在线学习者持续学习意愿的影响因素研究

任 岩

（江苏师范大学 智慧教育学院，江苏 徐州 221116）

一、引言

近年来在线教育蓬勃发展，数据显示：2019年我国在线教育用户数量已达2.61亿人次（艾媒咨询，2020）。2020年初，为应对新冠疫情对我国教育教学的影响，教育部做了“停课不停学，停课不停教”的工作部署，再次让在线学习的价值得以凸显，在线教育的市场需求更是得到了激发与释放，在线教育用户规模也达到了4.23亿人次的新高峰（中国互联网络信息中心，2020）。疫情期间，在线教育应用呈现爆发式增长态势，在线学习的用户数量激增，相关学者指出在今后的教育教学中，在线学习的方式势必会成为教与学的“常态”。尽管在线教育发展迅速，在线学习用户数量也在逐年增长，但在繁荣发展的局面下也暴露出了严峻的现实问题，即学习者的高参与率低完成率以及辍学率极高的问题。这些现实问题不仅会影响在线课程未来的发展模式和应用实践，甚至会阻碍在线教育的可持续发展。可以说，学习者参与在线学习只是取得了初步的进展，而学习者在线的持续学习才能使在线教育资源的价值最大化。研究者就学习者在线的持续学习问题开展了相关研究，其中大部分研究者主要是基于不同的理论基础与研究框架，从影响在线学习者持续学习意愿的因素层面进行了相关实证研究并提出了相应的策略与建议，以促进学习者持续学习行为的发生。但是作为在线学习主体的学习者的部分自身因素往往容易被忽视，而这些被忽视的因素可能是影响在线学习者持续学习意愿的关键性因素。基于此，本研究以被广泛应用于各类信息系统中影响个体持续使用意愿的期望确认模型（ECM）为理论基础，并引入态度和好奇心这两个学习者的自身因素对ECM进行了扩展，探究影响在线学习者持续学习意愿的因素变量，以期为后续研究提供参考。

二、文献综述及研究假设

（一）在线学习者持续学习意愿的研究

在线学习者持续学习意愿是指学习者参与某次在线学习后，继续参与该次在线学习直至完成以及参与下次在线学习的意愿与意图。持续学习意愿的产生是在线学习者持续学习行为产生的重要前提与基础。国内外研究者分别从不同理论视角出发，开展了相关变量与在线学习者持续学习意愿之间影响关系的探究。基于心理学领域关于个体在受到刺激后的心理决策过程即“刺激—机体—反应”（S-O-R）的理论框架，从教师的在线学习支持、学习者的感知交互性、感知有用性和感知易用性、学习过程的心流体验以及MOOC平台的技术环境特征等层面探究了这些变量对MOOC课程学习者持续学习意愿的影响机制（Zhao, Wang，& Sun, 2020；吴华君，葛文双，何聚厚，2020；赵呈领，王娴，马晨星，2018）。基于改进的技术接受模型即整合型技术接受模型（UTAUT），探究了绩效期望、付出期望、社群影响、配合情况以及感知价值对网络学习者持续学习意愿的影响（Aini, Rahardja，&Hariguna, 2019）。从心理抗拒的理论视角出发，探究了感知稀缺性、感知缺乏控制、心理抗拒感、专注视频讲座对MOOC学习者的持续意向的影响（王继元，张纲要，2019）。又或者整合了多种理论模型，探究了整合后的模型中各变量对MOOC学习者持续学习意愿的影响机制（Rodríguez-Ardura& Meseguer-Artola, 2016）。此外，还有研究将影响MOOC学习者持续学习意愿的变量归结为学习者动机、个人经历、感知能力等学习者自身的主体因素以及课程设计、平台管理等教学与管理的客体因素两部分（孙田琳子，沈书生，2017）。纵观现有研究，国内外研究者们从不同的理论视角与集成模型进行了相应变量与在线学习者持续学习意愿之间影响关系的判定，其中以技术接受模型（TAM）、S-O-R、心流体验等理论模型的应用居多，且从当前研究成果来看，相较于国内，国外的研究成果更为丰富，也可以看出，研究视角的转变为该主题的进一步探究提供了可能的方向。

