金曉玲，馮慧慧，周中允

1 上海大學 管理學院，上海 200444 2 同濟大學 經(jīng)濟與管理學院，上海 200092

微信朋友圈中健康信息傳播行為研究

金曉玲1，馮慧慧1，周中允2

1 上海大學 管理學院，上海 200444 2 同濟大學 經(jīng)濟與管理學院，上海 200092

隨著人們對健康信息需求的日益增加以及社交媒體平臺的迅速發(fā)展，學者和醫(yī)療健康從業(yè)人員越來越關(guān)注健康信息在社交媒體中的傳播。在Facebook、Twitter和WhatsApp等眾多社交媒體平臺中，微信朋友圈因其將人際傳播和大眾傳播相結(jié)合的特性而引起廣泛關(guān)注。同時，健康信息的傳播主要依賴于健康信息接收者在朋友圈子中的傳播意愿。然而，很少有研究探討微信(特別是朋友圈)中電子健康信息的哪些特點促使用戶對其進行傳播。

聚焦依托醫(yī)療健康類微信公眾號的信息傳播，以信息傳播相關(guān)研究為理論基礎(chǔ)，從傳播者內(nèi)在動機的視角，研究微信用戶在朋友圈傳播電子健康信息的行為的影響機制。梳理信息傳播和人際交流的相關(guān)研究，從信息內(nèi)容的社會特征、情緒特征、功能特征3個維度中選取7個變量，提出研究假設(shè)和模型。進一步，選取醫(yī)療健康類微信公眾號上發(fā)布的健康信息，采用大規(guī)模在線問卷調(diào)查的方法收集數(shù)據(jù)，并通過R統(tǒng)計軟件對數(shù)據(jù)進行廣義線性回歸分析，以驗證假設(shè)。

研究結(jié)果表明，信息的社會特征(有趣性、新穎性、正確性)、情緒特征(令人驚嘆性、積極性、富含情緒性)和功能特征(有用性)均對電子健康信息在微信朋友圈中的傳播具有顯著積極的影響，對電子健康信息的傳播行為影響最大的因素為富含情緒性、有用性和有趣性。

研究結(jié)論為電子健康服務(wù)平臺的運營策略提供一定的實踐建議，運營者在撰寫健康類文章時應(yīng)當提高話題和內(nèi)容的有趣性和新穎性，保證信息的正確性，注重通過情緒的渲染使信息內(nèi)容富有感染力，尤其積極情緒和令人驚嘆的情緒，并突出對用戶的實用價值。通過以上方式，可使受眾樂于閱讀并轉(zhuǎn)發(fā)健康信息，提高電子健康服務(wù)平臺的用戶參與度和關(guān)注度。

微信朋友圈；電子健康信息；信息傳播；社會特征；情緒特征；功能特征

引言

隨著人口老齡化日趨嚴重和環(huán)境的逐步惡化，人們對健康信息的需求日益增加，而網(wǎng)絡(luò)社區(qū)和社交媒體等互聯(lián)網(wǎng)平臺的快速發(fā)展使人們步入了健康信息大數(shù)據(jù)時代。將這些健康信息向公眾普及傳播，既可以提高公眾健康素養(yǎng)，管理健康行為，又可以提升發(fā)布此信息的電子健康服務(wù)平臺的用戶參與度和關(guān)注度，從而提高其運營績效[1]。

作為移動社交媒體的代表，微信朋友圈基于好友關(guān)系的傳播方式保證了信息傳播的質(zhì)量，更能獲得用戶的信任，從而能夠有效傳播健康信息，并成為健康大數(shù)據(jù)時代的重要信息資源之一[2]。目前已有許多醫(yī)學從業(yè)者利用微信這一中國最流行的社交媒體傳播健康信息[3]，然而在微信朋友圈中，有些健康信息被廣為傳播，有些卻鮮少被轉(zhuǎn)發(fā)，如何促進健康信息在微信朋友圈中的傳播越來越受到研究者和實踐者的關(guān)注。

本研究探討哪些因素促進微信用戶在朋友圈中傳播健康信息。因此，本研究在健康信息傳播和微信朋友圈的已有研究基礎(chǔ)上，從激發(fā)傳播者的內(nèi)在動機角度，探討微信朋友圈中健康信息傳播行為的影響因素。

1 相關(guān)研究評述

1.1信息的傳播媒介：微信朋友圈

作為中國移動社交媒體的代表，微信(WeChat)因其朋友圈和公眾號等功能而兼具了在線社交以及信息發(fā)布和傳播的綜合作用，其在近年來的風靡也受到學界的關(guān)注。針對微信的已有研究主要集中在本體問題(如微信的屬性和傳播特征等)、功能問題和應(yīng)用問題3個方面。微信的傳播特征是學界關(guān)注的熱點[4]，張宏等[5]從復(fù)雜網(wǎng)絡(luò)理論出發(fā)研究微信傳播的網(wǎng)絡(luò)動力學，評價微信網(wǎng)絡(luò)拓撲結(jié)構(gòu)對網(wǎng)絡(luò)信息傳播的影響；吳中堂等[6]以具體微信公眾號為例，通過相關(guān)分析和回歸分析，揭示微信公眾號信息傳播的影響因素及其內(nèi)在規(guī)律。

微信朋友圈是用戶查看好友發(fā)布的信息、自行發(fā)布即時信息并對公眾號信息進行點贊、評論和轉(zhuǎn)發(fā)的社區(qū)平臺[4]。微信朋友圈的信息傳播結(jié)構(gòu)相對簡單和封閉，其可見信息僅限于好友轉(zhuǎn)發(fā)的內(nèi)容，無法追根溯源，且只能為朋友圈內(nèi)的共同好友查看。因此，相對微博等社交媒體，微信朋友圈中的信息傳播受到好友的限制，朋友圈中信息擴散的范圍比較有限，傳播速度較慢；但這種基于好友關(guān)系的傳播方式降低了信息在傳播過程中受到的干擾，保證了信息傳播的質(zhì)量[2]。

