由傳統(tǒng)圖書館到數(shù)字圖書館的用戶轉移行為研究
——以大學生用戶為例

徐孝娟 孫霄凌 彭希羨 朱慶華

（1．南京大學信息管理學院 江蘇南京 210093）

（2.南京大學工程管理學院 江蘇南京 210093）

泛在學習環(huán)境的到來使得圖書館資源公共獲取的理念得到進一步轉變，用戶可以隨時隨地獲取服務資源。圖書館作為網(wǎng)絡時代用戶獲取信息和文獻知識的重要途徑，用戶不再僅通過傳統(tǒng)圖書館或數(shù)字圖書館來獲取資源，而是通過在傳統(tǒng)圖書館和數(shù)字圖書館之間轉換，互相補充利用。即從傳統(tǒng)的“純屏”單一渠道，轉向到“多屏”之間轉換使用（如傳統(tǒng)圖書館到WEB端、移動端等）。

由此說明在數(shù)字圖書館采納、持續(xù)使用等行為之前，是一種轉移行為，而現(xiàn)有文獻多局限于傳統(tǒng)圖書館或數(shù)字圖書館單一服務的使用行為研究，忽視從傳統(tǒng)圖書館到數(shù)字圖書館服務之間的轉移行為研究。因此，本文的問題是研究用戶從傳統(tǒng)圖書館轉向數(shù)字圖書館的影響動因，了解影響圖書館用戶轉移行為的各類因素。

1 相關研究述評

早在20世紀90年代中期，市場營銷學的學者就開始關注商業(yè)情景下的用戶轉移行為。隨著在線服務活動的盛行，研究者開始關注線下到線上服務的客戶轉移行為，即從物理世界（線下）到虛擬世界（線上）的研究，對象以銀行及商店為主。如Lee等研究了線下銀行轉向線上銀行的影響要素，認為線下和線上具有替代影響作用，結果表明：感知有用性和感知易用性、線下信任等對轉移行為有積極的影響；線下忠誠度和轉移成本等對轉移行為有負面的影響；自我效能感對轉移意圖有調(diào)節(jié)作用。Scarpi和Pizzi分析了口碑對線上和線下購物的影響。近年來隨著Web2.0技術的應用，學者則開始關注社會化媒體的用戶轉移行為。

圖書館學領域的文獻多關注數(shù)字圖書館用戶的采納和持續(xù)使用行為研究，對用戶轉移行為關注不夠，且現(xiàn)有相關研究多以TAM（Technology Acceptance Model，技術接受模型）為理論框架，TAM是一個解釋或預測信息技術使用的普適模型，而用戶的轉移行為是發(fā)生在用戶使用或接受數(shù)字圖書館之前的行為策略，因此該理論不適用于用戶的轉移行為研究。因此，對圖書館用戶轉移行為的研究尚有待擴展（見圖1）。本研究引入移民學中的PPM（Push-Pull-Mooring）框架，基于對大學生用戶的深度訪談，萃取出用戶轉移動因要素，并由此基礎上構建了圖書館用戶轉移行為模型。

圖1 線下和線上間研究GAP

2 研究方案

本研究目的在于識別大學生用戶轉移到數(shù)字圖書館的主要影響因素。現(xiàn)有獲取影響因素的方法主要有通過文獻歸納及訪談等方法，鑒于目前相關研究文獻數(shù)量較少而不適合采用歸納方法，故本研究采取訪談概括影響因素，在此基礎上構建圖書館用戶轉移行為模型。研究步驟為首先利用攀梯法開展開放式訪談和訪談要素的識別，進而基于PPM理論框架構建大學生用戶圖書館轉移行為模型。

