地方本科高校大学生移动学习行为影响因素研究

冯永华，张森炜

(1.河南大学教育学部，河南开封，475004；2.东莞市东城品尚实验学校，广东东莞，523000)

移动学习是指学习者在非固定和非预先设定的位置下发生的学习，或有效利用移动技术所发生的学习。[1]它以满足个性化学习需求的优势正在成为高校正式学习的有益补充，有效学习行为的发生是提升移动学习效果的关键。澄清地方本科高校大学生移动学习行为影响因素及因素间的关系，有利于促进人才培养。基于此，本研究聚焦于地方本科高校大学生，开展大学生移动学习行为影响因素研究。

一、模型建构基础：整合型技术接受与使用理论

整合型技术接受与使用理论(Unified Theory of Acceptance and Use of Technology，UTAUT)是在技术接受理论(简称“TAM”)的基础之上，整合创新扩散论、理性行为理论、动机模型等不同领域的8种理论模型，提炼核心变量而提出的。该理论包含4个关键变量(绩效期望、努力期望、社会影响和便利条件)与四个调节变量(性别、年龄、经验和自愿性)，如图1所示。Venkatesh等人研究发现，UTAUT模型对用户接受信息技术的解释度可以高达到70%。[2]

图1 UTAUT模型

二、移动学习行为影响因素模型研究假设与初步构建

本研究在UTAUT模型基础之上，引入学习动机、学习资源两个关键变量。学习动机能解释学习者在行为方面、情感方面和认知方面参与反应的成因[3]，学习资源是移动学习行为发生的对象，便利条件对移动学习行为意向没有正向影响[4]。基于地方本科高校大学生为研究对象，本研究调节变量保留了UTAUT模型中的性别变量，将年龄变量修改为年级变量，增加专业类别变量，删除自愿性、经验两个变量。基于此，本研究提出如下假设。

H1：绩效期望对移动学习的行为意向有正向影响。H2：努力期望对移动学习的行为意向有正向影响。H3：社会影响对移动学习的行为意向有正向影响。H4：学习资源对移动学习的行为意向有正向影响。H5：学习动机对移动学习的行为意向有正向影响。H6：学习动机对移动学习的使用行为有正向影响。H7：移动学习的行为意向对其使用行为有正向影响。H8：学习资源对绩效期望有正向影响。H9：努力期望对绩效期望有正向影响。

基于关键变量、调节变量与研究假设，本研究初步构建移动学习行为影响因素模型，如图2所示。

图2 移动学习行为影响因素初步模型

三、问卷设计与数据分析

(一)初始问卷设计与编制

研究对象基本情况包括性别、年级、专业等。影响因素量表采用李克特5点量表，从1到5表示从“非常不同意”到“非常同意”的认同程度。其中，绩效期望、努力期望、社会影响主要参考Venkatesh等人编制的量表[2，5-6]，分别设计4个(从A1—A4)、4个(从B1—B4)、3个(从C1—C3)题目；学习动机参考杨起虹的量表[7]，结合前期访谈修改，设计4个(从D1—D4)题目；学习资源参考杨根福的量表[8]，并结合前期访谈修改，设计4个(从E1—E4)题目；行为意向参考Venkatesh等人编制的量表[2，9]，设计4个(从F1—F4)题目；使用行为参考徐佳程编制的有关题项[10]，并结合访谈修改，设计5个(从G1—G5)题目。本研究共编制28个题目，形成地方本科高校大学生移动学习行为影响因素问卷。

(二)问卷试测与修改

试测问卷在地方本科高校发放46份，回收有效问卷41份，使用SPSS 25.0进行信效度检验。信度分析结果显示，问卷总体信度系数为0.937，每个变量的信度系数均超过0.6，具有一定可靠性。效度检验结果显示：问卷KMO值是0.639(大于最低标准0.6)，巴特利特球形度检验为984.174(df=378)，p<0.001；进行总方差分析，提取到7个主成分，总体贡献率为82.911%。本研究尝试删去题目A3、A4、C3、D4、E4、F3、G1、G5，此时的KMO系数、巴特利特球形度检验显著性、累计方差贡献率及成分旋转矩阵四分数据达到最优解，且变量与题项符合本研究测量维度构想，确定最终问卷构成，共计20个题目。

(三)问卷正式发放与信度分析

本研究以地方本科高校H大学的学生为研究对象，以就近抽样原则，发出问卷240份，回收有效问卷213份，有效回收率为88.75%。调查对象基本信息如表1所示。

表1 调查对象基本信息

使用Cronbach’s α系数对问卷信度进行检测发现：总信度系数为0.873，高于0.8的标准；各变量信度系数介于0.707—0.824之间，问卷整体信度较高，具有良好的一致性。

