基于復雜理論的MOOC 用戶留存意愿組態分析

和文斌 董永權 滕希 王惠惠

（1.新疆師范大學 教育科學學院，新疆 烏魯木齊 830017；2.江蘇師范大學 智慧教育學院，江蘇 徐州 221116；3.徐州工業職業技術學院 江蘇 徐州 221116）

引言

MOOC 作為“互聯網+教育”模式的典型代表，對其用戶留存意愿的研究一直是教育領域的中心議題之一。用戶留存意愿即用戶參與MOOC 學習后選擇堅持使用的傾向，本研究中指用戶在使用MOOC 學習一段時間后，仍然具有持續使用的意愿。對此，國內外學者依據個體、情感、認知、環境、課程質量等不同角度開展了大量的實證研究。從個體角度，李大烈（Lee Daeyeoul）等人[1]研究得出學習者的自我效能感對MOOC 持續學習意愿具有正向的影響。從情感角度，朱鵬等人[2]通過將信息系統持續使用模型（ECM）與游戲化（愉悅性和挑戰性組成的二階構型概念）相結合，構建MOOC 期望確認模型，得出游戲化在MOOC持續使用中起著核心作用。從認知角度，朱英珠（Joo YoungJu）等人[3]研究得出，感知易用性和感知有用性對學習者持續使用K—MOOC 學習的意愿具有積極影響。從環境角度，吳兵（Wu Bing）等人[4]通過整合任務技術適配模型和技術接受度模型，發現表明感知有用性、感知易用性和社群影響等持續使用的影響具有重要作用。從課程質量角度，楊根福等人[5]證明內容質量積極影響用戶的持續行為。林文山（Lin Wenshan）等人[6]通過實驗得出高質量的課程內容對感知有用性和滿意度有較為積極的影響。

盡管該研究的相關探索較為豐富，但教育學作為一個與實踐應用緊密貼合的復雜性學科，其內部問題的原因之間普遍存在相互依賴與共同作用的現象，而現有諸多研究卻采用了與該實際現象不相符合的假定：將研究變量視為獨立因素，把研究對象看作是可分、穩定、線性單調變化的，主要關注原因與結果間的相關性、相關程度與頻度，缺乏對問題形成的多因素動態組合因果路徑進行精確探索[7]，使得其研究成果很難落地，甚至偏離生活，經常被懷疑與實踐應用相脫節。隨著理論的探索與研究的深入，教育領域的研究者認為只有探討前因變量之間的相互關系、相互作用及與結果的因果效應，才能更好地以貼合實踐應用的方式解決教育領域出現的復雜性問題，推動教育的發展進程。定性比較分析方法（Qualitative Comparative Analysis，簡稱QCA）的出現為教育問題的因果機制研究提供了有效途徑。該方法將案例視作多種前因變量的組合效果，并通過分析相互依賴、相互作用的不同原因變量組合與結果之間的因果效應[8]，幫助研究者剖析相應問題的因果機制，為教育工具、策略等方面的設計、實施和研究提供理論基礎與改善意見。同時，QCA 能夠避免傳統定性與定量方法依賴均衡和正態分布假設而普遍存在的反向因果、遺漏變量偏差、樣本選擇偏差等內生性問題——以集合關系表達多因素并發的組態效應和因果非對稱性能夠避免反向因果問題[9]，以關注基于布爾代數的集合關系而非相關關系的特性使其不存在遺漏變量偏差，不依賴于隨機抽樣技術的溯因推理和集合使其不存在樣本選擇偏差。

綜上所述，鑒于MOOC 用戶留存意愿的傳統研究范式的不足，本研究借鑒技術接受模型與社會認知理論，有機地將復雜理論的內涵擴展到了教育領域。利用QCA方法研究感知有用性、感知易用性、自我效能感、游戲化、社群影響和內容質量對MOOC 用戶留存的影響模型，從而有效揭示了用戶留存形成的內在機理，以期為MOOC 的使用、改進、優化、創新提供相關的理論參考，為MOOC 演變為智慧時代“以用戶為中心”的個性化平臺提供路徑借鑒。同時期望為QCA 方法與教育的融合提供相關研究成果，加速該方法對教育問題的剖析。

