感知示能性在社会化媒体后续采纳阶段的调节效应初探，本文主要内容关键词为：效应论文,阶段论文,媒体论文,示能性论文，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。
1 引言
社会化媒体是新一代互联网环境下最为热门的焦点。不同学科背景的学者往往会从不同的角度界定社会化媒体，然而各种定义或概念都在极大程度上表达了“媒体即社区”的想法，即社会化媒体作为一种信息创造、组织、传播、利用的媒介工具，很好地体现了网络/虚拟社区的各种特性。因此，社会化媒体无论是作为数字化媒介工具还是作为在线社区都与用户的选择、使用、参与和协作息息相关。以往信息管理领域的学者针对各种形式的社会化媒体的采纳和接受已有不少研究成果，但主要都集中在社会化媒体的初始采纳动机和行为上，而关于社会化媒体后续采纳阶段(Post-adoption)的研究还不多，且以往研究中更多以性别、年龄、学历背景等人口统计学因素作为研究的调节变量。本文将构建感知示能性(Perceived Affordance)构念作为理论视角切入到社会化媒体后续采纳阶段的研究中，试图检验感知示能性在社会化媒体后续采纳阶段的适应性使用中的调节作用，从而丰富网络用户信息行为研究和用户体验研究的理论基础，并为社会化媒体的交互设计和评价提供相关的准则和参考依据。
2 感知示能性的概念界定
2.1 相关概念回顾
示能性这一术语源于生态心理学领域的格式塔理论，知觉心理学家Gibson最初创建了这一概念来描述行为体和外界相互作用时的行为属性[1]。在Gibson看来，示能性就是一种关系，它是自然的一部分，是宏观秩序为我们提供的“价值意义”：它不一定非得是可见的、可知的、或者合意的。有些示能性的关系还没有被发现；有些则很容易被误解或错识。Gibson通过对视觉感知的研究构建了相关的纹理学说，认为众多的affordances不是主观经验的简单现象特征，而是具有生态学意义的，是环境之于行为体的一系列指代。每个生态位都可能包含许多affordances以及它们与行为体密切相关的环境属性[2]。从生态心理学的角度，对于环境及其示能性所表达的机会和约束的理解很大程度上建立在行为体的感知和特定环境特征的动态相互作用的认识上，并在此基础上形成相应的行为体-环境事件的情境。按照Gibson的定义，示能性可以跨越主观-客观对立论的理论障碍，推翻笛卡儿的自我内在认知处理外在感官的理论框架，提倡以客观事物的诱发为中心的思维模式。从Affordances自身存在而言它们是客观的，并不需要依赖于价值、意义以及诠释；然而从行为体所需的参照物的角度而言，它们又可以被认为是主观的。Gibson强调了示能性中行为体和环境之间的相互作用，并将其作为一组不能分割的共生状态看待。同时，Gibson所定义的示能性强调直接感知，即这种感知不需要行为体的事先分析、调解和内部处理。当示能性存在且环境中有相关的信息能够指代这种示能性时，直接感知将发挥其作用[3]。需要注意的是，Gibson认为示能性的存在独立于行为体的经历、知识、文化甚至感知能力，因此有可能会出现有示能性但却缺乏相关指代信息的情况。
Norman在著作The Design of Everyday Things中，首次将示能性正式引入到设计学范畴中。他倡导设计者创造的物件与用户的心理需求被尽可能地等同映射起来，即设计者应该摆脱主观臆断的心智模式，对人们的生活方式及其细节进行深入了解，从而设计出支撑和满足各种动因需求的产品、系统和服务[4]。Norman认为，在产品设计中，设计师是和真实的、客观的物体打交道，因此可能同时存在有两种示能性：真实的示能性和被感知的示能性，而这两者有可能是不一样的，即设计者所想的示能性和用户感知的示能性可能存在着差异[5]。Norman和Gibson关于示能性定义的一个主要分歧是：Norman认为行为体对于概念化affordances的存在起到了重要的作用，即affordances源于行为体对于事物精神上、心理上以及思想上的解析，这种解析强烈依赖于我们的知识存量以及过往的经验经历，而Gibson认为affordances自身是客观存在的[6]。