MOOC学习者满意度影响因素实证研究——基于“中国大学MOOC”学习者调查问卷的结构方程分析

摘要

 

MOOC是当前全球高等教育领域和在线教育实践的研究热点,有关学习者满意度及其影响因素的探究是MOOC建设的重要课题。基于顾客满意度理论,构建了MOOC学习者满意度指数模型,通过“中国大学MOOC”平台学习者的调查数据,利用结构方程分析软件AMOS17.0对提出的模型进行了拟合、修正和解释。研究表明:课件内容、师生交流、生生交互是影响MOOC学习者满意度的关键质量指标;学习者满意度受到感知质量的影响最大,同时还受到感知价值的直接作用,而学习者期望对学习者满意度具有较强的间接解释力度;学习者满意度的提升对其继续学习意愿影响效果显著。在此基础上,从MOOC课程自身建设出发提出相关建议:强化课程内容建设,吸引学习者持续参与;增强互动设计,提升学习者体验;应用学习分析技术,提高学习成效。

关键词:MOOC;学习者满意度;结构方程模型


一、引言

       自2012年开始,一种新的在线教学模式“慕课”(Massive Open Online Courses,MOOC)席卷全球,其大规模、开放和在线性的课程特点强烈地冲击着世界高等教育,我国许多高校亦纷纷以实践者的姿态参与其中,或加盟如edX、Coures等国际知名MOOC平台,或联合创立本土化的MOOC如中国大学MOOC、全国地方高校UOOC和WEMOOC东西部高校课程共享联盟等。面对被誉为“数字海啸”的新生事物,许多人乐观地寄予厚望,认为是解决我国教育资源分布不平衡、教育不公、教育质量低下等问题的良方妙药[1]。但亦有来自MOOC教学方面的不同声音,如MOOC的教学模式很大程度上依然是传统讲课的翻版[2],MOOC课程的高淘汰率、教学质量的低社会认可度等问题仍是不争的事实[3]。有研究显示,MOOC中的学习者退出率高,一般在85%至95%[4]。如何赢得学习者满意,实现真正意义上的大规模在线开放课程质量的提升是当前MOOC建设的重要课题。学习者是MOOC平台的直接感知者,学习者对课程的满意程度将直接影响其对平台的持续使用与学习成效,开展学习者满意度及其影响因素探究具有重要意义。结构方程模型是当前多元数据分析的重要研究方法,可同时处理多组变量间的关系,有助于获得影响MOOC学习者满意度的各因素间的结构关系,并揭示相关因素的作用效果。文章基于顾客满意度理论来构建MOOC学习者满意度指数模型,通过“中国大学MOOC”平台学习者的调查数据,利用结构方程模型法进行模型验证,并由此提出若干建议,以期为推动我国MOOC的未来发展提供有益参考。


二、模型构建与研究假设


(一)MOOC学习者满意度释义


      “顾客满意”是商业营销领域普遍使用的概念,以界定产品或服务在使用过程中消费者需求满足的状态[5]。满意度则指满意的程度,体现顾客对产品或服务的事前期望与实际感受的一致性程度的比较,是顾客消费后对消费对象和消费过程的一种个性、主观的情感反映,是顾客满意水平的量化指标[6]。在教育领域,满意度作为影响学习目标达成的重要因素已成为研究学习效果的一个重要探测点,特别是用以探究信息技术促进学习者学习方面[7][8][9]。对于大规模开放在线课程而言,MOOC平台提供的课程可被视为一种服务性的“知识产品”,而学习者在一定程度上即是平台服务的消费者。因此,本研究将MOOC学习者满意度界定为学习者对MOOC平台课程的实际体验感知与个人期望进行比较而形成的一种主观情感反应,是对MOOC平台的教育质量和服务的满意水平的度量。


(二) “中国大学MOOC”平台简介


“中国大学MOOC”平台开通于2014年5月,是由网易与高教社携手推出的在线教育平台。截至2016年7月,该平台已与多所知名高校和机构合作,推出1350多门精品MOOC,其丰富的名师名校课程及学习者全程参与的教学体验深受学习者追捧,选课人数突破1300万。“中国大学MOOC”平台课程一般由课件、测验与作业、讨论区、考试、评分标准和公告六大部分构成,前三部分是其主要学习模块。其中课件包含了模块化的微视频和阅读文档,并在视频播放中穿插提问,以强化学习者的在线课堂参与感;测验与作业旨在检验和巩固知识的掌握程度,通过每周设置的单元测验评估学习效果,也便于教师及时发现问题并调整教学;讨论区分为教师答疑区、课堂交流区和综合讨论区,学生参与讨论活动将纳入测评考核。


