论文部分内容阅读
[摘 要] 本文以社会认知理论、技术接受模型等为理论基础，以教师在日常教学中对BlackBoard网络教学系统的采纳为背景，在五所不同类型的国内高校获取数据实证探讨了自我效能和个人创新性两个个人特质因素对教师采纳教育信息技术的影响。研究结果显示：（1）自我效能和个人创新性通过有用性感知和易用性感知间接影响持续使用意向；（2）无论是对决策阶段的教师还是对确认阶段的教师，自我效能均正向影响有用性感知和易用性感知，且在两个阶段产生的影响没有明显变化；（3）个人创新性对两个阶段教师的有用性感知均具有正向影响，且对决策阶段教师的影响高于确认阶段；个人创新性还正向影响决策阶段教师的易用性感知，但对确认阶段教师的易用性感知没有影响。
[关键词] 教育信息技术； 采纳； 自我效能； 个人创新性
[中图分类号] G43 [文献标识码] A
[作者简介] 高峰（1967—），男，山东聊城人。副教授，博士，主要从事教育管理、网络教育研究。E-mail:[email protected]。
随着信息技术的迅猛发展，涌现出一大批新型的教育技术产品。像历史上的书写文字和印刷术一样，信息技术正在改变着知识的本质和教与学的结构，给教育教学改革带来机遇的同时，也给传统的教育教学模式提出新的挑战。信息技术在教育教学上的应用给教师提出了更高的要求，教师如何在教学中整合信息技术以及什么因素影响教师在教学中采用技术正在成为人们越来越关注的一个课题。在影响教师在教学中采纳教育信息技术的诸多因素中，教师的个人特质占有重要位置，这些特质包括与技术采纳有关的人口学特征、技术使用经验、自我效能、个人创新性等。在非教育领域的信息技术扩散和采纳研究中，自我效能、个人创新性特质引起研究者的广泛兴趣，尽管有越来越多的证据证实自我效能和个人创新性对技术认知和采纳的影响关系，但在教育领域很少有实证研究进行检验。因此，本研究将在以往理论和相关研究的基础上，提出关于自我效能和个人创新性与教师对教育信息技术认知和采纳意向的关系模型和假设，并以高校网络教学实施为背景获得数据对模型进行检验。本研究的结果将有助于高校管理者设计培训项目，从而促进高校教育信息化的推进。
一、 理论基础
（一） 技术接受模型
技术接受模型（Technology Acceptance Model，简称TAM）[1][2][3]是戴维斯（Davis）及其同事提出的一个用以解释和预测个体信息技术接受和使用的理论模型。模型中提出两个影响技术接受的核心因素：有用性感知（Perceived Useful）和易用性感知（Perceived Ease of Use）。有用性感知是指用户认为使用某一技术能够提高其工作绩效的程度；易用性感知是指用户认为使用某一技术的容易程度或使用某一技术可减少所花费的努力的程度。TAM认为，个人的技术使用行为由其行为意向直接决定，而行为意向的形成则受有用性感知和易用性感知的影响，易用性感知同时还影响有用性感知。这里的行为意向是指个人打算使用某一技术意愿的强烈程度。
本研究之所以将TAM作为研究的理论基础，是因为该模型的主要关系过去二十几年来为大多的研究所证实，而且本研究关心的焦点因素——自我效能和个人创新性将作为TAM核心自变量的外部变量，形成教育信息技术采纳行为的逻辑。
（二） 社会认知理论
社会认知理论（Social Cognitive Theory）是一个被广泛接受的个体行为模型。该理论认为，有两种认知因素作为影响人类行为的主要认知力。第一种是与结果相关的预期，个人更有可能进行他们相信会产生有价值的结果的行为，而不是那些他们认为会造成不利结果的行为；[4]第二种预期是自我效能，即个人对自己完成特定行为能力的信心。[5]社会认知理论指出，自我效能是人类行为动机及行动的基础，只有人们相信自己有能力实现预期的结果，才会有意付出行动，否则人们在面对困难时就不会有太强的动机也不愿长期坚持。后续相关研究表明：（1）自我效能感高者倾向于选择富有挑战性的任务，在困难面前更能坚持自己的行为；而自我效能感低者则相反。（2）自我效能决定着人们将付出多大努力以及在遇到障碍时将坚持多久。自我效能感越强，其努力会越主动，坚持得越长久。（3）自我效能影响人们的思维模式和情感反应模式。“在行为过程中对自我效能的判断可产生和控制一个人应对环境的能力”，[6]自我效能感低的人与环境作用时，会过多地想到个人的不足，并将潜在的困难看得比实际更严重。这种思维会产生心理压力，使其将注意力更多地转向可能的失败或不利的后果，而不是如何有效地运用其能力实现目标。自我效能感高的人将注意和努力集中于情境的要求上，并被障碍激发出更大的努力。
社会认知理论中的结果预期比较类似于TAM的有用性感知，相比较而言，有用性感知概念在测度上更适合工作情境下的研究，所以本研究模型中采用了有用性感知概念。鉴于自我效能在解释和预测行为上的作用，本研究将其作为一个重要的个人特质因素纳入到了研究模型。
（三） 个人创新性
创新性（Innovativeness）是创新扩散研究中的一个重要概念。罗杰斯（Rogers）将创新性定义为社会系统内的个体或单位相对于系统内的其他成员较早采纳创新的程度。[7]而梅志里（Midgley）和道林（Dowling）将创新性看作一个人在对待新事物上所具备的较为稳定的品质，把创新性定义为：个人善于接受新思想并能独立作出创新采纳决策的程度。[8]这一定义强调了个人对一般新思想的态度。摩尔（Moore）认为，创新性可以有三种理解：第一种是从采纳者角度而言的创新性，即采纳的时间，这种意义上的创新性与罗杰斯[9]的理解是一致的；第二种理解是从应用角度而言的创新性，即用已经采纳的创新解决新问题的程度，也即创造性地应用创新的程度；第三种理解是从实际使用创新的角度而言的，即人们采纳创新后实际使用它的程度。[10]摩尔的定义揭示了创新性概念所蕴含的多种含义。
有研究将个人创新性作为个人的一种稳定的特质，探讨了具有不同水平个人创新性的采纳者在对技术创新的认知和采纳上的差异。这类研究认为，尽管一个人在不同技术创新的采纳上会显示出截然不同的创新性，但他对技术创新的一贯态度在总体上会表现出一个统计意义上的趋势。在信息技术研究领域，研究者提出一个专门的概念——个人信息技术创新性（Personal IT Innovativeness）来反映个人的这种稳定的创新品质。个人信息技术创新性是指在不依赖于与其他人进行经验交流的情况下，个人愿意尝试使用或采纳新信息技术的倾向或态度。[11]这一概念体现了个人尝试创新的一种意愿或对变革的一种开放状态。有研究者将这种品质视为个人的一种冒险倾向。[12] [13]由于个人信息技术创新性是个体的一种相对稳定的特征，有研究者认为，无论在何种情境下这一特征都可能会对信息技术的采纳具有相对稳定的影响。[14]受以上研究成果的启发，本研究将个人创新性也作为一个个人的特质纳入到了研究模型中。
二、 研究模型和假设
根据以上理论和研究成果，提出如图1所示的研究模型，用以检验自我效能和个人创新性两个重要的个人特质对教育信息技术采纳的影响。模型中保留了TAM中的主要因素作为本研究的因变量和中介变量，但从概念上根据本研究情景有所变化。另外还包括了一个调节变量——采纳阶段，用以分析个人特质在不同采纳阶段影响的变化。以下内容介绍各变量的概念和模型对应的假设关系。
（一）有用性感知、易用性感知和行为意向
关于用户对技术的有用性感知和易用性感知对其行为意向的影响，已有大量研究针对不同创新技术在各种环境下进行了探讨，研究显示有用性感知和易用性感知对行为意向的影响是稳定的。由于本研究将以此为基础进一步深入研究个人特质的影响，所以仍然保留了有用性感知和易用性感知对行为意向影响的传统假设。
与以往研究不同的是，根据本研究环境对三个变量的概念内涵作了修改。这里有用性感知是指教师认为某一教育信息技术有助于实现教学目标，提高学生学习效果的程度。易用性感知是指教师认为某一教育信息技术易于理解、容易学习和使用的程度。而行为意向则具体化为“持续使用意向”，之所以没有用以往研究多采用的行为意向或使用意向的概念，是因为本研究将比较不同采纳阶段个人特质影响的变化（详见下文），为此选择了两类被试样本进行比较，一类是已经初步了解技术，正在试验使用技术的教师，另一类是已经在教学中正式使用技术系统的教师，这两类教师都已经使用教育信息技术（本文指网络教学系统）一段时间，尽管有的是在实际教学中正式的使用，有的只是开通了网络教学系统账户试验性使用。在这种情况下，再采用行为意向或使用意向这一概念就显得不太恰当。因此，将这一概念改造为“持续使用意向”，意指教师打算在以后的教学中继续使用某一教育信息技术的程度。
此外，由于众多TAM研究均证实了行为意向与使用行为的关系，同时也为了尽量使研究模型简化，本研究没有包括使用行为变量。根据以往研究的结论，我们在此推论假设。
假设1（H1）：有用性感知正向影响持续使用意向，即有用性感知程度越高，持续使用意向越强。
假设2（H2）：易用性感知正向影响持续使用意向，即易用性感知程度越高，持续使用意向越强。
（二）自我效能
