王若宸，母咏然，朱学芳，朱庆华

0 引言

数字人文(Digital Humanities)是一门融合了信息技术与人文学科的新兴领域。数字人文起源于1940年代，最早的相关期刊诞生于1973年[1]，起初被称为“人文计算”。2002年Unsworth 教授提出了对人文计算内涵较为详细的阐述[2-3]：“人文计算是一种由高性能计算和人性化通信需求决定的实践活动。”随着互联网时代的到来，来自人文学科领域的学者开始使用含义更为深刻的“数字人文”来取代原有的叫法[4]。2016年北京大学图书馆承办了首届“数字人文论坛”会议，并以“跨界与融合”作为主题，参与者的专业背景分布在社会科学、信息科学、历史学和文学等不同领域[5]，已连续举办三届，标志着数字人文作为新兴的跨领域学科已经越来越受到重视。数字人文为传统的人文学科研究带来了全新的研究方法、工具和平台。朱本军等[6]认为，这一概念对于人文学科意味着：文本资料的数字化、新的工具方法的引入、利用数字思维或工具提出新问题、利用数字思维对传统人文领域进行创造性破坏和建设。

数字人文技术是能够推动人文领域发展的数字化与计算化工具方法体系，如数据挖掘、可视化和音视频记录工具[7]。刘炜等[8]基于数字人文的“方法共同体”，对属于该领域的技术体系进行总结，认为数字人文技术包括但不限于数字化技术、数据管理技术、数据分析技术、可视化技术、VR/AR 技术和机器学习技术等。数字人文技术为人文科学带来了方法的变革，知识单元的细粒度化，知识组织的语义化，知识呈现的可视化[9]。

本文定义数字人文技术推广过程中的两种角色：人文学科研究者和图情领域研究者。图情领域研究者是数字人文技术与人文学科之间的沟通桥梁：图书情报科学虽然偏向社会科学，但也带有很强的人文传统；图情领域与数字人文均受到数据密集型研究的影响，这一领域的研究者吸纳信息技术并将其推广到人文学科，本质上是将这种新型的研究范式引入人文学科[10]。如何更好地推广数字人文技术为人文学科服务是当今图情研究者们应当关注的重点。

本文以数字人文技术和人文学科的研究者(以下简称“研究者”)为研究对象，以技术接受模型及其扩展为理论基础，通过引入系统质量、社群影响和个体创新三种外界影响因素，建立数字人文技术的研究者采纳意愿模型，并收集问卷数据进行分析，验证提出的假设，探究影响接纳数字人文技术额意愿情况，尝试为数字人文技术和服务的设计推广提供更广泛更深刻的思路。

1 研究现状

1.1 数字人文技术

作为本文的关注点之一，数字人文技术在数字人文的理论体系中占据不可或缺的位置，图情学科之中已有许多研究者对关于数字人文技术的议题进行了探讨。在宏观层次上，刘炜等[8]从数字人文自身的方法共同体层面出发，归纳数字人文的技术体系以及理论结构，高度概括了数字人文的方法论，旨在促进数字人文的整体发展。蒋萌[11]以图书馆数字人文为研究对象，指出数字人文跨界性、互补性和协调性的结构特征，并认为数字人文技术特指关键性智能化技术系统，是数字技术与人文精神的结合。Wang[12]采集WoS 核心数据库中与数字人文相关的文献，借助文献计量和可视化的方法分析数字人文及其技术应用的学科背景、关键技术和高引作者情况，展现世界范围内数字人文研究的实景图。

文本的挖掘以及可视化是长久以来较为成熟的数字人文技术之一，J覿nicke 等[13]从“远距阅读”的视角出发，总结了自2005年以来数字人文领域中文本挖掘与可视化的研究经验，并为未来的研究提出建议；McCurdy 等[14]则从传统的“详细阅读”入手，将诗歌中的语言和韵律进行可视化形成声韵拓扑图；欧阳剑[15]以大规模中国古籍文本为研究对象，创建了以语言学、历史文献学、历史地理学为主的古籍统计平台。可视化技术是数字人文技术体系中核心的环节之一，可分为馆藏实体资源和数字资源的可视化。张卫东等[16]基于为数字人文的可视化技术建立了馆藏资源的可视化模型；朱本军等[17]借助Google 地形、Google 地球和ARC GIS 三种GIS 工具描绘战国时期的史地情况，为战国时期地理位置的描绘提供了新思路。“智慧数据”是大数据技术在数字人文领域中进一步提炼[18]。因此，数字人文中知识挖掘的相关技术具有长远的发展前景。李娜等[19]以方志类古籍为研究语料，抽取其中的关联信息并借助社会网络分析展示物产名与别名的关系网络和知识关联；针对图像数据，曾子明等[20]提出一种图像语义描述模型，根据用户认知特征制定图像语义结构化描述框架。

