基于UTAUT模型的學術社交網站用戶采納行為研究

摘 要 為了提升學術社交網站服務質量，本文系統分析了用戶采納學術社交網站資源的影響因素。通過在整合型技術接受擴展模型（UTAUT）中加入感知任務技術匹配變量、個體創新性和感知信任變量，構建了學術社交網絡初始采納影響因素模型，并使用問卷調查法獲取數據驗證模型。結果表明：感知任務技術匹配、績效期望、努力期望、社會影響、個體創新性以及感知信任正向影響個體對學術社交網站的采納意愿，采納意愿和促成因素正向影響個體對學術社交網站的采納行為。

關鍵詞 學術社交網站? UTAUT? 采納行為? 影響因素

分類號 G250

DOI 10.16810/j.cnki.1672-514X.2019.12.009

Abstract This paper systematically analyzes the main influencing factors of users adoption of academic social networking sites， in order to improve the service quality of academic social networking sites. In this paper， the Unified Theory of Acceptance and Use of Technology （UTAUT） is added with perceived task-technology fit， individual innovation and perceived trust to construct an initial adoption influencing factors model of academic social networking sites， and questionnaire survey method is used to obtain data verification model. The results show that perceived task-technology fit， performance expectancy， effort expectancy， social influences， individual innovation and perceived trust have positive influence on the individuals adoption intention， and adoption intentions and facilitating conditions positively affect individuals adoption behavior of academic social networking sites.

Keywords Academic social networking sites. UTAUT. Adoption behavior. Influencing factors.

隨著國外Academia.edu、ResearchGate、Mendeley、國內科學網、小木蟲、百度學術等學術社交網站（ASNS，Academic Social Networking Sites）的出現，很大程度上彌補了傳統學術交流體系更新滯后、成本高昂的弊端，也改變了知識信息創建、傳播、交流、使用的方式，為科研人員匯集大范圍、密集型的科研資源的同時也為同行間或跨領域的協作提供了便利。作為向目標用戶傳播信息的有效工具，越來越多的科研人員開始使用ASNS。為了不斷開拓市場，運營商有必要系統了解個體采納學術社交網站的影響因素，以便采取措施積極提升采納率。

1 相關文獻回顧

學術社交網絡是以學術信息共享和知識交流為目的，借助互聯網幫助學者與其他科研人員建立專業網絡，并為他們進行學術研究時的各種活動提供便利的在線服務、工具或平臺[1]，本文中僅對網站平臺做出討論。到目前為止，現有的研究多集中在了解不同學術社交網站的功能、服務，探索未來學術社交網站的發展方向和規律;另一方面間接或直接得獲取用戶行為數據，研究用戶的行為特征及規律，但這類研究還只是少數。如：A.C.Bullinger等通過對24個學術社交網站案例和10個科研社交網絡創建者的深度訪談，將學術社交網站確定為身份和網絡管理、交流、信息管理、協作4個功能[2]。REBIUN工作組的研究將學術社交網站劃分為研究共享類、結果共享類和資源共享類[3]。M.S.Rad等人整合UTAUT、TTF模型、社會資本理論，考察了性能預期、努力預期、社會影響、便利條件、用戶阻力、個人、技術、任務和社會特征對用戶使用SRNS意向的影響[4]。陳明紅等人以TPB理論為基礎，設計科研社交網絡使用行為影響因素模型，研究結果表明行為態度、感知行為控制、主觀規范顯著影響使用意向，使用意向正向影響使用行為[5]。Wei等研究確定使用ASNS的學者群體加入ASNS團隊的各種動機，包括搜尋信息（信息需求）、建立網絡和連接（社會需求）、增加網絡影響力（專業知名度）、利他動機幾方面[6]。

