MOOC學習者粘性影響研究
——以呼倫貝爾學院《軍事理論》課程為例

吳麗莉 賈浩東

(呼倫貝爾學院 內(nèi)蒙古 海拉爾 021008)

目前MOOC在線教育方式已經(jīng)延伸到各科課程，很多國家也將這種信息化教育規(guī)劃到了未來教育領域發(fā)展目標中。目前多數(shù)教學平臺搭建尚未完善、教學資源體系還需加強，在發(fā)展過程中出現(xiàn)了高注冊率但低回頭率與低保持率等問題，使得MOOC發(fā)展遇到難點。目前學者對教育領域中的學習者和學習平臺學習資源的粘性影響因素分析研究較少。本文基于期望確認模型理論、需求層次理論等并結合學習者特性，嘗試從期望確認度、感知有用性、滿意度、持續(xù)使用意愿、感知易用性、學習風格和學習動機等七個維度分析學習者粘性影響因素。研究以具體的《軍事理論》課程展開，調(diào)研對象選取了呼倫貝爾學院2019級的MOOC學習者。采用問卷調(diào)查法，收集到有效問卷354份，運用SPSSAU統(tǒng)計工具,利用結構方程模型方法進行假設驗證。通過因子分析統(tǒng)計和回歸分析統(tǒng)計相結合，對MOOC學習者粘性影響因素的理論模型進行評估、驗證、分析，總結了MOOC學習者粘性直接影響因素及間接影響因素。

一、學習者粘性

粘性主要應用在經(jīng)濟學、管理學、網(wǎng)絡等領域用于調(diào)查客戶粘性等相關問題?；趯W習者視角，一般將MOOC學習者粘性定義為：學習者對MOOC的忠誠、信任與良好體驗等結合起來形成的依賴感和再使用期望值[1]。學習者粘性可用于反映MOOC學習者和MOOC平臺之間持續(xù)使用的行為和意愿，從而挖掘?qū)W習者與MOOC平臺之間粘性主要影響因素，利于提高MOOC的完成率。

二、MOOC學習者粘性影響因素的維度分析及關系假設

(一)MOOC學習者粘性影響因素的維度分析

從學習者角度出發(fā)，參考整合期望確認模型和需求層次理論，借鑒技術接受模型影響路徑關系，遴選適合本研究的期望確認度、感知有用性、滿意度、持續(xù)使用意愿、感知易用性這五個維度變量[2]。除此之外，通過梳理文獻，根據(jù)MOOC的開放、自由的學習方式，對于學習者而言自制能力的要求變高，考慮到學習者本質(zhì)上存在差異性，加入學習風格和學習動機兩變量。因此本研究共包括七個變量，分別是期望確認度、感知有用性、滿意度、持續(xù)使用意愿、感知易用性、學習風格和學習動機。

(二)MOOC學習者粘性影響因素的關系假設

1.基于學習者角度的假設

同一傳播者用相同傳播內(nèi)容和傳播方式進行傳播，若學習者不同，結果也會存在差異。學習者風格主要劃分為獨立型和依賴型，對于MOOC線上教學模式，獨立型學習者往往比依賴型學習者更容易接受MOOC平臺的教學方式。而本研究中的個人特質(zhì)主要涉及學習動機、學習風格兩個因素，二者是否可直接影響學習者粘性，如內(nèi)部動機比外部動機更具穩(wěn)定性、學習興趣更大、粘性更強等。個人特性方面提出假設如下：

H1：MOOC學習者的學習動機對MOOC學習者粘性有顯著影響；

H2：MOOC學習者的學習風格對MOOC學習者粘性有顯著影響。

2.基于期望確認模型的假設

大量現(xiàn)有研究表明，感知易用性變量對于持續(xù)使用意愿會有所提升，因此在借鑒期望確認模型因素的基礎上加入感知易用性變量。假設如下：

H3：MOOC學習者的期望確認度對學習者粘性有顯著正向影響；

H4：MOOC學習者的期望確認度對滿意度有顯著正向影響；

H5：MOOC學習者的期望確認度對感知有用性有顯著正向影響；

H6：MOOC學習者的感知有用性對學習者粘性有顯著正向影響；

H7：MOOC學習者的感知有用性對持續(xù)使用意愿有顯著正向影響；

H8：MOOC學習者的感知有用性對滿意度有顯著正向影響；

H9：MOOC學習者的持續(xù)使用意愿對學習者粘性有顯著正向影響；

H10：MOOC學習者的感知易用性對學習者粘性有顯著正向影響；

H11：MOOC學習者的感知易用性對感知有用性有顯著正向影響；

H12：MOOC學習者的感知易用性對滿意度有顯著正向影響；

H13：MOOC學習者的滿意度對學習者粘性有顯著正向影響。

基于以上假設，本文建構了MOOC學習者粘性影響因素的假設模型，研究模型如圖1所示。

圖1 MOOC學習者粘性影響因素假設模型

(三)調(diào)研的實施

本次調(diào)查問卷包括2部分：第1部分為被調(diào)查者的基本信息，第2部分為各影響因素調(diào)查的八個量表，共包含29道選擇題。調(diào)研量表使用了Likert五點量表，對每個測量問題從“很不同意”到“很同意”進行衡量[3]，利用問卷星進行發(fā)放與回收。

