陳濤 石珂

摘 ? 要：提高公眾數(shù)字素養(yǎng)、發(fā)揮在線學習平臺的作用，是跨越數(shù)字鴻溝的重要途徑。這就需要對數(shù)字素養(yǎng)如何影響在線學習平臺的使用進行分析。文章以在線學習平臺典型用戶大學生為對象，建立一個以技術接受和沉浸感理論為基礎的精簡結(jié)構模型，并通過問卷調(diào)查方法獲取數(shù)據(jù)驗證假設模型。結(jié)論是： 感知愉悅性與感知有用性是個人使用在線學習平臺的重要影響因素;提高個人數(shù)字素養(yǎng)，能夠增強其學習的感知愉悅性與感知有用性;數(shù)字素養(yǎng)對學習平臺使用不僅直接產(chǎn)生影響，還以感知有用性與感知愉悅性為中介發(fā)揮作用。此外，感知有用性與感知愉悅性對學習平臺使用意愿存在交互作用。

關鍵詞：數(shù)字素養(yǎng);感知有用性;感知愉悅性;在線學習平臺

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2019）21-0011-08

一、引言

社會進步水平要求大眾相應的素養(yǎng)提升，數(shù)字化社會顯然需要數(shù)字化素養(yǎng)與之相適應。欠發(fā)達地區(qū)之所以落后，教育資源相對落后是重要原因，特別是在互聯(lián)網(wǎng)時代，那些不擅于通過IT和互聯(lián)網(wǎng)獲取知識與技能的人，必將成為新的“數(shù)字貧民”。而在線學習平臺，為欠發(fā)達地區(qū)帶來了海量學習資源，通過網(wǎng)絡獲取資訊、學習知識，正是跨越“數(shù)字鴻溝”，提高欠發(fā)達地區(qū)數(shù)字化水平的根本途徑。這說明本研究具有現(xiàn)實意義。

數(shù)字素養(yǎng)的研究，這些年主要是以發(fā)達地區(qū)、發(fā)達國家為背景，以廣大的發(fā)展中國家為背景的研究還很不足[1]。盧鋒從媒介素養(yǎng)角度，通過對比法國、澳大利亞、日本等發(fā)達國家或地區(qū)的媒介素養(yǎng)教育， 提出面向欠發(fā)達地區(qū)、農(nóng)村地區(qū)進行媒介素養(yǎng)研究的必要性[2]。許歡、尚聞一認為，我國已有研究大量集中在媒介素養(yǎng)、信息素養(yǎng)方面，數(shù)字素養(yǎng)的研究在國內(nèi)應該得到更多的重視[3]。希望本研究是對相關理論有益的探索。

二、理論基礎與研究假設

1.理論基礎

“素養(yǎng)”是一個整體性概念，在傳統(tǒng)社會，素養(yǎng)主要指公民的聽、說、讀、寫能力，在信息社會，僅僅具有傳統(tǒng)素養(yǎng)顯然不能適應社會發(fā)展，公民需要更廣泛意義上的媒介識讀能力，這就是數(shù)字素養(yǎng)。Gilster[4]定義數(shù)字素養(yǎng)為理解及使用各種數(shù)字資源及信息的能力。Eshetalkalai[5]認為，數(shù)字素養(yǎng)是數(shù)字化時代的生存能力，是公民的基本技能要求。從上述數(shù)字素養(yǎng)概念介紹看，數(shù)字素養(yǎng)與數(shù)字能力顯然有著非常緊密的關系，事實上，近年來，歐美國家研究者的確越來越多使用數(shù)字競爭能力（Digital Competence）來表征數(shù)字素養(yǎng)，反映出越來越重視從能力的角度對數(shù)字素養(yǎng)進行研究[6]，甚至以數(shù)字能力代表數(shù)字素養(yǎng)[7-8]。對于在線學習平臺而言，數(shù)字能力的高低是否意味著個人使用在線學習平臺的意愿強弱，本研究將對此進行驗證分析。

