社会标签系统中的标签功能是更完美的公共分类的体现。而社会标注是一种在Web2.0环境中阻止信息的主要方法。在Web内容管理中来看，社交软件网站发挥着不可磨灭的作用，而社会性软件网站应用于管理Web资源的过程中同样起着十分重要的功效，探究相关领域的文献数量是以指数的形式增长的。本次研究的基础是豆瓣网，从用户自身因素、系统因素和资源因素这三个方面钻研用户标注行为的影响要素，并通过因子分析的方法，证实了以上三种因素不同程度地影响着用户的标注行为。最后对研究的结果进行讨论，并且依据本研究的结果给大众标注网站（如豆瓣）今后的优化工作提供一些建设性的建议。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
一、引言 2
二、理论基础 3
（一）用户自身因素 3
（二）系统因素 3
（三）资源因素 4
三、问卷设计与数据收集 4
（一）问卷设计及结构 4
（二）数据收集 5
四、结果分析 6
（一）基本信息统计 6
（二）信度与因子分析 6
1．信度分析 6
2．因子分析 7
（三）因子得分计算 9
（四）个体差异分析 9
五、研究结论与建议 10
（一）研究结论 10
（二）建议 11
致谢 11
参考文献： 11
附录：问卷 13
表 1 问卷的测量指标 6
表 2 样本的基本统计资料 8
表 3 探索性因子分析的KMO和Bartlett球体检验 9
表 4 用户标注行为影响因子一览表 10
表 5 个体差异检验表 12
图 1 因子碎石图 10
图 2 因子得分计算结果 12
用户标注行为影响因素探索性研究
引言
引言
社会标签(Social Tagging)是一种公众索引措施，在各类的保藏、检索、分享网站中被全面应用。比如说，C *景先生毕设|www.jxszl.com +Q: ^351916072* 
iteULike就是Springer所提供的一个网址，它可以帮助用户不收取任何费用地进行保存，运用和分享他们的学术论文。用户们使用标签来进行检索、组织和共享信息，很多用户能够碰到的信息超载问题都能够被它来轻松解决。所以学术界以及互联网企业一直都在密切关注着标签推荐(Tag Recommendation)[1]。社会标签可以被看作是一种Web2.0技术，它是一种新型的Web资源元数据。语义Web是当前Web的延伸，其中赋予了信息的确定定义的意义，更好地让计算机同人们一起共同工作[2]。从广义上来讲，社会标签也就相当于公众分类法[3]、合作标签、社会分类法和社会索引，同样可以翻译成“Social Bookmarking”[4]。就狭义上讲，社交标签是一种用户驱动的，群组互动的索引机制，它能够使用户将个性化的标签变为自己的资源，还能够通过标签融合和相似性完成信息组织的工作[5]。
标注从本质上来讲就是一种阅读的方法，其目的是不断满足用户日益增长的阅读和发现心理的需要。尽管日常标注对于别人来说，它的阅读和学习同样有一些借鉴的价值，然而以往在非网络环境下受到传播媒介的限制，此类价值就显得非常有限。但是在我们当今的社会里，随着网络水平的极快发展，用户间的共享与互动极为增强，标注便已经从一种个人的行为渐渐地转变成为网络信息资源组织的重要手段。相较于以往的信息组织方法不同的是，大众标注并没有一定规模的约束，却是让用户对所阅读的资料随意进行标注标签，之后再从里面归纳出相应的规律[6]。
在Web2.0的时代里，所有用户都能依据不同理解自行拣选不同的词来标注网络资源，亦或进行对任何的资源的推荐等。社会标注可以更整体、更深入地揭示资源，组成的标注结果更可能满足用户的需要。通俗上说的标注只是个人行为。同时在Web2.0环境中，网络用户自由选择标签来对网络资源进行标注的个人行为被Internet汇聚在一块，共同组成社会标注(Social Annotation)。与此同时，社会标注就可以被视作是社会群体对某一个目的的看法、视角或者解释[7]。
而究竟哪些要素能够影响用户的标注行为呢？中国的一些研究人员从不同的角度进行了探索，如用户认知、用户标记所使用的行为差异和标签概况。王爽首先解释了用户认识对标签应用行为的主要影响，当他分析后发现，在标签上具有明显的个体倾向是由于用户之间不尽相同的认知风格[8]；池雪花则举了新浪微博用户的例子，对不同领域内的用户间的标注行为的差异进行透彻的分析，最终得出用户的标签形式在不同学科之中并没有显著差异这样的结论[10]；林鑫主要探讨了标签标注资源的认知难易度和用户的认识风格，通过对豆瓣电影社会化注释数据的实证研究，表明标签使用行为明显受用户认知的影响，而标签资源的认知难度却没有受到显著影响[9]；另一方面，胡潜等学者为了能够更全面地解释影响用户标注行为的要素，他们研究了图书的主题是否能够对用户标注行为产生一定影响，最后得出了用户的标签使用行为显著地受图书的主题、作者和国家这三类标签的影响这一结论[11]。
从社会化标注系统中用户标签利用行为的视角下来看，外国的研究人员探究了影响要素、预测行为和使用行为与用户喜好的关系等方面。例如，Doerfel等人从实体、社交互动、资源检索、用户和资源组合以及实体间连接的角度标记社会化，探索用户在系统中的标签使用行为[12]。
Web2.0环境中的豆瓣网作为一个经典的互联网大背景下的典型，许多关于图书、影视、音乐等作品的关键信息都被它提炼了出来。例如，豆瓣网中的最为典型的代表就是豆瓣电影的标签标注，豆瓣网使用者们可以通过网站搜集到自己喜欢的电影资源，同时，对于不同类型的电影，有着截然不同的标注行为[13]。并且他们也能够找寻到其他用户的标注过的标签或者类似的电影推荐，网页内容的分类、筛选等过程都是通过用户之间的行为共同决定和产生的[14]。也正是因为像豆瓣网这种互联网社区的内容均由用户编制，所以特别需要探究系统中不同用户间的标注行为的影响因素，从而能够更方便地更新社会化标注系统中的功能。

原文链接：http://www.jxszl.com/jsj/xxaq/564037.html