突发公共卫生事件下公众持续使用政府信息行为影响因素研究——基于QCA的触发路径及演化分析

段尧清 朱永迪 蔡启宾 王 蕊

(华中师范大学信息管理学院,武汉,430079)

1 引言

突发公共卫生事件下的政府信息公开是指政府将其在应急管理中获取和拥有的信息主动向公众公开以满足公众知情权的一系列行为措施。 在突发公共卫生事件中，公众信息闭塞极易造成社会恐慌而影响社会秩序，同时也会造成次生人员伤亡与财产损失。 当公民的人身安全与财产安全受到威胁时，必然会极大削弱政府的公信力。 新冠肺炎疫情即是典型的突发公共卫生事件。 整个新冠肺炎疫情大概可以分为原始阶段与变异阶段。在原始阶段以COVID-19病毒为主，而随着疫情的传播发展，病毒进入变异阶段，产生了新的毒株，如阿尔法、贝塔、德尔塔、奥密克戎[1]等。 其中，奥密克戎毒株的传播导致了2022年3月国内疫情的多点、散发反弹，一度让全国防疫形势再度紧张。 从COVID-19病毒到奥密克戎变异毒株的演化，体现了公共卫生事件的突发、难预测以及延续性；而每一次变异后再度紧张的疫情形势，则体现了疫情周期性循环的特点。 正是新冠肺炎疫情这种突发公共卫生事件的持续与周期性发生，导致了公众对政府信息的持续性需求与使用。 研究这种情景下公众对政府信息的持续使用行为的触发路径与因素的演化情况，有助于政府在解决突发公共卫生事件与维护社会安全方面占得先机，树立政府正面形象，提高政府对突发公共卫生事件的治理能力，增强政府信息开放服务效果。

2 文献综述

政府信息公开是指行政机关在履行职责过程中，对制作或者获取的以一定形式记录、保存的信息的及时、准确地公开发布[2]。 在高度信息化的背景下，政府信息公开已经从人工政务转向了电子政务与移动电子政务。 国内外学者针对社会公众电子政务持续使用行为的影响因素研究主要是基于一定的理论模型，再扩充条件因素构建新的模型而进行的实证研究。 首先是研究方法上的差异，基于不同的研究方法研究电子政务公众持续使用行为，能更全面地揭示公众持续使用电子政务的机理。 各研究应用最多的理论模型是技术接受模型（TAM）[3]、信息系统成功模型（ISSM）[4]、期望确认模型（ECMISM）[5]。 其次是研究对象上的差异，基于不同电子政务平台的研究，有助于针对性开展政府信息公开渠道优化工作，进一步提高政府信息公开服务质量与群众满意度[6-10]。最后是变量选择上的差异，影响因素研究是行为研究最本质最核心的研究，差异化的变量选择则深化了公众电子政务持续使用行为的研究。 从现有的研究内容来看，公众电子政务持续使用行为影响因素研究的变量主要是TAM 模型中的感知有用性、感知易用性[11]以及ECM-ISM 模型中的满意度与期望确认[9]，说明公众持续使用电子政务如政府信息公开的关键点在于用户，只有其主观上确实感到使用体验良好且大于预期才会持续使用。 除此以外，信息质量、系统质量等质量因素[12]也对公众电子政务持续使用行为有着较为重要的影响。 其余的变量如习惯[13]、沉浸状态[14]等因素也被各作者扩展性纳入模型中进行了验证。 综合来看，学者们都倾向于构建一个基础性的模型来概括公众电子政务持续使用行为的各种情况，而针对不同情形下的公众对电子政务持续使用行为的研究却较少。 尤其是在突发公共卫生事件背景下，政府信息公开这类电子政务更是起着至关重要的作用。 在2020年新冠肺炎疫情中，如果信息披露更加及时、透明，舆论引导将取得更好的成效。 因此，从差异性情景出发，驱动政府信息公开工作优化是有必要的。