對于健康信息來說，用戶傾向于將其轉(zhuǎn)發(fā)給自己的親朋好友，而微信朋友圈因其強有力的人際傳播特點，恰好提供了一個良好的平臺。同時，社交媒體是健康信息的重要傳播平臺之一，微信又是當前中國最流行的社交媒體，從而為微信朋友圈中健康信息傳播行為的研究提供便利。

1.2在線健康信息傳播行為

在線健康信息傳播行為是指用戶通過轉(zhuǎn)發(fā)和分享等功能擴散他們在互聯(lián)網(wǎng)上看到的健康類信息。在互聯(lián)網(wǎng)上，有些健康信息被廣為傳播，有些卻鮮少被轉(zhuǎn)發(fā)。在線健康信息的傳播與醫(yī)學從業(yè)者的聲望、在線醫(yī)療健康信息服務(wù)平臺的運營績效和健康管理均有重要關(guān)系。與品牌信息和突發(fā)事件信息等相比，健康信息專業(yè)性和實用性更強，具有明確的目的性，以健康為中心，健康信息力圖達到改變個人和群體的知識、態(tài)度和行為，使之向有利于健康方向轉(zhuǎn)化的目的[7]，因此健康信息的內(nèi)容特征顯得尤為重要。

然而已有在線健康信息傳播行為的研究多為詮釋性研究，如對健康信息傳播的現(xiàn)狀、影響、應(yīng)用等的闡述[8-9]。PARK et al.[10]通過對美國心臟協(xié)會、美國癌癥協(xié)會和美國糖尿病協(xié)會在Twitter上發(fā)布的微博進行內(nèi)容分析，探討健康組織如何使用Twitter傳播健康信息；張迪等[11]進行探索性分析，以北京某高校大學生為樣本，對新媒體健康信息獲取渠道進行調(diào)查，發(fā)現(xiàn)微信朋友圏是大學生群體獲取健康信息最普遍的渠道。只有少數(shù)學者探討健康信息傳播的影響因素，如激發(fā)情緒的、幽默的、涉及個人層面的原因都會影響與肥胖相關(guān)的微博在Twitter上被轉(zhuǎn)發(fā)的可能性[12]，而健康素養(yǎng)以及對待信息的態(tài)度等個人因素會影響心臟健康信息的轉(zhuǎn)發(fā)[13]。因此，現(xiàn)階段對于社交媒體中健康信息傳播影響因素的實證研究并不多見。

已有在線信息傳播行為研究中，學者們探討內(nèi)容因素對信息傳播效果的影響，如話題類別、@符號的使用、鏈接、標簽等[14-15]，很少有研究從轉(zhuǎn)發(fā)者內(nèi)在動機的角度研究信息內(nèi)容特征。而過去已經(jīng)有一些研究探討信息(如新聞和口碑類信息)傳播行為的心理學動機，即驅(qū)使用戶分享或轉(zhuǎn)發(fā)信息以滿足需求的內(nèi)在動力[16]。本研究梳理已有研究發(fā)現(xiàn)，人們傳播信息主要有以下3個方面的內(nèi)在動機。

(1)信息傳播的主要動機之一是社會性動機。人們討論和轉(zhuǎn)發(fā)的信息內(nèi)容均會影響他人對自己的看法，而通常人們期望產(chǎn)生較好的印象，因而人們在轉(zhuǎn)發(fā)信息時會注重信息的有趣性和新穎性等達到提升自我表現(xiàn)的目的[17]。例如，用戶轉(zhuǎn)發(fā)微博可能是出于贊同某人觀點、增強自我表現(xiàn)或者提升社會榮譽等因素[18]；又如，公眾會傾向于傳播話題比較有趣的科學論文，以提升在他人心中的形象[19]。

(2)信息傳播的另一重要動機是情緒性動機。即加深內(nèi)容的情緒性，通過信息內(nèi)容的情緒渲染以加強信息發(fā)布者與信息接收者之間的社會聯(lián)系[20]。已有研究發(fā)現(xiàn)，富含情緒的信息有助于信息傳播[21]，同時含有積極情緒的內(nèi)容更容易被傳播，且高激活的情緒有利于信息傳播[22]；也有學者認為，作為人類的基本動機，自我提升心理會促使消費者傳播消極的信息[23]。

(3)功能性動機也是人們傳播信息的重要動機之一。如人們往往會向他人轉(zhuǎn)發(fā)有實用價值的信息[17]。已有研究表明，信息中包含的價值可以促使用戶轉(zhuǎn)發(fā)故事、新聞或者營銷類信息等，這也許是因為轉(zhuǎn)發(fā)有價值的信息可以幫助他人，或者轉(zhuǎn)發(fā)這類信息可以使他們感覺自己更聰慧和博識[22]。

綜上所述，現(xiàn)階段對于在線健康信息傳播行為的實證研究并不多見，而信息傳播領(lǐng)域的研究較為豐富。①已有關(guān)于信息傳播的研究對象主要集中在品牌信息、新聞及突發(fā)事件信息[24-26]等，極少關(guān)注健康信息；研究平臺以Facebook、Twitter和新浪微博為主[27-29]，很少有研究關(guān)注微信朋友圈。②已有關(guān)于信息傳播內(nèi)容影響因素的研究很少基于傳播者內(nèi)在動機角度[28-30]。③已有研究對于信息轉(zhuǎn)發(fā)行為大多采用轉(zhuǎn)發(fā)數(shù)量衡量[31-32]，很少采用轉(zhuǎn)發(fā)意向或可能性衡量分享者的主觀意愿。因此，本研究以信息傳播領(lǐng)域相關(guān)研究為理論基礎(chǔ)，基于轉(zhuǎn)發(fā)者內(nèi)在動機的視角，分析在線健康信息傳播行為的影響因素。

