移动社交媒体倦怠行为的影响因素模型及实证研究

张艳丰　李贺　彭丽徽

〔摘要〕[目的意义]针对移动社交媒体倦怠行为进行理论分析，有利于帮助企业或相关组织更好地持续利用社交媒体工具开展相关的业务及公共服务。[方法过程]基于“感知-态度-行为”研究范式，结合计划行为理论、隐私计算理论以及心流理论内容，构建移动社交媒体倦怠行为的影响因素模型，并通过实证研究方法对模型的适用性进行检验。[结果结论]数据分析结果表明，“自我效价”对移动社交媒体态度不存在显著关系；“隐私保护”和“信息过载”对移动社交媒体态度具有显著的负向影响作用；“心流体验”对移动社交媒体态度具有正向的影响作用；“社交媒体态度”对移动社交媒体倦怠具有显著的正向影响作用。

〔关键词〕移动社交媒体；社交媒体倦怠；持续使用；影响因素；模型

DOI：10.3969j.issn.1008-0821.2017.10.006

〔中图分类号〕G203〔文献标识码〕A〔文章编号〕1008-0821（2017）10-0036-06

〔Abstract〕[Purposesignificance]According to the theoretical analysis of the mobile social media burnout，it is helpful to help enterprises or related organizations to make better use of social media tools to carry out related business and public services.[Methodprocess] Based on “perceived-attitude-behavior” research paradigm，calculation theory and flow theory combined with the theory of planned behavior，privacy，construct the influencing factor model of burnout behavior of mobile social media，and tested through empirical research methods of the applicability of this model.[Resultconclusion] The data analysis results showed that the self potency of mobile social media attitude had no significant relationship；“privacy”and“information overload”had a significant negative effect on the mobile social media attitude；flow had positive influence on the attitude of mobile social media；social media had a positive attitude the influence on mobile social media burnout.

〔Key words〕mobile social media；social media burnout；sustainable use；influencing factors；model

移動社交媒体（Mobile Social Media）是指以移动终端（如IPad、智能手机等）为载体，通过移动网络来实现社交应用功能的网络媒介[1]。用户通过社交媒体分享自己或他人的照片、视频、情绪和感兴趣的话题等[2-3]，社交媒体极大地丰富了人们的数字化生活。然而，信息过载、广告链接和无效信息的泛滥，以及潜在的用户隐私泄露风险引起的不满和担忧，削弱了用户体验，人们对于浏览分享内容以及向谁分享变得更为谨慎。数据表明，Facebook统计用户发布的状态更新、内容共享和应用安装等方面的主动性比例已经下降[4]。其他移动社交媒体服务也正发生着此类现象，越来越多的用户表示正在逐渐减少、甚至放弃社交媒体的使用，我们把这种现象称为“社交媒体倦怠”，社交媒体倦怠行为对社交媒体的可持续性发展产生了极大的挑战。

目前，关于移动社交媒体倦怠行为的研究并不多。国内学者对移动社交媒体倦怠概念尚未引起广泛关注。国外学者研究的重点是社交媒体倦怠行为的起因、表现和影响因素等方面。LGoasduff和CPettey[5]通过调查对青少年社交媒体关注行为发现，他们对社交媒体的趣味性和用户隐私的排名最高；RHill和NMoran[6]认为信息过载可以导致人们有意识地花费更多的精力来过滤、处理大量的信息，不可能注意消息的全部内容，精力的有限和信息过载的矛盾可能是引起社交媒体倦怠的主要原因；CBarger[7]认为移动社交媒体倦怠的另一个表现是对新生社交媒体试用热情的减退，尽管近年来不断推出许多新的社交媒体平台（如Quora，Empire Avenue等），但用户并没有像过去那样追求新鲜而迅速试用，反而大多用户表现异常平淡，Barger认为这不是因为新生社交媒体平台的任何固有弱点所导致，而是由于众人对社交媒体的信息量感觉到了饱和；DGross[8]认为用户使用效能直接影响社交媒体的使用行为，比如当Facebook改变其界面布局和增加其他功能时，许多用户会感觉新的改变适应起来是较为困难的，进而可能选择放弃使用。

