数字图书馆个性化推荐用户信息采纳行为影响研究

来源:用户上传      作者:

　　摘要：[目的/意义]本文从用户信息采纳行为的视角出发，通过信息采纳意向的中介效应针对数字图书馆个性化推荐的影响因素进行研究。[方法/过程]在计划行为理论的基础上构建了数字图书馆个性化推荐信息用户采纳行为模型，并通过实证研究对该模型进行检验与分析。[结果/结论]数据分析结果表明：信息采纳意向在感知有用性、用户期望、信息质量及主观规范对数字图书馆个性化推荐用户信息采纳行为的影响作用中均有中介效应。
　　关键词：数字图书馆;个性化推荐;用户行为;信息采纳;中介效应;计划行为理论
　　DOI：10.3969/j.issn.1008-0821.2019.02.010
　　〔中图分类号〕G252.0〔文献标识码〕A〔文章编号〕1008-0821（2019）02-0085-09
　　数字图书馆是图书馆在移动互联环境下的新发展，也是信息时代重要的信息基础设施和知识获得的传播工具。主要实现图书馆各类资源在手持设备上的同一检索功能，以及满足用户可以随时随地获取和阅读文献正文的需要[1]。学界普遍认同移动数字图书馆重在对传统服务模式的創新发展、而非简单执行信息服务的网络化的观点，如何实现创新，则重在考察实际环境和需求。盛小平等将资源可用性、权威性作为移动数字图书馆资源评价的要素[2]。用户利用率则是这些评价方式朴素且实际的体现。用户能否获得准确获取资源的途径、是否得到了阅读意愿的满足和优越的使用体验，都是数字图书馆服务评价的重要指标。因此如何满足用户变化着的需求是数字图书馆在当前形势下的重大挑战。
　　伴随着资源数字化过程的迅速推进以及用户需求的变化莫测，个性化推荐服务成为当前图书馆服务的一种重要模式[3]。个性化的推荐侧重于搜集用户兴趣，有针对性地进行推荐，可以更好地满足用户需求。本文从用户信息采纳行为的角度来探讨数字图书馆如何为用户提供更优质准确的个性化推荐服务，从而增强用户使用意愿，提升数字图书馆平台的有效性与易用性，推动数字图书馆的发展与变革。
　　1相关研究综述
　　目前国外数字图书馆研究重点已由以系统和项目为中心开始向以用户和服务为中心进行转移。Smeaton A F等[4]认为大多数的数字图书馆还停留在单一的检索功能上，并不能满足用户们的需求，并指出个性化推荐在数字图书馆的应用能够解决该问题。而后国外学者从不同角度对该问题进行了相对详细的研究，Noah S A等[5]提出从语义、本体技术角度研究本体驱动的语义数字图书馆推荐系统以解决分布式网络环境下跨系统互操作问题。Renda M等[6]设计出不仅满足用户信息推荐需求，而且为共同兴趣用户提供交流协作空间，并提出个性化协同数字图书馆模型。Resnick P等[7]和Shardanand U等[8]则用协同过滤的方法建立了WebWatcher和LikeMiinds系统，在此基础上K P Birman[9]将该方法分为基于用户的协同过滤方法和基于项目的协同过滤方法，针对数字图书馆的应用背景选择了基于用户的协同过滤方法，通过评分结果估算用户可能喜欢的物品。
　　国内对于数字图书馆个性化推荐的研究主要集中在以下几个方面：第一，数字图书馆个性化推荐的技术研究及应用。王敏等提出了模糊聚类和模糊识别相结合的聚类技术[10]。毛宜钰等提出了一种基于聚类的协同过滤式图书信息推荐算法[11]，李娜认为从图书馆服务对象的特殊性出发，个性化推荐需要智能搜索技术、数据挖掘技术以及信息推送3种技术的结合不断完善了个性化推荐的技术基础[12];第二，数字图书馆个性化推荐的方法研究。洪亮等引入角色的概念模拟用户信息选择，提出了改进后的情境感知推荐方法，为移动数字图书馆资源推荐提供了多种思路，有利于推荐系统的改进和完善[13];第三，基于用户的数字图书馆个性化推荐研究。张荣等基于各种技术和算法提出了用户偏好模型，他们认为数字图书馆要为用户提供个性、准确的服务[14]。丁雪等认为个性化推荐中的关键问题即用户本体的构建，包括用户基本信息本体、用户个性本体和用户需求本体，并用六元组表示方法实践本体的表示，以及通过流程图诠释本体间的作用机制，促进了数字图书馆健康良好的发展[15]。
