智能学习平台上大学生知识共享影响因素研究——基于TOE理论视角

张明玉，林子烨，蒋长春，潘剑英

■教育学

智能学习平台上大学生知识共享影响因素研究——基于TOE理论视角

张明玉，林子烨，蒋长春，潘剑英

（莆田学院 管理学院，福建 莆田 351100）

智能学习平台已经在大学生群体中被广泛使用，而平台上用户之间的知识共享行为能够有效地提升大学生之间的自主学习效果，也是保证平台用户粘性的重要手段之一。课题从TOE理论的视角出发，对大学生在智能学习平台上进行知识共享的影响因素展开调查与分析。课题针对福建高校在校大学生所使用的超星等智能学习平台的使用现状展开数据调研。基于数据分析结果发现，用户个体自我效能感、高校引导氛围、平台的技术支持程度和激励机制与知识共享行为存在显著的正相关关系。进而，课题基于数据分析结果，从高校的知识共享引导氛围层面、个体的自我效能感层面、以及平台的技术支持层面和激励机制层面分别为高校和平台设计者提出可行性建议。

知识共享；智能学习平台；技术支持；激励机制；自我效能感

引言

随着信息技术的不断应用与发展，各大高校通常会选择引进使用、自行搭建或者委托第三方搭建教学管理系统平台，供在校教师与大学生使用，旨在促进教师教学与学生学习过程中效率的提高。计算机辅助学习平台在教学过程中的应用为大学生自主学习、知识共享等行为提供了可行的渠道[1]。以自主学习为导向的理念需要与技术的有效利用相结合，才能够达到高校的预期目标。初步的调查结果却显示，大部分大学生表示其平台的使用行为主要是为了完成课程任课教师的任务要求，而其在促进自身学习方面的作用并不明显。同时，大部分高校学生的被强制性要求使用的普遍现象，使得学生用户的排斥心理较为浓重，从而导致系统的使用效果与高校的预期背道而驰。信息技术在教育领域的广泛应用，使得人们越来越倡导智慧学习的重要性。在弘扬终身学习的时代，用户间有效的知识共享等将影响人们的学习效果和效率。

通过探讨大学生群体在智能学习平台上知识共享行为的影响因素，课题的研究能够促进大学生参与智能学习平台上的交流并进行知识共享，为高校和平台设计者提供借鉴[2-4]。课题的研究也将为促进“互联网+教育”的持续发展贡献力量。基于技术-组织-环境（TOE）理论的视角对用户的行为展开有效剖析，课题对知识共享的影响因素进行调查与分析，为提升高校智能学习平台系统的使用效果与促进学生的自主学习成效贡献力量，具有一定的理论意义和实践创新性。

一、文献回顾与研究假设

学者陈品德和李克东对计算机辅助学习系统的阶段发展进行了总结，并指出软件的发展应当要与教育心理学有关理论相适应，教学理论应当引导着系统的设计方向[5]。现有的研究主要是关于系统平台搭建的模块设计及技术支持方面，忽略了对使用技术平台的大学生群体的行为进行调查分析，缺乏对其使用智能学习平台的关键性因素进行探讨。

提升智能学习平台中用户的知识共享程度是保证平台用户粘性的重要手段之一。知识共享的目的在于通过知识的交流扩大知识的利用价值，从而产生知识的效应。目前关于知识共享的研究主要分为知识共享主体的视角以及知识共享手段的视角。首先，从知识共享主体的视角来看，主体可以分为个体、团队以及组织。研究主要围绕个体进行知识共享时的特征、方式以及进行共享行为的影响因素展开研究[6]。学者康虹发现信息与合作技术（ICT）能够为知识共享的过程提供辅助作用[7]。技术支撑只是一种工具，需要结合知识共享主体的不同特征等进行综合考虑，比如应当结合组织文化手段、制度保证等[8]。

