面向泛在学习智能推荐的用户偏好影响因素实证研究*

杨丽娜 魏永红 安海涛 刘永花



面向泛在学习智能推荐的用户偏好影响因素实证研究*

杨丽娜1,2魏永红3安海涛4刘永花5

（1．北京师范大学教育学部，北京 100875；2．天津外国语大学教务处，天津 300204；3．天津科技大学计算机科学与信息工程学院，天津 300224；4．内蒙古电子信息职业技术学院科技处，内蒙古自治区呼和浩特 010070；5．内蒙古科技大学工程训练中心，内蒙古自治区包头014010）

准确识别和表达用户偏好是实现泛在学习智能推荐服务的关键，为提升泛在学习服务的个性化和智能化水平，研究并分析影响用户偏好形成的主要因素，对构建具有自适应能力的用户偏好模型具有现实意义。文章以个性化服务理论、情境感知理论和技术接受模型理论为基本框架，分别从服务维度、情境维度、资源维度和技术维度四个方面研究并分析了影响用户偏好建立的主要因素，建立了泛在学习智能推荐用户偏好前因模型，采用结构方程模型统计技术检验了该研究模型，并对实证研究结果进行了分析。

泛在学习；智能推荐；用户偏好；影响因素；实证研究

一问题的提出

随着泛在学习研究与实践的不断深入，尤其是新一代移动互联网技术的发展与数字学习资源建设的不断完善，泛在学习发生所需的技术环境与资源环境已基本具备。顺应服务驱动的数字化学习的发展趋势，不断提升泛在学习服务的智能化、情境化与个性化水平，是泛在学习研究与实践的一个新议题。当前泛在学习实践的焦点不仅是构建泛在学习所需的信息技术环境，更为重要的是构建面向真实学习情境，支持用户进行有效学习的个性化服务环境，即能根据用户学习情境和学习任务推送即时所需的资源和服务。为此，本文从提升泛在学习个性化服务水平的研究视角出发，采用实证研究方法就影响泛在学习智能推荐用户偏好的主要因素进行研究，以期为构建具有自适应能力的用户偏好模型提供思考框架。

二理论基础

1 个性化服务理论

个性化服务理论强调针对性的、主动提供、有目的性和动态变化的服务[1]，服务的个性化主要体现在服务时机、服务方式和服务内容等方面。个性化服务作为一种“信息找人”的服务模式，通过识别、分析各类用户的偏好和服务需求为其提供有价值的信息和服务[2]。

2 情境感知理论

Dey[3]的研究认为，无论桌面计算还是移动计算，在环境中使用情境都可视为情境感知。他将情境感知定义为：根据情境向用户提供相关的信息或服务，适时的情境信息与服务由用户任务决定。情境感知可分为显式感知和隐式感知两类，显式感知是指那些直观和易获得的一些情境信息，如用户位置、终端类型、学习时间和学习任务等信息；隐式感知是指通过分析外显行为数据推测出来的一些情境信息，如学习风格、能力水平与潜在偏好等。情境感知理论强调外部学习环境对学习影响的重要性，其研究也指出情境感知是提供个性化服务的基础和依据。

3 技术接受模型

技术接受模型阐述了个体采用信息技术系统意图的主要影响因素[4]。该模型认为技术系统的有用性和易用性决定了个体是否会采纳该系统——有用性是个体对使用该系统在提高工作效能方面的一种感知；易用性是指个体对使用该系统容易程度的一种感知[5]。技术接受模型是解释个体信息技术系统采纳行为简约的理论框架，个体对技术系统的有用性和易用性认可度越高，表明对技术使用的接纳意向越高，进而影响个体对技术系统服务的偏好程度。

三研究模型与研究假设

1 研究模型

泛在学习环境既是一个技术与资源环境，也是一个服务环境，研究用户偏好识别的准确性需要综合考虑这些因素的影响。本文以上述理论框架为基础，分别从服务、情境、资源与技术四个维度研究影响用户偏好识别的主要因素，研究模型如图1所示。

