李桂云，王志英,2

(1.江蘇科技大學(xué) 經(jīng)濟管理學(xué)院，江蘇 鎮(zhèn)江 212003；2.江蘇科技大學(xué) 江蘇高校哲學(xué)社會科學(xué)重點研究基地“服務(wù)制造模式與信息化研究中心”,江蘇 鎮(zhèn)江 212003)

隨著信息安全技術(shù)的發(fā)展，數(shù)據(jù)擾動、數(shù)據(jù)加密、身份驗證等技術(shù)為信息安全提供了很好的保護，但是航空資料泄露、酒店數(shù)據(jù)泄露、醫(yī)療信息泄露等事件仍在不斷發(fā)生，用戶信息安全受到嚴重威脅。在線社區(qū)為信息安全事件響應(yīng)知識傳播提供了途徑[1]。知識傳播是知識利用和知識創(chuàng)新的前提，沒有傳播的知識的效用僅限于個人。信息安全事件響應(yīng)知識是指信息安全事件發(fā)生后針對此事件產(chǎn)生的信息安全知識，包括事件相關(guān)的建議及解決方案等。信息安全事件響應(yīng)知識的傳播會激發(fā)知識活力，在傳播過程中促進知識創(chuàng)新，發(fā)揮知識的最大效用，有效提高用戶信息安全意識和技能[2]。雖然已有研究開始探討信息安全知識的傳播機理，但是較少結(jié)合在線信息安全知識自身特征對其傳播效果做深入探究。

可讀性是影響信息安全事件響應(yīng)知識傳播效果的重要因素之一，如何通過知識的可讀性來促進知識傳播是一個值得研究的科學(xué)問題。一方面，信息安全事件響應(yīng)知識具有一定的專業(yè)性，通俗易懂的表達方式能減少閱讀時間和難度，提高非專業(yè)用戶對知識的理解，從而促進知識傳播；另一方面，信息安全事件的突發(fā)性使得信息安全事件響應(yīng)知識呈現(xiàn)井噴式特征，掃描式和跳躍式閱讀成為用戶的主要閱讀方式，良好的組織編排是用戶主動閱讀信息安全知識并產(chǎn)生傳播行為，進而促進知識傳播的關(guān)鍵。

1 相關(guān)研究評述

1.1 信息安全知識行為

信息安全知識的共享是用戶增強信息安全意識的重要手段，因此大部分研究重點關(guān)注了信息安全知識的共享行為。TAMJIDYAMCHOLO等[3]發(fā)現(xiàn)信息安全專家在虛擬社區(qū)分享的相關(guān)知識與降低信息安全風險期望之間存在顯著的正向關(guān)系。FELEDI等[4]發(fā)現(xiàn)信息安全知識共享和交流可以帶來更高質(zhì)量的信息安全問題的解決方案。

在研究信息安全知識共享行為的同時，知識傳播也逐漸得到了關(guān)注，其中社交媒體是大眾接觸信息安全事件并形成風險感知的重要媒介。王志英等[5]以點贊數(shù)作為傳播效果的衡量指標，研究了信息安全應(yīng)急知識在問答社區(qū)中的傳播，認為知識質(zhì)量和知識貢獻者的個人身份特征均會對信息安全應(yīng)急知識的傳播產(chǎn)生影響。胥琳佳等[6]發(fā)現(xiàn)社會影響力更高的博主發(fā)布的信息更容易被傳播，包含更多積極情緒的信息更容易得到廣泛傳播。

1.2 信息可讀性

可讀性又稱為易讀性，是指信息易于被發(fā)現(xiàn)、理解和接受的程度。隨著海量信息的出現(xiàn)，關(guān)于信息可讀性的研究越來越豐富，針對不同領(lǐng)域的可讀性評判因素和標準逐步多樣化。可讀性是一個涵蓋了內(nèi)容表達方式和外在組織編排等要素的綜合概念，前者著重于內(nèi)容本身的意義和解釋，而后者則著重于文本的組織結(jié)構(gòu)和呈現(xiàn)形式。在內(nèi)容表達方式方面，秦克飛[7]認為難字百分比是影響手機APP隱私政策可讀性的重要因素。組織編排上的可讀性也是影響讀者閱讀意愿的關(guān)鍵，如排版風格、背景顏色、字體大小等要素[8]。

