中文    English

Journal of Library and Information Science in Agriculture >

2024 , Vol. 36 >Issue 8: 82 - 95

DOI: https://doi.org/10.13998/j.cnki.issn1002-1248.24-0444

Factors Influencing User Information Adoption in Virtual Communities of Interest: A Study Based on SEM and fsQCA

  • Long HAN 1 ,
  • Jincheng GUO 1 ,
  • Yiting LU 2 ,
  • Qun ZHOU , 1
Expand
  • 1. Library, China Agricultural University, Beijing 100193
  • 2. School of Management, Tianjin Normal University, Tianjin 300382

Received date: 2024-07-07

  Online published: 2024-12-13

Fold

Abstract

[Purpose/Significance] Virtual communities of interest have rapidly become key sources of information that significantly influence users' decision making. Characterized by resource aggregation, active exchanges, and high interactivity, these communities foster a unique environment that encourages strong user engagement. Understanding the factors that influence information adoption in these settings is essential to meeting user needs and enhancing community management and services. Unlike traditional information contexts, virtual communities emphasize user trust, emotional support, and community identity, which are critical in shaping how users perceive and adopt information. This study aims to deepen the theoretical understanding of information adoption in virtual communities of interest by incorporating information ecology theory and applying both structural equation modeling (SEM) and fuzzy-set qualitative comparative analysis (fsQCA). This dual-method approach enables in-depth analysis of individual factors and reveals complex configurations that influence adoption behaviors, providing insights that go beyond what SEM alone can provide. [Method/Process] The research model is based on information ecology theory, which provides a holistic framework that captures the dynamic interplay between factors such as information quality, user support systems, community structures, and platform features. This theory is particularly suited to the study of virtual communities, where multiple interdependent factors create a unique decision-making environment. SEM is used to assess linear relationships between variables, evaluating the influence of information quality, emotional support, community identity, opinion leader participation, content interaction, source credibility, and platform usability on users' information adoption intentions. As a complement to SEM, fsQCA is used to explore configurations of multiple factors, identify pathways through which these factors collectively shape adoption intentions, and capture complex causal relationships that SEM does not address. [Results/Conclusions] The SEM analysis shows that information quality, emotional support, community identity, active participation of opinion leaders, and content interaction significantly increase users' adoption intentions, while information source credibility and platform usability do not. These findings suggest that community-driven aspects may be more important to users in this context than traditional credibility indicators. The fsQCA results further identify two primary modes that drive adoption intentions: a trust-driven mode, where adoption is supported by trust-related factors, and an experience-promoting mode, which focuses on user engagement within the community. Together, these modes comprise six distinct configurations, suggesting that users' adoption intentions are influenced by combinations of factors rather than isolated variables. This study thus highlights the unique value of fsQCA in uncovering the complex interplay of factors in virtual communities and providing detailed insights into user behavior. Future research could explore cultural differences in adoption behaviors and additional factors influencing user engagement in different types of virtual communities.

Key words： virtualcommunity of interest; information adoption; information ecology theory; structural equation modeling; fuzzy-set qualitative comparative analysis

Cite this article

Long HAN , Jincheng GUO , Yiting LU , Qun ZHOU . Factors Influencing User Information Adoption in Virtual Communities of Interest: A Study Based on SEM and fsQCA[J]. Journal of Library and Information Science in Agriculture, 2024 , 36(8) : 82 -95 . DOI: 10.13998/j.cnki.issn1002-1248.24-0444

0 引言

互联网与数字技术的快速发展，信息已由传统点对面单向流动转变为自主交叉的多向互动模式，各种虚拟社区不断涌现，人们的兴趣和专长得以在虚拟空间中广泛连接和深度融合。《第53次中国互联网络发展状况统计报告》指出，截至2023年12月，中国网民规模达10.92亿人，其中，网络音乐、网络文学的用户分别为7.15亿和5.20亿，占整体网民的65.4%与47.6%[1]。利用互联网进行兴趣交流和互动已成为人们生活中不可或缺的重要部分，而以兴趣为纽带的虚拟兴趣社区，如Keep、马蜂窝、豆瓣小组等，为用户获取信息、交流经验、寻求认同和兴趣消费等提供了重要途径。
虚拟兴趣社区是以互联网为基础，由具有共同兴趣、爱好或目标的个人组成的网络信息交流空间[2]。不同于其他虚拟社区，兴趣社区往往具有资源聚合、深度交流、用户黏性强等特点。一方面，社区中基于共同兴趣或话题相对集中的资源为用户提供了一个与其需求和兴趣高度匹配的信息环境，减少了其在广泛信息中筛选的时间和精力成本；另一方面，社区内部的深度讨论与及时的互动反馈形成了一个动态互助的学习环境，用户积极分享信息和经验，与志同道合的人交流互动，获得情感支持和归属感[3]。此外，社区内容通常来自用户的实际经验和见解，这些信息往往更具有实践性和可操作性，能够提供有针对性的建议和指导。因而用户更倾向于将这些信息纳入其现实生活的行为决策中。然而，由于平台的低门槛和用户动机的不同使得社区内容不可避免地出现质量参差、价值密度低、信息过载等弊端[4]。因此，分析虚拟兴趣社区用户信息采纳的关键因素，对优化社区的信息管理和服务，提升用户体验，促进社区的健康发展具有重要意义。

1 相关研究与理论

1.1 虚拟兴趣社区

已有相关研究根据用户需求将虚拟社区划分为4类：兴趣型、交易型、关系型、娱乐型[2]。其中，兴趣型社区形式多样，既包括如今日头条的兴趣小组，豆瓣小组等嵌入平台的子功能模块，也包括如Keep、下厨房、虎扑等基于特定兴趣主题独立运营的专业社区[5,6]。本研究所探讨的虚拟兴趣社区是指有共同兴趣爱好的用户围绕特定的兴趣主题，进行交流、分享经验、知识和观点的网络社区。对于虚拟兴趣社区的用户行为，学者们探讨了用户参与[7]、知识共享[8]、持续使用意愿[3]、粉丝行为对比[9]、用户忠诚度[10]等诸多研究问题。

