本文着眼于职业教育参与持续参与度,针对职业教育典型特点,系统研究持续参与MOOC在线学习行为动机演变机制,构建持续参与MOOC在线学习的影响因素模型。通过实证证明,感知有用性、感知易用性、期望确认、满意度是影响MOOC持续参与的核心因素,对持续参与意向有显著的正向影响。内在动机对持续参与MOOC意向有显著的正向影响,对学习满意度没有明显的影响关系;感知娱乐性对满意度有显著的正向影响,对持续参与意向有间接的正向影响。据此,本文从职业教育MOOC平台建设、MOOC课程设计、MOOC课程维护三个方面提出职业教育在线学习MOOC建设与维护优化对策。 Focusing on the degree of continuous participation in vocational education and the typical characteristics of vocational education, this paper systematically studies the evolution mechanism of behavior motivation of continuous participation in MOOC online learning, and constructs the influencing factor model of continuous participation in MOOC online learning. The empirical results show that perceived usefulness, perceived ease of use, expectation confirmation, and satisfaction are the core factors that affect the continuous participation of MOOC, and have a significant positive impact on the intention of continuous participation. Intrinsic motivation has a significant positive impact on the intention to continue to participate in MOOC, but has no significant impact on learning satisfaction. Perceived entertainment has a significant positive impact on satisfaction, and has an indirect positive impact on the intention of continuous participation. Based on this, this paper proposes the optimization countermeasures for the construction and maintenance of online learning MOOC in vocational education from three aspects: the construction of vocational education MOOC platform, MOOC curriculum design, and MOOC curriculum maintenance.
本文着眼于职业教育参与持续参与度,针对职业教育典型特点,系统研究持续参与MOOC在线学习行为动机演变机制,构建持续参与MOOC在线学习的影响因素模型。通过实证证明,感知有用性、感知易用性、期望确认、满意度是影响MOOC持续参与的核心因素,对持续参与意向有显著的正向影响。内在动机对持续参与MOOC意向有显著的正向影响,对学习满意度没有明显的影响关系;感知娱乐性对满意度有显著的正向影响,对持续参与意向有间接的正向影响。据此,本文从职业教育MOOC平台建设、MOOC课程设计、MOOC课程维护三个方面提出职业教育在线学习MOOC建设与维护优化对策。
MOOC,职业教育,在线课程建设与维护,持续参与
Ning Qiao, Leiting Sun, Wenxuan Shan
Naval Logistics Academy, PLA, Tianjin
Received: Sep. 25th, 2022; accepted: Oct. 26th, 2022; published: Nov. 1st, 2022
Focusing on the degree of continuous participation in vocational education and the typical characteristics of vocational education, this paper systematically studies the evolution mechanism of behavior motivation of continuous participation in MOOC online learning, and constructs the influencing factor model of continuous participation in MOOC online learning. The empirical results show that perceived usefulness, perceived ease of use, expectation confirmation, and satisfaction are the core factors that affect the continuous participation of MOOC, and have a significant positive impact on the intention of continuous participation. Intrinsic motivation has a significant positive impact on the intention to continue to participate in MOOC, but has no significant impact on learning satisfaction. Perceived entertainment has a significant positive impact on satisfaction, and has an indirect positive impact on the intention of continuous participation. Based on this, this paper proposes the optimization countermeasures for the construction and maintenance of online learning MOOC in vocational education from three aspects: the construction of vocational education MOOC platform, MOOC curriculum design, and MOOC curriculum maintenance.
