社会支持理论及其在信息系统研究领域的应用与展望
2023-04-25张一涵李凯沈洪洲等
张一涵 李凯 沈洪洲等
编者按： 本期所刊发的这４ 篇论文属于我刊特约南京大学信息管理学院袁勤俭教授研究团队有关“信息管理实证研究重要理论的研究应用及其展望” 的部分研究成果。这４ 篇论文分别介绍了社会支持理论、自我决定理论、详尽可能性模型、沟通隐私管理理论的源起及其演化， 并分析了这些理论在信息系统研究领域中的应用现状， 还指出了信息系统研究中可以运用这些理论的潜在领域。
《社会支持理论及其在信息系统研究领域的应用与展望》一文在简述社会支持理论及其演化之后， 不仅综述了其于在线健康信息行为、社会化商务消费者行为、信息系统／ 服务设计和使用等研究领域的应用，还指出构建不同情境中社会支持的内涵框架体系、剖析不同支持之间的关系、探寻现有研究结论不一致的原因等是未来值得关注的研究方向。《自我决定理论及其在信息系统研究领域的应用与展望》一文发现自我决定理论在信息系统研究领域的应用主要集中在人机交互设计、虚拟社区的采纳和持续使用、网络学习意愿、网络成瘾现象、网络知识贡献等方面。《详尽可能性模型及其在信息系统研究领域的应用与展望》一文在综述详尽可能性模型在信息技术／ 系统采纳与使用、在线信息处理与决策、在线信息安全等研究领域的应用之后， 指出现有研究存在信息特征变量角色不明确、双路径作用机制尚存模糊、对用户人格特征关注薄弱等问题。《沟通隐私管理理论及其在信息系统研究领域的应用与展望》一文发现沟通隐私管理理论在信息系统研究领域的应用主要集中于信息技术对组织管理的影响、信息系统用户隐私披露意愿的影响因素、社交媒体对亲密关系的影响等方面， 指出在组织内如何发挥信息技术价值并规避其负面影响、隐私边界动态变化如何影响用户对信息系统的持续使用行为等都是未来研究值得关注的方向。
我们期望本期专栏的４ 篇研究论文可以贡献有价值的知识， 不仅为学界同仁学习这些理论提供一定的帮助， 还能为信息管理学乃至整个管理学应用这些理论的实证研究夯实基础。
关键词： 社会支持理论； 信息系统； 行为意愿； 信息行为
ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０５．０１３
〔中图分类号〕Ｇ２０３ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） ０５－０１３５－１１
１９７６年，精神病学领域学者Ｃｏｂｂ Ｓ正式提出了社会支持（Ｓｏｃｉａｌ Ｓｕｐｐｏｒｔ）的概念， 并将其定义为一种使个体相信他被关心、爱护、尊重以及自己是某个组织和团体的一员的信息。之后， 学界对其不断完善， 使其从单一的专业术语拓展为一套理论体系。该理论的核心思想是： 当个体在群体中感知到被他人关心、爱护、尊重、理解、回应与帮助时，个体会更多地感知到幸福感与温暖， 从而提升个体的心理需要满足水平， 进而影响其行为决策［１－２］ 。
虽然社会支持理论（Ｓｏｃｉａｌ Ｓｕｐｐｏｒｔ Ｔｈｅｏｒｙ， 简称ＳＳＴ）最早见于精神病学领域， 但随着社会的发展，其日渐被引入到社会学、心理学、管理学、经济学、信息科学等多个领域， 产生了较多有价值的研究成果。为帮助学界把握ＳＳＴ 的研究及其应用现状， 已有学者基于不同视角撰写了关于ＳＳＴ 的综述类文章，主要集中在两个方面： ①对ＳＳＴ 在特定领域应用的总结与述评。常李艳等［３］ 指出， 社交网站不仅能为用户提供信息， 还能帮助用户获得友谊、归属感和情感支持， 因此系统梳理了社交网站中ＳＳＴ 的相关研究， 并对未来趋势进行研判； 徐中阳等［４］ 则在对在线健康社区用户信息行为实证研究的综述中， 系统梳理了社会支持视角的相关文献； ②对特定变量之间关系的总结与述评。例如， Ｄｗｉｖｅｄｉ Ｙ Ｋ 等［５］ 指出， 由于理论基础不同， 学界对社会化商务中消费者行为的预测和解释并未达成一致的研究结论， 因此， 通过元分析对探讨社会支持与消费者行为之间关系的实证研究展开集成分析， 发现信息支持对消费者行为意愿有积极影响， 情感支持对消费者实际行为有积极影响， 且信息支持可以通过行为意愿对消费者行为产生影响。又如， Ｆｒｅｎｃｈ Ｋ Ａ 等［６］ 通过元分析， 探究了社会支持和家庭———工作冲突之间的关系， 发现二者之间的关系受社会支持类型、来源、形式和环境的影响， 并对其进行了系统梳理与总结。
