职前教师MOOC学习的推广意愿及其影响因素研究

晏莉娟 刘延申 刘怡

摘 要：在职前教师中推广MOOC学习对未来推动教学方式和学习方式的变革有着重要的意义。文章以正在参与MOOC学习的师范生为研究对象，在创新扩散理论的基础上提出研究假设，构建了研究模型，并通过问卷调查收集数据，共发放调查问卷300份，回收有效问卷287份，对影响推广意愿的因素进行了验证性分析。结果表明，MOOC学习的五个感知属性均对学习效果满意度及推广意愿有着显著影响。其中，性别对感知相对优势和感知兼容性的影响有调节作用，先前的MOOC学习经验对感知复杂性的影响有调节作用。该研究结论为制定针对性的推广策略提供了理论支持和实践建议。

关键词：职前教师;MOOC学习;推广;影响因素;创新

中图分类号：G420        文献标志码：A            文章编号：1673-8454（2019）06-0005-05

一、引言

教育部办公厅印发的《2017年教育信息化工作要点》中指出：“组织实施在线教育普惠行动，鼓励本科高校建设并开放高水平在线开放课程。针对翻转课堂、在线开放课程等不同信息化教学应用模式，试点组建若干个区域、学校联盟，探索形成一批成熟的、可推广的信息技术支持下的教学方法和教学组织形式。加快推廣以信息化手段促进教育公平、提高教育质量的教育教学模式。” [1]

职前教师是教师队伍的后备军，未来教学改革的实践者，若MOOC不能为他们所广泛熟知和接纳，其教育价值就难以迅速得到推广。创新扩散模型是对创新采用的各类人群进行研究归类的一种模型，由美国学者埃弗雷特 ·罗杰斯（Everett M.Rogers）提出。它建立在大量的经验研究之上，包含一整套研究方法、数据收集和分析模型，能够很好地应用于新的创新扩散经验性研究，具有良好的预测性。[2]本研究借鉴罗杰斯的创新扩散模型，分析职前教师采用推广MOOC学习的影响因素，了解MOOC学习的阻碍因素，为制定针对性的推广策略提供理论支持和实践建议。

二、文献回顾

MOOC是大规模参与人群借助互联网开放资源，在规定时间内进行课程资源阅读、主题讨论、开展交互等学习行为，完成学习要求、通过学习评估、达到学习目标的一种新型在线学习课程[3]。2013年开始，MOOC在中国迅速发展，MOOC 的出现使教育资源共享、教育信息化、自主学习和终身学习变得更加容易。[4]

从发展进程上看，我国的教育信息化还处于从应用到整合的过渡阶段，探究式、启发式等教学方法尚未普及。[5]MOOC学习中存在完成率低、持续参与度弱等问题，MOOC学习的优势还不能很好地被大众所理解和采纳。

针对MOOC学习中存在的这些问题，很多学者进行了较为深入的调查研究。例如，在技术接受与使用整合理论（UTAUT）的基础上，从动机、机会、能力、复杂性和有用认知等五个方面分析影响大学生使用MOOC意愿的因素。[4]基于心流体验理论，探讨在线学习过程中影响心流体验产生的条件因素及其导致的结果因素，分析心流体验对在线学习持续意愿的影响。[6]从现有的研究来看，学者们大都从不同理论和视角出发，构建理论模型并通过调查问卷的方法分析验证。罗杰斯认为创新是“一种被个人或其他采纳单位视为新颖的观念、时间或事物。”[7]相对传统的面对面教学而言，MOOC无疑是一种创新的学习方式。因此，考虑用创新扩散理论（DOI）进行MOOC学习的研究是恰当的。

三、研究模型和假设

1.研究模型

对创新扩散研究的重点是创新属性的影响，这些属性被用来解释用户采纳和决策过程。[8]罗杰斯指出了创新的五个感知属性（相对优势、兼容性、复杂性、可体验性、可观性），它们是影响创新采纳和扩散的关键因素。[9]本研究基于罗杰斯的创新扩散理论提出以下研究模型（见图1），将MOOC学习的五个感知创新属性作为潜在变量，引入学习效果满意度作为中介变量。

