虛擬社區意識、使用行為與移動政務平臺持續使用

□ 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平臺的使用行為？公眾持續使用移動政務平臺的意愿由什么決定？解答這些疑問對于移動政務的建設與發展會有一定的幫助與啟發，有益于提升公眾的移動政務平臺使用意愿和對公共服務的滿意度。基于以上考慮，本研究借鑒虛擬社區意識理論(SOVC)及技術采納與利用整合模型(UTAUT2)，著重探討公眾對虛擬社區的認知和意識，移動政務平臺被公眾采納后的使用行為與持續使用意愿的影響因素，通過問卷調查來探究虛擬社區意識在移動政務平臺使用行為與持續使用中的作用機理，這對于推動移動政務平臺的建設與有效利用具有一定的現實意義。

二、研究綜述、研究假設與模型建構

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

(二)技術采納與利用整合模型(UTAUT2) 和用戶使用行為

(三)虛擬社區意識和移動政務持續使用意愿

H1. 虛擬社區意識(SOVC)對公眾移動政務平臺的使用行為有正面影響。

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

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

(四)研究模型的構建

除了上述兩兩變量間的相關性假設之外，我們還需要考慮這些變量之間的中介作用機理。中介效應發生在第三個變量介入(中介)其他兩個相關變量之間，即獨立變量的變化會導致中介變量的變化，而中介變量又會與因變量產生關聯。假設虛擬社區意識與移動政務平臺持續使用意愿呈正相關，那么移動政務平臺使用行為在虛擬社區意識和移動政務平臺持續使用意愿之間可能會存在中介作用。因此，提出如圖1結構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系，是一個簡潔的中介模型。

圖1 虛擬社區意識、使用行為和持續使用意愿作用機理結構模型

三、研究數據與方法

(一)變量測量

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

歸屬感：指成員作為社區一分子的歸屬感。成員可能會對虛擬社區所使用的信息技術產生強烈的影響，當一群公民或社區成員實現同一個目標時，他們可能會體驗到一種心理上的歸屬感，即使他們并不認識彼此。調查中通過以下選項來測量：“我覺得是政務平臺社區中的一個成員”“我覺得我很樂于參與政務平臺社區”“我覺得我在政務平臺社區很受歡迎”等。

影響力：指一個成員認為他們可以影響虛擬社區中的其他成員來分享個人觀點或目標的程度。互聯網促進了社會公眾之間的相互影響。在一個虛擬社區中，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的興趣。問卷中設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起的活動及討論議題”“主動參與由其他人所發起的活動及討論議題”“發起討論議題或規劃活動以吸引其他社區成員參與”“日常潛水，很少發表評論或想法”“經常發表一些話題或參與討論”等。

2.移動政務平臺使用行為(USE)。主要通過調查詢問受訪人在這次新型冠狀病毒疫情之前及疫情期間，是否關注或使用過移動政務平臺，獲取有關信息的主要移動政務平臺類型和行為等。比如“您經常參與的社交網絡”“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公開及公共服務等應用APP的情況如何?”

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

4.控制變量。根據前文中提及的習慣理論、執行意向理論和技術接受模型等，將習慣和便利條件作為控制變量可能有助于了解移動政務平臺被采納使用后的驅動因素。習慣和便利條件是技術接受和使用的廣義統一理論(UTAUT)中選取的一部分變量。此外，本次調查還設計了以移動政務用戶的人口學特征作為控制變量。本研究中控制變量為年齡、性別、便利條件和習慣。

(二)研究方法

本研究以使用過移動政務平臺的公眾為調研對象，采取在網絡上發放電子問卷的方式獲取數據。變量定義參考已有的文獻與相關理論，大致分為三個部分：年齡、性別、最高學歷等受訪者的基本特征；對政務服務信息的了解與獲取信息的來源、渠道；與研究假設相關的變量。

