电子商务-“互联网+教育”行业存问题调查与分析.docx

《电子商务-“互联网+教育”行业存问题调查与分析.docx》由会员分享，可在线阅读，更多相关《电子商务-“互联网+教育”行业存问题调查与分析.docx（35页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电子商务-“互联网+教育”行业存问题调查与分析 互联网+ + 教化 行业存在问题的调查与分析八年前提出互联网+传统产业的想法提出，到今日，各种各样的产业层出不穷，如互联网+出租车就是我们运用的滴滴打车服务，互联网+视频就变成直播、抖音等，互联网+支付就变成支付宝、微信支付等等。当然也少不了互联网+教化，国外在上世纪就起先进行在线教化平台的探讨设计，例如 MOOC、Coursera 等。国内起步较晚，现有知名的在线教化平台也有不少，如流利说、猿辅导等等。在线教化平台相较传统教化也有其自身优势，如便捷性、成本低，因此吸引了各种各样的人群起先接受运用这种授课的方式。同时现在越来越多人讲求特性化设计，

2、国家的政策也提倡和激励特性发展。为此本文将提出互联网+教化中特性化学习的影响因素，利用 UTAUT 模型结合在线教化特性化的特点，提出五个影响因素：绩效期望、努力期望、社群影响、便利条件、感知成本，做出假设并设计调查问卷，再对收集的数据进行实证分析，进而验证哪些因素对特性化学习有显著性影响，最终为特性化学习提出建议。探讨结果显示：绩效期望、社群影响、变量条件对在线教化特性化学习行为意愿有正向影响，线上学习运用频率对学员运用特性化学习存在显著性差异。依据回来分析结果发觉，对在线教化特性化学习影响因素最大的是便利条件，其次是绩效期望，最终是社群影响。针对便利条件企业可以从网站的平安性入手，爱护好学

3、员的各种信息，避开泄露学生隐私。结合绩效期望和社群影响，企业可以吸引部分学员领先进行特性化学习，再利用该部分学员进行宣扬吸引更多的学生。互联网+教化 UTAUT 模型 特性化学习 影响因素Investigation and analysis of problems in Internet + education industry Abstract Eight years ago, the idea of Internet + traditional industry was put forward. Today, various industries emerge in an endless

4、stream. For example, Internet + taxi is the DiDi we use. Internet + video will become live broadcast, Tik Tok , etc., and Internet + payment will become alipay , WeChat payment, etc. Of course, there is also Internet + education. Research and design of online education platforms, such as MOOC, Cours

5、era , etc., began in the last century. China started late, there are many well-known online education platform, such as LAIX , ape counseling and so on. In contrast to traditional education, mobile education also has its own advantages, such as convenience and low cost, which attracts people of diff

6、erent ages and occupations to accept this way of teaching. At the same time more and more people pursue individualized service, the national policy also advocates and encourages the development of personality.This paper will put forward Internet + education of the influence factors of personalized l

7、earning, using UTAUT model combining with the characteristics of personalized online education, puts forward five factors: performance expectations, the efforts of expectation, social influence, convenience, perceived costs, make assumptions and design the questionnaire, the empirical analysis on th

8、e collected data, and then verify what factors have a significant influence on personalized learning, finally put forward opinions for personalized learning. The results turn out that: performance expectation, community influence and variable conditions have positive effects on the behavioral intent

9、ion of personalized learning in online education. According to the results of regression analysis, convenience, performance expectation and community are the most influential factors for personalized learning in online education. In view of theconvenience of the enterprise can start from the securit

10、y of the website, to protect the students information, to avoid the disclosure of students privacy. Combined with performance expectations and community influence, enterprises can attract some students to take the lead in personalized learning, and then use the students to publicize and attract more

11、 students. Keywords Internet + education UTAUT model Personalized learningInfluencing factor目录1 前言 . 1 1.1 探讨背景 . 1 1.2 探讨意义 . 2 1.3 国内外的探讨现状 . 3 1.4 国内外探讨现状综述 . 4 2互联网+教化特性化学习影响因素确定与模型构建 . 5 2.1UTAUT 模型简介 . 5 2.2互联网+教化特性化学习 UTAUT 模型构建 . 6 3 探讨设计与探讨假设 . 9 3.1 调查问卷设计 . 9 3.2 探讨假设 . 10 4 数据统计与分析 . 11

12、4.1 样本描述性统计分析 . 11 4.1.1 个体属性变量描述统计 . 11 4.1.2互联网+教化特性化学习的各维度影响因素与行为意愿变量的描述统计11 4.2 信度检验 . 12 4.3 效度检验 . 13 4.3.1KMO 检验和巴特利球形检验 . 13 4.3.2 因子分析. 14 5 探讨假设检验分析 . 165.1 个体属性对互联网+教化特性化学习影响因素、行为意愿的差异分析 . 16 5.2互联网+教化特性化学习各维度影响因素与行为意愿的相关分析 . 18 5.3互联网+教化特性化学习各维度影响因素与行为意愿的回来分析 . 19 6 探讨总结 . 21 6.1 探讨结论 .