突发公共卫生事件下的政府信息属于应急信息，突发公共卫生事件下的政府信息行为属于应急信息行为。 对于应急信息行为影响因素的研究，主要集中在应急信息搜寻与获取行为的影响因素研究，以及应急信息采纳与利用行为的影响因素研究。 其中应急信息搜寻与获取行为的影响因素研究是为了探究公众搜寻或获取应急信息的机理，以缓解突发事件下社会公众的信息饥渴状态。 应急信息搜寻与获取行为的影响因素主要包含环境因素[15]、获取渠道[16]、习惯与偏好[17]、信息本身因素[18]以及个人因素[19]。 应急信息采纳与利用行为的影响因素研究是为了解析社会公众在获取应急信息后，采纳其内容并转化为内在决策力的机理，从根本上满足公众的应急信息需求，优化舆情管理与政府信息公开工作。 应急信息采纳与利用行为的影响因素包括了环境因素、信息素养、感知风险与信息有用性等[20]。 在突发公共卫生事件情景下，公众对应急信息的使用行为的影响因素研究较为丰富，但持续使用行为的影响因素研究则较为缺乏。

综上所述，一方面，政府信息公开在政务电子化与移动化趋势之下已经成为电子政务中的一部分。 关于社会公众电子政务持续使用行为的影响因素研究已经非常丰富，但仍旧缺乏情景化考虑，对突发公共卫生事件下的政府信息公开工作指导不足。 另一方面，突发公共卫生事件下公众使用政府信息行为即使用应急信息行为的影响因素研究还存在着将用户初始采纳或利用行为与持续使用行为割裂的局限性。 疫情常态化的现在，疫情在严峻与缓和间周期往复的形势给政府信息公开带来了巨大的考验，只有综合把握公众对政府信息使用的情景性与持续性，才能够长久保证政府应对突发公共卫生事件的能力。

3 研究路径设计

3.1 研究路径

本研究通过扎根理论提取突发公共卫生事件政府信息公众持续使用行为的影响因素，并在此基础上以新冠肺炎疫情为例设计问卷，从收集的数据中明确突发公共卫生事件不同阶段能够触发政府信息公众持续使用行为的因素组合路径，然后归纳分析总结各阶段的路径，最终得到突发公共卫生事件公众持续使用政府信息行为影响因素的演化过程。 具体研究路径见附图1。

3.2 研究样本选择与资料收集

在已有的报告中发现，超七成青年认为，疫情期间的“官民沟通”有不同程度的改善与提升[21]，在重大突发事件中，高学历、高收入、经济发达地区的青年群体为政府建言献策的意愿更为强烈，意味着这类群体对政府信息公开工作相关的问题更为敏感，且具备更新、交叉性更强的知识结构，保证了其对政府信息相关主题内容的理解能力与使用情况的辨析，有利于研究的开展。特别是具有相应知识背景的青年群体，他们能够应用其强大的知识网络迅速对政府信息公开的效果进行感知与反馈。 因此，为更加全面地萃取与突发公共卫生事件政府信息持续使用行为影响因素相关的潜在类属与维度，本研究在访谈前期主要选取本校内较年轻且学历层次较高的青年群体兼具有一定政府信息公开相关专业知识背景的人员17名作为访谈对象；而在访谈后期，本研究则采取差异化抽样策略，尽可能获取不同年龄段、文化程度以及职业的样本资料，并保证具备政府信息公开相关知识背景的受访者比例不会过低，以此继续收集了10名受访者资料，让研究获得的资料与提炼的概念范畴兼顾普适性与深度。

最终收集到27位受访者的访谈数据，在选取的访谈样本中，男性占比51.85%，女性占比48.15%，保证了较小的性别差异，其中35岁及以下的受访者占全样本88.89%；在文化程度方面，受教育程度为本科及以上的受访者占全样本92.59%；在专业背景方面，有与政府信息公开密切相关的信息管理专业知识背景的受访者占全样本的55.56%（见附表1）。

在触发路径分析的问卷调查阶段，本研究为了保证样本的可获得性与实验的可控性，采用了便利抽样，随机选取身边的人进行问卷调查，再由其继续向身边的人推广进行问卷调查。 研究共发放200份问卷，除去几乎完全选择同一选项的问卷以及完全相同的问卷，最终收到170份有效问卷。

