利用技術接受模型（TAM）的古典文學改編游戲使用意愿研究

引言

2024年8月20日，游戲科學公司推出的國產3A游戲《黑神話：悟空》（簡稱《悟空》）引起了廣泛關注。根據VGInsights的數據，截至2024年9月30日，游戲在Steam平臺的銷量已達2090萬套，總收人超過10億美元（約合人民幣70.1億元）。IGN中國給出了滿分評價，稱其為“中國電子游戲的新突破”。游戲的成功不僅推動了文旅產業的發展和衍生產品的熱銷，還讓海外玩家通過游戲了解了中國文化，推動了《西游記》外文版書籍和電視劇的新一輪傳播，促進了中華文化的全球傳播。這也體現了游戲作為第九藝術在當今大眾文化中的傳播力。

相較于數字游戲這一時常遭受價值審視的后現代產物，文學這一古老的藝術形式顯然更具有符號性信譽，但游戲借用已有文學作品的行為有利有弊。不同于閱讀文學文本的靜觀感受形式，這種融入主觀臆造的名著世界帶給玩家的奇觀感，極大地滿足了主體構建理想自我的表現欲，同時又推進了古典名著的再體驗和新解讀。那么，古典文學究竟應該怎樣改編？改編中的哪些因素會影響受眾的使用意愿？這些是值得探討并且具有現實意義的問題。

一、古典文學作品跨媒介改編文獻概述

隨著媒介融合技術的發展，古典文學作品的跨媒介改編成為研究熱點，學者普遍認為其是中華優秀傳統文化創新傳承的重要途徑。已有大量研究集中在影視劇和同人文改編上，對于電子游戲改編的研究相對較少。現有文獻中的觀點主要集中為兩類：一類觀點認為，電子游戲與古典文學之間存在著復雜的依存與延伸關系，游戲通常會對原著進行二度創作，以增強趣味性[]，但也可能導致原著的膚淺化或歪曲化[2]；另一類觀點關注電子游戲對傳統敘事的影響，認為游戲通過碎片化和非線性敘事結構，打破了傳統文學的線性敘述，揭示了后現代文學的特征[3］。然而，關于受眾對古典文學改編游戲使用意愿的研究仍較為匱乏。

因此，如何將游戲媒介與文化傳播結合，成為亟待探討的問題。本文從受眾使用意愿的角度研究“古典文學改編游戲的使用意愿”，首先基于文化基因與期待視野理論，對改編因素進行分類與識別，并融入4Es-TAM模型，利用結構方程模型（SEM）建立假設。其次，通過問卷收集游戲玩家數據，使用SPSS26.0測量工具分析分布特征和信度，使用AMOS24.0構建軸正和結構模型，進行驗證性需求分析、模型適用性驗證和假設路徑分析。最后，提出平衡用戶需求與文化傳播的方法，為文化產品創作提供可行方案。

二、理論背景和假設

（一）文化基因與期待視野

“文化基因”一詞源自英國動物學家理查德·道金斯在1976年出版的著作《自私的基因》中提出的“meme”概念。“meme”指通過非遺傳方式傳播的文化元素，如思想、習慣、語言等，能夠跨代際或跨地域傳遞[4]。期待視野的產生受到讀者既往生活經驗、閱讀審美體驗以及社會風尚的制約[5]。因此，讀者的期待視野是動態多元的，并且只有當讀者的期待視野與作品相匹配或有所突破時，作品所傳播的信息才能被真正地接受和理解。

（二）體驗經濟理論（4ES）

JosephPine和JamesGilmor認為，經濟發展經歷了從農業經濟到工業經濟，再到服務經濟，最終轉向體驗經濟的過程。體驗經濟強調公司將產品和服務轉化為可以通過感官和經驗體驗的場景[6]。Pine和Gilmore認為，企業可以通過重塑娛樂、知識、審美和逃避等體驗維度來吸引顧客并建立長期的情感聯系。

（三）技術接受模型理論（TAM）

Davis（1989）提出的技術接受模型（Technology Acceptance Model， TAM）是一種用于解釋和預測個人在接受新技術時的行為和態度的模型。TAM基于社會認知理論，將技術接受行為分為感知有用性（PerceivedUsefulness，PU）和感知易用性（PerceivedEaseofUse，PEOU）兩個主要概念要素。技術接受模型的理論框架及其各變量之間的關系如圖1所示。

