高职生移动学习使用意愿的影响因素研究

高丽芝

（华南师范大学 教育信息技术学院，广东 广州 510631）

【摘要】 高职生是移动学习的主要群体，高职生是否接受移动学习是影响移动学习效果的重要因素。文章将任务技术匹配模型（TTF）和整合型技术接受与使用理论模型（UTAUT）相结合，并引入感知趣味性因素，构建了高职生移动学习使用意愿的影响因素模型，进行问卷调查，并利用数据分析软件SPSS和结构方程软件AMOS对数据进行分析。研究结果表明：努力期望、社会影响、感知趣味性和任务技术匹配对高职生移动学习使用意愿具有正向的显著影响；绩效期望对高职生移动学习使用意愿具有显著的负向影响；感知趣味性对绩效期望具有显著的正向影响。

【关键词】 移动学习；UTAUT模型；TTF模型

引言

随着教育信息化的不断深入，越来越多的人关注信息技术与学科教育的深度融合。随着移动终端的不断更新，网络技术的不断发展，移动用户逐年增长，以高职生为代表的青年群体成为移动用户的主体，产生了新的学习方式—移动学习。移动学习凭借其使用的便利性，不受时间、空间的限制性，可以满足学习者随时随地学习的需求，因此成为促进信息技术与学科教育深度融合的重要催化剂。

移动学习（M-Learning）最早的研究始于卡内基梅隆大学开展的一个Wireless Andrew 研究项目。2000 年，国际著名远程教育学家 Desmond Keegan在一次学术会议上做了关于移动学习的现场报告，受到广泛关注，正式将移动学习引入中国。移动学习(Mobile learning)是指学习者在需要学习的任何时间、任何地点通过无线移动设备 （如手机、PAD等）和无线通信网络获取学习资源，与他人进行交流，进行学习的一种学习方式^[1]。作为一种新的学习方式，移动学习具有如下特性：便利性，由于移动终端设备的普及，特别是对于高职生来说，几乎人手一部手机，这为移动学习的开展提供了极大的便利条件。无论是将移动设备带入课堂还是在课下进行自主学习，这种学习方式都能够让我们随时随地获取所需信息，学习者可以在任何时间、任何地点学习任何自己想学习的内容，也可以随时随地获得教师或同伴的支持与帮助，这在信息时代是最便利的获取信息的方式；个性化，移动学习以学习者为中心，学习者可以根据自己的特点及需求自定学习内容、学习进度，教师可以为学习者提供个性化的学习资源与学习帮助。

目前高职学生是移动终端的主要目标人群。高职学生相对于中小学生来说，他们每个人都有移动设备，这是开展移动学习的必要条件，其次高职院校具备良好的网络环境，允许学生课上课下使用手机等移动设备；相对于大学课程来说，高职院校更偏重于实践应用，高职学生更愿意自主的去探索新知识，但是课程课时量较少，会导致学生对知识掌握的深度不够，拓展性知识得不到充分的练习，因此需要借助移动学习来为学生提供个性化服务，满足不同学习者的学习需求。

然而，即使移动学习在高职院校有了开展的基础，但是大部分高职院校学习者主要利用移动设备进行娱乐与社交^[2]，而不是学习，可见移动学习还处于较低水平，只有了解了高职生在进行移动学习时会受到哪些因素的影响，才能帮助我们逐步改进移动学习方式，提高高职生的教学质量。目前已有不少学者研究移动学习的影响因素，但是研究对象主要是针对全日制大学生，针对高职生这个群体的还相对较少。本研究以高职生作为研究对象，构建高职生移动学习使用意愿的影响因素模型，并进行分析，从而为高职生移动学习的开展提出可行性建议。

一、理论基础

（一）UTAUT模型

在国内外关于移动学习影响因素的研究中，大部分研究者以技术接受模型（TAM）或整合型技术接受与使用理论模型（UTAUT）为理论基础，引入其它变量或者与其它模型相结合对移动学习接受度的影响因素进行解释^[3]。

1989 年，美国学者戴维斯（Davis）在理性行为理论基础上提出了技术接受模型 TAM^[4]，用于解释和预测人们对新的信息技术的接受程度。随着技术的不断发展以及该领域相关研究的不断深入，它的解释力度逐渐减弱。为了更好的分析用户对新技术的接受状况，2003 年，文卡特希（Venkatesh）等人基于当时具有重大影响的八个理论模型，总结出了整合型技术接受与使用理论模型（Unified Theory of Acceptance and Use of Technology，简称 UTAUT）^[5]，从上述八个理论模型中归纳出影响使用意图和使用行为的四个核心变量，分别是绩效期望（Performance Expectancy，简称 PE）、努力期望（Effort Expectancy，简称 EE）、社会影响（Social Influence，简称 SI）和便利条件（Facilitating Conditions，简称 FC），此外还将年龄、性别、经验与自愿性作为调节变量。UTAUT模型相较TAM模型包含的影响因素更全面，应用范围更广泛，经过研究表明，UTAUT 模型的解释力度达到了70%^[6]，极大提高了信度和效度。模型中各变量之间的相互影响关系如图1所示。

