基于TAM模型的RSNS功能对用户使用行为影响实证分析

摘 要 论文通过实证方式研究了RSNS功能对用户行为的影响，认为平台凝聚力对功能利用偏好影响最大；信息适用性对互动模式、学术获取方式、学术共享行为有较大的影响。

关键词 TAM模型 社交网络 用户行为

分类号 G252.0

DOI 10.16810/j.cnki.1672-514X.2017.12.011

Abstract This paper studies the impact of RSNS to user behavior through empirical research. The main conclusions include the cohesive force of the platform has the greatest impact on functional use preference； the suitability of information has great impact on the interactive mode， academic acquisition mode and academic sharing behavior.

Keywords TAM model. Social network. User behavior.

科研社交网络[1]是指通过网络来发现并利用人员、资源的研究型或学术型站点及工具， 其目的是协助科研人员通过此类专业性网络平台搜索学术信息，拓展学术交流圈，推动科研信息交流和学术创新的发展。目前，大型的科研社交网络平台（Research Social Network Sites， RSNS） 都已经拥有较高的知名度和广泛的用户群体，如ResearchGate、Academia.edu、科学网、小木虫等。随着越来越多的科研人员借助社交网络进行科学研究，科研社交网络的普及对用户科研交流形式产生了巨大的影响。本文拟就科研社交网络的功能要素对用户行为的影响进行实证分析，以期对如何完善科研社交网络平台功能提出参考性建议。

1 用户行为理论分析

1.1 RSNS用户行为分析

目前，对于科研社交网络用户行为的影响主要是从用户个人因素入手进行分析。张素芳[1]从科研社交网络用户性别、年龄、学历、职称、研究领域等入手，分析了个人特征对用户行为倾向存在的影响。郑万松[2]從信任、权威、态度、感知行为等个人感知方面分析了科研社交网络用户行为的影响因素。陈明红[3]基于计划行为理论分析科研社交网络用户态度、主观和感知对使用行为的影响。

虽然以用户为中心个人特征分析固然可以很好地解释用户的行为，但从行为主客体互动角度看，对用户使用行为产生直接影响的因素还有平台功能，而这方面的研究仍有缺失，因此有必要分析平台功能要素对用户行为如何产生影响。

1.2 技术接受模型中的用户行为理论

技术接受模型[4] （Technology Acceptance Model， TAM），最初目的是为了研究信息系统能否被用户接受，从而实现对用户行为的预测。它是对态度—意向—行为进行研究的一种模型。随着技术接受模型的不断完善，此模型最终确立以感知有用性、感知易用性及用户行为三方面为核心。本文研究根本性目的是通过用户行为来反映科研用户对科研社交网络功能的接受情况，与技术接受模型的理念不谋而合。

目前，技术接受模型研究已经相当成熟，在多个领域都进行了实证研究。基于技术接受模型研究网络平台的用户行为影响因素也有一定的理论基础。常静[5]基于技术接受模型确定了兴趣动机、感知有用性、感知易用性是对用户使用百度百科行为的最重要的三项影响因素。张刚要[6]基于技术接受模型从感知有用性和感知易用性的角度分析了影响高校网络课程用户接受程度的因素。周蓓婧[7]通过实证研究得出的感知有用性和感知易用性对用户使用微博的行为意愿存在正向的影响。可见，感知有用性和感知易用性是分析网络平台用户行为的重要因素。

2 调查与假设

本研究采用问卷调查—数据分析方法，在实际调研科研社交网络的基础上，基于技术接受模型感知有用性和感知易用性分解科研社交网络平台功能，确立用户行为，最终形成问卷问项。在问卷调查过程中，将社区功能和用户行为运用五级量表的调查研究，共收集到534份问卷。实证分析中，通过对两项进行因子分析将平台功能和用户行为进行分类，然后通过相关性分析来确定平台功能是否对用户存在影响，最后通过回归分析确定影响程度，并根据分析结果给出建议。

