【《在线教育平台满意度浅析的国内外文献综述》4300字】

在线教育平台满意度研究的国内外文献综述目录TOC\o"1-3"\h\u1353在线教育平台满意度研究的国内外文献综述 1139231.1概念界定 1117171.1.1高校学生 1325691.1.2超星学习通 174241.1.3使用满意度 288171.2理论基础 2302711.1.1技术接受模型 233661.1.2计划行为理论 354861.3关于在线教学平台用户的研究现状 3188881.3.1在线教学平台用户学习者特征研究 4267721.3.2在线教学平台用户行为研究 4118601.4关于在线教学平台满意度的研究现状 5137241.4.1国外研究现状 564931.4.2国内研究现状 514265参考文献 61.1概念界定1.1.1高校学生本研究中的高校学生是指正在各大高校接受高等教育还未毕业的群体，包括大学生和研究生。高校学生是我国社会建设的新鲜血液和未来动力，对各类科学技术和创新思想有较高的接受程度。1.1.2超星学习通超星集团是一家1993年在北京成立的公司，拥有非常惊人的图书数字化处理能力。超星学习通平台得益于超星集团得天独厚的内容资源和技术优势，上线以来已经成为多所高校的必备教学管理工具。疫情期间，在国家的政策指导下，大量学校通过使用在线教学平台对学生展开教学，这对超星学习通来说是一个千载难逢的发展机会。1.1.3使用满意度本研究中所指的使用满意度是一个相对的概念，是指高校学生使用前对超星学习通的期望值与使用超星学习通后感受到的实际效果两者进行对比后得出来的数值。1.2理论基础1.1.1技术接受模型Davis（1989）以1975年Ajzen和Fishbein提出的TRA理论为基础，提出了技术接受模型。TAM模型经过学术界多年的应用实践，如今已经被广泛地运用在各领域的研究中。Davis提出，感知有用性以及感知易用性是TAM模型中的关键因素。感知有用性，是指用户使用某系统后可以感知到的该系统对其业绩提高的程度。感知易用性，是指用户可以感知到的使用某系统的容易程度。技术接受模型认为，系统特征、用户特征等外部变量决定感知易用性，而感知易用性和外部变量均能直接影响用户的感知有用性。感知易用性和感知有用性会共同影响使用态度，使用态度和感知有用性会共同影响用户对系统的行为意向，而用户的行为意向会影响用其对系统的实际使用。具体的TAM模型如图2-1所示：图2-1技术接受模型Figure2-1Technologyacceptancemodel1.1.2计划行为理论Ajzen在不断修正他与Fishbein共同提出的TRA理论后，于1985年提出了计划行为理论。计划行为理论是对TRA理论的创新和修正。TPB理论包含主观规范、态度、感知行为控制、行为意向和行为这五大要素。Ajzen在TPB理论中提出，个体的行为意念会对个体的态度造成影响，个体的规范信念会对个体的主观规范造成影响，个体的控制信念会对个体的感知行为控制造成影响。而个体的行为意向会受上述三个因素共同影响，进而和感知行为控制一起对个体的实际行为产生影响。具体的计划行为理论模型如图2-2所示：图2-2计划行为理论Figure2-2Theoryofplannedbehavior1.3关于在线教学平台用户的研究现状方佳明等（2018，2019）提出，在线教学平台用户的体验决定着他们学习效率和在线教学平台的生存。在在线教学平台中，有大量不同特征、不同行为的用户，这些用户作为在在线教学平台上学习的主体，穿梭于现实与虚拟世界之间，对在线教学平台的用户本身进行研究对于在线教学的发展有重要意义。现有研究论文中对于在线教学平台用户本身的研究主要集中在用户的学习者特征和行为这两大方面。1.3.1在线教学平台用户学习者特征研究目前，国内外学者对在线教学平台用户的学习者特征这一方面已经有了不少研究文献，这些研究主要分为两种类型。一种是以某种理论作为分析依据，设计不同维度、不同模型的量表，对在线教学平台的用户进行调查，进而分析出相关结论的研究。