孤獨感、Twitch使用行為與幸福感之探討

全文

(1)國立屏東大學國際貿易學系碩士班碩士論文指導教授：林靜儀博士. 孤獨感、Twitch 使用行為與幸福感之探討 The Relationship among Loneliness, Usage Behavior of Twitch and Well-being. 研究生：劉信東中華民國 105 年 6 月 21 日.

(2) i.

(3) 誌謝這篇論文能夠完成，要謝謝很多來自各個方面的幫助，首先要感謝林靜儀老師，老師總是很有耐心地教導我、引導我。還有研究所的同學昱馨、亮儀、靜彤、郁雯、玉芳大姊、雁茹，這段時間內我們互相勉勵共同成長、受益匪淺。謝謝我爸我媽在我就學的這段時間的包容，謝謝姊姊們給我支持，謝謝我的家人都一直愛我。此外要謝謝皮皮、Gowone 耐著性子陪著我完成這個作品，同時也要謝謝霸王花伉儷、拉達、貝類、走路草、凱、阿腳、DC、蝴蝶、憲ㄍ、竹雞等人持續的陪伴，讓我可以在我的理念下完成這個任務。GG!. 對，要感謝的人太多了！. 劉信東. i. 於自己的房間 2016/7/5.

(4) 摘要原本只有電視機上才有的現場直播(live broadcast)，隨著網路科技的進步，線上網路直播也愈來愈普及。線上直播也應用在直播遊戲現場，網友能夠獲得即時的資訊及互動，受眾人數有快速成長的趨勢。因此本研究想探討社會支持、孤獨感、幸福感及 Twitch 使用行為間的關係，以有 Twitch 使用習慣的觀眾作為研究對象，進行線上網路問卷調查，回收問卷為 397 份，有效問卷為 392 份。. 經迴歸分析得到以下研究結果:社會支持對孤獨感有負向顯著的效果；2. 社會支持對 Twitch 使用行為皆有負向影響；但未達顯著效果；3. 社會支持對幸福感有正向顯著的影響；4. 孤獨感對幸福感有負向顯著的影響；5. 孤獨感對 Twitch 使用行為有正向顯著的效果；6. Twitch 使用行為對幸福感達到負向顯著的效果；7. 知覺娛樂對 Twitch 使用行為的影響達到正向顯著的效果。. 關鍵字：社會支持、孤獨感、Twitch、知覺娛樂、幸福感. ii.

(5) Abstract The increasing popularity of live broadcast was fueled by the advance of information technology. The live broadcast was applied to live game broadcast platforms where gained rapid growth of audience. This study discussed the relationship among social support, loneliness, well-being, perceived playfulness and usage behavior for Twitch. Totally 397 respondents were collected to through online survey. Of these respondents, 392 were valid. The result of regression analysis showed that: (1) social support influences loneliness negatively and significantly; (2) social support influences usage behavior for Twitch negatively but insignificantly; (3) social support has a positive and significant effect on well-being;(4) loneliness influences well-being negatively and significantly;(5) loneliness influences usage behavior for Twitch positively and significantly; (6) usage behavior for Twitch influences well-being negatively and significantly;(7) perceived playfulness influences usage behavior for Twitch positively and significantly. The managerial implications of these results are discussed.. Keyword: social support, loneliness, Twitch, perceived playfulness, well-being.. iii.

(6) 目錄誌謝..............................................................................................................................i 摘要.............................................................................................................................ii Abstract.......................................................................................................................iii 目錄............................................................................................................................iv 表目錄..........................................................................................................................v 圖目錄........................................................................................................................vi 第一章緒論................................................................................................................1 第一節研究背景........................................................................................................1 第二節研究動機........................................................................................................3 第三節研究目的........................................................................................................4 第二章文獻探討........................................................................................................5 第一節社會支持........................................................................................................5 第二節孤獨感............................................................................................................6 第三節知覺娛樂........................................................................................................7 第四節 Twitch 使用行為............................................................................................8 第五節幸福感..........................................................................................................10 第三章研究方法......................................................................................................12 第一節變數的定義與衡量......................................................................................12 第二節問卷的發展與測試......................................................................................16 第三節資料分析方法..............................................................................................17 第四章實證結果......................................................................................................19 第一節樣本資料敘述................................................................................................19 第二節測量模式......................................................................................................26 第三節研究假設之驗證..........................................................................................29 第五章結論與建議..................................................................................................33 第一節研究結論......................................................................................................33 第二節管理意涵......................................................................................................35 第三節研究建議與限制..........................................................................................37 參考文獻....................................................................................................................38 附錄:本研究問卷......................................................................................................41. iv.

(7) 表目錄表 3-1 研究構面之操作型定義與衡量問項............................................................14 表 4-1 樣本人口統計之次數分配與百分比............................................................20 表 4-2 Twitch 使用方式狀況.....................................................................................21 表 4-3 Twitch 使用狀況及網路使用狀況.................................................................21 表 4-4 研究架構構面之描述統計量.........................................................................22 表 4-5 人口統計項目與 Twitch 使用時數的交叉分析.............................................23 表 4-6 測量模式的標準化因素負荷與信度.............................................................26 表 4-7 交叉負荷.........................................................................................................28 表 4-8 構面間相關係數以及 AVE 平方根................................................................29 表 4-9 孤獨感迴歸分析結果.....................................................................................29 表 4-10 使用 Twitch 迴歸分析結果...........................................................................30 表 4-11 幸福感迴歸分析結果...................................................................................31 表 4-12 結構模式路徑係數與假說驗證...................................................................31 表 5-1 本研究假設之驗證結果................................................................................33. v.

(8) 圖目錄圖 2-1:研究架構圖.....................................................................................................11 圖 4-1:多元迴歸分析結果.........................................................................................32. vi.

(9) 第一章緒論本章內容包括研究背景、研究動機及研究目的，在研究背景裏說明實況直播的定義與目前發展概況，其次闡述研究動機，第二節提出研究目的。. 第一節. 研究背景. 隨著網際網路越來越普及，從切斷市話通訊的撥接網路到超商 wifi 無限時間無限流量的供應，以及從網路瀏覽一張圖片需要等十秒鐘的狀態進階成觀看網路視頻 0 延遲 0 緩衝的狀態，直到現在，網路網路仍然持續進步。人們無時無刻都在追尋最新，最快速的管道方便他們及時的關注，有部分的觀眾已經厭倦了錄影重播或是一成不變的，了無新意的電視節目，這些觀眾便把注意力轉移到了新的平台，也就是直播實況這個部分。網路直播的特色在於它可以立即的傳送訊息，影像，還有與觀眾及時的互動，不再像是當米奇妙妙屋的米奇問電視機前面的你是否要跟他去釣魚時，儘管觀眾是百般不願意，但米奇還是帶你到了釣魚的水塘。. 現在世界各地都開始出現實況管道，在韓國的網路直播平台 Afreeca TV，在直播上撥放了實況主享用食物的畫面，中國則是使用 YY 以及鬥魚直播，台灣的本土直播平台有 Livehouse、皮克直播以及麥卡貝。娛樂性質的視頻節目已經不再只是與客廳的電視綁定，隨著快速的網際網路擴張到電腦以及平板等隨行裝置上。在不同的國家語言和不同的觀看習慣下，各個頻道會出現獨特的互動關係，像是神秘的開台儀式、守屍守靈或是向椅子打招呼等等特殊行為。所謂頻道的開台儀式，是由實況主撥放音樂、影片或是聊天室呼喊口號的方式來進行，每個頻道都不一樣。守屍守靈是指在實況結束後，仍有部分觀眾會留在 1.

(10) 聊天室聊天。向椅子打招呼是指當實況主播暫時離開位置，只留下一張椅子，觀眾會跟實況主的椅子問安。既有的各大平台也發現了觀眾新的需求，直播功能開始出現在各個平台上面，像是 youtube，或是 facebook。在 Twitch 的聊天室，觀眾能及時的向實況主互動，觀眾也能在聊天室輸入一些特殊的指令，將文字轉換成圖片，像是 KAPPA 、PJSalt。目前在 Twitch 裡，觀眾共同觀看的時數已經等同於 459000 年的時間價值，最多觀看直播玩家則是分別來自台灣、俄羅斯、美國、加拿大、巴西、瑞典、英國、法國、德國、波蘭。. 目前 Twitch 是全球最大最多元的直播平台，主打遊戲直播的市場，也隨著購買正版軟體遊戲音樂的觀念漸漸普及，遊戲玩家可以在 steam 上購買有興趣的遊戲，但 steam 目前僅綁定於 pc 使用，這樣的關係也帶動了實況的發展，在玩家關心遊戲資訊和賽事時，會直接前往網路的討論版以及遊戲實況，因為電視機不會提供這方面的資訊。. Twitch 主打遊戲直播的功能，提供各式各樣的遊戲實況分流供觀眾挑選，越是熱門的遊戲項目，在 Twitch 上就擁有更高比例的觀看人數，尤其是「League of legends」、「CS:GO」、「Dota2」、「Hearthstone」這四大遊戲，根據 Twitch2015 (https://www.twitch.tv/year/2015)的過往統計數據，這四大遊戲就占了總平台時數 65%，在遊戲熱門的程度和 Twitch 的使用有種魚幫水，水幫魚的概念。. 2.

