基于结构方程模型的假设检验

　　第 5 章 基于结构方程模型的假设检验
　　
　　5.1 结构方程模型的构建
　　
　　结构方程模型的构建需要相关的理论研究作为支撑，本研究通过第三章的理论阐述提出移动学习信息焦虑影响因素理论模型，整个模型中共 8 个潜在变量，依据潜在变量的关系提出 9 个假设。其中技术层面的可用性对作为外生潜变量对内生潜变量信息焦虑倾向和沉浸体验有直接影响；个体层面的三个因素-信息素养、自我效能和移动设备依赖作为外生潜在变量对信息焦虑倾向有直接影响；环境层面的信息污染对于沉浸体验和信息超载有直接影响，信息超载作为内生潜在变量又将对信息焦虑倾向产生直接影响。本研究采用 AMOS22.0 作为创建模型工具，建立了移动学习信息焦虑影响因素结构方程模型如图 5-1 所示：
　　
　　结构方程模型中的每一个潜在变量由一组观察变量和误差组成，在模型初始化之前所有误差项的路径系数默认为 1 而且每一组测量模型中必须有一条路径的路径系数设定为 1,需要特别注意的是结构方程模型的内因潜在变量需要增加残差项。
　　
　　5.2 模型的参数估计与评价
　　
　　在结构方程模型适配度的估计中，最常用的而且被广泛接受的函数估计法是极大似然估计法。但是这种估计方法的基本要求是样本必须符合正态分布。通过Amos 输出报表中的偏度系数（Skew）和峰度系数（Kurtosis）可以衡量样本是否符合正态性分布。具体衡量标准为：偏度系数与偏度系数的数值越接近 0 越好，如果出现偏度系数大于 3 或者峰度系数大于 8 的情况，需要引起研究者注意。本模型中对于正态分布检验的基本结果见表 5-1.通过观察发现表中 26 个观察变量的峰度系数和偏度系数都小于 2,表明样本符合正态分布。
　　
　　5.3 模型修正
　　
　　通过观察模型的各项拟合度指标发现，模型的实际拟合效果并不理想需要进行进一步的修正。根据文献理论而构建出的假设模型图，经适配度检验与观察数据无法适配时，表明需要对参考模型提供的相关修正指标对模型加以修正。假设模型的修正必须要以其理论为依据，可以将未达到显着水平或不合理的影响路径删除，此外，也可以参考 AMOS 输出的修正指标数据来判别。修正指标 M.I.表示当某一固定参数被改设为自由参数而重新估计时，该参数可以降低整个模型卡方值的减少量。表 5-2 为模型的协方差修正指标摘要，它是模型修正的重要参考依据。
　　
　　从表中可以看出，信息污染〈----〉移动设备依赖的 M.I.指数最大，高达149.150,表示如果在两者间建立共变关系可使卡方值减少 149.150,但是由于Amos 中对于模型的修正有严格的要求，即必须满足理论上的可接受性。原因在于建立理论上并没有任何意义的共变关系虽然可能会引起使模型的卡方值的降低，但是并不利于模型的解释和分析。通过对移动设备依赖和信息污染的考核，我们排除了对这一对共变关系的建立，因为移动设备依赖和信息污染并不属于同一个解释层面，而且其相关关系在理论上并不明显。继续观察修正指标摘要表发现信息素养和自我效能建立共变关系后，对于c?的影响程度也非常可观，考虑到二者同属于个体层面的影响因素而且其共变关系在理论上容易解释，所以可能存在某种相关关系。遂按照修正指标的建议建立共变关系后对模型进行重新估计，并再次考察模型的拟合度变化情况。增列后模型第一次修正拟合度指数检验结果显示，模型的卡方与自由度之比变为 3.527,但其它指标虽有所改善，但仍未达到标准，具体数值见表 5-3.此时需对模型继续修正，在输出的修正指标列表中，自我效能〈----〉移动设备依赖的值为偏大，且二者也同为个体层面的影响因素，可能存在某种相关，建立两者关联后，重新检验拟合度指数发现，模型卡方与自由度之比变为 3.043,可以接受而且比较接近理想的分值，而剩余指标也已经达到指标标准，至此整个模型的修正过程完成。修改后的移动学习信息焦虑影响因素结构方程模型见图 5-2 所示。
