大数据背景下信息管理专业人才培养模式改革创新的影响因素研究_改革创新论文

大数据背景下信息管理专业人才培养模式改革创新影响因素研究，本文主要内容关键词为：信息管理论文,改革创新论文,因素论文,人才培养模式论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       [中图分类号]G642.0 [文献标识码]A [文章编号]1003-2797(2016)02-0021-09

       DOI:10.13366/j.dik.2016.02.021

       1 引言

       “大数据”(Big Data)的概念最早由全球知名的咨询公司麦肯锡(McKinsey)提出，并已成为学术界、产业界和政府机构关注的热点[1-2]。大数据时代正在悄然推动着高校信息管理与信息系统(以下简称“信息管理”)专业人才培养模式的改革与创新。首先，从环境来看，微信、微博、学术博客等社会化媒体的普及将课堂学习和讨论延伸到网络环境，催生了在线学习社区，打破了教学的界限，实现了学习者互动的社会化互助学习，开放式的主动学习正在改变传统课堂教学常见的被动学习局面[3]。另外，开源课程如MOOC、微课等充分利用在线视频进行远程教学，突破了地域和时间的限制，这在给传统教学模式带来有益补充的同时也对传统教学模式造成了强烈的冲击。第二，从学科属性来看，信息管理专业作为与大数据应用最为相关的专业之一，它以信息、信息技术、信息系统为重点关注对象，旨在解决信息获取、组织、检索、分析、评价和利用以及信息技术和信息系统的高效使用等一系列重要问题，为科研和管理决策提供高质量的信息服务。第三，从社会对信息管理专业人才需求角度来看，大数据环境加快了组织的信息化进程，使得组织的业务流程和架构发生改变，用人单位因而对信息管理专业人才的知识、能力和素质结构的需求表现出明显的动态性。

       人才培养模式是指在特定的教育理论、教育思想和教育方针的指导下，各高校为学生构建的知识、能力和素质结构，以及实现这种结构的方式[4]。国内关于信息管理专业人才培养模式的相关研究大致分为以下五类：①探讨信息管理专业人才培养的方向和目标[5-6]；②实例介绍信息管理专业人才培养模式改革创新的实践成果，提出专业建设思路[7-8]；③在分析信息管理专业人才培养的现状和问题上，提出具体措施[9-11]；④在理论层面探索并阐述人才培养的新模式[12-13]；⑤国内外人才培养模式的对比研究[14-15]。为了应对大数据带来的挑战和机遇，信息管理专业人才培养模式需要不断引进新的理念和方法，从而实施课程和知识体系以及教学实践的创新。本研究以创新扩散理论为基础，从个人层面探讨信息管理专业人才培养模式改革创新的影响因素，通过实证研究寻找其中的规律。

       2 创新扩散理论

       创新扩散理论(Innovation Diffusion Theory，IDT)由美国新墨西哥大学的教授埃弗雷特·罗杰斯(Everett M.Rogers)于1962年在Diffusion of Innovations一书中提出。他认为，创新是一种被个人或其他决策单位视为新颖的观念、实践或事物。创新扩散是指创新在一定时间内，经由特定的渠道在社会系统的成员中传播的过程[16]。在该书的第三版(1983年)中，Rogers对于个体采纳创新事物的过程提出一个修正模型(revised adoption process model)，称之为创新决策过程(innovation decision process)。该模型的具体内容是：个人(或决策单位)在知晓了某一项创新后，产生了对创新事物的态度，决定是否采用或拒绝，并加以执行，随后再重新确定这一决定。同时，他进一步将该创新决策过程概念化为五个阶段，分别是：获知阶段、说服阶段、决策阶段、实施阶段和确认阶段。一项创新可能在不同的阶段遭遇失败，创新扩散是创新成功的前提和基础。另外，Rogers在总结过去创新扩散的大量案例和研究文献的基础上，基于最大的概括性和简约性考虑，提出了创新的五个特性，即相对优势、匹配度、复杂度、可观察性和可试用性。他指出，个体对这些特性的感知在很大程度上决定着该创新的采纳率以及创新扩散的速率。其中，①相对优势指一项创新在多大程度被感知到比它所替代的原有观念、实践或事物更好；②匹配度指一项创新与现有的价值观、经验和需求相一致的程度；③复杂度指在多大程度上一项创新被感知到难以使用；④可观察性指在多大程度上一项创新的成效可以被明显地观察到；⑤可试用性指一项创新在多大程度上可以在采纳前进行尝试性的实践[17]。如果一项创新能够较好地解决以上五个方面的问题，则创新扩散可以较快实现。

