移动学习资源使用意向的影响因素研究*

黄琼珍，欧佩玲

（广州大学 教育学院，广东 广州510006）

一、导言

中国互联网络信息中心CNNIC发布的 《2015年中国移动互联网研究报告》[1]指出，截止到2015年12月，国内在网活跃移动智能设备数量达到8.99亿。人均单日使用手机时长2.36小时。随着移动技术的迅猛发展，平板电脑、智能手机的快速普及应用，移动应用已对人们的学习生活、社会交往产生了深刻的影响。目前移动学习已经成为一种新的数字化学习方式，逐渐引起国内外学者的重视并进行相关研究。作为移动学习支持环境的重要组成部分，移动学习资源也成为当前数字化学习资源建设的重要内容。尽管如此，关于移动学习资源的研究较少，目前的研究大多数聚焦于移动学习资源的设计与开发，资源的有效应用及影响因素的相关研究比较匮乏。本文在文献梳理的基础上，借鉴UTAUT模型，构建应用移动学习资源影响因素模型，旨在探讨影响高校学生移动学习资源使用意向的相关因素，并分析检验各因素对行为意向影响程度，以丰富移动学习的相关理论；在实践意义上，通过对移动学习资源应用行为意向影响因素分析，探讨符合高校学生需要的移动学习资源及服务，分析阻碍高校学生使用移动学习资源的主要因素，并以此为依据提出移动学习资源的开发建设策略、移动学习有效应用及推广途径。

二、理论模型的构建

（一）整合型技术接受与使用理论模型(Unified Theory of Acceptance and Use of Technology，UTAUT)

整合型技术接受与使用理论模型（Unified Theory of Acceptance and Use of Technology，UTAUT）[2]是Venkatsh等人于2003年参照TAM模型的基本框架、在综合分析比较相关理论模型的基础上，吸收和整合了理性行为理论 （Theory of Reasoned Action，TRA）、计划行为理论（Theory of Planned Behavior，TPB）、复合的TAM与TPB模型（Combined TAM and TPB，C-TAM-TPB）、创新扩散理论 （Innovation Diffusion Theory，IDT）、社会认知理论（Social Cognitive Theory，SCT）、动机模型（Motivational Model，MM）、任务技术适配模型 （Task-technology Fit，TTF）、计算机使用模型（Model of PC Utilization，MPCU）的基础上提出的模型，如图1所示。UTAUT模型整合了上述8个模型的优势，预测力达到70%。[3]

UTAUT模型归纳了影响行为意向和实际行为的四个核心变量分别是绩效期望 （Performance Expectancy，PE）、付出期望（Effort Expectancy，EE）、社群影响（Social Influence，SI）和便利条件（Facilitating Conditions，FC），调节变量包括性别、年龄、经验和自愿性。国外将UTAUT模型应用于移动学习的研究中有 Kallaya Jairak等人（2009）[4]的研究，结果表明绩效期望、预期努力、社会影响和便利条件会对大学生接受移动学习产生一定的影响；Nassuora（2012）[5]的研究表明绩效预期、努力预期、社会影响和便利条件都会对大学生移动学习的使用行为意向产生影响。近年，国内基于UTAUT模型[6][7]的研究大多数借鉴UTAUT模型引入不同的变量，探究用户接受移动学习的影响因素，而将UTAUT模型引入资源采纳的研究比较少。

图1 整合型技术接受与使用理论模型

（二）研究模型

本文在UTAUT模型上，提出如图2所示的移动学习资源使用行为意向影响因素的研究模型。模型中包含三个维度的变量：①自变量：绩效期望、付出期望、社群影响、网络环境、资源服务、感知成本；②因变量：行为意向；③调节变量（控制变量）：性别、年级、经验、专业、收入。

图2 高校学生移动学习资源使用行为意向影响因素的初始模型

三、变量定义与研究假设

（一）变量定义与测量维度

在自变量的设置中，考虑到便利条件直接决定实际使用行为，而对行为意向的影响不大，故本研究剔除了原模型中的“便利条件”。结合移动学习资源特点，如需要无线网络的支持、资源本身的服务与质量影响用户使用意向，并考虑到高校学生群体大部分经济还没完全独立，学习生活在高校校园环境中，新增了网络环境、资源服务、感知成本这3个自变量。

