影响信息技术采纳的关键因素研究 制约信息技术使用的因素

　　【摘要】基于任务技术匹配模型和科技采纳模型，分析并建立了影响信息技术采纳意向的TTF/TAM整合模型。通过实证研究发现：教学任务的特点、教育信息技术的特点与个人兴趣是影响教育信息技术采纳的三个关键因素。
　　【关键词】教育信息技术；采纳；关键因素
　　【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097 (2009) 02―0021―05
　　
　　一 前言
　　
　　随着现代信息技术的发展和信息技术在教育领域的广泛应用，教育信息化猛然兴起，推动和引发了教育变革，改变了千百年来的传统教育模式，这既是人类教育史上的科学进步，又是现代教育观念改革革命性的体现。
　　教育信息技术是以现代教育思想为指导，以现代信息技术(Information Technology, IT)为手段，以学习过程和教学资源为研究对象，其内容包括对教学过程、教学资源的设计、开发、应用、评价和管理的理论与实践。运用教育信息技术理论改变教育观念，改革教师传统的工作方式，引导教师运用现代教育信息手段与新课程整合，促进师生素质的提高，这是教育发展的必然趋势。
　　一般而言，教学过程是由三个主体构成：教学设备、教师和学生。因此，这三个主体的情况与行为态度，是影响整个教学效果的主要因素。其中，又以教师的地位最为关键，因为大部分学生在学习过程中是被动的，教学设备则是辅助教学的工具，而教师扮演着带动整个教学过程的主角。在相关文献中，大量的研究显示，教师的教学态度与学生的学习效果有显著的相关。例如在Rosen（1995）[1]、Young（2000）[2]和Jones（2000）[3]的研究中都指出，对计算机信息技术具有较积极态度的教师，其学生也会对学习与应用计算机相关的技能具有较积极的态度。教师的教学态度对整个教学效果有如此重要的影响力，因此有关此领域的研究是值得探讨。
　　国外对影响教师使用IT教学的态度的因素研究比较早也比较多，但这些研究主要以计算机焦虑(anxiety)的研究居多 [4]，较少研究教师使用IT教学的“意向”(intention)，而事实上，后者应该是学校推动教师信息化教学的主要目标。此外，大多数的研究中都对教师的性别、年龄、学习经验、计算机知识、计算机素养、自己所拥有的设备等因素进行了讨论，而对教师在教学上所处的环境对其教学态度的影响则较少涉及，例如同事之间使用IT教学的氛围、学校推动使用IT教学的政策、学校的教学设备等。实际上，这些外在环境因素都有可能会影响教师使用IT教学的态度。因此，有必要将其纳入其中讨论。
　　另外在以往的研究中，主要采用单一的科技采纳模型(Technology Acceptance Model, 简称TAM )或任务技术匹配模型(Task-technology Fit, 简称 TTF)为基础进行研究，虽然以上这两个模型在对信息技术采纳的研究上得到了国内外许多学者的认可，但它们也各有不足之处。而将TAM与TTF整合起来使用比单独使用这两个模型更加有效和合理[5]。
　　本文的中心内容主要有两个方面：一方面，以TAM和TTF为理论基础，构建一个能够解释和预测教师IT教学采纳的整合关系模型。另一方面，从行为科学角度研究影响教师使用IT教学意向的关键因素，分析这些因素的具体内容和影响机制。
　　
　　二 文献回顾
　　
　　1 任务技术匹配模型（TTF）
　　IT的采用是信息管理中一个重要研究领域，其中任务技术匹配模型是近年被广泛接受与采用的一个理论，TTF是由Goodhue & Thompson（1995）[6]所提出，任务技术匹配的定义是指某一科技提供的特性与支持能匹配某一任务的需求。任务技术匹配模型可用于解释技术对工作任务的支持能力，通过描述认知心理和认知行为来揭示信息技术如何作用于个人的任务绩效，反映了技术和任务需求之间存在的逻辑关系。在TTF的架构中包括前因：任务特点（Task Characteristics）、技术特点（Technology Characteristics）、个人特点（Individual Characteristics），TTF（Task-technology Fit）本身以及技术使用（Utilization）和绩效影响（Performance Impacts）。这个理论认为前因会影响TTF，而TTF则进一步影响技术使用和绩效。
