學習滿意度視角下大學生在線學習影響因素研究
——以寧德師范學院學生為例

任昌滿 徐琳娣

2020年1 月，新冠肺炎席卷全球，該病毒具有強傳染性，人群普遍易感等特征，短短數(shù)月全球感染人數(shù)超千萬。為避免線下聚集風險，教育部辦公廳、工業(yè)和信息化部辦公廳于2020 年2 月12 日聯(lián)合發(fā)布《關于大中小學延期開學期間“停課不停學”有關工作安排的通知》，明確要求各地各學校在延期開學期間開通網(wǎng)絡教學平臺，免費提供有關學習資源，供各地自主選擇使用。為積極響應國家號召，寧德師范學院采用了不同形式的線上教學模式跟平臺，實踐結果表明線上教學效果顯著，但仍存在不足之處。如何更好地利用線上教學模式不斷提高學生在線學習滿意度，也是我們應該持續(xù)思考跟關注的問題。

一、理論基礎及研究模型構建

(一）交互性與學習滿意度的關系

Joo 和Choi 表示教育或學習中的交互可以被定義為“一種通過學習者的積極參與而引起認知作用的雙向活動”。[1]它分為學習者與學習內容間的交互，學習者與教授者之間的交互，學習者與學習者之間的交互。在本文研究中，我們想要了解的是學習者如何感覺，思考和體驗他們與教授者的交互作用。學習不是單純的信息傳遞與簡單溝通，而是學習者主動參與“教學和學習”的過程，在此過程中與教授者積極頻繁的進行雙向溝通的一種活動，因此交互性被認為是教育學習情況中重要的因素。本文重點討論的是學習者與教授者之間的交互性。根據(jù)Borbely（1994）的研究，即使學習者和教授者不在在線教育環(huán)境或遠程教育環(huán)境中的同一地點也會引起交互活動，而且研究教育類網(wǎng)站的交互性對學生影響的結果發(fā)現(xiàn)教育類網(wǎng)站的交互性對網(wǎng)站的滿意度和任務的沉浸度有積極影響。[2]換言之，在教授學習的情況下，交互作用是提高學習滿意度和成就感的決定性因素。Rafaeli 和Sudweeks(1997)研究發(fā)現(xiàn)也表明，交互作用可以提高用戶的滿意度，在后續(xù)溝通環(huán)境中，交互性對兼容與滿足的相關聯(lián)系很強。[3]

Debourgh（2003）將影響遠程教育中學習者滿意度的因素歸類為學習者特征、傳授者、教學技巧、課程操作等方面，并分析了這些因素與遠程學習者對學習滿意度之間的相關性，提出遠程教育學習者滿意度與參加課堂活動的機會以及通過與教師互動的適當反饋密切相關的建議。[4]

基于以上分析，本文提出以下假設：

假設H1：學習者與教授者之間的交互性對學習者學習滿意度產(chǎn)生積極影響。

（二）心流體驗與學習滿意度的關系

Csikszentmihalyi(1975)提出的心流體驗(flow experience)是指人們在完全投入一項活動之中時所獲得的一種整體感受，具有行動與意識融合、注意力高度集中、獲得時間感扭曲和內在愉悅感等特征。[5]心流體驗是一種以目的性為主體的體驗(autotelic experience)，心流體驗本身就能夠成為激勵人們重復參與某項活動的內在動因。[6]梳理國內外文獻發(fā)現(xiàn)，國內外學者們將心流體驗分為三個層次進行研究，精神層面、功能層面、過程性層面。到目前為止，每個研究人員對心流都有很多不同的描述，以至于存在很多版本的概念定義。但是仔細研究后發(fā)現(xiàn),他們的研究不是概念上的差異，而是對待心流體驗的側重點不同。這些研究當中有的是解釋心流的概念或調查心流產(chǎn)生的原因，有些則是通過經(jīng)驗的累積來展示心流體驗中的狀態(tài)。本研究的側重點在于心流體驗的精神層面，探討心流體驗與學習滿意度之間的關系。

