李绮华，曾唯一，余倩雨
华南师范大学
电邮：2022020862@m.scnu.edu.cn
【摘要】数字教育资源是教育数字化转型的重点和核心，网络学习资源作为信息化环境下大学生学习的主要资源，是优质数字教育资源中的重要组成部分，深刻影响着大学生的学习形态。该研究基于技术接受模型构建了大学生网络学习资源使用意愿的影响因素关系模型，并采用结构方程模型法分析其作用关系和影响效应。
【关键词】网络学习资源；使用意愿；技术接受模型
Abstract: Digital education resources are the focus and core of Digital transformation of education. As the main learning resources of college students in the information environment, online learning resources are an important part of high-quality digital education resources, which profoundly affect the learning patterns of college students. Based on the technology acceptance model (TAM), this study constructs the influencing factor relationship model of College Students' e-learning resource use intention, and uses the structural equation model method to analyze its function relationship and influence effect..
Keywords: E-learning resources, Willingness to use, Technology Acceptance Model
1.问题提出
数字化发展与转型正席卷全球，必将带来社会的整体变革。党的二十大报告指出，要推进教育数字化，建设全民终身学习的学习型社会、学习型大国。2023年初全国教育工作会议又明确将统筹推进教育数字转型和智能升级作为教育工作重点任务，强调以信息化助力教育改革与发展，建设高质量教育体系。从促进全民终身学习的角度看，数字化转型的本质在于重构教育生态，为每个人提供终身化的教育机会、多样化的学习资源、个性化的学习服务。由此可见，新一代数字技术与教育的深度融合促使高质量数字教育资源供给成为教育数字化转型的重点和核心。
与此同时，随着信息的迅猛增长和知识周期的缩短，基于资源的学习成为当代大学生自我更新和拓展知识的重要方式。大学生利用网络进行自主学习的普及化表明，网络学习资源作为信息化环境下大学生学习的主要资源，已成为优质数字教育资源中的关键组成部分，其建设与应用越发引起学界和业界的关注。一方面，网络学习资源以其数字性、灵活性和共享性的显著优势克服了传统教育的时空界限，有效拓展了大学生的学习方式，深刻影响着大学生的学习形态；另一方面，在技术迸发的信息时代大学生身处的网络学习环境也更加复杂，存在面对良莠不齐的网络学习资源而无所适从的情况。此外，从网络学习资源的配置与服务来看，还存在资源建设模式和服务形式仍不能很好地满足教育数字化转型的新需求，资源利用效率偏低等难题，网络学习资源的建设亟需进一步转型升级。
因此，本研究基于技术接受模型（TAM）构建了大学生网络学习资源使用意愿的影响因素关系模型，深入调研大学生群体对于使用网络学习资源的态度和看法，以期为提升海量数字教育资源的效用提供新的研究参考。
2.基于TAM模型的大学生网络学习资源使用意愿影响因素模型构建
从Davis的技术接受模型（TAM）可知，外部变量通过感知有用性和感知易用性对使用态度产生影响，而使用态度将决定用户的行为采纳意向，最终用户的实际行动由使用意向来预测。由于该模型具有简洁性和解释力强等优点，被广泛运用至多种信息系统的使用意愿研究中。而网络学习资源作为一种数字教育资源，也属于信息系统范畴，故选取TAM作为理论模型的基础有较充分的说服力。
