四力博弈推拉理论框架下跨屏行为影响因素研究

贺彩云 胡 蓉 邓小昭

(1.西南大学计算机与信息科学学院，重庆 400715；2.西南大学教师教育学院，重庆 400715)

移动互联网迅速发展，智能终端设备成本降低，用户持有智能终端设备的种类更加丰富[1]，用户的跨屏行为也日趋凸显，常常跨越智能手机、平板、电脑、电子阅读器、电视、可穿戴设备等多种屏幕[2]进行信息需求的表达，用户的查寻、交互、选择、浏览、吸收与利用等行为也呈现跨屏态势。相较于单一设备、单一屏幕下的信息行为，跨屏行为复杂度更高，生态性也更加明显。然而，当前研究关注了跨屏行为的现象描述，对跨屏行为影响因素缺乏深入揭示，相关研究多从驱动力(促进因素)维度展开，缺乏对制动力(阻碍因素)维度的整合，尚未形成对跨屏行为影响因素的系统、整合性探讨。推拉理论(Push and Pull Theory)因其较强的解释力而被广泛应用于行为研究领域。然而，传统推拉理论因其缺乏对推力和拉力的细粒度剖析，在对新兴跨屏行为影响因素进行研究时解释力略显不足。

鉴于此，对推拉理论的细化以及将细化后的推拉理论应用于跨屏行为影响因素研究，成为本研究的初衷。为此，本研究首先尝试基于传统推拉理论，整合驱动力和制动力两个维度，构建内推力、内拉力、外推力和外拉力四力博弈推拉理论框架。进而站在“起点屏”视角，结合深度访谈和相关研究成果，基于该框架对跨屏行为影响因素进行系统梳理及模型构建与检验，以实现对跨屏行为影响因素更为系统、深入的探索。在理论层面，本研究在细化传统推拉理论的同时，也拓展了跨屏行为影响因素研究的分析视角。在实践层面，本研究可帮助跨屏服务提供商更加系统地了解用户跨屏行为影响因素，以提供更为精准的服务和良好的体验。

1 相关研究综述

1.1 推拉理论及其应用研究

推拉理论是社会学中研究人口迁移的典型理论，一般用来研究影响人口迁移的因素以及这些因素对人口迁移造成的影响[3]。20世纪60年代，英国学者埃佛雷特·李(Everett S Lee)在前人研究的基础上，将影响人口迁移的因素划分为“推力”(Push Force)和“拉力”(Pull Force)，认为这两种力均存在于人口迁出地和迁入地。在人口迁出地，推力大于拉力起主导作用而将人口推向迁入地；在迁入地，拉力大于推力起主导作用而将人口拉出迁出地。人口迁移就是迁出地的推力和迁入地的拉力共同作用的结果[4]，如图1所示。

图1 埃佛雷特·李推拉理论的“推力”和“拉力”

自推拉理论诞生以来，研究者们依据适用情境不断对其加以改进和完善，该理论的生长性也得到充分体现。例如，除了将推拉理论用于宏观性的人口迁移分析，埃佛雷特·李还着眼于将该理论应用到个人迁移决策分析中，并将影响迁移决定和迁移过程的因素重新归纳为以下4类：①与迁出地有关的因素；②与迁入地相关的因素；③中间阻碍因素；④个人因素。其中，前3种影响因素如图2所示，其中“+”代表着使人留在该领域或吸引人们到该领域的因素，“-”代表着使人不留在该领域或阻碍人们到该领域的因素，“0”代表着人们基本上漠不关心的因素。他还指出，与其说是迁出地和迁入地的实际因素影响了人们迁移的决定和过程，不如说是人们对这些因素的看法导致了移徙[4]，即：个人因素是影响人们决定迁移和迁移过程的内在直接因素，除个人因素外的其他因素通过外部方式影响人们的迁移行为[5]。此后，Longino C F[6]基于埃佛雷特·李的思路提出了“锚定”的概念，“锚定”指的是所有影响迁移决定的个人、社会和文化变量；Moon B[7]进一步将“锚定”因素加入推拉理论，形成了推—拉—锚定(PPM)模型。PPM模型的应用场景甚为丰富，如网络问答平台用户从免费到付费的转换行为[8-9]、患者转向电子问诊的意愿[10]等。近年来，也有学者[11-12]尝试将已有研究成果与PPM模型相结合，形成扩展的PPM框架，并在相关研究中证实了其价值。扩展的PPM框架进一步增强了PPM模型的解释力，也充分折射出推拉理论在演进过程中强大的生命力。