图1 面向泛在学习智能推荐的用户偏好前因模型

在泛在学习环境中，影响用户偏好模式建立的因素是多方面的，本文重点研究服务维度中的服务时机和服务质量；情境维度中的用户类型、终端类型和学习任务；资源维度中的资源类型和主题相关性；技术维度的系统质量等因素对用户偏好意向和偏好行为的影响，并通过实证的方式检验这些因素对用户偏好行为的影响强度和影响差异。

（1）模型构件的概念界定

研究模型理论构件界定的关键是给其确定一个合理的名字，透过这个名字能够保证该理论构件是可测度的。基于上述分析，本文研究模型中的理论构件命名及其概念的界定如表1所示。

（2）研究假设

①服务维度

从泛在学习的服务维度来看，本研究认为服务时机和服务质量影响着用户对泛在学习服务的偏好意向，进而影响用户最终的偏好行为模式的建立。泛在学习用户如果能及时获取所需的各类资源和服务，体验到高质量的推送服务，那么用户就会产生良好的学习体验，进而强化了用户对泛在学习环境的偏好意向。基于以上分析，提出如下研究假设：

H1：服务时机正向影响用户偏好意向的建立

H2：服务质量正向影响用户偏好意向的建立

表1 模型构件的概念界定

②情境维度

情境感知理论强调服务的情境性和适应性。本文从显性情境的层面研究用户类型、终端类型和学习任务对用户偏好意向的影响。泛在学习环境用户有新老用户之分，新老用户对信息和资源的偏好模式是不同的，进而也就决定了服务模式是有差异的；泛在学习环境也是一个面向多样化学习终端的服务空间，持有不同类型终端的用户对信息和资源的服务需求也是不同的，如基于PAD和手机的用户与基于PC端的用户需求模式是有差别的；另外，在泛在学习环境中，学习任务目标的达成也是依赖情境的，学习任务设定的情境、难易程度，与学习任务相关、学习任务难度相当的资源和服务推送效果都会影响到用户对资源和服务偏好意向的建立。为此，提出如下研究假设：

H3：用户类型影响偏好意向建立

H4：终端类型影响用户偏好意向建立

H5：学习任务影响用户偏好意向建立

表2 模型理论构件的操作化

③技术维度

泛在学习空间也是一个技术空间，技术接受模型理论认为，技术系统质量影响学习者对系统的采纳意图，进而也就影响着学习者偏好意向的建立。如果技术系统能够在学习者完成学习任务、参与学习活动并获取预期学习效果的过程中表现出优良的有用性、易用性与强大的功能性，那么就会促进学习者的学习过程，并提升学习效果[6]。基于以上分析，提出如下研究假设：

H6：系统质量正向影响学习者偏好意向的建立

④资源维度

泛在学习资源具有多样化和多元化特点，不同用户对不同类型的资源偏好是不同的，如有的用户喜欢推送视频类资源，而有的用户喜欢推送的音频类资源等。另外，所推送资源与学习主题的相关性也会影响用户偏好意向的建立，如果推送资源和学习主题相关性高，那么就会提高用户的偏好意向，反之，用户的偏好意向就会下降。为此，提出如下研究假设：

H7：资源类型影响用户偏好意向的建立

H8：资源主题相关性影响用户偏好意向的建立

⑤偏好意向与偏好行为

泛在学习是用户与环境、资源和服务不断互动的过程，如果泛在学习环境能够为用户提供有效的互动资源和服务，就会不断提升用户对资源和服务的偏好意向，进而影响到用户偏好行为的建立，为此，提出如下研究假设：

H9：用户偏好意向正向影响用户的偏好行为

2 理论构件的操作化

本文研究模型理论构件测量项目的确定主要是基于三方面思考：一是测量项目的内容和对理论构件的测量首先要以本文研究模型理论构件的概念界定为基础；二是为保证测量效度，本文通过采取焦点小组反馈—修改—再反馈的循环反复方式确定自行设计的测量项目；三是为了保证测量信度，笔者在研究过程中还采用测量项目分类法来确定最终的观测项目，通过测量项目分类法的重复实施，研究模型理论构件操作化结果如表2所示。

