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 準，故假設H3亦獲得證實。

(四) Moodle數位學習系統的學習情境感受會正向影響其有用性認知(H4)。

由圖4-1的最小偏平方法(PLS)分析結果可知，消防局人員對Moodle數位學習系 統的學習情境感受對有用性認知的因果影響係數為0.49，而拔靴法的分析結果可 知，因果影響路徑的t值為5.92，達到p<0.01之顯著水準，故假設H4成立。因此，

統計分析結果顯示，消防局人員對Moodle數位學習系統的學習情境感受是會對有 用性認知產生正向且顯著的影響效果。

(五) Moodle數位學習系統的學習情境感受會正向影響其易用性認知(H5)。

由圖4-1的最小偏平方法(PLS)分析結果可知，消防局人員對Moodle數位學習系 統的學習情境感受對易用性認知的影響路徑係數為0.47，而拔靴法的分析結果可 知，因果影響路徑的t值為5.88，達到p<0.01之顯著水準，故假設H5成立。因此，

統計分析結果顯示，消防局人員對Moodle數位學習系統的學習情境感受是會對易 用性認知產生正向且顯著的影響效果。

(六) Moodle數位學習系統的使用績效期望會正向影響其有用性認知(H6)。

由最小偏平方法(PLS)分析結果顯示，消防局人員對Moodle數位學習系統的績 效期望感受對認知有用性的因果影響係數為0.36，而拔靴法(Bootstrapping)的分析 結果可知，因果影響路徑的t值為4.61，達到p<0.01之顯著水準，消防局人員對 Moodle數位學習系統的使用績效期望會正向影響有用性認知，故假設H6獲得PLS 統計分析的結果證實成立。

(七) Moodle數位學習系統的使用績效期望會正向影響其易用性認知(H7)。

圖4-1的最小偏平方法(PLS)分析結果顯示，消防局人員對Moodle數位學習系統 的績效期望感受對認知易用性的因果影響係數為0.36，而拔靴法(Bootstrapping)的 分析結果可知，因果影響路徑的t值為4.61，達到p<0.01之顯著水準，故假設H7成 立。因此，統計分析結果顯示，消防局人員對Moodle數位學習系統的使用績效期 望，亦會正向影響其對Moodle數位學習系統的易用性認知。