知识型“懒人包”接受度影响因素实证研究

廖珊珊1， 蔡念中， 谢兴政3， 苏纯

(1福建工程学院 设计学院, 福建 福州 350118； 2.台湾世新大学 新闻传播学院, 台湾 台北 116； 3.福建工程学院 管理学院, 福建 福州 350118)

随着数字时代网络科技的发展，共享知识已经成为社会的普遍现象。在学术界，共享知识亦是得到了众多学者的青睐，并从不同的角度对其进行剖析，如：Bock等从外在动机和组织氛围两方面对知识共享行为的影响因素进行了探讨〔1〕；Chumg等以员工的幸福感作为中介变量，分析了虚拟社区成员的知识共享行为〔2〕；张敏等则以大学生为研究对象，发现了社会关系强度对知识共享行为的影响〔3〕；张克永和李贺认为利他主义、社会认同、感知有用性和自我效能均是用户分享健康知识的驱动力〔4〕。值得指出的是，共享知识的形式也随着科技的进步不断地推陈出新，目前以视频、图片或文字等形式为主。

信息海量是数字时代的一个显著特征。为方便用户在短时间内了解新闻的全貌，美国的Newsy网站推出新闻“懒人包”——Newsy网站每天从巨量的信息中收集最新最火的新闻，制成专题信息包以供用户下载。“懒人包”以其高度浓缩信息的特征在网络时代迅速地普及推广，深入了解“懒人包”接受度的影响因素显得十分必要。然而，学术界并未对“懒人包”有过多深入的探讨，仅有吴志润从舆论宣传的角度对“懒人包”进行概念性的界定〔5〕。笔者认为，根据功能的差异，“懒人包”主要包含新闻“懒人包”、电影“懒人包”、电视剧“懒人包”、促销信息“懒人包”及知识型“懒人包”等类型。其中，知识型“懒人包”主要是指用户在阅读完某本书或掌握某一知识后，将其内容概要及阅读心得通过“懒人包”的形式(如视频、图片或文字)与他人在网络中进行分享。当下，已有众多的网站或平台以此服务为主要产品，如豆瓣网的书评就是一种文字形式的知识型“懒人包”，利于用户掌握书籍的知识概要；好知网的视频类的知识型“懒人包”可以帮助用户快速掌握软件的使用技能。近几年，此类平台发展迅速，获得了大量网民的青睐，用户数量急剧上升。

目前在国内外鲜有学者针对知识型“懒人包”的接受度展开实证研究。为弥补以上不足，本研究试图以扩展技术接受模型为理论基础，对海峡两岸在校大学生的知识型“懒人包”的接受度展开调查，分析用户对知识型“懒人包”接受度的影响因素，并探讨用户的性别和所在地区的调节作用是否存在。研究结果以期为知识型“懒人包”平台或制作者有效地提升用户的使用意向提供可实践的指导和建议。

一、研究模型构建

(一)技术接受模型

在理性行为理论和计划行为理论的基础上，Davis提出了技术接受模型(Technology Acceptance Model)，主要用于揭示个体接受新科技的驱动因素〔6〕。这一模型主要包含四个重要因素：感知易用性、感知有用性、态度和使用意向。其中，感知易用性是指个体感知学习和掌握某一具体新科技的程度〔6〕；感知有用性则被定义为个体感知到某一具体新科技帮助其提升个人表现的程度〔6〕。该模型认为，感知有用性和态度是用户具有使用新科技行为意向的重要影响因素，态度会受到感知有用性和感知易用性的影响，并且，感知易用性可以解释感知有用性的程度。

随着科技的不断进步，技术接受模型的相关研究也日渐丰富。技术接受模型既可预测工作场合中用户对新技术系统的使用意向，也可研究用户对知识型新科技的接受程度。在国外，Choi和Totten将其运用于移动电视接受度的研究，发现感知有用性对美国和韩国用户态度的影响作用存在差异性〔7〕。Pando-Garcia等亦将技术接受模型视为研究企业职员使用模拟商业游戏的基础理论，发现感知易用性、感知有用性、态度及使用意向间的关系在线上和线下两组成员之间存在显著差异〔8〕。Xu和Chen则整合了技术接受模型及任务技术适配模型(Task technology fit model)，对个体持续使用慕课系统的意愿进行调查，验证了慕课系统特征和社会动机对用户感知的影响作用〔9〕。在国内，裴一蕾等基于技术接受模型，探讨了搜索引擎用户体验对用户忠诚度的影响作用〔10〕。赵玉明等也透过技术接受模型对移动图书馆用户的接受度进行研究，发现用户的个体创新是其感知和行为意向的关键影响因子〔11〕。明均仁等则构建了移动图书馆的技术接受模型，认为系统特征和个体差异均能够影响用户的感知，从而影响其对移动图书馆的使用意向〔12〕。知识型“懒人包”是一种新兴的互联网产物，因此，技术接受模型可以作为调查用户对知识型“懒人包”接受度的基础理论。