图2 迁出地、迁入地的影响因素和迁移过程中的阻碍因素[4]

推拉理论将人口迁移解释为各种社会因素综合作用的结果，是一种比较深刻、全面的理论。该理论不仅被广泛应用于人口流动问题，近年来也频繁应用于用户意愿和行为分析。例如：Cifci I等[13]运用推拉理论开发并验证休闲钓鱼游客动机量表，探究休闲钓鱼游客受到的推力和拉力动机；商南[14]基于推拉理论模型，把赴韩留学的动力划分为两类：中国国内的推力和韩国吸引留学生的拉力，推力和拉力形成的合力便是赴韩留学的驱动力；胡陈冲[15]以高校大学生参加阅读推广活动的情况为研究对象，论述促使大学生参加阅读推广活动的推力与拉力因素；戴逸飞[5]则基于推拉理论，梳理出影响大学生阅读动机的正向驱动力和反向阻力，构建了阅读的动力模型。综上，近年来，推拉理论被广泛应用于分析促使用户产生某种行为或某种意愿的因素，显示出推拉理论在分析用户行为方面的适配性。

1.2 用户跨屏行为影响因素研究

参考国内外学者的相关界定，本研究对“跨屏”定义如下：跨屏是指同时或依次地使用两个及两个以上数字屏幕。其中数字屏幕指的是含有可视屏幕的数字设备或电子设备，例如：手机、电脑(PC)、平板(iPad)、智能手表、含有电子屏幕的智能家居产品等。参考胡蓉[2]的研究，本研究对“屏”“屏幕”“设备”不做严格区分。本研究所定义的跨屏行为，是指移动互联环境下由多种因素驱动的多设备使用行为，它有起点屏和后续屏两个结构要素，表现为设备的切换或转移；实施跨屏行为的用户称之为跨屏用户。

与跨屏行为相关的术语主要有“跨屏”“跨设备”“多屏”“多设备”“跨平台”“跨会话”“Cross Screen”“Cross Device”“Multi Screen”“Multi Device”“Cross-platform”“N-screen”等。本研究以这些术语为关键词在中国知网、万方、维普、WoS等数据库中进行检索，通过阅读原文筛选出与跨屏行为影响因素密切相关的文献共计39篇(截止时间为2022年3月1日)，典型影响因素研究如表1所示。

表1 跨屏行为影响因素研究概况

总体上看，当下研究者对复杂度较高的跨屏行为给予较多关注，积极地对跨屏行为影响因素展开研究，但对跨屏行为的研究大多从驱动力维度展开，分析视角较为单一，尽管Chen C W等[22]的研究涉及制动力维度，但仍缺乏对制动力维度的细粒度研究，尚未有将驱动力和制动力整合的二元分析视角。若能将驱动力和制动力整合到较为系统的理论框架下，对跨屏行为影响因素进行细粒度分析，将使得跨屏服务商对跨屏行为形成更加完备的认知，进一步提升跨屏服务。为此，本研究将在上述方面展开尝试。

1.3 基于推拉理论剖析跨屏行为影响因素的可行性

如前所述，跨屏行为影响因素涉及驱动力和制动力这两个相互博弈的维度，同时，跨屏行为本质上是一种从起点屏到后续屏的“迁移”行为，因而与推拉理论有着某种天然的契合与联系。为此，本研究试图以推拉理论为理论基础对跨屏行为影响因素展开剖析。然而，现有的推拉理论对推力和拉力的划分并不细致，尚缺乏对“驱动力”“制动力”“内在因素”“外部因素”与“推力”“拉力”的关系进行系统梳理和细化，影响了该理论的应用张力和对跨屏行为研究以及其他更为复杂研究的解释力度。因此，本研究尝试将传统推拉理论细化为涵盖内推力、内拉力、外推力和外拉力的四力博弈推拉理论框架，整合驱动力和制动力两个维度，进一步深挖推拉理论的内涵，在彰显推拉理论生长性意蕴的同时，为跨屏行为影响因素的系统性探索奠定理论基础与有力支撑。