(11) 第二節. 研究動機. 研究人員本身是線上遊戲的玩家同時也有在觀看實況的習慣，也許是我已經拒絕在固定的時間去收看沒有興趣的綜藝節目，而且時常會有重複撥放的現象，以一般觀眾的心態來看，是不會想要去觀看已經能背出台詞的綜藝節目，所以我離開客廳的電視機，走進網路直播的平台。最剛開始只是無意間點開了一個叫做<twitchplayspokemon>的頻道，這是一個沒有操作人員且二十四小時毫無間斷持續進行的頻道，螢幕上角色的動作皆來自於觀眾在聊天室的溝通，觀眾來自世界各地，隨著時差的不同，作息的不同，聊天室塞滿來自不同國家、不同語言的、好幾萬觀眾，有人主張搞砸這個遊戲，然後開始胡鬧，有人則想要認真破關，聊天室一團亂，不同語言、不同主張、不盡相同的攻略方式，在聊天室相互爭執著，我喜歡這種感覺，然後沉迷其中。研究人員是個線上遊戲的玩家，當精神倦怠不想進行下一個賽局的時候，我會開啟 Twitch 去觀看頻道，接收新的訊息，又或是當我一個人在房間的時候，因為房間太過安靜而開啟 Twitch，頻道的另一端總是吵雜，這很符合我的需求。. 在持續觀看的過程中，注意到使用 Twitch 的觀看人數越來越多，便開始好奇，是怎樣的一個視頻節目會讓觀眾捨棄與其他人的現實交往而緊盯著螢幕? 是因為缺乏現實社會人際關係的連結(現實社會支持)、亦或是夜深人靜的孤獨感讓人們聚在一起觀看 Twitch，或是這個即時性視頻帶來的娛樂真的讓觀眾有足夠的動機去持續觀看?還是在觀看的過程中能得到幸福感的滿足?正因為這是一個新興的娛樂收看管道，且研究人員有觀看實況的習慣，所以開啟了這項研究，想要去了解是否因為缺乏社會支持、孤獨感或者 Twitch 提供的樂趣吸引人們觀看 Twitch，上述這些因素是否會讓人們感到幸福。. 3.

(12) 已有文獻說明網路耽溺者或線上遊戲經驗與幸福感 (例如 Visser, Antheunis, & Schouten, 2013)、孤獨感(例如 Bonebrake, 2002; Ozcan & Buzlu, 2007; Visser et al., 2013)、現實社會支持(例如 Longman, O’Connor,& Obst, 2009; Ozcan & Buzlu, 2007; Visser et al., 2013, et al.)等構念的相關研究，但是線上遊戲直播是新近幾年興起的網路頻道，本研究從線上遊戲直播的角度，探討收視行為與孤獨感、現實社會支持及幸福感之間的關係，有助於拓展幸福感、孤獨感、現實社會支持等構念關係的延伸應用。. 第三節. 研究目的. 如研究背景與動機所述，本研究以有 TWITCH 觀看習慣的對象為研究目標，提出下列研究目的： 1.探討社會支持對孤獨感的影響； 2.探討社會支持、孤獨感和知覺娛樂對 twitch 使用行為的影響； 3.探討孤獨感、社會支持和 twitch 使用行為對幸福感的影響。. 4.

(13) 第二章. 文獻探討. 本章節將回顧以及整理文獻和相關理論，然後建立研究架構並提出假設，文獻探討分為五個章節，分別為社會支持、孤獨感、幸福感、知覺娛樂以及 Twitch 使用行為。. 第一節. 社會支持. 關於社會支持一詞研究人員提出很多觀點和看法，有部分學者強調它能在當個體面臨環境轉變或是生活壓力下增強適應力以及維護心理健康（Cohen & Wills, 1985），有另一部分學者認為社會支持重點在於個體的主觀感受，當個體主觀感受到被支持才達到社會支持的效果（林麗玲，1998）。Cobb (1976)認為社會支持是一種以提供資訊達到心理層面上的支持方式，在被支持者感受到被尊重下成立。. Robert & Angelo （2001）認為社會支持分成四個類型：（一）自尊支持：能提供接受與尊重的訊息給對方，不管對方遭遇任何問題或困難。（二）資訊支持：提供問題界定，了解與處理所需的訊息資料。（三）社會夥伴：空暇或休閒時，能有時間作伴的對象。（四）工具性的支持：提供經濟及物質上的協助。. House（1981）提出社會支持分為四個類型：（一）情緒性支持：指個體受到支持提供者的關愛、關懷、同情及瞭解，而獲 5.

(14) 得情緒上的安慰與鼓勵。（二）工具性支持：指用直接援助方式幫助受困難的人，包括金錢上、物質上及行動上支持與協助。（三）訊息性支持：指提供建議給予被支持者，與其溝通或給予溝通與建議直接息。（四）評價性支持：給予個體自身評價，包含肯定、回饋等。. 謝明均(2015)的研究結果顯示不同類型的社會支持對孤獨感皆具有顯著負相關。吳泰龍(2010)說明同儕間的社會支持對孤獨感的降低有顯著的影響。根據上面文獻說明提出下方假設: H1：社會支持對孤獨感有負向的影響。. 第二節孤獨感孤獨感 (loneliness) 是指人類主觀對於人際關係的不滿足，所導致負面的一種心理狀態，同時可能會有沮喪或是消極的態度(Schmidt & Sermat, 1983)，隨著網際網路的發達，過去的研究人員指出長期使用網路會導致孤獨感的產生 (Eric. & Moody 2001)，這很有可能是因為使用網路的行為導致缺乏面對面的社. 會互動所致，畢竟網際網路的互動是沒有體溫或是沒有眼神的交會，感受關懷和真誠的程度不及線下的面對面互動，且在人的日常生活中沒有辦法讓其他網路使用者即時參與生活片段(因為這些分享必須經過某些程序：錄製影片、照片或是上傳)。. 有學者提出個體的孤獨感會因為不同層面的孤獨程度而有不一樣的情緒展現，所以將孤獨感分為兩個感覺，區別為感情孤獨感及社交孤獨感(Weiss, 1973)。 6.

(15) 社交孤獨感是源於個人的社會交往出現問題所產生，可以藉由完整社交關係去解決；感情孤獨感則是指個體與人缺乏親密連結所導致，只有去建立親密的情感關係才能排除這類的孤獨感。 UCLA 孤獨量表(UCLA Loneliness Scale)是最普遍被使用來測量孤獨感的量表，它來自於加州大學洛杉磯分校的 Russell(1996)著作，以單一構面衡量孤獨感，認為孤獨感是不同受測者因個人特殊因素所造成的結果。不同於 UCLA 的另一種孤獨感測量量表是 Ditommaso & Spinner(1993)的量表，將孤獨感分為愛情孤獨感和家庭孤獨感兩個構面的 SELSA 社會和情感孤獨成人量表(Social and Emotional Loneliness Scale for Adults)，學者認為這樣可以表達出個體不同的面向，能更實際的展現出實際的心理狀態。本文將採用 UCLA 的孤獨感量表，因為本研究認為在具有愛情孤獨感的狀態下，受測者會去追求一段新的愛情，而不是使用觀看實況的方式排解，所以選擇較為單純的 UCLA 孤獨感量表。. 第三節知覺娛樂 Moon 和 Kim(2001)將知覺娛樂定義為三個構面： 1.專注(concentration):處於娛樂(playfulness)狀態下，使用者的注意力會集中在目前正在進行的活動上，而忽略掉周遭不緊要的細節，並專心致志的在活動中。 2.好奇心(curiosity):使用者的好奇心會被正在進行的活動引起，並且想去做進一步的做探索。 3.娛樂(enjoyment):正處於娛樂(playfulness)的狀態下，使用者會覺得活動中的互動很有趣，而不去計較在活動中是否獲得實際上的報酬。. 科技接受模型 TAM 以知覺易用性及知覺有用性為主軸，並視兩者為外在動機，外在動機是指，從個人行為藉由受到實際的收穫而產生的動機。Moon 7.

(16) 和 Kim(2001)指出知覺易用性及知覺有用性不足夠完全解釋使用者的參與動機，而加入知覺娛樂的內生動機想法進行討論。. 第四節. Twitch 使用行為. 現今 Twitch 是全球最大最熱門最普遍的實況平台，它提供各式各樣的遊戲分流讓觀眾去選擇，無論是多人互動的 DOTA 類遊戲或者是動作可愛的瑪利歐賽車．現在無時無刻都有人在 Twitch 分享他們的遊戲實況，觀眾只需要點擊他們關心的遊戲頻道或是觀眾喜歡的實況主就可以即時收到遊戲實況畫面．網路普及的同時也開通了 Twitch APP 的誕生，觀眾不需要只守在 PC 螢幕上觀看，在外出時也可以透過行動裝置進行觀看，觀眾能從觀看實況中獲得滿足，實況主的收入則是來自於廣告以及觀眾的訂閱，贊助。. 有關 Twitch 這類遊戲實況使用意圖或行為的文獻尚屬有限，陳虹吟(2015) 的研究結果顯示學習意圖、娛樂性、社交性能對 Twitch 使用動機有正向顯著的影響，報酬則不是觀看動機，而這些觀看動機與使用行為有高度的相關性。陳威珞(2015)說明 JustinTV 在觀眾匯聚的過程中，身處聊天室的這些用戶會因為不同的使用行為及興趣形成群聚，且用戶在網路匿名的保護下，群聚中的彼此都互不相識，可以肆無忌憚地展現自己，而出現獨特的使用行為。. 吳佳煇(2004)研究結果顯示現實社會支持對網路成癮有負向的預測效果，其中說明當個人獲得較少的現實社會支持，個人較為了尋找網路社會支持而增加了上網的時間，換言之，在個人獲得較低的現實社會支持，則會花更多時間在網路上。楊正誠（2003）研究結果顯示社會支持對網路成癮有負向的顯著效果，類似於吳佳煇(2004)的研究結果，所以本研究做出推估，在受測者缺乏社會支持的狀態下，會有較多的 Twitch 使用行為（網路行為）。因此在 Twitch 使 8.