Mohammadyari and Singh以UTAUT模型為基礎，驗證了數(shù)字素養(yǎng)對績效期望有正向影響[9];Yu，Lin and Liao以臺灣地區(qū)為例，分析認為信息素養(yǎng)對信息技術（ICT）采納有調(diào)節(jié)作用，可以對數(shù)字素養(yǎng)進行操作性定義，形成問卷題項，利用結(jié)構方程，作為影響在線學習重要因素進行驗證[10]。從實踐看，就欠發(fā)達地區(qū)而言，數(shù)字素養(yǎng)最主要的體現(xiàn)在于，當?shù)仄胀癖娛欠窬哂欣没ヂ?lián)網(wǎng)開展社交、獲取資訊，甚至能夠在線學習專業(yè)知識的能力。欠發(fā)達地區(qū)由于學習資源相對更缺乏，通過網(wǎng)絡進行學習就顯得尤為重要，從這一現(xiàn)實出發(fā)，以欠發(fā)達地區(qū)為背景，針對在線學習影響因素的相關研究，基于系統(tǒng)采納的研究至少有現(xiàn)實價值。基于此，本文以經(jīng)典的TAM模型[11]為基礎，將數(shù)字素養(yǎng)納入模型作為最重要的外生變量。同時，考慮到學習樂趣對學習效果的重要性，將感知愉悅性納入模型作為一個重要內(nèi)生變量[12]。

2.研究假設

（1）感知有用性

源自理性行為理論[13]的技術接受模型因為對信息技術采納影響因素的有力解釋在國內(nèi)外被廣泛采用。感知有用性是TAM模型最主要的衡量指標。感知有用性衡量了采納某一系統(tǒng)或技術可能會提升個人績效的程度。Davis，Bagozzi and Warshaw證實了感知有用性是使用意向的主要影響因素[11];Nabavi，Hanafizadeh and Taghavi-Fard等[14]通過對IT技術持續(xù)使用文獻回顧發(fā)現(xiàn)，有99篇文獻以感知有用性為主要變量，感知有用性是近20年里，相關研究中被使用最多的變量之一。其中的一個應用就是將感知有用性作為在線持續(xù)學習（Online learning or E-learming）的重要影響因素。本文認為，對欠發(fā)達地區(qū)而言，感知有用性同樣也是影響在線學習平臺使用的重要因素，為此，作如下假設：

H1：在線學習平臺感知有用性對個人的在線學習平臺使用意愿有正向影響。

（2）感知愉悅性

感知愉悅性是一種用戶在使用產(chǎn)品或服務中的內(nèi)在感受，Webster and Martocchio[15]分析發(fā)現(xiàn)，感知愉悅性對計算機培訓效果有影響，文獻[12]將感知愉悅性作為重要變量，研究發(fā)現(xiàn)感知愉悅性對在線學習有正向影響。在本文中，感知愉悅性用來度量研究對象在使用在線學習平臺時，個人在學習中體會到快樂的強弱。當人機互動進入一定狀態(tài)后，個人心理上開始得到一種滿足感，由于沉浸其中，往往會覺得時間過得很快，進而增加了使用特定系統(tǒng)或技術的可能性，基于此，本文提出以下假設：

H2：在線學習平臺感知趣味性對個人的在線學習平臺使用意愿有正向影響。

（3）數(shù)字素養(yǎng)

對于互聯(lián)網(wǎng)一代，尤其是大學生，使用PC、手機等通過百度、微博、微信獲取并分享資訊已成為日常生活，因此，傳統(tǒng)意義上的聽、說、讀、寫以及批判性思維能力的培養(yǎng)，已經(jīng)不可避免地要求通過數(shù)碼設備、應用軟件或APP實現(xiàn)。傳統(tǒng)信息貧乏早已被信息豐益所代替，民眾對數(shù)字素養(yǎng)的要求應該體現(xiàn)在對海量信息的篩選、評估和吸收再形成新知識的能力等，并且隨著數(shù)字環(huán)境的變化做出相應調(diào)整。通過對數(shù)字素養(yǎng)概念和相關研究的簡要回顧，可以認為，數(shù)字素養(yǎng)越高，獲取信息資源、分析信息資源的能力越強，對互聯(lián)網(wǎng)和IT相關的技術越敏感，個人將更有自信以更少時間來了解新技術、獲取新知識。就在線學習平臺而言，這意味著，個人數(shù)字素養(yǎng)越高，就越能感受到在線學習平臺海量資源的價值?；诖耍瑥臄?shù)字素養(yǎng)的角度，本文提出以下假設：

