科技和产业

待处理原始数据	对数据进行分词与词性标注
很好的App,身边朋友都在用,非常好用的软件	很好的/a,APP/n,身边/n朋友/n都/d在用/v,非常/a好用/a软件/n
非常好的,真心觉得是一个很好的软件,所以义无反顾地推荐给大家	非常/a好/a的/uj,真心/x觉得/v是/v一个/m很好/a的/uj软件/n,/x所以/u义无反顾/a的/uj推荐/v给/u大家/n
从内容的广度和深度来看,背后开发的团队绝对付出了很大的血本,会一如既往地支持。好用	从/u内容/n的/uj广度/a和/p深度/a来/u看/v,/x背后/n开发/n的/uj团队/n绝对/u付出/v了/u很大/a的/uj血本/n,/x会一如既往/a的/uj支持/v。/x好/a用/n
用的方便!不错好用	用/v的/u方便/a !/x不错/a好/a用/v./x
?字太小,看着费劲,删除	?/x字/n太小/a,/x看着/v费劲/a,/x删除/v

待处理原始数据	对数据进行分词与词性标注
很好的App,身边朋友都在用,非常好用的软件	很好的/a,APP/n,身边/n朋友/n都/d在用/v,非常/a好用/a软件/n
非常好的,真心觉得是一个很好的软件,所以义无反顾地推荐给大家	非常/a好/a的/uj,真心/x觉得/v是/v一个/m很好/a的/uj软件/n,/x所以/u义无反顾/a的/uj推荐/v给/u大家/n
从内容的广度和深度来看,背后开发的团队绝对付出了很大的血本,会一如既往地支持。好用	从/u内容/n的/uj广度/a和/p深度/a来/u看/v,/x背后/n开发/n的/uj团队/n绝对/u付出/v了/u很大/a的/uj血本/n,/x会一如既往/a的/uj支持/v。/x好/a用/n
用的方便!不错好用	用/v的/u方便/a !/x不错/a好/a用/v./x
?字太小,看着费劲,删除	?/x字/n太小/a,/x看着/v费劲/a,/x删除/v

指标	特征词
开放性	喜欢\渴望\使用\更新\交互
责任心	靠谱\真实\反映\信任\谈论
外向性	推荐\朋友\家人\社交\自由选择
宜人性	个性化\情不自禁\决定\适合
神经质	情绪化\着迷\喜欢\删除\卸载
有用性	平台\有用\忠诚\经常使用\有帮助
易用性	容易\方便\简单\上手\操作
满意度	好用\满意\给力\不错\垃圾

指标	特征词
开放性	喜欢\渴望\使用\更新\交互
责任心	靠谱\真实\反映\信任\谈论
外向性	推荐\朋友\家人\社交\自由选择
宜人性	个性化\情不自禁\决定\适合
神经质	情绪化\着迷\喜欢\删除\卸载
有用性	平台\有用\忠诚\经常使用\有帮助
易用性	容易\方便\简单\上手\操作
满意度	好用\满意\给力\不错\垃圾

指标	特征词
开放性	渴望\使用\更新\交互\期待\技术\评论\推荐\体验\信息
责任心	靠谱\真实\反映\信任\谈论\态度\帮助\放心\质量\骗人
外向性	推荐\朋友\家人\社交\自由选择\方式\申请\同事\验证\加入
宜人性	个性化\情不自禁\决定\适合\强制\隐私\感受\人性化\符合\使用
神经质	影响\情绪化\着迷\喜欢\删除\卸载\无语\反馈\理解\拒绝
感知有用性	平台有用\忠诚\经常使用\有帮助\支持\使用\版本\界面\决定\推荐
感知易用性	容易\方便\简单\上手\操作\字体\界面\闪退\页面\难
系统满意度	好用\满意\给力\不错\垃圾\好评\赞\投诉\坑\专业

指标	特征词
开放性	渴望\使用\更新\交互\期待\技术\评论\推荐\体验\信息
责任心	靠谱\真实\反映\信任\谈论\态度\帮助\放心\质量\骗人
外向性	推荐\朋友\家人\社交\自由选择\方式\申请\同事\验证\加入
宜人性	个性化\情不自禁\决定\适合\强制\隐私\感受\人性化\符合\使用
神经质	影响\情绪化\着迷\喜欢\删除\卸载\无语\反馈\理解\拒绝
感知有用性	平台有用\忠诚\经常使用\有帮助\支持\使用\版本\界面\决定\推荐
感知易用性	容易\方便\简单\上手\操作\字体\界面\闪退\页面\难
系统满意度	好用\满意\给力\不错\垃圾\好评\赞\投诉\坑\专业

测量变量	编号	指标	参考文献
神经质	1	在线声誉系统容易影响到我的个人情绪	Sohaib等^[17]
2	在线声誉系统并不让我着迷
3	在线声誉系统会影响我的最终决定
4	如果我的朋友/家人不使用线声誉系统,我也不会使用
外向性	5	我会经常和我的朋友/家人谈起在线声誉系统	Sohaib等^[17]
6	我可以说服我的朋友选择在线声誉系统
7	我对在线声誉系统很有信心
8	获取消息时我会首先想到在线声誉系统
开放性	9	我渴望去使用在线声誉系统	Sohaib等^[17]
10	我重视声誉系统中的交互功能
11	使用在线声誉系统令人兴奋
12	在线声誉系统是体验新技术和有用技术的来源
责任心	13	我可以自由地对在线声誉系统做出决定	Sohaib等^[17]
14	我可以决定我是否需要用到在线声誉系统
15	声誉系统可以真实反映情况
16	我很信任声誉系统
宜人性	17	如果我善于使用在线声誉系统,将为我有需要的朋友提供帮助	Sohaib等^[17]
18	如果我喜欢这个在线声誉系统就会做出决定
19	我很在意在线声誉系统对于个人隐私的管理
20	使用声誉系统时我会照顾到他人感受
感知有用性	21	在线声誉系统的功能对我有帮助	根据前文筛选
22	使用在线声誉系统可以帮助我获得更多的信息
感知易用性	23	我更倾向使用操作便捷的声誉系统	根据前文筛选
24	我觉得声誉系统的使用很容易学习
系统满意度	25	我将在未来继续使用声誉系统	Sohaib等^[17]
26	我将向他人推荐使用声誉系统

