過載對社交網絡疲倦的影響及其用戶差異分析

甘春梅 胡鳳玲

摘要：[目的/意義]從過載視角探討引起社交網絡疲倦的原因，并考慮性別、年齡、群體（工作群體、學生群體）和使用時間的差異，為改善社交網絡疲倦現象提供建議。[方法/過程]通過在線問卷搜集416份數據，利用結構方程模型和t檢驗進行數據分析。[結果/結論]結果顯示，信息過載、社交過載和系統過載顯著影響社交網絡疲倦，其中信息過載的作用最大，其次是系統過載和社交過載。與此同時，年齡、群體（工作群體、學生群體）在信息過載和系統過載對疲倦的影響上存在差異;性別在社交過載和系統過載對疲倦的影響上存在差異;使用時間在社交過載和系統過載對疲倦的影響上存在差異。

關鍵詞：社交網絡;社交網絡疲倦;差異分析;信息過載;社交過載;系統過載

分類號：G252

1? 前言

隨著信息技術和社交媒體等的快速發展，社交網絡已經滲透到工作與生活的各個方面。用戶基于不同的動機使用社交網絡的不同功能，并滿足其不同需求[1]。盡管如此，社交網絡在給用戶帶來便利的同時，也造成消極的影響，如用戶疲倦。當用戶被太多信息淹沒或者花費太多時間去維持線上關系時，用戶傾向于避開社交網絡活動，這被稱為社交網絡疲倦現象[2]。實踐表明，社交網絡用戶正面臨著信息過載、社交過載等問題[3]。而過載往往使用戶產生消極情緒，如疲倦和沮喪等[4]。此外，社交網絡用戶因其性別、年齡等差異在使用行為上也呈現出差異[5-6]。那么，不同類型的過載如何影響社交網絡用戶疲倦？不同用戶之間存在怎樣的差異？對上述問題的闡釋將有助于更好地揭示社交網絡用戶消極情緒形成的內在機理及其用戶行為差異，進而更好地消除用戶消極情緒并引導其積極行為。

通過文獻調研發現，已有研究利用不同理論、從不同視角對社交網絡疲倦的影響因素進行過探討。X. Zhu和Z. Bao指出隱私和印象管理顯著影響社交網絡疲倦[7]。L. F. Bright等發現隱私和社交網絡自信心對社交網絡疲倦產生顯著影響[8]。基于壓力源—應變—結果框架，A. Dhir等指出強迫性社交網絡的使用引發社交網絡疲勞[9]。基于SOR模型，A. Luqman等發現社交網絡的過度使用導致用戶產生社交網絡疲倦和技術壓力[10]。C. Maier等指出系統的復雜性、社交過載等因素是社交網絡疲倦產生的原因[11]。T. Ravindran等認為社交網絡疲倦產生的原因是社交互動以及社交網絡的內容變化太快[12]。S. Kim等認為相關信息過載、開放可達性、參與感、維持聲譽顯著影響社交網絡疲倦[13]。M. Lim和Y. Yang指出害羞與社交網絡倦怠情緒顯著相關[14]。S. Lian等發現社交網絡疲倦受到社交網絡成癮的顯著影響[15]。Y. Zhu和Z. Bao認為印象管理關注、隱私關注和社交過載是引起社交網絡疲倦的重要因素[16]。劉魯川等認為個人因素中的自我效能、沉浸感、隱私關注等對用戶的倦怠情緒產生顯著影響[17]。李旭等發現過載因素（社交過載、信息過載和服務過載）是社交媒體倦怠產生的原因[18]。張敏等指出平臺內部因素會引起用戶心理疲勞等負面的情感認知[19]。郭佳和曹芬芳發現信息過載、系統功能過載、社交過載和隱私關注對社交媒體倦怠產生顯著影響[20]。在梳理相關文獻的基礎上，李宏和李微認為，社交媒體倦怠的產生是由平臺、用戶和社會3個層面的原因所致[21]。

可以看出，雖然現有文獻對社交網絡疲倦的影響因素進行過探討，也曾關注過載的作用機理;但較少有研究揭示用戶行為差異。考慮到用戶差異對社交網絡用戶的影響，本研究擬關注不同類型的過載對社交網絡疲倦的作用及其用戶行為差異，以深層次揭示社交網絡疲倦的形成機理。