許多在線網(wǎng)絡環(huán)境中的心流體驗研究表明,心流體驗對學習滿意度有積極地影響。Webster 等人（1993）認為流動會影響主觀體驗，例如積極的情緒和滿意度；[7]Lee 和Choi(2013)的研究表明，心流體驗會通過影響學習者對在線課程的滿意度繼而影響在線學習的持續(xù)意愿；[8]李儀凡(2009)的研究證實，心流體驗可通過影響網(wǎng)絡游戲者的享樂主義和滿意度對其口碑推薦和持續(xù)使用行為產(chǎn)生影響；[9]Shiau 等人(2011)、Chang 和Zhu(2012)各自對博客和社交網(wǎng)站(SNS)的研究均表明，心流體驗會影響用戶的使用滿意度和持續(xù)使用意愿。[10][11]

基于以上分析，本文提出以下假設：

假設H2：學習者心流體驗對學習者學習滿意度產(chǎn)生積極影響。

（三）社會臨場感和學習滿意度的關系

字典中的臨場感被定義為“在場”。MaQuiggan，Rowe &Lester 將社會臨場感定義為“使用媒體而無法感知到的主觀體驗”,[12]而Sheridan(1992)把社會臨場感定義為一種心理體驗，在這種心理體驗中，人使用遠在某處的機器或設備時，表現(xiàn)出的自己身處某種環(huán)境執(zhí)行某項任務的一種心理感官認知，換句話說社會臨場感可以轉化為一種現(xiàn)實感，即存在于一種媒介介導環(huán)境中的感覺,強調虛擬的交流經(jīng)驗。[13]高社會臨場感激發(fā)與他人的人際溝通，對溝通過程能夠產(chǎn)生積極影響，[14][15]社會臨場感對于社交網(wǎng)站用戶的歸屬感和滿意度具有積極影響。從20 世紀90 年代開始，研究者們開始將研究焦點轉移到遠程教育上，他們認為遠程教育的參與者能夠將自己的個性通過媒體進行傳遞，比如將個人的個性融入到在線討論中，從而建立社會臨場感。在虛擬的遠程學習環(huán)境中，個體通過講故事、使用符號、表達情緒來展現(xiàn)個性化的自己，這使得其他遠程學習者能夠感知，并且感受到他人與自己是真實聯(lián)系在一起的。因此，社會臨場感的感知是可以提高的。目前社會臨場感這一概念已經(jīng)成為遠程學習的核心研究概念。[16]社會臨場感被認為是遠程學習的參與者通過在線小組學習的形式而感受到的歸屬感和認同感從而帶來的沉浸感和滿足感。[17]

基于以上分析，本文提出以下假設：

假設H3：學習者社會臨場感對學習者學習滿意度產(chǎn)生積極影響。

（四）在線網(wǎng)絡系統(tǒng)質量和學習滿意度的關系

信息系統(tǒng)是指為用戶提供適當信息、內容和服務的系統(tǒng)。Delone 和Mclean（2003）的一項研究被廣泛用于在線環(huán)境中信息系統(tǒng)質量評價。[18]根據(jù)該研究，信息系統(tǒng)的成功由六個要素組成，分別是：系統(tǒng)質量、信息質量、服務質量、用戶、滿意度和性能。Holsapple 和Lee-Post（2006）把信息系統(tǒng)成功模型運用到網(wǎng)絡學習當中，提出了網(wǎng)絡學習成功模型，將網(wǎng)絡學習過程分為系統(tǒng)設計、系統(tǒng)交付和系統(tǒng)結果；在設計階段，包括三個因素：系統(tǒng)質量、信息質量和服務質量；在交付階段，包括兩個因素：使用水平和用戶滿意度；在結果階段，包括性能因素。[19]

Wang等人（2007）還采用DeLone 和McLean 的信息系統(tǒng)成功模型作為理論框架來開發(fā)一種評估模型，以評估組織環(huán)境中網(wǎng)絡學習系統(tǒng)的效果。通過系統(tǒng)質量、信息質量、服務質量、系統(tǒng)使用、用戶滿意度以及作為測量工具驗證了可靠性和有效性，并且就測量網(wǎng)絡學習效果而言，強調采用多維方法的重要性。[20]

