个人功能网络结构对企业用户信息系统使用的影响研究

尹隽 郑青青++葛世伦++王念新

摘要：运用社会网络分析法，以使用相同功能为基础构建信息系统用户的“个人功能网络”，通过结构洞指标反映用户网络的凝聚力和控制力。利用某大型修造船企业的524名信息系统用户及他们共同使用的852项功能数据进行了实证研究，结果表明结构洞对用户信息系统使用具有U型影响，即“个人功能网络”中用户具有高凝聚力与强控制力均会正向影响其信息系统使用，分析还发现网络规模会正向调节结构洞对信息系统使用的影响。

关键词：信息系统使用；个人网络；结构洞

DOI：10.13956/j.ss.1001-8409.2017.05.25

中图分类号：C931.6 文献标识码：A 文章编号：1001-8409（2017）05-0114-05

Research on the Influence of the Ego

Function Network Structures on the Use of

Information System of Enterprise Users

YIN Jun1， ZHENG Qingqing1， GE Shilun1，2， WANG Nianxin1

（1. School of Economics and Management， Jiangsu University of Science and Technology， Zhenjiang 212003；

2. School of management， Yancheng Technology Institute， Yancheng 224001）

Abstract： This paper used social network analysis method to build information system users “ego function network”， which based on the relationship of using same functions， and used structural hole index to reflect cohesive and control effect. It did an empirical study by using a large ship shipbuilding enterprises data which included 524 information systems users and the same 852 functions. Results showed that structural hole had an Ushape influence on information systems usage， it meant that in “ego function network”， users who had high cohesion and strong control ability of network both had a positive impact on information system usage. It also analyzed that network size positively moderated the structural holes influence on information usage.

Key words：information systems use； ego network； structural holes

近年來，企业为使用信息技术投入了大量资金，而数据表明信息系统的失败率高达70%[1]，信息技术似乎并没能为企业带来预期的竞争优势和回报。有研究表明，用户能否有效使用信息系统是信息技术投资转化为组织绩效的关键[2]，分析影响用户信息系统使用的机制成为学者和企业共同关注的问题。

以往学者们多从个人特征因素[3]、认知因素[4]以及外部压力[5]等方面对信息系统使用的影响展开研究。如个人特征方面的教育程度、使用经验、培训经历、用户习惯等因素，个人认知方面的输出结果可见性、使用前阶段信念与态度、信任感[6]等因素，以及主观规范、自愿程度、组织支持等外部压力因素均会影响信息系统使用，相关经典模型有TAM及其改进模型、UTAUT等模型。上述研究主要解释了用户对信息系统的接受过程，但未关注接受后的使用问题，且未重视用户间的相互作用对接受后信息系统使用的影响，如用户可能会因为同伴获知一个功能特性而掌握一个新的使用技能[7]，实际上，用户间分享使用知识，协同学习的行为能够简化学习使用的过程[8]，进而能促进信息系统有效使用，但目前从用户相互影响视角分析其对信息系统使用的影响机制尚不清晰。研究表明，用户间的社会网络能够体现用户间的相互影响，如信息的传递、分享[9]、知识的创新[10]、同伴压力以及自我认同[11]等，从社会网络角度有助于深入了解用户工作中的这种相互影响及对信息系统使用的影响。

因此，本文以用户使用相同功能为联系构建了用户个人关系网络——“个人功能网络”，通过结构洞指标反映用户网络的凝聚力和控制力，探讨了“个人功能网络”的结构洞对用户信息系统使用的影响，旨在帮助企业分析信息系统使用中用户在特定位置上所能够发挥的作用，为从社会网络角度研究信息系统使用提供理论支撑。

1 理论模型和研究假设

1.1 理论模型构建

个人社会网络被广泛应用于研究个体在设定网络中的表现[12]，其中个体的表现差异来源于网络关系的结构。针对什么样的网络关系结构有利于行动者表现的问题，以往研究提出了两个理论观点：结构洞和社会资本理论。Burt提出的结构洞理论认为非冗余的关系结构有利于行动者行为，他将这种关系结构称为结构洞。该理论认为占据结构洞位置的行动者在互不连接的网络成员间起到桥接作用，能够获得更多的异质性信息和对信息的控制力，从而比其他位置上的成员更具有竞争优势[13]，这有利于行动者提高自身表现；而Coleman提出的社会资本理论认为社会资本来源于行动者间封闭的关系结构[14]，具有这种结构的网络缺乏结构洞并具有高凝聚力[15]，这增加了用户间的信息渠道，有利于社会规范的形成，用户彼此间也具有高的义务和期望[14]，有利于行动者追求自身利益，从而促进其表现。根据上述两个理论，本文认为结构洞的缺乏与富有均有利于用户在信息系统使用中的表现，即结构洞对用户的信息系统使用具有U型影响。