2? 理論基礎與研究假設

2.1? 理論基礎與模型

根據邊際效用遞減原則，雖然信息技術可以提高生產率，但當超過某個點之后，技術產生的收益不會增加反而會減少;更好的技術不一定帶來最大的產量或績效，這種現象被稱為技術過載[22]。過載通常涉及對超出個人處理能力的事物的主觀評價和感知[23]。隨著社交網絡的盛行與滲透，用戶在使用社交網絡過程中也出現過載現象。

已有研究對社交網絡環境下的過載現象進行了探討。P. Karr-Wisniewski和Y. Lu認為技術過載由信息過載、溝通過載和系統功能過載構成[22]。A. R. Lee等從信息過載、溝通過載和系統功能過載3個方面來研究過載的前因及對其社交網絡疲倦的影響[24]。S. Zhang等[25]和S. Shokouhyar等[26]均提出信息過載、社交過載和系統過載顯著影響社交網絡疲倦。

參考S. Zhang等[25]的研究，本研究將從信息過載、社交過載和系統過載3個維度探究過載對社交網絡疲倦的影響，并在此基礎上考慮群體（工作群體、學生群體）、性別、年齡和使用時間的差異。本研究的理論模型如圖1所示：

2.2? 研究假設

信息過載是指用戶在社交網絡中接受到的信息超過了用戶的處理能力[22]。在社交網絡環境下，當用戶接收太多的信息而處理這些信息的能力有限時，就會產生社交網絡疲倦[27]。已有研究揭示了信息過載對社交網絡疲倦的影響。W. Chaouali基于使用與滿足理論和個人環境適應模型，發現信息過載顯著影響社交網絡用戶的情感疲倦[28]。W. Gao等基于保護動機理論和信息處理理論，指出信息過載對社交網絡疲倦產生顯著影響[29]。X. Cao和J. Sun基于擴展的壓力源—應變—結果研究模型，認為社交網絡疲倦受到信息過載的顯著影響[30]。L. Yu等提出，過載顯著影響社交網絡疲倦[31]。面對社交網絡中的大量信息，用戶需要耗費大量的精力和時間從冗余的信息中提取并處理信息，容易產生疲倦。基于此，提出假設：

H1：信息過載顯著影響社交網絡疲倦。

社交網絡環境下，頻繁的社交主要是為了照顧朋友、取悅他們或解決問題，這被認為是一種社交過載[32]。已有研究對社交過載進行研究，并認為社交過載導致用戶產生社交網絡疲倦。C. Maier等發現，社交過載導致用戶的社交網絡疲倦和滿意度降低[11]。X. Zhu和Z. Bao等發現，社交過載顯著影響社交網絡疲倦[7]。T. Ravindranr認為，社交網絡疲倦的體驗可能來自社交網絡上朋友的社交動態或社交互動[12]。在社交網絡中需要給他人提供太多的社會支持時，用戶更容易表現出心有余而力不足，繼而產生疲倦。基于此，提出假設：

H2：社交過載顯著影響社交網絡疲倦。

系統過載是指給定的技術對于給定的任務來說過于復雜[22]。雖然添加特性功能會使產品更加獨特并提高效率，但過多的功能可能會讓用戶不堪重負，產生過載[33]。已有研究對系統過載和社交網絡疲倦之間的關系進行了研究。S. Shokouhyar等認為，系統功能過載顯著影響用戶的社交網絡疲倦[26]。S. Zhang等發現，系統功能過載是引起不滿意和社交網絡疲倦方面的壓力源[25]。A. R. Lee等提出，系統功能過載對社交網絡疲倦產生顯著影響[24]。當社交網絡的功能太復雜或更新頻率太快時，用戶需要花費更多的時間去理解和適應新的功能，這可能引起用戶的疲倦感。基于此，提出假設：

