社会化搜索情境下用户信息素养量表构建研究

张莉 宋小康 孙霄凌 朱庆华

关键词：社会化搜索;用户;信息素养;测评量表;测评工具;探索性因子分析;验证性因子分析;评价

由WeAreSocial和Hootsuite共同发布的报告“Digital2021”（数字2021）[1]显示截至2021年1月，全球有42亿社会化媒体活跃用户，其中中国为9.3亿。报告指出，用户使用社会化媒体的主要目的是搜索信息。CNNIC公布的《2019年中国网民搜索引擎使用情况研究报告》[2]指出，2017年5月微信发布的“搜一搜”功能已成为用户在手机端搜索信息的重要工具。可见社会化搜索已成为用户获取信息的重要途径。

与此同时，值得关注的是在社会化搜索情境下，用户信息处理能力出现了两极分化。社会化搜索平台上存在海量、动态的用户原创内容，有些用户能够快速在平台上找到符合需求的内容，而有些用户却如同陷入“信息荒漠”无法获得所需信息。有些用户擅长信息核查，而有些用户则可能经常转发虚假信息而不自知[3]。造成这一现象的根本原因在于用户的信息素养水平参差不齐。2020年新冠疫情期间，社会化搜索平台成为网民获取疫情信息的重要渠道，人们一方面通过平台进行相关信息搜索;另一方面也在平台上传递自己所了解的疫情信息，分享、评价及转发行为频繁。然而由于用户信息素养的水平不同，造成了真实和虚假信息同时在平台上大量蔓延，为用户的信息使用带来了困扰，甚至影响社会安定。由此可见，提升用户的信息素养水平对社会化搜索用户以及社会化搜索平台的发展都有着极其重要的影响。在此之前需要先通过评价工具了解用户的信息素养水平，进而开展针对性的培育以达到提升信息素养的目的。

随着信息技术的发展，信息生态环境随之改变，信息素养的内涵也发生了相应的变化。不同于图书馆或搜索引擎情境下的信息素养，社会化搜索情境下的信息素养更加关注情境特有的动态交互特征。而现有的信息素养评价工具绝大多数针对大学生而开发，且主要以了解和提升学习情境中的信息素养为测评目的，并且缺乏对用户在社会化搜索环境中信息交互行为的衡量[4]。因此，本文通过对相关文献梳理和专家访谈，构建出社会化搜索情境下的用戶信息素养初始测评工具，并使用探索性因子分析和验证性因子分析方法进行量表修正，以期用于测度社会化搜索情境下的用户信息素养水平，为今后社会化搜索及信息素养等相关研究提供借鉴和参考。

1文献回顾

1.1社会化搜索

在高度数字化的信息环境中，以去中心化为特点的各种Web2.0应用不断涌现发展，这些社会化应用平台鼓励用户创造信息、分享信息，并在此过程中交互协作，使得用户的信息实践活动前所未有的频繁和复杂。人们不再满足于借助传统搜索引擎仅仅依靠算法的排序和结果的罗列而得到搜索结果，还期望通过在线人际关系合作寻找用户生成的信息，社会化搜索成为人们获取信息的重要途径。

社会化搜索（SocialSearch）将社会化属性引入信息搜索行为，其意义在于重建人与信息的关联[5]。2004年，FreyneJ等首先对SocialSearch一词进行了定义，是较早对社会化搜索展开的比较全面的研究。他们指出，社会化搜索是一种网络搜索模式，集合网络搜索、社交网络以及个性化服务的理念，旨在使用户基于搜索活动获得更加精确的信息[6]。此后，不少学者对社会化搜索这一概念进行了解释，概括而言，学者们认为社会化搜索即用户利用社会化交互和协作通过在线社会网络进行信息搜索的活动[7-12]。从社会化搜索活动的载体即平台角度看，社会化搜索主要表现为以下4种：①社会化搜索引擎，如SocialMention和SocialSearcher。社会化搜索引擎不仅考虑到搜索结果的内容相关性，还蕴含着信息搜索者和提供者的社交关系;②社会化媒体，如微信、QQ、Facebook等。社会化媒体是Web2.0技术环境下充分体现参与性、共享性、社区性的信息交流平台;③在线问答社区，如知乎、Quora等，是以问答形式为主的供公众交流的知识平台;④社会化标注系统，如大众美食、小红书、Flickr等[13]。在这些社会化平台上用户可以对网络资源进行开放自由的标注，形成社会化标签。

