虚拟社区意识、使用行为与移动政务平台持续使用

□ 翁士洪 周含笑

一、研究背景

那么，我们不禁要问，是什么因素在影响公众对移动政务平台的使用行为？公众持续使用移动政务平台的意愿由什么决定？解答这些疑问对于移动政务的建设与发展会有一定的帮助与启发，有益于提升公众的移动政务平台使用意愿和对公共服务的满意度。基于以上考虑，本研究借鉴虚拟社区意识理论(SOVC)及技术采纳与利用整合模型(UTAUT2)，着重探讨公众对虚拟社区的认知和意识，移动政务平台被公众采纳后的使用行为与持续使用意愿的影响因素，通过问卷调查来探究虚拟社区意识在移动政务平台使用行为与持续使用中的作用机理，这对于推动移动政务平台的建设与有效利用具有一定的现实意义。

二、研究综述、研究假设与模型建构

(一)虚拟社区意识(Sense of Virtual Community, SOVC)

(二)技术采纳与利用整合模型(UTAUT2) 和用户使用行为

(三)虚拟社区意识和移动政务持续使用意愿

H1. 虚拟社区意识(SOVC)对公众移动政务平台的使用行为有正面影响。

H2. 虚拟社区意识(SOVC)对公众持续使用移动政务平台的意愿有正面影响。

H3. 移动政务平台的使用行为对公众持续使用移动政务平台的意愿有一定的影响。

(四)研究模型的构建

除了上述两两变量间的相关性假设之外，我们还需要考虑这些变量之间的中介作用机理。中介效应发生在第三个变量介入(中介)其他两个相关变量之间，即独立变量的变化会导致中介变量的变化，而中介变量又会与因变量产生关联。假设虚拟社区意识与移动政务平台持续使用意愿呈正相关，那么移动政务平台使用行为在虚拟社区意识和移动政务平台持续使用意愿之间可能会存在中介作用。因此，提出如图1结构模型图所示的研究模型。为了简化理论，该模型只有一个中介关系，是一个简洁的中介模型。

图1 虚拟社区意识、使用行为和持续使用意愿作用机理结构模型

三、研究数据与方法

(一)变量测量

在本文中，研究的对象主要包括政务微信、政务微博、政务客户端，即“两微一端”以及新兴的政务短视频、政务小程序等移动政务平台。

归属感：指成员作为社区一分子的归属感。成员可能会对虚拟社区所使用的信息技术产生强烈的影响，当一群公民或社区成员实现同一个目标时，他们可能会体验到一种心理上的归属感，即使他们并不认识彼此。调查中通过以下选项来测量：“我觉得是政务平台社区中的一个成员”“我觉得我很乐于参与政务平台社区”“我觉得我在政务平台社区很受欢迎”等。

影响力：指一个成员认为他们可以影响虚拟社区中的其他成员来分享个人观点或目标的程度。互联网促进了社会公众之间的相互影响。在一个虚拟社区中，公民可能会体验到对他人决定的影响力从而保持对这个虚拟社区的兴趣。问卷中设置了以下选项来测量：“无特定目的，随意浏览，娱乐自我或获取信息”“较为被动地参与由其他人所发起的活动及讨论议题”“主动参与由其他人所发起的活动及讨论议题”“发起讨论议题或规划活动以吸引其他社区成员参与”“日常潜水，很少发表评论或想法”“经常发表一些话题或参与讨论”等。

2.移动政务平台使用行为(USE)。主要通过调查询问受访人在这次新型冠状病毒疫情之前及疫情期间，是否关注或使用过移动政务平台，获取有关信息的主要移动政务平台类型和行为等。比如“您经常参与的社交网络”“您在使用社交平台时会进行以下哪些操作？” “您接触、访问或使用下列政务公开及公共服务等应用APP的情况如何?”

3.持续使用意愿(CIU)。移动政务用户的持续使用意愿是要测量一个公众在使用过移动政务平台之后，在未来继续使用政务平台的程度，设置的问题是“此次疫情过后，您会想在将来继续使用移动政务平台吗？”比如选项：“我以后还会继续使用移动政务平台”“我以后还会经常使用移动政务平台”。

4.控制变量。根据前文中提及的习惯理论、执行意向理论和技术接受模型等，将习惯和便利条件作为控制变量可能有助于了解移动政务平台被采纳使用后的驱动因素。习惯和便利条件是技术接受和使用的广义统一理论(UTAUT)中选取的一部分变量。此外，本次调查还设计了以移动政务用户的人口学特征作为控制变量。本研究中控制变量为年龄、性别、便利条件和习惯。

