Gli ambienti drammatici di breve durata offrono condizioni di rinforzo dense attraverso episodi ultra-brevi e frequenti rientri. Utilizzando un modello S-O-R e PLS-SEM, questo studio ha esaminato l'intenzione di continuazione tra gli utenti di drammi brevi. I risultati indicano che la soddisfazione affettiva era positivamente associata all'abitudine, e l'abitudine era positivamente associata all'intenzione di continuazione.
Articolo di ricerca
Dalla soddisfazione affettiva all'abitudine: dinamiche di rinforzo nell'impegno in drammi di breve durata
In questo articolo
Sommario
Abstract
Gli ambienti di dramma a breve durata sono emersi come ambienti digitali strutturalmente distinti, caratterizzati da episodi ultra-brevi, rientro ad alta frequenza ed esposizione potenziata algoritmicamente. Sebbene ricerche precedenti sulla continuità abbiano esaminato soddisfazione e abitudine come predittori paralleli di un uso sostenuto, si sa poco su come i cicli di rinforzo compressi incorporati in ecosistemi di forma breve possano rafforzare l'associazione tra risposte affettive e coinvolgimento abituale in condizioni di rinforzo denso. Ispirandosi al quadro stimolo-organismo-risposta (S-O-R), questo studio propone un modello strutturalmente rafforzato di formazione di abitudini in cui gli stimoli ambientali (comodità di accesso, tempo trascorso e qualità del contenuto) influenzano la soddisfazione affettiva, che a sua volta è associata all'impegno abituale e all'intenzione di continuazione. Utilizzando dati di indagini trasversali di 260 utenti di drammi brevi, analizzati con modellazione strutturale delle equazioni dei minimi quadrati parziali (PLS-SEM), i risultati rivelano che la soddisfazione affettiva è significativamente associata alla formazione di abitudini e che l'abitudine emerge come motore dominante dell'intenzione di continuazione. Quantitativamente, la qualità del contenuto (β = 0,448, p < 0,001) e il tempo di passaggio (β = 0,385, p < 0,001) sono stati i più forti predittori della soddisfazione affettiva, che ha fortemente previsto l'abitudine (β = 0,686, p < 0,001) e l'intenzione di continuità (β = 0,496, p < 0,001). L'abitudine ha inoltre contribuito all'intenzione di continuità (β = 0,393, p < 0,001), con il modello che spiega rispettivamente il 61,0% e il 68,9% della varianza nella soddisfazione affettiva e nell'intenzione di continuazione. Teoricamente, questo studio promuove la ricerca sull'engagement strutturalmente compresso concettualizzando caratteristiche strutturali di forma breve come condizioni di rinforzo contestuale che rafforzano l'associazione tra soddisfazione e abitudine. Praticamente, i risultati suggeriscono che la progettazione microepisodica e i meccanismi di rientro rapido svolgono un ruolo fondamentale nella stabilizzazione della continuità comportamentale negli ecosistemi di drammi a forma breve. Poiché lo studio ha utilizzato un disegno di indagine trasversale, i risultati dovrebbero essere interpretati come prove correlazionali di associazioni tra fattori di esperienza digitale, soddisfazione affettiva, abitudine e intenzione di continuità, piuttosto che come evidenza di cambiamento causale o temporale.
Introduzione
Il panorama globale dell'intrattenimento digitale ha subito una profonda trasformazione con la rapida espansione delle piattaforme di contenuti brevi. Alimentati da abitudini di consumo mobile-first, sistemi di raccomandazione algoritmici e modelli sempre più frammentati nell'uso dei media, i drammi di formato breve sono emersi come uno dei formati di intrattenimento in più rapida crescita almondo 1,2. A differenza dei servizi di streaming tradizionali che si basano su sessioni di visione prolungate, le piattaforme di drama di formato breve offrono episodi ultra-brevi pensati per una rapida lettura e un rientro frequente durante la giornata. Man mano che queste piattaforme diventano profondamente integrate nelle routine digitali quotidiane, comprendere i meccanismi psicologici che sostengono l'impegno degli utenti è diventato una priorità di ricerca sempre più importante.