根据社会认知理论，自我效能反映了教师对自己使用教育信息技术进行教学能力的信心程度，它将会影响教师在教学中采纳教育信息技术的最初选择和采纳的持久性。法色依坦（Faseyitan）等人的一项研究发现，对使用计算机没有信心的教师通常会抵制在教学中使用技术，即使为他们提供了充分的软硬件条件，而且在教学中不使用计算机的教师的计算机自我效能显著地低于在教学中经常使用计算机的教师。[15]蒂那曼（Tinnerman）的研究显示高自我效能比低自我效能的教师更容易接受或使用网络技术，而且高自我效能的教师比较倾向于关注与提高能力和获得与技术的动机有关的内部因素，低自我效能的教师关注的往往是外部因素，如缺乏设备或时间、管理的缺点以及缺乏足够的支持。[16]甄（Zhen）、格斯维特（Garthwait） 和普拉特（Prat）的研究发现，教师的自我效能对其使用和不使用在线课程管理软件（OCMA）的决策具有显著影响。他们认为，如果教师相信他们拥有网络教学的知识和技能，他们更可能在教学中投入时间和精力使用OCMA。[17]帕克（Park）在美国K12学校对教师使用计算机多媒体技术的研究显示，教师的自我效能是行为意向的直接决定因素。[18]常（Chang） 和唐（Tung）在以台湾某大学在校大学生为被试的研究中也发现大学生的自我效能是影响其学习网站使用行为意向的重要因素。[19]
然而，也有研究发现自我效能与技术采纳没有直接关系。如帕克（Park）发现自我效能对教师网络教学平台的使用行为（使用水平）没有直接的影响，但会直接影响教师对技术的相对优势和复杂性感知（类似于有用性感知和易用性感知），并通过相对优势和复杂性感知间接地影响使用行为。[20]皮塔珂（Pituch）和李（Lee）的实证研究探讨了学习者的自我效能在其使用E-learning用于辅助学习和远程教育学习上的作用，发现自我效能对辅助学习行为的影响是通过影响易用性感知间接产生的。[21]廖（Liaw）的一项研究表明，学生的自我效能是影响其对BlackBoard的满意度和有用性感知的重要因素，通过影响满意度和有用性感知又间接影响行为意向。[22]
综上可以看出，自我效能对教育信息技术采纳的影响可能存在有三个管道：一是直接影响使用意向，二是影响有用性感知，三是影响易用性感知。据此提出三个假设。
假设3（H3）：自我效能正向影响持续使用意向，即自我效能越高，持续使用意向越强。
假设4（H4）：自我效能正向影响有用性感知，即自我效能越高，有用性感知程度也越高。
假设5（H5）：自我效能正向影响易用性感知，即自我效能越高，易用性感知程度也越高。
（三）个人创新性
本研究情景下，个人创新性是指教师在教学中愿意尝试新技术的程度，体现为个人对变革的一种开放状态。由于在特定情境下个人创新性具有相对稳定的特点，[23]这就意味着它对教育信息技术采纳行为的影响可能也是相对稳定的。阿加沃尔（Agarwal）和普拉萨德（Prasad）认为，个人创新性可潜在地影响个人对技术创新的反应。[24]具备高度个人创新性的人通常能够而且愿意应对具有高度不确定性的事物，他们喜欢探索更新颖的方法而不是墨守成规。由于习惯于适应新技术，具有创新性的人比不具有创新性的人可更迅速地发现技术的有用性和易用性。[25]具有创新性的人知道目前哪一种技术更好，他们喜欢接收这一方面的信息，所以更加了解这些技术的潜在价值。[26]由于用过类似的技术，他们会更快地适应新技术。因此，个人创新性既与有用性感知有关，也与易用性感知有关。斯基尔沃特（Schillewaert）等人假设这两种关系均存在，但在自动营销系统情境下只发现了与易用性的显著关系。[27]路易斯（Lewis）等人在一所大学进行的网络技术采纳实证研究中发现，这两种关系均存在。[28]根据以上分析和研究结论，本研究有两个假设。
假设6（H6）：个人创新性正向影响有用性感知，即个人创新性越高，有用性感知程度也越高。
假设7（H7）：个人创新性正向影响易用性感知，即个人创新性越高，易用性感知程度也越高。
（四）技术采纳阶段与个人特质的影响变化
个人特质在技术的不同采纳阶段上产生的影响可能是不同的，因为不同的采纳阶段对个人具备特质的要求可能是不同的，并且个人特质也并不是一成不变的。如曾经有研究发现，在技术实施的各个阶段，用户的自我效能水平是不同的，从知晓、说服、决策、应用到确认阶段，个人的自我效能将持续地增长。[29]因此，本研究的另一个目标是比较在不同采纳阶段个人特质的影响变化。
为了实现此研究目标，本研究参考了罗杰斯提出的个人创新采纳决策过程模型。在该模型中罗杰斯将个人采纳一项技术创新的决策过程划分为五个阶段，即知晓、说服、决策、应用和确认，其中决策和确认阶段是至关重要的。因为在决策阶段，潜在用户通过对创新技术的了解，决定是否采纳创新技术；而在确认阶段，用户通过一段时间的使用，决定是否在将来继续使用创新技术。因此本研究在探讨个人特质在不同采纳阶段的影响时，将关注的焦点放在决策和确认两个阶段。
正如本文提及的，为了实现研究目标，选择了两种类型的教师样本：试验使用者和正式使用者。试验使用者经过试用后有的可能会决定在教学中正式使用技术系统，有的可能会放弃使用，这一类教师正处于创新采纳过程的决策阶段；正式使用者经过一个阶段的使用，教师的态度可能会产生分化，有的教师可能会决定继续使用，而另一些教师可能会因为种种原因中止使用，这一类教师正处于确认阶段。本研究将使用这两个样本分别对研究模型和假设进行检验，并据此主要比较决策阶段和确认阶段教师个人特质的影响变化。
三、 研究方法
本研究采用了调查研究方法。调查问卷包括两部分：一部分是个人特征信息，包括性别、职称、年龄、学科背景及所处采纳阶段等信息；另一部分是变量的测量题项（24个），这些测量题项参考了信息技术采纳经典研究和其他相关的问卷，并根据本研究情景进行了修改，题项均采用利克特（Likert）5点量表法进行测量。
为了检验模型和假设并回答提出的问题，本研究以高校教师对BlackBoard网络教学系统的采纳为例，在五所不同类型的大学或学院进行了数据采集，使用统一的教育信息技术系统有助于被试在回答问卷时有一个共同的评价尺度。这五所大学包括一所教育部部属研究型大学（B大学）、两所省属教学研究型大学（S大学和Y大学）、一所省属跨校区教学型大学（L大学）和一所省属高等职业技术学院（J学院）。五所大学均引进了BlackBoard网络教学系统一年以上，并提倡全校教师采用该系统辅助全日制学生教学。问卷采集时间从2010年5月至2011年1月，每个学校的调查时间均在一个月左右。调查采用了网络问卷和印刷问卷相结合的方法，在样本的抽取上，有的学校采用了随机取样，有的学校为整群取样，还有的学校为分层取样，调查对象均为正在试验使用（对应决策阶段）或在教学中正式使用（对应确认阶段）BlackBoard系统的教师。五所学校共收回问卷672份，各校的回收率在40%~57%之间。剔除不完整或极端问卷后，共获得592份有效问卷。
592名被试的基本情况为：B大学的被试占总样本的25%，S和Y大学占20.8%，L大学占20.6%，J职业学院占33.6%，四类学校被试人数基本平衡；有16.2%被试在30岁以下，44.8%的在31~40岁之间，31.6%的在41~50岁之间，其他7.4%为51岁之上。职称结构为教授占10.6%，副教授占35.3%，讲师占42.9%，助教占8.6%，其他职称和没有明确写明职称的占2.6%。所有被试中具有人文社会科学背景的占50.8%，理工科背景的占49.2%，其中有4%具有多学科背景。30.4%的被试处于创新采纳的决策阶段，69.6%的处于确认阶段。
本研究的数据分析采用结构方程模型方法，软件工具为AMOS 17.0。
四、 数据分析结果
（一）测量模型分析
测量模型分析的目的是检验模型中变量测量的信度和效度。根据白格滋（Bagozzi）和易（Yi）的建议，选择了三个指标对其进行评估: 观测变量（即测量题项）的项目信度、潜在变量（即研究变量）的组合信度、潜在变量的平均变异抽取量。各指标的评估参数标准建议值为：观测变量的因子负荷在0.5~0.95之间，且p值小于0.05；[30]潜在变量组合信度大于0.6，潜在变量的平均方差抽取量大于0.5。[31] 另外，各测量模型还需要满足如下适配度指标：卡方值的显著性概率p>0.05、良适性适配指标（Goodness-of -Fit Index，简称GFI）>0.9、RMSEA<0.08。[32]
测量模型分析结果显示，易用性感知的PEU4题项因素负荷只为0.203，未达到建议值标准，删除该指标项后重新对易用性感知测量模型进行检验。最终分析结果显示：（1）卡方值的显著性概率p值均大于0.05；GFI值在0.987~0.997之间，均大于0.9；RMSEA值在0~0.04之间，均小于0.08，测量模型均被接受。（2）各观测变量（题项）项目信度在0.504~0.919之间，均大于0.5且多数超过了0.71，显著性概率p均小于0.001。说明各观测变量具有理想的项目信度。（3）各变量的组合信度在0.765~0.902之间，均大于0.6，说明各变量内部一致性佳，具有很好的信度。（4）各变量的平均变异抽取量在0.484~0.699之间，除自我效能变量为0.484，稍低外，均超过了0.5的建议值。由于自我效能的平均变异抽取量0.484与理想值0.5差异较小（为0.016），可视为基本可以接受。总体来说，各变量测量指标的信度和效度较为理想，可以进行结构模型检验。
