高校教师教学大数据技术行为意向影响因素研究*——基于清华“学堂在线”的调查

方 旭 韩锡斌

（1.兰州大学 高等教育研究所，甘肃兰州 730000；2.清华大学 教育研究院，北京 100084）

高校教师教学大数据技术行为意向影响因素研究*
——基于清华“学堂在线”的调查

方 旭1韩锡斌2

（1.兰州大学 高等教育研究所，甘肃兰州 730000；2.清华大学 教育研究院，北京 100084）

目前，教育大数据技术已成为教育技术领域的研究热点之一，国内外均对教育大数据的含义、应用等问题进行了探讨。而在教育大数据的构成方面，教学大数据首当其冲，国内外相关研究较多的集中于教育大数据的探讨，而对于教学大数据仍有待进一步深入全面的探讨。因此，对教学大数据作深入研究具有重要的实践意义。已有研究表明，大数据技术如何“落地”，是有待解决的问题。针对目前关于教师教学大数据技术行为意向影响因素的研究还很少，还缺乏深入的理论分析和实证研究。为此，在构建高校教师教学大数据技术行为意向影响因素模型的基础上，进行了实证分析，对教师教学大数据技术行为意向的影响因素进行了研究。研究结果表明：有用性感知和情绪两个变量与教师教学大数据的行为意向正相关，社群影响和绩效感知两个变量与有用性感知正相关，促成条件与易用性感知正相关（p＜0.05）；所构建的模型具有良好的解释力，对行为意向的解释度为73.3%；教师具有了一定的行为意向，而社群影响、易用性感知以及促成条件等方面的感知程度还很低。

教育大数据；教学大数据；行为意向；影响因素；实证研究

一、引言

目前，教育大数据技术和微课、慕课以及智慧教育等已成为国内外关注和研究的热点之一。教育大数据包括教学大数据、管理大数据等，教学大数据是教育大数据的一个重要组成部分，是教育大数据在教学应用中的具体体现。杨现民等指出，教育大数据的四大来源，其中之一就是教学活动中直接产生的数据，即教学大数据，比如，课堂教学、网络互动等[1]。而在教育大数据的构成方面，在线学习的数据首当其冲[2]。教学大数据即学习管理系统和各类移动设备所记录下来的各类海量数据，成为分析教学过程的重要来源。这些数据包括：记录学习过程的行为数据、记录学习结果的评价数据以及学习形成的社会网络关系数据等。教学大数据的应用，对于提升学校教学效果具有重要的意义。

通过对教学大数据的分析，我们可以发现问题，并及时采取相应的措施，以提升学生的学习效果和改善教师的教学。教学大数据技术的应用，有利于提升教学效果，实现个性化教学、优化教学过程以及预测学生成绩等目标。近年来，国内外对于教育大数据的关注较多，很多文献将教学大数据、管理大数据等作为一个整体，即教育大数据进行探讨，而专门针对教学大数据的研究还有待深化，对教学大数据技术的相关理论还需进一步深入分析。换言之，教学大数据技术逐渐成为教育大数据领域探讨的核心内容之一，教学大数据技术研究，对于教育大数据技术在教育中的深入推进和应用，具有重要的意义。

在高校教师中，面临着对教学大数据技术缺乏认识和了解、使用较少及不够深入等问题。改善教师教学大数据技术的使用行为，提升教学大数据技术的应用效果，对于教学大数据的深入应用具有重要的意义。当今世界各国纷纷进行大数据技术的规划和布局，教育大数据（包括教学大数据）的发展已是未来发展的重要趋势之一。美国教育部为推动“大数据”教育应用，早在 2012年 10月就发布了《通过教育数据挖掘和学习分析促进教与学》，指出要重点发展教育数据挖掘和学习分析技术，通过对教育大数据的挖掘与分析，促进美国高等院校及K-12学校教学系统的变革[3]。

我国教育部正在大力推进两级（国家、省）教育数据中心的建设，国内部分市、区也在大力发展区域教育大数据中心平台的建设与创新应用[4]。本课题对于高校教师教学大数据技术行为意向影响因素的研究，可为国内外教学大数据技术在教育中的深入应用，提供参考价值。

二、文献综述

通过对已有文献的分析，我们对国内外关于教育大数据的研究分析概括如下：第一，对教育大数据基本理论的分析。其中对教育大数据的定义、作用、障碍等进行了一些研究[5-7]。第二，对具体领域教育大数据的研究，例如，李馨对高等教育大数据的含义、机遇和挑战等问题进行了探讨[8]；杨雅洁对大数据在基础教育领域的应用效果进行了研究[9]；教育大数据技术在思想政治教育领域中的应用等[10]。第三，对国外大数据应用状况进行了研究，例如，滕珺等通过研究发现，大数据在美国基础教育中的应用包括为教育宏观决策提供信息基础、使教育管理和服务更加个性化，以及驱动教学质量的大幅提升等[11]，而郑燕林等从大数据为何而用、大数据从何而来以及大数据如何而用等方面，分析了大数据在美国教育评价中的应用路径[12]。第四，教育大数据的其他方面，包括教育大数据的采集、开发、安全以及政策等问题[13-16]。