Nonostante la crescente popolarità dei drammi di formato breve, la ricerca sulla continuità esistente rimane in gran parte basata su ambienti di intrattenimento digitali tradizionali e ricerche sui sistemi informativicome i servizi di streaming online, le piattaforme video-on-demand e le applicazioni di social media. Tuttavia, gli ecosistemi di drammi di formato breve possiedono diverse caratteristiche strutturali distintive—tra cui formati episodici ultra-brevi, opportunità di rientro ad alta frequenza ed esposizione potenziata algoritmicamente—che creano cicli di rinforzo densi che espongono ripetutamente gli utenti a contenuti emotivamente gratificanti all'interno di sequenze di interazione compresse 1,4,5. Di conseguenza, i processi psicologici alla base dell'impegno negli ambienti di dramma di breve formato possono differire sostanzialmente da quelli osservati nei contesti tradizionali dello streaming.
Un ulteriore limitamento delle ricerche precedenti è che soddisfazione e abitudine (HB) sono tipicamente state concettualizzate come predittori paralleli dell'intenzione di continuità (IC) nella ricerca sui sistemiinformativi 6. Sebbene entrambi i concetti abbiano costantemente dimostrato un significativo potere esplicativo, relativamente poca attenzione è stata dedicata a comprendere come la soddisfazione affettiva (as) possa gradualmente evolversi in un coinvolgimento abituale attraverso esperienze di rinforzo ripetute. In particolare, rimane poco chiaro come gli ambienti digitali strutturalmente compressi influenzino il percorso affettivo-comportamentale che collega la gratificazione emotiva ai modelli d'uso automatici. Di conseguenza, il processo psicologico attraverso il quale le esperienze affettive positive si trasformano in un coinvolgimento abituale rimane insufficientemente compreso.
Per colmare questa lacuna, il presente studio sviluppa e testa un modello di formazione di abitudini basato sul rinforzo all'interno del quadro stimolo-organismo-risposta (S-O-R). In particolare, proponiamo che i fattori dell'esperienza digitale influenzino l'intenzione di continuità attraverso un processo affettivo-comportamentale sequenziale in cui la soddisfazione affettiva favorisce la formazione di abitudini, che successivamente prevede l'intenzione di continuazione. Esaminando questo meccanismo nel contesto del consumo di drammi brevi, questo studio estende la teoria della continuità oltre le spiegazioni statiche post-adozione e promuove la comprensione di come gli ambienti digitali strutturalmente compressi plasmino un coinvolgimento sostenuto degli utenti.
Basandoci sulla lacuna di ricerca identificata, ipotizziamo che l'intenzione di continuità in ambienti di dramma di breve formato strutturalmente compressi sia modellata attraverso un processo sequenziale di rinforzo affettivo-comportamentale. In particolare, i fattori dell'esperienza digitale aumentano la soddisfazione affettiva, la soddisfazione affettiva facilita la formazione delle abitudini e l'abitudine rafforza successivamente l'intenzione di continuazione. Questa ipotesi centrale guida il modello di ricerca proposto e l'indagine empirica presentata in questo studio.
A differenza delle precedenti applicazioni del quadro S-O-R, questo studio adotta il framework S-O-R7 per esaminare come gli stimoli ambientali influenzino gli stati affettivi interni e le successive risposte comportamentali negli ecosistemi di media strutturalmente compressi. Proponiamo che i fattori dell'esperienza digitale influenzino l'intenzione di continuità attraverso un processo sequenziale in cui la soddisfazione affettiva favorisce la formazione di abitudine, che a sua volta prevede l'intenzione di continuità. Il quadro è stato ampiamente applicato nel commercio digitale, nei social media e nella ricerca sull'intrattenimento online per spiegare come gli attributi ambientali influenzino il coinvolgimento dell'utente e la persistenza comportamentale 8,9. La ricerca sull'adozione della tecnologia da consumo ha evidenziato in modo simile il ruolo dei fattori esperienziali nel modellare l'uso continuo della tecnologia10. Negli ambienti digitali, le caratteristiche esperienziali funzionano come stimoli ambientali che scatenano reazioni emotive e modellano i comportamenti post-adozione.
