基于UTAUT模型的高職學(xué)生對游戲化英語詞匯學(xué)習(xí)APP使用意愿的研究*

聶 瓊

（廣州城建職業(yè)學(xué)院）

一、引言

近年來，信息技術(shù)帶動智慧教育的發(fā)展，推進(jìn)英語詞匯學(xué)習(xí)應(yīng)用程序的開發(fā)與應(yīng)用，激發(fā)了英語學(xué)習(xí)者英語詞匯的學(xué)習(xí)動機(jī)[1]。這不斷要求高職教育教學(xué)適應(yīng)應(yīng)用程序時代學(xué)生的詞匯學(xué)習(xí)需求，而提升學(xué)生的課堂的參與度和學(xué)習(xí)動機(jī)[2]。將英語詞匯學(xué)習(xí)應(yīng)用程序通常與游戲有機(jī)結(jié)合，以幫助用戶獲取和記憶新詞匯。時間限制、隨機(jī)抽取、獎勵懲罰、答案反饋、角色扮演和闖關(guān)挑戰(zhàn)等都是詞匯中的游戲化學(xué)習(xí)APP的通用程序，讓詞匯學(xué)習(xí)過程變得游戲般輕松與有趣[3]。游戲化的詞匯學(xué)習(xí)應(yīng)用程序能極大改善英語詞匯學(xué)習(xí)低成就高職學(xué)生的語言習(xí)得結(jié)果[4]。通過網(wǎng)絡(luò)輔助游戲化英語詞匯學(xué)習(xí)方法的效果顯著優(yōu)于其他方法，還提升了高職學(xué)生用戶的參與動力，并促成其享受學(xué)習(xí)過程。作為高效利用碎片時間學(xué)習(xí)的平臺，游戲化應(yīng)用程序受到了廣泛歡迎。與傳統(tǒng)的單詞學(xué)習(xí)模式相比，英語詞匯學(xué)習(xí)應(yīng)用程序開發(fā)者、用戶與高職教師三方結(jié)合學(xué)科培養(yǎng)目標(biāo)，將理論轉(zhuǎn)化為游戲化教法實(shí)踐中去，讓學(xué)生“玩中學(xué)、學(xué)中樂、樂中長”[5]。然而，當(dāng)前很少有研究關(guān)于因素促進(jìn)或阻礙學(xué)習(xí)者使用的詞匯學(xué)習(xí)應(yīng)用程序。只有進(jìn)一步研究績效預(yù)期、努力預(yù)期、社群影響和促進(jìn)條件這4個自變量及其對學(xué)生用戶使用英語詞匯學(xué)習(xí)應(yīng)用程序的影響，才能解決這一問題。因此，本研究旨在找出可能的影響因素用戶使用游戲化英語詞匯APP的意圖和整合型科技接受模型（UTAUT）的應(yīng)用。

二、文獻(xiàn)綜述

（一）游戲化英語詞匯學(xué)習(xí)APP

首先，有必要對英語詞匯應(yīng)用中的游戲化進(jìn)行界定。正如Yang等人所提出的，游戲化被稱為將非游戲環(huán)境，如語言習(xí)得融入游戲中[6]。更具體地說，游戲化的定義是關(guān)于在非游戲中采用游戲功能和機(jī)制的廣泛共識設(shè)置。換句話說，游戲化語境在詞匯學(xué)習(xí)中不僅包括將各種游戲通過各種多媒體輸入呈現(xiàn)，如文字、圖像、音頻和視頻。用戶可以通過數(shù)字游戲或視頻游戲?qū)W習(xí)詞匯，結(jié)合常見的游戲元素，如時間限制、隨機(jī)抽取、獎勵懲罰、答案反饋、角色扮演和闖關(guān)挑戰(zhàn)。例如，國內(nèi)英語學(xué)習(xí)者更喜歡通過“百詞展”APP學(xué)習(xí)新的英語單詞。在測試模式中，用戶能根據(jù)給定的單詞選擇正確的圖片并獲得分?jǐn)?shù)。與其他英語技能相比，英語詞匯學(xué)習(xí)要求學(xué)習(xí)者頻繁回憶詞匯信息，其“記憶碎片”與“容易忘記”的特點(diǎn)引發(fā)應(yīng)用游戲化詞匯學(xué)習(xí)APP迅速開發(fā)，并帶來相關(guān)的研究動機(jī)。研究證明，使用游戲化詞匯應(yīng)用程序的學(xué)習(xí)效果、樂趣和動機(jī)，對提高英語學(xué)習(xí)效率是有效的，指導(dǎo)教學(xué)，服務(wù)考試。目前還沒有足夠的研究調(diào)查游戲化詞匯應(yīng)用程序的影響要素。雖然游戲化詞匯學(xué)習(xí)帶來的影響有益，但其學(xué)習(xí)結(jié)果高度依賴于用戶個人及游戲化本身。因此，本研究采用UTAUT模型來探討高職學(xué)習(xí)群體使用游戲化的英語詞匯應(yīng)用程序的接受度。