13、21 6.2 探讨建议 . 22 参考文献 . 24 附录 . 26 致谢 . 错误! ! 未定义书签。 11 1 前言1 1.1 探讨背景在互联网大势发展的潮流趋势下，教化行业也与互联网接轨，对教化者、受教化者、教学方法、教化技术手段以及教学组织形式等教化要素产生深刻的影响。在有关教化技术的报告中指出，移动学习是将来教化走向，移动技术支撑着教化行业使得将来教化离不开智能设备，移动技术将会将来不久对教化行业产生重大影响1 。而目前的发展却还处于问题较多的阶段，仍旧存在诸多的不足。教化是相伴我们一生的，始终是处于多人关注的话题，同时也由于教化问题会关系到我国人才培育甚至关系到我国的发展前途，因此

14、是亟待解决的问题。2012 年教化部颁布的教化信息化十年发展规划（2011-2020）中指出想要发展教化，使其变得更加科学化以及信息化，须要我们在展望将来的蓝图里，把培育下一代作为根本任务，努力提高教化水平，在将来的国际较量中、在我国发展对先进人才的强大需求中发挥作用，争取在将来为每位学员供应特性化学习以及终身学习的环境 2 。2015 年 7 月国务院颁布关于主动推动互联网+行动的指导看法，对互联网+十一个重点领域提出建议性的改革安排。其中，政府提倡教化服务应紧随互联网的发展，推动教化供应侧改革，形成互联网企业与教化机构合作新模式，互联网为人才培育供应更多的资源和渠道，教化服务为互联网发展供

15、应更优质的人才，形成互联网与教化相辅相成的局面，供应更多优质的教化资源，开放更多共享的学习材料等网络学习模式3 。2018 年 4 月教化部探讨制定了教化信息化 2.0 行动安排，安排在 2022 年达成教化资源数字化、信息化，学习环境走向虚拟化，融入互联网大环境的目标，让各个教化要素都能参加到互联网大平台中，充分发挥互联网的作用，开创信息化的教化新模式，形成互联网为基础的新时代人才培育方式4 。在国家中长期教化改革和发展规划纲要（2010-2020）中对将来教化方向重新进行探讨探讨，对人才培育方面指出，要变更旧时人才培育观念，培育多样化、全面发展的人才，同时提高人才培育质量，敬重每个人的选择

16、，让学习从被动走向主动，坚持面对世界、面对将来，办人民满足的教化5 。 2这种种政策说明我国的互联网+教化时代真正到来，同时也要注意个人爱好的发展，对特性化学习的重视，不仅服务供应方设计设计课程，也要让学员自己能够依据自身状况提出相应需求。因此，本文将互联网+教化中特性化学习为探讨重点，从学员的角度绽开探讨，着重探讨影响特性化学习的重要因素，使得服务供应侧方能了解学员的需求以便做出调整。2 1.2 探讨意义教化是国家培育人才的重要途径，必定少不了互联网+教化的形式出现，越来越多的教化机构都以线上的方式开展学习活动，企业为了响应国家的号召，且要在这么多的品牌中脱引而出，须要有独特的风格，但目前仍

17、旧有不少机构都没有为学员供应特性化的服务。从心理方面来看，每个人或多或少都想要被关注，而在传统教化中常常以大班级的形式存在，这使得每个人成为焦点就不存在焦点，但这点在移动学习的特性化学习中成为现实，这也是该服务能够在近几年大放光彩的缘由之一。特性化学习重点突出特性，而该学习模式之所以会被推行并且行之有效，是因为每个人生而不同，有不同的学习方式，不同的学习效率，但在传统教化都不敢直视这个特点甚至避而不谈，但在这个凸显特性的时代，这种教学方式明显落后了，早在 20 世纪 90 年头，瑞典就起先实施教化券制度，保障家长和学生的教化选择权，还创办了一群名为学问学校中学，其教化理念和教化实践都是强调特性

