成人参与在线学习共同体意愿的内在影响机制
于莎 刘奉越
摘要：以网络为载体构建的在线学习共同体，由于不受时间、地点等条件制约，深受成人学习者的欢迎。学习参与意愿作为影响成人参与在线学习共同体决策的关键因素，正在成为学界关注的焦点。鉴于成人参与学习的行为决策大多伴有明确的目标，且成人学习具有鲜明的自我导向特征，因此以目标导向行为理论和自我决定理论为指导来探究成人参与在线学习共同体行为意愿的内在影响机制，是推进该领域研究的新视角和重要途径。已有研究指出，影响成人参与在线学习共同体意愿的内在变量主要有态度、主观规范、预期情绪、胜任力、关联感、欲望和感知行为控制。为进一步探究这些内在变量与行为意愿之间的关系，通过模型假设、量表编制、信度分析，并运用结构方程模型对研究假设进行检验，研究结果发现：关联感和感知行为控制对成人参与在线学习共同体的欲望有着显著的正向影响，而欲望又进一步正向影响成人参与行为意愿的产生，此外感知行为控制对成人参与在线学习共同体行为意愿有着直接的正向影响。
关键词：成人学习者；在线学习共同体；参与意愿；影响机制；结构方程模型
中图分类号：G72 文献标识码：A 文章编号：1009-5195（2018）05-0086-09 doi10.3969/j.issn.1009-5195.2018.05.010
一、研究背景
互联网技术的迅猛发展与广泛应用，使人们的生活、工作、学习和交流等方式发生了翻天覆地的变化（张际平等，2011）。越来越多的企业员工、政府公务员、学校教师以及社会工作者都将采取在线学习的方式来实现终身学习（吴峰等，2015）。以网络为载体而构建的各类非正式在线学习共同体，由于不受时间、地点等条件制约，而受到成人学习者的青睐，并在其学习过程中发挥着不可或缺的作用。比如，它可以解决传统学习共同体存在的时空受限、运用资源困难和远距离交互缺乏等问题；能够增加信息交流、相互支持、团队承诺、合作以及对学习经历的满意度（Rovai，2001）；使成员在网络上能找到志同道合、共同进步的学习伙伴，共同的学习愿景也能激发他们学习的主动性和创造性，增强归属感（唐燕儿等，2017）；有利于建构知识，交流情感（董利亚等，2016）；为成员的共同成长和知识鸿沟的减少铺平道路（Shafipour et al.，2017）。随着“互联网+教育”的深度融合，成人在线学习共同体的意义和价值不断得以彰显，在不同专业领域的实际应用也越来越广泛。
然而，实践中成人参与在线学习共同体意愿不足、对移动学习接受和利用不足（鲍日勤，2017）、成员间互动程度不足（王诗蓓等，2017）等问题仍层出不穷。究竟是哪些因素影响了成人参与在线学习共同体的意愿？它们之间的关系是什么？这些问题引起国内外研究者的关注。Bette对阿尔伯塔社区成人学习委员会协调员参与在线学习共同体的研究结果显示，他们的参与动机主要包括学习新技能和获得工作实践的机会、与同事和职业加强联系以及减少因工作职能和地理位置造成的隔离（Gray，2004）。Barría等人基于社会比较理论，认为与同辈的比较尤其是可视化比较能够激发成人参与在线学习共同体的意愿（Barría et al.，2014）。Karunanayaka以教师为个案的研究结果表明，互动式和协作式课程设计、在线辅导者扮演的角色、在线学习者采用的各种策略会对在线学习共同体的学习效果产生影响（Karunanayaka，2008）。Dadze-Arthur 等人认为，学习者对原有知识和经验的概念化，注重以计算机为媒介的沟通，参与课程和项目，能够提升他们对在线学习共同体的认知和社会参与（Dadze-Arthur et al.，2016）。张际平等人的研究表明，成人是否选择加入在线实践共同体，与缓解压力、增加社会交往、服务社区和提高工作水平等内在因素相关（张际平等，2011）。杨刚等人认为，在虚拟学习社区学习活动中，主持者的角色非常重要，既能帮助参与者之间形成有效的沟通，又能在有效管理活动进程方面发挥积极作用（杨刚等，2013）。葛楠等人指出，在非正式网络学习共同体中，社会存在感影响参与者的满意度和持续关注度（葛楠等，2017）。
