移动视觉搜索用户体验影响因素量表开发研究

孟猛 朱庆华

摘 要：[目的/意义]针对移动视觉搜索（Mobile Visual Search，MVS）这一新兴领域，如果直接引用现有信息系统领域量表，会面临应用领域、使用情景以及量表语义等方面差异的问题。为了有效测度MVS用户体验影响因素，设计出稳健而实用的MVS用户体验影响因素量表。[方法/过程]本文参照Churchill的范式及Limayem等的量表开发过程，在前期MVS用户体验影响因素研究的基础上，通过初始量表拟定与评估、探索性因子分析、验证性因子分析进行量表开发。[结果/结论]最终开发出一个由准确性、完整性、快捷性、灵活性和移情性5个维度19个测量题目构成的MVS用户体验影响因素量表。实证分析表明，该量表具有较好的信度和效度，可为后期针对MVS用户行为影响因素探索提供工具参考和理论指导。

关键词：移动视觉搜索;用户体验;影响因素;量表开发

DOI：10.3969/j.issn.1008-0821.2021.02.007

〔中图分类号〕G252.0 〔文献标识码〕A 〔文章编号〕1008-0821（2021）02-0065-13

Abstract：[Purpose/Significance]In view of the emerging field of Mobile Visual Search（MVS），if it directly refers to the existing scales in the field of information systems，it would face the problems of differences in application fields，usage scenarios，and scale semantics.In order to effectively measure the factors influencing on MVS user experience，a robust and practical scale for the factors influencing on MVS user experience is designed.[Method/Process]Referring to Churchill's paradigm，Limayem and other's scale development process，this paper developed the scale through initial scale formulation and evaluation，exploratory factor analysis and confirmatory factor analysis on the basis of previous studies on factors influencing on MVS user experience.[Result/Conclusion]Finally，a scale for factors influencing on MVS user experience was developed.This scale consists of 19 measurement items from five dimensions of accuracy，completeness，quickness，flexibility and empathy.Empirical analysis showed that the scale had good reliability and validity，and could provide tool reference and theoretical guidance for the later exploration of factors influencing on MVS user behavior.

Key words：mobile visual search;user experience;influencing factors;scale development

iiMedia Research（艾媒咨询）发布的《2019—2020年中国移动搜索市场运行监测报告》显示[1]，2019年第四季度中国移动搜索用户规模已达7.05亿人。中国互联网络信息中心（CNNIC）[2]发布的《第45次中国互联网络发展状况统计报告》显示，截至2020年3月，我国手机搜索引擎用户规模达7.45亿。随着移动互联网、移动终端及云计算的迅速崛起，移动搜索已成为信息检索领域的研究热点，尤其是移动视觉搜索（Mobile Visual Search，MVS）这种新一代信息搜索技术，受到学界和业界的广泛关注，已成为信息检索领域非常重要的前沿课题。所谓MVS，是指利用移动智能终端获取用户视觉接近对象的图像或视频为检索项，通过移动互联网搜索视觉对象关联信息的一种交互式信息检索方式[3-4]。此类应用程序可用于识别产品、艺术品、印刷媒体和地标等，诸如Google Goggles、oMoby、Mobile Acuity、Amazon/SnapTell，以及拍立淘、拍照购、衣+、手机百度、手机360搜索、形色等。

然而，MVS作为新一代互联网服务模式，具有重要的研究价值、社会效益和广阔的市场应用前景。与国外相比，国内MVS应用还存在巨大差距。尽管已有一些应用案例，但是尚未得到广泛应用，使用率并不高，用户黏性较差，这主要是因为MVS用户体验不佳。因此，快速准确地把握MVS用户体验影响因素是推动MVS快速发展的重要前提。但是究竟是哪些因素影响MVS用户体验，目前尚不清楚，而且现有的信息系统领域用户体验影响因素未必符合并适用于MVS，由于应用领域、使用情景等方面存在差异，用户体验影响因素也会有所不同。鉴于此，笔者对国内外MVS相关文献进行梳理、分析及归纳总结，试图发现影响用户使用MVS的因素，但是在现有的文献中，学者们从用户行为视角对MVS进行研究并不多见。在国外文献中，Cao Y等[5]研究结果显示，用户对等待时间的感知不仅受到用户期望的影响，而且还受到其他基于上下文因素（如链接内容的准确性）的影响。Sang J等[6]研究结果显示，事务性被认为是MVS的首选需求，套索模式获得了最佳的用户体验和性能。在国内文献中，陈明红等[7]构建了MVS行为意向模型，从該模型感知质量变量测度来看，信息质量主要通过与准确性相关的题目来测量，系统质量主要通过与有形性、稳定性和及时性相关的题目来测量，服务质量主要通过与可靠性、专业性和个性化相关的题目来测量。范哲等[8]构建了AR/图像/二维码识别搜索的行为意向模型，从该模型的前因变量测度来看，系统质量主要通过与稳定性、匹配度等相关的题目来测量。此外，段凌宇等[9]指出应结合MVS系统的实际应用环境以及特定需求，优化搜索性能，提升用户体验。张兴旺等[10]认为MVS搜索性能与用户体验效果的匹配问题是MVS应用与推广的挑战之一。

