基于Kano模型的教师在线学习支持服务需求归类分析

周海军 杨晓宏

（西北师范大学 教育技术学院，甘肃 兰州 730070）

一、问题的提出

在泛在便捷的网络环境和大量优质MOOC、微课、精品课程等资源的支持下，基于网络的在线学习得到了广大教师的青睐，已成为了教师专业发展的主要途径[1]。在线学习能否有效满足教师的学习需求，助力教师实现专业成长，学习支持服务是关键。现阶段，在大数据、人工智能等新兴技术的推动下，教师在线学习支持服务的类型日趋多样化、来源更加多元化、内容更具个性化[2]。现代信息技术虽能在教师学习需求分析、资源个性化推荐等方面提供有效支撑，可在一定程度上减轻支持服务供给方在个性化定制服务项目等方面的工作压力，但一些支持服务内容仍有赖于人力资源。此外，在线学习教师所能够获得的满足自身学习需求的服务项越多，则其学习体验越良好，学习效果也越易于得到保障；但由于支持服务供给方所拥有的服务保障能力有限，常常难以满足教师的所有学习服务需求。在此情况下，优先满足教师普遍关注的、对学习结果有着显著影响的关键性服务需求，是在线学习支持服务供给方平衡教师在线学习支持服务需求与自身成本支出之间矛盾的可行之策。由此，若能够在对教师在线学习支持服务需求进行分析统整的基础上，对其进行科学归类，进而确定不同类别支持服务需求项目的优先满足次序，则可为支持服务供给方科学配置服务项目提供重要参照。而源于质量管理领域的Kano模型在服务（或产品）需求分类方面有其独特的效用，且可基于Kano模型对服务（或产品）需求的优先顺序进行排序。鉴于此，本研究借助Kano模型这一工具，在问卷调研的基础上，对教师在线学习支持服务需求进行了科学归类，并针对不同类别的支持服务需求属性提出了具体的保障策略，以期能够有效提升在线学习质量。

二、研究综述

（一）教师在线学习支持服务

教师在线学习是教师应用信息化设备获取知识、技能的活动。从在线学习行为发生的动力来源出发，可将教师在线学习归为两大类：一类是在外部力量推动（如行政推动）下所开展的在线学习活动；另一类是在内在力量驱动下，教师出于自身的爱好、兴趣等所进行的基于网络的“自我培训”。鉴于外力推动下的在线学习难以满足教师个性化的学习需求，在具体的培训实践中效果不佳，而源于教师自我需求的在线学习更易取得理想的学习效果，人们开始倡导紧扣教师实际需求的个性化学习范式，尝试实现教师在线学习外部推力与内在动力的统一[3]，如提倡为教师创造自主选择培训机构、研修平台、研修内容的机会[4]，以便在完成培训学分要求的同时，能够更好地满足教师的内在学习需求。

教师在线学习活动的有效开展需要一系列高质量的支持服务来保障。教师在线学习支持服务即在教师在线学习的过程中，供给方所提供的各种支持服务活动，其目的在于帮助教师克服在线学习的各类障碍，保障学习活动的顺利开展。已有针对教师在线学习支持服务的相关研究，多聚焦于教师在线学习的具体场域，探寻提升学习效果的可行之策，如荆永君等人以教师在线培训为例，通过研究发现，教师在线学习目的性较强、活动性较高、时间投入充足，但社会交互情况不够理想，建议提供恰当的干预机制和脚手架，以提高在线学习效果[5]。另有研究者从新技术、新理念在教师在线学习中的应用出发，对教师在线学习的效果进行了探讨，如赵艳等人基于学习分析的视角，运用专业工具获取教师的学习数据，呈现分析结果，帮助教师及辅导人员及时了解学习情况，以便为教师提供及时的支持服务和适切的干预[6]。王帆等人基于引领式在线学习理念，从学习情境、学习问题、学习群体出发，提出“情境”外引、“问题”外引、“群体”外引等三个外部引导策略，以激发教师在线学习内驱力，促进教师持续学习[7]。总而言之，在新的技术背景下，关注教师成长、生活的具体场域，探讨新理念、新技术支持下的教师专业化成长路径与在线学习策略，跟踪干预条件下教师的在线学习效果，是当下教师在线学习支持服务相关研究的重要主题。

