虚拟仿真实训系统学习行为意向影响因素研究

杨兵 刘柳 朱晓钢 Tiong-Thye Goh

【摘要】  本研究基于V-Learning構建了包含临场感、感知有用性等7个潜变量的虚拟仿真实训系统学习行为意向影响因素模型，提出了15个变量关系的研究假设，研发了测量7个潜变量、34个观测变量态度水平的李克特（Likert）量表，以湖北某应用型高校经济管理类专业、参加企业运营虚拟仿真实训系统学习的666名学生为调研对象，收集整理了359份有效调查问卷。研究工具采用SPSS22.0、AMOS24.0，通过信度、效度及结构方程模型分析方法检测了问卷测量变量和构念潜变量的收敛性和区分度，验证了结构方程模型的可靠性和稳定性，对研究模型中潜变量相关关系进行了假设检验和标准化效用分析。验证了临场感、感知有用性对学生“学习行为意向”存在显著正向影响等多项研究假设，提出了“高校应筹建各类虚拟仿真实验实训中心”等建议，目的是探寻“提升高校学生参加虚拟仿真实训系统学习行为意愿和实训教学效果”的路径和方法。

【关键词】  V-Learning;虚拟仿真;TAM模型;临场感;自我效能感;学习行为意向;SEM分析;实验实训教学

【中图分类号】  G40-057      【文献标识码】  A      【文章编号】 1009-458x（2019）5-0026-11

近年来，大学生就业市场上“就业难、用工荒”的矛盾愈演愈烈，张建武等（2010）认为大学生“应用能力差、实践能力弱”已成为高等教育广受诟病的突出问题，推进高校人才培养应用转型是高校教育教学改革的当务之急，提高实验实训教学水平是培养符合企业需要的应用型人才的必由之路。为提高高校实验实训教学效果，改革实验实训教学模式、采用现代教育技术是高校实验实训教学改革的突破口，基于计算机技术、仿真技术和人工智能技术的虚拟现实技术（Virtual Reality， VR）是现阶段教育技术发展的制高点，高媛等学者（2017）将虚拟现实技术列为2至3年内教育技术重要发展方向之一。在高校实验实训教学中采用虚拟现实技术已经成为教育界和全社会的广泛共识。

虚拟现实技术主要包括桌面式虚拟现实系统（Desktop VR）、完全沉浸式虚拟现实系统（Fully- immersive VR）、分布式虚拟现实系统（Distributed VR）三种类型（高媛， 等， 2016）。其中，Desktop VR具有高仿真性且成本相对较低，应用广泛。2013年教育部颁布的《关于开展国家级虚拟仿真实验实训教学中心建设工作的通知》（教高司函[2013]94号）首次提出建设100个国家级虚拟仿真实验教学中心的任务，此后教育部每年都提出100个左右国家级虚拟仿真实验教学中心的建设任务。据不完全统计，截至2017年6月，全国各类高校累计建成了400个左右国家级虚拟仿真实验教学中心。2017年7月11日，教育部办公厅发布了《2017—2020年示范性虚拟仿真实验教学项目建设通知》（教高厅[2017]4号），计划在4年内我国各类高校将建成1，000个国家级示范性虚拟仿真实验教学项目，足见国家教育主管部门对于应用虚拟现实技术、提高高校实验实训教学水平的高度重视。

基于虚拟现实技术的教育教学被称为“V-Learning”（周明全，2016; Annetta， Klesath， & Holmes， 2008）。已有研究证实：虚拟仿真实验实训教学通过提供高仿真、可视化的教学内容，创设具有临场感、沉浸感和交互性的实训教学情境，能够提升受教育者的学习行为意愿，进而提高学习效果。但影响高校学生参加虚拟仿真实验实训系统学习行为意愿的主要因素有哪些，如何更加有效地组织虚拟仿真实验实训教学活动，是优化并充分发挥虚拟仿真实验实训教学的机能和作用亟待解决的新课题。本研究以湖北某应用型高校企业运营虚拟仿真实训活动为研究对象，测量参训学生对其“自我效能感、临场感、学习行为意向”等构念变量的态度水平，探究大学生实训学习行为意愿的影响因素及其效应，希望有助于推动高校更加有效地组织和开展虚拟仿真实验实训教学活动，提高高校虚拟仿真实验实训教学水平和效果。

一、理论基础与研究假设

大量的理论及实证研究验证了技术接受模型（Technology Acceptance Model， TAM）的普遍适用性，它已经成为解释和预测用户接受特定类型技术程度、应用最广泛的理论模型之一（Holden & Karsh， 2010; King & He， 2006; Legris， Ingham， & Collerette， 2003）。虚拟现实技术是否有助于实现提高教学效果这一核心目标，取决于学习者愿意使用该技术的学习行为意向，因此学习者对虚拟仿真实训系统的接受程度就成为影响虚拟现实系统有效性的关键因素（Lucas， 1975）。