H3：個人的數(shù)字素養(yǎng)對在線學習平臺感知有用性有正向影響。

對于數(shù)字土著或互聯(lián)網(wǎng)一代，使用數(shù)字設備似乎是有天然親切感的，數(shù)字設備的重要作用是刷微博、玩游戲，“有趣、好玩”成為采納一個新系統(tǒng)或技術的重要標準，學習也不例外，所以有了游戲式學習的概念[16]。不應感到意外的是，越熟悉數(shù)字設備的使用，越了解系統(tǒng)或技術的特點，越可能產(chǎn)生親近感，沉浸在系統(tǒng)或技術使用中[17-19]。在游戲行業(yè)，隨著對游戲規(guī)則的熟悉，人們對游戲的使用越發(fā)得心應手，就越能產(chǎn)生更大的愉悅感，最終甚至可能成為網(wǎng)絡游戲成癮的原因[20]。就在線學習平臺而言，本文認為，數(shù)字素養(yǎng)越高，對在線學習平臺產(chǎn)生好感的可能性越大，就可能會在更快時間內(nèi)沉浸其中，基于此，本文提出以下假設：

H4：個人的數(shù)字素養(yǎng)對在線學習平臺感知趣味性有正向影響。

此外，個人數(shù)字素養(yǎng)越高，就越能夠更快熟悉平臺設計界面、搜索規(guī)則等，從而通過在線平臺學習進一步提高的內(nèi)在動力越強，更容易合理使用在線學習平臺資源，以滿足自己不同階段的知識、信息需求;更能感受到在線學習平臺海量資源的價值，進而通過對平臺的價值評估影響對學習平臺的使用意愿;用戶初始使用能產(chǎn)生好感，并進而沉浸其中，進而通過對平臺使用的沉浸影響進一步使用平臺的意愿，基于以上分析，提出下列假設：

H5：個人的數(shù)字素養(yǎng)對在線學習平臺使用意愿有正向影響。

H6：個人的數(shù)字素養(yǎng)透過感知有用性正向影響在線學習平臺使用意愿。

H7：個人的數(shù)字素養(yǎng)透過感知趣味性正向影響在線學習平臺使用意愿。

（4）感知有用與感知愉悅的交互效應

由于不同的人對同樣的事物常常有不同的愉悅感體驗，歸納感知愉悅性的特征比較困難。因此，研究者一般是基于沉浸理論（Flow Theory），刻畫感知愉悅性作為與情景交互作用下的一種狀態(tài)變量。就在線學習而言，感知有用性也是用戶主觀上認為使用或?qū)W習某一個技術可能在一定情景下產(chǎn)生的績效。感知有用性與感知愉悅性之間應該有聯(lián)系，事實上，文獻[12]將感知愉悅作為有用性的前因變量，而Terzis and Economides[21]的研究則把感知愉悅作為感知有用性的結(jié)果變量。我們認為，感受到一個學習平臺的學習樂趣，可能會提高用戶對這一學習平臺的價值評價，增強對平臺的使用意愿，而感受一個學習平臺的價值越高，可能會提高用戶對這一學習平臺的使用興趣，也增強對平臺的使用意愿，基于此，提出以下假設：

H8：感知趣味性與感知有用性之間的交互作用對在線學習平臺使用意愿有正向影響。

根據(jù)上述分析假設，建立概念模型如圖1所示。

三、研究方法

1.問卷設計

本研究以結(jié)構性問卷采用從完全不同意到完全同意的likert5點量度，采納了Bollen[22]問卷設計中最好引用已有研究的建議，問卷主要量表題項來自于國內(nèi)外已有設計，根據(jù)本文的研究對象與研究內(nèi)容加以修改調(diào)整形成。其中，數(shù)字素養(yǎng)量表題項主要依據(jù)文獻[9-10][23][25]、感知有用性量表題項主要依據(jù)文獻[26-27]，感知愉悅性量表題項主要依據(jù)文獻[12][17][19]、行為意愿量表題項主要依據(jù)文獻[28]。在設計問卷題項過程中，首先進行了預調(diào)查，根據(jù)調(diào)查結(jié)果做了試探性信度分析，調(diào)整了部分題項，對部分題目的說法、編排等適當進行了調(diào)整，最終確定了現(xiàn)在的測量條目。

