Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Forschungsartikel

Von affektiver Befriedigung zur Gewohnheit: Verstärkungsdynamik bei kurzformiger Drama-Beteiligung

139 Aufrufe

⸱

DOI:

10.3791/71303

⸱

4. August 2026

 , 
1Seoul Business School, aSSIST University, 2Department of Management Information Systems, Dong-A University

In diesem Artikel

Zusammenfassung

Kurzform-Drama-Umgebungen bieten dichte Verstärkungsbedingungen durch ultrakurze Episoden und häufige Wiedereintrittsphasen. Mit einem S-O-R-Modell und PLS-SEM untersuchte diese Studie die Fortsetzungsintention bei Nutzern von Kurzform-Drama. Die Ergebnisse zeigen, dass affektive Zufriedenheit positiv mit Gewohnheit assoziiert war, und Gewohnheit positiv mit Fortsetzungsintention.

Zusammenfassung

Kurzformat-Drama-Umgebungen haben sich als strukturell eigenständige digitale Umgebungen hervorentwickelt, die durch ultrakurze Episoden, hochfrequente Wiedereintritt und algorithmisch verstärkte Exposition gekennzeichnet sind. Während frühere Fortsetzungsforschungen Zufriedenheit und Gewohnheit als parallele Prädiktoren für anhaltenden Gebrauch untersucht haben, ist wenig darüber bekannt, wie komprimierte Verstärkungszyklen, eingebettet in Kurzform-Ökosysteme, die den Zusammenhang zwischen affektiven Reaktionen und gewohnheitsmäßiger Beteiligung unter Bedingungen dichter Verstärkung stärken können. Basierend auf dem Stimulus-Organismus-Response-(S-O-R)-Framework schlägt diese Studie ein strukturell verstärktes Gewohnheitsbildungsmodell vor, bei dem Umweltreize (Zugangsbequemlichkeit, Zeitvergehen und Inhaltsqualität) die affektive Befriedigung beeinflussen, die wiederum mit gewohnheitsmäßigem Engagement und Fortsetzungsintention verbunden ist. Anhand von Querschnittsdaten von 260 Kurzform-Drama-Nutzern, analysiert mit partiellen Kleinste-Quadrat-Strukturgleichungsmodellierungen (PLS-SEM), zeigen die Ergebnisse, dass affektive Zufriedenheit signifikant mit der Gewohnheitsbildung verbunden ist und dass Gewohnheit als dominanter Treiber der Fortsetzungsintention hervorgeht. Quantitativ waren Inhaltsqualität (β = 0,448, S. < 0,001) und Übergangszeit (β = 0,385, S. < 0,001) die stärksten Prädiktoren der affektiven Befriedigung, was Gewohnheit (β = 0,686, S. < 0,001) und Fortsetzungsabsicht (β = 0,496, S. < 0,001) stark vorhersagte. Gewohnheit trug zudem zur Fortsetzungsintention bei (β = 0,393, S. < 0,001), wobei das Modell 61,0 % bzw. 68,9 % der Varianz bei affektiver Zufriedenheit und Fortsetzungsintention erklärte. Theoretisch fördert diese Studie die strukturell komprimierte Engagement-Forschung, indem sie kurzformige strukturelle Merkmale als kontextuelle Verstärkungsbedingungen konzipiert, die die Verbindung zwischen Zufriedenheit und Gewohnheit stärken. Praktisch deuten die Ergebnisse darauf hin, dass mikro-episodisches Design und schnelle Wiedereintrittsmechanismen eine entscheidende Rolle bei der Stabilisierung der Verhaltenskontinuität in Kurzdrama-Ökosystemen spielen. Da die Studie ein Querschnittsbefragungsdesign verwendete, sollten die Ergebnisse als korrelative Belege für Zusammenhänge zwischen digitalen Erfahrungsfaktoren, affektiver Zufriedenheit, Gewohnheit und Fortsetzungsintention interpretiert werden und nicht als Hinweise auf kausale oder zeitliche Veränderungen.

Einleitung

Die globale digitale Unterhaltungslandschaft hat sich mit der raschen Ausbreitung von Kurzformat-Content-Plattformen grundlegend verändert. Angetrieben von mobile-first-Konsumgewohnheiten, algorithmischen Empfehlungssystemen und zunehmend fragmentierten Mustern der Mediennutzung haben sich Kurzform-Dramen zu einem der am schnellsten wachsenden Unterhaltungsformate weltweitentwickelt 1,2. Im Gegensatz zu traditionellen Streaming-Diensten, die auf längere Sehzeiten setzen, liefern Kurzfilm-Drama-Plattformen ultrakurze Episoden, die für schnellen Konsum und häufige Wiedereinstiege im Laufe des Tages konzipiert sind. Da diese Plattformen tief in den alltäglichen digitalen Alltag verankert sind, ist das Verständnis der psychologischen Mechanismen, die die Nutzerbindung aufrechterhalten, zu einer immer wichtigeren Forschungspriorität geworden.

Trotz der wachsenden Beliebtheit von Kurzform-Dramen bleibt die bestehende Fortsetzungsforschung weitgehend auf traditionellen digitalen Unterhaltungsumgebungen und Informationssystem-Fortsetzungsforschung3 wie Online-Streaming-Diensten, Video-on-Demand-Plattformen und Social-Media-Anwendungen verankert. Kurzform-Drama-Ökosysteme besitzen jedoch mehrere charakteristische strukturelle Merkmale – darunter ultrakurze episodische Formate, hochfrequente Wiedereintrittsmöglichkeiten und algorithmisch verstärkte Exposition –, die dichte Verstärkungszyklen erzeugen, die die Nutzer wiederholt emotional lohnenden Inhalten innerhalb komprimierter Interaktionssequenzen aussetzen (1,4,5. Folglich können psychologische Prozesse, die dem Engagement in Kurzdrama-Umgebungen zugrunde liegen, erheblich von denen abweichen, die in traditionellen Streaming-Kontexten beobachtet werden.