（1）MOOC学习的感知相对优势

相对优势是指人们在何种程度上认为MOOC学习优于传统的学习方式。罗杰斯[9]认为创新是否具有客观优势并不重要，重要的是人们如何看待创新，如果他们认为创新“是有利的”，其采纳、扩散速率就越快。学习者在使用MOOC平台进行学习的过程中，如果感知到课程资源、学习时间安排、师生交流等方面具有传统学习方式无法比拟的优点，个体感知的相对优势越强，学习效果的满意度越高，推广意愿越强。

（2）MOOC学习的感知复杂性

复杂性是指人们认为MOOC学习难以使用和理解的程度。正如罗杰斯[9]解释的那样，一些创新可能更容易为人们所理解，而其他的一些创新涉及到较高的知识水平，对人们来说可能更难理解。熟悉计算机基本操作技能、网络环境的设置以及MOOC平台功能的使用，是MOOC学习过程中所必需的额外技能。缺少这些必备技能会直接影响学习者的学习体验，而学习者所感知到的复杂性越高，学习效果满意度越低，推广意愿越弱。

（3）MOOC学习的感知兼容性

兼容性是指创新是与价值观念和社会规范相一致的，在此指MOOC学习与学习者现有的价值观、创新水平相一致的程度。罗杰斯[9]认为， 创新决策取决于个性特征。有研究表明，个人创新水平高的人更热衷于使用新的信息技术，更可能寻求新的感官刺激经验。[10]基于这一理论背景，可以假设若MOOC学习与学习者个人的个性特征、生活方式兼容性越好，学习者越热衷于采纳这种新的教学模式，学习效果满意度越高，推广意愿越强。

（4）MOOC学习的感知可观性

可观性指的是“创新的结果对其他人是可见的”的水平。[9]在MOOC推广过程中，网络宣传、父母教师推荐以及同龄人介绍都会促进MOOC学习的有效推广。当面对一种创新的教育模式又没有经验或向导来指引自己该如何抉择的时候，我们极有可能效仿其他有成功经验的人。因此可以假设若MOOC学习的感知可观性越好，学习效果满意度越高，推广意愿越强。

（5）MOOC学习的感知可体验性

这是人们在决定是否接受创新之前，是否有机会体验创新的程度。[9]体验是消除对创新疑虑的手段。在进入课程学习之前，尝试操作MOOC平台的各种功能，了解课程学习内容，开课之前的体验活动影响着学习者的学习体验。感知到的可体验性越好，学习效果满意度越高，推广意愿越强。

2.研究假设

根据这一理论框架，我们做出以下研究假设：H1：对MOOC学习的感知相对优势对学习效果满意度有显著正向影响。H2：对MOOC学习的感知复杂性对学习效果满意度有显著负向影响。H3：对MOOC学习的感知兼容性对学习效果满意度有显著正向影响。H4：对MOOC学习的感知可观性对学习效果满意度有显著正向影响。

H5：对MOOC学习的感知可体验性对学习效果满意度有显著正向影响。H6：对MOOC学习的学习效果满意度对职前教师推广MOOC学习的意愿有显著正向影响。

3.调节变量

罗杰斯认为，创新扩散总是借助一定的社会网络进行的，在创新向社会推广和扩散的过程中，信息技术能够有效地提供相关的知识和信息，但在说服人们接受和使用创新方面，人际交流则显得更为直接、有效。罗杰斯把创新的采用者分为革新者、早期采用者、早期追随者、晚期追随者和落后者。[7]强调了个人因素在创新推广过程中的作用。Venkatesh等提出决定因素与行为意向、实际使用的关系受到使用者的性别、年龄、经验以及使用的自愿程度等变量的调节。[11]基于此，本研究引入性别、先前有无MOOC学习经验作为调节变量，分析它们对于职前教师推广MOOC学习推广意愿的影响。

四、实证研究

1.研究设计

通过发放调查问卷的方式收集样本数据，参考已有文献开发测量量表。问卷分为两部分：第一部分调查学习者基本信息，如性别、经验等;第二部分调查模型中共有14个项目用来测量五个感知创新属性，两项被用来测量学习效果满意度，两项被用来表明推广意愿。

测量题项均采用李克特5级评分法，分别为强烈同意（5）、同意（4）、既不同意也不反对（3）、反对（2）、强烈的反对（1）。在分析数据时，使用SPSS 22和Amos 22，采用验证性因子分析方法对研究模型和研究假设进行检验。为检验性别和经验的调节作用，将学习者分为男生组和女生组，有经验组和无经验组，利用多群组分析法检验。

