移動(dòng)閱讀APP 可用性測(cè)量量表構(gòu)建

黃 燕，范 哲

1 研究設(shè)計(jì)與初步量表構(gòu)建

近年移動(dòng)閱讀APP迅速發(fā)展，雖然有研究者指出可用性是移動(dòng)閱讀使用行為的影響因素[1]，但鮮見研究者從可用性視角探討移動(dòng)閱讀服務(wù)，更無成熟量表測(cè)量移動(dòng)閱讀APP可用性的研究。為此，筆者借鑒移動(dòng)APP可用性指標(biāo)，結(jié)合移動(dòng)閱讀特征，建立移動(dòng)閱讀APP可用性的測(cè)量量表。主要研究思路是：首先通過文獻(xiàn)調(diào)研和訪談，挖掘移動(dòng)閱讀APP使用者對(duì)可用性方面的關(guān)注點(diǎn)，結(jié)合移動(dòng)閱讀APP的特性構(gòu)建初步量表。在訪談中用戶提到“穩(wěn)定性”“響應(yīng)速度”，為此，結(jié)合黃煒等提出的移動(dòng)應(yīng)用指標(biāo)體系，提取“內(nèi)存”“更新速度”“兼容性”“穩(wěn)定性”等指標(biāo)[2]；結(jié)合Hartmut Hoehle等提出的移動(dòng)應(yīng)用可用性指標(biāo)體系，提取“響應(yīng)速度”“數(shù)據(jù)保留”“色彩”“交互控件”“定方向”“字形”“過渡”等指標(biāo)[3-4]。由于移動(dòng)閱讀具有個(gè)性化、大容量、私密性、融合性、以用戶為中心[5]的特性，提取“一站式閱讀”“內(nèi)容互動(dòng)分享”“個(gè)性化”“內(nèi)容互動(dòng)分享”[6-8]等指標(biāo)，由此提出“內(nèi)存”“更新速度”等25個(gè)指標(biāo)，初步構(gòu)建移動(dòng)閱讀APP可用性的測(cè)度模型，包括應(yīng)用性能、用戶界面、便捷性、內(nèi)容等4個(gè)主要維度，見表1。

表1 移動(dòng)閱讀APP可用性模型指標(biāo)解釋及其主要參考來源

經(jīng)過訪談和文獻(xiàn)調(diào)研構(gòu)建的初步量表較粗糙，因而使用探索性因子分析建立模型，再用驗(yàn)證提供分析現(xiàn)模型以驗(yàn)證和修正的概念和計(jì)算工具，其提供的結(jié)果為驗(yàn)證性因子分析建立假設(shè)提供了基礎(chǔ)[9]。根據(jù)資料查詢和訪談建立初步量表后，對(duì)隨機(jī)抽取的問卷數(shù)據(jù)的一半使用探索性因子分析，找出影響觀測(cè)變量的因子個(gè)數(shù)，以及各個(gè)因子和觀測(cè)變量之間的相關(guān)度，再使用另一半數(shù)據(jù)進(jìn)行驗(yàn)證性因子分析，然后結(jié)合兩個(gè)分析結(jié)果以及實(shí)際情況、訪談結(jié)果對(duì)測(cè)量量表進(jìn)行修正，最終得出一套比較科學(xué)的測(cè)量量表。

本研究主要采用問卷調(diào)查方式，問卷分為兩部分：(1)被調(diào)查者的基本信息。包括性別、年齡、受教育程度，以及是否使用過移動(dòng)閱讀APP、使用過哪些移動(dòng)閱讀APP和使用這些移動(dòng)閱讀APP閱讀了什么？本研究主要選取Flipboard、ZAKER等具有Web2.0特征的移動(dòng)閱讀APP，而選取的內(nèi)容指標(biāo)主要來源于這兩個(gè)APP，因?yàn)檫@兩款A(yù)PP具有移動(dòng)閱讀APP的典型性且用戶眾多，具有代表性。分別選取Flipboard的特色“設(shè)計(jì)”“內(nèi)容互動(dòng)”“個(gè)性化”等指標(biāo)，以及ZAKER[9]的特色“離線下載”“一站式閱讀”“個(gè)性化訂閱”“基于地理位置的服務(wù)”“智能化推送”等指標(biāo)。(2)移動(dòng)閱讀APP可用性的測(cè)量。要求被調(diào)查者根據(jù)自身情況進(jìn)行打分，采用李克特式量表，1-5分別表示“非常不重要”“不重要”“無所謂”“重要”“非常重要”。

