普通高校学生线上英语学习意愿研究

李丽波

普通高校学生线上英语学习意愿研究

李丽波

(辽宁工业大学 外国语学院，辽宁 锦州 121001)

为探讨普通高校学生线上英语学习意愿的影响因素，本文以辽宁省某高校参与在线英语学习的大一和大二学生为调查对象，通过偏最小二乘结构方程模型对构建的研究模型进行了验证，结果显示：研究模型可以解释普通高校学生线上英语学习意愿64.1%的方差，学生线上英语学习的意愿受感知易用性、感知有用性和学习动机的积极影响，影响力的顺序（从大到小）为感知有用性、线上学习动机和感知易用性。

线上英语学习；高校；学习意愿

一、前言

线上学习系统是一个包含学习材料、音频、视频、文本、讨论、测验和作业等多项教学内容的信息系统[1]，学习者可以在网络的支持下利用手机、平板及电脑等移动设备通过线上学习完成各项学习任务。研究表明，以技术为中介的学习模式不仅能提高学生的学习表现及学习体验[2]，而且还可以帮助学生取得更为优异的学业成绩[3]。由于线上学习不受时间和空间的限制，学习者可以根据个人情况，在任何适当的地点和时间均可学习，尤其是在疫情期间，许多教育机构因防疫需求将课程由线下学习转变为线上学习，进一步突显了线上学习模式的有效性和便捷性。英语作为国际使用最为广泛的语言之一，一直以来都是我国学校教育的一门重要内容，英语水平的高低将直接关系到学生的学业成绩及未来的就业方向。由于线上学习模式可以方便地向学生展示音频、视频、文本及图片等媒体材料，因此可有效提高和培养学生的听、说、读、写等能力。THORNTON等人[4]和CHEN等人[5]的研究结果表明，通过线上方式向学习者传授英语知识对其学习兴趣及学业成绩起到积极促进作用。由此可见，线上学习可以有效地提高学习者的英语能力和学习动机。

线上学习作为一种基于现代技术的新兴学习模式，其成功与否主要取决于用户的接受度和使用率[6]，只有学生积极参与才能充分发挥其独特优势并协助学生完成学习任务。而行为意愿是使用行为最重要、最直接的影响因素，因此，有必要对高校学生线上英语学习意愿的影响因素展开研究。技术接受模型（Technology Acceptance Model，TAM）作为一种最为常用的理论模型，被广泛用于研究信息技术或新系统的个人接受与使用中[7]。尽管已有学者基于TAM针对线上学习意愿和行为的影响因素展开研究，但由于TAM着重关注的是信息系统的功能性及外在的客观驱动因素，研究者往往会忽视用户的主观及内在因素。学习动机是学习行为和表现的重要推动力[8]，也是影响学生学习意愿的重要内在因素。因此，本文将在线学习动机纳入TAM模型来探讨普通高校学生线上英语学习意愿的影响因素，以期为高校等教育机构在疫情期间及以后更好地为学生提供线上英语教学提供参考。

二、理论基础和研究假设

（一）技术接受模型

技术接受模型是一种用于解释计算机接受及其使用行为的理论模型[9]。根据TAM，行为意愿受使用态度的影响，并直接或间接地受易用性和有用性的影响（见图1）。该模型已被广泛用于预测信息技术系统的接受程度，实证研究[10]发现，该模型可以解释约40%的行为意愿差异和30%的使用行为差异。目前，TAM及其扩展模型已被广泛用于互联网技术相关的行为研究之中，并成功预测了用户的在线使用行为。在TAM中，尽管态度是解释用户技术使用意愿和行为的一个重要因素，但MAILIZAR等人[11]认为，在实际使用当中行为意愿是一个比态度更为有效的因变量。因此，在本研究中，将线上英语学习意愿作为因变量。

