引論：我們為您整理了13篇大學生計算機論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

2．綜合實訓方法改革

傳統的計算機教學多采用的是實訓案例法，學生在規定的時間內完成教師布置的任務，將全體學生視作具備統一的基礎水準，忽略了個體差異，導致教學效果不理想。因此，教師應該針對不同學生的不同能力程度來安排實踐實訓環節，以引導和啟發學生。第一，采取任務驅動法。任務驅動法指的是學生針對教師給出的任務自主地展開探索和相互合作的過程，能夠使學生在完成任務的同時培養探索精神。布置的任務要在學生的能力范圍之內，但又不能過于簡單，要能激發學生的求知欲，進行積極的思考，進行理智的判斷。也可設置若干個任務由學生自主選擇。開放性的題目能夠讓學生根據自己的想法來實施，不受實踐空間的限制，有利于學生在完成任務的同時充分激發自己的潛能。同時在完成項目的過程中還能夠鍛煉學生合理安排實踐、分工協作的能力，提高工作效率。第二，分組討論法。為了保證每名同學都能夠參與到討論中來，就要合理地安排每一個組的人數，使組內的成員都能各司其職，并且盡量實現能力上的平衡，使每個組都能夠得到表現的機會。分組討論中，教師擔任的是總指揮、總導演，主要負責監督、輔助和引導工作。在學生出現差錯和問題時，及時給予幫助。第三，成果展示法。此方法可以與以上任意一種方法實現很好的結合，在任務完成之后要有一個成果展示的過程。能夠讓學生感受到自己的辛苦沒有白費，也能將其視作對自己學習成果的一種檢測，接受教師和同學的審閱和評價，接受更多的質疑和迎接更多的挑戰。

篇2

2．1問卷形成及數據收集

本問卷主要使用的是7級Likert量表。本次數據收集的活動從2013年8月24日到2013年9月24日，最終回收問卷303份，得到有效問卷260份，有效問卷占回收問卷的比例為85．8%。此次問卷的發放在全國范圍內進行，其中東、中、西部城市的比例分別為50．8%、27．3%和21．9%。并且調查的對象涉及高職高專、本科及碩博士研究生等學歷的大學生，其中理工科、文史科、經管科和其他專業的比例分別為38．1%、17．3%、41．5%和3．1%，因此樣本具有普遍性。最后將回收的有效問卷進行整理，使用SPSSStatistics19對數據進行統計和分析。

2．2問卷信度與效度分析

對感知有用性、感知易用性、感知風險分別進行信度分析，所得的Alpha值分別為0．795、0．853、0．882，均大于0．7，表明數據內部結構較好，可靠性較強。效度是衡量測量結果正確性程度的一個重要指標。效度分析最理想的方法是利用因子分析來測量量表的結構［8］。首先進行KMO值判定和Bartlett氏球體檢驗，得到的結果為KMO值為0．875，大于0．80，Bartlett氏球體檢驗值為2579．409，p值為0．000，達到顯著性水平，且各問項的負荷均在0．512～0．803之間，因此本文的測量問項適合進行因子分析。接下來對數據進行因子分析，轉軸后在8次迭代后收斂，萃取出五個因子，這5個因子的特征根分別為6．988，2．545，1．731，1．354，1．206，它們一起累計解釋了總方差的65．831%，這說明5個主成分基本可以提供原始數據的足夠信息。提出來的5個因子的CronbachAlpha值分別為0．535，0．785、0．836、0．853、0．882，并且每個因子中任一問項刪除不能顯著提高Cronbach’sAlpha值，因此有效性符合統計研究要求。提取出來的5個因子分別對應“自身因素”、“技術感知有用性”、“服務感知有用性”、“感知易用性”和“感知風險”，因此，因子分析的結果基本與本研究最初設計的核心要素相符。

