基于UTAUT模型的政务短视频公众使用意愿研究

政务短视频的传播力及其影响因素:基于政务抖音号的实证研究政务短视频的传播力及其影响因素:基于政务抖音号的实证研究摘要：随着社交媒体的快速发展，政务短视频作为一种新型的传播方式已经成为政府与公众之间沟通的重要途径。

本文基于政务抖音号的实证研究，探讨了政务短视频的传播力以及影响因素。

通过收集政务抖音号上发布的短视频数据，运用相关统计方法进行分析，发现政务短视频的传播力受到多个因素的影响，包括内容质量、制作水平、话题热度以及平台算法等。

结果显示，政务短视频的传播力表现出一定的规律性，可以为政府部门改善政务短视频的传播效果提供一定的参考。

关键词：政务短视频；传播力；影响因素；抖音1. 引言随着互联网技术的不断进步，社交媒体已经成为政府与公众之间沟通的重要途径。

政务短视频作为一种新型的传播方式，具有信息传递快速、易于消化和增强公众参与感等特点，受到越来越多政府机构的关注和运用。

本文通过对政务抖音号的实证研究，旨在探讨政务短视频的传播力及其影响因素，为政府机构改善政务短视频的传播效果提供参考。

2. 文献综述政务短视频的传播力及其影响因素一直是学者关注的热点。

有学者认为，政务短视频的传播力取决于内容质量和制作水平等因素。

创新的内容和高水平的制作能够吸引更多的观众，增强传播效果。

同时，话题热度也是影响政务短视频传播力的重要因素。

热点话题可以引起公众的关注和讨论，进而带动短视频的传播量。

此外，政务短视频的传播力还受到平台算法的影响。

不同的平台算法对短视频的推送机制存在差异，因此，政务短视频在不同平台上的传播效果也会有所不同。

3. 方法本文选取政务抖音号作为研究对象，收集了该账号发布的短视频数据，并采用相关统计方法进行了分析。

具体步骤如下：首先，对政务抖音号上发布的短视频进行分类，并统计不同类型短视频的传播量；然后，根据短视频的播放量、点赞量和评论量等指标，计算政务短视频的传播力；最后，分析政务短视频的传播力与其内容质量、制作水平、话题热度以及平台算法等因素之间的关系。

基于UTAUT2模型移动K歌APP老年用户使用行为影响因素研究摘要：本文基于UTAUT2模型，研究了移动K歌APP老年用户使用行为的影响因素。

通过对老年用户的调查问卷和数据分析，得到了以下结论：社会影响、认知信心、价值期望和使用习惯是影响老年用户使用移动K歌APP的重要因素。

其中，社会影响和认知信心对老年用户的使用意愿和使用行为有显著的正向影响；价值期望对老年用户的使用意愿有显著的正向影响，对使用行为的影响不显著；使用习惯对老年用户的使用行为有显著的正向影响。

最后，针对这些结论，本文提出了相应的管理建议。

关键词：UTAUT2模型；老年用户；移动K歌APP；使用行为；影响因素；社会影响；认知信心；价值期望；使用习惯1.前言随着年龄的增长，老年人的需求和行为方式也有所不同，他们更注重生活品质，更注重社交和娱乐活动。

K歌作为一种流行的娱乐方式，吸引了许多老年人的青睐。

同时，随着移动互联网的普及，移动K歌APP也成为老年人K歌的新方式。

但是，老年人对移动K歌APP的使用行为和影响因素研究尚不完善，本文旨在研究老年用户使用移动K歌APP的行为和影响因素。

2.文献综述UTAUT2模型是当前国际上广泛应用的用户技术接受模型之一，包括四个变量因素：认知信心、社会影响、价值期望和使用习惯。

通过分析这四个因素，可以更好地理解和预测用户的使用行为。

同时，老年人作为特殊的用户群体，在使用移动K歌APP时往往受到更多的限制和影响，因此文献综述主要集中在老年用户对移动APP的使用行为和影响因素研究。

3.研究设计本文采用问卷调查的方式，设计了一份针对老年用户使用移动K歌APP的问卷，共有四个方面组成：社会影响、认知信心、价值期望和使用习惯。

问卷采用五点量表，从“非常不同意”到“非常同意”进行评价。

4.研究结果4.1 老年用户使用K歌APP的情况问卷结果显示，有74.3%的老年用户经常使用K歌APP，占比较大。

4.2 UTAUT2模型各因素对老年用户的影响通过统计分析，得出了以下结果：4.2.1 社会影响社会影响对老年用户的使用意愿和使用行为有显著的正向影响。

政务短视频的传播力及其影响因素_基于政务抖音号的实证研究政务短视频的传播力及其影响因素:基于政务抖音号的实证研究近年来，随着社交媒体的快速发展和普及，政务短视频作为一种新兴的传媒形式备受关注。