2 研究模型和假設(shè)

本研究旨在探討微信朋友圈中的健康信息傳播行為，即微信用戶轉(zhuǎn)發(fā)健康信息到朋友圈的行為。在已有信息系統(tǒng)使用研究中，意向被廣泛用于解釋行為的先行狀態(tài)[33-34]。一方面，意向與行為之間有較強的相關(guān)關(guān)系[35]；另一方面，微信本身的局限性使收集微信朋友圈中實際的信息轉(zhuǎn)發(fā)行為數(shù)據(jù)較為困難。因此本研究通過用戶的健康信息轉(zhuǎn)發(fā)意向，即用戶在網(wǎng)絡(luò)中轉(zhuǎn)發(fā)健康信息的意愿，衡量其健康信息傳播行為。

根據(jù)已有研究，用戶信息傳播行為基于社會性、情緒性和功能性3類動機，這3類動機分別由包含信息內(nèi)容的社會特征、情緒特征和功能特征觸發(fā)[36]。

2.1信息社會特征

信息社會特征是指用信息表達獨特性、自我效能和社交需求等的特性，用戶會轉(zhuǎn)發(fā)一些新的或者高質(zhì)量的信息以提高自身的形象或聲望[36]。例如，有趣的新聞文章會更容易登上紐約時報的熱門排行榜[22]；新穎的事物一般更能引起人們的注意，領(lǐng)導(dǎo)能讓此類故事或廣告更受歡迎[37]。另外，健康信息不同于其他類型信息，其要求信息內(nèi)容正確無誤，否則經(jīng)過傳播后果可能相當嚴重[8]。從理論上講，在健康信息的傳播中，用戶同樣可能出于自我提升的動機，而傾向于轉(zhuǎn)發(fā)有趣、新穎、正確的健康信息。因此，本研究提出假設(shè)。

H1信息的有趣性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

H2信息的新穎性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

H3信息的正確性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

2.2信息情緒特征

信息情緒特征是指信息內(nèi)容引發(fā)的情感也會影響用戶對信息的轉(zhuǎn)發(fā)行為[17]。已有研究表明，驚嘆作為一種高激活的積極情緒，會促進信息的轉(zhuǎn)發(fā)，因為大多數(shù)人寧愿去轉(zhuǎn)發(fā)那些積極、樂觀或者讓他人感覺良好的信息，而不是那些讓他人感到悲傷或沮喪的信息[22]。并且積極情緒更有助于拓展人們的注意、認知和行為范圍，對行為的產(chǎn)生有推動作用[38]。已有研究發(fā)現(xiàn)，激發(fā)情緒會提升與肥胖問題相關(guān)的微博在Twitter上被轉(zhuǎn)發(fā)的可能性[12]。此外，帶有情緒色彩的信息更容易引發(fā)用戶的信息轉(zhuǎn)發(fā)行為，因此，理論上富含情緒的健康信息也應(yīng)當更容易被轉(zhuǎn)發(fā)[37]。因此，本研究提出假設(shè)。

H4信息的令人驚嘆性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

H5信息的積極性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

H6信息的富含情緒性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

2.3信息功能特征

信息功能特征體現(xiàn)的是信息的效用。對于健康信息，有用性應(yīng)是對其影響最大的屬性，即信息應(yīng)具有實際使用價值，能夠幫助用戶了解科學的健康知識，從而對用戶的健康產(chǎn)生直接影響。已有研究表明，有用的故事或營銷類信息更有可能被廣泛轉(zhuǎn)發(fā)和傳播，用戶也往往更青睞于轉(zhuǎn)發(fā)有用的信息，原因有二。其一，轉(zhuǎn)發(fā)這類信息可以使轉(zhuǎn)發(fā)者感覺自己更聰慧和博識[37]。其二，有用的信息具有一定的社會交換價值[39]，通過轉(zhuǎn)發(fā)有用的信息，轉(zhuǎn)發(fā)者可以達到互惠的目的。因此，本研究提出假設(shè)。

H7信息的有用性對微信用戶將健康信息轉(zhuǎn)發(fā)到朋友圈的意向具有積極影響。

綜上所述，本研究的理論模型見圖1。

圖1 理論模型Figure 1 Theoretical Model

3 研究方法

3.1研究設(shè)計

3.1.1 問卷設(shè)計

本研究采用問卷調(diào)查的方式收集數(shù)據(jù)，在假設(shè)模型和文獻分析的基礎(chǔ)上設(shè)計問卷和測量量表，共包含8個變量，問卷變量、測量題項及其來源見表1。

表1 測量量表Table 1 Measurement Scales

參考MILKMAN et al.[17]的研究，測量轉(zhuǎn)發(fā)到朋友圈的意向。參考BERGER[37]的研究，測量信息社會特征中的有趣性和新穎性；參考WIXOM et al.[40]的研究，測量信息社會特征中的正確性。參考BERGER et al.[22]的研究，測量信息情緒特征中的令人驚嘆性；參考MILKMAN et al.[17]的研究，測量信息情緒特征中的積極性和富含情緒性。參考BERGER[37]的研究，測量信息功能特征中的有用性。

