大学生手机个性化学习满意度影响因素实证研究

谢印成　王志华　陆玉梅　徐华　田真平

摘    要：在以5G技术为代表的移动互联时代，手机个性化学习已成为大学生自主学习的重要手段和高校教学模式改革的重要方向。运用SPSS和AMOS统计软件，探索验证了大学生手机个性化学习满意度结构方程理论模型（SEM），其中资源形式对大学生个性化学习满意度影响最大，学习期望、感知质量和感知价值对大学生个性化学习满意度均有不同程度的正向影响;根据SEM模型、建议从教学理念、资源形式、师生协同交互、平台环境等多方面提升大学生手机个性化学习满意度。

关键词：手机学习;手机个性化学习;满意度;对策

中图分类号：G642                  文献标识码：A               文章编号：2095-7394（2021）01-0107-09

教育的真谛是要将尊重人的個性摆在首位，让每个学生的个性都能得到充分发展[1]。在快节奏且崇尚和张扬自我个性的“后工业化”时代，注重学习者的自我需求和差异化就显得尤为重要，可以认为个性化学习将成为未来教育研究和发展的重要方向[2]。作为使用便利、易携带、功能丰富的智能移动设备——手机，无疑是最适合学习者个性化学习的重要工具。

手机个性化学习是根据个人个性特点和发展潜能达到自我实现、追求个性化和获得全面发展的学习过程[3]。国内教育技术界黎加厚、焦建利和王竹立等知名专家对手机用于大学生个性化学习均给予了明确支持和鼓励，认为手机是一项足以改变传统教学模式、充分实现个性化学习的革命性技术[4]。作为一种新型的现代学习方式，近年来手机学习得到了不少学者的关注与研究，这些研究成果多是关于手机学习、手机学习能力、手机学习接受度和手机学习行为意向等方面的影响因素研究[5-8]，以及手机在大学生课程学习中的个案应用研究等[9]，而针对大学生手机学习的个性化满意度方面的研究还不多见、不够深入。为此，希望通过本研究能够为提升大学生手机个性化学习满意度提供更好的资源和服务保障，为促进手机在大学生移动个性化学习中的深入应用提供一些实践参考价值。

一、样本数据

（一）问卷设计与调查方式

本课题根据有关参考文献的研究成果[10-11]，采用Likert五级量表[12]（从“非常不同意”到“非常同意”分别取值1、2、3、4、5）调查大学生对手机个性化学习满意度的认知情况;同时，加入被调查对象的学习专业学科、年级、性别和手机系统等调查选项，以便了解这些外界因素对大学生移动个性化学习满意度的影响等。整个问卷由24个量表选项和4个非量表选项组成。

调查问卷通过问卷星（www.wjx.cn）进行收集，在学校教务管理部门的大力支持下，将调查问卷地址链接推送到全校各班级，建议每个班级至少有3～5名以上同学在线填写调查问卷，最后通过问卷星平台共收集到问卷1 256份。学生对象包括本校不同年级、不同专业的大学生，这样在一定程度上保证了问卷的数量与质量。根据问卷回答时间维度和选项唯一情况对收集到的问卷进行筛选，最终筛选出有效问卷966份，问卷有效率为76.91%，问卷样本数量超过调查测量变量总数的10倍以上[13]，样本规模具有一定的代表性。

（二）样本描述性统计与分析

运用SPSS软件对本次调查对象的基本信息进行了描述统计（结果见表1），从表1可以看出，本次调查对象女生比例相对较高，人数是男生的2倍以上;在手机系统方面采用安卓（Android）系统最多，这也与现实情况相符。大学生年级分布情况也比较符合实际，本次调查问卷主要面向大二以上年级学生，大一新生对移动教学还比较陌生。另外，从学科分布来看，文科学生最多，占到有效样本50%以上，而文科学生一般女生较多，这也合理解释了性别中女生比例是男生2倍以上的现象。

二、大学生手机个性化学习满意度SEM构建

（一）模型变量界定与假设

本研究参考文卡特希（Venkatesh）和郭卡等学者的研究成果[14-15]，援引整合型技术接受与使用理论（UTAUT）[16]模型和美国客户满意度模型（ACSI）的结构，提出了由5个潜变量和4个调节变量构建的大学生手机个性化学习满意度假设模型（见图1）。其中，资源形式、学习期望为外因潜变量，感知质量、感知价值和个性化学习满意度为内因潜变量。