2.问卷的发放与回收

本文的研究对象是正在进行MOOC学习的职前教师，因此笔者向华中师范大学在“智慧树”慕课平台上选修通识课程的师范本科生发放纸质版调查问卷，共发放调查问卷300份，回收有效问卷287份。

3.数据统计与分析

（1）问卷的信度效度分析

在SEM分析中，以组合信度作为模型潜在变量的信度系数，潜在变量的组合信度为模型内在质量的判别准则之一，若是潜在变量的组合信度值在0.60以上，表示模型的内在质量理想。测量模型的因素分析如表1所示。

从表1中可以看出，所有潜在变量的组合信度系数值均大于0.60，表示模型的内在质量佳。平均方差抽取量可以直接显示被潜在构念所解释的变异量有多少是来自测量误差，平均方差抽取量越大，指标变量被潜在变量构念解释的变异量百分比越大，相对的测量误差就越小，一般的判别标准是平均方差抽取量要大于0.50。平均方差抽取量是潜在变量可以解释其指标变量变异量的比值，是一种收敛效度的指标，其数值越大，表示测量指标越能有效反映其共同因素构念的潜在特质。[12]从表1中还可以看出，平均方差抽取量都大于0.50，这说明测量模型具有很好的收敛效度。

（2）描述性统计分析

问卷中涉及到的调节变量为性别和经验，对其进行描述性统计分析。从学习者的基本信息统计结果来看，男生104人，占总体的36%，女生183人，占总体的64 %。以往有MOOC学习经验的有179人，占总体的62%，没有MOOC学习经验的有108人，占总体的38%。考虑到样本来源于师范类院校，性别比例合理。

（3）结构方程模型

问卷信度、效度检验表明回收的数据适合进一步分析，本研究利用Amos 22进行模型建构及拟合。主要变量的初步分析没有检测到任何缺失的数据或异常值。对变量之间相关性的检验表明，模型中的变量之间存在着不同程度的相关性，范围在0.00-0.80之间。进行验证性因素分析（CFA）以检查建议模型内的结构的有效性。然后进行路径分析，以使用AMOS中的最大似然估计（MLE）方法来检验假设模型。为了分析拟合优度，使用以下指标对研究结果进行分析：卡方值与自由度比、比较适合度、均方根误差、标准均方根残差等。实验结果如表2所示，数据表明模型拟合良好。

根据前文提出的概念模型，进行模型构建拟合，呈现在路径模型图中的标准化回归系数如图2所示。对本研究提出的假设进行检验，检验结果如表3所示。从检验结果来看，P值均小于0.05，T的绝对值均大于1.96，观察变量间存在着显著相关，因此假設H1-H6均成立。

（4）调节变量的假设检验

本研究将性别、经验作为模型的调节变量，并采用多群组分析。多群组分析能够直接检验群内、群间的路径系数之间是否存在显著差异。[13]根据调节变量将样本分为男生组、女生组，有经验组、无经验组，分别进行多群组分析。通过对预设模型、平行模型、相同截距模型等六个模型输出结果适配度的比较分析，最终选择预设模型作为多群组分析模型。

表5、表6为模型下基于性别分组和基于经验分组的路径系数差异性检验结果。表中变量名字母b后面的第一个数字代表路径的位置，第二个数字代表不同的分组。如表5中，1代表女生组，2代表男生组。交叉处的数值绝对值大于1.96，说明二者之间有着显著性差异。

结合表4至表6中的数据可以看出：

在MOOC学习的感知相对优势对学习效果满意度正向影响的路径H1中，男女有显著性差异，有无经验没有显著性差異。女生群体（β=0.48，p<0.001）影响显著，而男生群体不显著。

在MOOC学习的感知复杂性对学习效果满意度负向影响的路径H2中，男女没有显著性差异，有无经验有显著性差异。有经验群体（β=-0.25，p<0.001）影响显著，而无经验群体影响不显著。

在MOOC学习的感知兼容性对学习效果满意度正向影响的路径H3中，男女有显著性差异，有无经验没有显著性差异。女生群体影响不显著，而男生群体（β=0.54，p<0.001）显著。

