疫情时期规模化在线学习行为意向影响因素分析

摘  要：互联网发展为教学模式变革提供技术支持，特别是新冠肺炎疫情的到来加速大众对在线学习的认知和接受程度。文章以重庆市某高校在线学习平台的学生为研究对象，基于任务技术匹配模型（TTF）和技术接受模型（TAM）构建在线学习行为影响因素模型，采用结构方程探索各影响因素之间的关系。研究发现，技术特征对任务技术匹配、任务特征对任务技术匹配、任务技术匹配对行为意向和感知易用性对行为意向影响显著，其中技术特征、任务技术匹配和感知易用性是行为意向的关键性影响因素。

关键词：TTF;TAM;技术特征;任务技术匹配;感知易用性;在线学习

中图分类号：G434       文献标志码：A          文章编号：2096-000X（2022）21-0065-05

Abstract： The development of the Internet has provided technical support for the transformation of teaching mode and the arrival of the COVID-19 has accelerated the public's cognition and acceptance of online learning. Based on the Task-Technology Fit Model （TTF） and Technology Acceptance Model （TAM）， the researchers， taking the students of an online learning platform of a university in Chongqing as the research object， aim to construct the influencing factors model of online learning behavior and explore the relationship between the influencing factors by using structural equation. The results of the analysis show that technical characteristics have significant effects on task-technology fit and so do task features on task-technology fit， task-technology fit on behavioral intention and perceived ease of use on behavioral intention， among which technical characteristics， task-technology fit and perceived ease of use are the key influencing factors of the students' behavioral intention.

Keywords： TTF; TAM; technical characteristics; task-technology fit; perceived ease of use; online learning

“互联网+教育”是将网络技术和教育相结合的一种新型教育形式。全球高校开启慕课等在线教育是在2011年，随着对慕课研究的不断深入，人们发现慕课与传统教育相比具有突破时空的限制、学习方式更为灵活、学习内容可回看等优势，但是也存在教学模式单一、缺乏学习监督机制、课程完成率低等问题。针对这些问题，学者提出了SPOC等新的教学方式，这些在线教育也逐渐成为课堂教学的有益补充。

为推进高校教学质量的提升，我国出台了“金课建设计划”就是一流课程“双万计划”，即从2019年起经过3年左右的时间，建成10 000门左右国家级一流课程和10 000门左右省级一流课程。国家级一流课程分为线上一流课程、线下一流课程、线上线下混合式一流课程、虚拟仿真实验教学一流课程和社会实践一流课程五类，其中线上课程和线上线下混合式课程是一流课程的主要形式。

虽然在线教育有着诸多优势，但是在线教育的教学效果在国内还未得到普遍的认同。在新冠肺炎疫情发生之前，在线教育在我国的学习效果却不尽如人意。2020年新冠肺炎疫情发生后，我国所有学校严格按照教育部“停课不停学”的精神，积极开展线上教学，教育部高等教育司统计结果显示，截至2020年12月全国高校合计开课1 700多万门次，学生在线学习共计35亿人次，我国慕课的数量达到3万门左右，学习人次达到5亿人次左右，慕课的规模和数量已成为全球第一。

虽然在线教育的规模和数量在我国发展较快，但是发展时间比较短，所以国内学者对在线教育的研究还不充分，因此还需要对学生的在线学习行为进行深入研究。本文以重庆市某高校在线学习平台为研究对象，对高校学生在线学习行为进行研究，旨在为在线学习行为的进一步研究提供参考。

一、研究设计与数据分析

（一）研究样本与统计分析

本次的研究样本是以重庆市某高校在线学习平台的学生为研究对象，对平台学习者学习行为进行研究。平台有在线学生25 496人，选课学生307 411人次，作业答题289 874份，考试答题184 031份，视频回帖86 421帖，具体数据如图1所示。

如图2所示，平台学生的学习时间主要集中在9：30-23：30，高峰时期是18：00-21：00。这表明高校大学生更喜欢在傍晚进行在线自主学习，而且深夜11点左右还有不少的学生在进行学习，这和传统教学的学习时间是不同的，但这与高校大学生通常的作息时间却是相符的。

从平台中随机抽取课程，观察视频学习情况如图3所示。学生从电脑端观看学习视频41 540次，占视频观看总视频次数的71.35%，从手机或PAD等移动设备观看学习视频16 678次，占视频观看总视频次数的28.65%，数据表明学生更愿意从电脑端观看视频。但是发帖情况显示，电脑端发帖377次，占总发帖次数的44.72%，移动端发帖466次，占总发帖次数的55.28%，数据表明学生更习惯使用移动端发帖、回帖，这与移动设备的便利性有很大的关系。

2020年2月，教育部对全国的学校作出要求，利用网络平台，实现“停课不停学”。各地高校积极响应国家号召，调整授课计划和授课方式，将线上教学落到实处。从图4可以看出，平台在线学习人数和人次从2020年3月中下旬开始逐步上升，学习人数和人次的高峰出现在5月中下旬。这恰好与教育部发布的相关文件精神是一致的，从侧面印证了平台数据的真实性和可靠性。

图3 视频报表

（二）研究模型与问卷设计

1. 研究模型

1986年DAVIS首次提出TAM模型（Technology Acceptance Model），主要包含6个研究变量，分别为感知有用性、感知易用性、用户态度、使用意向、实际使用行为和外部变量。研究者在此基础上构建了许多同类模型，例如TAM2、TAM3以及UTAUT等模型。本文以任务技术适配模型（TTF）和技术接受模型（TAM）为基础，构建在线学习行为的研究模型，提出如下假设。

