行動上網之多工行為與商務

(1)

科技部補助專題研究計畫成果報告

期末報告

行動上網之多工行為與商務

計畫類別：個別型計畫計畫編號： MOST 102-2410-H-004-190- 執行期間： 102 年 08 月 01 日至 103 年 09 月 30 日執行單位：國立政治大學資訊管理學系計畫主持人：管郁君計畫參與人員：碩士班研究生-兼任助理人員：郭家瑋碩士班研究生-兼任助理人員：劉瑞祥碩士班研究生-兼任助理人員：陳佳宏碩士班研究生-兼任助理人員：陳怡芳碩士班研究生-兼任助理人員：朱峻毅報告附件：出席國際會議研究心得報告及發表論文處理方式： 1.公開資訊：本計畫涉及專利或其他智慧財產權，2 年後可公開查詢 2.「本研究」是否已有嚴重損及公共利益之發現：否 3.「本報告」是否建議提供政府單位施政參考：否

中華民國 103 年 12 月 27 日

(2)

中文摘要：隨著行動上網服務的擴散和行動裝置的普及，行動多工行為 (Mobile Multitasking)成為行動商務實務界和學術界之重要議題，先前相關研究集中在多工行為的探討，對於以行動服務為主的行動多工行為較少涉及，且對於多重壓力特質如何影響行動多工行為的現象甚少著墨，甚至對於多重壓力特質與多工行為兩者的界定十分混淆。本研究首先釐清多重壓力特質與行動多工行為兩者的因果關係，認為多重壓力特質 (Polychronicity Preference)不僅會直接影響行動多工行為和行動多工行為之後的心理狀態(State of Mind)，也會經由多重壓力特質(Polychronicity Preference)間接影響行動多工行為之後的心理狀態(State of Mind)；同時檢測行動自我效能(mobile self-efficacy)與焦慮特質(anxious trait)對行動多工行為的影響。本研究收集了 602 份有效問卷以驗證研究模式，行動多工行為經過因素分析之後，可分為娛樂 (Entertainment)、訊息交流(Communication)與個人資料輔助(Data Assistance)三類，研究結果發現多重壓力特質會直接影響這三類行動多工行為，且對於行動多工行為之後的自在狀態具有直接且負向的影響。除了訊息交流行動多工行為對於焦慮狀態無顯著影響之外，三類行動多工行為皆會直接影響行動多工行為之後的心理狀態，包括焦慮狀態與自在狀態。此外，行動自我效能會正向影響三類行動多工行為，而焦慮特質僅對娛樂行動多工行為具有負向的影響。中文關鍵詞：多重壓力特質、行動多工、心理狀態、焦慮狀態、行動自我效能

英文摘要： With the proliferation of mobile services and mobile devices, mobile multitasking has become a focal issue in mobile commerce both for practitioners and the academia. The extant studies has shown researchers＇ interests in the preference and behavior of

multitasking, yet the issues of mobile multitasking were rare, let alone the effect of polychronicity on mobile multitasking behavior. In addition, vagueness existed between multitasking preference and behavior. Our study distinguished preference from behavior, and suggested using the terms polychronicity preference and the multitasking behavior to clearly set them apart and drew the causal relationship. In the research model, we posit that polychronicity preference affects not only mobile multitasking behavior, but also the post-behavior state of mind.

(3)

The model also considers the effect of mobile self-efficacy and anxious trait on mobile multitasking behavior.

602 valid questionnaires were collected to test the research model. Factor analysis extracted three dimensions of mobile multitasking: Entertainment, Communication, and Data Assistance. Statistical tests concluded that polychronicity preference and the skillfulness linked to all three types of mobile multitasking, while anxious trait only linked to the entertainment type of mobile multitasking. All types of mobile multitasking were negatively linked to easiness state. Moreover, entertainment type of mobile multitasking was negatively linked to anxiety state, while data assistance type of mobile

multitasking was positively linked to anxiety state. The direct effect of polychronicity on the mobile multitasking post-behavior state of mind was not confirmed, indicating that the mediating effect of mobile multitasking was crucial.

英文關鍵詞： Polychronicity, Mobile Multitasking, State of Mind, Anxiety State, Mobile Self-Efficacy

(4)

多重壓力特質對行動多工心境之影響

摘要隨著行動上網服務的擴散和行動裝置的普及，行動多工行為 (Mobile Multitasking)成為行動商務實務界和學術界之重要議題。多工行為對人類生活工作的影響一直是管理界所重視的主題，但鮮少涉及以行動服務為主的行動多工行為，且對於多重壓力特質如何影響行動多工行為的現象甚少著墨，甚至對於多重壓力特質與多工行為兩者的界定十分混淆。本研究首先釐清多重壓力特質與行動多工行為兩者的因果關係，認為多重壓力特質(Polychronicity Preference)不僅會直接影響行動多工行為和行動多工行為之後的心理狀態(State of Mind)，也會經由不同的行動多工類型間接影響行動多工行為之後的心理狀態。本研究同時檢測行動自我效能(Mobile Self-Efficacy)與焦慮特質(Anxious Trait)之影響。研究中收集了 602 份有效問卷以驗證研究模式，行動多工行為經過因素分析之後，可分為娛樂(Entertainment)、訊息交流(Communication)與個人資料輔助(Data Assistance)三類型，研究結果發現多重壓力特質的程度會直接影響使用者對這三類行動多工之選擇，且對於行動多工行為之後的自在狀態具有直接且負向的影響。除了訊息交流行動多工行為對於焦慮狀態無顯著影響之外，三類行動多工行為對行為之後的心理狀態皆有直接的影響，包括焦慮狀態與自在狀態。此外，行動自我效能會正向影響三類行動多工行為，而焦慮特質僅對娛樂行動多工行為具有負向的影響。關鍵詞：多重壓力特質、行動多工、心理狀態、焦慮狀態、行動自我效能 一、緒論 行動智慧生活經過多年勾勒，似乎終於要看到它逐漸成形的面貌，而行動智慧生活的成形，所仰賴的不僅是行動通訊，近年來行動裝置的推陳出新、各種雲端運算服務的出現、巨量數據(big data)分析技術的進展，以致於電子商務的快速成長，都促成了行動智慧生活的可能性。行動智慧生活的實現有賴行動裝置的普及，根據 IDC 預測(IDC Worldwide Quarterly Mobile Phone Tracker，2012)，2012 年第四季手機出貨量之年成長率將為 39.5%，整年之年成長率更高達 45.1%， Nielsen 的調查報告(2011)也說明全美約有 44%的消費者使用智慧型手機。此外， Pew Research Centre 在 2011 年 5 月和 2012 年 2 月分別訪問了兩千多位 18 歲以上的美國成年人，發現在這不到一年的期間，擁有智慧型手機的成年人由 35%躍升至 46%。在台灣擁有行動裝置的人口亦是佔有相當大的比率，根據資策會 FIND(Foreseeing Innovative New Digiservices, 2011)調查指出，2011 年第二季台灣消費者持有手機的比率已達 85.3%，其中智慧型手機的持有率達到 16.6%。此外，平板電腦也可視為行動上網的裝置，eWeek(2012)引述 IDC 之預測，從 2011 年至 2016 年，平板電腦出貨量在美國的成長將達 200%，全世界的成長將從 2011 年

(5)

的 6 千 4 百萬台躍升至 2016 年的 2 億 3 千 2 百萬台，約四倍。而 2011 年智慧型手機出貨量為 17 億台，IDC 預估 2016 年將達到 22 億台，約為平板電腦的 9 倍。因此，由以上數據顯示消費者對智慧型手機(smart phones)或行動裝置需求之殷切，以及可以預期未來智慧型手機與平板電腦的普及率將引領更多的人體驗無所不在的網絡(Web)，以及藉著行動裝置體驗行動智慧生活的雛形。當消費者行動上網之意願愈來愈高時，企業更應該關切的即是電子商務如何跨越至行動商務(Mobile Commerce)以創造更多的商機，並且不論企業或個人都亟於從行動運算的趨勢中開發市場，並且行動應用程式(Mobile Applications，簡稱 Apps)的蓬勃發展，正可說明企業在行動平台上創新應用之影響力，以及程式開發者風起雲湧的現況。全球 Apps 市場中，商家營收(包含終端使用者購買應用程式以及從開發者產生的廣告營收)已達 52 億美元，看似有無限商機。然而，根據 Gartner 於 2012 的調查顯示，2011 年全球行動應用程式商店的總下載次數為 249 億，其中下載免費的 Apps 次數為 220 億，約佔總下載次數的 88%。Gartner 預測 2016 年將會有 3100 億次的 apps 總下載次數，而其中下載免費 apps 的比率將提升為 93%。因此，雖然全球總營收可觀，這項新穎應用之各種獲利模式尚待進一步的瞭解，因為絕大多數的消費者傾向避免付費。電信服務提供者和 Apps 下載平台業者在行動運算的風潮下只是最先獲利者，後續重大的機會也將會臨到那些深度瞭解消費者的企業(Nohria & Leestma, 2001)。行動商務更龐大的商機應是納入電子商務的範疇，並不侷限於應用程式或遊戲之下載，因此，行動運算環境的成形對消費者的行為與選擇策略之影響，將會是下一波行動商務研究的重心。然而目前絕大多數有機會體驗萌芽中之行動商務與行動智慧生活的人，主要是經由智慧型手機進入無所不在的網絡，並且這個現象影響著人們生活的模式與步調，創造高度多工的可行性，生活中以行動裝置為基礎的多工型態也會影響商務的型態與內涵，尤其是行動商務，但人們之多工行為是否確為智慧型手機普及之必然結果，非常值得探討。也因此隨時上網代表的是多工的行為，雖然人們在漸趨忙碌的後工業化社會(Post-Industrial Society)(Bell, 1974)，多工的行為漸增 (Judd & Kennedy, 2011；Stephens, Cho, & Ballard, 2012；Nicholas, Rowlands, Clark, & Williams, 2011；Janssen, Brumby, Dowell, Chater, & Howes, 2011；Haller, Langer, & Courvoisier, 2012；Adler, & Benbunan-Fich, 2012；Bishop & Johnson, 2011)，但行動運算使得多工的行為得到前所未有的支援。