因此，本研究基于TAM所展现“外部因素和个体因素-认知信念-行为意向-使用行为”的分析逻辑，融入信息系统成功模型、自我效能理论、认知行为理论，并结合大学生网络学习资源使用的特点对模型进行整合与补充，将信息内容质量和技术服务支持作为外部变量，将学习者自我效能感作为个体因素，将感知有用性与感知易用性作为大学生对网络学习资源的认知信念，将使用意愿作为其行为意向，形成了大学生网络学习资源使用意愿影响因素的初始假设研究模型（如图1所示），以便分析其间的作用和效应关系。
图2-1 大学生网络学习资源使用意愿影响因素假设研究模型
3.研究设计
3.1.研究对象
本研究的问卷调查对象选定为具有网络学习资源使用经验的、来自全国范围内的在校大学生。经过为期一周的在线问卷发放与收集，最终得到有效问卷数据310份，有效率为91.45%。
在有效被调查者中，男性为117人，占总样本的37.7%，女性为193人，占总样本的62.3%。在专业分布上，文史法哲类44人（14.2%）；理工农医类96人（31.0%）；经管类36人（11.6%%）；教育类113人（36.5%）；艺术体育类21人（6.8%）。
3.2.研究方法
本研究利用SPSS24.0进行问卷数据管理和统计分析；借助AMOS26.0构建大学生网络学习资源使用意愿影响因素的结构模型，验证问卷数据与结构模型之间的适配度，并在此基础上对构建的结构方程模型进行可能的修正；通过路径分析检验各项研究假设是否成立，以及各个主观影响因素对大学生网络学习资源使用意愿的影响程度及相互关系。
3.3.研究工具
在参考已有测量标准和工具的基础上，本研究编制了“大学生网络学习资源使用意愿影响因素调查问卷”。为保证问卷的信效度，先选取50名大学生进行了小范围的预调查，并根据信效度分析和调研反馈结果，修改了个别问题项，形成最终的正式问卷。问卷共包含三个部分：第一部分为调查问卷的相关说明；第二部分为研究对象的基本信息；第三部分主要测量被调查者对网络学习资源的信息内容质量、网络资源平台的技术服务支持、学习者自我效能感、感知有用性、感知易用性、使用意愿等6个方面的感知情况，共计31个题项。问题选项的参照李克特（Liker）五点式量表设计，按照认同程度从完全不符合到完全符合分别赋值1至5分。
4.研究结果分析
4.1.测量模型检验
为进一步检测问卷数据的信度与效度，信度采用SPSS24.0的可靠性分析Cronbach’s α系数进行检验；效度检验采用验证性因子分析，利用AMOS26.0软件分析各潜在变量与各个测度项的因素负载量。根据信度测量标准，当Cronbach's α系数的值大于0.9时，可认为问卷量表的信度属于“很好”水平；当α的值处于0.8至0.9之间时，问卷的信度属于“较好”水平。如下表1所示，本问卷量表的总体信度α值为0.955，各个潜变量的α值均大于0.85，表示此问卷量表中所有题项的内在一致性较好，数据具备较高的可信度。同时，量表整体的KMO值为0.947（大于0.8），近似卡方值为7260.124, Bartlett球形检验非常显著，结果表明该量表数据集中度较高。在验证性因子分析中通常用潜在变量中全部测量题项的组合信度来评价模型的内部一致性。该测量模型中31个观测变量的标准化因素负荷量（Std.）在 0.757至0.873之间，均大于0.7 ；6个潜在变量的组合信度（CR）在0.890至0.928之间，处于高信度区间，表明潜在变量的内部一致性较好。同时，6个潜变量的平均方差抽取量（AVE）均大于0.6，说明该测量模型聚敛效度良好。
测量模型的区分效度指某一潜变量和其他潜在变量之间存在显著的差异。如下表2所示，各项变量的相关系数在0.433至0.698之间，且均在0.001水平显著。从测量模型的潜在变量两两之间的相关性系数结果可以看出，各个潜在变量的平均方差抽取量（AVE）的平方根绝对值，即下表2中加粗字体的数值，均大于和其他潜变量的相关性系数，说明测量模型的区分效度较高，各项潜变量之间的差异性和区别度都较为明显。综合以上评价指标可知，该测量模型的信效度较高，适合进行后续研究分析。
表4-1 问卷量表的信效度分析表
|
潜在 变量 |
观察 变量 |
题目信度 |
组合信度 |
收敛效度 |
Cronbach’s Alpha |
KMO |
解释提取平方和载入值 |
|
|
Std. |
SMC |
CR |
AVE |
|||||
|
感知 有用性 (PU) |
PU1 |
0.802 |
0.643 |
0.903 |
0.700 |
0.903 |
0.849 |
77.455% |
|
PU2 |
0.830 |