2 研究模型

在技術接受和利用的研究中，技術接受模型（TAM）和任務技術匹配模型（TTF）是兩個最常用到的模型。TAM廣泛應用于解釋和預測技術接受/采納。雖然它是一個被高度引用的模型，但一些學者對它的理論準確性保持懷疑態度。Bagozzi指出TAM模型存在局限性，例如結構過于簡單，框架中存在兩個關鍵的留白，意圖與行為的聯系未經驗證[7]。整合型技術接受擴展模型（UTAUT）是由Venkatesh， Morris等人綜合TAM、IDT、TRA、TPB、MM、C-TAM-TPB、MPCU、SCT等模型提出，該模型具有較好的解釋力度。此外，TTF模型認為只有當技術特征與任務需求相匹配，用戶才會采納新的技術[8]，換言之，用戶采用某項新技術并不只是取決于對技術的態度和感知，如果用戶認為這項技術與他的任務不適合、不能提升績效，就不會采納這項新技術。因此本文結合UTAUT模型和TTF理論，加入感知任務技術匹配變量、個體創新性、感知信任等個體因素變量，并通過實證研究來探索個體在采納學術社交網站資源過程中，績效期望、努力期望、社會影響、促成因素、感知信任、個體創新性以及感知任務技術匹配與采納意愿和采納行為之間的相互影響關系，研究模型如圖1：

3 研究假設

Venkatesh等學者結合感知有用性、工作適配、外在動機等變量整合出績效期望，并將其定義為個體使用信息技術或系統時提升工作績效的期望程度[9]，一般而言，當用戶考慮使用一項新的技術/系統時，他們通常會考慮這項新技術/系統能否提升工作效率、改善工作質量[10]。在本次研究中用績效期望反映個體在使用ASNS前對預期效益的估計，比如提供科研資源或幫助提升學術影響力等等。M.S Rad等人通過UTAUT模型構建用戶使用學術社交網絡行為意向影響因素，結果發現績效期望直接影響使用意向[11]。Rad等通過TOPSIS方法評估影響科研人員采納社會科研網絡進行協作的因素，證明績效期望、努力期望、社會影響以及便利條件都會對SRNS使用動機產生影響[4]178。因此我們提出假設：

H1：績效期望正向影響用戶對學術社交網站的采納意愿。

此外，用戶在決定使用一項新技術/系統前，如果他們認為某信息系統/技術操作起來越容易，其使用該信息技術/系統的態度積極性就會越高。努力期望是用戶認為使用某項新技術/信息系統的難易程度。在概念上與TAM模型的感知易用性相似，高努力期望表示高易用性和較少的努力，Lallmahomed et al. 在2013年研究中確定努力期望對社交網站用戶的行為意愿有較高的影響[12]。據此，提出假設如下：

H2：努力期望正向影響用戶對學術社交網站的采納意愿。

社會影響是指個體受到身邊的人的影響，或是個體認為重要的人認為其該使用新技術/系統的程度。此外，也有相關研究已經證明社會影響是決定行為意向的一項重要因素，如Lallmahomed等人的實證研究中也證明社會影響會對用戶使用在線技術（如SNSs）的意向產生影響。據此，提出假設如下：

H3：社會影響正向影響用戶對學術社交網站的采納意愿。

促進因素是指個人認為現有組織或技術基礎設施支持其使用信息技術/系統的程度。對一些新手來說，他們大多希望可以有專業的指導和培訓課程或相關資料來幫助他們盡快熟練新的技術/系統。用戶在新技術/系統的使用過程中，有問題時如果能夠得到有效的幫助（如參考資料、技術支持人員、在線客服等） 會增加其使用行為。因此，我們認為促成因素的支持會促進用戶的采納行為。

H4：促進因素正向影響用戶對學術社交網站的采納行為。

信任是用戶采納和使用某系統/技術的前提，用戶采納ASNS，需要平臺提供良好的信任環境。當前已有研究將信任理論加入到UTAUT模型中，分析信任對用戶技術接受和使用行為傾向的影響。在本文中，感知信任是指用戶對自己使用的學術社交網絡平臺的功能、信息內容以及開發商、運營商的主觀信任程度。

H5：感知信任正向影響用戶對學術社交網站的采納意愿。

相對于普通的社交網站或較為傳統的學術交流渠道，ASNS在很多方面具有較為獨特的優勢，這些優勢將大大滿足科研人員的科研需求。根據TTF模型可知，任務技術匹配度是指技術對用戶執行特定任務相匹配的程度。本文指學術社交網站的功能特征對用戶使用學術社交網站來進行活動的支持程度。較高的任務與技術匹配會促進用戶對一項新技術/系統的采納意愿;相反，較低的任務技術匹配會降低用戶對技術/系統的采納意愿。對此提出假設：