在收集的问卷样本中，女性占比57%，男性占比43%，这一比例差异产生的原因在于大部分舍弃的样本为男性；在年龄方面，35岁及以下的受访者占全样本81.8%，政府信息公开作为电子政务的一部分，更容易被年轻的群体，特别是青年群体所接受。 他们在疫情期间通过各种渠道接触、使用政府信息，对于政府信息公开工作的成效更为敏感，也就更容易辨析各因素对突发卫生事件中公众持续使用政府信息行为的影响，使得本研究不仅在年龄层上符合政府信息使用的年龄构成，也更具有代表性；在文化程度方面，受教育程度为本科及以上的受访者占全样本87.1%。 文化程度更高的群体拥有更好的理解能力，能够将其想法更为确切地反映在调查问卷的选项上，保证了调查的准确性（见附表2）。

综合来说，年轻化的受访者构成保证了半结构化访谈收集到的第一手资料的内容质量。 高学历与高相关的知识背景构成则保证了半结构化访谈收集到的第一手资料的质量以及问卷数据收集的准确性。 本研究选取的访谈与问卷调查样本具有代表性。

4 突发公共卫生事件公众持续使用政府信息行为影响因素提取

在收集到访谈数据后，运用扎根理论对访谈数据进行三段式编码，从而提取出突发公共卫生事件公众持续使用政府信息行为影响因素。

4.1 开放式编码

开放式编码，即一级编码。 其内容是对由访谈得到的原始经验资料内任何可以进行编码的字、短语和句子进行概念标签化。 其目的是从收集到的经验资料中发现初始概念并挖掘其中的联系而产生概念化的范畴。 本研究的访谈资料收集时间为2021 年2 月到2021年8月，持续时间6个月。 利用Nvivo 12专业质性分析软件，从将近12万字的原始访谈资料中提取相应的初始概念，形成了突发公共卫生事件公众持续使用政府信息行为因素的初始概念32个，通过进一步对初始概念的分析、归纳与合并，可以得到个人心理因素、特质驱动等11 个范畴。 最终得到的开放式编码表（部分）见附表3。

4.2 主轴编码

对开放式编码步骤中得到的11个范畴进一步进行主轴编码，发现和建立其中的潜在逻辑关系，挖掘出范畴间的层次，从中发展出核心范畴与主范畴。 本研究对开放式编码中得到的各个不同范畴在概念层次上存在的联系归纳出4 个核心范畴，分别为个人驱动因素、事件因素、政府因素、信息因素等四大影响突发公共卫生事件公众持续使用政府信息行为的因素（见附表4）。

4.3 选择性编码

选择性编码是对主轴编码所得内容进行再一次整合和精炼，分析各核心范畴之间的典型联系，并以此为框架将核心范畴与主范畴系统地联系起来构成典型模型，分析并验证范畴间的联系。 通过对主轴编码中得到的核心范畴与主范畴的再次提炼分析，最终得到选择性编码分析结果，如表1所示。

表1 选择性编码结果

社会认知理论研究的是内在个体、环境与个体行为三者之间的相互影响关系[22]。 该理论指出，人的行为由外部环境因素与内在想法共同决定。 将社会认知理论应用于本研究可以得知，内在个体主要是个体驱动因素，而事件因素、政府因素与信息因素属于环境客观因素，他们共同影响了公众对突发公共卫生事件政府信息的持续使用行为，因而具备因果关系。 而同时，环境客观因素影响着个人对事件的接受度、心理状况与需求，从外在调节内在个体驱动，从而影响其对政府信息的使用。由此构建突发公共卫生事件下公众持续使用政府信息行为影响因素的典型模型（见附图2）。

4.4 理论饱和度分析

扎根理论方法在最后需要验证理论构建的饱和度，即构建理论的全面性、完整性，以确保不存在未被归纳的类属而影响结果的科学性。因此，在研究者不再发现新的概念和范畴之前，需一直收集新的数据进行分析并对模型进行修正。 本研究在继续收集5位用户的访谈资料进行编码后，并没有发现新的范畴与关系，据此判断本研究的范畴已经达到饱和状态。

