基于IAM-I模型的在線閱讀社區(qū)評論有用性研究

余俊橙 李梓奇

摘要：[目的/意義]在線評論是閱讀社區(qū)用戶知識交流的重要載體，為幫助閱讀社區(qū)更好地完善評論系統(tǒng)和提高書評有用性，探索在線互動在圖書評論有用性中的中介作用，有助于進一步挖掘在線評論的價值。[方法/過程]以IAM模型為基礎(chǔ)，構(gòu)建IAM-I在線閱讀社區(qū)評論有用性影響因素模型，采用OLS回歸和Bootstrap中介檢驗，探討評論信息特征和評論者特征對評論有用性的作用機制以及在線互動的中介效應(yīng)。[結(jié)果/結(jié)論]研究發(fā)現(xiàn)，評論信息特征和評論者特征能夠影響在線互動，在線互動在文本長度特征和評論有用性的作用關(guān)系中發(fā)揮完全中介作用，在評論者特征與評論有用性的作用關(guān)系中發(fā)揮部分中介作用，即在線閱讀社區(qū)可以通過鼓勵在線互動來提高評論有用性。

關(guān)鍵詞：評論有用性 ? ?影響因素 ? ?在線互動 ? ?中介 ? ?在線閱讀社區(qū)

分類號：G203

引用格式：余俊橙， 李梓奇. 基于IAM-I模型的在線閱讀社區(qū)評論有用性研究[J/OL]. 知識管理論壇， 2022， 7（1）： 12-23[引用日期]. http：//www.kmf.ac.cn/p/271/.

1 ?引言

在線閱讀社區(qū)作為一種典型的興趣型網(wǎng)絡(luò)社區(qū)，旨在將具有共同閱讀興趣愛好的用戶聚集其中，進行知識的交流與創(chuàng)新，形成一種以“閱讀文化認(rèn)同”為中心的虛擬共同體[1]。在在線閱讀社區(qū)知識互動過程中，伴隨產(chǎn)生了大量的圖書評論，其既反映了用戶關(guān)心哪些讀物、談及哪些話題，同時也表達了用戶對圖書內(nèi)容的心得與見解，具有重要的價值。圖書在線評論有用性是指圖書評論對用戶提高知識水平與認(rèn)知能力的有用程度[2-3]。圖書在線評論有用性越高，在線閱讀社區(qū)的用戶體驗就越高，更能激發(fā)“閱讀文化共同體”的活力。在線評論有用性研究可以幫助用戶快速識別有用的書評信息，降低其搜索成本，從而促進知識交流。目前研究主要集中于商業(yè)社區(qū)評論有用性的研究[4-12]，對在線閱讀社區(qū)評論有用性探究較少，且缺乏對中介變量的研究。找到在線互動這類中介變量，有助于深入了解用戶評論信息處理過程。不僅能拓展閱讀社區(qū)評論有用性的現(xiàn)有理論框架，而且在未來實踐中能對閱讀型社區(qū)未來需提升的維度和發(fā)展方向提供指導(dǎo)作用。信息采納模型（Information Adoption Model， IAM） 認(rèn)為信息質(zhì)量和信息源可信度可以直接影響感知有用性，進而間接影響信息采納，其從信息視角指出兩條路徑，即感知有用性受到信息質(zhì)量和信息源可信度兩方面的影響。但是以IAM模型為基礎(chǔ)的研究僅從評論信息和評論者兩方面考慮評論有用性，缺乏對在線互動信息因素的考慮。在閱讀評論社區(qū)中，在線互動作為社區(qū)中知識流動的媒介，不僅可以拉近用戶和評論者之間的距離，還能通過平臺共享知識信息，有效解決用戶閱讀圖書評論過程中的疑問，加快用戶獲取信息的速度，從而提高在線評論有用性。定位哪些因素對在線互動存在直接影響，有助于平臺建立合理的獎勵機制以鼓勵用戶進行在線互動，進而提高用戶對圖書評論感知有用性。

本文聚焦于閱讀社區(qū)情境，在IAM模型基礎(chǔ)上，構(gòu)建IAM-I模型以探討在線互動對在線有用性的影響。具體而言，本研究試圖探討以下問題：①評論信息特征和評論者特征對在線互動的直接影響;②評論信息特征和評論者特征經(jīng)過在線互動間接影響在線評論有用性的內(nèi)在機制。

2 ?文獻回顧與理論基礎(chǔ)

2.1 ?在線評論有用性影響因素研究

現(xiàn)有關(guān)于在線評論的研究包括商業(yè)情境和非商業(yè)情境下（如問答社區(qū)等） 的研究。研究多從評論信息特征、評論者特征、產(chǎn)品屬性以及平臺操控4個方面進行探索。