用户的个体认知将会影响其行为，其对平台功能使用的自我效能感将影响其自发性知识共享行为的发生[9-10]。同时，基于TOE理论中技术的视角来看，学习平台所提供的技术支持程度，即平台功能的易用和复杂程度、技术更新速度等，将为用户提供便利，有利于用户间的知识共享。从组织因素来看，高校所倡导的校园内知识共享氛围也将影响着用户知识共享实际行为的发生。从平台环境因素来看，所设计的激励机制，会引导着用户参与虚拟社区[11]中的知识分享活动。基于以上文献回顾，课题提出了如下假设：

H1：智能学习平台上，用户自我效能感对知识共享行为有显著正向影响作用。

H2：平台的技术支持程度对用户知识共享行为有显著正向影响作用。

H3：平台的激励机制对用户知识共享行为有显著正向影响作用。

H4：高校的引导氛围对用户知识共享行为有显著正向影响作用。

二、研究设计与调查样本

（一）问卷设计

课题在国内外学者丰富研究成果的基础之上[12-16]，设计了调查问卷《智能学习平台上大学生知识共享的影响因素调查》，在福建高校在校大学生群体中进行发放与数据收集。所设计的问卷中包括了被调查者的基本信息、知识共享行为量表、自我效能感量表、技术支持程度量表、高校引导氛围量表以及平台激励机制量表。为了确保所搜集数据的信度和效度，课题所采用的量表以国内外相关文献为依据，量表来源如表1中详细所示。具体来说，知识共享行为的测度基于学者Davenpot和Prusak的研究成果[12]，自我效能感的测量以Nonaka等学者的成果为基础[13]，技术支持程度的测度基于学者张晓晓的成果[14]，高校引导氛围的测度以杨百寅和连欣等学者的论文为依据[15]，平台激励机制的测量以学者Kankanhalli的成果为基础[16]。问卷中量表的测度采用Likert五级评分法，其中分值越低表示越不赞同，分值越高表示越赞同。

表1：量表的文献依据

（二）研究样本

表2：样本数据的基本情况汇总（N=224）

课题研究中的样本为福建省高校在校大学生群体。为了保证问卷的回收率，本次问卷发放采用纸质与电子版结合的形式。总共发放了300份问卷，回收问卷242份，回收率达80.67%，其中有28份问卷由于数据不完整，故作为无效问卷剔除，有效问卷224份，有效问卷率达92.56%。

被调查者的基本信息汇总如表2所示。从表中数据可以发现，在被调查者中男性比例占42.86%，女性占比57.14%，样本数据在性别方面分布较为平衡。从专业属性方面来看，理工科学生占比45.98%，文科学生占比54.02%，学生的专业分布较为均衡。从使用高校提供的智能学习平台的年限来看，以2年以上的居多，其中2年到3年的占比37.05%；3年以上的占比33.93%；1年至2年的学生占比21.88%；1年以内的占比仅7.14%。从样本数据来看，被调查者主要以大三大四学生为主，他们在使用高校提供的智能学习平台方面有较长的体验时间，符合课题研究的调查对象要求。

三、数据整理与分析

课题研究中所涉及的数据采用统计软件SPSS18.0进行分析，分析结果对应呈现在以下内容中。

（一）问卷的信度效度分析

为了保证所搜集数据的可靠性，首先通过Cronbach’s α指标对数据进行信度检验；同时，采用AVE指标对数据进行效度检验。从表3中可以得出，量表各个变量的Cronbach’s α分别为0.813、0.891、0.847和0.782，其数值均大于0.7；同时，各变量的AVE分别为0.729、0.814、0.736和0.704，数值均大于0.7。所以，量表所搜集的数据通过信度和效度检验，进而，基于所搜集的数据进行的统计分析将具有一定的指导意义。