H3：系統過載顯著影響社交網絡疲倦。

此外，已有不少文獻對社交網絡用戶行為表現的個體差異進行了研究。有學者研究社交網絡使用意愿上的個體差異，發現性別、年齡、使用頻率和使用時間在社交網絡使用意愿和使用行為上存在顯著差異[28-32]。更進一步，有研究指出不同性別和年齡的用戶對社交網絡隱私問題的關注程度也存在差異[33-34]，社交網絡的使用頻率對微信“朋友圈”的參與行為產生影響[41]以及自我表達行為在性別上存在差異[42]。基于此，本研究擬探討性別、年齡、群體（工作群體、學生群體）和使用時間在社交網絡疲倦上表現出的差異。

3? 研究設計

3.1? 量表設計

為保證問卷的信度和效度，本研究的測度項均來自已有的研究。此外，結合本研究的情景和目的，對原測度項進行完善與修改。其中，信息過載和系統過載測度項均來源于P. Karr-Wisniewski和Y. Lu[22]，社交過載測度項來源于C. Maier等[32]，社交網絡疲倦測度項來源于C. Maier等[32]和E. ?hsberg[43]。

為保證問卷的信度和效度，筆者首先咨詢了2位圖情領域專家，根據他們的意見對語境和題項進行了修改;然后邀請24名社交網絡用戶進行問卷預測試，并針對他們的反饋意見對問卷的部分題項和表達進行了修改，得到最終的問卷。問卷測度項采用李克特7級量表進行評分，其中1表示“非常不同意”，4表示“中立”，7表示“非常同意”。

3.2? 數據搜集

本研究選取在校學生和工作群體中的社交網絡用戶作為研究對象。通過在線發放問卷，采用滾雪球的方式共收集問卷443份，剔除無效問卷27份（勾選同一個答案或者全選非常同意或者非常不同意的問卷），獲得有效問卷416份。

表1顯示了有效樣本的人口統計學特征。可以看出，39.9%的用戶是男性，60.1%的用戶是女性;22歲及以下的用戶占38.3%，23歲及以上的用戶占61.7%;60.8%的用戶擁有本科學歷;83.2%的用戶使用時間為3年及以上;83.4%的用戶每天頻繁使用;而學生和工作群體的用戶占比分別為49%和51%。

4? 數據分析

4.1? 信效度分析

信度分析采用Cronbachs α信度系數，當α系數大于0.7可以認為量表的可信度較高[44]。效度分析包括結構效度和內容效度，其中結構效度包括收斂效度和區分效度。效度分析的主要測量指標有因子載荷、CR和AVE值[45]。一般認為因子載荷和CR值大于0.7時量表可信度較高，AVE的閥值是0.5[46]。由表2可以看出，量表具有可靠的信度和效度。此外，區分效度反映了不同測度項之間的相關性，當每個變量的AVE平方根（對角線的元素）大于與其他變量的相關系數（非對角線元素）時，說明變量有很好的區分效度[44]。由表2可以看出，量表有很好的區分效度。

4.2? 結構方程模型

使用Smartpls 3.0進行結構方程模型的驗證，結果如圖2所示。可以看出，社交網絡疲倦被解釋的方差比為51.7%。并且所有路徑都顯著，即假設H1，H2和H3均成立。

圖2? 路徑系數及其顯著性（***p<0.001）

4.3? 差異分析

進一步，分別按照年齡、性別、群體（工作群體、學生群體）和使用時間對用戶進行分組，對每個分組進行結構方程模型分析。具體結果如下：

（1）性別的差異分析。性別差異分析的結果如表3所示。可以看出，社交過載和系統過載對不同性別群體社交網絡疲倦的影響存在顯著差異。男性更容易受到社交過載的影響而產生社交網絡疲倦，而女性更容易受到系統過載的影響而產生社交網絡疲倦。雖然信息過載對男女生群體的社交網絡疲倦產生顯著影響，但是性別在信息過載上不存在顯著差異。

（2）年齡的差異分析。以23歲為界限，將年齡分為兩組進行差異分析，結果如表4所示。可以看出，不同年齡的群體在信息過載和系統過載上存在顯著差異。年齡較小的群體容易受到信息過載的影響而產生社交網絡疲倦，而年齡較大的群體更容易受到系統過載的影響而產生社交疲倦。雖然對于不同年齡群體，社交過載對社交網絡疲倦產生顯著影響，但是年齡在社交過載上不存在顯著差異。

