基于TAM和TPB整合模型的峨眉武术线上学习影响研究_唐玉栋.pdf

体育科技2022 年（第 43 卷）第 6 期125基于 TAM 和 TPB 整合模型的峨眉武术线上学习影响研究基于 TAM 和 TPB 整合模型的峨眉武术线上学习影响研究唐玉栋1王庆国2（1.内江师范学院，四川 内江 641100；2.肥城市湖屯镇初级中学，山东 肥城 271613）36Research on the Influence of Emei Wushu Online Learning Based on the Integration Model of TAM and TPBTANG Yudong,etal.(Neijiang Normal University,Neijiang 641100,Sichuan,China)摘要:摘要:为探究影响高校大学生线上学习峨眉武术的因素，构建了高校大学生峨眉武术线上学习意向影响因素模型，开发新的量表对内江师范学院普修大学体育峨眉武术课的学生进行了问卷调查，并使用 SPSS 24 和 Smart PLS3 对回收的问卷数据进行了分析。结果发现：行为态度和行为控制是影响高校大学生线上学习峨眉武术（即行为意向）的主要因素；有用性感知和易用性感知都对行为态度有正向的影响。基于结论有针对性地提出了促进高校大学生进行峨眉武术线上学习的建议。关键词：关键词：峨眉武术；学习和锻炼；技术接受模型；计划行为理论；基金项目：内江师范学院教改项目，项目编号：JG202004。作者简介：唐玉栋（1984），博士，研究方向：体育教学与管理。峨眉武术起源于先秦时期，有着两千多年的悠久历史1，不仅具有健身、强身的体育功能，还具有独特的地域文化内涵和传统文化价值2。但由于峨眉武术历代传授方法注重口传身教，很多峨眉派的功法、拳术、套路已经失传，峨眉武术很多拳法面临极度濒危状况3。2008 年 6 月，峨眉武术被国务院列为第二批国家级非物质文化遗产名录4，国家体育总局对峨眉武术的挖掘整理发现，峨眉武术共有 68 个拳种和门派，1093 个徒手套路，518 个器械套路，41 个对练套路，276 个练功方法和 14 个技击项目5。峨眉武术的挖掘与保护得到了国家的重视后，峨眉武术的传播也逐渐从民间步入学校。早在 1993 年，汪健先生率先创办了“乐山大佛文武学校”，使峨眉武术首次步入了学校课堂6。近年来，各地方政府纷纷推进峨眉武术进校园活动710。2019 年，中共四川省委宣传部、四川省教育局与四川省体育局三部门联合印发了 四川武术文化传承发展工程实施方案 的通知，明确提出实施青少年“能文能武”培养计划，推进传统武术项目进校园11。内江师范学院在峨眉武术的推广方面取得了比较优秀的成果，现为四川峨眉武术文化普及基地以及教育部中华优秀传统文化峨眉武术传承基地，其峨眉武术教学团队创编了两套峨眉武术套路作为大学体育的必修项目。在疫情期间，内江师范学院体育学院遵从国家“停学不停课”的指导方针，积极采用微信、QQ、钉钉等线上教学平台进行峨眉武术课程的教学。但是，学生对于线上峨眉武术学习的态度是什么？什么因素影响了高校大学生线上峨眉武术的学习呢？经过查阅资料发现，目前还没有相关的研究。因此，本文选择从这一角度出发，基于技术接受模型和计划行为理论，构建了峨眉武术线上学习意向影响因素模型，分析影响大学生线上学习峨眉武术的因素，以期为峨眉武术在学校的推广提出合理的建议。1 理论框架1 理论框架1.1 理论框架（与上级标题相同，建议修改）技术接受模型（TAM）和计划行为理论（TPB）是两个经典的采纳理论，有学者提出用二者的整合模型可能会带来更强的解释能力。陈小燕（2020）通过实证研究发现，两个模型相结合所构成的综合模型能更好地解释用户使用运动手环的意图12，这也成为本研究构建综合模型的理论依据。1.1.1 技术接受模型（TAM）技术接受模型是 Davis 根据理性行为理论，研究客户对信息系统的接受程度时所提出的模型，目的是解释说明影响计算机系统广泛接受的决定性因素13。