基于UTAUT模型的学术社交网站用户采纳行为研究

摘 要 为了提升学术社交网站服务质量，本文系统分析了用户采纳学术社交网站资源的影响因素。通过在整合型技术接受扩展模型（UTAUT）中加入感知任务技术匹配变量、个体创新性和感知信任变量，构建了学术社交网络初始采纳影响因素模型，并使用问卷调查法获取数据验证模型。结果表明：感知任务技术匹配、绩效期望、努力期望、社会影响、个体创新性以及感知信任正向影响个体对学术社交网站的采纳意愿，采纳意愿和促成因素正向影响个体对学术社交网站的采纳行为。

关键词 学术社交网站  UTAUT  采纳行为  影响因素

分类号 G250

DOI 10.16810/j.cnki.1672-514X.2019.12.009

Abstract This paper systematically analyzes the main influencing factors of users adoption of academic social networking sites， in order to improve the service quality of academic social networking sites. In this paper， the Unified Theory of Acceptance and Use of Technology （UTAUT） is added with perceived task-technology fit， individual innovation and perceived trust to construct an initial adoption influencing factors model of academic social networking sites， and questionnaire survey method is used to obtain data verification model. The results show that perceived task-technology fit， performance expectancy， effort expectancy， social influences， individual innovation and perceived trust have positive influence on the individuals adoption intention， and adoption intentions and facilitating conditions positively affect individuals adoption behavior of academic social networking sites.

Keywords Academic social networking sites. UTAUT. Adoption behavior. Influencing factors.

隨着国外Academia.edu、ResearchGate、Mendeley、国内科学网、小木虫、百度学术等学术社交网站（ASNS，Academic Social Networking Sites）的出现，很大程度上弥补了传统学术交流体系更新滞后、成本高昂的弊端，也改变了知识信息创建、传播、交流、使用的方式，为科研人员汇集大范围、密集型的科研资源的同时也为同行间或跨领域的协作提供了便利。作为向目标用户传播信息的有效工具，越来越多的科研人员开始使用ASNS。为了不断开拓市场，运营商有必要系统了解个体采纳学术社交网站的影响因素，以便采取措施积极提升采纳率。

1 相关文献回顾

学术社交网络是以学术信息共享和知识交流为目的，借助互联网帮助学者与其他科研人员建立专业网络，并为他们进行学术研究时的各种活动提供便利的在线服务、工具或平台[1]，本文中仅对网站平台做出讨论。到目前为止，现有的研究多集中在了解不同学术社交网站的功能、服务，探索未来学术社交网站的发展方向和规律;另一方面间接或直接得获取用户行为数据，研究用户的行为特征及规律，但这类研究还只是少数。如：A.C.Bullinger等通过对24个学术社交网站案例和10个科研社交网络创建者的深度访谈，将学术社交网站确定为身份和网络管理、交流、信息管理、协作4个功能[2]。REBIUN工作组的研究将学术社交网站划分为研究共享类、结果共享类和资源共享类[3]。M.S.Rad等人整合UTAUT、TTF模型、社会资本理论，考察了性能预期、努力预期、社会影响、便利条件、用户阻力、个人、技术、任务和社会特征对用户使用SRNS意向的影响[4]。陈明红等人以TPB理论为基础，设计科研社交网络使用行为影响因素模型，研究结果表明行为态度、感知行为控制、主观规范显著影响使用意向，使用意向正向影响使用行为[5]。Wei等研究确定使用ASNS的学者群体加入ASNS团队的各种动机，包括搜寻信息（信息需求）、建立网络和连接（社会需求）、增加网络影响力（专业知名度）、利他动机几方面[6]。

