MOOC学习者粘性影响研究——以呼伦贝尔学院《军事理论》课程为例

吴丽莉 贾浩东

(呼伦贝尔学院 内蒙古 海拉尔 021008)

目前MOOC在线教育方式已经延伸到各科课程，很多国家也将这种信息化教育规划到了未来教育领域发展目标中。目前多数教学平台搭建尚未完善、教学资源体系还需加强，在发展过程中出现了高注册率但低回头率与低保持率等问题，使得MOOC发展遇到难点。目前学者对教育领域中的学习者和学习平台学习资源的粘性影响因素分析研究较少。本文基于期望确认模型理论、需求层次理论等并结合学习者特性，尝试从期望确认度、感知有用性、满意度、持续使用意愿、感知易用性、学习风格和学习动机等七个维度分析学习者粘性影响因素。研究以具体的《军事理论》课程展开，调研对象选取了呼伦贝尔学院2019级的MOOC学习者。采用问卷调查法，收集到有效问卷354份，运用SPSSAU统计工具,利用结构方程模型方法进行假设验证。通过因子分析统计和回归分析统计相结合，对MOOC学习者粘性影响因素的理论模型进行评估、验证、分析，总结了MOOC学习者粘性直接影响因素及间接影响因素。

一、学习者粘性

粘性主要应用在经济学、管理学、网络等领域用于调查客户粘性等相关问题。基于学习者视角，一般将MOOC学习者粘性定义为：学习者对MOOC的忠诚、信任与良好体验等结合起来形成的依赖感和再使用期望值[1]。学习者粘性可用于反映MOOC学习者和MOOC平台之间持续使用的行为和意愿，从而挖掘学习者与MOOC平台之间粘性主要影响因素，利于提高MOOC的完成率。

二、MOOC学习者粘性影响因素的维度分析及关系假设

(一)MOOC学习者粘性影响因素的维度分析

从学习者角度出发，参考整合期望确认模型和需求层次理论，借鉴技术接受模型影响路径关系，遴选适合本研究的期望确认度、感知有用性、满意度、持续使用意愿、感知易用性这五个维度变量[2]。除此之外，通过梳理文献，根据MOOC的开放、自由的学习方式，对于学习者而言自制能力的要求变高，考虑到学习者本质上存在差异性，加入学习风格和学习动机两变量。因此本研究共包括七个变量，分别是期望确认度、感知有用性、满意度、持续使用意愿、感知易用性、学习风格和学习动机。

(二)MOOC学习者粘性影响因素的关系假设

1.基于学习者角度的假设

同一传播者用相同传播内容和传播方式进行传播，若学习者不同，结果也会存在差异。学习者风格主要划分为独立型和依赖型，对于MOOC线上教学模式，独立型学习者往往比依赖型学习者更容易接受MOOC平台的教学方式。而本研究中的个人特质主要涉及学习动机、学习风格两个因素，二者是否可直接影响学习者粘性，如内部动机比外部动机更具稳定性、学习兴趣更大、粘性更强等。个人特性方面提出假设如下：