2.1 平台功能要素问项设置

2.1.1 RSNS用户感知有用性分析

科研社交网络用户感知有用性是指从科研社交网络内容是否能让用户觉得有用，笔者通过分析研究，总结以往的研究文章[8-14，23，25]，主要包括以下几类。①信息方面：“对您求知欲的满足程度” “与你研究兴趣的契合程度” “讨论内容和共享资料的学术性”“讨论内容和共享资料的启发性”；②用户方面：“是否有学术权威人士参与”“能否满足您的学术交往需求”“是否有与自己专业背景相似的用户” “其他用户对互动的参与程度”“用户在交流过程中的友好协作程度”“注册用户和活跃用户的规模”“其用户是否在学科、地域、机构等方面具有多样性”；③交流方面：“能否产生作为其中一员的自豪感” “您在其用户群体中的地位和威望”“礼品、积分、排行榜等激励措施的吸引力”。

2.1.2 RSNS用户感知易用性分析

科研社交网络用户感知易用性是指科研社交网络是否容易被用户使用，进一步可分为规范化和便捷性两个指标[15-17，26]。①网络平台的规范化：“科研社交网络的定位与建设理念”“管理规范的合理性” “管理员维持社区纪律的负责程度”；②网络平台的便捷性：“讨论内容和共享资料的便捷性”“反映最新科研动态的及时性”。endprint

2.2 用户行为问项设置

科研社交网络激发用户的行为，一是在于用户对科研社交网络的贡献行为，不断更新科研信息；二是在于人际关系和虚拟关系的融合与拓展。在进行问卷行为调查设计时，也将行为从这两个方面进行划分[15，16，18-26]。

与信息贡献相关的行为包括“仅浏览他人的文章”“经常使用站内搜索查找学术信息”“经常通过网站分类目录查寻学术信息”“经常发布文章”“发布文章时会注明引用文献”“经常转载他人的文章”“经常评论、回复他人文章”“经常推荐他人的文章”“经常查看好友的推荐信息”“经常关注系统的推荐信息”“订制了科研社交网络的信息推送服务”。

与拓展虚拟交流圈相关的行为，包括“经常使用站内即时互动工具”“经常使用在线咨询服务”“经常使用群组功能，如微群”“愿意使用社区的付费服务”“经常与科研社交网络中的熟人交流”“经常与科研社交网络中的陌生人交流”。

2.3 平台功能要素与用户行为影响假设

2.3.1 功能要素和用户行为的因子分析

对问卷的平台功能要素进行因子分析，主要根据主成分分析法，解释总方差，得出4个公因子。随后，对科研社交网络平台功能各因子旋转成份矩阵（旋转法为具有kaisev标准化的正交旋转法），如表1所示。

表1中，大于0.5的可以归为一类。在成份1中，大于0.5的因素，如“对您求知欲的满足程度”等可归纳为信息的适用性这个主因子，以此类推，主因子2可归纳为用户群及其合作度，主因子3归纳为平台凝聚力，主因子4可归纳为社区管理水平。

对科研社交网络用户行为的因子分析，主要根据主成分分析法，解释总方差，得出4个公因子。随后，对科研社交网络用户行为各因子旋转成份矩阵（旋转法同前），如表2所示。

同理，将表2里各种成分中大于0.5的归为一类，主因子1为功能利用偏好，主因子2为互动模式，主因子3是学术获取方式，主因子4是学术共享行为。

2.3.2 RSNS功能对用户行为影响假设

如图1所示，假设RSNS功能对用户的各类行为都存在着正向的影响，具体如下。

H1：信息适用性对功能利用偏好存在正向影响；

H2：信息适用性对互动模式存在正向影响；

H3：信息适用性对学术获取方式存在正向影响；

H4：信息适用性对学术共享行为存在正向影响；

H5：用户群及其合作度对功能利用偏好存在正向影響；

H6：用户群及其合作度对互动模式存在正向影响；

H7：用户群及其合作度对学术获取方式存在正向影响；

H8：用户群及其合作度对学术共享行为存在正向影响；

H9：平台凝聚力对功能利用偏好存在正向影响；

H10：平台凝聚力对互动模式存在正向影响；

H11：平台凝聚力对学术获取方式存在正向影响；

H12：平台凝聚力对学术共享行为存在正向影响；

H13：社区管理水平对功能利用偏好存在正向影响；

H14：社区管理水平对互动模式存在正向影响；

H15：社区管理水平对学术获取方式存在正向影响；

H16：社区管理水平对学术共享行为存在正向影响。

3 RSNS功能对用户行为影响数据分析

3.1 平台功能因素对用户行为的影响分析

如表3中所示， Pearson相关性显著性，正值为正相关性，负值为负相关。0.0

RSNS功能与用户行为都存在着相关性，那么具体影响程度如何呢？需要从回归分析进行分析探讨。

3.2 平台功能与用户行为回归分析

3.2.1 平台功能因素对平台功能利用偏好的回归分析

表5中，调整R方为0.202。模型中Sig值是0.000，影响显著，回归总体显著。T值是0.000，表明回归系数显著性明显。回归模型：功能利用偏好=-0.111×信息适用性+0.139×用户及其合作+0.251×平台凝聚力-0.119×社区管理水平。