综上所述，从国内外MVS相关文献的分析来看，仅有少数学者从用户行为视角提及影响用户使用MVS的相关因素，诸如准确性、及时性、有形性、稳定性、个性化以及匹配度等。为了确保MVS用户体验的影响因素更具有针对性和说服力，笔者采用扎根理论方法，开展了MVS用户体验影响因素研究[11]，发现MVS用户体验影响因素主要包括准确性、真伪性、完整性、便利性、及时性、可达性、灵活性、有形性和移情性。但是，如何有效测量这些因素是当下面临的一个重要课题。由于MVS作为一种新兴的研究领域，如果直接引用现有的信息系统领域量表，会面临应用领域、使用情景以及量表语义等方面差异的问题。鉴于此，本文参照Churchill G A[12]的范式及Limayem M等[13]的量表开发过程，在前期MVS用户体验影响因素研究的基础上，开发稳健而实用的MVS用户体验影响因素量表，从而解决这些问题。

1 初始量表拟定与评估

1.1 初始量表拟定

本文在前期MVS用户体验影响因素研究的基础上，参照Bailey J E等[14]、Liu C等[15]、Aladwani A M等[16]、Webb H W等[17]、Lee Y等[18]、Huang Z等[19]和左文明[20]的研究成果，结合MVS的应用特点，并根据笔者使用MVS的亲身体验，对MVS用户体验因素进行定义，如表1所示。同时，参照Delone W H等[21]的更新D&M信息系统成功模型、Wixom B H等[22]的整合研究模型和Xu J D等[23]的3Q模型的测量题目，借鉴Mckinney V等[24]、Roca J C等[25]、Melian-Alzola L等[26]、Masrek M N等[27]、Huang Z等[28]、Balog A[29]、Chang C[30]和陈明红等[7]的研究成果，对MVS用户体验影响因素的测量题目进行操作型定义。在此基础上，形成了“MVS用户体验影响因素初始量表”，该量表由45个测量题目构成，如表2所示。

1.2 初始量表评估

1.2.1 量表内容的效度评估

为了确保MVS用户体验影响因素初始量表的内容效度，笔者特邀请5名从事人机交互领域的研究人员对初始量表进行内容分析，目的是让他们检查初始量表是否适合测量MVS用户体验影响因素以及测量题目的清晰度。在具体实施过程中，笔者向他们介绍了本文的研究目的、背景和方法，在征得他们同意后，将“MVS用户体验影响因素初始量表修订意见的征求”[11]发给他们，请他们就各测量题目的清晰度，测量题目之间的相关度，以及测量题目对潜变量的解释程度提出修改意见。

笔者在收集到这5位研究人员的意见反馈后，对每位研究人员的反馈意见进行整理，经过反复斟酌，删除表述重复和有异议的题目，并对语义不清晰和不易理解的测量题目进行了重新表述。此次初始量表修订，共删除测量题目1个，保留测量题目44个。此外，根据反馈意见，还对44个保留测量题目中14个题目进行语义重新表述。

1.2.2 量表内容的适应性调研

为了确保MVS用户体验影响因素初始量表的表面效度，进一步分析初始量表是否能够真实反映MVS用户体验的影响因素，笔者分别对南京大学信息管理学院的5名硕士研究生，海南大学经济与管理学院的7名本科生，湖北科技学院人文与传媒学院的3名本科生，北京交通大学土木建筑工程学院的1名本科生，以及海口市中小企业孵化基地的4位IT在职人员进行了预调研和问卷反馈访谈。在具体实施过程中，笔者向他们介绍了本文的研究目的、背景和方法，在征得他们同意后，将“MVS用户体验影响因素初始量表修订稿的预调研”[11]发给他们，请他们根据实际使用MVS的经历和感受填写问卷。在问卷填写完成后，笔者就问卷填写过程中各个测量题目的含义是否清晰和易理解对他们进行了一对一访谈，并恳请他们填写问卷反馈意见。最后，根据他们的问卷反馈意见和主观感受分值，笔者对一些语义不清晰和不易理解的测量题目进行了修改，对一些含义完全相同的测量题目仅保留其中一项，对主观感受分值较低的测量题目进行了删除，对反馈意见较多的测量题目重新进行了操作型定义。此次初始量表修订，共删除测量题目6个，保留测量题目38个，形成了“修订后的MVS用户体验影响因素初始量表”，如表3所示。为了便于后文表述和统计分析，准确性、真伪性和完整性的测量题目采用IQ+数字表示，便利性、及时性、可达性和灵活性的测量题目采用SysQ+数字表示，有形性和移情性的测量题目采用SQ+数字表示。

