基于人格特征的即时通讯软件用户分类模型，本文主要内容关键词为：即时通讯论文,人格论文,模型论文,特征论文,用户论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：TP391.4 文献标识码：A 文章编号：1006—6020（2006）—03—0195—06
1 引言
与以往基于技术驱动的开发模式不同，在产品研发领域，最近出现了以用户行为特征（如用户的人格特征）为导向的产品设计趋势[1～3]。以即时通讯（instant messaging,IM）软件MSN为例，微软公司已将MSN的可用性与用户的需求、动机、角色及人格特征等各方面的研究结果整合于其设计及开发过程中[4]。在中国市场上目前通行近百种IM工具，各IM软件开发商均以用户行为研究为先导，以期开发更符合用户心理预期的IM产品，从而拓展其市场份额。
Hawk探讨了用户人格特征对用户信息满意度的调节作用，结果发现，对于那些可忍受信息的模糊性、不确定性以及具有较高实现需要的用户而言，用户参与度与用户信息满意度间的正相关程度最高；相对于具有内控型信念（internal-control belief）的用户而言，具有外控型信念（external-control belief）的用户的参与度和用户信息满意度间的正相关程度更高[5]。Mazhelis等人在移动情境中考察移动设备的用户替换时发现，用户行为与某些环境特性的交互作用反映了其人格特征，即用户的某些人格特征对其特定情境中的行为具有显著的调节作用[6]。基于Bandura社会认知理论关于人格表现为行为与环境的交互作用的观点[7]，Mazhelis等人认为，移动设备的替换者的人格特征导致了一种类似于犯罪学里面的“犯罪标签”的行为特性。因此，通过测量和分析替换者的行为特征，有可能重建其身份特性。基于上述思想，Mazhelis等人提出了构建探测移动设备用户替换行为模型的设想[6]。
笔者认为，基于人格特质调节用户行为的假设，通过探讨IM用户的人格特征与其IM产品选择及使用偏好的关系，可能为IM产品设计提供心理学依据。为此，选择目前国内某IM产品（本文称为“研究IM”）的细分用户群的部分用户进行用户行为研究。该类用户具有类似的职业、人口统计学特征、家庭环境及IM使用环境，但根据其使用IM工具的行为特征可划分为两类用户。其中，第一类用户仅使用“研究IM”这一种即时通讯工具；第二类用户除了使用“研究IM”外，还同时使用其他IM工具。“研究IM”用户的上述行为迁移，可能是因为目前的任何一种IM工具均难以充分满足用户的多种需求，也可能是因为用户不同的人格特征导致其对不同类型IM的选择偏向[8]。本研究的目的在于探讨IM用户的人格特征与其IM的选择偏向的关系。
2 方法
2.1 用户
本研究的59名IM用户均为城市中的女性办公室职员，平均年龄为21.2±3.4岁；文化程度为大专以上，家庭环境、网络和电脑使用环境类似。根据用户的IM使用习惯分为只使用“研究IM”的用户（计38名）和兼用其他IM工具的用户（21名）两个类别。
2.2 研究工具
本研究采用的测量工具是由R.T.Hogan编制的人格测量量表[9]。该量表用于测量人格的五大因素（FFM），分别是：适应性，社交性，开放性、利他性，道德感。国外有大量研究者将此量表用于组织和工业心理学研究中[10,11]，国内也有学者将此量表用于组织行为的研究[12]。然而，将此量表用于即时通讯用户的测量在国内尚未见到。本研究以同质性信度α系数为指标计算了两类用户在各分量表上的信度系数，发现各分量表的α系数在0.479～0.738之间，平均值为0.617，接近该量表常模团体提供的同质性信度的资料，说明本样本接受测验的可靠性较高。同时，收集了用户的背景性资料，包括用户的年龄、性别、职业和受教育程度以及IM使用行为。
2.3 研究程序