从诠释的角度来看，Gibson的定义源自于心理学范畴而Norman的定义更多带有认知科学的色彩。前者更多体现了实体的物理属性，如大小、形状、颜色等，而后者则依赖于用户的知觉和心智模式，强调经验、理解力和学习能力等因素。因此，虽然Gibson将示能性和其指代信息分割开来，但Norman却将两者作为一个组合，即示能性包括了相关的指代信息，而示能性和指代信息都可以看作设计的重要组成部分。另外，Norman指出在设计中谈论的示能性应该是相关实体的最为基本重要的属性[7]，如手机虽然可以有许多功用，但最主要的应该还是通讯的功能；而Gibson并未深入讨论并区分一个实体不同层面的affordances。Norman认为在设计学范畴中，我们更应该关注使用者的主观感受而非客观存在本身。因此，Norman的定义中强调的是感知示能性，并在其后的著作中用更多的实例将其与真实的示能性进行区分。笔者尝试归纳出三类在交互设计中广泛存在的感知示能性问题：①隐蔽性，即有感知示能性但信号相对较弱，有些功能可能并没有清楚地向用户进行展示；②可用性，即有感知示能性但使用起来有困难，有些功能需要花很多时间和精力去学习，或者交互设计的友好性较差；③歧义性，即有感知示能性但可能会误导用户。比如当设计没有遵循用户的思维习惯和行为模式时，用户会错误地使用一些功能从而产生受挫感，或者当设计没有考虑到文化特质和主观规范时，可能会让用户产生误解，从而激怒用户而停止使用。如果说示能性为我们揭示了行为体与环境的互动互利关系，那感知示能性则更为直观地凸显了基于用户主观感受和认知的设计学理念，这一理念已经充分体现在“以用户为中心的设计”(User-Centered Design，UCD)以及用户体验设计(User Experience Design，UED)中[8]。同时，感知示能性也从生态心理学中继承了“环境”这一重要元素，它可能体现在情境、文化、映像等具体构念中，描述一定的边界性特征。因此，感知示能性也可以作为评价IT构件的交互设计和使用是否成功的一个重要测度依据。
2.2 概念扩展
社会化媒体在设计之时便展现出一部分的示能性，然而用户大脑在处理转换这些示能性的过程中，真实的示能性和感知的示能性往往有所差异，因此用户在接受和使用过程中会进行适应性调整或者修正。感知示能性强调行为体与设计物件之间的相互关系，以及这种互动性所发生的环境。Jordan将心理学理论作为支撑点，针对体验式设计中人因要素提炼出四个主要层次，分别是认知/思维层、社会层、心理层/情感层以及物理层/生理层[9]。Zhang P就人机交互中信息通讯技术(ICT)的正向设计提出了相应的动因示能理论，分别从心理动因、认知动因、社会动因和感情动因四个来源构建模型，并提出相应的设计原则[10]。笔者将动因示能理论引入到社会化媒体的用户体验设计中，并针对各项设计原则开展了相关的案例讨论[8]。Hartson则直接对示能性的概念进行拓展，并将其细分为四个类型，包括物理方面、认知方面、感官方面和功能方面的示能性[11]。
笔者尝试在前人研究的基础上将感知示能性的概念进行拓展细分，结合社会化媒体的技术属性和社会属性，构建了感知示能性的四个主要维度，包括感知物理示能性、感知认知示能性、感知情感示能性和感知控制示能性[12]。其中，感知物理示能性和感知认知示能性在Hartson研究的基础上构建，然而本文的感知物理示能性和Hartson的构念相比涉及面更广，涵盖了其概念体系中的物理层面和感官层面两大类。另外，本文从感情情感、思维认知和行为反射的角度增加了感知情感示能性和感知控制示能性。前者主要针对社会化媒体的情感因素，而后者主要从用户的角度强调社会化媒体不同操作粒度的可控性因素。值得注意的是，这四类感知示能性在实际情境中并非是互相排斥的，相反，很多时候用户的感知和回应往往同时包含两种或两种以上的示能性。表1介绍了这四类感知示能性并列举了一些相关的实例。
3 研究框架
3.1 理论基础
