孟猛 朱慶華

摘?要：[目的/意義]針對移動視覺搜索（Mobile Visual Search，MVS）這一新興領(lǐng)域，如果直接引用現(xiàn)有信息系統(tǒng)領(lǐng)域量表，會面臨應(yīng)用領(lǐng)域、使用情景以及量表語義等方面差異的問題。為了有效測度MVS用戶體驗影響因素，設(shè)計出穩(wěn)健而實用的MVS用戶體驗影響因素量表。[方法/過程]本文參照Churchill的范式及Limayem等的量表開發(fā)過程，在前期MVS用戶體驗影響因素研究的基礎(chǔ)上，通過初始量表擬定與評估、探索性因子分析、驗證性因子分析進行量表開發(fā)。[結(jié)果/結(jié)論]最終開發(fā)出一個由準確性、完整性、快捷性、靈活性和移情性5個維度19個測量題目構(gòu)成的MVS用戶體驗影響因素量表。實證分析表明，該量表具有較好的信度和效度，可為后期針對MVS用戶行為影響因素探索提供工具參考和理論指導(dǎo)。

關(guān)鍵詞：移動視覺搜索;用戶體驗;影響因素;量表開發(fā)

DOI：10.3969/j.issn.1008-0821.2021.02.007

〔中圖分類號〕G252.0?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）02-0065-13

Abstract：[Purpose/Significance]In view of the emerging field of Mobile Visual Search（MVS），if it directly refers to the existing scales in the field of information systems，it would face the problems of differences in application fields，usage scenarios，and scale semantics.In order to effectively measure the factors influencing on MVS user experience，a robust and practical scale for the factors influencing on MVS user experience is designed.[Method/Process]Referring to Churchill's paradigm，Limayem and other's scale development process，this paper developed the scale through initial scale formulation and evaluation，exploratory factor analysis and confirmatory factor analysis on the basis of previous studies on factors influencing on MVS user experience.[Result/Conclusion]Finally，a scale for factors influencing on MVS user experience was developed.This scale consists of 19 measurement items from five dimensions of accuracy，completeness，quickness，flexibility and empathy.Empirical analysis showed that the scale had good reliability and validity，and could provide tool reference and theoretical guidance for the later exploration of factors influencing on MVS user behavior.

Key words：mobile visual search;user experience;influencing factors;scale development

iiMedia Research（艾媒咨詢）發(fā)布的《2019—2020年中國移動搜索市場運行監(jiān)測報告》顯示[1]，2019年第四季度中國移動搜索用戶規(guī)模已達7.05億人。中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）[2]發(fā)布的《第45次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2020年3月，我國手機搜索引擎用戶規(guī)模達7.45億。隨著移動互聯(lián)網(wǎng)、移動終端及云計算的迅速崛起，移動搜索已成為信息檢索領(lǐng)域的研究熱點，尤其是移動視覺搜索（Mobile Visual Search，MVS）這種新一代信息搜索技術(shù)，受到學(xué)界和業(yè)界的廣泛關(guān)注，已成為信息檢索領(lǐng)域非常重要的前沿課題。所謂MVS，是指利用移動智能終端獲取用戶視覺接近對象的圖像或視頻為檢索項，通過移動互聯(lián)網(wǎng)搜索視覺對象關(guān)聯(lián)信息的一種交互式信息檢索方式[3-4]。此類應(yīng)用程序可用于識別產(chǎn)品、藝術(shù)品、印刷媒體和地標等，諸如Google Goggles、oMoby、Mobile Acuity、Amazon/SnapTell，以及拍立淘、拍照購、衣+、手機百度、手機360搜索、形色等。

然而，MVS作為新一代互聯(lián)網(wǎng)服務(wù)模式，具有重要的研究價值、社會效益和廣闊的市場應(yīng)用前景。與國外相比，國內(nèi)MVS應(yīng)用還存在巨大差距。盡管已有一些應(yīng)用案例，但是尚未得到廣泛應(yīng)用，使用率并不高，用戶黏性較差，這主要是因為MVS用戶體驗不佳。因此，快速準確地把握MVS用戶體驗影響因素是推動MVS快速發(fā)展的重要前提。但是究竟是哪些因素影響MVS用戶體驗，目前尚不清楚，而且現(xiàn)有的信息系統(tǒng)領(lǐng)域用戶體驗影響因素未必符合并適用于MVS，由于應(yīng)用領(lǐng)域、使用情景等方面存在差異，用戶體驗影響因素也會有所不同。鑒于此，筆者對國內(nèi)外MVS相關(guān)文獻進行梳理、分析及歸納總結(jié)，試圖發(fā)現(xiàn)影響用戶使用MVS的因素，但是在現(xiàn)有的文獻中，學(xué)者們從用戶行為視角對MVS進行研究并不多見。在國外文獻中，Cao Y等[5]研究結(jié)果顯示，用戶對等待時間的感知不僅受到用戶期望的影響，而且還受到其他基于上下文因素（如鏈接內(nèi)容的準確性）的影響。Sang J等[6]研究結(jié)果顯示，事務(wù)性被認為是MVS的首選需求，套索模式獲得了最佳的用戶體驗和性能。在國內(nèi)文獻中，陳明紅等[7]構(gòu)建了MVS行為意向模型，從該模型感知質(zhì)量變量測度來看，信息質(zhì)量主要通過與準確性相關(guān)的題目來測量，系統(tǒng)質(zhì)量主要通過與有形性、穩(wěn)定性和及時性相關(guān)的題目來測量，服務(wù)質(zhì)量主要通過與可靠性、專業(yè)性和個性化相關(guān)的題目來測量。范哲等[8]構(gòu)建了AR/圖像/二維碼識別搜索的行為意向模型，從該模型的前因變量測度來看，系統(tǒng)質(zhì)量主要通過與穩(wěn)定性、匹配度等相關(guān)的題目來測量。此外，段凌宇等[9]指出應(yīng)結(jié)合MVS系統(tǒng)的實際應(yīng)用環(huán)境以及特定需求，優(yōu)化搜索性能，提升用戶體驗。張興旺等[10]認為MVS搜索性能與用戶體驗效果的匹配問題是MVS應(yīng)用與推廣的挑戰(zhàn)之一。