尽管已有一些研究者基于ECM探讨了MOOC环境下持续学习意向的影响因素，如探究了MOOC学习者的期望确认、学习者感知有用性、感知易用性以及学习满意度对其持续学习意图的影响机制（张哲，王以宁，陈晓慧，高焱，2016；Zhou, 2017；Tan & Shao, 2015），但首先ECM最初使用于市场营销学领域，教育学领域的引入应当考察与探究其模型的适用性问题，而已有研究对于ECM架构的合理性并未说明；其次，在现有的基于ECM模型探究在线学习环境中学习者持续学习意愿的相关研究中，很少有考虑到学习者参与在线学习的特定内在驱动力，如好奇心，这些特定的内在驱动力可能直接影响着学习者持续学习意愿的产生，而以上这些研究主题皆可进一步深入探究。

（二）ECM及其应用研究

ECM即期望确认模型，是Bhattacherjee（2001）根据Oliver（1980）的期望确认理论所提出的一个理论模型（见图1）。该模型认为，信息技术的用户在考虑持续使用决策时与市场营销学领域中消费者的再次消费与购买的决策类似，信息系统的使用用户对于信息系统的期望与初次使用的实际体验结果两者之间的差异会影响该用户再次使用或持续使用的决策与意图。另外Bhattacherjee采用技术接受模型的感知有用性来表示信息系统使用的认知期望，并认为这种认知期望会指导或影响意图形成的后续过程。目前ECM已被研究者应用于探究信息系统或信息技术中用户持续使用决策与意图的相关问题中，如解释与预测学习者对数字教材的持续使用意愿、在线教育平台用户的持续使用意愿、网络学习空间中学习者持续使用意愿等。因此，本研究将基于ECM理论探讨在线学习用户即在线学习者的持续学习意愿。

图1 期望确认模型（Bhattacherjee, 2001）

在ECM中，Bhattacherjee（2001）利用Davis（1989）提出的TAM中的感知有用性来表示期望确认理论中的初始期望，并认为信息系统用户的感知有用性会影响其满意度的形成，但Bhattacherjee（2004）在后续研究中，却删除了感知有用性与满意度之间的关系路径，另外也有相关研究者的研究发现，感知有用性与满意度之间的关系不显著（Dane, Ayub, & Khambari, 2019；李沐纯，韩冰晨，2021）。基于以上讨论，本研究认为感知有用性对满意度没有影响，并提出以下假设：

H1：期望确认对学习满意度具有显著的正向影响

H2：期望确认对感知有用性具有显著的正向影响

H3：感知有用性对在线学习者持续学习意愿具有显著的正向影响

（三）态度

有研究认为，ECM中满意度的作用与TAM中态度所起的作用是相似的，也是影响用户持续使用意愿的前提（Bhattacherjee, 2001）。也有研究者指出态度是建立在满意度基础上的一种情感反应（王卫，史锐涵，李晓娜，2017），而且为了提高行为预测的准确性，行为意向的度量必须要与特定的行为反应相对应，而态度是对特定行为的情感反应，在行为意向的预测上可能比满意度更有效（Ajzen,1991）。据此本研究认为，与满意度相比，态度是影响个体行为意向更为直接的因素变量，满意度对个体行为意向的影响则通过态度进行转移。此外，依据TAM中态度可以作为中介变量关联个体感知有用性与持续使用意愿的结论（Davis, Bagozzi, &Warshaw, 1989），本研究提出以下假设：

