高 燕 查先进 严亚兰

在互联网出现之前,人们的阅读行为主要基于图书、期刊、报纸等传统纸质媒体来进行。随着科技与互联网的发展,依托智能手机、平板电脑等电子设备进行的数字化阅读越来越普及,网民规模大幅增长,阅读人群更多,阅读内容在话题和形式上也更加丰富多样,阅读生态发生了巨大变革。同时,互联网上的信息呈现“井喷式”增长趋势,随之而来的信息迷航、信息过载等问题也层出不穷。为了帮助用户在信息海洋中高效便捷地获取优质内容,智能推荐功能应运而生,如知乎、微博、抖音的推荐功能和淘宝、大众点评的“猜你喜欢”栏目等,从而也产生了一类新的互联网行为——智能推荐信息阅读。

但目前的智能推荐功能并非总是令人满意和称赞的。在智能推荐环境下,容易出现沉迷、信息茧房、信息质量低劣等问题。推荐算法的优化该如何与用户个人需求相匹配,智能推荐环境下用户的阅读习惯和特点是什么,用户在移动社交媒体上进行智能推荐信息阅读的影响机理究竟如何,等等,智能推荐功能有关的许多问题都值得我们深入思考。

1 文献综述

1.1 移动社交媒体与社会化阅读

社交媒体(social media),也称社会化媒体,指互联网上基于用户关系的内容生产与交互平台,如知乎、微博、豆瓣等。阅读是人们通过语言、文字、图表等视觉材料来获取信息、认识世界、发展思维的活动。社交媒体正在潜移默化地改变着人们的阅读习惯、阅读理念,也改变着人们的生活和学习方式[1]。互联网时代用户的阅读具有碎片化呈现、个性化推动和社会化阅读三个特点[2],其中社会化阅读是近年来众多行业、学者研究的热点。目前,我国社会化阅读的相关研究正不断升温,在研究主题上涵盖了阅读方式、阅读平台、阅读用户、理论探讨等各个方面[3]。

社会化阅读作为社交媒体发展的产物,是一种以内容为核心,以社交关系为纽带,注重分享、交流和互动的移动阅读新模式[4],以“社交+阅读”为主要特征。在互联网时代的阅读文化中,阅读的社会性得到重视,这与社交媒体的新功能相关[5]。社交媒体用户的阅读动机主要包括娱乐、自我呈现、信息获取、社交推广和社交互动[6]。孙挺等人对社会化阅读用户的持续使用意愿与不持续使用意愿进行了系列研究,提出满意度是社会化阅读用户持续使用意愿与不持续使用意愿最主要的影响因素[7],此外用户不持续使用意愿的影响因素还有负面感知绩效、使用倦怠、功能过载、社交过载和信息过载等[8]。用户消极行为也是近年来社交媒体领域的研究热点之一,社会因素是用户流失的主要原因,其次是信息质量、系统质量与服务质量[9]。李旭等人还基于自我调控理论框架,从心理契约违背视角切入,提出了社会化阅读用户负面使用评价→情绪情感反应→应对行为的模型,解释了社会化阅读用户不持续使用的发生机理[10],丰富了信息过载背景下社会化阅读APP用户的消极使用行为的研究。

用户在进行社会化阅读时,通常还会进入一种心流状态。心流状态又称心流体验,当个体处于流体验状态时,会完全被当前所做的事深深吸引,心情非常愉快并且感觉时间过得很快[11]。心流体验还表现为对活动着迷、全神贯注、废寝忘食、对时间的流逝和外部世界的存在丧失感觉等[12]。近年来,用户进行社会化阅读时的心流状态也逐渐成为研究热点,季丹等人从感知控制、临场感、交互响应性三个维度探讨了影响用户社会化阅读心流体验的因素,构建了公众社会化阅读行为意愿的影响机制模型[13],为社交媒体背景下更好地提升用户的社会化阅读体验提供了新的研究视角。

