王春婭 苗世通 趙 娜

一、引言

近年來(lái)，社交媒體如微信、QQ、微博、博客、Facebook和品牌社區(qū)等已經(jīng)成為傳統(tǒng)面對(duì)面交流方式的替代品，人們能夠便捷地與全球各地的用戶進(jìn)行知識(shí)分享與信息交流，不再受時(shí)間和地點(diǎn)限制[1]，極大地豐富和拓展了人們的社交活動(dòng)。盡管社交媒體用戶數(shù)量在穩(wěn)步增長(zhǎng)，但互聯(lián)網(wǎng)的人口紅利正在逐步消失[2]，目前中國(guó)的社交媒體發(fā)展面臨著兩個(gè)主要問(wèn)題：一是用戶活躍程度低，制約社交媒體的營(yíng)銷資本和盈利；二是社交媒體運(yùn)營(yíng)商在開發(fā)、升級(jí)應(yīng)用時(shí)無(wú)法準(zhǔn)確把握用戶心理，限制社交媒體由社交服務(wù)向社會(huì)化商業(yè)模式轉(zhuǎn)變。因此，對(duì)于成熟的社交媒體來(lái)說(shuō)，用戶規(guī)模不再是競(jìng)爭(zhēng)的核心，洞察用戶的真正興趣和心理需求，增強(qiáng)用戶體驗(yàn)，保持和提升用戶活躍度則更為重要。

同時(shí)，用戶對(duì)互聯(lián)網(wǎng)的依賴越發(fā)強(qiáng)烈，平均每人每天上網(wǎng)時(shí)長(zhǎng)達(dá)6小時(shí)，幾乎每天花費(fèi)兩個(gè)小時(shí)來(lái)分享、點(diǎn)贊或者更新動(dòng)態(tài)[3]。社交網(wǎng)絡(luò)的擴(kuò)展讓用戶時(shí)常處于聯(lián)系之中，頻繁的信息分享與交流互動(dòng)可能導(dǎo)致用戶溝通需求和認(rèn)知能力不平衡，使用戶在處理信息時(shí)面臨認(rèn)知限制[4]。伴隨嵌入在社交媒體中的社交關(guān)系數(shù)量增加，社交好友頻繁的動(dòng)態(tài)更新和社交請(qǐng)求也讓用戶消耗大量認(rèn)知資源，產(chǎn)生疲憊心理，越來(lái)越多的用戶聲稱對(duì)社交媒體的過(guò)度使用感到不愉快[5]。社交媒體被視為壓力的象征[6]，維持社交關(guān)系和信息過(guò)載的壓力可能導(dǎo)致疲勞[7]，更多的人通過(guò)逃避社交網(wǎng)絡(luò)和即時(shí)通訊等在線服務(wù)使自己的生活得到平衡[8]，這類人群傾向于斷開或減少社交媒體的使用來(lái)減少社交媒體給他們帶來(lái)的消極影響[9]。根據(jù)2018年中國(guó)社交媒體影響報(bào)告，在社交媒體中，18～25歲年輕網(wǎng)民的覆蓋率有所下降，并且95%的用戶會(huì)想辦法降低社交媒體負(fù)面影響，有意識(shí)地控制社交媒體的使用，如在特定場(chǎng)合(如會(huì)議、陪伴家人、聚會(huì)時(shí))、固定時(shí)間內(nèi)(如工作、休息時(shí))不接觸社交媒體，關(guān)閉各類社交APP的推送提醒等[2]。

在社交網(wǎng)絡(luò)服務(wù)中，個(gè)體可能會(huì)因壓倒性內(nèi)容和不斷變化的信息而過(guò)載，因此需要一種有效的解決方案來(lái)減少疲勞[7]，盡管已有大量研究來(lái)解釋用戶使用社交媒體所帶來(lái)的心理疲憊[10-13]及其消極使用行為[14-15]，但哪些因素可以緩解社交媒體過(guò)載所帶來(lái)的消極影響？現(xiàn)有研究大多集中在對(duì)用戶(不)持續(xù)使用意愿[18-20]、滿意度[19-20]等的探討，且對(duì)用戶使用行為的度量較為單一，不能反映社交媒體用戶使用行為的多維屬性。因此筆者借鑒來(lái)自醫(yī)學(xué)領(lǐng)域的社會(huì)支持理論的緩沖效應(yīng)[16-17]，試圖探究在線社會(huì)支持是一種幫助緩解和調(diào)節(jié)用戶社交疲憊的方法，從而提高社交媒體的用戶活躍度。筆者在探討在線社會(huì)支持對(duì)社交媒體超載引致的結(jié)果時(shí)引入對(duì)企業(yè)主、廣告商更為關(guān)注的用戶活躍度來(lái)反映用戶使用社交媒體的行為。并基于SSO模型提出以下研究問(wèn)題：在線社會(huì)支持在信息超載、社交互動(dòng)超載與用戶活躍度之間是否起到緩沖作用？即就緩沖作用而言，在線社會(huì)支持是否調(diào)節(jié)社交媒體超載和社交疲憊、社交疲憊和用戶活躍度之間的關(guān)系？以及社交疲憊是否中介信息超載、社交互動(dòng)超載與用戶活躍度之間的關(guān)系？

二、理論基礎(chǔ)與研究假設(shè)

(一)理論基礎(chǔ)

1.在線社會(huì)支持、社交疲憊與用戶活躍度

社會(huì)支持理論的緩沖效應(yīng)最早從醫(yī)學(xué)領(lǐng)域出現(xiàn)，該理論假定獲得社會(huì)支持的人能夠更好地應(yīng)對(duì)心理或其他身體疾病。例如在運(yùn)動(dòng)醫(yī)學(xué)方面，Mitchell等發(fā)現(xiàn)受傷的運(yùn)動(dòng)員接受社會(huì)支持從而減少了不安、孤立的感覺(jué)[14]。本研究的社會(huì)支持為“在線社會(huì)支持”，指的是個(gè)人從在線社交互動(dòng)中感受到尊重、支持和理解的程度。在線社會(huì)支持是用戶從在線社區(qū)中獲得的最主要的社會(huì)價(jià)值，指一個(gè)人感知到的可用社會(huì)資源，這些社會(huì)資源會(huì)使人們覺(jué)得自己是被關(guān)心、被愛和受尊敬的[21]。在互聯(lián)網(wǎng)時(shí)代，網(wǎng)絡(luò)已成為提供和接受社會(huì)支持的重要渠道，它不僅為我們提供信息，還幫助我們獲得友誼，歸屬感和情感支持[22]。例如微信的互動(dòng)功能，“點(diǎn)贊”和“評(píng)論”允許用戶及時(shí)回應(yīng)他人的請(qǐng)求，向需要幫助的人提供有形或無(wú)形的幫助；其他類似社交媒體也使個(gè)人能夠即時(shí)分享他們的故事和感受，并向列表中的聯(lián)系人表達(dá)他們的支持需求。