1.2 虚拟社区用户信息采纳相关研究

自信息采纳模型（IAM）[11]提出以来，学界对信息采纳进行了广泛而深入的研究，主要集中于情报学、传播学、心理学等领域。目前普遍认为信息采纳是一种过程性行为，即用户从产生信息需求到信息获取、选择、利用等活动过程[12]。结合研究主题，本研究将信息采纳定义为虚拟兴趣社区用户基于自身需求和偏好，获取、评估、接受并应用社区信息的决策过程。
开放、协同、共享、去中心化的虚拟社区改变了用户的信息获取方式，深刻影响着用户的信息决策，目前已有学者对虚拟社区用户的信息采纳行为进行了探究。部分学者从信息特征（呈现特征、反馈特征、发布者特征、内容特征）[13]、用户参与程度[14]、期望收益[15]、社区地位[16]等角度探究了其对创新社区用户信息采纳的影响。也有研究发现用户的认知水平（自我认知、平台认知和社会认知）[17]、感知信息有用性[18]、用户间的在线互动[19]是影响社会化问答社区用户知识采纳的重要因素。不少研究通过实证分析发现信息的质量、信息源的可信度、社会支持和自我效能等因素对在线健康社区用户的信息采纳有积极的促进作用[20-22]。在社交网络社区中，学者们发现论据质量、信息源可信度、社区认同和电子口碑等有助于促进用户的信息采纳[23,24]。此外，感知有用性、感知享受和情感社区承诺也被证明会影响用户采纳智能社区服务[25]。也有研究指出社会影响、绩效期望、努力期望、便利条件是影响虚拟学术社区用户知识采纳的关键变量[26]。
在研究方法方面，现有研究多是基于结构方程模型[21-23]或回归分析[14,20,25]从单一因素角度探讨了其与虚拟社区用户信息采纳的“净效应”关系。而虚拟社区模式的复杂性和内容的丰富性使得用户信息采纳的因素往往是“多重并发”的。因此，有必要从组态视角作进一步探究。
综上，现有研究从不同角度对虚拟社区用户信息采纳的影响因素进行了探讨。但是，当前研究主要集中于创新社区、在线健康社区、社交网络社区和学术社区等，对于兴趣社区用户的信息采纳研究较少。而虚拟兴趣社区具有的独特性是否是影响用户采纳的关键是本研究探讨的重点。鉴于此，本研究探究虚拟兴趣社区用户信息采纳的影响因素及其作用机理，采用结构方程模型进行实证分析并结合模糊集定性比较分析方法剖析各因素间的联动组合效应。

1.3 信息生态理论

信息生态理论运用生态学的观点和视角分析信息学的内容，强调信息主体、信息内容和信息环境等在系统中的相互影响[27]，在信息资源管理和用户信息行为方面具有较好的解释力和适用性[28]。信息生态理论强调以系统方法处理内部要素之间的复杂关系，在其不断完善发展的过程中，信息本身、信息人、信息环境、信息技术成为信息生态理论的基本构成要素[29]。其中，信息本身是指信息生态系统中信息的内容属性和特征；信息人是指为满足信息需求通过信息活动接收和利用信息的个体；信息环境是指影响信息产生、流通和使用的外部条件和背景；信息技术是指支持信息活动过程中的各种工具、系统和方法。
已有学者将信息生态理论引入到用户的信息采纳研究中[30,31]。虚拟兴趣社区用户信息采纳行为是一个多维度的动态过程，涉及信息内容多样性、用户个体互动性、社区环境的塑造性以及信息技术的辅助性等特征，这些维度因素的共同作用决定了用户如何评估、选择和采纳信息。因此，本研究从信息生态视角分析虚拟兴趣社区用户的信息采纳行为是具有可行性的。

2 研究假设模型构建

2.1 研究假设

在对已有相关研究进行整理归纳的基础上，本研究从信息生态视角出发，基于信息采纳模型、社会支持理论、社会认同理论、两级传播理论、社会互动理论和技术接受模型，从信息、信息人、信息环境和信息技术4个维度构建虚拟兴趣社区用户的信息采纳的影响因素模型。所选取的变量皆是基于成熟的理论模型和已有实证研究支持，能够覆盖虚拟兴趣社区信息采纳的主要影响路径，同时可以避免模型过于复杂所造成的噪音影响。

2.1.1 信息维度

信息维度为信息质量和信息源可信度。信息采纳模型指出，用户在接受和使用信息的过程中，主要受到信息质量和信息源可信度两个核心因素的影响[11]。高质量的信息可以提供准确、可靠和及时的信息支持，助力个人和组织作出更有效的决策。在社交媒体[32]、共享服务平台[33]等多种在线社区环境中，信息质量的准确性、相关性和时效性对用户决策具有显著的正向作用。在用户信息获取与认知的过程中，信息质量越高，用户对其价值的认知越强烈，越会促进其对信息的采纳意愿。同时，如果信息来源被认为是可信任、可靠的，其提供的信息更容易被接受和信任。已有研究发现，口碑社区信息源的可信度不仅影响用户对信息有用性的正向感知，还通过增强信任来推动用户的采纳行为[34]。虚拟兴趣社区是一个信息高度密集的情境，用户在决策敏感阶段通常会在寻求、评估和使用该兴趣主题的信息资源，这些信息的质量越高，说服力越强，用户的信息采纳意愿会更加强烈。此外，用户更倾向于从社区中可信的信息源获取指导和建议，如经过认证的用户或成功的前辈经验分享、资料、技巧等。因此，本研究提出假设：
H1：信息质量对虚拟兴趣社区用户的信息采纳意愿有正向影响。
H2：信息源可信度对虚拟兴趣社区用户的信息采纳意愿有正向影响。

2.1.2 信息人维度

信息人维度包括情感支持和社区认同。社会支持理论指出情感支持是个人面临困难、压力时，他人所提供的同理心、共鸣和鼓励，能够促进个体的行为意愿[35]。在虚拟社区中，情感支持是用户在交流互动中最常见且最直接的支持形式，尤其是在处理复杂信息或面临决策时，情感上的共鸣和鼓励能够显著增强用户的信任感和参与度，对用户的信息采纳意愿有正面影响[20]。社会认同理论则强调，用户通过对社区价值、文化、规范等的认可和接受会使用户获得认同感和归属感，这种归属感会促使他们更加信任社区中的信息[36]。虚拟兴趣社区中用户间的支持、慰藉和共鸣，为个体带来情感上的支持，从而增加其对社区内容的正面感知和接受度。同时，用户对社区认同感使用户感觉自己是社区不可或缺的一部分，这种归属感促使他们更加信任社区内的信息，并更愿意采纳和传播社区内的信息。因此本研究提出假设：
H3：情感支持对虚拟兴趣社区用户的信息采纳意愿有正向影响。
H4：社区认同对虚拟兴趣社区用户的信息采纳意愿有正向影响。