虽然学界不乏从动机因素探讨成人参与在线学习共同体行为决策过程及识别影响成人学习行为的关键因素，但是较少从动机角度考察成人参与在线学习共同体行为发生的心理机制。鉴于成人参与在线学习共同体的行为决策大多伴有明确的目标，且成人学习具有鲜明的自我导向特征，本研究将引入目标导向行为理论和自我决定理论，从微观视角厘清成人参与在线学习共同体的驱动因素及其内在机制，并为提升参与效度提供理论支撑。
二、理论基础与模型假设
1.理论基础
目标导向行为理论的建构源于计划行为理论（Theory of Planned Behaviour，简称TPB）。由于计划行为理论存在注重认知变量而忽视情感变量对行为驱动的重要作用之缺陷，Perugini 和Bagozzi构建了目标导向行为模型（The Model of Goal-Directed Behaviour，简称MGB）。目标导向行为理论强调动机、情感和习惯的价值，把它们有机地融为一体。具体来说，既保留计划行为理论的原始变量，即态度、主观规范和感知行为控制，又借鉴 Parker等人提出的预期情绪影响决策过程理论，引入预期情绪变量（Leone et al.，2004）。相对于计划行为理论，目标导向行为理论具有较强的行为预测能力和解释力，能够更加系统深入地分析特定行为的生成机理（Song et al.，2014），因而近年来被广泛应用于教育、计算机、医疗、商业和旅游等领域。因此，本研究尝试以目标导向行为理论为基础进行成人参与在线学习共同体行为的研究。
自我决定理论（Self-Determination Theory，简称SDT）假定个体是活动的有机体，具有积极的自我整合、自我完善和不断学习的倾向，但这些倾向并非自然而然发生，而是需要借助社会情境的支持才能发生（Deci & Ryan，1985）。自我决定理论认为，内在动机或外在动机的内在化取决于自主感、胜任感和关联感三种基本心理需要，通过这些需要，个体能体验到一种精心设计的幸福感。为了更好地实现个体的自我成长，有必要准确把握其基本心理需要与外部社会环境之间的关系。自我决定理论能够使研究者探查到通过情境因素（如指导者行为、社会互动）来增强或抑制在线学习者动机的机制，也有助于教师和教学设计者确定更好的在线学习者支持策略（Chen & Jang，2010）。本文將在运用目标导向行为理论的基础上，引入自我决定理论的关联感和胜任感要素，分析外在因素对于个体学习欲望产生的影响，进而探讨成人对于在线学习共同体的认知与行为意愿之间的关系。
2.研究假设与模型构建
根据目标导向行为模型，将欲望作为中间变量，把态度、主观规范、预期情绪和感知行为控制四个变量确定为影响欲望的主要因素；依据自我决定理论，把胜任感和关联感确定为影响欲望的另外两个主要因素。本研究提出以下研究假设：
H1：态度对成人在线学习共同体参与欲望有积极的正向影响
态度是表征个体对事物喜欢或者不喜欢的指标（Ajzen & Fishbein，1980）。它是个体对某一事物或行动进行评价的反应，一旦获取，当面对这一事物或行动时就会自动触发。Bagozzi和Perugini认为，态度并不直接影响个体的行为意愿，而是通过欲望对其产生间接影响，这种影响大部分要受欲望的调节（Bagozzi & Perugini，2001）。Song等人的实证研究也表明，参与者的态度对于欲望有着积极的正向影响（Song et al.，2012）。
H2：主观规范对成人在线学习共同体参与欲望有积极的正向影响
