摘要：數(shù)字古籍視頻實(shí)現(xiàn)了數(shù)字媒體技術(shù)與古籍的有效結(jié)合，探究數(shù)字古籍視頻的用戶(hù)參與行為，將有效助力古籍深層次保護(hù)，對(duì)推動(dòng)古籍大眾化傳播和普及推廣實(shí)踐工作具有重要意義。以《典籍里的中國(guó)》第一季的26 532條用戶(hù)評(píng)論為研究對(duì)象，借鑒認(rèn)知-情感人格系統(tǒng)理論，結(jié)合主題模型構(gòu)建數(shù)字古籍視頻用戶(hù)參與行為的組態(tài)分析框架，并運(yùn)用模糊集定性比較分析方法，以獲取影響數(shù)字古籍視頻用戶(hù)參與行為的組態(tài)路徑，從而歸納相應(yīng)組態(tài)模式。研究發(fā)現(xiàn)，數(shù)字古籍視頻的用戶(hù)參與行為存在6條殊途同歸的組態(tài)路徑，且可進(jìn)一步歸納為“情境-認(rèn)知導(dǎo)向型”“綜合導(dǎo)向型”和“情境-情感導(dǎo)向型”3種差異化的用戶(hù)參與行為組態(tài)模式。在研究發(fā)現(xiàn)基礎(chǔ)上，為數(shù)字古籍視頻的內(nèi)容生成及古籍保護(hù)單位優(yōu)秀文化典籍的保護(hù)傳承提出若干建議。

關(guān)鍵詞：數(shù)字古籍視頻；用戶(hù)參與；認(rèn)知-情感人格系統(tǒng)理論；模糊集定性比較分析；組態(tài)模式

中圖分類(lèi)號(hào)：G252 DOI：10.3772/j.issn.1673-2286.2024.07.003

引文格式：張寧，李俊騰，袁勤儉. 數(shù)字古籍視頻中用戶(hù)參與的組態(tài)效應(yīng)[J]. 數(shù)字圖書(shū)館論壇，2024，20（7）：19-28.

*本研究得到全國(guó)古籍整理出版規(guī)劃領(lǐng)導(dǎo)小組辦公2022年度古籍工作重點(diǎn)課題“我國(guó)古籍存藏機(jī)構(gòu)數(shù)字化資源公益性利用研究”（編號(hào)：22GJK003）資助。

上下五千年的悠久歷史使得我國(guó)擁有卷帙浩繁的古籍，這些古籍是我國(guó)傳統(tǒng)文化的重要載體，是堅(jiān)定文化自信的重要源泉。2022年4月11日，中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于推進(jìn)新時(shí)代古籍工作的意見(jiàn)》，指出“古籍工作既要挖掘古籍時(shí)代價(jià)值，系統(tǒng)整理蘊(yùn)含中華優(yōu)秀傳統(tǒng)文化核心思想理念、中華傳統(tǒng)美德、中華人文精神的古籍文獻(xiàn)，為治國(guó)理政提供有益借鑒；又要做好古籍普及傳播，加大古籍宣傳推廣力度，多渠道、多媒介、立體化做好古籍大眾化傳播”[1]。

數(shù)字技術(shù)與人文研究的結(jié)合孕育了數(shù)字人文，其發(fā)展有效推動(dòng)了古籍?dāng)?shù)字化。隨著古籍?dāng)?shù)字化與視頻媒體的進(jìn)一步結(jié)合，數(shù)字古籍視頻興起。數(shù)字古籍視頻即有效融合富媒體與史書(shū)古籍的視頻，最大的特點(diǎn)是使書(shū)寫(xiě)在古籍里的文字“活”起來(lái)，讓古籍展現(xiàn)時(shí)代魅力，更容易得到傳播和推廣。以《典籍里的中國(guó)》節(jié)目為例，其全網(wǎng)話題閱讀量及視頻播放量超60億次，這使古籍不僅“活”在館藏圖書(shū)館中，還“活”在大眾的心中[2-3]。

數(shù)字古籍視頻用戶(hù)參與行為表現(xiàn)為用戶(hù)對(duì)視頻進(jìn)行評(píng)論等情感互動(dòng)行為。用戶(hù)參與的程度能從一定意義上反映用戶(hù)對(duì)視頻的接受度，這對(duì)視頻及古籍的傳播和推廣有著重要影響。因此，有必要從用戶(hù)信息行為視角切入，探究數(shù)字古籍視頻用戶(hù)參與行為的影響機(jī)理，以把握用戶(hù)參與行為成因。

本研究借鑒認(rèn)知-情感人格系統(tǒng)（Cognitive-Affective Personality System，CAPS）理論，結(jié)合主題模型構(gòu)建數(shù)字古籍視頻用戶(hù)參與行為組態(tài)分析框架，并運(yùn)用模糊集定性比較分析（Fuzzy Set Qualitative Comparative Analysis，fsQCA）方法，重點(diǎn)探究視頻情境、用戶(hù)認(rèn)知、用戶(hù)情感層面因素組合對(duì)數(shù)字古籍視頻用戶(hù)參與行為的作用機(jī)理，以此識(shí)別影響數(shù)字古籍視頻用戶(hù)參與行為的核心因素及組態(tài)路徑，從而歸納相應(yīng)組態(tài)模式，以進(jìn)一步把握數(shù)字古籍視頻用戶(hù)參與行為的產(chǎn)生和發(fā)展規(guī)律。一方面，為數(shù)字人文、古籍保護(hù)工作及用戶(hù)參與行為研究領(lǐng)域增添了新視角；另一方面，為數(shù)字古籍視頻的內(nèi)容生成、用戶(hù)黏性增加、古籍工作推動(dòng)以及中華優(yōu)秀文化典籍的保護(hù)傳承提供實(shí)踐建議。

1 相關(guān)研究

在數(shù)字人文賦能古籍研究方面，數(shù)字人文推進(jìn)了古籍?dāng)?shù)字化由淺層次處理到深層次挖掘與組織的過(guò)渡。目前，數(shù)字人文視域下古籍?dāng)?shù)字化的實(shí)踐研究重在探討文本挖掘、知識(shí)圖譜、機(jī)器學(xué)習(xí)、人工智能等數(shù)字人文技術(shù)對(duì)古籍?dāng)?shù)字化建設(shè)的有效推動(dòng)。例如：利用文本標(biāo)注、知識(shí)圖譜、語(yǔ)義關(guān)聯(lián)等技術(shù)，進(jìn)行古籍知識(shí)化關(guān)聯(lián)，構(gòu)建古籍知識(shí)資源庫(kù)等[4-8]；利用地理信息系統(tǒng)、可視化技術(shù)、ChatGPT等技術(shù)，優(yōu)化古籍文本內(nèi)容的呈現(xiàn)和展示方式，實(shí)現(xiàn)古籍智慧化呈現(xiàn)，并進(jìn)一步探討新時(shí)代古籍智慧化服務(wù)實(shí)踐[9-11]。此外，研究還結(jié)合虛擬現(xiàn)實(shí)等技術(shù)與古籍內(nèi)容，通過(guò)打造多感官的閱讀服務(wù)，為用戶(hù)提供沉浸式閱讀體驗(yàn)[12]?？偟膩?lái)說(shuō)，數(shù)字人文將從內(nèi)容結(jié)構(gòu)化、知識(shí)體系化、利用智能化等方向有效推動(dòng)古籍?dāng)?shù)字化發(fā)展，從而推進(jìn)古籍整理、保護(hù)、修復(fù)等實(shí)踐工作[13]。