　　对TTF的研究则主要分为2个流派，其中一个是以Goodhue & Thompson（1995）[6]为代表, 他们认为TTF是评估和解释信息系统成功的重要概念，他们的研究结果表明，任务技术的匹配和技术的使用，二者结合可以更好的解释信息技术对个人绩效的影响。而另一个是以 Zigurs & Buckland (1998) [7]为代表，他们针对组织任务和群决策支持系统，提出了技术与任务相结合的系统框架。其中，Goodhue & Thompson（1995）[6]主要集中在信息技术的个人使用上，而 Zigurs & Buckland (1998) [7]则主要研究信息技术的群体使用。
　　2 科技采纳模型(TAM )
　　在个人行为的研究方面，理性行为理论（Theory of Reasoned Action, TRA）是重要且被广为使用的理论之一。该理论源自社会心理学，主要是叙述个人如何决定其意向的行为。以TRA的概念为基础，Davis et al.（1989）[8]提出科技采纳模式（TAM），且应用于IS使用领域。在模式中最主要的两个概念为：感知易用性(Perceived Ease of Use, PEOU)和感知有用性(Perceived Usefulness, PU)。他把PEOU定义为“使用者认为该技术容易使用的程度”，PU定义为“使用者认为使用此技术对于完成工作的表现及未来的有用性”。
　　科技采纳模型简化了理性行为理论，描述了外部因素影响信息技术使用的途径，体现了影响技术采纳行为的各因素之间的逻辑结构，提供了一种能够有效解释信息技术采纳行为的方法。在此后的TAM 实证研究中，科技采纳模型无论在解释能力或理论简洁程度上都获得相当程度的肯定。经过不断完善，科技采纳模型被引入了更多的内部和外部变量，内容不断丰富，形成了更加系统的模型体系，并在实际应用中不断体现出其重要的价值。
　　3 TTF与TAM的关系
　　从IS使用的观点来看，TTF与TAM这两个理论是可以整合的。例如，Mathieson & Keil（1998）[9]提出TAM模式中的PEOU可视为TTF架构中的重要构念。Dishaw & Strong（1999）[10]则更进一步地尝试将TTF、TAM 及TTF与TAM的整合这三个模式做验证。就TTF与TAM 整合的模式而言，结果显示主要构念之间（如 TTF、PEOU、PU）的正向关系大多不显著，如TTF与PU、TTF与实际技术的使用、PU与使用意向及PU与实际技术的使用。另外，任务特点与TTF则为负向相关关系。由于上述的结论与TTF或TAM的理论依据有所差异，如TTF理论提出任务特点与TTF为正向关系，而TAM理论认为PU应正向地影响使用意向。因此，我们认为这两个理论的整合仍需要进一步的探讨。
　　上述研究与其理论依据不一致的结果可能来自不同的原因（如组织、技术、任务、态度与行为），但我们认为其中最主要的因素之一是研究者大多以多类型的任务与技术为对象[6] [9]，而忽略特定工作的需求应与特定技术的功能相匹配。总之，TTF与TAM的关系是密切且可整合的，但相关的研究仍较少，且不一致的结果也有待探讨。
　　4 影响教师使用IT教学的因素
　　教师在采纳或使用IT用于教学的过程中，所涉及到的影响因素来自内外两部分。外部因素主要以主观规范（Subjective Norms）来描述，主观规范一般定义为：使用者所处的环境、好友、直接上司或高层主管等的意见[10][11]。相关研究显示，主观规范会显著的影响使用者对IT的使用意愿[12]，Karahanna & Straub（1999）[13]的研究指出，潜在使用者的使用意向决定于主观规范，而已经使用的使用者，其使用意向决定于态度；Igbaria, Guimaraes & Davis（1995）[14]的研究显示，工作环境或组织内部的支持会通过PEOU及PU间接地影响使用者对系统的使用意愿。本研究将采用同事间的氛围、学校推行信息技术的政策、学校提供的设备三个因素来描述外部因素，并命名为组织环境。
　　内部因素主要包括计算机知识、对IT的兴趣及信念等。计算机知识一般被定义成狭义的计算机素养(computer literacy)，计算机素养除了计算机知识外，还包括个人对计算机技术的态度，如认知、价值、情感动机等，也有学者强调，计算机素养也应该考虑其对社会的影响[15]。简言之，使用者的计算机素养除了其计算机知识外，也应包括其对计算机技术的信念(Belief)。相关研究显示，组织成员对信息系统相关知识了解的程度愈高，成员就愈有意愿去使用新的信息技术；计算机知识和计算机技能，与使用者的计算机使用度和绩效均呈显著的正相关[16]。兴趣可以看着计算机态度之一[17]，在行为科学理论中，兴趣则是被认定为一种动机，即兴趣是引起一个人某种行为影响的一个因素。Muhammand & Ibrahim(1998)[19]的研究指出，受试者对计算机的喜好会影响其对计算机的使用度。本研究中将采用个人对计算机的兴趣和计算机知识这两个因素。
