□ 陳美玲 白興瑞 林 艷

引言

據(jù)中國互聯(lián)網絡信息中心（CNNIC）2014年7月發(fā)布的第34次《中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告》顯示，截至2014年6月，我國手機網民規(guī)模為5.27億，在整體網民中占比達83.4%，手機已經成為我國網民的第一大上網終端[1]。移動互聯(lián)網和手機終端的發(fā)展為移動學習的開展奠定了物質基礎。目前國外已開展有120多個針對不同應用情景的移動學習項目。國內自從教育部高教司啟動移動教育理論與實踐研究項目后，許多知名網站、終端設備制造商等也開始致力于移動學習產品和服務等的研發(fā)[2]。

盡管有著巨大的潛力，移動學習的接受度和持續(xù)使用行為依然存在許多挑戰(zhàn)。各種移動應用層出不窮，但是能被長期使用的卻不多。“值得指出的是，移動學習系統(tǒng)，同任何信息系統(tǒng)的成功一樣，其推廣普及不僅僅在于技術本身先進與否，還在于用戶的認知、接受和持續(xù)使用等行為問題的解決”[2]。用戶對移動學習的認知是影響其初始接受和持續(xù)使用最為關鍵的要素。同時，用戶對移動學習的認識是變化的，其最初的接受行為并不能保證持續(xù)的使用，沒有長期有效的使用，最初接受的信息系統(tǒng)也不可能給用戶帶來所期望的價值。IT/IS持續(xù)使用行為成為近年來國際信息系統(tǒng)領域的研究熱點。然而通過對國內外移動學習初始接受和持續(xù)使用行為相關文獻的檢索發(fā)現(xiàn)，目前已有學者研究移動學習的初始接受，但對持續(xù)使用行為的研究幾乎還是一紙空白。深入分析究竟哪些是影響移動學習用戶持續(xù)使用行為的因素，哪些因素更重要，從而有重點和有針對性地提出促進移動學習用戶持續(xù)使用行為的建議已經迫在眉睫。

一、理論依據(jù)與模型假設

1.理論依據(jù)

考慮到用戶初始接受理論把注意力主要放在了用戶信息技術的初始接受使用行為上，而信息技術初始接受或采納的因素，并不等同于信息技術持續(xù)使用的因素。用戶在整個信息系統(tǒng)使用行為過程中必定存在心理認知和反應過程，而Bhattacherjee的信息系統(tǒng)持續(xù)使用模型本身就是為了研究用戶信息技術持續(xù)使用行為而提出的，因此本文將選擇Bhattacherjee的信息系統(tǒng)持續(xù)使用模型作為本研究的理論依據(jù)。

Bhattacherjee（2001）[3]借鑒經典的技術接受模型與期望確認理論，提出了信息系統(tǒng)持續(xù)使用模型。模型如圖1所示：

圖1 Bhattacherjee的信息系統(tǒng)持續(xù)使用模型

由圖1可以看出，用戶信息系統(tǒng)的持續(xù)使用意愿受“感知有用性”“期望確定度”“滿意度”三個因素的影響。模型提出如下假設：用戶對某一特定信息系統(tǒng)的滿意度對其持續(xù)使用意愿有積極的影響，用戶對某一特定信息系統(tǒng)的滿意度由感知有用性和期望確認度所決定，感知有用性對用戶采納某一信息系統(tǒng)的意愿有著極大的正向影響，感知有用性受用戶期望確認度的影響。

2.研究模型與假設

信息系統(tǒng)持續(xù)使用模型是有效且簡單的，但是很多學者認為，僅僅從確認度和感知有用性來研究用戶的滿意度和持續(xù)使用意向，無法完整地進行解釋分析。因此，本研究在Bhattacherjee的信息系統(tǒng)持續(xù)使用模型的基礎上，對模型進行擴展，根據(jù)移動學習的相關特性，增加感知易用性和感知移動性價值變量，構建了如圖2所示的移動學習用戶持續(xù)使用研究模型，并進行研究假設論證。