Eine weitere Einschränkung der vorherigen Forschung ist, dass Zufriedenheit und Gewohnheit (HB) typischerweise als parallele Prädiktoren der Fortsetzungsintention (CI) in der Forschung zur Fortsetzung von Informationssystemen konzipiertwurden. 6. Obwohl beide Konstrukte durchweg bedeutende Erklärungskraft gezeigt haben, wurde relativ wenig Aufmerksamkeit darauf verwendet, zu verstehen, wie sich affektive Zufriedenheit (as) durch wiederholte Verstärkungserfahrungen allmählich zu gewohnheitsmäßigem Engagement entwickeln kann. Insbesondere bleibt unklar, wie strukturell komprimierte digitale Umgebungen den affektiv-zu-verhaltensbezogenen Weg beeinflussen, der emotionale Befriedigung mit automatischen Nutzungsmustern verknüpft. Infolgedessen bleibt der psychologische Prozess, durch den positive affektive Erfahrungen zu einer gewohnheitsmäßigen Beteiligung werden, weiterhin unzureichend verstanden.

Um diese Lücke zu schließen, entwickelt und testet die vorliegende Studie ein verstärktes Modell zur Gewohnheitsbildung innerhalb des Stimulus-Organismus-Response-(S-O-R)-Rahmens. Konkret schlagen wir vor, dass digitale Erfahrungsfaktoren die Fortsetzungsintention durch einen sequentiellen affektiv-behavioralen Prozess beeinflussen, bei dem affektive Befriedigung die Gewohnheitsbildung fördert, was wiederum die Fortsetzungsintention vorhersagt. Durch die Untersuchung dieses Mechanismus im Kontext des Konsums von Kurzform-Drama erweitert diese Studie die Fortsetzungstheorie über statische Erklärungen nach der Einführung hinaus und fördert das Verständnis dafür, wie strukturell komprimierte digitale Umgebungen nachhaltige Nutzerbindung prägen.

Basierend auf der identifizierten Forschungslücke vermuten wir, dass die Fortsetzungsintention in strukturell komprimierten Kurzform-Drama-Umgebungen durch einen sequentiellen affektiv-behavioralen Verstärkungsprozess geprägt wird. Konkret erhöhen digitale Erfahrungsfaktoren die affektive Zufriedenheit, die affektive Zufriedenheit erleichtert die Gewohnheitsbildung, und Gewohnheit verstärkt folglich die Fortsetzungsintention. Diese zentrale Hypothese leitet das vorgeschlagene Forschungsmodell und die empirische Untersuchung, die in dieser Studie präsentiert wird.

Im Gegensatz zu früheren Anwendungen des S-O-R-Rahmens verwendet diese Studie das S-O-R-Framework7, um zu untersuchen, wie Umweltreize interne affektive Zustände und anschließende Verhaltensreaktionen in strukturell komprimierten Medienökosystemen beeinflussen. Wir schlagen vor, dass digitale Erfahrungsfaktoren die Fortsetzungsintention durch einen sequentiellen Prozess beeinflussen, bei dem affektive Befriedigung die Gewohnheitsbildung fördert, die wiederum die Fortsetzungsintention vorhersagt. Der Rahmen wurde in der Forschung zum digitalen Handel, sozialen Medien und Online-Unterhaltung weit verbreitet angewendet, um zu erklären, wie Umweltmerkmale das Nutzerengagement und die Verhaltenspersistenz beeinflussen 8,9. Die Forschung zur Einführung von Verbrauchertechnologien hat ähnlich die Rolle von erfahrungsbasierten Faktoren bei der Gestaltung der fortgesetzten Technologienutzungbetont 10. In digitalen Umgebungen fungieren erfahrungsbezogene Merkmale als Umweltreize, die emotionale Reaktionen auslösen und das Verhalten nach der Adoption prägen.

In der vorliegenden Studie werden digitale Erfahrungen – bestehend aus Zugangskomfort (AC), Zeitvertreibmotivation (PT) und wahrgenommener Inhaltsqualität (CQ) – als Umweltreize konzipiert. Zugänglicher Komfort spiegelt die wahrgenommene Mühelosigkeit und Flüssigkeit wider, die mit der Initiierung der Mediennutzung verbunden ist, was wiederum mit erfahrungsbasierter Kontrolle verbunden ist und die kognitive Belastungreduziert 11,12. Zeitvertreib steht für freizeitorientierte Motivation in fragmentierten zeitlichen Kontexten, ein wesentlicher Treiber für mobile Medienbindung13,14. Die wahrgenommene Inhaltsqualität erfasst narrative Immersion, Relevanz und Unterhaltungswert, die entscheidende Faktoren für die Nutzerzufriedenheit in digitalen Medienkontextensind 15. Zusammen prägen diese erfahrungsbezogenen Reize die affektiven Bewertungen der Nutzer während der Medieninteraktion.

Affektive Befriedigung stellt den organismischen Zustand im S-O-R-Rahmenwerk dar. Die Zufriedenheit spiegelt die allgemeine emotionale Einschätzung ihrer Erfahrung durch die Nutzer wider und wurde konsequent als primärer Prädiktor für die Fortsetzungsabsicht in Post-Adoptions-Kontexten identifiziert 3,16. In hochfrequenten und repetitiven Nutzungsumgebungen reicht die Zufriedenheit allein jedoch möglicherweise nicht aus, um anhaltendes Engagement zu erklären. Wiederholte positive affektive Erfahrungen können die Verbindung zwischen Engagement und gewohntem Verhalten stärken.