1.2 技术接受模型

技术接受模型(Technology Acceptance Model，TAM)模型最早由Davis 在1989年基于理性行为理论(TRA)提出[21]。在TAM 的基础上，研究者后续进行了多次扩展，如Venkatesh 的TAM2、TAM3 模型[22-23]和整合型科技接受模型UTAUT[24]、DeLone 等[25]提出的DM 信息系统成功模型。技术接受模型被学者广泛使用，以调查某项新技术在进入人们视野中时所受到的接纳程度。

在图情领域中，技术接受模型研究各个领域都有分布，并且近年来相关研究倾向于引入新变量和新理论来充实原始理论[26]，其中不乏针对数字图书馆中的用户行为研究。例如，刘锦宏等[27]以用户行为关系理论和科技接受模型等知识为基础，构建移动数字图书馆用户行为模型。宋文杰等[28]构建基于TAM 模型的移动图书馆用户行为意愿研究，并引入个体创新、社会影响和感知成本等外界变量。郎宇洁等[29]基于图档博数字资源移动服务的融合，构造相应的用户需求模型，分析融合用户的需求习惯和需求功能。黄传慧等[30]构建了基于TAM 的移动用户学术采纳模型，结果表明信息质量和设备可靠性等因素是影响使用态度的重要因素。

从已有的研究看出，尽管有很多包含数字人文技术的针对性选题，但对数字人文技术的用户接受行为却鲜有提及。本文以TAM 为理论框架并在此基础上进行调整，以人文学科研究者为特定研究人群，探究他们对数字人文技术的采纳情况。

2 研究模型与假设

2.1 概念模型

立足于前人使用TAM 及相关扩展模型对新兴技术研究的基础之上，针对数字人文技术的特点，本研究从UTAUT 和DM 等模型中引入系统质量、社群影响和个体创新三个因素作为外在变量，构建数字人文技术的用户接受模型，见图1。

图1 数字人文技术研究者采纳意愿模型

2.2 变量以及研究假设

系统质量(SysQ)出自DeLone 和McLean 提出的信息系统成功模型，用来衡量信息系统的功能性、可靠性、可扩展性、数据质量、完整性等特征。在数字人文技术语境中，系统质量描述的是该系统是否可靠运行、功能是否齐全、是否可满足研究者的科研需要，该变量会直接影响对感知有用性和感知易用性[31]。因此，提出以下假设：

H1a：数字人文技术的系统质量对感知有用性有正向影响

H1b：数字人文技术的系统质量对感知易用性有正向影响

社群影响(SI)来自Venkatesh 等[24]构建的UTAUT 模型，社群影响被定义为个体认为在他人影响之下自己应该使用新系统的程度，是代表了来自外部社会影响的综合因素，社群中的互动会影响到用户对于数字人文技术的看法。本文认为数字人文作为研究领域当中一种积极且重要的因素，社群的传播会提高感知有用性和感知易用性。因此，提出以下假设：

H2a：社群影响的存在对数字人文技术的感知有用性有正向影响

H2b：社群影响的存在对数字人文技术的感知易用性有正向影响

个体创新(PI)是衡量个体愿意接受改变，采纳新系统、新流程的程度，即这一变量测量的是个体的创新能力。根据前文所述，数字人文技术代表着一种新的研究范式和研究方法，以某种信息系统或软件的形式呈现给研究者。个体创新能力强的研究者更倾向于使用新的数字人文技术，因此该变量对感知有用性和感知易用性有积极影响[32]。由此提出以下假设：

H3a：个体创新对数字人文技术的感知有用性有正向影响

H3b：个体创新对数字人文技术的感知易用性有正向影响

感知易用性(PEOU)是指用户对于新兴技术容易上手程度的使用感受。当研究者认为数字人文技术很容易上手，且不需要花很长时间去培训学习的话，那么他们会很有可能去使用。因此对于数字人文技术的感知易用性对其感知有用性和对使用态度的影响提出以下假设，即：

