大學生手機個性化學習滿意度影響因素實證研究

謝印成　王志華　陸玉梅　徐華　田真平

摘? ? 要：在以5G技術為代表的移動互聯時代，手機個性化學習已成為大學生自主學習的重要手段和高校教學模式改革的重要方向。運用SPSS和AMOS統計軟件，探索驗證了大學生手機個性化學習滿意度結構方程理論模型（SEM），其中資源形式對大學生個性化學習滿意度影響最大，學習期望、感知質量和感知價值對大學生個性化學習滿意度均有不同程度的正向影響;根據SEM模型、建議從教學理念、資源形式、師生協同交互、平臺環境等多方面提升大學生手機個性化學習滿意度。

關鍵詞：手機學習;手機個性化學習;滿意度;對策

中圖分類號：G642? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ?文章編號：2095-7394（2021）01-0107-09

教育的真諦是要將尊重人的個性擺在首位，讓每個學生的個性都能得到充分發展[1]。在快節奏且崇尚和張揚自我個性的“后工業化”時代，注重學習者的自我需求和差異化就顯得尤為重要，可以認為個性化學習將成為未來教育研究和發展的重要方向[2]。作為使用便利、易攜帶、功能豐富的智能移動設備——手機，無疑是最適合學習者個性化學習的重要工具。

手機個性化學習是根據個人個性特點和發展潛能達到自我實現、追求個性化和獲得全面發展的學習過程[3]。國內教育技術界黎加厚、焦建利和王竹立等知名專家對手機用于大學生個性化學習均給予了明確支持和鼓勵，認為手機是一項足以改變傳統教學模式、充分實現個性化學習的革命性技術[4]。作為一種新型的現代學習方式，近年來手機學習得到了不少學者的關注與研究，這些研究成果多是關于手機學習、手機學習能力、手機學習接受度和手機學習行為意向等方面的影響因素研究[5-8]，以及手機在大學生課程學習中的個案應用研究等[9]，而針對大學生手機學習的個性化滿意度方面的研究還不多見、不夠深入。為此，希望通過本研究能夠為提升大學生手機個性化學習滿意度提供更好的資源和服務保障，為促進手機在大學生移動個性化學習中的深入應用提供一些實踐參考價值。

一、樣本數據

（一）問卷設計與調查方式

本課題根據有關參考文獻的研究成果[10-11]，采用Likert五級量表[12]（從“非常不同意”到“非常同意”分別取值1、2、3、4、5）調查大學生對手機個性化學習滿意度的認知情況;同時，加入被調查對象的學習專業學科、年級、性別和手機系統等調查選項，以便了解這些外界因素對大學生移動個性化學習滿意度的影響等。整個問卷由24個量表選項和4個非量表選項組成。

調查問卷通過問卷星（www.wjx.cn）進行收集，在學校教務管理部門的大力支持下，將調查問卷地址鏈接推送到全校各班級，建議每個班級至少有3～5名以上同學在線填寫調查問卷，最后通過問卷星平臺共收集到問卷1 256份。學生對象包括本校不同年級、不同專業的大學生，這樣在一定程度上保證了問卷的數量與質量。根據問卷回答時間維度和選項唯一情況對收集到的問卷進行篩選，最終篩選出有效問卷966份，問卷有效率為76.91%，問卷樣本數量超過調查測量變量總數的10倍以上[13]，樣本規模具有一定的代表性。

（二）樣本描述性統計與分析

運用SPSS軟件對本次調查對象的基本信息進行了描述統計（結果見表1），從表1可以看出，本次調查對象女生比例相對較高，人數是男生的2倍以上;在手機系統方面采用安卓（Android）系統最多，這也與現實情況相符。大學生年級分布情況也比較符合實際，本次調查問卷主要面向大二以上年級學生，大一新生對移動教學還比較陌生。另外，從學科分布來看，文科學生最多，占到有效樣本50%以上，而文科學生一般女生較多，這也合理解釋了性別中女生比例是男生2倍以上的現象。

二、大學生手機個性化學習滿意度SEM構建

（一）模型變量界定與假設

本研究參考文卡特希（Venkatesh）和郭卡等學者的研究成果[14-15]，援引整合型技術接受與使用理論（UTAUT）[16]模型和美國客戶滿意度模型（ACSI）的結構，提出了由5個潛變量和4個調節變量構建的大學生手機個性化學習滿意度假設模型（見圖1）。其中，資源形式、學習期望為外因潛變量，感知質量、感知價值和個性化學習滿意度為內因潛變量。