1.2 研究假设

（1）结构洞的缺乏对信息系统使用的影响

结合相关研究，本文提出用户“个人功能网络”中缺乏结构洞对其信息系统使用具有正向影响。结构洞的缺乏表明该网络具有高凝聚力，用户间联系紧密[15]。在“个人功能网络”中，结构洞的缺乏对用户的信息系统使用促进作用体现在以下4个方面。

一是能够通过增进信任促进用户分享新的使用方法。高凝聚力的“个人功能网络”成员间使用相似的功能，他们往往从事相似的业务活动并具有共同的工作目标，更容易传递明确的规范秩序[16]，能促进网络成员间相互信任，也减少了机会主义行为的风险[17]，从而能创造出一个更好的交流环境。该环境中，当网络成员发现新的使用方法时，更愿意和同伴分享，用户作为个人网络的核心，能够直接受益于网络成员的新方法，进而促进了用户信息系统使用。

二是能够通过加强合作简化用户学习过程。高凝聚力网络中的成员更有可能符合互惠的原则[15]，网络成员间愿意承担为他人提供支持的义务，同时也抱有获得他人帮助的期望，这降低了成员间交流的不确定性，使得网络成员间能够更好地合作[14]。良好的合作使得网络成员间彼此支持，协同学习，简化了用户学习使用新方法的过程，用户能够及时掌握新的使用方法，从而促进了用户信息系统使用。

三是能够通过促进有效沟通提高用户使用效率。高凝聚力“个人功能网络”成员多使用相同的信息系统功能，往往从事相同或者相似的业务活动，用户就自己熟悉的领域进行相互沟通使得彼此间更容易理解对方的想法，提高了沟通效果，有助于深入探索系统的功能和功能的创新使用，进一步提高用户的使用效率，从而促进了用户信息系统使用。

四是能够通过传递压力提高用户使用动力。高凝聚力网络中网络成员间紧密合作，互动往往较多，用户较容易了解到其他网络成员的使用情况，这会给用户带来使用压力，进而促进用户主动学习，提高用户的使用动力，有利于促进用户信息系统使用。

综上，用户的“个人功能网络”中缺乏结构洞能够促进用户分享新的使用方法、简化了学习过程，提高用户的使用效率与动力，使用户能够更好地使用信息系统。

（2）丰富的结构洞对信息系统使用的影响

结合相关研究，本文认为“个人功能网络”中用户占据的丰富结构洞对信息系统使用具有正向影响。用户占据结构洞越多，对网络的控制力越强，丰富的结构洞对用户信息系统使用的促进作用体现在以下2个方面。

一是能够提高用户获得信息的控制能力和控制效率。占据结构洞的用户连接了两个互不关联的个体，起到了桥梁作用，是推进信息流动的关键[13]，结构洞为个体控制信息流提供了机会，此外，结构洞位置为用户带来非冗余的信息资源，掌握这些资源的用户与其他用户谈判的“筹码”和能力会更强，对资源的控制效率更高，占据结构洞的用户对异质信息的强控制力和高控制效率使得用户往往比其他位置上的成员更具有竞争优势[13]，能够轻易从网络成员处交换得到想要的信息，从而促进了用户的信息系统使用。

二是能够促进用户对新知识的应用。由于占据结构洞位置的用户不断接触具有不同技术、思维模式、解决不同问题的同事[18]，其处理不同知识和观点的工作经验得到进一步丰富，进而能够更好地处理位置优势带来的非冗余信息资源。用户获得这些信息的机会和处理经验让用户更容易识别新获得信息的可能应用领域，并发现潜在的新技巧[18]，进而促进信息系统的使用。

