基于TAM的在线学习平台用户使用意愿影响因素研究
徐顺 田潇湘
摘要：互联网技术的快速发展、移动终端的快速普及促进了在线教育的蓬勃发展。技术促进教育变革已成为大势所趋，信息化环境下利用在线学习平台辅助学习已成为变革传统教育模式的重要手段。然而，在线学习平台的使用意愿问题一直困扰着平台设计开发者和教育研究者。文章以“超星学习通”为例，基于技术接受模型（TAM）构建了在线学习平台用户使用意愿影响因素模型，该模型包含感知有用性、感知易用性、社会影响、平台功能性和平台声望五个影响因素。通过设计调研问卷，采集调研数据，对影响因素模型进行验证和分析。结果显示，社会影响、感知易用性和感知有用性对在线学习平台用户使用意愿有显著正向影响，感知易用性和平台声望对用户感知有用性有显著正向影响，平台功能性对于用户感知易用性有显著正向影响。最后，为提升在线学习平台的用户使用意愿，针对在线学习平台的完善与发展提出了相关建议。
关键词：技术接受模型;在线学习平台;使用意愿;影响因素
中图分类号：G40-057? ? ? ?文獻标志码：A? ? ? ? ? 文章编号：1673-8454（2020）08-0078-08
一、引言
《中国互联网络发展状况统计报告》数据显示：截至2019年6月，我国在线教育用户规模达2.32亿，较2018年底增长3122万，占网民整体的27.2%。[1]。由此可知，随着互联网和计算机技术的普及，我国的在线学习用户规模大，数量增长快，在线学习越来越受到学习者的青睐。
随着在线学习产业的蓬勃发展，我国的在线学习平台如雨后春笋般涌现。一般而言，在线学习平台分为两种主要的类型：一种是以提供在线课程为主要目标的在线学习平台，如提供大规模开放课程的学堂在线、爱课程、优课联盟等在线学习平台，这些平台的学习者不限于全日制学生，社会工作者也可以根据自身需求学习相关课程;另一种是以开展基于网络的教学为主要目标的在线学习平台，如超星学习通、Moodle、Blackboard等教学管理系统，这些平台旨在帮助教师开展网络教学，学生可以利用平台提供的多样化学习工具以及丰富的学习资源进行在线学习。
研究者普遍认为，在线学习平台具有以下特征与优势：使学习从物理空间走向虚拟空间，学习者可以不受时间和地域的限制实现随时随地学习，尤其是随着移动互联网的发展和智能终端的普及，学习者能够有效利用碎片化时间实现泛在学习;使学习从被动变为主动，学习者不再被动地接受教师传输的知识，而是根据个人的学习需求，自定学习步调、自主选择学习内容，实现个性化的学习;使学习从封闭走向开放，为学习者提供丰富的在线学习资源，促进了优质教育资源的共享，使得偏远、贫困地区的学习者拥有获取优质学习资源的机会;使学习者从固步自封的学习变为联结式学习，为学习者提供了广泛的沟通交流机会，在线学习者能够通过在线学习平台与世界各地的学习者、教育专家等实现联结，帮助学习者建立学习共同体。
尽管在线学习平台存在诸多优势，然而目前在线教育行业面临着一个巨大的挑战：在线学习平台面临着群雄逐鹿的局面，平台用户忠诚度不高，即在线学习平台用户的使用意愿不高。基于此，研究者开始关注影响在线学习平台用户使用意愿的影响因素。王美静基于学习者视角对国外的MOOC平台作了比较分析，指出提供优质的学习体验是学习平台可持续运营的竞争优势[2]。阮士桂在研究美国K-12在线学习时指出美国出台相应法规来保障平台的运行和发展，提出在线学习平台要以促进学生成长为最终目标，以扩大在线学习选择为发展重点，以规范信息沟通与在线教学为基本保障[3]。这都说明美国重视在线学习中学习者的体验与感受，倡导以学习者为中心，经常使用学习者视角对在线学习平台进行审视。
本研究以“超星学习通”在线学习平台为研究对象，探究“超星学习通”在线学习平台用户使用意愿的影响因素，并在此基础上提出在线学习平台发展对策，旨在促进在线学习平台的持续稳定发展，为信息化环境下的教学模式变革提供支持。
