資訊遺漏恐懼感量表之編製與相關研究

(1)

第36 期民國 105 年 12 月 255 - 270 頁 Vol. 36, December 2016 pp. 255 - 270

ྤੈ᏷႒ऻᛵຏณܑ̝በᄦᄃ࠹ᙯࡁտ

Ꮵآσ

1,*

ᖎ܍਩

2

เ܆܆

3

ၡ

ࢋ

社交軟體、通訊軟體與行動裝置的快速發展，讓人們得以在任何時間、地點，比以往容易地與他人得聯繫，

知道朋友的訊息，但也因此產生了「資訊遺漏恐懼感」（Fear of Missing Out；FoMO）。「資訊遺漏恐懼感」為一

種不安的心理現象，擔心別人發生了有趣的事或經驗，而自己卻不知道，而不能參與討論，所以需要隨時知道有什麼有趣的事發生，或知道別人正在做什麼有趣的事，以便參與別人的話題，或製造話題。本研究透過相關理論與文獻的整理，界定「資訊遺漏恐懼感」的理論意涵與特性，並透過相關量表的發展，以實證的數據來探討此一概念的內涵與結構。以Przybylski、Murayama、DeHaan 與 Gladwell（2013）的動機理論觀點，編定「資訊遺漏恐懼感量表」，用以探討民眾「資訊遺漏恐懼感」的相關構成要素，共十題。本研究以250 名台灣北部民眾為預試樣本，進行項目分析，並以社交軟體使用頻率與使用習慣為效標，以瞭解「資訊遺漏恐懼」的內在因素結構與區辨效度。進一步的，另以641 名台灣民眾為正式樣本，以驗證性因素分析進行「資訊遺漏恐懼」知覺的構念效度驗證，分析結果指出量表具有良好的模式適配，信效度良好。 ᙯᔣෟ：社交軟體、資訊遺漏恐懼感、驗證性因素分析

壹、݈֏

˘ăࡁտࡦഀᄃજ፟ 藉由社交軟體的協助下，民眾可以更輕易的得到更多週遭朋友的相關訊息，而資訊的呈現形式，也由早期單純以文字表示現況，演變成自身經歷照片與影像的分享。近年，因為行動裝置的大量應用，消費者在朋友間，更可以「即時」的分享自己的近況、想法與快樂的經驗。社交軟體讓大家更容易知道他人的生活訊息，不但可以即時更新，而且會在不同的社交平台（社交軟體）上看到一些人重複不斷地發出訊息，讓人無法忽視。牛津

大學教授Przybylski 以「資訊遺漏恐懼」（Fear of Missing Out; FoMO）形容這種現象[1]。

在早期，電子郵件（E-mail）剛剛興起時，人們養成定期接收別人訊息的習慣，人們不願意錯過每一封郵件的信息，希望能夠在第一時間回復所有的郵件。這使得工作時間和閒暇時間的界線開始變得模糊，人們似乎很難再像從前那樣，區分上班和下班時間。在行動科技與網際網路的快速發展下，人們溝通所使用的資訊科技 1_{亞東技術學院醫務管理系助理教授} 2_{馬偕醫護管理專科學校護理科講師} 3_{亞東技術學院醫務管理系副教授} *_{通信作者：賴宜弘} E-mail：[email protected]

(2)

與軟體也從早期公開的電子佈告欄BBS、網頁論壇，到現在以社群為主的通訊軟體 Facebook、Twitter、Instagram，

和即時通訊軟體LINE、Skype、WhatsApp 等等各種社交軟體（Social Media），在越來越普及的行動裝置及高速

網路的普及，以經由許多行動裝置應用軟體（Mobile Application 或 APP），在任何時間、地點，大家都可以利用這些社群軟體與其他人取得聯繫及知道朋友的現況。這些有容易擔心錯過朋友相關訊息特質的人，他們生活中大多很依賴社交軟體。透過這些社交軟體，人們可以更容易且接收到更多朋友的訊息。那也代表更不應該不知道朋友的相關資訊。在以更簡單的方式就可以隨時與別人溝通及獲取別人訊息的情況下，人們害怕錯過的「未知訊息」也越來越多，害怕錯過最新、最好玩的消息，或錯過與人溝通交流的機會。每個與社群軟體聯繫的機會都有其潛在可能性，必須等到查看過社群軟體內容才會知道，一旦放棄任何一個聯繫機會，便可能錯過很多可能性，這導致了「資訊遺漏恐懼感」的心理現象[1]。資訊遺漏恐懼感是一種不安恐懼的心理，擔心別人有很有趣事物的經驗，而自己卻因不知道這個有趣的事物，而無法與朋友討論交流。由於人類是群居的動物，從古至今的人們都會擔心被孤立或忽略，所以知道別人的相關訊息，有助於與人交流。從遠古時期，原始人的狩獵知識分享，到現代旅遊經驗談，再在顯示獲的訊息與取得訊息在人群交流的重要性。隨著近年資訊科技的進步，社群軟體與行動裝置科技的廣泛使用，使得人們更容易可以知道別人的狀況、活動資訊，與自己是否錯過了什麼，擔心一旦中斷與社群軟體的連繫就會錯過更有趣好玩的事物，進而強化資訊遺漏恐懼感的感受。根據國際旅遊訂房網站Hotels.com 在 2016 年的調查，台灣旅客擁有「資訊遺漏恐懼」的比例全球居冠，47% 的台灣旅客常在旅途中上傳照片炫耀，60%的台灣旅客為了不和朋友脫節，在旅途中會頻頻回應貼文，此比例遠高於全球旅客平均的32%。台灣旅客在旅行途中，平均花 4.2 小時進行觀光活動，其中操作手機的時間就約 3 個小時，大幅超過觀光活動時間的一半。「資訊遺漏」的恐懼感使台灣旅客無法好好享受旅遊時光，大多都在打卡或回應朋友的貼文[2]。其實不只台灣旅客於旅程中沉溺於手機溝通活動；全球旅客於旅程中操作手機或行動裝置的時間，比花在日光浴的時間還多半小時。許多旅客，比起享受旅途中的風景人文，他們反而花更多時間在操作手機或行動裝置。使用的原因除了尋找旅遊景點資訊外，更重要的是和外界保持聯繫，及與朋友分享旅遊經驗，有四成的受訪者承認上傳旅遊照片到社群軟體上，是為了炫耀旅遊經驗或美食經驗[2]。這幾年，行動裝置的相關應用越來越多，行動裝置上的社交軟體功能也越來越多，不論是即時通訊或個人訊息分享，都能讓使用者輕易的隨時隨地讓別人知道自己的消息或接收別人的消息。也因此「資訊遺漏恐懼感」的現象也越來越嚴重，但在探討台灣民眾「資訊遺漏恐懼感」的研究還非常少。因此，本研究將試圖個體行為動機相關理論為基礎，探討資訊遺漏恐懼感的意義與理論內涵，發展評量工具，並以通訊軟體使頻率與習慣為效標，探討資訊遺漏恐懼感與通訊軟體使頻率與習慣間的關係。 ˟ăࡁտયᗟᄃϫ۞ 綜觀目前國內外學者之研究，對於「資訊遺漏恐懼感」的相關學術性研究並不多見，多仍停留在對於現象的陳述或新聞性之報導，較少直接以資訊遺漏恐懼為主題，來進行探討之實徵性研究。具體而言，本研究目的如下： 1. 回顧理論與文獻，據以發展「資訊遺漏恐懼感」的概念與內涵。 2. 編製「資訊遺漏恐懼感」之評量工具，進行信效度檢驗。 3. 以通訊軟體使頻率與習慣為效標，探討資訊遺漏恐懼感與通訊軟體使頻率與習慣間的關係。