Nel presente studio, le esperienze digitali—che comprendono la comodità di accesso (AC), la motivazione al passare del tempo (PT) e la qualità percepita dei contenuti (CQ)—sono concettualizzate come stimoli ambientali. La comodità di accesso riflette la percepita facilità e fluidità associate all'inizio dell'uso dei media, che a sua volta sono associate al controllo esperienziale e riducono il caricocognitivo 11,12. Il passare del tempo rappresenta una motivazione orientata al tempo libero all'interno di contesti temporali frammentati, un fattore chiave dell'engagement nei media mobili13,14. La qualità percepita dei contenuti cattura l'immersione narrativa, la rilevanza e il valore di intrattenimento, che sono fattori fondamentali della soddisfazione dell'utente nei contesti dei mediadigitali 15. Insieme, questi stimoli esperienziali plasmano le valutazioni affettive degli utenti durante l'interazione con i media.
La soddisfazione affettiva rappresenta lo stato organismico nel quadro S-O-R. La soddisfazione riflette la valutazione emotiva complessiva della loro esperienza da parte degli utenti ed è stata costantemente identificata come un predittore primario dell'intenzione di continuazione nei contestipost-adozione 3,16. Tuttavia, in ambienti ad alta frequenza e uso ripetitivo, la sola soddisfazione può essere insufficiente a spiegare un coinvolgimento persistente. Esperienze affettive positive ripetute possono rafforzare l'associazione tra coinvolgimento e comportamento abituale.
La formazione dell'abitudine fornisce una spiegazione complementare per la persistenza comportamentale. Abitudine si riferisce a tendenze comportamentali automatiche apprese, innescate da segnali contestuali attraverso azioni precedentiripetute 6,17. All'interno della ricerca sui sistemi informativi, l'abitudine è stata identificata come un fattore cruciale per l'uso continuo della tecnologia oltre l'intenzioneconscia 6. Nei contesti di consumo di drammi brevi, frequenti micro-coinvolgimenti integrati nelle routine quotidiane possono facilitare lo sviluppo della ripetizione abituale. Man mano che l'abitudine si rafforza, il comportamento diventa meno dipendente dalla valutazione cognitiva attiva e più resistente alla variabilità situazionale, rafforzando così l'intenzione di continuazione.
Integrando esperienze digitali, soddisfazione affettiva e formazione di abitudini all'interno di un quadro di mediazione sequenziale, questo studio promuove la comprensione teorica dell'impegno sostenuto nei contesti di dramma di breve durata. In particolare, proponiamo che le esperienze digitali influenzino l'intenzione di continuità attraverso un percorso affettivo-comportamentale a due fasi: gli stimoli esperienziali aumentano la soddisfazione affettiva, il che, a sua volta, favorisce la formazione di abitudini, rafforzando infine l'intenzione di continuazione.
Utilizzando dati di sondaggi provenienti da 260 utenti di drammi brevi e PLS-SEM, questo studio esamina empiricamente questo meccanismo di mediazione sequenziale. Teoricamente, estende il quadro S-O-R incorporando l'abitudine come meccanismo di rinforzo e fornisce evidenze empiriche per il percorso affettivo-abituale sequenziale negli ambienti digitali di forma breve.
Il quadro S-O-R postula che gli stimoli ambientali influenzino gli stati psicologici interni, che successivamente modellano le risposte comportamentali. In questo studio, la comodità di accesso, il passare del tempo e la qualità dei contenuti sono concettualizzati come stimoli; la soddisfazione affettiva e l'abitudine rappresentano processi organismici; e l'intenzione di continuazione rappresenta la risposta comportamentale.
La soddisfazione affettiva riflette la valutazione emotiva complessiva degli utenti della loro esperienza mediatica ed è stata costantemente associata all'intenzione di continuazione. Negli ambienti digitali ad alta frequenza, esperienze affettive positive ripetute possono contribuire anche alla formazione di abitudini. Ricerche precedenti nei contesti dei media digitali e dello streaming suggeriscono che la soddisfazione affettiva funzioni come uno stato organismico chiave che collega gli stimoli della piattaforma a risposte legate allacontinuità 18. Sulla base del quadro teorico proposto e della letteratura precedente, vengono proposte le seguenti ipotesi.
