信息系统领域中平台摇摆这一概念最先由南洋理工大学Tandoc等人提出，他们将平台摇摆定义为使用一个以上的社交媒体平台，并在这些平台之间轮换使用的行为，这种行为不是从一个平台转换到另一个平台，不会因为使用某一平台而放弃使用其他平台( Tandoc et al., 2019 )。Tandoc研究表明，用户为了关系管理和自我呈现而进行平台摇摆； 董晨宇等(2020) 研究指出，在跨文化背景下中国留学生通过平台摇摆行为来建立、维护和发展不同的社交关系； 卢新元等(2022) 通过半结构访谈分析用户的平台摇摆行为，指出社交因素是影响用户摇摆行为的主要因素之一，用户需要依靠不同类型的社交媒体平台来维系大多数社交关系。现有平台摇摆行为研究均指出，社交关系是用户开展该行为的动机之一，然而，相关研究尚未具体解释社交关系对平台摇摆行为的影响如何，以及社交关系强度对该行为的影响差异等问题。因此，本研究主要目的在于验证并解释不同社交关系强度对社交媒体用户平台摇摆行为的影响机制以及影响效果差异。

美国社会学家格兰诺维特( Granovetter, 1973 )发表的文章The strength of weak ties中提出了关系强度这样一个概念，第一个提出强关系和弱关系这两个概念，并根据投入到一段关系中的时间和情感，以及参与者之间涉及的互惠性来区分强关系和弱关系。简单来说，强关系之间联系更为密切、互动较多，典型例子包括朋友关系和家庭关系；相反，弱关系之间的联系和互动较少，亲密度低，包括联系程度较低的人和陌生人。网络社会发展初期以发展弱连接为主，进入web2.0数量庞大的社交媒体既发展了弱关系又维系了强关系，且网络中强弱关系的转化也更为常见( 彭兰，2019 )。现有研究已论证强弱关系与社交媒体用户的使用行为( 晏庆合，2023 )，及其对用户的信息使用行为的影响( 向紫娟，2020 )。但是，鲜有研究基于强弱关系视角，分析社交媒体用户的平台转移和摇摆行为的产生机制。用户使用社交媒体的主要目的是人际交往，故而平台摇摆行为或与其社会关系有一定联系。本研究认为，社会关系强度(即强弱关系)将影响用户的摇摆行为。

建立在现实人际关系基础上的强关系社交，由于熟人社交的复杂性，用户在互动的过程会考虑很多因素从而产生顾虑，由熟人社交产生的互动焦虑正向影响了用户对微信的不持续使用( 汪雅倩，2019 )。以弱关系为主的社交媒体的出现弥补了熟人社交产生的互动焦虑，然而社交媒体上的弱关系大多是情感强度较弱未曾谋面的网友，这些用户之间情感基础薄弱联系频率较低，在长时间社交媒体使用中缺乏社交互动，在感受不到自身的存在感和价值后，从而“潜水”或者离开。研究发现：关系强度与用户浏览健身贴后的健身态度呈正相关，用户与健身信息发帖人的关系越强越容易形成积极的健身态度( 章宏，赵天娜，2023 )。本研究认为，平台摇摆行为也是用户受到强弱社交关系影响的一种表现，并提出以下研究假设：

H1：强关系显著影响用户的平台摇摆态度；

H2：弱关系显著影响用户的平台摇摆态度。

Hsieh在转移行为研究中将转移成本定义为：某一社交媒体的用户可能会失去与他们通过这个平台交流的人的联系；他们还必须将自己的转换决定告知其他人，然后在转换之前花费额外的时间和精力来建立各自社交网络( Hsieh et al., 2012 )。根据转移成本的相关定义，本研究中的摇摆成本则是指用户在多社交媒体之间来回摇摆切换的过程中，用以维系和发展社会关系上花费的时间和精力。研究发现，感知成本刺激用户产生社交媒体中辍行为( 王文韬，宋天骁，唐思捷等，2023 )。基于此，本研究提出以下假设：

