直播教育用户满意度分析
——以上海大学生为例

朱君怡

（上海对外经贸大学 上海市 201600）

问题的提出

研究背景和研究问题

受新冠肺炎疫情影响，我国教育受到前所未有的冲击，为保证教学正常进度，全国大中小学利用互联网平台优势成功复学，直播教育迎来了新的机遇[1]。

然而直播教育作为一种新形式的教育模式，学习者的学习效果和满意度有待研究，故本文以在校和直播教育学习情况进行对比，对直播教育的用户满意度进行研究。而大学生在接受直播教育群体中，最具有主观能动性，所以将大学生群体列为被调研对象。

文献综述

信息系统持续使用理论[2]：信息系统持续使用理论是研究用户初次采纳信息技术后是否会继续使用的理论与方法。巴特查里亚（2001）期望确认模型，发现感知有用性是影响信息系统用户满意度的关键，随着应用不断增多，期望确认模型非工作场景的持续使用行为，忽视了用户的内在动因。

自我决定理论：自我决定理论将个体行为与动机建立联系。Ryan & Deci（2000）指出内在动机能带来更好的坚持。自我决定理论作为研究内在动因的相关理论，被广泛应用于学习与教育的研究中。

基于此，本文以持续使用理论和自我决定理论作为基础，结合直播教育特点，分析影响直播教育用户满意度的因素。

研究思路

通过查阅文献明确调查研究的方向：直播教育的用户特征分析及满意度研究。基于调研目的设计调查问卷，并采取分层抽样对上海市高校学生进行问卷调查。

随后，对于调查数据进行检验，确保数据的可靠性，通过方差分析，探究在校学习和直播教育各自的优劣势；通过结构方程构建用户满意度模型。

最后，根据调研分析结果，对直播教育现状进行总结，提出具有实际意义的建议。

调查方案与实施

调查方法

问卷调查。对抽样选出的样本进行问卷调查，获取在线直播教育用户的学习体验和满意度等数据。

抽样方法。抽样采取分层抽样，运用分层抽样的方法将上海市大学生的群体划分成四层，参考教育部对高校建设标准分成985院校、211院校、一本院校和其他院校。

抽样调查步骤

预调查。在正式调查前展开预调查，以确定样本量的大小和问卷中可能存在的问题。预调查选择上海对外经贸大学的在校生，随机抽取50个样本进行问卷调查。

确定样本容量。以直播教育的用户比例作为估计对象，调整之前的样本量n0的计算公式为：

其中，p为样本比例，m为误差界限，z为z分数，当置信度为95%时，z=1.96，预调查结果表明p=0.78，则误差界限不超过5%的条件下有：

上海市高校生人口数为N=47.7万人，经过初步修正的样本容量大小为：

调查数据检验

根据抽样调查共发放299份问卷，有效回收问卷286份，依据调查的结果对问卷中的量表进行信度检验和效度检验，以检查问卷中的题目的鉴别度。

信度检验。信度检验旨在对问卷测量结果的准确性进行分析，即检验问卷在多次重复使用下得到的数据的可靠性，采用cronbacha系数作为评价标准。

针对问卷中直播教育用户使用意愿影响因素调查量表进行信度检验。

表1 信度检验表

?

根据上表分析结果，各项目的信度系数均大于0.6，量表整体的信度系数为0.953，判定量表信度良好，题目设计科学合理。

效度检验

效度用来测试问卷的准确性，效度越高，表示问卷测验的结果所能代表要测验行为的真实度越高。

表2 KMO 和 Bartlett 的检验

使用KMO和Bartlett检验进行效度验证，从上表可以看出：KMO值为0.863，Bartlett检验对应P值为0.00＜0.05，KMO值大于0.8，通过Bartlett检验,说明研究数据效度非常好，测试的行为真实度非常好。

直播教育用户使用行为分析

直播教育作为新出现的教育形式，学习者固有的学习习惯受到了新的冲击，据本次调查显示仅13.83%的受访者在之前接触过在线教育，未接触过这种新形势的学习者在接触直播教育一开始，势必会有一些在学习行为习惯上的改变，因此对学习者学习习惯和在校情况进行对比。

学习习惯根据学习时间顺序分为课前预习、上课提问、课后复习和完成作业。本文对四种学习情况进行在校和直播教育间的方差分析，发现上课前预习和上课中提问上，在校学习行为和接受直播教育期间学习行为有着显著差异。

上课预习和上课提问在校和直播教育间方差检验p值均小于显著水平=0.05，判定两者分别都具有显著差异。基于题目设计内容，发现上课复习情况在直播上课期间显著优于在校学习，上课提问情况在校学习显著高于直播教育期间。

根据调研结果，直播教育的主要两大优势分别为减少上下学时间和通过回放对已有知识的查缺补漏，可以推测出学习者通过减少上下学时间为复习预留足够的时间（前提），又可以通过回放对课堂内容进行查缺补漏（加强复习途径），直播教育在一定程度上可以促进学习者进行复习。