社会化媒体的兴起和可持续发展离不开广大用户的接受、参与和使用，因此无论是学界还是业界都对这一问题给予了极大的关注。从学界的角度，由于社会化媒体类型的多样性和用户的复杂性，其接受和采纳不仅仅是一个新媒体的使用或者参与到某个在线社区那么简单，更多时候必须深入了解用户的态度、意图、动因、战略以及环境变量对于用户选择、使用、参与和协作等各个层次的接受和采纳的影响。同时，社会化媒体的接受和采纳行为并非是“一锤子买卖”，从时间的维度来看，用户对于社会化媒体的接触可以分为初始采纳和使用、持续性使用以及后续采纳三个部分。其中学者对于初始采纳和持续性使用已有不少相关的研究成果，主要是从用户的角度出发，通过技术接受模型、期望确认模型、自我决定模型等一系列理论去进行实证研究，而关于社会化媒体后续采纳行为的研究目前还很少。信息系统领域的一些学者近几年开始关注并研究信息系统的后续采纳行为和模式[13，14]，相关的研究结论可以为社会化媒体这类社会信息系统提供理论借鉴和实践参考。然而，社会化媒体的内涵和外延比传统意义上以组织目标为导向的企业信息系统要复杂得多，主要体现在社会化媒体的“媒体即社区”(Media as a Community，MaaC)的特性上。谈到社会化媒体不可避免地就会谈及网络/虚拟/在线社区。其中一部分社会化媒体已经从纯粹的媒介通讯工具衍生出或演化成在线社区，如即时通讯软件QQ空间、微博圈子、在线视频论坛等，另外一部分社会化媒体本来就是在线社区的形态，如社交网络、在线问答等。有学者研究了社会化媒体和在线社区在各个层面的对应关系，包括通讯层面、群体协作层面、个性化设置层面、外部化层面、治理层面、监督分析层面、技术和平台支持层面，发现两者在这些维度都存在极大的重叠和相似性[15]。因此，社会化媒体的后续采纳行为并不是单纯意义上的技术或工具接受，也不是纯粹的社区参与和融合，而是这些不同层面上具体行为的综合体。
同时，一些关于信息系统后续采纳行为的研究层次更多集中在系统层面，即将信息系统作为一个集成的功能体对待[14]，这种研究方式便于从宏观上把握信息系统后续采纳行为的动机和意图，并提供相应的评价体系，然而从微观的角度似乎缺乏对操作层面上的理论支撑和实践指导。对于社会化媒体而言，笔者在前期的研究中将其粒度归纳为宏观、中观和微观三类，其中微观层面涉及反馈机制、人脉关系图、在线虚拟导引、个性化推荐、社会搜索等一系列功能特征[8]。在社会化媒体的后续采纳阶段，这些深层次的应用会逐渐崭露头角，相比起初始接受和持续使用阶段的用户行为(如发帖回帖、评分、标签等)，这些应用为用户提供了更多适应性使用(Adaptive Use)的空间。适应性系统使用(Adaptive System Use，ASU)是信息系统后续采纳阶段用户行为的主要表现，强调用户在特征层面不断调整、学习并改进其使用行为，从而完成相应的任务或者达到预定的目标[16]。ASU中一个重要的概念是系统使用特征(Features In Use，FIU)，用户在使用信息系统中往往会用到不同的功能特征，且不同的信息系统也会提供各种可供选择的功能特征。因此，FIU是用户为完成某一目标或者任务而从相应的系统功能组合中选择适当的功能特征[17]。这个概念和感知示能性有着密切的联系。如果说设计师提供的真实的示能性是一系列可供选择的功能特征，那么用户在使用的过程中从物理上、认知上、心理上、情感上所感知到的示能性便会推动或者影响用户的功能特征选择决策和使用行为。从社会化媒体后续采纳阶段来看，社会化媒体的适应性使用(Adaptive Social Media Use，ASMU)可以界定为用户在复杂多变的虚拟或现实环境中为了满足其不同的交互需求(如人-机交互、人-人交互)，从而对社会化媒体特征的使用进行不断地调整、学习和改进，具体体现在特征内容和特征形式上。笔者在前期研究的基础上结合Sun关于ASU的描述[17]对ASMU进行维度的分解和界定，具体如表2所示。
3.2 研究假设和研究模型