圖2移動學習用戶持續(xù)使用研究模型

Bhattacherjee的信息系統(tǒng)持續(xù)使用模型可以類推到移動學習的使用情境中。移動學習剛開始出現(xiàn)時，移動學習提供商會通過網絡、電視廣告、報紙等多種途徑對用戶進行宣傳，周圍的親人、朋友、同事等也會對移動學習的體驗效果進行反饋，用戶根據(jù)自身的生活經驗對移動學習將抱有一定的期望。當用戶體驗或使用移動學習之后，獲得了意料之中的好處，也就是說符合甚至超出了個人未使用之前的期望，即移動學習用戶的期望確認程度很高，就會對移動學習感到很滿意，并且認為移動學習很有用。用戶在體驗中感覺移動學習系統(tǒng)平臺功能很強大，工作績效、學習效果、生活水平等得到了提高，用戶感覺移動學習的有用程度很高，滿意度必然跟著上升，將愿意繼續(xù)使用移動學習。若用戶對移動學習感到不滿意，將會影響其對移動學習的持續(xù)使用意愿。因此，本研究提出如下假設：

假設1（H1）：移動學習用戶的期望確認度對其滿意度有正向影響。

假設2（H2）：移動學習用戶的期望確認度對其感知有用性有正向影響。

假設3（H3）：移動學習用戶的感知有用性對其滿意度有正向影響。

假設4（H4）：移動學習用戶的感知有用性對其持續(xù)使用意愿有正向影響。

假設5（H5）：移動學習用戶的滿意度對其持續(xù)使用意愿有正向影響。

另外，Davis等（1989）[4]在提出的技術接受模型中，將感知易用性定義為：用戶所能感覺到使用某一特定信息系統(tǒng)的容易程度。自從移動學習出現(xiàn)以來，這一新的學習方式遭到了一些挑戰(zhàn)。Kukuls?ka-Hulme（2007）[5]評述了英國兩個移動學習項目的可用性研究后指出，人們不斷用手機、平板電腦等設備進行學習，并不是因為這些設備本身是專門設計出來用于教育的，而是這些設備被頻繁地報道可以用在教育上。Corbeil和Valdes-Corbeil（2007）[6]聲稱，移動學習中有各種不同類型的應用，學生想要收聽相應的音視頻需要會操作一些技術，但許多學生的操作還不熟練。對此，Wang等（2008）[7]指出，“這些挑戰(zhàn)意味著從現(xiàn)有的數(shù)字化學習到移動學習的適應過程并不是一件容易的事情，用戶可能會傾向于不接受移動學習”。換句話說，這些研究表明，如果學習者發(fā)現(xiàn)移動學習很容易進行，他們將會更愿意進行移動學習。因此，本研究中將感知易用性定義為用戶感受到的使用移動學習的容易程度，并提出如下假設：

假設6（H6）：移動學習用戶的感知易用性對其感知有用性有正向影響。

假設7（H7）：移動學習用戶的感知易用性對其持續(xù)使用意愿有正向影響。

最后，Huang等（2007）[8]最早提出感知移動性價值這一概念，將其定義為：用戶對移動學習移動性價值的認知。移動性包括便利性、實用性和及時性三個不同的要素[9]。移動性允許用戶隨時隨地通過移動設備獲得各種信息和服務，也就是說無論何時何地有需要，移動性具有在新的環(huán)境下引導和支持用戶的能力。移動用戶認為移動學習的主要優(yōu)勢是效益和實用性，而這些優(yōu)勢是移動設備移動性的結果[10][11]。另外Huang等（2007）[8]在最初提出的模型中只假設了感知移動性價值對感知有用性有積極影響，但在數(shù)據(jù)分析時發(fā)現(xiàn)，感知移動性價值也對用戶的行為意愿有直接的正向影響。本文也認為感知移動性價值將是其中一個關鍵因素，并將其定義為用戶個人感覺移動學習移動性所能帶來價值的大小，認為當用戶意識到移動性價值能夠體現(xiàn)出移動學習本身所具有的獨特魅力時，就會對移動學習的有用性有強烈的感觸，并覺得移動學習很容易，很愿意去接受和采納。因此，本研究提出如下假設：