社交疲憊是指社會(huì)化媒體用戶由于過(guò)量的信息、眾多的好友、頻繁的交互以及為維持社交關(guān)系而過(guò)度耗費(fèi)精力、時(shí)間等因素，產(chǎn)生厭倦和倦怠的主觀和消極感受，并希望從社交媒體中退出的意愿及趨勢(shì)[23]。Zhang等發(fā)現(xiàn)在一個(gè)人的社交網(wǎng)絡(luò)中為他人提供過(guò)多的反應(yīng)和幫助是一種導(dǎo)致社交疲憊的主要壓力因素[24]。社交疲憊是一種心理概念，是對(duì)社交媒體活動(dòng)的消極情緒反應(yīng)，如疲倦、無(wú)聊、冷漠和低興趣[25-27]。Ravindran等提出了“社交網(wǎng)絡(luò)疲勞”的概念來(lái)解釋用戶與Facebook相關(guān)的不持續(xù)使用行為[25]。

社交疲憊會(huì)影響用戶使用媒體的活躍度?；钴S度用來(lái)衡量社交媒體用戶活動(dòng)的頻繁程度，即用戶在社交媒體中主要參與的內(nèi)容行為和社會(huì)交互行為(即關(guān)系行為)[28]。一方面，社交媒體活躍用戶會(huì)主動(dòng)創(chuàng)造內(nèi)容，如信息披露、發(fā)表動(dòng)態(tài)、上傳照片等；另一方面，社交媒體活躍用戶會(huì)將他們感興趣的內(nèi)容分享、傳播給好友。考慮到用戶在社交媒體中活躍行為的多樣性及其對(duì)社交媒體維持和發(fā)展的重要性，用戶活躍度可根據(jù)用戶活躍行為來(lái)客觀衡量，根據(jù)陳愛輝等[28]對(duì)活躍行為的研究，本研究將用戶活躍度分為四個(gè)維度的集合，包括內(nèi)容創(chuàng)造行為(CCB)、內(nèi)容傳播行為(CTB)、關(guān)系構(gòu)建行為(RBB)、關(guān)系維持行為(RMB)。

2.壓力源-應(yīng)變-結(jié)果模型

本研究基于心理健康和壓力視角下的壓力源-應(yīng)變-結(jié)果(Stress-Strain-Outcome，SSO)模型框架，其中，壓力源是個(gè)體受到的刺激，是環(huán)境中可以產(chǎn)生壓力的要求、條件、事件和情境，而應(yīng)變是個(gè)體在感知壓力源之后發(fā)展出的反應(yīng)，可以認(rèn)為是壓力對(duì)個(gè)體的直接作用結(jié)果，當(dāng)個(gè)體意識(shí)到自己的應(yīng)變時(shí)，就會(huì)采取相應(yīng)的處理措施并產(chǎn)生不同的結(jié)果[4]?；谝陨峡蚣苄纬杀狙芯磕Ｐ?，即感知到壓力源的用戶會(huì)產(chǎn)生應(yīng)變反應(yīng)，從而引發(fā)相應(yīng)的結(jié)果。感知超載可被看作引起社交網(wǎng)絡(luò)疲勞和不滿意的壓力源[13]；而對(duì)個(gè)體的注意力、情緒等方面產(chǎn)生的影響作為應(yīng)變[24]。本研究將社交疲憊作為應(yīng)變表現(xiàn)形式，用戶活躍度是應(yīng)變結(jié)果。

(二)研究假設(shè)

1.社交媒體超載與社交疲憊

Cao和Yu提出過(guò)度使用社交媒體的三個(gè)維度，即過(guò)度的社交、享樂(lè)和認(rèn)知[29]。林家寶、林順芝和郭金沅的研究中探討的三種社交媒體超載類型為信息超載、交流超載和社交超載[4]。結(jié)合研究背景與內(nèi)容，筆者探索兩個(gè)維度的社交媒體超載：信息超載與社交互動(dòng)超載。一方面，信息超載強(qiáng)調(diào)用戶接收到的信息與自身認(rèn)知的不平衡使他們不知所措，從而對(duì)個(gè)體行為、感受和健康產(chǎn)生負(fù)面影響[30]；另一方面，社交互動(dòng)超載強(qiáng)調(diào)由于用戶過(guò)眾、交互頻繁導(dǎo)致身體和心理壓力，進(jìn)而使用戶感到疲憊不堪。社交媒體隨時(shí)隨地將個(gè)人與家人、朋友、同事聯(lián)系起來(lái)，并隨著嵌入在社交網(wǎng)絡(luò)中的社交關(guān)系數(shù)量增加，個(gè)人通過(guò)社會(huì)關(guān)系嵌入社會(huì)網(wǎng)絡(luò)，可以獲得支持和幫助[12]，但為了維持龐大的社交網(wǎng)絡(luò)，個(gè)人必須經(jīng)常檢查他們的社交媒體以盡快回復(fù)從好友處接收到的大量消息，給予好友支持和幫助[31]，這種行為可能會(huì)分散用戶的注意力，并超過(guò)用戶所能維持的好友關(guān)系最高限度，因而根本無(wú)暇應(yīng)付，這反而阻礙好友之間正常的溝通交流，使得用戶產(chǎn)生疲倦感而萌生退意[12]。因此，提出假設(shè)：

H1：社交互動(dòng)超載對(duì)社交疲憊具有正向影響

由于信息的雙向流動(dòng)，基于智能手機(jī)無(wú)處不在的社交網(wǎng)絡(luò)服務(wù)連接創(chuàng)建的通信渠道，用戶不僅可以在其中公開自己，還會(huì)接收大量無(wú)關(guān)信息(垃圾信息)，同時(shí)也帶來(lái)信息過(guò)載的問(wèn)題。由于每個(gè)人的認(rèn)知能力有限，過(guò)多的信息可能成為用戶負(fù)擔(dān)，用戶將感受到信息過(guò)載所帶來(lái)的疲憊感，并且他們的心理健康將受到損害[11]。結(jié)合以上分析，提出假設(shè)：

