个性化语言学习系统质量特性的提取与定位

宫华萍 尤建新

摘要：在“以用户为中心”的产品设计理念下，对用户需求的质量特性进行识别和定位是产品设计成功的基础。该研究围绕“学习者需求”展开，运用产品质量功能展开（QFD）和Kano模型的理论与方法，对个性化语言学习系统的质量特性进行提取和定位研究，以帮助企业识别学习者需求和影响学习者满意的质量特性，为系统设计质量优化提供参考。首先根据QFD理论对学习者需求进行质量特性的转换和提取，获取系统总质量特性，包括学习资源、过程和环境3大类22项。然后以公共外语学习者为对象进行质量特性的需求重要度调查，并根据调查的重要度水平将质量特性分为非常重要、比较重要和一般重要三类。最后根据重要度分布散点图，结合Kano模型，从魅力型质量、期望型质量和理所当然型质量三个层次对质量特性进行进一步定位。通过对学习者需求的质量特性进行了识别和双重定位，提高了个性化语言学习系统设计质量的准确性和科学性，便于企业根据自身情况确定系统设计重点，合理配置和优化资源。

关键词：个性化语言学习系统；质量特性；质量功能展开；Kano模型

中图分类号：G434 文献标识码：A

一、引言

在激烈的市场竞争中，产品质量是企业赢得市场竞争的第一要素。“以用户为中心”产品设计理念是产品质量赢得用户满意的基本保证。在数字化教育产品领域，虽然提供语言学习服务的个性化学习系统类型和数量众多，但真正能满足学习者需求的高质量系统不多，学习者在使用过一次或几次后放弃使用的现象时常发生。这反映了系统质量与学习者需求质量之间的差距问题。只有满足学习者多样化、动态化需求的系统，才能得到学习者的满意和持续使用，从而具有市场生命力和竞争力。质量特性是产品质量的载体，反映了产品、过程或体系中与需求有关的固有特性。如何将学习者需求真实、准确地转换为系统研发设计质量特性，进而指导系统后续的研发设计工作，是个性化学习系统设计成功的关键，也是系统设计质量保证的首要条件。在“以用户为中心”的产品设计理念下，对学习者需求的质量特性的提取和定位是个性化学习系统设计成功的关键。目前对个性化学习系统的研究多集中在系统研发和算法设计方面，而从学习者需求角度对系统设计质量方面研究较少，不利于系统质量和市场满意度的提高。为了减少系统质量与学习者需求质量之间的差距，本研究采用产品质量管理工具中针对用户需求转化和定位的质量功能展开（Quality Function Deployment，QFD）理论和Kano模型理论，对个性化学习系统从学习者需求到质量特性规划的系统设计过程进行研究，通过采用质量屋构建的方法对质量特性进行提取，并进一步结合学习者需求重要度水平和分布情况对质量特性进行重要度和满意度的定位，以明确系统功能设计和质量控制重点，提高系统研发设计过程的科学性和准确性，为系统设计质量的提高提供参考。

二、理论与方法

（一）质量功能展开（QFD）

质量功能展开（QFD）理论是一种面向顾客需求的产品设计方法，能够将顾客需求信息合理且有效地转换为产品开发各阶段的质量要求，从而使所设计和制造的产品能真正地满足顾客需求。QFD理论自提出以来，已在机械、交通、航空、建筑等领域得到广泛应用，并逐渐扩展到软件和教育领域，形成软件质量功能展开和教育质量功能展开等新研究方向。

QFD理论的核心技术是质量屋（House of Quality，HOQ）的构建。通过质量屋的构建，可将顾客需求转换和传递到系统设计研发过程不同阶段的质量需求，从而保证最终交付的产品確实是以“满足顾客需求”为导向进行研发的。一个典型的质量屋包括左墙、天花板、房间、屋顶、右墙和地下室6个部分，涵盖了顾客需求展开、质量特性（技术特性）展开、相关关系矩阵、质量规划和技术规划的质量屋构建流程。顾客需求展开（左墙）是质量屋构建的起点，通过对顾客原始需求信息进行获取、变换和整理，提取出顾客对产品的质量需求。从左墙到天花板的过程是质量特性提取和展开的过程。这个过程是将顾客语言表达的质量需求转换成技术语言的质量特性，即是指质量评价对象的特性、性能，从而使抽象的顾客需求进行具体的产品化。质量特性展开包括考察质量需求，提取质量特性，整理质量特性并构造质量特f生展开表三个步骤，从而完成质量特性层次展开。质量特性的分层次整理过程一般用KJ法（由日本学者川田喜二郎创立，来源于其英文名Kawakita Jiro，又称亲和图法）进行。