調(diào)研問卷先進行前測分析，小范圍的實驗檢測將存在的問題進行修改，而后進行大規(guī)模線上調(diào)研。預調(diào)研在呼倫貝爾學院2019級《軍事理論》MOOC學習者中進行小范圍短時有效的隨機測試，將收集數(shù)據(jù)樣本使用SPSSAU在線分析軟件進行信度分析和效度分析。預調(diào)研共回收有效問卷76份，對前測問卷數(shù)據(jù)樣本進行標題處理：學習風格量表(A)、學習動機量表(B)、期望確認度量表(C)、感知有用性量表(D)、滿意度量表(E)、持續(xù)使用意愿量表(F)、感知易用性量表(G)、學習者粘性量表(H)。對數(shù)據(jù)樣本進行信度檢驗和效度檢驗，其中D的Cronbach α系數(shù)值大于0.7，但是D4題項CITC值小于0.4，D4題項被刪除后，信度系數(shù)會由0.722上升至0.73，因此對D4題項做刪除處理。E、F、G、H的Cronbach α系數(shù)值均大于0.6。題項G1刪除后信度會上升0.003，數(shù)值變化不大，繼續(xù)保留，綜上所述學習者粘性量表數(shù)據(jù)信度質(zhì)量較高；其次，KMO值均大于0.6，通過Bartlett檢驗，對應p值均小于0.05，且總體KMO值為0.858，由上所述，研究數(shù)據(jù)效度非常好，適合做因子分析。

通過前測問卷數(shù)據(jù)分析后，將問卷中問題予以修改。在線上對呼倫貝爾學院2019級學習《軍事理論》慕課的學習者進行了隨機發(fā)放，共回收有效問卷354份，所有數(shù)據(jù)資源均來自問卷星。對收集的問卷整理并對標題進行處理，將數(shù)據(jù)錄入SPSSAU在線數(shù)據(jù)分析軟件，對問卷進行描述性分析、信度分析和效度分析。

1.描述性統(tǒng)計分析

由下表1可知，由于呼倫貝爾學院招生需求和專業(yè)特色，導致男女比例中女性占比比男性占比多37.28%，專業(yè)類別比例中理科比文科多20.34%，理科學習者偏多。MOOC了解途徑中學習者主要通過教師了解居多，占比達到58.47%，說明教師是首要傳播途徑，數(shù)據(jù)表明MOOC日后可通過網(wǎng)絡和其他媒體途徑在宣傳力度上加強?！盾娛吕碚摗氛n程由教師直接指定學堂云平臺進行學習，拓展性的學習平臺有中國大學MOOC平臺、網(wǎng)易云課堂等。

表1 描述性統(tǒng)計表

2.信度檢驗

通過前測的信度分析對題項進行修改糾正后，在問卷正式發(fā)放后對問卷再次進行信度檢驗，使得問卷測量的結果標準誤差降到最小。數(shù)據(jù)表明 Cronbach α系數(shù)值均大于0.8，“CITC值”均大于0.4，針對“項已刪除的α系數(shù)”，題項H2刪除后，信度系數(shù)會由0.923上升到0.929，上升空間不大，因此對該項題做保留處理，綜合以上數(shù)據(jù)，信度質(zhì)量較好可做下一步分析。

3.效度檢驗

考慮到對于本研究的研究過程，因素提取與維度劃分是基于前人學者研究的基礎之上，所以對本研究選用因子分析法來進行效度核算，在做因子分析時需要根據(jù)Bartlett 球形度檢驗和KMO值兩種方法來判斷是否可以進行因子計算。分析發(fā)現(xiàn)KMO值均大于0.6，通過Bartlett檢驗，對應p值均小于0.05，且總體KMO值為0.971。由上所述，研究數(shù)據(jù)效度非常好，滿足做因子分析的前提，適合做因子分析。同時，根據(jù)因子分析法分析，樣本旋轉(zhuǎn)后因子載荷系數(shù)大于0.4，說明研究項和因子之間有較強的關聯(lián)性。

三、MOOC學習者粘性影響因素調(diào)研的實證分析

本研究通過結構方程模型的方法進行假設驗證，該模型分析方法通過因子分析統(tǒng)計和回歸分析統(tǒng)計相結合，對本研究模型進行評估、驗證、分析，利用SPSSAU在線分析軟件進行因子分析和回歸分析。

