研究成果分享 | 《基于UTAUT/HBM的老年MCI认知训练APP持续使用意愿研究》

正文字数：8776字

确保老年人认知健康的发展对实现积极健康的老龄化至关重要。轻度认知障碍（MCI）是认知功能衰退的表现，是大脑正常衰老和痴呆之间的过渡阶段[1]。当认知功能障碍接近临界值并在临床诊断出阿尔兹海默病时，说明认知功能神经元已经发生不可逆转的损伤[2]。研究显示，目前尚无有效治疗MCI的药物。在这种背景下，尽早地采取非药物干预措施成为更理想的策略。认知训练APP凭借其易用性、便利性和高效率，在帮助老年MCI改善认知功能和延缓认知衰退方面显示出潜力，但需持续使用才能充分发挥其价值[3]。然而，现有研究主要关注技术可行性、临床效果和训练方式等，少有研究关注用户使用APP之后的行为与意愿。以往研究表明，老年用户的持续使用意愿是态度、信念、社会环境和技术接受等因素的综合作用。因此，本研究将综合运用技术接受和使用统一理论（UTAUT）与健康信念模型（HBM），从多个维度来探索影响老年MCI认知训练APP持续使用意愿的因素，提供更全面、准确的分析。

1 理论基础

1.1 技术接受和使用统一理论（UTAUT）

UTAUT模型是由Venkatesh等[4]于2003年提出的，作为受众信息技术接受的经典模型，能够较好地解释个体采用新兴技术的行为意图，已有研究验证该模型对用户接受意愿的解释能力高达70%，是信息技术应用领域较有影响力的理论模型之一。模型主要由绩效期望（PE）、努力期望（EE）、社会影响（SI）和便利条件（FC）四个核心变量构成[5]。

1.2 健康信念模型（HBM）

HBM模型不仅是运用于解释个体健康行为的理论模型，也是目前运用较为广泛的健康行为理论之一。该模型整合了期望确认理论与认知理论，旨在探讨影响个体对健康风险感知、态度和信念的因素[6]，主要包含感知易感性（PSS）、感知严重性（PPSV）、感知障碍（PBR）、感知收益（PBN）、自我效能（SE）和行动线索（CTA）六个核心变量。

通过整合UTAUT和HBM模型，综合考虑技术接受及健康行为等多方面的因素，弥补单一模型的局限性，从老年MCI角度对认知训练APP的持续使用意愿进行实证分析。

1.3 持续使用意愿（CI）

根据现有文献，持续使用意愿多被定义为个体在初次使用某项技术、产品或服务后，对其未来持续使用的意愿强度，是衡量系统成功与否的关键标准。众多学者在现有理论模型的基础上，探讨不同层面的因素对APP持续使用意愿的影响。在认知层面，诸如可用性、易用性、便利性等因素被纳入讨论范畴，用户态度受到这些因素的影响，从而影响其持续使用APP的意愿；在技术层面，研究者主要关注了系统、服务、信息质量等方面，以解释用户在使用APP过程中的行为意愿与动机；在社会层面，一系列研究探讨了社会影响、行为规范等因素对用户持续使用意愿的影响[7]。多层面的研究构建了一个更为全面的个体行为解释框架，有助于更深入地理解用户持续使用APP这一行为背后的复杂动因。

2 模型构建与研究假设

2.1 模型构建

结合UTAUT和HBM构建理论模型，纳入模型核心要素作为自变量，持续使用意愿为研究模型的因变量。研究模型的构建如图1所示。

2.2 研究假设

绩效期望是个体对系统有用程度的感知，在本研究中指代个体对认知训练APP如何改善用户认知健康状况的主观感知。若用户认为APP可以有效改善其认知能力，则持续使用意愿会更强；相反，若感知到APP的使用并无好处时，则会削弱其使用意图。何惠倩等[8]研究发现绩效期望是促进用户持续采取健康行为的关键因素。基于此提出假设：绩效期望对老年MCI用户的持续使用意愿有正向影响（H1）。