假設8（H8）：移動學習用戶的感知移動性價值對其感知有用性有正向影響。

假設9（H9）：移動學習用戶的感知移動性價值對其感知易用性有正向影響。

假設10（H10）：移動學習用戶的感知移動性價值對其持續(xù)使用意愿有正向影響。

二、問卷設計與數(shù)據(jù)收集

1.問卷設計

本研究整份問卷包括以下三部分內容：

第一部分是被調查者的個人基本信息，包括性別、專業(yè)、年級等，該部分的數(shù)據(jù)主要用于描述性統(tǒng)計。

第二部分通過設置五個題項來讓被調查者回憶自己最近的移動學習經歷。如果被調查者有過列出的五個題項中的任何一項或多項經歷，則根據(jù)自身的經歷與感受繼續(xù)填寫問卷的第三部分。如果一個也沒有經歷過，說明被調查者根本沒有移動學習的經歷，則停止答卷。

第三部分是對移動學習用戶持續(xù)使用研究模型中的6個研究變量的度量，是整份調查問卷的核心部分。由于國內與本研究相關的文獻很少，因此本研究問卷的量表部分大量借鑒和參考了國外的成熟量表（如表1所示），同時邀請了相關專家就量表內容、題項表述進行討論，再結合他們的意見做必要的調整和修正，形成最終量表。為了避免被調查者在填寫問卷時產生困惑和不耐煩，本研究將測量同一變量的題項放在一起。采用李克特五分制量表的自陳式問卷，設置了22個測量題項，要求被調查者根據(jù)以往的移動學習經歷與感受，依其同意程度，從“非常不同意”（1分）、“不同意”（2分）、“中立”（3分）、“同意”（4分）、“非常同意”（5分）五等分量表中勾選最符合自己的選項。

2.數(shù)據(jù)收集

移動學習的對象有學生、教師、企業(yè)員工等各行各業(yè)的人員。其中學生比較樂意嘗試和接受新技術/產品/服務，以學生群體作為移動學習的接受者具有一定的代表性。因此，本研究選擇大學生作為問卷調查對象。

問卷調查是在本校開展的，調查對象分布在教育科學院、管理學院等8個學院，涵蓋了文科、理工科和藝術類。抽取的對象以大一到大四的本科生為主，研究生占部分比例。抽取的專業(yè)有教育技術學、物流管理、計算機科學與技術等。本次調查一共發(fā)放問卷523份，回收有效問卷475份，總體來說本次隨機調查抽樣是科學可靠的。

三、數(shù)據(jù)分析

1.測量信度和效度檢驗

根據(jù)回收的數(shù)據(jù)，本研究采用SPSS 18.0統(tǒng)計分析軟件和Amos 18.0結構方程模型分析軟件來對量表（研究變量的測量題項）進行信度和效度分析。其中信度分析采用Cronbach’s α信度系數(shù)內部一致性的檢驗方法。根據(jù)吳明?。?003）[16]的研究，分量表的信度系數(shù)在0.7以上才比較可信，（如表2所示）本研究中各潛變量（研究變量）Cronbach’s α均在0.8以上，說明本量表的各個測量題項之間的內在一致性程度很高。

另外，本研究采用驗證性因子分析對量表進行建構效度檢驗。建構效度通常從收斂效度和區(qū)別效度兩方面同時衡量，這兩方面效度要同時獲得，才能認為具有良好的建構效度[17]。根據(jù)Fornell和Larcker（1981）[18]的建議，通過標準化因子負荷、組合信度值和平均萃取變異量來評估測量模型中各潛變量的收斂效度。（如表2所示）本研究模型中的6個潛變量所對應的觀測變量的標準化負荷值都遠大于建議值0.5，其對應的p值都大于0.05，均達到了顯著水平，說明本量表具有很好的收斂性。關于組合信度CR，通常認為各個潛變量的組合信度要大于0.7以上，使用的測量工具才算可靠。本研究模型中6個潛變量的組合信度值都達到了0.8以上，說明本研究的測量模型具有很好的內在一致性。至于平均萃取變異量AVE，一般而言，當測量模型中各潛變量的AVE大于0.5以上，則說明測量模型的構建是比較成功的。表2中6個潛變量的AVE值均大于0.5，說明這幾個潛變量從對應的觀測變量中獲得了程度較高的變異量，測量模型具有很好的收斂性。

