基于技术接受模型的“VR驾驶学习”使用意愿——以江西省大学生为例＊

江西财经大学 周炜超 周奇 程昊 黎洋 彭萱瑜

本文基于技术接受模型（TAM），建立VR驾驶学习使用意愿概念模型，并结合结构方程模型（SEM）对研究假设进行检验，探索影响VR驾驶学习用户使用意愿的因素。研究结果表明：VR驾驶学习的技术特性对感知有用性、感知易用性均呈现显著的正向影响；感知有用性对使用意愿的直接影响效果并不明显，而经由使用态度会间接对使用意愿产生显著正向影响；感知易用性对使用态度有显著的正向影响。最后结合分析结果提出VR驾驶学习改进建议。

1 研究背景

近年来，驾照报考人数连年增长，但是驾校收费混乱、教练素质堪忧、一人练车多人观望的现象层出不穷。不少人致力于思考如何改善传统驾校服务质量，同时也不乏为学车重新寻找新的出路。我们见证了科技革命和产业变革愈演愈烈，VR、5G等新兴科技成为了各行各业的热门话题，VR+文旅、VR+购物等新技术如雨后春笋般涌现。为了引导我国VR技术产业健康发展，工业和信息化部于2018年印发了《关于加快推进虚拟现实产业发展的指导意见》。作为全国VR技术的“领头羊”省份之一的江西省，为加快落实支持VR技术产业发展，于2019年发布了《江西省虚拟现实产业发展规划（2019-2023年）》。本研究响应国家和江西省号召，结合当下传统驾校转型的趋势，在VR+服务业中寻找切入口，着眼于VR与驾驶学习服务产业结合，通过问卷调查的形式，以江西省大学生为调查对象，通过对问卷信息定量分析，整理出江西省大学生对于VR驾驶学习的使用意愿和看法，从而为VR驾驶学习的应用和推广提供理论支持。

2 VR驾驶学习研究现状

目前国内学者多数聚集在研究VR驾驶在其他领域的应用，而研究VR+驾驶学习的较少。僧家祥等认为VR/AR技术在“云上办公”中的应用可以极大程度地降低云上办公中自动驾驶的安全隐患。侯长海指出“51Sim-One无人驾驶仿真平台”已经在L3-L4无人驾驶仿真训练及测试领域初步建立了优势，这为研发自动驾驶技术的车企提供更加接近于实际路况的宏观、微观动态的交通场景，并能够满足使用者定制化的需求。

此外，VR+驾驶学习技术的研究基础良好，并仍在不断发展。早在2007年，吴民就运用三维实体建模对于虚拟驾驶训练系统进行了设计，根据虚拟驾驶汽车的需求设计相应的逻辑结构，为推广虚拟驾驶学习技术提供了技术模型和基础铺垫。此后，王明羽在其论文中对于虚拟驾驶学习的关键技术进行了对比分析和完善，第一次基于“Inside-out”空间定位技术的三星玄龙设备与具有最新“Shader”技术的Unity 3D开发引擎作为虚拟驾驶实现的软硬件开发环境,并以此进行具有高度沉浸感的虚拟环境开发[1]。

国外关于VR的研究整体上领先于国内，但是在VR驾驶学习的领域同样处于研究的探索阶段。2006年，Schultheis等在其论文中研究了一种新的驾驶评估临床方法，并分析了VR自动驾驶对于脑神经损坏患者的帮助和应用的可行性，他们指出可以通过虚拟现实技术模拟出新的驾驶性能指标，从而进一步增强对于这部分群体的帮助；2010年，Janus提出了基于Web的沉浸式虚拟现实驾驶平台协同设计体系结构，为使用VR学习驾驶技术的人们创设一个具有互联特性的平台，从而打造更加高效的VR驾驶学习体系。

由此可见，VR+驾驶虽然已经在驾驶方面的某些领域，如自动驾驶有初步探索，但有针对性地研究VR运用在学习驾驶方面的文献很少，而且综合目前所有对于VR驾驶的研究，极少学者从受众者即需求方角度，以数据分析的方式探讨人们对于该技术的了解程度和使用意愿。缺乏需求方角度的分析，就无法从供需双方的角度系统、全面地思考该技术的应用和推广前景和价值。总的来说，这些成果为本团队研究VR驾驶学习项目提供了一定的基础和参考价值，同时又存在研究缺口急需弥补。