2 探索性因子分析

为了使MVS用户体验影响因素量表的测量题目更加准确，本文通过探索性因子分析，对MVS用户体验影响因素量表的测量题目作进一步探索和确定。通过因子分析，一方面可以了解所确定的因子结构是否合适;另一方面可以根据因子载荷筛选简化MVS用户体验影响因素量表的题目数量[31]。此外，Lapierre J等[32]认为可以通过基于方差旋转的主成分分析法来确定一组特定变量的潜在因素。据此，本文采用主成分分析法进行探索性因子分析，并采用最大方差正交旋转法进行因子旋转。

2.1 问卷设计

依据表3，本文设计了MVS用户体验影响因素探索性因子分析调查问卷[11]。该调查问卷由两部分构成：第一部分是用户基本信息;第二部分是MVS用户体驗影响因素量表，共由38个测量题目构成，主要用于测量9个因素。其中，准确性、真伪性和完整性由14个题目来测量;便利性、及时性、可达性和灵活性由15个题目来测量;有形性和移情性由9个题目来测量。测量题目的测量均采用李克特（Likert）七级等距量表[33-34]，其中“1”为完全不同意、“2”为不同意、“3”为比较不同意、“4”为不确定、“5”为比较同意、“6”为同意、“7”为完全同意，MVS用户根据自己实际体验情况进行选择。

2.2 样本构成与数据收集

本次问卷调查采用便利抽样法，通过线上（问卷星）和线下（纸质）两种方式共发放350份调研问卷，回收问卷336份，回收率为96%，剔除全部选“1”或“7”及其他无效问卷34份，有效问卷302份，有效率为89.9%。另外，Maccallum R C等[35]和Zeng L等[36]建议在因子分析和回归分析中，样本数应该是测量题目的5～10倍。本文的MVS用戶体验影响因素量表测量题目为38个，有效问卷302份，样本量大约为测量题目的8倍，满足因子分析所需样本数。

在此次问卷调查对象中，男性138人，女性164人;年龄段分布，24岁以下154人、25～30岁91人、31～35岁39人、36～40岁8人、41岁以上10人;教育水平涵盖大专6人、本科232人、硕士46人、博士学历18人;调查对象使用经验分布，半年以下120人、半年～1年（不含1年）54人、1～2年（不含2年）52人、2～3年（不含3年）46人、3年及以上30人。从调查对象的性别和年龄段占比来看，男性占比为45.7%，女性占比为54.3%;24岁以下占比为51.0%，25～30岁占比为30.1%，与《2019Q1中国移动搜索市场研究报告》[1]中性别和年龄段占比基本一致，使用MVS拍照搜索以年轻用户为主。因此，笔者认为该样本在一定程度上可以代表总体。

2.3 量表信度与效度检验

2.3.1 信度检验

信度（Reliability）指的是可靠性，信度检验主要基于真分数测量理论，用于测度指标体系的内部一致性，常采用Cronbach's Alpha系数来判定，当Cronbach's Alpha系数值越高时，说明测量题目的内部一致性越高，信度也就越好。Hair J F等[37]和Fornell C等[38]认为Cronbach's Alpha>0.70表示测量题目之间具有较好的内部一致性;在探索性研究中，0.60≤Cronbach's Alpha≤0.70被认为是可以接受的。此外，由于Cronbach's Alpha对潜变量（构念）的测量题目数量非常敏感[39-40]，因此本文尽量采用较少的测量题目对MVS用户体验影响因素进行测量。

经计算，便利性的Cronbach's Alpha=0.885，真伪性的Cronbach's Alpha=0.699，完整性的Cronbach's Alpha=0.794，以及总量表的Cronbach's Alpha=0.826。便利性的Cronbach's Alpha=0.862，及时性的Cronbach's Alpha=0.892，可达性的Cronbach's Alpha=0.919，灵活性的Cronbach's Alpha=0.867，以及总量表的Cronbach's Alpha=0.928。有形性的Cronbach's Alpha=0.842，移情性的Cronbach's Alpha=0.848，总量表的Cronbach's Alpha=0.898。此外，所有因素总量表的Cronbach's Alpha=0.946。这些结果表明，本次调查问卷的测量题目之间有较好的内部一致性和可靠性，样本测量数据具有较高的信度，而且符合Hair J F等[37]和Fornell C等[38]关于测量题目之间内部一致性的要求。