一、理論背景

（一）復雜理論

復雜理論最早出現于自然科學領域，隨后被社會學、經濟學、教育學等學科融入各自領域，探討相關問題。復雜理論認為，無論是自然界還是人類社會出現的復雜現象都是由無數因素相互作用的產物，即某一復雜結果的出現受因素的相互作用影響，在特定的情境下隨著外部因素的變化，變量之間的關系可能是非線性的，相同的“因”可能造成不同的影響效果[10]。為了解釋復雜的現象，現有的基于方差理論的研究方法是不夠的，采用組態方法，以整體和同步的方式（如相互關聯的條件或因素的集群）理解這些現象更合適。MOOC 的用戶留存意愿作為一個復雜的系統，受到多個因素相互作用的影響，因此適用復雜理論對其展開探索。

（二）技術接受度模型

弗雷德·戴維斯（Fred Davis）[11]提出了技術接受度模型（Technology Acceptance Model，簡稱TAM），認為個人對信息技術使用的行為意向由兩個主要因素決定：感知有用性和感知易用性，這兩個因素可以解釋個人對信息技術使用的行為意向的巨大差異。隨著TAM 研究領域的不斷擴展，研究者認為原有的基礎框架已不能高效地解釋用戶選擇的復雜性，并依據各自的研究對象及方向對其擴展。鑒于傳統TAM 的不足，研究以TAM 為基本研究框架，引入社會認知理論的內容及其他因素對其擴展和整合，構建影響MOOC 的用戶留存意愿模型。

（三）社會認知理論

阿爾伯特·班杜拉（Albert Bandura）[12]提出的社會認知理論解釋了人是如何形成和保持行為模式的，主要強調個體、認知、外部環境三個因素的作用。該理論認為，個體、個體行為及其所處的外部環境三個要素之間，一直存在著持續的相互作用，而個體的行為決策是內部個體因素（如自我效能感等）和外部環境共同作用的結果。鑒于MOOC 平臺學習的社會互動性，有必要將個體、認知和外部環境引入本研究模型，考察其在MOOC 用戶留存意愿中的組態影響。

（四）研究模型

本研究基于上述理論，將個人因素、認知特征、外部環境納入研究設計。個人因素指的是自我效能感。班杜拉認為自我效能感體現了個體對完成特定任務的信心程度。本研究將自我效能感定義為學習者對自己使用MOOC 完成在線學習能力的信心程度。認知特征是用戶在使用MOOC 平臺過程中所認知到的評估質量表現的特征，本研究指感知有用性和感知易用性。感知有用性是指學習者對平臺提高自身知識、技能的估量，感知易用性是學習者對使用MOOC 平臺學習的操作難度的評估。外部環境指的是社群影響，即周圍人（如同學、教師等）對學習者的影響程度。除上述因素之外，許多學者開始關注情感特征、課程因素對用戶留存的影響。情感特征指的是用戶在使用過程中所產生的相對穩定不變的心理狀態。內容質量指MOOC 學習平臺資源內容的質量和結構合理性。綜上所述，本研究框架的前因變量為自我效能感（SE）、感知有用性（PU）、感知易用性（PE）、社群影響（SI）、游戲化（GM）和內容質量（CQ），結果變量為MOOC 用戶留存意愿（UR）。

二、方法選取

MOOC 用戶留存意愿具有復雜性，多個因素都能夠在特定的情境對其產生影響，因此需要考慮不同用戶采用MOOC 持續學習的不同需求及影響因素。為了解決這個問題，本研究采取定性比較分析方法(QCA)展開探究。QCA 研究方法主要有3 種類型：清晰集QCA(csQCA)、多值集QCA(mvQCA)和模糊集QCA(fsQCA)。其中，fsQCA 能夠體現數據程度變化，得到較為精確的解[13]。因此，本研究基于fsQCA 對MOOC 用戶留存意愿形成的組態路徑展開探究，具體實施過程為對問卷數據校準、必要性條件檢測、形成真值表，以及最后對前因變量形成的組態路徑加以分析，得出相應的復雜性因果關系。

三、數據準備

（一）變量測度

依據研究模型，并借鑒已有較為成熟的問卷內容設計調查問卷。為保障問卷結構的合理性與問卷內容的有效性，采取預調研的方式檢測問卷。通過對35 位MOOC 學習者預調研，依據數據分析和被試學習者意見，剔除顯著性水平不達標的題目，并對相關題目修改和完善，經過多名MOOC 領域專家和課題組成員討論后形成最終問卷。