問卷分為3個部分。首先，調(diào)查用戶將看到健康帖子轉(zhuǎn)發(fā)到朋友圈的意向，采用5級語義差別量表，1為非常不可能轉(zhuǎn)發(fā)，5為非?？赡苻D(zhuǎn)發(fā)。然后，要求用戶對其看到的帖子的7個內(nèi)容特征進行評分，采用5級語義差別量表測量信息的有趣性、新穎性、正確性、令人驚嘆性、富含情緒性和有用性，如“看完這個帖子之后，您覺得這個帖子的內(nèi)容”，1為一點也沒有趣，5為非常有趣；采用Likert 5級量表測量積極性，如“這個帖子的內(nèi)容對我造成極大的積極性影響”，1為非常不同意，5為非常同意。最后，將用戶的個人特征作為控制變量，包括性別、年齡、教育程度、職業(yè)等人口統(tǒng)計學變量，以及微信使用時間和使用頻率等。

3.1.2 數(shù)據(jù)收集

本研究借助問卷星平臺的情景隨機功能，采用基于情景的問卷調(diào)查方法收集數(shù)據(jù)。首先，通過網(wǎng)絡(luò)了解目前較熱門的醫(yī)療健康信息微信公眾平臺，選擇“好大夫在線”作為信息采集的來源，于2015年11月10日利用網(wǎng)絡(luò)爬蟲技術(shù)采集“好大夫在線”微信公眾平臺發(fā)布于2015年11月9日之前的200個涉及健康、飲食、運動和保健類的帖子，并按照時間先后順序選取其中含有作者信息的圖文信息貼。由于帖子需要作為情景錄入問卷星系統(tǒng)，而該平臺自身存在容量限制，因此最終錄入159個帖子，帖子的發(fā)布時間為2015年8月3日至2015年11月9日。然后通過問卷星平臺的情景隨機功能，使用戶隨機抽到帖子，并針對帖子的內(nèi)容回答已設(shè)計好的問卷問題。在正式發(fā)放問卷之前，請30名大學生對問卷進行預(yù)先測試，得到問題反饋并修正問卷。然后用問卷星將調(diào)查問卷發(fā)布出去，通過社交網(wǎng)站等各種渠道發(fā)布鏈接邀請微信用戶作為實驗對象進行填寫。在2015年11月下旬，為期約兩周時間，共收集到1 083份答卷。為檢驗回答者的態(tài)度認真與否，在問卷中插入“2+2=？”這個問題[41]。最終剔除36份不認真填寫的答卷，保留1 047份有效問卷，有效回收率為96.676%。每個帖子有5人～10人有效回答(平均7人有效回答)。利用SPSS統(tǒng)計軟件測量各個變量的評分者間信度，即不同評分者對同一帖子特征評分的一致性，采用單因素方差分析法進行計算，評分者間信度多數(shù)大于0.400，表明信度可以接受[42]。

3.2數(shù)據(jù)分析

3.2.1 用戶特征描述性統(tǒng)計分析

首先對樣本的人口統(tǒng)計學特征和微信使用情況做描述性統(tǒng)計分析，樣本的平均年齡為30.485歲，各個特征的詳細分析結(jié)果見表2。男女比例比較均衡，教育程度以大學本科以上為主，年齡以40歲以下為主，微信使用時間多為6個月以上，使用頻率也多為一天一次及以上。

3.2.2 信息特征描述性統(tǒng)計及相關(guān)分析

對信息特征進行均值、標準差和相關(guān)性分析，分析結(jié)果見表3。描述信息特征的7個變量的得分均值介于3.587～3.951，即用戶感知到的樣本貼子普遍比較有趣、新穎、正確、令人驚嘆、積極、富含情緒和有用。在進行多元回歸分析前，本研究采用Spearman相關(guān)分析對數(shù)據(jù)做多重共線性診斷。多重共線性是指線性回歸模型中解釋變量之間由于存在精確相關(guān)關(guān)系或高度相關(guān)關(guān)系而使模型估計失真或難以準確估計。

表2 用戶特征描述性統(tǒng)計結(jié)果Table 2 Descriptive Statistics Results of User Characteristics

表3 信息特征描述性統(tǒng)計和相關(guān)性分析結(jié)果Table 3 Results of Descriptive Statistics for Information Characteristics and Correlation Analysis

注：**為p<0.010，下同。

Spearman相關(guān)分析又稱秩相關(guān)分析，是利用兩變量的秩次大小做線性相關(guān)分析[43]。由表3可知，因子間的相關(guān)系數(shù)大多小于0.500，表明各因子間的區(qū)分效度較好，不存在嚴重的多重共線性問題。

3.2.3 回歸分析

廣義線性回歸分析是較為常見的一類統(tǒng)計分析方法，可用于分析連續(xù)型因變量與任意型自變量之間的各種關(guān)系。本研究的廣義線性模型為

轉(zhuǎn)發(fā)意向=α0+α1×性別+α2×年齡+

α3×教育程度+α4×使用時間+

α5×使用頻率+μ

(1)

轉(zhuǎn)發(fā)意向=β0+β1×有趣性+β2×新穎性+

β3×正確性+β4×令人驚嘆性+

β5×積極性+β6×富含情緒性+

β7×有用性+ε

(2)

轉(zhuǎn)發(fā)意向=γ0+γ1×性別+γ2×年齡+

γ3×教育程度+γ4×使用時間+

γ5×使用頻率+γ6×有趣性+

γ7×新穎性+γ8×正確性+

γ9×令人驚嘆性+γ10×積極性+

γ11×富含情緒性+γ12×有用性+ρ

(3)