H3：摇摆成本在强关系(a)和弱关系(b)对摇摆态度的影响中发挥中介作用。

国内外关于社交媒体倦怠的概念界定暂未统一，相关研究主要从情感、行为和二者结合三个角度展开。情感是指使用社交媒体过程中所带来的负面情绪；行为是指社交媒体的消息使用行为；综合情感和行为的研究认为，用户在使用社交媒体的过程中，受到多方因素的影响产生负面情绪进而导致社交媒体的消极使用行为。研究表明，社交媒体倦怠会引发暂停、退出、潜水、抵制、替换等行为后果( 赵启南，2019 )。本研究结合情感和行为双视角，认为社交媒体倦怠作为一种负面情绪会影响用户的使用行为。因此，提出以下研究假设：

H4：社交媒体倦怠在强关系(a)和弱关系(b)对摇摆态度的影响中起调节作用。

态度是指个体对特定事件积极或者消极的看法，摇摆态度则是可以看作是用户对平台摇摆行为的积极或者消极的看法或情感。许多研究基于认知–态度–行为模型(CAB)证实了认知、态度和行为之间的关系，在认知一致的前提下态度可以有效预测行为结果。因此，提出以下假设：

H5：摇摆态度正向预测摇摆程度。

本研究使用问卷调查法，调查问卷正式发放前进行了小范围的预测试，根据预测试结果并通过对部分调查对象进行访谈，对部分问项的表述、内容等进行了适当的修改。本研究主要通过线上平台进行问卷发放和回收，最终获得有效问卷296份，且问卷设置答完所有题目才可提交，因此回收的问卷数据没有缺失值。使用SPSS25.0和Mplus8.0进行结构方程模型检验。

在296份有效样本中，性别以女性为主占比67.6%；年龄主要集中在18~25岁，其次是26~30岁，分别占比75.37%和17.23%，31~40岁占比5.7%，41~50岁占比1.7%；以大学本科和研究学历为主分别占比61.15%和33.11%。问卷调查部分包含了社交媒体的基本使用情况，调查样本日均使用社交媒体的时长在4小时以上占比最多为35.8%高于全国平均水平，其次是3~4小时占比23.3%，2~3小时占比21.99%，1~2小时占比16.89%，不到1小时占比只有2.02%；样本中大部分使用社交媒体的数量在7个以内，与全国总体数量持平，且发生摇摆行为的频率较为频繁，一半以上的调查对象表示经常出现平台摇摆的行为。

本研究中的量表均来自国内外成熟量表，并根据研究主题进行了适当修改，研究模型包含5个潜变量21个测量指标以及一个显变量测量指标，使用Mplus8.0分析软件对各潜变量及其测量指标进行验证性因子分析，去除标准化因子载荷低于0.6的测量项，根据模型修正指数(MI)对测量模型进行调整( 姜宝法，王济川，王小倩，2011 )，最终得出各潜变量及其测量项。修正后的测量模型拟合度指标见 表1 ，拟合度指标均达标。

根据验证性因子分析结果，使用SPSS25.0对分量表和总量表的可靠性进行分析，结果见 表2 。分量表除摇摆成本有两个测量指标其Cronbach’s α系数接近0.6基本可以接受外，其余分量表和总量表的Cronbach’s α系数(0.72)均大于0.7较为理想，表明分量表和总量表具有较高的稳定性和内部一致性。各变量的组成信度CR和AVE基本达标；每个变量AVE根号值均大于该变量与其他变量的相关系数，说明量表具有较好的聚合效度和区分效度。

注：对角线粗体是AVE开根号。

根据理论假设，建立结构方程模型，在Mplus8.0中对中介模型进行检验，采用偏差校正百分位Bootstrap检验重复取样5000次，计算95%的置信区间。模型拟合指数符合标准：x²/df = 1.39，CFI = 0.976，TLI = 0.968，SRMR = 0.039，RMSEA = 0.036。中介效应检验的SEM路径系数结果见 表3 ，变量间的影响路径均显著。数据结果表明，强关系显著正向影响摇摆态度(β = 0.199, P < 0.05)，弱关系显著正向影响摇摆态度(β = 0.455, P < 0.001)，摇摆态度可以正向预测摇摆的行为程度(β = 0.249, P < 0.001)。基于此，研究假设H1、H2、H5得到验证。

