感知价值、认知过程和行为意向： MOOC学习行为的构型分析

【刊载信息】张宝建,张晓空,裴博,孙国强. 2019.感知价值、认知过程和行为意向：MOOC学习行为的构型分析[J].中国远程教育（9）：72-82.

【摘要】本研究旨在对“互联网+”教育背景下慕课（MOOC）学习行为的影响因素进行分析，以便为吸引更多的学习者、提高学习体验、改善学习效果提供对策建议。基于计划行为理论（TBP）与技术接受模型（TAM），本研究构建了感知价值、认知过程和行为意向的关系模型，进而从学习需要和学习期待两方面考察学习动机的形成机理。采用质性比较分析（QCA）方法对变量间的交互作用进行分析，研究提升学习动机的路径构型，并进一步明确关键要素。研究发现，学习行为的形成存在六条构型路径，验证了学习行为形成的殊途同归现象，其中主观规范、知觉行为控制、自我管理和学习资源作为关键要素对MOOC学习动机的产生具有积极作用。本研究结论对于强化MOOC学习者学习动机以及MOOC平台的构建与优化具有重要现实意义。

【关键词】MOOC；感知价值；认知过程；行为意向；计划行为理论；技术接受模型；学习动机；构型分析  

摘要

一、

引言

随着互联网技术的快速发展出现了“互联网+教育”的新型教学模式，这种教学模式以丰富的学习资源、碎片化的学习时间、个性化的教学模式吸引了大批的学习者，无边界学习正在深刻地影响当下的传统教育。慕课（Massive Online Open Course, MOOC）作为其中典型的代表，大有颠覆传统教育的趋势。虽然MOOC在某种程度上受到了学习者的青睐，然而学习受众参与积极性不高、课程结业率低、学习效果不理想等现实问题仍然困扰着MOOC教学的推广和使用。

国内学者对MOOC开展了大量的研究，主要集中在MOOC发展现状（赵宏, 等, 2017）、教学模式（曾明星, 等, 2015）、可持续发展（袁莉, 等, 2014）、MOOC课程建设（石磊, 等, 2018）以及MOOC课程评价（童小素, 等, 2017）五个方面。关于MOOC学习效果的相关研究显示，MOOC带来学习便利的同时并未形成对传统教学模式的全面超越。课程数量多但利用率低、学习者参与率低、结业率低等问题已经成为当前MOOC发展的掣肘。当前，关于MOOC的研究侧重于技术应用或课程设计相关领域，对于需求端的分析尚未引起足够重视，而需求端的研究能够为MOOC的供给侧改革提供有价值的参考。在“互联网+教育”背景下，回归学习者行为动机的研究或许是解决上述问题的根本途径。学习情境理论强调了环境对行为的深刻影响，布朗等（Brown, et al., 1989）认为学习者是在特定情境中通过开展一系列活动来获取知识的，学习认知的本质具有情境性特征，当前的研究对于学习情境的忽视或许是导致研究困境的主要原因。在MOOC背景下，信息技术对传统受众的影响及其与计划行为理论形成的独特情境并未引起足够的重视。学习行为表现需要从这一特定情境下深入研究，才能厘清MOOC学习行为不足的本质，而已有关于MOOC学习动机基本问题的研究尚未引起足够重视，基于学习受众的研究能够为上述问题提供有力支撑（王敏娟, 等, 2016），完善已有研究的不足，进而对当前MOOC教育的“三低问题”提供理论指导。进一步而言，针对学习动机的研究能够为MOOC学习效果不佳的现实问题提供有效的解决途径。

回顾当前关于MOOC学习动机的研究可以发现，由于其忽略了情景差异，采用传统的回归分析难以有效区分不同前因条件构型下的学习行为，而遵循多元学习背景下的MOOC学习行为研究才能更加有力地解释学习效果差异的本质。近年来，鉴于传统计量研究方法的局限性，正视社会复杂现象，探寻系统问题的本质规律重新受到了关注，其中质性比较分析（Qualitative Comparative Analysis, QCA）方法的出现为此带来了契机。质性比较研究遵循殊途同归原则，以布尔运算为基础，通过数据分析挖掘具有完全等效性的因果链，能够有效解释社会现象的非对称本质规律，本文研究的学习行为正属于这一研究范畴。作为国内首次在教育领域采用该方法的学者，本文尝试对此开展探索性研究。基于技术接受模型（Technology Acceptance Model, TAM）和计划行为理论（Theory of Planned Behavior, TPB）将学习动机形成的需要和期待有机融合，探求学习行为背后的因果关系。具体而言从感知价值、认知过程和行为意向进行深入分析，揭示学习行为背后的本质规律，寻找有效的MOOC平台建设管理对策。

本文以MOOC学习动机为对象，借鉴技术接受模型与计划行为理论有机地将心理学行为动机理论的内涵扩展到了信息技术领域。研究了感知价值、认知过程对学习行为的影响模型，从而有效揭示学习动机形成的内在机理。与传统的实证研究有别，本文遵循殊途同归原则，采用质性比较分析对模型进行了实证分析，通过变量的测度以及路径要素分析，挖掘学习动机形成的构型条件，进而为MOOC学习的教学设计以及教学资源配置提供科学思路。