（3）群體（工作群體、學生群體）的差異分析。表5顯示了群體差異分析結果。可以看出，學生群體和工作群體在社交網絡疲倦上存在差異。學生更容易受到信息過載的影響而產生社交網絡疲倦，而工作群體更容易因系統過載而產生社交網絡疲倦。此外，學生群體中，社交過載對社交網絡疲倦產生顯著影響，而工作群體中，社交過載對社交網絡疲倦不產生顯著影響。

（4）使用時間的差異分析。以3年的使用時間為界限，將用戶群體劃分為使用時間在3年以下的群體和使用時間在3年及以上的群體，結果如表6所示。可以看出，兩組群體在社交網絡疲倦上存在顯著差異。相對于使用經歷在3年及以上的群體，使用經歷在3年以下的群體社交過載和系統過載對社交網絡疲倦的影響更大。其中，對于使用經歷3年及以上的用戶，信息過載會對社交網絡疲倦產生影響，而使用經歷在3年以下的用戶則不受影響。

5? 討論

5.1? 結果討論

本研究旨在探討社交網絡疲倦的影響因素及其用戶行為的差異。具體來說，本研究考慮信息過載、社交過載、系統過載對社交網絡疲倦的影響，并關注性別、年齡、群體、使用時間上的差異。結果顯示，信息過載顯著影響社交網絡疲倦，且發揮的作用最大。這一結論與W. Chaouali[28]、M. Wang和D. Li[47]的研究結果一致。信息相關性和信息過載之間存在一個閾值，超過這個閾值時，過多的信息將造成信息過載[24]。社交網絡充斥著各種冗余信息，從社交網絡中搜尋所需的信息需耗費用戶大量的時間和精力，這往往導致用戶產生疲倦。例如，當微信群中聊天信息太多時，用戶需從大量的信息中“爬樓”到所需的有用信息，這通常令人感到疲倦。

研究也顯示，系統過載顯著影響社交網絡疲倦，這一結論與S. B. Choi和M. S. Lim[4]、A. R. Lee等[24]的研究結果一致。信息技術的發展使得人們的生活更加便利;但當軟件的功能太復雜、更新太頻繁時，同樣給用戶的使用帶來困難[48]。用戶需要花費更多的時間學習和適應新功能，這可能導致社交網絡疲倦。

與此同時，社交過載顯著影響社交網絡疲倦，其發揮的影響最小。這一發現與X. Xiao和T. Wang[38]、J. Lo[49]的研究結果一致。在社交網絡中，用戶在接受他人幫助的同時也會給予他人社會支持。但當用戶需要提供的社會支持太多，以至于耗費太多時間和精力時，用戶通常會感覺到疲倦[50]。例如，當用戶需要對消息即時回復并努力地與朋友維持社交網絡上的聯系，用戶將感到疲倦[51]。又如，在微信上有很多的私信需要處理和回復，而回復這些消息可能與用戶正常的生活或工作產生沖突，容易造成用戶疲倦[24]。

此外，差異分析結果表明，性別在社交過載和系統過載對社交網絡疲倦的影響上存在差異。男性更容易受到社交過載的影響而產生社交網絡疲倦。原因可能是，相對于女性，男性不善于處理社交關系。女性則更容易受到系統過載的影響而產生社交網絡疲倦。這可能與女性對系統和軟件的興趣低于男性有關。

年齡在信息過載和系統過載對社交網絡疲倦的影響上存在差異。年齡較小的群體傾向于受到信息過載的影響而產生社交網絡疲倦。實際生活中，年齡較小的群體可能由于處理信息經驗較少，面對社交網絡上需要處理的大量信息容易產生疲倦。而年齡較大的群體更容易受到系統過載的影響而產生社交疲倦。對于年齡稍大的群體，可能由于對新事物的接受力較弱，更容易因為系統的復雜功能而產生社交網絡疲倦。

群體在信息過載和系統過載對社交網絡疲倦的影響上存在差異。學生更容易因為信息過載而產生社交網絡疲倦。這可能是由于學生群體關注較多的線上信息，過多的信息造成了疲倦的產生。而工作群體更容易因系統過載而產生社交網絡疲倦。工作群體講究效率至上，過于復雜的功能和設計容易使用戶感到疲倦。在工作群體中，社交過載對社交網絡疲倦不產生顯著影響，分析原因，可能是由于在工作氛圍下，社交被看作是一種工作需求，社交過載并不會導致疲倦。

