孫雪

摘 要：軟件更新是企業(yè)增強軟件使用率及用戶黏性的重要手段，為此企業(yè)在軟件更新中投入大量成本，而與此相對立的是用戶的低更新率。對于企業(yè)而言，探索激勵用戶更新的方法迫在眉睫。該研究采用事件相關(guān)電位（ERP）方法，探索了軟件更新行為的激勵模式及其腦機制。研究結(jié)果表明，在軟件更新的界面設(shè)計中，情緒喚醒和框架效應(yīng)刺激顯著影響用戶更新行為，這一過程主要誘發(fā)了大腦的P100和P200成分。研究結(jié)果從理論上證實了界面設(shè)計因素（例如基于圖片的情緒喚醒刺激，以及基于更新提示語的框架效應(yīng)刺激）影響用戶更新行為的有效性及其神經(jīng)機制，并在實踐上為企業(yè)進行軟件更新提示設(shè)計提供了借鑒。

關(guān)鍵詞：軟件更新；情緒喚醒；框架效應(yīng)；事件相關(guān)電位

中圖分類號：F 276.7

文獻標志碼：A

Motivators and Mechanism of User Software UpdateBehavior：Based on ERP analysis

SUN Xue

（Shanghai Key Laboratory of Brain-Machine Intelligence for Information Behavior， School of Businessand Management，Shanghai International Studies University， Shanghai 201600，China）

Abstract：Software update is an important means for enterprises to enhance software utilization and user stickiness， so enterprises invest a lot of costs in software updates， and the opposite is the low update rate of users. For businesses， it’s urgent to explore ways to incentivize users to update. In this study， the event-related potential （ERP） method was used to explore the incentive mode of software update behavior and its brain mechanism. The results show that in the interface design of software updates， emotional arousal and regulatory directed stimuli significantly affect the user’s renewal behavior， which mainly induces the P100 and P200 components of the brain. The results of this study theoretically confirm the effectiveness and neural mechanism of interface design factors （such as image-based emotional arousal stimulation and regulatory directional stimulation based on update prompts） in influencing users’ update behavior， and provide reference for enterprise software update prompt design in practice.

Key words：software updates; emotional arousal; adjust orientation; event-related potentials

0 引言

軟件企業(yè)追求高更新率，而用戶展現(xiàn)出低的更新意愿，在這種強烈反差下，對于企業(yè)而言，激勵用戶更新行為尤為重要。本研究基于情緒喚醒和框架效應(yīng)兩個理論，從更新界面設(shè)計角度探索促進用戶更新行為的因素，同時使用事件相關(guān)電位的生理信號，檢驗上述過程的腦機制。使用情緒喚醒圖片激發(fā)用戶的積極情緒，增強用戶動機，進而提高用戶更新意愿；使用框架效應(yīng)理論，設(shè)定軟件更新的提示語，激勵用戶更新動機，以提升用戶更新率。

1 研究假設(shè)

信息系統(tǒng)中的個體決策與動機相關(guān)?；谫Y源限制理論，個體有更多認知資源時，更可能進行詳細思考而做出理性決策，而不是根據(jù)默認選項或慣例性決策。資源限制是指其作業(yè)受到所分配資源的限制，一旦得到較多的資源，這種過程便能順利進行。更新決策也存在兩種決策，一種是基于慣性的決策，這種決策不需要花費額外的認知資源，只需要按照平時的選擇進行決策，在更新背景下，根據(jù)以往文獻以及本研究的前期調(diào)研，發(fā)現(xiàn)大部分個體更傾向延遲更新或不更新，所以這種依靠慣性的決策更可能是拒絕更新。而當個體認知資源充沛時，則有更多資源進行更新決策，會考慮更新的收益和不更新可能帶來的損失，這種更新更客觀而不依靠以往決策和慣例性選擇。所以當認知資源充沛時，個體更可能做出更新的選擇。

研究發(fā)現(xiàn)（Nebes et al.， 2000），認知資源具有兩個重要特點，一是認知資源是有限的且隨著個體的認知活動增加，認知資源會逐漸損耗；二是認知資源是可以恢復的，例如睡眠和動機，可以恢復個體的認知資源?？紤]到信息系統(tǒng)的界面設(shè)計可操作性，本研究提出使用情緒喚醒和框架效應(yīng)兩種方式促進個體動機，進而恢復個體認知資源數(shù)量。積極的高情緒喚醒能夠引起個體更高程度積極情緒。這些高程度的積極情緒可能是高興的、令人眼前一亮的、興奮的等。高情緒喚醒能夠引起個體更強的動機（Zhu et al.， 2021）。個體動機越強，那么認知資源越多，個體更可能進行精細決策做出理性的決定，相比于慣例性“不更新”決定，更可能做出更新的決策。