(四)数据描述性统计分析

1.变量描述性分析

如表2所示，关键变量绩效期望、努力期望、社会影响、学习动机、学习资源、行为意向、使用行为的各测量指标最大值均为5，最小值都在2左右，表明各测量指标具有区分度。其中，使用行为均值与中位数都是4，表明大学生移动学习行为的发生率情况较高；努力期望和学习资源的均值均超过4，绩效期望、学习动机、行为意向的均值均接近4，表明这些变量对移动学习行为有正向影响；相对来说，社会影响的均值较低，表明他人移动学习情况对调查对象移动学习的影响较小。

表2 各个变量的描述统计量(N=213)

2.调节变量差异性分析

本研究对性别使用独立样本T检验、对年级使用单因素方差分析，结果显示，所有变量在性别与年级方面无显著差异，即性别与年级对本研究涉及的所有维度都没有调节作用。本研究对专业类别变量使用单因素方差分析，结果显示，学习动机在专业类别方面具有显著性差异(p<0.05)，即专业类别对学习动机维度起到调节作用。其中，文史类、法学与经济学类的大学生具有更有效的移动学习行为。

四、移动学习行为影响因素结构方程模型建构、修正与验证

本研究运用AMOS 22.0绘制移动学习行为影响因素初始结构方程模型，根据模型的拟合度结果对模型进行修正、路径分析、影响效应分析，以验证假设、分析影响因素及其关系。

(一)移动学习行为影响因素初始结构方程模型

初始结构方程模型路径图如图3所示，初始模型共有7个潜变量(用椭圆形表示)、20个显变量(用矩形表示)，以及23个非标准化路径系数值默认为1的残差变量(用圆形表示)。

图3 地方本科高校大学生移动学习行为影响因素初始结构方程模型

本研究导入样本数据后，通过AMOS参数估计得到了初始结构方程模型拟合效果：CMIN/DF为2.482，表示模型适配良好；GFI、AGFI、NFI、CFI的值分别为0.846、0.800、0.759、0.838，基本达到可接受范围；RMSEA为0.084，未达到小于0.08的可接受标准。因此，本研究尚需对模型进行继续修正。

(二)结构方程模型修正

本研究主要通过删除不显著的影响路径，结合AMOS 22.0软件给出的修正指标修正结构方程模型。修正步骤主要如下：首先，依照提供的修正指标，增添学习动机与使用行为之间的影响路径，设置努力期望与学习资源之间的共变关系；然后，根据提供的p值，删减了p值大于1的非显著路径，删除学习动机对行为意向、努力期望对行为意向的影响路径；最后，根据修正指标，增添学习动机与努力期望、学习资源与学习动机3个潜变量的2条共变关系。

检验修正后的模型拟合指标，结果如下：CMIN/DF为1.518，其数值介于1—3之间，表示模型适配良好；GFI为0.908、CFI为0.944，两个数值大于0.9，表示模型路径图与实际数据有良好适配度；AGFI、NFI分别为0.880、0.855，其数值均大于0.8，且数值越接近1，表示适配度越佳；RMSEA为0.049，小于0.05，表示模型适配度良好。总之，修正后的模型拟合度较好，确定本研究结构方程模型，如图4所示。

图4 修正后的结构方程模型

(三)路径分析与影响效应分析

本研究依据修正后的结构方程模型进行路径分析，计算路径系数、各路径之间的显著性，掌握各个变量之间的因果关系。结果如表3所示：各路径系数的p值均达到显著水平，且临界比值(C.R.)均大于1.96，表明各路径之间存在因果关系。具体如下：学习资源对绩效期望、行为意向有正向显著影响，努力期望对绩效期望有正向显著影响，绩效期望、社会影响均对移动学习行为意向具有正向显著影响，行为意向、学习动机均对移动学习使用行为具有正向显著影响。

表3 路径分析

依据修正后的结构方程模型进行总影响效应分析，研究发现：绩效期望、努力期望、学习资源和社会影响对移动学习行为意向有间接影响作用，间接效应值分别为0.215、0.135、0.214、0.095；学习动机和行为意向对使用行为有直接影响作用，直接效应值分别为0.690、0.500。影响使用行为的各因素排序为：学习动机(0.690)>行为意向(0.500)>绩效期望(0.215)>学习资源(0.214)>努力期望(0.135)>社会影响(0.095)。综上所述，假设检验结果如表4所示。

表4 研究假设检验结果

五、研究结论与建议

(一) 研究结论

本研究结果表明，学习动机和行为意向直接影响本科高校大学生移动学习行为，绩效期望、努力期望、学习资源、社会影响间接影响本科高校大学生移动学习行为。

1.学习动机和行为意向直接正向影响移动学习行为

本研究结果显示，学习动机和行为意向对本科高校大学生的移动学习行为的影响最大，较强的学习动机与行为意向是本科高校大学生产生更有效的移动学习行为的主观原因。专业类别对本科高校大学生学习动机的影响存在显著差异，不同专业的学生存在差异化的学习动机。

2.绩效期望、努力期望、学习资源、社会影响间接正向影响移动学习行为

绩效期望、努力期望、学习资源、社会影响间接对地方本科高校大学生的移动学习行为有正向影响。当移动学习可以提高学习效果、移动学习更容易操作、资源内容质量较高、大学生周围群体使用移动学习时，本科高校大学生则易产生使用移动学习的意向，出现移动学习行为。社会影响的影响效应值较小，影响程度较小。