（二）Kano模型

Kano模型是产品质量管理中常用工具之一，是日本教授狩野纪昭（Noriaki Kano）根据顾客需求与满意度的关系提出了用户需求质量模型。Kano模型将用户需求的质量分为三类：基本型需求、期望型需求和兴奋型需求。基本型需求是用户认为产品“必须有”的质量特性，称为理所当然型质量。当特性不充足时，用户很不满意；当其特性充足时，用户无所谓满意不满意，充其量是满意。期望型需求是用户期望得到、但并不是“必须”的质量特性，称为期望型质量。期望型质量在产品中实现的越多，用户就越满意；越少则越不满意。期望型质量是系统设计应尽量满足的质量特性。兴奋型需求是指产品所具有的出乎意料的，给用户带来惊喜的质量特性，称为魅力型质量。当其特性不充足时，并且是无关紧要的特性，则用户无所谓，但当提供此特性时，用户则会感到惊喜，从而大大提高了用户的满意度和忠诚度。魅力型质量是产品提高用户满意所追求的目标。另外还有无关需求和逆反需求，分别是指对用户满意度影响较小和该特性的存在会影响用户满意度的质量特性，这些都是在产品设计时应尽量避免的特性类型。Kano模型定义了不同的用户质量需求，便于企业识别影响顾客满意的不同层次的质量特性，进而优化配置或优先实现影响顾客满意的质量需求。

对用户需求的产品质量特性进行重要度和满意度定位，是执行产品设计标准、实行产品质量控制的依据之一，有助于企业在产品生产过程或服务传递过程中更加更准确地把握质量保证的重点和对象，从而能够使工作重点更为合理，保证产品质量尽可能地接近用户需求的质量，提升用户的满意度和忠诚度。

三、个性化语言学习系统质量特性展开

（一）系统质量特性提取

个性化语言学习系统的学习者需求包括学习过程需求、资源需求、内容需求和环境需求4类、30个展开项。质量需求是以“动词+名词”的短语表示，如“练口语”“背单词”“考试训练”等。根据质量特性展开步骤，首先考察质量需求影响因素。结合需求情景，对需求展开项进行质量特性转化，即在质量需求前或后加“形容词”进行考察。如“练口语”需求中，可转化为“练标准的美语发音”“有外教陪练”“与同学一起练”“及时纠正发音”“有趣地练口语”“学习发音方法”“练学术会议口语”“练雅思面试口语”“练生活实用口语”“边看新闻边练口语”“推新口语资料”“有人督促练口语”等需求。从而得到“练口语”需求的质量特性（要素），包括准确性（标准美音、外教等）、丰富性和分类别（国际会议口语、雅思口语、生活实用口语等）、交互性（与外国语人、与同学、及时纠正、有人监督等）、趣味性（有趣、真实情景、同学参与）等，如表1所示。

（二）系统质量特性表征

按“练口语”这一需求的质量特性提取过程，对其他需求进行质量特性提取和转化，得到个性化语言学习系统总的质量特性。将这些质量特性进行KJ法整理、转换和合并，最终得到影响系统质量的三类因素22个质量特性，并分别以q1，q2，……，q22进行编号（如表2所示）。其中，资源因素的6个质量特性为：趣味性、时效性、丰富性、分类性、优质性、准确性；过程因素的7个质量特性为：分级别、功能性、引导性、互动性、个性化、主动性和智能性；环境因素的9个质量特性为：便捷性、友好性、响应性、稳定性、交互性、经济性、兼容性、扩展性和安全性，从而形成系统质量设计和质量评价框架。

