摘　要：在线学习技术是否与时俱进地满足了学生的多元高阶需求，对于大学生能否持续参加在线学习至关重要。基于技术接受和任务技术匹配的整合性分析框架，利用全国258所本科高校100801名大学生的学情调查数据，系统考察任务技术匹配对大学生在线学习持续使用意愿的影响效应及作用机制。研究发现，任务技术匹配处于中等偏上的水平，并仍有提升空间；在诸多因素中，任务技术匹配的影响效应最大，是不可忽视的关键变量；任务技术匹配通过感知有用性、感知易用性及使用态度的中介作用，显著正向影响持续使用意愿。研究建议，为促进大学生对在线学习的持续参与，应进一步完善在线学习技术支持，把握大学生任务需求，优化平台建设，强化技术培训，改进在线教学质量。

关键词：在线学习；行为意愿；任务技术匹配；技术接受

一、问题的提出

新冠肺炎疫情暴发以来，在开放多元的混合式教学成为新常态的背景下，突破传统惯习的路径依赖，改善大学生“在线不在学”的虚拟缺勤状态，保证大学生“在学习、真学习”，激发大学生持续使用在线学习意愿成为高等教育面临的重要挑战。从在线学习的长期发展来看，其增长潜力的充分发挥，既有赖于政策、管理、设施、教学等支持服务方面的全方位提升，更依赖与学习者需求进行充分互动，不断提升技术功能供给的有效性，切实发挥在线学习对教育系统的支持作用。相关研究表明，在线学习功能与学习者的学习需求越一致，学习者就会认为在线学习越有用，进行在线学习的意向就会越高。由此可见，大学生在线学习中的使用行为不仅取决于他们对技术的感知和态度，更取决于良好的任务技术匹配。换而言之，伴随着在线学习任务变得越来越高阶复杂，在线学习技术是否与时俱进地满足了学生的多元高阶需求，对于大学生能否持续参与在线学习至关重要。但在在线学习领域，已有研究多囿于技术接受的解释框架，对于在线学习功能供给与大学生任务需求的匹配状况探讨不足。鉴于此，本研究系统整合了技术接受模型与任务技术匹配理论，并将使用态度纳入整合模型之中，进一步考察了任务技术匹配通过使用态度的中介作用对持续使用意愿的影响，从而全面揭示了任务技术匹配、感知有用性、感知易用性、使用态度、持续使用意愿之间的关系。研究结果可为疫情背景下精准把握大学生在线学习的内在任务需求，进而更好地促进大学生自觉主动参与在线学习提供实证依据和对策建议。

二、理论基础与研究假设

（一）理论基础

大学生对在线学习的持续使用意愿，本质上隶属于用户对信息技术采纳的研究范畴。而Davis提出的技术接受模型（Technology Acceptance Model，TAM）长期以来都被认为是研究用户对信息技术采纳的理论典范。1985年，Davis首次提出了TAM的概念模型。他认为系统的使用是一种可以通过用户动机来解释或预测的反应，而这种反应又直接受到系统特性和个体能力的综合影响，此后在概念模型的基础上，Davis进一步提出，在技术接受中用户动机信念可以由感知易用性、感知有用性、使用态度和使用意愿四个因素来解释。其中，用户对系统的使用意愿是决定用户是否实际使用或拒绝系统的主要因素，它同时受到感知有用性和使用态度的影响，而感知有用性和使用态度又受到感知易用性的影响。

然而，技术接受模型却难以回答三个问题：第一，用户对于某一技术系统的应用实则处于特定的任务情境之中，但信息技术并不能满足用户所有的任务需求；第二，用户认为某一技术有用或易用但并不必然会使用某项技术；第三，用户使用行为的产生并不总是出于自愿。为了更好地解释这些问题，GoodHue等在1995年提出了任务技术匹配理论（Task-Technology Fit, TTF），他们认为可能用户感知到技术是有用和易用的，但如果他们认为这项技术不适合他们的任务，不能提高他们的绩效，那么他们就不会采用这项技术，换言之，用户对技术使用的感知会随着任务变化而改变，当使用系统可以提高工作绩效时，一些潜在用户就会使用信息系统，但此时行为却不一定自愿发生。从变量关系的角度来看，TTF理论认为用户行为受使用绩效影响，使用绩效由任务技术匹配决定，而匹配程度又由信息技术特征和任务需求特性共同决定，除此之外，培训经历、计算机使用经验、动机等个人特性在其中也起到了显著的调节作用。