H6：感知任務技術匹配度正向影響用戶對學術社交網站的采納意愿。

個體創新性是指用戶個人所具有的個性特征，代表個體率先接觸和體驗新事物的意愿，本文將個體創新性定義為用戶接受學術社交網站這種新事物的觀念和內在傾向程度，梳理相關文獻發現個體創新性影響個體對某項新技術的接受和使用，個體創新性高的用戶對新技術有更高的嘗試意愿。如張宏梅等人通過實證研究證明了個體創新性越高的用戶，其越容易信任及接受新技術[13]。

H7：個體創新性正向影響用戶對學術社交網站的采納意愿。

采納意愿是指用戶會在將來某個時間內使用學術社交網站的可能性預測。采納行為是指用戶在某個時間段內使用學術社交網站的具體行為，其中包括瀏覽科研動態、尋求合作伙伴、下載/發布學術資源等。根據TPB理論，個人的使用意愿越強，就會越努力的去實現和發生使用行為。

H8：用戶對學術社交網站的采納意愿正向影響其采納行為。

4 實證調查問卷設計

4.1 問卷設計與結果統計

研究模型共包括9個變量，每個變量采用3～5個問項進行測度。查閱相關文獻，在此基礎上設計問卷。問卷采用Likert五級量表度量，通過網絡渠道發放和回收問卷。回收問卷之后采用SPSS22.0對收集的問卷數據進行分析和模型驗證。網上參與填寫問卷的用戶均為互聯網用戶，其中有一些接觸過學術社交網站，也有一些在使用過之后放棄使用。本次共收到問卷327份，其中有效問卷258份，其描述性統計結果如表1所示。

4.2 信度和效度檢驗

問卷信度分析中，通常α系數需要大于0.7。本問卷的總體Cronbach α系數值為0.918，各變量的Cronbach α系數值也均大于0.7，說明測量量表具備較高的信度。此外，通過SPSS22.0進行因子分析來檢驗量表的建構效度，從表2中可以看出，除努力期望的KMO值為0.686<0.7外，各變量的KMO值均大于0.7并通過Bartlett球形檢驗，最終提取到9個因子，這9個因子與題項有良好的對應關系，這種對應關系與先前設計的模型理論變量相符，且有很高的顯著性水平（Sig.=0.000），各問項的因子載荷均大于0.5，因子旋轉后累積方差解釋率為68.732%，說明問卷各問項設置合理，量表有良好的結構效度。綜上所述，本研究各變量的信效度都符合進一步做假設檢驗的要求，結果見表2。

5 模型驗證及分析

5.1 相關分析

相關分析是研究各研究變量間相關關系，使用相關系數表示變量間的關系情況的一種統計方法。本研究分析績效期望、努力期望、社會影響、感知信任、個體創新性、感知任務技術匹配這6個因素與采納意愿的相關關系、促成因素和采納意愿與采納行為的相關關系。

（1）ASNS采納意愿與假設影響因素的相關關系。由表3可知，績效期望、努力期望、社會影響、感知任務技術匹配、個體創新性、感知信任這幾個因素分別與采納意愿之間呈現0.01水平上的顯著性，并且相關系數值都大于0.3，因而說明這些因素與采納意愿之間具有顯著的正相關關系，這6個因素與采納意愿有著較為緊密的相關關系，初步驗證了采納意愿相關假設。

（2）ASNS采納行為與假設影響因素的相關關系。由表4可知，促成因素、采納意愿分別與采納行為之間呈現0.01水平上的顯著性，并且相關系數值都大于0.4，因而說明這些因素與采納行為之間具有顯著的正相關關系，這2個因素與采納行為有著較為緊密的相關關系，初步驗證了采納行為相關假設。

5.2 回歸分析

（1）ASNS用戶采納意愿與假設影響因素的回歸分析。根據相關分析的結果，績效期望、努力期望、社會影響、感知任務技術匹配、個體創新性、感知信任與采納意愿相關顯著，均進入多元回歸分析。由表5所示的回歸分析結果可見，R2值達到0.467，說明所有自變量可以解釋采納意愿值變化的46.7%的原因，即表明回歸方程對樣本數據點的擬合度合適，具備一定的穩定性。D-W值為1.986，在2附近，說明基本無自相關性（即樣本之間沒有影響關系）。同時回歸的F檢驗統計量的觀測值為36.642，對應的概率P值為0.000，在0.01的水平上達到了顯著水平，可進行回歸模型的顯著性檢驗。此外，績效期望、努力期望、社會影響、個體創新性、感知信任的回歸系數P值（顯著性） 小于0.01，感知任務技術匹配的回歸系數P值小于0.05，說明這些變量均對采納意愿具有顯著影響，假設成立。根據實證可得回歸模型，結果如下：采納意愿=0.219*績效期望+0.210*努力期望+0.229*社會影響+0.126*感知任務技術匹配+0.173*個體創新性+0.142*感知信任。

