王惠惠 董永權(quán) 范斐然 和文斌

（江蘇師范大學 智慧教育學院，江蘇 徐州 221116）

一、引言

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和移動智能終端的覆蓋普及，社會各行各業(yè)發(fā)生了顛覆性的改變。在“互聯(lián)網(wǎng)+教育”的時代潮流下，基于自主性、開放性和多元性等特征的大規(guī)模在線開放課程也應(yīng)運而生，主要體現(xiàn)在一部分課程由線下轉(zhuǎn)為線上，教學資源獲取和教學形式變得更加靈活［1］。 在線學習是學習者在計算機或移動設(shè)備所構(gòu)成的網(wǎng)絡(luò)環(huán)境中進行學習，是大學生獲取知識、掌握技術(shù)的重要途徑。 新冠肺炎疫情爆發(fā)以來，全國大中小學更是依托在線教學平臺，積極開展在線教學活動，催生了全國大規(guī)模、多類型、各形態(tài)的在線直播課程，成為教育信息化實踐的一次特殊嘗試［2］。 相較于以往學習方式，在線學習打破了時空限制，推廣了優(yōu)質(zhì)的教學資源共享，實現(xiàn)了教育公平。 在線教育的快速發(fā)展不僅推動了高等教育教學模式的變革，更改變了人們對“教”與“學”的認識，成為廣大教育工作者的研究重點［3］。

盡管在線學習具有廣闊的發(fā)展前景，在高等教育教學中也形成了一定的教育影響力，但是人們對于在線學習的前景依然存在爭議，其中最明顯的是在線學習采納的影響因素研究。J.B.Arbaugh［4］通過比較線上線下學習方式和學習體驗的差異性探索了在線學習未來的發(fā)展方向，其中之一是在線學習采納的結(jié)果研究，從而引起人們對采納意愿影響因素的關(guān)注。 關(guān)于影響因素的研究，不同的角度有不同的判斷。 鄧靈麗和覃聰［5］將TAM 模型融入UTAUT 模型對在線學習采納情況進行分析，認為績效期望和努力期望是在線學習采納的重要影響因素。 余琴等［6］對醫(yī)學生采納在線學習的影響因素構(gòu)建了結(jié)構(gòu)方程模型，研究發(fā)現(xiàn)，習慣、社會影響和績效期望等因素對采納在線學習具有積極作用。

雖然許多學者對在線學習采納的影響因素展開了大量實證研究，但是傳統(tǒng)研究范式并未考慮變量之間的相互作用，在一定程度上忽略了變量之間的聯(lián)合效應(yīng)［7］。 因此，本研究基于UTAUT模型和文獻研究建立動因概念模型，引入模糊集定性比較分析（Fuzzy Set Qualitative Comparative Analysis，fsQCA）方法［8］，探索達到采納的變量組合有哪些，尋找共性的問題和普遍性的規(guī)律，探究前因變量與結(jié)果變量的多重并發(fā)因果關(guān)系和多元路徑，為提高大學生在線學習采納率提供參考。

二、理論基礎(chǔ)和模型構(gòu)建

對于在線學習而言，學生采納在線學習的影響因素受到不同層面的影響，本研究基于UTAUT模型和理論基礎(chǔ)研究對大學生在線學習采納提出了一個系統(tǒng)的、完善的采納動因概念模型。

（一）高等教育核心模型

根據(jù)英國提出的《SCONUL 信息素養(yǎng)七支柱：高等教育核心模型》標準，信息素養(yǎng)包括識別、審查、計劃、收集、評價、管理、呈現(xiàn)7 個維度［9］。 由此可看出，此信息素養(yǎng)模型能夠滿足大學生在“教育信息化2.0”時代對在線學習的內(nèi)在需求，體現(xiàn)學生與信息進行交互的綜合能力。 文獻研究發(fā)現(xiàn)，信息素養(yǎng)是大學生參與在線學習的必要準備和技能。 徐艷［10］認為，在線閱讀過程中信息素養(yǎng)對學生的學習意愿和行為舉止均有積極的影響；位星和朱進杰［11］研究發(fā)現(xiàn)，對在線學習環(huán)境下的學習者而言，信息素養(yǎng)對個人深度思維和知識網(wǎng)絡(luò)質(zhì)量具有明顯的影響效果。 因此，信息素養(yǎng)是學生參與在線學習的必備條件，對在線學習效果具有直接影響。

