ELM模型在互联网信息分享意愿方面的应用

摘 要 本文以elm模型对认知方式、自我效能、互联网涉入度以及科学素质四个方面与信息分享意愿的之间关系进行讨论。研究发现理性认知方式相比较感性认知用户来说科学信息分享的意愿更加强烈，但是科学素质与自我效能与分享意愿之间的关系并不明显;而且互联网用户的具有非常高的自我学习能力。

关键词 信息传播 ELM模型 涉入度 互联网自我效能

中图分类号：G642 文献标识码：A DOI：10.16400/ki.kjdks.2015.08.020

Application of ELM Model in the Aspects of

Internet Information Sharing Will

WANG Jian[1]， SONG Yunhan[2]

（[1] Beijing Association of Sustainable Development， Beijing 100094;

[2] Beijing Municipal Science and Technology Commission Personnel Exchange Center， Beijing 100083）

Abstract In this paper， ELM model cognitive style， self-efficacy， the Internet and involvement of the scientific quality of the four aspects of information sharing between the willingness for discussion. Study found that compared rational Cognition Perception users to share scientific information wishes more intense， but the quality of the relationship between science and self-efficacy and willingness to share is not obvious; and Internet users have very high self-learning ability.

Key words information dissemination; ELM model; involvement; Internet self-efficacy

“分享”不仅是社会传播的特点和重要途径之一，同时“分享”也是互联网精神核心之一，“分享”还是科学传播重要手段之一，以上这三点就决定了“分享”这一行为在互联网环境下对于科学传播的重要性。本研究拟通过对用户信息处理模型进行分析，从科学素质和信息处理两个方面来探究以科学传播为目的的中国大陆互联网用户科学信息分享意愿的影响因素。

派蒂（Richard E.Petty）和卡乔鲍（John T.Cacioppo）在20世纪80年代提出ELM模型（推敲可能性模型Elaboration Likelihood Model）这个模型是用户信息处理中最有影响的理论模型 （Petty R E， & Cacioppo J T， 1983）。

通过对ELM模型进行分析，可以得出用户信息处理有三个最重要的影响因素：用户认知方式、信息处理能力和参与动机。用户在接受信息刺激时，由于认知方式的不同导致态度的改变，态度分为中央路径和路径。中央路径是指当用户在接收信息时，会以理性、客观的方式来对信息内容的优劣加以推敲、思考，且经由深度的思考作用而产生的说服过程。路径是指当用户在接收信息时，会以感性、主观的方式加以应对。ELM理论中有两个关键的变量：用户判断信息的动机和能力。其中，动机受到涉入度的影响，涉入度高时，中央路径对用户更有说服力。当信息接收者具有处理信息的动机及能力时，会直接以中央路径方式来处理信息。

综上，在ELM模型基础上可以总结出影响互联网信息处理影响因素分为“认知方式”、“信息处理能力”、“动机（涉入度）”三个方面。本研究将以上三个信息处理当中因素作为本次论文重点讨论的自变量。

认知方式的测量本次研究选用Epstein， S.， Pacini， R. & Denes-Raj， V.（1996）以CEST（Cognitive-experiential self theory）为基础设计出的同时衡量认知与直觉风格的量表，量表中前五题为衡量“理性”部分，后五题则衡量“感性”思考的程度。“理性”得分高于“感性”部分的判定为理性思考者;“感性”总分高于“理性”型的判定为感性思考者;若“理性”总分等于“感性”的总分则认为认知方式不明。采用里克特七点法给予计量。

本研究采用Cronbach’ 系数进行检验除科学素质测量的其他变量，随机用户的前测过程中表现出了很好的内部一致性（表1）。

效度检测使用因素分析（Factor analysis）检验建构效度。实测KMO值为0.893，显著水平为0.000，表明每个题项均能起到很好的测量作用，结果如表2。

限定萃取四个共同因素时，转轴前四个共同因素的特征值分别为，7.333，3.943、3.517和4.523，采用直交转轴的最大变异法后，三个共同因素的特征值分别为76.501，4.489、3.803和4.523。三个共同因素可以解释测量题项78.314%的变异量，提取成分对应各变量，分布恰当有效。