2 實(shí)證研究

2.1 數(shù)據(jù)收集與預(yù)處理

調(diào)查時(shí)間為2017年2月15-28日，收回504份問卷。其中使用過移動(dòng)閱讀APP的392人，占77.78%。剔除未使用過移動(dòng)閱讀APP的112份問卷，對(duì)剩下的392份問卷進(jìn)行分析。通過SPSS計(jì)算，調(diào)查問卷的整體Cronbach's α為0.942，KMO值為0.918，表明整體的信度和效度都很好，適合進(jìn)行因子分析。為研究移動(dòng)閱讀APP用戶的可用性偏好，從不同的年齡、不同的年齡層次以及不同的學(xué)歷用戶認(rèn)為最重要的指標(biāo)出發(fā)進(jìn)行分析。表2羅列出不同層次的用戶最偏好的指標(biāo)，可以看出明顯的用戶特征，體現(xiàn)所構(gòu)建的指標(biāo)的適用性良好。

表2 不同層次用戶的偏好

2.2 探索性因子分析

探索性因子分析和驗(yàn)證性因子分析需使用不同數(shù)據(jù)源[10]，從392份樣本數(shù)據(jù)中隨機(jī)抽取196份進(jìn)行探索性因子分析，196份進(jìn)行驗(yàn)證性因子分析。通過SPSS計(jì)算，樣本數(shù)據(jù)KMO值為0.901，Bartlett's球形檢驗(yàn)近似卡方顯著性Sig.=0.000＜0.01，表明樣本數(shù)據(jù)適合進(jìn)行因子分析。采用主成分分析法，采用最大方差法進(jìn)行因子旋轉(zhuǎn)，選擇具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法探索量表的內(nèi)在結(jié)構(gòu)，旋轉(zhuǎn)在6次迭代后收斂。將旋轉(zhuǎn)成分矩陣整理排序后如表3所示。

由表3看出，由SPSS提取出4個(gè)公共因子：公共因子1包含AF6、AF2、AF3、AF1、AF4、AF5六個(gè)指標(biāo)，對(duì)應(yīng)指標(biāo)模型中應(yīng)用性能的所有指標(biāo)；公共因子2包含AC4、AC3、AC5、AC2、AC1、AC7、CO4七個(gè)指標(biāo)，對(duì)應(yīng)指標(biāo)模型中內(nèi)容的所有指標(biāo)，并將“一站式閱讀”這個(gè)指標(biāo)囊括其中；公共因子3包含CO1、CO3、CO2、AC6、CO5五個(gè)指標(biāo)，對(duì)應(yīng)指標(biāo)模型中便捷性的除了CO4的所有指標(biāo)，將“個(gè)性化”指標(biāo)囊括其中；公共因子4包含UI2、UI1、UI5、UI7、UI3、UI4、UI6七個(gè)指標(biāo)，對(duì)應(yīng)指標(biāo)模型中用戶界面的所有指標(biāo)。參照探索性因子分析的結(jié)果，對(duì)原始測(cè)量表進(jìn)行修正，并對(duì)25個(gè)指標(biāo)再重新進(jìn)行編碼，編碼結(jié)果如表4所示。

表3問卷探索性因子分析——旋轉(zhuǎn)成分矩陣

表4 移動(dòng)閱讀APP可用性測(cè)量量表指標(biāo)調(diào)整

2.3 驗(yàn)證性因子分析

剩下的196份樣本數(shù)據(jù)使用AMOS 21.0工具進(jìn)行驗(yàn)證性因子分析，首先在AMOS界面上設(shè)置4個(gè)潛變量(即表4模型的4個(gè)維度)、25個(gè)觀測(cè)變量(即25個(gè)指標(biāo))和25個(gè)殘差變量，然后選擇最大似然估計(jì)方法進(jìn)行運(yùn)算，驗(yàn)證性因子分析模型及標(biāo)準(zhǔn)化路徑系數(shù)見圖1。驗(yàn)證性因子分析的結(jié)果可用于進(jìn)一步檢驗(yàn)表3移動(dòng)閱讀APP可用性測(cè)量量表指標(biāo)維度的有效性。