在組織績效相關的文獻中，多工行為常成為研究的議題，因為現代組織中的工作多樣性與壓力，使得在工作場域中存在多工的現象，所以有眾多的文獻討論多工行為與各種績效的關係(Bluedorn, Kalliath, Strube, & Martin, 1999；Bühner, König, Pick, & Krumm, 2006；Cotte, & Ratneshwar, 1999；König, Bühner, & Mürling, 2005；Lindbeck, & Snower, 2000；Madjar, & Oldham, 2006；Stephens, & Ballard, 2012；Adler, & Benbunan-Fich, 2012；Persing, 1999)。但在先前的相關文獻中，研究者鮮少區別多工之行為與多工之人格特質，因此往往將多重壓力 (Polychronicity)與多工(Multitasking)當作同義詞，所以多重壓力被當作是一種同

(6)

時進行多件事務之行為的一種衡量。近年，Poposki & Oswald (2010)認為，這樣認定是很有問題的，因為同時進行多件事務之行為就是多工，因此這種定義無法在後續進行與多工相關之任何研究，同時 Poposki & Oswald (2010)也論述多重壓力是一種特質，而多工是一種行為，更指出很多多重壓力的衡量工具事實上是在衡量行為，不是衡量特質，而且追溯多重壓力一詞的起源，原是一種文化價值觀的衡量，不是在個人層次的衡量。此外，Kaufman-Scarborough & Lindquist (1999) 與 Lindquist & Kaufman-Scarborough (2007)也認為多重壓力應是個人喜好或特質的一種衡量，多重壓力與單一壓力(Monochronicity)是同一個向度的兩端。本研究因而將多工區分為特質和行為，並清楚區分多重壓力為一種喜好的特質，多工為一種行為，並且 Polychonicity(或 Polychronicity Preference)稱為多重壓力特質， Multitaking(或 Multitasking Behavior)稱為多工行為。

由於無所不在網絡社會形成，本研究更關切的多工行為是行動多工，然而行動多工在文獻中尚未形成廣泛被接受的定義，相關研究也沒有脈絡可循，但文獻中已陸續出現以電腦與通訊應用為媒介的多工現象之研究(Judd & Kenney, 2011； Haller, Langer, & Courvoisier, 2012)，表示電腦與通訊之發展與某些人們的多工行為是相關，過去這些多工行為泛指電腦多工(computer multitasking)或媒體多工 (media multitasking)，然而行動裝置也是電腦與通訊產品，而且是目前極重要的生活科技產品，隨著科技的進步與行動化，因而以行動裝置進行的多工行為，本研究稱為行動多工(mobile multitasking)，而行動多工除了需要有行動裝置，也需要有健全的行動通訊建設，讓使用者上網可以通行無阻。此外，行動多工(mobile multitasking)相關的研究近年開始出現在文獻中(Lee, 2012；Stephens, 2012； Bannister & Remenyi, 2009)，顯示行動多工的議題漸受重視，而本研究嘗試以多重壓力特質解釋行動多工和行動多工後之心境(post-behavior state of mind)。

因此當人們產生多工行為的傾向時，就會引發想要探討具有什麼樣人格特質的人們會有此傾向，以及他們在多工行為後的結果。許多文獻指出，具有多重壓力特質 (Slocobme, 1999 ； Slocombe & Bluedorn, 1999 ； Lindquist & Kaufman-Scarborough, 2007；Bluedor, Kalliath, Strube & Martin, 1999；Bluedorn, Kaufman, & Lane, 1992；Poposki & Oswald，2010)的人在生活中具有多工行為的傾向，而多工行為所產生的情緒(state of mind, mood)，對有多重壓力特質的人而言是正面的，能使他們有成就感，感到享受，例如：快樂、樂觀、自尊、生命的滿足(happiness, optimism, self-esteem, and life satisfaction)。反之，沒有這種特質的人，也就是具有單一壓力特質的人而言是負面的，因為在多工的行為下會產生焦慮(stress)，例如：沮喪、懊悔、自我責備(depression, regret, and self-blame)。經由以上的論述，可以得知多動壓力特質對於行動多工行為的影響，以及產生的正面心境間，是具有因果關係的連結，而此三者(polychroniciy preference, multitasking behavior, and state-of mind)間的因果關係連結脈絡可以稱為 PMS framework。

然而在行動運算的環境中，行動上網的低頭族看起來都是全神貫注、神似快樂，所以令人好奇的是，在無所不在的網絡情境之下，是否不分多重壓力特質或

(7)

單一壓力特質的人們，都傾向行動多工，而且都產生正面的情緒。因此，本研究著眼於智慧型手機之盛行與行動多工之生活型態，二者之間的關係，同時認為在行動多工之前的影響因素與之後的心境是息息相關。因此研究目的為探討行動多工之行為是否在行動上網的環境之下，是普遍之行為，而與人的特質無關，並且檢視行動多工與行動後的心境狀態關係；此外，本研究也將比較人的特質與行動多工的行為，何者對行動多工行為之後的心境之影響較重要。本研究之重要性在於研究結果將可說明在行動上網快速普及，以及使用者隨時隨地可上網的情境下，人們的多重壓力特質是否會在同時使用行動商務的各項服務時更能樂在其中，因而使商家看見更多潛在的商機。 二、文獻探討 本研究旨在探討在無所不在的網絡環境與行動裝置逐漸盛行之際，人們的多重壓力特質 (Polychronicity Preference) 與行動多工行為 (Mobile Multitasking Behavior)之關係，以及行為後的心理狀態(Post-Behavior State of Mind)，並提出三者之間的因果關係，認為多重壓力特質會直接影響多工行為與行為後的心理狀態，且透過多工行為間接影響行為後的心理狀態，本研究將此三個構面及其相關假說所建構的模式，稱為 PMS framework。此外，本研究認為行動自我效能(Mobile Self-efficacy)與焦慮特性(Anxious Trait)也是影響行動多工行為的構面，因此納入研究模式中。 1. PMS framework 在組織績效相關的文獻中，多工行為常成為研究的議題，因為現代組織中的工作多樣性與壓力，使得在工作場域中存在多工的現象，所以有眾多的文獻討論多工行為與各種績效的關係(Bluedorn, Kalliath, Strube, & Martin, 1999；Bühner, König, Pick, &Krumm, 2006；Cotte, & Ratneshwar, 1999；König, Bühner, & Mürling, 2005；Lindbeck, & Snower, 2000；Madjar, & Oldham, 2006；Stephens, & Ballard, 2012；Adler, & Benbunan-Fich, 2012；Persing, 1999)。在這些文獻中，研究者鮮少區別多工之行為與多工之人格特質，因此往往將 Polychronicity 與 Multitasking 當作同義詞，所以 Polychronicity 被當作是一種同時進行多件事務之行為的一種衡量。

近年，研究者(Poposki & Oswald, 2010)認為，這樣認定是很有問題的，因為同時進行多件事務之行為，就是 Multitasking，因此這種定義無法在後續進行與 Multitasking 相關之任何研究。另有兩位學者(Kaufman-Scarborough & Lindquist, 1999; Lindquist & Kaufman-Scarborough, 2007)也認為 Polychronicity 應是個人喜好或特質的一種衡量，而 Polychronicity 與 Monochronicity 是同一個向度的兩端，並發展了共五個問項的衡量工具 Polychronic-Monochronic Tendency Scale (PMTS)(Lindquist& Kaufman-Scarborough, 2007)，衡量 Polychronic、Monochronic 之傾向。而 Poposki & Oswald (2010)的研究不但論述了 Polychronicity 是一種特

(8)

質、Multitasking 是一種行為，更指出很多 Polychronicity 的衡量工具事實上是在衡量行為，不是衡量特質，而且追溯 Polychronicity 一詞的起源，原是一種文化價值觀的衡量，不是在個人層次的衡量。因此該文認為必須重新建構 Polychronicity 為個人層次的一種特質的衡量，並建構了 14 個問項的衡量工具，稱為 Multitasking Preference Inventory (MPI) 。事實上 MPI 依據作者對 Polychronicity 的論述，若稱為 Polychronicity inventory 可能更簡潔適切，只是作者的字裡行間透漏 Polychronicity 即是 Multitasking Preference，而作者想要建構的量表是衡量 Preference (不是 Behavior)，所以清楚地在名稱指出是 Preference。

