【摘 要】［目的］了解新媒体崛起后新媒体化科技期刊传播效果影响因素的影响方向和影响强度。［方法］采用问卷调查法，针对高校教师、科技期刊从业者、大学生等用户对科技期刊的品牌形象、学术水平、新媒体传播度、新媒体性能4个维度的20个因子进行调查，利用SPSS 22.0软件对数据进行分析。［结果］品牌形象、学术水平、新媒体传播度、新媒体性能对科技期刊传播效果具有正向影响。这4个维度对科技期刊传播效果的影响强度依次为学术水平、新媒体传播度、品牌形象、新媒体性能。［结论］科技期刊要保持良好的传播效果，必须不断提升期刊的学术水平，同时也要加快新媒体化步伐。
【关键词】新媒体；科技期刊；传播效果；影响因素；实证研究
随着移动媒体的迅速崛起，以互联网为代表的新媒体成为用户获取信息的主要渠道。截至2018年底，我国互联网普及率为59.6%，其中移动互联网使用率高达98.6% [1]。科技期刊为了迎合网络化发展的趋势，进行了数字化和新媒体化的变革。科技期刊的传播效果直接影响科技期刊的发行和收入，科技期刊数字化使得传统的科技期刊传播效果评定指标不能适应科技期刊新媒体化的现状，出版业者和研究者需要将新媒体因素纳入科技期刊传播效果的影响因素进行分析。新媒体化的科技期刊传播效果研究一直是期刊从业者和传播学者研究的重点，也收获了大量的研究成果。王志娟等[2]对学术期刊影响力因素的主客观指标进行分析，发现主观指标中得分最高的指标是专家认可度，其他指标依次为学术影响力、出版行业影响力、社会影响力；客观指标中影响因子评分最高，其他指标依次为被引、被收录、被下载等；基金比是稿源特征中评分最高的指标。代艳玲等[3]提出把常规发行方式和新型传播手段相结合，从期刊的传播范围、传播深度和传播精度三个方面阐述提升科技期刊传播效果的途径；利用各种渠道提升科技期刊的知名度，使用新媒体吸引用户、扩大传播范围，多措并举提升科技期刊的传播效果。韩飞飞等[4]研究发现增加科技期刊网络建设评价指标、拓展科技期刊网络增值服务、提升期刊网站的管理运营能力对网络期刊传播效果的提升有较大的帮助。Monopoli等[5]在对电子期刊的服务评价中提出构建面向用户的评价体系。国内外学者从不同的角度对期刊的传播效果进行了研究，这些研究成果大多从某个方面或几个方面探讨提升科技期刊传播效果的方法，缺乏对这些影响因素对传播效果影响强度的实证研究。本研究拟对新媒体语境下科技期刊传播效果影响因素的影响方向和影响强度进行测量，通过数据分析展示这些影响因素对科技期刊传播效果是否有正向影响以及各因素影响强度的大小。
本研究拟从用户对新媒体语境下科技期刊传播效果的态度出发，对新媒体语境下科技期刊传播效果的影响因素进行调查分析，运用SPSS软件对调查获得的数据进行分析，实证验证各个影响因素对科技期刊传播效果的影响方向和影响强度，为提高科技期刊的传播效果提供实证数据和可行性方案。
1 理论模型设计
近年来，部分学者对新媒体语境下的科技期刊传播效果进行了研究，这些研究成果大多为定性分析，定量研究成果较少。王懿等[6]从网络平台、刊载情况、资源利用情况三个维度对数字出版平台的校园传播效果进行量化观察。赵文青等[7]对学术期刊的微信传播效果影响因素进行量化分析，发现发布时间、次序、类型均对传播效果有显著影响。徐翔[8]认为评论量和转发量是衡量新媒体传播效果的重度指标。王姣等[9]构建了数字期刊的质量影响因素模型，该模型从论文内容、学术评价、期刊质量、网站性能四个维度对数字出版物的传播效果进行研究。这些研究虽然增加了网络平台的相关测量维度，但在移动媒体时代，仅仅测量网站性能是远远不够的，因此本研究拟增加新媒体传播度和新媒体性能作为测量维度，以期更好地了解年轻用户的科技期刊数字媒体使用情况。