以往的很多研究都将社会化媒体的接受和采纳作为用户内在动因和外在动因共同驱动的结果，并主要通过兴趣和乐趣、利他性、社会认同、归属感、自我效能、外部奖励等因素进行模型构建和分析。然而，在社会化媒体的后续采纳阶段，用户的动因随着过程的迭代和行为模式的深入逐渐趋于明晰稳定，因此在这一阶段用户更清楚自己的目标和意图，往往会选择更有效的工具、方法和模式去完成既定的任务和目标。所以，在社会化媒体的适应性使用中，用户会更多地去关注社会化媒体的内容和形式[18]，这也在很大程度上为本文提供了研究思路，即从媒体使用的角度去构建相应的概念模型。
相关研究指出，媒体特征、任务复杂度和社会情境这三个因素对于媒体使用的决策制定过程有重要的影响作用[19，20]。其中，媒体丰富度理论(Media Richness Theory，MRT)重点探讨了信息丰富度或媒体丰富度对于媒体选择和使用决策的影响，并认为各种媒体在丰富度上是不同的[21]。MRT将媒体丰富度作为媒体自身的固有属性，并将各媒体的丰富度进行了排序。Dennis等在1999年首次提出了媒体同步性理论(Media Synchronicity Theory，MST)，并基于Shannon-Weaver的沟通理论提出了媒体在传输信息中的五项特征：传输速率(velocity)、并行性(parallelism)、符号集合(symbol sets)、预演性(rehearability)以及可重处理性(reprocessability)[22]，这些媒体特征对于社会化媒体的适应性使用具有一定的影响作用。如用户通常倾向于用微博等信息传播速度较快的社会化媒体进行舆情的扩散，且有时会选择社交网络和微博同时推动信息的传递以满足并行性。当用户在即时通讯的过程中，往往更倾向于选择符号集合丰富的工具进行沟通交流以增强生动性和体验感。任务属性对媒体的选择和使用在以往的一些研究中得到了理论上和实证上的支撑[20，23]。任务的复杂度可以定义为在用户与媒体交互的过程中任务内容和形式的复杂程度。Daft等基于任务的内容属性提出不确定性(uncertainty)和多义性(equivocality)两个概念，分别表示信息不充足的状态和针对相同信息存在的不同理解[20]。不确定和多义性越高，则任务的内容就越复杂。McGrath等通过对任务形式进行深入研究，提出了任务-媒体匹配假设(Task-Media Fit hypotheses，TMF)，将任务形式的复杂性落实到任务生成、任务选择、任务偏好和任务解决四个阶段中[24]。笔者认为任务的复杂度对于社会化媒体的适应性使用具有一定的影响作用。复杂度高的任务会在一定程度上激发用户的挑战性和创造性，包括对功能特征的组合使用和重构使用。如用户在众包竞赛中往往会将个性化推荐功能和社会搜索功能组合使用，或者在社会化商务的购买决策中会有意识地将大众口碑和意见领袖两个功能特征进行配套使用。社会情境通常提供了社会化媒体的应用背景并强调相关任务的泛在性或特指性。Dennis和Valacich将社会情境作为媒体使用的一个重要驱动因素[25]。社会情境对于理解行为体的直观感受以及相应的行为模式有一定的帮助。某些社会化媒体具有较强的应用域特征，如“Threadless”是一个专门针对T-shirt设计的众包竞赛平台，而另一些社会化媒体则可以被应用到不同的情境中且发挥着不同的作用，如YouTube可以用来开展民间创意比赛，也可以被企业用作发布最新广告的平台，或者在美国总统大选中作为宣传造势、拉动选票的利器；Amazon Mechanical Turk(AMT)在商业情境下可以用于众包竞赛而在非商业情境下可以用于公众科学；Facebook既可以作为联系人与人之间关系的社交网站，又可以通过其口碑效应开展相关的社会化商务活动。社会情境可以由地理位置、社会结构、社会资本、主观规范以及领域多样性进行综合评价[26，27]。笔者认为社会情境对于社会化媒体的适应性使用具有一定的影响作用。社会情境越丰富，则社会化媒体的适应性选择和使用的空间就越大。适应性结构理论(Adaptive Structural Theory，AST)提出了两个核心概念：结构(structure)和选用(appropriation)[28]。其中，结构定义为技术和制度提供的资源或能力(媒体特征)，而对技术特征进行适应性采纳的直接行为称为选用。因此，AST中讨论的适应性选用既来自于媒体特征，也来自于任务和社会情境。鉴于此，本文提出如下假设：
