□ 沈琦

一、研究背景

虛擬現(xiàn)實(shí)技術(shù)通過模擬現(xiàn)實(shí)世界創(chuàng)造出一種嶄新的三維交互系統(tǒng)，是多種技術(shù)融合的成果。它所生成的這種虛擬環(huán)境，是一種具有強(qiáng)交互感的融合多維信息的三維立體動(dòng)態(tài)視景，用戶能在其中產(chǎn)生較強(qiáng)烈的沉浸體驗(yàn)。

雖然目前VR視頻的市場需求非常大，但VR視頻產(chǎn)業(yè)的發(fā)展仍面臨著難題與挑戰(zhàn)。在現(xiàn)有的技術(shù)條件下，如何增強(qiáng)用戶持續(xù)觀看VR視頻的意愿，是業(yè)界急需解決的問題。

學(xué)者們對(duì)VR視頻的研究主要集中在VR視頻的實(shí)際應(yīng)用方向，例如醫(yī)學(xué)教學(xué)視頻、游戲指導(dǎo)視頻和心理學(xué)實(shí)驗(yàn)等方向，這些實(shí)際應(yīng)用都是建立在VR視頻強(qiáng)烈的沉浸感這一基礎(chǔ)上的。VR系統(tǒng)最重要的性能尺度即沉浸感，是用戶在觀看視頻時(shí)以主角視角沉浸在視頻內(nèi)容中，忘卻了時(shí)間的流逝。

Venkatesh和Morris（2003）在TAM模型的基礎(chǔ)上，整合了被廣泛驗(yàn)證的TRA、TM等八大經(jīng)典理論，提出了整合型技術(shù)接受和使用理論（UTAUT）。本研究將運(yùn)用UTAUT模型來驗(yàn)證VR視頻用戶的沉浸程度與持續(xù)使用意愿的關(guān)系，研究VR視頻用戶持續(xù)觀看VR視頻的意愿。

二、研究假設(shè)與框架

（一）研究假設(shè)

Hoffman和Novak（1996）提出了在線用戶的沉浸體驗(yàn)?zāi)Ｐ停岢龀两w驗(yàn)?zāi)軌蛟鰪?qiáng)消費(fèi)者的探索傾向和積極的主觀體驗(yàn)。Chen（2000）通過實(shí)證研究證明了網(wǎng)絡(luò)用戶的沉浸體驗(yàn)將對(duì)用戶行為產(chǎn)生積極影響。

由此，提出假設(shè)：H1：沉浸體驗(yàn)正向影響VR視頻用戶的持續(xù)使用意愿。

由此，提出假設(shè)：

H2：績效期望正向影響VR視頻用戶的持續(xù)使用意愿。

H3：努力期望正向影響VR視頻用戶的持續(xù)使用意愿。

H4：社會(huì)影響正向影響VR視頻用戶的持續(xù)使用意愿。

H5：便利條件正向影響VR視頻用戶的持續(xù)使用意愿。

UTAUT模型包含四個(gè)調(diào)節(jié)變量：性別、年齡、經(jīng)驗(yàn)和自愿性。由于用戶觀看VR視頻不存在被迫的情況，所以本研究沒有將自愿性這一變量納入研究范圍。由于VR視頻目前還是新生事物，用戶對(duì)VR視頻的觀看經(jīng)驗(yàn)沒有較大差異，因此去除經(jīng)驗(yàn)這一調(diào)節(jié)變量。首份《中國VR用戶行為研究報(bào)告》顯示，VR視頻用戶集中在25—34歲的青年人群，年齡分布集中，因此去除年齡這一調(diào)節(jié)變量。首份《中國VR用戶行為研究報(bào)告》披露，71.2%的VR重度使用者為男性。本研究認(rèn)為性別可能在績效期望等變量與VR視頻的持續(xù)使用意愿之間具有調(diào)節(jié)效應(yīng)。

因此，提出以下假設(shè)：

H6：績效期望對(duì)VR視頻用戶持續(xù)使用意愿的影響受到性別的調(diào)節(jié)。

H7：努力期望對(duì)VR視頻用戶持續(xù)使用意愿的影響受到性別的調(diào)節(jié)。

城市的構(gòu)成要素中，人口是最為活躍的因素．隨著經(jīng)濟(jì)的快速發(fā)展，德州市城區(qū)人口呈不斷增長的趨勢．1997年德城區(qū)城鎮(zhèn)人口僅16.41萬人，2004年發(fā)展到25.91萬人，2010年為30.58萬人，而到2017年則增長到39.68萬人，20年間增長了23.27萬人[17]．城鎮(zhèn)人口數(shù)量直接影響到城市建成區(qū)的規(guī)模．城市人口增多，則直接導(dǎo)致城市居民用地的增加，城區(qū)面積的擴(kuò)大；同時(shí)，隨著經(jīng)濟(jì)的快速發(fā)展，人們對(duì)住房的質(zhì)量也提出更高要求．