国内外对教育大数据技术（包括教学大数据）在教育中的应用和挑战等，主要集中于理论分析，例如，有研究通过理论分析指出，目前教育大数据的应用面临着技术瓶颈、人才缺乏以及隐私和伦理道德的挑战[17]；另外也有研究指出，教育大数据应用面临着数据标准有待完善、数据采集覆盖面窄、模型构建专业性不足、产品服务单一、开放共享尚未形成，以及隐私保护有待完善等问题[18]；而美国《通过教育数据挖掘和学习分析促进教与学》报告的受访专家指出，大数据教育应用中80%以上的限制和挑战来源于“人”[19]。

所谓教学大数据，是教学过程中产生各类数据的总结，也是教育大数据中最为重要的组成部分。有相关文献对教学大数据的作用、应用模式等进行了研究[20-22]；也有一些研究对教学大数据的具体应用案例进行了分析[23-24]；还有学者对教育大数据教学评价、基于教学大数据的学习预警模型等，进行了探讨[25-26]；也有针对教学大数据在专业中的应用进行的研究[27-28]；其他研究方面，包括教学大数据应用中存在的问题[29]、教学大数据平台开发[30]等。

作为教育大数据中最为核心的内容之一，针对教学大数据的研究还需不断深化和扩展。特别是高校教师教学大数据的应用现状 （包括教师大数据的应用行为、应用意愿以及支持现状等），以及教学大数据技术应用影响因素等方面的实证研究，还较罕见。关于大数据技术影响因素的实证研究，仅有基于TOE模型的企业大数据采纳影响因素的研究[31]。基于技术采纳等相关成熟模型，对教师教学大数据行为影响因素的研究还较少见。总之，教育大数据（包括教学大数据）应用还比较零散，处于起步探索阶段，大数据在教育领域究竟该如何全面“落地”，有无可推广的成熟应用模式，成为困扰教育界的一大难题[32-33]。

因此，本研究对教学大数据应用的影响因素进行的理论和实证研究，弥补了目前国内外关于教学大数据的实证研究方面的空缺，从而为大数据在教学中的深入应用和推广，提供一定的依据。

三、模型构建

本研究首先选取约20名高校教师进行了访谈，对其教学大数据使用情况和影响因素进行了初步分析，其中包括正高级教师15名，副高级教师5名。我们首先采用质性研究方法，对教师访谈记录进行分析，发现教师目前在教学大数据方面，存在着认识不清和不够深入、使用较少以及缺乏软硬件支持等问题。然后通过扎根理论（包括从资料中产生概念、对资料和概念进行比较以及建立概念和概念之间的联系等）的分析，对教师访谈总结出若干影响因素，例如：绩效感知、促成条件、社群影响以及有用性感知等。

由于教师在使用大数据技术过程中，需要使用计算机以及网络等信息技术对数据进行采集、统计分析等，因此，本研究基于技术接受模型和个人计算机使用模型并结合教师教学大数据的具体应用情境和访谈结果，来构建教师教学大数据技术采纳的影响因素模型。

TAM模型提出了影响行为意向的两个中间变量，即有用性感知和易用性感知，但并未提出影响有用性感知和易用性感知这两个变量的外部变量；而MPCU模型提出了六个影响行为意向的外部变量。我们在上述两个模型的基础上，结合教师教学大数据的具体应用情境和访谈结果，构建了高校教师教学大数据技术行为意向影响因素模型。

（一）TAM模型与MPCU模型

戴维斯最早提出了技术接受模型（Technology Acceptance Model，TAM，）[34]，如图 1 所示。

图1 技术接受模型（Technology Acceptance Model，TAM）

TAM模型提出了信息技术系统使用行为受到行为意向的影响，而行为意向又受有用性感知和使用态度的影响，使用态度受到有用性感知和易用性感知两个变量的影响，而这两个变量又受到很多外部变量的影响。行为意向指的是一个人愿意使用某项信息技术的程度；有用性感知指的是使用一项信息技术可以改善其工作的程度；易用性感知指的是使用一项技术将花费的努力程度。近年来，后续大量的实证研究证明了TAM模型的有效性。汤普森等将之前提出的行为影响因素模型应用于个人计算机使用领域，提出个人计算机使用影响因素模型（MPCU 模型）[35]，如图 2 所示。

该模型提出了影响计算机使用的六个变量，分别是：结果感知、工作适用性、复杂性、情绪、社群影响和促成条件。结果感知指的是相关人员使用信息技术时被期望得到的有价值的行为结果，可以从多个维度进行表征，例如，提升了工作满意度和工作灵活性。工作适用性指的是使用信息技术提升一个人工作表现的程度。复杂性指的是创新被感知到的理解和使用的困难程度。情绪指的是使用信息技术带来的愉快、高兴或沮丧的感觉。促成条件指的是能够促进使用信息技术行为实现的环境中的客观因素。社群影响指的是个人使用信息技术时对参考对象主观文化的内化以及在特定的社会情境下遵从别人的一种规范。

图2 个人计算机使用模型（Model of Utilization of Personal Computers， MPCU）

（二）研究假设

本研究在参考上述模型的基础上，结合高校教师教学大数据技术的使用情景以及访谈结果，提出如下研究假设：

1.使用行为

教师教学大数据技术使用行为，可以从多个方面进行衡量，包括：教学数据获得、教学数据整理、教学数据分析、教学数据反思等行为，具体可表现为教师使用教学大数据技术的频率、深度等。