(一)模型擬合度初測分析

通過卡方自由度比、比較適合度指標(CFI)、非常規(guī)擬合度(NNFI)、即漸進殘差均方根(RMSEA)進行綜合判斷模型擬合度的好壞。模型擬合指標如表2所示：

表2 模型擬合指標

由上表可知，根據(jù)適配標準值判斷本研究的模型擬合程度，卡方自由度比、比較適合度指標(CFI)、非常規(guī)擬合度(NNFI)、即漸進殘差均方根(RMSEA)均超出適配標準范圍，模型擬合度較差，將根據(jù)下圖路徑分析中模型回歸系數(shù)(表3)和回歸影響關系MI指標(表4)對模型進行修正處理。

表4 回歸影響關系-MI指標表格

表3 模型回歸系數(shù)匯總表格

由上表3綜合分析可知，學習動機對學習者粘性影響的路徑顯著性(p=0.844)；期望確認度對學習者粘性影響的路徑顯著性(p=0.873)；感知有用性對學習者粘性影響的路徑顯著性(p=0.986)；滿意度對學習者粘性影響的路徑顯著性(p=0.826)。以上四條路徑的顯著性P值均大于0.05，超出標準，說明并不存在路徑影響關系，對以上四條路徑做刪除處理。

當MI值大于20時，說明變量X對變量Y存在影響關系，此時可將該對路徑關系新增到模型中，對模型重新建模。由表4可知當持續(xù)使用意愿對滿意度、持續(xù)使用意愿對感知有用性、滿意度對持續(xù)使用意愿分別生成三條路徑，MI值均大于20，說明變量X→Y存在路徑影響關系。綜上所述將持續(xù)使用意愿->滿意度、持續(xù)使用意愿->感知有用性、滿意度->持續(xù)使用意愿這三條路徑新增到模型中。

(二)模型擬合度修正分析

模型修正即對模型進行增列或者刪除某些參數(shù)的調(diào)整，從而達到對模型的優(yōu)化，使得模型更加簡潔，提高模型的擬合度。根據(jù)修正指數(shù)，對學習動機->學習者粘性、期望確認度->學習者粘性、感知有用性->學習者粘性、滿意度->學習者粘性這四條路徑進行刪除處理，模型新增持續(xù)使用意愿->滿意度、持續(xù)使用意愿->感知有用性、滿意度->持續(xù)使用意愿這三條路徑。修正后的模型擬合度如表5所示：

表5 模型擬合指標

由表5可知，根據(jù)適配標準值判斷本研究的模型擬合程度，卡方自由度比、比較適合度指標(CFI)、非常規(guī)擬合度(NNFI)、即漸進殘差均方根(RMSEA)均達到優(yōu)標準范圍，模型擬合度高，可以進行下一步分析。

(三)結構方程模型檢驗

結構方程模型整合了因素分析與路徑分析，在路徑分析模型過程中，用來測量變量與變量之間的影響關系就是路徑系數(shù)，是一種回歸系數(shù)，在進行回歸系數(shù)分析前需要對樣本數(shù)據(jù)進行生成變量處理，得到標準化系數(shù)。當同時滿足標準化路徑系數(shù)值大于0，p<0.01時，說明變量之間存在正向影響關系。模型假設檢驗結果如表6所示:

表6 模型回歸系數(shù)匯總表格

綜合分析上表數(shù)據(jù)得知：期望確認度對滿意度影響時，此路徑?jīng)]有呈現(xiàn)出顯著性(p=0.151>0.05)，說明期望確認度對滿意度不會產(chǎn)生影響關系；感知有用性對于持續(xù)使用意愿影響時，此路徑?jīng)]有呈現(xiàn)出顯著性(p=0.767>0.05)，說明感知有用性對持續(xù)使用意愿不會產(chǎn)生影響關系；持續(xù)使用意愿對于滿意度影響時，此路徑?jīng)]有呈現(xiàn)出顯著性(p=0.075>0.05)，說明持續(xù)使用意愿對滿意度不會產(chǎn)生影響關系；持續(xù)使用意愿對于感知有用性影響時，此路徑?jīng)]有呈現(xiàn)出顯著性(p=0.489>0.05)，說明持續(xù)使用意愿對感知有用性不會產(chǎn)生影響關系；其余變量路徑之間標準化路徑系數(shù)值均大于0，并且路徑呈現(xiàn)出0.01水平的顯著性(p=0.000<0.01)。