(17) 用的脈絡下，本研究提出： H2：社會支持對 Twitch 使用行為有負向的影響。. 莊元妤(2001)研究結果顯示個體在孤獨的狀態下，使用電腦遊戲行為頻率增加，明顯高於未感孤獨的個體。張淑楨(2008)研究結果顯示有家庭孤獨感及社會孤獨感的個體對線上聊天有正向顯著的影響，在愛情孤獨狀態下則否。推論越是孤獨的個體越有網路使用意圖，目的是希望能在網路世界與其他陌生的個體交流或碰撞。因此在 Twitch 使用的脈絡下，本研究提出以下假設： H3：孤獨感對 Twitch 使用行為有正向的影響。. 已有不少文獻討論知覺娛樂對科技產品使用的影響(Childers, Carr, Peck & Carson, 2001)，例如 Song, Koo & Kim(2008)研究指出知覺娛樂性對使用行動商業服務的行為意圖有顯著的影響。Wang & Wang(2008)對網路資訊系統進行研究，發現知覺娛樂性對行為意圖有顯著的影響。Liao & Tsou (2009)研究也指出知覺娛樂對 Skypeout 使用者的行為意圖有顯著的影響效果。Terzis(2011)評估學生對電腦評估系統的接受程度，發現知覺娛樂對行為意圖有正向的影響。Chen & Chen (2011)探討我國使用者對 GPS 的行為意圖，結果也證明知覺娛樂對 GPS 的行為意圖有正向的影響。據此提出知覺娛樂對 Twitch 使用行為有正向的影響。因此，本研究提出以下假設： H4：知覺娛樂對 Twitch 使用行為有正向的影響。. 9.

(18) 第五節幸福感幸福感(well-being)是一個抽象的單字，它被視為最佳的心理感受，人類歷史裡面從來不缺乏追求幸福感的過程和結果，但始終沒有一個統一的定義以及目標去完整的表達或被一致認可，幸福感會因為達到個體的需求而獲得，當沒辦法持續獲得幸福感時，在長期則會有不幸福感（李素菁，2001；謝明華，2002)。有一部分的學者認為當個體達成一生追求的目標就能獲得幸福感，幸福感與個人目標是否達成有重大關聯，這是終點理論（endpoint theory），此處討論的幸福感不只是單單獲得一個玩具或是一趟郊遊的快樂所能比擬(吳珩潔，2001； Omodei & Wearing, 1990)。另有一說是苦樂交雜理論（pleasure and pain theory），此派學者認為痛苦與幸福感是一體兩面的，這兩者互相依存，在獲得幸福感之前必先遭痛苦洗禮，經歷了苦痛才能獲得幸福感 (Diener, 1984)。即使幸褔感一詞備受討論，但它持續保持著沒有確切被公認的定義。本文採用的是偏向活動理論的陸洛所編製的中國人幸福感量表。. 劉政慈(2013)研究結果顯示社會支持對幸福感有正相關，其中說明，當個體知覺、感受到社會支持，其幸福感亦會增強。謝明均(2015)也得到同樣的研究結果。本研究因此提出 H5。 H5：社會支持對幸福感有正向的影響。. 李孟芝(2015)的研究結果顯示孤獨感與幸福感間達顯著高程度(刪除)的負相關，說明受測者的整體孤獨感愈低，其整體就幸福感愈高。此結果與詹瑋琪 (2013)的研究結果，幸福感與孤獨感之間呈現顯著負向關係類似。依照這個邏輯，本研究提出 H6。 H6：孤獨感對幸福感有負向的影響。 10.

(19) 陸洛(1998)認為當個體主動的、專心的參與工作、休閒、運動等活動歷程，可從互動和回饋中獲得幸福感。 (陸洛，1998)，依此邏輯推論，受測者參與 Twitch，從聊天室與觀眾的互動及觀眾與實況主的反饋中獲得樂趣，因此有幸福的感覺。據此提出 H7。 H7：Twitch 使用行為對幸福感有正向的影響。. 圖:2-1 研究架構圖. 知覺娛樂. H4 H2. 社會支持. Twitch 使用行為. H1 H3 孤獨感. H7. H5 H6. 幸福感. 11.

(20) 第三章研究方法本章第一節描述變數的定義與衡量、第二節是問卷之發展與測試，第三節資料分析方法。茲分別詳敘如下:. 第一節變數的定義與衡量本研究變數的操作性定義、衡量及參考來源，是參考過去文獻，並配合本研究之研究目的加以發展而成。本研究之測量尺度係採用李克氏五點尺度 (Likert 7-point Scale) 進行衡量，其範圍從「非常不同意」至「非常同意」，分別給予 1 到 7 的分數。各變數之操作性定義及衡量題項如下:. 一、社會支持本研究將社會支持定義為來自各方面包括父母、親戚、朋友等給予個體的精神或物質上的幫助和支持。本構面所衡量變項參考吳佳煇(2004)之問卷量表，做為衡量社會支持的依據，共有10個問項。. 二、幸福感本研究將幸福感定義為個體主動的參與在活動歷程中，從互動和回饋中獲得幸福感。本構面所衡量變項參考陸洛(1998)之中國人幸福感量表，共有 5 個問項。. 三、孤獨感本研究將孤獨感視為人類主觀對於人際關係的不滿足，所導致負面的一種 12.

(21) 心理狀態。本構面所衡量變數參考 UCLA 的孤獨感量表共有 20 個問項。. 四、知覺娛樂 Moon 和 Kim(2001)將知覺娛樂定義成三個構面分別為專注、好奇心、娛樂，本研究將其融合 TWITCH 使用行為去做衡量，共有 3 個問項。. 五、Twitch 使用行為這個部分本研究採用使用時數作為衡量的標準，分為 4 個項目，1 個鐘頭以內、1 至 2 個鐘頭、3 至 4 個鐘頭、4 個鐘頭以上。. 六、人口統計變項人口統計變項分為 9 個問項分別為： 1.性別:分為男性及女性。在迴歸分析中以虛擬變數操作，男性=1，女性=0。 2.:年齡分為以下 7 個級別: 12(含)歲以下、13 至 18 歲、19 至 22 歲、23 至 29 歲、30 至 39 歲、40 至 49 歲、50(含)歲以上。迴歸分析中分別以 1、2、3、4、 5、6、7 代表 12(含)歲以下、13 至 18 歲、19 至 22 歲至 23 至 29 歲至 30 至 39 歲至 40 至 49 歲至 50(含)歲以上等七個區間。 3.教育程度分為以下 5 個級別:國小(含以下) 、國中、高中職、大學大專、研究所 (含以上)。迴歸分析中分別以 1、2、3、4、5 等五個數字代表國小(含以下)、國中、高中職、大學大專、研究所 (含以上)等五個級別。 4. 目前居住地區分為以下六個級別: 北部(台北/新北/基隆/桃園/新竹/宜蘭)、中部 (苗栗/台中/彰化/南投/雲林)、南部(嘉義/台南/高雄/屏東) 、東部(花蓮/台東)、離島地區(澎湖/金門/馬祖/小琉球/綠島)、其他。居住區域在迴歸分析以虛擬變數操作，居住北部=1，其他=0。 13.

(22) 5.職業分為以下 9 個類別:軍公教、工業、商業、自由業、家管、無(待)業、退休、學生、其他。 6.每日上網時數分為以下 4 個級別: 1 個鐘頭以內、1 至 2 個鐘頭、3 至 4 個鐘頭、4 個鐘頭以上。 7.使用 Twitch 的方式分為以下 3 個類別(複選): 電腦網頁版 Twitch、手機 APP 版 Twitch、平板 APP 版 Twitch。 8. 每日使用 Twitch 的時數分為以下 4 個級別: 30 分鐘以內、1 至 2 個鐘頭、3 至 4 個鐘頭、4 個鐘頭以上。 9.E-MAIL 信箱。. 表 3-1 研究構面之操作型定義與衡量問項研究構面. 操作定義. 問項. 參考來源. 社會支持. 來自各方面包括父母、親戚、朋友等給予個體的精神或物質上的幫助和支持。. 1.有人對我的感受表示關心。 2.有人願意傾聽我訴說個人隱私。 3.有人對我表現出關懷與喜愛。 4.我依賴特定他人的支持。 5.有人可以讓我分享我的喜怒哀樂。吳佳煇 6.我可以找到與我一同參與活動的同伴。 (2004) 7.在我面對困難時，有人會給予建議。 8.當我面臨困惑時，有人能夠提供我訊息。 9.當我的行為有缺失時，有人會給予指正。 10.有人會適時的回應我的言行。 1.我覺得與周圍人的關係和諧。 2.我覺得缺少同伴。 3.我覺得沒人可以信賴。 4.我常感到寂寞。 5.我覺得自己屬於朋友們中的一員。 6.我覺得自己與周圍的人有許多共同點。 7.我覺得自己與任何人都不親密。 8.我常感到自己的興趣與想法與周圍的人. 人類主觀. 不一樣。 14.