H2：信息超載對(duì)社交疲憊具有正向影響

2.社交疲憊與用戶活躍度

齊炳金和武忠發(fā)現(xiàn)，移動(dòng)社會(huì)化媒體用戶的情感體驗(yàn)與移動(dòng)社會(huì)化媒體的參與水平有顯著正相關(guān)[32]，而用戶的使用行為恰恰反映了用戶的參與水平。郭佳杭基于角色壓力的三維度認(rèn)知因素研究，發(fā)現(xiàn)用戶在社交媒體互動(dòng)中，如果因角色壓力產(chǎn)生疲憊情緒則會(huì)傾向于減少互動(dòng)、降低活躍頻率[33]。謝名家認(rèn)為使用社交媒體時(shí)感覺(jué)疲乏、厭煩與厭倦的表現(xiàn)為在社交媒體的停留時(shí)間變短、使用頻率減少與使用熱度衰退，進(jìn)而對(duì)社交媒體產(chǎn)生負(fù)面觀念及態(tài)度[34]。信息過(guò)載會(huì)使用戶認(rèn)為只瀏覽社交媒體中的信息而不表達(dá)自己的觀點(diǎn)是較為安全的[35]，因此降低了內(nèi)容創(chuàng)造的行為頻率。因此，產(chǎn)生了以下假設(shè)：

H3：社交疲憊對(duì)用戶活躍度具有負(fù)向影響

3.在線社會(huì)支持的調(diào)節(jié)效應(yīng)

Peerayuth研究發(fā)現(xiàn)工作環(huán)境中用戶使用社交媒體的強(qiáng)度與來(lái)自同事的社會(huì)支持正相關(guān)[36]。Chen和Lee研究發(fā)現(xiàn)Facebook互動(dòng)與自尊心降低、認(rèn)知超載和痛苦情緒有關(guān)[37]。Lin等認(rèn)為使用Facebook或?qū)懖┛偷娜说纳鐣?huì)支持水平高于未參與這些活動(dòng)的人，即使用Facebook與社會(huì)支持呈正相關(guān)[38]。證據(jù)表明社交媒體在使用時(shí)并不一定會(huì)導(dǎo)致負(fù)面結(jié)果，在線社交支持有助于改善頻繁的社交媒體使用所帶來(lái)的負(fù)面影響。在“魔獸世界”游戲玩家中，更高水平的游戲內(nèi)社交支持與更多的游戲參與度以及較少的焦慮相關(guān)聯(lián)[39]，雖然在社交媒體中社會(huì)超載和交流超載會(huì)引發(fā)社交疲憊，但用戶通過(guò)感知到的社會(huì)支持意愿增強(qiáng)，可能在某種程度上抵消這些不利影響。此外，社交媒體也可能提供新的社交機(jī)會(huì)，幫助用戶結(jié)交更多的朋友，獲得更多的社交支持來(lái)克服公共傳播中的疲憊[40]。因此認(rèn)為：

H4：在線社會(huì)支持正向調(diào)節(jié)社交互動(dòng)超載對(duì)社交疲憊的影響

H5：在線社會(huì)支持正向調(diào)節(jié)信息超載對(duì)社交疲憊的影響

H6：在線社會(huì)支持正向調(diào)節(jié)社交疲憊對(duì)用戶活躍度的影響

基于壓力源-應(yīng)變-結(jié)果框架模型及上述討論，提出研究模型(見圖1)：

圖1 研究模型

4.社交疲憊在媒體超載與用戶活躍度之間的中介

在關(guān)于社交倦怠的研究中，普遍的研究發(fā)現(xiàn)是疲憊會(huì)對(duì)用戶行為產(chǎn)生影響，郭佳杭研究發(fā)現(xiàn)用戶在社交媒體的互動(dòng)中，疲憊情緒會(huì)減少其互動(dòng)和活躍程度[33]，謝名家認(rèn)為使用社交媒體時(shí)厭倦與疲乏的表現(xiàn)為在社交媒體上停留時(shí)間變短、使用頻率減少與使用熱度衰退[34]，Ravindran等認(rèn)為經(jīng)歷社交網(wǎng)絡(luò)疲憊的個(gè)體傾向于減少社交媒體的使用強(qiáng)度，而這種疲憊感越強(qiáng)，就越可能不持續(xù)地使用該社交媒體[27]。當(dāng)用戶所接觸到的信息和交流超過(guò)他們可以有效管理和使用的能力范疇時(shí)，信息超載和社交互動(dòng)超載所引致的壓力和負(fù)面情緒就影響著用戶的媒體使用行為，用戶會(huì)相應(yīng)地采取適應(yīng)策略，減少其社交網(wǎng)絡(luò)活動(dòng)，將消極影響最小化，減少不適和恢復(fù)情緒穩(wěn)定[4]。Maier等也通過(guò)研究發(fā)現(xiàn)，情緒耗竭在社交過(guò)載與滿意度，社交過(guò)載與社交媒體不持續(xù)使用意向之間都起著中介作用[12]。因此，產(chǎn)生了以下假設(shè)：

H7：社交疲憊在社交互動(dòng)超載與用戶活躍度的關(guān)系間有中介作用

H8：社交疲憊在信息超載與用戶活躍度的關(guān)系間有中介作用

三、研究方法

為了驗(yàn)證擬議的研究模型，本研究使用在線問(wèn)卷調(diào)查收集數(shù)據(jù)?？紤]到在中國(guó)，微信的月活躍用戶人數(shù)(monthly active users，MAU)截至2018年9月已達(dá)到10.82億，相比其他社交媒體占據(jù)最大額規(guī)模，因此這項(xiàng)研究通過(guò)讓微信用戶在線填寫調(diào)查問(wèn)卷進(jìn)行。這是介紹所使用的測(cè)量變量、使用的樣本和數(shù)據(jù)收集過(guò)程。

(一)問(wèn)卷設(shè)計(jì)與量表選擇

為確保內(nèi)容有效性，本研究所有測(cè)量題項(xiàng)均采用或改編自先前的文獻(xiàn)。所有構(gòu)想都使用多項(xiàng)目李克特五點(diǎn)量表來(lái)測(cè)量，范圍從“非常不同意”到“非常同意”。社交互動(dòng)超載、信息超載和社交疲憊的測(cè)量尺度改編自牛靜、Cao等[18，41]的研究，在線社會(huì)支持測(cè)量尺度改編自Janice[42]的研究，用戶活躍度測(cè)量尺度改編自陳愛輝和魯耀斌[28]的研究。為了保證問(wèn)卷內(nèi)容邏輯順暢、意思表達(dá)準(zhǔn)確，本文在問(wèn)卷初稿的基礎(chǔ)上進(jìn)行預(yù)調(diào)研。預(yù)調(diào)研在網(wǎng)上發(fā)布問(wèn)卷，然后針對(duì)預(yù)調(diào)研的情況對(duì)問(wèn)卷進(jìn)行修正，最終形成本研究的正式問(wèn)卷，表1顯示了本文研究變量的測(cè)量。

