面向整合的PIM软件工具使用意愿实证研究，本文主要内容关键词为：意愿论文,实证研究论文,工具论文,软件论文,PIM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。
目前，移动智能终端设备已成为人们日常生活、工作中必备的工具。随着需要处理的个人信息数量和类型的不断增多，用户对移动状态下处理个人信息的需求越来越强烈，用户管理多项个人信息时经常会遇到各种问题，如跨平台管理系统的不兼容，跨设备管理导致的“信息碎片”等。而现阶段面向个人信息管理的智能终端软件工具多是针对单项个人信息类型进行管理，如电话簿、短信或是日程管理。调查发现，在国内外主要的APP Store中以通讯录、短信、电子邮件、日历/时间/日程管理等关键词搜索相关的应用，其中最为接近本研究要求的整合功能软件是Any.do，该软件功能是将个人通话、通讯录和个人日程相关联的个人信息整合管理软件工具，其在国外的Google Play、国内的安卓市场和应用汇等主要的Android系统软件下载市场上下载量分别为50万多次、3万多次、103 238次（数据截止时间2013年4月15日16:35），这足以表明面向整合的关于通讯和日程管理的个人信息管理（Personal Information Management，PIM）软件工具的社会需求。因此，本研究中对面向整合的PIM软件工具用户使用意愿的实证分析具有一定的现实性和创新性。
1 面向整合的PIM软件工具的概念和逻辑
1.1 面向整合的PIM概念
面向整合的PIM即将多项个人信息管理功能的接口界面整合为一个统一的管理界面，如电子邮件、通讯录或是短信管理等功能。所谓“整合”就是一体化，是集成管理的主要内容。通过电子邮件、通讯录和短信功能中共有的通讯录为关联来整合管理个人信息，做到不仅是简单的软件窗口整合，而且是将这些信息中共有的信息节点关联起来，以此提高管理个人信息的效率。
英国情报学家布鲁克斯曾指出，情报学的最终目标就是通过文献管理上升到知识管理，通过组织知识间的网络联系，构建“知识地图”。我国情报学专家马费成也曾指出，情报学的重要原则和目标就是由物理层次的文献单元向认识单元或情报单元转换；知识信息的计量必须从语法层次向语义层次和语用层次转换[1]。由此看出，这种让多种个人信息彼此间构建联系形成知识关联，通过统一交互界面进行有效管理的方式，将是未来面向整合的PIM软件工具发展的主要方向。
本研究中提出的“面向整合的PIM软件工具”，与布鲁克斯提出的“知识地图”在概念上是一致的，这也为个人信息管理未来的发展目标指明了方向，即个人知识管理，构建“个人知识地图”。
1.2 面向整合的PIM软件工具设计逻辑
从图1可以看出，现有个人信息管理软件大多是对单项类型的个人信息进行管理。图1中上半部分左边工具的工作类型说明，通过接口A进入通讯录管理，接口B进入电子邮件管理，接口C进入短信管理，各项管理的功能相对单一。当用户想同时管理通讯录、短信和电子邮件中的两个或全部时，必须要退出一个交互界面，进入另一功能管理界面。还有些软件（图1上右）的工作原理则是通过任意接口A/B/C进入管理通讯录/短信或通讯录/电子邮件的管理界面，这已经开始包含了整合的因素。但是，对现有PIM软件工具进行调查后发现，大多数软件整合仅限于两项功能，且两项功能中都侧重于其中一项功能的管理，如Any.do就是以日程管理为主，辅助管理个人通讯信息的整合软件工具；Tasks则是以任务管理为主，辅助管理个人笔记信息。本文中提出的“面向整合”的概念主要是指图1中下半部分的逻辑设计——通过整合接口来管理多种个人信息类型，在此基础上挖掘个人信息间的信息关联节点，并通过不同类型个人信息间的隐性联系，提高用户管理个人信息的效率。
2 面向整合的PIM工具使用意愿实证分析
2.1 模型构建和要素选择
本文在构建面向整合管理的个人信息管理软件工具使用满意度模型时，充分结合了技术接受模型（Technology Acceptance Model，TAM）中的一些要素。从TAM的发展演变来看，1975年，Fishbein和Azen提出了以用户为中心的理性行为理论（Theory of Reasoned Action，TRA）[2]。随后，Azen又在TRA的基础上提出了计划行为理论（Theory of Planned Behaviour，TPB）[3]。1989年，Davis依据上述理论模型和要素提出了信息系统研究领域最为著名的TAM模型[4]。技术接受模型是目前被广泛应用的信息系统接受模型，它是针对一项服务或是技术工具的使用和接受程度的评价模型，用于分析哪些是影响用户接受某项信息技术的主要因素。