La comodità di accesso si riferisce alla percepita facilità di accesso ai contenuti digitali. Secondo il quadro S-O-R, gli stimoli ambientali influenzano le valutazioni affettive degli utenti. La ricerca sulla comodità del servizio suggerisce inoltre che la riduzione dei costi di tempo e sforzo aumenta il valore percepito e la soddisfazione nelle esperienzedi servizio 10. Di conseguenza, si ipotizza che la comodità dell'accesso influenzi positivamente la soddisfazione affettiva (H1).
Passare il tempo è una motivazione orientata al tempo libero per consumare contenuti brevi. Ricerche precedenti suggeriscono che motivazioni di consumo orientate al tempo generano risposte emotive positive e aumentano la soddisfazione. Pertanto, ipotizziamo che il passare del tempo influenzi positivamente la soddisfazione affettiva (H2).
La qualità dei contenuti riflette la percezione degli utenti della rilevanza e del valore di intrattenimento dei contenuti multimediali. Studi precedenti lo identificano costantemente come un fattore determinante principale della soddisfazione degli utenti e del continuocoinvolgimento 19. Di conseguenza, si ipotizza che la qualità del contenuto influenzi positivamente la soddisfazione affettiva (H3).
La soddisfazione affettiva e l'abitudine sono state costantemente identificate come antecedenti importanti dell'intenzione di continuità nei contesti post-adozione. Le ricerche precedenti sulle abitudini mostrano inoltre che la performance ripetuta in contesti stabili rafforza l'automaticità nel tempo, mentre gli ambienti multimediali mobili possono intensificare i modelli di utilizzo basati sulla routine 4,20. Pertanto, proponiamo che la soddisfazione affettiva influenzi positivamente l'intenzione di continuità (H4).
Abitudine si riferisce a tendenze comportamentali automatiche che si sviluppano attraverso comportamenti ripetuti in contesti stabili 6,17. Nei contesti post-adozione, esperienze positive ripetute facilitano la formazione di schemi d'uso abituali, poiché gli utenti si affidano sempre più a risposte automatiche piuttosto che a valutazioniconsapevoli 6,17. Dal punto di vista dell'apprendimento per rinforzo, comportamenti ripetuti accompagnati da risultati affettivi positivi rafforzano i processi di apprendimento associativo e aumentano la probabilità di futura attuazioneautomatica 21. Una volta che un'abitudine si forma, essa diventa un meccanismo chiave che traduce la soddisfazione in perseveranza comportamentale. Gli utenti abituali tendono a continuare a interagire con i contenuti con meno sforzo cognitivo, il che rafforza l'intenzionedi continuazione 6. Di conseguenza, in questo studio l'abitudine è concettualizzata come un meccanismo mediatore che collega la soddisfazione affettiva all'intenzione di continuazione. Sulla base della motivazione sopra, si ipotizza che la soddisfazione affettiva influenzi positivamente l'abitudine (H5), l'abitudine influenzi positivamente l'intenzione di continuazione (H6) e l'abitudine medi la relazione tra soddisfazione affettiva e intenzione di continuità (H7). Inoltre, sono proposte soddisfazioni affettive e abitudinità per mediare sequenzialmente le relazioni tra convenienza di accesso e intenzione di continuità (H8a), tempo di passaggio e intenzione di continuità (H8b), qualità del contenuto e intenzione di continuità (H8c).