其中，α0、β0、γ0為常數(shù)項，α1～α5、β1～β7、γ1～γ12為自變量回歸系數(shù)，μ、ε、ρ為誤差項。

表4 回歸分析結(jié)果Table 4 Results of Regression Analysis

注：*為p<0.050，***為p<0.001。

通過R3.2.2統(tǒng)計軟件，運用最小二乘法，得到模型的估計系數(shù)，并對估計系數(shù)進行顯著性檢驗，具體結(jié)果見表4。

表4中模型1給出對控制變量(即被試者的用戶特征)的線性回歸分析結(jié)果，模型2給出對信息內(nèi)容特征的線性回歸分析結(jié)果，模型3給出對全部變量的線性回歸分析結(jié)果。回歸分析結(jié)果表明，7個研究假設(shè)均得到支持。信息的有趣性對健康信息在微信朋友圈中的健康信息轉(zhuǎn)發(fā)行為意向具有顯著積極影響，模型2中，β=0.141,p<0.001；模型3中，β=0.134,p<0.001。新穎性對轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.118,p<0.010；模型3中，β=0.125,p<0.001。正確性對轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.110,p<0.010；模型3中，β=0.097,p<0.010。令人驚嘆性對轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.122,p<0.010；模型3中，β=0.127,p<0.010。積極性對轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.132,p<0.010；模型3中，β=0.120,p<0.010。富含情緒性對轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.277,p<0.001；模型3中，β=0.237,p<0.001。有用性也對微信用戶在朋友圈中的健康信息轉(zhuǎn)發(fā)意向具有顯著積極影響，模型2中，β=0.228,p<0.001；模型3中，β=0.205,p<0.001。且比較模型2和模型3可知，即使有控制變量，所有假設(shè)也均得到驗證。由估計系數(shù)可知，對于健康信息的傳播行為影響大小依次為信息內(nèi)容的富含情緒性、有用性和有趣性。在各項人口統(tǒng)計學特征中，年齡對微信朋友圈中健康信息的轉(zhuǎn)發(fā)意向具有顯著積極影響，模型1中，β=0.036,p<0.001；模型3中，β=0.015,p<0.001。教育程度對轉(zhuǎn)發(fā)意向具有顯著消極的影響，模型1中，β=-0.173,p<0.050；模型3中，β=-0.175,p<0.010。此外，微信用戶的使用頻率也會顯著積極地影響微信朋友圈中的健康信息轉(zhuǎn)發(fā)意向，模型1中，β=0.277,p<0.001；模型3中，β=0.113,p<0.001。

4 結(jié)論

本研究從信息內(nèi)容的3個維度探討7個因素對微信朋友圈中健康信息傳播行為的影響，采用問卷調(diào)查的方法收集數(shù)據(jù)，通過R統(tǒng)計軟件對數(shù)據(jù)進行廣義線性回歸分析，以驗證假設(shè)。

研究結(jié)果表明，信息的有趣性、新穎性、正確性、令人驚嘆性、積極性、富含情緒性和有用性均對用戶健康信息的傳播行為具有顯著積極影響。從信息內(nèi)容的社會特征角度看，與先前的研究成果一致，在微信朋友圈中轉(zhuǎn)發(fā)有趣、新穎的信息或者正確的信息，均能夠提升自我形象，因而促使用戶傳播此類健康信息。從信息內(nèi)容的情緒特征角度看，越能誘發(fā)令人驚嘆性、積極情緒或者蘊含情緒豐富的信息，越容易得到傳播。從信息的功能特征角度看，健康信息本身可能更注重信息的有用性，即滿足用戶對解決健康問題的需求，因此用戶可能會依據(jù)健康信息的感知實用性而進行轉(zhuǎn)發(fā)。另外，信息內(nèi)容的7個影響因素中，對于健康信息的傳播行為影響較大的因素依次為富含情緒性、有用性和有趣性。

從用戶個人特征角度看，用戶的年齡和使用頻率對其健康信息傳播行為具有顯著積極影響，這與已有研究成果一致。用戶年齡越大，面臨的健康問題可能越多，更加關(guān)注健康問題，也更可能轉(zhuǎn)發(fā)健康信息給自己的朋友或家人。用戶使用微信的頻率越高，其接觸到高質(zhì)量信息的機會可能性越大，可能更樂于轉(zhuǎn)發(fā)信息。用戶的教育程度對健康信息的傳播行為也具有顯著影響，卻是負向的，即用戶的教育程度越高，轉(zhuǎn)發(fā)健康信息的意向越小。這可能是因為高學歷的用戶知識面較廣，健康素養(yǎng)一般也較高，而健康素養(yǎng)越高的人越不會轉(zhuǎn)發(fā)健康信息[22]。

(1)理論意義

①本研究從研究對象和平臺兩方面拓展了關(guān)于信息傳播的已有研究。從研究對象看，已有在線信息傳播行為的研究極少關(guān)注健康信息，本研究彌補了該類信息在信息傳播行為研究中的理論不足，以健康信息作為研究對象，探討用戶對該類信息分享行為的影響因素；從研究平臺看，本研究彌補了對微信(特別是朋友圈)平臺中的信息傳播行為研究的不足。②本研究從轉(zhuǎn)發(fā)者的內(nèi)在動機角度研究信息內(nèi)容特征，研究結(jié)果表明，信息的社會特征、情緒特征和功能特征3個維度均對電子健康信息在微信朋友圈中的傳播行為具有重要影響，且信息內(nèi)容的富含情緒性、有用性和有趣性較為重要。③已有研究對于分享行為大多用轉(zhuǎn)發(fā)數(shù)來衡量，多采用二手數(shù)據(jù)分析的方法，本研究采用分享到朋友圈的可能性測量研究對象的主觀意愿，并借助問卷星平臺的情景隨機功能實施問卷調(diào)查，以收集用戶感知層面的數(shù)據(jù)，豐富轉(zhuǎn)發(fā)行為的研究。

