社交网络中用户体验效用对知识持续共享意愿影响研究

来源:用户上传      作者:

　　摘 要：[目的/意义]本文探索了社交网絡中用户体验效用对知识持续共享意愿的影响机制。[方法/过程]以体验效用为自变量，知识持续共享意愿为因变量，群体认同为中介变量构建研究理论模型，通过问卷调查法对相关数据进行采集，采用结构方程及多层模型方法，并借助AMOS22.0统计软件对数据进行处理和分析。[结果/结论]1）社交网络中，体验效用通过群体认同中介作用及直接作用路径对知识持续共享意愿产生显著正向影响。2）个体内层次心理依附及个体间层次感知契合度在体验效用对知识持续共享意愿影响路径中均存在显著正向调节效应。3）用户体验效用对持续共享意愿的影响效应，在性别、年龄及学历人口统计学维度上存在显著性差异。最后，对研究结果进行分析和讨论，并指出了研究价值及未来展望。
　　关键词：用户;体验效用;知识共享;多层模型;社交网络
　　DOI：10.3969/j.issn.1008-0821.2020.03.009
　　〔中图分类号〕G252.0 〔文献标识码〕A 〔文章编号〕1008-0821（2020）03-0088-15
　　Abstract：[Purpose/Significance]This paper researched on the effect of experienced utility on continuous sharing intention of knowledge in social network.[Method/Process]Using experienced utility as independent variable，continuous sharing intention of knowledge as dependent variable，group identity as mediating variables，psychological attachment  and perceptual fit as moderating variables，the paper constructed influence mechanism model of effect of experienced utility on continuous sharing intention of knowledge in social network.And the sample data was obtained through questionnaire survey.The data was analyzed by using research methods SEM and Multilevel model，and were processed through AMOS22.0.[Results/Conclusion]And it concluded that experienced utility had significant positive effect on  continuous sharing intention through mediating variables group identity，psychological attachment and perceptual fit had significant positive moderating effect on experienced utility effect on group identity.Besides，there was differential effect of experienced utility on continuous sharing intention of knowledge in terms of gender，age and education.And finally，the paper analyzed and discussed the research results，indicating the theoretical and practical implication of the research conclusion.
　　Key words：user;experienced utility;sharing of knowledge;multilevel model;social network
　　近年来以互联网为代表的各种新媒体的不断涌现，极大地改变了人们的信息传播方式，其中，社交网络则属于当下人们热捧不疲的一种重要的网络新媒体，主要包括社交软件、社交网站、虚拟社区、在线问答平台、微信、微博等。第43次《中国互联网络发展状况统计报告》显示，近年来我国社交网络使用率普遍呈上升趋势，截至2018年12月，微信朋友圈、QQ空间用户使用率分别为83.4%、58.8%，较2017年底分别下降3.9、5.6个百分点;微博使用率为42.3%，较2017年底上升1.4个百分点。
　　社交网络在人们的日常生活中发挥着越来越重要的作用。用户共享的意见、观点、经验和意见不断向互联网注入高质量的内容，帮助知识寻求者快速有效地找到所需知识，并促进知识交流与创新。在社交网络中，用户不仅可以共享相关知识，还可以根据与其他用户的互动来创造新知识。社交网络中的知识共享在社会发展中的作用受到了很大关注，已成为国家和企业进步与创新的重要外部影响因素，包括许多现有公司，如国外的宝洁、星巴克、IBM以及国内华为、小米和海尔等公司正试图通过有效吸收用户在线社区中创新的知识来打造品牌和开拓市场。因此，社交网络知识共享的价值已引起越来越多学者的关注，对社交网络用户知识共享意愿的研究对社会及企业的创新发展具有重要意义（耿瑞利等）[1]。