随着社交网络的发展和移动终端设备的普及，ＳＳＴ 被广泛用于社交网站、在线社区、在线购物、知识服务、社交金融等信息系统领域的研究， 以预测并解释相关的信息系统行为， 涌现出一些有价值的研究成果。然而， 在文献调研过程中却未见专门梳理和归纳ＳＳＴ 在信息系统领域应用的系统性综述类成果。因此， 本文拟在介绍ＳＳＴ 起源和演化的基础上， 对ＳＳＴ 在信息系统研究领域的应用现状进行系统梳理与述评， 总结当前信息系统领域ＳＳＴ 应用研究存在的局限和未来研究的方向， 以帮助学界把握ＳＳＴ 在信息系统领域应用的研究进展。
１ＳＳＴ 的起源与演化
１.１ ＳＳＴ 的起源早在１９世纪， 国外学界就开始围绕社会支持的相关概念展开了研究， 如社会联系、社会帮助、人际互动等［７］ 。到了２０世纪７０年代， 精神病学领域的学者Ｃｏｂｂ Ｓ［１］ 将前人的研究进行凝练， 正式提出了社会支持这一专业学术术语。他认为， 社会支持是使个体相信其被关心、爱护、尊重以及归属于某个组织和团体的一员的信息， 具体包括使其相信被他人爱护与关心的， 有价值与尊严的， 以及属于某个群体的信息。而这些从他人、團体或组织中获得的支持性信息或资源， 可以给人带来温暖， 增加人与人之间的了解， 满足人们的心理需求， 提高归属感， 从而更好地帮助个体应对工作、生活中的问题与危机［１，８］ 。受提出者学科背景的影响， ＳＳＴ 最初多聚焦于精神病学领域的研究。然而， 在不同情景下， 社会支持包括的具体内容和表现形式应该有所区别。因此， 不同研究领域的学者开始介入ＳＳＴ的研究， 并从各自的理论视角对其加以诠释， 进而不断丰富ＳＳＴ 的内涵。
１.２社会支持理论的发展
１.２.１理论视角的延伸
继Ｃｏｂｂ Ｓ正式提出社会支持这一概念之后，不同领域学者基于自己的学科视角和理论取向， 对社会支持的内涵进行了挖掘， 主要包括以下４ 种：①功能主义视角的社会支持， 主要关注支持行为在满足个体需要和解决问题的过程中发挥的不同功能， 并从这一角度对社会支持的概念加以界定。例如， Ｔｈｏｉｔｓ Ｐ Ａ［９］ 认为， 社会支持是重要的他人（家庭成员、朋友、同事、亲属和邻居等）为某个人所提供的帮助功能， 典型的包括社会情感帮助、实际帮助和信息帮助； ②结构主义视角的社会支持， 主要关注人与人之间形成的社会网络及其在危机发生时发挥的社会支持情况， 多从社会网络的基本特征来分析这种结构性的人际关系对人的影响［７］ ； ③社会互动视角的社会支持， 主要关注个人与其社会网络之间的交互， 认为个人与他人通过连续的互动来获得支持和帮助， 满足彼此的需要。该视角强调社会支持从心理维度向互动维度转变， 以及从“静态” 向“动态” 的转变［１０－１１］ ； ④主观评价视角的社会支持， 主要关注个体对其可获得支持的认知性评估［１２－１４］ 。该视角强调社会支持是一种个人的主观体验， 而非客观的社会行为。也就是说， 如果一种支持行为不被接受者认可， 那么它就不能构成社会支持。这４ 种视角虽着眼点不同， 但层层递进，从不同侧面完善了社会支持理论范式。
１.２.２细分维度的提炼
社会支持涉及多个主体间的社会交互并包含多个维度， 且不同情景下其所包含的具体内容也会有所区别。因此， 自社会支持概念被提出以来， 研究者们基于不同研究情境对社会支持的细分维度进行了探讨。例如， Ｂａｒｒｅｒａ Ｍ 等［１５］ 指出， 社会支持可以分为物质帮助、行为援助、亲密交往、提供指导、提供反馈和积极的社会交往６ 种类型。Ｈｏｕｓｅ Ｊ Ｓ［１６］将社会支持细分为情感支持、工具支持、信息支持和评价支持。Ｆｌａｎｎｅｒｙ Ｒ Ｂ［１７］ 认为， 社会支持应该包括４ 种类型： 情感支持、信息支持、工具支持和社会陪伴。有的学者研究则表明， 社会支持应包括工具支持、信息支持和情感支持３ 个维度［１８］ ， 其中， 工具支持指能够帮助个体解决问题的有形物质；信息支持指能够帮助个体进行决策的有用信息； 情感支持则是使个体感到来自他人的关怀， 被尊重、关心和理解等的精神支持［１９］ 。此外， 还有学者将社会支持分为信息支持、情感支持和网络支持［２０］ ， 以及在线信息支持和在线情感支持［２１－２４］ 等。