由此可知，功能利用偏好与信息适用性、社区管理水平成负相关，与用户合作性和平台凝聚力成正相关；就影响强度来说，功能利用偏好受平台凝聚力影响最大。

3.2.2 平台功能因素对互动模式的回归分析

表6中，调整R方为0.179。模型中Sig值是0.000，影响显著，回归总体显著。T值是0.000，表明回归系数显著性明显。回归模型：互动模式=0.231×信息适用性+0.149×用户及其合作-0.010×平台凝聚力-0.101×社区管理水平。

由此可知，互动模式与信息适用性、社区管理水平成正相关，与用户合作性和平台凝聚力成负相关；就影响强度来说，互动模式受信息适用性影响最大。

3.2.3 平台功能因素对学术获取方式的回归分析

表7中，调整R方为0.190。模型中Sig值是0.000，影响显著，回归总体显著。T值是0.000，表明回归系数显著性明显。回归模型：学术获取方式=0.316×信息适用性+0.266×用户及其合作+0.129×平台凝聚力+0.055×社区管理水平。

由此可知，互动模式与信息适用性、社区管理水平、用户与用户合作性和平台凝聚力成正相关；就影响强度来说，学术获取方式受信息适用性影响最大。

3.2.4 平台功能因素对学术共享行为的回归分析

表8中，调整R方为0.056。模型中Sig值是0.000，影响显著，回归总体显著。T值是0.000，表明回归系数显著性明显。回归模型：学术共享行为=0.222×信息适用性-0.008×用户及其合作+0.112×平台凝聚力+0.029×社区管理水平。

由此可知，互动模式与信息适用性、社区管理水平和平台凝聚力成正相关，与用户合作性成负相关；就影响强度来说，学术共享行为受信息适用性影响最大。

4 RSNS功能对用户行为影响的方向及程度

在网络社区中，信息适用性、用户及其合作、平台凝聚力以及社区管理水平四项因素都将对社区功能利用偏好、互动模式、学术获取方式、学术共享行为产生影响。每一项因素对每一类行为虽然有一定影响，但并不会造成巨大影响，只有主要因素产生影响同时，其他因素也发生影响时，才能对用户行为产生影响。

4.1 平台信息适用性对用户学术获取行为有正向影响且影响很大

信息适用性是对用户行为影响最广泛也是影响最大的因素，在信息适用性越高的情况下，平台功能利用行为减少，用户与他人的互动行为频繁度增大，学术共享行为变频繁。相较于对其他行为的影响 ，信息适用性对用户学术获取行为影响程度最大。可以看出，科研人员使用科研社交网络的最重要的目的是获取有用的科研信息，在建设科研社交网络时可以考虑严把信息质量关；同时，可将多方面的权威信息整合到科研社交网络平台上，从而提高用户使用科研社交网络的粘性。

4.2 用户及其合作性对学术获取方式行为有较强的正向影响

用户及其合作性很大程度上影响了用户学术获取行为，原因在于科研社交网络用户群体交流的目的是获取知识。他们在关注用户群时，一部分是关注学术权威，另一部分是关注熟知群体。这些都是建立在有一定的认知，并且用户群相对稳定的基础上。在此基础上，获取的知识准确度和价值性才能得到保障。因此，用户及其合作性可以很大程度上影响用户的学术获取行为。

4.3 平台凝聚力对用户功能利用行为有一定正向影响

平台凝聚力越强的情况下，功能利用行为、学术获取行为和共享行为皆增多，其影响程度并不强。但是相对而言，平台凝聚力对平台功能利用偏好影响是最大的。原因是平台凝聚力的虚拟奖励因素对引导科研用户使用科研社交网络的各项功能有一定的激励作用。如果以相应的奖励，如高质量的文献共享等作为引导，则可以有效的提高平台特定功能的利用，从而引导科研用户对科研社交网络的频繁使用。