2.1 攀梯法

1982年，Gutman首次提出了基于手段—目的的收集方法，即攀梯法。目前，攀梯法主要是用于衡量顧客—目的的一種測量方法。Botschen等認為消費者購買某種產(chǎn)品其實是購買產(chǎn)品的屬性（Attributes，A），通過對產(chǎn)品屬性的使用，獲得自身在情感或功能上的結果（Consequences，C），最終達到更深層次的某種價值（Values，V）。攀梯法作為一種定性的技術手段，已經(jīng)成功的應用到相關的學術研究和實際的操作中。這種方法通過對被訪談法的一系列深入引導，訪談者能夠在最終發(fā)現(xiàn)被訪談者的心理屬性、結果、價值。同時攀梯法要求不少于20位訪談用戶。較其他訪談方法，攀梯法有兩個典型步驟：一是要素的引導—攀梯訪談；二是對資料進行分析。訪談采用一對一的深度訪談，主要運用直接詢問作為訪談方式。形式上為“為什么這個對你來說是最重要的”，并針對每次獲取的訪談結果再重復上述問題，操作性強的同時，可以引導用戶訪談問題的深入，直到用戶回答“我不清楚”或是“我認為就是這樣子的”為止。同時，對訪談資料進行收集、整理和分析時，有目的性的獲取屬性、結果及價值三類要素，獲取要素的目的性較為明確。

2.2 PPM理論框架

PPM理論是人類遷移研究中的基礎框架模型，常被應用于市場營銷學、信息系統(tǒng)等領域的研究中。PPM理論是一種研究消費者動機和消費者行為關系的有效理論，從Push-Pull-Mooring三個角度來探尋影響消費者消費行為的因素。Push（推）因素被稱為壓力源，即推動因素，被定義負面的因素驅動用戶離開原始地方，如當?shù)刭Y源的下降、失去工作以及缺乏個人發(fā)展機會等。Pull（拉）因素被稱為吸引力因素，即拉力因素，吸引人們遷徙到新的地方，吸引的因素可能包括雇傭機會、高的收入等；有時候推力和拉力作用都很強大，如同樣生活在某一地區(qū)的一群人，受到來自遷出地推力和遷入地拉力的影響相同，但有的人會遷徙，有的不會。Lee指出這是由于環(huán)境限制，Moon將Mooring錨定因素引入到推拉理論，其內(nèi)涵是讓潛在的移民在原地不遷徙或促進遷移到一個新的目的地的成本、個人及社會因素等。

營銷學和信息系統(tǒng)領域的學者已將PPM框架引入到轉移行為研究中，代表性文獻如Bansal等基于698個來自于汽車修理和發(fā)型設計服務用戶，利用PPM模型探尋了消費者在不同服務商之間的轉移行為影響因素。Hsieh等對319個在線服務的使用用戶進行有效訪談，利用PPM構建影響因素模型，其中Pull的二級指標包括享樂、有用性和易用性；Push的二級指標包括弱的聯(lián)系性，寫的擔憂；Mooring包括轉移成本和過去經(jīng)驗等要素。賈雷等基于該模型探尋了消費者從離線渠道遷徙到在線渠道的影響因素，其中Push作用包括離線渠道的特征價格因素以及消費者自身特征自我效能；Pull作用包括在線渠道的特征搜索便利性以及消費者自身特征網(wǎng)絡經(jīng)驗；Mooring作用包括消費者感知遷徙成本和主觀規(guī)范。

圖書館的服務宗旨決定其轉移行為不同于市場營銷學和信息系統(tǒng)領域，但市場營銷和信息系統(tǒng)領域中有關用戶轉移行為的理論及方法值得圖書館領域借鑒。因此本研究將PPM引入到圖書館用戶轉移行為的模型構建中。

3 基于攀梯法的影響因素獲取

3.1 訪談樣本

本次訪談的用戶為在讀大學生（樣本分布見表1）。共深入訪談98人，其中有效訪談語料為89人，最終訪談調(diào)研的時間從2014年3月2日到2014年4月6日截止，每個訪談者的訪談持續(xù)時間為40～90分鐘。

表1 訪談樣本分布

3.2 訪談過程

借鑒Botschen等的觀點，本研究認為用戶轉移到數(shù)字圖書館的原因是對產(chǎn)品各項屬性使用后，獲得自身在情感或功能上的結果，最終達到更深層次的某種價值的行為。獲取的屬性、結果及價值恰是需要抽取的轉移因素。本研究中主要用攀梯法完成對訪談的深入及用戶轉移要素獲取（具體樣例見表2）。