２社会支持理论在信息系统研究领域的应用
２.１ ＳＳＴ在用户在线健康信息行为研究中的应用
社会支持可以使患者感受到来自他人的关心爱护， 满足患者的健康信息需求， 令患者得到心理慰藉， 从而帮助患者缓解疾病带来的压力， 消除心理障碍， 因此最早起源于精神病学领域并被广泛用于相关学科。随着网络技术的发展和终端设备的普及， 互联网已经成为人们获取健康信息行为的主要渠道， 在线健康社区也如雨后春笋般不断涌现， 开辟了创新医疗信息传递的新时代。在线健康社区可以帮助用户突破时间和空间的限制， 围绕不同主题进行健康信息交流和心理沟通， 寻求或提供社会支持， 从而提升用户在个人关系和个人成长方面的幸福感［２５］ ， 满足用户的健康信息需要， 并创造社会价值［２６］ 。在这种情况下， 在线健康信息行为的研究成为ＳＳＴ 的主要应用阵地。
２.１.１在线健康社区中的社会支持范式研究
社会支持在不同情景中的表现形式和维度机理不尽相同。有学者专门针对在线健康社区中的社会支持范式展开了研究。例如， Ｇｏｈ Ｊ Ｍ 等［２７］ 运用社会支持理论， 对在线健康社区所创造的社交价值进行探寻， 揭示了在线健康社区用户之间社会支持的范式； 研究表明， 城市用户多为社会支持的提供者， 而农村用户则多为社会支持的接收者， 且社会支持能够缩小城乡之间的医疗差距。Ｇｒｅｅｎ Ｂ Ｍ等［２８］ 关于社会支持表现模式的研究指出， 在线健康社区中的社会支持包括信息支持和情感支持两个维度。信息支持主要表现为用户分享与防护事项、治疗经验等相关的各种健康信息， 或证实其他用户分享的健康信息是否属实； 情感支持主要表现为向其他用户发送表达同情、鼓励或支持的言论。ＹａｏＺ 等［２９］ 探寻了新冠肺炎疫情期间用户接受到的在线社会支持类型， 发现其主要包括有形支持、尊重支持、信息支持、情感支持和陪伴支持。Ｈａｒｇｒｅａｖ?ｅｓ Ｓ 等［３０］ 则深入探索了在线健康社区中情感支持的形成机制， 指出情感支持主要表现为“共情”，这種共情是通过经验分享和社交联系产生的， 具体体现为， 当用户发现自己在诊疗方面的经验和需求被社区其他用户共享和理解， 就会产生共情， 并渴望与其他用户建立社交联系， 而联系的建立则会强化共情的程度。
２.１.２ ＳＳＴ 在健康信息搜寻与采纳研究中的应用
随着生活质量的提高， 人们更加关注自身的健康状态， 积极主动地获取健康信息， 从“治已病”向“治未病” 转变。利用互联网获取健康相关信息已经成为常见的信息实践活动， 因此在线健康信息搜寻与采纳引起学界关注。Ｏｈ Ｈ Ｊ 等［３１］ 指出，互联网可以提供在线社会支持， 使人们在非面对面的情况下也能获得所需的健康信息， 并发现社会支持与基于Ｆａｃｅｂｏｏｋ 的在线健康信息搜寻之间存在显著正相关关系。ＭｃＫｉｎｌｅｙ Ｃ Ｊ 等［３２］ 针对大学生在线健康信息搜寻及健康饮食意愿展开了研究， 发现社会支持能够正向影响大学生在线信息搜寻的意愿， 并间接促进其健康饮食意愿。在健康信息搜寻的基础上， 学者还进一步探究了用户对所获信息的采纳意愿。例如， Ｚｈｏｕ Ｔ［３３］ 基于社会支持理论探寻了在线健康社区用户信息采纳意愿的影响因素，发现情感支持对采纳意愿具有正向影响， 且这种影响会受到自我效能感的调节。Ｚｈａｏ Ｈ Ｂ 等［３４］ 则指出， 在线糖尿病社区中的社会支持可以分为情感支持、信息支持、网络支持和尊重支持， 而这些类型的支持能够正向影响用户对健康知识的采纳意愿，且这种影响会被论证质量、来源可信度和正向情感所中介。还有学者专门针对健康信息持续采纳展开了研究， 他们将社交支持作为一个变量融入期望确认模型进行实证分析， 结果表明， 社会支持可以正向影响用户通过Ｆａｃｅｂｏｏｋ 获取的健康信息的满意度， 从而促进其持续采纳和使用意愿［３５］ 。