0.689 |
||||||
|
PU3 |
0.873 |
0.762 |
||||||
|
PU4 |
0.840 |
0.706 |
||||||
|
感知 易用性 (PEU) |
PEU1 |
0.801 |
0.642 |
0.890 |
0.669 |
0.890 |
0.836 |
75.180% |
|
PEU2 |
0.783 |
0.613 |
||||||
|
PEU3 |
0.835 |
0.697 |
||||||
|
PEU4 |
0.850 |
0.723 |
||||||
|
信息内容质量 (ICQ) |
ICQ1 |
0.836 |
0.699 |
0.927 |
0.643 |
0.926 |
0.935 |
69.394% |
|
ICQ2 |
0.797 |
0.635 |
||||||
|
ICQ3 |
0.823 |
0.677 |
||||||
|
ICQ4 |
0.817 |
0.667 |
||||||
|
ICQ5 |
0.757 |
0.573 |
||||||
|
ICQ6 |
0.804 |
0.646 |
||||||
|
ICQ7 |
0.778 |
0.605 |
||||||
|
技术服务支持 (TSS) |
TSS1 |
0.808 |
0.653 |
0.911 |
0.672 |
0.913 |
0.891 |
73.738% |
|
TSS2 |
0.860 |
0.740 |
||||||
|
TSS3 |
0.784 |
0.615 |
||||||
|
TSS4 |
0.833 |
0.694 |
||||||
|
TSS5 |
0.811 |
0.658 |
||||||
|
学习者自我效能感(SE) |
SE1 |
0.798 |
0.637 |
0.928 |
0.649 |
0.928 |
0.934 |
69.902% |
|
SE2 |
0.759 |
0.576 |
||||||
|
SE3 |
0.846 |
0.716 |
||||||
|
SE4 |
0.820 |
0.672 |
||||||
|
SE5 |
0.812 |
0.659 |
||||||
|
SE6 |
0.799 |
0.638 |
||||||
|
SE7 |
0.803 |
0.645 |
||||||
|
使用意愿 (UI) |
UI1 |
0.851 |
0.724 |
0.914 |
0.726 |
0.914 |
0.854 |
79.453% |
|
UI2 |
0.845 |
0.714 |
||||||
|
UI3 |
0.859 |
0.738 |
||||||
|
UI4 |
0.852 |
0.726 |
||||||
表4-2 区分效度表
|
|
描述性统计 |
区分效度 |
||||||
|
AVG |
SD |
使用意愿 |
感知易用性 |
感知有用性 |
技术服务支持 |
自我效能感 |
信息内容质量 |
|
|
使用意愿 |
3.821 |
0.877 |
0.852 |
|
|
|
|
|
|
感知易用性 |
3.653 |
0.936 |
0.520*** |
0.818 |
|
|
|
|
|
感知有用性 |
3.693 |
0.870 |
0.433*** |
0.434*** |
0.837 |
|
|
|
|
技术服务支持 |
3.730 |
0.864 |
0.438*** |
0.465*** |
0.524*** |
0.820 |
|
|
|
自我效能感 |
3.782 |
0.818 |
0.589*** |
0.621*** |
0.556*** |
0.698*** |
0.806 |
|
|
信息内容质量 |
3.792 |
0.955 |
0.414*** |
0.516*** |
0.498*** |
0.512*** |
0.585*** |
0.802 |
4.2.结构模型检验
本通过AMOS26.0对结构模型进行拟合分析，结果如下表3所示。根据拟合度评价系数标准，除了GFI处于“适配合理”标准范围，其余七个拟合指标均达到“适配良好”的标准，所以从研究样本的角度可认为本研究提出的假设研究模型拟合度与可用性较好，可继续进行下一步的路径分析。
表4-3 研究模型拟合指标参数表
|
指标 |
评价系数标准 |
模型指标值 |
适配结果 |
|
|
适配合理 |
适配良好 |