圖1 UTAUT模型

（二）基于UTAUT模型的游戲化英語詞匯學(xué)習(xí)

整合型科技接受模型（UTAUT）指出，績效期望（PE）、努力期望（EE）、社群影響（SI）、便利條件（FC）是學(xué)生用戶對游戲化詞匯學(xué)習(xí)APP接受行為意愿的4個直接因素。此外，性別、年齡、經(jīng)驗(yàn)和使用自愿性作為調(diào)節(jié)變量，對于理解高職學(xué)生群體特性與調(diào)節(jié)他們在信息化技術(shù)接受上的差異發(fā)揮了重要作用[8]。

1.績效期望

根據(jù)Venkatesh等人的研究，績效預(yù)期表明了個人認(rèn)為使用信息系統(tǒng)將幫助他（或她）在工作效率方面取得收益。在移動輔助語言學(xué)習(xí)的背景下，績效期望對學(xué)習(xí)者使用游戲化詞匯學(xué)習(xí)應(yīng)用程序的行為意向有重要影響。假設(shè)如下:

假設(shè)1（H1）。高職學(xué)生在使用游戲化英語詞匯APP時，績效期望（PE）與行為意向（BI）呈正相關(guān)。

圖2 。提出的UTAUT模型具有新的結(jié)構(gòu)。

圖2 變量關(guān)系框架

2.努力期望

UTAUT中的努力預(yù)期指的是使用某一特定事物的預(yù)期輕松程度的技術(shù)接受模型（TAM）。在移動輔助語言學(xué)習(xí)（mobileassisted language learning,MALL）研究中發(fā)現(xiàn)，EE與BI相關(guān)。假設(shè)如下:

假設(shè)2（H2）。高職學(xué)生在使用游戲化英語詞匯APP時，努力期望（EE）與行為意向（BI）呈正相關(guān)。

3.社群影響

社群影響被定義為一個人在使用某種語言時受到影響的程度系統(tǒng)由他或她重要的其他人。盡管大量實(shí)證研究證實(shí)了這一點(diǎn)社群影響和行為意向之間存在顯著的相關(guān)性，一些案例顯示兩者之間存在顯著的相關(guān)性。變量之間不一定是相關(guān)的。因此，這項(xiàng)研究計劃進(jìn)一步研究游戲化詞匯應(yīng)用中的這對關(guān)系。

假設(shè)3（H3)。高職學(xué)生在使用游戲化英語詞匯APP時，社群影響（SI）與行為意向（BI）呈正相關(guān)。

4.便利條件

便利條件的定義為個體認(rèn)為組織和技術(shù)基礎(chǔ)條件對促進(jìn)游戲化英語詞匯學(xué)習(xí)APP使用的支持程度。一些研究人員發(fā)現(xiàn)在移動輔助語言學(xué)習(xí)中便利條件與行為意向不相關(guān)，假設(shè)如下:

假設(shè)4（H4）。高職學(xué)生在使用游戲化英語詞匯APP時，便利條件（FC）與使用行為（UB）呈正相關(guān)。

5.行為意向

本文將行為意圖操作性地定義為用戶的意圖和使用游戲化詞匯的動機(jī)。行為意向是理論與使用行為正相關(guān)。此外，這種相關(guān)性也是被眾多關(guān)于商城和在線學(xué)習(xí)的實(shí)證研究證實(shí)。

假設(shè)5（H5）。高職學(xué)生在使用游戲化英語詞匯APP時，便利條件（BI）與使用行為（UB）呈正相關(guān)。

三、研究方法

（一）參與者

這項(xiàng)研究的受訪者是將英語作為一門外語并使用至少一種游戲化詞匯應(yīng)用程序的廣州高職院校學(xué)生。參與者可以獲得一個完成問卷后。

2022年，共 有278名 學(xué) 生參與了本次調(diào)查。在被告知該數(shù)據(jù)的潛在用途后參與者同意將他們的數(shù)據(jù)用于這項(xiàng)研究。他們來自廣州1所高職院校，年齡在17-23歲之間，男生172人，女生106人，理科生188人，文科生90人。

（二）研究過程

1.問卷的設(shè)計

表1 問卷項(xiàng)目分析高職學(xué)生的意圖和使用行為情況

表2 變量相關(guān)性數(shù)據(jù)