1.3 信息擴散級聯(lián)

信息擴散級聯(lián)研究的主要問題之一是網(wǎng)絡(luò)中信息傳播的特征，即對信息傳播過程和軌跡的具體描述[9]。知識傳播過程的復(fù)雜化使得信息擴散級聯(lián)成為研究知識傳播的一大視角，對幫助終端用戶快速獲取有價值的信息具有重要意義。目前，對于社交網(wǎng)絡(luò)信息傳播結(jié)構(gòu)特性的研究主要包括信息傳播廣度、傳播深度等指標。WANG等[10]通過研究Email中的信息擴散發(fā)現(xiàn)信息擴散級聯(lián)密而淺，信息級聯(lián)的規(guī)模和深度符合冪律分布。

綜上所述，已有文獻對信息安全知識共享行為的研究較多，雖有學(xué)者對信息安全應(yīng)急知識傳播模型進行研究，但大多以點贊數(shù)間接指代知識的傳播，較少從信息級聯(lián)視角切入探究影響傳播深度和傳播廣度等傳播效果的因素；同時，已有關(guān)于信息安全知識傳播的研究多關(guān)注知識質(zhì)量和知識貢獻者特征對傳播的影響，較少研究信息安全情境下知識的可讀性對其傳播效果的影響。因此，筆者以知乎為研究平臺，以可讀性和信息擴散級聯(lián)理論為支撐，以酒店數(shù)據(jù)泄露事件為研究情境，探究信息安全事件響應(yīng)知識的組織編排和表達方式對知識傳播效果的影響機理，以期為信息安全事件響應(yīng)知識傳播研究提供些許參考。

2 研究模型與假設(shè)

2.1 研究模型構(gòu)建

基于信息擴散級聯(lián)理論，將信息安全事件響應(yīng)知識傳播效果界定為傳播廣度和傳播深度；將信息安全事件響應(yīng)知識的組織編排和表達方式作為自變量，并以發(fā)布者影響力作為調(diào)節(jié)變量；將知識發(fā)布及時性和發(fā)布者歷史回答數(shù)作為控制變量，構(gòu)建基于可讀性的信息安全事件響應(yīng)知識傳播效果模型，如圖1所示。

圖1 基于可讀性的信息安全事件響應(yīng)知識傳播效果模型

2.2 研究假設(shè)

2.2.1 自變量

(1)重點標識與傳播效果間的關(guān)系。字體顯示是一種簡單的可以指導(dǎo)讀者進行文本處理的語言方式，如粗體、下劃線、斜體等都是典型的重點標識和信號，能夠強調(diào)重要的信息，引起讀者對知識的傳播行為。OZURU等[11]指出將黑體字、斜體字等重點標識應(yīng)用于目標句子或詞語上會增加文本的受歡迎程度。ZHANG等[12]研究發(fā)現(xiàn)在知乎問答社區(qū)的生物和數(shù)學(xué)專業(yè)知識中，有重點加粗標識的知識更受歡迎。在信息安全事件響應(yīng)知識井噴的情況下，重點提示能很大程度上縮短讀者對信息安全事件響應(yīng)知識理解的響應(yīng)時間，獲取信息安全事件響應(yīng)知識中的關(guān)鍵信息，提高對知識理解的程度，促進知識的傳播?；诖?，筆者提出如下假設(shè)：

