付宏 羅湘瑩 杜智濤 李輝

關鍵詞：社會化媒體;信息;再傳播;內容;信源;卷入度

社會化媒體時代，每個人都是一個微媒體，人人都是信息的接受者，也是信息存儲、轉化、傳送和發(fā)布等各個環(huán)節(jié)的信息處理者，信息通過用戶進行的再傳播處理行為，成為社會主流的傳播方式之一。再傳播，是指信息在首次傳播后，經由其他媒介或個體而進行的再次傳播行為，再傳播既是內容傳播的動力，也是評判內容是否適用于用戶的標準。無法獲得再傳播的內容，在社會化媒體時代是沒有生命力的。由此，什么樣的內容能獲得再傳播，成為各個領域的實踐者和研究者關心的課題。隨著社會化媒體應用的不斷革新，用戶處理社會化媒體內容的方式多種多樣，包括點贊、評論、轉發(fā)、關注、投訴、屏蔽、發(fā)彈幕等，借鑒鄧衛(wèi)華等[1]在研究口碑信息傳播時提出的個體傳播行為三層次的理念，本文將用戶信息處理行為分為以下3種：從最初的信息瀏覽、關注、收藏、舉報等低參與度的傳播行為;到主動進行信息擴散的轉發(fā)行為;再到用戶深度參與、需要組織思路并發(fā)表觀點的評論行為。伴隨著用戶參與程度的逐漸增加，信息處理行為的層級也逐級遞增，進入再傳播階段。本文選取其中的轉發(fā)和評論行為作為信息再傳播的主要方式。評論與轉發(fā)是集信息傳遞和關系建立為一體的人際傳播。其中，轉發(fā)是一種信息共享行為，可以起到發(fā)起討論、塑造用戶形象[2]、維護社會關系[3]等功能;而評論行為代表一種個人意見顯性化的外在表達，以及交互反饋行為。從用戶參與程度來看，評論比轉發(fā)需要更高的參與度。本文借鑒精細加工可能性模型和使用與滿足理論，期望通過建立結構方程模型探討社會化媒體信息再傳播的影響因素，并探討卷入度在其中的調節(jié)作用。擬解決以下研究問題：①探析影響社會化媒體信息評論與轉發(fā)的變量及其作用路徑;②建構社會化媒體信息再傳播影響機制的理論模型。

對以上問題的回答，有助于研究者在社會化媒體情境中洞悉用戶的信息處理方式、探析信息再傳播的影響變量，以及心理因素在其中的交互作用，基于此，本文結合整合研究模型和跨學科理論視角，從傳播學和社會心理學視角出發(fā)，試圖構建社會化媒體信息再傳播的影響因素模型，同時探討了卷入度的調節(jié)作用，為理解社會化媒體信息再傳播提供實證基礎，進而對過往的經典傳播學和社會心理學理論做出新的探討，尋求理論創(chuàng)新以及方法突破的可能。

1理論來源與研究設計

1.1理論來源

在解釋用戶態(tài)度和行為的改變、理解信息說服效果等研究中，精細加工可能性模型是經常被檢視和援引的一種理論。詳盡可能性模型（ElaborationLikelihoodModel，ELM），又稱雙路徑模型，由心理學家CacioppoJT等[4]提出，該模型認為受眾在信息處理過程中會遵循兩條基本路徑：中心路徑和邊緣路徑。當用戶具備較高的詳盡可能性時，會采取中心路徑對信息進行處理，此時用戶的信息處理程度較高，說服效果主要取決于信息的論據質量或力度等內容因素;而當用戶詳盡可能性較低時，會采用邊緣路徑對信息進行處理，此時用戶更大程度上會簡單依賴一些信息的外部特征或啟發(fā)式線索，如用戶對信源的偏好或來源可信度等外圍因素，對信息進行處理判斷，從而形成態(tài)度的改變。

