丁麗，方曉，王景蘭

（亳州職業(yè)技術(shù)學(xué)院 信息工程系，安徽 亳州 236800）

疫情期間職教云、學(xué)習(xí)通、愛課程、e會學(xué)、網(wǎng)易云課堂等平臺被高校廣泛使用，輔助線上教學(xué)。隨著疫情的有效控制，各高校都陸續(xù)開學(xué)，學(xué)生重新回到了教室上課。這些線上學(xué)習(xí)平臺是否還會被學(xué)生繼續(xù)使用，是本文研究的出發(fā)點。本文以高校大學(xué)生為研究對象，以職教云為例，以技術(shù)采納與利用整合理論模型為研究的理論基礎(chǔ)，構(gòu)建了職教云平臺使用意愿的影響因素模型。

技術(shù)采納與利用整合理論模型（unified theory of acceptance and use of technology，簡稱UTAUT）旨在解釋用戶使用新技術(shù)的行為意圖和隨后的使用行為[1]。該模型有四個核心變量（自變量）、兩個因變量以及四個調(diào)節(jié)變量。這四個核心變量是：績效期望（PE）、努力期望（EE）、社會影響（SI）和便利條件（FC）；兩個因變量分別是行為意愿（BI）和使用行為；四個調(diào)節(jié)變量即性別（gender）、年齡（age）、經(jīng)驗（experience）、自愿使用（voluntarily），具體結(jié)構(gòu)如圖1所示[2]。

圖1 UTAUT模型Fig.1 UTAUTmodel

1 模型構(gòu)建與研究假設(shè)

對大學(xué)生使用線上平臺的意愿研究是在UTAUT模型的基礎(chǔ)上，結(jié)合大學(xué)生的群體特點及線上學(xué)習(xí)平臺的特性，在UTAUT模型的基礎(chǔ)上，構(gòu)建了職教云平臺使用行為意愿模型，對各個自變量與因變量之間的影響關(guān)系提出正向假設(shè)，并通過論證探索和定量分析檢驗假設(shè)。

1.1 模型設(shè)計

1.1.1 自變量設(shè)計

保留經(jīng)典UTAUT模型中的四個核心變量，增加系統(tǒng)靈活性作為第5個自變量。在以往的研究中，系統(tǒng)靈活性被用于基于web的用戶意圖培訓(xùn)研究（alrawashdeh和Al-mahadeen，2014）。E-learning系統(tǒng)的靈活性定義為個人認(rèn)為他/她可以在任何時間從任何地方訪問該系統(tǒng)的程度。因此，本文將靈活性（flexibility）納入UTAUT，以調(diào)查它是否對BI產(chǎn)生重大影響[3]。FL被定義為大學(xué)生認(rèn)為他/她可以在任何時間任何地點進(jìn)入在線學(xué)習(xí)平臺進(jìn)行線上課程學(xué)習(xí)的程度。

1.1.2 因變量設(shè)計

由于大學(xué)生使用線上學(xué)習(xí)平臺進(jìn)行學(xué)習(xí)的意愿直接決定其使用行為，所以本研究將大學(xué)生對線上學(xué)習(xí)平臺使用的行為意愿BI作為因變量進(jìn)行研究。

1.1.3 調(diào)節(jié)變量設(shè)計

在校大學(xué)生年齡差別都不大，也不存在使用經(jīng)驗上的差別，且都是自愿使用或者在周圍人的印象下自愿使用的，因此本文剔除了經(jīng)典UTAUT模型中的年齡、經(jīng)驗和自愿性這三個調(diào)節(jié)變量[4]。本研究對象中的大學(xué)生類型包括本科生和?？粕?，二者學(xué)習(xí)的自主性是有差別的，所以增加受教育程度作為調(diào)節(jié)變量。最終確定調(diào)節(jié)變量為性別和受教育程度，構(gòu)建的研究模型如圖2所示。

圖2 職教云使用意愿模型Fig.2 Cloud usage intention model of vocational education

1.2 研究假設(shè)

根據(jù)以上模型設(shè)計，提出以下7個假設(shè)：

H1：績效期望正向影響大學(xué)生使用職教云平臺的行為意愿；

H2：努力期望正向影響對大學(xué)生使用職教云平臺的行為意愿；

H3：社會影響正向影響大學(xué)生使用職教云平臺的行為意愿；

H4：便利條件正向影響大學(xué)生使用職教云平臺的行為意愿；

H5：靈活性正向影響大學(xué)生使用職教云平臺的行為意愿；

H6：男生和女生使用職教云平臺的行為意愿有所不同；

H7：?？粕捅究粕褂寐毥淘破脚_的行為意愿有所不同。

2 問卷設(shè)計與數(shù)據(jù)收集

2.1 問卷設(shè)計

對大學(xué)生使用線上學(xué)習(xí)平臺意愿的問卷設(shè)計主要包括個人基本信息和各個研究維度的量表部分。

個人基本信息主要包括：性別、教育程度（本科、高職）、年級（大一、大二、大三、大四）。

各個研究維度的量表設(shè)計對于各個變量問題的設(shè)計采取7級量表的形式，從非常不贊同到非常贊同分別用1～7表示，即非常不贊同用1分表示，不贊同用2分表示，有點不贊同用3分表示，沒有意見用4分表示，有點贊同用5分表示，贊同用6分表示，非常贊同用7分表示，每個維度設(shè)計3個問題，具體如表1所示。