2.1.3 信息环境维度

信息环境维度包括社区意见领袖参与和社区内容互动两个因素。根据两级传播理论，信息的传播不是直接由大众媒介传递给大众，而是通过有影响力的意见领袖进行中介传播。意见领袖作为信息的中间传播者，能够解释、筛选和传达信息，影响其他群体成员的认知和行为[37]。在线社区中的意见领袖是指在社区中拥有较高影响力和认可度的个体，通常在某一领域或主题上具有专业知识、经验或独特的见解，能够对其他社区成员的观点、态度和行为产生显著影响[38]。社会互动理论强调，在个体与个体之间的相互影响下，行为人的偏好、意识和预算限制会受到其他行为人的影响[39]。通过双向沟通为用户提供了直接交流和反馈的机会，使用户可以更好地理解和评估信息。通过这种互动，用户可以解决疑问、消除不确定性，并在与其他用户的互动中建立信任感[40]。意见领袖对某一兴趣话题的积极讨论、观点表达或内容推荐，往往能够迅速吸引其他社区成员的关注，提升信息的可见度和认可度，其背书可以显著增加信息的可信性。社区中的内容互动允许用户可以通过提出问题、接受反馈建议等深入讨论的形式帮助用户更好地理解信息内容，评估信息的适用性和可靠性。因此，本研究提出假设：
H5：社区意见领袖参与对虚拟兴趣社区用户的信息采纳意愿有正向影响。
H6：社区内容互动对虚拟兴趣社区用户的信息采纳意愿有正向影响。

2.1.4 信息技术维度

信息技术维度主要考察平台易用性对用户信息采纳意愿的影响。技术接受模型（TAM）模型指出，用户对技术的感知易用性直接影响用户对技术的接受度，尤其在信息采纳过程中，用户通常更愿意使用那些易于操作、导航顺畅的平台[41]。在虚拟社区中，平台的易用性能够减少用户的认知负担，让用户更轻松地找到、理解和处理信息，从而增加用户对信息的采纳意愿[42]。例如，如果一个虚拟社区平台设计简洁、功能清晰、操作便捷，用户不需要花费太多时间学习如何使用该平台，他们可以专注于信息本身。这种简化操作的体验让用户感知到平台是易于使用的，因此用户会更加倾向于接受和使用该平台上提供的信息。因此，本研究提出假设：
H7：平台易用性对虚拟兴趣社区用户的信息采纳意愿有正向影响。

2.2 模型构建

根据上述假设，本研究构建如图1所示的虚拟兴趣社区用户信息采纳的影响因素模型。
图1 虚拟兴趣社区用户信息采纳的影响因素模型

Fig.1 Model of factors influencing users' adoption of information in virtual interest communities

3 问卷设计与数据收集

3.1 问卷设计

本研究采用问卷调查的方法进行数据收集，调查问卷包括问卷说明（主要为虚拟兴趣社区的解释与说明，通过设问用户最频繁使用的兴趣社区是什么，来甄别其是否为目标用户）、个人信息、变量测量3个部分。研究变量的测量均采用国内外成熟量表，并结合研究主题进行适当修改，如表1所示。为保证问卷质量，预调查收集问卷87份，问卷的整体Cronbach's Alpha系数为0.925，剔除探索性因子分析中因子载荷小于0.5的测量项1项，共保留30个测量项。
表1 量表测量题项及来源

Table 1 Measurement items and sources of the scale

变量 题项 题项内容 来源
信息质量 IQ1 我认为我在虚拟兴趣社区中获取的信息是准确的 LIAO等[43]、VENKATESH等[44]
IQ2 我认为我在虚拟兴趣社区中获取的信息是全面的
IQ3 我认为我在虚拟兴趣社区中获取的信息是及时更新的
IQ4 我认为虚拟兴趣社区的信息表达方式清晰易懂
IQ5 我认为虚拟兴趣社区的信息能够满足我的需求
信息源可信度 SC1 我认为虚拟兴趣社区中信息的来源是值得信赖的 HUO等[45]
SC2 我认为虚拟兴趣社区中信息发布者的专业知识对我有帮助
SC3 我认为虚拟兴趣社区中的信息发布者是值得信赖的专家
SC4 我认为虚拟兴趣社区的信息来源是权威的
情感支持 ES1 我觉得虚拟兴趣社区中的其他用户对我的问题给予了同理心和支持 CHIU等[46]
ES2 我觉得虚拟兴趣社区中的用户互动让我感受到情感上的支持或鼓励
ES3 我认为在虚拟兴趣社区中，用户之间的互动帮助我减轻了信息获取时的压力或疑虑
ES4 我觉得在虚拟兴趣社区中的交流让我产生了积极的情感体验，增加了对信息的信任
社区认同 SR1 我觉得自己与虚拟兴趣社区中的其他用户有共同的兴趣或目标 FANG等[47]
SR2 我觉得虚拟兴趣社区的价值观与我的想法相符
SR3 我愿意在虚拟兴趣社区中更多地参与和分享信息
SR4 我认为虚拟兴趣社区对我的观点表示了尊重和重视
社区意见领袖参与 OL1 我认为虚拟兴趣社区中的意见领袖对我有影响 蒋惠芳[48]、吴娇娇[49]
OL2 我信任虚拟兴趣社区中具有较高影响力的用户提供的信息
OL3 我经常关注虚拟兴趣社区中意见领袖发布的内容
社区内容互动 CI1 我经常参与虚拟兴趣社区的讨论和互动 范晓屏等[50]
CI2 我觉得虚拟兴趣社区的讨论帮助我更好地理解信息
CI3 我认为通过与其他用户的互动，我对信息的信任度增强了
平台易用性 EU1 我觉得虚拟兴趣社区平台的界面设计简单明了，易于操作 ZLATOLAS等[51]、郭瑞[52]
EU2 我能够在虚拟兴趣社区平台上快速找到自己所需的信息
EU3 我觉得在虚拟兴趣社区平台上的操作过程流畅，没有不必要的障碍
信息采纳意愿 IA1 我愿意依据虚拟兴趣社区中获取的信息做出决策或采取行动 SUSSMAN[11]
IA2 我经常参考虚拟兴趣社区中的信息来解决实际问题
IA3 我觉得虚拟兴趣社区中的信息对我来说有足够的可信度，因此愿意采纳
IA4 我会向他人推荐虚拟兴趣社区中的有用信息或内容

