基于ELM的在线健康社区用户信息采纳意愿研究.docx

基于ELM的在线健康社区用户信息采纳意愿研究
基于ELM的在线健康社区用户信息采纳意愿研究
摘要：
随着互联网的普及，越来越多的人开始通过在线健康社区来获取健康信息并与其他用户交流。用户对于在线健康社区的信息采纳意愿对于社区的发展和用户体验具有重要影响。本文基于ELM（ExtremeLearningMachine）算法，研究了影响用户信息采纳意愿的因素，并通过实证分析验证了研究假设。研究结果表明，对于在线健康社区用户来说，信任、知识水平和用户满意度是主要的影响因素。
关键词：在线健康社区、信息采纳意愿、ELM算法、用户满意度
1.引言
随着互联网的迅速发展，在线健康社区成为人们获取健康信息、交流健康经验的重要平台。然而，用户对于在线健康社区的信息采纳意愿对于社区的发展和用户体验具有重要影响。因此，深入研究用户信息采纳意愿的影响因素，可以提供有针对性的改进策略，促进在线健康社区的发展。
2.相关理论和研究
2.1在线健康社区
在线健康社区是指通过互联网平台，用户可以获取健康信息、分享经验、寻求支持等的虚拟社交网络。相比传统的健康服务模式，在线健康社区具有更高的方便性和效率性，得到了广大用户的热烈响应。
2.2信息采纳意愿
信息采纳意愿是用户对于社区中的信息和知识进行接受和应用的愿望程度。用户的信息采纳意愿直接影响其对于社区所提供资源的使用程度和效果。
2.3ELM算法
ELM（ExtremeLearningMachine）是一种新兴的机器学习算法，其具有快速训练速度和良好的泛化性能。ELM算法在处理大规模数据集和复杂问题上有着较好的应用效果。
3.研究方法
3.1数据收集
通过在线问卷调查的方式收集用户对于在线健康社区信息采纳意愿的数据。共收集了200份有效问卷。
3.2研究模型
使用ELM算法构建了用户信息采纳意愿的预测模型，并引入信任、知识水平和用户满意度等影响因素作为输入变量。
3.3变量描述和数据分析
对于信任变量，采用5点量表进行测量，得到的数据范围为1-5；对于知识水平和用户满意度变量，采用常规的单项测量方法。
4.结果与分析
通过对收集的数据进行实证分析，得到以下结果：
-信任、知识水平和用户满意度对于用户信息采纳意愿有显著影响；
-用户满意度对于用户信息采纳意愿的影响最大，其次是知识水平和信任。
5.结论与讨论
本研究通过引入ELM算法，研究了影响用户信息采纳意愿的因素。实证结果表明，用户满意度、知识水平和信任是在线健康社区用户信息采纳意愿的主要影响因素。因此，为了提高用户的信息采纳意愿，需要加强对于用户的满意度管理、提高用户的知识水平以及增加对于社区的信任度。
6.研究局限和未来工作
本研究仅以ELM算法为工具，对于影响用户信息采纳意愿的因素进行了初步探讨。未来的研究可以进一步考量其他因素的影响，并建立更加完善的模型来预测用户的信息采纳意愿。此外，可以通过实地调研和深度访谈等方式，进一步挖掘用户的需求和体验，为在线健康社区的发展提供更加有效的参考。
参考文献：
[1]Chen,Q.,Lu,Z.,&Zhang,J.(2019).Researchreviewonuser'swillingnesstoadopthealthinformationontheInternet.TelemedicineJournalandE-Health,25(9),837-840.
[2]Zhang,M.,Liu,F.,&Zhang,Z.(2018).Factorsinfluencingusers'intentiontocontinuetouseonlinehealthcarecommunities:Atrusttransferperspective.InternationalJournalofEnvironmentalResearchandPublicHealth,15(5),917.