在线学习平台社交化对大学生持续使用意向的影响

卢宏亮，梁安然，李卓君

（东北林业大学经济管理学院，黑龙江哈尔滨150040）

一、引言

网络社交化的影响已经持续了若干年，它改变了大众对社交的传统认识，催生出很多创新性社交媒体平台。与此同时，社交化趋势也在向其他领域渗透，全方位地影响着大众认知，依托于网络实时性、广泛性得以快速发展的在线教育行业也卷入了社交化浪潮。在线学习又称为在线教育，它一般是指基于网络的学习行为，是以网络为介质的教学方式，其所依托的平台就是在线学习平台。当前的在线学习平台覆盖了从学前教育到高等教育再到企业（职业）培训等多种教育领域（钱瑛，2015）[1]，在线学习改变了传统的教育模式和学习方式，使教育资源能够更方便、更全面地为人所用。但在线学习平台的发展仅仅依靠教育资源是不够的，社交化趋势成为新的突破点，谁能通过社交化过程把握用户，谁就拥有最大的竞争优势。于是，师生、生生之间有了更全面、复杂的资源和信息交换，衍生出用户之间的社会化互动及社交化情感，从而实现了平台功能的社交化。

《中国互联网络发展状况统计报告》的数据显示，我国的网民规模在不断扩大，2017年网民人数达到7.51亿人，其中，20～29岁的年轻人是网民主力军。近年来，高等学历、职业在线教育市场呈现扩张态势。从大学生及职业用户群体等网民主力军来看，他们正处于从校园人到社会人的过渡阶段或者刚刚完成过渡，时间相对自由且自我投资意识强烈，可以自主使用在线学习平台，且有大量的碎片时间可供在线学习。对于这些网络用户来说，无论是在虚拟网络还是在现实生活中，社交都占据了重要地位。

在线学习平台社交化是指学习中的交互行为，即用户基于平台社交功能的开发，实现社交化互动。在线学习平台的社交化会对用户群体产生由内至外的影响，这样的社交化趋势既实现了对现有平台资源、功能的补充，又改变了教育主客体之间以及客体与客体之间的学习、交流方式，不仅使学习变得更自由，而且密切的交流也带来更多的资源共享。在线学习不再是单纯的“自主学习”，而是分化为“分享学习”“反馈学习”“监督学习”等多种模式。不断拓展的社交关系网可以增加用户黏度，影响用户的学习过程和学习效果。如果用户的社交功能体验良好，即期望被满足，用户对平台社交化的感知有用性就会提高，其学习中的社交倾向就会进一步增强，用户的持续使用意向也就会随之改变。

在线教育市场竞争激烈，如何把握和留住用户成为在线平台建设的重点。各大平台都在研究如何激发学生的自主学习热情，将普通用户转化为忠诚用户，开辟新的商业模式，从而创造更大的价值。基于此，本文将针对在线学习平台社交化对大学生用户持续使用意向的影响进行研究，从客户的视角切入，深入挖掘可开发的利益点，探索在线学习平台建设及社交化的新路径。

二、文献综述

社交型在线学习平台是不同于传统在线学习平台的新技术。对于新技术为什么会被人们采纳的成因，我们运用技术接受理论，从扩散、行为、任务-技术拟合三个视角进行解释。扩散理论可以解释和预测为什么以及如何采纳技术，行为理论涉及技术对个体接受意愿的影响以及技术使用有效性等内容，任务-技术拟合理论更多地考虑了情境因素及其整合。目前，学者们对新技术持续使用意向的研究主要是基于行为视角。在行为研究中，Davis（1989）[2]提出的 TAM（Technique Acceptance Model，简称TAM）被认为是该领域的核心内容。TAM在改进Fishbein和Ajzen（1975）[3]提出的理性行为理论（Theory of Reasoned Action，TRA）的基础上，以用户的信念、态度、行为意向等解释和预测人们对信息技术的接受程度，成为研究信息系统使用率的理想模型。该模型中有两个关键变量，即感知有用性和感知易用性，它们会影响个体的技术使用意向。感知有用性是指个体认为使用某种技术提高其工作业绩的程度，感知易用性是指个体在完成预期目标过程中的态度。具体来说，感知易用性是主体对使用新技术是否免费的认知（Davis，1989）[2]。Nielsen（1993）[4]认为，用户对技术使用的努力程度与他们使用技术的能力直接相关。可以说，TAM提供了一个针对不同技术广泛接受度的理论模型，该模型一直是预测和解释行为的有效工具。但是，TAM也存在缺陷，它只研究了用户的主观感知因素，忽略了客观及外部因素。因此，该模型存在优化的空间。Venkatesh等（2003）[5]拓展了TAM并从相关模型中引入了新变量（如信念），检验了前置因素和调节因素对有用性和易用性的影响，形成了统一的技术接受和使用理论（Unified Theory of Acceptance and Use of Technology，UTAUT）。前置构念包括绩效预期、成就（或努力）期望、社会影响和促进条件等。本文沿用UTAUT的思路，引入主观规范及期望确认因素来优化TAM模型。

