只有小部分影響；使用倦怠和不滿意度對不持續使用意向均有顯著影響，所有的假設均成立[18]。

3.3 中介作用分析

該文通過SPSS 21.0 軟件研究了使用倦怠(D)對于感知過載[系統功能過載(A)、信息過載(B)、社交過載(C)]和不滿意度(E)之間的中介作用，具體檢驗結果如表5 所示。其中，Ⅰ表示自變量，Ⅱ表示中介變量，Ⅲ表示因變量。

表5 使用倦怠中介效應

從表5 可以看出使用倦怠(D)在感知過載【系統功能過載(A)、信息過載(B)、社交過載(C)】和不滿意度(E)之間起到部分中介作用。

4 結語

4.1 研究結論

該文以感知過載為視角，基于S-S-O 理論框架，構建大學生在線學習平臺不持續使用行為研究模型，研究了大學生在線學習平臺使用倦怠和不滿意的影響因素，以及不持續使用意向形成機理研究，研究結果如下。

（1）大學生在線學習平臺感知過載(系統功能過載、信息過載、社交過載)正向影響使用倦怠，這一結果表明大學生使用倦怠程度不僅與在線學習平臺的功能有關，還與在線學習平臺的信息發布和社交功能有關[19]。

（2）使用倦怠在感知過載與不滿意度之間起到部分中介作用，這表明大學生在線學習平臺感知過載通過影響使用倦怠進而對在線學習平臺產生不滿意度。

（3） 使用倦怠和不滿意度正向影響大學生對在線學習平臺的不持續使用意向，這表明當大學生對某個在線學習平臺感到倦怠或不滿意時會引發不持續使用結果傾向，具體表現為使用頻率下降、短暫中斷、永久停止或轉移到其他學習平臺的不持續使用行為[20]。

（4）社交過載對于感知過載和信息過載來說正向影響使用倦怠和不滿意度的影響因子較小，由此可見大學生在線學習平臺更加注重功能屬性和信息屬性，社交屬性相對沒有那么重要。

4.2 研究啟示

該研究對在線學習平臺課程教師和大學生在線學習平臺開發商和運營商有以下幾點啟示。

（1）信息過載是影響大學生使用在線學習平臺使用倦怠和不滿意度的因素之一，因此對于課程教師來說，在線課程建設與教學設計中要注重信息的適度，例如，適當發布一些課程消息，注重課程資源的針對性，增加一些讓學生真正實用的課程內容。社交過載也一定程度正向影響大學生在線學習平臺使用倦怠和不滿意度，因此課程教師不要過多地讓學生處于在線學習平臺的社交中，對在線交流討論、小組合作學習等控制節奏與頻率[21]。

（2）對于平臺開發商和運營商來說，在平臺界面、功能設計上力求簡潔明了，以減少因功能過多而帶來的倦怠感，減少廣告營銷信息和好友推薦彈框，同時后臺加強大數據統計，及時反饋學生使用狀態和趨勢，為教師調整教學設計提供參考。