基于ISM-MICMAC的移动社交媒体倦怠影响因素与关联路径研究

万 震 邹 凯 张艳丰 刘亚丽

(湘潭大学公共管理学院，湘潭，411105)

1 引言

随着数字技术的发展和社交媒体平台的不断创新，信息数据呈现形式多样、内容丰富等发展趋势，社交媒体用户获取和传递信息变得越来越便捷。数字化时代背景下，社交媒体作为用户分享信息内容和表达个人观点的重要平台，自出现以来即在全球范围内呈现爆发式增长[1]。然而，数字化信息资源与社交通讯技术的迅速发展也给用户心理和行为带来沉重的负担，信息过载、隐私泄露等现象使社交媒体用户之间的交流不断减少，参与热情也逐渐减退[2]。国内外的主流社交媒体(Facebook、Twitter、微信、QQ等)都出现了资深用户逃离使用趋势。这种用户在社交媒体平台越来越少发布动态并消极使用的现象被称为“社交媒体倦怠”(Social Media Fatigue, SMF)[3]。社交媒体倦怠是反映社交媒体用户消极使用的心理反应，是用户由于个体感知社会比较的增加而消极使用社交媒体的行为表现，是社交网络活动的负面情绪体现，一般表现为疲劳、淡然和冷漠等[4]。新媒体环境下，移动社交媒体倦怠对用户、企业和服务运营商都存在重大影响。在用户层面，导致用户产生不安、焦虑、抑郁等心理方面的问题，进一步出现失眠、酗酒等生理表现，进而发展为回避社交、消极使用等信息倦怠行为[5]；企业和服务运营商方面，移动社交媒体用户的消极或者退出使用是导致公司和服务运营商利润降低的重要原因，如人人网、MSN等。在此背景下，探究影响移动社交媒体倦怠的因素，通过构建相关模型对其关联路径进行合理的解释分析并提出管理策略，从而推进媒体信息与用户需求间的“数据生态”平衡，成为用户行为研究学者、移动社交媒体运营商亟需解决的现实问题。

2 相关研究述评

当前关于社交媒体倦怠的研究逐渐成熟，本研究通过搜集整理已有的相关研究，对社交媒体倦怠进行概括和总结，同时结合已有研究的相关特征，从社交媒体倦怠的形成原因、影响因素以及影响结果展开描述。

2.1 社交媒体倦怠的形成原因研究

早期关于社交媒体倦怠的研究大多集中于西方国家，学者们通过调查发现，引起用户产生社交媒体倦怠的主要原因是各种新社交APP推送了大量无用的邮件信息[6]。当部分用户在享受着由社交媒体所带来的便利时，另一部分用户也会由于过度使用社交软件而产生倦怠现象[7]，如每下载一个新的社交软件时，需要不停地注册个人信息等[8]。与早期的研究不同，后期学者们大多从用户视角出发，进一步探讨在形成社交媒体倦怠后用户不同的心理及行为表现。薛静等[9]结合SSO理论阐明角色压力是导致青年群体产生社交媒体倦怠的主要原因；Dhir等[10]则认为社交媒体倦怠是由信息过载和服务过载所导致的一种由积极情绪转变为消极情绪的过程，而社交媒体用户精力的有限与信息的超载之间的矛盾是引起用户产生社交媒体倦怠的主要原因[3]。同时研究发现，社会比较是导致用户焦虑心理产生的主要原因[11]，而用户由于错失焦虑(Fear of Missing Out, FoMO)所出现的强迫使用现象也造成了社交媒体倦怠[12]。对于青年群体而言，由错失焦虑现象所引起的信息过载、服务过载是产生社交媒体倦怠的主要原因[13]。此外，用户隐私关注[14]在社交媒体倦怠形成过程中也起着重要作用。