本研究在技术接受模型的理论基础上，参考了多个移动终端软件开发过程中的测试要素，引入了与感知有用性相关的变量——效率、全面性、满意度和安全性，以及与感知易用性相关的变量——可操作性、界面美感和稳定性，并综合评估这些变量对用户使用面向整合的PIM软件工具的使用意愿情况。
2.1.1 效率和全面性
所谓面向整合的PIM软件工具就是要在全面整合不同类型个人信息的基础上提高管理效率（Efficiency，Eff）。在Venkatesh等人提出的技术接受和使用模型整合理论（Unified Theory of Acceptance and Use of Technology，UTAUT）中就验证了绩效期望（Performance Expectancy，PE）与用户接受的影响关系[5]。绩效期望是指个人使用该系统对提高其工作绩效的程度。本研究将效率作为整合管理软件工具被用户接受意愿程度的影响要素之一。当然效率对多种类型个人信息的整合管理，即管理的全面性（Comprehensiveness，Com）也是必不可少的。因此，在模型中提出以下假设：
H1：效率与感知有用性之间存在正向影响关系；
H2：全面性与感知有用性之间存在正向影响关系。
2.1.2 满意度和安全性
满意度（Degree of satisfaction，Ds）是用户使用过某种产品、技术或服务后的一种心理状态，Delone和McLean在D & M信息系统成功模型中提到，当用户对某个信息系统的使用感到满意时就会频繁地使用该系统[6]，与之相反的则是缪斯定理。Garbarino[7]、Pavlou[8]等人通过研究发现，在客户关系管理中用户满意度是信任的前提。因此，本研究中也加入了满意度这一模型变量，用户在使用软件工具的过程中心理状态呈现的愉悦感越强，对该软件工具的使用频率就越高、使用时间也越久。同时，模型中也加入了安全性（Security，Sec）变量。在网络信息高速发展的今天，移动互联网存在很多安全隐患，尤其是用户在使用一款涉及个人信息甚至是个人隐私的软件工具时，他对软件工具的信任及软件工具自身提供的对信息安全的保障，都是用户看重并使用该工具的重要条件。据此，在模型中提出以下假设：
H3：满意度与感知有用性之间存在正向影响关系；
H4：安全性与感知有用性之间存在正向影响关系。
2.1.3 可操作性、界面美感和稳定性
除了上述与感知有用性假设存在正向影响关系的变量外，软件工具的可操作性、界面美感和稳定性也应是影响感知易用性的重要变量。首先，对一款软件工具来说，无论其管理功能多么强大，程序的可操作性和界面的美感仍然是影响用户使用的重要指标；其次，简单实用的可操作界面，流畅清晰的交互窗口等，也是决定用户使用该软件工具的主要因素；第三，软件工具在简单操作和频繁操作时均应具有一定的稳定性。因此，可操作性（Operability，Oper）、界面美感（Sense of beauty，Sb）和稳定性（Stability，Stab）都是用户对一款软件工具感知易用的重要影响因素。Wolfinbarger等指出当用户对智能手机的界面有着良好评价时就会有更高的满意度，而简单的界面设计也是影响用户满意度的关键要素[9]。据此，在模型中提出以下假设：
H5：可操作性与感知易用性之间存在正向影响关系；
H6：界面美感与感知易用性之间存在正向影响关系；
H7：稳定性与感知易用性之间存在正向影响关系。
TAM模型将感知有用性（Perceived Usefulness，PU）和感知易用性（Perceived Ease of Use，PEU）视为主要因素。PU是指用户使用某项技术后感知能够对工作绩效提高的程度，而PEU则是在感知这种对工作绩效提高的同时对提高过程的难易学习程度。Yi和Jackson等人进一步证实，在用户决定是否使用一项技术的过程中，感知有用性是比感知易用性更为重要的因素[10]。2000年，Venkatesh和Davis在对TAM进行研究的基础上提出了TAM2，TAM2相对于TAM最大的变化就是增加了社会影响和认知过程两个要素[11]。