（2）ASNS用戶采納行為與假設影響因素的回歸分析。根據相關分析的結果，促成因素、采納意愿與采納行為相關顯著，均進入多元回歸分析。由表6所示的回歸結果能夠看出，回歸方程可以解釋38.7%的總變異（R2），具備一定的解釋能力。D-W值為1.626，在2附近，說明基本無自相關性（即樣本之間沒有影響關系）。回歸的F=80.420，對應的概率P值為0.000，在0.01的水平上達到了顯著水平，可進行回歸方程的顯著性檢驗。表6反映了回歸方程中的自變量采納意愿和促成因素與因變量采納行為間的回歸關系以及回歸系數的顯著性水平檢驗結果，采納意愿、促成因素的回歸系數P值（顯著性）小于0.01，假設成立。

6 研究結論

通過本文所構建的學術社交網絡初始采納影響因素模型，統計和驗證所獲取的數據，分析結果表明績效期望、努力期望、社會影響、感知信任、個體創新性以及感知任務技術匹配這6個因素正向影響個體對學術社交網站的采納意愿，而采納意愿和促成因素正向影響個體對學術社交網站的采納行為，其具體數據見圖2。

（1） 績效期望。數據分析的結果顯示，績效期望（0.219）正向影響用戶對ASNS的采納意愿。說明用戶在評價一個ASNS網站時，如果認為ASNS能給其帶來更多的價值，個體就會愿意使用該ASNS。ASNS可以使科研人員不受時間、地點限制，利用碎片化時間瀏覽科研資訊、相關資源，與相關聯系人進行交互等等;ASNS可以選擇性為用戶推送個性化信息;此外，在ASNS推廣初期，可能會為用戶帶來一些同系列產品/服務的附加權益/特權，可在一定程度上為用戶帶來績效。現在，不斷有新型ASNS涌現，雖然彼此之間有一些區別，但是競爭仍然激烈。用戶在面對眾多選擇時，如果能夠選擇最適合自己內在需求的、更符合自己價值追求的ASNS，那么用戶的使用意愿就會更加強烈。

（2） 努力期望。研究結論顯示用戶對ASNS的努力期望會影響用戶的采納意愿，路徑系數為0.210，說明當用戶使用某種ASNS時所需付出的努力越小，他們采納該ASNS的可能性就愈大。當使用一個新的ASNS時，用戶需要熟悉不同的功能模塊以滿足自己的需求，當ASNS界面設計簡潔、流暢、人性化時，就會大大降低用戶的學習難度、減少學習時間，用戶就會更加愿意嘗試使用該ASNS。

（3） 社會影響。研究結論顯示社會影響會正向影響用戶對ASNS的采納意愿，路徑系數為0.229。這一結論表明當周圍某些對個體來說很重要的人認為他們應該使用某ASNS時，個體對這種來自他人建議的感知越強烈，其采納ASNS的意愿就會越強烈，反之亦然。社會影響對采納意愿的影響體現在，個體想通過使用ASNS融入科研團隊、適應科研大環境變化、與他人建立親密聯系。當這類需求越強烈，個體采納ASNS的意愿就會越強烈。

（4） 感知信任。研究結論顯示感知信任正向影響用戶采納ASNS的意愿，路徑系數為0.142。這表明用戶比較關心ASNS的可靠性、安全性，雖然ASNS的出現在一定程度上弱化了時空限制，豐富了學術交流的方式，但是網絡環境的虛擬性卻增加了用戶的不確定性和感知風險，如：使用ASNS一般要求提交個人真實信息，使用戶擔心在ASNS使用過程中存在個人隱私信息泄露風險。

（5） 個體創新性。本研究結論顯示用戶的個體創新性正向影響用戶對ASNS的采納意愿，路徑系數為0.173。這一結論表明個體創新性越高的個體在ASNS早期發布時就會去嘗試去接觸，也更容易發現ASNS的便捷性、有用性、專業性價值，增強了其對ASNS的采納意愿。

