中职生移动学习模型的构建与影响因素研究*

2019-05-17敖玉明胡红兵

中小学电教 2019年4期

敖玉明胡红兵

（贵阳市女子职业学校，贵州贵阳550008）

一、研究的背景、现状

信息通信技术与教育相结合进而发展起来的Elearning（在线学习）受到业界和学界的大量关注，随着移动互联网的发展和设备智能化及终端普及，在线教育的创新形势也愈发多样，中职学校也在开展移动学习（Mlearning）尝试，对传统授课方式的信息化重塑、创新教学模式等实践探索。这种新的学习模式也在逐步激发学习者的学习意愿和感知价值，为进一步探究中职学生移动学习行为的影响因素，更好地理解和运用移动学习来提升中职中专学生的学习行为和学习效率。

关于移动学习的模型，大多以技术接受模型（Technology Acceptance Model，TAM）为基础进行研究。技术接受模型（Technology Acceptance Model，TAM）是当前信息系统领域中广泛被使用的技术模型，用于研究和测算影响用户对信息系统接受度的因素及影响程度。国内亦有大量的关于以技术接受模型(TAM)对移动学习的研究。影响其移动学习意愿的因素主要包括：感知有用性、感知易用性、UI 设计、社交功能和使用态度。

Fogg 行为模型，包含三个要素：Motivation（动机）、Ability（能力）和Prompt（暗示、触发、号召行动、请求等）。在国内外各行业，尤其是移动互联网产品设计应用非常普遍，但国内很少有人深入于中职移动学习方面的研究。

本研究通过对已有研究的归纳和梳理，以技术接受模型（TAM）和Fogg Behavior Model（FBM）的研究为框架整合影响因素的维度，通过对已有研究的归纳和梳理，并通过对为中职中专学生实证研究和调研及事件访谈，总结出可能影响学生移动学习行为的关键因素和内在动因，在此基础上提出相关假设并设计相应的问卷题项，进行调研分析，研究验证。

二、基本概念和理论基础

（一）移动学习的概念

移动学习从上个世纪70年代兴起至今，其定义没有固定统一的说法，它是在数字化学习（E-learing）的基础上，运用发达的移动互联网信息技术，让学习者使用智能手机、笔记本电脑等移动便携设备，不受时空限制，按照需求进行学习，并实现个性化、终身化的一种学习方式。移动学习扩展了传统学习的空间，表现出新的多样形式。同时，形式多样的移动学习也向教师提出了挑战。

（二）技术接受性模型理论

技术接受模型（Technology Acceptance Model，TAM）是当前信息系统领域中广泛被使用的技术模型，用于研究和测算影响用户对信息系统接受度的因素及影响程度。

该模型最早是由Davis（1986）提出，用于估计影响用户接受信息系统的因素，以计划行为理论为基础，主要包含感知有用性、感知易用性、用户态度、使用意向、实际使用行为和外部变量6 个研究变量，其中感知有用性是指用户认为该系统对自己带来收益提升的程度。感知易用性指用户认为该系统的使用便捷程度，是否使用方便以及是否能轻松使用。该模型的意图如图1所示，外部变量作用于感知有用性和感知易用性，从而影响用户的态度、使用意向，最后用户的使用意向决定了用户的实际使用行为，这就是基础技术接受模型思路。而后1993年和1996年，Davis 对初始的TAM 模型进行修改，删除使用意向，指出态度只能部分解释感知有用性对意图的影响，又去掉了用户态度。

图1 技术接受模型

在2000年，Davis 提出TAM2 模型，将影响感知有用性和使用意向的影响因素进行了详细分析，即不仅仅为单纯的外部变量，而是分为了一系列的变量，可概括为社会影响变量和认知工具，相较于基础的TAM1 模型来说，TAM2 在分析上更为系统和详细。Venkatesh 和Bala（2008）在TAM2 的基础上进行再修改，提出了TAM3 模型。其中对感知易用性的影响因子进行了再拓展，认为影响感知易用性的因素分为锚定因素和调整因素，锚定因素包含计算机自我效能、感知外部控制等，调整因素包括感知愉悦和客观有用性。