Gewohnheitsbildung bietet eine ergänzende Erklärung für die Verhaltenspersistenz. Gewohnheit bezieht sich auf erlernte automatische Verhaltensweisen, die durch kontextuelle Hinweise durch wiederholte vorherige Handlungen ausgelöst werden 6,17. In der Informationssystemforschung wurde die Gewohnheit als entscheidender Faktor für die fortgesetzte Nutzung von Technologie jenseits der bewussten Intentionidentifiziert 6. In Kurzform-Dramakonsumkontexten können häufige Mikro-Engagements, die in den Alltag eingebettet sind, die Entwicklung von gewohnheitsmäßiger Wiederholung fördern. Mit zunehmender Gewohnheit wird das Verhalten weniger abhängig von aktiver kognitiver Evaluation und widerstandsfähiger gegenüber situativen Variabilitäten, wodurch die Fortsetzungsintention gestärkt wird.

Durch die Integration digitaler Erfahrungen, affektiver Befriedigung und Gewohnheitsbildung in einen sequentiellen Mediationsrahmen fördert diese Studie das theoretische Verständnis nachhaltiger Beteiligung in kurzformigen Dramakontexten. Konkret schlagen wir vor, dass digitale Erfahrungen die Fortsetzungsintention über einen zweistufigen affektiv-verhaltensbezogenen Weg beeinflussen: Erfahrungsreize erhöhen die affektive Zufriedenheit, was wiederum die Gewohnheitsbildung fördert und letztlich die Fortsetzungsintention verstärkt.

Anhand von Umfragedaten von 260 Kurzdruck-Drama-Nutzern und PLS-SEM untersucht diese Studie empirisch diesen sequentiellen Mediationsmechanismus. Theoretisch erweitert es den S-O-R-Rahmen, indem es Gewohnheit als Verstärkungsmechanismus einbezieht und empirische Belege für den sequentiellen affektiv-habitualen Weg in kurzformigen digitalen Umgebungen liefert.

Das S-O-R-Framework geht davon aus, dass Umweltreize innere psychologische Zustände beeinflussen, die wiederum Verhaltensreaktionen prägen. In dieser Studie werden Zugangsbequemlichkeit, Zeitverlauf und Inhaltsqualität als Reize konzipiert; affektive Befriedigung und Gewohnheit repräsentieren organismische Prozesse; und Fortsetzungsintention stellt die Verhaltensreaktion dar.

Affektive Zufriedenheit spiegelt die allgemeine emotionale Bewertung ihrer Medienerfahrung durch die Nutzer wider und wurde konsequent mit der Fortsetzungsintention assoziiert. In hochfrequenten digitalen Umgebungen können wiederholte positive affektive Erfahrungen ebenfalls zur Gewohnheitsbildung beitragen. Frühere Forschungen in digitalen Medien und Streaming-Kontexten legen nahe, dass affektive Befriedigung als zentraler organismischer Zustand fungiert, der Plattformstimuli mit fortsetzungsbezogenen Reaktionen verbindet18. Basierend auf dem vorgeschlagenen theoretischen Rahmen und früherer Literatur werden folgende Hypothesen vorgeschlagen.

Zugänglichkeit bezieht sich auf die wahrgenommene Leichtigkeit, digitale Inhalte zugänglich zu machen. Laut dem S-O-R-Framework beeinflussen Umweltreize die affektiven Bewertungen der Nutzer. Studien zur Servicebenutzerfreundlichkeit legen außerdem nahe, dass reduzierte Zeit- und Aufwandskosten den wahrgenommenen Wert und die Zufriedenheit bei Servicetreffen erhöhen10. Dementsprechend wird angenommen, dass die Bequemlichkeit des Zugangs die affektive Befriedigung (H1) positiv beeinflusst.

Zeitvertreib ist eine freizeitorientierte Motivation für den Konsum von Kurzform-Inhalten. Frühere Forschungen legen nahe, dass zeitorientierte Konsummotive positive emotionale Reaktionen hervorrufen und die Zufriedenheit erhöhen. Daher vermuten wir, dass das Vergehen der Zeit die affektive Befriedigung (H2) positiv beeinflusst.

Die Qualität der Inhalte spiegelt die Wahrnehmung der Nutzer über die Relevanz und den Unterhaltungswert von Medieninhalten wider. Frühere Studien identifizieren es durchweg als einen wesentlichen Determinant für die Nutzerzufriedenheit und das fortgesetzte Engagement19. Dementsprechend wird angenommen, dass Inhaltsqualität die affektive Zufriedenheit positiv beeinflusst (H3).

Affektive Befriedigung und Gewohnheit wurden konsequent als wichtige Vorläufer der Fortsetzungsintention in Nachadoptionskontexten identifiziert. Frühere Gewohnheitsforschung zeigt außerdem, dass wiederholte Performance in stabilen Kontexten die Automatisierung im Laufe der Zeit stärkt, während mobile Medienumgebungen routinebasierte Nutzungsmuster verstärken können 4,20. Daher schlagen wir vor, dass affektive Zufriedenheit die Fortsetzungsintention positiv beeinflusst (H4).