(23) 對於人際關係的不滿足，所導致負面的一種心理狀態。. 9.我想要與人來往，結交朋友。 10.我覺得自己與人親近。 11.我感到被人冷落。 12.我感到自己與別人來往毫無意義。 13.我覺得沒有人了解我。 14.我感到與別人有隔閡。 15.我覺得只要我願意，就能找到同伴。 16.我覺得有人真正了解我。 17.我覺得自己是害羞的。 18.我覺得自己被人們圍繞卻不受關心。 19.我覺得有人願意與我交談。 20.我覺得有人值得我信賴。. 幸福感. 個體主動的參與在活動歷程中，從互動和回饋中獲得幸福感。. 1.大致而言,我的生活很理想。 2.我的生活狀態很完美。 3.我對生活滿意。 4.到目前為止，我得到了生活中想要的重要東西。 5.如果可以重新活一次，我不想要改變任何事情。. 知覺娛樂. 將知覺娛樂分為專注、好奇心、娛樂三個部份來辨別感受到娛樂性程度。. 1.當我觀看 Twitch 實況時，容易忘記時間的流逝。 2.觀看 Twitch 是一件令人快樂的事情。 Moon 3.觀看 Twitch 實況是很有趣的事情。 & Kim(2001). 孤獨感. 15. UCLA Russell (1987). 陸洛 (1998).

(24) 第二節問卷之發展與測試本節包括兩部分，說明前測及問卷修改，接著是問卷的發放及回收。. 一、前測(pretest)及問卷修改本研究問卷根據研究者參考國內外文獻經由翻譯彙整而成，並邀請 13 位不同年齡、職業且有使用 Twitch 平台習慣的人員協助進行前測，測試受測者是否對題項內容充分瞭解，並有發現部分翻譯語意不清的部分以及問項太過悲觀的問題，所以有稍作修改文句。. 二、問卷發放及回收本研究採用線上問卷調查法，已有使用 Twitch 觀看習慣的觀眾為研究對象進行便利抽樣法隨機檢測，本研究使用 Google 網路問卷(www.docs.google.com) 所提供的網路表單功能以建立本研究的網路問卷並進行蒐集，本研究在 2016 年 2 月 15 日開始進行發放，發放期間約 30 天，至 3 月 16 日截止，共回收 397 份問卷，內涵 392 份有效問卷及 5 份無效問卷，其有效問卷比例為 98.74%。. 16.

(25) 第三節資料分析方法本研究資料以SPSS統計軟體進行統計分析，包括敘述性統計及迴歸分析。. 一、樣本資料之敘述統計分析本研究進行的敘述分析有兩個部分：次數分配 (個數及百分比)及平均數與標準差。針對樣本的人口統計分佈以及Twitch使用狀況及網路使用狀況提供次數分配。研究架構的構念提供平均數與標準差。. 二、測量模式信效度分析以 SmartPls 的驗證性因素分析(confirmatory factor analysis，CFA)進行測量模式(measurement model)的信度和效度分析。信度分析以個別題項因素負荷、組合信度和 cronbach’s alpha 衡量。個別題項因素負荷要大於 0.6 (Barclay, Higgins & Thompson, 1995; Chin, 1998b)；，組合信度大於 0.7 (Hair et al., 1998; Nunnally1978)；Cronbach’s alpha>0.7(Mackenzie, Podsakoff & Podsakoff 2011) 衡量之。. 效度的分析分為區別效度(discriminant validity)和收斂效度(convergent validity)。收斂效度的定義是透過不同方式測量同一構念，所觀測到的數值之間應該具有高度相關 (Cambell & Fiske, 1959) 或者衡量同一構面的多個題項是否能夠真正的捕捉到想要評估構面的特質，彼此有較高的關聯 (黃芳銘，2006)，同屬一個構面的所有題項能夠共同描述該所屬構面的特質，因此在所屬構面內的題項彼此相關性高，但是與其他構面題項的相關性低。衡量方式包括有:所有因素負荷皆達顯著 (Anderson and Gerbing, 1988)，或因素負荷大於 0.6(Bagozzi 17.

(26) & Yi, 1988) 或平均萃取變異 (average variance extracted, AVE) >0.5 (Fornell and Larcker, 1981)。區別效度是指衡量不同概念的構念，構念彼此間的相關性要低，具有差異性 (Cambell & Fiske, 1959)。常見的衡量方式包括有 AVE 平方根大於構念間相關係數 (Fornell and Larcker, 1981)、構念間相關係數 <0.71(Mackenzie et al. 2011)，題項在所屬的構念有較高的負荷值，題項在其他構念的負荷值相對較低 (Fornell and Larcker, 1981)。. 三、迴歸分析本研究使用迴歸分析，分析一個或一個以上自變數與應變數之間的數量關係，以了解當自變數為某一水準或數量時，應變數反應的數量或水準。本研究分別以孤獨感、Twitch使用行為和幸福感為應變數，建立三個迴歸分析模式。孤獨感迴歸的自變數有社會支持；Twitch使用方式迴歸式的自變數包括孤獨感、社會支持和知覺娛樂；幸福感迴歸式的自變數有Twitch使用方式、社會支持和孤獨感。此外，本研究在這三個迴歸模式都放入四個控制變數，包括性別、年齡、教育程度和居住地區。性別以虛擬變數衡量之，男性為1，女性為0。年齡1、2、3、4分別代表18歲(含)以下、19至22歲、23至29歲、30歲(含)以上。教育程度分為兩類，大學(含)以下者為1，其餘為0。居住地區分為兩類，居住北部地區者為1，其餘為0。迴歸模式的配適度以R2_ajd和F值進行評估。. 18.

(27) 第四章實證結果本章節回收問卷進行資料分析，驗證研究假設。第一節提供受測者人口統計、Twitch 使用情況以及研究構面的敘述性統計資料，第二節為測量模式信效度分析及最後一節進行的研究假設驗證結果。. 第一節樣本資料描述. 本研究在 google 網路問卷(www.docs.google.com)建立問卷然後在巴哈姆特 league of legends 板(www.forum.gamer.com.tw/B.php?bsn=17532&subbsn=0)發放問卷，回收的樣本數為 397 份，無效問卷 5 份，有效問卷比例為 98%。. 表4-1提供樣本人口統計的次數分配與百分比．性別樣本族群以男性佔多數，為93.6%；年齡分佈，以13~18歲為主，佔總數41.6%最多，其次，19~22歲比重仍有40.1%，前兩者佔總數的81.7%；教育程度方面，大學/專科程度的比例排名第一，高中/職列居第二有，第三為國中，比例各為48%、37.2%、11.7%；就居住地區來分，最多分佈在北部(台北/新北/基隆/桃園/新竹/宜蘭)，佔總樣本數的41.3%，其次為南部(嘉義/台南/高雄/屏東)，佔26.8%，列居第三的為中部(苗栗 /台中/彰化/南投/雲林)，比例皆各佔17.3%；最後在職業別前三名分別是學生、無 (待)業以及自由業，比例為73.5%、6.4%以及5.9%。. 19.

(28) 表 4-1 樣本人口統計之次數分配與百分比變數性別. 年齡. 教育程度. 分類. 樣本數. 百分比變數. 男. 367. 93.6%. 女. 25. 6.4%. 12(含)歲以下. 0. 0.0%. 13 至 18 歲. 163. 41.6%. 19 至 22 歲. 157. 40.1%. 23 至 29 歲. 66. 30 至 39 歲 40 至 49 歲. 分類. 樣本數. 百分比. 北部. 162. 41.3%. 中部. 68. 17.3%. 南部. 105. 26.8%. 東部. 5. 1.3%. 離島. 2. 0.5%. 16.8%. 其他. 50. 12.8%. 5. 1.3%. 學生. 288. 73.5%. 1. 0.2%. 軍公教. 8. 2.0%. 0. 0.0%. 工業商業. 18 17. 4.6% 4.3%. 目前居住地區. 50 歲(含)以上國小(含)以下國中/初中. 0. 0.0%. 職. 自由業. 23. 5.9%. 46. 11.7%. 業. 家管. 0. 0.0%. 高中/高職. 146. 37.2%. 無(待)業. 25. 6.4%. 大學/專科. 188. 48.0%. 退休. 1. 0.3%. 碩士. 12. 3.1%. 其他. 12. 3.1%. 392. 100%. 總計. 使用表 4-2 及 4-3 來表達受測者觀看 Twitch 的使用狀況、網路使用狀況及 Twitch 使用方式，由於受測者限定必須是 Twitch 的使用者，每日使用 Twitch 時數為 1-2 個小時的受測者最多，佔有 55.1%，其次是使用時間 30 分鐘以內的受測者，有 19.9%；這些受測者的每日上網時數以 4 小時以上居多，佔有 47%；其次是 3-4 小時，佔有 32.4%。Twitch 使用方式的問項是採用複選題的方式進，數量最多的是使用電腦網頁版本觀看(樣本數為 345)，其次次手機 APP 版本(樣本數為 192)，最後是平板 APP 的版本(樣本數為 28)。. 20.

(29) 表 4-2 Twitch 使用方式狀況變數. Twitch 使用方式. 分類. 樣本數. 電腦網頁版. 345. 手機 APP 版. 192. 平板 APP 版. 28. 表 4-3 Twitch 使用狀況及網路使用狀況變數. 分類. 樣本數. 百分比. 一個鐘頭以內. 78. 19.9%. 一至兩個鐘頭. 216. 55.1%. 三至四個鐘頭. 63. 16%. 四個鐘頭以上. 35. 9%. 一個鐘頭以內. 5. 1.2%. 一至兩個鐘頭. 76. 19.4%. 三至四個鐘頭. 127. 32.4%. 四個鐘頭以上. 184. 47%. 392. 100%. 每日使用 Twitch 時數. 每日上網時數. 總計. 表 4-4 整理研究架構的 4 個構念，包含社會支持、孤獨感、幸福感和知覺娛樂。社會支持由 10 個問項組成，各題項平均數介於 4.79 至 5.36，標準差介於 1.38 至 1.61，整體變項平均數為 5.10；孤獨感由 20 個問項組成，各題項平均數介於 2.98-至 5.3，標準差介於 1.39 至 1.92，整體變項平均數為 4.18；幸福感由 5 個問項組成，各題項平均數介於 3.15 至 4.79，標準差介於 1.4 至 1.92，總體變項平均數為 4.18；知覺娛樂由 3 個問項組成，各題項平均介於 5.0 至 5.92，標準差介於 1.18 至 1.70，總體變項平均數為 5.55。. 21.