注：DV表示结果变量IV表示观测变量，^*表示P < 0.05，^**表示P < 0.01，^***表示P < 0.001。

中介效应分析结果见 表4 ，在强关系对摇摆态度的影响过程中，加入摇摆成本后直接效应和总效应均显著，摇摆成本95%置信区间[−0.127, −0.006]不包含0，说明摇摆成本的中介效应显著；在弱关系对摇摆态度的影响过程中，加入摇摆成本后直接效应和总效益显著，摇摆成本95%置信区间[−0.155, −0.003]不包含0，说明摇摆成本的中介效应显著。基于此，本研究假设中的H3a和H3b成立。在强弱关系对摇摆态度的影响中，直接效应值(C₁’ = 0.199, C₂’ = 0.455)均大于总效应值(C₁= 0.153, C₂= 0.403)，即间接效应与直接效应方向相反，根据Zhao等的中介效应检验结果( Zhao, Lynch, & Chen, 2010 )，摇摆成本在强弱关系对摇摆态度的影响过程中发挥竞争性中介效应(competitive mediation) ( 张明新，刘通，2022 )，即由于作为中介的摇摆成本负向影响摇摆态度，削弱强弱关系对摇摆态度直接的正向影响效应。

本研究采用潜调节结构方程法(latent moderated structural equations, LMS)检验调节效应，根据方杰和温忠麟的研究( 方杰，温忠麟，2018 )，首先检验不含浅调节的基准模型拟合情况，基准模型拟合指标与中介模型拟合指标一致，由于LMS不提供常用拟合指标，因此选用AIC、BIC进行对比，基准模型AIC = 8883.201，BIC = 8906.558，且AIC和BIC越小越好。

第二步加入含潜调节项的模型，有潜调节的模型AIC = 10991.158，BIC = 11208.889，两指标远大于基准模型的值，说明含潜调节的模型拟合情况不佳。数据结果显示，调节变量两交互项STSMF (P = 0.463)和WTSMF (P = 0.058)的P值均大于0.05，调节效应不显著。因此，社交媒体倦怠的调节效应不显著，研究假设H4a和H4b不成立。

最后对研究理论模型进行修正，在研究模型拟合指标达标的情况下需去掉调节变量，最终修正理论模型即不含调节的中介效应模型如 图1 。

研究结果表明，强关系越强摇摆态度越正向，弱关系越强摇摆态度越正向，即关系强度越强平台摇摆的可能性越大，且弱关系的影响程度大于强关系。研究指出，强关系之间可以谈论更多不同的事情，这种强联系之间不是通过切换渠道而是添加渠道的方式来谈论不同的事情，强关系之间使用更多数量的媒体平台来传递信息；弱关系双方局限于单个社交平台( Haythornthwaite, 2002 )，可以说用户使用社交媒体的数量越多来自不同平台的弱关系就越多，而摇摆行为便可用于维系用户与不同弱关系间的联系。总体来看，关系越强双方之间的交流越多越频繁，用户与之断联的可能性越小，因此关系越强摇摆态度越积极，产生摇摆行为的频率越大，尤其当弱关系不断增强至具有较强联系时对摇摆态度的影响最为强烈。用户摇摆于多个社交平台与强弱关系交流的不同目的影响了用户的平台摇摆行为。强关系之间不需要切换交流渠道是因为这种强联系存在于任何一个平台，无论用户在使用哪一个平台都可以直接与强联系的群体实现信息的传递和沟通；弱关系双方更多局限于单一平台，用户需考虑弱关系的质量决定是否切换至某个平台以发展和维护某段关系。可以说，强关系在不摇摆的情况下也可以得以维持交流，而弱关系则需要通过摇摆来建立和维系。