传播效果是指用户在接收信息后产生的认知、态度和行为三个方面的变化的综合。早期的传播效果从传播者的角度出发，提出“魔弹论”“有限效果论”等研究成果[10]，而“使用满足理论”[10]是真正开始从受众角度考察传播效果的理论。本研究主要针对用户态度进行测量。根据传播学四大先驱之一的拉斯韦尔提出的传播学5W理论[10]，传播分为五大要素，传播效果受到传播者、内容、媒体、受众四个方面因素的影响。结合前人的研究成果，此次研究的调查对象为科技期刊受众，研究内容为传播者、传播内容和传播媒体，将影响用户（受众）传播效果的品牌形象（传播者）、学术水平（传播内容）、新媒体传播度（传播媒体）和新媒体性能（传播媒体）四个维度作为测量指标。图1所示为利用Amos软件绘制的关系模型。期刊的品牌形象包括知名度、美誉度、编辑规范、差错率、印刷质量；学术水平包括权威性、创新性、影响因子、基金比例、被引频次；新媒体传播度包括访问量、下载量、评论量、搜索频率、转发频次；新媒体性能包括操作便利性、界面精美程度、打开速度、安全性、稳定性。
图1 新媒体语境下科技期刊传播效果影响因素的关系模型
2 研究假设
品牌是用户选择产品的重要指标，科技期刊的品牌形象好坏直接影响用户对期刊的选择。知名度是品牌形象的基础，高知名度的期刊可以吸引更多用户阅读。科技期刊的差错率、印刷质量等都是品牌形象的重要影响因素。为此提出第一个研究假设。
假设1:品牌形象与新媒体语境下科技期刊传播效果存在正相关关系。
用户使用科技期刊是为了获取知识，因此科技期刊的学术水平是影响用户选择该期刊的重要因素，科技期刊的传播效果在很大程度上依赖于用户对期刊学术水平的态度。为此提出第二个研究假设。
假设2:学术水平与新媒体语境下科技期刊传播效果存在正相关关系。
随着新媒体应用的普及，期刊新媒体化的趋势越来越明显，科技期刊在新媒体中的访问量、下载量等指标是期刊传播效果的可测量因素，这些因素会影响到科技期刊在新媒体中的排名，进而影响到传播效果。为此提出第三个研究假设。
假设3:新媒体传播度与新媒体语境下科技期刊传播效果存在正相关关系。
新媒体作为科技期刊传播的载体，其性能直接影响到用户的使用。操作方便、安全性高、界面精美的期刊新媒体能吸引更多的用户，继而提升科技期刊的传播效果。为此提出第四个研究假设。
假设4:新媒体性能与新媒体语境下科技期刊传播效果存在正相关关系。
3 研究设计及数据收集
3.1 问卷设计
此次研究的问卷设计参考了张千楚[11]在对网络出版的电子期刊质量影响因素及其实证研究中使用的量表，结合中国传媒大学沈浩教授的建议，采用Amos软件对结构模型进行检测，并对问卷进行适当修改，最终形成此次研究的调查问卷。
调查问卷除了用户基本信息外，还设置了用户对新媒体语境下科技期刊传播效果的满意程度，其4个维度共包含20个变量。采用李克特量表中的5级量表来测量用户对这20个变量传播效果的态度。量表设置为：1—非常不满意、2—不满意、3—无所谓、4—满意、5—非常满意。
3.2 数据搜集
此次调查的对象主要是大学生、高校教师和其他期刊使用者，通过网络问卷调查平台（问卷星）发放问卷。共回收问卷636份，剔除无效问卷14份，得到有效问卷共622份。从性别来看，女性占65.8%，男性占34.2%。从受访者职业分布来看，高校教师占38.7%，在校大学生占36.1%，政府及企事业职员占16.2%，期刊从业人员占4.7%，科研人员占4.3%。从学历分布来看，专科占10.3%，本科占52.5%，硕士占33.1%，博士占4.1%。从获取科技期刊的新媒体工具使用情况来看，手机占73.2%，计算机占26.8%。使用SPSS 22.0软件对622份有效问卷进行实证分析。
4 研究数据实证分析
4.1 信度检验