表1 變量測(cè)量

變量題項(xiàng)來(lái)源社交互動(dòng)超載(SIO)SIO1關(guān)心(問(wèn)候、點(diǎn)贊、評(píng)論)微信朋友圈中朋友的近況會(huì)耗費(fèi)我很多的精力SIO2去處理微信朋友圈中朋友的問(wèn)題(需要我點(diǎn)贊、轉(zhuǎn)發(fā)或投票)會(huì)花費(fèi)我很多精力SIO3關(guān)心(問(wèn)候、點(diǎn)贊、評(píng)論)微信朋友圈中的朋友會(huì)花費(fèi)我很多時(shí)間SIO4瀏覽微信朋友圈中朋友轉(zhuǎn)發(fā)的鏈接需要我投入很多注意力牛靜,常明芝(2018);Xiongfei Cao,Jianshan Sun(2018)信息超載(IO)IO1微信朋友圈中過(guò)多的信息常常會(huì)分散我的注意力IO2每天微信朋友圈中會(huì)有很多好友更新的信息,瀏覽刷新這些信息,我有一種淹沒(méi)在其中的感覺(jué)IO3微信朋友圈中有很多關(guān)于朋友的動(dòng)態(tài)信息,處理的時(shí)候會(huì)花費(fèi)大量時(shí)間和精力牛靜,常明芝(2018);Xiongfei Cao,Jianshan Sun(2018)社交疲憊(SE)SE1我覺(jué)得刷朋友圈很耗費(fèi)時(shí)間SE2我刷完朋友圈感到厭煩SE3我刷完朋友圈感到疲倦SE4我對(duì)朋友圈中是否有新的事情發(fā)生并不是很感興趣牛靜,常明芝(2018);Xiongfei Cao,Jianshan Sun(2018)在線社會(huì)支持(SS)SS1我的微信朋友圈好友非常關(guān)心我的生活SS2我通過(guò)微信朋友圈把我的問(wèn)題訴說(shuō)給我的好友SS3我在微信朋友圈上得到了情感上的幫助和支持SS4我可以通過(guò)微信朋友圈把我的喜怒哀樂(lè)分享給我的好友Janice Lo.(2019)用戶活躍度(UA)內(nèi)容創(chuàng)造行為(CCB)內(nèi)容傳播行為(CTB)關(guān)系構(gòu)建行為(RBB)關(guān)系維持行為(RMB)CCB1發(fā)表動(dòng)態(tài)(包括文字、圖和短視頻)CCB2更新/編輯個(gè)人主頁(yè)CCB3評(píng)論/回復(fù)好友的動(dòng)態(tài)CTB1分享好友的分享(消息、照片、動(dòng)態(tài))CTB2將鏈接/信息分享給社交媒體好友CTB3分享活動(dòng)鏈接(動(dòng)態(tài)、照片)在自己的社交媒體RBB1參與或創(chuàng)建興趣(話題)微信群RBB2在微信中參與或創(chuàng)建活動(dòng)并給朋友發(fā)送邀請(qǐng)RBB3搜索好友,發(fā)送(或接受)添加好友申請(qǐng)RMB1查看好友的個(gè)人主頁(yè)信息(動(dòng)態(tài)、照片)RMB2和微信朋友圈好友聊天RMB3響應(yīng)好友發(fā)給你的活動(dòng)參與邀請(qǐng)陳愛輝,魯耀斌(2014)

(二)數(shù)據(jù)收集

我們使用在線調(diào)查方法收集問(wèn)卷，在問(wèn)卷中，參與者被告知社交媒體指的是微信。在正式問(wèn)卷投放前隨機(jī)對(duì)28位社交媒體使用者進(jìn)行預(yù)調(diào)研，并根據(jù)反饋對(duì)問(wèn)卷進(jìn)行了適當(dāng)?shù)男薷?，以保證準(zhǔn)確度和精確度。本次調(diào)研均采用在線調(diào)查問(wèn)卷的形式，修訂后的調(diào)查問(wèn)卷于2019年4月進(jìn)行分發(fā)，通過(guò)掃描二維碼或發(fā)送問(wèn)卷鏈接等方式邀請(qǐng)微信用戶填寫問(wèn)卷，歷時(shí)一周最終獲得問(wèn)卷400份，由于其中85份問(wèn)卷答題時(shí)間過(guò)短(小于120秒)，故洗去這些數(shù)據(jù)，最終樣本由315個(gè)有效問(wèn)卷組成。樣本基本統(tǒng)計(jì)信息見表2。

表2 基本統(tǒng)計(jì)信息

樣本特征分類人數(shù)(個(gè))占比(%)樣本特征分類人數(shù)(個(gè))占比(%)性別年齡學(xué)歷男10533.33女21066.6719歲及以下113.4920—29歲21166.9830—39歲268.2540—49歲5818.4150歲及以上92.86高中及以下237.3大專185.71本科21869.21碩士及以上5617.78職業(yè)微信使用時(shí)間學(xué)生17655.87公司員工4614.6事業(yè)單位工作人員5617.78公務(wù)員30.95自由職業(yè)者196.03其他154.76一年左右72.222—3年10031.754—5年13944.136年及以上6921.9

四、數(shù)據(jù)分析與模型檢驗(yàn)

(一)測(cè)量模型檢驗(yàn)

信度即測(cè)量結(jié)果的一致性或穩(wěn)定性，它是指采用同樣的方法對(duì)同一對(duì)象重復(fù)測(cè)量時(shí)所得結(jié)果的一致性程度。本研究采用SPSS24.0工具，利用Cronbach's Alpha信度系數(shù)來(lái)檢驗(yàn)問(wèn)卷以及量表的信度。一般來(lái)說(shuō)，Cronbach's Alpha值小于0.35時(shí)信度過(guò)低，應(yīng)該拒絕使用該量表，在0.35—0.7時(shí)信度可接受，在0.7—0.8時(shí)則信度比較好，0.8—0.9時(shí)則信度很好，0.9以上則信度非常高。

表3 信度和收斂效度分析

觀測(cè)變量個(gè)數(shù)Cronbach's AlphaAVECR社交互動(dòng)超載40.8670.7160.910信息超載30.8460.7650.907社交疲憊40.7780.6120.862在線社會(huì)支持40.8310.6640.887用戶活躍度40.9180.8040.942

