《Blackboard平台在线学习影响因素分析-基于科技接受度模型_1》由会员分享，可在线阅读，更多相关《Blackboard平台在线学习影响因素分析-基于科技接受度模型_1（8页珍藏版）》请在金锄头文库上搜索。
1、 Blackboard平台在线学习影响因素分析基于科技接受度模型 摘要：本研究以某高校展开Blackboard平台在线学习实践的学习者为研究对象，使用问卷调查数据分析的方法，探索了在线学习满意效果的影响因素，得出Blackboard平台学生参与活动较为单一、学习时间与满意度正相关等结论。并基于科技接受度模型理论，从促进Blackboard平台在线学习有用性和易用性的角度提出了相应的策略建议。关键词：科技接受度模型，Blackboard平台，在线学习一、研究背景2012年高等教育版的地平线报告指出：未来五年中，人们期望能够按照自己的意愿在任何时间、任何地点从事工作、学习和研究。2014年报告中再
2、次指出：教育范式正在向包含更多的在线学习、混合式学习和协作学习的方向转移。1较之于如火如荼的社会化大趋势，从事教学一线的教师与学生，需要迅速的调整各自的教与学方式，尽快的适应在线学习以及混合式学习的特征。本研究借助于笔者所在高校推行基于Blackboard平台（以下简称BB平台）进行在线学习的浪潮，结合个人教学实践，核心探究这一教改过程中可能存在的影响因素有哪些？从而为进一步提升在线学习、混合式学习提供有效的策略建议。二、研究设计1.理论基础任何新事物在普及和推广的过程中都会受到阻碍和质疑，以BB平台在线学习为例的推广亦是如此。很对学者对人们接受科技的心理变化做了探究，科技接受模型（techn
3、ology acceptance model，TAM）就是其中影响最为广泛的理论之一。TAM模型由Davis于1986年在其博士论文中首次提出。以理性行为理论（theory of reasoned action，TRA）为理论基础，同时吸收了期望理论模型、自我效能理论等相关理论中的合理内核。如图1所示，TAM模型指出用户对某个技术的应用现状由他的行为意愿所影响，而行为意愿又由使用态度所决定，使用态度由两个因素构成：感知有用性和感知易用性，这一切，则来自于外部变量的影响。2.研究方法目前有关数据挖掘的定义有很多，目前一种比较公认的定义是：数据挖掘（Data Mining，DM）就是从大型数据库的
4、数据中提取人们感兴趣的知识。3它是在没有明确假设的前提下去挖掘信息、发现知识，从大量的、不完全的、模糊的、实际应用数据中，提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。统计学的方法是数据挖掘的经典方法，具体包括回归分析、判别分析、聚类分析、因子分析等。4本文以西部某高校为例，针对该校学生基于BB平台进行在线学习的情况进行抽样调查，从调查问卷的数据中基于数据挖掘技术，核心采用统计学分析方法，进行系统分析，基于SPSS19.0进行数据分析。目的在于探究影响在线学习的核心障碍因素，并提出操作性的策略建议。3.研究对象（1）问卷介绍关于BB平台在线学习的影响因素分析，在问卷编
5、制过程中需要有理论性的依据进行可能性分类，本研究参考TAM模型所提出的感知有用性和感知易用性要素，结合Lin Y.Muilenburga和Zane L. Berge等曾经将学习者在线学习障碍因素归结为行政问题、社会交往、学术能力、技术能力、学习者动机、学习时间、学习支持、花费和接触网络的难易程度、技术问题、在线学习技能、学习兴趣、选修在线学习课程的数量等方面因素5，以及赵国栋，原帅将混合式学习影响因素分为学生特点、教师特点、课程特点、系统特点等几个方面进行调研6的相关研究，初步将问卷中可能对BB平台在线学习产生影响的因素参考以上纬度分类进行了23道问题编制。（2）研究信效度介绍针对BB平台在线
6、学习满意度和影响因素归因问题的题项，采用了里克特五点记分测量的方式进行，并对于问卷可靠性进行了检测，克隆巴特系数（Cronbachs Alpha）为0.823高于临界值0.6，表明问卷调研具有较好的可信度。问卷调研之外，对于部分学生和任何教师进行了访谈作为补充数据。同时选取了问卷调研中具有特殊性的课程进行了课堂观察。通过三角互证的方法有效保障了研究的效度。（3）调研对象介绍本研究选择西部某高校所有参与过BB平台在线学习的学生为调研对象，以随机抽样的方式发放问卷200份，约占学校所有参与过BB平台学习学生总数的30%。其中有效问卷为198份，有效率为99%。其中女生问卷123份，占总问卷的62.