(30) 表 4-5 則是人口統計項目與 Twitch 使用時數的交叉分析，在每日上網時數、 Twitch 使用裝置對 Twitch 使用時數的部分有達到顯著水準，其中每日上網時數 4 個鐘頭以上且 Twitch 使用時數在 1 至 2 個鐘頭的樣本數為最多，其次是每日上網 3 至四個鐘頭且 Twitch 使用時數在 1 至 2 個鐘頭，第三則是每日上網在 1 至 2 個鐘頭且 Twitch 使用時數在 1 至 2 個鐘頭，比例分別為 23%、21.7%、10.2%，前三個項目的 Twitch 使用時數皆為 1 至２個鐘頭佔總比例的 54.9%。在 Twitch 使用時數為 1 至 2 個鐘頭且使用電腦網頁版的樣本數為最多，其次是 Twitch 使用時數在 1 至 2 個鐘頭且使用手機 APP 版本，第三則是 Twitch 使用時數在 1 個鐘頭以內且使用電腦網頁版觀看，比例分別為 32.1%、20.9%、14.3%，這前三個項目佔總比例的 67.3%。表 4-4 研究架構構面之描述統計量構面/題項社會支持. 題項內容. A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 孤獨感. 1.有人對我的感受表示關心。 2.有人願意傾聽我訴說個人隱私。 3.有人對我表現出關懷與喜愛。 4. 我依賴特定他人的支持。 5.有人可以讓我分享我的喜怒哀樂。 6.我可以找到與我一同參與活動的同伴。 7.在我面對困難時，有人會給予建議。 8.當我面臨困惑時，有人能夠提供我訊息。 9.當我的行為有缺失時，有人會給予指正。 10.有人會適時的回應我的言行。. B1 B2 B3 B4 B5 B6 B7 B8. 1.我覺得與周圍人的關係和諧。 2.我覺得缺少同伴。 3.我覺得沒人可以信賴。 4.我常感到寂寞。 5.我覺得自己屬於朋友們中的一員。 6.我覺得自己與周圍的人有許多共同點。 7.我覺得自己與任何人都不親密。 8.我常感到自己的興趣與想法與周圍的人不一 22. 平均數. 標準差. 5.10 5.15 4.96 5.16 4.78 5.21 5.36 5.12 5.06 5.01 5.25 4.18 5.38 3.27 3.06 3.43 5.15 4.56 3.22 3.98. 1.50 1.44 1.59 1.39 1.61 1.55 1.49 1.56 1.56 1.47 1.38 1.63 1.29 1.82 1.73 1.8 1.52 1.57 1.76 1.73.

(31) 樣。 9.我想要與人來往，結交朋友。 10.我覺得自己與人親近。 11.我感到被人冷落。 12.我感到自己與別人來往毫無意義。 13.我覺得沒有人了解我。 14.我感到與別人有隔閡。 15.我覺得只要我願意，就能找到同伴。 16.我覺得有人真正了解我。 17.我覺得自己是害羞的。 18.我覺得自己被人們圍繞卻不受關心。 19.我覺得有人願意與我交談。 20.我覺得有人值得我信賴。. B9 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 幸福感. 1.大致而言，我的生活很理想。 2.我的生活狀態很完美。 3.我對生活很滿意。 4.到目前為止，我得到了生活中想要的重要東西。 5.如果可以重新活一次，我不想要改變任何事情。. C1 C2 C3 C4 C5 知覺娛樂 D1 D2 D3. 1.當我觀看 Twitch 實況時，容易忘記時間的流逝。 2.觀看 Twitch 是一件令人快樂的事情。 3.觀看 Twitch 實況是很有趣的事情。. 5.23 4.92 3.21 2.98 3.56 3.37 5.17 4.53 4.61 3.5 5.35 5.31 4.18 4.79 4.40 4.58 4.00. 1.53 1.51 1.69 1.74 1.92 1.73 1.48 1.72 1.62 1.61 1.39 1.46 1.61 1.40 1.52 1.55 1.67. 3.15. 1.92. 5.55 5.00. 1.37 1.70. 5.75 5.92. 1.25 1.18. 表 4-5 人口統計項目與 Twitch 使用時數的交叉分析 Twitch 使用時數. 性別年. 男女 12(含). 一個鐘頭以內. 一至兩個鐘頭. 三至四個鐘頭. 四個鐘頭以上. 總和. 74. 204. 58. 31. 367. 18.9% 4. 52.0% 12. 14.8% 5. 7.9% 4. 93.6% 25. 1.0%. 3.1%. 1.3%. 1.0%. 6.4%. 34. 92. 26. 11. 163. 23. 卡方值. 1.74.

(32) 齡. 歲以下. 8.7%. 23.5%. 6.6%. 2.8%. 41.6%. 13 至 18 歲. 29. 90. 21. 17. 157. 7.4%. 23.0%. 5.4%. 4.3%. 40.1%. 19 至 22. 14. 30. 15. 7. 66. 歲. 3.6%. 7.7%. 3.8%. 1.8%. 16.8%. 23 至 29 歲. 1. 4. 1. 0. 6. 0.3%. 1.0%. 0.3%. 0.0%. 1.5%. 10. 25. 8. 3. 46. 2.6%. 6.4%. 2.0%. 0.8%. 11.7%. 30. 79. 24. 13. 146. 7.7%. 20.2%. 6.1%. 3.3%. 37.2%. 37. 107. 27. 17. 188. 9.4%. 27.3%. 6.9%. 4.3%. 48.0%. 1. 5. 4. 2. 12. 0.3%. 1.3%. 1.0%. 0.5%. 3.1%. 35. 92. 19. 16. 162. 8.9%. 23.5%. 4.8%. 4.1%. 41.3%. 12. 38. 11. 7. 68. 3.1%. 9.7%. 2.8%. 1.8%. 17.3%. 22. 54. 23. 6. 105. 5.6%. 13.8%. 5.9%. 1.5%. 26.8%. 0. 2. 1. 2. 5. 0.0%. 0.5%. 0.3%. 0.5%. 1.3%. 1. 1. 0. 0. 2. 0.3%. 0.3%. 0.0%. 0.0%. 0.5%. 8. 29. 9. 4. 50. 2.0%. 7.4%. 2.3%. 1.0%. 12.8%. 4. 4. 0. 0. 8. 1.0%. 1.0%. 0.0%. 0.0%. 2.0%. 4. 11. 2. 1. 18. 1.0%. 2.8%. 0.5%. 0.3%. 4.6%. 3. 16. 5. 1. 25. 0.8%. 4.1%. 1.3%. 0.3%. 6.4%. 3. 13. 6. 1. 23. 0.8%. 3.3%. 1.5%. 0.3%. 5.9%. 國中 (含)以下教育. 高中. 程度. 大學研究所 (含)以上北部中部. 居住區域. 南部東部離島其他軍公教. 職業. 工無(待) 業自由業. 24. 5.23. 0.28. 2.62. 0.40.

(33) 商業退休學生其他. 每天上網時間. 一個鐘頭以內一至兩個鐘頭三至四個鐘頭四個鐘頭以上. 使用. 1.00. Twitch 裝置. 2.00. 合計. 3.00. 5. 10. 5. 6. 26. 1.3%. 2.6%. 1.3%. 1.5%. 6.6%. 0. 1. 0. 0. 1. 0.0%. 0.3%. 0.0%. 0.0%. 0.3%. 59. 159. 45. 25. 288. 15.1%. 40.6%. 11.5%. 6.4%. 73.5%. 0. 2. 0. 1. 3. 0.0%. 0.5%. 0.0%. 0.3%. 0.8%. 4. 1. 0. 0. 5. 1.0%. 0.3%. 0.0%. 0.0%. 1.3%. 32. 40. 4. 0. 76. 8.2%. 10.2%. 1.0%. 0.0%. 20. 85. 20. 2. 5.1%. 21.7%. 5.1%. 0.5%. 32.4%. 22. 90. 39. 33. 184. 5.6%. 23.0%. 9.9%. 8.4%. 46.9%. 56. 126. 35. 18. 235. 14.3%. 32.1%. 8.9%. 4.6%. 59.9%. 22. 82. 25. 13. 142. 5.6%. 20.9%. 6.4%. 3.3%. 36.2%. 0. 8. 3. 4. 15. 0.0%. 2.0%. 0.8%. 1.0%. 3.8%. 78. 216. 63. 35. 392. 19.9%. 55.1%. 16.1%. 8.9%. 100.0%. P<0.01***, p<0.05**. 25. 19.4% 66.99** * 127. 6.20**.