綜上所述，從國內(nèi)外MVS相關(guān)文獻的分析來看，僅有少數(shù)學(xué)者從用戶行為視角提及影響用戶使用MVS的相關(guān)因素，諸如準確性、及時性、有形性、穩(wěn)定性、個性化以及匹配度等。為了確保MVS用戶體驗的影響因素更具有針對性和說服力，筆者采用扎根理論方法，開展了MVS用戶體驗影響因素研究[11]，發(fā)現(xiàn)MVS用戶體驗影響因素主要包括準確性、真?zhèn)涡?、完整性、便利性、及時性、可達性、靈活性、有形性和移情性。但是，如何有效測量這些因素是當(dāng)下面臨的一個重要課題。由于MVS作為一種新興的研究領(lǐng)域，如果直接引用現(xiàn)有的信息系統(tǒng)領(lǐng)域量表，會面臨應(yīng)用領(lǐng)域、使用情景以及量表語義等方面差異的問題。鑒于此，本文參照Churchill G A[12]的范式及Limayem M等[13]的量表開發(fā)過程，在前期MVS用戶體驗影響因素研究的基礎(chǔ)上，開發(fā)穩(wěn)健而實用的MVS用戶體驗影響因素量表，從而解決這些問題。

1?初始量表擬定與評估

1.1?初始量表擬定

本文在前期MVS用戶體驗影響因素研究的基礎(chǔ)上，參照Bailey J E等[14]、Liu C等[15]、Aladwani A M等[16]、Webb H W等[17]、Lee Y等[18]、Huang Z等[19]和左文明[20]的研究成果，結(jié)合MVS的應(yīng)用特點，并根據(jù)筆者使用MVS的親身體驗，對MVS用戶體驗因素進行定義，如表1所示。同時，參照Delone W H等[21]的更新D&M信息系統(tǒng)成功模型、Wixom B H等[22]的整合研究模型和Xu J D等[23]的3Q模型的測量題目，借鑒Mckinney V等[24]、Roca J C等[25]、Melian-Alzola L等[26]、Masrek M N等[27]、Huang Z等[28]、Balog A[29]、Chang C[30]和陳明紅等[7]的研究成果，對MVS用戶體驗影響因素的測量題目進行操作型定義。在此基礎(chǔ)上，形成了“MVS用戶體驗影響因素初始量表”，該量表由45個測量題目構(gòu)成，如表2所示。

1.2?初始量表評估

1.2.1?量表內(nèi)容的效度評估

為了確保MVS用戶體驗影響因素初始量表的內(nèi)容效度，筆者特邀請5名從事人機交互領(lǐng)域的研究人員對初始量表進行內(nèi)容分析，目的是讓他們檢查初始量表是否適合測量MVS用戶體驗影響因素以及測量題目的清晰度。在具體實施過程中，筆者向他們介紹了本文的研究目的、背景和方法，在征得他們同意后，將“MVS用戶體驗影響因素初始量表修訂意見的征求”[11]發(fā)給他們，請他們就各測量題目的清晰度，測量題目之間的相關(guān)度，以及測量題目對潛變量的解釋程度提出修改意見。

筆者在收集到這5位研究人員的意見反饋后，對每位研究人員的反饋意見進行整理，經(jīng)過反復(fù)斟酌，刪除表述重復(fù)和有異議的題目，并對語義不清晰和不易理解的測量題目進行了重新表述。此次初始量表修訂，共刪除測量題目1個，保留測量題目44個。此外，根據(jù)反饋意見，還對44個保留測量題目中14個題目進行語義重新表述。

