高校教师移动学习融入教学的准备研究

马海英 刘乐文

摘 要：高校教师的移动学习准备状况是移动学习成功融入教学的关键因素。本文以上海、广东、吉林、北京等地区的222名高校教师为研究采样对象，测量了移动学习量表中的28个题目，并进行了因子分析，得到五个公因子，分别为移动学习融入高校教学的可能性、益处、偏好、外部影响和忧虑，分析了高校教师移动学习融入教学的准备情况，并应用方差分析、相关分析、回归分析等方法进一步探究了高校教师技术整合水平、教学方式倾向、年龄和性别等与移动学习准备之间的关系，最后提出了有针对性的建议。研究发现，高校教师的移动学习融入教学的准备状况不够充分；高校教师的技术整合水平、未来教学方式倾向和年龄均与移动学习准备情况呈显著的相关关系，教师性别与其移动学习准备情况没有明显的相关性。

关键词：高校教师；移动学习准备；技术整合水平；教学方式倾向

一、问题的提出

移动学习是使用手持设备（如手机、平板电脑等）进行学习的过程。[1]随着移动设备的不断普及应用和互联网的快速发展，移动学习越来越多地被应用到正规的教育环境中。[2]有研究结果显示，在各种教育层次中应用移动设备最多的是高等教育，并且随着移动技术的应用呈不断增长趋势，高等院校已经成为移动学习应用的主要阵地[3]。针对高校移动学习应用的研究，大多数是基于学生角度和移动学习平台设计角度的分析，而忽视了教师才是技术应用和传统教育方式改革的主要推动力[4]。

目前国内外学者在移动学习领域从高校教师角度的研究比较少，主要有三个方面——教师感知、教师能力和教学影响因素。在高校教师对移动学习的感知方面，Handal、MacNish和Petocz通过对高校教师的定性研究，揭示了许多教师对移动学习教学有效性的误解，并分析了教师在移动学习教学中的教学问题、课程问题及组织问题[5]；Hargis、Cavanaugh和Kamali基于聯邦高等教育实施的ipad移动学习计划，对高校教师进行访谈、调查以及收集教师的自我反馈，以探究教师对移动学习有效性的感知[6]；Fraga通过分析大学教师对移动学习的信念量表来研究移动学习教学在高等教育环境中的信任度[7]。在高校移动学习教学所需的教师能力方面，Elbarbary基于综合法和德尔菲法识别了高校教师进行移动学习教学所必需的核心能力——技能、知识和态度[8]。另外，在从高校教师角度探究移动学习教学的影响因素方面，Alrasheedi和Capretz通过对本科和研究生导师的调查研究，分析了在高校成功实施移动学习的影响因素[9]；秦超用叙事研究方法对一位高校教师的移动学习过程进行个案分析，讨论了移动环境下的学习绩效评价，对影响高校教师移动学习绩效的因素进行了梳理和提炼[10]。然而很少有文献基于高校教师的视角来研究移动学习融入教学的准备情况。对于应用和实施移动学习，教师的准备状况是移动学习融入教学的关键因素。[11]随着移动设备不可避免地涌入到教学过程中，有必要研究高校教师将移动学习融入教学的真实准备情况，并通过探究高校教师的自身因素与移动学习准备的关系，建立对高校教师移动学习准备的系统性研究。

二、研究思路

移动学习准备是个人接受或使用移动技术融入正式或非正式学习活动的倾向程度[12]，它可能是由个人的技术应用情况或相关经验形成的[13][14]，也可能是由于组织对于技术或设备管理的变更而发生的一种行动和学习状态[15][16]。从教师的角度来说，移动学习准备情况是与教师对移动学习融入教学的倾向程度，对移动技术或设备的感知和应用情况，以及教学环境对教师应用移动技术或设备教学的支持程度有关。

教师较低的自我效能（比如缺乏有效整合移动技术的知识）会阻碍移动技术或设备在教学中的使用[17]，并且将移动学习融入课堂的准备情况与其职业发展风格的倾向有关[18]，这表明移动学习准备与教师的技术整合能力和未来教学方式倾向（在线教学、混合教学、面对面教学）有关。有研究表明，移动学习准备调查是用来评估教师对移动学习融入教学的接受程度和准备情况的有效方法，是评估移动学习准备的有效措施[19]，而且一个有效的移动学习准备量表对于衡量移动学习融入教学的准备情况是非常重要的[20]。