在數(shù)字古籍視頻助力古籍推廣方面，數(shù)字古籍視頻通過(guò)精良的節(jié)目制作、敘事化的故事表達(dá)、綜藝化的精彩演繹，使書(shū)寫(xiě)在古籍里的文字“活”起來(lái)，讓古籍重?zé)ㄉ鷻C(jī)與活力。因此，數(shù)字古籍視頻對(duì)推動(dòng)古籍大眾化傳播起著重要作用。目前，數(shù)字古籍視頻研究正處于起步階段，現(xiàn)有研究主要分析視頻推廣現(xiàn)狀，初步進(jìn)行用戶(hù)調(diào)查，并為視頻的推廣提供相應(yīng)策略等，鮮少有相關(guān)實(shí)證研究[14-16]。同時(shí)，研究逐步基于用戶(hù)視角，分析用戶(hù)對(duì)于數(shù)字古籍視頻的情感態(tài)度，以進(jìn)一步提升數(shù)字古籍視頻的傳播質(zhì)量，優(yōu)化傳播效果[17]。然而，現(xiàn)有研究未能深層次揭示數(shù)字古籍視頻中的用戶(hù)信息行為及其影響因素。由此，深入分析數(shù)字古籍視頻情境中的獨(dú)特用戶(hù)行為，揭示其影響因素，有利于為相關(guān)研究增添新視角。

綜上，現(xiàn)有研究大多從技術(shù)視角入手賦能古籍工作。例如運(yùn)用大數(shù)據(jù)、人工智能、知識(shí)圖譜、文本生成等相關(guān)數(shù)字化技術(shù)進(jìn)行數(shù)智賦能，構(gòu)建數(shù)據(jù)庫(kù)等以使古籍?dāng)?shù)字化、可視化呈現(xiàn)[18-20]。少有研究從用戶(hù)信息行為視角入手，探究數(shù)字古籍視頻用戶(hù)參與意愿與行為，從而助力古籍傳播和推廣工作。此外，現(xiàn)有研究大多基于線性因果關(guān)系，重點(diǎn)考察視頻情境、用戶(hù)認(rèn)知與情感等因素對(duì)用戶(hù)參與行為的單一驅(qū)動(dòng)[21-23]。但實(shí)際上，在線視頻環(huán)境中用戶(hù)參與行為的成因較為復(fù)雜，視頻情境、用戶(hù)認(rèn)知和用戶(hù)情感等影響因素并非完全獨(dú)立的，而是存在著并發(fā)的、非對(duì)稱(chēng)的交互作用關(guān)系。因此，本研究以數(shù)字古籍視頻用戶(hù)參與行為為研究對(duì)象，基于CAPS理論，運(yùn)用fsQCA方法，通過(guò)深入分析視頻情境、用戶(hù)認(rèn)知、用戶(hù)情感的組態(tài)效應(yīng)，探究數(shù)字古籍視頻用戶(hù)參與行為的復(fù)雜因果關(guān)系，以期更好地面向用戶(hù)需求，進(jìn)一步提升視頻內(nèi)容質(zhì)量，增加用戶(hù)黏性，為數(shù)字古籍視頻的傳播及古籍工作的推動(dòng)提供實(shí)踐建議。

2 理論基礎(chǔ)

CAPS理論于1995年由Mischel等[24]基于社會(huì)認(rèn)知理論提出。該理論認(rèn)為，認(rèn)知、情感、動(dòng)機(jī)和行為生成單元組成動(dòng)態(tài)網(wǎng)絡(luò)，與情境因素相互作用，產(chǎn)生行為的一致性和跨情境可變性[25]。其基于兩種假設(shè)：①激活個(gè)體認(rèn)知-情感單元的難易程度不同；②個(gè)體認(rèn)知-情感內(nèi)部結(jié)構(gòu)存在穩(wěn)定差異[26]。CAPS理論體現(xiàn)了人格心理學(xué)發(fā)展中認(rèn)知、情感、動(dòng)機(jī)和行為整合的發(fā)展趨勢(shì)，即當(dāng)個(gè)體處于某情境時(shí)，其認(rèn)知和情感特征將被激活，最終激發(fā)潛在行為的產(chǎn)生[24]。目前，CAPS理論已在用戶(hù)信息行為研究中有所應(yīng)用，如有研究者探討了不同在線視頻情境下用戶(hù)彈幕評(píng)論行為的生成機(jī)制，并構(gòu)建了相關(guān)理論模型[22-23]。

數(shù)字古籍視頻用戶(hù)參與行為具體指用戶(hù)在數(shù)字古籍視頻情境中進(jìn)行評(píng)論、點(diǎn)贊等，該行為的產(chǎn)生離不開(kāi)此情境中用戶(hù)認(rèn)知-情感的相互作用。由此，數(shù)字古籍視頻用戶(hù)參與行為可分解為CAPS理論中的重要維度，即情境、認(rèn)知、情感、行為。同時(shí)，用戶(hù)參與行為在數(shù)字古籍視頻情境中符合CAPS理論的基本假設(shè)。此外，用戶(hù)評(píng)論數(shù)據(jù)蘊(yùn)含了大量的用戶(hù)情感特征并體現(xiàn)用戶(hù)認(rèn)知，能更好地反映用戶(hù)參與行為[27]。因此，在對(duì)用戶(hù)評(píng)論進(jìn)行主題聚類(lèi)后，結(jié)合CAPS理論進(jìn)行變量歸納及框架構(gòu)建具有可行性。Shoda等[28]提倡在分析中研究CAPS變量的因果和交互特性，以探究CAPS中情境、認(rèn)知、情感層面的變量在不同的交互組合中對(duì)行為層面產(chǎn)生的不同影響，這為CAPS理論與fsQCA方法的結(jié)合提供了啟發(fā)。鑒于此，基于CAPS理論，結(jié)合fsQCA方法，探究數(shù)字古籍視頻用戶(hù)參與行為影響因素是可行的。

3 研究設(shè)計(jì)

3.1 研究對(duì)象與數(shù)據(jù)來(lái)源

以騰訊視頻、愛(ài)奇藝、央視頻、嗶哩嗶哩、咪咕視頻共5個(gè)在線視頻平臺(tái)中《典籍里的中國(guó)》第一季的用戶(hù)評(píng)論為研究對(duì)象，原因如下：《典籍里的中國(guó)》作為優(yōu)秀的數(shù)字古籍視頻之一，相關(guān)視頻平臺(tái)播放量超5億次；選取的視頻平臺(tái)均屬于Android和Apple應(yīng)用商店中下載量排名靠前的視頻平臺(tái)；選取的視頻平臺(tái)均可播放完整的《典籍里的中國(guó)》第一季全部視頻，并可獲取相應(yīng)視頻用戶(hù)評(píng)論。用戶(hù)評(píng)論作為用戶(hù)生成內(nèi)容的一種形式，能夠更好地用于反映和測(cè)量用戶(hù)參與行為[29-30]。

