基于Kano模型的編程語言在線學(xué)習(xí)平臺(tái)功能需求分析

趙香芹

基于Kano模型的編程語言在線學(xué)習(xí)平臺(tái)功能需求分析

趙香芹

（江蘇理工學(xué)院，江蘇 常州 213001）

編程語言在線學(xué)習(xí)平臺(tái)是學(xué)習(xí)編程新知識(shí)的重要途徑。厘清平臺(tái)各類功能的用戶需求屬性，對(duì)提升平臺(tái)服務(wù)質(zhì)量至關(guān)重要。采用德爾菲法、Kano模型和Better－Worse系數(shù)等多種研究方法，明確了編程語言在線學(xué)習(xí)平臺(tái)的服務(wù)內(nèi)涵，構(gòu)建了包括5個(gè)維度、26種功能的編程語言在線學(xué)習(xí)平臺(tái)功能需求服務(wù)體系，對(duì)編程語言在線學(xué)習(xí)平臺(tái)的用戶需求屬性進(jìn)行了科學(xué)歸類。根據(jù)Better-Worse系數(shù)值測度的用戶滿意度指數(shù)及其四象限坐標(biāo)圖，將編程語言在線學(xué)習(xí)平臺(tái)的26種功能需求，分為期望型功能需求、魅力型功能需求、基本型功能需求、無差異型功能需求。在上述分析結(jié)論基礎(chǔ)上，針對(duì)不同需求的功能屬性對(duì)用戶滿意度的影響特征，提出改進(jìn)編程語言在線學(xué)習(xí)平臺(tái)用戶需求的差異化服務(wù)策略。

在線學(xué)習(xí)平臺(tái)；編程語言；用戶需求；功能屬性；Kano模型；Better-Worse系數(shù)

隨著互聯(lián)網(wǎng)技術(shù)的快速迭代更新，特別是5G技術(shù)的出現(xiàn)，計(jì)算機(jī)技術(shù)語言也隨之出現(xiàn)階段性的顛覆式創(chuàng)新，促使相關(guān)從業(yè)者對(duì)編程技術(shù)語言有強(qiáng)烈的學(xué)習(xí)需求。受疫情影響，在線學(xué)習(xí)備受青睞，相關(guān)學(xué)習(xí)平臺(tái)層出不窮，為學(xué)習(xí)者提供了高效便捷的編程語言在線學(xué)習(xí)服務(wù)。然而，隨著平臺(tái)用戶逐漸增多，如何劃分不同用戶的需求層次，提高平臺(tái)的性能質(zhì)量和用戶滿意度，是在線學(xué)習(xí)平臺(tái)面臨的重要挑戰(zhàn)。具體而言，包括以下問題：平臺(tái)設(shè)計(jì)主觀性太強(qiáng)，用戶畫像模糊，客戶需求層次識(shí)別不夠，導(dǎo)致平臺(tái)針對(duì)性不明顯；平臺(tái)有些功能屬性的質(zhì)量評(píng)價(jià)較低，凝練度和準(zhǔn)確度不夠，不注重與用戶的交互體驗(yàn)；平臺(tái)功能屬性優(yōu)先級(jí)順序紊亂，對(duì)保障基本需求屬性、深挖期望需求屬性、創(chuàng)新魅力需求屬性的意識(shí)不足。圍繞上述問題，本文設(shè)計(jì)了關(guān)于編程語言在線學(xué)習(xí)平臺(tái)各功能需求的用戶滿意度調(diào)研問卷，以此搜集樣本數(shù)據(jù)。利用Kano模型和Better-worse系數(shù)開展實(shí)證分析，以凝練編程語言在線學(xué)習(xí)平臺(tái)所設(shè)功能屬性的質(zhì)量和價(jià)值，詳細(xì)分析平臺(tái)各功能的有效性。在此基礎(chǔ)上，明確各功能屬性的優(yōu)先級(jí)類別，對(duì)平臺(tái)各功能屬性進(jìn)行優(yōu)先級(jí)排序，以期優(yōu)化平臺(tái)功能并提升平臺(tái)學(xué)習(xí)效果。

1 在線學(xué)習(xí)功能需求分析

1.1 在線學(xué)習(xí)功能需求分析的理論依據(jù)