（二）Kano模型及其应用

1.Kano模型

Kano模型由东京理工大学狩野纪昭教授于20世纪80年代提出，该模型体现了产品性能与用户满意度之间存在的非线性关系[8]。在Kano模型中，用户需求属性被分为五类（如图1所示）[9]：必备型需求，是在用户看来服务（产品）必不可少的属性或功能，也是用户对服务（产品）最为基本的要求。当服务（产品）不能满足用户的必备型需求时，用户的满意度就会大幅度降低，而当必备型需求能够满足时，用户的满意度也不会因此而持续提升。期望型需求，是服务（产品）对用户的满足程度与用户的满意度之间成正比例关系的需求。魅力型需求，是出乎用户意料的服务（产品）属性，常会带给用户惊喜，即使此类服务表现得不够完善，也会带给用户非常高的满意度。用户通常不会过分期望此类需求，在不提供此类需求的情况下，用户也不会因此而抱怨。无差异需求，是对用户满意度没有明显影响的需求，用户一般不关心此类需求。反向型需求，是易于引起用户强烈不满的服务（产品）需求类型，用户本来无此类需求，提供后反而会让用户的满意度明显下降。

图1 Kano模型

2.Kano模型应用现状

Kano模型自提出以来得到了越来越多的关注，并被广泛应用于产品质量管理、员工管理、业务规划和服务管理等方面[10]。在教育领域，研究者应用Kano模型对教育软件、教育服务等方面学习者的需求开展了研究。如在教育软件开发方面，范哲等人应用Kano模型对江苏省大学生成长服务平台的功能属性进行了分析和归纳，并提出了改进建议[11]，宫华萍等人基于Kano模型和质量功能展开理论，对语言学习系统的质量特性进行了研究[12][13]。在教育服务供给方面，徐兰和李晓萍应用Kano模型对幼教服务质量属性进行了分类[14]，周效章基于Kano模型对高校数字教育资源社会化服务的用户需求属性进行了归类[15]，白倩等人基于Kano模型对MOOC学习支持服务的有效需求进行了分析[16]。总体来看，Kano模型在教育领域的应用正逐步得到研究者的重视，但已有文献中，鲜有应用Kano模型对教师在线学习支持服务的相关探讨。

（三）基于Kano模型的用户需求属性识别

在一般情况下，在借助Kano模型对用户需求属性进行识别时，需在Kano模型问卷调查的基础上，借助Kano模型属性矩阵，对用户需求属性逐一进行判断，统计每一类需求属性频次，最后将出现频次最高的需求属性确定为题项的最终属性类别，这种方法称之为最高频次法。然而，一些研究者认为依据最高频次法对用户需求属性进行分类并不完全可靠[17]，且难以体现需求要素对整体满意度的影响程度[18]。例如，当两个或多个类别的需求频次非常接近时，就难以准确地对用户需求属性进行归类。针对这一情况，多位研究者对最高频次法进行了改进，其中以学者查尔斯.博格尔（Charls Berger）等人提出的Better-Worse系数分析法最具代表性[19]。Better-Worse系数分析法应用各类需求属性频次的统计数据，通过以下公式计算出Better系数（满意系数，通常为正值）和Worse系数（不满意系数，通常为负值），其中，M代表必备型需求（Mustbe Demand）值，O代表期望型需求（One-dimensional Demand）值，A代表魅力型需求（Attractive Demand）值，I代表无差异需求（Indifferent Demand）值。

Better-Worse系数可以用来识别不同需求要素的满足对整体满意度的影响差异。Better系数表示满足某项需求对整体满意度的提高程度，其值在0到1之间，Better系数值越大表示满足该项需求对整体满意度的提升作用越显著；Worse系数表示不能有效满足某项需求对整体满意度的影响程度，其值在-1到0之间，Worse系数的绝对值越大，表示不能有效满足某项需求对整体满意度的降低作用越显著。在本研究中，我们应用最高频次法和Better-Worse系数法两种方法，对教师在线学习支持服务需求进行归类分析。