但是，最终的实证结果却表明任务技术匹配对使用行为的直接影响很微弱。对此，Dishaw等指出这其中一个很重要的原因是TTF忽视了匹配对用户心理的影响，从而未能全面建构起任务技术匹配作用于个人行为的内在影响机制。他们认为TAM和TTF分别从不同的角度解释了用户使用信息技术以及产生使用绩效的影响因素和机理，两个模型对于用户使用行为都具有很好的解释力，如果把两个模型有机结合就能弥补各自的不足，因此需要在TAM的基础上，将TTF纳入重要外部因素，以此系统分析其对于感知有用性、感知易用性、使用态度和使用意愿的影响，进而阐释它对实际使用行为的作用效果。

（二）研究假设

综上所述，本研究聚焦于大学生在线学习持续使用意愿议题，以TAM与TTF的整合模型作为分析框架，探究在线学习领域任务技术匹配通过感知有用性、感知易用性和使用态度的共同中介作用对于持续使用意愿的影响。根据既有研究，结合研究目的，本研究提出如下假设，最终形成如图1所示的理论假设模型。

 1. 感知有用性、感知易用性、使用态度和持续使用意愿。感知有用性（Perceived Usefulness, PU）是指用户认为使用一项特定信息技术能够加强自身工作绩效的程度。感知易用性（Perceived Ease of Use, PE）是指用户认为使用一项特定信息技术的容易程度，使用态度（Attitude Toward Using, ATU）是指用户对技术的总体评价。持续使用意愿（Continuance Intention, CI）是指用户持续使用一项特定信息技术主观意向的强烈程度。在线学习领域中，TAM各相关变量之间的关系，已经被诸多研究加以验证。据此，提出以下假设：

H1：大学生对在线学习的感知有用性显著正向影响使用态度。

H2：大学生对在线学习的感知易用性显著正向影响使用态度。

H3：大学生对在线学习的感知有用性显著正向影响持续使用意愿。

H4：大学生对在线学习的使用态度显著正向影响持续使用意愿。

H5：大学生对在线学习的感知易用性显著正向影响感知有用性。

2. 任务技术匹配、感知有用性、感知易用性和使用态度。任务技术匹配是指通过新技术的帮助所能满足用户需求的程度，Dishaw等认为TTF会正向影响感知有用性和感知易用性。Liu Dawei等关于大学生在线学习中YouTube使用意愿的研究也发现，TTF程度越高，大学生感知到YouTube的有用性和易用性越高。但已有研究通常基于精简版的TAM，将使用态度和持续使用意愿合并为行为意向，较少有研究考察TTF与使用态度的关系。笔者认为如果在线学习越能满足大学生的任务需求，那么大学生对于在线学习的整体态度自然也会更加积极。因此，本研究提出以下假设：

H6：任务技术匹配显著正向影响大学生对在线学习的感知有用性。

H7：任务技术匹配显著正向影响大学生对在线学习的感知易用性。

H8：任务技术匹配显著正向影响大学生对在线学习的使用态度。

三、研究设计

（一）研究对象

本研究的数据来源于2021年厦门大学开展的“全国普通高校本科教育教学质量调查”，这项调查对疫情背景下我国大学生学习情况进行了全面的考察，2021年4—6月面向全国本科院校发放电子调查问卷，学生通过登录网络调查平台填写问卷，回答全部问题之后方可提交问卷，共回收电子问卷133069份，删除信息填写不完整、规律性作答、答题时间少于300秒等样本之后，将剩余来自258所本科高校的100801份问卷作为本研究分析的样本，问卷有效率为75.75%。样本中，一流大学建设高校占2.8%，一流学科建设高校占4.9%，普通本科高校占51.6%，新建本科和独立学院占40.7%；男性占34.8%，女性占65.2%；大一占41.1%，大二占27.6%，大三占23.1%，大四及以上占8.3%；人文社会科学占48.9%，理工农医占51.1%。被试的年龄均值和标准差为20.598±1.479。

