黄诘雅 余城青 李颖欣 金洲

(浙江工业大学教育科学与技术学院)

一、引言

在“互联网+”时代，信息技术不断发展，移动设备快速更迭，越来越多的学习者有条件通过移动设备进行学习，网络和教育的融合程度不断加深。大数据、人工智能、云计算等技术不断发展，大大改善了学习者的学习体验，学习者的学习环境更加流畅和优质。学习者可以选择任意的时间、任意的地点，利用智能设备获取新知。受疫情的影响，网络上在线学习资源的数量大幅增长，移动学习方式逐渐走入大学生群体中。移动学习自身的便捷性、移动学习资源的丰富性为大学生提供了坚实的学习支持。然而目前仍有一部分大学生在移动学习过程中交互意愿不强，在交互网络中处于边缘状态，并且学习积极性也有待加强。为提高大学生在移动学习过程中的交互意愿，提升大学生移动学习的学习成效，本文应用技术接受模型，探究大学生移动学习交互意愿的影响因素。

二、理论基础

（一）技术接受模型

技术接受模型由Davis提出，是在理性行为理论的基础上，研究用户对信息系统接受时所提出对模型，其模型结构如图 1所示。其中感知有用性和感知易用性是技术接受模型中的两个主要因素。

图1 技术接受模型

（二）研究现状

刘根萍等人基于扩展技术接受模型，对影响大学生接受移动学习方式的关键因素进行了探究，从移动服务供应商、移动学习资源和平台三个方面提出了建议[1]。王金涛将技术接受模型和任务技术匹配模型相结合，发现感知任务技术匹配、行为态度是行为意愿的直接影响因素[2]。吴艳等人在用户接受视角下，从系统成功评价和用户使用意愿两个方面构建影响因素理论模型[3]。陈美玲等人发现，满意度、期望确认度等因素是影响移动学习者持续使用意愿等关键影响因素[4]。Sidik等人发现，绩效期望、努力期望、服务质量等因素是学生移动学习的显著影响因素[5]。Wang等人应用UTAUT模型进行影响因素模型构建，发现社会影响、学习自我管理能力等因素能够显著影响学习者移动学习的使用意愿，性别因素能够调节社会影响效应和学习自我管理能力对移动学习使用意愿的影响过程[6]。

三、研究过程

（一）研究假设和研究模型

王志军等人发现，移动学习资源画面能够影响学习者的体验和投入度[7]。在移动学习的过程中，学习者通过和同伴、教师的交互，其孤独感在一定程度上能够得到减少，并且提升了其持续学习的意愿[8]。有关研究显示，学习者的自我调节能力越强，其参与学习活动的频率越高[9]。因此，本研究在技术接受模型的视角下，选取社会支持和资源画面作为外部变量，自我调节能力作为调节变量，提出以下假设：

H1 感知易用性对感知有用性产生直接正向显著影响；

H2 感知有用性对交互意愿产生直接正向显著影响；

H3 资源画面对感知易用性产生直接正向显著影响；

H4 资源画面对感知有用性产生直接正向显著影响；

H5 社会支持对感知易用性产生直接正向显著影响；

H6 社会支持对感知有用性产生直接正向显著影响；

H7 自我调节能力会在感知有用性和交互意愿之间起调节作用。

基于上述研究假设，构建大学生移动学习意愿的影响因素模型，如图2所示。

所有冠心病患者共检出37例FH，检出率为4.47%。早发冠心病组检出FH 29例(检出率为8.31%)，高于非早发冠心病组的8例(检出率为1.67%)，差异具有统计学意义(χ2=20.85，P=0.000)。男性早发冠心病患者的FH检出率8.42%高于男性非早发冠心病患者的1.74%，差异具有统计学意义(χ2=17.43，P=0.000)。早发冠心病组及非早发冠心病组中，男女间FH检出率差异均无统计学意义(P均>0.05)。见表2。

图2 大学生移动学习交互意愿影响因素模型

（二）问卷设计与发放

问卷总共分为导语、受访者基本信息、大学生移动学习意愿影响因素量表三部分，包括6个潜变量、18个观察变量，采用李克特（Liket）五点量表计算分数，选项依次为非常不符合、比较不符合、一般、比较符合、非常符合，对应得分由小到大，从1至5。问卷设计完成后，首先进行小范围的预调研，修改不合理问项，然后在大范围内进行问卷的发放，共回收有效问卷383份。

