基于ECM的學術社交網絡用戶持續使用意愿研究

劉虹 李煜

本文系江蘇省社會科學基金青年項目“網絡結構視角下的學術社交網絡用戶交互行為研究”（項目編號：20TQC002）；江蘇省高校哲學社會科學研究一般項目“信息生態視角下服務型社交媒體用戶行為研究”（項目編號：2020SJA0092）；教育部人文社會科學研究青年基金項目“基于因果推斷的科研創新人才交互與影響力綜合評價研究”（項目編號：22YJC870008）；南京郵電大學引進人才項目“服務型社交媒體用戶行為評測與優化研究”（項目編號：NYY220013）的研究成果之一。

摘 要：學術社交網絡讓學術信息服務從傳統的基于科技文獻的正式交流拓展到基于人、項目、會議、知識問答等多類型學術大數據的非正式交流，將學術交流場域從傳統資源平臺延展至社交空間，進一步激發了科研合作、科技創新的活躍度。文章融合期望確認、主觀規范、感知成本、習慣等理論，深入發掘學術社交網絡用戶持續使用意愿的關鍵要素。研究表明，期望確認度正向影響感知有用性與滿意度，感知有用性、滿意度、習慣、主觀規范對用戶持續使用意愿均具有正向影響。據此，從學術資源組織與學術交流氛圍營造維度提供實踐建議，為社交網絡環境下圖書館等信息服務機構的數字化轉型與優化提供有益參考。

關鍵詞：期望確認模型；學術社交網絡；用戶持續使用意愿；影響因素

中圖分類號：G252文獻標識碼：A

Research on User Continuance Intention in Academic Social Networks Based on ECM

Abstract Academic social networks have expanded academic information services from traditional formal exchanges based on scholarly literature to informal exchanges involving various types of academic big data， such as individuals， projects， conferences， knowledge queries， and more. They extend the realm of academic communication from traditional resource platforms to social spaces， further enhancing research collaboration and technological innovation. This article integrates theories of expectation confirmation， subjective norms， perceived cost， and habit to delve into the key factors influencing users' intention to continue using academic social networks. The study reveals that expectation confirmation has a positive impact on perceived usefulness and satisfaction， and perceived usefulness， satisfaction， habit， and subjective norms all have a positive impact on users' continuance intention. Based on these findings， the article provides practical recommendations from the dimensions of academic resource organization and fostering an academic exchange atmosphere. This offers valuable insights for the digital transformation and optimization of information service institutions like libraries in a social network environment.

Key words expectation confirmation model; academic social networks; user continuance intention; influencing factor

1 引言

大數據技術、互聯網技術的發展推動了不同學科領域知識的滲透、交叉、融合，重塑知識組織、知識揭示、知識創新的研究邊界。作為學術大數據發展進程中的典型應用，學術社交網絡為隱性知識與顯性知識的傳播提供了充分的交流空間，對科學研究的傳播，學術資源的共享，科研人員的互動交流、跨學科合作，學術資源的組織與推薦，科研管理與評價等領域具有深遠影響。

在當前科學研究激烈角逐與開放合作的多重格局下，學術社交網絡的發展也為包括圖書館、檔案館在內的信息服務機構的資源開發利用和服務轉型帶來新機遇。傳統信息服務機構的學術交流主要依托科技文獻這一正式渠道，學術社交網絡的誕生促進了不同學科領域用戶間的非正式交互，為知識的組織、傳播、轉化、創新提供了新契機。發掘學術社交網絡用戶持續使用意愿的影響因素，有利于加深對學術社交網絡平臺特性的認知，進一步推動社交網絡環境下的學術信息交流與知識創新。因此，本文以期望確認模型（Expectation Confirmation Model， ECM）為框架，整合感知成本、主觀規范、習慣理論，構建學術社交網絡用戶持續使用意愿的理論模型，采用問卷調查、結構方程模型等方法探析學術社交網絡用戶持續使用意愿的影響因素，以期促進用戶對學術社交網絡等新興學術交流平臺的合理利用，推動不同學科領域學者的科研合作，為科學2.0環境下圖書館等傳統信息服務機構的變革與創新提供參考。