技术接受模型见图 1。图 1 技术接受模型1.1.2 计划行为理论（TPB）Icek Ajzen 在理性行为理论的基础上增加了“行为控制”，发展为新的行为理论，称为计划行为理论14，其模型见图 2。图 2 计划行为理论模型感知有用性感知易用性外部变量想用态度行为意向系统使用行为意愿行为态度实际行为主观规范行为控制SPORT SCIENCE AND TECHNOLOGY Vol.43，NO.6.2022DOI:10.14038/ki.tykj.2022.06.006体育科技2022 年（第 43 卷）第 6 期1261.2 模型的假设本研究基于技术接受模型以及计划行为理论模型，并结合有关体育锻炼行为的研究成果，构建了高校大学生峨眉武术线上学习意向影响因素模型，如图 3 所示：其中行为态度是有用性感知和易用性感知的因变量，行为意向是自变量主观规范、行为态度和行为控制的因变量。有用性感知指高校学生感知到的峨眉武术在健身和娱乐身心等方面的有用程度。而学生感知到的进行峨眉武术线上学习的难易程度称为易用性感知。因此，根据模型的变量之间的相互关系提出以下假设：假设 1：有用性感知正向显著影响行为态度；假设 2：易用性感知正向显著影响行为态度；假设 3：易用性感知正向显著影响易用性感知。图 3 高校大学生峨眉武术线上学习意向影响因素模型行为态度指学生在学习峨眉武术后对峨眉武术做出的正向或负向的评价。主观规范指学生在线上学习峨眉武术后感受到的压力。行为控制指学生感知自己进行峨眉武术线上学习的难易度。行为意向指学生愿意在今后进行峨眉武术线上学习的程度。根据计划行为理论变量间的关系，提出以下假设：假设 4：行为态度正向显著影响行为意向；假设 5：主观规范正向显著影响行为意向；假设 6：行为控制正向显著影响行为意向。2 研究设计2 研究设计2.1 研究对象本研究对象是影响高校大学生峨眉武术线上学习的因素，调查对象为 2019-2020 年第二学期线上学完峨眉武术课程的大一、大二学生。2.2 研究方法2.2.1 专家访谈法在查阅相关文献资料后，与体育学院的专家教授进行讨论，确定问卷题项，并对问卷中问题的表述进行修改。2.2.2 数据分析法使用 SPSS 24 以及结构方程分析软件 Smart PLS 3 对问卷回收的数据进行分析，验证本研究所用问卷的信效度以及模型中变量的相互影响。2.3 研究步骤基于体育锻炼领域的研究成果，编制了本研究的初测问卷。初测问卷总共包括 24 个题项，模型的变量如表 1 所示。问卷评分使用的是李克特 5 级量表，使用问卷星进行问卷的发放，学生根据自己的实际情况对问卷中问题的陈述进行评分，非常不同意 1 分，非常同意 5 分。使用 SPSS24 检验问卷的信效度，使用 Smart PLS 3 对构建的模型进行分析。从发放问卷到关闭问卷的填写功能，总共有 853 名学生填写了问卷，对 853 份问卷数据进行数据检查以及预处理后，总共剩余有效问卷604份。本研究将604份有效问卷数据按照奇、偶数平均分成两组，第一组数据用于探索性因子分析，第二组数据用于确认性因子分析以及模型的检验。表 1 模型的潜变量及测量变量潜变量测量变量题号潜变量测量变量题号有用性感知了解武术文化内涵Q1主观规范教师认为应该学习峨眉武术Q13能够提高身体素质Q2家长认为应该学习峨眉武术Q14能提高班级凝聚力Q3好友认为应该学习峨眉武术Q15能够放松身心Q4我的同学在学习峨眉武术Q16易用性感知线上学习峨眉武术容易Q5行为控制自己决定是否进行峨眉武术线上学习Q17容易找到练习的伙伴Q6学习峨眉武术不会占用很多时间Q18技术动作容易掌握Q7很容易掌握峨眉武术的练习方法Q19线上学习的渠道方便Q8拥有良好的身体状况以进行练习Q20行为态度线上教学课程安排合理Q9行为意向期待进一步参加峨眉武术活动Q21认为峨眉武术有趣Q10会继续参与峨眉武术的学习Q22认为喜欢峨眉武术Q11乐意宣传和提倡峨眉武术运动Q23能够积极参与学习Q12推荐其他人学习峨眉武术Q243 研究结果3 研究结果3.1 信度、效度分析本研究使用第一组数据，通过 SPSS24 分析了问卷的信度，将 Cronbachs系数做为检验信度的指标。