受試者樣本描述

本研究係以台東縣消防局人員（約300餘人）為研究母群體，採立意抽樣 (Purposive Sampling)方式進行調查，該消防局人員目前總計約300餘人，共計發放 250份研究調查問卷，本研究共回收236份扣除其中之無效問卷17份後，計有效問 卷219份，有效問卷回收率達87.6%。填答者背景資料分布情形及敘述統計資料如 表4-1所示。整體而言，樣本代表性分析如下：

(一) 依性別區分：

在本研究樣本中，填答之台東縣消防局人員男性多於女性人員，回收問卷 樣本中男性消防局人員填答者有188人，佔85.8%，女性消防局人員有31人，佔 14.16%。

(二) 依年齡區分：

在回收問卷樣本中，年齡分布以「21-30歲」的消防局人員最多有97人，佔 44.29%；「31-40歲」的消防局人員，有66人，佔30.14%；「41-50歲」的人員，

有45人，佔20.55%；填答者中「51歲以上」的有9人，佔4.11%；而「20歲以 下」的人員人數最少，僅2人，佔0.91%。

(三) 依服務年資區分：

在本研究樣本中，服務年資以「5年以下」的人員為最多，有128人，佔 58.45%；「21~30年」的人員，有38人，佔17.35%；「11~20」的人員，有35人，

佔15.98%；「6~10年」的消防局人員，有14人，佔6.39%；「31年以上」的消防 局人員，有4人，佔1.83%。

(四) 依職務特性區分：

在本研究樣本中，填答者以「非主管職位」職務的消防局人員為最多，有 191人，佔97.21%；具「主管（高階、中階及基層）」職位的消防局人員，有28 人，佔12.79%；。

(五) 依單位別區分：

在本研究樣本中，填答者以「外勤(為24小時執勤單位)」的消防局人員為最 多，有188人，佔85.84%；「內勤(非24小時執勤單位)」的消防局人員，有31人，

佔14.16%。

(六) 依教育程度區分：

在本研究樣本中，學歷以「專科」的消防局人員為最多，有103人，佔 47.03%；具「大學」學歷者，有74人，佔33.79%；「高中（職）」學歷者，有 30人，佔13.7%；「研究所」學歷的消防局人員人數較少，有12人，佔5.48%。

表4-1 問卷基本資料分析表

一、 數位學習系統（Moodle）的學習情境方面

二、 數位學習系統（Moodle）的績效期望方面

消防局人員對數位學習系統（Moodle）的績效期望的相關題項，整體得分 平均數為3.91分，高於本研究五點量表之題平均數3，得分程度介於3「普通」和 4「同意」之間，得分屬於中上程度的績效期望同意度，顯示消防局人員對於 Moodle學習系統在關於增進知識與技能的學習效能、效率、時空彈性與降低教 育訓練的費用，以及紓解各單位人力調度可能產生的績效期望，能抱持著相當 正向程度的肯定，且對此績效期望的相關題項(由標準差觀之)在消防局人員的填 答結果是具有相當的一致的穩定性。

表4-3 數位學習系統（Moodle）績效期望的描述統計分析

編號 問卷題項 平均數 標準差

1 數位學習系統（Moodle）可以增進知識與技能的學習效

能。 3.90 0.78

2 數位學習系統（Moodle）可以增進知識與技能的學習效

率。 3.87 0.79

3 數位學習系統（Moodle）可以有效提供教育訓練在學習

時的時間與空間的彈性。 3.94 0.82

4 數位學習系統（Moodle）可以有效降低教育訓練的費用。 3.93 0.79

5 數位學習系統（Moodle）可以紓解教育訓練時，各單位

人力調度的問題。 3.92 0.79

平均 3.91 0.79

三、 數位學習系統（Moodle）的認知有用性方面

此外，關於TAM模式之主要構念的潛在變項上，消防局人員對數位學習系 統（Moodle）的有用性認知題項，整體得分平均數為3.82分，相當接近「同意」

尺度，得分屬於中上程度的同意度。此一分析結果顯示，填答問卷的消防局人 員對於Moodle學習系統在介面設計、功能和工具、操作流程與學習內容呈現的

教育訓練學習需求有用性認知上，能抱持著相當正面的同意度。

五、 Moodle數位學習系統使用意圖方面

最後，關於Moodle數位學習系統使用意圖方面，消防局人員對Moodle的使用 意圖相關題項，整體得分平均數為3.84分，亦相當接近「同意」尺度，得分屬於中 上程度的同意度。此一分析結果顯示，消防局人員對於使用Moodle進行教育訓練 的各種學習活動，或是推薦Moodle給需要進行教育訓練學習製作的同儕或工作夥 伴，以及在未來繼續使用Moodle進行學習活動，大部分消防局同仁均能抱持著正 面積極的使用意圖。

