摘要：本研究在创新扩散的理论视角下，研究了MOOC学习者活跃度和满意度的影响因素，并且借助已有MOOC平台，向特定受众的总体实施问卷调查，这在国内的相关研究中还很少见。通过对清华大学“学堂在线”平台用户的调查和回归分析，本研究发现：（1）平台功能设计的互动性、学习者利用平台向他人分享的便利性、平台推行方的传播效果，是影响学习者学习活跃度和满意度的重要影响因素；（2）学习者决策的独立性与活跃度呈负相关，与满意度呈正相关，活跃度主要受到平台上“他人”的影响，满意度则受到平台“自身”的影响。

关键词：MOOC 创新扩散 采纳与使用 在线教育 学堂在线

一、研究缘起

在线教育伴随着互联网技术的发展而逐渐成熟，上世纪90年代，在线教育逐渐向高等教育迈进，进入21世纪之后更是迎来了突破式的发展。2012年以来，“大规模在线开放课程”（Massive Open Online Courses，MOOC）在全球范围内迅速兴起，给传统高等教育带来巨大的震动。信息技术的快速发展给在线教育的发展提供了坚实的支撑，特别是基于社交网络的师生间、学生间的互动技术和基于大数据分析的学习效果测评技术的应用，使得全球各国不同人群共享优质教育资源成为可能，也使得大规模并且个性化的学习成为可能。作为先行者，Downes总结出MOOC的四个基本原则：汇聚，混合，转用，推动分享，他认为这些原则也体现了当前MOOC发展的特点[1]。

作为一项新兴的技术应用和正在兴起的教育变革，学习者的意愿和态度无疑深刻影响着MOOC的影响范围和未来前景。研究影响学习者采用MOOC的相关因素，将有助于对目前在线教育的开展和推广进行科学评估，并提出相关的结论和建议。

二、文献回顾

在探究哪些因素会影响学习者的MOOC使用时，美国传播学者罗杰斯提出的创新扩散理论为我们提供了一个很好的理论视角。该理论广泛应用于新技术的采纳与使用研究中，世界各地的实证研究已多次证明了该理论的普遍适用性[2]，相关学者也在不同的对象和情境之下对该理论进行了修正和发展，例如移动商务、在线银行、网上购物、即时通讯等[3]。

创新扩散理论从介绍创新流程的定义入手，逐步分析扩散过程中所涉及到的每一个阶段，其核心内容是传播流程的研究[4]。该理论认为，创新扩散过程主要受到该事物自身所具备的创新特征、采纳者个人特征、传播渠道和社会制度等因素的综合影响，一般来说需要具备5个属性：相对优势、相容性、复杂性、可试验性和可观察性[5]。

在中国，该理论也得到了相应的发展。金兼斌等对互联网采纳的影响因素进行了分析，认为大致可以分为个人既有特征、环境因素以及在两者影响下形成的媒介和新技术认知。其中，个人特征影响因素包括个性特征，经济、文化和技能水平，社会经济地位，预期脉络年龄，沟通意愿，社会参与和使用动机等；环境因素则包括家庭特征、所处社会文化环境特征等；对媒介和新技术的认知则包括人们的媒介使用习惯、采纳新技术的取向、对新技术特征的认知等[6]。祝建华与何舟在对中国人采纳与使用互联网的研究中，以创新扩散理论和“使用与满足”理论为基础，发展出了新媒介主观需求论（Theory of Perceived Needs for New Media），认为个人对互联网技术特征的主观认知、对互联网流行程度的主观认知和对互联网需求的主观认知，在解释与预测人们的互联网采纳和使用上具有较强的适用性[7]。也有学者从人口、行为、心理三个方向对移动电话在我国农村中的扩散与使用进行了分析，主要影响因素除了包含主观需求论提及的3个心理因素，还包括大众媒体使用、人际交流程度、创新传播技术采纳这3个行为因素，以及其他的人口统计学因素[8]。

综上所述，本文主要关注的研究问题将聚焦于：MOOC作为一种新兴的教育和互联网应用，影响其采纳使用效果的主要因素有哪些。为此，我们将从MOOC本身的创新特征、MOOC推行方的努力程度、学习者的决策方式3个方面，对影响学习者接受采用MOOC的因素进行分析，当然我们也将会将学习者的性别、年龄、职业、教育程度、创新人格等人口统计学变量考虑进去。

