论文部分内容阅读
实现全民健康是“健康中国2030”的一项重要战略,而进行运动锻炼是促进人民健康的有效途径。随着移动社交媒体的迅速发展,越来越多的人都被紧密地嵌入一个相互影响的社会网络中,个体的行为与态度受到社会网络中众多因素的影响。个体运动行为的数据化与社交化对健康行为是否会产生促进作用是健康传播研究领域面临的一个新的议题,其中“微信运动”是个体运动数据化与社交化的典型代表。现今越来越多的用户开始关注并使用微信运动共享运动数据,并进行个人健康管理。互联网的发展使得像微信运动一样的众多电子健康平台也成为用户获取社会支持的主要途径。社会支持是依托于社会网络的产物,本文主要分析社会网络中用户的运动行为与社会支持感知因素间的联系以及探索影响社会支持感知的因素。本文首先根据研究背景,对国内国外关于运动参与行为和电子健康的相关研究进行总结,依托社会网络、社会支持、社会比较和劝导技术等理论展开后续研究。前期通过问卷调查共收集了907份用户的运动行为和个人特征数据,采用BP神经网络算法修正数据的缺失值与异常值,并与常用预测模型对比阐明神经网络的优势。然后通过决策树评估不同干预条件下社会支持感知程度与运动行为的联系。进一步探讨劝导技术中的社会支持特征在微信运动中的体现与使用效能。本文采用C4.5决策树模型来评估不同社会支持感知程度的干预条件下用户运动行为的变化,结果表明:与排名靠前好友比较频率在用户的社会支持感知影响因素中起着主导性的作用;社会支持与社会比较间存在相互关系,而且用户的竞争意识越弱,社会支持感知对其运动行为的激励效果越明显;此外,用户的社会支持感知程度与其日平均步数之间并不是在任何情况下都是完全正相关的关系,表明决策树模型可以有效观察到用户的社会支持感知与日平均步数之间的异构干预效应。本论文扩展了关于社会网络中用户的社会支持感知对运动行为的干预效应的研究,本研究所采用的数据驱动方法有利于减少自我选择偏见并评估干预效果。决策树评估干预效应不需要决策者太多的专业知识,也不需要进行参数假设,结果更直接、更容易理解。研究结论有利于用户更好地了解“步数排行榜”和同侪影响的价值与功能,帮助其更好的进行健康管理。同时也为电子健康社交服务平台的运营策略提供一定的实践建议:平台可以在社会网络中引用适当的排名机制来激励用户的运动行为,根据用户个人特征有针对性地设计具有差别化的服务来激励不同的用户进行更多的运动行为;健全社会支持参与机制,重点突出好友的激励作用,从而提高平台的用户参与度和关注度。