表4-6 數位學習系統（Moodle）使用意圖的描述統計分析

編號 題項 平均數 標準差

1 我喜歡使用本局的數位學習系統（Moodle）進行教育

訓練的各種學習活動。 3.78 0.80 2 我願意推薦本局的數位學習系統（Moodle）給需要進

行教育訓練學習製作的同儕或工作夥伴。 3.81 0.79 3 我對本局的數位學習系統（Moodle）進行學習抱持正

面的看法。 3.82 0.79

4 未來，我會願意使用本局的數位學習系統（Moodle）

進行教育訓練的各種學習活動。 3.90 0.76 5 整體而言，我能接受本局藉由數位學習系統（Moodle）

進行相關知識與技能的教育訓練。 3.89 0.79

平均 3.84 0.79

第三節 消防局人員對Moodle系統使用意圖 之因果影響模式架構分析

一、測量模型之信度與效度檢定

本研究所採用的最小偏平方法（partial least squares, PLS）之電腦軟體為 SmartPLS 2.0 M3 版，並且藉由拔靴法（Bootstrapping）來檢測結構模型當中路徑 的顯著程度。研究者針對所回收的有效問卷共219份實證資料，進行測量工具性質 (信度與效度)、研究假設與概念模式的檢定。測量模型的檢定包含了內部一致性、

收斂效度與區 別效度的檢 驗。有關 構念的內 部一致性是 評估變數 的組合信度

（composite reliability,CR）進行考驗（Fornell & Larcker, 1981）。

Nunnally（1978）建議組成信度值應在0.7以上，以確定測量變項達到內部一 致性。收斂效度表示多重變項所測量皆為同一構念的相符程度。依據Fornell與 Larcker（1981）建議，收斂效度可採行最小偏平方法（PLS）之驗證性因素分析作 為衡量依據，其中個別構念之組合信度（CR）應大於0.70，而平均變異萃取量

（average variance extracted; AVE）應大於0.5，方達可接受之收斂效度。當個別變 項對於它們所測量構念相關問項指標之因素負荷量（factor loading）夠高時（大於 0.707），同樣也達成收斂效度的要求（Straub, Marie & Gefen, 2004）。本研究的 驗證性因素分析結果顯示，如下表4-4所示，所有研究題向的因素負荷量（factor loading）均大於0.707的標準。

表4-7 測量模型之檢定結果 面，各構念之組合信度在0.89~ 0.93，平均變異萃取量在0.73 ~ 0.82，均超過相關驗

證性因素分析的標準值，故各構念具良好之收斂效度。

再者，我們並針對測量工具於相關構念的區別效度進行考驗，以嚴謹驗證本 研究概念架構所建立之主要研究變項之整體構念效度。構念區別效度之檢驗主要 在檢定測量之潛在變項（latent variable）對於不同的構念之間的鑑別程度。每個變 項與測量同樣一個構念的其他變項之相關程度，應該要高於與測量不同構念變項 的相關係數。為了通過區別效度的檢驗，個別構念抽取之平均變異萃取量（AVE）

的平方根，應該大於該構念與模型中其他構念的共變關係（Chin, 1998）。表4-4 為主構念相關研究面向之相關係數矩陣與區別效度分析，對角線所列之值為各研 究構念之平均變異萃取量的平方根。由表可見，任兩個構念之間的相關係數皆小 於該構念之測量變項的平均變異萃取量（AVE）的平方根。表4-5之分析結果顯示 本研究架構中各構念間，實具有充分的區別效度。