H1a重點標識正向影響信息安全事件響應(yīng)知識的傳播廣度。

H1b重點標識正向影響信息安全事件響應(yīng)知識的傳播深度。

(2)列表與傳播效果間的關(guān)系。文本可讀性一定程度受到其排版方式和風格的影響，簡潔有序的排版，往往更有利于提高文章的可讀性，增強文章的可理解性。知乎社區(qū)排版的一大特點是可以使用列表形式呈現(xiàn)文本，每個列表前會有實心圓點的符號并且另起一行顯示，一個實心圓點代表一個列表項。在列舉相關(guān)信息安全事件產(chǎn)生的危害或操作注意點等內(nèi)容時，列表形式的使用有效地將知識內(nèi)容以分點的形式呈現(xiàn)，讀者可以快速獲取信息安全事件響應(yīng)知識的重點，同時也更有意愿產(chǎn)生傳播行為?；诖耍P者提出如下假設(shè)：

H2a列表正向影響信息安全事件響應(yīng)知識的傳播廣度。

H2b列表正向影響信息安全事件響應(yīng)知識的傳播深度。

(3)小標題個數(shù)與傳播效果間的關(guān)系。作者在撰寫或編輯文本時，可以用各種各樣的方式來組織文本，形成各種不同的文本結(jié)構(gòu)。朱侯等[13]認為小標題數(shù)是影響隱私政策可讀性的重要特征，且小標題個數(shù)不宜過多或過少。小標題不僅可以提升讀者的閱讀興趣，還能夠在結(jié)構(gòu)上起到綱舉目張的功能，為讀者做內(nèi)容上的梳理。小標題使知識的結(jié)構(gòu)劃分清晰而又不累贅，可以幫助人們有效地理解、構(gòu)造和回憶文本信息。信息安全事件響應(yīng)知識中的小標題可以提高讀者對知識的理解，從而吸引更多非專業(yè)讀者，促進知識的進一步傳播。基于此，筆者提出如下假設(shè)：

H3a小標題個數(shù)正向影響信息安全事件響應(yīng)知識的傳播廣度。

H3b小標題個數(shù)正向影響信息安全事件響應(yīng)知識的傳播深度。

信息安全事件響應(yīng)知識的表達方式對傳播效果影響的假設(shè)如下：

(4)平均句長與傳播效果間的關(guān)系。影響文本可讀性的因素很多，但是平均句長始終是公認的衡量可讀性的重要指標之一[14]。一般情況下，長句的結(jié)構(gòu)較為復(fù)雜，不利于讀者理清句子的邏輯，增加讀者注視時間和認知負荷[15]。信息安全事件響應(yīng)知識的井噴性使得讀者更不愿意花費時間來反復(fù)理解某個句子的含義，且信息安全事件響應(yīng)知識具有一定的專業(yè)性，簡短的句子有助于沒有先驗知識的非專業(yè)讀者更好地理解知識內(nèi)容，進而產(chǎn)生傳播行為。鑒于此，筆者提出如下假設(shè)：

H4a平均句長負向影響信息安全知識的傳播廣度。

H4b平均句長負向影響信息安全知識的傳播深度。

(5)鏈接個數(shù)與傳播效果間的關(guān)系。外部鏈接數(shù)是評估網(wǎng)絡(luò)問答社區(qū)答案質(zhì)量的有效指標。馮小東等[16]研究發(fā)現(xiàn)包含外部鏈接的微博內(nèi)容更容易促進公眾的傳播行為。信息安全事件響應(yīng)知識中常常包含比特、防火墻等信息安全領(lǐng)域的專業(yè)詞匯，在問答社區(qū)中逐一解釋專業(yè)詞匯的含義容易導(dǎo)致知識的冗長，沒有任何說明則可能會導(dǎo)致知識難以理解，在此情況下外部鏈接的合理使用既能夠擴展信息安全事件響應(yīng)知識的內(nèi)容，為想要了解更多信息安全領(lǐng)域知識的用戶提供了途徑，又不會因知識的篇幅過長而減少用戶的閱讀興趣，可見外部鏈接是促進信息安全事件響應(yīng)知識傳播的有效途徑。鑒于此，筆者提出如下假設(shè)：