（三）Fogg行为模型概述

2007年，斯坦福大学行为科学家BJ Fogg 博士提出了一个新的理解人类行为的模型，称之为Fogg Behavior Model (FBM)，在这个模型中，他认为一个行为包含以下三个要素：Motivation（动机）、Ability（能力）和Prompt（提示、暗示、触发、号召行动、请求等），如图2所示。

图2 FBM 行为模型图

Motivation、Ability、Prompt，用英文字母描述就是B=MAP。行为的发生，首先必须要有足够的动机。第二个要素是能力，就是说人们得有能力完成这个动作。Prompt 是影响行为发生的第三个要素，以前用术语“Trigger”。FBM 显示，这三个要素必须在同一时刻汇聚才能发生行为。在FBM 图中，纵坐标为动机，下方是低的动机，上方是高的动机，横坐标为能力，左边需要的能力高，右边需要的能力低。图中的这条曲线叫行为成功曲线，曲线和曲线上方是行为成功区，在这块区域里触发是有效的；曲线下方就是行为失败区，这个区域里触发是无效的，不会发生任何行为。

FBM 使得人们更容易理解一般的行为，其展示了行为是如何在一个时刻汇集在一起的三个特定要素的结果。此外，FBM 还表明，动机和能力彼此之间存在补偿关系，例如：如果动机非常高，能力可能很低。同时，FBM 最直接地应用于行为改变设计的许多实际问题。Fogg 行为模型在国内外各行业特别是移动互联网产品设计方面有着广泛应用。要理解和应用这个模型需要一些行为心理学、经济学、产品研发与用户体验以及定性与定量分析的知识和经验，本研究试图将TAM 模型与Fogg 行为模型结合起来进行探究。

三、移动学习行为模型的建构与研究假设

移动互联网的发展和设备智能化及终端普及，越来越多的人开始利用碎片化的时间随时随地的学习，在线教育的创新形势也愈发多样。作为学校这样的教育机构，如何利用开展移动学习（M-learning），对传统授课方式的信息化重塑，创新教学模式诸如协同互动学习、实景探索学习、游戏学习等，具有重要意义。这种新的学习模式也在逐步激发学习者的学习意愿和感知价值。

为进一步分析找寻中职学生移动学习行为的影响因素，更好地理解和运用移动学习来提升中职中专学生的学习行为和学习效率, 我们以技术接受模型（TAM）和Fogg Behavior Model（FBM）的研究为框架整合影响因素的维度，通过对已有研究的归纳和梳理,通过对为中职中专学生实证研究和调研及事件访谈,总结出可能影响学生移动学习行为的关键因素和内在动因, 在此基础上提出相关假设, 构建了中职生移动学习模型和假设，如图3所示。

图3 中职生移动学习模型

假设H1：移动学习动机对移动学习的行为有显著的正向影响

假设H2：移动学习能力对移动学习的行为有显著的正向影响

假设H3：移动学习环境及触发条件对移动学习的行为有显著的正向影响

假设H4：移动学习的动机对移动学习能力有显著的正向影响

假设H5：移动学习环境及触发条件对移动学习的动机有显著的正向影响

TAM 模型中影响其移动学习意愿的因素主要包括：感知有用性、感知易用性、UI 设计、社交功能和使用态度。Fogg Behavior Model（FBM）模型中，影响其移动学习行为因素包含三个要素Motivation、Ability 和Prompt。

根据技术接受模型(TAM)和Fogg Behavior Model（FBM）的研究为框架，整合影响因素，笔者提出了四个影响因素：移动学习动机（MOT）、移动学习能力（ABI）、移动学习环境及条件（EC）、移动学习行为（ACT），与TAM 模型及FBM 模型的关系如表1所示。

表1 影响因素与TAM 模型及FBM 模型对照表

四、数据测量与收集

（一）变量的设计与测量指标

在移动学习影响因素模型的基础上，提出4 个研究变量移动学习动机（MOT）、移动学习能力（ABI）、移动学习环境及条件（EC）、移动学习行为（ACT）。根据已有文献的研究成果设计了测量指标。