教学数据获得指的是通过慕课平台获得学生及教师的相关数据的过程，数据包括学生的视频观看情况、测试题完成情况、论坛发帖情况等；教学数据整理指的是对从慕课平台获得的数据进行分类整理的过程，包括学生学习过程方面、学生的交互过程以及教师教学过程等方面的数据；教学数据分析指的是利用慕课平台提供的数据呈现和数据统计等功能，分析和发现学生在学习方面存在的问题，以期为教学的改进和对学生学习的干预提供一定的依据；而教学数据反思指的是在数据分析的基础上，对教师本人的教学存在的问题和需要提升的地方进行改进，并且对学生的学习行为进行有效的干预。意向是指人们对待或处理客观事物的活动，表现为人们的欲望、愿望、希望、谋虑等行为反应倾向。教师教学大数据技术使用行为意向即指教师愿意使用教学大数据技术的程度。

TAM模型提出了信息技术使用行为（USE）受到行为意向（Behavior Intention，BI）的影响。 当教师有着更强的使用教学大数据技术意愿的时候，他们就会去加深对教学大数据的了解和应用，包括进行数据的分析并制定相应的对策等。而访谈也印证了上述观点。在访谈中，一些教师表示，当他们不愿意采用教学大数据技术时，就不会去在教学过程中实际使用教学大数据技术。在上述研究的基础上，我们提出假设H1：

H1:行为意向与使用行为正相关

2.行为意向

（1）TAM模型提出有用性感知 （Perceived Usefulness，PU）与信息技术使用行为意向正相关。有用性感知，指的是教师认为教学大数据技术对他/她的教学工作有用的程度。教学大数据的有用性可以体现在支持个性化学习、给教学优化提供支撑以及发现教学规律等方面。教育大数据驱动学校教育质量提升，驱动课程体系与教学效果的最优化，以及教育大数据驱动个体的个性化发展[36-37]。当教师认为教学大数据技术的采用对他/她的教学工作更有用时，显然，他们越愿意采用教学大数据技术，即其教学大数据技术的行为意向就会越强。

访谈也印证了上述观点。在访谈中，一些教师表示，即使他们花了很多精力和时间在教学中采用了教学大数据技术，但这不能被有效的定量考核认可，而且在评聘职称以及评优评奖等方面无法体现，因此，其行为意向大幅下降。在上述研究的基础上，本研提出假设H2：

H2:有用性感知与行为意向正相关

（2）易用性感知（Perceived Ease of Use，PEOU）指的是教师认为使用教学大数据技术，需要付出的努力的程度。TAM模型提出了易用性感知和信息技术使用行为意向之间，存在着正相关关系。MPCU模型提出了复杂性这个变量显著影响使用行为，而复杂性即易用性感知[38]。如果教师使用大数据技术获得同样的效益所花费的努力越少，包括时间和精力越少，教师就会越愿意使用大数据技术，即他们行为意向也就越强烈。反之，如果教师在使用教学大数据技术的过程中需要花费过多的时间和精力，教师教学大数据的使用意向就会下降，从而影响他们对教学大数据技术的采纳。

在访谈中，也印证了上述观点。在访谈中，一些教师表示，自己感觉教学大数据技术的使用是较为复杂的，包括过程和技术的复杂性等方面，可能要花费较多的时间和精力，因此，放弃了教学大数据的使用。在上述研究的基础上，本研提出假设H3：

H3:易用性感知与行为意向正相关

（3）MPCU模型提出了社群影响 （Social Influence，SI）与使用行为之间存在着正相关关系。社群影响指的是教师觉得对他/她较为重要的人，认为他/她应该使用教学大数据技术的程度。社会心理学研究表明，当一个人处在群体的环境中时，行为往往会保持和群体一致，因为如果背离群体的话可能会受到惩罚，同时个体也有与群体保持一致的需要[39]。例如，当领导认为教师应该使用教学大数据技术时或其他很多教师都在使用教学大数据技术时，教师使用教学大数据技术的意愿就会得到提升，因为如果教师不使用教学大数据技术的话，可能会背离群体而受到惩罚。

在访谈中，一些教师表示，自己感觉周边使用大数据技术的人比较少，而且，自己所在的学校也没有大数据相关的政策文件推出，因此，自己也没有足够动力去深入使用教学大数据这项技术。在上述研究的基础上，本研提出假设H4：

H4:社群影响与行为意向正相关

MPCU模型提出情绪（Affect）与使用行为之间正相关。Triandis将情绪定义为个人进行一项特定行为的高兴或愉快的感觉，或者沮丧、不愉快或憎恨的感觉，即娱乐性感知[40]。已有许多研究表明，娱乐性感知与行为意向正相关[41-42]。而教师教学大数据技术娱乐性感知，指的是教师在教学大数据技术的使用过程中感受到的高兴、愉快或沮丧的感觉。当教师在使用大数据技术的过程中是愉快的，他们使用大数据的行为意向就会上升。反之，当教师在教学大数据技术的使用过程中比较沮丧，这显然会影响教师教学大数据的行为意向。因此，本研究提出假设H5：

H5:情绪与行为意向正相关

3.有用性感知

MPCU模型提出社群影响与使用行为正相关。心理学研究表明 ，从众行为产生的原因之一是行为参照[43]。当周围的教师都进行大数据教学的时候，其他教师作为教师行为的一种参考，他们越会认为教学大数据技术比较有用，即教师的有用性感知随之提升。在访谈中，一些教师表示，自己感觉周边使用大数据技术的人比较少，因此，自己会感觉教学大数据技术不一定很有用，其有用性感知随之下降。在上述研究的基础上，本研提出假设H6：