圖1 驗(yàn)證性因子分析模型及標(biāo)準(zhǔn)化路徑系數(shù)

各指標(biāo)及其對(duì)應(yīng)維度之間的載荷系數(shù)估計(jì)見表5。其中臨界值C.R.是未進(jìn)行標(biāo)準(zhǔn)化的路徑系數(shù)估計(jì)值和估計(jì)值標(biāo)準(zhǔn)誤S.E.的比值，作用相當(dāng)于t檢驗(yàn)，C.R.＞2.58則表示參數(shù)估計(jì)值達(dá)到0.01的顯著水平，即路徑系數(shù)得到了數(shù)據(jù)的支持；顯著性P的值小于0.001時(shí)，以***的形式顯示，表示顯著性水平較好[11]。根據(jù)AMOS提供的 CMIN/DF、GFI、CFI、NFI、IFI指數(shù)來衡量量表整體結(jié)構(gòu)的合理性，原始組的結(jié)果如表6所示。根據(jù)各指標(biāo)的可接受標(biāo)準(zhǔn)，本研究的各指標(biāo)基本達(dá)到了檢驗(yàn)要求[12-14]。AMOS提供的M.I.(修正指數(shù))表示增加該條路徑后，整體模型將會(huì)減少的最小卡方值，所以筆者比較關(guān)注M.I.值較大的路徑。將各路徑M.I.值由大到小排列，M.I.值較大的部分路徑見表7。從表7中可以看出，有UI5、UI7、CO5組成的路徑M.I.值最大。綜合考慮3個(gè)指標(biāo)的含義及其所在的維度，筆者試圖刪除其來觀察適配度指標(biāo)值的變化程度，所得數(shù)據(jù)證明刪除這3個(gè)指標(biāo)的相關(guān)路徑量表結(jié)構(gòu)變優(yōu)。

表5 各指標(biāo)及其對(duì)應(yīng)維度之間的載荷系數(shù)估計(jì)

表6 模型適配度指標(biāo)值

表7 M.I.值較大的路徑

2.4 最終模型修正與結(jié)果討論

2.4.1 最終模型修正

綜合考慮探索性因子分析和驗(yàn)證性因子分析的結(jié)果，對(duì)量表作以下修正：

(1)在探索性因子分析結(jié)果公共因子4中包含UI1、UI2、UI3、UI4、UI5、UI6、UI7 七個(gè)指標(biāo)，但在驗(yàn)證性因子分析中發(fā)現(xiàn)UI5和UI7組成的路勁系數(shù)M.I.值偏大，數(shù)據(jù)證明在刪除了這兩個(gè)指標(biāo)后量表結(jié)構(gòu)得到優(yōu)化；UI5、UI7與用戶界面維度的標(biāo)準(zhǔn)化路徑系數(shù)分別為0.63、0.56。考慮UI5(設(shè)計(jì))和UI7(形式)指標(biāo)是Flipboard等強(qiáng)調(diào)社會(huì)化交互功能移動(dòng)閱讀APP增加的特色服務(wù)，是亮點(diǎn)所在，可能不適合作為評(píng)價(jià)移動(dòng)閱讀APP可用性的指標(biāo)，因此進(jìn)行刪除。

(2)在探索性因子分析結(jié)果中將“個(gè)性化”指標(biāo)歸入公共因子3，在根據(jù)探索性因子分析的結(jié)果進(jìn)行驗(yàn)證性分析后，發(fā)現(xiàn)與CO5(個(gè)性化)組成的路徑M.I.值偏大，數(shù)據(jù)證明刪除該指標(biāo)后量表結(jié)構(gòu)得到優(yōu)化；且CO5與便捷性維度的標(biāo)準(zhǔn)化路徑系數(shù)為0.56。考慮該指標(biāo)與便捷性這一維度的相關(guān)性時(shí)，覺得將該指標(biāo)歸入便捷性這一維度略欠妥當(dāng)，因而刪除該指標(biāo)。