２.１.３ ＳＳＴ在健康信息共享与传播研究中的应用
信息共享可分成初始共享和持续共享两个阶段。很多学者将ＳＳＴ 用于探究健康信息的初始共享。Ｈａｉｊｉ Ｍ Ｎ 等［３６］ 的研究指出， 在线健康社区能够为用户提供较好的信息支持和情感支持， 从而正向影响用户在线健康社区中共享健康信息的意愿，进而促进公共卫生保健事业的高质量发展。ＭｉｒｚａｅｉＴ［３７］ 等同样认为， 信息支持和情感支持是用户在健康社区中获得的主要社会支持类型， 且二者可以正向影响用户共享健康信息的意愿， 提高用户的参与。Ｌｉｎ Ｔ Ｃ 等［３８］ 构建了一个双重社会支持模型，探寻婴幼儿养育主题社区的共享行为。研究表明，该情境下的社会支持主要体现为行动促进支持和养育支持。其中， 行动促进支持又细分为信息支持和有形支持两个维度； 养育支持则细分为情感支持、网络支持和自尊支持３ 个维度； 而上述社会支持均可以正向驱动用户在该社区进行社会支持交换和信息共享。还有学者基于ＳＳＴ 探寻了健康信息的持续共享行为。例如， Ｌｉ Ｃ Ｌ 等［３９］ 将社会支持分为感知信息支持、感知情感支持和感知自尊支持， 不仅考察了３ 种支持之间的关系， 还探寻了它们对持续共享的影响， 发现上述３ 种社会支持可以通过正向影响感知有用性间接促进社区用户的持续知识共享和使用意愿。Ｍａ Ｄ 等［４０］ 将社会支持细分为直接信息支持、间接信息支持、直接情感支持和间接情感支持４ 个维度， 指出间接信息支持能够正向促进老年人持续分享与参与的意愿， 直接信息支持则通过习惯产生间接影响， 而直接和间接的情感支持均未产生显著影响。此外， 有学者还将ＳＳＴ 用于健康信息传播行为的研究， 指出在公共卫生突发事件中传播错误信息会增加公民的健康焦虑。因此， 基于社会支持理论和文本挖掘， 探寻公共卫生突发事件中错误健康信息传播的潜在机制， 发现情感支持会显著增加错误信息的传播， 且错误信息的模糊性和丰富性越高， 情感支持的影响越弱［４１］ 。
综上所述， 在线健康信息行为作为ＳＳＴ 的主要应用阵地， 积累了较为丰富的研究成果， 且具有如下特征： ①现有研究多对在线健康信息情境中的社会支持进行了细分， 且已有学者开始探索其中的范式， 但并未形成一致的维度体系， 且未对不同维度之间的关系进行深入挖掘。后续可以在现有研究的基础上， 为该情境下的社会支持构建系统的理论框架， 对涉及到的维度类型、交互关系及形成范式进行具体的解释； ②现有研究在整合社会支持理论和其他理论构建研究模型时， 多概括性地将不同理论拼接在一起， 后续可以探索理论进一步融合的方法。例如， 基于具体的表现形式， 将不同维度的社会支持嵌入到其他理论的某个变量中， 以提高说服力； ③受年龄、生活习惯、健康状况等差异的影响， 不同人群对健康信息的需求各不相同。已经有学者针对特定用户群体的健康信息行为展开了研究， 后续应继续加大这方面的研究力度， 并对不同用户群体进行比较分析； ④与健康信息初始搜寻、采纳、共享、传播研究相比， 对健康信息持续搜寻、采纳、共享、传播的研究还较少， 应引起学界进一步重视； ⑤由于获取用户在线健康信息行为客观数据的难度较大， ＳＳＴ 在该主题的应用多以行为意愿为终点， 对实际信息行为的探究较为稀缺； ⑥在研究方法上， 现有研究仍多采用结构方程模型等经典的实证分析方法， 后续可以尝试通过实验室实验和数据驱动方法获取客观数据， 提高对行为实践的解释力度。
２.２ ＳＳＴ在社会化商务消费者行为研究中的应用
ＬｉｎｋｅｄＩｎ、Ｆａｃｅｂｏｏｋ 和Ｔｗｉｔｔｅｒ 等社交媒体的日益普及， 为电子商务提供了新的商业模式， 即社会化商务。在社会化商务情境中， 消费者可以通过Ｗｅｂ ２.０应用随时随地分享产品信息和购物体验，从而在产品选择过程中得到准确的信息支持， 并在交互过程中获得某种心理精神层面的支持［４２］ 。这种来自企业或他人的在线社会支持有助于消费者进行合理的决策， 提高消费者满意度， 并促进消费者自发做出有益于企业和其他消费者的积极行为［４３－４５］ 。因此， 社会支持理论经常被引入到社会化商务情境中， 探究其对消费者行为的影响。