四、系統质量特性重要度确定

（一）重要度需求调查说明

质量特性的重要度分级是质量屋构建过程中必不可少的环节，是产品质量特性逐级映射与转化的基础。本研究采用调查法来确定系统质量特性的重要度。考虑到高校学生是个性化语言学习系统的主要用户群，且系统用户多为非英语专业的情况，本研究随机选取某重点高校公共外语的学习者（非英语专业）为调查对象，进行李克特五级量表（1=不重要，2=一般重要，3=重要，4=比较重要，5=非常重要）重要度需求情况问卷调查。调查共发放问卷230份，回收问卷219份，回收率为95.2%，剔除回答不全或答案全部一致等无效问卷12份，共得到207份有效问卷，问卷有效率为94.5%。其中男生占56%，女生54%，男女比例为1.27，年龄分布在19-27之间。其中以19-20岁和22-23岁为主，占总人数的80%以上，专业涵盖汽车、电子、通信、土木、环境等多个非英语专业。

采用SPSS18.0对数据进行统计，选用均值和标准差作为重要度分级和需求层次分类的依据。重要度均值反映了学习者对该项质量特性的重要度需求程度，均值越大，说明该项质量特性越重要。标准差反映了学习者对该项质量特性重要程度的意见差异程度，标准差越大，说明学习者对该项质量特性重要度需求意见差异越大，越能体现学习者的个性化需求；标准差较小，说明学习者对质量特性重要度意见越一致，体现了学习者的共性需求。质量特性重要度需求意见调查统计结果如表3所示。

（二）系统质量特性需求重要度调查结果分析

1.重要度需求整体情况

系统质量特性重要度均值水平整体分布在3.43-4.45之间，处于重要度级别中等（李克特5级量表）以上水平，说明公共外语学习者对质量特性的认可度较高，说明在质量特性的提取过程相对合理，与学习者的质量需求相一致。系统质量特性重要度标准差整体分布在0.815-1.225之间，说明学习者对质量特性的重要度需求程度呈现差异化分布，有必要对差异需求进行进一步区分，确定其在产品设计研发过程中的优先顺序。

2.重要度需求水平分布

重要度意见结果按重要度均值水平进行从大到小排序，依次为q6、q22、q5、q17、q3、q14、q19、q20、q16、q4、q2、q8、q15、q18、q21、q13、q7、q11、q9、q1、q10、q12，从而将重要度分为非常重要（9项，以资源和环境因素为主）、比较重要（6项，三类因素都包含）和一般重要（7项，以资源和过程因素为主）三个级别水平，具体分类内容如下页表4所示。

3.重要度需求差异情况

标准差反映了学习者对质量特性的重要度差异情况。按照重要度标准差从大到小排序，依次是q12、q1、q21、q11、q13、q18、q7、q9、q10、q2、q14、q17、q15、q20、q8、q19、q16、q3、q4、q22、q6、q5，从而将意见差异分为较大、一般和较小三类，具体分类如表5所示。

五、系统质量特性的Kano模型

（一）质量特性重要度需求散点图

在Kano模型的影响下，为进一步了解学习者对质量特性重要度的需求分布，本研究以重要度均值为x轴，标准差值为Y轴建立质量特性重要度需求散点图（如图1所示）。在散点图上，借助于水平参考线和垂直参考线，将散点图分为九个区域（九宫格）。越接近九宫格的右下方区域，质量特性的重要度越高，意见越统一，是普遍认为比较重要的区域，体现了学习者的共性需求。这部分质量特性属于基本型需求，是系统必须具有的理所当然型质量。越接近九宫格的左上方区域，质量特性重要度越低，意见越分散，体现了学习者的差异化需求，是体现系统特色的魅力型质量。在九宫格中间区域，是学习者所期望得到的需求，属于期望型质量。这部分质量特性与学习者满意度线性相关，实现的越多，学习者满意度则越高；反之则越低。根据散点图九宫格的分布，结合质量特性的重要度均值和标准差排序，通过圆弧参考实线对三种层次的质量特性进行区分，通过圆弧参考虚线，可对期望型特性进行进一步分层，分为近魅力层、中间层和近理所当然层特性。

