基于技術接受模型的“VR駕駛學習”使用意愿
——以江西省大學生為例＊

江西財經大學 周煒超 周奇 程昊 黎洋 彭萱瑜

本文基于技術接受模型（TAM），建立VR駕駛學習使用意愿概念模型，并結合結構方程模型（SEM）對研究假設進行檢驗，探索影響VR駕駛學習用戶使用意愿的因素。研究結果表明：VR駕駛學習的技術特性對感知有用性、感知易用性均呈現顯著的正向影響；感知有用性對使用意愿的直接影響效果并不明顯，而經由使用態度會間接對使用意愿產生顯著正向影響；感知易用性對使用態度有顯著的正向影響。最后結合分析結果提出VR駕駛學習改進建議。

1 研究背景

近年來，駕照報考人數連年增長，但是駕校收費混亂、教練素質堪憂、一人練車多人觀望的現象層出不窮。不少人致力于思考如何改善傳統駕校服務質量，同時也不乏為學車重新尋找新的出路。我們見證了科技革命和產業變革愈演愈烈，VR、5G等新興科技成為了各行各業的熱門話題，VR+文旅、VR+購物等新技術如雨后春筍般涌現。為了引導我國VR技術產業健康發展，工業和信息化部于2018年印發了《關于加快推進虛擬現實產業發展的指導意見》。作為全國VR技術的“領頭羊”省份之一的江西省，為加快落實支持VR技術產業發展，于2019年發布了《江西省虛擬現實產業發展規劃（2019-2023年）》。本研究響應國家和江西省號召，結合當下傳統駕校轉型的趨勢，在VR+服務業中尋找切入口，著眼于VR與駕駛學習服務產業結合，通過問卷調查的形式，以江西省大學生為調查對象，通過對問卷信息定量分析，整理出江西省大學生對于VR駕駛學習的使用意愿和看法，從而為VR駕駛學習的應用和推廣提供理論支持。

2 VR駕駛學習研究現狀

目前國內學者多數聚集在研究VR駕駛在其他領域的應用，而研究VR+駕駛學習的較少。僧家祥等認為VR/AR技術在“云上辦公”中的應用可以極大程度地降低云上辦公中自動駕駛的安全隱患。侯長海指出“51Sim-One無人駕駛仿真平臺”已經在L3-L4無人駕駛仿真訓練及測試領域初步建立了優勢，這為研發自動駕駛技術的車企提供更加接近于實際路況的宏觀、微觀動態的交通場景，并能夠滿足使用者定制化的需求。

此外，VR+駕駛學習技術的研究基礎良好，并仍在不斷發展。早在2007年，吳民就運用三維實體建模對于虛擬駕駛訓練系統進行了設計，根據虛擬駕駛汽車的需求設計相應的邏輯結構，為推廣虛擬駕駛學習技術提供了技術模型和基礎鋪墊。此后，王明羽在其論文中對于虛擬駕駛學習的關鍵技術進行了對比分析和完善，第一次基于“Inside-out”空間定位技術的三星玄龍設備與具有最新“Shader”技術的Unity 3D開發引擎作為虛擬駕駛實現的軟硬件開發環境,并以此進行具有高度沉浸感的虛擬環境開發[1]。

國外關于VR的研究整體上領先于國內，但是在VR駕駛學習的領域同樣處于研究的探索階段。2006年，Schultheis等在其論文中研究了一種新的駕駛評估臨床方法，并分析了VR自動駕駛對于腦神經損壞患者的幫助和應用的可行性，他們指出可以通過虛擬現實技術模擬出新的駕駛性能指標，從而進一步增強對于這部分群體的幫助；2010年，Janus提出了基于Web的沉浸式虛擬現實駕駛平臺協同設計體系結構，為使用VR學習駕駛技術的人們創設一個具有互聯特性的平臺，從而打造更加高效的VR駕駛學習體系。

由此可見，VR+駕駛雖然已經在駕駛方面的某些領域，如自動駕駛有初步探索，但有針對性地研究VR運用在學習駕駛方面的文獻很少，而且綜合目前所有對于VR駕駛的研究，極少學者從受眾者即需求方角度，以數據分析的方式探討人們對于該技術的了解程度和使用意愿。缺乏需求方角度的分析，就無法從供需雙方的角度系統、全面地思考該技術的應用和推廣前景和價值。總的來說，這些成果為本團隊研究VR駕駛學習項目提供了一定的基礎和參考價值，同時又存在研究缺口急需彌補。