主观规范是指对影响个体看待事情或者重要他人观点的感知，重要他人包括父母、兄弟姐妹、亲密朋友、亲戚、下属、上级和商业伙伴等（Park，2000）。Bagozzi认为，主观规范并不直接影响个体的行为意愿，而是通过影响欲望这一中介变量发挥作用（Bagozzi，1992）。他与Perugini对230名参与者的实证研究也证实了这一点（Bagozzi & Perugini，2001）。
H3：正向预期情绪对成人在线学习共同体参与欲望有积极的正向影响
预期情绪分为正向预期情绪和负向预期情绪两种类型。人们对未来能够成功执行某一特定行为会形成一种正向的预期情绪，而对不能够成功执行某一特定行为则会形成一种负向的预期情绪。Leone等人认为，预期情绪会影响行为欲望，因为情绪构面能代表促进事情积极化和避免事情消极化的享乐主义动机（Leone et al.，2004）。Song等人的研究显示，正向预期情绪对参与某种行为的欲望具有积极的正向影响（Song et al.，2014）。
H4：勝任感对成人在线学习共同体参与欲望有积极的正向影响
胜任感意味着个体能够积极地与所处的环境进行互动，有效应对外界需要。Deci和Ryan认为胜任感是影响内部动机的重要因素，已有多项研究表明它是内部动机的正向预报者。当个体感觉能够胜任某项任务，其执行此项任务时就会更有动力（Deci & Ryan，1985）。S?reb等人的研究表明，教师电子学习的胜任感对他们的内在动机有着积极的正向影响（S?reb et al.，2009）。李晓明等人基于自我决定理论的实证研究也证明，胜任感对动机内化有着显著的正向影响（李晓明等，2017）。
H5：关联感对成人在线学习共同体参与欲望有积极的正向影响
关联感是指个体在行为过程中感知到与行为对象建立联结，是一种在意他人同时也希望得到他人接受的感觉（Deci & Ryan，2002）。换言之，关联感是个体希望在自己所处的环境中能够与他人建立联系，感受到他人的爱与关怀。李晓明等人的研究显示，关联感对动机内化有着显著的正向影响（李晓明等，2017）。
H6：感知行为控制对成人在线学习共同体参与欲望有积极的正向影响
H7：感知行为控制对成人在线学习共同体参与意愿有积极的正向影响
感知行为控制是指个体对于从事某一特定行为时所感知到困难或容易的信念，并且评估自身拥有的资源与机会，以及判断达到目标行为时可能会遇到的阻碍（Ajzen，1991）。感知行为控制具有加强个体执行行为、增加努力和毅力意向的作用。个体的感知行为控制越强，其执行行为的意愿也越强。在目标导向行为理论中，感知行为控制被认为是影响欲望的必不可少的要素。Bagozzi和Perugini指出，感知行为控制能够加强个体的欲望、行为意愿和实际行为（Bagozzi & Perugini，2001）。
H8：欲望对成人在线学习共同体参与意愿有积极的正向影响
Bagozzi等人认为，欲望能为行为意愿提供动机或动力。在目标导向行为模型中，欲望作为中间变量，是行为意愿最直接的决定因素，并通过实验进行了验证（Bagozzi & Perugini，2001）。Perugini和Conner也强调，欲望是行为意愿的一个很好的预测器（Perugini & Conner，2000）。在Bagozzi和Dholakia对小组品牌社区参与者的行为和行为决定因素的研究中，他们把欲望作为转化行动的理由理解为社会行动意图的转换机制（Bagozzi & Dholakia，2006）。
根据上述假设关系，笔者构建了如图1所示的成人参与在线学习共同体意愿的内在机制理论模型。
三、研究设计
1.问卷设计