Gewohnheit bezeichnet automatische Verhaltenstendenzen, die sich durch wiederholtes Verhalten in stabilen Kontexten entwickeln, 6,17. In Kontexten nach der Einführung erleichtern wiederholte positive Erfahrungen die Entwicklung gewohnheitsmäßiger Nutzungsmuster, da Nutzer zunehmend auf automatisierte Antworten statt auf bewusste Bewertung 6,17 setzen. Aus Sicht des Verstärkungslernens stärken wiederholte Verhaltensweisen mit positiven affektiven Ergebnissen assoziative Lernprozesse und erhöhen die Wahrscheinlichkeit einer zukünftigen automatischen Umsetzung21. Sobald eine Gewohnheit gebildet ist, wird sie zu einem Schlüsselmechanismus, der Zufriedenheit in Verhaltenspersistenz übersetzt. Gewohnheitsmäßige Nutzer neigen dazu, weiterhin mit weniger kognitiver Anstrengung mit Inhalten zu interagieren, was die Fortsetzungsintention6 stärkt. Dementsprechend wird Gewohnheit in dieser Studie als vermittelnder Mechanismus konzipiert, der affektive Befriedigung mit Fortsetzungsintention verbindet. Basierend auf der obigen Begründung wird angenommen, dass affektive Zufriedenheit die Gewohnheit positiv beeinflusst (H5), Gewohnheit positiv die Fortsetzungsintention (H6) und Gewohnheit die Beziehung zwischen affektiver Zufriedenheit und Fortsetzungsintention (H7) vermittelt. Darüber hinaus werden affektive Zufriedenheit und Gewohnheit vorgeschlagen, um sequentiell die Beziehungen zwischen Zugangsbequemlichkeit und Fortsetzungsabsicht (H8a), Zeitverlauf und Fortsetzungsabsicht (H8b) sowie Inhaltsqualität und Fortsetzungsabsicht (H8c) zu vermitteln.

Obwohl frühere Studien das Verständnis des Fortsetzungsverhaltens in digitalen Medienumgebungen erheblich vorangebracht haben, bleiben mehrere wichtige Lücken bestehen. Bestehende Forschung konzentrierte sich überwiegend auf traditionelle Streaming-, soziale Medien- oder Technologie-Adoptionskontexte und hat Zufriedenheit und Gewohnheit im Allgemeinen als parallele Determinanten der Fortsetzungsintention konzipiert. Vergleichsweise wenig Aufmerksamkeit wurde darauf verwendet, zu verstehen, wie strukturell komprimierte Kurzformumgebungen den psychologischen Prozess prägen können, der affektive Zufriedenheit und Gewohnheitsbildung verknüpft. Tabelle 1 3,6,10,18,22 fasst repräsentative frühere Studien zusammen und hebt die von der vorliegenden Studie angegangenen Forschungslücken hervor.

StudiumForschungskontextHauptfokusWichtige ErkenntnisseForschungslücke
Bhattacherjee (2001)3InformationssystemeFortsetzungsabsichtZufriedenheit sagt Fortsetzungsintention vorausGewohnheitsbildungsprozess nicht untersucht
Limayem et al. (2007)6InformationssystemeGewohnheit und FortsetzungGewohnheit beeinflusst die fortgesetzte SystemnutzungZufriedenheit und Gewohnheit werden als getrennte Prädiktoren behandelt
Venkatesh et al. (2012)10TechnologieakzeptanzVerhalten nach der AdoptionVerhaltensintention sagt die fortgesetzte Nutzung vorausStrukturelle Merkmale digitaler Umgebungen, die nicht berücksichtigt werden
Wu et al. (2025)18Kurzform-DramaAbonnementabsichtDie Qualität der Inhalte beeinflusst die Fortdauer durch ZufriedenheitGewohnheitsbildungsmechanismus nicht untersucht
Zhang et al. (2024)22Kurzformat VideoBenutzerzufriedenheitZufriedenheit verbessert die fortwährende BeteiligungZufriedenheits-zu-Gewohnheits-Umwandlungsprozess unerforscht
Jüngste Kurzform-MedienstudienKurzform-Content-PlattformenNutzerbindungAlgorithmische Exposition erhöht das EngagementStrukturelle Verstärkungsmechanismen sind weiterhin wenig theoretisch
Gegenwärtige StudieKurzform-Drama-ÖkosystemVerstärkungsbasierte GewohnheitsbildungUntersucht, wie affektive Zufriedenheit die Gewohnheitsbildung und Fortsetzungsintention in strukturell komprimierten Umgebungen fördertAdressiert die identifizierten Lücken durch einen sequentiellen affektiv-behavioralen Rahmen

Tabelle 1: Zusammenfassung früherer Forschung und identifizierter Lücken. Diese Tabelle fasst repräsentative frühere Studien zu digitaler Fortsetzung, Zufriedenheit, Gewohnheit und Kurzform-Medienengagement zusammen. Kolumnen umfassen: Studienautor und Jahr; Forschungskontext; Wichtige Konstrukte untersucht; die Beziehung zwischen Zufriedenheit und Gewohnheit (parallel vs. sequentiell); und die spezifische Forschungslücke, die durch die vorliegende Studie angegangen wird.

Diese Studie analysiert empirisch die Beziehungen zwischen unabhängigen Variablen (d. h. Zugangsbenutzerfreundlichkeit, Passzeit und Inhaltsqualität), vermittelnden Variablen (d. h. affektive Zufriedenheit und Gewohnheit) und der abhängigen Variable (d. h. KI). Geschlecht, Alter, Bildung und Einkommen wurden als Kontrollvariablen einbezogen.

