影响使用自适应学习系统行为意向的因素:整合自我决定理论与技术接受统一模型

《Acta Psychologica》:Factors influencing behavioral intention to use adaptive learning systems: Integrating self-determination theory and the unified model of technology acceptance

【字体: 大 中 小 】 时间:2026年02月17日 来源:Acta Psychologica 2.7

编辑推荐:

  弗洛罗·德奥格拉西亚斯·G·利亚库纳 | 阿德文·凯斯特·S·翁 | 迈克尔·N·扬 马普阿大学工业工程与工程管理学院,658穆拉拉街, Intramuros,马尼拉,1002,菲律宾 **摘要** 自适应学习系统(ALS)是教育领域技术创新中出现的一种有用的学习工

  弗洛罗·德奥格拉西亚斯·G·利亚库纳 | 阿德文·凯斯特·S·翁 | 迈克尔·N·扬
马普阿大学工业工程与工程管理学院,658穆拉拉街, Intramuros,马尼拉,1002,菲律宾

**摘要**
自适应学习系统(ALS)是教育领域技术创新中出现的一种有用的学习工具。自从在线学习兴起以来,许多学校和大学已经开始将其用于学术用途。然而,在当前这一代人中,尤其是发展中国家,对ALS的相对评估一直不足。本研究的目的是分析影响学生实际使用在线ALS的各种因素。共有638名菲律宾学生回答了一份包含50个问题的在线调查问卷,这些问题源自本研究使用的11个构念,并通过结构方程建模进行了同时分析。本研究结合了自我决定理论和技术接受与使用统一理论(UTAUT2),以探讨ALS的接受度。研究结果表明,自主性、能力、价格价值以及促进条件是影响学生使用ALS行为意图的重要因素。鉴于发展中国家正努力适应发达国家的趋势,建议开发者通过智能手机和平板电脑等设备使ALS更加易于使用。本研究的结果可以为数字学习教育环境提供参考,从而提高学生使用ALS的行为意图。此外,这些发现还为大学和ALS开发者提供了改进ALS的见解和建议,以促进学生的学习效果。

**1. 引言**
在线自适应学习系统已成为新技术整合带来的新学习时代中的流行工具。它从传统的面对面教学和师生直接互动方式发展到包括其他学习改进方法以及各种形式的数字技术应用(如增强现实和虚拟现实)(Mishra等人,2020;Ratten,2023)。因此,高等教育机构广泛采用了在线课程管理系统(Simelane-Mnisi,2023)。这些系统通过提供高效且个性化的学习路径来改变教育模式,满足每个学生的独特需求。这些系统允许教师为学生提供在线资源和相关培训课程,跟踪他们的学习进度,并生成相关报告(Al-Mamary,2022)。

自适应学习系统(ALS)起源于20世纪70年代的人工智能研究,至今仍在教育领域得到应用(Paramythis和Loidl-Reisinger,2003a;Paramythis和Loidl-Reisinger,2003b)。ALS是一种基于智能辅导系统的学习和教学媒介(Hssina & Erritali,2019),它能够根据学生的学习风格、任务难度和复杂性、反馈时间以及学生的偏好进行调整(Kabudi等人,2021)。基于多种标准,这些系统能够满足每个学习者的独特需求,同时进行指导和评估,并在过去几年中在高等教育中越来越受欢迎(Kaur等人,2023)。在菲律宾,流行的ALS包括ALEKS、LearnSmart(LS)、WileyPlus、WebAssign、EdApp、CogBooks、MATLAB和Pearson Interactive Labs等。其中一些ALS不仅在菲律宾使用,还在全球范围内得到应用。

多项研究表明,ALS对学生的学习成果有积极影响。Lim等人(2023)通过倾向得分分析报告了某机构内部ALS的有效性,表明其对课程成绩有积极影响。Cosyn等人(2021)研究了ALEKS系统的实施可行性、评估效果及对学习过程的洞察。Owens和Moroney(2017)比较了生物科学工作坊(Human Body Club,HBC)和LS对护理生物科学单元学生表现的影响,得出HBC是最有效的干预措施。Smith(2017)在曼彻斯特城市大学(英国)进行了试点研究,探讨CogBooks软件如何提高学生对化学课程中技术增强学习的满意度。这些研究共同表明,自适应学习技术能够改善学习体验和学生的满意度。然而,关于菲律宾高等教育环境中ALS使用的综合性研究仍然有限,显示出当地文献的不足。特别是,尽管其他国家广泛采用ALS,但在菲律宾大学中,其采用情况、实用性和学术影响尚未得到充分探索。

有多种理论可用于评估技术的采用和接受度。在学术环境中,广泛使用的理论之一是技术接受与使用统一理论(UTAUT2)。Faqih和Jaradat(2021)在其研究中结合了UTAUT2和任务-技术匹配理论来评估所采用的技术模型,旨在理解其动态,以鼓励学生将其应用于学习过程。Ain等人(2016)发现,在UTAUT2框架中,价格价值这一构念被重新定义为学习价值,为预测学生使用技术的意图提供了新的视角。作为伊拉克第一所实施ALS并使用UTAUT2的大学,Zwain和Haboobi(2019)研究了影响教师和学生采用技术的因素。在沙特阿拉伯的教育机构中,Al-Mamary(2022)进行了一项关于LMS的相关研究,涉及本科生,他们的研究帮助沙特阿拉伯的教育机构决定是否全面采用学习管理系统(LMS),其中Blackboard是最常用的LMS。