2 文獻綜述與理論基礎

2.1 學術社交網絡用戶信息行為影響因素的研究現狀

ResearchGate、Mendeley、Academia.edu、科研之友等國內外主流學術社交網絡的發展打破了時空限制，改變了科研工作者的學術連接、分享、合作的方式[1]，為學術聲譽的建立、展示、衡量提供了新的方法[2]，日漸成為進行學術交流的流行媒介[3]。對學術社交網絡用戶信息行為的研究主要聚焦在用戶屬性特征、知識共享、使用動機、持續使用等方面，往往對平臺資源、用戶屬性、行為心理等的主客觀數據展開截面分析。嚴煒煒等人[4]對中國科學院下屬科研機構的學術社交網絡使用的研究發現，不同學科用戶在使用意愿、學術交互意愿、知識分享、關注主題等維度都存在差異。Deng等人[5]對學術社交網絡問答模塊用戶參與興趣的調研表明，問題的文本長度與情感傾向對用戶參與興趣具有顯著影響，較短的問題描述和積極的行動導向有利于促進學術交流。Jeng等人[6]在探究學術社交網絡用戶信息交互的影響因素時發現，在學術交互時提供引文、鏈接、圖片等信息，可以激發用戶的交互熱情，同時用戶對信息的渴求程度對學術交互存在顯著影響。

2.2 期望確認模型

期望確認模型最初是在消費者行為研究領域中用于解釋消費者購買后的滿意度和再次購買決策的研究框架[7]，模型涉及感知有用性（Perceived Usefulness， PU）、期望確認度（Expectation Confirmation， EC）、滿意度（Satisfaction， SAT）、持續使用意愿（Continuance Usage Intention， CUI）等變量。隨著信息系統領域用戶行為研究的展開，部分學者開始將期望確認模型引入到信息系統領域用戶持續使用研究中。Bhattacherjee[8]首次將期望確認模型引入信息技術接受模型，構建信息系統持續使用的后采納模型。隨后各種改良的期望確認模型在眾包平臺[9]、航空公司網站[10]、企業技術創新[11]、線上圖書館[12]、在線教育[13]、移動APP[14]、社交媒體[15]等領域的持續行為研究中得到驗證。

2.3 感知成本理論

感知成本（Perceived Cost， PC）是經濟學領域的重要理論，并逐漸延伸到信息系統行為領域。MaSadeh等人[16]認為感知成本包括交易成本、設備成本、應用程序下載成本以及訪問成本；方愛華等人[17]在研究網絡虛擬社區用戶的知識付費行為時指出，感知成本通過感知價值的中介作用間接影響用戶的知識付費意愿。Zainab等人[18]在研究線上培訓用戶的采納行為時指出，感知成本對用戶采納行為具有顯著影響；Wang等人[19]對中國高等教育學生團體的MOOC學習行為的研究發現，感知有用性、感知聲譽、感知成本等對MOOC持續學習意愿具有積極影響。

2.4 主觀規范理論

主觀規范（Subjective Norm， SN）是計劃行為理論的重要概念，由Fishbein和Ajzen[20]于1975年首次提出。該理論認為，每個個體都是理性人，個體行為可從行為意愿推斷得到，而行為意愿則受個體對事件或行為的態度和主觀規范的共同影響。具體地，態度是個體對是否執行行為所持有的積極或者消極情感，主觀規范是個體所感知的對其而言非常重要的他人對其是否執行行為所持有的態度或者是個體在執行行為時感受到的社會壓力。在電子商務[21]、學術搜索[22]、在線學習[23]等領域的研究中，都證實了主觀規范對用戶使用意愿的顯著影響。

2.5 習慣理論

習慣理論（Habit， HAB）源自心理學領域，由James[24]在20世紀90年代提出。習慣可以幫助人們在日常生活或熟悉的活動中減少判斷分析，從而將時間和精力都用于處理更為重要或不熟悉的活動。自習慣理論提出以來，在經濟學、社會學、管理學等領域得到深入研究與拓展。基于用戶行為視角的習慣理論研究成果豐碩，很多學者對習慣與用戶行為意愿之間的關系加以研究。在酒店預定系統[25]、移動APP[26]、社交網絡[27]等領域均證實了習慣對用戶使用意愿的正向影響。

3 研究假設與模型構建

3.1 研究假設

（1）期望確認模型

自期望確認模型提出后，學者就期望確認模型在信息系統持續使用領域的適用性展開大量研究，并在移動APP[28]、在線學習[29]、社會化閱讀[30]、知識問答網站[31]、社交網絡[32]、政務辦公[33]、視頻網站[34]、信息搜尋[35]等眾多領域驗證了該理論的有效性。

