虛擬社區(qū)意識、使用行為與移動政務(wù)平臺持續(xù)使用

□ 翁士洪 周含笑

一、研究背景

那么，我們不禁要問，是什么因素在影響公眾對移動政務(wù)平臺的使用行為？公眾持續(xù)使用移動政務(wù)平臺的意愿由什么決定？解答這些疑問對于移動政務(wù)的建設(shè)與發(fā)展會有一定的幫助與啟發(fā)，有益于提升公眾的移動政務(wù)平臺使用意愿和對公共服務(wù)的滿意度?；谝陨峡紤]，本研究借鑒虛擬社區(qū)意識理論(SOVC)及技術(shù)采納與利用整合模型(UTAUT2)，著重探討公眾對虛擬社區(qū)的認(rèn)知和意識，移動政務(wù)平臺被公眾采納后的使用行為與持續(xù)使用意愿的影響因素，通過問卷調(diào)查來探究虛擬社區(qū)意識在移動政務(wù)平臺使用行為與持續(xù)使用中的作用機理，這對于推動移動政務(wù)平臺的建設(shè)與有效利用具有一定的現(xiàn)實意義。

二、研究綜述、研究假設(shè)與模型建構(gòu)

(一)虛擬社區(qū)意識(Sense of Virtual Community, SOVC)

(二)技術(shù)采納與利用整合模型(UTAUT2) 和用戶使用行為

(三)虛擬社區(qū)意識和移動政務(wù)持續(xù)使用意愿

H1. 虛擬社區(qū)意識(SOVC)對公眾移動政務(wù)平臺的使用行為有正面影響。

H2. 虛擬社區(qū)意識(SOVC)對公眾持續(xù)使用移動政務(wù)平臺的意愿有正面影響。

H3. 移動政務(wù)平臺的使用行為對公眾持續(xù)使用移動政務(wù)平臺的意愿有一定的影響。

(四)研究模型的構(gòu)建

除了上述兩兩變量間的相關(guān)性假設(shè)之外，我們還需要考慮這些變量之間的中介作用機理。中介效應(yīng)發(fā)生在第三個變量介入(中介)其他兩個相關(guān)變量之間，即獨立變量的變化會導(dǎo)致中介變量的變化，而中介變量又會與因變量產(chǎn)生關(guān)聯(lián)。假設(shè)虛擬社區(qū)意識與移動政務(wù)平臺持續(xù)使用意愿呈正相關(guān)，那么移動政務(wù)平臺使用行為在虛擬社區(qū)意識和移動政務(wù)平臺持續(xù)使用意愿之間可能會存在中介作用。因此，提出如圖1結(jié)構(gòu)模型圖所示的研究模型。為了簡化理論，該模型只有一個中介關(guān)系，是一個簡潔的中介模型。

圖1 虛擬社區(qū)意識、使用行為和持續(xù)使用意愿作用機理結(jié)構(gòu)模型

三、研究數(shù)據(jù)與方法

(一)變量測量

在本文中，研究的對象主要包括政務(wù)微信、政務(wù)微博、政務(wù)客戶端，即“兩微一端”以及新興的政務(wù)短視頻、政務(wù)小程序等移動政務(wù)平臺。

歸屬感：指成員作為社區(qū)一分子的歸屬感。成員可能會對虛擬社區(qū)所使用的信息技術(shù)產(chǎn)生強烈的影響，當(dāng)一群公民或社區(qū)成員實現(xiàn)同一個目標(biāo)時，他們可能會體驗到一種心理上的歸屬感，即使他們并不認(rèn)識彼此。調(diào)查中通過以下選項來測量：“我覺得是政務(wù)平臺社區(qū)中的一個成員”“我覺得我很樂于參與政務(wù)平臺社區(qū)”“我覺得我在政務(wù)平臺社區(qū)很受歡迎”等。

