高校英语智慧课堂技术接受度调查研究

王 飞

（甘肃政法大学，甘肃 兰州 730070）

0 引言

高校英语课程是我国高等教育课程体系中的一门重要公共基础课程。根据《大学英语教学指南》（2020 版），高校在开设英语课程时既要满足国家战略需求，为国家改革开放和经济社会发展服务，同时也要满足学生在专业学习、国际交流、工作就业等方面的需求，即要具备工具性和人文性的双重特点。由于我国东西部经济发展不够平衡，导致高等教育资源分布不够均衡，西部地区大学生在英语能力等方面明显滞后。因此，在西部地区高校英语教学中如何贯彻《大学英语教学指南》（2020 版）的要求，利用现代信息技术实现分类指导，因材施教，实现个性化教学，是当前亟待解决的问题。

自2012年华东师范大学建成20间未来课堂起，西部地区高校纷纷建设智慧教室，这些智慧教室初具规模，已经成为高校英语教学的主要场所。文献［1］通过对高校英语教师的教学活动进行研究发现，教师的智慧使用是保证智慧教室应用效果的关键。此外，文献［2］指出，智慧课堂需要实现智能技术赋能的新形态，才能实现深度学习。

智慧课堂不仅是教学智慧化的体现，更是智慧技术与教师教学技术的结合，以提供个性化的学习资源，深化知识流动的广度和深度。然而，技术是否能有效地赋能教学是智慧课堂实践中不可回避的问题。在外语智慧课堂中，以技术接受度为变量的研究并不多见。

本文基于文献［3］提出的技术接受模型（technology acceptance model，TAM）探究学生对于高校英语智慧课堂技术的接受程度，即学生的体验水平和满意度。将智慧课堂教学生态模型与高校英语教学深度融合，以帮助学生生成语言学习实践的智慧。这有助于在西北地区的高校英语教学中培养学生的英语学习策略和学习习惯，帮助他们构建有效的英语学习体系，从而在一定程度上弥补西部经济体落后导致的英语资源配置不均衡的问题。

1 研究理论基础

1.1 技术接受模型

基于社会心理学中理性行为理论（theory of reasoned action，TRA）的TAM 模型，研究计算机技术终端使用者的使用态度和主观意愿。文献［3］提出，人类的最终使用行为受到两种认知因素的影响，即有用性（perceived usefulness，PU）和易用性（ease of use，EOU），这两者通过使用态度（attitude，A）和行为意愿（behavioral intention，BI）对人产生影响，从而辅助预测人最终的行动方向，具体如图1 所示。因此，本研究结合高校英语课程的背景，将这4 个核心变量进行定义，如表1所示。

表1 核心变量定义

1.2 大学英语智慧课堂

智慧课堂不仅是传统认识中智慧白板等外在形式上的变化，而是融合了人工智能（artificial intelligence，AI）技术，从而具备智能、高效、数据可视化特征的新型智慧课堂。智慧课堂能够响应学生的学习需求，提供适当的学习支持和个性化的帮助，实现智慧发展［4］。

本研究以西北地区高校英语学习者为研究对象，将高校英语学习视为智慧学习共同体，结合文献［5］提出的“智慧课堂智能化服务平台总体框架”以及文献［6］设计的“外语专业教学中智慧学习共同体的运作机制”，基于西北地区高校英语教学的实际情况，提出了高校英语智慧课堂运作模式，即“两端-三段-四阶”模型，如图2所示。

图2 大学英语智慧课堂运作模式

在课前，教师通过教学智能端发布单元话题背景、语言基础知识以及听说能力训练。与传统多媒体课堂不同的是，智慧课堂具备对学生差异的兼容性。学习者可以通过学生智能端自主选择英语学习资源，并完成规定学时的学习内容和课前测试。根据文献［2］的观点，通过课前学习，学生在情景化的资源中获取、转化和输出知识，从而形成英语学习的良性循环。

在课堂中，英语教师需要灵活运用语言教学法，采用重建的方式呈现语言教学内容。学生通过侧屏获得有关词汇、长难句结构等初级认知方面的知识。此外，进行知识检测有助于实时监测智慧课堂效果，实现课堂过程性评价，以便随时调整教学方式和节奏。在教学过程中，师生交互学习主要以问题学习和项目学习为主，辅以辩论学习和协作学习。