H6:社群影响与有用性感知正相关

MPCU模型提出工作相关性（Job Fit）和结果感知（Long-Term Consequences of Use）两个变量，与有用性感知正相关。工作相关性指的是个人认为使用计算机能够改善其工作表现的程度[44]，结果感知指的是长时间使用的结果。这两个方面均指的是计算机使用带来的绩效结果，因此，本研究将其归结为一个变量，即绩效感知（Output Quality，OUT）。

绩效感知指的是教师认为教学大数据的使用可以使他/她的工作任务做的更好的程度。教师对教学大数据的采纳的绩效可以从多方面进行衡量，例如，通过教学大数据的采用可以提升学生的学习效果和教师的教学效果，以及对教师的评优评奖以及职称评定有好处等。当教师采用教学大数据技术的绩效感知越强时，他们对教学大数据的采用的有用性感知也会越强。

访谈也印证了上述观点。在访谈中，一些教师表示，自己采用大数据技术需要花费非常多的时间和精力，而这方面还缺乏定量的考核标准，无法从工作量中体现，而自己又面临着评职称（需要发表高水平论文以及获得高水平项目等，这需要花费很多精力和时间）等众多压力，因此，实在没有时间和精力去深入应用教学大数据技术。本研究在上述研究的基础上，提出假设H7：

H7:绩效感知与有用性感知正相关

TAM提出信息技术使用易用性感知与有用性感知正相关。当教师得到相同的绩效，使用教学大数据技术越容易，其会感觉教学大数据技术越有用；相反，如果教师得到相同的绩效，所花费的时间越长和精力越大，其对教学大数据技术的有用性感知就会下降。

在访谈中，也印证了上述观点。在访谈中，一些教师表示自己感觉教学大数据技术的使用是较为复杂的，包括过程和技术的复杂性等方面，而获得一定的效果，可能要花费较多的时间和精力，这样反而得不偿失，因此，放弃了教学大数据的使用。在上述研究的基础上，我们提出假设H8：

H8:易用性感知与有用性感知正相关

4.易用性感知

计算机自我效能感 （Computer Self-Efficacy，CSE）指的是教师认为他/她使用大数据技术完成教学的能力的程度。如果人预测到某一特定行为将会导致特定的结果，那么，这一行为就可能被激活和被选择[45]。当教师计算机自我效能感越强的时候 ，其越有信心在教学中使用大数据技术完成相关任务，从而行为意向也会得到提升。相反，如果教师对应用大数据技术持怀疑态度，即不能确信自己的使用行为能够达到预期的结果，其行为意向可能会显著下降，最终有可能会放弃大数据的使用。

而此次的访谈也印证了这一点。有的老师（尤其是年长的教师）表示，自己对计算机技术了解不够深入，害怕自己无法有效完成教学大数据的采集、分析等，因此，在教学中较少采用大数据技术。在上述研究的基础上，我们提出假设H9：

H9:计算机自我效能感与易用性感知正相关

Triandis （1980）将促成条件（Facilitating Conditions，FC）定义为能够让一项行动变得更加容易的客观因素[46]。教师教学大数据使用促成条件，指的就是能让教师教学大数据使用变得更加容易的客观因素，包括相关的培训和支持、提供相应的网络平台等。教师在使用大数据技术的过程中，可能会遇到一些障碍，例如，相关的知识以及技术障碍等，如果能给予教师及时的支持和解决，可能会使得教师能够顺利完成使用教学大数据辅助教学的任务。相反，如果教师在使用大数据的过程碰到问题时，无法得到及时的帮助，这可能使得教师完成使用大数据教学的任务变得困难，从而教师对使用教学大数据的易用性感知显著下降，进而行为意向也会下降。

在访谈中，也印证了上述观点，一些老师觉得对大数据技术缺乏了解，对教学大数据的作用、具体应用方法等认识较为模糊，而学校也缺乏相应的说明和培训，以至于他们想用而无法用。在上述研究的基础上，我们提出假设H10：

H10:促成条件与易用性感知正相关

综上，本研究提出教师教学大数据技术采纳的影响因素模型，如图3所示。

四、实证研究过程

（一）问卷的信度和效度

首先，参考国内外已有问卷形成此次调研的初始问卷。 此次调查所使用的题项，参考了已有信效度较好的问卷，并对部分题项进行了修改，每个变量采用2至4个题项进行[47-49]。然后，进行问卷的预发放。通过教师的反馈意见，对问卷进行修改，最终形成了本次调研的正式问卷。此次问卷全部针对清华“学堂在线”的慕课授课教师发放。

图3 教师教学大数据技术采纳的影响因素模型

清华“学堂在线”是我国最为著名的和最早出现的慕课学习平台之一，课程来自清华大学、北京大学、复旦大学、西安交通大学、中国科技大学、麻省理工学院、加州大学伯克利分校、斯坦福大学等国内外著名高校，目前，运行的课程数量超过了1000门。

“学堂在线”积极利用在线教育资源促进混合式教学模式创新，已有很多高校将清华“学堂在线”上的课程列为本校学生可选修的对象。清华 “学堂在线”慕课平台提供了丰富的教学大数据功能，包括个案分析、数据统计（例如：学生登录次数、观看视频的频度、练习的完成结果等）等，并以良好的界面加以显示，方便教师阅读和使用，教师可以通过教学大数据的操作了解学生的学习过程、作业完成情况以及预测学生分数等。教师可以根据大数据反映的问题，及时调整和优化自己的教学，对学生的学习进行有效的干预以及实现个性化教学。