2.3.2 效度检验

效度（Validity）指的是有效性，效度检验主要用于衡量测量工具能否有效地测量被测对象，通俗地说是指测量工具的准确性。由于本文从初始量表拟定到调查问卷形成之前，已进行了两轮严谨科学的量表内容效度评估和适应性预调研，核查了初始量表所有测量题目，因此MVS用户体验影响因素量表各因素有较好的内容效度。此外，本文采用主成分分析法进行探索性因子分析，并采用最大方差正交旋转法进行因子旋转来测量调查问卷的结构效度。为了确定调查问卷的结构效度以及测量题目背后是否具有潜在构念，本文在进行因子分析之前，首先通过取样适切性量数（KMO）的大小和巴特利特球形检验（Bartlett Test）是否显著来判断测量题目之间是否适合做因子分析[41]。Kaiser H F[42]和邱皓政[43]认为KMO值大于0.8进行因子分析是良好的。经计算，本次调查问卷的测量题目样本数据KMO值为0.881，Bartlett Test在0.000的水平上显著。表明本次调查问卷的测量题目之间存在共同因素，非常适合进行因子分析。

2.4 测量题目探索性因子分析

通过因子提取和共同因子旋转，这样每个因子都可以归属于一个明确的潜变量（构念），从而形成一个合理的因子结构[44]。因子提取方法为提取特征值大于1的因子的主成分分析法，因子旋转方法为最大方差正交旋转法。本文采用SPSS 24.0对测量题目进行探索性因子分析，共提取8个主成分，总体方差解释率为72.38%。Tabachnick B G等[45]认为当因素负荷量大于0.55时，该因素可以解释测量题目30%的方差是好的状况;当因素负荷量大于0.71时，该因素可以解释测量题目50%的方差，是非常理想的状况[43]。鉴于此，本文将因素负荷量大于0.55的测量题目提取出来，作为8个主成分的测量题目。然而，第六主成分仅包含IQ8和IQ9两个测量题目，第七主成分仅包含IQ13和IQ14两个测量题目，第八主成分仅包含IQ6和IQ7两个测量题目，通常每个潜变量（构念）的测量题目至少为3个才有研究意义，所以这里不足以继续划分测量题目，应予以删除[46]。由于SQ30、SQ31、SQ32、SQ33和SQ34等5个测量题目对应的因素负荷量小于0.55，应予以删除。此外，由于第一主成分包含了便利性、及时性和可达性的所有测量题目，说明这些测量题目的意义比较接近，需要在验证性因子分析阶段通过判断残差是否独立，来删除意义比较接近的测量题目。

通过探索性因子分析，本文共删除了11个测量题目，剩下27个测量题目。最后，本文将第一主成分命名为快捷性（Quickness），第二主成分命名为准确性（Accuracy），第三主成分命名为灵活性（Flexibility），第四主成分命名为移情性（Empathy），第五主成分命名为完整性（Completeness）。在此基础上，形成了“探索性因子分析后的MVS用户体验影响因素量表”，如表4所示。

3 驗证性因子分析

3.1 问卷设计

经过探索性因子分析后，本文将剩下的27个测量题目进入了验证性因子分析阶段。根据探索性因子分析后的测量题目，本文设计了MVS用户体验影响因素验证性因子分析调查问卷[11]。该调查问卷由两部分构成：第一部分是用户基本信息;第二部分是MVS用户体验影响因素量表，共由27个测量题目构成，主要用于测量5个主成分。其中，准确性和完整性由8个题目来测量;快捷性和灵活性由15个题目来测量;移情性由4个题目来测量。测量题目的测量均采用李克特（Likert）七级等距量表[33-34]，其中“1”为完全不同意、“2”为不同意、“3”为比较不同意、“4”为不确定、“5”为比较同意、“6”为同意、“7”为完全同意，MVS用户根据自己实际体验情况进行选择。

3.2 样本构成与数据收集

本次问卷调查采用便利抽样法，通过线上（问卷星）和线下（纸质）两种方式共发放300份调研问卷，回收问卷289份，回收率为96.3%，剔除全部选“1”或“7”及其他无效问卷9份，有效问卷280份，有效率为96.9%。另外，结构方程模型（Structural Equation Modeling，SEM）作为一种大样本分析方法，Hair J F等[47]建议样本数量一般应为观测变量的10～15倍。本文验证性因子分析观测变量为27个，样本量应在270～405个范围之内。由于本次问卷调查收集有效的样本数为280个，满足Hair J F等[47]关于SEM分析所需样本数量的要求。