　　为了深入了解社交网络用户知识共享意愿，学术界针对该主题的研究方兴未艾，国内外学者一直从不同视角进行研究和探讨。目前，国内外关于社交网络用户知识共享行为的研究大致可以分为3类：一是关于知识共享特征及内涵。孙康等指出，在线社区中的知识共享主要包含两层含义：1）通过在社区成员之间发布和回复信息而引发的知识转移和经验分享;2）社区成员提出建议或意见，经整理后存储于数据库，其他成员可从数据库中获取所需的知识[2]。石静等研究了健康问答社区中用户知识共享网络的动态演化特点与规律，发现随着社区的发展，其中活跃用户的数量呈现先增加后减少，网络聚合率先减少后增加现象[3]。Lin J W等则将社区分为社会性社区和知识性社区，探讨用户互动性以及社区之间特征差异[4]。Colladon A F等对企业员工形成的知识共享网络进行研究，主要关注于企业员工知识共享网络的凝聚力和稳定性[5]。二是关于知识共享机制及模型。王楠等讨论了用户的关键用户特征与知识共享的质量或数量之间的关系，分析了用户社会资本在其中的中介效应以及自我效能的调节影响[6]。Zhang Z等为了识别用户网络和子群的演化模式，构建了一种知识共享的概率模型[7]。而针对学术社群，Moliner L A等对学术社区中的人才管理网络进行了研究，采用可视化技术呈现了网络的形成过程[8]。Barbosa M W等通过分析关键成员的行为与网络中心性之间的联系，得出主要成员的行动状况与其结构中心性存在紧密关联[9]。三是对特定平台进行研究。吴江等对“医学网”医学问答进行了研究，分析了社群成员知识共享行为特点以及不同子群之间的差异[10]。施艳萍等研究了意见领袖在社交网络空间中对知识分享行为的影响特征，分析了意见领袖的社交特征及信息过程的知识共享特点[11]。Jin J等以知乎平台为研究样本，发现社群成员自我表达、他人意识以及社会学习对成员知识共享行为存在正向作用[12]。 　　综合过去相关研究，总体而言，在研究内容上，过去研究主要集中于网络知识共享的内涵特征、结构模式、影响因素及形成过程等方面。在研究方法上，则主要通过案例分析、动力学模型、复杂网络、方差分析等方法探讨知识共享问题及构建模型。虽然这些研究已取得诸多成果，但仍存在可提升之处。一方面，过去研究虽然存在较多文献对网络空间知识共享行为进行探讨，则主要侧重于对知识共享中网络结构的分析，研究对象多以学术社区为主。但从心理学或社会学视角对受众认知偏差的研究很少，且从用户体验效用视角对其进行研究的文献依然缺乏。体验效用（Experienced Utility）是指用户在肉体和精神上体验到的幸福或痛苦，积极效用能给人们带来快乐，消极效用则给人们带来痛苦。人的行为总倾向于趋利避害，体验效用则指导着“我们应该做什么”和“将要做什么”。同时，技术接受模型（TAM）也指出，人们对系统的感知有用性和感知易用性共同决定了他们的使用态度，而对系统使用的态度和感知有用性决定了主体的行为意向（Marangunic' N等）[13]。因此，用戶的体验效用会对其行为产生重要影响，探明社交网络用户体验效用对知识持续共享意愿的影响机理具有重要意义。然而，过去研究在该视角和主题上的缺乏，这给本研究理论的构建留下了研究空间。另一方面，就研究方法而言，采用的定性研究主要集中于问题的分析及对策提出，定量研究主要采用动力学、信息学、社会仿真进行研究，模型中涉及的变量主要为学术性变量，得出的研究结论难以落实到具体实践操作上，与现实应用的有效对接存在一定难度。因此，在此背景下，针对过去研究存在的不足，本文将结合心理学、社会学及行为学，对社交网络用户体验效用对知识持续共享意愿的影响进行研究。探索问题如下：
　　研究问题一：社交网络中用户体验效用对知识持续共享意愿影响路径及作用机制如何？
　　研究问题二：社交网络中用户体验效用对知识持续共享意愿的影响效应在不同性别、年龄及学历用户群体中是否存在差异？若存在，则差异性如何？
　　对于上述问题的研究有助于掌握用户知识持续分享意愿的形成机理，能为政府部门及企事业单位在社会发展及知识创新驱动上提供理论指导和依据。基于上述研究问题，本研究的结构安排如下：第一部分根据现实需求和文献分析提出研究问题，第二部分基于相关理论基础提出研究假设并构建研究理论模型，第三部分进行研究方案设计并收集样本数据，第四部分进行数据处理并实现模型验证及数据分析，第五部分对研究结果进行分析、总结和讨论。
　　1 理论基础与研究假设
　　1.1 体验价值及社会认同理论
　　Varshneya G等指出基于心理学视角定义了体验价值，认为体验价值是用户在行为过程中对行为环境的感知价值，以及在其中获得的独特体验，主要包括情感价值、心理价值以及知识或信息价值[14]。其中，情感价值是指人们从产品或服务消费等行为而获得愉悦等积极情感，从而感知从中获得价值。心理价值是指人们通过消费产品或服务等行为而感知到心理获得了某种满足，从而感觉从中获得价值。知识或信息价值是指人们从产品或服务消费等行为中获得了自身需求的信息，或行为过程使自己增长了某些有用的知识而感到该行为过程给自身带来了价值。人们在行为过程中，可通过情感价值、心理价值、知识或信息价值对用户后续行为产生影响（Rezaei S等）[15]。
　　社会认同（Social Identity）是指个体感知从所属群体中获得的自我形象以及作为群体成员身份所拥有的情感和价值体验”。社会认同理论认为，社会认同是由社会分类、社会比较及积极区分过程组成。社会分类，是个体为了更好地理解和识别事物，对其进行分类，将复杂的事物进行分类整理，从而强化对同一类型事物之间相似性和不同类型之间差异性的分辨（Warkentin M等）[16]。在该分类过程中存在一种增强效应，使得人们将不同群体划分为内群体和外群体，并对内群体产生偏好和对外群体产生偏见，形成不对称的群体评价及行为，从而在认知、情感和行为上认同自己所属的群体。而积极区分，则是个体为了维护和提升自尊，努力地在群体成员中表现得比其他成员更加优秀，从而出现进一步相应的行为。社会认同通过社会分类、社会比较及积极区分过程，对人们的心理和行为产生重要影响，它常常是一些行为发生的重要中介变量（Fritsche I）[17]。
　　1.2 体验效用对群体认同及持续分享意愿的影响
　　Aydinli A等指出从经济学角度效用包括为决策效用（Decision Utility）和体验效用（Experienced Utility）。在当前的经济决策理论中，效用主要是指决策效用，它主要是人们通过观察到或推测出事物的结果和属性的价值，是决策时参考的重要权值[18]。Brazier J将体验效用定义为个体身体或精神所体验的快乐或痛苦，积极体验可给人们带来快乐，消极效用可给人们带来痛苦。人的行为总倾向于产生有利结果的方向，而避开产生不利结果的方向。体验效用则影响着主体“应该做什么”以及“将要做什么”[19]。而群体认同（Group Identity）是指个体意识到自身所属特定的社会群体，并体验到作为群体成员的身份给其带来的情感和效用。其中，群体目标属性、组织结构、成员需求的满足程度均对群体认同产生重要影响。范秀成等认为，体验价值的结构维度具有层次性，社会性价值、情感性价值和功能性价值则是人们体验价值高低水平的呈现方式。其中，物理属性会对处于最低层的功能性体验价值产生影响;安全及归属感需求则对人们中层的情感性体验价值产生影响;人们自尊和自我实现程度则决定着顶层的社会性体验价值的大小[20]。然而，社交网络中，体验效用作为用户对社交网络群体感知到的价值和意义，其大小体现了人们在社交网络中的需求得以实现和满足的一种衡量，是人们体验价值的重要组成部分，会对成员的群体认同产生积极影响。基于此，可以提出如下假设： 　　H1：社交网络中，用户体验效用对群体认同存在显著正向影响。
