疫情期间职业院校教师在线教学影响因素实证研究

徐益龙?郑光永?于洪波

摘 要 职业教育作为一种类型教育，与普通教育相比，从课程逻辑到教学模式均有区别。基于TAM技术接受模型，通过对不同职业院校325位教师疫情期间在线教学情况的问卷调查后分析发现：教师的个体创新性、教学资源优质性对感知有用性，教学平台交互功能对感知易用性均影响显著;感知易用性对感知有用性、感知有用性对实施态度、实施态度对行为意向均有显著影响;不同于TAM模型，感知易用性对教师的实施态度影响不显著;社群影响对教师实施态度影响显著，但对教师行为意向影响不显著，自我效能则与之相反。为此，建议职业院校选择成熟可靠的在线教学平台、建设优质资源库、加强教师培训、培育创新教学团队、发挥高效能教师的示范作用和制定在线教学激励制度，在学校形成在线教学的实践共同体。

关键词 职业教育;在线教学;TAM;影响因素

中图分类号 G712 文献标识码 A 文章編号 1008-3219（2020）12-0017-06

一、研究背景

近期由于疫情的影响，大部分学校都采取停课不停学的方式开展在线教学。部分职业院校教师对专业课程如何开展在线教学存在疑惑，因为与普通教育相比，职业教育作为一种类型教育，其专业课程基于工作体系中的工作过程逻辑，而普通教育课程则主要基于学术体系的知识结构逻辑。

普通学校基于学科知识体系的课程，遵循的是从理论到实践的逻辑，在教学中往往先传授基础理论知识，然后在理论的基础上进行实践。根据信息加工理论，信息传递是多样的，基于互联网的在线教学也是路径之一，所以普通学校在线教学，可先在线上进行理论知识传授，待时机合适再开展实践教学。而职业教育强调的是在实践中学习，其原因在于职业教育中技术知识的特性。所谓技术知识，包括一般的静态陈述性知识，还包括源自实践的、动态的技术知识，技术知识主要在实践过程产生[1]。

在以往的在线教学研究中，王红艳基于知网文献对在线教学的整体研究现状进行内容分析[2]。多数研究者从在线教学的学习者角度开展研究，如吴艳从用户角度构建高校开放课程的技术接受模型[3]，该模型外部条件包括系统质量、内容质量、服务质量;胡勇从学习者的角度来进行影响因素分析，认为自我效能感、感知系统质量、兼容性会显著影响学习者态度和行为意愿[4];詹海宝以 BlackBoard 平台为例，在TAM模型上引入技术支持和社会影响，对大学生的在线学习影响因素进行实证研究[5];曹梅从在线作业的用户体验方面进行研究分析[6];戴旸从用户使用网络教学资源库维度进行意愿分析[7]，常玮则对网络教学效果进行分析[8]。

另有部分研究者从教师的角度出发，这类研究主要来源于实施普通教育的大学和中小学。韩锡斌针对全国1147名教师的调查研究表明，国内高校教师整体上已具备基本的信息化教学能力，但高水平教师较少[9]。方旭基于清华学堂学习平台对教师开展在线教学进行了影响因素分析，认为有用性和情绪对教师信息化行为意向影响显著，而社群影响和易用性感知则不显著[10]。冯瑞从信息技术水平、在线教学经验、工作绩效、外部影响和支持5个因素，对高校教师开展慕课的行动意向及其动因开展研究[11]。

职业院校的课程以技术知识为核心，普遍采取项目教学法等教学方式，强调“做中教、做中学”，这背后实际蕴含职业教育课程基于工作体系的逻辑，即认为在职业教育中更重要的技术知识是在工作场所等学习情境中习得的。作为一种教育类型的职业教育并不总是遵循从理论到实践的逻辑。以职业教育与在线教学为主题词，检索中国知网自2015年以来的论文共有155篇，关键词共现网络如图1所示，关键词包括：学习过程、混合式教学、课程教学、自主学习、教学效果等，在教师开展在线教学的影响因素分析方向上的研究较少。疫情期间，职业院校必须开展在线教学。在这一背景下，探讨职业院校教师对在线教学的影响因素具有重要的现实意义。