1.2.2?量表內(nèi)容的適應(yīng)性調(diào)研

為了確保MVS用戶體驗影響因素初始量表的表面效度，進一步分析初始量表是否能夠真實反映MVS用戶體驗的影響因素，筆者分別對南京大學(xué)信息管理學(xué)院的5名碩士研究生，海南大學(xué)經(jīng)濟與管理學(xué)院的7名本科生，湖北科技學(xué)院人文與傳媒學(xué)院的3名本科生，北京交通大學(xué)土木建筑工程學(xué)院的1名本科生，以及?？谑兄行∑髽I(yè)孵化基地的4位IT在職人員進行了預(yù)調(diào)研和問卷反饋訪談。在具體實施過程中，筆者向他們介紹了本文的研究目的、背景和方法，在征得他們同意后，將“MVS用戶體驗影響因素初始量表修訂稿的預(yù)調(diào)研”[11]發(fā)給他們，請他們根據(jù)實際使用MVS的經(jīng)歷和感受填寫問卷。在問卷填寫完成后，筆者就問卷填寫過程中各個測量題目的含義是否清晰和易理解對他們進行了一對一訪談，并懇請他們填寫問卷反饋意見。最后，根據(jù)他們的問卷反饋意見和主觀感受分值，筆者對一些語義不清晰和不易理解的測量題目進行了修改，對一些含義完全相同的測量題目僅保留其中一項，對主觀感受分值較低的測量題目進行了刪除，對反饋意見較多的測量題目重新進行了操作型定義。此次初始量表修訂，共刪除測量題目6個，保留測量題目38個，形成了“修訂后的MVS用戶體驗影響因素初始量表”，如表3所示。為了便于后文表述和統(tǒng)計分析，準確性、真?zhèn)涡院屯暾缘臏y量題目采用IQ+數(shù)字表示，便利性、及時性、可達性和靈活性的測量題目采用SysQ+數(shù)字表示，有形性和移情性的測量題目采用SQ+數(shù)字表示。

2?探索性因子分析

為了使MVS用戶體驗影響因素量表的測量題目更加準確，本文通過探索性因子分析，對MVS用戶體驗影響因素量表的測量題目作進一步探索和確定。通過因子分析，一方面可以了解所確定的因子結(jié)構(gòu)是否合適;另一方面可以根據(jù)因子載荷篩選簡化MVS用戶體驗影響因素量表的題目數(shù)量[31]。此外，Lapierre J等[32]認為可以通過基于方差旋轉(zhuǎn)的主成分分析法來確定一組特定變量的潛在因素。據(jù)此，本文采用主成分分析法進行探索性因子分析，并采用最大方差正交旋轉(zhuǎn)法進行因子旋轉(zhuǎn)。

2.1?問卷設(shè)計

依據(jù)表3，本文設(shè)計了MVS用戶體驗影響因素探索性因子分析調(diào)查問卷[11]。該調(diào)查問卷由兩部分構(gòu)成：第一部分是用戶基本信息;第二部分是MVS用戶體驗影響因素量表，共由38個測量題目構(gòu)成，主要用于測量9個因素。其中，準確性、真?zhèn)涡院屯暾杂?4個題目來測量;便利性、及時性、可達性和靈活性由15個題目來測量;有形性和移情性由9個題目來測量。測量題目的測量均采用李克特（Likert）七級等距量表[33-34]，其中“1”為完全不同意、“2”為不同意、“3”為比較不同意、“4”為不確定、“5”為比較同意、“6”為同意、“7”為完全同意，MVS用戶根據(jù)自己實際體驗情況進行選擇。

2.2?樣本構(gòu)成與數(shù)據(jù)收集

本次問卷調(diào)查采用便利抽樣法，通過線上（問卷星）和線下（紙質(zhì)）兩種方式共發(fā)放350份調(diào)研問卷，回收問卷336份，回收率為96%，剔除全部選“1”或“7”及其他無效問卷34份，有效問卷302份，有效率為89.9%。另外，Maccallum R C等[35]和Zeng L等[36]建議在因子分析和回歸分析中，樣本數(shù)應(yīng)該是測量題目的5～10倍。本文的MVS用戶體驗影響因素量表測量題目為38個，有效問卷302份，樣本量大約為測量題目的8倍，滿足因子分析所需樣本數(shù)。

在此次問卷調(diào)查對象中，男性138人，女性164人;年齡段分布，24歲以下154人、25～30歲91人、31～35歲39人、36～40歲8人、41歲以上10人;教育水平涵蓋大專6人、本科232人、碩士46人、博士學(xué)歷18人;調(diào)查對象使用經(jīng)驗分布，半年以下120人、半年～1年（不含1年）54人、1～2年（不含2年）52人、2～3年（不含3年）46人、3年及以上30人。從調(diào)查對象的性別和年齡段占比來看，男性占比為45.7%，女性占比為54.3%;24歲以下占比為51.0%，25～30歲占比為30.1%，與《2019Q1中國移動搜索市場研究報告》[1]中性別和年齡段占比基本一致，使用MVS拍照搜索以年輕用戶為主。因此，筆者認為該樣本在一定程度上可以代表總體。

2.3?量表信度與效度檢驗

2.3.1?信度檢驗

信度（Reliability）指的是可靠性，信度檢驗主要基于真分數(shù)測量理論，用于測度指標體系的內(nèi)部一致性，常采用Cronbach's Alpha系數(shù)來判定，當(dāng)Cronbach's Alpha系數(shù)值越高時，說明測量題目的內(nèi)部一致性越高，信度也就越好。Hair J F等[37]和Fornell C等[38]認為Cronbach's Alpha>0.70表示測量題目之間具有較好的內(nèi)部一致性;在探索性研究中，0.60≤Cronbach's Alpha≤0.70被認為是可以接受的。此外，由于Cronbach's Alpha對潛變量（構(gòu)念）的測量題目數(shù)量非常敏感[39-40]，因此本文盡量采用較少的測量題目對MVS用戶體驗影響因素進行測量。

