【摘要】學習滿意度對提升在線教育的服務質量、完善教學質量評價體系、提高學習者的忠誠度等至關重要。本研究基于奧鵬網絡學習平台與《奧鵬網絡學習調查問卷》數據，以學習能力、學習動機、學習困難、學習過程和學習滿意度為潛變量，構建在線學習滿意度影響因素的結構方程模型，探究在線學習滿意度的影響因素及其關系。運用Amos20.0和SPSS20.0對343條有效數據進行探索性因子分析和驗證性因子分析，檢驗結構方程模型的假設和解釋能力。研究結果表明：學習過程對學習滿意度有較為直接的影響；學習能力、學習動機和學習困難通過與學習過程的關聯間接影響學習滿意度；學習能力分别與學習動機和學習困難有較為直接的關聯。據此，從教學設計和學習支持服務方面給出提升學習滿意度的建議。
【關鍵詞】學習滿意度；遠程學習者；結構方程模型
【中圖分類号】G442【文獻标識碼】A【文章編号】1009—458ｘ（2016）08—0059—07
一、研究背景
遠程教育服務質量是領域内積極探索的主題之一，它被視為遠程教育可持續發展的關鍵因素，其重要核心就是遠程學習者的滿意度。學習者滿意度之所以會成為機構質量保證的目标，主要原因在于遠程教育“服務”理念的興起，即将遠程教育作為一種服務提供給學習者。丁新等人（2005）明确提出了遠程教育服務質量觀的内涵，指出服務為遠程教育的基本産出，可以将遠程教育質量分解為預期的結果質量和過程質量，以及在整個過程中産生的“非預期”質量。在這種觀念的影響下，衡量遠程教育質量的指标不再隻看客觀指标，比如學習成績，而更加關注學習者的主觀感受，将學習者看成顧客，認為學習者是遠程教育服務和評價的主體，用學習者滿意度衡量遠程教育服務的質量和水平。
既有的遠程學習者滿意度研究主要以問卷測量展開。如今，學習分析技術為我們研究滿意度主題提供了新的可能。在線學習中記錄與存儲了大量學習行為數據，能夠幫助發現學習者的學習規律和學習問題，進而對學習者的學習行為、學習過程和學習成效進行描述、診斷、預測和幹預。通過這些學習數據的采集，與學習者問卷數據相結合，能夠從在線學習行為與學習期望兩個層面探讨和分析遠程學習者滿意度的影響因素和相應評價。本研究以學習分析技術為核心，依托奧鵬網絡學習平台課程的數據記錄和學習者調查問卷，試圖對在線學習滿意度的影響因素及其關系進行探索和表征。
二、相關研究綜述
國内外一些學者和專家從多個方面探讨了在線學習的學習滿意度問題。日本學者Bray等（2008）揭示了五個影響遠程學習滿意度的因素：學習者和教師之間的互動、學習者與學習内容之間的互動、學習者之間的互動、學習者與學習界面之間的互動、學習者自主權。馬來西亞學者Lim等人（2009）調查了五個影響因素：學習者的行為和态度、技術和系統、互動應用、機構因素和教師個性特征。（轉引自黃複生，2012）我國學者王耐寒（2011）從現狀、影響因素和具體案例研究網絡學習的滿意度問題，并構建了學習滿意度影響因素的層次模型，總結了四大影響因素：教學交互、學習平台、學習資源和網絡課件；王甯等（2014）基于問卷調查，構建回歸模型進行學習滿意度影響因素的實證分析，表明界面設計友好、課程内容明确與重點突出、拓展資料充足以及良好的教學交互效果是學習滿意度的主要影響因素；鄒晔（2004）從網頁規劃、資源設計、學習導航、評價體系、交互實現、教學視野和學習支持等方面進行測評，構建了網絡課程學習者滿意度測評體系，并通過描述性統計進行定量分析等；戴卓等（2014）以在校大學生為研究對象，學習風格和人格特質為調節變量，平台可靠性、系統導航性、内容豐富性、界面友好性和頁面美觀性以及學習者對教育的滿意度為自變量，建立網絡教學平台滿意度模型。
已有的學習滿意度研究成果大多基于問卷調查，探究學習滿意度的主要影響因素，但單一的學習者問卷數據所代表的學習者期望不能完全體現在線學習的滿意度情況，缺乏與學習過程客觀數據的結合，難以更全面地揭示學習滿意度的影響因素。已有的學習滿意度研究為本文理論模型的構建提供了理論基礎和借鑒依據，如何将在線學習者的行為數據與調查問卷相結合，探究在線學習滿意度的影響因素及其關系。