1.2信息素养

信息素养最初植根于图书馆用户教育，其概念始于美国图书检索技能的演变。1974年，美国信息产业协会主席ZurkowskiPG率先提出了信息素养这一概念，将其解释为利用大量的信息工具及主要信息源解答问题的技能[14]。信息素养概念一经提出，便得到广泛传播和使用。随着Web2.0技术日益影响人们生活、学习及工作，改变人们获取和创造信息的环境，学者们提出信息素养2.0这一说法[15]，认为信息素养2.0以创造为核心，用户通过主动参与社会性互动，运用批判性思维，促进终身学习。2011年MackeyT等[16]首次提出“元素养（Metaliteracy）”这一集成概念，并认为元素养是信息素养的核心基础，可以将元素养理解为“提升其他一切素养的素养”。尽管人们对信息素养这一概念有各种角度的理解，但对其基本内涵的分析都围绕着信息意识、信息能力及信息伦理等方面。

1.3信息素养评价工具

信息素养评价是验证信息素养教育成果及揭示未来教育方向的工具，是信息素养研究的重要组成部分。信息素养评价工具多基于信息素养标准设计，目前较有影响力的是美国ACRL标准、澳大利亚与新西兰ANZIL标准以及英国SCONUL标准。我国则于2006年由研究者制定出北京地区高校信息素质能力指标体系[17]。本文梳理了现有研究中的主要信息素养测量工具，如表1所示。

综合现有研究成果可以发现，目前的信息素养量表具有以下特点：

①测评对象基本以大学生为主。除了偶见对老年人、特定疾病患者、农村人口及中小学生等进行信息素养测评，绝大部分量表的开发和使用都以大学生为研究对象;②测评情境和目的主要是为了解和提升测评对象在学校、图书馆或专业学习情境中的信息素养;③测评内容主要以ACRL2000年颁布的信息素养标准为依据，进行量表的开发构建，强调信息需求、信息获取、信息评价、信息利用及信息伦理等方面技能的发展[23-26]。

而事实上，在高度数字化的社会生活中，信息和所有人的生活都密切相关。联合国信息素养专家会议在2003年9月发表的《布拉格宣言》中指出，信息素养既是人们的基本权利，又是人们终身学习的保障，若要有效参与信息社会，必须具备一定的信息素养[27]。而在社会化搜索情境下，用户群体不单单限于大学生。Digital2021报告显示，中国社交媒体活跃用户达9.3亿人，男女比例为51.0∶49.0，其中10岁以下用户占总人数的3.5%，10～19岁用户占总人数的14.8%，20～29岁用户占19.9%，30～39岁用户占20.4%，40～49岁用户占18.7%，50～59岁用户占12.5%，60岁以上用户占10.3%[1]。可见，仅有针对大学生的信息素养评价是远远不能满足整个社会各类人群信息素养的评价需求的。

此外，信息搜索情境也遍布学习生活娱乐等不同场景。无论是寻找学习资料、联系工作伙伴、关注新闻、寻找美食还是制定旅游攻略，人们都习惯于使用社会化搜索方式来发掘有用的信息。而用户的信息素养对于能否在这些情境中快速准确地获取目标信息有很大的影响。有学者认为，随着大数据和云计算等信息技术的不断发展，现有信息素养指标不足以体现新的信息技术给信息环境带来的变化，未能匹配社会化媒体环境中信息的动态特征[4，21]。现有评价工具尽管看似合理且结合了教育的目标，然而其主要缺点在于理解的片面性，在很大程度上将实际上复杂的能力和知识结构简化为有限且被割裂的技能[28]，并且忽视社会、政治或历史背景对信息素养的影响。片面的信息素养标准并不符合社会建构主义的观点，当前社会环境下的学习不再仅仅发生在单个个体和知识之间，而是发生在人群和社区之间[29-30]。随着信息环境的变化，用户的信息素养内涵特征也在随之改变，因此信息素养测评工具也应与时俱进，才能有效衡量当前信息环境下用户的信息素养水平，使用户或利益相关方了解其信息素养水平并可作为将来信息素养教育的参考。

2初始量表构建

本研究选择学术数据库（如WebofScience、Scopus、ScienceDirect、ProQuest、JISTOR、EBSCO和Emerald）进行信息素养和社会化搜索相关文献的检索，通过对333篇相关文献的阅读和梳理对社会化搜索情境下的信息素养内涵进行了总结，在与相关专家讨论的基础上，本研究认为社会化搜索情境下用户的信息素养是社会化搜索用户所具备的一系列能力，包括信息意识、信息需求、信息搜索、信息评价、信息交流、信息加工和信息道德與法律。具体模型如图1所示。