为了获得IM用户准确的IM使用行为的偏好，研究人员以访谈的方式调查其背景资料，并在征得用户同意后，对其实施“大五人格量表”测验。基于对两类用户的t检验结果，采用BP神经网络模型分析了IM用户的人格特征与其IM的选择偏向的关系。
3 结果
3.1 两类用户人格特征的比较分析
两类用户在大五人格因素各个维度上的得分见图1和图2。采用独立样本t检验方法比较了两类用户在各个人格维度上的因子的得分，结果发现，第1类用户在适应性因子上的得分显著高于第2类用户（t＝2.10，p＜0.05），而在社交性因子上的得分显著低于第2类用户（t＝－2.229，p＜0.05）；两类用户在开放性（t＝0.715， p＞0.10）、利他性（t＝0.600，p＞0.10）和道德感（t＝0.232，p＞0.10）三个因子上的得分均不存在显著差异。上述结果表明，仅使用“研究IM”这一种即时通讯工具的第一类用户的适应性水平较高，而同时兼用其他IM工具的第二类用户的社交性水平较高。
图1 第一类用户大五人格各个维度的因子得分
图2 第二类用户大五人格各个维度的因子得分
3.2 IM用户分类模型的构建
基于上述分析结果，进一步对测量数据进行建模仿真，旨在揭示人格特质对IM通讯工具使用行为的影响。Zukerman等人认为[13]，用户模型主要有线性模型、基于词频文本频率对比模型（TFIDF-based models）、马尔可夫模型（Markov models）、神经网络模型（neural networks）和贝叶斯网络模型（Bayesian networks）。由于IM用户的相关行为相对复杂，用线性模型来表征存在相当的局限性，采用非线性模型可对用户的人格测量数据作出更精确的表征[14]。
在诸多非线性模型中，BP神经网络是一种广泛采用的用户模型[15]。本研究的IM用户分类模型如图3所示，是一种BP神经网络模型。模型的输入为用户大五人格的因子得分。根据上述数据分析结果，仅采用适应性和社交性因子的用户得分数据，以保持模型的简洁性。模型的输出为用户的行为分类，用数字0 表示第一类用户的行为，用数字1表示第二类用户的行为。经过尝试，发现采用4层BP神经网络可以对用户数据进行较好的拟合，各层的神经元个数分别为4、8、16和1，其中第2、第3层为隐含层。
图3 基于人格特征的IM用户分类BP神经网络模型
按照第一类和第二类用户的比例将用户数据分成训练数据集和检验数据集，前者包含30位用户数据，后者包含29位用户数据。模型收敛后，模型训练目标及输出结果如图4所示。对训练目标和模型输出结果进行非参数Mann-Whitney U检验，结果表明所构建的IM用户BP神经网络分类模型能很好地拟合训练数据（Z＝－0.333，p＞0.05）。
图4 IM用户分类BP神经网络模型训练目标及输出结果
该模型的检验目标及输出结果如图5所示。基于检验数据的目标和检验数据的模型的输出结果，采用非参数Mann-Whitney U检验方法，检验了数据集对模型的有效性，结果表明，本研究所构建的IM用户BP神经网络分类模型对检验数据具有良好的拟合性（Z＝－1.147，P＞0.05），即该模型可基于人格特征对用户行为进行有效分类。
图5 IM用户分类BP神经网络模型检验目标及输出结果
4 讨论
随着通讯技术的发展，IM的功能日益增多，不仅具有文字、语音、视频等多种信息传输功能，而且其与诸如移动手机，PDA等各种通讯终端设备的结合越来越紧密。因此，越来越多的人群将IM作为人际沟通和交流的主要工具之一。然而，由于IM用户的人格特征存在差异，因而可能对IM工具的功能有不同的心理需求，其IM使用也可能有不同的偏好。如何增强IM的功能集，开发满足不同人格类型人群使用需求的个性化IM通讯工具，向具有不同人格特征的IM用户提供更具有人性化的服务已成为IM开发商们亟待解决的问题。
