学术探索 已发表论文 版本 1 Vol 4 (6) : 332-341 2019
下载
过载对社交网络疲倦的影响及其用户差异分析
Effects of Overload on Social Network Fatigue and User Difference Analysis
: 2019 - 09 - 09
: 2019 - 12 - 12
551 6 0
摘要&关键词
摘要:[目的/意义]从过载视角探讨引起社交网络疲倦的原因,并考虑性别、年龄、群体(工作群体、学生群体)和使用时间的差异,为改善社交网络疲倦现象提供建议。[方法/过程]通过在线问卷搜集416份数据,利用结构方程模型和t检验进行数据分析。[结果/结论] 结果显示,信息过载、社交过载和系统过载显著影响社交网络疲倦,其中信息过载的作用最大,其次是系统过载和社交过载。与此同时,年龄、群体(工作群体、学生群体)在信息过载和系统过载对疲倦的影响上存在差异;性别在社交过载和系统过载对疲倦的影响上存在差异;使用时间在社交过载和系统过载对疲倦的影响上存在差异。
关键词:社交网络;社交网络疲倦;差异分析;信息过载;社交过载;系统过载
Abstract & Keywords
Abstract: [Purpose/significance] This paper attempts to explore factors influencing social network fatigue, and consider differences of gender, age, group (work group vs. student group)and usage time, so as to provide suggestions to change this phenomenon.[Method/process]A total of 416 social networking site users participated in an online questionnaire survey and further analyzed using SEM and T-test.[Result/conclusion]The results show that, information overload, social overload and system overload significantly affect social network fatigue, where information overload has the greatest effect, followed by system overload and social overload. In addition, age and group (work group vs. student group) have significant differences in the impacts of information overload and system overload on fatigue; gender has significant differences in the impacts of social overload and system overload on fatigue; and usage time has significant differences in the impacts of social overload and system overload on fatigue.
Keywords: social networks; social network fatigue; differences analysis; information overload; social overload; system overload
1   引言
随着信息技术和社交媒体等的快速发展,社交网络已经渗透到工作与生活的各个方面。用户基于不同的动机使用社交网络的不同功能,并满足其不同需求[1]。尽管如此,社交网络在给用户带来便利的同时,也造成消极的影响,如用户疲倦。当用户被太多信息淹没或者花费太多时间去维持线上关系时,用户倾向于避开社交网络活动,这被称为社交网络疲倦现象[2]。实践表明,社交网络用户正面临着信息过载、社交过载等问题[3]。而过载往往使用户产生消极情绪,如疲倦和沮丧等[4]。此外,社交网络用户因其性别、年龄等差异在使用行为上也呈现出差异[5-6]。那么,不同类型的过载如何影响社交网络用户疲倦?不同用户之间存在怎样的差异?对上述问题的阐释将有助于更好地揭示社交网络用户消极情绪形成的内在机理及其用户行为差异,进而更好地消除用户消极情绪并引导其积极行为。