(34) 第二節. 測量模式的信效度. 本節評估測量模式信效度，包括：個別題項的信度、構念的內部一致性和效度。題項負荷低於0.6者予以刪除，因此刪除題項社會支持的第4題，孤獨感第6、第8、第9、第10、第15、第16、第17以及第18題。表4-3是構念所有題項的平均數和標準差。. 本研究利用個別題項負荷是否超過0.6評估項目信度(Barclay, Higgins & Thompson,. 1995; Chin, 1998b)。表4-6顯示各題項負荷在其對應的構念至少在0.6. 以上，顯示有良好的信度。表4-6的組合信度(composite reliability)和Cronbach’s alpha用來呈現構念題項的內部一致性。所有的組合信度和Cronbach’s alpha 都在 0.7以上，符合內部一致性的標準 (Hair, Anderson, Tatham & Black, 1998)。. 表4-6測量模式的標準化因素負荷與信度構面題項. 標準化因素負荷. Cronbach's Alpha. 社會支持 Sup1 Sup2 Sup3 Sup5 Sup6 Sup7 Sup8 Sup9 Sup10 孤獨感. 0.78 0.80 0.81 0.80 0.81 0.85 0.84 0.73 0.81. B1 B2 B3 B4. 0.67 0.70 0.74 0.76 26. CR. AVE. 0.93. 0.94. 0.65. 0.91. 0.93. 0.51.

(35) B5 B7 B11 B12 B13 B14 B19 B20 幸福感. 0.77 0.75 0.69 0.73 0.78 0.79 0.68 0.61. C1 C2 C3 C4 C5 知覺娛樂. 0.92 0.92 0.93 0.78 0.66. D1 D2 D3 Twitch 使用行為. 0.77 0.91 0.91 1.00. 0.90. 0.93. 0.72. 0.83. 0.90. 0.75. 1.00. 1.00. 1.00. 第三階段評估測量模式的效度，包括收斂效度和區別效度。由表4-7的交叉負荷可看出，題項的負荷在其對應的構念比其他構念的負荷來得高；表4-8每個構念的平均萃取變異(average variance extracted, AVE)皆大於0.5(Fornell & Larcker, 1981)，以上結果顯示測量模式具備良好的收斂效度。. 區別效度的評估，表4-8裏對角線的構念AVE平方根大於其對應的構念相關係數 (Fornell & Larcker, 1981)，除了孤獨感和社會支持的相關係數0.73之外，其餘皆小於(MacKenzie et al.2011) 建議的0.71，顯示測量模式具有適當的區別效度。. 27.

(36) 表 4-7 交叉負荷幸福感. 孤獨感. 知覺娛樂. 社會支持. 使用 Twitch. ha1. 0.92. -0.38. 0.14. 0.43. -0.12. ha2. 0.92. -0.34. 0.20. 0.39. -0.09. ha3. 0.93. -0.34. 0.18. 0.42. -0.11. ha4. 0.78. -0.29. 0.15. 0.31. -0.03. ha5. 0.66. -0.04. 0.06. 0.15. -0.11. lone1. -0.39. 0.67. -0.21. -0.64. 0.04. lone2. -0.22. 0.70. -0.05. -0.47. 0.11. lone3. -0.22. 0.74. 0.00. -0.47. 0.15. lone4. -0.31. 0.76. -0.05. -0.43. 0.06. lone5. -0.26. 0.67. -0.20. -0.61. 0.05. lone7. -0.16. 0.75. -0.04. -0.46. 0.10. lone11. -0.13. 0.69. -0.10. -0.39. 0.03. lone12. -0.07. 0.73. -0.04. -0.45. 0.13. lone13. -0.32. 0.78. -0.04. -0.51. 0.10. lone14. -0.34. 0.79. -0.01. -0.51. 0.14. lone19. -0.20. 0.68. -0.24. -0.62. 0.04. lone20. -0.30. 0.61. -0.18. -0.56. 0.07. play1. 0.13. 0.04. 0.77. 0.09. 0.29. play2. 0.15. -0.22. 0.91. 0.24. 0.27. play3. 0.19. -0.21. 0.91. 0.24. 0.28. sup1. 0.36. -0.54. 0.10. 0.78. -0.08. sup2. 0.22. -0.56. 0.13. 0.80. 0.00. sup3. 0.33. -0.56. 0.15. 0.81. -0.11. sup5. 0.26. -0.58. 0.19. 0.80. -0.02. sup6. 0.30. -0.67. 0.23. 0.81. -0.04. sup7. 0.40. -0.62. 0.14. 0.85. -0.07. sup8. 0.44. -0.63. 0.24. 0.84. -0.03. sup9. 0.39. -0.49. 0.19. 0.73. -0.08. sup10. 0.35. -0.62. 0.20. 0.81. -0.10. -0.11. 0.12. 0.33. -0.07. 1.00. behavior. 28.

(37) 表 4-8 構面間相關係數以及 AVE 平方根構面幸福感孤獨感知覺娛樂社會支持 Twitch 使用. 幸福感孤獨感 0.85 -0.36*** 0.18*** 0.43*** -0.11**. 0.72 -0.15*** -0.73*** 0.12***. 知覺娛樂社會支持 Twitch 使用. 0.86 0.22*** 0.33***. 0.80 -0.07. --. 對角線是 AVE 平方根 ***P<0.01, **p<0.05. 第三節研究假設之驗證. 本研究建立 7 組研究假設，利用 SPSS 進行迴歸分析，以下將分別以表 4-9、 4-10 及 4-11 進行迴歸分析之說明。. 首先以孤獨感為應變數進行多元迴歸分析，見表 4-9。模式 1 先放入控制變數，F 值只有 0.89，未達統計顯著性。模式 2 放入社會支持，F 值 58.45，達 0.01 以上的統計顯著性，R2 的解釋能力為 43%。社會支持對孤獨感的標準化係數為-0.66，P<0.01，說明社會支持對孤獨感有負向顯著的影響，支持 H1。表 4-9 孤獨感迴歸分析結果(N=392) 模式 1 標準化係數 t 值. 模式 2 P值. 標準化係數. t值. P值. VIF. -0.66. -16.91. 0.00. 1.02. 社會支持性別. -0.06. -1.04. 0.22. -0.05. -1.18. 0.24. 1.01. 年齡. 0.09. 1.30. 0.20. 0.04. 0.84. 0.40. 1.73. 教育程度. -0.06. -0.84. 0.40. 0.07. 1.32. 0.19. 1.77. 居住區域. 0.04. 0.68. 0.50. 0.02. 0.84. 0.40. 1.73. F值. 0.89. 0.47. 58.45. R2 R2_adj. 0.00. 0.01. 0.43. 0.00. 0.43 29.

(38) 其次，以使用 Twitch 為應變數進行迴歸分析，結果整理在表 4-10。模式 3 放入控制變數，F 值只有 0.92，未達統計顯著性；接著放入社會支持孤獨感和知覺娛樂等三個自變數， F 值為 8.16，達 0.01 以上統計顯著性， R2_adj 為 11%。社會支持對 Twitch 使用行為的標準化係數為-0.05，P=0.43，說明社會支持對 Twitch 使用行為有負向的影響，但未達顯著水準，H2 未獲支持。這個結果也可從社會支持與 Twitch 使用行為間相關係數的不顯著互相呼應 (表 4-8)。孤獨感對 Twitch 使用行為的標準化係數為 0.18，P=0.01，說明孤獨感對 Twitch 使用行為有正向顯著的影響，支持 H3。知覺娛樂對 Twitch 使用行為的標準化係數為 0.32，P<0.01，說明知覺娛樂對 Twitch 使用行為有正向顯著的影響，支持 H4。表 4-10 使用 Twitch 迴歸分析結果(N=392) 模式 3 標準化係數 t 值. 模式 4 P值. 標準化係數. t值. P值. VIF. 社會支持. -0.05. -0.79. 0.43. 1.87. 孤獨感. 0.18. 2.77. 0.01. 1.76. 知覺娛樂. 0.32. 6.45. 0.00. 1.10. 性別. -0.07. -1.30. 0.19. -0.06. -1.15. 0.25. 1.01. 年齡. 0.07. 1.06. 0.29. 0.09. 1.39. 1.70. 1.7. 教育程度. -0.03. -0.40. 0.69. 0.01. 0.17. 0.86. 1.79. 居住區域. -0.04. -0.81. 0.42. -0.05. -0.94. 0.35. 1.01. F值. 0.92. 8.16. 0.00. 0.45. R2. 0.01. 0.13. R2_adj. 0.00. 0.11. 以幸福感為應變數進行多元迴歸分析，結果如表 4-11 顯示。模式 5 放入控制變數，F 值 3.38，達 0.01 的統計顯著性，R2_adj 為 0.02，年齡達負向的統計顯著性，意謂年齡愈高，幸福感愈低。模式 6 放入社會支持、孤獨感和使用 Twitch 等三個自變數。F 值為 15.91，達 0.01 以上的統計顯著性，R2_adj 為 0.21。社會支持對幸福感的標準化係數為 0.29，P<0.01，說明社會支持對幸福感有正向 30.

(39) 顯著的影響，支持 H5。孤獨感對幸福感的標準化係數為-0.18，P<0.0.1，說明孤獨感對幸福感有負向顯著的影響，支持 H6。 Twitch 使用行為對幸福感的標準化係數為-0.08，P=0.10，說明 Twitch 使用行為對幸福感有顯著的負向影響，與預期方向不符，H7 未獲支持。. 表4-11幸福感迴歸分析結果(N=392) 模式 5 標準化係數. t值. 模式 6 P值. 標準化係數. t值. P值. VIF. 社會支持. 0.29. 4.84. 0.00. 1.79. 孤獨感. -0.18. -2.91. 0.00. 1.79. 使用 Twitch. -0.08. -1.65. 0.10. 1.04. 性別. 0.06. 1.16. 0.25. 0.04. 0.77. 0.44. 1.01. 年齡. -0.21. -3.21. 0.00. -0.17. -2.89. 0.00. 1.74. 教育程度. 0.09. 1.35. 0.18. 0.02. 0.37. 0.71. 1.78. 居住區域. 0.05. 1.04. 0.30. 0.06. 1.41. 0.16. 1.02. F值. 3.38. 0.01. 15.91. 0.00. R2. 0.03. 0.23. R2_adj. 0.02. 0.21. 最後將七個研究假設整理在表 4-12 和圖 5-1。表4-12迴歸分析結果與假說驗證假設 H1 H2 H3 H4 H5 H6 H7. 路徑. 標準化係數. 結果. 社會支持→孤獨感的影響. -0.05 -0.66*** 0.18** 0.32*** 0.29*** -0.18*** -0.08*. 不成立. 社會支持→Twitch 使用行為的影響孤獨感→Twitch 使用行為的影響知覺娛樂→Twitch 使用行為的影響社會支持→幸福感的影響孤獨感→幸福感的影響 Twitch 使用行為→幸福感的影響. P<0.01***, P<0.05**, P<0.1*. 31. 成立成立成立成立成立不成立.

