基于UTAUT模型的大学生在线学习行为及其影响因素研究

张军翔，张 涵，朱 宇，陈 雪，徐 琦

(1.湖北师范大学 外国语学院，湖北 黄石 435002；2.湖北师范大学 计算机与信息工程学院，湖北 黄石 435002)

随着网络技术在教育教学中的发展与应用，在线学习已经成为各大高校教学的一种形式。教育部印发的《教育信息化“十三五”规划》中指出，要构建网络化、数字化、个性化、终身化的教育体系，以促进学生全面发展，并且到2020年，我国需要建成与现代化教育发展目标适应的教育信息化体系，即“人人皆学、处处能学、时时可学”的教育体系，为学习者提供了大量的学习资源及学习支持服务。

教育部印发的《教育信息化2.0行动计划》的通知中，教育信息化2.0时代的根本任务是推进“互联网+教育”。在线学习具有丰富的交互性和协作性、能实现学习者个性化的需求等成为了一种新型的学习方式。因此大学生在线学习行为也影响着在线学习的效果、学习效率等方面的因素。本研究主要以UTAUT模型为基础进行研究。在国内关于基于UTAUT模型的大学生在线学习影响因素研究的相关领域中，研究者主要采用问卷调查法以及访谈法开展研究，而在本研究中采用数据分析法来进行数据的相关分析，并得出相关结论。

1 概念界定和理论基础

1.1 在线学习行为

随着“互联网+教育”的发展，在线学习已经成为了一种新一代的学习方式。其中“在线学习行为”概念与“网络学习行为”的概念相近。这些概念之间略有差别，但是所要描述的意思是一样的，都指是在学习者运用网络媒体工具，在互联网下进行的学习行为。

不同的学者有不同的定义，主要描述了：学习者在网络学习环境中，利用网络学习平台提供的学习资源与服务来进行的一种自主学习和交互活动的总和。本研究是在在线学习环境、大学生课程目标的指导和学习动机的驱动下，通过在线学习的方式与教师、学习者以及学习内容之间进行的一种交互活动而产生的行为。

1.2 理论基础

1.2.1 学习条件理论 美国著名的教育心理学家加涅认为，学习受多方面因素的影响，归纳为内部因素与外部因素。内部因素主要是指学习者在学习新知识以前已经具备的原有知识技能等因素。外部因素主要是指学习过程中的教学环境、教学媒体等可以激发学习者学习的因素。加涅的学习条件理论是在教育信息化时代以前提出来的。虽然是针对传统意义上的学习，但是目前在在线学习环境中，该理论提供了重要的参考价值。在线学习行为影响因素包含了内部因素以及与学习者相关的外部因素。

1.2.2 行为科学理论 行为科学理论作为一门综合性的学科，其主要研究各类人员的行为变化规律，从而预测人们的行为，并加以引导人们的行为[1]。行为科学理论主要强调人与外部环境之间的交互作用[2]，因此不仅要关注学习者内在的特征产生的影响，还要考虑外部环境对在线学习行为产生的影响。

1.2.3 建构主义学习理论 建构主义学习理论主张以学习者为中心，发挥学生的主动性，构建学生的主体性[3]。在学习过程中，学习者被视为学习的主体。而在在线学习中，学习者主要是基于网络环境下的一种自主学习，学习者不受时间和空间的限制，利用网络学习平台的学习资源，完成有意义的知识构建。

2 研究设计

2.1 研究框架

2.1.1 UTAUT模型 UTAUT模型是2003年Venkatesh等[4]在对TAM相关研究基础上总结并改进提出的整合型科技接受模式。如图1所示，其中该模型中有四个核心指向行为意向的变量，分别是绩效期望(PE)，付出期望(EE)，社群影响(SI)，配合情况(FC)，以及性别、年龄、经验、自愿四个控制变量。已有研究表明，该模型相较于其他模型，对技术使用行为的解释力高达70%[5]，可以作为依据,解释应用者在技术接受和整合过程中的意愿和行为的转变。目前，UTAUT模型已被广泛应用到学习行为研究中，如大学生移动学习影响因素研究[6]、MOOC学习行为因素研究[7]、网络课程学习行为研究[8]等，这表明UTAUT模型在探究学生学习行为影响因素方面表现出了较好的适用性和解释力[9]，是一种有用且易用的工具。区别于线下学习，在当前的环境下，在线学习已然成为一种新的学习方式，类比于移动学习、MOOC学习等学习方式，也符合运用UTAUT模型对大学生的在线学习行为进行测量，进一步研究影响学习者接受在线学习的关键性因素。

图1 UTAUT模型

2.1.2 研究框架设计 本研究以UTAUT模型为参考依据，结合已有的研究结论、在线学习以及大学生群体的特点，新增研究变量，构建了本研究的研究框架，如图2.

