第四章 研究結果之分析與討論
第三節 整合型科技接受模式預測教師使用資訊科技 融入教學意願背
本研究欲探討「績效預期」、「努力預期」、「社會影響」、「促成 環境」四個構面對國小教師對於使用資訊科技融入教學意願的影響是否會 因為國小教師的「性別」、「年齡」、「教育程度」、「服務年資」、「任
87
教科目」、「資訊研習相關時數」與「自願性」等背景因素的不同而有所 差異，以回答本研究之研究問題之二。
按圖3-1之研究架構可知本研究之背景變項在研究中屬干擾變數。邱皓 政(2010)指出，干擾變數又稱為調節變數或情境變數，它是指會影響自變 數與依變數之間關係的方向或強度的變數。干擾變數是否會對自變數對依 變數間的關係具有干擾的效果，可用階層迴歸檢視。
運用階層迴歸檢視自變項與干擾變數之交互項對依變項是否達顯 著，在階層迴歸中僅須檢驗迴歸模型中之△ R2之數值及其判別係數t值是否 達統計上之顯著水準，若交互項對依變項之△ R2之數值及t值均達顯著水 準，則干擾變數具有干擾的效果存在。本研究不同干擾變項其干擾效果分 析如下：
壹、 性別的干擾分析
本研究之自變項乃屬連續變項，由於自變項、干擾變項及其交互項間 有相關，在分析時為避免有多元共線性影響係數的解釋力，故要將自變項 先進行中心化處理，使得迴歸係數的意義更加合理明確(邱皓政，2010)。
所謂的中心化處理即是該變項減去變項的平均數，也就是平減。經過平減 後的自變項將成為一個平均數為0而變異數不變的離均差分數。自變項平 減後，會使得自變項、干擾變項及其交互項間原本具有的高度相關變為低 度相關，增加參數估計的穩定性及標準誤不偏性。
性別在本研究中屬類別變項，經虛擬化處理後，在分析前還須將自變 項平減，再將平減後的自變項與性別相乘得到兩變項之交互項，並將上述 三變項投入迴歸模型中進行分析，以性別為干擾變數之分析結果如表4-3 所示：
88
表 4-3 性別干擾效果分析表
路徑關係 交互作用項t值 △ R2 △ F
PE→BI -.301** .017 9.057**
EE→BI -.569 .001 .323
SE→BI -2.737** .019 7.491**
FC→BI -.205 .000 .042
**p<.01 PE：績效預期 EE：努力預期 SE：社會影響 FC：促成環境 BI：行為意願
由表 4-3 可知以性別為干擾變數時，「績效預期」對「行為意願」與
「社會影響」對「行為意願」兩路徑之△ R2分別為.017(△ F=9.057, p<.01) 與.019(△ F =7.491, p<.01)均達統計上之顯著水準，表示在不同性別的干擾 下，「績效預期」及「社會影響」在解釋國小教師使用資訊科技融入教學 之「行為意願」時有顯著差異。
接著針對「績效預期」及「社會影響」進行事後簡單效果檢驗，結果 如表 4-4 所示：
表 4-4 性別干擾效果事後比較表
路徑關係 性別 R2 β
PE→BI 男性 .452 .672***
女性 .264 .496***
SE→BI 男性 .166 .408***
女性 .029 .171**
**p<.01, ***p<.001 PE：績效預期 SE：社會影響 BI：行為意願
由表 4-4 可知在不同性別的水準下，「績效預期」對「行為意願」的 解釋力不同，結果顯示「男性」與「女性」之「績效預期」對「行為意願」
皆有正向影響，但男性的路徑係數為.672(***p<.001)明顯高於女性的路徑 係數.496(***p<.001)，表示「男性」的影響效果較大，這與林博斌(2006)、
賴郁琪(2008)、林心慧、張雲豪(2009)與謝育明(2009)的研究結果一致，意 即男性國小教師對於使用資訊科技融入教學能改變教學績效的程度感受 比女性強烈。
89
賴郁琪(2008)的研究指出雖然 Podcasting 並非應用於工作場合，沒有 提升工作績效的效果，但是以效率、有用性等角度來考量績效的意義，則 結果發現男性依舊比女性有更高的「績效期望」。謝育明(2009)的研究亦 認為男性在績效預期的認知強度較高。國外亦有研究發現男性通常有較高 的任務取向(賴郁琪，2008)。在過去研究中亦有不少研究指出男性教師使 用電腦的意願較女性教師高(李曉伶，2004；蔡俊男，2000)。故本研究推 測性別在績效預期與行為意願之關係上有影響。
「社會影響」對「行為意願」的影響受不同「性別」的干擾，表示國 小教師的社會影響對行為意願的解釋上會因性別而有所差異。此結果與林 心慧、張雲豪(2009)的研究結果相同。
此外，「社會影響」對「行為意願」在不同性別的水準下，解釋力亦 不同，由表 4-4 可知男性的路徑係數為.408(***p<.001)，女性的路徑係數 為.171(***p<.001)，顯示男女兩性在「社會影響」對於「行為意願」的影 響上皆有正向影響力，但男性之路徑係數明顯高於女性之路徑係數，表示 他人對於其使用資訊科技融入教學的想法或行為較有影響力尤其在男性 國小教師身上較顯著，意即男性教師在使用資訊科技融入教學時比女性教 師更會受他人的影響，這與林心慧、張雲豪(2009)的研究結果相異。林心 慧、張雲豪(2009)的研究指出女性工作者雖然容易受到高階主管態度與同 事的態度而影響使用意願，但這些影響通常是剛開始使用才會發生的，使 用一段時間後，社會影響對使用意願並沒有顯著的影響。