二、

MOOC学习动机的影响要素

（一）理论背景

学习动机是指能够引发并维持学习行为的倾向（孔田琳子, 等, 2017）。按照学习动机的基本构成，学习动机可以解构为“学习需要”和“学习期待”。学习需要体现为求知欲，学习期待体现为学习者对学习效果的预判。两者深刻地受到学习诱因的影响，即能够满足学习者需要的客观条件。不少学者对学习动机的形成进行了阐释。李曼丽等（2015）认为学习动机长期而言是学习行为的必要条件。关于如何形成有效的学习行为，张宇容（1996）认为认知过程发挥了更为直接的作用，认知过程是个体通过知觉、感觉、思维、记忆等反映外在客观实在的过程。李卫飞（2014）进一步指出认知过程遵循计划行为的基本逻辑，通过实践探索与实践回馈最终形成相对稳定的认知体系。甘臣林等（2018）认为计划行为理论（TPB）分别从主观规范、知觉行为控制和自我管理的三步迭代中推动了认知过程的升级演化。

学习期待是学习者基于过去经历和当前刺激进而对未来事件的预想。杨心德（1993）认为学习期待是学习者对事件出现的希望程度。冯帮等（2015）认为信息技术的出现为学习者提供了无门槛的学习机会，提升了学习期望，能够有效刺激学习期待的出现。但信息技术的浸透并非一蹴而就，普及扩散的过程应该致力于提升学习者对学习的期待，进而有效提升学习动机（杨心德, 1993）。关于信息技术与学习行为的研究由来已久，技术接受模型为此打开了一扇窗。戴维斯（Davis, 1989）将技术接受模型（TAM）从学习受众的角度进行了有效界定，区分为感知有用性和感知易用性。其中，感知有用性能够提升知识对于学习者产生的效用，感知易用性则能够降低学习者面对新生事物的不确定性，提升学习期待。

回归到产生学习动机的逻辑起点可以发现，学习需要作为一个过程，学习期待作为一个结果，二者存在交互作用，需要的满足与否决定了期待水平的高低，而期待的不断变化又进一步催生了新的需求。通过对技术接受模型（TAM）的回顾整理，可以发现MOOC受众对学习内容质量和实用性的感知可通过感知价值得以体现（见图1右半部分学习期待原因）。同样地，计划行为理论（TBP）的主观规范、自我管理和知觉行为控制是学习需要生产的根源（图1左半部分学习需要的原因）。回顾学习动机形成的本源，本研究基于计划行为理论和技术接受模型推演出学习需要和学习期待产生的原因，并进一步回应了二者交互影响的过程机制。学习行为意向的动机本质为提升学习广度找到根源，而需要和期待则进一步深层次挖掘了影响学习动机形成的内生变量。据此，本研究构建图1所示的理论逻辑，旨在为进一步的潜变量设计与选取提供依据。同时，本研究基于QCA阐述自变量的多因素同发现象，该方法从整体的视角探索原因变量和结果变量之间的宏观因果关系，更能够反映学习动机形成过程的复杂多变特征，基于变量传导轨迹研究能够准确刻画学习动机形成的系统性本质。遵循这一逻辑，本研究将学习需要产生的原因与学习期待出现的条件进行组合，以便挖掘出表面现象与实际结果的组合路径，学习动机的作用机理可以通过图1进行更为全面、直观的刻画。

图1 学习动机形成过程

综上所述，学习动机受到了感知价值的影响，也就是感知有价值的事物更容易激发学习者的学习期待。有效的认知过程将主观能动性与行为控制相联系，实现了学习动机的正反馈过程。已有的研究结合上述局部理论命题开展了大量的实证研究，但仍然无法有效解释学习动机的系统过程。班杜拉（Bandura, 1986）的交互决定论认为学习动机的形成没有统一既定的逻辑范式，其形成过程存在多样化条件组合特征，也就是系统问题的多重并发因果关系更能有效解释学习动机的形成，上述预判为采用QCA方法提供了理论创新的线索。基于上述分析，本研究进一步从感知价值与认知过程两个内生性原因与学习资源这一外生性原因出发，分析其对学习者行为意向的作用机理。

（二）内生性原因之一：感知价值

感知价值是学习者在MOOC学习体验中感知所得利益与所花费的时间、金钱、精力等的综合评价，是学习者对于MOOC学习所具有价值的主观认知。学习兴趣作为内部激励的重要组成部分，表现为学习者对MOOC学习过程积极参与的内在动力。汪子靖（2017）指出学习兴趣主要是由学习者自我感性认知所引起的，学习者的自我感知价值表现为心理追求，对其学习行为具有重要意义。同时，在信息技术背景下，技术接受模型（TAM）体现了学习者对信息载体的感知价值。因此，本文将感知价值作为促进学习者学习动机的重要影响因素之一。MOOC学习的感知价值主要包括感知有用性和感知易用性两方面。

1. 感知有用性

信息技术是知识管理的有力支撑，是受众学习动机产生的关键。戴维斯（Davis, 1989）率先提出了技术接受模型（TAM），指出感知有用性是用户对信息技术接受的关键因素，反映用户为达成某项目标时认为使用某种工具对学习业绩提高或能够帮助其完成目标的程度。在技术接受模型（TAM）中，戴维斯认为用户使用系统的行为是由行为意向决定的，而行为意向是由用户态度和感知有用性决定的，用户的感知有用性在一定程度上可以直接影响用户的行为态度。方旭（2015）认为学习者切身感受到MOOC课程学习能提高学习效果、所学知识能更好地应用于生活。如果MOOC学习可观察和可交流，则学习者对MOOC课程学习态度越积极，更倾向于接受这种新技术，课程结业率越高，学习效果越好。

