高校数字化体育教学接受意愿的影响因素与组态路径——基于fsQCA的实证分析

李超

(海南软件职业技术学院 海南琼海 571400)

随着科技的飞速发展，新一代智慧要素如互联网、大数据、人工智能等正在全面替代传统要素，引领着智能时代的变革。这种变革不仅在各行各业中产生了深远影响，也在教育领域引发了一场革命。而在体育教学领域，数字化技术的应用也正在逐渐改变传统的教学模式，为体育教育带来了新的可能性［1］。其中，教育部在2022年的工作要点中明确提出了探索大中小学智慧课堂建设，改进课堂教学模式的目标，进而标志着信息技术在教育领域的应用已经从水平扩展转向垂直深化。在高校体育领域，这种转变更为明显［2］。当前，信息技术在高校体育垂直应用场景不断延伸，体育教学模式与手段不断创新，数字化体育教学不断创新和发展［3］。在高校体育管理服务领域，新的技术应用如“步道乐跑”APP、智慧体育信息管理平台、人工智能体育教学线上评价系统AIPE等，正在改变高校传统体育教学模式。然而，尽管数字化技术与体育教学的融合被认为是未来的发展方向，但现有的研究成果多停留在理念普及、案例解析、现状梳理的单一层面［4］。对于高校学生来说，他们对高校数字化体育教学的接受程度如何，以及高校数字化体育教学对其体育学习效果的影响如何，尚未得到充分的研究和明确的解答。

因此，该研究旨在分析学生对高校数字化体育教学的接受意愿及其影响因素，以便准确把握当前高校数字化体育教学的开展效果，并为促进学生对高校数字化体育教学模式的适应接受程度提供参考路径，进而为推进高校数字化体育教学走向创新发展提供重要的理论支持。

1 研究数据来源与统计

1.1 变量选择

UTAUT 模型是由Venkatesh 等人在2003 年提出的一种理论模型。该模型的提出是在整合了多种经典模型后的产物，主要用于衡量用户对新技术或新产品接受意愿的影响因素［5］。这种模型的成熟度较高，因此在多个领域都有广泛的应用。在该研究中，将UTAUT模型应用到了高校数字化体育教学领域。在UTAUT模型的主要预测变量基础上，构建了高校数字化体育教学用户接受意愿影响因素模型，并引入了感知沉浸、感知成本、感知风险、感知信任和个体创新5 个新变量，使得模型分析更具全面性［6］。

结合理论模型的构建，进一步参考了国内外相关研究量表，并结合当前高校数字化体育教学开展的实际情况，使用李克特七级量表（1为非常不同意，7为非常同意）设计学生对高校数字化体育教学接受意愿的变量测量的具体内容（见表1）。

表1 学生对高校数字化体育教学接受意愿的变量测量

1.2 样本统计与分析

该研究基于湖北省3所高等院校的学生进行高校数字化体育教学的问卷调查，以了解他们对高校数字化体育教学的认知和接触情况。在收集的395份有效问卷中，男女比例基本均衡，男生占50.89%，女生占49.11%，这为研究提供了性别差异的可能性。在年级方面，大一、大二、大三学生偏多，但研究样本整体覆盖了高校的各个年级，可以更全面地反映高校学生对高校数字化体育教学的认知和接触情况（见表2）。

然而，尽管大部分学生（82.37%）曾经接触或使用过高校数字化体育教学的相关服务，但只有32.37%的学生表示比较了解高校数字化体育教学。这可能表明，尽管高校数字化体育教学在高校中得到了广泛的应用，但其理念和方法的宣传和推广仍然存在不足。这也可能是由于学生在接触和使用高校数字化体育教学的过程中，没有得到足够的指导和解释，导致他们对高校数字化体育教学的理解不够深入。此外，还有12.41%的学生表示他们的体育课没有采用智慧教学的形式，这可能是由于学校资源的限制，或教师对高校数字化体育教学的认知和技能的缺乏。