18、化学习，引起社会极大的关注。移动学习能够吸引各种各样的人群缘由有以下几点：第一，形式、时间自由，可以充分利用碎片时间进行学习。线上学习可以不像学校课程那样须要在规定时间去特定地点上课，可以依据每个人的时间敏捷上课，上班族也可以在下班时间利用空闲时间上课。其次，种类多样，适合各年龄层的人群。现在不仅学习学校要求的课程，各种各样的课程都须要学习，不仅年轻人学习，各年龄层的人士都在往自己喜爱的方向学习，但线下资源不够丰富，利用互联网可以补充此不足，同时随时随地都能学习自己想学的。第三，更加便捷和高效的进行管理。在传统培训教化中，都须要耗费大量的人才、资源，对学习者学习数据的统计也只能通过人工的方式输

19、入，但进入互联网时代后，这些工作不再困难，此外，基于大数据的统计和分析使得学习更加高效和科学。第四，节约成本。在还没进入互联网时代时，只能在特定地区听 3某个讲师的课，还要加上车马费、场地费等各种各样的费用，而有了移动学习的平台后，学员可以随时随地听课，老师也可以在任何地方进行线上授课方式，实现了一次投入无限享用的目的，也为社会节约许多资源。第五，可以削减甚至消退心理负担。在线上进行学习可以避开遇到某些传统课堂中面对面学习的尴尬场面，促使那些性格内向、羞涩的学生更有机会融入课堂，没有沟通的害怕心理反而能为学生供应轻松、开心的学习环境。将互联网+教化和特性化学习两种方式结合是将来必定的选择，原委

20、哪些因素在影响互联网+教化的特性化学习，是一个值得我们探究的课题。3 1.3 国内外的探讨现状国内探讨者对特性化学习影响因素有不同的看法。从对线下教化的特性化学习探讨方面来看，王晓针对学习者的个体差异，认为特性化学习的影响因素有年龄、学习动机、认知方式、学习风格以及智力因素6 。马玉霞对学生和部分有关的老师进行问卷调查，结果显示是一个综合指标，即环境、学校、老师以及学生个人都会产生肯定的影响且相互作用，既与学校、社会环境氛围的营造相关，也与老师的相识、责任心有关，也有老师、学生个体因素，还有学生的动力、主动性等因素，每个因素都不行或缺，要引起参加特性化学习各主体的高度重视7 。樊雅琴学者分别在

21、 2018 年和 2019 年对初中生进行访问，探究特性化学习的影响因素有哪些同时是如何相互影响的，最终结果归纳为环境因素、老师因素和学生特征因素这三者对特性化学习都具有影响且相互制约89 。从对线上教化的特性化学习探讨方面来看，韩闯采纳 UTAUT 模型进行问卷调查探讨，从教化者的角度动身，在原有 UTAUT 模型引进了两个核心因素自我效能感、个人创新性和调整因素手机系统，探讨结果表明只有绩效期望、社会影响和个人创新性对学习者手机移动学习有正向影响10 。国外最先对线上学习影响因素的探讨出现在 2005 年,马利什等人利用了TAM(技术接受度模型)对 3G 移动互联网技术环境中移动学习用户行

22、为意向的影响因素进行探讨,并加入新的探讨变量感知趣味性11 。到 2011 年，诺巴亚等人在原来基础上，又增加了感知消遣性、感知好用性两个变量，探讨学员接受移动学习的程度的影响因素，结果显示这两个变量都有正向影响12 。而在 2016 年宾厄 4姆等探讨者设计的特性化学习模型主要有以下四个因素：（1）学习者特征，包括优势、劣势、目标和爱好。（2）个人学习路径，制定适应学习者进步、需求、动机和目标的定制化学习路径。（3）基本驾驭和实力的进程，持续不断地评估学生的进步。（4）敏捷的学习环境，要有与学习需求相适应的教职员工、学习空间以刚好间安排13 。4 1.4 国内外探讨现状综述从在线教化平台探讨

