趙香芹

基于Kano模型的編程語言在線學習平臺功能需求分析

趙香芹

（江蘇理工學院，江蘇 常州 213001）

編程語言在線學習平臺是學習編程新知識的重要途徑。厘清平臺各類功能的用戶需求屬性，對提升平臺服務質量至關重要。采用德爾菲法、Kano模型和Better－Worse系數等多種研究方法，明確了編程語言在線學習平臺的服務內涵，構建了包括5個維度、26種功能的編程語言在線學習平臺功能需求服務體系，對編程語言在線學習平臺的用戶需求屬性進行了科學歸類。根據Better-Worse系數值測度的用戶滿意度指數及其四象限坐標圖，將編程語言在線學習平臺的26種功能需求，分為期望型功能需求、魅力型功能需求、基本型功能需求、無差異型功能需求。在上述分析結論基礎上，針對不同需求的功能屬性對用戶滿意度的影響特征，提出改進編程語言在線學習平臺用戶需求的差異化服務策略。

在線學習平臺；編程語言；用戶需求；功能屬性；Kano模型；Better-Worse系數

隨著互聯(lián)網技術的快速迭代更新，特別是5G技術的出現(xiàn)，計算機技術語言也隨之出現(xiàn)階段性的顛覆式創(chuàng)新，促使相關從業(yè)者對編程技術語言有強烈的學習需求。受疫情影響，在線學習備受青睞，相關學習平臺層出不窮，為學習者提供了高效便捷的編程語言在線學習服務。然而，隨著平臺用戶逐漸增多，如何劃分不同用戶的需求層次，提高平臺的性能質量和用戶滿意度，是在線學習平臺面臨的重要挑戰(zhàn)。具體而言，包括以下問題：平臺設計主觀性太強，用戶畫像模糊，客戶需求層次識別不夠，導致平臺針對性不明顯；平臺有些功能屬性的質量評價較低，凝練度和準確度不夠，不注重與用戶的交互體驗；平臺功能屬性優(yōu)先級順序紊亂，對保障基本需求屬性、深挖期望需求屬性、創(chuàng)新魅力需求屬性的意識不足。圍繞上述問題，本文設計了關于編程語言在線學習平臺各功能需求的用戶滿意度調研問卷，以此搜集樣本數據。利用Kano模型和Better-worse系數開展實證分析，以凝練編程語言在線學習平臺所設功能屬性的質量和價值，詳細分析平臺各功能的有效性。在此基礎上，明確各功能屬性的優(yōu)先級類別，對平臺各功能屬性進行優(yōu)先級排序，以期優(yōu)化平臺功能并提升平臺學習效果。

1 在線學習功能需求分析

1.1 在線學習功能需求分析的理論依據

在新產品在設計之前，需通過調研挖掘用戶需求的層次，據此設計開發(fā)符合用戶需求的產品功能，以提升用戶體驗的滿意度。對此，日本東京理工大學狩野紀昭（Noriaki Kano）教授提出Kano模型，將產品功能質量分為五類：基本功能需求、期望功能需求、魅力功能需求、無差異功能需求、反向功能需求。通過Kano模型，可充分了解用戶需求并對產品功能進行優(yōu)先排序，確定影響用戶滿意度的關鍵要素。實踐中，受在線學習者個人知識基礎、能力層次和主觀認知的影響，對在線學習平臺的功能需求繁多。根據Kano模型理論，可在整合在線學習功能需求的基礎上，通過調研和測度，劃分在線學習平臺功能需求屬性，見圖1。

在線學習用戶需求分析，涉及用戶群體劃分、需求層次識別、滿意度測算三個部分。其中，需求、態(tài)度、認知、收入和年齡等，是影響在線學習用戶群體細分的關鍵因素。在線學習用戶需求有效性分析的一般機理，見圖2。

圖1 在線學習功能需求Kano模型

圖2 在線學習用戶需求有效性分析機理

1.2 在線學習功能需求的文獻綜述分析

鑒于在線學習模式時空分離的復雜特點，如何激發(fā)在線學習者積極性，以提升教與學的效果，成為在線學習領域的研究焦點?；谔轿鲆暯堑牟町?，在線學習功能需求分析大致分為兩個領域：其一，在線學習平臺功能支持問題；其二，在線學習者激勵問題。