在此次问卷调查对象中，男性126人，女性154人;年龄段分布，24岁以下147人、25～30岁88人、31～35岁35人、36～40岁5人、41岁以上5人;教育水平涵盖大专4人、本科211人、硕士45人、博士学历20人;调查对象使用经验分布，半年以下109人、半年～1年（不含1年）51人、1～2年（不含2年）47人、2～3年（不含3年）46人、3年及以上27人。从调查对象的性别和年龄段占比来看，男性占比为45.0%，女性占比为55.0%;24岁以下占比为52.5%，25～30岁占比为31.4%，与《2018Q1中国移动搜索市场研究报告》[1]中性别和年龄段占比基本一致，使用MVS拍照搜索以年轻用户为主。因此，笔者认为该样本在一定程度上可以代表总体。

3.3 测量模型验证性因子分析

本文将主成分（因素）及其测量题目作为测量模型，并在Amos 22.0中通过验证性因子分析对测量题目的有效性作进一步验证。针对测量模型进行验证性因子分析，Segars A H[48]认为较差的潜变量测量模型可能导致错误的结论;Anderson J C等[49]认为好的潜变量测量模型是做潜变量因果分析的前提;Jackson D L等[50]指出研究人员在做SEM时通常在评估结构模型之前应先评估测量模型;Brown T A[51]认为在很多情况下SEM的问题是由测量模型的问题引起的，可以通过验证性因子分析进行识别。

本文通过比较样本协方差矩阵与模型协方差矩阵之间的差异[52]，对测量题目的有效性作进一步验证，并采用模型拟合度指数来表示这两个矩阵的整体差异。Byrne B M[53]认为SEM分析的必要条件是要有不错的模型拟合度指标，模型拟合度指标越好说明SEM理论模型矩阵与样本矩阵越接近。本文模型拟合度指数参照Iacobucci D[54]的建议标准：卡方与自由度之比（CMIN/DF）约为3，拟合优度指数（GFI）和比较拟合指数（CFI）约为0.9，近似误差均方根（RMSEA）在0.09以内;Kenny D A[55]、Hu L T等[56]的建议标准：标准化残差均方根（SRMR）小于0.08;Doll W J等[57]的建议标准：拟合优度指数（GFI）和调整拟合优度指数（AGFI）在0.8～0.89范围内，表示该模型是可以接受的。

3.3.1 准确性测量模型验证

经计算，准确性测量模型的标准化因素负荷量在0.658～0.825之间而且显著，组成信度（CR）=0.868，平均方差萃取量（AVE）=0.571，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5、组成信度（CR）>0.6、平均方差萃取量（AVE）>0.5、多元相关系数的平方（SMC）>0.5。说明该测量模型题目可靠，具有内部一致性和收敛效度。准确性测量模型的拟合度指数中CMIM/DF=4.806和RMSEA=0.117，两者数值稍偏大，不符合Iacobucci D[54]的建议标准，其他拟合度指数均符合本文拟合度指数参照标准。说明测量题目的残差不独立，违反残差独立假设，然而删除测量题目IQ5，可降低卡方值。鉴于此，本文删除测量题目IQ5，修正后的准确性测量模型拟合度指数均达到本文拟合度指数参照标准。

3.3.2 完整性测量模型验证

经计算，完整性测量模型的标准化因素负荷量在0.680～0.970之间而且显著，组成信度（CR）=0.839，平均方差萃取量（AVE）=0.641，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5，组成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相关系数的平方（SMC）>0.5。说明该测量模型题目可靠，具有内部一致性和收敛效度。完整性测量模型的拟合度指数中GFI=1.000，说明估计参数与自由度相等，即是拟合度100%。

3.3.3 快捷性测量模型验证

经计算，准确性测量模型的标准化因素负荷量在0.681～0.864之间而且显著，组成信度（CR）=0.949，平均方差萃取量（AVE）=0.628，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5，组成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相关系数的平方（SMC）>0.5。说明该测量模型题目可靠，具有内部一致性和收敛效度。准确性测量模型的拟合度指数中CMIM/DF=12.301和RMSEA=0.201，两者数值较大，不符合Iacobucci D[54]的建议标准，其他拟合度指数（除SRMR外）也不符合本文拟合度指数参照标准。说明测量题目的残差不独立，违反残差独立假设，然而删除测量题目SysQ10、SysQ12、SysQ13、SysQ14、SysQ16和SysQ18，大幅度降低卡方值。鉴于此，本文删除测量题目SysQ10、SysQ12、SysQ13、SysQ14、SysQ16和SysQ18，修正后的快捷性测量模型拟合度指数均达到本文拟合度指数参照标准。

3.3.4 灵活性测量模型验证

经计算，灵活性测量模型的标准化因素负荷量在0.600～0.926之间而且显著，组成信度（CR）=0.872，平均方差萃取量（AVE）=0.635，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5，组成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相关系数的平方（SMC）>0.5。说明该测量模型题目可靠，具有内部一致性和收敛效度。灵活性测量模型的拟合度指数均达到本文拟合度指数参照标准。