信度检验是分析问卷一致性和稳定性的主要方法，信度分析可以测量问卷的质量高低，克朗巴哈系数（Cronbach's α）是SPSS软件中常用的信度测量指标。通常Cronbach's α系数的值介于0和1之间，如果α系数能够达0.80.9，说明量表信度已经非常好[12]。使用SPSS 22.0软件对每个维度的5个变量可靠性进行分析，结果显示为：品牌形象的α系数为0.862；学术水平的α系数为0.844；新媒体传播度的α系数为0.932；新媒体性能的α系数为0.907。这表明4个因子的可靠性比较高，量表的一致性和稳定性较高，问卷具有较高的可信度，可以满足此次调查研究的需要。
4.2 效度检验
效度检验是为了分析量表的准确程度，以及设定的量表是否适合进行因子分析，Kaiser-Meyer-Olkin （KMO）和Bartlett球形检验是常用的效度检测方法。KMO是主成分分析的效度检验的常用指标之一，KMO取值为01，如果在0.9以上说明非常合适作因子分析；KMO取值为0.80.9，则表示很适合[12]。使用SPSS 22.0软件对20个测量变量进行降维处理，结果如表1所示。从表1可以看出，此次获得的KMO值为0.938，表明笔者所设计的《新媒体语境下科技期刊传播效果影响因素问卷》非常适合进行因子分析。Bartlett 球形检测的卡方值约为4751.461，df值为231，显著性概率值P<0.05，表明所设计的《新媒体语境下科技期刊传播效果影响因素问卷》中的20个问题受共同因素的影响，适合进行因子分析，量表的效度较高，能较为准确地反映研究问题的实质。
表1 KMO与 Bartlett 检测
| 统计学方法 | 检测指标 | 数值 |
| KMO | KMO值 | 0.938 |
| 卡方值 | 4751.461 | |
| Bartlett球形检测 | df | 231 |
| P | <0.001 |
4.3 因子分析
使用SPSS 22.0软件对问卷数据进行主成分分析，从而判断因子的数量。主成分提取的确定依据为Kaiser标准，提取因子的特征值应该大于1。表2所示为SPSS软件输出的变异数，表2中列出了因子变量的方差贡献（特征值）、方差贡献率、累计方差贡献率。可以看出：第1个因子的特征值为12.362，它解释了总变异的53.217%；第2个因子的特征值为2.692，它解释了总变异的10.674%；第3个因子的特征值为1.096，它解释了总变异的6.825%；第4个因子的特征值为1.026，它解释了总变异的5.523%。这4个因子累计解释了总变异的76.239%，具有较高的解释力。
表2 说明的变异数总计
注：提取方法为主成分分析法。| 因子序号 | 特征值 | 方差贡献率 /% | 累计方差贡献率 /% |
| 1 | 12.362 | 53.217 | 53.217 |
| 2 | 2.692 | 10.674 | 63.891 |
| 3 | 1.096 | 6.825 | 70.716 |
| 4 | 1.026 | 5.523 | 76.239 |
为了进一步判断哪些选项能够更好地解释这4个因子，同时使数据具有更强的解释力，对20个因子运行分析→降维→因子分析，使用Kaiser正规化的最大变异法进行正交旋转，在8迭代中收敛，旋转后的结果如表3所示。该结果显示，因子1包含A1、A2、A3、A4、A5，因子2包含B1、B2、B3、B4、B5，因子3包含C1、C2、C3、C4、C5，因子4包含D1、D2、D3、D4、D5。4个因子的构成与结构模型的选项一致，说明问卷设计比较合理，结构效度较高。从各个因子包含的选项变量的特征可以看出，因子1为品牌形象，因子2为学术水平，因子3为新媒体传播度，因子4为新媒体性能，这说明结构模型中设置的影响因素能够较为有效地反映因子的属性。
表3 旋转成分矩阵
注：提取方法为主成分分析法；旋转方法为具有Kaiser正规化的最大变异法；α在8迭代中收敛循环。| 旋转因子 | 因子1 | 因子2 | 因子3 | 因子4 |
| A1 | 0.609 | 0.231 | 0.352 | 0.285 |
