微博用户线下行为动机与线上使用行为相关性研究.docVIP

微博用户线下行为动机与线上使用行为相关性研究 　　[摘要]采用在线问卷调查和网络信息抽取技术相结合的方法，获取微博用户线下行为动机和线上使用行为数据.并依此确定了微博用户8种线上使用行为与4种线下行为动机。通过对样本数据相关性分析，发现女性微博使用动机要高于男性，并且微博使用动机与用户年龄具有显著的负相关性；此外研究还表明，不同的行为动机对应着相关的使用行为。上述研究有利于提升对网络主体的活动规律的了解。 　　[关键词]微博；行为动机；使用行为；相关性 　　DOI：10.3969/j.issn 1008-0821.2015.06.002 　　[中图分类号]G202 [文献标识码]A [文章编号]1008-0821（2015）0H5-0009-04 　　互联网的发展使网络虚拟社会与现实社会逐渐交融并互相影响。网络社会既成为一种新的社会形态，也是一种新的社会模式。微博作为一种新型社交网络媒介，以其个性化的服务和独特的传播优势赢得了众多用户的青睐，截至2014年6月全国微博用户已达2.75亿，微博已经成为个人、机构以及其他媒体的信息发布交流平台。用户使用微博过程中，会留下诸多个人行为信息，如自我介绍、照片发布、添加好友等，这些线上行为信息是对于用户自我个性的解读与展示，而借助于心理学的研究，特别是通过对用户行为动机和使用行为相关性的读解，将有助于提高舆情管理、行为预测和个性化的网络营销的精确度和合理性。 　　1.文献评述 　　Barabasi（2012）在《爆发：大数据时代预见未来的新思维》中否定了Taleb（2009）在《黑天鹅：如何应对不可知的未来》一书中阐述的“人类行为是随机的，都是小概率事件，是不可以预测的”的观点，他提出在大数据时代人类行为是可以预测的，其比例甚至高达93%。Barabasi这一观点随着大数据理论的兴起而被更多的人所接受。 　　网络用户行为千差万别，很难一概而论，而随着计算技术的发展，特别是社交类网站的涌现，使收集和分析海量人类自身的行为数据变成了可能。目前针对网络用户行为研究主要是通过分析网络用户的构成、特点及其行为活动上所表现出来的规律，以解释和预测网络用户的兴趣爱好、行为特征以及作用关系，并将其应用于网络安全、网络营销、舆情监控等领域。在网络安全方面，赵佐等通过分析僵尸网络工作过程中所表现出的行为特征，提出了基于异常行为监控的僵尸网络发现技术；林闯等认为对用户的行为可信度的研究，不仅可以提高网络的安全性而且也可以提高网络整体性能[引。在网络营销方面，叶文比较了网络消费者购买行为与传统的消费者购买行为之间的差异，并对引起差异存在的影响因素进行了系统的分析。在用户信息行为方面，Agichtein等对用户搜索引擎使用行为进行分析，为搜索引擎算法优化和系统改进提供了理论依据；王晓光系统地研究微博客的基本结构、信息传播一般模式，并考察了微博客用户基本行为特征和关系特征。在舆情监控方面，Boutet等分析了Twitter用户的发布行为，提出应用混合主题模型来分析用户的发帖行为，并定量分析了用户之间的作用关系；樊鹏翼等首次对国内微博的网络结构和用户行为进行了测量，并分析不同的社会关系对用户发帖行为的影响；Ding等通过分析阅读和回复数用户、观察到话题讨论强度和用户参与程度遵循幂律分布；张彦超等分析了社交网络中话题传播行为规律和预测方法，以发现网络环境下的信息传播与舆论演进规律；马彦结合大数据环境下微博舆情的发展特点，设计了微博舆情热点挖掘系统结构模型，实现了热点博文的聚类和话题抽取。 　　动机理论最初产生于霍桑实验，是指个体内在驱使其采取某种行为的理论。该理论从最初以本能论、驱动论为代表的机械观对本能反应和外在诱因的研究，逐渐转变为以成就动机论、认知一致论为代表的认知观对个体认知因素的研究。认知观动机研究将自我情绪、人格特质与其他各种认知变量相结合，体现了人类行为动机的复杂性，它更多的关注于人的有意义的社会行为动机。随着时代的发展和技术的进步，动机理论开始逐渐应用在新技术中，Davis等（1989）将动机理论应用在解释个体对于新系统技术的接受与使用上，并提出了被广泛用来解释和预测使用者技术使用行为的技术接受模型（Technology Acceptance Model，TAM）。此后，Davis等通过实验证明了影响个体实际行为的原因包括内部动机和外部动机，并认为个人注重的是活动的执行过程，并对其活动的过程感兴趣、获得满足，而不是在强调得到明显的成就。针对用户使用动机对用户使用媒介的频率与强度方面的研究，Hringer等使用持续采纳理论来解释用户持续使用Twitter的行为，在研究中将因使用满意体验而导致的习惯作为重要动机因素；Agrifoglio等以动机理论和TAM模型为基础，分析了人们持续使用T