在新產(chǎn)品在設(shè)計(jì)之前，需通過調(diào)研挖掘用戶需求的層次，據(jù)此設(shè)計(jì)開發(fā)符合用戶需求的產(chǎn)品功能，以提升用戶體驗(yàn)的滿意度。對(duì)此，日本東京理工大學(xué)狩野紀(jì)昭（Noriaki Kano）教授提出Kano模型，將產(chǎn)品功能質(zhì)量分為五類：基本功能需求、期望功能需求、魅力功能需求、無差異功能需求、反向功能需求。通過Kano模型，可充分了解用戶需求并對(duì)產(chǎn)品功能進(jìn)行優(yōu)先排序，確定影響用戶滿意度的關(guān)鍵要素。實(shí)踐中，受在線學(xué)習(xí)者個(gè)人知識(shí)基礎(chǔ)、能力層次和主觀認(rèn)知的影響，對(duì)在線學(xué)習(xí)平臺(tái)的功能需求繁多。根據(jù)Kano模型理論，可在整合在線學(xué)習(xí)功能需求的基礎(chǔ)上，通過調(diào)研和測度，劃分在線學(xué)習(xí)平臺(tái)功能需求屬性，見圖1。

在線學(xué)習(xí)用戶需求分析，涉及用戶群體劃分、需求層次識(shí)別、滿意度測算三個(gè)部分。其中，需求、態(tài)度、認(rèn)知、收入和年齡等，是影響在線學(xué)習(xí)用戶群體細(xì)分的關(guān)鍵因素。在線學(xué)習(xí)用戶需求有效性分析的一般機(jī)理，見圖2。

圖1 在線學(xué)習(xí)功能需求Kano模型

圖2 在線學(xué)習(xí)用戶需求有效性分析機(jī)理

1.2 在線學(xué)習(xí)功能需求的文獻(xiàn)綜述分析

鑒于在線學(xué)習(xí)模式時(shí)空分離的復(fù)雜特點(diǎn)，如何激發(fā)在線學(xué)習(xí)者積極性，以提升教與學(xué)的效果，成為在線學(xué)習(xí)領(lǐng)域的研究焦點(diǎn)?；谔轿鲆暯堑牟町?，在線學(xué)習(xí)功能需求分析大致分為兩個(gè)領(lǐng)域：其一，在線學(xué)習(xí)平臺(tái)功能支持問題；其二，在線學(xué)習(xí)者激勵(lì)問題。

關(guān)于在線學(xué)習(xí)平臺(tái)功能支持，較多觀點(diǎn)認(rèn)為平臺(tái)技術(shù)功能使用的便利性是吸引學(xué)習(xí)者興趣的關(guān)鍵因素[1-2]。但除功能便利性之外，在線學(xué)習(xí)平臺(tái)應(yīng)提供更多滿足個(gè)性化需求的功能，包括挖掘用戶潛在需求[3]，開發(fā)具有適應(yīng)性和智能化的電子學(xué)習(xí)系統(tǒng)，以滿足學(xué)習(xí)者的個(gè)性化需求[4-5]，為此需要在基礎(chǔ)性功能上開發(fā)更多個(gè)性化的功能[6]。國外學(xué)者甚至提出在線學(xué)習(xí)平臺(tái)的個(gè)性化學(xué)習(xí)標(biāo)準(zhǔn)[7]，以及個(gè)性化功能的可用性評(píng)估標(biāo)準(zhǔn)[8]。關(guān)于在線學(xué)習(xí)激勵(lì)問題，較多觀點(diǎn)認(rèn)為由于學(xué)習(xí)目標(biāo)、偏好和動(dòng)機(jī)的不同，在線學(xué)習(xí)者具有差異性的行為模式[9-10]，因此需注重在線學(xué)習(xí)者的能力激發(fā)。包括對(duì)在線學(xué)習(xí)者自主學(xué)習(xí)能力的培養(yǎng)[11]，以及教師支持與學(xué)習(xí)者自我學(xué)習(xí)調(diào)節(jié)間的同頻共振[12]和有效反饋[13-14]?？傊С謱W(xué)習(xí)者的個(gè)性化需求是提升在線學(xué)習(xí)參與度的重要模式[15]。

既往關(guān)于在線學(xué)習(xí)功能需求的研究，未能將“在線學(xué)習(xí)平臺(tái)功能支持”和“在線學(xué)習(xí)者激勵(lì)”兩個(gè)問題較好融合。具體表現(xiàn)為：前者多基于信息技術(shù)理論開展分析，而后者多基于教育學(xué)理論開展剖析。相較于線下學(xué)習(xí)，在線學(xué)習(xí)模式具有顯著的時(shí)空異化特征，其對(duì)“在線學(xué)習(xí)者激勵(lì)”和“學(xué)習(xí)平臺(tái)功能支持”均具有較高的要求。因此，關(guān)于在線學(xué)習(xí)的研究需兼顧上述兩個(gè)領(lǐng)域的分析。本文正是基于上述考慮，利用Kano模型對(duì)編程語言在線學(xué)習(xí)平臺(tái)功能需求開展研究，以期有效提升用戶體驗(yàn)。