综上，在“个人功能网络”中占据丰富结构洞的用户具有强控制力与对新知识的应用能力，往往能够更好地使用信息系统。因此本文提出假设：

H1：“个人功能网络”中用户占据的结构洞对用户信息系统使用具有U型影响。

H1a：“個人功能网络”中用户占据的结构洞越小，用户信息系统使用情况越好。

H1b：“个人功能网络”中用户占据的结构洞越大，用户信息系统使用情况越好。

2 实证研究设计

2.1 个人功能网络提出及构建

本文提出基于信息系统中使用相同功能构建用户的“个人功能网络”，构建依据在于：首先，由于企业的信息系统功能与业务紧密交织，意味着使用相同信息系统功能的用户在企业内也多从事相似的业务工作，因而更可能会产生直接或间接的潜在联系[11]。其次，使用相同功能的用户往往具有相似的经验、背景或者工作特性，这类用户之间的知识传递和交互会更有效[19]。因此，该网络较能体现信息系统中客观世界的用户关系。

“个人功能网络”具体构建步骤如下：首先从员工信息系统使用数据中分离出“员工—使用功能”的对应数据，例如“保管员A—库存台账查询”；再建立524名员工与852项功能之间的二模网络，即如果保管员A使用库存台账查询功能，则两者之间具有联系；然后将二模网络投影于员工节点上，如图1所示。

2.2 样本选择与数据处理

本文构建“个人功能网络”的数据样本来源于某大型修造船企业内部的信息系统用户，他们是来自于基本生产部门、辅助生产部门、管理部门、信息化实施部门及往来部门5个部门的企业员工，该样本涉及用户524名，用户共同使用的功能项数852项。选择该企业作为研究对象是因为其已稳定使用信息系统52个月（2011.9～2015.12），系统涉及200多个功能项目并已与该企业业务流程很好地融合，用户依赖信息系统完成工作任务，其信息系统使用数据较能真实反映企业业务情况，使得研究结果具有实际意义。为进一步保证数据的可靠性与有效性，本文剔除了使用时间小于8秒和大于1小时的异常数据。

2.3 变量测量

（1）自变量

本文的自变量是结构洞，可利用Ucinet软件测量。Burt提出的限制度是测量结构洞的核心指标[20]，表示节点对邻接节点施展结构洞重要性所缺的空间，被学者们广泛用于测量社会网络的结构洞匮乏程度[10]。限制度越高，用户拥有的结构洞越少。算法表示为：

其中，Pij表示节点i的全部关系中，投入到节点j的关系占总关系的比例，节点q为除i和j以外的其他节点。

（2）因变量

本文以企业信息系统使用情况作为因变量，研究表明，信息系统的使用情况可以用使用频率来衡量[21]，因此，本文利用用户平均每月的访问次数来度量信息系统使用情况。

（3）控制变量

使用信息系统时间长的用户积累了更多使用经验，他们往往具有以不同方式应用信息系统的潜能[22]，也会一定程度地影响信息系统使用。网络规模会通过影响用户获取社会支持的质量、压力、网络成员的亲密程度和互动程度等影响到用户的信息系统使用行为，以往社会网络研究也将网络规模作为控制变量[23]。此外，学者们常将性别处理为控制变量。综上，为保证研究结果的有效性，本文将性别（Gender）、使用信息系统年限（Experience）及网络规模（Size）作为控制变量。

2.4 模型的构建

本文使用Use表示因变量信息系统使用情况，使用Structural holes表示自变量结构洞，并采用多元回归分析的方法。研究模型设定为：

3 实证研究和分析

3.1 变量的描述性统计

表1是主要变量的描述性统计与变量间的相关系数，可知“个人功能网络”的结构洞与信息系统使用存在显著的相关性（P<0.01），初步表明用户的信息系统使用情况与“个人功能网络”的结构洞间存在联系。

3.2 假设检验与结果分析

为进一步检验结构洞对信息系统使用的影响，本文采用SPSS 22.0软件对上述假设进行检验。为提高回归结果的有效性，本文对自变量结构洞、因变量信息系统使用进行取对数处理，对平方项进行中心化处理。利用逐步回归的方式对模型进行实证检验，回归结果如表2。各回归模型中的解释变量的VIF值在区间1～3间，低于Diamantopoulos等3.5的建议值。说明各变量间不存在严重的共线性问题；回归模型的DW值均在2左右，说明各变量不存在严重的序列相关问题，且回归模型均通过G-Q检验（Goldfeld-Quant检验），表明各模型不存在显著异方差，回归结果可靠。加入平方项的模型3具有31.8%的解释力且具有统计意义。