通过文献调研发现,已有研究利用不同理论、从不同视角对社交网络疲倦的影响因素进行过探讨。X. Zhu和Z. Bao指出隐私和印象管理显著影响社交网络疲倦[7]。L. F. Bright等发现隐私和社交网络自信心对社交网络疲倦产生显著影响[8]。基于压力源—应变—结果框架,A. Dhir等指出强迫性社交网络的使用引发社交网络疲劳[9]。基于SOR模型,A. Luqman等发现社交网络的过度使用导致用户产生社交网络疲倦和技术压力[10]。C. Maier等指出系统的复杂性、社交过载等因素是社交网络疲倦产生的原因[11]。T. Ravindran等认为社交网络疲倦产生的原因是社交互动以及社交网络的内容变化太快[12]。S. Kim等认为相关信息过载、开放可达性、参与感、维持声誉显著影响社交网络疲倦[13]。M. Lim和Y. Yang指出害羞与社交网络倦怠情绪显著相关[14]。S. Lian等发现社交网络疲倦受到社交网络成瘾的显著影响[15]。Y. Zhu和Z. Bao认为印象管理关注、隐私关注和社交过载是引起社交网络疲倦的重要因素[16]。刘鲁川等认为个人因素中的自我效能、沉浸感、隐私关注等对用户的倦怠情绪产生显著影响[17]。李旭等发现过载因素(社交过载、信息过载和服务过载)是社交媒体倦怠产生的原因[18]。张敏等指出平台内部因素会引起用户心理疲劳等负面的情感认知[19]。郭佳和曹芬芳发现信息过载、系统功能过载、社交过载和隐私关注对社交媒体倦怠产生显著影响[20]。在梳理相关文献的基础上,李宏和李微认为,社交媒体倦怠的产生是由平台、用户和社会3个层面的原因所致[21]
可以看出,虽然现有文献对社交网络疲倦的影响因素进行过探讨,也曾关注过载的作用机理;但较少有研究揭示用户行为差异。考虑到用户差异对社交网络用户的影响,本研究拟关注不同类型的过载对社交网络疲倦的作用及其用户行为差异,以深层次揭示社交网络疲倦的形成机理。
2   理论基础与研究假设
2.1   理论基础与模型
根据边际效用递减原则,虽然信息技术可以提高生产率,但当超过某个点之后,技术产生的收益不会增加反而会减少;更好的技术不一定带来最大的产量或绩效,这种现象被称为技术过载[22]。过载通常涉及对超出个人处理能力的事物的主观评价和感知[23]。随着社交网络的盛行与渗透,用户在使用社交网络过程中也出现过载现象。
已有研究对社交网络环境下的过载现象进行了探讨。P. Karr-Wisniewski和Y. Lu认为技术过载由信息过载、沟通过载和系统功能过载构成[22]。A. R. Lee等从信息过载、沟通过载和系统功能过载3个方面来研究过载的前因及对其社交网络疲倦的影响[24]。S. Zhang等[25]和S. Shokouhyar等[26]均提出信息过载、社交过载和系统过载显著影响社交网络疲倦。
参考S. Zhang等[25]的研究,本研究将从信息过载、社交过载和系统过载3个维度探究过载对社交网络疲倦的影响,并在此基础上考虑群体(工作群体、学生群体)、性别、年龄和使用时间的差异。本研究的理论模型如图1所示:


图1   模型假设
2.2   研究假设
信息过载是指用户在社交网络中接受到的信息超过了用户的处理能力[22]。在社交网络环境下,当用户接收太多的信息而处理这些信息的能力有限时,就会产生社交网络疲倦[27]。已有研究揭示了信息过载对社交网络疲倦的影响。W. Chaouali基于使用与满足理论和个人环境适应模型,发现信息过载显著影响社交网络用户的情感疲倦[28]。W. Gao等基于保护动机理论和信息处理理论,指出信息过载对社交网络疲倦产生显著影响[29]。X. Cao和J. Sun基于扩展的压力源—应变—结果研究模型,认为社交网络疲倦受到信息过载的显著影响[30]。L. Yu等提出,过载显著影响社交网络疲倦[31]。面对社交网络中的大量信息,用户需要耗费大量的精力和时间从冗余的信息中提取并处理信息,容易产生疲倦。基于此,提出假设:
H1:信息过载显著影响社交网络疲倦。