移动学习动机（MOT）包含三个测量指标：价值层面（VAL）、期望层面（EXP）、情感层面（EMO）；

移动学习能力（ABI）包含四个测量指标：提问和质疑（ABI1）、知识梳理及整合（ABI2）、逻辑思维（ABI3）、团队合作（ABI4）；

移动学习环境及条件（EC）包含二个测量指标：学习的环境（ENV）、学习的内容（CON）；

移动学习行为（ACT）包含二个测量指标：显性行为（ACT1）、隐性行为（ACT2）。

（二）问卷设计与数据收集

此次调研对象为中等职业学校学生。本问卷在黄希庭的《中职生学习动机》问卷的基础上进行设计。问卷共分为二个部分，一是测试者的基本信息，二是测试者移动学习影响因素部分。初次设计问卷回收50 份，通过对初次问卷进行信度和效度的分析，结合理论模型对测试问卷部分题目进行删除和修改后，再次测试发放问卷62 份后，再次对问卷的信度和效度进行分析，并再次进行适当修改确定问卷。最终通过问卷星发放，收回1863 份，有效问卷为1795 份。

五、数据的统计分析

（一）概述

此次收回的1795 份有效问卷中，男生310 人占总人数的17.28%，女生1485 人占总人数的82.72%。一年级学生954 人占总人数的53.14%，二年级学生841 人占总人数的46.86%，学前教育类学生占总人数的46.97%，财经商贸类学生占总人数的7.62%，休闲保健类学生占总人数的11.33%，文化艺术类学生占总人数的11.49%，旅游类学生占总人数的21.55%。

（二）问卷信度和效度分析

1.信度分析

在正式发放问卷前，对问卷做了信度和效度分析。信度分析采用了Cronbach α信度分析。开始发放了50份问卷，问卷整体信度为0.962。

移动学习能力（ABI）的Cronbach's alpha 系数为0.378，环境和条件（EC）的Cronbach's alpha 系数为0.528，移动学习行为（ACT）的Cronbach's alpha 系数为0.574，Cronbach's alpha 系数值低于0.6，于是针对低于0.6 的题目做了增删从新编制的调整，重新发放问卷，收回有效问卷62 份，对问卷的修改稿的信度进行分析，问卷整体信度为0.930。

移动学习动机（MOT）的Cronbach's alpha 系数为0.976，移动学习能力（ABI）的Cronbach's alpha 系数为0.700，环境和条件（EC）的Cronbach's alpha 系数为0.684，移动学习行为（ACT）的Cronbach's alpha 系数为0.810，各检测变量的Cronbach's alpha 系数均在0.6 以上，达到可接受的水平。

2.效度分析通过对抽样适度测定值Kaiser-Meyer-Olkin（KMO）和Barlett 球度检验这两个判定指标进行分析，来确定是否适合使用因子分析方法进行研究。如果KMO＞0.5，则表明所研究的变量间是具有相关性的，比较适合使用因子分析。通过对测试62 份数据进行分析，各个变量之间的具有较强的相关性；SIG=0.000，变量间存在相关关系，适合做因子分析（如表2所示）。

表2 变量KMO 值和Barlett 球度检验卡方

（三）结构化方程模型分析

为了更好地分析数据，采用结构方程模型（SEM）分析。通过理论建构模型用AMOS 建立初始模型，如图4所示。

图4 结构化方程初始模型

e1-e15 为测量变量的残差，进行拟合判断模型的拟合度。拟合指标中，大部分拟合指标满足拟合标准的临界值，但卡方检验P 值为0.00，CMIN/DF=5.059；这两项的拟合指标不满足拟合标准，考虑样本数为1795 个，样本数较大故不考虑此模型拟合指标，而其他拟合指标较好RMR=0.039、RMSEA=0.048、GFI=0.982、AGFI=0.967、NFI=0.970、RFI=0.954、IFI=0.976、TLI=0.963、CFI=0.975均大于0.9，PNFI=0.635、PCFI=0.638 均大于0.5，因此模型整体拟合度较好。

（四）影响因素分析

通过对初始模型的进一步调整优化，最终得到下表3。从表中可以分析得出移动学习的行为（ACT）与移动学习动机（MOT）、移动学习能力（ABI）、移动学习环境和条件（EC）的关系。

