《表3 变量赋值与校准：移动学习社区中用户感知学习效果的组态动因及提升策略研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动学习社区中用户感知学习效果的组态动因及提升策略研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

QCA分析前，必须要将数据校准为一个界定清楚的集合中的隶属程度。校准主要依据理论和实际的知识或数据特征，设定集合中完全隶属、交叉点和完全不隶属3个值[50]。如表3所示，即为变量的赋值与校准标准。前因变量中只有RTF使用了3级量表（直播、混合式、录播/资源推送分别为1、2、3），其他变量都使用了5级量表，对于校准标准（完全隶属值，交叉点，完全不隶属值）则参照样本数据特征，将最大值设为完全隶属值，最小值设为完全不隶属值，最大值与最小值的中位数设为交叉点。由于样本数据特征不一，因此校准标准各异。对于结果变量MLP，感知效果好设为1，感知效果不好则设为0，校准时将0.5设为交叉点。为方便记录，将校准后的变量名称加后缀“f”。