课程微博平台对大学生碎片化学习行为的影响因素实证分析

摘要：针对大学课程借助微博辅助学生进行碎片化学习的教学现象，文章构建基于UTAUT模型的大学生接受和使用微博进行课程学习的影响因素模型。通过问卷调查和Smartpls3.0对影响学生课程微博使用行为的主要因素进行了实证分析，结果表明社会影响对学生使用课程微博学习的行为影响最大，绩效期望的影响作用次之，促成因素影响作用稍弱，努力期望对行为的影响反而起抑制作用。由此从学生、教师、学校层面提出了针对性的建议。

关键词：UTAUT模型；课程微博；碎片化学习；实证分析

★基金项目：2018年省高等职业教育教学质量与教学改革工程教育教学改革研究与实践项目，GDJG2019021；广东省高职教育教学质量保证工作指导委员会2017年度教学改革项目，项目编号：JXZB04。

教育信息化改革不断推进移动设备终端、互联网技术渗入课堂，伴随互联网+教育的深度融合，高校教师利用微博平台开展移动碎片化教学探索成为新的教改热点。

梳理国内外学者相关研究成果，文献大多侧重借助课程微博平台对教学效果进行测试，没有深入探究影响学生使用课程微博的动机和行为的实证关系。现实中，高校学生刷微博的主要动机在于娱乐休闲，很少关注专业课程学习资源，由此，教育信息化背景下，如何引导学生更好采纳微博平台进行课程资源的碎片化学习成为高校课程改革的热点，因此，有必要分析影响大学生接受课程微博学习的影响因素和行为。

1、文献综述

梳理技术采纳与利用整合理论文献资料，1975年至1985年期间，Fishbein & Ajzen分别提出的理性行为理论（TRA）和计划行为理论（TPB），其中Theory of Reasoned Action理论指出：态度和主观规范影响人们的意图和行为，在此基础上，Theory of Planned Behavior理论研究增加了知觉行为控制力变量[1-3]，再到Davis（1989）提出的TAM（Technology Acceptance Model）科技接受模型（在TRA理论基础上更加细化，提出感知有用性和易用性是影响态度的外部变数）。直到2003年，经过多次变量的修改调整、模型整合，Venkatesh等学者在上述学者的研究基础上构建了技术采纳和整合理论模型（UTAUT），从而有效地解释技术的使用意愿和行为，可以评估各项技术在某些群体中的适应水平[2]。该理论模型包括四个核心变量：绩效期望 、努力期望、促成因素和社会影响，同时将将性别、年纪、经验与自愿性作为调节变量[1-3]。

文章借助UTAUT理论模型和SmartPLS3.0统计分析软件[1]，研究大学生群体接受且使用课程微博的主要影响因素，在此基础上，提出教育信息化背景下借助微博的提升课程学习效果个人意见。

2、研究设计

2.1 理论模型构建

在参考UTAUT理论模型的基础上，结合到本研究主题和调查对象特点，使用课程微博学习的学生群体在性别、年龄、经验、自愿性方面没有明顯的偏好差异，故本研究模型构建暂不考虑四个调节变量。基于此，提出如下图1研究模型和研究假设：

2.2 研究维度与假设

绩效期望（Performance Expectancy，PE）是指用户感觉使用课程微博对学习绩效的提高程度，强调实用性。文中指如果学生认为通过微博平台对他们的课程学习是有帮助的、能提高学习效率[4]，就会对课程微博产生使用意愿和行为，故提出以下假设。

H1：绩效期望对大学生接受和使用课程微博学习的行为有正向影响。

努力期望（Effort Expectancy，EE）是指用户感觉操作课程微博进行学习容易，强调易用性。文中指学生在使用课程微博平台进行学习时，如果学习操作过程越简单易用，容易掌握，他们就越能够付诸行动去使用[4]。故提出以下假设。

H2：努力期望对大学生接受和使用课程微博学习行为有正向影响。

社会影响（Social Influence，SI）是指用户受他人影响的程度。文中指如果学生身边的朋友、同学对使用课程微博有较好评价，或老师建议他们应该在课程中使用微博平台辅助，他们就会倾向于使用它。由此提出以下假设。

H3：社会影响对对大学生接受和使用课程微博学习行为有正向影响。

促成因素（Facilitating Conditions，FC）是指用户为接受某新技术、新应用而需要的相应的技术支持、辅助条件等[5]。文中指学生有手机、电脑、网络等软硬件设备资源，同时具备必要的操作、发布信息等基本的操作课程微博平台的知识，这些都促进了学生使用课程微博的使用行为的产生。基于此，提出以下假设。

H4：促成因素对对大学生接受和使用课程微博学习的行为有正向影响。

2.3 问卷设计、调研与回收

本研究设计中参考UTAUT模型理论，在调查问卷设置方面，设置了绩效期望、努力期望、社会影响、促成因素、使用行为等5个测量变量，其每个测试变量均由3个子测量指标负责解释，即对应问卷的3个问题来体现，每个问题参考成熟量表，设计采用了 Likert 1-7分制量表，1-7分别代表“非常不同意”到“非常同意”的程度[1]。

调研对象为高校在校大学生，学生的微博开通已全面覆盖，大部分同学听说、使用过微博辅助课程学习。

3、实证研究

3.1 数据收集与数据特征

借助问卷星平台发放调查问卷，回收问卷总数281份，其中有效问卷数为170份，占总回收问卷数量的60.7%，问卷数据清洗筛选主要剔除了无效问卷，例如问卷答题回答时间低于30秒、填写答案前后自相矛盾、不符合逻辑思维等。