本研究的立場是將多工區分為特質和行為，並清楚區分 Polychronicity 為一種喜好的特質、 Multitasking 為一種行為。為避免特質與行為的混淆， Polychonicity(或 Polychronicity Preference)稱為多重壓力特質， Multitaking(或 Multitasking Behavior)稱為多工行為。此外，Conte, Rizzuto, & Steiner (1999)也曾建構個人層次的 Polychronicity 量表，而 Kaufman, Lane, & Lindquist (1991)多年前所提出的量表 Polychronic Attitude Index (PAI)為四個問項，Bluedorn, Kalliath, Strube, & Martin (1999)的 Inventory of Polychronic Values (IPV)為十個問項，是文化層次的衡量。初步的審視，IPV 應是最適合本研究採用，因為此量表是文化層次的衡量，為最新與衡量最完整的量表。

本研究所關切的多工行為是行動多工，儘管行動多工在文獻中尚未形成廣泛被接受的定義，相關研究也沒有脈絡可循，但文獻中已陸續出現以電腦與通訊應用為媒介的多工現象之研究(Judd & Kenney, 2011; Haller, Langer, & Courvoisier, 2012)，表示電腦與通訊之發展與某些人們的多工行為是相關，過去這些多工行為泛指電腦多工(Computer Multitasking)或媒體多工(Media Multitasking)，隨著科技的進步與行動化，出現了行動多工(Mobile Multitasking)。行動裝置也是電腦與通訊產品，而且是目前極重要的生活科技產品，以行動裝置進行多工行為，本研究稱為行動多工，而行動多工除了需要有行動裝置，也需要有健全的行動通訊建設，讓使用者上網可以通行無阻。近年來許多研究已經開始觸及 Mobile Multitasking 的議題(Lee, 2012; Stephens, 2012; Bannister, & Remenyi, 2009)，顯示行動多工的議題漸受重視，但這些研究尚未跳脫出多工與績效相關性之範疇，只是將多工的現象限縮在行動多工而已。本研究相信當行動多工普及至人們所有生活層面時，它對商務的影響將超越對組織(或個人)工作績效的影響。經由以上分析討論，多重壓力特質對於行動多工行為產生的影響已逐漸被重視，而行動多工行為後的心理狀態也是現今研究者逐漸關心的問題，行動時代之行動服務與裝置的使用正影響著現今使用者的心理狀態。因此，本研究將此過程的影響關係稱為 PMS framework，期盼藉由提出 PMS framework 以嘗試探討多重壓力特質(Polychronicity Preference)對於行動多工行為(Multitasking Behavior)和行動多工後之心理狀態(post-behavior state of mind)的直接影響與間接影響，並進一步檢測三者之間的關係。

(9)

2. 多重壓力特質(Polychronicity Preference)

具有多重壓力特質的個體較容易傾向規劃同時進行多種活動或工作，並且能夠快速地在不同活動或工作之間切換(Slocombe & Bluedorn, 1999)，反之，具有單一壓力特質的個體則較偏好將工作一件件依序完成，一個時間只做一件工作。如果將單一壓力特質與多重壓力特質視為是同一個向度的兩端，每個個體所具備的多重壓力特質都有程度上的差異，都能夠在這個向度上呈現出來(Conte & Jacobs, 2003)。

許多先前的研究都已經證實多重壓力特質與績效(Performance)之間的關係，然而，檢測的結果卻不盡相同，部分研究證實兩者之間的關係為正向(Arndt et al, 2006; Conte & Gintoft, 2005)，例如，多重壓力特質也會影響工作滿意度(Arndt et al, 2006; Nonis, Teng, & Ford, 2005; Hecht & Allen, 2005)。某些研究則發現兩者之間的關係為負向(Conte & Jacobs, 2003; Nonis, Teng, & Ford, 2005)。Konig and Waller (2010)進一步釐清多重壓力特質與績效之間關係不一致的現象，認為多重壓力特質會帶來正向的個人績效是因為個人的多重壓力特質的程度正好契合環境或工作所需。換句話說，多工需求高的工作會因為一個具多重壓力特質的員工而受益，而多工需求低的工作反而較適合單一壓力特質的人。這種個人與環境契合(Person-environment Fit)或個人與工作契合(Person-job Fit)的觀點，也出現在其他研究之中(Jansen & Kristof-Brown, 2005; Bluedorn & Jaussi, 2007; Madjar & Oldham, 2006; Slocombe & Bluedorn, 1999)。

隨著行動裝置的普及，讓我們隨時隨地都可以吸收到最新資訊，並立即進行處理或回應，然而，人們使用行動裝置引發焦慮情緒的現象卻是屢見不鮮，因此探究使用行動裝置與產生焦慮情緒之間的關係乃是相當重要的議題。過去的研究指出(Poposki& Oswald, 2010)，有多重壓力特質的人，有多工行為的傾向，而多工的行為所產生的情緒(state of mind, mood)，對有多重壓力特質的人而言是正面的，例如：快樂、樂觀、自尊、生命的滿足(happiness, optimism, self-esteem, and life satisfaction)，而對有單一壓力特質的人而言是負面的，例如：沮喪、懊悔、自我責備(depression, regret, and self-blame)。基於上述個人與環境契合(Person-environment Fit)的觀點，由於行動環境是一個適合多工的情境，當人們的多重壓力特質愈契合行動環境時，便能夠為他們帶來較多正面的情緒，相對的會帶來較少負面的心理狀態；因此，在行動多工的環境之下，多重壓力特質愈低的個體，愈容易產生焦慮的心理狀態。基於以上論述，本研究提出以下假說。

假說 1：多重壓力特質與進行行動多工後的焦慮狀態呈負相關。 3. 行動多工行為(Mobile Multitasking Behavior)

多重壓力特質和多工行為是密切相關，但兩者並不相同，多工行為是一種常常在不同工作之間切換並完成所有工作的行為(Davis, Lee, & Yi, 2009)。先前研究已經發現多重壓力特質扮演著一個重要的角色，能夠鼓勵人們同時執行多項工作。

(10)

許多文獻中指出，具有多重壓力特質(Slocobme, 1999; Slocombe & Bluedorn, 1999; Lindquist & Kaufman-Scarborough,2007; Bluedor, Kalliath, Strube & Martin, 1999; Bluedorn, Kaufman,& Lane, 1992)的人在生活中有多工行為的傾向，因為多工的行為使他們有成就感，感到享受。他們安於這種不同活動之間的切換(Activity Switching)，並且樂於將心力同時投注在多種不同工作之中(Persing, 1999)。反之，沒有這種特質的人，也就是具有單一壓力特質的人較不傾向多工，當他們處在需要多工行為的環境下便會感受到壓力(Stress)。

Zhang and Zhang (2012)在探討電腦環境下的多工行為時，認為人們傾向將某幾種工作綁在一起同步進行，形成一個多工行為組合，並且隨著情境的不同，多工行為組合也會隨之不同。這種多工行為的組合也同樣能夠在行動環境中被發掘出來，因此，找出人們現階段可能的行動多工組合與類別乃是探討行動多工行為過程中的必要發現之一。此外，在一份約六千人的調查研究發現，儘管現階段網路世代的學生大多數都專注在多種工作的切換(task switching)與多工行為中，這些學生都展現出不同程度的多工行為的發生頻率(incident)或密度(intensity)，例如，男生與外國籍學生的多工行為的出現頻率顯著高於女生與美國籍學生的(Judd & Kennedy, 2011)，因此，人們在行動多工行為上的發生頻率會有程度上的差異之外，也會特別偏好使用某一類的行動多工，導致這一類的行動多工的使用頻率高於其他幾類的行動多工。隨著行動上網的普及，人們隨時隨地都能夠透過行動裝置上網，隨時上網代表的是多工的行為，雖然人們在漸趨忙碌的後工業化社會 (Post-Industrial Society)(Bell, 1974)，多工的行為漸增(Judd & Kennedy, 2011; Stephens, Cho, & Ballard, 2012; Nicholas, Rowlands, Clark, & Williams, 2011; Janssen, Brumby, Dowell, Chater, &Howes, 2011; Haller, Langer, & Courvoisier, 2012; Adler, & Benbunan-Fich,2012; Bishop &Johnson,2011)，但行動運算使得多工的行為得到前所未有的支援。因此，行動環境是一個適合多工的環境，愈具有多重壓力特質的人，愈偏好行動多工行為，愈能展現出較多的行動多工行為，因此提出以下假說。

假說 2：多重壓力特質與行動多工行為呈正相關。 4. 行動多工後的心理狀態(Post-behavior state of mind)

隨著網際網路的普及，人與人之間面對面的互動方式已經被許多網際網路的應用軟體所取代，然而，過度的仰賴網際網路作為溝通媒介，已經影響人們之間社會互動的品質，進而造成心理健康上的問題(Shapira, Lessig, Goldsmith, Szabo, Lazoritz, Gold, & Stein, 2003; Moody, 2001; Lee, Leung, Lo, Xiong, & Wu, 2011)。

儘管多工行為已經成為一項不可避免的趨勢，並且會帶來許多正面的效益與好處，但同時也揭露出一個與焦慮相關的心理健康問題的存在。例如，Becker, Alzahabi, & Hopwood (2013) 研究發現媒體多工行為會提高個體的沮喪感受 (depression)與社交焦慮(social anxiety)。此外，媒體多工容易造成人們分心，降低

(11)