H1：媒体特征对于社会化媒体的适应性使用具有正向作用；
H2：任务复杂度对于社会化媒体的适应性使用具有正向作用；
H3：社会情境对于社会化媒体的适应性使用具有正向作用。
本文界定的感知示能性主要体现在物理、认知、情感和控制这四个主要层面。Norman认为，一个系统如果能为用户提供较好的感知示能性，那么系统的易用性、可用性和用户满意度都会得到一定的提升，并能够激发用户去尝试一些新的功能，创造性地使用一些功能，甚至帮助设计者共同开发完善现有系统，从而推动了参与式设计或协同设计的进度[5]。笔者在前期的研究中将社会化媒体的内容和形式与感知示能性的四个维度进行了理论层面的映射，认为感知示能性会在一定程度上影响社会化媒体的适应性使用[12]。本研究将感知示能性作为一个调节变量进行测度，探索其对于三个外部变量和社会化媒体适应性使用的调节效应。Carlson和Zmud通过对MRT进行重构，提出了渠道扩展理论(Channel Expansion Theory，CET)[29]。他们将媒体丰富度理论与社会影响模型中以感知为基础的观点相结合，给出了关于媒体丰富度的动态观点，即丰富度不仅仅是每个媒体自身的固有属性，而是与使用者积累的各种知识和经验相关联[29]。这个观点在一定程度上揭示了感知示能性作为媒体特征和社会化媒体适应性使用过程中调节变量的可行性。同时，一些学者指出用户在与系统交互的过程中感知到的控制力对于任务的完成会产生一定的影响[30]。通常，用户感知到的控制力越强，认知程度越高，则完成任务的可能性也就越大。在社会化媒体的后续采纳阶段中，任务的复杂度会催生用户进行适应性系统使用行为，但如果用户具有较高的感知示能性，则会在一定程度上通过内在的强化和支撑去减弱外部任务复杂性的促进作用，从而产生一定的“挤出效应”(crowding-out effect)。最后，感知示能性来源于生态心理学，强调示能性和其指代特征对于环境的积极影响[3]。在社会化媒体的后续采纳阶段，这种环境因素主要体现在社会情境这个构念上，因此，感知示能性可以在一定程度上正向协调社会情境对于社会化媒体适应性使用的影响作用。鉴于此，本文提出如下假设：
H4：感知示能性会调节媒体特征对于社会化媒体适应性使用的影响作用，尤其当感知示能性越强时，这种影响作用也会增强；
H5：感知示能性会调节任务复杂度对于社会化媒体适应性使用的影响作用，然而当感知示能性越强时，这种影响作用就会减弱；
H6：感知示能性会调节社会情境对于社会化媒体适应性使用的影响作用，尤其当感知示能性越强时，这种影响作用也会增强。
图1 研究模型
4 研究设计
本研究通过在2012年3～7月间进行的一项在线问卷调查，对上述模型进行了实证检验。具体的问卷包括受测者基本的人口统计学因素以及针对社会化媒体适应性使用、媒体特征、任务复杂度、社会情境、感知示能性这些构念的测度项。问卷的量表设计参考了许多国外相关文献中通过信度效度测试的成熟量表。其中，社会化媒体适应性使用构念主要在Sun关于适应性系统使用量表的基础上进行适当的调整和修改[17]；媒体特征构念和社会情境构念主要参考了Dennis关于媒体同步性理论中的具体量表[22，31]；任务复杂度构念主要采用Daft等和McGrath等关于任务的内容属性和形式的相关量表[20，21，24]。值得注意的是，感知示能性在本研究中作为一个自设的构念，尽管在前期的研究中有所提及[5，12]，但并未有相关的量表工具可以参考。因此，本研究遵循Moore和Benbasat关于信息系统领域构念和量表工具开发的具体流程[32]，对感知示能性构念的测度量表进行设计。通过对16位用户进行焦点访谈、2轮的Q分类实验以及30份以学生作为对象的前测，系统性设计并测试了感知示能性构念的信度、内容效度和判别效度，最后产生了16个测度项，其中感知物理示能性3个、感知认知示能性5个、感知情感示能性4个、感知控制示能性4个。限于篇幅，具体过程将另文撰述。整体问卷采用李克特七分量表进行设计，分别用1～7标识，1表示“非常不同意”，7表示“非常同意”。Jarvis等对构念设计中的形成性变量(formative)和反映性变量(reflective)进行有效界定[33]，本研究中的社会化媒体适应性使用构念和感知示能性构念同为形成性变量，具体如表3所示。