評論信息特征主要包括文本外部特征和內(nèi)容特征，其中文本外部特征主要包括文本長度、評論可讀性、評論圖片數(shù)量等，內(nèi)容特征主要包括文本情感傾向、評論豐富度等。K. K. Y. Kuan等研究發(fā)現(xiàn)評論長度和評論可讀性正向影響評論有用性[4]。彭麗徽等認(rèn)為在一定的閾值范圍內(nèi)，圖片的數(shù)量越多，有用性越高[5]。郝媛媛等研究證實在線評論內(nèi)容正向情感傾向越大，評論的有用性越高[2]。陳在飛等發(fā)現(xiàn)信息越豐富的評論，越容易獲得有用投票[6]。評論者特征主要包括評論者聲譽和評論者專業(yè)性。K. K. Y. Kuan等研究發(fā)現(xiàn)包含評論者信譽的評論信息對評論有用性具有正向影響[4]。S. Karimia等證實評論者個人資料圖像對評論有用性具有顯著影響[7]。C. Forman研究發(fā)現(xiàn)評論者個人信息披露對評論有用性有顯著影響[8]。覃亮研究發(fā)現(xiàn)評論者的外向網(wǎng)絡(luò)中心度和內(nèi)向網(wǎng)絡(luò)質(zhì)量正向作用于評論有用性[9]。Z. W. Liu 和 S. Park 經(jīng)過研究證實，專業(yè)性越高的評論者越能發(fā)表更具有用性的信息[10]。現(xiàn)有研究對產(chǎn)品屬性特征主要考慮體驗型和搜索型產(chǎn)品，如張艷輝等研究發(fā)現(xiàn)體驗型產(chǎn)品中，追加評論、賣家回復(fù)對在線評論有用性的作用更加明顯，在搜索型產(chǎn)品中，上傳圖片對在線評論有用性的作用更加明顯[11];王智生等發(fā)現(xiàn)商品類型在商品評論極性對評論有用性投票的影響關(guān)系中起到調(diào)節(jié)作用[12]。此外，還有學(xué)者從用戶對不同品牌聲譽的感知角度對在線評論有用性的影響因素展開研究，如彭麗徽等研究發(fā)現(xiàn)，對于品牌聲譽高的商品，正向評價比負(fù)向評價更有用[5]。還有研究發(fā)現(xiàn)平臺操控也會對在線評論有用性產(chǎn)生影響，其中平臺操控包括直接平臺操控（即電商平臺進行評論推薦）和間接平臺操控（即系統(tǒng)改變評論顯示順序），有研究發(fā)現(xiàn)直接系統(tǒng)操控正向作用于單條評論的有用性，并且由于間接系統(tǒng)操控的存在，使得排在前面而非后面的評論有用性更高[9]。

綜上所述，現(xiàn)有文獻已經(jīng)采用調(diào)查問卷數(shù)據(jù)和二手?jǐn)?shù)據(jù)考察了在線評論有用性的影響因素，但是仍然存在不足之處。①現(xiàn)有文獻借助二手?jǐn)?shù)據(jù)探討了評論有用性影響要素，多數(shù)學(xué)者從產(chǎn)品類型角度來探究其在評論有用性中的調(diào)節(jié)機制[13]，現(xiàn)有文獻已經(jīng)考察了在線互動信息對在線評論有用性的直接影響，但是尚未深入挖掘在線互動信息對在線評論有用性的重要影響機制，探究其在在線評論有用性中的中介效應(yīng)。②現(xiàn)有研究尚未在一個理論框架下，結(jié)合在線互動探討評論信息特征和評論者特征對在線評論有用性的影響效應(yīng)。③現(xiàn)有研究多針對商業(yè)社區(qū)圖書評論進行研究，缺少對閱讀社區(qū)圖書評論有用性的研究，閱讀社區(qū)與商業(yè)社區(qū)的圖書評論不同，商業(yè)社區(qū)圖書評論針對產(chǎn)品外部質(zhì) 量，而閱讀社區(qū)圖書評論針對圖書內(nèi)容質(zhì)量，研究閱讀社區(qū)圖書評論有用性能夠啟發(fā)系統(tǒng)管理者對其中所包含隱形知識的挖掘，提升閱讀社區(qū)質(zhì)量，促進知識交流。

2.2 ?IAM在評論有用性中的相關(guān)研究

IAM模型由S. W. Sussman和W. S. Siegal在2003年提出，該模型認(rèn)為信息質(zhì)量和信息源的可靠性直接影響信息有用性[14]。該模型指出信息質(zhì)量和信息源可信度是說服個人態(tài)度形成和改變的兩種思考路徑，其中，信息質(zhì)量是根據(jù)因果邏輯做出縱深性的推演思考，信息源可信度則主要關(guān)注環(huán)境因素和表征性線索[15]。個體在接收到信息之后，可選擇從信息質(zhì)量路徑或者信息源路徑或者采用兩種路徑結(jié)合的方式，對信息有用性進行判斷?，F(xiàn)有研究大多基于IAM模型，從信息質(zhì)量和信息源可靠性兩方面來研究評論有用性影響因素。S. Karimi等研究發(fā)現(xiàn)在評論特征調(diào)節(jié)下，評論者個人資料圖像對評論有用性具有正面影響[7]。S. S. Zhou等研究評論順序?qū)υu論信息特征和評論者特征的調(diào)節(jié)作用[16]。M. Siering等從評論內(nèi)容相關(guān)信號和評論者相關(guān)信號來探究評論有用性影響[17]。黃衛(wèi)來等基于IAM模型納入應(yīng)用背景因素探究評論有用性影響[18]。殷國鵬等從社會網(wǎng)絡(luò)視角來探討評論本身特征和評論者要素對評論有用性的影響[19]。張艷輝等以IAM為基礎(chǔ)探究信息質(zhì)量對淘寶評論有用性的影響[20]。在線閱讀社區(qū)中，很多用戶都參與圖書評論有用性投票，閱讀社區(qū)用戶進行評論信息處理的過程是典型的信息處理過程，這與IAM模型的應(yīng)用場景基本一致，用戶既可以參考圖書評論的內(nèi)容信息，也可以依據(jù)圖書評論的評論者信息進行分析，進而完成圖書評論有用性投票。但隨著評論系統(tǒng)的完善和在線互動形式的興起，鮮有研究考慮在線互動因素對在線評論的影響，在線互動作為閱讀社區(qū)評論系統(tǒng)中的重要信息，包含大量有價值的知識，對評論有用性有著重要影響，基于此，本研究將探究在線互動在評論信息特征和評論者特征中對評論有用性影響的作用機制。