2 編程語言在線學(xué)習(xí)平臺(tái)用戶需求整合分析

為科學(xué)合理地獲取編程語言在線學(xué)習(xí)平臺(tái)的用戶需求，本文基于8位不同職位的程序員、2位計(jì)算機(jī)系老師以及10位計(jì)算機(jī)系和設(shè)計(jì)系的學(xué)生，對(duì)平臺(tái)功能需求進(jìn)行頭腦風(fēng)暴。在合理借鑒既往關(guān)于學(xué)習(xí)平臺(tái)研究成果的基礎(chǔ)上，初步劃分編程語言在線學(xué)習(xí)平臺(tái)功能需求。采用德爾菲法，邀請(qǐng)行業(yè)專家分別對(duì)功能類型劃分提出修改意見，經(jīng)反復(fù)拆分與整合，最終得出包括響應(yīng)式設(shè)計(jì)（RT）、授課師資（TS）、教學(xué)模式（TM）、授課形式（SS）及課程服務(wù)（CS）五個(gè)大類，共計(jì)二十六種功能需求的平臺(tái)架構(gòu)體系。在充分理解產(chǎn)品全貌的前提下，測評(píng)各功能屬性歸類，見表1。

表1 編程語言在線學(xué)習(xí)平臺(tái)功能需求分析表

Tab.1 The functional requirements analysis of programming language online learning platform

3 用戶調(diào)研和數(shù)據(jù)采集

3.1 調(diào)查問卷設(shè)置

本文引入Kano模型的問卷調(diào)查系統(tǒng)，對(duì)編程語言在線學(xué)習(xí)的用戶體驗(yàn)開展行為分析。考慮到人的需求因年齡、職業(yè)、閱歷、性別等因素的不同對(duì)服務(wù)質(zhì)量的需求有所差異，因此，為使分析效果更精準(zhǔn)，便于后續(xù)改進(jìn)，在問卷設(shè)計(jì)中從正向和反向兩個(gè)角度考慮問題設(shè)置。正向問題如“你需要編程語言在線學(xué)習(xí)平臺(tái)中的直播功能嗎，這個(gè)功能你喜歡么”；反向問題如“如果去掉這個(gè)功能，你會(huì)如何評(píng)價(jià)”，見圖3。

問卷答案共五種，分別為：“喜歡”“理應(yīng)如此”“無所謂”“能忍受”“不喜歡”。考慮到基于Kano模型的問卷調(diào)查題目有正向和反向兩類題目，容易使被調(diào)查者感到問題重復(fù)，從而對(duì)調(diào)研對(duì)象的情緒構(gòu)成挑戰(zhàn)。為防止調(diào)研對(duì)象因厭煩而出現(xiàn)亂填現(xiàn)象，故功能調(diào)查的內(nèi)容不宜過多，可分批次調(diào)研。

圖3 調(diào)查問卷題目設(shè)置舉例

3.2 調(diào)查問卷信效度檢驗(yàn)

基于調(diào)研數(shù)據(jù)，利用SPSS軟件對(duì)問卷開展信度和效度檢驗(yàn)。在信度方面，正向問題、反向問題和Kano問卷整體的Cronbach's alpha值分別為0.874、0.852、0.839，表明本文Kano問卷具有較好的信度。在效度方面，正向問題、反向問題和Kano問卷整體的KMO值分別為0.867、0.851、0.826，Bartlett球形檢驗(yàn)的P值均小于0.001，表明問卷具有較高的效度。

3.3 調(diào)查問卷結(jié)果類型統(tǒng)計(jì)

對(duì)調(diào)查問卷的評(píng)價(jià)結(jié)果進(jìn)行如下分類（見表2）：

1）正面評(píng)價(jià)是“喜歡”，負(fù)面評(píng)價(jià)是“不喜歡”，在Kano模型中，用“O”表示期望型需求。

2）正面評(píng)價(jià)是“理應(yīng)如此”“無所謂”“能忍受”，負(fù)面評(píng)價(jià)為“不喜歡”，在Kano模型中，用“M”表示基本型需求。

3）正面評(píng)價(jià)是“喜歡”，負(fù)面評(píng)價(jià)是“理應(yīng)如此”“無所謂”“能忍受”，在Kano模型中，用“A”表示魅力型需求。

4）以此類推，用“R”表示無差異功能需求。

5）用“I”表示反向型功能。

表2 Kano模型評(píng)價(jià)結(jié)果對(duì)照表

Tab.2 The Kano model evaluation results comparison

6）用“Q”表示錯(cuò)誤的結(jié)果，比如對(duì)正面評(píng)價(jià)選擇喜歡，對(duì)負(fù)面評(píng)價(jià)也選擇喜歡，則這種結(jié)果可作廢。