2.數(shù)據(jù)收集

依據(jù)創(chuàng)新擴散理論，在一個地區(qū)內(nèi)，技術的擴散總是少數(shù)領先用戶使用后逐漸在更大范圍開始應用的[29]。在欠發(fā)達地區(qū)，大學生是在線學習平臺的領先用戶。 Lee[30]從信息素養(yǎng)角度，指出大學、研究機構是很好的信息素養(yǎng)提升場所。因此，以欠發(fā)達地區(qū)大學生為研究對象，研究欠發(fā)達地區(qū)的數(shù)字素養(yǎng)具有針對性。實際抽樣中，主要選取了貴州某大學電子商務、信息管理相關專業(yè)的大三、大四學生為調(diào)查對象，進行相關問卷發(fā)放。經(jīng)核實，所有調(diào)查對象均有慕課等在線學習的經(jīng)驗。整個調(diào)查修改過程耗時約3個月，總共回收有效問卷219 份。有效問卷中有男性51人、女性168人，所有調(diào)查對象均來自西部地區(qū)，其中來自縣城及以下鄉(xiāng)鎮(zhèn)的問卷共有184份，約為調(diào)查總數(shù)的84%。

在工具使用上，近年來大量國際頂級社會科學期刊尤其是心理學期刊使用結(jié)構方程模型發(fā)表論文[31]，并且在潛變量數(shù)目為5-7內(nèi)，使用AMOS是合適的。模型復雜潛變量超過7個時，尤其是形成型模型的分析，需要采用PLS軟件進行分析。沒有證據(jù)表明，使用AMOS比使用PLS、LISREL等其它軟件撰寫論文在國際權威期刊更可能被拒[32]。因此本研究將采用AMOS21.0軟件進行分析。

四、數(shù)據(jù)分析與結(jié)果

問卷匯總后，按照AMOS的驗證規(guī)范流程，首先對潛變量與觀察變量之間關系的測量模型進行驗證式分析，其次對潛變量之間關系的結(jié)構模型進行驗證。其中數(shù)字素養(yǎng)用DL表示、感知有用性用PU表示、感知愉悅性用PP表示、行為意愿用BI表示。

1.信度與收斂效度驗證

驗證性因子分析（CFA：Confirmatory Factor Analysis）在SEM建模中扮演著關鍵的角色。由于通過測量模型就可以發(fā)現(xiàn)模型中的觀察變量是否相關并具有內(nèi)部一致性[33]，因此，在對結(jié)構模型進行分析之前，應該先分析測量模型[34]。平均變異數(shù)萃取量（AVE：Average of variance extracted）計算了觀察變量對該潛變量的變異解釋力，較高的AVE表示潛變量有較高的信度與收斂效度，F(xiàn)ornell and Larcker建議其標準值應大于0.5;組成信度（Composite Reliability，CR值）表征了構念指標的信度，CR值越高，指標的內(nèi)部一致性越強，F(xiàn)ornell and Larcker[35]認為0.6以上是可以接受的。根據(jù)Hair，Anderson and Tatham等的分析建議，如因子載荷系數(shù)（Factor loading）>=0.6、多元相關系數(shù)的平方（Square ?Multivariate Correlation，SMC）>=0.4、信度（CR）>0.7、AVE>0.5，那么可以接受模型具有收斂效度[36]，特別是探索性分析，稍微低于判斷值也可接受。本研究模型的四個潛變量分別為數(shù)字素養(yǎng)、感知有用性、感知愉悅性、行為意愿。通過CFA分析，所有潛變量的標準負荷量除數(shù)字素養(yǎng)中信任維度（DL2）的標準因素負荷稍低（0.597），其余均在0.6～0.9之間，且達顯著，如表1所示，符合 Fornell and Larcker（1981）及Hair et al（2009）的標準。本研究中，數(shù)字素養(yǎng)有一定的探索性，驗證值均具可接受范圍。因此，本研究測量模型具有收斂效度。

2.區(qū)別效度驗證

區(qū)別效度用來驗證兩個不同變量在統(tǒng)計上是否有差異。驗證區(qū)別效度的方法比較多，常用的有平均方差萃取法[35][37]、信賴區(qū)間法[38]等，其中，信賴區(qū)間法較為適合應用于變量之間相關性較高的情況[34][39]。信賴區(qū)間法通過Bootstrap建立變量之間相關系數(shù)的信賴區(qū)間，區(qū)間如果未包含1，則表示變量之間具有區(qū)別效度[38]。Bootstrap提供Bias-corrected和Percentile Method兩種信賴區(qū)間的估計方式。本研究采用Bootstrap法進行1000次的重復抽樣，在95%的信心水平下，得到以上兩種方法估計的信賴區(qū)間，如表2所示。結(jié)果表明，點估計值顯著（Z>2），所有的標準化相關系數(shù)信賴區(qū)間均未包含1，不能接受變量之間完全相關，因此，測量模型具有區(qū)別效度。