關于在線學習平臺功能支持，較多觀點認為平臺技術功能使用的便利性是吸引學習者興趣的關鍵因素[1-2]。但除功能便利性之外，在線學習平臺應提供更多滿足個性化需求的功能，包括挖掘用戶潛在需求[3]，開發(fā)具有適應性和智能化的電子學習系統(tǒng)，以滿足學習者的個性化需求[4-5]，為此需要在基礎性功能上開發(fā)更多個性化的功能[6]。國外學者甚至提出在線學習平臺的個性化學習標準[7]，以及個性化功能的可用性評估標準[8]。關于在線學習激勵問題，較多觀點認為由于學習目標、偏好和動機的不同，在線學習者具有差異性的行為模式[9-10]，因此需注重在線學習者的能力激發(fā)。包括對在線學習者自主學習能力的培養(yǎng)[11]，以及教師支持與學習者自我學習調節(jié)間的同頻共振[12]和有效反饋[13-14]?？傊?，支持學習者的個性化需求是提升在線學習參與度的重要模式[15]。

既往關于在線學習功能需求的研究，未能將“在線學習平臺功能支持”和“在線學習者激勵”兩個問題較好融合。具體表現(xiàn)為：前者多基于信息技術理論開展分析，而后者多基于教育學理論開展剖析。相較于線下學習，在線學習模式具有顯著的時空異化特征，其對“在線學習者激勵”和“學習平臺功能支持”均具有較高的要求。因此，關于在線學習的研究需兼顧上述兩個領域的分析。本文正是基于上述考慮，利用Kano模型對編程語言在線學習平臺功能需求開展研究，以期有效提升用戶體驗。

2 編程語言在線學習平臺用戶需求整合分析

為科學合理地獲取編程語言在線學習平臺的用戶需求，本文基于8位不同職位的程序員、2位計算機系老師以及10位計算機系和設計系的學生，對平臺功能需求進行頭腦風暴。在合理借鑒既往關于學習平臺研究成果的基礎上，初步劃分編程語言在線學習平臺功能需求。采用德爾菲法，邀請行業(yè)專家分別對功能類型劃分提出修改意見，經反復拆分與整合，最終得出包括響應式設計（RT）、授課師資（TS）、教學模式（TM）、授課形式（SS）及課程服務（CS）五個大類，共計二十六種功能需求的平臺架構體系。在充分理解產品全貌的前提下，測評各功能屬性歸類，見表1。

表1 編程語言在線學習平臺功能需求分析表

Tab.1 The functional requirements analysis of programming language online learning platform

3 用戶調研和數據采集

3.1 調查問卷設置

本文引入Kano模型的問卷調查系統(tǒng)，對編程語言在線學習的用戶體驗開展行為分析?？紤]到人的需求因年齡、職業(yè)、閱歷、性別等因素的不同對服務質量的需求有所差異，因此，為使分析效果更精準，便于后續(xù)改進，在問卷設計中從正向和反向兩個角度考慮問題設置。正向問題如“你需要編程語言在線學習平臺中的直播功能嗎，這個功能你喜歡么”；反向問題如“如果去掉這個功能，你會如何評價”，見圖3。

問卷答案共五種，分別為：“喜歡”“理應如此”“無所謂”“能忍受”“不喜歡”?？紤]到基于Kano模型的問卷調查題目有正向和反向兩類題目，容易使被調查者感到問題重復，從而對調研對象的情緒構成挑戰(zhàn)。為防止調研對象因厭煩而出現(xiàn)亂填現(xiàn)象，故功能調查的內容不宜過多，可分批次調研。

圖3 調查問卷題目設置舉例

3.2 調查問卷信效度檢驗

基于調研數據，利用SPSS軟件對問卷開展信度和效度檢驗。在信度方面，正向問題、反向問題和Kano問卷整體的Cronbach's alpha值分別為0.874、0.852、0.839，表明本文Kano問卷具有較好的信度。在效度方面，正向問題、反向問題和Kano問卷整體的KMO值分別為0.867、0.851、0.826，Bartlett球形檢驗的P值均小于0.001，表明問卷具有較高的效度。