2. 感知易用性

感知易用性是技术接受模型中影响用户对信息技术接受的另一个关键因素，是戴维斯在感知有用性的基础上提出的概念，反映用户在使用某种工具时认为使用其能达到某项目标的难易程度或者付出的努力程度。在技术接受模型中，戴维斯（Davis, 1989）认为用户的行为态度由感知有用性和感知易用性共同影响。因此，感知易用性是影响学习者行为意向的另一个关键因素（Venkatesh & Bala, 2008）。据此，本研究将其作为感知价值的第二个因素。

（三）内生性原因之二：认知过程

认知过程是学习者实践体验与反思归因的动态过程，MOOC作为新生教学事物也不例外。张诗雅等（2017）认为认知过程是学习者认识客观事物的过程，学习者对MOOC学习认知的变化对学习行为产生重要影响。计划行为理论（TBP）进一步将认知过程完成了拆解分析，相对稳定的主观规范在自我管理的主动机制下完成知觉行为控制，并最终对主观规范完成修正。认知过程深刻影响学习需求层次进而表现出特定的行为意向。影响学习者对MOOC学习认知的因素可归纳为主观规范、知觉行为控制以及学习者的自我学习管理能力。

1. 主观规范

主观规范是计划行为理论（TBP）中的重要组成部分，强调人的行为是经过反复深思熟虑计划的结果。阿耶兹（Ajzen, 2002）认为主观规范具体指个人的行为决策受重要他人或团体影响而采取某项特定行为的程度。学习者使用MOOC学习的行为意愿在某种程度上受到朋友、老师、父母的影响，且主观规范对用户行为意向具有积极的影响。

2. 自我管理

自我管理是为了达到预定的学习目标，不断自觉地制定计划、评价、控制和调节的过程，学习者的自主学习管理能力越强，学习绩效越好，越与学习行为意向形成正反馈过程（Zimmerman & Barry, 2002; 陶文好, 2009）。在MOOC平台上学习，用户更加便捷，可以利用碎片化时间学习，学习时间和地点不受限制，可以根据自身实际情况灵活安排，给予学习者充分的自由。因此，这就需要学习者能够制定符合自身情况的学习计划，按时对阶段性学习情况评价、总结，对不利于学习的因素及时控制并采取相应的措施调整学习目标和计划，真正做到自我约束、自我监督。自我管理对学习者的行为意向具有积极影响，在个性化的MOOC学习背景下尤为重要。

3. 知觉行为控制

知觉行为控制是个人通过过去的经验来预期采取某一行为所面临的障碍，若学习者感知所掌握的资源与机会多，则学习者的知觉行为控制就越强（Ajzen, 1991; 段文婷, 等, 2008）。知觉行为控制、主观规范是决定行为意向的主要变量，知觉行为控制越强，重要他人支持力度越大，行为意向越大，即学习者更愿意使用MOOC进行课程学习，知觉行为控制对学习者的行为意向具有积极影响。

（四）外生性原因：学习资源

学习资源是在MOOC平台上提供给学习者的开放、免费的视频等可用于学习的一切资源，包括硬件资源和软件资源。硬件资源主要包括无线通信技术、移动终端设备等。软件资源主要包括音频资源、课件等学习内容，学习者对MOOC有较高的知识期待，课程教学活动安排的合理性以及课程内容的重难点突出能满足学习者学习需求，激发学习者学习兴趣，从而维持学习者继续学习的学习动机。因此，丰富的合理安排的学习资源是开展MOOC学习的前提。学习资源的全面性可以影响学习者的行为意向（武刚, 2014; 马秀麟, 等, 2018），学习资源的充裕程度对学习者的行为意向具有积极的影响。

（五）行为意向

行为意向作为本研究感兴趣的变量，成为本研究理论模型的结果变量。行为意向是个体做出某种特定行为的意愿，是学习者接受MOOC学习和愿意进行MOOC学习的程度。所有可能影响行为的因素都是通过直接或间接影响行为意向而体现出来的（Ajzen, 1991; 许朝阳, 2016; 黄龙, 2017）。同时，技术接受模型（TAM）指出，信息技术使用行为意向和信息技术使用行为成正相关关系，具体到MOOC领域，MOOC受众的学习行为意向与其学习行为之间存在强相关关系。当学习者越接受和愿意进行MOOC学习，MOOC课程参与度越高。因此，可以通过提升学习者对MOOC学习的行为意向来改善其MOOC学习行为，学习动机作为隐性变量，本研究通过行为意向反映学习动机的强弱。

学习动机相关研究表明，感知价值和认知过程对学习动机的形成发挥着重要作用。感知价值与认知过程之间也存在着互为因果的问题，采用传统的回归分析或结构方程进行分析，可能会出现假设前提不成立而导致模型预测失效的问题。将二者作为原因变量，放松对因变量的约束更能满足现实条件。此外，学习资源作为外生性资源也应该纳入学习动机形成的原因变量中，这样以原因变量的形式分析学习动机的形成能更符合学习者的现实情境，提高学习理论的适用性。因此，本研究将行为意向作为结果变量，通过个体的行为意向来直接衡量学习者的学习动机，且把感知有用性、感知易用性、主观规范、自我管理、知觉行为控制、学习资源作为原因变量（本研究理论模型见图2）。

图2 基于QCA分析的理论模型

基于此，本研究得出如下推论：

推论1：不存在单一的条件组合（感知价值、认知过程和学习资源）对学习动机形成积极影响，学习动机的形成可能是多重组合导致的。

推论2：单一的原因条件（感知价值、认知过程和学习资源）是否在特定的构型中存在，取决于其他原因条件。

回顾上述研究，学习行为的影响要素存在交互作用，采用传统的回归分析容易形成牵强因果逻辑。近年来社会学领域中的质性比较研究为多样化系统问题的解决带来了契机，本研究采用该方法对学习动机的作用机理进行研究，以期能够寻找MOOC学习动机关键要素，发现学习动机形成的多条途径，丰富已有的学习动机理论。