三、研究框架、研究方法与研究假设

（一）研究框架

根据上文的文献回顾和梳理，本文提出了一系列可测量的变量，并建立影响MOOC课程的采纳与使用模型，如图1所示。

（二）研究方法及样本情况

本文采用问卷调查的研究方法，依托“学堂在线”平台，针对选修平台上“财务分析与决策”课程的全部22199名学生进行了在线邮件问卷调查。调查执行时间是2014年5月6日-8日。共收回有效样本2175个，回收率为9.80%。样本构成如表1所示。

（三）研究假设

根据相关变量进行操作化定义和测量后，我们对本研究做出若干假设如下：

因变量：本研究共包括2个因变量，活跃度对使用阶段的采纳情况进行分析，活跃度越高，表明使用阶段的采纳情况越好；满意度为了解采纳者使用创新后的满意情况，对确认阶段的采纳情况进行测量，满意度越高，创新的扩散就越成功。

自变量：基于创新扩散理论对创新采纳速率影响因素的分析，结合后来学者对该类研究的理论更新，我们可以大致归纳出三个大的自变量：MOOC本身创新特征、MOOC推行努力程度、学习者决策方式。以下对这三类变量进行具体阐述。

（1）MOOC本身创新特征：过去的一段时间里，研究者们对某件创新的特性归纳纷繁不一，一直没有一个统一的标准。罗杰斯提炼出了五种属性作为讨论对象，分别是相对优势、相容性、复杂性、可试验性和可观察性。相对优势指某项创新相对于它替代的原有方案而具有的优点；相容性指创新对于现有价值观、以往的各种实践经验和潜在采纳者的需求相一致的程度；复杂性指理解和使用某项创新的相对难度，难度越大扩散效果越差；可试验性指创新在有限的基础上可能进行试验的程度；可观察性指创新成果能被他人看到的程度。由于研究开展的时间点已经过了可试验性的测量最佳时段，因此本文只对相对优势、相容性、复杂性和可观察性四项变量进行研究，由这些变量归纳出创新的可见特性。

通过李克特量表，本文通过“我可以清楚地认识到在线教育相较于传统课堂教育的优点”和“在不远的将来，在线教育可以取代传统的课堂教育”这两个问题测量在线教育所具有的相对优势；通过“‘学堂在线’的开展很好地满足了我获取优质教学资源的需求”测量其相容性；通过“‘学堂在线’非常简单好用，操作没有难度”和“在线课程的内容易于接受，不会比线下授课难懂”两问测量其复杂性（得分越高说明其越简单，复杂性越弱）；通过“我可以很容易地将我的学习成果或学习心得分享到讨论区或其他社交平台上”测量其创新可观察性。研究假设如下：

H1.1-2：MOOC本身相对优势越大，学习者活跃度和满意度越高。

H2.1-2：MOOC本身相容性越高，学习者活跃度和满意度越高。

H3.1-2：MOOC本身复杂性越低，学习者活跃度和满意度越高。

H4.1-2：MOOC本身可观察性越高，学习者活跃度和满意度越高。

（2）MOOC 推行努力程度：此变量主要考察创新扩散过程中创新推行方（即创新代理人）的努力程度。创新代理人自身的努力是推动创新扩散的重要因素。创新代理人在推行创新时所做的工作越多，对客户需求越了解，越懂得移情思考，则创新的扩散就越有利。因此，本文主要选取了四个变量，创新的形象塑造、创新的使用友好度、创新方与采纳者之间的互动性、推行方开展的传播运动，来对推行方努力程度对在线教育扩散的影响进行分析。

通过李克特量表，本文通过“‘学堂在线’的页面和教学视频制作精良，给人的印象良好”测量创新的形象塑造；通过“‘学堂在线’登陆与操作界面十分友好，我可以很快找到我想要的信息”测量创新的使用友好度；通过“我可以很方便地将使用过程中遇到的问题反馈给‘学堂在线’平台”测量创新方与采纳者之间的互动性；通过“我有了解或者参加过‘学堂在线’主办方组织的宣传活动或交流活动”来测量推行方开展的传播运动。研究假设如下：