Keywords:MOOC, Vocational Education, Online Course Construction and Maintenance, Continuous Participation
Copyright © 2022 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
MOOC作为职业教育的主要形式,突破了学习时间和学习空间的限制,重塑了一个开放、共建、共享的职业教育线上生态系统。现有文献关于MOOC在职业教育中的职能定位、体系建立、课程建设等方面开展了比较丰富的研究,但主要集中在MOOC“怎么建”、“建什么”问题上,课程建成后如何维护,如何具有吸引力,持续保持MOOC课程的活力,如何使MOOC的教育方式在职业教育实践中脱颖而出的相关研究内容较少。通过调查发现,很多职业教育学习者对MOOC参与积极性不高、动力不足,尤其是不能保证持续参与度,出现了大量“辍课”(选课后搁置未能最终完成学习)的现象。如何建设与维护课程,从而降低MOOC学习“辍课率”,是目前职业教育亟待解决的问题。以某职业教育MOOC课程为例,该课程于2020年10月制作完毕并在某MOOC课程平台上线试运行,后台课程数据显示,课程拥有较高的总体满意度。但是,数据也显示,学习人员选课但未能完成结业的人数占总选课人数的45.72%;在未结业人员中,有占总选课人数27.13%的学习者选课后未完整观看任何一个知识点视频。虽然MOOC课程学习的参与程度和持续程度带有很强的主观性,但从MOOC课程建设和运维者角度来看,如何加强选课人员的持续学习仍然是非常重要的,这不仅需要将课程建优,同时,也要采取必要的激励措施,以“外加力”的形式增强在线课程学习成效。
职业教育MOOC课程的建设与运行是一项系统工程,需要在软硬件、人力等方面进行投入。建设一门高质量职业教育MOOC课程平均需耗资达25万元以上;就人力资源投入而言,教师团队及技术人员平均在8~9人左右;一门职业教育MOOC课程建设耗时平均在半年以上。如此高成本的在线课程能否实现其预期的职业教育价值,则要取决于学习者的参与和使用情况。职业教育MOOC课程面临学习者回头率低的问题,因而如何降低学习者流失率、引导其产生持续学习意向,对于职业教育MOOC课程发展及其价值的实现具有重要意义。
本文的研究意义主要体现在:着眼于促进学习者在学习职业教育MOOC课程时由“不能持续参与”转化为“能够持续参与”,系统研究职业教育MOOC课程建设与运维对策;为学习人员提供便捷化检索、多样化资源、个性化服务,加强与学习人员沟通交流与互动,制定各类激励措施,积极引导学习人员持续学习;从而提升学习者自主持续参与职业教育的积极性和学习效率,提高职业教育MOOC课程学习完成率,提升职业教育效果,为其他职业教育MOOC课程的建设与维护提供借鉴。
研究学习者持续参与职业教育MOOC课程行为动机演变机制需要调查学习者学习情况,例如学习者在参与职业教育MOOC课程中为什么会中途退出,什么时间、什么内容、什么因素是学习者中途退出的原因等。动机必然影响行为,从学习者学习的动机出发,本文探究其持续参与职业教育MOOC课程的动机演变机制,从而找出影响其持续参与的关键因素。
国内有学者对职业教育MOOC课程学习的动机进行了研究与探讨,但学者们大多是从阶段性数据量化研究学习者的参与行为,阶段性数据只能反映学习者学习的静态情况,不能动态监测其持续参与的动机与行为,也无法有效地解释为什么有的学习者能持续参与,而有的学习者不能持续参与进而发生“辍课”行为。本研究采用扎根理论方法对职业教育MOOC课程持续参与行为进行剖析,提炼影响学习者持续参与的关键因素。职业教育MOOC课程持续参与行为的原始资料采用访谈的方式获得,为保证数据的有效性,研究对象选择持续参与过职业教育MOOC课程的个体。访谈内容设计如下:1) 您在持续参与过的职业教育MOOC课程中,哪门课印象最深?2) 开始选择这门课的原因是什么?3) 在这门课的学习过程中,您持续参与的原因是什么?4) 在这门课的学习后期,影响您参与的主要原因是什么?5) 这门课学习完成后,您最大的收获是什么?最终获得28份访谈资料。访谈结束后,按照扎根理论的程序逐层进行概念和范畴的归纳与构建。