2 四力博弈推拉理论框架搭建

本研究认为，要细化推拉理论，需要回到埃佛雷特·李对影响迁移决定和迁移过程的因素类型归纳问题上去。埃佛雷特·李的推拉理论本质上蕴含着3种假设：第一，内在个人因素和外部环境因素是影响人们迁移的两大因素。第二，迁出地和迁入地均存在着“+”因素和“-”因素，且迁出地的“-”因素与迁入地的“+”因素作用力方向一致；同样，迁出地的“+”因素与迁入地的“-”因素作用力方向一致。第三，迁移行为是推力和拉力合力作用的结果。

基于上述假设，本研究认为：①“+”因素或“-”因素都可以具体表现为内在个人因素和外部环境因素；②就迁移行为本身来看，在迁出地，留住人或吸引人的“+”因素其实是阻碍迁移的力量，而“-”因素则是驱动迁移的力量；相应地，在迁入地，留住人或吸引人的“+”因素其实是驱动迁移的力量，而“-”因素则是阻碍迁移的力量。因此，在考察迁移行为时，可以首先着力于作为迁移行为起点的迁出地，剖析其各力量因素，而对迁入地则采取逆向思维进行分析即可；③在具体分析合力时，可以从对迁移行为是驱动还是阻碍的视角，首先区分出驱动力和制动力(阻碍)两个维度，这样一方面可以完善迁移行为影响因素的分析视角；另一方面可以在分析时始终围绕“迁移行为”本身展开判断与分析，而不被迁出地或者迁入地中各种力的方向性所困扰，使得分析的思路更加清晰。进一步，结合推拉理论对内在个人因素和外部环境因素的区分，将力的类型细化为涉及内在个人因素的内推力和内拉力，以及涉及外部环境因素的外推力和外拉力。对于同一个力的作用点来说，内推力是一种“向外”的力，内拉力则“向内”；相应地，外推力是一种“向内”的力，外拉力则“向外”，4种力之间存在博弈，如图3所示。

图3 内外推力和内外拉力划分

由此可见，埃佛雷特·李所指迁移行为中迁出地的推力实际上是内推力和外拉力的合力，即推力因子(涉及迁出地的“-”因素)，属于迁移行为的驱动力范畴；而其所指迁出地的拉力则是内拉力和外推力的合力，即拉力因子(涉及迁出地的“+”因素)，属于迁移行为的制动力范畴；当迁出地的驱动力大于制动力时，则合力将推向迁入地。同理，埃佛雷特·李所指迁入地的拉力实际上是内拉力和外推力的合力，即拉力因子(涉及迁入地的“+”因素)，属于迁移行为的驱动力范畴；而其所指迁入地的推力则是内推力和外拉力的合力，即推力因子(涉及迁入地的“-”因素)，属于迁移行为的制动力范畴；当迁入地的驱动力大于制动力时，则合力将拉入迁入地。整个迁移行为中涉及的驱动力和制动力，细分出的内推力、内拉力、外推力和外拉力，以及上述各种力的作用点、方向和力的博弈情况如图4所示。由此，本研究构建出四力博弈推拉理论框架，该框架可为相关研究提供更细粒度的理论支撑，进一步提升推拉理论的应用张力和解释力。

图4 四力博弈推拉理论框架

3 基于四力博弈推拉理论框架的跨屏行为影响因素模型与假设

对于跨屏行为而言，用户从“迁出地：起点屏”到“迁入地：后续屏”的转移，仍然同时受驱动力和制动力的共同影响。当力作用于“迁出地：起点屏”时，起点屏的内推和外拉驱动力，与内拉和外推制动力进行博弈，当跨屏驱动力大于制动力时，会促使用户跨屏；当力作用于“迁入地：后续屏”时，后续屏的内拉和外推驱动力，与内推和外拉制动力进行博弈，当跨屏驱动力大于制动力时，也会促使用户跨屏。考虑到起点屏和后续屏两个作用点的分析模式较为一致，只是分析的方向“互逆”；同时，起点屏的分析是跨屏分析的原动力，因此，本研究主要立足于起点屏展开探讨。具体而言，在起点屏，内推力是促进用户进行跨屏的内在个人因素，外拉力是促进用户进行跨屏的外部环境因素，二者方向一致，合力构成跨屏行为驱动力；与此相对应，外推力和内拉力的方向也一致，外推力是阻碍用户产生跨屏行为的外部环境因素，内拉力是阻碍用户产生跨屏行为的内在个人因素，其合力构成跨屏行为制动力。