到目前為止，以使用信息系統(tǒng)成功模型來驗證學習環(huán)境中信息系統(tǒng)因素與學習滿意度之間的關系為主題進行了大量實證研究。

首先，Iivari（2005）在DeLone&McLean 的研究基礎上運用實證分析方法重點研究地方政府官員在網(wǎng)絡學習中的表現(xiàn)。結果表明，系統(tǒng)質量和信息質量能有效的預測網(wǎng)絡學習用戶滿意度，且滿意度是個人績效的重要預測變量。[21]其次，Chiu，Chiu 和Chang（2007）對臺灣高雄大學的289 名學生進行了在線調查，基于他們的網(wǎng)絡學習過程來觀察系統(tǒng)質量、信息質量和系統(tǒng)使用水平是否對學習者滿意度產(chǎn)生積極影響。驗證結果表明，除了服務質量以外，系統(tǒng)使用、信息質量和系統(tǒng)質量會對學習者的滿意度產(chǎn)生顯著影響。[22]最后，Lin（2007）也運用DeLone 和McLean 的信息系統(tǒng)模型，試圖驗證網(wǎng)絡學習環(huán)境中系統(tǒng)質量、信息質量、服務質量對使用意圖與用戶滿意度之間的關系。結果表明，系統(tǒng)質量，信息質量和服務質量對用戶滿意度和使用在線學習系統(tǒng)的使用意圖有顯著影響，用戶滿意度對系統(tǒng)使用意圖有顯著影響，并且用戶滿意度與使用意圖對網(wǎng)絡學習系統(tǒng)的使用水平具有重大影響。[23]

基于以上分析，本文提出以下假設：

假設H4：在線網(wǎng)絡系統(tǒng)質量對學習滿意度產(chǎn)生積極影響。

（五）自我效能感和學習滿意度的關系

Bandura(1977)將自我效能感定義為人們對自身能否利用所擁有的的技能去完成某項工作行為的自信程度。[24]自我效能感是個體對自己能否在一定水平之上完成某一活動所需要的能力判斷、信念或主觀感受。自我效能感決定人們對行為任務的選擇及對該任務的堅持性和努力程度，也影響人們在執(zhí)行任務過程中的思維模式以及情感反映。

自我效能感可以分為多種表現(xiàn)形式，例如自我調節(jié)學習策略、感知選擇、任務價值、努力-績效期望、自尊、歸因和目標取向。[25]同時，自我效能感的效果也可以分為三類：第一決定行動的持續(xù)性。自我效能低下的人在遇到困難的情況下會試圖延遲或放棄努力，而自我效能高的人則以此為契機挑戰(zhàn)并付出更大的努力。[26]第二自我效能感對成功、失敗的歸因產(chǎn)生影響。自我效能感高的人將失敗歸因于努力不足，而自我效能感低的人將失敗歸因于缺乏能力。[27]第三自我效能感對情緒產(chǎn)生影響。恐懼和焦慮的感覺是由所處情況的無助感所致，如果我們能夠控制這種情況，恐懼和焦慮的程度會減少；感覺自己缺乏能力的人會表現(xiàn)出高度的沮喪和無助感。[28]

在自我效能感與行為之間的關系中，自我效能感影響行為的選擇和延續(xù)。具有較高自我效能感的人將艱巨的任務視為挑戰(zhàn)，他們更多地參與到這些活動當中，設定目標并付出更多努力，而不是在遇到困難時輕易放棄。[29]

Bandura（1977）認為自我效能感是預測學習成果的重要因素。學習者的自我效能感對挑戰(zhàn)學習任務時的態(tài)度、努力值的投入、克服困難的能力以及有效學習策略的使用有積極影響。[30]除此之外自我效能感還被用來衡量在線教育的學習成效和學習成果。[31]

基于以上分析，本文提出以下假設：

假設H5：學習者自我效能感對學習滿意度產(chǎn)生積極影響。

基于上述的文獻梳理和假設，本文以學習者自我效能感、學習者心流體驗、學習者與教授者的交互性、在線學習系統(tǒng)質量、學習者社會臨場感作為自變量，以學習者在線學習滿意度為因變量，得出如下的研究模型（見圖1）。

圖1 學習者在線學習滿意度研究模型

二、研究方法

（一）變量設定

本研究在借助國內外關于線上教學相關研究成果的基礎上，針對在線教學特性設置了5 個自變量和1 個因變量，在此基礎上研究分析各個潛在變量的含義并設置了21 個測量指標，分別對各個潛在變量進行了測量。具體表現(xiàn)為在線學習系統(tǒng)質量（3 個測量題項）、學習者與教授者交互性（3 個測量題項）、學習者心流體驗（4 個測量題項）、學習者社會臨場感（3 個測量題項）、學習者自我效能感（4 個測量題項）和學習者在線學習滿意度（4 個測量題項）。