三、教师在线学习支持服务的类型

研究者对学习支持服务的分类有多种不同的观点，奥蒙德.辛普森（Ormond Simpson）将其划分为学术性支持和非学术性支持[20]，前者主要涉及对学习者在学习过程中的认知、知识等方面的支持，如解释相关概念、培养学习技能、追踪学习过程等；后者主要包括管理性支持和情感性支持，如各种信息建议、态度反馈等。玛丽·索普（Mary Thorpe）从学习发生的过程出发，将学习支持服务界定为在学习发生之前、学习过程之中以及学习完成之后，对学习者的需求做出反应的所有元素的集合[21]。我国学者丁兴富将学习支持服务分为人员服务、信息服务、设施服务、资源服务、作业检测与考试、实践性教学环节等六个方面[22]；陈丽将学习支持服务划分为教学支持、管理支持、学习技能支持、技术支持和同伴支持[23]；史承军等人从教师资源、教学过程、教学资源、教育设施、教育管理支持服务五个方面设计了学习支持服务体系[24]；白倩等人从人员支持、资源支持、活动支持和评价支持四个方面构建了混合学习中的支持服务体系[25]。

尽管研究者对学习支持服务的类型划分存在一定的差异，但总的来看，多数研究将学习支持服务概括为人员支持、资源支持、技术支持、情感支持、管理支持、评价支持等方面。在对相关文献分析的基础上，本文在与教育技术领域研究者、曾多次参与在线研修活动的一线教师、中小学校长等反复讨论的基础上，结合教师在线学习的特点，从人员支持、资源支持、信息服务、管理服务、设施环境5个维度，梳理规整了20项教师在线学习支持服务项目，构建了教师在线学习支持服务体系（如表1所示）。

表1 教师在线学习支持服务体系

四、教师在线学习支持服务需求归类

应用Kano模型对用户需求属性进行识别，一般包括编制Kano模型问卷、问卷试测与修正、开展问卷调查、调研结果分析等步骤。在本研究中，我们按此步骤对教师在线学习支持服务需求进行了归类。

（一）编制Kano模型问卷

教师在线学习支持服务Kano模型调查问卷包括两个部分：一是调查对象基本信息部分，收集受访者的年龄、性别、教龄、职称、学历、从教学校类别等信息；二是支持服务项目具体信息内容，根据Kano模型问卷的设计特点，针对表1所列的20项教师在线学习支持服务项目，分别设计正向型问题和反向型问题（如表2所示），每个问题均包括“我很喜欢”“理应如此”“无所谓”“勉强接受”“我不喜欢”5个选项，调查对象在“提供”或“不提供”某一在线学习支持服务项目的情境假设下，依据个人的理解和体会选择答案。

表2 Kano模型问卷样例

（二）问卷试测与修正

试测的目的在于识别问卷中存在的问题，以便提高问卷质量。本研究中，问卷形成后，面向7位中小学教师进行了试测，并征询了他们对问卷表述方面的意见。针对一些教师反映问卷题项表述太过简洁、具体的指代内容不够清晰等问题，结合服务类型的具体内涵，对每组题目中的支持服务项目加注了简要说明。

（三）开展问卷调查

本研究利用“问卷星”平台收集问卷。通过微信、QQ邀请1所高中、3所初中、3所小学、5所幼儿园的教师在线填写问卷。调研共计回收问卷285份，剔除作答时间少于3分钟的问卷39份，最终收集到有效问卷246份，有效率为86.3%。从有效样本的基本信息统计结果来看，样本在性别、学历、职称、教龄等方面的比例分布情况，与调研地区教师的总体结构相接近，样本具有较强的代表性。

（四）调研结果分析

1.问卷信效度检验

基于调研所获数据，应用SPSS 22.0软件对问卷进行信效度检验，检验结果如表3所示。正向型问题、反向型问题及Kano问卷整体Cronbach’sα值均高于0.8，KMO值处于0.45至0.95之间，Bartlett球形检验达到显著水平（p<0.001），累积解释变异量均高于50%，表明该问卷具有良好信效度，问卷数据满足分析要求。