在线学习平台是典型的依托于现代网络技术的信息系统。在线学习中的社交化是指学习者在线学习过程中基于关系网络进行的分享资源、介绍经验、交流思想、寻找合作伙伴、参加兴趣小组等一系列行为的集合，是具有学习目的性的社会交互行为（钱瑛，2015）[1]。在线学习平台社交化的影响和价值需要以用户的持续使用意向来体现，在线学习平台的系统设计特征通过TAM的感知有用性、感知易用性对用户态度、信念及满意度产生重要的影响（朱多刚和郭俊华，2016）[6]。

系统设计特征即在线平台自身的功能效用具体表现为在线学习平台用户的社交化互动，进而产生信息资源流动。社交化互动是指学习中的交互行为，即用户利用平台提供的交互功能实现社交化互动。Janssen等（2010）[7]指出，当学习者具备认知能力时，协作学习就显得尤为重要。Larusson和Alterman（2009）[8]认为，学生在完成作业时使用社交媒体对其学习效果具有积极的影响。Zhu（2012）[9]在一个关于维基百科协作学习的测试中发现，社交化对善于学习的学生有着积极的影响。可见，如果社交功能体验良好，能够满足用户的学习需求，其对平台社交化的有用性感知就会增加，学习中的社交倾向也会进一步增强。除了社交化互动以外，社交化的另一个重要特征是社交型愉悦，它同样会影响用户的感知和意向。社交型愉悦是指用户对信息系统社交特征所带来的愉悦性的感知。早在互联网应用之初，Eighmey 和 McCord（1998）[10]就发现感知愉悦性对用户的上网选择具有积极的影响。Curran和Meuter（2007）[11]认为，自助服务技术的采用受到了感知愉悦性的强烈影响。白玉（2017）[12]对学术虚拟社区持续意愿的影响因素进行了研究，发现感知有用性和感知易用性对用户持续使用意愿具有重要影响，而感知娱乐性会对用户意向产生正向作用。Curran 和 Lennon（2011）[13]研究发现，用户使用社交媒体的态度和意图主要取决于他们在使用社交媒体时感受到的愉悦程度。

综上所述，现有的技术接受理论众多，研究视角和使用情境各不相同。在众多的模型中，TAM是较为权威的理论模型，但技术接受理论无法全面阐释用户持续使用意向的影响因素。在信息系统持续使用模型中，系统设计变量会对用户的感知产生影响，而用户的感知直接影响用户的使用意向，因此，TAM可以与系统设计特征无缝对接起来。目前关于在线学习平台的研究还较少，针对其社交化系统特征的研究更是凤毛麟角。本文将从社交化互动和社交愉悦性这两个系统特征出发，将系统特征设计与统一的技术接受理论结合起来，对在线学习平台社交化从内在到外在、从主观到客观、从认知到情感、从意向到期望进行全面衡量，以实现要素与维度的拓展。

