人工智能-机器学习-移动互联网业务使用行为影响因素研究.pdf

《移动互联网业务使用行为影响因素研究》这篇硕士论文主要探讨了人工智能领域中，特别是机器学习在移动互联网业务使用行为分析中的应用。论文基于传统的技术接受度（TAM）模型和整合型信息技术接受与使用模型（UTAUT），深入研究了影响移动用户对移动互联网服务接受度的关键因素。 TAM模型是理解用户技术接受行为的基础框架，它主要考虑了两个核心变量：感知有用性和感知易用性。然而，TAM模型可能不足以全面解释移动互联网业务的复杂接受情况。UTAUT模型则在此基础上进一步加入了适配性、主观规范、兼容性等因素，增强了模型的解释力。论文将UTAUT模型引入移动互联网环境，通过对模型的扩展，提出了四个新的影响因素：感知风险、感知娱乐性、网络质量和感知成本。 感知风险是指用户在使用移动互联网服务时对隐私泄露、网络安全等问题的担忧。感知娱乐性则是指用户对服务能否提供乐趣或休闲体验的评价。网络质量关乎服务的稳定性和速度，对用户的满意度有直接影响。而感知成本则包括经济成本和时间成本，过高可能会降低用户的使用意愿。 论文通过收集270份问卷数据，运用结构方程建模进行实证分析，发现绩效期望、努力期望、感知娱乐性、促成因素、感知风险、网络质量和感知成本对移动互联网使用意愿有显著影响。其中，绩效期望的影响最为显著，意味着服务的实际效果和用户预期的吻合度对使用意愿至关重要。然而，社会影响并未显示出显著影响，这可能是因为在移动互联网场景下，个人的主观体验和实际需求比他人的影响更为重要。 根据这些发现，论文建议移动运营商和业务提供商在设计服务时，应注重提升内容的丰富度，将服务与用户的生活和工作紧密关联，增加娱乐性元素，并简化操作流程以降低用户的学习成本。同时，强化网络安全保障，减少用户对风险的感知，以及优化网络质量，降低感知成本，都是提高用户接受度的关键策略。 这篇论文通过对移动互联网业务使用行为的深度分析，揭示了影响用户接受度的多元化因素，为移动互联网服务的优化提供了理论依据和实践指导。这不仅有助于提升移动互联网服务的设计质量，也为相关领域的研究提供了宝贵的参考。