人們過濾掉不相關資訊的能力，而 Bar-Haim, Lamy, Pergamin, Bakermans-Kranenburg, & van IJzendoorn (2007)則進一步認為人們的這種專注力控制失當是導致情緒焦慮的重要因素之一。人們的多工行為除了會導致他們產生焦慮 (anxiety)的情緒，也有可能會同時產生沮喪、懊悔、自我責備(depression, regret, and self-blame)等其它負面情緒。因此，本研究認為在行動多工的環境下，人們的多工行為會導致焦慮情緒的產生，因此提出以下假說。 假說 3：行動多工行為與行動多工後的焦慮狀態呈正相關。 5. 焦慮特質(Anxious Trait) 焦慮是壓力或緊張的一種形式，是一種包括了害怕、憂慮、緊張的複雜情緒反應(Spielberger, 1972)，人們會經歷來自於日益增加的緊張或焦慮所帶來的痛苦，並且得到緊張釋放後的愉快感。任何人遇到緊張或壓力，都會產生焦慮的感受，當緊張與壓力的情境到達某一個程度，就算是一個具有較低焦慮特質的人也是會感受到焦慮(Fluck, Harrigan, & Brindley, 2001)。

長久以來，學者已經將焦慮進一步區分為焦慮特質(Trait)與焦慮狀態(State)， (Cattell & Scheier, 1961; Spielberger, 1966, 1975)。Spielberger, Gorsuch, and Lushene (1970)發展出 STAI (State-Trait Anxiety Inventory)量表，能夠一方面衡量受測者的焦慮特質，一方面也能夠衡量受測者的焦慮狀態(Spielberger, 1983)。許多學者都已經廣泛採用此量表，並且已經檢驗 STAI 量表具有良好的信度與效度(Conway, and Rubin, 1991; Witt & Behnke, 2006; McCullough, Russell, Behnke, Sawyer, and Witt, 2006)。

Igbaria & Iivari (1995)指出焦慮程度愈高的個體可能展現出愈固執的行為，焦慮感會對個體在資訊科技的使用上造成負面影響(Compeau et al., 1999; Fagan et al., 2003; Lu & Su, 2009)，如果個體對於資訊科技有較低的焦慮感，他們在資訊科技的使用上會較自在與舒適，也會有較高的願意去使用，在一般情況下，人們會傾向避免或減少進行產生焦慮感的行為，特別是當他們在使用資訊系統遇到問題時(Campeau & Higgins, 1995)。此外，人們的焦慮特質會影響他們對於傳播媒體的使用。例如，Conway, and Rubin (1991)發現愈具有焦慮特質的人，愈不願意花時間看電視。另一方面，過去的研究也發現，在電腦普及的情境中，任何對於使用電腦的負面情緒傾向，都會造成人們在同時從事多種不同的電腦相關活動，或操作不同電腦軟體時玩花招或欺騙，例如，人們對於電腦的焦慮感會對他們在操作電腦的多工行為造成負向影響(Davis, Lee, & Yi, 2009)，然而，這裡所指的電腦多工行為是一種使用上的偏好(utilization preference)，其操作型定義相近於本研究所提出的多工行為的構面，只是前者偏重在以電腦進行多工的情境，而本研究則是著重在探討行動裝置的多工行為。因此，本研究除了著重個體在行動多工之後的焦慮狀態之外，也將探討個體的焦慮特質是否會影響他們的行動多工行為，並推論當個體對行動多工行為感到 8

(12)

焦慮時，不論這份焦慮感是來自真實遇到問題，或只是想像中的負面情緒，都會增加個體的行動多工行為，提出以下假說。 假說 4：焦慮特質與行動多工行為呈現負相關 6. 行動自我效能(Mobile Self-Efficacy) 自我效能(Self-Efficacy)在社會認知理論中被視為是影響行為的重要因素 (Bandura, 1997)之一。自我效能是指個體認為能夠控制及操作某些事物的主觀能力評斷，是個體相信自己有能力去執行某項工作，以達到某項績效標準的主觀判斷(Bandura, 2002)。而個體對於自我電腦使用能力的自我判斷則稱為電腦自我效能(Computer Self-Efficacy) (Compeau & Higgins, 1995; Murphy et al., 1989)，是個體透過本身的電腦能力去完成某種任務的信心程度。Torkzadeh & Koufteros (1994) 指出電腦自我效能所注重的是個人在許多不同但與電腦相關的情境中所認知的能力。

根據過去的研究已經證明，個體的電腦自我效能會影響未來的電腦使用行為，這在引進電腦的早期階段最為明顯 (Compeau & Higgins, 1995; Bedard et al. 2003; Barbeite & Weiss 2004; Wu et al. 2007)。先前研究結果指出，電腦自我效能較高的個體會在工作任務的表現較為傑出 (Torkzadeh & Koufteros, 1994; Torkzadeh & Pflughoeft, 1999)。而隨著網際網路的不斷發展，網際網路自我效能 (Internet self-efficacy)的概念也隨之被提出 (Eastin & LaRose, 2000)，意指個人認為自己可以利用網際網路去執行一連串行為之信念。Hsu and Chiu (2004)進一步將網際網路自我效能區分為一般網際網路自我效能(General Internet self-efficacy) 及特定網站自我效能(Web-specific self-efficacy)。一般網際網路自我效能是指個人對各種不同的網際網路應用之效能判斷；而特定網站自我效能則是指個人在一般網際網路環境中，使用特定的網路應用或服務完成特定任務的效能知覺。

在行動上網的年代，行動裝置自我效能的重要性也在行動教學(Mobile Learning)、行動醫療系統(Mobile Healthcare Systems)、適地性服務應用(Location Based Application) 、行動廣告 (Mobile Advertising) 、行動商務服務 (Mobile Commerce Service)等領域被廣泛地提出來(Lee & Hsieh, 2009; Islam et al., 2011; Keith et al., 2011; Irby & Strong, 2013)。此外，Lu and Su (2009)認為個體對行動裝置的自我效能對於相關行動服務有重要的影響，並認為探討行動裝置自我效能時，應該考慮熟練度(Skillfulness)的影響，行動裝置熟練度是評估個體使用行動裝置來執行特定任務的能力，消費者會因為本身對於行動裝置的熟練度不足而避免使用行動裝置上的服務。由於非行動裝置出現的時間比較久遠，一般消費者普遍有使用的經驗及習慣，而行動裝置出現的時間較短，一般的消費者的使用經驗較少，也較少有使用的習慣，因此本研究採用消費者對於行動裝置的自我效能作為調節變數。本研究推論不同的(高/低)行動裝置自我效能的使用者，會因為自身多重壓力特質的不同，對 9

(13)

於行動多工環境的適應性也不同，因而產生不同的行動多工行為。因此，本研究除了認為行動裝置自我效能會直接影響使用者的行動多工行為之外，也會對多重壓力特質與行動多工行為之間的關係具有調節效果，提出假說 5 與假說 6。 假說 5：行動自我效能與行動多工行為呈現正相關 假說 6：行動自我效能對於多重壓力特質與行動多工行為之間的關係具有 調節效果 三、研究方法 本研究以問卷調查法進行實證分析，研究架構由相關文獻推論形成，構面與測量變數的發展主要皆參考定義清楚的文獻與量表，並且進行前測的檢測以釐清具有語意不清的問項，接著說明抽樣設計、資料收集過程與樣本結構。 1. 研究架構與抽樣設計

根據前述文獻探討的說明，具有多重壓力特質(Slocobme, 1999; Slocombe & Bluedorn, 1999; Lindquist & Kaufman-Scarborough, 2007; Bluedor, Kalliath, Strube & Martin, 1999; Bluedorn, Kaufman, & Lane, 1992)的人在生活中較會有多工行為的傾向，因為多工行為使他們產生成就感，並且感到享受。反之，沒有這種特質的人，也就是具有單一壓力特質的人較不傾向多工。此外，在現今行動裝置普及的環境中，使用者的行動裝置自我效能本研究認為同時是影響行動多工行為的因素，並且人們的焦慮特質亦為影響行動多工行為的因素。而當人們處於行動多工行為時，因為要面對與處理更多事物，人們的心境將會傾向焦慮狀態。基於先前探討的觀點，以及現今已是無所不在的行動社會網絡，本研究主要在探討使用者多重壓力特質對行動多工行為的影響，同時分析行動多工行為之後的心理狀態。本研究以行動服務使用者為研究對象，進行使用者的心理狀態調查，研究架構與假說如圖 1 所示。 10

(14)

圖 1 研究架構 2. 變數發展與問卷設計

在多重壓力特質構面部份，以 Bluedorn, Kalliath, Strube, & Martin (1999)的 Inventory of Polychronic Values (IPV)為衡量構面與衡量量表依據，共有 10 個題項；行動多工行為部份，則將行動裝置上的服務分為 on-task, off-task, 與 assistance 三類，由此三種類型整理現今使用者常使用的行動服務，共有 27 個題項；行動多工行為後的心理狀態則以焦慮狀態衡量使用者內心焦慮的程度，共有 6 個題項。行動裝置自我效能的部份則參考 Lu and Su (2009)的量表，由於本研究是探討行動自我效能，主要是以使用者的使用技術為考量，因此只以 skillfulness 衡量使用者技術熟練能力的程度，共有 6 個題項；焦慮特質參考自 Spielberger, Gorsuch, and Lushene (1970)所發展出 STAI (State-Trait Anxiety Inventory)量表，主要衡量使用者的焦慮特質，共有 6 個題項。本研究各個構面的衡量題項整理如表 1 所示，研究問卷採用李克特五點尺度量表(Likert five-scales)，1 分代表非常不同意至 5 分代表非常同意。

表 1 本研究各構面的衡量變數

Constructs/Measurements References

多重壓力特質(Inventory of Polychronic Values, IPV)