|||
|
χ2 /df |
≤5 |
≤3 |
1.657 |
良好 |
|
RMSEA |
≤0.08 |
≤0.05 |
0.046 |
良好 |
|
RMR |
≤0.08 |
≤0.05 |
0.050 |
良好 |
|
GFI |
≥0.7 |
≥0.9 |
0.878 |
合理 |
|
NFI |
≥0.8 |
≥0.9 |
0.907 |
良好 |
|
IFI |
≥0.8 |
≥0.9 |
0.961 |
良好 |
|
TLI |
≥0.8 |
≥0.9 |
0.957 |
良好 |
|
CFI |
≥0.8 |
≥0.9 |
0.961 |
良好 |
4.3.假设检验
为了确认模型中各变量之间的关系，需要从整体上检验变量之间的标准化回归系数及其残差，从而验证本研究所提的假设是否成立。一般认为，模型中的标准化误差未出现异常值，即S.E.大于0；参数的显著性检验符合标准范围，即C.R.大于2且显著性P值小于0.05，才能够满足参数检验标准。将问卷数据导入AMOS26. 0检验相关参数估计，最终获得各变量的标准化路径系数与显著性计算结果，以及本研究的八项研究假设检验结果如下表4所示。除了H6假设关系，不成立以外，其余的变量关系均得到样本数据的支撑。从路径分析结果可以得出，在本研究所构建研究模型潜在变量中，存在直接影响效应与间接影响效应。
表4-4 模型参数检验值及研究假设验证
|
假设 |
模型路径 |
S.E. |
C.R. |
P |
Std. |
结果 |
|
H1 |
信息内容质量--->感知有用性 |
0.062 |
3.523 |
*** |
0.242 |
成立 |
|
H2 |
信息内容质量--->感知易用性 |
0.067 |
3.528 |
*** |
0.229 |
成立 |
|
H3 |
技术服务支持--->使用意愿 |
0.070 |
2.923 |
** |
0.186 |
成立 |
|
H4 |
学习者自我效能感--->感知有用性 |
0.079 |
4.843 |
*** |
0.383 |
成立 |
|
H5 |
学习者自我效能感--->感知易用性 |
0.080 |
7.080 |
*** |
0.495 |
成立 |
|
H6 |
感知易用性--->感知有用性 |
0.064 |
0.912 |
0.362 |
0.067 |
不成立 |
|
H7 |
感知有用性--->使用意愿 |
0.073 |
3.032 |
** |
0.190 |
成立 |
|
H8 |
感知易用性--->使用意愿 |
0.068 |
5.449 |
*** |
0.365 |
成立 |
5.研究结论与讨论
5.1.研究结论与讨论
本研究以TAM模型为基础，加入网络学习资源的信息内容质量、技术服务支持、学习者自我效能感三个变量与感知有用性、感知易用性一起，作为影响使用意愿的潜在变量，并提出8项相关研究假设。实证结果表明，该假设研究模型与样本数据之间拟合度良好，解释力较强，具体结论与分析如下。
5.1.1 信息内容质量对感知有用性（H1）和感知易用性（H2）均具有显著正向影响。
同时，信息内容质量以感知有用性和感知易用性为中介，间接正向影响大学生对网络学习资源的使用意愿。信息内容质量的影响作用具体体现于网络学习资源的内容在全面性、系统性、多元性、可靠性、实用性、专业性、时效性、交互性等方面，与学习者的学习需求或学习目标之间相匹配的程度。据调查数据显示，被调查者对网络学习资源内容质量方面的评价较高的观测指标分别为多元性（AVG=3.91,SD=1.009）、时效性（AVG=3.75,SD=1.054）和全面性（AVG=3.75,SD=1.036），而对网络学习资源内容的互动性感知最低（AVG=3.48,SD=1.137），说明现有的网络学习资源内容涵盖面广、形式类型多样化且更新较及时，能够为大部分专业的大学生用户提供资源服务，但是在资源的权威性、实用性方面，尤其是互动性方面仍需提高。
5.1.2 技术服务支持变量对大学生网络学习资源使用意愿（H3）具有直接正向影响。
技术服务支持通过学习者从交互角度对网络学习平台的性能稳定性、外观导航设计、通用性服务支持、个性化服务质量等方面的体验情况和感知优势，对大学生网络学习资源使用意愿产生影响。但其标准化路径系数较低，一方面是受到学习者自我效能感的影响，另一方面也与网络学习资源使用过程中，网络资源平台在通用性功能的便捷性（AVG=3.54,SD=0.994）、个性化资源服务水平（AVG=3.44,SD=0.975）等方面仍未充分满足用户需求有关。由此说明，网络资源平台的技术支持越完善，功能服务越丰富，用户的体验感越好，才越能促进其使用意向与使用行为的发生。
