互联网高速发展加快了教育信息化。近几年,基于互联网技术的大规模开放式在线课程(Massive Open Online Course,简称MOOC,音译为慕课)受到广泛关注。慕课将优质教育资源社会化,并突破时空和身份限制,使得社会大众借助互联网即可随时随地学习相关课程。例如,清华大学学堂在线的《财务分析决策》课程,学习者遍布201个国家和地区。相较于传统课堂,MOOC这类在线课堂更好地适应研究生学习的相对独立性和自主性要求。2015年教育部深化研究生教育改革,以推进在线课程建设作为突破口。在此背景下,越来越多的高校开始了MOOC建设,并把MOOC作为提高学校影响力手段之一。[1]MOOC发展的关键是用户使用意愿,那么,高校研究生使用MOOC受哪些因素影响呢?对此,本文拟通过实证研究,具体了解高校研究生使用MOOC意愿的影响因素,以为高校和教育部制定MOOC发展策略提供指导。
一、 文献综述 (一) MOOC及其特点MOOC是指大规模开放式在线课程,或者说是面向社会大众的网络课程。MOOC一词最早用于解释“关联主义学习理论和连接的知识”。MOOC模式主要有两类:基于连接主义理论的xMOOC和基于行为主义理论的cMOOC。xMOOC侧重于课程视频和讲授,cMOOC侧重于知识构建和课程创新。
MOOC有三个公认特点:一是大规模,即同时参与学习的人数不受限制;二是网络化,即教与学活动主要发生在网络环境里;三是开放共享,即参与者不必是在校注册学生,而是面向社会大众。有学者认为,除了上述特点之外,MOOC还有免费性、学习自发性和自主性[2]以及高度互动性[3]等特点。
(二) 在线学习平台使用意愿影响因素使用意愿是指使用行为的心理倾向。[4]Yeung等(2007) 通过对香港公司员工使用在线学习平台意愿研究发现,感知有用、感知易用、系统质量、信息质量和服务质量对顾客满意有促进作用。[5]Hung等(2008) 研究发现,兼容性、自我效用、感知有用和满意度对在线学习平台使用意愿有显著影响。[6]CHENG等(2009) 研究发现,界面设计和感知易用对感知有用性有显著影响,感知有用和使用满意对继续使用意愿有显著影响。[7]Islam(2011) 使用UTAUT模型对在线学习使用意愿进行研究发现:系统易接近性对继续使用意愿有显著影响,感知易用性对继续使用意愿没有影响,教师影响和技术支持对学生使用态度不产生影响。[8]
国内学者张海静(2010) 通过对网络教育使用意愿研究发现,感知信息技术有用性、资源促进条件、感知信息技术易用性、同伴影响以及自我效能是影响网络教育使用意愿的重要因素,而教师影响和技术支持对学生使用态度不产生影响。[9]谢爱珍(2012) 研究发现,预期绩效、预期努力、社群影响以及感知趣味性对于手机移动学习使用意愿有显著影响。[10]魏温远(2013) 研究发现,易用性、有用性、可靠性、情感满足和趣味性对于在线培训系统使用意愿有显著影响。[11]
(三) 高校研究生学习特点研究生阶段的学习有三个基本任务:打好本学科以及交叉学科的知识基础;掌握科研规范和学术标准;培养获取信息和创造新知识的能力。除此之外,研究生的学习还具有主动性、专业性和创新性等特点。Caffarell(1993) 认为,研究生属于自我导向型学习,即每个个体在他人或没有他人帮助下,在诊断学习需求、明确学习目标、识别学习资料、选择和执行学习策略以及评价学习成果等学习过程都独立自主和积极主动地学习。[12]由上可见,基于研究生学习特点,研究生更适宜于通过MOOC学习相关知识。因为研究生学习特点与MOOC特点具有吻合性。
(四) 高校研究生MOOC使用意愿影响因素关于MOOC使用意愿影响因素,现有研究较少;关于高校研究生使用MOOC意愿影响因素,理论研究基本上是空白。XUF(2015) 研究发现,感知有用性和感知易用性对MOOC使用意愿有显著影响[13];Davis等(2014) 研究发现,高校学生使用MOOC动机主要是免费性、趣味性和更新知识[14];Karin Forssell等(2015) 研究发现,与同伴共同参与是学习者使用MOOC的主要动机,且此动机对学习者感知满意度有重要影响[15];方旭(2015) 研究发现,主观规范和有用性感知对学习者使用MOOC有显著影响。[16]
由上可知,关于MOOC使用意愿影响因素,一是研究缺乏系统性,没有总结和提炼出基本影响因素;二是没有对各影响因素重要程度进行排序,以至于无法指导MOOC建设者按照轻重缓急开展MOOC建设;三是研究过于笼统,没有分别对高校本科生、研究生以及社会人员使用MOOC意愿进行研究,以至于无法指导高校有针对性地开发MOOC。基于此,本研究拟通过实际调研,具体探究高校研究生使用MOOC意愿的影响因素,以丰富相关理论和指导高校研究生院MOOC建设实践。
二、 实证研究 (一) 影响因素提炼分别采用深度访谈和问卷调查法探寻和提炼高校研究生使用MOOC意愿影响因素。首先,通过对15位高校研究生(包括10位硕士研究生和5位博士研究生,他们都有MOOC学习经历)进行深度访谈(共访谈3次,分别是硕士研究生2次和博士研究生1次,每次访谈时间约1.5小时;访谈方法是让被访者回忆最近经历的一次完整的MOOC学习过程,并陈述其选择MOOC学习的影响因素以及满意程度,研究者如实记录和录音),共提炼出28个影响因素(根据记录和录音进行整理,然后让被访者确认)。其次,针对访谈所提炼出的28个问题,在高校研究生中进行了预调查,发放问卷80份,回收72份,删除因子载荷较小(Loading值<0.5) 的6个观测变量后,共有22个观测变量被检验,如表 1所示。