采取李克特五點(diǎn)式量表，根據(jù)積分標(biāo)準(zhǔn)計分為1-5分。1分表示完全不同意，2分表示不同意，3分表示中立，4分表示同意，5分表示完全同意。通過問卷星發(fā)布調(diào)查問卷，且允許發(fā)布人為278名受訪者在完成調(diào)查后給予適當(dāng)?shù)募t包作為完成問卷的回報。

2.問卷的分發(fā)和數(shù)據(jù)收集

問卷的發(fā)放主要分為三個階段。因?yàn)榘l(fā)布人通過網(wǎng)絡(luò)平臺設(shè)計問卷，初步進(jìn)行問卷調(diào)查發(fā)布于微信朋友圈和聊天群。接下來，部分群成員和教師主動將問卷轉(zhuǎn)發(fā)給適合本研究的人。同時，作者發(fā)放了問卷二維碼的打印版給高職學(xué)校食堂、操場、圖書館等場所的學(xué)生。告知問卷對象保證他們的私人信息不會被泄露且在自愿基礎(chǔ)上完成問卷。

基于水利工程建設(shè)所處環(huán)境較為復(fù)雜，如果遇到軟土地基，就會增加施工難度系數(shù)，一旦地基處理不當(dāng)，還會給整體工程建設(shè)質(zhì)量構(gòu)成威脅?；诖耍疚氖紫群喴撌隽寺鋵?shí)軟土地基處理技術(shù)的實(shí)際意義及關(guān)鍵施工技術(shù)，并結(jié)合實(shí)際工程案例，提出了切實(shí)可行的質(zhì)量控制策略，旨在為業(yè)內(nèi)人士提供有價值的參考意見。

數(shù)據(jù)收集時間為10天，從5月4日 至13日。圖3展 示了整個研究過程。

本研究遵循兩步程序分析結(jié)果。整體結(jié)構(gòu)模型擬合近似等于每個測量模型擬合的平均值。

評估測量模型是檢查潛在變量和之間的關(guān)系他們在評估結(jié)構(gòu)模型時的措施（項(xiàng)目）是調(diào)查關(guān)系潛變量之間的關(guān)系。對所提出的測量模型進(jìn)行初步擬合評估通過檢驗(yàn)信度、效度、綜合信度（C.R.）和平均方差提取（AVE）。經(jīng)各測量模型擬合均滿足要求，效果良好。

評估了整體模型的擬合度，并加入新的路徑對整體模型進(jìn)行改進(jìn)。然后，通過檢驗(yàn)R2和路徑系數(shù)來評估結(jié)構(gòu)模型。整個分析過程采用SPSS 25.0進(jìn)行數(shù)據(jù)統(tǒng)計分析。

四、數(shù)據(jù)分析

表3 行為意向與其他變量回歸分析

表4 使用行為與其他變量回歸分析

在統(tǒng)計學(xué)中，皮爾遜相關(guān)性（Pearson product-moment correlation coefficient）。相關(guān)分析可通過相關(guān)系數(shù)來判斷變量之間的關(guān)系程度。采用Pearson相關(guān)分析法，得到的相關(guān)性系數(shù)r值（Pearson Correlation）情況如下：當(dāng)r大于0表示兩個變量之間為正相關(guān)關(guān)系，當(dāng)r小于0表示兩個變量之間為負(fù)相關(guān)關(guān)系。當(dāng)r的絕對值小于0.3時，表示兩個變量之間基本不相關(guān)；當(dāng)r的絕對值在0.3-0.5之間表示兩個變量之間低度相關(guān)，當(dāng)r的絕對值在0.5-0.8表示兩個變量之間中度相關(guān)，當(dāng)r的絕對值大于等于0.8表示兩個變量之間高度相關(guān)。P值(也稱顯著性值或Sig值)，對于相關(guān)分析，一般規(guī)范的表格格式是:P值使用*號表示(標(biāo)識在相關(guān)系數(shù)的右上角)，P＜0.01使用2個*號表示;P＜0.05使用1個*號表示。

為了研究PE、EE、SI、FC、BI和UB之間的關(guān)系，sig值均小于0.01，相關(guān)系數(shù)均大于0，說明各維度之間存在極顯著性正相關(guān)關(guān)系。

為了研究績效期望、努力期望、社群影響、便利條件、行為意向和使用行為之間的相關(guān)關(guān)系，研究結(jié)果如上表所示，sig值均小于0.01，相關(guān)系數(shù)均大于0，說明各維度之間存在極顯著性正相關(guān)。

回歸分析結(jié)果如上表所示，因變量為BI，自變量為PE、EE和SI，對模型進(jìn)行F檢驗(yàn)，模 型 通 過F檢驗(yàn)（F=43.523，P=0.000＜0.01）,即表明PE、EE和SI對BI產(chǎn)生影響關(guān)系。R2為0.323，意味著變量對BI具有32.3%的變化原因。