Sebbene studi precedenti abbiano fatto avanzare sostanzialmente la comprensione del comportamento di continuità negli ambienti dei media digitali, rimangono diverse lacune importanti. Le ricerche esistenti si sono concentrate prevalentemente su contesti tradizionali di streaming, social media o adozione tecnologica e hanno generalmente concettualizzato soddisfazione e abitudine come determinanti paralleli dell'intenzione di continuazione. Relativamente poca attenzione è stata dedicata alla comprensione di come gli ambienti strutturalmente compressi a forma breve possano influenzare il processo psicologico che collega la soddisfazione affettiva alla formazione delle abitudini. La Tabella 1 3,6,10,18,22 riassume gli studi precedenti rappresentativi e evidenzia le lacune di ricerca affrontate dal presente studio.
| Studio | Contesto della ricerca | Obiettivo principale | Risultati chiave | Gap di ricerca |
| Bhattacherjee (2001)3 | Sistemi informativi | Intenzione di Continuazione | La soddisfazione prevede l'intenzione di continuazione | Il processo di formazione dell'abitudine non viene esaminato |
| Limayem et al. (2007)6 | Sistemi informativi | Abbigliamento e continuità | L'abitudine influenza l'uso continuo del sistema | Soddisfazione e abitudine trattate come predittori separati |
| Venkatesh et al. (2012)10 | Accettazione della tecnologia | Comportamento post-adozione | L'intenzione comportamentale prevede l'uso continuativo | Caratteristiche strutturali degli ambienti digitali non considerate |
| Wu et al. (2025)18 | Dramma di breve formato | Intenzione di abbonamento | La qualità dei contenuti influisce sulla continuità attraverso la soddisfazione | Meccanismo di formazione dell'abitudine non esaminato |
| Zhang et al. (2024)22 | Video breve | Soddisfazione dell'utente | La soddisfazione migliora il coinvolgimento continuo | Processo di conversione dalla soddisfazione all'abitudine inesplorato |
| Studi recenti sui media in formato breve | Piattaforme di contenuti di formato breve | Coinvolgimento degli utenti | L'esposizione algoritmica aumenta il coinvolgimento | I meccanismi di rinforzo strutturale rimangono poco teorizzati |
| Studio attuale | Ecosistema di drammi di breve formato | Formazione di Abitudine Basata sul Rinforzo | Esamina come la soddisfazione affettiva faciliti la formazione di abitudini e l'intenzione di continuazione all'interno di ambienti strutturalmente compressi | Affronta le lacune identificate attraverso un quadro affettivo-comportamentale sequenziale |
Tabella 1: Riepilogo delle ricerche precedenti e lacune identificate. Questa tabella riassume studi rappresentativi precedenti su continuità digitale, soddisfazione, abitudine e coinvolgimento mediatico in formato breve. Le colonne includono: autore dello studio e anno; contesto della ricerca; costrutti chiave esaminati; la relazione tra soddisfazione e abitudine (parallelo vs. sequenziale); e la specifica lacuna di ricerca affrontata dal presente studio.
Questo studio analizza empiricamente le relazioni tra variabili indipendenti (cioè comodità di accesso, tempo di passaggio e qualità del contenuto), variabili medianti (cioè soddisfazione affettiva e abitudine) e la variabile dipendente (cioè IC). Genere, età, istruzione e reddito sono stati inclusi come variabili di controllo.
Come mostrato nella Figura 1, il modello rappresenta un ciclo di rinforzo denso posizionato tra la soddisfazione affettiva e la formazione dell'abitudine. Questa notazione rappresenta il contesto strutturale degli ecosistemi di drammi di formato breve — caratterizzati da durata episodi ultra-breve, alta frequenza di rientro e consegna algoritmica dei contenuti — che crea abbondanti opportunità per l'accoppiamento cue-risposta. Il modello propone che gli stimoli ambientali influenzino la soddisfazione affettiva, facilitando successivamente un coinvolgimento abituale sotto cicli di rinforzo strutturalmente compressi. Gli ecosistemi di forma breve mostrano dense associazioni segnale-risposta e opportunità di coinvolgimento ripetute che possono rafforzare l'associazione tra soddisfazione e abitudine23,24.
Figura 1: Modello di formazione di abitudini basato sul rinforzo in ambienti di dramma di forma breve. Il 'Ciclo di Rinforzo Denso' indica le opportunità di risposta segnale ad alta frequenza caratteristiche degli ecosistemi di forma breve (micro-episodi, rientro rapido, curazione algoritmica), teorizzati per intensificare la relazione soddisfazione-abitudine. Questa proprietà strutturale è concettualizzata come una condizione contestuale piuttosto che come un'accelerazione temporale misurata empiricamente. Le variabili di controllo (età, genere, istruzione e reddito) sono escluse dai percorsi rappresentati per chiarezza visiva. Clicca qui per visualizzare una versione più grande di questa figura.