表2 受訪者甲的訪談記錄及抽取的要素

3.3 要素獲取

對各訪談者萃取的要素合并，同時高度凝練各要素內(nèi)涵，最終獲取55個轉移要素。為了得到影響大學生轉移行為的核心要素，本研究根據(jù)Botschen等認為“如果構念由三分之一的受訪者提及，就可保留該構念，否則就刪除該構念”的理念獲取最終構念，本研究中29名及以上受訪者提到的構念即保留，共14個要素。同時對14個要素按相關性進行維度劃分，共6個維度（見表3）。

表3 大學生用戶轉移行為影響因素

同時筆者發(fā)現(xiàn)不同學科及學歷背景的受訪者表現(xiàn)出的轉移行為不同（學科界別上參見“學位授予和人才培養(yǎng)學科目錄”；理學和工學界定為理科，其余均為文科）。上述89位訪談者中，理科和文科訪談人數(shù)的轉移所占比例分別為 85.1%（46人）、74.41%（43人），本科、研究生及博士選擇轉移的比例分別為73.5%、79.3%及92.3%。同時，將這兩個因素歸為個體相關因素維度。

綜上所述，本研究共抽取7個維度，16個要素。其中個體相關因素包括學科屬性和學歷屬性；感知便利性包括節(jié)約費用、攜帶方便、閱讀便捷、檢索快捷、更新即時；替代品資源豐富；科研感知效用；線下使用習慣；外部環(huán)境因素包括電子辦公環(huán)境、快節(jié)奏生活、技術的改變及保護環(huán)境意識；轉移成本。由表3可以看出：

（1）在感知便利性維度，數(shù)字圖書館的攜帶方便、閱讀便捷和檢索快捷是大學生用戶轉移行為提到要素頻率最高的三個因素；

（2）7個維度中，替代品資源豐富和科研感知效用被大學生提到的評論也較高，說明這兩個維度對大學生用戶轉移行為具有較高的影響；

（3）外部環(huán)境因素維度，快節(jié)奏生活和技術改變是該維度頻率最高的，同時值得注意的是該維度的保護環(huán)境意識要素的頻率為47，這說明新時期的大學生對保護環(huán)境的意識較強。

4 基于PPM框架的圖書館用戶轉移行為模型研究

本文基于攀梯法從屬性、結果及價值全方面識別了圖書館用戶轉移的影響因素，要素階段共獲取七個維度的大學生用戶轉移影響因素，經(jīng)過對這些影響因素的分類，發(fā)現(xiàn)PPM框架中三個層面的概念推動因素（Push）、拉動因素（Pull）和鎖定因素（Mooring）可以較好的涵蓋本文所發(fā)現(xiàn)的影響因素。將7個變量的解釋與PPM三個維度的內(nèi)涵進行比對（見表4），可以發(fā)現(xiàn)：傳統(tǒng)圖書館科研感知效用降低是驅動用戶離開傳統(tǒng)圖書館的原因，故屬于推動因素維度；數(shù)字圖書館的感知便利性和替代品資源豐富是吸引力因素，是用戶轉移到數(shù)字圖書館的原因，故屬于拉動因素；而傳統(tǒng)圖書館使用習慣、外部環(huán)境因素、轉移成本及個體相關因素屬于個人及社會因素以及成本等，故屬于錨定因素。因此可以構建基于PPM框架構建大學生用戶的圖書館轉移行為整合模型（見圖2）。