依據以上理論建立如下假設：

H1：知識體驗（Education Experience）會對感知易用性（PerceivedEase ofUse）產生“正”（+）的影響。

H2：審美體驗（Esthetic Experience）會對感知易用性（PerceivedEaseofUse）產生“正” （+） 的影響。

H3：娛樂體驗（Entertainment Experience）會對感知易用性（PerceivedEaseofUse）產生“正” （+） 的影響。

H4：脫離體驗（Escape Experience）會對感知易用性（PerceivedEaseofUse）產生“正” （+） 的影響。

H5：知識體驗（Education Experience）會對感知有用性（PerceivedUsefulness）產生“正”（+）的影響。

1.技術接受模型的理論框架及其各變量之間的關系

H6：審美體驗（EstheticExperience）會對感知有用性（Perceived Usefulness）產生“正” （+） 的影響。

H7：娛樂體驗（EntertainmentExperience）會對感知有用性（Perceived Usefulness）產生“正” （+） 的影響。

H8：脫離體驗（EscapeExperience）會對感知有用性（Perceived Usefulness）產生“正” （+） 的影響。

H9：感知易用性（PerceivedEaseofUse）會對感知有用性（Perceived Usefulness）產生“正 （+） ”的影響。

H10：感知易用性（PerceivedEase ofUse）會對使用意愿產生“正”（+） 影響。

H11：感知有用性（PerceivedUsefulness）會對使用意愿產生“正”（+） 影響。

三、實證分析

（一）測量工具

本研究對以往研究中驗證的可靠性和有效性較高的測量工具進行了修改和補充，使其符合本研究的目的和情況。體驗經濟因素的四個要素，即娛樂體驗、知識體驗、審美體驗和脫離體驗，是基于Pine 和Gilmore（1999）的體驗經濟理論，共包含16個測量項目，每個項目由4個問題組成。此外，感知有用性共有4個問題，源自Hong，S.J.，Y.L.Thong和K.Y.Tam（2006）［7]的研究。根據本研究的實際情況，對題項進行適配性修改，每個概念的測量結果均采用李克特7級表進行計分（ 1= 非常不同意， 7= 非常同意）。

（二）數據收集

本研究在《悟空》的中韓玩家中進行了調查，通過騰訊問卷星以及谷歌問卷平臺發放網絡問卷。于2024年9月1日至9月30日共向400人發出問卷，成功收回問卷342份，有效回收率達到 85.5% ，平均回答時間為12分28秒。本次調查設定，回答時間少于6分鐘或超過25分鐘的問卷無效，如果回答一致或出現有規律的數字，則被視為不誠實回答。基于以上標準，28份問卷被排除在樣本之外。同時，考慮到中韓兩國問卷數據的平衡，排除低質量問卷14份，最終有效樣本總數為300份，有效樣本率為 75% 。

（三）頻度分析與技術統計

本文使用SPSS對問卷中的人口動態項目進行頻率分析，以確定受訪者的總體比例情況。在總共300份有效樣本中，男性213人（ 71.0% ），女性87人（ 29.0% ），男女比例接近 7：3 。鑒于研究主題為電子游戲，該比例符合實際游戲玩家的性別分布。由于該游戲的評級為¹⁸⁺ ，所以本次調查未涉及未成年人，大多數受訪者年齡在40歲以下，占全體樣本的 96% 。從樣本的職業分類來看，學生最多（201人，占比 67.0% ）。中韓人數樣本分布比例為 1：1 。具體的人口統計情況見表1。

（四）測量模型

根據Anderson和Gerbing（1988）[8]提出的兩步法（Two-Step Approach），使用AMOS24.0軟件，運用最大似然估計法（MaximumLikelihoodEstimation，MLE）進行了驗證性因子分析（CFA）。根據Hair等人（2009）「9]的建議，因子載荷值（FactorLoading）低于O.6的項目應從分析中排除。因此，ENTE3、EDUE4、IU13個項目被排除。根據表2，各變量的Cronbach's ∝ 系數在0.801到0.926之間，各構念具有良好的內部一致性和信度。此外，測量模型的收斂效度（ConvergentValidity）表明，所有測量項目的因子載荷值均大于0.6，組合信度（CR）在0.802到0.927之間，結果符合標準。Fornell和Larcker（1981）建議平均方差抽取（AVE）值應大于0.5。測量模型的AVE值在0.575到0.809之間，確保了測量模型的收斂效度。

為了檢驗模型的收斂效度和區分效度，本文利用AMOS進行了驗證性因子分析。從表3的分析結果可以看出，每個構念的平方根AVE值均大于0.7，可以認為該模型的收斂效度較好[11]。并且每個構念的平方根AVE值都大于其他相關系數，這表明該模型具有良好的區分效度[12]。

如表4所示，測量模型的適配度指標如下： X^2/df=2.194 SRME=0.035 ：RMSEA _-0.053 ： GFI=0.908 ；IFI=0.960;CFI=0.960; TLI=0.952 ，與經驗值一致，意味著測量模型具有良好的模型擬合度。

（五）結構模型

本文利用AMOS21.0軟件對模型進行了路徑系數檢驗，并驗證了潛變量之間的假設關系是否成立。根據表4，結構模型（StructuralModel）的適配度指標如下： X^2/df=2.198 ；SRMR _=0.036 ；RMSEA _.=0.053 ; GFI=0.806 ：IFI=0.959 ； CFI=0.959 ； TLI=0.952 ，符合經驗值，表明結構模型具有良好的模型適配度。假設檢驗結果與路徑圖如表5、圖2所示。