H4：感知有用性对态度具有显著的正向作用

H5：满意度对态度具有显著的正向作用

H6：态度对在线学习者持续学习意愿具有显著的正向作用

（四）好奇心

有研究表明：大多数学习者参与在线学习的动力来源是兴趣驱动（范逸洲，王宇，冯菲，汪琼，李晓明，2014），并且发现好奇心是学习者参与并完成在线学习的内部动机（Hew & Cheung,2014），也是影响学习者持续性学习的一个重要原因（Ainley, Hidi, & Berndorff, 2002）。可以说，对于一部分的在线学习者而言，对某领域或某主题知识的渴望即好奇心，可能是其参与并完成在线学习的一个重要的内在驱动力（Watted & Barak,2018）。基于此，本研究将好奇心这一变量整合到ECM中，并假设它作为一种内在动机，与感知有用性这一外在动机共同作用以影响态度和持续学习意愿。另外，依据好奇心的分类，本研究采用与在线课程学习较为相关的认知好奇心作为主要测量变量并提出以下假设：

H7：好奇心对态度具有显著的正向影响

H8：好奇心对在线学习者持续学习意愿具有显著的正向影响

基于以上讨论分析与相关假设，本研究构建了ECM视角下在线学习者持续学习意愿影响因素研究模型（见图2）。

图2 在线学习者持续学习意愿影响因素研究模型

三、研究设计

（一）研究工具

本研究设计编制了“在线学习者持续学习意愿影响因素调查量表”，并通过试测对量表的有效性进行检验。通过试测数据的分析结果对量表进行合理修改后，量表具有较高的信效度，可进行大范围的发放与回收，最终所形成的量表题项设置与参考依据见下页表1。

表1 潜在变量的测量题项与参考依据

（二）研究对象

本研究选取了中国大学MOOC、学堂在线、优课联盟等国内知名在线课程平台中正在参与在线课程的学习者为研究对象，而且为尽可能地获得较大的调查样本，邀请了在线课程团队的主讲教师、助教等课程负责人和教学管理人员，在课程教学进度的中期通过QQ群、微信群、课程公告等方式辅助进行问卷的发放与回收。由于在线课程开课时间与进度的不同，问卷的发放与回收过程共持续近一个月，最终共回收了379份调查问卷，剔除填写用时较短的无效问卷后，获得有效问卷273份，问卷有效率为72%。

（三）数据处理与分析

由于数据源可在SPSS软件与AMOS软件之间转换互通，故本研究利用SPSS20.0和AMOS 21.0软件对收集的样本数据进行统计与分析。

（四）共同方法偏差检验

一般由于同一量表由所有被试填写，被试在同一背景、同一环境、同一测量题项的影响下，或多或少的都会有共同方法偏差的存在，而共同方法偏差的存在程度，在一定程度上会对调查结果产生影响，甚至降低研究者得出研究结论的可靠性。因此，有必要进行共同方法偏差的检验。本研究采用单因子的验证性因子分析来进行共同方法偏差检验，经过单因子的验证性因子分析，结果发现其拟合程度不理想（χ2/df=5.842，RMSEA=0.133，CFI=0.835，GFI=0.648，NFI=0.809），说明样本的共同方法偏差程度不严重。

四、研究结果

（一）样本的描述性统计分析

基于有效问卷样本的统计分析显示，在所调查的在线学习者中，绝大部分为在校学生，约占97.8%（267名），有少量的中小学教师（2名）、大学教师（3名）和其他学习者（1名）；其中男性占19.4%（53名），女性占80.6%（220名）；在文化程度分布上，高中及以下学历者占1.1%（3名）、专科学历者占0.7%（2名）、本科学历者占97.1%（265名）、研究生及以上学历者占1.1%（3名）。调查还发现，所有调查对象至少参加过一门在线课程的学习，其中大约87.9%（240名）的在线学习者至少完成过一门在线课程的学习，这些调查对象经常使用的在线课程学习平台有：学堂在线、中国大学MOOC和尔雅课堂。

（二）测量模型检验

本研究分别对测量模型的信度和效度进行了检验。从下页表2可知，各潜在变量的Cronbach’s α值、因子负荷和组合信度均大于0.7，平均方差提取量均大于0.5，由此可以说明本研究测量模型具有较好的信度与收敛效度。由于本研究潜在变量的相关系数较大（>0.7），故采用Bootstrap方法进行测量模型的区分效度检验，其检验标准为：计算各潜在变量之间相关系数的置信区间，若其相关系数的置信区间不包含1，则表明区分效度良好，反之，则表示区分效度不高（Torkzadeh, Koufteros, &Pflughoeft, 2003）。从下页表3可知，变量之间相关系数的Bootstrap置信区间均不包含1，说明测量模型具有较好的区分效度。综合以上测量结果，本研究测量模型的信效度良好，可以进行结构方程模型拟合。