1.3 研究方法

fsQCA是一种研究复杂因果关系的方法，它可以揭示出因素之间的相互作用，以及这些相互作用如何共同影响结果变量。在该研究中，通过fsQCA，可以更深入地理解影响学生对高校数字化体育教学接受意愿的因素，以及这些因素如何相互作用和共同影响学生的接受意愿。这对于设计和实施有效的高校数字化体育教学策略具有重要的理论和实践意义。

2 研究结果与分析

2.1 单项前因变量的必要性检验

通过必要性分析判断单个变量与被解释变量之间是否存在充分或必要条件，以便对上述分析进行验证。当一致性（Consistency）大于0.9时可以认为该要素具备影响学生接受意愿的必要条件，当大于0.8时可以认为具备影响学生接受意愿的充要条件。根据表3 的数据，可以看到，各因素的一致性和覆盖度都小于0.8，这意味着它们既不是影响学生接受高校数字化体育教学意愿的必要条件，也不是充分条件。侧面反映影响学生接受高校数字化体育教学意愿是由多个因素相互组合作用的结果。

表3 学生对高校数字化体育教学接受意愿影响因素的必要性分析

2.2 多元组态路径分析

完成单个条件的必要性分析后，进一步对影响学生接受意愿的变量进行组态分析，从而得到对于影响学生接受意愿解释程度较高的组合条件，以便明晰学生关于高校数字化体育教学开展的接受意愿，以及提升接受意愿的有效路径。从定性比较分析结果中的简单解、中间解和复杂解来看，选取具有一定解释能力的复杂解作为该研究的最终路径（见表4）。

表4 学生对高校数字化体育教学接受意愿的前因构型

分析结果显示，学生对高校数字化体育教学接受意愿3种构型路径的总体一致性水平高于可接受阈值0.75，总体解的覆盖率也达到了89%，这说明模型的组合路径解释效果比较好（见表4）。具体如下。

（1）构型1 为期望主导型，其中，绩效期望为核心存在条件；感知沉浸、感知信任、个体创新为辅助存在条件；感知成本、感知风险为核心缺失条件。该路径表明无论学生的努力期望与社会因素如何影响，当学生对于高校数字化体育教学开展的感知沉浸、感知信任与个体创新较高时，学生则会对高校数字化体育教学开展具有较高的接受意愿。

（2）构型2 为沉浸体验主导型，其中，感知沉浸为核心存在条件；绩效期望、努力期望、社会影响、感知信任、个体创新为辅助存在条件；感知成本、感知风险为为核心缺失条件。该路径表明，当学生对高校数字化体育教学具有较高感知沉浸时，同时绩效期望、努力期望等因素也较高，感知成本与感知风险较低，则可以对高校数字化体育教学开展产生较高的接受意愿。

（3）构型3为风险规避型，其中，绩效期望、努力期望、社会影响、感知沉浸、感知信任、个体创新为辅助存在条件；感知成本、感知风险为核心缺失条件。该路径表明：当学生具有较低的风险感知，同时对高校数字化体育教学开展的绩效期望、努力期望、社会影响等较高时，也会对高校数字化体育教学开展具有较高的接受意愿。

3 研究结论与启示

3.1 结论

（1）通过必要性检验发现，在研究学生对高校数字化体育教学的接受意愿时，单一的前因变量并不能决定他们的接受意愿。这意味着，即使某一因素在学生对于高校数字化体育教学感知中存在差异，也并不能单独决定他们是否会接受高校数字化体育教学。

（2）进而通过组态分析时，发现了有决定性意义的前因条件组合构型，说明虽然学生在对高校数字化体育教学的各个因素上存在差异，但通过各因素组合的方式能够提高对高校数字化体育教学的接受意愿。感知沉浸、绩效期望、感知成本和感知风险是影响学生对于高校数字化体育教学接受意愿的核心因素，分别构成了期望主导型、沉浸体验主导型和风险规避型三条路径。

3.2 启示

（1）选择性地提高或降低感知沉浸、绩效期望和感知风险核心因素对于学生的作用效果。

（2）注重高校数字化体育教学开展模式的适用性和简易性，以降低学生适应成本。

（3）提高高校数字化体育教学效果，减少学生的风险感知。