研究人员对访谈资料进行整理,抽取有效信息进行概念化,通过比较找出概念之间的逻辑关系。为了便于后续概念聚拢,先将职业教育MOOC课程持续参与行为的学习动机分为四个阶段:学习初始阶段、学习逗留阶段、学习持续阶段、学习完成阶段。初始阶段是指学习者在初始选择课程的时期;逗留阶段是指学习了一段时间后的时期;持续阶段是指学习的后期;完成阶段是指已经完成课程的学习时期。按持续参与学习的阶段进行概念聚拢,进行第一次概念范畴化,形成初始范畴,结果如表1。
阶段 | 范畴 |
---|---|
学习初始阶段 | 课程内容感兴趣、提升专业能力、开课学校及老师的影响力、拓展知识面、他人推荐、工作需要、课程介绍有趣 |
学习逗留阶段 | 感兴趣、教员讲得生动有趣、能学到知识、课程内容有趣、教员互动、同伴交流 |
学习持续阶段 | 感兴趣、拿证书、考虑已付出,想坚持到底、学习需要 |
学习完成阶段 | 获得证书、能力提高、个人成就感 |
表1. 初始范畴
根据初始范畴之间的内在联系,对初始范畴进行提炼、聚合,形成内涵更丰富、更具有代表性的主范畴,如表2。
阶段 | 主范畴 | 初始范畴 |
---|---|---|
初始参与动机 | 内在兴趣动机 | 课程内容感兴趣 |
工具性动机 | 提升专业能力 | |
拓展知识面 | ||
工作需要 | ||
外部情境因素 | 开课学校及老师的影响力 | |
他人推荐 | ||
课程介绍有趣 | ||
逗留参与动机 | 内在兴趣动机 | 感兴趣 |
工具性动机 | 能学到知识 | |
娱乐性动机 | 教员讲得生动有趣 | |
课程内容有趣 | ||
社会交往动机 | 教员互动 | |
同伴交流 | ||
持续参与动机 | 内在兴趣动机 | 感兴趣 |
能力成就动机 | 拿证书 | |
考虑已付出,想坚持到底 | ||
心理需要 | 学习需要 | |
参与结束收获 | 显性收获 | 获得证书 |
隐形收获 | 能力提高 | |
个人成就感 |
表2. 主范畴
根据主范畴以及原始访谈资料,总结出学习者持续参与职业教育MOOC课程的动机演变机制,如图1所示。
初始参与动机是学习者决定加入职业教育MOOC课程学习的动机,该阶段学习者主要受个人兴趣、他人推荐以及工具性动机等影响。随着学习的深入,学习者对课程有了一定的了解,进入到逗留阶段,能否继续留下来学习,主要受工具性动机、娱乐性动机,社会交往动机的影响,MOOC教师讲得生动有趣、师生互动可能会给学习者留下学习的动力。到课程后期,学习者学习能否持续到课程结束,完成最后的课程学习,主要受能力成就动机和心理需要影响。完成课程的学习后可以收获证书、能力提升和个人成就感。通过学习者持续参与职业教育MOOC课程的动机演变机制发现,内在兴趣动机是贯穿始终的。随着课程参与度持续深入,动机处于不断内化的过程。最初学习者在职业教育平台选课时除了受内在兴趣影响,还受工具性动机、外部情境因素的影响。随着课程学习,学习者的工具性动机不断弱化,娱乐性动机、师生互动等社会交往动机维持着职业教育的参与行为。最终,学习者持续完成学习主要受能力成就动机和心理需要影响,是自我实现需要的表现。
图1. 学习者持续参与职业教育的动机演变机制
研究人员以期望确认模型(Expcetation-Confirmation Model, ECM)建立模型基本框架。该模型是目前研究用户持续使用信息系统最常用的理论模型 [
在考虑期望确认模型的基础上,同时引入技术接受模型、自我决定理论和感知娱乐理论的一些观点。技术接受模型(Technology Acceptance Model, TAM)主要用于衡量用户对信息系统的接受程度,职业教育的使用者主要是各类型学习者群体,他们对职业教育MOOC课程平台的接受程度适用于技术接受模型。该模型在信息系统的质量评价上被广泛应用,强调了感知有用性和感知易用性,并指出二者是影响信息系统接受程度的两个决定因素 [
基于上述模型和相关理论,构建学习者持续参与职业教育学习的影响因素模型,如图2所示。
图2. 学习者持续参与职业教育MOOC课程影响因素模型
1) 期望确认
职业教育具有很强的强制参与性,被纳入学习者军事训练考核成绩计取。但有研究表明,合理的“限制学习者自由”也具有一定的优点,只要有效地控制学习人员的“心里抗拒感”,就能够发挥“限制力”在学习中的作用 [
H1a:学习者参与职业教育MOOC课程时的期望确认水平对感知有用性有显著的正向影响。
