面向泛在學(xué)習(xí)智能推薦的用戶偏好影響因素實證研究*

楊麗娜 魏永紅 安海濤 劉永花

?

面向泛在學(xué)習(xí)智能推薦的用戶偏好影響因素實證研究*

楊麗娜1,2魏永紅3安海濤4劉永花5

（1．北京師范大學(xué)教育學(xué)部，北京 100875；2．天津外國語大學(xué)教務(wù)處，天津 300204；3．天津科技大學(xué)計算機科學(xué)與信息工程學(xué)院，天津 300224；4．內(nèi)蒙古電子信息職業(yè)技術(shù)學(xué)院科技處，內(nèi)蒙古自治區(qū)呼和浩特 010070；5．內(nèi)蒙古科技大學(xué)工程訓(xùn)練中心，內(nèi)蒙古自治區(qū)包頭014010）

準(zhǔn)確識別和表達用戶偏好是實現(xiàn)泛在學(xué)習(xí)智能推薦服務(wù)的關(guān)鍵，為提升泛在學(xué)習(xí)服務(wù)的個性化和智能化水平，研究并分析影響用戶偏好形成的主要因素，對構(gòu)建具有自適應(yīng)能力的用戶偏好模型具有現(xiàn)實意義。文章以個性化服務(wù)理論、情境感知理論和技術(shù)接受模型理論為基本框架，分別從服務(wù)維度、情境維度、資源維度和技術(shù)維度四個方面研究并分析了影響用戶偏好建立的主要因素，建立了泛在學(xué)習(xí)智能推薦用戶偏好前因模型，采用結(jié)構(gòu)方程模型統(tǒng)計技術(shù)檢驗了該研究模型，并對實證研究結(jié)果進行了分析。

泛在學(xué)習(xí)；智能推薦；用戶偏好；影響因素；實證研究

一問題的提出

隨著泛在學(xué)習(xí)研究與實踐的不斷深入，尤其是新一代移動互聯(lián)網(wǎng)技術(shù)的發(fā)展與數(shù)字學(xué)習(xí)資源建設(shè)的不斷完善，泛在學(xué)習(xí)發(fā)生所需的技術(shù)環(huán)境與資源環(huán)境已基本具備。順應(yīng)服務(wù)驅(qū)動的數(shù)字化學(xué)習(xí)的發(fā)展趨勢，不斷提升泛在學(xué)習(xí)服務(wù)的智能化、情境化與個性化水平，是泛在學(xué)習(xí)研究與實踐的一個新議題。當(dāng)前泛在學(xué)習(xí)實踐的焦點不僅是構(gòu)建泛在學(xué)習(xí)所需的信息技術(shù)環(huán)境，更為重要的是構(gòu)建面向真實學(xué)習(xí)情境，支持用戶進行有效學(xué)習(xí)的個性化服務(wù)環(huán)境，即能根據(jù)用戶學(xué)習(xí)情境和學(xué)習(xí)任務(wù)推送即時所需的資源和服務(wù)。為此，本文從提升泛在學(xué)習(xí)個性化服務(wù)水平的研究視角出發(fā)，采用實證研究方法就影響泛在學(xué)習(xí)智能推薦用戶偏好的主要因素進行研究，以期為構(gòu)建具有自適應(yīng)能力的用戶偏好模型提供思考框架。

二理論基礎(chǔ)

1 個性化服務(wù)理論

個性化服務(wù)理論強調(diào)針對性的、主動提供、有目的性和動態(tài)變化的服務(wù)[1]，服務(wù)的個性化主要體現(xiàn)在服務(wù)時機、服務(wù)方式和服務(wù)內(nèi)容等方面。個性化服務(wù)作為一種“信息找人”的服務(wù)模式，通過識別、分析各類用戶的偏好和服務(wù)需求為其提供有價值的信息和服務(wù)[2]。