1.2 智能推荐功能

许多信息推荐策略采取的是“融合推荐”,即参考多个维度为用户进行推荐。从效果上看,融合推荐较单一维度推荐在准确率和召回率上表现更好,可以极大地提升网络信息利用率和信息服务质量[14]。当前对智能推荐的研究主要集中于基于知识图谱技术的算法优化,如融合知识图谱和病情画像的在线医疗社区信息推荐等[15]。

在推荐算法的实现过程中,系统主要根据用户的浏览历史和点赞、收藏等行为为用户进行内容推荐,但系统管理者并不完全放任推荐系统按照用户的个性化偏好来进行推送,而是会对某些内容进行加权推送,比如国家重大政策和重大节假日活动信息、同城新闻、广告的投放内容等,会按不同的权重推送给不同的用户。社交媒体APP上的智能推荐服务是一个基于复杂算法的、不断变化的智能推荐系统,如何针对不同的系统、不同的目标人群进行推荐算法的优化是当前众多行业和学者关注的问题。

移动社交媒体和智能推荐功能深深地影响和改变了人们的阅读环境与阅读行为方式,但现有研究大部分是从阅读的“社会化”角度开展的,或者是基于用户点击率、日活跃量等数据指标的推荐算法优化研究,而智能推荐环境的确切感知及这一环境下用户阅读行为变化的详细研究则有待进一步丰富。

2 研究设计与数据搜集

2.1 研究方法

扎根理论(grounded theory)是Glaser和Strauss在1967年提出的、用于定性研究的重要研究方法[16],其核心是从原始资料出发,通过对原始资料的不断提炼、概括和归纳,“自下而上”地建立理论[17]。由于智能推荐功能最近几年才成为互联网社交媒体的主流功能,智能推荐环境下的用户行为研究也相对较少,所以扎根理论是研究移动社交媒体智能推荐信息阅读的有效方法。扎根理论在定性研究上被多次运用,根据前人经验[18]和本文实际研究情况,制定如图1所示的研究流程。

图1 研究流程

2.2 访谈提纲

本文使用半结构化一对一访谈的方式进行数据搜集,首先根据文献资料和研究经验形成初版访谈提纲,邀请3名受访者进行预访谈后对初版访谈提纲中存在的问题进行反复讨论与修正,以保证访谈效果和访谈结果的可信度,最终形成正式的访谈提纲。在正式访谈过程中,根据受访者的知识背景等实际情况,同一问题的问法和表达语句略有区别,但核心意思不变。访谈流程为:访谈介绍、受访者信息采集和正式访谈。访谈提纲见表1。

表1 访谈提纲

续表

2.3 样本选择

本研究采用选择性抽样的方式来确定研究样本,选取和本研究具有相关性的人群进行访谈。受访者需满足的条件:(1)熟悉并经常使用社交媒体。(2)有过社交媒体智能推荐信息的阅读体验。(3)能较准确地理解访谈问题,并具备清晰地表达观点和想法的能力。(4)能最大程度为访谈问题提供足够的信息量。(5)以积极认真的态度接受访谈,并同意访谈过程全程录音。

其中条件(2)的确定方式如下:询问候选受访者是否在列举的任一种APP的推荐功能区进行过信息阅读,并请受访者打开APP进行当面确认或通过网络截图进行在线确认。APP选择范围包括:知乎、豆瓣、今日头条、百度、简书、虎扑、脉脉、去哪儿、大众点评的推荐板块,携程、美团首页的“猜你喜欢”等下拉推荐内容,马蜂窝旅游、小红书的“发现”板块。若有过上述体验,且满足其他条件,则可以成为本项研究的受访者。