(三)MOOC学习者满意度模型构建


      顾客满意度作为衡量一个组织测评或服务质量的重要指标,已从最初的工业产品满意度研究扩展到多个领域中广泛应用的服务满意度调查。在各国研究者建立的顾客满意度理论模型中,最具代表性的是由美国密歇根大学Fomell教授及其团队提出的ACSI模型[10],包含有6个结构变量,其中感知质量、顾客期望和感知价值是顾客满意度的原因变量,顾客抱怨和顾客忠诚是顾客满意度的结果变量。ACSI模型设计简洁、易用,被认为是目前最具影响力的顾客满意度模型,成为很多相关领域满意度测评模型的研究基础,近年来也获得教育信息化领域研究者的推崇,如杨文正、熊才平等人以此为基础构建了教育信息资源质量满意度模型[11],钱晓群将ACSI模型引入到网络教育研究中开展学生满意度实证探究[12]。这些研究成果为MOOC学习者满意度的研究提供了重要参考。


      本研究以ACSI模型的核心概念和框架为基础,保留了感知质量和感知价值变量,将顾客期望和顾客满意度调整为学习者期望和学习者满意度,将顾客忠诚变量替换为学习者继续学习意愿。同时参考了我国标准化研究院提出的中国顾客满意度指数测量模型[13],将顾客抱怨变量删除,最终构建了由学习者期望、感知质量、感知价值、学习者满意度和继续学习意愿五个结构变量为主体的MOOC平台学习者满意度模型,如图1所示。其中学习者期望、感知质量和感知价值是MOOC学习者满意度的前因变量,继续学习意愿是学习者满意度的结果变量,五个潜在变量的具体含义及相应的测量指标解释如下。

(1) 学习者期望:指学习者在注册MOOC前对课程学习的整体预期,与普通的消费品预期可以通过实际交易、体验消费或其他消费反馈渠道较易获得不同,教学预期属于特殊服务产品[14],尤其对于MOOC这种近年来迅速发展的全新教育模式,普遍缺乏充足的学习体验反馈,使得学习者预期的度量难以标准化。鉴于MOOC在本质上仍然是网络课程,根据我国《现代远程教育资源建设技术规范》的界定,网络课程包含了网络平台、教学内容和活动三大部分,由此确定本研究以学习者在注册课程前对MOOC平台预期(Q1)、教学内容预期(Q2)和教学活动预期(Q3)三个维度作为学习者期望的3个测量指标。


(2)感知质量:指学习者经过一段时间MOOC学习后对其质量的实际感受。与学习者期望相对应,亦从网络平台、教学内容和活动三个维度来评估。图1结合“中国大学MOOC”平台的功能特点对三个维度进一步细化,分别以平台操作流畅性(Q4)、界面易用性(Q5)作为网络平台测量指标,以课件即视频和文档的内容(Q6)、视频中所穿插问题的设计(Q7)、课件中教师的引导帮助(Q8)作为教学内容测量指标,以学生间问题探讨与作业互评(Q9)、师生间交流(Q10)、课程考试(Q11)作为教学活动测量指标,共设定8个观测指标反映MOOC质量的满意情况。


(3)感知价值:指用户使用某种产品或服务后感知到的利益与其所付出成本权衡后的价值判断,其付出一般包括支付的费用、时间、精力等。考虑到MOOC平台课程多为免费注册使用,故本研究重点在于MOOC学习过程中的时间和精力成本,并以所学知识的用途(Q12)、自身学习能力的提升(Q13)、付出时间和精力的价值(Q14)作为3个测量指标。


(4)学习者满意度:这是所要测评的目标变量,依照上述概念界定,共设定4个测量指标(Q15-Q18),即对整体学习过程的满意度及网络平台、教学内容、教学活动的总体质量满意度。


(5)继续学习意愿:MOOC学习是一个持续不断的过程,学习者满意度是其学习经验的综合反映,学习者对学习经历的满意度越高,其持续学习的能力越强[15]是否继续MOOC学习会产生重要影响。共设定3个测量指标,愿意继续在MOOC平台学习(Q19)、愿意向他人推荐使用MOOC(Q20)及分享个人学习经验(Q21)。