影響力：指一個成員認(rèn)為他們可以影響虛擬社區(qū)中的其他成員來分享個人觀點或目標(biāo)的程度?；ヂ?lián)網(wǎng)促進了社會公眾之間的相互影響。在一個虛擬社區(qū)中，公民可能會體驗到對他人決定的影響力從而保持對這個虛擬社區(qū)的興趣。問卷中設(shè)置了以下選項來測量：“無特定目的，隨意瀏覽，娛樂自我或獲取信息”“較為被動地參與由其他人所發(fā)起的活動及討論議題”“主動參與由其他人所發(fā)起的活動及討論議題”“發(fā)起討論議題或規(guī)劃活動以吸引其他社區(qū)成員參與”“日常潛水，很少發(fā)表評論或想法”“經(jīng)常發(fā)表一些話題或參與討論”等。

2.移動政務(wù)平臺使用行為(USE)。主要通過調(diào)查詢問受訪人在這次新型冠狀病毒疫情之前及疫情期間，是否關(guān)注或使用過移動政務(wù)平臺，獲取有關(guān)信息的主要移動政務(wù)平臺類型和行為等。比如“您經(jīng)常參與的社交網(wǎng)絡(luò)”“您在使用社交平臺時會進行以下哪些操作？” “您接觸、訪問或使用下列政務(wù)公開及公共服務(wù)等應(yīng)用APP的情況如何?”

3.持續(xù)使用意愿(CIU)。移動政務(wù)用戶的持續(xù)使用意愿是要測量一個公眾在使用過移動政務(wù)平臺之后，在未來繼續(xù)使用政務(wù)平臺的程度，設(shè)置的問題是“此次疫情過后，您會想在將來繼續(xù)使用移動政務(wù)平臺嗎？”比如選項：“我以后還會繼續(xù)使用移動政務(wù)平臺”“我以后還會經(jīng)常使用移動政務(wù)平臺”。

4.控制變量。根據(jù)前文中提及的習(xí)慣理論、執(zhí)行意向理論和技術(shù)接受模型等，將習(xí)慣和便利條件作為控制變量可能有助于了解移動政務(wù)平臺被采納使用后的驅(qū)動因素。習(xí)慣和便利條件是技術(shù)接受和使用的廣義統(tǒng)一理論(UTAUT)中選取的一部分變量。此外，本次調(diào)查還設(shè)計了以移動政務(wù)用戶的人口學(xué)特征作為控制變量。本研究中控制變量為年齡、性別、便利條件和習(xí)慣。

(二)研究方法

本研究以使用過移動政務(wù)平臺的公眾為調(diào)研對象，采取在網(wǎng)絡(luò)上發(fā)放電子問卷的方式獲取數(shù)據(jù)。變量定義參考已有的文獻與相關(guān)理論，大致分為三個部分：年齡、性別、最高學(xué)歷等受訪者的基本特征；對政務(wù)服務(wù)信息的了解與獲取信息的來源、渠道；與研究假設(shè)相關(guān)的變量。

本文數(shù)據(jù)來源于由華東師范大學(xué)公共政策研究中心、社會組織與社會治理創(chuàng)新研究中心與澎湃研究所聯(lián)合發(fā)起的“新冠肺炎疫情與移動政務(wù)平臺使用行為的調(diào)查”。其中有關(guān)疫情信息獲取的渠道和政務(wù)服務(wù)應(yīng)用平臺的類型在選項的設(shè)置上借鑒了清華大學(xué)數(shù)據(jù)治理研究中心的“數(shù)字技術(shù)與公共衛(wèi)生治理現(xiàn)代化問卷調(diào)查”。此次調(diào)查在2020年2月6日至3月24日期間通過網(wǎng)絡(luò)調(diào)查平臺實施，問卷是在線上發(fā)布，聯(lián)合澎湃新聞客戶端進行發(fā)放。樣本來自于全國各地，由于里面涉及到具體的社區(qū)通等移動政務(wù)平臺僅上海市采用，所以最后本研究問卷結(jié)果中只顯示了來自于上海市的樣本，經(jīng)過數(shù)據(jù)清理后，最后實際用于本文分析的有效問卷共395份。

本文利用SPSS23與SmartPLS軟件，采用相關(guān)分析、回歸分析與偏最小二乘結(jié)構(gòu)方程模型(PLS-SEM)對假設(shè)進行驗證與分析以及對所提出的研究模型進行評價；采用描述統(tǒng)計分析、獨立樣本t檢驗對問卷被調(diào)查者的基本信息進行分析并從中發(fā)掘有意義的發(fā)現(xiàn)。