2 情境感知理論

Dey[3]的研究認(rèn)為，無論桌面計算還是移動計算，在環(huán)境中使用情境都可視為情境感知。他將情境感知定義為：根據(jù)情境向用戶提供相關(guān)的信息或服務(wù)，適時的情境信息與服務(wù)由用戶任務(wù)決定。情境感知可分為顯式感知和隱式感知兩類，顯式感知是指那些直觀和易獲得的一些情境信息，如用戶位置、終端類型、學(xué)習(xí)時間和學(xué)習(xí)任務(wù)等信息；隱式感知是指通過分析外顯行為數(shù)據(jù)推測出來的一些情境信息，如學(xué)習(xí)風(fēng)格、能力水平與潛在偏好等。情境感知理論強調(diào)外部學(xué)習(xí)環(huán)境對學(xué)習(xí)影響的重要性，其研究也指出情境感知是提供個性化服務(wù)的基礎(chǔ)和依據(jù)。

3 技術(shù)接受模型

技術(shù)接受模型闡述了個體采用信息技術(shù)系統(tǒng)意圖的主要影響因素[4]。該模型認(rèn)為技術(shù)系統(tǒng)的有用性和易用性決定了個體是否會采納該系統(tǒng)——有用性是個體對使用該系統(tǒng)在提高工作效能方面的一種感知；易用性是指個體對使用該系統(tǒng)容易程度的一種感知[5]。技術(shù)接受模型是解釋個體信息技術(shù)系統(tǒng)采納行為簡約的理論框架，個體對技術(shù)系統(tǒng)的有用性和易用性認(rèn)可度越高，表明對技術(shù)使用的接納意向越高，進而影響個體對技術(shù)系統(tǒng)服務(wù)的偏好程度。

三研究模型與研究假設(shè)

1 研究模型

泛在學(xué)習(xí)環(huán)境既是一個技術(shù)與資源環(huán)境，也是一個服務(wù)環(huán)境，研究用戶偏好識別的準(zhǔn)確性需要綜合考慮這些因素的影響。本文以上述理論框架為基礎(chǔ)，分別從服務(wù)、情境、資源與技術(shù)四個維度研究影響用戶偏好識別的主要因素，研究模型如圖1所示。

圖1 面向泛在學(xué)習(xí)智能推薦的用戶偏好前因模型

在泛在學(xué)習(xí)環(huán)境中，影響用戶偏好模式建立的因素是多方面的，本文重點研究服務(wù)維度中的服務(wù)時機和服務(wù)質(zhì)量；情境維度中的用戶類型、終端類型和學(xué)習(xí)任務(wù)；資源維度中的資源類型和主題相關(guān)性；技術(shù)維度的系統(tǒng)質(zhì)量等因素對用戶偏好意向和偏好行為的影響，并通過實證的方式檢驗這些因素對用戶偏好行為的影響強度和影響差異。

（1）模型構(gòu)件的概念界定

研究模型理論構(gòu)件界定的關(guān)鍵是給其確定一個合理的名字，透過這個名字能夠保證該理論構(gòu)件是可測度的?；谏鲜龇治?，本文研究模型中的理論構(gòu)件命名及其概念的界定如表1所示。

（2）研究假設(shè)

①服務(wù)維度

從泛在學(xué)習(xí)的服務(wù)維度來看，本研究認(rèn)為服務(wù)時機和服務(wù)質(zhì)量影響著用戶對泛在學(xué)習(xí)服務(wù)的偏好意向，進而影響用戶最終的偏好行為模式的建立。泛在學(xué)習(xí)用戶如果能及時獲取所需的各類資源和服務(wù)，體驗到高質(zhì)量的推送服務(wù)，那么用戶就會產(chǎn)生良好的學(xué)習(xí)體驗，進而強化了用戶對泛在學(xué)習(xí)環(huán)境的偏好意向。基于以上分析，提出如下研究假設(shè)：