图1 UTAUT模型

UTAUT 模型中的便利条件是指使用者认为周围环境和技术条件对新技术的支持程度，本维度并不会直接影响使用意愿，而对消费者行为具有直接显著影响^[7]。因此本研究首先确定高职生移动学习使用意愿的影响因素有绩效期望、努力期望和社会影响。UTAUT 模型的解释力度虽然已经较高，但不具有针对性，还有其他因素会影响用户对移动学习接受情况。因此在对高职生特点进行详细分析以及在前人研究的基础上，本研究增加了“感知趣味性”（Perceived Playfulness，简称PP）这个影响因素，已有多位研究者在移动学习影响因素中加入感知趣味性，并验证了它对用户使用意愿具有显著影响。

（二）TTF模型

任务技术匹配理论模型（Task-Technology Fit，简称TTF）最早是由Goodhue和Thompson在1995年提出的，用于衡量新技术是否能够支持用户完成任务，包括个人特征、任务特征、技术特征和任务技术匹配度。任务特征、技术特征以及个人特征共同影响任务技术匹配，从而影响用户的使用绩效。Wells等认为“任务技术匹配”主要包括内容、导航和交互三个维度，其中交互性又分为系统性能和安全性两个方面^[8]。

（三）整合UTAUT模型和TTF模型

    UTAUT和TTF模型从不同的角度阐述了用户进行移动学习的影响因素，同时也存在交叉。UTAUT模型从用户角度，分析用户进行移动学习时是否会受外界条件影响，而TTF模型则从任务-技术匹配角度来解释技术对用户完成任务的支持力，从而影响他们的使用意愿。将二者结合，对用户移动学习使用意愿影响因素的解释力度更强。目前，陈鹤阳等在整合UTAUT和TTF模型的基础上,探究各个因素对移动图书馆用户采纳意愿的影响^[9]。张坤、张鹏等以 UTAUT 和 TTF 理论作为理论基础，加入信任感知的影响因素，探究用户对旅游APP的使用意愿^[10]。周涛等人整合任务/技术匹配理论和技术采纳与使用统一理论，构造移动银行用户采纳行为模型,分析影响用户采纳移动银行的因素^[11]。但是在移动学习领域，将这两者进行整合，并进行实证研究的文献还是比较少的，具有很大的研究空间。

二、高职生移动学习使用意愿的影响因素模型构建及假设说明

（一）高职生移动学习使用意愿的影响因素模型构建

基于此，并综合考虑影响高职生进行移动学习的种种因素，本文以整合型技术接受与使用理论模型（UTAUT）和任务技术匹配模型 （TTF） 的整合模型为理论基础，并引入变量“感知趣味性”，构建了高职生的移动学习影响因素模型，如图2所示。自变量确定为整合型技术接受与使用模型（UTAUT）中的绩效预期、努力预期及社会影响，任务技术匹配模型（TTF）中的任务技术匹配，再引入感知趣味性，因变量为高职生的使用意愿。

图2 高职生移动学习使用意愿的影响因素模型图

（二）高职生移动学习使用意愿影响因素的假设说明

在UTAUT模型中，绩效期望是指高职生认为通过移动学习能够提高他们的学习绩效程度，通过移动学习能帮助学习者获取有效信息，完成学习任务，则学习者会更愿意进行移动学习。努力期望是指高职生进行移动学习所要付出的努力程度，操作越简单学生付出的努力越少，则越愿意进行移动学习。社会影响是指高职生感知到的周围重要的人或有影响的人认为其是否应该进行移动学习的程度。基于此，本研究提出如下3个假设：

H1:绩效期望对高职生移动学习的使用意愿有正向显著影响；

H2:努力期望对高职生移动学习的使用意愿有正向显著影响；

H3:社会影响对高职生移动学习的使用意愿有正向显著影响；

感知趣味性是高职生进行移动学习时所感受到的娱乐程度，移动学习越能激发学习者的学习兴趣，学习者越愿意进行移动学习。据此本研究提出的2个假设为：

H4:感知趣味性对高职生移动学习的使用意愿有正向显著影响；

H5:感知趣味性对高职生移动学习的绩效期望有正向显著影响；

在TTF模型中，移动设备对高职生进行移动学习的支持度越高，任务技术匹配程度越高，高职生的使用意愿就会越强烈。其中任务技术匹配程度主要从移动设备的内容、导航、性能和安全四方面进行评定。“内容”是指移动设备所提供信息的质量；“导航”是指移动设备的界面设计、信息呈现方式、操作便利性等；“性能”是指利用移动设备开展活动的效率；“安全”是指使用移动设备的安全性。基于TTF模型，本研究提出的1个假设是：