3數據分析結果

3．1方差分析

在本文中，對假設H1的檢驗需要考察“自身因素”、“技術感知有用性”、“服務感知有用性”、“感知易用性”和“感知風險”這幾個研究變量分別在“性別”、“專業類別”、“家庭經濟情況”、“對新信息技術的態度”和“是否考慮過自主創業”這幾個方面上是否存在差異，其中因變量是被試者對相關陳述的同意程度的評分，用數值大小代表同意的程度，自變量是被試者的類別，因此本文中用單因素方差分析來對假設H1進行檢驗。在進行方差分析前先進行方差齊性檢驗，如果變量的顯著性大于0．05，表明具有方差齊次性，則使用LSD來檢驗，否則使用方差非齊性檢驗Tamhane值。方差分析的結果如下:(1)“性別”對“自身因素”和“感知易用性”的影響的F值分別為13．394和9．106，顯著性分別為0．000和0．003，表示不同性別的大學生對“自身因素”和“感知易用性”這兩個因素的感知在0．01水平上存在顯著差異，且對于“自身因素”，女生的均值高于男生的均值，對于“感知易用性”，男生的均值高于女生的均值。而“性別”對“技術感知有用性”、“服務感知有用性”和“感知風險”的影響不存在顯著差異。(2)“專業類別”對“感知風險”的影響的F值為3．045，顯著性為0．029，表示不同專業類別的大學生對感知風險這個因素的感知在0．05的水平上存在顯著差異，且不同專業類別對“感知風險”的均值為經管科最高，其次為理工科，最低的為文史科。而“專業類別”對“自身因素”、“技術感知有用性”、“服務感知有用性”和“感知易用性”的影響沒有顯著差異。(3)“家庭經濟情況”對“自身因素”、“技術感知有用性”、“服務感知有用性”、“感知易用性”和“感知風險”的影響均沒有顯著差異。(4)“對新信息技術的態度”對“自身因素”的影響的F值為4．841，顯著性為0．000，表示對新信息技術的態度不同的大學生對“自身因素”的感知在0．01水平上具有顯著差異，且對于“自身因素”，均值最高的是“不會去嘗試新信息技術”，最低的是“關注且嘗試新信息技術”。這表明自我認為個人能力強且所處環境良好的同學不太愿意嘗試新技術，反而是對個人能力自我評價不高的同學更愿意嘗試新技術。而“對新信息技術的態度”對“技術感知有用性”、“服務感知有用性”、“感知易用性”和“感知風險”的影響沒有顯著差異。(5)“是否考慮過自主創業”對“技術感知有用性”、“服務感知有用性”和“感知易用性”的影響的F值分別為2．887、2．967和3．635，顯著性分別為0．023、0．020和0．007，表示“是否考慮過自主創業”對“技術感知有用性”和“服務感知有用性”的影響在0．05水平上有顯著差異，對“感知易用性”的影響在0．01水平上有顯著差異。且對于“技術感知有用性”和“服務感知有用性”，均值最高的是“有自主創業的想法，且較強烈”，最低的是“已經嘗試或正在嘗試創業”;對于“感知易用性”，均值最高的也是“有自主創業的想法，且較強烈”，最低的是“從未考慮過自主創業”，其次是“已經嘗試或正在嘗試創業”。由此可見，“有自主創業的想法，且較強烈”的群體對新技術的接納心理最強，對“已經嘗試或正在嘗試創業”的群體新技術則沒有太大的吸引力。而“是否考慮過自主創業”對“自身因素”和“感知風險”的影響沒有顯著差異。由此，方差分析的結果表明，假設H1只有部分成立，即“自身因素”在“性別”和“對新信息技術的態度”上存在差異;“技術感知有用性”和“服務感知有用性”只在“是否考慮過自主創業”上存在差異;“感知易用性”在“性別”和“是否考慮過自主創業”上存在差異;“感知風險”只在“專業類別”上存在差異。

3．2相關分析和回歸分析

3．2．1相關性分析

本研究采用Pearson相關分析探討“自身因素”、“技術感知有用性”、“服務感知有用性”、“感知易用性”、“感知風險”分別與使用意愿之間的相關關系。最后得到，“自身因素”和使用意愿的相關系數為－0．163，并且在0．01水平上顯著負相關;“技術感知有用性”、“服務感知有用性”、“感知易用性”和使用意愿的相關系數分別為0．218，0．308和0．250，并且在0．01水平上顯著正相關;“感知風險”和使用意愿之間沒有明顯的相關關系。為了進一步了解“感知風險”和使用意愿之間的相關關系，本文對“感知風險”的各問項與使用意愿之間的相關性進行了分析，結果表明，“云計算標準不統一”和使用意愿的相關系數為0．157，且在0．05水平上顯著正相關，其它問項和使用意愿之間沒有明顯的相關關系。