       以创新扩散理论为基础，学者们结合不同环境和问题展开了大量研究。Lin(2011)基于创新扩散理论和知识型信任理论考察了潜在用户和现有用户对于移动银行的采纳，发现潜在用户主要通过相对优势、匹配度和服务提供商的能力来形成使用态度和意愿，而现有用户更关注相对优势、易用性和服务提供商的诚信进而采取持续使用行为[18]。Lee等(2011)基于创新扩散和技术接受理论考察了企业员工对电子学习系统的采纳，发现匹配度、复杂度、可试用性以及易用性、有用性等对电子学习系统的使用意愿产生显著影响[19]。Lai和Chen(2011)基于创新扩散理论的个体—技术—学校—环境特征框架考察了中学教师对教学博客的采纳和使用，发现感知愉悦性、撰写成本、匹配度、易用性、个人创新性、学校支持等是主要影响因素[20]。Smerecnil和Andersen(2011)基于创新扩散理论考察了度假酒店对于环境可持续性创新的接受，发现环境可持续性创新的简明性、意见领袖的影响力是影响组织采纳的关键因子[21]。Hazen，Overstree和Cegielski(2012)基于创新扩散理论提出供应链管理创新的后采纳阶段活动整合框架，该框架包括三类行为：接受—常规化—吸收同化，提供了17个指标用来预测创新在组织内的嵌入程度[22]。Boushey(2012)考察了公共政策创新的扩散，结合巴斯扩散模型提出了内部影响和外部影响的测度系数[23]。Zhang等(2015)针对一项电子医疗服务的采纳情况进行了为期29个月的纵向研究，发现95％的患者并未采用该网上预约服务，基于创新扩散理论分析原因，得出该网上预约服务与患者交互程度不足、感知价值低、匹配度低以及患者能力、资源有限等是导致低采纳率的主要原因[24]。Merhi(2015)基于技术接受和创新扩散理论考察了高校学生对播客(Podcast)的采纳，发现相对优势、感知有用性、感知愉悦性、感知自我效能等对学生使用Podcast的意愿产生显著影响[25]。

       3 研究模型和假设的构建

       与MOOC等在线教学相比，课堂教学具有自己的优势，教学过程的完善是人才培养模式改革创新的重要内容。我们首先设计了一项课堂教学环节中的改革创新：计划每门课的三分之一内容由学生来主讲，具体实施时，班上的每位同学可申请不同课程的讲授，最后由各门课程的主讲老师确定自己所负责课程的3位主讲同学。在主讲同学的讲授过程中，课程负责老师在下面旁听和指导，并适当对课堂秩序和气氛进行调节和控制。该项改革创新是本研究的考察对象，基于创新扩散理论，我们提出研究模型如图1所示。

      

       图1 研究模型

       3.1 相对优势对参与该改革创新的态度的影响

       本研究中的相对优势是指学生感知到的参与该改革创新有助于提高其学习效率、改善学习质量的程度。相对优势与技术接受模型(Technology Acceptance Model，TAM)中的感知有用性[26]在内涵上基本一致。参与该改革创新的态度是指学生对自己参与该改革创新的行为所持有的积极或消极的感受[27]。相对优势、感知有用性对行为态度的作用效果在大量创新扩散和技术采纳研究中得到验证[28-32]。同样，在本研究环境下，当学生感知到参与该改革创新对其学习有所帮助，且可使自身得到更多利益的时候，他们会对参与该改革创新持有积极的态度。因此，我们提出如下假设：