3.結(jié)構模型檢驗

通過對每一個潛變量的驗證分析并不能保證模型沒有違反估計的問題，這就需要將整個模型潛變量重新架構成驗證性因素進行分析。驗證結(jié)果表明，卡方值（chi-square）為49.897，自由度為38，卡方/自由度（chi-dquare=＼df）為1.313，GFI、AGFI、 CFI分別為0.962、0.934、0.988，RMESA為0.038，模型通過Bollen二階段驗證。另外，由表3可見，變量間沒有相關系數(shù)大于0.8，也沒有低于0.20，可以認為變量之間中度相關，無多重共線性關系，可進一步進行結(jié)構模型分析。

模型配適度是SEM分析的必要條件[40]。配適度越好即代表模型矩陣與樣本矩陣越接近。依照參考文獻[48][50][41][51]的標準，本研究配適度指標主要報告卡方檢定、卡方值與自由度的比值、配適度指標（GFI）、調(diào)整后的配適度指標（AGFI）、比較配適度指標（Comparative Fit Index，CFI）、平均近似誤差均方根（Root Mean Square Error of Approximation，RMSEA）、非基準配適指標（Non-Normed Fit Idex，NNFI）、漸增式配適指標（Icreamental Fit Index，IFI）。由表4可見，AGFI雖小于0.9，但也在可接受范圍內(nèi)，主要指標均符合標準要求。

表5表明了各變量之間路徑系數(shù)估計值均達到顯著水平，其中除數(shù)字素養(yǎng)在p < 0.01的水平上，其余系數(shù)均在p < 0.001水平上達到顯著。

4.交互效應與中介效應分析

（1）交互效應分析

本研究假設了感知有用性與感知愉悅性對行為意愿有交互作用。交互效應的驗證采用多層式回歸的方法。為避免多重共線性問題，我們首先對變量進行標準化處理[47]，然后，將主效應（數(shù)字素養(yǎng)、感知有用性與感知愉悅性）放在第一層，將交互作用放在第二層。其線性回歸方程如下：

BI=α+？茁0DL+？茁1PU+？茁2PP+？茁3PU·PP+？著（1）

在式（1）中，DL、BI、PU、PP與前述概念一致，α為截距，ε為隨機誤差項。根據(jù)已有主效應及其交互作用的文獻方法[48]，本研究得到回歸結(jié)果如表6所示。由表6可見，在第一層，數(shù)字素養(yǎng)、感知愉悅性與感知有用性對行為意愿均顯著，這也與結(jié)構方程模型驗證結(jié)果一致;第二層的結(jié)果再一次顯示了數(shù)字素養(yǎng)、感知愉悅性與感知有用性對行為意愿影響的穩(wěn)定性，則其交互效應存在。因此，在多層回歸模型中，本研究前述所有相關假設均得到了支持。

根據(jù)表5與表6的結(jié)果，得到最終驗證結(jié)果如圖2所示。

（2）中介效應分析

Baron and Kenny[49]開創(chuàng)性地使用因果法（casual step method）進行了結(jié)構方程模型中潛變量之間的中介效應檢驗。不過Mackinnon已經(jīng)指出了這一方法更大程度上是明確中介效應的條件[50]，而非進行中介效應檢驗，則這一方法主要應用在單一中介檢驗[51]。系數(shù)相乘法是因果法的有力補充，系數(shù)相乘法主要是為處理多中介效應驗證而設計[52]。Sobel Test是廣受歡迎的系數(shù)相乘法[53]，然而該方法的最大缺陷是要求中介效應（ab）樣本分布是正態(tài)的[54]，而Bollen and Stine[55]以及Stone and Sobel[56]證明了中介變量系數(shù)乘積樣本分布存在較大峰度與偏度。因此，能有效避免相關缺陷的Bootsrape法成為多中介效應驗證的主要方法。