二、理论基础

Fishbein和Ajzen（1975）提出理性行为理论（TRA），该理论用于解释和预测个体行为[12]。认为人是理性的，可按照自身想法综合各类信息做出实际行动。认为社会规范是个人态度的重要决定因素，个人态度又决定个人行为的动机，而动机是一个人采取行动的主要因素。

鉴于理性行为理论（TRA）只考虑了个体的主观规范和态度，而忽略外部其他环境因素，Davis（1989）提出技术接受模型（TAM），见图2，技术接受模型可以用来解释和预测个体面对新技术的态度和行为[13]。区别于理性行为理论，技术接受模型略去了主观规范，在影响因素中，Davis认为感知技术的有用性和技术的易用性是最重要的两个因素。

在TAM的基础上，Venkatesh将社会影响和认知工具引入形成TAM2，其中社会影响包含主观规范、自愿和形象3个变量，认知工具包含工作相关性、经验等变量。2008年，Venkatesh和Hillol Bala在TAM2模型的基础上，增加了个人差异和系统特征等内容，提出了TAM3模型[14]。其中个人差异包含自我效能、技术焦虑、娱乐等，系统特征则包括技术可能性等变量。

三、模型建立与研究假设

本研究在技术接受模型TAM的基础上，根据职业院校教师在线教学中的特点，保留模型中核心的感知有用性、感知易用性、实施态度和行为意向 4 个元素，选择自我效能、社群影响、创新性、优质资源、平台互动5个外部元素。

行为意愿是职业院校教师开展在线教学的意愿，该意愿直接影响教师实际发生的行为，并对这些将真实发生的行为具有决定性作用。实施态度是教师对在线教学所表现出的正面或负面的态度，如果教师对在线教学持有正面态度，则将正面影响教师的行为意愿，反之亦然。感知有用性是指教师对在线教学可能提高自身专业水准和学习者学习绩效的主观认识，感知有用性将影响教师的实施态度，如果教师认为在线教学是有效的，则会对其持正面态度。感知易用性包括在线教学平台的使用和具体在线教学过程中需要掌握的相关技术如微课设计与录制技术等，在TAM模型中，感知易用性对感知有用性和实施态度均有影响。

在本研究中，优质资源包括在线资源的及时性、可读性、完整性、可操作性、互动性等指标，在线资源越优质，教师越能感知有用，本研究假设优质资源对感知有用性存在正面影响。在线教学平台的交互设计和平台的稳定性是信息系统平台重要的质量评价，交互良好的在线平台可以让教师快速熟悉和入手操作，本研究假设在线平台交互对感知易用性有正面的影响。创新性在本研究中是教师接受新兴信息技术和新兴教学法的倾向性，具有较高创新性的教师往往愿意尝试新技术，相比普通教师更能感受到新技术所带来的优势，本研究假设创新性对感知有用性存在正向影响。自我效能是教师从事在线教学且能达到预期教学目标的能力，代表教师对自己开展在线教学的信心，具有高自我效能的教师能够更好的完成在线教学工作，本研究假设自我效能对教师实施态度和行为意愿均存在正向影响。社群影响是一种广泛存在的社会心理现象，个体在外界的影响下，其态度意愿会有一定程度的变化。本研究中假设社群对教师实施态度和行为意向均有正向影响。综合以上，本研究的影响因素模型如图3所示。