H5.1-2：推行方对创新的形象塑造越令人满意，学习者活跃度和满意度越高。

H6.1-2：推行方对创新的设计友好度越高，学习者活跃度和满意度越高。

H7.1-2：推行方对创新的设计互动性越高，学习者活跃度和满意度越高。

H8.1-2：推行方的传播运动组织越令人满意，学习者活跃度和满意度越高。

（3）学习者决策方式：学习者者决策方式指代其进行具体决策时所处的环境及影响因素，即形成采纳者决策方式的具体变量。在设计此变量时，本文主要选取独立性、大众传媒使用活跃度和传播渠道三个变量进行具体衡量。根据罗杰斯的论述，对某些个人而言，由其他人进行的对新想法的试验，可以一定程度上代替本人的试验，从而加速创新扩散的过程。因而采纳者决策的独立性，即接受在线教育扩散时是否受到其他人的影响，可能是影响在线教育传播效果的一个因素。一般来说，早采纳者较之于晚采纳者，其使用的大众媒体种类较为多元，且使用频度亦更高，因此分析采纳者的大众传媒使用活跃度也具有一定意义。传播渠道是指从来源获得信息并输送给接收者的手段或方式，研究者一般把传播渠道分为大众传媒渠道和人际关系渠道两种。

通过李克特量表，本文通过“我决定在‘学堂在线’上选课完全不是因为身边的人在这么做”测量采纳者决策的独立性；通过单选题“最近三天内使用过几种网络社交媒介”和“一天内使用网络的时间（包括电脑和手机上网查询与接收信息）”两问测量采纳者大众传媒使用活跃度；通过单选题“第一次了解到‘学堂在线’是通过什么渠道”来了解其传播渠道。研究假设如下：

H9.1-2： 学习者决策独立性越强，其MOOC采用活跃度和满意度越高。

H10.1-2： 学习者大众传媒使用越活跃，其MOOC采用活跃度和满意度越高。

H11.1-2： 学习者的传播渠道来自大众传媒，其MOOC采用活跃度和满意度越高。

控制变量：本文将学习者的性别、年龄、职业、教育程度、创新人格等人口统计学变量作为控制变量纳入模型。其中，学习者自身是否具备创新性特征也是影响其接纳新技术扩散的重要因素，由此我们将考察创新人格变量。人格是个体的个性，既是人区别于动物，也是人类个体区别的重要特征。有学者指出，在创新活动中，人格因素决定一个人愿不愿干、能否坚持到底，其中独立性、意志力、自信心三种人格特质统摄和监控着其他特质，在个体的创新活动中起着基础的、关键的、核心的作用[9]。研究假设如下：

H12.1-2： 学习者的创新人格越强烈，学习者活跃度和满意度越高。

四、数据分析结果

基于研究框架的设计，我们对数据结果进行了分析，主要采用多元线性回归模型检验假设，自变量的放入采用了分步放入的方式。首先将人口特征等控制变量放入模型中，然后依次放入MOOC本身创新特征、MOOC推行努力程度、学习者决策方式等变量，通过表2和表3显示的4个层次的模型对样本中学习者采用MOOC的活跃度和满意度影响因素进行解析，发现各个层次的自变量对学习者采用效果的影响方式。其中，自变量传播渠道为定类变量，故我们将其进行处理转变为2个主要的虚拟变量“是否为网络线上宣传”（1=是，0=否）、“是否为他人介绍”（1=是，0=否）。

（一）活跃度的影响因素分析

依次放入人口统计控制变量、MOOC本身创新特征、MOOC推行努力程度、学习者决策方式等变量，模型的R方分别为0.092、0.172、0.381、0.382。

（1）在人口特征变量上，性别、年龄、教育程度与学习者的活跃度没有显著的相关，创新人格对活跃度有强烈的影响关系，创新人格特征越明显，其学习与讨论的活跃度就越高，H12.1得证。

（2）在MOOC本身创新特征变量上，创新的可观察性是影响活跃度的重要因素，可观察性越强，活跃度越高，即学习者由于能更便捷地扩散自己的学习成果，则反过来激励自己更活跃地参与课程学习与讨论，H4.1得证。同时，我们发现在模型1(c)和1(d)中，也就是放入了MOOC推行努力程度和学习者决策方式等变量后，可观察性的标准回归系数降低了。这可能是因为在社会化媒体的大环境下，MOOC的学习者既是使用者也是传播者，他的采纳和使用行为也是MOOC推行过程的一部分。

（3）在MOOC推行努力程度变量上，创新推行方与采纳者的互动性会显著影响活跃度，互动性越强，活跃度越高，H7.1得证。这可能是因为在一个传受关系发生革命性变化的web 2.0时代，创新推行方主动接近采纳者，并且倾听采纳者需求的努力越强烈，采纳者越容易被带动参与到创新的采纳与建设中来，在在线教育课程中越发倾向于积极地参与讨论；传播运动会显著影响活跃度，传播运动得分越高，活跃度越高，H8.1得证。