四、結論與策略

（一）研究結論

具體來說，文化基因通過增強文化認同感和沉浸感，提升了玩家的長期使用意愿。在韓國玩家中，審美體驗效果顯著，而知識體驗的效果較低，表明韓國玩家更能接受游戲的視聽氛圍和悲劇性敘事。中國玩家則對知識體驗和審美體驗的接受度較高，但知識體驗略低，反映出文化內容的豐富性與可視聽表現的結合更易提高其接受度。另外，期待視野通過滿足情感需求減少排斥感，提升初期使用意愿。韓國玩家在此維度得分較高，表明游戲的奇觀場景和敘事超出了他們的預期。中國玩家得分相對較低，可能因為對傳統文化內容的固有印象形成抵觸。盡管如此，游戲總體上在營造期待視野方面仍是成功的。

本研究深人分析了“文化基因”（知識體驗與審美體驗）和“期待視野”（娛樂體驗與脫離體驗）兩類體驗對玩家使用意愿的影響。結果顯示，審美體驗和脫離體驗在提升操作便捷性和增強初期使用意愿方面具有顯著作用，而知識體驗則通過文化內容呈現強化了玩家對游戲的有用性認知，顯著促進了長期使用意愿。此外，結果在本國和國外玩家群體中均得到驗證。

綜上所述，文化基因和期待視野在不同文化背景下對玩家使用意愿具有顯著影響。文化基因通過增強文化認同感和沉浸感，促進長期使用意愿;期待視野通過滿足情感需求吸引玩家并緩解文化差異帶來的抗拒情緒。跨文化數據表明，審美體驗和情感滿足對游戲接受度具有重要作用。因此，在開發古典文學改編游戲時，應根據目標玩家的文化背景進行創意性適配，以實現更廣泛的文化傳播與共鳴。

（二）策略

通過上文的分析與研究，本文提出以下策略。首先是優化文化呈現，提升審美體驗以吸引跨文化玩家。在古典文學改編游戲中，視覺和聽覺效果是跨文化傳播的關鍵。審美體驗應簡化文化內容的復雜性，使其易于被非本土玩家接受。通過強化共通的情感元素，增強不同文化玩家之間的共鳴。其次是注重知識體驗，提供文化背景知識以增強長期使用意愿。知識體驗能加深玩家對游戲文化內涵的理解，提升其長期使用意愿。開發者應增加互動性文化內容，降低理解成本，潛移默化地傳遞古典文學知識。最后是巧妙構建期待視野，滿足玩家的好奇心和新鮮感。期待視野的構建對于吸引新玩家至關重要，尤其是在文化差異可能導致初期排斥時，通過創新敘事、戲劇性情節和奇觀場景設計，能激發玩家對未知文化的興趣。

結束語

總之，古典文學改編游戲的成功在于傳達文化精髓的同時，滿足玩家的情感和心理需求。通過精心設計審美、文化知識和期待視野的體驗，并結合本地化需求，推動傳統文化的創新傳承與全球傳播。本研究探討了古典文學改編游戲用戶的文化體驗及各變量的影響，并提出了切實可行的策略。為推動古典文化的全球傳播，需要繼續研究其跨媒介轉化方式。此外，本研究考慮了技術接受模型（TAM）的可驗證性和漸進性聯系，未來可擴展至TAM2和UTAUT模型，進一步深人研究古典文學改編游戲。

參考文獻：

［1］趙夏.從古典名著到電子游戲：以《真三國無雙》的改編為例［J］.學術評論，2017（3）：58-65.

[2」杜慶春.走向文化生產的經典文本再生產：名著改編電視劇文化研究［J].北京電影學院學報，2000（2）：11-17.

［3］吳小玲.網絡游戲對古典作品的重構：以《吞食天地Online》和《三國策Online》為例［J].當代傳播，2005（2）：75-77.

[4］RichardDawkins.The SelfishGene[M］.盧允中，張岱云，譯.牛津：牛津大學出版社，1997.

[5］黃光偉．“期待視野”與接受主體審美心理結構的建構、調整［J]，北方論叢，2001（3）：72—77.

[6]Joseph Pine，James Gilmore .The Experience Economy： Work isTheatre and Every Business a Stage[M].Boston：Harvard BusinessSchool Press.1999.

[7］Hong，S.J.，Y.L. Thong，andK. Y. Tam.Understanding continueof information technology usagebehavior： A comparison of threemodels in the context of mobileinternet[J］.Decision SupportSystems，2006，42（3）：1819-1834.

[8]Anderson， J. C. and D.W.Gerbing. Structural equationmodeling in practice： A review andrecommended two-step approach[J].Psychological Bulletin，1988，103（3）：411-423.

[9]Hair，J.F.，W.C.J. Black，andR.E.Anderson.Multivariate DataAnalysis（7thed.）[M].PrenticeHall，2009.

[10]Fornell， C.and D.F. Larcker.Evaluation of Structural EquationModels with Unobservable Variablesand Measurement Error [J].Journal of Marketing Research，2009，18（1）：39-50.

[11]Hair，J.F.，Black，W.C.，Babin，B.J.，amp; Anderson，R.E.Multivariate Data Analysis （7thed.）[M] .London：Pearson，2010.

[12]Bagozzi，R. P.and Y. Yi.On theEvaluation of Structural EquationModels［J］.Journal of theAcademy of Marketing Science，1988，16（1）：74-94.