影响学习者使用MOOC意愿的关键因素分析

宋学志，李飞飞，姚巧红*

（1. 大连交通技师学院，辽宁 大连 116013；2. 辽宁师范大学 计算机与信息技术学院，辽宁 大连 116081）

0 引言

大规模在线开放课程（Massive Open Online Course，简称MOOC）作为当今在线教育发展的最新方式和研究热点，在受到广泛关注的同时，也因其始终存在“学生的完成度低、辍学率高、使用意愿不强烈”的问题而倍受质疑。相关研究指出，绝大部分大规模在线开放课程的完成率低于10%[1,2]，平均来看也就只有 5%左右[3,4]。如果用户使用意愿低、流失率高的问题长期存在，将难以实现所谓的深度学习[5]和学习方式转变[6]，由于巨大的投入得不到适当的回报，最终势必影响到MOOC建设者的热情，甚至是威胁到MOOC生存。目前，许多学者试图通过分析学习者的动机水平、知识水平、参与水平、互动水平等指标，通过预测和预警的方式对“学生的完成度低、辍学率高”问题展开研究，对于影响学习者使用 MOOC意愿的关键因素识别的研究还不充分，尚没有形成一个比较权威的理论模型，还需要更多的实证研究。在这种背景下，本研究从学习者意愿的视角出发，以技术接受与采纳整合理论为指导，通过多元线性回归方程，对影响学习者使用MOOC学习的关键因素进行了科学分析。

1 研究设计

1.1 理论依据

对使用意愿及其影响因素的研究，理性行为理论（Theory of Reasoned Action，TRA）、计划行为理论（Theory of Planned Behavior，TPB）、技术接受理论（Technology Acceptance Model，TAM）以及技术接受与采纳整合理论 (Unified theory of acceptance and use of technology，UTAUT）等都是经典的分析模型。其中，理性行为理论认为个体实施某项行为的意愿取决于个人的态度和主观规范，使用意愿对行为具有预测作用。理性行为理论成立的前提条件是个体能够完全控制自己意愿，然而，在某些情况下，该前提难以具备。为改进这一不足，Sheppard等人（1988）在理性行为理论基础上添加了“感知行为控制”变量，提出了计划行为理论。Davis（1986）也对理性行为理论进行了修正，提出了技术接受模型理论，把技术系统的有用性和易用性作为影响行为态度的关键因素。显然，在当下成绩决定一切的教学评价体系中，TRA的使用前提实际上难以满足；在教师主导的正式课程学习中，仅仅考虑技术系统的有用性和易用性的 TAM 也不全面。随着研究的深入，学者们先后也提出了各种针对行为意愿影响因素的改良模型。其中，Venkatesh，Morris（2003）等人将多种理论进行整合，形成了以努力期望、绩效期望、社会影响和促成因素为核心的技术接受与采纳整合理论模型。该模型与之前的理论模型相比，综合考虑主客观因素，体系更为完整、解释能力更强。

1.2 测量工具

依据技术接受与采纳整合理论（UTAUT），结合MOOC使用的具体情境，本研究将绩效期望、努力期望、社会影响、促成因素、教学创新、课程声誉等6个前变量和使用意愿1个结果变量进入研究过程。其中，课程声誉和教学创新的测量题项有研究者自行编写，其他变量的测量题项参考了以往相关研究，详见表1。测量题目采用Likert 5 级量表，即非常不同意=1、不同意=2、一般=3、同意=4、非常同意=5。

1.3 分析方法

首先采用相关分析，确认影响大学生利用MOOC学习的因素集 { X1, X2,…,Xk}；然后设使用意愿为因变量为Y，建立如下多元回归方程：

表1 测量工具Tab.1 Measuring tools

通过最小二乘法对参数集 { β1, β2,…,βm}进行估计，选用逐步筛选法进行多元回归，通过判定系数R2进行拟合优度检验，从而确定关键变量。

2 关键因素模型建构与研究假设

2.1 模型建构

由于技术接受与采纳整合理论模型综合考虑了主客观因素，相对更为稳健。考虑到MOOC的特殊性，为了提高模型的拟合度和解释程度，本研究在技术采纳与利用整合模型原有的四大核心要素（绩效期望、努力期望、社会影响和促成因素）基础上，新增加了三个变量因素，分别为感知风险、课程声誉和教学创新，共研究7个变量对大学生使用MOOC学习意愿的具体影响，构建如下数学分析模型：