(3)

෮ăྤੈ᏷႒ऻᛵຏ۞நኢᄃ͛ᚥ

網路通訊科技的發達，使得人們在傳遞訊息與聯絡方式有重大的改變，目前透過網路傳達訊息的方式，從早期的網頁、電子郵件、電子佈告欄、視訊會議等網路系統，到現在較流行的社群軟體、即時通訊等社交軟體。透過網路所形成的互動社群，成為現代人主要溝通方式。「資訊遺漏恐懼感」最初的研究者Przybylski 認為，「資訊遺漏恐懼感」並不是一種新的現象，但社交軟體讓大家更容易感知他人的生活，不但更即時，而且會在不同的社交平台上看到一些人重複不斷地發出訊息，無法忽視這些訊息。因此，「資訊遺漏恐懼感」這種現象才變得越來越突出，成了現代人的現代病。而資訊遺漏恐懼感可以相關動機理論為基礎，加上網路使用者的使用動機來探討。 ˘ăҋԧՙؠநኢ 目前在討論個體行為動機以及社會環境因素對於動機影響的發展上，較完整的理論模型是Deci 與 Ryan 的「自我決定理論」（Self-Determination Theory；SDT）[3][4]。相關領域中，已有許多學者將之應用在解釋健康管理、資訊管理、教育管理等各類組織行為的發生原因，並有效地詮釋行為動機對於各類行為發生的直接影響。自我決定理論是一個有關於人類個性與動機的理論，考量到個人與生俱來的天賦資質與心理需求。主旨在探討人發自內心的動機，排除外在誘因與影響，其中又把重點聚焦在個人激發與自我決定[3]。在 1970 年代，自我決定理論的研究著重在探討「內在動機」與「外在動機」，並嘗試了解內在動機影響人類行為的途徑。自我決定理論研究的重點在內在動機與外在動機的相對關係，內在動機意指促使一個人行為的理由是因為這樣的行為本身能帶來滿足感。而外在動機代表有外在的誘因促使個人做出該行為，內化則是指使外在動機轉變成內在動機的一個動機轉換過程。自我決定理論的基本概念是以人的自然本質為基礎，會出現正向且持續的信念，這樣的信念會反覆出現，努力達成自我承諾又名為「內在增長趨勢」，而同時人也具有與生俱來的心理需求，用以做為自我激發（self-motivation）與個性整合（personality-integration）的用途。自我決定理論提出了三個人類天生的需求[3][4]，人們嘗試去達成此三需求，如果達成，則得以滿足人們心理上的滿足的自我感受（或幸福感）；反之若未達成，則會出現零碎、反作用與疏離的自我感受。自我決定理論並不視動機為一個整體，動機可以分成三個組成構面：自我效能性（Competence）、與自我相關性（Relatedness）與自主與自決性（Autonomy）。「自我效能」是指嘗試去了解自我本身所具有的能力，以及自我對於任務可能完成的結果與效能。「與自我相關性」是指基於想與他人互動的本能，該行為是否具有製造與他人互動的機會。「自主與自決性」是指該行為與動機是否是是發自內心，以及該行為是否是自我決策而非受他人影響。這些需求動機被視為是天生的，並不是經過後天學習得來的。目前所看到許多人們從事不同活動的背後動機，其實都是為了滿足這三種基本心理需求。 ˟ăშྮֹϡ۰۞ֹϡજ፟ 陳思嘉以五所高中、一所高職為研究樣本，探討高中生網路的使用行為，將網路使用動機歸為四大類，包含工具性動機、參與性動機與娛樂性動機[5]。韓佩凌發現青少年的網路使用行為，多為一些具社交功能且互動性高的活動，例如E-mail 的使用、聊天交友活動[6]。楊佳幸（2001）針對高雄地區大學生的網路使用行為、網路心理需求及網路沉迷進行相關研究，其研究結果發現，重度網路使用者其主要使用動機為「人際需求」[7]。