影響用戶選擇中心路徑還是邊緣路徑的因素，通常取決于用戶信息處理的動機和能力，這其中主要包括用戶的先驗知識（Prior-Knowledge）和卷入度。先驗知識是個體在經驗前所建構的思想、觀念、知識等，先驗知識從某種程度上影響人們對事物的認知，包括信任的產生、偏好的形成、行為的動因等。卷入度是指用戶在信息處理過程中對信息主題的投入和參與程度。卷入度高則采用中心路徑對信息進行精細化處理;反之，會依賴邊緣路徑對信息進行簡單判斷。從上述對ELM模型的梳理，本文將內容因素和信源因素作為再傳播的影響因素，同時將卷入度作為影響因素納入再傳播行為模型，并認為卷入度會對用戶信息處理起到調節(jié)作用。

此外，本文還借鑒了使用與滿足理論。使用與滿足理論（UsesandGratifications，U&G）由卡茨（KatzE）[5]提出，該理論認為受眾是基于自身的需求和目標，主動地、而非被動地進行媒介接觸行為，行為產生的滿足度再影響下一次的媒介使用行為?；ヂ?lián)網和社會化媒體滿足研究，主要包括媒介內容帶來的滿足[6]，信息體驗的趣味性、信息性、可靠性等[7]。本文認為任何內容處理行為，如評論和轉發(fā)都只有在滿足受眾需求之后，才有可能發(fā)生再傳播行為，綜合以上相關研究，提出社會化媒體內容對用戶的滿足主要包括信息量、代入感與趣味性等因素。

1.2研究假設

1.2.1社會化媒體信息再傳播：邊緣路徑與中心路徑的影響

1）邊緣路徑

根據ELM模型可知，本文認為在邊緣路徑下，用戶主要依賴信源因素進行信息處理。本文將信源因素細分為信源信任感和信源知名度兩個方面。

一是信源信任感。信息來源的可信度早在說服傳播中就已得到認證。HovlandCI等[8]通過實驗研究，提出了來源的可信度是說服受眾的先決條件，王曉光[9]通過實證研究發(fā)現，對信源的信任是影響微博用戶信息傳播的主要因素之一?；谏鲜龇治?，本文提出以下研究假設：

H1a：信源信任感對用戶進行社會化媒體內容的評論行為有顯著的正向影響。

H1b：信源信任感對用戶進行社會化媒體內容的轉發(fā)行為有顯著的正向影響。

二是信源知名度。信源知名度具有保障和說服作用。SunT等[10]采用結構方程模型，證實了意見領袖的影響力越強，受眾參與在線討論和轉發(fā)的頻率越高。賴勝強[11]使用多元回歸法，研究發(fā)現微博博主的名人特性，會顯著影響用戶的轉發(fā)行為。由此提出研究假設：

H2a：社會化媒體內容信源的知名度與用戶評論行為有顯著的正向影響。

H2b：社會化媒體內容信源的知名度與用戶轉發(fā)行為有顯著的正向影響。

2）中心路徑

根據ELM模型可知，當用戶采取中心路徑對信息進行加工時，此時說服效果主要取決于信息的論據質量、說服效果等內容因素。綜合使用與滿足理論，本文將內容因素細化為信息量、代入感、趣味性等指標。

一是內容信息量。MadduxJE等[12]研究指出，不管信源專業(yè)性強弱，吸引力有無，支持性論據都能夠提高說服效果。媒介豐富度理論也認為，各類媒體信息的豐富度會對用戶的媒體選擇和信息傳播產生影響，衡量媒體豐富度的重要指標就是其所包涵的信息量[13]。陳卓[14]在構建微博轉發(fā)影響因素指標體系時發(fā)現，用戶微博的平均長度越長、帶超鏈接比例越大，以及鏈接中所包含視頻、活動、新聞、圖片越豐富，則越會吸引其他用戶轉發(fā)。基于此，本文提出以下研究假設：