四、研究結(jié)果

(一)描述性統(tǒng)計分析

1.被調(diào)查者基本信息。本研究關(guān)于被調(diào)查者基本信息的描述性統(tǒng)計分析如表1 所示。395份樣本中，其中男性占40.5%，女性占59.5%；樣本總體學(xué)歷偏高，83.8%的受訪者學(xué)歷在本科及以上；88.9%的受訪者網(wǎng)齡在4年以上；超過半數(shù)的受訪者年齡在20～29歲之間。由于問卷中設(shè)計了邏輯跳轉(zhuǎn)題，用于區(qū)分受訪者是否使用了移動政務(wù)平臺，該題選擇“是”的樣本可用于回歸分析、獨立樣本檢驗、結(jié)構(gòu)方程模型分析，樣本數(shù)為217份，占收回問卷總樣本數(shù)的54.9%。這意味著本研究中，有超過半數(shù)的受訪者在新冠肺炎疫情期間使用了移動政務(wù)平臺，移動政務(wù)平臺的普及度可見一斑。

表1 被調(diào)查者基本信息

由于可用于回歸分析和結(jié)構(gòu)方程模型分析的217個樣本中性別為男性的樣本數(shù)為73，女性樣本數(shù)為144，樣本數(shù)相差較大，所以使用獨立樣本t檢驗進行對比分析，分析結(jié)果顯示顯著性值均大于0.05，說明不同性別對移動政務(wù)平臺使用行為與持續(xù)使用意愿的影響并無差異。

2. 樣本描述統(tǒng)計分析。此次問卷發(fā)放獲得的395個樣本中有54.94%的受訪者在疫情期間使用了移動政務(wù)平臺，這217位受訪者最常使用的移動政務(wù)平臺是政務(wù)微博(如上海發(fā)布等官方微博賬號)(60.37%)與政務(wù)微信(如上海發(fā)布、上海健康云等官方微信公眾號)(58.53%)，其次是政務(wù)APP(例如上海市的“隨申辦市民云”“上海12345”“上海健康云”等APP)(39.63%)，使用過政務(wù)服務(wù)小程序(微信、支付寶小程序)和政務(wù)短視頻(抖音、快手)(如“上海中心”)的受訪者均占總?cè)藬?shù)29.95%。隨著 “健康碼”等新型措施的問世與全國范圍內(nèi)的推廣使得問卷發(fā)放后期使用過移動政務(wù)平臺的人數(shù)占比大大提高。使用過社區(qū)治理云服務(wù)(社區(qū)通、本地寶等)和“隨申碼”等專用政務(wù)APP的比例均超過6成。約40%的受訪者平均每周使用移動政務(wù)平臺4次以上，26.73%的受訪者每周使用移動政務(wù)平臺超過6次。

對于移動政務(wù)平臺的持續(xù)使用意愿方面，49.31%的受訪者表示有在未來繼續(xù)使用移動政務(wù)平臺的想法，39.17%回答以后還會繼續(xù)使用移動政務(wù)平臺，11.52%的稱以后還會經(jīng)常使用移動政務(wù)平臺。值得一提的是，在此次新冠肺炎疫情前沒有使用過移動政務(wù)平臺，疫情暴發(fā)之后才首次使用移動政務(wù)平臺的人占受訪者的17.51%，此次疫情在一定程度上促進了移動政務(wù)平臺的采納與使用行為。然后，進行獨立樣本t檢驗探究疫情期間是否初次使用對持續(xù)使用意愿之間的差異性分析。方差齊性檢驗的顯著性值小于0.05，后面的顯著性值都小于0.05，說明疫情期間移動政務(wù)平臺的使用行為是否是初次使用對持續(xù)使用意愿的影響有著顯著差異。

(二)信度與效度分析

1. 信度分析。使用SPSS23中的可靠性功能對信度系數(shù)值(Cronbach Alpha)進行分析，變量移動政務(wù)使用行為(USE)有10個題項，Cronbach Alpha系數(shù)>0.8，代表信度很好，數(shù)據(jù)有較高的內(nèi)在一致性，可靠性較強；虛擬社區(qū)意識(SOVC)這個變量有3個題項，系數(shù)>0.7，信度較好，可靠性較強，此問卷設(shè)計較為合理；因為持續(xù)使用意愿(CIU)這個變量只有1個題項，所以未做信度分析(表2)。