综上所述，目前国外社交媒体研究的内容已从追求用户关注和使用行为发展到基于危机理念的用户社交媒体倦怠行为上来。国内从影响因子探索用户使用意向和使用黏性的研究具有很大的局限性，对既是持续使用又是倦怠行为的双重指标用户群体不能很好地进行模型解释。因此，直接从引起用户社交媒体倦怠意向的影响因素入手，从根本上解决社交媒体倦怠的问题，从而使社交媒体平台更具有新颖性、趣味性和个性化，符合用户多方面需求，延长平台生命周期和提高用户体验。endprint

1理论基础

11计划行为理论

计划行为理论（Theory of Planned Behavior，TPB）是Icek Ajzen结合心理学和行为学理论提出的帮助理解人是如何改变自己行为模式的综合理论，TPB认为人的行为是经过缜密思量计划后的结果[9]。Ajzen认为行为倾向主要受到主观规范、态度、知觉行为控制3项相关因素的影响，个人态度和主观规范促成行为意向，行为意向结合知觉行为控制决定了实际行为的偏差。在本研究中，我们认为用户个人主观规范（社会压力）和知觉行为控制（自我效能），以及对移动社交媒体的态度直接影响了移动社交媒体倦怠意向。

12隐私计算理论

信息隐私是指用户对个人信息外泄和不正当访问、收集的自我发布控制，以及个人信息未经授权的使用。研究发现，隐私计算理论是分析用户隐私问题最有用的框架[10]。Culan和Armstrong将隐私计算理论定义为用户为防止个人隐私被非法使用而对个人产生负面影响效应的评估[11]。其核心内容是通过一种“计算”（Calculus）的方法，把个体隐私的决策描述成为一种计算行为，从用户角度进行成本—收益的权衡分析[12]，其根本要义是用户决定是否需要披露个人隐私信息以换取某种既得利益[13]。当用户感知个人隐私披露风险超出个人心理调控阈值范围时，会强烈关注隐私内容并对隐私披露产生强烈的抵触心理。

13心流理论

心理学家Mihaly Csikszentmihalyi将心流（Flow）定义为个人将所有精力全部投注在某種活动和行为的一种用户主观感受[14]，心流的产生过程会伴随着用户高度的充实感和兴奋度。心流用户在从事工作时完全是处于乐趣和愉悦的情境下，通常忘却环境及时间的感知，并且通常忽略不计个人花费时间和精力的报酬，心流理论认为这种全神贯注的沉浸体验是一种最佳的精神体验[15]。相关分析发现，心流对个人情绪和态度产生很大的影响作用，心流能使个体生活的更加幸福，个体获得的心流体验越多，用户满意态度越高[14]。

2研究假设与理论模型

21自我效能

Bandura认为，自我效能是相信人们组织和执行特定行动的能力[16]。据此本文将移动社交媒体自我效能定义为参与社交媒体用户对于掌握和使用诸如Facebook、Twitter等的技术和能力。Eastin和LaRose认为自我效能有助于互联网用户积极掌握复杂的任务[17]，这意味着随着社交媒体用户变得更加自我效能，他们的经验将鼓励进一步使用。同时，自我效能低的用户在将来不太可能执行相关行为[18]。这意味着自我效能低的用户参与社交媒体相关行为与活动的积极性要比那些自我效能高的用户低，并且，自我效率越高，用户越有可能继续参与社交媒体。因此，得出假设：