利用Python程序?qū)?個(gè)視頻平臺(tái)中2021年2月10日至2023年6月8日《典籍里的中國(guó)》第一季1～12期的全部用戶(hù)評(píng)論進(jìn)行爬取，爬取內(nèi)容包括用戶(hù)ID、評(píng)論時(shí)間、評(píng)論內(nèi)容等，共獲得36 737條評(píng)論數(shù)據(jù)，其中騰訊視頻15 164條、愛(ài)奇藝12 332條、央視頻5 692條、嗶哩嗶哩2 234條、咪咕視頻1 315條。

為保證樣本在后續(xù)主題聚類(lèi)與fsQCA中更具代表性，對(duì)獲取數(shù)據(jù)進(jìn)行篩選：首先，參考相關(guān)研究，刪除少于3個(gè)字符的評(píng)論文本[31]；其次，刪除表情、數(shù)字以及重復(fù)評(píng)論文本等。共篩選出18 393名用戶(hù)的26 532條評(píng)論語(yǔ)句，用于后續(xù)主題聚類(lèi)，同時(shí)在此基礎(chǔ)上進(jìn)一步探索數(shù)字古籍視頻用戶(hù)參與行為的組態(tài)效應(yīng)。

3.2 研究方法與研究步驟

隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）是主題建模算法中最具代表性的概率主題模型。運(yùn)用LDA主題模型對(duì)所爬取的評(píng)論數(shù)據(jù)進(jìn)行聚類(lèi)分析，得到主題，以結(jié)合CAPS理論進(jìn)行變量歸納及分析框架構(gòu)建，并將所得變量作為后續(xù)組態(tài)分析的前因變量，同時(shí)合并利用聚類(lèi)得到的主題強(qiáng)度作為量化數(shù)據(jù)，進(jìn)行組態(tài)分析。

fsQCA是一種以案例研究為導(dǎo)向的混合研究方法[32]。其運(yùn)用了集合論和組態(tài)思想，以整體的視角剖析研究問(wèn)題，并著眼于處理復(fù)雜因果關(guān)系[33]。運(yùn)用fsQCA進(jìn)行組態(tài)分析，主要原因如下：首先，數(shù)字古籍視頻用戶(hù)參與行為受特定視頻情境、用戶(hù)認(rèn)知與情感影響，且這些影響因素在實(shí)踐中往往不是單一的，而是存在較為復(fù)雜的相互影響關(guān)系，即情境、認(rèn)知、情感的相互組合均會(huì)影響用戶(hù)參與行為；其次，選取的研究變量多為連續(xù)變量，采用模糊校準(zhǔn)，將變量數(shù)據(jù)轉(zhuǎn)換到0～1區(qū)間內(nèi)。

具體研究步驟如下：首先，利用Python程序爬取愛(ài)奇藝、騰訊視頻等在線視頻平臺(tái)中《典籍里的中國(guó)》第一季的全部用戶(hù)評(píng)論；其次，進(jìn)行數(shù)據(jù)清洗，通過(guò)LDA模型對(duì)用戶(hù)評(píng)論文本進(jìn)行主題聚類(lèi)，以獲得聚類(lèi)主題；再次，基于CAPS理論對(duì)聚類(lèi)主題進(jìn)行合并歸納，以確定前因變量，同時(shí)將用戶(hù)參與行為作為結(jié)果變量，在此基礎(chǔ)上，構(gòu)建數(shù)字古籍視頻用戶(hù)參與行為組態(tài)分析框架；最后，結(jié)合fsQCA方法，探索各維度影響因素之間存在的組態(tài)效應(yīng)，析出組態(tài)路徑并進(jìn)行路徑分析，以歸納數(shù)字古籍視頻用戶(hù)參與行為組態(tài)模式，進(jìn)行相關(guān)討論，為相關(guān)數(shù)字古籍視頻制作者提升視頻內(nèi)容質(zhì)量以及古籍保護(hù)單位保護(hù)和傳承優(yōu)秀文化典籍提供相應(yīng)建議。

4 主題模型與研究框架

4.1 主題-特征詞分布

在主題聚類(lèi)前，對(duì)所篩選評(píng)論數(shù)據(jù)做數(shù)據(jù)清洗。利用jieba分詞工具對(duì)評(píng)論語(yǔ)句進(jìn)行分詞并刪除停用詞。同時(shí)，在分詞過(guò)程中，在jieba詞典中增加與古籍及數(shù)字古籍視頻情境相關(guān)的描述作為保留詞。對(duì)經(jīng)過(guò)數(shù)據(jù)清洗的評(píng)論文本詞語(yǔ)開(kāi)展主題聚類(lèi)。

基于LDA模型進(jìn)行主題聚類(lèi)分析。首先，運(yùn)用Python中的Scikit-learn工具包進(jìn)行特征詞提取。其次，確定主題數(shù)量。當(dāng)前，主題數(shù)量確定主要有經(jīng)驗(yàn)法和困惑度法兩種方式[34]。借鑒LDA模型與fsQCA或其他科學(xué)研究方法的混合研究的相關(guān)經(jīng)驗(yàn)[35-36]，采用經(jīng)驗(yàn)法以確定主題數(shù)量。同時(shí)，考慮到CAPS理論框架的搭建需求及后期組態(tài)分析需要將聚類(lèi)主題作為前因變量（①研究中的結(jié)果變量屬于CAPS理論中的行為維度，考慮到該理論的架構(gòu)，情境、認(rèn)知、情感每個(gè)維度中至少存在一個(gè)變量才能使該理論有更好的架構(gòu)，因而前因變量應(yīng)分別屬于情境、認(rèn)知、情感維度；②后續(xù)組態(tài)分析時(shí)，為使組態(tài)結(jié)果更具可靠性，所選取的前因變量數(shù)量一般為4～7個(gè)，不宜過(guò)多[32]），最終將聚類(lèi)主題數(shù)量設(shè)為6，以期將這6個(gè)主題歸納為前因變量，進(jìn)一步基于CAPS理論構(gòu)建組態(tài)分析框架及探索用戶(hù)參與行為的組態(tài)效應(yīng)。最后，保留每個(gè)主題下生成概率排名前10的特征詞，并計(jì)算每個(gè)用戶(hù)評(píng)論文本在各個(gè)聚類(lèi)主題下的概率強(qiáng)度。主題-特征詞分布如表1所示。

