陈欣+钟杰

摘要：以TAM作为研究视角，对我国MOOC用户的接受因素进行探索性研究。通过寻找影响我国MOOC用户使用的因素，试图提高MOOC在我国的普及程度。对我国已有的MOOC平台，针对性地对目标用户和潜在目标用户投放问卷。对数据进行分析和根据TAM，结合当前我国MOOC市场现状，得出：用户接受绩效期望、信息质量、服务质量、态度这四个因素影响用户接受MOOC的行为意向，以上影响因素都与行为意向存在正相关关系。

关键词：MOOC；TAM；在线教育；用户接受；在线课堂

中图分类号：G642 文献标识码：A 文章编号：1009-3044（2016）15-0266-05

1 引言

2012年以来，大规模在线开放课程（Massive Open Online Courses，MOOC）在全国范围内迅速兴起，给传统搞高等教育带来巨大冲击。其冲击主要基于社交网络的师生间，同学间的互动技术和基于大数据分析的学习效果测试技术的应用[1]，通过MOOC，世界范围内的用户都有可能享受到优质的课程。Downes总结出MOOC的四个基本原则，被看作MOOC的发展特点，这4点分别是：汇聚、混合、转用、推动分享[2]。

对于MOOC网站而言，可以根据用户的接受因素对网站内容进行调节，以提供更贴近目标用户的内容[3]。用户能从自身需求出发，选择合适的课程进行学习。而供应商就能通过MOOC的用户接受因素影响研究调整自己的课程内容，从而更好地迎合目标客户[4]。

在现阶段的互联网商业理论探究中，“消费体验”、“消费者介入”、“消费者感知”等新兴理论也为纳入原有的领域模型中。为了更好地研究互联网接受行为研究的特点，需要一个更加与之切合的模型。

TAM（Technology Acceptance Model，技术接受模型）认为，感知有用性和想用的态度共同影响着行为意向。想用的态度是由感知有用性和感知易用性共同决定的[5]。其中易用性是由外部变量决定的，包括任务特征、设计特征、执行过程的本质、用户特征等等。为技术接受模型中存在的因素建立起关系[6]。此外，Venkatesh等人对TAM中的“影响使用者认知因素”的问题进行改进，提出四个核心：社群影响、绩效期望、付出期望和配合情况[7]。

2 模型研究与假设

2.1 模型研究

本文建立MOOC用户接受因素影响模型，如图1所示。

用户接受绩效期望：是用户对该产品或服务产生的预期判断，预估能为自己带来多少的回报，称为用户接受绩效期望。服务质量：是用户感受到的，产品带来的服务质量的高低，人们因为其服务的质量，而通过利用某种技术，或者使用该技术能提供其价值的，最后人们能对此技术产生需求。信息质量：人们因为某产品或技术所提供的信息的质量，而通过利用某种技术，或者使用该技术能提供其价值的，最后人们能对此技术产生需求。态度：态度是人们对产品、团体、事物或者思想评价的认知表征，是人们对单一对象一贯的固有的心理倾向。行为意向：一般来说，态度和行为意向会有一定的一致性，当人们对一件事物的态度是积极的，那么自然而然的，行为意向也会比较高。

根据对相关变量的操作、定义和测量，本文提出如下因变量和自变量。因变量：本文包括一个因变量，我国用户对MOOC的接受程度，接受程度越高，说明用户更能接受这种因素。自变量：基于TAM分析，结合其他学者对该问题的研究理论更新，可以得出四个自变量：用户接受绩效期望、服务质量、信息质量、行为意向。

2.2 研究假设

MOOC领域中，Kizilcec将用户分成了4类，分别是旁听者、完成者、非参与者和采样者。并且发现用以希望丰富简历内容为目的用户的比例较高，除此之外，倾向于好玩可挑战的情感需求在完成这里的比重较高[8]。

用户接受绩效期望及相关假设：TAM指出，行为意向受用户接受绩效期望影响。本文提出假设如下：

H1：用户接受绩效期望越强，其接受态度越好。

服务质量及相关假设：服务质量是服务营销的核心，而服务质量产品或者服务满足了规定和满足了潜在的要求的特征的总和。套用到MOOC课程的范畴，服务质量能包括是否让学生满意。本文提出假设如下：

H2：MOOC平台的服务质量越高，其接受态度越好。

服务质量及相关假设信息质量及相关假设：信息质量是指MOOC平台上提供的课程是否能提供足够好的学习内容以供学生学习，课程的设置是否合理，课程内容是否可靠充实。学生是否能在有效时间内充分吸收课程内容，这些都包含在信息质量属性里。本文提出假设如下：

H3：MOOC平台的信息质量越高，其接受态度越好。

态度及相关假设：态度是主观感受，因为人们接受的社会环境和不同的价值观，导致一件事物能产生多种截然不同的态度[9]。人们的行为意向受到人们对该事物的态度的好坏影响。本文提出假设如下：