對于在線學習滿意度研究的方法，在數據采集階段，大部分的相關研究都采用問卷調查方法，有的研究者采用訪談和問卷調查相結合的方法開展研究；在數據分析階段，國外學者Davies和Berrow（1998）采用相關分析法開展研究，王昭君（2007）和應小平（2008）均采用相關分析法和回歸分析法開展研究。此外，有的研究者還采用實驗研究和個案研究法開展研究。
由于本研究的變量不能被直接測量，需要通過具體的測量變量進行表征，因此選擇構建結構方程模型對學習滿意度的影響因素進行研究。結構方程模型（structuralequationmodeling，SEM）是20世紀70年代基于KarlG.Joreskog和DagSorbom等提出的統計理論發展起來的一種多元統計技術，綜合了路徑分析、探索性因子分析、驗證性因子分析、因素分析與一般統計方法，與其他統計分析方法相比，能夠同時處理多組變量之間的路徑關系，考慮變量之間的誤差因素，更好地估計數據的拟合程度和檢驗理論模型，幫助研究者開展驗證性分析。
國内外已有研究者應用結構方程模型對影響在線學習滿意度的因素進行研究。馬來西亞學者Ra⁃mayah和Lee（2012）使用結構方程模型對系統特性和在線學習滿意度進行研究，旨在揭示在線學習的系統質量、信息質量、服務質量與學習滿意度的關系。肯尼亞學者Ndigirigi（2012）利用結構方程模型對學習滿意度的關鍵影響因素分析，估計出課程管理層面、技術層面和制度安排層面與學習滿意度的關系。蘇勝強（2012）繼承了美國顧客滿意度指數模型（ACSI）的核心概念和架構，構建了遠程學習者滿意度模型；李莉等（2009）對美國顧客滿意度指數模型（ACSI）進行調整，提出了中國網絡遠程教學學員滿意度指數模型（CNESI）；吳興華（2014）參考美國顧客滿意度指數模型（ACSI）、歐洲顧客滿意度指數模型（ECSI）以及我國《網絡教育服務質量管理體系規範》構建了一個由服務感知質量、系統技術感知、認同感和滿意度四個變量組成的結構方程模型；黨志敏（2015）基于美國顧客滿意度指數模型（ACSI）構建了影響視頻公開課的使用因素模型。通過以上研究，本文發現結構方程模型在在線學習滿意度的研究中越來越多地被應用。本研究也用之對潛變量的表征和結構關系進行探究。
在線學習滿意度及其相關影響因素不能被直接測量，需要通過具體的測量變量，如學習幫助滿意度、學習支持滿意度、平台滿意度等指标進行表征，多因子間的相互作用更加顯著，模型分析滞後于數據獲得的特征也表露得更加明顯，結構方程能夠很好地處理多個潛變量和測量變量之間的路徑關系，并且在數據拟合和模型檢驗方面具有全面性和靈活性。綜上所述，結構方程在在線學習滿意度影響因素研究中可以更充分地發揮出其優勢。
三、概念模型和研究假設
本研究首先對奧鵬網絡學習平台與《奧鵬網絡學習調查問卷》的數據進行探索性因子分析，将測量指标劃分為五個潛變量：學習能力、學習動機、學習困難、學習過程和學習滿意度。其中，學習能力是指學習者順利完成學習活動，保證學習進度的能力；學習動機是指學習者參加遠程學習的學習需要和目标；學習困難反映了學習者進行在線學習時遇到的學習困難；學習過程通過學習者在線學習産生的行為數據表征，反映學習者在線學習過程的學習情況；學習滿意度是學習者完成學習後對遠程學習各方面服務的結果感受，由學習者對自身感受進行評價。每一個潛變量都由三個及以上的具體測量變量進行表征。
在遠程學習的過程中，學習者的學習能力、學習動機和學習困難都能夠對學習過程造成一定的影響，并且學習過程體驗也能夠在一定程度上改變學習者的學習能力、學習動機和學習困難；學習者的學習動機能夠決定學習者的學習積極性，進而對其學習能力造成影響，而學習能力又能夠通過學習情緒影響其學習動機；并且學習者學習能力的強弱在一定程度上能夠表征學習者遇到學習困難的難易程度，學習者遇到的學習困難會産生學習能力的變化；學習者将自己在學習過程中得到的學習體驗和學習困難帶來的情緒體驗共同生成學習滿意度。
根據以上因子分析結果和理論研究，提出研究假設如下：
H1：學習能力與學習動機相互影響；
H2：學習能力與學習過程相互影響；
H3：學習能力與學習困難相互影響；
H4：學習動機與學習過程相互影響；
H5：學習過程與學習困難相互影響；