4.2 主題歸納

根據(jù)每個(gè)聚類(lèi)主題下的特征詞分布，同時(shí)參考先前聚類(lèi)主題歸納研究的相關(guān)成果[37]，對(duì)6個(gè)聚類(lèi)主題進(jìn)行變量歸納。Topic0可歸納為“歷史人物”，“古人”“先賢”“先人”“人物”在視頻中都是對(duì)歷史人物的尊稱(chēng)，評(píng)論中的相關(guān)探討反映了用戶(hù)對(duì)歷史人物的認(rèn)知。Topic1可歸納為“古籍情境”，“尚書(shū)”“道德經(jīng)”“論語(yǔ)”正是每一期節(jié)目的名稱(chēng)，在用戶(hù)評(píng)論中出現(xiàn)則反映了用戶(hù)在古籍情境中的沉浸感。Topic2可歸納為“節(jié)目元素”，“綜藝”“演員”“先生”是視頻所呈現(xiàn)的節(jié)目元素，其中“先生”是節(jié)目所創(chuàng)造的古今對(duì)話中后人對(duì)歷史人物（演員所扮演）的稱(chēng)謂，充分體現(xiàn)了視頻擁有的節(jié)目元素，用戶(hù)評(píng)論呈現(xiàn)的對(duì)節(jié)目元素的探討反映了用戶(hù)對(duì)節(jié)目的認(rèn)知。Topic3可歸納為“歷史故事”，“知行合一”“故事”“朝代”與視頻所呈現(xiàn)的古籍故事相關(guān)，其中“知行合一”正是古籍故事呈現(xiàn)給視頻用戶(hù)的先賢哲學(xué)思想，同時(shí)用戶(hù)評(píng)論中廣有對(duì)歷史故事的探討，反映了用戶(hù)對(duì)歷史故事的認(rèn)知。Topic4可歸納為“節(jié)目定位”，“時(shí)代”“意義”“精品”正是視頻價(jià)值的體現(xiàn)，也是《典籍里的中國(guó)》的宗旨“展現(xiàn)古籍現(xiàn)世價(jià)值，讓古籍與時(shí)代和鳴共振”的體現(xiàn)，因此，數(shù)字古籍視頻情境同樣呈現(xiàn)出展現(xiàn)古籍時(shí)代價(jià)值的節(jié)目定位。Topic5可歸納為“情感同化”，“好看”“大哭”“震撼”表示用戶(hù)沉浸于每一期古籍視頻，同時(shí)產(chǎn)生對(duì)該視頻的正向情感表達(dá)，體現(xiàn)了用戶(hù)對(duì)古籍視頻的認(rèn)可及典籍所帶來(lái)的情感共鳴。主題歸納結(jié)果如表2所示。

4.3 組態(tài)分析框架

基于CAPS理論以及依據(jù)主題聚類(lèi)所歸納的研究變量，將古籍情境、節(jié)目定位、歷史人物、歷史故事、節(jié)目元素、情感同化作為前因變量，用戶(hù)參與行為作為結(jié)果變量，以探究數(shù)字古籍視頻情境、用戶(hù)認(rèn)知與用戶(hù)情感對(duì)用戶(hù)行為所產(chǎn)生的組態(tài)效應(yīng)。其中：古籍情境和節(jié)目定位為情境層面變量；歷史人物、歷史故事、節(jié)目元素屬于認(rèn)知層面變量，涵蓋了用戶(hù)歷史認(rèn)知和節(jié)目認(rèn)知兩方面，用戶(hù)對(duì)歷史人物、歷史故事的認(rèn)知屬于歷史認(rèn)知，用戶(hù)對(duì)節(jié)目元素的認(rèn)知屬于節(jié)目認(rèn)知；情感同化屬于情感層面變量；用戶(hù)參與行為屬于行為層面變量。研究重點(diǎn)分析以下兩種因果關(guān)系：①是否存在單一因素為數(shù)字古籍視頻用戶(hù)參與行為產(chǎn)生的必要條件；②前因變量如何耦合以激發(fā)數(shù)字古籍視頻用戶(hù)參與行為，并呈現(xiàn)出怎樣的組態(tài)模式。數(shù)字古籍視頻用戶(hù)參與行為組態(tài)分析框架如圖1所示。

5 fsQCA的組態(tài)分析

5.1 數(shù)據(jù)來(lái)源

在主題聚類(lèi)后，運(yùn)用fsQCA方法探究數(shù)字古籍視頻用戶(hù)參與行為的組態(tài)效應(yīng)。首先，為方便數(shù)據(jù)校準(zhǔn)，對(duì)同一用戶(hù)所發(fā)評(píng)論在每個(gè)主題下的概率強(qiáng)度進(jìn)行加權(quán)平均，以獲得每個(gè)用戶(hù)所發(fā)評(píng)論在每個(gè)主題下的主題強(qiáng)度均值，以此作為每個(gè)前因變量的量化數(shù)據(jù)[35]。其次，樣本數(shù)量（18 393名用戶(hù)）遠(yuǎn)大于fsQCA方法所能承載的樣本數(shù)量，因此，為保證后續(xù)組態(tài)分析的可靠性，參考先前fsQCA實(shí)證研究中的實(shí)驗(yàn)樣本篩選方法，做進(jìn)一步的樣本篩選[38-39]。篩選方式如下：①單個(gè)用戶(hù)發(fā)布3條及以上評(píng)論，共篩選出1 221名用戶(hù)；②隨機(jī)篩選并保留60%以上的用戶(hù)樣本，共篩選出800名用戶(hù)進(jìn)行后續(xù)組態(tài)分析。合并后的部分量化數(shù)據(jù)如表3所示。

5.2 變量測(cè)量與校準(zhǔn)

在線視頻用戶(hù)參與行為研究中，研究者多采用用戶(hù)評(píng)論或彈幕來(lái)測(cè)量用戶(hù)參與行為[40-41]。本研究參考在線視頻用戶(hù)參與行為相關(guān)研究，并考慮到用戶(hù)評(píng)論與彈幕的差異性[42]，以及部分視頻平臺(tái)（如央視頻）未支持彈幕功能，采取用戶(hù)評(píng)論來(lái)進(jìn)行相應(yīng)測(cè)量。具體地，以單個(gè)用戶(hù)發(fā)布的評(píng)論數(shù)量來(lái)測(cè)量數(shù)字古籍視頻的用戶(hù)參與行為。

fsQCA中需要對(duì)研究變量的數(shù)據(jù)進(jìn)行模糊校準(zhǔn)，以將量化數(shù)據(jù)轉(zhuǎn)化為0～1。研究變量均運(yùn)用fsQCA 3.0軟件中的calibration函數(shù)進(jìn)行校準(zhǔn)，并參考Fiss[43]的研究，選擇用戶(hù)樣本數(shù)據(jù)的75%、50%、25%上下四分位數(shù)作為樣本數(shù)據(jù)的完全隸屬點(diǎn)、交叉點(diǎn)、完全不隸屬點(diǎn)，變量校準(zhǔn)結(jié)果如表4所示。

5.3 單一條件的必要性分析

由于fsQCA具有非對(duì)稱(chēng)性，在數(shù)據(jù)校準(zhǔn)后，需要確定前因變量是否充分和必要。若一致性得分超過(guò)0.9的臨界值，則認(rèn)為這個(gè)因果條件是必要的[44]。表5呈現(xiàn)了必要條件分析結(jié)果。在本研究中，沒(méi)有一個(gè)前因變量具有大于0.9的一致性，這表明任何一個(gè)前因變量都不是數(shù)字古籍視頻用戶(hù)參與行為產(chǎn)生所必需的，因此，對(duì)前因變量進(jìn)行組態(tài)分析，以探討數(shù)字古籍視頻用戶(hù)參與行為。