使用時間在社交過載和系統過載對社交網絡疲倦的影響上存在差異。使用經歷在3年及以上的群體更容易受到社交過載和系統過載的影響產生社交網絡疲倦。隨著用戶使用社交網絡時間的增長，用戶社交網絡上的朋友數量也會增加，用戶更容易因過多的線上社交而產生疲倦;此外，用戶使用社交網絡的時間越長，就會習慣軟件的舊功能，容易因系統功能的變動產生疲倦。對于使用社交網絡時間較短的用戶來說，信息過載對社交網絡疲倦不產生顯著影響。這可能是由于用戶使用社交網絡的時間較短，積累的信息仍在其信息處理能力范圍內，不容易產生疲倦。

5.2? 研究意義

本研究結論具有一定的理論和實踐意義。從理論上來看，本研究關注不同類型過載對社交網絡疲倦的作用及其用戶行為差異。雖然以往的研究探討了過載的影響，但較少研究闡釋用戶行為差異;且已有研究主要使用學生樣本進行分析。本研究嘗試對用戶行為進行差異分析，并搜集不同來源的樣本以揭示性別、年齡、群體和使用時間對用戶行為造成的不同影響。這一研究將豐富與拓展現有社交網絡用戶行為的研究。

從實踐上來看，本研究結論對社交網絡服務提供商更有效地引導用戶的積極行為提供理論指導。一方面，服務提供商可從信息提供方面進行改善以減少用戶疲倦。例如，可以減少無用的廣告信息，或者提供信息分類和整理功能方便用戶篩選和整理信息。另一方面，服務提供商可從社交過載角度采取措施。例如，設置用戶分組、特別提醒或者屏蔽等功能減少用戶的社交負擔。與此同時，服務提供商還可以從系統過載角度考慮。可以通過提供詳細的軟件更新指導等措施減少新功能對用戶造成的壓力和疲倦。此外，服務提供商也需要從用戶差異角度考慮，針對不同性別、年齡、群體和新老用戶提供個性化服務。例如，向使用社交網絡時間較長的“老”用戶推送軟件更新指導，減少用戶因為系統過載而產生的疲倦。

對于用戶來說，可考慮從信息、社交和系統3個方面進行適當的調節以緩解社交網絡疲倦。例如，通過過濾社交網絡上對自己不那么重要的信息、屏蔽部分聊天群、對好友進行分組管理等措施來減少社交網絡帶來的疲倦。

5.3? 研究局限性

需要注意的是，本研究也存在一定的不足。主要體現在：首先，本研究主要考慮過載的作用機理，而造成社交網絡疲倦的因素還有很多，如害怕錯失。進一步的研究可同時考慮其他心理要素的影響。其次，本研究主要關注社交網絡這一情境，后續研究可考慮關注不同平臺（如微博等）之間的差異。

參考文獻：

[1] GAN C， LI H. Understanding the effects of gratifications on the continuance intention to use WeChat in China： a perspective on uses and gratifications[J]. Computers in human behavior， 2018， 78： 306-315.

[2] 騰訊創始人張志東：信息過載時代，科技如何向善？[EB/OL].[2019-04-20].http：//www.tisi.org/4999.html.

[3] SWAR B， HAMEED T， REYCHAV I. Information overload， psychological ill-being， and behavioral intention to continue online healthcare information search[J]. Computers in human behavior， 2017， 70： 416-425.

[4] CHOI S B， LIM M S. Effects of social and technology overload on psychological well-being in young South Korean adults： the mediatory role of social network service addiction[J]. Computers in human behavior， 2016， 61： 245-254.

[5] GAN C. Understanding WeChat users liking behavior： an empirical study in China[J]. Computers in human behavior， 2017， 68： 30-39.

[6] THELWALL M， VIS F. Gender and image sharing on Facebook， Twitter， Instagram， Snapchat and WhatsApp in the UK： hobbying alone or filtering for friends？[J]. Aslib journal of information management， 2017， 69（6）： 702-720.

[7] ZHU X， BAO Z. Why people use social networking sites passively： an empirical study integrating impression management concern， privacy concern， and SNS fatigue[J]. Aslib journal of information management， 2018， 70（2）： 158-175.