在因变量的设置中，选取行为意向作为研究模型的最终变量。一是因为国内外关于UTAUT的研究结果表明行为意向对实际行为具有较高的预测能力；二是有部分高校学生在应用移动学习资源时可能还没有意识到自己正在进行移动学习，因此本研究剔除原模型中的“实际行为”，而以行为意向为因变量。

在调节变量的设置中，针对高校学生群体，将“年龄”改为“年级”；由于对于高校学生来说，移动学习行为大多不存在强制使用的情况，故剔除原模型中的“自愿性”；考虑到高校学生专业不同，对移动学习资源应用的需求和应用特点也可能不同，高校大部分学生经济状况影响其消费观和消费方式，使用移动设备与上网费用会影响到应用移动学习资源的行为意向，故新增“专业”和“收入”这2个调节变量。

绩效期望（Performance Expectancy，PE）指高校学生认为自身对应用移动学习资源可以帮助其获得更好的学习体会、学习结果的程度。本文通过5个问题选项来测量。[8]

付出期望（Effort Expectancy，EE）指高校学生认为自身对移动学习系统及其资源的容易使用程度。即高校学生认为自身是否可以快速地掌握移动学习的系统操作、轻易地获取移动学习资源等。本文通过5个问题选项来测量。[9]

社群影响（Social Influence，SI），指高校学生认为自身对应用移动学习资源这一学习行为，受到重要的、有影响力的人或群体的特定感觉、思想和行为的影响程度。本文通过5个问题选项来测量。[10]

网络环境（Network Environment，NE），指高校学生认为自身对应用移动学习资源过程中需要提供与支持的网络条件和场所，在这里主要包括网络信号、流量、速度、无线网络接入以及网络信息，本文通过6个问题选项来测量。

资源服务（Resource Service，RS），指高校学生认为自身在应用移动学习资源过程中能够支持其进行有效学习的一切信息，包括信息的呈现和组织方式等。本文通过6个问题选项来测量。[11]

感知成本（Perceived Cost，PC），指高校学生认为自身在应用移动学习资源过程中需要支付的各种费用的总和。即高校学生自身对包括了移动设备成本、网络流量成本和资源成本等所需成本的主观感知。本文通过5个问题选项来测量。[12]

行为意向（Behavioral Intention，BI），指在条件达到的情况下，高校学生认为自身在将来会应用移动学习资源的可能性。本文通过5个问题选项来测量。[13][14]

（二）研究假设

基于UTAUT模型，学习者应用移动学习资源的积极性被调动的程度受其对资源价值作用大小认识的影响，同时学习者对资源价值的判断与其经验、需求、目标有关，不同个体（性别、年级、专业）受影响的程度亦会有差别，所以提出了如下假设：

H1a：绩效期望对高校学生应用移动学习资源的行为意向具有正向影响。

H1b：绩效期望正向影响行为意向受性别、年级、专业的调节作用。

学习者在实现自己期望达到目标的过程中，需要付出精力、金钱、时间等等，经过一定努力、挑战才能达到目标，而对付出所能承受限度因性别、年级、专业、经验会有差别，所以提出了如下假设：

H2a：付出期望对高校学生应用移动学习资源的行为意向具有正向影响。

H2b：付出期望正向影响行为意向受性别、年级、专业、经验的调节作用。

在社会生活中，人们根据社会关系或基于不同的动机、需求，自然形成、自主创建或自发组织形成了各种社群，随着社会及技术的发展，社群对个体的影响力越来越大，不同性别、年级、专业、经验受影响的程度不同，因此提出了如下假设：

H3a：社群影响对高校学生应用移动学习资源的行为意向具有正向影响。

H3b：社群影响正向影响行为意向受性别、年级、专业、经验的调节作用。

移动学习资源使用意向与信号是否流畅、移动技术支持、能否不受任何限制而可以随时随地使用有关，受网络信号强弱、速度、流量、资费的影响，而这些受影响程度会因不同性别、年级、专业、经验而不同，因此提出了如下假设：