虽然技术接受模型是一个简洁而强大的理论，通过两个变量(感知易用性和感知有用性)来解释用户对新事物的接受程度，但由于用户在做出决定时往往需要综合考虑多种因素，因而用户对知识型“懒人包”的接受度也会受到上述两个变量外的其他因素的影响。既往研究中，Schierz等指出使用技术接受模型时需要根据具体的科技而附加考虑一些因素，如要研究移动支付技术则要根据移动支付技术的特殊性，重点考察感知安全性和主观规范两个附加因素〔13〕。知识型“懒人包”是网络学习的方式之一。感知愉悦性是影响学生使用网络学习系统的主要因素之一〔14〕，自我效能感亦能促使学生使用网络学习系统〔15〕，因此，本研究将以技术接受模型为基础，整合感知愉悦性和自我效能感两个额外变量对知识型“懒人包”接受度进行调查，并验证性别和地区对知识型“懒人包”接受度及影响因素之间的关系的调节作用。

(二)研究模型构建

知识型“懒人包”的接受度被界定为用户对知识型“懒人包”相对持久的认知与情感感知倾向，因此，本文将使用意向这一变量用于测量用户的接受度，此外还提出12个研究假设并构建相应的研究模型，用于描述感知愉悦性、自我效能感、感知有用性、感知易用性、态度和使用意向之间的关联性以及性别和地区对上述变量关系所产生的调节作用，具体如图1所示。

图1 知识型“懒人包”接受度影响因素研究模型

1.态度

从市场营销领域来看，态度是指用户对某个品牌的商品或服务所形成的喜好反应。人们对任何事物都持有一定的态度，但态度并不是天生固有的，而是经由后天成长环境和个人价值观的影响而形成的。另一方面，态度具有稳定和持久的特点，并表现出相关的行为意向或实际行为。在技术接受模型中，用户态度是使用意向的驱动因素，这一结论也被大量的学者经过实证调查得以验证：Verma认为用户态度能够显著地影响其对大数据分析系统的使用意向〔16〕；Kim和Park认为态度是用户使用健康类科技系统的直接影响因素〔17〕；王双基于技术接受模型构建了以态度为中介变量的移动图书馆用户接受模型〔18〕。因此，本研究作出如下假设:

H1:用户对知识型“懒人包”的态度会正向影响其使用意向。

2.感知有用性

技术接受模型指出感知有用性是用户决定是否接受新科技的因素之一。感知有用性主要反映了具体的科技帮助用户提升个人表现的程度〔6〕。Rogers指出只有新技术比现有的解决方案更具独特优势，用户才会接受新技术〔19〕。知识型“懒人包”可以为学生提供更快掌握知识的方法，能够被学生用于核对自己所抓住的重点是否为该书本的真正重点，以确保学生能够更精确地掌握知识。此外，一些学生还将知识型“懒人包”运用于软件操作的学习中，以此提升学习效率。由此发现，学生用户对知识型“懒人包”具有一定的感知有用性。Davis已经验证了用户的感知有用性既可以影响其对新事物的态度，也可以提升其对新事物的使用意向〔6〕，这一结论也被学界广泛地进行验证，如Liu等认为感知有用性是用户积极态度形成和接受网络学习社区的驱动因素〔20〕。因此，本研究作出如下假设:

H2:用户对知识型“懒人包”的感知有用性会正向影响其态度；

H3:用户对知识型“懒人包”的感知有用性会正向影响其使用意向。

3.感知易用性

在技术接受模型中，用户的感知易用性是另一个重要因素。根据Davis的研究，感知易用性反映了用户所感知到的使用新科技的容易程度〔6〕。Gao和Bai强调，感知易用性与创新扩散理论中的复杂性所表述的概念类似〔21〕，它们均在关注用户在使用新科技时所感受到的努力。当用户对新科技的感知易用性较强时，他们对该科技的态度会较为正向〔6〕。因此，对于知识型“懒人包”的用户来说，他们需要感觉到知识型“懒人包”的易用性，才会形成正向态度。先前研究认为，感知易用性既是用户态度的重要决定因素，也能对感知有用性产生积极影响〔22～23〕。因此，本研究作出如下假设：

H4:用户对知识型“懒人包”的感知易用性会正向影响其态度；

H5:用户对知识型“懒人包”的感知易用性会正向影响其感知有用性。

4.感知愉悦性

Davis等认为感知愉悦性是指用户在某种程度上认为使用新技术是愉悦的〔22〕。与感知有用性和感知易用性等外在动机相比，感知愉悦性被看成是使用新事物的内在动机〔23〕。感知愉悦性可以影响用户对新技术的行为意向。在对比传统训练法和游戏训练法的接受度的研究中，Venkatesh和Speier认为旨在增强内在动机的游戏训练法比传统训练法具有更高的乐趣和更好的感知易用性〔23〕。此外，Venkatesh表明愉悦性会通过感知易用性而影响感知有用性〔24〕。当拥有内在动机时，人们的工作效率会得到明显的提升。结合本研究，当感知到知识型“懒人包”所带来的愉悦性，学生可以通过使用知识型“懒人包”提升自己的学习效率，依此可知，感知愉悦性能够影响学生对知识型“懒人包”的感知易用性和感知有用性。因此，本研究作出如下假设：

H6:用户对知识型“懒人包”的感知愉悦性会正向影响其感知易用性。

H7:用户对知识型“懒人包”的感知愉悦性会正向影响其感知有用性。

5.自我效能感

自我效能感可以被界定为用户对自己使用新技术以完成某项任务的能力的信念〔18〕。结合本文，使用知识型“懒人包”并非难事，关键在于找到相应的知识型“懒人包”，所以，知识型“懒人包”的自我效能感被看作是用户对自己找到并使用知识型“懒人包”能力的信念。自我效能感在用户对网络学习平台的接受过程中起着至关重要的作用〔25〕。当一个用户拥有较高的自我效能感时，他们在使用新技术时就有信心克服任何困难〔26〕。据此，当用户知识型“懒人包”的自我效能越高，他们就越有可能使用知识型“懒人包”。类似的，当学生对网络学习系统具有高水平的自我效能感时，他们使用网络学习系统的可能性就越大〔14〕。学生通过使用网络学习系统，能够扩展学习的渠道，进一步提高学习效率，满足学习的需求，从而提升感知愉悦性。因此，本研究作出如下假设：

H8:用户对知识型“懒人包”的自我效能感会正向影响其感知易用性；

H9:用户对知识型“懒人包”的自我效能感会正向影响其感知有用性；

H10:用户对知识型“懒人包”的自我效能感会正向影响其感知愉悦性。

6.性别和地区的调节作用

个体的差异会导致人们对相同事物的认知具有较大的差异〔27〕。从社会学理论的角度来看，不同性别的个体对交流的认知具有一定的差异〔28〕，即女性较为注重情感需求的满足，而男性则倾向于有效信息的交换。此外，用户所处地区的不同也会导致用户行为的差异性。虽然台湾与大陆同宗同源，但是由于近年来大陆的互联网行业迅速发展，极大地改变了人们的生活习惯和日常行为，使得用户在互联网相关领域出现了行为的差异，如支付方式的差异，移动支付已经在大陆地区进行普及，但台湾民众还是倾向于使用较为传统的支付方式。因此，本研究作出如下假设：

H11:用户的性别会调节其知识型“懒人包”使用意向与影响因素之间的关系；

H12:用户所处的地区会调节其知识型“懒人包”使用意向与影响因素之间的关系。

二、研究方法

(一)样本与数据收集

本研究采用便利性抽样的方式，对福州和台北4所高校的在校本科生进行调查。在调查过程中，笔者共发放500份纸质问卷，共回收407份，回收率达到81.4%。经过筛查排除数据缺失等无效样本之后，得到有效样本366份，样本有效率为89.9%。所有的样本皆处于18～24周岁的年龄阶段。在性别方面，男性为193人，占比52.7%，女性为173人，占比为47.3%。在地区方面，248个样本来自大陆地区，占比67.8%，118个样本是台湾大学生，占比为32.2%。同时，236名用户具有使用“懒人包”的经验，占64.5%。