2 研究模型

在技术接受和利用的研究中，技术接受模型（TAM）和任务技术匹配模型（TTF）是两个最常用到的模型。TAM广泛应用于解释和预测技术接受/采纳。虽然它是一个被高度引用的模型，但一些学者对它的理论准确性保持怀疑态度。Bagozzi指出TAM模型存在局限性，例如结构过于简单，框架中存在两个关键的留白，意图与行为的联系未经验证[7]。整合型技术接受扩展模型（UTAUT）是由Venkatesh， Morris等人综合TAM、IDT、TRA、TPB、MM、C-TAM-TPB、MPCU、SCT等模型提出，该模型具有较好的解释力度。此外，TTF模型认为只有当技术特征与任务需求相匹配，用户才会采纳新的技术[8]，换言之，用户采用某项新技术并不只是取决于对技术的态度和感知，如果用户认为这项技术与他的任务不适合、不能提升绩效，就不会采纳这项新技术。因此本文结合UTAUT模型和TTF理论，加入感知任务技术匹配变量、个体创新性、感知信任等个体因素变量，并通过实证研究来探索个体在采纳学术社交网站资源过程中，绩效期望、努力期望、社会影响、促成因素、感知信任、个体创新性以及感知任务技术匹配与采纳意愿和采纳行为之间的相互影响关系，研究模型如图1：

3 研究假设

Venkatesh等学者结合感知有用性、工作适配、外在动机等变量整合出绩效期望，并将其定义为个体使用信息技术或系统时提升工作绩效的期望程度[9]，一般而言，当用户考虑使用一项新的技术/系统时，他们通常会考虑这项新技术/系统能否提升工作效率、改善工作质量[10]。在本次研究中用绩效期望反映个体在使用ASNS前对预期效益的估计，比如提供科研资源或帮助提升学术影响力等等。M.S Rad等人通过UTAUT模型构建用户使用学术社交网络行为意向影响因素，结果发现绩效期望直接影响使用意向[11]。Rad等通过TOPSIS方法评估影响科研人员采纳社会科研网络进行协作的因素，证明绩效期望、努力期望、社会影响以及便利条件都会对SRNS使用动机产生影响[4]178。因此我们提出假设：

H1：绩效期望正向影响用户对学术社交网站的采纳意愿。

此外，用户在决定使用一项新技术/系统前，如果他们认为某信息系统/技术操作起来越容易，其使用该信息技术/系统的态度积极性就会越高。努力期望是用户认为使用某项新技术/信息系统的难易程度。在概念上与TAM模型的感知易用性相似，高努力期望表示高易用性和较少的努力，Lallmahomed et al. 在2013年研究中确定努力期望对社交网站用户的行为意愿有较高的影响[12]。据此，提出假设如下：

H2：努力期望正向影响用户对学术社交网站的采纳意愿。

社会影响是指个体受到身边的人的影响，或是个体认为重要的人认为其该使用新技术/系统的程度。此外，也有相关研究已经证明社会影响是决定行为意向的一项重要因素，如Lallmahomed等人的实证研究中也证明社会影响会对用户使用在线技术（如SNSs）的意向产生影响。据此，提出假设如下：

H3：社会影响正向影响用户对学术社交网站的采纳意愿。

促进因素是指个人认为现有组织或技术基础设施支持其使用信息技术/系统的程度。对一些新手来说，他们大多希望可以有专业的指导和培训课程或相关资料来帮助他们尽快熟练新的技术/系统。用户在新技术/系统的使用过程中，有问题时如果能够得到有效的帮助（如参考资料、技术支持人员、在線客服等） 会增加其使用行为。因此，我们认为促成因素的支持会促进用户的采纳行为。

H4：促进因素正向影响用户对学术社交网站的采纳行为。

信任是用户采纳和使用某系统/技术的前提，用户采纳ASNS，需要平台提供良好的信任环境。当前已有研究将信任理论加入到UTAUT模型中，分析信任对用户技术接受和使用行为倾向的影响。在本文中，感知信任是指用户对自己使用的学术社交网络平台的功能、信息内容以及开发商、运营商的主观信任程度。

H5：感知信任正向影响用户对学术社交网站的采纳意愿。

相对于普通的社交网站或较为传统的学术交流渠道，ASNS在很多方面具有较为独特的优势，这些优势将大大满足科研人员的科研需求。根据TTF模型可知，任务技术匹配度是指技术对用户执行特定任务相匹配的程度。本文指学术社交网站的功能特征对用户使用学术社交网站来进行活动的支持程度。较高的任务与技术匹配会促进用户对一项新技术/系统的采纳意愿;相反，较低的任务技术匹配会降低用户对技术/系统的采纳意愿。对此提出假设：

