中学生对智慧课堂接受度的影响因素分析

摘 要 随着电子设备和互联网技术的飞速发展，智慧课堂成为未来教育发展的必然趋势。为深入探究中学生进入智慧课堂学习的意愿影响因素，加快智慧课堂的推广与使用，提出智慧课堂教学建议和改进措施，基于UTAUT模型，构建中学生智慧课堂接受度模型。调查结果表明，绩效期望、努力期望、社会影响、促成因素、感知趣味性和个人创新均对智慧课堂接受度有显著的正向影响，性别、学段、信息技术水平自我评估等个人特征会显著调节部分因素对智慧课堂接受度的影响。

关键词 智慧课堂；UTAUT模型；中学生；智慧教育

中图分类号：G434 文献标识码：B

文章编号：1671-489X（2024）17-00-07

0 引言

随着5G、虚拟现实、人工智能等新技术的不断发展，智慧课堂从教学与技术的“整合”向“深度融合”转变，学校、教师和学生都面临着教学环境改革的挑战，探索新的教学实施方案和新的学习方式迫在眉睫。教育部在《教育信息化2.0行动计划》[1]、《中国教育现代化2035》[2]等一系列文件中要求积极开展“智慧教育示范区”等工作，智慧教育、智慧课堂等新兴教育形态的出现对信息化教育教学提出了更高要求。在这些教学形态中，智慧课堂是中小学教师、学生有亲身体验的教学形式。中小学智慧课堂的教学设计、教学实施、教学评价已然成为基础教育的研究热点和重点。

关于智慧课堂接受度的相关研究，国内外学者的研究对象都集中在中小学教师和管理者方面，重在调查他们对智慧课堂的态度，并针对中小学教师、中小学管理者如何开展智慧课堂教学提出合理建议，以加快推动智慧课堂的有效落实。周炫余等[3]

探究了中小学教师对智慧教育装备的接受程度，参考UTAUT模型，构建了中小学教师对智慧教育装备的接受度模型。陈川等[4]在UTAUYXKTr9hMSlQP7iw7rsqaXw==T模型的基础上将感知风险纳入模型的核心变量，设计了中小学教师对智慧教室的接受度模型，探讨中小学教师对智慧教室的接受程度。付晓冰[5]调查了教育信息化条件下的中小学智慧课堂，认为智慧课堂应该是科学的、人文的、思维的、育人的、交互的课堂并提出智慧课堂建构的五大策略和五条路径。刘邦奇[6]从智慧课堂1.0到智慧课堂3.0这三个发展阶段，探讨了“云—网—端”“技术平台+教学提醒”“云—台—端”等三种智慧课堂的平台架构，并提出四种智慧课堂应用设计。Hyunmin C等[7]研究了中学教师使用智能设备的决定因素和调节因素，结果表明：努力期望和社会影响对中学教师智能设备的使用意愿具有显著影响；年龄对便利条件和实际行为之间的关系具有显著的调节作用。李世瑾等[8]研究了中小学教师对人工智能教育接受度的影响因素，并根据实证结果，提出了推进未来人工智能教育策略。

综上所述，无论是智慧教育相关的接受度研究，还是智慧课堂的教学模式等方面的研究，都是以教师、中小学管理者为研究对象，很少从中学生角度研究智慧课堂及其接受度。中学生作为智慧课堂最重要的受众群体，是智慧课堂的重要参与者和受益者，他们对智慧课堂的接受程度直接关系到智慧教学能否正常开展、智能教育是否真有成效。因此，研究中学生智慧课堂接受度，设计中学生智慧课堂接受度模型，分析影响中学生接受度的关键因素和逻辑关系，为增加中学生对智慧课堂的接受度提出合理的建议，以期为我国中学智慧课堂有序开展提供新的思路，对国家智慧教育战略具有非常重要的意义。

1 接受度影响因素模型

接受度模型最早起源于Fishbein等提出的理性行为理论（TRA）。随着社会学、组织行为学、心理学等基本理论的引入，TRA先后历经计划行为理论（TPB）、动机模型（MM）、技术接受度模型（TAM）、技术接受度扩展模型（TAM2）等阶段，逐渐发展成为技术接受与使用整合模型（Unified Theory of Acceptance and Use of Technology），即UTAUT模型，也称接受度模型。