       H1：相对优势对参与该改革创新的态度产生正向影响。

       3.2 匹配度对参与该改革创新的态度的影响

       匹配度是指该改革创新与学生现有的价值观、学习风格和需求等相一致的程度[33]。大量的创新扩散研究表明匹配度正向影响创新的扩散和采纳。例如，Zendehdel和Paim(2012)实证研究结果表明，匹配度正向显著影响消费者对网购的态度[34]。Lin(2011)在考察用户采纳和使用移动银行的影响因素时，发现匹配度对用户使用移动银行的态度产生正向显著影响[35]。Duan(2010)等通过实证研究发现匹配度是影响学生采纳在线学习课程的关键因子[36]。Kebritchi(2010)以创新扩散理论为视角，通过案例研究发现匹配度是影响中学教师运用教育类电脑游戏辅助教学的重要因素[37]。在本研究环境下，如果学生觉得参与该改革创新与其现有的价值观、学习风格和需求有很高的一致性，则他们参与该改革创新的积极性也会很高。因此，我们提出如下假设：

       H2：匹配度对参与该改革创新的态度产生正向影响。

       3.3 努力期望对参与该改革创新的态度的影响

       Moore和Benbasat在对Rogers提出的创新扩散理论(IDT)进行修正和模型验证时，指出IDT中的复杂度与TAM中的感知易用性在内涵上相近，并认为Davis针对感知易用性开发的测量量表具有很好的信度和效度[38]，因此Moore和Benbasat将复杂度用其正向构念易用性来替代。努力期望来源于Venkatesh等提出的UTAUT模型[39]，认为努力期望与感知易用性、复杂度等变量在内涵上相似，并且更适用于解释初始阶段的创新行为或实践。同时，Venkatesh等将“努力期望”定义为个体感知到的使用某项新系统或新技术的容易程度[40]。

       本研究中的努力期望是指学生感知到的参与该改革创新的容易程度。大量研究结果表明努力期望正向影响个体的行为态度。例如，Davis(1986)研究发现感知易用性是影响消费者技术采纳态度的关键因子[41]。Kuo和Yen(2009)构建了消费者对3G移动增值服务的使用意愿影响因素模型，由结构方程模型验证得出：感知易用性对使用态度产生正向显著影响[42]。Arteaga和Duarte(2010)实证研究发现，感知易用性正向显著影响高校学生使用Moodle课程管理系统的态度[43]。结合用户技术采纳的相关研究以及创新扩散理论，如果学生感知到参与该改革创新是一件容易的事情，即对如何参与该改革创新是清楚和理解的，那么他们会对参与该改革创新持有积极的态度。因此，我们提出如下假设：

       H3：努力期望对参与该改革创新的态度产生正向影响。

       3.4 参与该改革创新的态度对参与该改革创新的意愿的影响

       参与该改革创新的意愿是指学生是否愿意或计划付出努力去参与该改革创新实践，行为态度对行为意愿的正向影响已经在大量的研究中得到验证[44-48]。同样，在本研究环境中，如果学生参与该改革创新的积极性越高，则他们会越愿意付出努力去参与该改革创新。因此，我们提出如下假设：

       H4：参与该改革创新的态度对参与该改革创新的意愿产生正向影响。

       3.5 控制变量

       除了相对优势、匹配度、努力期望、参与该改革创新的态度和参与该改革创新的意愿这5个主要的潜在变量之外，本研究将性别、当前的职位、对毕业就业岗位的了解、对课程设置的满意、对培养模式改革创新的需求、对教学方式的满意这6个变量作为控制变量，揭示各个控制变量对参与该改革创新的态度的影响。