二、理论基础及研究模型构建
1986年，美国学者戴维斯（Davis）在理性行为理论的基础上，提出了技术接受模型（Technique Acceptance Model，简称TAM）[4]，用于解释和预测用户采纳和使用信息系统的行为意向。技术接受模型认为，信息系统的使用是由其行为意向决定的，而行为意向由使用态度和感知有用性共同决定，使用态度又由感知有用性和感知易用性共同决定，感知有用性由感知易用性和外部变量共同决定，感知易用性是由用户特征、系统特性、任务特征、组织结构等外部变量决定的。自技术接受模型提出以来，国内外学者将其广泛应用于教育领域，它已成为了解释、预测人们对新兴信息技术应用于教育领域的接受程度的重要理论依据。
随着信息技术使用意愿研究的不断深入，技术接受模型也在实践中不断完善与深化。2000年，Venkatesh和Davis提出了技术接受模型的拓展模型[5]（TAM2），相比于技术接受模型，TAM2提出了两个影响感知有用性的元素，即社会影响和认知结构。2003年，Venkatesh和Morris等人在己有的理论模型之上，提出了技术接受与使用整合模型（Unified Theory of Acceptance and Use of Technology，简称UTAUT）[6]。UTAUT增加了四个核心变量：绩效期望、努力期望、社会影响和促进条件。UTAUT认为，绩效期望、努力期望和社会影响会直接影响用户的使用意愿，而促进条件则直接影响用户的使用行为。
本研究在TAM、TAM2和UTAUT模型的基础上，结合前人对在线学习平台的研究，将社会影响、平台功能性、平台声望等关键因素融入其中，构建了在线学习平台用户使用意愿的影响因素理论模型，如图1所示。
1.社会影响
在UTAUT模型中，社会影响是影响个体信息技术使用意愿的重要因素，它是指个体所感受到的受周围群体影响的程度[6]。研究者认为，个体选择使用某种技术时，不仅会考虑个人的感受，还会受到他人观点的影响[7]。国外学者研究电子政务等技术应用的影响因素时发现，周围的人对电子政务应用的态度会影响个体的采纳意愿[8][9]。国内学者研究微信用户使用意愿时发现，人们使用微信会受到他人的影响，即社会影响与微信用户使用意愿存在显著的正向影响[10]。国外有学者指出，社会影响之所以会影响个体对技术的使用意愿，其心理动因在于个体为了增进与群体的关系，会倾向于遵从群体中的他人意见[11]。从社会学习理论的视角来看，人类的行为受到个人认知、行为与环境因素三者及其交互作用的影响，其中环境因素也就是个人受到的社会影响[12]。
一些研究表明，社会影响会直接或间接影响在线学习平台用户的使用意愿。Milo?evi? 等人发现，社会影响对Facebook虚拟课堂的使用有显著的正向影响，即同伴对Facebook虛拟课堂的态度会促进学生与同伴、教师之间的交流[13]。Sánchez等人发现，社会影响是预测大学生使用Facebook与他人交流意愿的最关键因素[14]。Sharma等人发现，资源分享是决定大学生将Facebook用于学习的最主要因素[15]。欧阳映泉的研究发现，当用户发现周围的同事、朋友、家人都在使用付费在线学习平台时，个体很可能也会受其影响采用付费在线学习方式[16]。Wu等人研究用户持续使用MOOC意愿的影响因素，结果表明，社会影响对用户感知有用性有显著正向影响，对MOOC持续使用意愿有显著间接影响[17]。
在本研究中，社会影响是指学生使用“超星学习通”在线学习平台时受到周围同学或教师影响的程度。基于以上分析，本研究提出以下研究假设：
H1：社会影响对用户使用意愿有显著正影响。
2.平台功能性
在技术接受模型中，包括系统功能性在内的系统特性是影响感知有用性和感知易用性的外部因素之一[18]。对于在线学习平台，系统功能性指的是平台功能性，即用户感知的在线学习平台为其提供灵活的教学服务的能力[19]。