H3a：內容信息量與用戶評論行為有顯著的正向影響。

H3b：內容信息量與用戶轉發(fā)行為有顯著的正向影響。

二是內容代入感。指在小說、影視作品或游戲中，讀者、觀眾或玩家產生一種自己代替了小說或游戲中的人物而產生的一種身臨其境的感覺[15]?！坝邢扌闹悄Ｐ汀保↙imitedCapacityModelofMotiva？tedMediatedMessageProcessing）的提出者安妮·郎認為，強烈的代入感對其心智模型中的編碼、存儲、喚起3個子過程都有正面影響，會導致更強的內容記憶和理解[16]。劉行軍等[17]基于使用與滿足理論，構建了用戶使用微博進行信息傳播行為的理論模型，研究發(fā)現共享的情感連接和沉浸感，與用戶發(fā)布微博的行為呈現正相關關系?；谏鲜龇治觯疚奶岢鲅芯考僭O：

H4a：內容的代入感對用戶評論行為有顯著的正向影響。

H4b：內容的代入感對用戶轉發(fā)行為有顯著的正向影響。

三是內容趣味性。馮陳玥通過因子分析，研究社會化媒體用戶的使用動機，發(fā)現趣味性是很重要的一部分[18]。陳明亮等[19]根據傳播說服理論，建構的網絡環(huán)境下口碑再傳播意愿影響因素模型的實證檢驗結果表明，口碑內容趣味性是決定網絡口碑再傳播意愿的關鍵因素?；诖?，本文提出以下研究假設：

H5a：內容的趣味性對用戶評論行為有顯著的正向影響。

H5b：內容的趣味性對用戶轉發(fā)行為有顯著的正向影響。

1.2.2社會媒體信息再傳播：卷入度的調節(jié)作用

卷入度是指個人基于其內在需要、價值觀和興趣，而感知到的與客體的關聯(lián)性[20]。研究者們越發(fā)意識到，卷入度作為用戶自主進行信息處理的狀態(tài)，成為區(qū)別于客觀的信源和內容特征的第三類影響用戶信息行為的重要因素。由此，本文提出以下研究假設：

H6a：用戶的卷入度對用戶評論行為有顯著的正向影響;

H6b：用戶的卷入度對用戶轉發(fā)行為有顯著的正向影響。

ELM模型指出，在高卷入度條件下，信息接收者仔細處理信息的動機較強，他將把思維的焦點放在說服性信息的內容上，信息內容本身將對接收者的態(tài)度產生更大的影響;在低卷入度條件下，相關動機較弱，而更可能去關注一些非核心因素，如信息來源可靠性等[21]。由此可知，卷入度是說服效應的一個重要調節(jié)變量。

在社會化媒體信息再傳播行為中，預期卷入度也有類似的調節(jié)作用：即卷入度的高低，將會在信源與內容因素對用戶評論、轉發(fā)行為的影響中產生調節(jié)作用。由于以往相關研究已經證明，卷入度在信源信任感、內容趣味性這兩個因素對評論、轉發(fā)行為中有正向調節(jié)作用，同時也為了簡化模型，本文對這兩個因素不再做進一步研究。僅主要考察卷入度對信源知名度、內容信息量和內容代入感的調節(jié)作用。結合以上文獻分析，本文提出以下研究假設：

H7a：信源知名度對用戶評論行為會受到卷入度的反向調節(jié)作用;

H7b：信源知名度對用戶轉發(fā)行為會受到卷入度的反向調節(jié)作用。

H8a：內容信息量對用戶評論行為會受到卷入度的正向調節(jié)作用;

H8b：內容信息量對用戶轉發(fā)行為會受到卷入度的正向調節(jié)作用。

H9a：內容代入感對用戶評論行為會受到卷入度的正向調節(jié)作用;

H9b：內容代入感對用戶轉發(fā)行為會受到卷入度的正向調節(jié)作用。

1.3研究模型與理論假設

Delialiog？lu？等[22]研究了人口變量如性別、年齡和社會經濟地位等，對于網絡的使用廣度和深度有著重要的影響。FulkJ[23]認為年齡、教育程度和性別等，會影響網絡口碑信息的轉發(fā)行為。因此，本文將性別、年齡、婚姻、教育程度、收入、居住地這幾項，作為控制變量納入模型。綜合上述理論和研究假設，本文提出了社會化媒體信息再傳播行為影響因素的研究模型及理論假設，如圖1所示。