(40) 知覺娛樂. H4:0.32*** Twitch 使用行為. H2:-0.05. 社會支持. R2=0.11. H1:-0.66***. H3:0.18**. H7:-0.08* H5:0.29***. 孤獨感 R2=0.43. H6:-0.18*** 圖 4-1 多元迴歸分析結果. P<0.01***, P<0.05**, P<0.1* 虛線代表假設未獲支持實線代表假設獲得支持. 32. 幸福感 R2=0.21.

(41) 第五章結論與建議本研究以迴歸分析來檢驗社會支持、孤獨感、Twitch使用行為、知覺娛樂、幸福感之間影響，以下將重要研究結論加以整理，並提出本研究之研究貢獻、研究限制及未來的研究方向建議，下方表5-1為本研究提出之所有假設。. 表5-1 本研究假設之驗證結果研究假設. 成立/不成立. H1：社會支持對孤獨感有負向的影響。. 成立. H2：社會支持對Twitch使用有負向的影響。. 不成立. H3：孤獨感對Twitch使用行為有正向的影響。. 成立. H4：知覺娛樂對Twitch使用有正向的影響。. 成立. H5：社會支持對幸福感有正向的影響。. 成立. H6：孤獨感對幸福感有負向的影響。. 成立. H7：Twitch使用行為對幸福感有正向的影響。. 不成立. 第一節研究結論本研究利用迴歸分析進行模式驗證，研究重要結果說明如下：. 一、社會支持對孤獨感的影響本研究結果顯示社會支持對孤獨感有反向顯著的影響，說明越是缺乏社會支持則孤獨感越強，這跟原先的假設是符合的，在得不到社會支持的的狀況下，個人會有較高的孤獨感。謝明均(2015)以大學生為對象驗證結果顯示社會支持 33.

(42) 對孤獨感有負向顯著的影響，此結果與本研究結果相符。. 二、社會支持、孤獨感與知覺娛樂對 Twitch 使用行為的影響本研究結果顯示社會支持對 Twitch 使用行為有負向的影響但未達統計顯著水準，孤獨感及知覺娛樂對 Twitch 使用行為則是有正向顯著的效果。社會支持對 Twitch 使用行為有直接負向的影響雖然符合研究假設方向，但是未達顯著效果，不過缺乏社會支持透過孤獨感，會間接影響 Twitch 的使用，扮演著中介變數的角色。若非有孤獨感受，缺乏社會支持的受測者並不會想要觀看 Twitch。 Twitch 實況頻道 24 小時開放，在實況播放的當中，受測者可以即時的與實況主互動，這會讓孤獨的受測者感到被關心且得到回饋，達到被安慰的效果。在直播平台上撥放著即時性連續、未精剪輯、沒有 NG 重播的視頻，較容易帶領觀眾沉浸投入在視頻情境中，實況主的幽默風趣，同時也能帶給觀眾在娛樂上的滿足，增加了 Twitch 的使用。. 三、社會支持、孤獨感、Twitch 使用行為對幸福感的影響社會支持對幸福感有正向顯著的影響，孤獨感及 Twitch 使用對幸福感則是有負向顯著的影響。王筠雅與劉嘉珮(2012)的研究將社會支持分為情緒性支持和工具性支持，研究結果顯示情緒性社會支持和工具性社會支持對幸褔感都有正向的影響謝明均(2015)以大學生為對象進行的實證研究也得到孤獨感對於幸福感有負向顯著影響的結果，此結果與本研究結果相符。根據 H3 的假設成立，孤獨感對 Twitch 使用行為有正向顯著的影響，說明收視方是有孤獨感受的群體，若是在觀看的過程中沒有達到排解孤獨感的目標，所以導致沒有獲得幸福感。. 34.

(43) 第二節. 管理意涵. 一、給沉迷用戶的伴侶及家人的建議從研究結果我們可以得知社會支持對孤獨感有負向顯著的效果且孤獨感對 Twitch 使用行為的影響有正向顯著的效果，因此社會支持能間接透過孤獨感影響到 Twitch 的使用。若是 Twitch 觀眾的家人希望他們能減少觀看時數，可以給予他們較多的社會支持以降低孤獨感，進而減少 Twitch 觀看行為，較高的社會支持也直接減少使用 Twitch。. 二、給 Twitch 平台官方的建議從研究結果我們可以得知覺娛樂對 Twitch 使用行為是有正向顯著的效果，如果 Twitch 公司希望能有更多的觀眾或是用戶來做使用，可以採用增加知覺娛樂來增加觀看用戶。例如:開放更多的聊天室表情、節目多螢幕呈現、使用動態的聊天室表情做彼此互動。. 三、給實況傳播方的建議從研究結果我們可以得知知覺娛樂對 Twitch 使用行為有正向顯著的影響，孤獨感對幸福感有負向顯著的影響。增加傳播方與收視方的互動更能降低孤獨感而獲得較多幸福感，從另外一個角度來看，傳播方在傳播內容中增加更多知覺娛樂的性質，能使收視方延長每次使用的時間。. 四、給廣告業者的建議在網路直播的商業模式中，其中的角色不只有直播平台業者、實況傳播方 35.

(44) 及收視戶，廣告業者也佔居重要的地位，因此給予廣告業者建議。從研究結果中我們可以得知孤獨感及知覺娛樂對 Twitch 使用行為有正向顯著的影響，也就是說受測者因為觀賞 Twitch 感到有趣，因此增加使用 Twitch 時間，若廣告業者也提供有趣的廣告內容，也許能夠吸引 Twitch 的收視戶，同時，使用 Twitch 的觀眾是有孤獨感受的群體，若是在 Twitch 平台播放廣告的業者能在廣告中提供有趣的互動性廣告，吸引收視戶的參與，消解寂寞感，增加使用者對於 Twitch 平台的黏著度。. 36.

(45) 第三節研究建議及限制本研究在研究架構發展與設計皆力求嚴謹，但仍在過程產生若干的限制與問題，將其針對這些問題與限制進行說明並提供未來研究的建議。. 一、更直接的問卷發放方式本研究的問卷發放在熱門的線上遊戲討論版，實際上應該要發放在 Twitch 頻道上可能較為正確，但觀眾前往直播頻道勢必就是有想要觀看或是想要達到的目標，在其中提出參與問卷的請求可能會有不情願地填寫或是填達數不足夠的現象，這是一個較難達成的實質作法。. 二、更多類型的題項選擇建議未來可以選擇不同版本的問卷去做衡量，像是文獻探討所提到的 SELSA 成人孤獨感量表或是其他版本的幸福感量表，可以更廣泛的理解不同衡量題項的驗證結果。. 三、多元的實況平台直播平台目前很多元化，本研究只擇一為目前是最廣為人知的，各大直播平台都有各自的強項，建議後續研究人員能擴大研究範圍以及研究對象。. 四、加入厭惡垃圾訊息本研究只討論社會支持、孤獨感以及知覺娛樂對使用行為的影響，希望未來研究能加入厭惡垃圾訊息來了解觀眾對於過多商業行為涉入的效果，無論是以影片廣告的方式或是產品置入的方式。 37.

(46) 參考文獻 Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103 (3), 411-423. Barclay, D., Higgins, C., & Thompson, R. (1995). The partial least squares (PLS) approach to causal modeling: Personal computer adoption and use as an illustration. Technology Studies, 2 (2), 285-309. Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74-94. Bonebrake, K.( 2002). College students’ internet use, Qelationship formation, and personality correlates. Cyberpsychology & Behavior, 5(6), 551-557. Chen, C.-F., & Chen, P.-C. (2011). Applying the TAM to Travelers’ Usage Intentions of GPS Devices. Expert Systems with Applications, 38 (5), 6217-6221. Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56 (2), 81. Cobb, S. (1976). Social support as a moderator of life stress. Psychosomatic Medicine, 38 (5), 300-314. Cohen, S., & Wills, T. A. (1985). Stress, social support, and the buffering hypothesis. Psychological Bulletin, 98 (2), 310-357. Childers, T. L., Carr, C. L., Peck, J., & Carson, S. (2002). Hedonic and utilitarian motivations for online retail shopping behavior. Journal of Rtailing, 77 (4), 511-535. Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295 (2), 295-336. DiTommaso, E., & Spinner, B. (1993). The development and initial validation of the Social and Emotional Loneliness Scale for Adults (SELSA). Personality and Individual Differences, 14 (1), 127-134. Dinner, E. (1984). Subjective well-being. Psychological Bulletin, 95, 542-57 Moon, J. W., & Kim, Y. G. (2001). Extending the TAM for a World-Wide-Web context. Information & Management, 38 (4), 217-230. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Mrketing Rsearch, 18(1),39-50 Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate Data Analysis. Englewood Cliffs. NJ: Prentice-Hall. House, J. S. (1981). Work stress and social support. Massachusetts: Addison Wesley. Kreitner, R., & Kinicki, A. (2001). Organizational Behavior (5th Ed.). Boston: 38.