式中：UI—使用意愿；PE—绩效期望；EE—努力期望；SI—社会影响；FC—促成因素；PR—感知风险；TI—教学创新；CR—课程声誉；ε—残差；0α—常数。

2.2 研究假设

（1）绩效期望

Ajzen和Fishbein（1980）在计划行为理论（TRA）中，将使用意愿定义为个体对某一事物愿意接受的程度。在本研究中，使用意愿特指大学生使用MOOC学习的行为意愿，即自愿采用MOOC进行学习的倾向或可能性。具体来讲，就是对自己是否愿意使用以及是否愿意推荐他人使用的测量。绩效期望是指个人感知技术产品和服务的使用可以帮助其获益的程度。用户的绩效期望越高，其对该技术系统的使用意愿将会越强。MOOC具有课程内容丰富、学习免费、能随时获取等优势[7]，可以为大学生的专业成长和个人发展提供助力，如丰富专业知识、提高学习效率、完成学习计划等。据此，提出以下假设。

假设1：绩效期望对MOOC使用意愿具有积极影响。

（2）努力期望

努力期望是指用户对一项技术或信息系统感知到的便捷和容易使用的程度。当学生感知到 MOOC平台及课程信息易于使用和掌握时，他们将有较高的使用意愿，否则学习者的使用意愿将下降。Hew et al的研究显示[8]，在MOOC中，90% 的学习者因为课程难以理解，或者无法获得及时的帮助而中途退出。因此，提出以下假设。

假设2：努力期望对MOOC使用意愿具有积极影响。

（3）社会影响

社会影响指个人所感受到的周围环境的影响程度。当学校或教育的大环境存在满足并鼓励使用MOOC时，如学校鼓励学生通过 MOOC跨校修读学分、老师在所讲授的课程中辅以MOOC应用，或者看到同学积极使用等，学习者能够感知到这些具体条件对其自身所带来的好处，则会促使其积极使用。另外，Li et al的研究指出[9]，学习者更倾向于与其他人同步观看学习 MOOC 视频，而当周围的人在使用 MOOC 时，个体也会产生好奇心与尝试的意愿。为此，提出以下假设。

假设3：社会影响对MOOC使用意愿具有积极影响。

（4）促成因素

学习者学习的积极性会受到多方面因素的影响。Ming Yang(2017)、李焱（2017）等学者分析了平台质量、课程质量和服务质量等对学习者采纳MOOC意愿的积极影响。在此基础上，本研究把促成因素分析重点转到教师教学支持方面。教师支持是指教师对学习者进行工具性指导、知识性引领、情感性帮助、社交性互动等一系列支持服务的总和，对在线学习者的学习投入度、满意度、学习倦怠等有重要的影响[10]。本研究提出以下研究假设：

假设4：促成因素对MOOC使用意愿具有积极影响。

（5）感知风险

感知风险是指在学习者使用 MOOC学习过程中消耗的时间、精力以及支付的经济成本等。如果学习者感知到付出与回报不成正比，势必会影响其使用MOOC的积极性。为此，本研究提出以下研究假设：

假设5：感知风险对MOOC使用意愿具有负面影响。

（6）教学创新

MOOC给学习者更多决策权，在学习时间、学习地点、学习内容、学习节奏等方面都可以自主决定。同时MOOC也是基于行为数据和学习结果计算的量化学习方式，可以促进教师完善和改进教学内容，帮助学生自我调整学习和掌控学习进度。另外，MOOC在教学过程将人际交互纳入了课程设计，加大了社会性认知的比重，有利于激发学习者的内在学习动机和增加课程的吸引力或者说学习者使用粘性。为此，本研究提出以下研究假设：