（二）建構(gòu)主義理論

建構(gòu)主義理論強調(diào)以學習者為中心，重視學習者認知主體地位，認為學習者通過主動積極的知識建構(gòu)，更易于形成個性化的學習風格，從而提高批判性思維能力。 與傳統(tǒng)課堂學習相比，在線學習不受時間和空間的雙重限制，能夠滿足個性化學習需求，更符合建構(gòu)主義的理念。 因而，近年來有不少學者從建構(gòu)主義角度去探討在線學習采納的影響因素。 曾爽和高延雅［12］基于建構(gòu)主義理論，以大學英語課程為載體，發(fā)現(xiàn)學習自主性對促進大學生在線學習采納意愿具有積極作用。 劉軍等［13］基于UTAUT 模型構(gòu)建在線自主學習采納的影響因素研究模型，考察績效期望、努力期望、便利條件等對在線學習采納的影響情況。 因此學習自主性作為建構(gòu)主義理論下的產(chǎn)物，對在線學習采納意愿具有重要作用。

（三）交互影響距離論

交互是在線學習得以成功的重要因素之一，許多研究者對其展開大量研究。 美國賓夕法尼亞州立大學M.G.Moore［14］提出的交互影響距離論，為在線交互發(fā)展提供了強有力的理論支持。M.G.Moore 將在線交互分為3 種方式，即學習者與內(nèi)容、學習者與教師、學習者與學習者。 其中，學習者與教師之間的交互是指教師對學習者的引導、組織、課堂氛圍營造以及學習資源支持等，學習者與學習者之間的交互則指學習者分享、討論、協(xié)作等交互活動［15］。 S.B.Eom 等［16］通過構(gòu)建在線學習采納的影響因素模型，討論了師生交互、生生交互等因素的重要影響作用。 本研究的“在線交互”側(cè)重社群層面，因此只考慮學習者與教師和學習者與學習者兩種交互形式。

（四）模型構(gòu)建

V.Venkatesh 等［17］通過整合技術(shù)任務(wù)適配模型、理性行為理論等8 種理論分析模型，提出了整合技術(shù)接受模型（Unified Theory of Acceptance and Use of Technology，UTAUT）。 該模型主要包括績效期望、努力期望、社會影響和促進條件4 個關(guān)鍵變量，用于預(yù)測學習者對新技術(shù)的采納和使用行為［18］。 UTAUT 模型被證實具有高達70%的解釋度，優(yōu)于以往的任何理論模型［19］。 但是，根據(jù)在線學習采納相關(guān)理論，大學生在線學習還與在線平臺的社交互動性、學習者學習自主性和學習者自身的信息素養(yǎng)具有緊密的聯(lián)系，而這些因素UTAUT 模型并未涉及。

綜上，本研究在UTAUT 模型基礎(chǔ)上，融入在線學習采納理論提出的相關(guān)特征，得出前因變量為績效期望、努力期望、促進條件、社群影響、在線交互、學習自主性和信息素養(yǎng)，結(jié)果變量為在線學習是否采納。 其中，績效期望是大學生認為在線平臺對學習的幫助程度；努力期望是大學生使用在線平臺的難易程度；促進條件是技術(shù)和資源對大學生使用在線平臺的支持程度；社群影響是大學生使用在線學習受周圍群體或環(huán)境的影響程度；在線交互是在線學習平臺的社交互動功能與學習者在線交互期望的匹配程度；學習自主性是大學生采用在線學習平臺自主安排學習任務(wù)和計劃；信息素養(yǎng)是大學生在使用在線學習平臺中所展現(xiàn)的綜合信息行為能力和思維方式。 綜合在線學習采納的所有前因變量，將其劃分為平臺層面、社群層面和學習者層面3 個。 具體來說，平臺層面包括績效期望、努力期望和促進條件，社群層面包括社群影響和在線交互，學習者層面包括學習自主性和信息素養(yǎng)。 在此基礎(chǔ)上，本研究提出大學生在線學習采納動因的概念模型（如圖1）。