此次研究的问卷全部通过问卷星发放，问卷星发放问卷具有填写方便、易统计等优点。调查共发放210份问卷，回收156份问卷，剔除其中可疑问卷（例如，高度一致等），最终保留 139份，有效率为89.1%。其中人口学分布如表1所示。目前，进行慕课教学的大部分教师为正高和副高级的教师，其中正高级教师更多，而为数不多的中级职称的教师，则主要为共同授课的参与者。

首先，我们对问卷进行信度和效度的检验（见表2，表3），使用Cronbach α一致性系数进行信度测量。通过SPSS17.0计算各变量的Cronbach α系数均大于0.7，说明此次问卷的信度良好。效度包括聚合效度和交互效度，采用Mplus7.0和相关工具软件进行计算，得出各变量的因子载荷均大于0.5，组合信度（CR）大于 0.7，平均萃取方差（AVE）大于 0.5，这说明此次问卷具有良好的聚合效度。通过计算，各变量平均萃取方差的平方根均大于变量与其他变量的相关系数，根据相关理论，说明此次问卷具有良好的交互效度。

根据荣泰生提出的标准[50]，进行拟合度的检验，各项指标达到了要求，通过了拟合度的检验（见表4）。

表1 人口学分布（%）

表2 信度和聚合效度检验

表3 交互效度检验

表4 拟合度检验

（二）数据处理结果

1.回归分析结果

本研究采用Mplus7.0对数据进行分析。相比AMOS来说，Mplus对样本量以及样本是否服从正态分布的要求较为宽松。由于本研究中变量数相对较多，同时考虑到样本数的限制，因此，采用Mplus7.0进行计算。通过Mplus7.0计算可知，在本次调查中，假设 H1、H2、H5、H6、H7、H10六条路径通过检验，而假设H3、H4、H8、H9未通过检验。

（1）行为意向与使用行为正相关（标准化回归系数为0.239）。这说明行为意向提升的时候，教师对教学大数据的使用行为也会随之改善。因此，可以通过提升教师行为意向的方式，改善教师使用教学大数据的行为，包括教学大数据采集、整理、分析以及反思等，具体表现为使用的频率、效果等。

（2）有用性感知和情绪两个变量与行为意向正相关。从图4可以看出，与行为意向正显著相关的有有用性感知（标准化回归系数为0.716）和情绪（标准化回归系数为0.216），而社群影响和易用性感知两个变量与行为意向相关不显著。也就是说，如果教师认为，教学大数据技术对其工作有用，或者教师在教学大数据的使用过程中有更好的情绪体验，其行为意向就会显著提升。社群影响与行为意向相关不显著，可能与教师都有着丰富的教学经验，不会轻易受到外界的影响和教学大数据的复杂性以及教师都有着繁重的行为或教学任务有关。而易用性与教师的行为意向相关也不显著，可能与教师比较看重教学大数据给其工作提升的程度有关，而并非其是否好用。当CR系数绝对值大于1.96的时候，即可认为两条回归系数大小具有显著差异[51]。我们通过回归系数差异性分析可以发现，在与行为意向显著相关的两个变量中，有用性感知对行为意向的影响显著大于情绪对行为意向的影响（CR=2.934）。

图4 回归路径图

（3）社群影响和绩效感知两个变量与有用性感知正相关。而与有用性感知显著正相关的是社群影响（标准化回归系数为0.154）和绩效感知（标准化回归系数为0.730）。由此可以看出，社群影响并不直接影响行为意向，而是通过有用性感知间接对行为意向产生间接影响。这可能是由于教师的成熟或者大数据的复杂，教师并不会盲目的跟从别人去使用大数据技术，而是自己确实认为大数据技术具有可用性才会去使用。经过回归系数差异性检验，我们发现，在与有用性感知的两个变量中，绩效感知对有用性感知的影响显著大于社群影响对有用性感知的影响（CR=-3.302）

（4）促成条件与易用性感知正相关。而与易用性感知显著正相关的仅有促成条件 （标准化回归系数为0.673），计算机自我效能感与易用性感知相关不显著。这说明：由于大数据技术的复杂性等原因，在教师使用大数据技术的过程中，给予教师相关的支持是非常有必要的，包括技术、设备等方面的支持，这会显著影响教师对教学大数据的采纳。而在访谈中我们也发现，教师即使是在自我效能感欠佳时，仍会通过学习等手段去实现教学大数据的应用。因此，计算机及自我效能感，并不会显著影响教师对教学大数据的易用性感知。

2.模型解释力

通过复相关系数的计算，我们发现此次所建构模型具有良好的解释力，对行为意向的解释度为73.3%；对有用性感知和易用性感知的解释度分别是71.8%和63.3%，均超过了40%。一般认为，当解释度超过40%时，即属于解释度良好[52]。

五、分析和建议

（一）教师对教学大数据的采纳现状

从本次的调查来看，教师教学大数据技术的使用的均值仅为2.1分，数值较低，如表5所示。这个与教师的访谈内容相一致。在访谈中，很多教师缺乏对教学大数据的含义、应用方式和功能的深入了解。而行为意向的均值为4.0分，这说明教师对大数据有一定的采纳愿望。有用性感知和绩效感知的均值均为4.0分，说明一些教师认为，教学大数据技术是较为有用的以及可以给教师的教学工作带来一定的改善，这其中包括教学大数据可以对学生学习状况进行评估、进行个性化教学，以及作为改进教学的参考等。