而直播教育由于受限于线上这种方式，学习者因怕影响直播而放弃提问占到了17%，然而上课提问是教学中重要而不可缺少的一环，直播教育应鼓励线上提问，如设立提问框环节，老师可以实时收到学生的问题并给予及时反馈，或设立课程答疑时间，鼓励课上提问。

直播教育用户满意度分析

模型建立

构建用户满意度模型。通过对现有对用户满意度理论的研究进行梳理，筛选出5个共有变量作为直播教育用户满意度模型的基础变量，由于接受理论基于理性人假设，而忽视人感性方面的影响。因此将感知能力、感知有用性2个感性因素融入到模型中，对基础的模型框架3进行补充。本文的概念模型如下：

变量解释

内容质量：内容质量定义为视频本身设计教授内容的质量，如果内容质量不过关，会导致学习者在使用直播教育时积极性下降。

社交互动：社交化互动为师生间和学习者之间的互动，学习者在强互动中能够激发出对教授内容的兴趣和深入学习的动力。

感知能力：感知能力为学习者对于直播教育能够掌握的程度，学习者如果没有能力使用线上课堂，如自身条件对线上环境产生抵制，影响用户满意度。

期望确认：期望确认为学习者主观期望和实际直播教育中产生的差距，如果差距较大，也将影响用户满意度。

感知有用性：本文将感知有用性定义为三个维度，分别是学习效率、学习控制权、学习促进有效性。

模型假设

根据模型，提出如下假设：

表3 直播教育用户满意度模型

以上假设均基于用户满意度模型而提出，以假设H1、H2为例进行解释。学习者对于直播教育社交互动会正向影响使用满意度，如果用户在直播教育中并没有强社交性，相对于学校学习，会产生落差感，影响用户满意度。内容的质量会直接影响到用户对学习的感知能力，如果内容质量过于零散，用户对于能够掌握学习内容的感知将下降，基于此提出假设H1和H2。

结构方程模型分析

结构方程模型是一种处理多变量研究的分析方法，弥补因子分析不能直接分析因子间关系的不足。

利用SPSS对初始假设模型进行验证性分析，计算各路径的标准化回归系数，并通过修改假设模型，构建最终的路径图。

表4 模型验证结果

模型指标见下表，CFI、GFI、IFI、TLI的值越接近1，SRMR、RMSEA的值越接近0，说明模型的拟合效果越好。

表5 结构方程指标

根据以上分析可知，得到如下结论：

感知层面和社交互动对用户满意度的影响。感知能力（p=0.00）和感知有用性（p=0.00）对用户满意度有显著正向影响，而社交互动对用户满意度影响不显著。从路径系数来看，感知能力（0.637）对满意度的影响大于感知有用性（0.524）。说明自我感知能够掌握直播教育是学习者对直播教育满意的主要原因。此外，通过直播教育让学习者认为学习方式的有用性对直播教育满意度有一定促进作用。

内容质量对感知能力的影响。内容质量（p=0.00）对感知能力有直接正向影响，路径系数为0.384。直播课程质量能够在主观层面影响学习者感知他们能够掌握直播教育的能力，如果直播课程质量远不如其他方式的授课，学习者会感知他们掌握直播教育的能力较弱，从而影响用户满意度。

期望确认对感知层面的影响。结构模型验证结果显示，期望确认对感知能力（p=0.00）和感知有用性（p=0.00）有显著正面影响。就路径系数来看，期望确认对感知能力为0.652，对感知有用性为0.802，说明学习者对于直播教育的期望会影响他们对感知是否能掌握该种学习方式和感知该种方式是否有用。学习者如果对于直播教育期望很高且能够满足这种期望，那么能够促进他们更想要掌握直播教育的新方式，更愿意承认直播教育方式的有用性。

总结与建议

本文对大学生群体直播教育期间的满意度进行了问卷调查，现将研究结论与建议总结如下。

直播教育更能促进复习行为，但课上提问情况不及在校学习。直播教育比起在校学习更能激发学习者复习，通过减少上下学时间为复习积攒时长，回放课程又可以让查缺补漏有迹可循，有了前提和途径让学习者复习有了方向和东西，从而激发复习兴趣。然而在上课提问环节受限于线上环境，失去面对面教学使得学习者上课提问情况显著下降。建议直播教育中增设提问框环节，让师生保持更紧密的联系，从而提升直播教育教学效果。

感知层面对用户满意度有着强影响。感知层面，尤其是感知能力，对用户满意度影响较大，学习者在感知自己是否能掌握该种新学习方式上以及感知该种途径教学是否对学习有用会影响对满意度产生强影响。建议直播教育中增设使用教学、改善网络的流畅性，同时需要保证教学质量，实时跟进学习者的学习进度，从而增强学习者对于有用性方面的感知。