社交网络环境下,频繁的社交主要是为了照顾朋友、取悦他们或解决问题,这被认为是一种社交过载[32]。已有研究对社交过载进行研究,并认为社交过载导致用户产生社交网络疲倦。C. Maier等发现,社交过载导致用户的社交网络疲倦和满意度降低[11]。X. Zhu和Z. Bao等发现,社交过载显著影响社交网络疲倦[7]。T. Ravindranr认为,社交网络疲倦的体验可能来自社交网络上朋友的社交动态或社交互动[12]。在社交网络中需要给他人提供太多的社会支持时,用户更容易表现出心有余而力不足,继而产生疲倦。基于此,提出假设:
H2:社交过载显著影响社交网络疲倦。
系统过载是指给定的技术对于给定的任务来说过于复杂[22]。虽然添加特性功能会使产品更加独特并提高效率,但过多的功能可能会让用户不堪重负,产生过载[33]。已有研究对系统过载和社交网络疲倦之间的关系进行了研究。S. Shokouhyar等认为,系统功能过载显著影响用户的社交网络疲倦[26]。S. Zhang等发现,系统功能过载是引起不满意和社交网络疲倦方面的压力源[25]。A. R. Lee等提出,系统功能过载对社交网络疲倦产生显著影响[24]。当社交网络的功能太复杂或更新频率太快时,用户需要花费更多的时间去理解和适应新的功能,这可能引起用户的疲倦感。基于此,提出假设:
H3:系统过载显著影响社交网络疲倦。
此外,已有不少文献对社交网络用户行为表现的个体差异进行了研究。有学者研究社交网络使用意愿上的个体差异,发现性别、年龄、使用频率和使用时间在社交网络使用意愿和使用行为上存在显著差异[28-32]。更进一步,有研究指出不同性别和年龄的用户对社交网络隐私问题的关注程度也存在差异[33-34],社交网络的使用频率对微信“朋友圈”的参与行为产生影响[41]以及自我表达行为在性别上存在差异[42]。基于此,本研究拟探讨性别、年龄、群体(工作群体、学生群体)和使用时间在社交网络疲倦上表现出的差异。
3   研究设计
3.1   量表设计
为保证问卷的信度和效度,本研究的测度项均来自已有的研究。此外,结合本研究的情景和目的,对原测度项进行完善与修改。其中,信息过载和系统过载测度项均来源于P. Karr-Wisniewski和Y. Lu[22],社交过载测度项来源于C. Maier等[32],社交网络疲倦测度项来源于C. Maier等[32]和E. Åhsberg[43]
为保证问卷的信度和效度,笔者首先咨询了2位图情领域专家,根据他们的意见对语境和题项进行了修改;然后邀请24名社交网络用户进行问卷预测试,并针对他们的反馈意见对问卷的部分题项和表达进行了修改,得到最终的问卷。问卷测度项采用李克特7级量表进行评分,其中1表示“非常不同意”,4表示“中立”,7表示“非常同意”。
3.2   数据搜集
本研究选取在校学生和工作群体中的社交网络用户作为研究对象。通过在线发放问卷,采用滚雪球的方式共收集问卷443份,剔除无效问卷27份(勾选同一个答案或者全选非常同意或者非常不同意的问卷),获得有效问卷416份。
表1显示了有效样本的人口统计学特征。可以看出,39.9%的用户是男性,60.1%的用户是女性;22岁及以下的用户占38.3%,23岁及以上的用户占61.7%;60.8%的用户拥有本科学历;83.2%的用户使用时间为3年及以上;83.4%的用户每天频繁使用;而学生和工作群体的用户占比分别为49%和51%。
表1   有效样本的人口统计学特征(N=416)
题项频率百分比(%)题项频率百分比(%)
性别16639.9群体学生20449.0
25060.1工作21251.0
年龄小于1892.2使用时间半年以内133.1
18-2215036.1半年-1年(含半年)81.9
23-2714835.61-2年(含1年)194.6
28-317016.82-3年(含2年)307.2
32-36235.53年及以上34683.2
37及以上163.8使用频率每天频繁34783.4
教育背景本科以下6615.9每天使用十几次256.0
本科25360.8每天使用几次286.7
硕士8319.9每天使用一次20.5
博士143. 4每周使用几次51.2
很少使用92.2
4   数据分析
4.1   信效度分析
信度分析采用Cronbach’s α信度系数,当α系数大于0.7可以认为量表的可信度较高[44]。效度分析包括结构效度和内容效度,其中结构效度包括收敛效度和区分效度。效度分析的主要测量指标有因子载荷、CR和AVE值[45]。一般认为因子载荷和CR值大于0.7时量表可信度较高,AVE的阀值是0.5[46]。由表2可以看出,量表具有可靠的信度和效度。此外,区分效度反映了不同测度项之间的相关性,当每个变量的AVE平方根(对角线的元素)大于与其他变量的相关系数(非对角线元素)时,说明变量有很好的区分效度[44]。由表2可以看出,量表有很好的区分效度。