　　针对体验效用的社会性维度与情感维度，期望确认理论（ECT）指出，人们在行为评估中，主要通过对行为前的心理期望与行为后的绩效结果进行比较，据此对消费的产品或服务是否满意进行判断，如果对该结果感到满意，则将保持该行为继续发生的意愿，该过程即为主体对行为的期望确定过程。而用户的社会性及情感性体验效用作为自身在社交网络中进行知识分享后的感知绩效结果，会对用户的行为期望确认产生重要影响（Chang W L）[21]，进而影响用户后续行为属性特征。关于体验效用的功能性维度，技术接受模型（TAM）指出，人们对系统的感知有用性和感知易用性共同决定了他们的使用态度，而对系统使用的态度和感知有用性决定了主体的行为意向，从而行为意向又决定了主体最终对系统的使用行为（Marangunic' N等）[22]。因此，社交网络中，用户的知识共享行为意愿则受到主体在其中的体验水平、感知价值等方面的影响。基于此，可以提出如下假设：
　　H2：社交网络中，用户体验效用对知识持续共享意愿存在显著正向影響。
　　1.3 群体认同对持续分享意愿的影响
　　群体认同可促进群体成员将群体目标、规范和行动视为自身的目标、标准和准则。其认同程度决定了每个成员在行为和工作方面的表现，进而影响了群体的聚合力。积极区分原则（Positive Distinctiveness）表明，为了维持和提高自身在群体内的自尊，群体成员往往努力地在行为绩效上比其他成员表现得更突出。在积极区分作用下，群体成员的自尊需要激励了个体的在群体中的积极表现或行为，以此获得群体认可和维持成员的群体认同感（Guala F等）[23]。基于此，可以提出如下假设：
　　H3：社交网络中，用户体验效用对知识持续共享意愿存在显著正向影响。
　　1.4 心理依附与感知契合度的调节效应
　　依附理论（Attachment Theory）指出，心理依附是个人希望接近他人以获得安全感的心理倾向，从而使人们心理出现当此人在场时会感到安全，不在场时则会感到焦虑（Fonagy P）[24]。Onyekuru B U认为，在形成个人认知时某些人倾向于依赖自身所处的外部环境信息，有些人则倾向于根据自身内部的信息线索，前者成为场依存（Field Dependence），后者成为场独立（Field Independence）[25]。具有场依存性的个体会较多地借助自身所处环境的外部参照物，以交互中的刺激来定义个人的认知与知识，该依存性大小取决于个体对环境信息的依赖程度。
　　社会认同理论指出，个体为了更好地理解和识别事物，对其进行分类，将复杂的事物进行分类整理，从而强化对同一类型事物之间相似性和不同类型之间差异性的分辨。在该分类过程中存在一种增强效应，使得人们将不同群体划分为内群体和外群体，并对内群体产生偏好和对外群体产生偏见，形成不对称的群体评价及行为，从而在认知、情感和行为上认同自己所属的群体。在用户对社交空间存在依附性时，个体将自我归入相应群体，将符合内群体的特征赋予自我，实现个体的自我定型，在认知、情感和态度上对自己所属群体产生认同感（程淑华等）[26]。因此，当用户对社交空间的心理依附高时，体验效用则会引起用户更高的社会认同;当对社交空间的心理依附低时，体验效用则会引起用户较低的社会认同。基于此，可以提出如下假设：
　　H4：社交网络中，用户心理依附在体验效用对知识持续共享意愿影响路径中存在显著正向调节效应。
　　自Lewin于1951年提出了人与组织契合的概念，认为人与组织契合是个人特征与群体特征在规范、价值观、目标等方面的一致性与契合程度。之后，Chatman构建了人与组织互动理论模型，认为人与组织契合包括一致性契合和互补性契合[27]。一致性契合是个体和群体之间在价值观、目标、态度等维度上具有相似性，互补性契合是个体所具备的条件能满足群体的需要，同时群体所具有的条件也能满足个体需要（Cable D M等）[28]。
　　社会认同是社会成员共同拥有信仰、价值和行动取向的集中体现，本质上是一种集体观念，是情感、经历、体验和价值感获得的心路历程。而其中，个体间的交往、共同活动、目标一致则是构成群体的基本条件。在社会认同的形成过程中，首先，个体需要进行社会类别化与自我类别化，识别出自我特征及类别差异，并将自己与特定类别建立起心理联系;其次，个体将自我属性与各社会类别进行比对，形成自身社会类别的所属定位，将自我与该类别建立归属联系;最后，进行各类群体或类别的社会比较，即内群体与外群体之间的比较，使群体成员形成对本群体或本类别的独特心理特征（Hogg M A）[29]。社交网络使用中，用户在其中的感知契合度对社会认同形成过程的社会分类、社会比较和自我归类产生影响，从而导致不同程度的社会认同。通常，用户在社交网络中感知契合度高时，则易于进行社会分类、比较和自我归类，从而形成更高社会认同。反之，则社会认同度就低。因此，当用户感知契合度高时，体验效用则会引起用户更高的社会认同;当感知契合度低时，体验效用对用户社会认同影响作用则小。基于此，可以提出如下假设：
　　H5：社交网络中，用户感知契合度在体验效用对知识持续共享意愿影响路径中存在显著正向调节效应。
　　1.5 理论框架
　　该研究以社交网络中的用户体验效用为自变量，知识持续共享意愿为因变量，群体认同为中介变量，心理依附及感知契合度为调节变量，构建理论模型来研究社交网络中用户体验效用对知识持续共享意愿的影响。其理论结构图如图1所示。
　　2 量表设计与数据收集
　　2.1 量表设计
　　该研究中所使用的量表及问卷的主要变量和题项设计如下：
　　因变量：持续共享意愿，是用户在对知识进行初次分享后，存在意愿对该信息进行再次分享的心理意向。主要根据刘岩芳等的研究成果[30]，针对网络危机信息，从用户对信息持续分享的情感、态度、认知、意向等方面进行题项的设置，共设6个测项。各题项核心内容分别为：1）社交网络中，您在分享相关知识后将进行持续分享的主观倾向如何？2）社交网络中，您在分享相关知识后将进行持续分享的可能性如何？3）社交网络中，您在分享相关知识后将进行持续分享的意愿强度如何？4）社交网络中，您在分享相关知识后将进行持续分享的持续性如何？5）社交网络中，您在分享相关知识后将进行持续分享的动力如何？6）社交网络中，您在分享相关知识后将进行持续分享的冲动性如何？ 　　自变量：体验效用，指用户通过信息获取、信息传播等行为，个体在身体或精神体验到幸福，从而使自己的需求、欲望等得到满足的一种知觉。主要参考Clayton P A等的研究成果[31]，主要从用户社会性体验效用、情感性体验效用及功能性体验效用维度进行题项设置，共设3个测项。各题项核心内容分别为：1）社交网络能给您带来多大程度的社会关系价值？2）社交网络能给您带来多大程度的情感满足？3）社交网络对您发挥了多大程度的信息传受便利？