（二）樣本采集

調查對象為具有一定MOOC 學習經歷，并對MOOC 平臺具有了解的學習者。因此，本研究所選取的調查對象主要是開設MOOC 課程的高校學生。本次問卷調查累計收回350 份，涉及自然學科、社會學科、工程技術和醫學。考慮到問卷填寫的隨意性，對收回的問卷進行答題時長、一致程度及完整狀況檢查。剔除無效問卷59份后，一共得到291份有效問卷。樣本中，男女人數比例較為接近，且平均每月學習MOOC 大于7 天的人數超過一半。

（三）信效度檢測

開展具體的數據分析前，需要使用SPSS 25.0 對問卷的信效度進行分析。結果顯示，Cronbach’s Alpha值為 0.917 ＞0.7，表明量表可靠、穩定。基于成熟量表的設計方式使得問卷的代表性與合理性有所保障，同時，問卷經過預調研后的調整與修改，保證了變量的內容效度。Bartlett 球形檢驗和KMO系數檢驗的結果顯示，KMO系數為 0.91 ＞0.7。

據此，進一步檢驗變量題項的結構效度。通過對14 個題項檢驗發現，6 個潛變量對應的題項滿足平均提取方差（Average Variance Extracted，簡稱AVE）值0.5以上的理想要求，說明各題項滿足效度要求，具體情況如表1（見下頁）所示。

表1 結構效度檢驗

（四）數據校準

依據fsQCA 的操作標準與流程，分析之前必須依據數據特征、理論知識或實踐內容對所獲取的數據進行校準，即要劃分數據所屬的特征集合，設定集合中完全隸屬、交叉點、完全不隸屬的3 個值[14]。如表2數據標準，前因變量與結果變量均為李克特5 級量表，校準標準（完全隸屬、交叉點、完全不隸屬）參考數據特征將變量的最大值設置為完全隸屬，交叉點和完全不隸屬分別為均值、最小值。由于各變量數據特征不一，因此數據標準并不一致。

表2 數據校準

（五）必要性檢測

經校準后的數據需要通過必要性檢測以判斷，是否存在單一前因變量致使結果出現[15]。必要性檢測包含一致性與覆蓋度檢測。一致性是致使結果出現的單一前因變量Xi在所有Xi集合中的比重，覆蓋度則是其對結果變量的解釋程度，具體計算方式見公式（1）（2）。當一致性≥0.9 時，表明該變量是必要條件，可以獨立影響結果存在，“～”表示變量不存在或不隸屬。如表3 所示，結果變量CI的所有前因變量均不存在一致性≥0.9，因此結果變量并不存在必要性條件。

表3 單一前因變量的必要性

（六）標準化分析

必要性檢測過后，需要使用fsQCA 開展標準化分析。構建真值表時，首先應刪除連續性小于0.8 的案例，并將標準化路徑的樣本閾值設為1，即只顯示樣本案例數量大于1 的前因變量組合構成結果的模糊子集。一致性閾值通常設置≥0.75，然后將真值表所有模糊子集中一致性大于臨界值的編碼為1，小于臨界值的編碼為0，低于案例樣本數的子集作為邏輯余項。基于賦值過后的真值表展開標準化分析，得到3 種解：復雜解、中間解、模糊解。相較復雜解和簡約解，中間解能夠以更貼合實際狀況的形式進行案例探索，因此中間解為最優解。

（七）前因變量組合分析

從分析結果可知，結果變量CI 的中間解一致性為0.92，組態效應顯著。詳細的組態路徑如表4 所示。★表示組態路徑中包含該變量，☆表示組態路徑中不存在該變量，空白表示組態路徑中該變量可有可無；Rc、Uc、Cs、Sc、SCs分別為原始覆蓋度、唯一覆蓋度、一致性、解的覆蓋度、解的一致性。