表2   信度效度和区分效度
变量测度项因子载荷CRAVECronbach’s αINOSOOSYOEXH
信息过载
(INO)
INO10.7890.8600.6720.7540.819
INO20.884
INO30.782
社交过载
(SOO)
SOO10.8520.9080.6640.8750.5390.815
SOO20.872
SOO30.762
SOO40.795
SOO50.789
系统过载
(SYO)
SYO10.8060.9050.7040.8600.5430.4990.839
SYO20.850
SYO30.842
SYO40.856
社交疲倦
(EXH)
EXH10.9200.9540.8400.9360.6320.5630.5900.916
EXH20.921
EXH30.901
EXH40.922
4.2   结构方程模型
使用Smartpls 3.0进行结构方程模型的验证,结果如图2所示。可以看出,社交网络疲倦被解释的方差比为51.7%。并且所有路径都显著,即假设H1,H2和H3均成立。


图2   路径系数及其显著性(***p<0.001)
4.3   差异分析
进一步,分别按照年龄、性别、群体(工作群体、学生群体)和使用时间对用户进行分组,对每个分组进行结构方程模型分析。具体结果如下:
(1)性别的差异分析。性别差异分析的结果如表3所示。可以看出,社交过载和系统过载对不同性别群体社交网络疲倦的影响存在显著差异。男性更容易受到社交过载的影响而产生社交网络疲倦,而女性更容易受到系统过载的影响而产生社交网络疲倦。虽然信息过载对男女生群体的社交网络疲倦产生显著影响,但是性别在信息过载上不存在显著差异。
表3   性别差异分析
路径男(N1=166)女(N2=250)T值比较
路径系数T值路径系数T值
INO-EXH0.3595.276***0.3625.741***n/a
SOO-EXH0.2753.417**0.2073.267**9.823***
SYO-EXH0.2562.745**0.294.808***-4.592***
注:***p<0.001,**p<0.01,n/a表示不显著
(2)年龄的差异分析。以23岁为界限,将年龄分为两组进行差异分析,结果如表4所示。可以看出,不同年龄的群体在信息过载和系统过载上存在显著差异。年龄较小的群体容易受到信息过载的影响而产生社交网络疲倦,而年龄较大的群体更容易受到系统过载的影响而产生社交疲倦。虽然对于不同年龄群体,社交过载对社交网络疲倦产生显著影响,但是年龄在社交过载上不存在显著差异。
表4   年龄差异分析
路径22岁以下(N1=159)23岁以上(N2=257)T值比较
路径系数T值路径系数T值
INO-EXH0.4065.633***0.314.725***14.990***
SOO-EXH0.2433.464**0.233.010**n/a
SYO-EXH0.2483.272**0.2953.479**-5.728***
注:***p<0.001,**p<0.01,n/a表示不显著
(3)群体(工作群体、学生群体)的差异分析。表5显示了群体差异分析结果。可以看出,学生群体和工作群体在社交网络疲倦上存在差异。学生更容易受到信息过载的影响而产生社交网络疲倦,而工作群体更容易因系统过载而产生社交网络疲倦。此外,学生群体中,社交过载对社交网络疲倦产生显著影响,而工作群体中,社交过载对社交网络疲倦不产生显著影响。
表5   群体差异分析
路径学生(N1=204)工作(N2=212)T值比较
路径系数T值路径系数T值
INO-EXH0.4467.274***0.2634.009***28.885***
SOO-EXH0.3196.207***0.1171.305n/a
SYO-EXH0.1542.375*0.4124.281***-33.163***
注:***p<0.001,*p<0.05,n/a表示不显著
(4)使用时间的差异分析。以3年的使用时间为界限,将用户群体划分为使用时间在3年以下的群体和使用时间在3年及以上的群体,结果如表6所示。可以看出,两组群体在社交网络疲倦上存在显著差异。相对于使用经历在3年及以上的群体,使用经历在3年以下的群体社交过载和系统过载对社交网络疲倦的影响更大。其中,对于使用经历3年及以上的用户,信息过载会对社交网络疲倦产生影响,而使用经历在3年以下的用户则不受影响。