H1：MOOC学习者的学习动机对MOOC学习者粘性有显著影响；

H2：MOOC学习者的学习风格对MOOC学习者粘性有显著影响。

2.基于期望确认模型的假设

大量现有研究表明，感知易用性变量对于持续使用意愿会有所提升，因此在借鉴期望确认模型因素的基础上加入感知易用性变量。假设如下：

H3：MOOC学习者的期望确认度对学习者粘性有显著正向影响；

H4：MOOC学习者的期望确认度对满意度有显著正向影响；

H5：MOOC学习者的期望确认度对感知有用性有显著正向影响；

H6：MOOC学习者的感知有用性对学习者粘性有显著正向影响；

H7：MOOC学习者的感知有用性对持续使用意愿有显著正向影响；

H8：MOOC学习者的感知有用性对满意度有显著正向影响；

H9：MOOC学习者的持续使用意愿对学习者粘性有显著正向影响；

H10：MOOC学习者的感知易用性对学习者粘性有显著正向影响；

H11：MOOC学习者的感知易用性对感知有用性有显著正向影响；

H12：MOOC学习者的感知易用性对满意度有显著正向影响；

H13：MOOC学习者的满意度对学习者粘性有显著正向影响。

基于以上假设，本文建构了MOOC学习者粘性影响因素的假设模型，研究模型如图1所示。

图1 MOOC学习者粘性影响因素假设模型

(三)调研的实施

本次调查问卷包括2部分：第1部分为被调查者的基本信息，第2部分为各影响因素调查的八个量表，共包含29道选择题。调研量表使用了Likert五点量表，对每个测量问题从“很不同意”到“很同意”进行衡量[3]，利用问卷星进行发放与回收。

调研问卷先进行前测分析，小范围的实验检测将存在的问题进行修改，而后进行大规模线上调研。预调研在呼伦贝尔学院2019级《军事理论》MOOC学习者中进行小范围短时有效的随机测试，将收集数据样本使用SPSSAU在线分析软件进行信度分析和效度分析。预调研共回收有效问卷76份，对前测问卷数据样本进行标题处理：学习风格量表(A)、学习动机量表(B)、期望确认度量表(C)、感知有用性量表(D)、满意度量表(E)、持续使用意愿量表(F)、感知易用性量表(G)、学习者粘性量表(H)。对数据样本进行信度检验和效度检验，其中D的Cronbach α系数值大于0.7，但是D4题项CITC值小于0.4，D4题项被删除后，信度系数会由0.722上升至0.73，因此对D4题项做删除处理。E、F、G、H的Cronbach α系数值均大于0.6。题项G1删除后信度会上升0.003，数值变化不大，继续保留，综上所述学习者粘性量表数据信度质量较高；其次，KMO值均大于0.6，通过Bartlett检验，对应p值均小于0.05，且总体KMO值为0.858，由上所述，研究数据效度非常好，适合做因子分析。

通过前测问卷数据分析后，将问卷中问题予以修改。在线上对呼伦贝尔学院2019级学习《军事理论》慕课的学习者进行了随机发放，共回收有效问卷354份，所有数据资源均来自问卷星。对收集的问卷整理并对标题进行处理，将数据录入SPSSAU在线数据分析软件，对问卷进行描述性分析、信度分析和效度分析。

1.描述性统计分析

由下表1可知，由于呼伦贝尔学院招生需求和专业特色，导致男女比例中女性占比比男性占比多37.28%，专业类别比例中理科比文科多20.34%，理科学习者偏多。MOOC了解途径中学习者主要通过教师了解居多，占比达到58.47%，说明教师是首要传播途径，数据表明MOOC日后可通过网络和其他媒体途径在宣传力度上加强。《军事理论》课程由教师直接指定学堂云平台进行学习，拓展性的学习平台有中国大学MOOC平台、网易云课堂等。

表1 描述性统计表

2.信度检验

通过前测的信度分析对题项进行修改纠正后，在问卷正式发放后对问卷再次进行信度检验，使得问卷测量的结果标准误差降到最小。数据表明 Cronbach α系数值均大于0.8，“CITC值”均大于0.4，针对“项已删除的α系数”，题项H2删除后，信度系数会由0.923上升到0.929，上升空间不大，因此对该项题做保留处理，综合以上数据，信度质量较好可做下一步分析。

3.效度检验

考虑到对于本研究的研究过程，因素提取与维度划分是基于前人学者研究的基础之上，所以对本研究选用因子分析法来进行效度核算，在做因子分析时需要根据Bartlett 球形度检验和KMO值两种方法来判断是否可以进行因子计算。分析发现KMO值均大于0.6，通过Bartlett检验，对应p值均小于0.05，且总体KMO值为0.971。由上所述，研究数据效度非常好，满足做因子分析的前提，适合做因子分析。同时，根据因子分析法分析，样本旋转后因子载荷系数大于0.4，说明研究项和因子之间有较强的关联性。