表5 各变量均值（满分为5分）

在此次调研中，教学大数据的使用的易用性感知的均值仅为3.0分，这说明：教师认为大数据技术的使用还是存在困难的，如表6所示。这可能与大数据技术本身的复杂性、缺乏对教师的培训和支持，以及教师的信息素养水平和教育技术能力有待提升等因素有关。而在促成条件方面的调研显示，促成条件的均值仅为4.0分。

表6 有用性感知和绩效预期

首先，目前我国很多学校缺少教师使用大数据技术的软硬件环境，如表7所示。在“我是否有使用大数据技术进行辅助教学的软硬件条件”的题项中，本次调研对象的均值仅为2.8分，这说明：很多学校并未给教师提供所需的使用教学大数据技术的软硬件环境。对教师的访谈也印证了这一点，教师普遍反映缺乏大数据使用的环境和条件，即使有的教师想进行教学大数据的使用，但也苦于找不到平台的支持。

表7 易用性感知与外部软硬件环境

其次，目前学校也缺乏对大数据的介绍和相关培训。很多老师对大数据技术认识模糊，缺乏对其有深入的认识和了解，包括大数据技术的含义、具体实施模式和方法、功效等都缺乏深入的认识，这严重影响了教师对大数据技术的使用，如表8所示。在“当我在教学中使用大数据技术遇到问题时是否有人可以帮我”的问题上，本次调研对象的均值仅为3.0分，这是非常低的。说明教师在使用教学大数据技术的过程中碰到问题时，不能得到及时快速的解答，这会给教师使用大数据技术造成一定的困难和障碍。

表8 促成条件各观察变量数值

而社群影响的均值也比较低，如表9所示。我们经过调研发现，目前较为明确的关于教学大数据的政策还没有推出，而教师整体上对教学大数据的应用还不多；同时，也缺乏国家层面的或政府层面的相关明确具体的政策，这导致了教师对社群影响感知的偏低，直接影响了教师对教学大数据的有用性感知水平，尤其在信息技术使用初期，这种影响会更大[53]。而在教师对教学大数据的体验方面，其娱乐性感知的均值为3.7分。

表9 社群影响

在访谈中，一些教师表示，大数据的使用感受是愉快的，不仅可以带来教学的变化，而且使用大数据的过程本身也是愉快的；也有教师表示，对大数据技术并不是很了解，应用也很少，对大数据技术并没有过多的感受和体验。

（二）研究建议

“教育信息化十三五规划”明确提出，要建立健全教师信息技术应用能力标准，将信息化教学能力培养纳入师范生培养课程体系，列入高校和中小学办学水平评估、校长考评的指标体系，将教师信息技术应用能力纳入教师培训必修学时（学分），将能力提升与学科教学培训紧密结合，有针对性地开展以深度融合信息技术为特点的课例和教学法的培训，培养教师利用信息技术开展学情分析与个性化教学的能力，增强教师在信息化环境下创新教育教学的能力，使信息化教学真正成为教师教学活动的常态。

根据本研究所得出的路径图结论以及我国教师教学大数据使用现状，我们可从下述两个方面来推动我国教师教学大数据的采纳和使用：一是进一步提升行为意向，进而改善行为；二是可以通过提升绩效预期和情绪感知，进而提升有用性感知，而其中绩效感知对有用性感知的影响显著大于社群影响。因此，要重点提升教师对使用教学大数据技术的绩效感知水平，我们可以通过提升外部支持感知水平来提升教师对教学大数据技术使用的易用性感知。具体实施过程中有如下建议：

1.举办教学大数据相关讲座或研讨会

前述研究表明，有用性感知与教师教学大数据技术行为意向正相关。根据访谈结果，很多教师对大数据技术并不很了解，包括对教学大数据技术的含义、具体作用、使用方式以及使用方法等都不是很了解。这是当前教学大数据使用过程中的重要障碍之一。相关管理部门可以以举办讲座、研讨会等形式，对教学大数据技术的相关知识进行普及和推广。可以邀请在此领域有着一定研究和实践经验的相关专家或老师进行讲座。尤其要对教学大数据技术的作用、应用模式等进行细致的讲解和演示，要辅以鲜活生动的教学大数据使用案例对教学大数据的作用、应用模式等进行说明，进而真正让教师意识到教学大数据对他们教学的重要性。

学校可以定期组织教师对个人在教学大数据方面的使用经历、认识增长以及存在的问题以小型学术会议的形式进行研讨。其中一个重要的形式就是网络交流。可以专门建立教学大数据技术使用交流论坛、微信和QQ等交流群。这些措施可以在一定程度上推动教师教学大数据的使用。

教学大数据技术对于很多教师来说还属于新的认知领域，并且对于很多教师来说从教学大数据技术理论和操作均具有一定的复杂性。因此，有必要组织这样一个论坛或交流群，以便教师进行实时交流和研讨。这都可以增强教师对教学大数据技术的有用性感知和易用性感知，从而提升教师教学大数据技术的使用意向和水平。