三、理论模型与研究假设

（一）社交化互动与感知有用性

在线学习中的社交化是指用户以学习为主要目标，利用学习过程中构建的社会关系网络进行资源占有和共享。社交化互动可以在如下方面增强用户对平台有用性的感知：一是在线平台社交化可以扩大社交网络规模，用户通过寻找学习伙伴、参加讨论小组等交流活动，扩大“朋友圈”，而用户之间的转发、资源分享等促进了课程内容的社交化传播，从而实现了更大范围的信息交流，降低了知识和信息的获取成本；二是在线社交平台社交化可以加快互动频率，提升关系质量，即用户通过主题研讨、经验交流、思想碰撞等形成在线用户黏性，增强获得感和平台有用性感知；三是用户通过对课程内容或伙伴学习行为进行评论、点赞，强化了在线社群意识，提升了用户卷入度；四是用户通过在线学习平台建立的联系，如利用QQ、微信等即时通讯工具以及手机通讯、面对面交流等线下方式实现了“全通道”互联互通，使信息发出者与接收者形成自组织和网络化交流，提高了用户的感知有用性。

Anderson 等（2010）[14]认为，在线社交环境能够使用户更好地与同伴交流学习、解决问题，或以协作方式组织社交活动。社交化对善于学习的用户有着积极的影响，其与成员一起讨论文章、发表成果、提出问题并收到反馈等（Zhu，2012）[9]。用户的社交化互动也会影响其学习效果，如果互动过程体验良好，个体对平台社交化的感知有用性就会提高，其学习中的社交倾向会进一步增强（杨根福，2016）[15]。基于以上分析，本文提出如下假设：

假设1：社交化互动对感知有用性具有正向影响。

（二）社交愉悦性与感知有用性

用户对在线学习平台的感知愉悦是指个人对平台工具所带来的愉悦性的判断，社交型愉悦则是指对在线学习平台社交特征所带来的愉悦性的认知。社交愉悦性体现了用户的情感变化，是一种心理需求，表现为在线学习平台社交化带给用户的主观愉悦程度 ，反映了用户的情感偏好。Curran和Lennon（2011）[13]认为，用户使用社交化平台的态度和意图主要取决于他们在使用该平台时感受到的愉悦程度，当用户对社交型学习产生愉悦感时，其更倾向于继续使用这项服务。

用户的社交愉悦感不仅源于获取新知识后的兴奋，还可能与平台上志同道合的伙伴一起学习有关。学习者为了学习知识聚集成在线社群，在利用信息互通建立功能连接的同时，通过打卡、奖励、评论、点赞等实现成员之间的相互鼓励和监督。学习之余，学习者通过社交功能缓解学习压力，建立情感信任，扩大交流范围，形成情感共鸣。Venkatesh等（2000）[16]认为，在社交化工具使用的中后期，愉悦性情感因素会对用户感知和意向产生重要影响。基于以上分析，本文提出如下假设：

假设2：社交愉悦性对感知有用性具有正向影响。

（三）社交愉悦性与期望确认

期望确认是指用户使用在线工具前的预期于使用后得到确认的程度。用户在使用产品前会产生某种预期，使用后再进行不同程度的确认，如超过、达到或未达到等。社交愉悦性不仅体现在情感方面，还与需求的满足程度有一定的关系。用户在进入在线学习平台之前可能以获取信息或解决问题为主要预期目标，而在平台上进行了用户之间的社交型学习之后，其可能有了意想不到的收获。社交型学习将枯燥的学习过程社交化和娱乐化，用户在获取信息的同时还交到朋友，获得情感支持，甚至实现了自我（如通过小组研讨表现自己），这些情感收益在非社交化学习平台上是无法实现的，这些体验都会好于用户的期望。基于以上分析，本文提出如下假设：

假设3：社交愉悦性对期望确认具有正向影响。

（四）期望确认与持续使用意向

持续使用意向是指用户继续使用社交型在线学习平台的动力，它直接影响用户对在线平台的使用行为。持续使用意向越坚定，使用行为就越可持续，因此，持续使用意向是本文模型构建中的结果变量。高芙蓉（2010）[17]认为，改变期望的确认程度会影响用户的持续使用意向。当期望确认程度较高（即使用社交型在线学习平台获得的收益超出预期效果）时，用户的满意度提升，愿意继续使用该平台；反之，当期望确认程度较低时，用户的满意度会降低，持续使用意愿也会减弱。Bhattacherjee（2001）[18]发现，期望确认是影响用户满意度的重要因素，而满意度是忠诚度的重要前置因素，持续使用是忠诚的一个重要维度。基于以上分析，本文提出如下假设：