學習期望包含學生對名校、名師和學習平臺的知名度、影響力等方面的認知情況;資源形式包括對文本、視頻和動畫等資源表達形式的認知情況;感知質量主要通過課程介紹頁、信息提醒、答疑解惑、平臺功能等方面進行測量;感知價值則通過師生互動、同伴交流、社會影響和認證證書等選項進行測量;個性化學習滿意度主要通過包括對學習興趣愛好、個性化期望、及時性和學習效率、學習成績等方面的測量獲得。

本研究提出以下假設：①學習期望、資源形式對感知質量、感知價值對個性化學習滿意度均有顯著影響;②感知質量、學習期望、資源形式對感知價值有顯著影響;③資源形式和學習期望對感知質量均有顯著影響。

（二）調查問卷信度和效度檢驗

信度和效度是任何測量工具不可或缺的條件，是檢驗調查結果一致性和對測量概念是否正確的2個重要檢驗統計量[9]。通過SPSS18.0數理統計軟件對24個量表調查選項進行信度分析（如表2），可以看出檢驗總量表的Cronbachs Alph值為0.936，說明調查數據可靠具有穩定性，可以進行下一步實證分析[17]。同樣，通過對29個量表選項的因子分析（結果見表3），可以看出KMO檢驗統計量為0.938（Bartlett 的球形度檢驗：近似卡方=13 687.212，df=406，Sig.=0.000≤0.05），效度統計量值超過0.9，說明該調查問卷具有良好的一致性，變量間的相關性強，適合進一步作因子分析[18]。

（三）因子分析

因子分析是能夠將一群具有共同特性的測量分數抽離出背后構念的統計分析技術[19]，本研究運用SPSS工具采用主成分分析法進行因子分析，各因子變量經過旋轉后保留5個因子載荷矩陣（結果見表4）。從表4可以看出各因子載荷值均大于0.5，而且提取出的5個因子可以累計解釋61.748%的總方差。因此，適合進行結構方程模型（SEM）分析，進一步驗證5個因子間的影響關系。

（四）SEM構建與修正

結構方程模型（SEM）整合了因素分析與路徑分析兩種統計方法，能夠檢驗模型中的顯性變量、潛在變量和誤差變量間的相互關系，進而獲得自變量對依變量的直接、間接或總效果[20]。表5為運用AMOS軟件使用最大似然估計（Maximum Likelihood）進行模型運算，輸出得到的初始模型相關路徑適配指標情況表，從表5中可以看出“學習期望”和“個性化學習滿意度”之間的路徑系數<0，且p=0.748>0.05的顯著性概率要求，意味此條路徑不存在，相關假設不成立，因此，在下一步模型修正時可以考慮刪除此路徑，表5中其他路徑系數達到了p<0.05的路徑顯著水平。

模型修正通常根據模型輸出的“Modification Indices”修正指標，在各觀察變量的誤差項之間建立關系進行逐步修正，直至模型擬合達到最佳水平。本研究對初始模型進行了修正，圖2為修正后最終得到的SEM模型。在SEM模型修正過程中，放棄了表4中因子載荷系數較小的觀察變量，也使得模型更加精簡。為了檢驗圖2修正后的模型擬合程度，下一步必須要對模型進行擬合評價。AMOS模型擬合評價提供了多種模型擬合指數，通常采用卡方統計量進行檢驗，但是由于卡方統計量容易受到樣本大小的影響。還需同時采用絕對擬合度指標，以及增值擬合度等指標進行綜合評價。

本研究假設的結構方程理論模型經過AMOS軟件修正后輸出的擬合指標和相關路徑系數分別見表6、表7。

從表6可以看出絕對擬合指標、增值擬合度指標均符合參考標準，說明本研究假設模型各擬合參數滿足要求，經過修正后的模型獲得了理想的整體擬合度。同時，圖2手機個性化學習滿意度認知結構方程模型中所有路徑系數值（箭頭線段旁邊的數字）都達到0.05的顯著水平，概率值均為p<0.05（實際修正模型p<0.001），差異臨界比率值（C.R.）均大于1.96，說明SEM中所有的路徑系數總體顯著。而且測量誤差（e）均為正數，各路徑標準化系數均沒有超過0.95，模型擬合度評價沒有超出“違反估計”的參考標準，模型擬合度評價前提條件滿足，研究假設的理論模型與調查數據擬合適度;同時根據參考文獻計算出圖2模型中各潛在變量的“建構信度”值在0.71～0.84之間，均超過標準值0.6，再次驗證本研究問卷題項設計合理、模型內在質量良好。參考以上SPSS軟件的因子分析和AMOS軟件驗證性分析的結果，可以得出修正后假設模型可靠，能夠解釋變量之間的相互影響關系，模型具有研究意義。