2.鼓励教师在日常教学中尝试使用教学大数据技术

要鼓励教师尝试开展信息化教学，包括教学大数据技术的了解和使用，这可以有效增强教师对教学大数据技术使用的有用性感知和易用性感知。学校要鼓励教师多阅读教学大数据方面的文献和知识，并在个人的日常教学中尝试进行使用。教师在尝试教学大数据技术的使用过程中，需要不断增强对教学大数据的认识，同时不断改善自己的教学大数据技术使用行为。

尤其要鼓励教师在自己所教授的学科中不断探索和使用大数据技术，积累大数据技术使用的经验。鼓励教师尝试使用教学大数据不同的应用模式，包括通过大数据的分析，调整自己的教学；通过对学生个人学习大数据的采集和分析，判断不同的学生的学习情况，进而有针对性的采取措施和实现个性化教学；通过对教学大数据的分析，发现教学中的规律以及预测学生成绩等。鼓励教师自发组成学习共同体，共同探讨教学大数据的深入应用。

3.提供包括激励机制和举办教学大数据技术竞赛等在内的管理支持

上述研究表明，社群影响和绩效感知均与教师教学大数据技术有用性感知正相关，因此，可以进一步提升教师对教学大数据技术的社群影响感知和绩效感知，进而提升教师对教学大数据技术的有用性感知。而相应的外部管理支持，对于提升教师对教学大数据技术使用的绩效感知水平、社群影响感知等，都可以起到很大的作用。我们建议，可具体采取以下措施：

一要加强对教师信息化教学方面的考核，把它作为其年终考核的一部分以及评优评奖和职称晋级的依据之一。尤其是在教学相关的评优评奖中，要将信息化教学作为重要的参考依据。各高校要依据自身情况，制定具体的信息化教学绩效考核评价指标体系。要以文件的形式正式发布信息化教学相关的考核要求，建立包括学校、学院以及个人等多个层次的考核目标。

二是可以举行包括教学大数据技术在内的相关信息化教学大赛，给予获奖者一定的物质奖励并颁发荣誉证书。学校内部也可以评选本校信息化教学突出表现奖。

三是进一步建设信息化教学文化。一个学校的文化至关重要，校园文化可以感染人、影响人。要着力打造信息化教学文化，营造良好的信息化教学氛围，形成人人愿意进行信息化教学、人人探索信息化教学以及交流研讨的良好信息化教学文化氛围。一个学校，有一个信息化领导力较强的校长非常重要。国家要加大对高校校长信息化领导力的培训和要求力度，切实提高高校校长信息化领导力水平。可以说，校长在学校信息化发展方面起着核心的作用。而在一个好的信息化教学文化中，教师才能积极尝试使用新技术，将新技术积极尝试应用于自己的学科教学，包括教学大数据技术的使用，不怕困难，不拘泥于现实，不断创新。

4.提供教学大数据技术使用平台及指导等外部支持

前面的研究结果显示，促成条件与易用性感知正相关。而调查也显示，高校教师促成条件感知还非常低，均值仅为3.0分（满分5分）。因此，现在非常有必要给广大高校教师提供相关的支持，进而提升教师对教学大数据技术使用的促成条件感知。具体可采取以下两点措施：

首先，鉴于我国很多学校缺少教师使用教学大数据技术的软硬件环境，要切实加以改善。现在很多学校都安装了网络教学平台，这些平台很多都具备一定的大数据功能。但学校对大数据功能宣传不足，应充分宣传和介绍这些平台，鼓励教师使用。学校应为老师建构良好的大数据使用的平台和条件，并进行技术指导。

其次，目前学校也缺乏对大数据的介绍和培训，需要对教师进行数据处理能力方面的培训。学校要随时随地给与教师提供技术上的支持，答疑解惑。教师在使用教学大数据技术的过程中，碰到问题时不能得到及时快速的解答，这会给教师使用大数据技术造成困难和障碍。所以要通过网络研修的模式，开设网络信息化教学论坛，并安排相关助教随时对教师提出的问题进行答疑解惑，教师可以在论坛中展开互相交流，也可以和助教进行异步或同步交流。除了网络研讨常态化外，还要定期举行信息化教学讨论交流会，这样可以不断促进教师信息化教学能力的发展。

[1][6][17][32]杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究， 2016（1）：50-61.

[2][18][36]孙洪涛，郑勤华.教育大数据的核心技术、应用现状和发展趋势[J].远程教育杂志， 2016（9）41-49.

[3]徐鹏，王以宁，刘艳华.大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013，（6）：11-17.

[4][16]杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015（9）：54-69.

[5][17]胡弼成，王祖霖.“大数据”对教育的作用、挑战及教育变革趋势[J].现代大学教育， 2015（4）：98-104.

[7]Ben Daniel.Big Data and Analytics in Higher Education:Opportunities and Challenges British[J].Journal of Educational Technology，2015， 46（5）:904-920.

[8][19][37]李馨.高等教育大数据分析:机遇与挑战[J].开放教育研究，2016，22（4）：50-56.

[9]杨雅洁.大数据在基础教育领域的应用效果研究[J].中小学信息技术教育， 2016（11）:64-65.

[10]卢娇娇.大数据时代高校思想政治教育方法创新研究[D].西安：陕西师范大学，2016，5.

[11]滕珺，朱晓玲.大数据在美国基础教育中的运用[J].人民教育，2014（1）：74-76.

[12]郑燕林，柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育，2015（7）：25-31.

[13]邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术， 2016，26（8）：14-21.