目前基于用戶視角的學術社交網絡持續使用研究成果還不夠豐富，但是學術社交網絡作為在線學術交流網絡平臺，兼具在線學習、社交網絡、信息搜尋、知識問答、社會化閱讀等領域的某些特性，研究學術社交網絡用戶持續使用意愿的影響因素與以上互聯網產品具有相似特征。用戶認為學術社交網絡信息資源的價值越高、內容越豐富、系統越穩定可靠、響應越快、互動交流越暢通時，對網絡平臺的主觀期望得到確認的程度越高，用戶感知的學術社交網絡的有用性越大，對學術社交網絡平臺的滿意程度會越高，未來繼續使用相關服務的可能性就越大。據此，提出研究假設：

H1：學術社交網絡用戶的期望確認度正向作用于感知有用性。

H2：學術社交網絡用戶的期望確認度正向作用于滿意度。

H3：學術社交網絡用戶的感知有用性正向作用于滿意度。

H4：學術社交網絡用戶的感知有用性正向作用于持續使用意愿。

H5：學術社交網絡用戶的滿意度正向作用于持續使用意愿。

（2）主觀規范

在用戶接觸信息系統初期，用戶行為往往容易受到主觀規范的影響[36]。學術社交網絡屬于新興事物，很多用戶雖然已經注冊了學術社交網絡并會偶爾使用，但是使用頻率較低，因此本文認為學術社交網絡的用戶持續使用意愿仍受到主觀規范的影響。據此，提出研究假設：

H6：學術社交網絡用戶的主觀規范正向作用于持續使用意愿。

（3）感知成本

學術社交網絡作為新型學術交流與科研合作平臺，為學者提供了豐富的學術信息資源，并為用戶提供了各項學術互動功能。但是由于學術社交網絡的使用與傳統的資源平臺存在一定差異，用戶學習使用相關功能需要花費一定時間和精力。同時，盡管開放獲取理念已成為學術功能共同體的共識，但是部分學者可能還是會擔心在學術交流過程中造成自己的知識特權喪失。基于此，感知成本仍然是影響學術社交網絡使用的重要因素。據此，提出研究假設：

H7：學術社交網絡用戶的感知成本負向作用于持續使用意愿。

（4）習慣

習慣和持續使用意愿分別映射了用戶當下和未來的行為偏好[37]，在用戶養成了特定的行為偏好時，后續行為則往往受到習慣和經驗的指引和支配。在學術社交網絡使用方面，如果用戶習慣了借助科研網絡平臺獲取學術資源或者與其他學者進行學術交流，往往會對學術社交網絡使用產生依賴。據此，提出研究假設：

H8：學術社交網絡用戶的習慣正向作用于持續使用意愿。

3.2 理論模型

結合學術社交網絡特征，以期望確認模型為原型，基于上文研究假設，構建了學術社交網絡用戶持續使用意愿的理論模型（見圖1）。

4 數據分析

4.1 數據收集

問卷設計質量是數據分析結果準確、有效的前提和保障。在設計學術社交網絡用戶持續使用意愿的初始調查問卷后，采用預調查、小范圍研討等方式就問卷表達規范、題項設計邏輯等問題進行修正，最終問卷包括22個測量項。采用網絡調研方式搜集數據，回收問卷321份，有效問卷293份，有效率91.28%，其人口學特征分布如表1所示。

4.2 信效度分析

（1）信度分析

首先采用λ2/df、GFI、RMSEA、TLI、PGFI等指標檢驗模型擬合度。由表2可知，各指標取值符合要求，模型擬合良好。當Cronbach α系數>0.7時，問卷信度較好[38]。從表3可知，研究變量的Cronbach α系數>0.7，信度檢驗通過。

（2）效度分析

采用標準誤SE、多元相關平方R2、組合信度CR、平方差抽取量AVE四個指標檢驗模型聚合效度。當SE>0、R2>0.36、CR>0.6、AVE>0.5時，聚合效度通過檢驗[52]。由表4可知，模型內在質量良好，聚合效度檢驗通過。