H8：社會(huì)影響對(duì)VR視頻用戶持續(xù)使用意愿的影響受到性別的調(diào)節(jié)。

（二）研究框架

根據(jù)上文論述，提出本文的研究框架，如圖1。

圖1研究框架

三、研究設(shè)計(jì)與分析

（一）數(shù)據(jù)收集

本研究的問卷通過問卷星平臺(tái)生成在線鏈接，在VR用戶QQ交流群通過發(fā)送群聊鏈接以及群郵件的方式進(jìn)行發(fā)放和回收。經(jīng)過兩周的時(shí)間，筆者共發(fā)放400份問卷。筆者在兩個(gè)方面對(duì)問卷進(jìn)行了控制。發(fā)放問卷前，在問卷星后臺(tái)限定重復(fù)IP地址填寫無效，回收問卷后，將答題時(shí)間少于90秒以及答案過于統(tǒng)一的問卷剔除。最后總共獲得310份有效問卷，有效問卷率為77.5%。

（二）信效度分析

本文使用SPSS 23軟件進(jìn)行效度和信度檢驗(yàn)。

本研究所采用的問卷，各部分問項(xiàng)的克隆巴赫α系數(shù)均達(dá)到0.70以上，總量表的克隆巴赫α系數(shù)為0.786，問卷的內(nèi)部信度合格，問卷具有穩(wěn)定性和可靠性。

本研究的問卷是參考已被驗(yàn)證的成熟量表進(jìn)行設(shè)計(jì)的，同時(shí)，在正式發(fā)放問卷前邀請(qǐng)了部分VR視頻用戶進(jìn)行了前測，并根據(jù)前測和訪談結(jié)果，對(duì)問卷的題項(xiàng)設(shè)置進(jìn)行了調(diào)整。因此，本文所設(shè)計(jì)的問卷量表具有良好的內(nèi)容效度。

本研究使用SPSS 23對(duì)問卷題項(xiàng)做了基于KMO檢驗(yàn)和Bartlett檢驗(yàn)的效度分析，結(jié)果顯示各變量的KMO值都大于0.5，各變量都適合進(jìn)行因子分析，顯著度都為0.000，各題項(xiàng)之間的相關(guān)具有顯著性。

（三）假設(shè)檢驗(yàn)

本文將使用SPSS 23對(duì)變量之間進(jìn)行多元線性回歸分析，對(duì)假設(shè)進(jìn)行驗(yàn)證。

根據(jù)表1結(jié)果，回歸方程的P值為0.000，小于0.05，檢驗(yàn)結(jié)果顯著。持續(xù)使用意愿相關(guān)影響因素的方程調(diào)整后R2是0.902，表明本研究所提出的交互響應(yīng)速度等自變量對(duì)持續(xù)使用意愿的變化影響程度為90.2%。

沉浸體驗(yàn)、績效期望、努力期望、社會(huì)影響和便利條件的 sig 值均為 0.000，小于 0.05，說明假設(shè) 1、2、3、4、5 均成立。

表1持續(xù)使用意愿影響因素回歸分析

本研究采用分層回歸的方式，進(jìn)行VR視頻用戶性別對(duì)績效期望和持續(xù)使用意愿之間的調(diào)節(jié)效應(yīng)檢驗(yàn)。得到結(jié)果如表2所示。

表2 VR視頻用戶性別對(duì)績效期望、持續(xù)使用意愿之間的調(diào)節(jié)效應(yīng)檢驗(yàn)

由表2可知，sig.F更改0.066，大于0.05，結(jié)果不顯著。因此，性別對(duì)績效期望和持續(xù)使用意愿之間的關(guān)系不具有調(diào)節(jié)效應(yīng)。H6不成立。

同樣采用分層回歸的方式，驗(yàn)證性別對(duì)努力期望和持續(xù)使用意愿之間、社會(huì)影響和持續(xù)使用意愿之間的調(diào)節(jié)效應(yīng)，sig.F更改均大于0.05，假設(shè)H7、H8均不成立。

四、研究結(jié)果與討論

根據(jù)本文實(shí)證研究結(jié)果，VR視頻用戶的沉浸體驗(yàn)顯著正向影響其持續(xù)觀看VR視頻的意愿。用戶對(duì)VR視頻的績效期望、努力期望、社會(huì)影響、便利條件正向影響VR視頻用戶持續(xù)觀看VR視頻的意愿。

通過本文的實(shí)證研究，筆者發(fā)現(xiàn)用戶性別在績效期望和持續(xù)使用意愿（sig.F更改0.066，大于0.05）之間、努力期望和持續(xù)使用意愿（sig.F更改0.973，大于0.05）之間、社會(huì)影響和持續(xù)使用意愿之間（sig.F更改0.505，大于0.05）均不具有調(diào)節(jié)作用。

1.Hoffman D L，Novak T P.Marketing in hypermedia computer-mediated environments:conceptual foundations[J].Journal of Marketing，1996，60(3):50-68.

2.Davis F.D&Venkatesh V,A critical assessment of potential measurement biases in the technology acceptance model:three experiments[J],International journal of human computer studies,45(1),1992

3.Chen H.Exploring Web Users'On-line Optimal Flow Experiences[D].Syracuse，NY:Syracuse University，2000.

4.Wang D,Xu L,Chan H C.Understanding the continuance use of social network sites:A computer self-efficacy perspective[J].Behaviour&Information Technology,2015,34(2):204-216

5.馮晴.探索虛擬現(xiàn)實(shí)技術(shù)在外語教學(xué)中的應(yīng)用[J].理論觀察,2016(05):170-171.

6.郭文文.基于UTAUT模型的微博用戶使用行為影響因素研究[D].大連理工大學(xué),2013.