![]() |
表 1 观测变量 |
调查问卷共分三部分:一是引导语,介绍调研目的、填写要求以及保密承诺;二是调查对象信息,包括性别、年龄和学历;三是调查问题——要求调查对象回忆近半年内经历的印象较为深刻的MOOC学习过程,并对MOOC使用意愿影响因素进行选择。采用Likert 5级量表进行记录,分数越高表示越同意,分数越低表示越不同意。
本次调查是在合肥市进行的,共调查4所高校。调查方法是利用研究生上课休息时间由研究者深入教室发放问卷和现场回收。共发放问卷300份,回收271份,剔除无效问卷22份后(没有MOOC学习经历和填写矛盾),有249份问卷进入统计分析(符合Boomsma关于“研究人员想要减少得出错误结论的风险,样本至少200份[17]”的要求)。
三、 数据统计与分析 (一) 描述性统计采用描述性统计方法对样本进行统计,结果如表 2所示。
![]() |
表 2 样本分布状况 |
从表 2可知:(调查对象在性别分布上基本均衡;(调查对象年龄主要集中在20~30岁,这符合高校研究生实际年龄状况;(调查对象学历多是硕士研究生,这比较符合高校硕士研究生和博士研究生比例状况。
(二) 探索性因子分析和信度检验为将问卷中的22个问项进行有效归类,采用SPSS22.0软件进行探索性因子分析(样本数据Bartlett球形检验的KMO值为0.910,Sig.=0.000,表明22个观测变量有共同因素存在,适合进行探索性因子分析),令特征值大于1,采用最大方差法进行直交转轴旋转,结果如表 3所示。
![]() |
表 3 探索性因子分析与信度检验 |
从表 3可知: ①问卷中的22个题项均清晰地负荷在系统提取的5个因子上,且累积方差解释达71.009%,说明5个因子对样本方差解释可以接受,即将22个观测变量归为5个因子是适合的;②依据5个因子各自包含题项和借鉴前人研究成果,并征询相关专家意见,将5个因子分别命名为易用性(包括学习形式简单、平台容易掌握、平台界面友好、操作简便、操作流畅)、声望(包括平台声望较高、参与的大学较好、授课者很有名气、具有较高知名度)、互动性(包括随时评价课程、学习者互动、师生互动、平台消息推送)、可靠性(包括信息真实、确保个人隐私、链接安全可靠、兑现承诺、提供信息可信)和关怀性(包括热情友好、主动了解需求、主动沟通、关心学生);③Cronbach's Alpha系数值均高于建议值0.7,说明问卷设计具有良好的信度。
(三) 验证性因子分析为检验探索性因子分析结果以及问卷信度和效度,采用AMOS21.0软件进行验证性因子分析(χ2/df =1.584、RMSEA=0.049、CFI=0.964、GFI=0.891、NFI=0.910,除GFI接近建议值0.9外,其他均符合建议值,表明数据和结构方程模型拟合程度良好),结果如表 4和表 5所示。
![]() |
表 4 验证性因子分析 |
![]() |
表 5 平均方差抽取量平方根和相关系数的综合矩阵 |
从表 4可知:①所有观测变量的载荷值均在0.6以上,表明个别观测变量的信度都达到了显著水平(罗海成认为,信度达0.6即可以接受[18]);②5个因子的平均方差抽取量均大于0.5,表明观测变量具有较好的聚集效度(吴明隆认为,平均方差抽取量一般应大于0.5[19]),即模型内在质量较好;③5个因子的组合信度系数值均大于0.8,表明模型内在质量较好(吴明隆认为,组合信度值在0.60以上,表示模型内在质量理想[19]),即量表内部具有较好的一致性。
从表 5可知,所有潜在变量的平均方差抽取量平方根(即对角线数值)均大于与其他变量的相关系数(即对角线以下数值),说明模型具有较好的区别效度。
(四) 多元回归分析为了解使用意愿与各因子的依存关系,采用强制进入方式进行多元回归分析,结果如表 6所示。
![]() |
表 6 多元回归分析 |
从表 6可知:①模型整体上是合适的,各因子不存在明显的多重共线性;②易用性、声望、信任性和关怀性对MOOC使用意愿有显著影响,互动性对MOOC使用意愿影响不显著。
(五) 权重分析本文参考国外权重计算方法,对使用意愿有显著影响的因子进行权重分析。本文计算公式如下。其中,λkl到是λk18各个主成分线性组合中的系数,由各因子载荷值除以对应的特征值的平方根,μk是贡献率。
${\rm{F = }}{{\sum\limits_{k = 1}^4 {{\lambda _{k1}}{\mu _k}} } \over {\sum\limits_{k = 1}^4 {{\mu _k}} }}{{\rm X}_1} + {{\sum\limits_{k = 1}^4 {{\lambda _{k2}}{\mu _k}} } \over {\sum\limits_{k = 1}^4 {{\mu _k}} }}{{\rm X}_2} + \ldots + {{\sum\limits_{k = 1}^4 {{\lambda _{k18}}{\mu _k}} } \over {\sum\limits_{k = 1}^4 {{\mu _k}} }}{{\rm X}_{18}}$ |