1.1 UTAUT模型

UTAUT模型是用于解释和预测用户对信息技术的接受和使用行为的理论模型，综合了各种单一模型的优点，能有效解释用户的使用意愿和使用行为，使研究结果更具有科学性，可靠性也更高，是解释信息技术领域最具有影响的模型之一。它包括绩效期望、努力期望、社会影响、促成因素等四个核心变量，以及性别、年龄、经验、自愿使用等四个调节变量[9]。绩效期望是指用户使用新技术所期望能达到的效果；努力期望是指用户对某项产品或服务感知到的使用便易程度，是影响用户接受意愿的一个重要因素；社会影响指的是用户周围的重要他人对用户使用某项技术的态度和影响；促成因素是指用户在使用新技术时所面临的环境条件和资源限制，如时间限制，设备可靠性等。因其高达70%的解释率，被广泛应用在经济、文化、教育、技术等诸多行为解释领域，尤其是电子商业、计算机领域，研究内容主要是与移动设备、互联网等有关的新兴事物，随着信息技术的不断发展，现已运用到教育领域中，具体内容涉及教师（或学生）对某种技术的接受度或影响因素方面的研究。

查阅大量文献发现：马如宇[10]和Reham Adel Ali[11]都认为感知趣味性能直接影响用户对移动学习的态度；Badwelan A等[12]在研究高校移动学习的接受度时，将个人创新纳入了大学生移动学习影响因素中，认为个人创新是影响大学生移动学习意愿的重要因素。故本研究在原有的UTAUT模型基础上，对模型进行扩展，增加感知趣味性和个人创新两个变量，感知趣味性是指用户在使用某种新技术时感到是否有趣，所能达到的趣味性程度；个人创新是指用户本身是否具有创新精神，愿意尝试新技术的程度。本文的研究对象为中学生，年龄相对集中，智慧课堂的使用频率受学校领导、教师的态度影响较大，学生是被动接受，故本研究不考虑年龄、自愿、经验性，只考虑性别、学段、学校地区以及学生的信息技术水平自我评估，对模型进行反复修正，最终构建出中学生对智慧课堂接受度影响因素模型，如图1所示。

1.2 研究假设

在中学生智慧课堂接受度模型中，影响中学生智慧课堂学习意愿的6个核心变量就是影响中学生接受智慧课堂学习的重要影响因素。绩效期望是中学生通过进入智慧课堂学习所期望达到的效果，针对智慧课堂的相关研究也显示，绩效期望对教师使用智慧课堂的意愿有显著的正向影响，教师感知到的有用性越强，绩效期望就越高[13]。当学生的绩效期望越高时，其接纳意愿也越强烈。因此，提出假设H1：绩效期望正向影响中学生的学习意愿。

努力期望是中学生认为进入智慧课堂学习需要付出的努力程度，以往研究证实努力期望与机器人教育[14]的接受度和人机协作教学的接受度[15]都有显著的正向影响作用。如果中学生认为进入智慧课堂学习，课程内容易于理解，操作更加容易，进入智慧课堂学习的意愿就会得到加强。因此，提出假设H2：努力期望正向影响中学生的学习意愿。

社会影响是指中学生受到周围人（家长、教师或同学）认为其是否应该进入智慧课堂学习，体现了中学生是否进入智慧课堂学习会受到他人或周围学习环境的影响。当周围教师、同学对智慧课堂产生正向作用时，中学生进入智慧课堂学习的意愿在一定程度上就会得到提高，鲍日勤[16]实证研究证实了社会影响正向影响开放教育学习者对移动学习的使用意愿。因此，本研究提出假设H3：社会影响正向影响中学生的学习意愿。

促成因素是指中学生对现有的组织或技术基础设施水平能够支持学校进行智慧课堂的感知程度，如果客观条件能足够支持中学生进入智慧课堂学习，学生的学习意愿也会更强烈。张海静[17]在网络技术相关接受度的研究中证实了在网络学习环境中，促成条件是信息接受的影响因素之一。因此，本研究提出假设H4：促成因素正向影响中学生的学习意愿。

感知趣味性在本研究的情境中是指中学生认为进入智慧课堂学习能体会到的有趣性程度，趣味性越高，进入智慧课堂学习的意愿就会越强烈。因此，将感知趣味性纳入中学生智慧课堂接受度影响因素之一，并提出相关假设H5：感知趣味性能正向影响中学生的学习意愿。

个人创新是指中学生本身是否具有创新精神。熊明珠[18]认为个人创新能力越高，就越愿意接受新鲜事物，越愿意去接受新的挑战和使用新技术。因此，本研究将个人创新作为中学生智慧课堂的影响因素，并提出假设H6：个人创新正向影响中学生的学习意愿。