當各研究變量的AVE的開方大于它與其他所有研究變量的相關系數時，模型區分效度良好。由表5可知，模型區分效度通過檢驗。

4.3 研究假設驗證

采用AMOS22.0對理論模型的研究假設展開路徑分析。結果表明，共有7條研究假設驗證成立。期望確認度對學術社交網絡用戶的感知有用性和滿意度影響顯著，感知有用性對學術社交網絡用戶滿意度和持續使用意愿影響顯著；習慣和主觀規范對持續使用意愿影響顯著；但是感知成本對學術社交網絡用戶持續使用意愿的負向影響驗證不成立（見圖2）。

5 結論與建議

5.1 結果討論

本文借鑒期望確認模型，結合學術社交網絡特性，引入感知成本理論、主觀規范理論、習慣理論，構建了學術社交網絡用戶持續使用意愿理論模型。在此基礎上，采用問卷調查方法搜集數據，采用結構方程模型分析方法對理論模型中的研究假設進行驗證。研究結果表明，本文提出的8個研究假設中有7個研究假設驗證成立。

感知成本對學術社交網絡用戶持續使用意愿的負向影響并不顯著。究其原因，可能有三：一是本次問卷調查的對象主要是年齡在35歲以下的科研工作者，他們對學術信息資源的獲取意愿非常強烈，盡管使用學術社交網絡會花費用戶一定時間和精力成本，但出于對學術信息資源的渴求與學術交互的需要，仍會選擇使用學術社交網絡；二是學術社交網絡作為新興的學術交流平臺，為學術交流、科研合作和資源共享創造了新的可能，用戶愿意并樂于使用學術社交網絡的服務；三是相較于其他學術工具和資源平臺，年輕學者認為學術社交網絡的使用并不復雜，因此對所需花費的時間和精力不太敏感。

5.2 實踐建議

基于本文研究結論，從學術資源組織與學術交流氛圍營造維度提供實踐建議，也可為圖書館等信息服務機構的在線學術資源組織、精準化學術資源推送、在線學術交流等活動的開展提供參考。

（1）加強對學術大數據的組織與揭示，提供精準化、個性化的信息服務。通過學術社交網絡，用戶不僅可以便捷獲取學術論文，還可以檢索工作履歷、教育背景、學科領域、研究方向、研究進展、學術獎勵等不同類型學術大數據并展開學術交流。這些多源異構的學術資源的交叉融合為跨學科合作和知識發現提供了可能，學術社交網絡服務提供商應加強大數據處理與分析能力，提高學術資源聚合水平，提供更為專業、智能、個性化的信息服務。同時，海量信息資源造成了信息過載問題，服務提供商應利用信息推薦技術，構建專家推薦模型，制定個性化的學術資源推薦策略，著力提升用戶對學術社交網絡的有用性感知，達成用戶預期，提高用戶對學術社交網絡使用的滿意度。

（2）營造學術交流與社會交互氛圍，培養用戶使用習慣。主觀規范對學術社交網絡用戶的持續使用意愿具有顯著影響，學術社交網絡服務提供商首先應該采取措施吸引高質量用戶的參與，吸引和帶動其他用戶參與學術社交網絡的資源共享，激勵用戶上傳自己的最新研究成果、參與學術交流，營造良好的學術交互氛圍。同時，習慣對學術社交網絡用戶的持續使用意愿具有顯著影響，服務提供商可以結合用戶的不同使用動機，為其提供個性化的學術社交網絡使用培訓，增進他們對學術社交網絡功能服務的認知，培養使用習慣。

參考文獻：

[1] GIGLIA E.Academic social networks： its time to change the way we do research[J].European Journal of Physical & Rehabilitation Medicine，2011，47（2）：345-349.

[2] NICHOLAS D，HERMAN E，JAMALI H，et al.New ways of building， showcasing， and measuring scholarly reputation[J].Learned Publishing，2015，28（4）：327-327.

[3] MEGWALU A.Academic social networking： a case study on users information behavior[J].Advances in Librarianship，2015，39（14）：185-214.

[4] 嚴煒煒，劉倩，溫馨，等.科研機構用戶利用學術社交網絡的學科差異研究[J].情報科學，2020，38（6）：11-16.

[5] DENG S L，TONG J J，LIN Y Q，et al.Motivating scholars' responses in academic social networking sites： An empirical study on ResearchGate Q&A behavior[J].Information Processing & Management，2019，55（6）：1-13.

[6] JENG W，HE D Q，JIANG J P.User participation in an academic social networking service： a survey of open group users on Mendeley[J].Journal of the Association for Information Science and Technology，2009，27（4）：481-492.