經(jīng)計算，便利性的Cronbach's Alpha=0.885，真?zhèn)涡缘腃ronbach's Alpha=0.699，完整性的Cronbach's Alpha=0.794，以及總量表的Cronbach's Alpha=0.826。便利性的Cronbach's Alpha=0.862，及時性的Cronbach's Alpha=0.892，可達性的Cronbach's Alpha=0.919，靈活性的Cronbach's Alpha=0.867，以及總量表的Cronbach's Alpha=0.928。有形性的Cronbach's Alpha=0.842，移情性的Cronbach's Alpha=0.848，總量表的Cronbach's Alpha=0.898。此外，所有因素總量表的Cronbach's Alpha=0.946。這些結(jié)果表明，本次調(diào)查問卷的測量題目之間有較好的內(nèi)部一致性和可靠性，樣本測量數(shù)據(jù)具有較高的信度，而且符合Hair J F等[37]和Fornell C等[38]關(guān)于測量題目之間內(nèi)部一致性的要求。

2.3.2?效度檢驗

效度（Validity）指的是有效性，效度檢驗主要用于衡量測量工具能否有效地測量被測對象，通俗地說是指測量工具的準確性。由于本文從初始量表擬定到調(diào)查問卷形成之前，已進行了兩輪嚴謹科學(xué)的量表內(nèi)容效度評估和適應(yīng)性預(yù)調(diào)研，核查了初始量表所有測量題目，因此MVS用戶體驗影響因素量表各因素有較好的內(nèi)容效度。此外，本文采用主成分分析法進行探索性因子分析，并采用最大方差正交旋轉(zhuǎn)法進行因子旋轉(zhuǎn)來測量調(diào)查問卷的結(jié)構(gòu)效度。為了確定調(diào)查問卷的結(jié)構(gòu)效度以及測量題目背后是否具有潛在構(gòu)念，本文在進行因子分析之前，首先通過取樣適切性量數(shù)（KMO）的大小和巴特利特球形檢驗（Bartlett Test）是否顯著來判斷測量題目之間是否適合做因子分析[41]。Kaiser H F[42]和邱皓政[43]認為KMO值大于0.8進行因子分析是良好的。經(jīng)計算，本次調(diào)查問卷的測量題目樣本數(shù)據(jù)KMO值為0.881，Bartlett Test在0.000的水平上顯著。表明本次調(diào)查問卷的測量題目之間存在共同因素，非常適合進行因子分析。

2.4?測量題目探索性因子分析

通過因子提取和共同因子旋轉(zhuǎn)，這樣每個因子都可以歸屬于一個明確的潛變量（構(gòu)念），從而形成一個合理的因子結(jié)構(gòu)[44]。因子提取方法為提取特征值大于1的因子的主成分分析法，因子旋轉(zhuǎn)方法為最大方差正交旋轉(zhuǎn)法。本文采用SPSS 24.0對測量題目進行探索性因子分析，共提取8個主成分，總體方差解釋率為72.38%。Tabachnick B G等[45]認為當(dāng)因素負荷量大于0.55時，該因素可以解釋測量題目30%的方差是好的狀況;當(dāng)因素負荷量大于0.71時，該因素可以解釋測量題目50%的方差，是非常理想的狀況[43]。鑒于此，本文將因素負荷量大于0.55的測量題目提取出來，作為8個主成分的測量題目。然而，第六主成分僅包含IQ8和IQ9兩個測量題目，第七主成分僅包含IQ13和IQ14兩個測量題目，第八主成分僅包含IQ6和IQ7兩個測量題目，通常每個潛變量（構(gòu)念）的測量題目至少為3個才有研究意義，所以這里不足以繼續(xù)劃分測量題目，應(yīng)予以刪除[46]。由于SQ30、SQ31、SQ32、SQ33和SQ34等5個測量題目對應(yīng)的因素負荷量小于0.55，應(yīng)予以刪除。此外，由于第一主成分包含了便利性、及時性和可達性的所有測量題目，說明這些測量題目的意義比較接近，需要在驗證性因子分析階段通過判斷殘差是否獨立，來刪除意義比較接近的測量題目。

通過探索性因子分析，本文共刪除了11個測量題目，剩下27個測量題目。最后，本文將第一主成分命名為快捷性（Quickness），第二主成分命名為準確性（Accuracy），第三主成分命名為靈活性（Flexibility），第四主成分命名為移情性（Empathy），第五主成分命名為完整性（Completeness）。在此基礎(chǔ)上，形成了“探索性因子分析后的MVS用戶體驗影響因素量表”，如表4所示。

3?驗證性因子分析

3.1?問卷設(shè)計

經(jīng)過探索性因子分析后，本文將剩下的27個測量題目進入了驗證性因子分析階段。根據(jù)探索性因子分析后的測量題目，本文設(shè)計了MVS用戶體驗影響因素驗證性因子分析調(diào)查問卷[11]。該調(diào)查問卷由兩部分構(gòu)成：第一部分是用戶基本信息;第二部分是MVS用戶體驗影響因素量表，共由27個測量題目構(gòu)成，主要用于測量5個主成分。其中，準確性和完整性由8個題目來測量;快捷性和靈活性由15個題目來測量;移情性由4個題目來測量。測量題目的測量均采用李克特（Likert）七級等距量表[33-34]，其中“1”為完全不同意、“2”為不同意、“3”為比較不同意、“4”為不確定、“5”為比較同意、“6”為同意、“7”為完全同意，MVS用戶根據(jù)自己實際體驗情況進行選擇。