UTAUT2关注技术采用,评估工具性、情境性和体验性因素,如绩效期望、努力期望、促进条件和享乐动机、价格价值(Al-Mamary,2022;Venkatesh & Thong,2012)。例如,它评估用户操作系统所需的努力以及软件的性能,而促进条件反映了外部支持如何促进采用。然而,UTAUT2并未评估教育方面或学生使用技术的内在动机。另一个相关理论是自我决定理论(SDT),由Ryan和Deci(2000)提出,广泛应用于学术领域,以理解学生的动机和参与度。研究将SDT应用于数字学习情境,探讨其核心维度(自主性、能力和关联性)如何促进在线学习中的行为、认知和情感参与(Nandi & Mehendale,2022;Rosli等人,2022)。SDT还与学术表现和学生使用电子学习平台的意图相关联,强调了动机在有效学习中的作用(Aldraiweesh & Alturki,2023)。这些发现表明,虽然UTAUT2关注技术采用,但SDT关注学生的动机参与度。因此,SDT补充了UTAUT2,允许更全面地评估ALS的技术使用和教育成果。

从概念角度来看,结合SDT和UTAUT2特别适合研究ALS的采用,因为ALS的使用既受技术驱动,也依赖于动机。UTAUT2通过关注工具性、情境性和体验性因素来解释学生在何种条件下打算并实际使用系统。SDT则解释了学生为何愿意参与ALS,强调了基本心理需求(如自主性、能力和关联性)的满足,这些因素对自适应和自我调节学习环境至关重要(Rosli等人,2022;Ryan & Deci,2000)。SDT和UTAUT2共同提供了一个全面的框架,涵盖了技术使用和教育成果的评估。尽管国际上有一些研究(如Al-Mamary,2022;Osei等人,2022;Zwain & Haboobi,2019)结合了SDT和UTAUT2,但在菲律宾高等教育领域的应用仍不够充分。

鉴于菲律宾面临的基础设施有限、连接问题以及机构准备不足等挑战,探索ALS的采用尤为重要,这些问题与数字化更成熟的东亚国家形成鲜明对比。例如,新加坡拥有高度发达的数字教育基础设施,大学广泛采用先进的LMS和ALS平台,得到强有力的政策支持和技术支持(UNESCO,2021a;UNESCO,2021b)。中国大力投资数字教育技术和国家平台,整合了自适应学习、基于人工智能的评估和大规模在线课程,实现了广泛的采用和学生参与(Zhang等人,2025)。韩国和日本也建立了先进的数字学习生态系统,并得到政府的大力支持,实现了高质量的自适应学习和监控系统。相比之下,菲律宾的高等教育在数字学习准备方面仍处于发展阶段。当地研究指出存在持续挑战,包括互联网连接不稳定、技术支持有限以及教育技术采用程度不一(Fabito等人,2021;Cadiz等人,2024)。虽然ALS的使用日益增加,但其实际学术效果和对学生的动机影响仍需进一步研究,以了解影响其使用的情境因素。

本研究在菲律宾背景下进行,旨在通过整合UTAUT2和SDT框架来探讨ALS的采用情况,同时考虑技术接受度和学生动机。UTAUT2的构念(如价格价值、享乐动机、绩效期望、努力期望和促进条件)有助于理解技术采用和使用情况。SDT的构念(如感知自主性、能力和关联性)提供了对学生内在动机和参与度的洞察。这种结合提供了对影响菲律宾高等教育中ALS使用行为意图和实际使用的因素的全面评估。

基于这些考虑,本研究旨在实现以下目标:
1. 探究UTAUT2因素对学生使用ALS行为意图和实际使用的影响。
2. 评估SDT因素对学生动机、行为意图和ALS实际使用的影响。
3. 评估整合UTAUT2-SDT框架在预测ALS采用方面的综合解释能力。
4. 识别影响菲律宾高等教育中ALS采用和利用的特定情境因素。

**研究问题:**
1. UTAUT2的构念如何影响学生使用ALS的行为意图?
2. SDT的构念如何影响学生对ALS的动机和行为意图?
3. 结合SDT和UTAUT2如何提高对学生实际使用ALS的预测能力?
4. 菲律宾高等教育中的哪些特定情境因素影响ALS的采用和利用?

本研究结合理论和区域比较视角,提供了对ALS采用的全面理解,考虑了技术和动机因素,为菲律宾高等教育的研究、实践和政策提供了相关见解。接下来的一章将介绍整合UTAUT2和SDT构念的概念框架,以指导影响学生采用和使用ALS的因素的分析。

**2. 概念框架**
本文的概念框架如图1所示。该框架结合了技术接受与使用统一理论(UTAUT2)和自我决定理论(SDT),以分析影响学生实际使用在线自适应学习系统的潜在变量。Chen和Jang(2010)指出,SDT作为框架有助于评估学生的在线学习动机问题。他们进一步指出,SDT涉及动机的三个决定因素:自主性、能力和关联性。Ong等人(2022)指出,这些领域影响了行为意图,替代了动机的直接效应。由于在线自适应学习是学生作为补充材料使用的技术,因此UTAUT2适用于消费者采用和技术的使用情境,是一个潜在的有用框架(Venkatesh & Thong,2012)。

**下载:**
下载高分辨率图片(219KB)
下载全尺寸图片

**图1. 概念框架**

**2.1. 技术采用基础(UTAUT2)**
UTAUT2研究了影响行为意图和实际技术使用的因素,包括绩效期望、努力期望、促进条件、享乐动机、价格价值和习惯(Venkatesh & Thong,2012)。这些构念在教育技术研究中得到了广泛验证。绩效期望,即对技术有用性的感知,一直与更高的使用意愿相关(Lwoga & Komba,2015;Zaid Kilani等人,2023)。努力预期(Effort Expectancy),反映了可用性和系统的可学习性,当学生认为技术易于使用时,可以预测技术的采纳情况(Alshehri等人,2020年)。享乐动机(Hedonic Motivation),即使用技术所带来的愉悦感,能够鼓励参与并增强行为意图,这一点在课堂和在线学习环境中得到了证实(10.2307/25148690,2005年;Faqih & Jaradat,2021年)。价格价值(Price Value)捕捉了收益与成本之间的感知权衡;虽然在学术环境中财务成本可能很低,但感知到的学习价值仍然会影响参与度(Faqih & Jaradat,2021年)。习惯(Habit)代表了重复使用的自动化程度,这可以直接影响实际系统使用情况,而不受意识动机的影响(Kim & Malhotra,2005年;Limayem & Cheung,2007年;Soren & Chakraborty,2023年)。促进条件(Facilitating Conditions),包括基础设施、技术支持和资源获取,使得技术的成功使用成为可能,直接影响行为意图和实际使用(Al-Mamary,2022年;Cabrera-Sánchez等人,2021年;Venkatesh & Morris,2003年)。这些考虑因素构成了以下假设的基础:

H1. 习惯对实际使用有显著的直接影响,可能通过行为意图作为中介。
H2. 价格价值对实际使用有显著的直接影响,可能通过行为意图作为中介。
H3. 享乐动机对行为意图有显著的直接影响。
H4. 表现预期对行为意图有显著的直接影响。
H5. 努力预期对行为意图有显著的直接影响。
H6. 促进条件对行为意图有显著的直接影响。
H7. 促进条件对实际使用有显著的直接影响。

2.2. 动机基础(SDT)
SDT认为学生的动机受到三种基本心理需求的满足程度的影响:自主性(Autonomy)、能力(Competence)和关联性(Relatedness)(Ryan & Deci,2000年)。在线学习和数字教育的研究一再强调了这些概念的重要性。Nandi和Mehendale(2022年)表明,自主性、能力和关联性积极影响了在线学习中的行为、认知和情感参与。Aldraiweesh和Alturki(2023年)将SDT概念与学生的学术表现及其使用电子学习平台的行为意图联系起来,强调了内在动机在维持对教育技术参与度方面的作用。同样,Cortez等人(2024年)提出,SDT领域可以直接影响行为意图,特别是在依赖自我调节和自主性的自适应学习环境中。基于这些发现,当前框架提出,感知到的自主性、能力和关联性作为动机前因,影响学生的行为意图和实际ALS使用情况,从而得出以下假设:

H8. 感知到的自主性显著影响行为意图。
H9. 感知到的能力对行为意图有显著的直接影响。
H10. 感知到的关联性显著影响行为意图。

2.3. 行为意图和实际使用
行为意图介导了动机和技术决定因素与实际ALS使用之间的关系。研究表明,强烈的行为意图是实际系统使用的有力预测因子,特别是在技术态度显著影响使用行为的学术环境中(Gumasing等人,2023年;Hunde等人,2023年;Yang等人,2022年)。这一概念支持了以下假设:

H11. 行为意图对实际使用有显著的直接影响。

2.4. 以往研究的关键主题洞察
以往的研究提供了支持性和对比性的证据,为本研究框架提供了依据。关于动机驱动的参与,SDT研究一致表明,自主性、能力和关联性促进了在线学习中的持续参与和学术表现。那些感到能够熟练使用系统、在学习管理上具有自主性,并与教师和同学有联系的学生更有可能内化学习目标并保持ALS的一致使用(Aldraiweesh & Alturki,2023年;Cortez等人,2024年;Nandi & Mehendale,2022年;Ryan & Deci,2000年)。这些见解验证了在框架中包含SDT概念的合理性,同时也强调仅靠动机可能无法完全解释技术的采纳,需要与UTAUT2相结合。在技术采纳方面,UTAUT2概念反复证明了其在解释学生与数字学习工具的参与度方面的预测能力。表现预期、努力预期和促进条件是行为意图和系统使用的强预测因子(Alshehri等人,2020年;Faqih & Jaradat,2021年;Venkatesh & Thong,2012年)。享乐动机和习惯通过关注愉悦感和自动化进一步支持持续使用,而价格价值的效果则取决于机构环境(Hssina & Erritali,2019年;Limayem & Cheung,2007年)。这些发现共同表明,以技术为中心的框架捕捉到了ALS采纳的结构和环境促成因素,但没有考虑到内在动机动态,这加强了整合SDT的合理性。因此,从理论和实践角度来看,整合SDT和UTAUT2都是合理的。尽管有一些研究开始在电子学习环境中结合这两种框架(Osei等人,2022年),但大多数研究仍然分离进行,要么只关注动机,要么只关注技术接受度。通过合并SDT和UTAUT2,本研究提供了一种更全面的方法,考虑了内在动机和外部技术条件,提高了对学生行为意图和实际ALS使用的解释能力。这种综合视角对于菲律宾的高等教育环境尤为重要,因为那里存在互联网连接不稳定、机构支持有限和技术准备程度不一等挑战,这些因素可能以复杂的方式影响学生的动机参与(Fabito等人,2021年;Cadiz等人,2024年)。这些主题洞察共同支持了11个研究假设,为研究习惯、价格价值、享乐动机、表现预期、努力预期、促进条件、感知到的自主性、感知到的能力、感知到的关联性和行为意图作为实际ALS使用的预测因子提供了坚实的依据。通过将研究置于理论和情境框架中,该模型填补了以往研究的空白,并在其动机和技术视角的整合方面具有创新性。

3. 方法论
3.1. 参与者
本研究的参与者是高中(SHS)和大学生,他们是ALS的使用者——通过目的性抽样技术收集的。这项技术自他们入学以来就被整合到了他们的物理、化学、数学、统计学等主要课程中。ALS的用途是为学生提供各种评估,包括作业、习题集、学术任务甚至期末考试。共有638名学生在完成书面同意书(FM-RC-22-02-01)后自愿在线回答了调查问卷,该问卷的收集时间为2023年9月至10月。通过社交媒体平台和面对面传播,鼓励在线参与者回答(仅限使用过ALS的人),通过在不同Facebook群组、X(前身为Twitter)帖子和Instagram帖子中进行推广。对于面对面传播,确认参与者是否使用过不同的ALS,并简单地询问他们是否有时间扫描二维码并回答调查。调查中包含了一个过滤问题,询问他们是否使用过任何ALS平台,回答“是”的人需要列出他们使用过的所有平台,而回答“否”的人则不计入统计范围。