努力期望是个体对使用系统付出的努力程度，在本研究中指代个体对认知训练APP使用难易程度的感知。当用户感知到APP具备易用性、训练过程简便轻松时，则会产生强烈的使用意愿，并且愿意长期使用。此外，APP易于使用的程度也会直接影响到用户对此技术带来收益的看法。因此，努力期望也是绩效期望的先行因素。基于此，提出以下假设。

1）努力期望对绩效期望有正向影响（H2）。

社会影响是个体在使用系统时受到周围群体影响的程度，本研究中是指个体在受周围群体多大程度上的影响，从而愿意持续使用认知训练APP。当周围其他人支持、鼓励或推荐使用认知训练APP时，积极的态度会提升用户的持续使用意愿。此外，社会影响可以传递积极的信号，从而强化用户对认知训练APP便利性的感知。基于此，提出如下假设。

便利条件包括用户所需的服务与技术支持。老年人使用应用系统的前提通常是服务支持，当面对使用障碍时若能够得到及时帮助，则能够提升其持续使用意愿。基于此，提出假设：便利条件对老年MCI用户的持续使用意愿有正向影响（H6）。

Janz等[9]将HBM模型分为感知威胁与行为评价两个部分，其中感知威胁包含感知严重性和感知易感性。HBM强调，当个体感知到健康威胁时，对健康的关注和健康行为的采取会不断增加。由于老年MCI人群身体机能的下降，同时患有认知功能障碍，其能够感知到更多的健康威胁。以往的研究显示，健康威胁感知程度越高的个体更有可能持续使用健康技术来进行疾病管理。基于此，提出如下假设。

行为评价由感知收益、感知障碍、自我效能、行动线索四个方面构成。感知收益是指用户对使用认知训练APP带来益处的主观判断，当用户认为使用APP可以改善认知能力，则会强化持续使用的决心。感知障碍是指用户在使用认知训练APP时面临的障碍，常见的有耗时、操作复杂、技术难题等。感知障碍越低，意味着用户使用APP更为轻松，降低使用负担，从而增强其持续使用意愿。自我效能代表用户成功使用认知训练APP的信心。行动线索是促进用户采取健康行为的提示因素，是提升其持续使用意愿的驱动力。此外，多项研究证明感知收益、感知障碍、自我效能和行动线索对用户持续使用意愿有一定影响[10-11]。其中，感知障碍具有负向影响。基于此，提出如下假设。

3 研究设计

3.1 研究方法

本研究以UTAUT和HBM模型为基础，构建了认知训练APP用户持续使用意愿影响因素模型并提出相关研究假设，样本数据收集自347名老年MCI用户，引入结构方程模型以对数据进行分析并对研究假设进行检验，确定影响用户持续使用意愿的因素，提炼因素之间的联系性与共同点，从而形成相应的设计策略以指导设计实践，研究方法流程如图2所示。

3.2 问卷设计

为检验上述研究假设，基于现有研究量表构建本文相关构念的测量量表并进行数据的收集。量表包含了个人常规信息和研究模型中的9个自变量与1个因变量。测量量表如表1所示，利用李克特5级量表进行打分，得分“1”表示“完全不同意”，逐渐增加，得分“5”表示“完全同意”。

3.3 问卷前测

为保证问卷质量，在正式问卷发放前进行了小规模前测调查，共收回了56份有效问卷。问卷数据来自于正在使用或使用过认知训练APP的老年MCI用户，对数据进行信效度检验并在此基础上进行调整。基于调整后的量表（如表1所示）进行正式调查，调查形式为线上、线下相结合。线上采用网络问卷，通过医疗或养老机构的工作人员，邀请目标用户在线填写问卷；线下调查则是笔者亲自走访武汉当地的大型养老机构和社区，面对面地引导用户填写问卷。最终收集数据347份，其中线上问卷数据268份、线下问卷数据79份。为确保研究的针对性和准确性，采取多重策略来判定填写问卷的老人是否患有MCI。首先，受访者年龄需在60岁及以上，存在轻度认知功能问题，如记忆力下降等。其次，采用中文版蒙特利尔认知评估量表对参与者进行认知能力筛查。该量表被广泛地用于认知能力的初步评估，具有较高的敏感性和特异性。Chen等[18]的研究结果表明，该量表是一项可靠的中国老年人认知能力筛查测试，可以有效检测其是否患有MCI。