5.4 組態(tài)分析

組態(tài)分析包括兩個(gè)階段。首先，將模糊集隸屬度得分轉(zhuǎn)換為真值表，該真值表列舉了因果條件的所有邏輯可能組合。在進(jìn)一步簡(jiǎn)化真值表時(shí)，本研究將案例頻數(shù)閾值設(shè)為11，保留75%以上的案例樣本，同時(shí)將一致性閾值、PRI值設(shè)為0.8，以確保生成組態(tài)路徑的可靠性[45]。其次，組態(tài)分析得出3種解：復(fù)雜解、簡(jiǎn)約解、中間解，其中簡(jiǎn)約解和中間解中共有的變量為核心因素，只存在于中間解中的變量為輔助因素。組態(tài)分析結(jié)果如表6所示。

組態(tài)分析共得到6條用戶(hù)參與行為路徑，每條路徑中前因變量各不相同，但都引發(fā)用戶(hù)參與行為，展現(xiàn)了這6條路徑對(duì)結(jié)果產(chǎn)生具有殊途同歸的效果。結(jié)果顯示，整體一致性為0.853，大于一致性閾值0.8，且6條路徑的一致性均大于0.8，表明組態(tài)路徑有較好的一致性且每條組態(tài)路徑都是用戶(hù)參與行為產(chǎn)生的充分條件。整體覆蓋度為0.608，高于0.5，表明很大一部分產(chǎn)生用戶(hù)參與行為的樣本可以被這些組合解釋。同時(shí)，古籍情境在6條路徑中均出現(xiàn)，因此，古籍情境是數(shù)字古籍視頻用戶(hù)參與行為產(chǎn)生的必要因素。

5.5 穩(wěn)健性檢驗(yàn)

為了避免fsQCA結(jié)果的隨機(jī)性，進(jìn)行穩(wěn)健性檢驗(yàn)。一般來(lái)講，fsQCA的穩(wěn)健性檢驗(yàn)方法包括改變一致性閾值、改變案例頻數(shù)閾值以及增刪案例等。本研究選擇改變一致性閾值進(jìn)行穩(wěn)健性檢驗(yàn)，將一致性閾值由0.8提升至0.85，并保持原始案例頻數(shù)11和PRI值0.8不變。最新組態(tài)結(jié)果表明，整體覆蓋度略有下降，但路徑與核心因素并未發(fā)生改變，仍呈現(xiàn)同樣組態(tài)模式，因此fsQCA結(jié)果穩(wěn)健。

6 組態(tài)模式與討論

基于CAPS理論的情境、認(rèn)知、情感維度，以及6條組態(tài)路徑中前因變量的特征與關(guān)鍵程度，可歸納3種組態(tài)模式。具體地：路徑H1、H2、H3中情感維度變量缺失或不重要，而情境、認(rèn)知維度均有變量存在，且共同影響了用戶(hù)參與行為的產(chǎn)生，因此將這3條路徑總結(jié)為“情境-認(rèn)知導(dǎo)向型”；路徑H4和H5中情境、認(rèn)知、情感維度均有變量存在，此時(shí)用戶(hù)參與行為受到這3個(gè)維度因素的綜合影響，故將其歸為“綜合導(dǎo)向型”；路徑H6中認(rèn)知維度變量均缺失或不重要，而情境、情感維度變量共同影響了用戶(hù)參與行為，由此將其歸為“情境-情感導(dǎo)向型”。

6.1 情境-認(rèn)知導(dǎo)向型

情境-認(rèn)知導(dǎo)向型共包含兩個(gè)子組態(tài)模式。其中，子組態(tài)模式1由路徑H1與H2構(gòu)成，反映了在用戶(hù)沉浸在數(shù)字古籍視頻情境中，且情感趨向不明顯的情況下，用戶(hù)對(duì)視頻所呈現(xiàn)歷史人物的歷史認(rèn)知能夠驅(qū)動(dòng)用戶(hù)參與行為產(chǎn)生。具體來(lái)講，用戶(hù)沉浸于耦合經(jīng)典古籍與時(shí)代定位的視頻情境，當(dāng)相關(guān)節(jié)目元素或歷史故事未明顯吸引其展開(kāi)探討時(shí)，通過(guò)增加用戶(hù)對(duì)古籍背后的相關(guān)歷史人物的認(rèn)知，將驅(qū)動(dòng)其參與數(shù)字古籍視頻。例如：用戶(hù)留下“品讀典籍，這具有很好的教育意義，能真正了解古人”等評(píng)論；用戶(hù)在傳承醫(yī)者精神的《本草綱目》經(jīng)典古籍情境中，感受先賢李時(shí)珍的行醫(yī)之道，并展開(kāi)評(píng)論。

與子組態(tài)模式1不同的是，由路徑H3組成的子組態(tài)模式2中，除情感因素作用不明顯外，用戶(hù)缺乏針對(duì)歷史人物的探討，同時(shí)在數(shù)字古籍視頻情境中，節(jié)目元素和歷史故事為用戶(hù)參與行為產(chǎn)生的重要影響因素。具體地，用戶(hù)在節(jié)目?jī)r(jià)值定位和具體古籍情境的渲染下，感受來(lái)自演員和場(chǎng)景的節(jié)目元素，協(xié)同自身對(duì)視頻所呈現(xiàn)古籍相關(guān)精彩歷史故事的認(rèn)知，產(chǎn)生數(shù)字古籍視頻用戶(hù)參與行為。例如：用戶(hù)留下“演員演技在線，該典籍節(jié)目呈現(xiàn)的歷史故事很有教育意義”等評(píng)論；用戶(hù)在《尚書(shū)》古籍情境中，圍繞對(duì)演員演繹的“禹分九州”“武王伐紂”“伏生護(hù)書(shū)”等歷史故事的認(rèn)知展開(kāi)評(píng)論。

綜上，該組態(tài)模式的特點(diǎn)表明，在用戶(hù)情感反應(yīng)不明顯的情況下，視頻情境、用戶(hù)認(rèn)知因素的不同組合均可驅(qū)動(dòng)用戶(hù)參與行為。此外，該組態(tài)模式結(jié)果與先前研究得出的視頻情境下用戶(hù)的文化、社會(huì)等認(rèn)知可引發(fā)用戶(hù)產(chǎn)生彈幕評(píng)論參與行為的結(jié)論一致[23]。本研究在數(shù)字古籍視頻情境中，通過(guò)特有視頻情境與用戶(hù)認(rèn)知的組態(tài)，進(jìn)一步豐富了視頻情境、用戶(hù)認(rèn)知與用戶(hù)參與行為的因果關(guān)系研究。

6.2 綜合導(dǎo)向型

綜合導(dǎo)向型表明在經(jīng)典古籍情境中，用戶(hù)的情感同化協(xié)同歷史人物認(rèn)知，或組合節(jié)目元素與歷史故事，均可驅(qū)動(dòng)數(shù)字古籍視頻用戶(hù)參與行為。該組態(tài)模式下兩條路徑的前因變量涵蓋了情境、認(rèn)知與情感3個(gè)維度，反映了情境、認(rèn)知、情感三方面因素的組合影響。