2.4 数据搜集

数据的正式搜集历时4周,搜集步骤如下:(1)与受访者确定访谈计划(电话访谈或面对面访谈)。(2)访谈经受访者允许后全程录音,访谈过程中确保受访者能最大程度地理解访谈问题,并对回答中模棱两可的观点进行追问确定。(3)访谈结束后用软件对录音进行转录。(4)对软件转录结果进行人工校对,结合上下文语境对过度口语化和重复较多的表达语句进行处理,最后形成规范化转录文档。(5)借助NVivo12电脑软件对规范化转录文档进行逐句分析,提取初始概念。

完成对每个受访者的访谈后先将其访谈录音转录文档进行概念化编码,然后再继续下一个访谈,以便准确掌握理论饱和的时间节点。进行理论饱和度检验后,最终得到了21份访谈录音与规范化转录文档。按照受访者完成访谈的时间将所有转录文档按照A—U的字母顺序进行命名编号。21名受访者的情况见表2。

表2 研究样本情况

3 扎根分析

3.1 开放编码

对访谈后的规范化转录文档进行逐句编码,提炼初始概念,过程中尽量提炼本土化的概念,对于相同的概念,仅编码一次;对于相似的概念,选择其中的一个作为初始概念。本阶段共提取出662条原始语句,提炼出167个初始概念。表3列出了部分初始概念的提炼过程。

表3 开放式编码示例

结合已有的理论和文献,对所有初始概念进行反复比较,剔除偶然性较大、不具代表性的个别初始概念,聚类后形成基本范畴,最终形成了28个基本范畴,所有基本范畴的含义与来源详情见表4。

表4 范畴化编码情况

续表

续表

续表

3.2 主轴编码

将28个基本范畴进一步归纳为智能推荐信息阅读、智能推荐系统质量、智能推荐信息质量、阅读流体验、任务紧急度、时间约束、心理授权和用户偏好8个主范畴,见表5。

表5 主轴编码情况

续表

3.3 选择式编码

在选择编码阶段,结合原始语句对8个主范畴之间的关系进行反复比较分析,梳理出如下的影响关系(见表6):智能推荐系统质量、智能推荐信息质量、阅读流体验、任务紧急度、时间约束、心理授权和用户偏好均对智能推荐信息阅读产生直接影响,智能推荐系统质量和智能推荐信息质量对阅读流体验产生直接影响,智能推荐信息质量对心理授权产生直接影响。因此,将“智能推荐信息阅读”确定为核心范畴,并构建出智能推荐信息阅读影响机理理论模型(见图2)。

图2 移动社交媒体智能推荐信息阅读影响机理理论模型

表6 主范畴典型关系

续表

3.4 理论饱和度检验

Francis曾提出访谈研究数据饱和的“3个停止标准”[46]:在没有新的想法后进行多于3份的资料验证即可判断理论是否饱和。在本研究的数据搜集过程中,每完成一位受访者的采访便立即进行原始语句与初始概念的提取分析。当对第14位受访者的访谈资料进行提取分析后发现已无新的想法、概念产生,又继续访谈了7位受访者,均无稳定的新初始概念和概念关系出现。于是判断理论已达饱和,最终确定了21份研究样本。