3.3 調查問卷結果類型統(tǒng)計

對調查問卷的評價結果進行如下分類（見表2）：

1）正面評價是“喜歡”，負面評價是“不喜歡”，在Kano模型中，用“O”表示期望型需求。

2）正面評價是“理應如此”“無所謂”“能忍受”，負面評價為“不喜歡”，在Kano模型中，用“M”表示基本型需求。

3）正面評價是“喜歡”，負面評價是“理應如此”“無所謂”“能忍受”，在Kano模型中，用“A”表示魅力型需求。

4）以此類推，用“R”表示無差異功能需求。

5）用“I”表示反向型功能。

表2 Kano模型評價結果對照表

Tab.2 The Kano model evaluation results comparison

6）用“Q”表示錯誤的結果，比如對正面評價選擇喜歡，對負面評價也選擇喜歡，則這種結果可作廢。

3.4 在線學習用戶畫像分析

在平臺設計之初，首先考慮的是產品的用戶需求，因為每個產品都有特定的用戶群，而不同的用戶群有不同的思維、習慣、性格等，所以用戶畫像分析就顯得尤為重要。利用百度指數，加上強大的互聯(lián)網搜索功能，進行產品的關鍵詞挖掘和關鍵詞熱度分析，可詳細了解近半年內編程語言搜索量的動態(tài)變化情況。搜索量的熱度決定了產品的用戶需求熱度，通過對搜索量熱度數據的分析，可以探知用戶動機及其行為需求，從而把握平臺研發(fā)動向。對百度指數顯示的數據畫像進行聚類分析，從編程語言搜索指數和人群指數分布可以看出，對于編程語言學習的旺盛需求量主要集中在19歲以下的青少年群體，以及20～29歲和30～39歲的青年人群體，且男性居多。上述對在線學習用戶畫像的分析，為調研對象的樣本選擇提供了科學可靠的依據。

3.5 調查結果分析

3.5.1 調研樣本

基于前述用戶畫像分析，設計調查問卷。調研對象主要針對有編程語言學習需求的目標群體，包括計算機相關專業(yè)的學生、教師、在職的產品經理、前端開發(fā)工程師、java開發(fā)工程師、測試工程師、UI設計師、軟件開發(fā)項目經理等。依據年齡劃分調研對象群體，共抽取樣本120人。其中，20歲以下青少年群體抽取30人，20～29歲抽取40人，30～39歲抽取30人，40～49歲抽取20人。男性占70%，女性占30%。對上述編程語言學習的潛在用戶進行問卷調查，并對調研資料開展數據清洗，去除掉一些不合理或者邏輯錯誤的問卷（如正反向問答都選擇喜歡或不喜歡的回答，可能是被調研人沒有認真做問卷或者沒有理解其中的意思，這類回答不參與數據分析）。經問卷整理，收集到合理問卷109份，問卷回收率達90.8%。

3.5.2 用戶需求屬性歸類用例

考慮到編程語言在線學習平臺功能屬性較多，而本文篇幅有限，故以編程語言在線學習平臺“直播功能”為例，開展用戶需求屬性分析。通過整理問卷調研數據，獲取關于編程語言在線學習平臺“直播功能”的質量特性數據，見表3。

參照表2的Kano模型評價結果對照表，將表3中各類型功能所得數據相加可以看出，基本型功能需求所占數值最大，占絕對優(yōu)勢。具體數據為，期望型（O）：15.9%、魅力型（A）：28.1%、基本型（M）：39.6%、無差異型（I）：12.4%、反向型（R）：0.9%、錯誤（Q）：3.1%。根據上述各需求屬性比重可知，基本型需求屬性占比最高，故可得出，直播功能需求的Kano屬性屬于基本必備型，表明若編程語言在線學習平臺提供直播功能，則對用戶滿意度的影響并不顯著，但若缺失該項功能則會大大降低用戶滿意度?？梢?，在當前在線學習環(huán)境下，編程語言在線學習平臺的直播功能已是常規(guī)必備的服務供給，是平臺功能體系不可或缺的基本組成部分。然而，考慮到該功能的基本型Kano屬性，平臺設計開發(fā)團隊不應在此功能領域過度投入大量資源，而是在此基礎上重點開發(fā)其他魅力型和期望型功能。

表3 平臺“直播功能”屬性評價結果

Tab.3 The attribute evaluation result of the platform "live function"

上述對直播功能需求屬性的分析，也適用于平臺其他功能屬性的判斷。在具體分析中，一般只考慮占比最大的屬性類別，而不再考慮其他類別。另外，當出現(xiàn)若干需求屬性占比接近的情況時，可通過擴大調查樣本量及細化功能內容等方式，進一步明確功能屬性類別。

由以上分析可見，在對編程語言在線學習平臺功能的設計與開發(fā)中，應依據問卷調查結果測度各功能的Kano屬性，判斷各功能需求屬性，據此進行差異化的設計開發(fā)，以確保各項功能發(fā)揮最大效用，提高平臺服務質量，提升用戶滿意度。