Wie in Abbildung 1 gezeigt, zeigt das Modell einen dichten Verstärkungszyklus, der zwischen affektiver Befriedigung und Gewohnheitsbildung positioniert ist. Diese Notation repräsentiert den strukturellen Kontext von Ökosystemen von Kurzform-Drama – gekennzeichnet durch ultrakurze Episodenlänge, hohe Wiedereintrittshäufigkeit und algorithmische Inhaltsermittlung –, der zahlreiche Möglichkeiten für Cue-Response-Paarungen schafft. Das Modell schlägt vor, dass Umweltreize die affektive Befriedigung beeinflussen, was wiederum das gewohnheitsmäßige Engagement unter strukturell komprimierten Verstärkungszyklen erleichtert. Kurzform-Ökosysteme zeigen dichte Signal-Antwort-Assoziationen und wiederholte Engagement-Chancen, die die Verbindung zwischen Zufriedenheit und Gewohnheit stärken können23,24.

figure-introduction-1
Abbildung 1: Verstärkungsbasiertes Gewohnheitsbildungsmodell in Kurzdrama-Umgebungen. Der 'Dichte Verstärkungszyklus' bezeichnet die hochfrequenten Signal-Antwort-Chancen, die für kurzformige Ökosysteme charakteristisch sind (Mikroepisoden, schneller Wiedereintritt, algorithmische Kuratierung), die theoretisch die Zufriedenheits-zu-Gewohnheits-Beziehung verstärken. Diese strukturelle Eigenschaft wird als kontextuelle Bedingung und nicht als empirisch gemessene zeitliche Beschleunigung konzipiert. Kontrollvariablen (Alter, Geschlecht, Bildung und Einkommen) werden aus den dargestellten Bahnen ausgeschlossen, um die visuelle Klarheit zu gewährleisten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Alle Verfahren mit menschlichen Teilnehmern wurden gemäß den ethischen Standards für die Forschung an Menschen an der aSSIST-Universität und der Dong-A-Universität durchgeführt. Da alle Antworten zum Zeitpunkt der Sammlung anonymisiert waren und zu keinem Zeitpunkt personenbezogene Informationen erhalten wurden, stellte das Institutional Review Board der aSSIST University fest, dass die Studie gemäß Artikel 15 des Bioethics and Safety Act der Republik Korea und den in Artikel 13 der Enforcement Rule (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do festgelegten Anforderungen für eine Befreiung von der Überprüfung von der vollständigen Überprüfung befreit wurde. Die Ausnahmegenehmigungs-ID wurde vor Beginn der Umfrage eingeholt; Alle Teilnehmer überprüften eine Erklärung zur informierten Einwilligung, die den Zweck der Studie, die freiwillige Teilnahme, Anonymität, Datennutzung und ihr Recht, die Teilnahme zu beenden, beschrieb. Nur Teilnehmer, die elektronische informierte Zustimmung gaben, durften fortfahren. Es wurden keine personenbezogenen Informationen gesammelt.

Datenerhebung und -analyse

Stichprobenmerkmale

Die Teilnehmer wurden über Prolific aus englischsprachigen Ländern wie den Vereinigten Staaten, dem Vereinigten Königreich, Kanada, Australien und Neuseeland zwischen dem 5. und 10. Juli 2025 rekrutiert. Der Fragebogen bestand aus validierten Multi-Item-Messungen, die die Zugangsbenutzerfreundlichkeit, die Verweilzeit, die Qualität der Inhalte, die affektive Zufriedenheit, das Verhalten und die Fortsetzungsintention bewerteten, zusammen mit demografischen Fragen. Teilnehmer waren berechtigt, wenn sie mindestens 18 Jahre alt waren, bereits Erfahrung mit Kurzserien hatten und soziale Netzwerke aktiv nutzten. Die Berechtigung wurde anhand von Screening-Fragen bestätigt, in denen die Teilnehmer ihr Alter, ihre bisherige Erfahrung mit Kurzfilm-Dramas und die aktuelle Nutzung sozialer Netzwerke bestätigen mussten. Teilnehmer, die diese Kriterien nicht erfüllten, wurden ausgeschlossen, bevor der vollständige Fragebogen ausgefüllt wurde. Aufmerksamkeitskontrollpunkte wurden in die Umfrage eingebettet, um unaufmerksame Antworten zu identifizieren; Teilnehmer, die eine Aufmerksamkeitsprüfung nicht bestanden, unvollständige Antworten abgaben oder Screening-Fragen nicht bestanden, wurden von der Analyse ausgeschlossen. Insgesamt wurden 292 Antworten gesammelt. Nach Ausschluss von 32 Antworten aufgrund von Screening-Versagen, unvollständigen Antworten oder nicht bestandener Aufmerksamkeitsprüfung wurden 260 gültige Antworten für die Analyse beibehalten. Die Umfrage dauerte etwa 8–10 Minuten, und die Teilnehmer erhielten etwa 2,00 € (3,440 $).

Messmodell

Die Antworten wurden auf einer 7-Punkte-Likert-Skala von 1 (stark anderer Meinung) bis 7 (absolut übereinstimmend) aufgezeichnet. Diese Studie validierte das Forschungsmodell anhand des PLS-SEM25,26. PLS-SEM wurde ausgewählt, weil die Studie prädiktionsorientiert ist, ein relativ komplexes Mediationsmodell untersucht und sich auf erklärte Varianzen endogener Konstrukte konzentriert.