(四)研究假设


      基于上述分析,本文提出如下7个研究假设:


HI-H3:学习者期望分别对感知质量、感知价值和学习者满意度有正向影响作用;


H4-H5:感知质量分别对感知价值和学习者满意度有正向影响作用;


H6:感知价值对学习者满意度有正向影响作用;


H7:学习者满意度对继续学习意愿有正向影响作用。


三、研究设计与模型测量

(一)研究设计与数据收集

      本文采用问卷调查的研究方法,以参与“中国大学MOOC”平台课程学习者为调查对象。量表中观测指标题项共有21个,题目选项采用Likert五点量表测量法。此外还开展了学习者基本信息的调查,包括性别、年龄、学历、职业、学习时间、修课类别和证书获得等。调查过程分为预测和正式两个阶段,在初步设计各测量指标的相应题项后,经由多名研究生对问卷题项的结构和句词语义等问题审阅,进行筛选和修改形成预测问卷。通过随机抽取MOOC平台QQ学习群的50位学习者进行预测试,利用统计软件SPSS17.0对问卷进行信效度检验,通过分析与调整形成最终测量问卷。正式阶段的数据采集时间从2015年11月11日至11月30日,将电子问卷链接到MOOC平台多门课程的讨论区和学习者QQ群,共回收问卷415份,其中有效问卷387份,以此作为数据分析的样本,数据分析与模型拟合采用AMOS17.0软件工具。

(二)信度与效度分析

      为确保所测数据的可靠和有效,需要对问卷进行信度和效度检验。内部一致性是最常用的信度评价方法,其中Crcnbach提出的克隆巴赫系数用得最多。根据Nurmally提出一般探索性研究中Crcnbach’sa系数在0.6以上,被认为可信度较高?。通过对样本数据的分析显示,学习者期望、感知质量、感知价值、学习者满意度和继续学习意愿五个变量的a系数分别为0.690、0.798、0.819、0.830、0.732,总体a系数为0.907,说明问卷内部一致性较高,初始问卷信度较好。

      效度指问卷测量结果的有效性及正确性,效度越高,说明测量的结果越能反映出测量内容的真实性。本研究采用因素分析法进行结构效度检验,而判定该法适用性的检验结果显示,KMO系数为0.910,Bartlett的球形检验近似sig值为0.000<0.05。依据统计学家Kaiser给出的标准,KMO值在0.6以上的都可以进行因素分析[17]。可见,样本数据具有结构效度,适合进行因素分析,统计分析结果如表1所示。

在因素分析中,因素负荷量反映了测量指标对潜在变量的相对重要性,数值越大说明测量变量与潜在变量的相关性越高,对其影响程度越大。按照目前研究者们的普遍共识,各观测变量的因素负荷值应介于0.50-0.95,且显著性概率值P小于0.05[18]。由表1因素负荷列显示,观测变量Q11为0.380,未达到标准,应予以删除。剔除Q11后再次进行因素分析,得出各变量修正后的因素负荷量均达0.630以上,符合参数标准。表1最后列为五个潜在变量的解释变异数,除感知质量47.112%略低于参考标准外,其它均大于50%的理想值,基本可以接受,说明各个题项能很好地解释对应变量,可以开展后续结构模型分析。


(三)结构方程模型分析


      结构方程模型(Structural Equation Modeling,简称SEM),是一种通用的线性统计建模技术,主要通过一组可测量的显变量去间接地测量潜变量及潜变量之间的结构关系,并将这些关系以路径系数或负载系数的形式体现在模型中。作为多元数据分析的重要研究方法,SEM目前已广泛应用于社会学、教育学、心理学和计量经济学等领域,本研究将运用SEM统计方法的AMOS17.0软件对MOOC学习者满意度模型进行拟合和修正。