以往研究發(fā)現(xiàn)，P100成分與情緒和喚醒度相關(guān)，強烈的情緒往往會引起P100較大波幅（Wang et al.， 2015）。在本研究中相比于低情緒喚醒，高情緒喚醒會誘發(fā)更大的P100波幅。

因此，提出以下假設(shè)：

相比于低情緒喚醒，高情緒喚醒引起更高的更新率。

相比于低情緒喚醒，高情緒喚醒誘發(fā)更大的P100振幅。

研究發(fā)現(xiàn)框架效應(yīng)也可以激發(fā)個體動機（Chan， 2021）?？蚣苄?yīng)有兩種方式，一種是收益框架，另一種是損失框架。收益框架是通過展現(xiàn)事件或事物的積極方面，對自身收益的增進，進而激發(fā)個體動機。損失框架是通過展現(xiàn)事件或事物在避免消極影響方面的作用，對自身潛在損失的保護，進而促進個體動機。研究發(fā)現(xiàn)，不同背景下，收益框架和損失框架的作用效果不同（Eddington et al.， 2017）。在更新背景中，軟件更新經(jīng)常與系統(tǒng)的損失或風險相關(guān)，甚至導致個人賬戶的利益損失。在這種背景下，人們通?？紤]避免損失，而不是得到收益，即存在損失厭惡現(xiàn)象。進而，在軟件更新的背景下，損失框架比促進框架引起個體更強的動機。更強的動機使個體獲得更多認知資源，進而更可能理性地做出更新的選擇。

P200成分與認知相關(guān)（Zhang et al.， 2020），損失框架的刺激導致了更多認知資源需求，進而誘發(fā)更大的P200波幅（Zhang & Liu， 2006; Sun et al.， 2020）。

因此，提出以下假設(shè)：

相比于收益框架，損失框架引起了更高的更新率。

相比于收益框架，損失框架誘發(fā)了更大的P200振幅。

2 方法

2.1 研究設(shè)計

本研究采用2×2被試內(nèi)設(shè)計。一個因素是情緒喚醒，均采用了積極情緒喚醒，并分為高喚醒度和低喚醒度兩個水平，第二個因素是框架效應(yīng)，分為收益框架和損失框架兩個水平。使用腦電設(shè)備，記錄被試在實驗過程中的腦電反應(yīng)。

2.2 數(shù)據(jù)收集

本研究通過上海外國語大學論壇及社區(qū)群發(fā)布腦電實驗被試招募信息，共招募在校學生36人，其中男生11人、女生25人。其中兩名被試的腦電數(shù)據(jù)偽跡過多，而被剔除，最終確定34名有效被試。被試年齡在18～30歲，平均年齡24歲。按照腦電實驗技術(shù)對被試的要求，所有被試均為右利手（不是左撇子），裸眼視力或矯正視力正常（實驗過程中允許佩戴度數(shù)合適的眼鏡），且所有被試均無神經(jīng)或精神疾病病史，無紅綠色盲癥。實驗過程經(jīng)過上海外國語大學腦與認知科學神經(jīng)實驗室倫理委員會許可。

2.3 實驗材料

首先，本研究進行軟件更新背景的選定。以往研究發(fā)現(xiàn)，軟件的使用頻率會對該軟件更新行為產(chǎn)生影響，所以本實驗場景的選定以居中為準則，所選用的軟件既不過于頻繁使用，也不過于不常用。實驗對35人的“軟件屏幕使用時間”進行分析。以日志當天到前7天的數(shù)據(jù)為對象，分析了一周之內(nèi)受試者軟件使用次數(shù)以及軟件使用總時長。根據(jù)Apple Store和華為軟件市場對軟件的分類，將軟件劃分為游戲、娛樂、社交、創(chuàng)意、購物與美食、效率與財務(wù)、工具、其他、教育、信息、旅游共11類。首先根據(jù)使用頻率排序，去掉最常用和最不常用的兩個，其他、購物與美食、效率與財務(wù)、娛樂、工具、信息、游戲為使用頻率居中的軟件類型（見圖1）。