在二個以上中介模型中，中介效應檢驗最重要的作用就是評估特定變量的中介效應[57]。本研究有二個中介效應需要檢驗。綜合以上對中介效應驗證方法的分析，借鑒Preacher and Hayes[58]的文獻，本文采用Bootstrape方法進行中介效應驗證。在95%水平下，得到中介效應分析結(jié)果如表7所示。由表7可見，總中介效應點估計、Bias-corrected估計與Pencentile method估計均不包含0，說明了總中介效應成立。同理，數(shù)字素養(yǎng)會透過感知有用性對行為意愿產(chǎn)生影響（DL-->PU-->BI）;數(shù)字素養(yǎng)會透過感知愉悅性對行為意愿產(chǎn)生影響（DL-->PP-->BI）。從估計值看，透過感知有用性的中介效應參數(shù)估計值為0.263;透過感知愉悅性的參數(shù)估計值為0.272。感知愉悅性的影響力約大于感知性有用性的影響力，但對二個變量的特定中介效應（PP-PU）進行對比，系數(shù)相乘法與Bootstrapping的置信區(qū)間均包含0，顯見二變量之間的中介效應影響力并無明顯差異。

5.結(jié)果

本研究基于數(shù)字素養(yǎng)視角分析欠發(fā)達地區(qū)在線學習平臺的影響因素，建立了以數(shù)字素養(yǎng)為主要外生變量，以及以感知有用性和感知愉悅性為主要內(nèi)生變量的精簡模型，通過對模型假設進行統(tǒng)計驗證，得到假設驗證結(jié)果如表8所示。由表8可見，所有假設均得到支持，結(jié)合圖2，所有變量對在線學習平臺使用意愿的解釋力（R2）達到了0.7，說明了數(shù)字素養(yǎng)、感知有用性與感知愉悅性對在線學習平臺的使用有相當大的影響力。其中，感知愉悅性的路徑系數(shù)最大，對行為意愿的路徑系數(shù)為0.371;數(shù)字素養(yǎng)對行為意愿的路徑系數(shù)為0.27，對在線學習平臺的直接影響最小。雖然，數(shù)字素養(yǎng)對在線學習平臺的直接影響相對較小，但數(shù)字素養(yǎng)對感知愉悅性有正向影響的假設得到驗證，其路徑系數(shù)為0.638;對感知有用性有正向影響的假設，驗證結(jié)果顯著，路徑系數(shù)為0.63;對感知愉悅性、感知有用性的影響十分明顯，則數(shù)字素養(yǎng)會透過感知愉悅性與感知有用性影響在線學習平臺的假設得到驗證，為部分中介效應。此外，在不同文獻中，感知愉悅性與感知有用性存在互為前置變量的分析，本文由此假設，感知有用性與感知愉悅性存在交互作用，共同影響用戶的在線學習平臺使用意愿，經(jīng)分析這一假設成立，統(tǒng)計結(jié)果顯著。因此，拓展了二個變量關系的分析。

五、結(jié)論

在線學習平臺為欠發(fā)達地區(qū)帶來海量學習資源，是欠發(fā)達地區(qū)跨越“數(shù)字鴻溝”，提高地區(qū)數(shù)字化水平的根本途徑。而數(shù)字素養(yǎng)對在線學習平臺的使用有重要影響。本研究采用結(jié)構方程模型，基于數(shù)字素養(yǎng)的視角對在線學習平臺影響因素進行假設驗證。分析結(jié)果表明，感知有用性、感知愉悅性對在線學習平臺的使用意愿有直接的正向影響，而提高個人數(shù)字素養(yǎng)能夠有效增強在線學習的感知愉悅性與感知有用性，模型存在雙重中介效應。因此，數(shù)字素養(yǎng)對在線學習平臺的使用通過直接與間接的方式形成影響。其次，感知有用性與感知愉悅性會產(chǎn)生交互作用，對在線學習平臺使用意愿產(chǎn)生影響。

參考文獻：

[1]林曉華.少數(shù)民族媒介素養(yǎng)教育體系的構建[J].西南民族大學學報（人文社科版），2007，28（12）：115-119.

[2]盧鋒，張舒予.家庭媒介素養(yǎng)教育：媒介素養(yǎng)教育本土化的重要途徑[J].電化教育研究，2012（5）：11-16.

[3]許歡，尚聞一.美國、歐洲、日本、中國數(shù)字素養(yǎng)培養(yǎng)模式發(fā)展述評[J].圖書情報工作，2017（16）：98-106.

[4]Gilster P. Digital literacy[M]. John Wiley & Sons， Inc.， 1997.

[5]Eshetalkalai Y. Digital Literacy： A Conceptual Framework for Survival Skills in the Digital Era.[J]. Journal of Educational Multimedia & Hypermedia， 2004，13（1）：93-106.