由模型3结果可知，结构洞负向影响用户信息系统使用（β=-0.114，P<0.05），而结构洞的平方项对信息系统使用具有正向影响（β=0.165，P<0.01），表明结构洞对用户信息系统使用具有U型影响，假设H1、H1a、H1b成立。如图2所示，对“个人功能网络”控制力强的用户往往能更好地使用信息系统，随着占据结构洞数量的进一步降低，用户“个人功能网络”的凝聚力增强，用户的信息系统使用行为得到促进。

此外，有研究表明网络规模对用户获取社会支持的质量、压力、网络成员的亲密程度和互动程度等具有影响，而结构洞也通过影响成员间的社会支持和互动程度来影响用户行为，因此本文认为网络规模会调节结构洞对信息系统使用的影响。通过实证发现网络规模会正向调节结构洞对信息系统的使用，调节作用如图3所示，这意味着在小规模网络中，结构洞小的网络有利于用户的信息系统使用，而在大规模网络中，这种影响不再显著。

存在这种调节影响的原因可能是当网络规模较小时，一方面，占据较少结构洞的用户网络成员间联系紧密且经过的路径较短，其获得信息的速度越快[24]，因此用户能够利用快速获取系统使用技巧等信息的便捷，高效率地解决使用问题，进而促进其使用。另一方面，小团队表明用户使用的功能类型较少，这种高凝聚力的小团队使得所有网络成员能够对有限的功能类型进行深入讨论，进一步促进了用户间的交流互动，提高了用户提供和获取支持的质量[25]，有利于用户熟练掌握和运用这些功能，因此自我用戶作为小团队的核心，其信息系统的使用得到进一步促进，而这种优势在大网络规模中将不复存在。

4 结论与启示

本文构建了“个人功能网络”来探讨用户间的相互影响对用户信息系统使用的影响。结果表明：结构洞对信息系统使用具有非线性的U型影响，用户占据较少或较多的结构洞位置均有利于用户的信息系统使用。此外，研究还发现网络规模会调节结构洞对信息系统使用的影响，小规模的网络更有利于占据较少结构洞用户的表现，而大规模的网络中结构洞对信息系统使用影响的调节作用不显著。

研究意义在于：理论方面，本文表明从个人社会网络角度有助于深入了解用户工作中的相互影响对其信息系统使用的影响，为关于社会资本来源于紧密联系的网络还是丰富的结构洞提供了实证依据。实践方面，有助于指导企业设置具体的职位业务，研究结果表明高凝聚力和强控制力的网络均有利于用户的信息系统使用，因此企业可为员工安排相类似的工作任务或为核心员工安排多样性的工作任务，其他员工安排较单一的任务。此外，研究还表明小规模网络中凝聚力高的网络有利于用户的信息系统使用，因此，企业可根据实际项目需要的员工数量决定分配给哪些用户，当项目需要较少人员参与时，尽可能分配给联系紧密的用户。

本文初步研究了“个人功能网络”的结构洞对用户信息系统的使用影响，尚存在一些不足：用户使用系统受到自身业务范围及职位的权限限制，该限制还与信息安全权限、企业流程规范程度等因素相关，可能对“个人功能网络”的规模及网络结构产生限制；此外，用户的个人特征如自我监控、个体心理[26]等特征也会影响到网络结构，这些因素对结果的影响还有待进一步研究。

参考文献：

[1]Doherty N B， Ashurst C， Peppard J. Factors Affecting the Successful Realisation of Benefits from Systems Development Projects： Findings from Three Case Studies[J]. Journal of Information Technology， 2012， 27（1）： 1-16.

[2]Delone W H， Mclean E R. The Delone and Mclean Model of Information Systems Success： A Tenyear Update[J]. Journal of Management Information Systems， 2003， 19（4）： 9-30.

[3]Limayem M， Hirt S G， Cheung C M. How Habit Limits the Predictive Power of Intention： The Case of Information Systems Continuance[J]. MIS Quarterly， 2007： 705-737.

[4]Bhattacherjee A， Premkumar G. Understanding Changes in Belief and Attitude Toward Information Technology Usage： A Theoretical Model and Longitudinal Test[J]. MIS Quarterly， 2004： 229-254.