表4 模型相關變量定義

圖2 大學生用戶的圖書館轉移行為整合模型

4.1 推動維度

傳統(tǒng)圖書館科研感知效用為推動（Push）維度主要影響因子。感知效用變量以期望理論和動機理論為基礎，認為個體根據(jù)潛在利益評價自身行為，是個體相信使用信息系統(tǒng)將增加或降低工作績效的程度。現(xiàn)有系統(tǒng)的感知效用和使用行為意圖之間存在正向關系。在大學生用戶的實際訪談調(diào)研中，89個用戶共有71個提及使用傳統(tǒng)圖書館不能提高科研效率，認為傳統(tǒng)圖書館科研感知效用變低是影響其轉移到數(shù)字圖書館的重要因素。因此本文提出如下假設：

H1：傳統(tǒng)圖書館科研感知效用負向影響大學生用戶的轉移意向

4.2 拉動維度

（1）數(shù)字圖書館感知便利性。隨著網(wǎng)絡的普及，數(shù)字圖書館可以滿足用戶隨時隨地尋找并使用所需要的資源，檢索更加高效便捷，不用擔心人為導致書籍內(nèi)容缺失及損壞問題等，因而可以減少用戶時間、花費及心理成本等。同時，在大學生用戶的實際訪談調(diào)研中，89個用戶共有均約73個認為使用數(shù)字圖書館帶來的便利性是影響其轉移行為的重要因素。借鑒鄭冉冉和宋澤、雷杰等研究結果，本文提出如下假設：

H2：數(shù)字圖書館的感知便利性正向影響大學生用戶的轉移意向

（2）替代品資源豐富。Kim等在研究Email服務時，發(fā)現(xiàn)替換品吸引力對用戶的轉移行為意向有直接影響。Zhang等在研究博客用戶的轉移行為時指出替換品吸引力直接影響博客轉移行為。而替代品資源豐富是替代品吸引力的重要要素，認為替代品資源豐富正向影響轉移行為。同時，在大學生用戶的實際訪談調(diào)研中，89個用戶有79個用戶認為數(shù)字圖書館的資源豐富是其從傳統(tǒng)圖書館遷徙的重要原因。因此本文提出如下假設：

H3：替代品資源豐富程度正向影響大學生用戶的轉移意向

4.3 錨定維度

（1）傳統(tǒng)圖書館使用頻率。信息系統(tǒng)領域的研究開始關注無意識的因素—習慣（使用頻率）對持續(xù)使用行為的影響。在大學生用戶的實際訪談調(diào)研中，89個用戶中超過一半的用戶（46個用戶）認為當長期使用傳統(tǒng)圖書館時，對數(shù)字圖書館使用會排斥。借鑒Jolley等及 Bhattacherjee 等的研究，本文提出如下假設：

H4：傳統(tǒng)圖書館使用頻率負向影響大學生用戶的轉移意向

（2）外部環(huán)境因素。在實際訪談調(diào)研中，大學生用戶認為快節(jié)奏的現(xiàn)代生活，使得人們變得非常浮躁，很少能夠靜下心來閱讀紙質的書本，所以會越來越多的轉向數(shù)字資源；且技術變革帶來的電子書、智能手機等便攜設備的發(fā)展，以及當代大學生對保護環(huán)境意識的提升，均促進其轉移到數(shù)字圖書館。從表3數(shù)據(jù)不難發(fā)現(xiàn)，89個用戶中均約為60個用戶認為外部環(huán)境因素層面的壓力越大，其更喜歡使用數(shù)字圖書館。其中大學生用戶認為快節(jié)奏生活和技術的改變是該維度最重要的兩個因素，其次為電子辦公環(huán)境和保護環(huán)境意識。歸納周靜和李季、吳利明等的研究，本文提出如下假設：

H5：外部環(huán)境因素壓力正向影響大學生用戶的轉移意向

（3）轉移成本。轉移成本是一個限制用戶從一個服務商自由的轉移到另外一個服務商的變量。隨著轉移成本的增加，客戶去改變使用現(xiàn)有服務商的意愿會降低。在博客服務中，當用戶在轉移到其他博客面臨付出巨大的成本時，一般會選擇繼續(xù)使用現(xiàn)有的博客。在大學生用戶的實際訪談調(diào)研中，訪談者認為學習使用數(shù)據(jù)庫的成本和使用電子資源的成本是影響其轉向數(shù)字圖書館的重要因素。因此本文提出如下假設：