假设6：教学创新对MOOC使用意愿具有积极影响

（7）课程声誉

MOOC从诞生之日起，就贴上了名校、名师和名课的标签。世界最早的三大MOOC平台与美国哈佛、斯坦福等名校密不可分。中国当前较有影响力的MOOC平台诸如“学堂在线”、“爱课程”等也是经过层层选拔，由重量级教师授课。毫无疑问，来自名校、名师的课程保证了MOOC信息的高质量，学习者也希望从中获得更多收获。因此，提出以下假设。

3 数据分析

以下分析数据来自课题组的实际调查，为一手数据。调查对象是高校在校大学生，利用专业问卷调查网站“问卷网”发放在线问卷。发放过程是：首先在通讯作者授课班级微信群发放调查问卷网址，然后由授课班同学转到高中同学所在大学微信或QQ群的方式逐步扩大调查范围，最终获取有效的调查问卷295份，调查对象分布在广东、辽宁、上海、天津、贵州、甘肃等共计18个省份。其中，中男生100名（33，9%），女生195名（66，1%）。大一学生占36，6%（108名），大二学生占28，1%（83名），大三学生占23，7%（70名），大四学生占11，5%（34名）。文科学生占14，2%（42名），理工科学生占75，6%（223名），艺体学生占4，4%（13名），其他5，8%（17名）。

3.1 问卷信度检验

为了检验调查问卷的合理性和有效性，需要对问卷进行信度和效度分析，具体检验过程通过SPSS21.0进行。常用的信度系数主要包括 Cronbach'α系数、折半（Split-half）信度系数等。本文主要考察Cronbach'α系数，取值范围为0-1，取值越接近1说明问卷的可信度越高，取值越接近0则说明问卷的可靠性越差。一般来说，α系数小于0.35则为低信度，问卷不易采用，0.5-0.7之间是可接受的信度水平，大于0.7则说明信度较高。表2为调查问卷中各变量的Cronbach'α系数统计值。

表2 各变量的α系数统计值Tab.2 α Coefficient Statistics for Variables

问卷效度采用因子分析法对各自变量进行分析，测量变量的 Bartlett 球形检验通过了显著性检验（近似卡方值=4012.433；df=253;sig=0.000），KMO值为 0.905，说明问卷的结构效度较好。

3.2 相关性分析

采用 Pearson 法对教学创新、努力期望、社会影响、促成因素、课程声誉、感知风险、绩效期望与使用意愿进行相关分析，结果见表3。

从表 3可以看出，MOOC 学习意愿与教学创新、努力期望、社会影响、促成因素、课程声誉、绩效期望均具有较高的正向相关性，Pearson 系数分别为 0.629、0.586、0.788、0.622、0.551、0.712，且在0.01水平(双侧）上显著。感知风险与学习意愿呈现低度负相关，Pearson 系数分别为-0.281，同样在0.01水平（双侧）上显著。

3.3 多元回归分析

前文已通过相关分析验证了教学创新、努力期望、社会影响、促成因素、课程声誉、绩效期望、感知风险各维度与使用意愿之间存在显著的相关性，为了找出其中的关键变量，需进行回归分析。教学创新、努力期望、社会影响、促成因素、课程声誉、绩效期望、感知风险各维度为自变量，使用意愿为因变量进行多元线性回归。

（1）共线性检验

通过允差和膨胀因子（VIF）可以检验自变量数据是否存在多重共线性，如果允差值介于 0 和 1之间、VIF值介于0和10之间时，说明数据不存在多重共线性，可以进行后续研究；为了检验七个自变量之间的多重共线性，这里使用 ENTER 法进行多元线性回归分析，分析结果见表4。

表3 各变量相关分析Tab.3 Correlation analysis of variables

表4 使用意愿模型共线性检验（ENTER 法）Tab.4 Collinearity test using willingness model (ENTER Method)

