【《在线学习持续意愿影响因素实证分析》8000字】

在线学习持续意愿影响因素实证分析目录TOC\o"1-3"\h\u15173在线学习持续意愿影响因素实证分析 175871.1预测问卷发放与实证分析 1120421.1.1预测问卷及发放 1241931.1.2预测问卷信效度检验 2157541.1.3预测问卷修改 3201801.2正式问卷与实证分析 5275721.2.1正式问卷的发放 5202351.2.2正式问卷描述性统计分析 5129431.2.3正式问卷信效度分析 6279321.3基于结构方程的假设验证 894991.3.1结构方程模型的构建 8167341.3.2模型的参数估计与评价 12282241.3.3模型修正 13141461.4假设检验与讨论 17120851.1.1模型假设检验结果 17185941.1.2假设模型变量关系讨论 171.1预测问卷发放与实证分析1.1.1预测问卷及发放为了保证研究的信效度，在正式问卷发放前，应该对问卷进行试测，检验是否存在有问题的题项。本研究预测问卷包括两个部分：一是被调查者的基本信息，包括性别、学历和在线学习经验，共3道题目；二是问卷的主体部分，包括学习者在线学习持续意愿，目标明确程度、反馈及时程度、挑战与技能匹配度、绩效期望、努力期望、社会影响、便利条件，信息质量，系统质量10个变量，共32道题目。问题采用李克特五等量表计分，依次为非常符合、符合、不确定、不符合和符合5个选项。本研究选取J高校学生作为本次预测问卷的发放对象，采用问卷星的形式发放问卷，共回收问卷117份，删除在线学习经验题项选择“无经验”以及问卷作答时长低于1分钟的无效问卷，最终获得有效问卷103份。问卷有效率约88%，本次收集的数据可以用于问卷的信效度检验。1.1.2预测问卷信效度检验（1）信度分析信度是指问卷内容的可靠性，是测试问卷质量的关键指标。信度检验主要用于验证调查问卷测量变量的稳定性和可靠性。本研究通过克隆巴赫系数衡量信度，总信度克隆巴赫系数值高于0.9表示量表信度非常理想，数值高于0.8低于0.9表示问卷信度很理想，数值高于0.7低于0.8表示量表信度为理想标准，数值高于0.6低于0.7表示量表信度可以接受，数值高于0.5低于0.6表示量表信度达到合格的标准，数值低于0.5表示量表信度非常差需要放弃此量表。而本次预测问卷通过SPSS软件对变量题项进行可靠性分析，克隆巴赫系数为0.937，数值在0.9以上说明信度非常理想，如表1.1所示。表1.1预测问卷克隆巴赫系数值可靠性统计资料Cronbach的Alpha项目个数93732预测问卷各个维度的克隆巴赫系数，如表1.2所示。在线学习持续意愿维度的克隆巴赫系数为0.578，其余维度的克隆巴赫系数均在0.8以上。除去持续学习意愿维度，其他维度的信度很理想。为了各个维度都达到较高的信度，将对信度一般的在线学习持续意愿维度的测量题项进行修改。表1.2预测问卷各个维度的克隆巴赫α系数可靠性统计因子可靠性统计量克隆巴赫α系数项数绩效期望0.9423努力期望0.9063社会影响0.8973便利条件0.9483信息质量0.8913系统质量0.8393目标明确程度0.9133互动反馈及时性0.9023挑战与技能匹配度0.8493持续学习意愿0.5785（2）效度分析效度用来检验问卷的有效性，检验问卷中的题项能否准确反映出研究所要测量的变量。效度分为三种类型：内容效度、准则效度和结构效度。本研究是基于成熟量表结合专家学者的建议进行问卷编制，因而可以保证问卷的内容效度。准则效度则需要围绕一个指标作为准则分析问卷中的题项，对研究内容有较高限制。因此，本研究采用因子分析法只对问卷的结构效度进行检验。研究者常用两个指标来评价效度，一是KMO系数，这一项数值越大，表明问卷结构效度越好，但KMO数值最大不会超过1最小不会低于0；二是巴特利球形检验的显著性，数值要求小于0.05。同时满足这两点则表明问卷具有良好的结构效度。预测问卷效度数据KMO值为0.849，显著性小于0.001，如表1.3所示，表明该问卷具有良好的结构效度。表1.3预测问卷KMO值KMO与Bartlett检定Kaiser-Meyer-Olkin测量取样适当性。849Bartlett的球形检定大约卡方3107.219df496显著性0001.1.3预测问卷修改根据预测问卷的信度检验结果，问卷总信度较高，但持续学习意愿维度信度较低，其克隆巴赫系数值小于0.6。