（二）结构模型分析
本研究将全部样本分为正式使用者（对应决策阶段）和试验使用者（对应确认阶段）两部分，采用结构方程模型分析方法对研究模型进行分析，模型检验的方法为最大似然法。
结构模型各适配指标检验结果显示，采用正式使用者样本进行检验时，所有参数均达到了标准要求；采用试验使用者样本进行检验时，除AGFI稍小外，其他参数均达到了标准值。个别指标未达标准属于可接受范围。[33]采用两部分样本对模型进行检验的结果表明，整体而言两个模型契合程度均佳，可以接受。表1显示了几个关键参数的检验情况。
（三）假设检验结果
表2为对研究假设检验的结果。除假设3在两个样本都没有通过检验，假设7在正式使用样本（对应确认阶段）没有通过检验外，其他假设均得到了两个样本的数据支持。
注：路径系数栏括号内为该路径系数的显著性概率值，***代表小于0.001，**代表小于0.01，*代表小于0.05，不显著者直接标明了p值。
另外，采用试验使用者样本对模型进行检验时，有用性感知的复相关系数R2为0.23，易用性感知的复相关系数R2为0.43，说明自我效能和个人创新性可解释决策阶段教师的有用性感知方差的23%，易用性感知方差的43%。采用正式使用者样本对模型进行检验时，有用性感知的复相关系数R2为0.17，易用性感知的复相关系数R2为0.25，说明自我效能和个人创新性可解释确认阶段教师的有用性感知方差的17%，自我效能可解释易用性感知方差的25%。通过比较可以看出，自我效能和个人创新性对易用性感知的解释力要高于有用性感知，对决策阶段教师有用性感知和易用性感知的解释力要高于确认阶段。
五、研究结论与讨论
以往研究过分关注教育信息技术本身特性对采纳的影响，从而忽视了人和环境的因素，这种技术决定论思想受到批评。本研究重点关注了自我效能和个人创新性两个个人特质的作用，数据分析结果如图2所示（图中×号表示假设检验未通过）。
（一）自我效能的影响
根据社会认知理论，自我效能反映了个人对自己使用技术完成任务的信心程度。有研究发现自我效能对教育信息技术使用意向有直接的影响。[34] [35]但本研究的数据分析得出不一样的结论，即无论是对决策阶段的教师还是对确认阶段的教师，自我效能对持续使用意向均没有直接影响。
自我效能是一个复杂的概念，马拉卡斯（Marakas）等人[36]和阿格沃尔等人[37]将计算机自我效能区别为一般自我效能（General Computer Self-efficacy）和特定任务自我效能（Task-specific Computer Self-efficacy），认为这两种自我效能对行为的影响是不同的。一般计算机自我效能是个人对多种计算机应用领域的效能感，而特定任务自我效能是个人对完成与计算机相关的特定任务的效能感，一般计算机自我效能是特定任务计算机自我效能的积累。本研究对自我效能的定义是教师使用任意网络教学系统完成教学任务的信心程度，比较类似于一般计算机自我效能感。而帕克、常和唐对自我效能的定义接近于特定任务的计算机自我效能，这可能是造成结论不一致的原因。[38] [39]
虽然没有发现自我效能对持续使用意向的直接作用，但数据分析表明，教师对网络教学系统使用的自我效能会正向影响有用性感知和易用性感知，并且两个阶段的影响程度是同等的。这就意味着自我效能可通过有用性感知和易用性感知间接影响持续使用意向。自我效能对有用性感知和易用性感知的影响可以从社会学习/认知理论得到解释。班杜拉（Bandura）认为：“人们对结果的预期很大程度上来自自己是否具备从事必要行为的能力的判断。”[40]也就是说，当人们感到能够成功地掌控某一技术时，往往会对技术形成较高的结果预期（Outcoms Expectation）；相反，当人们感到不能掌控技术时，更可能对其形成较低的结果预期。[41]这里结果预期的定义为：人们认为由于使用技术而带来的潜在的结果，类似于有用性感知的概念。具体到本研究，如果教师对网络教学系统的自我效能越高，越有可能认识到系统的有用性，从而形成较高程度的有用性感知，最终产生积极的持续使用意向。
关于自我效能对易用性感知的正向影响，社会认知理论的解释是：教师的自我效能越高，越有可能面对新技术使用带来的挑战，在困难面前更能坚持自己的行为并作出更大的努力，从而减轻了技术的困难感，亦即提高了易用性感知。而教师的自我效能越低，在技术使用上越有可能产生心理压力，将注意力更多地转向可能失败或不利结果，导致不愿意付出努力采用技术有效地实现教学目标，从而加剧了对困难的畏惧，也就是降低了易用性感知。
本研究的这一结论与以往一些研究结论是一致的，如帕克发现，教师的自我效能直接影响对技术的相对优势和复杂性的感知[42]（类似与本研究的有用性感知和易用性感知）；皮塔克和李发现学习者的自我效能会直接影响对技术的易用性感知；[43]廖（Liaw）发现学生的自我效能会直接影响他们对BlackBoard系统的满意度和易用性感知。[44]
（二）个人创新性的影响
本研究发现，对于决策阶段的教师来说，个人创新性既正向影响有用性感知，也正向影响易用性感知；而对确认阶段的教师来说，个人创新性只正向影响有用性感知，对易用性感知的影响不显著。
个人创新性是指教师愿意尝试创新技术的倾向，它与人的内部动机有关，这种内部动机实际上反映了一种好奇心。斯基尔沃特等人认为，具有创新性的人往往会更迅速地发现系统的有用性和易用性，[45]这些人喜欢收集关于新技术的消息，他们知道当前哪种技术更好，所以更加了解这些技术的潜在价值。[46]作为个人的一种相对稳定的特质，个人创新性引起个人在技术上的“冒险”倾向。采用复杂的教育信息技术（如网络教学系统）进行教学，某种意义上也是一种“冒险”行为，一方面由于技术的使用可能会提高教学和学习质量，另一方面也可能会降低教学和学习质量。个人创新性越强的教师更有可能愿意体验一项新的技术，以寻求更多的机会提高自己的教学或学生的学习。所以决策阶段，个人创新性对有用性感知和易用性感知都表现出显著的正向影响。
当进入确认阶段后，因为大多数教师都已一定程度上了解了创新，不管他们是否具有较强的个人创新性，他们都在体验技术在教学中的应用，都对易用性有了自己的认识，个人创新性对易用性感知上的优势也就消失了。因此，在确认阶段，个人创新性对易用性感知不再有显著影响。而那些个人创新性强的人，在技术的有用性探索上仍然具有优势，所以确认阶段个人创新性对有用性感知的作用依然存在，尽管有所减弱。
在以往研究中，路易斯等人发现个人在信息技术上表现出来的创新性既影响有用性感知，也影响易用性感知；[47]而斯基尔沃特等人[48]和埃里克（Erik）等人[49]的研究只发现个人创新性对易用性感知的显著关系。由于他们在研究中没有明确报告技术创新使用所处的阶段，根据本研究的结论也许可以推测，在他们的研究中用户对技术的使用可能处于早期阶段，所以个人创新性会对易用性感知产生显著的影响。
六、研究的理论贡献和实践意义
本研究的主要理论贡献在于在中国高等学校背景下实证探讨了个人特质对教育信息技术采纳的影响，发现自我效能和个人创新性只是教师技术采纳的间接影响因素，并且对处于不同采纳阶段（决策阶段和确认阶段）的教师来说，个人创新性的影响存在明显差异。
本研究的结论在进一步丰富创新采纳和扩散理论的同时，还启示我们，在教育信息技术实施的早期阶段，首先应选择那些自我效能和个人创新性比较高的教师率先使用技术创新，这样一方面教育信息技术创新的实施可有一个良好的开端，为大范围的广泛应用打好基础；另一方面，可以通过社群影响波及到其他教师，从而起到一个带头和示范作用。再者，对于那些自我效能相对较低的教师，应采取措施提高他们的自我效能，根据社会学习理论的观点，这些措施可包括从小做起增加其本人技术使用的成功经验，观察与其类似的教师的成功经验，言语鼓励劝说，降低其技术焦虑等。
[参考文献]
[1] Davis, F.D. Perceived Usefulness, Perceived Ease of Use And User Acceptance of Information Technology[J].MIS quarterly, 1989, （13）:319～340
[2] 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）:982～1003.
[3] Davis, F.D. & Venkatesh, V.A.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.
[4] Wood, R. & Bandura, A. Social Cognitive Theory of Organizational Management[J].Academy Of Management Review,1989, 14（3）, 361～384.
[5] [40] Bandura A. Reflection on Self-Efficacy[Z]. In Advance in Behavioral Research and Therapy （1）,S.Rachman（Ed）, Pergamon Press, Oxford, England,1978.237～269.