[6]Alamutka K. Mapping Digital Competence： Towards a Conceptual Understanding[J]. Institute for Prospective Technological Studies， 2011.

[7]王佑鎂， 楊曉蘭， 胡瑋等. 從數(shù)字素養(yǎng)到數(shù)字能力：概念流變、構成要素與整合模型[J].遠程教育雜志， 2013（3）：24-29.

[8]Eshet Y. Thinking in the Digital Era： A Revised Model for Digital Literacy[J]. Issues in Informing Science & Information Technology， 2012（9）：267-276.

[9]Mohammadyari S， Singh H. Understanding the effect of e-learning on individual performance： The role of digital literacy[J]. Computers & Education， 2015，82（C）：11-25.

[10]Yu T K， Lin M L， Liao Y K. Understanding factors influencing information communication technology adoption behavior： The moderators of information literacy and digital skills[J]. Computers in Human Behavior， 2017（71）：196-208.

[11]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（8）：982-1003.

[12]Padilla-Meléndez A， Aguila-Obra A R D， Garrido-Moreno A. Perceived playfulness， gender differences and technology acceptance model in a blended learning scenario[J]. Computers & Education， 2013，63（1）：306-317.

[13]Fishbein M， Ajzen I. Belief， Attitude， Intention and Behaviour： an introduction to theory and research[J]. Philosophy & Rhetoric， 1975，41（4）：842-844.

[14]Nabavi A， Hanafizadeh P， Taghavi-Fard M T， et al. Information Technology Continuance Intention： A Systematic Literature Review[J]. International Journal of E-Business Research， 2016，12（1）：58-95.

[15]Webster J， Martocchio J J. Microcomputer Playfulness： Developing a Measure With Workplace Implications[J]. 1992，16（2）：201-226.

[16]Marc， Prensky， 胡智標 等. 數(shù)字土著 數(shù)字移民[J]. 遠程教育雜志， 2009（2）：48-50.

[17]Csikszentmihalyi M. Beyond Boredom and Anxiety： The Experience of Play in Work and Games[J]. Quest， 1975.

[18]Kang Y S， Hong S， Lee H. Exploring continued online service usage behavior： The roles of self-image congruity and regret[J]. Computers in Human Behavior， 2009，25（1）：111-122.

[19]Lin C S， Wu S， Tsai R J. Integrating perceived playfulness into expectation-confirmation model for web portal context[J]. Information & Management， 2005，42（5）：683-693.

[20]魏華， 周宗奎， 田媛等. 網(wǎng)絡游戲成癮：沉浸的影響及其作用機制[J].心理發(fā)展與教育， 2012（6）：651-657.

[21]Terzis V， Economides A A. The acceptance and use of computer based assessment[J]. Computers & Education， 2011，56（4）：1032-1044.

[22]Bollen K. Structural equation models with latent variables[J].1989.

[23]Wan N. Can we teach digital natives digital literacy？[J]. Computers & Education， 2012，59（3）：1065-1078.

[24]Van Vliet P J A， Kletke M G， Chakraborty G. The measurement of computer literacy[J]. International Journal of Human-Computer Studies， 1994，40（5）：835-857.

[25]Koltay T. The Media and the Literacies： Media Literacy， Information Literacy， Digital Literacy[J]. Media， Culture & Society， 2011，33（2）：211-221.

[26]Davis F D. Perceived Usefulness， Perceived Ease of Use， and User Acceptance of Information Technology[J]. Mis Quarterly， 1989，13（3）：319-340.

[27]Hsu C L， Lin C C. Acceptance of blog usage： The roles of technology acceptance， social influence and knowledge sharing motivation[J]. Information & Management， 2008，45（1）：65-74.

[28]Venkatesh V， Morris M G， Davis G B， et al. User Acceptance of Information Technology： Toward a Unified View[J]. Mis Quarterly， 2003，27（3）：425-478.

[29]Rogers E M. Diffusion of Innovations， Fifth Edition[M]. 2003.

[30]Lee A S. Editor's comments： information systems literacy and the responsibilities of business schools and universities[J]. Mis Quarterly， 2001，25（2）：v-vi.

[31]Hershberger S L. The Growth of Structural Equation Modeling： 1994-2001[J]. Structural Equation Modeling ?A Multidisciplinary Journal， 2003，10（1）：35-46.

[32]Babin B J， Hair J， Boles J S. Publishing research in marketing journals using structural equation modeling[J]. Journal of Marketing Theory and Practice， 2008，16（4）：279-285.