23、方面来看，自 1997 年宋树生提出要利用网络进行新学习14 后，就陆接连续就有学者起先进行这方面的探讨，但主要集中探讨系统的开发设计方面或者理论探讨方面。从特性化影响因素来看，在知网上输入特性化学习，出现的相关论文大多是系统开发和理论探讨，实证探讨较少，或者搜集的数据较集中小范围。总的来说，环境、老师、学生个人都对特性化学习有着不同程度的影响，而对于互联网这个特定环境来看，又与设备等软硬件有关，这也关系到成本的问题。本论文主要从特性化学习的角度动身,以学员的视角,探究出影响在线教化特性化学习行为意愿的因素。探讨以 UTAUT 模型为基础，再依据以往调查探讨进行重建模型，将以往各种小因素归纳到

24、 UTAUT 模型的核心因素中，对各个核心因素提出相对应问题，作出假设，采纳分发调查问卷的模式收集数据，主要对问卷的信度、效度、描述性统计、模型的适配度等方面对探讨假设进行检验，修正重构后的模型，并得出相应的结论。 52 2 互联网+ + 教化特性化学习影响因素确定与模型构建T 2.1UTAUT 模型简介技术接受与利用整合模型（Unified Theory of Acceptance and Use of Technology，UTAUT）是文卡塔斯 amp; 戴维斯在 2003 年接受和整合利用了其他八个模型而衍生的新模型。UTAUT 模型综合各模型的参数，集成四个核心确定因素(Core D

25、eterminant)以及四个调整变量，四个核心确定因素分别为绩效期望(Performance Expectancy , PE)、努力期望(Effort Expectancy ,EE)、社会影响(Social Influence , SI)和促成因素(Facilitating Conditions , FC),四个调整变量分别是:性别(Gender)、年龄(Age)、阅历(Experience)和自愿性( Voluntariness of Use)。UTAUT 模型整合改进了以往的科技接受模型，供应一个更为完整的模型来说明运用者的采纳行为，该模型提出后被广泛应用于各个领域中，后经学者实证结果显

26、示, UTAUT 模型对运用行为的说明力高达 70 %,比过去所知的任何一个模型都更加有效，因此 UTAUT 模型在科技接受度的探讨上重要性大增15 。UTAUT 模型如图 1 所示。 6图 1 UTAUT 模型2.2 互联网+ + 教化特性化学习 T UTAUT 模型构建依据 UTAUT 模型的定义,结合特性化的特点,重构适用于在线教化特性化学习调查的 UTAUT 模型。本探讨仍接受 UTAUT 模型中影响运用行为的四个核心自变量。期望绩效是指个人信任运用系统将有助于得到工作绩效利益的程度，个人对特性化学习的期望绩效越高，即学习效果有提高，那么运用在线教化的特性化学习的频率就会越高。努力期望

27、是指个人运用系统所需付出的努力程度。换句话说，假如操作者觉得运用该种方式学习的操作简洁、便利，那他进行特性化学习的意愿就会越强。社会影响是指个人知觉重要他人认为自己应当运用系统的程度，即个人受四周群体影响从而进行相同动作的程度，包括社会群体、舆论、社会交往等，假如社群影响对实际行为产生正向影响，那么会在某种程度上有提升学生的学习意图。促成因素（又称便利条件）是指个人所感受到组织在相关技术、设备方面对系统运用的支援程度，即个人认为客观条件对在线教化特性化学习是有利的，则会倾向于实行线上特性化学习的行为。另外，尽管线上学习非常便捷，但还是必需拥有支持线上学习的设备、用于上网的宽带或流量等等，特殊是

28、在有供应特性化服务的课程中须要支付另外的费用，因此在另一方面来说也不是肯定免费的，须要学者支付肯定的经济费用。艾什等学者在影响学生接受 m-learning 的因素分析中提到感知成本是一个很重要的影响因素，且二者呈负相关，即感知成本越高，接受度就会越低16 。因此，在模型中加入感知成本作为核心自变量探讨对行为意图的影响。运用意愿是指消费者期望他们将来在可接受的条件下实行某一行为的程度。文卡塔斯等学者探讨发觉，运用意愿可以不受其他因素的影响，对运用行为有显著作用，换句话说，当一个人对某项行为的愿望越强，其进行该项行为的可能性就越大，因此用行为意愿（Behavioral Intention）代替行

29、为意图和运用行为合并后的结果17 。 7为了适合在线教化特性化学习探讨的需求，对 UTAUT 模型中的限制变量进行了调整，保留了性别、年龄、阅历变量，称之为个体属性。不考虑原 UTAUT 模型中自愿性对在线教化特性化学习的干扰，文卡塔斯在探讨中指出假如探讨是在用户的自愿前提下进行的，那么自愿性就不是主要的影响因素，也不会对其他的因素造成影响，可从模型中剔除17 。当个人情愿进行特性化学习那么运用意愿也不存在强制性，因此可以删除自愿性。而上网学习的阅历可以理解为进行在线教化的频率，因此把其中的阅历变量修改为运用频率。重构后的 UTAUT模型如下图 2 所示： 影响因素 个体属性图 2互联网+教化

