MOOC用户使用意愿影响因素的实证研究_大数据论文

MOOC用户使用意愿影响因素实证研究，本文主要内容关键词为：意愿论文,因素论文,实证研究论文,用户论文,MOOC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：G40～05；G420 文献标志码：A 文章编号：1000～4203(2015)11～0069～08

       大规模开放在线课程(Massive Open Online Course，MOOC)是一种以网络信息服务为基础的新型在线教育模式[1]，因其具有大规模、在线和开放三大典型特征[2]而吸引了人们的广泛参与，并引起了一场世界范围的教育风暴[3]。随着MOOC的进一步普及和发展，越来越多的用户开始使用MOOC平台。作为MOOC三大平台之一的Coursera，自2012年建立以来已吸引了超过1300万的用户注册使用。[4]与此同时，MOOC为何具有如此巨大的影响力，哪些因素影响了MOOC用户的使用态度和意愿成为学界关注的焦点之一。本研究从用户角度出发，在对MOOC相关特征进行分析的基础上，结合用户使用意愿相关理论构建了MOOC用户使用意愿模型，通过实证研究分析影响MOOC用户使用意愿的主要因素，最后为促进MOOC产业发展、提升MOOC用户体验提出了相关建议。

       一、MOOC用户使用意愿模型

       意愿是指个人对从事某种特定行为的主观概率[5]，延伸到使用意愿即个人使用某种产品或服务的态度和意向。用户对某种产品或服务的感知价值影响其使用意愿[6]，而感知价值是指在特定产品或服务中，用户对产品属性、功效等的使用结果与相应所付出的全部代价之间的感知、权衡和评价[7]，包括情感、功能、社会和货币等方面的价值感知[8]。感知价值受到用户感知利得与感知利失的影响[9]。感知利得指用户所能感知到的产品或服务带来的实际效益和情感效益，感知利失指用户所能感知到的使用产品或服务的成本和风险。

       本研究以MOOC相关特征为基础，利用价值接受模型(Value Acceptance Model，VAM)构建了如图1所示的MOOC用户使用意愿模型。其中，感知利得由用户对MOOC的感知有用性、感知易用性和感知趣味性三部分组成，对用户的感知价值和使用意愿产生正面的积极影响；感知利失由用户对MOOC的感知成本和感知风险组成，对用户的感知价值和使用意愿产生负面的消极影响；感知价值对用户的使用意愿产生正面的积极影响。

      

       图1 MOOC用户使用意愿模型

       为使模型更具合理性和有效性，本研究采用焦点小组讨论法，选取30名MOOC用户讨论和优化模型中的各项感知要素，最终形成了如表1所示的由32个要素组成的MOOC用户使用意愿模型量表，并根据感知利得、感知利失与感知价值及使用意愿的相关关系提出如下11个研究假设：

      

：感知有用性对感知价值有积极的显著影响；

      

：感知有用性对使用意愿有积极的显著影响；

      

：感知易用性对感知价值有积极的显著影响；

      

：感知易用性对使用意愿有积极的显著影响；

      

：感知趣味性对感知价值有积极的显著影响；

      

：感知趣味性对使用意愿有积极的显著影响；

      

：感知成本对感知价值有消极的显著影响；

      

：感知成本对使用意愿有消极的显著影响；

      

：感知风险对感知价值有消极的显著影响；

      

：感知风险对使用意愿有消极的显著影响；

      

：感知价值对使用意愿有积极的显著影响。

      

       二、研究方案设计及数据分析

       1.问卷设计及预调查

       实证研究部分主要采用以问卷调查为基础的SPSS和结构方程分析法。课题组经过文献研读和焦点小组讨论，设计并确定了由32个要素组成的MOOC用户使用意愿调查问卷。在大规模调查前，课题组随机发放了30份基础问卷进行预调查，并根据预调查结果对问卷进行了修改，以保证问卷的可操作性和有效性，最终形成了由32个要素构成的李克特(Likert)五级量表调查问卷。

       2.数据获取

       问卷调查采用网络调查和实地调查相结合的方法，于2015年3月12日-3月26日进行，为期15天。实地调查主要选择武汉地区各高校，网络调查通过专业问卷调查平台“问卷星”进行。在调查过程中，课题组还注意对调查对象的个体情况进行一定的控制。调查共发放问卷300份，经过人工排查和机器排查，排除没有使用过MOOC和信息不真实、不完整的问卷，回收有效问卷275份，有效回收率为91.7％。