4 数据分析及结果

4.1 描述性统计分析

问卷数据显示，女性样本略多于男性，分别占总人数的53.6%和46.4%。所有样本数据年龄都在60岁以上，样本中处于60～65岁的人数最多，占比达到了51.6%。从教育程度上看，拥有7～12年学龄的人数占比最大，达到了48.1%。受访者中拥有一年以上认知训练APP使用经历的人数占比最大，约占总人数的38.9%。样本描述性统计的具体信息如表2所示。

4.2 信度和效度检验

4.2.1 信度检验

为保证样本数据的可靠性，采用SPSS26.0软件对各个变量的内部一致性信度Cronbach'sAlpha进行计算，结果显示Cronbach'sAlpha和CR值均在0.7以上，表明此次调研的样本数据具有良好的信度，分析结果如表3所示。

4.2.2 效度检验

采用KMO与Bartlett球形检验对样本数据进行效度分析。表4中显示KMO值大于0.7，Barlett球形检验卡方值为5251.338，显著性水平小于0.001，统计检验结果显著，可以对数据进行因子分析。采用主成分分析法对样本数据进行探索性因子分析，结果如表5所示，累积方差贡献率达到75.050%，能够充分反映原始样本数据。最后共提取了11个成分，因子成分组成与模型假设是一致的，表明具有较好的结构效度。

4.3模型拟合度检验分析

4.3.1 结构效度

依照上述探索性因子分析结果构建老年MCI认知训练APP持续使用意愿影响因素分析的因子模型。通过AMOS26.0进行验证性因子分析，模型的拟合指数均符合评价标准，整体拟合度较好，结果如表6所示。

4.3.2 收敛效度

在收敛效度方面，量表的平均方差提取（AVE）值均大于0.5，各潜在变量的测度项因子载荷均大于理论值0.50，CR值均大于0.80，各观测指标均符合检验的基本要求，说明量表具有良好的收敛效度。结果如表7所示。

4.3.3 区分效度

从表8中的数据可以看出，观测变量的相关系数均小于0.9，对角线上的构念AVE平方根均大于其与其他变量的相关度。这意味着观测变量之间存在一定程度的相关性，也表现出相对较高的区分度，表明量表具备良好的区分效度。

4.4 路径分析与假设检验

如图3所示的路径分析结果表明，除感知易感性和感知严重性对老年MCI认知训练APP持续使用意愿的影响不具有显著性之外，其他路径均成立。其中共包含9条正向影响与1条负向影响。在用户持续使用意愿影响因素中，努力期望（β=0.477，P＜0.001）对用户持续使用意愿的影响极为显著，假设H3成立；感知收益（β=0.379，P＜0.001）、绩效期望（β=0.364，P＜0.001）、社会影响（β=0.303，P＜0.001）对用户持续使用意愿表现出显著的正向影响，假设H9、H1、H5成立；行动线索（β=0.275，P＜0.01）、便利条件（β=0.281，P＜0.05）、自我效能（β=0.192，P＜0.05）具有显著正向影响，假设H12、H6、H11成立；感知障碍（β=-0.404，P＜0.001）具有显著的负向影响，假设H10成立；感知易感性（β=0.158，P＞0.05）、感知严重性（β=-0.047，P＞0.05）对持续使用意愿不具有显著影响，假设H7、H8不成立。另外，努力期望对绩效期望（β=0.317，P＜0.001）具有显著正向影响，假设H2成立；社会影响对便利条件（β=0.360，P＜0.01）具有显著正向影响，假设H4成立。假设检验结果如表9所示。