本研究问卷共分两大部分。第一部分是基本信息，包括性别、年龄、文化程度、参与在线学习共同体的时间等。第二部分是主体，涉及成人参与在线学习共同体的态度、主观规范、预期情绪、胜任力、关联感、欲望、感知行为控制和行为意愿等。其中，态度测量题项采用Davis等人以及Taylor和Todd所用的量表（Davis，1989；Davis et al.，1992；Taylor & Todd，1995）；主观规范测量题项借鉴Venkatesh等人的量表（Venkatesh et al.，2003）；预期情绪测量题项采用Bagozzi和Perugini的量表（Bagozzi & Perugini，2001）；胜任感测量题项综合采用Venkatesh等人和李晓明等的量表（Venkatesh et al.，2003；李晓明等，2017）；关联感测量题项参照Liu等人的量表（Liu et al.，2010）；欲望测量题项采用Bagozzi和Perugini的量表（Bagozzi & Perugini，2001）；感知行为控制测量题项借鉴Bagozzi等人的量表（Bagozzi & Kimmel，1995）；行为意愿测量题项参照 Davis、Venkatesh等人的量表（Davis，1989；Venkatesh et al.，2003）。本研究采用李克特7级量表，程度变化范围为1～7分，其中1表示“非常不同意”，7表示“非常同意”。问卷主体的测量题项及来源详见表1。
2.数据收集
2017年7月15日至8月15日，以成人为调查对象，在河北、山东、河南、江苏和浙江等地进行问卷发放与回收工作，共发放问卷350份，回收有效问卷309份，有效回收率为88.3%。问卷中的测量题项为 26个，已达到结构方程模型运用所要求的有效问卷至少高于测量题项10倍的标准（Bentler & Chou，1987），因而可采用结构方程模型展开探讨。
3.样本描述
调查对象中男女比例分别为47.9%和52.1%；31～40岁年龄段的人数占比稍大，所占比例为34.8%；调查对象的文化程度总体偏高，专科比例达42.7%，本科及以上比例为25.1%；参与在线学习共同体年限在1年以上的成人占29.3%，参与时间在1周以内的成人占26.7% 。
四、数据分析
1.信度分析
本研究使用SPSS 24.0软件对概念模型中8个构念的相关性、均值、标准差及信度展开分析。其中，各构念均值为5.181～5.476，标准差为0.855～1.126，构念之间的相关性均大于0.3，说明各构念之间相关性较好。样本中26个题项的整体Cronbach s α值为0.948，8个构念的Cronbach s α值都大于0.7，符合Nunnally和Bernstein所提的信度检验标准（Nunnally & Bernstein，1994）。另外，量表各指标的偏度和峰度统计值所对应的绝对值均小于2，表明样本数据符合单变量正态分布要求。
2.验证性因子分析
本研究运用AMOS 24.0软件对由8个构念所组成的测量模型展开验证性因子分析，目的在于确定相应构念中的测量题项是否具有收敛效度。从表2可见，各测量题项的标准化因子载荷（SFL）值介于0.698～0.914，高于Nunnally所提的标准化因子载荷值需大于0.5的标准（Nunnally，1978），且均通过显著性检验。此外，各潜变量的組合信度（CR）均大于临界值0.7，平均方差提取值（AVE）均高于临界值0.5（Bagozzi & Yi，1988）。根据上述标准可判定，各构念测量题项之间的相关程度较高，收敛效度较好。
另外，模型中各构念的AVE值在其开算术平方根后均大于该构念与其他构念之间的两两相关系数，表明构念之间具有较好的区别效度（Fornell & Larcker，1981）。
3.模型拟合度与假设检验
（1）模型拟合度检验
