基于TAM模型下的大学生移动学习行为意向的影响因素研究

□苏文博

（山东大学 山东 威海 264200）

基于TAM模型下的大学生移动学习行为意向的影响因素研究

□苏文博

（山东大学 山东 威海 264200）

近年来，以无线网络技术和无线移动通信设备为媒介的移动学习在大学生中间逐渐成为一种被广泛采纳的学习方式，并对传统学习方式带来了一定程度的冲击。行为意向是驱使大学生做出实际行为的重要影响因素。本文基于传统的技术接受模型为理论基础，通过引入新的变量构建了扩展式技术接受模型并提出了新的研究假设，通过问卷调查的方式对于研究假设进行了实证分析。

移动学习；行为意向；影响因素

在十二届全国人大三次会议中，“互联网+”行动计划被列为国家重要发展战略之一。在“互联网+”的背景下，十八大提出“完善终身教育体系，建设学习型社会”，高度重视教育信息化的推进与发展，努力为全体社会成员提供突破时空限制的高质量教育和学习支持服务。有数据显示近年来，移动学习用户的规模快速增长:截至2016年6月，我国移动学习用户规模达己达1.18亿，较2015年底增加775万 (增长7.0%)。手机在线教育用户规模达6 987万，较2015年底增长1 684万(增长31.8%)。而其中最主要的用户就是大学生群体。这说明，移动学习正在成为人们尤其是大学生普遍接受的学习方式，其也必将成为教育数字化和终身学习发展的主流趋势。我国是个国土辽阔的大国，在资源配置方面存在着资源分配不均的现象，尤其是教育资源方面。移动学习由于其在时间、地点选择上的灵活性，与传统学习方式相比具有自己鲜明的特点和优势，并且随着无线网络技术的飞速发展以及智能手机、平板电脑等移动设备的全面普及，它正在改变人们以往的学习习惯，使得人们逐渐适应和习惯随时随地进行碎片化、网络化学习。在互动方面，移动学习突破了传统学习中教师精力和课堂时间有限的问题，让学习者可以和教师之间多维互动，以更好地理解课程内容，解决学习过程中遇到的问题。总的来说，移动学习蕴藏着巨大的发展潜力，与传统学习相比有很多自己独有的优势。因此，本研究以TAM模型为基础，构建了扩展式技术接受模型和新的研究假设，以期对影响大学生移动学习行为意向的因素进行深入探讨。

1 移动学习与技术接受模型

1.1 移动学习

移动学习是指利用无线移动通信网络技术以及无线移动通信设备（如手机、平板电脑、个人数字助理等）获取教育信息、教育资源等服务的一种新型学习方式。进入信息化时代后，大学生各方面的学习和生活都与各种无线设备息息相关。随着经济的发展，移动学习正在成为一个集合多学科，覆盖多领域，涉及多方面的研究领域，在世界范围内，移动学习逐渐成为教育领域的探索焦点。

1.2 技术接受模型

1989年，为解释信息系统低使用率问题，Davis教授以理性行为主义为基础，提出技术接受模型（TAM）。学者们将TAM用于研究移动学习接受行为时，往往会引用一些新的变量（例如感知娱乐性、感知财政成本等）以扩展TAM模型，提高该模型的解释能力。外部因素作为外部变量，对人们是否使用系统产生影响，主要影响感知易用性和感知有用性，在便于使用和发现有用的基础上产生使用系统的行为意向，进而影响最终行为和结果。现如今，TAM模型已得到大量的研究和实证支持，成为行为研究领域的基本模型之一，并将模型不断完善。TAM模型如图1所示：

图1 技术接受模型（D avi s,1989）

2 模型架构与理论假设

2.1 模型架构

本研究的研究模型是基于原TAM模型下的扩展式技术接受模型，采用了原模型中的感知有用性、感知易用性、使用态度、行为意向4个变量，基于前人已有的其他研究成果增加了自我学习管理能力、资源优化性、社会影响3个变量，以期更加充分的了解影响当代大学生移动学习行为意向的因素。