       4 问卷设计和数据搜集

       4.1 量表的设计

       研究模型包括5个潜在变量，每个潜在变量各自由3～4个测量变量所组成。所有潜在变量和测量变量均改编自己有文献，以保证内容上的有效性[49]。其中，相对优势和匹配度改编自Moore和Benbasat[50]；努力期望和参与该改革创新的态度改编自Venkatesh[51]；参与该改革创新的意愿改编自Khalifa和Davison[52]。测量变量(测量题项)采用7点李克特量表进行测量(1表示强烈不同意，7表示强烈同意)。

       4.2 数据搜集

       初步完成问卷设计工作之后，首先邀请了4位本科曾经是信息管理专业的硕士研究生，以及10位信息管理专业在读的大三和大四学生进行预调查，根据受访者的反馈意见，慎重地修改了一些测量题项的模糊表述，以使填写问卷的人能更好地理解测量题项的含义并正确地填写。量表见附录1。

       2015年度，湖北省共有武汉大学、华中科技大学等42所高校面向信息管理专业招生，参与招生的高校数量居全国之首(与江苏省并列)[53]。在湖北省的数据搜集中，我们选取了武汉大学(“985”/“211”高校)、武汉科技大学(省重点高校)、湖北经济学院三所高校作为代表，调查对象是这三所大学的信息管理专业在读的本科生。调查问卷通过在线方式发布，主要通过这三所大学信息管理专业的任课老师向学生发出邀请，被邀请者可自愿决定填写或不填写。最后，搜集到270份有效问卷，这270个样本的基本信息统计如表1所示。

      

       5 数据分析和结果

       本研究利用偏最小二乘(Partial Least Squares，PLS)结构方程建模(Structural Equation Modeling，SEM)[54]和SPSS对数据进行分析。

       5.1 测量模型检验

       测量模型的有效性通常表现在内容效度、收敛效度和区分效度等方面[55]。对于内容效度，由于所有测量变量都改编自己有文献，因此认为这些变量是清晰的和表意准确的。收敛效度通过组合信度(Composite Reliability，CR)和Cronbach's Alpha系数来衡量。由表2可知，所有潜在变量的CR值都在0.955以上，Cronbach's Alpha系数值都在0.937以上。一般认为，CR值与Cronbach's Alpha系数达到0.7即表明该量表具有良好的收敛效度[56]。另外，表2中的AVE(Average Variance Extracted)是抽取的平均方差，一般认为AVE大于0.5表明变量具有理想的收敛效度[57]。从表2看出，本研究的AVE值均大于0.841，进一步表明测量模型具有理想的收敛效度。

       表3是潜在变量间相关系数和AVE的平方根值。由表3可知该测量模型具有良好的区分效度，判断标准是：每一个潜在变量的AVE平方根都大于该变量与其他变量之间的相关系数[58]。

       表4是测量模型的因子载荷(加粗的值)和交叉因子载荷，每个测量变量与其潜在变量间的相关系数(因子载荷)都大于与其他潜在变量间的相关系数(交叉因子载荷)，进一步表明测量模型具有良好的收敛效度和区分效度[59]。

      

      

       5.2 研究模型的结果

       研究模型的结果如图2所示，其显著性检验中的t值计算利用的是bootstrapping重复抽样方法，重复抽样数为1000。

       从图2中可以看出，态度和意愿的R平方分别是0.651和0.733，表明该模型具有良好的预测效果[60]。本研究提出的H1，H2和H4得到验证：相对优势对参与该改革创新的态度具有显著的正向影响(β=0.424，p＜0.001)；匹配度对参与该改革创新的态度具有显著的正向影响(β=0.355，p＜0.05)；参与该改革创新的态度对参与意愿具有显著的正向影响(β=0.856，p＜0.001)。努力期望对参与态度的影响不显著，因此，H3没有得到支持。