根據(jù)平均每日使用時長進行排序，去掉最常用和最不常用的兩個，游戲、教育、娛樂、其他、購物與美食、信息、效率與財務(wù)為使用時長居中的軟件類型（見圖2）。

結(jié)合軟件在人群中的使用特點，選擇“效率與財務(wù)”類作為本實驗的背景。效率與財務(wù)類軟件包括網(wǎng)易郵箱大師、中國工商銀行、企業(yè)微信、騰訊會議等。結(jié)合研究一的背景，最終選擇會議軟件作為本實驗的軟件背景。

其次，在更新圖片刺激的操控中，使用CAPS中國情緒圖片系統(tǒng)庫中的圖片（Bai et al.， 2005）。首先招募30名測評人員，對CAPS中286張積極圖片的情緒喚醒度等進行測評，具體內(nèi)容包括圖片的效價、支配度、喚醒度、愉悅度4個維度，采用7點量表。然后，對所有286張圖片的情緒喚醒程度排序。挑選出情緒喚醒程度最高的前40張，以及情緒喚醒程度最低的后40張作為情緒喚醒的刺激材料，保證了不同組別的情緒喚醒具有足夠的區(qū)分度。

最后，在對更新提示語的操控中，收益框架提示語主要告知被試更新所帶來的收益或好處，能夠激發(fā)人們對軟件更新的正向態(tài)度，進而促進更新；損失框架提示語告知被試不更新所帶來的損失或壞處，使人們擔心失去而促使其更新。分別對收益框架和損失框架設(shè)定了10句更新提示語，并對這些提示語的重要性及收益/損失感知進行評分。最終分別挑選了4句收益框架和損失框架的軟件更新提示語作為刺激材料。收益框架提示語包括：A1——提升兼容性能；A2——搶先探索新功能；A3——保障系統(tǒng)安全；A4——改善運行速度。損失框架提示語包括：B1——杜絕軟件閃退；B2——避免錯失新功能；B3——防止病毒入侵；B4——拒絕程序卡頓。根據(jù)18人的測評結(jié)果，對于各組內(nèi)的4句提示語，其重要性均無顯著差異。對于收益框架組，四句更新提示語的重要性差異不顯著（P>0.6）。同樣，對于損失框架組，四句更新提示語的重要性差異也不顯著（P>0.1）。而兩組間提示語的收益/損失感知具有顯著差異，收益框架組的提示語被感知其收益顯著大于損失框架組（P<0.01），而損失框架組的提示語被感知其損失顯著大于收益框架組（P<0.01），說明框架效應(yīng)的刺激材料符合要求。

2.4 實驗流程

實驗當天，被試來到實驗室后，首先對被試講解實驗流程，在被試完全知曉實驗程序后，簽訂實驗知情同意書。然后讓被試使用實驗室專用的洗發(fā)水清洗頭發(fā)，將頭發(fā)完全吹干。之后將被試帶入被試間，佩戴電極帽、涂抹磨砂膏并注射導電膏，所有電極的電阻均被降低在5000歐姆以下。在腦電實驗開始前，被試會被要求填寫一份人口統(tǒng)計學問卷，問卷由問卷星編制，主要是被試個人基本信息，包括年齡、性別、受教育程度等。

實驗流程見圖3。被試進入正式實驗后，屏幕會首先呈現(xiàn)一個“+”注視點，注視點時間在600～800ms隨機，注視點用于將被試的注意力集中在屏幕正中，并提示被試將開始一個新的試次。然后出現(xiàn)空白屏，空白屏的持續(xù)時間是固定500ms。接下來呈現(xiàn)一張圖片，圖片呈現(xiàn)時間固定2000ms。然后有一個短暫的空白屏幕，時間是500ms，用以分割圖片刺激與下一屏刺激對大腦產(chǎn)生影響的交叉作用。接下來展示一句更新提示語，更新提示語的呈現(xiàn)時間也是2000ms，然后是一個空白屏，時間是500ms。最后一個關(guān)鍵屏是使用前面更新提示圖片以及更新提示語組合成的更新提醒。這張更新提醒圖片出現(xiàn)后，被試需要根據(jù)這個更新提醒對是否更新做出選擇，無時間限制，被試根據(jù)自己節(jié)奏進行選擇?！敖邮堋迸c“拒絕”兩個選項在屏幕中呈現(xiàn)的左右順序隨機。被試通過按鍵盤右下角的1和3按鍵進行選擇，按1選擇左邊選項，按3選擇右邊選項，選項有2種情緒喚醒的圖片（每種40張，共80張圖片），以及2種框架效應(yīng)的提示語（每種4句，共8句提示語）。實驗程序中，圖片與更新提示語隨機組合成160張更新提醒圖片，每張情緒喚醒圖片分別隨機匹配兩種框架效應(yīng)更新提示語，因此共160個試次。被試共分為4個組，每40個試次為一組，每組實驗后被試可以進行休息，被試休息好后，可以自行點擊進行下一組，直到完成所有4個組。