(二)促进地方本科高校大学生移动学习行为的优化建议

地方本科高校大学生移动学习行为受学习动机、行为意向、绩效期望、努力期望、学习资源、社会影响等方面的正向影响，本研究从促进地方本科高校人才培养、提升移动学习有效性的立场出发，重点从高校教学改革、大学生学习动机视角提出促进地方本科高校大学生移动学习行为的优化建议，并对平台建设提出优化方向。

1.探究混合策略，以新的教学生态圈提升移动学习效果

移动学习借助计算和通信的力量增强学习过程，彻底改变了学习的生命周期与开展形式。[11]它以非正式学习的方式为学习者提供了自由的学习时空，但其易缺乏学伴支持、学习支持，造成知识“孤岛”。因此，将移动学习混合运用于课堂教学，利用二者优势混合，强化支持与连通。一方面，混合实现了虚拟空间与物理空间的无缝衔接，使课前、课中、课后及课上与课下融为一体，促进连通与互动。另一方面，混合实现了多要素重组，优化了教学结构。混合实现了学习者、教师、智能学伴、学习资源、学习平台等要素的重组，学生之间、师生之间、学生与平台之间等各要素相互作用、相互影响，实现多维互动，降低学习孤独感，促进新知识的生成与联通，不断促进新的“教”“学”“教学”生态圈生成。总之，探究混合策略，形成全时段、全维度的教学联通，以新的教学生态圈促进教与学结构的改变，提升移动学习效果，扩大移动学习社会影响。

2.构建多模态、开放融通的优质资源，以适应性精准推荐增进学习意向

学习资源对大学生移动学习行为的发生有间接影响，持续优化高质量的移动学习资源是提升移动学习效果的必然诉求。一方面，构建多模态资源、开放融通的优质资源。多模态资源超越了传统的单一模态形式，它既包括图片、文本、音视频等单一媒体资源，也包括PPT、微课等多媒体资源，还包括VR/AR等互动资源，在多重模态数据共同作用下调动学习者的视觉、听觉、触觉等感知通道。另一方面，增进学习资源的开放融通，打破不同学习平台之间高质量资源的壁垒，促进系统化资源与碎片化资源的融通，促使不同专业学习者在碎片化时间里进行系统化学习，增进移动学习者的学习黏度。此外，基于平台自适应系统建立学习模型，实现精准学习分析，进行精准化资源推荐，既是持续激发学习动机、提升绩效期望、增进行为意向的必要诉求，也是解决移动资源带来知识迷航与知识负载问题的必要手段。[12]因此，构建多模态、开放融通的优质资源与精准推荐系统，以数据驱动定位学习需求，提升个性化学习效果。

3.大学生持续强化学习动机，以内驱力促进有效移动学习行为

移动学习作为一种自主学习方式，更具灵活性与松散性，容易出现“移动学习过程中学生的注意持久性较差”[13]的问题，对学习者的主动性、自控性提出了更高要求。本研究表明，学习动机直接影响大学生的移动学习行为。从移动学习者作为学习主体层面来说，持续强化学习动机是克服注意力问题、主动性、自律性的关键。首先，大学生应具有明确的学习目标，以目标为导向，定位学习需求，明确学习任务，制订明晰的学习计划，规划学习安排。其次，大学生应提高学习过程的自我监控，以自我监管、自我反思感知学习动机的变化，及时调整学习策略，提升学习坚持度与学习积极性。最后，大学生应强化学习成就，从主动参与、自主建构、社会性交互、作品完成等方面提高自我学习效能，促进学习动机的持续激发。总之，移动学习者作为学习主体，应不断强化学习动机，持续提升内驱力，实现有效的移动学习行为。

4.增强移动学习平台可用性建设、多元交互与监管设计，创建沉浸式移动学习环境

移动学习平台可用性直接影响学生的努力期望、行为意向。可用性涉及易学、易用、系统有效性、用户满意度等多个因素，包括界面可视性、导航、内容、控制度、反馈、出错率和一致性7个维度。[14]强化移动学习平台可用性建设是促进移动学习行为有效发生的基础，它应以学习者为中心，具有友好的界面设计，为快捷浏览、精准检索提供优质导航、互动与可控性。此外，移动学习平台应强化智能多元交互与监管设计。智能多元化交互设计包括学习者与平台系统之间的交互以及学习者之间的交互。前者以智能性、实时性、稳定性为学习者提供反馈，实时提供学习支持； 后者以社会化交互消除了泛在学习环境中的孤独感，强化学习效果。通过监管设计的反馈，能够激励学习动机调节。此外，移动平台应降低出错率、增加兼容性，以低出错率提供基础保障，以兼容性为学习终端提供“一致性”的方式，提升易用性。总之，增强移动学习平台可用性建设、多元交互与监管设计，为学生在虚拟空间提供真实的沉浸式学习环境，增进移动学习行为的有效性。