1.4測量變量

為了驗證模型中潛變量的關系，需要確定潛變量的測量變量。本文在相關文獻的基礎上對各測量變量進行了歸納和修改，并適當增加了新的測量變量，采用五級量表形式，如表1所示。

2模型驗證

2.1數據收集與描述性統(tǒng)計

研究數據采用配額抽樣和簡單隨機抽樣相結合的方法。在微信、微博、知乎等著名社會化媒體平臺發(fā)放問卷800份，回收有效問卷592份，其中男、女性樣本量（占比）分別為317（53？？5%）、275（46？？5%）;年齡分段為≤20歲、21～29歲、30～39歲、40～49歲、≥50歲，樣本量（占比）分為83（14%）、205（34？？6%）、165（27？？9%）、81（13？？7%）、58（9？？8%）;已婚與單身樣本量（占比）分別為291（49？？2%）與301（50？？8%）;教育程度分為初中、高中/中專/技校、大專、本科、研究生及以上，樣本量（占比）分別為2（0？？3%）、17（2？？9%）、188（31？？8%）、318（53？？7%）、67（11？？3%）;月均收入分為<2000元、2000～2999元、3000～3999元、4000～4999元、5000～5999元、6000～6999元、7000～7999元、8000～8999元、≥9000元，樣本量（占比）分別為67（11？？3%）、34（5？？7%）、24（4？？1%）、28（4？？7%）、66（11？？1%）、84（14？？2%）、128（21？？6%）、123（20？？8%）、38（6？？4%）;居住地區(qū)分為農村、鄉(xiāng)鎮(zhèn)、縣級市/縣城、地級市城區(qū)、省會城市、直轄市，樣本量（占比）分別為12（2%）、32（5？？4%）、103（17？？4%）、92（15？？5%）、240（40？？5%）、113（19？？1%）。綜合最終樣本信息可見，樣本分布相對均衡。相關數據分析采用SPSS，結構方程模型的構建采用Mplus軟件。

2.2數據信度與效度

量表的信度和效度，使用主成分分析和驗證性因素分析（CFA）來檢驗。KMO值為0？？854，表明該數據適合作因子分析[49]。如表2所示，所有的指標均加載于預期的因子上，因子載荷均遠高于交叉載荷，說明有較好的聚合效度和區(qū)分效度[48]。Cronbach？？sa系數和CR（CompositeReliability）均大于0？？75，這顯示出在信度上有較為滿意的表現[49]，如表3所示。

聚合效度（ConvergentValidity）通過檢驗指標載荷和AVE（TheAverageVarianceExtracted）來驗證。如表3所示，AVE值均大于0？？5，達到了相關要求[48]。所有指標的標準化載荷具有較強的顯著性（小于0？？001），本文中所使用的量表具有良好聚合效度[48]。

通過比較AVE的平方根與各潛變量的相關系數來檢驗區(qū)分效度（DiscriminantValidity），表2中對角線即為AVE的平方根，非對角線上的即為潛變量相關系數，前者均大于后者，可以判斷具有較好的區(qū)分效度。

運用Harman單因素方法檢驗共同方法偏差（CommonMethodBias），對所有變量進行探索性因素分析，未旋轉的因子解中，抽取出8個因子，最大的因子解釋了28？？7%的方差，說明共同方法偏差并不明顯。另外，根據Liang等提出的方法來進一步驗證共同方法偏差[48]，結果顯示變量載荷顯著，而共同方法因子載荷不顯著，由此可以看出本文不涉及共同方法偏差問題。

另外，進行多重共線性分析，如表3所示，方差膨脹因子（VIF）的值都在10以下，說明多重共線性問題不存在。

2.3構建結構方程模型

按照理論模型構建結構方程驗證模型。首先，結構方程不考慮調節(jié)效應，由表5模型1可以看到，結構方程擬合較好。由表5可以看到，χ2/df=2？？49，CFI、TLI均大于0？？9，模型擬合可以接受;SRMR=0？？07，小于0？？08，顯示模型擬合較好;RMSEA=0？？05，說明模型擬合較好;總體上看來，結構方程模型1擬合較好。