[6] Bandura, A. Self-Efficacy Mechanism in Human Agency [J].American Psychologist, 1982,37（2）：1122~1147.
[7] [9] Rogers, E.M. Diffusion of Innovations [M].the Free Press, New York，1983.1995.
[8] Midgley，David. F. & Dowling，Grahame R. Innovativeness: The Concept and Its Measurement[J]. Journal of Consumer Research,1978，（4）:229~242.
[10] Moore， Gray C. End User Computing and Office Automation: a Diffusion of Innovations Perspective[Z].INFO. 1987, 25（3）:214~235
[11] [25] [27] [45] [48] Schillewaert, N., Ahearne, M. J., Frambach, R. T., & Moenaert, R. K. The Adoption of Information Technology in the Sales Force [J]. Industrial Marketing Management, 2005,（34）:323~336.
[12] [24] Agarwal, R., & Prasad, J. A Conceptual and Operational Definition of Personal Innovativeness in the Domain of Information Technology [J].Information Systems Research, 1998,（9）:204~215.
[13] Bommer, M., & Jalajas, D. S. The Threat of Organizational Downsizing on the Innovative Propensity of R&D Professionals [J]. R&D Management, 1999,（29）:27~34.
[14] Thatcher, J. B., & Perrewe′, P. L. An Empirical Examination of Individual Traits as Antecedents to Computer Anxiety and Computer Self-Efficacy [J].MIS Quarterly, 2002,（26）:381~396.
[15] Faseyitan, S., Libii J. N, & Hirschbuhl, J. An In-service Model for Enhancing Faculty Computer Selfefficacy[J].British Journal of Educational Technology，1996，（27）:214~216.
[16] Tinnerman, L.S.University Faculty Expressions of Computer Self-Efficacy and Personal Attitudes Regarding the Viability of Distance Learning [D].Ph.D.Dissertation, Indiana University of Pennsylvania，2007.
[17] [23] Zhen，Y., Garthwait，A., Prat,A. Factors Affecting Faculty Members’ Decision to Teach or not to Teach Online in Higher Education[J].Online Journal of Distance Learning Administration, Xi（3），2008.
[18] [34] [38] Park, H. Factors That Affect Information Technology Adoption by Teachers [D].University of Nebraska，2004.
[19] [35] [39] Chang, S.C., Tung, F.C. An Empirical Investigation of students’ Behavioural Intentions to Use the Online Learning Course Websites [J].British Journal of Educational Technology, 2008,39（1）:71~83.
[20] [42] Park, B. Faculty Adoption and Utilization of Web-Assisted Instruction （WAI） In Higher Education: Structural Equation Modeling （SEM） [D].Ph. D. Dissertation，2003.
[21] [43] Pituch,K.A., Lee, Y.K. The Influence of System Characteristics on E-Learning Use[J].Computers & Education,2006,（47）:222～244.
[22] [44] Liaw, Shu-Sheng. Investigating Students’ Perceived Satisfaction, Behavioral Intention, and Effectiveness Of E-Learning: A Case Study of the Blackboard System [J].Computers & Education, 2008,51:864~873.
[26] [46] Robinson, L., Marshall, G. W., & Stamps, M. B. Sales Force Use of Technology: Antecedents to Technology Acceptance [J]. Journal of Business Research, 2005,（58）:1623~1631.
[28] [47] Lewis, W., Agarwal, R., & Sambamurthy, V. Sources of Influence on Beliefs about Information Technology Use: An Empirical Study of Knowledge Workers [J].MIS Quarterly, 2003,（27）:657~678.
[29] Watson, C.E. Self-Efficacy, the Innovation-Decision Process, and Faculty in Higher Education: Implications for Faculty Development [D].Ph. D. Dissertation，2007.
[30] Hairs, J. F., R. E. Anderson, R. L.Tatham and W. C. Black. Multivariate Data Analysis[M].New York: Macmillan, 1998.
[31] [32] [33] 吴明隆 .结构方程模型——Amos的操作与应用[M].重庆：重庆大学出版社，2009.
[36] Marakas, C.M., Yi, M.Y., and Johnson, R.D. The Multilevel and Multifaceted Character of Computer Self-Efficacy: toward Clarification of the Construct and an Integrate Framework for Research [J].Information System Research, 1998,9（2）:126~163.
[37] Agarwal, R., Sambamurthy, V., and Stair, R.M. The Evolving Relationship between General and Specific Computer Self-Efficacy—an Empirical Assessment [J].Information System Research, 2000,11（4）:418~430.