3.2?樣本構(gòu)成與數(shù)據(jù)收集

本次問卷調(diào)查采用便利抽樣法，通過線上（問卷星）和線下（紙質(zhì)）兩種方式共發(fā)放300份調(diào)研問卷，回收問卷289份，回收率為96.3%，剔除全部選“1”或“7”及其他無效問卷9份，有效問卷280份，有效率為96.9%。另外，結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM）作為一種大樣本分析方法，Hair J F等[47]建議樣本數(shù)量一般應(yīng)為觀測變量的10～15倍。本文驗證性因子分析觀測變量為27個，樣本量應(yīng)在270～405個范圍之內(nèi)。由于本次問卷調(diào)查收集有效的樣本數(shù)為280個，滿足Hair J F等[47]關(guān)于SEM分析所需樣本數(shù)量的要求。

在此次問卷調(diào)查對象中，男性126人，女性154人;年齡段分布，24歲以下147人、25～30歲88人、31～35歲35人、36～40歲5人、41歲以上5人;教育水平涵蓋大專4人、本科211人、碩士45人、博士學(xué)歷20人;調(diào)查對象使用經(jīng)驗分布，半年以下109人、半年～1年（不含1年）51人、1～2年（不含2年）47人、2～3年（不含3年）46人、3年及以上27人。從調(diào)查對象的性別和年齡段占比來看，男性占比為45.0%，女性占比為55.0%;24歲以下占比為52.5%，25～30歲占比為31.4%，與《2018Q1中國移動搜索市場研究報告》[1]中性別和年齡段占比基本一致，使用MVS拍照搜索以年輕用戶為主。因此，筆者認為該樣本在一定程度上可以代表總體。

3.3?測量模型驗證性因子分析

本文將主成分（因素）及其測量題目作為測量模型，并在Amos 22.0中通過驗證性因子分析對測量題目的有效性作進一步驗證。針對測量模型進行驗證性因子分析，Segars A H[48]認為較差的潛變量測量模型可能導(dǎo)致錯誤的結(jié)論;Anderson J C等[49]認為好的潛變量測量模型是做潛變量因果分析的前提;Jackson D L等[50]指出研究人員在做SEM時通常在評估結(jié)構(gòu)模型之前應(yīng)先評估測量模型;Brown T A[51]認為在很多情況下SEM的問題是由測量模型的問題引起的，可以通過驗證性因子分析進行識別。

本文通過比較樣本協(xié)方差矩陣與模型協(xié)方差矩陣之間的差異[52]，對測量題目的有效性作進一步驗證，并采用模型擬合度指數(shù)來表示這兩個矩陣的整體差異。Byrne B M[53]認為SEM分析的必要條件是要有不錯的模型擬合度指標，模型擬合度指標越好說明SEM理論模型矩陣與樣本矩陣越接近。本文模型擬合度指數(shù)參照Iacobucci D[54]的建議標準：卡方與自由度之比（CMIN/DF）約為3，擬合優(yōu)度指數(shù)（GFI）和比較擬合指數(shù)（CFI）約為0.9，近似誤差均方根（RMSEA）在0.09以內(nèi);Kenny D A[55]、Hu L T等[56]的建議標準：標準化殘差均方根（SRMR）小于0.08;Doll W J等[57]的建議標準：擬合優(yōu)度指數(shù)（GFI）和調(diào)整擬合優(yōu)度指數(shù)（AGFI）在0.8～0.89范圍內(nèi)，表示該模型是可以接受的。

3.3.1?準確性測量模型驗證

經(jīng)計算，準確性測量模型的標準化因素負荷量在0.658～0.825之間而且顯著，組成信度（CR）=0.868，平均方差萃取量（AVE）=0.571，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5、組成信度（CR）>0.6、平均方差萃取量（AVE）>0.5、多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該測量模型題目可靠，具有內(nèi)部一致性和收斂效度。準確性測量模型的擬合度指數(shù)中CMIM/DF=4.806和RMSEA=0.117，兩者數(shù)值稍偏大，不符合Iacobucci D[54]的建議標準，其他擬合度指數(shù)均符合本文擬合度指數(shù)參照標準。說明測量題目的殘差不獨立，違反殘差獨立假設(shè)，然而刪除測量題目IQ5，可降低卡方值。鑒于此，本文刪除測量題目IQ5，修正后的準確性測量模型擬合度指數(shù)均達到本文擬合度指數(shù)參照標準。

3.3.2?完整性測量模型驗證

經(jīng)計算，完整性測量模型的標準化因素負荷量在0.680～0.970之間而且顯著，組成信度（CR）=0.839，平均方差萃取量（AVE）=0.641，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5，組成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該測量模型題目可靠，具有內(nèi)部一致性和收斂效度。完整性測量模型的擬合度指數(shù)中GFI=1.000，說明估計參數(shù)與自由度相等，即是擬合度100%。

3.3.3?快捷性測量模型驗證

經(jīng)計算，準確性測量模型的標準化因素負荷量在0.681～0.864之間而且顯著，組成信度（CR）=0.949，平均方差萃取量（AVE）=0.628，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5，組成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該測量模型題目可靠，具有內(nèi)部一致性和收斂效度。準確性測量模型的擬合度指數(shù)中CMIM/DF=12.301和RMSEA=0.201，兩者數(shù)值較大，不符合Iacobucci D[54]的建議標準，其他擬合度指數(shù)（除SRMR外）也不符合本文擬合度指數(shù)參照標準。說明測量題目的殘差不獨立，違反殘差獨立假設(shè)，然而刪除測量題目SysQ10、SysQ12、SysQ13、SysQ14、SysQ16和SysQ18，大幅度降低卡方值。鑒于此，本文刪除測量題目SysQ10、SysQ12、SysQ13、SysQ14、SysQ16和SysQ18，修正后的快捷性測量模型擬合度指數(shù)均達到本文擬合度指數(shù)參照標準。