表3 各路径系数估计

移动学习环境和条件（EC）对移动学习动机（MOT）有显著的正向影响，移动学习环境和条件（EC）对移动学习能力（ABI）有显著的正向影响，移动学习动机（MOT）对移动学习能力（ABI）有显著的正向影响，移动学习能力（ABI）、移动学习环境和条件（EC）对移动学习的行为（ACT）有显著的正向影响，

通过计算各潜变量间的直接效应和间接效应如表4、表5，得出表6模型中各潜变量间的总效应。从表6可以看出，移动学习环境和条件（EC）到移动学习的能力（ABI）的总效应为0.715。移动学习环境和条件（EC）到移动学习动机（MOT）的总效应为0.159。移动学习环境和条件（EC）到移动学习行为（ACT）的总效应为0.966。移动学习动机（MOT）到移动学习的能力（ABI）的总效应为0.199。移动学习动机（MOT）到移动学习的行为（ACT）的总效应为0.160。移动学习的能力（ABI）到移动学习的行为（ACT）的总效应为0.269。

表4 模型中各潜变量间的直接效应（标准化结果）

表5 模型中各潜变量间的间接效应（标准化结果）

表6 模型中各潜变量间的总效应（标准化结果）

模型最终计算如图5所示。

图5 模型最终计算结果图

六、实证研究

为了进一步验证研究假设，笔者在所在学校进行了移动学习实证研究。首先对学生使用手机的情况进行了调查，“校园Wifi 及手机使用调查”回收2143 份问卷中，98.74%学生拥有手机，在校园内，66.26%的学生上网主要是以自己的流量为主，不上网的仅有1.65%。在通过调查后，做了两次实验教学。第一次以学生自主学习开展的移动学习模式，第二次以教师引领学生开展移动学习，利用APP 在课堂课外引导学生学习。

在第一次实践中，开设《中职生安全教育》课程，2160 名学生通过“学习通APP”自修学分；期末结束后447 名学生通过课程考核并获得相应学分；通过率仅为20.7%。这次实践发现，学生学习的整体效果非常不好，通过率仅为20.7%。究其原因：一是学生的自主学习能力和自我控制能力方面较弱，以及对课程没兴趣导致；二是根据访谈，学生对学校的公共Wifi 使用非常不满意，这也是导致大多数学生放弃学习的主要原因。这次教学的失败，也验证了移动学习环境和条件（EC）对移动学习动机（MOT）、移动学习的行为（ACT）有显著的正向影响。

第二次开设中职数学课程，开设移动学习实验班，为了更好地实验本次缩小了实验的范围，本次实验选择4 个班级，156 名学生。创造较好的软硬件学校条件，这次实验学生利用移动运营商流量进行移动学习，以保障学习的网络环境。教师在课堂利用APP 辅助课堂教学，点名签到、课堂活动、小测，在课外利用APP 设置教学任务、直播等方式指导学生预习复习，创造较好的软环境。实验结果，最终期末考试合格率达90%。

对参加实验的学生发放调查问卷，根据调查的数据显示，中职生移动学习行为动机比预计的强。参加调查的156 名学生中，对利用手机APP 开展移动学习辅助教学的这种学习方式，表示喜欢的达到84.2%，认为这种学习方式对自己的学习是有帮助的学生占68%。中职生移动学习的行为动机比我们预计的要强的多，他们是有学习的意愿的。学习效果不理想的原因，首先是行为意志不足，多半不能坚持学习，参加调查的156 名学生中，表示能完成学习任务看完学习视频的学生仅占5%。在学习过程中遇到困难后，仅有23.7%的学生表示能坚持学习。其次，笔者在统计数据中发现，认为APP 上的学习任务完成困难的学生占了88%，可见学生的基本素养和能力不足，导致学习困难。再次，通过调查问卷得到，学生一天内使用手机5 小时以上占了44%，3-5 小时的占了28.9%，可见中职生大部分的业余时间都在使用手机，大量的娱乐游戏软件占用了学生大部分精力和时间，这也严重影响了移动学习的效果。

关于教师的激励和APP 中学习积分激励，仅40%的学生关注自己的学习积分，20%的学生偶尔关注，40%的学生不关注。这也反映了中职生对学习的态度，自我学习中，通过奖励积分的方式鼓励学生学习，效果不理想。但在课堂上通过让学生现场完成教学任务点，现场给予积分奖励，对激励学生积极参加教学活动是很有效的一种方式。