根据在线教学的影响因素模型和以上分析，具体的研究假设有：

H1：假设感知易用性对感知有用性有正向影响作用

H2：假设创新性对感知有用性有正向影响作用

H3：假设优质资源对感知有用性有正向影响作用

H4：假设平台交互对感知易用性有正向影响作用

H5：假设感知有用性对实施态度有正向影响作用

H6：假设感知易用性对实施态度有正向影响作用

H7：假设自我效能对实施态度有正向影响作用

H8：假设社群影响对实施态度有正向影响作用

H9：假设自我效能对行为意愿有正向影响作用

H10：假设社群影响对行为意愿有正向 影响作用

H11：假设教师态度对行为意愿有正向影响作用

四、问卷编制与数据分析

（一）问卷编制

问卷分为基础信息部分和在线教学态度部分。在线教学态度部分的题目采用李克特五级量表，在查阅国内外技术接受模型相关文献参考相关成熟的量表，结合职业院校师资的特点，进行适当修改编写成该部分问卷，主要量表测项的理论来源如表1所示。在问卷编制完成后，邀请该领域专家对问卷进行指导，根据建议与反馈对问卷做出适当题项调整，并对文字描述进行修订。在问卷的前测环节，收集部分数据对问卷进行信度效度分析，显示问卷信度和效度良好。

（二）数据收集与清洗

本次调查通过问卷星系统正式发放问卷进行数据收集。一共收集问卷338份，经过分析，删除无效问卷13份，最后共回收有效问卷325份，问卷的有效回收率96%。其中高职128份、中职197份，教师分布于广东、广西、黑龙江、贵州、浙江等省份。问卷基础信息如表2所示。

（三）数据分析

本研究采用结构方程模型进行研究假设的验证，使用SPSS 22.0和 Amos 21.0軟件对数据进行处理分析。

1.信度和效度分析

对问卷信度估计采取Cronbachs α克朗巴哈系数检验法。当α>0.7时，可认为问卷的信度较高;通过对本调查问卷进行信度分析，本问卷的总体克朗巴哈系数Cronbachs α为0.957，各维度的α值具体如表3所示，可见各维度的α系数均大于0.7，说明问卷具有较高的信度。

本研究中问卷的各测量题目均参考和修改自国内外得到高度认可的相关研究文献，具有较高的内容效度。在收敛效度上，常用标准载荷系数来描述因子和分析项之间的相关关系情况，如果标准载荷系数值大于0.7，说明因子与分析项有较强的相关关系。另外常用的收敛效度的判断标准有平均方差萃取AVE值和组成信度CR值，通常AVE>0.5且CR>0.7时，说明内部一致性高，收敛效度较好。对问卷数据的9个因子及30个分析项进行CFA验证性因子分析，得到标准载荷系数、收敛效度AVE和组成信度CR的值如表3，根据数据显示，各题目的标准载荷系数为0.693～0.955，相关度较高。各维度的AVE值均大于0.5，CR值均大于0.7，证明数据具有良好的内部收敛效度。

采用Fornell-Larcker方法来验证区分效度，针对问卷数据进行分析，如表4所示每个因子对角线的值分别对应该因子平均方差萃取AVE平方根值，其均大于对应行列上的相关系数，意味着问卷数据具有良好的区分效度。

2.模型拟合度

采用 AMOS21.0 对建构模型进行拟合度检验发现，χ2/df值为1.946，小于参考值3，GFI为0.872，大于参考值0.85，RMSEA值为0.054，小于参考值0.1，CFI、NFI、TLI、IFI分别为0.954、0.911、0.948、0.955，均大于参考值0.9。根据拟合度参考标准可知，本研究模型的各拟合度值均在参考范围内，说明该模型的拟合度较好，可进行进一步分析。

五、研究结果

对研究模型的假设路径进行检验，回归系数如表5所示，在 p<0.05的水平下，研究假设H1、H2、H3、H4、H5、H8、H9、H11均成立。H6感知易用性->实施态度、H7自我效能->实施态度、H10社群影响->行为意向这三个假设虽标准化路径系数均大于零，但其P值均大于0.05，说明这三个假设不成立，即它们的正向影响结果不显著。

六、结论与建议

（一）主要结论

一是平台的交互功能可以正向影响教师的感知易用性，在线教学平台的设计越合理、交互越简单、系统更稳定，那么教师就会认为在线教学越容易掌握。

二是感知易用性对感知有用性影响显著，如果在线教学平台的学习曲线过于陡峭，或者在线教学中的微课制作技术过于复杂，就会阻碍教师开展在线教学的实践。

[14][24]Venkatesh V.， Bala H. Technology Acceptance Model 3 and a Research Agenda on Interventions[J]. Decision Sciences， 2008（2）： 273-315.