      首先在软件建模区绘制满意度模型的相关变量及路径,引入测量变量Q及其误差项e,建立并通过初始模型识别。其次开展模型估计,主要考察参数估计值的合理性、显著性及整体模型的适配度,通常由模型的适配指数和标准化路径系数来检验。适配指数有一系列指标,本研究采用极大似然估计法,从卡方自由度比值(χ2/df)、均方根残差指数(RMR)、渐进均方根残差指数(RMSEA)、模拟适配指数(GFI)、比较适配指数(CFI)、增值适配指数(IFI)、非规准适配指数(TU)、简约适配指数(PGFI)、规准适配指数(PNFI)来衡量模型的适配情况。研究表明,初始模型的适配指数并不理想,需要结合相关路径分析开展模型修正。由表2所示的模型路径系数可知,“学习者期望”对“感知价值”和“学习者满意度”的路径系数均为负值,且未达显著性概率P小于0.05的要求,说明这两条路径不存在,意味着基本路径假设H2和H3不成立,修正模型时可将其直接删除,其他变量间影响的路径系数都在0.001水平上达到显著。

      模型修正也即模型界定,对模型进行增列或者删除某些参数的调整[19]。由修正指数分析得知,误差项e10与e9的路径值最大,若增加二者间的残差相关路径,则模型的卡方值会减小许多,而理论上它们对应的Q10与Q9属于同一潜变量感知质量教学活动维度的测量指标,因此e10与e9间相关路径的增加符合理论要求。重新计算模型,同理会发现增加e17与e16间相关路径的合理性。经过模型的多次修正,最终得到通过数据验证的模型如图2所示,主要适配度指标检验结果如表3所示。

 

      可见,修正后模型的各项适配指数得到了有效改善,均达适配标准,说明修正模型与数据样本的适配度比较理想,在MOOC学习者满意度模型研究中删除“学习者期望”到“感知价值”、“学习者期望”到“学习者满意度”的路径是正确的。修正模型的各路径系数估计结果如表4所示。

四、研究结论与建议

(一)研究结论      

      本研究基于顾客满意度理论,结合中国大学MOOC平台的功能特点构建了MOOC学习者满意度概念模型,建立起7个研究假设。研究表明,有5项假设通过了样本数据的检验,证实了MOOC学习者期望、感知质量、感知价值与学习者满意度及其继续学习意愿之间存在内在的逻辑关系,并揭示了影响MOOC学习者满意度的关键因素。


1、MOOC学习者满意度影响机制


      基于以上的数据分析结果可知,MOOC学习者满意度模型形成的主要影响路径是:学习者对MOOC的期望直接正向影响感知质量;学习者对MOOC质量的感知直接影响其对MOOC价值的感知;学习者对MOOC的满意度直接受到感知质量和感知价值的影响,并对继续学习MOOC具有直接正向影响。具体影响的总效果分析如下:


(1)学习者满意度受到感知质量的影响最大,其直接的正向作用效应0.718,通过感知价值产生的间接效应0.230=0.308*0.747,影响总效果为0.948,这说明在其它条件不变的情况下,感知质量每提高1个单位,学习者满意度会提高0.948个单位,感知质量对MOOC学习者满意拥有决定性影响。此外,学习者满意度直接受到感知价值的正向作用效应为0.308,学习者只有真正体会到了MOOC学习的实际价值,才可能对MOOC平台上的教学与服务等感到满意。


(2)感知质量对感知价值有重要影响,其直接正向作用效应为0.747,可见学习者对MOOC的感知价值很大程度上取决于感知质量,学习者只有切实感受到MOOC优质的教学内容和服务水准,才会觉得所付出的时间和精力等是值得的。


(3)学习者期望对感知质量有显著影响,其直接正向作用效应为0.531,同时通过感知质量与感知价值对学习者满意度产生的间接效应为0.503。前者表现为学习者对MOOC质量的感知向着学习前预期的方向移动,后者表明学习者期望对满意度并不产生直接影响,而是以MOOC质量和价值的感知为中介,通过多次的课程体验感知并逐步达到对课程的满意。


(4)学习者满意度对继续学习意愿有重要影响,其直接作用效应为0.661,意味一个满意的学生有66.1%的可能性愿意继续MOOC学习。同样,学习者期望、感知质量和感知价值对继续学习意愿也都有一定的间接效应,分别为0.332、0.627和0.204,它们不同程度地影响着MOOC学习者的持续学习意愿。


2、影响MOOC学习者满意度的关键因素


(1)课件内容和交流互动对提高感知质量有重要作用。由表4可知,在感知质量的7个观测指标中其影响最大的是课件内容,系数为0.714,其次为师生间交流和生生间交流与互评,影响系数分别为0.610和0.609,表明课程内容作为MOOC的核心要素是学习者最关注部分,而互动交流一定程度上是课程黏着力的体现,它们成为学习者判断一门MOOC质量的关键要素。