3 ?基于IAM-I模型的在線閱讀社區(qū)評論有用性模型構(gòu)建

社會互動理論 （Social Interaction Theory） 是社會心理學(xué)理論之一，其概念來源于心理學(xué)中的社會學(xué)習(xí)理論。社會互動是一種社會行動，人們通過社會之間的信息交流互動影響對方，其可以用來解釋或表達對他人的行為意見。在網(wǎng)絡(luò)平臺中，互動是指互動雙方互換信息、彼此交流的過程[21]。

在線閱讀社區(qū)的社交互動是社區(qū)中知識流動的媒介，閱讀社區(qū)平臺的在線互動功能可以拉近用戶和評論者之間的距離，社區(qū)用戶通過在線評論進行交流，通過平臺共享知識信息，有效解決用戶閱讀書評過程中的疑問，從而使其他用戶產(chǎn)生額外收獲，加快用戶獲取信息的速度，從而提高在線評論有用性。F. R. Lin等發(fā)現(xiàn)，知識在社區(qū)中不是自發(fā)形成的，而是通過成員自身與成員之間的主動交流在社區(qū)中慢慢形成[22]。已有研究證實，用戶從評論內(nèi)容信息和評論者信息來處理在線評論時，會受到在線互動信息的直接影響，增加其對評論的感知有用性[23]。

在線互動信息是閱讀社區(qū)評論有用性的一個重要組成部分，包括豐富細(xì)致的圖書評論補充信息和評論者相互之間的觀點討論，閱讀社區(qū)中的在線互動信息是由不同評論者通過發(fā)布在線圖書評論內(nèi)容，針對已有圖書評論進一步評論而產(chǎn)生豐富的互動信息?，F(xiàn)有研究發(fā)現(xiàn)商業(yè)社區(qū)中，在線互動能夠增強消費者的信任感，產(chǎn)生更多的信息處理行為，使其能主動獲取更多的信息，對評論信息進行進一步加工處理，從而增強評論信息的說服力，影響用戶感知有用性[24]。有學(xué)者發(fā)現(xiàn)在線互動直接影響評論感知有用性，研究表明評論反饋數(shù)量越多，閱讀者越能夠從這些信息中加深對商家和產(chǎn)品的了解，說明這條評論更加有用[25]，且在線評論中的情感效價和媒介豐富性會對在線互動產(chǎn)生顯著影響[26]。

根據(jù) IAM 模型，信息質(zhì)量和信息源可信度直接影響接收者對信息的感知有用性，筆者認(rèn)為信息采納模型同樣適用于探究評論信息特征和信息源特征對閱讀社區(qū)在線評論有用性的影響，其為在線閱讀社區(qū)書評有用性的研究提供了一種較好的解釋框架。因此，本研究模型借鑒信息采納模型的基本框架，并結(jié)合閱讀社區(qū)的特點，加入第3個維度即在線互動，新提出IAM-I（Information Adoption Model-Interaction）模型，選擇前人文獻中評論信息特征中的文本長度特征[27]和情感特征[28]、評論者特征中的評論者社會網(wǎng)絡(luò)特征[29-30]與評論者活躍度[31]作為自變量，引入在線互動為中介變量，在線評論有用性為因變量，構(gòu)建概念模型，提出9個研究假設(shè)，探討評論信息特征和評論者特征對在線互動的影響及其通過在線互動對閱讀社區(qū)在線評論有用性的間接影響路徑及程度。

3.1 ?主效應(yīng)分析

3.1.1 ?評論信息特征

文本長度特征是指評論表述的篇幅，評論長度屬于評論信息特征[27]。當(dāng)閱讀社區(qū)用戶在處理一條圖書評論文本時，需要認(rèn)真分析，從中尋找自己所需要的信息，且隨著文本數(shù)量的增多，處理的復(fù)雜性也會提高，則需要花費更多的時間精力。研究發(fā)現(xiàn)，評論長度越長，越能為用戶提供足夠多的信息去決策，消費者對該評論的感知有用性越強[32]。因此，提出以下假設(shè)：

H1：文本長度特征正向影響在線評論有用性。

評論情感特征是指評論內(nèi)容的情感傾向，評論情感傾向可視作為評論信息特征之一[28]。用戶閱讀評論文本時，需要整合信息的情感表達，進行系統(tǒng)思考和分析。根據(jù)情感一致性理論[33]，當(dāng)用戶閱讀在線圖書評論時，在決策過程中會更傾向于選擇與自己情感一致的評論信息進行有用性投票。當(dāng)用戶面臨負(fù)面情感傾向的圖書評論時，其評價標(biāo)準(zhǔn)是模糊的，由此導(dǎo)致負(fù)面評論對用戶感知有用性的參考價值較低。綜上，提出以下假設(shè)：