技术接受模型在研究行为意愿影响因素中优势明显。宋文杰等利用TAM并引入感知成本、个体创新作为外部变量，研究发现移动图书馆有用且易用、其服务尚未收费、用户对新鲜事物的探索尝试欲望强能够促进用户的使用意愿。郭英之等通过引入感知配合度等因子扩展TAM，研究表明使用移动支付购买旅游产品可选择范围广、与用户关系亲密的人的正面评价等因素能够促进消费者的使用意愿。因此TAM用于分析新事物的用户使用意愿影响因素效果较好[2]。

综上所述，本文拟以技术接受模型为基础，以江西省大学生群体为例，分析VR驾驶学习受众者行为与使用意愿的影响因素，提出若干研究假设后，结合调研结果和结构方程模型量化测算变量之间的路径影响，揭示VR驾驶学习使用行为的影响机理和作用路径，挖掘这片尚未耕耘的“蓝海”领域。

3 VR驾驶学习理论模型与研究假设

3.1 VR驾驶学习研究技术接受模型

技术接受模型（TAM）是分析用户对新事物的接受程度和使用意愿最有影响力的模型之一。参考Davis等人的描述，该模型核心有以下5个关键要素，分别是：（1）感知有用性（PU），即用户感觉该新事物为生活带来的便利程度；（2）感知易用性（PEOU），即用户感觉该新事物上手难易程度；（3）使用态度（AT），即用户接触该新事物时的感受、态度和评价；（4）使用意愿（BI），即用户倾向于使用该新事物的程度，以及使用后的反馈或分享意愿；（5）外部因素，如技术特性（VF）。这5个关键因素相互影响，密不可分。由于本文是关于VR驾驶学习技术接受和使用意愿方面的研究，技术接受模型的优点，与本研究契合度极高[3]。

3.2 基于技术接受模型的VR驾驶学习研究假设

VR驾驶学习是一项新兴技术，其用户使用行为决策体现为从感知到使用态度再到使用意愿的逻辑，本文假设TAM模型假定同样适用于VR驾驶学习接受和使用意愿的研究中，因此提出如表1所示的假设。

表1 假设内容汇总Tab.1 Summary of assumptions

结合以上理论假设，绘制影响关系传导图如图1所示。

图1 TAM基础上拓展的VR驾驶学习使用意愿模型Fig.1 VR driving learning intention model based on TAM

4 基于技术接受模型的VR驾驶学习研究设计

4.1 VR驾驶学习研究问卷设计

本研究的量表设计从上文五个维度设计了5个潜变量，16个题项。该份问卷主要由两个板块组成：第一板块是研究对象基本情况调查；第二板块测量题项旨在研究模型中各潜变量的测量。该份量表采用李克特五级程度的判断（非常不同意、不赞同、不一定、同意、非常同意），分别计为1～5分。具体指标设计如表2所示[4]。

表2 模型变量指标体系Tab.2 Model variable index system

4.2 调查问卷结果描述统计

此次调查针对江西省大学生采用随机抽样的方法收集样本数据，累计收集233份问卷，经过人工检查和筛选，剔除了用时过短、连续多题答案重复的样本，最终得到有效问卷217份，问卷有效率为93.1%。如表3所示从基本特征来看，受访对象中男女比例平衡，女性占53.5%，稍微高于男性学历主要集中在本科(87.1%)。在对VR驾驶学习了解程度方面，71%的调研对象表示听过但不了解，9.2%的调研对象对VR驾驶学习的了解程度较高(用过有些了解、很了解)，86.2%的调研对象有意愿使用VR驾驶学习。

表3 样本基本特征情况Tab.3 Basic characteristics of samples

5 调查问卷结果数据分析与研究模型假设检验

5.1 问卷量表信度效度检验

为了保证问卷调查结果能够反映出真实现象及分析结果具有策略意义，必须先对量表题进行信度及效度验证。利用SPSS26进行信度和效度检验，如表4所示，5个因子的克隆巴赫Alpha值全部大于0.7，说明问卷设计的量表具有良好的信度，数据是一致、稳定、可靠的。KMO值均大于0.6，Bartlett球形检验在0.05的水平上显著，表明问卷具有结构效度，样本数据适合进行因子分析(1)。