在完成对各变量的有效性验证后，使用AMOS 24.0检验假设模型与测量数据的配适度。本模型的拟合指标如下：CMIN/DF=4.040，GFI=0.727，AGFI=0.671，RMSEA=0.100， TLI=0.839，CFI=0.847（见表3）。其中，CFI和TLI非常接近0.9的临界值，且RMSEA大于0.08的临界值，表明本模型的各配适度指标系数存在一定的改进空间。本研究通过Bollen-Stine Bootstrap 公式对模型拟合指标进行修正，修正后的拟合指数如下：CMIN/DF=1.318，GFI=0.937，AGFI=0.921，RMSEA=0.032，TLI=0.987，CFI=0.984。
（2）假设检验
通过对变量间标准化路径系数的测量，检验各研究假设。从表4可见，H1、H2、H3和H4的P值并未小于0.001，表明假设不能通过检验；H5、H6、H7和H8的P值小于0.001，表明假设通过检验。另外，根据结构方程模型各假设的路径系数β值大小（见表4、图2），可以看出各变量对欲望的影响效应从高到低依次为关联感、感知行为控制、胜任感、态度、预期情绪及主观规范，而对行为意愿的影响效应从高到低依次为感知行为控制和欲望。
五、研究结论与启示
1.研究结论
本研究运用结构方程模型，检验了成人参与在线学习共同体的态度、主观规范、预期情绪、胜任感、关联感、感知行为控制、欲望及行为意愿之间的路径关系，分析了成人参与在线学习共同体行为意愿的产生机理，重点探索了行为意愿产生的内在影响机制（见图2）。本研究主要得出以下四点结论。
第一，在成人参与在线学习共同体欲望产生过程中，态度、主观规范、预期情绪和胜任感并没有起到显著的前置影响作用。尤其是主观规范对欲望的影响效用甚小（β=-0.048），说明影响成人参与在线学习共同体的因素更多集中在共同体组织环境和自我控制力上。这一结论与已有研究有所出入。已有研究多数都证实了主观规范作为人们采取某项特定行为时所感受到的社会压力，对欲望有着显著的正向影响；而本研究结论未能向已有研究提供量化结果支持。究其原因，这与成人学习行为多半带有“功利性”色彩的特性有关。作为独立而又成熟的个体，成人学习欲望及学习行为意愿的产生并非遵从外在社会规约，其驱动因素更多源自对内心自我的追求及改善生活境遇的压力。另外，预期情绪对欲望并未起到显著的正向影响。这一结论与王翔等所得出的成员积极参与情绪和消极参与情绪都与其在在线学习共同体中的参与度和投入度密不可分的结论相左（王翔等，2016）。这可能是由于成人学习行为的产生是其理性考量与权衡后的结果，他们往往为了职业发展需要或生存环境改变而选择继续学习，而受情感类动机因素的影响较小。
第二，关联感对成人在线学习共同体参与欲望有着积极的正向影响。关联感可被视为个体的一种内在心理体验，获得的关键是让其感受到组织中其他成员的关心与支持。关联感的获得不仅能增进个体之间的认同，促进彼此之间的相互理解，同时也能带来愉悦感和满足感。反之，则会使个体产生孤独感。孤独感与关联感是一对相互对立的心理变量，双方存在此消彼长之势。减少孤独感，提升关联感，是激发成人在线学习共同体参与欲望的关键。由于在线学习共同体具有突破时空限制、跨域组织边界等特征，致使个体之间的社交关系浅层化，因而如何提高共同体的凝聚力将是进一步研究的重点。此外，这一结论诠释了在线学习共同体中知识共享行为产生的原因，有利于为其知识管理体系构建及组织社会化策略制定提供指导。
第三，感知行为控制不仅直接影响成人的行为意愿，而且通过欲望对其产生间接影响。感知行为控制对行为意愿影响的总效果β值达到0.663，说明感知行为控制是影响成人行为意愿产生的重要变量。感知行为控制包括自我效能和控制力两个层面。前者强调个体在完成某一任务时，对自身能力的主观判断与评价；后者则属于对诸如时间、资源等外部因素的掌控能力。如果成人的自我效能感与控制力强，就容易克服参与在线学习共同体过程中的困难和挫折，有效开展学习；反之，则难以通过在线学习共同体获取知识，实现预期学习目标，还可能会催生无助感。当成人学习者因付出数次努力而结果无效时，他们就不知道该做什么和如何做，进而无法唤起学习欲望和激发学习行为意愿。