3.4 在線學(xué)習(xí)用戶畫像分析

在平臺(tái)設(shè)計(jì)之初，首先考慮的是產(chǎn)品的用戶需求，因?yàn)槊總€(gè)產(chǎn)品都有特定的用戶群，而不同的用戶群有不同的思維、習(xí)慣、性格等，所以用戶畫像分析就顯得尤為重要。利用百度指數(shù)，加上強(qiáng)大的互聯(lián)網(wǎng)搜索功能，進(jìn)行產(chǎn)品的關(guān)鍵詞挖掘和關(guān)鍵詞熱度分析，可詳細(xì)了解近半年內(nèi)編程語言搜索量的動(dòng)態(tài)變化情況。搜索量的熱度決定了產(chǎn)品的用戶需求熱度，通過對(duì)搜索量熱度數(shù)據(jù)的分析，可以探知用戶動(dòng)機(jī)及其行為需求，從而把握平臺(tái)研發(fā)動(dòng)向。對(duì)百度指數(shù)顯示的數(shù)據(jù)畫像進(jìn)行聚類分析，從編程語言搜索指數(shù)和人群指數(shù)分布可以看出，對(duì)于編程語言學(xué)習(xí)的旺盛需求量主要集中在19歲以下的青少年群體，以及20～29歲和30～39歲的青年人群體，且男性居多。上述對(duì)在線學(xué)習(xí)用戶畫像的分析，為調(diào)研對(duì)象的樣本選擇提供了科學(xué)可靠的依據(jù)。

3.5 調(diào)查結(jié)果分析

3.5.1 調(diào)研樣本

基于前述用戶畫像分析，設(shè)計(jì)調(diào)查問卷。調(diào)研對(duì)象主要針對(duì)有編程語言學(xué)習(xí)需求的目標(biāo)群體，包括計(jì)算機(jī)相關(guān)專業(yè)的學(xué)生、教師、在職的產(chǎn)品經(jīng)理、前端開發(fā)工程師、java開發(fā)工程師、測試工程師、UI設(shè)計(jì)師、軟件開發(fā)項(xiàng)目經(jīng)理等。依據(jù)年齡劃分調(diào)研對(duì)象群體，共抽取樣本120人。其中，20歲以下青少年群體抽取30人，20～29歲抽取40人，30～39歲抽取30人，40～49歲抽取20人。男性占70%，女性占30%。對(duì)上述編程語言學(xué)習(xí)的潛在用戶進(jìn)行問卷調(diào)查，并對(duì)調(diào)研資料開展數(shù)據(jù)清洗，去除掉一些不合理或者邏輯錯(cuò)誤的問卷（如正反向問答都選擇喜歡或不喜歡的回答，可能是被調(diào)研人沒有認(rèn)真做問卷或者沒有理解其中的意思，這類回答不參與數(shù)據(jù)分析）。經(jīng)問卷整理，收集到合理問卷109份，問卷回收率達(dá)90.8%。

3.5.2 用戶需求屬性歸類用例

考慮到編程語言在線學(xué)習(xí)平臺(tái)功能屬性較多，而本文篇幅有限，故以編程語言在線學(xué)習(xí)平臺(tái)“直播功能”為例，開展用戶需求屬性分析。通過整理問卷調(diào)研數(shù)據(jù)，獲取關(guān)于編程語言在線學(xué)習(xí)平臺(tái)“直播功能”的質(zhì)量特性數(shù)據(jù)，見表3。

參照表2的Kano模型評(píng)價(jià)結(jié)果對(duì)照表，將表3中各類型功能所得數(shù)據(jù)相加可以看出，基本型功能需求所占數(shù)值最大，占絕對(duì)優(yōu)勢。具體數(shù)據(jù)為，期望型（O）：15.9%、魅力型（A）：28.1%、基本型（M）：39.6%、無差異型（I）：12.4%、反向型（R）：0.9%、錯(cuò)誤（Q）：3.1%。根據(jù)上述各需求屬性比重可知，基本型需求屬性占比最高，故可得出，直播功能需求的Kano屬性屬于基本必備型，表明若編程語言在線學(xué)習(xí)平臺(tái)提供直播功能，則對(duì)用戶滿意度的影響并不顯著，但若缺失該項(xiàng)功能則會(huì)大大降低用戶滿意度?？梢?，在當(dāng)前在線學(xué)習(xí)環(huán)境下，編程語言在線學(xué)習(xí)平臺(tái)的直播功能已是常規(guī)必備的服務(wù)供給，是平臺(tái)功能體系不可或缺的基本組成部分。然而，考慮到該功能的基本型Kano屬性，平臺(tái)設(shè)計(jì)開發(fā)團(tuán)隊(duì)不應(yīng)在此功能領(lǐng)域過度投入大量資源，而是在此基礎(chǔ)上重點(diǎn)開發(fā)其他魅力型和期望型功能。