7、12%，男生问卷75，占总问卷的37.88%；包含了教育技术学、英语、口腔医学三个专业，问卷比例分别为39.9%、31.8%、28.3%；调研学生涵盖大学本科二年级到四年级，所占比例分别为15.7%、46.0%、38.4%；由于调研学校属于民族院校，因此学生构成比例民族特性多样化，问卷选择了该校民族人数构成较多的汉族、回族、维吾尔族、蒙古族、藏族作为选择类题项，所占比例分别为42.9%，21.2%，5.1%，4.0%，4.0%，其他民族作为填写类题项，占总问卷的22.7%，调研范围共涵盖了14个以上的民族。三、研究过程1.平台满意度现状分析（1）学生对BB平台满意度现状分析在根据里克特五点记分
8、法进行一些列满意相关度问卷进行调研后，通过描述性统计分析得出，对于BB平台在线学习效果的满意度均值为3.2503。这表明整体而言学生对于BB平台在线学习情况较为满意。（2）学生接触BB平台时间段分析通过调研了解到，在平台上开设课程在2门以内的统计量个体达到了问卷总量的84.8%，开设3门课的有9.1%，开设四门课的有3.5%，开设5门课的学生占问卷总数的2.5%。此外，有80.8%的学生接触BB平台在线学习的时间只有一个学期，超过一年的学生只占总问卷的7.1%。这表明基于BB平台在线学习的学生大多属于初次接触在线学习的阶段。（3）BB平台满意度在学习者不同群体间的差异性检验研究通过独立样本T检
9、验的方法对于不同性别的学生于平台的满意度做了差异性分析，差异性系数为0.4470.05，表明不同性别的学生对于BB平台在线学习满意度差异并不显著；针对不同民族的学生，单因素方差分析结果组间差异性系数为0.6760.05，表明不同民族的学生对于BB平台在线学习满意度差异并不显著；同样，针对不同年级的学生，单因素方差分析结果组间差异性系数为0.0920.05，同样表明不同年级的学生对于BB平台在线学习满意度差异并不显著。（4）学生对BB平台模块满意度分析BB平台系统的呈现内容区，教师可以根据自己的需求新建内容模块，此外，平台提供了许多自嵌的教学功能模块如讨论区、作业提交、博客、Wiki等供教师选择
10、应用。本研究对象所在的学校管理部门，为了引导教师对于BB平台的完善适用，设置了教学模块基本内容框架，具体包括：教学大纲、教学内容、教学计划、课程介绍、教学视频等一系列的平台课程建设框架，笔者在前期访谈的基础上，选择了一些教师普遍应用的教学模块进行满意度分析，表明教学视频、讨论区、教学内容（及课件）三个模块成为学生最受欢迎的模块内容。（5）登陆平台时间与平台满意度相关分析关于学生每周登陆平台的时间，笔者设置了每周登陆1小时以内、登陆1-3小时、登陆3-7小时、登陆7-14小时四个选项，频数分析结果表明：45.5%的学生每周登陆平台的时间不足一小时，41.9%的学生登陆时间在1-3小时内；只有12
11、.6%的学生登陆平台的时间超过了3小时。针对登陆平台学习的时间，和对BB平台在线学习满意度之间的关系，笔者做了Pearson相关分析，结果如图2所示，统计检验对的显著性系数为0.0000.01，相关系数为0.263，表明登陆平台学习的时间，与对平台的满意度成正相关。进一步通过方差分析表明，不同登陆时间段的学生，对于平台满意度组间差异性系数为0.0000.05，表明组间差异较大。描述性分析表明，周平均登陆1小时内的学生满意度均值为3.1293，周登陆时间平均1-3小时的，满意度均值为3.3169，周登陆时间平均3-7小时的，满意度均值为3.3736，周登陆时间平均7-14小时的，满意度均值为4.