[41] Compeau, D.R., C.A. Higgins and S.L. Huff. Social Cognitive Theory and Individual Reactions To Computing Technology: A Longitudinal Study, [J].MIS Quarterly, 1999, 23（2）:145~158.
[49] Erik, M., Van Raaij, Jeroen, J.L., & Schepers. The Acceptance and Use of a Virtual Learning Environment in China [J].Computers & Education, 2008,（50）:838~852.
[关键词] 教育信息技术； 采纳； 自我效能； 个人创新性
[中图分类号] G43 [文献标识码] A
[作者简介] 高峰（1967—），男，山东聊城人。副教授，博士，主要从事教育管理、网络教育研究。E-mail:[email protected]。
随着信息技术的迅猛发展，涌现出一大批新型的教育技术产品。像历史上的书写文字和印刷术一样，信息技术正在改变着知识的本质和教与学的结构，给教育教学改革带来机遇的同时，也给传统的教育教学模式提出新的挑战。信息技术在教育教学上的应用给教师提出了更高的要求，教师如何在教学中整合信息技术以及什么因素影响教师在教学中采用技术正在成为人们越来越关注的一个课题。在影响教师在教学中采纳教育信息技术的诸多因素中，教师的个人特质占有重要位置，这些特质包括与技术采纳有关的人口学特征、技术使用经验、自我效能、个人创新性等。在非教育领域的信息技术扩散和采纳研究中，自我效能、个人创新性特质引起研究者的广泛兴趣，尽管有越来越多的证据证实自我效能和个人创新性对技术认知和采纳的影响关系，但在教育领域很少有实证研究进行检验。因此，本研究将在以往理论和相关研究的基础上，提出关于自我效能和个人创新性与教师对教育信息技术认知和采纳意向的关系模型和假设，并以高校网络教学实施为背景获得数据对模型进行检验。本研究的结果将有助于高校管理者设计培训项目，从而促进高校教育信息化的推进。
一、 理论基础
（一） 技术接受模型
技术接受模型（Technology Acceptance Model，简称TAM）[1][2][3]是戴维斯（Davis）及其同事提出的一个用以解释和预测个体信息技术接受和使用的理论模型。模型中提出两个影响技术接受的核心因素：有用性感知（Perceived Useful）和易用性感知（Perceived Ease of Use）。有用性感知是指用户认为使用某一技术能够提高其工作绩效的程度；易用性感知是指用户认为使用某一技术的容易程度或使用某一技术可减少所花费的努力的程度。TAM认为，个人的技术使用行为由其行为意向直接决定，而行为意向的形成则受有用性感知和易用性感知的影响，易用性感知同时还影响有用性感知。这里的行为意向是指个人打算使用某一技术意愿的强烈程度。
本研究之所以将TAM作为研究的理论基础，是因为该模型的主要关系过去二十几年来为大多的研究所证实，而且本研究关心的焦点因素——自我效能和个人创新性将作为TAM核心自变量的外部变量，形成教育信息技术采纳行为的逻辑。
（二） 社会认知理论
社会认知理论（Social Cognitive Theory）是一个被广泛接受的个体行为模型。该理论认为，有两种认知因素作为影响人类行为的主要认知力。第一种是与结果相关的预期，个人更有可能进行他们相信会产生有价值的结果的行为，而不是那些他们认为会造成不利结果的行为；[4]第二种预期是自我效能，即个人对自己完成特定行为能力的信心。[5]社会认知理论指出，自我效能是人类行为动机及行动的基础，只有人们相信自己有能力实现预期的结果，才会有意付出行动，否则人们在面对困难时就不会有太强的动机也不愿长期坚持。后续相关研究表明：（1）自我效能感高者倾向于选择富有挑战性的任务，在困难面前更能坚持自己的行为；而自我效能感低者则相反。（2）自我效能决定着人们将付出多大努力以及在遇到障碍时将坚持多久。自我效能感越强，其努力会越主动，坚持得越长久。（3）自我效能影响人们的思维模式和情感反应模式。“在行为过程中对自我效能的判断可产生和控制一个人应对环境的能力”，[6]自我效能感低的人与环境作用时，会过多地想到个人的不足，并将潜在的困难看得比实际更严重。这种思维会产生心理压力，使其将注意力更多地转向可能的失败或不利的后果，而不是如何有效地运用其能力实现目标。自我效能感高的人将注意和努力集中于情境的要求上，并被障碍激发出更大的努力。
社会认知理论中的结果预期比较类似于TAM的有用性感知，相比较而言，有用性感知概念在测度上更适合工作情境下的研究，所以本研究模型中采用了有用性感知概念。鉴于自我效能在解释和预测行为上的作用，本研究将其作为一个重要的个人特质因素纳入到了研究模型。
（三） 个人创新性
创新性（Innovativeness）是创新扩散研究中的一个重要概念。罗杰斯（Rogers）将创新性定义为社会系统内的个体或单位相对于系统内的其他成员较早采纳创新的程度。[7]而梅志里（Midgley）和道林（Dowling）将创新性看作一个人在对待新事物上所具备的较为稳定的品质，把创新性定义为：个人善于接受新思想并能独立作出创新采纳决策的程度。[8]这一定义强调了个人对一般新思想的态度。摩尔（Moore）认为，创新性可以有三种理解：第一种是从采纳者角度而言的创新性，即采纳的时间，这种意义上的创新性与罗杰斯[9]的理解是一致的；第二种理解是从应用角度而言的创新性，即用已经采纳的创新解决新问题的程度，也即创造性地应用创新的程度；第三种理解是从实际使用创新的角度而言的，即人们采纳创新后实际使用它的程度。[10]摩尔的定义揭示了创新性概念所蕴含的多种含义。
有研究将个人创新性作为个人的一种稳定的特质，探讨了具有不同水平个人创新性的采纳者在对技术创新的认知和采纳上的差异。这类研究认为，尽管一个人在不同技术创新的采纳上会显示出截然不同的创新性，但他对技术创新的一贯态度在总体上会表现出一个统计意义上的趋势。在信息技术研究领域，研究者提出一个专门的概念——个人信息技术创新性（Personal IT Innovativeness）来反映个人的这种稳定的创新品质。个人信息技术创新性是指在不依赖于与其他人进行经验交流的情况下，个人愿意尝试使用或采纳新信息技术的倾向或态度。[11]这一概念体现了个人尝试创新的一种意愿或对变革的一种开放状态。有研究者将这种品质视为个人的一种冒险倾向。[12] [13]由于个人信息技术创新性是个体的一种相对稳定的特征，有研究者认为，无论在何种情境下这一特征都可能会对信息技术的采纳具有相对稳定的影响。[14]受以上研究成果的启发，本研究将个人创新性也作为一个个人的特质纳入到了研究模型中。
二、 研究模型和假设
根据以上理论和研究成果，提出如图1所示的研究模型，用以检验自我效能和个人创新性两个重要的个人特质对教育信息技术采纳的影响。模型中保留了TAM中的主要因素作为本研究的因变量和中介变量，但从概念上根据本研究情景有所变化。另外还包括了一个调节变量——采纳阶段，用以分析个人特质在不同采纳阶段影响的变化。以下内容介绍各变量的概念和模型对应的假设关系。
（一）有用性感知、易用性感知和行为意向
关于用户对技术的有用性感知和易用性感知对其行为意向的影响，已有大量研究针对不同创新技术在各种环境下进行了探讨，研究显示有用性感知和易用性感知对行为意向的影响是稳定的。由于本研究将以此为基础进一步深入研究个人特质的影响，所以仍然保留了有用性感知和易用性感知对行为意向影响的传统假设。
与以往研究不同的是，根据本研究环境对三个变量的概念内涵作了修改。这里有用性感知是指教师认为某一教育信息技术有助于实现教学目标，提高学生学习效果的程度。易用性感知是指教师认为某一教育信息技术易于理解、容易学习和使用的程度。而行为意向则具体化为“持续使用意向”，之所以没有用以往研究多采用的行为意向或使用意向的概念，是因为本研究将比较不同采纳阶段个人特质影响的变化（详见下文），为此选择了两类被试样本进行比较，一类是已经初步了解技术，正在试验使用技术的教师，另一类是已经在教学中正式使用技术系统的教师，这两类教师都已经使用教育信息技术（本文指网络教学系统）一段时间，尽管有的是在实际教学中正式的使用，有的只是开通了网络教学系统账户试验性使用。在这种情况下，再采用行为意向或使用意向这一概念就显得不太恰当。因此，将这一概念改造为“持续使用意向”，意指教师打算在以后的教学中继续使用某一教育信息技术的程度。
此外，由于众多TAM研究均证实了行为意向与使用行为的关系，同时也为了尽量使研究模型简化，本研究没有包括使用行为变量。根据以往研究的结论，我们在此推论假设。
假设1（H1）：有用性感知正向影响持续使用意向，即有用性感知程度越高，持续使用意向越强。
假设2（H2）：易用性感知正向影响持续使用意向，即易用性感知程度越高，持续使用意向越强。
（二）自我效能