Mediationsanalyse

Die statistische Signifikanz wurde mittels bias-korrigiertem Bootstrapping mit 5.000 Neustichproben bewertet (Abbildung 2). Standardisierte Wegkoeffizienten, indirekte Effekte, Effektgrößen (f2), prädiktive Relevanz (Q2) und 95%-Konfidenzintervalle wurden untersucht, um die vorgeschlagenen Hypothesen und Vermittlungseffekte zu bewerten.

figure-protocol-1
Abbildung 2: Forschungsverfahren und Datenanalyse-Workflow. Berechtigte Teilnehmer waren aktive SNS-Nutzer im Alter von 18 Jahren oder älter. Die Abbildung zeigt die Teilnehmerrekrutierung über die Online-Umfrageplattform, Screening- und Aufmerksamkeitskontrollverfahren, Umfragedatenerhebung (N = 260), Datenbereinigung, Bewertung von Messmodellen, Strukturmodellbewertung mittels PLS-SEM sowie Mediationstests durch Bootstrapping mit 5.000 Neustichproben. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Strukturmodell

Validierte Messskalen für alle Studienkonstrukte wurden aus zuvor veröffentlichten Studien angepasst. Kleinere Wortlautänderungen wurden, wo nötig, vorgenommen, um deren Eignung für den Kontext des kurzen Dramas sicherzustellen. Die Messpunkte sind in Tabelle 2 dargestellt. Obwohl die Inhaltsqualitätsskala ursprünglich in breiteren Streaming- und digitalen Unterhaltungskontexten entwickelt wurde, erfasst sie die Wahrnehmung der Nutzer über die Breite und Vielfalt der Unterhaltung. In Kurzform-Drama-Kontexten können Unterhaltungsformate hybride oder genreübergreifende Elemente enthalten, die über traditionelle narrative Episoden hinausgehen. Daher spiegelt der Punkt, der sich auf Unterhaltungsvielfalt bezieht, wahrgenommene Inhaltsvielfalt wider und nicht wörtliche Sportübertragungen und ist konzeptionell mit dem Konstrukt der Inhaltsqualität in dieser Studie vereinbar.

KonstruktGegenstandFrage
Zugang bequemAC1Ich konnte jederzeit Kurzdrama schauen, wenn ich wollte.
AC2Ich könnte überall kurzformatige Dramen schauen.
AC3Ich könnte jedes digitale Gerät nutzen, um auf kurze Drama-Inhalte zuzugreifen.
ZeitvertreibPT1Ich schaute Kurzfilm-Dramen, weil sie die Zeit vertreiben, besonders wenn mir langweilig ist
PT2Ich schaue Kurzserien, wenn ich nichts Besseres zu tun habe, wenn ich nichts Besseres zu tun habe.
PT3Ich schaue Kurzserien, weil sie mir etwas geben, um meine Zeit zu beschäftigen
InhaltsqualitätCQ1Kurzformige Drama-Inhalte bieten eine breite Palette an Inhalten.
CQ2Kurzformige Drama-Inhalte bieten exklusive und originelle Inhalte.
CQ3Kurzformige Drama-Inhalte bieten eine vielfältige Auswahl an unterhaltsamen Episoden und Genres.
CQ4Kurzformige Drama-Inhalte bieten eine große Vielfalt globaler Inhalte.
Affektive MedienzufriedenheitAS1Ich fühle mich glücklich, nachdem ich Zeit mit kurzformatigen Drama verbracht habe
AS2Kurzformat-Dramen bereiten mir Freude
AS3Kurzformat-Drama-Erfahrung macht Spaß
AS4Fühle dich gut nach dem Anschauen von Kurzfilm-Drama
GewohnheitHB1Ich schaue aus Gewohnheit Kurzdrama.
HB2Ich greife auf kurzformige Dramakontexte zu, ohne nachzudenken.
HB3Ich nutze natürlich kurze Drama-Kontexte.
FortsetzungsabsichtCI1Ich habe vor, das Kurzdrama-Streaming in naher Zukunft zu nutzen.
CI2Ich bin bereit, in naher Zukunft weiterhin kurze Drama-Inhalte zu verwenden.
CI3Ich werde mich in naher Zukunft weiterhin mit kurzen Drama-Inhalten beschäftigen.

Tabelle 2: Messelemente des Forschungsmodells. Diese Tabelle listet die Messelemente, Konstruktetiketten und Quellreferenzen auf, die zur Operationalisierung der Forschungsvariablen verwendet wurden. Alle Aufgaben wurden auf einer 7-Punkte-Likert-Skala gemessen, die von 1 (völlig anderer Meinung) bis 7 (absolut einverstanden) reichte. Die Tabelle präsentiert jedes Konstrukt (Zugangsbenutzerfreundlichkeit, Verlaufszeit, Inhaltsqualität, affektive Zufriedenheit, Gewohnheit und Fortsetzungsabsicht), die zugehörigen Indikatorpunkte sowie die ursprüngliche Studie, von der jede Skala adaptiert wurde.

Häufige Methodenverzerrung

Da alle Variablen mit selbstberichteten Umfragedaten erhoben wurden, wurde der Common Method Bias (CMB) sowohl mit prozeduralen als auch statistischen Maßnahmen bewertet. Zunächst wurden mehrere Verfahrensmaßnahmen eingeführt, um potenzielle Methodenverzerrungen zu verringern. Die Teilnahme war freiwillig und anonym, und den Befragten wurde versichert, dass es keine richtigen oder falschen Antworten gab. Messobjekte wurden aus validierten früheren Studien adaptiert und sorgfältig umformuliert, um dem Kontext von Kurzdrama gerecht zu werden. Der Fragebogen wurde so strukturiert, dass die Befürchtungen bei der Bewertung minimiert und die Mehrdeutigkeit bei den Punkten verringert werden. Zweitens wurde Harmans Ein-Faktor-Test durchgeführt, um zu untersuchen, ob ein einzelner Faktor den Großteil der Varianz ausmacht. Die unrotierte explorative Faktorenanalyse zeigte, dass der erste Faktor weniger als 50 % der Gesamtvarianz erklärte, was darauf hindeutet, dass Common Method Bias wahrscheinlich kein ernsthaftes Problem darstellt. Drittens wurden die vollständigen Kollinearitätsvarianzinflationsfaktoren (VIFs) nach Kock und Mayfield27 untersucht. Alle VIF-Werte lagen unter dem konservativen Schwellenwert von 3,3 (Tabelle 3), was darauf hindeutet, dass die Verzerrung der gemeinsamen Methode die Modellschätzungen nicht wesentlich beeinflusst. Da jedoch alle Variablen innerhalb einer einzigen Umfragewelle von denselben Befragten erhoben wurden, kann ein verbleibender gemeinsamer Methoden-Bias nicht vollständig ausgeschlossen werden.