表3 平臺(tái)“直播功能”屬性評(píng)價(jià)結(jié)果

Tab.3 The attribute evaluation result of the platform "live function"

上述對(duì)直播功能需求屬性的分析，也適用于平臺(tái)其他功能屬性的判斷。在具體分析中，一般只考慮占比最大的屬性類別，而不再考慮其他類別。另外，當(dāng)出現(xiàn)若干需求屬性占比接近的情況時(shí)，可通過擴(kuò)大調(diào)查樣本量及細(xì)化功能內(nèi)容等方式，進(jìn)一步明確功能屬性類別。

由以上分析可見，在對(duì)編程語言在線學(xué)習(xí)平臺(tái)功能的設(shè)計(jì)與開發(fā)中，應(yīng)依據(jù)問卷調(diào)查結(jié)果測度各功能的Kano屬性，判斷各功能需求屬性，據(jù)此進(jìn)行差異化的設(shè)計(jì)開發(fā)，以確保各項(xiàng)功能發(fā)揮最大效用，提高平臺(tái)服務(wù)質(zhì)量，提升用戶滿意度。

4 用戶滿意度Better-Worse系數(shù)分析

4.1 用戶滿意度系數(shù)公式

根據(jù)用戶需求屬性歸類結(jié)果，開展用戶滿意度分析。參考美國學(xué)者博格爾（Charls Berger）提出的衡量產(chǎn)品功能的用戶滿意度指數(shù)，即Better-Worse系數(shù)，衡量產(chǎn)品功能對(duì)用戶滿意度的影響效應(yīng)。

Better(SI)=(A+O)/(A+O+M+I) (1)

Worse(DSI)=(–1)(O+M)/(A+O+M+I) (2)

Better系數(shù)是衡量用戶對(duì)編程語言在線學(xué)習(xí)平臺(tái)增加某種功能的滿意度指數(shù)，其值為正數(shù)且越接近于1，說明正向問題的滿意度越強(qiáng)。Worse系數(shù)是衡量用戶對(duì)編程語言在線學(xué)習(xí)平臺(tái)消除某種功能的不滿意度指數(shù)，其值通常為負(fù)數(shù)且絕對(duì)值越接近于1，說明反向問題的不滿意度越強(qiáng)。由此計(jì)算出編程語言在線學(xué)習(xí)平臺(tái)二十六種功能的用戶滿意度影響力指數(shù)，其中需重點(diǎn)關(guān)注指數(shù)絕對(duì)值較大的功能，因?yàn)槠鋵?duì)用戶滿意度的影響效應(yīng)較為顯著，在開發(fā)時(shí)應(yīng)給予重點(diǎn)關(guān)注。

4.2 系數(shù)結(jié)果分析

以編程語言在線學(xué)習(xí)平臺(tái)的“手機(jī)播放功能需求（RT1）”為例，參照式（1）和式（2），利用其O、A、M、I的調(diào)查數(shù)據(jù)測度Better-Worse系數(shù)。結(jié)果如下：

Better=(15.8+32.5)/(15.8+32.5+34.9+10.9)=0.51

Worse=(32.5+34.9)/(15.8+32.5+34.9+10.9)*(–1)= –0.71

由以上計(jì)算可得，編程語言在線學(xué)習(xí)平臺(tái)“手機(jī)播放功能需求（RT1）”的滿意指數(shù)（SI）為0.51，不滿意指數(shù)（DSI）為–0.71。同樣方法可以算出平臺(tái)所有功能的評(píng)價(jià)結(jié)果，見表4。

4.3 編程語言在線學(xué)習(xí)平臺(tái)用戶需求屬性分析及應(yīng)對(duì)

4.3.1 功能服務(wù)點(diǎn)坐標(biāo)圖

參考上述各項(xiàng)功能的B-W系數(shù)值，可以得出所有功能點(diǎn)所在坐標(biāo)位置，據(jù)此可深入分析用戶對(duì)平臺(tái)提供的各種功能服務(wù)的滿意度指數(shù)。以Worse指數(shù)為橫坐標(biāo)，以Better指數(shù)為縱坐標(biāo)，以兩指數(shù)的平均值（|–0.532|，0.484）為坐標(biāo)中心，繪制包含Y軸和X軸的Worse-Better指數(shù)坐標(biāo)四象限圖。當(dāng)功能散點(diǎn)的Worse值的絕對(duì)值和Better值均高于平均值時(shí)，則所屬功能需求的用戶滿意度越高，如圖4所示手機(jī)（RT1）、直播課（TM2）、答疑解惑集群（CS8）三個(gè)功能用黑、紅、橙不同顏色的圓點(diǎn)標(biāo)識(shí)，表明平臺(tái)提供的上述三個(gè)功能的用戶滿意度最高。若能對(duì)平臺(tái)的上述三個(gè)功能予以創(chuàng)新完善，以滿足用戶需求，將有助于增強(qiáng)用戶對(duì)平臺(tái)的依賴性。