表4 組態路徑

經過歸納總結，本研究的MOOC 學習者用戶留存意愿的組態分析，可以分為5 種模式，具體情況如下。

1.認知缺失型

認知特性缺失存在兩種類型：第一種為感知有用性或感知易用性存在其一。該類型的學習者普遍認為MOOC 的有用性或易用性并未達到自身的要求，因此需要配合清晰、嚴謹的課程內容，以獲得學習者的認同，才可能使其產生用戶留存的意愿，如路徑M4、M5、M8、M9。第二種類型為認知特性不存在，這類學習者通常認為平臺課程對自身無用，且操作較為復雜，需要平臺設計者創新出令人愉悅的學習、評價、交流機制，并激發學習者的挑戰性情緒，以緩和復雜操作對學習者帶來的負面效應，同時擴大MOOC 的認同群體，以學習社群的方式影響學習者對課程實用性的感知，才可能促使用戶留存MOOC 學習的意愿，如路徑M2、M3。

2.機制無趣型

機制無趣型表明，對MOOC 學習過程中未感覺到游戲化機制能夠激發自身愉悅性和挑戰性的學習者，需要設計合理的課程結構與高質量內容，配合高效的學習引導與幫助，促使其將困難視為挑戰并積極解決，從而消解其在學習過程中產生的無聊情緒，將關注重心轉移到課程內容上來，才可能促使其產生留存意愿，如路徑M7、M8、M9。

3.習得無助型

這類學習者一般自信心不足，遇到困難容易退縮、放棄，因此需要平臺以游戲化的機制創造輕松、愉快的學習氛圍，減輕其因自我效能感低下而帶來的焦慮，同時形成MOOC 的學習社群，依托群體的知識流動與交換，幫助其解決問題、學習知識，才可能使得其產生留存意愿，如路徑M1、M2、M4、M5。

4.質量否定型

質量否定型的學習者普遍對MOOC 課程質量具有較高的要求，因此，平臺只有為學習者提供較強的學習輔助工具、文檔，增強其自我效能感并結合游戲化機制激發學習者的愉悅性和挑戰性，以彌補課程質量不足帶來的負面影響，引導、幫助其理解和掌握知識內容，才可能促使其形成留存意愿。如路徑M1、M2、M3、M6。

5.自我驅動型

自我驅動型的條件較為多樣。這說明不依賴社群影響的學習者一般具有較強的獨立性和目的性，不會輕易被他人影響，因此需要盡可能地滿足多種條件，吸引這類學習者持續使用MOOC。例如，有趣的機制、高質量的內容、高效的學習輔助、較強的實用效果說明、友好的操作交互等多種條件的組合。如路徑M4、M5、M6、M7。

四、結論及建議

本研究在復雜性理論的基礎上，結合技術接受模型和社會認知理論，借助fsQCA 方法驗證MOOC 平臺用戶自我效能感、感知有用性、感知易用性、社群影響、游戲化及內容質量對用戶留存意愿的影響，揭示出觸發MOOC 用戶留存意愿的組態路徑，并得出以下結論。

第一，MOOC 用戶留存意愿并非由單一因素獨立促生，而是多個因素共同作用的結果，不同因素的相互組合對用戶留存的作用路徑不同，部分因素的缺失并不會影響用戶留存的意愿。從學習者用戶留存意愿的5 種類型可以看出，每條路徑中均存在發揮主導性的核心條件和具有觸發與推動作用的輔助條件，MOOC 用戶的留存意愿的出現是核心條件與輔助條件交互作用的結果。這一結論進一步表明了MOOC 用戶留存意愿需要通過整體性的多因素組合性效應分析才能得到合理的解釋。

第二，促生MOOC 用戶留存意愿的路徑，其內部生成因子之間互動形成的作用機制并不唯一。這表明不同類型的學習者，因其生長環境、個人特征等因素的影響，會具有不同的學習風格，因此，MOOC 平臺和教師應依據不同的學習風格提供個性化的激勵措施，以保障不同類型的學習者用戶留存MOOC 的意愿。