根据以上实践经验和相关文献，本文基于高校教师的移动学习准备量表，分析了移动学习融入教学的准备情况，并探究了高校教师技术整合水平、教学方式倾向、年龄和性别等与移动学习准备之间的关系。以期通过实证研究得出的结论为未来推动高校教师将移动学习更好地融入教学提供可以参考的依据和指导。

三、研究假设

（一）技术整合水平与移动学习准备

教师的技术整合水平可以衡量其移动技术或设备的实际使用情况，技术整合水平较高的高校教师对移动技术应用的熟练程度也较高，从而更容易在教学当中应用移动技术或设备。因此，高校教师的技术整合水平可能会对移动学习融入高校教学的准备情况有着显著的正向影响。本文提出假设H1：教师的技术整合水平越高，移动学习融入教学的准备情况越好。

（二）未来教学方式倾向与移动学习准备

高校教师对未来教学方式的倾向主要包括三个方面：在线教学、混合教学和面对面教学。教师对未来教学方式的倾向在一定程度上表明了其对移动学习融入高校教学的态度以及对实施移动学习可能性的感知。倾向在线教学的教师可能对移动学习融入教学有完全支持的态度，并且可能认为移动学习比传统教学方式更有效果；混合教学是指在线教学和面对面教学相结合的一种教学方式，具有这种教学方式倾向的教师可能会认为移动学习有融入教学的可能性，并且这种教学方式会为传统教学方式带来改进；面对面教学是传统教学方式，具有这种教学方式倾向的教师可能认为移动学习对高校教学没有帮助或带来不良的影响，因而更认可传统教学方式。因此，本文认为未来教学方式倾向不同的高校教师，其移动学习准备状态有着显著的差异，提出假设H2：教师的未来教学方式倾向与移动学习融入高校教学的准备状况具有显著的相关关系。

（三）教师年龄与移动学习准备

相比于年轻教师，年龄较高的高校教师在实施移动学习的过程中对移动设备的应用明显存在更多障碍和不适应[21]，并且他们习惯了传统教学方式，可能对于教学方式的转变准备得不够充分，因此本文提出假设H3：教师年龄与移动学习准备状况具有显著的负向相关性。

（四）教师性别与移动学习准备

移动技术和设备的使用可能并不会给不同性别的教师带来不同的感知和倾向。因此，本文提出假设H4：不同性别的高校教师的移动学习准备状态不会有显著性差异。

四、实证分析

（一）问卷设计

本文基于Christensen，Knezek和Williams等国外学者的研究成果[22][23]，结合高校教师及高校教学的特点，根据移动学习准备的相关理论对原有问卷进行了调整，建立了关于高校教师的移动学习准备量表。量表共包括28个题项，采用李克特氏五级量表进行评级测试，从1到5分别表示“1=完全不同意，2=不同意，3=不确定，4=同意，5=完全同意”。

为了更好的衡量高校教师的技术整合水平，本文基于Russell的新技术学习阶段理论[24]，并结合Christensen的技术应用阶段模型[25]，将高校教师的技术整合水平分为6个阶段，分别是：阶段1意识阶段——意识到移动技术的存在，但没有开始使用它，或者甚至避免它；阶段2学习阶段——正在学习移动技术的基本知识，但有时会感到失望或者缺乏自信；阶段3理解和采用阶段——开始理解使用移动技术或设备的过程，并且认为移动技术或设备可能对一些具体的学习任务有用；阶段4熟练和自信阶段——对使用移动设备进行教学感到有信心，并且开始习惯使用移动设备；阶段5拓展应用阶段——不再担心技术问题，并且能够在很多教学情境中將移动技术或设备作为教学辅助；阶段6创造性应用阶段——可以在课堂上使用移动技术，并将它作为教学工具整合到课堂中。

问卷分为主体部分和人口统计变量两个部分。主体部分为移动学习准备量表、未来教学方式倾向（在线教学、面对面教学、混合教学）、自我感知的技术整合水平，人口统计变量部分包括高校教师性别、年龄等。

