基于改进ISM-MICMAC的信息偶遇影响因素及关联路径研究

2023-07-20 12:04李刚毛俊博
现代情报 2023年7期

李刚 毛俊博

关键词:信息偶遏;信息搜寻;影响因素;关联路径

DOI:10.3969/j.issn.1008-0821.2023.07.008

[中图分类号]G252.0 [文献标识码]A [文章编号]1008-0821(2023)07-0074-11

随着信息技术的快速发展与互联网络的日益普及,网络信息资源以巨量化、碎片化与多样化等特征使用户在进行检索、浏览等网络信息活动中意外获得个人认为有用、感兴趣的信息,这一现象称为信息偶遇(Information Encountering)。信息偶遇以无目的性、他目的性、自动获取及出乎意料等特征在当前网络环境中已成为信息搜寻和信息发现的一种重要模式。虽然信息偶遇作为一种被动式、低预期的信息资源获取行为,信息获取的专一度有限,但信息的意外性获取不仅可以使个体接触新的信息,拓展知识领域,还能促进思考问题方式的转变,形成新的解决思路。例如,X射线的意外发现、生物学领域中青霉素和胰岛素的发现等,皆表示信息偶遇在知识创新中的重要作用。信息的爆炸式增长,使信息偶遇成为人们日常生活中普遍存在、十分重要的信息获取行为,潜移默化地影响着人们信息的获取、传递及分享。近年来关于信息偶遇的研究逐渐增多,具体研究层面以机理模型、影响因素为主。而信息偶遇影响因素作为研究热点之一,大多对其进行单因子影响因素研究,以各影响因素之间的关联路径研究较少。因此,本研究基于改进ISM-MICMAC方法构建信息偶遇影响因素结构模型,对影响因素之间的关联路径进行研究,为信息偶遇相关研究提供方法参考,并通过明晰影响因素之间的路径关系,对相关信息服务机构进一步了解信息偶遇的影响机理,提高用户信息获取效率、促进信息有效利用具有一定理论与实践意义。

1相关研究述评

关于“信息偶遇”的界定,20世纪60年代就存在相关的泛在研究,但并无统一的学术表述,例如Bernier C L将“Serendipity”一词界定为偶然的信息发现.Wilson P称之为“偶然的信息获取(Incidental Information Acquisition)”,Krikelas J使用“随意的信息收集(Casual Information Gather-ing)”的表述等。1995年Erdelez S正式提出“信息偶遇(Information Encountering)”一词,认为是在网络信息活动中,获得目标之外信息的一种现象,属于信息行为学的研究分支。随着信息行为学研究不断深入,各界学者不再单一关注主动信息行为或问题导向的信息行为研究,被动性获取的信息偶遇研究开始逐渐增多。目前,各学界虽并无关于信息偶遇的统一定义,但已基本达成共识,认为信息偶遇是一种既不在计划之内,也不是预料中的信息获取行为,当用户并不是有意地查找时,却获得了有用或者有趣的信息。此外,低参与度与低期望值常被用于区别信息偶遇行为与其他信息行为的主要表现特征。随着信息行为相关研究的不断深入,信息偶遇作为信息搜寻的一种关键形式,研究意义越来越受到学界的认可,关于信息偶遇影响因素研究也逐渐成为该领域的研究热点。研究维度上,信息偶遇影响因素研究大多从用户、信息、环境3个维度进行分析。用户维度方面,个人即时心态、使用习惯、认知风格、偶遇经历、需求状态及信息素养等因素深刻影响个体信息偶遇的过程及频次,其中大多学者认为,信息素养高低与信息偶遇发生概率成正比关系,即信息素养越高,偶遇信息概率越大;信息维度方面,用户接触信息性质的不同导致触发信息偶遇的频次不同,而信息质量是触发信息偶遇较为直接的因素,信息可信性、时效性、效益性等越高越容易引起用户注意,信息偶遇触发概率也会随之增高;环境维度方面,相关学者大多围绕信息偶遇触发情境展开讨论。例如,在信息需求较为明确的情境下,信息搜寻时间较少,则不易发生信息偶遇,而当用户信息预期性,相对拥有较为分散的信息源时,信息偶遇发生概率则较高。近年来,关于信息偶遇影响因素相关研究如表1所示。

