期望确认理论的直播课堂持续使用意愿调查

龚兵丽，刘孙发，谢彬，林志兴，张武威

（1.三明学院 教务处，福建 三明 365004；2.三明学院 网络技术中心，福建 三明 365004；3.三明学院 信息工程学院，福建 三明 365004；4.世纪大学 教育学院，马来西亚 吉隆坡 47300；5.武夷学院 网络中心，福建 武夷山 354300）

全球蔓延新冠肺炎疫情导致许多国家的经济和教育等社会活动面临严峻挑战，截止2021 年初仍有2.5 亿学生受影响[1]，许多学校被迫转入直播教学。直播教学相比传统异步在线教学具有互动便捷、反馈及时等优点，为学生在特殊时期持续学习提供机会，成为疫情期间主要的在线教学方式之一[2]。然而直播课堂的学习情境与时空边界不同于其他课堂，如何评价学生在该教学模式下的学习效果备受社会关注。有研究表明学生的持续使用意愿是反映直播课堂学习效果的重要指标[3]，持续使用意愿被定义为学生未来继续使用直播课堂的一种主观倾向性。通过分析学生主观倾向性的影响因素与路径，侧面反应学习效果的相关研究已成为当前特殊时期的关键议题。

1 理论框架

由Olive[4]提出的期望确认理论（expectation confirmation theory,ECT）最初主要应用于传统商业领域，认为消费者初始期望与实际体验之间差异会形成不同的确认水平，确认水平的差异性通过满意度为中介影响购买意愿。Bhattacherjee[5]将ECT 理论与Davis 技术接受模型（technology acceptance model,TAM）整合拓展为期望确认模型（expectation confirmation model,ECM）。ECM 强调用户使用信息系统的期望和后续确认对其满意度和感知有用性的影响，最终影响信息系统的使用意向[6]，被广泛应用于信息系统（information system，IS）的使用意愿研究。ECM 包含期望确认、感知有用性、满意度、使用意愿四个基本要素，见图1。期望确认是个体对系统的预期和实际使用经验之间一致性程度的感知；感知有用性是个体对系统带来绩效改善程度的感知；满意度是个体在使用系统后的心理体验；使用意图是指持续使用系统的主观倾向性。该模型关键路径表明，用户的IS 感知有用性与满意度对使用意愿有积极的影响；IS 初始期望确认与感知有用性对满意度有积极的影响。

图1 期望确认理论模型Fig.1 Expectation confirmation theoretical model

2 研究模型与假设

由于ECM 模型既简明又易于扩展，依据研究情境适当调整ECM 模型的情形并不少见。Dai 等[7]使用求知欲、使用态度、满意度等变量对MOOC 使用意愿进行研究；李薇等[8]使用平台服务质量、感知附加值、感知互动性等变量来研究在线学习使用意愿的影响关系；Ifinedo 等[9]以感知学习支持度、感知有用性、确认度和满意度等为变量，研究加拿大一所大学的108 名学生持续使用博客意愿受变量影响的路径关系；可见ECM 模型适用多数信息系统的使用意愿研究。在直播教学中感知有用性受学生信息素养效能感的调节[10]，采用技术接受度命名；学生对直播教学的确认直观体现在教师支持的在线同步课堂中，故采用学习临场感表示期望确认；同时直播课堂学习离不开学校支持、学习环境创设等。结合ECM 模型与直播课堂特点，构建感知学习支持、学习临场感、技术接受度、满意度等四个因素影响直播课堂使用意愿的研究模型。

2.1 感知学习支持

感知学习支持是师生对学校支持直播教学的直观感受。根据组织支持理论，个人直观感受主要受组织环境因素影响，直播教学组织环境包括技术、平台、资源、政策等方面[11]，其有力保障会促进师生将新技术应用到教学环境，提高学生的技术接受度与满意度[12]。加强教师直播授课技能培训，可以更好指导学生学习，改善学生学习临场感。因此，感知学习支持假设如下：