5 不同阶段公众持续使用政府信息行为触发路径识别

在以往的突发事件研究中，对于突发事件阶段的划分有不少研究，主要有事前、事中、事后或者发生、 变化、 结束的三阶段模型[23-24]，涨落、序变、冲突和衰变的四阶段模型等。 针对新冠肺炎疫情防控，国务院新闻办公室采用了五阶段划分法，即突发、爆发、衰退、消退、常态化[25]。 考虑到多数人在突发公共卫生事件期间使用政府信息的频繁性以及研究的便利性，过于细致的划分不利于用户的回忆，容易造成数据失真，因此，本研究以新冠肺炎疫情为例，借鉴经典的三阶段模型并参考国务院新闻办公室对疫情防控工作的阶段划分日期，将突发公共卫生事件的演化阶段划分为突发期（2019 年12 月—2020 年1月）、高峰期（2020 年2 月—4 月）以及防疫常态化阶段（2020 年5 月之后（含变异后的多点散发））。

识别触发路径的方法采用的是QCA 定性比较分析方法。 一方面，QCA 方法主张因果不对称关系，即“果必定有因，但因并不一定导致果”，这个因一般是多个条件因素的组合，而案例就是不同条件因素组合的集合。这意味着在QCA 中，条件变量的不同组合可能会产生同样的结果，细微的条件变量组合变化也可能会产生不同的结果。 这与突发公共卫生事件下复杂的形势不谋而合，公众并不会因为某一个因素驱动而使用政府信息，而只有在多个要素同时作用时，才会产生使用行为，且每个人受到的要素驱动情形与程度具有差异性。 另一方面，QCA 方法允许相反结果案例的存在，即将那些没有产生政府信息持续使用行为的样本也纳入考察范围内。 这样不仅更全面，也没有忽视案例间的差异性与特殊性。 这种模式在QCA中被称为多重并发因果模式。“多重”是指复数的因果路径，“并发”是指每条路径都拥有不同的组态状况，并同时促使因果关系的达成。 QCA分析最终得到的解就是同时促使因果关系成立的条件组合，即路径。 这些路径说明了突发公共卫生事件下公众持续使用政府信息行为是如何触发的，因而抓住这些路径的形成模式与其中的核心影响因素，便能从根本上保障用户在突发公共卫生事件中获得正确的信息导向。

综上，本研究采用问卷调查法为定性比较分析工作收集数据。 基于前面的阶段划分结果，问卷将分为三个部分，分别采集新冠肺炎疫情三个阶段中影响受访者持续使用政府信息的影响因素以及影响程度的数据；然后利用fsQCA对数据进行分析，识别政府信息持续使用行为的触发路径，并对这些触发路径进行归纳分析；再从这些触发路径中明晰各阶段的核心因素，最终将各阶段核心因素联系起来进行演化分析。

5.1 变量选择与校准

在使用QCA 方法时，若用有限的案例说明过多的条件变量组合会导致孤立案例，即不同的路径仅对应数量极少的案例，使得研究结果可靠性与可解释性遭到破坏，不利于条件因素组合的解析。 因此，本研究以二级编码即主轴编码中提取的核心范畴作为定性比较分析中的条件变量和设计问卷的基础。 而QCA方法又包含了csQCA、mvQCA与fsQCA三种形式，其中csQCA 与fsQCA 使用较多。 csQCA清晰集比较分析方法多用于二分问题，即条件变量仅存在“有或无”“是或非是”的问题。由于本研究的条件变量具有多样性与复杂性，受访者难以直接进行质性评价，且csQCA中过于简约的二分原则会极大地忽略案例间的差异性，从而导致信息丢失，因此，本研究采用了fsQCA模糊集定性比较分析方法，以fsQCA中的“模糊集得分”方式赋予条件变量0～1之间的取值。 而0～1之间的取值刚好可以准确地反映条件因素与结果因素之间影响的强弱关系。 为进一步帮助受访者明确条件变量的内容，本研究围绕一级编码，即开放式编码中得到的初始概念设计问卷题项，以量表的形式让受访者量化评价各条件变量的影响。 在设计的问卷中，问卷题项采用了Likert的7点量表尺度来观测变量，对应的量值为1～7（从非常不符合到非常符合），且均是正向提问。 回收后对每个题项的量值进行统计，并根据每个条件变量相应的题数平均量值，得到该条件变量的“模糊集得分”。 而真值表构建时的校准采用三值锚点的方式对条件变量进行赋值，当分值分布在4～7时，赋值（校准）的范围在0～1；当分值≤4 时，赋值为0；当分值为7时，赋值为1；当分值为5.5 时，赋值为0.5。 数据校准采用fsQCA3.0软件来完成。