技術接受模型在研究行為意愿影響因素中優勢明顯。宋文杰等利用TAM并引入感知成本、個體創新作為外部變量，研究發現移動圖書館有用且易用、其服務尚未收費、用戶對新鮮事物的探索嘗試欲望強能夠促進用戶的使用意愿。郭英之等通過引入感知配合度等因子擴展TAM，研究表明使用移動支付購買旅游產品可選擇范圍廣、與用戶關系親密的人的正面評價等因素能夠促進消費者的使用意愿。因此TAM用于分析新事物的用戶使用意愿影響因素效果較好[2]。

綜上所述，本文擬以技術接受模型為基礎，以江西省大學生群體為例，分析VR駕駛學習受眾者行為與使用意愿的影響因素，提出若干研究假設后，結合調研結果和結構方程模型量化測算變量之間的路徑影響，揭示VR駕駛學習使用行為的影響機理和作用路徑，挖掘這片尚未耕耘的“藍海”領域。

3 VR駕駛學習理論模型與研究假設

3.1 VR駕駛學習研究技術接受模型

技術接受模型（TAM）是分析用戶對新事物的接受程度和使用意愿最有影響力的模型之一。參考Davis等人的描述，該模型核心有以下5個關鍵要素，分別是：（1）感知有用性（PU），即用戶感覺該新事物為生活帶來的便利程度；（2）感知易用性（PEOU），即用戶感覺該新事物上手難易程度；（3）使用態度（AT），即用戶接觸該新事物時的感受、態度和評價；（4）使用意愿（BI），即用戶傾向于使用該新事物的程度，以及使用后的反饋或分享意愿；（5）外部因素，如技術特性（VF）。這5個關鍵因素相互影響，密不可分。由于本文是關于VR駕駛學習技術接受和使用意愿方面的研究，技術接受模型的優點，與本研究契合度極高[3]。

3.2 基于技術接受模型的VR駕駛學習研究假設

VR駕駛學習是一項新興技術，其用戶使用行為決策體現為從感知到使用態度再到使用意愿的邏輯，本文假設TAM模型假定同樣適用于VR駕駛學習接受和使用意愿的研究中，因此提出如表1所示的假設。

表1 假設內容匯總Tab.1 Summary of assumptions

結合以上理論假設，繪制影響關系傳導圖如圖1所示。

圖1 TAM基礎上拓展的VR駕駛學習使用意愿模型Fig.1 VR driving learning intention model based on TAM

4 基于技術接受模型的VR駕駛學習研究設計

4.1 VR駕駛學習研究問卷設計

本研究的量表設計從上文五個維度設計了5個潛變量，16個題項。該份問卷主要由兩個板塊組成：第一板塊是研究對象基本情況調查；第二板塊測量題項旨在研究模型中各潛變量的測量。該份量表采用李克特五級程度的判斷（非常不同意、不贊同、不一定、同意、非常同意），分別計為1～5分。具體指標設計如表2所示[4]。

表2 模型變量指標體系Tab.2 Model variable index system

4.2 調查問卷結果描述統計

此次調查針對江西省大學生采用隨機抽樣的方法收集樣本數據，累計收集233份問卷，經過人工檢查和篩選，剔除了用時過短、連續多題答案重復的樣本，最終得到有效問卷217份，問卷有效率為93.1%。如表3所示從基本特征來看，受訪對象中男女比例平衡，女性占53.5%，稍微高于男性學歷主要集中在本科(87.1%)。在對VR駕駛學習了解程度方面，71%的調研對象表示聽過但不了解，9.2%的調研對象對VR駕駛學習的了解程度較高(用過有些了解、很了解)，86.2%的調研對象有意愿使用VR駕駛學習。

表3 樣本基本特征情況Tab.3 Basic characteristics of samples

5 調查問卷結果數據分析與研究模型假設檢驗

5.1 問卷量表信度效度檢驗

為了保證問卷調查結果能夠反映出真實現象及分析結果具有策略意義，必須先對量表題進行信度及效度驗證。利用SPSS26進行信度和效度檢驗，如表4所示，5個因子的克隆巴赫Alpha值全部大于0.7，說明問卷設計的量表具有良好的信度，數據是一致、穩定、可靠的。KMO值均大于0.6，Bartlett球形檢驗在0.05的水平上顯著，表明問卷具有結構效度，樣本數據適合進行因子分析(1)。