3.2 数据收集

正式调查共收到问卷418份，剔除如答案相同或缺失、作答时间低于1分钟、存在答案矛盾的问卷，最终得到有效问卷361份，有效回收率为87.08%，调查样本的基本信息如表2所示。
表2 调查样本基本信息

Table 2 Survey demographics

描述性特征 类别 人数/个 所占百分比/%
性别 男 157 43.50
女 204 56.50
年龄 18岁及以下 6 1.70
19~26岁 187 51.80
27~34岁 121 33.50
35+ 47 13.00
虚拟兴趣社区使用时间 1年及以下 12 3.30
2~3年 84 23.20
3~5年 164 45.40
5年以上 101 28.10
虚拟兴趣社区使用频率 每天都会使用 296 82.00
每周2~4次 51 14.10
每月使用2~8次 14 3.90

4 结构方程模型分析

4.1 信效度分析

4.1.1 信度检验

本次研究各变量均采用问卷形式进行测量，为保证后续路径分析与假设检验结果的真实性，需要对本研究的调查问卷量表进行信度和效度的检验。验证性因子分析结果如表3所示，各观测变量的Cronbach's Alpha值和CR值均大于0.8，表明本研究的问卷具有较高的信度。
表3 验证性因子分析结果

Table 3 Results of confirmatory factor analysis

变量名称 Cronbach's Alpha 组合信度CR
信息质量（IQ） 0.865 0.867
信息源可信度（SC） 0.807 0.811
情感支持（ES） 0.845 0.846
社区认同（SR） 0.83 0.831
社区意见领袖参与（OL） 0.863 0.863
社区内容互动（CI） 0.819 0.819
平台易用性（EU） 0.838 0.839
信息采纳意愿（IA） 0.895 0.896

4.1.2 效度检验

效度检验即检验问卷能多大程度上正确测量所需要测量的项目。通过KMO与Bartlett球形检验，KMO值为0.917，大于0.9，适合做因子分析。各因素AVE均在0.5以上，说明研究量表收敛效度良好。区分效度检验结果如表4所示，各个因子的AVE值平方根值比因素和其他因素相关系数大，说明研究量表有良好区分效度。
表4 区分效度检验结果

Table 4 Results of discriminant validity test

变量 AVE MD EU CI OL IC SC IQ IA
SR 0.621 0.788
EU 0.635 0.383 0.797
CI 0.602 0.422 0.351 0.776
OL 0.612 0.463 0.452 0.412 0.782
ES 0.579 0.309 0.359 0.359 0.386 0.761
SC 0.519 0.433 0.453 0.492 0.475 0.372 0.720
IQ 0.566 0.493 0.472 0.400 0.358 0.306 0.517 0.752
IA 0.683 0.687 0.491 0.617 0.570 0.529 0.571 0.601 0.826

4.2 路径分析与假设检验

本研究对模型中变量间的关系进行分析从而验证假设是否被支持。样本数据模型和研究模型之间的适配度结果如表5所示，模型适配度指标均达到合理水平，模型拟合度较好。
表5 模型适配度检验结果

Table 5 Results of model fit test

指标类别 适配度指标 判断标准 指标值 适配效果
绝对适配度指标 CMIN/DF ＜3 1.220 符合标准
RMSEA ＜0.08 0.025 符合标准
GFI ＞0.9（理想）；＞0.8（合理） 0.925 符合标准
AGFI ＞0.8 0.908 符合标准
增值适配度指标 CFI ＞0.9 0.985 符合标准
IFI ＞0.9 0.985 符合标准
TLI ＞0.9 0.982 符合标准
简约适配度指标 PGFI ＞0.5 0.750 符合标准
PNFI ＞0.5 0.799 符合标准
结构方程模型路径分析结果显示，H2、H7假设不成立，其余假设均得到支持。信息维度，信息质量（β=0.213，p＜0.001）显著正向影响信息采纳意愿，信息源可信度（p＞0.05）对信息采纳意愿没有显著影响；信息人维度，情感支持（β=0.226，p＜0.001）显著正向影响信息采纳意愿，社区认同（β=0.353，p＜0.001）显著正向影响信息采纳意愿；信息环境维度，社区意见领袖参与（β=0.141，p＜0.05）显著正向影响信息采纳意愿，社区内容互动（β=0.259，p＜0.001）显著正向影信息采纳意愿；信息技术维度，平台易用性（p＞0.05）对信息采纳意愿无显著影响。具体路径如图2所示。
图2 模型分析结果图

*注：***表明P≤0.001；**表明P≤0.01；*表明P≤0.05；ns表明影响不显著

Fig.2 Model analysis results

5 模糊集定性比较分析

本研究采用fsQCA3.0软件进行分析，选取信息质量、信息源可信度、社区意见领袖参与、社区内容互动、情感支持、社区认同、平台易用性作为前因变量，并根据5%、95%以及交叉点50%的标准进行数据校准[53]。
在对校准后的数据进行组态分析之前，需要先对单项前因变量进行必要性分析，分析结果如表6所示。结果表明，单项前因变量的一致性结果均小于0.9，说明各前因变量不存在影响信息采纳意愿的必要条件，因而需要进行进一步的组态分析，探究虚拟兴趣社区用户信息采纳的影响因素组合条件。
表6 前因变量必要性分析结果