如：GallenandCaro（2017）以学习者的动机为主题设立了包含26个项目的问卷并以这26个项目为聚类特征指标进行分析。孙志国等（2017）认为用户的学习动机特征可以分为19个学习动机项目，结合人口学特征对多位远程学习者的相关数据进行测量和分析。另一种则是挖掘在线教学平台的相关数据或相关理论和已有研究文献进行综合分析的研究。如：孙月亚（2015）对部分学习者的学习记录数据进行挖掘和统计分析，进而总结出用户在不同阶段学习行为的特征。王梦倩等（2018）综述部分使用聚类分析技术分析MOOC学习者特征的英文文献，为国内研究者刻画学习者特征提供思路。近来，还有学者将上述两种类型的研究方法相结合进行在线教学平台用户学习者特征研究。如：孙发勤、董维春（2020）一方面通过挖掘学习数据来分析学习者的偏好等相关信息，另一方面发放问卷收集有关一般特征、行为特征、学习准备以及学习风格四个方面的数据，据此对学习者进行用户画像描述。1.3.2在线教学平台用户行为研究国内外学者对于在线教学平台用户行为这一方面也有一定的研究文献。他们大多以在线教学用户的某种行为作为切入点采集相关数据进行影响因素分析，进而建立模型。如：钱瑛（2015）以期望确认理论框架为基础，结合从社会化网络和学情定位视角出发探索出的相关变量，采用结构方程模型来构建网络教育用户持续学习的概念模型。Zhangetal（2017）通过对虚拟学习社区的用户二手数据进行分析，发现使用经验丰富与否对于用户持续使用行为有显著影响，且使用经验较少的用户更注重平台易用性的感知。沈欣忆等（2019）利用用户在MOOCAP中的在线学习行为数据，结合专家排序法、德尔菲法等多种研究方法，构建MOOCAP在线学习行为和学习评价模型。张璐、王若佳（2020）则通过在某视频网站中收集在线教学视频的弹幕与评论，从视频、用户和评论内容3个方面的特征出发，对比说明用户弹幕与传统评论行为之间的异同。也有少量研究者以已有研究为基础进行综合分析研究。如：张敏等（2019）搜集了2014-2018年间国内外相关文献，使用系统综述法，对国内外在线教学平台用户持续性行为的研究现状和研究趋势进行深入分析研究。1.4关于在线教学平台满意度的研究现状国内外研究者对于在线教学平台满意度的研究数量较多，但是研究方向和研究内容各不相同。1.4.1国外研究现状在线教学平台最初出现在美国，在国外的发展历史相较于中国也更长，因而国外关于在线教学平台用户满意度的研究也相对较多。一直以来，在线教学的效果远不如传统教学方式，很大一部分原因是用户（即学习者）完成率太低，国外学者针对这种情况做了许多研究。其中最具有代表性的是Laurie等人研究构建出的能够全面覆盖美国大学生学习生涯不同方面的美国大学生满意度量表。Gomez-ZermenoandGarza（2016）使用定量分析方法，用描述性分析和构建概率模型来分析在线教学满意度，研究发现课程结构以及通信技术的使用限制会对满意度有显著影响。CostleyandLange（2016）则是通过数据分析研究了在线教学平台教师的教学设计水平对学生满意度以及学业成就的影响。HoneandGhada（2016）从开罗大学抽取了379个样本研究影响在线教学平台满意度的重要因素，认为师生互动和课程内容为重要影响因素。综合现有国外在线教学平台用户满意度研究来看，国外研究大多使用定量数据，且会更重视对某一个影响因素的深入分析，选择样本时也会更加关注细分市场和特定领域，研究内容倾向于特定型，研究方法更加动态。1.4.2国内研究现状尽管在线教学在中国起步较晚，发展时间不长，但已经有不少学者对在线教学平台相关内容进行研究，但其中基于用户满意度这一视角的研究数量较少，尚未形成成熟的理论体系。此外，该领域已有文献大多都会以具有代表性的MOOC在线教学平台作为研究对象。我国对于在线教学平台用户满意度这一领域的研究主要还是集中于构建在线教学平台用户满意度评价模型这一方面。研究大都通过分析影响在线教学平台用户满意度的因素，进而构建一个满意度评价指标模型，进而以对数据的实证分析为依据修正初始模型，从而确定影响用户满意度的因素。