3.3.5 移情性测量模型验证

经计算，移情性测量模型的标准化因素负荷量在0.687～0.857之间而且显著，组成信度（CR）=0.863，平均方差萃取量（AVE）=0.613，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5，组成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相关系数的平方（SMC）>0.5。说明该测量模型题目可靠，具有内部一致性和收敛效度。移情性测量模型的拟合度指数中CMIM/DF=4.633和RMSEA=0.114，两者数值稍偏大，不符合Iacobucci D[54]的建议标准，其他拟合度指数均符合本文拟合度指数参照标准。说明测量题目的残差不独立，违反残差独立假设，然而删除测量题目SQ24，卡方值有所降低。鉴于此，本文删除测量题目SQ24，修正后的移情性测量模型的拟合度指数GFI=1.000，说明估计参数与自由度相等，即是拟合度100%。

3.3.6 组合模型验证

本文对由准确性、完整性、快捷性、灵活性和移情性5个测量模型组成的组合模型进行了验证性因子分析，如表5～表7所示。从表5可知，该组合模型的标准化因素负荷量在0.619～0.913之间而且显著，组成信度（CR）在0.840～0.894之间，平均方差萃取量（AVE）在0.576～0.660之间，符合Hair J F等[58]、Fornell C等[38]的建议标准：标准化因素负荷量（Standard Factor Loading）>0.5，组成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相关系数的平方（SMC）>0.5。说明该组合模型各构念的测量题目可靠，具有内部一致性和收敛效度。从表6可知，对角线粗体字为AVE的算术平方根，下三角为各副范畴构念之间的皮尔逊（Pearson）相关系数，符合Bagozzi R P等[59]的建议标准：AVE的算术平方根应大于构念之间皮尔逊（Pearson）相关系数的绝对值。说明该组合模型各构念之间有较好的区别效度。从表7可知，该组合模型的拟合度指数均符合Iacobucci D[54]、Kenny D A[55]、Hu L T等[56]、Doll W J等[57]的建议标准。此外，该组合模型的标准化路径结构，如图1所示。综合上述分析，本文最终得到了“MVS用户体验影响因素量表”，如表8所示。

4 结论与展望

本文针对MVS这一新兴领域，在前期MVS用户体验影响因素研究的基础上，借鉴已有的研究成果，对MVS用户体验影響因素的测量题目进行操作型定义，形成了“MVS用户体验影响因素初始量表”。在初始量表设计完成后，对初始量表内容进行了效度评估和适应性调研，并根据反馈意见对初始量表进行了修订。为了使MVS用户体验影响因素量表的测量题目更加准确，通过探索性因子分析对MVS用户体验影响因素量表的测量题目作进一步探索和确定。最后，通过验证性因子分析，对MVS用户体验影响因素量表的内部一致性信度、收敛效度和区别效度进行了检验，删除了残差不独立的测量题目，各指标均在建议的标准范围之内。在此基础上，本文得到了“MVS用户体验影响因素量表”，该量表共由19个测量题目构成。其中，准确性和完整性由7个题目来测量;快捷性和灵活性由9个题目来测量;移情性由3个题目来测量。

该量表开发研究具有一定的理论和现实意义。理论意义在于，与现有信息系统领域的量表相比，该量表针对的是MVS这一新兴领域，不仅避免了引用量表时面临应用领域、使用情景以及量表语义等方面差异的问题，还丰富了信息系统领域量表方面的研究。现实意义在于，MVS的管理者、设计者及运营商可以借助该量表了解MVS用户的使用行为，以便于更有针对性地提出用户体验优化策略。

在后续的研究工作中，本文所构建的MVS用户体验影响因素量表及所采用的方法还可能有如下具体应用：①在研究MVS用户体验影响因素相关问题中，为设计MVS用户体验影响因素的测量指标建立基础。②借鉴心理学和用户体验相关理论，构建MVS用户体验影响因素作用机理模型，利用结构方程模型进行实证研究。③通过单因素方差分析等方法检验性别、年龄、受教育水平、MVS使用经验等不同的用户群体，对MVS用户体验影响因素的感知是否有显著差异。④为不同国家、不同文化以及不同地域背景下的MVS用户体验影响因素量表开发提供方法参考。

参考文献

[1]艾媒咨询.2019—2020年中国移动搜索市场运行监测报告[EB/OL].https：//www.iimedia.cn/c400/68529.html，2020-08-26.

[2]中国互联网络信息中心（CNNIC）.第45次中国互联网络发展状况统计报告[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202004/P020200428596599037028.pdf，2020-08-26.

[3]朱庆华.大数据环境下数字资源移动视觉搜索机制[J].情报资料工作，2016，（4）：5.