第四，成人的学习欲望对行为意愿有着显著的正向影响。这表明成人参与在线学习共同体的欲望愈强，愈有助于其参与行为意愿的产生。欲望是人们进行某一活动的内部驱动力，因而要促进成人参与在线学习共同体行为意愿的产生，就需要通过激发其参与欲望予以实现。
2.研究启示
本研究关于成人参与在线学习共同体行为意愿的影响因素及其形成机理的研究结论，对于成人参与在线学习共同体行为意愿的产生具有实际指导意义。
第一，提升自我控制感，促进积极的学习情绪体验产生。研究发现，感知行为控制对成人的学习欲望和行为意愿有着积极的正向影响，表明自我控制感较强的成人更容易激发在线学习共同体参与欲望和行为意愿。在参与在线学习共同体的活动中，成人需要在学习挑战与自身技能水平之间达到平衡，灵活控制自己与在线学习情境之间的关系，从而积极主动地进行意义构建，成为新知识和经验的实施者（刘奉越，2012）。为增强成人的自我控制感，需要提升成人驾驭ICT的内在品质与涵养，熟练掌握计算机、网络通信工具或网络信息资源的使用技能。已有研究证明，无论是直接的ICT科学学习行为，还是间接的ICT娱乐活动，都能对学习者的自我效能起著积极的促进作用（陈奕桦等，2017）。因此，成人学习者应不断提升自身的ICT素养，使其对在线学习共同体的参与产生浓厚的兴趣和积极的情绪体验，进而促使其产生学业韧性并持续学习。
第二，强化共同体意识，提高群组成员间的交互水平。在实践中，“隐身型”学习者较为普遍及成员间互动性不强的现象是成人在线学习共同体构建所面临的棘手问题，而本研究发现关联感对在线学习共同体参与欲望有着积极的正向影响。因此，如何提升不同个体之间，个体与在线学习共同体组织之间的关联感就显得尤为重要。由自我决定理论可知，建立关联感的关键在于增强学习成员的归属感。因此，可建立成员的角色组织，布置协作式任务，设计可供讨论的问题，开展团队合作的学习活动；将文本交互、即时交流、讨论区等多元化的方式融入在线学习共同体的社会情境，构建“圈子文化”，形成学习者的“圈子”，使他们感知到存在于这一共同体，并能得到同伴的认可（董利亚等，2016）。与此同时，还要加强群组成员间的互动与沟通，创造“自我”与“他者”的交汇和互动机会。在在线学习共同体这样一个虚拟网络学习社区，成员之间地位平等，他们可以借助网络和通信工具，获取知识和技能，完成一定的学习任务，并形成相互影响和相互促进的社会关系网络，促进社会资本增长（刘惠芬等，2005）。具体而言，可通过设计虚拟聊天室、协作性白板、互动视频和整合社交软件等方式促成学习者信任感的快速形成，从而提高社会临场感（莱斯利·莫勒等，2015），让学习者之间能自愿传递和分享知识，以进一步满足群体成员之间的互动和体验要求。
参考文献：
[1][美]莱斯利·莫勒， 杰森·B·休特（2015）. 无限制的学习：下一代远程教育[M]. 王为杰. 上海：华东师范大学出版社：132-133.
[2]鲍日勤（2017）. 开放教育学习者移动学习使用意愿影响因素研究[J]. 远程教育杂志， （3）：102-112.
[3]陈奕桦，赵可云（2017）. 信息技术对中学生科学自我效能的促进成效[J]. 开放教育研究， （6）：60-70.
[4]董利亚，冯锐（2016）. 在线学习社区培育与发展模型的构建及其策略研究[J]. 远程教育杂志， （2）：98-105.
[5]葛楠，孟召坤，徐梅丹等（2017）. 非正式网络学习共同体中社会存在感影响因素研究[J]. 中国远程教育， （1）：37-44.
[6]李晓明，张辉（2017）. 顾客品牌契合行为的心理机制研究：自我决定理论视角[J]. 旅游学刊， （7）：57-69.