2.5 數(shù)據(jù)分析

本實驗通過E-prime3.0軟件編制實驗程序，并用于向被試展示。E-prime3.0還記錄了用戶的行為日志，包括被試的按鍵結(jié)果以及按鍵反應(yīng)時間等。

2.5.1 行為結(jié)果

比較四種條件下的更新率（見表1），發(fā)現(xiàn)更新率最高的是高情緒喚醒和損失框架條件，更新率為62.97%；其次是高情緒喚醒/收益框架條件，更新率為60.33%；再次是低情緒喚醒/損失框架條件，更新率為53.11%；最后是低情緒喚醒/收益框架條件，更新率為49.65%。

對不同喚醒度及不同條件的框架效應(yīng)，使用邏輯回歸分析，得到如下結(jié)果。喚醒度的主效應(yīng)顯著（P<0.001），且高情緒喚醒條件相比于低情緒喚醒條件更可能導致用戶實施軟件更新行為?？蚣苄?yīng)的主效應(yīng)顯著（P<0.05），且損失框架條件相比于收益框架條件更可能導致用戶實施軟件更新行為。情緒喚醒與框架效應(yīng)的交互作用顯著（P<0.001）。

2.5.2 腦電結(jié)果

被試疊加總平均后Pz點以及Fz點的波形圖見圖4和圖5。可以看到，Pz點存在P100趨勢，同時Fz點存在P200。

2.5.2.1 P100（80～140ms）波幅分析

參考以往文獻，并結(jié)合本研究設(shè)計，選取O1、O2、Pz點分析P100成分（Zhang et al.， 2017）。對P100波幅進行2（情緒喚醒：高積極情緒喚醒 vs. 低積極情緒喚醒）×2（框架效應(yīng)類型：損失框架 vs. 收益框架）×3（電極點：O1、O2、Pz）三因素重復測量方差分析。采用 Green-house-Geisser法來對P值進行校正，結(jié)果發(fā)現(xiàn)，情緒喚醒的主效應(yīng)顯著，F(xiàn)（2，66）=3.032，P<0.05，η=0.084。相比于低情緒喚醒，高情緒喚醒條件下誘發(fā)了更大的P100波峰。此外，電極點的主效應(yīng)顯著F（2，66）=8.304，P=0.001，η=0.201。對P100潛伏期進行重復測量方差分析，主效應(yīng)和交互效應(yīng)均不顯著。

2.5.2.2 P200（180～260ms）波幅分析

選取Fz、Fc1、Fc2點分析P200成分（Zhang et al.， 2020）。對P200波幅進行2（情緒喚醒：高積極情緒喚醒 vs. 低積極情緒喚醒）×2（框架效應(yīng)類型：損失框架 vs. 收益框架）×3（電極點：Fz、Fc1、Fc2）三因素重復測量方差分析。結(jié)果發(fā)現(xiàn)，框架效應(yīng)的主效應(yīng)顯著，F(xiàn)（2，66） = 9.188，P<0.001，η= 0.218。相比于收益框架，損失框架誘發(fā)了更大的P200波峰。對P200的潛伏期進行重復測量方差分析，主效應(yīng)和交互效應(yīng)均不顯著。