学习期望包含学生对名校、名师和学习平台的知名度、影响力等方面的认知情况;资源形式包括对文本、视频和动画等资源表达形式的认知情况;感知质量主要通过课程介绍页、信息提醒、答疑解惑、平台功能等方面进行测量;感知价值则通过师生互动、同伴交流、社会影响和认证证书等选项进行测量;个性化学习满意度主要通过包括对学习兴趣爱好、个性化期望、及时性和学习效率、学习成绩等方面的测量获得。

本研究提出以下假设：①学习期望、资源形式对感知质量、感知价值对个性化学习满意度均有显著影响;②感知质量、学习期望、资源形式对感知价值有显著影响;③资源形式和学习期望对感知质量均有显著影响。

（二）调查问卷信度和效度检验

信度和效度是任何测量工具不可或缺的条件，是检验调查结果一致性和对测量概念是否正确的2个重要检验统计量[9]。通过SPSS18.0数理统计软件对24个量表调查选项进行信度分析（如表2），可以看出检验总量表的Cronbachs Alph值为0.936，说明调查数据可靠具有稳定性，可以进行下一步实证分析[17]。同样，通过对29个量表选项的因子分析（结果见表3），可以看出KMO检验统计量为0.938（Bartlett 的球形度检验：近似卡方=13 687.212，df=406，Sig.=0.000≤0.05），效度统计量值超过0.9，说明该调查问卷具有良好的一致性，变量间的相关性强，适合进一步作因子分析[18]。

（三）因子分析

因子分析是能够将一群具有共同特性的测量分数抽离出背后构念的统计分析技术[19]，本研究运用SPSS工具采用主成分分析法进行因子分析，各因子变量经过旋转后保留5个因子载荷矩阵（结果见表4）。从表4可以看出各因子载荷值均大于0.5，而且提取出的5个因子可以累计解释61.748%的总方差。因此，适合进行结构方程模型（SEM）分析，进一步验证5个因子间的影响关系。

（四）SEM构建与修正

结构方程模型（SEM）整合了因素分析与路径分析两种统计方法，能够检验模型中的显性变量、潜在变量和误差变量间的相互关系，进而获得自变量对依变量的直接、间接或总效果[20]。表5为运用AMOS软件使用最大似然估计（Maximum Likelihood）进行模型运算，输出得到的初始模型相关路径适配指标情况表，从表5中可以看出“学习期望”和“个性化学习满意度”之间的路径系数<0，且p=0.748>0.05的显著性概率要求，意味此条路径不存在，相关假设不成立，因此，在下一步模型修正時可以考虑删除此路径，表5中其他路径系数达到了p<0.05的路径显著水平。

模型修正通常根据模型输出的“Modification Indices”修正指标，在各观察变量的误差项之间建立关系进行逐步修正，直至模型拟合达到最佳水平。本研究对初始模型进行了修正，图2为修正后最终得到的SEM模型。在SEM模型修正过程中，放弃了表4中因子载荷系数较小的观察变量，也使得模型更加精简。为了检验图2修正后的模型拟合程度，下一步必须要对模型进行拟合评价。AMOS模型拟合评价提供了多种模型拟合指数，通常采用卡方统计量进行检验，但是由于卡方统计量容易受到样本大小的影响。还需同时采用绝对拟合度指标，以及增值拟合度等指标进行综合评价。

本研究假设的结构方程理论模型经过AMOS软件修正后输出的拟合指标和相关路径系数分别见表6、表7。

从表6可以看出绝对拟合指标、增值拟合度指标均符合参考标准，说明本研究假设模型各拟合参数满足要求，经过修正后的模型获得了理想的整体拟合度。同时，图2手机个性化学习满意度认知结构方程模型中所有路径系数值（箭头线段旁边的数字）都达到0.05的显著水平，概率值均为p<0.05（实际修正模型p<0.001），差异临界比率值（C.R.）均大于1.96，说明SEM中所有的路径系数总体显著。而且测量误差（e）均为正数，各路径标准化系数均没有超过0.95，模型拟合度评价没有超出“违反估计”的参考标准，模型拟合度评价前提条件满足，研究假设的理论模型与调查数据拟合适度;同时根据参考文献计算出图2模型中各潜在变量的“建构信度”值在0.71～0.84之间，均超过标准值0.6，再次验证本研究问卷题项设计合理、模型内在质量良好。参考以上SPSS软件的因子分析和AMOS软件验证性分析的结果，可以得出修正后假设模型可靠，能够解释变量之间的相互影响关系，模型具有研究意义。