三、MOOC学习者粘性影响因素调研的实证分析

本研究通过结构方程模型的方法进行假设验证，该模型分析方法通过因子分析统计和回归分析统计相结合，对本研究模型进行评估、验证、分析，利用SPSSAU在线分析软件进行因子分析和回归分析。

(一)模型拟合度初测分析

通过卡方自由度比、比较适合度指标(CFI)、非常规拟合度(NNFI)、即渐进残差均方根(RMSEA)进行综合判断模型拟合度的好坏。模型拟合指标如表2所示：

表2 模型拟合指标

由上表可知，根据适配标准值判断本研究的模型拟合程度，卡方自由度比、比较适合度指标(CFI)、非常规拟合度(NNFI)、即渐进残差均方根(RMSEA)均超出适配标准范围，模型拟合度较差，将根据下图路径分析中模型回归系数(表3)和回归影响关系MI指标(表4)对模型进行修正处理。

表4 回归影响关系-MI指标表格

表3 模型回归系数汇总表格

由上表3综合分析可知，学习动机对学习者粘性影响的路径显著性(p=0.844)；期望确认度对学习者粘性影响的路径显著性(p=0.873)；感知有用性对学习者粘性影响的路径显著性(p=0.986)；满意度对学习者粘性影响的路径显著性(p=0.826)。以上四条路径的显著性P值均大于0.05，超出标准，说明并不存在路径影响关系，对以上四条路径做删除处理。

当MI值大于20时，说明变量X对变量Y存在影响关系，此时可将该对路径关系新增到模型中，对模型重新建模。由表4可知当持续使用意愿对满意度、持续使用意愿对感知有用性、满意度对持续使用意愿分别生成三条路径，MI值均大于20，说明变量X→Y存在路径影响关系。综上所述将持续使用意愿->满意度、持续使用意愿->感知有用性、满意度->持续使用意愿这三条路径新增到模型中。

(二)模型拟合度修正分析

模型修正即对模型进行增列或者删除某些参数的调整，从而达到对模型的优化，使得模型更加简洁，提高模型的拟合度。根据修正指数，对学习动机->学习者粘性、期望确认度->学习者粘性、感知有用性->学习者粘性、满意度->学习者粘性这四条路径进行删除处理，模型新增持续使用意愿->满意度、持续使用意愿->感知有用性、满意度->持续使用意愿这三条路径。修正后的模型拟合度如表5所示：

表5 模型拟合指标

由表5可知，根据适配标准值判断本研究的模型拟合程度，卡方自由度比、比较适合度指标(CFI)、非常规拟合度(NNFI)、即渐进残差均方根(RMSEA)均达到优标准范围，模型拟合度高，可以进行下一步分析。

(三)结构方程模型检验

结构方程模型整合了因素分析与路径分析，在路径分析模型过程中，用来测量变量与变量之间的影响关系就是路径系数，是一种回归系数，在进行回归系数分析前需要对样本数据进行生成变量处理，得到标准化系数。当同时满足标准化路径系数值大于0，p<0.01时，说明变量之间存在正向影响关系。模型假设检验结果如表6所示:

表6 模型回归系数汇总表格

综合分析上表数据得知：期望确认度对满意度影响时，此路径没有呈现出显著性(p=0.151>0.05)，说明期望确认度对满意度不会产生影响关系；感知有用性对于持续使用意愿影响时，此路径没有呈现出显著性(p=0.767>0.05)，说明感知有用性对持续使用意愿不会产生影响关系；持续使用意愿对于满意度影响时，此路径没有呈现出显著性(p=0.075>0.05)，说明持续使用意愿对满意度不会产生影响关系；持续使用意愿对于感知有用性影响时，此路径没有呈现出显著性(p=0.489>0.05)，说明持续使用意愿对感知有用性不会产生影响关系；其余变量路径之间标准化路径系数值均大于0，并且路径呈现出0.01水平的显著性(p=0.000<0.01)。