（二）樣本采集

本研究以問卷調查形式進行，問卷調查的題項均以Likert 7 級量表方式展開，通過網(wǎng)絡調查的方式發(fā)送給寧德師范學院的學生，共收回199 份問卷，經(jīng)過對問卷數(shù)據(jù)的整理分析并剔除無效問卷后，最終得到167 份有效問卷。表1 呈現(xiàn)了調查對象的的基本情況，主要包括性別、年級和適用平臺情況，被調查對象覆蓋大一、大二、大三、大四各年級學生群體，此外調查對象均使用了“QQ”，“釘釘”,“騰訊會議”，“超星學習通”等在線學習平臺（見表1）。

表1 人口統(tǒng)計量表

（三）分析方法

本文使用的統(tǒng)計分析方法是偏最小二乘法(PLS)，此方法不僅可以減少結構方程模型（Structuraal E quation Modeling:SEM)中的預測因子，而且還能驗證因果關系和探索性因子分析。PLS-SEM 分析方法側重于協(xié)方差結構的描述，而且樣本數(shù)據(jù)分布不要求一定服從多元正態(tài)分布，是CB-SEM 的替代方法之一。因此，我們可以在小樣本中使用最小二乘法（Partial Least Squares:PLS）來解釋因果關系。

三、數(shù)據(jù)分析和結果

（一）信度和效度

本文通過調查問卷的方法進行數(shù)據(jù)收集，因此需要對所收集的數(shù)據(jù)進行信度跟效度的分析，目的是為了檢驗樣本數(shù)據(jù)的穩(wěn)定性和有效性。信度分析比較常用的分析方法有Cronbach' s ɑ 和組合信度(C.R)系數(shù)，通常認為Cronbach' s ɑ 的值大于0.7、C.R 值在0.7～0.9 就表示數(shù)據(jù)的可靠度較好。

從表2 的數(shù)據(jù)可以看出所有研究量表的Cronbach' s ɑ 和C.R 值都超過0.7，這說明所有量表都有較好的信度，達到了內部一致性的標準。結構方程模型的效度檢驗分為兩種：收斂效度和判別效度。收斂效度是指運用不同測量方法測定同一特征時測量結果的相似程度；判別效度是指一個測量值與其他測量值之間的不相關程度。收斂效度的檢驗是通過平均方差萃取量(Average Variance Extracted,AVE)的值與0.5 做比較，只要AVE 值大于0.5，就說明潛在變量的解釋能力超過了自身指標方差的一半。本研究中各潛在變量的AVE 值都超過了0.5，說明本研究中的潛在變量有很好的收斂效度。判別效度檢驗方式比較各潛在變量AVE 的平方根與其他潛在變量的相關系數(shù)，只要各潛在變量的AVE 平方根值高過其他變量之間的相關系數(shù)就說明研究有很好的判別效度。通過表3 的數(shù)值可以看出本研究已經(jīng)達到了判別效度的評價標準（見表2、表3）。

表2 反應性測量模型評價(reflective measurement model)

表3 形成性測量模型評價（formative measurement model）

（二）模型評價

模型結構系數(shù)來自一系列的潛在變量之間的回歸估計，所以在評價模型的結構關系之前，先要檢查各潛在變量之間的共線性診斷，以確?；貧w結果不會產(chǎn)生偏差。檢驗潛在變量之間共線性的方式是方差膨脹因子（VIF）,在偏最小二乘法的結構方程模型當中當VIF<5 時，就意味著個潛在變量之間不存在共線性問題，通過表4 可以看出，本研究的每一個潛在變量都不存在共線性問題。通過共線性診斷之后還要對估計結果的有效性做一個檢驗。因為偏最小二乘法結構方程模型對數(shù)據(jù)的分布狀態(tài)沒有任何假設，所以一般用非參數(shù)檢驗方法來對估計結果進行檢驗，常用的方法是通過R2、f2、Stone-Geisser' s Q2、SRMR 來對模型的擬合效果進行檢驗。