| A2 | 0.618 | 0.307 | 0.311 | 0.336 |
| A3 | 0.712 | 0.081 | 0.020 | 0.216 |
| A4 | 0.759 | 0.183 | 0.059 | 0.395 |
| A5 | 0.637 | 0.115 | 0.165 | 0.369 |
| B1 | 0.153 | 0.676 | 0.391 | 0.228 |
| B2 | 0.110 | 0.637 | 0.165 | 0.393 |
| B3 | 0.345 | 0.660 | 0.234 | 0.256 |
| B4 | 0.334 | 0.569 | 0.176 | 0.035 |
| B5 | 0.509 | 0.580 | 0.173 | 0.187 |
| C1 | 0.101 | 0.188 | 0.754 | 0.391 |
| C2 | 0.262 | 0.064 | 0.702 | -0.031 |
| C3 | 0.277 | 0.085 | 0.622 | -0.003 |
| C4 | 0.261 | 0.329 | 0.755 | 0.229 |
| C5 | 0.318 | 0.403 | 0.748 | 0.162 |
| D1 | 0.131 | 0.522 | 0.253 | 0.604 |
| D2 | 0.188 | 0.418 | 0.316 | 0.643 |
| D3 | 0.073 | 0.200 | 0.268 | 0.729 |
| D4 | 0.321 | 0.372 | 0.127 | 0.771 |
| D5 | 0.262 | 0.238 | 0.300 | 0.771 |
4.4 回归分析
使SPSS 22.0软件对问卷数据进行线性回归分析，结果如表4所示。根据表4可以得到标准化回归函数：传播效果=0.280×品牌形象+0.364×学术水平+0.312×新媒体传播度+0.196×新媒体性能。
标准化回归系数也被称作β值，标准化回归系数是消除了因变量和自变量所使用单位不同的影响后的回归系数，该系数的绝对值大小直接反映自变量对因变量的影响程度，β值可以直接衡量影响状况。采用SPSS 22.0软件进行线性回归后得到如表4所示的线性回归模型参数。可以看到，β值均为正数，说明品牌形象、学术水平、新媒体传播度、新媒体性能对传播效果的影响均为正向，即品牌形象、学术水平、新媒体传播度、新媒体性能越高，科技期刊的传播效果越好。因此，本研究的假设1假设4全部成立。
由表4可知，品牌形象对新媒体语境下科技期刊传播效果具有正向影响，说明科技期刊的品牌形象提升可以有助于传播效果的提升。通过标准化回归函数可以看出，品牌形象的影响系数为0.280，其影响强度在4个因素中排名第3。品牌形象作为科技期刊向用户传递的定位符号，其好坏直接影响用户对科技期刊的选择。因此，树立良好的科技期刊品牌形象，是科技期刊的重要任务之一。
表4 逐步回归分析模型
注：因变量为传播效果；（常量）表示4个因素的影响为0时的分析模型。| 模型 | 非标准化系数 | 标准系数 | |||
| β | 标准误差 | P | β | t | |
| (常量) | 0.202 | 0.138 | 0.133 | 0.063 | |
| 品牌形象 | 0.312 | 0.041 | 0.280 | 4.861 | <0.001 |
| 学术水平 | 0.377 | 0.051 | 0.364 | 3.172 | <0.001 |
| 新媒体传播度 | 0.287 | 0.039 | 0.312 | 4.233 | <0.001 |
| 新媒体性能 | 0.155 | 0.066 | 0.196 | 4.846 | <0.001 |