4 移动社交媒体智能推荐信息阅读的影响机理

4.1 理论模型内涵

4.1.1 智能推荐信息质量对智能推荐信息阅读的影响

(1)用户在阅读智能推荐信息时,如果看到太多重复或同质化内容时就不想再看,当推荐信息更丰富、全面时会持续地进行阅读,信息多样性正向影响智能推荐信息阅读。(2)当用户觉得智能推荐的信息对自身有用、可以解决自身问题时,会更想去看推荐的信息、有更多的推荐信息阅读行为,反之则会减少阅读智能推荐信息的行为,信息效用性正向影响智能推荐信息阅读。(3)当标题比较简洁、醒目、具有视觉冲击力和吸引力时,会促进用户的阅读行为和意愿,标题清晰度正向影响智能推荐信息阅读。(4)如果推荐的信息是当下的热点信息或是某件新闻的最新进展,用户的阅读意愿和行为会增加;如果是已经过时的信息,用户的阅读意愿和行为则会下降。即,信息及时性正向影响智能推荐信息阅读。(5)用户根据自身知识和经验可以对智能推荐的信息进行正确性判断,当用户看到了虚假的、欺骗性的信息之后,会倾向于结束阅读过程,并对智能推荐系统和智能推荐信息产生不信任等负面态度。推荐信息越准确、越接近事实真相,越容易取得用户的信任,信息准确性正向影响智能推荐信息阅读。(6)用户如果看到了许多趣味性高的智能推荐信息,会不断地进行阅读;若在阅读过程中读到了枯燥无味的内容或是已经持续一段时间没有读到有趣的内容了,用户就会结束阅读过程。即,信息趣味性正向影响智能推荐信息阅读。(7)如果智能推荐的信息是用户感兴趣的,用户会进行阅读,推荐的内容中用户感兴趣的、和用户相关的越多,用户在推荐页面的停留时间会越长,对相应推荐系统和推荐信息的好感度也会更强;当用户持续一段时间没有阅读到感兴趣的内容时,用户大概率会结束阅读过程。即,兴趣相关性正向影响智能推荐信息阅读。综上,智能推荐信息质量正向影响智能推荐信息阅读。

4.1.2 智能推荐系统质量对智能推荐信息阅读的影响

(1)当智能推荐系统表现得更了解用户、能精准地抓住用户的兴趣点和用户需求时,用户会更喜欢阅读智能推荐信息,有更多的阅读智能推荐信息的行为,推荐算法精准性正向影响智能推荐信息阅读。(2)当用户打开APP就会出现推荐页面,或者进入推荐页面比较便捷、可以筛选、有快捷方式等方便自己操作的功能时,用户会更倾向于阅读智能推荐信息;反之,若推荐功能的入口比较隐蔽,操作成本大,用户阅读智能推荐信息的意愿和行为也会降低。即,系统易用性正向影响智能推荐信息阅读。(3)当推荐信息的版面设计比较简洁、符合用户的审美时,用户会倾向于在推荐页面阅读更长的时间;当页面设计让用户觉得凌乱、不整洁时,会促使用户结束当前的阅读行为。即,页面表现正向影响智能推荐信息阅读。(4)当阅读智能推荐信息时看到了恶意评论或是感受到了不友好的人际氛围,用户大概率会结束阅读行为;当用户持续地感受到了良好的人际氛围,会倾向于在推荐页面阅读更长的时间。即,人际体验正向影响智能推荐信息阅读。综上,智能推荐系统质量正向影响智能推荐信息阅读。

4.1.3 阅读流体验对智能推荐信息阅读的影响

(1)当用户处于开心、放松等积极的情绪状态时,阅读智能推荐信息的意愿会增加;当用户心情不好、情绪低落的时候,阅读智能推荐信息的意愿会降低,若正在进行智能推荐信息阅读,也会因心情或情绪的负向变化而终止阅读行为。即,情绪正向影响智能推荐信息阅读。(2)当用户阅读智能推荐信息产生快乐的体验时,会持续阅读下去,并认为阅读智能推荐信息是一件非常好的、令人快乐的事情。相反,若在阅读智能推荐信息时长时间没有愉悦的体验,用户会倾向于结束阅读。即,感知娱乐性正向影响智能推荐信息阅读。(3)当用户感觉到身心疲劳、精神状态不好时,阅读智能推荐信息的意愿和行为会减少,若正在阅读,会因为疲劳而停止;若用户精力充足、未感觉到疲劳,用户持续阅读智能推荐信息的行为和阅读意愿也会有所增加。即,疲劳感负向影响智能推荐信息阅读。(4)当用户在某个时刻感到无聊、没有特定想做或是需要做的事情时,会倾向于通过阅读智能推荐信息来找乐子、获取信息,阅读意愿和行为会增加,无聊感正向影响智能推荐信息阅读。(5)在使用移动社交媒体APP时,当用户没有一个确定的搜索目标或特定的搜索词时,会去推荐功能区阅读智能推荐信息;若用户有很明确的需要了解、关注的目标,则会在APP上进行搜索行为而非阅读智能推荐信息。即,搜索焦点缺失正向影响智能推荐信息阅读。综上,阅读流体验正向影响智能推荐信息阅读。