２.２.１ ＳＳＴ在社会化商务消费者参与和购买意愿研究中的應用
在消费者参与和购买意愿的研究中， 研究者普遍将消费者在社会化商务情境中获得的社会支持细分为情感支持和信息支持两个维度， 探寻其对消费者参与社会化商务及购买意愿的影响。例如， 有学者研究发现， 社会化商务的社会化特征可以促进消费者之间的在线交流， 从而产生社会支持， 包括情感支持和信息支持； 而消费者所感知到的这两种支持， 既可以显著提升消费者的情感认知和关系质量， 如满意度、信任、认可度等， 又可以直接或通过上述变量间接促进消费者对社会化商务的参与意愿［４６－４７］ 。Ｈａｊｌｉ Ｎ 等［４８］ 的研究也指出， 消费者所获得的情感支持和信息支持能够显著正向影响其参与社会化商务的意愿。Ｗａｎｇ Ｙ Ｎ 等［４９］ 则基于社会支持理论构建了研究模型， 探究社会支持对用户参与社会化商务社区的影响。实证研究结果表明， 情感支持和信息支持均能提高社会化商务社区用户的活跃程度， 并促进用户对社会化商务社区的参与。此外， 有学者专门探究了社会支持对消费者在社会化商务情境中购买意愿的影响。例如， Ｌｉａｎｇ Ｔ Ｐ 等［５０］的研究表明， 消费者在社会化商务中的信息分享可以满足个体信息需求和心理需求， 使其感知到来自他人的信息支持和情感支持， 从而增强消费者之间的信任和友谊， 并进一步提高消费者购买意愿。上述研究成果多从积极的视角出发， 探究社会化商务中的社会支持对消费者践行有利于企业的积极行为的影响。而Ｂａｌａｊｉ Ｍ Ｓ 等［５１］ 则另辟蹊径， 针对社会化商务情境中产品负面口碑的传播展开了研究， 发现社会支持会提升消费者在社交网络中进行产品负面口碑交流的可能性。
２.２.２ ＳＳＴ在社會化商务消费者持续参与和重复购买意愿研究中的应用
除了参与和购买意愿， 还有学者进一步将ＳＳＴ用于对社会化商务消费者持续参与和重复购买意愿的研究。Ｆａｎ Ｊ 等［５２］ 整合社会支持理论和社会临场感理论， 探究了社会化商务中消费者持续购买决策的影响因素， 发现社会支持与社会化商务中消费者的快速关系和信任存在正相关关系， 从而间接促进了社会化商务消费者的重复购买意愿和社交共享意愿。Ｌｉｕ Ｊ 等［５３］ 以Ｓ－Ｏ－Ｒ 模型为理论框架， 结合社会支持理论， 构建了基于内容的社会化商务消费者持续参与意愿研究模型并展开实证分析， 结果表明， 信息支持和情感支持均能正向影响社会化商务中的消费者信任和归属感， 从而促进消费者持续参与社会化商务以获取和分享内容的意愿。Ｈｕ Ｘ 等［５４］的研究则发现， 信息支持和情感支持在影响消费者持续参与社会化商务意愿中扮演的角色不同： 信息支持可以直接正向影响消费者的持续参与意愿， 而情感支持则需要通过信息支持的中介作用正向影响消费者持续参与意愿， 且信息来源的可靠性和社交互动均可以正向影响消费者感知到的社会化商务的信息支持和情感支持。
通过文献回顾可以发现， 学界已经将ＳＳＴ 用于探寻社会化商务中消费者参与和购买等行为的研究， 形成了一些高质量的研究成果， 且呈现出以下特征： ①当前该主题的研究成果主要集中在“消费者参与和购买意愿” 和“消费者持续参与和重复购买意愿” 两大方面。与参与意愿相比， 针对购买意愿的研究数量较少， 而对持续参与和重复购买意愿的研究又明显少于对参与和购买意愿的研究， 更罕见对消费者实际购买行为的研究； ②现有研究多集中于考查情感支持和信息支持这两种类型的社会支持对社会化商务消费者行为的影响， 而忽略了社会化商务情境中可能产生的其他类型社会支持的影响； ③现有研究多探究社会支持与其他外部变量之间的关系， 例如信息支持、情感支持与消费者信任、参与意愿、购买意愿之间的关系， 却较少探究不同类型社会支持之间的关系及其影响权重；④现有研究多通过问卷、访谈获取自报告数据， 结合回归分析、模型检验等方法展开定量分析， 基于消费者客观实际行为数据的研究较少， 这也是造成对消费者实际行为研究较少的主要原因； ⑤现有研究多聚焦于某个地区或某种文化背景， 并将消费者作为一个整体展开研究， 跨区域、跨文化、跨用户群体的对比研究仍较为稀缺。