假设4：期望确认对持续使用意向具有正向影响。

（五）主观规范与持续使用意向

主观规范是指用户的行为受到身边或者重要人物行为的影响，表现为他人对自身的期待。已有研究表明，当他人有能力奖励期望行为或惩罚“非行为”（non-behavior）时，个人更有可能满足他人的期望（Venkatesh 等，2003）[5]。当用户身边的人都开始使用在线学习平台或者利用平台开展社交活动时，其很可能会作出相同的选择。影响在线学习平台用户的重要参照群体包括平台其他用户、周围同事或同学等，这些人与用户之间存在直接或间接的联系，其对用户使用平台有着重要的影响。例如，当周围的同学或平台其他用户利用社交功能找到“梦寐以求”的学习资料，出于竞争或占有动机，跟上其他人的想法会驱使学习平台用户使用平台社交功能。基于以上分析，本文提出如下假设：

假设5：主观规范对持续使用意向具有正向影响。

（六）感知易用性、感知有用性与持续使用意向

感知易用性和感知有用性是TAM模型的两个核心变量。感知易用性是用户主观认为使用某一特定系统需要付出的努力程度，即工具的易用程度，而感知有用性是用户主观认为在线工具的有用程度。具体而言，有用性是指在线学习平台社交化所能达到的目的及产生的效果，即其能从多个方面影响用户的学习效果，进而影响其持续使用意向。Davis（1989）[2]认为，用户对 IT 工具的使用在很大程度上取决于他们感知到的有用性，用户所认知的系统有用程度越高，其使用系统的态度就越积极。同时，TAM确定了感知易用性与感知有用性之间的关系，即感知易用性越高，感知有用性也越高，这两者都会影响用户的持续使用意向。基于以上分析，本文提出如下假设：

假设6：感知易用性对感知有用性具有正向影响。

假设7：感知有用性对持续使用意向具有正向影响。

基于理论分析，本文建立了如图1所示的理论模型。该模型用社交性互动和社交型愉悦衡量在线学习平台的社交化趋势，这两个前置变量通过TAM中的感知有用性、感知易用性、期望确认等中介变量对用户的持续使用意向产生影响，主观规范变量是补充，它直接影响持续使用意向。

图1 本文的理论模型

四、研究设计与数据收集

（一）问卷设计

为了得到全面的数据，本文从内在和外在两个方面对在线学习平台用户感知及持续使用意向的影响进行调查，共涉及七个变量，其中，社交愉悦性、社交化互动是重点考察的前因变量，感知有用性、感知易用性、期望确认是中介变量，持续使用意向是因变量，而主观范式对持续使用意向有着直接的影响。

为了提高数据的科学性、有效性，本文在设计问卷时参考了前人的量表，并结合本次调查的需要，邀请其他研究人员对问卷提出修改建议，同时根据预调查结果修改了部分问题、选项及量表，得到了最终问卷。问卷由基本问题和量表两部分组成，模型的测量问项由里克特5度量表组成，1～5表示受访者的态度由弱到强。正式量表测量语句及出处见表1。

表1 变量设定及问题的对应情况

（二）数据收集

根据调查目的，本文将研究对象设定为使用在线学习平台的用户。根据百度提供的数据，54%的在线学习平台用户年龄为20～29岁，他们多数为在校大学生和职场人士，遍布全国，主要集中在经济较发达地区。基于样本特性和分布特征，本研究是以网络问卷调查为主，辅之以实体问卷和深入访谈调查。

本次调查问卷主要通过线上渠道发放，采取滚雪球抽样方式，通过朋友圈、QQ空间转发以及email直接邀请填写等，共发放350份问卷。其中，有效问卷为291份，有效率达到83.1%。