表1展示了受访者的基本信息。从调查结果来看,使用频率最高的五个程序是SHS-STEM(252名学生)、土木工程(166名学生)、计算机工程(104名学生)、SHS-HUMMS(22名学生)和机械工程(14名学生)。在回答的学生中,有253名是12年级的学生,239名是一年级的学生,109名是二年级的学生,29名是11年级的学生,8名是三年级的学生。在性别方面,453名是男性,185名是女性。这是可以理解的,因为所考虑的程序与工程学位相关(Andrews等人,2021年)。18岁以下的学生被要求在回答调查前让父母或监护人签署同意书。

表1. 受访者描述性统计(n = 638)
| 特征 | 类别 | 百分比 |
|---------------|--------------|-------------|
| 程序 | SHS-STEM | 39.5% |
| | CE | 16.3% |
| | CPE | 16.3% |
| | SHS-HUMMS | 3.4% |
| | ME | 2.2% |
| | 其他 | 12.6% |
| 年级 | 12年级 | 39.7% |
| | 一年级 | 23.9% |
| | 二年级 | 17.1% |
| | 11年级 | 29.4% |
| | 三年级 | 8.1% |
| 性别 | 男性 | 453 | 71% |
| | 女性 | 185 | 29% |
| 高中类型 | 私立学校 | 560 | 87.8% |
| | 公立学校(SUCs) | 51 | 4.2% |
| | 公立学院/大学 | 27 | 4.2% |
| 家庭收入 | 低于40,000菲律宾比索 | 136 | 21.3% |
| | 40,001–69,999菲律宾比索 | 156 | 24.5% |
| | 70,000–99,999菲律宾比索 | 116 | 18.2% |
| | 100,000–129,999菲律宾比索 | 94 | 14.7% |
| | 130,000–159,999菲律宾比索 | 38 | 6.0% |
| | 160,000及以上 | 98 | 15.3% |
| 地区 | NCR | 377 | 59.1% |
| | CALABARZON | 126 | 19.7% |
| | 中部吕宋 | 77 | 12.1% |
| | Ilocos地区 | 11 | 1.7% |
| | 其他 | 47 | 7.4% |

3.2. 动机基础(SDT)
SDT认为学生的动机受到三种基本心理需求满足程度的影响:自主性、能力和关联性(Ryan & Deci,2000年)。在线学习和数字教育的研究一再强调了这些概念的重要性。Nandi和Mehendale(2022年)证明,自主性、能力和关联性积极影响了在线学习中的行为、认知和情感参与。Aldraiweesh和Alturki(2023年)将SDT概念与学生的学术表现及其使用电子学习平台的行为意图联系起来,强调了内在动机在维持对教育技术参与度方面的作用。同样,Cortez等人(2024年)提出,SDT领域可以直接影响行为意图,特别是在依赖自我调节和自主性的自适应学习环境中。根据这些发现,当前框架提出,感知到的自主性、能力和关联性作为动机前因,影响学生的行为意图和实际ALS使用情况,从而得出以下假设:

H8. 感知到的自主性显著影响行为意图。
H9. 感知到的能力对行为意图有显著的直接影响。
H10. 感知到的关联性显著影响行为意图。

3.3. 行为意图和实际使用
行为意图介导了动机和技术决定因素与实际ALS使用之间的关系。研究表明,强烈的行为意图是实际系统使用的有力预测因子,特别是在技术态度显著影响使用行为的学术环境中(Gumasing等人,2023年;Hunde等人,2023年;Yang等人,2022年)。这一概念支持了以下假设:

H11. 行为意图对实际使用有显著的直接影响。

3.4. 以往研究的关键主题洞察
以往的研究提供了支持性和对比性的证据,为本研究框架提供了依据。关于动机驱动的参与,SDT研究一致表明,自主性、能力和关联性促进了在线学习中的持续参与和学术表现。那些感到能够熟练使用系统、在学习管理上具有自主性,并与教师和同学有联系的学生更有可能内化学习目标并保持ALS的一致使用(Aldraiweesh & Alturki,2023年;Cortez等人,2024年;Nandi & Mehendale,2022年;Ryan & Deci,2000年)。这些见解验证了在框架中包含SDT概念的合理性,同时也强调仅靠动机可能无法完全解释技术的采纳,需要与UTAUT2相结合。在技术采纳方面,UTAUT2概念反复证明了其在解释学生与数字学习工具的参与度方面的预测能力。表现预期、努力预期和促进条件是行为意图和系统使用的强预测因子(Alshehri等人,2020年;Faqih & Jaradat,2021年;Venkatesh & Thong,2012年)。享乐动机和习惯通过关注愉悦感和自动化进一步支持持续使用,而价格价值的效果则取决于机构环境(Hssina & Erritali,2019年;Limayem & Cheung,2007年)。这些发现共同表明,以技术为中心的框架捕捉到了ALS采纳的结构和环境促成因素,但没有考虑到内在动机动态,这加强了整合SDT的合理性。因此,从理论和实践角度来看,整合SDT和UTAUT2都是合理的。虽然有一些研究开始在电子学习环境中结合这两种框架(Osei等人,2022年),但大多数研究仍然分离进行,要么只关注动机,要么只关注技术接受度。通过合并SDT和UTAUT2,本研究提供了一种更全面的方法,考虑了内在动机和外部技术条件,提高了对学生行为意图和实际ALS使用的解释能力。这种综合视角对于菲律宾的高等教育环境尤为重要,因为那里存在互联网连接不稳定、机构支持有限和技术准备程度不一等挑战,这些因素可能以复杂的方式影响学生的动机参与(Fabito等人,2021年;Cadiz等人,2024年)。这些主题洞察共同支持了11个研究假设,为研究习惯、价格价值、享乐动机、表现预期、努力预期、促进条件、感知到的自主性、感知到的能力、感知到的关联性和行为意图作为实际ALS使用的预测因子提供了坚实的依据。通过将研究置于理论和情境框架中,该模型填补了以往研究的空白,并在其动机和技术视角的整合方面具有创新性。