三、

数据处理

（一）方法选取

学习动机的大量研究表明，感知价值、认知过程与行为意向均能够在特定情境下对其产生影响。由于学习动机形成的复杂性，单一影响因素的研究并不能有效解释学习动机的形成过程。进一步讲，感知价值、认知过程与行为意向之间也存在交互影响关系，单变量因果推论在考虑系统问题面前显得力不从心。社会学领域的大量研究也表明了社会现象的非对称本质规律，因果非对称现实也为当前传统的计量统计方法形成了挑战，而纵深案例研究往往缺乏普适性导致其研究结果难以推广。拉金（Raign, 1987）率先设计出了超越定量研究与定性研究的质性比较分析方法（QCA），该研究方法的前提假设，一是认为社会现象不是由特定变量的单独效应产生的，而是由多个变量的组合效应产生的。二是实验研究的方法由于很难找到理想的对照组，在很多领域并不可行，同时传统回归模型理想假定的变量间独立性在现实中并不成立，研究结果忽略了变量的联合作用。QCA作为当前社会科学领域产生的新方法已经被广泛应用到组织行为学领域。

导致学习者MOOC学习行为的因素是较为复杂的，各因素之间往往不是独立发挥作用的，更多的是交织在一起共同发挥作用，QCA方法可以有效解决上述问题，相较于其他传统方法具有更强的解释力，通过数据分析挖掘有效的构型，有效回答学习行为的殊途同归现象。本研究在具体采用QCA方法时主要按照以下步骤进行：

第一步，MOOC学习动机构型的前因变量和结果变量的设定。本研究中前因变量分为三类，即感知价值、认知过程和学习资源；行为意向是结果变量。其中，感知价值包括感知有用性和感知易用性，认知过程分为主观规范、自我管理和知觉行为控制。

第二步，数据校准。由于本研究数据主要是以发放问卷的形式来获取，所获取的数据均为定量数据，需要对其进行校准。

第三步，真值表的构建。将所有个案中各变量数据以矩阵表格的形式分类汇总，即可得到真值表。真值表中每一行均为原因变量的组合，真值表最后一列为不同的变量组合所对应结果变量的取值，即“0”或“1”。研究者通过设定一致性阈值，可以选择符合要求的MOOC学习动机条件组合构型。

第四步，对符合要求的条件组合进行分析。采用拉金等人研发出来的QCA软件，将真值表输入后，经过一系列操作最终得到复杂解、精简解和中间解。拉金（Raign, 1987）认为中间解是最好的解，因其包含了实证和研究者的判断。当然也有人选择复杂解，其更保守，没有研究者主观判断。中间解则可能由于过度精简而导致关键原因变量的缺失。鉴于此，本研究选择中间解来进行路径分析。

第五步，路径分析。对中间解各条件组合构型的一致性和覆盖率进行分析，通过对不同的前因条件构型分析挖掘MOOC学习动机的内在机理，进一步明确关键要素，并提出相应的对策建议。

（二）数据收集

1. 变量测度

通过梳理MOOC学习动机相关文献，结合MOOC学习的特有学习形式，以计划行为理论（TPB）和技术接受模型（TAM）为基础，讨论可能会影响学习受众MOOC学习意向的影响因素，并采纳多位MOOC学习者和专家的意见，将MOOC学习者的学习动机影响因素归纳为感知有用性、感知易用性、主观规范、自我管理、知觉行为控制和学习资源。学习者的学习行为意向是学习动机的内在表现形式，因此本研究将行为意向作为结果变量，通过行为意向的测定来代替学习动机的测量。在此基础上编制出MOOC学习者学习动机影响因素调查问卷的初步版本。变量的测定采纳了MOOC学者以及MOOC教师的经验。为进一步保证测定影响因素题目的合理性和准确性，在正式调查之前进行了30份问卷的预调研。预调研的样本来自开设MOOC课程高校的25名在校大学生。问卷汇总后，经过比较分析，剔除显著性水平不达标的题目；结合被试对象的反馈意见，对相关题项的措辞进行修正，并经过课题组和MOOC领域专家讨论后形成了最终正式问卷，调查内容主要围绕以上所述MOOC学习动机的影响因素展开。关于变量的测定内容如表1所示。

表1 变量测定

2. 数据来源

本研究所选取的评价对象对学习者的注册有要求。正常情况下每周开放一个单元的学习内容，包括课程视频内容、练习、作业和测试等，在当周由学习者自定步调学习。考虑到学习者至少需参加一个单元的课程学习才会对课程的大部分环节有体验，为了减少因学习者对课程不了解而产生评价误差，所选取的评价人员为至少参与课程一个单元学习的学习者。他们通过一段时间的学习已经对课程有了很全面的理解和认识，因此选取他们作为评价人员所获得的评价结果更可靠。

本研究主要采用问卷发放的形式。调查对象必须是在MOOC平台经过一段时间的课程学习对课程各环节有一定的了解的学习者。因此，本研究所选取的调查对象主要是针对开设MOOC高校的在校学生，符合MOOC受众人群的特征。问卷的发放时间是2017年7月~12月，通过实地访谈、回收问卷的办法，累计发放157份问卷，年龄主要集中在18周岁~35周岁的中青年；专业涉及经济学、法学、统计学、数学等。考虑到问卷填写的随意性，对收回的问卷进行答题完整性与一致性检查，剔除无效问卷后，一共得到125份有效问卷。调查对象的构成详见表2。质性比较分析方法（QCA）与传统的回归分析等定量研究方法相比，在处理分析小样本方面占据优势，其对样本的数量要求较低，远低于回归分析。一般来说，测量7个变量需用27个以上的样本来进行考察（夏鑫, 等, 2014）。

