信息焦虑量表编制及其信效度检验_焦虑自评量表信效度

　　[摘要]根据已有理论及相关调查结果，提出信息焦虑量表的基本结构维度并进行量表项目的编制；利用初始量表对用户的信息焦虑状况进行预测，对预测结果进行项目分析和因素分析，删除不合要求的项目后，形成包含47个项目的量表。对目标人群进行施测，检验量表的信效度检验，证明量表具有较好的信度和效度，可为评价用户信息焦虑提供一个量化工具。
　　[关键词]信息焦虑　量表　编制
　　[分类号]G350
　　
　　1　信息焦虑量表及其编制意义
　　
　　现代信息社会，我们面临的信息生态环境越趋复杂，负面效应越来越多。我们一方面享受着信息技术带来的便利性，另一方面也为随之而来的信息泛滥、信息污染、信息冗余、信息失衡等问题感到焦虑和不安。这就是所谓的“信息焦虑”。最早提出这一概念的是香港中文大学医学部的孙彼得教授，他发现在信息爆炸时代，信息成倍数增长，人们对信息的吸收是成平方数增长的，而人类的思维模式还不能适应接受如此大量的信息，由此造成一系列自我强迫和紧张，非常接近精神病学中的焦虑症状，因此称之为“信息焦虑综合征”。在信息管理学领域，美国信息构建大师沃尔曼在所著的Information Ansaety(《信息焦虑》，1989年)一书中首次提出了“信息焦虑”的概念。他认为“信息焦虑”是数据和知识之间的一个黑洞，在信息不能告知人们需要了解的东西时，它就会产生。对目前情况的调查表明，“信息焦虑”不仅影响到人们的正常生活和工作，也严重地影响到信息用户对信息和知识的获取行为，是当前网络社会一个非常值得关注的潜在危机。如何通过采取有效的信息服务措施，帮助用户更好地理解信息，促进信息的吸收利用，缓解或消除用户“信息焦虑”，是当前信息管理学领域需要研究的重要问题。而解决这个问题的前提是对用户的信息焦虑状态、程度作出测量，进而对此有更深入的了解。
　　“信息焦虑”测量需要有特定的工具。在当前迫切需要探讨和编制适合我国实际情况的信息焦虑测量工具――信息焦虑量表(Information Anxiety Scale，简称IAS)。量表是衡量某一概念的综合指标，是适用于调查人们主观态度的测量工具，它可以用多个问题来衡量一个概念(或变量)。信息焦虑量表的开发和应用，是用户及其信息焦虑定量研究的关键。目前国内已有信息焦虑自评量表、信息焦虑问卷调查，在某种程度上可以评价被测者的信息焦虑程度，但由于缺乏必要的理论支持和统计学数据检验，其测量质量无法得到保证。信息焦虑量表的编制将为有效缓解信息焦虑提供定量评估数据，从而为提高信息服务的质量和信息的利用率提供参考。
　　
　　2　IAS编制的理论与实践依据
　　
　　目前，国内外大多数学者都是以美国信息构建大师沃尔曼的信息焦虑理论为基础进行的探讨和研究，可见该理论的基础地位及其重要影响。沃尔曼比较系统地分析了信息焦虑的影响因素，从5个方面系统阐述了信息焦虑的构成：①不理解信息内容；②对需要理解的信息的数量不知所措；③意识不到所需信息出现；④不知道在哪里查询信息；⑤知道在哪里查询信息，但是不知道查询途径。本研究将沃尔曼信息焦虑影响因素分析归纳为三个维度，即信息利用能力、信息检索能力和信息意识。为了使量表的理论结构符合目前的信息环境，使IAS更具有代表性和实践性，采取访谈和问卷调查的形式以获得可靠的实践依据。
　　具体方法：对20名在校博士生和硕士生进行关于信息焦虑的访谈，了解他们在信息利用过程中可能产生信息焦虑的主要方面。根据已有研究成果，此类人群是目前焦虑的多发人群，他们的信息活动表现活跃，研究任务和学习任务较重，信息需求较强烈，信息意识也最高。选择此人群可以说非常具有代表性。实践访谈的结果，被试的硕士生和博士生都存在着一定程度的信息焦虑，这些焦虑的影响因素来自5个方面：信息质量、信息素养、个人认知特点及水平、检索系统功能及服务质量、个人所承担的任务压力及对信息的依赖程度。综合前面3个维度后，形成了本文5个维度的理论构思框架：信息质量、检索工具质量、信息用户信息素养、认知特点、客观环境。