H4a：感知易用性对数字人文技术的感知有用性有正向影响

H4b：感知易用性对数字人文技术的使用态度有正向影响

感知有用性(PU)是指研究者认为数字人文技术可以在多大程度上提高其生产力，提高他们的研究效率。本文认为如果研究者认为某项技术足够有用，那么该变量会影响数字人文技术的使用态度以及直接影响使用行为。因此提出假设：

H5a：感知有用性对数字人文技术的使用态度有正向影响

H5b：感知有用性对数字人文技术的使用行为有正向影响

使用态度(UA)指研究者对使用数字人文技术的评价和感受，而使用行为(UI)是指研究者实际使用数字人文技术的行为[33]。由此，提出如下假设：

H6：研究者对数字人文技术的使用态度对使用行为有正向影响

3 数据分析

3.1 问卷设计与数据采集

基于前文所给出的假设和变量，借鉴前人的问卷设计，本研究在问卷中包含对应测量项的李克特5 级量表，数字1 至5 分别代表“非常不同意”“不同意”“不确定”“同意”“非常同意”。此外，为了解本次调查的人口统计学特征，问卷还设计了关于受试者性别、年龄、学历、学科背景和职业等问题，以及关于数字人文的相关问题。

明确调查对象对获得正确的数据具有重要帮助，在研究的语境中，作为研究对象的“人文学科研究者”在这里特指的是：(1)就从属学科而言，调查对象应属于文学、历史学、语言学和艺术学等专业；(2)就学历水平而言，调查对象至少应为在读硕士及以上，若为本科生，则需有数字人文相关的研究经验；(3)就职业身份而言，调查对象应为在校学生、老师或其他研究人员。通过以上限定，确保调查回收的数据来源于真正具有研究能力和经验的人群，契合研究主题，同时也能够提高数据准确程度。

本次调查的形式为网络问卷，通过网络社交平台向南京大学内的受试者发放问卷链接，为确保调查样本符合本研究语境，问卷在发放的时候把范围控制在了文学院、历史学院、外国语学院等几个人文学院，问卷调查的持续时间为2018年7月26日-8月17日，共收获满足前述要求的622 份问卷。为保证问卷数据的质量，按照以下原则再次筛除：(1)答卷时间过短(低于3 分钟)或过长(高于1 小时)的；(2)全部选择1 或5 的。经过筛选，一共获得573 份有效问卷，问卷有效率为92.1%。

本调查中受试者的人口统计信息包括年龄、性别、教育背景、学术背景和职业等。(1)18-30岁人群占比84.3%，表明此次调查的对象主要是数字人文服务的青年用户；(2)具有硕士及以上学历的占比为42.9%，多于大学本科的40.1%。

3.2 信度分析

对设计的问卷测量项目，需要进行信度分析，以测试问卷结果的可靠性，目前问卷信度分析中最常用的方法为克隆巴赫系数法(Cronbach’s α)，一般认为0.7<α<0.8 时量表的一致性可以接受，α>0.8 时一致性良好。

使用SPSS 24.0 计算的指标结果如表1 所示。其中，为了提升问卷的整体信度，笔者检查感知易用性中所设题项，剔除了题项PEOU1，此时指标提升至0.823，同时样本整体数据达到了良好的可靠性和一致性。所有的变量一致性均良好，这时样本数据整体达到了良好的一致性和可靠性。

表1 变量信度检验

3.3 效度分析

在效度指标中，使用KMO 和Bartlett 球形测试法计算问卷的结构效度。所得结果的Bartlett 值为9834.03 且显著，KMO>0.5，表明该问卷总体上具有良好结构效度。

(1)收敛效度。本文使用AMOS 24.0 来计算模型参数，并且使用以下指标来评判模型的收敛效度，如表2 所示。

表2 模型参数估计摘要表

表2 中多元相关系数的平方值SMC(Squared Multiple Correlations)高于0.50，表示该信度检验良好，SMC 列除SysQ1 列以外其他检验值均大于0.50，总体来看模型通过收敛效度判别。CR 为组合信度，用作检验变量的信度大小，其数值应大于0.60 以上，结果中所有CR>0.60，表明模型质量良好。AVE(Average Variance Extracted)为平均方差提取量，AVE 值也应高于0.50[34]，而所有AVE>0.50。综上，判定模型中的潜在变量具有收敛效度。

(2)区别效度。如果与预设变量无关的假定测量项目实际上也没有相关性，则认为该模型具有区别效度。效度存在的必要条件是AVE 值的算术平方根要大于其他所有潜在变量之间的相关系数，如表3 所示。表3 中数值，粗体数字是相应潜在变量的AVE 值的算术平方根，均大于所在列其余值，由此可判断本文模型具有明显的区别效度。