R2意味著外生自變量對內生因變量的解釋程度，通常在0～1 的取值范圍內，數(shù)值越大，就說明解釋能力越強。hair 等人(2017)的研究表明R2值在0.25 表示為微弱解釋能力，在0.5 表示中度解釋能力，在0.75 表示強勁解釋能力。[32]通過表4 可以看出本研究的滿意度的R2=0.684，達到了中度以上的解釋能力。

f2意味著自我變量對因變量的影響能力。Chin(1998)、Cohen（1988）的研究表明f2值在0.02 表示微弱的影響力，在0.15 表示中度的影響力，在0.35 表示強勁的影響力。[33][34]通過表4 可以看出本研究f2的數(shù)值都達到了中度影響力的程度。

作為預測關聯(lián)性的指標，偏最小二乘法結構方程模型用Stone-Geisser' s Q2來檢驗模型的預測關聯(lián)性。一般管理類研究用Stone-Geisser' s Q2>0 表示模型對內在潛在變量具有預測性。本研究的學習者在線學習滿意度Stone-Geisser' s Q 值超過了0，通過表4 可以看出Stone-Geisser' s Q2值達到了研究的評價標準。

SRMR值是評價模型擬合度的不錯的辦法。在偏最小二乘法結構方程模型中SRMR 值小于0.08，就認為達到了模型擬合的標準，通過表4 可以看出本研究的SRMR 值是0.051。上述內容都表明了我們的研究模型的擬合效果非常良好，可以順利進行假設檢驗。

表4 模型擬合效果評價

（三）假設檢驗

偏最小二乘法結果方程模型不假設數(shù)據(jù)是正態(tài)分布的，所以參數(shù)檢驗的方法不適用于偏最小二乘法結果方程模型，我們用非參數(shù)檢驗的Bootstrap 方法來進行本研究的檢驗，該方法是重復多次（通常進行5000 次）從原數(shù)據(jù)中樣本中隨機抽樣建立子數(shù)據(jù)樣本，通過子樣本進行內部結構模型，得出多組路徑系數(shù)估計值及估計的標準誤差，通過計算t 值檢驗顯著性。

通過表5 的分析結果可以看出學生的自我效能感對學習滿意度顯著（t=2.637,p<0.01）,支持假設H1；學習者的心流體驗對學習滿意度顯著（t=2.042,p<0.05）,支持假設H2；學習者與教授者之間的交互性對學習滿意度顯著（t=2.569,p<0.05），支持假設H3；網(wǎng)絡平臺系統(tǒng)品質對學習滿意度顯著（t=2.709,p<0.01）,支持假設H4；學生的社會臨場感對學習滿意度顯著（t=2.277，p<0.05），支持假設H5（見表5）。

表5 假設檢驗分析

四、總結與討論

本研究以滿意度理論為基礎，建造了“學習者在線學習滿意度研究模型”，根據(jù)模型相關路徑提出研究假設，通過問卷調查收集數(shù)據(jù)進行偏最小二乘法結構方程模型的檢驗，得到以下的結論：

（一）在新冠肺炎疫情背景下學生在線網(wǎng)絡學習中，學習者與教授者之間的交互性能增強學生的學習滿意度

在線渠道的優(yōu)勢在于溝通的雙向性。為了提高用戶的關系滿意度，不僅需要通過網(wǎng)絡渠道進行信息獲取，而且還必須認識到諸如社會紐帶形成之類的互動價值，并且要關注關系的持續(xù)性。如果將在線渠道移植到教育中并激活師生間的相互聯(lián)系，則學生的滿意度將提高，并且?guī)熒g的互動也會相應增加。使用在線渠道，應努力創(chuàng)造一個環(huán)境，使學生可以在在線環(huán)境中討論和實施他們的想法或觀點，老師們應尋求能夠滿足學生意見并滿足其需求的先進教學方法。只要我們運用這些先進的教學方法全身心的投入到教學當中去，學生的學習滿意度也會大幅度加強。

（二）在新冠肺炎疫情背景下學生在線網(wǎng)絡學習中，系統(tǒng)質量能增強學生的學習滿意度

在線學習系統(tǒng)質量能積極影響學生的在線學習滿意度的研究結果跟livari（2005）的研究內容相吻合，說明提高系統(tǒng)質量，可以提高學生學習滿意度。所以我們要考慮哪些是搭建在線學習系統(tǒng)時重點考慮的因素，哪些系統(tǒng)因素是學生在在線學習時重點在意的。要找出這些因素并且通過針對性的系統(tǒng)設計來提高學生的在線學習滿意度。還要定期進行系統(tǒng)檢查，以便學生可以隨時穩(wěn)定地訪問系統(tǒng)，并且需要通過持續(xù)的系統(tǒng)管理來提高系統(tǒng)質量。