表3 问卷信效度检验结果

2.基于最高频次法的支持服务需求属性分析

本研究中，我们对照Kano模型属性矩阵（如表4所示），对每份有效问卷各支持服务项目逐一确定了需求属性。其中，M代表必备型需求，O代表期望型需求，A代表魅力型需求，I代表无差异需求，R代表反向型需求（Reverse Demand），Q代表可疑结果（Questionable Results）。如当受访者针对某一支持服务项目正向型问题的回答为“我很喜欢”，反向型问题的回答为“我不喜欢”时，依据Kano模型属性归类矩阵，可认为该项支持服务对于受访者而言，属于期望型需求；当受访者未能准确理解题目含义或错误作答时，则会出现可疑结果。

表4 Kano模型属性矩阵表

在对有效调查问卷每项支持服务需求属性频次进行统计的基础上，将统计结果中出现频次最高的支持服务需求属性确定为该项支持服务的最终需求属性类别，20项支持服务项目的归类结果如表5所示。其中，必备型需求7项，占比35%；期望型需求2项，占比10%；魅力型需求3项，占比15%；无差异需求8项，占比40%。

表5 教师在线学习支持服务需求属性统计及归类

3.基于Better-Worse系数法的支持服务需求属性分析

鉴于最高频次法对用户支持服务需求属性的分类未能体现各项支持服务对整体服务满意度的影响程度，本研究还应用Better-Worse系数法对调研结果进行了统计分析。基于最高频次法统计数据，应用Better-Worse系数计算公式，分别计算出20项服务项目的Better系数和Worse系数（如表5所示）。从计算结果来看，专人辅助支持（SS1）、主题类资源（RS1）、工具类资源（RS3）、咨询服务（IS1）、设备支持（FE1）、多终端支持（FE2）、网络服务（FE3）等支持服务项目系数的绝对值较大，表明其对整体支持服务满意度的影响作用较为明显。

五、教师在线学习支持服务保障策略

（一）最高频次归类视角下的教师在线学习支持服务保障策略

由前文可知，应用最高频次法，可将教师在线学习支持服务需求属性归为不同的类型。Kano模型理论认为，不同类型的需求，对用户满意度有着不同的影响。因此，在线学习支持服务供给方提供支持服务时，需要结合具体的支持服务需求属性，确定支持服务项目的优先次序，以便提高服务效益。

在支持服务类别中，必备型需求包括主题类资源（RS1）、拓展类资源（RS2）、素材类资源（RS4）、管理平台支持（MS1）、设备支持（FE1）、多终端支持（FE2）、网络服务（FE3）等服务项目，必备型需求是在线学习教师所需的最为基本的支持服务类别，支持服务供给方需要优先保障此类服务内容。具体而言，一是支持服务供给方需围绕学习主题，遴选、提供高质量多类别的在线学习资源，供教师灵活选择学习或免费下载应用；二是支持服务供给方要加强教师在线学习的过程性管理，提供功能完备的在线学习管理平台；三是学校需要不断提升信息化建设水平，改善办公条件，优化网络服务，为教师在线学习提供设施设备方面的有力支持。支持服务类别中，期望型需求包括咨询服务（IS1）、环境支持（FE4）两项。期望型需求的满足程度越高，则在线学习教师的满意度也就越高。因此，支持服务供给方需要为教师提供优质、即时的在线咨询服务，解决教师在学习过程中遇到的困惑和问题；学校需营造积极的在线学习氛围，为教师在线学习创造良好的文化环境。专人辅助支持（SS1）、工具类资源（RS3）、研修学分运用（MS3）等支持服务项目属于魅力型需求的范畴。在线学习教师对魅力型需求并无过高的期待，但支持服务供给方若能有效提供此类服务，则会带给教师意外的惊喜，能够大幅度提升满意度。鉴于此，支持服务供给方在保障必备型需求、期望型需求的前提下，需对魅力型需求给予足够的重视，如指定专人协助教师解决在线学习中所遇到的问题，提供教师常用的各类软件工具资源，并将教师在线学习所获学分与教师个人的继续教育、考核评价等有机衔接。支持服务类别中，无差异需求包括专业团队支持（SS2）、小组协作互助（SS3）、信息推送（IS2）、信息交流（IS3）、评价反馈支持（MS2）、情绪疏导服务（MS4）、训后跟踪服务（MS5）、制度支持（FE5）等服务项目，无差异需求对在线学习教师的满意度影响有限，在支持服务保障能力有限的情况下，支持服务供给方可暂时缩减与此类服务需求有关的投入。此外，一些研究者认为，各类支持服务需求属性会随着时间、情境的变化而发生演变，因此，支持服务供给方需关注无差异需求的动态变化情况。