图2 扩展式技术接受模型

2.2 各研究变量的操作性定义

通过对参考文献的总结，本文的各研究变量定义整理如表1所示。

表1 各研究变量定义

2.3 模型研究假设

根据建立的扩展式技术接受模型，本研究提出如下8个研究假设。

表2 扩展式技术接受模型中的假设

3 数据收集与分析

3.1 问卷发放与回收

本研究以山东大学（威海）的大学生为研究对象，问卷通过网上调查的形式发放，共回收问卷310份，其中有效问卷296份。本研究在问卷设计上可分为两部分，一部分是基本信息部分，另一部分是移动学习行为意向影响因素部分，采用李克特五点量表的自述式问卷，将问卷中的变量按完全不同意、不太同意、中立态度、比较同意、非常同意进行划分。

3.2 数据分析

本研究数据分析使用SPSS22.0，模型验证与分析工具使用AMOS21.0。主要是对数据进行了描述性统计分析、验证性因子分析和结构方程模型检验。

3.2.1 描述性统计分析。本次问卷调查以山东大学（威海）在校大学生为调查对象，基本信息部分主要是对样本的性别、年级、拥有移动学习设备的数量等特征进行统计分析，其中被试女生数量多于男生，占54%；学生年级主要是大二和大三，占74.33%；拥有移动学习设备的数量方面，至少拥有一种移动学习设备的学生占96.67%。

3.2.2 验证性因子分析。验证性因子分析是对调查数据进行的一种统计分析，研究目的在于从理论假设出发，检验理论与数据的一致性，从而检验并最终发展理论。本研究应用AMOS21.0软件对5个变量进行验证性因子分析。

图3 验证性因子分析

本研究在进行验证性因子分析之前首先通过使用拟合指数对模型数据的合理性进行了检验如表4所示。一般的卡方自由度比小于3.0时表示模型的适配度较佳。当其值小于1.0时，表示模型过度适配，模型CMIN为391.803，DF为188，CMIN/DF为2.084<3，说明模型的拟合度较好。GFI是适配度指数，AGFI为调整的适配度指数，AGFI的值介于0～1之间，数值越接近1，表示模型的适配度越好，一般要求AGFI>0.8，NFI为规准适配指数，IFI为增值适配指数，CFI为比较适配指数，各项指标数值越接近1，表示模型的适配度越好，一般要求大于0.8，渐进残差均方和平方根RMSEA，其值越小表示模型的适配度越好。一般可接受的范围是<0.08,当RMSEA>0.1时就不可以接受了。从模型拟合结果来看其中GFI指标、AGFI指标、IFI指标、NFI指标、CFI指标均大于0.8反应模型可以接受，Rmsea小于0.1说明模型拟合度较好。

表4 拟合指数测度

由表5可知，每个题项的标准化因子载荷均大于0.5，说明每个题项都可以很好的解释其所在的维度。

组合信度（CR）是模型内在质量的判别准则之一，反映了每个潜变量中所有测项是否一致性地解释该潜变量。由表可知，组合信度CR大于0.7，说明每个潜变量中的所有测项都可以一致性地解释该潜变量。

各维度的AVE大于0.5，且AVE大于相关系数的平方，说明量表有很好的收敛效度和区别效度。

表5 测量模型的效度分析

3.2.3 结构方程模型检验。结构方程建模（Structural Equation Modeling，SEM）也成为结构方程分析，它是基于样本数据来评估研究者提出的理论模型是否可以接受的一种统计分析工具。它可以同时处理多个因变量并能估计因子结构、因子关系和整个模型的拟合程度。根据理论模型，运用AMOS21.0建立结构方程模型。