表2 调查对象构成

本研究测量7个指标，其中原因变量6个，结果变量1个，因此样本数量符合标准。问卷题项综合数个专家、学者的建议及理论，采用五级李克特量表法。结果显示，注册MOOC的学习者人数高达85.7%，注册度高。然而课程完成率较低，有超过45%的学习者没有系统完成课程学习。对于本实验学习动机形成模型的7个影响因素，进行数据整理并利用SPSS 17.0进行数据处理。表3为问卷回收的描述性统计。

表3 变量描述性统计

3. 信度和效度分析

本研究数据以问卷调查的形式获取，因此需要采用某一特定的方法对同一对象重复进行测量、观察一致性程度，即进行问卷的可靠性或信度检验。信度指标多以相关系数表示，通常采用Cronbach's α系数来检验。Cronbach's α系数越高，则问卷的一致性越好。一般来讲，用于研究的问卷信度不得低于0.6。本次问卷各指标Cronbach's α系数如表4所示，各指标均符合要求，表明问卷具有较好的信度，可靠性较高，内部一致性较好。但仅有高信度并不代表问卷有效，还需要对问卷进行效度检验。本研究采用的测量题项均采用已经公开发表的文献，能够保证题项的代表性和综合性。在问卷编制过程中，依托重点教改项目团队，邀请了相关领域同行进行理论模型与变量题项研讨。在正式调研前，针对授课班级进行了小范围测试，通过被试者的反馈与评价最终形成了正式问卷，保证了变量的内容效度。

表4 各变量Cronbach's α系数

本研究采用Bartlett球体检验和KMO系数进行检验，检验结果如表5所示，KMO系数为0.924。当KMO系数达到0.9时，题项之间的关系是极佳的，因此各变量之间可以做因子分析。Bartlett球体检验可检验各变量之间是否相互独立，是否为单位矩阵。在因子分析中，若卡方分布的值落入拒绝域，则拒绝原假设，意味着可以做因子分析。反之，变量可独立提供一些信息，但并不适合做因子分析。结果如表5所示，其近似服从105个自由度的卡方分布，其显著性概率p值即sig值小于0.05，因此拒绝原假设。据此，本研究进一步对变量题项进行结构效度的检验。

表5 KMOs系数和Bartlett球体检验

本研究对行为意向、感知价值和认知过程进一步进行了结构效度检验，通过3类变量、15个题项收敛效度检验发现，行为意向、主观规范、感知有用性以及自我管理四个潜变量对应的题项满足AVE（average variance extracted, AVE）值0.5以上的理想要求，感知易用性和知觉行为控制满足AVE值0.36的最低要求，说明问卷题项总体满足效度要求，如表6所示。

表6 结构效度检验

注：AVE值在0.36以上为可接受，0.5以上为理想。本研究中最低AVE值为0.45，满足效度基本要求。同时，本研究中采用QCA方法侧重于分析变量间的交互效应，承认变量之间的相关性，可以放松对效度的理想要求。

4. 真值表构建

QCA方法通常是以个案为考察对象，最后将所有个案中各变量数据以矩阵表格的形式分类汇总，从而得到真值表。QCA分析方法包括模糊集分析（fsQCA）和清晰集分析（csQCA），不同的技术路线对各变量的赋值方式不同。模糊集QCA中各变量值在［0,1］之间连续取值，而清晰集QCA根据一定的标准直接对各变量进行“0”和“1”二分法赋值，其中“0”代表“没有”或“不存在”，“1”代表“有”或“存在”。本研究中数据主要通过问卷形式收集，问卷选项采用李克特五级评定法，每个选项都设置“非常不同意”“不同意”“不一定”“同意”“非常同意”5种答案，分别记分为1、2、3、4、5。每个被调查者对测量某一变量选项得分的总和即为被调查者对该变量的态度得分。因此，得到的用于测量变量的数据是定量的，可以采用清晰集QCA二分法赋值。在此，本研究认为衡量各变量选项的平均得分超过3分的，代表可以达到结果变量的执行意向，赋值为“1”；反之，低于3分的则赋值为“0”。样本数据显示，依照上述标准判断是否有感知有用性、是否有感知易用性、是否有主观规范等，建立真值表。为导入数据方便，感知有用性、感知易用性、主观规范、自我管理、知觉行为控制、学习资源、行为意向分别用gy1、gy2、zg、zl、zx、xz、xy表示。赋值后，真值表中每一行均为原因变量的组合，真值表最后一列为不同的变量组合所对应结果变量的取值，即“0”或“1”。

四、

结果分析

结果分析主要是对QCA软件运行结果中所展示的多种条件组合进行解释，通过比较找出构型中存在的关键要素和一般要素，为后续对策建议做铺垫。因此，这一部分主要从路径分析和关键要素识别两方面对研究结果展开分析。