(4)

蔡雅惠探討桃園市某國中學生網路使用情形的研究則發現，網路使用活動方面前三名分別為即時通等通訊軟體、網路連線遊戲、線上視聽媒體。在網路動機方面前三名分別為影音娛樂下載、玩線上遊戲、與朋友通信，而研究對象將網路使用做為與人際互動或娛樂休閒的工具。網路成癮高危險群的網路使用動機主要為影音娛樂下載，其次為線上遊戲[8]。劉文尚對網際網路的使用行為與社會臨場感上所作的研究，歸納出來六大網際網路使用動機，分別為社交因素、消遣娛樂因素、自我肯定因素、監督因素、工具性使用因素與匿名性因素[9]。由相關研究可以發現，「社交因素」是資訊科技使用者的主要使用動機。 ˬăྤੈ᏷႒ऻᛵຏ̝ؠཌྷᄃপّ

韋氏字典（merriam-webster dictionary）於 2016 年將「資訊遺漏恐懼感」（FoMO）納入。其對於 FoMO 的解釋為「fear of not being included in something (such as an interesting or enjoyable activity) that others are experiencing」，意指「害怕錯過別人已經知道的新奇好玩事物」[10]。

Przybylski、Murayama、DeHaan 與 Gladwell 以自我決定理論為基礎探討「資訊遺漏恐懼感」的行為和相關因素。在這研究中[1]，為了量化「資訊遺漏恐懼感」之程度，建立一個「資訊遺漏恐懼感」自我評估量表，從

「資訊遺漏恐懼感」的相關文章中，整理了32 個題目。以 1013 份樣本為基礎，在進行因素分析（Factor Analysis）

與試題反應理論分析（Item Response Theory；IRT）後，建立了一份包含 10 個題目的「資訊遺漏恐懼感」自我評估量表。結果發現，「資訊遺漏恐懼感」為心理需求滿足與社群軟體使用頻率間的中介變數。較低的心理需求滿足（自我效能性、與自我相關性、自主與自決性）會有較高程度的「資訊遺漏恐懼感」，而「資訊遺漏恐懼感」與社群軟體使用頻率具有較高的聯繫，高程度的「資訊遺漏恐懼感」會有較高的社群軟體使用頻率。除此之外，高程度「資訊遺漏恐懼感」的人經常在睡前、起床後與吃飯時頻繁地查看社群軟體[1]。「資訊遺漏恐懼感」是一種恐懼的心理感受，由恐懼可能會錯過別人已經知道的新奇、有趣的訊息而產生。為了避免錯過這些訊息，而期望藉由社群軟體的使用，以避免這問題發生。所以當無法操作社群軟體時，便覺得會錯過什麼重要、有趣的資訊，產生不安的心理感受。因此，本研究定義「資訊遺漏恐懼感」為一種害怕錯過某些別人已經知道的新奇好玩事物，而無法和別人討論這件事感到恐懼的不安心理。而社群軟體與行動裝置的新應用越來越多，越來越嚴重的「資訊遺漏恐懼感」情形，將會是個值得探討的議題。

ણăࡁտ͞ڱ

基於前述的理論與文獻整理，本研究的具體工作是進行評量工具的編製，透過本研究所建立之「資訊遺漏恐懼感量表」的信效度資料，以及與相關因素的關係之探討，來檢驗主觀規範、自願、印象的理論與實務價值。研究區分為三個階段，第一是量表的初編，完成預試題本，第二是以預試樣本進行項目分析，以決定量表基本品質，第三是以正式樣本進行驗證性因素分析，建立信效度指標。 ˘ăณܑᗟώ൴ण 「資訊遺漏恐懼感量表」的測量對象為台灣地區居民，範圍為台灣地區居民對於資訊遺漏恐懼輕向的相關

因素，參考參考Przybylski、Murayama、DeHaan 與 Gladwell 的 FoMO 自我評估量表的內容[1]。

預試題本首先經由研究者進行題目編寫，再由具有相關研究經驗的研究團隊成員五人，以團體討論型態逐題討論、修飾潤飾題目初編完成後，委請三名資訊領域教授與三名英文領域教授針對此量表的意義與語句進行

(5)

檢核，並經過數次調整。再與研究團隊成員進行討論與修正，最後完成預試量表，如表2 所示。預試量表的題目共計 10 題。題目的量尺為 Likert-type 五點量表，由「非常不同意」、「不同意」、「無意見」、「同意」、「非常同意」，分別給予 1 分、2 分、3 分、4 分、5 分，得分越高，表示同意的程度越高，反之則越低。 ܑ1 ώࡁտณܑᗟϫ 題目編號量表題目 P01 有時候，我會擔心是否花太多時間在追蹤資訊。 P02 當我在玩樂時，上網分享我的活動細節（例如更新動態和張貼照片）是很重要的。 P03 我擔心別人有比我更值得炫耀的經驗。 P04 當我不知道朋友在做什麼時，我會很焦慮。 P05 聽得懂朋友的「笑點」（笑話）對我來說很重要。 P06 我會因為錯失和朋友聯繫的機會，而覺得很不快樂。 P07 我擔心我的好朋友有比我更值得炫耀的經驗。 P08 當我在假期中，我會持續密切關注朋友的動向。 P09 我擔心我朋友即使沒有我的參與，仍然可以生活得很有趣。 P10 我會因為錯過預定的聚會，而覺得不快樂。預試量表編製完成後，便開始量表的施測。待量表回收後，即著手量表的整理與原始資料的輸入工作，以