（三）在新冠肺炎疫情背景下學生在線網(wǎng)絡學習中，學生的社會臨場感能增強學生的學習滿意度

研究結果顯示學生的社會臨場感能增強學生的學習滿意度，這意味著學生在網(wǎng)絡課堂上通過聽覺、視覺，情感上獲得了接近于現(xiàn)實課堂的滿足感。應該加大開發(fā)能增強在線學習社會臨場感的技術跟設備，讓學生們在網(wǎng)絡學習過程中感到親臨現(xiàn)實教室的感覺跟狀態(tài)，讓他們感覺在線網(wǎng)絡學習的狀態(tài)跟在學校課堂一模一樣。使用在線網(wǎng)絡平臺上課的老師們也要盡量保持跟在教室上課一樣的狀態(tài)，這樣才能刺激學生的臨場感，讓他們盡早進入到上課狀態(tài)當中，提高學習滿意度。

（四）在新冠肺炎疫情背景下學生在線網(wǎng)絡學習中，學習者心流體驗能增強學生的學習滿意度

這項研究的結果為互聯(lián)網(wǎng)學習相關的從業(yè)人員設計和實施基于互聯(lián)網(wǎng)的學習系統(tǒng)提供了重要的指導。由于學習者的心流體驗和用戶滿意度是繼續(xù)使用該系統(tǒng)的關鍵驅動力，因此從業(yè)人員應努力通過在線學習系統(tǒng)使在線學習變得有用和有趣。教師應使用游戲、測驗和其他創(chuàng)造性方法，通過互聯(lián)網(wǎng)在線學習系統(tǒng)為學習過程注入更多樂趣。此外，使用在線學習系統(tǒng)的老師們應多使用豐富的多媒體功能（如圖像、聲音和文本），以加強學生的理解能力和記憶能力。具有挑戰(zhàn)性的任務，目標明確的活動，會促進心流體驗。在學習過程中，老師們應通過向學生布置難度適合的任務、確立明確的目標來引導學生們的心流體驗來提高學生們的學習滿意度。

（五）在新冠肺炎疫情背景下學生在線網(wǎng)絡學習中，學生的自我效能感能增強學生的學習滿意度

當對自己有強烈的信心或信念，相信自己能夠通過努力達到預期的學習效果時，在線學習滿意度也會相應提高。這也證明了自我效能感是影響學習滿意度的重要變量。所以老師們不僅要關心學生的學業(yè)能力，也要關注學生的內在動力（如信心、信任），傳遞給學生“我可以”的信念，通過正確引導提高學生的自我效能感，[35]來帶動增強學生的學習滿意度。

注釋：

[1]Joo,Y.J.Bong,M.&Choi,H.J.Self-Efficacy for Self-Regulated Learning,Academic Self-Efficacy and Internet Self-Efficacy in Web-Based Instruction.Educational Technology Research and Development,2000,48(2) :5-18.

[2]Borbely,E.Challenges and opportunities in extending the classroom and the campus via digital compressed Video.R.Mason&P.bacsich (Eds.),ISDN：Applications in education and training,1994,65-82.

[3]Rafaeli,S.&Sudweeks,F.Networked interactivity.Journal of Computer Mediated Communication,1997,2(4).

[4]DeBourgh,G.A.Predictors of student satisfaction in distance -delivered graduate nursing courses：what matters most?.Journal cf Professional Nursing,2003,19(3)，149-163.

[5]Csikszentmihalyi M.Beyond Boredom and Anxiety.San Francisco:Jossey－ Bass Publishers，1975.

[6]Hoffman,D.L.and Novak,T.P.Marketing in Hypermedia Computer-Mediated Env?ronments:Conceptual Foundations.Journal of Marketing,1996,50-68.

[7]Webster,J.Trevino,L.K.&Ryan,L.The Dimensionality and Correlates of Flow in Human-Computer Interactio.Computers in Human Behavior,1993,411-426.

[8]Lee Y.and Choi J.A structural equation model of predictors of on-line learning retention ［J］.Internet and Higher Education,2013,36 -42.