（一）理论基础

1. 理性行为理论（Theory of Reasoned Action）

技术接受模型是根据菲什拜因和阿耶兹（1975）的理性行为理论而提出的。高峰（2009）指出理性行为理论研究个体对技术的态度与使用行为关系，林泉等（2011）认为在“理性人”假设前提下，个体行为意向决定个体行为，并由行为态度和主观准则决定。行为态度是个体对从事某一目标行为所持有的积极的或者消极的评价，而主观准则是个体感觉到的采纳或不采纳某一目标行为时的社会压力的感知程度。行为态度和主观准则结合起来产生行为意向，最终导致行为的改变（高峰， 2009）。理性行为理论假设人有完全控制自己的能力，外部条件的变化通过影响个体行为态度和主观准则进而影响个体行为。

戴维斯（Davis， 1989; Davis， 1986）在理性行为理论的基础上提出适用于信息技术领域的用户接受行为研究模型，即技术接受模型（TAM）。该模型引入了感知有用性与感知易用性两个变量。感知有用性指个人对使用某技术系统对其工作业绩提高程度的认知，感知易用性指个人认为容易使用一个具体的系统的程度（吴亮， 等， 2012; 赵颖， 等， 2009）。大量研究证明：感知有用性与感知易用性是影响信息技术使用行为意向的重要因素（Yuen & Ma， 2002; Liaw & Huang， 2003; Lin & Wu， 2004）。在戴维斯研究的基础上，针对信息技术在不同领域的应用，许多研究者通过调整外部变量和主观调节变量不断丰富完善技术接受扩展模型（Davis & Venkatesh， 1996; Venkatesh & Davis， 2000; Venkatesh & Bala， 2008）。在本研究提出的高校虚拟仿真实训系统技术接受模型中，把感知有用性与感知易用性作为影响学生学习行为意向的重要因素。

2. 建构主义理论（Constructivism）

建构主义理论认为学习是学习者基于原有的知识经验生成意义、建构理解的过程（王娟娟， 2017），这一过程在社会文化交流及互动中完成。建构主义学习理论强调“情境”“协作”“会话”“意义建构”在学习中的关键性作用 （何克抗， 1997; 郭咏梅， 等， 2015）。建构主义提倡将情境化学习、体验式学习、合作性学习、探究式学习等学习策略应用于虚拟仿真实验实训教学过程中。建构主义存在不同的流派，其中社会建构主义着重强调社会性交互行为对学习的重要性，认为相较于个体学习而言，群体学习可以让学习者对知识有更深的理解，体会到更多的意义。根据建构主义学习理论，本研究提出教师指导、协作学习等情景自变量。

3. 社会学习理论 （Social Learning Theory）

社会学习理论认为人与人的行为是相对独立存在的，它们与环境之间构成双向影响的动态关系。三方互惠决定论是班杜拉社会学习理论的核心，班杜拉（2001）认为个体认知、环境和行为三者之间的关系应该是相互的，两两之间均存在相互决定的动态关系（沈瑾， 等， 2017）。个体的自我认知决定其行为方式，行为结果的内部反馈和外部反馈又决定了主体的个体认知反应。个体与环境之间存在着个体对环境的感知和环境对个体的影响。此外，环境是个体行为的对象和实现条件，决定了个体行为的进度与方向，但行为也影响着环境。自我效能感是班杜拉社会学习理论中的核心概念（Bandura， 1977），指个体对自己是否有能力完成某种行为所进行的推测与判断，表现在个体对自身能否利用所拥有的技能去完成某项工作行为的自信程度。本研究根据社会学习理论，将临场感、自我效能感引入研究模型中。

（二）研究假设

为了评估学习者对虚拟仿真实训系统的接受程度，本研究以TAM模型、建构主义以及社会学习理论等为依据，兼顾各类TAM扩展模型的研究成果，同时充分考虑V-Learning这一特定学习形式，构建了基于V-Learning的虚拟仿真实训系统学习行为意向影响因素模型（圖1）。

1. 感知有用性与感知易用性

行为意愿的影响因素沿用TAM模型的核心构念“感知有用性”和“感知易用性”（Fokides， 2017; Saritas， 2015; Huang， Liaw， & Laic， 2013; Fagan， Kilmon， & Pandey， 2012），这些研究都验证了感知有用性和感知易用性对各类教育技术系统或平台学习行为意向有正向影响。此外，感知易用性对感知有用性也存在正向影响。基于已有研究，本研究提出以下假设（王仙雅， 等， 2013）：

