引论:我们为您整理了13篇大学生计算机论文范文,供您借鉴以丰富您的创作。它们是您写作时的宝贵资源,期望它们能够激发您的创作灵感,让您的文章更具深度。
篇1
2.综合实训方法改革
传统的计算机教学多采用的是实训案例法,学生在规定的时间内完成教师布置的任务,将全体学生视作具备统一的基础水准,忽略了个体差异,导致教学效果不理想。因此,教师应该针对不同学生的不同能力程度来安排实践实训环节,以引导和启发学生。第一,采取任务驱动法。任务驱动法指的是学生针对教师给出的任务自主地展开探索和相互合作的过程,能够使学生在完成任务的同时培养探索精神。布置的任务要在学生的能力范围之内,但又不能过于简单,要能激发学生的求知欲,进行积极的思考,进行理智的判断。也可设置若干个任务由学生自主选择。开放性的题目能够让学生根据自己的想法来实施,不受实践空间的限制,有利于学生在完成任务的同时充分激发自己的潜能。同时在完成项目的过程中还能够锻炼学生合理安排实践、分工协作的能力,提高工作效率。第二,分组讨论法。为了保证每名同学都能够参与到讨论中来,就要合理地安排每一个组的人数,使组内的成员都能各司其职,并且尽量实现能力上的平衡,使每个组都能够得到表现的机会。分组讨论中,教师担任的是总指挥、总导演,主要负责监督、辅助和引导工作。在学生出现差错和问题时,及时给予帮助。第三,成果展示法。此方法可以与以上任意一种方法实现很好的结合,在任务完成之后要有一个成果展示的过程。能够让学生感受到自己的辛苦没有白费,也能将其视作对自己学习成果的一种检测,接受教师和同学的审阅和评价,接受更多的质疑和迎接更多的挑战。
篇2
2.1问卷形成及数据收集
本问卷主要使用的是7级Likert量表。本次数据收集的活动从2013年8月24日到2013年9月24日,最终回收问卷303份,得到有效问卷260份,有效问卷占回收问卷的比例为85.8%。此次问卷的发放在全国范围内进行,其中东、中、西部城市的比例分别为50.8%、27.3%和21.9%。并且调查的对象涉及高职高专、本科及硕博士研究生等学历的大学生,其中理工科、文史科、经管科和其他专业的比例分别为38.1%、17.3%、41.5%和3.1%,因此样本具有普遍性。最后将回收的有效问卷进行整理,使用SPSSStatistics19对数据进行统计和分析。
2.2问卷信度与效度分析
对感知有用性、感知易用性、感知风险分别进行信度分析,所得的Alpha值分别为0.795、0.853、0.882,均大于0.7,表明数据内部结构较好,可靠性较强。效度是衡量测量结果正确性程度的一个重要指标。效度分析最理想的方法是利用因子分析来测量量表的结构[8]。首先进行KMO值判定和Bartlett氏球体检验,得到的结果为KMO值为0.875,大于0.80,Bartlett氏球体检验值为2579.409,p值为0.000,达到显著性水平,且各问项的负荷均在0.512~0.803之间,因此本文的测量问项适合进行因子分析。接下来对数据进行因子分析,转轴后在8次迭代后收敛,萃取出五个因子,这5个因子的特征根分别为6.988,2.545,1.731,1.354,1.206,它们一起累计解释了总方差的65.831%,这说明5个主成分基本可以提供原始数据的足够信息。提出来的5个因子的CronbachAlpha值分别为0.535,0.785、0.836、0.853、0.882,并且每个因子中任一问项删除不能显著提高Cronbach’sAlpha值,因此有效性符合统计研究要求。提取出来的5个因子分别对应“自身因素”、“技术感知有用性”、“服务感知有用性”、“感知易用性”和“感知风险”,因此,因子分析的结果基本与本研究最初设计的核心要素相符。
3数据分析结果
3.1方差分析