[7]刘奉越（2012）. 基于新生代农民工城市适应主体性障碍的质变学习[J]. 现代远程教育研究， （6）：57-61.
[8]刘惠芬，阳化冰（2005）. 多重互动的网络学习社区研究[J]. 现代远程教育研究， （2）：37-39.
[9]唐燕儿，王思民（2017）. 新生代农民工继续教育需求与虚拟学习社区构建[J]. 现代远程教育研究， （3）：86-93.
[10]王诗蓓，王帆（2017）. 基于价值创造理论的教师网络实践共同体价值创造研究[J]. 中国远程教育， （3）：59-66.
[11]王翔，马吟秋，李旋（2016）. 网络学习共同体中知识分享行为的社会因素探究[J]. 经济与管理研究， （12）：131-140.
[12]吴峰，王辞晓，李杰（2015）. 非约束条件下成人在线学习动机量表编制[J]. 现代远程教育研究， （4）：60-65.
[13]杨刚，曾群芳，赖文华（2013）. 虚拟学习社区环境下教师协作学习的问题与实证[J]. 现代远程教育研究， （2）：45-52.
[14]张际平，张丽（2011）. “在线实践共同体”成员参与动机研究[J]. 现代远程教育研究， （2）：22-26.
[15]Ajzen， I. （1991）. The Theory of Planned Behavior[J]. Organizational Behavior and Human Decision Processes， 50（2）：179-211.
[16]Ajzen， I.， & Fishbein， M. （1980）. Understanding Attitudes and Predicting Social Behavior[M]. Prentice-Hall： 54-64.
[17]Bagozzi， R. P. （1992）. The Self-Regulation of Attitudes， Intentions， and Behavior[J]. Social Psychology Quarterly， 55（2）：178-204.
[18]Bagozzi， R. P.， & Dholakia， U. M. （2006）. Antecedents and Purchase Consequences of Customer Participation in Small Group Brand Communities[J]. International Journal of Research in Marketing， 23（1）：45-61.
[19]Bagozzi， R. P.， & Kimmel， S. K. （1995）. A Comparison of Leading Theories for the Prediction of Goal-Directed Behaviours[J]. British Journal of Social Psychology， 34（4）： 437-461.
[20]Bagozzi， R. P.， & Perugini， M. （2001）. The Role of Desires and Anticipated Emotions in Goal-Directed Behaviors： Broadening and Deepening the Theory of Planned Behavior[J]. British Journal of Social Psychology， 40（1）：79-98.
[21]Bagozzi， R. P.， & Yi， Y. （1988）. On the Evaluation of Structural Equation Models[J]. Journal of the Academy of Marketing Science，16（1）：74-94.
[22]Barría， J.， Scheihing， E.， & Parra， D. （2014）.Visualizing Student Participation in a Collaborative LearningEnvironment[EB/OL]. [2018-03-01]. http：//www.ceur-ws.org/Vol-1210/SP2014_10.pdf
[23]Bentler， P. M.， & Chou， C. （1987）. Practical Issues in Structural Modeling[J]. Sociological Methods Research， 16（1）：78-117.
[24]Chen， K. C.， & Jang， S. J. （2010）. Motivation in Online Learning： Testing a Model of Self-Determination Theory[J]. Computers in Human Behavior， 26（4）：741-752.
[25]Dadze-Arthur， A.， & Raine， J. W. （2016）. Experiential Learning and Teaching at a Distance： How Distinctive an Experience？[A]. Majgaard， K.， Ry Nielsen， J. C.， & Quinn， B. et al. （Eds.）. Developing Public Managers for a Changing World （Critical Perspectives on International Public Sector Management， Volume 5）[M]. Bingley： Emerald Group Publishing Limited：141-159.
[26]Davis， F. D. （1989）. Perceived Usefulness， Perceived Ease of Use， and User Acceptance of Information Technology[J]. MIS Quarterly， 13（3）：319-340.