2.2 社交媒体倦怠的影响因素研究

新媒体环境下，用户在使用社交媒体时，其平台环境以及个人因素影响着用户倦怠情绪和消极使用行为的产生。在平台环境方面，已有学者发现，当社交媒体界面增加或者更新部分功能时，用户由于无法适应新的功能，从而放弃对社交媒体的使用[15]；还有学者发现，社交媒体中的信息内容影响着用户的使用感受，当信息内容过载时，用户产生社交媒体倦怠的现象也会更明显[16]，刘鲁川等[17]通过实证进一步验证了信息过载正向影响用户倦怠情绪。此外，系统质量和服务质量也对用户产生社交媒体倦怠具有一定的影响作用[18]。在用户个人层面，Lee[19]等探讨五大人格特质与社交媒体倦怠之间的关系发现，个体性格的外向程度对社交媒体倦怠的影响最大。还有研究者发现，个体性别以及性格对用户产生社交媒体倦怠也具有一定的影响[9]，当用户进行社交时，为维持社交关系所出现感知过载也是产生倦怠的主要因素[20]。赵启南[21]从关系性压力视角出发，发现影响青年产生社交媒体倦怠可能源于自我沉浸与人机互动等方面；而个体使用效能也会影响用户产生社交媒体倦怠[15]。与此同时，社交媒体倦怠还受内部用户性格[22]和外部社会环境[23]的双重影响，从而改变用户的使用行为。

2.3 社交媒体倦怠的后果研究

当用户正在经历社交媒体倦怠时，会表现出不同形式的间歇性中辍行为，如暂停使用媒体网络或减少使用时间等[24]，其间歇性中辍行为又与用户的焦虑情绪有关[25]，而用户所产生的不同程度焦虑情绪决定了用户不同的中辍使用行为[26-27]。此外，李珊珊等[28]结合主我与客我理论，对社交媒体用户中辍行为的形成机理进行了阐述与补充；卢新元等[29]基于时间特性，从用户使用社交媒体的时间特征、使用频次以及使用时间间隔分析了用户消极使用行为规律；李旭等[30]基于认知负荷理论发现，社交媒体倦怠对用户消极使用行为产生影响，并将进一步出现不持续使用行为[31]以及转移使用行为[32]。还有学者结合SSO模型实证发现，社交媒体倦怠的产生会进一步导致用户产生社交焦虑以及情绪压力[33]，表现出认知失调、情绪焦虑和生活满意度下降等[34]，其后果将迫使用户在使用社交网络时出现情感、行为和社交等方面的变化[35]。此外，已有部分学者从情境因素和测量因素两个方面探讨了影响因素与用户倦怠行为之间的调节效应[36]，并通过构建用户画像将移动社交媒体倦怠分为潜水忽略型、忍耐使用型、平台转移型和行为替代型四类[37-38]。因此，提高用户信息素养是避免社交媒体倦怠的有效手段之一[39]。

纵观已有社交媒体倦怠相关研究，笔者发现，当前学者主要运用单一的方法或模型对社交媒体倦怠的形成原因、影响因素和产生结果等方面展开讨论，鲜有学者将解释结构模型和交叉矩阵相乘法结合起来，对影响移动社交媒体用户产生倦怠的因素进行层级划分，缺乏对影响因素更深层次的分析。基于此，本研究拟在前人研究的基础上对社交媒体倦怠进行补充，构建移动社交媒体倦怠影响因素的解释结构模型(Interpretative Structure Model, ISM)，并运用交叉矩阵相乘分析法(Cross-Impact Matrix Multiplication Applied to Classification，MICMAC)对各个影响因素之间的层级进行归纳分析，通过观察层级图和解释结构模型图更加直观清晰地了解影响移动社交媒体用户产生倦怠的直接因素和间接因素，并提出相应的对策，从而对移动社交媒体用户信息倦怠行为进行系统、完整的模型解释，研究结果将对探究用户行为具有重要意义，同时也可为企业及服务运营商面对移动社交媒体倦怠问题提供切实可行的管理与服务参考。

3 移动社交媒体倦怠影响因素分析

3.1 影响因素提取

本研究以信息生态系统理论的统一术语表达为基础，构建移动社交媒体倦怠影响因素模型框架。用户信息需求作为信息生态理论的主要目标，通过研究信息人-信息-信息环境以及信息技术之间的关联，进一步促进各个信息生态因子之间的和谐、共生、平衡发展[40]。新媒体环境下，当移动社交媒体用户在进行信息交互时，会将自己置身在一个完整的信息生态系统中。因此，在对移动社交媒体用户信息行为进行研究时，可将信息生态理论作为研究基础。基于此，本研究基于信息生态理论对移动社交媒体倦怠影响因素进行识别分析。为保证影响因素提取的科学性和准确性，减少由于专家们的主观意愿对结果造成的影响，笔者先咨询两位在用户行为研究方面具有资深经验的专家，对影响因素的提取进行预调研；其次，在评分时通过讨论决定按照表1的打分原则进行影响因素关联评分；再结合专家咨询法，进一步邀请六位用户行为领域研究者(其中四位为具有教授职称的图书情报领域研究学者、两位为社交媒体研究方向的博士研究生)对社交媒体用户健康信息焦虑影响因素进行打分和反馈。经过三轮对比打分后进行结果统计，结合预调研，讨论达成一致后，整合专家们的意见，确定提取基于信息生态理论的17个影响因素，如表2所示。