在本文中,对假设H1的检验需要考察“自身因素”、“技术感知有用性”、“服务感知有用性”、“感知易用性”和“感知风险”这几个研究变量分别在“性别”、“专业类别”、“家庭经济情况”、“对新信息技术的态度”和“是否考虑过自主创业”这几个方面上是否存在差异,其中因变量是被试者对相关陈述的同意程度的评分,用数值大小代表同意的程度,自变量是被试者的类别,因此本文中用单因素方差分析来对假设H1进行检验。在进行方差分析前先进行方差齐性检验,如果变量的显著性大于0.05,表明具有方差齐次性,则使用LSD来检验,否则使用方差非齐性检验Tamhane值。方差分析的结果如下:(1)“性别”对“自身因素”和“感知易用性”的影响的F值分别为13.394和9.106,显著性分别为0.000和0.003,表示不同性别的大学生对“自身因素”和“感知易用性”这两个因素的感知在0.01水平上存在显著差异,且对于“自身因素”,女生的均值高于男生的均值,对于“感知易用性”,男生的均值高于女生的均值。而“性别”对“技术感知有用性”、“服务感知有用性”和“感知风险”的影响不存在显著差异。(2)“专业类别”对“感知风险”的影响的F值为3.045,显著性为0.029,表示不同专业类别的大学生对感知风险这个因素的感知在0.05的水平上存在显著差异,且不同专业类别对“感知风险”的均值为经管科最高,其次为理工科,最低的为文史科。而“专业类别”对“自身因素”、“技术感知有用性”、“服务感知有用性”和“感知易用性”的影响没有显著差异。(3)“家庭经济情况”对“自身因素”、“技术感知有用性”、“服务感知有用性”、“感知易用性”和“感知风险”的影响均没有显著差异。(4)“对新信息技术的态度”对“自身因素”的影响的F值为4.841,显著性为0.000,表示对新信息技术的态度不同的大学生对“自身因素”的感知在0.01水平上具有显著差异,且对于“自身因素”,均值最高的是“不会去尝试新信息技术”,最低的是“关注且尝试新信息技术”。这表明自我认为个人能力强且所处环境良好的同学不太愿意尝试新技术,反而是对个人能力自我评价不高的同学更愿意尝试新技术。而“对新信息技术的态度”对“技术感知有用性”、“服务感知有用性”、“感知易用性”和“感知风险”的影响没有显著差异。(5)“是否考虑过自主创业”对“技术感知有用性”、“服务感知有用性”和“感知易用性”的影响的F值分别为2.887、2.967和3.635,显著性分别为0.023、0.020和0.007,表示“是否考虑过自主创业”对“技术感知有用性”和“服务感知有用性”的影响在0.05水平上有显著差异,对“感知易用性”的影响在0.01水平上有显著差异。且对于“技术感知有用性”和“服务感知有用性”,均值最高的是“有自主创业的想法,且较强烈”,最低的是“已经尝试或正在尝试创业”;对于“感知易用性”,均值最高的也是“有自主创业的想法,且较强烈”,最低的是“从未考虑过自主创业”,其次是“已经尝试或正在尝试创业”。由此可见,“有自主创业的想法,且较强烈”的群体对新技术的接纳心理最强,对“已经尝试或正在尝试创业”的群体新技术则没有太大的吸引力。而“是否考虑过自主创业”对“自身因素”和“感知风险”的影响没有显著差异。由此,方差分析的结果表明,假设H1只有部分成立,即“自身因素”在“性别”和“对新信息技术的态度”上存在差异;“技术感知有用性”和“服务感知有用性”只在“是否考虑过自主创业”上存在差异;“感知易用性”在“性别”和“是否考虑过自主创业”上存在差异;“感知风险”只在“专业类别”上存在差异。
3.2相关分析和回归分析
3.2.1相关性分析
本研究采用Pearson相关分析探讨“自身因素”、“技术感知有用性”、“服务感知有用性”、“感知易用性”、“感知风险”分别与使用意愿之间的相关关系。最后得到,“自身因素”和使用意愿的相关系数为-0.163,并且在0.01水平上显著负相关;“技术感知有用性”、“服务感知有用性”、“感知易用性”和使用意愿的相关系数分别为0.218,0.308和0.250,并且在0.01水平上显著正相关;“感知风险”和使用意愿之间没有明显的相关关系。为了进一步了解“感知风险”和使用意愿之间的相关关系,本文对“感知风险”的各问项与使用意愿之间的相关性进行了分析,结果表明,“云计算标准不统一”和使用意愿的相关系数为0.157,且在0.05水平上显著正相关,其它问项和使用意愿之间没有明显的相关关系。
3.2.2回归分析