[8] BRIGHT L F， KLEISER S B， GRAU S L. Too much Facebook？ An exploratory examination of social media fatigue[J]. Computers in human behavior， 2015， 44： 148-155.

[9] DHIR A， YOSSATORN Y， KAUR P， et al. Online social media fatigue and psychological wellbeing—a study of compulsive use， fear of missing out， fatigue， anxiety and depression[J]. International journal of information management， 2018， 40： 141-152.

[10] LUQMAN A， CAO X， ALI A， et al. Empirical investigation of Facebook discontinues usage intentions based on SOR paradigm[J]. Computers in human behavior， 2017， 70： 544-555.

[11] MAIER C， LAUMER S， WEINERT C， et al. The effects of technostress and switching stress on discontinued use of social networking services： a study of Facebook use[J]. Information systems journal， 2015， 25（3）： 275-308.

[12] RAVINDRAN T， YEOWKUAN A C， HOE LIAN D G. Antecedents and effects of social network fatigue[J]. Journal of the association for information science and technology， 2014， 65（11）： 2306-2320.

[13] KIM S， PARK H， CHOI M J. Negative impact of social network services based on stressor-stress-outcome： the role of experience of privacy violations[J]. Future internet， 2019， 11（6）： 137.

[14] LIM M， YANG Y. Effects of users envy and shame on social comparison that occurs on social network services[J]. Computers in human behavior， 2015， 51： 300-311.

[15] LIAN S， SUU X， ZHOU Z， et al. Social networking site addiction and undergraduate students irrational procrastination： the mediating role of social networking site fatigue and the moderating role of effortful control[J]. PLOS ONE， 2018， 13（12）： e0208162.

[16] ZHU Y， BAO Z. The role of negative network externalities in SNS fatigue： an empirical study based on impression management concern， privacy concern， and social overload[J]. Data technologies and applications， 2018， 52（3）： 313-328.

[17] 劉魯川， 李旭， 張冰倩.基于扎根理論的社交媒體用戶倦怠與消極使用研究[J].情報理論與實踐， 2017， 40（12）： 100-106， 51.

[18] 李旭， 劉魯川， 張冰倩.認知負荷視角下社交媒體用戶倦怠及消極使用行為研究——以微信為例[J].圖書館論壇， 2018， 38（11）： 94-106.

[19] 張敏， 孟蝶， 張艷.S-O-R分析框架下的強關系社交媒體用戶中輟行為的形成機理——一項基于扎根理論的探索性研究[J].情報理論與實踐， 2019， 42（7）： 80-85， 112.

[20] 郭佳， 曹芬芳.倦怠視角下社交媒體用戶不持續使用意愿研究[J].情報科學， 2018， 36（9）： 77-81.

[21] 李宏， 李微.社交媒體倦怠研究述評與展望[J].情報科學， 2017， 35（9）： 172-176.

[22] KARR-WISNIEWSKI P， LU Y. When more is too much： operationalizing technology overload and exploring its impact on knowledge worker productivity[J]. Computers in human behavior， 2010， 26（5）： 1061-1072.

[23] SAEGERT S. CROWDING： cognitive overload and behavioral constraint[J]. Environmental design research， 1973， 2： 254-260.

[24] LEE A R， SON S M， KIM K K. Information and communication technology overload and social networking service fatigue： A stress perspective[J]. Computers in human behavior， 2016， 55： 51-61.

[25] ZHANG S， ZHAO L， LU Y， et al. Do you get tired of socializing？ An empirical explanation of discontinuous usage behaviour in social network services[J]. Information & management， 2016， 53（7）： 904-914.

[26] SHOKOUHYAR S， SIADAT S H， RAZAVI M K. How social influence and personality affect users social network fatigue and discontinuance behavior[J]. Aslib journal of information management， 2018， 70（4）： 344-366.

[27] Jackson T W， Farzaneh P. Theory-based model of factors affecting information overload[J]. International journal of information management， 2012， 32（6）： 523-532.

[28] Chaouali W. Once a user， always a user： Enablers and inhibitors of continuance intention of mobile social networking sites[J]. Telematics and informatics， 2016， 33（4）： 1022-1033.