該模式具體表現(xiàn)為，用戶(hù)沉浸在《論語(yǔ)》《史記》《天工開(kāi)物》等中華經(jīng)典古籍情境中，自身對(duì)古籍視頻內(nèi)容產(chǎn)生強(qiáng)烈的情感同化。無(wú)論是在用戶(hù)對(duì)古籍相關(guān)歷史人物有認(rèn)知，還是在節(jié)目定位與歷史人物未明顯吸引用戶(hù)展開(kāi)情感表達(dá)時(shí)，通過(guò)組合用戶(hù)自身對(duì)節(jié)目所呈現(xiàn)的歷史故事的認(rèn)知，以及其對(duì)演員、臺(tái)詞等的節(jié)目元素認(rèn)知，均可影響數(shù)字古籍視頻用戶(hù)參與行為。例如：在《史記》古籍情境中，用戶(hù)對(duì)視頻所演繹的華夏之祖——炎帝和黃帝的歷史認(rèn)知，協(xié)同作為炎黃子孫的強(qiáng)烈情感認(rèn)同，共同影響用戶(hù)發(fā)布“華夏兒女不忘今古”“此生無(wú)悔入華夏”等評(píng)論；在《天工開(kāi)物》古籍情境中，用戶(hù)因演員所演繹的歷史故事而深受震撼，發(fā)布了“看了《天工開(kāi)物》內(nèi)心很震撼，不論古今，科學(xué)家們的發(fā)心都是利民的，真的很偉大”等評(píng)論；在《天工開(kāi)物》的節(jié)目元素中，用戶(hù)對(duì)視頻內(nèi)容所呈現(xiàn)的時(shí)隔300多年宋應(yīng)星與袁隆平兩大科學(xué)家握手的場(chǎng)景印象深刻，基于自身的強(qiáng)烈情感，發(fā)布了“我愿相信我們這片土地上人才輩出”等評(píng)論。

此外，該組態(tài)模式結(jié)果回應(yīng)了Shoda等[28]提出的綜合CAPS理論各個(gè)層面（情境、認(rèn)知、情感）以探討其對(duì)行為層面的影響的呼吁，證實(shí)了數(shù)字古籍視頻情境、用戶(hù)認(rèn)知和情感可影響用戶(hù)參與行為產(chǎn)生，為未來(lái)揭示相關(guān)視頻情境、用戶(hù)認(rèn)知、用戶(hù)情感和用戶(hù)參與行為之間的復(fù)雜因果關(guān)系做出了有益探索。

6.3 情境-情感導(dǎo)向型

情境-情感導(dǎo)向型只涵蓋了情境與情感維度的因素，表現(xiàn)為在認(rèn)知維度因素作用不明顯的情況下，用戶(hù)沉浸于每一期的經(jīng)典古籍情境，協(xié)同其對(duì)“讓書(shū)寫(xiě)在古籍里的文字‘活’起來(lái)，展現(xiàn)古籍里蘊(yùn)含的中國(guó)智慧、中國(guó)精神和中國(guó)價(jià)值”的節(jié)目定位所產(chǎn)生的感悟，基于自身的情感同化，產(chǎn)生數(shù)字古籍視頻參與行為。例如：用戶(hù)在以《尚書(shū)》《本草綱目》《天工開(kāi)物》等經(jīng)典古籍為主題的情境中，感受節(jié)目所展現(xiàn)的中華文化底蘊(yùn)，同時(shí)自身對(duì)中華古籍、中華文化具有強(qiáng)烈認(rèn)同感，從而發(fā)布“真是感動(dòng)得落淚啊，文化的共鳴高于一切”“震撼且感動(dòng)”“老祖宗留下的東西不能忘，不敢忘”等評(píng)論。此外，該組態(tài)模式結(jié)果與信息情境下用戶(hù)情感的卷入將影響用戶(hù)參與行為產(chǎn)生這一研究發(fā)現(xiàn)[21]一致，本研究在數(shù)字古籍視頻情境下進(jìn)一步印證了該發(fā)現(xiàn)。

7 結(jié)語(yǔ)

7.1 理論貢獻(xiàn)

首先，本研究探究了數(shù)字古籍視頻用戶(hù)參與行為，從用戶(hù)信息行為視角切入，以CAPS理論為基礎(chǔ)，結(jié)合主題模型挖掘出影響數(shù)字古籍視頻用戶(hù)參與行為的6個(gè)前因變量，在此基礎(chǔ)上構(gòu)建了數(shù)字古籍視頻情境中用戶(hù)參與行為的組態(tài)分析框架。其次，本研究利用大數(shù)據(jù)驅(qū)動(dòng)和混合研究方法，通過(guò)Python爬取數(shù)字古籍視頻用戶(hù)評(píng)論，并利用LDA模型進(jìn)行主題挖掘，以獲取數(shù)字古籍視頻用戶(hù)參與行為的影響因素，此后運(yùn)用fsQCA方法進(jìn)行組態(tài)分析，彌補(bǔ)了用戶(hù)參與行為研究中單一大數(shù)據(jù)挖掘所帶來(lái)的內(nèi)容分析缺陷，也更好地洞悉了數(shù)字古籍視頻用戶(hù)參與行為的影響機(jī)理。再次，本研究將CAPS理論與fsQCA方法相結(jié)合，深入挖掘了數(shù)字古籍視頻用戶(hù)參與行為前因變量之間的協(xié)同關(guān)系，突破對(duì)在線視頻情境用戶(hù)參與行為影響因素的單一考察。最后，本研究將LDA主題聚類(lèi)與fsQCA方法結(jié)合，相比以往的小樣本探究，進(jìn)一步保障研究的客觀真實(shí)性，同時(shí)也豐富了LDA模型與fsQCA兩個(gè)研究方法在用戶(hù)評(píng)論數(shù)據(jù)分析中的應(yīng)用。

7.2 實(shí)踐啟示

首先，在用戶(hù)情感未及時(shí)喚醒的情況下，情境-認(rèn)知導(dǎo)向型提供了兩個(gè)子組態(tài)模式供視頻制作者參考。視頻制作者可據(jù)此增加相應(yīng)的視頻元素，以推動(dòng)用戶(hù)產(chǎn)生參與行為。其次，綜合導(dǎo)向型啟發(fā)視頻制作者在積極營(yíng)造耦合文化底蘊(yùn)與時(shí)代價(jià)值的數(shù)字古籍視頻情境氛圍的前提下，優(yōu)先考慮增加先賢人物元素，積極演繹歷史人物，使用戶(hù)產(chǎn)生情感震撼、共鳴，同時(shí)可通過(guò)呈現(xiàn)相應(yīng)的歷史故事和融合演員嘉賓、新媒體技術(shù)等現(xiàn)代節(jié)目元素，組合視頻情境、用戶(hù)認(rèn)知與情感，更好地促進(jìn)數(shù)字古籍視頻用戶(hù)參與行為。最后，面對(duì)歷史認(rèn)知及節(jié)目元素認(rèn)知不足的用戶(hù)，情境-情感導(dǎo)向型啟發(fā)視頻制作者，要在積極營(yíng)造經(jīng)典古籍情境的同時(shí)，提高節(jié)目?jī)r(jià)值站位，喚醒用戶(hù)對(duì)數(shù)字古籍視頻情境的情感同化，從而產(chǎn)生參與行為。