5.2 单变量必要性分析

由调查问卷得到样本数据后，首先对所得样本进行单变量的必要性分析，以判断每个条件变量是否能作为结果变量（政府信息持续使用行为）的充分条件或必要条件。 所谓必要性分析是指探讨结果集合在多大程度上构成条件集合的子集，当一个条件被判断为结果变量的必要条件时，“没有该条件，该结果就无法产生”。 因此，单变量的必要性分析是明确各因素组合与结果变量之间关系的必要环节。 在定性比较分析方法中，一致性是单变量必要性判断的指标，其公式为：

式中，X表示条件变量或条件变量组合的隶属分数，Y则表示结果变量的隶属分数。一致性运算的目的主要是为了检验条件组合与因果关系间的契合程度，即单个条件变量或多个条件变量的组合对结果变量影响的一致性程度，类似于统计分析中的显著性[25]。 一致性数值一般需大于0.8，数值越大表示解释力越强。 当一致性的指标大于0.8时，则表示该条件变量为结果变量的充分条件，在一定程度会影响结果变量的产生。 当一致性的指标大于0.9时，则可以认为该条件变量为结果变量的必要条件，即该条件变量的出现必然会导致结果变量的产生。 基于此，分别检验三个阶段政府信息持续使用行为影响因素的单个条件变量能否作为结果变量的充分或必要条件，结果如表2所示。

表2 疫情各时期公众持续使用政府信息行为单因素必要性分析结果

在疫情各阶段一致性超过0.8 的条件变量各不相同，说明了公众持续使用政府信息行为触发的复杂性。 个人因素中一致性超过0.8的条件变量逐渐减少；事件因素所包含的条件变量在疫情各阶段一致性都超过了0.8，反映了公众对于事件本身与其发展的关注；信息发布因素中信息质量因素与政府反馈工作一致性也在各阶段超过了0.8，这些因素的重要性也值得关注，特别是信息质量因素的一致性在各阶段逐渐升高，在防疫常态化时期超过0.9，使其成为公众持续使用政府信息行为触发的必要条件。

5.3 真值表构建

由于在单变量必要性分析中得到疫情初期和疫情高峰期没有任何要素能作为公众持续使用政府信息行为触发的必要条件，而在防疫常态化时期，仅有信息质量能作为公众持续使用政府信息行为触发的必要条件，因此，需要构建真值表，对各个阶段的条件变量组合进行分析，以得到核心路径。

由于本研究样本数量大，条件变量多，案例频数阈值被设定为2。 在本研究中，采用了fsQCA3.0 软件默认的一致性阈值，即0.8。 在fsQCA3.0中输入阈值后，对案例进行筛选得到最终的真值表。

5.4 路径分析

在构建真值表后进行标准分析。 由于中间解在合理的范围内兼顾了简约性与可解释性，本文选择以中间解作为触发路径分析对象。 表3中，“●”表示该条件因素存在于该路径中，“○”表示该条件因素必定不存在于该路径中，空位则表示该条件因素在该路径中没有涉及。

如表3所示，在疫情突发期，公众持续使用政府信息行为的触发路径共有6条。 所有解的总一致性达到了0.84，说明这些条件组合对于疫情初期符合情况的案例有着较强的解释力。 在这些路径中，共形成了三种不同的模式，分别是全要素强并驱模式、弱自我体验驱动模式、异己型事件驱动模式。