问卷设计完成后，在小范围内进行了一次预调研(n=30)。在预调研中笔者发现，一部分受测者对于社会化媒体适应性使用的概念比较模糊，并会将社会化媒体初始采纳阶段的一些行为与之混淆。鉴于此，笔者在问卷的开始部分强化了社会化媒体后续采纳行为的一些特征，并通过一些具体实例加深受测者对于社会化媒体适应性使用的理解。同时，笔者在进行结构化问卷之前让受测者针对后续采纳的特点，回忆其已有的一些适应性使用行为和惯例，这种做法也能够保证问卷样本的有效性。正式的问卷调查主要通过网络问卷平台“问卷星”(http://www.sojump.com/ceping/index.aspx)网站进行，问卷均采用随机发放的方式，并通过即时聊天工具、BBS、SNS、微博等社会化媒体进行问卷链接的分享。最终，本次研究共收回306份有效问卷，有效回收率为65%。具体的人口统计学特征如表4所示。
5 数据分析与讨论
5.1 信度、效度、共同方法偏差检验
在对模型进行验证之前，有必要对信度和效度进行检验。本文采用偏最小二乘(PLS)的回归分析工具SmartPLS对测度模型进行检验。与传统多元线性回归模型相比，PLS能够在自变量存在多重相关性的条件下进行回归建模，且允许在样本点个数少于变量个数的条件下进行回归分析[34，35]。同时，有学者指出PLS和基于协方差的结构方程模型技术(如LISREL)相比，更适用于同时具有形成性变量和反映性变量的高阶因子模型[36]。本研究中的社会化媒体适应性使用构念和感知示能性构念都具有子构念，因此用PLS的方法更为合适。信度分析是测量潜在变量对应的观测变量内部的一致性，描述了观测变量对共同潜在变量表达的程度。研究发现，当复合信度大于0.8时信度水平较高[37]。本研究通过主成分分析发现，感知控制示能性中第二个测度项的因子负载只有0.55而不到复合信度的阈值，因此从测度项中予以剔除，剩下的所有因子的复合信度都高于0.8，具体如表5所示，证实量表达到了较高的信度水平。接着，本研究使用平均萃取变差(Average Variance Extracted，AVE)来考察模型的效度。研究发现，如果所有因素的AVE都大于0.5，即AVE的平方根大于0.707，则认为模型的收敛效度较好；如果所有因素的AVE值的平方根都大于各因素结构间的相关系数，则认为模型的判别效度较好[38]。分析的结果如表5所示，表中位于对角线上的数字是AVE值的平方根，所有AVE值的平方根都大于0.707，且大于交叉变量的其他相关系数，这说明本研究模型通过了效度检验。
同时，本研究进行了共同方法偏差(common method bias)测试。共同方法偏差指的是由于同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量与标准变量之间人为的共变，是调研类设计中经常出现的一种系统误差[39]。本文采用Harman的单一化因子测试(single-factor test)方法，将所有变量载入探索性因子分析中并检验未旋转因素的解。已有研究指出，当未旋转因素的解中出现单一化因素，或者变量中大部分的协方差都由某个广义因子造成的时候，研究则可能存在共同方法偏差的问题[39]。本文的数据分析结果表明本研究没有共同方法偏差的问题。
5.2 假设检验