2 调查设计与实施

2.1 问卷设计

周晓清等[19]从中小学管理者角度设计了智慧课堂的认知与态度调查问卷，包括基本信息、认知维度和态度维度三方面；陆叶丰等[20]则从相容性、个体创新特质等方面调查了中小学教师对智慧教学平台的使用意愿研究。这里在参考借鉴这些研究的基础上，设计中学生智慧课堂接受度调查问卷初稿，后经咨询教育心理学、教育技术学专家后，对问卷进行适当删减和改编，最终形成本问卷。此次调查问卷主要由两部分组成，第一部分包括中学生的性别、学段、学校所处位置、信息技术水平等个人特征；第二部分是问卷的主体主要包括绩效期望、努力期望、社会影响、促成因素、感知趣味性、个人创新、行为意愿等七个维度，每个维度设置2～4个问题，每个问题采用李克特五级量表，“1～5”分别表示：“很不同意、不同意、一般、同意、很同意”。

2.2 信效度检验

根据调查数据的分析（表1），问卷整体的克隆巴赫系数（Cronbach’s α）是0.979，绩效期望、努力期望、社会影响、促成因素、感知趣味性、个人创新等具体维度的Cronbach’s α分别为0.955、0.926、0.921、0.901、0.975、0.935。所有克隆巴赫系数均大于0.8，表示问卷结构的内部一致性较好，有较高的信度[21]。在效度分析中，问卷样本数据的KMO值为0.968，Bartlett球形检验卡方值是48 716.332（P=0.000＜0.001），说明问卷的信度良好[22]，满足因子分析条件。

2.3 结构方程模型适配度检验

本研究通过借助Amos26.0软件，根据研究假设构建出合理的SEM模型并验证其模型的拟合程度。如表2所示，RMSEA和RMR的值分别为0.072、0.041，表明实际的样本数据与假设模型可以适配。此外，NFI、IFI、CFI等值均大于0.9，达到良好水平，以上研究数据表明假设模型拟合程度较好、模型

有效。

问卷通过问卷星平台在线发放，中学生主要来自安徽省安庆市六所中学，其中两所中学拥有初中部和高中部。调查时间为2022年11月至2023年1月。问卷共回收1 612份，其中有效问卷1 612份，有效率达100% 。

3 数据统计与结果分析

3.1 基本信息

参与调查的中学生男女性别比为53∶47，分别为855人、757人（表3）。学生主要来自非毕业班，其中初一年级471人、初二年级763人。受访学校主要来自城市或县城，占总学生数的95.9%。中学生对信息技术水平的自我评估较高，达到3.94分，（满分是5分，分数越大，自我评估的能力越高）对智慧课堂的不同终端设备来说，分别有77.50%、69.8%、49.3%以上的学生认为自己能熟练使用手机（4.20分）、平板（4.03分）、电脑（3.62分）等。为便于对学科使用智慧课堂进行调查，这里将初中、高中的相似学科进行归类，比如将初中的道德与法治和高中的思想政治、初中的信息科技和高中的信息技术等列为同一学科。根据调查，中学生认为语文、外语、数学等三大学科采用智慧课堂形式进行教学的频次最高，占比分别是57%、49.8%、45.7%（图2）。这与三大学科的开课次数基本成正比。其次使用智慧课堂较多的是信息科技/信息技术学科，这应该与信息技术课程的特点、教室有密切关系。

3.2 影响因素分析

3.2.1 模型参数评估

研究通过检验各个核心变量作用于行为意愿的路径系数，评估中学生对智慧课堂的接受程度，如图3所示，问卷中各题项因子负荷量处于0.64～0.97之间，均处于正常范围内，各变量的因子建构效度较好。六个变量作用于行为意愿的标准化回归系数均处于0.75～0.89之间，说明各个变量呈正向关联[23]，且各变量之间的标准化因素负荷量和回归系数的数值均处于正常范围内。因此，设计的中学生智慧课堂接受度调查问卷结构较合理，能较为准确地反映中学生接受智慧课堂的行为意愿。