测量变量	编号	指标	参考文献
神经质	1	在线声誉系统容易影响到我的个人情绪	Sohaib等^[17]
2	在线声誉系统并不让我着迷
3	在线声誉系统会影响我的最终决定
4	如果我的朋友/家人不使用线声誉系统,我也不会使用
外向性	5	我会经常和我的朋友/家人谈起在线声誉系统	Sohaib等^[17]
6	我可以说服我的朋友选择在线声誉系统
7	我对在线声誉系统很有信心
8	获取消息时我会首先想到在线声誉系统
开放性	9	我渴望去使用在线声誉系统	Sohaib等^[17]
10	我重视声誉系统中的交互功能
11	使用在线声誉系统令人兴奋
12	在线声誉系统是体验新技术和有用技术的来源
责任心	13	我可以自由地对在线声誉系统做出决定	Sohaib等^[17]
14	我可以决定我是否需要用到在线声誉系统
15	声誉系统可以真实反映情况
16	我很信任声誉系统
宜人性	17	如果我善于使用在线声誉系统,将为我有需要的朋友提供帮助	Sohaib等^[17]
18	如果我喜欢这个在线声誉系统就会做出决定
19	我很在意在线声誉系统对于个人隐私的管理
20	使用声誉系统时我会照顾到他人感受
感知有用性	21	在线声誉系统的功能对我有帮助	根据前文筛选
22	使用在线声誉系统可以帮助我获得更多的信息
感知易用性	23	我更倾向使用操作便捷的声誉系统	根据前文筛选
24	我觉得声誉系统的使用很容易学习
系统满意度	25	我将在未来继续使用声誉系统	Sohaib等^[17]
26	我将向他人推荐使用声誉系统

取样足够度的Kaiser-Meyer-Olkin度量	0.827
Bartlett的球形度检验	近似卡方	1 804.653
df	435
Sig.	0

取样足够度的Kaiser-Meyer-Olkin度量	0.827
Bartlett的球形度检验	近似卡方	1 804.653
df	435
Sig.	0

变量	神经质	外向性	开放性	责任心	宜人性	感知有用性	感知易用性	系统满意度
神经质	1
外向性	0.461^**	1
开放性	0.323^**	0.643^**	1
责任心	0.403^**	0.657^**	0.614^**	1
宜人性	0.304^**	0.520^**	0.657^**	0.724^**	1
感知有用性	0.518^**	0.598	0.631^**	0.665^**	0.641^**	1
感知易用性	0.453^**	0.411	0.527^**	0.621^**	0.627^**	0.700^**	1
系统满意度	0.514^**	0.595^*	0.604^**	0.625^**	0.568^**	0.683^**	0.661^**	1

变量	神经质	外向性	开放性	责任心	宜人性	感知有用性	感知易用性	系统满意度
神经质	1
外向性	0.461^**	1
开放性	0.323^**	0.643^**	1
责任心	0.403^**	0.657^**	0.614^**	1
宜人性	0.304^**	0.520^**	0.657^**	0.724^**	1
感知有用性	0.518^**	0.598	0.631^**	0.665^**	0.641^**	1
感知易用性	0.453^**	0.411	0.527^**	0.621^**	0.627^**	0.700^**	1
系统满意度	0.514^**	0.595^*	0.604^**	0.625^**	0.568^**	0.683^**	0.661^**	1

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.527	0.353		1.492	0.000
神经质	-0.026	0.090	-0.019	-0.293	0.047	0.994	1.006
外向性	0.178	0.093	0.176	1.912	0.059	0.472	2.120
开放性	0.221	0.099	0.213	2.238	0.027	0.442	2.263
责任心	0.307	0.127	0.254	2.420	0.017	0.366	2.734
宜人性	0.261	0.115	0.226	2.251	0.026	0.399	2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.527	0.353		1.492	0.000
神经质	-0.026	0.090	-0.019	-0.293	0.047	0.994	1.006
外向性	0.178	0.093	0.176	1.912	0.059	0.472	2.120
开放性	0.221	0.099	0.213	2.238	0.027	0.442	2.263
责任心	0.307	0.127	0.254	2.420	0.017	0.366	2.734
宜人性	0.261	0.115	0.226	2.251	0.026	0.399	2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	1.086	0.359	—	3.028	0.003	—	—
神经质	-0.035	0.092	-0.027	-0.381	0.004	0.994	1.006
外向性	0.082	0.095	0.088	-0.870	0.086	0.472	2.12
开放性	0.155	0.100	0.162	1.546	0.025	0.442	2.263
责任心	0.397	0.129	0.353	3.072	0.003	0.366	2.734
宜人性	0.332	0.117	0.312	2.831	0.006	0.399	2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	1.086	0.359	—	3.028	0.003	—	—
神经质	-0.035	0.092	-0.027	-0.381	0.004	0.994	1.006
外向性	0.082	0.095	0.088	-0.870	0.086	0.472	2.12
开放性	0.155	0.100	0.162	1.546	0.025	0.442	2.263
责任心	0.397	0.129	0.353	3.072	0.003	0.366	2.734
宜人性	0.332	0.117	0.312	2.831	0.006	0.399	2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.645	0.28	—	2.305	0.023	—	—
感知有用性	0.413	0.086	0.431	4.801	0	0.51	1.963
感知易用性	0.371	0.093	0.359	3.996	0	0.51	1.963

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.645	0.28	—	2.305	0.023	—	—
感知有用性	0.413	0.086	0.431	4.801	0	0.51	1.963
感知易用性	0.371	0.093	0.359	3.996	0	0.51	1.963

用户人格特质对在线声誉系统满意度的影响

PDF下载

门笑笛 , 王莹

科技和产业 | 科技创新 2025,25(2): 20-26

收起

科技和产业 | 科技创新 2025, 25(2): 20-26

用户人格特质对在线声誉系统满意度的影响

全屏

门笑笛, 王莹

作者信息

北京信息科技大学管理科学与工程学院, 北京 100192

门笑笛(1999—),女,北京人,硕士研究生,研究方向为服务质量;