政务抖音号作为政府机构推广形象和传达政策的新平台，不仅在年轻人群体中受到广泛关注，也成为政务短视频传播的重要阵地。

然而，政务短视频在传播过程中的影响因素及其传播力如何，仍然需要进一步研究。

首先，政务短视频的传播力受到视频质量的影响。

政务短视频应该追求高质量的内容和制作，才能够留住观众并引发共鸣。

精心策划的剧本、清晰生动的画面、专业的剪辑技术等方面的确保，都是政务短视频成功传播的重要因素。

在政务抖音号上，政府机构需要加强团队建设，提高视频制作的专业性，制作更多精彩纷呈、贴近人民群众生活的短视频。

其次，政务短视频的传播力受到内容的影响。

政务短视频应该关注群众关心的热点话题，并用简单易懂的方式传递政策信息。

政府机构在制作短视频时，要把握好发声的时机，及时回应民众关切的问题，增强政策宣传的针对性和有效性。

同时，政务短视频应该注重传播政府工作的真实性和可信度，避免敷衍概念、夸大事实，以免产生负面效果。

此外，政务短视频的传播力还受到传播渠道的影响。

政务抖音号作为政府机构传播政策的新平台，具有广泛的受众基础和丰富的传播资源。

政府机构需要充分发挥抖音平台的特点，例如短视频形式、音乐元素、用户互动等，增强政务短视频的吸引力和传播效果。

另外，政务短视频也可以通过其他社交媒体渠道，如微信公众号、微博等进行推广，扩大传播范围。

最后，政务短视频的传播力还受到受众特点的影响。

年轻人群体是抖音的主要用户，因此政务短视频更容易吸引年轻人的关注。

政府机构应该注重短视频内容的年轻化、时尚化，运用流行元素和有趣的表达方式吸引年轻人的注意力。

并且，政务短视频还可以通过用户互动、分享等功能，激发观众的参与度，增加传播力。

总结起来，政务短视频的传播力受到多方面因素的影响。

资源发现系统用户持续使用意愿实证研究杨㊀行(首都师范大学图书馆,北京100089)摘㊀要:为充分发挥资源发现系统效用,提高图书馆文献资源服务水平,有必要深入剖析影响用户持续使用资源发现系统意愿的关键因素㊂文章以ECM -ISC 模型为基础,引入UTAUT 模型中的便利条件㊁社群影响两大因素构建研究模型,利用结构方程模型进行实证分析㊂研究发现,影响资源发现系统用户持续使用意愿的关键因素依次是用户满意度㊁感知有用性和社群影响;便利条件显著影响用户满意度,但对用户持续使用意愿有直接影响的假设没有通过验证㊂最后根据实证分析结果,从用户期望㊁用户偏好㊁用户教育三个方面提出图书馆资源发现服务优化策略㊂关键词:资源发现系统;持续使用意愿;ECM -ISC 模型;便利条件;社群影响;图书馆引用本文格式:杨行.资源发现系统用户持续使用意愿实证研究[J].大学图书情报学刊,2024(3):125-131.Research on Users Continuance Intention for Library Web-scale Discovery SystemYANG Xing(Capital Normal University Library,Beijing㊀100089,China)Abstract :In order to fully develop the value of library web-scale discovery system and improve the quality of libraryliterature resource services,this paper explores the key factors affecting users continuance intention for web-scalediscovery system.This paper constructs a research model based on the ECM-ISC model,introducing facilitating conditions and social influence from UTAUT model as two new factors.Then it uses structural equation modeling (SEM)to test the research model and hypotheses.It is found that the key factors affecting users continuance intention for library web-scale discovery systems are user satisfaction,perceived usefulness,and social influence.Facilitating conditions significantly affect user satisfaction,but the hypothesis that it has a direct impact on users'continuance intention has notbeen