H6：轉移成本負向影響大學生用戶的轉移意向

（4）個體相關因素。筆者在基于訪談資料萃取大學生轉移到數(shù)字圖書館的要素時，發(fā)現(xiàn)不同的學科屬性及學歷屬性用戶的對轉移行為的影響程度不同。學科屬性上理工科比文科易發(fā)生轉移行為，偏向文史類研究的學生越易使用傳統(tǒng)圖書館，其中部分文獻也認為學科背景對用戶的使用行為有影響，認為自然科學和人文社科兩類學科領域用戶的使用行為不同。在訪談統(tǒng)計中筆者也發(fā)現(xiàn)學歷越高越容易發(fā)生轉移行為，即博士比碩士、碩士比本科使用數(shù)字圖書館的頻率更高。賴茂生和屈鵬在分析用戶對網(wǎng)絡搜索中語言使用行為的影響因素時，發(fā)現(xiàn)使用列聯(lián)表卡方檢驗發(fā)現(xiàn)學歷對用戶語言使用行為有影響。考慮到個體相關因素無法統(tǒng)一到一個假設中，故本文分開提出如下假設：

H7a：學科背景影響大學生用戶的轉移意向

H7b：學歷正向影響大學生用戶的轉移意向

5 結語

從傳統(tǒng)圖書館到數(shù)字圖書館使用的研究文獻來看，用戶行為研究是圖書館研究的重要內(nèi)容，其中轉移行為的研究尚有很大空間。本研究主要從移民學PPM的視角來解釋圖書館用戶轉移的主要要素并在此基礎上提出了框架性主成分因子的實證模型。在今后的研究中，我們需要利用實證模型開展相關的研究，檢驗本文提出的若干假設。并有針對性的研究不同類型用戶的轉移行為因素，特別是弱勢群體用戶將是今后關注的重點。

［1］Lee K W， Tsai M T， Lanting M CL.From marketplace to marketspace：Investigating the consumer switch to online banking［J］.Electronic Commerce Research and Applications， 2011， 10（1）： 115-125.

［2］Scarpi D， Pizzi G， Visentin M.Shopping for fun or shopping to buy： Is it different online and offline?［J］.Journal of Retailing and Consumer Services， 2014， 21（3）： 258-267.

［3］Zhang K Z K， Lee M K O， Cheung CM K， et al.Un derstanding the role of gender in bloggers'switching be havior［J］.Decision Support Systems，2009，47（4）：540-546.

［4］Wu Y L， Tao Y H， Li CP， et al.User-switching be havior in social network sites：A model perspective with drill-down analyses［J］.Computers in Human Behavior，2014，（33）： 92-103.

［5］Miller J， Khera O.Digital Library adoption and the technology acceptance model：A cross-country analysis［J］.The Electronic Journal of Information Systems in Developing Countries， 2010， （40）： 102-107.

［6］Kim Y M.The adoption of university library Web site resources：A multigroup analysis［J］.Journal of the Amer ican Society for Information Science and Technology，2010， 61（5）： 978-993.

［7］嚴安，嚴亞蘭.高校圖書館電子資源持續(xù)使用意愿影響因素實證研究［J］.圖書館論壇，2013，33（3）：43-50.

［8］鄧李君，楊文建.大學生使用移動圖書館的行為持續(xù)性的影響因素分析及對策研究——基于擴展持續(xù)使用模型［J］.圖書館論壇， 2014， 34（2）： 63-68.

［9］Davis F D.Perceived usefulness， perceived ease of use，and user acceptance of information technology ［J］.MIS quarterly，1989，13（3）：319-340.

［10］Gutman， J.A Means-End Chain Model Based on Cons umer Categorization Processes［J］.The Journal of Mar keting，1982，46（2）：60-72.

［11］Botschen， G， Thelen， E M， Pieters， R.Using Means-End Structures for Benefit Segmentation：An Applica tion to Services［J］.European Journal of Marketing， 1999，33（1）：38-58.