本文數據來源于由華東師范大學公共政策研究中心、社會組織與社會治理創新研究中心與澎湃研究所聯合發起的“新冠肺炎疫情與移動政務平臺使用行為的調查”。其中有關疫情信息獲取的渠道和政務服務應用平臺的類型在選項的設置上借鑒了清華大學數據治理研究中心的“數字技術與公共衛生治理現代化問卷調查”。此次調查在2020年2月6日至3月24日期間通過網絡調查平臺實施，問卷是在線上發布，聯合澎湃新聞客戶端進行發放。樣本來自于全國各地，由于里面涉及到具體的社區通等移動政務平臺僅上海市采用，所以最后本研究問卷結果中只顯示了來自于上海市的樣本，經過數據清理后，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，采用相關分析、回歸分析與偏最小二乘結構方程模型(PLS-SEM)對假設進行驗證與分析以及對所提出的研究模型進行評價；采用描述統計分析、獨立樣本t檢驗對問卷被調查者的基本信息進行分析并從中發掘有意義的發現。

四、研究結果

(一)描述性統計分析

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

表1 被調查者基本信息

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

2. 樣本描述統計分析。此次問卷發放獲得的395個樣本中有54.94%的受訪者在疫情期間使用了移動政務平臺，這217位受訪者最常使用的移動政務平臺是政務微博(如上海發布等官方微博賬號)(60.37%)與政務微信(如上海發布、上海健康云等官方微信公眾號)(58.53%)，其次是政務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%)，使用過政務服務小程序(微信、支付寶小程序)和政務短視頻(抖音、快手)(如“上海中心”)的受訪者均占總人數29.95%。隨著 “健康碼”等新型措施的問世與全國范圍內的推廣使得問卷發放后期使用過移動政務平臺的人數占比大大提高。使用過社區治理云服務(社區通、本地寶等)和“隨申碼”等專用政務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平臺4次以上，26.73%的受訪者每周使用移動政務平臺超過6次。

對于移動政務平臺的持續使用意愿方面，49.31%的受訪者表示有在未來繼續使用移動政務平臺的想法，39.17%回答以后還會繼續使用移動政務平臺，11.52%的稱以后還會經常使用移動政務平臺。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平臺，疫情暴發之后才首次使用移動政務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平臺的使用行為是否是初次使用對持續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值(Cronbach Alpha)進行分析，變量移動政務使用行為(USE)有10個題項，Cronbach Alpha系數>0.8，代表信度很好，數據有較高的內在一致性，可靠性較強；虛擬社區意識(SOVC)這個變量有3個題項，系數>0.7，信度較好，可靠性較強，此問卷設計較為合理；因為持續使用意愿(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)移動政務平臺使用行為與持續使用意愿的多元回歸分析

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

表4 相關分析

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“最高學歷”這個變量進行虛擬化處理，將占比最高的“本科”學歷作為對照組。當加入五個控制變量時，虛擬社區意識(SOVC)對移動政務使用行為(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”“習慣”的顯著性值遠大于0.05，在因變量移動政務使用行為(USE)上沒有統計學意義；“便利條件”的顯著性值為0.01，“最高學歷”的顯著性值為0.014，在因變量移動政務使用行為(USE)上有統計學意義。便利條件與移動政務使用行為(USE)呈正相關；而最高學歷與移動政務使用行為(USE)呈負相關。R方決定了模型的預測能力，此線性模型解釋了18%的移動政務使用行為變化。F值對應的顯著性值為0.00，說明自變量對因變量有影響關系，自變量虛擬社區意識(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)。

而在虛擬社區意識(SOVC)對移動政務持續使用意愿(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”“最高學歷”“年齡”的顯著性值大于0.05，在因變量移動政務持續使用意愿(CIU)上沒有統計學意義；“習慣”的顯著性值小于0.05，在因變量移動政務持續使用意愿(CIU)上有統計學意義。 R方決定了模型的預測能力，此線性模型解釋了8.8%的移動政務平臺持續使用意愿。F值對應的顯著性值小于0.05，說明自變量對因變量有影響關系，自變量虛擬社區意識(SOVC)的B值與Beta值均大于0，說明影響方向為正面影響。習慣與移動政務持續使用意愿(CIU)呈顯著正相關。

表5 不同因素對使用行為與持續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“最高學歷”做虛擬化處理，并選取“本科”學歷作為對照組。

增加連續虛擬變量后，“性別”“習慣”的顯著性值大于0.05，在因變量移動政務使用行為(USE)上沒有統計學意義，總的來說“性別”“習慣”“年齡”對USE沒有顯著的影響。“便利條件”“最高學歷”的顯著性值小于0.05，在因變量移動政務使用行為(USE)上有統計學意義。