H1：感知有用性对学习行为意向存在正向影响。

H2：感知易用性对学习行为意向存在正向影响。

H3：感知易用性对感知有用性存在正向影响。

2. 临场感

临场感是指个体对所处情境或环境的主观体验。虚拟环境的临场感是指对计算机生成的环境的体验（Witmer & Singer， 1998）。临场感在虚拟现实情境中作为一个描述情境特征的核心概念被广泛接受（王广新， 等， 2010）。另有研究定义了临场感的三个因素，分别是现实判断、内外部响应、注意力和专注度（Baňos， et al.， 2000）。现实判断主要体现在处于虚拟现实环境中的学习者对模拟仿真事物真实度的判断与感知;内外部响应指个体与虚拟环境的交互作用;注意力和专注度表示学习者在虚拟场景中的沉浸体验，学习者的沉浸感越强，其注意力和专注度的水平越高。学习者对使用基于虚拟仿真实训系统的这三个因素的感知越强，那么个体在虚拟环境中的主观体验效果越明显，即学习者处于虚拟现实环境的临场感越强。

临场感与学习者对虚拟仿真实训系统满意度呈正相关关系（Vrellis， Avouris， & Mikropoulos， 2016; Bulu， 2012），具有更高水平临场感的学生能够在实训活动中得到更多的满足感（Hassell， Goyal， Limayem， & Boughzala， 2012），而学生的满足感与其对虚拟仿真实训系统的接受度直接相关。从这方面讲，虚拟现实临场感可能正向影响感知易用性和感知有用性以及学习者采用虚拟仿真实训系统的学习行为意愿（Huang， Liaw， & Lai， 2016）。由此本研究假设：

H4：临场感对感知易用性存在正向影响。

H5：临场感对感知有用性存在正向影响。

H6：临场感对学习行为意愿存在正向影响。

3. 自我效能感

具有较高计算机自我效能感的个人在面对各种计算机问题时更有解决问题的耐心与毅力（Compeau & Higgins， 1995），因而他们能更好地完成工作或学习任务，也会对桌面式虚拟现实学习活动产生较高的满意度。有研究显示学习者在虚拟现实学习环境中的自我效能感会对TAM模型的构造产生影响。确切地说，自我效能感会对感知易用性及感知有用性产生影响（班杜拉， 2001; Chow， Herold， Choo， & Chan， 2012）。此外，本研究认为自我效能感强的学习者对虚拟仿真实训系统临场感的三个因素有更深的感触，进而推断学习者的自我效能感能够对虚拟世界的临场感产生积极的影响。为了验证自我效能感是否会影响学生对虚拟仿真实训系统的临场感、感知易用性和感知有用性，关于自我效能感（Schwarzer， Born， Iwawaki， & Lee， 1997）本研究假设：

H7：自我效能感对临场感存在正向影响。

H8：自我效能感对感知易用性存在正向影响。

H9：自我效能感对感知有用性存在正向影响。

4. 协作学习

协作学习是一种团队学习模式，是在一定的激励机制下最大化个人和他人习得成果而合作互助的一切相关行为（黄荣怀， 2001; 张燕， 2006）。为更好地实现学习者对知识的意义建构，协作学习需要制定协作规则并辅之以合适的协作工具。学习者在企业运营虚拟世界中拥有自己的虚拟角色，并通过各自的角色承担不同的学习任务。这些任务需要学习者相互协作来完成。有研究表明在V-Learning环境中协作学习对虚拟仿真实训系统的交互性及沉浸性有正向影响（Huang， Rauch， & Liaw， 2010）。由此，协作学习可能影响临场感中的因素即内外部响应以及注意力和专注力，进而对临场感产生影响。此外，协作学习作为一种学习策略或学习组织形式，已被众多研究证明要比个别学习更能提高学习者的学业成绩（赵建华， 等， 2000）。综上所述，本研究假设：

H10：协作学习对临场感存在正向影响。

H11：协作学习对感知有用性存在正向影响。

H12：协作学习对感知易用性存在正向影响。

5. 教师指导

在学习过程中，教师指导可以帮助学生降低在信息收集等低层次认知活动上耗费的精力，让学生更多地进行深层次的信息加工学习（Kirschner， Sweller， & Clark， 2006）。因此，教师指导对学生学习效率的提高及知识的掌握十分重要。借助教师指导的作用，在V-Learning的环境中学习者极有可能对虚拟仿真实训系统存在较高的接受度和满意度。另外，教师指导会减少学生对系统的疏离感，降低学生对系统的认知难度，使学生对V-Learning环境的临场感有更加深入的认识。综上所述，关于教师指导（Ubah， Onwuasoanya， & Eze， 2012）本研究假设：