　　中介变量：群体认同，是指个体意识到自身所属特定的社会群体，并体验到作为群体成员的身份给其带来的情感和效用。主要根据林燕霞等的研究成果[32]，包含对群体价值观、群体规范及群体行为的认同程度，共4个测项。各题项核心内容分别为：1）在我意愿进行知识分享的社交网络中，我认同该群体表现的行为方式。2）在我意愿进行知识分享的社交网络中，我认同该群体体现的价值观。3）在我意愿进行知识分享的社交网络中，我认同该群体的行为规范。4）在我意愿进行知识分享的社交网络中，我认同该群体的目标。
　　调节变量：心理依附，是指个人希望接近他人以获得安全感的心理倾向。主要根据颜静等的研究成果[33]，主要测量当处于社交空间中时会感到安全，不在场时则会感到焦虑，以及个体认知形成依赖于自身所处的外部环境的程度，共3个测项。各题项核心内容分别为：1）当我处于社交网络中时，会感到有安全感。2）当我离开社交网络中时，会感到某种焦虑。3）我对事物的认知很大程度上依赖于社交网络。感知契合度，是指用户感觉到成员个体特征与群体特征在规范、价值观、目标等方面保持一致的程度。主要根据郑春东等的研究成果[34]，主要从成员个体与群体在规范、价值观、目标等方面一致性维度进行测量，共6个测项。各题项核心内容分别为：1）我在参与知识分享的社交网站中，能感觉到成员个体与群体在行为规范上具有一致性。2）我在参与知识分享的社交网站中，能感觉到成员个体与群体在价值观上具有一致性。3）我在参与知识分享的社交网站中，能感觉到成员个体与群体在目标追求上具有一致性。
　　控制变量：本研究中除了自变量对因变量影响外，仍存在其它变量可改变因变量数值。在模型构建中，需控制该些变量。若不加以控制，自变量与该类变量均会导致因变量数值的改变，从而引起研究结论的偏误。针对社会认同，除了本文探索的影响因素外，而用户的性别、年龄、学历及职业也是影响社会认同的重要因素（Scheibe K等）[35]。因此，本研究将用户性别、年龄、学历及职业设定为控制变量，以此对其扰动效应加以控制。其中，性别分别为“女性”=1、“男性”=2;年龄分别为“29岁及以下”=1、“30～39岁”=2、“40～49岁”=3、“50岁及以上”=4;“小学及以下”=1、“初中”=2、“高中或中专”=3、“大学及以上”=4;“政府机构”=1、“事业单位”=2、“企业团体”=3、“个体经营”=4。
　　以上变量的测量均采用李克特五点量表法，采用1～5之间的整数来表示对问题的同意程度。其中，1表示“非常不同意”，2表示“不同意”、3表示“不确定”、4表示“同意”、5表示“非常同意”。
　　2.2 数据收集
　　本研究使用的数据来自2018年12月进行的“社交网络中用户体验效用对知识持续共享意愿影响研究”的网络问卷调查。为了提高调查信息的质量和信度，在问卷中插入了一些过滤性问题的题项。为了确保调查时问卷的信度和效度，在进行正式调查之前，先在广西南宁市内随机发放了问卷100份进行预调查，其中回收了81份，剔除回收中不合格的问卷14份，最后有效回收率为67%。对此进行信度和效度分析，其统计结果显示，预调查问卷的KMO值为0.86，Bartletts球形检验的p值均小于0.01，累积方差解释度为82.09%，Cronbachs α值均大于0.70。而在进行CITC分析中，其中Q5的CITC指数为0.13，其余项均大于0.50，因此需要删除问卷中的Q5题项，其余题项均保留。删除Q5题项后，再次对分量表及总体量表进行信度分析，结果显示原来Q5题项所属构念的分量表Cronbachs α值存在显著提升，而其余各分量表Cronbachs α值均大于0.70，总体量表Cronbachs α值也大于0.70，表明删除题项Q5后的问卷结构优度得以提高，说明该题项的删除具有合理性。
　　在具体操作上，首先，课题组成员先通过电话、微信、面谈等各种方式联络各自全国范围内的朋友，提出并说明欲对他们进行问卷调查的诉求和要求，同时通过该方法以滚雪球的方式托付各自朋友按此方法对他们的朋友提出请求参与问卷调查的诉求。在此过程中，将愿意参与本次问卷调查的个体姓名、性别、年龄、职业、学历等信息进行记录规整，最后获得愿意参与本次调研的用户人数共为2 816名。其次，参照中国互联网络信息中心（CNNIC）发布的第43次《中国互联网络发展状况统计报告》中截至2018年12月31日的用户人口學统计变量分布特征，利用计算机，采用分层抽样与多阶段抽样相结合的随机抽样方法，第一层以“性别（男性/女性）”变量将抽样框分为两个群组进行随机抽样，第二层以“年龄段（29岁及以下/30～39岁/40～49岁/50岁及以上）”变量将第二层各抽样框分为4个群组进行随机抽样，第三层以“学历（大学及以上/高中或中专/初中/小学及以下）”变量将第三层各抽样框分为4个群组进行随机抽样，最终随机抽取出1 000名即将调查的用户名录，以此作为问卷调查的最终对象。
　　正式调查时，主要采用网络问卷调查系统、QQ、微信以及其它各种网络通讯工具相结合。同时，为了提高调查结果的准确性及问卷的回收率，则在每次调查前，预先告知参与本调查的每位受访者在本次调查完成后将获得一定额度的报酬，主要通过手机话费充值、微信红包、Q币、支付宝以及其它在线支付等方式完成支付。本研究数据收集过程历时2个月，发放问卷1 000份，回收问卷数为874份，剔除其中不合格问卷96份，则有效问卷共778份，问卷有效率为77.80%。其中，有效样本数据的人口统计变量分布特征如表1所示。 　　由表1的人口统计变量分布特征可见，该样本数据涵盖了不同性别、年龄、学历和职业的用户群体，且各统计学变量的样本分布不存在极端或奇异情况，该样本数据可用于研究分析。
　　3 数据分析与假设检验
　　3.1 信度与效度分析
　　量表信度。对问卷各题项内部一致性进行检验，对问卷数据处理，其结果如表2所示，其中，知体验效用、群体认同、心理依附、感知契合度各分量表的Cronbachs α分别为0.86、0.84、0.79、0.81、0.83，整个问卷的总Cronbachs α为0.82，所有α值均大于0.70的标准，说明该问卷各分量表和整体问卷设计信度较佳。
　　结构效度。对量表中的各变量进行探索性因子分析，其结果如表2所示，当共提取5个因子来表达该量表的所有题型时，所能解释的累积方差为83.75%。同时，测项Q17的因子负荷为0.14，其余题项在对应的维度上的因子负荷均大于0.50标准值，因此需要删除题项Q17，其余项均保留。该结果表明说明量表在整体设计上的结构效度良好。