本次研究共回收问卷390份，共使用39个题项分别测量科学素质、认知方式、自我效能、互联网涉入度五个变量。由于本次研究对因变量当中的信息分享意愿为定序变量，在相关分析中对于使用Spearman或Kendall秩相关系数进行数据分析。

本次研究中，科学素质高低分为两个组别，高素质组别统计个数为262个，均值为199.176，标准差为110.608，低素质组别统计个数为128个，均值为187.977，标准差为116.481。认知方式分为两个组别，理性组别统计个数为199个，均值为205.892，标准差为111.999，低素质组别统计个数为148个，均值为179.946，标准差为108.710。

对两个组别平均数间高低的进行T检验，在科学素质变量的levene检验中，P = 0.227≥0.05，所以科学素质高低两个分组的方差同质，在假设方差相等的T检验当中t=0.923，显著性P = 0.357≥0.05，所以拒绝虚无假设，结果认为科学素质分组的在分享意愿上的两组平均数没有显著差异。在认知方式变量的levene检验中，P = 0.918≥0.05，所以认知方式两个分组的方差同质，在假设方差相等的T检验当中t=2.161，显著性P = 0.031≤0.05，所以接受虚无假设，结果认为认知方式分组的在分享意愿上的两组平均数有显著差异。并且得出结论理性认知方式分享意愿的平均水平（M=205.89）高于感性认知方式分享意愿的平均水平（M=179.95）。

经数据统计，变量之间存在一定程度的相关关系。

依据图1，分析结果如下：

（1）以Kendall相关系数来看，分享意愿与互联网涉入度之间相关系数为0.254，P = 0.000

（2）以Kendall相关系数来看，分享意愿与自我效能之间相关系数为0.253，P=0.000

（3）以Kendall相关系数来看，分享意愿与认知方式之间相关系数为-0.063，P=0.112>0.05，分析结果认为认知方式与分享意愿之间不存在显著的相关关系;

（4）以Kendall相关系数来看，分享意愿与科学素质相关系数为-0.039，P=0.356>0.05，分析结果认为科学素质与分享意愿之间不存在显著的相关关系;

（5）以Kendall相关系数来看，自我效能与互联网涉入度之间的相关系数为0.432，P=0.000

（6）以Kendall相关系数来看，科学素质与互联网涉入度中间的相关系数为-0.096，P=0.022

（7）以Kendall相关系数来看，科学素质与自我效能的相关系数为-0.155，P=0.000

从Spearman系数验证来看，分享意愿与涉入度之间Spearman相关系数为0.352，且在0.01水平上表现显著，分享意愿与自我效能之间Spearman相关系数为0.349，且在0.01水平上表现显著，与Kendall相关系数表现出很好的一致性和相同的相关趋势。

据此，本次研究的样本数据可以得出如下的结果，涉入度水平与信息分享意愿显著相关，其相关系数为0.254，关联程度并不是很高。互联网自我效能与信息分享意愿显著相关，其相关系数为0.253，关联程度并不是很高。

由于本研究受许多限制，因此提出以下几项研究建议，供后续研究者参考：尝试加入或替换其他的研究变量：由于本研究发现影响网络信息分享意愿的主要因素是认知方式，但是这一定不是唯一的因素建议后续研究者重新讨论和发现更加有价值的研究变量，也许会有更多的研究发现;在研究分享意愿的基础上可以考虑进一步研究和讨论互联网上的分享行为，逐步完善对于这个领域研究的完整性。

参考文献

[1] Petty R E，， & Cacioppo J T. Central and Peripheral Routes to Advertising Effectiveness： The Moderating Role of Involvement. Journal of Consumer Research，1983：135-146.

[2] 田松.科学传播――一个新兴的学术领域.新闻与传播研究，2007.2：81-90.

[3] 何光喜.“论战型科普”：治理网络科学谣言的新武器.科技日报，2013-10-18.

[4] 翟杰全.科技传播学的三大源头.北京理工大学学报（社会科学版），2007.2：29-32.