H1：用户的社交媒体自我效能正向影响社交媒体态度

22隐私保护

随着社交媒体的资源传播，大量个人信息暴露在社交媒体平台，隐私问题变得愈发严重。Gartner的研究表明，隐私是社交媒体用户的主要关注点[19]。研究证实，如果用户认为在移动社交网络上个人信息被不明获取或者隐私信息被监视、记录和传播，那么他们很有可能会选择放弃使用而进行个人隐私保护行为[20]。此外，Solove认为用户对个人信息以何种方式、用作何种用途进行二次使用也表示担忧[21]。一旦用户认为社交媒体获取和使用个人信息的范畴和程度超过了自身许可的风险容忍阈值，将对社交媒体产生谨慎的使用态度。因此，得出假设：

H2：用户的社交媒体隐私保护负向影响社交媒体态度

23信息过载

根据Zuckerberg的“社交分享定律”，Facebook上的用户状态、照片和其他在线信息的数量每年逐倍增长[22]，而有限容量模型（LCM）表明人们在处理信息方面的精神资源有限[23]。当用户面对大量媒体信息涌入和积压下，信息消费者必须在其注意力方面做出过滤信息的妥协。RHill和NMoran[24]认为信息过载可以导致人们花费更多的精力来过滤、处理大量的信息，不可能注意消息的全部内容，在社交媒体环境中，接收者（或用户）可能感到被消息的绝对数量所淹没，因此不能分配足够的认知资源来处理消息。因此，得出假设：

H3：移动社交媒体信息超载负向影响社交媒体态度

24心流体验

乐趣和愉悦感知是心流体验的一个重要输出变量，社交媒体态度是用户移动社交媒体使用的身心体验，Dodds[25]、Kim[26]等的研究揭示了用户体验的感知匹配对于用户行为消费起到重要作用，心流是用户使用态度的内在影响因素。Shun等在研究网络用户行为时发现，当消费者感受到网络购物的乐趣并享受过程时，消费者的满意度也会提高[27]。并且快乐消费的概念在社交媒体倦怠中发挥重要作用，因为许多人为了快乐和其他经历而参与社交媒体[28]。因此，这种扩展理论在解释社交媒体使用行为中也起着关键作用。因此，得出假设：

H4：移动社交媒体心流体验正向影响社交媒体态度

25移动社交媒体态度

社交媒体态度是指用户对社交媒体的应用感知评价经过概念化之后所形成的主观感受。是用户对社交媒体的可持续使用或放弃使用的内在衡量。社交媒体行为则是用户是否保持频繁应用社交网络媒介进行信息的浏览、发布、转发和评论等活动。YJKim等[29]通过对技术接受模型（Technology Acceptance Model，TAM）的研究，证明和强调了态度对接受行为的重要作用。在社交媒体行为分析中，用户的社交媒体使用态度同样至关重要。由此可得，移动社交媒体用户如果对社交媒体意向具有积极的使用态度，就会产生强烈的行为意向。因此，得出假设：

H5：社交媒体态度对移动社交媒体倦怠意向产生负向影响。endprint

综上所述，本研究提出以下研究模型，如图1所示：

3实证分析

31调查问卷设计与数据收集

本研究量表的开发选取已有文献使用过的分析量表，根据本文研究情境，经过专家小组讨论，对相关量表的测量项进行调整和完善。问卷采用Likert 7级量表编制，其中，1表示“非常不同意”，4表示“中立”，7表示“非常同意”。问卷包括两部分，第一部分为个人基本信息，样本人口统计学信息如表1所示：

第二部分为变量问项，问卷针对模型中的6个潜变量，共设立19个题项，具体内容如表2所示：

本次调查选取在讀高校大学生为主要研究对象，原因是高校学生群体的社交媒体应用比例和活跃度都比较高，并且对社交媒体新技术的接受能力较强，样本群在一定程度上可以准确代表用户总体。本研究将移动社交媒体服务界定为安装在智能手机终端的社交媒体应用程序，如微信客户端、移动微博客户端、QQ空间等。结合纸质问卷和网络问卷的形式发放调研问卷200份，回收并剔除不合格问卷（如恶意回答、前后矛盾、漏答和中立项过多等）后得到187份有效问卷，有效回收率为935%。问卷调查受访用户男女比例相当，20～30岁的用户占调研用户总数的728%，专科层次受访者占32%，562%具有本科层次学历，406%的受访者具有研究生学历。