       在控制变量影响方面，对毕业就业岗位的了解对参与态度产生显著的负向影响(β=-0.110，p＜0.01)，对课程设置的满意与参与态度产生显著的正向影响(β=0.135，p＜0.05)，其他控制变量的影响不显著。

       6 讨论和启示

       图2中，相对优势是影响学生参与态度的第一关键因子。相对优势大，表明参与该改革创新有助于提高学生的学习效率和改善学生的学习质量，在这种情况下，学生对参与该改革创新会持有积极的态度。反之，相对优势小，表明参与该改革创新无助于提高学生的学习效率和改善学生的学习质量，在这种情况下，学生对参与该改革创新会持有消极的态度。因此，在设计和实施专业人才培养模式的改革与创新内容时，通过与学生的交流和沟通等方式，学生对某项改革创新的相对优势的感知应该给予最优先的考虑。

      

       图2 研究结果

       匹配度是影响学生参与态度的第二关键因子。匹配度大，表明该改革创新与学生的学习风格相匹配，在这种情况下，学生对参与该改革创新会持有积极的态度。反之，匹配度小，表明该改革创新与学生的学习风格不相匹配，在这种情况下，学生对参与该改革创新会持有消极的态度。因此，在设计和实施专业人才培养模式的改革与创新内容时，匹配度也应给予优先的考虑。

       图2中，努力期望对参与该改革创新的态度的影响不显著。但由表3可知，努力期望与参与态度之间的相关系数是0.594，表明努力期望对参与态度的独立影响是存在的。下面通过层次回归分析进一步探讨并揭示努力期望对参与态度的作用机制。Model1中，只将性别、当前的职位、对课程设置的满意等6个控制变量作为自变量；Model2是在Model1的基础上加入努力期望这个潜在变量；Model3是在Model2的基础上加入相对优势这个潜在变量；Model4是在Model3的基础上加入匹配度这个潜在变量。层次回归分析的结果见表5。

      

       在表5中，Model1表明信息管理专业学生对培养模式改革创新的需求对参与改革创新的态度产生显著的正向影响(β=0.257，p＜0.001)，即学生对该改革创新的需求越强烈，他们参与该改革创新的态度会越积极。同时，对课程设置的满意显著地正向影响学生的参与态度(β=0.212，p＜0.05)，即学生如果对该专业课程设置很满意，他们参与该改革创新的态度会越积极。Mode2表明，努力期望对参与该改革创新的态度产生显著的正向影响(β=0.511，p＜0.001)，并且从Model1和Model2的比较中发现，R[2]增长了0.195，进一步验证了努力期望对参与态度的解释力。下面将通过Model3来考察努力期望对参与态度的影响如何被弱化。

       Model3表明，相对优势正向显著影响学生的参与态度，同时，当相对优势引入模型中时，努力期望对参与态度的影响不再显著，表明努力期望对参与态度的影响被相对优势的影响所弱化。这在一定程度上表明，相比于参与创新的容易程度来说，该改革创新能够带来的利益更能激发学生的参与积极性。Model4的结果与图2的结果一致，但从层次回归分析中可以看出一个有趣的现象，对毕业就业岗位的了解对参与态度的影响在Model1、Model2和Model3中都不显著，这个影响在Model4中却显著，表明在对努力期望、相对优势和匹配度进行整体考察时，对毕业就业岗位了解得越少的学生，对参与该改革创新的态度越积极。

       7 结语

       本研究基于创新扩散理论，从个人层面考察了信息管理专业人才培养模式改革创新的影响因素，发现相对优势是影响学生参与态度的第一关键因子，匹配度是影响学生参与态度的第二关键因子，努力期望对参与态度的影响被相对优势所弱化。高校专业人才培养模式的改革创新是一项艰巨的任务，会受到很多因素的影响。未来可结合更多的理论，从更多的视角考察高校专业人才培养模式改革创新的影响因素。

      

标签：改革创新论文;  创新理论论文;