3.3.4?靈活性測量模型驗證

經(jīng)計算，靈活性測量模型的標準化因素負荷量在0.600～0.926之間而且顯著，組成信度（CR）=0.872，平均方差萃取量（AVE）=0.635，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5，組成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該測量模型題目可靠，具有內(nèi)部一致性和收斂效度。靈活性測量模型的擬合度指數(shù)均達到本文擬合度指數(shù)參照標準。

3.3.5?移情性測量模型驗證

經(jīng)計算，移情性測量模型的標準化因素負荷量在0.687～0.857之間而且顯著，組成信度（CR）=0.863，平均方差萃取量（AVE）=0.613，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5，組成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該測量模型題目可靠，具有內(nèi)部一致性和收斂效度。移情性測量模型的擬合度指數(shù)中CMIM/DF=4.633和RMSEA=0.114，兩者數(shù)值稍偏大，不符合Iacobucci D[54]的建議標準，其他擬合度指數(shù)均符合本文擬合度指數(shù)參照標準。說明測量題目的殘差不獨立，違反殘差獨立假設(shè)，然而刪除測量題目SQ24，卡方值有所降低。鑒于此，本文刪除測量題目SQ24，修正后的移情性測量模型的擬合度指數(shù)GFI=1.000，說明估計參數(shù)與自由度相等，即是擬合度100%。

3.3.6?組合模型驗證

本文對由準確性、完整性、快捷性、靈活性和移情性5個測量模型組成的組合模型進行了驗證性因子分析，如表5～表7所示。從表5可知，該組合模型的標準化因素負荷量在0.619～0.913之間而且顯著，組成信度（CR）在0.840～0.894之間，平均方差萃取量（AVE）在0.576～0.660之間，符合Hair J F等[58]、Fornell C等[38]的建議標準：標準化因素負荷量（Standard Factor Loading）>0.5，組成信度（CR）>0.6，平均方差萃取量（AVE）>0.5，多元相關(guān)系數(shù)的平方（SMC）>0.5。說明該組合模型各構(gòu)念的測量題目可靠，具有內(nèi)部一致性和收斂效度。從表6可知，對角線粗體字為AVE的算術(shù)平方根，下三角為各副范疇構(gòu)念之間的皮爾遜（Pearson）相關(guān)系數(shù)，符合Bagozzi R P等[59]的建議標準：AVE的算術(shù)平方根應(yīng)大于構(gòu)念之間皮爾遜（Pearson）相關(guān)系數(shù)的絕對值。說明該組合模型各構(gòu)念之間有較好的區(qū)別效度。從表7可知，該組合模型的擬合度指數(shù)均符合Iacobucci D[54]、Kenny D A[55]、Hu L T等[56]、Doll W J等[57]的建議標準。此外，該組合模型的標準化路徑結(jié)構(gòu)，如圖1所示。綜合上述分析，本文最終得到了“MVS用戶體驗影響因素量表”，如表8所示。

4?結(jié)論與展望

本文針對MVS這一新興領(lǐng)域，在前期MVS用戶體驗影響因素研究的基礎(chǔ)上，借鑒已有的研究成果，對MVS用戶體驗影響因素的測量題目進行操作型定義，形成了“MVS用戶體驗影響因素初始量表”。在初始量表設(shè)計完成后，對初始量表內(nèi)容進行了效度評估和適應(yīng)性調(diào)研，并根據(jù)反饋意見對初始量表進行了修訂。為了使MVS用戶體驗影響因素量表的測量題目更加準確，通過探索性因子分析對MVS用戶體驗影響因素量表的測量題目作進一步探索和確定。最后，通過驗證性因子分析，對MVS用戶體驗影響因素量表的內(nèi)部一致性信度、收斂效度和區(qū)別效度進行了檢驗，刪除了殘差不獨立的測量題目，各指標均在建議的標準范圍之內(nèi)。在此基礎(chǔ)上，本文得到了“MVS用戶體驗影響因素量表”，該量表共由19個測量題目構(gòu)成。其中，準確性和完整性由7個題目來測量;快捷性和靈活性由9個題目來測量;移情性由3個題目來測量。

該量表開發(fā)研究具有一定的理論和現(xiàn)實意義。理論意義在于，與現(xiàn)有信息系統(tǒng)領(lǐng)域的量表相比，該量表針對的是MVS這一新興領(lǐng)域，不僅避免了引用量表時面臨應(yīng)用領(lǐng)域、使用情景以及量表語義等方面差異的問題，還豐富了信息系統(tǒng)領(lǐng)域量表方面的研究?，F(xiàn)實意義在于，MVS的管理者、設(shè)計者及運營商可以借助該量表了解MVS用戶的使用行為，以便于更有針對性地提出用戶體驗優(yōu)化策略。

在后續(xù)的研究工作中，本文所構(gòu)建的MVS用戶體驗影響因素量表及所采用的方法還可能有如下具體應(yīng)用：①在研究MVS用戶體驗影響因素相關(guān)問題中，為設(shè)計MVS用戶體驗影響因素的測量指標建立基礎(chǔ)。②借鑒心理學(xué)和用戶體驗相關(guān)理論，構(gòu)建MVS用戶體驗影響因素作用機理模型，利用結(jié)構(gòu)方程模型進行實證研究。③通過單因素方差分析等方法檢驗性別、年齡、受教育水平、MVS使用經(jīng)驗等不同的用戶群體，對MVS用戶體驗影響因素的感知是否有顯著差異。④為不同國家、不同文化以及不同地域背景下的MVS用戶體驗影響因素量表開發(fā)提供方法參考。

參考文獻

[1]艾媒咨詢.2019—2020年中國移動搜索市場運行監(jiān)測報告[EB/OL].https：//www.iimedia.cn/c400/68529.html，2020-08-26.