H4a：网络环境对高校学生应用移动学习资源的行为意向具有正向影响。

H4b：网络环境正向影响行为意向受性别、年级、专业、经验的调节作用。

资源质量及资源平台提供的服务对用户使用移动学习资源的意向有影响，受影响程度会因不同性别、年级、专业、经验而不同，因此提出了如下假设：

H5a：资源服务对高校学生应用移动学习资源的行为意向具有正向影响。

H5b：资源服务正向影响行为意向受性别、年级、专业、经验的调节作用。

由于目前国内上网费用对学生使用网络与资源的意愿影响较大，在使用技术与资源过程中学习者容易受到流量是否充足、是否需要付费有关，而且受影响程度因不同性别、年级、专业、经验而不同，因此提出了如下假设：

H6a：感知成本对高校学生应用移动学习资源的行为意向具有负向影响。

H6b：感知成本负向影响行为意向受性别、年级、专业、经验、收入的调节作用。

（三）回归模型

根据UTAUT模型，本文提出如下回归模型：

行为意向（BI）=β0+β1×社群影响（SI）+β2×网络环境（NE）+β3×付出期望（EE）+β4×绩效期望（PE）+β5×资源服务（RS）+β6×感知成本（PC）。

四、研究实施与结果分析

（一）研究工具与数据收集

本次研究工具采用调查问卷方式，主要包含了两部分的内容：①个人的基本信息情况和对移动学习资源应用的现状调查部分，主要包括性别、年级、专业、收入，针对移动学习资源应用现状的调查主要包括对移动学习资源的认识程度、使用态度、经验和移动设备数量。②高校学生对移动学习资源接受度的影响因素探究。根据模型设计了绩效期望、付出期望、社群影响、网络环境、资源服务、感知成本和行为意向等潜变量，每个变量根据变量定义设计了5～6个问题，并采用李克特（Likert）五级量表的计分方式，从“完全不同意”、“不同意”、“中立/没意见”、“同意”到“完全同意”。 计分对应为1、2、3、4、5分。本研究以广东高校学生为研究对象，通过问卷星平台收集问卷，剔除作答时间短、同一选项一勾到底问卷，回收的有效问卷共301份。学生分布如表1所示。

（二）信度与效度分析

1.信度分析

在SPSS中，采用克朗巴哈α系数（Cronbach’s Alpha值）进行问卷信度分析。整体信度Cronbach’s Alpha值为0.907，说明问卷整体的内在一致性信度较高。各变量的信度分析如表2所示。

2.效度分析

本问卷在设计过程中主要是在参考成熟量表基础上进行部分修订，确保了问卷的内容效度。此外，在结构效度方面采用因子分析进行检验，结果如表3所示。其中KMO值为0.861；Bartlett球形检验的卡方值为6109.789，显著水平为0.000，问卷具有良好的结构效度，表明适宜进行因子分析。

表1 学生分布统计表

表2 调查问卷各变量的信度系数

表3 KMO和Bartlett的检验

通过对问卷数据进行因子分析后得出了各个变量的因子载荷，如表4所示。

表4 变量的因子载荷值

各测量题项的因子载荷值都在0.5以上，说明问卷内容存在一定的相关性，各测量题项与问卷的关联性较好，适宜做进一步的分析和研究。

（三）假设检验结果分析

?

在SPSS中采用多元逐步回归分析法和单因素方差分析法来检验研究模型和假设。多元逐步回归分析法主要用来验证各个自变量对因变量是否有影响的研究假设，单因素方差分析法主要用来验证各调节变量是否对各变量产生影响的研究假设。

1.多元逐步回归分析

自变量（PE、EE、SI、NE、RS、PC）对因变量行为意向（BI）的多元逐步回归分析最终结果如表5所示。从表中可知，应用移动学习资源的行为意向的拟合优度R2= 0.477，模型的共线性统计量的容差在0.658-0.768之间，表明整体模型的共线性处于可接受水平。根据表5的回归系数得到多元逐步回归方程：