表3：问卷数据的信度和效度分析

（二）变量的描述统计分析

课题对问卷中涉及的5个变量进行了描述性统计分析，问卷填写者在各方面的给分情况详细如表4所示。

首先，从平均值的情况来看，知识共享行为和技术支持程度变量的平均值较高，分别为3.79和3.93；整体上，平台的用户间触发了较强的知识共享行为，平台较为支持用户的使用行为，提供配套的技术支持。第二，高校引导氛围的均值处于中等水平，为3.46；高校在促进学生使用智能学习平台促进学习方面的引导措施等还有待提升，整体上引导氛围处于中等情况。第三，平台激励机制和自我效能感的均值相对而言较低，分别为3.23和3.31；智能学习平台上，为促进用户之间的知识交流等而设置的激励机制较为缺乏；用户的自我效能感也比较弱，自我胜任的感知不足，认为自己无法通过自身的领悟而胜任使用平台上的各个功能。最后，从标准差的数值情况来看，在知识共享行为、技术支持程度、以及高校引导氛围的数据较为集中，差异性较小；自我效能感和平台激励机制变量的数据相对而言差异性较大。

表4：各变量的均值和标准差统计分析

（三）变量间的相关性分析

表5：变量之间的相关性分析

注：***表示在0.001水平显著相关，**表示在0.01水平上显著相关。

为了检验变量间是否存在显著相关关系，课题研究对数据进行了相关性分析，皮尔森系数结果如表5所示。从表中的数据可以发现：首先，用户的自我效能感和知识共享行为之间的相关系数为0.336，值为0.01的显著性水平，表明这两个变量之间存在显著的正相关关系，但关系程度相对而言较弱。其次，技术支持程度和知识共享行为之间的相关系数为0.472，值为0.01的显著性水平，说明他们之间存在显著的中度正相关关系。第三，高校引导氛围、平台激励机制和知识共享行为之间的相关系数分别为0.596和0.537，且值分别为0.001和0.01的显著性水平，说明他们之间存在较强的相关性。

（四）变量的多元回归分析

为了验证变量间的因果关系和影响的具体程度，课题研究对数据进行了多元回归分析。知识共享行为作为因变量，首先将性别、专业属性和使用平台年限等控制变量放入模型中，数据结果如表6中模型1所示；其次，再将自我效能感、技术支持程度、高校引导氛围和平台激励机制作为自变量，放入模型2之中，分析结果如表6所示。

从表中的数据可以看出，自我效能感、技术支持程度、高校引导氛围和平台激励机制都能够影响用户的知识共享行为，β值分别为0.16、0.19、0.33和0.24，值均显著，其中以高校引导氛围的作用效果最大。因此，课题所提出的假设1、假设2、假设3和假设4均得到了验证。另外，研究发现，较强的用户自我效能感能够有效地促进知识共享行为的触发，智能学习平台所提供的技术支持以及激励机制都将有利于用户之间的知识共享，高校所引导的知识共享氛围能够有效地激发大学生进行分享，从而促进自主学习。其次，模型的R2达到了0.294，且F值显著，说明模型中现有的自变量对于知识共享行为这个因变量的解释力度达到了29.4%。

表6：变量的回归分析

四、基于实证分析结果的对策建议

随着智能学习平台在高校中的广泛应用，高校越来越注重学习平台的使用效果，尤其是在如何激发学生知识共享行为，进而促进学生之间的有效学习以及创新行为等方面。基于以上实证数据分析的结果，课题研究为高校和智能学习平台设计者提出了以下几点建议：

（一）增强用户自我效能感，触发主动性知识分享

个体对自身的认知将影响着个体的情感，进而引导着个体行为的发生。用户个体对自身是否达成某一特定目标的所具备的能力的信念认知，将会影响着个体的情感状态；正向的情感状态又将有助于知识共享行为的有效发生。因此，建议高校或者平台设计者加强对用户自我效能感的培养。高校可通过阶段性培训、教师课堂引导等有效方式提升用户对使用平台功能等的认知水平，增强自我效能感，从而触发其主动性的知识分享行为。用户的主动性知识共享行为，又将反过来促进其更持续的平台使用行为，从而提升用户对平台的使用粘性。

