当我们谈论社交媒体中的信任时，我们指的是什么？一项系统性回顾

文献标题

What Do We Mean When We Talk about Trust in Social Media? A Systematic Review

文献信息

• 主题领域: 社会媒体与信任关系的系统回顾
• 关键词: 信任，社会媒体，系统回顾，用户行为，平台信任，信息可信度，社会互动，困惑因素，信息传播，方法学
• 文献出处: 2023 CHI Conference on Human Factors in Computing Systems (CHI ’23), Hamburg, Germany

---

研究背景与问题

• 问题或挑战:

  • 社会媒体中的信任问题复杂且多维，信任的定义和测量尚无统一规范。
  • 不同文献中的研究结果关于信任的影响因素和后果存在矛盾。
  • 社会媒体中关于“信任”的概念在用户、信息及平台三个层面上尚缺乏明确界定。

• 重要性:

  • 社会媒体是数十亿人的日常生活组成部分，其内容对人们健康行为、政治参与、社会态度等有显著影响。
  • 确定信任的形成与作用机制有助于开发可靠的信息平台并制定有效的干预措施。

• 研究动机与相关工作:

  • 总结已有关于社会媒体信任的研究，明确其定义、概念化、测量方法、影响因素及后果。
  • 回顾以往文献，避免重复研究，为未来研究提供循证依据。

• 关键研究问题 (RQs):

  1. 如何在社会媒体中定义和概念化信任（包括信任、不信任和怀疑）？
  2. 如何在实证研究中测量社会媒体中的信任？
  3. 社会媒体信任的主要影响因素（先行变量）是什么？
  4. 社会媒体信任对用户行为及态度的后果是什么？

---

解决方案

• 研究方法: 系统回顾与综合分析，涉及以下步骤：

  1. 在六个数据库执行文献搜索。
  2. 通过标题筛选、摘要筛选及全文筛选逐步缩小文献范围。
  3. 对筛选出的文献进行质量评估，最后纳入70篇高质量文献。
  4. 提取信息以回答研究问题，包括研究目标、方法、样本特征、信任的定义与测量、信任的影响因素与后果等。

• 创新之处:

  • 第一篇全面总结社会媒体信任的定义、多维性、测量方法及其影响的系统回顾。
  • 分析了研究中信任概念与研究测量间的偏差。
  • 通过可视化（如Sankey图和热图）总结信任的定义流向、测量维度及关联变量的分布。

• 实施步骤:

  • 使用规范的PRISMA流程筛选文献。
  • 一致性评估与跨研究分析提取数据。
  • 分类并分析研究样本，明确目前研究的知识差距。

---

研究成果

主要发现

1. 信任的定义与概念化:

   • 超过一半的文献未明确定义信任；少有文献结合社交媒体具体化信任概念。
   • 常见的定义基于“意愿”（例如依赖性）或“感知”（如安全感）等。
   • 信任被区分为多种形式，如用户对平台的信任，对信息的信任，对他人的信任等。

2. 信任的测量:

   • 多数研究未能将信任定义与测量工具相结合，影响了测量的建构效度。
   • 对于单个信任目标（如信息、用户或平台）的研究，更偏向使用单一维度，而非多维度测量。

3. 信任的先行因素:

   • 包括人口学因素（如性别、年龄、种族）、用户与社交媒体交互特性（如使用频率、熟悉程度、风险感知）、以及信任对象的特性（例如透明度、高社交认证、信息的情感吸引力等）。

4. 信任的后果:

   • 积极后果: 增加在线行为（如信息使用和分享）或离线行为（如参与活动），改善品牌态度。
   • 消极后果: 降低用户信息验证行为的可能性，导致假信息识别困难。
   • 健康行为: 影响用户防疫行为，但不同平台的影响效果不一致。

5. 关于不信任和怀疑:

   • 很少有文献探索“怀疑”的独立维度。
   • 大多数文献将不信任视作信任的对立面，忽略了两者可能为独立概念。

优势与贡献

• 明确当前研究中存在的重要理论和实证差距。
• 为未来研究提供详细框架，有助于研究者设计更具科学性的测量工具和理论模块。
• 提供设计更加可信的社交媒体平台和内容的建议。

局限性与未来方向

• 本研究纳入的文献仅限于英文文献，可能遗漏其他语言中的研究。
• 使用的六个数据库虽涵盖多数相关领域内容，但可能未全面覆盖与主题相关的所有文献。
• 未来研究需扩大数据来源，深入探讨多语言和文化背景下的信任问题。

未来建议：

1. 定义与测量:

   • 进一步明确信任概念，将关注点扩大至更多类型的社交媒体平台。
   • 制定多维信任测量工具，以提高信任研究的科学性。

2. 方法学建议:

   • 除问卷调查外，鼓励采用纵向研究和质性方法探讨信任的动态变化。

3. 研究范围扩展:

   • 探讨信任向其他实体的转移机制（如从品牌到消费者社群）。
   • 对信任的后果，如行为变迁及态度转变进行更广泛的量化评估。

4. 设计实现:

   • 利用多特征的信任增强工具（如透明度指示器，可信度视觉线索）。
   • 针对特定文化和人群特性设计个性化信任干预措施。

5. 伦理考量:

   • 避免利用信任研究进行误导和操控。
   • 注重生产及分享信息过程中的公平性和透明度。

---

这项研究对深入理解社会媒体中的信任行为提供了全面的数据与框架支持，同时为未来研究与相应设计提供了具体指导。