图1 技术接受模型

根据TAM，将本研究中的感知有用性和感知易用性分别定义为：普通高校学生认为，在线学习“可以提高其英语学习表现的程度”和“在线学习英语的轻松程度”。行为意愿是指“个体准备好执行特定行为的认知过程，是使用行为的直接先行因素”。WU[12]及SIRON等人[13]的研究表明，感知有用性对使用线上学习的行为意愿产生了重大影响，感知易用性显著影响感知有用性且对行为意愿有显著影响。因此提出如下假设：

H1：学生对线上英语学习的感知易用性将对感知有用性具有积极影响。

H2：学生对线上英语学习的感知有用性将对线上英语学习意愿具有积极影响。

（二）学习动机

学习动机是学习者继续其学习行为或为满足学习过程中成功需求的一种动力倾向[14]。学习动机展现了学生学习的动力源头和目标指向，引发和维持了学生的学习行为[15]。前人基于TAM的相关研究显示，动机因素可有效提高模型的可预测性[16]，且HUANG等人[17]的研究发现，学习动机不仅受感知有用性的积极影响，也会受感知易用性的积极影响。故提出如下假设：

H4：感知有用性对线上英语学习动机具有显著的正向影响。

H5：感知易用性对线上英语学习动机具有显著的正向影响。

H6：线上英语学习动机对行为意愿具有显著的正向影响。

在回顾和总结现有文献的基础上，本研究最终的研究模型及研究假设如图2所示。

图2 研究模型框架

三、研究方法

（一）问卷调查法

1. 问卷编制

通过参考现有文献，编制“普通高校学生线上英语学习意愿调查问卷”。问卷主要包括两部分：（1）调查对象的性别、年龄及年级等；（2）普通高校学生在线英语学习意愿影响因素量表，该量表包括TAM子量表和学习动机子量表。其中，TAM量表参考CHANG等人[18]和WANG等人[19]的研究，学习动机量表主要参考了HUANG等人的量表设计。最终量表共包含23个题目，所有题目均采用5分Likert量表进行评估，1分表示非常不同意，5分表示非常同意。

随着人们生活水平的提高以及经济的快速发展，对煤炭的需求量也在不断增加，但是由于缺乏先进的掘进设备，施工工艺和技术相对落后，制约着我国煤矿相关产业的发展。在开采中选择合适的掘进线路，制定合理的掘进工序并配备高效的掘进设备才能提高工作效率，减少开采风险，保证开采人员的安全。为了有效应对各种因素对煤矿巷道掘进的影响，提高煤矿巷道掘进效率，从而提升整个煤矿开采作业的质量和开采效益，必须对存在的各种影响因素进行分析，然后研究如何应对这些因素产生的不利影响。

2. 问卷试测与施测

利用分层整群随机抽样方式，对辽宁省某高校参与线上英语学习的大一和大二学生进行问卷调查。首先抽取该高校理科两个学院和文科两个学院，然后按照年级分为两层，每个年级随机抽取7个班。为提高调查问卷的可读性，在发放正式问卷前，对60名学生进行了试测，并根据试测结果，对部分题项进行了修正。一共有375名学生参与了正式问卷的调查，由于问卷设置了反向题，删除有明显回答错误的问卷64份，有效问卷为311份，问卷有效率为82.93%。其中，男生137人（占44.05%），女生174人（占55.95%），大一学生162人（占52.09%），大二学生149人（占47.91%）。

（二）统计学方法

偏最小二乘结构方程模型（PLS-SEM）对样本量及其分布无严格要求，能以最小偏差的估计方式，有效检验模型间的因果关系，且能反映每个阶段外因潜变量对内因潜变量的解释力度[20]，因此，PLS-SEM对本研究具有很强的适用性。本研究将使用Smart PLS 3.3.3软件利用PLS-SEM对研究模型进行检验。