H6：感知任务技术匹配度正向影响用户对学术社交网站的采纳意愿。

个体创新性是指用户个人所具有的个性特征，代表个体率先接触和体验新事物的意愿，本文将个体创新性定义为用户接受学术社交网站这种新事物的观念和内在倾向程度，梳理相关文献发现个体创新性影响个体对某项新技术的接受和使用，个体创新性高的用户对新技术有更高的尝试意愿。如张宏梅等人通过实证研究证明了个体创新性越高的用户，其越容易信任及接受新技术[13]。

H7：个体创新性正向影响用户对学术社交网站的采纳意愿。

采纳意愿是指用户会在将来某个时间内使用学术社交网站的可能性预测。采纳行为是指用户在某个时间段内使用学术社交网站的具体行为，其中包括浏览科研动态、寻求合作伙伴、下载/发布学术资源等。根据TPB理论，个人的使用意愿越强，就会越努力的去实现和发生使用行为。

H8：用户对学术社交网站的采纳意愿正向影响其采纳行为。

4 实证调查问卷设计

4.1 问卷设计与结果统计

研究模型共包括9个变量，每个变量采用3～5个问项进行测度。查阅相关文献，在此基础上设计问卷。问卷采用Likert五级量表度量，通过网络渠道发放和回收问卷。回收问卷之后采用SPSS22.0对收集的问卷数据进行分析和模型验证。网上参与填写问卷的用户均为互联网用户，其中有一些接触过学术社交网站，也有一些在使用过之后放弃使用。本次共收到问卷327份，其中有效问卷258份，其描述性统计结果如表1所示。

4.2 信度和效度检验

问卷信度分析中，通常α系数需要大于0.7。本问卷的总体Cronbach α系数值为0.918，各变量的Cronbach α系数值也均大于0.7，说明测量量表具备较高的信度。此外，通过SPSS22.0进行因子分析来检验量表的建构效度，从表2中可以看出，除努力期望的KMO值为0.686<0.7外，各变量的KMO值均大于0.7并通过Bartlett球形检验，最终提取到9个因子，这9个因子与题项有良好的对应关系，这种对应关系与先前设计的模型理论变量相符，且有很高的显著性水平（Sig.=0.000），各问项的因子载荷均大于0.5，因子旋转后累积方差解释率为68.732%，说明问卷各问项设置合理，量表有良好的结构效度。综上所述，本研究各变量的信效度都符合进一步做假设检验的要求，结果见表2。

5 模型验证及分析

5.1 相关分析

相关分析是研究各研究变量间相关关系，使用相关系数表示变量间的关系情况的一种统计方法。本研究分析绩效期望、努力期望、社会影响、感知信任、个体创新性、感知任务技术匹配这6个因素与采纳意愿的相关关系、促成因素和采纳意愿与采纳行为的相关关系。

（1）ASNS采纳意愿与假设影响因素的相关关系。由表3可知，绩效期望、努力期望、社会影响、感知任务技术匹配、个体创新性、感知信任这几个因素分别与采纳意愿之间呈现0.01水平上的显著性，并且相关系数值都大于0.3，因而说明这些因素与采纳意愿之间具有显著的正相关关系，这6个因素与采纳意愿有着较为紧密的相关关系，初步验证了采纳意愿相关假设。

（2）ASNS采纳行为与假设影响因素的相关关系。由表4可知，促成因素、采纳意愿分别与采纳行为之间呈现0.01水平上的显著性，并且相关系数值都大于0.4，因而说明这些因素与采纳行为之间具有显著的正相关关系，这2个因素与采纳行为有着较为紧密的相关关系，初步验证了采纳行为相关假设。

5.2 回归分析

（1）ASNS用户采纳意愿与假设影响因素的回归分析。根据相关分析的结果，绩效期望、努力期望、社会影响、感知任务技术匹配、个体创新性、感知信任与采纳意愿相关显著，均进入多元回归分析。由表5所示的回归分析结果可见，R2值达到0.467，说明所有自变量可以解释采纳意愿值变化的46.7%的原因，即表明回归方程对样本数据点的拟合度合适，具备一定的稳定性。D-W值为1.986，在2附近，说明基本无自相关性（即样本之间没有影响关系）。同时回归的F检验统计量的观测值为36.642，对应的概率P值为0.000，在0.01的水平上达到了显著水平，可进行回归模型的显著性检验。此外，绩效期望、努力期望、社会影响、个体创新性、感知信任的回归系数P值（显著性） 小于0.01，感知任务技术匹配的回归系数P值小于0.05，说明这些变量均对采纳意愿具有显著影响，假设成立。根据实证可得回归模型，结果如下：采纳意愿=0.219*绩效期望+0.210*努力期望+0.229*社会影响+0.126*感知任务技术匹配+0.173*个体创新性+0.142*感知信任。