黄炜等（2016）运用文献分析法和案例分析法研究“互联网+”环境下在线教学的模式特征，提取相关影响因素对四种典型在线教学模式实例对比分析，采用模糊综合评价法构建在线教学模式的评价指标体系。杜婧等（2019）采用服务蓝图技术和关注点数据分析相结合的方法构建了相关理论模型。程慧平、肖爱森（2019）结合Webqual4.0和D&M系统成功模型以及AHP层次分析法，构建了包括5项二级指标、20项三级指标的在线教学平台用户满意度评价指标体系，且选取4种平台进行比较分析，得出在线教学网站应该要更加关注信息质量、交互质量、系统质量和服务质量的提升。钱小龙、仇江燕（2020）以《CELTS-22规范》为理论依据构建人工智能专业MOOC评价指标体系，经过数据分析发现用户对于课程目标、课程实施、课程策略等认可度较高，但对资源的粒度化不太满意。国内学者以不同的理论为依据，从不同的角度出发，但大多选择构建在线教学平台用户满意度模型，进而研究用户满意度的影响因素，研究方法相对静态且比较零散，研究内容普遍属于通用型，尚未形成一个成熟的理论体系，在在线教学平台用户满意度这一领域仍有很大的研究潜力。参考文献程慧平，肖爱森.在线教育网站用户满意度评价指标体系的构建与应用[J].重庆高教研究，2019，7(02)：87-96.杜婧，段江飞，李绯，邓云峰，刘雪薇，陈晓稀.侧重用户感知的在线教育服务质量模型研究[J].现代教育技术，2019，29(10)：74-79.方佳明，史志慧，刘璐.基于5G技术的在线教育平台学习者迁移行为影响机制[J].现代远程教育研究，2019，31(06)：22-31.方佳明，唐璐玢，马源鸿，胡丽雪.社会交互对MOOC课程学习投入的影响机制[J].现代教育技术，2018，28(12)：87-93.何登溢.“互联网+”视角下我国在线教学产业成长前景研究[J].贵州财经大学学报，2018(02)：70-77.黄荣怀，刘德建，刘晓琳，徐晶晶.互联网促进教育变革的基本格局[J].中国电化教育，2017(01)：7-16.黄炜，刘璇，石沛，李岳峰.“互联网+”背景下的在线教育模式评价研究[J].情报杂志，2016，35(09)：124-129.李玥泓.基于技术接受模型的大学生微信移动学习影响因素研究[D].曲阜师范大学，2019.刘莉莉.基于技术接受模型的大学生网络学习平台意向影响因素研究[D].浙江师范大学，2013.钱小龙，仇江燕.基于用户满意度的慕课质量评价研究——以人工智能专业为例[J].四川轻化工大学学报(社会科学版)，2020，35(01)：85-100.钱瑛.在线学习用户持续使用行为的影响因素研究——基于社会化网络环境和学情定位视角[J].现代情报，2015，35(03)：50-56.沈欣忆，吴健伟，张艳霞，李营，马昱春.MOOCAP学习者在线学习行为和学习效果评价模型研究[J].中国远程教育，2019(07)：38-46+93.孙发勤，董维春.基于学习分析的在线学习用户画像研究[J].现代教育技术，2020，30(04)：5-11.孙月亚.开放大学远程学习者在线学习行为的特征分析[J].中国电化教育，2015(08)：64-71.孙治国，赵铁成，孙丽青，刘述，王迎.远程开放教育学习者学习动机调查[J].现代远程教育研究，2017(06)：85-91.王成琳.大学生在线学习满意度探究[D].华中师范大学，2020.王梦倩，范逸洲，郭文革，汪琼.MOOC学习者特征聚类分析研究综述[J].中国远程教育，2018(07)：9-19+79.张璐，王若佳.在线教育视频用户评论行为比较研究——以Bilibili网站视频评论为例[J].现代情报，2020，40(02)：62-71.张敏，祝安，张芳.在线教育平台用户的持续使用行为研究[J].现代教育技术，2019，29(09)：93-100.周红利.基于技术接受模型政务APP公众使用满意度影响因素研究[D].燕山大学，2020.CostleyJ,LangeC.TheEffectsofInstructorCo