3．2．2回歸分析

在回歸分析中，被解釋變量是大學生在自主創業時對云計算的使用意愿，該因變量為二分類離散變量，即大學生在自主創業時考慮利用云計算(是)和大學生在自主創業時不考慮利用云計算(否)，因此采用二元Logit模型進行研究。根據相關分析，并結合方差分析的結果，建立模型:使用意愿=F(自身因素、技術感知有用性、服務感知有用性、感知易用性、感知風險、性別、專業類別、對新信息技術的態度、是否考慮過自主創業)+隨機干擾項。進而構造大學生利用云計算進行自主創業的意愿的Logit模型二元行為選擇模型如下:LogitP=ln［P/(1－P)］=β0+β1x1+β2x2+…+β9x9+ε其中，P代表大學生自主創業時利用云計算的概率值，β0為常數項，x1至x9分別表示自身因素、技術感知有用性、服務感知有用性、感知易用性、感知風險、性別、專業類別、對新信息技術的態度、是否考慮過自主創業九個變量。通過Hosmer-Lemeshow(H-L)檢驗，其顯著水平為0．436，大于0．05，因而在統計意義上是不顯著的，接受觀測數據與預測數據之間沒有顯著差異的零假設，即可以說明模型擬合效果較好。并且通過回代檢驗，該模型對數據的判別準確度為81．9%，因此，模型回歸結果從整體上來說是可以接受的。分析的結果如表1。(1)“自身因素”的回歸系數為－0．411，顯著性為0．003，表明“自身因素”對使用意愿具有顯著的負向影響，前面相關分析的結果也表明“自身因素”和使用意愿之間負向相關。對自我能力以及所處環境評價越高的同學，對使用新技術的積極性反而越低。因此，假設H2不成立。(2)“技術感知有用性”、“服務感知有用性”、“感知易用性”都對使用意愿有正向影響，它們的回歸系數分別為0．350、0．479和0．384，顯著性分別為0．115、0．034和0．011，表明“服務感知有用性”和“感知易用性”的正向影響在0．05水平上是顯著的，但“技術感知有用性”對使用意愿的正向影響不顯著。相關分析的結果表明，“服務感知有用性”、“感知易用性”對新技術的接受態度上都有積極的影響，但“技術感知有用性”有正面影響，但不明顯。假設H3、H4、H5得到驗證。(3)“感知風險”的回歸系數為－0．334，顯著性為0．103，表明“感知風險”對使用意愿有負向影響，但這種影響不是顯著的，但“感知風險”中“云計算標準不統一”與使用意愿在0．05水平上顯著正相關。而從回歸分析的結果來看，“感知風險”還是會對使用意愿有一定的負向影響，尤其是“云計算標準不統一”對使用者的使用意愿有著極大的影響。總的來看，假設H6基本得到驗證。(4)其他因素中只有“關注且可能會嘗試新信息技術”對使用意愿有顯著正向影響，其回歸系數為3．540，顯著性為0．030。

4研究結論和對策建議

4．1研究結論

根據調研數據的結果，被試大學生在自主創業時考慮利用云計算的比例為75．4%，說明云計算這一技術很符合大學生創業節省資金、方便快捷的需求，為大多數大學生創業者所喜愛。(1)通過對影響使用意愿的因素的分析表明，“自身因素”對大學生自主創業時利用云計算的意愿有顯著負向影響，自身能力較強的同學反而不太愿意使用云計算這種新技術，他們認為自身所處的環境以及自身能力足以輕松解決云計算可以幫助解決的問題，而且使用云計算存在一定的安全隱患，沒有太大的必要去冒險;(2)“技術感知有用性”對大學生創業時云計算的使用意愿有一定的正向影響;“服務感知有用性”和“感知易用性”對使用意愿有顯著的正向影響;技術接受者都期望自己得到的服務是簡潔、易用的、操作人性化的、不需要太多培訓的，當然最重要的是花錢得到的服務能對自己有一定幫助。對一項技術所感知到的有用性和易用性越高，使用傾向也就越高。(3)“感知風險”對大學生創業時云計算的使用意愿有一定的負向影響;用戶長期習慣于什么都自己建、自己管，把很可能是一些機密信息交給第三方會有些不放心，加上云計算自身發展存在一些問題，比如“云計算標準不統一”等，用戶會擔心使用云計算的安全性，從而放棄使用這項服務。(4)“關注且可能會嘗試新信息技術”對使用意愿有顯著正向影響，經常關注并且對云計算有一定了解的學生對這項新技術能帶來的利益以及風險比較清楚，使用相對來說熟悉的新技術感知風險比較小，所以比較容易接受。此外，不同性別的大學生在“自身因素”和“感知易用性”兩個因素上的感知有差異，女生雖然對自身評價比較高，但是大多數女生都對計算機技術不太感興趣，對云計算會有先入為主的不太容易操作的偏見。不同專業的大學生在“感知風險”上有差異，經管科以及理工科專業的學生思維的縝密性以及對風險的專業敏感性比較高，對新事物的感知風險比較敏感。對新信息技術持不同態度的大學生在“自身因素”上的感知有差異。