檢驗(yàn)結(jié)果如表3所示，可以看出，本研究量表中所有潛在變量的Cronbach's Alpha值都在0.77以上，表明該量表具有較好的信度。

效度檢驗(yàn)主要從內(nèi)容效度和建構(gòu)效度兩方面進(jìn)行。首先，本次研究中的測(cè)量項(xiàng)都是在前人成熟量表的基礎(chǔ)上改編而成，因此內(nèi)容效度較好。其次，建構(gòu)效度將從收斂效度和區(qū)別效度兩方面進(jìn)行檢驗(yàn)。收斂效度的辨別根據(jù)Fornell等[43]的方法依據(jù)AVE值(平均提取方差)和CR值(組合信度)來(lái)判斷模型是否具有良好的收斂效度。一般認(rèn)為，AVE值高于0.6，CR值高于0.7則具有較高的收斂效度。在區(qū)別效度檢驗(yàn)方面，根據(jù)Fornell等[43]的方法，通過(guò)AVE平方根與相關(guān)潛在變量的相關(guān)系數(shù)比對(duì)來(lái)檢驗(yàn)區(qū)別效度，一般認(rèn)為，如果所有潛在變量的AVE值的平方根大于各潛在變量間的相關(guān)系數(shù)，則認(rèn)為模型具有較好的區(qū)分效度，表4對(duì)角線上的數(shù)據(jù)為各潛在變量AVE值的平方根，對(duì)角線下方的數(shù)據(jù)為潛在變量間的相關(guān)系數(shù)。

表4 區(qū)別效度檢驗(yàn)結(jié)果

潛在變量社交互動(dòng)超載信息超載社交疲憊社會(huì)支持用戶活躍度社交互動(dòng)超載0.846信息超載0.6670.875社交疲憊0.4950.4490.782在線社會(huì)支持0.3530.2840.1350.815用戶活躍度0.3920.3340.2160.5270.897

檢驗(yàn)結(jié)果如表4所示，可以看出，本研究的問(wèn)卷具備良好的區(qū)別效度。

(二)結(jié)構(gòu)模型檢驗(yàn)

本研究整體模型適配度檢驗(yàn)統(tǒng)計(jì)量見表5?？ǚ?χ2)值為307.196，卡方自由度為2.768，小于評(píng)價(jià)標(biāo)準(zhǔn)3，說(shuō)明假設(shè)模型與實(shí)際樣本數(shù)據(jù)適配程度良好。RMSEA值為0.075(<0.08)，IFI值為0.921(>0.9)，TLI值為0.902(>0.9)，CFI值為0.920(>0.9)，PCFI值為0.751(>0.5)，PNFI值為0.719(>0.5)，說(shuō)明該因果關(guān)系模型與實(shí)際調(diào)查數(shù)據(jù)契合，圖2的路徑分析的假說(shuō)模型得到了支持，模型的整體擬合度很好。

表5 SEM整體適配度的評(píng)價(jià)指標(biāo)體系及擬合結(jié)果

統(tǒng)計(jì)檢驗(yàn)量絕對(duì)適配度指標(biāo)增值適配度指標(biāo)簡(jiǎn)約適配度指標(biāo)χ2χ2/dfGFIAGFIRMSEANFIIFITLICFIPCFIPNFIAIC實(shí)際值231.3702.6900.8680.8150.0960.8710.9150.8950.8950.7480.713299.370標(biāo)準(zhǔn)愈小愈好<3>0.9>0.9<0.08>0.9>0.9>0.9>0.9>0.5>0.5愈小愈好結(jié)果理想理想接近接近接近接近理想接近接近理想理想理想

圖2 結(jié)構(gòu)方程模型路徑

(三)模型結(jié)果分析

1.社交互動(dòng)超載與社交疲憊之間及社交疲憊與活躍度之間的關(guān)系檢驗(yàn)

表6給出模型假設(shè)的標(biāo)準(zhǔn)化系數(shù)、非標(biāo)準(zhǔn)化系數(shù)、標(biāo)準(zhǔn)誤差、臨界比率值及P值。結(jié)果表明，所有的理論依據(jù)都被調(diào)查問(wèn)卷獲得的相關(guān)數(shù)據(jù)得以證實(shí)，都通過(guò)了顯著性檢驗(yàn)。

表6 假設(shè)及顯著性檢驗(yàn)

注：1.臨界比率值等于參數(shù)估計(jì)值與估計(jì)值標(biāo)準(zhǔn)誤差的比值，如果此值的絕對(duì)值大于1.96，則參數(shù)估計(jì)值達(dá)到0.05顯著性水平，大于2.58，則參數(shù)估計(jì)值達(dá)到0.01顯著性水平；2.表示p<0.05；表示p<0.01；表示p<0.001。

2.社交疲憊的中介作用檢驗(yàn)

為了更確切地考察中介變量的作用，本研究按照Z(yǔ)hao、陳瑞等提出的中介效應(yīng)分析程序[44-45]，參照Preacher和Hayes提出的Bootstrap方法來(lái)驗(yàn)證間接效應(yīng)的顯著性[46-47]。這種方法是通過(guò)反復(fù)隨機(jī)抽樣來(lái)估計(jì)中介變量的間接效應(yīng)以及抽樣分布特征，并且給出間接效應(yīng)的置信區(qū)間。安裝PROCESS插件后，我們將主要變量以及控制變量加入宏，并將Bootstrap隨機(jī)抽樣設(shè)置為5000次，在95%置信區(qū)間下數(shù)據(jù)進(jìn)行社交疲憊的中介效應(yīng)檢驗(yàn)[46-47]。運(yùn)行結(jié)果表明在社交互動(dòng)超載對(duì)用戶活躍度起正向作用時(shí)，社交疲憊的中介檢驗(yàn)結(jié)果區(qū)間(LLCI=0，ULCI=0.1212)包含0，故中介效應(yīng)不存在，假設(shè)H7不成立。在信息超載對(duì)用戶活躍度起正向作用時(shí)，社交疲憊的中介檢驗(yàn)結(jié)果區(qū)間(LLCI=0.0002，ULCI=0.1212)不包含0，中介效應(yīng)存在，其值為0.3842；控制了中介變量社交疲憊之后，自變量信息超載對(duì)因變量用戶活躍度的影響不顯著，區(qū)間(LLCI=-0.0417，ULCI=0.1273)包含0。因此，社交疲憊在信息超載對(duì)用戶活躍度的影響中發(fā)揮了中介作用，假設(shè)H8得到驗(yàn)證。