　　综合国内外的相关研究成果可以发现，在对数字图书馆个性化推荐的研究中，从用户信息采纳行为角度出发探讨其相关影响因素的研究相对较少，更鲜有学者探索中介效应在其中的作用。中介效应能够把原有的关于同一问题的研究联系在一起，把原来用来解释相似现象的理论整合起来，而使得已有的理论更为系统。中介效应不仅可以解释关系背后的作用机制，还能整合已有的研究或理论，具有显著的理论和实践意义。本文在研究数字图书馆个性化推荐用户信息采纳行为的过程中，重点研究用户采纳意向在其中所起到的中介效应，并基于计划行为理论构建数字图书馆个性化推荐用户信息采纳行为模型，通过结构方程对其进行验证，为相关假设提供支持。
　　2假设与模型构建
　　计划行为理论（Theory of Planned Behavior，TPB）是Ajzen I[16]于1991年在理性行为理论的基础上提出的。该理论从人的理性角度出发，在综合分析众多信息的基础上，对可能发生结果进行考虑而后采取一个对自己最有利的行为。其核心思想认为主观规范、行为态度、知觉行为控制能够直接影响人的行为意向。该理论不仅局限于心理学，更适用于与不同种类的研究对象与研究模型。因此，研究者需要在计划行为理论的基础上，结合自身的具体研究对象和研究情景，对原始模型进行相应修改[17]。
　　感知的有用性反映了一个人认为使用一个具体的系统对他工作业绩提高的程度，一般情况下，系统带给用户愉悦体验越高，用户感知到的有用性越强。一些学者已经分析出感知有用性在一些领域中对用户采纳意向能够产生正向影响。如李进华等[19]分析了感知有用性对微信信息流广告采纳意愿产生正向影响，刘锦宏等[20]分析了感知有用性对移动数字图书馆使用意向产生正向影响。在应用数字图书馆个性化推荐获取信息的过程中，用户能够提升效率、节约时间。用户体验到通过个性化推荐的方式能够更高效的提升自己，才能产生一定的采纳意向。据此提出以下假设： 　　H1：感知有用性对信息采纳意向有显著（正）影响。
　　用户期望是指用户在运用某项技术前，对该技术或平台所获信息的预期结果。如果用户在使用新技术或平台的过程中能显著提高工作效率或学习效率，这种感知上的期望就会增加用户持续使用该技术或平台的意愿。在数字图书馆环境下，用户在手机上、平板、电脑上查询相关主题文献，如果用户认为该方式能提高查询文献的效率，对自己的日常工作和学习有较大帮助，使用数字图书馆的意愿就会更强烈。据此提出以下假设：
　　H2：用户期望对信息采纳意向有显著（正）影响。
　　Stvilia B[21]认为为信息质量包括相关性、有效性、可解释性、实效性、准确性和完整性等方面。是评价网络信息资源最基本、最主要的标准。信息质量反映了用户需求的价值的大小，满足用户信息需求的价值越大，信息质量就越高，反之亦然。在数字图书馆个性化推荐用户信息采纳过程中，用户如果能够获得全面性、时效性、可靠性、相关性和权威性强的信息，无疑能够提高用户的采纳意愿。据此提出以下假设：
　　H3：信息质量对信息采纳意向有显著（正）影响。
　　TPB理论认为主观规范是指个人对于是否采取某项特定行为所感受到的社会压力，亦即在预测他人的行为时，那些对个人的行为决策具有影响力的个人或团体对于个人是否采取某项特定行为所发挥的影响作用大小。行为科学的相关理论认为，人们在进行某种行为时通常会参照他们的社会网络来调整自己的态度、信念和行为方式[18]。在数字图书馆个性化推荐过程中，个性化信息的交互能够增加用户间对相关信息的关注，从而提高个性化推荐信息的采纳意向，使主观规范成为信息采纳的关键因素之一。据此提出如下假设：