综上所述,国外对信息偶遇研究较早,随着研究层面的不断深入,目前信息偶遇影响因素相关研究已引起各界学者广泛关注,并取得一定的研究成果。研究方法上,多以问卷调查、实验分析及方差分析为主;研究对象上,多集中于高校学生与科研人员;研究维度上,信息偶遇影响因素作为研究热点,相关学者多结合具体情境提取影响因素并进行讨论,例如基于需求情境、时间压力情境或情绪状态情境等维度对影响因素显著性进行分析,但针对网络环境下信息偶遇影响因素之间的关联路径研究较少。因此,本研究通过文献调研法提取影响因素,并基于ISM -MICMAC方法对影响要素之间关联路径进行分析,为后续信息偶遇相关研究提供方法参考,对进一步豐富信息偶遇影响因素研究具有一定的理论与实践意义。

2信息偶遇影响因素分析

为全面获取国内外信息偶遇影响因素相关文献,本研究基于文献调研法通过中国知网与Web of Sci-ence核心数据库以“主题”字段进行检索。其中,在中国知网以“信息偶遇”“偶然获取信息”进行检索;在Web of Science数据库中以检索词“Infor-mation Encounter”“Information Serendipity”“Inci-dental Information Acquisition”进行主题检索,具体步骤为:①设置检索时间范围为2010-2022年,文献类型为期刊论文,并初步剔除与信息偶遇影响因素研究无关文献,获得中文文献92篇,外文文献432篇;②在文献筛选过程中依据主题契合度高、时间跨度低、被引度高、权威度高等标准,最终得到有效文献24篇,其中中文文献14篇,外文文献10篇;③邀请6位信息行为研究方向专家,经过两轮意见征询初步识别影响因素17个。基于信息偶遇的特征,删除影响模糊因素、合并含义相近因素,最终确定影响因素15个,并参考杨雨琪等提出的信息偶遇影响因素模型,结合信息偶遇影响因素性质内涵将15个影响因素按主体维度、信息维度、环境维度、情境维度进行范畴分类,如表2所示。

用户维度包括心理状态、偶遇经历、信息素养与认知风格。用户即时心理状态直接影响用户的信息行为,例如当用户处于紧张心理状态时,难以辨别信息的有用性,信息偶遇难以触发,而处于积极心理状态时,大脑对信息的敏感性增强,注意力也随之增加,信息偶遇行为更易触发。此外,个体认知风格的不同使用户对信息偶遇感受有所差异,对信息偶遇持正面评价的认知会有效增加下次信息偶遇的发生概率。研究表明,信息素养的高低直接影响用户的信息检索能力,信息检索能力越强,从中获取的信息量就越大,从而越容易激发信息偶遇。偶遇经历一般用偶遇频率进行量化,偶遇频率越高的用户与信息的交互联结越复杂,较容易刺激下次信息偶遇的发生。

信息维度包括信息质量、信息来源、信息明显度与信息相关度。信息有用度、易用度等信息质量越高,用户对相关信息来源就越认可,越容易引起用户注意,从而导致信息偶遇发生概率升高。信息明显度是信息的外在表示方式,例如图片、位置及颜色等。信息明显度往往与信息受欢迎的程度有关,而信息的人气越高越容易引起用户注意,更易吸引用户从众,从而触发信息偶遇行为。此外,所浏览的信息是否与用户兴趣或问题相关,深刻影响着用户内心信息需求与认知状态能否被满足,相关性越高,信息偶遇发生概率则越高。