(2)實踐意義

①健康知識從專家到公眾的傳播可以加強知識的影響，將健康領(lǐng)域的科學知識、科學方法、科學精神向公眾普及傳播，也可以使公眾對健康信息變被動接受為主動獲取和參與，進而提升公眾健康素養(yǎng)和健康行為管理水平。②本研究可為在線醫(yī)療信息服務(wù)商(如健康類微信公眾平臺)的運營策略提供一定程度的指導(dǎo)，平臺運營者在撰寫健康類文章時，在信息的社會特征方面，應(yīng)注重話題和內(nèi)容的有趣性、新穎性，以吸引用戶，同時保證信息本身的正確性和科學性，從而使用戶樂于轉(zhuǎn)發(fā)該信息以提升自我形象；對于信息的情緒特征，可以通過情緒的渲染，尤其積極情緒和令人驚嘆的情緒，以使信息內(nèi)容富有感染力，從而促使用戶進行轉(zhuǎn)發(fā)和傳播；對于信息的功能特征，結(jié)合健康信息本身的特點，應(yīng)盡可能發(fā)布對用戶有實用價值的信息，即可以幫助用戶了解或者解決健康類問題的科學信息，從而滿足用戶對于健康知識的需求。并且在撰寫健康類文章時，應(yīng)特別注重富含情緒性、有用性和有趣性。健康平臺運營者也可以根據(jù)受眾的年齡段、受教育程度和微信的使用頻率進行有針對性的信息推送。通過以上方式，可以使受眾樂于閱讀并轉(zhuǎn)發(fā)和傳播健康信息，提高信息服務(wù)平臺的用戶參與度和關(guān)注度，提高平臺的運營績效，也可以提升醫(yī)學從業(yè)者的聲望。

(3)研究局限和展望

本研究仍存在不足之處，有待未來研究加以解決。①目前許多人無法接收到權(quán)威的聲音，很難僅憑自己的能力去辨認真?zhèn)?，因此對非醫(yī)學從業(yè)者來講，信息來源的可信度是決定其關(guān)注和轉(zhuǎn)發(fā)該信息的重要影響因素。在后續(xù)研究中可以從該角度出發(fā)，加入相關(guān)變量，如信息來源的專業(yè)性和權(quán)威性[44]，對用戶的信息傳播行為進行分析。②已有研究表明，受眾群體的大小會影響信息傳播行為[45]，未來可以對轉(zhuǎn)發(fā)給朋友、轉(zhuǎn)發(fā)到微信群、轉(zhuǎn)發(fā)到朋友圈3種情況進行對比，探討受眾群體的大小對健康信息傳播行為的影響。另外，信息質(zhì)量作為一個重要因素，未來也需要考慮，而信息內(nèi)容的功能特征除了有用性還包括相關(guān)性等，未來也可以進行補充。③其他的信息行為也可以納入后續(xù)研究中，如點贊、評論和采納等。

[1]PARK H,RODGERS S,STEMMLE J.Analyzing health organizations′ use of Twitter for promoting health literacy.JournalofHealthCommunication,2013,18(4):410-425.

[2]童慧.微信的傳播學觀照及其影響.重慶社會科學,2013(9):61-66.

TONG Hui.Research on Wechat according to communication study and its influence.ChongqingSocialSciences,2013(9):61-66.(in Chinese)

[3]HUANG E.Building a patient-centered hospital web site:best practices in China.InternationalJournalofHealthcareManagement,2015,8(3):137-145.

[4]李文芳.微信時代健康傳播的特征與應(yīng)用探討.新聞大學,2014(6):149-154.

LI Wenfang.Micro-channel era of health propagation characteristics and application.JournalismBimonthly,2014(6):149-154.(in Chinese)

[5]張宏,李杰.復(fù)雜網(wǎng)絡(luò)的微信網(wǎng)絡(luò)信息傳播研究.科學技術(shù)與工程,2014,14(17):244-247.

ZHANG Hong,LI Jie.Study on Wechat network information flow based on complex network.ScienceTechnologyandEngineering,2014,14(17):244-247.(in Chinese)

[6]吳中堂,劉建徽,唐振華.微信公眾號信息傳播的影響因素研究.情報雜志,2015,34(4):122-126.

WU Zhongtang,LIU Jianhui,TANG Zhenhua.On influential factors of Wechat official account information transmission.JournalofIntelligence,2015,34(4):122-126.(in Chinese)

[7]YI M Y,YOON J J,DAVIS J M,et al.Untangling the antecedents of initial trust in web-based health information:the roles of argument quality,source expertise,and user perceptions of information quality and risk.DecisionSupportSystems,2013,55(1):284-295.

[8]JIANG J,TONG Y,TAN S S L.Do you retweet heath advice on microblogging platforms?The effects of health topic and website design on credibility assessment∥ProceedingsoftheThirtyThirdInternationalConferenceonInformationSystems.Orlando,2012:1-11.

[9]SPENCE P R,LACHLAN K A,SPATES S A,et al.Intercultural differences in responses to health messages on social media from spokespeople with varying levels of ethnic identity.ComputersinHumanBehavior,2013,29(3):1255-1259.

[10] PARK H,REBER B H,CHON M G.Tweeting as health communication:health organizations′ use of Twitter for health promotion and public engagement.JournalofHealthCommunication,2016,21(2):188-198.

[11] 張迪,古俊生,邵若斯.健康信息獲取渠道的聚類分析:主動獲取與被動接觸.國際新聞界,2015,37(5):81-93.

ZHANG Di,GU Junsheng,SHAO Ruosi.A cluster analysis of college students′ health information acquisition channels:active seeking and accidental exposure.ChineseJournalofJournalism&Communication,2015,37(5):81-93.(in Chinese)

[12] SO J,PRESTIN A,LEE L,et al.What do people like to “share” about obesity?A content analysis of frequent retweets about obesity on Twitter.HealthCommunication,2016,31(2):193-206.

[13] CROOK B,STEPHENS K K,PASTOREK A E,et al.Sharing health information and influencing behavioral intentions:the role of health literacy,information overload,and the internet in the diffusion of healthy heart information.HealthCommunication,2016,31(1): 60-71.