3.在線社會(huì)支持在信息超載與社交疲憊間的調(diào)節(jié)作用

采用陳曉萍、徐淑英和樊景立[48]介紹的調(diào)節(jié)回歸分析方法驗(yàn)證“在線社會(huì)支持”的調(diào)節(jié)效果，分四步進(jìn)行，具體如下：第一步，對(duì)信息超載組數(shù)據(jù)做簡(jiǎn)單回歸分析，回歸條件均滿足，信息超載對(duì)社交疲憊正向作用顯著(β=0.449，t=6.783，p<0.001)，可見信息超載的確讓用戶增加了社交疲憊，假設(shè)H2再次得到驗(yàn)證；第二步，將在線社會(huì)支持取均值(σ=2.915)進(jìn)行高低分組；第三步，構(gòu)造社交互動(dòng)超載和在線社會(huì)支持的乘積項(xiàng)后運(yùn)用階層回歸發(fā)現(xiàn)，乘積項(xiàng)回歸系數(shù)顯著(β=0.251，t=3.788，p<0.05，調(diào)節(jié)效應(yīng)值ΔR2=0.059)(詳細(xì)數(shù)據(jù)見表6)；第四步，分別對(duì)在線社會(huì)支持高低組進(jìn)行回歸以直觀顯示調(diào)節(jié)效應(yīng)，回歸效果見圖3。由圖3可知，無(wú)論在線社會(huì)支持是高還是低，信息超載對(duì)社交疲憊均表現(xiàn)出正向影響，但低在線社會(huì)支持水平下信息超載更容易引起用戶的社交疲憊(直線更陡峭，斜率更大)，可見假設(shè)H5成立，即調(diào)節(jié)作用存在(乘積項(xiàng)系數(shù)顯著)，且發(fā)揮正向調(diào)節(jié)作用。采用上述方法步驟，對(duì)在線社會(huì)支持在社交互動(dòng)超載和社交疲憊之間的調(diào)節(jié)作用分析，結(jié)果發(fā)現(xiàn)調(diào)節(jié)作用并不顯著(P>0.05)，故而假設(shè)H4不成立。

4.在線社會(huì)支持在社交疲憊與用戶活躍度間的調(diào)節(jié)作用

當(dāng)用戶感受到社交疲憊后，通過(guò)社交媒體獲得的在線社會(huì)支持是否也起到正向調(diào)節(jié)作用？用與上述相同的方法進(jìn)行分析。進(jìn)行簡(jiǎn)單回歸分析后結(jié)果如下：社交疲憊對(duì)用戶活躍度負(fù)向作用顯著(β=0.216，t=2.984，p<0.001)，社交疲憊對(duì)降低了用戶活躍度，假設(shè)H3再次得到驗(yàn)證。社交疲憊和在線社會(huì)支持的乘積項(xiàng)回歸系數(shù)顯著(β=0.345，t=5.545，p<0.05)，此時(shí)調(diào)節(jié)效應(yīng)值ΔR2=0.102，詳細(xì)階層回歸分析結(jié)果見表8，回歸效果見圖4。由圖4可知，在低水平在線社會(huì)支持情境下，社交疲憊負(fù)向影響用戶活躍度(斜率為負(fù))，但在高水平在線社會(huì)支持情境下，用戶活躍度與社交疲憊呈正相關(guān)(斜率為正)。綜上可知，假設(shè)6成立，即調(diào)節(jié)作用存在(乘積項(xiàng)系數(shù)顯著)，且發(fā)揮正向調(diào)節(jié)作用。

表7 在線社會(huì)支持在信息超載和社交疲憊間的調(diào)節(jié)作用分析

變量階層一階層二階層三βtβtβt信息超載0.4496.7830.4476.4540.4296.407在線社會(huì)支持0.0080.116-0.047-0.681信息超載×在線社會(huì)支持0.2513.788F值46.00722.88621.165R20.2020.2020.261△F值46.0070.01314.348△R20.2020.0000.059

圖3 在線社會(huì)支持在信息超載和社交疲憊間的調(diào)節(jié)

圖4 在線社會(huì)支持在社交疲憊與用戶活躍度間的調(diào)節(jié)

表8 在線社會(huì)支持在社交疲憊和用戶活躍度間的調(diào)節(jié)作用分析

變量階層一階層二階層三βtβtβt社交疲憊0.2162.9840.1482.3500.0651.077在線社會(huì)支持0.5078.0800.4186.912社交疲憊×在線社會(huì)支持0.3455.545F值8.90338.66640.263R20.0470.2990.402△F值8.90365.28330.747△R20.0470.2530.102

五、討論

在研究模型中，共提出8個(gè)假設(shè)，其中假設(shè)H1、H2、H3、H5、H6、H8經(jīng)驗(yàn)證成立，而假設(shè)H4、H7不成立。

(一)結(jié)果分析

研究旨在探討在線社會(huì)支持對(duì)媒體超載負(fù)面效果的緩沖作用，表9中列出了假設(shè)的成立情況。

表9 研究假設(shè)結(jié)論成立表

編號(hào)假設(shè)驗(yàn)證結(jié)果H1社交互動(dòng)超載對(duì)社交疲憊具有正向影響成立H2信息超載對(duì)社交疲憊具有正向影響成立H3社交疲憊對(duì)用戶活躍度具有負(fù)向影響成立H4在線社會(huì)支持正向調(diào)節(jié)社交互動(dòng)超載對(duì)社交疲憊的影響不成立H5在線社會(huì)支持正向調(diào)節(jié)信息超載對(duì)社交疲憊的影響成立H6在線社會(huì)支持正向調(diào)節(jié)社交疲憊對(duì)用戶活躍度的影響成立H7社交疲憊在社交互動(dòng)超載與用戶活躍度的關(guān)系間有中介作用不成立H8社交疲憊在信息超載與用戶活躍度的關(guān)系間有中介作用成立

1.媒體超載直接對(duì)用戶情緒產(chǎn)生負(fù)面影響，使其感到社交疲憊，進(jìn)而降低了用戶活躍

研究發(fā)現(xiàn)，無(wú)論是社交互動(dòng)超載還是信息超載，都會(huì)讓用戶產(chǎn)生疲憊心理。由于每個(gè)人的認(rèn)知資源是有限的，社交生活只是用戶所有日常生活的一部分，當(dāng)社交所耗費(fèi)的認(rèn)知過(guò)多時(shí)，無(wú)論是與其他用戶的內(nèi)容交互、信息共享，還是從社交媒體上獲取信息，都會(huì)使用戶感到心理上的疲憊。作為人際交往(結(jié)識(shí)新關(guān)系、維系舊關(guān)系)和信息獲取的主要媒介，當(dāng)下社會(huì)對(duì)社交媒體的依賴已不可避免地使用戶陷入這一種狀態(tài)，這種社交疲憊是大多用戶都要經(jīng)歷的。