經(jīng)過文獻(xiàn)調(diào)研的初步模型提出、問卷調(diào)查后初次修正以及結(jié)合探索性因子分析與驗(yàn)證性因子分析結(jié)果后的最終修正，本研究構(gòu)建出社會(huì)化閱讀APP可用性測(cè)量量表。該量表包括4個(gè)維度、22個(gè)指標(biāo)以及22個(gè)題項(xiàng)，如表8所示。

表8 移動(dòng)閱讀APP可用性測(cè)量量表

2.4.2 建議

本文構(gòu)建的移動(dòng)閱讀APP可用性的指標(biāo)體系兼顧應(yīng)用性能、用戶界面、便捷性和內(nèi)容，一方面可以反映用戶的需求所向；另一方面也可為移動(dòng)閱讀APP的開發(fā)與功能改進(jìn)、推動(dòng)全民閱讀提供思路。

從指標(biāo)構(gòu)成看，應(yīng)用性能中的“穩(wěn)定性”“響應(yīng)速度”在訪談以及對(duì)不同用戶的偏好分析都占有較大權(quán)重，表明用戶需要移動(dòng)閱讀APP在足夠短的時(shí)間內(nèi)展現(xiàn)出用戶想要看見的內(nèi)容，并且在操作過程中不頻繁出現(xiàn)閃退情況。內(nèi)容維度中的“內(nèi)容互動(dòng)分享”“智能化推送”“基于地理位置的服務(wù)”“一站式閱讀”等也受到用戶的重點(diǎn)關(guān)注，表明用戶對(duì)移動(dòng)閱讀APP提出更高的期待與要求，除單純地提供閱讀內(nèi)容外，用戶希望獲取信息的方式更加便捷、獲取的內(nèi)容更加符合自己的興趣，并且有一個(gè)開放便捷的可以發(fā)表自己的見解同時(shí)也能與他人進(jìn)行交流的平臺(tái)。相比而言，用戶對(duì)用戶界面維度的指標(biāo)關(guān)注點(diǎn)較低，說明現(xiàn)有移動(dòng)閱讀APP的界面設(shè)計(jì)基本滿足用戶的需求。

從性能角度看，用戶較在意穩(wěn)定性和響應(yīng)速度，一些閱讀APP在開啟以及首頁(yè)有廣告，難免會(huì)引起用戶不滿，軟件設(shè)計(jì)者要注意廣告投放時(shí)間、方式以及類型。從內(nèi)容角度看，開發(fā)商主要關(guān)注兩方面：一是互動(dòng)分享功能，閱讀社交化是用戶的需求也是全民閱讀的需求，方便有效的交流方式與平臺(tái)可以刺激用戶的閱讀興趣。Flipboard有一項(xiàng)特色功能——當(dāng)用戶導(dǎo)入其他社交軟件的好友，他們的照片、狀態(tài)信息都會(huì)顯示在布局精致的頁(yè)面里。用戶可以方便地看到好友分享的內(nèi)容，實(shí)現(xiàn)閱讀平臺(tái)與社交平臺(tái)的結(jié)合，在互聯(lián)網(wǎng)時(shí)代“社會(huì)化閱讀”趨勢(shì)越來越明顯的現(xiàn)在，這種功能的實(shí)現(xiàn)很大程度上滿足了用戶的需求。二是私人訂制，智能化推送、基于地理位置的服務(wù)以及內(nèi)容精選都是因人而異的，是對(duì)用戶的行為與興趣進(jìn)行分析后推送給用戶最適宜的內(nèi)容的功能，這種個(gè)性化和便捷性的功能是增加用戶持續(xù)使用意愿的關(guān)鍵。移動(dòng)閱讀APP可以增加標(biāo)簽功能，讓用戶選擇符合心意的標(biāo)簽，同時(shí)結(jié)合用戶的閱讀行為，進(jìn)行聚類分析，進(jìn)而推送給用戶最適宜的內(nèi)容。

為了推廣全民閱讀，首先要吸引用戶進(jìn)行閱讀，最有效的方式是迎合其需求，通過移動(dòng)閱讀APP推送給其感興趣的內(nèi)容，讓用戶養(yǎng)成閱讀的習(xí)慣；進(jìn)而在移動(dòng)閱讀APP上借鑒社交媒體的部分功能要素，通過標(biāo)簽、群組等形式構(gòu)建在線閱讀小組，吸引更多的人參加，帶動(dòng)身邊的人加入閱讀行列，形成濃厚的閱讀氛圍。