IPV1 我喜歡同時處理多件事情。 Bluedorn, Kalliath, Strube, & Martin (1999) IPV2 我比較喜歡在一段時間內完成整件事，而不是完成許多事情的一部分。 IPV3 我認為人們應該試著同時進行許多件事。 IPV4 當我獨自工作的時候，我通常在一段時間內只做一件事。 IPV5 我做事比較喜歡一件、一件來。 IPV6 我認為當人們被交付許多事情時，他們能表現得更好。 IPV7 我認為做事最好是先完成一件事情，才進行下一件。 IPV8 我認為同時交代多件需要執行的事情比一次交代一件好。 IPV9 我通常不太喜歡同時做一件以上的事情。 IPV10 我比較喜歡同時完成許多事情的一部分，而不是完成單一的整件事。

行動多工行為(Mobile Multitasking Behavior)

MM1 看地圖或用 GPS 本研究自行發展 MM2 在觀賞現場表演或賽事的時候，進行表演或賽況資訊交流 MM3 在看電視或聽廣播的時候，進行節目內容交流 MM4 尋找、下載、或使用當時所需的 APPs MM5 瀏覽網頁資訊 MM6 觀賞媒體內容 MM7 拍照或攝影 MM8 傳簡訊 MM9 進行即時通訊 MM10 講電話 MM11 進行語音通話(例如:用 skype、line、weChat、what’s app 的語音功能) MM12 收發 e-mail MM13 尋找商品 MM14 購物 MM15 玩遊戲 11

(15)

MM16 聽音樂 MM17 上社群網站 MM18 整理行事曆 MM19 查詢天氣 MM20 整理桌面 MM21 整理待辦事項 MM22 整理通訊錄 MM23 記帳 MM24 記錄體重 MM25 記錄喝水狀態 MM26 記錄運動狀態 MM27 記錄卡路里攝取狀態焦慮狀態(Anxious State) PBA1 使用完行動裝置後我感到平靜。 Spielberger, Gorsuch, and Lushene (1970) PBA2 使用完行動裝置後我感到心情緊繃。 PBA3 使用完行動裝置後我感到輕鬆自在。 PBA4 使用完行動裝置後我感到沮喪。 PBA5 使用完行動裝置後我感到緊張。 PBA6 使用完行動裝置後我心裡有被滿足的感覺。行動裝置自我效能(Mobile Self-Efficacy) MES1 我認為行動網路是容易取得的。 Lu and Su (2009) MES2 我覺得行動上網不是一件傷腦筋的事。 MES3 我覺得使用行動網路執行一些事情很容易。 MES4 我有自信能夠使用行動裝置來快速有效地完成我想要做的事。 MES5 如果給我一些建議或提示，我可以在短時間內使用行動裝置來完成我想要做的事。 MES6 根據我自己使用行動裝置的經驗，只要使用過一種應用 APP 或工具，其他類似的 APP 或工具也很容易上手。焦慮特質(Anxious Trait) AT1 我是沉著、穩重、有自制力的。 Spielberger, Gorsuch, and Lushene (1970) AT2 我是開朗的。 AT3 我對人生感到滿足。 AT4 我常覺得自己應對進退不是很得體。 AT5 我缺少自信。 AT6 我希望自己可以跟別人看起來一樣快樂。 3. 前測為了避免受測者因題項意思不清，造成填答問卷的無效，本研究在進行正式施測前，除了與專家學者反覆討論，確保所有問項的字面表達清楚明瞭，並於 2014 年 8 月 10 至 8 月 20 日進行為期約 10 天的前測，共得 106 份問卷，去除無效問卷 6 份，得 100 份有效問卷。而前測分析的主要目的在於將語意不清或受測者難以回答的題目進行修正，並且進行各構面的信度檢驗。研究中以內部一致性信(internal consistency reliability)進行分析，並且以 Cronbach’s α 檢驗，若α值大於 0.7 表示具有高可信度，α值在 0.3～0.7 間則具有中信度，0.3 以下表示構面間是低信度(Nunnally and Bernstein, 1994)。前測的信度分析結果，如表 2 所示，說明焦慮特質(Anxious Trait)構面是中信度，其餘構面皆具有高信度，由此說明本研究各構面的信度值是介於可以被接受的範圍中。前測完成後，受測者提出

(16)

對各問項所欲表達之意思有不清楚及有疑問之意見，共有 9 個題項進行小幅度的語意修正，而行動多工行為因有 6 個題項無法經由因素分析進行分類，予以刪除。再以此修改後之問卷發展成正式問卷，如表 3 所示。

表 2 前測信度分析

構面題項數 Cronbach’s Alpha 多重壓力特質(Inventory of Polychronic Values, IPV) 10 .829 焦慮狀態(Anxious State, PBA) 6 .748 行動多工行為(Mobile Multitasking Behavior, MM) 27 .908 行動裝置自我效能(Mobile Self-Efficacy, MES) 6 .883 焦慮特質(Anxious Trait, AT) 6 .667

表 3 前測修改後之衡量變數

Constructs/Measurements References

多重壓力特質(Inventory of Polychronic Values, IPV)

IPV1 我喜歡同時進行多件事情。 Bluedorn, Kalliath, Strube, & Martin (1999) IPV2 我比較喜歡在一段時間內完成整件事，而不是完成許多事情的一部分。 IPV3 我認為人們應該試著同時進行許多件事。 IPV4 當我獨自工作的時候，我通常在一段時間內只做一件事。 IPV5 我做事比較喜歡一件、一件來。 IPV6 我認為當人們被交付許多事情時，他們能表現得更好。 IPV7 我認為做事最好是先完成一件事情，才進行下一件。 IPV8 我認為同時交代多件需要執行的事情比一次交代一件好。 IPV9 我通常不太喜歡同時做一件以上的事情。 IPV10 我寧可在一段時間內完成許多事情的各部分，而不是完成固定的一件事。

行動多工行為(Mobile Multitasking Behavior, MM)

MM1 看地圖或用 GPS 本研究自行發展 MM2 在觀賞現場表演或賽事的時候，進行表演或賽況資訊交流 MM3 在看電視或聽廣播的時候，進行節目內容交流 MM4 尋找、下載、或使用當時所需的 APPs MM5 瀏覽網頁資訊 MM6 觀賞媒體內容 MM7 拍照或攝影 MM8 傳簡訊 MM9 進行即時通訊 MM10 講電話 MM11 收發 e-mail MM12 尋找商品 MM13 玩遊戲 MM14 聽音樂 MM15 上社群網站 MM16 整理行事曆 MM17 查詢天氣 MM18 整理行動裝置的桌面 MM19 整理待辦事項 MM20 整理通訊錄 MM21 記帳焦慮狀態(Anxious State) 13

(17)

PBA1 通常使用行動裝置後我感到心情平靜。 Spielberger, Gorsuch, and Lushene (1970) PBA2 通常使用行動裝置後我感到心情緊繃。 PBA3 通常使用完行動裝置後我感到輕鬆自在。 PBA4 通常使用行動裝置後我感到沮喪。 PBA5 通常使用行動裝置後我感到緊張。 PBA6 通常使用行動裝置後我心裡有被滿足的感覺。行動裝置自我效能(Mobile Self-Efficacy) MES1 我認為行動網路是容易取得的。 Lu and Su (2009) MES2 我覺得行動上網不是一件傷腦筋的事。 MES3 我覺得使用行動網路執行一些事情很容易。 MES4 我有自信能夠使用行動裝置來快速有效地完成我想要做的事。 MES5 如果給我一些建議或提示，我可以在短時間內使用行動裝置來完成我想要做的事。 MES6 根據我自己使用行動裝置的經驗，只要使用過一種應用 APP 或工具，其他類似的 APP 或工具也很容易上手。焦慮特質(Anxious Trait) AT1 我是沉著、穩重、有自制力的。 Spielberger, Gorsuch, and Lushene (1970) AT2 我是開朗的。 AT3 我對人生感到滿足。 AT4 我常覺得自己應對進退不是很得體。 AT5 我缺少自信。 AT6 我希望自己可以看起來跟別人一樣快樂。 4. 資料收集與樣本結構分析本研究於 2014 年 8 月 31 日至 9 月 19 日進行為期 20 天的正式施測，並使用 mySurvey 網站平台(http://www.mysurvey.tw/)發佈給行動裝置的使用者進行資料蒐集，而為增加有效問卷的填答率，研究中並提供現金禮券進行抽奬，最後共回收 610 份問卷，扣除無智慧型行動裝置與填答不一致之無效問卷 8 份後，共得有效問卷為 602 份，有效回收率為 98.69%。研究樣本基本資料分析彙整如表 4 所示，表中說明填答者女性有 323 人，占 53.7%，高於男性 279 人(46.3%)；年齡集中於 23~28 歲有 167 人，占 27.7%，其次為 19~22 歲 163 人，占 27.1%，二者即有 330 人，占 54.1%；學歷主要為專科與大學有 336 人，占 55.8%；居住地主要集中在北部地區有 399 人，占 66.3%；居住環境以都會區為主有 492 人，占 81.7%；行動裝置的使用以只有智慧型手機的人有 351 人，占 58.3%，而二者皆有的人有 237 人，占 39.4%；職業部份則以學生為最多有 273 人，占 45.3%，其次是資訊服務業與公教分別有 63 人(10.5%)與 60 人(10%)。表 4 樣本基本資料分析表項目個數比例(%) 項目個數比例(%) 項目個數比例(%) 性別居住地餐飲業 5 .8 男 279 46.3 北部(基、北、桃、竹、苗) 399 66.3 交通旅遊業 3 .5 女 323 53.7 醫療業 14 2.3 年齡中部(中、彰、雲、投) 104 17.3 出版業 2 .3 15 歲以下 1 .2 軍警 2 .3 16~18 歲 46 7.6 南部(嘉、南、高、屏) 71 11.8 公教 60 10.0 19~22 歲 163 27.1 藝術 1 .2 23~28 歲 167 27.7 東部(宜、花、東) 10 1.7 設計業 2 .3 14