　　
　　三 研究架构及方法
　　
　　1 研究模型及假设
　　本研究以TTF及TAM理论为基础，综合以往学者的研究成果，提出一个整合的TTF/TAM模型，如图1所示。该模型包括前因（教育信息技术特点、主观规范、计算机知识、教学任务特点、个人兴趣）、教师认知（教学任务技术匹配度（TTTF）、感知易用性（PEOU）、感知有用性（PU））以及结果（使用意向）等9个因素。
　　
　　依据文献综述以及研究模型，我们提出下列假设：
　　H1：教育信息技术正向影响教学任务技术匹配度。
　　H2：组织环境正向影响教学任务技术匹配度。
　　H3：计算机知识正向影响教学任务技术匹配度。
　　H4：个人兴趣正向影响教学任务技术匹配度。
　　H5：教学任务正向影响教学任务技术匹配度。
　　H6：教育信息技术正向影响感知易用性。
　　H7：教学任务技术匹配度正向影响感知易用性。
　　H8：教学任务技术匹配度正向影响感知有用性。
　　H9：感知易用性正向影响感知有用性。
　　H10：教学任务技术匹配度正向影响使用意向。
　　H11：感知易用性正向影响使用意向。
　　H12：感知有用性正向影响使用意向。
　　2 研究工具
　　（1）教育信息技术
　　此部分量表的设计以Goodhue & Thompson(1995)对信息技术的定义为基础，考虑到本研究所探讨的信息技术主要应用于教学上，依据教学的实际情况，将教育信息技术定义为单独的投影仪、计算机以及互联网等相关设备。
　　（2）组织环境
　　此部分量表的设计主要参考Mikkelsen, et. al.（2002）[20]所提出的量表修正而成，主要目的在于测量使用者对同事间的氛围、学校推行信息技术的政策、学校提供的设备等的认知。项目得分愈高代表受试者受组织环境的影响程度越高。
　　（3）计算机知识
　　此部分量表的设计，主要参考Turner(2000), Compeau & Higgins(1995)[21]所提出的量表修正而成。主要目的在于测量使用者对计算机的基本操作方面的知识的了解程度，如计算机名词的了解、计算机外围设备的使用、资料的传输处理、网络应用等。项目得分愈高代表受试者对于自我本身的计算机相关知识认知程度愈高。
　　（4）个人兴趣
　　本研究中的个人兴趣是指个人对相关技术、计算机方面的学习和应用于教学的兴趣，其量表主要参考Levine & Donitsa-Schmidt’s（1998）[22]和Mikkelsen, et. al.（2002）[20]的量表修正而成，其�容着重在测量教师对学习计算机的动机。项目得分越高代表受试者学习计算机的兴趣越强。
　　（5）教学工作任务
　　此部分参考Goodhue & Thompson (1995) [6]修正而成，将任务特点定义为教师的教学课程的内容和性质。
　　（6）教学任务技术匹配度（TTTF）
　　此部分量表参考Goodhus & Thompson(1995) [6]修正而成，从教学质量来测量教师使用信息技术协助教学时的匹配度认知。受试者在匹配度量表测量的分属越高，代表其对匹配度的认知越高，即教学质量的改善越有效。
　　（7）感知易用性（PEOU）和感知有用性（PU）
　　此部分量表的设计主要参考David(1989) [8]的量表修改而成。主要在于衡量教师使用过信息技术后，对该技术容易程度的感觉及对其工作的帮助程度的认知，得分愈高代表受试者对该技术的易用性及有用性认知的程度愈高。
　　（8）使用意向
　　此部分主要参考Davis（1989）[8]、Lin & Lu（2000）[23]及Moon & Kim（2001）[24]对使用意向的衡量。例如，如果我拥有教育IT工具，我将有使用教育IT工具的意向。
　　以上量表均采用Likert 7点量表来衡量，用1-7分别表示非常不同意至非常同意。
　　3 研究对象
　　本研究针对长沙地区部分高校教师为施测对象，共发放问卷280份，回收224份，回收率80.0%，其中有效问卷196份，有效率87.5%。
　　
　　四 数据分析
　　
　　本研究采用SPSS 13.0 for Windows和LISREL 8.7对数据进行分析处理。
　　1 测量模型分析