4.1.4 智能推荐信息质量对阅读流体验的影响

当看到了较多符合自己兴趣的、对自己有用的、正确的、时下热门的、有趣的、丰富多样的信息时,用户会获得愉快的体验,认为阅读智能推荐信息可以达到娱乐休闲的效果,从而会持续地、有更多的阅读智能推荐信息的行为;若看到了较多虚假的、同质化的、不及时的信息时,用户会感到反感、心情被破坏,阅读智能推荐信息的意愿也会降低。即,智能推荐信息质量正向影响阅读流体验。智能推荐信息质量可以通过直接影响阅读流体验中的感知娱乐性、情绪来间接影响智能推荐信息阅读。

4.1.5 智能推荐系统质量对阅读流体验的影响

用户的情绪容易受移动社交媒体APP上其他用户评论的影响,若该APP上均是受教育层次高、语言温和的用户,用户能在其中感受到良好的人际体验,那用户在阅读智能推荐信息时便会心情平和愉悦;若该APP上总是出现拉踩、引战等不温和的内容,用户当时的心情便会受到影响,从而导致结束在该APP上的阅读。若该推荐系统存在操作比较繁琐(如进入/退出推荐页面步骤冗杂、功能按钮层级关系过多、进入推荐页面后原浏览页面消失需重新进入等)、可操作空间较少(如不能对内容进行筛选、保存、转发、屏蔽等)、系统卡顿等现象,也会使用户的心情变得烦躁,最终导致用户放弃阅读、讨厌该APP等。智能推荐系统质量正向影响阅读流体验,智能推荐系统质量可以通过直接影响阅读流体验中的情绪来间接影响智能推荐信息阅读。

4.1.6 心理授权对智能推荐信息阅读的影响

(1)当用户认为自己可以理解智能推荐信息的内容与观点时,会进行智能推荐信息阅读;当用户认为自己的知识水平不能读懂、不能理解推荐信息时,其阅读意愿会降低,会倾向于结束智能推荐信息阅读行为。即,阅读能力正向影响智能推荐信息阅读。(2)当用户认为阅读智能推荐信息是有意义的、能满足自己的需求、切实帮助到自己、拓宽自己的知识面时,阅读智能推荐信息的意愿就会增加,也会有更多的智能推荐信息阅读行为。当用户认为阅读智能推荐信息是在浪费自己的时间或不能为自己提供任何价值时,阅读智能推荐信息的意愿会大大降低,结束阅读的行为也会增加。即,有意义正向影响智能推荐信息阅读。(3)当用户察觉到自己因阅读智能推荐信息给他人带来了相应的影响或导致他人计划、想法发生变动时,阅读智能推荐信息的意愿会增加,影响力正向影响智能推荐信息阅读。(4)当用户认为自己能对某个推荐系统进行流畅的操作、可以根据自己的意愿选择何时何地进行阅读或终止阅读时,阅读智能推荐信息的意愿和行为会大大增加,自我决定正向影响智能推荐信息阅读。综上,心理授权正向影响智能推荐信息阅读。

4.1.7 智能推荐信息质量对心理授权的影响

若智能推荐的信息大多是与用户本身或用户兴趣不相关的内容,用户会觉得在阅读理解上存在困难。若智能推荐的信息大多是用户觉得对自身没有价值的、不及时的、虚假的信息,用户也会感到阅读智能推荐信息没有意义;反之,若智能推荐的信息质量较高,用户能从推荐信息中获取乐趣和知识,就会认为阅读智能推荐信息是有意义的,后续也会有更多的阅读智能推荐信息的行为。智能推荐信息质量可以通过直接影响心理授权中的阅读能力和有意义来间接影响智能推荐信息阅读。