　　内敛及判别效度。对收集的数据进行验证性因子分析（CFA），其结果如表2所示，各测量题项与所度量的潜在变量间的标准负荷系数均大于0.70，其对应的t值均大于1.96（p=0.05）的临界值。同时各变量抽取平均方差（AVE）值均大于0.50，复合信度（CR）均大于0.70，表明观测变量能有效反映对应潜变量的特质，各组观测指标间均存在较好的一致性，说明数据的收敛性良好。对所有潜变量进行相关系数及AVE平方根计算（参见表3），所有潜变量的AVE值的平方根值均大于对应的相关系数的绝对值，表明各潜变量间的判别效度较佳。
　　3.2 路径分析及假设检验
　　1）路径分析
　　采用结构方程模型（SEM）对路径进行分析，由于SEM在数据分析中，主要采用协方差矩阵（Covariance Matrix）方法进行处理，可反映各变量之间的真实关系和结构，相对于传统线性回归模型，SEM估计的参数结果更准确，而无需考虑控制变量的影响（刘军等）[36]，故在SEM建模中无需将控制变量加入模型。根据表3相关系数统计结果，各外因潜变量间相关系数均小于0.40，各外因潜变量与内因潜变量间相关系数均大于0.50，且在0.05水平下均显著，表明各变量适合进行SEM模型构建。对理论模型使用AMOS进行估计，其估计结果如图2所示。
　　图2拟合结果显示，模型的拟合指标p（χ2）值为0.000，小于0.05的显著水平，则拒绝原假设。同时，各适配度指标除GFI值=0.92基本达到标准外，其余指标χ2/df=3.87、NFI值=0.81、RMR值=0.15、AGFI值=0.73、CN值=157、RMSE值=0.15、CFI值=0.76均未达到模型可适配标准，表明理论模型与观察数据无法适配，需要对初始模型进行修正。
　　根据输出结果中的修正指标（M.I.），需要在观察变量Q2与Q15的误差项间建立共变关系，从而至少可以减少卡方值98.07。故在测量指标Q3与Q15的误差变量间建立共变关系，形成初次修正模型，并对修正模型进行估计。其估计结果如图3所示。
　　图3拟合结果显示，修改模型各拟合度指标分别为：p（χ2）为0.12>0.05，故不能拒绝原假设，表明修正模型能较好地与样本数据适配。同时，各适配度指标除NFI值=0.89未达标准外，其余指标GFI值=0.95、RMR值=0.02、AGFI值=0.93、CN值=281、RMSE值=0.04、CFI值=0.96均达到模型可适配标准，且修正指标输出结果中未有任何需要修正的参数，表明修正后的模型设置可接受。各路径系数及显著性拟合结果见表4。
　　表4拟合结果显示，路径标准回归权值均介于0～1之间，各观测变量在对应潜变量上的标准负荷均大于0.70标准值，且各路径系数在0.05显著水平下均通过显著性检验，表明修正后的模型参数估计结果可接受。根据参数拟合结果，理论模型的主效应路径对应的标准路径系数及显著性如图4所示。
　　根据标准路径系数图4可知，所有路径系数值均介于0～1之间，各假设对应的t检验均达到0.05的显著水平。根据各标准路径系数的正负性及系数的t检验，所有假设均获得支持。
　　2）中介效应
　　根据Zhao X等提出的中介效应分析程序[37]，结合Hayes A F等提出的Bootstrap方法进行中介效应检验[38]。以体验效用为自变量，以群体认同为中介变量进行模型的结构设置。选用Process程序中的模型1，进行5 000次重复样本抽取，并以95%为显著性置信区间进行中介效应检验。其检验结果如表5所示。
　　表5计算结果中，LLCI和ULCI分別表示95%置信区间的上限和下限，如果置信区间的下限和上限之间不包含0值，则说明中介效应显著;否则，则说明中介效应不显著。表5计算结果显示，在所检验的中介路径中，各路径95%的置信水平上限与下限之间均不包含0值，表明路径的直接效应及中介效应均显著，群体认同中介变量在体验效用对持续共享意愿的影响路径中仅为部分中介。
　　根据表5的参数估计结果，体验效用对持续共享意愿的总体影响效应（直接效应+间接效应）为：0.0178。其中，通过群体认同中介效用产生的中介效用为：0.0092，则中介效应的解释度为：0.0092/0.0178=51.69%。
　　3）调节效应
　　由于内生潜变量通过李克特五点量表度量，变量赋值为介于“1”～“5”间的次序整数，且调节变量“心理依附”属于个体内层面，“感知契合度”属于个体间层面，故次序变量多层模型（Multilevel Model）对样本数据进行拟合分析。同时，为了限制“控制变量”的影响，故需将性别、年龄、学历和职业控制变量加入方程进行分析。 　　在聚合检验方面，使用组内及组间相关系数ICC和组内一致性系数Rwg来判断个体感知的群体规范聚合到群体层面的适合性。ANOVA分析显示，群体规范的组间均方和组内均方存在显著差异（F=4.37，p<0.01）其中组内相关系数ICC（1）和组间相关系数ICC（2）分别为0.193和0.696，均大于0.12和0.47的临界标准，Rwg平均值为0.806亦大于标准值0.70，表明变量在不同的群体中有充分的内部同质性，且可信度较高，满足可聚合的条件，因此可以利用个体数据作为群体层面的观测量。
　　在创建多层次线性模型中，添加个体层次变量时使用中心化变量，而添加群体层次的变量时无需中性化处理以减少可能的多重共线问题。本文采用Wallace J C等[39]所推荐的方法：第一步，以群体认同为因变量建立不含任何预测变量的空模型;第二步，将感知契合度纳入以群体认同为因变量的空模型;第三步，将体验效用、心理依附以及两者的交互项纳入个体层次截距模型;第四步，检验个体水平模型中的斜率是否存在随机性;第五步，检验跨水平交互作用的存在性。
　　模型估计结果如表6“空模型”所示，社会认同的组内方差σ2为0.9237，组间方差τ00为0.4479，Z检验结果显示此组内方差（Z=297.02，p=0.000<0.01）及组间方差均显著（Z=261.43，p=0.008<0.01），组间方差占比参数ICC（2）=τ00/（τ00+σ2）=sd（-cons）/[sd（Residual）+sd（-cons）]=32.66%，说明社会认同中约有32.66%是来自用户个体间方差。因此，数据需进行多层次模型分析。按照以上步骤依次进行模型变量的添加和拟合，最后可接受的模型为随机截距与随机斜率多层模型。
　　完整模型的具体参数估计如表6所示。