用戶情緒指導(dǎo)用戶行為，疲憊用戶的活躍度降低。一方面，社交媒體可以很好地給用戶帶來(lái)積極影響。如進(jìn)行熟人社交，讓用戶隨時(shí)掌握家人、朋友的動(dòng)態(tài)；增長(zhǎng)知識(shí)見聞，了解社會(huì)熱點(diǎn)、增長(zhǎng)知識(shí)面、拓展社交圈；最重要的是社交媒體能幫助用戶緩解現(xiàn)實(shí)生活中的壓力。另一方面，社交媒體本應(yīng)發(fā)揮現(xiàn)實(shí)壓力舒緩器的作用，但媒體超載又成為用戶新的壓力源，當(dāng)用戶感到疲憊時(shí)，多數(shù)用戶會(huì)采取應(yīng)對(duì)措施來(lái)減少這種消極影響：①在特定場(chǎng)合(如參加會(huì)議、陪伴家人、朋友聚會(huì)時(shí))，不接觸社交媒體；②在固定時(shí)間(工作、休息時(shí))，不接觸社交媒體；③在特定事項(xiàng)(如健身、閱讀、休閑時(shí))，不接觸社交媒體；④關(guān)閉各類社交APP的推送提醒；⑤關(guān)閉微信朋友圈功能；⑥將對(duì)自己有干擾的社交媒體卸載；⑦有意識(shí)降低社交媒體使用次數(shù)和時(shí)長(zhǎng)；⑧將對(duì)自己產(chǎn)生干擾的社交APP主動(dòng)卸載。這些行為使得用戶活躍度顯著降低，逐漸成為潛水用戶[33]。

2.在線社會(huì)支持緩沖了媒體超載的負(fù)面效應(yīng)，調(diào)節(jié)了用戶情緒與行為之間的關(guān)系

在線社會(huì)支持能夠調(diào)節(jié)用戶的情緒與行為，緩沖信息超載所帶來(lái)的負(fù)面效應(yīng)，對(duì)提高用戶活躍度提供有效幫助。社交媒體最重要的功能就是社交功能，在線社交既可以避免線下見面造成的時(shí)間、金錢上的浪費(fèi)，提高社交效率，但沒(méi)有時(shí)間和空間限制的高效社交也造成一個(gè)用戶可能要同時(shí)面對(duì)多個(gè)對(duì)象、不間斷社交信息輸入的局面，給用戶認(rèn)知帶來(lái)重負(fù)。但在線社會(huì)支持在這樣一個(gè)社交網(wǎng)絡(luò)中讓社交重負(fù)和疲憊得到了緩沖，讓原本單方面的社交訴求、關(guān)懷或幫助轉(zhuǎn)換形成人與人之間的一種良性社交互動(dòng)關(guān)系，讓原本感知到社交疲憊的用戶獲取心理上的支持與鼓勵(lì)，促使其保持自己在社交媒體上的活躍，維持自己在所屬社交網(wǎng)絡(luò)中的關(guān)系，用戶活躍度得以保持甚至有所提升。在線社會(huì)支持作為調(diào)節(jié)用戶情緒與行為的關(guān)鍵，在以往研究中僅3.14%的研究?jī)?nèi)容涉及商業(yè)[22]，但我們應(yīng)該意識(shí)到在線社會(huì)支持正在從根本上改變傳統(tǒng)的面對(duì)面社會(huì)支持行為中支持尋求者與提供者間在社會(huì)經(jīng)濟(jì)方面的關(guān)系，并且這種關(guān)系對(duì)于互聯(lián)網(wǎng)企業(yè)的影響也極為重要。用戶作為情緒化的消費(fèi)者，其所作所為與其意志并不完全一致，而在線社會(huì)支持通過(guò)調(diào)節(jié)用戶感知到的負(fù)面效應(yīng)與用戶情緒，進(jìn)而引導(dǎo)用戶行為朝著向企業(yè)有利的方向轉(zhuǎn)變。

3.社交互動(dòng)超載帶來(lái)的負(fù)面效應(yīng)還可通過(guò)其他方式調(diào)節(jié)

研究發(fā)現(xiàn)，社交疲憊在社交互動(dòng)超載——社交疲憊——用戶活躍度路徑的中介效應(yīng)并不顯著。原因可能是用戶在使用社交媒體時(shí)，頻繁社交互動(dòng)可以由用戶來(lái)主動(dòng)調(diào)節(jié)，如有意識(shí)地控制社交媒體的使用：在陪伴家人、聚會(huì)時(shí)不接觸社交媒體、在休息時(shí)間關(guān)閉各類社交APP等等，進(jìn)而由社交互動(dòng)超載所引起的負(fù)面效應(yīng)在某種程度上有所減少。但這也證實(shí)了從醫(yī)學(xué)領(lǐng)域借鑒來(lái)的在線社會(huì)支持的緩沖效應(yīng)理論的確適用于當(dāng)前的研究背景：在線社會(huì)支持減少用戶社交疲憊并提高用戶活躍度，同時(shí)補(bǔ)充和完善壓力源-應(yīng)變-結(jié)果框架模型的理論體系，對(duì)后續(xù)更加深入地研究在線社會(huì)支持有一定的參考價(jià)值。

(二)建議

根據(jù)研究結(jié)論以及分析，對(duì)社交媒體運(yùn)營(yíng)商提出以下建議：

1.強(qiáng)化在線社會(huì)支持在社交媒體中的應(yīng)用

如果社交媒體運(yùn)營(yíng)商可以提供某種方式允許用戶選擇沉浸在社交媒體使用的積極方面(例如，接收在線社會(huì)支持)同時(shí)最小化消極方面(例如信息超載)。社交媒體將作為鼓勵(lì)、支持的來(lái)源而不是壓力源，則他們的活躍度和歸屬感都可以增長(zhǎng)，從而有效地發(fā)展社交媒體社區(qū)。因此企業(yè)要重視在線社區(qū)建設(shè)，拓寬用戶獲取社會(huì)支持的渠道。用戶對(duì)使用社交媒體的期望已經(jīng)超出傳統(tǒng)的社交意圖，他們不再只為滿足溝通需求，同時(shí)也在尋求在線社會(huì)支持。如果社交媒體運(yùn)營(yíng)商注重對(duì)虛擬品牌社交媒體的建設(shè)，讓用戶積極參與虛擬社交媒體的互動(dòng)，那么不但能讓用戶獲得更多的在線社會(huì)支持，也能更好地維持社交媒體的運(yùn)營(yíng)。隨著人口紅利的減弱和用戶增長(zhǎng)趨勢(shì)減緩，如果能夠合理和有效地建設(shè)社交媒體，必將會(huì)使之成為增強(qiáng)企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的有力武器。