Innerer ModellpfadVIF
AC→AS1.342
AS→HB1.000
AS→CI1.933
CQ→AS1.410
HB→CI1.939
PT→AS1.154

Tabelle 3: Kollinearitätsstatistiken (VIF). Diese Tabelle zeigt die Varianzinflationsfaktorwerte (VIF) für alle im Strukturmodell verwendeten Prädiktorkonstrukte.Die Zeilen listen jeden Prädiktorkonstrukt auf (Zugriffsbenutzerfreundlichkeit, Passing-Zeit, Inhaltsqualität, affektive Zufriedenheit und Gewohnheit), und die entsprechenden VIF-Werte werden in der benachbarten Spalte angegeben. FIF-Werte wurden untersucht, um potenzielle Multikollinearität zwischen Konstrukten zu bewerten und die Wahrscheinlichkeit eines gemeinsamen Methoden-Bias zu bewerten.

Fehlerbehebung und Modifikationen

Wenn eine beträchtliche Anzahl von Antworten die Screening- oder Aufmerksamkeitskontrollkriterien nicht bestand, wurden die Zulassungskriterien verfeinert und die Umfrageanweisungen klargestellt, um sicherzustellen, dass die Teilnehmer echte Vorerfahrung mit Kurzdrama hatten. Wenn die interne Konsistenzzuverlässigkeit unter die empfohlenen Schwellenwerte fiel (z. B. zusammengesetzte Zuverlässigkeit < 0,70) oder die durchschnittliche extrahierte Varianz (AVE) unter 0,50 fiel, wurden die Item-Loadings untersucht und schlecht abschneidende Indikatoren entfernt, während die theoretische Kohärenz erhalten blieb. Wenn Multikollinearität festgestellt wurde (z. B. überschritten die Varianzinflationsfaktorwerte die empfohlenen Grenzwerte), wurden die Konstruktspezifikationen neu bewertet und redundante Indikatoren entfernt. Wenn Mediations- oder Moderationseffekte nicht signifikant waren, wurde die Stichprobengröße erhöht und/oder die Operationalisierung des Konstrukts erneut überprüft, um eine ausreichende statistische Kraft sicherzustellen. Bootstrapping wurde mit einer ausreichenden Anzahl von Teilproben (z. B. 5.000) durchgeführt, um stabile Parameterschätzungen zu erhalten.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Stichprobenmerkmale

Tabelle 4 zeigt eine ausgewogene Stichprobe von 260 Befragten aus wichtigen demografischen Kategorien. Nach Alter besteht die größte Gruppe aus Teilnehmern in ihren 20ern oder jünger (38,8 %), gefolgt von Personen in ihren 30ern (32,3 %). Befragte in ihren 40ern (14,2 %) und 50ern (14,6 %) sind in kleineren, aber ähnlichen Anteilen vertreten. Die Geschlechter sind fast gleichmäßig verteilt, mit 49,2 % männl...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Diese Studie zielte darauf ab, Fortsetzungsintentionen in Kurzdramakontexten zu erklären, indem digitale Erfahrungsfaktoren, affektive Befriedigung und Gewohnheitsbildung in den S-O-R-Rahmen integriert wurden. Die Ergebnisse liefern eine starke empirische Unterstützung für den vorgeschlagenen sequentiellen Mechanismus und legen nahe, dass digitale Fortsetzung am besten als dynamischer affektiv-verhaltensorientierter Verstärkungsprozess verstanden werden kann. Digitale Erlebnisfaktoren – ...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären keine Interessenkonflikte.

Danksagungen

Diese Arbeit wurde durch Forschungsmittel der aSSIST University unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Chatgpt 5.2OpenAIRRID:SCR_023775Verbesserung der Lesbarkeit und Grammatikprüfung,  https://www.chatgpt.com/
Prolific (Online Participant Recruitment Platform)Prolific Academic LtdNicht verfügbar / Nicht identifiziertOnline-Plattform zur Rekrutierung von Umfrageteilnehmern. Die Teilnehmer wurden anhand von Eignungskriterien (z. B. aktuelle Beschäftigung in einer Organisation mit KI-Erfahrung) gescreent und gemäß den Fair-Pay-Richtlinien von Prolific entschädigt. https://www.prolific.com/
Qualtrics (Online Survey Platform)Qualtrics, LLCRRID:SCR_016728Webbasierte Umfrageplattform zur Fragebogengestaltung, Verteilung und Erfassung der Antwortdaten. Alle Messitems wurden über Qualtrics unter Verwendung einer 7-Punkte-Likert-Skala (1 = stimme absolut nicht zu, 7 = stimme absolut zu) durchgeführt. https://www.qualtrics.com/
SmartPLS 4.0 (PLS-SEM Software)SmartPLS GmbHRRID:SCR_022040Verwendet für alle Partial Least Squares Structural Equation Modeling (PLS-SEM) Analysen, einschließlich äußerer Modellbewertung (Composite Reliability, AVE, HTMT), innerer Modell-Pfadanalyse (Bootstrapping, 5.000 Stichproben), MICOM 3-Stufen-Test auf Kompositionsinvarianz (Permutation, 1.000 Ziehungen) und PLS-MGA-Zwischengruppen-Unterschiedstests. https://smartpls.com/