环境维度包括社会交互联接、界面友好性、网络环境与主体规范。大多学者将社会交互联接与主体规范归于环境维度中的社会环境维度。其中,社会交互联接越高,用户与外界信息交互就越频繁,信息接收量就越多,从而越容易触发信息偶遇的发生。相关研究通常以社会认知理论解释主体规范性对信息偶遇的影响机理,例如周围朋友或家人都关注同一信息时,相应用户会受到影响,当这一类型信息出现在视野里时,会格外注意并获取该信息,而信息偶遇往往在这一过程中发生。网络环境与界面友好性一般归于物理环境维度,用户在良好的网络环境下,数据延时性较低,在一定时间内获取信息量就会增多,从而激发信息偶遇的出现。而用户信息搜寻界面设置越清晰、模块功能越醒目,越容易对用户使用心理及体验感受产生积极影响,信息偶遇也由此产生。

情境维度包括目标清晰度、信息需求度与时间压力。研究表明,用户在信息搜寻的目标较为清晰的情境下,由于用户的目的性较强,获取信息精确度高,所以信息偶遇情况不易发生,而当搜寻目标模糊时,信息搜索范围较为笼统,出现信息偶遇的概率则会增加。同时,当信息搜寻情境处于较强的信息需求时,结果预期性高,则不宜发生信息偶遇。此外,当用户处于时间压力较大的情境时,心理紧张感会促使用户浏览信息速度加快,对目标范围外的信息关注度较低,信息偶遇概率也随之下降;而当用户处于时间充裕的情境下,用户会以注意力分散状态扩大信息搜索范围,发现潜在信息,触发信息偶遇。

3 ISM-MICMAC模型构建

Warfield J N教授提出解释结构模型(Inter-pretative Structural Modeling,ISM),计算原理是将影响因素之间的作用关系以矩阵方式表示出来,再通过相关数学运算对影响关系进行处理,最终构建一个层级递阶的结构模型,常用以解决复杂影响要素之间的关联关系问题。模糊数学具有将评价结果精确化、连续化的特点,改进的ISM模型与模糊数学进行了有机结合,实现了影响因素之间的关系从定性到定量的转变,进一步降低了业内专家的主观作用,使影响因素之间的关联关系更加客观准确。交叉影响矩阵相乘法(Matrices Impacts Croises-multiplication Appliance Classement, MICMAC)主要用于不同影响因素的分类研究,利用因素之间的可达路径、层次循环来分析因素互相的影响程度。在本研究中,由于触发信息偶遇行为的影响因素较多,且各影响因素之间存在一定的作用关系,因此在方法选择时不仅要准确分析各影响因素之间的关系,还需掌握各个影响因素的重要程度,而改进ISM-MICMAC模型既能准确表示信息偶遇影响因素之间的复杂關系,解决影响因素之间模糊性问题,还能对信息偶遇影响因素进行有效的属性辨析与层级分类,从而实现对影响因素的分析评价,因此综合考虑,引用改进ISM-MICMAC方法较为契合本研究主题。具体计算步骤如下:

1)专家模糊评分。邀请领域专家对影响因素两两之间进行模糊评分。评分分数在0~1之间,分数越大代表关联程度越深,分数越小代表关联程度越小,进而确定模糊邻接矩阵F,影响因素模糊评价标准如表3所示。

10)综合可视化分析。基于以上得出的驱动力与依赖性结果,则可绘制驱动力与依赖性的二维关系图。

4 ISM-MICMAC模型分析

4.1邻接矩阵建立

基于步骤1,邀请8位图情领域研究方向专家(其中6位信息行为研究方向教授,2位信息资源管理方向教授),依据表3对各因素的影响关系进行模糊评分。评分方式采取线上方法问卷的方式进行数据回收,然后计算平均数作为模糊邻接矩阵F的元素。基于模糊邻接矩阵F,通过式(1)计算得到关联强度矩阵B。为保证系统稳定性,本研究A取值0.5,最后按照式(2)得到邻接矩阵A。邻接矩阵A如表4所示。