表4 各分量表信度效度检验结果Tab.4 Reliability and validity test results of each subscale

5.2 VR驾驶学习研究结构方程模型分析

结构方程模型(Structural Equation Modeling, SEM) 是基于变量的协方差矩阵来分析变量之间关系的一种多元统计方法，适用于研究多个自变量和多个因变量之间

的传递效应和影响关系。技术接受模型和结构方程模型的结合运用，能够在建立合理假设的基础上有逻辑地进行影响因子研究，同时能够验证假设的显著性和科学性。

5.2.1 结构方程模型拟合效果适配度检验

为了保证模型的适用性，需要对模型拟合效果做检验。运用AMOS软件得到拟合结果如表5所示。检验结果均符合标准，说明本研究数据运用结构方程模型比较合适(2)。

表5 模型拟合效果Tab.5 Model fitting effect

表 6模型标准化路径系数表Tab.6 Path coefficient of model standardization

表 7研究假设结论汇总表Tab.7 Summary of research assumptions and conclusions

5.2.2 结构方程模型结果分析

利用AMOS对模型的传导关系进行探索和检验，得到标准化路径系数和显著性情况如图2和表6所示[5]。

图2 VR驾驶学习结构方程模型（标准化系数）Fig.2 Structural equation model of VR driving learning (standardization coefficient)

模型检验结果表明，除假设H4不成立外，其余假设都成立，结果汇总如表7所示。

6 VR驾驶学习研究结论与建议

6.1 VR驾驶学习研究结论

本文在运用技术接受模型的基础上，加入了VR驾驶学习技术特性作为外部变量，对原模型进行拓展，并利用结构方程模型验证理论假设和探讨影响用户使用意愿的因素，得到结论如下：

VR驾驶学习技术特性对感知有用性和感知易用性均呈现显著的正向影响，标准化的影响系数分别为0.47和1.04，即用户对VR驾驶学习技术特性的满意度每提高一个单位，就能带来用户对其有用性的认可度增加0.47个单位，以及对其容易上手的认可度增加1.04个单位。究其原因：（1）室内进行的VR驾驶学习在规避酷暑严寒的恶劣天气中具有天然的优势，学员不再需要在烈日炎炎或者刺骨寒风中无奈地排队练车，从而让用户真实地感觉到VR驾驶学习带来的便利。（2）VR驾驶学习借助VR眼镜、动感模拟器，结合通俗易懂的操作手册和功能按键，给用户带来十足的体验感，同时能够依靠强大的数据库，为每位用户生成贴合自身风格的个性化学车方案，让学车考驾照变得更加轻松。（3）人性化的指导、纠错方式，让学员免于低素质教练的折磨，同时强化用户驾驶安全意识，帮助用户及时改正驾驶中的陋习，指导用户高效练车。

感知易用性对感知有用性有显著的正向影响效果，标准化的影响系数为0.42。VR驾驶学习技术的应用，让学员在很大程度上依赖模拟器即可完成学车练车，即意味着降低学车费用可由通过削减教练方面开支来实现，而且省去了黑心教练乱收费的额外支出。另外，简易并且“随叫随到”的设置操作，大大减少了学员学车的用时。因此，易上手的VR驾驶学习技术，除了让用户眼前一亮之外，能够真真切切地给生活带来方便。

感知有用性不直接影响使用意愿，而是通过结合感知易用性影响使用态度从而间接影响使用意愿，感知有用性对使用态度标准化的影响系数为0.35，使用态度对使用意愿为1.13。降低学车有形、无形的支出，及时纠错、避免一人练车多人等待等，这些VR驾驶学习带来的好处，能够极大地促进用户对其认可和接纳，从而做出选择使用并且向身边人推广VR驾驶学习模拟器进行学车的决定。但是，如果其仅仅功能强、有用，并不能直接让用户给予认同。