受访对象基本情况是：男女性别比例分别为22.06%、77.94%；年龄在18-20岁之间占比53.02%，21-25岁占比46.26%；教育程度中大一学生占比40.21%，大二学生占比占32.03%，大三学生占比20.28%，大四学生占比7.47% ；受访高校主要来自广东、山西、辽宁、北京等，其中广东占40%，广东之外占比60%。

3.2 实证数据分析

由于Smart PLS3.0软件分析对样本数量要求少，本研究采用该软件对有效问卷数据进行计算和验证。根据Hair等人[6]建议，选用path weighting scheme作为加权方法，迭代停止准则为1.10-7，最大迭代次数300。用以计算出因子载荷，路径系数，外部权重及可决系数R2 [7]。计算结果如下图2：

结果显示，每个变量的标准化因子载荷系数均大于0.7，说明测量问项可以很好的解释变量，结构模型各变量的路径系数分别为PE（0.310）、EE（-0.020）、SI（0.405）、FC（0.241），可知社会影响对学生使用课程微博学习的行为影响最大，绩效期望的影响作用次之，促成因素影响作用稍弱，努力期望对行为的影响反而起抑制作用。R2值为0.678，修正的R2值为0.67，大于0.25，说明本研究设计中构建的模型拟合度良好，具有较高的预测能力。

3.2.1 信效度检验

表3-4为评估模型信度和效度的相关指标，表3数据显示BI、EE、FC、PE、SI变量的Cronbachs Alpha系数均大于0.8，高于0.7，说明模型具有良好的内部信度；组合信度（Composite Reliability）均在0.882以上，大于0.7，说明各变量具有良好的内部一致性；平均抽取变异量（AVE值）均在 0.7以上，高于0.5，说明模型具有良好的收敛效度。表4数据显示，各潜变量的AVE均方根都大于0.8，而且都大于其他潜变量间的相关系数，说明各潜变量间存在足够的区分效度。

3.2.2 显著性检验

通过Smart PLS3.0中的自助法运算来检验路径系数的显著性。由表5中数据可知，EE路径系数的P值大于0.05，不显著，其他三个变量（FC、PE、SI）路径系数均显著。

4、结论及启示

本研究结果显示：社会影响、绩效期望、促成因素均对大学生使用微博进行课程学习的行为产生不同程度的显著影响，其中社会影响变量对学生进行课程微博碎片化学习的作用效果最显著，其次是绩效期望、促成因素，而努力期望变量影响不显著，路径系数为负，说明学生在使用微博进行课程学习的易用性方面存在障碍，由此提出以下建议。

首先，从SI影响因素角度考虑，要充分发挥学生身边的朋友、家人、教师对其行为的引导作用。第一，教师层面要正面引导学生更好利用微博平台进行课后的碎片化移动学习，建议学生课后利用微博搜集课程相关资讯，分析整理后进行课堂汇报分享；第二，学生层面要构建一个良好使用课程微博学习的氛围，比如可以建立微博学习与娱乐讨论小组，侧面熏陶大家的使用习惯。

其次，从PE影响因素的角度思考，教师如何把课程知识点/案例和微博热点话题联系起来，构建既有利于理解消化课程内容又可以让学生觉得轻松愉悦的情境，然后通过班级微博账号发布，引导学生参与讨论、分享观点、甚至网上辩论等，这就强化了课程微博效用，一定程度上引导学生树立课程微博真的可以提高学习效率，他们愿意付诸行动使用微博平台进行课程学习。同时这种全新的教学模式升级补充了传统教学手段和方法，契合了教育信息化背景下的教学改革要求，提升了教学质量和效果。

再次，从FC促成因素的角度建议，学校层面要从软硬件设备维护等方面提供稳固的技術支持保证学生在课上课下能方便下载微博客户端，同时创造良好快速的网络环境确保有足够的带宽、网速能够保障刷微博的流畅性。

最后，从EE影响因素的抑制作用建议，今后的教学实施环节，教务处、学生处等机构应该加强对学生使用课程微博平台学习的方法、操作等进行专业的培训，指导他们如何利用微博平台进行课程预习、相关知识信息的搜索、课后的学习的热点发布、讨论、交流。

参考文献

[1] 邓仲平.淘宝开店对电子商务专业学习行为的影响分析[J].商场现代化，2019（07）：60-62.

[2] Venkatesh V Morris M G，Davis G B，et al.User Acceptance of Information Technology：Toward a Unified View[J]. Mis Quarterly，2003，27（3）：425-478.

[3] 邓仲平.基于电商扶贫措施效果的实证分析[J].农村经济与科技， 2019（10）：72-74.

[4] 许新巧，邓佳.基于UTAUT模型的高职学生接受和使用图书馆信息素养教育微课学习影响因素实证研究.图书馆研究，2019（2）： 101-102.

[5] 甄伟红，高霄.大学生采纳手机App进行英语学习的影响因素探究， 2017（1）：92-93.

[6] Hair J F，Hult G T M，Ringle C M，et al.A primer on partial least squares structural eauation modeling （PLS-SEM）[M].Thousand Oaks；Sage Publications，2014.

[7] 林杰峰，张扬.基于PLS-SEM的移动出行乘客满意度评估[J].中国管理科学，2017（11）：158-164.

作者简介：

关秋燕，佛山职业技术学院 工商管理学院商贸系，副教授，硕士研究生，从事企业管理、区域经济、高职教育研究。