tested.Finally,based on the empirical analysis results,suggestions for the optimization of web -scale discovery services are proposed from three aspects,namely user expectation,user preference,and user education.Key words :web-scale discovery system;continuance intention;ECM -ISC model;facilitating conditions;socialinfluence;library0㊀引言基于海量元数据仓储构建的资源发现系统(Web-Scale Discovery System,WSDS)可以帮助用户一站式查找多来源㊁多语种㊁任意主题相关的学术资料集合[1],在资源覆盖范围㊁检索响应速度㊁检索结果相关性等方面较传统联机检索系统都有明显提升㊂图书馆引进资源发现系统的初衷是为了提高数字资源的曝光率和使用量,但资源发现系统可以增加数字资源使用量的看法很大程度上是基于人们的假设和预期㊂从现有研究来看,资源发现系统引进后对不同学校㊁不同数据库的影响是不确定的[2],某些数据库的使用量甚至不增反降[3,4]㊂但实际上,即使有研究能证明资源发现系统的引进与数字资源使用量增加之间存在正相关,也不能解释两者之间的因果关系[5]㊂有图书馆经过调查认为其资源发现系统自引进后成为学生们必不可少的资源检索工具[6];也有研究明确指出,资源发现系统对于大多数科研人员而言可以起到辅助作用,但只有少数研究人员和学生将图书馆资源发现系统视为研究起点[7]㊂由此可见,现阶段的 广泛 应用并不代表每个图书馆引进的资源发现系统都基金项目:首都师范大学2023年本科教学建设与改革项目 以辅助本科生科研能力提升为背景的数字资源集成与揭示方法研究 (2355075)5212024年5月第42卷第3期㊀㊀㊀㊀㊀㊀㊀㊀大学图书情报学刊Journal of Academic Library and Information Science㊀㊀㊀㊀㊀㊀㊀㊀May ,2024Vol.42No.3能获得有效应用㊂目前学界关于资源发现系统应用成效的研究,主要是基于系统使用数据㊁馆藏使用量以及用户使用体验等方面的评价[2],尚未有研究关注用户在使用资源发现系统之后的行为意向㊂在信息系统领域, 初次使用 是系统成功的第一步,而 持续使用 作为稳定用户行为的主要特征,才是衡量一个系统成功与否的关键标准[8]㊂因此,本研究从持续使用的角度着手,以ECM-ISC模型为基础,引入UTAUT模型中的便利条件㊁社群影响两大因素构建组合研究模型,探讨影响用户持续使用资源发现系统意愿的关键因素和内在机理,有针对性地提出图书馆资源发现服务的优化策略,以期能充分发挥资源发现系统的使用价值,着力提高图书馆文献资源服务质量㊂1㊀理论基础与研究假设1.1㊀理论基础1.1.1㊀信息系统持续使用模型信息系统持续使用模型(Expectation-Confirmation Model of IS Continuance,ECM-ISC)源自期望确认理论和技术接受模型,最早于2001年由学者Bhattacherjee 提出㊂Bhattacherjee的实证研究表明,用户对信息系统的持续使用意愿取决于用户满意度和感知有用性,而期望确认程度会显著影响用户满意度和感知有用性[8]㊂ECM-ISC模型自提出后,凭借其在信息系统领域的高预测精度,被广泛用于不同领域的用户持续使用意愿研究,其有效性在图书馆研究领域也得到了验证㊂例如,尹明章等人利用ECM-ISC模型开展了图书馆微信公众号的用户持续使用意愿研究[9];梁士金以ECM-ISC模型为核心研究了社交媒体视角下的用户持续碎片化阅读意愿[10]㊂1.1.2㊀技术接受和使用统一理论模型技术接受和使用统一理论模型(Unified theory of acceptance and use of technology,UTAUT)最早于2003年提出,Venkatesh等人整合了当时信息技术接受研究领域内八种相互竞争的主流模型,最终提炼了四个核心变量,分别是:绩效期望㊁努力期望㊁社群影响和便利条件㊂Venkatesh等认为,UTAUT模型对用户采纳或使用新产品㊁新技术意向的解释力达到70%,能够用于预测新技术或新系统引进成功的可能性,并帮助管理者分析用户接受意愿和行为的驱动因素,是一个较为全面的模型[11]㊂近年来UTAUT模型在图书馆研究领域也得到了较多应用,一些学者尝试利用UTAUT及其扩展模型对图书馆不同类型系统或服务的用户使用意愿展开了较为细致的研究,例如图书馆自助服务[12]㊁移动图书馆[13]㊁开放获取资源服务[14]以及电子资源服务[15]等㊂1.1.3㊀ECM-ISC模型与UTAUT模型的组合ECM-ISC模型最大的贡献是对用户 初次使用 和 持续使用 