在高阶认知方面，教师创建英语学习情境，帮助学生内化重点知识，如阅读技巧、写作方法、翻译技巧等，同时外化学生知识学习途径，如听辨训练。在学情分析的基础上，教师进行精准干预，考虑西北地区高校英语教育现状和学生英语先验知识，提供个性化精准指导，以生成语言学习实践智慧。

在课后，教师根据课堂中采集的数据和经验认知设计并发布课后交互学习任务。这些任务主要聚焦于各个能力水平的阅读、写作和翻译等高阶能力训练，例如阅读中词汇感情色彩的练习、写作中关联词的运用等。在此过程中，教师引导学生进行知识点链接，从而形成清晰的知识体系。

2 研究设计

2.1 研究内容

本研究以西北地区高校英语智慧课堂为研究背景，将TAM 模型的EOU 和PU 作为内部自变量，将A和BI 作为因变量，主要考察学生对高校英语智慧课堂的技术接受度。研究对象为大学一年级学生及其高校英语智慧课堂授课教师，受试学生已有为期18～20周的课程学习经历，对该课程的运作模式已经熟悉。

TAM 模型的变量采用文献［7］设计的李克特五级量表，其中包括4个因子，共14个题项。该模型是高等教育科研领域中最常用的技术接受模型，能够合理解释个人在教育环境下的技术接受度，例如高校教师网络教学技术接受度调研等［8］。问卷调查开始于2023年春季学期，共发放150份问卷，以线上问卷形式进行，涉及3所普通本科类院校的12个班级，最终收回有效问卷126份。

2.2 研究模型

本研究主要通过TAM 模型考察影响高校英语智慧课堂技术接受度的内部因素。之前研究表明，教育技术越容易操作，PU 和BI 的数值将会随之提高［9］。本研究保留了原模型中EOU 和A 的相关性。如图3所示，H1表示EOU对PU有正向影响，H2表示EOU 对A 有正向影响，H3 表示EOU 对BI 有正向影响。当PU 的数值提高时，英语学习进入良性循环，一旦取得积极效果，学生的使用态度和行为意愿有可能随之提高。H4 表示PU 对A 有正向影响，H5 表示PU对BI有正向影响，H6表示A对BI有正向影响。智慧课堂的选择是教育技术发展的必要结果，积极的环境必然会对使用者的使用意愿产生正向影响。

图3 假设模型

3 研究结果

3.1 TAM模型描述性统计分析结果

TAM 模型中各变量的信度如表2所示，4个变量的信度值均大于0.8，KMO 检测值均大于0.7，计算过程中P均小于0.05，表明信度较高，证明本研究具有较高的有效性和可靠性。

表2 TAM模型中4个变量的信度

将问卷结果输入SPSS 数据分析软件后，统计分析结果如表3 所示。首先，标准差最大值为1.33，最小值为1.18，说明样本分散度不大。其次，BI的数值为4.01，说明受试者表示出高度的行为意愿，即受试者对智慧课堂存在高度的使用意向。智慧教育是学生的选择，更是时代的选择。

表3 描述性统计分析结果

另外，EOU 的数值为3.95，说明受试者认为智慧课堂有较高的易用性，即智慧课堂所涉及的软件和硬件技术较为人性化，符合学生的认知行为习惯；PU 的数值为3.70，说明了感知的有效性较高，但相对于易用性来说较低，可能是由于教师没有最大限度地开发教学技术功能并将其与专业深度融合；A 的数值为3.06，说明受试者使用意愿处于中等水平，该变量的值在所有变量中最低，说明与传统的多媒体课堂相比，智慧课堂的设计并没有那么受欢迎。

通过数据对比发现，学生感知的易用性大于有用性。英语教师的任务是增强学科实践智慧，以满足学生专业学习需求和信息技术应用之间的适配。智慧课堂的宏观结构日趋成熟，高校英语教师应全面了解智慧课堂，进行批判性思考，明确知识结构，细化学习过程，量化学习效果，真正做到“听说读写译”各个环节有机融合的精准教学。