（6） 感知任務技術匹配。本研究結論顯示個體對使用ASNS的任務技術匹配程度的感知正向影響其采納意愿，路徑系數為0.126。這一結論表明用戶在利用ASNS進行科研活動過程中，如果感知到ASNS的功能特征與其任務需求之間的匹配程度越高，其使用ASNS的意愿就越強烈。反之用戶可能就不會產生使用ASNS的想法。

（7） 促成因素。研究結論顯示促成因素對用戶的采納ASNS的行為有直接影響，路徑系數為0.304。這一結論表明在ASNS的學習和使用過程中，促成因素主要包括他人幫助、網絡設備、資料指南等，這些因素的優化和改善都有希望直接提升用戶體驗，進而促進用戶的采納行為。但是如果缺乏相關支持性因素，那么也有可能直接導致用戶的采納行為無法實現。

（8） 采納意愿。采納意愿是個體使用ASNS的先決條件，當用戶產生采納意愿之后才有可能產生采納行為。本研究結論顯示個體對ASNS的采納意愿正向影響其采納行為，路徑系數為0.485。

7 發展策略

本文通過在UTAUT模型中引入感知任務技術匹配、個體創新性和感知信任三個變量，從用戶、技術兩方面對個體采納學術社交網站的行為意愿進行了實證研究。為了進一步提高個體采納意愿、吸引新用戶，筆者在此結論基礎上提出發展策略。

7.1 豐富服務功能，提升任務技術匹配度，加強用戶的績效期望

本文的研究結果表明，績效期望對ASNS的采納意愿有正向影響，因此提高平臺提供的信息資源的質量，改善服務功能，讓個體更加精準的獲取自己所需的信息資源和服務，可以為用戶創造更大的價值。運營商可以通過采集用戶在ASNS的屬性信息和使用行為對用戶進行畫像，從而為用戶推送更加適合需求的資源，提高使用效率[14]。此外，開發商可以進一步開發移動設備客戶端，方便用戶的使用，或者進一步細分用戶群體，針對不同類型的用戶，為他們提供更加適配領域需求的信息和服務，提升ASNS的使用價值。另外，我們要及時進行市場調查，深入了解用戶需求，針對用戶任務特征設計平臺技術特征，進而不斷更新學術社交網站的功能，升級ASNS所提供的產品和服務，保證ASNS的不斷發展，并更加符合用戶的任務特性。

7.2 簡化網站操作流程，突出主要功能，提升用戶的努力期望

本文的研究結果表明，提高ASNS的易用性，能夠較大程度上提高ASNS的接受和采納意愿。不同的ASNS會帶來不同的使用體驗，體現在界面、操作、資源/服務質量等方面，這些都會影響個體的采納意愿，這就要求運營商將ASNS界面盡可能地簡化，減少相對不重要的內容，以突出主要功能。在設計ASNS的操作流程時，可以參照主流ASNS平臺，以減少用戶轉化成本，吸引新用戶。此外還可以設計便捷移動端和新媒體服務，構建清晰明了的導航，提供與相關其他平臺的同步更新功能等等。

7.3 保證使用過程安全，提高個體信任度

ASNS平臺需要從技術上保障個體的信息安全，防止個體信息（尤其是注冊信息）被公開，從而增加用戶使用ASNS的安全感，讓用戶放心的使用ASNS進行科研活動。此外要設置專職崗位和聯絡渠道，使用戶在遇到安全問題時，能夠快速與運營商專職人員聯系，以便及時解決問題。此外，還要注重知識產權保護。學術信息網絡傳播的過程中，知識侵權行為時有發生，為了保障ASNS用戶共享的知識資源不被盜取、冒用，需要采用技術手段保證知識資源的安全傳播和利用，ASNS服務提供商還要對知識侵權行為進行及時檢測、提供相關追責支持服務，如法律咨詢。

7.4 凈化資源，構建知識導航系統

隨著學術社交網站的不斷發展，ASNS中的資源文獻量不斷增長，使得用戶難以從海量繁雜的知識資源中提取出所需優質信息，因此ASNS需對上傳信息/知識的用戶進行身份驗證，學術社交網站運營商要號召用戶提交優質準確的信息資源，并且ASNS運營商也要對錯誤信息、虛假信息進行過濾，保證學術社交網站中信息資源的質量。此外，對網站知識進行語義分析和深層次聚合，構建內容相互關聯的多維度、多層級知識導航系統，有序顯示資源分布及關系，便于用戶整體把握并按需選擇知識類別，進行專題檢索，為用戶提供深層次的知識服務。