表2 信度分析

2. 效度分析。使用SPSS23的因子分析功能中的主成分分析法檢驗問卷的效度，通過KMO測度和Bartlett球性度檢驗驗證問卷的有效性，檢驗結(jié)果如表3所示。在效度分析中，KMO值為0.841(>0.8)，Bartlett球性度檢驗的顯著系數(shù)是(0.000<0.05)，表示此問卷效度良好(表3)。

表3 效度分析

(三)移動政務(wù)平臺使用行為與持續(xù)使用意愿的多元回歸分析

由SPSS23相關(guān)分析可知，自變量虛擬社區(qū)意識(SOVC)與移動政務(wù)平臺使用行為和持續(xù)使用意愿相關(guān)性的顯著性值均<0.05，說明虛擬社區(qū)意識與移動政務(wù)平臺使用行為有顯著相關(guān)性，虛擬社區(qū)意識與移動政務(wù)平臺持續(xù)使用意愿也有顯著相關(guān)性(表4)。

表4 相關(guān)分析

在控制變量中，“年齡”進行了重新編碼，使“25歲以下”=1，“25歲及以上”=0，同時，將“最高學(xué)歷”這個變量進行虛擬化處理，將占比最高的“本科”學(xué)歷作為對照組。當(dāng)加入五個控制變量時，虛擬社區(qū)意識(SOVC)對移動政務(wù)使用行為(USE)影響的線性模型增加解釋的R方為0.180，顯著性F變化量為0.00，說明控制變量的加入是有意義的。控制變量“性別”“年齡”“習(xí)慣”的顯著性值遠大于0.05，在因變量移動政務(wù)使用行為(USE)上沒有統(tǒng)計學(xué)意義；“便利條件”的顯著性值為0.01，“最高學(xué)歷”的顯著性值為0.014，在因變量移動政務(wù)使用行為(USE)上有統(tǒng)計學(xué)意義。便利條件與移動政務(wù)使用行為(USE)呈正相關(guān)；而最高學(xué)歷與移動政務(wù)使用行為(USE)呈負(fù)相關(guān)。R方?jīng)Q定了模型的預(yù)測能力，此線性模型解釋了18%的移動政務(wù)使用行為變化。F值對應(yīng)的顯著性值為0.00，說明自變量對因變量有影響關(guān)系，自變量虛擬社區(qū)意識(SOVC)的B值與Beta值均大于0，B值約等于0.4，說明影響方向為正向影響(表5)。

而在虛擬社區(qū)意識(SOVC)對移動政務(wù)持續(xù)使用意愿(CIU)影響的線性模型中，加入五個控制變量后，增加解釋的R方為0.088，顯著性F變化量為0.023，是有意義的。“性別”“便利條件”“最高學(xué)歷”“年齡”的顯著性值大于0.05，在因變量移動政務(wù)持續(xù)使用意愿(CIU)上沒有統(tǒng)計學(xué)意義；“習(xí)慣”的顯著性值小于0.05，在因變量移動政務(wù)持續(xù)使用意愿(CIU)上有統(tǒng)計學(xué)意義。 R方?jīng)Q定了模型的預(yù)測能力，此線性模型解釋了8.8%的移動政務(wù)平臺持續(xù)使用意愿。F值對應(yīng)的顯著性值小于0.05，說明自變量對因變量有影響關(guān)系，自變量虛擬社區(qū)意識(SOVC)的B值與Beta值均大于0，說明影響方向為正面影響。習(xí)慣與移動政務(wù)持續(xù)使用意愿(CIU)呈顯著正相關(guān)。

表5 不同因素對使用行為與持續(xù)使用意愿的回歸分析

如表6所示，將控制變量“年齡”重新編碼成為連續(xù)虛擬變量，并選取“年齡20～24歲”為對照組進行回歸分析；將定類變量“最高學(xué)歷”做虛擬化處理，并選取“本科”學(xué)歷作為對照組。

增加連續(xù)虛擬變量后，“性別”“習(xí)慣”的顯著性值大于0.05，在因變量移動政務(wù)使用行為(USE)上沒有統(tǒng)計學(xué)意義，總的來說“性別”“習(xí)慣”“年齡”對USE沒有顯著的影響?！氨憷麠l件”“最高學(xué)歷”的顯著性值小于0.05，在因變量移動政務(wù)使用行為(USE)上有統(tǒng)計學(xué)意義。