表1研究變量的操作性測量題項

根據(jù)Fornell和 Larcker（1981）[18]的建議，如果研究模型中各潛變量的平均萃取變異量AVE的平方根大于其與其它潛變量之間的相關系數(shù)，則表明該測量模型各潛變量之間具有良好的區(qū)別效度。如表3所示，表格中對角線上加粗數(shù)字為各潛變量AVE值的平方根，下三角為各潛變量相關系數(shù)矩陣，可以看出各潛變量AVE值的平方根均大于其與其它潛變量之間的相關系數(shù)，說明本研究的測量模型具有較強的區(qū)別效度。

表2信度及效度分析

表3潛變量對應的AVE值的平方根與相關系數(shù)列表

2.模型整體擬合評價與假設檢驗

本研究通過Amos 18.0結構方程模型分析軟件來進行研究模型的整體擬合評價與假設檢驗。模型整體擬合評價部分通過7個擬合度指標來考察研究模型與數(shù)據(jù)的適配程度，這7個擬合度指標分別為差異除以自由度（CMIN/DF）、擬合優(yōu)度指標（GFI）、調整擬合優(yōu)度指標（AGFI）、比較適合度指標（CFI）、非常規(guī)擬合度指標（TLI）、增量適合度指標（IFI）和平均平方誤差平方根(RMSEA)。結合Fornell和Larcker（1981）[18]、Bentler和 Bonett（1980）[19]以及Yu等（2012）[20]的研究，7個擬合度指標的建議值如表4所示。從表中可以看出，本研究模型的各個擬合度指標均符合建議值，說明本研究模型具有良好的擬合度，模型明確闡釋了移動學習用戶的持續(xù)使用意愿情況。

表4模型擬合度指標

本研究模型中的標準化路徑系數(shù)如圖3所示，各潛變量之間的標準化路徑系數(shù)用來衡量變量之間的影響程度，其值介于（-1，1）之間，系數(shù)為正，表明自變量對因變量的影響是正向的；反之，系數(shù)為負，表明自變量對因變量的影響是負向的。一般來說，標準化路徑系數(shù)的絕對值越大，表明自變量對因變量的影響作用越大。另外，p值用來進行路徑系數(shù)/負荷系數(shù)統(tǒng)計顯著性檢驗，p值越小，說明自變量對因變量的影響作用越顯著，一般認為p值小于0.05就可說明達到了顯著水平。從圖3中的數(shù)據(jù)可以看出，除了假設4之外，其余假設都得到了較好的支持。

圖3結構模型的路徑系數(shù)

如圖3所示，移動學習用戶的期望確認度對其滿意度（β=0.603，p＜0.001）和感知有用性（β=0.19，p＜0.001）均有正向影響，假設1和假設2成立。移動學習用戶的感知有用性對其滿意度有正向影響（β=0.334，p＜0.001），假設3成立。移動學習用戶的滿意度對其持續(xù)使用意愿有正向影響（β=0.541，p＜0.001），假設5成立。這個實證結果進一步為Bhattacherjee的信息系統(tǒng)持續(xù)使用模型和已有文獻中提到的期望確認度、感知有用性、滿意度、持續(xù)使用意愿之間的關系提供了證明。但是，移動學習用戶的感知有用性與持續(xù)使用意愿之間存在負向影響（β=-0.036，p=0.637＞0.05），而且顯著性檢驗也不顯著，假設4不成立?？赡艿脑蚴怯脩暨€沒有進行移動學習之前，認為移動學習確實能夠節(jié)省工作、學習時間，提高工作、學習效果等，也就是說覺得移動學習很有用，才會去體驗移動學習。但是體驗幾次之后，已經知道移動學習對自己有用后，更加關注的是移動學習系統(tǒng)所提供的功能界面、學習資料等是否能夠滿足自己的需要等，由此導致感知有用性對持續(xù)使用意愿不產生直接影響。移動學習用戶的感知易用性對其感知有用性（β=0.539，p＜0.001） 和持續(xù)使用意愿 （β=0.173，p＜0.001）均有正向影響，假設6和假設7成立。這也為Davis等（1989）提出的科技接受模型和已有文獻中提到的感知易用性與感知有用性、持續(xù)使用意愿之間的關系提供了證明。移動學習用戶的感知移動性價值對其感知有用性（β=0.264，p＜0.001）、感知易用性（β=0.674，p＜0.001）和持續(xù)使用意愿（β=0.173，p=0.009＜0.05）均有正向影響，假設8到10成立。移動學習跟傳統(tǒng)學習和網絡學習方式不一樣，用戶只要隨身攜帶移動設備，遇到需要時，就可以隨時隨地拿出移動設備獲取各種信息和服務，非常方便。當移動用戶意識到這種移動性價值能夠體現(xiàn)出移動學習本身所具有的獨特魅力時，對移動學習的感知有用性和感知易用性就會增強，進而經常拿出移動設備來學習。