基于以上分析，結合MOOC 的實際現狀，本研究對MOOC 的發展與改進提出如下建議。

（一）促進數量型傳播生產，提高質量型傳播數量

互聯網的發展加速了信息傳播的過程，因此聲譽對一個平臺顯得尤為重要。營造良好的MOOC 社會聲譽，形成有效傳播、推廣MOOC 學習的社群，是激發學習者用戶黏性的有效條件之一。為此，首先，平臺應該設置合理的激勵計劃，促進數量來源型聲譽的產生。如在互聯網平臺宣傳MOOC 的實際效用、創新功能等優勢，或以提升功能為目的，設置趣味化議題與創新型建議獎勵機制，吸引學習者注意力，增強其好奇心，提升其好感度，以此擴大MOOC 良好聲譽的支持人群。其次，提高質量來源型聲譽的傳播數量也是增強MOOC 持續使用的有效措施。如通過融合媒體的方式開展名師直播、專題講座，充分發揮專家主導的高質量評價宣傳效力，以此擴大質量型評價的受眾。同時，教師作為學習的引導者，也是最佳的推廣者與宣傳者，因此改善其評價也是轉變MOOC 社會聲譽的重要途徑。

（二）創新游戲化元素設計，增強用戶使用黏性

游戲化元素與課程的融合在一定程度上能夠激發學習者的內部動機，使得學習者以充滿興趣和挑戰的心態投入學習，在不斷的挑戰中滿足自我成就需求，從而增強MOOC 用戶的使用黏性。但現有的游戲化元素應用實踐案例較少，不能為教師、研究者提供有效的參考。因此，教師、平臺管理機構、研究者應該注意以下問題：首先，教育游戲元素設計不能一概而論，應該合理融入課程內容的特征。同時，平臺也應該通過設置交流區的形式，使得學習者參與游戲化元素的設計與選擇，提高游戲化機制在不同年齡、學歷、學習方式人群中的接受程度，從而改善現有的游戲元素類型單一、功能性弱、相似性較高的特點。其次，教師需要培養自身依據教學內容、學習者特征、應用環節等合理組合、選擇游戲化元素的能力，并在應用過程中把握游戲化與教學的平衡，避免太強的游戲性干擾學習者。再次，研究人員在未來的研究中應繼續開展游戲化元素與MOOC 平臺及學科融合應用的實證研究，以此豐富游戲化機制應用的理論與實踐，加速游戲化元素與教育領域的有效融合。

（三）協同多方力量參與，調整質量評估體系

MOOC 作為不斷演化與進步的新事物，其所覆蓋的學科領域越來越多，但其部分課程的質量卻難以滿足當代學習者的需求，一定程度上影響了學習者的使用黏性。為提升MOOC 課程質量，首先，應該以專家、學科優秀教師、研究者為代表，從專業度、稀缺度、規范度等多個角度設置合理且具有時代特征的MOOC質量評價基準，以限定MOOC 準入門檻，并加大研究性示范課程和培育課程的開發和設計，以提高課程開發人員的水平。其次，應該充分利用學習者的感知體驗大數據，形成課程質量的過程性評價，以此加強學習者和課程團隊之間的雙向反饋交流，實現學習者作為課程資源共同評估者的角色。再次，研究者不應僅關注指標體系的探索與評價框架的構建，更應該關注應用于實踐的質量評價工具設計與研究，以輔助教學者改善課程質量。通過上述措施，形成以學習者為核心、多方參與、持續改進的課程質量評估體系。同時新時代MOOC 教師應該加強自身科教融合與信息技術應用的能力，以便提高課程內容的時代性、前瞻性和高階性，建設實踐應用性較強的學科優質趣味課程。

（四）加快智能型技術融合，消減習得性無助

高水平自我效能感有助于增強學習動機和行為，學習者面對在線學習任務或困難時會將其視為挑戰，并以積極情緒投入到在線課程的學習。而低自我效能感會導致中途放棄、學習積極性不高的“習得性無助”狀態。研究證明，該心理狀態與學習者所遭受的挫折呈現正相關。因此，需要提供及時、有效的反饋及學習任務腳手架，創建融洽的互助社群，營造良好的師生關系，幫助學習者有效克服難題，增加學習者感受成功的機會。但現有的技術和教師精力限制了對學習者的高質量反饋和支持，因此，MOOC 應加快與人工智能、大數據等技術的融合，充分利用人工智能等技術的服務性能，創設人機互動式的智能化、個性化、趣味化學習環境，并以自動化的形成性評估反饋對個體精準干預，幫助其查漏補缺、獲取資源、彌補短板、克服難題，最終實現真正意義上降低甚至消除學習者的習得性無助。