图2 大学生在线学习行为及其影响因素研究框架

研究保留了模型中的四大核心变量，其中，绩效期望是指大学生认为通过在线学习、在线学习平台能进行有效学习的程度；付出期望是指大学生在在线学习过程中想要完成学习任务需要付出的努力程度；社群影响是指大学生在进行在线学习时，受到的来自外界的与之相关的影响程度；配合情况是指在线学习过程中，学习平台所给予的功能、资源等的支持程度。

为与现阶段的在线学习情况相匹配，本研究新增两个外部变量——“感知自我效能”和“内容与学习资源”。自我效能感，最初是由班杜拉提出的，用于推测和判断个人是否有能力完成某一行为。大量研究表明，个人的自我效能感的高低将会对学习者的意愿和行为产生不同的影响。在线学习过程中，大学生仍需要不同的学习内容和资源作为学习的参考和支撑，因此，本研究将内容与学习资源设为新的外部变量。

在上述的研究中发现，在线学习行为的影响因素与大学生的学习满意度是链接的。学生的学习满意度是衡量教学质量的重要评价标准，故本研究在原基础上引入“学习满意度”为因变量。对于调节变量，本研究中将保留UTAUT模型中的“性别”变量，并对其他变量进行了调整，由于大学生之间的年龄差别是较小的，而年级差异的认知水平比年龄差异更具有代表性，因此本研究中选择“年级”这一变量，在本研究中还将“自愿”和“经验”这两个变量除去，选择“专业类别”这一变量进行研究。

根据图2所示，提出以下假设：

H1：绩效期望对学习者行为意愿或学习满意度有正向影响。

H2：付出期望对学习者行为意愿或学习满意度有正向影响。

H3：社群影响对学习者行为意愿或学习满意度有正向影响。

H4：配合情况对学习者行为意愿或学习满意度有正向影响。

H5：内容与学习资源对学习者行为意愿或学习满意度有正向影响。

H6：感知自我效能对学习者行为意愿或学习满意度有正向影响。

H7：在模型中的各个自变量对学习者的因变量受到性别、年级和专业的调节作用。

H8：学习满意度对行为意愿具有正向影响。

2.2 研究工具

2.2.1 问卷设计 本研究的研究工具为调查问卷，主要是为了检验研究模型和假设是否正确。因此本研究的问卷是基于UTAUT模型的基础上，设计了该问卷。本研究的问卷采用 “非常不符合”“比较不符合”“一般符合”“比较符合”“非常符合”这五个层次来测量填写者对测试题目的认可程度，并形成了最终的问卷量表，如表1所示：

表1 问卷各项量表

2.2.2 研究对象 本问卷面对高校本科四个年级的学生，共发放了200份问卷，通过以下标准进行有效问卷的刷选，如问卷填写不完整以及问卷各项作答一致的，回收问卷出现任意一种或两种情况的被判定为无效问卷。回收的有效问卷172份，男性82人，占比47.67%，女性90人，占比52.33%.

2.2.3 研究分析方法 问卷的数据处理运用SPSS24.0软件和Excel进行数据分析，主要针对各因素进行分析，从而理清各变量之间的关系，并确定影响权重，进而得出研究的结论。

3 数据分析与统计

3.1 信度检验

利用Cronbach’sα系数检测问卷的信度[10]，如表2所示，该问卷的整体信度为α=0.913,当α>0.9时,表明该量表的信度很高,从整个量表和量表层面或结构上信度都是非常理想的,也表明了研究的数据是有效,因此可以进行后面的数据研究分析。

表2 问卷整体信度量表

3.2 因子分析

在对问卷进行因素分析时，可对KMO样本充分性测试与Bartlett’s球形检验[11]进行效度分析，可通过分析结果来判断问卷变量是否符合做因子分析。结果如表3所示，KMO系数为0.897>0.6,Bartlett’s球形检验的概率值为0.000<0.05,表明该数据适合做因子分析。

表3 KMO和巴特利特检验

3.3 问卷各项变量描述性分析

为了更加了解研究中各个变量对于大学生在线学习影响因素的程度，我们需要对各个变量的标准差、平均值、偏度和峰度进行统计分析，以此来检验问卷数据的正态分布。如表4所示，该样本数据中偏度系数的值的绝对值小于3，并且峰度系数的值的绝对值小于8，由此可见，该样本数据是服从正态分布的。

表4 各项变量描述性统计分析

以上可表明大学生对于在线学习行为的各个影响因素中都达到了一定的认可程度。据统计可知各个维度的平均值都是在3以上的。由此可见，大学生普遍认为在线学习行为中自我效能感比较重要，并且在线学习平台的操作比较简单。大学生对配合情况也比较认同，表明了大学生对于在线学习的资源与学习支持服务是比较满意的。总体来说，大学生对于在线学习行为是具有积极影响的。

3.4 差异性分析

3.4.1 性别在各个变量上的差异性分析 性别是一个二分变量，采用了独立样本t检验的方法。如表5所示：问卷中有六个变量都表现出了差异性，其中社群影响、绩效期望、努力期望、行为意愿和学习满意度，这六个方面的显著性P<0.05，结果表明了在在线学习行为中男女性别是存在显著差异的，在内容与学习资源和配合情况中是男性高于女性的。