本文主要通过实证研究方法来探讨用户对面向整合的PIM软件工具原型的使用意愿（Willingness，Will）。毫无疑问，感知有用性与感知易用性是用户对于一款移动平台软件工具使用的重要参考要素，故作如下假设：
H8：感知有用性与感知易用性之间存在正向影响关系；
H9：感知有用性与用户使用面向整合的PIM软件工具的意愿之间存在正向影响关系；
H10：感知易用性与用户使用面向整合的PIM软件工具的意愿之间存在正向影响关系。
综合上述假设构建的面向整合的个人信息管理软件工具使用意愿模型如图2所示。
2.2 调查问卷设计和研究方法
2.2.1 变量设计与测度
本文构建的模型包括10个潜在变量，每个变量包含3～5个观测变量。在与有多年移动平台软件开发经验的工程师讨论后，试调研了15位用户，取得了一些用户反馈后，最终确定了假设模型变量的各题项。
调查问卷共分为两部分：第一部分是被调查对象的基本情况，第二部分则是问卷主体部分，即面向整合的个人信息管理工具使用意愿调查。主体部分采用7点尺度的李克特量表，被调查者可选择范围由（1）～（7），（1）代表“强烈不同意”，（7）代表“强烈同意”。
2.2.2 数据收集与样本特征
本文通过“问卷星”网络问卷平台发放问卷，共收回了154份有效问卷。调查对象主要选了两类：一是图书情报专业的师生，因为他们可能更多的是从专业的角度来填写问卷；二是企业员工或部门主管，因为考虑到他们对信息处理要求较高且使用频繁。本文希望样本人群能充分反应用户对于面向整合的PIM软件工具的使用意愿。被调查者的基本信息如表1所示。
2.2.3 实证研究方法
本文通过“问卷星”平台来设计问卷及问卷的发放和调查，在问卷发放过程中通过随机匿名方式分享问卷网址和微博分享等方式，以此扩大问卷调查的范围和对象。最后，通过“问卷星”后台数据统计将问卷统计以.CSV格式导出，采用偏最小二乘法（PLS）建模验证模型，用SmartPLS2.0软件来处理、分析数据。
2.3 测量模型有效性分析
2.3.1 信度分析和效度检验
对于模型有效性的分析一般包括问卷的信度和问卷的效度检验两方面。前者是指问卷的稳定性或是可靠性，本文采用内部一致性信度，通过由结构方程模型软件SmartPLS计算得到的组合效度（CR）与Cronbach Alpha系数指标来衡量；后者测量考察的准确性包括内容效度和建构效度。由于该测量指标均来自前人研究的结果，是软件在开发过程中必须要注意的一些要素，因此模型的内容效度较高。而构建效度又可细分为区分效度和收敛效度。本文通过由结构方程模型软件SmartPLS运行计算出的载荷系数（Loading）来衡量收敛效度，用变量间相关系数与变量AVE来衡量区分效度。
一般来说，组合信度（CR）值与Alpha值均达到0.7及以上则表明假设模型具有良好的内部一致性信度。由表2可知，组合相度（CR）值和Alpha值均在0.7以上，可知假设模型具有良好的内部一致性信度。同时各因素的平均变异萃取估计量（AVE）值也达到最低标准的0.5。
对收敛效度来说，一般认为Loading值大于0.7则表明模型中各指标间具有良好的收敛效度。如表2所示，问卷中所有量表的Loading值均在0.7以上，因此，问卷的各测量指标都具有较好的收敛效度。Fornell等人提出，区分效度可以通过检验潜在变量的AVE值大小和比较潜在变量的AVE值的平方根与其他潜在变量的相关系数来检验[12]。即潜在变量的AVE值大于0.5并且AVE值的平方根大于与其他潜在变量的相关系数，在表3中表现为Eff→Eff的0.972＞Com→Eff的0.866，同理也大于该列所有相关系数值，除了Eff列，其他各列也都符合上述的效验条件，因此，该模型中各指标间具有良好的区分效度。
2.3.2 模型路径验证
本文通过结构方程模型软件SmartPLS来检验用户对使用整合管理的个人信息管理工具意愿的模型中变量间因果关系的假设。通过结构变量间因果关系的检验来确定哪些结构变量需要调整，哪些结构变量可以取舍。