四、结果

（一）测量模型的验证

根据HAIR等人的建议，要对测量模型的信效度进行检验。由表1可知，测量模型的内部一致性系数（值）在0.715-0.743之间，组合信度（值）在0.839-0.853之间，值和值均大于0.7，且平均提取方差（）值＞0.60，值的平方根大于与其他潜变量之相关系数的绝对值。

由此可见，测量模型的信效度指标均达到了要求的标准值。因此，本研究的测量模型具有良好的信度和效度。

表1 测量模型的检验结果

注：表内对角线上的黑体数值为平均方差萃取量（）的开根号值。

（二）结构模型的验证

通过对模型的多重共线性问题进行评估，发现方差膨胀系数（VIF）最大值为1.669，远小于VIF的阈值5。因此，该模型没有多重共线性问题。本研究利用偏最小二乘结构方程模型对研究模型进行了检验，结构模型及路径系数如图3所示。由图3可知，本研究构建的研究模型具有较强的解释力，可以解释在线英语学习意愿64.1%（2=0.641）的方差。使用Bootstrapping算法对研究假设进行检验（见表2）。由表2可知，所有研究假设均得到了支持，其中感知易用性对感知有用性（=0.493，<0.001）具有显著正向影响，研究假设H1成立；感知有用性和感知易用性对在线英语学习意愿（=0.415，<0.001；=0.289，<0.001）均具有显著正向影响，支持研究假设H2、H3；感知有用性和感知易用性对线上英语学习动机（=0.504，<0.001；=0.311，<0.001）均具有显著正向影响，支持研究假设H4、H5；在线英语学习动机对学习意愿（=0.325，<0.001）具有显著正向影响，研究假设H6成立。

图3 结构模型及路径系数

注：***< 0.001

表2 结构模型的路径分析结果

此外，拟合优度（Goodness of Fit，GoF）用于评价结构模型与数据之间的拟合程度。当GoF值＞0.36时，说明拟合程度较大。

本文根据AKTER等人的研究[21]提出整体拟合优度（GoF）表示模型的整体预测能力，它是共同度均值和判定系数2均值的几何平均数。计算结果显示：整体拟合优度值为0.548＞0.36，说明测量模型的拟合优度尚佳。

五、讨论

本研究将线上学习动机纳入技术接受模型，探讨了线上英语学习意愿的影响因素，研究结果显示：研究模型可以解释普通高校学生线上英语学习意愿64.1%的方差，并且所有研究假设均得到了支持。

首先，本研究表明，感知易用性是感知有用性的积极促进因素（H1），这与现有的研究结果一致[22]。因此，我们认为线上英语学习系统的简单易用，对学生的学习活动和学习目标的实现均会产生积极影响。MOHAMMADI[23]的研究发现，当学生认为学习系统较为简单易用时，便会提高他们对学习工具的兴趣，尤其是在疫情期间，越来越多的学生在线上进行学习，这将促使学生熟练掌握线上学习系统的操作流程，并进一步提高学生对线上学习有用性的感知。

其次，感知易用性和感知有用性作为TAM最重要的结构变量，对学生线上英语学习意愿产生直接的积极影响（H2和H3），这与前人关于线上学习的研究结果一致。然而本研究发现，感知易用性和感知有用性对意愿的影响却不尽相同，且前者的影响力要小于后者。NIKOU等人[24]的研究显示，当学生认为线上学习有益于其学习目标和学习任务时，其使用意愿则更为强烈。此外，VENKATESH等人[25]认为，如果用户缺乏关于新系统或新技术的相关经验，则会提高感知易用性对使用意愿的重要性。而当今社会由于智能手机和互联网的飞速发展，大学生可以很快地学会并熟练操作各类线上学习系统，并不缺乏相关线上学习的经验。因此，感知易用性要低于感知有用性对学习意愿的影响。