[29] Gao W， Liu Z， Guo Q， et al. The dark side of ubiquitous connectivity in smartphone-based SNS： an integrated model from information perspective[J]. Computers in human behavior， 2018， 84： 185-193.

[30] Cao X， Sun J. Exploring the effect of overload on the discontinuous intention of social media users： an SOR perspective[J]. Computers in human behavior， 2018， 81： 10-18.

[31] Yu L， Cao X， Liu Z， et al. Excessive social media use at work： exploring the effects of social media overload on job performance[J]. Information technology & people， 2018， 31（6）： 1091-1112.

[32] Maier C， Laumer S， Eckhardt A， et al. Giving too much social support： social overload on social networking sites[J]. European journal of information systems， 2015， 24（5）： 447-464.

[33] Thompson D V， Hamilton R W， Rust R T. Feature fatigue： when product capabilities become too much of a good thing[J]. Journal of marketing research， 2005， 42（4）： 431-442.

[34] Nawaz M A， Shah Z， Nawaz A， et al. Overload and exhaustion： classifying SNS discontinuance intentions[J]. Cogent psychology， 2018， 5（1）： 1515584.

[35] Luqman A， Masood A， Ali A. An SDT and TPB-based integrated approach to explore the role of autonomous and controlled motivations in “SNS discontinuance intention”[J]. Computers in human behavior， 2018， 85： 298-307.

[36] Aharony N. Why do students use Whats App？–an exploratory study[J]. Aslib journal of information management， 2015， 67（2）： 136-158.

[37] Ding Y. Modelling continued use of information systems from a forward-looking perspective： antecedents and consequences of hope and anticipated regret[J]. Information &management， 2018， 55（4）： 461-471.

[38] Xiao X， Wang T. The implications of social influence theory on continuance intention for social networking among Chinese university students[J]. Journal of organizational and end user computing （JOEUC）， 2016， 28（4）： 55-72.

[39] Tifferet S. Gender differences in privacy tendencies on social network sites： ameta-analysis[J]. Computers in human behavior， 2019， 93：1-12.

[40] Malik A， Hiekkanen K， Nieminen M. Privacy and trust in Facebook photo sharing： age and gender differences [J]. Program， 2016， 50（4）： 462-480.

[41] Shao Z， Pan Z. Building Guanxi network in the mobile social platform： asocial capital perspective[J]. International journal of information management， 2019， 44： 109-120.

[42] Mouakket S. Information self-disclosure on mobile instant messaging applications： uses and gratifications perspective[J]. Journal of enterprise information management， 2019， 32（1）： 98-117.

[43] ?hsberg E. Dimensions of fatigue in different working populations[J]. Scandinavian journal of psychology， 2000， 41（3）： 231-241.

[44] Chin W W. The partial least squares approach to structural equation modeling[J]. Modern methods for business research， 1998， 295（2）： 295-336.

[45] Richard P. Bagozzi， Youjae Yi. On the evaluation of structural equation models[J]. Journal of the academy of marketing science， 1988， 16（1）： 74-94.

[46] Fornell C， Larcker D F. Structural equation models with unobservable variables and measurement error： algebra and statistics [J]. Journal of marketing research， 1981， 18（1）： 39-50.

[47] Wang M， Li D. An empirical investigation of the continuance intention using the bullet curtain： synchronicity vs information overload[J]. Chinese management studies， 2019， 13（1）： 235-254.

[48] Park J， Jung Y， Cho W. The role of sense of presence and irritation in the context of mobile social network sites[J]. ACM SIGMIS Database： the database for advances in information systems， 2018， 49（1）： 53-66.

[49] Lo J. Exploring the buffer effect of receiving social support on lonely and emotionally unstable social networking users[J]. Computers in human behavior， 2019， 90： 103-116.

[50] Zhan L， Sun Y， Wang N， et al. Understanding the influence of social media on peoples life satisfaction through two competing explanatory mechanisms[J]. Aslib journal of information management， 2016， 68（3）： 347-361.

[51] Zoonen W V， Verhoeven J W M， Vliegenthart R. Social medias dark side： inducing boundary conflicts[J]. Journal of managerial psychology， 2016， 31（8）： 1297-1311.