Referenzen

  1. He Z, et al. User immersion-aware short video recommendation. ACM Trans Inf Syst. 2025;44(1):1-33.
  2. Zhou R. Understanding the impact of TikTok's recommendation algorithm on user engagement. Int J Comput Sci Inf Technol. 2024;3(2):201-208.
  3. Bhattacherjee A. Understanding information systems continuance: An expectation-confirmation model. MIS Q. 2001;25(3):351-370.
  4. Oulasvirta A, Rattenbury T, Ma L, Raita E. Habits make smartphone use more pervasive. Pers Ubiquitous Comput. 2012;16(1):105-114.
  5. Peters H, et al. Social media use is predictable from app sequences: Using LSTM and transformer neural networks to model habitual behavior. Comput Hum Behav. 2024;161:108381.
  6. Limayem M, Hirt SG, Cheung CM. How habit limits the predictive power of intention: The case of information systems continuance. MIS Q. 2007;31(4):705-737.
  7. Mehrabian A, Russell JA. A verbal measure of information rate for studies in environmental psychology. Environ Behav. 1974;6(2):233.
  8. Eroglu SA, Machleit KA, Davis LM. Atmospheric qualities of online retailing: A conceptual model and implications. J Bus Res. 2001;54(2):177-184.
  9. Islam JU, et al. Impact of website attributes on customer engagement in banking: A solicitation of stimulus-organism-response theory. Int J Bank Mark. 2020;38(6):1279-1303.
  10. Venkatesh V, Thong JYL, Xu X. Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Q. 2012;36(1):157-178.
  11. Berry LL, Seiders K, Grewal D. Understanding service convenience. J Mark. 2002;66(3):1-17.
  12. Kim J, Fesenmaier DR. Sharing tourism experiences: The posttrip experience. J Travel Res. 2017;56(1):28-40.
  13. Quan-Haase A, Young AL. Uses and gratifications of social media: A comparison of Facebook and instant messaging. Bull Sci Technol Soc. 2010;30(5):350-361.
  14. Whiting A, Williams D. Why people use social media: A uses and gratifications approach. Qual Mark Res Int J. 2013;16(4):362-369.
  15. DeLone WH, McLean ER. The DeLone and McLean model of information systems success: A ten-year update. J Manag Inf Syst. 2003;19(4):9-30.
  16. Hennig-Thurau T, Gwinner KP, Gremler DD. Understanding relationship marketing outcomes: An integration of relational benefits and relationship quality. J Serv Res. 2002;4(3):230-247.
  17. Wood W, Neal DT. A new look at habits and the habit-goal interface. Psychol Rev. 2007;114(4):843-863.
  18. Wu T, Jiang N, Sharif SP, Chen M. Explaining subscription intention for video streaming platforms in China: Integrating UTAUT2 model, perceived value theory, and SOR theory. PLoS One. 2025;20(5):e0322860.
  19. Prabhavathy R, Senthilkumar S. User experiences in over-the-top (OTT) streaming media platform services. Qubah Acad J. 2025;5(2):82-99.
  20. Gardner B. A review and analysis of the use of "habit" in understanding, predicting and influencing health-related behaviour. Health Psychol Rev. 2015;9(3):277-295.
  21. Neal DT, Wood W, Labrecque JS, Lally P. How do habits guide behavior? Perceived and actual triggers of habits in daily life. J Exp Soc Psychol. 2012;48(2):492-498.
  22. Zhang K, et al. SaqRec: Aligning recommender systems to user satisfaction via questionnaire feedback. 33rd ACM International Conference on Information and Knowledge Management. 2024;doi.org/10.1145/3627673.367964.
  23. Peters H, et al. Context-aware prediction of active and passive user engagement: Evidence from a large online social platform. J Big Data. 2024;11(1):110.
  24. Wood W. Habits, goals, and effective behavior change. Curr Dir Psychol Sci. 2024;33(4):226-232.
  25. Lohmöller JB. Predictive vs. structural modeling: PLS vs. ML. Latent variable path modeling with partial least squares. Physica, Heidelberg. 1989.
  26. Sarstedt M, Ringle CM, Hair JF. Treating unobserved heterogeneity in PLS-SEM: A multi-method approach. Partial least squares path modeling: Basic concepts, methodological issues and applications. Springer, Cham. 2017.
  27. Kock N, Mayfield M. PLS-based SEM algorithms: The good neighbor assumption, collinearity, and nonlinearity. Inf Manag Bus Rev. 2015;7(2):113-130.
  28. Henseler J, Ringle CM, Sarstedt M. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J Acad Mark Sci. 2015;43(1):115-135.
  29. Alruwaili RF. Scroll immersion and short-form video use: Predictors of attention, memory, and fatigue among Saudi social media users. Acta Psychol. 2025;260:105674.
  30. Sutrisno SS. Attention in the age of TikTok: Examining the cognitive impact of short-form video consumption. San Jose State University, 2025. https://scholarworks.sjsu.edu/etd_theses/5697/.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

VerhaltenAusgabe 234Ausgabe 234Leerer WertAusgabeShort-Form-Mediendichte verstärkte Gewohnheitsbildungbehaviorale Automatizitätdigitale MedienpsychologieS-O-R-Modell

Dieser Artikel wurde veröffentlicht

Video demnächst verfügbar

Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.