Table 6 Results of necessity analysis for antecedent variables

变量 一致性 覆盖度
IQfz 0.738 2 0.855 9
~IQfz 0.621 7 0.614 5
SCfz 0.846 8 0.860 6
~SCfz 0.530 8 0.596 2
ESfz 0.775 9 0.855 2
~ESfz 0.607 6 0.628 3
SRfz 0.779 8 0.875 6
~SRfz 0.607 1 0.617 2
OLfz 0.853 7 0.835 0
~OLfz 0.531 2 0.626 3
CIfz 0.807 1 0.849 7
~CIfz 0.561 8 0.607 8
EUfz 0.823 1 0.835 8
~EUfz 0.542 8 0.610 3
通过fsQCA3.0软件生成真值表以分析7个前因变量构成条件组合对信息采纳意愿的影响。对于大样本数据可以设定更高的案例频数阈值，并至少保留75%的观察样本[54]。将频数阈值设为4，原始一致性阈值采用默认值0.8，PRI一致性阈值为0.7。进行路径标准化分析后得到前因变量构型结果如表7所示。
表7 虚拟兴趣社区用户与信息采纳意愿的前因构型

Table 7 Antecedent configurations of virtual interest community users and information adoption willingness

前因条件 模式一 模式二
H1 H2 H3 H4 H5 H6
信息质量（IQ） 〇 ⊗ 〇 〇 ⊗
信息源可信度（SC） ● ● ● 〇 〇
情感支持（ES） ● 〇 ● ● ●
社区认同（SR） ⊗ 〇 ⊗
社区意见领袖参与（OL） ● ● ● ● 〇
社区内容互动（CI） ● ● ● ●
平台易用性（EU） 〇 ● ● ● ●
一致性 0.963 0.958 0.967 0.958 0.956 0.965
覆盖率 0.461 0.487 0.366 0.454 0.452 0.357
净覆盖率 0.041 0.025 0.041 0.058 0.033 0.021
总体一致性 0.946
总体覆盖率 0.693

*注：●表示核心条件存在；〇表示边缘条件存在；⊗表示边缘条件缺失；空格表示可有可无

据表7可知，总体一致性水平为0.946，各前因条件构型的一致性均高于0.9，总体覆盖率为0.693，模型解释效果较好，引致用户信息采纳意愿的组态路径共有6条，根据共同核心条件归类为以下两种模式。
模式一：信任驱动型。该模式包含3种构型（H1、H2、H3），共同核心条件为信息源可信度、社区意见领袖参与和社区内容互动，发挥了重要作用，但不同构型中的其他条件存在差异。在构型H1中，信息质量和平台易用性的存在发挥了辅助作用，情感支持和社区认同为无关紧要的条件；在构型H2中，情感支持和平台易用性的存在也发挥了重要作用，信息质量和媒介依赖度为无关紧要的条件；在构型H3中，信息质量、社区认同的缺失和情感支持的存在发挥了辅助作用，平台易用性为无关条件。这表明，用户信息采纳的过程中，在信息源具有高度的可信性，有意见领袖的背书并与社区成员充分内容互动的情况下，如果信息质量较高、平台较易用或获得情感支持、平台易用或即使信息质量较低、社区认同较低但情感支持较高会促进用户的信息采纳意愿。
模式二：体验促进型。该模式包含3种构型（H4、H5、H6），共同核心条件为情感支持和平台易用性，这两者在模式中起到了关键作用，不同构型中的其他条件也存在差异。在构型H4中，信息质量、信息源可信度和社区认同的存在发挥了辅助作用，社区意见领袖参与和社区内容互动为无关紧要条件；在构型H5中，社区意见领袖参与和社区内容互动的存在发挥了重要作用，信息质量的存在发挥了辅助作用，信息源可信度和社区认同为无关紧要条件；在构型H6中，信息质量、社区认同的缺失和信息源可信度、社区意见领袖参与的存在发挥了辅助作用，社区内容互动为无关紧要条件。这种模式表明，在情感支持和平台易用性成为核心的情境下，信息质量、信息源可信度、社区认同较高或高社区意见领袖参与、高社区内容互动、较高信息质量或即使信息质量和社区认同较低，而较高的信息源可信度与社区意见领袖参与会促进用户的信息采纳意愿。

6 结论

6.1 研究结果与讨论

本研究以信息生态理论为分析框架，从信息、信息人、信息环境和信息技术4个维度探讨虚拟兴趣社区用户信息采纳的影响因素。在结构方程模型的基础上结合模糊集定性比较分析方法剖析各因素间的联动组合效应。
（1）信息维度，信息质量显著影响用户信息采纳意愿，这与现有的研究结果一致[21,22]，表明用户在虚拟兴趣社区获取信息时非常注重信息的准确性、全面性、时效性和相关性。信息源可信度对用户的信息采纳意愿的影响并不显著，与现有研究结果不一致[22,24]，这可能与虚拟兴趣社区的特点有关。社区中，普通用户作为信息的主要发布者导致平台中存在海量的信息源，信息发布门槛降低、信息质量缺乏有效监管等问题使得用户更关注信息的内容特征，而不是单纯依赖于信息发布者的权威性或知名度。此外，fsQCA的结果表明，信息源可信度与社区内容互动、社区意见领袖参与共同作为模式一的3种构型中的核心条件，这说明即使信息源可信度作为单一变量的作用不显著，它仍可以在特定的组合条件下促进用户的采纳意愿。在信息采纳的过程中，用户可能更倾向于信任那些与信息来源进行充分互动、讨论的信息，当这些信息来源还与意见领袖的观点一致时，其影响力会进一步增强。
（2）信息人维度，情感支持和社区认同均显著影响用户的信息采纳意愿。这表明，用户在感受到情感上的关怀和社区的归属时，更愿意开放自己，接纳来自社区的信息和观点，使用户在交流中感到被理解和关怀，减少了信息交流过程中的不确定性和风险感。这种情感上的联系和认同感，可以看作是一种社会资本，它能够促进成员之间的信任建立，增强信息的可信度和吸引力。具体来说，情感支持能够减少个体在信息交流中的不确定性和风险感。当用户感到被理解和支持时，他们更可能相信社区成员分享的信息是出于好意和真诚，而不是出于欺诈或误导的目的。这种信任的建立是信息采纳过程中的关键因素，因为它降低了用户对信息源的怀疑，增加了他们采纳信息的可能性。同时，社区认同感让用户感觉自己是社区不可或缺的一部分，这种归属感促使他们更加积极地参与到社区的活动中，包括信息的分享和采纳。
（3）信息环境维度，社区意见领袖参与和社区内容互动均显著影响用户的信息采纳意愿。同时，fsQCA的结果也显示，这两个因素均作为不同构型的核心条件出现4次。意见领袖通过创造和分享高质量的内容、直接回答问题、引导讨论，以及参与直播和研讨会，增强了信息的权威性和信任度，从而吸引了更多用户的关注和信任。同时，内容的互动性，如评论、分享、私信、内容更新以及群组讨论等，不仅使信息更加多样化和个性化，而且通过这些实时和动态的交流，增加了用户的参与感和动机。因此，社区意见领袖参与和社区内容互动的活跃度共同构建了一个有利于信息采纳的支持性网络，在这样的网络中，用户不仅能够获取权威的信息，还能通过互动获得情感支持和反馈。这种环境鼓励用户积极参与讨论、分享观点，从而形成了一个良性循环，进一步提升用户对社区的依赖和信任。
（4）信息技术维度，SEM结果表明平台易用性对用户的信息采纳意愿无显著影响，这与现有研究结果不一致[55]。这主要是因为主题社区的用户往往具有高度的信息需求和明确的目标，他们更重视内容的质量和相关性，而不是平台的操作便捷性。同时，作为数字时代的用户，他们通常拥有较高的技术适应性，能够较快地适应不同的数字平台。而fsQCA的结果显示，平台易用性在6种前因构型中出现4次，表明在特定的变量配置和环境条件下，平台易用性仍然是影响用户信息采纳意愿的关键因素。这意味着，当平台易用性与其他因素（如情感支持和社区内容互动）结合时，可以形成有效的支持网络，增强用户的信息采纳意愿。
（5）fsQCA分析结果发现，触发用户信息采纳意愿有两种模式。模式一的核心条件为高信息源可信度、高社区内容互动和高社区意见领袖参与；模式二的核心条件为高情感支持与高平台易用性。值得注意的是，信息源可信度与平台易用性分别在两种模式中以核心条件出现，而在SEM中，信息源可信度与平台易用性的作用并不显著，显示出单个变量的“净效应”与多变量组合（组态）作用的差异，这也正是模糊集定性比较分析的价值之一，能够揭示复杂的决策环境中各因素的相互作用和集合影响。