表2 测量模型信度和收敛效度检验

表3 测量模型区分效度检验

（三）结构方程模型拟合检验与假设验证

通过AMOS对在线学习者持续学习意愿影响因素理论模型的拟合情况进行检验，并依据CMIN/DF、RMSEA、SRMR、CFI、IFI、TLI、GFI等评估指标的参数标准来评估测量模型的拟合程度，其结果见表4。首次模型拟合检验结果显示部分评估指标的参数值并未达到标准参考值，因此，根据结构方程模型的MI修正指数对原模型进行了修正，修正后模型拟合的各项评估指标均满足其标准的参考值，这说明模型的整体拟合程度良好，此时的模型能够较好地解释在线学习者的持续学习意愿情况。

表4 结构方程模型拟合检验结果

图3 修正模型的路径系数

五、结论与建议

本研究从ECM视角出发，在分析了ECM结构合理性的基础上，引入了态度和好奇心两个变量，让研究模型得以扩展且更好地适用于在线或网络学习环境下的相关研究。基于以上讨论，研究分析在线学习者持续学习意愿的影响因素与影响机制发现：态度是影响在线学习者持续学习意愿的重要因素，支持学习者在整个在线学习过程中保持积极、正向的态度，是在线学习者产生持续学习意愿和维持学习行为的重要助力；好奇心、学习满意度、期望确认对在线学习者持续学习意愿具有间接影响，态度是该间接作用产生的中介因素。因此，提高个体期望与现实符合程度，保持个体的求知与探索欲望，提高其在线学习的满意程度，能够对在线学习者持续学习意愿的产生具有一定的影响；感知有用性对在线学习者持续学习意愿无显著影响，也就是说虽然通过在线课程能够促进学习者某些方面取得进步，但这些优势与特点并不能成为在线学习者产生持续学习意愿并维持学习行为的充分条件。

基于以上研究发现，结合当前在线学习的困境与挑战，本研究提出四方面建议，以增强在线学习者持续学习意愿。

（一）需求本位：坚持满足学习者普遍期望原则

鉴于期望确认对在线学习者持续学习意愿的间接影响作用，从在线学习者需求本位出发，坚持满足学习者普遍期望原则是必要的，这就要求：一方面，了解在线学习者的现实需求并针对学习者的需求做出反应与调整，这也是学习者需求本位的重要保证，比如课程视频资源的字幕要求、课程平台的交互功能与学习评价功能等，这些现实需求都是学习者可能需要满足的期待。因此，在线课程负责人需从课程用户的需求本位出发，了解学习者需求，才能做到有备无患；另一方面，在在线课程不断更新、迭代的过程中优化课程设计，提升课程质量与价值，给予学习者超乎预期的学习体验，满足学习者期望，这也是提升学习者期望确认程度的有效手段，而且课程的迭代过程是实现知识内容填充与学习服务优化的过程，这样学习者对在线课程的感知会更好，学习体验也会更佳，期望确认程度也会越高；再一方面，在线课程的介绍要做到实事求是，盲目夸大所导致的期待过高与名不符实的现实使用感之间的差距过大，不仅会导致在线学习者产生失望情绪而且不利于学习者期望确认的提高，因此对在线课程的介绍与评价要慎重地进行，做到真实合理，不夸大，不卖弄。