表3 区别效度检验

3.4 假设检验

本文使用AMOS 24.0 软件计算上述模型的变量路径系数，进行假设检验，软件给出的关于模型拟合度指标如表4 所示，其中所列出指标基本已达标，表明模型具有良好的拟合程度。经计算得到模型的检验结果如图2 所示。在图2 中，***表示P 值小于0.001，P 值大于0.01 的假设项为H1b、H3a、H4a 和H5b，说明它们没有通过显著性验证(虚线为没有通过验证的假设)，即上列假设中正向影响效果并不显著。

表4 模型拟合优度指标

图2 数字人文技术采纳意愿模型检验结果

4 结果与讨论

4.1 系统质量对感知有用性有正向影响，个体创新能力对感知易用性有正向影响

图2 中对应路径系数为0.263 和0.217。系统质量是指数字人文技术或软件平台、信息系统的功能和运行质量，能否达到研究者的预期需求。从实证结果中可知，数字人文技术的质量越高，那么感知有用的程度就会越高，从而间接影响到使用态度，与前人的实证结果一致，然而对感知易用的影响并不显著。Xu 等[31]对数字服务的研究表明系统质量在信息系统的设计中占有重要地位，系统质量的提升能够带动信息质量与服务的质量，鉴于在实际中数字人文的项目和技术多以Web 页面的形式进行呈现，因此网站的设计形式、网页的响应速度、内容检索的查全和查准乃至提供的服务内容是否满足用户的信息需求都是系统质量的重要衡量，它们决定了用户对系统有用性的主观感受，高质量的系统表现提高了用户的潜在评价。

创新能力是指个体接纳学习新兴信息系统的能力。在本研究的实证结果中，个体创新实践能力越强，那么就更加乐意付出时间及其他成本进行学习和掌握一门新技术，而同时数字人文技术的本质是对传统人文研究理论的一种创新，是研究范式向数据驱动的转变，因此创新能力的提高从主客观两个方面提高数字人文技术的准入程度，从而提高易用程度，间接影响到使用态度，然而该因素对于感知有用的影响并不显著。

4.2 社群对数字人文技术的感知有用性和感知易用性有正向影响

在图2 中对应路径系数为0.705 和0.447。数字人文技术通过在研究者社群之中传播，使公众感知数字人文服务可能带来的潜在益处。根据Venkatesh 等[24]提出的UTAUT 理论，社群影响直接作用于使用意向，而本文在借鉴该模型的基础上，探究社群是否会对数字人文技术有用性和易用性的感知程度有所影响，模型计算结果验证了本文提出的假设。这充分说明，数字人文技术的有用和易用性不仅仅是其内在属性，用户所处的社群的存在也会影响其认知，潜在改变对某种技术有用与易用性的看法。现如今学术研究者们凭借快速发展的互联网组织学术社区，研究者社群以学术共同体的形式呈现，一个更加以开放交流合作为主题的学术环境对新兴数字人文技术的传播具有极大的促进作用。例如Miller[35]为美国的中田纳西州立大学的图书馆提出了一个数字学术和数字人文的交流中心的框架，并强调学术群体的合作效应对数字人文中心的建设基础性作用，该框架能够辅助在校师生参与数字人文实践项目，通过研究者社群自我互助的方式，该校师生提高了对不同数字人文技术的理解程度，说明社群对改变观念认知存在着潜移默化的影响。

4.3 感知有用性与感知易用性对研究者的使用态度有正向影响

在图2 中对应路径系数为0.900 和0.107。这与以往技术接受模型的实证研究结果相一致，但是从路径系数的大小上可以看出感知有用性在影响过程中起更主要的作用。关于这一点最早就由Davis[21]所提出，在以往的技术接受模型的相关研究中，“感知有用性”因素无论是在影响使用态度还是使用行为意向上，通常都发挥出比感知易用性更大的作用，刘锦宏[27]、张玥[36]等在各自模型中也均得到这一点。本文实证结果表明，感知有用性对于新技术的使用具有更大的作用，换句话说，用户大体上愿意支付一定的时间成本学习新技术，数字人文技术所带来的新型研究方式会改变人文学科的研究，促进人文学科的教学科研工作。同时在本文模型中，易用性对有用性的影响并不显著(图2 中以虚线呈现)，这与往常的研究不一致，该因素可能由于调查对象以研究者们为主体，从他们的角度出发，数字人文技术的感知易用性与有用性之间是相对独立的，数字人文技术的易用性更多的是以友好的交互界面辅助用户进行操作，但最终结果仍然是取决于系统核心的功能表现。例如在耶鲁大学图书馆的数字人文项目实践中，研究人员积极引进软硬件设施，扩展数字人文技术的应用边界，例如基于社会网络分析、文本挖掘、可视化等技术的人文项目应用充分体现了数字人文技术在辅助研究上的有用性受到了研究者的重视，而经过图书馆组织的指导培训课程，以上技术的掌握门槛有所降低，研究者对技术的感知易用性提高[37]。