表6   使用时间差异分析
路径3年以下(N1=70)3年及以上(N2=346)T值比较
路径系数T值路径系数T值
INO-EXH0.0970.8420.3847.811***n/a
SOO-EXH0.3542.987**0.2184.051***14.826***
SYO-EXH0.3763.472**0.2784.826***10.859***
注:***p<0.001,**p<0.01,n/a表示不显著
5   讨论
5.1   结果讨论
本研究旨在探讨社交网络疲倦的影响因素及其用户行为的差异。具体来说,本研究考虑信息过载、社交过载、系统过载对社交网络疲倦的影响,并关注性别、年龄、群体、使用时间上的差异。结果显示,信息过载显著影响社交网络疲倦,且发挥的作用最大。这一结论与W. Chaouali[28]、M. Wang和D. Li[47]的研究结果一致。信息相关性和信息过载之间存在一个阈值,超过这个阈值时,过多的信息将造成信息过载[24]。社交网络充斥着各种冗余信息,从社交网络中搜寻所需的信息需耗费用户大量的时间和精力,这往往导致用户产生疲倦。例如,当微信群中聊天信息太多时,用户需从大量的信息中“爬楼”到所需的有用信息,这通常令人感到疲倦。
研究也显示,系统过载显著影响社交网络疲倦,这一结论与S. B. Choi和M. S. Lim[4]、A. R. Lee等[24]的研究结果一致。信息技术的发展使得人们的生活更加便利;但当软件的功能太复杂、更新太频繁时,同样给用户的使用带来困难[48]。用户需要花费更多的时间学习和适应新功能,这可能导致社交网络疲倦。
与此同时,社交过载显著影响社交网络疲倦,其发挥的影响最小。这一发现与X. Xiao和T. Wang[38]、J. Lo[49]的研究结果一致。在社交网络中,用户在接受他人帮助的同时也会给予他人社会支持。但当用户需要提供的社会支持太多,以至于耗费太多时间和精力时,用户通常会感觉到疲倦[50]。例如,当用户需要对消息即时回复并努力地与朋友维持社交网络上的联系,用户将感到疲倦[51]。又如,在微信上有很多的私信需要处理和回复,而回复这些消息可能与用户正常的生活或工作产生冲突,容易造成用户疲倦[24]
此外,差异分析结果表明,性别在社交过载和系统过载对社交网络疲倦的影响上存在差异。男性更容易受到社交过载的影响而产生社交网络疲倦。原因可能是,相对于女性,男性不善于处理社交关系。女性则更容易受到系统过载的影响而产生社交网络疲倦。这可能与女性对系统和软件的兴趣低于男性有关。
年龄在信息过载和系统过载对社交网络疲倦的影响上存在差异。年龄较小的群体倾向于受到信息过载的影响而产生社交网络疲倦。实际生活中,年龄较小的群体可能由于处理信息经验较少,面对社交网络上需要处理的大量信息容易产生疲倦。而年龄较大的群体更容易受到系统过载的影响而产生社交疲倦。对于年龄稍大的群体,可能由于对新事物的接受力较弱,更容易因为系统的复杂功能而产生社交网络疲倦。
群体在信息过载和系统过载对社交网络疲倦的影响上存在差异。学生更容易因为信息过载而产生社交网络疲倦。这可能是由于学生群体关注较多的线上信息,过多的信息造成了疲倦的产生。而工作群体更容易因系统过载而产生社交网络疲倦。工作群体讲究效率至上,过于复杂的功能和设计容易使用户感到疲倦。在工作群体中,社交过载对社交网络疲倦不产生显著影响,分析原因,可能是由于在工作氛围下,社交被看作是一种工作需求,社交过载并不会导致疲倦。
使用时间在社交过载和系统过载对社交网络疲倦的影响上存在差异。使用经历在3年及以上的群体更容易受到社交过载和系统过载的影响产生社交网络疲倦。随着用户使用社交网络时间的增长,用户社交网络上的朋友数量也会增加,用户更容易因过多的线上社交而产生疲倦;此外,用户使用社交网络的时间越长,就会习惯软件的旧功能,容易因系统功能的变动产生疲倦。对于使用社交网络时间较短的用户来说,信息过载对社交网络疲倦不产生显著影响。这可能是由于用户使用社交网络的时间较短,积累的信息仍在其信息处理能力范围内,不容易产生疲倦。
5.2   研究意义