H2：評論情感特征能夠正向影響閱讀社區(qū)用戶對在線評論的感知有用性，且正面情感比負(fù)面情感作用力強。

3.1.2 ?評論者特征

評論者社會網(wǎng)絡(luò)特征反映了社會網(wǎng)絡(luò)的結(jié)構(gòu)性特點，如節(jié)點位置、連接關(guān)系等，主要采用粉絲數(shù)量和關(guān)注人數(shù)進行衡量。用戶的粉絲數(shù)量能夠反映其在社會網(wǎng)絡(luò)中的節(jié)點位置，例如粉絲多的微博用戶擁有更多的社會資本，其發(fā)布內(nèi)容獲得的點贊數(shù)和閱讀量也越高[29，34];用戶對他人的關(guān)注同樣會帶來豐富的社會資本，對自身信息資源積累具有積極作用，也更易于強化其在網(wǎng)絡(luò)結(jié)構(gòu)中的交互關(guān)系[30]。例如豆瓣讀書平臺具有社交網(wǎng)絡(luò)特性，其用戶可以通過主動關(guān)注他人來及時獲取感興趣的書評內(nèi)容，同時通過自己的粉絲進行讀書評論的分享與傳播，由此形成社會網(wǎng)絡(luò)連接關(guān)系，并根據(jù)連接數(shù)量確定自身在網(wǎng)絡(luò)中的節(jié)點位置與影響力。因此，本文將評論者粉絲數(shù)和關(guān)注人數(shù)作為衡量其社會網(wǎng)絡(luò)特征的指標(biāo)，提出如下假設(shè)：

H3：評論者粉絲數(shù)能夠正向影響在線評論有用性;

H4：評論者關(guān)注數(shù)能夠正向影響在線評論有用性。

評論者活躍度是評論者特征之一，根據(jù)前人研究，評論者的歷史評論數(shù)量是衡量用戶的活躍度的重要指標(biāo)之一，即發(fā)表的評論數(shù)目越多，說明此用戶使用該平臺越頻繁，活躍程度也越高。相關(guān)研究證明評論數(shù)量的增加能夠影響消費者對點評信息有用性的感知[31]。用戶通常會認(rèn)為活躍度較高的評論者對評論功能有較強的認(rèn)知度以及一定程度上會把點評作為一項事業(yè)來完成，即活躍度高的評論者愿意為別人的需求而做出貢獻，并在內(nèi)在激勵機制的促使下，發(fā)布的信息也更加具有可靠性，用戶進行有用性評價時會受到這些評論者的影響。因此，提出以下假設(shè)：

H5：評論者活躍度能夠正向影響在線評論有用性。

3.2 ?在線互動的中介效應(yīng)分析

用戶通過文本長度特征和評論情感特征對評論內(nèi)容進行初步判斷，以便決定是否進一步溝通。文本長度越長和描述越詳細(xì)的評論，越容易使用戶產(chǎn)生信任態(tài)度，引起用戶信任，使用戶越想深入了解，從而產(chǎn)生互動行為。在閱讀社區(qū)情景中，與正面情感評論相比，帶有負(fù)面情感的評論其評價標(biāo)準(zhǔn)是模糊的，對用戶感知有用性的參考價值較低，從而減少用戶對其繼續(xù)閱讀的興趣。與之相反，正面情感評論可以引起評論者與用戶之間的情感共鳴，增加用戶溝通欲望，基于此，提出以下假設(shè)：

H6：文本長度特征正向影響在線互動。

H7：評論情感特征正向影響在線互動。

評論者社會網(wǎng)絡(luò)特征和評論者活躍度普遍認(rèn)為是可以表示評論者可靠性的指標(biāo)[35-37]。對知識缺乏的消費者來說，評論者粉絲多、關(guān)注人數(shù)多和歷史評論數(shù)多的評論者所發(fā)表的評論必然更有吸引力，會被感知為更有價值[35]。根據(jù)來源可靠性理論，有大量粉絲和大量關(guān)注人數(shù)的評論者被認(rèn)為建立了強大的關(guān)系網(wǎng)絡(luò)，這些關(guān)系網(wǎng)絡(luò)的建立一方面為其拓寬了信息獲取的渠道，另一方面也幫助其獲得了更多的曝光量，其粉絲用戶都會在其發(fā)布評論的第一時間接收到動態(tài)提示。這種社會資本的獲得使得其在虛擬的網(wǎng)絡(luò)環(huán)境中也積極地影響著感知信任[36-37]，進而導(dǎo)致評論者寫出的評論也更具有吸引力，且撰寫評論越多的人越更容易引起其他用戶與該評論者的評論在線互動。因此，提出以下假設(shè)：