3. 方法论
3.1. 参与者
本研究的参与者是高中(SHS)和大学生,他们是ALS的使用者——通过目的性抽样技术收集的。这项技术自他们入学以来就被整合到了他们的物理、化学、数学、统计学等主要课程中。ALS的用途是为学生提供不同的评估,包括作业、习题集、学术任务甚至期末考试。共有638名学生在完成书面同意书(FM-RC-22-02-01)后自愿在线回答了调查问卷,该问卷的收集时间为2023年9月至10月。通过社交媒体平台和面对面传播,鼓励在线参与者回答(仅限使用过ALS的人),通过在不同Facebook群组、X(前身为Twitter)帖子和Instagram帖子中进行推广。对于面对面传播,确认参与者是否使用过不同的ALS,并简单地询问他们是否有时间扫描二维码并回答调查。调查中包含一个过滤问题,询问他们是否使用过任何ALS平台,回答“是”的人需要列出他们使用过的所有平台,而回答“否”的人则不计入统计范围。

表1展示了受访者的基本信息。从调查结果来看,使用频率最高的五个程序是SHS-STEM(252名学生)、土木工程(166名学生)、计算机工程(104名学生)、SHS-HUMMS(22名学生)和机械工程(14名学生)。在回答的学生中,有253名是12年级的学生,239名是一年级的学生,109名是二年级的学生,29名是11年级的学生,8名是三年级的学生。在性别方面,453名是男性,185名是女性。这是可以理解的,因为所考虑的程序与工程学位相关(Andrews等人,2021年)。18岁以下的学生被要求在回答调查前让父母或监护人签署同意书。

表1. 受访者描述性统计(n = 638)
| 特征 | 类别 | 百分比 |
|---------------|--------------|-------------|
| 程序 | SHS-STEM | 39.5% |
| | CE | 166 | 26.3% |
| | CPE | 104 | 16.3% |
| | SHS-HUMMS | 22 | 3.4% |
| | ME | 14 | 2.2% |
| | 其他 | 8 | 12.6% |
| 年级 | 12年级 | 253 | 39.7% |
| | 一年级 | 239 | 37.5% |
| | 二年级 | 109 | 17.1% |
| | 11年级 | 29 | 4.4% |
| | 三年级 | 8 | 1.3% |
| 性别 | 男性 | 453 | 71% |
| | 女性 | 185 | 29% |
| 高中类型 | 私立学校 | 560 | 87.8% |
| | 公立学校(SUCs) | 51 | 4.2% |
| | 公立学院/大学 | 27 | 4.2% |
| 家庭收入 | 低于40,000菲律宾比索 | 136 | 21.3% |
| | 40,001–69,999菲律宾比索 | 156 | 24.5% |
| | 70,000–99,999菲律宾比索 | 116 | 18.2% |
| | 100,000–129,999菲律宾比索 | 94 | 14.7% |
| | 130,000–159,999菲律宾比索 | 38 | 6.0% |
| | 160,000及以上 | 98 | 15.3% |
| 地区 | NCR | 377 | 59.1% |
| | CALABARZON | 126 | 19.7% |
| | 中部吕宋 | 77 | 12.1% |
| | Ilocos地区 | 11 | 1.7% |
| | 其他 | 47 | 7.4% |

3.2. 问卷
问卷分为两部分:人口统计信息和ALS评估,基于UTAUT2和SDT理论。人口统计信息见表1,ALS评估来自改编的研究(补充材料)。问卷包含11个部分,基于UTAUT2和SDT两个理论。该技术的目标和实际学术应用源自这两个理论,并在部署前获得了大学伦理委员会的批准(FM-RC-22-01-01)。潜在变量遵循5点李克特量表(Likert Scale)对ALS进行评估(Hair等人,2010年)。

3.3. 结构方程建模
本研究的概念框架(图1)使用偏最小二乘结构方程建模(PLS-SEM)进行了检验。SEM是一种灵活的统计建模技术,用于检验观察变量和潜在变量之间的关系(Lei & Zhao,2023年)。本研究使用了SMARTPLS v4.0统计软件。PLS-SEM提供了关于构念可靠性和有效性的相关信息,以及通过Fornell和Larcker标准及HTMT程序得出的区分有效性(Hair等人,2019年;Hssina & Erritali,2019年)。在Camilleri和Camilleri(2022)的研究中,PLS-SEM方法揭示了预测学生使用同步学习程序倾向的非常显著的因素。此外,Alyoussef(2023)使用PLS-SEM评估了任务-技术匹配(TTF)与信息系统成功模型在学生采纳电子学习方面的作用,发现TTF对电子学习的好处影响最大。根据研究结果,他建议所有高等教育学生应提高他们的电子学习质量,特别是在教育质量和系统质量方面。O'Connor和Mahony(2023)开发并测试了一个概念模型,该模型关注增强现实(AR)对学生学术成就自我效能的影响,使用PLS-SEM。结果表明,学生的认知策略影响他们对技术和学习任务的感知和参与度,AR对高等教育中的学生自我效能有积极影响。因此,鉴于相关研究的积极结果,本研究也采用了PLS-SEM。

4. 结果
图2显示了影响ALS实际学术使用的因素的初步SEM结果。模型包括11个潜在变量和50个项目的问卷及其对应的代码(见补充材料)。使用路径系数方法计算了每个代码的观察值,这些值仅基于调查结果。虚线表示不显著的潜在变量(p值>0.05),这些变量被移除,仅考虑显著的潜在变量进行了SEM分析(Hair等人,2010年)。