２.３ ＳＳＴ在信息系统／服务设计和使用研究中的应用
随着社交网络和信息技术的迅猛发展， 仅具备基础性功能的传统信息系统已不能满足用户的需求。为了提升用户体验， 吸引并留住更多用户， 信息系统纷纷嵌入社会化媒体， 提供社会化服务， 向能产出更多社交价值、更具交互性的社会化平台转变。在这种情况下， 由交互产生的社会支持很可能对信息系统的设计和使用产生影响。基于此， 学界纷纷将ＳＳＴ 用于探究不同类型信息系统和服务的设计、优化以及用户对信息系统的使用意愿及行为。
２.３.１ ＳＳＴ 在信息系统／ 服务设计研究中的应用
早在１９８８年， Ｓｈｅｒｉｆ Ｈ Ｅ 等［５５］ 就提出， 基于问题的决策支持系统应为系统使用者提供信息支持。１９９９ 年， Ｗａｓｔｅｌｌ Ｄ Ｇ［５６］ 指出， 信息系统应为用户提供适当的过渡对象， 即为用户提供临时情感支持的实体。之后， 社会支持日渐被用于该研究主题， 以帮助设计师和运营者有的放矢地设计并优化信息系统和服务。例如， Ｘｉａｏ Ｑ 等［５７］ 从平台设计的视角出发， 探寻消费者在电子商务平台中进行在线评论的驱动因素， 发现平台中的工具支持因素（功能性、便捷性和媒体丰富度）和社会情感支持因素（共现性和共情性）可以正向促进消费者在线评论意愿， 但这种促进的程度在Ｗｅｂ 端和移动端有所不同。Ｌｅｅ Ｃ Ｔ等［５８］ 基于社会支持理论构建了两阶段结构方程模型， 探寻了消费者对与ＡＩ 聊天机器人互动满意度的前因和后果， 并确定了通过ＡＩ 聊天机器人促销提高消费者购买意愿的方法。研究表明， 消费者更关注聊天机器人提供的情感支持和自尊支持， 而不是信息支持。因此， 品牌在为人工智能交互设计对话内容时， 应更多关注其情感和移情反应， 而不是功能方面， 以进一步促进购买意愿。Ｃｈｉａｎｇ Ｉ Ｐ 等［５９］ 围绕Ｆａｃｅｂｏｏｋ 中不同的功能展开研究， 发现不同功能提供了不同的社会支持， 从而影响受众对某企业或产品的感知和行为。例如， 点赞和评论功能可以提供尊重支持、陪伴支持和信息支持， 而情感支持则主要通过留言和评论来获得， 且是否附加照片、照片展示的方式以及不同的情境视角均能够影响受众感知到的社会支持。因此， 参与管理Ｆａｃｅｂｏｏｋ 粉丝群体的营销专业人员应该灵活选用相应的Ｆａｃｅｂｏｏｋ功能， 优化用户服务， 提高营销效果。Ｆａｎ Ｊ 等［６０］的研究则表明， 游戏化互动的某些维度可以优化用户感知到的社会支持， 从而提高用户的学习绩效，因此， 移动学习类ＡＰＰ 应注意游戏化互动功能的设置。此外， 还有学者围绕在线健康社区的内容推荐方法展开了研究， 以帮助用户获得准确的社会支持，克服信息过载［６１］ 。
２.３.２ ＳＳＴ 在信息系统／ 服务使用研究中的应用
社交媒体允许用户不受时间和空间限制进行信息交流和知识共享， 丰富和拓展了人们的社交活动， 使其可以从网上获得更多的社会支持， 如信息支持、情感支持、有形的支持等［６２］ 。因此， 社会支持被认为是在线用户可以从社交媒体获得的一种关键社交价值。很多学者对社交媒体环境中的社会支持展开研究并探寻了其对社交媒体使用的影响。Ｇａｏ Ｗ 等［６３］ 探究了用户使用社交网站的３ 个主要动机（社交互动、信息和娱乐）与幸福感之间的关联， 并引入感知社会支持作为中介变量， 发现感知社会支持在社交网络使用动机的总体强度与用户的幸福感之间起到了连锁中介作用。Ｂ?ａｃｈｎｉｏ Ａ 等［６４］的研究表明， 用户在Ｆａｃｅｂｏｏｋ 中感知到的社会支持包括家庭支持、朋友支持和其他支持， 且这些支持能够促使用户对Ｆａｃｅｂｏｏｋ 的使用。类似地， Ｐｅｎ?ｔｉｎａ Ｉ 等［６５］ 也发现社会支持能够正向影响用户使用Ｆａｃｅｂｏｏｋ 进行情绪宣泄的意愿。Ｇｕｏ Ｊ Ｐ 等［６６］ 专门探究了政府社交媒体的使用， 发现信息支持和情感支持可以显著正向影响公民对政府社交媒体的使用意愿。