H6：學習過程正向影響學習滿意度；
H7：學習困難負向影響學習滿意度。根據研究理論和假設，得到本研究的概念框架圖（如圖1所示），反映學習者學習能力、學習動機、學習困難、學習過程和學習滿意度之間的關聯關系。
四、研究方法與數據來源
結構方程模型（SEM）是一種多元統計技術，能夠将可測變量作為潛變量的标識，從而分析潛變量之間的結構關系，并且處理測量誤差。學習能力、學習動機、學習困難、學習過程以及學習滿意度難以直接測量，需要通過其他因子來标識，并且學習能力、學習動機、學習困難、學習過程以及學習滿意度之間的關系不是單一的，多因子間的相互作用非常顯著，因此結構方程模型為此提供了很好的分析方法。
本研究以奧鵬網絡學習平台中記錄的學習者學習行為數據與《奧鵬網絡學習調查問卷》的調查結果數據為主要的數據來源，構建學習滿意度影響因素關系的結構方程模型；分析學習能力、學習動機、學習困難和學習過程對學習滿意度的影響關系及其相互關系；通過已獲取的實際數據對模型進行實證分析研究，檢驗模型的解釋能力。
1.樣本選取和數據收集
本研究主要數據來源為奧鵬網絡學習平台，該平台已與40多所重點大學合作，學曆教育招生專業180多個，是中國最大的遠程教育服務運營機構，學習者進行網絡學習活動的情況較好，并且網絡學習調查問卷數據收集情況較好。本研究以該平台2013年的學習者學習行為數據和參與調查的學習者問卷數據為樣本，合并兩組數據後，剔除未填寫調查問卷、缺失值過多和學習成績為0的學習者數據，得到樣本343個。
2.變量解釋和數據描述
本研究使用清洗後的行為數據和調查數據作為測量指标，共得到30個測量變量。使用統計分析軟件SPSS20.0對測量變量進行因子分析，并借助理論指導，共得到潛變量因子5個，分别為學習能力、學習動機、學習過程、學習困難和學習滿意度。測量變量中，與學習能力相關的有3個，與學習動機相關的有10個，與學習過程相關的有7個，與學習困難相關的有4個，與學習滿意度相關的有6個，具體變量結果及數據描述見表1。
表中學習能力、學習動機、學習困難和學習滿意度的測量變量數據來自問卷調查，問卷中的所有問項都采用LIKERT五點量表法，數值“1”表示非常同意，“2”表示同意，“3”表示不确定，“4”表示不同意，“5”表示非常不同意。學習過程的測量變量數據來自學習平台，由于變量數值水平不一，均簡化為五級變量以便分析，相應的對應規則為：平均學習時長變量範圍是0到10小時，以2小時為單位轉化；離線任務總數變量範圍是0到18個，以3.6個為單位轉化；課程總數變量範圍是0到25個，以5個為單位轉化；平均登錄時長變量範圍是0到13,000秒，以2,600秒為單位轉化；頁面平均浏覽數變量中，“1”表示0到25個，“2”表示25到50個，“3”表示50到75個，“4”表示75到100個，“5”表示100個以上；測驗平均成績變量範圍是0到100分，以25分為單位轉化；離線任務平均成績變量簡化規則與平均成績變量相同。
數據表明，在學習能力方面，學習者整體的時間管理能力和任務完成能力較好；學習動機方面，學習者的知識水平動機、職業動機和文憑動機較突出，而工作動機對學習者影響較小；學習過程方面，學習者整體的平均學習時長在2到3小時之間，完成的離線任務總數平均在4個左右，修讀的課程總數平均在15到20個，平均登錄時長為1個小時左右，離線任務平均成績在80分以上，高于測驗平均成績，而頁面平均浏覽數較少；學習困難方面，學習者的網絡困難問題較突出，而孤獨感困難問題較不明顯；學習滿意度方面，學習者對學習幫助滿意度、學習平台滿意度和學習形式滿意度的評價較高。
3.工具應用
本研究根據上述數據，在Amos20.0軟件中運用驗證性因子分析檢驗模型的準确性和解釋能力。
五、滿意度影響因素結構方程模型實證分析
基于研究假設建立的結構方程模型，結合上述對潛變量和測量變量的設定，通過探索性驗證得到模型和檢驗結果（如圖2所示）。
模型卡方比自由度的值落在1~3内，模型适配度指标值TLI和CFI大于0.9，GFI和NFI接近于0.9，且RMR和RMSEA均小于0.05。因此，本研究提出的假設模型與實際觀察數據的拟合情況良好，即模型的外在質量很高（具體見表2）。