根据社会认知理论，自我效能反映了教师对自己使用教育信息技术进行教学能力的信心程度，它将会影响教师在教学中采纳教育信息技术的最初选择和采纳的持久性。法色依坦（Faseyitan）等人的一项研究发现，对使用计算机没有信心的教师通常会抵制在教学中使用技术，即使为他们提供了充分的软硬件条件，而且在教学中不使用计算机的教师的计算机自我效能显著地低于在教学中经常使用计算机的教师。[15]蒂那曼（Tinnerman）的研究显示高自我效能比低自我效能的教师更容易接受或使用网络技术，而且高自我效能的教师比较倾向于关注与提高能力和获得与技术的动机有关的内部因素，低自我效能的教师关注的往往是外部因素，如缺乏设备或时间、管理的缺点以及缺乏足够的支持。[16]甄（Zhen）、格斯维特（Garthwait） 和普拉特（Prat）的研究发现，教师的自我效能对其使用和不使用在线课程管理软件（OCMA）的决策具有显著影响。他们认为，如果教师相信他们拥有网络教学的知识和技能，他们更可能在教学中投入时间和精力使用OCMA。[17]帕克（Park）在美国K12学校对教师使用计算机多媒体技术的研究显示，教师的自我效能是行为意向的直接决定因素。[18]常（Chang） 和唐（Tung）在以台湾某大学在校大学生为被试的研究中也发现大学生的自我效能是影响其学习网站使用行为意向的重要因素。[19]
然而，也有研究发现自我效能与技术采纳没有直接关系。如帕克（Park）发现自我效能对教师网络教学平台的使用行为（使用水平）没有直接的影响，但会直接影响教师对技术的相对优势和复杂性感知（类似于有用性感知和易用性感知），并通过相对优势和复杂性感知间接地影响使用行为。[20]皮塔珂（Pituch）和李（Lee）的实证研究探讨了学习者的自我效能在其使用E-learning用于辅助学习和远程教育学习上的作用，发现自我效能对辅助学习行为的影响是通过影响易用性感知间接产生的。[21]廖（Liaw）的一项研究表明，学生的自我效能是影响其对BlackBoard的满意度和有用性感知的重要因素，通过影响满意度和有用性感知又间接影响行为意向。[22]
综上可以看出，自我效能对教育信息技术采纳的影响可能存在有三个管道：一是直接影响使用意向，二是影响有用性感知，三是影响易用性感知。据此提出三个假设。
假设3（H3）：自我效能正向影响持续使用意向，即自我效能越高，持续使用意向越强。
假设4（H4）：自我效能正向影响有用性感知，即自我效能越高，有用性感知程度也越高。
假设5（H5）：自我效能正向影响易用性感知，即自我效能越高，易用性感知程度也越高。
（三）个人创新性
本研究情景下，个人创新性是指教师在教学中愿意尝试新技术的程度，体现为个人对变革的一种开放状态。由于在特定情境下个人创新性具有相对稳定的特点，[23]这就意味着它对教育信息技术采纳行为的影响可能也是相对稳定的。阿加沃尔（Agarwal）和普拉萨德（Prasad）认为，个人创新性可潜在地影响个人对技术创新的反应。[24]具备高度个人创新性的人通常能够而且愿意应对具有高度不确定性的事物，他们喜欢探索更新颖的方法而不是墨守成规。由于习惯于适应新技术，具有创新性的人比不具有创新性的人可更迅速地发现技术的有用性和易用性。[25]具有创新性的人知道目前哪一种技术更好，他们喜欢接收这一方面的信息，所以更加了解这些技术的潜在价值。[26]由于用过类似的技术，他们会更快地适应新技术。因此，个人创新性既与有用性感知有关，也与易用性感知有关。斯基尔沃特（Schillewaert）等人假设这两种关系均存在，但在自动营销系统情境下只发现了与易用性的显著关系。[27]路易斯（Lewis）等人在一所大学进行的网络技术采纳实证研究中发现，这两种关系均存在。[28]根据以上分析和研究结论，本研究有两个假设。
假设6（H6）：个人创新性正向影响有用性感知，即个人创新性越高，有用性感知程度也越高。
假设7（H7）：个人创新性正向影响易用性感知，即个人创新性越高，易用性感知程度也越高。
（四）技术采纳阶段与个人特质的影响变化
个人特质在技术的不同采纳阶段上产生的影响可能是不同的，因为不同的采纳阶段对个人具备特质的要求可能是不同的，并且个人特质也并不是一成不变的。如曾经有研究发现，在技术实施的各个阶段，用户的自我效能水平是不同的，从知晓、说服、决策、应用到确认阶段，个人的自我效能将持续地增长。[29]因此，本研究的另一个目标是比较在不同采纳阶段个人特质的影响变化。
为了实现此研究目标，本研究参考了罗杰斯提出的个人创新采纳决策过程模型。在该模型中罗杰斯将个人采纳一项技术创新的决策过程划分为五个阶段，即知晓、说服、决策、应用和确认，其中决策和确认阶段是至关重要的。因为在决策阶段，潜在用户通过对创新技术的了解，决定是否采纳创新技术；而在确认阶段，用户通过一段时间的使用，决定是否在将来继续使用创新技术。因此本研究在探讨个人特质在不同采纳阶段的影响时，将关注的焦点放在决策和确认两个阶段。
正如本文提及的，为了实现研究目标，选择了两种类型的教师样本：试验使用者和正式使用者。试验使用者经过试用后有的可能会决定在教学中正式使用技术系统，有的可能会放弃使用，这一类教师正处于创新采纳过程的决策阶段；正式使用者经过一个阶段的使用，教师的态度可能会产生分化，有的教师可能会决定继续使用，而另一些教师可能会因为种种原因中止使用，这一类教师正处于确认阶段。本研究将使用这两个样本分别对研究模型和假设进行检验，并据此主要比较决策阶段和确认阶段教师个人特质的影响变化。
三、 研究方法
本研究采用了调查研究方法。调查问卷包括两部分：一部分是个人特征信息，包括性别、职称、年龄、学科背景及所处采纳阶段等信息；另一部分是变量的测量题项（24个），这些测量题项参考了信息技术采纳经典研究和其他相关的问卷，并根据本研究情景进行了修改，题项均采用利克特（Likert）5点量表法进行测量。
为了检验模型和假设并回答提出的问题，本研究以高校教师对BlackBoard网络教学系统的采纳为例，在五所不同类型的大学或学院进行了数据采集，使用统一的教育信息技术系统有助于被试在回答问卷时有一个共同的评价尺度。这五所大学包括一所教育部部属研究型大学（B大学）、两所省属教学研究型大学（S大学和Y大学）、一所省属跨校区教学型大学（L大学）和一所省属高等职业技术学院（J学院）。五所大学均引进了BlackBoard网络教学系统一年以上，并提倡全校教师采用该系统辅助全日制学生教学。问卷采集时间从2010年5月至2011年1月，每个学校的调查时间均在一个月左右。调查采用了网络问卷和印刷问卷相结合的方法，在样本的抽取上，有的学校采用了随机取样，有的学校为整群取样，还有的学校为分层取样，调查对象均为正在试验使用（对应决策阶段）或在教学中正式使用（对应确认阶段）BlackBoard系统的教师。五所学校共收回问卷672份，各校的回收率在40%~57%之间。剔除不完整或极端问卷后，共获得592份有效问卷。
592名被试的基本情况为：B大学的被试占总样本的25%，S和Y大学占20.8%，L大学占20.6%，J职业学院占33.6%，四类学校被试人数基本平衡；有16.2%被试在30岁以下，44.8%的在31~40岁之间，31.6%的在41~50岁之间，其他7.4%为51岁之上。职称结构为教授占10.6%，副教授占35.3%，讲师占42.9%，助教占8.6%，其他职称和没有明确写明职称的占2.6%。所有被试中具有人文社会科学背景的占50.8%，理工科背景的占49.2%，其中有4%具有多学科背景。30.4%的被试处于创新采纳的决策阶段，69.6%的处于确认阶段。
本研究的数据分析采用结构方程模型方法，软件工具为AMOS 17.0。
四、 数据分析结果
（一）测量模型分析
测量模型分析的目的是检验模型中变量测量的信度和效度。根据白格滋（Bagozzi）和易（Yi）的建议，选择了三个指标对其进行评估: 观测变量（即测量题项）的项目信度、潜在变量（即研究变量）的组合信度、潜在变量的平均变异抽取量。各指标的评估参数标准建议值为：观测变量的因子负荷在0.5~0.95之间，且p值小于0.05；[30]潜在变量组合信度大于0.6，潜在变量的平均方差抽取量大于0.5。[31] 另外，各测量模型还需要满足如下适配度指标：卡方值的显著性概率p>0.05、良适性适配指标（Goodness-of -Fit Index，简称GFI）>0.9、RMSEA<0.08。[32]
测量模型分析结果显示，易用性感知的PEU4题项因素负荷只为0.203，未达到建议值标准，删除该指标项后重新对易用性感知测量模型进行检验。最终分析结果显示：（1）卡方值的显著性概率p值均大于0.05；GFI值在0.987~0.997之间，均大于0.9；RMSEA值在0~0.04之间，均小于0.08，测量模型均被接受。（2）各观测变量（题项）项目信度在0.504~0.919之间，均大于0.5且多数超过了0.71，显著性概率p均小于0.001。说明各观测变量具有理想的项目信度。（3）各变量的组合信度在0.765~0.902之间，均大于0.6，说明各变量内部一致性佳，具有很好的信度。（4）各变量的平均变异抽取量在0.484~0.699之间，除自我效能变量为0.484，稍低外，均超过了0.5的建议值。由于自我效能的平均变异抽取量0.484与理想值0.5差异较小（为0.016），可视为基本可以接受。总体来说，各变量测量指标的信度和效度较为理想，可以进行结构模型检验。
（二）结构模型分析
本研究将全部样本分为正式使用者（对应决策阶段）和试验使用者（对应确认阶段）两部分，采用结构方程模型分析方法对研究模型进行分析，模型检验的方法为最大似然法。