分析自變量的回歸系數(shù)可知，PE、EE和SI的sig值 均 小于0.05，說 明PE、EE和SI對BI產(chǎn)生顯著性正向影響。

建立回歸模型：BI=1.282+0.230*PE+0.339*EE+0.136*SI

由此可以證明假設(shè)一、二和三成立。

回歸分析結(jié)果如上表所示，因變量為UB，自變量為BI和FC，對模型進(jìn)行F檢驗(yàn)，模 型 通 過F檢驗(yàn)（F=75.401，P=0.000＜0.01）,即 表 明BI和FC對UB產(chǎn) 生 影 響 關(guān) 系。R2為0.354，意味著變量對UB具有35.4%的變化原因。

表5 BI做為PE和UB中介分析

表6 中介效應(yīng)表

表7 BI做為EE和UB中介分析

表8 中介效應(yīng)表

表9 BI做為SI和UB中介分析

針對模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF值均小于5，意味著不存在共線性問題；并且D-W值在數(shù)字2附近，表明模型不存在自相關(guān)性，樣本數(shù)據(jù)之間沒有關(guān)聯(lián)關(guān)系，模型較好。

分析自變量的回歸系數(shù)可知，BI和FC的sig值 均 小 于0.05，說 明BI和FC對UB產(chǎn) 生顯著性正向影響。

建立回歸模型：UB=1.247+0.183*BI+0.487*FC

由此可以證明假設(shè)四和五成立。

中介分析結(jié)果如上表所示，對模型進(jìn)行F檢驗(yàn)，模型通過F檢驗(yàn)（F=52.098，P=0.000＜0.01）,即 表 明PE對UB產(chǎn)生影響關(guān)系。R2為0.275，意味著變量對UB具有27.5%的變化原因。

針對模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF值均小于5，意味著不存在共線性問題；并且D-W值在數(shù)字2附近，表明模型不存在自相關(guān)性，樣本數(shù)據(jù)之間沒有關(guān)聯(lián)關(guān)系，模型較好。

BI的sig值 小 于0.05，說明中介效應(yīng)顯著，加入中介變量后，BI變量任然顯著，說明之間存在部分中介關(guān)系，間接中介影響30.50%，詳細(xì)見下表。

由此證明假設(shè)六成立，即BI在PE與UB之間存在中介關(guān)系。

中介分析結(jié)果如上表所示，對模型進(jìn)行F檢驗(yàn)，模型通過F檢驗(yàn)（F=87.496，P=0.000＜0.01）,即 表 明EE對UB產(chǎn)生影響關(guān)系。R2為0.389，意味著變量對UB具有38.9%的變化原因。

針對模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF值均小于5，意味著不存在共線性問題；并且D-W值在數(shù)字2附近，表明模型不存在自相關(guān)性，樣本數(shù)據(jù)之間沒有關(guān)聯(lián)關(guān)系，模型較好。

表10 中介效應(yīng)表

表11 變量關(guān)系結(jié)論表

BI的sig值 小 于0.05，說明中介效應(yīng)顯著，加入中介變量后，BI變量任然顯著，說明之間存在部分中介關(guān)系間接中介影響15.11%，詳細(xì)見下表。

由此證明假設(shè)七成立，即BI在EE與UB之間存在中介關(guān)系。

中介分析結(jié)果如上表所示，對模型進(jìn)行F檢驗(yàn)，模型通過F檢驗(yàn)（F=71.748，P=0.000＜0.01），即表明SI對UB產(chǎn)生影響關(guān)系。R2為0.343，意味著變量對UB具有34.3%的變化原因。

針對模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF值均小于5，意味著不存在共線性問題；并且D-W值在數(shù)字2附近，表明模型不存在自相關(guān)性，樣本數(shù)據(jù)之間沒有關(guān)聯(lián)關(guān)系，模型較好。

BI的sig值 小 于0.05，說明中介效應(yīng)顯著，加入中介變量后，BI變量任然顯著，說明之間存在部分中介關(guān)系，間接中介影響21.12%，詳細(xì)見下表。

由此證明假設(shè)八成立，即BI在SI與UB之間存在中介關(guān)系。

五、結(jié)論

通過上表可知，八個假設(shè)均成立。通過移動應(yīng)用程序（APP），應(yīng)用整合型科技接受模式（UTAUT模型），采用SPSS 25.0分析對高職學(xué)生用戶對游戲化英語詞匯學(xué)習(xí)APP的接受程度進(jìn)行數(shù)據(jù)統(tǒng)計分析的結(jié)果表明，績效期望（PE）、努力期望（EE）、促進(jìn)條件（FC）與行為意向（BI）呈成正相關(guān)，社群影響（SI）與使用行為（UB）呈成正相關(guān)城成立。