［12］Reynolds，TJ， Gutman， J.Laddering Theory， Method，Analysis， and Interpretation ［J］.Journal of advertising research， 1988， 28（1）：11-31.

［13］Bansal H S， Taylor S F， James Y S. “Migrating” to new service providers：Toward a unifying framework of consumers’ switching behaviors ［J］.Journal of the A cademy of Marketing Science， 2005， 33（1）： 96-115.

［14］Lee E S.A theory of migration［J］.Demography， 1966，3（1）： 47-57.

［15］Moon B.Paradigms in migration research： exploring“moorings”as a schema ［J］.Progress in Human Geog raphy， 1995， 19（4）： 504-524.

［16］Stimson RJ， McCrea R.A push-pull framework for modelling the relocation of retirees to a retirement vil lage： The Australian experience ［J］.Environment and Planning A， 2004， 36（8）： 1451-1470.

［17］Hsieh JK， Hsieh Y C， Chiu H C， et al.Post-adoption switching behavior for online service substitutes：A perspective of the push-pul-mooring framework ［J］.Computers in Human Behavior，2012，28（5）：1912-1920.

［18］周星，韋荷琳.消費者渠道遷徙行為影響因素研究［J］.現(xiàn)代市場營銷，2012，（2）：18-25.

［19］鄭冉冉，宋澤.網(wǎng)上購物意圖影響因素實證研究［J］.商業(yè)經(jīng)濟與管理， 2007，（7）：55-61.

［20］雷杰.享樂主義購物價值與網(wǎng)絡購物行為意向的關系研究［D］.重慶：西南交通大學，2008.

［21］Kim G， Shin B， Lee H G.A study of factors that affect user intentions toward email service switching ［J］.Information&Management，2006，43（7）：884-893.

［22］Limayem M， Hirt S G， Cheung CM K.Habit in the Context of IS Continuance：Theory Extension and Scale Development［C］．Proceedings of the Eleventh European Conference on Information Systems，Naples，Italy，2003.

［23］Jolley B， Mizerski R， Olaru D.How habit and satis faction affects player retention for online gambling［J］.Journal of Business Research， 2006， 59（6）： 770-777.

［24］Bhattacherjee A， Limayem， M， Cheung， CM.User Switching of Information Technology：A Theoretical Synthesis and Empirical Test Research［J］.Information&Management， 2012，（49）：327-333.

［25］周靜，李季.從人口統(tǒng)計特征和生活方式探討SNS社交網(wǎng)站用戶的使用行為及其活躍度［J］.科技與管理，2011，13（2）：72-77.

［26］吳利明，張慧，楊秀丹.基于TAM與TTF模型構建高校教師信息使用行為影響模型［J］.情報理論與實踐，2011，34（5）：78-81.

［27］Anderson E W， Sullivan M W.The antecedents and consequences of customer satisfaction for firms ［J］.Marketing Science， 1993， 12（2） ：125-143.

［28］Ahn JH， Han S P， Lee Y S.Customer churn analysis：Churn determinants and mediation effects of partial de fection in the Korean mobile telecommunications ser vice industry［J］.Telecommunications Policy， 2006，30（10）： 552-568.

［29］Hung C， Chiu Y C， Hsieh JR， et al.The challenge for multichannel services：Cross-channel free-riding behavior［J］.Electronic Commerce Research and Applic ations， 2011， 10（2）： 268-277.

［30］Hsieh JK， Hsieh Y C， Chiu H C， et al.Post-adoption switching behavior for online service substitutes：A perspective of the push–pull–mooring framework［J］.Computers in Human Behavior， 2012， 28 （5）： 1912-1920.

［31］徐美鳳.不同學科學術社區(qū)知識共享行為影響因素對比分析［J］.情報雜志，2011，30（11）：134-139.

［32］賴茂生，屈鵬.用戶自然和社會屬性對網(wǎng)絡搜索中語言使用行為的影響 ［J］.現(xiàn)代圖書情報技術，2008，（7）：54-59.