结构模型各适配指标检验结果显示，采用正式使用者样本进行检验时，所有参数均达到了标准要求；采用试验使用者样本进行检验时，除AGFI稍小外，其他参数均达到了标准值。个别指标未达标准属于可接受范围。[33]采用两部分样本对模型进行检验的结果表明，整体而言两个模型契合程度均佳，可以接受。表1显示了几个关键参数的检验情况。
（三）假设检验结果
表2为对研究假设检验的结果。除假设3在两个样本都没有通过检验，假设7在正式使用样本（对应确认阶段）没有通过检验外，其他假设均得到了两个样本的数据支持。
注：路径系数栏括号内为该路径系数的显著性概率值，***代表小于0.001，**代表小于0.01，*代表小于0.05，不显著者直接标明了p值。
另外，采用试验使用者样本对模型进行检验时，有用性感知的复相关系数R2为0.23，易用性感知的复相关系数R2为0.43，说明自我效能和个人创新性可解释决策阶段教师的有用性感知方差的23%，易用性感知方差的43%。采用正式使用者样本对模型进行检验时，有用性感知的复相关系数R2为0.17，易用性感知的复相关系数R2为0.25，说明自我效能和个人创新性可解释确认阶段教师的有用性感知方差的17%，自我效能可解释易用性感知方差的25%。通过比较可以看出，自我效能和个人创新性对易用性感知的解释力要高于有用性感知，对决策阶段教师有用性感知和易用性感知的解释力要高于确认阶段。
五、研究结论与讨论
以往研究过分关注教育信息技术本身特性对采纳的影响，从而忽视了人和环境的因素，这种技术决定论思想受到批评。本研究重点关注了自我效能和个人创新性两个个人特质的作用，数据分析结果如图2所示（图中×号表示假设检验未通过）。
（一）自我效能的影响
根据社会认知理论，自我效能反映了个人对自己使用技术完成任务的信心程度。有研究发现自我效能对教育信息技术使用意向有直接的影响。[34] [35]但本研究的数据分析得出不一样的结论，即无论是对决策阶段的教师还是对确认阶段的教师，自我效能对持续使用意向均没有直接影响。
自我效能是一个复杂的概念，马拉卡斯（Marakas）等人[36]和阿格沃尔等人[37]将计算机自我效能区别为一般自我效能（General Computer Self-efficacy）和特定任务自我效能（Task-specific Computer Self-efficacy），认为这两种自我效能对行为的影响是不同的。一般计算机自我效能是个人对多种计算机应用领域的效能感，而特定任务自我效能是个人对完成与计算机相关的特定任务的效能感，一般计算机自我效能是特定任务计算机自我效能的积累。本研究对自我效能的定义是教师使用任意网络教学系统完成教学任务的信心程度，比较类似于一般计算机自我效能感。而帕克、常和唐对自我效能的定义接近于特定任务的计算机自我效能，这可能是造成结论不一致的原因。[38] [39]
虽然没有发现自我效能对持续使用意向的直接作用，但数据分析表明，教师对网络教学系统使用的自我效能会正向影响有用性感知和易用性感知，并且两个阶段的影响程度是同等的。这就意味着自我效能可通过有用性感知和易用性感知间接影响持续使用意向。自我效能对有用性感知和易用性感知的影响可以从社会学习/认知理论得到解释。班杜拉（Bandura）认为：“人们对结果的预期很大程度上来自自己是否具备从事必要行为的能力的判断。”[40]也就是说，当人们感到能够成功地掌控某一技术时，往往会对技术形成较高的结果预期（Outcoms Expectation）；相反，当人们感到不能掌控技术时，更可能对其形成较低的结果预期。[41]这里结果预期的定义为：人们认为由于使用技术而带来的潜在的结果，类似于有用性感知的概念。具体到本研究，如果教师对网络教学系统的自我效能越高，越有可能认识到系统的有用性，从而形成较高程度的有用性感知，最终产生积极的持续使用意向。
关于自我效能对易用性感知的正向影响，社会认知理论的解释是：教师的自我效能越高，越有可能面对新技术使用带来的挑战，在困难面前更能坚持自己的行为并作出更大的努力，从而减轻了技术的困难感，亦即提高了易用性感知。而教师的自我效能越低，在技术使用上越有可能产生心理压力，将注意力更多地转向可能失败或不利结果，导致不愿意付出努力采用技术有效地实现教学目标，从而加剧了对困难的畏惧，也就是降低了易用性感知。
本研究的这一结论与以往一些研究结论是一致的，如帕克发现，教师的自我效能直接影响对技术的相对优势和复杂性的感知[42]（类似与本研究的有用性感知和易用性感知）；皮塔克和李发现学习者的自我效能会直接影响对技术的易用性感知；[43]廖（Liaw）发现学生的自我效能会直接影响他们对BlackBoard系统的满意度和易用性感知。[44]
（二）个人创新性的影响
本研究发现，对于决策阶段的教师来说，个人创新性既正向影响有用性感知，也正向影响易用性感知；而对确认阶段的教师来说，个人创新性只正向影响有用性感知，对易用性感知的影响不显著。
个人创新性是指教师愿意尝试创新技术的倾向，它与人的内部动机有关，这种内部动机实际上反映了一种好奇心。斯基尔沃特等人认为，具有创新性的人往往会更迅速地发现系统的有用性和易用性，[45]这些人喜欢收集关于新技术的消息，他们知道当前哪种技术更好，所以更加了解这些技术的潜在价值。[46]作为个人的一种相对稳定的特质，个人创新性引起个人在技术上的“冒险”倾向。采用复杂的教育信息技术（如网络教学系统）进行教学，某种意义上也是一种“冒险”行为，一方面由于技术的使用可能会提高教学和学习质量，另一方面也可能会降低教学和学习质量。个人创新性越强的教师更有可能愿意体验一项新的技术，以寻求更多的机会提高自己的教学或学生的学习。所以决策阶段，个人创新性对有用性感知和易用性感知都表现出显著的正向影响。
当进入确认阶段后，因为大多数教师都已一定程度上了解了创新，不管他们是否具有较强的个人创新性，他们都在体验技术在教学中的应用，都对易用性有了自己的认识，个人创新性对易用性感知上的优势也就消失了。因此，在确认阶段，个人创新性对易用性感知不再有显著影响。而那些个人创新性强的人，在技术的有用性探索上仍然具有优势，所以确认阶段个人创新性对有用性感知的作用依然存在，尽管有所减弱。
在以往研究中，路易斯等人发现个人在信息技术上表现出来的创新性既影响有用性感知，也影响易用性感知；[47]而斯基尔沃特等人[48]和埃里克（Erik）等人[49]的研究只发现个人创新性对易用性感知的显著关系。由于他们在研究中没有明确报告技术创新使用所处的阶段，根据本研究的结论也许可以推测，在他们的研究中用户对技术的使用可能处于早期阶段，所以个人创新性会对易用性感知产生显著的影响。
六、研究的理论贡献和实践意义
本研究的主要理论贡献在于在中国高等学校背景下实证探讨了个人特质对教育信息技术采纳的影响，发现自我效能和个人创新性只是教师技术采纳的间接影响因素，并且对处于不同采纳阶段（决策阶段和确认阶段）的教师来说，个人创新性的影响存在明显差异。
本研究的结论在进一步丰富创新采纳和扩散理论的同时，还启示我们，在教育信息技术实施的早期阶段，首先应选择那些自我效能和个人创新性比较高的教师率先使用技术创新，这样一方面教育信息技术创新的实施可有一个良好的开端，为大范围的广泛应用打好基础；另一方面，可以通过社群影响波及到其他教师，从而起到一个带头和示范作用。再者，对于那些自我效能相对较低的教师，应采取措施提高他们的自我效能，根据社会学习理论的观点，这些措施可包括从小做起增加其本人技术使用的成功经验，观察与其类似的教师的成功经验，言语鼓励劝说，降低其技术焦虑等。
[参考文献]
[1] Davis, F.D. Perceived Usefulness, Perceived Ease of Use And User Acceptance of Information Technology[J].MIS quarterly, 1989, （13）:319～340
[2] 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）:982～1003.
[3] Davis, F.D. & Venkatesh, V.A.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.
[4] Wood, R. & Bandura, A. Social Cognitive Theory of Organizational Management[J].Academy Of Management Review,1989, 14（3）, 361～384.
[5] [40] Bandura A. Reflection on Self-Efficacy[Z]. In Advance in Behavioral Research and Therapy （1）,S.Rachman（Ed）, Pergamon Press, Oxford, England,1978.237～269.
[6] Bandura, A. Self-Efficacy Mechanism in Human Agency [J].American Psychologist, 1982,37（2）：1122~1147.
[7] [9] Rogers, E.M. Diffusion of Innovations [M].the Free Press, New York，1983.1995.