[14] VAN DE VELDE B,MEIJER A,HOMBURG V.Police message diffusion on Twitter:analysing the reach of social media communications.Behaviour&InformationTechnology,2015,34(1):4-16.

[15] RUDAT A,BUDER J,HESSE F W.Audience design in Twitter:retweeting behavior between informational value and followers′ interests.ComputersinHumanBehavior,2014,35:132-139.

[16] 趙建彬,景奉杰.在線品牌社群氛圍對顧客創(chuàng)新行為的影響研究.管理科學,2016,29(4):125-138.

ZHAO Jianbin,JING Fengjie.The influence of online brand community climate on the customer innovation behavior.JournalofManagementScience,2016,29(4):125-138.(in Chinese)

[17] MILKMAN K L,BERGER J.The science of sharing and the sharing of science.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2014,111(Supplement 4):13642-13649.

[18] BOYD D,GOLDER S,LOTAN G.Tweet,tweet,retweet:conversational aspects of retweeting on Twitter∥ProceedingsoftheFortyThirdHawaiiInternationalConferenceonSystemSciences.Kauai,HI:IEEE Computer Society,2010:1-10.

[19] 王賢文,張春博,毛文莉,等.科學論文在社交網(wǎng)絡(luò)中的傳播機制研究.科學學研究,2013,31(9):1287-1295.

WANG Xianwen,ZHANG Chunbo,MAO Wenli,et al.Study on the diffusing mechanism of scientific literature in social media.StudiesinScienceofScience,2013,31(9):1287-1295.(in Chinese)

[20] 丁緒武,吳忠,夏志杰.社會媒體中情緒因素對用戶轉(zhuǎn)發(fā)行為影響的實證研究:以新浪微博為例.現(xiàn)代情報,2014,34(11):147-155.

DING Xuwu,WU Zhong,XIA Zhijie.The empirical research of sentiment factors effect on users′ retweet behavior:a case study of Sina Weibo.JournalofModernInformation,2014,34(11):147-155.(in Chinese)

[21] STIEGLITZ S,DANG-XUAN L.Emotions and information diffusion in social media-sentiment of microblogs and sharing behavior.JournalofManagementInformationSystems,2013,29(4):217-248.

[22] BERGER J,MILKMAN K L.What makes online content viral?.JournalofMarketingResearch,2012,49(2):192-205.

[23] DE ANGELIS M,BONEZZI A,PELUSO A M,et al.On braggarts and gossips:a self-enhancement account of word-of-mouth generation and transmission.JournalofMarketingResearch,2012,49(4):551-563.

[24] 沈璐,莊貴軍,姝曼.品牌帖子轉(zhuǎn)發(fā)與品牌偏好之間的因果關(guān)系.管理科學,2016, 29(1):86-94.

SHEN Lu,ZHUANG Guijun,SUPPANUCH Pan Chudabala.The causal relationship between the forwarding behavior of brand posts and brand preference.JournalofManagementScience,2016,29(1):86-94.(in Chinese)

[25] LEE C S,MA L.News sharing in social media:the effect of gratifications and prior experience.ComputersinHumanBehavior,2012,28(2):331-339.

[26] OH O,AGRAWAL M,RAO H R.Community intelligence and social media services:a rumor theoretic analysis of tweets during social crises.MISQuarterly,2013,37(2):407-426.

[27] PI S M,CHOU C H,LIAO H L.A study of Facebook Groups members′ knowledge sharing.ComputersinHumanBehavior,2013,29(5):1971-1979.

[28] SHI Z,RUI H,WHINSTON A B.Content sharing in a social broadcasting environment:evidence from Twitter.MISQuarterly,2014,38(1):123-142.

[29] 張玥,孫霄凌,朱慶華.基于ELM模型的微博輿情傳播影響因素研究:以新浪微博為例.情報學報,2014,33(4):426-438.

ZHANG Yue,SUN Xiaoling,ZHU Qinghua.Research on factors that influence microblog opinion communication based on elaboration likelihood model:taking Sina microblog as an example.JournaloftheChinaSocietyforScientificandTechnicalInformation,2014,33(4):426-438.(in Chinese)

[30] ZHANG L,PENG T Q,ZHANG Y P,et al.Content or context:which matters more in information processing on microblogging sites.ComputersinHumanBehavior,2014,31:242-249.

[31] LIU Z,LIU L,LI H.Determinants of information retweeting in microblogging.InternetResearch,2012,22(4):443-466.

[32] KIM T.Observation on copying and pasting behavior during the Tohoku earthquake:retweet pattern changes.InternationalJournalofInformationManagement,2014,34(4):546-555.

[33] BHATTACHERJEE A.Understanding information systems continuance:an expectation-confirmation model.MISQuarterly,2001,25(3):351-370.

[34] WANG C,JIN X L,ZHOU Z,et al.Effect of perceived media capability on status updates in microblogs.ElectronicCommerceResearch&Applications,2014,14(3):181-191.

[35] VERHAGEN T,FELDBERG F,BART V D H,et al.Satisfaction with virtual worlds:an integrated model of experiential value.Information&Management,2011,48(6):201-207.

[36] LOVETT M J,PERES R,SHACHAR R.On brands and word of mouth.JournalofMarketingResearch,2013,50(4):427-444.

[37] BERGER J.Contagious:whythingscatchon.Chicago,IL:American Marketing Association,2013:111-184.

[38] 王建明,吳龍昌.綠色購買的情感-行為雙因素模型:假設(shè)和檢驗.管理科學,2015,28(6):80-94.

WANG Jianming,WU Longchang.Two-factor model of affection-behavior in green purchase: hypotheses and test.JournalofManagementScience,2015,28(6):80-94.(in Chinese)

[39] HOMANS G C.Social behavior as exchange.AmericanJournalofSociology,1958,63(6):597-606.