(二)变量测量

本文总共涉及6个研究变量：感知愉悦性、自我效能感、感知有用性、感知易用性、用户态度和使用意向。如表1所示，感知愉悦性是采用学者Cheng关于在线学习的驱动因素的研究中所提出的3个题项〔29〕；Tan和Teo所提出的3个自我效能感的题项〔30〕被用于测量自我效能感；Venkatesh和Davis提出4个感知有用性的题项及4个感知易用性的题项〔31〕适合于本研究中的感知有用性与感知易用性的两个变量的测量；用户态度这一变量的测量使用的是Davis研究中的4个题项〔6〕；使用意向则同样是使用Davis研究中的3个题项〔6〕。上述6个变量的测量均采用李克特7级指标测量法(1表示“非常不同意”，7表示“非常同意”)。

表1 验证性因子分析结果

三、研究结果

本研究使用AMOS 22.0对所有样本数据进行分析。其中，验证性因子分析用于检验变量的信度、收敛效度和区别效度；路径分析用于验证变量之间的关系是否成立；多群组分析用于分析用户的性别和地区的调节效果是否存在。

(一)验证性因子分析

经过分析，验证性因子分析模型的拟合指标(χ2=249.719,DF=160,TLI=0.963,GFI=0.938,RMSEA=0.039)良好，表明该模型具有良好的拟合度，与Hair等所提出的拟合度指标要求一致〔32〕。如表1所示，由于感知易用性中的PE4题项的因子载荷量未能达到规定值，已被删除，其余所有题项均已保留；同时，各变量的CR值大于0.7，说明6个变量的信度均达到良好的程度；各变量的AVE值大于0.5，表明6个变量的收敛效度达到良好的程度，与Fornell和Larcker所提出的收敛效度指标要求一致〔33〕。

在变量间区别效度方面，由表2可知，研究对所涉及的6个变量进行皮尔森相关分析，结果显示各变量之间的相关系数在0.008～0.501之间，说明变量之间的相关程度较为不明显。此外，AVE值的开根号值大于变量间的相关系数，说明本研究中的6个变量具有良好的区别效度，与Fornell和Larcker所提出的区别效度指标要求一致〔33〕。

表2 变量间区别效度

注：对角线粗体字为变量的AVE值的开根号值，下三角为变量之间的皮尔森相关系数。

(二)假设检验

为检验模型所构建的12个研究假设，本研究采用路径分析(H1-H10)和多群组分析(H11、H12)的方法对样本进行分析。

1.H1-H10检验

在路径分析中，拟合指标(χ2=249.719,DF=160,TLI=0.963,GFI=0.938,RMR=0.072,RMSEA=0.039)良好，表明样本的拟合度较好，整体上支持理论模型。经过路径分析后，H1-H10的检验结果如表3所示。

表3 结构方程模型路径(H1-H10)分析结果

注：***p<0.001。

由表3可知：(1)大学生的用户态度会正向影响其对知识型“懒人包”的使用意向(β=0.366，t=5.564,p<0.001)；(2)用户的感知有用性既会正向影响其对知识型“懒人包”的态度(β=0.254，t=4.307,p<0.001)，也会正向影响其使用意向(β=0.321，t=4.961,p<0.001)；(3)用户的感知易用性既会正向影响其对知识型“懒人包”的态度(β=0.509，t=7.527,p<0.001)，也会正向影响其感知有用性(β=0.357，t=4.765,p<0.001)；(4)用户的感知愉悦性只会正向影响其感知易用性(β=0.319，t=4.479,p<0.001)，而不能影响其感知有用性(β=-0.056，t=-0.792,p>0.05)；(5)用户的自我效能感可以正向影响其感知易用性(β=0.160，t=2.448,p<0.05)，也可以影响其感知愉悦性(β=0.254，t=3.900,p<0.001)，但是不能影响其感知有用性(β=-0.050，t=-0.761,p>0.05)。由此可知，本研究中的H1、H2、H3、H4、H5、H6、H8、H10均被接受，而H7、H9被拒绝。