续表7

按照SPSSAU在线分析软件分析的数据结果，对建立好的模型进行假设验证如上表7所示，下图2为根据检验结果修改后的模型图。可以得出在MOOC学习者粘性影响因素中主要的影响因素有感知有用性、感知易用性、满意度、期望确认度、学习风格、持续使用意愿这六个因素，学习动机因素被剔除。通过检验发现，满意度对持续使用意愿影响程度最大(路径为0.931)，其次分别是期望确认度对感知有用性(路径为0.694)、感知有用性对满意度(路径为0.669)、持续使用意愿对学习者粘性(路径为0.598)、感知易用性对满意度(路径为0.556)、感知易用性对感知有用性(路径为0.360)、感知易用性对学习者粘性(路径为0.233)、学习风格对学习者粘性(路径为0.141)。

表7 假设检验表

图2 验证修正模型

四、MOOC学习者粘性的主要影响因素及改善建议

(一)直接影响因素

综合以上实证分析得出影响学习者粘性的直接影响因素有学习风格、感知易用性、持续使用意愿，其中持续使用意愿对于学习者粘性影响最大。

1.学习风格

个体学习风格不同，可结合MOOC平台特有性质。为提升学习者粘性，如可增加平台使用指导教师、专业辅导教师等，满足学习者的学习及心理需求以增强学习者和平台之间的融合程度；其次，平台可以设立课前问卷调查，在课程学习前可以通过问卷形式调查学习者学习风格进行分类、分法的教学，平台尽可能根据课程特性提供多方位的学习条件满足学习者学习风格的多维性。通过教师、学习者、平台三方合作的形式用来提升学习者与MOOC粘性程度。

2.感知易用性

感知易用性主要针对MOOC平台的改进，深层次优化平台而给予学习者良好的使用体验。当前MOOC学习平台种类繁多，个别平台功能繁琐、布局杂乱，友好性差。平台界面设计中可适当设计单栏布局，整合相似功能；显著突出交互元素，如设计路径导航、知识结构导航，便于学习者知识认知的条理化、结构化；在提升视觉样式的过程中要保持风格一致性，给予学习者操作感和视觉感的双重体验。另外，应提供简便快捷的下载或收藏方式，易于学习者查阅使用。

3.持续使用意愿

分析路径关系得出持续使用意愿是直接影响因素中提升学习者粘性的关键点。持续使用意愿一般是由多个因素影响导致，在平台设计与开发方面应实时满足学习者的学习需求，内容、资源和功能等不断推陈出新；平台要重视学习者提供的改进意见，设立意见箱，多调研多访谈，对合理意见予以采纳进行改进；针对不同课程的特性，引进新型技术、学科工具来辅助教与学，提升课程学习的新兴性、易用性等。

(二)间接影响因素

综合以上实证分析得出：间接影响因素有期望确认度、感知有用性、满意度这三个影响因素，以模型影响路径关系作为分析关键点，通过模型影响路径关系可总结出一条以间接影响因素为主的单向路径：期望确认度→感知有用性→满意度→持续使用意愿→学习者粘性。从期望确认度为出发点，通过环节的不断满足从而实现学习者粘性的提升。

期望确认度和满意度是间接影响路径中的两个影响因素，在平台开发设计的过程中也有所体现，提升学习者对平台的期望程度，在开发过程中要善于利用学习者的角度去思考，给学习者一个简单易用、资源丰富的学习平台，往往学习者会通过口碑或一到两次的体验过程去衡量平台是否达到自己预想的期望值，平台做好前期宣传工作，更要有实质性的内容和功能呈现给学习者。对于首次使用MOOC平台的学习者要有引导教程的提示，使学习者快速掌握该平台的使用方式、了解平台特色。与此同时，满意度也会随之关联，在学习者体验良好的学习经历时会得到满意程度的自我反馈，对平台给予肯定。

结语

提升学习粘性有利于提高MOOC完成率。本研究以呼伦贝尔学院开设的《军事理论》课程学习者作为对象，借助调研数据进行结构方程模型方法的验证假设，分析得出MOOC学习者粘性的直接影响因素和间接影响因素，并为提升MOOC和学习者之间粘性给出部分决策建议。今后的研究中，可结合实际情况，细化精准研究维度，更好促进MOOC发展应用。