H6:任务技术匹配度对高职生移动学习的使用意愿有正向显著影响。

三、问卷设计与数据收集

为了验证高职生移动学习使用意愿的影响因素模型及六个研究假设是否成立，本文采用问卷调查的方式收集数据。

此调查问卷是在已有的比较完善的量表基础上，结合高职生移动学习的特点而设计的。问卷分为两部分，第一部分是调查高职生移动学习的时长、态度等基本情况，第二部分是问卷的核心内容，包含六个变量（绩效期望、努力期望、社会影响、感知趣味性、任务技术匹配、使用意愿），共19个选项，其中各测量项均采用李克特5级量表，从1分到5分分别代表“完全不同意”、“基本不同意”、“一般”、“基本同意”、“完全同意”。

问卷设计完成后，进行预调研，根据预调研结果对问项顺序、措辞等进行修改，形成最终的调查问卷。之后通过问卷星，向广东省某高职院校学生收集问卷，共回收调查问卷160份，有效问卷158份，有效率为98.75%。

四、数据统计与分析

（一）描述性统计

    （1）在被调查的158名研究对象中，男生占67.7%，女生32.3%，这与高职院校的基本情况相吻合。（2）移动设备拥有情况：100%的高职学生都有手机，81.69%的学生同时拥有电脑，这为移动学习的开展提供了极大的便利条件。（3）移动设备的用途：46.4%的学生主要用移动设备进行社交与娱乐，进行学习的占18.4%，我们可以通过社交媒体开展移动学习活动，提高学生移动学习的频率。（4）资源呈现方式：38.8%的学生喜欢视频类的学习资源，其次是图片和文本，启示我们在进行移动学习资源设计时，可以多设计生动形象的视频资源。（5）移动学习时长：51.3%的学生平均每天有1-2个小时进行移动学习，这是移动学习时长中频率最高的。（6）对移动学习的态度：57.0%的学生对移动学习持比较乐观的态度，24.7%的学生持非常乐观态度。

（二）信效度分析

本研究通过SPSS20.0进行问卷信效度分析。采用spss20.0中的内部一致性系数( Cronbach's Alpha)对问卷进行信度分析。问卷的整体信度和各层面信度系数如表1所示。总量表α系数在0.9以上，则信度非常高；分量表α系数的评定标准为0.7-0.8为相当可信，大于0.8为非常可信^[12]。此问卷中各层面的α系数都大于0.7，整体层面的α系数大于0.9，说明本研究所用的量表信度较高。

表1 问卷信度分析表

对于量表的效度主要从内容效度和建构效度两方面进行分析。本研究所用的调查问卷是在已有的成熟量表基础上，根据高职生的实际情况进行设计的，并经过不断修正完善，因此具有较好的内容效度。关于建构效度，采用spss20.0探索性因子分析法进行分析。首先通过KMO值和Bartlett球形检验来判断是否适合进行因子分析。KMO值>0.9，则特别适合进行因子分析，KMO值<0.5,则不适合做因子分析。Bartlett检验主要通过sig值来判断是否适合进行因子分析。本研究的KMO和Bartlett的检验结果如表2所示。其中，KMO值为0.931>0.9，Bartlett球形检验卡方值为1925.761，sig值为0.000，达到了非常显著水平，两个检验结果都表明适合做因子分析。在此基础上，对问卷中的19个题项进行因子分析，各测量项的因子负载值都大于0.5，表明本问卷具有较高的建构效度。

表2 KMO和Bartlett的检验结果

（三）结构方程模型及假设检验

本研究采用结构方程模型AMOS24.0评估研究模型的拟合度，对构建的模型进行验证性因子分析，检验模型的假设。

1.结构方程模型的构建

本研究构建的模型如图3所示，该模型中共有19个观测变量，6个潜在变量，其中包括5个自变量和1个因变量。

图3 结构模型图

2.模型拟合度检验

模型拟合度反映所假设的模型与实际数据之间的一致性情况。模型的拟合度越高，则说明模型的解释力越强。本研究使用最大似然法进行模型拟合度检验，结果如表3所示，可以得出模型中的所有拟合值都符合可接受的标准，说明本模型具有较好的拟合度。