(二)研究方法

本研究以使用过移动政务平台的公众为调研对象，采取在网络上发放电子问卷的方式获取数据。变量定义参考已有的文献与相关理论，大致分为三个部分：年龄、性别、最高学历等受访者的基本特征；对政务服务信息的了解与获取信息的来源、渠道；与研究假设相关的变量。

本文数据来源于由华东师范大学公共政策研究中心、社会组织与社会治理创新研究中心与澎湃研究所联合发起的“新冠肺炎疫情与移动政务平台使用行为的调查”。其中有关疫情信息获取的渠道和政务服务应用平台的类型在选项的设置上借鉴了清华大学数据治理研究中心的“数字技术与公共卫生治理现代化问卷调查”。此次调查在2020年2月6日至3月24日期间通过网络调查平台实施，问卷是在线上发布，联合澎湃新闻客户端进行发放。样本来自于全国各地，由于里面涉及到具体的社区通等移动政务平台仅上海市采用，所以最后本研究问卷结果中只显示了来自于上海市的样本，经过数据清理后，最后实际用于本文分析的有效问卷共395份。

本文利用SPSS23与SmartPLS软件，采用相关分析、回归分析与偏最小二乘结构方程模型(PLS-SEM)对假设进行验证与分析以及对所提出的研究模型进行评价；采用描述统计分析、独立样本t检验对问卷被调查者的基本信息进行分析并从中发掘有意义的发现。

四、研究结果

(一)描述性统计分析

1.被调查者基本信息。本研究关于被调查者基本信息的描述性统计分析如表1 所示。395份样本中，其中男性占40.5%，女性占59.5%；样本总体学历偏高，83.8%的受访者学历在本科及以上；88.9%的受访者网龄在4年以上；超过半数的受访者年龄在20～29岁之间。由于问卷中设计了逻辑跳转题，用于区分受访者是否使用了移动政务平台，该题选择“是”的样本可用于回归分析、独立样本检验、结构方程模型分析，样本数为217份，占收回问卷总样本数的54.9%。这意味着本研究中，有超过半数的受访者在新冠肺炎疫情期间使用了移动政务平台，移动政务平台的普及度可见一斑。

表1 被调查者基本信息

由于可用于回归分析和结构方程模型分析的217个样本中性别为男性的样本数为73，女性样本数为144，样本数相差较大，所以使用独立样本t检验进行对比分析，分析结果显示显著性值均大于0.05，说明不同性别对移动政务平台使用行为与持续使用意愿的影响并无差异。

2. 样本描述统计分析。此次问卷发放获得的395个样本中有54.94%的受访者在疫情期间使用了移动政务平台，这217位受访者最常使用的移动政务平台是政务微博(如上海发布等官方微博账号)(60.37%)与政务微信(如上海发布、上海健康云等官方微信公众号)(58.53%)，其次是政务APP(例如上海市的“随申办市民云”“上海12345”“上海健康云”等APP)(39.63%)，使用过政务服务小程序(微信、支付宝小程序)和政务短视频(抖音、快手)(如“上海中心”)的受访者均占总人数29.95%。随着 “健康码”等新型措施的问世与全国范围内的推广使得问卷发放后期使用过移动政务平台的人数占比大大提高。使用过社区治理云服务(社区通、本地宝等)和“随申码”等专用政务APP的比例均超过6成。约40%的受访者平均每周使用移动政务平台4次以上，26.73%的受访者每周使用移动政务平台超过6次。

对于移动政务平台的持续使用意愿方面，49.31%的受访者表示有在未来继续使用移动政务平台的想法，39.17%回答以后还会继续使用移动政务平台，11.52%的称以后还会经常使用移动政务平台。值得一提的是，在此次新冠肺炎疫情前没有使用过移动政务平台，疫情暴发之后才首次使用移动政务平台的人占受访者的17.51%，此次疫情在一定程度上促进了移动政务平台的采纳与使用行为。然后，进行独立样本t检验探究疫情期间是否初次使用对持续使用意愿之间的差异性分析。方差齐性检验的显著性值小于0.05，后面的显著性值都小于0.05，说明疫情期间移动政务平台的使用行为是否是初次使用对持续使用意愿的影响有着显著差异。

(二)信度与效度分析

1. 信度分析。使用SPSS23中的可靠性功能对信度系数值(Cronbach Alpha)进行分析，变量移动政务使用行为(USE)有10个题项，Cronbach Alpha系数>0.8，代表信度很好，数据有较高的内在一致性，可靠性较强；虚拟社区意识(SOVC)这个变量有3个题项，系数>0.7，信度较好，可靠性较强，此问卷设计较为合理；因为持续使用意愿(CIU)这个变量只有1个题项，所以未做信度分析(表2)。

