利用SPSS statistics分析MOOC手机APP功能需求

随着互联网和手机、ipad的不断发展,人们的学习模式也在不断的发生变化,由最初的远程学习到在线学习,从在线学习到移动学习,每一次的技术的发展带来的都是人们学习方式的飞跃。于是基于开放的、大规模的在线学习平台MOOC应运而生。

为了解APP开发时需要哪些功能,开发商决定通过调查问卷的方式对用户的需求进行调查。本次问卷分为“学生-教师”、“学生-内容”、“教师-内容”、“学生-学生”以及“教师-教师”五个部分,并采用里克特量表,用分数1,2,3,4,5,分别代表“极不同意”,“不同意”,“中立”,“同意”和“完全同意”。问卷全为正向题,故本次数据分析无需进行反向题转换。

问卷信度分析

本次分析采用克隆巴赫α检验对问卷各个部分的内在一致性进行检验。目的在于检测问卷的五个部分的问题是否都问都是在问同一个问题。软件分析输出结果如下:

mooc1

结果显示,每个部分的α值均大于0.9,说明问卷各个部分的内在一致性极好,即问卷的信度较高,具有统计学上的意义。

因子分析

因子分析的目的在于从58个选项中提炼出重要的因子从而在最大程度上解释MOOC环境下的移动学习信息系统应该具有哪些功能模块。

对五个模块的各个项目进行相关分析,结果显示,大部分相关系数大于0.35,符合因子分析的前提。每个部分的KMO值均大于0.85,说明数据适合进行因子分析。Bartlett球型检验显示显著性均小于0.0005,因此此次预调研的数据量充足。相关系数矩阵非单位矩阵,说明因子分析的可行性检验通过。

通过主成分分析的方式提取主成分,为了提高显著性,进行了方差最大化正交旋转。结合碎石图确定每个部分的因子数量。

对每个部分进行旋转得到如下表格:

mooc

除了“学生-教师”以及“学生-内容”外均只析出一个因子。从上表中的每个模块的方差贡献率可以看出,每个因子的方差贡献率都大于50%,因此抽取出来的因子能够较好概括原始数据需要表达的信息。

mooc3

上表输出旋转后的因子载荷矩阵,基于上述矩阵我们提取出了7个因子。

结合原问卷,开发者将7个用户需求转换为功能需求,在开发过程中就可以明确具体的工作内容。

Chinese, Simplified(简体中文)