4.2可达矩阵建立

为进一步显示各个因素之间的间接关系,需在邻接矩阵的基础上构建可达矩阵。根据式(3)与式(4),运用MATLAB工具计算得出可达矩阵M,如表5所示。

4.3层级结构确定

层级分解是基于可达矩阵M并依据式(5)、式(6)计算出影响因素的可达集R(Pi)和前因集S(Pi),结果如表6所示。

L1为表象层因素,是影响信息偶遇的直接因素,包括F1心理状态、F4认知风格、F6信息来源和F15时间压力。网络环境下,由于信息传播速度快、不确定性强、交互性高等特点造成虚假信息不断增加、信息来源不明现象逐渐增多,用户不得不根据自身的认知选择所需信息,而用户的认知风格帮助用户识别信息偶遇所得的收获时,会对信息偶遇行为产生一定评价,正面的评价往往使用户以更开放的心理状态接受信息偶遇,并更容易有意识主动提高下次信息偶遇的发生。此外,信息搜寻过程中,当用户内心受到一定的时间压力影响时,内心的紧迫感往往会影响情绪状态,目的之外的信息不易察觉,进而对信息偶遇造成一定影响。

L3与L4为中间层因素,间接影响信息偶遇行为的触发,包括F2偶遇经历、F3信息素养、F5信息质量、F7信息明显度、F8信息相关度和F9社会交互联接。用户通过获取信息与外界进行社会交互,而信息素养的差异使所获信息的质量、明显度、相关度有一定不同,间接或直接影响用户的偶遇经历,进而产生不同认知风格,最终对信息偶遇产生影响。此外,用户不同的社会交互频次导致信息接触的范围与内容不同,社会交互联结高的人群信息交互次数多、范围广,因此发生信息偶遇概率较高。

L5为根源层因素,是影响信息偶遇行为的根本因素,包括F10界面友好性、F11网络环境、F12主体规范、F13目标清晰度与F14信息需求度。随着信息技术的快速发展与强关系社会网络的泛化深入,用户与外界交互的内容受周围社会关系的硬性影响,对信息偶遇认知也有所不同。此外,移动网络环境下,用户所接触的信息交互界面基础功能越全面、模块组合越简洁、使用方式越迎合用户习惯越容易激发用户积极使用倾向,而良好的积极使用心理易使用户以更开放的心理看待信息偶遇现象,且移动网络的便利性使用户“无目的”的碎片化信息行为频率大大增加,信息偶遇现象也容易因此出现。此外,用户信息搜寻的情境不同,导致个人心理状态有一定差异,用户目标清晰度、信息需求度越高,信息预期性越高,容易忽略搜索范围外的信息,导致信息偶遇现象不易触发。

4.4 MICMAC分析

基于ISM模型,通过式(8)、式(9)可计算影响因素的驱动力和依赖性,进而明确影响因素之间的关联及分类关系。驱动力和依赖性计算结果如表7所示。

根据各因素驱动力和依赖性大小可将影响因素分为4个集群:联系群(第1象限)、独立群(第Ⅱ象限)、自发群(第Ⅲ象限)、依赖群(第Ⅳ象限),并绘制出信息偶遇影响因素分类图,如图2所示。

基于图2分析可知:

1)没有属于联系群(第1象限)的影响因素,说明本系统稳定性较好,不存在对整个系统产生影响的因素。

2)属于独立群(第Ⅱ象限)的影响因素为F11网络环境,独立群具有高驱动值、低依赖性的特点,说明该类集群的影响因素影响程度广且不易受其他因素影响,若此象限影响因素得到良好的解决方式,将会对其他因素的解决产生积极的促进作用。在层级结构图中F11位于根源层,其直接或间接通过中介效用影响其他因素,是引发信息偶遇行为的根源因素。随着互联网络的迅速发展与日益普及,用户通过网络渠道满足自身信息需求已成为信息时代的常态化现象,而不同网络环境下信息质量高低、数据延时大小与用户不同心理诱因下的复杂化、多样化信息需求相交织,促使信息偶遇行为在网络环境下频繁发生,网络环境已成为影响信息偶遇发生概率高低的根本性原因,因此网络环境因素独立性较强,处于独立群因素。