（一）路径分析

真值构建好后，采用Raign等人研发出的QCA软件来运算，测量不同条件组合对结果的影响。将真值表输入csQCA后，经过一系列操作步骤得到复杂解、精简解和中间解三种结果。如表7所示。复杂解是指没有经过任何简化的解，因此可能存在多种路径并存的现象，不利于后续的路径分析；精简解可能将导致结果的必要条件忽略；中间解是介于复杂解与精简解之间的解，大多数学者都倾向于采用中间解进行路径分析，本研究也采用中间解进行路径分析。从表7中显示的QCA软件的运行结果可以得知，所有条件组合中达到学习效果目标的有六条，总覆盖率达到了1.000,000，表明六个条件组合覆盖率对结果具有非常高的解释力。由此可证实推论1成立，说明学习动机的形成是多重组合导致的。一般来讲，一致性介于［0.75, 1］之间，则该条件组合与样本数据所呈现出来的条件组合的联系较好，可以用该条件组合来对结果变量进行解释（王程韡, 2013）。由表7可知，各条件组合的一致性均超过0.75，总的一致性高达0.97，说明单一条件的存在与否取决于其他原因条件，推论2得到证实。综上所述，表7中六个条件组合可以用来进行学习者MOOC学习行为构型分析。

表7 构型分析的中间解

注：“~”表示“非”，“*”表示“且”。

通过构型分析的中间解可以发现，学习行为的条件组合存在六条途径，也就是有效MOOC学习动机的构成可以通过六条途径实现。具体分析如下：

（1）条件组合构型一：学习者的MOOC学习行为是由感知有用性和非感知易用性两种要素共同作用的结果。在感知易用性不发生的情况下，感知有用性可以直接对学习者的行为意向产生影响，促使学习者充分利用MOOC学习平台，达到学习效果。

（2）条件组合构型二：学习者的MOOC学习行为是由主观规范和知觉行为控制共同作用的结果。当学习者认为自己掌握较多可通过MOOC平台学习的必要资源并且预测障碍较少时，在受到重要他人的影响下会更倾向于进行MOOC学习，从而更容易达到学习目标。

（3）条件组合构型三：MOOC学习行为的产生是主观规范、自我管理和学习资源共同作用的结果；即在MOOC平台提供丰富优质学习资源的前提下自我管理和主观规范的内心驱动同样会对学习者学习行为产生影响。学习资源越丰富，自我管理能力越强，受重要他人进行MOOC学习的影响程度越大，越能改变学习者的学习行为，提高学习者的学习效果。

（4）条件组合构型四：学习者MOOC学习行为的产生是感知有用性、主观规范和学习资源交互作用的结果。三种要素的联合作用可以产生殊途同归的效果。具体而言，在MOOC学习资源充足和主观规范的内心驱动下，学习者对MOOC学习的感知有用性可以促使学习者MOOC学习行为的产生。

（5）条件组合构型五：学习者的MOOC学习行为是在感知有用性、主观规范和自我管理的联合作用下产生的。与组合四不同的是，该条件组合构型更强调自我管理的重要性。可以表述为：在学习者感知MOOC学习可以达到学习目标的前提下，学习者通过制定学习计划、自我控制、自我监督，加之主观规范的内心驱动，可以改变学习行为，提高学习绩效。

（6）条件组合构型六：在感知有用性不发生影响的情况下，感知易用性、知觉行为控制、自我管理、学习资源四个因素可以解释学习者的MOOC学习行为。

通过路径比较分析可以发现，组合三和组合四都认为主观规范和学习资源是引致受众学习动机的重要因素，不同的是组合三强调受众自我管理能力的重要性，而组合四更注重受众感知有用性的内在驱动作用。同样，比较组合四和组合五可以发现，受众的主观规范和感知有用性对学习动机的产生起决定性作用，组合四认为学习动机的产生是丰富、多元的学习资源与主观规范、感知有用性交互作用的结果，组合五则强调受众自我管理能力的作用。通过对比分析可以发现，多元学习背景下学习动机的形成是由多条不同的前因条件构型所引致的，单一的原因条件是否存在于特定的构型中取决于其他原因条件，此外各个路径往往不是孤立存在的，不同的等效因果链具有互补性和互替性。

（二）关键要素识别

将以上条件组合构型汇总后得表8。通过对比六个条件组合构型发现，条件组合构型六与条件组合构型一、二、三中的感知有用性（gy1）相互矛盾，故感知有用性并非为关键因素，而是一般因素。条件组合构型一和条件组合构型六中的感知易用性（gy2）相互矛盾，因此其不是关键因素，而是一般因素。主观规范（zg）、知觉行为控制（zx）、自我管理（zl）和学习资源（xz）分别出现在不同的组合中且不冲突，因此主观规范（zg）、知觉行为控制（zx）、自我管理（zl）和学习资源（xz）为关键因素。

表8 学习效果条件组合构型

注：●表示该变量存在，○表示该变量不存在，空白则表示该变量可存在也可不存在。

五、

结语

促进MOOC学习者学习行为的影响因素是非线性的、复杂的、交织的，因此易玉何等（2018）和方旭（2015）运用回归分析方法研究因素的净效应或因素两两间的交互行为是远远不够的。立足于MOOC学习行为多因素同发这一现实，遵循殊途同归原则，以因素的相互组合为分析单元揭示MOOC学习行为内在机理已成为解决学习效果不佳的有效途径。本研究首次引进QCA来获取学习动机和影响因素的非线性因果关系。QCA方法以布尔代数为基础，摒弃了以原因变量和结果变量二元关系的统计手段。同时，与传统的处理完全对称的方法相比，QCA能够处理学习行为与因素的前因不对称性，所得结论更符合客观现实。经过QCA软件运行后得到六条导向学习行为的等效因果链，验证了学习动机形成过程的殊途同归现象。通过比较六条等效因果链得出影响学习者MOOC学习行为的关键因素。