4 用戶滿意度Better-Worse系數分析

4.1 用戶滿意度系數公式

根據用戶需求屬性歸類結果，開展用戶滿意度分析。參考美國學者博格爾（Charls Berger）提出的衡量產品功能的用戶滿意度指數，即Better-Worse系數，衡量產品功能對用戶滿意度的影響效應。

Better(SI)=(A+O)/(A+O+M+I) (1)

Worse(DSI)=(–1)(O+M)/(A+O+M+I) (2)

Better系數是衡量用戶對編程語言在線學習平臺增加某種功能的滿意度指數，其值為正數且越接近于1，說明正向問題的滿意度越強。Worse系數是衡量用戶對編程語言在線學習平臺消除某種功能的不滿意度指數，其值通常為負數且絕對值越接近于1，說明反向問題的不滿意度越強。由此計算出編程語言在線學習平臺二十六種功能的用戶滿意度影響力指數，其中需重點關注指數絕對值較大的功能，因為其對用戶滿意度的影響效應較為顯著，在開發(fā)時應給予重點關注。

4.2 系數結果分析

以編程語言在線學習平臺的“手機播放功能需求（RT1）”為例，參照式（1）和式（2），利用其O、A、M、I的調查數據測度Better-Worse系數。結果如下：

Better=(15.8+32.5)/(15.8+32.5+34.9+10.9)=0.51

Worse=(32.5+34.9)/(15.8+32.5+34.9+10.9)*(–1)= –0.71

由以上計算可得，編程語言在線學習平臺“手機播放功能需求（RT1）”的滿意指數（SI）為0.51，不滿意指數（DSI）為–0.71。同樣方法可以算出平臺所有功能的評價結果，見表4。

4.3 編程語言在線學習平臺用戶需求屬性分析及應對

4.3.1 功能服務點坐標圖

參考上述各項功能的B-W系數值，可以得出所有功能點所在坐標位置，據此可深入分析用戶對平臺提供的各種功能服務的滿意度指數。以Worse指數為橫坐標，以Better指數為縱坐標，以兩指數的平均值（|–0.532|，0.484）為坐標中心，繪制包含Y軸和X軸的Worse-Better指數坐標四象限圖。當功能散點的Worse值的絕對值和Better值均高于平均值時，則所屬功能需求的用戶滿意度越高，如圖4所示手機（RT1）、直播課（TM2）、答疑解惑集群（CS8）三個功能用黑、紅、橙不同顏色的圓點標識，表明平臺提供的上述三個功能的用戶滿意度最高。若能對平臺的上述三個功能予以創(chuàng)新完善，以滿足用戶需求，將有助于增強用戶對平臺的依賴性。

表4 平臺各功能需求屬性統(tǒng)計及其歸類

Tab.4 The statistics and classification of platform functional requirements attributes

圖4 Worse-Better系數分析象限坐標圖

4.3.2 期望型需求屬性分析及應對

如圖4所示，編程語言在線學習平臺中的功能需求點“手機（RT1）”“電視或者護眼屏（RT4）”“直播課（TM2）”“招聘信息（CS7）”坐落在第Ⅰ象限中，表明其屬于期望型需求，其特點是Better系數和Worse系數均較高。若上述功能被提供，則用戶體驗度將大幅提升。反之，則用戶滿意度將明顯下降。因此，平臺應將上述四種功能需求的改善作為優(yōu)先任務。

4.3.3 魅力型需求屬性分析及應對

第Ⅱ象限中的魅力型功能需求包括真人教學（TS1）、AI教學（TS2）、游戲教學（SS4）、有償實戰(zhàn)（SS6）、開源資源（CS3）、答疑解惑（CS8）等6種，其特點是Better指數高、Worse指數低，表明平臺若提供上述功能，將會顯著提升用戶滿意度。反之，即使未提供上述功能，也并不會導致用戶滿意度明顯下降。可見，優(yōu)化此類功能可達到事半功倍的效果，故平臺應加強上述各項功能服務的供給，以提升用戶滿意度。

4.3.4 無差異型需求屬性分析及應對

第Ⅲ象限中的功能需求包括語音課程（TM4）、項目融入（SS5）、課程提醒（CS2）、免費教程（CS4）、職業(yè)生涯（CS6）、編程比賽（CS9）等7種，屬于無差異型需求。其特點是Better指數低、Worse指數低，表明無論平臺是否提供這些服務，對用戶滿意度的影響均較弱。因此，為節(jié)約平臺建設成本，應謹慎提供上述功能。但是用戶需求具有動態(tài)性，隨著技術發(fā)展及互聯(lián)網環(huán)境的改變，產品的功能可能會按照I—A—O—M的方向演變。也就是說，雖然有些功能目前需求不大，而有些功能目前需求比較旺盛，但不代表一成不變，所以平臺要及時追蹤所有功能服務需求的動態(tài)演變，及時調整應對。