本研究首先通过对现有文献进行系统梳理，挖掘出有代表性并适用于本研究情境的题项，力图较为全面地表达构念所体现的内容。之后邀请了3位社会化搜索领域和信息素养研究领域的专家进行深入访谈，基于梳理出的社会化搜索情境下的信息素养定义及已有研究结果经过探讨设计出适合的题项，并对题项语义表述反复斟酌进行调整形成含有7个维度，28个题项的量表初稿，指标及来源如表2所示。

以上所有7个方面的测量指标设计较为完整地覆盖了信息搜索行为的整个过程。同时考虑到社会化搜索与使用搜索引擎的区别与联系，更多强调与衡量的是社会化搜索特有的交互特征。比如在搜索方面，没有过多强调用户搜索技巧，因为在这个信息过载的时代，不仅信息源过度膨胀，平台功能设计及人工智能也为搜索信息提供了极大便利，单纯搜索信息已不再是用户最强烈的需求或缺失的能力，用户能否通过社会化搜索平台的交互行为去沟通、评价及加工信息，形成并维护平台上良好的道德氛围是本量表测量重点。

3前测问卷及量表调整

由于社会化搜索情境下用户信息素养水平测度在现有文献中研究成果不多，尚无成熟的针对社会化搜索情境的量表可以参考，因此在形成正式量表之前需要进行小规模前测以检验量表的合理性，通过信度、效度分析以发现问卷存在的问题并进行修改。

3.1问卷设计

前测所采用的问卷由4部分构成，①问卷说明：用来简要说明问卷调查的目的，并对社会化搜索这一概念及相关平台进行了简要介绍;②人口统计学信息调查：包括受访者的性别、年龄、受教育程度及专业等信息;③社会化搜索使用情况调查：包括受访者使用社会化搜索的年限、使用偏好、平台选择及使用目的等信息;④信息素养测量部分：要求受访者根据自身使用社会化搜索的实际情况做出选择，打分采用常用的李克特（LikertScale）五分尺度，1～5分别表示“非常符合”“有些符合”“不确定”“有些不符合”“非常不符合”。

3.2前测问卷信度与效度检验

本研究借助“问卷星”（www.sojump.com）共发放前测问卷269份，经过数据清洗，去除答题逻辑、答题时间及选项存在明显问题的问卷后，共获得有效问卷239份，有效回收率为88.9%。

1）信度检验

信度是心理学测量中的一个基本指标，通过信度检验可以判断测量结果的一致性和可靠性，从而反映测量工具的稳定性。一般采用Cronbach.sAl？pha系数对数据进行可靠性分析，FornellC等[41]指出，量表的Cronbach.sAlpha系数大于0.7则表明量表的测量问题之间具有良好的内部一致性。本研究通过SPSS软件对以上信度指标进行分析，前测问卷总体Cronbach.sAlpha=0.881，说明问卷总体具有较好的信度。7个维度的Cronbach.sAlpha分别为0.700、0.797、0.755、0.757、0.751、0.704和0.784，可见每个维度的信度均不低于0.7，说明每个维度的测量题项间均具有良好的内部一致性和可靠性。

除了Cronbach.sAlpha外，本研究还计算了每个题项在所属维度上的总计相关性（CorrectedItemTotalCorrelation，CITC）以及删除该题项后所属维度的Cronbach.sAlpha（CronbachAlphaifItemDele？ted，CAID），CITC值可以描述一个题项与其所属维度的总体相关性，CAID值可以描述假设删除该题项后其所属维度的Cronbach.sAlpha值，二者相结合则可以作为判断一个题项是否合适的依据。已有研究指出，如果CITC系数小于0.4并且CAID系数大于所属维度的整体Cronbach.sAlpha值的指标，应当予以剔除[42-43]。从计算结果发现，信息意识（IR）维度的题项IR5、信息评价（IE）维度的题项IE5，以及信息道德与法律（IM）维度的题项IM4的CITC值小于0.4，且删除该项后对应维度整体的Cronbach.sAlpha值会有提升。因此，考虑删除IR5、IE5和IM4这3个指标。