（一）主要结论

其一，通过条件构型分析可以看出，不同影响因素的组合构型对学习者学习行为的产生有互不冲突的完全等效性。当影响学习行为的特定要素不存在时，其他要素的出现仍然能够有效支持学习行为。因此，学习动机的实现并非特定要素的唯一组合，而是存在多样化情景。这与赵英等（2015）、马莎莎（2016）和佘航（2017）通过构建MOOC学习动机的影响因素模型，运用传统统计分析方法研究因素的独立作用有本质区别。黄龙（2017）和王美月（2017）基于TAM模型对各因素进行回归分析，发现感知有用性和感知易用性对MOOC学习行为具有积极影响，由于仅考虑了变量的净效应，故未对二者的联合作用给出明确的解释。与以往研究不同，本研究的实证分析可发现，部分学习受众在感知易用性缺乏的前提下感知有用性能够独立对学习者行为产生积极影响。考虑到情境差异化，当学习资源充裕，且对MOOC平台技术感知易用时，良好的知觉行为和自我管理同样有助于提升学习效果。

其二，认知过程中的主观规范和知觉行为能够联合对学习行为产生影响。这与李艳（2015）、孔丽丽等（2017）的研究结论一致。遵循殊途同归原则，当知觉行为控制水平较低时，主观规范和自我管理联合发挥作用，共同提升MOOC学习行为，实现学习目标。通过对关键要素的识别，就大多数受众学习者而言，主观规范、知觉行为控制、自我管理和学习资源是提升学习行为的关键因素。

（二）对策启示

1. 发挥主观规范内在驱动作用

学习者的MOOC学习动机容易受重要他人的影响，重要他人对于MOOC学习的认知、理解、评价会直接或间接地影响学习者使用MOOC的行为意愿。鉴于此，MOOC相关机构应当加大对MOOC的宣传力度，提升学习者对MOOC的认知；MOOC用户中以在校大学生居多，因此MOOC机构应当加强与高校的沟通和联系，通过讲座等形式改善师生对MOOC的认知、评价，进而与各高校达成战略联盟，以高校为枢纽，充分发挥主观规范的作用，影响在校大学生MOOC学习行为意愿，提高学生的学习绩效。

2. 提高自我管理能力，减少学习者预期障碍

自我管理和知觉行为控制同样是影响学习者MOOC学习行为意愿的关键因素，对学习者的MOOC学习行为意愿均具有正向积极的效应。学习者掌握资源越多，预期MOOC学习障碍越少，自我学习管理能力越强，学习者MOOC学习动机越强。MOOC相关机构应联合高校采取相应措施对学生进行自我学习管理能力培训，使学生可以在学习过程中及时制定出符合自身情况的学习计划，做到自我约束、自我监督。同时，学校应该提供相应的设备及技术支持，为学习者MOOC学习提供良好的技术环境，减少学习者预期障碍。

3. 提供丰富、多元化的学习资源

研究表明，学习资源可以改变学习者MOOC学习行为且具有正向积极的影响，是MOOC学习动机构型中的关键因素。MOOC平台所提供的优质课程种类越多、课程内容越丰富，学习者越倾向于MOOC学习。因此，MOOC相关机构应当优化平台功能设计，为学习者提供便捷、丰富、多元化的学习资源，满足学习者的学习需求，丰富学习体验。

4. 差异化MOOC教学模式构建

研究结果表明，提升MOOC学习行为存在六个条件构型，也就是说MOOC学习动机的内在生成机理并不唯一，在资源约束情景下应该结合受众群体特征进行因材施教，根据构型条件组合，差异化设计课程以及教学模式，提高MOOC学习的精准度。

本研究采用质性比较分析法研究了MOOC学习的动机影响路径，明确了促成行为意向的关键要素，对于差异化情境下MOOC学习效果的改善具有重要意义。后续研究可以尝试实验跟踪的方式，研究学习行为的动态演化规律进而提供过程性的对策建议。

（三）研究局限

1. MOOC学习动机因素选择的局限性

基于计划行为理论与技术接受模型，本研究主要考察了一级指标感知价值、认知过程、自我管理能力和学习资源对MOOC受众学习动机的作用机理，研究得出六条等效因果链，并进一步明确了关键要素，但并未对因素之间的交互作用做更深入的挖掘分析。同时，影响学习动机的因素是繁多、复杂的，但由于时间和能力的限制，本研究并未涉及其他相关因素。后续研究可系统完善MOOC情境下学习行为产生的内在动力和外部刺激的因素框架体系。

2. 样本的特殊性

本研究所选取的调查对象主要为在开设MOOC的高校中已经学习一段时间的在校大学生，尽管存在合理性但是也有一些局限。例如，调查对象并未广泛涉及非校园学习受众，样本并不能完全代表广大MOOC学习受众学习动机的心理动态。所以有待后续研究中积累有效样本，进行更广泛的调查分析，使研究结论更具普适性。

参考文献

曾明星，周清平，蔡国民，等. 2015. 基于MOOC的翻转课堂教学模式研[J]. 中国电化教育（04）：102-108.

段文婷，江光荣. 2008. 计划行为理论述评[J]. 心理科学进展（02）：315-320.

方旭. 2015. MOOC学习行为影响因素研究[J]. 开放教育研究，21（03）：46-54.

冯帮，何小凤. 2015. 学习动机视角下农村初中生隐性辍学问题研究[J]. 教育与教学研究，29（08）：88-93.