5 设计策略与案例分析

5.1 设计策略

为设计令用户满意并具有持续使用意愿的认知训练APP，共邀请了15位在用户体验、认知训练、老年MCI用户研究、交互设计等领域的专家，列出影响用户持续使用意愿的因素及其系数大小作为初始材料，利用德尔菲法总结因素之间的共性和联系，形成一系列设计策略以指导APP的设计。如图4所示，具体可分为简单易用、绩效收益、引导激励和多维支持四个层面。

5.1.1 简单易用

构建直观易懂的操作流程、降低用户的认知负担、提高操作的流畅性以建立对APP使用的信心，从而增强其持续使用的意愿。具体表现为：优化APP信息架构，缩短操作路径，以最少的操作步骤达成目标任务，提升APP的易用性，进而增强用户持续使用意愿；保持APP整体风格和布局的一致性，避免过多的装饰性元素，保证APP使用的舒适感和稳定性，这有助于提升用户的持续使用意愿；由于老年用户使用创新产品的经验有限，采用引导方式助其快速上手，如APP操作指南或教程，从而促进其持续的使用行为。

5.1.2 绩效收益

设立认知训练表现反馈机制，让用户直观感受自身的进步，提高积极性，增强其持续使用意愿。具体表现为：定期进行认知能力评估，生成训练报告，将训练效果可视化，提升用户对APP的期望；考虑个体认知能力差异，提供个性化的训练计划，使训练内容更加贴合用户的实际需求，进而提升其持续使用APP的意愿。

5.1.3 引导激励

通过社交互动、群体影响对用户进行引导，激励用户积极使用认知训练APP。具体表现为：营造积极的社交环境，定期推出不同的话题与活动，吸引用户关注；邀请相关专家或健康从业者入驻平台并提供支持，使用户更加确信认知训练的实际收益，促进其持续使用意愿；设定奖励激励机制，如奖励积分、勋章等，使用户直观感知到训练完成的价值与意义，提升使用APP后的满意度与持续使用意愿。

5.1.4 多维支持

为用户提供多种形式的支持，以提升其持续使用意愿，包括外部资源支持（如设备和技术服务），以及内部心理支持（如自信心和自我效能）。具体表现为：提供多渠道的访问途径，包括手机、平板电脑等，以确保APP的畅通使用；设立专业的在线咨询服务支持，及时帮助用户解决问题，减少因问题而中断使用的可能性，增强持续使用的信心；易于理解的规则与内容有助于提升用户的容错率，避免因理解不清而导致的负面情绪，保障用户训练的顺利进行。

5.2 设计案例

本文使用“MindFit+”项目作为实际案例进行演示，如图5～6所示。项目信息架构包含了首页数据检测、认知训练服务、引导帮助、互动交流和用户中心五大模块，见图5。APP的色彩设计以蓝紫色为主，蓝色被选用以赋予APP医疗感和严谨性的特质，而紫色的运用为APP注入趣味性与神秘感，见图6。

2）绩效收益层面：对用户认知能力水平进行评估以生成个性化的训练路径，使训练内容更贴合用户的需求，如图6中“认知测试和个性化训练”页面所示。此外，“首页”与“训练”页面中的训练记录回顾功能，可以追溯用户认知能力提升的历程，让训练效果与收益可视化，有助于增强用户的信心和动力，提升其持续使用意愿。

3）引导激励层面：引导用户与他人进行社交互动和合作挑战，增加用户的参与度。在设计中引入奖励机制，当用户达到特定目标时会收到奖励和认可，领取虚拟勋章或实物奖牌等，以激发用户的自信心。

4）多维支持层面：账号的多平台兼容性，使得用户可以在不同的设备上登录其账号。“引导帮助”功能位于导航栏的显著位置，在用户遇到困难时可及时提供帮助和解决方案。采用图文结合的方式描述训练规则，让规则更易于理解。

