农村信息技术普及中的农民满意度研究

【摘要】本研究以广西农村信息技术普及培训项目为案例，利用客户满意度理论，分析影响农村居民参与信息技术培训学习的满意度的主要因素及这些因素相互间的作用和影响关系。研究发现，关注农村居民当前的学习期望，注重从宣传推广、学习便利性、教学质量等多方面开展农村信息技术普及培训工作，是提升农村信息技术推广和普及工作效果，吸引更多农村居民参与学习的重要策略。

【关键词】农村信息技术普及；广西；结构方程模型

一、研究背景及研究问题的提出

如何使农村居民能真正受惠于信息技术的发展？提升农村居民的信息技术应用能力是关键。广西农村地区信息基础设施建设成绩显著，与之不平衡的是农村居民信息通信技术应用能力极差。随着互联网等信息技术在社会生活中的重要性日益凸显，农村居民对学习信息技术的需求日益强烈。广西试行了农村居民信息通信技术普及试验项目（简称“试验项目”），免费向农村居民提供互联网技术培训。政府希望通过该项目，使农村居民学会使用互联网为学习、工作、生产、生活服务。本研究希望以广西推行的农村信息技术普及培训项目为例，了解清楚两个问题：

1.影响农村居民参与信息技术学习满意度的主要因素有哪些？

2.这些影响因素对农村居民参与信息技术学习满意度的作用机制为何？

二、研究综述

（一）广西互联网应用技术普及试验项目

张彬等认为，农民信息技术能力极薄弱是当前我国缩小城乡数字鸿沟工作的重要障碍①。中国互联网信息中心吴丹认为，政府前一段工作重心在解决“没有网络，没有设备”问题，国家的各类政策、措施成绩斐然。现阶段则迫切需要解决的问题是让农村居民“会上网、懂应用”②。2011年起广西选取部分地区，试推行农村居民信息技术普及培训项目。希望以此帮助农民学会使用互联网，能够将互联网运用于自身的学习、生产、生活中，进而实现提升劳动力素质，提高生产技能，促进广西农村地区经济、社会发展的目标。

（二）顾客满意度指数模型的应用

顾客满意度指数模型以顾客消费过的或正在消费的产品或服务为研究对象，通过构建相应的逻辑结构模型，量化顾客对各项指标的评价，从而获得顾客满意度的一种综合性度量指标③。该模型最初应用于经济部门，随后逐步被用以测评民众对社会服务事业方面的满意度。教育服务的顾客满意度是指接受教育者（如：高校学生、用人单位、家长、国家、社会等相关利益群体）对教育服务提供主体提供服务的主观评价④。本研究以顾客满意度指数模型为基础，借鉴教育领域中学生满意度模型研究结果，以顾客期望、感知质量、感知价值、学员满意度为核心变量，建构农村信息技术普及培训学员满意度测量模型，用以分析影响农村居民参与信息技术普及培训学习满意情况的主要因素及其作用机制。

三、研究设计

我们借鉴美国顾客满意指數模型（ACSI）、中国用户满意度指数模型（CCSI），并结合“试验项目”现阶段工作要求，以学员期望、感知质量、感知价值、学员满意度为核心变量，构建农村信息技术普及工作居民满意度测评模型（见图1）。

（一）变量的定义

我们根据顾客满意指数模型相关理论概念，并结合“试验项目”情况设立变量及其测度。研究设有三个人口特征变量分别是：性别（Gender），含男性和女性；职业（Occupation）：教师、学生、农民、政府公务员、村干部。年龄（Age）：根据实际参与学习学员的年龄情况分为：50岁以上、49岁至40岁、39岁至30岁、29岁至20岁、19岁至10岁、10岁以下，共六个年龄段。模型中测量变量的内容和代码设置如下表：

（二）研究假设

1.学员期望

根据学员满意度指数模型各变量的关系我们可知，学员期望对感知质量、感知价值、学员满意有直接的影响。因此，我们提出以下待验证假设：

H1：学员期望对感知质量有直接的正向影响。

H2：学员期望对感知价值有直接的正向影响。

H3：学员期望对学员满意有直接的正向影响。

2.感知质量

过往研究显示，个体实际感知的质量高低，对于个体对服务价值的认可，以及个体满意与否存在密切的关系。因此，我们提出以下待验证假设：

H4：感知质量直接正向影响学员感知价值。

H5：感知质量直接正向影响学员满意度。

3.感知价值

过往研究显示，感知价值和个体满意之间存在直接影响关系，学员对服务的感知价值越高，其满意度就会越高。因此，我们提出以下待验证假设：

H6：感知价值对学员满意度有直接的正向影响。

3.1样本选择与数据收集

3.1.1样本选择

“试验项目”目前在81个乡镇设置了授课点，据统计每年参与学习的学员约10万人。我们在81个授课点中随机抽取了23个授课点学员开展问卷调查，共发放问卷602份，收回有效问卷438份，回收率达到72%。

3.1.2样本特征分析

本研究使用SPSS 23对数据进行人口特征分析。参与本次调查人数438人，结果如下：

性别：男性201人，占45.9%；女性237人，占54.1%。

年龄：50岁以上有51人，占11.6%；40岁至49岁的人数最多，占31.7%；30至39岁有103人，占23.5%；20至29岁有27人，占8.4%；10至19岁人群占23.7%；10岁以下有4人，占0.9%。