（二）Better-Worse系数视角下的教师在线学习支持服务保障策略

为能更直观地反映在线学习支持服务项目对教师在线学习满意度的影响情况，我们以Worse系数为横轴，以Better系数为纵轴构建坐标系，并在坐标系中标注了学习支持服务项目所对应的坐标点，然后以Worse系数和Better系数平均数的绝对值为基点（|-0.43|，0.47），分别向横向、纵向坐标轴绘制垂直线，将学习支持服务项目的坐标点切分至四个象限，得到教师在线学习支持服务Better-Worse系数象限图（如图2所示）。

图2 教师在线学习支持服务需求属性Better-Worse系数象限图

由图2可知，处于第一象限的咨询服务（IS1）、环境支持（FE4）、主题类资源（RS1）、网络服务（FE3）、设备支持（FE1）等坐标点的Better系数、Worse系数绝对值较大，表明支持服务供给方若能提供此类支持服务项目，将会显著提升在线学习教师的整体满意度；反之，则在线学习教师的整体满意度将会明显下降。因此，支持服务供给方需将为教师提供便捷的咨询服务、提供高质量多样化的主题类学习资源、营造良好的在线学习环境等支持服务项目作为重点关注内容，优先予以保障。处于第二象限的专人辅助支持（SS1）、工具类资源（RS3）、研修学分运用（MS3）、专业团队支持（SS2）4个坐标点的Better系数较大，但Worse系数的绝对值较小，表明在线教育机构若能提供此类支持服务，则会显著提升在线学习教师的整体满意度；反之，在线学习教师整体满意度的降低程度有限。支持服务供给方应在条件允许的情况下，尽可能指定专人协助教师解决学习中存在的问题、提供各类教师常用的软件工具资源，并将在线学习学分与教师继续教育等相结合。处于第三象限的制度支持（FE5）、信息交流（IS3）、情绪疏导服务（MS4）、小组协作互助（SS3）、训后跟踪服务（MS5）、信息推送（IS2）、评价反馈支持（MS2）7个坐标点的Better系数、Worse系数的绝对值较小，表明不管支持服务供给方是否提供此类服务项目，对在线学习教师整体满意度的影响作用不太明显。支持服务供给方可针对这一象限的支持服务项目，适度缩减在人力、财力等方面的投入力度，以节约服务成本。处于第四象限的素材类资源（RS4）、多终端支持（FE2）、拓展类资源（RS2）、管理平台支持（MS1）4个坐标点的Better系数较小，但Worse系数的绝对值较大，表明支持服务供给方若提供此类支持服务项目，对在线学习教师整体满意度的提升作用不明显；反之，则在线学习教师的整体满意度会明显下降。因此，支持服务供给方需要重视免费提供丰富的素材类、拓展类学习资源，选用支持多终端学习且管理功能完善的在线学习平台，以防止在线学习教师整体满意度下降。

六、结束语

本研究应用Kano模型理论，将教师在线学习支持服务需求划归为必备型需求、期望型需求、魅力型需求、无差异需求等不同类型，并在对学习支持服务需求属性分析的基础上，从最高频次归类和Better-Worse系数两个视角，提出了在线学习支持服务保障策略，不同视角下的支持服务保障策略存在高度的一致性，可为在线学习支持服务供给方科学配置支持服务项目提供参照。但对于不同学历、不同年龄段的在线学习教师群体而言，对支持服务的需求也会存在一定的差异，在本研究中没有对用户群体进行细分，后续研究还可针对不同用户群体的支持服务需求开展进一步的探讨。