4.1.8 时间约束对智能推荐信息阅读的影响

当用户拥有一个类似于等待、通勤或放松的时间段,即没有时间约束时,会开始或持续性地阅读智能推荐信息;当这个时间段(即将)结束,即用户明显地感觉到了时间约束的存在时,会停止阅读智能推荐信息。即,时间约束负向影响智能推荐信息阅读。

4.1.9 任务紧急度对智能推荐信息阅读的影响

当用户(即将)有工作或者学习任务时,会停止智能推荐信息的阅读,相应的工作或学习任务越紧急,用户停止智能推荐信息阅读的行为会越迅速、越急切。当用户没有什么任务或相应任务不紧急时,会倾向于持续进行智能推荐信息阅读。即,任务紧急度负向影响智能推荐信息阅读。

4.1.10 用户偏好对智能推荐信息阅读的影响

(1)若用户在使用社交媒体的过程中养成了浏览推荐功能区的习惯,就会时不时地、不自觉地打开社交媒体上的推荐区进行智能推荐信息阅读。即,习惯正向影响智能推荐信息阅读。(2)若用户对某个移动社交媒体APP有偏好,比如认为该APP的风格很符合自己的审美需求和品味,那用户会更愿意阅读该APP上的智能推荐信息;若用户对某移动社交APP无明显偏好甚至厌恶该APP,则其对该APP上的智能推荐信息的阅读意愿会降低。即,平台使用偏好正向影响智能推荐信息阅读。综上,用户偏好正向影响智能推荐信息阅读。

4.2 智能推荐信息阅读优化建议

4.2.1 智能推荐信息质量与智能推荐系统质量的建设是优化智能推荐信息阅读的核心

智能推荐信息质量与智能推荐系统质量直接和间接地影响着智能推荐信息阅读的开始、持续和结束全过程以及用户对智能推荐信息阅读行为和相关APP的态度。在信息质量建设上,一方面平台应积极引进高水平内容创作者,对优秀的内容创作者进行鼓励,对已有创作者的创作水平进行持续监测与评价,以促进优质内容的不断产生;另一方面要加大信息审核力度,及时过滤掉垃圾信息和无效低质信息,从而提高信息的及时性、准确性、清晰度、多样性与趣味性。在推荐策略优化上,要更为精准地对用户个性化特点进行捕捉与画像描述,提高信息内容与用户兴趣的相关性以及对用户的实际效用性,可利用系统捕捉与用户自定义相结合的方法对用户画像进行精细描述,以便更好地推送用户想要的信息。在系统建设上,一方面,流程设计应尽量简单,让用户能以较少的操作成本进行智能推荐信息阅读,而不是将推荐信息阅读功能入口隐藏在APP不显眼的角落;另一方面可以加大对平台用户的监管与引导,尽量减少无意义“口水战”的发生,营造良好的社交氛围,为用户提供良好的、流畅的阅读体验。

较高的智能推荐信息质量与智能推荐系统质量除了可以直接提升用户阅读的行为时长、满意度之外,给用户带来的情感享受和心理认同也能正向影响阅读行为。用户在有过多次良好的阅读体验之后也会养成阅读智能推荐信息的习惯,并对相关的APP产生好感,进而激发出更多的阅读兴趣和行为。

4.2.2 挖掘用户搜索焦点缺失场景可以提高智能推荐信息阅读覆盖率

本研究提出了搜索焦点缺失这一新范畴,当用户使用移动社交媒体时,若没有一个明确的阅读主题(搜索焦点)便会倾向于阅读智能推荐的信息,可以对具有此特点的场景进行充分的挖掘。