[16][26]Jen-Her Wu， Shu-Ching Wang. What Drives Mobile Commerce？ An Empirical Evaluation of the Revised Technology Acceptance Model[J]. 2005（5）：719-729.

[17][20][22][27]Huang J. H.， Lin Y. R.， Chuang S. T. Elucidating User Behavior of Mobile Learning： A Perspective of the Extended Technology Acceptance Model[J]. The Electronic Library， 2007（5）：585-598.

[19]Raafat Saade， Bouchaib Bahli. The Impact of Cognitive Absorption on Perceived Usefulness and Perceived Ease of Use in On-line Learning： An Extension of the Technology Acceptance Model[J]. Information & Management， 2005 （2）：317-327.

[21][25]Ji-Won Moon， Young-Gul Kim. Extending the TAM for a World-Wide-Web context[J]. Information & Management， 2001 （4）：217-230.

[23]Davis F. D.， Bagozzi R. P.， Warshaw P. R. User Acceptance of Computer Technology： A Comparison of Two Theoretical Models[J]. Management Science， 1989 （8）：982-1003.

[25]Ji-Won Moon， Young-Gul Kim. Extending the TAM for a World-Wide-Web Context[J]. Information & Management， 2001 （4）：217-230.

[28]查先進，陈明红.信息资源质量评估研究[J].中国图书馆学报，2010（2）：46-54.

[29]Rivard， Suzanne， Poirier， Guylaine， Raymond， Louis. Development of a Measure to Assess the Quality of User-developed Applications[J]. Acm Sigmis Database， 1997， 28（3）：44-58.

[30]Kripanont，N.Examining a Technology Acceptance Model of Internet Usage by Academics Within Thai Business Schools[D]. Melbourne， Australia： Victoria University，2007.

[31]Choi J. N. Individual and Contextual Predictors of Creative Perfor-mance： The Mediating Role of Psychological Processes[J]. Creativity Research Journal， 2004， 16（2-3）： 187-199.

[32]Hatlevik， O. E.， Throndsen， I.， Loi， M.， & Gudmundsdottir， G. B. StudentsICT Self-efficacy and Computer and Information Literacy： Determinants and Relationships[J]. Computers & Education，2018：118，107-119.

Abstract  As a type of education， vocational education is different from general education in terms of curriculum logic and teaching pattern. Based on TAM technology acceptance model， 325 teachers from different vocational schools were investigated. The results showed that the individual innovation of teachers， the high quality teaching resources and the interaction ability of teaching information platform have a significant impact on perceived usefulness; the significant influence exist in perceived usability toward perceived usefulness， in perceived usefulness toward implementation attitude， and in implementation attitude toward behavioral intention;  unlike the TAM model， the perceived usability has no significant influence on the implementation attitude of teachers; the community influence has significant influence on the implementation attitude of teachers， but has no significant influence on the behavior intention of teachers， while the influence of self-efficacy is the opposite of that of community. Therefore， schools need to choose a mature and reliable online teaching platform， build a high-quality online resource database， provide various opportunities for teacher training， create innovative teaching teams， give full play to the exemplary role of efficient teachers and make incentive policies for online teaching， so as to construct the practice community of online teaching.

Key words  vocational education; online teaching; TAM; influencing factors

Author  Xu Yilong， doctoral candidate of Shaanxi Normal University， senior lecturer of Shenzhen No.3 Vocational and Technical School （Shenzhen 518118）; Zheng Guangyong， senior lecturer of Shenzhen No.3 Vocational and Technical School; Yu Hongbo， Shenzhen No.3 Vocational and Technical School