6.2 研究启示与不足

本研究从信息生态视角出发，探讨虚拟兴趣社区用户信息采纳的影响因素，运用SEM与fsQCA的混合分析方法，进一步揭示了各个前因变量的复杂作用，丰富了信息采纳研究的理论成果。
本研究的实践启示在于：首先，虚拟兴趣社区平台应推进发布者的实名认证工作，对信息发布者身份进行一定的限制，如是否有过相关经历或专业咨询辅导经验等，确保从源头杜绝信息的不真实性与不可靠性。在此基础上，平台应进一步加强对信息质量的监控，针对不实言论或虚假信息进行相应的清查与严惩。其次，社区应营造关爱鼓励的交流氛围，如设互助板块；强化共同价值观和目标，举办兴趣主题活动；建立反馈机制，肯定奖励用户付出；带动用户增强情感纽带和社区认同。再次，进一步优化多样化的互动形式，如问答环节、讨论组、投票活动等，鼓励用户发表观点、分享经验和交流想法。重视社区意见领袖的培养和参与。识别并支持那些在兴趣主题中具有深厚知识和影响力的用户，赋予他们更多的展示和发声机会，及激励机制，鼓励更多有潜力的用户成长为意见领袖，形成良好的社区引领氛围。最后，优化平台的界面设计，使其简洁明了、易于操作，方便用户快速获取所需信息。比如，采用直观的分类导航和搜索功能，让用户能够轻松找到感兴趣的内容。
本研究仍存在一定的局限性，首先，本研究未关注不同兴趣社区之间存在的差异性，未来可以针对某一主题社区做针对性分析；其次问卷样本可能存在一定的同源偏差；最后，影响因素的选取主要提炼于相关理论模型和已有研究，未来将考虑利用质性访谈等方法进一步深化研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
中国互联网络信息中心. 第53次中国互联网络发展状况统计报告[R]. 北京: 中国互联网络信息中心, 2021.

China Internet Network Information Center. The 53rd Statistical Report on China's Internet Development[R]. Beijing: China Internet Network Information Center, 2021.

2
ARMSTRONG A, HAGEL J. The real value of online communities[M]//Knowledge and Communities. Amsterdam: Elsevier, 2000: 85-95.

3
FENG Y Y, LIU Z W, QIAN W J, et al. Research on the influence mechanism of gamification elements on users' willingness to continue using in interest-based virtual communities - Based on ECM-ISC model[C]//2019 16th International Conference on Service Systems and Service Management (ICSSSM). Piscataway, New Jersey: IEEE, 2019: 1-6.

4
孟笛. 虚拟社区国际研究综述——基于SSCI、A&HCI高被引文献的分析[J]. 图书情报工作, 2015, 59(18): 127-133.

MENG D. International literature review of virtual community: Based on the analysis high cited documents from SSCI and A & HCI[J]. Library and information service, 2015, 59(18): 127-133.

5
AL-AZIM N A R ABD, GHARIB T F, HAMDY M, et al. Influence propagation in social networks: Interest-based community ranking model[J]. Journal of King Saud University - Computer and information sciences, 2022, 34(5): 2231-2243.

6
刘颖捷. 娱乐类网络社区的用户粘性研究[D]. 西安: 西北大学, 2017.

LIU Y J. Research on user stickiness of entertainment network community[D]. Xi'an: Northwest University, 2017.

7
卢倩. 虚拟兴趣社区激励用户参与的策略及机制研究[D]. 南京: 南京大学, 2021.

LU Q. Research on strategies and mechanisms of stimulating users' participation in virtual interest communities[D]. Nanjing: Nanjing University, 2021.

8
赵小建. 基于MOA理论模型的兴趣型虚拟社区知识共享行为研究[D]. 无锡: 江南大学, 2021.

ZHAO X J. Research on knowledge sharing behavior of interest-oriented virtual community based on MOA theoretical model[D]. Wuxi: Jiangnan University, 2021.

9
张瑞, 涂凯, 黄炜. 中美网络兴趣型社区粉丝行为对比研究——基于扎根理论探索分析[J]. 现代情报, 2023, 43(8): 54-65.

ZHANG R, TU K, HUANG W. Comparative study on fan behavior of Chinese and American in online interest-based communities - Research based on grounded theory[J]. Journal of modern information, 2023, 43(8): 54-65.