表2 信度分析

2. 效度分析。使用SPSS23的因子分析功能中的主成分分析法检验问卷的效度，通过KMO测度和Bartlett球性度检验验证问卷的有效性，检验结果如表3所示。在效度分析中，KMO值为0.841(>0.8)，Bartlett球性度检验的显著系数是(0.000<0.05)，表示此问卷效度良好(表3)。

表3 效度分析

(三)移动政务平台使用行为与持续使用意愿的多元回归分析

由SPSS23相关分析可知，自变量虚拟社区意识(SOVC)与移动政务平台使用行为和持续使用意愿相关性的显著性值均<0.05，说明虚拟社区意识与移动政务平台使用行为有显著相关性，虚拟社区意识与移动政务平台持续使用意愿也有显著相关性(表4)。

表4 相关分析

在控制变量中，“年龄”进行了重新编码，使“25岁以下”=1，“25岁及以上”=0，同时，将“最高学历”这个变量进行虚拟化处理，将占比最高的“本科”学历作为对照组。当加入五个控制变量时，虚拟社区意识(SOVC)对移动政务使用行为(USE)影响的线性模型增加解释的R方为0.180，显著性F变化量为0.00，说明控制变量的加入是有意义的。控制变量“性别”“年龄”“习惯”的显著性值远大于0.05，在因变量移动政务使用行为(USE)上没有统计学意义；“便利条件”的显著性值为0.01，“最高学历”的显著性值为0.014，在因变量移动政务使用行为(USE)上有统计学意义。便利条件与移动政务使用行为(USE)呈正相关；而最高学历与移动政务使用行为(USE)呈负相关。R方决定了模型的预测能力，此线性模型解释了18%的移动政务使用行为变化。F值对应的显著性值为0.00，说明自变量对因变量有影响关系，自变量虚拟社区意识(SOVC)的B值与Beta值均大于0，B值约等于0.4，说明影响方向为正向影响(表5)。

而在虚拟社区意识(SOVC)对移动政务持续使用意愿(CIU)影响的线性模型中，加入五个控制变量后，增加解释的R方为0.088，显著性F变化量为0.023，是有意义的。“性别”“便利条件”“最高学历”“年龄”的显著性值大于0.05，在因变量移动政务持续使用意愿(CIU)上没有统计学意义；“习惯”的显著性值小于0.05，在因变量移动政务持续使用意愿(CIU)上有统计学意义。 R方决定了模型的预测能力，此线性模型解释了8.8%的移动政务平台持续使用意愿。F值对应的显著性值小于0.05，说明自变量对因变量有影响关系，自变量虚拟社区意识(SOVC)的B值与Beta值均大于0，说明影响方向为正面影响。习惯与移动政务持续使用意愿(CIU)呈显著正相关。

表5 不同因素对使用行为与持续使用意愿的回归分析

如表6所示，将控制变量“年龄”重新编码成为连续虚拟变量，并选取“年龄20～24岁”为对照组进行回归分析；将定类变量“最高学历”做虚拟化处理，并选取“本科”学历作为对照组。

增加连续虚拟变量后，“性别”“习惯”的显著性值大于0.05，在因变量移动政务使用行为(USE)上没有统计学意义，总的来说“性别”“习惯”“年龄”对USE没有显著的影响。“便利条件”“最高学历”的显著性值小于0.05，在因变量移动政务使用行为(USE)上有统计学意义。

增加连续虚拟变量后，“性别”“便利条件”的显著性值大于0.05，在因变量移动政务持续使用意愿(CIU)上没有统计学意义；“习惯”的显著性值小于0.05，在因变量移动政务持续使用意愿(CIU)上有统计学意义。这也和表5中的结果一致。

表6 不同因素对使用行为与持续使用意愿的回归分析(连续虚拟变量)

(四)移动政务平台影响路径的结构方程模型分析

此研究采用PLS-SEM(偏最小二乘结构方程模型)对研究模型进行评价，使用的软件是SmartPLS3.0。路径系数代表因变量与自变量之间的直接影响。本文中结构模型的路径系数由SmartPLS3.0默认的PLS分析算法运算得出，为了结论的准确性与稳定性，选择的迭代次数为5000次。同时，使用了该软件中的Bootstrapping算法反复抽取2000子样本的方式进行多次运算，对路径系数的显著性进行估计。Bootstrapping算法是指利用有限的样本数据，进行多次重置随机抽样，建立起足量的新样本用来代表原来的样本分布与特征。由于这个算法每次运算所抽取的样本都是不同的，所以每次运算所得到的数据都是不同的，而抽取足够多的样本量可以使得这些数据差距变小变得很相似，从而使得对模型显著性的估计结果更具可信度。若Bootstrapping算法运算得到的P值总是小于0.05，则表明该路径具有显著性。