H1：服務(wù)時機正向影響用戶偏好意向的建立

H2：服務(wù)質(zhì)量正向影響用戶偏好意向的建立

表1 模型構(gòu)件的概念界定

②情境維度

情境感知理論強調(diào)服務(wù)的情境性和適應(yīng)性。本文從顯性情境的層面研究用戶類型、終端類型和學(xué)習(xí)任務(wù)對用戶偏好意向的影響。泛在學(xué)習(xí)環(huán)境用戶有新老用戶之分，新老用戶對信息和資源的偏好模式是不同的，進而也就決定了服務(wù)模式是有差異的；泛在學(xué)習(xí)環(huán)境也是一個面向多樣化學(xué)習(xí)終端的服務(wù)空間，持有不同類型終端的用戶對信息和資源的服務(wù)需求也是不同的，如基于PAD和手機的用戶與基于PC端的用戶需求模式是有差別的；另外，在泛在學(xué)習(xí)環(huán)境中，學(xué)習(xí)任務(wù)目標(biāo)的達成也是依賴情境的，學(xué)習(xí)任務(wù)設(shè)定的情境、難易程度，與學(xué)習(xí)任務(wù)相關(guān)、學(xué)習(xí)任務(wù)難度相當(dāng)?shù)馁Y源和服務(wù)推送效果都會影響到用戶對資源和服務(wù)偏好意向的建立。為此，提出如下研究假設(shè)：

H3：用戶類型影響偏好意向建立

H4：終端類型影響用戶偏好意向建立

H5：學(xué)習(xí)任務(wù)影響用戶偏好意向建立

表2 模型理論構(gòu)件的操作化

③技術(shù)維度

泛在學(xué)習(xí)空間也是一個技術(shù)空間，技術(shù)接受模型理論認(rèn)為，技術(shù)系統(tǒng)質(zhì)量影響學(xué)習(xí)者對系統(tǒng)的采納意圖，進而也就影響著學(xué)習(xí)者偏好意向的建立。如果技術(shù)系統(tǒng)能夠在學(xué)習(xí)者完成學(xué)習(xí)任務(wù)、參與學(xué)習(xí)活動并獲取預(yù)期學(xué)習(xí)效果的過程中表現(xiàn)出優(yōu)良的有用性、易用性與強大的功能性，那么就會促進學(xué)習(xí)者的學(xué)習(xí)過程，并提升學(xué)習(xí)效果[6]?；谝陨戏治?，提出如下研究假設(shè)：

H6：系統(tǒng)質(zhì)量正向影響學(xué)習(xí)者偏好意向的建立

④資源維度

泛在學(xué)習(xí)資源具有多樣化和多元化特點，不同用戶對不同類型的資源偏好是不同的，如有的用戶喜歡推送視頻類資源，而有的用戶喜歡推送的音頻類資源等。另外，所推送資源與學(xué)習(xí)主題的相關(guān)性也會影響用戶偏好意向的建立，如果推送資源和學(xué)習(xí)主題相關(guān)性高，那么就會提高用戶的偏好意向，反之，用戶的偏好意向就會下降。為此，提出如下研究假設(shè)：

H7：資源類型影響用戶偏好意向的建立

H8：資源主題相關(guān)性影響用戶偏好意向的建立

⑤偏好意向與偏好行為

泛在學(xué)習(xí)是用戶與環(huán)境、資源和服務(wù)不斷互動的過程，如果泛在學(xué)習(xí)環(huán)境能夠為用戶提供有效的互動資源和服務(wù)，就會不斷提升用戶對資源和服務(wù)的偏好意向，進而影響到用戶偏好行為的建立，為此，提出如下研究假設(shè)：

H9：用戶偏好意向正向影響用戶的偏好行為

2 理論構(gòu)件的操作化

本文研究模型理論構(gòu)件測量項目的確定主要是基于三方面思考：一是測量項目的內(nèi)容和對理論構(gòu)件的測量首先要以本文研究模型理論構(gòu)件的概念界定為基礎(chǔ)；二是為保證測量效度，本文通過采取焦點小組反饋—修改—再反饋的循環(huán)反復(fù)方式確定自行設(shè)計的測量項目；三是為了保證測量信度，筆者在研究過程中還采用測量項目分類法來確定最終的觀測項目，通過測量項目分類法的重復(fù)實施，研究模型理論構(gòu)件操作化結(jié)果如表2所示。