行为意向（BI）=4.100+0.213×社群影响（SI）+0.143×网络环境（NE）+0.162×付出期望（EE）+0.154×绩效期望（PE）+0.088×资源服务（RS）

表5 回归系数

模型中各个自变量的Sig都少于0.05（P＜0.05），表明表中所列出的自变量对因变量的影响显著，因此，社群影响、绩效期望、付出期望对高校学生应用移动学习资源进行移动学习的行为意向具有显著的正向影响作用，这点与基于UTAUT模型的相关研究结论是一致的。新引入变量包括网络环境、资源服务和感知成本，网络环境、资源服务对行为意向也具有显著的正向影响作用，而感知成本对行为意向的影响不显著，因此剔除感知成本，不引入模型中。高校学生应用移动学习资源的影响因素按其影响程度大小依次为：社群影响（.213）、付出期望（.162）、绩效期望（.154）、网络环境（.143）、资源服务（.088）。

2.单因素方差分析

单因素方差分析结果表明，绩效期望对行为意向的影响受专业因素（F=5.945，p=.003）的调节作用；付出期望对行为意向的影响受经验因素（F=11.948，p=. 000）的调节作用；社群影响对行为意向的影响受性别（F=13.989，p=.000）、年级（F=3.104，p=.027）、经验（F= 3.649，p=.006）因素的调节作用；网络环境对行为意向的影响受年级因素（F=3.482，p=.016）的调节作用；资源服务对行为意向的影响受年级（F=4.419，p=.005）、经验（F= 2.720，p=.030）因素的调节作用；感知成本对行为意向的影响受性别（F=9.039，p=.003）、年级（F=6.426，p=.000）、专业（F=3.527，p=.031）、经验（F=7.034，p=.000）和收入（F=5.666，p=.000）因素的调节作用。但由于在自变量对因变量的影响研究中，感知成本负向作用于行为意向不显著，致该变量被剔除。通过分析研究结果，得到高校学生对移动学习资源接受度的影响因素最终模型，如图3所示。

五、策略建议

图3 高校学生对移动学习资源接受度影响因素的最终模型

根据移动学习资源行为意向影响因素模型，绩效期望、付出期望、社群影响、网络环境、资源服务直接影响了学生使用移动学习资源的行为意向，性别、年级、经验、专业在不同程度上对学生使用资源行为意向起调节作用，可见，为了促进学生有效应用移动学习资源的行为，应该考虑学生的不同特点，从社群、网络环境、资源及平台设计、功能等方面分别采取相应的措施，以提高高校学生对移动学习资源接受度：

（1）创造良好的社群影响环境。周围环境对个人行为的激发会起到很大的影响作用，通常人们更倾向于接受周围熟悉或有影响力的人所推荐的信息，进而影响其行为的激发。当学生的周围群体都有应用移动学习资源的学习行为，并且传递了积极信号时，会让学生感受到资源的用处，从而促使学习者尝试使用移动学习资源。因此，高校应重视宣传与推广，加强移动学习资源在校园环境的推广力度，教师也应适当向学生推荐与课程相关的学习资源，在学习中提供及时帮助，通过人与人间的相互分享形成良好的社群影响，提高学生使用移动学习资源的行为意向。

（2）促进学生对资源易用性的感知。移动设备交互方式的特点使移动学习认知负荷较高，应选择结构简单、难度较低的学习内容；[15]移动学习资源所在的学习系统平台简单易用、操作方便、功能完善，能提高学习者使用资源的意向，因此应在平台或资源操作、交互、反馈等方面进行人性化设计，对用户报错的情况及时进行反馈和处理。另一方面，对系统平台界面和导航的设计应尽可能地敏捷方便，简化导航等各类操作，为用户提供简洁友好的交互界面，使资源易于操作与使用。

（3）帮助学生形成资源有用性的感知。据此，首先要培养学生良好的学习习惯，一方面既要减轻学生日常生活中对手机的依赖，又要注重引导学生将手持设备用于学习中，提高专业知识与技能，扩大知识面；另一方面，移动学习资源的开发要着眼于学生的需求，不同专业人群的学习需求可能不一致，因此应提供移动学习个性化支持服务，开发出不同学科、多种类型的移动学习资源，并对各种资源进行明确分类，便于用户精确查找到所需内容。