这两种不同行为进行了区分[16],重点关注用户使用信息系统之后的认知,对用户持续性的使用行为有较强的解释能力㊂但该模型涉及的期望确认㊁感知有用性以及满意度均属于个体主观因素范畴,忽略了对外部客观环境因素的考量㊂而UTAUT模型重点关注的是用户对新技术的初次采纳意愿和行为,相较于ECM-ISC模型,UTAUT模型更擅长分析外部环境对用户的影响㊂因此,为弥补ECM-ISC模型和UTAUT模型各自的局限性,有学者尝试将ECM-ISC 与UTAUT进行融合后开展用户持续使用意愿研究,例如:Xiu-Fu Tian等人使用ECM-ISC与UTAUT的组合模型,发现努力预期㊁绩效期望㊁社群影响㊁便利条件可以直接且显著地影响老年慢性病患者持续使用移动健康服务的意愿[17];Tam等人利用ECM-ISC与扩展UTAUT2的组合模型研究了移动App的用户持续使用意愿,发现满意度是影响持续使用意愿最重要的因素,但社群影响和便利条件对于解释移动App的用户持续使用意愿没有重要意义[18]㊂本研究认同组合研究模型可以提供比单一模型更有价值见解的看法㊂因此,本研究以ECM-ISC模型为基础,引入UTAUT模型中的便利条件㊁社群影响两大外部客观环境因素构建组合研究模型(如图1所示),尝试为图书馆资源发现系统用户持续使用意愿提供一个更好的解释㊂图1㊀资源发现系统用户持续使用意愿研究模型621杨㊀行:资源发现系统用户持续使用意愿实证研究1.2㊀研究假设在本研究中,期望确认(Expectancy Confirmation, EC)是指用户在使用图书馆资源发现系统前的期望与实际使用后体验的差距;感知有用性(Perceived Usefulness,PU)是指用户对资源发现系统功能性或有用性的感知,例如可以满足用户对学术资源的使用需求㊁提升用户检索与获取学术资源的体验等,是用户使用资源发现系统的基本需求;满意度(Satisfaction, SA)是指用户使用资源发现系统后对系统资源内容及功能服务的满意程度;持续使用意愿(Continuance Intention,CI)是指当前使用资源发现系统的用户有意识地计划在未来继续使用它的程度㊂根据ECM-ISC模型,期望确认作为一个独立的变量,可以影响感知有用性和满意度;感知有用性和满意度会影响持续使用意愿[8]㊂由此,提出以下研究假设:假设H1a:期望确认(EC)对感知有用性(PU)具有显著的正向影响㊂假设H1b:期望确认(EC)对用户满意度(SA)具有显著的正向影响㊂假设H2:感知有用性(PU)对持续使用意愿(CI)具有显著的正向影响㊂假设H3:用户满意度(SA)对持续使用意愿(CI)具有显著的正向影响㊂便利条件(Facilitating Conditions,FC)是指用户使用资源发现系统所具备的软硬件条件及知识储备,是用户使用资源发现系统的基本环境㊂在UTAUT模型中,便利条件直接影响的是用户使用行为㊂Chorng-Guang Wu等人对图书馆自助服务用户持续使用意愿的研究,验证了便利条件对于持续使用意愿有显著的正向影响[19]㊂此外,笔者根据资源发现系统日常管理与维护的工作经验,认为用户使用资源发现系统的便利条件也会影响其对资源发现系统的满意程度㊂由此,提出以下研究假设:假设H4a:便利条件(FC)对用户满意度(SA)有显著的正向影响㊂假设H4b:便利条件(FC)对持续使用意愿(CI)有显著的正向影响㊂社群影响(Social Influence,SI)是指用户周围人群对其使用资源发现系统意愿的影响程度,如老师㊁同学的推荐,图书馆员的宣传或引导等㊂在UTAUT模型中,社群影响直接影响用户行为意愿㊂王凡对移动图书馆用户持续使用意愿的研究,验证了社群影响是直接影响持续使用意愿的重要外部因素[20]㊂由此,提出以下研究假设:假设H5:社群影响(SI)对持续使用意愿(CI)有显著的正向影响㊂2㊀研究方法2.1㊀问卷设计与变量测量本研究所设计的调查问卷包括三个部分:第一部分是受访者基本情况和资源发现系统使用频率调查;第二部分是资源发现系统用户持续使用意愿研究模型具体变量的测量量表,包括6个潜变量,20个测量题项(见表1),量表采用李克特(Likert)五级等距量表,其中1分表示非常不同意㊁2分表示不同意㊁3分表示一般㊁4分表示同意㊁5分表示非常同意;第三部分是开放性问题: 您认为图书馆资源发现系统还有哪些可以改进的地方?