3.模型修正

Amos 18.0結構方程模型分析軟件的分析結果顯示，移動學習用戶的感知有用性和持續(xù)使用意愿之間的路徑系數(shù)（β=-0.036，p=0.637＞0.05）為負，表示兩者之間存在負向影響，這與假設移動學習用戶的感知有用性與其持續(xù)使用意愿成正向影響不符，而且顯著性檢驗也不顯著，說明假設得不到數(shù)據(jù)支持，因此在模型修正中將該條路徑刪除。刪除該條路徑之后，再通過Amos 18.0結構方程模型分析軟件進行分析，修正之后的模型參數(shù)與整體擬合評價均通過了檢驗。修正后的新模型及路徑系數(shù)如圖4所示：圖中橢圓形表示本研究模型中的6個潛變量（研究變量），如果兩個潛變量之間有單向箭頭連接，表示這兩個潛變量之間建立了因果關系，而兩個潛變量之間單相箭頭連線上的數(shù)值（兩潛變量之間的回歸系數(shù)）為路徑系數(shù)。長方形表示各潛變量所對應的觀測變量（量表中的測量題項），每個潛變量都有對應的3～4個觀測變量，6個潛變量總共對應了22個觀測變量。潛變量是無法直接觀測并測量的，因此需要通過這些對應的觀測變量來反映，模型中潛變量與觀測變量之間單向箭頭連線上的數(shù)值（潛變量與觀測變量之間的回歸系數(shù)）為標準化負荷系數(shù)。

圖4修正后的模型及路徑系數(shù)（Amos 18.0）

四、研究結論

本研究將Bhattacherjee的信息系統(tǒng)持續(xù)使用模型應用于提供內容服務的移動學習系統(tǒng)，提出移動學習用戶持續(xù)使用意愿的研究模型，實證檢驗表明除了假設4之外，其余假設都得到了支持。修正后的模型標準化總體效應如表5所示：

表5修正后模型的標準化總體效應

圖4中潛變量的路徑系數(shù)與表5中的標準化總體效應相比，有些潛變量對移動學習用戶持續(xù)使用意愿的總體效應相對于其相應的路徑系數(shù)有所變化。感知移動性價值、期望確認度、感知易用性、感知有用性、滿意度這5個變量都會直接或間接影響移動學習用戶的持續(xù)使用意愿。這是因為模型的總體效應要同時考慮直接效應和間接效應，直接效應與間接效應的總和反映了原因變量對結果變量的影響大小。從表5可以看出，按照影響力的大小，對移動學習用戶持續(xù)使用意愿產生影響的因素依次為：滿意度（0.526）、感知移動性價值（0.379）、期望確認度（0.350）、感 知 易用性 （0.263）、感知 有 用性（0.175），總的來說影響效果都是比較明顯的。

已有科技接受模型認為，感知易用性和感知有用性是移動學習用戶初始接受的關鍵影響因素。而通過以上研究結果發(fā)現(xiàn)，滿意度、感知移動性價值、期望確認度才是移動學習用戶持續(xù)使用的關鍵影響因素，感知易用性和感知有用性雖然也會產生一定的影響，但已經不再是關鍵影響因素了。

五、研究展望

后續(xù)研究將會把模型的因變量從移動學習用戶的持續(xù)使用意愿擴展到移動學習用戶的實際使用行為，收集縱向數(shù)據(jù)，考察持續(xù)使用意愿與實際持續(xù)使用行為之間的關系。另外，根據(jù)研究發(fā)現(xiàn)的關鍵影響因素，將重點和有針對性地提出促進移動學習用戶持續(xù)使用行為的建議。

[1]第34次中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告[R].中國互聯(lián)網絡信息中心，2014，（07）：21.