　　测量模型分析目的主要在于在整体模型的考察下，通过CFA方法验证模型中测量变量是否正确的测量其潜在变量；同时检验模型的收敛效度。在对整体测量模型分析之前，分别检验了每个测量模型，其目的是确定收集的数据是否符合指定的潜变量指标。通过检验，基本达到了结构方程模型分析的要求，如表1所示。
　　
　　统计结果显示，在标准化负荷方面，其数值介于0.52～0.88之间，都大于0.5，且都达显著，意味观测变量均能说明各潜在变量，且解释能力较强。在信度方面，除ξ4略低于0.7以外，其他各变量的一致性系数均大于0.7。在组合信度(CR)方面，潜变量的组合信度数值介于0.73～0.93，变量之间具有较好的内部一致性，测量变量信度值基本上都大于0.5，表示研究整体测量指标具有良好信度，观测变量具有测量上的稳定性。在平均方差提取(AVE)方面，其数值介于0.51～0.67，符合Fornell and Larcker(1981)[25]的建议值。CFA测量模型拟合度指数绝大部分达到优良，表明测量模型的各观测变量均可显著地被潜在变量所解释，即各观测变量收敛于该潜在变量，因此，具有良好的信度以及收敛效度。
　　2 结构方程分析
　　结构方程模型主要是检验模型结果与所提出的概念模型之间的一致性如何，分析概念模型所提出的主要关系是否获得模型结果的支持。本研究用以验证假设的结构模型路径系数和模型拟合指标结果如表2所示。
　　
　　从表2中的结果来看，整个模型拟合情况良好，完全可以接受。标准化参数估计值介于0.13~0.74，除γ12、γ13、β41的t值不显著外，其他路径系数的估计值皆呈显著。研究假设H2、H3、H10不成立，H1、H4、H5、H6、H7、H8、H9、H11、H12成立。因此大部分潜变量间因果关系的假设得到了实证数据的支持。
　　3 结果与讨论
　　下面从模型的前因、教师认知和结果三个方面来分析。在研究模型前因部分，所提出的6个假设中，其中四个假设（H1、H4、H5、H6）得到支持，意味着教育信息技术的特点、教学任务的特点和个人对IT的兴趣会正向显著地影响TTTF。该结果表明特定工作任务与其技术特点相匹配的必要性，进而补充了多类型工作任务与技术特点匹配的TTF模型。就技术特点来看，本研究发现教育信息技术特点会正向显著地影响PEOU（假设6成立）。从TAM理论的观点来看，本研究再次发现技术特点仍是TAM模型中重要的外部变量之一[15]。另外，研究结果也显示个人特点（假设4成立）对任务技术匹配度的影响，同样是TTF的一个重要前因。但H2、H3未得到证实，因此对任务技术匹配的前因的研究有待进一步探讨。
　　从教师认知来看，本研究中所提出的假设H7和H8都得到了支持，说明TTTF对PEOU和PU都有显著正面影响。该结果也说明了TTF与TAM之间关系密切，并且可以整合，与Mathieson & Keil(1998)等研究结果一致。
　　从结果部分来看，除H10未得到实证数据的有力支持外，其他三个假设都得到了证实。表明PEOU对PU有显著的正面影响，而PEOU与PU会正向的影响技术的使用意向。本结论与TAM的相关研究结果是一致的。H10不成立，说明TTTF是通过PEOU和PU影响使用意向，PEOU与PU可以视为TTF与使用意向的中间变量，但TTF对使用意向的直接影响还有待继续探讨。
　　
　　五 研究结论
　　
　　本研究以TTF及TAM理论为基础，综合以往学者的研究成果，提出一个影响教师使用IT教学意向的TTF/TAM模型。实证的结果基本支持这一模型，并发现影响教师采纳IT技术教学意向的关键因素包括：教育信息技术的特点、教师个人对信息技术的兴趣以及教学任务的特点。
　　研究进一步发现教师教学任务的特点、教育信息技术的特点与个人兴趣这三个因素会显著的影响教学任务技术匹配度（TTTF），且教育信息技术特点会正向显著的影响PEOU；TTTF对PEOU和PU有显著的正面的影响；PEOU会正向影响PU，且PEOU与PU会显著的影响使用意向。
　　但由于受各方面条件所限，本文不可避免的存在一定的局限性。建议在后续研究中扩大抽样的范围，增加对前因的研究，另外TTF与TAM的整合也还有待进一步探讨。
　　
　　参考文献
　　[1]Rosen L D,Weil M. Computer anxiety:A cross-cultural comparison of university students in ten countries[J]. Computers in Human Behaviors,1995,11(1):5-64.