H8：評論者粉絲數(shù)正向影響在線互動。

H9：評論者關(guān)注數(shù)正向影響在線互動。

H10：評論者活躍度正向影響在線互動。

現(xiàn)有研究將用戶在未知情況下獲取信息的過程分為以下6個階段：開始、瀏覽、搜索、評價、集成和停止，并循環(huán)地獲取相關(guān)信息，以逐步消除情境空間的信息不確定性[38]。在搜索開始時，由于個人尚不清楚信息背景和搜索目標(biāo)時需要迅速閱讀大量、粗略的信息來補充基本知識;當(dāng)個人在閱讀相關(guān)信息形成基本概念后，將探索特定問題和目標(biāo)，之后評估和分析所獲得的信息，進而確定是否需要進一步的信息搜索，最終系統(tǒng)地集成信息，并且其信息瀏覽和搜索行為彼此交替。閱讀社區(qū)中的用戶在其搜尋和閱讀評論信息時，與信息搜索過程類似：用戶瀏覽在線評論（瀏覽）—尋找相關(guān)信息（搜索）—評估書評有用性（評估）[26]，其中用戶仍然具有目標(biāo)領(lǐng)域、搜尋策略和搜尋目標(biāo)的不確定性，需要根據(jù)自己的目標(biāo)補充信息差，而在線互動信息可以幫助用戶填補信息差，快速獲得有價值的信息。

在線評論中的評論信息特征和評論者特征，可以在一定程度上幫助用戶做出決策，然而只有這些線索來判斷圖書評論有用性是不夠充分的，在用戶獲取了這兩方面信息并且進行信息處理后，還想要獲得更多相關(guān)信息時，在線互動可以作為信息補充的線索，使得用戶快速了解重要信息，從而判斷評論有用性，同時在線互動通常具有高度目的性，可以有效地提高用戶對評論有用性。

因此，提出以下假設(shè)：

H11：在線互動在文本長度特征和在線評論有用性的關(guān)系中發(fā)揮中介作用。

H12：在線互動在評論情感特征和在線評論有用性之間發(fā)揮著中介作用。

H13：在線互動在評論者粉絲數(shù)和在線評論有用性之間發(fā)揮著中介作用。

H14：在線互動在評論者關(guān)注數(shù)和在線評論有用性之間發(fā)揮著中介作用。

H15：在線互動在評論者活躍度和在線評論有用性之間發(fā)揮著中介作用。

綜上，本研究構(gòu)建在線閱讀社區(qū)評論有用性模型，如圖1所示：

4.1 ?數(shù)據(jù)收集和描述性統(tǒng)計

豆瓣讀書網(wǎng)作為一個綜合的知識交流網(wǎng)站，其以在線圖書評論的形式為用戶提供豐富參考信息，擁有豐富的用戶數(shù)量及評論數(shù)據(jù)。本文以豆瓣網(wǎng)上客觀存在的圖書在線評論為研究對象，來驗證提出的模型和研究假設(shè)。TOP250是豆瓣讀書網(wǎng)的一個書評清單排名，筆者通過網(wǎng)絡(luò)爬蟲從豆瓣讀書TOP250網(wǎng)站上獲取圖書在線評論，通過數(shù)據(jù)清洗，剔除空白無效數(shù)據(jù)，共獲得有效圖書評論數(shù)據(jù)10 073條，每條在線評論數(shù)據(jù)包括：評論內(nèi)容、評論回復(fù)數(shù)、評論者粉絲數(shù)、評論者關(guān)注數(shù)、評論者歷史評論數(shù)以及評論獲得的有用投票數(shù)。

筆者利用Python 3爬取數(shù)據(jù)，共包含7個變量，其中包含5個自變量、1個因變量、1個中介變量。變量及其測量如表1所示。

其中描述性統(tǒng)計數(shù)據(jù)包含均值、標(biāo)準(zhǔn)差和方差，描述性統(tǒng)計和相關(guān)性分析如表2和表3所示。可知，評論有用性與文本長度特征（r=0.062，p<0.01）、評論情感特征（r=0.019，p<0.05）、評論者粉絲數(shù)（r=0.058，p<0.01）、評論者關(guān)注數(shù)（r=0.124，p<0.01）、在線互動（r=0.904，p<0.01）均顯著正相關(guān)。在線互動與文本長度特征（r=0.066，p<0.01）、評論者粉絲數(shù)（r=0.073，p<0.01）、評論者關(guān)注數(shù)（r=0.125，p<0.01）均顯著正相關(guān)，上述相關(guān)關(guān)系結(jié)果與研究假設(shè)基本一致，同時，各變量之間的相關(guān)系數(shù)小于0.75，即變量間不存在嚴(yán)重的多重共線性問題。

4.2 ?結(jié)果分析

4.2.1 ?主效應(yīng)檢驗

本研究通過OLS（Ordinary Least Squares）最小二乘線性回歸分析對研究假設(shè)進行檢驗，表4結(jié)果顯示評論情感特征（β=0.011，p<0.01）、評論者粉絲數(shù)（β=-0.012，p<0.01）、評論者關(guān)注數(shù)（β=0.014，p<0.01）與在線評論有用性顯著相關(guān)，文本長度特征和評論者歷史評論數(shù)對評論有用性影響不顯著。假設(shè)H2和H4得到了驗證，即正面情感評論更容易使閱讀社區(qū)用戶認(rèn)為評論有用、評論者關(guān)注數(shù)對在線評論具有用性正向影響;假設(shè)H3得到部分驗證，即評論者粉絲數(shù)對在線評論有用性存在顯著影響，但是影響方向為負(fù)。