Ｋｉｍ Ｈ Ｃ 等［６７］ 则基于ＳＳＴ， 探究了特殊群体对移动社交网络应用的感知和使用。除了社交媒体的使用意愿， 还有学者进一步将ＳＳＴ 用于对持续使用意愿的探究。Ｌｉ Ｙ 等［６８］ 构建了社交网站中在线社会支持细分维度的理论框架并展开实证分析， 结果表明， 信息支持、情感支持和网络管理是社交网站在线社会支持的重要组成部分， 且在线社会支持能够显著正向影响用户对社交网站的持续使用意愿； 此外， 他们还考量了性别的差异， 发现上述３个在线社会支持维度的权重会因性别不同而发生变化。Ｚｈｏｕ Ｔ［６９］ 则针对移动社交网站展开研究， 指出移动社交网站中的社会支持包括信息支持和情感支持， 且这两种支持可以通过影响结构资本、关系资本和认知资本间接促进用户对移动社交网站的持续使用意愿。上述研究均发现社会支持能够促进社交媒体的使用。但Ｍａｉｅｒ Ｃ 等［７０］ 却认为， 社交网站为用户提供了过多的社会支持， 从而引起社交过载，加剧用户的精神损耗， 降低用户对社交网站的满意度， 并导致用户弃用社交网站。由此可见， 当前研究关于社会支持对社交媒体使用所产生的影响并未达成一致。针对这种不一致现象， 有学者进行了探索， 认为造成这种不一致现象的原因是没有细分社交媒体使用的类型， 并在此基础上探究了不同类型的社交媒体使用与老年人孤独感之间的关系［７１］ 。
除了社交媒体的使用， 学界还将ＳＳＴ 用于其他类型信息系统、服务和技术使用的研究。例如， 有学者将社会支持细分为评估支持、有形支持、信息支持、网络支持、情感支持、自尊支持６ 个维度，探寻其对多功能健身应用程序用户粘性和持续使用意愿的影响。结果表明， 评估支持、信息支持和网络支持是工具粘性的重要前因， 情感支持、自尊支持、网络支持和有形支持是社会粘性的显著前因，而这两种粘性均可以正向影响用户的持续使用意愿［７２］ 。有学者针对智能手机的使用展开了研究，发现用户在使用智能手机时能够感知到不同的社会支持［７３］ ， 且感知社会支持又能促进用户对智能手机的使用意愿［７４］ 。有学者则挖掘了社会支持和在线学习意愿及效果之间的关系［７５］ ， 发现在线社会支持可以缓解学习者典型的负面情绪（压力、焦虑和抑郁）， 从而改善在线教育成果， 提高在线学习积极性［７６］ 。还有学者基于ＳＳＴ 探寻了用户对某些新型信息技术的使用［７７］ ， 发现社会支持可以通过正向影响用户对电子商务支付技术的信任， 从而间接促进用户的使用意愿［７８－７９］ 。
由上述可知， 隨着网络和信息技术的更新迭代， 信息系统和信息服务纷纷向社会化平台和服务转变， ＳＳＴ 已经被广泛用于各类信息系统和服务的设计与使用研究， 并表现出如下特征： ①与信息系统使用的研究相比， ＳＳＴ在信息系统设计中的应用研究相对较少， 随着用户对社交化和互动性要求的不断提高， 系统分析师在设计信息系统时会更加重视社会支持的提供， 由此可以推测ＳＳＴ 在系统设计中的应用将越来越受到学界的重视， 继而成为后续的一个重要研究方向； ②从信息系统的类型来看，社交媒体因丰富的社会化特征和较强的交互性， 是ＳＳＴ 最为常用的一个领域， 未来可以进一步加强对其他类型信息系统使用的研究； ③现有研究关于社会支持对社交媒体使用所产生的影响存在不一致的结论， 这可能是不同研究视角和情境造成的， 已有个别研究展开了探究， 后续仍应在现有研究基础上展开进一步分析， 挖掘造成这种现象的原因， 并形成规律性结论； ④现有研究多以用户的情感态度和意愿为研究重点， 对持续意愿和实际行为的探寻仍需加强； ⑤该主题已经有少数研究对用户群体进行了划分， 考量不同用户群体对社会支持感知的差异及其影响， 后续应更加重视这种差异， 细分社会支持维度、用户群体、文化背景等， 开展更加精细化的研究； ⑥当前研究多基于某个时间截面展开， 但用户的需求会随时间而改变， 因此后续可以从纵向的历史角度出发， 探索社会支持对用户使用的影响随时间变化的情况。
３结论与展望