　　
　　3　初始量表编制及项目筛选
　　
　　3.1　项目编制
　　在上述框架基础上进行量表项目的编制。量表项目来源主要有两个方面：①根据访谈或调查的结果；②从相关的量表或问卷中抽取。
　　?利用根据访谈结果编制的开放式调查问卷，对120名在校的大学生进行了调查，对结果进行内容分析，从中抽取具有代表性的高频描述性语句用于建构量表项目库。
　　?参考的相关量表及相关材料包括：图书馆焦虑量表、计算机焦虑相关论文以及互联网与信息焦虑相关研究文献。
　　综上结果，对量表中的项目进行删改、修订、补充以后，形成含57个项目的初始量表。
　　信息焦虑量表为多维度自评量表，为了防止被测者产生惯性思维，信息焦虑量表的不同维度的项目分散排列，正向项目和负向项目间隔排列。量表采取李克特5点评分方法。被测者根据自己的个人感受选择最能表达自身感受的项目。对被测者最后的得分加和，分数越高表明被测者信息焦虑程度越大。
　　利用初始量表对用户的信息焦虑状况进行了预测。根据专家的建议选定调查对象，包括：高校学生、教师、公司职员、医生、公务员。在这几种行业中进行随机取样。测试过程由研究者主持，向被测人员讲明具体的研究目的、研究内容、作答方法等。本次预测共发放问卷350份，回收有效问卷333份，回收有效率95.14％。针对调查结果用SPSS13.0统计软件包进行项目分析和因素分析，以此对量表进行进一步的检验和筛选。
　　
　　3.2　项目分析
　　项目分析的目的主要是找出不合理的项目，将其删除，进而提高量表的质量。本研究主要应用项目分析中的区分度分析。区分度分析是指测验项目对于所测量的心理属性的鉴别能力和区分程度，也称鉴别力=区分度的测量主要采用积差相关分析法和临界比分析法。
　　积差相关分析用来确定项目与总分之间的相关系数。采用皮尔逊积差相关公式，相关系数在0.2到0.8之间可以产生比较好的信度和效度。由此删除了8项不合要求的项目。
　　临界比分析法主要是测量临界比率(Critical Ra-tion，CR)，以此评价项目对被试实际能力或心理特质水平的区分能力或鉴别能力，将未达到显著水平的项目删除。IAS问卷中共有8个项目的CR值没有达到显著水平，因此被筛除。
　　
　　3.3　因素分析
　　因素分析的目的是在多变量系统中，把多个很难解释而彼此有关的变量转化成少数有概念化意义而彼此间具有独立性的因素，从而分析多个因素的关系，找出量表的潜在结构。因素分析的结果用于进一步测定量表的结构效度。
　　?KMO检验测度以及Bartlett’s球体检验。因素分析的基本原理是通过求出量表的“结构效度”对量 表中的因素关系作出判断。首先进行探索性因子分析的适当性考察：KMO(kmser-Meyer-Olkin)指数和球形Bartlett’s检验。IAS的KMO指数值为0.780，球形Bartlett检验结果X=3.707E3，自由度为820，说明可以采用因素分析进行结构效度检验。
　　?探索性因素分析。对筛选后保留下的41个项目进行探索性因子分析：利用SPSS13.0进行主成分分析，然后进行最大方差正交旋转。具体方法是通过对项目进行坡度检验，即scree test判断因素的抽取。形成的陡坡图如图1所示：
　　
　　由图1可知，特征值大于1.5的因素共6个，从第6个因素后面开始，坡度变得较为平坦，因此保留6个因素较为适宜。这6个因素的具体特征值见表1。