表3 疫情突发期公众持续使用政府信息行为触发路径

全要素强并驱模式包含路径1、2、3，其特点是所有条件因素都具有正向影响，且所有核心范畴的因素都被包含在其中。 说明在这种模式下，各范畴的要素并发性驱动触发公众对政府信息的持续使用行为。

弱自我体验驱动模式包含路径4和5，两个路径都仅包含一个个人驱动要素范畴的条件，且都不包含用户渠道感知。 这表明在弱自我体验驱动模式中，公众个人因素以及对于政府信息利用的体验并不强烈影响其对政府信息的持续使用。

异己型事件驱动模式包含路径6，路径6不包含任何个人驱动因素，但其覆盖度也是疫情初期解中最低的一个。 说明在疫情突发期，个人驱动因素对公众持续使用政府信息行为的触发有着不可忽视的作用。

如表4所示，在疫情高峰期，政府信息公众持续使用行为的触发路径共有4条。 疫情高峰期的4 个中间解的总一致性与总覆盖率分别为0.94与0.53，说明有53%的案例能够被这4种路径解释，且解释力度非常高。 在疫情高峰期，产生了两种模式，即非体验型全因素驱动与弱自我体验驱动模式。

非体验型全因素驱动模式包含路径1、2、3。 在该模式下，用户对于政府信息平台的使用体验并不关注。 说明突发公共卫生事件形势的严峻程度与用户的信息饥渴程度密切相关，用户在疫情高峰期虽受到各方面因素的影响，但依然在获取利用政府信息。

弱自我体验驱动模式包含路径4，同疫情突发期一样，该模式下的路径4是个人驱动因素影响较弱的路径，但与疫情突发期不同的是，路径4中个人驱动因素产生正影响的是需求驱动。 说明在疫情高峰期，政府信息的利用意识已经普及化，公众意识到利用政府信息的必要性，其利用行为也逐渐变为需求导向化。

如表5所示，在防疫常态化时期，公众持续使用政府信息行为的触发路径有5条，防疫常态化时期的解一致性为0.85，覆盖度为0.65，说明得到的路径对于65%的案例有着较强的解释力度。 观察所得到的路径，可以发现两种模式：全要素强并驱模式、异己型驱动模式。

表5 防疫常态化期公众持续使用政府信息行为触发路径

周期性全要素强并驱模式包含路径2 和3，该模式与疫情突发期一样，所有存在的条件因素都具有正向影响，且所有核心范畴的因素都被包含在其中。 但与疫情突发期不同，防疫常态化时期出现全要素并行性驱动是由于疫情的周期性反弹导致。 这样的延续影响性致使每一次反弹时公众对政府信息的持续利用行为也会迅速形成反馈，公众会再次受各方面因素影响去获取、利用新的信息以填补该轮突发疫情造成的信息差。

异己型驱动模式包含路径1、4、5，三条路径都必定不包含任何个人驱动因素，这是各模式中不包含任何个人驱动因素路径比例最高的。 说明公众在防疫常态化时期对于政府信息的持续利用已经具有了选择性，他们更多地依据政府部门职能和政府反馈的内容与效果来决定是否持续利用政府信息。

通过对各阶段得到的路径进行模式提炼，不同的阶段有其固定的模式，其中部分模式虽然具有相似性，但是由于阶段特征不同，赋予了各模式不一样的内涵。

5.5 疫情各阶段公众持续使用政府信息行为触发因素演化分析

在本研究中，由于各个阶段都有多个路径存在，本文决定只有在每个路径中都出现且在单要素必要性分析中一致性超过0.8的因素才能构成该阶段的核心因素。 据此，可以得知疫情突发期的核心因素为辐射烈度、信息质量；疫情高峰期的核心因素为辐射烈度、事件因子、演化序列、信息发布、信息质量、政府部门因素；防疫常态化时期的核心因素为信息质量、政府反馈工作。 仅从三个阶段的核心因素来看，辐射烈度出现在了疫情前两个阶段，信息质量在疫情三个阶段都存在，事件因子、演化序列、信息发布、政府部门因素仅出现在疫情高峰期，政府反馈工作仅出现在防疫常态化时期。