[7] THONG J Y L，HONG S J，TAM K Y.The effects of post-adoption beliefs on the expectation confirmation model for information technology continuance[J].International Journal of Human-Computer Studies，2006，64（9）：799-810.

[8] BHATTACHERJEE A.Understanding information systems continuance： an expectation confirmation model[J].MIS Quarterly，2001，25（3）：351-370.

[9] WANG M M，WANG J J.Understanding Solvers Continuance Intention in Crowdsourcing Contest Platform： An Extension of Expectation-Confirmation Model[J].Journal of Theoretical and Applied Electronic Commerce Research，2019，14（3）：17-33.

[10] LIANG C C，SHIAU W L.Moderating effect of privacy concerns and subjective norms between satisfaction and repurchase of airline e-ticket through airline-ticket vendors[J].Asia Pacific Journal of Tourism Research，2018，23（12）：1142-1159.

[11] IBRAHIM A M，HASSAN M S，GUSAU A L.Factors Influencing Acceptance and Use of ICT Innovations by Agribusinesses[J].Journal of Global Information Management，2018，26（4）：113-134.

[12] SALUBI O G，MUCHAONYERWA N.Uses and Gratifications of the Internet and Library Information Resources： An Integrated Model Proposal[J].Journal of Library & Information Technology，2018，38（6）：429-435.

[13] ALRAIMI K M，ZO H，CIGANEK A P.Understanding the MOOCs continuance： The role of openness and reputation[J].Computers & Education，2015，80（1）：28-38.

[14] HSU C L，LIN J C C.What drives purchase intention for paid mobile apps？–An expectation confirmation model with perceived value[J].Electronic Commerce Research and Applications，2015，14（1）：46-57.

[15] 陳明紅，孫順，漆賢軍.移動社交媒體位置信息分享持續意愿研究：隱私保護視角[J].圖書館論壇，2017，37（4）：58-67.

[16] MASADEH R，SHANNAK R，MAQABLEH M.A structural equation modeling approach for determining antecedents and outcomes of students attitude toward mobile commerce adoption[J].Life Science Journal，2013，10（4）：2321-2333.

[17] 方愛華，陸朦朦，劉坤鋒.虛擬社區用戶知識付費意愿實證研究[J].圖書情報工作，2018，62（6）：105-115.

[18] ZAINAB B，BHATTI M A，ALSHAGAWI M.Factors affecting e-training adoption： an examination of perceived cost， computer self-efficacy and the technology acceptance model[J].Behaviour & Information Technology，2017，36（12）：1261-1273.

[19] WANG H H，LI X.Research on technology adoption and promotion strategy of MOOC[C]//IEEE.2015 6th IEEE International Conference on Software Engineering and Service Science.Beijing：IEEE，2015：907-910.

[20] FISHBEIN M，AJZEN I.Belief， attitude， intention and behavior： An introduction to theory and research[M].MA：AddisonWesley，1975：474-496.

[21] ALKHUNAIZAN A M，LOVE S.What drives mobile commerce？ An empirical evaluation of the revised UTAUT model[J].International Journal of Management and Marketing Academy，2012，2（1）：82-99.

[22] 霍亮.高等院校學生百度學術采納行為研究：以河北大學為例[J].情報科學，2018，36（5）：137-143.

[23] LEE M C.Explaining and predicting users continuance intention toward e-learning： An extension of the expectation–confirmation model[J].Computers & Education，2010，54（2）：506-516.

[24] JAMES W.The Principle of Psychology[M].New York：Henry Holt and Company，1890：63-79.

[25] AGAG G，EL-MASRY A A.Understanding the determinants of hotel booking intentions and moderating role of habit[J].International Journal of Hospitality Management，2016，54（1）：52-67.

[26] KIM B.The diffusion of mobile data services and applications： Exploring the role of habit and its antecedents[J].Telecommunications Policy，2012，36（1）：69-81.

[27] 曹歡歡，姜錦虎，胡立斌.社交網絡持續使用：從眾行為和習慣調節作用[J].華東經濟管理，2015，29（4）：156-162.

[28] 袁順波.基于期望確認的移動商務用戶持續使用行為元分析[J].情報雜志，2022，41（3）：191-197.

[29] LIAW S S，HUANG H M.Perceived satisfaction， perceived usefulness and interactive learning environments as predictors to self-regulation in e-learning environments[J].Computers & Education，2013，60（1）：14-24.