H1b:学习者参与职业教育MOOC课程时的期望确认水平对满意度有显著的正向影响。
H1c:学习者参与职业教育MOOC课程时的期望确认水平对感知易用性有显著的正向影响。
2) 感知有用性
学习者对慕课在线学习的总体归因有明显倾向性 [
H2a:学习者参与职业教育MOOC课程时的感知有用性对满意度有显著的正向影响。
H2b:学习者参与职业教育MOOC课程时的感知有用性对持续参与意向有显著的正向影响。
3) 感知易用性
个体感知高度依赖个体与个体、个体与系统(组织)的互动 [
H3:学习者参与职业教育MOOC课程时的感知易用性对满意度有显著的正向影响。
4) 内在动机
内在动机作为对从事某项活动完全由自身对该活动的兴趣或信念获得激发,是行为出于对事物本身价值的重视 [
H4a:学习者参与职业教育MOOC课程时的内在动机对满意度有显著的正向影响。
H4b:学习者参与职业教育MOOC课程时的内在动机对持续参与意向有显著的正向影响。
5) 感知娱乐性
感知娱乐性是用户在参与过程中感到愉悦、有趣。一些学者通过研究发现慕课的感知娱乐性依靠学习过程来体现,尤其是伴随着学习人员学习能力的动态演变 [
H5a:学习者参与职业教育MOOC课程时的感知娱乐性对满意度有显著的正向影响。
H5b:学习者参与职业教育MOOC课程时的感知娱乐性对持续参与意向有显著的正向影响。
6) 满意度
赢得学习者满意是实现在线开放课程质量提升的重要前提 [
H6:学习者参与职业教育MOOC课程后的满意度对持续参与意愿有显著的正向影响。
1) 调查问卷设计
本研究通过问卷调查的方式收集数据。首先设置测量量表,采用文献提取和自主设计的方法。通过阅读大量文献,借鉴已有持续参与的相关研究量表设计,提取可使用的题目,对部分题目进行调整。为满足研究目的,又自行添加部分题目。测量问项如下表3。测量表采用李克特五级评分法,在非常同意、同意、一般、不同意、非常不同意中进行选择。
潜在变量 | 编码 | 问题项 |
---|---|---|
期望确认 | CF1 | 我参与职业教育MOOC课程学习的经历比我预期的要好 |
CF2 | 职业教育MOOC课程学习提供的服务比我预期的要好 | |
CF3 | 职业教育MOOC课程平台及课程基本能满足我的需求 | |
感知有用性 | PU1 | 参与职业教育MOOC课程学习可以提高我的学习绩效 |
PU2 | 参与职业教育MOOC课程学习可以提高我的学习效率 | |
PU3 | 职业教育MOOC课程学习对我而言是有用的 | |
感知易用性 | PEU1 | 我已有的知识基础、个人能力等能够支撑我参与职业教育MOOC课程学习 |
PEU2 | 参与职业教育MOOC课程学习需要的技术设备、网络环境等我都具备 | |
PEU3 | 参与职业教育MOOC课程学习时,老师的资料更新等对我很重要 | |
内在动机 | IM1 | 我参与职业教育MOOC课程学习是因为兴趣 |
IM2 | 参与职业教育MOOC课程学习,我感到很满足很享受 | |
IM3 | 我觉得我有能力用好职业教育MOOC课程 | |
IM4 | 参与职业教育MOOC课程学习让我有成就感 | |
感知娱乐性 | PE1 | 职业教育MOOC课程学习能让我心情故松,愉悦地投入学习 |
PE2 | 我很享受职业教育MOOC课程学习的时光,觉得时间过得很快 | |
PE3 | 我觉得职业教育MOOC课程内容有趣 | |
PE4 | 参与职业教育MOOC课程学习对我来说是件有意思的事情 | |
满意度 | SA1 | 我对自己参与职业教育MOOC课程在线学习的决策感到满意 |
SA2 | 我参与职业教育MOOC课程在线学习的经历是愉快的 | |
SA3 | 我对参与职业教育MOOC课程在线学习感到满意 | |
持续参与意向 | CI1 | 我有意愿从头到尾持续参与某一门职业教育MOOC课程的学习 |
CI2 | 我经常通过职业教育MOOC课程方式学习各类所需知识 | |
CI3 | 我将来定期使用职业教育MOOC课程方式学习 |
表3. 测量问题项
2) 数据收集
本研究的研究对象是具有职业教育MOOC课程参与经验的学习者。邀请了200名学习者参加调查问卷,剔除随意答题和有缺失值等无效问卷。最终保留有效问卷175份,有效率为87.5%。
1) 描述性统计分析
175份有效样本中,描述性统计分析详见下表4。