圖1 大學生在線學習采納動因概念模型

三、研究設(shè)計

（一）研究方法

本研究使用模糊集定性比較分析（fsQCA）方法檢驗大學生在線學習采納動因及組態(tài)效應(yīng)。fsQCA 是借助布爾代數(shù)，整合定量和定性分析的優(yōu)勢，考察因果變量組態(tài)效應(yīng)的一種分析方法。其特點是因果非對稱性、多重并發(fā)性，核心思想不在于單個前因變量的影響程度，而在于多個前因變量如何以組合的形式影響結(jié)果變量［20］。 本研究選擇fsQCA 方法主要有3 個原因：（1）傳統(tǒng)的回歸分析適合探索單個變量對結(jié)果的影響，而fsQCA 方法則可以探究多因素之間的組態(tài)效應(yīng)［21］。 （2）因子分析等方法也可以發(fā)現(xiàn)組態(tài)關(guān)系，但是卻無法有效識別前因變量之間的非對稱因果關(guān)系。 （3）與清晰集定性比較分析（csQCA）和多值集定性比較分析（mvQCA）相比，fsQCA 方法更適合于連續(xù)變量的研究［22］。 因此，本研究采用fsQCA 方法，組態(tài)視角分析大學生在線學習采納的復雜因果關(guān)系和多元路徑。

（二）樣本和數(shù)據(jù)分析

本研究采用問卷形式獲取研究數(shù)據(jù)。 調(diào)查對象為使用過在線學習、并了解在線教學流程的高校學生。 量表選項采用李克特量表，調(diào)查對象影響程度分為5 級。 問卷通過問卷星平臺在線發(fā)放，累計獲得數(shù)據(jù)173 份，其中有效問卷149 份，有效問卷率達86%。

通過采用SPSS 軟件進行信效度檢驗。 分析結(jié)果發(fā)現(xiàn)，前因變量Cronbach's α系數(shù)均高于0.7，表明問卷具有較好的信度［23］。 績效期望、努力期望、促進條件、社群影響、學習自主性、信息素養(yǎng)6 個前因變量滿足組合效度（CR）高于0.6 和平均方差提取量（AVE）高于0.5 的衡量標準［24］，在線交互滿足CR 值0.5 和AVE 值0.36 的最低標準［25］，說明總體上問卷滿足效度標準。 由于fsQCA 方法聚焦于變量與變量之間的交互影響，因此本研究可以放寬對變量信效度的要求。

（三）數(shù)據(jù)校準

fsQCA 方法中每一個變量都是一個集合，包括前因變量（本研究的7 個前因變量）和結(jié)果變量（在線學習采納）。 數(shù)據(jù)校準是給集合中每個樣本賦予單獨的隸屬分數(shù)，且設(shè)定完全不隸屬、交叉點、完全隸屬3 個臨界值。 本研究采用直接校準法將數(shù)據(jù)轉(zhuǎn)換為0 ～1 的模糊隸屬分數(shù)［26］431。根據(jù)閾值設(shè)定的方法，將李克特5 級量表的樣本數(shù)據(jù)進行分析量化，“5”為完全隸屬，“3”為交叉點，“1”為完全不隸屬，按照（5，3，1）標準對數(shù)據(jù)進行校準［27］。