此外，单因素方差分析结果表明，技术服务支持对行为意愿的影响受平均资源使用时长因素（F=2.787,P=0.041＜0.05）的调节作用，即随着时间推移，用户对网络资源平台功能服务的可用性和操作性的感知会有所提高，进而持续地影响使用意愿。
5.1.3 学习者的自我效能感对感知有用性（H4）和感知易用性（H5）均具有显著正向影响。
相较于自我效能感较低的学习者而言，具有高水平自我效能感的学习者在使用网络学习资源时会表现出较强的主动性与积极性，同时也更有利于学习者树立克服问题和困境的信心，以及认知、意志力、能动性等内在品质的提升，促进其对网络学习资源有用性和易用性的主动感知。据调查数据显示，大部分学习者对自己能否熟练地操作软硬件系统及设备（AVG=3.90,SD=0.926）和对获得的资源进行辨别和筛选（AVG=3.90,SD=0.926）都具有较强的信心，但是缺乏对所学的知识进行归纳总结（AVG=3.71,SD=1.012）的主动性，因此在相对自由的网络学习空间也是对学习者的自我管理能力的考验。
此外，对自我效能感的方差分析表明，不同专业大学生的自我效能感是有显著差异的(F=3.396,P=0.01＜0.05)，说明自我效能感与学习者的信息素养、学习动机、自主学习能力、自我调节能力等存在较大关系，即自我效能感通过学习者特征的中介作用影响其对网络学习资源的使用意愿与学习投入。
5.1.4 感知易用性（H7）和感知有用性（H8）对学生网络学习资源使用意愿具有正向影响。
在线学习中，用户获取和使用网络学习资源所花费的时间、精力越少，认为该资源对自己的学习和工作越有帮助，对其使用意愿就越高。在调查过程中，大部分大学生用户都表示网络学习资源能够拓宽其视野，使其学到更多的知识（AVG=3.88,SD=0.965），并且基本上在使用网络学习资源时，都能够比较容易地找到自己想要获取的相关知识（AVG=3.72,SD=1.096），在未来都将愿意持续使用（AVG=3.83,SD=1.062）和推荐他人使用（AVG=3.82,SD=1.092）网络学习资源来获取知识。
此外，对感知易用性和感知有用性进行方差分析发现，年级和专业的不同对网络学习资源易用性的感知存在着交互效应（F=1.952,P=0.019＜0.05），但对网络学习资源有用性的感知不产生影响。感知易用性对行为意愿的影响，还受到平均资源使用时长因素（F=3.459,P=0.017＜0.05）的调节作用。
5.1.5 感知易用性对感知有用性（H6）没有显著正向影响。
或许是对于大部分作为数字原住民的大学生而言，网络学习资源的感知易用性不是其感知有用性的主要影响因素，而更多是与大学生的学习需求息息相关的核心因素，如使用网络学习资源进行学习能否有效提升学习效率、增强学习效果等。
5.2研究对策与建议
5.2.1 改善网络学习环境，拓宽资源获取渠道。
在“人人皆学、处处能学、时时可学”的学习型社会建设要求下，大学生的学习环境已经从多媒体环境转变为数字学习环境，学习时间和空间不断延伸和发展，大学生群体对网络学习资源的需求呈现多样化态势。因此，网络学习资源的发展是基于学习者、教育者、开发者、监督者等多方因素上的优势互补、和谐发展，其建设过程要综合考虑其供给模式、运行结构、技术要求、质量标准、监督体系以及第三方评价机制等要素。这些要素相辅相成、相互制约，是资源建设、流动、共享、融合的关键，也是资源质量保证的前提。
此外，从大学生自身角度出发，获取网络学习资源的渠道较窄是影响大学生网络学习资源使用意愿的重要原因之一。因此，在建立健全网络学习资源质量评审标准和监管机制的同时，也要注重开拓完善的网络学习资源共享渠道，构建数据共享开放的在线学习体系。
5.2.2 关注学生资源需求，提高资源建设质量。
大学生思维发展成熟，对学习知识和掌握技能的学习需求较大。针对不同年级和专业大学生，要注重学习者特征分析，建立以需求为导向的开发建设模式，以此提高大学生与网络学习资源的适配性。在明确需求的基础上，应根据网络学习的特点重构课程内容、教学模式、评价方式，以增强学生对网络学习资源的认同感，促进其行为意向。