(18)

項目個數比例(%) 項目個數比例(%) 項目個數比例(%) 29~35 歲 91 15.1 離島地區 3 .5 家庭管理 3 .5 36~40 歲 61 10.1 海外 15 2.5 金融∕保險業 19 3.2 41~45 歲 25 4.2 居住環境自由業 9 1.5 46~50 歲 12 2.0 都會 492 81.7 退休 14 2.3 51~55 歲 10 1.7 鄉村 96 15.9 待業中 18 3.0 56~60 歲 18 3.0 偏遠地區 14 2.3 學生 273 45.3 61~65 歲 7 1.2 有無智慧型手機或平板傳統製造業 17 2.8 65 歲以上 1 .2 兩者皆有 237 39.4 高科技製造業 26 4.3 教育只有平板 14 2.3 資訊服務業 63 10.5 高中職 32 5.3 只有智慧型手機 351 58.3 電腦通訊軟體業 29 4.8 專科∕大學 336 55.8 職業法律相關行業 3 .5 碩士 200 33.2 農林漁牧業 2 .3 營造建築業 5 .8 博士 34 5.6 娛樂傳播業 3 .5 貿易相關行業 17 2.8 其它 12 2.0 (資料來源：本研究整理) 四、資料分析 問卷資料填答回收完成後，接著進行研究架構與各構面的品質評估與假說檢定分析，研究中先進行各構面的因素分析檢定，在進行結構方程模式的測量檢驗與結構模式檢驗，最後進行分析結果討論。 1. 因素分析在因素分析部份本研究採最大變異數法進行檢定，並以 KMO 值與 Bartlett 值評估是否合宜進行，分析結果說明各構面的 KMO 值皆大於 0.7 與 Bartlett 值皆達到顯著水準，可以進行因素分析的檢定，如表 6 所示。結果說明研究架構中的五個構面僅有行動多工行為構面區分為三個因素，其餘皆區分為二個因素，且每一個因素的特徵值皆大於 1，而行動多工在進行因素分析時因 MM1, MM8 與 MM11 等三個變數無法進行區分，因而刪除。在本研究中引用的多重壓力特質(Bluedorn et al., 1999)、焦慮狀態、焦慮特質等構面，在先前文獻中皆是以單一因素進行衡量，但在本研究進行前測分析時，發現此三個構面在進行因素分析時，皆可以區分為二個因素，因此在正式問卷收集完成後再進一步進行確認，因素分析的結果再次證實此三個構面皆可再區分為二個因素，本研究在正式問卷回收與分析後，確認這三個構面皆是由二個因子形成的，因此針對因素分析後的結果進行探討，以釐清各因素的意涵與本研究的關係，如表 5 所示。多重壓力特質構面的二個因素是對應且具有中度相關的，研究中將另一因素稱為單一壓力特質(Monochronicity Preference)，由於本研究著重在多重壓力特質的衡量，因此捨棄單一壓力特質的因素，不納入下一步的模式分析。焦慮狀態構面的問項經因素分析後，區分為二個因素，由於這兩個因素為低度相關，表示使用者在使用行為後的心理狀態是不同的，本研究將此二因素分別命名為焦慮狀態與自在(easiness)狀態，並認為這兩種心理狀態都值得列入下一步 15

(19)

的模式分析。焦慮特質構面的問項經因素分析後，區分為二個因素，分別命名為焦慮特質與自信特質(Confident Trait)，由於自信特質並非本研究要探討的因子，因而予以捨棄，不納入下一步的模式分析。由以上的分析結果可知，先前相關文獻對上述三個構面並未提及有二因子的存在，但本研究進一步發現這三個構面的二個因子皆是衡量不同的構面，在多重壓力特質與焦慮特質兩個構面之中，本研究各自挑選出一個因子做為衡量研究模式的因子，相信能夠更精準的衡量該構面；而焦慮狀態構面則是區分成二個不同心理狀態因子，分別為焦慮狀態與自在狀態，雖然自在狀態並非本研究模式的變數，但能夠衡量出另一種行動多工後的心理狀態，因此本研究將之納入下一階段的模式分析。此外，行動多工行為經過因素分析後，可區分為三個因素，分別命名為娛樂 (Entertainment)、訊息交流(Communication)與個人資料輔助(Data Assistance)等三個因素。 16

(20)

表 5 因素分析表

Items

Polychronicity Preference Anxious Trait Mobile Self-Efficacy Mobile Multitasking Anxious State Mono chronicity Poly chronicity Confident Trait Anxious

Trait Skillfulness Entertainment

Data Assistance Communication Anxious State Easiness State IPV5 .83 .13 IPV9 .80 .28 IPV7 .79 .14 IPV4 .75 .09 IPV2 .74 .14 IPV3 .16 .73 IPV10 .34 .69 IPV8 .23 .68 IPV6 -.30 .64 IPV1 .39 .58 AT1 .75 -.13 AT3 .73 .22 AT2 .70 .29 AT6 -.18 .82 AT5 .43 .70 AT4 .41 .57 MES5 .81 MES3 .80 MES4 .80 MES2 .76 MES6 .72 MES1 .69 MM5 .76 .04 .23 MM15 .72 .14 .05 MM6 .68 .15 .38 MM9 .67 .22 -.03 MM7 .64 .28 -.06 MM4 .61 .13 .38 MM14 .54 .22 .24 MM12 .48 .36 .38 17

(21)

Items

Polychronicity Preference Anxious Trait Mobile Self-Efficacy Mobile Multitasking Anxious State Mono chronicity Poly chronicity Confident Trait Anxious

Trait Skillfulness Entertainment

Data Assistance Communication Anxious State Easiness State MM10 .45 .37 .01 MM13 .42 .08 .38 MM19 .19 .83 .10 MM16 .18 .78 .10 MM20 .15 .78 .21 MM21 .13 .64 .11 MM18 .26 .63 .33 MM17 .22 .57 .38 MM3 .08 .23 .82 MM2 .14 .24 .75 PBA5 .91 .06 PBA4 .89 .02 PBA2 .83 .03 PBA3 .23 .81 PBA1 -.04 .81 PBA6 -.05 .81 eigenvalue 4.20 1.65 2.47 1.13 3.51 6.80 1.82 1.22 2.45 1.89 KMO .87 .71 .825 .92 .70 Bartlett 2177.17 686.55 1614.517 4348.87 1287.87 Significant .00 .00 .00 .00 .00 Variance Accumulated 58.44% 59.96% 58.42% 54.65% 72.21% 18

(22)

2. 結構方程模式經由因素分析後，理論研究架構(圖 1)主要以模式精簡原則(Parsimony Principle)進行結構方程模式的調整，研究中僅將本研究要探討的構面予以保留進行分析，而部份構面則因先前研究皆未將之清楚區分出來，經由本研究釐清後，研究中將不適於本研究探討主題的構面排除。在多重壓力特質(Bluedorn et al., 1999)構面中，僅以多重壓力特質構面的 5 個問項進行分析，行動多工行為部份重新調整為訊息交流(Communication) 2 個問項、娛樂(Entertainment) 10 個問項、個人資料輔助(Data Assistance) 6 個問項等三個子構面，行為後的心理狀態之焦慮狀態構面則分為焦慮狀態(Anxiety State) 3 個問項與自在(Easiness State) 3 個問項等二個構面，而焦慮特質(Anxious Trait)構面則僅保留焦慮特質 3 個問項，行動裝置自我效能(Mobile Self-Efficacy)部份則維持不變，因此調整後的結構方程模式與研究假說如圖 2 所示，並且逐一對每一研究假說調整成子假說進行說明。原假說 1 調整成二個子假說： 假說 1-1：多重壓力特質與進行行動多工後的焦慮狀態呈負相關。 假說 1-2：多重壓力特質與進行行動多工後的自在狀態呈負相關。 原假說 2 調整成三個子假說： 假說 2-1：多重壓力特質與娛樂多工行為呈正相關。 假說 2-2：多重壓力特質與訊息交流多工行為呈正相關。 假說 2-3：多重壓力特質與個人資料輔助多工行為呈正相關。 原假說 3 調整成六個子假說： 假說 3-1：娛樂多工行為與行動多工後的焦慮狀態呈正相關。 假說 3-2：娛樂多工行為與行動多工後的自在狀態呈正相關。 假說 3-3：訊息交流多工行為與行動多工後的焦慮狀態呈正相關。 假說 3-4：訊息交流多工行為與行動多工後的自在狀態呈正相關。 假說 3-5：個人資料輔助多工行為與行動多工後的焦慮狀態呈正相關。 假說 3-6：個人資料輔助多工行為與行動多工後的自在狀態呈正相關。 原假說 4 調整成三個子假說： 假說 4-1：焦慮特質與娛樂多工行為呈現負相關 假說 4-2：焦慮特質與訊息交流多工行為呈現負相關 假說 4-3：焦慮特質與個人資料輔助多工行為呈現負相關 原假說 5 調整成三個子假說： 假說 5-1：行動自我效能與娛樂多工行為呈現正相關 假說 5-2：行動自我效能與訊息交流多工行為呈現正相關 假說 5-3：行動自我效能與個人資料輔助多工行為呈現正相關 原假說 6 調整成三個子假說： 假說 6-1：行動自我效能對於多重壓力特質與娛樂多工行為之間的關係具有調節 效果 假說 6-2：行動自我效能對於多重壓力特質與訊息交流多工行為之間的關係具有 19