其中，潛變量之間關系的指标越大，表示其影響關系越強；測量變量與潛變量之間的指标越大，表示其代表的行為或調查結果越能表征潛變量。
具體地講，影響學習滿意度的六個測量變量中，影響程度從強到弱依次為學習興趣（0.88）、學習形式（0.82）、學習幫助（0.80）、授課方式（0.77）、學習平台（0.73）和學習支持（0.72）；在線學習者的學習能力由三個測量變量進行衡量：是否能按時完成學習任務的影響程度最大（0.88），其次是時間管理能力（0.87），最後是學習效能感（0.68）；學習動機的測量變量對動機的影響程度依次為興趣愛好（0.67）、知識水平（0.65）、職業需要（0.56）、社交需求（0.55）、社會地位（0.50）、親朋鼓勵（0.49）、文憑需求（0.47）、群體行為（0.42）、升職需求（0.41）和單位要求（0.38）；對學習困難影響最大的是學習者孤獨感（0.74），其次是問題解決能力（0.64），再次為時間管理能力（0.54）和網絡情況（-0.46）等；而在影響學習過程的三個測量變量中，頁面平均浏覽數（0.44）、平均學習時長（0.42）和平均登錄時長（-0.39）對學習過程的影響程度相近。
根據模型檢驗的結果，對假設驗證情況逐一說明如下：
本研究提出的7個假設有5個在0.001的水平下顯著，表明本研究提出的5個假設都得到支持。
假設1中在線學習者的學習能力與學習動機相互影響顯著（β=0.64），具體的測量變量分析中，完成學習任務和時間管理的能力對學習能力有着較大的影響，表明在線學習者完成學習任務、時間管理的能力與學習者的社會、家庭和自我需求有着密切的聯系。
假設2中在線學習者的學習能力與學習過程之間也有顯著的相互影響（β=-0.86），表明在線學習者的學習能力與在線學習過程的學習行為有較強的聯系。學習者學習過程的行為表現，可以在一定程度上作為其學習能力的反映；學習者自身的學習能力會影響其學習過程的行為表現。
假設3中在線學習者的學習能力與學習困難相互影響顯著（β=-0.36），表明在線學習所遇到的孤獨感問題、問題解決障礙、時間管理壓力、平台運行情況與學習者學習能力有較為直接的聯系，并且學習者遇到的學習困難會影響學習者完成任務的效率、時間管理能力和學習效能感的發展。
假設4中在線學習者的學習動機與學習過程相互影響顯著（β=-0.89），高于學習能力與學習過程的相互影響（β=-0.86），但兩者差距不大。表明在線學習者學習過程的完成情況與學習者本身的動機有更為直接的關系，而學習能力與學習過程的相互影響相對較弱，但在線學習者的學習動機和學習能力都與學習過程有着較強的相關。
假設5中在線學習者的學習過程與學習困難相互影響不顯著（β=-0.44）。但是結合之前假設的驗證結果，可以推測：僅在線學習存在的困難對學習過程不能造成直接的影響，通過學習者學習困難與學習能力的相互影響，可以間接影響學習者的在線學習過程。當學習者遇到學習困難時，其學習能力對于學習困難的解決程度，能夠影響其學習行為的發生。
假設6中在線學習者的學習過程對學習滿意度有較大影響（β=-0.8）。在線學習者的學習過程數據可以反映學習者的學習行為，從而實現學習過程的體驗直接影響學習滿意度。
假設7中在線學習者的學習困難對學習滿意度的影響不顯著（β=0.07）。結合之前的假設，可以推測學習困難與學習滿意度之間沒有直接的影響，但學習困難通過與學習能力、學習過程等的相互影響，間接影響學習者的在線學習過程。
六、研究結果與讨論
通過對模型檢驗結果數據的分析，本研究得出了以下結論和建議：
1.在線學習滿意度的影響因素
在線學習者學習能力、學習動機、學習困難與學習滿意度沒有明顯的直接聯系，但在線學習者的學習過程與學習滿意度之間有較大的影響關系，證明學習過程的體驗與學習滿意度有較大的相關。同時，學習能力、學習動機與學習過程存在顯著的聯系。因此，學習能力和學習動機是通過與學習過程的相互影響，間接影響學習者的學習滿意度。
