阅读障碍在短视频学习感知与行为意图间的调节作用：基于中国大学生的横断面研究

本研究针对中国大学生阅读障碍(Dyslexia)群体，探索短视频学习感知(Perceived Ease of Use/PEOU、Perceived Usefulness/PU)与行为意图(Behavioral Intention/BI)的关系。通过400份问卷和结构方程模型(SEM)分析，发现内容质量(CQ)通过PU显著影响BI，且阅读障碍显著调节PEOU→PU路径。研究为技术接受模型(TAM)在特殊教育中的应用提供新证据，对设计适应性学习工具有重要启示。

　　

在数字化教育浪潮中，短视频平台如抖音、哔哩哔哩已成为大学生重要的学习工具。然而，对于存在阅读障碍(Dyslexia)的学生群体而言，传统文本密集型的历史课程学习面临巨大挑战——这些学生常因解码复杂文本困难、阅读流畅性不足等问题，在需要处理大量文献的历史学科中表现不佳。尽管技术接受模型(Technology Acceptance Model, TAM)已被广泛用于解释教育技术采纳行为，但现有研究存在三个显著空白：忽视学习者个体差异、缺乏对特殊认知群体的关注、以及鲜少考察行为意图(Behavioral Intention, BI)与实际学习行为(Learning Behavior, LB)的转化关系。

为填补这些空白，Tinglei Liu等研究者开展了一项开创性研究，首次将阅读障碍作为调节变量纳入TAM框架，探究中国大学生群体中短视频学习感知与行为意图的关系机制。研究聚焦历史类短视频，因其多模态特性（结合视觉场景、语音叙述、字幕文本）可能为阅读障碍学生提供更友好的学习替代方案。论文发表于《Acta Psychologica》，通过严谨的实证分析揭示了认知差异如何影响技术采纳过程。

研究采用横断面设计，通过分层抽样从河北省5所高校获取400名大学生的有效问卷数据。关键方法包括：1）使用成人阅读史问卷中文版(ARHQ-C)筛查阅读障碍倾向；2）采用包含内容质量(CQ)、感知易用性(PEOU)、感知有用性(PU)等6个维度的标准化量表；3）运用结构方程模型(SEM)分析变量间关系；4）通过PROCESS宏程序检验阅读障碍的调节效应。所有量表经过严格的跨文化适应处理，Cronbach's α系数均>0.8，验证性因子分析(CFA)显示模型拟合良好（RMSEA=0.052，CFI=0.966）。

【研究结果】

1. 1.

   内容质量的多重影响路径

   数据分析显示，高质量的历史短视频内容（具备字幕、权威创作者、参考文献）能直接提升行为意图(β=0.334，p<0.001)，同时通过两条间接路径影响BI：

   • •

     CQ→PU→BI路径（β=0.079，p=0.001）：优质内容增强知识获取效率，进而提高使用意愿

   • •

     CQ→PEOU→PU→BI链式中介路径（β=0.016，p=0.001）：易用性界面促进有用性认知，最终驱动行为意图

2. 2.

   感知有用性的核心作用

   与经典TAM一致，PU对BI的预测力(β=0.272)显著强于PEOU(β=0.08，p=0.17)，证实中国大学生更重视工具的实际效用而非操作便利性。值得注意的是，BI能有效转化为实际LB(β=0.348)，解决了"意图-行为鸿沟"的理论争议。

3. 3.

   阅读障碍的特异性调节

   通过交互项分析发现阅读障碍显著强化PEOU→PU关系（β=0.155，p<0.01）：

   • •

     高阅读障碍组：PEOU对PU的影响更强(β=0.411)

   • •

     低阅读障碍组：该效应较弱(β=0.148)

     这表明对存在阅读困难的学生，界面易用性对其评估内容价值尤为重要。然而，阅读障碍未显著调节PU→BI和PEOU→BI路径，说明技术采纳的最终决策仍遵循普遍规律。

【理论贡献与实践启示】

本研究通过三重创新深化了教育技术研究：首先，将TAM扩展至特殊学习者群体，证实认知差异会改变技术评估过程；其次，验证了BI-LB的转化关系，增强模型预测效度；第三，揭示"易用性-有用性"联结的神经认知机制——阅读障碍学生因工作记忆限制，更依赖直观界面来降低认知负荷(Cognitive Load Theory)。

实践层面，研究为教育者提供明确指南：1）优先保证内容准确性（如添加参考文献）；2）优化界面设计（字幕、时间轴可视化）；3）针对阅读障碍学生，小幅度易用性改进能带来不成比例的学习收益。这些发现对推动教育公平、实现联合国可持续发展目标(SDG4)具有现实意义。

研究局限包括横断面设计的因果推断限制，以及样本集中于师范院校的普适性问题。未来研究可结合眼动追踪等技术，深入探索阅读障碍学生的信息加工特征，并开发适应性更强的智能学习系统。总体而言，这项工作为构建包容性数字教育环境提供了重要的理论基础和实践框架。