（二）抽样及因子分析

1.抽样

本文以上海、广东、山东、吉林、北京、江苏、辽宁、安徽等省市的高校教师为研究对象，采用在线调查的方式对222名高校教师进行了问卷调查。经过问卷筛选，共得到217份有效问卷，问卷有效率为97.75%，应用SPSS 22.0进行统计分析。

2.效度分析

通过因子分析中的主成分法对实测原始数据的测量，可以有效检验数据效度并且有较好的降维作用，同时也可发现各变量之间的关系。本文对28个题目进行因子分析，并采用方差最大正交旋转，按照特征值超过1进行提取公因子。首先对28个题目进行KMO和Bartlett球形检验。根据统计学家Kaiser给出的标准，KMO>0.9时，做因子分析的效果最理想，KMO在0.6以上的都可进行因子分析[26]。本文中KMO 检验值为0.908，Bartlett球体检验近似卡方为3565.936，Sig值为0.000<0.050，所以样本非常适合做因子分析。通过对原始数据进行因子分析，共提取出5个因子，累计方差贡献率为62.716%，说明提取的五个因子具有良好的代表性。

本文根据各个因子中题目的共同特点将5个因子命名为：可能性（因子1），益处（因子2）、偏好（因子3）、外部影响（因子4）、忧虑（因子5）。其中可能性表示未来移动学习融入高校教学的可能性；益处代表移动学习为高校教学带来的优势或好处；偏好是指高校教师在自我学习和教学中对移动技术或设备应用的偏好程度；外部影响表示高校对移动学习融入教学的支持状况；忧虑指高校教师认为移动学习在教学中的应用会对学生的学习带来负面影响。

3.信度分析

在李克特式量表法中常用的信度检验方法为克隆巴赫系数（Cronbachs Alpha）。根据Nunnally的研究，通常情况下一般探索性研究中Cranbachs a系数在0.6以上，被认为可信度较高[27]。本文中五个移动学习准备因子的可靠性系数均在0.75以上，本问卷的样本总体信度为0.922，表明该量表的信度系数较高，各因子具有较高的内部一致性，具体见表1。本文提取的五个公因子能够很好地测量高校教师的移动学习准备情况，而且能够很好地反应出各变量的结构特征。

（三）移动学习准备量表统计分析

通过对各移动学习准备因子进行描述性统计，得到各因子的平均值和标准差（见表2）。从表2可以看出，因子1可能性的平均值为3.97，标准差为0.48，说明绝大多数高校教师认为未来移动学习融入教学的可能性较高；对于因子2益处（Mean=3.68，SD=0.51）来说，高校教师普遍认为移动学习会改善传统的教学方式，并且会为教学带来很多益处，比如更好地组织教学活动、提高学习参与度、加强学生和教师之间的交流以及学生之间的学习合作等等；对于因子3偏好来说，平均值为3，表明高校教师并不习惯使用移动技术或设备进行自我学习和教学；对于因子4外部环境，高校教师认为学校对移动学习的支持不是特别理想（Mean=3.07），并且不同学校差异较大（SD=0.60）；因子5忧虑（Mean=3.30，SD=0.73），说明教师对于移动学习融入高校教学的担忧不是很强烈，而且不同的高校教师对移动学习应用的忧虑程度有较大的差异。

（四）移动学习准备与技术整合水平的关系

高校教师自我感知的技术整合水平在各阶段均有分布。其中，处于阶段2学习阶段和阶段3理解和采用阶段的教师人数较多，分别为72人（占比33.2%）和61人（占比28.1%）；处于意识阶段、熟练和自信阶段分别有41人、23人；处于拓展应用阶段和创造性应用阶段的教师人数最少，分别仅有10人。

本文通过方差分析和相关性分析来探究移动学习准备与高校教师的技术整合水平之间的关系。首先，对各阶段教师的移动学习准备因子进行方差分析（见表3）。通过表3可以发现处于不同阶段的高校教师的因子1可能性、因子2益处、因子4外部影响均表现出了显著性差异（p<0.01），而因子3偏好和因子5忧虑并没有表现出明显的差别。通过Pearson相关性分析得到表4，可以发现高校教师的技术整合水平与移动学习准备因子1可能性、因子2益处、因子4外部影响等存在显著的相关关系（p<0.01），而与因子3偏好、因子5忧虑并不存在明显的相关性；而且高校教师的技术整合水平与因子1可能性、因子2益处和因子4外部影响的相关系数分别为0.318、0.232、0.223（α>0），表明技术整合水平与因子1、2、4均存在显著的正相关关系。