文本長度特征（β=0.058，p<0.01）、評論者粉絲數(shù)（β=0.114，p<0.01）、評論者關(guān)注數(shù)（β=-0.023，p<0.05）、評論者歷史評論數(shù)（β=0.058，p<0.01）與在線互動顯著相關(guān)。假設(shè)H6、H8、H10得到了驗證，即越長的評論更容易引起閱讀社區(qū)用戶在線互動，評論者粉絲數(shù)和評論者歷史評論數(shù)正向影響在線互動;假設(shè)H9得到部分驗證，即評論者關(guān)注數(shù)對在線評論互動存在顯著影響，但是影響方向為負(fù)。

4.2.2 ?Bootstrap中介效應(yīng)檢驗

本研究采用偏差校正的百分位 Bootstrap方法，首先采用重復(fù)隨機抽樣的方法在原始數(shù)據(jù)中抽取5 000個Bootstrap 樣本，根據(jù)所提出假設(shè)模型，生成5 000個中介效應(yīng)的估計值，形成一個近似抽樣分布，將這些效應(yīng)值按數(shù)值大小排序，用2.5百分位和97.5百分位估計置信度為95%時中介效應(yīng)對應(yīng)的置信區(qū)間。如果該區(qū)間不包括0，則中介效應(yīng)顯著[39]。假設(shè)模型的中介效應(yīng)及顯著性檢驗結(jié)果如表5所示。

Bootstrap 分析結(jié)果顯示，在線互動的中介效應(yīng)置信區(qū)間分別為 [0.005 5，0.022 1] （文本長度特征）、[0.077 2，0.196 4]（評論者粉絲數(shù)）、[0.002 4，0.013 3]（評論者關(guān)注數(shù)）、[-0.002 46，-0.000 1]（評論者歷史評論數(shù)），每條路徑中介效應(yīng)的置信區(qū)間都沒有包括0，認(rèn)為在線互動的中介效應(yīng)顯著。在文本長度特征中，總效應(yīng)顯著（c=0.012 8，P>0.01），直接效應(yīng)不顯著，認(rèn)為在線互動在文本長度特征和評論有用性的關(guān)系中發(fā)揮完全中介作用，假設(shè)H11得到驗證。在評論者粉絲數(shù)中，總效應(yīng)顯著（c=0.511 34，P>0.01），直接效應(yīng)顯著（c’=-0.017 2，P>0.05），在線互動在評論情感特征和評論有用性的關(guān)系中發(fā)揮部分中介作用，假設(shè)H13得到驗證。同理，評論者關(guān)注數(shù)總效應(yīng)顯著（c=0.006 4，P>0.01），直接效應(yīng)顯著（c’=0.000 6，P>0.01），且直接效應(yīng)值小于總效應(yīng)值，認(rèn)為在線互動在評論者關(guān)注數(shù)和評論有用性的關(guān)系中發(fā)揮部分中介作用，假設(shè)H14得到驗證。評論者歷史評論數(shù)中總效應(yīng)和直接效應(yīng)不顯著，但其中介效應(yīng)置信區(qū)間不包括0，認(rèn)為在線互動在評論者歷史評論數(shù)和評論有用性的關(guān)系中發(fā)揮部分中介作用，假設(shè)H15得到驗證。

5 ?結(jié)論與啟示

5.1 ?研究結(jié)論

本研究基于社會互動理論，構(gòu)建在線互動IAM-I模型，考慮中介變量在線互動對結(jié)果變量在線評論有用性的影響效應(yīng)和作用機制，結(jié)合理論假設(shè)驗證情況，提取包括用戶感知有用性的直接路徑和間接路徑，具體包括如下路徑：直接路徑（主效應(yīng)）——評論信息特征和評論者特征—在線評論有用性;間接路徑（中介效應(yīng)）——評論信息特征和評論者特征—在線互動—在線評論有用性。通過10 073條豆瓣讀書網(wǎng)有效數(shù)據(jù)實證研究結(jié)果表明：①評論信息特征和評論者特征均對在線圖書評論有用性具有顯著作用;②評論信息特征和評論者特征對在線互動具有顯著影響;③在線互動在文本長度特征、評論者社會網(wǎng)絡(luò)特征、評論者活躍度特征與在線評論有用性中發(fā)揮著中介作用，其中在線互動在文本長度特征和評論有用性的關(guān)系中發(fā)揮完全中介作用，在其余關(guān)系中發(fā)揮部分中介作用。研究進一步解釋在線互動對在線評論有用性的傳導(dǎo)機制，驗證了在線互動的中介效應(yīng)，說明在線互動在用戶信息處理過程中的重要作用，能夠使得閱讀社區(qū)明確在線互動信息的重要性，能夠為促進閱讀社區(qū)知識交流提供更實際和廣泛的指導(dǎo)。