四、数据分析

我们使用Smart-PLS 3.2结构方程模型分析软件进行模型验证及变量关系分析。

（一）模型检验

我们要验证结构方程和研究假设，必须先对研究模型进行检验。本研究使用Cronbachs 值作为信度检验指标，各变量Cronbachs 值分别为：C_Expectation=0.798；P_Quality=0.778；P_Value=0.818；C_Satisfaction=0.748，均大于0.7的门槛值⑤。效度测量主要参考均方差（AVE）、组合信度（CR）、因子载荷三方面系数。均方差（AVE）值分别为：C_Expectation=0.556；P_Quality=0.523；P_Value=0.664；C_Satisfaction=0.523，均大于0.5的门槛值⑥。组合信度（CR）的值分别为：C_Expectation=0.861；P_Quality=0.845；P_Value=0.868；C_Satisfaction=0.748，均大于0.7的门槛值⑦。各变量因子载荷值均达到大于0.5的门槛值⑧（参见图2）。由此，模型各测量项及变量的信度和效度均符合要求，说明研究模型设计是合理的。

（二）模型假设验证

模型假设验证，主要通过拟合系数R Square以及路径系数，R Square值应在（0，1）之间，取值约接近1，说明自变量对因变量的解释力越强，结果显示：P_Quality=0.216；P_Value=0.430；C_Satisfaction=0.547，各因变量有较好解释度。

我们对模型运行Bootstrapping处理得到稳定的结果，研究提出的假设：H1、H2、H3、H4、H5、H6均得到显著认证（见表格2）。

五、结果讨论

（一）研究结论

研究利用CSI模型分析了在广西推行的农村居民互联网应用技术普及工作的居民满意情况，使我们更清楚地掌握了农村居民参与学习互联网应用技术主要影响因素及各因素之间的作用关系及影响路径。根据模型运算结果，我们得到如下结论：

通过结构方程模型数据分析，我们可以探究各变量之间相互影响的方式和程度。根据表格2中结果显示，学员期望对感知质量有显著正向影响，支持原假设H1。学员期望对感知价值有显著正向影响，支持原假设H2。学员期望对满意度有显著正向影响，支持原假设H3。感知质量对感知价值有显著正向影响，支持原假设H4。感知质量对学员满意度有显著正向影响，支持原假设H5。感知价值对满意度有显著正向影响，支持原假设H6。

（二）研究启示

1.以居民学习期望为服务导向

由因子載荷结果可知，学员期望中的因子载荷由大到小分别是总体期望、可靠性期望、学会使用互联网解决现实问题、学会获取信息资源/服务、学会使用互联网使生活更便利。这说明居民非常看重的是参与培训以后自己是否真正能够学会如何使用互联网，并希望参与的信息技术培训是能够具有一定培训服务质量保证的，在这两个条件能够获得满足的同时，能够学习如何利用互联网解决其现实生活中遇到的问题是其关注的重点，其次是希望学会利用互联网获取信息资源/服务，以及学习如何使用互联网为其生活提供更多便利。从模型可以看到，学习期望对学员的满意度存在着显著的直接影响。由此可知，我们开展农村地区信息技术培训服务要以满足农村居民现实需求为导向，即围绕居民现实的学习期望构建培训课程，以使我们的服务更贴近农村居民的现实需要。

2.农村信息技术培训要重视提高综合服务质量

从整个结构模型看，感知质量对感知价值、学员满意度均呈现出显著的影响，说明感知质量对学员的感知价值、学员满意度的影响程度很大。感知质量对感知价值有显著正向影响，说明我们可以通过提升感知质量，实现提升居民对参与信息技术培训学习的价值的感知。感知质量对学员满意度有显著正向影响，也说明我们可以通过提升感知质量，提升居民对信息技术培训学习的满意度。本研究通过结合现实情况，对感知质量设计了5个题项，通过因子载荷可知，各因子由大到小分别为：信息发布、总体质量、易入学、就近学习、教学质量。我们可以从中了解，开展农村信息技术普及服务，首先需要做好有关农村信息技术普及培训的宣传工作，让农村居民对该项服务有好的了解，才能吸引其积极参与。我们还看到教学质量也是居民关注的重点。同时，由于受农村地区居民居住分散、交通不便利等因素的影响，我们在开展信息技术培训教学时还要更重视两个问题，一是要为农村居民提供便利的参与途径，主要指入学资格、课程的时间安排等符合农村居民的生活习惯；二是要提供便利的学习环境，这一方面主要指参与教学地点以及相关配套服务等硬件方面的因素。

注释：

①张彬，李潇，Richard D.Taylor.数字鸿沟测度理论与方法[M].北京：北京邮电大学出版社，2009

②吴丹.互联网数字鸿沟问题加剧[M].互联网发展信息与动态，2010（08）：6-7

③霍映宝. CSI模型构建及其参数的GME的综合估计研究[M].南京：南京理工大学经济与管理学院博士学位论文，2004（07）

④张天雪，祁营.当前公众对教育满意度调查分析——以浙江省为样本[J].中国教育学刊，2011（08）：13-16

⑤Hair，J.F.，Anderson，R.E.，Tatham，R.L.，and Black，W.C.，（1995）.Multivariate Data Analysis with Reading （4th）， Englewood Cliffs，Prentice Hall，NJ，.757

⑥Fornell，C.and Larcker，D.F.，（1986）.Structural equation models with unobservable variable and measurement error： algebra and statistics，Journal of Marketing Research，（18）.382-388

⑦Hair，J.F.，Anderson，R.E.，Tatham，R.L.，and Black，W.C.，（1995）.Multivariate Data Analysis with Reading （4th）， Englewood Cliffs，Prentice Hall，NJ，.757

⑧Hair，J.F.，Tatham，R.L.，Anderson，R.E.，and Black，W.C.，（1998）Multivariate Data Analysis（5th），Prentice Hall，Upper Saddle River， NJ，.177-218

[作者简介：李凯（1985-），男，广西南宁人，武汉大学新闻与传播学院，博士研究生；研究方向：新媒介发展研究，媒介与社会发展研究。]