　　表6显示，在拟合指标Log Likelihood、AIC、BIC上，随机截距与随机斜率模型均比空模型与随机截距模型小，且p（Wald Chi2）小于显著水平0.001，表明随机截距与随机斜率模型构建合理。且各参数对应的显著性检验p（z）值均达到0.05的显著水平，则各参数估计结果满足标准。个体间的方差值占总方差值的0.3853/（0.9174+0.3853）=29.58%，个体内的方差值占总方差值的（1-29.58%）=70.42%。即感知契合度的变异能解释群体认同变异的29.58%，心理依附的变异能解释群体认同变异的70.42%。根据个体内层次“体验效用*心理依附”交互项系数0.4475及p（z）值0.0000，以及个体间的“体验效用*感知契合度”交互项系数0.3619值及p（z）值0.0001，表明用户心理依附及感知契合度在体验效用对群体认同的影响路径中具有显著正向调节效应，则假设H4和H5均获得支持。
　　4）检验结果
　　根据上述检验结果，其假设检验结果汇总如表7所示。
　　表7显示，在所有研究假设中，各假设对应的路径系数均介于0～1之间，对应的|t|值且均大于0.05显著水平对应的临界值1.96，表明所提出的各研究假设均获得验证支持。
　　3.3 群组分析
　　信息环境使用（IUE）理论指出，用户的不同职业和社会角色会对人们的信息行为产生重要影响，这些因素在某种程度上培育了用户信息行为的不同特征（Spink A）[40]。因此，要对用户社会认同群组间差异有更深入地了解，需在上述理论框架验证的基础上对不同性别、年龄及学历的用户群组差异作进一步地比较和分析。对其进行群组模型估计，其分析结果如表8所示。
　　表8显示，除年龄组RMR=0.06、学历AGFI=0.82未达适配标准外，其余各适配度指标均达到标准值，这表明性别、年龄及学历的群组数据整体上能较好地与理论模型相适配。各标准路径系数均介于0～1范围内，且各对应系数的t检验均达到0.05的显著水平，这表明假设的理论模型在性别和年龄群组上均具有跨组效度。
　　由表8可知，对于性别群组，各路径效应的大小顺序依次均为：女性、男性。对于年龄段群组，各路径效应的大小顺序依次均为：“30岁以下”、“30～50岁”、“50岁及以上”。对于学历群组，各路径效应的大小顺序依次均为：“小学及以下”、“大学及以上”、“初中～高中”。
　　4 结论与讨论
　　4.1 结 论
　　通过研究假设的提出及理论模型的构建，采用问卷调查法收集用户在网络突发事件中的心理及行为数据，探索了社交网络中用户体验效用对知识持续共享意愿的影响。其中，量表设计及所获数据均具有较佳的信度和效度，在此基础上，并通过结构方程模型对预设的理论模型进行了实证检验和数据分析，得出如下研究结论：
　　首先，社交网络中，体验效用通过群体认同中介作用路径及直接作用路径对知识持续共享意愿产生显著正向影响。其中，体验效用对群体认同具有显著正向影响，群体认同对持续共享意愿具有显著正向影响。中介效应的解释度约为体验效用对持续共享意愿影响的51.69%。
　　其次，在个体层面，用户心理依附在体验效用对知识持续共享意愿影响路径中存在显著正向调节效应。在群体层面，用户感知契合度在体验效用对知识持续共享意愿影响路径中存在显著正向调节效应。且个体层面的心理依附能解释群体认同变异的70.42%，群体层面的感知契合度能解释群体认同变异的29.58%。
　　最后，用户体验效用对持续共享意愿的影响效应，在人口统计学上存在显著性差异。在性别上，各路径系数男性大于女性。在年龄上，各路径系数大小顺序依次为：30岁以下最大、30～50岁较大、50岁以上最小。在学历上，各路径系数大小顺序依次為：小学及以下最大、初中～高中较大、大学及以上最小。
　　4.2 讨 论 　　关于体验效用通过群体认同的中介效应对知识持续共享意愿产生显著影响，虽然过去尚未有与该研究结论完全一致的研究文献，但该研究结论与过去相关研究的推演结论相吻合。王新新等对社会网络环境下的体验价值共创行为进行研究，发现体验价值可通过用户与他人进行互动而形成。社会网络中，用户进行知识共享是个体对群体积极情感的体现，通过知识共享的互动形式可创造出用户自身体验价值[41]。同时，强化理论认为，人的行为是其所受刺激的函数，当某一行为的结果对其具有效用时，该行为则会在后续中重复出现;当结果没有效用或存在消极效用时，该行为则会弱化或消亡。并指出，人们的行为总是出于某种目的，预期通过特定的行为来满足自身某种需求，该行为结果则影响个体的后续行为决策（Cairns L）[42]。社交网络中，用户的体验效用导致了初始的知识共享行为，而知识共享行为则以互动的方式创造了体验价值，而这种积极体验继而强化了后续知识共享行为意向。
　　关于社交网络中用户心理依附在体验价值对社会认同影响路径中存在显著正向调节效应，该研究结论与过去相关研究的推演结论相吻合。自我归类理论（Self-categorization Theory）指出，人们倾向于根据人们属性的异同对个体进行分类，将同属性的内群体或异属性的外群体。当用户存在心理依附时，该依附心理强化了自我与其他内群体成员间的相似性感知，并增强了与其他外群体个体间的差异性感知。群体间差异性感知强化及群体内相似性感知强化，从而产生群体认同感，促进个体在群体中表现出与群体特征相符的行为特征，将群体目标转化为个体行为（Huddy L）[43]。
　　关于社交网络中用户感知契合度在体验价值对社会认同影响路径中存在显著正向调节效应，该研究结论与过去相关研究的推演结论相吻合。Dost-Gozkan A针对现实冲突理论（Realistic Conflict Theory），认为群体间目标不一致时会引发对有限资源的竞争而产生群体间敌意，在竞争资源时群体往往会产生更多摩擦。而该群体目标的不一致性未必客观真实存在，不一致性或仅为成员的知觉，但只要群体成员感知存在，无论是否真实，群体对资源的竞争可能足以引起群体之间的重大摩擦。相反，只有群体间目标存在一致性时，群体间的摩擦才会得以减少，才能保持积极的群际关系，产生群体认同及紧密合作[44]。Barrick M R等在吸引—选择—摩合模型（ASA）基础上，认为群体契合是个体特征与群体特征相相一致，使得个体与群体相互吸引，个体易于受到与其特征相似的群体影响，从而产生个体与群体以及群体与个体之间的双向互动，用户持续知识共享行为则是因群体一致性引起双向互动行为的重要体现[45]。