四研究设计

1 数据收集

本文采用问卷调查方式收集研究数据。问卷包含基本人口统计信息、泛在学习服务系统使用基本情况、泛在学习服务偏好意向和偏好行为调查等三部分，共计32个态度观测项目、3个人口统计变量、4个泛在学习系统使用基本情况变量。为保证测量有效性，在问卷中通过设置泛在学习系统使用时长问题作为初步筛选研究样本的策略，对那些使用泛在学习系统时长不足一年的样本均排除在外。

本文将采用PC、笔记本电脑、智能手机、iPad等终端进行学习，并具有一年以上学习经历的样本均视为泛在学习用户，将他们在学习中使用的软硬件环境均视为泛在学习环境。研究中态度测量项目采用Likert七点量表法进行测量。问卷发放方式采用现场发放、邮件发放和基于社会化软件（如QQ、微信）发送相结合的方式。为保证样本具有一定的覆盖面，在问卷发放过程中还邀请QQ和微信好友每人再下发不少于10份的问卷数量，调查样本涵盖在校本科生、研究生和部分教师，共发放问卷502份，回收问卷396份，有效问卷358份，有效回收率为90.4%。

为保证问卷信度，研究采用SPSS 17.0软件计算模型中各理论构件测量项目的内部一致性，通过克隆巴赫系数（Cronbach’）值的大小进行判断，信度检验结果如表3所示。

2 模型分析

文章采用结构方程模型统计分析技术来检验研究模型的拟合效果，样本数据分析采用LISREL 9版本软件。相比传统的回归分析技术，结构方程模型统计分析技术能分析和处理多因变量之间的关系，并能有效计算整个研究模型的拟合情况。结构方程模型统计方法是通过如下几个测量指标来评判研究模型的拟合情况：为了平衡样本规模对模型拟合效果的影响，一般采用卡方与自由度的比值（x/df）作为评判研究模型拟合效果的参考因素之一；此外，采用的测量指标还包括模型拟合优度指数（）、调整后的拟合优度指数（）、近似均方根残差（）、比较拟合度指数（）、均方根残差（）以及标准拟合度指数（）。研究模型拟合指标及其检验结论如表4所示。

表3 问卷信度检验结果

表4 研究模型拟合情况与检验结论

删繁就简，本文仅给出研究模型假设路径简图（如图2所示），而不再列出每个潜变量测量项目的标准因子载荷与交叉载荷表。根据图2模型假设检验路径系数，可以得出如下结论：

图2 研究模型假设检验路径图

（注：*表示在0.05水平上达到显著，**表示在0.01水平上达到显著）

（1）服务维度假设拟合情况

服务维度的服务时机和服务质量显著影响泛在学习用户对服务的偏好意向，即研究假设H1和H2得到验证。这一研究结论表明，由于泛在学习的移动性和情境化特点，当学习环境、学习活动、学习主题、学习主体发生变化时，泛在学习系统如果能够即时做出响应，并能从服务内容、服务时机和服务形式上为用户提供学习服务，这些都将正向影响着用户偏好意向的建立。

（2）情境维度假设拟合情况

情境维度的终端类型与学习任务潜变量显著影响用户偏好意向的建立，即研究假设H4和H5得到检验；而用户类型对用户偏好意向的影响不显著，即H3假设没有得到检验。H4和H5研究假设得到检验表明，在泛在学习环境中，学习情境差异是影响用户偏好意向建立的重要因素，使用不同类型终端的用户对泛在学习服务的偏好意向也是不同的；另外，学习任务的难易与类型变化时用户对服务的偏好意向也是不同的。H4和H5研究假设得到检验表明：在设计泛在学习个性化服务系统时，要充分考察用户所用终端类型与学习任务属性（如难易与类型等），这些因素将会影响用户偏好意向的形成。H3假设没有得到检验，这与笔者的研究初衷相违背，其原因可能在于和抽样样本的属性有关——本研究样本都是具有一年以上泛在学习经历的学习者，这在一定程度上很难根据其信息技术使用经验、学习活跃度等因素来区分出新老用户。