增加連續虛擬變量后，“性別”“便利條件”的顯著性值大于0.05，在因變量移動政務持續使用意愿(CIU)上沒有統計學意義；“習慣”的顯著性值小于0.05，在因變量移動政務持續使用意愿(CIU)上有統計學意義。這也和表5中的結果一致。

表6 不同因素對使用行為與持續使用意愿的回歸分析(連續虛擬變量)

(四)移動政務平臺影響路徑的結構方程模型分析

此研究采用PLS-SEM(偏最小二乘結構方程模型)對研究模型進行評價，使用的軟件是SmartPLS3.0。路徑系數代表因變量與自變量之間的直接影響。本文中結構模型的路徑系數由SmartPLS3.0默認的PLS分析算法運算得出，為了結論的準確性與穩定性，選擇的迭代次數為5000次。同時，使用了該軟件中的Bootstrapping算法反復抽取2000子樣本的方式進行多次運算，對路徑系數的顯著性進行估計。Bootstrapping算法是指利用有限的樣本數據，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據都是不同的，而抽取足夠多的樣本量可以使得這些數據差距變小變得很相似，從而使得對模型顯著性的估計結果更具可信度。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構模型，箭頭中間的數字代表每條路徑的路徑系數R，圓形中的數字是R方，此模型解釋了11.2%的使用行為變化和3.1%的持續使用意愿的變化。

圖2 虛擬社區意識、使用行為和持續使用意愿的結構方程模型

如表7所示，通過PLS算法運行結果，得到虛擬社區意識(SOVC)對移動政務平臺使用行為(USE)的影響路徑系數為0.334；通過使用Bootstrapping算法反復抽取2000子樣本進行運算對路徑系數的顯著性進行估計，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H1得到了支持，即虛擬社區意識(SOVC)與公眾對移動政務平臺的使用行為(USE)呈顯著正相關。

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

移動政務平臺使用行為(USE)對移動政務平臺持續使用意愿(CIU)的影響路徑系數為0.084，此路徑對應的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，說明此路徑系數不顯著，即在此次新冠肺炎疫情背景下公眾對移動政務平臺的使用行為對持續使用意愿的影響不顯著，因此文中所構建的結構模型的中介效應不成立。

表7 Bootstrapping分析

最后，將SmartPLS3.0對結構方程模型的分析結果與SPSS23的回歸分析結果進行對照，結論基本符合。

五、研究結論與啟示

(一)研究結論

本研究旨在探討虛擬社區意識在移動政務平臺使用行為與持續使用中的作用機理。基于上海市問卷調查收集的數據，研究發現虛擬社區意識與移動政務平臺使用行為之間的直接聯系是顯著的，虛擬社區意識與移動政務平臺持續使用意愿之間呈正相關，而移動政務平臺的使用行為與持續使用意愿沒有顯著相關性。

第二，使用移動政務平臺的便利條件與使用行為呈正相關，而使用移動政務平臺的習慣對持續使用行為有顯著的正向影響。

(二)完善我國移動政務建設的啟示

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

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

(三)研究的局限性與展望

本研究采用線上發放調查問卷的方式進行數據收集，對我國移動政務公眾使用行為與持續使用意愿進行實證研究，有一定的理論以及現實基礎，但仍然存在一定的不足。

首先，移動政務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，在樣本數量上不足以代表我國公眾使用移動政務平臺的總體情況；并且本文選取的這395位調查對象無論在地理信息上，還是在年齡、性別、學歷等其他特征上，都不足以代表我國公眾。在未來的研究中，應該擴大調查的地域以及樣本數量，使得研究結果更具有實際意義。

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生性問題，本研究已經采用結構方程識別出了中介效應，也進行了相關性檢驗排除多重共線性，所以不“存在虛假因果關系”。雖然我們選擇的變量提供了可靠的結果，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果有一定的局限性，在平常時期的研究結果可能會有所不同。本文是對現有的所有移動政務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境背景和不同的移動政務平臺，還可以與此次新冠肺炎疫情期間的研究結論做比較，探討在不同的情境下或不同的移動政務平臺結論是否會有不同。