5.2 ?對閱讀社區(qū)用戶和評論系統(tǒng)的對策建議

本研究對閱讀社區(qū)用戶和評論系統(tǒng)管理的啟示在于以下兩個方面：

（1）對閱讀社區(qū)用戶的建議。閱讀社區(qū)用戶在閱讀書評時，不僅可以參考評論信息和評論者信息，也應(yīng)該參考在線互動信息來進行綜合考慮;用戶可以側(cè)重考慮評論回復(fù)數(shù)、評論情感極性、評論者粉絲數(shù)、評論者關(guān)注數(shù)等影響有用性較強的因素，能夠幫助用戶快速從中獲取有價值的信息，以便其參考;用戶應(yīng)該積極撰寫評論，從而增加評論的在線互動信息，積極參加在線互動，對評論積極提問和回答，從而提供更多有價值的信息，提高在線評論有用性。

（2）對閱讀社區(qū)管理者的建議。用戶在參考在線書評做出決策時，會根據(jù)評論者信息和評論內(nèi)容進行判斷，評論系統(tǒng)可以把評論者信息顯示在較為顯眼的地方，以便用戶一目了然，系統(tǒng)也可以豐富評論者的相關(guān)信息，如評論者權(quán)威信息或者對評論者進行等級排名，以便用戶擁有更多評論者的參考信息。系統(tǒng)在對閱讀社區(qū)在線評論進行篩選和排序時，可以考慮將在線互動的數(shù)量、評論情感傾向、評論者相關(guān)信息納入排序系統(tǒng)，以方便用戶進行快速篩選和查找需要的信息，提高其感知有用性。研究發(fā)現(xiàn)文本長度、評論者粉絲數(shù)和關(guān)注數(shù)、評論者歷史評論數(shù)均會影響在線互動，因此，平臺應(yīng)該鼓勵用戶多發(fā)表評論、發(fā)表長評。本研究證明在線互動在評論有用性中的中介作用，其中，在線互動在文本長度特征和評論有用性的關(guān)系中發(fā)揮完全中介作用，但是現(xiàn)有平臺關(guān)于在線互動的信息還比較少，且多為用戶自發(fā)的互動，系統(tǒng)可以向用戶提供獎勵，鼓勵用戶多多參與在線互動，提高平臺用戶互動熱情，或者提供更多形式的在線互動，進而豐富在線互動信息。

5.3 ?研究不足

本研究存在兩點不足：①僅從社會互動的角度考慮在線互動對評論有用性的中介作用，閱讀社區(qū)中可能還存在其他中介變量并作用于評論信息特征和評論者特征對在線閱讀社區(qū)評論有用性的影響;②研究沒有考慮評論中表情符號的影響因素，文本中表情符號包含豐富信息，可以在之后的研究中作進一步深入分析。

參考文獻：

李桂華.閱讀社區(qū)研究： 閱讀推廣視角的社群信息學(xué)研究實踐[J].圖書館論壇， 2017， 37（7）： 33-40.

郝媛媛， 葉強， 李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報， 2010， 13（8）： 78-88， 96.

殷國鵬.消費者認(rèn)為怎樣的在線評論更有用？——社會性因素的影響效應(yīng)[J].管理世界， 2012（12）： 115-124.

KUAN K K Y， HUI K L， PRASARNPHANICH P， et al. What makes a review voted？ an empirical investigation of review voting in online review systems[J].Journal of the Association for Information Systems， 2015， 16（1）： 48-71.

彭麗徽， 李賀， 張艷豐， 等.基于品牌聲譽感知差異的在線評論有用性影響因素實證研究[J].情報科學(xué)， 2017， 35（9）： 159-164.

陳在飛， 徐峰.電子商務(wù)中在線評論有用投票數(shù)影響因素研究[J].現(xiàn)代情報， 2014， 34（1）： 18-22.

KARIMIA S， WANG F. Online review helpfulness： impact of reviewer profile image[J].Decision support systems， 2017， 96： 39-48.

FORMAN C， GHOSE A， WIESENFELD B. Examining the relationship between reviews and sales： the role of reviewer identity disclosure in electronic markets[J]. Information Systems Research， 2008， 19（3）： 291-313.

覃亮.影響在線評論有用性的因素研究[D].大連： 大連理工大學(xué)， 2017.

LIU Z W， PARK S. What makes a useful online review？ implication for travel product websites[J].Tourism management， 2015， 47： 140-151.

張艷輝， 李宗偉.在線評論有用性的影響因素研究：基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].管理評論， 2016， 28（10）： 123-132.

王智生， 李慧穎， 孫銳.在線評論有用性投票的影響因素研究——基于商品類型的調(diào)節(jié)作用[J].管理評論， 2016， 28（7）： 143-153.

SUN X Y， HAN M X， FENG J. Helpfulness of online reviews： examining review informativeness and classification thresholds by search products and experience products[EB/OL].[2020-10-11].https： //www.sciencedirect.com/science/article/pii/S0167923619301289

SUSSMAN S W， SIEGAL W S. Informational influence in organizations： an integrated approach to knowledge adoption[J].Information systems research， 2003， 14（1）： 47-65.

齊托托， 白如玉， 王天梅. 基于信息采納模型的知識付費行為研究——產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2021， 5 （12）： 60-73.

ZHOU S S， GUO B. The order effect on online review helpfulness： a social influence perspective[J]. Decision support systems， 2017， 93： 77-87.

SIERING M， MUNTERMANN J， RAJAGOPALAN B. Explaining and predicting online review helpfulness： the role of content and reviewer-related signals[J]. Decision support systems， 2018， 108： 1-12.