表1㊀量表潜变量及测量指标潜变量测量指标问题项感知有用性PUPU1资源发现系统可以帮助我找到符合需求的学术资源PU2资源发现系统可以引导我探索㊁发现更多学术资源PU3资源发现系统可以帮助我提升查找学术资源的效率PU4总的来说,资源发现系统对我的学习工作是有帮助的期望确认ECEC1资源发现系统的使用体验优于我的心理预期EC2资源发现系统的资源内容比我预期的要丰富EC3总的来说,资源发现系统符合甚至超出我的预期便利条件FCFC1资源发现系统可以在我的个人设备上使用且有良好体验FC2我所处的网络环境能轻松访问并使用资源发现系统FC3我能轻松找到资源发现系统的使用说明或帮助信息FC4使用资源发现系统遇到困难时,我能得到身边人或图书馆员的帮助社群影响SISI1身边有老师㊁同学在使用资源发现系统SI2身边有老师㊁同学推荐我使用资源发现系统SI3图书馆的宣传推广或讲座培训激励我使用资源发现系统满意度SASA1我对资源发现系统所整合的资源内容感到满意SA2我对资源发现系统的系统功能感到满意SA3总的来说,我对资源发现系统感到满意甚至是愉悦持续使用意愿CICI1我愿意继续使用资源发现系统CI2需要查找学术资源时,我会优先考虑使用资源发现系统CI3我会推荐他人使用资源发现系统721总第203期大学图书情报学刊2024年第3期2.2㊀数据来源与样本统计本研究以首都师范大学在校师生为调查对象,通过问卷星平台发放问卷,调查时间为2023年5月㊂调查共回收526份答卷,剔除资源发现系统使用频率选择 从未使用过 ㊁答题时间少于1分钟以及全选 非常同意 同意 或 一般 的无效问卷91份,最终收回有效答卷435份,有效回收率为82.70%㊂具体数据如表2所示㊂表2㊀研究样本的描述性统计统计项数量百分比身份本科生29267.13%研究生13731.49%教职工6 1.38%所属学科文科18442.30%理科13130.11%艺术13 2.99%教育9221.15%跨学科15 3.45%使用图书馆资源发现系统的频率非常频繁,每天数次23 5.29%较频繁,每周至少2-3次11225.75%一般,每月至少2-3次13831.72%较少,每学期至少2-3次9120.92%很少使用7116.32%2.3㊀结果分析本研究采用结构方程模型对潜变量之间的关系假设进行验证,使用IBM SPSS24.0进行基础数据分析,使用Mplus v8.3进行结构方程模型分析,并选择极大似然估计法进行参数估计㊂2.3.1㊀共同方法偏差检验采用Harman的单因素检验方法来检验数据的共同方法偏差[21,22]㊂根据因子分析结果,未旋转时析出了5个特征值大于1的因子,总累积方差贡献69.523%,且第一个因子的方差解释率为21.840%,小于40%的判断标准[23],说明数据不存在严重的共同方法偏差问题㊂2.3.2㊀测量模型检验首先对测量模型的信度和收敛效度进行检验㊂由表3可知,各变量的克隆巴赫值(Cronbach s Alpha)在0.737-0.907之间,且6个变量的总克隆巴赫值为0.938,均大于0.7;各变量的组合信度(composite reliability,CR)在0.772-0.908之间,均大于0.6㊂除了测度项SI3的因子载荷为0.449,低于0.6,其余测度项的因子载荷均在0.6以上;且平均方差萃取值(Average Variance Extracted,AVE)在0.510-0.767之间,均大于0.5㊂表明测量模型具有良好的内部一致性和收敛效度[24]㊂在区分效度方面,由表4可知,各变量AVE值的平方根在0.714-0.876之间,基本都大于其与其他变量之间的相关系数值,表明该变量间区分效度较好[25]㊂表3㊀信度和收敛效度检验变量测量指标标准化因子载荷克隆巴赫系数组合信度CR平均方差萃取AVE PUPU10.813∗∗∗PU20.769∗∗∗PU30.852∗∗∗PU40.787∗∗∗0.8790.8810.649 ECEC10.846∗∗∗EC20.892∗∗∗EC30.888∗∗∗0.9070.9080.767 FCFC10.741∗∗∗FC20.697∗∗∗FC30.77∗∗∗FC40.642∗∗∗0.7970.8060.510 SISI10.818∗∗∗SI20.878∗∗∗SI30.449∗∗∗0.7370.7720.547 SASA10.865∗∗∗SA20.841∗∗∗SA30.828∗∗∗0.8820.8820.714 CICI10.793∗∗∗CI20.803∗∗∗CI30.854∗∗∗0.8560.8580.668㊀㊀注:∗∗∗表示p<0.001表4㊀AVE平方根及潜在变量间相关系数PU EC FC SI SA CI PU0.806EC0.6960.876FC0.7240.6960.714SI0.4470.4690.5320.740SA0.7520.8610.7930.4630.845CI0.7260.7620.6950.5510.7540.817㊀㊀注:对角线粗体字为AVE平方根值,下三角为各变量间皮尔森相关系数㊂821杨㊀行:资源发现系统用户持续使用意愿实证研究2.3.3㊀结构模型检验表5列出了主要模型拟合指标的参考标准和实测结果,卡方自由度之比ⴠ2/df㊁比较拟合指数CFI㊁塔克-路易拟合指数TLI均达到优秀的评价标准,近似误差均方根RMSEA㊁标准化残差均方根SRMR也达到良好的评价标准㊂所有拟合指标均在可接受范围内,表明模型拟合效果良好㊂表5㊀结构方程模型拟合度分析统计检验参考标准实测结果卡方自由度之比ⴠ2/df[1,3]优秀 2.755近似误差均方根RMSEA<0.05优秀,<0.08良好0.064标准化残差均方根SRMR<0.05优秀,<0.08良好0.068比较拟合指数CFI>0.9优秀0.950塔克-路易拟合指数TLI>0.9优秀0.941㊀㊀表6和图2列出了模型假设路径的检验结果,除假设 