表3 模型拟合结果图

3.路径系数与假设检验

本研究采用AMOS24.0中的最大似然法对模型路径系数进行估计。其中临界比C.R.是回归系数（Estimate）除以估计值的标准误差（S.E.）的值，相当于t检验，其绝对值大于1.96，表示达到p<0.05的显著水平；绝对值大于2.58时，则达到p<0.01的显著水平^[13]。如表4所示，从表中可以看出努力期望、社会影响、感知趣味性对使用意愿的影响显著性P<0.01(***为P<0.001)，C.R.值都大于2.58，呈现显著的正向影响，由此可以得出假设H2、H3、H4成立。任务技术匹配对使用意愿的影响显著性P<0.05,C.R.值大于1.96，呈现显著的正向影响，说明假设H6成立。感知趣味性对绩效期望的影响显著性P<0.01,C.R.值大于2.58，呈现显著的正向影响,说明假设H5成立。绩效期望对使用意愿的影响显著性P<0.01，C.R.的绝对值大于2.58，由此可见绩效期望对使用意愿成显著性的负向影响，假设H1不成立。

表4 路径分析表

五、研究结论与建议

本研究将UTAUT模型与TTF模型相结合，并引入“感知趣味性”，构建了高职生移动学习使用意愿的影响因素模型，提出了6条假设，经过检验，模型拟合度良好，通过路径分析对研究假设进行了逐一验证，分析得各变量对高职生移动学习使用意愿的影响程度由高到低分别是：感知趣味性、社会影响、努力期望、绩效期望、任务技术匹配。其中感知趣味性、社会影响、努力期望和任务技术匹配对高职生使用移动学习的意愿有正向的显著影响，而绩效期望则为负向的显著影响。

感知趣味性对高职生移动学习的使用意愿影响最大，表明在进行移动学习设计时，要保证生动有趣，以学生为中心，符合学习者的特点，学生从移动学习中寻找到的乐趣越大，则越能激发他们探索新知的热情。社会影响对高职生接受移动学习有重要的影响，表明高职生容易受周围老师、同学的影响，启示我们可以借助微信等社交平台开展移动学习，增加师生、生生间的交互；学校及老师应积极引导学生进行移动学习，比如开展关于移动学习的培训与宣传。从努力期望的角度，对于高职生来说，移动学习平台操作越简单，找资源越方便，学生越愿意使用，建议在进行移动学习设计时，搭建或选取操作简单的平台，让学生将注意力集中在学习任务中。任务技术匹配度越高，学生越愿意进行移动学习，目前高职生普遍认为移动设备通过连网能提供他们丰富的学习内容，但是对移动设备的性能和安全性还是存在一定的顾虑，建议在进行移动学习时，尽量选取网络平台，支持在线播放的资源，不需要占据移动设备太大的存储空间，同时教师可以提供学生一些常用的学习平台或资源链接，避免学生在信息检索中迷航。绩效期望对高职生移动学习使用意愿呈现负向影响，表明高职生还是期望在教师指导下进行移动学习，提倡教师通过移动平台发放明确的学习任务、推送学习资源等，因为大部分高职生认为自己的自制力较差，进行自主探索学习时，会受其他因素干扰，导致学习效率低。在今后的研究中，我们将依据以上因素对高职生移动学习使用意愿的影响，改进移动学习策略，开展更加高效的移动学习。

参考文献

[1]余胜泉. 移动学习——当代E-Learning的新领域[J]. 中国远程教育, 2003(22):76-78.

[2]张浩, 杨凌霞, 陈盼. 大学生移动学习现状调查与分析[J]. 软件导刊:教育技术, 2010, 09(1):48-50.

[3]陈静远, 任新社. 移动学习接受度影响因素研究[J]. 软件导刊:教育技术, 2016, 15(3):42-44.

[4]Davis F D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology[J]. Mis Quarterly, 1989, 13(3):319-340.

[5][7]Venkatesh V, Morris M G, Davis G B, et al. User Acceptance of Information Technology: Toward a Unified View[J]. Mis Quarterly, 2003, 27(3):425-478.

[6]李毅, 吴思睿, 廖琴. 教师信息技术使用的影响因素和调节效应的研究——基于UTAUT模型[J]. 中国电化教育, 2016(10):31-38.

[8]Wells J D, Sarker S, Urbaczewski A, et al. Studying Customer Evaluations of Electronic Commerce Applications: A Review and Adaptation of the Task-Technology Fit Perspective[C]// Hawaii International Conference on System Sciences. 2003.

[9]陈鹤阳, 谭宏利. 基于UTAUT和TTF模型的移动图书馆用户采纳行为研究[J]. 现代情报, 2018(1):60-68.

[10]张坤, 张鹏, 张野. 基于UTAUT和TTF理论的旅游APP用户使用影响因素及行为研究[J]. 企业经济, 2016(9):150-156.

[11]周涛, 鲁耀斌, 张金隆. 整合TTF与UTAUT视角的移动银行用户采纳行为研究[J]. 管理科学, 2009, 22(3):75-82.

[12]吴明隆. 问卷统计分析实务:SPSS操作与应用[M]// 问卷统计分析实务, SPSS操作与应用. 2010.

[13]吴明隆. 结构方程模型:AMOS的操作与应用[M]. 重庆大学出版社, 2010.