五、数据分析与结果

（一）描述性分析

本文主要研究在线学习平台社交化对用户群体的影响，故样本为使用过在线学习平台并受到社交化趋势影响的群体。本次调研中女性参与者占57.4%，男性参与者占42.6%，样本分布相对均匀，每个省份均有人群分布，黑龙江、北京、江苏、河北和河南为人群主要分布区，其占到总人数的62%。大部分样本用户从高中或大学开始接触在线学习平台，使用经验一般。分类统计显示，除了一些强制使用的平台外，“中国大学MOOC”“网易云课堂”“扇贝单词”“百词斩”的整体使用率较高。另外，南方省份用户的在线学习更倾向于参与社交性互动，社交动机强烈。

（二）信度与效度分析

信度是指测量结果即数据的一致性或稳定性程度。一致性主要反映问卷题目之间的关系，考察各个题目是否测度了相同的内容或特质。稳定性是指一份问卷对同一群受试者进行不同时间的重复测量后结果间的可靠性，如果问卷设计合理，重复测量的结果间应该高度相关。由于本次调查未进行多次测量，故我们主要采用反映内部一致性的指标测量数据的信度。本文采用克朗巴哈（Cronbach）α系数测量信度的结果如表2所示。

表2 信度分析结果

从表2的结果来看，计量维度的内部一致性系数大于0.7，这是可以接受的。因此，研究结果是较为可靠的。

效度（validity）是指测量工具能够正确测量出待测特质的程度，它可以分为内容效度（content validity）、效标效度（criterion validity）和结构效度（construct validity）三类。在实际操作过程中，内容效度和效标效度要求专家给出定性研究或是拥有公认的效标测量，这些条件本文难以满足，而结构效度的测量较易实现。本文进行了KMO检验和巴特利（Bartlett’s）球形检验，以验证各项目之间的共同性大小是否显著，检验结果如表3所示。

表3 KMO和巴特利球形检验

量表的KMO检验系数为0.988，大于最低检验系数标准0.5，而Bartlett’s球形检验P值小于0.001，说明量表具有结构效度，题项间存在共同因素。

（三）相关性检验

本文还对各个变量进行了相关性分析，得到变量之间的相关关系。由表4可知，各变量与持续使用意向均为正相关关系。

表4 相关性检验

（四）结构方程验证

1.模型拟合。本文使用AMOS 20.0软件，按照结构方程模型路径图的符号规则，绘出模型的因果关系路径图，并规定模型中每个潜在变量对应的测量指标中的一个系数为1（相当于规定潜在变量的度量单位与对应测量指标的单位相同），规定外生潜在变量、内生潜在变量的可测变量的测量误差系数为1，设置好因果关系路径。本文采用极大似然估计法进行估计，拟合优度采用似然比卡方、GFI、RMSEA检验等，以确定模型的拟合优度，详见表5。

表5 模型检验与拟合优度的结果

表5的结果显示，模型除了CFI略偏差于适配标准外，X2/df、RMSEA均满足适配标准，说明模型的拟合效果较好。

2.路径系数检验。在整体模型验证结果较好的基础上，本文检验了各变量之间的路径系数，以验证前文提出的假设是否成立，结果如图2和表6所示。由表6可知，CR检验的相伴概率都不大于0.05，均通过了置信水平为0.05的显著性检验，说明各路径系数均显著不为0，因此，本文的七个假设均成立。

图2 结构方程路径系数图

表6 结构方程标准化路径系数

（续表6）

六、研究结论与启示

（一）研究结论

本文主要研究在线学习平台社交化对大学生用户持续使用意向的影响，通过构建在线学习平台社交化模型，以社交化互动和社交愉悦性为研究重点，探究了二者以及其他优化的TAM变量对持续使用意向的影响。实证检验表明，本文提出的所有假设均成立。

首先，优化的TAM相关变量关系再次得到验证。感知有用性对用户持续使用意向具有显著的正向影响，而感知易用性对感知有用性具有显著的正向影响，这两个变量都会对大学生用户的持续使用意向产生影响。用户在平台体验中所花费的成本（精力、时间等）与其感知易用性成反比，如果在线学习平台及其交互易操作，则用户更容易感受到平台及其社交化的价值与效用，这种感知有用性会影响用户的持续使用意向。社交化互动依赖于平台设计，影响用户的学习与社交过程，而感知易用性直接影响用户的认知结果。