Protocollo
Tutte le procedure che hanno coinvolto partecipanti umani sono state condotte in conformità con gli standard etici per la ricerca su soggetti umani presso l'Università aSSIST e l'Università Dong-A. Poiché tutte le risposte erano anonimizzate al momento della raccolta e non sono state ottenute informazioni personali identificabili in nessuna fase, il Consiglio di Revisione Istituzionale dell'Università aSSIST ha stabilito che lo studio era idoneo all'esenzione dalla revisione completa ai sensi dell'Articolo 15 della Legge sulla Bioetica e della Sicurezza della Repubblica di Corea e dei requisiti per l'esenzione dalla revisione previsti dall'Articolo 13 della sua Enforcement Rule (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). L'ID di approvazione dell'esenzione è stato ottenuto prima dell'inizio del sondaggio; Tutti i partecipanti hanno esaminato una dichiarazione di consenso informato che descrive lo scopo dello studio, la partecipazione volontaria, l'anonimato, l'uso dei dati e il loro diritto a interrompere la partecipazione. Solo i partecipanti che fornivano il consenso informato elettronico potevano procedere. Non sono state raccolte informazioni personali identificabili.
Raccolta e analisi dei dati
Caratteristiche del campione
I partecipanti sono stati reclutati da Prolific provenienti da paesi anglofoni, tra cui Stati Uniti, Regno Unito, Canada, Australia e Nuova Zelanda, tra il 5 e il 10 luglio 2025. Il questionario consisteva in misure multi-item validate che valutavano la comodità di accesso, il tempo di passaggio, la qualità dei contenuti, la soddisfazione affettiva, l'abitudine e l'intenzione di continuazione, insieme a domande demografiche. I partecipanti erano idonei se avevano almeno 18 anni, avevano esperienza precedente nella visione di drammi brevi e utilizzavano attivamente i servizi di social network. L'idoneità è stata confermata tramite domande di screening che chiedevano ai partecipanti di confermare l'età, l'esperienza precedente di visione di drammi brevi e l'uso attuale dei servizi di social network. I partecipanti che non soddisfacevano questi criteri venivano esclusi prima di completare il questionario completo. Elementi di controllo dell'attenzione sono stati inseriti nel sondaggio per identificare le risposte disattente; I partecipanti che non hanno mai contestato un punto di controllo dell'attenzione, hanno inviato risposte incomplete o non hanno superato domande di screening sono stati esclusi dall'analisi. Sono state raccolte in totale 292 risposte. Dopo aver escluso 32 risposte dovute a fallimenti di screening, risposte incomplete o mancati elementi di controllo dell'attenzione, sono state trattenute 260 risposte valide per l'analisi. Il sondaggio richiedeva circa 8–10 minuti per essere completato, e i partecipanti ricevettero circa €2,00 ($3,440).
Modello di misura
Le risposte sono state registrate su una scala di Likert a 7 punti che variava da 1 (fortemente dissentito) a 7 (fortemente d'accordo). Questo studio ha convalidato il modello di ricerca utilizzando ilPLS-SEM 25,26. PLS-SEM è stato selezionato perché lo studio è orientato alla previsione, esamina un modello di mediazione relativamente complesso e si concentra sulla varianza spiegata nei costrutti endogeni.
Analisi della mediazione
La significatività statistica è stata valutata utilizzando bootstrapping corretto per bias, con 5.000 ricampionamenti (Figura 2). Coefficienti di percorso standardizzati, effetti indiretti, dimensioni degli effetti (f2), rilevanza predittiva (Q2) e intervalli di confidenza del 95% sono stati esaminati per valutare le ipotesi proposte e gli effetti di mediazione.