從古籍工作來(lái)看，基于研究歸納的數(shù)字古籍視頻用戶(hù)參與行為組態(tài)模式及提出的針對(duì)性策略，一方面可以促進(jìn)古籍保護(hù)單位及相關(guān)視頻制作者完善數(shù)字古籍視頻內(nèi)容生產(chǎn)，進(jìn)而有效通過(guò)多渠道、多媒介的價(jià)值引領(lǐng)與矩陣傳播方式激發(fā)數(shù)字古籍視頻用戶(hù)參與行為，進(jìn)一步推動(dòng)古籍大眾化傳播，更好地保護(hù)和傳承優(yōu)秀文化典籍；另一方面，還可更好地利用情景化的數(shù)字古籍視頻深化廣大視頻用戶(hù)的歷史認(rèn)知，引起用戶(hù)情感共鳴，以提升用戶(hù)的參與度，從而滋養(yǎng)用戶(hù)心靈，培育文化自信。

7.3 局限與展望

首先，本研究的數(shù)據(jù)來(lái)源僅為視頻網(wǎng)站中的《典籍里的中國(guó)》第一季，該節(jié)目可能存在一定的特例性，未來(lái)研究可以基于本研究提供的組態(tài)模式對(duì)其他數(shù)字古籍視頻進(jìn)行分析，以檢驗(yàn)組態(tài)模式及CAPS理論與fsQCA方法的結(jié)合是否適用于不同的數(shù)字古籍視頻情境；其次，本研究未對(duì)用戶(hù)情感維度進(jìn)行細(xì)分，未來(lái)的研究可采用情感分析方法或其他用戶(hù)情感測(cè)量方法，以進(jìn)一步測(cè)量數(shù)字古籍及相關(guān)視頻情境下的用戶(hù)情感；最后，本研究未更全面地挖掘數(shù)字古籍視頻用戶(hù)參與行為的情境、認(rèn)知維度變量，且LDA模型屬于非監(jiān)督機(jī)器學(xué)習(xí)，對(duì)用戶(hù)評(píng)論的主題分類(lèi)不一定完全準(zhǔn)確，未來(lái)的研究可采用其他機(jī)器學(xué)習(xí)方法豐富數(shù)字古籍視頻情境、用戶(hù)認(rèn)知維度的研究變量，以進(jìn)一步完善數(shù)字古籍視頻用戶(hù)參與行為的組態(tài)路徑及組態(tài)模式，為數(shù)字古籍視頻制作者提供相應(yīng)參考。

參考文獻(xiàn)

[1] 新華社. 中共中央辦公廳 國(guó)務(wù)院辦公廳印發(fā)《關(guān)于推進(jìn)新時(shí)代古籍工作的意見(jiàn)》[EB/OL]. [2022-07-01]. http：//www.gov.cn/ zhengce/2022-04/11/content_5684555.htm.

[2] 央視網(wǎng). 為“是以中國(guó)”作答！總臺(tái)大型文化節(jié)目《典籍里的中國(guó)》第二季啟播[EB/OL]. [2024-07-01]. https：//yangbo.cctv. com/2022/09/23/ARTI15M5zsjXmuM8Sdda4q0m220923. shtml.

[3] 慎海雄. 人能弘道 非道弘人：《典籍里的中國(guó)》的啟示[J]. 電視研究，2021（2）：4-6.

[4] 李斌，王璐，陳小荷，等. 數(shù)字人文視域下的古文獻(xiàn)文本標(biāo)注與可視化研究：以《左傳》知識(shí)庫(kù)為例[J]. 大學(xué)圖書(shū)館學(xué)報(bào)，2020，38（5）：72-80.

[5] 鞠斐，王強(qiáng). 以版刻古籍紡織圖像為核心的知識(shí)圖譜設(shè)計(jì)與應(yīng)用[J]. 圖書(shū)館論壇，2023，43（10）：126-138.

[6] 劉瀏，王東波，黃水清，等. 數(shù)字人文視野下的古漢語(yǔ)實(shí)體歧義研究[J]. 圖書(shū)與情報(bào)，2020（5）：115-124.

[7] 常博林，萬(wàn)晨，李斌，等. 基于詞和實(shí)體標(biāo)注的古籍?dāng)?shù)字人文知識(shí)庫(kù)的構(gòu)建與應(yīng)用：以《資治通鑒·周秦漢紀(jì)》為例[J]. 圖書(shū)情報(bào)工作，2021，65（22）：134-142.

[8] 李章超，何琳，喻雪寒. 基于事理圖譜的典籍內(nèi)容知識(shí)組織與應(yīng)用：以《左傳》為例[J]. 圖書(shū)館論壇，2024（4）：125-137.

[9] 歐陽(yáng)劍. 面向數(shù)字人文研究的大規(guī)模古籍文本可視化分析與挖掘[J]. 中國(guó)圖書(shū)館學(xué)報(bào)，2016，42（2）：66-80.

[10] 歐陽(yáng)劍，任樹(shù)懷. 數(shù)字人文研究中的古籍文本閱讀可視化[J]. 圖書(shū)館雜志，2021，40（4）：82-89，99.

[11] 韓春磊，姚嘯華，張宏玲，等. 新時(shí)代古籍智慧化服務(wù)實(shí)踐探討：以古典小說(shuō)續(xù)作研究場(chǎng)景為例[J]. 圖書(shū)館雜志，2023，42（12）：58-68.

[12] 周笑盈. 國(guó)家圖書(shū)館“《永樂(lè)大典》VR全景文化典籍”實(shí)踐探索：虛擬現(xiàn)實(shí)賦能圖書(shū)館沉浸式閱讀推廣的創(chuàng)新路徑[J]. 國(guó)家圖書(shū)館學(xué)刊，2022，31（6）：80-89.

[13] 2022年度中國(guó)圖情檔學(xué)界十大學(xué)術(shù)熱點(diǎn)[J]. 情報(bào)資料工作，2023，44（1）：5-12.

[14] 洪紹楨，王亮. 古籍出版物短視頻運(yùn)營(yíng)推廣策略研究[J]. 科技與出版，2020（8）：42-49.

[15] 賈娟. 短視頻古籍推廣調(diào)查及發(fā)展策略[J]. 圖書(shū)館論壇，2020，40（8）：131-137.

[16] 鄭子清. 短視頻平臺(tái)古籍推廣策略研究[D]. 桂林：廣西師范大學(xué)，2022.

[17] 莫超. 基于情感分析的古籍短視頻推廣研究[D]. 上海：上海師范大學(xué)，2022.

[18] 歐陽(yáng)劍，梁珠芳，任樹(shù)懷. 大規(guī)模中國(guó)歷代存世典籍知識(shí)圖譜構(gòu)建研究[J]. 圖書(shū)情報(bào)工作，2021，65（5）：126-135.

[19] 鞠孜涵，白如江，張玉潔，等. 數(shù)字人文視域下古籍?dāng)?shù)據(jù)庫(kù)建設(shè)關(guān)鍵技術(shù)研究：兼評(píng)稷下學(xué)文獻(xiàn)資料數(shù)據(jù)庫(kù)的建設(shè)思路[J]. 圖書(shū)情報(bào)工作，2022，66（19）：3-14.

[20] 王彥瑩，王昊，朱惠，等. 基于文本生成技術(shù)的歷史古籍事件識(shí)別模型構(gòu)建研究[J]. 圖書(shū)情報(bào)工作，2023，67（3）：119-130.