在MOOC学习的感知可观性对学习效果满意度正向影响的路径H4中，男女没有显著性差异，有无经验也没有显著性差异。

对MOOC学习的感知可体验性对学习效果满意度正向影响的路径H5中，男女没有显著性差异，有无经验也没有显著性差异。

五、研究结论与思考

研究结果显示，感知相对优势、感知复杂性、感知兼容性、感知可观性和感知可体验性会对职前教师的学习效果满意度以及推广意愿产生显著的影响。这一结论是罗杰斯创新扩散模型本身所支持的，MOOC学习的感知相对优势越高、感知可观性和可体验性越好、感知兼容性越好、感知复杂性越低，职前教师的学习效果满意度越高，推广意愿越强。

基于对影响因素的分析和梳理，笔者对MOOC平台在师范类院校推广的具体策略提出以下几点建议：

1.提供更多的体验渠道

在MOOC学习的五个创新属性对学习效果满意度以及推广意愿的影响中，从影响大小来看，感知相对优势和感知可体验性排在前列。优质的教育资源、教学过程的共享、即时互动，这些都是MOOC学习耳熟能详的优点，但有优势并不代表用户能真实地感知到这种优势。

2.利用大数据技术分析学习者的个性特征

研究结果显示感知兼容性对学习效果满意度以及推广意愿有着显著的正向影响，在多群组的分析中，对男生和曾经有过MOOC学习经历的学习者来说，感知兼容性影响更大。对于年轻一代来说，他们不害怕新技术，乐于接受创新的教育服务，如果他们觉得一种创新的教育服务与他们原有的学习风格、生活方式、个性特征等相兼容，会促进他们采纳和推广的意愿。利用大数据技术，还可以对学习者的个性特征进行聚类，分析反馈给MOOC平台的管理者和课程开发者，提供与学习者当前学习环境和需求相一致的教学方案。

3.改进课程推荐机制

MOOC学习的五个创新属性对不同的学习者有着不同的影响，性别在感知相对优势和感知兼容性的影响中有调节作用，男性学习者更关注MOOC学习对自身学习和生活的意义，而女性学习者更容易被MOOC学习及其课程内容本身的优势所吸引。根据性别或者其他人口统计因素提供智能化的课程推荐机制，比起现有的按学科划分课程更能帮助学习者迅速作出决策。

4.降低MOOC平台操作的复杂性

感知复杂性对学习效果满意度及推广意愿的影响会受到先前的MOOC学习经验的调节作用。有经验群体影响显著，而无经验群体影响反而不显著。造成这种结果的原因可能在于，首次进行MOOC学习的学习者通常对这种学习方式本身有着浓厚的兴趣，对新技术出错的容忍度较高。目前MOOC平台在技术上还存在着许多问题，如学习进度记录与实际不符、打不开测试题、不能上传图片等，降低平台操作的复杂性，对出现的问题及时解决，能帮助学习者更顺利地完成课程，提高学习效率。

参考文献：

[1]教技厅[2017]2号.教育部办公厅关于印发《2017年教育信息化工作要点》的通知[Z].

[2]尹韵公，吴信训，刘瑞生.中国新媒体发展报告No.3（2012）[M].北京：社会科学文献出版社，2012.

[3]李林.大规模开放在线课程发展思考[J].教育探索，2014（8）：35-36.

[4]赵英，杨阁，罗萱.大学生对MOOC接受与使用行为的调查研究[J].中国远程教育，2015（8）：37-44+80.

[5]赵磊.MOOC创新扩散的本质特征及分析框架研究[J].中国远程教育，2018（3）：45-51+80.

[6]王卫，史锐涵，李晓娜.基于心流体验的在线学习持续意愿影响因素研究[J].中国远程教育，2017（5）：17-23+79.

[7]百度百科.创新扩散模型[EB/OL]. https：//baike.baidu. com/item/创新扩散模型/2728726？fr=aladdin.

[8]Moore G C ， Benbasat I.Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation[J].Information Systems Research，1991，2（3）：192-222.

[9]Mack P ， Rogers E M . Diffusion of Innovations[J].Technology and Culture，1985，26（1）：109.

[10]Bourgonjon J， Valcke M， Soetaert R， et al.Parental acceptance of digital game-based learning[J].Computers & Education，2011，57（1）：1434-1444.

[11]赵海霞，梁静，刘情情等.信息技术在教育中创新推广情景因素分析[J].中国教育技术装备，2012（32）：11-13.

[12]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，2010.

[13]张连刚.基于多群组结构方程模型视角的绿色购买行为影响因素分析——来自东部、中部、西部的数据[J].中国农村经济，2010（2）：44-56.

（编辑：李晓萍）