王莹(1981—),女,河北玉田人,博士,副教授,硕士研究生导师,研究方向为知识管理、服务运营。

Effect of User Personality Traits on Satisfaction with Online Reputation Systems

Xiaodi MEN, Ying WANG

Affiliations

School of Management Science and Engineering, Beijing Information Science and Technology University, Beijing 100192, China

出版时间: 2025-01-25

文章导航

摘要

收起

在线声誉系统的发展呈现出多元化和复杂化的特点,研究在线声誉系统中用户人格特质对满意度的影响,可以更深入地理解消费者在在线环境下的行为模式。结合大五人格理论、技术接受模型作为理论框架,设计适合在线声誉系统满意度量表,探究人格特质、消费者感知、在线声誉系统满意度三者之间的关系。结果表明,针对不同人格可以对在线声誉系统进行个性化的改善,如提供平台引导、设计不同声誉系统界面以及营造良好的社区氛围等。

关键词

个性特质 / 大五人格 / 在线声誉 / 满意度

Abstract

收起

Based on the Big Five personality theory and the technology acceptance model as a theoretical framework, a suitable online reputation system satisfaction scale was designed, and the relationship between personality traits, consumer perception and online reputation system satisfaction was explored. The results show that the higher the neuroticism, the more critical the use of the online reputation system, and the lower the perceived usefulness and perceived ease of use. People with higher openness, friendliness and a sense of responsibility have better perceived usefulness and perceived ease of use when using online reputation systems. Extraversion has no significant effect on the performance of perceived usefulness and perceived ease of use when using online reputation system. Both perceived ease of use and perceived usefulness have a positive impact on users’ satisfaction with the online reputation system.

Key words

personality traits / Big Five personality / online reputation / satisfaction

引用本文

门笑笛, 王莹. 用户人格特质对在线声誉系统满意度的影响. 科技和产业, 2025 , 25 (2) : 20 -26 .

Xiaodi MEN, Ying WANG. Effect of User Personality Traits on Satisfaction with Online Reputation Systems[J]. Science Technology and Industry, 2025 , 25 (2) : 20 -26 .

正文

收起

随着人们对网络平台依赖程度的提升以及消费者理性消费能力的不断强化,越来越多的企业和个人开始意识到在线声誉的重要性^[1-2]。在线声誉系统是指用于收集和传播消费者对购物体验的反馈和建议的平台,该平台通过商品在线评论、销售排名、卖家评分或第三方组织提供的对商品评估或咨询等文本信息,为原本陌生的商家和消费者建立起在线信任关系,帮助潜在消费者做出合理的购买决策^[3]。消费者的理性能力使他们更加注重在线声誉系统中的信息。在线声誉系统为消费者提供了一个便捷的渠道,让他们能够获取大量真实、客观的信息,从而做出更明智的消费选择。由贝哲斯咨询统计在线声誉管理市场数据显示,2022年全球在线声誉管理市场规模到达到了73.37亿元(人民币),中国在线声誉管理市场规模达16.49亿元。在互联网时代,许多用户都会在做出决策之前,搜索使用相关的在线声誉系统来做参考,所以积极的在线舆论实际上有益于品牌形象的培养,进而增加收入。

以往的在线声誉系统研究从平台特征入手,通过访谈和文献建立测度模型,并在数据调查的基础上进行分析^[4]。缺乏对在线声誉系统评价标准和评估体系的探讨,无法对在线声誉系统的质量和效果进行科学的评估和衡量。针对使用在线声誉系统的用户,现有研究大多都从个体因素如性别、年龄等外部差异进行分析,少有从人格特质方面深入研究。在建立指标方面,应用较多的有问卷调查法,以及直接采用现有大五人格问卷简版作为问卷指标,这些方法存在较强的主观性,缺乏针对性。

人格特质是个体在心理、社会和行为层面上的稳定特征,反映了个体的价值观、需求、动机等深层次的心理特征^[5]。从人格特质出发研究可以丰富和发展消费者行为理论,为理解消费者在在线环境下的信息处理和决策过程提供新的视角。由科斯塔和麦克雷提出的五人格理论,该理论将人格特质分为五个维度,包括开放性、尽责性、宜人性、神经质和外向性^[6],且有学者表明大五模型是人格理论研究的最佳选择^[7]。尽管人格特质和在线声誉系统满意度之间存在密切的关系,但现有的研究尚未形成一个完整的体系,这种缺乏实证研究的情况使得难以对在线声誉系统的实际表现进行准确评估。

技术接受模型(technology acceptance model, TAM)在信息技术和计算机科学领域具有重要的地位和合理性,其对于理解、预测和影响用户对新技术或信息系统的接受程度具有显著作用,因此,本文选择在线声誉系统进行研究,基于TAM构建在线声誉系统的消费者感知以及满意度模型。使用在线声誉系统作为主体,探究人格特质和消费者感知以及满意度三者之间的关系。从人格特质出发设计在线声誉系统满意度量表,采用文献研究以及数据挖掘的方式获取互联网公开的相关信息,对各类指标评价方法进行创新,构建完整的基于消费者视角的评价指标体系,从而确定用户的人格特质。采用问卷调查法,收集公众对互联网平台的在线声誉系统使用情况,然后分析在线声誉系统满意度的影响因素。最后,依据理论分析得出结果,为在线声誉系统改进及优化提出建议。

1 文献回顾与研究假设

收起

1.1 技术接受模型

Davis运用理性行为理论研究用户对信息系统接受时所提出的一个模型(图1),提出TAM最初的目的是对计算机广泛接受的决定性因素做一个解释说明。TAM认为系统使用是由行为意向决定的,而行为意向由想用的态度和感知的有用性共同决定,想用的态度由感知的有用性和易用性共同决定。TAM提出了两个主要的决定因素:①感知的有用性反映一个人认为使用一个具体的系统对他工作业绩提高的程度;②感知的易用性反映一个人认为容易使用一个具体的系统的程度。