H5a鏈接個數(shù)正向影響信息安全事件響應(yīng)知識的傳播廣度。

H5b鏈接個數(shù)正向影響信息安全事件響應(yīng)知識的傳播深度。

(6)實例與傳播效果間的關(guān)系。使用實例通常被認為是普及性話語中的典型工具，可以幫助非專業(yè)讀者了解復(fù)雜的專業(yè)知識。ZHU等[17]研究發(fā)現(xiàn)問答社區(qū)答案中的實例對用戶評估答案有用性產(chǎn)生了較大影響。在信息安全事件響應(yīng)知識的傳播中，實例是連接晦澀難懂的信息安全理論知識和現(xiàn)實生活的橋梁，使用實例能夠使得信息安全知識的內(nèi)容更加生動具體，激起讀者的閱讀興趣，體現(xiàn)出知識的實用性，增強讀者對知識的認同感，促進知識的傳播。因此，筆者提出如下假設(shè)：

H6a實例正向影響信息安全事件響應(yīng)知識的傳播廣度。

H6b實例正向影響信息安全事件響應(yīng)知識的傳播深度。

(7)圖片個數(shù)與傳播效果間的關(guān)系。與文本相比，圖片更生動地傳達信息，帶給人們視覺上的刺激，成為了網(wǎng)絡(luò)中重要的信息載體。DALIP等[18]指出圖片使內(nèi)容更加清晰，圖片個數(shù)是評估答案質(zhì)量的有效指標之一。文獻[16]也表明有圖片的微博更具多樣性，傳播效果顯著優(yōu)于沒有圖片的微博。圖片的使用不但能夠在視覺上吸引讀者，而且圖片本身也包含一定的信息量，當文本中包含有信息量的圖片時，讀者更傾向于跳過文本，直接觀察圖片。信息安全事件響應(yīng)知識中有效的圖片更能引起用戶對信息安全事件的警惕，提高信息安全意識，且相關(guān)的操作教程圖片比純文字更直觀易懂，有助于提高用戶的應(yīng)對能力。鑒于此，筆者提出如下假設(shè)：

H7a圖片個數(shù)正向影響信息安全事件響應(yīng)知識的傳播廣度。

H7b圖片個數(shù)正向影響信息安全事件響應(yīng)知識的傳播深度。

2.2.2 控制變量

在社會化問答社區(qū)知識傳播研究中，存在早期偏差現(xiàn)象，發(fā)布時間越早的知識越容易被采納。由于信息安全事件的突發(fā)性，信息安全事件響應(yīng)知識的傳播效果會受到知識發(fā)布及時性的影響。此外，在問答社區(qū)中，其他用戶基于發(fā)布者的歷史回答經(jīng)驗的邊緣信息來評價知識發(fā)布者是否可靠，歷史回答數(shù)能顯示某個用戶在問答社區(qū)下的回答經(jīng)驗，側(cè)面展示其知識狀態(tài)，因此發(fā)布者的歷史回答經(jīng)驗會對信息安全事件響應(yīng)知識傳播效果產(chǎn)生一定程度的影響?；诖耍P者將發(fā)布及時性和發(fā)布者的歷史回答數(shù)作為控制變量。

2.2.3 調(diào)節(jié)變量

根據(jù)雙過程理論，作為啟發(fā)式線索的信源可靠性可能會降低作為系統(tǒng)線索的內(nèi)容本身的影響力，因為系統(tǒng)處理需要更多的能力和認知資源，如時間和精力等[19]。陌生人在閱讀知識之前，可能會認為一個影響力較大的發(fā)布者是信息安全領(lǐng)域的專家，陌生人更愿意閱讀影響力較大的發(fā)布者發(fā)布的信息安全知識，被他們的知識內(nèi)容說服，進而產(chǎn)生傳播意向。因此，在信息安全事件響應(yīng)知識傳播過程中，知識發(fā)布者的影響力可能會降低信息安全事件響應(yīng)知識可讀性本身的影響效果。結(jié)合以上可讀性對知識傳播效果的影響分析，提出以下假設(shè)：