增加連續(xù)虛擬變量后，“性別”“便利條件”的顯著性值大于0.05，在因變量移動政務(wù)持續(xù)使用意愿(CIU)上沒有統(tǒng)計學(xué)意義；“習(xí)慣”的顯著性值小于0.05，在因變量移動政務(wù)持續(xù)使用意愿(CIU)上有統(tǒng)計學(xué)意義。這也和表5中的結(jié)果一致。

表6 不同因素對使用行為與持續(xù)使用意愿的回歸分析(連續(xù)虛擬變量)

(四)移動政務(wù)平臺影響路徑的結(jié)構(gòu)方程模型分析

此研究采用PLS-SEM(偏最小二乘結(jié)構(gòu)方程模型)對研究模型進行評價，使用的軟件是SmartPLS3.0。路徑系數(shù)代表因變量與自變量之間的直接影響。本文中結(jié)構(gòu)模型的路徑系數(shù)由SmartPLS3.0默認(rèn)的PLS分析算法運算得出，為了結(jié)論的準(zhǔn)確性與穩(wěn)定性，選擇的迭代次數(shù)為5000次。同時，使用了該軟件中的Bootstrapping算法反復(fù)抽取2000子樣本的方式進行多次運算，對路徑系數(shù)的顯著性進行估計。Bootstrapping算法是指利用有限的樣本數(shù)據(jù)，進行多次重置隨機抽樣，建立起足量的新樣本用來代表原來的樣本分布與特征。由于這個算法每次運算所抽取的樣本都是不同的，所以每次運算所得到的數(shù)據(jù)都是不同的，而抽取足夠多的樣本量可以使得這些數(shù)據(jù)差距變小變得很相似，從而使得對模型顯著性的估計結(jié)果更具可信度。若Bootstrapping算法運算得到的P值總是小于0.05，則表明該路徑具有顯著性。

圖2為PLS算法運算后得到的結(jié)構(gòu)模型，箭頭中間的數(shù)字代表每條路徑的路徑系數(shù)R，圓形中的數(shù)字是R方，此模型解釋了11.2%的使用行為變化和3.1%的持續(xù)使用意愿的變化。

圖2 虛擬社區(qū)意識、使用行為和持續(xù)使用意愿的結(jié)構(gòu)方程模型

如表7所示，通過PLS算法運行結(jié)果，得到虛擬社區(qū)意識(SOVC)對移動政務(wù)平臺使用行為(USE)的影響路徑系數(shù)為0.334；通過使用Bootstrapping算法反復(fù)抽取2000子樣本進行運算對路徑系數(shù)的顯著性進行估計，得到P值為0.000，說明該路徑具有顯著性。有效的路徑表明假設(shè)H1得到了支持，即虛擬社區(qū)意識(SOVC)與公眾對移動政務(wù)平臺的使用行為(USE)呈顯著正相關(guān)。

虛擬社區(qū)意識(SOVC)對移動政務(wù)平臺持續(xù)使用意愿(CIU)的影響路徑系數(shù)為0.130；通過使用Bootstrapping算法進行運算對路徑系數(shù)的顯著性進行估計，得到P值為0.048(<0.05)，有效的路徑表明假設(shè)H2得到了支持，虛擬社區(qū)意識(SOVC)與公眾持續(xù)使用移動政務(wù)平臺的意愿(CIU)呈正相關(guān)。

移動政務(wù)平臺使用行為(USE)對移動政務(wù)平臺持續(xù)使用意愿(CIU)的影響路徑系數(shù)為0.084，此路徑對應(yīng)的P值為0.117(>0.05)，進行多次Bootstrapping運算得出的P值始終都大于0.05，說明此路徑系數(shù)不顯著，即在此次新冠肺炎疫情背景下公眾對移動政務(wù)平臺的使用行為對持續(xù)使用意愿的影響不顯著，因此文中所構(gòu)建的結(jié)構(gòu)模型的中介效應(yīng)不成立。