四、研究結(jié)果

（一）單變量必要性分析

從集合論角度來說，單變量必要性分析是檢驗多個前因變量集合是否可以作為結(jié)果變量集合的超集。 即當一致性分析結(jié)果高于0.9 時，表示該變量是結(jié)果發(fā)生的必要條件［26］438。 本研究側(cè)重于在線學習采納，因此僅探究在線學習采納，后文將不再單獨陳述（見表1）。 進一步做X-Y 散點圖發(fā)現(xiàn)，努力期望和促進條件近1／3 案例點分布在對角線以上［28］。 表明這2 個前因變量即使通過一致性檢驗，也無法構(gòu)成在線學習采納的必要條件。 因此，僅有信息素養(yǎng)是在線學習采納的必要條件。

表1 單變量的必要性分析

（二）條件組態(tài)的充分性分析

條件組態(tài)的充分性分析是研究前因變量和結(jié)果變量之間的多重并發(fā)因果關(guān)系。 從集合論角度來說，條件組態(tài)分析揭示了多個前因變量構(gòu)成的集合是否可作為結(jié)果集合的子集。 fsQCA 會根據(jù)復雜程度不同輸出3 類不同的組態(tài)解：復雜解、中間解、簡約解。 以往研究表明，中間解是最優(yōu)解，因此本研究匯報中間解，并輔之以簡約解［26］440。當變量同時出現(xiàn)于中間解和簡約解時為核心條件，僅出現(xiàn)于中間解為邊緣條件［29］。 研究發(fā)現(xiàn)績效期望、努力期望、社群影響、信息素養(yǎng)是在線學習采納的核心條件，而促進條件、在線交互、學習自主性是邊緣條件。

本研究選取fsQCA 3.0 軟件對大學生在線學習采納的研究數(shù)據(jù)進行組態(tài)分析，將一致性設(shè)置為大于0.8，案例頻數(shù)位設(shè)定為1，并結(jié)合PRI 一致性大于0.75，由此得到4 條在線學習采納的組態(tài)路徑［26］440。 其中信息素養(yǎng)作為必要條件出現(xiàn)于每一條路徑中，符合必要性分析的結(jié)論（見表2）。 研究發(fā)現(xiàn)，整體解的一致性為0.9694，解的覆蓋度為0.8568，即所得的4 個組態(tài)解釋了導致在線學習采納85.68%的原因，表明這4 條組態(tài)是大學生在線學習采納的充分條件。

表2 條件組態(tài)的充分性分析

五、組態(tài)效應(yīng)分析與建議

（一）組態(tài)效應(yīng)分析

通過模糊集定性比較分析，得到在線學習采納的多重并發(fā)因果關(guān)系與多元路徑。 研究發(fā)現(xiàn)，信息素養(yǎng)是在線學習采納的核心必要條件，且H3a 和H3b 路徑形成三階等價組態(tài)。 在此基礎(chǔ)上，將組態(tài)分析結(jié)果歸納為3 條路徑：獨立發(fā)展型、平臺依賴型和社群依存型。 “*”表示變量和，“～”表示變量不存在或不隸屬于變量。 歸納分析結(jié)果如下：

第一，平臺依賴型，對應(yīng)表2 中H1 路徑。 該路徑可以表述為：績效期望*努力期望*促進條件*信息素養(yǎng)，表明當在線學習者處于高的努力期望和高的促進條件時，一旦擁有高的績效期望和高的信息素養(yǎng)，即可達到采納。 這一路徑中在線學習者主要以平臺層面為支撐達到采納效果，因此稱之為平臺依賴型路徑。 其中績效期望、努力期望和信息素養(yǎng)是核心條件，促進條件是輔助條件。 研究結(jié)果顯示，相比于其他兩條路徑，H1路徑能夠解釋83.7%的案例，且大約有46.0%的案例僅能被這一路徑解釋，說明大學生普遍是通過這條路徑達到在線學習采納。 同時，表明平臺的易使用性和豐富的教學資源對在線學習采納十分重要。 因此，優(yōu)質(zhì)在線教學平臺可以幫助平臺依賴型學習者利用已有資源，打破外部環(huán)境的限制，從在線教學中獲得學習成就感，從而采納在線學習。 此路徑下，教師為幫助學習者達到在線學習采納，可以選擇一個簡單易使用且學習資源豐富的平臺，從而提高學生對在線學習采納率。