3 結(jié)論與展望

本文借鑒前人對(duì)移動(dòng)應(yīng)用可用性的測(cè)量量表，結(jié)合移動(dòng)閱讀的特性，通過探索性因子分析以及驗(yàn)證性因子分析的方法，構(gòu)建了適用于移動(dòng)閱讀APP可用性的測(cè)量量表，主要由應(yīng)用性能、用戶界面、便捷性和內(nèi)容四個(gè)維度構(gòu)成，開發(fā)了22個(gè)具體的測(cè)度指標(biāo)。按照科學(xué)的量表開發(fā)程序進(jìn)行移動(dòng)閱讀APP可用性量表設(shè)計(jì)，并通過的信度和效度檢驗(yàn)，適用于進(jìn)行移動(dòng)閱讀APP可用性的測(cè)量研究。構(gòu)建的測(cè)量量表對(duì)移動(dòng)閱讀APP的開發(fā)、發(fā)展以及推廣全民閱讀有一定的指導(dǎo)意義。未來研究中，可使用此量表考量各類主流移動(dòng)閱讀APP的可用性，從用戶感知層面改進(jìn)服務(wù)。此外，移動(dòng)閱讀作為一種新型閱讀形式，在社會(huì)化媒體推動(dòng)下，可用性還會(huì)賦予更豐富的內(nèi)涵，未來將致力于社會(huì)化網(wǎng)絡(luò)對(duì)移動(dòng)閱讀及其可用性方面影響的研究，使測(cè)量量表更完善。

[1]郭戀.手機(jī)移動(dòng)閱讀效果影響因素的實(shí)驗(yàn)研究[D].杭州：浙江師范大學(xué)，2012.

[2]黃煒，李總苛，黃建橋.移動(dòng)應(yīng)用程序（APP）評(píng)價(jià)指標(biāo)體系研究[J].圖書與情報(bào)，2016（3）：110-117.

[3]HartmutHoehle，Viswanath Venkatesh.Mobile application usability：conceptualization and instrument development[J].MIS QUARTERLY， 2015 （2）：435-472.

[4]HartmutHoehle，RubaAljafari，Viswanath Venkatesh.Leveraging Microsoft's mobile Usability guidelines：Conceptualizing and developing scales formobile application usability[J].Intermational Journalof Human-ComputerStudies，2016（C）：35-53.

[5]蘇帆帆.移動(dòng)閱讀業(yè)務(wù)持續(xù)使用行為影響因素研究[D].北京：北京郵電大學(xué)，2011.

[6]高曉晶，雷萍，侯壯，等.移動(dòng)數(shù)字閱讀的發(fā)展趨勢(shì)探微[J].圖書情報(bào)工作，2015（S2）：210-212.

[7] 百度百科.Flipboard[EB/OL].[2017-03-12].http：//baike.baidu.com.

[8]李森和.一站式的閱讀體驗(yàn)從細(xì)節(jié)打動(dòng)用戶[EB/OL].[2017-03-12].http：//cio.zdnet.

[9]戴維.以ZAKER為例淺談社會(huì)化閱讀[J].圖書情報(bào)研究，2015（2）：75-77，97.

[10]Anderson J C，Gerbing D W.Structural equation modeling in practice：A review and recommended two-step approach[J].Psychological Bulletin，1988（3）：411-423.

[11]孫曉寧，趙宇翔，朱慶華.基于SQA系統(tǒng)的社會(huì)化搜索答案質(zhì)量評(píng)價(jià)指標(biāo)構(gòu)建[J].中國(guó)圖書館學(xué)報(bào)，2015（4）：65-82.

[12]Steiger，James H.Structural model evaluation and modification：An interval estimation approach[J].MultivariateBehavioralResearch，1990（2）：173-180.

[13]莫祖英，馬費(fèi)成.數(shù)據(jù)庫(kù)信息資源內(nèi)容質(zhì)量用戶滿意度模型及實(shí)證研究[J].中國(guó)圖書館學(xué)報(bào)，2013（2）：85-96.

[14]Maccallum R C，Widaman K F，Preacher K J，et al.Sample Size in Factor Analysis：The Role of Model Error[J].Multivariate Behavioral Research，2001 （4）：611-637.