TAM通过测量用户对技术的感知有用性和感知易用性,可以预测新技术或信息系统在市场上的接受程度,根据这些预测来制定营销策略、调整产品设计或优化用户体验。同时有助于开发者识别并解决用户体验中的潜在问题,从而提高用户满意度和忠诚度。许多学者以TAM为基础研究了满意度的影响。王勇^[8]运用TAM模型分析中小企业数字化转型的影响因素,并结合扩展模型设计了扩展技术接受模型下的中小企业数字化转型动力机制框架;郑烨等^[9]基于TAM视角,对公共政策场景化在线教学平台的教学满意度展开研究,构建在线教学平台的满意度模型,结果表明感知有用性以及感知易用性均会显著正向影响满意度;吴峥^[10]以小红书App为例研究TAM模型下的用户消费者行为影响,结果表明感知有用性发挥着正向影响作用。因此,提出以下假设。

H1:在使用声誉系统时,感知有用性正向影响声誉系统满意度;

H2:在使用声誉系统时,感知易用性正向影响声誉系统满意度。

1.2 大五人格理论

大五人格理论是心理学领域的一种人格理论,由科斯塔和麦克雷在20世纪80年代提出,也被称作为“人格的海洋”。宜人性是指个体对他人的友好和合作程度,外向性是指个体的活动力、热情和社交性,高责任心的人有条理,低者则组织结构差,易拖延。开放性这一特质强调的是想象力和洞察力,神经质反映了个体的情绪。

人格特质作为个体差异的重要体现,对在线声誉系统的感知产生着深远的影响,深入理解消费者在在线环境下的行为模式,可以为提高在线声誉系统的效果提供理论支持和实践指导(图2)。姚乐野等^[11]研究用户人格特质对于互联网信息采纳的影响,结果表明开放性、宜人性、神经质、尽责性分别会对感知有用性产生正向影响;姜泽^[12]研究游戏用户人格特质如何影响信息分享香味,在模型中,宜人性、外向性、开放性正向影响用户的行为,而神经质与尽责性的影响不显著。杨晓敏^[13]关注虚拟学习社区,研究人格特质对知识共性医院的影响,大五人格中宜人性、开放性、外向性、尽责性都有正面影响,神经质对影响作用不成立;李晓科^[14]结合大五人格理论与技术接受模型为基础探究公众关于互联网医疗平台使用意愿的影响因素,利用结构方程模型考察感知性在人格特质和互联网医疗平台行为意向的中介作用,得出人格特质的五个维度与感知性的维度之间呈显著相关。因此,提出以下假设。

H3:人格特质各维度与感知有用性存在显著相关;

H4:人格特质各维度与感知易用性存在显著相关。

2 研究设计

收起

参考以往大五人格研究的相关量表^[15],同时用数据挖掘的方式细化评价指标,佐证和完善指标体系,让指标的设置更客观。设计以声誉系统特征为主,进行特征词的设计和选取,结合用户评论特点,分析客观且完整的基于消费者视角的影响因素,为在线声誉系统提供更客观、标准的评估方式。

2.1 在线声誉系统满意度量表的建立

首先提取用户评论中高频出现的特征词,通过筛选构成评论基础特征词,然后结合初始指标的含义筛选出符合各指标的特征词,最后通过Word2vec词向量计算词的相似性扩展种子词,并人工过滤掉不合理的扩展词,确定指标特征词。

2.1.1 数据准备

实验选择苹果商店和360手机助手中大众点评App、美团App以及口碑App的软件评价作为研究对象,使用Python编写特定的数据采集程序收集商品评论数据。对用户id、评论内容、评论时间等有效评论字段进行提取。将它们混合在一起作为原始评论数据。三个App在appstore以及360手机助手共抓取到33 998条评论。

2.1.2 数据预处理

主要是对清洗过的评论进行分词、去停用词、词性标注等操作。首先调用哈工大的语言技术平台(language translate platform,LTP)工具对商品评论数据进行中文分词和词性标注,然后加载整合的停用词表过滤停用词。待处理的原始评论数据,预处理之后的评论数据表1所示。

2.1.3 选取种子词提取高频词作为产品粗特征

在对评论源数据进行预处理后,从中提取名词、名词性短语、动词,即提取词性标记为‘n’‘nl’‘nz’‘ns’和‘v’等的词。并选取词频大于等于20的词作为粗特征词共1 893个,大于等于40的词1 204个,从在线评论中提取出的部分高频词。

2.1.4 指标种子词选取

根据各个指标的特点和内涵^[16],将这些特征词按照性格特征的类别进行手动分类,形成初始产品特征词如表2所示。

2.1.5 词向量训练与扩展

使用python的gensim函数库训练了一个Word2vec词向量模型,将所有语料的词语向量化并构建多维度词向量。在训练过程中,词向量维度(size)设置为100,最小截断词频(min_count)设置为1。利用训练好的词向量模型,计算语料中所有词语与种子词的相关度,并选出最相关的5个词来扩展种子词,并去除了重复词。

利用训练好的词向量模型,计算语料中所有词语与种子词的相关度,并选出最相关的5个词来扩展种子词,并去除了重复词。例如,开放性的特征词有使用、渴望、技术、评论、推荐5个指标种子词,计算这些种子词和语料中所有词语的相似度,并选出每个种子词最相关的10个词,结果按照相似度从高到低排列(表3)。

2.1.6 在线声誉系统满意度量表

根据所得到的指标,参考由罗杰和戴晓阳^[16]编制的大五人格量表简化版以及Sohaib等^[17]所设计的大五人格对在线教学模式满意度量表,设计出用户对在线声誉系统的满意度量表(表4),量表共测量8个维度,大五人格维度每个人格所含4个条目,共20个条目,声誉系统的易用性、有用性以及满意度,每个维度2个条目,共6个条目。