4.4 使用态度正向影响使用行为

在图2 中对应路径系数为0.697。如果研究者认为数字人文技术值得使用，那么最终这种态度会转化为实际的使用行为，他们对某项数字人文技术的使用倾向和频率便会增加，会亲自尝试某一种数字人文技术支撑下的软件平台，或是与他人合作开发数字人文相关项目，并且会推广到身边其他人来使用，并且在未来还会继续使用[33]。这一结论与其他信息技术研究相类似，例如视频直播产品、第三方支付平台等。新兴的数字人文技术由于其自身的易用性和有用性等特征，对研究者有很强的吸引力，最终他们很可能会采用该技术的辅助以转变自身研究的方式。这一结果与往常技术接受模型相关研究保持一致。

5 结语

本文立足前人对数字人文技术的研究，创新地从行为科学角度出发，探究影响数字人文技术的研究者接受情况的影响因素，建立数字人文技术的研究者采纳模型，收集问卷数据，利用软件计算路径参数并验证所提出的假设。研究表明：系统质量、社群影响和个体创新三种外在变量对于数字人文技术的研究者采纳行为均有重要的影响，系统质量对感知有用性有正向影响，个体创新能力对感知易用性有正向影响，社群影响对数字人文技术的感知有用性和感知易用性有正向作用，由此间接影响使用态度；感知有用性和易用性对使用态度均有正向影响。本研究结合实证结果提出以下建议：

(1)系统质量是决定数字人文技术有用程度的关键，是一项新技术进入用户视野的基础保证。开发者可依托数字图书馆平台，确保数字人文软件或平台的平稳运行、灵活访问，给用户流畅的使用体验，除提供基本的产品服务之外，资源建设同样是影响系统整体的基础性因素，不妨吸取欧洲数字图书馆Europeana 的经验，利用关联开放数据(Linked Open Data)实现文化遗产资源整合，创建开放的语义数据网络，为数字人文技术提供高效的数据支撑[38]，建立完善的系统质量保障机制。

(2)个体创新会客观影响研究者对数字人文技术易用性的感知，而社群会主观影响数字人文技术的感知易用和可用。然而公众创新水平不一，研究者社群中存在多种观念。鉴于以上两点，首先可以搭建面向所有研究者的数字人文主题在线交流平台和线下的咨询中心，普及数字人文的基本理念，构建相关课程体系，以此来培养研究者对数字人文的兴趣，提高他们潜在的创新能力，例如美国亚利桑那大学图书馆建立的iSpace 创客空间为该校学生及馆员提供数字人文项目指导，建立创新团队[39]；其次立足于学术交流的角度，国内数字人文中心应加强与国际数字人文机构的交流，共同开展数字人文研究，例如北京大学与哈佛大学等多所研究机构共同主持的中国历代人物传记资料库(CBDB)，带头牵动整个研究社群接触最新的研究热点[40]。

(3)加强数字人文的技术创新，借鉴和引入人工智能、机器学习等技术的最新成果，进一步提高数字人文的功能性、辅助性，将“智慧数据”的概念与数字人文相结合。例如，对知识单元的语义化、关联数据，以及馆藏资源的跨模态检索等，提高数字人文技术的有用性，同时精简数字人文技术的操作界面，提高对普通民众的交互友好性，将应用拓展至更多的人文学科领域[41]，全面提升数字人文技术有用性和易用性。

本研究的后续研究展望：

(1)性别以及年龄等统计因素可能会在模型中产生调节作用，尤其是用户群体的年龄，不同年龄段的人群对技术创新的认知接受程度很可能存在差别。

(2)同时在将来可以针对具体不同的技术类别在研究者中是否有不同接受程度和影响，开辟新的研究课题。中介变量也可能产生影响作用。未来可以从以上角度入手加深研究的层次。