4.3.5 基本型需求屬性分析及應對

第Ⅳ象限中的功能需求服務包括IPAD（RT2）、電腦（RT3）、實操課程（TM1）、錄播課（TM3）、在線編碼（SS2）、實例教學（SS3）、直播預約（CS1）、項目實例（CS5）等8種，屬于基本型需求。其特點是Better指數低、Worse指數高，表明即使平臺提供了這些功能，用戶滿意度也不會顯著提升，但若缺失上述功能，則會導致用戶滿意度顯著下降。原因是上述功能是保障平臺其他功能發(fā)揮效用的重要支撐，用戶只有在此類功能出現(xiàn)故障時才會關注，若缺失上述功能則會反噬其他功能的滿意度。因此，平臺要根據移動學習和泛在學習的需要，不斷優(yōu)化編程語言在線學習平臺的基本型功能。

5 結語

本文通過對平臺功能類型的拆分及調整，構建了一個包含響應式設計、授課師資、教學模式、授課形式及課程服務等五個大類，共計二十六種功能需求的編程語言在線學習平臺架構體系。在此基礎上，采用Kano模型分析編程語言在線學習平臺中功能服務的需求層次，從理論上深挖用戶的需求重心，找出編程語言在線學習平臺的開發(fā)痛點，從而推動相關研究的縱深發(fā)展。在本文研究中，通過識別用戶對編程語言在線學習的各種需求，可為設計開發(fā)或優(yōu)化在線學習平臺功能服務提供信息參考。本文的不足之處是，調研群體只以年齡和性別劃分，對用戶群體的細化度有待加深，在后續(xù)研究中可以根據不同群體的側重點設計差異性的調研問卷。此外，盡管本文考慮到用戶性別比例的劃分，但未特別關注不同性別對編程學習需求的差異性。因此，后續(xù)研究需進一步細化調研群體，并關注新技術和新需求的動態(tài)變化。

[1] 胡勇. 在線學習平臺使用意向預測模型的構建和測量[J]. 電化教育研究, 2014, 35(9): 71-78.

HU Yong. Construction and Measurement of Online Lear-ning Platform Usage Intention Prediction Model[J]. e-Education research, 2014, 35(9): 71-78.

[2] 趙宏, 張馨邈. 中國成人學習者在線學習情緒影響因素研究[J]. 開放教育研究, 2018, 24(2): 78-88.

ZHAO Hong, ZHANG Xin-miao. The Study of Influencing Factors of Chinese Distance Learners' Em Otional States[J]. Open Education Research, 2018, 24(2): 78-88.

[3] XIE Hai-hua, YANG Jing-wei, CHANG C K, et al. A Statistical Analysis Approach to Predict User's Changing Requirements for Software Service Evolution[J]. Journal of Systems and Software, 2017, 132: 147-164.

[4] 洪丹丹, 李飛, 姚磊, 等. 在線學習行為分析數據可視化快速開發(fā)框架設計與實踐[J]. 微電子學與計算機, 2018, 35(7): 6-12.

HONG Dan-dan, LI Fei, YAO Lei, et al. Design and Implementation of a Fast Data Visualization Framework for E-Learning Behavior Analysis[J]. Microelectronics & Computer, 2018, 35(7): 6-12.

[5] TROUSSAS C, CHRYSAFIADI K, VIRVOU M. An Intelligent Adaptive Fuzzy-Based Inference System for Computer-Assisted Language Learning[J]. Expert Systems With Applications, 2019, 127: 85-96.

[6] 劉述. 用戶視角下在線學習平臺體驗研究[J]. 電化教育研究, 2019, 40(10): 47-52.

LIU Shu. Research on Online Learning Platform Experience from the Perspective of Users[J]. e-Education research, 2019, 40(10): 47-52.

[7] KISELEV B, YAKUTENKO V. An Overview of Massive Open Online Course Platforms: Personalization and Semantic Web Technologies and Standards[J]. Procedia Computer Science, 2020, 169: 373-379.

[8] DíAZ J, LóPEZ J A, SEPúLVEDA S, et al. Evaluating Aspects of Usability in Video Game-Based Programming Learning Platforms[J]. Procedia Computer Science, 2021, 181: 247-254.