本研究采用混合研究方法，首先通过半结构化的深度访谈，基于四力博弈推拉理论框架构建跨屏行为影响因素模型，进而通过问卷调查展开定量研究，对跨屏行为影响因素进行假设检验。在模型构建阶段，本研究选取15名拥有两个及以上电子设备的跨屏用户(其中9名女性、6名男性)作为访谈对象，访谈时长35～60分钟不等，访谈过程全程录音，访谈结果整理如图5所示(词的大小代表词出现的频率，A1～A15分别代表1～15位访谈对象)。

图5 深度访谈结果

结合上述深度访谈结果，本研究梳理现有文献及相关研究成果，区分驱动力(内推力和外拉力)和制动力(外推力和内拉力)两个维度，针对用户跨屏行为意愿和跨屏行为，构建如图6所示的用户跨屏行为影响因素模型。其中，内推力包括用户跨屏偏好、用户生理驱动、用户感知有用和用户信息需求，外拉力包括突发事件、任务复杂度、主观规范，内推力和外拉力共同构成在起点屏产生跨屏意愿及行为的驱动力；内拉力包括用户感知高风险、用户感知高复杂度、用户既往体验不佳、用户低满意度，外推力包括客观环境限制、设备操作难度高、软件可迁移性差，内拉力和外推力共同构成在起点屏产生跨屏意愿及行为的制动力。

图6 用户跨屏行为影响因素模型

根据用户跨屏行为影响因素模型，结合现有文献及相关研究成果，本研究做出15个假设(分别是图6中H1～H15)，影响因子解释及假设如表2所示。

4 数据收集、分析与假设检验

本研究模型包含16个因子，如表2所示，各因子均通过3个及以上指标进行测量，在进行正式问卷发放之前，本研究进行了预调研并对初始问卷进行了修正。数据通过线上和线下两种方式收集，问卷发放时间持续两周，共计回收319份。剔除无效问卷后，剩余有效问卷299份，问卷回收率高达93.7%。最终的样本组成包括99个男性(33.54%)和200个女性(66.46%)。在年龄方面，18～29岁的被调查人数较多，共有264人，占比82.76%；在文化程度方面，初中及以下占比5.64%，高中/中专/中技占比11.91%，大学专科占比6.58%，大学本科占比51.42%，研究生占比24.45%。

表2 因子解释与研究假设

本研究采用内部一致性系数(Cronbach’s α系数)和组合信度(CR)来检验研究的信度。同时，采用收敛效度(Convergent)和区别效度(Discriminant)来验证研究效度。表3显示了本研究问卷的信效度水平，由表3可知，本研究信效度良好。

表3 问卷信效度指标及检验结果

偏最小二乘(Partial Least Squares，PLS)具有将效度测量和模型检验融为一步的便捷操作，且不容易受数据样本大小和是否成正态的影响，基于此，本研究采用偏最小二乘法和WarpPLS 5.0对构建模型进行检验。本研究提出15个假设，其中12个假设成立，3个假设不成立。结构模型路径系数估计结果及假设检验结果如图7所示。

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，虚线部分表示不显著。图7 PLS路径系数估计结果

从图7研究假设检验结果可知，内推力中的用户跨屏偏好、用户生理驱动、用户感知有用对跨屏行为意愿具有正向相关关系，假设H1～H3成立，而用户信息需求对用户跨屏行为意愿不具有正向相关关系，假设H4不成立；外拉力中突发事件、任务复杂度和用户跨屏行为意愿存在正向相关关系，假设H5、H6成立，但主观规范对用户跨屏行为意愿不具有正向相关关系，假设H7不成立；内拉力中用户对跨屏的感知高风险、感知高复杂度、低满意度对跨屏行为意愿具有负向相关关系，假设H8、H9、H11成立，用户既往体验不佳对用户跨屏行为意愿不具有负向相关关系，假设H10不成立；外推力中客观环境限制、设备操作难度高、软件可迁移性差对跨屏行为意愿具有负向相关关系，假设H12～H14均成立。用户跨屏行为意愿对用户跨屏行为具有正向相关关系，假设H15成立。