2.2 问卷设计与发放

2.2.1 问卷设计

采用问卷调查的方法对模型进行验证,问卷由用户基本信息(1~4题)和声誉系统满意度量表(5~30题)两部分构成,整个问卷共30个条目。

所有变量均采用李克特5点式量表,其中1表示完全不同意,2表示不同意,3 表示中立,4表示同意,5表示完全同意,请答题者根据自身实际选择与自己想法最吻合的选项。在开始回答问卷前,先询问是否有查看在线声誉系统的习惯,如果没有,结束答题:如果有,根据经历填写问卷。

邀请研究生以及专家共15人对问卷进行小范围测试,提出修改意见进行修改,如题目晦涩难懂,问卷题目表达不当等。

2.2.2 问卷发放

问卷采用网络进行发放,采用问卷星进行制作,调查时间从2024年3月中旬持续到5月上旬,历时一个半月,共计收回310份,剔除填写不完整以及填写不认真的无效问卷后,最终有效问卷数量267份,问卷有效回收率86.1%。

3 研究结果与分析

收起

3.1 样本统计

267份有效样本基本情况如下:男性有121人,占比为45.3%,女性有145人,占比为54.3%;年龄分布结构,18岁及以下有21人,占比为7.9%,19~25岁有97人,占比为36.3%,26~35岁有66人,占比为24.7%,36~45岁有42人,占比为15.7%,46岁及以上有40人,占比为14.9%;文化程度分布结构,54人具有高中及以下学历,占比为20.2%,49人具有大专学历,占比为18.3%,93人具有本科学历,占比为34.8%,70人具有研究生及以上学历占比为26.2%。综上所述,样本选取的性别占比较为平均,女性使用互联网在线声誉系统的比例更高,年龄主要分布在19~25岁,其次是26~35岁,大部分接受过高等教育,有一定的工作经验,能够学习新事物为自己的行为负责,符合本次研究的要求, 以上所有研究样本均使用过在线声誉系统。

3.2 问卷的信度与效度分析

3.2.1 信度分析

信度分析是评估研究数据一致性和可靠性的重要方法,有助于确保研究结论的有效性和可推广性。信度分析结果显示,本文数据具有较高的一致性和稳定性。Cronbach’s α=0.901,超过0.8,表明研究数据在不同时间、不同条件或不同测量工具下的差异较小,内部一致性较好,具有较高的可靠性。

3.2.2 效度分析

效度分析是评估研究工具或方法能否准确测量或反映所研究概念或现象的重要步骤,对于确保研究结论的可靠性至关重要。效度分析结果显示如表5所示,KMO=0.827且显著性小于0.01,表明研究工具或方法能够准确测量或反映所研究概念或现象的关键特征,具有较高的有效性和准确性。

3.3 相关性分析

相关性检验结果如表6所示,自变量人格特质中神经质、开放性、责任心、宜人性均与因变量有显著相关,显著性水平都在0.01之下,感知有用性、感知易用性与系统满意度之间也存在着相关性,外向性与感知有用性、感知易用性显著性不明显。通过相关性分析,我们揭示了变量间存在的统计关联。

3.4 假设检验分析

为了探究多个自变量对因变量的综合影响,采用了多元线性回归分析。这种方法有助于更全面地理解变量间的复杂关系,并为后续的策略制定或假设验证提供实证支持。

3.4.1 大五人格与感知有用性回归检验

探究用户使用在线声誉系统时大五人格与感知有用性的关系,自变量选择宜人性、神经质、外向性、开放性以及责任心,因变量选取感知有用性。

回归模型拟合度结果调整R²=0.534,拟合度较好,意味着自变量能够解释因变量53.4%,公众在使用在线声誉系统时的感知有用性有53.4%是由大五人格影响的,统计模型建立较好。

在进行回归之前需要检验自变量之间是否存在多重共线性,当自变量之间存在高度相关性时,可能导致回归模型的估计结果不稳定,难以解释和推断。如表7所示,VIF<5不存在多重共线性,此回归模型的准确性和可靠性较强,神经质、开放性、责任心、宜人性显著性小于0.05,可以显著影响感知有用性,而外向性为0.059不能显著影响感知有用性,其中神经质负向影响感知有用性,开放性、责任心、宜人性正向影响感知有用性,因此H3部分得到证实。

为了提升感知有用性有以下两点建议:①根据不同的人格特质,设计更具吸引力的声誉系统界面和功能,为用户提供更加个性化、精准的服务和产品,提升用户体验,提高用户的满意度和满意度,进而提升企业的竞争力和市场占有率。对于神经质高的用户,他们更加内向或谨慎,可以提供更为详细和全面的信息展示方式;而对于开放性高的用户,可以设计更为新颖、科技界面,同时网站界面的更新,可以优先在开放性高的用户上体验;责任心较高的人,更注重真实性与准确性,页面设计应避免过度宣传;宜人性较高的用户对界面设计和功能的容忍度较高。②在线声誉系统通常形成一定的社区氛围,这种氛围可能与某些人格特质更为匹配。开放性强的用户更倾向于积极参与声誉系统的讨论和反馈,欣赏声誉系统中丰富的信息和多样的观点,神经质高的用户可能对声誉系统中的负面评价或争议更为敏感和谨慎,责任心强的用户可能更注重声誉系统的准确性和可靠性。对于更加敏感的用户,可以采用更为温和、委婉的反馈方式,而对于更加直接的用户,则可以提供更为明确、具体的反馈内容。例如,宜人性高的用户可能更喜欢和谐、友好的社区氛围,而开放性强的用户可能更喜欢活跃、热闹的社区环境。因此,声誉系统的设计者可以考虑如何根据目标用户群体的人格特质来营造适合的社区氛围。

3.4.2 大五人格与感知易用性回归检验

探究用户使用在线声誉系统时大五人格与感知易用性的关系,自变量选择宜人性、神经质、外向性、开放性以及责任心,因变量选取感知易用性。

回归模型拟合度结果调整R²=0.44,拟合度较好,意味着自变量能够解释因变量44%,公众在使用在线声誉系统时的感知易用性有44%是由大五人格影响的,统计模型建立较好。