表7 Bootstrapping分析

最后，將SmartPLS3.0對結(jié)構(gòu)方程模型的分析結(jié)果與SPSS23的回歸分析結(jié)果進行對照，結(jié)論基本符合。

五、研究結(jié)論與啟示

(一)研究結(jié)論

本研究旨在探討虛擬社區(qū)意識在移動政務(wù)平臺使用行為與持續(xù)使用中的作用機理?；谏虾Ｊ袉柧碚{(diào)查收集的數(shù)據(jù)，研究發(fā)現(xiàn)虛擬社區(qū)意識與移動政務(wù)平臺使用行為之間的直接聯(lián)系是顯著的，虛擬社區(qū)意識與移動政務(wù)平臺持續(xù)使用意愿之間呈正相關(guān)，而移動政務(wù)平臺的使用行為與持續(xù)使用意愿沒有顯著相關(guān)性。

第二，使用移動政務(wù)平臺的便利條件與使用行為呈正相關(guān)，而使用移動政務(wù)平臺的習(xí)慣對持續(xù)使用行為有顯著的正向影響。

(二)完善我國移動政務(wù)建設(shè)的啟示

由于疫情而采納與使用移動政務(wù)平臺的公眾與疫情之前就使用過移動政務(wù)平臺的公眾之間，持續(xù)使用移動政務(wù)平臺的意愿存在顯著差異。疫情期間公眾對移動政務(wù)的需求與使用對移動政務(wù)平臺的發(fā)展促進作用是巨大的，但疫情對移動政務(wù)平臺的采納與使用行為的影響可能不能延續(xù)到疫情結(jié)束后的后續(xù)使用中，政府應(yīng)該采取措施提高用戶黏性與忠誠度，如更好地實現(xiàn)用戶間的互動。

在本研究中，便利條件與使用行為呈正相關(guān)，政府可以通過提升系統(tǒng)的信息易得度與設(shè)備的使用兼容度、操作容易度，促進公眾對移動政務(wù)平臺的使用行為；使用習(xí)慣與持續(xù)使用意愿呈顯著正相關(guān)，這說明習(xí)慣在移動政務(wù)平臺采納使用的后續(xù)階段是持續(xù)使用意愿的強大驅(qū)動力，政務(wù)平臺可以提高與用戶間的互動性與趣味性，設(shè)計每日打卡積分、每日互動小論壇等活動，培養(yǎng)用戶的使用習(xí)慣，從而提高用戶黏性與忠誠度。

(三)研究的局限性與展望

本研究采用線上發(fā)放調(diào)查問卷的方式進行數(shù)據(jù)收集，對我國移動政務(wù)公眾使用行為與持續(xù)使用意愿進行實證研究，有一定的理論以及現(xiàn)實基礎(chǔ)，但仍然存在一定的不足。

首先，移動政務(wù)的使用對象為上海的公眾，但最終收集到的有效樣本一共只有395份，在樣本數(shù)量上不足以代表我國公眾使用移動政務(wù)平臺的總體情況；并且本文選取的這395位調(diào)查對象無論在地理信息上，還是在年齡、性別、學(xué)歷等其他特征上，都不足以代表我國公眾。在未來的研究中，應(yīng)該擴大調(diào)查的地域以及樣本數(shù)量，使得研究結(jié)果更具有實際意義。

第二，對于可能存在自變量與因變量互為因果或者不同變量作為因果變量的內(nèi)生性問題，本研究已經(jīng)采用結(jié)構(gòu)方程識別出了中介效應(yīng)，也進行了相關(guān)性檢驗排除多重共線性，所以不“存在虛假因果關(guān)系”。雖然我們選擇的變量提供了可靠的結(jié)果，但我們不能完全排除遺漏變量或非線性的可能性，這可能要在未來的研究中得到解決。

第三，本研究是在新冠肺炎疫情期間進行的，疫情的特殊性使得研究結(jié)果有一定的局限性，在平常時期的研究結(jié)果可能會有所不同。本文是對現(xiàn)有的所有移動政務(wù)平臺整體這個對象進行研究，未來的研究可以評估不同的環(huán)境背景和不同的移動政務(wù)平臺，還可以與此次新冠肺炎疫情期間的研究結(jié)論做比較，探討在不同的情境下或不同的移動政務(wù)平臺結(jié)論是否會有不同。