其次，期望确认对大学生用户持续使用意向具有显著的正向影响。当用户各个层面的期望被满足时，其对在线学习平台及其交互功能的持续使用意向就会愈加坚定。相反，当期望得不到满足时，用户倾向于更换平台。与感知有用性对持续使用意向的影响机制不同，期望确认可能包含用户对各个层面的期望，这需要经历一个相对较长的过程。平台有用性评价是以学习效果为衡量标准，这使得感知有用性这种短期机制比期望确认对用户持续使用意向的影响更为直接。

再次，主观规范这一外部刺激变量对大学生用户持续使用意向具有显著的正向影响。当周围人群或意见领袖对用户有所期望时，他们的行为就会对用户的认知和意向产生重要影响，如果密友或专家建议用户使用在线学习平台，用户就会继续使用。

除了揭示在线社交型学习平台持续使用意向的短期与长期机制、内部与外部机制外，本文将研究重点放在社交化系统特征设计所涉及的两个变量即社交化互动和社交愉悦性的作用机理上。（1）社交化互动对感知有用性具有显著的正向影响，进而影响用户的持续使用意向。如果在线学习平台能够提供良好的社交基础，用户能够在此进行兼具学习与社交交互的活动，在社交中实现自我提升，用户就能深刻地感知在线学习平台的绩效和作用，即社交化互动对感知有用性产生了正向影响。相反，如果用户仅仅使用在线学习平台的核心功能，而忽视了用户间的交互，则其会受到平台自身资源的限制，不能感知到有用性，其持续使用意向也会受到影响。（2）社交愉悦性对感知有用性和期望确认具有显著的正向影响，进而影响用户的持续使用意向。社交愉悦性对感知有用性具有正向影响，当用户感到愉悦时，他们对在线学习平台的效用评价就会很高，无论是在线学习平台的学习效用还是社交效用，都会使用户的感知有用性提高。当用户在交互过程中获得情感满足、体会到愉悦时，其除了会对学习绩效有积极的评价外，对以前期望的确认度也会大大提高，这对娱乐、愉悦性有较高要求的用户群体来说体验更好。

（二）管理启示

首先，完善在线学习平台的社交化系统，对培养用户情感、增加用户黏度具有重要作用。平台建设应该重视社交化系统设置，完善社交功能，实现社交与在线学习平台既有功能的无缝对接。在线学习平台可以利用社交化功能定位顾客的核心需求，锁定目标市场，通过分析目标用户的需求和习惯进行具有针对性的平台设计。例如，“百词斩”的定位是专业词汇的记忆，它牢牢把握住增加用户词汇量这一核心需求，利用独特的象形、图画记忆法等帮助用户有效记忆单词。由于用户多是出于自我提升的目的使用在线学习平台，或是为了提升课业水平，或是为了提升职业技能水平，因此，平台应明确自身的服务对象和服务内容，针对用户群体特征，利用社交化功能强化碎片化学习，当用户的目的达到、获得满足，感知有用性、期望确认程度得以提高，其就倾向于继续使用平台。

其次，完善社交化设计的激励功能，提高用户学习效果的可见度。在线学习平台用户的学习动机强烈但持续性较差，平台应该有效利用社交化设计持续激励用户的使用意向。为了激发用户的学习热情，平台可以在首页或开屏页面添加激励性名言或令人振奋的图片，或通过分析用户使用数据，给予懈怠用户适度的激励和帮助。平台还可以在学习过程中添加激励因素，如设置金币、积分、称号和特权进行持续激励，通过用户的交互活动形成竞争，并向用户反馈阶段性学习成果，用易懂的折线图表反映学习进步情况，使用户更好地把握和改进自己的学习情况。