表1 影响因素评分标准

表2 移动社交媒体倦怠影响因素

3.2 建立解释结构模型

影响因素的解释结构模型关系梳理，主要是借鉴Warfield[45]提出的解释结构方程模型方法。解释结构方程模型是为分析复杂系统的结构模型而开发的一种系统分析方法，主要用于系统工程分析，是一个计算机辅助学习过程，将复杂的系统分解为各个子系统，通过构建相关的矩阵进行层级分解，进一步得出各个子系统在该模型中的影响程度。通过把握问题的本质，找出解决问题的方法。解释结构方程模型的方法步骤为邻接矩阵A→可达矩阵M→建立层级结构模型→建立系统问题的解释结构模型[45]。

3.2.1 建立邻接矩阵

本研究基于八位专家对影响因素指标的对比打分统计，根据最大隶属度原则确定各因素之间的直接影响关系，邻接矩阵A的构建规则为：A=[aij]=1表示Fi要素对Fj要素存在直接影响关系，A=[aij]=0则表示Fi要素对Fj要素不存在直接影响关系，建立邻接矩阵A如表3所示。

表3 邻接矩阵A

3.2.2 建立可达矩阵

邻接矩阵A显示了各个因素之间的直接关系，但是不能体现各个因素之间的间接关系，因此，需要通过可达矩阵M来反映各个因素之间直接和间接的关系。利用MATLAB运算，根据公式(A+I)k-1≠(A+I)k=(A+I)k+1=M。其中I表示单位矩阵，K=1、2、3、4等。可达矩阵M可以表示F1-F17各要素之间的直接和间接影响，以及各个要素之间的传递性，即Fi可达Fj，Fj可达Fh，则Fi可达Fh。结果如表4所示。

表4 可达矩阵M

3.2.3 可达矩阵的层级分解

计算出可达矩阵M后，需要对可达矩阵进行层级分解，并建立结构模型。将矩阵中影响因素Fi所在的第j行的矩阵元素为1的影响因素集合为R(Fi)，即影响因素Fi的可达集；将影响因素Fi所在的第i列的矩阵元素为1的影响因素集合为Q(Fi)，即影响因素Fi的前因集，两者之间的交集R(Fi)∩Q(Fi)用A表示。移动社交媒体倦怠影响因素的可达集R(Fi)、前因集Q(Fi)和交集A如表5所示。

表5 可达矩阵的可达集与前因集

在确定最高等级要素之后，将其从表中划去，再从新的要素关系中继续寻找新的最高级要素，依次重复以上步骤，直到最后一级要素被划分出来。最终得到移动社交媒体倦怠影响因素的分级为：第一层级为F1，F2，F3，F4，F8，F9；第二层级为F10，F11，F12，F15，F16，F17；第三层级为F5；第四层级为F6，F7，F13，F14。

3.3 解释结构模型分析

根据经过标准化处理的可达矩阵，将移动社交媒体倦怠的影响因素分成四个层级，再将具有关联关系的影响因素进一步进行连接，各个层级之间的关系反映了它们的影响路径。构建移动社交媒体倦怠的解释结构模型，具体如图1所示。

图1 移动社交媒体倦怠影响因素模型

第一层(Level1)为直接层，是影响移动社交媒体倦怠的直接因素，包括信息过载、社交过载、服务过载、隐私泄露、感知成本和替代品吸引力。新媒体环境下，随着虚假消息不断增加、营销号泛滥、微信“僵尸”好友不断增多所产生的信息过载、服务过载和社交过载，严重干扰了用户的正常使用。此外，社交媒体由于缺乏明确的审核机制，大量垃圾信息的出现导致用户的感知成本在上升，用户个人信息被窃取等隐私泄露现象越来越严重，用户使用兴趣在减少。并且随着微博、抖音短视频等弱关系社交媒体的冲击，当强关系社交媒体(如微信)无法满足用户的需求时，用户会倾向于离开或转移到弱关系社交媒体[46]，这都是导致用户产生移动社交媒体倦怠最直接的原因。