30、特性化学习行为模型 该模型的详细说明如下：（1）由于本探讨是基于探究互联网+教化特性化学习的影响因素，来为供应教化服务的企业供应建议。因此，该探讨模型主要包括影响因素、个体属性以及行为意愿 3 个板块，整合 3 个板块进行回来分析，将个体属性作为限制变量，影响因素作为自变量，行为意愿作为因变量，调查问卷也是以此为依据进行设计。年龄性别 运用频率 便利条件 努力期望 社群影响 绩效期望 行为意愿 感知成本 8（2）限制变量个体属性包括三个变量分别为运用频率、性别、年龄，自变量影响因素包括五个核心变量，分别是原 UTAUT 模型中四个核心变量绩效期望、努力成本、社群影响、便利条件再加上感知成本。（

31、3）模型中箭头所表示的关系，依据以往探讨的说明，影响因素的 5 个核心变量以及限制变量的 3 个变量分别对因变量行为意愿产生影响，通过探讨变量之间的关系来探究影响因素以及限制变量中哪些因素对行为意愿有影响以及行为意愿受其影响的程度。 93 3 探讨设计与探讨假设1 3.1 调查问卷设计本文将以分发调查问卷的形式搜集探讨数据，借助问卷星为搜集数据平台。依据探讨目的和内容，并在阅读大量文献后提出主要变量，对变量设计测量项目，设计相应的调查问卷，分发到网络平台让用户进行填写，后对数据进行收集并统计回收分析，以达到本论文探讨调查的目的。对于每个测量问题都采纳李克特量表作为测量标准，每一陈述都有特别符合

32、、符合、一般、不符合、特别不符合五个回应等级，分别记为 5、4、3、2、1 分，通过分数的凹凸能看出被调查者在每一测量题目的状态。问卷测量项目设计如下表 3-1所示：表 3-1 问卷测量项目 变量名 问题代号 测量问题 绩效期望（PE）PE1 假如在线教化平台供应适合我的课程，我认为能提高我的学习爱好 PE2 假如在线教化平台供应适合我的课程，我认为能提高我的学习效率 PE3 假如在线教化平台供应适合我的课程，我认为能学到我想学的 努力期望（EE）EE1 用手机、电脑等智能设备进行在线学习对我来说很简单 EE2 我能很快适应线上学习 EE3 我认为在线学习的操作对我来说很简单 社群影响（SI）

33、SI1 亲朋好友举荐我运用有供应为自己量身定制服务的在线教化平台 SI2 大众老师的教学效果会影响我到线上平台制定贴合个人的学习辅导 SI3 国家政府的政策激励线上教化平台为学员供应量身定制服务 便利条件（FC）FC1 当我遇到困难时，能在线上平台上刚好得到回复 FC2 我运用线上学习的方式能随时回放课程 FC3 我拥有进行线上教化的智能设备，如手机、电脑等 FC4 我更情愿选择具有毕业于名校老师的在线教化平台 感知成本（PC）PC1 假如线上平台对我学习需求进行定制，我认为须要很高的费用 PC2 我认为进行线上教化所须要的设备会很贵 PC3 我认为进行在线学习须要较高的流量费用 行为意愿（B

34、I）BI1 我情愿进行在线教化的特性化学习 BI2 我情愿向身边人举荐运用有为学员供应量身定制服务的在线平台 102 3.2 探讨假设依据 Venkatesh、Davis 等学者在探讨中的假设，在本探讨中，关于绩效期望、努力期望、社群影响和便利条件对运用行为的假设与以往保持一样，新提出的核心变量感知成本对特性化学习行为的假设做出以下说明：感知成本是用户在进行学习时所必要的客观物品，如硬件、软件、无线网络等设备，成本越高，用户的行为意愿就会相应降低，因此提出 H5 假设。表 3-2 探讨假设 代码 探讨假设 H1 绩效期望对用户运用在线教化特性化学习的意愿有显著正向影响 H2 努力期望对用户运用