H4：人们对MOOC平台的态度越好，其接受的行为意向越高。

3调研分析

3.1 问卷设计

为了确定问卷的有效性，通过其他学者的研究进行对比[10]-[15]，并结合本研究需求，最后确定问卷内容。具体内容如表1所示：

3.2 样本构成与描述性统计

调查时间是2015年3月26日到2015年4月26日，一共收到326份答卷，有效问卷312份，有效率95.7%。

性别分布：男性被调查者共有142位，占46%；女性被调查者有170位，占54%。

年龄区间分布：16岁以下的被调查者有4名，占2%；16岁至20岁的被调查者有22名，占11%；21岁至25岁的被调查者有230名，占74%；26岁至30岁的被调查者有12名，占4%；30岁以上的被调查者有44名，占14%。

受教育程度分布：文化程度为高中以下的被调查者14名，占4%；高中/中专/高职16名，占5%；大专/大学本科有279名，占90%；硕士及以上3名，占比1%。

工作类型分布：学生208名，占66%；行政管理12名，占4%；技术类18名，占9%；销售服务类40名，占13%；其他34名，占11%。

对MOOC网站的知晓情况（可多选）：知道网易云课堂有154名，占30%；知道学堂在线有28名，占6%；知道MOOC学院有74名，占14%；知道中国大学MOOC有42名，占8%；知道Coursera有44名，占9%；知道Udacity为0；知道edX有12名，占2%；知道FutureLearn有12名，占2%；其他有30名，占6%；不了解的有118名，占23%。

是否参与过MOOC的学习：参与过MOOC课程学习的人数为74人，没参加过MOOC课程学习的人数为238人。

用户喜好课程类型分布（可多选）：希望学习哲学、伦理、历史有128名，占19%；工程技术、基础科学有80名，占12%；文学、艺术、语言有186名，占27%；经管法学有106名，占15%；农林医药有26名，占4%；心理学、生活类有156名，占23%。

3.3 信度和效度分析

3.3.1 信度分析

本文对问卷调查采用的信度分析方法为α信度系数法。如果α系数大于0.8，认为问卷信度高，如果系数低于0.6，认为此问卷为无效。使用SPSS做出的信度分析表如表2所示：

根据表2所示，调查问卷的α=0.973>0.8，该问卷调查的信度较高。除此之外，还需考虑测量项内部的一致性，本文对内部的项进行信度分析，得到数据如表3所示：

通过表3可知，没有必要删除任何一个测量项目。从表格来看，问题内部的一致性较好，所以，该数具有较高的信度。

3.3.2 效度分析

本文选用验证性因子分析，来测量表的拟合程度，得出数据如表4所示：

KMO统计量取值0到1之间，数值越接近1，证明变量之间的相关性越强，原有变量适合做因子分析。由表4可知，本数据的KMO值为0.952，巴特利特球形检验显著性水平小于0.001，此数据能做因子分析。

采用KMO和Bartlett的检验并计算每个测量项的旋转因子载荷量，得到数据如下表5所示：

通过表格的数据分析可知，量表的各个测量项的KMO值都大于0.5，属于可以接受进行因子分析的范围，而旋转因子载荷量均大于0.6证明所有的测量题项都是有效的。

从表格可以看出，每个分项的KMO值都>0.5，达到了可以接受的因子分析范围。旋转因子载荷量均>0.6能证明问卷的题目的题项是有效的。

3.4模型拟合和假设验证

3.4.1 相关分析

本文用来描述2变量之间的线性关系程度的是相关系数r。若r>0则为正相关，通常认为|r|>0.95存在显著性相关；|r|≥0.8高度相关；0.5≤|r|<0.8中度相关；0.3≤|r|<0.5低度相关；|r|<0.3关系极弱，认为不相关。若r<0，为负相关。若r=0，则无线性相关。

本文基于双变量分析方法计Pearson相关系数进行对本文的变量因素之间的关系探讨，并对提出的假设做出正确性判断。结果如下：

表6反映的是用户接受期望、服务质量、信息质量与态度之间分别对应的相关分析。

从上面两个表能看出，在双侧显著性<0.01的水平下，MOOC用户接受绩效期望与态度的相关系数r为0.717，为正相关关系，所以假设H1成立；MOOC瓶体的服务质量与态度的相关系数r为0.854，为正相关关系，所以假设H2成立；MOOC平台的信息质量与态度的相关系数r为0.646，为正相关关系，所以假设H3成立；用户对MOOC平台的态度与行为意向的相关关系r为0.820，为正相关关系，所以假设H4成立。

综上所述，模型的3个因素与态度存在正相关关系，态度与行为意向存在正相关关系。前文提出的4个假设通过初步的验证。

3.4.2 回归分析

在进行回归分析之前，为了确保结果的准确性，还需要对模型进行序列相关问题检测。基于SPSS中的Durbin-Watson分析结果的值为2.154，在1.5到2.5的区间，可以得知该模型不存在序列相关的问题，可以进行回归分析。