表4 平臺(tái)各功能需求屬性統(tǒng)計(jì)及其歸類

Tab.4 The statistics and classification of platform functional requirements attributes

圖4 Worse-Better系數(shù)分析象限坐標(biāo)圖

4.3.2 期望型需求屬性分析及應(yīng)對(duì)

如圖4所示，編程語言在線學(xué)習(xí)平臺(tái)中的功能需求點(diǎn)“手機(jī)（RT1）”“電視或者護(hù)眼屏（RT4）”“直播課（TM2）”“招聘信息（CS7）”坐落在第Ⅰ象限中，表明其屬于期望型需求，其特點(diǎn)是Better系數(shù)和Worse系數(shù)均較高。若上述功能被提供，則用戶體驗(yàn)度將大幅提升。反之，則用戶滿意度將明顯下降。因此，平臺(tái)應(yīng)將上述四種功能需求的改善作為優(yōu)先任務(wù)。

4.3.3 魅力型需求屬性分析及應(yīng)對(duì)

第Ⅱ象限中的魅力型功能需求包括真人教學(xué)（TS1）、AI教學(xué)（TS2）、游戲教學(xué)（SS4）、有償實(shí)戰(zhàn)（SS6）、開源資源（CS3）、答疑解惑（CS8）等6種，其特點(diǎn)是Better指數(shù)高、Worse指數(shù)低，表明平臺(tái)若提供上述功能，將會(huì)顯著提升用戶滿意度。反之，即使未提供上述功能，也并不會(huì)導(dǎo)致用戶滿意度明顯下降。可見，優(yōu)化此類功能可達(dá)到事半功倍的效果，故平臺(tái)應(yīng)加強(qiáng)上述各項(xiàng)功能服務(wù)的供給，以提升用戶滿意度。

4.3.4 無差異型需求屬性分析及應(yīng)對(duì)

第Ⅲ象限中的功能需求包括語音課程（TM4）、項(xiàng)目融入（SS5）、課程提醒（CS2）、免費(fèi)教程（CS4）、職業(yè)生涯（CS6）、編程比賽（CS9）等7種，屬于無差異型需求。其特點(diǎn)是Better指數(shù)低、Worse指數(shù)低，表明無論平臺(tái)是否提供這些服務(wù)，對(duì)用戶滿意度的影響均較弱。因此，為節(jié)約平臺(tái)建設(shè)成本，應(yīng)謹(jǐn)慎提供上述功能。但是用戶需求具有動(dòng)態(tài)性，隨著技術(shù)發(fā)展及互聯(lián)網(wǎng)環(huán)境的改變，產(chǎn)品的功能可能會(huì)按照I—A—O—M的方向演變。也就是說，雖然有些功能目前需求不大，而有些功能目前需求比較旺盛，但不代表一成不變，所以平臺(tái)要及時(shí)追蹤所有功能服務(wù)需求的動(dòng)態(tài)演變，及時(shí)調(diào)整應(yīng)對(duì)。

4.3.5 基本型需求屬性分析及應(yīng)對(duì)

第Ⅳ象限中的功能需求服務(wù)包括IPAD（RT2）、電腦（RT3）、實(shí)操課程（TM1）、錄播課（TM3）、在線編碼（SS2）、實(shí)例教學(xué)（SS3）、直播預(yù)約（CS1）、項(xiàng)目實(shí)例（CS5）等8種，屬于基本型需求。其特點(diǎn)是Better指數(shù)低、Worse指數(shù)高，表明即使平臺(tái)提供了這些功能，用戶滿意度也不會(huì)顯著提升，但若缺失上述功能，則會(huì)導(dǎo)致用戶滿意度顯著下降。原因是上述功能是保障平臺(tái)其他功能發(fā)揮效用的重要支撐，用戶只有在此類功能出現(xiàn)故障時(shí)才會(huì)關(guān)注，若缺失上述功能則會(huì)反噬其他功能的滿意度。因此，平臺(tái)要根據(jù)移動(dòng)學(xué)習(xí)和泛在學(xué)習(xí)的需要，不斷優(yōu)化編程語言在線學(xué)習(xí)平臺(tái)的基本型功能。