综上所述，教师的技术整合水平不仅与未来移动学习融入教学的可能性存在正向的相关关系，而且还正向影响教师对移动学习实施的益处的认知，此外还与高校对移动学习实施的支持程度存在正向关联。所以，高校教师的技术整合水平越高，移动学习融入教学的准备状况就越好。因此H1假设成立。

（五）移动学习准备与未来教学方式倾向的关系

本次对217名高校教师的调查中，大部分高校教师更倾向于混合教学的教学方式（N=150，69.1%），部分高校教师倾向于面对面的教学方式（N=66人，30.4%），而倾向于在线教学的只有1人。

本文采用方差分析和回归分析来探究移动学习准备与教学方式倾向之间的关系。通过描述性统计分析和方差分析，得到表5和表6。由于在调查结果中只有1人倾向于在线教学，因此本文不对在线学习的各因子做描述性统计。根据表5所示，倾向于混合教学的高校教师对于移动学习融入教学的可能性、益处、偏好以及外部影响的感知均高于面对面教学，并且倾向于混合教学的教师对移动学习应用的忧虑相对较低。通过表6可以发现，不同教学方式倾向的高校教师的移动学习准备因子1可能性、因子2益处、因子3偏好、因子4外部影响的感知存在显著性差异，而因子5忧虑对于各教学方式倾向并没有表现出明显的差别。

应用虚拟变量对各教学方式倾向作回归分析，得到回归分析表（见表7）。可以发现，因子1可能性和因子4外部影响均对面对面教学方式的倾向程度有显著的负向影响（p<0.05，β<0），而对混合教学方式的倾向程度有显著的正向影响（p<0.05，β>0）。

综上所述，当前几乎没有高校教师倾向于在线教学的教学方式，大部分教师更倾向于混合教学的教学方式，并且相比于面对面教学倾向的教师，他们认为未来移动学习融入教学有更大的可能性，对应用移动技术教学带来的益处有更强烈的感知，而且对使用移动技术或设备的偏好程度更高。此外，他们认为学校对移动学习的支持度相对更高，因此倾向于混合教学的高校教师有着更好的移动学习准备状态。另外，通过回归分析可以发现，移动学习融入教学的可能性和外部影响与高校教师对未来教学方式的倾向程度（除在线教学外）存在显著的线性相关关系，所以高校教师对未来教学方式的倾向与高校的移动学习准备情况有着显著的相关关系，H2假设成立。

（六）移动学习准备与教师年龄的关系

本文通过Pearson相关分析来探究教师年龄与移动学习准备的相关性，结果见表8。由表8可见，高校教师年龄与因子2益处呈显著正相关的关系（α=0.082，p=0.015<0.05），这说明更高年龄的教师对移动学习融入教学的益处感知更为强烈；从另一方面，高校教师年龄与因子5忧虑呈显著的负向影响关系（α=-0.146，p=0.032<0.05），表明高年龄的教师对移动学习负面影响的忧虑感更低。另外，本文通过相关分析发现高校教师的年龄与其技术整合水平呈显著的正相关关系（α=0.142>0，p=0.037<0.05），说明年龄更高的高校教师的技术整合水平更高。

综上所述，年龄高的教师相对于年轻教师技术整合水平更高，并且对应用移动学习的益处感知更为强烈，对移动学习融入教学的忧虑感更低。因此，高校教师的年龄与移动学习准备状况有显著的正向相关性，假设H3不成立。

（七）移动学习准备与教师性别关系探究

在本次参与问卷的217名高校教师中，男教师有97人，女教师有120人。本文采用方差分析法来探究不同性别的高校教师的移动学习准备状态是否存在显著性差异。通过方差分析发现，不同性别的教师对各移动学习准备结构因子的感知并没有显著性的差异（因子1可能性p=0.100>0.05，因子2益处p=0.236>0.05，因子3偏好p=0.403>0.05，因子4外部影响p=0.364>0.05，因子5忧虑p=0.163>0.05）。因此，假设H4成立。