各因子的权重排名为:关怀性、声望、易用性和可靠性。
“关怀性”是影响高校研究生选择MOOC的第一位因素。这是因为,学生有传统教育学习的习惯,即使远程网络视频教学不同于面对面教学,教学内容是事先录制的,学生们仍然希望授课教师在教学过程中态度和蔼、热情友好,希望老师的积极情绪给自己带来积极影响。因此,该因素对高校研究生选择MOOC影响程度最高。
“声望”是影响高校研究生选择MOOC的第二位因素。这是因为,现实的学习环境具有一定的局限性,而学习者借用MOOC 平台可以享受优秀资源。MOOC平台的建设者都是国内的名校,授课教师在现实生活中也具有较高的声望,因此,MOOC的声望对使用意愿的影响为第二位的。
“易用性”是影响高校研究生选择MOOC的第三位因素。这是因为,网络给人们带来的最大方便就是节省成本,如果过于复杂,必然增加顾客成本,进而被顾客所抛弃。
“可靠性”是影响高校研究生选择MOOC的第四位因素。这是因为,一般来说,可靠和信任是选择的前提和基础,但当前各高校对MOOC平台建设以及授课老师选择都十分重视,即此因素是值得研究生信任的,从而该因素成为了第四位因素。
“互动性”对高校研究生选择MOOC影响不显著,因此不参与权重分析。一是因为师生面对面授课互动性更好,研究生不会因为基于追求“互动性”而选择MOOC学习方式;二是因为中国学生(包括研究生)普遍含蓄、内向,更多地是接受知识,不善于表达和质疑,没有养成互动的习惯,从而对“互动性”要求不高。
(六) 独立样本T检验为检验调查对象性别、年龄和学历对于5类因素有无影响,分别以性别、年龄和学历作为自变量做独立样本T检验,结果发现,性别、年龄和学历对于5类因素影响均不显著(此数据不再展示),即高校研究生使用MOOC意愿不受性别、年龄和研究生层次的影响。
四、 结论与不足 (一) 结论和启示通过本研究,得到以下基本结论及其相应启示:
首先,影响高校研究生MOOC使用意愿的22个因素可归纳为5类,分别是易用性、声望、互动性、可靠性和关怀性。其中,除“互动性”对MOOC使用意愿影响不显著外,其他4类因素对高校研究生MOOC使用意愿均有显著影响。基于此,高校研究生院可从这4类因素入手进行MOOC建设。
其次,依据对高校研究生MOOC使用意愿影响程度大小,依次是关怀性、声望、易用性、可靠性。基于此,高校研究生院在进行MOOC建设时,应当:第一,增加关怀性,包括热情友好对待学习者、主动了解学生需求、主动与学生进行沟通、最大程度上关心学生。第二,增加平台声望,包括选择国内名校进行合作建设平台、课程要选择各高校的强势课程、口碑较好的老师和加强平台的宣传力度等。第三,提高易用性,即学习平台容易掌握、学习平台界面设计友好、操作简便、操作流畅、学习形式简单甚至可以随时随地学习。第四,提高可靠性,包括MOOC提供者真实可信并充分兑现承诺、教学内容科学可靠、确保所有链接安全可靠以及保护学习者个人隐私。最后,高校研究生性别、年龄和学历对于MOOC使用意愿没有影响,高校研究生院在进行MOOC建设时不需要关注性别、年龄和研究生层次因素。
(二) 不足和建议本研究可能存在这样一些不足:①研究方法不足——问卷调查法虽然方便统计,且能保证样本独立不受干扰,但由于是事后调查,被调查者可能存在记忆模糊现象,以至于不能完全客观和准确地填写问卷,建议未来研究者采用一对一深度访谈法进行调查。②地域和样本过于集中——本次调查是在合肥市四所高校进行的,地域和样本相对集中,可能会影响调查结论,建议未来研究者在更大范围和更多高校进行调查。
[1] | SANDEEN C. Integrating MOOCS into traditional higher education: the emerging "MOOC 3.0" Era[J]. Change: The Magazine of Higher Learning, 2013,45(6): 34–39. DOI: 10.1080/00091383.2013.842103 |
[2] | 樊文强. 基于关联主义的大规模网络开放课程 (MOOC) 及其学习支持[J]. 远程教育杂志, 2012(3): 1–36. |
[3] | KNUTAS A, IKONEN J, NIKULA U, et al. Increasing collaborative communications in a programming course with gamification: a case study[C]. Proceedings of the 15th International Conference on Computer Systems and Technologies: ACM, 2014: 370-377. |
[4] | HARRISON P, SHAW R. Consumer satisfaction and post-purchase intentions: An exploratory study of museum visitors[J]. International Journal of Arts Management, 2004,6(2): 23–32. |