本研究结论具有一定的理论和实践意义。从理论上来看,本研究关注不同类型过载对社交网络疲倦的作用及其用户行为差异。虽然以往的研究探讨了过载的影响,但较少研究阐释用户行为差异;且已有研究主要使用学生样本进行分析。本研究尝试对用户行为进行差异分析,并搜集不同来源的样本以揭示性别、年龄、群体和使用时间对用户行为造成的不同影响。这一研究将丰富与拓展现有社交网络用户行为的研究。
从实践上来看,本研究结论对社交网络服务提供商更有效地引导用户的积极行为提供理论指导。一方面,服务提供商可从信息提供方面进行改善以减少用户疲倦。例如,可以减少无用的广告信息,或者提供信息分类和整理功能方便用户筛选和整理信息。另一方面,服务提供商可从社交过载角度采取措施。例如,设置用户分组、特别提醒或者屏蔽等功能减少用户的社交负担。与此同时,服务提供商还可以从系统过载角度考虑。可以通过提供详细的软件更新指导等措施减少新功能对用户造成的压力和疲倦。此外,服务提供商也需要从用户差异角度考虑,针对不同性别、年龄、群体和新老用户提供个性化服务。例如,向使用社交网络时间较长的“老”用户推送软件更新指导,减少用户因为系统过载而产生的疲倦。
对于用户来说,可考虑从信息、社交和系统3个方面进行适当的调节以缓解社交网络疲倦。例如,通过过滤社交网络上对自己不那么重要的信息、屏蔽部分聊天群、对好友进行分组管理等措施来减少社交网络带来的疲倦。
5.3   研究局限性
需要注意的是,本研究也存在一定的不足。主要体现在:首先,本研究主要考虑过载的作用机理,而造成社交网络疲倦的因素还有很多,如害怕错失。进一步的研究可同时考虑其他心理要素的影响。其次,本研究主要关注社交网络这一情境,后续研究可考虑关注不同平台(如微博等)之间的差异。
[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]
腾讯创始人张志东:信息过载时代,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]
刘鲁川,李旭,张冰倩.基于扎根理论的社交媒体用户倦怠与消极使用研究[J].情报理论与实践,2017,40(12):100-106,51.
[18]
李旭,刘鲁川,张冰倩.认知负荷视角下社交媒体用户倦怠及消极使用行为研究——以微信为例[J].图书馆论坛,2018,38(11):94-106.
[19]
张敏,孟蝶,张艳.S-O-R分析框架下的强关系社交媒体用户中辍行为的形成机理——一项基于扎根理论的探索性研究[J].情报理论与实践,2019,42(7):80-85,112.
[20]
郭佳,曹芬芳.倦怠视角下社交媒体用户不持续使用意愿研究[J].情报科学,2018,36(9):77-81.
[21]
李宏,李微.社交媒体倦怠研究述评与展望[J].情报科学,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]
JACKON 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 What’s 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]
ÅHSBERG 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 people’s 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 media’s dark side: inducing boundary conflicts[J]. Journal of managerial psychology, 2016, 31(8): 1297-1311.
稿件与作者信息
甘春梅
Gan Chunmei
提出选题,构思框架,修改论文并定稿
chunmei_gan@163.com
副教授,博士
0000-0001-8886-3748
胡凤玲
Hu Fengling
收集与分析数据,撰写与修改论文
硕士研究生
0000-0002-9917-8452
本文系教育部人文社会科学研究青年基金项目“社交媒体用户行为的间歇性中辍现象及其机理研究”(项目编号:19YJC870006)和国家自然科学基金青年项目“基于使用与满足理论的社交媒体使用机理研究:从采纳到持续使用的行为转变”(项目编号:71403301)研究成果之一。
出版历史
出版时间: 2019年12月12日 (版本1
参考文献列表中查看
知识管理论坛
Knowledge Management Forum