35、在线教化特性化学习的意愿有显著正向影响 H3 社群影响对用户运用在线教化特性化学习的意愿有显著正向影响 H4 便利条件对用户运用在线教化特性化学习的意愿有显著正向影响 H5 感知成本对用户运用在线教化特性化学习的意愿有显著负向影响 H6 用户不同的个体属性对在线教化特性化学习的意愿有显著差异 114 4 数据统计与分析1 4.1 样本描述性统计分析一般状况下，对变量进行描述性分析是数据分析的第一步，大致了解数据的基本状况从而进行更深的分析。本文的描述性统计分析从用户的个体属性变量描述统计和在线教化特性化学习的各维度影响因素与行为意愿变量的描述统计两方面来进行。1 4.1.1 个体属性变量描述统

36、计从表 4-1 中可以看出：（1）性别：样本中女性的比例多于男性，依据极光大数据的调查发觉，在线教化用户的男女比例为 2:3，而本探讨选择的样本男女比例符合当前在线教化市场的实际状况。（2）年龄：样本中主要年龄在 18-28 岁，这个年龄层处于接受高等教化时期，对于自身素养追求也正是主动的时候，他们更简单接受簇新事物，适应运用网络进行学习，符合探讨的须要。（3）运用频率：从样本中运用频率的角度来看，间或和常常运用线上教化平台的调查人员占绝大多数，可以看出当前的在线教化平台的前景充溢光明，在本次调查中也具有参考性。表 4-1 样本基本特征 个人属性 分类 人数（N=171）百分比 性别 男 68

37、 39.8% 女 103 60.2% 年龄 18 岁以下 21 12.3% 18-28 岁 134 78.4% 29-50 岁 10 5.8% 50 岁以上 6 3.5% 运用频率 从没有过 15 8.8% 间或 108 63.2% 常常 44 25.7% 大部分上网时间都用于学习 4 2.3% 2 4.1.2 互联网+ + 教化特性化学习的各维度影响因素与行为意愿变量 12的描述统计本探讨将各维度以李克特量表为标准进行评分，如表 4-2 所示，在各影响因素中，各个均值都在 3 以上，其中特性化学习意愿接近 4，依据李克特量表的测量标准，被调查者们都倾向同意，这也与当前发展潮流相符合，情愿运用

38、在线教化的特性化学习。对于各影响因素的均值接近行为意愿也有均值较低的，但也都大于 3.3，至于与特性化学习意愿之间的关系是否显著还需进行下一步的检验。表 4-2 各变量描述性统计因素 项目数 均值 标准差 在线教化特性化学习影响因素 绩效期望 3 3.8363 0.5428 努力期望 3 3.7797 0.5820 社群影响 3 3.4347 0.5887 便利条件 4 3.7895 0.5651 感知成本 3 3.3392 0.5618 行为意愿 行为意愿 2 3.9737 0.5237 2 4.2 信度检验调查问卷的可信度(也称信度)是指采纳同样的方法对同一对象重复测量时所得结果一样性的程

39、度，即测试量表内部一样的程度。选用内部一样性来测算各个项目之间的相关程度，目前最常用 Cronbach’sAlpha 信度系数测量，α系数评价的是量表中各题项得分间的一样性，α系数值介于 0 与 1 之间，α值越大表明测量项目间的关联性越好，一般认为α值介于 0.6-0.8 之间问卷的可信度较好，大于 0.8 时问卷的可信度极好，假如可信度不高，须要对问卷中可信度较低的问题进行修改再进行评估，直到有较高的α值才能进行下一步分析18 。总量表的信度如下表 4-3 所示：表 4-3 量表信度 Cronbach’s

40、Alpha 项数 0.890 18 本文除了对整体量表的测量外，还对各个影响因素的各个维度、行为意愿进行 Cronbach’s α系数测量，得到的结果如表 4-4 所示：表 4-4 各变量信度分析结果 测量项目 Cronbach’s Alpha 题项 校正的项总相关系数 项已删除的Cronbach’s Alpha 13绩效期望 0.887 PE1 PE2 PE3 0.812 0.740 0.791 0.813 0.877 0.830 努力期望 0.874 EE1 EE2 EE3 0.690 0.822 0.741 0.878 0.748 0.830 社群影响 0.808 SI1 SI2 SI3 0.636 0.659 0.679 0.763 0.736 0.715 便利条件 0.852 FC1 FC2 FC3 FC4 0.528 0.754 0.725 0.774 0.875 0.784 0.797 0.777 感知成本 0.803