表2列出了潜在变量的初始均值、标准差和相互相关性。计算了每个项目在潜在变量中的初始因子载荷(Initial FL),其中一些载荷小于0.7,如PE3、FC5、PA5、PC1、PR4和AAU5。因此,这些项目未被包括在最终因子载荷(Final FL)中,因为它们在最终SEM运行中被移除(Hair等人,2019年)。描述性统计结果。
潜变量代码 平均值 标准差
初始FL 最终FL 习惯HB 3.68 1.01 0.794
HB2 3.78 1.049 0.826
HB3 3.88 0.992 0.848
HB4 3.87 0.972 0.824
价格价值 PV1 3.80 0.933 0.852
PV2 3.96 0.950 0.867
PV3 3.94 0.939 0.870
PV4 3.41 1.103 0.815
PV5 3.50 1.093 0.817

享乐动机 HM1 3.63 0.996 0.840
HM2 3.60 1.069 0.886
HM3 3.45 1.083 0.898
HM4 3.60 1.031 0.900

绩效期望 PE1 3.81 0.968 0.737
PE2 3.86 0.928 0.831
PE3 3.79 0.928 0.681
PE4 3.88 0.876 0.782

努力期望 EE1 3.84 0.905 0.837
EE2 3.57 0.971 0.809
EE3 3.84 0.938 0.873
EE4 3.70 1.020 0.765

促进条件 FC1 3.62 1.081 0.736
FC2 3.53 1.033 0.758
FC3 3.60 1.008 0.814
FC4 4.21 0.874 0.740
FC5 3.50 1.151 0.653

感知自主性 PA1 3.64 1.005 0.807
PA2 3.96 0.867 0.799
PA3 3.82 0.970 0.829
PA4 3.80 0.996 0.789
PA5 3.82 1.045 0.696

感知能力 PC1 3.50 1.240 0.513
PC2 3.86 0.957 0.822
PC3 3.84 0.933 0.889
PC4 3.95 0.897 0.808
PC5 3.93 0.894 0.877

感知相关性 PR1 3.82 0.992 0.765
PR2 3.79 1.006 0.796
PR3 3.75 0.979 0.831
PR4 3.49 1.139 0.698

实际学术使用 AAU1 4.07 0.889 0.829
AAU2 4.00 0.874 0.838
AAU3 4.17 0.887 0.823
AAU4 3.94 0.926 0.814
AAU5 3.72 1.030 0.660

行为意图 BI1 3.85 0.944 0.835
BI2 3.839 1.028 0.818
BI3 4.05 0.957 0.855
BI4 4.21 0.910 0.803
BI5 4.249 0.892 0.817

表3详细评估了最终测量模型中保留的潜在构念的可靠性和收敛效度。内部一致性可靠性通过Cronbach's alpha和复合可靠性(CR)进行评估。所有构念的Cronbach's alpha值(介于0.777至0.900之间)和复合可靠性值(介于0.857至0.925之间)均超过了推荐阈值,表明保留的指标具有很强的内部一致性和稳定性(Hair等人,2010年)。复合可靠性值进一步表明这些构念被其相应的指标很好地代表了,并适合进行PLS-SEM分析。

表3. 一致性、可靠性和效度结果。

空单元格表示未提供具体数据。

收敛效度进一步通过平均方差提取(AVE)进行评估。如表3所示,所有AVE值均超过了0.50的最低标准(介于0.599至0.730之间),表明每个构念解释了其指标超过一半的方差。这证实了保留的指标与其预期的潜在构念有很好的收敛性(Hair等人,2019年)。

最后,表3中的可靠性结果反映了在初始模型估计过程中移除因子载荷较低(< 0.70)的指标后的最终测量模型。剩余指标表现出强烈的标准化载荷(通常高于0.70,如表2所示),增强了每个构念的测量准确性(Gumasing & Niro,2023年)。移除载荷较弱的条目提高了构念的清晰度,并在不影响理论一致性的情况下提高了可靠性和收敛效度。总体而言,表3中的结果证实了最终潜在构念具有令人满意的可靠性和效度,支持其在后续结构模型分析中的使用(Hair等人,2019年)。

六个潜在变量的区分效度值(表4)是使用异质特质-单特质比率计算的。结果显示值低于0.90的阈值——表明达到了区分效度(Henseler等人,2014年)。

表4. 区分效度——异质特质-单特质比率。

表5. 模型拟合指数。
参数 阈值
NFI 0.063 <0.08
Chi-sq/dF 2.050 <5.00
SRMR 0.928 >0.90

作为模型拟合分析的一部分,计算了三个指数:正常拟合指数(NFI)的值低于0.08的阈值(0.063)(Henseler等人,2014年),卡方/自由度(Chi-square/dF)小于5.00(Lohm?ller,1989年),标准化均方残差(SRMR)大于0.90(Bentler & Bonett,1980年)。每个指数的值都符合阈值要求,进一步支持了模型的有效性。表5展示了f2和q2的预测结果。所有关系均显著,其中BI对AAU的f2影响最大(f2 = 0.673 > 0.350),其次是FC对AAU、PA和PC对BI的影响。q2的输出均大于0.35,表明模型具有较高的预测相关性。此外,所有VIF值均小于5.00,最高为3.389,最低为1.732。

图3展示了最终的SEM模型。该模型显示了计算出的因子载荷、beta系数值以及六个潜在变量的R2值。学生使用自适应学习系统(ALS)的行为意图(BI)的R2值为69.6%,与之相关的三个潜在变量是价格价值、感知自主性和感知能力。实际学术使用占R2值的66.6%,其行为意图和促进条件是其属性。表6列出了对不同假设的检验结果。