H4b:便利条件(FC)对持续使用意愿(CI)有显著的正向影响 未达到显著性水平以外,其余假设均得到验证㊂此外,内生潜变量满意度和持续使用意愿的决定系数R2均超过0.67,感知有用性的决定系数R2超过0.33,说明本研究的结构模型具有较强的解释能力[26]㊂具体来说,该模型解释了67.9%(R2)的持续使用意愿,感知有用性㊁满意度㊁社群影响对持续使用意愿具有正向影响的假设(H2㊁H3㊁H5)均得到验证;解释了54.9%的感知有用性,期望确认对感知有用性具有正向影响的假设(H1a)得到验证;解释了83.5%的用户满意度,期望确认㊁便利条件对满意度具有正向影响的假设(H1b㊁H4a)得到验证㊂表6㊀整体路径分析与假设检验假设路径关系标准化路径系数S.E.Est./S.E.显著性结论H1a期望确认ң感知有用性0.7410.02826.706∗∗∗支持H1b期望确认ң满意度0.6630.04813.762∗∗∗支持H2感知有用性ң持续使用意愿0.3140.06 5.21∗∗∗支持H3满意度ң持续使用意愿0.4190.083 5.074∗∗∗支持H4a便利条件ң满意度0.3110.054 5.804∗∗∗支持H4b便利条件ң持续使用意愿0.0510.0840.6090.543不显著H5社群影响ң持续使用意愿0.20.047 4.257∗∗∗支持㊀㊀注:∗∗∗表示图2㊀结构模型检验结果3㊀结论与启示3.1㊀讨论分析本研究以ECM-ISC模型为基础,引入UTAUT模型中的便利条件和社群影响两大外部客观环境因素,构造图书馆资源发现系统用户持续使用意愿组合研究模型,利用结构方程模型对6个潜变量㊁20个观测变量构成的概念模型进行检验㊂研究结果显示,本研究测量模型具有较好的信度和效度,结构模型的7个假设路径有6个得到了验证,具有较强的解释能力和较好的预测能力㊂具体讨论如下:(1)满意度㊁感知有用性正向显著影响持续使用意愿,影响系数分别为0.419㊁0.314;期望确认显著正向影响感知有用性和满意度,影响系数分别为0.741和0.663㊂这与ECM-ISC模型中的理论一致㊂即:如果用户对资源发现系统的满意程度越高,或对资源发现系统功能性或有用性的感知程度越高,用户持续使用资源发现系统的意愿就越强烈㊂并且,如果资源发现系统的使用体验能够符合甚至超出用户期望,用户对资源发现系统功能性或有用性的感知程度越高㊁满意度也越高㊂(2)社群影响正向显著影响持续使用意愿,影响系数为0.2㊂这与王凡对移动图书馆用户持续使用意921总第203期大学图书情报学刊2024年第3期愿研究的结果一致[20]㊂即用户周围老师㊁同学或图书馆员对资源发现系统的推荐程度越高,用户对资源发现系统的持续使用意愿也越高㊂虽然社群影响对资源发现系统的影响系数最小,但这并不代表它不重要㊂反而能从侧面说明,就资源发现系统现阶段的应用情况而言,尚未在该校的用户群体中形成广泛影响力㊂结合问卷第三部分收集的用户反馈来看,有不少用户对资源发现系统资源内容的丰富程度和功能可用性都给予了较高评价,但也表示周围人对资源发现系统的认知程度并不高,希望图书馆加大宣传推广的力度㊂(3)便利条件对满意度的标准路径系数为0.311,说明便利条件正向显著影响满意度;但便利条件对持续使用意愿有直接影响的假设在本研究中没有得到验证㊂这与Tam等人对移动App用户持续使用意愿的研究结果类似[18],但与Chorng-Guang Wu等人对图书馆自助服务用户持续使用意愿的研究结论不一致[19]㊂这也符合UTAUT模型中的核心变量在不同领域或不同场景下的影响效应存在差异,需要结合研究对象自身特点进行具体分析的观点[27]㊂结合问卷第三部分收集的用户反馈来看,有用户抱怨在校园网外使用资源发现系统时需要借助学校VPN,而VPN的连接十分复杂且不稳定㊂然而,相较于在多个数据库之间辗转逡巡搜罗学术资源而言,整合了多源㊁异构㊁多语种学术资源的资源发现系统可以为用户节省不少时间与精力㊂依赖于一框式搜索体验的用户,依然会选择使用资源发现系统㊂需要注意的是,如果用户在校园网外能流畅使用资源发现系统,在个人设备上能轻松使用资源发现系统并获得良好使用体验,或者遇到问题时能轻松获得他人甚至是图书馆员及时有效的帮助,那么用户对资源发现系统的满意程度会越高,从而间接影响用户持续使用意愿㊂3.2㊀资源发现系统服务优化策略3.2.1㊀用户期望:明确资源发现系统定位,引导用户正确认识系统价值满意度是影响资源发现系统用户持续使用意愿最关键的因素,且期望确认正向影响满意度㊂换句话说,不切实际的用户期望会导致用户对系统的满意度下降,从而直接影响持续使用意愿㊂虽然有研究认为资源发现系统正在颠覆图书馆的服务模式[28],但资源发现系统不是万能的,至少现阶段的资源发现系统并不能充当图书馆全部资源的 门户 ㊂用户很容易会认为他们通过资源发现系统的单一搜索框可以搜索全部的馆藏资源[29]㊂但实际上,以目前全球应用最为广泛的资源发现系统Primo和Summon为例,这两个发现系统自Exlibris公司与Proquest公司完成商业并购后共用一套中央发现索引,但并未从根本上解决国外发现系统对中文元数据覆盖不足的问题㊂建议图书馆在向用户推广资源发现系统时,应尽可能准确介绍其资源内容及功能定位,引导用户正确认识资源发现系统的使用价值和适用场景,避免夸大资源检索范围或功能服务而导致用户产生不合理的期望㊂3.2.2㊀用户偏好:围绕用户需求与行为,持续提高资源发现系统可用性感知有用性是影响资源发现系统用户持续使用意愿的第二大关键因素㊂虽然资源发现系统后台资源的揭示范围㊁整合程度㊁配置及管理效能都会影响发现系统的实际使用效果[30],但不同偏好用户群体对系统可用性的感知也存在差异㊂而图书馆在开展资源发现服务时似乎更重视系统或资源层面的运维保障,往往很容易忽视对用户实际使用行为㊁使用偏好的关注㊂建议图书馆定期开展资源发现系统用户体验测试或满意度调查,深入了解用户对系统资源内容㊁检索功能㊁用户界面等方面的使用偏好及满意程度,根据用户反馈及时调整资源配置策略㊁优化用户界面㊁有针对性地开展用户使用培训㊂另一方面,资源发现系统使用过程中会积累大量的用户行为数据,但图书馆员对资源发现系统的统计功能及相关统计数据还不够了解或不够重视[31]㊂建议图书馆高度重视资源发现系统用户行为数据(如热词检索㊁零检索㊁热点资源点击等)的挖掘分析工作,围绕用户对学术资源的使用需求和使用行为,持续提高资源发现系统的可用性㊂3.2.3㊀用户教育:分层次㊁多渠道开展资源发现系统宣传推广社群影响是影响资源发现系统用户持续使用意愿的第三大因素㊂本研究中,近六成的受访者表示图书馆的宣传推广或讲座培训能够激励用户使用资源发现系统,超五成的受访者表示身边有老师或同学向其推荐过资源发现系统,可见科学有效的用户教育是图书馆开展资源发现服务必不可少的环节㊂考虑到资源发现系统涵盖了众多学科资源,不同学科用户的使用需求各不相同,不同层次用户的信息素养也存在较大差异,建议图书馆从用户学习或科研过程的具体使用场景着手,重点面向不同学科的本科生群体㊁低年级研究生群体开展针对性的使用培训,避免宽泛㊁枯燥的系统功能介绍㊂与此同时,为契合当下数字化时代互联网用户社群学习的新需求,建议图书馆利用031杨㊀行:资源发现系统用户持续使用意愿实证研究图书馆网站㊁微信公众号㊁短视频平台等多个渠道主动开展资源发现系统的宣传推广工作;通过形式活泼㊁参与性强的朋辈教育(peer education)方式开展资源发现系统使用经验的交流分享活动[32],充分发挥用户主观能动性,利用社群的力量提高资源发现系统的影响力和用户持续使用意愿㊂参考文献:[1]聂华,朱玲.网络级发现服务 通向深度整合与便捷获取的路径[J].大学图书馆学报,2011,29(6):5-10,25.[2]李慧芳,孟祥保.近十年国内外图书馆资源发现系统研究与实践进展述评[J].图书情报工作,2020,64(6): 120-129.[3]Levine-Clark M,Mcdonald J,Price J S.The effect of discovery systems on online journal usage:a longitudinal study[J].Insights:The UKSG Journal,2014,27(3):249 -256.[4]Yeo P P.Impact of a New Discovery Service at Li Ka Shing Library[J].Singapore Journal of Library& Information Management,2012(41):36-50. [5]Ngo L,Hennesy C,Knabe I.The Impact of Web-Scale Discovery on the Use of Electronic Resources[J]. SERIALS REVIEW,2019,45(4):227-238. [6]Wang Y.Web-scale discovery and Google Scholar:A study in use patterns[J].Journal of Electronic Resources Librarianship,2020,32(1):1-10.[7]Breeding M,肖铮,施晓华,等.图书馆系统市场报告(2021):在充满挑战的时代中推进图书馆技术[J].图书馆论坛,2021,41(10):127-140.[8]Bhattacherjee A.Understanding Information Systems Continuance:An Expectation-Confirmation Model[J].MIS Quarterly,2001,25(3):351-370.[9]尹明章,于挽平,周天旻.高校图书馆微信用户持续使用意愿影响因素实证研究[J].图书馆理论与实践,2017 (4):98-101,105.[10]梁士金.