[21] 徐孝娟，趙澤瑞. 非遺短視頻用戶(hù)信息需求特征及其參與行為研究：以 “黃梅戲”短視頻在線評(píng)論為例[J]. 現(xiàn)代情報(bào)，2022，42（8）：74-84.

[22] 張寧，段小宣，袁勤儉. 數(shù)字人文視頻的用戶(hù)彈幕評(píng)論行為生成機(jī)制[J]. 圖書(shū)館論壇，2022，42（8）：148-161.

[23] 葉許婕，趙宇翔，張軒慧. Reaction視頻的用戶(hù)彈幕評(píng)論行為生成機(jī)制探索：基于認(rèn)知-情感系統(tǒng)理論[J]. 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2023，7（2）：1-14.

[24] MISCHEL W，SHODA Y. A cognitive-affective system theory of personality：reconceptualizing situations，dispositions，dynamics，and invariance in personality structure[J]. Psychological Review，1995，102（2）：246-268.

[25] SMITH R E. Understanding sport behavior：a cognitiveaffective processing systems approach[J]. Journal of Applied Sport Psychology，2006，18（1）：1-27.

[26] 修巧艷，高峰強(qiáng). CAPS理論與人格心理學(xué)的整合[J]. 南京師大學(xué)報(bào)（社會(huì)科學(xué)版），2005（2）：89-93.

[27] XIE X Z，TSAI N C，XU S Q，et al. Does customer co-creation value lead to electronic word-of-mouth？an empirical study on the short-video platform industry[J]. The Social Science Journal，2019，56（3）：401-416.

[28] SHODA Y，SMITH R E. Conceptualizing personality as a cognitive-affective processing system：a framework for models of maladaptive behavior patterns and change[J]. Behavior Therapy，2004，35（1）：147-165.

[29] 李亞琴. 電商平臺(tái)用戶(hù)評(píng)論意愿組態(tài)研究[J]. 技術(shù)經(jīng)濟(jì)與管理研究，2021（1）：56-59.

[30] 潘濤濤，呂英杰. 在線健康社區(qū)中基于SOR模型的用戶(hù)參與行為影響因素研究[J]. 情報(bào)資料工作，2022，43（2）：76-83.

[31] 陳嘉鈺，李艷. 基于LDA主題模型的社交媒體倦怠研究：以微信為例[J]. 情報(bào)科學(xué)，2019，37（12）：78-86.

[32] 杜運(yùn)周，賈良定. 組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J]. 管理世界，2017（6）：155-167.

[33] 吳大偉，胡小飛，趙宇翔，等. 感知價(jià)值視角下數(shù)字健康A(chǔ)PP用戶(hù)持續(xù)采納意愿的影響因素及路徑研究：基于fsQCA方法[J].圖書(shū)情報(bào)工作，2021，65（18）：93-104.

[34] 張?zhí)┤?，陳? 基于LDA模型因素提取的健康信息用戶(hù)轉(zhuǎn)移行為研究[J]. 圖書(shū)情報(bào)工作，2019，63（21）：66-77.

[35] 張玉華，李茂洲，楊旭淼. 基于主題模型的地方科技成果轉(zhuǎn)化政策組態(tài)效應(yīng)研究[J]. 中國(guó)科技論壇，2022（5）：11-20，30.

[36] ZHANG Y X，RIDINGS C，SEMENOV A. What to post？understanding engagement cultivation in microblogging with big data-driven theory building[J]. International Journal of Information Management，2023，71：102509.

[37] 孟秋晴，熊回香，楊滋榮. 后疫情時(shí)期互聯(lián)網(wǎng)用戶(hù)的健康信息需求及其演化分析[J]. 圖書(shū)館雜志，2022，41（2）：119-127.

[38] 徐昕卓. 基于QCA和文本挖掘的共享住宿消費(fèi)者行為偏好研究[D]. 大連：東北財(cái)經(jīng)大學(xué)，2021.

[39] VILLANI E，LINDER C，GRIMALDI R. Effectuation and causation in science-based new venture creation：a configurational approach[J]. Journal of Business Research，2018，83：173-185.

[40] 普哲緣，李勝利. 視頻評(píng)論特征對(duì)觀眾評(píng)論行為的影響：以嗶哩嗶哩為例[J]. 圖書(shū)情報(bào)工作，2022，66（20）：130-140.

[41] 徐嘉，劉宇. 科普視頻信息傳播效果的影響因素研究：以“二次元的中科院物理所”B站賬號(hào)為例[J]. 圖書(shū)館雜志，2023，42（11）：108-116.

[42] 張璐，王若佳. 在線教育視頻用戶(hù)評(píng)論行為比較研究：以Bilibili網(wǎng)站視頻評(píng)論為例[J]. 現(xiàn)代情報(bào)，2020，40（2）：62-71.

[43] FISS P C. Building better causal theories：a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal，2011，54（2）：393-420.

[44] RAGIN C C. Redesigning social inquiry：fuzzy sets and beyond[M]. Chicago：University of Chicago Press，2008.

[45] HOSSAIN M A，QUADDUS M，WARREN M，et al. Are you a cyberbully on social media？exploring the personality traits using a fuzzy-set configurational approach[J]. International Journal of Information Management，2022，66：102537.

作者簡(jiǎn)介

張寧，女，博士，教授，碩士生導(dǎo)師，研究方向：信息行為，E-mail：ningzhang@mail.gufe.edu.cn。

李俊騰，男，碩士研究生，研究方向：數(shù)字人文。

袁勤儉，男，博士，教授，博士生導(dǎo)師，研究方向：信息分析。

Configuration Effect of Users’ Participation in Digital Ancient Book Video

ZHANG Ning1，2 LI JunTeng1 YUAN QinJian3

（1. School of Information， Guizhou University of Finance and Economics， Guiyang 550025， P. R. China； 2. Data Science Space of Library， Guizhou University of Finance and Economics， Guiyang 550025， P. R. China； 3. School of Information Management， Nanjing University， Nanjing 210023， P. R. China）

Abstract： Digital ancient book video realizes the effective combination of digital media technology and historical books. Exploring the user participation behavior of digital video of ancient books will effectively help the deep protection of ancient books， which is of great significance to promote the popularization and dissemination of ancient books. This study takes 26 532 user reviews on the first season of China in Classic Books as the research object， draws on the cognitive-affective personality system theoretical framework， and combines topic models to construct a configuration analysis framework of the user participation behavior in digital ancient book video. Then， it uses the fuzzy set qualitative comparative analysis method to obtain the configuration paths that affect the user participation behavior in digital ancient book video， thereby inducing the corresponding configuration modes. The study shows that there are six configuration paths that reaching the same goal by different ways in the user participation behavior in digital ancient book video， which can be further summarized into three different configuration modes of user participation behavior： situational-cognitive-oriented， comprehensive-oriented， and situationalemotional-oriented. Finally， it provides practical enlightenments for better content generation of digital ancient book video and the protection and inheritance of excellent cultural classics in ancient book protection units.

Keywords： Digital Ancient Book Video； Users’ Participation； CAPS Theory； fsQCA； Configuration Mode

（責(zé)任編輯：王瑋）