H8a發(fā)布者影響力負向調(diào)節(jié)重點標識與傳播廣度的關(guān)系。

H8b發(fā)布者影響力負向調(diào)節(jié)重點標識與傳播深度的關(guān)系。

H9a發(fā)布者影響力負向調(diào)節(jié)列表與傳播廣度的關(guān)系。

H9b發(fā)布者影響力負向調(diào)節(jié)列表與傳播深度的關(guān)系。

H10a發(fā)布者影響力負向調(diào)節(jié)小標題個數(shù)與傳播廣度的關(guān)系。

H10b發(fā)布者影響力負向調(diào)節(jié)小標題個數(shù)與傳播深度的關(guān)系。

H11a發(fā)布者影響力負向調(diào)節(jié)平均句長與傳播廣度的關(guān)系。

H11b發(fā)布者影響力負向調(diào)節(jié)平均句長與傳播深度的關(guān)系。

H12a發(fā)布者影響力負向調(diào)節(jié)鏈接個數(shù)與傳播廣度的關(guān)系。

H12b發(fā)布者影響力負向調(diào)節(jié)鏈接個數(shù)與傳播深度的關(guān)系。

H13a發(fā)布者影響力負向調(diào)節(jié)實例與傳播廣度的關(guān)系。

H13b發(fā)布者影響力負向調(diào)節(jié)實例與傳播深度的關(guān)系。

H14a發(fā)布者影響力負向調(diào)節(jié)圖片個數(shù)與傳播廣度的關(guān)系。

H14b發(fā)布者影響力負向調(diào)節(jié)圖片個數(shù)與傳播深度的關(guān)系。

3 研究設(shè)計

3.1 數(shù)據(jù)獲取

2018年11月30日，萬豪國際集團公開聲明旗下喜達屋酒店的客房預(yù)訂數(shù)據(jù)庫被黑客入侵，導(dǎo)致約5億名客人的信息被泄露[20]，在網(wǎng)絡(luò)上引起了廣泛的討論。知乎作為具有代表性的社會化問答社區(qū)，供用戶在平臺分享專業(yè)知識和見解。筆者選擇知乎作為數(shù)據(jù)來源，使用Python編寫爬蟲程序從知乎獲取自2018年11月30日到2019年6月11日的以“萬豪酒店數(shù)據(jù)泄露”為搜索關(guān)鍵字的7 872條知識，由于研究涉及知識發(fā)布者的關(guān)注者數(shù)量等身份信息，剔除匿名用戶和已注銷用戶數(shù)據(jù)，將余下5 630條數(shù)據(jù)作為研究樣本。

3.2 變量測度

為了驗證所提出的假設(shè)成立與否，設(shè)計了模型變量與測度指標，如表1所示。其中，i表示文本數(shù)據(jù)中的第i條數(shù)據(jù)。在知乎平臺信息安全事件響應(yīng)知識的傳播過程中，用戶通過關(guān)注的人點贊或評論了某知識而接收到該條知識，則構(gòu)成了一種知識的傳播級聯(lián)，從而可以根據(jù)信息安全事件響應(yīng)知識傳播過程中參與用戶及其關(guān)注關(guān)系構(gòu)建知識傳播網(wǎng)絡(luò)并計算傳播廣度和傳播深度[21]。獲取該條知識的參與用戶集合及其在當前知識下的關(guān)注者，使用參與用戶集合作為傳播網(wǎng)絡(luò)的節(jié)點集N，根據(jù)其對應(yīng)的關(guān)注關(guān)系集合構(gòu)建邊，形成傳播網(wǎng)絡(luò)。