2.更加關(guān)注社交媒體疲憊用戶

隨著更多的用戶意識(shí)到社交媒體的消極影響，例如健康影響(視力下降、睡眠減少)、時(shí)間占用(減少紙質(zhì)書籍閱讀時(shí)間、過(guò)多占用私人時(shí)間)等，使社交媒體疲憊用戶的比例逐年遞增，因此社交媒體提供商應(yīng)該注重加強(qiáng)用戶與用戶之間的聯(lián)系，使用戶的關(guān)注點(diǎn)放在人與人之間的互動(dòng)上，通過(guò)多種手段提高在線社會(huì)支持，培養(yǎng)用戶忠誠(chéng)，增強(qiáng)對(duì)社交媒體對(duì)用戶的吸引力。

3.建立一套合理的用戶獎(jiǎng)勵(lì)機(jī)制

對(duì)用戶進(jìn)行適當(dāng)?shù)慕逃?，鼓?lì)和引導(dǎo)用戶間的相互支持。建立一套針對(duì)用戶的獎(jiǎng)勵(lì)制度，使用戶提供的支持行為朝著對(duì)社交媒體提供商有利的方向發(fā)展。從整體來(lái)看，某些用戶的推薦行為和互助行為對(duì)于其他用戶來(lái)說(shuō)恰恰是在線社會(huì)支持的重要來(lái)源，所以運(yùn)營(yíng)商既要努力為用戶獲取在線社會(huì)支持創(chuàng)造條件，同時(shí)也要鼓勵(lì)那些在社交媒體平臺(tái)提供了在線社會(huì)支持的用戶，兩者是相互促進(jìn)的。

4.積極引導(dǎo)用戶使用行為

幫助用戶積極管理自己的行為，以避免潛在的負(fù)面結(jié)果。運(yùn)營(yíng)商可利用平臺(tái)幫助用戶識(shí)別其社交網(wǎng)絡(luò)中的非必要好友(如微商、陌生人等)，控制和篩選這些非必要好友的動(dòng)態(tài)出現(xiàn)在用戶朋友圈的時(shí)間和頻率。同時(shí)提供更加多樣化的交流方式，多線勾連用戶，讓用戶感知更全面的在線社會(huì)支持。

(三)后續(xù)研究

本研究探討了在線社會(huì)支持對(duì)社交疲憊和用戶活躍度的緩沖效應(yīng)，并通過(guò)SPSS24.0和AMOS24.0分析數(shù)據(jù)，驗(yàn)證有關(guān)假設(shè)，信息超載負(fù)向影響用戶活躍度，信息超載能通過(guò)影響用戶情緒(社交疲憊)，進(jìn)而影響其活躍度，從而揭示信息超載影響用戶活躍度的內(nèi)在機(jī)制。這與SSO模型相一致，信息超載可以看作是壓力源，社交疲憊是用戶的應(yīng)變反應(yīng)，產(chǎn)生用戶活躍度降低的結(jié)果，并強(qiáng)調(diào)在線社會(huì)支持在社交媒體信息超載、社交疲憊和用戶活躍度之間的緩沖效應(yīng)的潛在機(jī)制：在線社會(huì)支持能緩解信息超載給用戶帶來(lái)負(fù)面結(jié)果。

本研究從在線社會(huì)支持的視角，證實(shí)在線社會(huì)支持正向調(diào)節(jié)社交疲憊，即高水平的在線社會(huì)支持能對(duì)社交疲憊起到緩沖作用。同時(shí)驗(yàn)證在線社會(huì)支持顯著負(fù)向調(diào)節(jié)社交疲憊與用戶活躍度，在更高水平的在線社會(huì)支持情境中，即使用戶感到疲憊，為了維護(hù)這種高水平的在線社會(huì)支持，用戶也選擇保持自己的社交媒體活躍狀態(tài)，獲得更多的關(guān)注，體驗(yàn)到自我價(jià)值和自我認(rèn)同，促成了良好人際關(guān)系的建立。

本研究還存在一些局限：首先，筆者共收集有效問(wèn)卷315份，限于成本考量，問(wèn)卷分發(fā)基于本人社交網(wǎng)絡(luò)進(jìn)行輻射，在樣本的年齡和學(xué)歷背景方面存在一定程度上分布不均的情況，希望以后的調(diào)查能夠?qū)⒀芯繕颖痉秶鷶U(kuò)大，覆蓋到各個(gè)年齡段和學(xué)歷背景的人群。第二，篇幅所限，筆者未對(duì)人口學(xué)統(tǒng)計(jì)變量等進(jìn)行差異研究，例如在線社會(huì)支持的作用是否在性別上存在差異、各個(gè)年齡段是否都受到在線社會(huì)支持的調(diào)節(jié)、用戶社交媒體使用時(shí)間(每日使用時(shí)間和使用總時(shí)長(zhǎng))是否在緩沖機(jī)制中產(chǎn)生影響。希望后續(xù)研究可以加以驗(yàn)證。第三，常李艷等在社交網(wǎng)站中在線社會(huì)支持文獻(xiàn)綜述的研究中，發(fā)現(xiàn)很少有學(xué)者直接利用內(nèi)容分析對(duì)帖子內(nèi)容進(jìn)行歸納或演繹編碼，研究中文社交網(wǎng)絡(luò)交互內(nèi)容的社會(huì)支持編碼體系，且研究方法側(cè)重調(diào)研問(wèn)卷[22]。今后的研究有必要采用更加客觀的實(shí)驗(yàn)方法來(lái)研究在線社會(huì)支持對(duì)用戶行為的干預(yù)結(jié)果，并采用主客觀相結(jié)合的更多樣的研究方法。未來(lái)的研究可以使用具有多個(gè)數(shù)據(jù)源的縱向研究設(shè)計(jì)，下一步擬對(duì)用戶人格特質(zhì)這類長(zhǎng)期影響用戶情緒的因素采取實(shí)驗(yàn)或訪談法等，以更好地反映人格特質(zhì)對(duì)社會(huì)支持、用戶活躍度的影響。本研究被試是社交媒體(微信)用戶，但社交媒體平臺(tái)還有很多，如微博、QQ、虛擬社區(qū)、論壇等，不同類型的社交媒體使用行為可能存在差異，未來(lái)將進(jìn)行比較研究，探討不同類型社交媒體的使用行為與結(jié)果。