（二）研究工具

1. 在线学习技术接受量表。在线学习技术接受量表改编自Davis等人提出的技术接受量表，包含感知有用性、感知易用性、使用态度、持续使用意愿四个分量表，均采用Likert 5点计分，从1到5依次表示“完全不符合”至“完全符合”，分数越高代表学生感知到的在线学习有用性、易用性越高，使用态度越积极，持续使用意愿越强。其中，感知有用性量表包含3道题目，测量大学生感知到的在线学习对于个人发展的促进作用。感知易用性量表包含3道题目，测量大学生相信在线学习容易实现的程度。使用态度量表包含4道题目，测量大学生对在线学习的主观感受和总体评价。持续使用意愿指大学生持续使用在线学习所具有的主观意愿强度，参照李武、黄扬等对采纳意愿的测量方式，直接采用“我愿意继续采用在线教学”1道题目进行测量。

2. 在线学习任务技术匹配量表。在线学习任务技术匹配是指通过在线学习技术的帮助所能满足大学生学习需求的程度，在原始任务技术匹配量表中已有8个维度被验证，但只有匹配维度同时考虑了技术和任务两个方面，所以本研究借鉴已有研究的做法，选用匹配这个单一核心维度来测量。通过前期文献梳理，笔者发现疫情背景下大学生对在线学习的任务需求集中体现在优质资源共享、个性化学习、学习数据分析方面，因此围绕上述三个维度本研究对GoodHue等人提出的任务技术匹配量表进行情景化改编。在线学习技术匹配量表共包含3道题目，均采用Likert 5点计分，从1到5依次表示“完全不符合”至“完全符合”，分数越高代表在线学习的功能供给与大学生任务需求的匹配程度越高。

（三）数据分析思路

本研究的数据分析首先对研究工具进行了信效度检验，以保证调查结果的准确性和一致性；其次用结构方程模型进行了整体模型分析，探讨了任务技术匹配、感知有用性、感知易用性、使用态度、持续使用意愿之间的关系，进而验证了各项研究假设。最后在正式数据分析之前，采用Harman单因子方法检验共同方法偏差问题，将公因子数设定为1进行验证性因子分析，结果显示包含所有显性变量的单因素模型产生了很差的拟合指数（χ²（77）=189368.97，p<0.001，RMSEA=0.15，CFI=0.88，NNFI=0.86）。其拟合度显著低于计量模型的拟合度（Δχ²（77）=150526.61，p<0.01），表明本研究数据不存在严重的共同方法偏差问题。

四、研究结果

（一）量表的信效度检验

检验问卷信效度的目的就是为了确保回答的结果能够真实反映预期目标，收集的数据有分析价值。其中，信度是对量表的稳定性和一致性的度量，研究中通常用克隆巴赫系数（Cronbach’s Alpha）和组合信度（Combined Reliability，CR）来衡量。一般认为这两项的取值范围都大于0.7，则问卷的信度比较理想。由表1可见，本研究中Cronbach’s α系数和CR取值范围均为0.91~0.95，达到要求，说明量表的信度较好。

 效度是对量表的有效性和准确性的度量。效度的检验主要包括聚合效度和区分效度。聚合效度通过考查因子载荷、组合信度（CR）和平均方差萃取量（Average Variance Extracted, AVE）来评价，其中因子载荷大于0.7，CR大于0.7，AVE大于0.5，就说明聚合效度良好。区分效度主要通过AVE值开根号后与其他相关系数比较来评价，当AVE值开根号后大于该因子与其他变量的相关系数，说明区分效度较好。表1显示，本研究各项指标达到要求，说明量表聚合效度和区分效度较好。总体而言，本研究工具的信效度水平比较理想，适合做进一步的结构方程模型分析。