虽然问卷各个维度的克隆巴赫系数均高于0.5最低标准数值，但克隆巴赫系数需要达到0.7以上才能达到理想比较准。为了使问卷达到较高的信度，将对信度一般的持续学习意愿维度的测量题项进行修改。通过项目统计数据显示，如果删除J1这一项则克隆巴赫系数会升至0.714，如果删除J5这一项则克隆巴赫系数会升至0.656。而其他题项删除后克隆巴赫系数反而会降低，如表1.5所示，因此决定将J1、J5这两项删除以提高持续学习意愿维度的信度。表1.4持续学习意愿维度项目统计表项目总统计资料尺度平均数（如果项目已删除）尺度变异数（如果项目已删除）更正后项目总数相关平方复相关Cronbach的Alpha（如果项目已删除）J111.615.201049008714J211.001.000575616384J311.201.085634709368J411.201.242588638397J512.115.528075021656删除掉J1、J5两题两题后问卷主体部分共30道题。修改后各分量表的条目数和克隆巴赫系数，如表1.6所示。表1.5修改后各个维度的克隆巴赫α系数值可靠性统计因子可靠性统计量克隆巴赫α系数项数绩效期望0.9423努力期望0.9063社会影响0.8973便利条件0.9483信息质量0.8913系统质量0.8393目标明确程度0.9133互动反馈及时性0.9023挑战与技能匹配度0.8493持续学习意愿0.8983信效度检验的结果表明，各个维度的克隆巴赫α系数均大于0.8，说明问卷具有较高的信度水平。在删除掉两道题目后对问卷信度及效度重新测量。克隆巴赫系数为0.944，KMO值为0.857，显著性小于0.001，如表1.7所示，均达到作为最终问卷的标准。表1.6修改后信效度检验数据可靠性統計資料Cronbach的Alpha基於標準化項目的Cronbach的Alpha項目個數.944.95430KMO與Bartlett檢定Kaiser-Meyer-Olkin測量取樣適當性。.857Bartlett的球形檢定大約卡方3072.162df435顯著性.0001.2正式问卷与实证分析1.2.1正式问卷的发放根据预测问卷的信效度检验结果，对预测问卷进行了修改形成了本研究的正式问卷。正式问卷共33道题目，包含了在线学习持续学习意愿影响因素的全部变量，共33道题目，有关研究变量的题目30道，同样采用李克特五级量表的形式呈现问题选项。为了保证研究的效率，本研究采用网络问卷的形式发放正式问卷，问卷回收后，利用WPS软件筛选剔除答题时间低于1分钟与不具有在线学习经验的问卷。正式问卷总共回收338份，判定为无效的问卷共35份，有效问卷共303份，问卷回收有效率达到89.6%。1.2.2正式问卷描述性统计分析（1）性别正式调查回收有效问卷303份，被调查者中90位为男生，占总数的29.7％，213位为女生，占总数的70.3％，男女比例超过1:2。（2）学历调查样本本科生人数最多，占55.4％，硕士、专科、博士和其他比例依次次之，分别为35.9％、1.2％、2.3％和1.9％。可知本次调查样本，本科生和硕士生较多，而博士生和专科生的调查数量较少。（3）在线学习经验在线学习经验为一年以内的学生有164名，占被调查者总数的51.1%；在线学习经验为一年以上的学生有138名，占被调查者总数的45.9%。也就是说在303位被调查者中，超半数的被调查者在线学习经验不足一年，这从侧面反映出在近一年内在线教育的迅猛发展以及在线学习正在更大范围地被接受与使用。1.2.3正式问卷信效度分析（1）信度分析正式问卷回收后，需再次对问卷的信度进行分析，本研究通过克隆巴赫系数衡量问卷的信度。利用SPSS软件对变量题项进行可靠性分析，问卷总体克隆巴赫α系数值为0.919，如表1.7所示。表1.7正式问卷克隆巴赫α系数值可靠性统计资料Cronbach的Alpha项目个数91930各维度信度检验结果如表1.8所示，各因子变量的科隆巴赫系数都在0.8以上，说明问卷的信度良好、具有较高的可靠性和内部一致性。表1.8正式问卷各个维度克隆巴赫α系数值可靠性统计因子可靠性统计量克隆巴赫α系数项数绩效期望0.9243努力期望0.8863社会影响0.8793便利条件0.9243信息质量0.8913系统质量0.8803目标明确程度0.9253互动反馈及时性0.9243挑战与技能匹配度0.9043持续学习意愿0.9153（2）效度分析效度分析，能够测量问卷中的问题是否精确表述假设模型中变量的含义。