在回归分析中,被解释变量是大学生在自主创业时对云计算的使用意愿,该因变量为二分类离散变量,即大学生在自主创业时考虑利用云计算(是)和大学生在自主创业时不考虑利用云计算(否),因此采用二元Logit模型进行研究。根据相关分析,并结合方差分析的结果,建立模型:使用意愿=F(自身因素、技术感知有用性、服务感知有用性、感知易用性、感知风险、性别、专业类别、对新信息技术的态度、是否考虑过自主创业)+随机干扰项。进而构造大学生利用云计算进行自主创业的意愿的Logit模型二元行为选择模型如下:LogitP=ln[P/(1-P)]=β0+β1x1+β2x2+…+β9x9+ε其中,P代表大学生自主创业时利用云计算的概率值,β0为常数项,x1至x9分别表示自身因素、技术感知有用性、服务感知有用性、感知易用性、感知风险、性别、专业类别、对新信息技术的态度、是否考虑过自主创业九个变量。通过Hosmer-Lemeshow(H-L)检验,其显著水平为0.436,大于0.05,因而在统计意义上是不显著的,接受观测数据与预测数据之间没有显著差异的零假设,即可以说明模型拟合效果较好。并且通过回代检验,该模型对数据的判别准确度为81.9%,因此,模型回归结果从整体上来说是可以接受的。分析的结果如表1。(1)“自身因素”的回归系数为-0.411,显著性为0.003,表明“自身因素”对使用意愿具有显著的负向影响,前面相关分析的结果也表明“自身因素”和使用意愿之间负向相关。对自我能力以及所处环境评价越高的同学,对使用新技术的积极性反而越低。因此,假设H2不成立。(2)“技术感知有用性”、“服务感知有用性”、“感知易用性”都对使用意愿有正向影响,它们的回归系数分别为0.350、0.479和0.384,显著性分别为0.115、0.034和0.011,表明“服务感知有用性”和“感知易用性”的正向影响在0.05水平上是显著的,但“技术感知有用性”对使用意愿的正向影响不显著。相关分析的结果表明,“服务感知有用性”、“感知易用性”对新技术的接受态度上都有积极的影响,但“技术感知有用性”有正面影响,但不明显。假设H3、H4、H5得到验证。(3)“感知风险”的回归系数为-0.334,显著性为0.103,表明“感知风险”对使用意愿有负向影响,但这种影响不是显著的,但“感知风险”中“云计算标准不统一”与使用意愿在0.05水平上显著正相关。而从回归分析的结果来看,“感知风险”还是会对使用意愿有一定的负向影响,尤其是“云计算标准不统一”对使用者的使用意愿有着极大的影响。总的来看,假设H6基本得到验证。(4)其他因素中只有“关注且可能会尝试新信息技术”对使用意愿有显著正向影响,其回归系数为3.540,显著性为0.030。
4研究结论和对策建议
4.1研究结论
根据调研数据的结果,被试大学生在自主创业时考虑利用云计算的比例为75.4%,说明云计算这一技术很符合大学生创业节省资金、方便快捷的需求,为大多数大学生创业者所喜爱。(1)通过对影响使用意愿的因素的分析表明,“自身因素”对大学生自主创业时利用云计算的意愿有显著负向影响,自身能力较强的同学反而不太愿意使用云计算这种新技术,他们认为自身所处的环境以及自身能力足以轻松解决云计算可以帮助解决的问题,而且使用云计算存在一定的安全隐患,没有太大的必要去冒险;(2)“技术感知有用性”对大学生创业时云计算的使用意愿有一定的正向影响;“服务感知有用性”和“感知易用性”对使用意愿有显著的正向影响;技术接受者都期望自己得到的服务是简洁、易用的、操作人性化的、不需要太多培训的,当然最重要的是花钱得到的服务能对自己有一定帮助。对一项技术所感知到的有用性和易用性越高,使用倾向也就越高。(3)“感知风险”对大学生创业时云计算的使用意愿有一定的负向影响;用户长期习惯于什么都自己建、自己管,把很可能是一些机密信息交给第三方会有些不放心,加上云计算自身发展存在一些问题,比如“云计算标准不统一”等,用户会担心使用云计算的安全性,从而放弃使用这项服务。(4)“关注且可能会尝试新信息技术”对使用意愿有显著正向影响,经常关注并且对云计算有一定了解的学生对这项新技术能带来的利益以及风险比较清楚,使用相对来说熟悉的新技术感知风险比较小,所以比较容易接受。此外,不同性别的大学生在“自身因素”和“感知易用性”两个因素上的感知有差异,女生虽然对自身评价比较高,但是大多数女生都对计算机技术不太感兴趣,对云计算会有先入为主的不太容易操作的偏见。不同专业的大学生在“感知风险”上有差异,经管科以及理工科专业的学生思维的缜密性以及对风险的专业敏感性比较高,对新事物的感知风险比较敏感。对新信息技术持不同态度的大学生在“自身因素”上的感知有差异。