大量研究证实，平台功能性是影响在线学习平台用户感知有用性的重要外部因素。Li等人调查中国农村在职人员使用在线学习平台进行学习的情况发现，在线学习平台的功能性对用户的感知有用性和感知易用性均有显著的正向影响[20]。李志茹在研究中关注在线学习平台的功能设计和技术实现，及其对用户的感知易用性和感知有用性的影响，最后发现平台功能性与课程质量认可度较低时，学习者的感知有用性也会显著降低[21]。李雅筝从课程内容的丰富性、课程视频的录制质量、课程内容组织的合理性、课程相关资源的丰富性等方面研究用户对在线学习平台的使用意愿，得出平台功能性中的内容质量对感知有用性有显著正向影响[22]。
本研究中，平台功能性是指学生在使用“超星学习通”在线学习平台时，感知的平台为其提供学习服务的能力，包括学习资源、学习支持等。基于以上分析，本研究做以下假设：
H2：平台功能性对用户感知易用性有显著正影响。
3.感知易用性
Davis将感知易用性定义为用户在使用某一系统时所感知到的使用容易程度，并认为感知易用性对用户的感知有用性和使用意向有显著正影响[23]。
已有研究表明，感知易用性对用户使用新技术的意愿有积极而显著的影响[24-26]。研究者对移动互联网用户的持续使用意愿开展调查，证实了感知易用性、感知有用性和感知享受对用户满意度和持续使用意愿有显著正向影响[27]。另外，还有研究人员发现感知易用性也是使用电子政务网站意愿的正向预测因素[28]。
一些研究表明，在线学习平台的感知易用性对用户使用在线学习平台的意愿至关重要。国外有学者研究本科生对学习中使用谷歌相关应用程序的意愿，结果发现感知有用性和感知易用性都是影响用户使用态度的影响因素，且它们同时对用户使用意愿产生重大影响[29]。国内学者的研究发现，影响高校大学生选择MOOC平台的各种元素中，排在第三位的是“易用性”。研究者分析指出，在线学习的优点在于节省时间，如果用户在使用MOOC平台时没有感到轻松愉悦，反而操作复杂、浪费时间，那么用户的使用意愿就会明显降低[30]。
在本研究中，感知易用性是指用户在使用“超星学习通”在线学习平台时，感知的平台容易使用的程度。基于以上分析，本研究做以下假设：
H3：感知易用性对用户使用意愿有显著正影响。
H4：感知易用性对用户感知有用性有显著正影响。
4.感知有用性
感知有用性指用户对使用特定信息系统是否会提高工作绩效的主观评价[23]。研究者普遍认为，感知有用性比感知易用性更能影响人们的行为意向，即人们使用一项新的技术首先是由于该技术对人们有用，其次才是由于它易于使用[31]。伊朗研究人员探讨影响学生接受移动学习的影响因素，结果表明移动学习的感知有用性对学生的使用意愿有显著正向影响，它是伊朗学生接受移动学习最有效的因素[32]。此外，还有学者对MOOC环境下学生使用云平台工具的行为意愿进行研究，结果表明感知有用性会影响学生使用MOOC中的云平台工具的态度，进而间接影响其使用意愿[33]。
在线学习平台的感知有用性对用户使用意愿的影响也在研究中被广泛证实。李志茹从平台是否能够提高学生学习效率、平台是否能够提高学生学习效果、平台能否让学生学习更加容易、平台是否能够解决学生很多学习问题四个方面探讨了感知有用性对在线学习平台用户使用意愿的影响，研究表明，当用户感知有用性较低时，用户对平台价值的不确定性会使用户使用意愿缺失[21]。
本研究中，感知有用性是指用户对于“超星学习通”是否会提升学习效果的主观评价。基于以上分析，本研究做以下假设：
H5：感知有用性对用户使用意愿有显著正影响。
5.平台声望
在高等教育中，声望是指人们对高等教育机构质量、影响力和价值的主观感受。声望是一种有价值的虚拟资产，它对人们选择大学有至关重要的决定性作用。在技术接受模型中，声望是指人们对信息技术系统的质量、影响力和价值的认可程度，它是影响用户感知有用性的外部变量之一。
