基于结构方程建模的移动高等教育信息系统的研究

王郁

（西安航空学院陕西西安710077）

在我们今天的生活中，信息和通信技术（ICT）变得越来越不可或缺。虽然开发新技术本身是一个关键的过程，但是技术的欣赏和使用也至关重要。信息技术使用已经是管理信息系统（MIS）研究中的一个关键的因变量[1-4]，但是影响用户的使用和接受意图的因素仍然受到质疑。新技术还提供新的机会，并且这些新的有希望的技术的采纳和接受已经成为实践者和学者的重要问题。因此，了解哪些因素有助于用户使用新的移动服务是一个重要的问题。基本挑战是了解人们如何以及为什么采用或不采用移动服务。Sarker等人[5]认为对指导消费者采用和使用移动设备的动机和情况没有清楚的理解。在大多数情况下，新移动业务的成功传播部分取决于用户愿意采用这些业务[6]。虽然还有一些其他因素，如提供服务的参考价格[7]标准、基础设施和内容[8]，但是兼容性、个人流动性和主观规范似乎更多地影响用户的意图[9]。

文中是关于在发展中国家高等教育中接受移动服务的研究。这项工作的主要目的是更好地了解影响采用移动服务的因素。在本研究中，基于技术接受理论的移动服务接受模型[10]被用来调查大学信息系统（UIS）在本科学生管理中的接受和采用程度。

1 研究模型及假定

图1中示出了研究模型，环境、信任、个人主动性和特征被并入到传统技术接受模型（TAM）中。这创造了“移动服务接受模型”，并作为本文理论框架。搜索模型专用于移动服务程序开发，并仅在有限数量的研究中使用。本文研究哪些因素在接受和使用这种新的UIS扩展方面发挥重要作用。

图1 移动服务接受模型

提供了如下研究假设：

H1：环境对感知有用性具有积极和直接的影响

H2：环境对感知的易用性具有积极和直接的影响

H4：信任积极影响使用意图

H5：个人主动性和特征对使用意图有积极影响

H6：感知有用性积极影响使用意图

H3：感知易用性积极影响感知有用性

H7：感知易用性积极影响使用意图

2 研究方法

2.1 结构方程模型

在社会科学中，因果模型引起广泛兴趣，因为它们能够解释变量之间的理论关系。由于这些模型通常使用无形的概念[11]，因此研究人员将观察到的变量与这些假设结构相关联，这些假设结构称为潜在变量[12]。结构方程模型是用来揭示观察和潜在变量之间的线性关系和效应的重要工具[13]。

在本研究中，进行了结构方程模型分析，以检查移动UIS接受模型和6个潜在变量，如图2所示。三个外生潜在变量是信任（B）、个人主动性和特征（C）和环境（D）。内生变量是感知易用性（A）、感知有用性（E）和使用意图（F）。

2.2 数据源和描述性统计

本研究开始于2014年，数据收集在2015年年底前完成。参加者选自某大学计算机学院的本科生。该调查是在2015年与学生面对面交流时使用纸质文书进行的。参与调查完全是自愿的。由于学术和行政人员参与调查非常少，因此他们被排除在外。共有227名本科生参加了研究，基于便利抽样方法选择了受访者，研究人员在其授课的教师许可下访问了所有可用的课程。由于主要目的是评估学生对UIS的接受和采用，重点只针对参与本研究的学生。因此，参与者大多是年轻人，其中超过95%的年龄在17岁至24岁之间。

图2 移动UIS接受模型

没有听说UIS或没有使用它的参与者没有被纳入研究，因为目的是调查采纳和使用趋势，并评估采用这个教育管理信息系统背后的社会心理因素。所有227名参与者表示他们意识到系统并使用了系统。约10%的参与者表示他们没有智能手机，但可以通过朋友的手机或平板电脑访问系统。调查量表如表1所示，包括人口统计变量，如性别、年龄、收入水平、他们是否有智能手机、智能手机的操作系统类型（如果他们有智能手机）、使用年份、移动UIS的使用特性等。

3 理论测试和结果

为了通过收集的数据测试移动服务接受模型，使用结构方程模型来进行分析。在本研究的理论结构中，共有6个潜变量进行协作：感知易用性（A）、信任（B）、个人主动性和特征（C）、环境（D）、感知有用性（E）和使用意图（F）。使用计算的路径系数，测试假设并解释潜在变量之间的关系。通过路径系数证明潜在变量之间的统计意义上的关系。最大似然估计为用于结构方程模型中的预测方法。

具有观察变量的误差方差的潜在变量的标准路径系数和因子载荷可以在图3中看到。最高误差方差为0.79，而因子载荷范围在0.46和0.96之间。由于最低t值为7.13，因此移动服务接受模型中观察到的变量被确认为潜在变量的指标（p>0.05）。调查拟合优度指数以证明收集的数据代表模型。