續(xù)表7

按照SPSSAU在線分析軟件分析的數(shù)據(jù)結果，對建立好的模型進行假設驗證如上表7所示，下圖2為根據(jù)檢驗結果修改后的模型圖?？梢缘贸鲈贛OOC學習者粘性影響因素中主要的影響因素有感知有用性、感知易用性、滿意度、期望確認度、學習風格、持續(xù)使用意愿這六個因素，學習動機因素被剔除。通過檢驗發(fā)現(xiàn)，滿意度對持續(xù)使用意愿影響程度最大(路徑為0.931)，其次分別是期望確認度對感知有用性(路徑為0.694)、感知有用性對滿意度(路徑為0.669)、持續(xù)使用意愿對學習者粘性(路徑為0.598)、感知易用性對滿意度(路徑為0.556)、感知易用性對感知有用性(路徑為0.360)、感知易用性對學習者粘性(路徑為0.233)、學習風格對學習者粘性(路徑為0.141)。

表7 假設檢驗表

圖2 驗證修正模型

四、MOOC學習者粘性的主要影響因素及改善建議

(一)直接影響因素

綜合以上實證分析得出影響學習者粘性的直接影響因素有學習風格、感知易用性、持續(xù)使用意愿，其中持續(xù)使用意愿對于學習者粘性影響最大。

1.學習風格

個體學習風格不同，可結合MOOC平臺特有性質(zhì)。為提升學習者粘性，如可增加平臺使用指導教師、專業(yè)輔導教師等，滿足學習者的學習及心理需求以增強學習者和平臺之間的融合程度；其次，平臺可以設立課前問卷調(diào)查，在課程學習前可以通過問卷形式調(diào)查學習者學習風格進行分類、分法的教學，平臺盡可能根據(jù)課程特性提供多方位的學習條件滿足學習者學習風格的多維性。通過教師、學習者、平臺三方合作的形式用來提升學習者與MOOC粘性程度。

2.感知易用性

感知易用性主要針對MOOC平臺的改進，深層次優(yōu)化平臺而給予學習者良好的使用體驗。當前MOOC學習平臺種類繁多，個別平臺功能繁瑣、布局雜亂，友好性差。平臺界面設計中可適當設計單欄布局，整合相似功能；顯著突出交互元素，如設計路徑導航、知識結構導航，便于學習者知識認知的條理化、結構化；在提升視覺樣式的過程中要保持風格一致性，給予學習者操作感和視覺感的雙重體驗。另外，應提供簡便快捷的下載或收藏方式，易于學習者查閱使用。

3.持續(xù)使用意愿

分析路徑關系得出持續(xù)使用意愿是直接影響因素中提升學習者粘性的關鍵點。持續(xù)使用意愿一般是由多個因素影響導致，在平臺設計與開發(fā)方面應實時滿足學習者的學習需求，內(nèi)容、資源和功能等不斷推陳出新；平臺要重視學習者提供的改進意見，設立意見箱，多調(diào)研多訪談，對合理意見予以采納進行改進；針對不同課程的特性，引進新型技術、學科工具來輔助教與學，提升課程學習的新興性、易用性等。

(二)間接影響因素

綜合以上實證分析得出：間接影響因素有期望確認度、感知有用性、滿意度這三個影響因素，以模型影響路徑關系作為分析關鍵點，通過模型影響路徑關系可總結出一條以間接影響因素為主的單向路徑：期望確認度→感知有用性→滿意度→持續(xù)使用意愿→學習者粘性。從期望確認度為出發(fā)點，通過環(huán)節(jié)的不斷滿足從而實現(xiàn)學習者粘性的提升。

期望確認度和滿意度是間接影響路徑中的兩個影響因素，在平臺開發(fā)設計的過程中也有所體現(xiàn)，提升學習者對平臺的期望程度，在開發(fā)過程中要善于利用學習者的角度去思考，給學習者一個簡單易用、資源豐富的學習平臺，往往學習者會通過口碑或一到兩次的體驗過程去衡量平臺是否達到自己預想的期望值，平臺做好前期宣傳工作，更要有實質(zhì)性的內(nèi)容和功能呈現(xiàn)給學習者。對于首次使用MOOC平臺的學習者要有引導教程的提示，使學習者快速掌握該平臺的使用方式、了解平臺特色。與此同時，滿意度也會隨之關聯(lián)，在學習者體驗良好的學習經(jīng)歷時會得到滿意程度的自我反饋，對平臺給予肯定。

結語

提升學習粘性有利于提高MOOC完成率。本研究以呼倫貝爾學院開設的《軍事理論》課程學習者作為對象，借助調(diào)研數(shù)據(jù)進行結構方程模型方法的驗證假設，分析得出MOOC學習者粘性的直接影響因素和間接影響因素，并為提升MOOC和學習者之間粘性給出部分決策建議。今后的研究中，可結合實際情況，細化精準研究維度，更好促進MOOC發(fā)展應用。