表1 模型變量與測度指標

3.3 模型構(gòu)建

傳播廣度和傳播深度雖然大致在正值上連續(xù)分布[22]，但并非所有的信息安全事件響應(yīng)知識都有傳播效果，即傳播廣度和傳播深度均存在大量的0值。因此，筆者使用左側(cè)歸并點為0的Tobit回歸模型進行假設(shè)檢驗。信息安全事件響應(yīng)知識的傳播廣度模型和傳播深度模型分別如式(1)和式(2)所示。

Breadthi=β0+β1Followeri+β2Timei+β3Answeri+β4Imagei+β5Linki+β6Examplei+

β7Keynotei+β8Sentencei+β9Listi+β10Subtitlei+β11Subtitlei×Followeri+

β12Linki×Followeri+β13Listi×Followeri+β14Imagei×Followeri+

β15Sentencei×Followeri+β16Examplei×Followeri+β17Keynotei×Followeri+εi

(1)

Depthi=β0+β1Followeri+β2Timei+β3Answeri+β4Imagei+β5Linki+β6Examplei+

β7Keynotei+β8Sentencei+β9Listi+β10Subtitlei+β11Subtitlei×Followeri+

β12Linki×Followeri+β13Listi×Followeri+β14Imagei×Followeri+

β15Sentencei×Followeri+β16Examplei×Followeri+β17Keynotei×Followeri+εi

(2)

4 數(shù)據(jù)分析結(jié)果

4.1 描述性統(tǒng)計

使用Stata統(tǒng)計軟件對樣本數(shù)據(jù)進行統(tǒng)計分析，各變量的描述性統(tǒng)計結(jié)果如表2所示。通過觀察各變量的分布特征，發(fā)現(xiàn)變量Follower、Answer的標準差遠大于均值，存在嚴重的正偏現(xiàn)象。為了減少變量的偏度和峰度，減小數(shù)據(jù)的量級差，使回歸模型平穩(wěn)化，對其進行對數(shù)化處理，分別定義為ln_Fol、ln_Ans。

表2 變量描述性統(tǒng)計結(jié)果

4.2 多重共線性分析

為排除由于變量間的多重共線性而導(dǎo)致的結(jié)果誤差，在對變量進行對數(shù)化處理后，使用方差膨脹系數(shù)(variance inflation fcator，VIF)來測量回歸模型中的共線性嚴重程度。若VIF值超過10，則認為變量之間存在多重共線性。變量的VIF值如表3所示，可以看出VIF的值最大為2.000，遠遠小于10，可見各變量之間不存在多重共線性，均可列入回歸模型。

表3 多重共線性檢驗

4.3 回歸分析結(jié)果

4.3.1 傳播廣度模型

在傳播廣度的回歸中，采用逐步回歸的方法驗證各變量對信息安全事件響應(yīng)知識的傳播廣度的影響，首先構(gòu)建只包含控制變量的模型(模型1)，其次將自變量和調(diào)節(jié)變量引入模型(模型2)，最后向模型加入所有交互項(模型3)。傳播廣度模型的回歸結(jié)果如表4所示。

在模型1中，控制變量發(fā)布及時性、歷史回答數(shù)對信息安全事件響應(yīng)知識傳播廣度均有顯著的影響，這一結(jié)果與預(yù)期一致，說明研究所選取的控在模型2中，PseudoR2值為0.147，相比于模型1的0.023有了明顯的提高，模型的擬合優(yōu)度提高，說明引入可讀性的相關(guān)變量提高了模型的解釋能力。從回歸結(jié)果可以看出，所有自變量均通過了顯著性檢驗。其中，重點標識、列表、圖片個數(shù)、鏈接個數(shù)、實例和小標題個數(shù)的回歸系數(shù)均為正，說明重點標識、列表、圖片個數(shù)、鏈接個數(shù)、實例和小標題個數(shù)正向影響知識的傳播廣度，假設(shè)H1a、H2a、H3a、H5a、H6a、H7a均得到驗證。平均句長與傳播廣度顯著負相關(guān)，表明信息安全事件響應(yīng)知識的平均句長越長越不利于知識的廣泛傳播，因此假設(shè)H4a成立。

