重型杆端轴承的螺栓拉脱失效分析与结构优化——基于数值-解析联合方法

《Applied Sciences》：Bolt Pull-Out Failure Analysis and Structural Optimisation for Heavy-Duty Rod End Bearings via a Combined Numerical-Analytical Method Fan Xu and Jun Ren

　　

本研究基于统一技术接受与使用理论（UTAUT）和媒体丰富度理论（MRT），考察了Z世代在数字素养维度上的体育学习差异。随着非面对面体育学习——包括在线讲座、远程教练和虚拟现实——的迅速扩展，数字素养已成为影响学习成果与公平性的关键因素。研究人员通过YouTube、社交网络服务、在线讲座平台和移动应用程序等渠道，收集了从事体育学习的Z世代成年人数据。参与者被分为低数字素养组（n=87）、中数字素养组（n=80）和高数字素养组（n=70）。一份改编自先前研究的32题问卷评估了数字素养（4题）、四个UTAUT构念（绩效期望、努力期望、社会影响和促进条件；16题）以及三个媒体丰富度维度（多通道、反馈即时性和个性化；12题）。验证性因子分析显示模型拟合可接受（χ2=779.013，df=436，p<0.001，NFI=0.914，IFI=0.960，TLI=0.954，CFI=0.960，SRMR=0.037，RMSEA=0.058），可靠性（所有ω和α>0.70）以及收敛效度和区分效度（所有AVE>0.50；C.R.>0.70）均达标。组间比较表明，较高的数字素养与较高的技术接受度和媒体丰富度感知得分相关（F=40.364–64.150，p<0.001，η_p²=0.257–0.354）。这些发现显示，数字素养的代内差异塑造了体育学习中的技术使用和媒体体验，凸显了增强媒体丰富度并系统培养学习者数字素养以提升数字体育教育有效性和公平性的必要性。但因果推断受限于横截面设计。

**论文解读：数字素养对Z世代体育学习技术接受与媒体感知的代内差异研究**

**研究背景与问题**

在数字化转型加速的背景下，非面对面体育学习形式——包括在线讲座、远程教练和虚拟现实（VR）训练——已成为主要学习方式。然而，数字鸿沟导致不同数字素养水平的学习者在利用数字体育内容时出现差异。数字素养——即有效获取、理解和运用数字技术与信息的能力——被视为非面对面体育学习的核心能力。尽管Z世代常被描述为“数字原住民”，但代内数字素养差异依然显著，且现有研究多聚焦于面对面体育学习，对数字环境中学习者的技术接受度与媒体感知差异关注不足。因此，本研究旨在实证考察Z世代体育学习者在不同数字素养水平下，基于统一技术接受与使用理论（UTAUT）和媒体丰富度理论（MRT）的技术接受与媒体感知差异。

**研究方法与关键技术**

研究人员采用定量研究设计和便利抽样法，通过在线问卷收集数据。研究对象为韩国Z世代成年人（1995年至2010年代初出生），均在过去一年中通过媒体进行体育学习，招募自韩国大学体育俱乐部及相关协会，最终获得237份有效问卷（按数字素养得分分为低、中、高三组，分别87、80、70人）。主要关键技术方法包括：（1）基于UTAUT框架测量绩效期望、努力期望、社会影响和促进条件四个构念（16题）；（2）基于MRT框架测量多通道、反馈即时性和个性化三个维度（12题）；（3）使用验证性因子分析（CFA）检验测量模型，并采用单因素多元方差分析（MANOVA）比较组间差异。

**研究结果**

**5.1 参与者基本特征**：根据数字素养得分采用三分位法分组，低分组截断值为4.5，中分组截断值为5.5，高分组得分超过5.5。各组人口学特征（性别、教育水平、运动类型、学习媒体等）通过描述性统计呈现。

**5.2 量表效度与信度**：CFA结果表明测量模型拟合良好（CFI=0.960，IFI=0.960，TLI=0.954，RMSEA=0.058，SRMR=0.037）。所有构念的组合信度（CR）介于0.861–0.916，平均方差提取量（AVE）介于0.607–0.732，均满足收敛效度标准；AVE平方根大于构念间相关系数，证实区分效度。各构念的McDonald's ω和Cronbach's α均大于0.920，表明信度良好。

**5.3 多元方差分析**：MANOVA结果显示，三个数字素养组在UTAUT和MRT所有因变量上存在显著差异（Wilks' Lambda=0.458，F=15.549，p<0.001，η_p²=0.323）。具体地，所有因子（绩效期望、努力期望、社会影响、促进条件、多通道、反馈即时性、个性化）的组间差异均显著（F=40.364–64.150，p<0.001，η_p²=0.257–0.354）。事后检验表明，高数字素养组平均得分最高，中组次之，低组最低，呈线性趋势。

**讨论与结论**

**讨论部分**：研究人员指出，高数字素养组对UTAUT各构念的积极评价表明，数字能力强的学习者将新技术视为有用工具并主动接纳，验证了Venkatesh等（2003）的原始理论，同时揭示了数字素养作为技术接受心理机制的分层条件。在MRT方面，高素养组对多通道、反馈即时性和个性化的感知更强，说明数字熟练者能将复杂媒体线索（如VR、增强现实（AR）、可穿戴设备数据）视为丰富学习资源而非信息过载，这扩展了Daft和Lengel（1986）的媒体丰富度理论，表明丰富度感知不仅取决于媒体属性，还取决于用户解释能力。研究还提出实践建议：设计适配不同素养水平的体育学习界面、增强体育教练的数字指导能力、建立数字鸿沟桥接支持系统、引入以互动为核心的媒体策略。结论部分翻译如下：本研究证明，即使在被视为数字原住民的Z世代中，个体数字素养水平也会导致体育学习中的技术接受和媒体丰富度感知存在显著差异。通过将UTAUT和媒体丰富度理论整合到当代体育教育背景下，研究结果凸显数字素养是显著的个体层面相关因素，而非代际恒量。数字素养较高的学习者对技术相关期望表现出更积极的评价，并感知到更丰富的媒体环境，表明同一代内技术使用的异质性。这些结果提示，技术驱动的体育教育应超越统一实施策略，转向以学习者为中心的方法——如自适应AI反馈系统和增强教练的数字指导能力——以减少数字排斥并提升教育效果。