[33]Fornell C G， Bookstein F L. Two structural equation models： LISREL and PLS applied to consumer exit-voice theory.[J]. Journal of Marketing Research， 1982，19（4）：440-452.

[34]Anderson J C， Gerbing D W. Structural equation modeling in practice： A review and recommended two-step approach[J]. Psychological Bulletin， 1988，103（3）：411-423.

[35]Fornell C， Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J]. Journal of Marketing Research， 1981，18（1）：39-50.

[36]Hair J F， Anderson R E， Tatham R L， et al. Multivariate data analysis， 7th Ed.[M]. Upper Saddle River， NJ：Prentice Hall.， 2009.

[37]Bagozzi R P， Fornell C， Larcker D F. Canonical Correlation Analysis As A Special Case Of A Structural Relations Model[J]. Multivariate Behavioral Research， 1981，16（4）：437-454.

[38]Torkzadeh G K X P K. Confirmatory analysis of computer self-efficacy[J]. Structural Equation Modeling， 2003，10（2）：263-275.

[39]Ping RA. On assuring valid measures for theoretical models using survey data[J]. Journal of Business Research， 2004，57（2）：125-141.

[40]Byrne B M. Structural equation modeling with AMOS： ?Basic concepts， applications， and programming.[M]. Routledge， 2009.

[41]Jackson D L， Gillaspy J A， Purcstephenson R. Reporting practices in confirmatory factor analysis： An overview and some recommendations.[J]. Psychological Methods， 2009，14（1）：6-23.

[42]Schreiber J B. Core reporting practices in structural equation modeling.[J]. Research in Social & Administrative Pharmacy， 2008，4（2）：83.

[43]Chin W W， Todd P A. On the Use， Usefulness， and Ease of Use of Structural Equation Modeling in MIS Research： A Note of Caution[J]. Mis Quarterly， 1995，19（2）：237-246.

[44]Mcdonald R P， Ho M H. Principles and practice in reporting structural equation analyses[J]. Psychological Methods， 2002，7（1）：64-82.

[45]Hoyle R H. Structural Equation Modeling： Concepts， Issues， and Applications[J]. Library Quarterly， 1995，66（2）：253-256.

[46]Boomsma A. TEACHERS CORNER Reporting Analyses of Covariance Structures[J].2000.

[47]Cohen， Jacob. Applied multiple regression/correlation analysis for the behavioral sciences.[M]. L. Erlbaum Associates， 2003.

[48]Aiken L S， West S G. Multiple regression： testing and interpreting interactions-Institute for Social and Economic Research （ISER）[J]. Journal of the Operational Research Society， 1991，45（1）：119-120.

[49]Baron R M， Kenny D A. The moderator-mediator variable distinction in social psychological research： conceptual， strategic， and statistical considerations.[J]. Journal of Personality & Social Psychology， 1986，51（6）：1173.

[50]Mackinnon D. Introduction to statistical mediation analysis[M]. Mahwah， NJ： Lawrence Erlbaum Associates.， 2008.

[51]Holbert R L， Stephenson M T. The Importance of Indirect Effects in Media Effects Research： Testing for Mediation in Structural Equation Modeling[J]. Journal of Broadcasting & Electronic Media， 2003，47（4）：556-572.

[52]Sobel M E. Some New Results on Indirect Effects and Their Standard Errors in Covariance Structure Models[J]. Sociological Methodology， 1986（16）：159-186.

[53]Sobel M. Asymptotic intervals for indirect effects in structural euquation models[J]. Sociological methodology， 1982（18）：290-312.

[54]Hayes A F. Beyond Baron and Kenny： Statistical Mediation Analysis in the New Millennium[J]. 2009，76（4）：408-420.

[55]Bollen K A， Stine R. Direct and Indirect Effects： Classical and Bootstrap Estimates of Variability[J]. Sociological Methodology， 1990，20（1）：115-140.

[56]Stone C A， Sobel M E. The robustness of estimates of total indirect effects in covariance structure models estimated by maximum[J]. Psychometrika， 1990，55（2）：337-352.

[57]Brown R L. Assessing Specific Mediational Effects in Complex Theoretical Models[J]. Structural Equation Modeling A Multidisciplinary Journal， 1997，4（2）：142-156.

[58]Preacher K J， Hayes A F. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models[J]. Behavior Research Methods， 2004，40（3）：879-891.

（編輯：王曉明）