（五）调节变量的差异性分析

本研究将专业学科、年级、性别和手机系统等调节变量，作为检验是否对学习期望、资源形式、感知质量、感知价值和个性化学习满意度产生影响。通过SPSS软件对性别、手机系统二分变量进行独立样本T检验，检验表明性别对SEM模型各维度均没有显著差异，而手机系统在感知价值维度上Sig.（双侧）=0.017<0.05，达到显著水平，表示大学生使用不同的手机操作系统进行手机学习在感知价值上有显著性差异存在，通过比较标准差与均值，可以发现使用安卓手机系统的大学生在感知价值上要显著低于IOS系统的大学生，说明使用IOS手机系统的大学生在感知价值维度上比使用安卓手机系统的大学生更加敏感。另外，通过单因子方差分析（ANOVA）方法对专业学科、年级2个具有多水平调节变量对SEM模型5个维度的分析，可以发现专业学科对本研究提出的模型维度均没有显著影响，而年级在学习期望、资源形式和感知质量3个维度均出现了显著差异（ANOVA显著性<0.05）。通过均值和标准差对比发现大一年级新生学习期望均值最小，而感知质量和资源形式均值最大，说明大一新生对手机个性化学习的认知还比较模糊，平时学习中还缺少真正的手机个性化学习实践，这也与大一新生实际情况相符。

三、研究讨论与建议

以上参考整合型技术接受与使用理论（UTAUT）模型和美国客户满意度模型（ACSI），建立了由5个潜变量和4个调节变量构建的大学生手机个性化学习满意度假设模型，并提出了若干个假设。研究表明除了学习期望对个性化学习满意度没有直接显著影响之外，其它假设路径均成立，这些路径能够充分揭示影响手机个性化学习满意度的关键因素，以及潜变量与观察变量之间的逻辑关系（本研究中各因子载荷系数均超过0.5，最小值为0.53，见图2）。

（一）大学生手机个性化学习满意度的影响因素与机制

1.资源形式对大学生手机个性化学习满意度的影响最明显

从研究中可以看出，资源形式对直接效应达到0.62，通过感知质量、感知价值的间接效应为0.05=0.43×0.12，影响总效应达到0.67，说明在模型其他维度不变的条件下，资源形式每提高1个单位水平，手机学习个性化满意度则可以提高0.67个单位，学习资源形式对手机个性化学习满意度的影响非常重要;另外，感知质量和感知价值对手机个性化学习满意度都具有正向影响，也说明大学生手机个性化学习满意度不仅重视资源形式，还比较看重学习资源带来的收获如何？只有真正让学生获得实际价值的网络课程资源才能让学生喜欢，才有可能提升大学生手机个性化学习满意感受。

2.资源形式对感知价值、感知质量有比较显著影响

资源形式对感知质量的直接效应为0.5，而对感知价值的总效应达到0.55，由此看出，网络学习资源形式建设的重要性，各类网络课程不仅要关注资源量的多少，更要重视资源表达形式的设计质量，要能够真正遵循“学习者为中心”的课程建设思想[21]，为大学生手机学习提供一些更加有利于师生交互和个性化学习需求的资源形式。

3.学习期望对大学生手机个性化学习满意度影响较小

学习期望對大学生手机个性化学习满意度的间接效应为0.02，学习期望对大学生手机个性化学习满意度影响并不显著，根据本研究中学习期望构成的观察变量，可以解释为网络学习资源是否由名校、名师或知名网络学习平台提供，并不能直接决定大学生手机个性化学习满意度，说明大学生手机学习还是比较理性客观，并不是盲目追求“名”效应，而是根据自己的学习需求，有目的地选择真正有质量、有价值的网络学习内容。