2.H11检验

在多群组分析中，比较结果显示χ2=39.106,DF=20,p<0.05，说明用户性别的调节作用是存在的。不同组别之间的具体区别见表4。

表4 性别的调节作用(H11)分析结果

注：N(所有样本)=366;n(男性)=193;n(女性)=173;***p<0.001。

由表4可知，在男性大学生群组中，用户的自我效能感可以影响感知愉悦性(β=0.337,p<0.001)和感知易用性(β=0.200,p<0.05)，但对感知有用性(β=-0.022,p>0.05)没有任何的影响；感知愉悦性能够影响感知易用性(β=0.201,p<0.05)，但不能影响感知有用性(β=0.086,p>0.05)；感知易用性影响感知有用性(β=0.371,p<0.001)，也影响态度(β=0.430,p<0.001)；感知有用性既影响态度(β=0.224,p<0.01)，也影响用户的使用意向(β=0.326,p<0.001)；态度与使用意向之间的关系是正向的(β=0.388,p<0.001)。

在女性大学生群组中，用户的自我效能感不能影响感知愉悦性(β=0.129,p>0.05)、感知易用性(β=0.164,p>0.05)和感知有用性(β=-0.117,p>0.05)；感知愉悦性既影响感知易用性(β=0.430,p<0.001)，也影响感知有用性(β=-0.242,p<0.05)；感知易用性能够同时影响感知有用性(β=0.397,p<0.001)和态度(β=0.595,p<0.001)；感知有用性可正向驱动态度(β=0.272,p<0.001)及使用意向(β=0.352,p<0.001)；态度能够正向影响使用意向(β=0.307,p<0.01)。

值得指出的是，所有的路径中仅有3条路径(“自我效能感→感知愉悦性”、“感知愉悦性→感知易用性”和“感知愉悦性→感知有用性”)的t值的绝对值大于1.96，其余的t值均小于1.96，表明用户所处的地区对“自我效能感→感知愉悦性”、“感知愉悦性→感知易用性”和“感知愉悦性→感知有用性”起到调节作用，而在其他路径中未能起到任何的调节作用。

3.H12检验

在多群组分析中，比较结果显示χ2=32.140,DF=20,p<0.05，说明用户所处地区的调节作用是存在的。不同组别之间的具体区别如表5所示。

由表5可知，在大陆地区的大学生群组中，用户的自我效能感仅可以影响感知愉悦性(β=0.222,p<0.01)，对感知易用性(β=0.140,p>0.05)和感知有用性(β=-0.042,p>0.05)没有任何的影响；感知愉悦性能够影响感知易用性(β=0.335,p<0.001)，但不能影响感知有用性(β=-0.098,p>0.05)；感知易用性既能够影响感知有用性(β=0.445,p<0.05)，也可以影响态度(β=0.448,p<0.001)；感知有用性可以影响态度(β=0.245,p<0.01)和使用意向(β=0.291,p<0.01)；态度与使用意向之间的关系是正向的(β=0.436,p<0.001)。

在台湾地区的大学生群组中，用户的自我效能感仅可影响感知愉悦性(β=0.315,p<0.05)，对感知易用性(β=0.160,p>0.05)和感知有用性(β=-0.078,p>0.05)没有任何的影响；感知愉悦性仅可影响感知易用性(β=0.292,p<0.05)，而不能影响感知有用性(β=0.022,p>0.05)；感知易用性不能影响感知有用性(β=0.175,p>0.05)，可以影响态度(β=0.642,p<0.001)；感知有用性可正向驱动态度(β=0.290,p<0.01)和使用意向(β=0.378,p<0.001)；态度不能够影响使用意向(β=0.213,p>0.05)。

值得指出的是，所有的路径中仅有“感知易用性→感知有用性”的t值的绝对值大于1.96，其余的t值均小于1.96，表明用户所处的地区对“感知易用性→感知有用性”起到调节作用，而在其他路径中未能起到任何的调节作用。

表5 地区的调节作用(H12)分析结果

注：N(所有样本)=366;n(大陆地区)=248;n(台湾地区)=118;***p<0.001。

四、结论与讨论

数字时代的来临带来了海量的信息，“懒人包”应运而生，尤其是知识型“懒人包”的出现引起了人们广泛的关注。作为首个关注知识型“懒人包”接受度的实证研究，本研究拓展了技术接受模型为基础的新科技的接受度研究，构建了知识型“懒人包”接受度的理论模型，综合考察了自我效能感、感知愉悦性、感知易用性、感知有用性和态度对知识型“懒人包”的使用意向的影响。此外，为更好地探析知识型“懒人包”接受度的影响因素，本研究分析了性别和地区对用户知识型“懒人包”使用意向与影响因素的关系的调节作用。