表1 各個研究維度的量表設(shè)計Tab.1 Scale design of each research dimension

2.2 收集數(shù)據(jù)

高職和本科生是本次問卷調(diào)查的對象，為了使收集到的數(shù)據(jù)更具有代表性，問卷設(shè)計好之后放在問卷星上進(jìn)行在線發(fā)放。分別轉(zhuǎn)發(fā)到以順德、亳州、深圳三所城市命名的職業(yè)技術(shù)學(xué)院的本科和?？瓢嗉壢褐校寣W(xué)生在線填寫。問卷發(fā)放時間為2020年8月21日—2020年8月23日，共收到問卷218份。為了使收集到的數(shù)據(jù)能夠反映大學(xué)生的真實意愿，刪除漏選、答題時間過短等無效問卷及答案有很多為同一個選項的問卷，保留100個有效數(shù)據(jù)。

3 實證分析

選擇基于偏最小二乘法的結(jié)構(gòu)方程模型（PLSSEM）進(jìn)行分析。采用Smart PLS軟件，用PLS方法和自助法及多群組分析MGA法進(jìn)行計算。

3.1 描述性統(tǒng)計

對篩選出的100份數(shù)據(jù)進(jìn)行分類統(tǒng)計，其中男生人數(shù)為22，占總額比例的22%；女生人數(shù)為78人，占總數(shù)比例的78%；?？迫藬?shù)為78，占總數(shù)比例的78%。

3.2 信度與效度檢驗

3.2.1 構(gòu)面信度與效度分析

采用Smart PLS軟件，用PLS方法進(jìn)行計算得出構(gòu)面的信度與效度如表2所示：其中cronbach’s alpha、組合信度（composite reliability，CR）的值均大于0.8（一般要求0.7），表明構(gòu)面的內(nèi)部各個衡量指標(biāo)之間一致性很高，問卷的信度很高，是可靠的[6]。平均抽取變異量（AVE）的值大于0.8（一般要求0.5），說明構(gòu)面的收斂效度很高，問卷是有效的。

表2 構(gòu)面信度與效度Tab.2 Construct reliability and validity

3.2.2 區(qū)別效度分析

效度除了用平均抽取變異量（AVE）的值來衡量，還可以用弗奈爾-拉克準(zhǔn)則和交叉負(fù)荷量來檢驗。即弗奈爾-拉克準(zhǔn)則中每個潛在構(gòu)面AVE的平方根計算結(jié)果是否大于其余構(gòu)面的相關(guān)系數(shù)；各個指標(biāo)的負(fù)荷量是否高于其所有交叉負(fù)荷量。PLS計算的弗奈爾-拉克準(zhǔn)則結(jié)果（如表3所示）顯示，所有構(gòu)面間的相關(guān)系數(shù)均大于0.5小于0.85，且主對角線AVE的算術(shù)平方根都大于其潛變量之間相關(guān)系數(shù)[6]。說明問卷的各個變量之間具有很好的聚合效度和區(qū)別效度，反映出這六個構(gòu)面之間的相關(guān)性是合理、可以接受的。

表3 弗奈爾-拉克準(zhǔn)則Tab.3 Fornell Larcker criterion

另外，PLS計算得到的各個因子負(fù)荷量均大于0.7且大于其交叉負(fù)荷量，說明各個變量之間具有很高的聚合效度和區(qū)分效度。

3.3 共線性VIF分析

變異數(shù)膨脹因子是衡量共線性的依據(jù)，一般VIF值大于5表示模型的各個變量之間存在共線性問題[7]。模型的R2表示各個變量對整合模型的解析力度（如表4所示）。

表4 VIF及R2Tab.4 VIF and R2

由表4可以得出各個因子的VIF值都小于5，表明各個變量之間均不存在共線性問題，問卷的數(shù)據(jù)是有效的。R2一般等于0.5，模型中R2等于0.801，表示各個自變量對因變量使用意愿有80%的解析力度，整個模型是合理的。

3.4 結(jié)構(gòu)方程模型分析

在Smart PLS程序中對5 000個子樣本進(jìn)行bootstrapping分析，以評估這五個自變量之間的路徑系數(shù)是否顯著。其結(jié)構(gòu)方程模型及自助法計算后的數(shù)據(jù)如圖3所示。