(23)

調節效果

假說 6-3：行動自我效能對於多重壓力特質與個人資料輔助多工行為之間的關係 具有調節效果

圖 2 結構方程模式與研究假說

在研究模式分析部份主要以結構方程式(Structural Equation Model，SEM)驗證研究架構之變數間的因果關係，由於本研究架構為多構面的複雜結構模型，因而使用部分最小平方法(Partial Least Squares，PLS)進行模型分析(Henseler, Ringle, and Sinkovics, 2009)，軟體版本為 Smart PLS 2.0.M3 (Ringle, Wende, and Will, 2005)，同時再結合 AMOS 軟體進行測量模式的配適度檢驗。

PLS 是一種探測或建構預測性模型的統計方法，並且可以同時處理複數組預測屬性和一組反應屬性，將潛在變項之間的因果關係予以模型化，達到分析複雜預測模型的優勢。研究中依據 Anderson and Gerbing (1988)的說明，結構方程模式將以測量模式與結構模式進行兩階段分析。前者主要檢驗研究模式中的觀察變項能否正確量測到潛在變項，以評估觀察變項與潛在變項的信度、效度與估計參數的顯著水準為主，即評估模式的內在品質；後者主要是以結構模式檢驗整體研究模式之潛在變項間的因果關係之影響大小與解釋力，分析後可以得到路徑的標準化因素負荷量與路徑係數的 t 值(t-value)，再將 t 值(t-value)經由計算取得 p 值 (p-value)，由此判斷潛在變項間的路徑強度與顯著性。此外，在因果路徑分析中使用拔靴法進行分析(Bootstrapping Resampling Technique)(Efron, 1979)，將原始樣本 602 份以 Bootstrapping 反覆抽樣抽取 1000 個樣本進行參數估計與推論。 3. 測量模式分析

(24)

在測量模型的檢定中，將進行每一構面的信度、收斂效度與區別效度的檢驗，

研究中以Cronbach’s α 值與組合信度(CR)以及平均萃取變異量(AVE)檢驗進行信

度與效度的檢測(Hair et al., 1992)。Nunnally(1979)指出Cronbach’s α 值為 0.7 以上即表示具有高信度，收斂效度評估則依據 Fornell and Larcker(1981)的準則，標準化因素負荷量大於 0.7，CR 大於 0.6，以及 AVE 大於 0.5。分析結果顯示各構

面的Cronbach’s α 皆高於或接近 0.7，唯有焦慮特質是 0.61 稍微偏低，由此說明

本研究各個構面具有良好且一致性的信度。在 CR 的分析部份，各構面的值皆高於 0.7，AVE 也幾乎高於或接近 0.5，唯有 Polychronicity Preference 是 0.47 與 Entertainment 是 0.44 稍微偏低，並且大部份問項的因素負荷量皆大於或接近 0.7，僅有少數問項是低於 0.7 的標準，顯示本研究的各構面接近符合準則之門檻，表示構面間具有良好的收斂效度，如表 6 所示。

在區別效度的檢測部份亦是依據 Fornell and Larcker(1981)的建議，以 AVE 進行衡量，若潛在變項的 AVE 之平方根大於任一潛在構面間之相關係數，則該構面具有良好的區別效度，表 7 說明對角線上的每個構面的 AVE 值之平方根皆大於其下方的值，代表符合區別效度的標準，研究中亦整理各構面問項的 Cross loading，如表 8 所示，也說明各構面之因素負荷量皆大於在其它構面的負荷量。所以本研究各構面間具有良好區別效度，因而可以繼續進行後續的結構方程模式分析。表 6 測量模式之潛在變項檢測 Mean SD Factor Loading AVE Composite Reliability (CR) Cronbach’s Alpha R Square Polychronicity Preference 0.47 0.81 0.72 IPV1 2.48 0.98 0.70 IPV3 2.61 0.84 0.80 IPV6 2.87 0.91 0.49 IPV8 2.72 1.02 0.66 IPV10 2.83 0.96 0.76 Anxious Trait 0.54 0.78 0.61 AT4 3.04 1.04 0.62 AT5 3.15 1.02 0.77 AT6 3.86 0.86 0.81 Anxiety State 0.77 0.91 0.85 0.05 PBA2 3.66 0.86 0.82 PBA4 3.97 0.77 0.88 PBA5 3.90 0.84 0.93 Easiness State 0.66 0.85 0.74 0.22 PBA1 3.10 0.75 0.78 PBA3 3.38 0.81 0.85 PBA6 3.18 0.79 0.81 Skillfulness 0.58 0.89 0.86 MES1 2.03 0.80 0.66 MES2 1.92 0.79 0.72 MES3 1.78 0.66 0.79 MES4 2.11 0.78 0.84 MES5 1.97 0.73 0.85 MES6 1.93 0.70 0.70 Communication 0.80 0.89 0.75 0.09 21

(25)

MM2 3.36 1.10 0.90 MM3 3.41 1.09 0.89 Entertainment 0.44 0.89 0.86 0.15 MM4 2.44 0.94 0.73 MM5 1.96 0.86 0.78 MM6 2.42 1.05 0.78 MM7 2.12 0.93 0.62 MM9 2.11 1.05 0.65 MM10 2.43 1.02 0.50 MM12 2.87 1.13 0.67 MM13 2.84 1.22 0.53 MM14 2.49 1.17 0.62 MM15 1.91 0.98 0.70 Data Assistance 0.59 0.89 0.86 0.09 MM16 2.96 1.13 0.78 MM17 2.97 1.08 0.75 MM18 3.12 1.08 0.77 MM19 3.08 1.11 0.83 MM20 3.30 1.04 0.80 MM21 3.42 1.27 0.65

表 7 Discriminate validity & Latent Variable Correlations

Polychronicity

Preference Entertainment Communication

Data Assistance Anxious State Easiness State Anxious Trait Skillfulness Polychronicity Preference 0.69 Entertainment 0.23 0.66 Communication 0.23 0.44 0.89 Data Assistance 0.19 0.56 0.48 0.77 Anxious State 0.08 -0.08 0.07 0.11 0.88 Easiness State -0.22 -0.42 -0.33 -0.35 0.11 0.81 Anxious Trait -0.16 -0.15 -0.01 -0.05 -0.11 0.11 0.74 Skillfulness 0.26 0.31 0.19 0.19 -0.30 -0.33 -0.04 0.76 表 8 Cross loading Polychronicity

Preference Entertainment Communication

Data Assistance Anxious State Easiness State Anxious Trait Skillfulness AT4 -0.07 -0.06 -0.01 -0.05 -0.18 0.06 0.62 0.05 AT5 -0.04 -0.10 0.03 -0.03 -0.15 0.02 0.77 0.07 AT6 -0.21 -0.15 -0.02 -0.04 0.00 0.13 0.81 -0.14 IPV1 0.70 0.20 0.19 0.07 0.00 -0.13 -0.08 0.22 IPV3 0.80 0.18 0.23 0.18 0.06 -0.21 -0.17 0.27 IPV6 0.49 0.14 0.11 0.11 0.12 -0.09 -0.13 0.07 IPV8 0.66 0.12 0.07 0.12 0.06 -0.12 -0.06 0.11 IPV10 0.76 0.15 0.15 0.15 0.06 -0.16 -0.10 0.16 MES1 0.13 0.16 0.10 0.14 -0.21 -0.18 0.03 0.66 MES2 0.20 0.18 0.12 0.11 -0.26 -0.16 0.01 0.72 MES3 0.23 0.26 0.13 0.10 -0.28 -0.27 -0.08 0.79 MES4 0.21 0.26 0.24 0.20 -0.23 -0.29 -0.04 0.84 MES5 0.21 0.30 0.17 0.18 -0.21 -0.31 -0.07 0.85 MES6 0.19 0.18 0.06 0.10 -0.24 -0.26 -0.03 0.70 MM2 0.19 0.41 0.90 0.43 0.02 -0.31 0.03 0.20 MM3 0.22 0.38 0.89 0.43 0.10 -0.28 -0.04 0.15 MM4 0.15 0.73 0.37 0.39 -0.14 -0.31 -0.11 0.29 MM5 0.22 0.78 0.28 0.32 -0.10 -0.35 -0.12 0.29 MM6 0.19 0.78 0.41 0.43 -0.01 -0.37 -0.09 0.17 22

(26)