第二层(Level2)和第三层(Level3)为中间层，在整个解释结构模型中起到承上启下的中介作用，中间层要素既是影响因素也是被影响因素。在信息生态系统理论中，信息技术的好坏直接反映了用户产生移动社交媒体倦怠程度的高低，其包括系统质量、审核功能和反馈功能。目前由于社交媒体系统的开发基本达到了一个瓶颈阶段，网络信息系统存在安全隐患、用户个人隐私泄露以及网络技术漏洞等风险降低了用户的体验感，给用户带来了一定的使用顾虑[34]，降低了用户的使用热情。此外，由于社交媒体平台反馈功能的缺失，用户在体验时所产生的问题得不到及时解决，用户使用满意度急剧下降，使用情绪也由积极转向消极。

第四层(Level4)为根源层，是影响社交媒体倦怠程度最深的根本要素。包括知音难求、社交顾虑、错失焦虑和强迫使用。随着强关系社会网络使用的泛化和深入，好友数量迅速膨胀，社交圈也变得越来越复杂，尽管好友在不断膨胀，但“知音”和“密友”却寥寥无几，大多用户为了维持社交关系，需要不断地查看微信消息，刷新朋友圈，给好友点赞和评论，错失焦虑现象越来越明显。此外，越来越多的“工作群”模糊了工作与生活的界限，“隐形加班”现象也迫使用户不得不频繁使用社交媒体[16]，这也是用户从积极情绪转为消极情绪进而产生移动社交媒体倦怠的重要原因之一。

3.4 MICMAC分析

交叉影响矩阵相乘法MICMAC，主要用于分析系统中各因素之间影响与依附关系，其结果可用坐标轴表示出来，其中，依赖性通过横坐标表示，驱动力通过纵坐标表示[47]。因素的驱动力可以通过计算矩阵中影响因素Fi所在的第i行的矩阵元素为1的影响因素的个数得到，即驱动力Di=∑fi；因素的依赖性可以通过计算矩阵中影响因素Fi所在的第i列的矩阵元素为1的影响因素的个数得到，即依赖性Rj=∑fj。驱动力越大，则该影响因素对其他因素的影响程度较大；依赖性越大，则该影响因素对其他影响因素的依附性越大。驱动力和依赖性统计结果如表6所示。

表6 影响因素驱动力、依赖性数值

根据驱动力和依赖性的大小将影响因素分为四个集群，即联系群(第Ⅰ象限)、独立群(第Ⅱ象限)、自发群(第Ⅲ象限)、依赖群(第Ⅳ象限)，并绘制出移动社交媒体倦怠影响因素“驱动力-依赖性”分类图，如图2所示。

图2 影响因素“驱动力-依赖性”分类

通过图2的影响因素“驱动力-依赖性”分类结果可知：

(1)没有属于联系群(第Ⅰ象限)的影响因素，说明本研究移动社交媒体倦怠影响因素独立性强，不存在属于模糊关联概念的联系群因素。

(2)属于独立群(第Ⅱ 象限)的影响因素有F6、F7、F13、F14。在解释结构模型中，独立群通常处于最底层，不容易受到其他因素的影响，具有高驱动力和低依赖性的特征，也是影响因素最深的层次。表明一旦这些要素发生变化，则其他要素也会发生相应质变。

(3)属于自发群(第Ⅲ象限)的影响因素有F1、F2、F3、F4、F5、F8、F9、F10、F11、F12。自发群具有低依赖性和低驱动力的特征，在自发群要素中要重点关注中间层要素。本研究中虽然F10(系统质量)、F11(审核功能)、F12(反馈功能)的依赖性和驱动力不高，但处于中间层，起到中介与关联作用，既能够对处于它上层的因素产生影响，同时又受到下层因素的制约。