7.5 提供使用手冊，設置在線專員，促成使用行為

首先，為用戶提供使用手冊，清晰明了的介紹ASNS各項功能和服務。其次，要針對ASNS地功能設計用戶的培訓教程，讓用戶能夠快速有效的了解學習ASNS的新功能。最后，還可以設置在線專員，使用戶在使用過程中遇到困難時，可以及時向在線客服人員尋求幫助。

7.6 設計創新產品，創新營銷方式，迎合個體獵奇心理

相對來說，年輕用戶的創新意識較強，高校研究生具有較大科研需求且富有創新性，將高校研究生作為目標用戶進行前期推廣，廣泛組織開展富有吸引力的推廣活動，然后以前期接受推廣的群體為范例進一步廣泛推廣，可實現“病毒式”傳播。此外，平臺運營商在平臺運行過程中要不斷借助新興技術，以用戶需求為中心設計創新性產品和功能，在推廣中通過新潮的設計使網站平臺符合技術潮流趨勢，從而吸引更多個體采納ASNS.。

7.7 尋求政策支持，樹立意見領袖，最大化社會影響作用

積極尋求國家政策扶持，營造有利于學術社交網站健康發展的大環境。平臺運營商還可以通過向個體推送好友的注冊情況來促進個體的采納，此外邀請新用戶獲得積分、特別權限等的激勵手段、資深科研人員扮演“意見領袖”、營造良好的科研輿論環境等對吸引新用戶都具有重要意義。

參考文獻：

賈新露，王曰芬.學術社交網絡的概念、特點及研究熱點[J].圖書館學研究，2016（5）：7-13.

BULLINGER A C， HALLERSTEDE S， RENKEN U， et al. Towards research collaboration-a taxonomy of social research network sites[C]. Lima，Peru：Sustainable IT Collaboration Around the Globe，AMCIS， 2010：92.

SHEE K. Research， collaboration， and open science using Web2.0[EB/OL].[2018-06-04].http：//jmbe.asm.org/index.php/jmbe/article/view/219.

RAD M S， DAHLAN H M， IAHAD N A， et al. Assessing the factors that affect adoption of social research network site for collaboration by researchers using multicriteria approach[J].Journal of Theoretical & Applied Information Technology，2014，65（1）：170-183.

陳明紅，漆賢軍，劉瑩.科研社交網絡使用行為的影響因素研宄[J].情報理論與實踐，2015，38（10）：73-79.

WEI J， HE D， JIAHG J. User participation in an academic social networking service： a survey of open group users on Mendeley [J].Journal of the American Society for Information Science & Technology，2015，66（5）：890-904.

BAGOZZI R. The legacy of the technology acceptance model and a proposal for a paradigm shift[J]. Journal of the association for information systems.2007，8（4）， 244-254.

GOODHUE D， THOMPSON R. Task-technology fit and individual performance[J]. MIS quarterly， 1995，19（2），213-236.

VENKATESH V， THONG XU JYL. Consumer acceptance and Use of information technology：extending the unified theory of acceptance and use of technology[J].MIS Quarterly，2012，36（1）：157-178.

劉煒.基于擴展TTF和UTAUT模型的老年用戶社會化網絡服務采納行為研究[J].軟科學，2015，29（3）：120-124.

RAD M S， DAHLAN H M， MEHRBAKHSH N，et al.Academic researchers behavioural intention to use academic social networking sites[J].Information Development，2017，35 （2）：245-261.

LALLMAHOMED M Z， RAHIM N Z A， IBRAHIM R， RAHMAN AA. Predicting different conceptualizations of system use： Acceptance in hedonic volitional context（Facebook）[J]. Computers in Human Behaviour，2013，29（6）：2776-2787.

張宏梅，劉少湃，于鵬，等.消費者創新性和使用動機對移動旅游服務融入意向的影響[J].旅游學刊，2015，30（8）：13-25.

謝曉琦.信息推送技術綜述[J].科技創新與應用，2016（23）：45.

石婷婷 遼寧大學歷史學院碩士研究生。 遼寧沈陽，110136。

（收稿日期：2018-11-12 編校：劉 明，左靜遠）