10
CHEN C D, KU E C S. Bridging indistinct relationships and online loyalty: Evidence from online interest-based communities[J]. Online information review, 2013, 37(5): 731-751.

11
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.

12
宋雪雁, 王萍. 信息采纳行为概念及影响因素研究[J]. 情报科学, 2010, 28(5): 760-762, 767.

SONG X Y, WANG P. Research on concept and effective factors of information adoption behavior[J]. Information science, 2010, 28(5): 760-762, 767.

13
陶晓波, 徐鹏宇, 樊潮, 等. 创新社区中新产品开发人员信息采纳行为的影响机理研究[J]. 管理评论, 2020, 32(10): 135-146.

TAO X B, XU P Y, FAN C, et al. Research on the influence mechanism of information adoption behavior of new product developers in innovation community[J]. Management review, 2020, 32(10): 135-146.

14
郭爱芳, 陈佳凤, 郭静, 等. 虚拟创新社区用户相关特征对其创意采纳的影响——以戴尔“头脑风暴” 社区为例[J]. 中国科技论坛, 2018(8): 140-146.

GUO A F, CHEN J F, GUO J, et al. The influence of user-related characteristics on the idea's adoption in virtual innovation community: An empirical study based on the dell's "idea storm" community[J]. Forum on science and technology in China, 2018(8): 140-146.

15
洪闯, 李贺, 毛太田. 开放式创新社区用户知识贡献的采纳机理研究[J]. 现代情报, 2020, 40(5): 33-40.

HONG C, LI H, MAO T T. Study on the adoption mechanism of knowledge contribution from open innovation community users[J]. Journal of modern information, 2020, 40(5): 33-40.

16
王楠, 陈详详, 祁运丽, 等. 基于详尽可能性模型的用户创新社区创意采纳影响因素研究[J]. 中国管理科学, 2020, 28(3): 213-222.

WANG N, CHEN X X, QI Y L, et al. The research on influence factors of user innovation community idea adoption based on elaboration likelihood model[J]. Chinese journal of management science, 2020, 28(3): 213-222.

17
李娟娟, 郭顺利. 认知视域下社会化问答社区用户知识采纳行为的影响因素——基于扎根理论的探索性分析[J]. 情报科学, 2022, 40(2): 91-98.

LI J J, GUO S L. Influencing factors of users' knowledge adoption behavior in socialized Q & A community from cognitive perspective - An exploratory analysis based on grounded theory[J]. Information science, 2022, 40(2): 91-98.

18
付少雄, 陈晓宇, 邓胜利. 社会化问答社区用户信息行为的转化研究——从信息采纳到持续性信息搜寻的理论模型构建[J]. 图书情报知识, 2017, 34(4): 80-88.

FU S X, CHEN X Y, DENG S L. Information behavioral transferring in a social Q & A community: A conceptual model for understanding mechanism from information adoption to sustained information seeking[J]. Documentation, information & knowledge, 2017, 34(4): 80-88.

19
费豪泽, 周斌, 刘鹏, 等. 社会化问答中回答者在线互动行为对信息采纳影响的实证分析[J]. 数字图书馆论坛, 2019(10): 45-54.

FEI H Z, ZHOU B, LIU P, et al. An empirical analysis of the impact of answers' online interactive behavior on information acceptance in socialized question answering[J]. Digital library forum, 2019(10): 45-54.

20
ZHOU T. Understanding online health community users' information adoption intention: An elaboration likelihood model perspective[J]. Online information review, 2022, 46(1): 134-146.

21
ZHU Y P, JIANG H, ZHOU Z. Information adoption behavior in online healthcare communities from the perspective of personality traits[J]. Frontiers in psychology, 2022, 13: 973522.

22
唐旭丽, 张斌, 张岩. 在线健康社区用户的信息采纳意愿研究——基于健康素养和信任的视角[J]. 信息资源管理学报, 2018, 8(3): 102-112.

TANG X L, ZHANG B, ZHANG Y. Explore users' information adoption intention in online health communities: A health literacy and trust perspective[J]. Journal of information resources management, 2018, 8(3): 102-112.

23
CHOU C H, WANG Y S, TANG T I. Exploring the determinants of knowledge adoption in virtual communities: A social influence perspective[J]. International journal of information management, 2015, 35(3): 364-376.

24
ZHU D H, CHANG Y P, LUO J J. Understanding the influence of C2C communication on purchase decision in online communities from a perspective of information adoption model[J]. Telematics and informatics, 2016, 33(1): 8-16.

25
LI R Z, HUANG Q, CHEN X Y, et al. Factors affecting smart community service adoption intention: Affective community commitment and motivation theory[J]. Behaviour & information technology, 2019, 38(12): 1324-1336.

26
涂瑞德, 操慧子, 明均仁. 虚拟学术社区用户采纳意愿的影响因素[J]. 图书馆论坛, 2020, 40(2): 10-16.

TU R D, CAO H Z, MING J R. Influencing factors of virtual academic community users' adoption intention: An empirical research[J]. Library tribune, 2020, 40(2): 10-16.

27
HORTON F W. Information ecology[J]. Journal of systems management, 1978(9): 32-36.

28
XU Z C, XU Z L. Research on circulation mechanism of digital course resources from the perspective of information ecology theory[J]. Journal of cases on information technology, 2024, 26(1): 1-21.

29
娄策群, 周承聪. 信息生态链: 概念、本质和类型[J]. 图书情报工作, 2007, 51(9): 29-32.

LOU C Q, ZHOU C C. Information ecochain: Concept, essence and types[J]. Library and information service, 2007, 51(9): 29-32.

30
冯献, 李瑾, 崔凯, 等. 基于信息生态视角的乡村居民公共数字文化服务采纳意愿影响因素分析[J]. 图书馆建设, 2022(4): 139-146.

FENG X, LI J, CUI K, et al. Analysis on factors influencing rural residents' acceptance of public digital cultural services from the perspective of information ecology[J]. Library development, 2022(4): 139-146.

31
刘春明, 郝庆升, 周杨, 等. 电商平台中绿色农产品消费者信息采纳行为及影响因素研究——基于信息生态视角[J]. 情报科学, 2019, 37(7): 151-157.