（二）及时更新平台功能，提升用户的易用性和有用性感知

平台上应当及时有效地更新方便用户进行知识共享行为发生的功能，这将有助于提升知识共享发生率。平台在功能的设置方面，应当以用户方便使用为主要原则之一。用户对于平台功能的易用性感知和有用性感知的提高，将增强其对于平台的粘性，从而更有利于用户间的知识分享。另外，平台设计者可以借鉴微信等主流社交平台，改善智能学习平台的互动式沟通功能，促进点对点的沟通效率[17]。目前众多平台在即时通讯方面的功能较为薄弱，可以通过嵌入主流即时通讯平台等的方式来改进这方面的功能。同时，以嵌入主流即时通讯平台的方式，比如以开发小程序等方式，使得平台的进入渠道多元化，迎合用户的不同需求。

（三）营造校园知识共享的有利氛围，激发学生主动分享

高校所营造的校园知识共享氛围将有利于学生群体间知识共享行为的产生，进而促进学生使用智能学习平台等社交工具进行知识分享。因此，学校应当组织适当的活动对学生群体进行引导，也应当对教师群体进行相应的培训，使其履行好课内外的引导责任。同时，高校可提供多样化的支持形式与途径，通过提供相应的制度支持、场地等资源支持的方式，使得知识共享、互帮互助成为校内的传统优良文化。校园知识共享氛围的大环境营造与传承，将让学生群体的知识共享行为，不仅在线下，而且在线上，都能够水到渠成，事半功倍。

（四）优化平台的激励机制，提高知识共享的趣味性和竞争性

平台设计者应当站在学生用户群体的视角进行激励机制的设定，从而激发学生的知识共享行为。有效的激励机制能够促进个体行为的发生，同时激发用户间的趣味竞争，创造行为的持续性发生。智能学习平台的设计者可以借鉴目前的主流社交平台，比如微信平台中的好友运动排名功能等，通过有趣的运动分值记录产生好友排名，从而促进朋友圈之间的趣味性竞争。此外，还可以采用平台虚拟币值的设定、贡献徽章的奖励、权限及等级晋升等大学生喜爱的形式和内容进行平台优化。

五、结论与展望

在信息化时代背景下，越来越多的高校利用智能学习平台来提升教与学的效率。大学生在学习平台上的知识分享行为能够提升用户在平台上的活跃度，从而提升用户粘性。论文基于TOE理论框架，对高校所采用的智能学习平台上大学生知识共享的行为进行分析，探讨其有效影响因素。基于实证数据分析结果发现，用户个体对于平台使用的自我效能感能够有效地促进知识共享行为的触发。其次，高校在智能学习平台上所提供的持续性技术支持和设计的激励机制都将有助于激发用户之间的知识共享。最后，高校所营造的校园知识共享氛围能够有效地引导大学生进行线上知识分享。本文通过实证研究，基于数据分析结果，提出了以下对策建议：增强用户自我效能感，触发主动性知识分享；及时更新平台功能，提升用户的易用性和有用性感知；营造校园知识共享的有利氛围，激发学生主动分享；优化平台的激励机制，提高知识共享的趣味性和竞争性。

论文的研究能够为高校以及智能学习平台设计者提供参考对策，也能够为丰富智能化背景下的知识共享学术主题贡献绵薄之力，具有一定的理论意义与实践价值。但课题也存在一定的不足，比如数据样本有限，在今后的研究中可扩大样本收集范围，进行全国范围的收集，并可进行区域分析与对比等研究。另外，课题的研究模型具有一定的假设前提，没有过多地考虑现实的复杂性,比如用户间的信任[11]问题等。在今后的研究中，可以结合组态视角等分析范式进行进一步复杂系统的研究。

[1] 我国知识管理研究进展与热点分析——基于CiteSpace V的可视化视角[J].图书馆工作与研究,2021(10):74-82.

[2] 在线学习社区的知识共享质量影响因素:以学习者书评质量分析为例[J].现代远距离教育,2021(5):11-23.

[3] 智慧图书馆环境下大学生社群知识共享影响因素探究[J].情报探索,2021(5):63-69.