H13：教师指导对临场感存在正向影响。

H14：教师指导对感知有用性存在正向影响。

H15：教师指导对感知易用性存在正向影响。

二、 研究設计

（一）问卷设计

本研究问卷调查采用封闭式问卷方式，问卷结构分三部分：第一部分是问卷前言，说明调查目的、内容等;第二部分是调查对象的特征信息，包括姓名、性别、专业、实训岗位、实训系统等;第三部分是问卷主体，指有关“虚拟仿真实训系统学习行为影响因素”的测量题项。测量题项基于已有的研究文献（王仙雅， 等， 2013），同时根据本研究情境进行了适当的调整。为确保不同的测试对象对题目感知一致，本研究组织了一个班级共39名同学进行了前测试验，同时组织部分参训指导老师讨论问卷题项的简明性与科学性，根据前测结果和讨论意见剔除重复题项，修改表述模糊的题目。本问卷最终确定了34个测量指标，用来测量模型中涉及的7个维度结构变量，部分测量指标和来源如表1 所示。本研究采用Likert 5级量表测量被调查者对各观测变量的态度水平，按照“非常同意”“同意”“不能确定同意或不同意”“不同意”“非常不同意”，分别赋值5、4、3、2、1。

（二）数据收集与整理

2017年9月，湖北某应用型高校组织进行了企业运营虚拟仿真跨专业综合实训教学活动，该实训活动分四个批次，每一批次实训时间为一周，分别采用四家公司提供的企业运营虚拟仿真实训系统（平台），参训学生从该校全部应届毕业生中按专业分层抽取。本研究以该校参加企业运营虚拟仿真跨专业综合实训的学生为调研对象，调查问卷采用纸质方式发放，每批次参训学生在为期一周的实训结束后的每周五下午集中答卷，共收回666份问卷，问卷回收率100%。本研究对回收的问卷进行了严格筛选，筛选标准有三个：一是问卷中没有题项漏答;二是问卷中没有题项错答（如多选或涂改不清晰）;三是问卷题项的回答认真、不随意，非惯性回答。剔除不符合标准的无效问卷后，获得有效问卷359份，问卷总有效率为53.90%。

三、数据分析

本研究的数据分析包括两个方面：一是测量问卷的信度、效度分析;二是验证结构模型的因果关系和稳定性（王仙雅， 等， 2013）。数据分析工具采用SPSS 22.0和AMOS 24.0。

（一）信度、效度分析

1. 信度分析

本研究采用SPSS 22.0测量问卷信度，衡量信度水平采用Cronbach α系数和组合信度（Composite Reliability， CR）两个指标（王仙雅， 等， 2013）。如表1所示，全部潜变量中，Cronbach α系数最小值为0.724，CR值最小值为0.735，均高于0.7，表明问卷调查数据具有较好的信度（Gilford， 1954; Nunnally & Bernstein， 1994）。

2. 效度分析

效度即有效性，指测量变量能真实反映其潜变量水平的程度，可以分为内容效度、效标关联效度和建构效度（范伟达， 2001）。本研究着重检验模型建构效度，分为收敛效度与区别效度（王仙雅， 等， 2013）。收敛效度检测潜变量指标有效反映该潜变量的程度，而区分效度检测不同潜变量指标有效区分不同潜变量的程度。本研究采用AMOS 24.0对假设的结构模型进行验证性因子分析（Confirmatory Factor Analysis， CFA），检验模型中各潜变量的收敛效度和区分效度。收敛效度的评估标准是：标准化的因子载荷（Factor Loading）大于0.50，平均变异萃取量（Average Variance Extracted， AVE）大于0.50;区别效度评估要求模型中每个结构变量的AVE大于其与其他结构变量的相关系数的平方（Fornell， Larcker， 1981）。本模型各潜变量因子载荷、平均变异萃取量和潜变量之间相关系数的分析结果如表2所示。

由表2可知，全部测量指标的因子载荷介于0.594～0.918之间，均大于0.50;平均变异萃取量AVE介于0.518～0.750之间，均大于0.50，说明假设模型的各个测量指标收敛于相应因子，假设模型收敛效度理想。各潜变量之间的相关系数的平方数均小于潜变量的平均变异萃取量AVE，说明问卷区分效度较好。

（二）结构方程模型（Structural Equation Modeling， SEM）分析

1. 拟合优度检验

本研究以企业运营虚拟仿真综合实训教学系统为例，提出基于V-Learning的虚拟仿真系统实训学习行为意向影响因素的假设结构方程模型。根据研究假设，运用AMOS 24.0绘制基于V-Learning虚拟仿真实训系统学习行为意向影响因素结构方程模型（修正后），如图2所示。

按照通行标准，采用Χ2/df、GFI、AGFI、NFI、CFI和RMSEA六个指标检验假设结构模型合理性及潜变量因果关系的稳定性（吴明隆， 2010; 张红兵， 等， 2017），模型拟合指数的统计结果如表3所示。

由表3可知，卡方自由度比為2.064，拟合优度指数GFI为0.894，调整拟合优度指数AGFI为0.865，正规拟合指数NFI为0.912，比较适合度指标CFI为0.952，均方根误差近似值RMSEA为0.055。参照可接受范围标准，全部拟合指标都在可接受的范围内，至此可以认为假设的基于V-Learning虚拟仿真实训系统学习行为意向影响因素结构模型的构念合理，7个潜变量之间关系稳定，测量模型较为理想。