四研究設(shè)計

1 數(shù)據(jù)收集

本文采用問卷調(diào)查方式收集研究數(shù)據(jù)。問卷包含基本人口統(tǒng)計信息、泛在學(xué)習(xí)服務(wù)系統(tǒng)使用基本情況、泛在學(xué)習(xí)服務(wù)偏好意向和偏好行為調(diào)查等三部分，共計32個態(tài)度觀測項目、3個人口統(tǒng)計變量、4個泛在學(xué)習(xí)系統(tǒng)使用基本情況變量。為保證測量有效性，在問卷中通過設(shè)置泛在學(xué)習(xí)系統(tǒng)使用時長問題作為初步篩選研究樣本的策略，對那些使用泛在學(xué)習(xí)系統(tǒng)時長不足一年的樣本均排除在外。

本文將采用PC、筆記本電腦、智能手機、iPad等終端進行學(xué)習(xí)，并具有一年以上學(xué)習(xí)經(jīng)歷的樣本均視為泛在學(xué)習(xí)用戶，將他們在學(xué)習(xí)中使用的軟硬件環(huán)境均視為泛在學(xué)習(xí)環(huán)境。研究中態(tài)度測量項目采用Likert七點量表法進行測量。問卷發(fā)放方式采用現(xiàn)場發(fā)放、郵件發(fā)放和基于社會化軟件（如QQ、微信）發(fā)送相結(jié)合的方式。為保證樣本具有一定的覆蓋面，在問卷發(fā)放過程中還邀請QQ和微信好友每人再下發(fā)不少于10份的問卷數(shù)量，調(diào)查樣本涵蓋在校本科生、研究生和部分教師，共發(fā)放問卷502份，回收問卷396份，有效問卷358份，有效回收率為90.4%。

為保證問卷信度，研究采用SPSS 17.0軟件計算模型中各理論構(gòu)件測量項目的內(nèi)部一致性，通過克隆巴赫系數(shù)（Cronbach’）值的大小進行判斷，信度檢驗結(jié)果如表3所示。

2 模型分析

文章采用結(jié)構(gòu)方程模型統(tǒng)計分析技術(shù)來檢驗研究模型的擬合效果，樣本數(shù)據(jù)分析采用LISREL 9版本軟件。相比傳統(tǒng)的回歸分析技術(shù)，結(jié)構(gòu)方程模型統(tǒng)計分析技術(shù)能分析和處理多因變量之間的關(guān)系，并能有效計算整個研究模型的擬合情況。結(jié)構(gòu)方程模型統(tǒng)計方法是通過如下幾個測量指標(biāo)來評判研究模型的擬合情況：為了平衡樣本規(guī)模對模型擬合效果的影響，一般采用卡方與自由度的比值（x/df）作為評判研究模型擬合效果的參考因素之一；此外，采用的測量指標(biāo)還包括模型擬合優(yōu)度指數(shù)（）、調(diào)整后的擬合優(yōu)度指數(shù)（）、近似均方根殘差（）、比較擬合度指數(shù)（）、均方根殘差（）以及標(biāo)準(zhǔn)擬合度指數(shù)（）。研究模型擬合指標(biāo)及其檢驗結(jié)論如表4所示。

表3 問卷信度檢驗結(jié)果

表4 研究模型擬合情況與檢驗結(jié)論

刪繁就簡，本文僅給出研究模型假設(shè)路徑簡圖（如圖2所示），而不再列出每個潛變量測量項目的標(biāo)準(zhǔn)因子載荷與交叉載荷表。根據(jù)圖2模型假設(shè)檢驗路徑系數(shù)，可以得出如下結(jié)論：