表4 各分量表信度效度檢驗結果Tab.4 Reliability and validity test results of each subscale

5.2 VR駕駛學習研究結構方程模型分析

結構方程模型(Structural Equation Modeling, SEM) 是基于變量的協方差矩陣來分析變量之間關系的一種多元統計方法，適用于研究多個自變量和多個因變量之間

的傳遞效應和影響關系。技術接受模型和結構方程模型的結合運用，能夠在建立合理假設的基礎上有邏輯地進行影響因子研究，同時能夠驗證假設的顯著性和科學性。

5.2.1 結構方程模型擬合效果適配度檢驗

為了保證模型的適用性，需要對模型擬合效果做檢驗。運用AMOS軟件得到擬合結果如表5所示。檢驗結果均符合標準，說明本研究數據運用結構方程模型比較合適(2)。

表5 模型擬合效果Tab.5 Model fitting effect

表 6模型標準化路徑系數表Tab.6 Path coefficient of model standardization

表 7研究假設結論匯總表Tab.7 Summary of research assumptions and conclusions

5.2.2 結構方程模型結果分析

利用AMOS對模型的傳導關系進行探索和檢驗，得到標準化路徑系數和顯著性情況如圖2和表6所示[5]。

圖2 VR駕駛學習結構方程模型（標準化系數）Fig.2 Structural equation model of VR driving learning (standardization coefficient)

模型檢驗結果表明，除假設H4不成立外，其余假設都成立，結果匯總如表7所示。

6 VR駕駛學習研究結論與建議

6.1 VR駕駛學習研究結論

本文在運用技術接受模型的基礎上，加入了VR駕駛學習技術特性作為外部變量，對原模型進行拓展，并利用結構方程模型驗證理論假設和探討影響用戶使用意愿的因素，得到結論如下：

VR駕駛學習技術特性對感知有用性和感知易用性均呈現顯著的正向影響，標準化的影響系數分別為0.47和1.04，即用戶對VR駕駛學習技術特性的滿意度每提高一個單位，就能帶來用戶對其有用性的認可度增加0.47個單位，以及對其容易上手的認可度增加1.04個單位。究其原因：（1）室內進行的VR駕駛學習在規避酷暑嚴寒的惡劣天氣中具有天然的優勢，學員不再需要在烈日炎炎或者刺骨寒風中無奈地排隊練車，從而讓用戶真實地感覺到VR駕駛學習帶來的便利。（2）VR駕駛學習借助VR眼鏡、動感模擬器，結合通俗易懂的操作手冊和功能按鍵，給用戶帶來十足的體驗感，同時能夠依靠強大的數據庫，為每位用戶生成貼合自身風格的個性化學車方案，讓學車考駕照變得更加輕松。（3）人性化的指導、糾錯方式，讓學員免于低素質教練的折磨，同時強化用戶駕駛安全意識，幫助用戶及時改正駕駛中的陋習，指導用戶高效練車。

感知易用性對感知有用性有顯著的正向影響效果，標準化的影響系數為0.42。VR駕駛學習技術的應用，讓學員在很大程度上依賴模擬器即可完成學車練車，即意味著降低學車費用可由通過削減教練方面開支來實現，而且省去了黑心教練亂收費的額外支出。另外，簡易并且“隨叫隨到”的設置操作，大大減少了學員學車的用時。因此，易上手的VR駕駛學習技術，除了讓用戶眼前一亮之外，能夠真真切切地給生活帶來方便。

感知有用性不直接影響使用意愿，而是通過結合感知易用性影響使用態度從而間接影響使用意愿，感知有用性對使用態度標準化的影響系數為0.35，使用態度對使用意愿為1.13。降低學車有形、無形的支出，及時糾錯、避免一人練車多人等待等，這些VR駕駛學習帶來的好處，能夠極大地促進用戶對其認可和接納，從而做出選擇使用并且向身邊人推廣VR駕駛學習模擬器進行學車的決定。但是，如果其僅僅功能強、有用，并不能直接讓用戶給予認同。