（4）完善移动学习资源应用环境建设。网络流量、速度、信号强弱及应用环境如何都会对移动学习资源的应用效果产生重要影响，“提速降费”在推动校园移动学习资源的普及应用中有巨大潜力；另外各高校也要加强校园无线网络设施建设，为在校学生应用移动学习资源提供一个良好的网络服务，通过升级无线带宽打造“智能教室”，支持师生应用移动设备进行学习的协作与交流。

（5）提高移动学习资源建设质量，完善资源平台功能，改善学生学习体验。在资源的呈现方式上，要针对移动设备的特性来设计资源，注重表现形式多样化，可采用综合视频、图、文等多种媒体表现形式；注重知识的模块化分割，形成若干个精简实用的知识模块，并利用概念图将片段式移动学习资源有效地组织起来；[16]在资源设计中设置不同的学习难度和任务，适当采用娱教技术，开发适合手机用户端的游戏类学习资源，吸引学生在碎片化的时间中学习。在提高资源平台服务方面，注重对现有网络资源的整合，减少重复建设，删减不必要的内容，为用户提供如协作学习、收藏学习资源、保存用户的学习记录、在线作业与测试、获得反馈信息等完善的学习功能，方便用户管理学习进度等人性化服务。

移动学习以其碎片化学习、随时随地学习等学习特性，受到广泛关注与认同，在未来的学习中将会发挥越来越大的作用，作为移动学习的关键要素，移动学习资源直接影响着移动学习的效果发挥。人性化、合理化的资源设计，流畅便捷的移动网络应用体验，功能完善的移动学习资源平台，学习氛围浓厚的校园文化环境等提高用户使用移动学习资源的行为意向，移动学习资源使用的行为意向将影响移动学习资源的使用行为、效果。可以预见，随着移动学习的发展，可用于移动学习的资源将会越来越多，促进移动学习资源有效应用应该从提高资源应用环境建设、资源建设质量、社群等方面入手，从而促进高校移动学习开展与有效应用。

参考文献：

[1]中国互联网络信息中心.2015年中国移动互联网研究报告 [DB/OL]http://tech.sina.com.cn/2016-01-08/ doc-ifxnkkuy7746197.shtml．

[2][8][9][10][13]Venkatesh,V.,Morris，M.G.，Davis，G.B.,Davis,F.D.,User Acceptance of Information Tech-nology：Toward a Unified View[J].MIS Quarterly,2003,27 (3):425-478.

[3]Oye,N.D.,Iahad,N.A.,&Rahim,N.Ab.The history of UTAUT model and its impact on ICT acceptance and usage by academicians[J].Educational Information Technology,2014(19):251-270.

[4]Jairak K,polgrang P,Mekhabunchakij K．An acceptance of mobile learning for higher education students in Thailand[J].the Internet and Management,2009(17):1-8．

[5]Nassuora A．Students Acceptance of Mobile Learning for Higher Education in Saudi Arabia[J].American A-cademic&Scholarly Research Journal,2012(2):24-30．

[6]许玲,郑勤华.大学生接受移动学习的影响因素实证分析[J].现代远程教育研究,2013(4):61-66.

[7]崔秀菊.基于UTAUT模型的移动学习用户接受影响因素研究[J].软件导刊,2014(12):4-6.

[11][12]刘根萍,吴凤秀.温州在校大学生接受移动学习的影响因素分析——基于扩展技术接受模型的实证研究［J］.现代教育技术,2011(6):111-112.

[14]马如宇.影响移动学习用户使用态度的前置性和潜在性因素探析——基于扩展式科技接受模型的视点［J］.中国电化教育,2009(7):73.

[15]司国东,宋鸿陟,赵玉.认知负荷理论基础上的移动学习资源设计策略研究[J].中国远程教育,2013(9):88-92.

[16]李浩君,项静,吴亮亮.概念图理论在移动学习资源设计中的应用研究[J].中国远程教育,2013(7):76-82.