[4]赵宇翔，朱庆华.大数据环境下移动视觉搜索的游戏化机制设计[J].情报资料工作，2016，（4）：19-25.

[5]Cao Y，Ritz C，Raad R.How Much Longer to Go？The Influence of Waiting Time and Progress Indicators on Quality of Experience for Mobile Visual Search Applied to Print Media[C]//Fifth International Workshop on Quality of Multimedia Experience.IEEE，2013：112-117.

[6]Sang J，Mei T，Xu Y Q，et al.Interaction Design for Mobile Visual Search[J].IEEE Transactions on Multimedia，2013，15（7）：1665-1676.

[7]陈明红，甄慧琳，韦芷晴，等.移动视觉搜索行为意向模型及实证研究[J].图书馆论坛，2018，（12）：1-10.

[8]范哲，刘轶伦.感知有用与易用对用户移动视觉搜索行为意向的影响分析[J].情报资料工作，2020，41（1）：79-86.

[9]段凌宇，黄铁军，阿莱克斯·考特，高文.移动视觉搜索技术瓶颈与挑战[J].中国计算机学会通讯，2012，8（12）：8-15.

[10]张兴旺，黄晓斌.国外移动视觉搜索研究述评[J].中国图书馆学报，2014，40（3）：114-128.

[11]孟猛.移动视觉搜索平台用户体验研究[D].南京：南京大学大学，2020.

[12]Churchill G A.A Paradigm for Developing Better Measures of Marketing Constructs[J].Journal of Marketing Research，1979，16（1）：64-73.

[13]Limayem M，Hirt S G，Cheung C M K.How Habit Limits the Predictive Power of Intention：The Case of Information Systems Continuance[J].MIS Quarterly，2007，31（4）：705-737.

[14]Bailey J E，Pearson S W.Development of a Tool for Measuring and Analyzing Computer User Satisfaction[J].Management Science，1983，29（5）：530-545.

[15]Liu C，Arnett K P.Exploring the Factors Associated with Web Site Success in the Context of Electronic Commerce[J].Information & Management，2000，38（1）：23-33.

[16]Aladwani A M，Palvia P C.Developing and Validating an Instrument for Measuring User-perceived Web Quality[M].Elsevier Science Publishers B.V，2002.

[17]Webb H W，Webb L A.SiteQual：An Integrated Measure of Web Site Quality[J].Journal of Enterprise Information Management，2004，17（6）：430-440.

[18]Lee Y，Kozar K A.Investigating the Effect of Website Quality on E-business Success：An Analytic Hierarchy Process（AHP）Approach[J].Decision Support Systems，2007，42（3）：1383-1401.

[19]Huang Z，Benyoucef M.From E-commerce to Social Commerce：A Close Look at Design Features[J].Electronic Commerce Research & Applications，2013，12（4）：246-259.

[20]左文明.電子商务服务设计与管理[M].北京：科学出版社，2017：17-18.

[21]Delone W H，McLean E R.The DeLone and McLean Model of Information Systems Success：A Ten-year Update[J].Journal of Management Information Systems，2003，19（4）：9-30.

[22]Wixom B H，Todd P A.A Theoretical Integration of User Satisfaction and Technology Acceptance[J].Information Systems Research，2005，16（1）：85-102.

[23]Xu J D，Benbasat I，Cenfetelli R T.Integrating Service Quality with System and Information Quality：An Empirical Test in the E-service Context[J].MIS Quarterly，2013，37（3）：337-352.

[24]Mckinney V，Yoon K，Zahedi F.The Measurement of Web-Customer Satisfaction：An Expectation and Disconfirmation Approach[J].Information Systems Research，2002，13（3）：296-315.

[25]Roca J C，Chiu C M，Martínez F J.Understanding E-learning Continuance Intention：An Extension of the Technology Acceptance Model[J].International Journal of Human-Computer Studies，2006，64（8）：683-696.

[26]Melian-Alzola L，Padron-Robaina V.Tangibility as a Quality Factor in Electronic Commerce B2C[J].Journal of Service Theory and Practice，2006，16（3）：320-338.

[27]Masrek M N，Jamaludin A，Mukhtar S A.Evaluating Academic Library Portal Effectiveness：A Malaysian Case Study[J].Library Review，2010，59（3）：198-212.

[28]Huang Z，Benyoucef M.From E-commerce to Social Commerce：A Close Look at Design Features[J].Electronic Commerce Research & Applications，2013，12（4）：246-259.

[29]Balog A.Testing a Multidimensional and Hierarchical Quality Assessment Model for Digital Libraries[J].Studies in Informatics and Control，2011，20（3）：233-246.

[30]Chang C.Exploring the Determinants of E-learning Systems Continuance Intention in Academic Libraries[J].Library Management，2013，34（1/2）：40-55（16）.