再次，为提高模型的预测力，本研究将线上英语学习动机纳入模型之中，结果表明，感知有用性和感知易用性均对其具有显著的积极影响（H4，H5），且感知有用性的影响大于感知易用性，这与HUANG等人的研究结果一致。由此可见，线上学习系统的功能性是学生线上英语学习动机的重要影响因素。因此，英语教师通过丰富的教学内容及适当的教学策略促进学生英语知识和语言水平的增长是学生能否进行线上英语学习的关键。由于感知易用性也会影响学习动机，因此，线上学习系统越简单易用，学生的英语学习动机就会越强。

最后，线上英语学习动机对学习意愿具有显著的正向影响（H6），但其影响力要小于有用性对意愿的影响。ROCA等人[26]的研究指出，在使用网络系统的过程中，如果用户通过努力才能完成相关任务或活动，则系统功能性对用户意愿的影响要大于使用动机。学生进行在线英语学习需要通过努力才能提高其英语语言能力，并完成教师的教学目标，具有明确的目的性。此外，CHANG等人通过对移动英语学习系统的研究发现，感知有用性比自主动机对用户的使用意愿具有更大的直接影响。由此可见，学生们对在线英语学习的感知有用性较其学习动机更能激发学生的线上学习意愿。

六、结论与建议

（一）结论

基于技术接受模型并结合线上学习动机，本研究探讨了线上英语学习意愿的影响因素，结论如下：其一，学生对线上英语学习的感知易用性显著正向影响感知有用性。其二，感知易用性和感知有用性是线上英语学习动机的积极影响因素，且后者的影响力要高于前者。其三，学生线上英语学习的感知易用性、线上学习动机和感知有用性均对线上英语学习意愿产生积极影响，影响力的顺序（从大到小）为感知有用性、线上学习动机、感知易用性。

（二）建议

1. 线上英语学习系统及教学内容应以提高学生的英语水平及学业成绩为首要目标。因此，系统设计人员应充分利用现代技术提高系统的功能性，而教师需提供丰富实用的教学视频及课程资料。只有让学生切实感受到线上英语学习的实用性，他们才有更强的线上学习意愿。

2. 线上英语学习内容应具有一定的趣味性并能满足学生英语学习的内在需求。因此，教师在开发线上英语学习课程时，要以学生为中心设计线上学习内容及学习课件，并要充分利用现代多媒体技术精心制作线上英语教学资料，以提高学生线上英语学习的乐趣。

3. 技术人员应利用计算机技术为线上英语学习系统设计便捷、友好的交互界面，减少学生在线英语学习过程中遇到的技术故障，如此可提高线上学习系统的易用性，并对学生线上英语学习的意愿起到积极的促进作用。

[1] KUMAR BASAK S, WOTTO M, BELANGER P. E-learning, M-learning and D-learning: conceptual definition and comparative analysis[J]. E-learning and Digital Media, 2018, 15(4): 191-216.

[2] LEE M K, CHEUNG C M, CHEN Z. Acceptance of Internet-based learning medium: the role of extrinsic and intrinsic motivation[J]. Information & management, 2005, 42(8): 1095-1104.

[3] ALSABAWY A Y, CATER-STEEL A, SOAR J. Determinants of perceived usefulness of e-learning systems[J]. Computers in Human Behavior, 2016, 64(11): 843-858.

[4] THORNTON P, HOUSER C. Using mobile phones in English education in Japan[J]. Journal of computer assisted learning, 2005, 21(3): 217-228.

[5] CHEN C M, CHUNG C J. Personalized mobile English vocabulary learning system based on item response theory and learning memory cycle[J]. Computers & Education, 2008, 51(2): 624-645.

[6] ZHANG S, ZHAO J, TAN W. Extending TAM for online learning systems: An intrinsic motivation perspective[J]. Tsinghua science and technology, 2008, 13(3): 312-317.

[7] LEGRIS P, INGHAM J, COLLERETTE P. Why do people use information technology? A critical review of the technology acceptance model[J]. Information & management, 2003, 40(3): 191-204.

[8] 张蕾, 张华峰. 为什么选择MOOC——基于“学堂在线”学习者数据的在线学习动机研究[J]. 江苏高教, 2019(4): 50-57.