[40] WIXOM B H,TODD P A.A theoretical integration of user satisfaction and technology acceptance.InformationSystemsResearch,2005,16(1):85-102.

[41] MASON W,SURI S.Conducting behavioral research on Amazon′s Mechanical Turk.BehaviorResearchMethods,2012,44(1):1-23.

[42] SHROUT P E,FLEISS J L.Intraclass correlations:uses in assessing rater reliability.PsychologicalBulletin,1979,86(2):420-428.

[43] SPEARMAN C.The proof and measurement of association between two things.TheAmericanJournalofPsychology,1904,15(1):72-101.

[44] 尤薇佳,李紅,劉魯.突發(fā)事件Web信息傳播渠道信任比較研究.管理科學學報,2014,17(2):19-33.

YOU Weijia,LI Hong,LIU Lu.Comparison of Web channels for unconventional emergency events information dissemination.JournalofManagementSciencesinChina,2014,17(2):19-33.(in Chinese)

[45] BARASCH A,BERGER J.Broadcasting and narrowcasting:how audience size affects what people share.JournalofMarketingResearch,2014,51(3):286-299.

FundedProject:Supported by the National Natural Science Foundation of China(71201096,71202034,71432007)

Biography:JIN Xiaoling, doctor in management, is an associatea professor in the School of Management at Shanghai University. Her research interests include e-health and social media. Her representative paper titled “Moderating role of gender in the relationships between perceived benefits and satisfaction in social virtual world continuance” was published in theDecisionSupportSystems(Volume 65, 2014). E-mail：kathyjin2011@shu.edu.cn

FENG Huihui is a master degree in the School of Management at Shanghai University. Her research interests focus on information management and e-commerce. E-mail：sailvon@i.shu.edu.cn

ZHOU Zhongyun, doctor in management, is an associatea professor in the School of Economics & Management at Tongji Universityy. His research interests include IT usage and impacts, e-commerce and e-health. His representative paper titled “Attracted to or locked in? predicting continuance intention in social virtual world services” was published in theJournalofManagementInformationSystems(Issues 1, 2012). E-mail：philzhou@#edu.cn

□

AnEmpiricalStudyonHealthcareInformationDiffusionBehaviorinWeChatMoments

JIN Xiaoling1，F(xiàn)ENG Huihui1，ZHOU Zhongyun2

1 School of Management, Shanghai University, Shanghai 200444, China2 School of Economics & Management, Tongji University, Shanghai 200092, China

Due to the increasing demands for healthcare information and the rapid development of social media platforms, researchers and practitioners pay more and more attention on healthcare information diffusion in social media. In this paper, healthcare information diffusion refers to content receivers′ willingness to transmit online healthcare information. Among a variety of social media platforms(e.g., Facebook, Twitter, Whatsapp), WeChat Moments have

a great deal of attention as for its combination of interpersonal communication and mass communication. However, investigating the characteristics of online healthcare information that triggers people to diffuse healthcare information in WeChat Moment platform is still in the early stage.

Focusing on healthcare-related information promoted by WeChat Official Accounts, this study examines the factors influencing WeChat users′ intention to share this kind of information in WeChat Moments from the perspective of information transmitters′ motivation. Drawing upon prior research on information diffusion and interpersonal communication, seven characteristics from three dimensions of information content(i.e., social characteristics, emotional characteristics and functional characteristics) are selected to build the research model and hypotheses. Based on the data collected from a large sample of WeChat users through an online survey, we conduct generalized linear regression analysis to test the research model and hypotheses using R statistical software. The results show that interesting, novelty, accuracy, awe, positivity, emotionality and usefulness all have significant positive effects on users′ intention to share healthcare information in WeChat Moments. Among these factors, emotionality, usefulness and interesting are the most important ones.

This study can provide three contributions to the related literature. Firstly, this study examines the diffusion of healthcare information and takes WeChat Moments as the research context which has not been much researched so far. Secondly, we explore the effects of content features on healthcare information transmission from the perspective of information transmitters′ motivation. Thirdly, this study takes sharing intention instead of sharing numbers as the dependent variable to measure the intention of the transmitter. Meanwhile, this study can provide some guidelines for the operation strategy of online healthcare service providers. When phrasing or framing healthcare-related articles, operators should try to draw greater interest and novelty of the content, ensure the accuracy of the information, evoke more positive emotion especially awe, and highlight the practical values to increase users' perceived usefulness. Hence, the audience could be more willing to read and share healthcare related information, and user participation on online healthcare service platforms could also get improved.

WeChat Moments；healthcare information；information diffusion；social characteristics；emotional characteristics；functional characteristics

Date:September 8th, 2016AcceptedDateNovember 30th, 2016

G20

A

10.3969/j.issn.1672-0334.2017.01.007

1672-0334(2017)01-0073-10

2016-09-08修返日期2016-11-30

國家自然科學基金(71201096,71202034,71432007)

金曉玲，管理學博士，上海大學管理學院副教授，研究方向為電子健康和社交媒體等，代表性學術(shù)成果為“Moderating role of gender in the relationships between perceived benefits and satisfaction in social virtual world continuance”，發(fā)表在2014年第65卷《Decision Support Systems》，E-mail：kathyjin2011@shu.edu.cn 馮慧慧，上海大學管理學院碩士研究生，研究方向為信息管理和電子商務(wù)等，E-mail：sailvon@i.shu.edu.cn周中允，管理學博士，同濟大學經(jīng)濟與管理學院副教授，研究方向為信息技術(shù)使用與影響、電子商務(wù)和電子健康等，代表性學術(shù)成果為“Attracted to or locked in? Predicting continuance intention in social virtual world services”，發(fā)表在2012年第1期《Journal of Management Information Systems》，E-mail：philzhou@#edu.cn