首先，利用SmartPLS软件对模型进行路径参数估计，利用软件中的bootstrapping方法对原始数据选取容量为1000的重抽样样本（遵循样本量至少500个的建议[13]），并在此基础上检验路径系数的显著性。在表4中可看出，模型中所有因果关系都得到了验证，其中Com→PU、Sb→PEU和Stab→PEU三组变量间的效验结果没有显著性，Eff→PU、Ds→PU、PU→PEU和PEU→Will间表现为**显著，Sec→PU、Oper→PEU、PU→Will则表现为***显著。
2.3.3 模型效验结果分析
首先，在图3中Eff→PU、Ds→PU、PU→PEU和PEU→Will间表现为**显著，Sec→PU、Oper→PEU、PU→Will则表现为***显著。可以看出被调查者在试用面向整合的PIM软件工具时的意愿主要与效率、满意度、安全性、操作性、感知有用性和感知易用性有着密切关系，模型的假设都得到了验证，这也给以后的面向整合的PIM软件工具的开发提供了一定的借鉴意义。
另一方面在图3中，Com→PU、Sb→PEU和Stab→PEU，即全面性→感知有用性、界面美感→感知易用性、稳定性→感知易用性间没有显著的正向影响关系。
全面性对用户使用整合管理的个人信息管理工具使用意愿没有正向影响关系。一方面是因为“个人信息悖论”的存在，通过部分问卷调查对象的访谈了解来看，有些用户虽然时常遇到管理多种个人信息的问题，但直到接受该问卷调查之前，从来没有听过“个人信息管理”这一术语。调查发现，被调查对象对个人信息的了解和个人信息管理概念的了解很少，有的被调查对象甚至需要问卷发放者花一段时间向其解释相关理论和案例后才慢慢理解。但在提出整合概念的个人信息管理工具时，大部分用户都显得很感兴趣并愿意配合，甚至有部分被调查对象开放性地提出了自己想要整合的功能选项和意见。这与部分用户了解个人信息管理的程度呈现出相反的现象，因此，这里将这一现象称为“个人信息管理悖论”。
另一方面，目前，面向整合的PIM软件工具还没有很好地将多种个人信息类型间的潜在关系进行整合，构建类似“个人信息地图”的管理，只是纯粹的界面整合很难让用户对整合管理个人信息工具形成行为粘性，这可能是“全面性→感知有用性”效验结果不显著的另一个原因。
其次，对“界面美感→感知易用性”的效验结果，结合问卷采访记录可总结出，用户对于工具使用过程中的界面美的感受并非与使用意愿没有显著关系，而是当用户使用一款软件时，除非该界面的美感设计在很大程度上影响到了用户的使用和体验，正如穆尔斯定律中所说，如果一个用户使用某个信息系统比不使用该系统还要麻烦，那么用户就会放弃使用该信息系统。目前，大部分移动终端软件工具界面都做到了让用户忽略其界面交互美感的存在，即界面交互窗口或动画既没有阻碍用户对软件的操作或使用，也没有达到交互界面惊艳的程度。因此，对于软件的“界面美感→感知易用性”才会得出不显著结果。这也说明，在软件的开发过程中，特别是在初期，更重要的是界面交互的简单化、智能化，对于界面美感的重视程度相对较弱，当然这也必须建立在界面美感不影响用户日常使用的前提下。
最后，对“稳定性→感知易用性”间检验不显著的结果，与界面美感结果类似，目前，大部分使用常见移动终端的操作系统都具有可靠的稳定性。用户对于稳定性这一要素并没有过分强烈的意识，与上述的界面美感一样，稳定性在用户使用过程中的存在感不强，用户很难意识到该要素的重要性。而笔者事后与有数年软件开发测试经验的工程师讨论该数据结果时也发现稳定性因素是软件开发测试过程中最为重要的监测环节之一，重视修改那些致使软件测试崩溃的错误代码，是确保软件稳定的重要保障。因此，本模型中可能正是受访者目前使用的大部分移动终端的操作系统特别是Android4.0+版本之后，系统对软件的兼容性和稳定性更强，用户没有遇到或很少遇到软件运行崩溃带来的用户体验差的感受，因此，“稳定性→感知易用性”效验出现了不显著的结果。
3 结语
本研究中的面向整合的PIM软件工具主要考虑的是界面整合和简单的跨类型、跨功能的整合，而对于真正意义上的面向“个人知识地图”的整合还没有涉及。此外，模型中提出的全面性→感知有用性、界面美感→感知易用性、稳定性→感知易用性之间并没有显著的正向影响关系，模型的设计还有待改进。但模型中提到的效率、满意度和安全性等变量对于用户使用面向整合管理的PIM软件时的意愿具有显著的影响。这对今后研究个人信息管理软件工具特别是面向整合方向的研究具有一定的借鉴意义。