　　在用户群组分析中，体验效用对知识持续共享意愿的影响效应存在人口统计学变量的差异性，产生该情况的主要原因可能是由于不同群体的社会特征及社会角色的差异性所导致。一般性信息行为理论指出，用户的不同职业和社会角色会对人们的信息行为产生重要影响，这些因素在某种程度上培育了用户信息行为的不同特征。同时，用户在获取信息和利用信息中，存在多种中介变量对信息行为及动力机制产生重要影响，其中主要包括心理特征、人口统计特征、社会角色等（Khoo C S G）[46]。针对本研究结论，在性别上，两性除了受到生理差异的影响外，更大程度上受到社会文化性别差异的影响。由于男性与女性在社会地位、社会角色上的差异，以及社会对不同性别也具有不同的角色期待和评价，在总体上表现出了一系列行为规范、性别分层等方面的差异特征。因此，群体在性别上的生理差异经由社会规范以及社会制度力量的作用，以及历代积淀的性别文化潜移默化的影响，从而形成了男女两性在信息加工模式和信息行为上的差异性（Oakley A）[47]。其次，在用户年龄方面，年龄的大小通常与一个人的生理发育和智力发展密切相关，也代表着他们社会阅历的丰富程度，体现了他们在思维成熟度的差异。同时，也受到社会规范、社会文化以及风俗习惯的影响，不同年龄阶段的群体则扮演着不同的社会角色，承担着不同的社会责任，从而对不同年龄段个体的信息思维模式、认知方式以及行为特征产生重要影响。最后，在用户文化程度方面，由于教育学习是人们通过后天努力来改变和重塑自己思维和认知方式的重要途径，学历的高低反映了一个人在社会中接受教育程度的差异，高学历者通过对更多科学知识的学习和更多正式的训练从而提高自己对事物的认知和态度，相对于低学历者他们对事物有着更审慎、更科学地思考和认知，从而使得不同学历的个体在对事物的认知、态度以及行为上通常具有不同程度的差异性（Carret Le Carret等）[48]。
　　针对本研究意义，在当下，由于网络及信息技术的快速发展，人们在网络环境下的信息行为特征与传统媒体环境下的受众认知特征已存在很大差异，在形成机理上变得更为复杂，从而使得过去的研究或理论在变量构造及结构分析上需要得以不断更新和完善。该研究获得了社交网络中用户体验效用对知识持续共享意愿影响的一些新的发现和研究结论，在理论上，可为今后人们对网络用户认知特征、行为规律的进一步探索及理论的构建提供一定的参考和借鉴，亦可为网络环境下的信息行为理论、信息场理论及信息情境理论的进一步深化和发展添砖加瓦。由于用户体验效用及群体认同是知识持续共享意愿的直接影响因素，心理依附及感知契合度对知识持续共享意愿具有调节效应，在实践上，可通过对社交网络信息内容的分类与管理以实现体验效用的提升，以及通过社会网络的人因功能再设计及用户关系的管理以增强用户的心理依附及感知契合度，从而提高人们在社交网络中的群体认同，进而促进对知识的持续共享意愿。
　　本研究虽然已尽量做到使研究设计完善，但由于客观条件限制，仍存在一定局限性。在数据采集上，虽已尽量完善抽样设计及数据采集的各个流程和细节，也已最大可能地扩展数据获取的范围，但因数据采集需要耗费大量的人力和物力，然后由于课题组人力、物力的限制，使得本研究仍存在有待提升之处。在网络抽样调查过程中，受访者存在担心调查者可能是出于某种恶意或探测自己隱私而致使受访率低。因此，在后续的相关研究中，可以考虑在现实人群中进行抽样调查，以提高问卷的回收率和合格率。 　　參考文献
　　[1]耿瑞利，申静.社交网络用户知识共享研究：特征、内容与展望[J].图书情报知识，2018，（1）：16-26.
　　[2]孙康，杜荣.实名制虚拟社区知识共享影响因素的实证研究[J].情报杂志，2010，29（4）：83-87.
　　[3]石静，张斌，周利琴.健康问答社区用户知识共享网络动态演化研究[J].情报科学，2019，37（2）：77-82.
　　[4]Lin J W，Mai L J，Lai Y C.Peer Interaction and Socialnetwork Analysis of Online Communities with the Support of Awareness of Different Contexts[J].International Journal of Computer-Supported Collaborative Learning，2015，10（2）：139-159.
　　[5]Colladon A F，Vagaggini F.Robustness and Stability of Enterprise Intranet Social Networks：The Impact of Moderator[J].Information Processing & Management，2017，53（6）：1287-1298.
　　[6]王楠，张士凯，赵雨柔，等.在线社区中领先用户特征对知识共享水平的影响研究——社会资本的中介作用[J].管理评论，2019，31（2）：82-93.
　　[7]Zhang Z，Li Q，Zeng D，et al.Extracting Evolutionary Communities in Community Question Answering[J].Journal of the Association for Information Science and Technology，2014，65（6）：1170-1186.
　　[8]Moliner L A，Gallardo-Gallardo E，de Puelles P G.Understanding Scientific Communities：A Social Network Approach to Collaborations in Talent Management Research[J].Scientometrics，2017，113（3）：1439-1462.
　　[9]Barbosa M W，Ladeira M B，de la Calle Vicente A.Ananalysis of International Coauthorship Networks in the Supply Chain Analytics Research Area[J].Scientometrics，2017，111（3）：1703-1731.
　　[10]吴江，周露莎.在线医疗社区中知识共享网络及知识互动行为研究[J].情报科学，2017，35（3）：144-151.
　　[11]施艳萍，袁曦临，宋歌.社会化问答平台意见领袖的知识共享行为特征探析[J].图书情报知识，2018，（6）：103-112.
　　[12]Jin J，Li Y，Zhong X，et al.Why Users Contribute Knowledge to Online Communities：An Empirical Study of an Online Social Q&A Community[J].Information & Management，2015，52（7）：840-849.