　　
　　IAS的41个项目分别属于6个因素。对提取的负荷值较高的题项进行命名。命名的依据主要是因素分析的结果及预调查所确定的理论构想。6个因素分别命名为：信息检索能力(Faetorl，6个项目)、检索系统质量(Factor2，9个项目)、信息利用能力(Factor3，8个项目)、认知特点(Factor4，9个项目)、知识结构(Fae-tot5，5个项目)、信息需求(Factor6，4个项目)。这6个因素解释总变异量40.522％，证明结构比较明确，项目分配能够较合理地解释所在维度。
　　量表征询专家意见后，在第5个因素和第6个因素上各补充了3个项目，对重新形成的47个项目重新进行间隔排列，形成正式的IAS。以下为IAS部分具有代表性的条目示例(每个项目都有“完全不符合”，“基本不符合”，“没感觉”，“基本符合”，“基本不符合”五个选项供被测者选择，此略)：
　　反复查询，以免错过信息更新。
　　大多数时候都对信息查询结果不满意。
　　处理查询结果要浪费大量时间。
　　希望学习更多信息查询方面的知识。
　　对不了解的领域常常不知道怎么确定信息的可用性。
　　在出现新的相关信息时总能立刻察觉。
　　在进行信息查询时经常怀疑信息的真实性。
　　总是觉得数据库中有更好的信息，是自己错过了。
　　常常因在海量信息中查找自己所需要的信息而得到很多其他方面的有用信息。
　　不知道如何选择检索工具进行信息查询。
　　觉得只有掌握大量信息才能完成现在的研究。
　　认为目前数据库的更新速度跟不上信息的更新速度，导致我错过了很多更新的信息。
　　常常在处理大量检索结果的时候失去耐心。
　　信息更新速度过快，打乱了正常的学习和研究。
　　在查询不对所需信息时通常不会沮丧。
　　认为只有专业人士才能进行较为准确和专业的信息查询。
　　认为现在的搜索引擎和数据库设计不舍理。
　　经常觉得检索结果不够全面或准确，但不会影响信息的利用。
　　
　　4　信息焦虑量表施测与信度效度检验
　　
　　应用IAS进行实证调查，评价量表的信度和效度。选取可能产生信息焦虑的重点人群：教师、学生、公司职员、公务员、医生。进行随机抽样调查。共发放调查问卷500份，回收有效问卷487份，回收有效率为97.4％。
　　
　　4.1　信度检验
　　本研究在信度的评价方面主要分析了一致信度和分半信度。计算每个因素以及Cronbach’s α系数与分半系数指标的结果见表2。
　　
　　各因素的Cronbach’s α系数从0.795到0.849，各因素都有非常好的Cronbach’s α系数，全量表的Clonbach’sα系数为0.965。各因素分半信度从0.744到0.863，各因素的分半系数指标均在非常良好的范围内，全量表的分半系数为0.959。说明量表在整体上有较高的内部一致性信度。即各项目所测的公共实体，每个分量表的项目在构思上具有一致性，因而是比较可靠的。
　　
　　4.2　效度检验
　　IAS编制中参考了国内外相关研究成果，项目与内容经过了审查、修改、重写、删除，较好地反映了用户信息焦虑的心理感受。征询专家意见，认为IAS具有较好的代表性，因此可以认为其具有较好的表面效度和内容效度。进一步对IAS进行结构效度的检验。
　　结构效度分析所采用的方法是因子分析。主要分析各个因素之间的相关以及各因素与总量表之间的相关性。结果显示，各因素之间的相关性在0.280～0.569之间，相关系数不高，说明各因素之间具有独立性。因素与总量表之间的相关性在0.689～0.765之间，相关具有显著性(p

相关热词搜索：焦虑 编制 量表 信息焦虑量表编制及其信效度检验 量表信效度检验 信效度检验方法