同样采用因子分析法检验问卷结构效度。KMO的值在0和1中间，值越大越合适开展因素分析，一般这个数据值在0.7之上时，达到基本要求。巴特利球形检验的显著性数值小于0.05，达到基本要求。如表1.9所示，本问卷KMO数据值为0.889，并且Bartlett球形显著性检验为0.000，数据表明本问卷很适合做因素分析且具有良好的结构效度。表1.9正式问卷KMO值KMO与Bartlett检定Kaiser-Meyer-Olkin测量取样适当性。889Bartlett的球形检定大约卡方7316.934df435显著性000使用主成分分析的方法对问卷进行探索性因素分析，结果如表1.10所示。表1.10探索性因素分析表Communalities起始撷取A11.000807A21.000749A31.000784B11.000792B21.000759B31.000740C11.000798C21.000822C31.000824D11.000784D21.000728D31.000776E11.000796E21.000816E31.000732F11.000788F21.000866F31.000789G11.000867G21.000876G31.000861J11.000782J21.000864J31.000808H11.000837H21.000821H31.000793I11.000737I21.000718I31.000704由表1.10探索性因素分析表可知，各变量的起始值都是1.00，并且所有测题因子负荷都在0.7以上，说明目前问卷中选取的题项对所测量变量的解释能力很强。1.3基于结构方程的假设验证1.3.1结构方程模型的构建在对正式问卷进行了探索性因子分析的基础上，为了进一步确认问卷的合理性，本研究将继续利用AMOS.23.0软件进行验证性因子分析，构建一阶变量的测量模型。在软件建模区域中，绘制概念模型，然后输入数据设定误差项。执行操作后显示OK，表明模型初步成立，能够读出预估结果，如图1.1。图1.1验证性因素分析模型图因子分析主要是通过聚合效度与区分效度来判断问卷结构的合理性。聚合效度的检验标准主要是因素负荷量处于0.5~0.95之间、平均方差抽取量（AVE）大于0.5、组合信度CR值大于0.7。其中因素负荷量是指各个题项对自身维度信息量的贡献程度。本研究对测量模型进行验证性因子分析，可以看出因素负荷量的值均分布于0.78~094之间，如表1.11，满足因素负荷量需大于0.5小于0.95的标准；平均方差抽取量（AVE值）均大于0.71，满足平均方程抽取量（AVE值）大于0.5的标准；同时这些潜变量的组合信度CR值分别为：0.92、0.89、0.88、0.92、0.89、0.88、0.93、0.9、0.91，皆大于0.7。这意味着各因子能够很好地解释潜在变量，聚合效度良好。表1.11信度和收敛效度分析因素负荷量信度系数测量误差组合信度平均方差抽取量A1<绩效期望0.900.810.190.920.80A2<绩效期望0.880.780.22A3<绩效期望0.910.820.18B1<努力期望0.930.860.140.890.72B2<努力期望0.780.600.40B3<努力期望0.840.710.29C1<社会影响0.820.670.330.880.71C2<社会影响0.860.740.26C3<社会影响0.850.720.28D1<便利条件0.940.880.120.920.80D2<便利条件0.890.780.22D3<便利条件0.860.740.26E1<信息质量0.840.700.300.890.73E2<信息质量0.910.830.17E3<信息质量0.820.670.33F1<系统质量0.780.610.390.880.72F2<系统质量0.940.880.12F3<系统质量0.820.670.33G1<目标明确程度0.910.820.180.930.81G2<目标明确程度0.900.810.19G3<目标明确程度0.890.790.21H1<互动反馈及时性0.920.850.150.930.80H2<互动反馈及时性0.910.820.18H3<互动反馈及时性0.860.740.26I1<挑战与技能匹配度0.900.810.190.910.76I2<挑战与技能匹配度0.890.800.20I3<挑战与技能匹配度0.820.680.32区分效度是通过观察平均方差抽取量是否大于各潜变量的相关系数的平方来检验的，当平均方差抽取量大于各潜变量相关系数的平方时，则可以判断这一潜变量与其他潜变量具有区分效度，各个潜变量的区分效度如表1.12所示。