研究表明，在线学习平台的声望是影响用户使用意愿的关键因素。平台声望可通过平台知名度、平台使用人数、平台的网络评价、平台授课教师知名度等方面来体现。郭凤丽在研究高校研究生MOOC使用意愿影响因素时，通过实证调研分析提出声望是影响高校研究生选择MOOC的第二位因素，这一因素对高校研究生选择MOOC的影响甚至超过了感知易用性。同时其分析指出，现实环境有一定的局限性，学习者选择平台时不一定会对其有较为全面的了解，因此更注重曾经使用过的人群中的口碑[30]。還有研究人员发现，用户感知的MOOC平台声望对其感知趣味性和使用满意度有显著的正向影响，进而对持续使用MOOC产生间接影响[34]。
本研究中，平台声望是指用户对于“超星学习通”在线学习平台质量、影响力、价值的认可程度。基于以上分析，本研究做以下假设：
H6：平台声望对用户感知有用性有显著正影响。
三、研究方法
1.问卷设计
在文献研究、访谈分析和专家研讨的基础上，笔者编制了在线学习平台用户使用意愿调查问卷。该问卷的设计主要包含四个阶段：①文献调研阶段：在问卷设计之初，笔者查阅了大量相关文献，初步确定了在线学习平台用户使用意愿的主要影响因素。②访谈分析阶段：笔者随机遴选几位使用过“超星学习通”在线学习平台的在校大学生进行访谈，主要了解学生对该在线学习平台的看法，例如最近一次使用的学习过程和感受，以及什么因素促使学生选择“超星学习通”在线学习平台进行学习等。访谈结束后，笔者对访谈内容进行整理归纳，综合文献调研的结果，确定影响在线学习平台用户使用意愿的关键因素，初步编制调查问卷。③专家研讨阶段：邀请三位教育技术领域专家审阅问卷，并根据专家修订意见对问卷内容进行多轮调整、修改。④问卷试测阶段：邀请部分用户进行问卷试测，旨在发现问卷中存在歧义或晦涩难懂的题项，根据试测用户的反馈意见进行修订，形成了最终的调查问卷。
最终形成的问卷主要包含两个部分的内容：第一部分主要是收集被调查者的基本信息，包括性别、年级、专业学科、使用在线学习平台的基本情况等，这部分主要是用于了解样本的大致分布情况，了解用户使用“超星学习通”在线学习平台的基本现状。第二部分是问卷的主体部分，分别测量社会影响、平台功能性、感知易用性、感知有用性、平台声望、使用意愿等变量（见表1），每个变量的测试题目均使用李克特五级计分量表，依次为“非常不同意”“不同意”“不确定”“同意”“非常同意”。
2.调研对象
本研究随机选取了笔者所在高校的大学生为调研对象，所有调研对象均使用过“超星学习通”在线学习平台。本研究共发放315份调查问卷，回收301份有效问卷，有效回收率为95.6%。表2呈现了被调查对象的基本情况，主要包括性别、年级以及专业等基本信息。从样本分布来看，被调研对象覆盖大一、大二、大三、大四各年级学生群体，被调研对象的专业分布相对均衡，基本覆盖该高校的各个学科。此外，被调研对象均使用“超星学习通”在线学习平台学习过至少1门课程，因此，他们对于“超星学习通”在线学习平台的使用有一定的话语权，具备完成本研究调查问卷的条件。
四、研究结果与分析
1.测量模型检验
（1）测量模型的信度检验
为检验测量模型的信度，本研究使用Cronbach's α（克朗巴哈系数）检测调查问卷的内部一致性。一般而言，当α值大于0.7时，表明问卷具有良好的内部一致性[38]。由表3的结果可知，除了使用意愿的α系数略低于0.7，其他潜变量的α值均远大于0.7，且整体问卷的α值大于0.9，说明该问卷信度较好。
（2）测量模型效度分析
本研究使用验证性因子分析的方法对调查问卷的效度进行验证，主要分析调查问卷的聚合效度和区分效度。聚合效度通过因子负荷量、组合信度（CR）和平均方差抽取量（AVE）等指标进行检验。测量模型的观测变量因子负荷量大于0.6，潜变量的AVE值大于0.5且CR值大于0.7，才能证明该测量模型具有较好的聚合效度[39]。如表4所示，所有观测变量的因子负荷量都在0.6以上，所有潜变量的组合信度都在0.8以上，平均方差抽取量在0.5以上，表明测量模型具有较好的聚合效度。