　　H4：主观规范对信息采纳意向有显著（正）影响。
　　计划行为理论认为：一般而言，个人对于某项行为的采纳意向愈正向时，则个人更有可能产生采纳行为。许多研究成果和理论模型都将行为意向与实际行为直接关联，甚至将意向形成等同于行为发生。然而，现实生活中人们在形成某一意向后，很多时候却没有采取相应的行为[22]。行为执行意向理论认为执行意向在采纳意向和采纳行为起关键作用。在数字图书馆个性化推荐过程中，个性化推荐的信息能够针对不同用户的需求，使用户有足够的执行意向从而产生行为。据此提出以下假设：
　　H5：信息采纳意向对信息采纳行为有显著（正）影响。
　　数字图书馆个性化推荐信息过程中，主观规范、感知有用性、用户期望、信息质量能够有效表达用户需求，这些都有助于提升用户信息采纳意向，进而促进用户的信息采纳行为。因此可以推论，数字图书馆个性化推荐过程中，当用户拥有了更强烈的采纳意向，用户才会产生采纳行为。据此提出以下假设：
　　H6：信息采纳意向在感知有用性对信息采纳行为的影响关系中起中介作用
　　H7：信息采纳意向在用户期望对信息采纳行为的影响关系中起中介作用
　　H8：信息采纳意向在信息质量对信息采纳行为的影响关系中起中介作用
　　H9：信息采纳意向在主观规范对信息采纳行为的影响关系中起中介作用
　　基于上述假设，本文提出了数字图书馆个性化推荐用户信息采纳行为模型，如图1所示：
　　3研究方法
　　3.1问卷设计
　　本文的实证研究采用问卷调查法，用以进行模型检验。根据前文的假设推演和模型构建，本文将数字图书馆个性化推荐用户信息行为采纳行为模型的变量设为模型中所示的6个变量，所有6个变量测量采用Likert5分量表，采用5个选项，1～5分别代表不同的同意度，1表示“非常不同意”，5表示非常同意，从1到5同意度逐级递增。量表初步设计后，对问卷进行了小部分前测。前测共收回44份问卷，前测过程中，笔者对被调查者反映出的一些问题进行了修正，根据结果修改量表，形成正式问卷。测量选项内容及相关来源如表1所示。
　　表1测量选项内容及来源
　　变量测量题项文献来源
　　感知有用性（PU）PU1：我认为通过数字图书馆个性化推荐获取信息对我很有帮助
　　PU2：使用数字图书馆个性化推荐获取信息可以提升效率，节约时间
　　PU3：使用数字图书馆个性化推荐能够满足我的需求，取得我想要的结果Davis F D等[23]
　　用户期望（UE）UE1：我期望数字图书馆个性化推荐能够提供对我有帮助的信息
　　UE2：我期望数字图书馆个性化推荐能够提供时效性强、客观的信息
　　UE3：我期望所使用数字图书馆个性化推荐的平台是简洁明确的
　　UE4：我期望数字图书馆个性化推荐所提供的信息是可以信任的
　　UE5：我期望数字图书馆个性化推荐所提供的信息具有一定的层次性和可存储性刘冰等[24]
　　信息质量（DA）DA1：數字图书馆个性化推荐提供的信息能够非常准确地符合我的需求
　　DA2：数字图书馆个性化推荐提供数据能够非常符合我实时的需求
　　DA3：数字图书馆个性化推荐提供的数据具有一定的权威性晁亚男等[17]
　　主观规范（SN）SN1：我身边的亲友认为我应该借鉴数字图书馆个性化推荐的信息
　　SN2：那些能影响我行为意愿的人支持我使用数字图书馆个性化推荐
　　SN3：使用数字图书馆个性化推荐让我感觉比身边的人更现代化Fishbein M等[25]
　　采纳意向（UI）UI1：我愿意试用数字图书馆个性化推荐
　　UI2：今后我会更加频繁地使用数字图书馆个性化推荐来获取信息
　　UI3：我会建议身边的亲友使用数字图书馆个性化推荐来获取信息