　　[13]Marangunic' N，Granic' A.Technology Acceptance Model：A Literature Review from 1986 to 2013[J].Universal Access in the Information Society，2015，14（1）：81-95.
　　[14]Varshneya G，Das G.Experiential Value：Multi-item Scale Development and Validation[J].Journal of Retailing & Consumer Services，2017，34：48-57.
　　[15]Rezaei S，Valaei N.Crafting Experiential Value Via Smartphone Apps Channel[J].Marketing Intelligence & Planning，2017，56（10）：00-00.
　　[16]Warkentin M，Sharma S，Gefen D，et al.Social Identity and Trust in Internet-based Voting Adoption[J].Government Information Quarterly，2018.
　　[17]Fritsche I，Barth M，Jugert P，et al.A Social Identity Model of Pro-Environmental Action（SIMPEA）[J].Psychological Review，2017，125（2）：245-269.
　　[18]Aydinli A，Gu Y，Pham M T.An Experience-utility Explanation of the Preference for Larger Assortments[J].International Journal of Research in Marketing，2017，34. 　　[19]Brazier J，Rowen D，Karimi M，et al.Experience-based Utility and Own Health State Valuation for a Health State Classification System：Why and How to Do It[J].European Journal of Health Economics，2017，19（4）：1-11.
　　[20]范秀成，杜建刚.服务质量五维度对服务满意及服务忠诚的影响——基于转型期间中国服务业的一项实证研究[J].管理世界，2006，（6）：111-118.
　　[21]Chang W L，Huang L Y.Measuring Service Experience：A Utility-based Heuristic Model[J].Service Business，2016，10（1）：1-30.
　　[22]Marangunic' N，Granic' A.Technology Acceptance Model：A Literature Review from 1986 to 2013[J].Universal Access in the Information Society，2015，14（1）：81-95.
　　[23]Guala F，Filippin A.The Effect of Group Identity on Distributive Choice：Social Preference or Heuristic？[J].Economic Journal，2017，127（602）：1047-1068.
　　[24]Fonagy P.Attachment Theory and Psychoanalysis[M].Routledge，2018.
　　[25]Onyekuru B U.Field Dependence-Field Independence Cognitive Style，Gender，Career Choice and Academic Achievement of Secondary School Students in Emohua Local Government Area of Rivers State[J].Journal of Education and Practice，2015，6（10）：76-85.
　　[26]程淑華，李欣，韩毅初.群际接触对外群体信任的影响：内群体认同的中介效应[J].心理学探新，2017，37（1）：54-58.
　　[27]Chatman.Improving Interactional Organizational Research：A Model of Person-organization Fit[J].Academy of Management Journal，1989，14（3）：333.
　　[28]Cable D M，Derue D S.The Convergent and Discriminant Validity of Subjective Fit Perceptions[J].Journal of Applied Psychology，2002，87（5）：17.
　　[29]Hogg M A.Social Identity Theory[M].Understanding Peace and Conflict Through Social Identity Theory.Springer，Cham，2016：3-17.
　　[30]刘岩芳，贾菲菲.基于SNS的用户知识共享行为研究[J].情报科学，2017，35（1）：41-46.
　　[31]Clayton P A，MacKay D P.Experienced Utility or Decision Utility for QALY Calculation？Both[J].Public Health Ethics，2017，11（1）：82-89.
　　[32]林燕霞，谢湘生.基于社会认同理论的微博群体用户画像[J].情报理论与实践，2018，41（3）：142-148.
　　[33]颜静，樊耘，张旭.员工心理依附对其行为的影响——基于中国中小企业的实证研究[J].管理评论，2016，28（4）：109-122.
　　[34]郑春东，陈雅，唐建生.感知契合度及其对品牌延伸评价影响的研究——一个基于E-PBE框架的综述[J].管理评论，2016，28（1）：156-168.
　　[35]Scheibe K，Fietkiewicz K J，Stock W G.Information Behavior on Social Live Streaming Services[J].Journal of Information Science Theory and Practice，2016，4（2）：6-20.
　　[36]刘军，富萍萍.结构方程模型应用陷阱分析[J].数理统计与管理，2007，（2）：268-272.
　　[37]Zhao X，Lynch Jr J G，Chen Q.Reconsidering Baron and Kenny：Myths and Truths About Mediation Analysis[J].Journal of Consumer Research，2010，37（2）：197-206.
　　[38]Hayes A F，Preacher K J.Statistical Mediation Analysis with a Multicategorical Independent Variable[J].British Journal of Mathematical and Statistical Psychology，2014，67（3）：451-470. 　　[39]Wallace J C，Butts M M，Johnson P D，et al.A Multilevel Model of Employee Innovation：Understanding the Effects of Regulatory Focus，Thriving，and Employee Involvement Climate[J].Journal of Management，2016，42（4）：982-1004.
　　[40]Spink A.Information Behavior[J].Information Science & Knowledge Management，2010，16.
　　[41]王新新，潘洪涛.社会网络环境下的体验价值共创：消费体验研究最新动态[J].外國经济与管理，2011，33（5）：17-24.
　　[42]Cairns L.Reinforcement[M].The Handbook of Communication Skills.Routledge，2018：163-181.
　　[43]Huddy L.Group Identity and Political Cohesion[J].Emerging Trends in the Social and Behavioral Sciences：An Interdisciplinary，Searchable，and Linkable Resource，2015：1-14.
　　[44]Dost-Gozkan A.Norms，Groups，Conflict，and Social Change：Rediscovering Muzafer Sherifs Psychology[M].Routledge，2017.
　　[45]Barrick M R，Parks-Leduc L.Selection for Fit[J].Annual Review of Organizational Psychology and Organizational Behavior，2019，（6）：171-193.
　　[46]Khoo C S G.Issues in Information Behaviour on Social Media[J].LIBRES：Library and Information Science Research Electronic Journal，2014，24（2）：75.
　　[47]Oakley A.Sex，Gender and Society[M].Routledge，2016.
　　[48]Nicolas Le Carret，Sylviane Lafont，Luc Letenneur，et al.The Effect of Education on Cognitive Performances and Its Implication for the Constitution of the Cognitive Reserve[J].Developmental Neuropsychology，2003，23（3）：317-337.
　　（责任编辑：孙国雷）
转载注明来源:https://www.xzbu.com/4/view-15123052.htm