[2]劉魯川，孫凱.M-Learning用戶接受機理：基于TAM的實證研究[J].電化教育研究，2011，（7）：54-60.

[3]Bhattacherjee,A.An empirical analysis of the antecedents of elec?tronic commerce service continuance[J].Decision support systems,2001,32(2):201-214.

[4]Davis,F.D.,Bagozzi,R.P.,Warshaw,P.R.User acceptance of com?puter technology:a comparison of two theoretical models[J].Manage?ment science,1989,35(8):982-1003.

[5]Kukulska-Hulme,A.Mobile usability in educational contexts:what have we learnt?[J].The International Review of Research in Open and Distance Learning,2007:8(2):1-31.

[6]Corbeil,J.R.,Valdes-Corbeil,M.E.Are you ready for mobile learn?ing?[J].Educause Quarterly,2007,30(2):51-58.

[7]Wang,Y.S.,Wu,M.C.,Wang,H.Y.Investigating the determinants and age and gender differences in the acceptance of mobile learning[J].British Journal of Educational Technology,2008,40(1):92-118.

[8]Huang,J.H.,Lin,Y.R.,Chuang,S.T.Elucidating user behavior of mobile learning:A perspective of the extended technology accep?tance model[J].The Electronic Library,2007,25(5):586-599.

[9]Sepp?l?,P.,Alam?ki,H.Mobile learning in teacher training[J].Jour?nal of Computer Assisted Learning,2003,19(3):330-335.

[10]Coursaris,C.,Hassanein,K.,Head,M.M-Commerce in Canada:An Interaction Framework for Wireless Privacy[J].Canadian Journal of Administrative Sciences/Revue Canadienne des Sciences de l'Ad?ministration,2003,20(1):54-73.

[11]Hill,T.R.,Roldan,M.Toward third generation threaded discus?sions for mobile learning:opportunities and challenges for ubiquitous collaborative environments[J].Information Systems Frontiers,2005,7(1):55-70.

[12]Park,S.Y.,Nam,M.W.,Cha,S.B.University students'behavioral intention to use mobile learning:Evaluating the technology accep?tance model[J].British Journal of Educational Technology,2012.，43(4):592-605.

[13]Lee,M.C.Explaining and predicting users’continuance intention toward e-learning:An extension of the expectation-confirmation model[J].Computers&Education,2010,54(2):506-516.

[14]Liaw,S.S.Investigating students’perceived satisfaction,behavioral intention,and effectiveness of e-learning:A case study of the Black?board system[J].Computers&Education,2008,51(2):864-873.

[15]Thong,J.Y.L.,Hong,S.J.,Tam,K.Y.The effects of post-adoption beliefs on the expectation-confirmation model for information tech?nology continuance[J].International Journal of Human-Computer Studies,2006,64(9):799-810.

[16]吳明隆.SPSS統(tǒng)計應用實務：問卷分析與應用統(tǒng)計[M].北京：科學出版社，2003.

[17]朱星宇，陳勇強.SPSS多元統(tǒng)計分析方法及應用[M].北京：清華大學出版社，2011.

[18]Fornell,C.,Larcker,D.F.Evaluating structural equation models with unobservable variables and measurement error[J].Journal of Marketing Research,1981,18(1):39-50.

[19]Bentler P.M.,Bonett D.G.Significance tests and goodness of fit in the analysis of covariance structures[J].Psychological bulletin,1980,88(3):588.

[20]Yu,T.F.,Lee,Y.C.,Wang T.S.The Impact of Task Technology Fit,Perceived Usability and Satisfaction on M-Learning Continu?ance Intention[J].International Journal of Digital Content Technolo?gy and its Applications,2012,6(6):35-42.