（三）问卷分析

本研究采用SPSS26.0、AMOS23.0软件，进行信效度检验，构建影响因素模型，进行模型的路径分析以及调节效应检验。

1.信效度检验

测量模型的信效度检验结果如表1所示，潜变量的标准化因子载荷量均大于0.7，SMC值均大于0.5，CR值均大于0.8，AVE值均大于0.5，因此测量模型信度和收敛效度良好。

表1 测量模型的信效度检验

各潜变量的相关系数矩阵如表2所示，由表中数据可知，测量模型的区别效度较好。

表2 潜变量的相关系数矩阵

2.路径分析即调节效应检验

本研究采用最大似然法计算结构模型中的个路径系数，依据Hu、Bentler等人给出的标准，得出结构方程的拟合度检验结果良好[10]。（χ2/df =1.357，RMSEA = 0.031，CFI = 0.988，GFI = 0.956，IFI=0.988，TLI=0.984）。路径分析的结果如表3所示，由于运算结果后的小数位常被省略，所以假设H6的显著性大于0.5，不成立，其余假设均成立。

表3 结果模型路径分析表

根据上述路径分析结果，在AMOS23.0中删除社会支持对感知有用性的关系，进行模型修正，结果显示所有假设均通过显著性检验，修正后的结构模型如图3所示。

图3 修正后的影响因素模型图

本研究将在SPSS中将各潜变量的值进行标准化，将标准化后的自我调节能力和感知易用性相乘，提取六个潜变量、自我调节能力和感知有用性的交互项进行线性回归，结果显示，显著性F变化量值为0.725＞0.05，不显著，因此自我调节能力在感知易用性对感知有用性的影响上没有调节作用，调节效应不存在，假设H7不成立。

四、讨论

（一）大学生进行移动学习交互时更看重对其学习绩效提升的程度

感知有用性是直接显著影响因素，说明大学生在决定是否进行交互时，最注重的是是否能够提升其学习的效果，对其学业是否有实质性帮助。因此平台上的老师在授课时应该多和学生进行高质量的交互。例如在课程中穿插与知识内容相关度高的问题，在课程引入环节强调课程知识的重要性等，让学生在高质量的交互过程中感受到知识的重构以及重点知识印象的加深等。在课后，老师可以布置在课堂教学内容上难度有所提升的课程作业，让学生在完成任务的过程中锤炼提升，感受到自身的成长，提升其感知有用性。而移动学习平台应该完善其交互界面，剔除冗余的交互功能，让学生使用对其知识建构有帮助的交互功能，提升学生感知的有用性。

（二）资源画面是影响大学生移动学习交互意愿最重要的影响因素

美观的界面和大学生认知结构、使用方式相符合的资源画面设计能够为处于移动学习过程中的大学生带来愉悦感，激发大学生在移动学习过程中选择交互行为的积极性。因此，移动学习平台要注意画面内容的布局，在结构和内容的编排上要有条理性、逻辑性，便于大学生浏览和寻找需要的信息；同时要注重色彩、图案等其他元素的搭配，一方面使画面整体更加有吸引力，避免元素堆砌带来的不良体验感，另一方面有助于减轻大学生使用移动设备过程中产生的视觉疲劳，增强大学生的交互意愿。

（三）提升大学生移动学习时的整体归属感

社会支持对大学生的交互意愿有一定的正向影响。老师在教学时可以通过向学生提问、在讨论区发布讨论主题、积极对学生的疑问进行反馈等方式增加和学生的互动，也可以通过布置小组作业、小组讨论等方式，增加学生和同伴之间的交互频率，减轻学生移动学习时的孤独感。学生也可以主动和同伴进行交互，如互相分享学习资料、讨论学习问题等等，提升群体归属感。

五、结语

信息化时代，越来越多的大学生选择使用移动设备进行学习，本研究通过结构方程模型，探究影响大学生移动学习交互意愿的有关因素，发现社会支持、资源画面、感知有用性、感知易用性是影响交互意愿的因素，研究发现为提升大学生交互意愿和移动学习效率提供了理论基础。但研究也存在以下不足：移动学习环境具有复杂性，而本文选取的影响因素范围有限，研究全面性仍有待完善。因此，在未来，研究将选取不同的影响因素如绩效期望、主观准则等完善理论研究模型。