H1：感知学习支持正向影响学习临场感

H2：感知学习支持正向影响满意度

H3：感知学习支持正向影响技术接受度

2.2 学习临场感

学习临场感指学生感知教师对学习的指导和关注，是学习体验的重要组成部分。直播课堂模式下教学活动离不开技术媒介支持，教师适当地指导与关注学生在课堂中遇到的技术问题可以有效改善直播平台的可用性与易用性[13]，提高学生的技术接受度，提升满意度。因此，学习临场感假设如下：

H4：学习临场感正向影响技术接受度

H5：学习临场感正向影响学生的满意度

2.3 技术接受度

技术接受度是个体感知信息系统用于提高工作或学习表现的程度[14]，大多采用Davis(1989)技术接受模型(Technology Acceptance Model,TAM)来测量。该模型核心变量是感知有用性与感知易用性[5]。研究把TAM 融入ECM 模型，用技术接受度表达两个核心变量。技术接受度是影响满意度和使用意愿的前因，态度和感知行为控制是影响学习者继续使用直播教学意愿的显著因素[15]。因此，技术接受度假设如下：

H6：技术接受度正向影响学生的满意度

H7：技术接受度正向影响学生的使用意愿

2.4 满意度

用户满意度是个体对信息系统的期望与实际使用绩效进行比较的心理状态[16]。学生满意度是影响直播课堂成功的重要因素，也是衡量学生是否愿意继续使用虚拟学习平台最为关键的因素。因此，满意度假设如下。

H8：学生满意度正向影响使用意愿

2.5 信息素养效能感

在社会认知理论中自我效能感是个体对自己能力的信念，是影响行为的核心因素。信念影响学生面对挑战时的行动、努力、毅力和适应力[17]。信息素养效能感是学生对使用信息技术能力的自我判断所体现的信心水平。Abdullah 等对107 篇相关技术接受度的论文进行元分析，发现效能感对技术接受度在模型中的影响起到调节作用，在直播课堂教学中信息素养效能感在受技术接受度影响的相关路径中起到调节作用[18]。因此，信息素养效能感假设如下：

H9a：信息素养效能感在感知学习支持影响技术接受度时有调节作用

H9b：信息素养效能感在学习临场感影响技术接受度时有调节作用

H9c：信息素养效能感在技术接受度影响满意度时有调节作用

H9d：信息素养效能感在技术接受度影响使用意愿时有调节作用

因此，根据直播课堂实际应用情境，基于ECM 模型核心要素构建直播课堂使用意愿影响因素模型，见图2。

图2 直播课堂使用意愿影响因素模型Fig.2 Continuance intention influencing factor model of live classroom

3 研究方法

3.1 研究工具

研究采用SPSS 和AMOS 分析软件对收集的数据进行统计分析，采用回归路径分析方法对各因素之间的影响关系进行假设验证，并对模型进行拟合校验以确定各因素的影响路径，最后对中介变量进行验证和差异性分析。

3.2 量表设计

研究量表是根据直播课堂具体情境参考顾熠男[19]、Khlaisang 等[13]研究进行综合设计的改编量表。包含31个量表测量项，4 个基本信息项（性别、学校、年级、是否为师范生），抽取学习临场感（LP）、感知学习支持（PLS）、信息素养效能感（ILE）、技术接受度（TA）、满意度（STA）、使用意愿（CI）6 个因子，问卷采用李克特六点记分法。

4 研究分析与结果

4.1 样本基本特征描述

通过在线问卷收集数据，合计收集1350 个样本数据，去除80%都是同一选项的样本189 个，异常值42 个样本，剩余1119 个有效样本，有效率为82.89%。

样本来源于福建省19 个本科高校，男生33.33%，女生66.67%；师范生40.66%,非师范生59.34%；一年级45.84%，二年级24.04%，三年级24.58%，四年级5.54%。

4.2 信度分析

从表1 可知，Cronbach α 系数都大于0.7 说明研究数据信度质量较好，适合进一步分析。

表1 测量项信度分析Tab.1 Reliability analysis of measurement items

4.3 测量模型检验

通过KMO 和Bartlett 检验进行效度验证，从表2可知，KMO 值为0.977 大于0.8（P＜0.05），反应研究数据效度很好。

表2 效度分析Tab.2 Analysis of validity

从表3 可知，标准化载荷系数绝对值均大于0.6，表明有着较好的测量关系。在聚合效度方面对应AVE＞0.5，且CR＞0.7 远高于Hair 的推荐值[20]，表明本次分析数据具有良好聚合效度。