感知易用性不僅直接影響使用態度，而且通過使用態度間接影響使用意愿。VR駕駛學習是一項新興技術，自然要求其實用、易用才能捕捉用戶的眼球。但比起認為這項技術有用，用戶更看重這項技術親民易上手。如果VR駕駛學習在功能領悟、引導用戶操作使用方面多下功夫，將更容易收獲用戶的正面反饋。

6.2 VR駕駛學習研究建議

6.2.1 加快關鍵技術研發

VR駕駛學習涉及到多種關鍵技術，如高精度、高分辨率的VR設備、電子控制技術、精準的報錯系統、完備的數據庫、個性化指導學習建議自動生成機制等。目前來說，VR駕駛學習硬件技術研究不足，不少用戶反映使用該設備容易“暈車”，如何在保證VR駕駛學習設備在提供高精確度、逼真的學車環境的同時，突破關鍵技術研發，從源頭上做出改良，改善用戶使用體驗，是當下促進VR駕駛學習技術應用和推廣急需直面解決的問題。

6.2.2 健全操作指導機制

一方面，調研挖掘學員學車習慣和方式，通過提升模擬器和軟件操作便捷性，豐富操作功能；另一方面，需要制作并不斷完善操作指導手冊，使其圖文并茂、一目了然。同時構建清晰易懂的操作指引畫面，結合方便親民的操作按鈕，降低用戶進入門檻，不僅讓接受能力強的大學生掌握使用方法和技巧，還需要讓更年長的社會人士感受到VR駕駛學習帶來的福利。

6.2.3 深耕駕培標準化流程再造

目前各駕校使用的VR駕駛學習模擬器，缺乏國家統一的鑒定標準約束和標準化的流程設計。從應試教育轉向靈活的實際應用教育的關鍵，是國家或行業協會層面建立一套完善、標準、智能化的駕駛培訓流程。憑借標準、規范的培訓流程，才能從教育的思維層面改進傳統駕駛學習的方法和思路，實現全新的教學與訓練模式。

6.2.4 加大宣傳力度，促進社會認知

政府、VR駕駛學習模擬器廠家等積極舉辦VR駕駛學習主題宣講會，提供免費的體驗機會，對用戶體驗及時跟進調查，認真收集、整理和分析用戶反饋。同時要抓住互聯網紅利，通過B站、抖音等大眾平臺直播介紹。鼓勵大主播利用直播平臺高人氣的優勢，向觀眾粉絲介紹VR駕駛學習技術的優點、應用前景，平臺以補貼或者人氣扶持的形式作為回報，使VR駕駛學習的相關知識以深入淺出的方式普及群眾。

7 結語

VR駕駛學習能夠建構革命性的學車模式，帶來全新的學車體驗。本文從學車主力軍的角度出發研究用戶的使用意愿，發現其未來市場極其廣闊，有一定的應用和推廣價值。但從另一個角度來說，VR駕駛學習畢竟只是模擬，與現實練車之間必然會存在鴻溝，尚未成熟的新生技術不可避免地會造成用戶體驗不佳、公共交通問題等負面影響。總之，若要改變當下的學車格局，VR駕駛學習仍有一段很長的路要走。

…………

注釋

(1)一般認為，克隆巴赫Alpha值不超過0.6，則認為內部一致信度不足，達到0.7-0.8時表示量表具有相當的信度，達到0.8-0.9時表示量表信度非常好。

(2)反映模型相似度的指標，如GFI、NFI、CFI，越高越好，＞0.5最低要求，＞0.8可接受，＞0.9最佳；反應模型差異性的指標，如RMSEA，越低越好，＜0.5最低要求，＜0.08可接受，＜0.05最佳。

引用

[1]王明羽.基于Unity 3D與VR技術的虛擬駕駛系統[D].陜西:西安電子科技大學,2020.

[2]郭英之,李小民.消費者使用移動支付購買旅游產品意愿的實證研究:基于技術接受模型與計劃行為理論模型[J].四川大學學報(哲學社會科學版),2018(6):159-170.

[3]葉晶,郭香梅.基于技術接受模型的虛擬試衣使用意愿研究[J].絲綢,2021,58(3):58-64.

[4]丁嘉玲.三維虛擬試衣系統對消費者購買意愿的影響研究[D].青島:青島大學,2015.

[5]馬得勇,陸屹洲.信息接觸、威權人格、意識形態與網絡民族主義——中國網民政治態度形成機制分析[J].清華大學學報(哲學社會科學版),2019,34(3):10.