（4）在学习者决策方式变量上，采纳者决策的独立性与活跃度呈现出显著的相关性，但呈现的是负相关，与H9.1推断相反。这也就是意味着采纳者做出的决策受他人影响越大，其参与课程的活跃度就越高。这可能是因为，如果他人对决策者施加的影响导致决策者做出接受创新的决策，则说明这个采纳者所处的创新-决策阶段越靠后，创新扩散的过程越完整，采纳者做出的决策所承担的风险就越小，因而对创新本身就有着更强的信赖程度，更倾向于积极使用创新，参与课程讨论。当然这也有可能与采纳者的性格直接有关，越倾向于独立决策的人可能越倾向于独立完成课程，而不会积极参与课程讨论。

（二）满意度的影响因素分析

依次放入人口统计控制变量、MOOC本身创新特征、MOOC推行努力程度、学习者决策方式等变量，模型的R方分别为0.049、0.336、0.437、0.440。

（1）在人口特征变量上，与活跃度模型类似，在满意度模型中，性别、年龄、教育程度与学习者的活跃度基本没有显著的相关，而创新人格在模型2(a)和2(b)中与满意度呈现显著相关，但是随着其他自变量的放入，两者之间不存在显著相关。

（2）在MOOC本身创新特征变量上，创新相对优势、相容性、复杂性、可观察性均是影响满意度的重要因素，H1.2、H2.2、H3.2、H4.2得证。与活跃度模型类似，我们发现在模型2(c)和2(d)中，也就是放入了MOOC推行努力程度和学习者决策方式等变量后，复杂性和可观察性两个变量的标准回归系数降低了。一个可能的解释依然与web 2.0环境下传受关系的改变相关。相对优势、相容性两个变量更多地与学习者的意愿和认知相关，与行为无关；而复杂性和可观察性则需要通过学习者的采用行为才能有所感知，而在这种采用行为中，学习者兼作为受者和传者的特征就体现了出来。

（3）在MOOC推行努力程度变量上，创新推行方的形象、友好度、互动性和传播运动均会显著影响满意度，H5.2、6.2、7.2、8.2得证。

（4）在学习者决策方式变量上，我们得到了不同于模型1(d)的结论，即采纳者决策独立性越强，其对“学堂在线”的满意度越高，H9.2得到证明。这可能是因为，采纳者决策越不受他人影响，表明其处于创新-决策的过程中的位置越靠前，越接近于先行者的身份，因而对创新的了解要多于后来接受者，只有当他们了解到这项创新足够多的相对优势时，他们才会倾向于接受这项创新，所以导致其对创新使用后的满意度会更高。这并不与1(d)的结论相矛盾，反而揭示出了两项因变量之间的区别。也就是说，决策独立性越弱，表明学习者较容易受到平台上他人影响，则更容易融入“群体讨论”的氛围，活跃度也越高；决策独立性越强，也表明学习者采纳MOOC越早，使用时间和卷入程度越强，满意度则会越高。即：活跃度主要受到平台上“他人”的影响，满意度则受到平台“自身”的影响。

五、结论与讨论

本文从创新扩散视角出发，对影响学习者采用MOOC的因素进行了探讨研究，用四个方面的变量对活跃度和满意度两个因变量的影响机制进行回归分析。

通过我们对上述假设的验证，主要是个体特征中的创新人格、学习者决策方式中的决策独立性以及MOOC本身创新特征中的相对优势、相容性、复杂性、可观察性、MOOC推行努力程度中的形象、友好度、互动性、传播运动是较为重要的影响因素，其中这些因素对于学习者满意度的影响更加明显。

基于我们对影响因素的分析和梳理，我们也可以相应地提出对MOOC平台建设的意见和建议。（1）从创新自身的打造上说，平台方需要更加注重可观察性的塑造与维持，即尽可能地满足学习者在使用MOOC平台时分享学习成果的需求，鼓励并为其分享讨论提供便利，加强对学习者学习成果的激励；（2）从推行方努力程度来说，我们的推行方需要更加关注互动性的功能设计，同时加大宣传推广运动。比如继续维持与受众的良性互动，向他们征求平台建设意见，收集问题与反馈；同时可以通过组织线下交流会、联合多种合作方、加强媒体宣传等渠道发起传播运动，将平台推广出去。

 

分享让更多人看到