4.4 平台管理水平对用户功能利用行为和互动行为起负面作用

社区管理水平对用户的各类行为存在影响，但其影响程度都相对较弱。社区管理水平越高的情况下，功能利用行为和互动行为却相对越少，原因是科研社交网络作为一个开放式的网络社区，较多的约束和规范在一定程度上限制了用户的自由使用。然而，科研社交网络作为严谨的学术交流平台，缺乏平台管理也会造成平台信息和人员的混乱。因此，在设计平台管理的功能时，应该合理划定平台的约束范围和管理力度，在保障整个平台高效运作的同时，达到用户使用的最大权限。

参考文献：

张素芳，张晓晓.科研社交网络用户行为倾向的影响因素分析[J].国家图书馆学刊，2014（4）：36-41.

郑万松，孙晓琳，王刊良.基于社会资本和计划行为理论的知识共享影响因素研究[J].西安交通大学学报（社会科学版），2014，34（1）：43-48.

陈明红，漆贤军，刘莹.科研社交网络使用行为的影响因素研究[J].情报理论与实践，2015（10）：73-79.

DAVIS F D. A technology acceptance model for empirically testing new end-user information system：theory and results[EB/OL].[2016-10-11].http：//hdl.handle.net/1721.1/15192.

常静，杨建梅，欧瑞秋.基于TAM的百度百科用户参与意向的影响因素研究[J].软科学，2010（12）：34-37.

张刚要，安涛.基于TAM的高校网络课程接受度影响因素研究[J].中国电化教育，2015（5）：73-77.

周蓓婧，侯伦.消费者微博营销参与意愿影响因素分析：基于TAM和IDT模型[J].管理学家（学术版），2011（12）：22-40.

袁梦倩.论SNS新型社交网络的传播模式与功能[J].今传媒，2009（4）：78-80.

徐小龙，王方华.虚拟社区研究前沿探析[J].外国经济与管理，2007，29（9）：10-16.

孔德超.虚拟社区的知识共享模式研究[J].图书馆学研究，2009（10）：95-97.

王冰.社交网络电子商务应用用户研究与交互设计[D].大连：大连海事大学，2009.

刘蕤.虚拟社区知识共享影响因素及激励机制探析[J].情报理论与实践，2012，35（8）：39-43.

王东，刘国亮.虚拟学术社区知识共享的实现路径与策略研究[J].情报理论与实践，2013，36（6）：41-44.

郑万松，孙晓琳，王刊良.基于社会资本和计划行为理论的知识共享影响因素研究[J].西安交通大学学报（社会科学版），2014，34（1）：43-48.

徐美凤，叶继元.学术虚拟社区知识共享行为影响因素研究[J].情报理论与实践，2011（11）：72-77.

陈明红，漆贤军，刘莹.科研社交网络使用行为的影响因素研究[J].情报理论与实践，2015（10）：73-79.

李玲丽，吴新年.科研社交网络的发展现状及趋势分析[J].图书馆学研究，2013（1）：36-41.

杨辰.科研社交网络平台中的合作者推荐[D].合肥：中国科学技术大学，2015.

张明玉.科研社交网络中的导师推荐研究[D].合肥：中国科学技术大学，2016.

袁成哲，曾碧卿，汤庸，等.面向学术社交网络的多维度团队推荐模型[J].计算机科学与探索，2016（2）：201-209.

贾新露，王曰芬.学术社交网络的概念、特点及研究热点[J].图书馆学研究，2016（5）：7-13.

刘先红，李綱.科研社交网络的推荐系统对比分析[J].图书情报工作，2016（9）：116-122.

ROHANI V A， OW S H. Eliciting essential requirements for social networks in academic environments[J].Computers & Informatics， 2011：171-176.

GRUZD A， WELLMAN B， TAKHTEYEV Y. Imagining twitter as an imagined community[J].American Behavioral Scientist，2011，55（10）：1294-1318.

LENG G S， LADA S， MUHAMMAD M Z. An exploration of social networking sites（SNS） adoption in Malaysia using technology acceptance model（TAM），theory of planned behavior（TPB） and intrinsic motivation[J].Journal of Internet Banking and Commerce，2011，16（2）：1-27.

YEON K N， WONG S F， CHANG Y， et al. Knowledge sharing behavior among community members in professional research information centers[J].Information Development，2015（3）：1-45.endprint