（2）ASNS用户采纳行为与假设影响因素的回归分析。根据相关分析的结果，促成因素、采纳意愿与采纳行为相关显著，均进入多元回归分析。由表6所示的回归结果能够看出，回归方程可以解释38.7%的总变异（R2），具备一定的解释能力。D-W值为1.626，在2附近，说明基本无自相关性（即样本之间没有影响关系）。回归的F=80.420，对应的概率P值为0.000，在0.01的水平上达到了显著水平，可进行回归方程的显著性检验。表6反映了回归方程中的自变量采纳意愿和促成因素与因变量采纳行为间的回归关系以及回归系数的显著性水平检验结果，采纳意愿、促成因素的回归系数P值（显著性）小于0.01，假设成立。

6 研究结论

通过本文所构建的学术社交网络初始采纳影响因素模型，统计和验证所获取的数据，分析结果表明绩效期望、努力期望、社会影响、感知信任、个体创新性以及感知任务技术匹配这6个因素正向影响个体对学术社交网站的采纳意愿，而采纳意愿和促成因素正向影响个体对学术社交网站的采纳行为，其具体数据见图2。

（1） 绩效期望。数据分析的结果显示，绩效期望（0.219）正向影响用户对ASNS的采纳意愿。说明用户在评价一个ASNS网站时，如果认为ASNS能给其带来更多的价值，个体就会愿意使用该ASNS。ASNS可以使科研人员不受时间、地点限制，利用碎片化时间浏览科研资讯、相关资源，与相关联系人进行交互等等;ASNS可以选择性为用户推送个性化信息;此外，在ASNS推广初期，可能会为用户带来一些同系列产品/服务的附加权益/特权，可在一定程度上为用户带来绩效。现在，不断有新型ASNS涌现，虽然彼此之间有一些区别，但是竞争仍然激烈。用户在面对众多选择时，如果能够选择最适合自己内在需求的、更符合自己价值追求的ASNS，那么用户的使用意愿就会更加强烈。

（2） 努力期望。研究结论显示用户对ASNS的努力期望会影响用户的采纳意愿，路径系数为0.210，说明当用户使用某种ASNS时所需付出的努力越小，他们采纳该ASNS的可能性就愈大。当使用一个新的ASNS时，用户需要熟悉不同的功能模块以满足自己的需求，当ASNS界面设计简洁、流畅、人性化时，就会大大降低用户的学习难度、减少学习时间，用户就会更加愿意尝试使用该ASNS。

（3） 社会影響。研究结论显示社会影响会正向影响用户对ASNS的采纳意愿，路径系数为0.229。这一结论表明当周围某些对个体来说很重要的人认为他们应该使用某ASNS时，个体对这种来自他人建议的感知越强烈，其采纳ASNS的意愿就会越强烈，反之亦然。社会影响对采纳意愿的影响体现在，个体想通过使用ASNS融入科研团队、适应科研大环境变化、与他人建立亲密联系。当这类需求越强烈，个体采纳ASNS的意愿就会越强烈。

（4） 感知信任。研究结论显示感知信任正向影响用户采纳ASNS的意愿，路径系数为0.142。这表明用户比较关心ASNS的可靠性、安全性，虽然ASNS的出现在一定程度上弱化了时空限制，丰富了学术交流的方式，但是网络环境的虚拟性却增加了用户的不确定性和感知风险，如：使用ASNS一般要求提交个人真实信息，使用户担心在ASNS使用过程中存在个人隐私信息泄露风险。

（5） 个体创新性。本研究结论显示用户的个体创新性正向影响用户对ASNS的采纳意愿，路径系数为0.173。这一结论表明个体创新性越高的个体在ASNS早期发布时就会去尝试去接触，也更容易发现ASNS的便捷性、有用性、专业性价值，增强了其对ASNS的采纳意愿。