　　UI4：在使用数字图书馆个性化推荐时我愿意为其建设提供意见和建议Davis F D等[26] 　　采纳行为（UB）UB1：我接受通过数字图书馆个性化推荐的方式为我推荐信息
　　UB2：在工作、学习、生活中我使用数字图书馆个性化推荐
　　UB3：我建议他人使用数字图书馆个性化推荐的方式来获取信息Lee等[27]
　　3.2问卷收集
　　正式问卷的发放采用线上调查的方式进行，从问卷发放至问卷截止为期20天。共回收问卷196份，除去无效问卷和填写不全的问卷31份，实际回收165份，回收率达84.1%，有效问卷高于问卷量表题项5倍[23]。样本统计结果中，在总结前测出现的问题基础上，被调查者对数字图书馆个性化推荐都有一定的了解。被调查者女性占样本总量的57.3%。年龄和教育程度来看，绝大部分为年轻人，且受教育程度较高。为了确保数据质量，本研究使用SPSS 21对问卷样本数据进行结构变量统计，得出相应的极小值、极大值、均值、标准差等统计量，具体如表2所示。
　　从表中可以看出，所有变量的标准差都小于1.5，这表明被试者的看法比较集中，各变量之间的差异度和离散度均比较小。
　　3.3信效度检验
　　3.3.1信度检验
　　信度是用于衡量测量工具的一致性和稳定性的程度。信度理想的测量工具，可以真实地反映被测对象的属性值。Chronbach Alpha系数是测量量表信度的指标，Alpha系数的最高值为1，一般来说，在实际研究中，若该系数等于或超过0.7，则认为内部一致性较高。本文利用SPSS 21对问卷数据进行整体的信度分析，分析结果如表3所示。Cronbachs α值为0.960，基于标准化项的Cronbachs α值为0.961，说明问卷有较高的可信度。
　　3.3.2效度分析
　　效度即有效性，是指问卷的有效性和正确性，即问卷能够测量出其所欲测量的构面或特性的程度。
　　较高的效度表示测量结果能体现出被测对象的真正特征。本文通过SPSS 21对问卷进行KMO和Bartlett的检验结果，如表5所示。KMO和Bartlett检验系数为0.948，Bartlett的球形度检验显著性为0.000，表明该问卷结果非常适合做因子分析。
　　采用主成分分析法进行因子抽取时，条件是基本特征值大于1，最大收敛迭代次数为25次，累计贡献率不得小于50%，一般在70%到80%之间。得到的解释总方差结果如表6所示，总共抽取出的因子累计贡献率为75.708，符合因子分析的要求。
　　再观察表7因子负载，各个潜变量的KMO值均大于0.65，Bartlett球形检验显著水平为0.000，且各测量项对应的因子载荷均高于0.65，说明量表适合较好的收敛效度和判别效度。
　　3.4模型分析
　　本文所提出的組织能力理论模型已在前文中建立，本研究运用AMOS 21软件绘制了组织能力的结构方程模型后选取较为常用的几个指标：χ2/df、RMSEA、CFI、PNFI、PCFI和显著性P值，作为模型的评价的拟合指标，具体的拟合结果如表8所示。
　　因模型整体拟合结果通过检验，故不需要对模型进行修正，可以对模型进行路径系数分析。
　　在对模型整体拟合情况检验之后，分别检验模型的各条假设，即分析临界比C.R.、显著性P值和潜变量间路径系数的大小。通过AMOS 21软件对模型的路径关系进行分析。具体检测结果如图2和表9所示。
　　在表9中可以看出潜变量间的5条路径：PU→UI、UE→UI、DA→UI、SN→UI和UI→UB的P值都在0.01以下，C.R.值均大于1.96，均具有显著影响，因此本文的研究假设均通过检验。
　　3.5中介效应检验
　　本研究采用结构方程模型来验证提出的多重中介模型，因为结构方程可以对复杂的模型进行估计，可以同时处理多个因变量和中介变量。
　　3.5.1直接中介效应检验