学术水平对新媒体语境下科技期刊传播效果具有正向影响，学术水平是用户选择科技期刊的最重要影响因素，是科技期刊的生命线。通过标准化回归函数可以看出学术水平的影响系数为0.364，其影响强度在4个因素中最大，对科技期刊的传播效果的影响程度高于其他3个因素。科技期刊要不断提升学术水平，进而提升科技期刊的传播效果。因此，提升科技期刊的学术水平是提升传播效果的最有效方法。
新媒体传播度对新媒体语境下科技期刊传播效果具有正向影响。通过标准化回归函数可以看出新媒体传播度的影响系数为0.312，其影响强度在4个因素中排名第2。这表明随着新媒体的崛起，科技期刊在新媒体中的传播可以提升其传播效果。科技期刊在新媒体中的传播度越高，用户就会越容易接触到该期刊。因此，科技期刊要强化在新媒体中的传播，提升传播效果。
新媒体性能对新媒体语境下科技期刊传播效果具有正向影响。通过标准化回归函数可以看出新媒体性能的影响系数为0.196，其影响强度在4个因素中最弱。此次问卷调查受访者的手机使用占比较高，也说明用户的移动媒体使用频率较高。因此，科技期刊的新媒体化必须考虑新媒体本身的特点，争取发挥移动新媒体的优势，迎合用户移动化的转变，设计适合移动媒体的传播方式。
4.5 回归函数检验
表4所示的回归函数被确定之后，需要检验回归函数模型是否适用。常用回归分析中的决定系数（R2）和调整决定系数（调整R2）来表征回归系数与实际数据的拟合度。利用SPSS 22.0软件得到所设计模型中4个自变量（品牌形象、学术水平、新媒体传播度、新媒体性能）与因变量传播效果的决定系数为0.889，即4个变量可以共同有效解释传播效果的88.9%。回归自变量的个数会对决定系数产生影响，回归变量的增加可以使解释的比例增加，因此引入调整决定系数，考察图1 所示的新媒体语境是否需要增加新的变量，当调整决定系数小于决定系数时，就不用再增加自变量。本研究得到的调整决定系数为0.887，小于决定系数，说明回归模型与实际模型的拟合度较好，可以不用再增加自变量来解释因变量。
利用SPSS 22.0软件通过显著水平进行检测，结果如表5所示，从表5可以看到，P<0.05，说明品牌形象、学术水平、新媒体传播度、新媒体性能对传播效果均有显著影响，因此假设1假设4成立。
表5 方差分析
注：因变量为传播效果；预测变量为（常量）、品牌形象、学术水平、新媒体传播度、新媒体性能。| 模型 | 平方和 | df | 平均值平方 | F | P |
| 回归模型 | 116.031 | 5 | 21.735 | 141.105 | <0.001 |
| 残差模型 | 15.728 | 203 | 0.072 | ||
| 总计 | 131.759 | 208 |
5 研究结论及建议
5.1 研究结论
本研究通过问卷调查对新媒体语境下科技期刊传播效果的影响因素进行实证分析，通过对获得的数据进行回归分析，可以得到：新媒体化后科技期刊传播效果的影响因素中的品牌形象、学术水平、新媒体传播度、新媒体性能与科技期刊的传播效果都呈正相关；这4个维度对传播效果的影响强度大小依次为学术水平、新媒体传播度、品牌形象、新媒体性能；学术水平是科技期刊传播内容的质量评价指标，对科技期刊传播效果的影响强度最高；移动互联网的崛起正在改变用户的信息获取方式，年轻用户更多地使用新媒体来获取知识，科技期刊的新媒体传播度成为影响科技期刊传播效果的第二个重要因素。
5.2 建议
首先，科技期刊要不断提升学术水平。科技期刊的传播对象是专业群体，即实行分众传播。本研究发现学术水平是影响新媒体语境下科技期刊传播效果的最重要因素，学术水平是科技期刊的生命线，科技期刊必须时刻以保障内容的质量为己任，把学术水平作为衡量期刊的准测。盲审制度是提高学术水平的重要方法，盲审专家在不知道文章作者和单位的前提下对文章的学术水平进行评价，尽可能地减少人为因素的干扰。在相同条件下，期刊录用稿件时可以考虑向省级以上基金项目倾斜，通过省级以上基金比例的增加提升科技期刊的学术水平。