3)属于自发群(第Ⅲ象限)的影响因素包括F3信息素养、F5信息质量、F6信息来源、F7信息明显度、F8信息相关度、F9社会交互联接、F10界面友好性、F12主体规范、F13目标清晰度、F14信息需求度和F15時间压力,自发群因素由于自身驱动力依赖性较为平衡,因此在系统中起一定过渡作用,在层级结构图中皆有分布。其中,F6信息来源于F15时间压力属于自发群又位于表象层,原因在于信息来源与时间压力受个体与外界交互频率、所处网络环境影响,从而触发以情绪为中心的信息偶遇行为,影响与被影响程度较为均衡,因此具备两种属性;F3信息素养、F5信息质量、F7信息明显度、F8信息相关度、F9社会交互联接属于中间层因素,属性特征符合所处层级。个体信息素养的高低、与其他用户互动交流的频率大小深刻影响用户接触目标之外信息源的概率,而用户对目标之外的信息质量感知度越高,越容易触发信息偶遇行为;F10界面友好性、F12主体规范、F133F11目标清晰度、F14信息需求度位于根源层因素又处于自发群因素类,原因在于不同个体进行信息搜寻时虽然界面感知度、主体规范、信息需求度、时间压力间接影响信息偶遇的触发,但对用户信息相关性、信息质量、偶遇经历等感知影响程度较低,导致信息偶遇发生不确定性较高,因此,此四类因素位于根源层又处于自发群,兼具两种特性。

4)属于依赖群(第Ⅳ象限)的影响因素包括F1心理状态、F,偶遇经历和F,认知风格,具有依赖性高、驱动力较低的特点,易受其他因素的影响,因此其他因素的解决对该因素群的解决有积极促进作用。在层级结构图中,F1心理状态、F4认知风格位于表象层因素,因素特征符合其所处层级。个体认知风格的差异性,直接导致不同用户对偶遇信息的心理状态有所差异,用户对信息偶遇正面认知越高,越容易触发以积极心理状态为中心的信息偶遇行为。F2偶遇经历位于中间层因素又属于依赖群因素,原因在于个体之间信息需求度的不同,导致用户对目标清晰度、信息相关度感知有所差异,从而对偶遇经历产生影响,且由图1可知,偶遇经历因素处于中间层与表象层交界处,表现出驱动力小、依赖性较大的特点,因此位于中间层又属于依赖群因素,兼具两种属性特征。

5引导策略与管理启示

5.1降低信息获取成本,提高感知收益

用户维度主要包括心理状态、偶遇经历、信息素养与认知风格。结合改进ISM和MICMAC研究结论可得,用户维度因素受其他影响程度较大,属于触发信息偶遇的直接因素。其中,心理状态、偶遇经历与认知风格因素位于表象层且处于依赖群象限,作用路径为偶遇经历→认知风格→心理状态,此3类因素在所有因素中依赖性排名前3,较高的依赖性使其易受其他因素影响,进而影响信息偶遇行为。用户之间对信息有用性、相关性的感知差异使不同个体对偶遇经历持不同感受,从而进一步对认知风格产生影响,由此产生的不同情绪体验,增强或降低信息偶遇触发概率。因此,提高用户对信息的感知收益,是优化用户的偶遇经历,从而提高下次偶遇概率的有效方法。相关平台可对信息目标进行边缘化推送,增加信息卷入度,在保证信息有用性、相关性较高的同时,优化信息搜寻流程,降低信息获取成本,由此带来的感知价值收益使用户对信息偶遇持积极态度,从而增加下次信息偶遇概率。

5.2完善信息审核机制,提高信息质量

信息维度包括信息质量、信息来源、信息明显度与信息相关度。结合改进ISM和MICMAC研究结论可看出,信息维度因素大多处于层级结构中层,皆位于自发群象限,其中中间层因素信息质量、信息明显度与信息相关度因素在所有因素驱动力、依赖性排名中处于居中位置,作用路径承上启下,说明此类因素需各部门协同控制。研究发现,信息明显度、信息质量与信息相关度可影响偶遇经历,从而触发以心理状态为中心信息偶遇行为。信息更新与替换速度的不断提高,使网络环境中的虚假信息、冗余信息逐渐增多,影响用户信息感知,从而易降低偶遇概率。一方面,相关信息服务平台应结合相关法律建立信息审核标准,提高信息审核效率,删除质量差、时效低的信息;另一方面,可通过综合用户习惯偏好,对某些信息的形态、位置、呈现方式进行特殊处理,增加信息明显度与相关度,以此来吸引用户注意力,从而增加信息偶遇的触发概率。5.3优化平台环境建设,提高用户吸引力