优质资源是支撑在学习的关键，面对当前复杂的网络学习环境，加强网络学习资源统筹建设是优质资源开发的前提，资源汇集、整合、重组、再创新和有效利用是其中的重要环节。一方面，基于顶层设计和一体化建设理念，可将现有资源平台整合、汇聚为资源大平台，减少资源重复和大量闲置现象，让有限的资源得到最优配置。另一方面，积极发挥政策引导、监管约束和公共服务的作用，可通过优胜劣汰的市场规则优化资源质量。此外，为推进网络学习资源的可持续性发展及应用，还需要建立健全相应的网络学习资源使用反馈机制，以满足学习者日益多元的资源需求，实现网络学习资源的转型升级、提质增效。
5.2.3 丰富技术支持服务，优化学生学习体验。
在服务社会背景下，大学生用户越来越重视产品使用过程中的实际体验和服务质量，舒适的在线学习环境、流畅的交互体验和人性化的服务是其能否被使用的重要影响因素。因此，在资源平台的建设与应用环节，应以学习者需求为服务导向，以资源精准配置为核心目标，以智能信息技术为融合载体，对资源平台的界面和架构进行合理的设计，使导航更加清晰直观、操作更加简单易学、功能更加丰富智能，用户更加便捷、高效地获取所需的资源信息和及时的问题反馈，从而增强学生持续使用网络学习资源平台的意愿。
同时，在教育数字化转型背景下，如何帮助学习者在海量的资源中定位和获取满足个性化需求的资源是在线学习中普遍存在的难题。以人工智能、大数据、云计算等新一代数字技术为核心的智能答疑、协同推荐、知识地图等应用服务带来了破解这一难题的新途径，能够有效帮助网络资源平台实现从被动学习支持向主动资源服务转变。
5.2.4 增强自我调节意识，提升信息素养能力。
大学生利用网络学习资源进行学习是一个包含丰富个体心理活动的过程，在没有第三方约束的网络学习环境下，大学生的在线学习极易“跑偏”。因此，在网络学习资源的设计开发时，需要考虑学习者的情感要素，通过对学习情感的设计引导学习者自我调节，实现对学习的干预，突出学习者特征的中介作用。对学习者而言，需要在繁杂的网络环境中增强自我调控能力，通过明确学习目标、制定有效学习计划、合理安排学习时间来监督调节自己，努力克服现实与心理之间的矛盾，提高在虚拟空间中和现实情景中的获得感和效能感。
此外，信息素养是促进学习者获取与使用网络学习资源的必备条件。当前大学生的信息素养虽然有所提高，但不具备长效性，缺乏从生活实践中不断地查找、探索新信息的主动性与积极性。因此，需要家校社多方形成合力，进一步强化大学生信息意识与信息素养的培养，使其在网络学习中，无论面对何种情境都能够自如地对所获信息进行分析和评价，自信地运用各类信息和技术解决问题，并自觉地把利用网络学习资源进行学习化作一种常态和习惯，使大学生自身的综合素质、数字化应用与创新能力不断得到提高。
参考文献
教育部.加快建设高质量教育体系，办好人民满意的教育——2023年全国教育工作会议召开[EB/OL].http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/202301/t20230112_1039188.html,2023-01-12.
刘和海,程程,戴濛濛.自主学习何以可能：“学习强国”启示下的平台学习之策[J].电化教育研究,2021,42(04):61-67.
Venkatesh V，Davis F D. A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies[J]. Management science,2000 (2) : 186-204.
高芙蓉,高雪莲.国外信息技术接受模型研究述评[J].研究与发展管理,2011(2).
Delone W H，Mclean E R. The DeLone and McLean Model of Information Systems Success: A Ten-Year Update[J].Journal of Management Information Systems,2003,19 (4):9-30.
段朝辉,洪建中．网络视频课程中师生交互与大学生网络学习绩效的关系：学习自我效能感与学习动机的序列中介作用[J]．心理发展与教育,2019,35( 02) : 184-191.
黄琼珍,欧佩玲.移动学习资源使用意向的影响因素研究[J]. 中国教育信息化, 2018(5):7.
黄晓斌,张明鑫,彭佳芳.智库微信公众平台用户采纳意愿研究——基于整合UTAUT和D&M模型视角[J]. 图书馆学研究, 2020(15):9.