2）效度检验

效度检验旨在确认研究的准确性程度，用于评价量表是否能对测评对象进行有效测量。探索性因子分析法（ExploratoryFactorAnalysis，EFA）常用于检验量表的构建效度，KMO检验和Bartlett球形检验是用于判断是否适合进行因子分析的两个指标[44]。本文首先用SPSS对量表的前测问卷数据進行KMO检验和Bartlett球形检验，计算结果显示KMO值为0.847，Bartlett球形检验的近似卡方显著性Sig.=0.000<0.01，表明量表构念间具有较好的相关性，存在公共因素，适合进行因子分析。之后依然使用SPSS软件进行探索性因子分析，在抽取选项中选择主成分分析法进行因素抽取，在旋转选项中选择最大方差法进行因子旋转，使用具有Kaiser标准化的正交旋转法来测量量表各题项在公共因子上的载荷系数，从而探索量表的内部结构，旋转在7次迭代后达到了收敛。共得到7个公共因子，解释总方差为62.178%，具有较好的解释度，具体数据如表3所示。

从表3可以得出，量表的28个题项在7个公共因子上有较为明确的隶属关系。隶属于公共因子1的题项包括：IM1、IM2、IM3、IM5、IM6、IM7，隶属于公共因子2的题项包括：IE1、IE2、IE3、IE4，隶属于公共因子3的题项包括：IC1、IC2、IC3、IM4、IE5，隶属于公共因子4的题项包括：IR1、IR2、IR3、IR4、IR5，隶属于公共因子5的题项包括：IP1、IP2、IP3，隶属于公共因子6的题项包括：IN1、IN2、IN3，隶属于公共因子7的题项包括：IS1、IS2。本文构建的初始量表中的7个维度信息意识（IR）、信息需求（IN）、信息搜索（IS）、信息评价（IE）、信息交流（IC）、信息加工（IP）和信息道德与法律（IM）与探索性因子分析得到的7个公共因子基本吻合，只有IM4和IE5两个题项的归属存在问题，结合信度检验的结果决定将IM4和IE5删除掉，虽然IR5在探索性因子分析中与其他信息意识维度的题项同属于公共因子4，但考虑到信度检验的结果以及内容层面的含义，决定将该题项予以删除。

4正式问卷及量表调整

通过对前测问卷进行信度和效度分析，在删除3个不符合要求的题项后，剩下的25个题项形成本次研究的正式问卷。

4.1正式问卷数据收集

本次调查对象为社会化搜索用户，通过社会化媒体平台向调查对象发放问卷的链接及二维码，同时以“滚雪球”的方式扩散问卷获取充分的样本量。整个数据收集及分析过程历时两周完成，共回收问卷1298份，经过数据清洗，去除所有选项完全相同、答题明显不符合逻辑及答题时间过短的无效问卷，最终获得928份有效数据进行数据分析，问卷回收的有效率为71.5%。

经过对问卷结果中人口统计学信息及社会化搜索使用情况部分的信息进行整理，发现本次调查的样本中年龄低于35岁的占70%左右，半数以上调查对象有6年以上社会化搜索使用经验。说明调查对象对社会化搜索接触较多，较为了解社会化搜索这一信息获取方式。

由于采用被调查者自评价的问卷调查，所有问项都由被调查者一人填写，在此过程中可能产生共同方法变异（CommonMethodVariation）问题。为保证研究结果不受共同方法变异影响，在数据分析前使用Harman单因子鉴定法（Single-FactorTest）[45]进行检验，将本量表中所有测量题项进行探索性因子分析，并检验未旋转因素的解。结果显示，第一主成分解释了总方差的30.052%，在可接受范围之内。正式问卷的总体Cronbach.sAlpha=0.899，说明问卷总体信度较好。再对每个维度进行信度检验，7个维度的Cronbach.sAlpha分别为0.735、0.754、0.708、0.836、0.876、0.839和0.814，可见每个维度的信度均不低于0.7，说明每个维度的测量题项间均具有良好的内部一致性和可靠性。在进行探索性因子分析和验证性因子分析之前，使用SPSS进行KMO和Bartlett球形检验，计算结果为KMO=0.905，Bartlett球形检验的近似卡方显著性Sig.=0.000<0.01，表明量表构念间存在公共因素，适合进行因子分析。根据AndersonJC等[46]的建议，探索性因子分析和验证性因子分析需要基于不同的数据进行检验，因此，本文将正式问卷收集到的928份有效问卷数据随机分成两部分，每部分464条数据，分别用于EFA和CFA分析。

4.2探索性因子分析

本部分依然使用SPSS进行探索性因子分析。参照前测问卷探索性因子分析的方法和步骤，共得到7个公共因子，解释总方差为68.917%，具有较好的解释度，具体数据如表4所示。