圖2 研究模型假設(shè)檢驗路徑圖

（注：*表示在0.05水平上達到顯著，**表示在0.01水平上達到顯著）

（1）服務(wù)維度假設(shè)擬合情況

服務(wù)維度的服務(wù)時機和服務(wù)質(zhì)量顯著影響泛在學(xué)習(xí)用戶對服務(wù)的偏好意向，即研究假設(shè)H1和H2得到驗證。這一研究結(jié)論表明，由于泛在學(xué)習(xí)的移動性和情境化特點，當(dāng)學(xué)習(xí)環(huán)境、學(xué)習(xí)活動、學(xué)習(xí)主題、學(xué)習(xí)主體發(fā)生變化時，泛在學(xué)習(xí)系統(tǒng)如果能夠即時做出響應(yīng)，并能從服務(wù)內(nèi)容、服務(wù)時機和服務(wù)形式上為用戶提供學(xué)習(xí)服務(wù)，這些都將正向影響著用戶偏好意向的建立。

（2）情境維度假設(shè)擬合情況

情境維度的終端類型與學(xué)習(xí)任務(wù)潛變量顯著影響用戶偏好意向的建立，即研究假設(shè)H4和H5得到檢驗；而用戶類型對用戶偏好意向的影響不顯著，即H3假設(shè)沒有得到檢驗。H4和H5研究假設(shè)得到檢驗表明，在泛在學(xué)習(xí)環(huán)境中，學(xué)習(xí)情境差異是影響用戶偏好意向建立的重要因素，使用不同類型終端的用戶對泛在學(xué)習(xí)服務(wù)的偏好意向也是不同的；另外，學(xué)習(xí)任務(wù)的難易與類型變化時用戶對服務(wù)的偏好意向也是不同的。H4和H5研究假設(shè)得到檢驗表明：在設(shè)計泛在學(xué)習(xí)個性化服務(wù)系統(tǒng)時，要充分考察用戶所用終端類型與學(xué)習(xí)任務(wù)屬性（如難易與類型等），這些因素將會影響用戶偏好意向的形成。H3假設(shè)沒有得到檢驗，這與筆者的研究初衷相違背，其原因可能在于和抽樣樣本的屬性有關(guān)——本研究樣本都是具有一年以上泛在學(xué)習(xí)經(jīng)歷的學(xué)習(xí)者，這在一定程度上很難根據(jù)其信息技術(shù)使用經(jīng)驗、學(xué)習(xí)活躍度等因素來區(qū)分出新老用戶。

（3）資源維度假設(shè)擬合情況

資源維度的資源類型和主題相關(guān)因子顯著影響用戶偏好意向的建立，即研究假設(shè)H6得到檢驗，筆者認(rèn)為這一研究結(jié)論為泛在學(xué)習(xí)資源的組織、設(shè)計提供了可供參考的建議和思路。

（4）技術(shù)維度假設(shè)擬合情況

技術(shù)維度度的系統(tǒng)質(zhì)量因子對用戶偏好意向影響顯著，即研究假設(shè)H8得到檢驗。該研究結(jié)論表明，在一個服務(wù)驅(qū)動的信息技術(shù)系統(tǒng)中，系統(tǒng)的易用性、有用性和功能性體驗的好壞影響著用戶偏好意向的建立。

（5）偏好意向與偏好行為假設(shè)擬合情況

模型分析結(jié)果顯示偏好意向顯著影響偏好行為，即研究假設(shè)H9得到檢驗。這一研究結(jié)論表明，個體的外在行為多數(shù)由內(nèi)在的行為意圖所決定，因此，當(dāng)行為意向強到某個閾值就會誘發(fā)或產(chǎn)生相應(yīng)的外在行為，這一研究結(jié)論也表明了泛在學(xué)習(xí)行為產(chǎn)生的某種內(nèi)在心理機制。