为了更加全面地解析疫情各阶段公众持续使用政府信息行为触发因素的演化，本文还将综合前文分析中各阶段边缘因素（一致性大于0.8小于0.9，且并非在所有路径中出现的因素）的变化进行分析。 由此可以得到各阶段公众持续使用政府信息的情形。在疫情突发期，由于政府部门机构对于疫情事态反应具有滞后性，公众处于对权威信息与事件影响程度缺乏把握的状态，公众希望政府能开放易于理解的信息，帮助其快速把握疫情的各种相关状况。 对于权威信息的渴求则使公众忽视信息渠道带来的不良用户体验以获取更多针对突发的疫情政府对民众关心问题的反馈。 在疫情高峰期，复杂的形势让公众对信息的渴求度更为高涨，他们需要高质量且权威的信息来正确指导其行动，特别是专门针对该类突发事件部门的意见指导以及各级政府的政策指导。而信息发布的频率以及形式则会显著影响公众对于这些信息的接收。 在内容上，公众会更关注疫情影响的地区以及发展趋势，以做好相关的准备。 最后，在防疫常态化时期，公众已经形成了较稳固的疫情知识结构，因此会更加关注政府信息质量，内容主要是事件发生地点、持续事件等事件因子以预防疫情复发，对于其他没有价值、过时的信息，公众自然会放弃使用。 在来源上，由于此时疫情整体已经趋于稳定，公众更倾向于直接从政府反馈的问题中获取自己想要的信息，因为政府反馈大多与公众自身相关，对公众自身来说更具有价值。

通过上述分析可以看出，突发公共卫生事件下公众持续使用政府信息行为触发因素的演化呈现出以下特点：个人驱动因素的影响随突发公共卫生事件阶段的演化逐渐减小；公众对事件发展及其影响程度的关注，随事件的急缓程度而变化，具体表现为公众关注度在事件高峰期达到最高，衰退期最低，而在事件初期则是较高；信息质量因素的驱动力在事件各阶段均为最强；政府反馈工作的影响随突发公共卫生事件阶段的演化而逐渐增强；政府部门因素仅在事件高峰期影响最强。

6 结果讨论

本文通过半结构化访谈与扎根理论思想提取突发公共卫生事件下公众持续使用政府信息行为影响因素，在此基础上，以新冠肺炎疫情为例，分不同阶段进行模糊集定性比较分析，探索各阶段影响因素组合与公众持续使用政府信息行为触发的关系，研究得到以下结论：

（1）在单因素影响方面，疫情突发期和疫情高峰期所有条件因素都无法构成公众持续使用政府信息行为的充分或必要条件，而防疫常态化时期仅有信息质量能够构成公众持续使用政府信息行为的必要条件。 因此，需要对触发公众持续使用政府信息行为的因果路径组合进行探究。

（2）通过模糊集定性比较分析得到的路径组合发现，疫情各时期分别有3种、2种、2种不同的驱动模式触发公众持续使用政府信息行为。

（3）在各阶段的核心影响因素中，全部都包含了信息质量因素。 事件因子、演化序列以及政府部门因素作为核心影响因素仅出现在疫情高峰期（事件高峰期），而政府反馈工作因素作为核心影响因素仅出现在防疫常态化时期（事件衰退期）。

（4）随着事件阶段的推进，个人驱动因素的影响逐渐减小，公众对事件发展及其影响程度的关注随事件的急缓程度而变化，政府反馈工作的影响逐渐增强。

因此，要优化突发公共卫生事件发生时期的政府信息公开工作，本文认为主要有以下几个方向：

第一，加强政府信息质量保障。 政府信息公开的本质是服务公众。 在数据驱动发展的现在，一方面将政府行动置于公众监督之下，既促进了政府工作透明化[28]，又满足了公众的信息需求；另一方面，公众对于信息的反馈以及利用反过来又会推进政府治理的合理化。 在突发公共卫生事件情景下，公众的信息需求缺口更大，易于使用且有用的信息有助于政府与公众间的良好互动，推动事件的解决，恢复社会秩序。 而不好用的信息不仅会阻碍公众对信息的利用，而且会对政府公信力产生严重的负面影响，信息质量的重要性不言而喻。 因此，在突发公共卫生事件下，政府部门要从公开信息的及时性、全面性、准确性、有用性及易接受性等维度提高信息质量，保障公众持续利用信息的基础。