　　本研究利用AMOS21.0对假设模型进行Bootstrapping中介检验，直接效应的检验结果见表10，其中包括感知有用性（PU）、用户期望（UE）、信息质量（DA）、主观规范（SN）、采纳意向（UI）、采纳行为（UB）之间的直接中介效应关系检验。
　　3.5.2间接中介效应检验
　　同时，本研究利用AMOS21.0对假设模型进行Bootstrapping间接效应检验，检验结果见表11，其中包括感知有用性（PU）、用户期望（UE）、信息质量（DA）、主观规范（SN）、采纳意向（UI）、采纳行为（UB）之间的简介中介效应关系检验。
　　表10和表11数据表明，部分聚合后的感知有用性对信息采纳行为有显著正向影响，而信息采纳意向介入后，感知有用性对信息采纳行为的路径系数由0.187下降为0.140，影响效果减弱，因此信息采纳意向在感知有用性与信息采纳行为的关系之间起到中介作用，H6得到验证。同理用户期望、信
　　息质量及主观规范相应的路径系数觉有不同程度上的减弱，说明信息采纳意向在以上影响因素与信息采纳行为中均起到中介效应。至此本文的假设全部得到验证。
　　4研究结果与讨论
　　利用问卷调查法，本文基于用户信息采纳行为探究了数字图书馆个性化推荐中的主要影响因素。研究发现感知有用性、用户期望、信息质量、主观规范、信息采纳意愿均对用户信息采纳行为产生显著正向影响。且信息采纳意向在感知有用性、用户期望、信息质量、主观规范对信息采纳行为中起到明显的中介效应。实证分析的结果可以看出此模型能够很好地表现影响数字图书馆个性化推荐信息的主要因素。在技术飞速发展的大数据时代，用户的需求越来越偏向快速地获得自己所期望的高质量信息。而主观规范同时也反映出用户对信息交互的重视。这些因素均成为影响用户信息采纳意向的关键，对用户后续的信息采纳行为起到决定性作用。因此，要提高数字图书馆个性化推荐用户的信息采纳程度，必须做好以下3个方面的工作。 　　1）提高服务质量，提升用户关怀。为体现数字图书馆个性化推荐信息的优势，吸引用户使用数字图书馆个性化推荐平台，采纳推荐信息，应更重视用户的行为习惯，而不是单一地追求先进技术功能如何开发。数字图书馆个性化推荐平台应重点关注如何能够让用户实时、低使用要求地获取对自己有帮助的信息为目标。
　　2）注重社交功能，加强用户之间的沟通。调查结果显示，大部分的受访者表示因周围能够影响个人行为意愿的人使用数字图书馆个性化推荐功能而采纳数字图书馆个性化推荐信息。为此，数字图书馆个性化推荐平台应与一些社交媒体展开合作，增强用户之间的关联。
　　3）及时关注提供信息及服务的使用效果。在提高推荐信息质量的基础上，应更关注用户使用信息的效果，数字图书馆个性化推荐平台应做到定期收集用户提出的意见与建议。以便于及时采取措施，发挥数字图书馆个性化推荐的真正价值。
　　就结果分析来看，由于受到客观条件限制等原因，本研究在数据采集过程中样本相对比较单一，大部分被调查者都是在校学生，样本的代表性有待提高。未来的研究可以通过其他调查方式获取更有代表性的样本，同时丰富影响用户信息采纳行为的影响因素，提出针对性的建议进行研究。
　　参考文献
　　[1]邵锐.移动互联网是数字图书馆创新服务的重要途径[J].农业图书情报学刊，2016，28（12）：189-192.
　　[2]盛小平，陶倩.美国7个图书馆员职业能力标准的比较分析[J].图书情报工作，2016，60（24）：14-19.
　　[3]尚刚.个性化推荐技术在图书馆服务中的应用研究[D].南京：南京财经大学，2015.
　　[4]Smeaton A F，Callan J.Personalisation and Recommender Systems in Digital Libraries[J].International Journal on Digital Libraries，2005，5（4）：299-308.