回归结果如表8所示,VIF<5不存在多重共线性,此回归模型的准确性和可靠性较强,神经质、开放性、责任心、宜人性显著性小于0.05,可以显著影响感知有用性,而外向性为0.086不能显著影响感知易用性,其中神经质负向影响感知易用性,开放性、责任心、宜人性正向影响感知易用性,因此H4部分得到证实。

为了提升感知易用性,可以建立用户教育和平台的使用引导,针对在线声誉系统不熟悉的用户,可以设计多种引导让用户自由选择,如设计使用简洁、直观或者具体、详细多种引导,让用户进行选择;针对在线声誉系统不太信任的用户,可以提供关于声誉系统工作原理、如何评估和使用声誉信息的教程,帮助用户建立正确的认知和使用习惯,从而提高感知易用性。

3.4.3 消费者感知与系统满意度回归检验

探究用户使用在线声誉系统时消费者感知与系统满意度的关系,自变量选择感知易用性和感知有用性,因变量选取系统满意度。

回归模型拟合度结果调整R²=0.523,拟合度较好,意味着自变量能够解释因变量52.3%,公众在使用在线声誉系统时的满意度有52.3%是由感知有用性和感知易用性影响的,统计模型建立较好。

回归结果如表9所示,VIF<5不存在多重共线性,此回归模型的准确性和可靠性较强,感知有用性和感知易用性小于0.05,可以显著影响系统满意度,回归系数为0.413和0.371表明感知有用性和感知易用性都是正向影响系统满意度,H1、H2均得到验证。

随着技术的发展和用户需求的变化,在线声誉系统需要不断进行更新和改进。通过持续监测用户的使用行为和反馈意见,可以及时发现系统中的问题和不足,根据用户的反馈和行为数据,对不同的人格特质,制定差异化的营销策略和推荐算法等,并进行针对性的改进和优化对声誉系统进行优化和改进,提高用户满意度。

4 结论与启示

收起

本文以大五人格理论和技术接受模型为基础,构建基于在线声誉系统的消费者感知以及满意度模型。将使用在线声誉系统作为主体,探究人格特质和消费者感知以及满意度三者之间的关系。在参考成熟的量表基础上,结合在线声誉系统本身的特性,利用大数据挖掘的方式,以声誉系统特征为主,进行特征词的设计和选取,结合用户评论特点,分析客观且完整的基于消费者视角的影响因素,设计在线声誉系统满意度量表,通过收集用户对在线声誉系统的评价和反馈,量表可以更加客观地度量用户对声誉系统的反馈,更好地把握用户需求和行为特征,从而了解用户的需求和期望,以便改进系统的易用性和用户体验,提高用户的满意度和忠诚度。

本文验证假设得出了以下结论:神经质越高的人在使用在线声誉系统时感知有用性与感知易用性越低;开放性、宜人性、责任心越高的人在使用在线声誉系统时感知有用性与感知易用性表现越好;外向性对使用在线声誉系统时感知有用性与感知易用性表现无显著影响;感知易用性与感知有用性均正向影响用户对在线声誉系统的满意度。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

中国网络信息中心. 第52次《中国互联网络发展状况统计报告》发布及专家解读[J]. 互联网天地, 2023(9): 11-15.

[2]

ROGEBERG

. The theory of rational addiction[J]. Addiction, 2019, 115: 184-187.

[3]

李昕宸, 袁勤俭, 侯治平. 电子商务卖家声誉评价研究综述[J]. 现代情报, 2016, 36(1): 167-171.

[4]

李昕宸. 社会化媒体环境下消费者视角的电子商务企业声誉研究[D]. 南京: 南京大学, 2016.

[5]

BORGHANS

, DUCKWORTH

A L

, HECKMAN

J J

, et al. The economics and psychology of personality traits[J]. Journal of Human Resource, 2008, 43(4): 972-1059.

[6]

DIGMAN

J M

. Personality structure: emergence of the five-factor model[J]. Annual Review of Psychology, 1990, 41: 417-440.

[7]

YOUNG

, COLIN

. COLIN G. The big five model remains a good choice for personality theory and research[J]. European Journal of Personality, 2020, 34(4): 520-521.

[8]

王勇. 中小企业数字化转型动力机制研究——基于技术接受模型(TAM)视角[J]. 财会通讯, 2024(16): 155-160.

[9]

郑烨, 鲁瑞雪, 李娜. 基于TAM视角的公共政策场景化在线教学平台的教学满意度研究[J]. 高等理科教育, 2024(4): 65-76.

[10]

吴峥. TAM模型下测评类短视频对用户消费行为的影响[J]. 黑龙江科学, 2024, 15(3): 156-158.

[11]

姚乐野, 张钰鑫, 吴茜. 用户人格特质对互联网信息采纳行为的影响研究[J]. 图书情报工作, 2022, 66(24): 30-38.

[12]

姜泽. 用户人格特质对移动游戏用户信息分享行为的影响研究[D]. 长春: 吉林财经大学, 2022.

[13]

杨晓敏. 大五人格特质对虚拟学习社区知识共享意愿的影响研究[D]. 曲阜: 曲阜师范大学, 2022.

[14]

李晓科. 大五人格视角下互联网医疗平台使用意愿及其优化路径——基于技术接受模型(TAM)[D]. 西安: 西北大学, 2022.

[15]

王孟成, 戴晓阳, 姚树桥. 中国大五人格问卷的初步编制Ⅰ: 理论框架与信度分析[J]. 中国临床心理学杂志, 2010, 18(5): 545-548.

[16]

罗杰, 戴晓阳. 中文形容词大五人格量表的初步编制Ⅳ: 简式版的研制[J]. 中国临床心理学杂志, 2018, 26(4): 642-646.

[17]

SOHAIB

, QIAO

, XIN

. Digital students’ satisfaction with and intention to use online teaching modes, role of big five personality traits[J]. Frontiers in Psychology, 2022, 13: 1-14.