[9] 趙呈領, 李敏, 疏鳳芳, 等. 在線學習者學習行為模式及其對學習成效的影響——基于網絡學習資源視角的實證研究[J]. 現(xiàn)代遠距離教育, 2019(4): 20-27.

ZHAO Cheng-ling, LI Min, SHU Feng-fang, et al. Research on Models of Participation in Online Learning Resources and Learning Effectiveness[J]. Modern Distance Education, 2019(4): 20-27.

[10] 楊娟, 宋曉玲, 喬興媚. 自主在線學習環(huán)境下學習行為與學習風格偏向性的關聯(lián)分析研究[J]. 中國遠程教育, 2017(10): 47-54, 79.

YANG Juan, SONG Xiao-ling, QIAO Xing-mei. Correlation Analysis of Learning Behaviors and Learning Style Preferences in a Self-Regulated Online Learning Environment[J]. Distance Education in China, 2017(10): 47-54, 79.

[11] 黃振中, 張曉蕾. 自主學習能力對在線學習效果的影響機制探究——兼論在線學習交互體驗的中介作用[J]. 現(xiàn)代教育技術, 2018, 28(3): 66-72.

HUANG Zhen-zhong, ZHANG Xiao-lei. Research on the Influence Mechanism of Self-Regulated Learning on Online Learning Outcomes—Concurrently Discuss the Mediation Effect of Online Learning Interaction[J]. Modern Educational Technology, 2018, 28(3): 66-72.

[12] 蔣志輝, 趙呈領, 李紅霞, 等. 在線學習者滿意度: 教師支持行為與自我調節(jié)學習能力的同頻共振[J]. 開放教育研究, 2018, 24(4): 81-89.

JIANG Zhi-hui, ZHAO Cheng-ling, LI Hong-xia, et al. The Power of Self-Regulated Learning Ability: Effect on Learner-Percevied Teacher Support and Satisfaction[J]. Open Education Research, 2018, 24(4): 81-89.

[13] PANIGRAHI R, SRIVASTAVA P R, SHARMA D. Online Learning: Adoption, Continuance, and Learning Outcome—A Review of Literature[J]. International Journal of Information Management, 2018, 43: 1-14.

[14] 蔡旻君, 郭婉瑢, 婁顏超. 在線學習過程中如何實施有效的反饋——基于自我調節(jié)學習理論的在線反饋探討[J]. 電化教育研究, 2020, 41(10): 82-88.

CAI Min-jun, GUO Wan-rong, LOU Yan-chao. How to Implement Effective Feedback during Online Learning: Online Feedback Discussion Based on Self-Regulated Learning Theory[J]. e-Education research, 2020, 41(10): 82-88.

[15] 彭飛霞. 在線學習參與的作用機理與激發(fā)模型[J]. 成人教育, 2020, 40(1): 18-23.

PENG Fei-xia. The Mechanism of Action and Stimulation Model of Online Learning Participation[J]. Adult Education, 2020, 40(1): 18-23.

Functional Requirements Analysis of Programming Language Online Learning Platform Based on Kano Model

ZHAO Xiang-qin

(Jiangsu University of Technology, Jiangsu Changzhou 213001, China)

Programming language online learning platform is an important way to learn new programming knowledge. Futhermore, it is very important for improving the service quality of the platform to clarify the user requirement attributes of various functions in the platform. Using a variety of such research methods as Delphi method, Kano Model and Better- Worse index, the service connotation of the programming language online learning platform was clarified, and thereby the func-tional requirements service system of the programming language online learning platform with 5 dimensions and 26 functions was constructed, and the user demand attributes of the programming language online learning platform were scientifically classified.According to the user satisfaction index measured by the Better-Worse coefficient value and its four-quadrant graph, the 26 functional requirements of the programming language online learning platform was divided intoexpected functional requirements, attractive functional requirements, basic functional requirements, and no difference func-tional requirements. According to the characteristics of different functional attributes on user satisfaction, this paper proposes a differentiated service strategy to improve the user requirements of online programming language learning platform.

online learning platform; programming language; user requirements; functional attributes; Kano model; Better-Worse index

TB472

A

1001-3563(2022)18-0271-08

10.19554/j.cnki.1001-3563.2022.18.032

2022–04–02

江蘇省社會科學基金項目（17GLD004）

趙香芹（1982—），女，碩士，工程師，主要研究方向為工業(yè)設計。

責任編輯：馬夢遙