（二）提升大学生手机个性化学习满意度的建议

1.坚持以“学习者为中心”的移动教学理念，提升大学生手机生学习的个性化满意度

互联网信息技术的飞速发展，使得在线课程资源越来越丰富、表现形式更加多样化，学习方式更加多元化。但是，许多网络在线课程仍然沿袭内容统一化、学习方式单一化、学习进程齐步化的传统线下教学模式，学习者必须要在线统一观看大量教学视频、完成大量测验、作业、讨论等等学习任务，才有可能通过课程考试、获得相应课程学分，整个在线学习过程中很少能够体现学习者的兴趣爱好和个性化学习需求。本研究手机个性化学习满意度的5个观察变量中，对手机个性化学习满意度影响最大为学习兴趣和爱好，其次是手机学习的个性化认知，充分说明学习兴趣和爱好在大学生手机个性化学习体验中是一个重要的考量因素。因此，提升大学生手机学习的个性化满意度，要充分赋予大学生“权利”[22]、再造“学习者为中心”，让大学生手机个性化学习不仅能够享受到丰富资源，而且能够满足个人学习兴趣爱好。

2.注重建设形式新颖、交互体验性强的学习资源，提升大学生手机个性化学习的过程满意度

在资源形式的3个观察变量中，视频学习资料对资源形式的影响最大，其因子载荷系数为0.81，其次影响较大的是动画、虚拟现实学习资源和文本形式的学习内容（系数分别为0.77、0.67），充分说明在Web3.0技术支撑下的移动互联网时代，具有在学习者、学习内容等多元素之间进行多模式交互的学习资源越来越受到喜爱和关注[23]。这些数据对当前各类在线课程建设具有一定的实践指导价值，特别是对当前正在积极建设的省级、国家级精品在线课程，要结合手机个性化学习的特点，建设一些讲解透彻、定位明确、结构完整、画质清晰，具有碎片化、结构化、可视化等适合移动学习资源特征的“金课”。教育部已经提出到2022年要建设2万门“金课”（国家和省级各1万门），伴随这些线上“金课”的实施，相信手机个性化学习会受到越来越多的大学生喜爱，发展的空间也会越来越大。

3.增加师生、学伴相互之间的协同学习互动频率，提升大学生手机个性化学习的情感满意度

在感知价值的4个观察变量中，对感知价值影响最大的观察变量是学习同伴和师生之间的互动交流2个观察变量（因子载荷系数分别为0.74、0.73），说明在大学生手机个性化学习过程中师生和学伴之间的互动、协作，对大学生手机学习的满意度影响作用也比较明显，手机学习氛围、示范效应同样也不可忽视。因此，基于手机的个性化、自我控制的主动学习，并不是说教师可以放任不管，只要把学习资源上传到网络平台上便万事大吉，事实上，在学生自我学习过程中肯定会遇到一些学习障碍，除了可以自己通过一定渠道获得解决方法，有的问题可能还是需要和教师进行沟通、获得老师的帮助，或者教师利用网络讨论空间发动同学们互相交流，及时为学生学习答疑解惑，从而实现协作式学习，激发同学们的学习兴趣，提升大学生手机个性化学习的情感满意度。

4.构建高质量的移动网络课程学习平台环境，提升大学生手机个性化学习的期望满意度

在学习期望的3个观察变量中，名校、名师2个网络课程观察变量对学习期望影响最大，由此说明，大学生未来不仅会越来越习惯利用手机进行个性化学习，而且还比较看重名校、名师提供的网络课程资源。伴随5G时代的到来，移动学习已经成为一种不可阻挡的学习潮流，手机学习已是大势所趋。但目前“流量贵、速度慢”、平台（APP）功能个性化不足，依然是导致在线课程“完课率”低的重要原因。现实生活中，一些来自西部贫困地区的大学生家庭经济比较困难，使用的手机功能简单、性能较弱，更没有多余的经费购买网络流量，甚至极个别家庭困难的大一新生还没有手机。因此，教育部门要给予这部分学生尽可能的学习帮助，要为在校大学生提供一个免费的Wi-Fi校园，在解决大学生移动学习流量困扰、减轻部分大学生家庭经济困难的同时，也能很好地促进大学生采用手机学习方式进行高效学习[24]，提升大学生手机个性化学习的期望满意度，进一步推动本科教育模式的创新改革。

参考文献：

[1] 姜强，赵蔚，李松，等.大数据背景下的精准个性化学习路径挖掘研究：基于AprioriAll的群体行为分析[J]. 电化教育研究， 2018（2）：45-52.