統計套裝軟體IBM SPSS Statistics for windows 22 進行資料分析。本研究主要針對預試量表進行項目分析與因素

分析，以作為題目篩選的依據，並檢驗量表的信、效度。此外，本研究也以次數分配及描述統計分析研究對象的基本資料及其在各因素上的得分情形。 ˟ăࡁտᇹώ Ğ˘ğ࿰ྏࡁտ 本研究首先以便利取樣建立預試樣本來進行初編量表的項目分析，總計有 300 位民眾參與預試題本的填答，進行量表結構與項目品質檢測，有效樣本為250 名（男性 133 名，女性 117 名）。預試題本回收後，除了詳加檢閱填答者的作答情形，蒐集填答者對於題目的意見之外，亦進行廢卷處理，將空白問卷或過多題目未填答者的問卷予以淘汰，此外，填答者全部勾選同一個答案或是草率勾選等情況的問卷也予以排除。 Ğ˟ğϒёࡁտ 為了建立量表的信效度，以驗證性因素分析來進行量表結構的交叉驗證（cross-validation），並進行相關變項的檢驗，第二階段的正式研究以台灣地區民眾為研究對象，於2016 年 6 月 1 日至於 2016 年 6 月 30 日，以網路問卷方式收集問卷，共回收652 份，有效樣本為 641 份。男性 313 名，女性 328 名。如表 3 所示。 ܑ2 ࡁտ၆෪۞ૄώྤफ़௚ࢍܑĞN=641ğ 變項別類別人數百分比性別女 313 48.83% 男 328 51.17% 教育別大學以下 210 32.76% 大學以上（含） 431 67.24% 年齡組 30 歲以下 327 51.01% 30 歲以上（含） 314 48.99% 樣本總數 641 100.00%

(6)

ˬăࡁտ̍׍ 本研究除了依 Przybylski、Murayama、DeHaan 與 Gladwell 的研究[1]，所編製的中文版「資訊遺漏恐懼感量表」中文量表外，並以Deci 與 Ryan 的「自我決定理論」為研究基礎[3][4]。而本研究之社交軟體的使用頻率與使用習慣為效標（三題），探討資訊遺漏恐懼感與社交軟體的使用頻率與使用習慣的關係。而這個三個效標為： 1. 你上週次社交軟體使用次數為？（1）沒有使用（2）每天不到 1 次（3）每天 1～5 次（4）每天 6～10 次（5）每天 11 次以上。 2. 你常一邊用餐，一邊操作社交軟體。（1）很不同意（2）不同意（3）無意見（4）同意（5）很同意。 3. 你常在睡覺前 15 分鐘或起床後 15 分鐘，操作社交軟體。（1）很不同意（2）不同意（3）無意見（4）同意（5）很同意。 αăྤफ̶़ژ 本研究主要的內容在發展自編量表，預試分析主要工作在進行項目分析，包括遺漏檢驗、描述統計檢測（包括平均數、標準差、偏態係數）、極端組比較、同質性檢驗（包括校正項目總分相關係數、因素負荷值）等四類七項指標[11]。信度估計主要為內部一致性（internal consistency）的估算。因素分析是檢驗量表構念效度的重要途徑，本研究的因素分析分為兩個部分，首先以預試樣本進行探索性因素分析（Exploratory Factor Analysis; EFA），藉以探索量表的因素結構，進一步再以正式樣本進行驗證性因素

分析，藉以確認量表的因素結構。本研究的探索性因素分析，是以IBM SPSS Statistics 22 的主軸因子（principal

axis factors）萃取法，以特徵值大於 1 來決定具有意義的因素，並以陡坡檢驗來評估各因素的存在狀況，並進行

直交轉軸以抽取出較為清楚的因素，斜交轉軸以探討因素之間的相關情形。效標關聯分析則以Pearson 相關係數

來呈現量表與效標測量的關係。另外，結構方程模式的測量模式分析則以IBM SPSS Statistics 22 軟體進行驗證

性因素分析（Confirmatory Factor Analysis; CFA），以檢驗測量工具的因素結構是否恰當。

དྷăࡁտඕڍ

˘ăีϫ̶ژ 項目分析主要目的是在針對預試題目進行適切性的評估。除了遺漏狀況的檢視之外，並進行描述統計檢驗（包括平均數、標準差、偏態係數）、極端組比較、同質性檢驗（包括相關係數、因素負荷量）。結果如表3 所示。 Ğ˘ğೡࢗ௚ࢍᑭീ 項目描述統計的目的在於運用各項目的描述統計資料來檢驗項目的好壞，過高與過低的平均數、較小的標準差與嚴重的偏態等三種傾向，代表量表項目可能存在鑑別度不足的問題[11]。本量表為五點量表，中間值為 3；各項目的平均數介於3.69 至 4.29 之間；標準差介於.889 至 1.037 之間。峰度與偏度皆在+2 與-2 之間。檢驗結果發現，各題的平均數、標準差與偏態均十分理想，顯示這些題目的基本描述統計特徵良好[12]。 Ğ˟ğໂბ௡ͧྵ 極端組比較法是運用預試樣本極端組平均數差異檢定（t-test）來檢驗項目的好壞，將全體樣本依量表總分的前後27%極端區分為高低分組[13][14]，比較兩組在各題平均數上的差異是否顯著，題目的高低分組差異性越大，表示題目越好。本量表的數據顯示，所有題目的 t 值（決斷值）皆達.001 顯著水準，顯示所有的題目皆有

(7)