2025年第25卷第2期

PDF下载

293

145

引用本文

BibTeX

文章信息

接收时间：2024-08-09
首发时间：2025-07-21
出版时间：2025-01-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-08-09

基金

作者信息

北京信息科技大学管理科学与工程学院, 北京 100192

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1153982215038951507

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

待处理原始数据	对数据进行分词与词性标注
很好的App,身边朋友都在用,非常好用的软件	很好的/a,APP/n,身边/n朋友/n都/d在用/v,非常/a好用/a软件/n
非常好的,真心觉得是一个很好的软件,所以义无反顾地推荐给大家	非常/a好/a的/uj,真心/x觉得/v是/v一个/m很好/a的/uj软件/n,/x所以/u义无反顾/a的/uj推荐/v给/u大家/n
从内容的广度和深度来看,背后开发的团队绝对付出了很大的血本,会一如既往地支持。好用	从/u内容/n的/uj广度/a和/p深度/a来/u看/v,/x背后/n开发/n的/uj团队/n绝对/u付出/v了/u很大/a的/uj血本/n,/x会一如既往/a的/uj支持/v。/x好/a用/n
用的方便!不错好用	用/v的/u方便/a !/x不错/a好/a用/v./x
?字太小,看着费劲,删除	?/x字/n太小/a,/x看着/v费劲/a,/x删除/v

待处理原始数据

对数据进行分词与词性标注

很好的App,身边朋友都在用,非常好用的软件

很好的/a,APP/n,身边/n朋友/n都/d在用/v,非常/a好用/a软件/n

非常好的,真心觉得是一个很好的软件,所以义无反顾地推荐给大家

非常/a好/a的/uj,真心/x觉得/v是/v一个/m很好/a的/uj软件/n,/x所以/u义无反顾/a的/uj推荐/v给/u大家/n

从内容的广度和深度来看,背后开发的团队绝对付出了很大的血本,会一如既往地支持。好用

从/u内容/n的/uj广度/a和/p深度/a来/u看/v,/x背后/n开发/n的/uj团队/n绝对/u付出/v了/u很大/a的/uj血本/n,/x会一如既往/a的/uj支持/v。/x好/a用/n

用的方便!不错好用

用/v的/u方便/a !/x不错/a好/a用/v./x

?字太小,看着费劲,删除

?/x字/n太小/a,/x看着/v费劲/a,/x删除/v

指标	特征词
开放性	喜欢\渴望\使用\更新\交互
责任心	靠谱\真实\反映\信任\谈论
外向性	推荐\朋友\家人\社交\自由选择
宜人性	个性化\情不自禁\决定\适合
神经质	情绪化\着迷\喜欢\删除\卸载
有用性	平台\有用\忠诚\经常使用\有帮助
易用性	容易\方便\简单\上手\操作
满意度	好用\满意\给力\不错\垃圾

指标

特征词

开放性

喜欢\渴望\使用\更新\交互

责任心

靠谱\真实\反映\信任\谈论

外向性

推荐\朋友\家人\社交\自由选择

宜人性

个性化\情不自禁\决定\适合

神经质

情绪化\着迷\喜欢\删除\卸载

有用性

平台\有用\忠诚\经常使用\有帮助

易用性

容易\方便\简单\上手\操作

满意度

好用\满意\给力\不错\垃圾

指标	特征词
开放性	渴望\使用\更新\交互\期待\技术\评论\推荐\体验\信息
责任心	靠谱\真实\反映\信任\谈论\态度\帮助\放心\质量\骗人
外向性	推荐\朋友\家人\社交\自由选择\方式\申请\同事\验证\加入
宜人性	个性化\情不自禁\决定\适合\强制\隐私\感受\人性化\符合\使用
神经质	影响\情绪化\着迷\喜欢\删除\卸载\无语\反馈\理解\拒绝
感知有用性	平台有用\忠诚\经常使用\有帮助\支持\使用\版本\界面\决定\推荐
感知易用性	容易\方便\简单\上手\操作\字体\界面\闪退\页面\难
系统满意度	好用\满意\给力\不错\垃圾\好评\赞\投诉\坑\专业

指标

特征词

开放性

渴望\使用\更新\交互\期待\技术\评论\推荐\体验\信息

责任心

靠谱\真实\反映\信任\谈论\态度\帮助\放心\质量\骗人

外向性

推荐\朋友\家人\社交\自由选择\方式\申请\同事\验证\加入

宜人性

个性化\情不自禁\决定\适合\强制\隐私\感受\人性化\符合\使用

神经质

影响\情绪化\着迷\喜欢\删除\卸载\无语\反馈\理解\拒绝

感知有用性

平台有用\忠诚\经常使用\有帮助\支持\使用\版本\界面\决定\推荐

感知易用性

容易\方便\简单\上手\操作\字体\界面\闪退\页面\难

系统满意度

好用\满意\给力\不错\垃圾\好评\赞\投诉\坑\专业

测量变量	编号	指标	参考文献
神经质	1	在线声誉系统容易影响到我的个人情绪	Sohaib等^[17]
2	在线声誉系统并不让我着迷
3	在线声誉系统会影响我的最终决定
4	如果我的朋友/家人不使用线声誉系统,我也不会使用
外向性	5	我会经常和我的朋友/家人谈起在线声誉系统	Sohaib等^[17]
6	我可以说服我的朋友选择在线声誉系统
7	我对在线声誉系统很有信心
8	获取消息时我会首先想到在线声誉系统
开放性	9	我渴望去使用在线声誉系统	Sohaib等^[17]
10	我重视声誉系统中的交互功能
11	使用在线声誉系统令人兴奋
12	在线声誉系统是体验新技术和有用技术的来源
责任心	13	我可以自由地对在线声誉系统做出决定	Sohaib等^[17]
14	我可以决定我是否需要用到在线声誉系统
15	声誉系统可以真实反映情况
16	我很信任声誉系统
宜人性	17	如果我善于使用在线声誉系统,将为我有需要的朋友提供帮助	Sohaib等^[17]
18	如果我喜欢这个在线声誉系统就会做出决定
19	我很在意在线声誉系统对于个人隐私的管理
20	使用声誉系统时我会照顾到他人感受
感知有用性	21	在线声誉系统的功能对我有帮助	根据前文筛选
22	使用在线声誉系统可以帮助我获得更多的信息
感知易用性	23	我更倾向使用操作便捷的声誉系统	根据前文筛选
24	我觉得声誉系统的使用很容易学习
系统满意度	25	我将在未来继续使用声誉系统	Sohaib等^[17]
26	我将向他人推荐使用声誉系统