[14]戴园园.面向教育大数循的多维数据分析系统的研究与实现[D].长沙：湖南大学，2016.

[15]浩然.云环境下教育大数据安全策略研究[D].北京：首都师范大学，2015.

[20]朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学，2014（9）：41-44.

[21]杨永林，张世蓉，丁韬.从“慕课”到“小微课”，看大数据在教学中的应用[J].现代教育技术，2014，24（12）：45-51.

[22]赵靖岩，胡振波.大数据环境下高校信息化教学模式研究[J].情报科学，2016，34（1）：92-95.

[23]施佺，钱源，孙玲.基于教育数据挖掘的网络学习过程监管研究[J].现代教育技术 ，2016，26（6）：87-93.

[24]Ellaway R H，Pusic M C，Galbraith R M，Cameron.Developing the Role of Big Data and Analytics in Health Professional Education[J].Medical Teacher， 2014， 36 （3）:216-22

[25]李葆萍，周颖.基于大数据的教学评价研究[J].现代教育技术，2016（6）：5-12.

[26]王林丽，叶洋，杨现民.基于大数据的在线学习预警模型设计[J].现代教育技术， 2016，26（7）：5-11.

[27]王哲，张跃.大数据方法与外语教学创新研究——以“2015年百万同题英文写作研究”为例[J].外语电化教学，2015（9）:3-5.

[28]贺珉.基于大数据时代的地理教学研究[D].昆明：云南师范大学，2016.

[29]王陆，李瑶.课堂教学行为大数据透视下的教学现象探析[J].电化教育研究，2017（4）:77-85.

[30]蔡志文.面向高校教学创新实践的大数据服务平台研究[J].现代教育技术，2017（4）:117-123.

[31]孙丹.基于TOE-RBV理论的大数据采纳影响因素的实证研究[D].青岛：中国海洋大学，2015.

[33]王娟，陈世超，王林丽.基于CiteSpace的教育大数据研究热点与趋势分析[J].现代教育技术， 2016，22（2）：5-13.

[34]Davis F D.A Technology Acceptance Model for Empirically Testing new End-User Information Systems:Theory and Results[D].Sloan School of Management， Massachusetts Institute of Technology，1985.

[35][38][44]R L Thompson，C A Higgins，J M Howell.Personal Computing:Toward a Conceptual Model of Utilization[J].MIS Quarterly，1991， 15（1）:125-143.

[39][43]宋超英.组织行为学[M].兰州：甘肃人民出版社:152-153;155.

[40][46]Triandis H C.Values， Attitudes， and Interpersonal Behavior[C].//Nebraska Symposium on Motivation， University ofNebraska Press， Lincoln， 1979.

[41]Ji-Won Moon，Young-Gul Kim.Extending the TAM for a World-Wide-Web context[J].Information&Management， 2001（38）:217-230.

[42][53]谭光兴，徐峰，屈文建.高校学生网络教学行为意向影响因素与模型[J].电化教育研究 ，2012（2）：39-43.

[45]Bandura.Self-efficacy:Toward a Unifying Theory of Behavioral Change[J].Psychological Review， 1977， 84（2）:191-215.

[47]V Venkatesh，H Bala.Technology Acceptance Model 3 and a Research Agenda on Interventions[J].Decision Sciences， 2008， 39（2）:274-315.

[48]彭华茂，王迎，黄荣怀.远程学习效能感的结构和影响因素研究[J].开放教育研究，2006，12（2）：41-45.

[49]李玉萍.网络购物顾客重构意愿影响因素的实证研究[D].成都：西南交通大学，2011.

[50][51]荣泰生.AMOS与研究方法[M].重庆：重庆大学出版社，2009.

[52]Clogg C C，Petkova E，Haritou A.Statistical Methods for Comparing Regression Coefficients between Models[J].American Journal of Sociology， 1995， 100（5）:1261-1293.

Research of Influencing Factor of Teaching Big Data Technology of College Teachers:Based on Tsinghua XuetangX’s Investigation

Fang Xu1&Han Xibin2
（1.Higher Education Research Institute， Lanzhou University， Lanzhou Gansu 730000;2.Educational Reaserch Institute， Tsinghua University， Beijing 100084）

Nowadays， educational big data technology has become one of the hot points of research in the field of educational technology.The problems such as the meaning and application of educational big data technology are discussed at home and abroad.Teaching big data bears the brunt in the educational big data，and more deep and comprehensive research is required.Nowadays research of influencing factors of acceptance of teaching big data technology is less，and there are lack of deep theory analysis and empirical research.The theory analysis and empirical research is given in our study， based on XuetangX’s investigation.The results show that perceived usefulness and enjoyment have positive influence on behavior intention of use of teaching big data technology，and social influence and output quality have influence on perceived usefulness;Facilitating conditions has positive influence on perceived ease of use（p<0.05）;The model has good explanation power which has 73.3%of behavior intention.

Educational big data;Teaching big data;Behavior intention;Influencing factor;Empirical research

G434

A

1672-0008（2017）06—0076—11

本文系中国高等教育学会教育信息化分会2016年重点课题项目 “我国高校学历教育对慕课学分转换的实证研究”（项目编号：2016XXZD04）的研究成果。

方旭，兰州大学高等教育研究所讲师，博士，研究方向：在线教育等；韩锡斌，清华大学教育研究院教授，博士，研究方向：混合式教学等。

2017年 8月29日

责任编辑：陈 媛