良好的鑑別度。 ĞˬğТኳّᑭរ 同一量表的題目，由於在測量同一種概念，因此每一題目與總分之間應有高相關，個別題目與總分的相關係數若低於.35，表示此題目與全量表不同質，不宜採用。由相關係數來看，相關係數皆高於.35。此外，利用因素分析，當因素設定為一個主成份時，各題目具有一定水準的因素負荷量，若因素負荷低於.35，表示該題目與全量表不同質，應考慮予以刪除。從因素負荷數據可發現，皆高於.35。根據以上各項檢驗的數據加以綜合判斷，共保留10 題，成為正式研究的題本。 ܑ3 ˛჌ีϫ̶ژඕڍᓁܑ _題目編號平均數標準差偏態峰態極端組 t檢定相關因素負荷 P01 4.23 .927 -1.254 1.326 -16.626 .726 .686 P02 4.25 .896 -1.335 1.737 -15.973 .722 .681 P03 3.69 1.023 -.555 -.175 -23.166 .752 .682 P04 3.98 .905 -1.006 1.123 -20.665 .780 .781 P05 3.96 .968 -1.036 .892 -21.919 .792 .795 P06 4.02 .940 -1.044 .995 -22.743 .810 .818 P07 3.73 1.019 -.614 -.141 -22.654 .746 .675 P08 4.29 .889 -1.418 1.997 -16.001 .721 .682 P09 3.71 1.037 -.621 -.184 -23.078 .754 .684 P10 4.00 .954 -1.035 .966 -21.173 .790 .792 ˟ăଣ৶ّЯ৵ड़ޘ 預試選題的標準除了前述各項指標外，並配合探索性因素分析來簡化量表內容，如表5 所示。以 250 位預試樣本所進行的主軸因子法，經斜交轉軸後，取特徵值大於1，得出三個主要因素，共計 10 題。因素一與因素二的相關為.407，因素一與因素三的相關為.386，因素二與因素三的相關為.366。 ܑ4 ྤੈ᏷႒ऻᛵณܑ۞Я৵৏ੱ 題目編號因素1 因素2 因素3 P06 .909 P05 .887 P10 .867 P04 .833 P07 .907 P09 .906 P03 .905 P02 .947 P08 .865 P01 .811 解釋變異量 33.593% 27.259% 25.982%

(8)

經由因素分析得出三個因素之後，參考「自我決定理論」的三大行為動機，根據「自我決定理論」的三大行為動機[3][4]，加以命名如下： 1. 因素 1，「與自我相關性」（Relatedness）：意指個人對於與他人產生顯著連結感受的渴望。共有四題，例如： P04. 當我不知道朋友在做什麼時，我會很焦慮。 P05. 聽得懂朋友的「笑點」（笑話）對我來說很重要。 P06. 我會因為錯失和朋友聯繫的機會，而覺得很不快樂。 P10. 我會因為錯過預定的聚會，而覺得不快樂。 2. 因素 2，「自主與自決性」（Autonomy）：意指自主性是指個人對主動權的感受。共有三題，例如： P03. 我擔心別人有比我更值得炫耀的經驗。 P07. 我擔心我的好朋友有比我更值得炫耀的經驗。 P09. 我擔心我朋友即使沒有我的參與，仍然可以生活得很有趣。 3. 因素 3，「自我效能性」（Competence）：意指個人希望能與環境產生有效的互動的感受。共有三題，例如： P01. 有時候，我會擔心是否花太多時間在追蹤資訊。 P02. 當我在玩樂時，上網分享我的活動細節（例如更新動態和張貼照片）是很重要的。 P08. 當我在假期中，我會持續密切關注朋友的動向。 ˬăϒёณܑࡁտඕڍ Ğ˘ğរᙋّЯ৵̶ژ 在預試階段，量表的因素結構經過探索性因素分析，有五個因素，因此再以正式樣本進行驗證性因素分析，

利用 IBM SPSS AMOS 22 軟體，以最大概似法（Maximum likelihood）進行參數估計來確認量表的因素效度

（factorial validity）。

在模式設定上，三個因素各自有其對應的測量題目，形成三個第一階潛在因素。在Deci 與 Ryan 的「自我

決定理論」[3][4]中，各因素之間的關係並非獨立（單階直交模式），故本研究採用「單階斜交模式」。為了估計

因素的變異量，模型量尺化均以各因素的第一個參數設定為1.0 的參照參數。

ܑ5 ࡊԫତצሀё͛̚ۍณܑЧീณሀёዋ੨޽ᇾ

適配指標 x2_{(df) x}2_{/df RMSEA GFI AGFI CFI TLI RMR}

單階直交模式 396.462 (35) 11.327 .127 .883 .816 .952 .938 .289 單階斜交模式 59.579 (32) 1.862 .037 .982 .969 .996 .995 .019 模式適配分析結果列於表5。其中單階直交模型的適配情形：x2_{=396.462，df=35，x}2_{/df=11.327，RMSEA=.127，} GFI=.883，CFI=.952，TLI=.938，顯示因素間無相關的模型與觀察資料適配不良。將因素相關納入估計後，單階斜交模式的適配大幅度提升（x2_{=59.579，df=32，x}2_{/df=1.862，RMSEA=.037，GFI=.982，CFI=.996，TLI=.995），} 顯示理論模型與觀察分數具有良好適配。表示三個因素之間具有相關，在應用上，單階斜交模式可成立。測量模式分析結果如圖1 所示。

(9)

ဦ1 ඕၹ͞඀ሀё۞ീณሀё̶ژඕڍ Ğ˟ğЯ৵࠹ᙯᄃณܑܫޘ̶ژ 前面確認了可反應觀察數據，因此將此模式的參數估計加以呈現，結果列於圖 1 與表 6。其中，三個因素的相關係數，數值介於.366 至.407，所有係數皆達.001 的顯著水準，顯示這些因素具有中度相關。 ܑ6 ሀёણᇴҤࢍă௡ЪܫޘᄃπӮតள٩פณၡࢋܑ 因素題目編號 λ R2_{S.E. C.R.}_組合信度 _{平均變異抽取} P06 .957 .915 .958 .851 P05 .927 .859 .021 47.516 P10 .919 .844 .021 45.885 與自我相關性 P04 .885 .783 .022 40.085 P07 .949 .900 .965 .901 P09 .952 .906 .020 51.814 自主與自決性 P03 .948 .899 .020 51.022 P02 .975 .951 .948 .856 P08 .923 .851 .020 47.350 自我效能性 P01 .878 .770 .023 39.778 至於題目信度與量表信度，本研究以單階斜交模式的參數估計結果來檢驗。表6 數據顯示，各觀察變項對其個別潛在變項的因素負荷量（λ）均具有統計顯著性，並多高於.70，顯示觀察變項足以反映其所建構的潛在變項[11]。進一步的，利用組合信度與平均變異抽取量來檢視量表的信度，結果指出三個一階因素，其組合信度均達.70