5 结果讨论和建议

5.1 跨屏行为的驱动力维度

根据研究结果，用户跨屏偏好、用户生理驱动、用户感知有用与用户跨屏行为意愿之间的正向相关关系得到证实，这一研究结论分别与袁红[33]、胡蓉[2]、吴晓波等[34]的研究相一致，进一步证实了上述因素对用户跨屏行为意愿的独特影响。即当用户对某类型电子设备有使用偏好，在使用电子设备过程中对舒适度有追求，以及用户感知跨屏行为对其需求的满足有用时，会产生跨屏意愿。基于此，相关设备设计商可以更多地参考人体工学，将多个设备之间进行优势互补，增强用户跨屏偏好，提升用户多设备使用的舒适度；为了提升用户对多设备的有用性感知，相关服务提供商应最大限度提升设备间的相互依存，打造设备生态圈，让用户在跨屏过程中完成当下的任务。另外，本研究在模型中提出用户信息需求和用户跨屏行为意愿之间的正向相关关系并不显著，这与吴丹等[26]在2018年得出的信息素养和跨设备搜索需求程度越高，跨设备搜索动因越强烈的研究结果在一定程度上是相悖的。究其原因，一方面可能是随着技术的进步，单一设备提供的信息越来越全面，由此逐渐削弱了用户的跨屏行为意愿，或者是在跨屏行为大概念下，用户的跨屏搜索行为和跨屏浏览、交互等行为类型存在一定的差异性，因此跨屏搜索需求与跨屏意愿之间的正相关并不能辐射到所有类型的跨屏行为。鉴于此，在未来研究中可区分具体跨屏行为类型，展开更加深入的探讨。

在本研究中，作为外拉力的突发事件和任务复杂度与用户跨屏行为意愿之间的正向相关关系得到证实，与以往研究结论一致，例如Agichtein E等[27]和Wljas M等[35]的研究表明，突发事件会打断用户原有的搜索任务，用户恢复搜索任务时可能会跨越不同类型的设备；Shin D H[36]建立的消费者N-Screen采纳模型中，复杂度对用户多设备使用意愿的影响相一致，也进一步证实了用户对待不同的任务会有不同的电子设备选择。在本研究的访谈及问卷调研的过程中发现，由于用户持有的智能终端设备种类丰富，用户在被突发事件中断任务后，再继续时可能会选择不同于原来的设备，甚至多个设备。同时会根据任务难度对设备的适配性进行考量和选择，这也启发设备商在开发设备时应考虑与任务的适配性。假设H7并不成立，这与计划行为理论中主观规范显著影响用户行为意愿的研究结论是相悖的，究其原因，可能是随着时代的发展，用户的自我意识逐渐变强，自身的跨屏行动决策较少地受到重要他人或团体的影响。

5.2 跨屏行为的制动力维度

总体上，用户感知高风险、感知高复杂度和用户低满意度与用户跨屏行为意愿之间的负向相关关系得到证实，这一研究结论分别与Kim H W[37]、Chen C W等[22]、季丹等[38]的研究结论相一致，即当用户认为多设备的使用会对自己个人信息及个人财产造成影响，认为在多个设备间切换或转移较为复杂，以及用户对跨屏的实际感受低于预期感受时，会降低用户跨屏意愿。在访谈及问卷调研的过程中，本研究发现多数用户在起点屏和后续屏会被重复要求提交个人信息甚至银行账户关联信息，存在隐私泄露的风险，用户体验不佳。因此，跨屏生态中应建立起统一认证机制，减少信息的重复收集，减轻用户的隐私担忧并改善用户体验。高复杂度往往与低满意度相关联，当用户认为在多个设备间切换或转移较为复杂时，其满意度会降低。基于此，跨屏服务商在提升跨屏效用的同时，须帮助用户学习如何进行跨屏，以尽量减少用户的跨屏感知复杂度，提升其跨屏体验和满意度。除此之外，本研究模型中提出用户既往体验不佳与用户跨屏行为意愿具有负向相关关系，最终PLS分析检验发现，此负向相关关系并不显著。对于该假设H10未成立的原因，本研究认为可能是技术的日臻完善，使得跨屏用户对跨屏行为的效用和价值的评价与预期越来越高，因此作为过去时的既往体验不佳不能影响用户此后的跨屏行为。因此，跨屏服务提供商可以着力将注意力放到用户当下的即时体验，着力促进当前产品及设备的优化升级，提升跨屏软件的可用性。