根据本文的假设，用户接受绩效期望、服务质量、信息质量和态度存在正相关关系，因此我们对这几个变量进行回归分析，前三个变量为自变量，态度为因变量，得到数据如下表所示：

根据表8、表9，可以得出以下回归方程：

态度=0.352+0.11×绩效+0.416×服务质量+0.37×信息质量

行为意向=0.733+0.787×态度

从回归系数可以看出来，各因素对用户行为意向有正向影响，与上面的相关分析结果导向较为吻合。其中，对用户态度的影响因素最大的是服务质量，然后重要性依次为信息质量和用户接受绩效期望。

3.4.3 检验模型

用R检验、F检验和t检验来检验上文描述回归方程。

R检验如下表所示：

F检验如下表所示：

t检验如表8、表9所示。

在R检验中，R的数值分别为0.897和0.820，一般大于0.5就可以认为回归方程的拟合优度良好，大部分的变量因素都可以被解释；在F检验上，消费者满意度的回归方程F值为208.153和317.245，在显著性Sig.000<0.01的水平上属于较大的数字，即可认为自变量与因变量之间的线性关系是显著的，这个回归方程通过了显著性检验；在t检验上，作为自变量的因素的t值都大于3且在显著性Sig小于0.05的水平上，可见上文提出的各因素的回归系数都通过了显著性检验。

综上所述，回归方程的有效性检验通过，所以具备了统计学的意义。也证明了上文的假设的成立。

4 结论

本文基于TAM对影响我国MOOC用户的接受因素进行了探索性研究，从4个变量对行为意向进行了研究，提出4点假设，最后假设得到证明。通过本文对上述假设的验证可以看出，影响我国MOOC用户接受程度的因素根据重要性排列分别是：态度、服务质量、信息质量和用户接受绩效期望。并且，上述因素对行为意向都是正相关关系。根据本文对影响因素的分析和梳理，对我国MOOC平台提出以下两个方面的意见：

从平台自身出发，影响用户对平台的态度是至关重要的，因为态度决定了用户是否会加入到平台之中。而平台要加强的是自身的服务质量，例如提高用户体验，版面符合中国用户使用习惯，能快速准确地挖掘出用户的需求，然后与自身课程作匹配，最终达到为用户提供其最需要的课程这一目的。除此之外，信息的质量也不能忽视，平台的丰富度能影响到用户是否能留在该平台里。

从平台推广方面出发，正是因为用户的态度决定了用户的行为意向，所以平台需要改变用户对MOOC平台的态度，使之向着积极的方面发展。所以，需要更加关注推广工作，普及MOOC平台是重中之重。为此，需要维护用户的互动性，向他们征求平台建设的意见，除此之外，还能通过组织线下交流会等方法，加大用户对MOOC平台的粘度，同时拓宽平台的影响力。

参考文献：

[1] 樊文强.基于关联主义的大规模网络开放课程（MOOC）及其学习支持[J].远程教育杂志，2012， 30（3）： 31-36.

[2] Downes S.Places to Go：Connectivism&Connective Knowledge [EB/OL]. Innovate： Journal of Online Education，2008，5（1）： 1-6.

[3] 王颖，张金磊，张宝辉.大规模网络开放课程（MOOC）典型项目特征分析及启示[J].远程教育杂志，2013（4）：67-75.

[4] 鲁耀斌，徐红梅.技术接受模型及其相关理论的比较研究[J].科技进步与对策，2005，22（10）：176-178.

[5] 程晓璇.国内MOOC用户“使用与满足”情况初探[J].今传媒（学术版），2014（12）：39-40.

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

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

[8] Kizilcec，R.F.，Piech，C.，&Schneider，E.Deconstructing Disengagement：Analyzing Learner Subpopulations in Massive Open Online Courses [C]. In Proceedings of the Third International Conference on Learning Analytics and Knowledge. 2013， 170-179.

[9] 陈理.基于TAM模型的数字家庭用户高清交互电视接受度研究[D].北京：北京邮电大学，2012.

[10] 郝丹.国内MOOC研究现状的文献分析[J].中国远程教育（综合版），2013（11）：43-50.

[11] 武学斐.影响用户接受移动互联网的关键因素分析[D].北京：北京邮电大学，2008.

[12] 张忠.大规模开放在线课程设计研究[D].武汉：华中师范大学，2014.

[13] 杨玉芹.MOOC学习者个性化学习模型建构[J].中国电化教育，2014（6）：6-10.

[14] 陈莉.MOOC发展现状及其对我国高等教育的启示[D].武汉：华中科技大学，2014.

[15] 李青，王涛.MOOC：一种基于连通主义的巨型开放课程模式[J].中国远程育（综合版），2012（5）：30-36.