(10)

以上，平均變異數抽取量高達.70 以上，顯示潛在因素只有 30%的變異來自於測量誤，反映了良好的構念效度。

若以傳統的 Cronbach’s α 係數來看，數據與 CFA 估計結果非常相近，三個因素的係數值分別

為.958、.965、.948，全量表 Cronbach’s α為.953，顯示全量表內部一致性頗高。 αăડҾड़ޘ̶ژ

本研究採用信賴區間法（bootstrap），建立構面之間的相關係數的信賴區間，如果未能包含1，即完全相關，

則表示構面之間具有區別效度[15]。本研究執行 bootstrap 程序時設定重複抽樣 2000 次，IBM SPSS AMOS 22 之 bootstrap 提供兩種信賴區間的估計方式為 Bias-corrected Percentile Method 及 Percentile Method 估計，這兩種方

法估計結果，如表7 所示，在 95%信心水準下，標準化相關係數信賴區間不包含 1，即表示構面間具有區別效度。 ܑ7 ડҾड़ޘ̶ژܑ Bias-corrected Percentile Method Percentile Method 相關係數下限上限下限上限與自我相關性 ↔ 自主與自決性 .480 .399 .586 .372 .571 與自我相關性 ↔ 自我效能性 .464 .373 .543 .373 .546 自主與自決性 ↔ 自我效能性 .421 .317 .493 .335 .501 ̣ăड़ᇾᙯᓑड़ޘ̶ژ 本研究分析三個效標與資訊遺漏恐懼感各因素的相關。由表8 得知，全量表的得分與效標有顯著相關，且各因素與三個效標亦皆達顯著相關。這個研究結果與Przybylski、Murayama、DeHaan 與 Gladwell 的研究結果相同[1]。各因素與效標之間的相關當中，最理想的因素為第一個因素「與自我相關性」，其社交軟體使用頻率與習慣的相關均高達.6 以上，尤其使社交軟體的使用習慣－「一邊用餐，一邊操作社交軟體」，更高達.693。 ܑ8 ྤੈ᏷႒ऻᛵณܑᄃड़ᇾតี۞࠹ᙯ 因素名稱社交軟體使用頻率一邊用餐，一邊操作社交軟體睡覺前後，操作社交軟體與自我相關性 .691* .693* .687* 自主與自決性 .644* .614* .618* 自我效能性 .651* .648* .619* 全量表 .808* .795* .783* *p<.05 ̱ăޮඈّෞҤ 本部份對本研究所發展之「資訊遺漏恐懼量表」，依不同背景變項（性別、教育程度、年齡層），進行測量恆等性評估（measurement invariance）。

(11)

Ğ˘ğّҾĞշّƝّ̃ğ

為檢定「資訊遺漏恐懼量表」的測量恆等性，本研究進行未含平均數及截距的不同性別之多群體分析，以評鑑不同性別在「資訊遺漏恐懼感量表」上是否具有相等的測量加權（measurement weights）。表 10、11、12 為不同性別多群體階層模式之比較（nested model comparisons）。此階層模式之比較係由，在假定為限定模式真的前提下，來評鑑逐一加上限制「測量加權」相同、限制「測量殘差」相同的兩個模式之適合度。

其中表 9 是在「未限定模式」（unconstrained model）是正確的假定下，來評鑑逐一加上「測量加權」

（measurement weights）、「結構共變」（structural covariances）、「測量殘差」（measurement residuals）之限制條件

的三個模式之適合度。表10 顯示，「結構共變」限制模式未達.05 之顯著水準，此結果表示如果可以接受「未限制模式」，然而尚無足夠證據可以拒絕「測量加權」模式為「正確模式」。表10 是在假定「測量加權」為真之前提下，來評鑑逐一加上「結構共變」、「測量殘差」之限制條件的二個模式之適合度。由表11 可得知，「結構共變」之限制模式未達.05 之顯著水準，表示可以接受限制「測量加權」相同之模式，然尚無足夠證據可以拒絕其他二個模式為正確模式。表11 則進一步假定「結構共變」為真之前提下，來評鑑加上限制「測量殘差」之限制條件的模式之適合度。由表12 可知，「測量殘差」已達.05 之顯著水準，此結果表示拒絕接受「結構共變」模式是正確的假設。縱使統計結果無法接受限制結構共變模式為正確模式，然已可接受限制「測量加權」相同之模式為正確模式，亦即不同性別在「資訊遺漏恐懼感」測量模式上具有相等的測量加權。由上述驗證可知，來自男生與女生的兩個群體在「資訊遺漏恐懼感量表」上具有相等的測量加權，符合性別測量恆等性的特質，亦即使用本量表評量男女生資訊遺漏恐懼感認知之分數具有相同的意義。 ܑ9 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠϏࢨטሀёϒቁğ

模式 Δdf ΔCMIN P ΔNFI ΔIFI ΔRFI ΔTLI

測量加權 7 10.262 .174 .001 .001 .000 .000 結構共變 13 13.216 .431 .002 .002 -.001 -.001 測量殘差 23 30.625 .132 .004 .004 -.001 -.001