表中阴影部分的数值，即相同潜变量相交部分的数值，代表着相应潜变量的平均方差抽取量。同一竖排的其他数值表示这一维度与其他维度的相关系数的平方。比较可知各个维度平均方差抽取量均大于各潜变量相关系数的平方，这证明本模型各潜变量具有较高的区分效度。表1.12区分效度分析绩效期望努力期望便利条件社会影响信息质量系统质量挑战与技能匹配度互动反馈及时性目标明确程度绩效期望0.800.050.270.000.040.090.620.280.16努力期望0.050.720.080.060.380.010.060.030.01便利条件0.270.080.710.010.060.130.340.400.29社会影响0.00.0.060.010.800.070.000.010.000.00信息质量0.040.380.060.070.730.020.030.030.02系统质量0.090.010.130.000.020.720.070.090.16挑战与技能匹配度0.620.060.340.010.030.070.810.350.23互动反馈及时性0.280.030.400.00.0.030.090.350.800.27目标明确程度0.160.010.290.00.0.020.160.230.270.76在相关理论的指导下，本文构建了在线学习持续意愿影响因素模型。首先在AMOSS界面视窗中绘制了假设模型的路径图，如图1.2所示。然后将正式问卷筛选好的数据输入进系统，同时设定误差项。执行计算操作后，系统显示模型可以得到识别，说明目前的数据能够支持构建在线学习持续意愿影响因素假设模型。图1.2概念模型路径图1.3.2模型的参数估计与评价模型拟合度的数值能够体现所构建的模型与正式量表收集的数据之间的适配情况，换句话说就是，模型中涉及的变量间的关系是否在正式样本数据中得以体现。拟合度越好，说明模型越具有适用性，解释力更强。目前有很多指标可以评价模型拟合度，本研究为了使拟合效果最优化，选择了绝对配适度指数、增值配适度指数和简约适配度指数这三个指标对整体模型的适配度进行检验，拟合度指标与检验结果见表1.13。

表1.13模型适配度检验结果检测指标标准数据结果适配判断绝对配适度指数CMIN/DF<3.003.319未达标RMSEA值<0.080.088未达标GFI值0.900.738未达标增值配适度指数IFI值0.900.872未达标TFI值（NNFI值）0.900.859未达标CFI值0.900.872未达标简约适配度指数PGFI值0.50.628是PNFI值0.50.753是PCFI值0.50.793是由表1.13可以看出，本研究模型的三个方面的指标，只有简约适配度指数这一指标符合评价标准，而绝对配适度指数与增值配适度指数均未达标，这说明问卷数据与模型契合度不理想，但是各指标距离标准数值较小，可以通过模型修正来完善。1.3.3模型修正由于初始模型的拟合度数值不理想，所以希望能够在不违背理论法则与个人经验的基础上对初始模型进一步修正，来达到更好的拟合结果。侯杰泰等在研究中指出，模型修正有两种方式：一是利用AMOS提供的修正指数（MI）删除不显著的路径[[]侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].教育科学出版社[]侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].教育科学出版社，2004:14-18.[]邹霓.移动学习APP持续使用意愿影响因素研究[D].重庆大学,2016.根据上述模型修正方法，参考初始模型拟合时的修正指数（MI）以及建模时的理论依据做出以下尝试：在同一层次变量间用双向箭头添加路径。将来自于UTAUT模型的绩效期望、努力期望、社会影响、便利条件这四个变量用双箭头添加路径。将来自于信息系统成功模型的信息质量、系统质量这两个变量用双箭头添加路径。将心流理论中的目标明确程度、反馈及时程度、挑战与技能匹配度这三个变量用双箭头添加路径，形成修正后的模型如下图1.3所示。图1.3修正模型图再次对模型的适配度进行检验，修正后模型检验结果见表1.14。