（二）优化体验：不断提升学习者的学习满意度

学习者在线学习的满意度会影响学习者的态度，进而影响其持续学习意愿。就如何提升在线学习者的学习满意度而言，可以从用户体验的角度出发。其一，通过对学习内容、学习资源、学习活动、学习评价、技术环境等教学设计环节的优化设计（如在线学习活动的多样性、学习资源的丰富性、学习内容的适切性等），提升学习者对在线课程设计整体的感知，建立学习者切实良好的学习体验，从而提升学习者对在线课程学习的整体满意度；其二，重视教师支持服务对在线学习者满意度的积极作用，尤其是对学习者的情感性支持，通过教师提供的支持服务能够帮助学习者减弱在线学习的孤寂感，优化在线学习的体验，进而对学习者满意度产生积极的促进作用；其三，在线课程开设期间对学习者定期开展在线课程学习满意度的调查，收集在线学习者的意见，并通过意见反馈的具体细节，尽可能地优化在线教学的各个环节，以提升在线学习者的满意程度。

（三）端正态度：引导并维持学习者的积极态度

在线学习者的态度是影响其持续学习意愿的直接因素，从态度这一因素出发，讨论如何让在线学习者保持并维持积极、正向的态度才是让其产生持续学习意愿的关键。因此，第一，良好的在线师生关系是学习者保持积极的学业情绪、形成正向学习态度的重要保障，所以在线课程的教师应主动参与在线学习的过程，通过提问、讨论、反馈等方式实现师生的情感交流，拉近师生距离，建立良好的师生关系，让学生能够保持积极的情绪与态度。第二，社会性交互是有效地减弱在线学习社区中社会隔离，稳定学习者情绪和心情并维持积极态度的重要手段。因此，通过在线学习社区开展多人讨论、互助协作的社会性交互学习方式，降低学习者在线学习的孤独感，增强在线学习的归属感（陈君，张曾翘，2019），让其保持并维持积极参与的态度，从而促进学习者主动学习，提升学习者在线学习的持续性，增强其持续学习的意愿。第三，挖掘学习者的在线学习行为数据并通过科学分析予以监督和引导，并对态度积极的学生给予奖励，对存在消极态度的学习者给予警示，使积极态度的学习者继续保持积极的参与态度与学习状态，将消极态度的学习者拉回学习“正轨”，助力其在线学习行为的持续发生。

（四）设置挑战：激发在线学习者求知的好奇心

好奇心对在线学习者持续学习意愿具有间接影响，正如好奇心是学习的动力，好奇心也是在线学习者的学习动力。在强大的求知欲的支撑下，学习者能够保持积极、正向的态度，进而产生持续学习的意愿，增强学习黏性。因此就激发在线学习者求知的好奇心而言，可通过学习挑战的设置实现。学习挑战体现在在线学习内容与资源的难度与新颖性、问题情境的设计、在线学习任务的挑战性、在线人际氛围的建立等，通过学习挑战激发在线学习者探究的欲望，以及对未知事物求知的兴奋感，进而让学习者建立积极的应对态度，从而促进其持续学习意愿的产生与持续学习行为的发生。需要注意的是，学习挑战的难度过大容易导致在线学习者的认知负荷超载，从而打击学习者自信，致使其失去求知的兴趣与好奇。因此，学习挑战的设计要基于在线学习者已有的知识基础和认知水平，设计适合学习者“最近发展区”的学习挑战，激发学习者好奇心，从而增强学习者在线学习的持续性。

六、结语

对在线学习者持续学习意愿的关注与研究对在线学习者的学习效果甚至在线教育的可持续发展等具有重要意义。尽管本研究从ECM的视角出发探讨了在线学习者持续学习意愿的影响因素并得出了相应的结论，但仍然存在局限和进一步研究的空间：一是可用于研究的有效样本数量不够广泛，且从有效样本的统计来看绝大部分是大学生，样本的覆盖面小且不具广普的代表性。今后的研究将在确保足够样本数量的基础上扩展调查对象的类型，收集各类在线学习者的数据以增加研究样本的覆盖面与代表性。二是意愿是行为产生的重要预测与解释指标，在线学习者持续学习意愿的研究并不是最终目标，依据在线学习者的持续学习意愿去预测并解释在线学习者的持续学习行为，即检验在线学习者持续学习意愿与持续学习行为之间的关系将是后续研究的一个重要的方向。