因此，學習過程是影響學習滿意度的重要因素。在研究的過程中，我們發現，國内在線教育的模式較為單一，重點關注入學與畢業門檻的問題，對學習過程監控的重視程度不高。從平台的學習行為數據記錄來看，學習者學習過程數據多為“登錄時間”“登錄次數”“作業分數”等較為表層的或結果性的數據，缺乏完備性，研究參考意義不大，并且數據質量不高，不能很好地表征學習者的學習過程。其中一個可能的原因是，平台記錄數據的複雜化會給平台本身的性能增加較大的負擔，因此大多平台運營者不會無償記錄學習者的學習數據。
本文認為，在線學習平台應該加強對學習者學習過程的監控，增加能夠表征學習者學習過程數據的采集點，比如“學習時長”“資源浏覽量”等，而不隻是關注學習者的學習結果量，比如“學習成績”“平時分數”等。對學習者學習過程的監控不僅能夠為提高學習滿意度提供參考，還可以基于學習過程行為數據開發更公平的過程性評價策略，提供新的評估方法，使在線學習結果更具有科學性。
2.學習能力、學習動機與學習困難的關系
針對學習能力、學習動機和學習困難三個潛變量，本研究發現三者之間存在一些顯著的聯系：學習能力分别與學習動機和學習困難相互影響。
對于學習能力較高的學習者，應對不同的學習困難具有較高的能力和自信，并且遇到學習困難時能夠适當地進行自我調節，從而保證學習過程的順利進行，保持較高的滿意度。而對于學習能力較低的學習者，當他們遇到學習困難時無法很好地解決和調整心态，影響學習者的情緒和學習積極性，進而影響其學習滿意度。因此，我們需要關注學習能力較弱的學習者，在其遇到學習困難時提供及時的學習支持服務，為學習者解決學習困難，提供高質量的學習體驗。
學習者的學習動機越強，對學習時間的管理和任務完成情況的自我監控越好，越能夠保證學習過程的良好體驗，從而擁有較高的滿意度。學習者的學習動機越弱，對待學習過程的态度更為随意，學習過程的體驗不高，進而影響學習滿意度。因此，對于學習動機較弱的學習者，需要給予更多的關注。同時，基于學習者學習能力的測量，合理地進行學習過程的監控和預警，促使學習者完成高效、高質量的在線學習。
3.學習能力、學習動機和學習困難與學習過程的關系
本文發現在線學習者的學習能力、學習動機和學習困難與學習過程存在一些顯著的聯系，具體表現為：在線學習者的學習能力與學習過程之間存在顯著的、較強的聯系；在線學習者的學習動機與學習過程相互影響顯著，而在線學習者的學習過程與學習困難之間不存在顯著的聯系。學習者的學習動機強弱、對時間和任務管理的能力等學習能力因素都會對學習者學習過程的活動完成産生一定的影響，而學習者遇到的一些學習困難，例如學習孤獨感、網絡連接等問題對學習體驗過程形成的影響不大。
對學習能力、學習動機和學習困難的調查通常是在學習過程發生之前，比如學習者學習動機的測量；或是在學習過程發生之後，比如讓學習者回顧學習過程遇到的學習困難和自己的學習能力表現，導緻我們無法通過對調查反映的問題進行調控，提高學習者學習過程的效率和效果。
本文認為，在線學習平台應該增設學習過程中的學習能力、學習動機和學習困難實時調查，如時間管理情況、任務完成情況、學習孤獨感問題和網絡連接問題等，根據調查發現的問題，及時提供相應的學習支持服務和問題解決策略，為學習者提供更好的學習過程體驗，使學習者保持較高的學習滿意度。
七、總結與建議
1.在線學習滿意度的提高學習者的學習滿意度對于在線學習平台的發展來說至關重要，能夠促進平台教育教學質量評價體系的完善，提升平台各方面學習服務的質量，提高學習者的忠誠度，進而提高市場競争力。基于本文的研究結果，學習過程是影響學習滿意度的重要方面，學習能力、學習動機與學習困難通過與學習過程相互關聯，間接影響學習滿意度。
本文認為，可以從教學設計和學習支持服務兩個方面提高在線學習滿意度。在教學設計方面，可以根據學習能力和學習動機設計不同的教學策略，進行有針對性的教學，使學習者學有所用。比如對于學習能力較低的學習者，盡量設計更為細緻、時間安排更為明确的教學活動；在學習過程中，教師根據學生學習困難和學習過程的反饋，反思和改進教學設計。在學習支持服務方面，對學習能力較弱或學習動機較低的學習者，可以有更為頻繁的學習監控和預警措施；在學習者遇到學習困難時，安排不同類型的教師，針對性地解決不同的學習困難；加強對學習者學習過程數據的記錄，及時提供個性化的學習指導和答疑解惑，從而使學習者保持較高的滿意度。