　　
　　5.4 假设检验与讨论
　　
　　本研究在第三章一共提出了以下 9 个研究假设：
　　
　　（1）可用性、沉浸体验与移动学习信息焦虑的关系
　　
　　H1:移动学习的可用性与移动学习中的信息焦虑存在负向相关
　　
　　H2:移动学习可用性与沉浸体验存在正向相关
　　
　　（2）沉浸体验、信息超载与移动学习信息焦虑的关系
　　
　　H3:沉浸体验与移动学习中的信息超载存在负向相关
　　
　　H4:信息超载与移动学习中的信息焦虑存在正向相关
　　
　　（3）沉浸体验、信息污染与移动学习信息超载的关系
　　
　　H5:信息污染与移动学习中的沉浸体验存在负向相关
　　
　　H6:信息污染与移动学习中的信息超载存在正向相关
　　
　　（4）网络自我效能与移动学习信息焦虑的关系
　　
　　H7:网络自我效能与移动学习中的信息焦虑存在负向相关
　　
　　（5）移动设备依赖与移动学习信息焦虑的关系
　　
　　H8:移动设备依赖与移动学习中的信息焦虑存在正向相关
　　
　　（6）个人信息素养与移动学习信息焦虑的关系
　　
　　H9:个人信息素养与移动学习中的信息焦虑存在负向相关
　　
　　经过模型的修正之后再次对模型的估计值进行分析，得出的路径分析结果如5-4 所示：
　　
　　进一步分析表中数据可以发现，可用性和信息素养虽然对于移动学习信息焦虑具有负向关系，但是其路径并不显着；由此可以得出本研究中对于研究假设的检验结果：除了假设 H1 和 H9 之外，其他假设都被验证成立。
　　
　　5.5 减少移动学习信息焦虑的建议
　　
　　（1）从技术角度而言，需要优化移动学习资源的设计。移动学习资源是移动学习者直接面对的学习材料，对于移动学习实际效果至关重要。根据本文研究结论，技术层面中的沉浸体验是影响移动学习信息焦虑的重要因素，移动学习资源的设计如果能够给学习者带来这种沉浸愉悦的体验，信息焦虑将在一定程度上得到避免。结合移动学习所具有的碎片化，泛在性和环境多变的特点，移动学习资源在设计上应该一方面最求界面的美观化、简洁化，让学习者能够乐于投入其中，另一方面要实现移动学习资源信息架构和交互方式的简化，繁琐冗余的结构和体验不良的交互方式是导致学习者认知超载的源头，移动学习资源的设计者和开发者应该在这两方面多总结经验；另外，需要特别指出的是，移动学习资源设计可以适度引入趣味性、游戏性的因素，如关卡环节，任务竞赛等方式可以增强学习者的融入感和愉悦体验。
　　
　　（2）从环境角度而言，需要加强信息管理，构建信息生态。在知识爆炸、信息资源极速增长的今天，信息的获取在变得更加便捷的同时也对人们的甄别能力提出了挑战。而信息污染的存在无疑使信息的搜集和获取工作变得困难重重。对于主管部门而言，制定相关标准，加强信息的监管显得迫在眉睫，另外可以通过新兴技术来维护信息的生态环境。如通过大数据、云计算的方式来定位和屏蔽信息污染的源头，根据个人的兴趣爱好和情感需求建立自适应的学习系统，为实现移动学习的个性化打下坚实基础。
　　
　　（3）从个体角度而言，需要强化自身信息能力，培养良好习惯。在信息焦虑的影响因素当中，网络自我效能感是重要的一环，强化自身的信息能力，培养网络自我效能感无疑是是预防和应对信息焦虑的有效方式。此外，移动学习过程中的信息焦虑很大程度上要归因于个体对于手机、平板电脑等移动设备的过度依赖，在一切可能的闲暇时间漫无目的、甚至下意识的浏览手机内容似乎已经成为时代的印记，而这种依赖除了产生信息焦虑之外还可能对人们的正常生活造成不必要的困扰。因此，对个体而言，养成良好的信息习惯，合理、适度的利用手机等移动设备才能保证我们的学习和工作更有效率。