       3.数据统计分析

       (1)样本描述性统计

       在275个有效样本中，男性用户132人，占48.0％；女性用户143人，占52.0％。专科及以下学历用户102人，占37.1％；本科学历用户127人，占46.2％；硕士及以上学历用户46人，占16.7％。人文社科类学科背景用户143人，占52.0％；自然科学类学科背景用户132人，占48.0％。180人在MOOC平台上学习过1门课程，占65.4％；45人学习过2门课程，占16.4％；50人学习过3门及以上课程，占18.2％。87人获得过1个证书，占31.6％；63人获得过2个及以上证书，占22.9％；125人没有获得过任何证书，占45.5％。

       (2)信度与效度检验

       在进行因子分析之前，为保证问卷调查所获数据可靠和有效，需对数据进行信度和效度分析。利用SPSS进行数据分析发现，问卷数据中各个因子克隆巴赫系数(Cronbach’s Alpha)均在0.7以上，且总量表的克隆巴赫系数值为0.893＞0.7，表明信度非常高，问卷数据可靠性非常高。同时，问卷数据的KMO值为0.853，巴特莱特(Bartlett)球体检验近似卡方值为1819.792，自由度为253，显著性概率p=0.000＜0.01，表明问卷变量之间存在相关性，具备进行因子分析的条件。

       (3)因子分析

       因子分析的基本思想是根据因子之间相关性的大小把变量分组，使得同组变量之间相关性较高，而不同组变量之间相关性较低，每组变量代表一个基本结构，目的是为了有效降低变量维数，在减少因子数量的同时，使剩余的因子能够较好地反映变量之间的关系。[16]因子分析的前提条件是样本数量至少为变量数的5倍，本研究中变量数为32个，因此样本数量至少应为160个。实证研究共获得有效样本275个，且通过了效度检验，因此可以进行因子分析。

       首先，采用SPSS主成分分析法提取公因子。由于因子分析的变量之间不存在显著的线性关系，因此只对影响感知价值的前因变量，即感知利得和感知利失进行因子分析。分析可知，前5个因子特征值大于1，累积方差贡献率达到了53.457％，因此选取5个公因子比较合适。进一步对因子的共同度进行分析，发现感知易用性中

的共同度低于0.4，说明这两个测量指标与其他指标可测量的共同性较少，重要程度较低，可予以删除。

       其次，通过对因子载荷矩阵实行正交旋转以使因子具有命名解释性并对公因子进行命名。采用Kaiser标准正交旋转法对变量进行7次迭代后，每个测量指标分别归属于对应载荷最大的因子，并被归为5个不同的因子。从各因子包含的最广泛的解释变量出发对这5个因子赋予意义并进行命名：

       因子1：由假设模型“感知有用性”中除去“互动性”外的5个要素和“感知趣味性”中“参与广泛”要素构成，描述用户在使用MOOC过程中感知到的有用程度，因此仍命名为“感知有用性”。

       因子2：由假设模型“感知易用性”中除去“开放性”和“资源免费”外的4个要素构成，说明用户使用MOOC的方便和有利程度，因此仍命名为“感知易用性”。

       因子3：完全符合假设模型中“感知成本”的4个要素，描述用户使用MOOC所需要具备的知识和能力等成本，因此仍命名为“感知成本”。

       因子4：完全符合假设模型中“感知风险”的4个要素，描述用户在使用MOOC时所能感知到的风险，因此仍命名为“感知风险”。

       因子5：由假设模型“感知趣味性”中“课程有趣”、“评价有趣”和“感知有用性”中“互动性”3个要素构成，描述MOOC课程提供的内容、评级方式和成员社交互动所带来的愉悦感，因此仍命名为“感知趣味性”。

      

       因子分析解释变量总方差的大小反映各构成要素对总体感知贡献的大小。由表2数据可知，感知有用性、感知易用性、感知成本、感知风险和感知趣味性对用户感知的贡献依次降低。此外，由因子分析各变量的因子负荷数值可知，各个因子对与其相对应的公因子的影响程度也依次降低。

       通过因子分析，本研究检验并初步修正了MOOC用户使用意愿模型。模型由“感知有用性”、“感知易用性”、“感知趣味性”、“感知成本”、“感知风险”、“感知价值”和“使用意愿”7个二级要素和30个三级要素组成，且与原假设模型基本吻合。

       三、模型验证及假设检验

       结构方程模型是应用线性方程系统表示和检验观察变量、潜在变量之间关系的一种统计方法。[17]本研究采用AMOS22.0软件对MOOC用户使用意愿模型进行验证并检验研究假设，构建如图2所示的结构方程假设模型。该模型包含“感知有用性”、“感知易用性”、“感知趣味性”、“感知成本”、“感知风险”、“感知价值”和“使用意愿”7个潜在变量以及30个观测变量。

      