通过文献梳理和归纳可以发现， 信息系统领域已经涌现出一些基于ＳＳＴ 的研究成果， 主要集中在“ＳＳＴ 在用户在线健康信息行为研究中的应用” “ＳＳＴ在社会化商务消费者行为研究中的应用” “ＳＳＴ 在信息系统／ 服务设计和使用研究中的应用” ３ 个方面。
然而， 现有研究仍存在一些不足， 主要体现在： ①对不同情境中社会支持的表现形式和细分维度的挖掘仍不够深入， 未形成统一的框架体系； ②现有研究多探寻了社会支持与其他外部变量之间的关系， 对不同类型社会支持之间关系的关注较少；③现有研究关于社会支持与其他重要构念（如信任、意愿等）之间的关系并未形成一致的研究成果， 例如， 大部分研究发现， 社会支持对用户意愿有促进和正向作用， 但也有研究发现， 社会支持会加重用户的精神损耗， 从而降低用户体验和使用意愿， 后续应针对这种不一致情况展开进一步分析； ④在已有的同时基于ＳＳＴ 和其他理论展开的研究中， 对不同理论和模型之间的融合还较为机械， 缺乏具体的深入的整合； ⑤受可获取的研究数据的限制， 现有大部分研究仍将用户的行为意愿作为落脚点， 对持续行为意愿的研究相对较少， 对实际行为的探寻则更加罕见； ⑥当前将ＳＳＴ 用于健康信息行为、社会化商务消费者行为和社交媒体使用的研究成果较为丰富， 对ＳＳＴ 在信息系统设计中的应用研究还有待进一步充实； ⑦不同用户群体在不同情境中对社会支持的感知和需求可能会存在差异， 但现有研究对此的关注度还不够， 后续应对用户、情境、文化、区域等进行细分并展开对比研究； ⑧用户的行为意愿和实际行为不是一成不变的， 尤其是在科技发展日新月异的今天， 用户行为很可能会随时间发生变化， 但现有研究多聚焦于某个时间点或时间段， 未考量用户对社会支持需求的变化， 以及社会支持在影响用户短期行为和长期行为中的差异； ⑨现有研究多采用用户自报告主观数据， 通过统计分析、结构方程模型等展开定量研究， 定性和定量相结合的研究较少， 基于客观行为数据展开的研究更少。
上述局限性为后续信息系统领域应用ＳＳＴ的研究提供了思路与方向， 主要包括： ①社会支持在不同情境中所包括的具体维度和内容有所区别， 因此要结合具体研究情境， 挖掘社会支持在该情境中的表现形式和维度范式， 并进行系统的总结与归纳，构建起统一的框架体系以提供理论参考； ②深入剖析不同类型、不同维度社会支持之间的关系， 并探究这些关系的影响因素及其对其他外部变量的影响，提高ＳＳＴ在信息系统研究领域应用的深度； ③借助元分析等方法， 对当前研究未达成一致的结论展开进一步分析， 探讨存在分歧的原因， 剖析社会支持与其他变量之间的真实关系， 总结出具有规律性的结论； ④开展更加精细化、具象化、深入性的研究，提高研究的针对性， 增强研究对实践的解释力度，提升研究的实际价值。例如， 探索将ＳＳＴ与其他理论有机融合的方法， 对相应变量进行嵌入整合， 提高研究模型的精巧性和说服力； 又如， 根据性别、年龄等因素细分用户群体， 聚焦研究情境， 考虑文化、地区、习惯差异等实施研究， 对比分析不同用户、不同情境对社会支持需求的区别； 再如， 后续研究不应仅局限于概括考查社会支持对用户态度和行为是否产生影响， 而应该进一步挖掘什么类型、何种程度的社会支持才是最契合用户需求的。只有这样， 才能为用户体验的优化、用户行为的促进、信息系统的设计等提供具体的、针对性的、可操作性强的对策建议； ⑤由于行为意愿有时无法准确反映用户实际行为， 且可能随时间的推移而改变， 后续研究应延长行为研究的链条， 将研究终点从行为意愿延伸到实际行为。与此同时， 还应持续追踪用户行为随时间的变化， 并将用户短期和长期行为进行对比分析， 开展历史的、纵向的研究； ⑥ “数据驱动” 为科学研究提供了新的方法与范式， 后续研究不应仅局限于传统的经典研究方法， 而应尝试数据驱动的研究方法和定性定量相结合的研究方法， 通过数据挖掘和实验， 获取客观行为数据， 提高研究结果的公信力； ⑦随着技术的发展以及人们对社会交互要求的提高， 社会化平台和社会化服务类型会更加丰富， ＳＳＴ 的适用场景也更为多样化，未来可以将ＳＳＴ应用于新型信息系统和服务的设计、使用及相应用户行为的研究， 拓展其应用范围。