2. 模型稳定性验证

如前所述，本研究中的样本源于湖北某应用型高校分四个批次组织进行的企业运营虚拟仿真跨专业综合实训教学活动，该实训活动分别采用四家不同公司提供的企业运营虚拟仿真实训系统（平台），每批次实训结束后，立即对参训学生进行问卷调查，分别得到四组子样本数据，下文依次称为子样本A、子样本B、子样本C和子样本D。前述研究基于全部样本数据，研究证实全部研究样本数据有较高的可靠性和良好的效度，结构模型拟合度较佳，但结构模型是否稳定还需进一步检验。

为了验证模型的稳定性，本研究将四个子样本数据分别导入AMOS 24.0，得到与四个不同的虚拟仿真实训系统相关的四组拟合优度指数，汇总全部样本与四个子样本对应拟合优度指数，如表4所示。

由表4可知，卡方自由度比χ2/df均小于3，在合理值范围内;拟合优度指数GFI、调整拟合优度指数AGFI、正规拟合指数NFI、比较适合度指标CFI均在可接受模型拟合指数值参照范围内;除系统4均方根误差近似值RMSEA为0.111，略大于0.1外，系统1、系统2和系统3均方根误差近似值RMSEA均小于0.1，在合理值范围内。可以认为，本研究提出的虚拟仿真实训系统学习行为意向影响因素结构模型稳定性较好。

四、假设检验与研究讨论

（一）假设检验与模型修正

本研究运用AMOS 24.0对假设的基于V-Learning虚拟仿真实训系统学习行为意向影响因素模型进行统计检验，模型中各潜变量因果关系研究假设、路径回归系数和假设检验结果如表5所示。

由表5可见假设检验结果：原假设H1、H2、H3、H4、H5、H6、H7、H10、H12、H13中变量标准路径系数为正，且P值<0.01，表明原假设成立，相关潜变量因果关系存在并显著。

原假设H8、H9、H11、H14、H15中变量标准路径系数P值均大于0.05，在置信度为95%时研究结果不足以证明相关潜变量存在因果关系，因此需要对研究模型进行部分修正，研究模型中相关变量关系宜用虚线表示，经修正后研究模型如图3所示。

当然，本研究未能证实外生变量自我效能感、协作学习、教师指导对感知易用性，自我效能感、教师指导对感知有用性存在显著正向影响，并不意味着它们之间不存在影响，只是本次实证研究调查数据不足以证明在95%置信水平下它们之间的相关关系达到显著水平。

（二）模型变量关系讨论

SEM分析结果表明，模型中各个潜变量之间关系比较复杂，运用 AMOS24.0可以计算出各变量之间直接效应、间接效应和总效应，如表6所示。

1. 直接效应

（1）外生自变量自我效能感对临场感具有正向直接影响，对感知易用性、感知有用性略有负向影响;外生自变量协作学习对临场感、感知有用性具有正向直接影响，对感知易用性负向影响;外生自变量教师指导对临场感、感知易用性具有正向直接影响，对感知有用性略有负向影响。

（2）中间变量临场感对感知易用性、感知有用性具有正向直接影响，对学习行为意向有正向直接影响;中间变量感知易用性对感知有用性、学习行为意向具有正向直接影响;中间变量感知有用性对学习行为意向具有正向直接影响。

2. 间接效应

本研究的主要结论包括：外生自变量自我效能感、协作学习、教师指导对临场感、感知易用性和感知有用性有直接效应，从而对学习行为意向产生间接效应。从间接效应值看，教师指导对学习行为意向的间接效应最大，为 0.346;协作学习次之，为0.302;自我效能感为 0.261。 可见，教师指导仍然是影响学生学习行为意向最重要的因素之一。

3. 总效应

从总效应值来看，在3个外生自变量、3个中间潜变量共6个变量中，总效应值最大的是临场感0.838，其次是感知易用性 0.503，最小的是感知有用性 0.237。 表明在本轮实训中学生愿意学习主要影响变量是临场感。

五、研究总结

（一）研究结论

1. 高校学生参加虚拟仿真综合实训“学习行为意向”受到其临场感、感知易用性和感知有用性的显著正向影响。其中，临场感的影响最为显著，其次是感知易用性。这一研究结论要求虚拟仿真综合实训系统应尽可能赋予学习者较强的临场感，增加其学习行为意愿。同时，实训系统界面操作越简易，规则设计越合理和简洁，参训者的学习意愿就越高。

2. 高校学生参加虚拟仿真综合实训“感知有用性”受到其临场感、感知易用性和协作学习的显著正向影响。其中，临场感的影响最为显著，其次是协作学习。表明临场感是高校学生对虚拟仿真综合实训系统感知有用的关键因素。同时，在实训过程中加强协作学习有利于提高学生的有用感知。