第二，獨立發(fā)展型，對應(yīng)表2 中H2 路徑。 該路徑可以表述為：績效期望*促進條件*學習自主性*信息素養(yǎng)，表明當信息素養(yǎng)高的大學生相信在線學習對其有所幫助且擁有足夠的促進條件時，即使缺乏社群影響和在線交互，只要其自主學習能力強就會采納在線學習。 這一路徑中學習自主性是接受在線學習的關(guān)鍵，因此稱之為獨立發(fā)展型路徑。 調(diào)查結(jié)果顯示，路徑H2 能夠解釋29.6%的案例，且近1／3 的案例能被這一路徑解釋。 學習自主性是學習者在學習過程中自主發(fā)展的行為與素養(yǎng)，是個體獨立性的表現(xiàn)，而在線學習這種方式滿足了學習者自主學習的精神需求。 因此，當在線學習環(huán)境具有高績效期望且教育資源豐富時，可為學習自主性強的學習者提供更多深入學習的機會。

需要特別強調(diào)的是，路徑H1 和H2 都與社群影響和在線交互無關(guān)，即當大學生擁有平臺層面和學習者層面支持時，社群影響和在線交互對在線學習采納無實質(zhì)影響。 其原因可能主要有兩方面：一方面大學生使用在線平臺往往來自學校要求，學生本身自主學習性較弱，難以對周圍人產(chǎn)生較大的影響；另一方面，教師將傳統(tǒng)授課方式直接照搬到在線課堂，不能得到和以往相似的交互效果。 綜合比較H1 和H2 路徑發(fā)現(xiàn)，努力期望和學習自主性之間存在替代關(guān)系。 這是因為平臺簡單、有趣的設(shè)計，引起了學習者的學習興趣，促進學生對在線學習平臺的認知和理解，從而在認知過程中提高自主學習能力。 因此只有獲得高努力期望或擁有強學習自主性時，高績效期望、高促進條件和高信息素養(yǎng)才能成為結(jié)果采納的充分條件組合，前者為采納提供平臺支持，后者為采納提供學習者本身支持。 平臺支持和學習者支持得其一，而無需兼得即可采納在線學習。

第三，社群依存型，對應(yīng)表2 中的H3a 和H3b路徑。 該路徑可以表述為：努力期望*社群影響*～在線交互*信息素養(yǎng)*（促進條件+～績效期望*～學習自主性）。 在相同核心條件基礎(chǔ)上，將該路徑簡化為：努力期望*社群影響*信息素養(yǎng)，表明在高信息素養(yǎng)基礎(chǔ)上，即使缺乏在線交互，只要擁有高的努力期望和高的社群影響，即可達到采納。 這一路徑中社群影響是采納在線學習的關(guān)鍵，因此稱之為社群依存型路徑。 調(diào)查結(jié)果顯示，路徑H3 能夠解釋62.7%的案例，其中努力期望、社群影響和信息素養(yǎng)是核心條件。 社會群體營造一種學習氛圍激發(fā)學生強烈的學習動機，使得大學生易于接受在線學習，讓其在潛移默化中參與在線學習。 此外，這種在線學習方式不僅為學習者開辟了新的學習路徑，也滿足了學習者對學習資源的需求。 當此路徑下學習者因“在線學習沒效率”“不愿意與同學和老師進行在線交流互動”等原因降低在線學習的意愿時，可發(fā)揮社群的情境營造和激發(fā)驅(qū)動力的作用，提高大學生在線學習的意愿與行為。