（二）描述性统计与相关分析

表1还总结了各变量的描述性统计结果及其相关矩阵。研究结果表明，整体而言，大学生对在线学习任务技术匹配、感知有用性、感知易用性、使用态度、持续使用意愿的评价相对正面（均高于理论中值）。分别来看，感知易用性（M=4.01，SD=0.87）最高，任务技术匹配（M=3.95，SD=0.91）次之，感知有用性（M=3.76，SD=0.96）和使用态度（M=3.75，SD=0.93）得分相当，持续使用意愿（M=3.66，SD=1.04）虽高于理论中值但相较于其他变量而言得分最低，说明疫情防控常态化阶段大学生对在线学习的持续参与意愿仍然有待提高。相关分析结果显示，所有变量之间都存在显著的正相关关系。以上结果表明，后续可以进一步使用结构方程模型检验各变量之间的假设关系。

（三）结构方程模型分析

本研究采用AMOS 24.0软件对结构方程模型进行拟合度检验。结果表明，χ²（77）=38842.36，p<0.001，NFI=0.98，NNFI=0.97，CFI=0.98，GFI=0.95，TLI=0.97，RMSEA=0.07，SRMR=0.02，综上，绝对拟合指数和相对拟合指数优于研究者们推荐的临界值，说明本研究构建的模型适用于大学生在线学习技术采纳影响机制的分析。

对研究假设的检验结果见表2，结构方程模型见图2。结果表明：首先，大学生对在线学习的感知有用性显著正向预测使用态度（β=0.43，p<0.001），感知易用性也能显著正向预测使用态度（β=0.12，p<0.001），同时感知易用性也能对感知有用性产生显著正向预测作用（β=0.26，p<0.001），使用态度会显著正向预测持续使用意愿（β=0.43，p<0.001），另外感知有用性也会直接正向预测持续使用意愿（β=0.44，p<0.001）。其次，任务技术匹配显著正向预测使用态度（β=0.48，p<0.001），此外任务技术匹配也能分别对感知有用性（β=0.61，p<0.001）和感知易用性（β=0.84，p<0.001）产生显著的正向预测作用，因此结构方程模型全面支持了本研究的假设。最后，本研究还专门测算了大学生对在线学习持续使用意愿的总影响效应，结果表明，任务技术匹配（β=0.77，p<0.001）大于感知有用性（β=0.63，p<0.001）大于使用态度（β=0.43，p<0.001）大于感知易用性（β=0.22，p<0.001）。

为了检验模型的适用性，本研究分别对模型的路径系数加入了性别、年龄、年级、院校类型、学科专业等变量的限制，进行多群组结构方程模型分析。结果显示，加入这些变量的限制模型与非限制模型的拟合指数并不存在明显差异（ΔCFI<0.001，ΔIFI<0.005，ΔNFI<0.005，ΔRFI<0.005，ΔTLI<0.005），表明本研究模型在不同群体之间具有一定的稳健性。

五、结论与建议

（一）结论

1. 在线学习功能供给与大学生学习需求之间的匹配程度仍有进一步提升的空间。统计分析结果表明，任务技术匹配总体上处于中等偏上的水平。具体来讲，一方面在线学习任务技术匹配高于理论中值，说明当前在线学习技术较好地满足了大学生的任务需求，这一定程度上证明了疫情期间政府、相关产业部门以及高校持续加强对教育技术设施研发投入和布局的成效已经开始显现，目前在线学习在“优质资源共享、个性化学习以及学习数据分析”等方面初步满足了大学生的高阶任务需求。另一方面，在线学习任务技术匹配并未达到学生心目中“比较符合”的水平，这表明在线学习技术和系统仍然需要进行升级迭代，在疫情之后加强学习资源的可理解性、植入开放共享理念、催生个性化学习需求，实现技术的深度支撑，优化教学过程，创新教学模式，更好地满足“数字土著”的学习需求将会是在线教学发展的重要方向。