32研究方法与信度检验

本文在研究模型评估和数据处理的选择上，采用偏最小二乘法（Partial Least Square，PLS）的结构方程模型（SEM）作为分析的主要方法分别检验测量模型和结构模型，因为PLS对数据样本和残差分布的要求较为宽松，非常适合新理论的构建和测量，是社会科学研究中常用的研究方法之一。

本次调查系统要素量表各题项在对应潜变量上的标准化因子载荷均大于06，Cronbachα信度系数都在07以上，高于Nummally（1987）[34]提出的检验标准，并且删除任何题项后因素的α系数均没有显著提高，说明量表具有良好的信度。在结构效度检验中，我们采用平均变异萃取量（Average Variance Extracted，AVE）来表示。根据Fornell和Larcker（1981）[35]提出的理论，本研究AVE大于05，且组合信度（Composite Reliability，CR）大于07，这意味着本研究的数据具有良好的收敛效度。各维度信度与效度指标如表3所示：

为检验量表的判别效度我们考察各变量的AVE值的平方根与变量间相关系数。计算结果如表4所示，表中各个变量的AVE值的平方根大于该变量与其他研究变量的相关系数，说明该变量的测量问项和其他变量的测量问项能够区分开来，进一步说明不同研究变量之间具有较好的判别效度和结构效度。

33结构方程检验

本文采用偏最小二乘法（Partial Least Squares，PLS）和Smart PLS 30工具对本研究社交媒体倦怠行为进行结构方程模型分析，检验路径系数及显著性如图2所示：

注：* p<005，** p<001，*** p<0001；虚线表示路径不显著图2模型检验结果

就显著关系而言，除自我效价与移动社交媒体态度之间不存在显著关系外，其他路径均存在显著关系。

4讨论

41结果讨论

本研究基于计划行为理论、隐私计算理论和心流理论提取指标要素，旨在探索自我效能、隐私保护、信息过载、心流体验、社交媒体态度与社交媒体倦怠行为之间的因素关系。研究结果表明，自我效能对移动社交媒体使用态度无显著作用。这一结论与LFBright等[33]的研究结果不同，可能的原因是态度作为中间变量，受到社交媒体倦怠行为结果的间接影响，实践也证明，自我效能高的用户既是高应用群体又是高倦怠群体，因此，本文的研究内容对社交媒体行为研究方面形成一定的补充作用；隐私保护对社交媒体态度的形成有显著的负向作用。这一结论与HXu等人的研究一致[20]。这意味着人们不愿披露更多的隐私信息，当个人信息隐私过多暴露在大众传媒中超过用户心理阈值时，会严重影响用户社交媒体使用态度；此外，信息过载压力对社交媒体态度的形成也有显著的负向作用，用户利用有限的时间和有限的精力来处理无限的数据信息时，必须选择过滤和屏蔽大量无用信息和广告信息，这一结论与RHill和NMoran的研究一致[24]。心流体验对移动社交媒体使用态度有显著的正向影响作用，当用户以心理娱乐作为移动社交媒体使用动机时，用户将会更加看重应用过程中的愉悦体验，而这种愉悦感知将进一步促进社交媒体使用态度，这一结论与MBHolbrook和EC.Hirschman的研究一致[28]。移动社交媒体使用态度对移动是社交媒体倦怠行为产生显著的负向影响作用，这一结论与YJKim等[29]一致。在计划行为理论中，态度是影响行为的主要因素之一，用户良好的社交媒体使用态度倾向会使用户获得更多的刺激与满足，用户对社交媒体的依赖也会增强，反之则会增加用户抱怨态度，进一步则会增加用户移动社交媒体倦怠行为的风险。