5 結(jié)語

本文通過對(duì)平臺(tái)功能類型的拆分及調(diào)整，構(gòu)建了一個(gè)包含響應(yīng)式設(shè)計(jì)、授課師資、教學(xué)模式、授課形式及課程服務(wù)等五個(gè)大類，共計(jì)二十六種功能需求的編程語言在線學(xué)習(xí)平臺(tái)架構(gòu)體系。在此基礎(chǔ)上，采用Kano模型分析編程語言在線學(xué)習(xí)平臺(tái)中功能服務(wù)的需求層次，從理論上深挖用戶的需求重心，找出編程語言在線學(xué)習(xí)平臺(tái)的開發(fā)痛點(diǎn)，從而推動(dòng)相關(guān)研究的縱深發(fā)展。在本文研究中，通過識(shí)別用戶對(duì)編程語言在線學(xué)習(xí)的各種需求，可為設(shè)計(jì)開發(fā)或優(yōu)化在線學(xué)習(xí)平臺(tái)功能服務(wù)提供信息參考。本文的不足之處是，調(diào)研群體只以年齡和性別劃分，對(duì)用戶群體的細(xì)化度有待加深，在后續(xù)研究中可以根據(jù)不同群體的側(cè)重點(diǎn)設(shè)計(jì)差異性的調(diào)研問卷。此外，盡管本文考慮到用戶性別比例的劃分，但未特別關(guān)注不同性別對(duì)編程學(xué)習(xí)需求的差異性。因此，后續(xù)研究需進(jìn)一步細(xì)化調(diào)研群體，并關(guān)注新技術(shù)和新需求的動(dòng)態(tài)變化。

[1] 胡勇. 在線學(xué)習(xí)平臺(tái)使用意向預(yù)測模型的構(gòu)建和測量[J]. 電化教育研究, 2014, 35(9): 71-78.

HU Yong. Construction and Measurement of Online Lear-ning Platform Usage Intention Prediction Model[J]. e-Education research, 2014, 35(9): 71-78.

[2] 趙宏, 張馨邈. 中國成人學(xué)習(xí)者在線學(xué)習(xí)情緒影響因素研究[J]. 開放教育研究, 2018, 24(2): 78-88.

ZHAO Hong, ZHANG Xin-miao. The Study of Influencing Factors of Chinese Distance Learners' Em Otional States[J]. Open Education Research, 2018, 24(2): 78-88.

[3] XIE Hai-hua, YANG Jing-wei, CHANG C K, et al. A Statistical Analysis Approach to Predict User's Changing Requirements for Software Service Evolution[J]. Journal of Systems and Software, 2017, 132: 147-164.

[4] 洪丹丹, 李飛, 姚磊, 等. 在線學(xué)習(xí)行為分析數(shù)據(jù)可視化快速開發(fā)框架設(shè)計(jì)與實(shí)踐[J]. 微電子學(xué)與計(jì)算機(jī), 2018, 35(7): 6-12.

HONG Dan-dan, LI Fei, YAO Lei, et al. Design and Implementation of a Fast Data Visualization Framework for E-Learning Behavior Analysis[J]. Microelectronics & Computer, 2018, 35(7): 6-12.

[5] TROUSSAS C, CHRYSAFIADI K, VIRVOU M. An Intelligent Adaptive Fuzzy-Based Inference System for Computer-Assisted Language Learning[J]. Expert Systems With Applications, 2019, 127: 85-96.

[6] 劉述. 用戶視角下在線學(xué)習(xí)平臺(tái)體驗(yàn)研究[J]. 電化教育研究, 2019, 40(10): 47-52.

LIU Shu. Research on Online Learning Platform Experience from the Perspective of Users[J]. e-Education research, 2019, 40(10): 47-52.

[7] KISELEV B, YAKUTENKO V. An Overview of Massive Open Online Course Platforms: Personalization and Semantic Web Technologies and Standards[J]. Procedia Computer Science, 2020, 169: 373-379.

[8] DíAZ J, LóPEZ J A, SEPúLVEDA S, et al. Evaluating Aspects of Usability in Video Game-Based Programming Learning Platforms[J]. Procedia Computer Science, 2021, 181: 247-254.

[9] 趙呈領(lǐng), 李敏, 疏鳳芳, 等. 在線學(xué)習(xí)者學(xué)習(xí)行為模式及其對(duì)學(xué)習(xí)成效的影響——基于網(wǎng)絡(luò)學(xué)習(xí)資源視角的實(shí)證研究[J]. 現(xiàn)代遠(yuǎn)距離教育, 2019(4): 20-27.