[2]中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）.第45次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202004/P020200428596599037028.pdf，2020-08-26.

[3]朱慶華.大數(shù)據(jù)環(huán)境下數(shù)字資源移動視覺搜索機制[J].情報資料工作，2016，（4）：5.

[4]趙宇翔，朱慶華.大數(shù)據(jù)環(huán)境下移動視覺搜索的游戲化機制設(shè)計[J].情報資料工作，2016，（4）：19-25.

[5]Cao Y，Ritz C，Raad R.How Much Longer to Go？The Influence of Waiting Time and Progress Indicators on Quality of Experience for Mobile Visual Search Applied to Print Media[C]//Fifth International Workshop on Quality of Multimedia Experience.IEEE，2013：112-117.

[6]Sang J，Mei T，Xu Y Q，et al.Interaction Design for Mobile Visual Search[J].IEEE Transactions on Multimedia，2013，15（7）：1665-1676.

[7]陳明紅，甄慧琳，韋芷晴，等.移動視覺搜索行為意向模型及實證研究[J].圖書館論壇，2018，（12）：1-10.

[8]范哲，劉軼倫.感知有用與易用對用戶移動視覺搜索行為意向的影響分析[J].情報資料工作，2020，41（1）：79-86.

[9]段凌宇，黃鐵軍，阿萊克斯·考特，高文.移動視覺搜索技術(shù)瓶頸與挑戰(zhàn)[J].中國計算機學(xué)會通訊，2012，8（12）：8-15.

[10]張興旺，黃曉斌.國外移動視覺搜索研究述評[J].中國圖書館學(xué)報，2014，40（3）：114-128.

[11]孟猛.移動視覺搜索平臺用戶體驗研究[D].南京：南京大學(xué)大學(xué)，2020.

[12]Churchill G A.A Paradigm for Developing Better Measures of Marketing Constructs[J].Journal of Marketing Research，1979，16（1）：64-73.

[13]Limayem M，Hirt S G，Cheung C M K.How Habit Limits the Predictive Power of Intention：The Case of Information Systems Continuance[J].MIS Quarterly，2007，31（4）：705-737.

[14]Bailey J E，Pearson S W.Development of a Tool for Measuring and Analyzing Computer User Satisfaction[J].Management Science，1983，29（5）：530-545.

[15]Liu C，Arnett K P.Exploring the Factors Associated with Web Site Success in the Context of Electronic Commerce[J].Information & Management，2000，38（1）：23-33.

[16]Aladwani A M，Palvia P C.Developing and Validating an Instrument for Measuring User-perceived Web Quality[M].Elsevier Science Publishers B.V，2002.

[17]Webb H W，Webb L A.SiteQual：An Integrated Measure of Web Site Quality[J].Journal of Enterprise Information Management，2004，17（6）：430-440.

[18]Lee Y，Kozar K A.Investigating the Effect of Website Quality on E-business Success：An Analytic Hierarchy Process（AHP）Approach[J].Decision Support Systems，2007，42（3）：1383-1401.

[19]Huang Z，Benyoucef M.From E-commerce to Social Commerce：A Close Look at Design Features[J].Electronic Commerce Research & Applications，2013，12（4）：246-259.

[20]左文明.電子商務(wù)服務(wù)設(shè)計與管理[M].北京：科學(xué)出版社，2017：17-18.

[21]Delone W H，McLean E R.The DeLone and McLean Model of Information Systems Success：A Ten-year Update[J].Journal of Management Information Systems，2003，19（4）：9-30.

[22]Wixom B H，Todd P A.A Theoretical Integration of User Satisfaction and Technology Acceptance[J].Information Systems Research，2005，16（1）：85-102.

[23]Xu J D，Benbasat I，Cenfetelli R T.Integrating Service Quality with System and Information Quality：An Empirical Test in the E-service Context[J].MIS Quarterly，2013，37（3）：337-352.

[24]Mckinney V，Yoon K，Zahedi F.The Measurement of Web-Customer Satisfaction：An Expectation and Disconfirmation Approach[J].Information Systems Research，2002，13（3）：296-315.

[25]Roca J C，Chiu C M，Martínez F J.Understanding E-learning Continuance Intention：An Extension of the Technology Acceptance Model[J].International Journal of Human-Computer Studies，2006，64（8）：683-696.

[26]Melian-Alzola L，Padron-Robaina V.Tangibility as a Quality Factor in Electronic Commerce B2C[J].Journal of Service Theory and Practice，2006，16（3）：320-338.

[27]Masrek M N，Jamaludin A，Mukhtar S A.Evaluating Academic Library Portal Effectiveness：A Malaysian Case Study[J].Library Review，2010，59（3）：198-212.