环境维度包括社会交互联接、界面友好性、网络环境与主体规范。结合改进ISM和MICMAC研究结论可得,环境维度因素大多处于层级结构中下层,且处于自发群象限居多。其中,网络环境是所有因素中唯一处于独立群象限的因素,较强的驱动力,使其通过多个途径对信息偶遇产生影响,影响信息偶遇显著性较高。研究表明,用户在WiFi网络环境下,由于无流量限制,会以轻松的心理特征进行广泛性信息搜寻和信息浏览,信息偶遇更易发生‘32]。因此,相关平台征得用户许可后,可根据用户的网络状态调整信息源推荐范围,根据检索词的模糊度,扩大或缩小信息推荐,在合适的网络环境下提高信息偶遇发生概率。此外,信息服务平台可基于用户社交关系来促进信息偶遇的发生,例如,完善用户网络上的社交关系、显示社交好友关注的信息类型、鼓励用户之间的信息共享,在搜索结果中适当引入随机元素,增加注释和说明,吸引用户注意力,进而促进信息偶遇的发生。

5.4挖掘用户潜在需求,匹配任务情境

情境维度因素包括目标清晰度、信息需求度和时间压力。结合改进ISM和MICMAC研究结果可得,情境维度因素多处于层级结构的根源层,皆位于自发群象限。其中,根源层因素目标清晰度与信息需求度以驱动力值5,在情境维度中驱动力排名第1,其作用路径多通过信息相关度影响偶遇经历,进而触发以心理状态为中心的信息偶遇行为,说明对信息偶遇影响程度较大。信息偶遇主要是为了解决当下、过去、未来的问题,满足个体潜在信息需求的过程,因此,挖掘用户潜在需求,可在一定程度上提高信息偶遇概率。相关信息服务平台可通过收集用户习惯偏好,挖掘用户兴趣相关性、知识相关性、主题相关性等潜在需求特征,确保提供核心内容的同时,利用界面、窗口等剩余空间展示交叉的信息,从根本上保证用户发生信息偶遇的环境和机会。此外,可在信息搜寻页面中设置不同情境模块选项,或基于用户数据通过算法匹配用户任务情境,在不同情境下合理推送不同信息,以达到优化偶遇经历,提高信息偶遇概率的目的。

6结语

为了解网络环境下用户信息偶遇行为影响因素之间的逻辑关系和影响程度,提高用户信息获取的广度与深度,本研究通过查阅国内外相关文献和专家调研确定影响因素,利用改进ISM模型对影响因素进行关联分析和层级划分,得出信息偶遇的表象层、中间层和根源层因素,结合MICMAC分析法,对信息偶遇影响因素进行驱动力和依赖性分析,绘制了“驱动力一依赖性”象限图,最后结合研究结果,提出了相应的策略与启示。理论层面上,本研究从用户、信息、环境与情境4个维度抽取信息偶遇影响因素,基于改进ISM-MICMAC模型构建信息偶遇影响因素层级结构模型与因素分类图,有助于更深层次地了解信息偶遇影响因素之间的影响关系与属性特征,丰富了网络环境下信息偶遇行为相关研究。实践层面上,通过分析信息偶遇行为影响因素之间的关联结构特点,为相关信息服务平台深入了解网络环境下用户触发信息偶遇的影响机制与作用路径,构建多元信息偶遇触发机制、保障用户获取信息的平衡性提供一定管理启示与实践指导。同时,本研究也存在一定局限性,首先,改进ISM方法无法表现影响因素层级之间的反馈回路;其次,專家评估打分存在一定主观性。后续研究拟用更客观具体的研究方法,为信息偶遇相关研究提供更为丰富的理论研究与方法参考。