2.研究的不足和展望
從數據對象和變量關系來看，本研究選取的是一個在線平台的數據，采用30個特定的測量變量表征學習者的學習能力、學習動機、學習困難、學習過程和學習滿意度，在結果的推廣上具有一定的局限性。本文期望在未來的研究中選取多個在線平台的數據，并且調整模型變量使滿意度影響因素模型更具普适性，從而提高研究結果的可推廣性。此外，由于大量無效數據的存在，在數據預處理的過程中具有一定的主觀性，在一定程度上影響了研究的信度和效度，有待于在未來的研究中加以克服。
[參考文獻]
戴卓，鄭孝庭.2014.網絡教學平台滿意度影響因素研究[J].中國遠程教育（04）：50-56，65.
黨志敏.2015.中國大學視頻公開課使用影響因素的全模型分析[D].山東：山東師範大學傳媒學院.
丁新，武麗志.2005.遠程教育質量：一種服務的觀點[J].中國遠程教育（3）：14-18.
黃複生.2012.基于學習者視角的遠程學習服務質量概念模型[J].開放教育研究（02）：99-106.
黃天慧，鄭勤華.2011.學習者數字化學習績效的影響因素研究綜述[J].中國遠程教育（07）：17-23，95.
李莉，李峰.2009.中國網絡遠程教學滿意度指數模型實證分析[J].工業工程與管理（01）：115-121.
李明輝.2010.網絡環境下學習滿意度、知識掌握及使用意願的影響因素分析[D].上海：複旦大學管理學院.
石茹.2015.交互質量知覺、動機信念與學習滿意度的關系研究：情緒的中介作用[D].
武漢：華中師範大學心理學院.蘇勝強.2012.結構方程模型視角下的遠程學習者滿意度實證研究[J].中國遠程教育（03）：49-55，95-96.
王耐寒.2011.網絡教育學習滿意度影響因素的研究[D].山東：山東師範大學傳媒學院.
王昭君.2007.影響網絡學習成效關鍵因素探究[D].上海：華東師範大學教育科學學院.
王甯，琚向紅，葛正鵬.2014.開放教育網絡課程學習滿意度影響因素[J].開放教育研究（06）：111-118.
吳興華.2014.基于結構方程的開放大學網上學習滿意度研究[J].湖南廣播電視大學學報（02）：1-3.
應小平.2008.淺析遠程學曆教育模式下影響電子化學習績效的關鍵因子[D].上海：複旦大學管理學院.
鄒晔.2004.網絡課程學生滿意度測評[J].開放教育研究（04）：40-42.
Davies,R.,&Berrow,T.(1998).Anevaluationoftheuseofcomputersupportedpeerreviewfordevelopinghigher-levelskills.Computers&Education,30(1-2),111-115.
Ndigirigi,A.N.(2012).E-learningdevelopmentinkenyaanempiricalanalysisofcriticalfactorsthataffectslearners'satisfactionine-learn⁃ingininstitutionofhigherlearninginkenya.MastersofScienceinIn⁃formationSystems.
Ramayah,T.,&Lee,J.W.C.(2012).Systemcharacteristics,satisfac⁃tionande-learningusage:astructuralequationmodel(sem).TurkishOnlineJournalofEducationalTechnology,11(2),196-206.
收稿日期：2016－06－02
定稿日期：2016－06－28
作者簡介：曾嘉靈，陸星兒，楊陽，吳秀菡，助理研究員，北京師範大學遠程教育研究中心（100875）。
鄭勤華，副教授，北京師範大學遠程教育研究中心教育學部（100875）。
本文系北京師範大學自主科研基金項目“學習者在線學習狀态分析與可視化工具研發”（SKZZB2015013）課題成果，獲得中央高校基本科研業務費專項資金資助。
責任編輯韓世梅