其次，新媒体的兴起也必然带动科技期刊的变革，科技期刊要强化在互联网中的传播并不断提升所使用的新媒体性能。传统媒体的新媒体化、融媒体化发展已经成为必然，用户的媒介使用习惯发生了改变，科技期刊要迎合用户媒体使用的变化，不断优化科技期刊在新媒体中的传播形式，提升科技期刊的传播效果。本研究发现被调查对象的移动媒体使用率为73.2%，表明用户的移动媒体使用频率越来越高。科技期刊要重视移动端的建设，可以创建期刊的微信公众号、微博、客户端，甚至可以创建抖音号，利用开放获取平台提升期刊的影响因子和新媒体传播度，提升科技期刊的学术影响力。
最后，品牌形象是科技期刊的无形资产，是科技期刊竞争力的重要载体。科技期刊要运用多种手段强化品牌建设，可以适时建立科技期刊的企业形象识别系统（Corporate Identity System，CIS）。科技期刊通过品牌形象的塑造，提升科技期刊在用户心目中的形象，进而增加用户对科技期刊的好感和使用频率。科技期刊可以通过举办研讨会、组织专题会议的形式提升品牌知名度，也可以通过大众媒体的广告扩大影响。
6 结语
科技期刊的学术水平是决定期刊发展前景的最重要因素，新媒体的崛起以及用户媒介使用习惯的改变使得新媒体传播度成为影响科技期刊传播效果的第二个重要因素。科技期刊在有效利用移动媒体的基础上吸引更多高水平的文章，是新媒体时代科技期刊发展的必然选择。
本研究虽然分析了科技期刊传播效果影响因素的影响方向和影响强度，但也有一定的局限性，希望能有更多的学者对科技期刊传播效果影响因素进行深度分析，为提升科技期刊传播效果的找到最佳的途径。
参考文献
[1]CNNIC发布第43次《中国互联网络发展状况统计报告》[EB/OL].[2019-03-02]..
[2]王志娟,法志强.科研人员视角的学术期刊影响力因素分析及其对期刊发展的启示[J].中国科技期刊研究,2019,30(5):559-564.
[3]代艳玲,朱拴成,杨正凯,等.科技期刊传播质量和影响力提升途径与实践[J].编辑学报,2017,29(3):222-225.
[4]韩飞飞,王国燕,周荣庭.中外顶级科技期刊网络传播效果的对比分析[J].出版发行研究,2015(7):57-60.
[5]Monopoli M,Nicholas D,Georgiou P,etal.A user-oriented evaluation of digital libraries: Case study the "electronic journals" service of the library and information service of the University of Patras, Greece[J].Aslib Proceedings,2002,54(2):103-117.
[6]王懿,陈诗含,刘黎明.不同学术期刊数字出版平台在医学专业院校的传播效果评价——基于陕西省4所医学专业院校调研数据[J].新闻知识,2018(11):27-29.
[7]赵文青,宗明刚.学术期刊微信传播效果影响因素分析[J].中国科技期刊研究,2016,27(6):611-616.
[8]徐翔.中国媒体“社交化”传播效果与影响因素实证分析——基于三十家媒体的微博样本挖掘[J].哈尔滨工业大学学报(社会科学版),2016,18(3):63-70.
[9]王姣,张千楚.网络出版电子期刊质量影响因素实证分析与对策研究[J].情报科学,2015,33(3):135-140.
[10]胡正荣.传播学总论[M].北京:北京广播学院出版社,1997.
[11]张千楚.网络出版的电子期刊质量影响因素及其实证研究[D].长春:东北师范大学,2014.
[12]柯惠新,沈浩.调查研究中的统计分析法[M].2版.北京:中国传媒大学出版社,2005.