（五）調節變量的差異性分析

本研究將專業學科、年級、性別和手機系統等調節變量，作為檢驗是否對學習期望、資源形式、感知質量、感知價值和個性化學習滿意度產生影響。通過SPSS軟件對性別、手機系統二分變量進行獨立樣本T檢驗，檢驗表明性別對SEM模型各維度均沒有顯著差異，而手機系統在感知價值維度上Sig.（雙側）=0.017<0.05，達到顯著水平，表示大學生使用不同的手機操作系統進行手機學習在感知價值上有顯著性差異存在，通過比較標準差與均值，可以發現使用安卓手機系統的大學生在感知價值上要顯著低于IOS系統的大學生，說明使用IOS手機系統的大學生在感知價值維度上比使用安卓手機系統的大學生更加敏感。另外，通過單因子方差分析（ANOVA）方法對專業學科、年級2個具有多水平調節變量對SEM模型5個維度的分析，可以發現專業學科對本研究提出的模型維度均沒有顯著影響，而年級在學習期望、資源形式和感知質量3個維度均出現了顯著差異（ANOVA顯著性<0.05）。通過均值和標準差對比發現大一年級新生學習期望均值最小，而感知質量和資源形式均值最大，說明大一新生對手機個性化學習的認知還比較模糊，平時學習中還缺少真正的手機個性化學習實踐，這也與大一新生實際情況相符。

三、研究討論與建議

以上參考整合型技術接受與使用理論（UTAUT）模型和美國客戶滿意度模型（ACSI），建立了由5個潛變量和4個調節變量構建的大學生手機個性化學習滿意度假設模型，并提出了若干個假設。研究表明除了學習期望對個性化學習滿意度沒有直接顯著影響之外，其它假設路徑均成立，這些路徑能夠充分揭示影響手機個性化學習滿意度的關鍵因素，以及潛變量與觀察變量之間的邏輯關系（本研究中各因子載荷系數均超過0.5，最小值為0.53，見圖2）。

（一）大學生手機個性化學習滿意度的影響因素與機制

1.資源形式對大學生手機個性化學習滿意度的影響最明顯

從研究中可以看出，資源形式對直接效應達到0.62，通過感知質量、感知價值的間接效應為0.05=0.43×0.12，影響總效應達到0.67，說明在模型其他維度不變的條件下，資源形式每提高1個單位水平，手機學習個性化滿意度則可以提高0.67個單位，學習資源形式對手機個性化學習滿意度的影響非常重要;另外，感知質量和感知價值對手機個性化學習滿意度都具有正向影響，也說明大學生手機個性化學習滿意度不僅重視資源形式，還比較看重學習資源帶來的收獲如何？只有真正讓學生獲得實際價值的網絡課程資源才能讓學生喜歡，才有可能提升大學生手機個性化學習滿意感受。

2.資源形式對感知價值、感知質量有比較顯著影響

資源形式對感知質量的直接效應為0.5，而對感知價值的總效應達到0.55，由此看出，網絡學習資源形式建設的重要性，各類網絡課程不僅要關注資源量的多少，更要重視資源表達形式的設計質量，要能夠真正遵循“學習者為中心”的課程建設思想[21]，為大學生手機學習提供一些更加有利于師生交互和個性化學習需求的資源形式。

3.學習期望對大學生手機個性化學習滿意度影響較小

學習期望對大學生手機個性化學習滿意度的間接效應為0.02，學習期望對大學生手機個性化學習滿意度影響并不顯著，根據本研究中學習期望構成的觀察變量，可以解釋為網絡學習資源是否由名校、名師或知名網絡學習平臺提供，并不能直接決定大學生手機個性化學習滿意度，說明大學生手機學習還是比較理性客觀，并不是盲目追求“名”效應，而是根據自己的學習需求，有目的地選擇真正有質量、有價值的網絡學習內容。