本文進一步研究卷入度這個潛變量的調節(jié)效應。實際上對于調節(jié)效應的分析，是社會科學研究的重要議題，是理論發(fā)展精確化的重要途徑。當不考慮測量誤差時，通常使用多層次回歸模型來檢驗交互效應，由于在傳統(tǒng)回歸模型中沒有考慮到指標測量誤差，通常會扭曲參數估計結構[49-50]。而結構方程內在分析測量誤差時存在諸多優(yōu)勢，因此，本文在結構方程模型內考察潛變量交互效應，對構建潛變量調節(jié)模型存在顯著優(yōu)勢。

本文通過乘積指標法（ProductIndicatorAp？proach）來構造乘積項，即交互效應潛變量的指標，采用外生潛變量的配對相乘后的乘積項作為其指標，即用具有調節(jié)作用的潛變量的各個測量指標，與其有交叉關系的潛變量的各測量指標，進行配對相乘后的乘積項作為其指標。指標配對按照因子載荷的大小進行，即兩個潛變量中因子載荷最大的兩個指標，相乘得到新指標，因子載荷最小兩個指標，相乘得到新指標。結果如表5模型2所示。

圖2為考慮了卷入度的交互作用的模型的標準化路徑系數，共18個假設中12個假設得到了驗證，控制變量對因變量的影響也發(fā)生了部分變化。

3討論與啟示

本文根據問卷調查的數據，在控制用戶的人口統(tǒng)計學變量后，探討了社會化媒體信息再傳播行為的影響因素。研究發(fā)現，除了信源知名度、內容信息量對轉發(fā)行為影響不顯著之外，社會化媒體信源知名度、信任感，內容的信息量、代入感和趣味性以及用戶的卷入度等因素，均對信息的評論行為起到重要的作用。同時，信源知名度對用戶轉發(fā)的影響受到卷入度的負向調節(jié)。這在某種程度上揭示了社會化媒體信息再傳播的底層邏輯。

3.1內容因素比信源因素對評論的影響更大，內容因素中信息量的影響最大

根據模型1結果，可以看出信源因素、內容因素和卷入度等，對評論行為均有顯著的正向影響，假設H1a、H2a、H3a、H4a、H5a、H6a均得到驗證。內容因素的3個指標對評論行為的影響最大，其次是卷入度指標。與前二者相比，信源因素的影響最小。內容因素中的信息量、代入感和趣味性對評論的影響數值分別為0？？258、0？？197、0？？192，遠比信源因素中的信任感（0？？098）、知名度（0？？128）要高。

與公開的轉發(fā)行為相比，評論行為顯得更為私密。因為評論是某一具體話題下的意見匯集與觀點交鋒，是閱讀同一話題的網民之間的交流與討論，并不在好友圈中公開展示，故并不涉及網絡社交圈的自我呈現和印象管理。因為轉發(fā)是一種社交化的行為，而評論的目的更是個人意見表達與情緒抒發(fā)，很多時候來源于有感而發(fā)的沖動，所以基于這種心理，信源的影響力就被大大削弱了。由此可見，內容本身的感染力更能引發(fā)用戶情緒和公共討論，具體為：首先，內容因素中信息量對評論影響最大，信息量豐富、有價值、表述嚴謹的內容，一般對現象的闡述會更深入而全面，使用戶在對現象有更多了解的基礎上，調動大腦的注意力、想象力和各種感覺積極地信息處理，并結合自身的認知、經歷形成反饋，進而激發(fā)用戶情緒，形成討論氛圍;其次，是代入感，其最大特點是使用戶與內容產生情感共鳴，在感同身受的基礎上有感而發(fā)，產生評論;最后，是趣味性，閱讀富有趣味性的內容能夠使用戶享受到愉快的體驗，并引發(fā)互動和交流意愿。關于趣味性的結論和已有的很多研究結果相呼應，畢竟內容的趣味性、娛樂性本就是用戶選擇社會化媒體的主要原因之一，這點不再贅述。