[8] Midgley，David. F. & Dowling，Grahame R. Innovativeness: The Concept and Its Measurement[J]. Journal of Consumer Research,1978，（4）:229~242.
[10] Moore， Gray C. End User Computing and Office Automation: a Diffusion of Innovations Perspective[Z].INFO. 1987, 25（3）:214~235
[11] [25] [27] [45] [48] Schillewaert, N., Ahearne, M. J., Frambach, R. T., & Moenaert, R. K. The Adoption of Information Technology in the Sales Force [J]. Industrial Marketing Management, 2005,（34）:323~336.
[12] [24] Agarwal, R., & Prasad, J. A Conceptual and Operational Definition of Personal Innovativeness in the Domain of Information Technology [J].Information Systems Research, 1998,（9）:204~215.
[13] Bommer, M., & Jalajas, D. S. The Threat of Organizational Downsizing on the Innovative Propensity of R&D Professionals [J]. R&D Management, 1999,（29）:27~34.
[14] Thatcher, J. B., & Perrewe′, P. L. An Empirical Examination of Individual Traits as Antecedents to Computer Anxiety and Computer Self-Efficacy [J].MIS Quarterly, 2002,（26）:381~396.
[15] Faseyitan, S., Libii J. N, & Hirschbuhl, J. An In-service Model for Enhancing Faculty Computer Selfefficacy[J].British Journal of Educational Technology，1996，（27）:214~216.
[16] Tinnerman, L.S.University Faculty Expressions of Computer Self-Efficacy and Personal Attitudes Regarding the Viability of Distance Learning [D].Ph.D.Dissertation, Indiana University of Pennsylvania，2007.
[17] [23] Zhen，Y., Garthwait，A., Prat,A. Factors Affecting Faculty Members’ Decision to Teach or not to Teach Online in Higher Education[J].Online Journal of Distance Learning Administration, Xi（3），2008.
[18] [34] [38] Park, H. Factors That Affect Information Technology Adoption by Teachers [D].University of Nebraska，2004.
[19] [35] [39] Chang, S.C., Tung, F.C. An Empirical Investigation of students’ Behavioural Intentions to Use the Online Learning Course Websites [J].British Journal of Educational Technology, 2008,39（1）:71~83.
[20] [42] Park, B. Faculty Adoption and Utilization of Web-Assisted Instruction （WAI） In Higher Education: Structural Equation Modeling （SEM） [D].Ph. D. Dissertation，2003.
[21] [43] Pituch,K.A., Lee, Y.K. The Influence of System Characteristics on E-Learning Use[J].Computers & Education,2006,（47）:222～244.
[22] [44] Liaw, Shu-Sheng. Investigating Students’ Perceived Satisfaction, Behavioral Intention, and Effectiveness Of E-Learning: A Case Study of the Blackboard System [J].Computers & Education, 2008,51:864~873.
[26] [46] Robinson, L., Marshall, G. W., & Stamps, M. B. Sales Force Use of Technology: Antecedents to Technology Acceptance [J]. Journal of Business Research, 2005,（58）:1623~1631.
[28] [47] Lewis, W., Agarwal, R., & Sambamurthy, V. Sources of Influence on Beliefs about Information Technology Use: An Empirical Study of Knowledge Workers [J].MIS Quarterly, 2003,（27）:657~678.
[29] Watson, C.E. Self-Efficacy, the Innovation-Decision Process, and Faculty in Higher Education: Implications for Faculty Development [D].Ph. D. Dissertation，2007.
[30] Hairs, J. F., R. E. Anderson, R. L.Tatham and W. C. Black. Multivariate Data Analysis[M].New York: Macmillan, 1998.
[31] [32] [33] 吴明隆 .结构方程模型——Amos的操作与应用[M].重庆：重庆大学出版社，2009.
[36] Marakas, C.M., Yi, M.Y., and Johnson, R.D. The Multilevel and Multifaceted Character of Computer Self-Efficacy: toward Clarification of the Construct and an Integrate Framework for Research [J].Information System Research, 1998,9（2）:126~163.
[37] Agarwal, R., Sambamurthy, V., and Stair, R.M. The Evolving Relationship between General and Specific Computer Self-Efficacy—an Empirical Assessment [J].Information System Research, 2000,11（4）:418~430.
[41] Compeau, D.R., C.A. Higgins and S.L. Huff. Social Cognitive Theory and Individual Reactions To Computing Technology: A Longitudinal Study, [J].MIS Quarterly, 1999, 23（2）:145~158.
[49] Erik, M., Van Raaij, Jeroen, J.L., & Schepers. The Acceptance and Use of a Virtual Learning Environment in China [J].Computers & Education, 2008,（50）:838~852.