针对设计案例，采用移动医疗应用程序可用性问卷（MAUQ）[19]进行评估，问卷分为易用性和满意度（MAUQ-E）、系统信息布局（MAUQ-S）和有用性（MAUQ-U）。选取老年用户覆盖面较大、评分较高的现有认知训练APP——“CogniFit大脑训练”“未来之光-脑力训练”“MindFit+”进行评估对比，随机选取符合研究标准的32名老年MCI用户，采用李克特7级量表进行评分，“1”分表示“非常不满意”，逐渐增强，“7”分则表示“非常满意”。问卷结果如图7所示，“MindFit+”总体MAUQ评分高于其余两款现有认知训练APP的总体MAUQ评分。具体表现为，现有认知训练APP的设计具有更广泛的受众覆盖，功能和界面设计的复杂性增加了用户的使用障碍与困扰，进而影响到用户的持续使用意愿。其次，现有认知训练APP未提供足够的服务支持，当用户面临困难问题时，无法提供及时便捷的服务支持，导致用户对APP的持续使用意愿大大降低。在相同的维度上，用户对“MindFit+”的评分得到明显的提高，这表明基于本研究设计策略的认知训练APP设计具有更高的用户满意度，展现更强的持续使用意愿。具体如图7所示。

6 结论

本研究通过整合UTUAT和HBM构建理论研究模型，实证结果表明模型具有良好解释力，能够更全面、准确地评估老年MCI认知训练APP持续使用意愿的影响因素，为后续相关领域的学术研究和理论探讨提供新思路和新方法。同时，这项研究对相关设计师理解用户需求和认知训练APP的设计具有重要参考意义，为设计提供有效的策略，从而提升用户的持续使用意愿。本研究线下样本仅在武汉地区进行调研，具有局限性，后续研究将扩大样本范围，以验证研究结果的普适性。

参考文献：

[1] PETERSEN R C, CARACCIOLO B, BRAYNE C, et al. Mild Cognitive Impairment: A Concept in Evolution[J]. Journal of Internal Medicine, 2014, 275(3): 214-228.

[2] CHENG Y, LIN C, LANE H. Involvement of Cholinergic, Adrenergic and Glutamatergic Network Modulation with Cognitive Dysfunction in Alzheimer’s Disease[J]. International Journal of Molecular Sciences, 2021, 22(5): 2283.

[3] 赵春善, 高玲, 孟繁明. 认知训练对老年轻度认知障 碍认知功能影响的 Meta 分析[J]. 中国老年学杂志, 2018, 38(22): 5487-5492. 

ZHAO C S, GAO L, MENG F M. A Meta-Analysis of the Effects of Cognitive Training on Cognitive Function in Older Adults with Mild Cognitive Impairment[J]. Chinese Journal of Gerontology, 2018, 38(22): 5487- 5492.

[4] VENKATESH V, MORRIS M G, DAVIS G B, et al. User Acceptance of Information Technology: Toward a Unified View[J]. MIS Quarterly, 2003, 27(3): 425-478.

[5] 胡德华, 张彦斐. 基于 UTAUT 的大学生健康类 APP 使用影响因素研究[J]. 图书馆, 2019(3): 63-68. 

HU D H, ZHANG Y F. A Study on the Influencing Factors of Health APP Use among College Student Based on UTAUT[J]. Library, 2019(3): 63-68.

[6] 贺珊, 曹坡, 余佳琪, 等. 网络健康社区用户信息交 流的认知动因探究——基于 SEM 和 fsQCA 方法[J]. 现代情报, 2023, 43(3): 42-52. 

HE S, CAO P, YU J Q, et al. Research on the Cognitive Motives of Users' Health Information Exchange in Online Health Community Using SEM and fsQCA[J]. Journal of Modern Information, 2023, 43(3): 42-52.