這一結論為社會化媒體內容的設置提供了一些參考。在社會化媒體語境下，“內容為王”愈發(fā)凸顯。尤其是從評論數指標而言，傳播的信息能否引發(fā)公共討論、增強觀點互動、形成社會話題，主要取決于內容本身而非信源。雖然社會化媒體時代常被認為是碎片化傳播的時代，導致長內容的接受度降低。但從本文結果發(fā)現，內容信息量對評論有顯著的促進作用，這里的信息量不單單指的是內容篇幅，還包括報道形式的豐富性、內容的價值性和論述的嚴謹性等。結合現在微信公眾號等內容媒體的運營現狀看，的確存在內容篇幅逐漸由短變長，信息的豐富度不斷提高的趨勢，信息量大的文章，也確實容易獲得更多評論與互動。此外，內容生產者在豐富內容信息量的同時，還要注重內容表達技巧，積極運用短視頻、直播等不同技術手段，增強內容的代入感，并促進內容風格的文學化、趣味性轉化。

3.2對轉發(fā)影響最大的是信源因素中的信任感，其次是內容因素中的趣味性

從表5模型1可以看到，除了信息量對轉發(fā)的影響不顯著之外，其余5個自變量對轉發(fā)行為的影響均呈現顯著的正向影響。即除假設H3b未得到驗證之外，假設H1b、H2b、H4b、H5b、H6b均得到驗證。此外，由表5可知，不論模型1還是模型2，對轉發(fā)行為的最大影響因素都是信源的信任感，其次是內容的趣味性，最后是內容的卷入度。

首先，用戶轉發(fā)時會更關注信源的信任感，避免轉發(fā)不實信息有損個人形象。主要原因有二：一方面，基于信息傳播視角，轉發(fā)行為是公開化的信息傳播活動，隨著我國互聯(lián)網規(guī)制的加強和網絡空間綜合治理體系的建立，用戶在互聯(lián)網上的信息傳播行為被納入行政監(jiān)管的范圍，因此，隨著網絡監(jiān)管的收緊，用戶在轉發(fā)時，會更加關注信源的真實性，使得信源的信任感成為影響用戶轉發(fā)的最關鍵因素;另一方面，基于個人視角，轉發(fā)是個人意見顯性化的外在表達，與評論相比，轉發(fā)并不只是簡單的情感流露和觀點交流，其受印象管理、自我呈現和社交互動目的等的影響更強，對用戶建立個人形象、維護社交關系、積累社會資本等具有重要作用。

其次，內容的趣味性對用戶轉發(fā)行為影響較大。內容的趣味性能增強用戶的分享意愿，快樂的共享也是社交應有之義。另外從印象管理的角度看，轉發(fā)趣味性的內容也有助于用戶在網絡上塑造幽默、有趣的正面形象。

最后，卷入度對用戶轉發(fā)行為的影響也具有較強的顯著性。說明獲取用戶更多時間、精力等注意力資源的內容，更易獲得用戶轉發(fā)，這與經濟學中人們一般對沉沒成本不舍，更愿意將資源投放到已經付出過的對象而非其他對象的原理一致。

另外值得關注的是，表5中模型1和模型2都顯示，信息量對轉發(fā)的影響并不顯著，即假設H3b未能得到驗證。這與評論行為的影響結果正好相反，在評論行為中內容信息量的影響最大。這一結果符合“第一人效果”假說。AtwoodLE[51]在1994年的研究中指出，“當受眾接觸到符合社會期待、能夠引起正面情感的信息時，受眾傾向于認為自己受媒介信息的影響大于其他人”。由此可知，用戶在接受社會化媒體信息時，會傾向于認為自己能夠較好地處理并吸收信息量豐富的內容，而其他人在屏讀時代和互聯(lián)網碎片化的傳播語境下，不喜歡閱讀信息量大的內容。