（6） 感知任务技术匹配。本研究结论显示个体对使用ASNS的任务技术匹配程度的感知正向影响其采纳意愿，路径系数为0.126。这一结论表明用户在利用ASNS进行科研活动过程中，如果感知到ASNS的功能特征与其任务需求之间的匹配程度越高，其使用ASNS的意愿就越强烈。反之用户可能就不会产生使用ASNS的想法。

（7） 促成因素。研究结论显示促成因素对用户的采纳ASNS的行为有直接影响，路径系数为0.304。这一结论表明在ASNS的学习和使用过程中，促成因素主要包括他人帮助、网络设备、资料指南等，这些因素的优化和改善都有希望直接提升用户体验，进而促进用户的采纳行为。但是如果缺乏相关支持性因素，那么也有可能直接导致用户的采纳行为无法实现。

（8） 采纳意愿。采纳意愿是个体使用ASNS的先决条件，当用户产生采纳意愿之后才有可能产生采纳行为。本研究结论显示个体对ASNS的采纳意愿正向影响其采纳行为，路径系数为0.485。

7 发展策略

本文通过在UTAUT模型中引入感知任务技术匹配、个体创新性和感知信任三个变量，从用户、技术两方面对个体采纳学术社交网站的行为意愿进行了实证研究。为了进一步提高个体采纳意愿、吸引新用户，笔者在此结论基础上提出发展策略。

7.1 丰富服务功能，提升任务技术匹配度，加强用户的绩效期望

本文的研究结果表明，绩效期望对ASNS的采纳意愿有正向影响，因此提高平台提供的信息资源的质量，改善服务功能，让个体更加精准的获取自己所需的信息资源和服务，可以为用户创造更大的价值。运营商可以通过采集用户在ASNS的属性信息和使用行为对用户进行画像，从而为用户推送更加适合需求的资源，提高使用效率[14]。此外，开发商可以进一步开发移动设备客户端，方便用户的使用，或者进一步细分用户群体，针对不同类型的用户，为他们提供更加适配领域需求的信息和服务，提升ASNS的使用价值。另外，我们要及时进行市场调查，深入了解用户需求，针对用户任务特征设计平台技术特征，进而不断更新学术社交网站的功能，升级ASNS所提供的产品和服务，保证ASNS的不断发展，并更加符合用户的任务特性。

7.2 简化网站操作流程，突出主要功能，提升用户的努力期望

本文的研究结果表明，提高ASNS的易用性，能够较大程度上提高ASNS的接受和采纳意愿。不同的ASNS会带来不同的使用体验，体现在界面、操作、资源/服务质量等方面，这些都会影响个体的采纳意愿，这就要求运营商将ASNS界面尽可能地简化，减少相对不重要的内容，以突出主要功能。在设计ASNS的操作流程时，可以参照主流ASNS平台，以减少用户转化成本，吸引新用户。此外还可以设计便捷移动端和新媒体服务，构建清晰明了的导航，提供与相关其他平台的同步更新功能等等。

7.3 保证使用过程安全，提高个体信任度

ASNS平台需要从技术上保障个体的信息安全，防止个体信息（尤其是注册信息）被公开，从而增加用户使用ASNS的安全感，让用户放心的使用ASNS进行科研活动。此外要设置专职岗位和联络渠道，使用户在遇到安全问题时，能够快速与运营商专职人员联系，以便及时解决问题。此外，还要注重知识产权保护。学术信息网络传播的过程中，知识侵权行为时有发生，为了保障ASNS用户共享的知识资源不被盗取、冒用，需要采用技术手段保证知识资源的安全传播和利用，ASNS服务提供商还要对知识侵权行为进行及时检测、提供相关追责支持服务，如法律咨询。

7.4 净化资源，构建知识导航系统

随着学术社交网站的不断发展，ASNS中的资源文献量不断增长，使得用户难以从海量繁杂的知识资源中提取出所需优质信息，因此ASNS需对上传信息/知识的用户进行身份验证，学术社交网站运营商要号召用户提交优质准确的信息资源，并且ASNS运营商也要对错误信息、虚假信息进行过滤，保证学术社交网站中信息资源的质量。此外，对网站知识进行语义分析和深层次聚合，构建内容相互关联的多维度、多层级知识导航系统，有序显示资源分布及关系，便于用户整体把握并按需选择知识类别，进行专题检索，为用户提供深层次的知识服务。