[31]張晋朝.信息需求调节下社会化媒体用户学术信息搜寻行为影响规律研究[D].武汉：武汉大学，2015.

[32]Lapierre J，Giroux V P.Creativity and Work Environment in a High-Tech Context[J].Creativity & Innovation Management，2003，12（1）：11-23.

[33]Finn R H.Effects of Some Variations in Rating Scale Characteristics on the Means and Reliabilities of Ratings[J].Educational & Psychological Measurement，1972，32（2）：255-265.

[34]Kankanhalli A，Ye H J，Teo H H.Comparing Potential and Actual Innovators：An Empirical Study of Mobile Data Services Innovation[J].MIS Quarterly，2015，39（3）：667-682.

[35]Maccallum R C，Widaman K F，Zhang S，et al.Sample Size in Factor Analysis.[J].Psychological Methods，1999，4（1）：84-99.

[36]Zeng L，Salvendy G，Zhang M.Factor Structure of Web Site Creativity[J].Computers in Human Behavior，2009，25（2）：568-577.

[37]Hair J F，Ringle C M，Sarstedt M.PLS-SEM：Indeed a Silver Bullet[J].Journal of Marketing Theory & Practice，2011，19（2）：139-152.

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

[39]Cronbach L J，Warrington W G.Time-limit Tests：Estimating Their Reliability and Degree of Speeding[J].Psychometrika，1951，16（2）：167-188.

[40]Koopman R J，Petroski G F，Canfield S M，et al.Development of the PRE-HIT Instrument：Patient Readiness to Engage in Health Information Technology[J].Bmc Family Practice，2014，15（1）：18-18.

[41]Aladwani A M，Palvia P C.Developing and Validating an Instrument for Measuring User-perceived Web Quality[J].Information & Management，2002，39（6）：467-476.

[42]Kaiser H F.An Indexo Factorial Simplicity[J].Psychometrika，1974，39（1）：34-36.

[43]邱皓政.量化研究與统计分析：SPSS（PASW）数据分析范例解析[M].重庆：重庆大学出版社，2017.

[44]Spicer J.Making Sense of Multivariate Data Analysis[J].Annals of Pharmacotherapy，2005，46（6）：812-821.

[45]Tabachnick B G，Fidell L S.Using Multivariate Statistics（5th ed.）[M].Boston，MA：Allyn and Bacon，2007.

[46]袁红.消费者社会化搜寻行为研究[M].武汉：武汉大学出版社，2014：295.

[47]Hair J F，Anderson R E，Tatham R L，et al.Multivariate Data Analysis，5th Ed[J].All Publications，1998.

[48]Segars A H.Assessing the Unidimensionality of Measurement：A Paradigm and Illustration with in the Context of Information Systems Research[C]//2009：107-121.

[49]Anderson J C，Gerbing D W.Some Methods for Respecifying Measurement Models to Obtain Unidimensional Construct Measurement[J].Journal of Marketing Research，1982，19（4）：453-460.

[50]Jackson D L，Gillaspy J A，Purcstephenson R.Reporting Practices in Confirmatory Factor Analysis：An Overview and Some Recommendations[J].Psychological Methods，2009，14（1）：6-23.

[51]Brown T A.Confirmatory Factor Analysis for Applied Research[J].Guilford Pubn，2006.

[52]吴明隆.结构方程模型：AMOS的操作与应用（第2版）[M].重庆：重庆大学出版社，2010.

[53]Byrne B M.Structural Equation Modeling with AMOS：Basic Concepts，Applications，and Programming[M].Structural Equation Modeling with AMOS：Basic Concepts，Applications，and Programming.Routledge，2009：343-344.

[54]Iacobucci D.Structural Equations Modeling：Fit Indices，Sample Size，and Advanced Topics[J].Journal of Consumer Psychology，2010，20（1）：90-98.

[55]Kenny D A.Measuring Model Fit[EB/OL].http：//davidakenny.net/cm/fit.htm.

[56]Hu L T，Bentler P M.Fit Indices in Covariance Structure Modeling：Sensitivity to Underparametrized Model Misspesification[J].Psychological Methods，1998，3（4）：424-453.

[57]Doll W J，Xia W，Torkzadeh G.A Confirmatory Factor Analysis of the End-user Computing Satisfaction Instrument[J].MIS Quarterly，1994：453-461.

[58]Hair J F，Black W C，Babin B J，et al.Multivariate Data Analysis（7th Edition）[M].Prentice Hall，New Jersey，USA，2009.

[59]Bagozzi R P，Yi Y.On the Evaluation of Structural Equation Models[J].Journal of the Academy of Marketing Science，1988，16（1）：74-94.

（责任编辑：陈 媛）