(47) McGraw-Hill/Irwin. Liao, C. H., & Tsou, C. W. (2009). User acceptance of computer-mediated communication: The SkypeOut case. Expert Systems with Applications, 36 (3), 4595-4603. Longman, H., O’Connor, E.,& Obst, P. (2009). The effect of social support derived from world of warcraft on negative psychological symptoms. Cyberpsycology & Behavior, 12 (5), 563-566. MacKenzie, S. B., Podsakoff, P. M., & Podsakoff, N. P. (2011). Construct measurement and validation procedures in MIS and behavioral research: Integrating new and existing techniques. MIS Quarterly, 35 (2), 293-334. Moody, E. J. (2001). Internet use and its relationship to loneliness. Cyberpsychology & Behavior, 4 (3), 393-401. Nunnally, J. C. (1978). Psychometric Theory (2nd ed.). New York: McGraw-Hill. Omodei, M. M., & Wearing, A. J. (1990). Need satisfaction and involvement in personal projects: Toward an integrative model of subjective well-being. Journal of Personality and Social Psychology, 59 (4), 762-769. Ozcan, N. K., & Buzlu, S. (2007). Internet use and its relation with psychosocial situation for a sample of university students. CyberPsychology & Behavior, 10 (6), 767-772. Russell, D. W. (1996). UCLA Loneliness Scale (Version 3): Reliability, validity, and factor structure. Journal of Personality Assessment, 66 (1), 20-40. Song, J., Koo, C., & Kim, Y. (2008). Investigating antecedents of behavioral intentions in mobile commerce. Journal of Internet Commerce, 6 (1), 13-34. Terzis, V., & Economides, A. A. (2011). The acceptance and use of computer based assessment. Computers & Education, 56 (4), 1032-1044. Visser, M, Antheunis, M. L., & Schouten, A. P. (2013). Online communication and social well-being: how playing World of Warcraft affects players' social competence and loneliness. Journal of Applied Social Psychology, 43 (7), 1508-1517. Wang, H. Y., & Wang, Y. S. (2008). Gender differences in the perception and acceptance ofonline games. British Journal of Educational Technology, 39 (5), 787-806. Weiss, R. S. (1973). Loneliness: The Experience of Emotional and Social Isolation. Cambridge Massachusetts: The MIT Press. 李孟芝（民 104）。新竹地區寵物飼養者寂寞感與幸福感之研究（未出版碩士論文）。中國文化大學，臺北市。。吳佳煇(民93)。社會支持對網路成癮的影響。資訊社會研究，7，173-189 李素菁（民 91）。青少年家庭支持與幸福感之相關研究-以臺中市立國中生為例 39.

(48) （未出版碩士論文）。靜宜大學，臺中市。吳泰龍（民99）。國中生寂寞感、父母教養行為、社會支持、偏差行為及中途輟學之相關研究（未出版碩士論文）。國立中正大學，嘉義縣。吳珩潔（民 91）。大台北地區民眾休閒滿意度與幸福感之研究（未出版碩士論文）。國立臺灣師範大學，臺北市。林麗玲(民95)。青少年家人關係與幸福感之相關研究（未出版碩士論文）。輔仁大學，新北市。莊元妤（民91）。台北市國小高年級兒童電腦遊戲行為與創造力，寂寞感之相關研究（未出版碩士論文）。中國文化大學，臺北市。黃芳銘(民 95)。結構方程模式─ 理論與應用 (四版)。臺北: 五南。陸洛(民87)。中國人幸福感之內涵，測量及相關因素探討。國家科學委員會研究彙刊：人文及社會科學，8 (1)，115-137。陳虹吟（民 103）。觀看遊戲線上直播的動機與結果（未出版碩士論文）。輔仁大學。新北市。陳威珞(民100)。Justin TV網路影音直播平台使用行為研究（未出版碩士論文）。國立中正大學。嘉義縣。楊正誠(民92)。大學生網路成癮、社會支持與生活適應關係之研究（未出版碩士論文）。東海大學，臺中市。詹瑋琪（民 102)。新北市國中生幸福感與寂寞感之研究（未出版碩士論文）。銘傳大學，臺北市。劉政慈(民102)。臺南市市立完全中學學校處理方式，社會支持與學生霸凌受害經驗對幸福感之影響（未出版碩士論文）。南台科技大學，臺南市。謝明均(民103)。大學生寂寞感、社會支持與幸福感之關係研究（未出版碩士論文）。國立臺灣師範大學，臺北市。謝明華（民 92）。國小學童之父親參與、幸福感及學業成就之相關研究（未出版碩士論文）。國立彰化師範大學，彰化市。. 40.

(49) 附錄：本研究問卷您好，這份問卷的目的，是想了解目的是想了解 twitch 觀眾的生活感受和 Twitch 的使用行為，請您詳細閱讀問卷內容，依據您的現實生活感受實際情況填寫，本問卷不須具名，您所填寫的資料僅供學術研究使用，內容絕對保密，非常感謝您撥冗填寫。敬祝順心國立屏東大學國際貿易所林靜儀博士劉信東研究生. 第一部份：請用下方的 1-7 點來表達您最近一個月對親友互動情況。. 問項. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.. 有人對我的感受表示關心。有人願意傾聽我訴說個人隱私。有人對我表現出關懷與喜愛。我依賴特定他人的支持。有人可以讓我分享我的喜怒哀樂。我可以找到與我一同參與活動的同伴。在我面對困難時，有人會給予建議。當我面臨困惑時，有人能夠提供我訊息。當我的行為有缺失時，有人會給予指正。有人會適時的回應我的言行。. 非常不同意 □ □ □ □ □ □ □ □ □ □. 不同意 □ □ □ □ □ □ □ □ □ □. 有點不同意 □ □ □ □ □ □ □ □ □ □. 無意見 □ □ □ □ □ □ □ □ □ □. 有點同意 □ □ □ □ □ □ □ □ □ □. 同意 □ □ □ □ □ □ □ □ □ □. 非常同意 □ □ □ □ □ □ □ □ □ □. 第二部份：請用下方的 1-7 點來表達您最近三個月對生活感受。非常不同意 □. 問項. 1.. 我覺得與周圍人的關係和諧。 41. 不同意 □. 有點不同意 □. 無意見 □. 有非點常同同同意意意 □ □ □.

(50) 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20.. 我覺得缺少同伴。我覺得沒人可以信賴。我常感到寂寞。我覺得自己屬於朋友們中的一員。我覺得自己與周圍的人有許多共同點。我覺得自己與任何人都不親密。我常感到自己的興趣與想法與周圍的人不一樣。我想要與人來往，結交朋友。我覺得自己與人親近。我感到被人冷落。我感到自己與別人來往毫無意義。我覺得沒有人了解我。我感到與別人有隔閡。我覺得只要我願意，就能找到同伴。我覺得有人真正了解我。我覺得自己是害羞的。我覺得自己被人們圍繞卻不受關心。我覺得有人願意與我交談。我覺得有人值得我信賴。. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □. 第三部份：請用下方 1-7 點來表達您最近三個月對生活的想法。. 問項. 1. 2. 3. 4. 5.. 大致而言，我的生活很理想。我的生活狀態很完美。我對生活滿意。到目前為止，我得到了生活中想要的重要東西。如果可以重新活一次，我不想要改變任何事情。. 非常不同意 □ □ □ □ □. 不同意 □ □ □ □ □. 有點不同意 □ □ □ □ □. 無意見 □ □ □ □ □. 有點同意 □ □ □ □ □. 同意 □ □ □ □ □. 非常同意 □ □ □ □ □. 第四部份：請利用下方 1-7 點來表達觀看 twitch 實況時的感受。 42.

(51) 問項. 1. 當我觀看 Twitch 實況時，容易忘記時間的流逝。 2. 觀看 TWITCH 是一件令人快樂的事情。 3. 觀看 TWITCH 實況是很有趣的事情。. 非常不同意 □ □ □. 不同意 □ □ □. 有點不同意 □ □ □. 無意見 □ □ □. 有點同意 □ □ □. 第五部分：請留下您的個人資訊 1. 您的性別 □男性 □女性 2. 您的年齡 □12(含)歲以下 □13 至 18 歲 □19 至 22 歲 □23 至 29 歲 □30 至 39 歲 □40 至 49 歲 □50(含)歲以上 3. 您所居住的地區 □北部(台北/新北/基隆/桃園/新竹/宜蘭) □中部(苗栗/台中/彰化/南投/雲林) □南部(嘉義/台南/高雄/屏東) □東部(花蓮/台東) □離島地區(澎湖/金門/馬祖/小琉球/綠島) 其他:_______________ 4. 您的教育程度 □國小(含)以下 □國中 □高中(高職) □大學(大專) □研究所(含)以上 5. 你的職業 □軍公教 □工業 □商業 □自由業 □家管 □無(待)業 □退休 □學生 6. 每日上網時數 □1 個鐘頭以內 □1 至 2 個鐘頭 □3 至 4 個鐘頭 □4 個鐘頭以上 7. 使用 Twitch 的方式 (複選) □電腦網頁版 Twitch □手機 APP 版 Twitch □平板 APP 版 Twitch 8. 每天使用 Twitch 的時數 □1 個鐘頭以內 □1 至 2 個鐘頭 □3 至 4 個鐘頭 □4 個鐘頭以上 9. 請留下您的 Email：＿＿＿＿＿＿＿＿. 43. 同意 □ □ □. 非常同意 □ □ □.

(52)