2.6 結(jié)果討論

本研究使用行為實驗探究了界面設(shè)計因素對軟件更新行為的激勵作用，并使用ERP方法進一步探討了界面設(shè)計因素影響軟件更新行為的腦機制及認知資源在信息系統(tǒng)決策中大腦信號的表征。從行為結(jié)果來看，界面設(shè)計的情緒喚醒因素和框架效應(yīng)因素引起了不同比例的更新行為，高情緒喚醒和損失框架顯著增強了用戶更新行為。行為結(jié)果說明，對用戶短時的情緒和動機刺激確實能夠影響用戶的軟件更新決策，且高喚醒度的積極情緒以及損失框架總體上能夠引起用戶更強的更新意愿。從腦電結(jié)果來看，界面設(shè)計影響用戶更新行為過程中主要誘發(fā)了P100成分以及P200成分。以往研究發(fā)現(xiàn)了P100和P200成分對個體在情緒和動機上的神經(jīng)表征作用（Zhang & Liu， 2006; Sun et al.， 2020; Zhang et al.， 2017），說明基于圖片的情緒喚醒和基于更新提示語的框架效應(yīng)刺激大腦產(chǎn)生了與情緒和動機相關(guān)的反應(yīng)，進而影響了大腦對軟件更新的決策。

3 結(jié)論與展望

本研究基于情緒喚醒和框架效應(yīng)理論，從軟件更新的界面設(shè)計角度探索了用戶軟件更新的激勵因素，并同步使用事件相關(guān)電位技術(shù)探究了其神經(jīng)機制。本研究發(fā)現(xiàn)，基于圖片刺激的情緒喚醒和基于更新提示語的框架效應(yīng)能夠促進用戶的軟件更新行為，且這個過程主要誘發(fā)了P100和P200成分，而以往研究已經(jīng)證實P100和P200成分通常與正向情緒、動機等相關(guān)（Zhang et al.， 2017; Zhang et al.， 2020），說明刺激用戶短時的積極情緒以及用戶動機可以促進用戶的軟件更新行為。

本研究還存在可以進一步優(yōu)化的設(shè)計和處理。首先，腦電實驗的被試量可以進一步擴充，在后續(xù)研究中可以增加腦電實驗的樣本數(shù)量，得到更夯實及更豐富的結(jié)果。其次，以往研究發(fā)現(xiàn)軟件用戶的個人特征也會影響系統(tǒng)行為，例如現(xiàn)狀偏見可能會導致用戶拒絕更新，而情緒喚醒和框架效應(yīng)是否可以調(diào)節(jié)現(xiàn)狀偏見值得進一步討論。這些內(nèi)容為本研究的后續(xù)擴展提供了思路。

參考文獻：

［1］MUGARZA I， FLORES J L， MONTERO J L. Security issues and software updates management in the industrial internet of things （iiot） era［J］. Sensors， 2020， 20（24）：1-22.

［2］TIAN H， GROVER V， ZHAO J， et al. The differential impact of types of app innovation on customer evaluation［J］. Information & Management， 2020，? 57（7）：1-17.

［3］CHANG Y C， CHI T Y， WANG W C， et al. Dynamic software update model for remote entity management of machine‐to‐machine service capability［J］. IET Communications， 2013， 7（1）：32-39.

［4］MATHIASSEN L， VAINIO A M. Dynamic capabilities in small software firms：a sense-and-respond approach［J］. IEEE Transactions on Engineering Management， 2007， 54（3）：522-538.

［5］VITALE F， MCGRENERE J， TABARD A， et al. High costs and small benefits：a field study of how users experience operating system upgrades［J］. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems， 2017（May）：4242-4253.

［6］張林， 劉昌. 青少年工作記憶的年齡差異：腦事件相關(guān)電位研究［J］. 中國臨床心理學雜志， 2006（5）：542-546，541.

［7］張積家， 陸禹同， 張啟睿， 等. 外語焦慮、緊張情緒與認知負荷對外語說謊的影響：來自中-英雙語者的證據(jù)［J］. 心理學報， 52（7）：861-873.

［8］白露， 馬慧， 黃宇霞， 等. 中國情緒圖片系統(tǒng)的編制：在46名中國大學生中的試用［J］. 中國心理衛(wèi)生雜志， 2005（11）：4-7.

［9］NEBES R D， BUTTERS M A， MULSANT B H， et al. Decreased working memory and processing speed mediate cognitive impairment in geriatric depression［J］. Psychological medicine， 2000， 30（3）：679-691.

［10］ZHU C， JIANG Y， WANG Y， et al. Arithmetic performance is modulated by cognitive reappraisal and expression suppression：evidence from behavioral and ERP findings［J］. Neuropsychologia， 2021， 162：108060.