3. 高校学生参加虚拟仿真综合实训“感知易用性”受到其临场感的显著正向影响，但未能证明“教师指导”对“感知易用性”有显著正向影响。表明赋予学习者较强临场感能增加其系统易用性感知。同时也能反证：企业运营虚拟仿真综合实训系统功能模块多、体量大、教学实施存在一定的难度，加之参训学生人数较多，指导教师相对较少，对实训指导不足，造成学习者对“教师指导”提高虚拟实训系统“感知易用性”认知不够。

4. 高校学生参加虚拟仿真综合实训“临场感”受到“教师指导”“协作学习”“自我效能感”的显著正向影响，其中教师指导的影响最为显著。表明加强实训过程中的“教师指导”有利于提高学生参加虚拟仿真综合实训的“临场感”。

5. 高校学生参加虚拟仿真综合实训“学习行为意向”除了受到其临场感、感知易用性和感知有用性等变量的直接影响外，教师指导、协作学习、自我效能感变量通过临场感、感知易用性和感知有用性等变量对学习行为意向产生间接影响，其中教师指导的影响最为显著。表明加强“教师指导”能显著提高学生参加虚拟仿真综合实训的“学习行为意愿”。

（二）贡献与创新

本研究贡献与创新主要体现在：

1. 运用TAM模型分析方法研究高校学生参加虚拟仿真实训系统学习行为意向。高校虚拟仿真实训系统建设方兴未艾，相关教学研究刚刚起步，运用TAM模型分析方法，研究虚拟仿真实训系统学习行为意向影响因素是一次新的尝试。

2. 首次引入“临场感”变量，研究其对虚拟仿真实训“学习行为意向”的影响效应。本研究在文献调研过程中，输入关键词“临场感”，检索中外文献数据库，没有发现在TAM分析模型中将“临场感”作为潜变量的案例。本研究实证结果证明，“临场感”对虚拟仿真实训“学习行为意向”有直接影响，同时“临场感”变量通过“感知易用”“感知有用”变量对“学习行为意向”产生间接影响，总效应值达到最高的0.838，详见表6。

3. 构建基于V-Learning虚拟仿真实训系统学习行为意向影响因素模型。本研究提出并检验了基于V-Learning虚拟仿真实训系统学习行为意向影响因素模型，通过信度分析、效度分析以及结构方程分析，验证了模型的可靠性、稳定性，模型本身具有一定的创新性。

4. 开发基于V-Learning虚拟仿真实训系统学习行为意向影响因素李克特量表。本研究借鉴国内外学习行为意向相关研究，结合虚拟仿真实训系统特点开发了基于V-Learning虚拟仿真实训系统学习行为意向影响因素李克特量表，量表包括“学习行为意向”“感知易用性”“感知有用性”“临场感”“自我效能感”“协作学习”“教师指导”七个测量维度和34个测量指标。数据分析结果表明，该量表具有较高的信度与效度，为基于V-Learning虚拟仿真实训系统学习行为意向的研究提供了一个可参考的工具。

（三）建议与展望

1. 本研究主要強调了临场感在模型诸多要素中的突出地位，其对学习者参与基于V-Learning虚拟仿真实训的意愿有着十分积极的作用。因此，从真实度来讲，虚拟实训环境的建构不仅需要运用先进计算机技术模拟真实场景，还需充分考虑在场景中的情境因素。从人机交互来讲，系统交互设计应充分调动参训者的感官体验，界面设计应注重整体结构、导航等一系列方便用户使用的设计。从教师的角度来讲，教师应熟练掌握虚拟仿真实训系统的操作流程和方法，能够事先对参训流程进行充分讲解，能够解决参训者在实训过程中遇到的问题。

2. 本研究证明，参加虚拟仿真实验实训的学生对于虚拟仿真实训活动有用性感知水平较高，学习意愿较为强烈。在当前高校教育教学改革大背景下，在条件允许的情况下高校经管类专业可以考虑筹建企业运营虚拟仿真实验实训中心，这既是教育主管部门的倡导与要求，同时也是高校提高实践教学水平、满足学生参加虚拟仿真实训课程学习愿望的内在需求。

3. 本研究调研对象局限于湖北某应用型地方高校，未能在更宏观层面、更广泛范围就基于V-Learning虚拟仿真实训系统学习行为意向影响关系进行分析。未来将扩大调研样本选取的范围，为构建基于V-Learning虚拟仿真实训系统学习行为意向影响因素结构模型提供更为充分的数据支持，并进一步改进测量量表的结构与内容。

[参考文献]

班杜拉. 2001. 思想和行动的社会基础——社会认知论（上）[M]. 林颖，王小明，胡谊，庞维国，译. 上海：华东师范大学出版社.

范伟达. 2001. 现代社会研究方法[M]. 上海：复旦大学出版社：140-143.

高峰. 2009. 教育技术的接受和采纳：几个相关理论的比较[J]. 开放教育研究，15（6）：37-41.

高媛，刘德建，黄真真，黄荣怀. 2016. 虚拟现实技术促进学习的核心要素及其挑战[J]. 电化教育研究（10）：77-87.