ZHAO Cheng-ling, LI Min, SHU Feng-fang, et al. Research on Models of Participation in Online Learning Resources and Learning Effectiveness[J]. Modern Distance Education, 2019(4): 20-27.

[10] 楊娟, 宋曉玲, 喬興媚. 自主在線學(xué)習(xí)環(huán)境下學(xué)習(xí)行為與學(xué)習(xí)風(fēng)格偏向性的關(guān)聯(lián)分析研究[J]. 中國遠(yuǎn)程教育, 2017(10): 47-54, 79.

YANG Juan, SONG Xiao-ling, QIAO Xing-mei. Correlation Analysis of Learning Behaviors and Learning Style Preferences in a Self-Regulated Online Learning Environment[J]. Distance Education in China, 2017(10): 47-54, 79.

[11] 黃振中, 張曉蕾. 自主學(xué)習(xí)能力對(duì)在線學(xué)習(xí)效果的影響機(jī)制探究——兼論在線學(xué)習(xí)交互體驗(yàn)的中介作用[J]. 現(xiàn)代教育技術(shù), 2018, 28(3): 66-72.

HUANG Zhen-zhong, ZHANG Xiao-lei. Research on the Influence Mechanism of Self-Regulated Learning on Online Learning Outcomes—Concurrently Discuss the Mediation Effect of Online Learning Interaction[J]. Modern Educational Technology, 2018, 28(3): 66-72.

[12] 蔣志輝, 趙呈領(lǐng), 李紅霞, 等. 在線學(xué)習(xí)者滿意度: 教師支持行為與自我調(diào)節(jié)學(xué)習(xí)能力的同頻共振[J]. 開放教育研究, 2018, 24(4): 81-89.

JIANG Zhi-hui, ZHAO Cheng-ling, LI Hong-xia, et al. The Power of Self-Regulated Learning Ability: Effect on Learner-Percevied Teacher Support and Satisfaction[J]. Open Education Research, 2018, 24(4): 81-89.

[13] PANIGRAHI R, SRIVASTAVA P R, SHARMA D. Online Learning: Adoption, Continuance, and Learning Outcome—A Review of Literature[J]. International Journal of Information Management, 2018, 43: 1-14.

[14] 蔡旻君, 郭婉瑢, 婁顏超. 在線學(xué)習(xí)過程中如何實(shí)施有效的反饋——基于自我調(diào)節(jié)學(xué)習(xí)理論的在線反饋探討[J]. 電化教育研究, 2020, 41(10): 82-88.

CAI Min-jun, GUO Wan-rong, LOU Yan-chao. How to Implement Effective Feedback during Online Learning: Online Feedback Discussion Based on Self-Regulated Learning Theory[J]. e-Education research, 2020, 41(10): 82-88.

[15] 彭飛霞. 在線學(xué)習(xí)參與的作用機(jī)理與激發(fā)模型[J]. 成人教育, 2020, 40(1): 18-23.

PENG Fei-xia. The Mechanism of Action and Stimulation Model of Online Learning Participation[J]. Adult Education, 2020, 40(1): 18-23.

Functional Requirements Analysis of Programming Language Online Learning Platform Based on Kano Model

ZHAO Xiang-qin

(Jiangsu University of Technology, Jiangsu Changzhou 213001, China)

Programming language online learning platform is an important way to learn new programming knowledge. Futhermore, it is very important for improving the service quality of the platform to clarify the user requirement attributes of various functions in the platform. Using a variety of such research methods as Delphi method, Kano Model and Better- Worse index, the service connotation of the programming language online learning platform was clarified, and thereby the func-tional requirements service system of the programming language online learning platform with 5 dimensions and 26 functions was constructed, and the user demand attributes of the programming language online learning platform were scientifically classified.According to the user satisfaction index measured by the Better-Worse coefficient value and its four-quadrant graph, the 26 functional requirements of the programming language online learning platform was divided intoexpected functional requirements, attractive functional requirements, basic functional requirements, and no difference func-tional requirements. According to the characteristics of different functional attributes on user satisfaction, this paper proposes a differentiated service strategy to improve the user requirements of online programming language learning platform.

online learning platform; programming language; user requirements; functional attributes; Kano model; Better-Worse index

TB472

A

1001-3563(2022)18-0271-08

10.19554/j.cnki.1001-3563.2022.18.032

2022–04–02

江蘇省社會(huì)科學(xué)基金項(xiàng)目（17GLD004）

趙香芹（1982—），女，碩士，工程師，主要研究方向?yàn)楣I(yè)設(shè)計(jì)。

責(zé)任編輯：馬夢遙