当潜在变量之间的相关系数绝对值小于潜在变量的AVE平方根值时，说明测量的模型具有较好的区分效度。如表5所示，每一个潜在变量的AVE平方根值都大于潜在变量与其他变量的相关系数绝对值，说明测量模型有较好的区分效度。
综上所述，在线学习平台使用意愿影响因素测量模型具有较好的聚合效度和区分效度，证明该调查问卷的效度较好。
2.结构方程模型检验
（1）结构模型检验
本研究运用AMOS 20.0对研究模型进行结构方程模型分析，检验研究模型的拟合度。本研究选取了卡方自由度比（χ2/df）、比较适合度指数（CFI）、拟合优度检验（GFI）、规范拟合指数（NFI）和近似误差均方根（RMSEA）等对结构方程模型的拟合效度进行判定（见表6）。从分析结果上看，除了GFI略低于临界值以外，研究模型的其他各项拟合指数均优于临界值，因而可以认为本研究建构的研究模型拟合度在可接受的范围内[40]。
（2）研究假设检验
通过结构方程模型分析，研究模型的假设检验结果如表7所示：社会影響、感知易用性和感知有用性对用户使用意愿均有显著正向影响;平台功能性对用户感知易用性有显著正向影响;感知易用性和平台声望对感知有用性有显著正向影响。因此，本研究模型所有研究假设均成立，最后得到的在线学习平台用户使用意愿影响因素模型分析结果如图2所示。
五、总结与讨论
本研究以技术接受模型为理论基础，构建了“超星学习通”在线学习平台用户使用意愿影响因素模型，依据模型提出相关研究假设，编制问卷开展调研，并通过实证分析来验证假设，得到以下结论：
对于“超星学习通”在线学习平台的大学生用户来说，社会影响、感知易用性和感知有用性都能增强他们的使用意愿。这说明“超星学习通”平台是否易于操作，学习资源是否丰富、是否利于学习是大学生用户考虑的重点，另外教师、同学的推荐、网络上的正面评价也会提升他们的使用意愿。
对于“超星学习通”在线学习平台的大学生用户来说，平台声望、感知易用性能显著增强他们的感知有用性。这与近些年来技术的发展以及当前大学生的上网习惯有关，随着用户评价渠道逐渐增多，大学生越来越习惯于通过他人评价了解新兴技术或应用。因此，周围人对“超星学习通”在线学习平台的评价越好，用户的使用意愿越强烈。此外，用户对于“超星学习通”在线学习平台的感知易用性也会影响其感知有用性，比如学生在使用在线学习平台进行资源搜寻时，如果搜索速度较快且操作较简便，用户对平台的依赖性会增强，感知有用性也会随之增强。
对于“超星学习通”在线学习平台用户来说，平台功能性能影响用户的感知易用性，笔者分析认为，平台功能是用户在使用在线学习平台时对学习平台使用容易与否最直观的影响因素。在线学习平台界面越简洁，用户使用该学习平台时就能减少不必要的操作直接进入到学习界面;学习平台学习资源越多，对于用户来说查阅相关资料越方便，用户的感知易用性也会显著增强。
基于上述研究结论，为了进一步发挥在线学习平台的作用，笔者认为可以从增强平台功能性、提高平台易用性、提升平台声望等方面提升“超星学习通”平台的用户使用意愿。具体来说，有以下建议：一是学习资源的设计要满足用户的多样化需求，学习资源的设计者应以满足不同用户的个性化需求为学习资源设计的目标;二是优化界面设计，使之简洁易操作。让用户可以在享受完备的学习资源时有良好的操作体验，用户使用意愿也会随之加强;三是注重吸取用户的意见和建议，贴近用户需求并改进平台功能，使用户有较好的体验，达到提升平台声望的目的，用户的使用意愿也会随之提升。
参考文献：
[1]中国互联网络信息中心.第44次《中国互联网络发展状况统计报告》[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201908/t20190830_70800.htm.