ܑ10 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠീ量ΐᝋሀёϒቁğ

結構共變 6 2.955 .815 .000 .000 -.001 -.001

測量殘差 16 20.364 .204 .003 .003 -.001 -.001

ܑ11 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠඕၹВតሀёϒቁğ

測量殘差 10 17.409 .066 .002 .002 .000 .000

Ğ˟ğିֈ඀ޘĞ̂ጯͽ˭Ɲ̂ጯͽ˯Ğӣğğ

為檢定「資訊遺漏恐懼量表」的測量恆等性，本研究進行未含平均數及截距的不同教育程度之多群體分析，

以評鑑不同教育程度在「資訊遺漏恐懼感量表」上是否具有相等的測量加權（measurement weights）。表10、11、

(12)

模式真的前提下，來評鑑逐一加上限制「測量加權」相同、限制「測量殘差」相同的兩個模式之適合度。

（measurement weights）、「結構共變」（structural covariances）、「測量殘差」（measurement residuals）之限制條件

的三個模式之適合度。表10 顯示，「結構共變」限制模式未達.05 之顯著水準，此結果表示如果可以接受「未限制模式」，然而尚無足夠證據可以拒絕「測量加權」模式為「正確模式」。表13 是在假定「測量加權」為真之前提下，來評鑑逐一加上「結構共變」、「測量殘差」之限制條件的二個模式之適合度。由表11 可得知，「結構共變」之限制模式未達.05 之顯著水準，表示可以接受限制「測量加權」相同之模式，然尚無足夠證據可以拒絕其他二個模式為正確模式。表14 則進一步假定「結構共變」為真之前提下，來評鑑加上限制「測量殘差」之限制條件的模式之適合度。由表12 可知，「測量殘差」已達.05 之顯著水準，此結果表示拒絕接受「結構共變」模式是正確的假設。縱使統計結果無法接受限制結構共變模式為正確模式，然已可接受限制「測量加權」相同之模式為正確模式，亦即不同性別在「資訊遺漏恐懼感」測量模式上具有相等的測量加權。由上述驗證可知，來自大學以下（含）與研究所以上（含）的兩個群體在「資訊遺漏恐懼感量表」上具有相等的測量加權，符合教育程度測量恆等性的特質，亦即使用本量表評量不同教育程度使用者在資訊遺漏恐懼感認知所得之分數具有相同的意義。 ܑ12 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠϏࢨטሀёϒቁğ

測量加權 7 9.433 .223 .001 .001 -.001 -.001 結構共變 13 12.145 .516 .002 .002 -.002 -.002 測量殘差 23 22.359 .499 .003 .003 -.003 -.003

ܑ13 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠീ量ΐᝋሀёϒቁğ

結構共變 6 2.712 .844 .000 .000 -.001 -.001

測量殘差 16 12.926 .678 .002 .002 -.002 -.002

測量殘差 10 10.214 .422 .001 .001 -.001 -.001

Ğˬğѐ᛬ᆸĞ30 ໐ͽ˭ĞӣğƝ30 ໐ͽ˯ğ

為檢定「資訊遺漏恐懼量表」的測量恆等性，本研究進行未含平均數及截距的不同年齡層之多群體分析，以評鑑不同年齡層在「資訊遺漏恐懼感量表」上是否具有相等的測量加權（measurement weights）。表 10、11、 12 為不同年齡層多群體階層模式之比較（nested model comparisons）。此階層模式之比較係由，在假定為限定模式真的前提下，來評鑑逐一加上限制「測量加權」相同、限制「測量殘差」相同的兩個模式之適合度。

(13)

的三個模式之適合度。表10 顯示，「結構共變」限制模式未達.05 之顯著水準，此結果表示如果可以接受「未限制模式」，然而尚無足夠證據可以拒絕「測量加權」模式為「正確模式」。表16 是在假定「測量加權」為真之前提下，來評鑑逐一加上「結構共變」、「測量殘差」之限制條件的二個模式之適合度。由表11 可得知，「結構共變」之限制模式未達.05 之顯著水準，表示可以接受限制「測量加權」相同之模式，然尚無足夠證據可以拒絕其他二個模式為正確模式。表17 則進一步假定「結構共變」為真之前提下，來評鑑加上限制「測量殘差」之限制條件的模式之適合度。由表12 可知，「測量殘差」已達.05 之顯著水準，此結果表示拒絕接受「結構共變」模式是正確的假設。縱使統計結果無法接受限制結構共變模式為正確模式，然已可接受限制「測量加權」相同之模式為正確模式，亦即不同年齡層在「資訊遺漏恐懼感」測量模式上具有相等的測量加權。由上述驗證可知，來自45 歲以下（含）與 45 歲以上的兩個群體在「資訊遺漏恐懼感量表」上具有相等的測量加權，符合年齡層測量恆等性的特質，亦即使用本量表評量不同年齡層使用者在資訊遺漏恐懼感認知所得之分數具有相同的意義。 ܑ15 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠϏࢨטሀёϒቁğ

測量加權 7 4.756 .690 .001 .001 -.001 -.001 結構共變 13 7.604 .868 .001 .001 -.003 -.003 測量殘差 23 22.489 .491 .003 .003 -.003 -.003

ܑ16 ̙ТّҾкཏវ̶ژ̝ลᆸሀёͧྵܑĞ઄ؠീณΐᝋሀёϒቁğ

結構共變 6 2.848 .828 .000 .000 -.001 -.001

測量殘差 16 17.734 .340 .002 .002 -.001 -.001

測量殘差 10 14.885 .136 .002 .002 .000 .000

Ёăඕኢᄃޙᛉ

˘ăࡁտඕኢ 本研究的目的，是在探討台灣民眾的資訊遺漏恐懼感。所謂資訊遺漏恐懼感的概念，意指為一種害怕錯過某些別人已經知道的新奇好玩事物，而無法和別人討論這件事感到恐懼的不安心理。針對此一概念，本研究編製了一份「資訊遺漏恐懼感」量表，用以評量民眾的「資訊遺漏恐懼感」，量表編製之初，共編製了10 題有關的題目，利用250 位民眾的預試，經過項目分析之後，保留 10 題，再經由因素分析得到三個因素，分別為「與自我相關性」、「自主與自決性」與「自我效能性」，這三個因素說明了民眾的資訊遺漏恐懼感可以從三個不同的向度來評量。另外，以641 名民眾為正式樣本進行測量，並以兩個效標變項進行效度評估。分析結果指出，本