下载:下载高分辨率图像(274KB)
下载:下载全尺寸图像

图4. 路径分析图。

进一步验证了多重共线性。根据Hssina和Erritali(2019年)的研究,方差膨胀因子(VIF)的值应小于5.00,以表明没有多重共线性。表7显示了变量的VIF输出——所有值均低于阈值,介于1.732至3.389之间。R2输出表明它们的测量相关性超过20%(Gumasing & Niro,2023;Hair等人,2019)。

5.1. 解释与现有文献的相关性
感知能力对行为意图的强烈正面影响突显了学习者对自己有效使用ALS能力的信心在其中的核心作用。这一发现与自我决定理论(SDT)的观点一致,该理论认为能力是驱动内在动机和持续参与的基本心理需求(Ryan & Deci,2000年)。在数字学习环境中也有类似的研究结果,学生更有可能采用教育技术,当他们认为这些工具能提升他们的技能和学术能力时(Aldraiweesh & Alturki,2023;Shroff & Keyes,2017)。在ALS环境中,个性化反馈、自适应评估和即时性能指标可能增强学生的能力感知,从而增加他们继续使用系统的意愿。

感知自主性也被证明是行为意图的重要预测因素,这加强了SDT的观点,即当学习者感到对自己的学习过程有控制权时,他们的动机更强。这一发现与Raman等人(2022年)的研究一致,他们强调自主支持的学习环境对于解释技术接受度至关重要。在菲律宾高等教育中,由于教学方法通常由教师主导,ALS可能代表了向自主学习和自我调节学习的转变。独立导航内容、重新访问材料和管理评估时间的能力可能增强了学生的自主感,从而促进了采用。

从UTAUT2的角度来看,价格价值是唯一显著影响行为意图的技术构念。这一结果支持了UTAUT2的原始命题,即用户对成本-效益权衡的评估是采用的关键决定因素(Venkatesh & Thong,2012)。在菲律宾背景下,价格价值尤为重要,因为许多学生经济上受到限制,对学费成本非常敏感。与高收入环境中的研究不同(Al-Azawei & Alowayr,2020),菲律宾学生似乎根据感知到的学术收益是否值得学费来评估ALS的采用。这强调了在发展中国家中,性价比考虑在技术采用中的重要性。

5.2. 对非显著变量的深入分析
与预期相反,习惯并未显著预测行为意图。这表明菲律宾学生使用ALS尚未达到习惯化的程度。与通过频繁和自愿使用而成为习惯的消费技术不同,ALS似乎主要是由教师驱动和评估导向的。学生可能只在需要时才会使用ALS,限制了自动使用行为的发展。这与Khechine等人(2020年)和Zacharis和Nikolopoulou(2022年)的研究结果相反,后者的研究表明习惯性使用显著影响了意图,这可能是由于更成熟的电子学习生态系统和长期接触数字平台。

同样,享乐动机也不是行为意图的显著决定因素。这表明菲律宾学生并不认为ALS令人愉快或吸引人,而更多将其视为学术要求。这一发现与中东地区的研究结果不同(Al-Azawei & Alowayr,2020),在那里享受感在采用中起着更重要的作用。文化和制度因素可能解释了这种差异。菲律宾高等教育强调成绩、评估和合规性,可能降低了学习技术中享受感的重要性。此外,ALS平台通常设计为功能性和以评估为中心的界面,而不是交互式或游戏化的元素,限制了其享乐吸引力。

绩效期望和努力期望的非显著性进一步表明,菲律宾学生并不认为ALS显著提高了学术表现或易于使用。这可能归因于系统导向的局限性、ALS在课堂教学中的整合不足,或对数字学习工具的接触不均衡。虽然先前的研究将这些构念确定为行为意图的关键预测因素(Abbad,2021;Chao,2019),但当前的研究表明,在学生遇到技术困难或缺乏指导的情况下,这些因素的影响可能减弱。

5.3. 对SDT和UTAUT2的理论意义
这些发现通过展示SDT和UTAUT2在解释ALS采用方面的互补优势,提供了重要的理论贡献。虽然UTAUT2有效地捕捉了外部和系统相关因素,但在解释学习者的内在动机过程方面有所不足。感知自主性和能力的显著效应强调了整合SDT以解释教育技术中内在动机的重要性。

5.4. 实际意义
这些结果对ALS开发者、教育机构和政策制定者具有重要意义。促进条件对实际学术使用的强烈影响突显了需要强大的技术基础设施和支持系统。大学应投资于可靠的互联网接入、设备可用性和响应迅速的帮助台,以确保学生能够在校园内和家中持续访问ALS。开发者应优先考虑移动设备和平板电脑的兼容性,以满足没有个人笔记本电脑学生的需求。价格价值的重要性表明,成本分配的透明度和可证明的学习效益至关重要。机构和政策制定者应确保包含在学费中的ALS订阅能够最大化感知价值。定期评估ALS的有效性和学生反馈机制可以进一步增强价值感知。

5.5. 管理意义
这些结果对于ALS开发者、教育机构和政策制定者具有重要意义。促进条件对实际学术使用的强烈影响突显了需要强大的技术基础设施和支持系统。大学应投资于可靠的互联网接入、设备可用性和响应迅速的帮助台,以确保学生能够在校园内外一致地访问ALS。开发者应优先考虑移动设备和平板电脑的兼容性。价格价值的重要性表明,成本分配的透明度和可证明的学习效益至关重要。机构和政策制定者应确保学费中包含的ALS订阅能够最大化感知价值。定期评估ALS的有效性和学生反馈机制可以进一步增强价值感知。