[9] DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS quarterly, 1989, 13(3): 319-340.

[10] HALAWI L, MCCARTHY R. Measuring students perceptions of blackboard using the technology acceptance model: a PLS approach[J]. Issues in Information Systems, 2008, 9(2): 95.

[11] MAILIZAR M, BURG D, MAULINA S. Examining university students’ behavioural intention to use e-learning during the COVID-19 pandemic: an extended TAM model[J]. Education and Information Technologies, 2021, 26(6): 7057-7077.

[12] WU B, CHEN X. Continuance intention to use MOOCs: integrating the technology acceptance model (TAM) and task technology fit (TTF) model[J]. Computers in Human Behavior, 2017, 67(2): 221-232.

[13] SIRON Y, WIBOWO A, NARMADITYA B S. Factors affecting the adoption of e-learning in Indonesia: lesson from Covid-19[J]. JOTSE: Journal of Technology and Science Education, 2020, 10(2): 282-295.

[14] GLYNN S M, AULTMAN L P, OWENS A M. Motivation to learn in general education programs[J]. The Journal of General Education, 2005, 54(2): 150-170.

[15] 张华峰, 史静寰, 周溪亭. 进入普及化阶段的中国大学生学习动机研究[J]. 清华大学教育研究, 2021, 42(4): 141-148.

[16] CHEN H, TSENG H. Factors that influence acceptance of web-based e-learning systems for the in-service education of junior high school teachers in Taiwan[J]. Evaluation and program planning, 2012, 35(3): 398-406.

[17] HUANG C H. Using PLS-SEM model to explore the influencing factors of learning satisfaction in blended learning[J]. Education Sciences, 2021, 11(5): 1-17.

[18] CHANG C C, LIANG C Y, YAN C F, et al. The impact of college students’ intrinsic and extrinsic motivation on continuance intention to use English mobile learning systems[J]. The Asia-Pacific Education Researcher, 2013, 22(2): 181-192.

[19] WANG S, SHI G, LU M, et al. Determinants of active online learning in the smart learning environment: An empirical study with PLS-SEM[J]. Sustainability, 2021, 13(17): 1-19.

[20] HAIR J F, RINGLE C M, SARSTEDT M. PLS-SEM: indeed a silver bullet[J]. Social Science Electronic Publishing, 2011, 19(2): 139-152.

[21] AKTER S, D’AMBRA J, RAY P. Trustworthiness in mHealth information services: an assessment of a hierarchical model with mediating and moderating effects using partial least squares (PLS)[J]. Journal of the American Society for Information Science and Technology, 2011, 62(1): 100-116.

[22] SUKENDRO S, HABIBI A, KHAERUDDIN K, et al. Using an extended Technology Acceptance Model to understand students’ use of e-learning during Covid-19: Indonesian sport science education context[J]. Heliyon, 2020, 6(11): 1-9.

[23] MOHAMMADI H. Investigating users’ perspectives on e-learning: an integration of TAM and IS success model[J]. Computers in human behavior, 2015, 45(4): 359-374.

[24] NIKOU S A, ECONOMIDES A A. Mobile-based assessment: investigating the factors that influence behavioral intention to use[J]. Computers & Education, 2017, 109(6): 56-73.

[25] VENKATESH V, MORRIS M G, DAVIS G B, et al. User acceptance of information technology: toward a unified view[J]. MIS quarterly, 2003, 27(3): 425-478.

[26] ROCA J C, GAGNÉ M. Understanding e-learning continuance intention in the workplace: a self-determination theory perspective[J]. Computers in human behavior, 2008, 24(4): 1585-1604.

10.15916/j.issn1674-327x.2022.05.037

H319.3；G434

A

1674-327X (2022)05-0130-05

2022-03-01

李丽波(1979-)，女，吉林四平人，讲师。

(责任编辑：许伟丽)