表3 测量指标的验证性因子分析Tab.3 Confirmatory factor analysis of measurement indicators

4.4 相关分析

从表4 可知，Pearson 相关系数值均显著，表明测量项之间有相关关系。

表4 测量指标相关性分析Tab.4 Correlation analysis of measurement indicators

4.5 结构模型检验

从表5 可知，H5 的标准化路径系数值为-0.049＜0，且P＜0.01，说明学习临场感会对满意度产生显著的负向影响；H2 路径没有显著性（P＞0.05），说明感知学习支持对满意度没有影响关系。去除假设不成立路径后见表6。

表5 结构模型回归系数汇总Tab.5 Summary of structural model regression coefficients

表6 修正后的结构模型回归系数汇总Tab.6 Modified summary of structural model regression coefficients

4.6 修正后的结构模型回归系数汇总

从表6 可知：H1，H3，H4，H6，H7，H8 的标准化路径系数都大于0 且（P=＜0.01），说明假设成立。H5 的标准化路径系数值小于0 且(P=＜0.01)，说明学习临场感显著的负向影响满意度。

从表7 可知，修正后的模型拟合指标良好。

表7 修正后的结构模型拟合指标Tab.7 Modified structural model fitting indicators

4.7 调节效应检验

从表8 可知，ILE 分别正向调节了PLS 影响TA、TA 影响STA 的关系，假设H9a、H9c 成立，而ILE 对LP 影响TA、TA 影响CI 的调节作用不存在，假设H9b、H9d 不成立。

表8 信息素养效能感调节效应检验Tab.8 Moderating effect test of information literacy efficacy

4.8 修正后的模型

根据修正后的模型回归系数与调节作用的检验结果生成修正后的模型如图3。

图3 修正后的直播课堂使用意愿影响因素模型Fig.3 Modified influencing factor model of live classroom continuance intention

5 结论与建议

首先，感知学习支持是成功实施直播课堂的基础。感知学习支持大幅度提升学生的学习临场感与技术接受度，与Khlaisang 等研究结论一致[21]，便利的支持条件有利于正向行为的发生[22]。然而，感知学习支持对满意度没有显著影响，可能与学校带宽保障这一项得分（M=4.381）最低有关，网络拥堵或故障对直播课堂的影响较大。建议学校在教学平台、教学资源、带宽服务等方面加强建设；在引进直播平台、允许错峰授课、精准技术支持等方面加强保障。同时，由于直播教学面临复杂多样的问题，过高或不切实际的期望会使学生感到消极与不满，学校应合理引导学生产生适当的期望值。

其次，技术接受度与满意度是成功实施直播课堂的核心要素。技术接受度正向影响满意度与使用意愿，满意度正向影响使用意愿，这与覃红霞等研究结论一致[3]，也进一步验证了期望确认理论中中介的重要作用。通过提高技术接受度提升学生满意度，从而影响使用意愿是行之有效的方法。当然，技术接受度也直接影响使用意愿。因此，技术接受度与满意度是以期望确认为基础理论的直播教学不可或缺的中介变量。

再次，学习临场感是成功实施直播课堂的关键。数据分析发现学习临场感的分数（M=5.463）最高，但回归模型结果表明他负向影响满意度。这一现象较符合中国学生“沉默的参与者”特点[23]，即在课堂中不希望和老师发生过多交互。与传统课堂相似，过多的关注可能降低满意度，教师在直播课堂教学中应适当关注学生。

最后，信息素养效能感是成功实施直播课堂的重要个人要素。良好的个人信息素养效能感可以有效的促进学校支持产生更大的效益，提高个体的满意度。同时效能感因人而异，设定与之相匹配的目标可以进一步提升学习效果[24]，建议学生在直播课堂的学习过程中设置合理的学习目标。