电子图书馆、数据库等工具或网站的使用中就可能存在用户搜索焦点缺失的场景。比如有时用户检索完自己需要的信息后会下意识地认为“我已经没有要找的东西了,再随便看看或者退出吧”,也有的用户只是想在闲暇的时间逛一下电子图书馆或是登录一下学术库看看有没有感兴趣的、能给自己带来灵感的、能使自己放松的内容,其初衷并不是为自己的某项工作收集资料,这时用户就没有一个需要自己检索(搜索)的关键词(焦点)。若系统具有智能推荐信息功能,用户去阅读智能推荐信息的概率就会大幅提升。在一些电商平台的大型购物节如“双11”“618大促”活动上也可能存在用户搜索焦点缺失的场景。许多消费者可能并不明确自己需要购买何种商品,但是在平台的营销影响下又不想放弃购买优惠商品的机会,平台商品琳琅满目、种类繁多,消费者很容易出现“我该买什么”或“我该搜索什么”的情况,此时消费者会更倾向于浏览智能推荐区域展示的商品或商品组合,进而引发消费。

每项系统功能的建设都是为了更好地服务用户,挖掘用户搜索焦点缺失场景,提高智能推荐信息阅读覆盖率,不仅可以高效满足用户的潜在信息需求,也可以让系统在用户不断地使用、反馈的过程中得到更好的优化与升级。

4.2.3 用户的正向态度与积极行为是优化智能推荐信息阅读的保障

作为互联网用户,应正视移动阅读尤其是智能推荐阅读的重要性,在智能推荐阅读中积极发挥自我的主观能动性,积极探索已有的移动社交媒体中的智能推荐功能,找到适合个人风格、兴趣的移动社交媒体,以获取自身所需的信息。同时应该明确自身信息需求,合理安排智能推荐阅读的频次与时长,减少任务紧急度与时间约束可能带来的瑕疵体验,让智能推荐信息阅读在生活中发挥更多的积极作用。

5 研究结果、贡献与展望

本文通过半结构化访谈的方式搜集数据,运用扎根理论方法对原始数据进行了三级编码,最后提炼出了28个基本范畴和8个主范畴来描述移动社交媒体智能推荐信息阅读的影响机理,并揭示了各主范畴之间的影响关系。智能推荐信息质量、智能推荐系统质量、阅读流体验、心理授权、用户偏好直接对智能推荐信息阅读产生正向影响;时间约束、任务紧急度直接对智能推荐信息阅读产生负向影响;智能推荐信息质量、智能推荐系统质量直接对阅读流体验产生正向影响;智能推荐信息质量直接对心理授权产生正向影响。

本文的主要贡献为:(1)关注用户阅读环境的变化(从主动阅读到被动接受智能推荐),丰富了智能推荐环境下用户行为的研究和阅读领域的研究。(2)将心理授权理论应用到了用户社会化阅读行为的研究上,验证了心理授权理论的普适性,也为用户社会化阅读研究开辟了新视角。(3)提出了搜索焦点缺失、任务紧急度两个基本范畴并给出了相应的定义:搜索焦点缺失指用户在使用社交媒体时对想要阅读的内容的不确定程度,任务紧急度指用户在阅读智能推荐信息时是否有其他工作或学习任务需要及时完成。这两个基本范畴也可为其他智能推荐环境下的用户行为研究提供参考。(4)为智能推荐阅读的发展提出了相关建议。

但同时,本研究也存在一定的局限性。数据编码过程可能会受到研究者的主观影响,导致研究模型的可靠性可能还需要结合其他方式如实证研究等进行验证。其次,本文的数据搜集对象均拥有多年互联网使用经验,并未将互联网使用经验较浅的用户纳入研究范围,研究结果的适用范围并非所有人群。后续可结合本模型进行定量的实证研究,使用流体验、搜索焦点缺失、任务紧急度、时间约束等变量对智能推荐环境下的阅读或其他行为的影响机理做进一步的深度研究。