[5] | YEUNG P, JORDAN E. The continued usage of business e-learning courses in Hong Kong corporations[J]. Education and Information Technologies, 2007,12(3): 175–188. DOI: 10.1007/s10639-007-9042-8 |
[6] | HUNG H, CHO V. Continued Usage of E‐learning Communication Tools: A Study from the Learners' Perspective in Hong Kong[J]. International Journal of Training and Development, 2008,12(3): 171–187. DOI: 10.1111/ijtd.2008.12.issue-3 |
[7] | CHO V, CHENG T E, LAI W J. The role of perceived user-interface design in continued usage intention of self-paced e-learning tools[J]. Computers & Education, 2009,53(2): 216–227. |
[8] | ISLAM A. 24th Bled eConference eFuture: Creating Solutions for the Individual[C]. Bled, Slovenia: Organisations and Society, 2011:546-557. |
[9] | 张海静. 网络学习环境下技术接受影响因素及模型研究[D]. 石家庄:河北大学, 2010. |
[10] | 谢爱珍. 基于 UTAUT 大学生手机移动学习使用意愿影响因素研究[D]. 杭州:浙江师范大学, 2012. |
[11] | 魏温远. 基于用户感知体验的在线培训系统可用性与使用意愿影响研究[D]. 杭州:浙江大学, 2013. |
[12] | CAFFARELLA R S, OLSON S K. Psychosocial development of women: A critical review of the literature[J]. Adult Education Quarterly, 1993,43(3): 125–151. DOI: 10.1177/0741713693043003001 |
[13] | XU F. Research of the MOOC study behavior influencing factors[C]. Proceedings of international conference on advanced information and communication technology for education, Amsterdam, Netherlands: Atlantis Press, 2015: 18-22. |
[14] | DAVIS H C, DICKENS K, LEON URRUTIA M, et al. MOOCs for Universities and Learners an analysis of motivating factors[C] 6th International Conference on Computer Supported Education: INSTICC, 2014:105-116. |
[15] | FISSER P, ROSENBERG J, TESKE J, et al. Technological Pedagogical Content Knowledge (TPACK): Revision and Rethinking[C]. Society for Information Technology & Teacher Education International Conference: Association for the Advancement of Computing in Education (AACE), 2015: 8417-8421. |
[16] | 方旭. MOOC 学习行为影响因素研究[J]. 开放教育研究, 2015(3): 46–54. |
[17] | Boomsma A. The robustness of LISREL against small sample sizes in factor analysis models, Systems under indirect observation: Causality, structure, prediction[C]. Amsterdam: Elsevier, 1982: 149-173. |
[18] | 罗海成. 营销情境中的心理契约概念及其测度研究[J]. 数理统计与管理, 2006(5): 574–580. |
[19] | 吴明隆. 结构方程模型—AMOS的操作与应用[M]. 重庆: 重庆大学出版社, 2009 . |