黃衛(wèi)來， 潘曉波.在線商品評價信息有用性模型研究——納入應(yīng)用背景因素的信息采納擴展模型[J].圖書情報工作， 2014， 58（S1）： 141-151.

殷國鵬， 劉雯雯， 祝珊.網(wǎng)絡(luò)社區(qū)在線評論有用性影響模型研究——基于信息采納與社會網(wǎng)絡(luò)視角[J].圖書情報工作， 2012， 56（16）： 140-147.

張艷輝， 李宗偉， 趙詣成.基于淘寶網(wǎng)評論數(shù)據(jù)的信息質(zhì)量對在線評論有用性的影響[J].管理學(xué)報， 2017， 14（1）， 77-85.

趙宏霞， 王新海， 周寶剛.B2C網(wǎng)絡(luò)購物中在線互動及臨場感與消費者信任研究[J].管理評論， 2015， 27（2）： 43-54.

LIN F R， LIN S C， HUANG T P. Knowledge sharing and creation in a teachers’ professional virtual communit[J].Computers & education， 2008， 50（3）： 742-756.

申文瑞.電商網(wǎng)站在線評論的感知有用性影響因素研究[D].太原： 山西財經(jīng)大學(xué)， 2018.

SUNDAR S S， BELLUR S， OH J， et al. User experience of on-screen interaction techniques： an experimental investigation of clicking， sliding， zooming， hovering， dragging， and flipping[J].Human-computer interaction， 2014， 29（2）： 109-152.

劉潔.在線評論有用性的影響因素研究[D].北京： 首都經(jīng)濟貿(mào)易大學(xué)， 2017.

HAN Y. Research on the factors influencing the usefulness of online reviews-mediating effect based on online interaction[J].Frontiers in economics and management， 2021， 2（3）： 356-365.

BAEK H， AHN J H， CHOI Y. Helpfulness of online consumer reviews： readers’ objectives and review cues[J].International journal of electronic commerce， 2012， 17（2）： 99-126.

PETTY R E， CACIOPPO J T. The elaboration likelihood model of persuasion[J].Advances in consumer research， 1986， 19： 123-205.

WANG G， GILL K， MOHANLAL M， et al. Wisdom in the social crowd： an analysis of quora[C]// The 22nd international World Wide Web conference. Switzerland： International World Wide Web Conferences Steering Committee， 2013： 1341-1352.

張鵬翼.在線社交網(wǎng)絡(luò)中信息尋求行為的實證研究： 以微博為例[J].情報雜志， 2013， 32（7）： 83-87.

PARK D H， LEE J. eWOM overload and its effect on consumer behavioral intention depending on consumer involvement[J].Electronic commerce research and applications， 2008， 7（4）： 386-398.

CHEVALIER J A， MAYZLIN D. The effect of word of mouth on sales： online book reviews[J].Journal of marketing research， 2006， 43（3）： 345-354.

嚴(yán)磊， 佐斌， 吳漾.情感一致性及其對認(rèn)知加工的影響[J].心理科學(xué)， 2016， 39（6）： 1379-1384.

張鵬翼， 張璐.社會資本視角下的用戶社交問答行為研究——以知乎為例[J].情報雜志， 2015， 34（12）： 186-191.

CHEUNG M Y， LUO C， SIA C L， et al. Credibility of electronic word-of-mouth： informational and normative determinants of online consumer recommendations[J].International journal of electronic commerce， 2009， 13（4）： 9-38.

PRELL C L. Community networking and social capital： early investigations[J].Journal of computer mediated communication， 2003， 8（3）： 10-20.

SUSARLA A， OH J H， TAN Y. Social networks and the diffusion of user-generated content： evidence from YouTube[J]. Information systems research， 2012， 23（1）： 23-41.

楊倩.探索式搜索行為的認(rèn)知過程與圖書館信息服務(wù)策略研究[J].情報雜志， 2020， 39（10）： 176-180， 143.

方杰， 溫忠麟， 張敏強， 等.基于結(jié)構(gòu)方程模型的多重中介效應(yīng)分析[J].心理科學(xué)， 2014， 37（3）： 735-741.

作者貢獻說明：

余俊橙：論文模型構(gòu)建，初稿撰寫，論文修改;

李梓奇：提出相關(guān)建議，論文修改。

Abstract： [Purpose/significance] Online review is an important carrier of knowledge exchange for users in reading community. In order to help the reading community improve the review system and raise the usefulness of book reviews， exploring the intermediary role of online interaction in the usefulness of book reviews will help to further tap the value of online review. [Method/process] Based on IAM model， this paper constructed IAM-I online reading community review usefulness influencing factor model， and used OLS regression and Bootstrap mediation test to explore the effect mechanism of comment information characteristics and reviewer characteristics on review usefulness and the mediating effect of online interaction. [Result /conclusion] The results show that the characteristics of comment information and commentators can affect online interaction， online interaction plays a full mediating role in the relationship between the characteristic of text length and comment usefulness， and a partial mediating role in the relationship between the characteristics of commentators and comment usefulness. That is to say， online reading community can improve the usefulness of comments by encouraging online interaction.

Keywords： review usefulness ? ?influencing factors ? ?online interaction; mediation ? ?online reading community

3349500589253