图4 结构方程模型

在判断结构方程模型是否成立时，主要通过对一些拟合指标的测算来衡量，其中x2/df一般要求小于3，GFI是适配度指数、AGFI为调整的适配度指数、NFI规准适配指数、IFI增值适配指数、CFI比较适配指数，一般要求这些值均大于0.9，表示模型适配能力较好。RMSEA应小于0.08表示适配能里较好，模型拟合程度较好。由表6可知，修正后模型的拟合程度较好，模型可以接受。

表6 拟合程度测度

由表7可知，从自我学习管理能力到感知有用性的标准化路径系数为0.295（t=5.378，p=0.000<0.05），说明自我学习管理能力对感知有用性具有显著的正向影响，即自我学习管理能力越强，感知有用性越大；从资源优化性到感知有用性的标准化路径系数为0.389（t=6.694，p=0.000<0.05），说明资源优化性对感知有用性具有显著的正向影响，及资源优化性越高，感知有用性越高；从感知易用性到感知有用性的标准化路径系数为0.351（t=6.066，p=0.000<0.05），说明感知易用性对感知有用性具有显著的正向影响，即感知易用性越高，感知有用性越高；从感知易用性到使用态度的标准化路径系数为 0.230（t=3.123，p=0. 002<0.05），说明感知易用性对使用态度具有显著的正向影响，即感知易用性越高，使用态度越高；从社会影响到使用态度的标准化路径系数为0.339（t=4.951，p=0.000<0.05），说明社会影响对使用态度具有显著的正向影响，即社会影响越大，使用态度越高；从感知有用性到使用态度的标准化路径系数为0.202（t=2. 800，p=0.005<0.05），说明感知有用性对使用态度具有显著的正向影响，即感知有用性越高，使用态度越高；从感知有用性到行为意向的标准化路径系数为0.392（t=6.100，p=0.000<0.05），说明感知有用性对行为意向具有显著的正向影响，即感知有用性越高，行为意向越高；从使用态度到行为意向的标准化路径系数为0.436（t=6.650，p=0.000<0.05），说明使用态度对行为意向具有显著的正向影响，即使用态度越高，行为意向越高。

表7 研究假设检验结果

4 研究结论

本研究通过建立扩展式技术接受模型，并使用结构方程模型进行分析，可以得出如下结论：

第一，感知有用性不仅受到传统技术接受模型中感知易用性的正向影响，同时基于个体内部发展因素的自我学习管理能力和基于外部供给因素的资源优化性都会对感知有用性产生正向影响，其中资源优化性对感知有用性的影响最大，一定程度上反映了当前我国强调供给侧改革的正确性和必要性。

第二，本研究验证了感知有用性和感知易用性对于使用态度的正向作用，但是其影响程度并不是非常突出，相比较而言社会影响因素对于大学生使用移动学习的态度产生了更为重要的影响，反映出大学生个体的态度、行为受到个人从众心理和社会力量的影响是深远而巨大的。

[1]马如宇.影响移动学习用户使用态度的前置性和潜在性因素解析——基于扩展式科技接受模型的视点[J].中国远程教育,2009,(08):70-74.

[2]许玲,郑勤华.大学生接受移动学习的影响因素实证分析[J].现代远程教育研究,2013,(04):61-66.

[3]朱晶.基于TAM模型的研究生移动学习影响因素研究[D].山东师范大学,2015.

[4]武刚.基于TAM模型的大学生移动学习影响因素探析[D].南京邮电大学,2014.

[5]王金涛.大学生采纳移动学习行为影响因素研究——以高等师范院校为例[J].中国远程教育,2015,(01):49-54.

[6]郭然然,黄兰.基于TAM模型的大学生移动学习行为意愿研究[J].金华职业技术学院学报,2014,(04):32-34.

1004-7026（2017）07-0117-04

G434

A

10.16675/j.cnki.cn14-1065/f.2017.07.081

苏文博（1996-），男，汉族，山东大学（威海）商学院，本科，研究方向保险学，移动学习。