3.2.2 调节因素差异性检验

不同性别、学段、学校地区以及信息技术水平自我评估的中学生对智慧课堂认知差异分析如表4所示，可以看出：1）性别方面，不同性别中学生对智慧课堂的认知差异只表现在努力期望（P=0.023＜0.05）、促成因素（P=0.039＜0.05）和感知趣味性（P=0.040＜0.05）三个维度方面，且男生分别在这三个维度的平均值（M=4.03、M=3.94、M=4.12）高于女生（M=3.93、M=3.84、M=4.03），说明男生在努力期望、促成因素和感知趣味性这三个维度中对智慧课堂的认知高于女生；2）学段方面，只有个人创新（P=0.035＜0.05）这一维度在学段上有显著差异，从调查结果来看，初中生相较于高中生更具有创新性，接受新事物更快；3）学校所属地区方面，不同地区的中学生对智慧课堂的接受度存在显著性差异，绩效期望等七个维度在城市或县城的平均值分别为M=4.07、M=4.00、M=3.89、M=3.90、M=4.10、M=4.12、M=4.11，均大于乡镇或农村的平均值M=3.68、M=3.45、M=3.53、M=3.58、M=3.67、M=3.83、M=3.65，就读于城市或县城的中学生对智慧课堂的接受度明显高于就读于乡镇或农村的中学生；3）信息技术水平自我评估方面，平均得分3分以上（包括），即一般水平及一般水平以上的学生在不同维度的均值分别为M=4.12、M=4.01、M=3.93、M=3.94、M=4.13、M=4.17、M=4.14，均大于3分以下的学生，后者均值分别为M=3.30、M=3.08、M=3.13、M=3.12、M=3.39、M=3.31、M=3.43。因此，中学生在绩效期望、努力期望等七个维度中对智慧课堂的认知存在显著性差异，信息技术水平越高对智慧课堂的接受度就越高，反之就越低。

3.3.3 假设检验

数据分析结果显示（表5）：绩效期望（β=0.745，P＜0.001）、努力期望（β=0.805，P＜0.001）、社会影响（β=0.772，P＜0.001）、促成因素（β=0.803，P＜0.001）、感知趣味性（β=0.891，P＜0.001）以及个人创新（β=0.785，P＜0.001）均对中学生的行为意愿产生显著的正向作用，原假设H1、H2、H3、H4、H5和H6都成立。本研究对所采用的结构模型的六个结构变量之间的影响关系进行检验，变量的路径系数β越大表示在因果关系中的影响程度越大。从表5可知，绩效期望、努力期望、社会影响、促成因素、感知趣味性以及个人创新六个变量对中学生进入智慧课堂学习的意愿影响程度由大到小依次为感知趣味性、努力期望、促成因素、个人创新、社会影响、绩效期望。

4 结论与建议

研究结果发现，不同性别的中学生在努力期望、促成因素和感知趣味性这三个维度中呈现显著差异；城市或县城的中学生与农村或乡镇地区的中学生对智慧课堂的接受程度不同；信息技术水平自我评估的差异也显著影响中学生对智慧课堂的接受度；绩效期望等六个维度均正向影响学生的学习意愿，其中感知趣味性对学生的行为意愿的影响系数最大，意味着提高中学生对智慧课堂的接受度，首要任务就是提升中学生的感知趣味性。只有内在因素和外在因素得到根本解决，才能有效提高中学生对智慧课堂接受度，才能有效加快智慧课堂的推广和使用。本研究从以下三个方面提出实施和改进智慧课堂教学的建议和措施。

4.1 坚持问题导向，完善智慧课堂保障体系

首先要在宏观层面提供制度保障，促进智慧课堂教育实践的全面化、常态化，缩小城乡差距，提高乡镇或农村中学生对智慧课堂的接受度。其次，学校管理者在专家指导，经费支持的前提下，不断完善教学管理体制，提高教师开展智慧课堂的满意度和使用频率，激发中学生和中学教师群体更多的努力期望和实践动力。最后采取相应措施（比如教师完成阶段性任务给予奖励机制）帮助教师积累智慧课堂经验的同时弥补教师和学生因动机缺失而引起的教学懈怠、学习松散。

4.2 强化价值认同，优化课程资源

第一，引进更加先进的智能助手（平板、资源、系统等）规避技术陷阱，减少教师和学生使用平板时的干扰因素，优化课程资源，提高学生学习效率，丰富智慧课堂促成条件来扩大教师和学生的实践效应，减少教师备课压力并积极帮助教师和学生主动开展创新教育探索。第二，技术应用不可能一蹴而就，要加强教师队伍专业技能培训，提升教师教学技能和信息素养，利用平台系统，提升教师备课能力、作业设计能力和点评能力，减少学生作业负担。第三，要积极推进人工智能、大数据、5G等新技术与教师队伍建设的融合，打造高水平专业化创新型教师队伍，支撑教育强国战略与教育现代化，这也是《新时代基础教育强师计划》里的内容。第四，学生对智慧课堂的接受度会受学校领导、教师、家长、同学等多元主体的影响，要有效利用媒体舆论的正向引导作用，加强宣传引导，积极宣传智慧课堂的优势，扩大智慧课堂认同度与社会影响力。

4.3 加强综合应用实践，提高中学生信息技能

一方面，增加学生主动探索新事物的机会，广泛开展信息技术类综合实践课和中学机器人竞赛、程序设计大赛、多媒体比赛等各种信息技术比赛，培养学生创新思维，加大中学生信息素养和创新能力的培养。另一方面，丰富课堂教学模式，增加课堂趣味性，激发中学生学习的兴趣，营造良好的课堂氛围，提高学习意愿。

5 参考文献

[1] 教育部关于印发《教育信息化2.0行动计划》的通知[A/OL].（2018-05-25）[2023-06-27].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2] 中共中央、国务院印发《中国教育现代化2035》[EB/OL].（2019-09-23）[2023-09-24].http：//www.moe.gov.cn/jyb_xwfb/s6052/moe_838/201902/t20190223_370857.html.