五結(jié)論

泛在學(xué)習(xí)研究已逐步從最初的技術(shù)導(dǎo)向過渡到服務(wù)導(dǎo)向上來。為此，研究、設(shè)計并開發(fā)具有個性化、智能化的泛在學(xué)習(xí)服務(wù)系統(tǒng)具有重要的現(xiàn)實意義。尤其是加強個性化推送服務(wù)機制的研究是實現(xiàn)服務(wù)導(dǎo)向泛在學(xué)習(xí)目標(biāo)與提升泛在學(xué)習(xí)服務(wù)質(zhì)量的一個重要課題，而實現(xiàn)泛在學(xué)習(xí)個性化推送服務(wù)的前提是要能夠準(zhǔn)確識別出用戶的偏好模式及其主要的偏好影響因素，這樣才能進一步提升泛在學(xué)習(xí)系統(tǒng)的服務(wù)質(zhì)量。該研究模型的總體擬合情況良好，但并不表明該研究結(jié)論具有普適性，因為任何實證研究過程都要受樣本量、樣本屬性及研究過程的規(guī)范性與科學(xué)性的影響。因此，筆者希望通過本研究能夠為深入研究泛在學(xué)習(xí)個性化服務(wù)提供一些參考和思考。

[1]劉太舉.基于效用的Web個性化服務(wù)模型[D].北京:北京郵電大學(xué),2014:41-50.

[2]Chen Y, Lee S Y M, Huang C R. A robust web personal name information extraction system[J]. Expert Systems with Applications, 2012,(39):2690-2699.

[3]Dey A K. Providing architectural support for building context-aware applications[J]. Georgia Institute of Technology, 2000,(2):106-111.

[4]Davis F D. Perceived usefulness, perceived ease of use, and end user acceptance of information technology[J]. MIS Quarterly, 1989,(13):319-40.

[5]楊麗娜,顏志軍.信息技術(shù)采納視角下的網(wǎng)絡(luò)學(xué)習(xí)行為實證研究[J].中國遠程教育,2011,(4):36-40.

[6]楊麗娜,顏志軍,孟昭寬.虛擬學(xué)習(xí)社區(qū)有效學(xué)習(xí)發(fā)生影響因素實證研究[J].中國遠程教育,2012,(1):52-57、95-96.

編輯：小西

Empirical Research on Influencing Factors of User Preferences in Ubiquitous Learning Personalized Recommendation

YANG Li-na1,2WEI Yong-hong3AN Hai-tao4LIU Yong-hua5

Correctly recognizing and expressing user preferences is the key to achieve the intelligent recommendation service of ubiquitous learning. To improve the personalization and intelligence levels of ubiquitous learning service, it is very meaningful to build user preference model with self-adaptive ability through analyzing the major factors influencing the formation of user preference. The paper investigated and analyzed the major factors affecting the establishment of user preferences from the perspective of service, context, resource and technology. Meanwhile, based on theories of personalized service, context awareness and technology acceptance, the paper constructed the antecedent model of user preference for ubiquitous learning personalized recommendation, The model was tested by structural equation model statistical technology, and the empirical research results were also analyzed.

ubiquitous learning; personalized recommendation; user preference; influencing factor; empirical research

G40-057

A

1009—8097（2016）10—0044—08

10.3969/j.issn.1009-8097.2016.10.007

本文受2013年教育部人文社會科學(xué)青年基金項目“耦合情境的泛在學(xué)習(xí)資源個性化推薦研究”（項目編號：13YJCZH225）、2014年度中國博士后科學(xué)基金第7批特別資助項目“泛在學(xué)習(xí)智能推薦服務(wù)機制與關(guān)鍵技術(shù)研究”（項目編號：2014T70041）、2016年度天津市教育科學(xué)“十三五”規(guī)劃項目“多源數(shù)據(jù)融合視角下的泛在學(xué)習(xí)個性化推薦研究”（項目編號：CE4190）、2015年度天津外國語大學(xué)本科教學(xué)質(zhì)量與教學(xué)改革重點項目“信息技術(shù)環(huán)境下多元學(xué)習(xí)方式有效融入日常教學(xué)實證研究”（項目編號：TJWD15A06）資助。

楊麗娜，副教授，博士，研究方向為個性化學(xué)習(xí)服務(wù)與智能推薦研究，郵箱為yang_lina@163.com。

2016年3月16日