分析结果显示，问卷整体以及各维度的 Cronbachs系数都高于 0.7，表明问卷整体和各维度都有较高的信度。表 3 列出了问卷信度检验结果。问卷的效度使用结构效度来检验。理论模型中，易用性感知和有用性感知是影响行为态度的两个因变量，总共包括8 个题项，KMO 检测结果为 0.873，说明可以做探索性因子分析。对这 8 个问题进行了探索性因子分析之后，发现 Q8在两个维度的载荷都高于 0.5，因此，删除 Q8 后重新进行因子分析，得到两个因子，累计方差为 65.559%，因此可以提取两个因子，结果如表 4 所示。表 3 问卷的信度检验维度整体易用性感知有用性感知行为态度主观规范行为控制行为意向系数0.9610.8180.7780.8680.7440.8810.887SPORT SCIENCE AND TECHNOLOGY Vol.43，NO.6.2022体育科技2022 年（第 43 卷）第 6 期127表 4 行为态度影响因子旋转成分矩阵题项因子12Q2.793Q3.790Q4.753Q1.743Q5.844Q7.822Q6.627方差贡献率%37.03328.525累计方差%65.559模型中，行为态度、主观规范和行为控制共同影响行为意向。因此对涉及的题项进行了抽取 3 个因子的探索性因子分析，发现 Q13 在两个因子的载荷都高于 0.5，因此删除 Q13后重新进行分析，得到 3 个因子，结果如表 5 所示，3 个因子累计方差变异为 70.935%，因此可以提取三个因子。对行为意向的题项进行分析，发现KMO值为0.837，提取到一个因子，解释总体方差变异为74.879%，说明行为意向一个因子能够解释大部分测量题项。从以上分析可以看出，删除题项 Q8 和 Q13 后形成的问卷，具有较好的效度。表 5 行为意向影响因子旋转成分矩阵题项因子123Q20.828Q17.826Q18.763Q19.711Q12.807Q9.787Q11.740Q10.738Q14.773Q15.745Q16.676方差贡献率%26.26425.75618.915累计方差%70.9353.2 模型的检验3.2.1 测量模型分析（验证性因子分析）在结构模型分析前，使用 Smart PLS 3 对模型进行了验证性因子分析，来验证测量变量是否能够很好地度量潜变量。本研究使用 Cronbachs和组合信度(CR)来进行模型的信度分析，分析结果如表 6 所示。从表 6 可知，除了主观规范维度的 Cronbachs值略低于 0.7 外（0.676），其他几个维度的 Cronbach s值都高于 0.7，说明模型具有较好的内部一致性。模型各维度的 CR 值范围在 0.822 到0.928 之间，说明测量变量能够很好地代表潜变量。根据Cronbachs和 CR 的分析，说明构建的模型的信度比较好。本研究分别检验了模型的聚合效度和判别效度。聚合效度使用 Average Variance Extracted(AVE)和 Out loading来检测。从表 6 看出，22 个题项的 Out-loading 值的范围都在0.7530.894之间，都高于Hair建议的0.7的标准值，各维度的 AVE 值在 0.6070.764 之间，都大于标准值 0.523。因此，可以看出模型的聚合效度较好。判别效度则采用比较各维度的 AVE值与其他维度的相关系数来判断两个维度的区分程度。从表 7 可以看出，模型中各维度的 AVE值都大于与其他维度的相关系数，表明模型具有很好的判别效度24。表 6 确认性因子分析结果潜变量测量变量OutloadingCronbachsCRAVE易用性感知Q10.7720.7660.8640.679Q20.795Q30.793Q4