测量变量

编号

指标

参考文献

神经质

在线声誉系统容易影响到我的个人情绪

Sohaib等^[17]

在线声誉系统并不让我着迷

在线声誉系统会影响我的最终决定

如果我的朋友/家人不使用线声誉系统,我也不会使用

外向性

我会经常和我的朋友/家人谈起在线声誉系统

Sohaib等^[17]

我可以说服我的朋友选择在线声誉系统

我对在线声誉系统很有信心

获取消息时我会首先想到在线声誉系统

开放性

我渴望去使用在线声誉系统

Sohaib等^[17]

我重视声誉系统中的交互功能

使用在线声誉系统令人兴奋

在线声誉系统是体验新技术和有用技术的来源

责任心

我可以自由地对在线声誉系统做出决定

Sohaib等^[17]

我可以决定我是否需要用到在线声誉系统

声誉系统可以真实反映情况

我很信任声誉系统

宜人性

如果我善于使用在线声誉系统,将为我有需要的朋友提供帮助

Sohaib等^[17]

如果我喜欢这个在线声誉系统就会做出决定

我很在意在线声誉系统对于个人隐私的管理

使用声誉系统时我会照顾到他人感受

感知有用性

在线声誉系统的功能对我有帮助

根据前文筛选

使用在线声誉系统可以帮助我获得更多的信息

感知易用性

我更倾向使用操作便捷的声誉系统

根据前文筛选

我觉得声誉系统的使用很容易学习

系统满意度

我将在未来继续使用声誉系统

Sohaib等^[17]

我将向他人推荐使用声誉系统

取样足够度的Kaiser-Meyer-Olkin度量	0.827
Bartlett的球形度检验	近似卡方	1 804.653
df	435
Sig.	0

取样足够度的Kaiser-Meyer-Olkin度量

0.827

Bartlett的球形度检验

近似卡方

1 804.653

435

Sig.

变量	神经质	外向性	开放性	责任心	宜人性	感知有用性	感知易用性	系统满意度
神经质	1
外向性	0.461^**	1
开放性	0.323^**	0.643^**	1
责任心	0.403^**	0.657^**	0.614^**	1
宜人性	0.304^**	0.520^**	0.657^**	0.724^**	1
感知有用性	0.518^**	0.598	0.631^**	0.665^**	0.641^**	1
感知易用性	0.453^**	0.411	0.527^**	0.621^**	0.627^**	0.700^**	1
系统满意度	0.514^**	0.595^*	0.604^**	0.625^**	0.568^**	0.683^**	0.661^**	1

变量

神经质

外向性

开放性

责任心

宜人性

感知有用性

感知易用性

系统满意度

神经质

外向性

0.461^**

开放性

0.323^**

0.643^**

责任心

0.403^**

0.657^**

0.614^**

宜人性

0.304^**

0.520^**

0.657^**

0.724^**

感知有用性

0.518^**

0.598

0.631^**

0.665^**

0.641^**

感知易用性

0.453^**

0.411

0.527^**

0.621^**

0.627^**

0.700^**

系统满意度

0.514^**

0.595^*

0.604^**

0.625^**

0.568^**

0.683^**

0.661^**

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.527	0.353		1.492	0.000
神经质	-0.026	0.090	-0.019	-0.293	0.047	0.994	1.006
外向性	0.178	0.093	0.176	1.912	0.059	0.472	2.120
开放性	0.221	0.099	0.213	2.238	0.027	0.442	2.263
责任心	0.307	0.127	0.254	2.420	0.017	0.366	2.734
宜人性	0.261	0.115	0.226	2.251	0.026	0.399	2.509

变量

非标准化系数

标准系数

Sig.

共线性统计量

标准误差

容差

VIF

常数项

0.527

0.353

1.492

0.000

神经质

-0.026

0.090

-0.019

-0.293

0.047

0.994

1.006

外向性

0.178

0.093

0.176

1.912

0.059

0.472

2.120

开放性

0.221

0.099

0.213

2.238

0.027

0.442

2.263

责任心

0.307

0.127

0.254

2.420

0.017

0.366

2.734

宜人性

0.261

0.115

0.226

2.251

0.026

0.399

2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	1.086	0.359	—	3.028	0.003	—	—
神经质	-0.035	0.092	-0.027	-0.381	0.004	0.994	1.006
外向性	0.082	0.095	0.088	-0.870	0.086	0.472	2.12
开放性	0.155	0.100	0.162	1.546	0.025	0.442	2.263
责任心	0.397	0.129	0.353	3.072	0.003	0.366	2.734
宜人性	0.332	0.117	0.312	2.831	0.006	0.399	2.509

变量

非标准化系数

标准系数

Sig.

共线性统计量

标准误差

容差

VIF

常数项

1.086

0.359

—

3.028

0.003

—

神经质

-0.035

0.092

-0.027

-0.381

0.004

0.994

1.006

外向性

0.082

0.095

0.088

-0.870

0.086

0.472

2.12

开放性

0.155

0.100

0.162

1.546

0.025

0.442

2.263

责任心

0.397

0.129

0.353

3.072

0.003

0.366

2.734

宜人性

0.332

0.117

0.312

2.831

0.006

0.399

2.509

变量	非标准化系数	标准系数	t	Sig.	共线性统计量
常数项	0.645	0.28	—	2.305	0.023	—	—
感知有用性	0.413	0.086	0.431	4.801	0	0.51	1.963
感知易用性	0.371	0.093	0.359	3.996	0	0.51	1.963

变量

非标准化系数

标准系数

Sig.

共线性统计量

标准误差

容差

VIF

常数项

0.645

0.28

—

2.305

0.023

—

感知有用性

0.413

0.086

0.431

4.801

0.51

1.963

感知易用性

0.371

0.093

0.359

3.996

0.51

1.963