五、结论与启示

（一）结论

本文以移动学习准备量表度量了高校教师的移动学习准备状况，探讨了高校教师的技术整合水平、未来教学方式倾向与移动学习准备的关系，研究了年龄、性别与教师的移动学习准备状态的相关性，得到以下结论。

1.针对目前高校教师的移动学习准备情况，从五个维度来看，高校教师认为将移动学习融入教学有较高的可能性，并且认为移动技术或设备的应用会给高校教学带来很多益处。然而当前教师对移动技术或设备在自我学习和教学中的应用的偏好程度不高，高校对于移动学习的支持也并不是很强烈，并且不同学校差异较大，同时高校教师对移动设备在教学中的应用表现出不同程度的忧虑。

2.高校教师的技术整合水平越高，其移动学习准备情况越好。但从整体来看，当前高校教师的技术整合水平大多数处于意识阶段、学习阶段、理解与采用阶段，并且不同技术整合水平的教师均对移动学习融入教学表现出了一定的忧虑，因此可以反映出当前教师的技術整合能力较低，其移动学习准备尚未充分。

3.通过研究发现，对于未来教学方式有不同倾向的高校教师对移动学习应用于教学的可能性、益处以及外部影响的感知有明显的差别，相比于面对面教学，倾向于混合教学的高校教师有明显更好的移动学习准备状态。

4.相比于年轻教师，年龄较高的高校教师对移动学习融入教学有更好的准备状态。这说明一方面年龄较高的高校教师技术整合水平相对较高，其对移动技术或设备的应用障碍较低；一方面由于长期受制于面对面教学的局限性——知识传递效率、教学时间、地点的限制，再加上较多的教学工作量，传统的教学方式已经不能满足当前信息化的教学环境和学生个性化的学习，因此他们迫切希望能够通过在教学中融入移动学习来改进传统的教学方法。

5.不同性别的高校教师的移动学习准备情况没有显著性差异。

（二）启示

基于前文的分析及结论，本文提出如下建议：

1.在提倡教育現代化的今天，高校教师要尝试在教学中和自我学习过程中融入移动技术或设备，并通过对移动技术或设备使用的不断学习，提高对移动学习应用的偏好程度。

2.高校教师要根据课程的特点和学生的具体情况，准确找到移动学习在教学中的定位，并通过不断地学习移动技术或设备的相关知识，提高自己的技术整合水平，实现移动学习在教学中的高效应用。

3.高校应该建立相应的基础设施（比如提供移动设备、无线网络环境以及移动学习的APP和软件）以支持移动学习环境，并制定相应的鼓励政策，提倡教师在教学过程中使用移动技术或设备，并对教师进行移动学习应用的相关培训，一方面提高教师的技术整合水平；另一方面有效引导教师向混合式教学方式倾向转变。

4.年轻教师应不断学习和尝试将移动技术或设备融入教学，更多地利用移动设备进行在线测试、在线讨论问题以及分享学习资源等教学活动，提高对移动学习应用的自信；高校应积极培养年轻教师的教育现代化意识，鼓励、引导和培训他们在教学中对移动学习的应用。

（三）研究不足和未来展望

本文存在一些局限性，需要在未来的研究中继续探讨。1.本文收集到的数据来自于高校教师的自我感知，存在一定的主观性。因此在未来的研究中，可以加入一些影响移动学习准备的客观因素，结合教师的自我感知来对移动学习准备进行研究，以减少可能出现的误差。2.当前高校教师更多地倾向于混合教学，移动技术为混合学习的实现提供了支撑，未来关于高等教育移动学习的研究应该重视如何促成正式学习与非正式学习、在线学习与面对面学习的融合，推进混合教学的开展。

参考文献：

[1]Schuler C，Winters N，West M.The Future of Mobile Learning：Implications for Policy Makers and Planners[J].Paris：UNESCO，2012.

[2]Levene J，Seabury H.Evaluation of Mobile Learning：Current Research and Implications for Instructional Designers[J].Techtrends，2015，59（6）：46-52.