42研究意义

理论上来说，本研究基于“感知-态度-行为”研究范式，尝试将计划行为理论、隐私计算理论和心流理论运用于移动社交媒体倦怠的影响因素理论研究中，这丰富了移动社交媒体行为的相关理论研究。此外，以往我国学者较少关注社交媒体倦怠这一概念，本文对社交媒体的研究范围进一步进行研究范畴的扩展。并且研究发现了影响移动社交媒体倦怠行为的影响因素，这加深了移动社交媒体倦怠用户感知、用户态度和用户行为因素之间相互作用的理论研究。

实践上来看，本研究通过实证分析，验证了移动社交媒体倦怠的影响因素。这一发现将有助于运营商深入了解移动社交网络媒体倦怠行为，从而帮助企业及相关组织多管齐下共同营造良好的社交服务氛围，利用社交媒体更好地开展相关服务，通过移动社交媒体更好地推动企业或组织进行业务的开展，强化用户体验，根据影响因素相互作用关系，有效管理社交媒体倦怠行为。endprint

43研究局限性

同時，本研究也存在一定的局限性，需要进一步地去探究。一是本研究的调查对象为高校学生，样本数据来源和群体相对较为单一，进一步研究可以选取更为宽泛的样本进行跨年龄层次、跨学历等的对比性探讨；二是本研究着重探讨了用户自身的主观认知和情感对社交媒体倦怠行为的影响作用，社会环境与社会政策对社交媒体倦怠行为的影响作用并未完全考虑，后续研究可进一步应用更为全面的理论基础，探讨环境与政策等外界因素对社交媒体服务的态度在社交媒体倦怠分析中的前因作用，以期得到更全面的数据和构建更为合理的移动社交媒体倦怠行为影响因素的理论模型。

参考文献

[1]Wang Z，Cui X，Gao L，et al.A hybrid model of sentimental entity recognition on mobile social media[J].Eurasip Journal on Wireless Communications & Networking，2016，2016（1）：253.

[2]KIETZMANN J H，HERMKENS K，MCCARTHY I P，et al.Social media？ Get serious！ Understanding the functional building blocks of social media[J].Business Horizons，2011，54（3SI）：241-251.

[3]MASUR P K，REINECKE L，ZIEGELE M，et al.The interplay of intrinsic need satisfaction and Facebook specific motives in explaining addictive behavior on Facebook[J].Computers in Human Behavior，2014，39：376-386.

[4]Global Web Index.Wave 5 trends[EBOL].http：www.slideshare.netTomtrendstreamwave-5-trends-master-august-2011-slideshare-version>，2017-02-22.

[5]Gartner survey highlights consumer fatigue with social media [EBOL].http：www.gartner.comnewsroomid1766814，2017-02-22.

[6]Hill.R.，Moran.N.Social marketing meets interactive media： Lessons for the advertising community[J].International Journal of Advertising，2011，30（5）：815–838.

[7]Barger，C..The Top Ten Social Media Lessons of 2011：Part I[EBOL].https：www.forbes.comsiteschristopherbarger20111220the-top-ten-social-media-lessonsof-2011，2017-02-22.

[8]Gross，D..Users not happy with new Facebook changes[EBOL].http：articles.cnn.com2011-09-21techtech_social-media_facebook-changes-react_1_facebook-top-stories-users？_s=PM：TECH，2017-02-22.

[9]Ajzen I.The theory of planned behavior[J].Organizational Behavior and Human decision Process，1991，52（2）：179-211.

[10]Awad N F，Krishnan M S.The personalization privacy paradox：Anempirical evaluation of information transparency and the willingness to be profiled online for personalization[J].MIS Quarterly，2006，30（1）：13-28.

[11]Culnan，M.J.，and Armstrong，P.K.Information privacy concerns，procedural fairness，and impersonal trust： An empirical investigation[J].Organization Science，1999，10（1）：104-115.

[12]Dinev，T.，and Hart，P.An extended privacy calculus model for e-commerce transactions[J].Information systems research，2006，17 （1）： 61-80.