　　[5]Noah S A，Alias N A R，Osman N A，et al.Ontology-Driven Semantic Digital Library[J].Information Retrieval Technology，2010，6458：141-150.
　　[6]Renda M E，Straccia U.A Personalized Collaborative Digital Library Environment：A Model and An Application[J].Information Processing & Management，2005，41（1）：5-21.
　　[7]Resnick P，Iacovou N，Suchak M，et al.GroupLens：An Open Architecture for Collaborative Filtering of Netnews[C]//ACM Conference on Computer Supported Cooperative Work.ACM，1994：175-186.
　　[8]Shardanand U，Maes P.Social Information Filtering：Algorithms for Automating“Word of Mouth”[C]//Sigchi Conference on Human Factors in Computing Systems.ACM Press/Addison-Wesley Publishing Co，1995：210-217.
　　[9]Chen X，Liu X，Huang Z，et al.RegionKNN：A Scalable Hybrid Collaborative Filtering Algorithm for Personalized Web Service Recommendation[C]//IEEE International Conference on Web Services.IEEE，2010：9-16.
　　[10]王敏，嵇紹春.基于模糊聚类和模糊模式识别的数字图书馆个性化推荐研究[J].现代情报，2016，36（4）：52-56.
　　[11]毛宜钰，刘建勋，胡蓉，等.基于Logistic函数和用户聚类的协同过滤算法[J].浙江大学学报：工学版，2017，51（6）：1252-1258.
　　[12]李娜.数字图书馆个性化推荐系统研究[J].农业图书情报学刊，2015，27（9）：108-110.
　　[13]洪亮，钱晨，樊星.移动数字图书馆资源的情境感知个性化推荐方法研究[J].现代图书情报技术，2016，32（7）：110-119.
　　[14]张荣，张腾跃，胡玲.数字图书馆的用户偏好模型及个性化推荐研究[J].黑河学院学报，2017，8（5）：208-210.
　　[15]丁雪，张玉峰.基于本体的智能数字图书馆个性化推荐用户本体研究[J].现代情报，2009，29（12）：61-65.
　　[16]Ajzen I.The Theory of Planned Behavior[J].Organizational Behavior & Human Decision Processes，1991，50（2）：179-211.
　　[17]晁亚男，刘庆旭，毕强.数字图书馆知识链接用户使用意愿影响因素及实证研究[J].现代情报，2017，37（9）：35-43.
　　[18]王伟军，王阳，王玉珠，等.移动商务用户个性化推荐采纳行为影响因素的实证研究[J].系统管理学报，2017，26（5）：816-823. 　　[19]李进华，王凯利.基于TAM的微信信息流广告受众信任实证研究[J].现代情报，2018，（5）.
　　[20]刘锦宏，余思慧，徐丽芳.移动数字图书馆用户行为模型构建研究[J].大学图书馆学报，2015，33（5）：93-98.
　　[21]Stvilia B.Measuring Information Quality[D].Urbana Champaign：University of Illinois，2006.
　　[22]汤志伟，龚泽鹏，涂文琴，等.政府网站的公众初始采纳：从意向形成到行为产生[J].情报杂志，2017，36（3）：148-154.
　　[23]Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology[J].MISQuarterly，1989，13（3）：319-340.
　　[24]刘冰，宋漫莉.网络环境中用户信息期望与信息质量关系实证研究[J].情报资料工作，2013，（4）：73-77.
　　[25]Fishbein M，Ajzen I.Belief，Attitudes，Intention and Behavior：An Introduction to Theory and Research[J].Philosophy & Rhetoric，1977，41 （ 4）：842-844.
　　[26]Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology[J].MIS Quarterly，1989，13（3）：319-340.
　　[27]Lee，Ming-Chi.Understanding the Behavioural Intention to Play Online Games[J].Online Information Review，2009，33（5）：849-872.
　　[28]吳明隆.统计应用实务——问卷分析与应用统计[M].北京：科学出版社，2003：23-24.
　　（责任编辑：郭沫含）
转载注明来源:https://www.xzbu.com/4/view-15168267.htm