　　[2]Young B J. Gender differences in student attitudes toward computers[J].Journal of Research on Computing in Education,2000,33(2):203-216.
　　[3]Jones A. Use of computers by teacher education students during teaching practice[C]. the Annual Meeting of the American educational Research Association,2000,4:1-9.
　　[4]Dupagne M, Krendl, K A. Teachers’ attitudes toward computers: a review of literature [J]. Journal of Research on Computing in Education,1992,24(3):420-29.
　　[5]Mark T D, Diane M S. Extending the technology acceptance model with task-technology fit constructs [J].Information & Management.1999,36:9-21.
　　[6]Goodhue, Thompson. Task-technology fit and individual performance [J]. MIS Quarterly, 1995 , 19(2) : 213-236.
　　[7]Zigurs. A Theory of Task-Technology Fit and Group Support System Effectiveness [J]. MIS Quarterly, 1998 , 22 (3) : 313-334.
　　[8] Davis F D, Bagozzi R P, Warshaw R P. User acceptance of computer technology: A comparison of two theoretical models [J].Management sciences, 1989,35(8):982-1003.
　　[9] Mathieson K., Keil M. Beyond the interface: Perceived ease of use as a function of task-technology fit [J]. Information and management,1998, 34(4):221-230.
　　[10] Dishaw M T, Strong D M. Extending the technology acceptance model with task-technology fit constructs [J]. Information and management, 1999,36:9-21.
　　[11] Cale E, Eriksen S. Factors affecting the implementation outcome of a mainframe software package: a longitudinal study [J]. Information and Management, 1994,36(3):165-175.
　　[12] Davis FD., Bagozzi R P, Warshaw P R. Extrinsic and intrinsic motivation to use computers in the workplace [J]. Journal of Applied Social Psychology, 1992,22:1111-1132.
　　[13] Taylor S, Todd P. Assessing IT Usage: The Role of Prior Experience[J]. MIS Quarterly, 1995,19:561-570.
　　[14]Karahanna E, Straub D W. The psychological origins of perceived usefulness and ease-of-use [J]. Information and Management, 1999,35(4):237-250.
　　[15]Igbaria M, Guimaraes T, Davis G B. Testing the determinants of microcomputer usage via a structural equation model[J]. Journal and management Information Systems,1995,11(4): 87-114.
　　[16]Gabriel R M. Computer literacy assessment and validation: Empirical relationships at both students and school levels [J]. Journal of Educational Computing Research, 1985,1(4):415-425.
　　[17]Geissler J E,Horridge P. University students’ computer knowledge and commitment to learning [J]. Journal of Research on Computing in Education, 1993,25(3):347-365.
　　[18]Kay R H. An exploration of theoretical and practical foundation for assessing attitudes towards computers: The computer attitude measure (CAM) [J]. Computers in Human Behavior, 1993,9:371-386.
　　[19]Muhammad A, Ibrahim M. The relationship of attitudes to computer utilization: New evidence from a developing nation [J]. Computers in Human Behavior,1998,14(1):23-42.
　　[20]Mikkelsen A, Ogaard T, Lindoe, P H, et al. Job characteristics and computer anxiety in the production industry[J].Computers in Human Behavior, 2002,18:223-239.
　　[21]Compeau D R, Higgins C A. Computer self-efficacy: Development of a measure and initial test [J]. MIS Quarterly,1995,19:189-211.
　　[22]Levine T, Donitsa-Schmidt S. Computer use, confidence, attitudes, and knowledge: A causal analysis [J]. Computers in Human Behavior, 1998,14(1):125-146.
　　[23]Lin C C J, Lu H. Toward an understanding of the behavioral intention to use a Web Site [J]. International journal of information management, 2000, 20:197-208.
　　[24]Moon J W, Kim Y G. Extending the TAM for a World-Wide-Web context [J]. Information & management, 2001,38:217-230.
　　[25]Fornell C, Larcker D F. Evaluating structural equation models with unobservable variable variables and measurement error [J]. Journal of Marketing Research, 1981,1:39-50.

推荐访问:信息技术 采纳 关键因素 影响