[13]Laufer R S，Wolfe M.Privacy as a concept and social issue：A multidimensional developmental theory[J].Journal of Social Issues，1977，33（3）：22-41.endprint

[14]Csikszentmihalyi M.Flow： The psychology of optimal experience[M]：New York：Harper and Row，1990：24-29.

[15]Kasa M，Hassan Z.Antecedent and Consequences of Flow： Lessons for Developing Human Resources[J].Procedia-Social and Behavioral Sciences，2013，97（1）：209-213.

[16]Bandura，A.（1986）.Social foundations of thought and action： A social cognitive theory.Englewood Cliffs，NJ： Prentice Hall.

[17]Eastin M S，Larose R.Internet Self-Efficacy and the Psychology of the Digital Divide[J].Journal of Computer-Mediated Communication，2000，6（1）：.

[18]Bandura A.Self-Efficacy Mechanism in Human Agency[J].American Psychologist，1982，37（2）：122-147.

[19]Gartner survey highlights consumer fatigue with social media[EBOL].http：www.gartner.comnewsroomid1766814，2017-02-22.

[20]Xu H.，Gupta S.，Rosson M.B.，et al.Measuring Mobile Users Concerns for Information Privacy[C].In proceedings of the 33rd International Conference on Information Systems，Orlando，2012.

[21]Solove D.J.A Taxonomy of Privacy[J].University of Pennsylvania Law Review，2006，154（3）：477-564.

[22]Share and share alike： Social media vie for attention[EBOL].http：www.ft.comintlcmss21671609a-d9f3-11e0-b199-00144feabdc0.html#axzz1bdYNylEn>，2017-02-22.

[23]Lang，A.The limited capacity model of mediated message processing[J].Journal of Communication，2000，50（1）：46–70.

[24]Hill.R.，Moran.N.Social marketing meets interactive media： Lessons for the advertising community[J].International Journal of Advertising，2011，30（5）：815–838.

[25]Dodds，WB.，Monroe，KB.and Grewal，D.Effects of price，brand，and store information on buyersproduct evaluations.Journal of Marketing Research，1991（28）：307-319.

[26]Kim B，Han I.The Role of Trust Belief in Community-driven Knowledge and Its Antecedents[J].Journal of the American Society for Information Science &Technology，2009，60（5）：1012-1026.

[27]CAI Shun，XU Yunjie.Designing not just for pleasure： effects of Web Site esthetics on consumer shopping value[J].International Journal of Electronic Commerce，2011，15（4）：159-188.

[28]Holbrook，M.B.，& Hirschman，E.C.（1982）.The experiential aspects of consumption：Consumer fantasies，feelings and fun.Journal of Consumer Research，9（2）：132–140.

[29]KIM Y J，CHUN J U，SONG J.Investigating the role of attitude in technology acceptance from an attitude strength perspective[J].International journal of information management，2009，29（1）：67-77.

[30]HUANG H C，CHANG S S，LOUS J.Preliminary investigation on recreation and leisure knowledge sharing by LINE[J].Procedia-social and behavioral sciences，2015，174（12）：3072-3080.

[31]KIM J，LEE C，ELIAS T. Factors affecting information sharing in social networkingsites amongst university students： application of the knowledge-sharing model to social networking sites[J].Online information review，2015，39（3）：290-309.

[32]MA L，LEE C S，GOH D H L.Understanding news sharing in social media： an explanation from the diffusion of innovations theory[J].Online information review，2014，38（ 5） ： 598-615.

[33]Bright L F，Kleiser S B，Grau S L.Too much Facebook？ An exploratory examination of social media fatigue[J].Computers in Human Behavior，2015，44（C）：148-155.

[34]Nunnally J C.Psychometric Theory[M].New York：McGraw-Hill，1967.

[35]Fornell C，Larcker D F.Evaluating Structural Equuation Models with Unobservable Variables and Measurement Error[J].Journal of Marketing Research，1981，18（1）：39-50.

（本文責任编辑：马卓）endprint