(4)属于依赖群(第Ⅳ象限)的影响因素有F15、F16、F17。其主要特征包括高依赖性和低驱动力，属于依赖群的因素容易受到其他因素的影响。结合图1和图2可以看出，F15(成就感低)、F16(兴趣减少)、F17(情绪耗尽)虽处于模型的中间层，但依赖于影响因素F5(关注度低)的变化而产生变化。

4 对策及建议

4.1 探索用户需求，提高用户满意度

信息因素主要包含信息过载、社交过载、服务过载、隐私泄露。结合ISM和MICMAC分析可以看出，信息因素大部分处于中上层，属于移动社交媒体倦怠的直接因素，对用户产生移动社交媒体倦怠影响最大。针对当前信息透明化和公开化现象越来越明显，用户在使用时隐私得不到保障，部分社交软件需要个人位置信息被授权才予以使用的现象也成为常态。因此，各大社交平台应当建立调研团队，定期采访社交媒体不同的受众人群，了解用户需求以及目前所存在的问题并及时解决。同时增加信息处理和审核机制，过滤、删除低质量的信息推送，降低用户由于隐私泄露所产生的消极使用情绪。

4.2 挖掘平台使用功能，提升用户吸引力

知音难求、社交顾虑、感知成本和替代品吸引力作为信息生态系统理论中的信息环境因素，同时又是影响移动社交媒体倦怠的深层因素，是减少移动社交媒体倦怠行为最不容忽视的内容。随着新媒体时代的到来，各大社交平台开发商需要对移动社交媒体用户的行为数据进行分析和预警，不断发现用户的新偏好以及平台使用新模式，为社交媒体平台的功能创新提供新机会。因此，作为平台开发商不仅要满足用户的需求，还要关注由于其他社交平台的出现所带来的竞争，并在社交媒体竞争中挖掘产品新的功能与服务，增强用户体验感，减少由于信息环境因素所带来的倦怠情绪。

4.3 加强审核管理机制，完善系统质量

在信息生态理论核心要素中，技术因素作为系统层面要素，包括系统质量、审核功能、反馈功能，结合ISM和MICMAC分析可以看出，这些处于中间层，不仅受到最底层的影响，也能影响上层的因素，对用户的移动社交媒体倦怠产生显著的影响。随着信息越来越便捷化，移动社交媒体的更新和替换速度也在发生着变化，社交媒体开发商需要对用户行为数据和资源需求进行关联分析，同时采用差异化管理模式对不同的用户表现行为进行区分和管理，以此建立移动社交媒体信息资源管理机制，制订具有可操作性的管理方案。此外，社交媒体运营商应当增加审核部门和反馈部门，加强对各个操作环节的监督和审核，减少由于审核不过关而导致用户产生社交媒体倦怠行为。

4.4 设计用户画像，实现个性化管理制度

信息人因素作为生态理论核心要素的最基本要素，其中错失焦虑和强迫使用处于解释结构模型的最底层，具有较强的驱动力，也是影响移动社交媒体倦怠最根本的因素。因此，当错失焦虑用户花费更多的时间在社交媒体网络上，强迫使用现象也越来越大众化，会产生潜水、回避、替代和转移等不同类型的社交媒体倦怠行为。针对以上情况，社交平台可以通过数据融合进行细致化分析，设计个性化的管理制度，并进行用户画像分析。大数据时代，移动社交媒体倦怠用户信息行为会产生不同类型的标签[46]。因此，通过对用户的行为数据进行记录和分析，加强用户行为管理，对不同行为表现类型用户进行画像分类，从而建立个性化的移动社交媒体信息资源管理机制。

5 结语

本研究透过社交媒体用户消极使用和负面情感变化的典型社会现象，对引起移动社交媒体倦怠的主要影响因素进行深入挖掘，利用解释结构模型，得出引起移动社交媒体倦怠的直接因素、过渡因素和最深层次的因素，结合MICMAC分析法，对各个影响因素进行依赖性和驱动力的整合，分别找出了独立群、依赖群和自发群的影响因素，进而提出相应的管理策略，为相关企业和服务运营商面对及预防移动社交媒体倦怠危机提供管理决策参考。同时本研究也存在一定的局限性：一方面，专家评估打分存在一定的主观性；另一方面，基于信息生态理论的影响因素指标具有一定的可拓展性。后续研究将针对移动社交媒体倦怠现象进行基于影响因素模型框架的实证分析，为社交媒体用户信息行为研究提供更为丰富的理论与实践指导。