[30] 張亞明，鄭莉，劉海鷗.大學生社會化閱讀APP持續知識共享行為研究[J].圖書館學研究，2017（22）：69-75.

[31] 趙宇翔.知識問答類SNS中用戶持續使用行為影響因素的實證研究[J].圖書館雜志，2016，35（9）：25-37.

[32] TANG J E，CHIANG C H.Integrating experiential value of blog use into the expectation confirmation theory model[J].Social Behavior and Personality，2010，38（10）：1377-1390.

[33] 舒潔.政府內部辦公系統用戶持續使用行為影響因素研究：基于期望確認模型視角[D].杭州：浙江大學，2011.

[34] 劉虹，裴雷，孫建軍.基于期望確認模型的視頻網站用戶持續使用的實證分析[J].圖書情報知識，2014（3）：94-103.

[35] 李力，張晉朝.虛擬社區用戶持續知識搜尋意愿影響因素研究[J].情報雜志，2016，35（8）：199-203.

[36] HARTWICK J，BARKI H.Explaining the Role of User Participation in Information System Use[J].Management Science，1994，40（4）：440-465.

[37] GEFEN D，KARAHANNA E，STRAUB D W.Trust and TAM in online shopping： an integrated model[J].MIS quarterly，2003，27（1）：51-90.

[38] SHEMWELL J T，CHASE C C，SCHWARTZ D L.Seeking the general explanation： A test of inductive activities for learning and transfer[J].Journal of Research in Science Teaching，2015，52（1）：58-83.

[39] SCOTT J E.The measurement of information systems effectiveness： evaluating a measuring instrument[J].ACM SIGMIS Database，1995，26（1）：43-61.

[40] 吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2009：52.

[41] KE C H，SUN H M，YANG Y C，et al.Effects of User and System Characteristics on Perceived Usefulness and Perceived Ease of Use of the Web-Based Classroom Response System[J].Turkish Online Journal of Educational Technology-TOJET，2012，11（3）：128-143.

[42] LIN C P，TSAI Y H，CHIU C K.Modeling customer loyalty from an integrative perspective of self-determination theory and expectation–confirmation theory[J].Journal of Business and Psychology，2009，24（3）：315-326.

[43] CHOU S W，MIN H T，CHANG Y C，et al.Understanding continuance intention of knowledge creation using extended expectation–confirmation theory： an empirical study of Taiwan and China online communities[J].Behaviour & Information Technology，2010，29（6）：557-570.

[44] KIM B.An empirical investigation of mobile data service continuance： Incorporating the theory of planned behavior into the expectation–confirmation model[J].Expert systems with applications，2010，37（10）：7033-7039.

[45] STONE R W，BAKER-EVELETH L.Students expectation， confirmation， and continuance intention to use electronic textbooks[J].Computers in Human Behavior，2013，29（3）：984-990.

[46] PAPADOPOULOS T，STAMATI T，NOPPARUCH P.Exploring the determinants of knowledge sharing via employee weblogs[J].International Journal of Information Management，2013，33（1）：133-146.

[47] TAYLOR S，TODD P.Assessing IT usage： The role of prior experience[J].MIS quarterly，1995：561-570.

[48] MURPHY P E，ENIS B M.Classifying Products Strategically[J].Journal of Marketing，1986，50（3）：24-42.

[49] KANKANHALLI A，TAN B C Y，WEI K K.Contributing knowledge to electronic knowledge repositories： an empirical investigation[J].MIS quarterly，2005，29（1）：113-143.

[50] LIMAYEM M，HIRT S G.Force of habit and information systems usage： Theory and initial validation[J].Journal of the Association for Information Systems，2003，4（1）：3.

[51] HSU M H，CHANG C M，CHUANG L W.Understanding the determinants of online repeat purchase intention and moderating role of habit： The case of online group-buying in Taiwan[J].International Journal of Information Management，2015，35（1）：45-56.

[52] BAGOZZI R P，YI Y.On the evaluation of structural equation models[J].Journal of the Academy of Marketing Science，1988，16（1）：74-94.

作者簡介：劉虹，博士，南京郵電大學管理學院講師，研究方向為信息行為、社交媒體；李煜，西北大學圖書館副研究館員，南京大學信息管理學院博士研究生，研究方向為科學計量學、大數據分析。

收稿日期：2023-09-19本文責編：王曉琳