H1：任务特征与任务技术匹配正相关;

H2：技术特征与任务技术匹配正相关;

H3：在线学习感知有用性与行为意向正相关;

H4：在线学习感知易用性与行为意向正相关;

H5：任务技术匹配与行为意向正相关。

模型将学生的行为意向作为主要的衡量指标，它由在线学习感知有用性、在线学习感知易用性和任务技术匹配三个因素共同决定;任务特征和技术特征则是任务技术匹配的两个决定性因素，具体如图5所示。

图5 在线学习行为影响因素模型

2. 问卷设计

问卷将在线学习行为的影响因素分5个方面，分别为任务特征、技术特征、任务技术匹配、感知有用性、感知易用性。问卷采用李克特5级量表标度法，对影响因素的重要性进行分级，1表示“非常不重要”，2表示“不太重要”，3表示“一般”，4表示“比较重要”，5表示“非常重要”，具体见表1。

（三）数据分析

本研究通过网络定向发送问卷的方式收集调查数据。整个问卷累计发放25 496份，收回23 948份，回收率为93.9%，其中有效问卷22 894份，问卷有效率为95.6%。

1. 信度分析

利用软件SPSS21.0对问卷进行信度分析，其结果见表2。表中各分量的信度系数以及总体信度都大于0.8，说明问卷所有变量一致性信度较高。

2. 模型的拟合和检验结果

利用软件AMOS22.0进行结构方程拟合检验，拟合指数见表3。表3中的拟合指数RFI、IFI、CFI的数值都大于0.9，说明模型的拟合度良好，模型的结果可以采纳。

本文对构建的模型运用极大似然估计法进行拟合，得到表4和图6。从表4可以看出，技术特征对任务技术匹配、任务特征对任务技术匹配、任务技术匹配对行为意向和感知易用性对行为意向4条路径在0.001的水平上影响显著，感知有用性对行为意向在0.05的水平上影响显著。

模型结果显示，技术特征和任务特征对任务技术匹配的影响路径标准回归系数分别为0.740、0.668，说明技术特征对任务技术匹配影响因素较大;任务技术匹配、感知有用性和感知易用性对行为意向的影响路径标准回归系数分别为0.477、0.188和0.402，说明任务技术匹配、感知易用性对行为意向影响因素较大。

二、结论与建议

突如而来的新冠肺炎疫情加速了我国教师和学生对在线学习的认知，规模化的在线学习为在线学习行为研究提供了大量的研究数据，也为高校改革教学模式创造了机遇。本研究发现，技术特征、任务技术匹配和感知易用性是行为意向的关键性影响因素。所以，建议在线学习平台要注重课程设计，强化平台的技术特征和任务技术匹配性，完善学校的课程资源，利用校内在线学习平台引入市场上成熟稳定的视频资源，实现学生在线学习行为全部在校内平台上实现。此外，建议持续优化平台各项功能，注重平台的交互性设计，提升平台的易用性体验，尽可能提升学生的学习兴趣，充分调动学生的学习积极性;同时，要持续加强平台的稳定性建设，最大程度提升学生在线学习的感知易用性，提升学生在线学习的投入程度，从而提升学生的学习效果。

参考文献：

[1]代鸿.基于TTF和UTAUT模型的MOOC学习行为研究[J].知识文库，2019（9）：58-59.

[2]杨雪飞.基于SPOC的大学英语教学模式构建及影响因素研究[J].外国语文，2019（2）：146-154.

[3]肖君，乔惠，李雪娇.大数据环境下在线学习者画像的构建[J].开放教育研究，2019，25（4）：111-120.

[4]石雪，杨晓娟.混合式学习中大学生在线学习力影响因素研究[J].现代教育技术，2020（4）：95-100.

[5]贾文军，郭玉婷，赵泽宁.大学生在线学习体验的聚类分析研究[J].中国高教研究，2020（4）：23-27.

[6]胡小平，谢作栩.疫情下高校在线教学的优势与挑战探析[J].中国高教研究，2020（4）：18-22，58.

[7]荆永君，李昕，姜雪.在线学习行为意向影响因素分析及后疫情时代的教育启示[J].中国电化教育，2021（6）：31-38.

[8]张丽园，洪如霞.基于数据分析的学生在线学习行为研究[J].豫章师范学院，2021（2）：87-91.

[9]薛艳肖，徐润森，侯开宇.互联网在线学习行为研究的热点及趋势——基于CSSCI和SCI文献的CiteSpace可视化分析[J].中国教育信息化，2021（7）：14-19.

[10]孔丽丽.在线学习行为影响因素模型研究——基于行为科学理论的评述[J].开放学习研究，2017，22（5）：46-53.

[11]陈辰.新冠肺炎疫情下大学生在线学习投入的研究综述[J].海峡科技与产业，2020（8）：42-44.

[12]汪翼.工程经济学课程在线学习与学习绩效相关性研究[J].高教学刊，2021（16）：59-62.

[13]韩昊.数字化学习环境下学生在线学习行为分析模型研究[J].数字技术与应用，2020，38（11）：79-81.

[14]杨雪飞.微媒体视域下的大学英语教学研究探索[J].校园英语，2018（5）：42.