表5 性别对于各变量的差异

3.4.2 年级在各个变量上的差异性分析 在关于年级和专业类别这两个方面，有两个以上的变量，因此使用方差分析中的单因素方差分析法。根据结果来看，如显著性P>0.05，则未违反我们的方差同质性的假定，需要采用多重分析中的LSD事后比较的方法进行分析。反之，如P<0.05，则违反了方差同质性的假定。如表6所示：社群影响、绩效期望、努力期望、配合情况、行为意愿、学习满意度的显著性P>0.05,因此需要分别采用多重比较中的LSD进行差异性分析，如表7所示。根据不同的年级，研究结果表明了只有绩效期望显著性存在差异，大二的要比大四的好。

表6 年级的方差齐性检验

表7 年级在绩效期望的差异

3.4.3 专业类别在各个变量上的差异性分析 在专业类别这一方面，同样的进行单因素方差分析。结果如表8所示，其中社群影响、绩效期望、感知自我效能、行为意愿、学习满意度的显著值P>0.05,因此需要对这5个变量进行事后比较，如表9所示，表明了在社群影响上教育类比理工类的表现要好。在绩效期望上教育类比文史类和理工类的表现要好。在感知自我效能上教育类比艺术类的表现要好。另外，在学习满意度上也是有差别的，教育类的比理工类、艺术类和其他专业类别的表现也更好。

表8 专业的方差齐性检验

表9 专业类别在各变量的差异

3.5 回归分析

以行为意愿为该研究的因变量，社群影响、绩效期望、努力期望、内容与学习资源、感知自我效能、配合情况为该研究的自变量，分析如表10所示：当经过t检验后的显著性P<0.05,说明这6个变量的偏回归系数是有效的，因此可以表示出：行为意愿=社群影响×0.110+绩效期望×0.166+努力期望×0.077+内容与学习资源×0.049+配合情况×0.112+感知自我效能×0.482，其中可以知道感知自我效能、绩效期望、配合情况这3个变量的占比权重占前三。

表10 以行为意愿为因变量的回归分析

以学习满意度为该研究的因变量来进行分析，结果如表5～10所示：当经过t检验后的显著性P<0.05,说明这6个变量的偏回归系数是有效的，因此可以表示出：学习满意度=社群影响×0.131+绩效期望×0.246+努力期望×0.078-内容与学习资源×0.050+配合情况×0.403+感知自我效能×0.174，其中可以知配合情况、绩效期望、感知自我效能这3个变量的占比权重占前三。

表11 以学习满意度为因变量的回归分析

4 研究结论

根据研究问卷的分析结果表明，研究中选取的“绩效期望”“付出期望”“社群影响”“配合情况”“内容与学习资源”以及“感知自我效能”都能很好地解释说明大学生在线学习行为的影响因素。各个因素之间表现出了显著的正相关，并且各因素之间还能起到相互促进的关系。关于调节变量不同的年级、性别、专业之间在各影响因素之间也有不同的差异。其中主要表现为以下几点：

1)对于性别而言，除了内容与学习资源和配合情况以外，女性在其他的六个因素上都比男性表现要好。表明女性具有更高的学习期望，对于在线学习上女性比男性付出更高的努力，也更愿意选择在线学习。但相比与女性来说，男性更容易受到身边人的影响，并且在进行在线学习时，男性更容易获取学习的内容与学习资源。

2)关于年级来说，从研究结果中表明大二年级的学生比大四年级的更满意个人感觉对在线学习行为帮助的程度。

3)在专业方面，社群影响、绩效期望、感知自我效能以及学习满意度这四个因素中表现出了明显的差异，其中教育类比较突出，这表明了教育行业中学习者更多选择在线学习来提高学习效率，并且通过利用在线学习来达到学习者对学习的满意程度。

5 总结与建议

本研究是基于UTAUT模型，构建了大学生在线学习行为影响因素的框架，通过利用SPSS24.0对收集的数据进行研究分析，得出了影响学习者在线学习的影响因素：社群影响、绩效期望、努力期望、配合情况、感知自我效能都对行为意愿和学习满意度表现出正向影响，其中内容与学习资源中对行为意愿也表现出正向影响，但在内容与学习资源中对学习满意度表现出负向影响。

根据研究的结果，提出了以下几点建议：

1)应重视在线学习的学习内容与学习资源。课程的开发者需要整合同类的学习内容，重点开发具有针对性的学习资源和学习内容，并且需要根据学习者的学习需求，进行相关的课程设计时，要根据不同专业具有不同的性质，针对性地提供学习资源和学习内容，促进学习者个性化的学习。

2)以自主学习为中心，加强导学一体，学习动机驱动学生自主学习[12]。教师应每天发布学习任务和学习内容，同时需要对学习者的学习进度进行相应的把控，以此来提高学生的绩效期望，让学生养成自主学习的习惯。

3)相关的主管部门应加强对教育平台中课程质量进行审核。由于互联网技术不断高速发展，网络中的教育课程资源也参差不齐，因此有关主管部门应制定相关的标准和审核制度，来提高在线学习的课程质量。并且在进行在线学习时，该技术的操作不能太复杂，应让学习者可以很容易地了解和获取有用的信息，以至于学习者运用在线学习平台的行为意愿就会越来越强。