项目 | 选项 | 人数 | 百分比(%) |
---|---|---|---|
性别 | 男 | 149 | 85.1 |
女 | 26 | 14.9 | |
年龄 | 22岁以下(含22) | 92 | 52.6 |
22~30岁(含30,不含22) | 70 | 40.0 | |
30~40岁(含40,不含30) | 9 | 5.1 | |
40岁以上 | 4 | 2.3 | |
身份 | 1 | 27 | 15.4 |
2 | 6 | 3.4 | |
3 | 1 | 0.6 | |
4 | 7 | 4.0 | |
5 | 93 | 53.1 | |
6 | 1 | 0.6 | |
7 | 40 | 22.9 | |
学历 | 高中及以下 | 66 | 37.7 |
中专 | 8 | 4.6 | |
大专 | 50 | 28.6 | |
本科 | 39 | 22.3 | |
硕士 | 9 | 5.1 | |
博士 | 3 | 1.7 | |
总计 | 175 | 100.0 |
表4. 描述性统计分析
2) 问卷的信度和效度分析
本文对量表的信度和效度进行检验。信度使用克隆巴赫系数( Cronbach’s alpha)、组合信度(Composite Reliability,简称CR)来判断。Cronbach’s α系数大于0.8表示该量表的信度非常好;Cronbach’s α系数大于0.7可以接受;Cronbach’s α系数大于0.6表示该量表应进行修订,但仍不失其价值。如果低于0.6,表示该量表应该重新设计。表5为本文量表的信度检验,期望确认、感知有用性、感知易用性、感知娱乐性、内在动机、满意度和持续参与意向Cronbach’s α系数均大于0.7,可以接受。
当用因子分析检验效度时,首先需要满足因子分析的前提条件,即问题项之间具有较强的相关性,这反映在两个检验指标上:KMO值和Bartlett球形检验值。其中,KMO值用于比较问题项间简单相关和偏相关系数,取值在0到1之间。是否适合做因子分析的标准为:大于0.9,非常适合;0.7~0.9之间,适合;0.6~0.7之间,较为适合;0.6~0.5之间,不太适合;0.5以下,放弃。Bartlett球形检验值用以检验问题项间相关系数是否显著,如果显著(即sig. < 0.05),则适合做因子分析。本研究效度采用SPSS进行检验,KMO = 0.959,显著性为0.000,说明本研究设置的问题项非常适合做因子分析。使用AMOS对模型进行验证性因子分析,得到各测量变量的因子载荷均大于0.5,说明问卷收敛效度良好。
潜在变量 | 编码 | 均值 | 方差 | 因子载荷 | 信度系数 | 测量误差 | 组合信度 |
---|---|---|---|---|---|---|---|
期望确认 | CF1 | 3.96 | 1.05 | 0.93 | 0.86 | 0.14 | 0.84 |
CF2 | 4.07 | 1.01 | 0.92 | 0.84 | 0.16 | ||
CF3 | 4.15 | 0.97 | 0.89 | 0.80 | 0.20 | ||
感知有用性 | PU1 | 4.07 | 1.00 | 0.94 | 0.88 | 0.12 | 0.84 |
PU2 | 3.98 | 0.99 | 0.92 | 0.85 | 0.15 | ||
PU3 | 4.14 | 0.97 | 0.89 | 0.79 | 0.21 | ||
感知易用性 | PEU3 | 4.10 | 0.95 | 0.89 | 0.79 | 0.21 | 0.73 |
PEU2 | 3.90 | 1.14 | 0.80 | 0.63 | 0.37 | ||
PEU1 | 4.14 | 0.93 | 0.87 | 0.76 | 0.24 | ||
内在动机 | IM3 | 3.84 | 1.15 | 0.85 | 0.72 | 0.28 | 0.80 |
IM2 | 3.97 | 1.02 | 0.96 | 0.93 | 0.07 | ||
IM1 | 4.08 | 1.07 | 0.87 | 0.76 | 0.24 | ||
IM4 | 4.05 | 1.07 | 0.88 | 0.77 | 0.23 | ||
感知娱乐性 | PE4 | 3.98 | 1.06 | 0.93 | 0.87 | 0.13 | 0.88 |