因此，在設計社會化媒體內容時，如果要增加評論數，應注重提升內容的信息量;如果要提高內容的轉發(fā)量，則需要在信源的信任感上下功夫。而提升內容的趣味性，對于評論和轉發(fā)都非常重要。

3.3卷入度對知名度影響轉發(fā)起到反向調節(jié)作用，對其他潛變量影響作用的調節(jié)作用不明顯

由表5可知，“卷入度×知名度”對轉發(fā)的影響為-0？？309？？？，并且根據模型1可知，知名度對轉發(fā)行為的影響是顯著的，在模型2中經過卷入度的調節(jié)后就變得不顯著了，可見卷入度對知名度影響轉發(fā)起到了反向調節(jié)作用，H7b得到驗證。而“卷入度×知名度”對評論行為的影響并不顯著，因此，H7a未能得到驗證。此外，“卷入度×信息量”“卷入度×代入感”對評論、轉發(fā)行為的影響均不顯著，因此，H8a、H8b、H9a、H9b均未得到驗證。

根據ELM模型，當用戶對內容的卷入度低時，用戶由于缺乏深入思考和加工信息的動機，會選擇邊緣路徑來處理信息。這時候會更多地參考信息的外在因素，如信源的知名度因素。而在高卷入度情境下，用戶會投入更多的時間、精力對信息內容進行處理和精細加工，這時候更多關注的是信息的內在因素，信息的來源等非核心因素的重要性程度就被消解了。因此卷入度越高，知名度對用戶轉發(fā)行為的影響越小，由此可解釋，卷入度對知名度影響轉發(fā)起到反向調節(jié)作用。而評論本身受內容因素的影響較大，信源因素的影響程度相對內容因素較低。因此，卷入度的調節(jié)作用不明顯。

由表5還可見，年齡和婚姻情況對評論有反向作用，教育程度對評論有正向影響作用。即年齡越大的用戶評論越少，未婚的比已婚的更傾向于進行評論，教育程度越高的人，越容易對社會化媒體內容進行轉發(fā)和評論，這與原有的研究和一般認知相符合。此外，性別、收入對評論和轉發(fā)影響不顯著。居住地對轉發(fā)有反向影響（在不考慮卷入度的情況下），即越是城市的人越不傾向于轉發(fā)，越是鄉(xiāng)鎮(zhèn)的人越容易轉發(fā)，這或許是由于城市居民相對于鄉(xiāng)鎮(zhèn)居民而言，信息獲取量更大，對信息的新鮮感變弱，因此轉發(fā)行為更少。

4結語

本文將社會化媒體信息再傳播細化為評論和轉發(fā)行為，從信源、內容和卷入度三方面，考量了影響用戶對社會化媒體信息再傳播的因素，通過結構方程模型設計的交互模型驗證了卷入度這個潛變量的調節(jié)效應。通過對結果的綜合分析可見，除了內容的信息量對用戶轉發(fā)行為影響不顯著之外，其他的影響均顯著，卷入度也發(fā)揮了調節(jié)作用，但是調節(jié)項并不多。內容因素比信源因素對用戶的評論行為影響更大，用戶的轉發(fā)行為受信源信任感影響最大，其次是內容的趣味性，卷入度反向調節(jié)知名度對用戶轉發(fā)行為的影響。本文模型的構建及所得到的相關結論，為社會化媒體信息的再傳播行為研究提供了重要的理論借鑒。

本文在方法和設計上還存在不足：一是對社會化媒體信息再傳播行為的影響因素考慮不夠全面，不能排除其他潛在影響因素，如平臺和社群特性、用戶的性格特征和動機等。二是沒有考慮到卷入度對信任感、趣味性這兩個因素的調節(jié)作用，一方面是因為既有研究已經對其進行了探討;另一方面是考慮到模型過于復雜，數據難以處理，但這些調節(jié)作用也是需要進一步討論的。三是目前已有研究證明“卷入度”的廣泛調節(jié)作用，但本文中卷入度只對知名度影響用戶轉發(fā)有顯著調節(jié)作用，對其他影響的調節(jié)作用并不明顯，其原因需要進一步驗證說明。