感知易用性不仅直接影响使用态度，而且通过使用态度间接影响使用意愿。VR驾驶学习是一项新兴技术，自然要求其实用、易用才能捕捉用户的眼球。但比起认为这项技术有用，用户更看重这项技术亲民易上手。如果VR驾驶学习在功能领悟、引导用户操作使用方面多下功夫，将更容易收获用户的正面反馈。

6.2 VR驾驶学习研究建议

6.2.1 加快关键技术研发

VR驾驶学习涉及到多种关键技术，如高精度、高分辨率的VR设备、电子控制技术、精准的报错系统、完备的数据库、个性化指导学习建议自动生成机制等。目前来说，VR驾驶学习硬件技术研究不足，不少用户反映使用该设备容易“晕车”，如何在保证VR驾驶学习设备在提供高精确度、逼真的学车环境的同时，突破关键技术研发，从源头上做出改良，改善用户使用体验，是当下促进VR驾驶学习技术应用和推广急需直面解决的问题。

6.2.2 健全操作指导机制

一方面，调研挖掘学员学车习惯和方式，通过提升模拟器和软件操作便捷性，丰富操作功能；另一方面，需要制作并不断完善操作指导手册，使其图文并茂、一目了然。同时构建清晰易懂的操作指引画面，结合方便亲民的操作按钮，降低用户进入门槛，不仅让接受能力强的大学生掌握使用方法和技巧，还需要让更年长的社会人士感受到VR驾驶学习带来的福利。

6.2.3 深耕驾培标准化流程再造

目前各驾校使用的VR驾驶学习模拟器，缺乏国家统一的鉴定标准约束和标准化的流程设计。从应试教育转向灵活的实际应用教育的关键，是国家或行业协会层面建立一套完善、标准、智能化的驾驶培训流程。凭借标准、规范的培训流程，才能从教育的思维层面改进传统驾驶学习的方法和思路，实现全新的教学与训练模式。

6.2.4 加大宣传力度，促进社会认知

政府、VR驾驶学习模拟器厂家等积极举办VR驾驶学习主题宣讲会，提供免费的体验机会，对用户体验及时跟进调查，认真收集、整理和分析用户反馈。同时要抓住互联网红利，通过B站、抖音等大众平台直播介绍。鼓励大主播利用直播平台高人气的优势，向观众粉丝介绍VR驾驶学习技术的优点、应用前景，平台以补贴或者人气扶持的形式作为回报，使VR驾驶学习的相关知识以深入浅出的方式普及群众。

7 结语

VR驾驶学习能够建构革命性的学车模式，带来全新的学车体验。本文从学车主力军的角度出发研究用户的使用意愿，发现其未来市场极其广阔，有一定的应用和推广价值。但从另一个角度来说，VR驾驶学习毕竟只是模拟，与现实练车之间必然会存在鸿沟，尚未成熟的新生技术不可避免地会造成用户体验不佳、公共交通问题等负面影响。总之，若要改变当下的学车格局，VR驾驶学习仍有一段很长的路要走。

…………

注释

(1)一般认为，克隆巴赫Alpha值不超过0.6，则认为内部一致信度不足，达到0.7-0.8时表示量表具有相当的信度，达到0.8-0.9时表示量表信度非常好。

(2)反映模型相似度的指标，如GFI、NFI、CFI，越高越好，＞0.5最低要求，＞0.8可接受，＞0.9最佳；反应模型差异性的指标，如RMSEA，越低越好，＜0.5最低要求，＜0.08可接受，＜0.05最佳。

引用

[1]王明羽.基于Unity 3D与VR技术的虚拟驾驶系统[D].陕西:西安电子科技大学,2020.

[2]郭英之,李小民.消费者使用移动支付购买旅游产品意愿的实证研究:基于技术接受模型与计划行为理论模型[J].四川大学学报(哲学社会科学版),2018(6):159-170.

[3]叶晶,郭香梅.基于技术接受模型的虚拟试衣使用意愿研究[J].丝绸,2021,58(3):58-64.

[4]丁嘉玲.三维虚拟试衣系统对消费者购买意愿的影响研究[D].青岛:青岛大学,2015.

[5]马得勇,陆屹洲.信息接触、威权人格、意识形态与网络民族主义——中国网民政治态度形成机制分析[J].清华大学学报(哲学社会科学版),2019,34(3):10.