[27]Davis， F. D.， Bagozzi， R. P.， & Warshaw， P. R. （1992）. Extrinsic and Intrinsic Motivation to Use Computers in the Workplace[J]. Journal of Applied Social Psychology， 22（14）：1111-1132.
[28]Deci， E. L.， & Ryan， R. M. （1985）. Intrinsic Motivation and Self-Determination in Human Behavior[M]. New York： Plenum：21-25.
[29]Deci， E. L.， & Ryan， R. M. （2002）. Handbook of Self-Determination Research[M]. New York： University of Rochester： 128-140.
[30]Fornell， C.， & Larcker， D. F. （1981）. Structural Equation Models with Unobservable Variables and Measurement Error： Algebra and Statistics[J]. Journal of Marketing Research， 18（3）：382-388.
[31]Gray， B. （2004）. Informal Learning in an Online Community of Practice[J]. Journal of Distance Education， 19（1）：20-35.
[32]Karunanayaka， S. （2008）. Designing an Online Learning Community Among Teacher Educators[J]. Asian Association of Open Universities Journal， 3（2）：71-82.
[33]Leone， L.， Perugini， M.， & Ercolani， A. P. （2004）. Studying， Practicing， and Mastering： A Test of the Model of Goal-Directed Behavior （MGB） in the Software Learning Domain[J]. Journal of Applied Social Psychology， 34（9）：1945-1973.
[34]Liu， I. F.， Chen， M. C.， & Sun， Y. S. et al. （2010）. Extending the TAM Model to Explore the Factors that Affect Intention to Use an Online Learning Community[J]. Computers & Education， 54（2）：600-610.
[35]Nunnally， J. C. （1978）. Psychometric Theory[M]. New York： McGrwa-Will：245-246.
[36]Nunnally， J. C.， & Bernstein， I. H. （1994）. Psychometric Theory （the 3rd Edition）[M]. New York： McGraw-Hill： 248-279.
[37]Park， H. S. （2000）. Relationships Among Attitudes and Subjective Norms： Testing the Theory of Reasoned Action Across Cultures[J]. Communication Studies， 51（2）：162-175.
[38]Perugini， M.， & Conner， M. （2000）. Predicting and Understanding Behavioral Volitions： The Interplay Between Goals and Behaviors[J]. European Journal of Social Psychology， 30（5）：705-731.
[39]Rovai， A. P. （2001）. Building Classroom Community at a Distance： A Case Study[J]. Educational Technology Research and Development， 49（4）：33-48.
[40]Shafipour， R.， Baten， R. A.， & Hasan， M. K. et al. （2017）. Closing the Knowledge Gap in an Online Learning Community： Network-Analytic Discoveries， Simulation and Prediction[EB/OL]. [2017-10-12]. http：//www. arxiv.org/pdf/1707.01886.pdf.
[41]Song， H. J.， Lee， C. K.， & Norman， W. C. et al. （2012）. The Role of Responsible Gambling Strategy in Forming Behavioral Intention： An Application of a Model of Goal-Directed Behavior[J]. Journal of Travel Research， 51（4）：512-523.
[42]Song， H. J.， You， G. J.， & Reisinger， Y. et al. （2014）. Behavioral Intention of Visitors to an Oriental Medicine Festival： An Extended Model of Goal-Directed Behavior[J]. Tourism Management， 42（2）：101-113.
[43]S?reb， ?.， Halvari， H.， & Gulli， V. F. et al.（2009）. The Role of Self-Determination Theory in Explaining Teachers Motivation to Continue to Use e-Learning Technology[J]. Computers & Education， 53（4）：1177-1187.
[44]Taylor， S.， & Todd， P. A. （1995）. Understanding Information Technology Usage： A Test of Competing Models[J]. Information Systems Research， 6（2）：144-176.
[45]Venkatesh， V.， Morris， M. G.， & Davis， G. B. et al. （2003）. User Acceptance of Information Technology： Toward a Unified View[J]. MIS Quarterly， 27（3）：425-478.
收稿日期 2018-03-29 責任编辑 刘选 邵娟