[9]李儀凡：《互聯(lián)網(wǎng)用戶體驗結構模型》,復旦大學博士論文，2009 年。

[10]Shiau H.Huang S.and Shih L.Understanding continuance intention of blog users:A perspective of flow and expectation confirmation theory.Journal of Convergence Information Technology,2011,306 -317.

[11]Chang Y.Zhu D.The role of perceived social capital and flow experience in building users' continuance intention to social networking sites in China.Computers in Human Behavior,2012,995-1001.

[12]Maquiggan,S.W.Rowe,J.P.Lester,J.C.The Effects of Empathetic Virtual Characters on Presence in Narrative-centered Learning Environments.New York,N.Y :Association for Computing Machinery,2008,1511-1520.

[13]Sheridan,T.B.Musings on telepresence and virtual presence.Presence:Teleoperators and Virtual Environments,1992,120-126.

[14]Kehrwald.B.Understanding social presence in text-based online leatning environments.Distance education,2008,89-106.

[15]Lowenthal.P.R.social presence.Encyclopedia of distance and online learning hershey,2009,1900-1906.

[16]騰艷陽：《社會臨場感研究綜述》，《現(xiàn)代教育技術》2013 年第2 期。

[17]Rogers,P.&Lea,M.Social presence in distributed group environments:the role of social identity,Behavior &Information Technology,2005,24(2):151-158.

[18]DeLone,W.H.&McLean,E.R.The DeLone and McLean model of information systems success:A ten year update.Journal of Management Information Systems,2003,9-30.

[19]Holsapple,C.W.&Lee-Post,A.Defining,assessing,and promoting e-learning success:An information systems perspective.Decision Sciences Journal of Innovative Education,2006,67-85.

[20]Wang,Y.S.Wang,H.Y.&Shee,D.Y.Measuring e-learning systems success in an organizational context:Scale development and validation.Computers in Human Behavior,2007,1792-1808.

[21][36]Iivari,J.An empirical test of the DeLone-McLean model of information system success.ACM SIGMIS Database,2005,8-27.

[22]Chiu,C.M.Chiu,C.S.&Chang,H.C.Examining the integrated influence of fairness and quality on learners’satisfaction and web-based learning continuance intention.Information Systems Journal,2007,271-287.

[23]Lin,H.F.Measuring online learning systems success:Applying the updated DeLone and McLean model.Cyber psychology&Behavior,2007,817-820.

[24][30]Bandura,A.Self-efficacy:Toward a Unifying Theory of Behavioral Change.Psychological Review,1977,191-215.

[25]Zimmerman,Barry J.Investigating self-regulation and motivation:Historical background,122 methodological developments,and future prospects.American Educational Research Journal,2008,166-183.

[26]Bandura,A.and R.Wood.Effect of Perceived Control ability and Performance Standards on Self-regulation of Complex Decision Making.Journal of Personality and Social Psychology,1989,805-814.

[27]Collins,J.Self-Efficacy and Ability in Achievement Behavior,Unpublished Doctoral Dissertation,Standford University,1982.

[28]Hobfoll,S.J.Stress,Culture,and Community,The Psychology and Philosophy of Stress,New York:Plenum Press,1998.

[29]Lazarus,R.S.&Folkman,S.Stress,appraisal and coping.New York:Springer Publishing Co,1984.

[30]Bong,Mimi.Role of self-efficacy and task-value in predicting college students' course performance and future enrollment intentions.Contemporary Educational Psychology,2001,553-570.

[31]Zimmerman,B.J.&Kitsantas,A.Homework practices and academic achievement:the mediating role of self-efficacy and perceived responsibility beliefs.Contemporary Educational Psychology,2005,397–417.

[32]Hair Jr,J.F.Hult,G.T.M.Ringle,C.&Sarstedt,M.A primer on partial least squares structural equation modeling (PLSSEM).Sage Publications,2017.

[33]Chin,W.W.The partial least squares approach to structural equation modeling.Modern Methods for Business Research,1998,295-336.

[34]Cohen,M.A.Some new evidence on the seriousness of crime.Criminology.1988,343-353.

[35]Long,J.F.Monoi,S.Harper,B.Knoblaich,D.&Murphy,P.K.Academic motivation and achievement among urban adolescents.Urban Education,2007,196-202.