经过前测问卷的调整后，正式问卷探索性因子分析结果与构建的量表体系结构具有很好的一致性，公共因子1包含的指标有：IM1、IM2、IM3、IM4、IM5和IM6，与量表信息道德与法律（IM）维度的题项一致;公共因子2包含的指标有IE1、IE2、IE3和IE4，与量表信息评价（IE）维度的题项一致;公共因子3包含的指标有IC1、IC2和IC3，与量表信息交流（IC）维度的题项一致;公共因子4包含的指标有IP1、IP2和IP3，与量表信息加工（IP）维度的题项一致;公共因子5包含的指标有IR1、IR2、IR3和IR4，与量表信息意识（IR）维度的题项一致;公共因子6包含的指标有IN1、IN2和IN3，与量表信息需求（IN）维度的题项一致;公共因子7包含的指标有IS1和IS2，与量表信息搜索（IS）维度的题项一致。

4.3验证性因子分析

之后使用剩下的464条数据进行验证性因子分析，本部分选用AMOS软件进行CFA，原因在于AMOS是一款强大的结构方程建模软件，能够降低估算值偏差，获得更准确的计算结果，适合进行探索性因子分析。首先需要根据问卷量表维度和指标构成在AMOS软件界面构建出量表结构模型，然后导入数据，最后对模型进行数据计算。所构建的量表结构模型和验证性因子分析路径系数结构如图2所示。

AMOS中的一些指标常用于衡量量表结构的合理性，包括卡方与自由度之比（CMIN/DF）、拟合优度指数（GFI）、比较拟合指数（CFI）、近似误差均方根（RMSEA）、规范拟合指数（NFI）、增量拟合指数（IFI）和调整拟合优度指数（AGFI）。基于IacobucciD[47]、HuLT等[48]、宋小康等[43]、孙晓宁等[5]研究的建议，CMIN/DF一般要小于3，GFI、CFI和IFI一般要大于0.9，NFI和AGFI一般要大于0.8，RMSEA一般要小于0.09。本研究探索性因子分析得到的相关指标值如表5所示，所有指标均达到了要求，说明本研究構建的正式问卷的量表结构合理。

验证性因子分析结果还得到了25个测量指标在其所属维度上的因子载荷，具体数据如表6所示。其中S.E.为测量指标在所属维度上的估计值标准误差，C.R.为测量指标在所属维度上的未标准化路径系数与标准误差的比值，通过C.R.或者P值可以看出参数估计的显著性，从结果可以看出，所有系数评估的显著性均达到了0.001的显著水平。从标准化路径系数看，测量指标在所属维度上的路径系数基本在0.5以上，只有IR4“我关注新兴的社会化搜索平台”在信息意识维度的路径系数较小，仅为0.317。从指标内容上看，虽然平台对于社会化搜索非常重要，但关注新兴的社会化搜索平台并不一定能够反映用户具有较好的信息意识，因此将此题项删除。

研究最初参考已有研究和访谈结果共同组合形成了包含28个题项的初始量表，在对前测问卷进行信度和效度检验（探索性因子分析）后删除了与所属维度相关度不高的3个题项，形成25个题项构成的正式问卷，通过正式问卷的探索性因子分析和验证性因子分析后删除了在所属维度上路径系数不高的1个题项。综上，经过3个阶段的量表开发过程，最终获得包含7个维度和24个指标的社会化搜索情境下用户信息素养测评量表，如表7所示。最终量表的信度、效度和结构合理性都通过了检验，达到良好的水准，可以作为社会化搜索情境下用户信息素养水平的测评工具。

5结语

用户在信息搜索活动中体现的信息素养不仅影响个体搜索活动的效率和效果，同时还塑造着整个社会化搜索的环境。本研究立足社会化搜索这一特定情境，严格按照量表开发步骤构建信息素养量表，形成了包含信息意识、信息需求、信息搜索、信息评价、信息交流、信息加工和信息道德与法律7个维度以及对应24个指标的信息素养测量工具。本研究为有效衡量社会化搜索用户的信息素养水平提供了较为匹配的评价工具，具有一定的普适性。

本研究主要存在几点局限：①由于篇幅所限，未能对量表中7个维度之间的相互影响展开探索，以挖掘信息素养各个维度之间的深层关系;②本量表具有一定的普适性，但同时也意味着缺乏针对性。性别、年龄、学历、职业、性格、亚文化等具体情境都可能影响信息素养的构成及评价角度;③本量表采用自报告形式获得用户对自己信息素养的评价，这种方法虽然被普遍使用，然而研究发现，自报告受到参与者自我效能评价的影响，与其实际水平可能存在一定的差异[31]，后续研究中可以考虑采用量表和客观评价指标相结合的测评方式来综合评价用户的信息素养水平。