再次，优化平台社交化设计，及时更新社交功能。在线学习平台应该重视更新，增加提醒功能，如节假日、考试前提醒等，利用平台与用户的交互提高用户的参与感和活跃度。同时，通过观察用户的交互情况，平台可以开发新的盈利点。在线学习平台拥有其他平台所不具备的优势，应开展有针对性的学习社交活动，活跃师生、生生间的交互，如同城学习活动、见面课等兼具社交、娱乐与学习性质的活动，利用当下流行的社交平台建立自己的社区，以此提高用户活跃度，增加用户黏度，将普通用户转化为忠诚用户。此外，平台应开发新的学习产品，如付费产品或实体产品，寻找新的盈利点。

（三）研究不足与展望

本文将TAM模型与信息系统持续使用模型相结合，通过引入系统设计特征相关因素弥补原有模型的不足，并在国内外研究的基础上更新变量并细化衡量维度。本文存在的不足之处在于：一是将大学生作为主要调查对象得出的结论可能有一定的特殊性，缺乏普遍适用性；二是由于样本分布广泛，数据收集难度较大，问卷来源控制的难度也较大。因此，本文仅就在线学习平台社交化对用户持续使用意向的影响进行了初步探索，具体的研究还有待进一步的完善。

］

［1］钱 瑛.在线学习用户持续使用行为的影响因素研究——基于社会化网络环境和学情定位视角［J］.现代情报，2015，35（3）：50-56.

［2］Davis F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology ［J］.MISQuarterly，1989，13（3）：319-340.

［3］Fishbein M，Ajzen I.Belief，attitude，intention and behavior：an introduction to theory and research ［M］.Boston：Addison-Wesley Pub.Co.，1975.

［4］Nielsen J.Usability engineering［M］.London：APProfessional Academic Press Ltd，1993.

［5］Venkatesh V，Morris M，Davis G，et al.User acceptance of information technology：toward a unified view［J］.MISQuarterly，2003，27（3）：425-478.

［6］朱多刚，郭俊华.基于 TAM模型的移动政务用户满意度研究［J］.情报科学，2016，34（7）：141-146.

［7］Janssen J，Kirschner F，Erkens G，et al.Making the black box of collaborative learning transparent：combining processoriented and cognitive load approaches［J］.Educational Psychology Review，2010，22（2）：139-154.

［8］ Larusson J，Alterman R.Wikis to support the collaborative part of collaborative learning ［J］.International Journal of Computer-Supported Collaborative Learning，2009，4（24）：371-402.

［9］ Zhu C.Student satisfaction，performance，and knowledge construction in online collaborative learning ［J］.Journal of Educational Technology&Society，2012，15（1）：127-136.

［10］Eighmey J，McCord L.Adding value in the information age：uses and gratifications of sites on the World Wide Web［J］.Journal of Business Research，1998，41（3）：187-194.

［11］Curran JM，Meuter ML.Encouraging existing customers to switch to self-service technologies：put a little fun in their lives［J］.Journal ofMarketing Theory Practice，2007，15（4）：283-298.

［12］白 玉.学术虚拟社区持续意愿的影响因素研究［J］.图书馆学研究，2017（5）：2-6.

［13］Curran J，Lennon R.Participating in the conversation：exploring usage of social media networking sites［J］.Academy of Marketing Studies Journal，2011，15（1）：21-39.

［14］Anderson P，Hepworth M，Kelly B，et al.What isWeb 2.0?Ideas，technologies and implications for education［M］.Bristol：JISC，2007.

［15］杨根福.MOOC 用户持续使用行为影响因素研究［J］.开放教育研究，2016，22（1）：100-111.

［16］Venkatesh V，Davis F D.A theoretical extension of the technology acceptance model：four longitudinal field studies［J］.Management Science，2000，46（2）：186-204.

［17］高芙蓉.信息技术接受模型研究的新进展［J］.情报杂志，2010，29（6）：170-176.

［18］Bhattacherjee A.An empirical analysis of the antecedents of electronic commerce service continuance［J］.Decision Support Systems，2001，32（2）：201-214．

［19］赵婉颖.社交因素对用户移动阅读持续使用的影响研究［J］.图书馆学研究，2016（20）：87-95.