（二）提升大學生手機個性化學習滿意度的建議

1.堅持以“學習者為中心”的移動教學理念，提升大學生手機生學習的個性化滿意度

互聯網信息技術的飛速發展，使得在線課程資源越來越豐富、表現形式更加多樣化，學習方式更加多元化。但是，許多網絡在線課程仍然沿襲內容統一化、學習方式單一化、學習進程齊步化的傳統線下教學模式，學習者必須要在線統一觀看大量教學視頻、完成大量測驗、作業、討論等等學習任務，才有可能通過課程考試、獲得相應課程學分，整個在線學習過程中很少能夠體現學習者的興趣愛好和個性化學習需求。本研究手機個性化學習滿意度的5個觀察變量中，對手機個性化學習滿意度影響最大為學習興趣和愛好，其次是手機學習的個性化認知，充分說明學習興趣和愛好在大學生手機個性化學習體驗中是一個重要的考量因素。因此，提升大學生手機學習的個性化滿意度，要充分賦予大學生“權利”[22]、再造“學習者為中心”，讓大學生手機個性化學習不僅能夠享受到豐富資源，而且能夠滿足個人學習興趣愛好。

2.注重建設形式新穎、交互體驗性強的學習資源，提升大學生手機個性化學習的過程滿意度

在資源形式的3個觀察變量中，視頻學習資料對資源形式的影響最大，其因子載荷系數為0.81，其次影響較大的是動畫、虛擬現實學習資源和文本形式的學習內容（系數分別為0.77、0.67），充分說明在Web3.0技術支撐下的移動互聯網時代，具有在學習者、學習內容等多元素之間進行多模式交互的學習資源越來越受到喜愛和關注[23]。這些數據對當前各類在線課程建設具有一定的實踐指導價值，特別是對當前正在積極建設的省級、國家級精品在線課程，要結合手機個性化學習的特點，建設一些講解透徹、定位明確、結構完整、畫質清晰，具有碎片化、結構化、可視化等適合移動學習資源特征的“金課”。教育部已經提出到2022年要建設2萬門“金課”（國家和省級各1萬門），伴隨這些線上“金課”的實施，相信手機個性化學習會受到越來越多的大學生喜愛，發展的空間也會越來越大。

3.增加師生、學伴相互之間的協同學習互動頻率，提升大學生手機個性化學習的情感滿意度

在感知價值的4個觀察變量中，對感知價值影響最大的觀察變量是學習同伴和師生之間的互動交流2個觀察變量（因子載荷系數分別為0.74、0.73），說明在大學生手機個性化學習過程中師生和學伴之間的互動、協作，對大學生手機學習的滿意度影響作用也比較明顯，手機學習氛圍、示范效應同樣也不可忽視。因此，基于手機的個性化、自我控制的主動學習，并不是說教師可以放任不管，只要把學習資源上傳到網絡平臺上便萬事大吉，事實上，在學生自我學習過程中肯定會遇到一些學習障礙，除了可以自己通過一定渠道獲得解決方法，有的問題可能還是需要和教師進行溝通、獲得老師的幫助，或者教師利用網絡討論空間發動同學們互相交流，及時為學生學習答疑解惑，從而實現協作式學習，激發同學們的學習興趣，提升大學生手機個性化學習的情感滿意度。

4.構建高質量的移動網絡課程學習平臺環境，提升大學生手機個性化學習的期望滿意度

在學習期望的3個觀察變量中，名校、名師2個網絡課程觀察變量對學習期望影響最大，由此說明，大學生未來不僅會越來越習慣利用手機進行個性化學習，而且還比較看重名校、名師提供的網絡課程資源。伴隨5G時代的到來，移動學習已經成為一種不可阻擋的學習潮流，手機學習已是大勢所趨。但目前“流量貴、速度慢”、平臺（APP）功能個性化不足，依然是導致在線課程“完課率”低的重要原因。現實生活中，一些來自西部貧困地區的大學生家庭經濟比較困難，使用的手機功能簡單、性能較弱，更沒有多余的經費購買網絡流量，甚至極個別家庭困難的大一新生還沒有手機。因此，教育部門要給予這部分學生盡可能的學習幫助，要為在校大學生提供一個免費的Wi-Fi校園，在解決大學生移動學習流量困擾、減輕部分大學生家庭經濟困難的同時，也能很好地促進大學生采用手機學習方式進行高效學習[24]，提升大學生手機個性化學習的期望滿意度，進一步推動本科教育模式的創新改革。

參考文獻：

[1] 姜強，趙蔚，李松，等.大數據背景下的精準個性化學習路徑挖掘研究：基于AprioriAll的群體行為分析[J]. 電化教育研究， 2018（2）：45-52.