[4] 在线直播教学平台质量对大学生学习能力的影响研究——知识共享和满意度的链式中介效应[J].图书情报工作,2021,65(4):61-72.

[5] 陈品德,李克东.计算机辅助学习(CAL)系统综述[J].电化教育研究,2003(9):52-57.

[6] 李涛,王兵.我国知识工作者组织内知识共享问题的研究[J].南开管理评论,2003,6(5):16-19.

[7] 康虹,王敏.基于Web的企业知识共享系统设计[J].情报杂志,2005(6):17-19.

[8] 邓建友,周晓东.企业文化对知识共享的影响分析[J].科学学与科学技术管理,2005,5(9):82-85.

[9] 刘晓,秦丹.微信社区大学生知识共享影响因素研究——基于社会认知理论的视角[J].信阳师范学院学报(哲学社会科学版),2017,37(1):96-99.

[10] 尚永辉,艾时钟,王凤艳.基于社会认知理论的虚拟社区成员知识共享行为实证研究[J].科技进步与对策,2012(7):127-132．

[11] 虚拟社区在线信任的影响因素:来自元分析的证据[J].情报科学,2021,39(10):32-39.

[12] DAVENPORT T H,PRUSAK L.Working Knowledge:How Organizations Manage What They Know[M].Boston:Harvard Business School Press,1998:24-27．

[13] NONAKA I,TOYAMA R,KONNO N.SECI Ba and Leadership: A Unified Model of Dynamic Knowledge Creation[J].Long Range Planning,2000,33(1):5-34．

[14] 张晓晓.基于TAM模型的RSNS功能对用户使用行为影响实证分析[J].新世纪图书馆,2017(12):57-61.

[15] 杨百寅,连欣,马月婷.中国企业组织创新氛围的结构和测量[J].科学学与科学技术管理,2013(8):43-55.

[16] KANKANHALLI A,WEI K K.Contributing Knowledge to Electronic Knowledge Repositories:An Empirical Investigation [J].MIS Quarterly,2005,29(1):113-143．

[17] 张艳伟.微信平台中信息共享行为的影响因素研究[D].北京:北京邮电大学,2015:21-22．

Research on the Influence Factors of Undergraduates’ Knowledge Sharing on Smart Learning Platforms – Based on TOE Theory

ZHANG MINGYU, LIN ZIYE, JIANG CHANGCHUN, PAN JIANYING

Intelligent learning platforms have been widely utilized by students. Knowledge sharing behaviors on intelligent learning platforms can effectively promote college students’ autonomous learning. It is also one of the important means to ensure user stickiness on the intelligent learning platform. In the perspective of TOE theory, this paper investigates and analyzes the influencing factors of college students' knowledge sharing on smart learning platforms. Then, it conducts a survey on current situations of the Super Star smart learning platforms used by students from Fujian Universities. Based on the data analysis, it is found that there are significant positive correlations among users’ self-efficacy, universities’ guiding atmosphere, technical supports, platforms’ incentive mechanism and knowledge sharing behaviors. Furthermore, this paper proposes several feasible suggestions for universities and platform designers from the university aspect, the individual aspect and the platform aspect.

Knowledge Sharing; Smart Learning Platform; Technical Support; Incentive Mechanism; Self-efficacy

TP18

A

1008-472X(2022)04-0113-08

2022-08-15

2020年莆田学院教育教学改革研究项目（项目编号：JG202007）；2021年福建省社会科学基金基础研究项目一般项目（项目编号：FJ2021B157）。

张明玉（1988-），女，福建莆田人，莆田学院管理学院，博士研究生，研究方向：教育技术、个性化推荐等；

林子烨（2001-），男，福建莆田人，莆田学院管理学院，研究方向：人力资源管理等。

本文推荐专家：

陈强，西安交通大学，教授，研究方向：大数据舆情与政务新媒体、新媒体与社会治理。

孙见山，合肥工业学院，副教授，研究方向：商务智能与大数据分析、电子商务与推荐系统。