Carver和Scheier认为[16]，个性化的人格可以被定义为动态组织的、内化的心理系统，它创造了一个人的行为，思想，感情的特征性模式。这些特征性模式是检验个人身份的自然选择。并且人格作为个体稳定而内在的心理特征对其行为具有重要的调节作用。以往有关“大五”人格因素和工作绩效间关系的研究表明，具有高责任感、高独立性、高毅力和高成就定向的员工的工作绩效比相对缺乏上述特质的员工更高[10,11]。与此类似，不同人格特征的用户对不同类型IM 通讯工具的行为适应性也可能存在差异，从而导致其只对适应良好的IM通讯工具产生使用偏好。最近有研究者探讨了青少年对网络沟通中控制性、互惠性、网络沟通的宽度和深度在知觉上的个体差异[17]，Peter J等人发现不同人格特征的人群对于IM工具的易用程度和体验程度的知觉存在一定的差异。越年轻，社交焦虑和孤独感更强的青少年，相对于更年长，且无社交焦虑和孤独感的青少年，会更加强烈地感觉到网络沟通具有控制性，并且将之知觉为一种更宽广和更具深度与互利互惠性的工具。男性青少年比女性更倾向于将网络沟通知觉为互利互惠。青少年对归属的需要越强，那么他们越有可能把网络沟通视为比面对面沟通更具深度的沟通方式。
本研究表明，仅使用“研究IM”这一种即时通讯工具的第一类用户较同时兼用其他IM工具的第二类用户的适应性水平更高，而其社交性水平更低；第二类用户的社交性水平较高，但其适应性水平较低。根据“大五”人格理论，低适应性导致该类人群表现出现实生活中高忧虑、高警觉和高紧张度等行为特征。他们在现实中难以建立面对面的人际间归属关系，具有更强的社会焦虑感和孤独感。该类特征有可能导致其将基于互联网虚拟沟通特性的IM视为更适合其心理需求的沟通工具，借助于该类沟通工具，其人际交流更放松自如，因而更加依赖IM沟通方式[17]。此外，适应性较低的IM用户通常尝试新事物的能力有限，他们更可能倾向于选择多种IM工具。该类人群更多地关注IM的易用性，那些界面友好，具有易用性功能设置的IM更符合该类人群的心理特性，因而更能满足其心理需求。而那些易用性差，界面不友好，不易很快学会的IM工具将导致其转而寻求另外的IM工具，从而使其用户群不稳定，甚至流失。目前市场上流行的IM产品大多集成了过多的功能，给该类用户的学习和适应带来困难。此外，第二类用户的社交性水平较高，其喜好社交，爱好娱乐，感情丰富的人格特征有可能在虚拟空间中更容易激活其社交需求，并尝试通过更多的沟通方式和渠道体验虚拟空间人际沟通的娱乐性和丰富性，以满足其社交需求。因此，该类人群可能更在乎IM多样化沟通方式带来的丰富的人际情感体验。如果一种IM工具难以满足其多样化功能体验的需求，就会从更多的IM工具中选择寻求补偿。目前市场上流行的IM产品尽管从技术层面而言提供了足够多的功能，但是这些功能只是简单的集成，并未根据用户的人格特征和心理需求进行订单式设计，因此同样难以防止该类用户的流失[18]。
采用量表测量用户行为特征，进而建构模型的方法由来已久[19] 。所构建的用户模型可以用来量化表达用户的行为特征[20]。IM用户的相关行为具有不确定性，作为IM软件工具的核心，IM用户行为模型需具有表征用户不确定行为的能力，为此用户建模领域引入了模糊逻辑、神经网络、基因算法、模糊聚类和神经模糊逻辑系统等算法和技术[20]。各类算法和技术的选用通常基于目标导向原则，根据用户模型的特点来选择合适的建模技术和算法[21]。本研究中输入和输出的数据结构清晰、明确，适合于BP神经网络建模技术所要求的数据结构和数据类型[15]。Kang等人研究用户使用IM和其他网络通讯方式进行即时通讯时发现，不同的通讯方式具有不同的使用行为特征。该结果也为本研究模型构建的合理性提供了支持[22]。
5 小结
本研究根据即时通讯软件工具使用行为的差异将所研究的用户划分为两类，使用“大五人格问卷”获取了该两类IM用户的人格特征测量数据，根据比较分析的结果，构建了基于人格特征的IM用户BP神经网络分类模型，得到以下结论：
（1）两类用户在“适应性”和“社交性”因子上的得分存在显著差异，而在“开放性”、“利他性”和“道德感”三个因子上的得分差异不显著。
（2）基于人格特征的BP神经网络用户分类模型可以对IM用户进行有效分类。