从图7可知，客观环境限制、设备操作难度高和软件可迁移性差与用户跨屏行为意愿的路径系数分别是-0.126、-0.156和-0.161，且均达到P<0.001置信水平上的显著性。用户跨屏行为的完成需要客观环境、设备和软件的支持，若未得到相关支持，则会产生制动力。Yee I[39]的研究也表明，较多学生因Whatsapp的跨平台性、良好的数据迁移性而选择其作为学习工具。基于此，相关软件开发商应提供简单且无缝的数据同步功能，提高软件的可迁移性。同时，随着智能设备的普及，使用设备的用户年龄跨度增大，设备操作难度也是影响用户跨屏的因素之一。相关软硬件设计商应研发简洁明了的操作界面，降低设备操作难度，同时提高设备的续航时间，以弱化客观环境限制对用户跨屏行为意愿的负向相关关系。相关产品开发商可进一步致力于产品及应用程序的跨平台开发，形成设备圈的协同发展，保障环境、设备和软件三方对用户跨屏行为的友好支持，进而增强用户跨屏行为意愿。

5.3 用户跨屏行为意愿与用户跨屏行为

本研究中，用户跨屏行为意愿与用户跨屏行为具有正向相关关系，即用户是否有跨屏的意愿会正向影响其是否产生跨屏行为。从图7的PLS假设检验结果可以看出，跨屏行为意愿和实际跨屏行为间路径系数为0.425，并且达到P<0.001置信水平上的显著性。根据Venkatesh V等[32]提出的整合型科技接受模式(Unified Theory of Acceptance and Use of Technology，UTAUT)，用户的行为意愿和用户的实际行为是两个有区别的变量，用户在接受一个信息系统之前会先产生使用它的意愿。本研究也证实了用户的跨屏行为意愿正向影响用户实际跨屏行为，与前人研究相符。用户跨屏行为意愿对用户跨屏行为产生最重要且直接的影响，提升用户跨屏行为意愿可以促进用户跨屏行为的产生。用户跨屏行为意愿受到跨屏偏好、生理驱动、感知有用性、满意度等多方面因素的影响。因此，相关服务提供商应兼顾多方因素，并识别出不同因素对不同用户跨屏行为意愿的影响程度，为用户提供更加精准及个性化的服务。

6 结 语

本研究在构建四力博弈推拉理论框架基础上，站在“起点屏”视角，探究影响用户跨屏行为的主要因素。研究价值及意义主要体现在以下3个方面：第一，四力博弈推拉理论框架区分驱动力与制动力两个维度，细化出内推力、内拉力、外推力和外拉力4种博弈力量，该框架进一步细化了传统推拉理论，彰显了推拉理论的生长性意蕴，提升了该理论在复杂信息行为研究中应用的张力和解释力。第二，基于四力博弈推拉理论框架对跨屏行为影响因素进行剖析，拓展了分析的维度和系统化程度。第三，相关研究结论能为信息服务提供商进一步提升跨屏服务水平提供理论和应用参考。

囿于篇幅所限，本研究侧重探索了立足于“起点屏”的跨屏行为影响因素，尽管本研究假设起点屏和后续屏只是分析方向“互逆”，但在未来研究中可以进一步从后续屏以及起点和后续屏整合视角展开探索。此外，本研究样本数据的年龄段主要集中在18～29岁，且大部分为在读学生，未来研究可将样本群扩展到其他年龄段，探究如工作场域下用户的跨屏行为影响因素等问题。最后，四力博弈推拉理论框架的应用张力尚待未来研究进一步验证。