[5]Bhattacherjee A， Perols J， Sanford C. Information Technology Continuance： A Theoretic Extension and Empirical Test[J]. Journal of Computer Information Systems， 2007， 49（1）： 17-26.

[6]Venkatesh V， Brown S A， Maruping L M， et al. Predicting Different Conceptualizations of System Use： The Competing Roles of Behavioral Intention， Facilitating Conditions， and Behavioral Expectation[J]. MIS Quarterly， 2008： 483-502.

[7]Boudreau M-C， Robey D. Enacting Integrated Information Technology： A Human Agency Perspective[J]. Organization Science， 2005， 16（1）： 3-18.

[8]Jasperson J， Zmud R W. A Comprehensive Conceptualization of Postadoptive Behaviors Associated with Information Technology Enabled Work Systems[J]. MIS Quarterly， 2005， 29（3）： 525-557.

[9]Phelps C C， Heidl R A， Wadhwa A. Knowledge， Networks， and Knowledge Networks： A Review and Research Agenda[J]. Journal of Management， 2012， 38（4）： 1115-1166.

[10]Tortoriello M. The Social Underpinnings of Absorptive Capacity： The Moderating Effects of Structural Holes on Innovation Generation Based on External Knowledge[J]. Strategic Management Journal， 2015， 36（4）： 586–597.

[11]Wang Y， Meister D B， Gray P H. Social Influence and Knowledge Management Systems Use： Evidence from Panel Data[J]. MIS Quarterly， 2013， 37（1）： 299-313.

[12]Dejordy R， Halgin D. Introduction to Ego Network Analysis[J]. Academy of Management Boston College and the Winston Center for Leadership Ethics， 2008.

[13]Burt R S. Structural Holes[M]. 1992.

[14]Coleman J S. Social Capital in the Creation of Human Capital[J]. American Journal of Sociology， 1988， 94（1）： 95-120.

[15]Gargiulo M， Benassi M. Trapped in Your Own Net？ Network Cohesion， Structural Holes， and the Adaptation of Social Capital[J]. Organization Science， 2000， 11（2）： 183-196.

[16]Podolny J M， Baron J N. Resources and Relationships： Social Networks and Mobility in the Workplace[J]. American Sociological Review， 1996， 62（5）： 673-693.

[17]Granovetter M. Economic Action and Social Structure： The Problem of Embeddedness[J]. American Journal of Sociology， 1985， 91（3）： 481-510.

[18]Tortoriello M， Reagans R， Mcevily B. Bridging the Knowledge Gap： The Influence of Strong Ties， Network Cohesion， and Network Range on the Transfer of Knowledge between Organizational Units[J]. Organization Science， 2012， 23（23）： 1024-1039.

[19]Sykes T A， Venkatesh V， Gosain S. Model of Acceptance with Peer Support： A Social Network Perspective to Understand Employees System Use[J]. MIS Quarterly， 2009， 33（2）： 371-393.

[20]刘军. 整体网分析讲义——UCINET软件实用指南[M]. 汉语大词典出版社， 2009.

[21]Wu J H， Wang S C. What Drives Mobile Commerce？ ： An Empirical Evaluation of the Revised Technology Acceptance Model[J]. Information & Management， 2005， 42（5）： 719-729.

[22]罗裕梅， 凌鸿. 网络中心度对员工信息系统采纳后使用行为的影响研究[J]. 科技管理研究， 2014， 34（19）： 160-165.

[23]Tortoriello M. The Social Underpinnings of Absorptive Capacity： The Moderating Effects of Structural Holes on Innovation Generation Based on External Knowledge[J]. Strategic Management Journal， 2015， 36（4）： 586-597.

[24]Borgatti S P， Xun L I. On Social Network Analysis in a Supply Chain Context[J]. Journal of Supply Chain Management， 2009， 45（2）： 5-22.

[25]Lee J， Kim S. Exploring the Role of Social Networks in Affective Organizational Commitment： Network Centrality， Strength of Ties， and Structural Holes[J]. The American Review of Public Administration， 2011，41（2）：205-223.

[26]Kleinbaum A M， Jordan A H， Audia P G. An Altercentric Perspective on the Origins of Brokerage in Social Networks： How Perceived Empathy Moderates the Selfmonitoring Effect[J]. Organization Science， 2015， 26：1226-1242.

（責任编辑：杨 锐）