(2)学习能力的提升对提高感知价值有重要影响。在感知价值的3个观测指标中,学习者自身学习能力的提升被认为最重要(0.832),其次是所学知识的实际用途(0.783),反映了MOOC学习者对自身能力及MOOC实用性的重视。


(3)在学习者满意度的4个观测指标中,对整体学习过程的满意度(0.752)和对教学内容质量的满意度(0.742)位居前两位,同时在学习者期望的3个观测指标中,学习者对MOOC教学内容质量的总体预期(0.758)最高,一定程度上反映了MOOC的新颖学习过程对学习者的吸引,同时再次说明学习者对教学内容质量的关注。


(二)相关建议


      依据上述研究结论,仅从目前我国MOOC课程自身的建设实际提出如下建议。

1、强化课程内容建设,吸引学习者持续参与

      MOOC作为一种新型的在线教育模式,以往人们更多地关注其大规模、开放和在线性,而课程似乎并没有吸引人们多少眼球,但这恰恰是教育理应关注的重点[20]。本研究表明,对MOOC学习者满意度起决定性作用的是感知质量,其中又以对课件内容的感知影响最大,可见优质的课程内容仍然是MOOC建设的核心所在,是吸引学习者参与MOOC的最原始动力。目前一门MOOC课程大约持续十周左右,这必然对其内容含量和精致度提出了更高要求,也是对MOOC教师专业化教学素养的挑战。在MOOC中,微视频是学习内容传递的重要形式,它不是已有视频课程切割的片段,而是要经过精心的模块化教学设计,所分解的模块应适度采取“高内聚,低耦合”原则,视频的授课模式可采用谈话式、场景式等形式,以此提升学习者的存在感和沉浸度,吸引学习者的持续参与。

2、增强互动设计,提升学习者体验

      我国开放教育资源(OER)已发展多年,建设了一大批视频课件和网络精品课程,但从OER到MOOC,最重要的转变是从教育资源的开放到学习过程的开放。本研究结果表明,MOOC学习者不仅关注教学内容,更侧重从MOOC的实际体验过程及自身学习能力的提升来评判课程,而有效的互动是知识得以内化、能力获得提升的最重要的体现。据研究,辅导教师是影响在线教育教学质量、学习完成率和学生满意度的关键角色[21],因此应加大教师的参与度,以更加主动的姿态适时地为学习者提供专家式的指引。然而MOOC的大规模性也不可避免地带来了教师指导和支持的相对减少,建议组建多元化的在线学习共同体开展协作学习,实行关键问题教师解惑、一般问题在线学区解答的多对多模式,这也营造了一种互助互学、持续互动的课程氛围;应明确课程评价方式,将学习者在论坛的参与度与贡献度纳入评价系统,完善评价特别是同伴互评机制,设计科学的评价量规,鼓励开展积极客观的评价;应强化MOOC视频内嵌活动的设计,这也被视为一种师生互动学习,通过视频前测、提问和调查等活动,营造类似于面授课堂的学习氛围,使学习者形成良好的临场感,减少在线学习的单调与孤单,提升课程的黏着力。

3、应用学习分析技术,提高学习成效

      本研究表明,学习者对MOOC的期望并不形成对满意度的直接影响,需要通过多次的课程学习,并不断体验学习上的成功,不断感知MOOC带来的价值,逐步达成满意,而学习者满意度又会正向影响其继续MOOC学习的意愿,支持学习者开展持续而有效的学习。学习分析是近年来教育领域新兴应用的一种数据分析技术,可对在线学习者及其所处情境的数据进行及时采集、筛选与测量,并呈现出可视化的分析报告,展现学习者实时行为和内容活动反馈[22]。MOOC平台上注册了成千上万的学习者,同时也记录了学习群体的在线行为数据,通过对这些复杂的、海量的数据挖掘与分析,可以有效监控学习过程,了解学习者学习兴趣,及时诊断其薄弱环节,并向其推荐学习策略,为学习者开展自主化、个性化学习提供有效支持,以不断提升学习成效。基于大数据的学习分析技术将在改善学习绩效、创新MOOC教学的研究中发挥重要作用。



转载自:《现代远距离教育》2017年 第2期 总第170期