（3）资源维度假设拟合情况

资源维度的资源类型和主题相关因子显著影响用户偏好意向的建立，即研究假设H6得到检验，笔者认为这一研究结论为泛在学习资源的组织、设计提供了可供参考的建议和思路。

（4）技术维度假设拟合情况

技术维度度的系统质量因子对用户偏好意向影响显著，即研究假设H8得到检验。该研究结论表明，在一个服务驱动的信息技术系统中，系统的易用性、有用性和功能性体验的好坏影响着用户偏好意向的建立。

（5）偏好意向与偏好行为假设拟合情况

模型分析结果显示偏好意向显著影响偏好行为，即研究假设H9得到检验。这一研究结论表明，个体的外在行为多数由内在的行为意图所决定，因此，当行为意向强到某个阈值就会诱发或产生相应的外在行为，这一研究结论也表明了泛在学习行为产生的某种内在心理机制。

五结论

泛在学习研究已逐步从最初的技术导向过渡到服务导向上来。为此，研究、设计并开发具有个性化、智能化的泛在学习服务系统具有重要的现实意义。尤其是加强个性化推送服务机制的研究是实现服务导向泛在学习目标与提升泛在学习服务质量的一个重要课题，而实现泛在学习个性化推送服务的前提是要能够准确识别出用户的偏好模式及其主要的偏好影响因素，这样才能进一步提升泛在学习系统的服务质量。该研究模型的总体拟合情况良好，但并不表明该研究结论具有普适性，因为任何实证研究过程都要受样本量、样本属性及研究过程的规范性与科学性的影响。因此，笔者希望通过本研究能够为深入研究泛在学习个性化服务提供一些参考和思考。

[1]刘太举.基于效用的Web个性化服务模型[D].北京:北京邮电大学,2014:41-50.

[2]Chen Y, Lee S Y M, Huang C R. A robust web personal name information extraction system[J]. Expert Systems with Applications, 2012,(39):2690-2699.

[3]Dey A K. Providing architectural support for building context-aware applications[J]. Georgia Institute of Technology, 2000,(2):106-111.

[4]Davis F D. Perceived usefulness, perceived ease of use, and end user acceptance of information technology[J]. MIS Quarterly, 1989,(13):319-40.

[5]杨丽娜,颜志军.信息技术采纳视角下的网络学习行为实证研究[J].中国远程教育,2011,(4):36-40.

[6]杨丽娜,颜志军,孟昭宽.虚拟学习社区有效学习发生影响因素实证研究[J].中国远程教育,2012,(1):52-57、95-96.

编辑：小西

Empirical Research on Influencing Factors of User Preferences in Ubiquitous Learning Personalized Recommendation

YANG Li-na1,2WEI Yong-hong3AN Hai-tao4LIU Yong-hua5

Correctly recognizing and expressing user preferences is the key to achieve the intelligent recommendation service of ubiquitous learning. To improve the personalization and intelligence levels of ubiquitous learning service, it is very meaningful to build user preference model with self-adaptive ability through analyzing the major factors influencing the formation of user preference. The paper investigated and analyzed the major factors affecting the establishment of user preferences from the perspective of service, context, resource and technology. Meanwhile, based on theories of personalized service, context awareness and technology acceptance, the paper constructed the antecedent model of user preference for ubiquitous learning personalized recommendation, The model was tested by structural equation model statistical technology, and the empirical research results were also analyzed.

ubiquitous learning; personalized recommendation; user preference; influencing factor; empirical research

G40-057

A

1009—8097（2016）10—0044—08

10.3969/j.issn.1009-8097.2016.10.007

本文受2013年教育部人文社会科学青年基金项目“耦合情境的泛在学习资源个性化推荐研究”（项目编号：13YJCZH225）、2014年度中国博士后科学基金第7批特别资助项目“泛在学习智能推荐服务机制与关键技术研究”（项目编号：2014T70041）、2016年度天津市教育科学“十三五”规划项目“多源数据融合视角下的泛在学习个性化推荐研究”（项目编号：CE4190）、2015年度天津外国语大学本科教学质量与教学改革重点项目“信息技术环境下多元学习方式有效融入日常教学实证研究”（项目编号：TJWD15A06）资助。

杨丽娜，副教授，博士，研究方向为个性化学习服务与智能推荐研究，邮箱为yang_lina@163.com。

2016年3月16日