高媛，黄荣怀. 2017. 《2017新媒体联盟中国高等教育技术展望：地平线项目区域报告》解读与启示[J]. 电化教育研究（4）：15-22.

郭咏梅，宋苗境. 2015. 基于建构主义学习理论的幼儿图画书阅读教学策略[J]. 教育导刊月刊（9）：39-41.

何克抗. 1997. 建构主义：革新传统教学的理论基础（上）[J]. 电化教育研究（3）：3-9.

黄荣怀. 2001. 关于协作学习的组态结构模型研究[A]. 2001全球华人计算机教育应用大会论文集[C]. 台湾.

林泉，宋寶香，邓朝晖. 2011. 知识共享价值感、共享倾向对共享行为的影响——一项跨层次的纵向实验研究[J]. 经济管理（4）：151-159.

沈瑾， 韩丽丽. 2017. 班杜拉社会学习理论对大学生朋辈教育的启示[J]. 决策探索（12）：54-54.

王广新，刘兴波. 2010. 虚拟现实情境内临场感的结构、影响因素与特征[J]. 中国电化教育（11）：52-56

王娟娟. 2017. 基于核心素养的初中信息技术技能课教学——以《Photoshop图片合成》一课为例[J]. 中学教学参考（36）：49-50.

王仙雅，林盛，陈立芸. 2013. 混合学习模式下e-Learning平台使用意愿的影响因素研究. 电化教育研究（11）：72-78.

吴亮，邵培基，盛旭东，叶全福. 2012. 基于改进型技术接受模型的物联网服务采纳实证研究[J]. 管理评论，24（3）：66-74.

吴明隆. 2010. 结构方程模型——AMOS的操作与应用[M]. 重庆市：重庆大学出版社.

张红兵，张乐. 2017. 学术虚拟社区知识贡献意愿影响因素的实证研究——KCM和TAM视角[J]. 软科学，31（8）：19-24.

张建武，孔红菊. 2010. 虚拟现实技术在实践实训教学中的应用[J]. 电化教育研究（4）：109-112.

张燕. 2006. 信息化教育中简便有效的学习工具[J]. 电脑知识与技术，2（15）：199-201.

赵建华，李克东. 2000. 协作学习及其协作学习模式[J]. 中国电化教育（10）：5-6.

赵颖，李兆君，刘超. 2009. 影响专题学习网站的技术接受模型因素[J]. 现代教育技术，19（s1）：15-16.

周明全. 2016. 虚拟现实高潮迭起VR教育前景可观[N]. 中国电子报，6-14（5）.

Annetta， L.， Klesath， M.， Holmes， S. （2008）. V-Learning：How Gaming and Avatars are Engaging Online Students. Innovate Journal of Online Education， 4 （3）， 1-5.

Bandura， A. （1977）. Self-efficacy ： toward a unifying theory of behavioral change. Psychological Review ， 84 （2）， 191-215.

Baňos， R. M.， Botella， C.， Garcia-Palacios， A.，Villa， H.， Perpiňa， C.， & Alcaňiz， M. （2000）. Presence and Reality Judgment in Virtual Environments： A Unitary Construct？ Cyber Psychology and Behaviour， 3 （3）， 327-335.

Bulu， S. T. （2012）. Place Presence， Social Presence， Co-presence， and Satisfaction in Virtual Worlds. Computers & Education， 58 （1），  154-161.

Compeau， D. R.， & Higgins， C. A. （1995）. Computer self-efficacy： Development of a measure and initial test. MIS Quarterly， 19 （2）， 189-211.

Chow， M.， Herold， D. K.， Choo， T. M.， Chan， K. （2012）. Extending the technology acceptance model to explore the intention to use Second Life for enhancing healthcare education.Computers & Education， 59 （4） ， 1136-1144.

Davis F. D. （1986）. A Technology Acceptance Model for Empirically Testing New End-User Information Systems： Theory and Results. Mit Sloan School of Management.

Davis F. D.（1989）. Perceived usefulness， perceived ease of use， and user acceptance of information technology. MIS Quarterly， 13 （3）， 319- 340.

Davis， F. D.， & Venkatesh， V. （1996）. A critical assessment of potential measurement biases in the technology acceptance model： three experiments. International Journal of Human-Computer Studies， 45 （1）， 19-45.

Fagan， M.， Kilmon， C.， Pandey， V. （2012）. Exploring the adoption of a virtual reality simulation： The role of perceived ease of use， perceived usefulness and personal innovativeness. Campus-Wide Information Systems， 29 （2）， 117-127.

Fishbein M.， Ajzen I. （1975）. Beliefs， attitudes， intention， and behavior： An introduction of theory and research. Reading， MA： Addison- Wesley.

Fokides， E. （2017）. Pre-service teachers intention to use MUVES as practitioners - A structural equation modeling approach. Journal of Information Technology Education： Research， 16， 47-68.