PE3 | 3.95 | 1.08 | 0.93 | 0.86 | 0.14 | ||
PE2 | 4.07 | 0.99 | 0.94 | 0.89 | 0.11 | ||
PE1 | 4.04 | 1.00 | 0.96 | 0.92 | 0.08 | ||
满意度 | SA1 | 3.99 | 0.98 | 0.93 | 0.86 | 0.14 | 0.85 |
SA2 | 3.97 | 1.02 | 0.92 | 0.85 | 0.15 | ||
SA3 | 4.10 | 0.97 | 0.92 | 0.85 | 0.15 | ||
持续参与意向 | CI1 | 4.12 | 1.02 | 0.88 | 0.78 | 0.22 | 0.78 |
CI2 | 3.89 | 1.11 | 0.94 | 0.89 | 0.11 | ||
CI3 | 4.02 | 0.99 | 0.82 | 0.66 | 0.34 |
表5. 问卷的信度和效度
3) 模型验证
结构方程模型(Structural Equation Modeling, SEM)是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量,也可能包含无法直接观测的潜在变量,可清晰分析单项指标对总体的作用和单项指标间的相互关系。
本文采用Amos为研究工具,提出了如图3的结构方程模型。其中,期望确认、感知有用性、感知易用性、内在动机、感知娱乐性、满意度、持续参与意向为潜在变量,CF1、CF2、CF3、PU1、PU2、PU3、PEU1、PEU2、PEU3、IM1、IM2、IM3、IM4、PE1、PE2、PE3、PE4、SA1、SA2、SA3、CI1、CI2、CI3为观察变量,e1~e30为误差变量。研究模型图中,每个潜在变量的测量指标中设定一个测量指标的路径系数默认值为1。模型中的单向箭头表示线性因果关系,关系的强弱用路径系数的大小表示。
图3. 结构方程模型
模型整体拟合度评估指标包括卡方值(CMIN)、卡方自由度比(CMIN/DF)、RMR、SRMR、RMSEA、GFI、AGFI、AIC、BIC等。卡方值的大小表示整体模型包含的变量相关关系矩阵(因果路径图)与实际资料的相关关系矩阵的拟合度。卡方值越小,表示两者差异越小,即差异越不显著(p < 0.05),卡方值等于0,表示假设模型与实际数据完全适配。GFI (Goodness of Fit Index),即拟合度指数,其与上述卡方类似,会受到自由度的影响。GFI最大为1,其数值越大,表示模型与实际中的矩阵越接近,即拟合程度越高;反之则说明拟合程度越低。GFI大于0.9时,可以认为模型拟合程度较理想。RMSEA (Root Mean Square Error of Approximation),即近似均方根误差,其代表渐近残差平方和的平方根。同样的,其越小越好,最小为0;若其小于0.05 (也有认为小于0.10),则说明模型拟合程度可以接受;大于0.10,则说明模型拟合程度不佳。NFI (Normed Fit Index),即规范拟合指数,其数值处于0到1之间,越接近1,表明模型拟合程度越高,其大于0.9时,认为模型拟合程度可以接受。CFI (Comparative Fit Index),即比较拟合指数,其数值处于0到1之间,越接近1,表明模型拟合程度越高,其大于0.9时,认为模型拟合程度可以接受。本研究的模型拟合指数如表6。
假设模型拟合指数 | 评价标准 | 实测值 | |
---|---|---|---|
可接受 | 良好 | ||
CMIN/DF (卡方与自由度之比) | (0, 3) | <2 | 2.76 |
GFI (拟合优度指数) | (0.7, 0.9) | >0.9 | 0.89 |
RMSEA (近视误差均方根) | <0.09 | <0.06 | 0.073 |
NFI (规范拟合指数) | (0.7, 0.9) | >0.9 | 0.92 |
CFI (模型比较适合度) | (0.7, 0.9) | >0.9 | 0.93 |
表6. 模型拟合指数