亦有研究指出男性較女性而言，更容易受到「社會影響」之影響，部 門主管、同事的態度都是影響其使用新科技意願的重要因素(涂富閔，
2009)。同樣的變項，但研究對象、研究範圍不同，研究結果亦有所差異。
而本研究之結果顯示男性在使用訊科技融入教學時比女性更會受到同事 及學校主管之影響，推測其原因乃在於男性教師本身具有較高的任務取
90
向，對資訊科技也有較高的嘗試意願，因此，在教學時也較容易因為學校 之同事或主管的支持而提升其使用資訊科技的意願。故研究者推測，因為 有這樣的差異，使得不同性別的國小教師對於他人是否支持其使用資訊科 技融入教學的感受上有程度上的差別。
貳、 年齡的干擾分析
上述乃以干擾變數為類別變項時之干擾效果檢驗方式，如果干擾變數 與自變項均為連續變項，在檢驗干擾效果時，身為連續變項之干擾變數亦 須與自變項一樣進行平減處理，再將平減後的自變項與平減後的干擾變項 相乘得到其交互項，接著再將上述三變項投入迴歸模型中，檢視干擾效果 是否存在。以年齡為干擾變數的分析如表4-5所示：
表 4-5 年齡干擾效果分析表
路徑關係 交互作用項t值 △ R2 △ F
PE→BI -1.389 .004 1.931
EE→BI .975 .002 .951
SE→BI -2.267** .018 6.902**
FC→BI .388 .000 .151
** p <.01 PE：績效預期 EE：努力預期 SE：社會影響 FC：促成環境 BI：行為意願
由表4-5可知，以年齡為干擾效果的分析中，僅年齡與社會影響交互作 用項對行為意願的△ R2=.018(△ F=6.902, p <.01)達顯著水準，顯示年齡產生 干擾效果。表示國小教師對使用資訊科技融入教學的社會影響對行為意願 的解釋上會因年齡的因素而有所差異，故進一步進行簡單效果簡驗，由於 年齡在本研究屬連續變項，故在操作上不能像性別那般以分組方式進行效 果檢驗，其考驗方法為計算干擾變數在平均數正負一個標準差之數值帶入 迴歸方程式中，並用二條迴歸方程式檢驗其干擾效果(邱皓政，2010)。
本研究干擾變數為平減後的年齡，其平均數為0，標準差是.758，故先 將 「 平 減 後 的 年 齡 」 加 減 一 個 標 準 差 後 的 係 數 帶 入 迴 歸 方 程 式 ：
91
Y=.389X+(-.076)Z+(-.196)XZ+4.113中，並畫出不同年齡干擾效果，如圖4-2 所示：
圖 4-2 不同年齡之干擾效果
由圖4-2可知，不管年齡大小，國小教師之社會影響對行為意願均呈現 正向之關係。但年齡較大的國小教師，其社會影響對的行為意願的影響較 大，因此，國小教師社會影響對於行為意願之影響，明顯受到年齡之干擾，
且此一現象在年齡較大者得身上更明顯，換句話說，年齡較大的國小教師 比年齡較小的國小教師更容易因別人的想法而使用資訊科技融入教學。
此結果與汪美香及李佳璋(2009)、涂富閔(2009)的研究結果一致。涂 富閔(2009)的研究指出年紀較長之員工較在意企業內有影響力人士對其使 用系統的影響性。而汪美香及李佳璋(2009)亦指出市府員工會年齡的關 係對上司及同事有不同程度的感受，進而影響其對數位學習系統的使用意 願
社會影響與行為意願的關係會因年齡大小而有所差異，推測其原因乃 年紀較長之國小教師，通常在學校已服務多年，對學校環境及生態熟悉，
行 為 意 願
社會影響
92
因此，對老師而言的重要他人若能支持他使用資訊科技融入教學，那該教 師使用的意願就會提高，也就是說社會影響與行為意願的關係在年紀較長 之國小教師身上能明顯感受的到。反觀而年紀較輕之國小教師，對學校環 境及生態還不甚熟悉，故其行為處事上會較有自己的想法，亦較不受他人 的影響，故推測其教學時也比較不會因他人的想法及態度而影響他的做 法。
參、 不同教育程度的干擾分析
在本研究中教育程度分為四個水準，故在分析干擾效果關係時又與上 述兩變項不太一樣。
在操作上，如果干擾變項是類別變項，在只有兩個水準時(亦即二分變 項)，干擾變項仍可視為連續變項的一種特殊狀況，而可以直接以傳統線性 迴歸來處理。但是如果干擾變項是超過兩個水準的多類別變項，則必須經 過虛擬處理(邱皓政，2010)。
「教育程度」在本研究中屬於多類別之類別變項，故在分析前須先進 行變項之虛擬化。按本研究之問卷，教育程度分為「研究所以上」、「師 範體系畢業」、「一般大學畢業」及「其他」，共四個水準。但從 4-2 可 知，「其他」項目之樣本數為零，故干擾變數由原本四個水準減為三個水 準，將三個水準的虛擬化。由於干擾變數經過虛擬處理，故又稱虛擬廻歸。
在執行虛擬迴歸時，若水準數是大於 2 的類別變項時，須注意有多元 共線性的問題，故當一個具有 k 個水準的類別變項，經轉換後所可得 k 個 虛擬變項，但在投入迴歸時，為避免造成多元共線性的問題，虛擬變項的 數目為 k-1 個。未經處理的水準稱為參照組，參照組宜取用內容明確清楚、
在執行虛擬迴歸時，若水準數是大於 2 的類別變項時，須注意有多元 共線性的問題，故當一個具有 k 個水準的類別變項，經轉換後所可得 k 個 虛擬變項，但在投入迴歸時，為避免造成多元共線性的問題，虛擬變項的 數目為 k-1 個。未經處理的水準稱為參照組，參照組宜取用內容明確清楚、