调查中笔者还发现，使用手机来辅助教学，学生认为影响因素较大的是：其自己学习态度占21.8%，能力占7.7%,教师的教学方法占25.6%，手机的流量占7.7%,教师的亲和力占7.7%，是否喜欢这门课程占12.8%，教学视频是否有趣占7.7%，APP 软件设计是否有趣占9%。从以上数据可以看出，从学生的认识上，学生能认识到自己学习态度影响学习效果，他们对教师的教学方法也是蛮有期待的，也就是说教师创造的软环境和触发条件（EC）对学习效果有着较大的影响。

从实证研究可以得出，动机（MOT）、能力（ABI）、环境和触发条件（EC），行为（ACT），是影响学生移动学习效果的主要因素，尤其是环境和触发条件（EC）对行为（ACT）、动机（MOT）、能力（ABI）的影响较大，行为（ACT）也受到动机（MOT）、能力（ABI）、环境和触发条件（EC）的影响。

七、结论和建议

综上所述，移动学习动机（MOT）对移动学习的行为（ACT）有显著的正向影响；移动学习能力（ABI）对移动学习的行为（ACT）有显著的正向影响；移动学习环境及触发条件（EC）对移动学习的行为（ACT）有显著的正向影响；移动学习能力（ABI）对移动学习的动机（MOT）有显著的正向影响；移动学习环境及触发条件（EC）对移动学习的动机（MOT）有显著的正向影响。

从最终模型中各潜变量间的总效应分析得出，在其他条件不变的情况下，移动学习环境和条件（EC）潜变量每提升1 个单位，移动学习的动机（MOT）将提升0.159 个单位。移动学习环境和条件（EC）潜变量每提升1 个单位，移动学习的能力（ABI）将提升0.715 个单位。移动学习环境和条件（EC）潜变量每提升1 个单位，移动学习的行为（ACT）将提升0.966 个单位。

当其他条件不变的情况下，移动学习动机（MOT）潜变量每提升1 个单位，移动学习的能力（ABI）将提升0.199 个单位。移动学习动机（MOT）潜变量每提升1 个单位，移动学习的行为（ACT）将提升0.160 个单位。

当其他条件不变的情况下，移动学习的能力（ABI）潜变量每提升1 个单位，移动学习的行为（ACT）将提升0.269 个单位。

基于上述结论，更好地开展中职生移动学习，需要做好以下几个方面的工作。

（一）加大学校移动学习环境和条件的建设

从研究结论和再次对学生访谈中得出，对中职学生移动学习的行为（ACT）产生影响的最大因素是移动学习环境和触发的条件（EC）。移动学习环境和条件（EC）潜变量每提升1 个单位，移动学习的行为（ACT）将提升0.966 个单位，故学校在组织学生开展移动学习中，要充分的注意移动学习的软硬件的建设，应加大在这个方面的投入。在硬件环境方面，学校要从无线网络的覆盖范围、带宽、网络使用的管理的科学性等方面在硬件建设上为移动学习的开展创造更好的环境。而软件环境的建设更为重要，包括学习资源和素材的选择，教师对开展移动学习的应用方法和策略，移动学习的应用软件平台的选择和应用策略等方面的建设。研究中还得出移动学习环境和条件（EC）提升了，学生的移动学习的动机（MOT）及移动学习的能力（ABI）也会随之而提升。

（二）加强中职生意志力品质的培养，提升中职生移动学习动机

关于动机和行为，笔者研究的结论有些出乎常理，动机通常是影响其行为的重要因素之一，而笔者结论是其影响较小，移动学习动机（MOT）潜变量每提升1 个单位，移动学习的行为（ACT）仅提升0.160 个单位。通过对中职生及其中职生教师的访谈，其实这正是中职学生的特点所决定的，中职生学习动机普遍不强，学习目标不明确，大多数学生不是出于对求知的需求，而是一时的好奇。在移动学习的平台和资源的设计方面，应该考虑中职生的这一特点，加入适当的激励机制，激发学生的学习动机。还要意识到行为是动机中目标达成的中介，虽通过动机影响了其行为，但中职生其学习行为的可持续性及意志力品质的培养不可忽视。