7.5 提供使用手册，设置在线专员，促成使用行为

首先，为用户提供使用手册，清晰明了的介绍ASNS各项功能和服务。其次，要针对ASNS地功能设计用户的培训教程，让用户能够快速有效的了解学习ASNS的新功能。最后，还可以设置在线专员，使用户在使用过程中遇到困难时，可以及时向在线客服人员寻求帮助。

7.6 设计创新产品，创新营销方式，迎合个体猎奇心理

相对来说，年轻用户的创新意识较强，高校研究生具有较大科研需求且富有创新性，将高校研究生作为目标用户进行前期推广，广泛组织开展富有吸引力的推广活动，然后以前期接受推广的群体为范例进一步广泛推广，可实现“病毒式”傳播。此外，平台运营商在平台运行过程中要不断借助新兴技术，以用户需求为中心设计创新性产品和功能，在推广中通过新潮的设计使网站平台符合技术潮流趋势，从而吸引更多个体采纳ASNS.。

7.7 寻求政策支持，树立意见领袖，最大化社会影响作用

积极寻求国家政策扶持，营造有利于学术社交网站健康发展的大环境。平台运营商还可以通过向个体推送好友的注册情况来促进个体的采纳，此外邀请新用户获得积分、特别权限等的激励手段、资深科研人员扮演“意见领袖”、营造良好的科研舆论环境等对吸引新用户都具有重要意义。

参考文献：

贾新露，王曰芬.学术社交网络的概念、特点及研究热点[J].图书馆学研究，2016（5）：7-13.

BULLINGER A C， HALLERSTEDE S， RENKEN U， et al. Towards research collaboration-a taxonomy of social research network sites[C]. Lima，Peru：Sustainable IT Collaboration Around the Globe，AMCIS， 2010：92.

SHEE K. Research， collaboration， and open science using Web2.0[EB/OL].[2018-06-04].http：//jmbe.asm.org/index.php/jmbe/article/view/219.

RAD M S， DAHLAN H M， IAHAD N A， et al. Assessing the factors that affect adoption of social research network site for collaboration by researchers using multicriteria approach[J].Journal of Theoretical & Applied Information Technology，2014，65（1）：170-183.

陈明红，漆贤军，刘莹.科研社交网络使用行为的影响因素研宄[J].情报理论与实践，2015，38（10）：73-79.

WEI J， HE D， JIAHG J. User participation in an academic social networking service： a survey of open group users on Mendeley [J].Journal of the American Society for Information Science & Technology，2015，66（5）：890-904.

BAGOZZI R. The legacy of the technology acceptance model and a proposal for a paradigm shift[J]. Journal of the association for information systems.2007，8（4）， 244-254.

GOODHUE D， THOMPSON R. Task-technology fit and individual performance[J]. MIS quarterly， 1995，19（2），213-236.

VENKATESH V， THONG XU JYL. Consumer acceptance and Use of information technology：extending the unified theory of acceptance and use of technology[J].MIS Quarterly，2012，36（1）：157-178.

劉炜.基于扩展TTF和UTAUT模型的老年用户社会化网络服务采纳行为研究[J].软科学，2015，29（3）：120-124.

RAD M S， DAHLAN H M， MEHRBAKHSH N，et al.Academic researchers behavioural intention to use academic social networking sites[J].Information Development，2017，35 （2）：245-261.

LALLMAHOMED M Z， RAHIM N Z A， IBRAHIM R， RAHMAN AA. Predicting different conceptualizations of system use： Acceptance in hedonic volitional context（Facebook）[J]. Computers in Human Behaviour，2013，29（6）：2776-2787.

张宏梅，刘少湃，于鹏，等.消费者创新性和使用动机对移动旅游服务融入意向的影响[J].旅游学刊，2015，30（8）：13-25.

谢晓琦.信息推送技术综述[J].科技创新与应用，2016（23）：45.

石婷婷 辽宁大学历史学院硕士研究生。 辽宁沈阳，110136。

（收稿日期：2018-11-12 编校：刘 明，左静远）