[2] 郭少青.個性化教育的新方向：美國微型學校的發展與啟示[J]. 現代教育管理， 2018（4）：122-128.

[3] 牟智佳.“人工智能+”時代的個性化學習理論重思與開解[J].遠程教育雜志，2017（3）：22-30.

[4] 本刊編輯部.教育技術的創新應用：反思與展望[J]. 開放教育研究， 2017（1）：4-17.

[5] 韓闖.個性化學習視角下大學生手機移動學習影響因素分析[D].大連：遼寧師范大學，2018.

[6] 徐佳程.基于SEM的大學生移動學習能力影響模型研究[D]. 金華：浙江工業大學，2016.

[7] 熊明珠.大學生移動學習接受度的影響因素研究[D].蘇州：蘇州大學，2015.

[8] 郭然然.高校學生手機移動學習行為意向影響因素研究[D]. 金華：浙江師范大學，2015.

[9]卓毅，李亞麗.基于智能手機的移動學習在大學生中的應用研究[J].西南師范大學學報（自然科學版）， 2014（5）：45-51.

[10] 周晶，白志剛， 張一春. 職業教育移動學習現狀調查研究[J].職業技術教育，2018（8）：51-55.

[11] 鄭云翔.信息技術環境下大學生個性化學習現狀研究[J].中國遠程教育， 2015（7）：19-25.

[12] 榮泰生.AMOS與研究方法[M].重慶：重慶大學出版社，2019：39-50.

[13] NUNNALLY J C. Psychometric theory [J]. American Educational Research Journal，1978，5 （ 3） ： 83

[14] VENKATESH? V， MORRIS MG， DAVIS GB， et al. User acceptance of information technology： toward a unifiedView [J]. MIS Quarterly， 2003， 27 （3）： 425-478.

[15] 郭卡. 中國大學MOOC平臺學習者滿意度影響因素研究[D]. 大連：遼寧師范大學，2016.

[16] DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology[J]. MIS Quarterly，1989，13 （ 3） ： 319-341

[17] 毛霞.基于結構方程模型的大學生創業素質培養實證研究[J]. 重慶師范大學學報（自然科學版）， 2014（3）：135-139.

[18] 陳希鎮.現代統計分析方法的理論和應用[M].北京：國防工業出版社，2016：223.

[19] 邱皓政.量化研究與統計分析：SPSS （PASW） 數據分析范例解析[M]. 重慶：重慶大學出版社， 2013：333-335.

[20] 吳明隆.結構方程模型[M]. 2版.重慶：重慶大學出版社， 2017：149-155.

[21] 姜強，趙蔚，李松，等.MOOC低完課率現象背景下的設計質量有效規范實證研究[J].電化教育研究， 2016（1）：51-58.

[22] 劉和海， 潘陽. “以學習者為中心”：賦權理論視角下的個性化學習實踐邏輯[J].中國電化教育， 2018（8）：105-111.

[23] 翁克山. Web3.0技術與繼續教育的聚合：基于云服務雨課堂的混合教學模式研究[J].成人教育， 2019（3）：73-78.

[24] 宋少婷，王明嬌.基于智能手機的移動學習在高校教育中的應用研究[J].中國教育信息化，2009（12）：80-82.

責任編輯? ? 張棟梁

Abstract： In the age of mobile Internet represented by 5G technology， mobile personalized learning has become an important means of autonomous learning for college students and an important direction of teaching mode reform in colleges and universities. Based on the data retrieved from SPSS and Amos statistical software，this paper explores and verifies the structural equation model （SEM） of mobile personalized learning satisfaction of college students， in which the resource form has the greatest impact on college students personalized learning satisfaction， learning expectation， perceived quality and perceived value have different degrees of positive impact on college students personalized learning satisfaction. According to the SEM model， it is suggested to improve the individual learning satisfaction of college students from teaching concept， resource form， collaborative interaction between teachers and students， platform environment and other aspects.

Key? words： mobile learning; mobile personalized learning; satisfaction; countermeasures