[3] 周炫余，唐丽蓉，卢笑，等.中小学教师对智慧教育装备的接受度及其影响因素[J].现代教育技术，2021，31（3）：97-103.

[4] 陈川，叶阳梅，孙卫华，等.中小学教师智慧教室接受度影响因素研究[J].现代教育技术，2020，30（4）：101-106.

[5] 付晓冰.教育信息化环境下的中小学智慧课堂建设研究[J].教学与管理，2020（36）：6-9.

[6] 刘邦奇.智慧课堂的发展、平台架构与应用设计：从智慧课堂1.0到智慧课堂3.0[J].现代教育技术，2019，29（3）：18-24.

[7] Hyunmin C， Jeongmin L， Boram C. Determinants of Secondary Teacher Acceptance to use Smart Device and Moderator Effects of Gender， Age， and Experience[J].Korean Association for Educational Information and Media，2015，21（2）：265-288.

[8] 李世瑾，顾小清.中小学教师对人工智能教育接受度的影响因素研究[J].现代远距离教育，2021（4）：66-75.

[9] 文书锋，赵丽红，孙道金.基于UTAUT模型的移动学习APP使用意愿研究[J].成人教育，2019，39（10）：19-23.

[10] 马如宇.影响移动学习用户使用态度的前置性和潜在性因素解析：基于扩展式科技接受模型的视点[J].实验教学与仪器，2009，26（10）：61-64.

[11] Ali R A， Arshad M. Perspectives of Students' Behavior Towards Mobile Learning （M-learning） in Egypt： an Extension of the UTAUT Model[J]. Engineering， Technology and Applied Science Research， 2016，6（4）：1109-1114.

[12] Badwelan A， Drew S， Bahaddad AA. Towards Acceptance M-learning Approaching Higher Education in Saudi Arabia[J].International Journal of Business and Management，2016，11（8）：12-30.

[13] 欧阳琪.基于技术接受模型的初中教师智慧课堂教学行为影响因素研究：以深圳市P区为例[D].上海：华东师范大学，2022.

[14] 王钰彪，万昆，任友群.中小学教师机器人教育接受度影响因素研究[J].电化教育研究，2019，40（6）：105-111.

[15] 张妍，曹雅妮，高原.中小学教师人机协作教学接受度研究[J].中国现代教育装备，2022（16）：64-68.

[16] 鲍日勤.开放教育学习者移动学习使用意愿影响因素研究[J].远程教育杂志，2017，35（3）：102-112.

[17] 张海静.网络学习环境下技术接受影响因素及模型研究[D].保定：河北大学，2010.

[18] 熊明珠.大学生移动学习接受度的影响因素研究[D].苏州：苏州大学，2015.

[19] 周晓清，毛方吉，詹春青，等.中小学管理者对智慧课堂的认知及其态度调查：基于377份中小学管理者的调查问卷分析[J].现代教育技术，2021，31（5）：104-110.

[20] 陆叶丰，易素萍，恽如伟.智慧教学平台的教师使用意愿研究：以三个城市的中小学智慧课堂教学实践为例[J].现代教育技术，2019，29（9）：46-52.

[21] 唐益柳.卓越中学信息技术教师专业能力调查研究[D].安庆：安庆师范大学，2022.

[22] 胡莹.智慧教育背景下中学英语教师信息技术能力调查研究[D].安庆：安庆师范大学，2022.

[23] Iacobucci D. Structural equations modeling： Fit Indices，sample size， and advanced topics[J].Journal of Consumer Psychology， 2010，20（1）：90-98.

*项目来源：安徽省高等学校省级质量工程项目——“六卓越一拔尖”卓越人才培养创新项目“卓越中学信息技术教师培养计划”（2019zyrc069）；安徽省教育科学研究项目“中小学生智慧课堂接受度及其影响因素研究”（JK22009）；院级研究生项目“基于UTAUT的智慧课堂中学师生接受度模型”。

作者简介：韦伟，副教授；丁象，一级教师。