圖3 PLS-SEM分析結(jié)果Fig.3 PLS-SEM analysis results

根據(jù)PLS-SEM結(jié)果，SI和FL的P值小于0.05。因此，支持H3和H5，但忽略H1、H2和H4，因為其P值超過0.05。表4顯示的是PLS法和自助法計算的路徑系數(shù)。

3.4.1 P值

由表5可以得出研究模型中假設(shè)1的P值大于0.05，因此假設(shè)1不成立，即很多學(xué)生并不認(rèn)為職教云平臺很有用，因而沒有產(chǎn)生主動使用的意愿；

假設(shè)2的P值也大于0.05，所以假設(shè)2也不成立，即很多學(xué)生并不贊同因為職教云平臺容易使用而產(chǎn)生想主動使用其進(jìn)行學(xué)習(xí)的意愿；

假設(shè)3的P值為0.046小于0.05，故假設(shè)3成立，即老師、同學(xué)及身邊的人的看法或做法會對自己是否使用職教云平臺產(chǎn)生正向影響；

假設(shè)4的P值大于0.05，得知假設(shè)4不成立，即職教云平臺內(nèi)容的豐富性與否與大學(xué)生是否使用職教云平臺進(jìn)行自主學(xué)習(xí)沒有直接影響。另外，現(xiàn)在大學(xué)生都有智能手機(jī)且流量都是無限的，所以這些也不是他們能否使用網(wǎng)絡(luò)平臺進(jìn)行自主學(xué)習(xí)的影響因素。

假設(shè)5的P值為0小于0.05，故假設(shè)5成立，即靈活性正向影響大學(xué)生使用職教云平臺的行為意愿。假設(shè)驗證情況見表5。

表5 假設(shè)驗證情況Tab.5 Hypothesis verification

3.4.2 路徑系數(shù)

由表5中的PLS法路徑系數(shù)值可以看出：SI→BI和FL→BI的值較大，說明社會影響和靈活性對大學(xué)生使用職教云平臺的使用行為作用比績效期望、努力期望和便利條件大。

3.4.3 T值

由各個路徑的T值大小可以看出SI和FL的T值大于1.96，PE、EE和FC的T值小于1.96，說明社會影響和靈活性對大學(xué)生使用職教云平臺的使用意愿作用較大。

綜上所述，以上三個衡量標(biāo)準(zhǔn)對模型假設(shè)的驗證是一致的，即研究模型中H1、H2、H4不成立，H3、H5成立。因此，社會影響和靈活性對行為意愿有顯著作用，績效期望、努力期望和便利條件對行為意愿的作用不顯著。

3.5 多群組分析（MGA）

多群組分析用于將樣本按照某一變量分成兩個或多個子樣本，通過每個子樣本的PLS路徑建模估計路徑系數(shù)，若P值小于0.025，則說明該變量對整個模型是有影響的。按照性別和學(xué)歷分別分組，進(jìn)行MGA計算，其P值如表6所示。

表6 PLS-MGA計算結(jié)果Tab.6 PLS-MGA calculation results

由表6可以看出，按性別進(jìn)行分組計算的P值均大于0.025，說明性別對整個模型的調(diào)節(jié)作用是無效的，男生和女生在使用線上平臺進(jìn)行自主學(xué)習(xí)方面沒有差別，從而驗證了研究模型中假設(shè)6不成立。按受教育程度分組中FL→BI的P值為0.021，說明?？粕捅究粕谑褂镁€上平臺進(jìn)行學(xué)習(xí)的靈活性方面是有差別的，這也表明不同受教育程度的學(xué)生對學(xué)習(xí)的主動性不同，從而驗證了假設(shè)7是成立的。

4 研究結(jié)論與建議

在UTAUT模型的理論基礎(chǔ)上，選取偏最小二乘法（PLS）構(gòu)建結(jié)構(gòu)方程模型（SEM），在經(jīng)典的行為意愿BI的影響因素的基礎(chǔ)上增加靈活性自變量，研究影響大學(xué)生使用線上學(xué)習(xí)平臺進(jìn)行自主學(xué)習(xí)的意愿受哪些因素的影響；通過信度、效度、共線性、P值、T值等分析，得出影響學(xué)生使用線上平臺進(jìn)行自主學(xué)習(xí)的影響因素主要有社會影響和靈活性。使用的靈活性也會對大學(xué)生的使用意愿有顯著作用。同時分別按照性別和學(xué)歷進(jìn)行分組，采用多群組分析方法進(jìn)行計算，通過比較PLS-MGA計算的P值得出?？粕捅究粕谄脚_使用的靈活性方面是不同的，本科生的自主學(xué)習(xí)意愿更強些。