總體來說：（1）3 條不同組態(tài)路徑表明在線學習采納的“異曲同工之妙”。 每一條組態(tài)路徑在不同前因變量的組合下，均能達到在線學習采納，說明結(jié)果采納是不同前因變量相互作用的結(jié)果。（2）信息素養(yǎng)是不可或缺的條件。 信息素養(yǎng)這一變量不僅是必要條件，而且均存在于3 條組態(tài)路徑中。 這表明高信息素養(yǎng)能很好地契合當代大學生在線學習的內(nèi)在需求，同時也說明了“互聯(lián)網(wǎng)+”時代給在線學習提出了新的要求，大學生要順應(yīng)時代的變化，迎接新挑戰(zhàn)。

（二）建議

為提高大學生在線學習采納率，本研究基于以上3 條路徑，從建設(shè)自適應(yīng)學習平臺、開展在線協(xié)同小組、構(gòu)建在線學習共同體等方面提出以下建議：

第一，加快建設(shè)在線教育自適應(yīng)學習平臺，滿足學生多層次、個性化的學習需求。 當今社會，在線學習平臺如雨后春筍般涌現(xiàn)，然而不同學生的認知水平和自主學習能力存在差異，故規(guī)模化的在線學習應(yīng)滿足學生的個性化需求。 本研究發(fā)現(xiàn)，83.7%的大學生以平臺為支撐達到采納在線學習的效果。 因此，應(yīng)以大數(shù)據(jù)、云計算、人工智能等技術(shù)為基礎(chǔ)，構(gòu)建自適應(yīng)學習平臺，為大學生定制個性化智能終端，打破外部環(huán)境限制，使大學生擁有一個簡單易使用且學習資源豐富的在線學習平臺，精準定位大學生的知識薄弱點，滿足學生多層次和個性化的學習需求。

第二，開展在線協(xié)同小組，強化群體性在線交互。 研究發(fā)現(xiàn)，29.6%的學習者因自主學習能力強而采納在線學習，反之學習自主性弱是在線學習者不采納的重要原因。 因此，通過開展在線協(xié)作小組激發(fā)學生的學習動機，小組成員交流協(xié)作，互相啟發(fā)，互相合作，致力于共同解決問題。 這不僅在一定程度上增加了學生的參與度和學習熱情，而且在與他人的交流過程中也對所學知識進行深度加工和知識遷移。

第三，構(gòu)建在線學習共同體，實現(xiàn)群體知識共享化。 現(xiàn)代信息技術(shù)的飛速發(fā)展，具有共同學習需求的學習者走到一起形成學習共同體，這種在線學習形式為自主性強的學習者提供了良好的平臺。 本研究發(fā)現(xiàn)，社會群體易營造濃郁的學習氛圍激發(fā)學生的學習動機，使得學生易于接受在線學習，并在潛移默化中參與在線學習。 因此，構(gòu)建在線學習共同體，使學生通過在線學習平臺進行跨時空的交流與合作，共享知識與經(jīng)驗，共同解決問題，提高學習效果。

六、結(jié)語

本研究從集合論角度構(gòu)建采納動因概念模型，通過fsQCA 方法探索影響大學生在線學習采納的非對稱并發(fā)因果關(guān)系和多元路徑。 研究發(fā)現(xiàn)，在線學習采納的驅(qū)動機制分為3 條組態(tài)路徑：獨立發(fā)展型、平臺依賴型和社群依存型，且每一條路徑都是多個前因變量相互協(xié)作的結(jié)果，任何單一因素都不能成為在線學習采納的充分條件。 該研究也是首次將QCA 方法引入在線學習研究領(lǐng)域，可為在線學習實踐發(fā)展提供參考。 未來將進一步對學習滿意度和學習效果展開研究，以促進在線學習業(yè)態(tài)向縱深、高效發(fā)展，使得在線學習者享有更佳的學習服務(wù)和體驗。