[7] 易明, 博航, 刘继月. 信息茧房背景下基于应对理论 的 APP 用户持续使用意愿研究[J]. 情报资料工作, 2023, 44(4): 66-76. 

YI M, FU H, LIU J Y. Research on APP Users' Continuous Use Intention Based on Coping Theory under the Background of Information Cocoons[J]. Information and Documentation Services, 2023, 44(4): 66-76.

[8] 何惠倩, 张瑞秋, 孙炜, 等. 互联网医疗患者满意度 影响因素分析与研究[J]. 包装工程, 2021, 42(22): 204- 211. 

HE H Q, ZHANG R Q, SUN W, et al. Analysis and Research on Influencing Factors of Internet Medical Patient Satisfaction[J]. Packaging Engineering, 2021, 42(22): 204-211. 

[9] JANZ N K, BECKER M H. The Health Belief Model: A Decade Later[J]. Health Education Quarterly, 1984, 11(1): 1-47. 

[10] 宋小康, 赵宇翔, 朱庆华. 在线健康信息替代搜寻影 响因素研究: 基于健康信念模型和社会支持理论[J]. 图书情报工作, 2022, 66(2): 45-56. 

SONG X K, ZHAO Y X, ZHU Q H. Research on Influencing of Online Surrogate Health Information Seeking: Based on the Health Belief model and Social Support Theory[J]. Library and Information Service, 2022, 66(2): 45-56. 

[11] YUEN K F, LI K X, MA F, et al. The Effect of Emotional Appeal on Seafarers' Safety Behaviour: An Extended Health Belief Model[J]. Journal of Transport & Health, 2020, 16: 100810. 

[12] TIAN X, WU R. Determinants of the Mobile Health Continuance Intention of Elders with Chronic Diseases: An Integrated Framework of ECM-ISC and UTAUT[J]. International Journal of Environmental Research and Public Health, 2022, 19(16): 9980.

[13] 刘劲达, 李全喜, 王珺. 基于UTAUT 模型的线上办 公 APP 用户使用行为影响因素研究[J]. 情报科学, 2020, 38(9): 49-55. 

LIU J D, LI Q X, WANG J. Influencing Factors of Online Office APP Users' Intention Based on UTAUT[J]. Information Science, 2020,38(9): 49-55. 

[14] HUNG S, KU Y, CHEN J. Understanding Physicians' Acceptance of the Medline System for Practicing Evidence-based Medicine: A Decomposed TPB Model[J]. Inernational Journal of Medical Informatics, 2012, 81(2): 130-142. 

[15] NOROOZI A, JOMAND T, TAHMASEBI R. Determinants of Breast Self-Examination Performance among Iranian Women: An Application of the Health Belief Model[J]. Journal of Cancer Education, 2011, 26(2): 365-374. [16] KHORSANDI M, FEKRIZADEH Z, ROOZBAHANI N. Investigation of the Effect of Education Based on the Health Belief Model on the Adoption of Hypertensioncontrolling Behaviors in the Elderly[J]. 2017, 12: 233- 240. [17] 王铮, 邓嵘, 蒋乾灵. 基于用户感知的健身APP 持续 使用因素研究[J]. 包装工程, 2022, 43(20): 202-211. 

WANG Z, DENG R, JIANG Q L. Factors of Continuous Use of Fitness APP Based on User Perception[J]. Packaging Engineering, 2022, 43(20): 202-211.

[18] CHEN K, XU Y, CHU A, et al. Validation of the Chinese Version of Montreal Cognitive Assessment Basic for Screening Mild Cognitive Impairment[J]. Journal of the American Geriatrics Society, 2016, 64(12): 285-290.

[19] ZHOU L, BAO J, SETIAWAN I M A, et al. The mHealth APP Usability Questionnaire (MAUQ): Development and Validation Study[J]. Jmir Mhealth and Unhealth, 2019, 7(4): e11500.

← 左右滑动查看全文【共11页】 →