首先，调查显示用户的感知愉悦性和自我效能感对其感知有用性不能产生任何的影响作用，而变量间的其他直接或间接的关系均已得到验证。这一结果充分表明用户对任何技术的有用性的感知是基于理性层面来考虑的，如知识型“懒人包”对自己在理解知识方面的实际帮助，并非从感知愉悦性等感性的方面进行思考。造成这一结果的原因可能是由于用户面对海量的信息，容易产生信息过载的困扰，他们急需通过“懒人包”快速掌握有用的信息，以排除信息过载的困扰，因此，他们在选择使用知识型“懒人包”时，主要考虑的是理性需要，而非感性需求。这一原因亦被感知易用性和感知有用性对用户的使用意向有着强大的驱动作用所验证。用户能够基于对知识型“懒人包”的产品属性的感知而形成自己的态度，进而提升使用意向。

其次，本研究验证了用户性别对知识型“懒人包”接受度与影响因素之间关系的调节作用，但性别的调节作用主要在自我效能感影响感知愉悦性、感知愉悦性影响感知易用性和感知愉悦性影响感知有用性这三条路径中体现。由数据可知，女性用户的自我效能感不能影响其感知愉悦性，但其感知愉悦性会影响感知易用性和感知有用性。其可能的原因在于女性用户较为感性，她们更多地会从感性层面进行决策，感知愉悦性是女性用户主要考虑的因素，而自我效能感往往会被其忽略。

最后，研究表明大陆地区和台湾地区用户的知识型“懒人包”接受度与影响因素之间的关系存在一定的差异性。其中，最主要的差异性体现在感知易用性影响感知有用性这一路径，大陆地区用户的感知易用性会影响其感知有用性，而台湾地区的用户却未能发现这一影响效果。其可能的原因在于大陆地区市场竞争激烈，互联网企业积极投入新技术的研发，产品推陈出新的速度较快，且较为注重用户的体验，引发了用户对新技术易用性的较高要求，从而促使用户将新技术的易用性摆在决策原因的第一位，逐渐形成“只有易用的产品，其才有可能是有用的产品”这一认知。而台湾地区由于市场规模较小，大部分的互联网企业在研发方面投入较少，无法根据用户的需求对某些技术进行及时更新，造成用户在使用决策时，会优先考虑技术的有用性。

五、建议与不足

近年来，知识型“懒人包”发展迅速，获得了众多用户的青睐，但大量的竞争平台使得这一细分市场演变成了红海市场。为提高知识型“懒人包”竞争平台的市场占有率和提升品牌形象，现提出以下建议：首先，知识型“懒人包”提供平台可以通过培训“懒人包”提供者，推出相应的“懒人包”的规范，进而提升“懒人包”的产品属性，从而促进用户积极态度的形成和使用意向的发展。其次，知识型“懒人包”提供平台应该重视平台的建设，优化自身平台，使得平台外观设计更为美观、使用起来更为便利，以此提升用户的感知愉悦性和自我效能感，从而推动其增加访问平台的频率。最后，知识型“懒人包”提供平台应实施精准营销策略，针对不同性别的用户推出不同的促销策略，对于男性用户主要满足其理性诉求，女性用户则倾向于满足感性诉求；并且不同地区的营销传播策略也应该有所差异，在传播过程中，对大陆地区的用户要强调系统的易用性，而对台湾地区用户则需重点宣传“懒人包”的有用性。

本研究尚存在一些不足之处。首先，本文是采用便利性抽样方法在福州和台北的4所高校中进行样本收集，被试是接受了优质的高等教育、具有较好的互联网素养的年轻人群体，这可能导致研究结果无法向其他人群进行推广，后续的研究可以尝试使用随机抽样的方式，增加抽样的城市和样本群体，以提高研究结果的外部效度；其次，本文对“懒人包”类型仅选取了知识型“懒人包”，而未涉及其他类型的“懒人包”，后续的研究可以尝试以新闻“懒人包”或促销信息“懒人包”为研究对象，对比不同的“懒人包”接受度影响因素是否存在异同。