数字化教育领域TAM研究的元分析

王飞扬

(上海理工大学 上海 200000)

近年来，数字化教育已经成为一种发展趋势，越来越多的国家开始尝试把信息技术应用于教育，这其中，学生对数字化教育技术的接受是一个关键问题，这个问题对数字化教育出版者来说非常重要。对于接受度的研究，最受到研究者青睐的是TAM（technology acceptance model），即技术接受模型，尽管技术接受模型被成功地应用于数字化教育领域，但是研究结果却不尽相同，因此检验不同环境下TAM中变量关系的统一和分歧，能有助于更好地理解TAM的研究结果①。

元分析是一种定量的综述方法。元分析已经被应用于TAM 领域，其中 umak、Hericˇko和 Punik（2011） 对e-learning领域的TAM研究进行了综述，他们使用的效应量（effect size）为路径系数（path coefficient）②，但是路径系数仅能用于使用相同TAM版本的研究或者文章报告了相关矩阵以允许核心TAM的路径系数得以计算出来的情况下③。一般而言，回归中得到的B值（判定系数）是不能用于元分析的④。因此，本文以相关系数（r）作为分析的效应量，通过纳入中文文献，对数字化教育领域的TAM研究中核心变量间的关系进行分析，即感知易用性（PE）、感知有用性（PU）、态度（A）、意图（BI）、实际使用（U）之间的关系，并对国内外的可能差异进行对比。

一、文献选取

本文的文献选取标准如下：（1）以TAM为基本模型对数字化教育的定量研究；（2）遵守TAM的基本假设关系；（3）以学生为研究群体；（4）可以获取TAM核心变量间的相关系数；（5）对研究方法的描述清晰，过程可靠。以此标准，通过中英文数据库和有关检索工具对该领域的文章进行检索，使用的中文关键词：技术接受模型、TAM、技术接受和e-learning、教育、学习、网络、课程，英文关键词为TAM、technology acceptance和course、learning、education、web-based和online，中英文各自通过关键词之间的搭配进行检索，在知网、ScienceDirect、EBSCO等中外文数据库进行搜索，最后获得文献39篇，其中英文文献34篇，中文文献5篇。

二、数据获取及分析

元分析要求被分析的研究具有独立性，因此本文采取以下处理方式：有两个独立样本的对比研究算为两个研究，非独立样本的对比研究（前后对照研究）选取其中一个，对于无法区分开来的独立对比研究则取总研究作为一个研究。在上述基础上，本文按照下列步骤获取数据并进行分析。首先，对于TAM核心变量间相关系数的获取，大部分文献中报告了因子（潜变量）间的相关矩阵，少部分文献只报告了相关矩阵或协方差矩阵，对于后者通过LISREL计算获取相关系数。由于感知易用性-实际使用（PE-U）、感知有用性-实际使用（PU-U）、态度-实际使用（A-U）这三组关系被研究的数量很少，分别为3篇、3篇和2篇，如果计算的话误差较大，因此予以舍去。其次，采用随机效应模型进行分析⑤，因为这些研究中的数字化教育涉及的具体应用环境差异较大，使用随机效应模型更为合适。

从表1中可以看到，7组变量关系的Q检验显著值都小于0.05，说明我们有理由拒绝每一组中各研究间效应量相等的零假设，由此支持了使用随机效应模型进行分析。7组变量关系的效应量Z检验的显著性也都小于0.01，这说明所有组中效应量的均值都显著地不等于0。总体上来看，r值都大于0.40，关系强度属于较强（large）（Co⁃hen，1977，1988）④。从r值的大小来看，7组关系中相对较弱的关系为使用意图-实际使用（BI-U）（r=0.462）与感知易用性-使用意图（PE-BI）（r=0.500），相对较强的关系为感知有用性-态度（PU-A）（r=0.687）、态度-使用意图（A-BI）（r=0.668）。为了对比中国大陆与国外对数字化教育技术的可能差异，本文进行亚组分析，以中国知有用性和行为意图在国内外的学生对数字教育的接受中起到同样重要的作用。由此，对于数字教育产品的出版者来说，在设计和开发产品时要注意加强易用性和有用性的大陆为研究地的论文为A组，以剩余的国家和地区为研究地的论文为B组。由于PE-A、PU-A的A组只有1篇文章，而A-BI、BI-U的A组甚至没有文章，因此本文只能进行PE-PU、PE-BI和PU-BI这三组关系的亚组分析。对于亚组分析的方法，本文采用τ2单独估计的随机效应模型⑤。从表2中可以看到，无法拒绝这三组关系中的A组和B组的真实平均值相同的零假设，即国内外在这PE-PU、PE-BI和PU-BI三组关系上都没有显著差异，即说明国内在技术接受的核心因素（感知易用性、感知有用性和行为意图）之上没有差异。

表1 效应量分析

表2 亚组分析

三、结论

通过对39篇数字化教育领域TAM研究的元分析，本文得出两点结论。第一，所分析的7组关系（PE-PU、PE-A、PE-BI、PU-A、PU-BI、A-BI、BI-U） 的强度都为较强，这与umak、Hericˇko和Pu nik（2011）的结果不太一样，他们只发现了在e-learning中以学生为研究群体的TAM关系中只有PU-A为较强②。第二，大陆与其他国家和地区在对数字化教育技术的接受上没有差异，表现在PE-PU、PE-BI和PU-BI这三组关系上没有显著差异，这似乎与Schepers和Wetzels（2007）的不太一样，他们发现PU-BI、PE-BI在西方和非西方的技术接受中有差异，而PE-PU则没有差异①。可能的解释是，学生群体本身具有同质性①，或者说作为TAM核心变量的感知易用性、感设计，这两个因素会影响用户的态度和意图，最终影响学生对产品的接受。■

注释：

①SCHEPERS J,WETZELS M.A meta-analysis of the technology acceptance model:Investigating subjective norm and moderation effects[J].Information and Management,2007,44(1):90-103.

②UMAK B,HERI?KO M,PU?NIK M.A meta-analysis of e-learning technology acceptance:The role of user types and e-learning technology types[J].Computers in Human Be⁃havior,2011,27(6):2067-2207.

③TURNER M,KITCHENHAM B,BRERETON P,et al.Does the technology acceptance model predict actual use?A systematic literature review[J].Information&Software Technol⁃ogy,2010,52(5):463-479.

④LIPSEY M W,WILSON D B.Practical Meta-analysis[M].California:SAGEPublications Inc,2000:1-264.

⑤BORENSTEIN M,HEDGESL V,HIGGINSJT，等．meta分析导论[M]．李国春、吴勉华、余小金，译．北京：科学出版社，2013．