由于模型适配情况良好,本研究进一步对模型中各路径系数及其显著性进行检验。一般使用参数差异临界比率值(C.R.值)来判别回归系数是否显著。当C.R.的绝对值>1.98时,则可解释为“在0.05的显著水平下,有显著性差异”。另外标准化路径系数必须在−1和1之间,否则认为这条路径不成立。本研究结构方程模型中明显不成立的路径见表7。
序号 | 路径 | Estimate | S.E. | C.R. | P | 对应假设 | 结果 | ||
---|---|---|---|---|---|---|---|---|---|
1 | 满意度 | ← | 内在动机 | 0.216 | 0.169 | 1.277 | 0.202 | H4a | 不成立 |
2 | 持续参与意向 | ← | 感知娱乐性 | −1.971 | 0.329 | −5.982 | *** | H5b | 不成立 |
表7. 假设模型参数估计值及检验结果(不成立部分)
内在动机对满意度没有显著影响,对持续参与有显著影响关系。内在动机是学习者由于自己的内驱力、兴趣、爱好而采取的行为,可能不依赖于对平台或课程的满意度,而是直接对持续参与意向有显著影响关系。
感知娱乐性对持续参与意向并没有直接的显著的正向影响,对满意度有显著的正向影响。感知娱乐性让学习者感到有趣,可能先对课程或平台产生满意,进而对持续参与意向产生间接影响。
为了让每个参与都能更好地解释理论模型,以及模型拟合度达到要求,本研究对模型进行修正。一方面,删除表7中明显不成立的两条路径,另一方面,参考AMOS软件提供的修正指标MI来修正。修正后重新进行模型拟合度的检验和参数估计,结果如表8和表9所示。
假设模型拟合指数 | 评价标准 | 实测值 | |
---|---|---|---|
可接受 | 良好 | ||
CMIN/DF (卡方与自由度之比) | (0, 3) | <2 | 2.89 |
GFI (拟合优度指数) | (0.7, 0.9) | >0.9 | 0.91 |
RMSEA (近视误差均方根) | <0.09 | <0.06 | 0.062 |
NFI (规范拟合指数) | (0.7, 0.9) | >0.9 | 0.93 |
CFI (模型比较适合度) | (0.7, 0.9) | >0.9 | 0.96 |
表8. 修正后模型拟合指数
序号 | 路径 | Estimate | S.E. | C.R. | P | 对应假设 | 结果 | ||
---|---|---|---|---|---|---|---|---|---|
1 | 感知有用性 | ← | 期望确认 | 0.938 | 0.047 | 9.923 | *** | H1a | 成立 |
2 | 感知易用性 | ← | 期望确认 | 0.679 | 0.056 | 2.098 | *** | H1c | 成立 |
3 | 满意度 | ← | 期望确认 | 0.37 | 0.297 | 1.244 | 0.003 | H1b | 成立 |
4 | 满意度 | ← | 感知有用性 | 0.401 | 0.3 | 1.339 | *** | H2a | 成立 |
5 | 满意度 | ← | 感知易用性 | 0.35 | 0.071 | 4.941 | *** | H3 | 成立 |
6 | 满意度 | ← | 感知娱乐性 | 0.76 | 0.04 | 9.117 | *** | H5a | 成立 |
7 | 持续参与意向 | ← | 满意度 | 0.772 | 0.07 | 1.002 | *** | H6 | 成立 |
8 | 持续参与意向 | ← | 感知有用性 | 0.263 | 0.113 | 0.562 | *** | H2b | 成立 |
9 | 持续参与意向 | ← | 内在动机 | 0.75 | 0.038 | 1.989 | 0.002 | H4b | 成立 |
表9. 修正模型参数估计值及检验结果
注:在0.1%的置信区间上显著(P < 0.001)表示为***,在1%的置信区间上显著(P < 0.01)表示为**,在10%的置信区间上显著(P < 0.1)表示为*。
修正后的模型拟合结果比之前的拟合效果好,实测数据均符合要求,模型是可以接受的,所有假设都通过了检验。通过上述模型验证,得到了以下结论:第一,经典期望确认模型中的感知有用性、期望确认、满意度仍是影响学习者持续参与的核心因素,对持续参与意向有显著的正向影响。第二,感知易用性对持续参与意向有显著的正向影响。第三,内在动机对持续参与意向有显著的正向影响,对满意度没有明显的影响关系。第四,感知娱乐性对满意度有显著的正向影响,对持续参与意向有间接的正向影响。