2. 任务技术匹配是影响大学生在线学习持续使用意愿的关键变量。路径系数结果表明，在大学生在线学习持续使用意愿的诸多影响因素中任务技术匹配影响效应最大。事实上，诸多研究已经证明感知有用性对持续使用意愿有强大的影响，其影响系数通常稳定在0.6左右，本研究得出了一致的结果，不同的是笔者发现在线学习领域任务技术匹配的影响效应要显著大于感知有用性，这一结果凸显了任务技术匹配对于提升大学生在线学习持续使用意愿的重要价值。受新冠肺炎疫情影响，为了响应“停课不停教、停课不停学”的政策要求，并确保正常教学秩序和教学进度，已有研究发现组织支持、技术培训、政策支撑成为促进大学生在线学习参与不可或缺的条件，但本研究的结果表明，伴随着在线学习技术自身的日趋成熟，影响在线学习持续使用意愿的基本矛盾，已逐渐从技术环节转变为技术功能供给与使用者学习需求的辩证统一。

3. 任务技术匹配主要通过感知有用性、感知易用性、使用态度的中介作用间接影响大学生的在线学习持续使用意愿。结构方程模型结果表明，任务技术匹配既会影响感知有用性，也会影响感知易用性，还能作用于使用态度，最终间接预测持续使用意愿。这些研究结果与已有关于TAM和TTF整合模型的研究结论基本一致，如Wu Bing等指出，大学生认为MOOC学习越能满足他们的学习需求，感知到的MOOC的实用性和方便性越强，而产生的MOOC持续使用意愿的可能性就越大。必须指出的是，以往关于整合模型的研究已经证实使用态度同时受到感知有用性和感知易用性的影响，但较少有研究关注到使用态度与任务技术匹配的关系，本研究的结果揭示了任务技术匹配对于大学生形成积极的在线学习态度也具有不可忽视的影响，即在线学习越能满足大学生的高阶学习需求，大学生越容易形成对在线学习更高的整体评价。

（二）建议

1. 完善在线学习技术支持，把握大学生任务需求，提高任务技术匹配程度。一方面，在线学习平台开发部门、高校网络技术部门要持续增强在线学习的技术支持。相关产业部门可以通过升级机器学习和大数据分析技术，建立集资源分布存储、资源管理、资源评价、知识管理为一体的教学平台等方式满足学生的多元高阶学习需要，高校可以组建在线学习技术服务团队实行“一对一”定点支持，为学生遇到的各类技术问题进行解答和远程协助。另一方面，高校管理者及高校教师要精准把握大学生在线学习的内在任务需求。在数字化时代的混合教学环境下，满足学生的多样化需求仍旧是改进教学质量的重点和难点。这就要求高校要通过实证调研，全面把握疫情期间大学生的在线学习诉求，充分挖掘和分析学习者以往学习相关数据，绘制学习者画像，教师据此及时更新兼容既有教学理念、教学方法、教学环境等，为学生提供差异化和针对性的指导，增强任务技术匹配程度，进而更好地促进学生持续参与在线教学。

2. 优化平台建设，加强技术培训，改进在线教学质量，提升感知易用性和有用性。一方面，要培养大学生的“易用”意识。在线学习技术设计者要降低在线学习技术（辅助技术、智能学习系统技术、协作学习技术、大数据技术）及平台的操控难度和功能复杂度（适应环境、文本设计、菜单、导航等），帮助大学生以最少的努力达到学习目标，同时高校要持续强化对大学生信息素养的培养，通过不同的技术培训形式提升他们对于信息技术使用的自信程度和熟练程度，培养大学生的“易用”意识。另一方面，要创设在线学习“有用”的环境。教师要通过在线教学设计充分利用资源、交互和大数据优势，根据课程特征及学生需求来灵活组合构建适合自己教学风格和满足学生学习需要的直播、录播或混合教学模式，不断改进在线教学质量，同时疫情背景下高校要深入推进政策宣传、课程管理、教学督导、技术服务等在线教学制度建设，全力为大学生创设在线学习的“有用”环境。

【李人杰，厦门大学教育研究院博士研究生；郭建鹏，通讯作者，厦门大学高等教育发展研究中心副主任、教授；吕　帅，厦门大学教育研究院博士研究生】

原文刊载于《中国高教研究》2022年第12期