表4 傳播廣度模型的回歸結(jié)果

在模型3中，引入的交互項發(fā)布者影響力與小標題個數(shù)、發(fā)布者影響力與實例的交互項的回歸系數(shù)均為負，說明假設(shè)H10a、H13a成立，而假設(shè)H8a、H9a、H11a、H12a、H14a均不成立。

圖2 發(fā)布者影響力對可讀性特征與傳播廣度的調(diào)節(jié)效應(yīng)

發(fā)布者影響力對小標題個數(shù)、實例與傳播廣度的調(diào)節(jié)效應(yīng)如圖2所示。從圖2可以看出，當發(fā)布者影響力增大時，小標題個數(shù)、實例與傳播廣度之間的關(guān)系斜率減小，說明發(fā)布者影響力削弱了其對信息安全事件響應(yīng)知識傳播廣度的正向影響。當發(fā)布者影響力較低時，通過使用小標題和實例的方式能夠增強其他用戶對信息安全事件響應(yīng)知識的閱讀意愿和對知識的理解，促進知識的傳播。而發(fā)布者影響力對圖片個數(shù)、重點標識等變量與傳播廣度的關(guān)系沒有顯著的調(diào)節(jié)作用，原因可能是雖然低影響力的發(fā)布者通過發(fā)布高可讀性信息安全事件響應(yīng)知識能在一定程度上促進知識的傳播，但是知識在傳播過程中能否吸引到其他高影響力用戶進而引起知識的再傳播對傳播廣度有較大影響，且不完全受可讀性的控制，因此并非所有的可讀性因素與傳播廣度的關(guān)系均受到發(fā)布者影響力的調(diào)節(jié)。

4.3.2 傳播深度模型

在對傳播深度的回歸中，采用與傳播廣度模型相同的方式分別構(gòu)建3個模型。傳播深度模型的回歸結(jié)果如表5所示。從回歸結(jié)果可以看出：①控制變量中，發(fā)布及時性、歷史回答數(shù)均對信息安全事件響應(yīng)知識傳播深度產(chǎn)生顯著影響。②自變量中，重點標識、列表、圖片個數(shù)、鏈接個數(shù)、實例和小標題個數(shù)的回歸系數(shù)均顯著為正，說明重點標識、列表、圖片個數(shù)、鏈接個數(shù)、實例和小標題個數(shù)都會正向影響知識的傳播深度，因此假設(shè)H1b、H2b、H3b、H5b、H6b、H7b均成立。平均句長與傳播深度顯著負相關(guān)，表明信息安全事件響應(yīng)知識的平均句長越短，越能促進知識向更深層傳播，因此假設(shè)H4b成立。③在交互項中，發(fā)布者影響力對圖片個數(shù)和實例與傳播深度的調(diào)節(jié)作用顯著，調(diào)節(jié)效應(yīng)如圖3所示，即假設(shè)H13b和H14b成立，而假設(shè)H8b、H9b、H10b、H11b、H12b均不成立。

表5 傳播深度模型的回歸結(jié)果

從圖3可以看出，當發(fā)布者影響力增大時，圖片個數(shù)、實例與傳播深度之間的關(guān)系斜率減小，說明發(fā)布者影響力削弱了這兩個可讀性特征對信息安全事件響應(yīng)知識傳播深度的正向影響。對于不顯著的調(diào)節(jié)關(guān)系，原因與傳播廣度模型類似，傳播深度除了受知識本身的質(zhì)量和知識發(fā)布者影響力的影響外，還依賴于傳播過程中參與用戶的影響力。