表1.14修正模型适配度检验结果检测指标标准数据结果适配判断绝对配适度指数CMIN/DF<3.002.551是RMSEA值<0.080.072是GFI值>0.900.844未达标增值配适度指数IFI值>0.900.917是TFI值（NNFI值）>0.900.906是CFI值>0.900.916是简约适配度指数PGFI值>0.50.701是PNFI值>0.50.772是PCFI值>0.50.813是从表1.14得到的拟合结果中能够看出，修正后的模型拟合度指标得到了提升，大部分拟合度指标达到了非常理想的水平。虽然GFI值小于0.9，但仍在能够接受的范围内。这表明修正后的模型适配度良好，符合基本要求，不需要再继续修正，假设模型可以进行进一步数据分析。接下来将对假设模型的路径系数进行分析，路径系数图如1.4所示。图1.4路径系数图本研究根据临界比率（C.R.）与P值来测量在线学习持续意愿与另外九个变量之间关系的显著性。当临界比率的值（C.R.）大于1.95，同时P值小于0.05时，能够判定这一条路径的路径系数显著，相反则变量之间的关系不显著。如表1.15中所示“努力期望→在线学习持续意愿”的路径系数为－0.023，临界比率（C.R.）<1.95，P>0.05，依据上述标准能够判断，这一路径系数不显著，“互动反馈及时性→在线学习持续意愿”的路径系数为0.126，临界比率（C.R.）<1.95，P>0.05，依据上述标准能够判断，这一路径系数不显著，“社会影响→在线学习持续意愿”路径的路径系数为0.108，临界比率（C.R.）<1.95，P>0.05，处于临界比例附近，但依据上述标准判断这一路径系数不显著。此外，模型中其他6条路径的路径系数均显著。表1.15路径系数摘要表EstimateC.R.P在线学习持续意愿<社会影响0.1081.9020.057在线学习持续意愿<努力期望-0.023-0.3950.693在线学习持续意愿<绩效期望0.1592.4990.012在线学习持续意愿<便利条件0.2691.081***在线学习持续意愿<系统质量0.1071.9930.046在线学习持续意愿<信息质量0.2113.893***在线学习持续意愿<目标明确程度0.1872.8370.005在线学习持续意愿<互动反馈及时性0.1261.7370.082在线学习持续意愿<挑战与技能匹配度0.1462.0690.0391.4假设检验与讨论1.1.1模型假设检验结果根据上文对各潜变量之间关系的显著性及路径系数的分析结果，除了社会影响、努力期望、互动反馈及时性对在线学习持续意愿的正向显著影响未被证实外，其余六个假设均被证实成立，假设检验结果见表1.16。表1.16模型假设检验结果假设结果绩效期望对在线学习持续意愿有直接正向影响成立努力期望对在线学习持续意愿有直接正向影响不成立社会影响对在线学习持续意愿有直接正向影响不成立便利条件对在线学习持续意愿有直接正向影响成立信息质量对在线学习持续意愿有直接正向影响成立系统质量对在线学习持续意愿有直接正向影响成立目标明确程度对在线学习持续意愿有直接正向影响成立互动反馈及时性对在线学习持续意愿有直接正向影响不成立挑战与技能匹配度对在线学习持续意愿有直接正向影响成立1.1.2假设模型变量关系讨论（1）绩效期望与在线学习持续意愿的关系根据表1.15可知，绩效期望在P<0.05的显著水平上正向影响学习者的在线学习持续意愿。这说明了学习者的绩效期望越高，在线学习持续意愿也越高。因此，要想提高学习者的在线学习持续意愿，可以从提高学习者的绩效期望这个角度出发。通过采取相应的措施来增加学习者的绩效期望，进而提高学习者在线学习持续意愿。（2）努力期望与在线学习持续意愿的关系根据表1.15可知，学习者努力期望的P值为0.693（大于0.05）。这说明努力期望对在线学习持续意愿没有显著的正向作用，即学习者努力期望程度的大小与学习者的在线学习持续意愿没有较大的关联程度。这可能是因为计算机和网络的普及，使在线学习者对在线学习方式十分熟悉，能够很容易的进行在线学习。在线学习者普遍认为不需要付出太多努力便能顺利进行在线学习，因此这一变量对学习者在线学习持续意愿的影响便不那么明显。（3）社会影响与在线学习持续意愿的关系根据表1.15可知，社会影响这一变量的P值为0.057（大于0.05）。这说明社会影响对在线学习持续意愿的正向影响并不显著，周围的老师、同学、家人、朋友或者权威机构、大众媒体对学习者在线学习持续意愿影响程度较小。（4）便利条件与在线学习持续