5.6. 对SDT和UTAUT2的理论启示
这些发现通过展示SDT和UTAUT2在解释ALS采用方面的互补优势,提供了重要的理论贡献。虽然UTAUT2有效地捕捉了外部和系统相关因素,但在解释学习者的内在动机过程方面有所不足。感知自主性和能力的显著效应强调了整合SDT以解释教育技术中内在动机的重要性。然而,支持者也指出了存在的一些问题和担忧,例如技术难题、互动有限,以及与技术支持团队的反馈和支持不足或延迟。ALS服务提供商必须考虑这些问题,以改进他们的ALS技术和对学生提供的服务。这项研究也为教育工作者和学校管理层继续寻找更好的ALS提供商铺平了道路,而不应仅仅局限于一两种ALS工具用于实际教学。建议对ALS进行更全面的评估和应用改进。此外,学生和教育工作者也应每季度对ALS进行评估,提出关于如何改进这些工具的意见、观察结果和建议。这些发现表明,即使设计良好的ALS平台,如果学生认为在机构支持方面存在不足,也可能无法实现持续采用(参见Cabrera-Sánchez等人,2021年;Venkatesh和Thong,2012年的研究)。

5.6. 局限性与未来研究
尽管这项研究通过UTAUT2–SDT框架有助于理解ALS的采用情况,但仍需承认一些局限性。首先,采用横断面研究设计限制了捕捉学生动机和使用行为随时间变化的能力。随着学生经验的积累,ALS的采用情况可能会发生变化,因此纵向研究可以提供更深入的见解,了解习惯、行为意图和动机等概念在长期系统使用过程中的发展情况。其次,该研究依赖于自我报告的数据,这些数据可能受到响应偏差或社会期望效应的影响。未来的研究可以通过结合客观的系统使用数据、学习分析或学术表现指标来增强研究结果的可靠性,从而更准确地反映实际使用情况。第三,虽然本研究聚焦于菲律宾的高等教育环境,但其结果可能无法完全推广到技术成熟度不同、文化规范或机构结构不同的其他教育系统。跨国家(特别是在东南亚或发展中国家与发达国家之间)的比较研究可以帮助阐明文化和机构因素如何调节综合框架中提出的关系。

非显著的习惯和享乐动机效应也为未来研究提供了重要机会。定性或混合方法研究可以探讨为什么菲律宾学生使用ALS时仍然以目标为导向,而不是出于习惯或享受。学术压力、以评估为导向的学习文化或对长期使用ALS的有限接触等因素可能有助于解释这些现象,并需要进一步探讨。未来的研究可以通过引入数字素养、教师支持、学习自我效能感或学术学科等变量来扩展当前模型,作为调节或中介因素。研究ALS使用对学习成果、参与度和保留率的直接影响也将为理解自适应学习技术的整体教育效果提供宝贵见解。

6. 结论
近年来,ALS在全球范围内尤其是在线教育中非常流行,对学生学习和成功具有巨大潜力。ALS具备人工智能学习能力和评估系统,使学生能够改进学习过程。全球许多学校和大学已在基于Web的学习管理系统(LMS)中采用ALS进行教学和学习,但对其实际学术应用效果的评估仍不够充分。本研究的目的是分析影响学生实际使用ALS的各种因素。研究结果表明,绩效期望、努力期望、促进条件、价格价值以及SDT框架中的概念(特别是自主性、能力和关联性)在塑造学生的行为意图和实际使用中起着重要作用。这些发现加强了UTAUT2在教育技术领域的适用性,并通过引入SDT扩展了其解释能力。相比之下,习惯和享乐动机并未表现出显著效应,表明在菲律宾背景下,ALS的使用更多是出于实用性和学术需求,而非习惯或享受。这种与某些以消费者为导向和技术成熟度较高的背景下的研究结果的差异突显了文化和机构因素在塑造技术采用行为中的重要性。

从理论角度来看,该研究通过将SDT与UTAUT2相结合,增强了解释深度,特别是在动机和学习参与度至关重要的教育环境中。结果表明,SDT概念不仅补充了技术接受模型,还提供了关于学生如何内化并持续使用学习技术的关键见解。这一综合框架为理解ALS的采用提供了更细致的视角,特别是在发展中和过渡性的教育环境中。在实际应用方面,这些发现对ALS开发者、教育机构和政策制定者具有重要意义。促进条件的强大影响强调了可靠基础设施、技术支持和机构准备度的必要性,以确保ALS的有效实施。同样,价格价值的重要性(即使在机构提供的系统中也是如此)突显了相对于努力、时间和认知负荷的学术回报感知的作用。因此,开发者和机构应优先考虑系统的可用性、明确的学习收益和教学一致性,而不仅仅是新奇性或娱乐功能。支持数字基础设施投资、教师培训和公平获取学习技术的政策对于促进ALS的持续采用同样至关重要。

尽管本研究有所贡献,但仍存在局限性,为未来研究留下了空间。横断面设计限制了捕捉学生动机和使用行为随时间变化的能力,因此建议进行纵向研究,以考察学生随着经验积累和系统熟悉度的提高,ALS采用情况如何演变。未来的研究还可以探讨学术学科、学习模式(如完全在线 vs 混合式)或数字素养等调节变量,以进一步具体化采用行为。此外,定性或混合方法研究可以更深入地解释某些概念为何不显著,提供超出统计关系的更丰富解释。进一步的研究还可以将这一综合框架扩展到东南亚或其他发展中国家的跨国比较分析中,以评估文化和机构因素对ALS采用的影响。最后,未来的研究可以纳入学习成果和学术表现指标,以更直接地考察ALS的教育影响。

总之,本研究通过结合动机和技术视角,展示了理解ALS采用的价值,推动了理论和实践的发展。通过考虑情境现实和学习者中心因素,为在高等教育中更有效、包容性和可持续地实施自适应学习技术奠定了基础。

**作者贡献声明**
Floro Deogracias G. Llacuna:撰写——审阅与编辑、撰写——初稿、可视化、监督、软件、资源、项目管理、方法论、调查、资金获取、正式分析、数据管理、概念化。
Ardvin Kester S. Ong:撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、资金获取、正式分析、概念化。
Michael N. Young:撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、正式分析、概念化。

**资助**
本研究由Mapúa大学定向研究与创新增值(DRIVE)项目资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号