[2] 郭少青.个性化教育的新方向：美国微型学校的发展与启示[J]. 现代教育管理， 2018（4）：122-128.

[3] 牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017（3）：22-30.

[4] 本刊编辑部.教育技术的创新应用：反思与展望[J]. 开放教育研究， 2017（1）：4-17.

[5] 韩闯.个性化学习视角下大学生手机移动学习影响因素分析[D].大连：辽宁师范大学，2018.

[6] 徐佳程.基于SEM的大学生移动学习能力影响模型研究[D]. 金华：浙江工业大学，2016.

[7] 熊明珠.大学生移动学习接受度的影响因素研究[D].苏州：苏州大学，2015.

[8] 郭然然.高校学生手机移动学习行为意向影响因素研究[D]. 金华：浙江师范大学，2015.

[9]卓毅，李亚丽.基于智能手机的移动学习在大学生中的应用研究[J].西南师范大学学报（自然科学版）， 2014（5）：45-51.

[10] 周晶，白志刚， 张一春. 职业教育移动学习现状调查研究[J].職业技术教育，2018（8）：51-55.

[11] 郑云翔.信息技术环境下大学生个性化学习现状研究[J].中国远程教育， 2015（7）：19-25.

[12] 荣泰生.AMOS与研究方法[M].重庆：重庆大学出版社，2019：39-50.

[13] NUNNALLY J C. Psychometric theory [J]. American Educational Research Journal，1978，5 （ 3） ： 83

[14] VENKATESH  V， MORRIS MG， DAVIS GB， et al. User acceptance of information technology： toward a unifiedView [J]. MIS Quarterly， 2003， 27 （3）： 425-478.

[15] 郭卡. 中国大学MOOC平台学习者满意度影响因素研究[D]. 大连：辽宁师范大学，2016.

[16] DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology[J]. MIS Quarterly，1989，13 （ 3） ： 319-341

[17] 毛霞.基于结构方程模型的大学生创业素质培养实证研究[J]. 重庆师范大学学报（自然科学版）， 2014（3）：135-139.

[18] 陈希镇.现代统计分析方法的理论和应用[M].北京：国防工业出版社，2016：223.

[19] 邱皓政.量化研究与统计分析：SPSS （PASW） 数据分析范例解析[M]. 重庆：重庆大学出版社， 2013：333-335.

[20] 吴明隆.结构方程模型[M]. 2版.重庆：重庆大学出版社， 2017：149-155.

[21] 姜强，赵蔚，李松，等.MOOC低完课率现象背景下的设计质量有效规范实证研究[J].电化教育研究， 2016（1）：51-58.

[22] 刘和海， 潘阳. “以学习者为中心”：赋权理论视角下的个性化学习实践逻辑[J].中国电化教育， 2018（8）：105-111.

[23] 翁克山. Web3.0技术与继续教育的聚合：基于云服务雨课堂的混合教学模式研究[J].成人教育， 2019（3）：73-78.

[24] 宋少婷，王明娇.基于智能手机的移动学习在高校教育中的应用研究[J].中国教育信息化，2009（12）：80-82.

责任编辑    张栋梁

Abstract： In the age of mobile Internet represented by 5G technology， mobile personalized learning has become an important means of autonomous learning for college students and an important direction of teaching mode reform in colleges and universities. Based on the data retrieved from SPSS and Amos statistical software，this paper explores and verifies the structural equation model （SEM） of mobile personalized learning satisfaction of college students， in which the resource form has the greatest impact on college students personalized learning satisfaction， learning expectation， perceived quality and perceived value have different degrees of positive impact on college students personalized learning satisfaction. According to the SEM model， it is suggested to improve the individual learning satisfaction of college students from teaching concept， resource form， collaborative interaction between teachers and students， platform environment and other aspects.

Key  words： mobile learning; mobile personalized learning; satisfaction; countermeasures