[28]Huang Z，Benyoucef M.From E-commerce to Social Commerce：A Close Look at Design Features[J].Electronic Commerce Research & Applications，2013，12（4）：246-259.

[29]Balog A.Testing a Multidimensional and Hierarchical Quality Assessment Model for Digital Libraries[J].Studies in Informatics and Control，2011，20（3）：233-246.

[30]Chang C.Exploring the Determinants of E-learning Systems Continuance Intention in Academic Libraries[J].Library Management，2013，34（1/2）：40-55（16）.

[31]張晉朝.信息需求調(diào)節(jié)下社會化媒體用戶學(xué)術(shù)信息搜尋行為影響規(guī)律研究[D].武漢：武漢大學(xué)，2015.

[32]Lapierre J，Giroux V P.Creativity and Work Environment in a High-Tech Context[J].Creativity & Innovation Management，2003，12（1）：11-23.

[33]Finn R H.Effects of Some Variations in Rating Scale Characteristics on the Means and Reliabilities of Ratings[J].Educational & Psychological Measurement，1972，32（2）：255-265.

[34]Kankanhalli A，Ye H J，Teo H H.Comparing Potential and Actual Innovators：An Empirical Study of Mobile Data Services Innovation[J].MIS Quarterly，2015，39（3）：667-682.

[35]Maccallum R C，Widaman K F，Zhang S，et al.Sample Size in Factor Analysis.[J].Psychological Methods，1999，4（1）：84-99.

[36]Zeng L，Salvendy G，Zhang M.Factor Structure of Web Site Creativity[J].Computers in Human Behavior，2009，25（2）：568-577.

[37]Hair J F，Ringle C M，Sarstedt M.PLS-SEM：Indeed a Silver Bullet[J].Journal of Marketing Theory & Practice，2011，19（2）：139-152.

[38]Fornell C，Larcker D F.Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J].Journal of Marketing Research，1981，18（1）：39-50.

[39]Cronbach L J，Warrington W G.Time-limit Tests：Estimating Their Reliability and Degree of Speeding[J].Psychometrika，1951，16（2）：167-188.

[40]Koopman R J，Petroski G F，Canfield S M，et al.Development of the PRE-HIT Instrument：Patient Readiness to Engage in Health Information Technology[J].Bmc Family Practice，2014，15（1）：18-18.

[41]Aladwani A M，Palvia P C.Developing and Validating an Instrument for Measuring User-perceived Web Quality[J].Information & Management，2002，39（6）：467-476.

[42]Kaiser H F.An Indexo Factorial Simplicity[J].Psychometrika，1974，39（1）：34-36.

[43]邱皓政.量化研究與統(tǒng)計分析：SPSS（PASW）數(shù)據(jù)分析范例解析[M].重慶：重慶大學(xué)出版社，2017.

[44]Spicer J.Making Sense of Multivariate Data Analysis[J].Annals of Pharmacotherapy，2005，46（6）：812-821.

[45]Tabachnick B G，F(xiàn)idell L S.Using Multivariate Statistics（5th ed.）[M].Boston，MA：Allyn and Bacon，2007.

[46]袁紅.消費者社會化搜尋行為研究[M].武漢：武漢大學(xué)出版社，2014：295.

[47]Hair J F，Anderson R E，Tatham R L，et al.Multivariate Data Analysis，5th Ed[J].All Publications，1998.

[48]Segars A H.Assessing the Unidimensionality of Measurement：A Paradigm and Illustration with in the Context of Information Systems Research[C]//2009：107-121.

[49]Anderson J C，Gerbing D W.Some Methods for Respecifying Measurement Models to Obtain Unidimensional Construct Measurement[J].Journal of Marketing Research，1982，19（4）：453-460.

[50]Jackson D L，Gillaspy J A，Purcstephenson R.Reporting Practices in Confirmatory Factor Analysis：An Overview and Some Recommendations[J].Psychological Methods，2009，14（1）：6-23.

[51]Brown T A.Confirmatory Factor Analysis for Applied Research[J].Guilford Pubn，2006.

[52]吳明隆.結(jié)構(gòu)方程模型：AMOS的操作與應(yīng)用（第2版）[M].重慶：重慶大學(xué)出版社，2010.

[53]Byrne B M.Structural Equation Modeling with AMOS：Basic Concepts，Applications，and Programming[M].Structural Equation Modeling with AMOS：Basic Concepts，Applications，and Programming.Routledge，2009：343-344.

[54]Iacobucci D.Structural Equations Modeling：Fit Indices，Sample Size，and Advanced Topics[J].Journal of Consumer Psychology，2010，20（1）：90-98.

[55]Kenny D A.Measuring Model Fit[EB/OL].http：//davidakenny.net/cm/fit.htm.

[56]Hu L T，Bentler P M.Fit Indices in Covariance Structure Modeling：Sensitivity to Underparametrized Model Misspesification[J].Psychological Methods，1998，3（4）：424-453.

[57]Doll W J，Xia W，Torkzadeh G.A Confirmatory Factor Analysis of the End-user Computing Satisfaction Instrument[J].MIS Quarterly，1994：453-461.

[58]Hair J F，Black W C，Babin B J，et al.Multivariate Data Analysis（7th Edition）[M].Prentice Hall，New Jersey，USA，2009.

[59]Bagozzi R P，Yi Y.On the Evaluation of Structural Equation Models[J].Journal of the Academy of Marketing Science，1988，16（1）：74-94.

（責(zé)任編輯：陳?媛）