Fornell， C.， & Larcker， D. F. （1981）. Evaluating Structural Equation Model with Unobservable Variables and Measurement Error： Algebra and Statistics. Journal of Marketing Research， 18 （1）， 39- 50.

Gilford， J. P. （1954）. Psychometric Methods， 2nd ed. New York， NY：McGraw-Hill.

Hassell， M. D.， Goyal， S.， Limayem， M.， Boughzala， I. （2012）. Effects of Presence， Compresence， and Flow on Learning Outcomes in 3D Learning Spaces. Education， Practice， and Research， 2 （1）， 62-73.

Holden， R. J.， & Karsh， B. T. （2010）. Methodological Review：The Technology Acceptance Model： Its past and its future in health care. Journal of Biomedical Informatics， 43（1）， 159-172.

Huang， H. M.， Liaw， S. S.， Laic， C. M. （2013）. Exploring learner acceptance of the use of virtual reality in medical education： a case study of desktop and projection-based display systems. Interactive Learning Environments， 24 （1）， 3-19.

Huang， H. M.，Rauch， U.， & Liaw， S.S. （2010）. Investigating learners attitudes toward virtual reality learning environments： Based on a constructivist approach. Computers & Education， 55 （3）， 1171-1182.

Huang， H. M.，Liaw， S. S.， & Lai， C. M. （2016）. Exploring learner acceptance of the use of virtual reality in medical education： a case study of desktop and projection-based display systems. Interactive Learning Environments， 24 （1）， 3-19.

King， W. R， He， J. （2006）. A meta-analysis of the technology acceptance model. Information& Management， 43 （6）， 740-755.

Kirschner， P. A.， Sweller， J.， & Clark， R. E. （2006）. Why Minimal Guidance During Instruction Does Not Work：An Analysis of the Failure of Constructivist， Discovery， Problem-Based， Experiential， and Inquiry-Based Teaching. Educational Psychologist， 41 （2）， 75-86.

Legris， P.， Ingham， J.， Collerette， P. （2003）. Why do people use information technology？ A critical review of the technology acceptance model. Information & Management， 40 （3）， 191-204.

Liaw， S. S.， & Huang， H. M. （2003）. An investigation of user attitudes toward search engines as an information retrieval tool. Computers in Human Behavior， 19 （6）， 751-765.

Lin， F. H.， & Wu， J. H. （2004）. An empirical study of end-user computing acceptance factors in small and medium enterprises in Taiwan： analyzed by structural equation modeling. Journal of Computer Information Systems， 44 （3）， 98-108.

Lucas， H. C. （1975）. Why Information Systems Fail. Columbia University Press.

Nunnally， J. C.， Bernstein， L. H. （1994）. Psychometric theory. New York： McGraw-Hill， Inc.

Sar?ta?， M. T. （2015）. Chemistry teacher candidates acceptance and opinions about virtual reality technology for molecular geometry. Educational Research and Reviews， 10 （20）， 2745-2757.

Schwarzer， R.， Born， A.， Iwawaki， S.， & Lee， Y. M. （1997）. The assessment of optimistic self beliefs ： Comparison of the Chinese ， Indonesian ，Japanese ，and Korean versions of the General Self Efficacy Scale. Psychologia ， 40 （1）， 1-13.

Ubah， A. C.， Onwuasoanya P.， & Eze J. （2012）. Perceived Impact of Guidance and Counseling Services on the Development of Entrepreneurial Skills for Sustainable Livelihood Among Students. US-China Education Review B， 16 （12）， 1044-1051.

Venkatesh， V.， Bala， H. （2008）. Technology acceptance model 3 and a research agenda on interventions. Decision Sciences， 39 （2）， 273-315.

Venkatesh， V.， & Davis， F. D. （2000）. A theoretical extension of the technology acceptance model： Four longitudinal field studies. Management Science， 46 （2）， 186-204.

Vrellis， I.， Avouris， N.， Mikropoulos T. A. （2016）. Learning outcome， presence and satisfaction from a science activity in Second Life. Australasian Journal of Educational Technology， 32 （321）， 59-77.

Witmer， B. G.， & Singer， M. J. （1998）. Measuring Presence in Virtual Environments： A Presence Questionnaire. Presence： Teleoperators and Virtual Environments， 7 （3）， 225-240.

Yuen， A. H. K.， & Ma， W. W. K. （2002）. Gender differences in teacher computer acceptance. Journal of Technology and Teacher Education， 10 （3）， 365-382.

收稿日期：2018-04-02

定稿日期：2018-09-26

作者簡介：杨兵，博士，教授; 刘柳，硕士研究生。湖北大学教育学院（430062）。

朱晓钢，湖北大学计算机与信息工程学院（430062）。

Tiong-Thye Goh，惠灵顿维多利亚大学信息管理系（6011）。

责任编辑 张志祯 刘 莉