12、13。（6）在线学习活动分布描述性分析基于学生登陆BB平台的主要活动，主要通过开放式调研的方式收集了学生数据。笔者做了词频归类的频数分析，结果表明67.7%的学生登陆平台的主要活动是提交教师布置的作业；16.2%的学生主要活动是参与浏览在线讨论；10.6%的学生主要活动是观看教师上传的教学视频；只有5.6%的学生主要活动是浏览与课程相关的教学资源。2.BB平台在线学习满意度影响因素归因分析对于可能影响BB平台在线学习因素的归因分析，笔者采用因子分析进行处理。所谓因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少的几个因子反映原始资料的大部分信息的统计学方法。7在本研究中，期望通过
13、因子分析的方法，对于可能影响BB平台在线学习的因素进行归类，从而形成有代表性的影响因素。因子分析有两个核心问题，一是如何构造因子变量；二是如何对因子变量进行命名解释，因此因子分析包含四个基本步骤：确定待分析的若干变量是否适合做因子分析；构造因子变量；利用旋转使得因子变量更具有可解释性；计算因子变量的得分。为了遵从严格的统计学范式，本研究中的因子分析也根据整个四个步骤进行分析。（1）确定待分析的若干变量是否适合做因子分析通过KMO和Bartlett球度检验分析得出，KMO值为0.894，大于标准系数0.6，表明适合做因子分析；此外Bartlett球度相伴概率为0.000，小于显著水平0.05，同
14、样认为数据适合做因子分析。（2）构造因子变量基于主成分模型的主成分分析法是使用最多的因子分析方法，基于主成分分析法可以提取四个公共因子，如表1所示，它们可以反映原变量信息60.145%的信息。从公共因子碎石图也可以看出，尤其是前三个公共因子，特征值变化非常明显，到第五个特征值以后，变化趋于平稳，这说明提取四个公共因子可以对原变量的信息描述产生显著作用。（3）利用旋转使得因子变量更具有可解释性经过主成分分析得到的是对原变量的综合，对于因子变量的解释，可以进一步说明影响原变量系统构成的主要因素和系统特征。在实际工作中，主要通过极大方差法进行分析。根据极大方差法对因子载荷矩阵旋转后的结果如下：第一个
15、因子的主要成分为“我觉得利用平台来学习能提高我的学习效率（系数为0.809）”、“较之于传统课堂面对面学习我更喜欢这种平台上的学习和交流（系数为0.793）”、“如果让我个人选择我更倾向于在平台上学习（系数为0.793）”、“我认为利用平台来学习对于个人学习时间的安排等方面有更好的积极性（系数为0.778）”、“整体来说我比较喜欢在平台是上课学习（系数为0.773）”、“我在平台上学习过的大多数课程内容都很丰富（系数为0.765）”、“我认为利用平台进行学习能进一步增加师生的交流与沟通（系数为0.762）”、“今后如果有机会任教我也会选择这种平台来进行教学（系数为0.710）”、“我喜欢在平台
16、上提交作业并且能随时查看成绩（系数为0.707）”、“我觉得平台的功能操作很简单很方便（系数为0.698）”、“我喜欢在平台上进行讨论这样比起课堂回答问题更能够使我深入思考（系数为0.697）”、“我喜欢老师将教学内容相关的材料都放到平台上（系数为0.588）”，其系数均超过0.5；大多是与学习者对于平台功能作用的认知内容，因此可以称之为感知因子；第二个因子的主要成分为“平台上的内容陈旧更新很慢让我感到无聊（系数为0.792）”、“平台上的模块功能很单一没有新鲜的作用（系数为0.770）”、“我在平台上的讨论和提问没有人回答（系数为0.757）”、“老师只是介绍我们使用并没有花费精力设计平台上的内容和活动（系数为0.698）”、“我只是在老师的要求下为了获得成绩才使用这个平台（系数为0.63