社交媒体视角的用户持续碎片化阅读意愿:基于ECM-ISC和主观规范的实证[J].图书馆学研究, 2020(9):80-88.[11]Venkatesh V,Morris M G,Davis G B,et erAcceptance of Information Technology:Toward a Unified View[J].MIS Quarterly,2003,27(3):425-478. [12]程越欣,张晓阳,王正兴,等.高校图书馆自助服务用户使用意愿影响因素模型构建及实证研究[J].图书馆学研究,2021(23):58-71.[13]明均仁,郭财强,王鑫鑫.基于UTAUT的移动图书馆用户使用意愿实证研究[J].图书馆学研究,2018(22): 81-90.[14]牛晓宏,朱洪涛.用户使用图书开放获取资源意愿的影响因素研究[J].情报理论与实践,2020,43(10):130 -136.[15]王伟赟,侯茂文.基于UTAUT的图书馆电子资源使用意愿研究[J].图书馆工作与研究,2015(4):51-54. [16]关磊.高校数字图书馆网站用户持续使用意愿研究 基于用户体验㊁TAM和ECM的整合模型[J].图书馆工作与研究,2020(2):48-59. [17]Tian X F,Wu R Z.Determinants of the Mobile HealthContinuance Intention of Elders with Chronic Diseases: An Integrated Framework of ECM-ISC and UTAUT[J].International Journal of Environmental Research and Public Health,2022,19(16):9980.[18]Tam C,Santos D,Oliveira T.Exploring the influentialfactors of continuance intention to use mobile Apps: Extending the expectation confirmation model[J].Information Systems Frontiers,2020,22(1):243-257.[19]Wu C G,Wu P Y.Investigating user continuanceintention toward library self-service technology:The case of self-issue and return systems in the public context[J].Library Hi Tech,2018,37(3):401-417. [20]王凡.移动图书馆用户持续使用意愿影响因素研究[J].图书馆工作与研究,2017(7):50-56. [21]周浩,龙立荣.共同方法偏差的统计检验与控制方法[J].心理科学进展,2004(6):942-950. [22]Podsakoff P M,MacKenzie S B,Lee J Y,et monmethod biases in behavioral research:A critical review of the literature and recommended remedies.[J].Journal of Applied Psychology,2003,88(5):879-903. [23]邓稳根,黎小瑜,陈勃,等.国内心理学文献中共同方法偏差检验的现状[J].江西师范大学学报(自然科学版),2018,42(5):447-453.[24]Joe F.Hair,Christian M.Ringle,Marko Sarstedt.PLS-SEM:Indeed a Silver Bullet[J].Journal of Marketing Theory and Practice,2011,19(2):139-152. [25]Fornell C,Larcker D F.Structural Equation Models WithUnobservable Variables and Measurement Error:Algebra and Statistics[J].Journal of Marketing Research (JMR),1981,18(3):382-388.[26]Chin W,Marcoulides G.The Partial Least SquaresApproach to Structural Equation Modeling[J].Modern Methods for Business Research,1998(8):295-336.[27]梁太鑫,刘世峰.基于UTAUT模型的旅游信息服务平台用户使用意愿研究[J].情报科学,2022,40(2):162 -168,176.(下转第144页)131总第203期大学图书情报学刊2024年第3期。