研究发现摇摆成本在强弱关系对摇摆态度的影响过程中发挥了竞争性中介作用。首先，强弱关系都会正向影响摇摆成本且影响程度相似，说明社交媒体中的强社交关系和弱社交关系都需要维护。对于强关系来说，摇摆成本来自于与强关系之间频繁交流所花费的时间和精力，而弱关系之间虽然交流频率较低，但是弱联系在网络社交中占据主导地位，数量远多于强关系，因此维护弱关系所花费的时间和精力随之增加。摇摆成本的竞争性中介作用主要是因为摇摆成本负向影响摇摆态度，摇摆成本越高，用户的摇摆态度越消极，摇摆成本抵消一部分强弱关系对摇摆态度的正向影响。由此可见，用户出于维持强弱关系的社交需求，其摇摆态度更为积极，行为发生频率也更高；然而平台摇摆的过程需要花费用户的时间和精力，当花费的时间和精力越来越多且超过其可承受范围时，用户的摇摆态度越趋向于负面，其摇摆行为的频率随之降低。

社交媒体倦怠作为一种负面情绪会造成用户社交媒体的消极使用。结果显示，社交媒体倦怠在强弱关系对摇摆态度的影响过程中并没有发挥调节作用，即强弱关系对摇摆态度的影响程度不会受到社交媒体倦怠的影响。赵启南在研究中指出，造成社交媒体倦怠的关系性压力主要来源于人机层面而非人际层面，非社交性的任务挤压了原本的社交行为( 赵启南，2019 )。平台摇摆行为并非是社交媒体倦怠的行为表现，虽然存在潜在的负面影响( 胡泳，王昱昊，2023 )，但从人际关系角度来看，平台摇摆或许在一定程度上缓解了由非社交任务带来的倦怠情绪，当用户在社交媒体中面对系统压力、信息超载等产生负面情绪时，寻求他人的支持是缓解焦虑的方式之一，无论是与强关系还是弱关系的互动，个体在社会互动的过程中释放情绪缓解焦虑。与赵启南学者的观点相似，本研究认为用户很难真正地放弃或者戒断对社交媒体的使用，尤其是年轻一代，这一群体接触互联网的时间较长，能够熟练使用各种类型的社交媒体，对社交媒体有着较高的依赖程度，他们所面临的社交媒体倦怠情绪有多强烈尚不得知，就其社交媒体使用的基本情况来看，年轻群体仍然是社交媒体的积极使用者。

通过分析强关系和弱关系对用户社交媒体平台摇摆的影响，发现强弱关系都会影响用户的摇摆态度，且关系越强其摇摆态度越积极。一方面，社交媒体中的两种社交关系相互补充，弥补了由另一方社交带来的不足和压力，两种社交关系的融合或许可以建构起更为安全可靠的社交关系网络。另一方面对用户在社交媒体使用中管理和发展社交关系具有一定的现实意义，研究结果发现摇摆态度与使用社交媒体的数量和时间并不相关。本研究认为，现阶段用户的平台摇摆行为并非会带来负面影响，平台摇摆的过程是一个可自我调节的过程，用户会有意或无意地调整与他人交往的频率、形式等，以此来保持摇摆行为的平衡。因此，用户可主要调整与弱关系尤其是具有较强联系的弱关系的社交，做到有针对性的自我调节。其次，基于社会关系的平台摇摆通过互动性社交的方式，或许可以缓解由系统、信息等原因所带来的社交媒体焦虑和倦怠。

研究存在一定的局限性。研究发现弱关系增强到一定程度对用户的摇摆行为影响最为显著，但具体增强到何种程度仍需进一步分析探讨；关于社交媒体倦怠和平台摇摆的关系还需进一步的实证分析；其次，研究中的调查对象，多集中在40岁以下的青年群体，这一群体的社交媒体使用行为特征明显，使用频率和强度较高，平台摇摆行为较明显，将结果推导至更广泛群体可能产生偏差，因此研究结论难以适应所有的社交媒体用户，后续研究中可以扩大研究对象的范围加以考察。