圖3 發(fā)布者影響力對可讀性特征與傳播深度的調(diào)節(jié)效應(yīng)

雖然傳播深度模型和傳播廣度模型結(jié)果相似，但是在顯著性上存在區(qū)別。鏈接個數(shù)和小標題個數(shù)對傳播廣度的影響明顯大于對傳播深度的影響，原因可能是信息安全事件響應(yīng)知識具有一定的專業(yè)性，有鏈接作為擴充內(nèi)容的知識以及含有小標題的條理清晰的知識對吸引廣泛的接收者具有更大的影響。而傳播深度還要依賴于知識的傳播方式，從關(guān)注用戶的點贊中發(fā)現(xiàn)該知識并進行點贊才能構(gòu)成傳播級聯(lián)，形成更深層的傳播。

5 結(jié)論

(1)信息安全事件響應(yīng)知識的傳播效果會受到知識可讀性的影響。信息安全事件響應(yīng)知識組織編排形式方面的小標題個數(shù)、列表和重點標識均會不同程度地影響知識傳播的廣度和深度；表達方式方面的圖片個數(shù)、鏈接個數(shù)、實例和平均句長均對信息安全事件響應(yīng)知識的傳播廣度和傳播深度存在顯著的影響。發(fā)布者影響力負向調(diào)節(jié)小標題個數(shù)和實例與傳播廣度的關(guān)系，發(fā)布者影響力負向調(diào)節(jié)圖片個數(shù)和實例與傳播深度的關(guān)系。

(2)筆者基于信息擴散級聯(lián)理論，通過實證分析證實了知識可讀性對其傳播效果的影響，并結(jié)合平臺知識傳播特征綜合考慮了發(fā)布者影響力對可讀性與信息安全事件響應(yīng)知識傳播效果的調(diào)節(jié)效應(yīng)，擴展了用戶的社會影響力和社交關(guān)系對信息安全事件響應(yīng)知識傳播效果影響的研究。同時，考慮到信息過載與用戶獲取知識時間的有限性之間存在尖銳矛盾的現(xiàn)狀，從認知角度探究用戶對信息安全事件響應(yīng)知識的接收和傳播行為，實現(xiàn)了對信息安全知識傳播效果模型研究的深化。

(3)對于發(fā)布用戶而言，在面對信息安全事件時，為了使發(fā)布的信息安全事件響應(yīng)知識更好地傳播，使大眾及時對事件做出反應(yīng)，發(fā)布用戶需要注意發(fā)布的信息安全事件響應(yīng)知識的表達方式和組織編排。當知識內(nèi)容較多時，可以通過使用小標題、列表、重點標識等方式對內(nèi)容進行組織編排，使得信息安全事件響應(yīng)知識的邏輯更清晰，重點更突出；不要過多地使用難以理解的長句，盡可能使用圖文并茂的方式提高讀者的閱讀興趣，減少閱讀難度；信息安全事件響應(yīng)知識中最好能夠包含相關(guān)信息安全事件的實例，以增強用戶對信息安全事件的理解；對于晦澀難懂的信息安全專業(yè)詞匯可以加上外部鏈接，讓讀者可以快速得到相關(guān)信息安全知識資源。對于影響力不高的發(fā)布用戶來說，更應(yīng)該注意通過使用小標題、圖片、實例等方式來吸引讀者閱讀信息安全事件響應(yīng)知識，促進知識傳播。

(4)對于平臺而言，可以建立一定的獎勵機制，鼓勵用戶發(fā)布高可讀性的信息安全知識來吸引更多興趣相投的高影響力用戶，促進知識向更深層傳播，發(fā)揮信息安全知識的價值。另外，在根據(jù)用戶興趣進行知識推薦或排序時，可以綜合考慮知識可讀性因素，優(yōu)先推薦使用了小標題、實例、圖片等因素的高可讀性知識，提高用戶獲取優(yōu)質(zhì)知識的效率。