表1 受访者的特征

卡方是必须分析的第一个值，以测量观察到的和估计的协方差之间的一致性[14]。预计在大样本量中，卡方值（c2）为1455.11（p<0.05）。考虑相对卡方值（标准卡方值获得的自由度值除以卡方）而不是单独的卡方值。相对卡方计算约为3，表明收集的数据创建了一个相当充分的模型拟合[15]。与卡方统计相似，相对卡方也受样本量的影响很大，没有可接受的限制值。因此，还应谨慎对待相对卡方值，并应考虑其他适合指数用于整体决策。RMSEA低于0.10，因此，结构方程模型分析验证了本假设模型[16]。

所提供的数据在很大程度上支持了这些假设。信任与标准化路径系数为0.60的使用意图具有直接的正相关关系。这提供了对假设H4的支持。令人惊讶的结果是，感知有用性和使用意图之间的直接路径是微不足道的，并且感知易用性对意图使用的影响也是如此。因此，假设H6和H7被拒绝。相反，发现环境对感知有用性和感知易用性的影响是显著的，路径系数为0.56和0.77，因此支持假设H1和H2。如预期的，H3被支持，这意味着感知易用性对感知有用性有直接作用。最后，在个人主动性和特征与使用意向之间没有发现直接的积极作用，因此H5被拒绝。结果示于表2中。

表2 结构模型的路径系数和t值

4 结 论

高等教育机构面临更多的挑战和复杂的问题，从增加入学人数到适应学生和班级的基础设施限制。为了克服大学面临的这些问题，信息技术已经成为过去二十年中最具决定性的工具之一。大学管理者不是使用常规方法来管理复杂的学习和教学过程，而是开始使用称为教育管理信息系统（EMIS）的集成系统来计划和评估。本文是关于对移动信息技术被接受的研究，它可能为学术界和从业者揭示应考虑哪些社会心理因素，并且为接受移动服务提供有用的指导。在进一步的研究中，来自不同技术模型的不同决定因素以及与社会文化相容的不同变量可以被选择并且并入新模型中。从实践者的角度来看，本研究的结果可用于EMIS的整个设计和实施过程，以创建更好的信息系统服务。此外，理解教师和学生对移动服务的认知和采用可以导致设计更好的系统。

参考文献：

[1]Nechkoska RP，Poels G，Mancheski G.Bridging op⁃erational，strategic and project management infor⁃mation systems for tactical management informa⁃tionprovision[J].Nature，2015，526（7571）:146-158.

图3 研究模型结果

[2]Punyasung P.Membership，inventory and purchas⁃ing order management information system for a net⁃work marketing[J].Journal of Endourology，2015，21（11）:2568-2579.

[3]Srivastava S，Nemec J，Stoermer M.Applying tech⁃nology in informal sector health insurance schemes-the example of the Insurance Manage⁃ment Information System in Tanzania，Nepal and Cameroon[J].Tropical Medicine&International Health，2015（20）:83-84.

[4]Delimayanti MK，Mulyono S，Waluyanti FT.The development of web-based management informa⁃tion system for the child malnutrition surveillance[J].Clinical&Experimental Metastasis，2015，77（22）:357-367.

[5]Sarker S，Wells D.Understanding mobile handheld device use and adoption[J].Communications of the ACM，2003，46（12）:35-40.

[6]Gao S，Krogstie J，Siau K.Developing an instru⁃ment to measure the adoption of mobile services[J].Mobile Information Systems，2011（7）:45-46.

[7]Blechar J，Constantiou I，Damsgaard J.Exploring the influence of reference situations and reference pricing on mobile service user behavior[J].Europe⁃an Journal of Information Systems，2006（15）:285-291.

[8]Barnes S.Understanding mobile handheld device use and adoption[J].International Journal of Infor⁃mation Management，2002，22（2）:91-108.

[9]Schierz P，Schilke O，Wirtz B.Understanding con⁃sumer acceptance of mobile payment services:An empirical analysis[J].Electronic Commerce Re⁃search and Applications，2010，9（3）:209-216.

[10]Gao S，Krogstie J，Gransther P.Mobile services acceptance model[C]//International conference on convergence and hybrid information technology，Daejeon，Korea，2008:446-453.

[11]George R，Kaplan D.A structural model of parent and teacher influences on science attitudes of eighth graders:Evidence from NELS:88[J].Sci⁃ence Education，1998，82（1）:93-109.

[12]McLean S，Gray K.Structural equation modeling in market research[J].Journal of the Australian Market Research Society，1998，6（1）:27-47.

[13]MacCallum R C，Austin J T.Applications of struc⁃tural equation modeling in psychological research[J].Annual Review of Psychology，2000.

[14]Hu L，Bentler P.Cutoff criteria for fit indexes in co⁃variance structure analysis:Conventional criteria versusnew alternatives[J].StructuralEquation Modeling:A Multidisciplinary Journal，1999，6（1）:1-55.

[15]Wheaton B，Muthen B，Alwin，et al.Assessing reliability and stability in panel models[J].Sociological Methodology，1977（8）:84-136.

[16]Sharma S，Mukherjee S，Kumar A，et al.A simulation study to investigate the use of cutoff valuesforassessing modelfitin covariance structure models[J].Journal of Business Research，2005，58（7）:935-943.