[3]Hwang G J，Tsai C C.Research Trends in Mobile and Ubiquitous Learning：A Review of Publications in Selected Journals From 2001 to 2010[J].British Journal of Educational Technology，2011，42（4）：E65-E70.

[4]Vanderlinde R，Van B J.A New ICT Curriculum for Primary Education in Flanders：Defining and Predicting Teachers' Perceptions of Innovation Attributes[J].Journal of Educational Technology & Society，2011，14（2）：124-135.

[5]Handal B，Macnish J，Petocz P.Adopting Mobile Learning in Tertiary Environments：Instructional，Curricular and Organizational Matters[J].Education Sciences，2013，3（4）：359-374.

[6]Hargis J，Cavanaugh C，Kamali T，et al.A Federal Higher Education iPad Mobile Learning Initiative：Triangulation of Data to Determine Early Effectiveness[J].Innovative Higher Education，2014，39（1）：45-57.

[7]Fraga L M.Mobile Learning in Higher Education[J].Dissertations & Theses - Gradworks，2012：160.

[8]Elbarbary R S.Identifying Core Mobile Learning Faculty Competencies Based Integrated Approach：A Delphi Study[J].Journal of Education & Learning，2015，4（2）.

[9]Alrasheedi M，Capretz L F.An Empirical Study of Critical Success Factors of Mobile Learning Platform from the Perspective of Instructors [J].Procedia - Social and Behavioral Sciences，2015（176）：211-219.

[10]秦超.高校教师移动学习绩效影响因素研究——基于一位高校教师的个案分析[J].现代教育技术，2014，24（11）：39-46.

[11]Yusof A M，Daniel E G S，LOW W Y，et al.Teachers Perception of Mobile Edutainment for Special Needs Learners：the Malaysian Case[J].International Journal of Inclusive Education，2014，18（12）：1237-1246.

[12][20]Lin H H，Lin S，Yeh C H，et al.Measuring Mobile Learning Readiness：Scale Development and Validation[J].Internet Research，2016，26（1）：265-287.

[13]Teo T.Development and Validation of the E-learning Acceptance Measure （ElAM）[J].Internet & Higher Education，2010，13（3）：148-152.

[14]Parasuraman A.Technology Readiness Index （Tri） A Multiple-Item Scale to Measure Readiness to Embrace New Technologies[J].Journal of Service Research，2000，2（4）：307-320.

[15]Kwahk K Y，Lee J N.The Role of Readiness for Change in ERP Implementation：Theoretical Bases and Empirical Validation[J].Information & Management，2008，45（7）：474-481.

[16]Hung M L，Chou C，Chen C H，et al.Learner Readiness for Online Learning：Scale Development and Student Perceptions[J].Computers & Education，2010，55（3）：1080-1090.

[17]Ertmer P A，Ottenbreitleftwich A T.Teacher Technology Change[J].Journal of Research on Technology in Education，2010，42（3）：255-284.

[18][19][22]Christensen R，Knezek G.Readiness for Integrating Mobile Learning in the Classroom：Challenges，Preferences and Possibilities[J].Computers in Human Behavior，2017.

[21]OBannon B W，Thomas K M.Teacher Perceptions of Using Mobile Phones in the Classroom：Age Matters！[C]// International Conference on Information and Knowledge Engineering.Ike04，2004（6）：21-24，Las Vegas，Nevada，Usa.DBLP，2004：232-235.

[23]Christensen R，Williams M.Teacher and Student Perceptions During the First Year of a One-to-One Mobile Learning Initiative[C]// In D.Slykhuis，& G.Marks（Eds.），Proceedings of Society for Information Technology & Teacher Education International Conference 2015（pp.1428-1433）.Chesapeake，VA：Association for the Advancement of Computing in Education（AACE）.

[24]Russell A L.Stages in Learning New Technology：Naive Adult Email Users[J].Computers & Education，1995，25（4）：173-178.

[25]Christensen R.Effects of Technology Integration Education on the Attitudes of Teachers and Students[J].Journal of Research on Technology in Education，2002，34（4）：411-433.

[26]吳明隆.SPSS统计应用实务：问卷分析与应用统计[M].科学出版社，2003.

[27]Nunnally JC.Psychometric Theory[M].New York：McGraw Hill，1978.

（责任编辑 赖佳）