(14)

研究所發展的「資訊遺漏恐懼感量表」具有良好的信度，同時在構念建構與效標關聯效度的檢驗上，皆有良好的表現。此外，本研究亦進行資訊遺漏恐懼感的驗證性因素分析之驗證，以評估此測量工具的因素結構是否恰當，結果顯示假設模型與觀察值之間沒有顯著的差異，且模型完全契合，表示資訊遺漏恐懼感量表的三個測量向度得以確立。 ˟ăࡁտࢨטᄃϏֽޙᛉ 本研究在樣本的蒐集上，礙於人力與人際網絡的限制，僅能透過立意取樣的方式來尋找研究參與者，無法以隨機抽樣的方式來選取參與者，但在樣本蒐集過程中，盡可能的將樣本予以分散，避免過度集中，同時亦兼顧城鄉地域的區分，盡可能的考慮樣本的代表性。對於研究未來的建議，本研究的因素分析結果發現，資訊遺漏恐懼感包含了三個因素。相關研究[1]指出，心理需求滿足與幸福感亦辦演很重要的角色，值得進行進一步的研究。未來研究可結合心理需求滿足與幸福感發展相關量表。

ણ҂͛ᚥ

1. Przybylski, A. K., Murayama, K., DeHaan, C. R., & Gladwell, V., Motivational, emotional, and behavioral correlates of fear of missing out. Computers in Human Behavior, Vol. 29(4), pp. 1841-1848, 2003.

2. Travis Travie, & Lovina Wazowski, 出去玩就是要打卡炫照？台灣旅客「FOMO（害怕錯過症）」全球第一，VOGUE。於 2016 年8 月 1 日取自 http://www.vogue.com.tw/feature/travel/content-28122.html, 2016.

3. Deci, E. L., & Ryan, R. M., Intrinsic motivation and self-determination inhuman behavior. New York: Plenum, 1985.

4. Ryan, R.M., & Deci, E.L., Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, Vol. 55, pp. 68-78, 2000.

5. 陳思嘉，台北市高中職學生網路使用行為、人際關係與網路成癮之相關研究，國立臺灣師範大學碩士論文，2014。 6. 韓佩凌。台灣中學生網路使用特性、網路使用行為、心理特性對網路沈迷現象之影響。國立台灣師範大學教育心理輔導研究所碩士論文，2000。 7. 楊佳幸。高雄區大學生網路使用行為、網路心理需求與網路沈迷關係之研究。高雄師範大學輔導系碩士論文，2001。 8. 蔡雅惠。桃園市某國中學生自尊與網路關係之研究。國立台灣師範大學健康促進與衛生教育學系碩士論文，2011。 9. 劉文尚。國小學童網路成癮及網路素養之研究，國立臺南大學社會科教育學系碩士班碩士論文，2004。

10. Merriam-Webster, FOMO.於 2016 年 8 月 1 日取自 http://www.merriam-webster.com/dictionary/FOMO 11. 邱皓政。量化研究與統計分析：SPSS 中文視窗版資料分析範例解析。台北市：五南，2000。

12. George, D., & Mallery, M., SPSS for Windows Step by Step: A Simple Guide and Reference, 17.0 update (10a ed.) Boston: Pearson, 2010.

13. Kelley, T.L., The Selection of Upper and Lower Groups for the Validation of Test Items. Journal of Educational Psychology, Vol. 30(1), pp. 17-24, 1939.

14. Cureton, E.E., the Upper and Lower Twenty-Seven Per Cent Rule. Psychometrika, Vol. 22(3), pp. 293-296, 1957.

15. Torkzadeh, G., Koufteros, X., & Pflughoeft, K., Confirmatory Analysis of Computer Self-Efficacy. Structural Equation Modeling, Vol. 10(2), pp. 263-275, 2003.

(15)

Construction and Related Study of the Social Influence

Yi-Horng Lai

1,*

Jhih-Yin Jian

2

Fen-Fen Huang

3

Abstract

FoMO (Fear of Missing Out) is one of the most important issues in social media application. Fast development of mobile technology, a variety of social media development, as well as the growing popularity of mobile devices that people can be at any time and place to easily access to social media. This led a psychological phenomenon popularly referred to as “Fear of Missing Out” (FoMO). FoMO as an unease of feeling that others might behaving rewarding experiences from which one is absent, that others might behaving rewarding experiences from which one is absent, it is characterized by the desire to stay continually connected with what others are doing.

The purpose of this study is to clarify the concept of FoMO and furthermore to develop a Chinese measurement tool for FoMO. This study created the concept of FoMO. A 10-item scale for measuring the FoMO was administered to social media APP users for item analysis in the pilot study. Subsequently, a sample was collected from 641 social media APP users for confirmatory factor analysis and reliability estimation. Results revealed that the developed inventory of the FoMO had satisfactory reliability and validity. A three-factor (Relatedness, Autonomy, and Competence) model with correlation among factors was identified as a good model for fitting the data. Finding of the analysis on background variables are reported. Finally, the significance and the implication of the inventory of FoMO are discussed.

Keywords: Social Media, Fear of Missing Out (FoMO), Confirmatory Factor Analysis

1_{Department of Health Care Administration, Oriental Institute of Technology}

2

3

*_{Correspondence author: Yi-Horng Lai}

(16)