甘臣林，谭永海，陈璐，等. 2018. 基于TPB框架的农户认知对农地转出意愿的影响[J]. 中国人口·资源与环境，28（05）：152-159.

黄龙. 2017. 基于TAM和学习效率的大学生MOOC学习行为影响因素研究[D]. 电子科技大学.

孔丽丽，马志强，易玉何，等. 2017. 在线学习行为影响因素模型研究——基于行为科学理论的评述[J]. 开放学习研究，22（05）：46-53.

李曼丽，徐舜平，孙梦嫽. 2015. MOOC学习者课程学习行为分析——以“电路原理”课程为例[J]. 开放教育研究，21（02）：63-69.

李卫飞. 2014. 大学生志愿者旅游认知、态度与行为意向研究——基于计划行为理论[J]. 青年探索（4）：66-73.

李艳. 2015. 中国慕课（MOOCs）大学生受众使用行为实证研究[D]. 湖南大学.

马莎莎. 2016. MOOC中学习者学习动机现状及其改善策略[D]. 湖南师范大学.

马秀麟，苏幼园，梁静. 2018. 移动学习环境中注意力保持及学习行为控制模型的研究[J]. 远程教育杂志，36（02）：56-66.

佘航. 2017. MOOC平台用户学习动机影响因素及激发策略研究[D]. 浙江师范大学.

石磊，程罡，刘志敏，等. 2018. 大规模私有型在线课程建设模式及其质量保障机制——以国家开放大学网络课程建设过程为例[J]. 中国远程教育（08）：22-30，69.

孙田琳子，沈书生. 2017. 影响MOOC学习者持续学习的原因分析——基于CNKI 2011—2016年实证研究的综述[J]. 中国远程教育（10）：55-62.

陶文好. 2009. 非英语专业学生英语元认知策略对比——个案研究[J]. 外语教学，30（01）：70-74.

童小素，贾小军. 2017. MOOC质量评价体系的构建探究[J]. 中国远程教育（05）：63-71.

汪子靖. 2017. 大学生自主学习MOOC低完成率的影响因素研究[D]. 西华师范大学.

王美月. 2017. MOOC学习者社会性交互影响因素研究[D]. 吉林大学.

王敏娟，陈佳，等. 2016. 文化适应学习模型：一个面向全球受众的创新教学设计模型[J]. 开放教育研究，22（3）：44-52.

武刚. 2014. 基于TAM模型的大学生移动学习影响因素探析[D]. 南京邮电大学.

夏鑫，何建民，等. 2014. 定性比较分析的研究逻辑——兼论其对经济管理学研究的启示[J]. 财经研究（10）：97-107.

许朝阳. 2016. 大学生慕课学习意愿影响因素研究[D]. 中国科学技术大学.

杨心德. 1993. 试论学生的学习期待[J]. 应用心理学（01）：31-35.

易玉何，马志强，孔丽丽. 2018. 高校慕课持续使用行为影响因素建模研究——基于持续使用行为理论的视角[J]. 中国教育信息化（03）：17-21.

袁莉，斯蒂芬·鲍威尔，比尔·奥利弗，等. 2014. 后MOOC时代：高校在线教育的可持续发展[J]. 开放教育研究，20（03）：44-52.

张诗雅，黄甫全. 2017. 学习的双重认知过程及对教学的启示——基于期望价值理论的分析[J]. 教育研究与实验（01）：64-72.

张宇容. 1996. 促进学习的认知工具[J]. 电化教育研究（03）：48- 50.

赵宏，郑勤华，陈丽. 2017. 中国MOOCs建设与发展研究：现状与反思[J]. 中国远程教育（11）：55-62.

赵英，杨阁，罗萱. 2015. 大学生对MOOC接受与使用行为的调查研究[J]. 中国远程教育（08）：37-44.

Ajzen I. The theory of planned behavior[J]. Health Psychology Official Journal of the Division of Health Psychology American Psychological Association, 2002,21(2):194-201.

Ajzen I. The theory of planned behavior[J]. Research in Nursing & Health, 1991,14(2):137-44.

Bandura A, Bandura S, Bandura A. Social foundation of thoughts and actions: A social cognitive theory [M]. PRENTICE-HALL, 1986.

Brown, Seely J, Collins, et al. Situated Cognition and Culture of Learning [J]. Educational Researcher, 1989,18(1):1765-1768.

Chen L D, Tan J. Technology Adaptation in E-commerce: Key Determinants of Virtual Stores Acceptance[J]. European Management Journal, 2004,22(1):74-86.

Davis F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. Mis Quarterly, 1989,13(3):319-340.

Huang J H, Lin Y Ｒ, Chuang S T. Elucidating User Behavior of Mobile Learning: A Perspective of the Extended Technology Acceptance Model[J]. Electronic Library, 2007(5):585-598

Lacaille L. Theory of Reasoned Action[J]. 2013.

Moon J W, Kim Y G. Extending the TAM for a World-Wide-Web context[J]. Information and Management, 2001,38(4):217-230.

Ragin C C. The comparative method: Moving beyond qualitative and quantitative strategies[J]. Social Forces, 1987,67(3).

Venkatesh V, Bala H. Technology Acceptance Model 3 and a Research Agenda on Interventions[J]. Decision Sciences, 2008,39(2):273-315.

Wu J H, Wang S C. What drives mobile commerce?: An empirical evaluation of the revised technology acceptance model[J]. Information & Management, 2005,42(5):719-729.

Zimmerman, Barry J. Becoming a Self-Regulated Learner: An Overview[J]. Theory Into Practice, 2002,41(2):64-70.