图2为PLS算法运算后得到的结构模型，箭头中间的数字代表每条路径的路径系数R，圆形中的数字是R方，此模型解释了11.2%的使用行为变化和3.1%的持续使用意愿的变化。

图2 虚拟社区意识、使用行为和持续使用意愿的结构方程模型

如表7所示，通过PLS算法运行结果，得到虚拟社区意识(SOVC)对移动政务平台使用行为(USE)的影响路径系数为0.334；通过使用Bootstrapping算法反复抽取2000子样本进行运算对路径系数的显著性进行估计，得到P值为0.000，说明该路径具有显著性。有效的路径表明假设H1得到了支持，即虚拟社区意识(SOVC)与公众对移动政务平台的使用行为(USE)呈显著正相关。

虚拟社区意识(SOVC)对移动政务平台持续使用意愿(CIU)的影响路径系数为0.130；通过使用Bootstrapping算法进行运算对路径系数的显著性进行估计，得到P值为0.048(<0.05)，有效的路径表明假设H2得到了支持，虚拟社区意识(SOVC)与公众持续使用移动政务平台的意愿(CIU)呈正相关。

移动政务平台使用行为(USE)对移动政务平台持续使用意愿(CIU)的影响路径系数为0.084，此路径对应的P值为0.117(>0.05)，进行多次Bootstrapping运算得出的P值始终都大于0.05，说明此路径系数不显著，即在此次新冠肺炎疫情背景下公众对移动政务平台的使用行为对持续使用意愿的影响不显著，因此文中所构建的结构模型的中介效应不成立。

表7 Bootstrapping分析

最后，将SmartPLS3.0对结构方程模型的分析结果与SPSS23的回归分析结果进行对照，结论基本符合。

五、研究结论与启示

(一)研究结论

本研究旨在探讨虚拟社区意识在移动政务平台使用行为与持续使用中的作用机理。基于上海市问卷调查收集的数据，研究发现虚拟社区意识与移动政务平台使用行为之间的直接联系是显著的，虚拟社区意识与移动政务平台持续使用意愿之间呈正相关，而移动政务平台的使用行为与持续使用意愿没有显著相关性。

第二，使用移动政务平台的便利条件与使用行为呈正相关，而使用移动政务平台的习惯对持续使用行为有显著的正向影响。

(二)完善我国移动政务建设的启示

由于疫情而采纳与使用移动政务平台的公众与疫情之前就使用过移动政务平台的公众之间，持续使用移动政务平台的意愿存在显著差异。疫情期间公众对移动政务的需求与使用对移动政务平台的发展促进作用是巨大的，但疫情对移动政务平台的采纳与使用行为的影响可能不能延续到疫情结束后的后续使用中，政府应该采取措施提高用户黏性与忠诚度，如更好地实现用户间的互动。

在本研究中，便利条件与使用行为呈正相关，政府可以通过提升系统的信息易得度与设备的使用兼容度、操作容易度，促进公众对移动政务平台的使用行为；使用习惯与持续使用意愿呈显著正相关，这说明习惯在移动政务平台采纳使用的后续阶段是持续使用意愿的强大驱动力，政务平台可以提高与用户间的互动性与趣味性，设计每日打卡积分、每日互动小论坛等活动，培养用户的使用习惯，从而提高用户黏性与忠诚度。

(三)研究的局限性与展望

本研究采用线上发放调查问卷的方式进行数据收集，对我国移动政务公众使用行为与持续使用意愿进行实证研究，有一定的理论以及现实基础，但仍然存在一定的不足。

首先，移动政务的使用对象为上海的公众，但最终收集到的有效样本一共只有395份，在样本数量上不足以代表我国公众使用移动政务平台的总体情况；并且本文选取的这395位调查对象无论在地理信息上，还是在年龄、性别、学历等其他特征上，都不足以代表我国公众。在未来的研究中，应该扩大调查的地域以及样本数量，使得研究结果更具有实际意义。

第二，对于可能存在自变量与因变量互为因果或者不同变量作为因果变量的内生性问题，本研究已经采用结构方程识别出了中介效应，也进行了相关性检验排除多重共线性，所以不“存在虚假因果关系”。虽然我们选择的变量提供了可靠的结果，但我们不能完全排除遗漏变量或非线性的可能性，这可能要在未来的研究中得到解决。

第三，本研究是在新冠肺炎疫情期间进行的，疫情的特殊性使得研究结果有一定的局限性，在平常时期的研究结果可能会有所不同。本文是对现有的所有移动政务平台整体这个对象进行研究，未来的研究可以评估不同的环境背景和不同的移动政务平台，还可以与此次新冠肺炎疫情期间的研究结论做比较，探讨在不同的情境下或不同的移动政务平台结论是否会有不同。