（二）质量特性学习者需求Kano模型

通过对质量特性重要度意见的散点图分析，构建系统质量特性学习者需求Kano模型（如下页图2所示）。在个性化学习系统的学习者需求质量特性中，准确性、安全性、优质性、丰富性和稳定性这5项质量特性的重要度非常高，意见比较统一，是学习者认为非常重要且理所当然应该具备的质量特性。主动性、趣味性、个性化和智能性这4项质量特性重要度低，意见差异程度大，个性化程度高，属于学习者个体认为的魅力型特性。在进行系统用户细分和市场细分时，可对这部分质量特性进行准确定位和差异化设计，可以有效提高特定学习者群体的满意度。在理所当然型和魅力型之间的是期望型特性。在散点图上，根据重要度水平和意见差异程度，可将期望型特性进一步细分为近魅力层（便捷性、经济性、响应性、兼容性、分类性）、中间层（功能性、友好性、时效性、交互性）和近理所当然层（扩展性、分级别、引导性、互动性）质量特性。从质量特性所属的因素类别来看，魅力型特性以过程因素为主，理所当然型特性以环境因素为主，资源因素为辅，期望型特性在过程、资源和环境因素均有所分布，但仍呈现从近魅力层、中间层和近理所当然型质量的状态分布。

随着时间的推移，学习者对质量特性的需求状态也会发生转变，原来是魅力型的质量特性可能逐渐变为期望型，而期望型的质量特性可能会逐渐演变为理所当然型。对企业来说，要随时关注学习者的需求的改变，只有准确获取并科学预测学习者需求，并将这种需求通过科学方法反映在系统质量设计或改进上，才能赢得市场，提供让学习者满意的产品。

六、结束语

随着互联网教育服務产业的发展，个性化语言学习系统的研发企业越来越意识到“学习者需求”对系统设计成功的重要性。由于学习者原始需求信息是模糊、多样和主观的，无法在系统设计过程中所直接利用，需要转换为系统设计可以识别的质量特f生才能进入系统研发设计过程；而不同的质量特性在系统设计中所占的权重也不一样，需要根据需求情况进行规划和定位，以便于企业在系统研发过程中合理安排工作和有效配置资源。本研究围绕个性化语言学习系统的“学习者需求”，运用质量功能展开（QFD）与满意度分类（Kano模型）理论对系统质量特性进行提取和定位研究，旨在帮助企业识别学习者需求和影响学习者满意的质量特性，为提升系统设计质量提供信息参考和有效方法。

研究首先根据QFD理论中质量屋（HOQ）构建技术中质量特性展开的方法，对学习者需求进行个性化语言学习系统质量特性的转换与提取，得到资源、过程和环境3类影响因素的22项质量特性，包括趣味性、时效性、丰富性、分类性、优质性、准确性、分级别、功能性、引导性、互动性、个性化、主动性、智能性、便捷性、友好性、响应性、稳定性、交互性、经济性、兼容性、扩展性和安全性。然后根据学习者对质量特性的重要度需求意见，将22项质量特性分为非常重要（准确性、安全性等9项）、比较重要（分类性、时效性等6项）和一般重要（互动性、主动性等7项）三个级别。最后结合Kano模型，将质量特性分为魅力型（主动性、趣味性、智能性和个性化）、期望型（扩展性、友好性等13项）和理所当然型（准确性、安全性等5项）三个层次，从学习者满意度方面对质量特性进行了进一步定位和动态变化预测。研究表明，质量特性的重要度分类和满意度分级具有一定的关联性，但并不完全一致，重要度高的质量特性的满足程度与满意度水平的提高程度无直接影响，却与不满意程度有直接关系；而学习者满意度的提高与学习者的期望程度有关，特别是系统提供的学习者想不到的意外惊喜更能提高满意度。

在与相关企业进行探讨时，企业也非常认可这种方法的科学性和有效性。但由于多数企业在进行系统研发时，由于缺少有效的方法和质量管理专家，往往无法对学习者需求的系统质量进行有效控制。本研究从产品设计质量管理的角度，将QFD与Kano模型理论集成运用到个性化语言学习系统的设计过程中，提高了系统设计过程对学习者需求定位的准确性和科学性，为企业提供了解决学习者需求科学转化和合理定位的有效方法。研究不足在于，调查样本仅选取限于一所高校，存在一定的局限性，如果能够在更大范围、不同层次、不同外语课程安排的学校中进行抽样调查的话，那么质量特性的定位将会更加准确地反映高校学习者对系统的质量需求。另外，限于篇幅，本研究仅从学习者需求调查的统计数据对其进行重要度分类。实际上由于质量特性之间存在各种相互影响关系，所以在重要度定位时应结合相关性进行权重分配，将会进一步提高系统设计质量规划的准确性，在后续研究应进一步深入。