LIU C M, HAO Q S, ZHOU Y, et al. Consumer information acceptance behavior and influencing factors of green agricultural products in E-commerce platform - In the perspective of information ecology[J]. Information science, 2019, 37(7): 151-157.

32
JIANG G Y, LIU F, LIU W P, et al. Effects of information quality on information adoption on social media review platforms: Moderating role of perceived risk[J]. Data science and management, 2021, 1(1): 13-22.

33
徐嘉徽, 李全喜, 张健. 共享服务平台信息质量对消费者信息采纳行为的影响分析与提升对策研究[J]. 情报科学, 2019, 37(5): 148-154.

XU J H, LI Q X, ZHANG J. The impact of information quality on customer information adoption behavior and information quality improvement in shared services platform[J]. Information science, 2019, 37(5): 148-154.

34
ERKAN I, EVANS C. The influence of eWOM in social media on consumers' purchase intentions: An extended approach to information adoption[J]. Computers in human behavior, 2016, 61: 47-55.

35
SARASON B R A S. Social support: an interactional view[M]. New York: J. Wiley & Sons, 1990.

36
DHOLAKIA U M, BAGOZZI R P, PEARO L K. A social influence model of consumer participation in network- and small-group-based virtual communities[J]. International journal of research in marketing, 2004, 21(3): 241-263.

37
LAZARSFELD P F, BERELSON B, GAUDET H. The people's choice: How the voter makes up his mind in a presidential campaign[M]. New York: Duell, Sloan and Pearce, 1944.

38
周密, 罗露阳, 刘伟. 在线知识问答社区中答案的内容特征和社区地位对答案采纳的影响机制研究[J]. 图书馆研究与工作, 2023(8): 45-54.

ZHOU M, LUO L Y, LIU W. A study of the content characteristics of answers and community status on answer adoption in online knowledge question-and-answer communities[J]. Library science research & work, 2023(8): 45-54.

39
DURLAUF S N, IOANNIDES Y M. Social interactions[J]. Annual review of economics, 2010, 2: 451-478.

40
李宗伟, 张艳辉, 夏伟伟. 卖家反馈能否引发高质量的在线评论信息?——基于淘宝网的实证分析[J]. 中国管理科学, 2021, 29(5): 221-230.

LI Z W, ZHANG Y H, XIA W W. Can seller feedback trigger high quality online reviews? - Based on the empirical analysis of Taobao[J]. Chinese journal of management science, 2021, 29(5): 221-230.

41
DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS quarterly, 1989, 13(3): 319.

42
张秋霞. 信息生态视角下消费者选择跨境电商平台的影响因素研究[D]. 太原: 山西财经大学, 2020.

ZHANG Q X. Research on influencing factors of consumers' choice of cross-border E-commerce platform from the perspective of information ecology[D]. Taiyuan: Shanxi University of Finance & Economics, 2020.

43
LIAO C C, PALVIA P, LIN H N. The roles of habit and web site quality in e-commerce[J]. International journal of information management, 2006, 26(6): 469-483.

44
VENKATESH V, BROWN S A. A longitudinal investigation of personal computers in homes: Adoption determinants and emerging challenges[J]. MIS quarterly, 2001, 25(1): 71.

45
HUO C G, ZHANG M, MA F C. Factors influencing people's health knowledge adoption in social media[J]. Library hi tech, 2018, 36(1): 129-151.

46
CHIU C M, HUANG H Y, CHENG H L, et al. Understanding online community citizenship behaviors through social support and social identity[J]. International journal of information management, 2015, 35(4): 504-519.

47
FANG Y H, CHIU C M. In justice we trust: Exploring knowledge-sharing continuance intentions in virtual communities of practice[J]. Computers in human behavior, 2010, 26(2): 235-246.

48
蒋惠芳. 社交电商意见领袖对消费者在线购买行为意向的影响研究[D]. 西安: 陕西师范大学, 2022.

JIANG H F. Research on the influence of social E-commerce opinion leaders on consumers' online purchase intention[D]. Xi'an: Shaanxi Normal University, 2022.

49
吴娇娇. 社交平台中用户生成内容对消费者购买意愿的影响研究[D]. 南京: 东南大学, 2021.

WU J J. Research on the influence of user-generated content on consumers' purchase intention in social platform[D]. Nanjing: Southeast University, 2021.

50
范晓屏, 马庆国. 基于虚拟社区的网络互动对网络购买意向的影响研究[J]. 浙江大学学报(人文社会科学版)预印本, 2009(1): 94-102.

FAN X P, MA Q G. A study on the impact of interactivity on online purchasing intent based on virtual community[J]. Journal of Zhejiang University (humanities and social sciences), 2009(1): 94-102.

51
NEMEC ZLATOLAS L, WELZER T, HERIČKO M, et al. Privacy antecedents for SNS self-disclosure: The case of facebook[J]. Computers in human behavior, 2015, 45: 158-167.

52
郭瑞. 娱乐类移动短视频平台用户使用行为影响因素研究[D]. 郑州: 郑州大学, 2018.

GUO R. Research on influencing factors of user's usage behavior of entertainment mobile short video platform[D]. Zhengzhou: Zhengzhou University, 2018.

53
RAGIN C C. Redesigning social inquiry: Fuzzy sets and beyond[M]. Chicago: University of Chicago Press, 2008: 44-68.

54
谭春辉, 王晓宇, 刁斐, 等. 基于fsQCA方法的社会化问答社区用户持续使用意愿影响机理研究[J]. 图书馆学研究, 2023(1): 74-86.

TAN C H, WANG X Y, DIAO F, et al. A research on the influence mechanism of the user's continuous use intention in the social Q & A community based on the fsQCA method[J]. Research on library science, 2023(1): 74-86.

55
莫敏, 匡宇扬, 朱庆华, 等. 在线问诊信息用户采纳意愿的影响因素研究[J]. 现代情报, 2022, 42(6): 57-68.

MO M, KUANG Y Y, ZHU Q H, et al. Research on the influencing factors of users' intention to adopt online medical consultation information[J]. Journal of modern information, 2022, 42(6): 57-68.

Options
Outlines

/

〈 〉

Editorial Board of Journal of library and information science in agriculture
Tel：(010)82109667　Fax：(010)82109667　E-mail：xuekan＠caas.cn
Powered by Beijing Magtech Co., Ltd.
知识共享许可协议