由表4可知，教学创新、努力期望、社会影响、促成因素、课程声誉、感知风险、绩效期望的允差分别为 0361、0.519、0.412、0.372、0.415、0.881、0.438，都在 0-1 之间，VIF 值分别为 2.767、1.928、2.429、2.691、2.407、1.135、2.284，都在 1-10 之间，说明七个变量都不存在共线性问题，允许进行进一步的回归分析。

（2）多元回归结果

逐步多元回归分析可以将没有达到显著性标准的自变量剔除在回归模型之外，从而使进入回归模型的自变量都对因变量存在显著影响。为了检验对因变量使用意愿有显著影响的自变量，使用逐步筛选法（Stepwise）进行多元回归分析，具体结果如下。

R2平方是模型型判定系数，其值大小可以判断回归方程的拟合性，R2大小一般介于 0-1 之间，越接近于 1，则代表回归的拟合程度越好，反之，越接近 0，说明回归方程拟合程度较差。由表 5可知，模型的判定系数R2为0.800，调整R2为0.797，说明进入回归方程的自变量可解释因变量 79.7%的变异量，拟合程度良好。Durbin-Watson 值用来检测回归模型中的不同残差项之间是否具有相关关系，即是否存在序列相关，一般认为，DW 值应该在1.5到2.5之间，本回归方程的DW值为1.819，说明模型不存在序列相关的问题。

表5 最优模型摘要Tab.5 Summary of Optimal Models

通过对方差分析，F检验结果可以检验回归方程的显著性，若F检验对应的相伴概率P（Sig值）小于0.05，则说明回归方程达到显著水平。表6中的方差分析结果 F值为290.134，p值为 0.000，说明回归方程的通过了显著性检测，整体达到显著要求。

表6 方差分结果Tab.6 Variance score

通过对进入方程的四个自变量回归系数的显著性检验可以检验各自变量对因变量的影响是否显著，从而判断各自变量对使用意愿因变量的影响是否重要。当p值小于0.05时，则表示自变量对因变量的线性作用显著。由表7可知，进入回归模型的有促成因素、社会影响、客观声誉和绩效期望等 4个变量，促成因素的标准化回归系数为0.345，p值为0.000，小于0.05，达到显著水平，说明促成因素对使用意愿有显著的正向影响；社会影响的标准化系数为 0.309，p值为 0.000，达到显著水平，说明社会影响对使用意愿有显著的正向影响；课程声誉的标准化回归系数为 0.226，p值为 0.000，小于0.05，达到显著水平，说明课程声誉对使用意愿有显著的正向影响；绩效期望的标准化系数为0.154，p值为0.000，达到显著水平，可见绩效期望对使用意愿有显著的正向影响。

表7 回归方程系数统计结果Tab.7 Statistical results of regression equation coefficients

4 研究结论

分析影响学习者使用MOOC意愿的关键因素，对大规模在线课程资源建设、教学活动设计、精准支持服务以及更加科学的管理等具有帮助作用，因此十分重要。本研究以技术接受与采纳整合理论为指导，通过多元线性回归方程，对影响学习者使用MOOC学习的关键因素进行了科学分析。研究发现，在教学创新、努力期望、社会影响、促成因素、课程声誉、感知风险和绩效期望七个因素中，社会影响、促成因素、课程声誉和绩效期望是影响学习者利用MOOC学习意愿的关键因素，具有显著的正影响。按重要度排序，依次是促成因素、社会影响、课程声誉和绩效期望。

为了使MOOC发挥更大的作用，提高学习者的使用率，今后要特别关注教师支持服务能力的建设，强调教师对学习者进行工具性指导、知识性引领、情感性帮助、社交性互动等。在社会性因素方面，要营造积极的促进氛围，如学校鼓励学生通过MOOC跨校修读学分、老师在所讲授的课程中辅以MOOC应用等。另外，学习者的绩效期望越高，其对MOOC的使用意愿就会越强，课程声誉会增加学习者的使用动力，所以通过“名校、名师、名牌”等方式，保障MOOC的内容针对性和众所周知性至关重要。