第二，根据突发公共卫生事件阶段，有针对性地公开信息内容。 在突发公共卫生事件初期，公众信息来源渠道少，且事件影响范围不大，而突发公共卫生事件高峰期，局势复杂，信息来源多，在准确性与权威性上良莠不齐。 这两个时期的特点会促使公众因从众心理、好奇心或是焦虑等个人心理因素持续关注政府信息，因此，政府信息公开在这两个时期要侧重于公开事件发展状况、有力的政府行动措施以及正能量事件，以帮助公众正确把握形势并减缓公众的焦虑情绪。 当事件出现反弹趋势或是其他不良走向时，公众必然会再度加强其对政府信息的持续使用。 因此，随着突发公共卫生事件阶段的演化，特别是到了事件衰退期，政府信息公开的内容要逐渐侧重事件的走向及其社会影响程度的公开。

第三，依据突发公共卫生事件不同阶段的特点，推动政府信息公开工作优化。 在突发公共卫生事件各时期，公众并不那么在意政府信息渠道的使用体验，他们更希望切实得到高质量的官方信息，但也同样想要更快更方便地获取他们最需要的信息。 因此，政府部门要注重对各政府信息渠道进行优化，改善用户使用体验，辅助保证用户的持续使用行为。 此外，在突发公共卫生事件高峰期，公众会特别关注专门针对该类事件的部门发布的信息。因此，要做好相应部门信息渠道与信息质量的建设与优化，保障公众的持续使用体验。 在突发公共卫生事件衰退期，公众对政府反馈工作的关注达到最高。 政府反馈工作一方面是直接了解政府行动措施与事件走向的窗口，另一方面政府反馈的频率、质量也侧面反映了突发公共卫生事件的影响程度。 因此，政府应注重民众反馈工作，不仅仅只是把反馈工作留在幕后，更应该搬到各政府平台最前沿，搬到民众的面前来，做到安抚民众、维持舆论正向发展的效果。

本研究提取了突发公共卫生事件下公众持续使用政府信息行为的影响因素，并分阶段对公众持续使用政府信息行为的触发路径进行了归纳分析，证明了公众持续使用政府信息行为并非优化某一方面即可得到保障，而是要多维度综合优化才能促进公众持续使用政府信息，提高政府公信力并实现政府危机治理能力的提高与服务民众能力的增强。 研究为新时代突发公共卫生事件及其延伸情景下保障公众持续使用政府信息提供了理论基础，并为政府信息公开工作的优化提供了建议。

本研究还具有一定的局限性，本文在这里提出几点建议可供未来研究参考与继续探究：第一，为保证研究样本的可获取性与调研的可控性，访谈与问卷调查的样本具有区域局限性，在将来的研究中，可以将更多不同区域的样本纳入研究，使得研究的普适性进一步增强。 第二，本研究仅为探索性研究，在校准阶段对所有条件变量均采用的是三值锚点方式进行赋值，但实际上，各条件变量的影响程度在不同阶段应该是具有差异性的，其校准原则也应有所变化，但由于缺乏相关的资料支撑，本研究依照QCA 方法中的均值锚点方法进行赋值。 后续研究可依据其他成熟研究成果，设定更合理的校准原则。

附件：

附表1：https://s3.bmp.ovh/imgs/2022/04/04/b32553b5da0ac7f3.png

附表2：https://s3.bmp.ovh/imgs/2022/04/04/7139daa3c4a67aca.png

附表3：https://s3.bmp.ovh/imgs/2022/04/04/90058b7e24fba3c1.png

附表4：https://s3.bmp.ovh/imgs/2022/04/04/e849de5b84c47c0d.png

附图1：https://s3.bmp.ovh/imgs/2022/04/04/8d126b4f37b2bded.png

附图2：https://s3.bmp.ovh/imgs/2022/04/04/a5cc1251b999f80b.png