3.2 模型检验

将所有的数据输入AMOS 数据分析软件，对图3所示的假设模型进行验证，采用路径分析检测变量间的关系。由表4可知，拟合优度卡方检测值为2.539，残差均方值为0.07，近似均方根误差为0.075，说明模型适配性较好。规准适配指数为0.86，增值适配指数为0.927，比较适配指数为0.91，所有拟合优度指标均达到通用标准。

表4 拟合优度

路径分析结果如表5 所示。根据路径回归分析结果得到各变量间的关系系数。除了EOU→BI假设不成立外，其他假设均成立。EOU→BI 路径的标准化回归系数为0.102（t=1.51，p=0.36），p大于0.05，说明EOU 对BI 没有显著的影响，因此假设不成立，调整后的模型如图4所示。

表5 回归分析结果

图4 调整后模型

4 讨论与分析

4.1 英语智慧课堂易用性

通过对变量间的回归分析，发现EOU→PU 路径的标准化回归系数为0.225（p＜0.05）以及EOU→A路径的标准化回归系数为0.345（p＜0.05）。这表明EOU 对PU 和A 均存在积极的影响，而且其对A 的影响大于对PU 的影响。在本研究的背景下，智慧课堂对学习的帮助程度受到技术易用性的积极影响。同时，技术的易用性对学生在智慧学习环境中的学习态度产生积极影响。智慧课堂的教学方式可以增强学习者的学习体验［10］，从而对学习者的情感体验产生积极影响，提高其自我效能感。

其次，EOU→BI 路径的标准化回归系数为0.102（p＞0.05），即在本研究环境下，EOU 对BI没有显著影响，学生的使用意向不会受到智慧课堂易用性的影响。随着时间的推移，技术易用性的影响因素可能会减弱。本研究发现EOU 通过PU 对BI 产生作用，因此EOU在此模型中是不可或缺的变量。智慧课堂与传统多媒体课堂的不同之处更多体现在其智慧性上，包括机器的智能和人类的智慧。机器的智能指其操作的人性化和强大的计算功能，为学习者提供个性化学习服务和发展体验。在TAM 模型中，EOU是一个不可或缺的因素，因此在后续对智慧课堂的研究中应加强对EOU的关注。

4.2 英语智慧课堂有用性

EOU和PU作为TAM模型中的两大核心变量，在解释和构建智慧课堂技术使用方面具有重要的贡献。由表5可知，PU→A路径的标准化回归系数为0.419（p＜0.05），PU→BI 路径的标准化回归系数为0.356（p＜0.05），本研究的结论与文献［11］的研究结论一致，即智慧课堂的有效性对学生的使用态度和使用行为有积极的影响。A和BI是接受度的外在表现，因此PU对智慧课堂技术的接受度产生了间接的积极影响。

对学习者来说，一旦“新鲜度”过后，他们更关注智慧教学方法是否适合个体学习风格、习惯和认知能力，是否符合个人秉持的英语学习成功的标准，以及是否能够提供长期有效的英语学习体验。相较于“好用”，“有用”更为关键，因为学生对智慧课堂的积极接受度将增加学习投入，形成良性学习循环。本研究中，实验表明智慧课堂并未对所有学生都产生帮助。因此，对教师而言，关键问题在于如何使智慧课堂更加智慧地满足不同学习认知习惯的学生个体，提高学生对其感知的有用性，从而提升学生的使用态度。为了提高学生对智慧学习认知取向的理解，除了个体因素外，高校英语教师还需解决智慧与专业的结合、任务与技术的适配等问题。

5 结语

本文主要研究高校英语智慧课堂技术接受度。在智慧教学时代，ChatGPT 等智能科技崭露头角，教育者应调整思维方式，专注于如何使用智能工具为人类服务。在高校英语教学中，教师应积极使用智慧工具来赋能教学。只有任务与技术高度适配，才能实现智慧学习的效果，达到智慧教育的目标。

人工智能的兴起对高等教育提出了新挑战。随着技术的不断发展，智慧课堂已步入2.0 时代，高校英语教师应深入了解智慧课堂，将高校英语课程与之深度融合，以满足人才培养的需求，为国家经济社会发展服务。