表 4-8 研究構念之相關係數與區別效度分析

構念 子構念 題數 組合

信度 1 2 3 4 5 6 7 學習

情境

1.專業技能體驗 4 0.94 0.89

2.實務應用知識 3 0.93 0.87 0.90

3.多元學習輔助 3 0.93 0.90 0.89 0.90

4.績效期望 5 0.93 0.77 0.79 0.78 0.85

5.認知有用性 5 0.95 0.81 0.78 0.80 0.79 0.88

6.認知易用性 6 0.95 0.72 0.74 0.73 0.74 0.73 0.86

7.使用意圖 5 0.95 0.81 0.84 0.81 0.72 0.78 0.69 0.89

註：對角線粗體字之數值(陰影部份)為潛在構面的平均變異萃取量（AVE）的平方根。

二、假設檢定

為了解本研究影響消防局人員對Moodle學習系統持續使用意願因素之間的影 響關係及顯著性影響，本研究路徑係數分析採用SmartPLS 2.0 M3版軟體，而結構

方程模式最重要的應用價值之一，在上述各節當中，本研究已經針對個別問項、

*p<0.05; **p<0.01

2.0 M3 版軟體，但由於SmartPLS 2.0 M3版本身並不提供顯著性之考驗，所以本研 究採用拔靴法（BootStrapping）方法以估計路徑係數（Bollen & Stine,1992），經 由樣本的重新取樣的程序進行顯著性檢驗。

陳彥宏(2007)指出拔靴法(Bootstrap)是由Efron (1979)所發展出來的統計推論方 法，用以估計母體分配。其概念是利用樣本以重複取出、放回的方式模擬出一個 隨機樣本，再由模擬出來的隨機樣本的統計量進行估計與檢定。此法的優點是不 必假設母體的分配卻可以掌握到母體分配的特性；且可適用於小樣本資料。而且，

在平常的情況下，拔靴法所提供的近似會比常用的極限近似來得精確。拔靴法驗 證結果分析之顯著水準方面可用t 值來檢定，在拔靴驗證法中，當t值大於1.96時，

則p 值小於0.05，表示達顯著水準；當t 值大於2.58時，則p 值小於0.01，表示達 非常顯著水準；當t 值大於3.29，則p 值小於0.001，表示達非常顯著水準。

本研究對於消防局人員對Moodle數位學習系統使用意圖因素之研究，在假說 檢定方面，所提出的七項主要假設皆獲得支持，所進行之結構性分析結果其模型 路徑參數。由其檢定結果分析，我們可獲得以下的初步研究結果的推論：

(一) 有用性認知會正向影響Moodle數位學習系統的使用意圖。

由前述PLS之統計分析結果可知，消防局人員對Moodle數位學習系統的有用性 認知對使用意圖的影響路徑係數為0.58，t值為9.19，達到p<0.01之顯著水準，故假 設H1成立。因此，統計分析結果顯示，消防局人員對Moodle數位學習系統的有用 性認知對本研究之主要預測依變項-Moodle數位學習系統使用意圖，有非常正向且 顯著的影響關係。

(二)易用性認知會正向影響Moodle數位學習系統的使用意圖 (H2)。

統的有用性認知對使用意圖的影響路徑係數為0.27，而拔靴法(Bootstrapping)的分 析結果可知，因果影響路徑的t值為4.14，達到p<0.01之顯著水準，故假設H2成立。

因此，統計分析結果顯示，消防局人員對Moodle數位學習系統的易用性認知對習 系統使用意圖，是具有有非常正向且顯著的影響關係。

(三) Moodle數位學習系統的易用性認知會正向影響有用性認知 (H3)。

圖4-1的結果顯示，TAM模式的傳統假說，使用者對Moodle數位學習系統的易 用 性 認 知 仍 會 對 其 有 用 性 認 知 有 顯 著 影 響 ， 其 路 徑 係 數 為 0.15 ， 而 拔 靴 法 (Bootstrapping)的分析結果可知，因果影響路徑的t值為2.27，達到p<0.05之顯著水

圖4-1的結果顯示，TAM模式的傳統假說，使用者對Moodle數位學習系統的易 用 性 認 知 仍 會 對 其 有 用 性 認 知 有 顯 著 影 響 ， 其 路 徑 係 數 為 0.15 ， 而 拔 靴 法 (Bootstrapping)的分析結果可知，因果影響路徑的t值為2.27，達到p<0.05之顯著水