[2]王美静，王海荣.基于学习者视角的国外MOOC平台比较研究及启示[J].现代教育技术，2014，24（7）：26-34.
[3]阮士桂，郑燕林.美国K-12在线学习发展现状与趋势探究及其启示[J].现代远距离教育2015（1）：74-80.
[4]Davis F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology[J].MIS Quarterly，1989，13（3）：319-340.
[5]Venkatesh V， Davis F D.Theoretical extension of the technology acceptance model：four longitudinal field studies[J].Management Science，2000，46（2）：186-204.
[6]Venkatesh V，Morris M，Davis G B，et al.User acceptance of information technology：toward a unified view[J].MIS Quarterly，2003，27（3）：425-478.
[7]Ifinedo， P.Applying uses and gratifications theory and social influence processes to understand students' pervasive adoption of social networking sites： Perspectives from the Americas[J].International Journal of Information Management，2016，36（2）：192-206.
[8]Alzahrani L，Al-Karaghouli W， Weerakkody V.Analysing the critical factors influencing trust in e-government adoption from citizens' perspective：A systematic review and a conceptual framework[J].International Business Review， 2016：S0969593116300890.
[9]Razak F Z B A， Bakar A A，Abdullah W S W.How perceived effort expectancy and social influence affects the continuance of intention to use e-government.A study of a Malaysian government service[J]. Electronic Government，an International Journal，2017，13（1）：69-80.
[10]文鹏，蔡瑞.微信用户使用意愿影响因素研究[J].情报杂志，2014，33（6）：156-161.
[11]Hernandez， B.，Montaner， T.，Sese， F.J.，et al. The role of social motivations in e-learning： How do they affect usage and success of ICT interactive tools？ [J].Computers in Human Behavior，2011，27（6）：2224-2232.
[12]Bandura， A.Social learning theory[M].Englewood Cliffs， NJ：Prentice，1977.
[13]Milo?evi? I，?ivkovi? D， Arsi? S，et al.Facebook as virtual classroom–Social networking in learning and teaching among Serbian students[J].Telematics and Informatics，2015，32（4）：576-585.
[14]Sánchez R A，Cortijo V， Javed U.Students' perceptions of Facebook for academic purposes[J].Computers & Education，2014，70：138-149.
[15]Sharma S K，Joshi A，Sharma H.A multi-analytical approach to predict the Facebook usage in higher education[J].Computers in Human Behavior，2016，55：340-353.
[16]歐阳映泉.付费在线学习采纳意愿影响因素研究[D].成都：西南财经大学，2014.
[17]Wu B，Chen X.Continuance intention to use MOOCs：Integrating the technology acceptance model （TAM） and task technology fit （TTF） model[J].Computers in Human Behavior，2017，67：221-232.
[18]Davis F D， Venkatesh V.Critical assessment of potential measurement biases in the technology acceptance model： three experiments[J].International journal of human-computer studies，1996，45（1）：19-45.