职业教育MOOC课程多是强约束下任务式学习,学习者多以非正式学习为主,仅仅通过工具性动机的驱动,难以使学习者持续参与。参考学习者持续参与职业教育影响因素模型中感知有用性、感知易用性、内在动机及感知娱乐性对学习者持续参与的直接和间接影响,吸引和激励学习者持续参与显得更为关键。本研究从这几个影响因素出发,对平台建设、课程设计和课程维护方面提出优化对策。
一是注重职业教育平台基础建设。感知易用性对学习者持续参与有显著的正向影响。平台的基础建设影响着学习者的学习效率和积极性。网络质量方面,链接要简易,层级不要多,网络要稳定,视频要清晰,浏览要顺畅,以满足学习者学习要求。在UI设计方面,界面要友好,导航要清晰、布局要合理,功能模块要清晰、易操作。此外,可以提供一定的技术支持服务,如果学习者在学习时遇到平台操作问题,可以寻求帮助,避免造成学习障碍。二是丰富在线课程交互性功能设计。目前,职业教育平台的基本功能包括课程公告、视频、作业、考试、讨论区和学习资料等。感知娱乐性对学习者持续参与有着显著的正向影响。学习者之间的交互、学习者与教员之间的交互会增强学习者的感知娱乐性,进而产生持续参与意向。因此,平台建设应合理规划交互模块,除了课程设有讨论区可以解答课程相关问题外,还可以添加论坛功能,让学习者有学习交流互动的平台。
一是以需求为牵引。感知有用性、内在动机都对持续参与有显著影响。职业教育的建设除了为部队服务、完成教学任务外,还应该以人才培养方案为基础,充分考虑军队人才特点,结合学习者军事发展诉求,注重需求,提升学习者的持续学习意愿。因此,在课程设计时,通过收集学习者先前知识水平和学习需求,给学习者推送合理的课程资源等,帮助学习者更好地完成学习任务,提高学习者的持续学习意愿。二是设计合理的交互活动。感知娱乐性对学习者持续参与有显著的正向影响。有趣的课程设计、交流互动可以增加学习者的感知娱乐性。教员是学习者在线学习的引导者和组织者,在课程设计时,就要根据课程的定位,形成符合课程特点的设计方案,确定适合本课程的制作风格。有些课程理论内容多一些(人文社科类),就要尽量设计成TED演讲风格、讲座分享风格、百家讲坛风格、交流访谈风格等,设计中多穿插视频,多进行动画设计,丰富课程的表现形式;有些课程实际操作多一些(技术类),就要尽量设计成现实演示风格、模拟场景风格、虚拟交互风格等,多安排实拍视频;有的课程计算推倒多一些(理工类),就要尽量设计成板书推演风格、古典带入风格、动态图标风格、虚拟教室风格等。在开设课程期间,需要及时在讨论区建立与课程内容相关的话题讨论,回复学习者遇到的问题,对学习者的作业、讨论等及时给出反馈与评价,使学习者获得融入感、参与感、归属感,进而提高学习者的持续学习意愿。三是注重结果认证机制。期望确认对持续参与有显著的正向影响。选择在线学习方式的学习者,一般都带有一定的功利性和目的性,因此,要注重对学习结果的激励与认证。课程证书或课程结果激励对学习者持续参与起着重要作用。
一是注重论坛维护。及时有效的论坛反馈,可以提高学习者的期望确认度、增强交互体验感,提升感知娱乐性。因此,课程团队应安排时间充足、经验丰富的团队人员进行论坛维护,重视学习者的提问,及时给予反馈,提供完善的服务。让学习者有归属感,不会轻易辍课,进而提高学习者的持续学习意愿。二是丰富课程资料。研究发现,由于学习者的层次、知识经验水平、专业背景不同,职业教育MOOC课程很难满足所有人的需求。因此,课程团队应根据学习者的学习时间、作业等,为学习者提出合理的学习建议,及时提供丰富的课程补充资料,使学习者更好地理解学习内容,满足更多学习者的需要,激发学习者对课程的兴趣,帮助学习者完善自己的知识体系。
乔 宁,孙雷霆,单文宣. MOOC持续参与动机演变机制与影响因素研究Study on the Evolution Mechanism and Influencing Factors of MOOC Motivation for Continuous Participation[J]. 职业教育, 2022, 11(06): 566-580. https://doi.org/10.12677/VE.2022.116088