本文的研究模型中有两个高阶构念，即社会化媒体适应性使用(三级构念)和感知示能性(二级构念)，这两个形成性变量分别由相应的反映性变量所测度。为了检验感知示能性对于三个外部变量的调节效应，本研究采用PLS-PS方法将调节变量和三个自变量进行乘积计算以验证是否具有调节效应、调节程度以及效应大小。有研究者指出，形成性变量的权重近似于标准回归模型中beta路径系数且反映了该形成性因子的相对重要性[40]。本研究发现，社会化媒体适应性使用构念的两个二级形成性变量都具有显著的权重：社会化媒体内容的适应性使用(b=0.53，t=5.52，p=0.00068)和社会化媒体形式的适应性使用(b=0.47，t=4.49，p=0.00096)。相应的四个一级子构念(尝试新功能、替代已有功能、功能组合使用、功能重构使用)都在0.01的置信水平上显著。关于感知示能性构念的相关子构念也都在0.01的置信水平上具有显著性，其中感知物理示能性(b=0.61，t=4.77，p=0.00052)、感知认知示能性(b=0.66，t=4.28，p=0.00038)、感知情感示能性(b=0.58，t=4.33，p=0.00059)、感知控制示能性(b=0.56，t=4.91，p=0.00063)。同时，本研究通过方差膨胀因子(Variance Inflation Factor，VIF)检验社会化媒体适应性使用构念和感知示能性构念的多重共线性。数据分析结果显示，社会化媒体的内容适应性使用和形式适应性使用的VIF分别是1.59和1.55，四个一级子构念的VIF分别是尝试新功能(1.18)、替代已有功能(1.26)、组合功能使用(1.21)、重构功能使用(1.28)；感知示能性中的相关子构念的VIF分别是感知物理示能性(1.82)、感知认知示能性(1.74)、感知情感示能性(1.93)、感知控制示能性(1.75)。根据已有的研究，形成性因子的VIF低于3.3的时候多重共线性情况较为理想[41]。因此，本研究的两个高阶构念都通过了多重共线性检验。
本文的结构模型分析结果如表6所示。首先检验了三个外部变量以及一个调节变量对于社会化媒体适应性使用变量的直接影响。研究发现，媒体特征、任务复杂度和社会情境这三个因子都对社会化媒体的适应性使用具有非常显著的影响(置信水平为0.01)，所以接受本研究提出的H1-H3假设。然后，本研究检验了三个外部变量和调节变量对于因变量的协同影响情况。研究发现，感知示能性对于调节媒体特征因子和社会化媒体的适应性使用因子具有显著的影响(置信水平为0.05)，所以接受本研究提出的H4假设。感知示能性对于调节任务复杂度因子和社会化媒体的适应性使用因子也具有显著的负向影响(置信水平为0.05)，即感知示能性能够在一定程度上削弱任务复杂度对于社会化媒体适应性使用的影响关系，所以接受本研究提出的H5假设。然而，本研究发现感知示能性对于调节社会情境因子和社会化媒体适应性使用因子并不显著，所以拒绝本研究提出的H6假设。表7总结了假设检验的结果。研究数据显示，三个外部变量对于社会化媒体适应性使用的直接解释率有48%，在加入感知示能性这个调节变量之后，模型的解释率增长到52%，增长了4%的解释率。通过Cohen的效应计算公式[42]得到效应大小f[2]=0.05，属于小到中等的调节效应(0.02对应于小调节效应，0.15对应于中等调节效应，0.35对应于大调节效应)。
5.3 讨论
研究结果显示，本文的三个外部变量，即媒体特征、任务复杂度以及社会情境都对社会化媒体的适应性使用行为有显著影响，这在很大程度上说明在社会化媒体的后续采纳阶段，随着用户对于社会化媒体的认识的加深、接触的频繁以及具体情境的嵌入，其影响因素也会从初始阶段的以用户内因为导向的内部化特征(如好奇心、兴趣与乐趣、他人的认可、互惠性等)逐渐过渡到以“媒体-任务-情境”三元组合的外部化特征上来。比如，在社会化媒体的后续采纳阶段，用户对于不同类型的社会化媒体的特色更为了解(传播速度、规模大小、影响力、可用性、稳定性、易用性等)，因此会根据不同的需求去选择和使用不同的社会化媒体，这一过程也会激发用户对社会化媒体进行内容层面和形式层面上的适应性使用。同时，在社会化媒体的后续采纳阶段，用户在经历了一系列前期使用并积累了一定的使用经验之后，对于任务粒度的接受度和容忍度都在不断提升。用户的使用行为会从原先基本的发帖、回帖、评级、打分等简单行为上升至新功能探索、模块集成、流程简化等适应性使用行为。因此，任务的复杂度往往会激发一部分用户自我挑战和自我实现的心理需求，从而对社会化媒体进行创造性使用。最后，社会化情境包括应用领域、主观规范、映像等专指性较强的因素，随着社会化媒体采纳行为的深入，这些因素也逐渐彰显其作用。例如，从媒体即社区的角度来看，社会化媒体所包含或演化而成的在线社区都有一些约定俗成的主观规范，用户从社区参与的潜水者发展成核心用户这一过程本身就是一个基于主观规范对采纳行为不断修正和调整的过程，用户可能会经常采取一些替代或重构等形式的适应性使用行为。