[19]Pituch， K. A. & Lee， Y.The influence of system characteristics on e-learning use[J].Computers & Education，2006，47（2）：222-244.
[20]Li Yan， Duan Yanqing， Fu Zetian， et al.An empirical study on behavioural intention to reuse e-learning systems in rural China[J].British Journal of Educational Technology，2012，43（6）：933-948.
[21]李志茹.高校在线学习平台用户接受度的实证研究[D].武汉：华中师范大学，2017.
[22]李雅筝.在线教育平台用户持续使用意向及课程付费意愿影响因素研究[D].合肥：中国科学技术大学，2016.
[23]Davis F D，Bagozzi R P，Warshaw P R.User acceptance of computer technology：a comparison of two theoretical models[J].Management science，1989，35（8）：982-1003.
[24]Mallat，N.，Rossi，M.，Tuunainen， V.K.，et al.The impact of use context on mobile services acceptance：The case of mobile ticketing[J].Information and Management，2009，46（3）：190-195.
[25]Kim， H. W.，Chan， H.C.， & Gupta， S.Value-based adoption of mobile internet：An empirical investigation[J].Decision Support Systems， 2007，43（1）：111-126.
[26]Liébana-Cabanillas， F.，Sánchez-Fernández， J.， Mu?oz-Leiva， F.The moderating effect of experience in the adoption of mobile payment tools in virtual social networks： The m-payment acceptance model in virtual social networks （MPAM-VSN） [J].International Journal of Information Management，2014，34（2）：151-166.
[27]Thong J Y L，Hong S J，Tam K Y.The Effects of Post-adoption Beliefs on the Expectation-confirmation Model for Information Technology Continuance[J].International Journal of Human Computer Studies，2006，64（9）：799-810.
[28]Wangpipatwong， S.，Chutimaskul， W.，Papasratorn， B.Understanding citizen's continuance intention to use e-government website： A Composite view of technology acceptance model and computer self-efficacy[J].The Electronic Journal of e-Government，2008，6（1）：55-64.
[29]Cheung R.，Vogel D. Predicting user acceptance of collaborative technologies： An extension of the technology acceptance model for e-learning[J].Computers & Education，2013，63：160-175.
[30]郭鳳丽.高校研究生MOOC使用意愿影响因素研究[D].合肥：中国科学技术大学，2017.
[31]Adams， D.A.，Nelson， R. R.， Todd， P.，et al.Perceived usefulness， ease of use and usage of information technology： A replication[J].MIS Quarterly，1992，16（2）：227-247.
[32]Hamidi H， Chavoshi A.Analysis of the essential factors for the adoption of mobile learning in higher education：A case study of students of the University of Technology[J].Telematics and Informatics，2018，35（4）：1053-1070.
[33]Chan M M，Plata R B，Medina J A，et al.Analysis of Behavioral Intention to Use Cloud-Based Tools in a MOOC：A Technology Acceptance Model Approach[J].J.UCS，2018，24（8）：1072-1089.
[34]Alraimi K M，Zo H，Ciganek A P.Understanding the MOOCs continuance：The role of openness and reputation[J].Computers & Education，2015，80：28-38.
[35]刘苑.基于TAM和SEM的中职学生移动学习使用意愿研究[D].石家庄：河北师范大学，2017.
[36]温淇.互联网内容付费使用意愿和影响因素探析[D].广州：暨南大学，2018.
[37]谢伟琳.高校图书馆微信平台用户采纳影响因素研究[D].南京：南京大学，2018.
[38]Robert A Peterson.A meta-analysis of Cronbach's coefficient alpha 1994[J]. Journal of Consumer Research，1994.
[39]Matthew K.O.Lee，Efraim Turban.A trust model for consumer internet shopping[J].International Journal of Electronic Commerce，2001，6（1）：91.
[40]Lee M.，Youn，S.Electronic word of mouth（eWOM）：， How eWOM platforms influence Consumer product judgement[J].International Journal of Advertising，2009，28（3）：473-499.
（编辑：鲁利瑞）