       图2 MOOC用户使用意愿结构方程假设模型

       将问卷样本数据导入AMOS后，对模型进行拟合指数分析。只有在拟合指数达到标准之后，结构方程模型中各个变量之间的关系和路径系数才有效。本研究综合选取卡方值与自由度之比(CMIN/DF)、拟合优度指数(GFI)、近似误差均方根(RMSEA)、规范拟合指数(NFI)和模型比较适合度(CFI)作为评价指标准则来进行判断。由表3数据可知，模型各拟合指数均在可接受范围之内，说明构建的MOOC用户使用意愿模型拟合效果良好，是可以接受的。

      

       在结构方程模型中，一般使用参数差异临界比率值(C.R.值)来判别回归系数是否显著异于0。当C.R.统计量的绝对值＞1.96时，则可解释为“在0.05的显著水平下，有显著性差异”。[19]本研究即以此为标准，通过C.R.值来判断各变量之间的关系并验证研究假设。

      

       由表4数据可知：感知有用性、感知易用性和感知趣味性对感知价值有积极的显著影响，即假设

、

、

成立；感知成本和感知风险对感知价值有消极的显著影响，即假设

、

成立；感知价值对使用意愿有积极的显著影响，即假设

成立；感知有用性、感知易用性、感知趣味性、感知成本和感知风险对使用意愿没有显著影响，即假设

、

、

、

和

不成立。

       基于上述分析，在剔除不成立的研究假设后，本研究得到如图3所示的MOOC用户使用意愿修正模型及其路径系数。

      

       图3 MOOC用户使用意愿修正模型

       四、结论与建议

       通过调查分析和模型验证可知，感知有用性、感知易用性、感知成本、感知风险和感知趣味性由大到小依次影响MOOC用户的感知价值，感知价值影响用户对MOOC的使用意愿。结合问卷样本人口统计学分析，本研究认为，MOOC平台应从以下几个方面入手来提高MOOC使用体验，进而影响用户的使用态度和意愿：

       首先，要关注用户需求，提高MOOC平台课程结课率。问卷样本统计分析显示，学习过MOOC课程的用户中，有87人获得过1个证书，63人获得过2个及以上证书，近一半即125人则没有获得过任何学分和证书，表明目前MOOC平台学习结课率仍偏低。为此，MOOC平台必须从用户需求出发，积极采取各种措施和手段来提高MOOC的有用性和易用性，进而提高MOOC平台课程学习的结课率。一方面，MOOC平台要进一步完善和丰富课程内容及其呈现、评价方式。另一方面，MOOC平台要提供个性化内容定制服务，特别是要根据不同种族和地区的用户需求开发不同语言和特色的课程。如此双管齐下，可以进一步提高MOOC平台的有用性和易用性，吸引更多用户选择并完成MOOC课程学习。

       其次，要加强战略合作，提高MOOC的社会认可度。研究发现，MOOC用户的风险感知主要体现在两个方面：一是担忧在MOOC平台上获得的学分和证书不能得到社会的认可和接受；二是担心花费的时间和精力成本无法获得回报。因此，MOOC要想获得长远发展，必须与高校和社会机构等加强战略合作，实现多方共赢。MOOC平台要扩大与高校合作的广度与深度，高校除了为MOOC平台提供课程外，还应认可学生在MOOC平台上获得的学分和课程结业证书。此外，MOOC平台还应加强与企业等社会机构的合作，成为企业或组织进行员工培训的主要渠道，在增加平台收入的同时获得更多的社会认可。

       最后，要系统规划专业课程，完善专业课程体系。目前，MOOC平台虽然为用户提供了丰富的、可供选择的课程资源，但由于课程呈现方式等诸多限制，平台具有的课程授课时间短、课程体系松散等弊端不利于用户系统地学习专业知识。因此，MOOC平台必须根据专业发展需要系统规划专业课程，完善专业课程体系。一方面，在课程资源的提供和呈现上，按照专业学习的需要增加相关专业课程，并按专业将课程归类，便于用户学习和使用。另一方面，在课程内容组织方面，要把握课程的难易程度和连贯性，系统组织和教授课程知识和内容，而不应一味地强调“短、平、快”。

       本研究在对MOOC发展现状及用户使用意愿进行调查研究基础上，构建了MOOC用户使用意愿模型，厘清了影响MOOC用户使用意愿的主要因素。研究虽取得了一定成果，但由于主客观条件的制约，尚存在诸如模型拟合指标没有达到最优等不足，有待后续进一步深入研究，并加以完善。

标签：大数据论文;  感知风险论文;  因子分析论文;  用户研究论文;  因子载荷论文;  用户分析论文;  风险模型论文;  变量论文;  问卷论文;