MM7 0.12 0.62 0.23 0.36 -0.04 -0.23 -0.05 0.17 MM9 0.15 0.65 0.20 0.35 -0.12 -0.26 -0.07 0.26 MM10 0.10 0.50 0.23 0.40 0.11 -0.15 -0.08 0.07 MM12 0.20 0.67 0.40 0.53 0.10 -0.25 -0.10 0.13 MM13 0.10 0.53 0.28 0.30 0.00 -0.27 -0.18 0.13 MM14 0.09 0.62 0.29 0.40 -0.06 -0.20 -0.07 0.16 MM15 0.19 0.70 0.22 0.34 -0.13 -0.33 -0.12 0.24 MM16 0.14 0.41 0.34 0.78 0.02 -0.25 0.03 0.17 MM17 0.14 0.46 0.43 0.75 0.07 -0.33 0.02 0.19 MM18 0.17 0.49 0.40 0.77 0.14 -0.27 -0.18 0.11 MM19 0.15 0.43 0.34 0.83 0.00 -0.29 0.00 0.16 MM20 0.12 0.42 0.38 0.80 0.12 -0.24 -0.08 0.11 MM21 0.15 0.34 0.29 0.65 0.14 -0.20 -0.03 0.12 PBA1 -0.17 -0.26 -0.28 -0.28 0.01 0.78 0.09 -0.23 PBA3 -0.16 -0.39 -0.31 -0.29 0.23 0.85 0.05 -0.34 PBA6 -0.20 -0.36 -0.23 -0.28 0.00 0.81 0.13 -0.23 PBA2 0.07 -0.05 0.05 0.09 0.82 0.08 -0.11 -0.22 PBA4 0.03 -0.08 0.05 0.08 0.88 0.08 -0.11 -0.29 PBA5 0.11 -0.08 0.07 0.11 0.93 0.11 -0.09 -0.29 此外，本研究同時以 AMOS 進行測量模式整體配適度的檢驗，以更進一步分析整體模式的品質，並以五個指標進行評估，包含：χ2 _{與自由度的比率}

(CMIN/DF) 、 goodness-of-fit(GFI) 、 adjusted goodness-of-fit index(AGFI) 、 comparative fit index(CFI)、and root mean square error of approximation(RMSEA)等。分析結果發現本研究架構在上述五項模式配適度指標的表現，皆優於或趨近於各指標的建議門檻值，顯示本研究模式與資料的配適度良好，如表 9 所示。由於本研究的結構模式包含一個調節變項，並不適用 AMOS 進行檢測，因此，本研究後續改以 Smart PLS 2.0.M3 (Ringle, Wende, and Will, 2005)進行結構模式的分析。

表 9 Recommended Fit Indices for Measurement Model

模式 χ2 χ2_/df _GFI _AGFI _CFI _RMSEA

測量模式 1762.489 2.754 0.857 0.835 0.870 0.054 建議門檻值 - <3 >0.9 >0.8 >0.9 <0.08

4. 結構模式分析

研究中以 PLS 進行整體結構模式的檢定分析以估計路徑係數和各構面的解

釋力(R2 _{值)(Fornell and Larcker, 1981)，其中研究假說之標準化路徑係數(Path}

Coefficients)、t 值、p 值以及檢定結果如表 10 所示，研究架構模型檢定結果如圖 3 所示。圖 3 說明焦慮狀態的解釋力為 5%，輕鬆自在狀態的解釋力為 22%，訊息交流的解釋力為 9%，娛樂的解釋力為 15%，個人資料輔助的解釋力為 9%；而二十項研究假說的檢定中，有九項假說達顯著水準，依據此分析結果將進行進一步說明。由表 10 分析得知，在多重壓力特質的影響部份，多重壓力特質對於焦慮狀態(β=0.09, t-value=1.91, p=0.056)不具有顯著負向影響，研究假說 H1-1 不成立，但對於自在狀態 (β=-0.10, value=2.38, p=0.018) 、娛樂多工行為 (β=0.15, t-value=3.24, p=0.001)、訊息交流多工行為(β=0.18, t-value=4.17, p=0.000)與個人資 23

(27)

料輔助多工行為(β=0.15, t-value=3.44, p=0.001)則分別具有顯著負向或正向影響，研究假說 H1-2、H2-1、H2-2 與 H2-3 成立；在行動多工行為的影響部份，娛樂多工行為對於焦慮狀態 (β=-0.24, value=4.51, p=0.000) 與自在狀態 (β=-0.27, t-value=6.11, p=0.000)，訊息交流多工行為對於自在狀態(β=-0.14, t-value=3.26, p=0.001)，個人資料輔助多工行為對於自在狀態(β=-0.11, t-value=2.47, p=0.014)，雖皆具有顯著負向影響，但研究假說 H3-1、H3-2、H3-4 與 H3-6 不成立，而個人資料輔助多工行為對於焦慮狀態(β=0.20, t-value=3.52, p=0.000)具有顯著正向影響，研究假說 H3-5 成立，但訊息交流多工行為對於焦慮狀態(β=0.06, t-value=1.09, p=0.276)則不具有顯著正向影響，研究假說 H3-3 不成立。在焦慮特質的影響部份，焦慮特質對於娛樂多工行為(β=-0.10, t-value=2.24, p=0.025)具有顯著負向影響，研究假說 H4-1 成立，但對於訊息交流多工行為 (β=0.04, t-value=0.80, p=0.426)與個人資料輔助多工行為(β=0.00, t-value=0.01, p=0.991)則不具有顯著影響，研究假說 H4-2 與 H4-3 不成立；在行動自我效能的影響部份，技術能力對於娛樂多工行為(β=0.25, t-value=6.58, p=0.000)、訊息交流多工行為 (β=0.14, value=3.59, p=0.000)與個人資料輔助多工行為(β=0.14, t-value=3.53, p=0.000)皆具有顯著影響，研究假說 H5-1、H5-2 與 H5-3 成立。此外，在行動自我效能對於多重壓力特質與行動多工行為的調節效果部份，對於娛樂多工行為的調節(β=-0.14, t-value=0.81, p=0.417)、訊息交流多工行為的調節(β=-0.14, t-value=0.78, p=0.437) 與個人資料輔助多工行為的調節 (β=-0.18, t-value=0.88, p=0.380)皆不具有顯著影響，研究假說 H6-1、H6-2 與 H6-3 不成立。表 10 假說檢驗結果

Path Hypothesis Path

coefficient t value p value Result Polychronicity Preference  Anxious State H1-1 0.09 1.91 0.056 Not supported

Polychronicity Preference  Easiness State H1-2 -0.10 2.38 0.018* Supported Polychronicity Preference  Entertainment H2-1 0.15 3.24 0.001** Supported Polychronicity Preference  Communication H2-2 0.18 4.17 0.000*** Supported Polychronicity Preference  Data Assistance H2-3 0.15 3.44 0.001** Supported

Entertainment  Anxious State H3-1 -0.24 4.51 0.000*** Not supported Entertainment  Easiness State H3-2 -0.27 6.11 0.000*** Not supported Communication  Anxious State H3-3 0.06 1.09 0.276 Not supported Communication  Easiness State H3-4 -0.14 3.26 0.001** Not supported

Data Assistance  Anxious State H3-5 0.20 3.52 0.000*** Supported

Data Assistance  Easiness State H3-6 -0.11 2.47 0.014* Not supported

Anxious Trait  Entertainment H4-1 -0.10 2.24 0.025* Supported

Anxious Trait  Communication H4-2 0.04 0.80 0.426 Not supported Anxious Trait  Data Assistance H4-3 0.00 0.01 0.991 Not supported

Skillfulness  Entertainment H5-1 0.25 6.58 0.000*** Supported Skillfulness  Communication H5-2 0.14 3.59 0.000*** Supported Skillfulness  Data Assistance H5-3 0.14 3.53 0.000*** Supported

Polychronicity Preference * Skillfulness  Entertainment H6-1 -0.14 0.81 0.417 Not supported Polychronicity Preference * Skillfulness  Communication H6-2 -0.14 0.78 0.437 Not supported Polychronicity Preference * Skillfulness  Data Assistance H6-3 -0.18 0.88 0.380 Not supported

(28)

圖 3 結構模式分析結果圖 5. 討論結構模式分析結果如圖 3 所示，多重壓力特質與行動自我效能皆對行動多工行為具有顯著影響，而焦慮狀態僅顯著影響娛樂行動多工行為。此外，除了訊息交流行動多工行為對於焦慮狀態無顯著影響之外，三類行動多工行為皆會直接影響行動多工行為之後的心理狀態，包括焦慮狀態與自在狀態。茲將本研究發現的因果關係進一步說明如下： (1)多重壓力特質、行動多工行為與行為後的心理狀態之關係多重壓力特質是一種人格特質，此特質對於人在行為後的心理狀態會產生影響關係，本研究結果發現多重壓力特質會負向影響自在狀態，表示多重壓力特質愈明顯的人愈不會有自在的狀態；而多重壓力特質對於焦慮狀態的影響雖然為達統計上的顯著水準，卻是趨進於正向顯著關係，顯示多重壓力特質與焦慮狀態的關係是有存在的可能性，也就是說具有多重壓力特質的人不會有自在狀態但會產生焦慮狀態，雖然研究結果與先前研究有差異，但也說明現今在行動環境下的使用者，若具有多重壓力特質是不會有自在狀態的。在行動裝置普及的環境中，人們的多重壓力特質會正向影響他們的行動多工行為，包含娛樂、訊息交流與個人資料輔助的行動多工行為，此與先前相關研究皆能完全呼應，表示具多重壓力特質的使用者，在這三類行動多工行為上的使用頻率是愈高的。而三類行動多工行為對於行為後的心理狀態，不管是焦慮狀態或自在狀態，呈現不相同的影響，這與先前相關研究的發現差異極大(Poposki& Oswald, 2010)，不同類的行動多工行為對於焦慮狀態與自在狀態的影響是不同的，首先，娛樂行動多工行為對於焦慮狀態與自在狀態皆是呈現負向影響關係，表示使用者在進行 25