关于感知示能性的调节作用，本研究结果显示，感知示能性对于媒体特征和任务复杂度具有显著的调节效应。其中感知示能性对于媒体特征具有正向调节作用，且主要体现在感知物理示能性和感知控制示能性两个维度上。感知物理示能性可以从听觉、视觉和触觉的角度提高社会化媒体系统的可用性，从而完善媒体特征并促进适应性使用行为。如触摸式的社会化媒体界面设计能够加快社会化媒体的信息处理能力，且在移动环境中能够更为便捷迅速地进行内容的创作和分享，从而给用户提供了更多适应性使用的空间。感知控制示能性可以从物理层面、认知层面和情感层面上综合提升社会化媒体的用户体验感，从而完善媒体特征并激励适应性使用行为。例如，社会化媒体提供的个性化设置功能能够在很大程度上满足不同用户对于内容和形式的不同需求，在操作上减少其壁垒和失误，从而增强了用户在使用过程中的自主性和效率，并促进一系列的适应性使用行为。另外，感知示能性对于任务复杂度具有负向调节作用，且主要体现在感知认知示能性和感知情感示能性两个维度上。感知认知示能性主要从认知和心理上减缓用户的认知负载和理解障碍，并从人-机交互的角度提高用户的学习能力和适应能力。当系统提供的感知认知示能性逐渐增强的时候，用户对于任务的接受、理解、处理和反馈能力也会同步提升，并能更有效地将复杂的、粒度较高的任务进行合理分解，这一过程无疑会减弱任务复杂度对于社会化媒体适应性使用行为的直接影响。如在众包竞赛的每个环节中设计相关的引导和求助功能，从而使用户对于任务的理解和执行得到了即时帮助，这样一来任务的复杂度对于众包系统的适应性使用便会被其他因素“排挤”。感知情感示能性主要通过交互设计来触发和刺激用户的情感反射弧，从人-人交互的角度满足用户的情感需求并巩固其情感纽带。当社会化媒体提供的感知情感示能性逐渐增强的时候，用户对于复杂任务的畏惧感会有所减弱，并在与其他用户或者群体协作和交流的过程中培养解决任务的信心，从而在一定程度上削弱任务复杂度对于适应性使用行为的直接影响。在社会化媒体的后续采纳阶段，这种“挤出效应”经常体现在用户的社区归属感上，这种归属感帮助用户更好地融入社区并开展群体协作，从而衍生出一系列适应性使用行为。
然而，本研究结果显示，感知示能性对于社会情境没有显著的调节效应，但这并不意味着可以完全否定感知示能性对于社会情境的调节作用。导致H6不被支持的原因有很多。第一，感知示能性概念中本身就包含了情境的概念，因此从量表的构建和问卷的设计上需要考虑如何进一步将两者区分开来；第二，社会情境的测度量表主要取自Dennis关于媒体同步性理论的研究[22，31]，然而媒体同步性理论主要是在企业组织环境下提出的，而企业信息系统相比社会信息系统而言，其特征和情境都有所差异，这也在一定程度上影响了量表的适用性；第三，社会情境有可能会直接影响感知示能性，即作为感知示能性的前置变量，那感知示能性可能会扮演社会情境和社会化媒体适应性使用的中介变量角色。因此，这些问题可在后续研究中进行进一步的探讨。
6 结论
本文通过构建感知示能性构念作为理论视角切入到社会化媒体的后续采纳阶段，并借鉴系统适应性使用理论对社会化媒体后续采纳特征进行提炼，构建了社会化媒体适应性使用构念以及三个相关的外部变量，并通过调研的方法实证检验了感知示能性构念在社会化媒体适应性使用中对于媒体特征、任务复杂度以及社会情境的调节效应。本文从理论上系统界定了感知示能性的概念，并梳理了社会化媒体适应性使用的维度和影响因素。从实践的角度，本研究的结论有助于社会化媒体的管理者和交互设计师更好地理解社会化媒体后续采纳阶段的特点，并通过提升系统各个维度的感知示能性以增强用户的体验感和满足感，培养并促进用户的适应性使用行为，从而为社会化媒体带来更多的用户黏性。