Figura 2: Procedura di ricerca e flusso di lavoro di analisi dei dati. I partecipanti idonei erano utenti attivi del SNS di età pari o superiore a 18 anni. La figura illustra il reclutamento dei partecipanti attraverso la piattaforma di sondaggio online, le procedure di screening e controllo dell'attenzione, la raccolta dei dati dei sondaggi (N = 260), la pulizia dei dati, la valutazione del modello di misura, la valutazione del modello strutturale tramite PLS-SEM e i test di mediazione tramite bootstrapping con 5.000 ricampionamenti. Clicca qui per visualizzare una versione più grande di questa figura.
Modello strutturale
Le scale di misura validate per tutti i costrutti di studio sono state adattate da studi precedentemente pubblicati. Sono state apportate modifiche minori alla formulazione ove necessario per garantirne l'idoneità al contesto del dramma di breve durata. Gli elementi di misurazione sono presentati nella Tabella 2. Sebbene la scala di qualità dei contenuti sia stata originariamente sviluppata in contesti più ampi di streaming e intrattenimento digitale, cattura la percezione degli utenti sull'ampiezza e la diversità dell'intrattenimento. Nei contesti dei drammi di breve formato, i formati di intrattenimento possono includere elementi ibridi o cross-gender che vanno oltre gli episodi narrativi tradizionali. Pertanto, l'item che si riferisce alla varietà di intrattenimento riflette la percezione della diversità dei contenuti piuttosto che la trasmissione sportiva letterale ed è concettualmente coerente con la costruzione della qualità dei contenuti in questo studio.
| Costrutto | Voce | Domanda |
| Comodità di accesso | AC1 | Potevo guardare drammi brevi quando volevo. |
| AC2 | Potrei guardare drammi brevi ovunque mi trovi. | |
| AC3 | Potrei usare qualsiasi dispositivo digitale per accedere a contenuti di drammi brevi. | |
| Tempo di passare | PT1 | Guardavo drammi brevi perché passavano il tempo, soprattutto quando mi annoiavo |
| PT2 | Guarderei drama di breve durata quando non ho niente di meglio da fare | |
| PT3 | Guardavo drama brevi perché mi dava qualcosa con cui occupare il tempo | |
| Qualità dei contenuti | CQ1 | I contenuti drammatici brevi offrono una vasta gamma di contenuti. |
| CQ2 | I contenuti drammatici brevi offrono contenuti esclusivi e originali. | |
| CQ3 | I contenuti drammatici di breve durata offrono una vasta gamma di episodi e generi divertenti. | |
| CQ4 | I contenuti drammatici brevi offrono una vasta gamma di contenuti globali. | |
| Soddisfazione affettiva dei media | AS1 | Mi sento felice dopo aver passato del tempo con drammi di breve formato |
| AS2 | I drammi brevi mi danno piacere | |
| AS3 | L'esperienza di dramma di breve durata è piacevole | |
| AS4 | Sentirsi bene dopo aver visto un drama breve | |
| Abitudine | HB1 | Guardo drammi brevi per abitudine. |
| HB2 | Accedo e uso contesti di drammi brevi senza pensarci. | |
| HB3 | Uso naturalmente i contesti di dramma di forma breve. | |
| Intenzione di proroga | CI1 | Ho intenzione di utilizzare presto il dramma in formato breve in streaming. |
| CI2 | Sono disposto a continuare a usare contenuti drammatici brevi nel prossimo futuro. | |
| CI3 | Mantendrò il mio coinvolgimento con i contenuti drammatici brevi nel prossimo futuro. |
Tabella 2: Elementi di misurazione del modello di ricerca. Questa tabella elenca gli elementi di misurazione, le etichette costruttive e i riferimenti di sorgente utilizzati per operazionalizzare le variabili di ricerca. Tutti gli item sono stati misurati su una scala di Likert a 7 punti che varia da 1 (fortemente in disaccordo) a 7 (fortemente d'accordo). La tabella presenta ogni costrutto (comodità di accesso, tempo di passaggio, qualità del contenuto, soddisfazione affettiva, abitudine e intenzione di continuazione), i suoi elementi indicatori associati e lo studio originale da cui ciascuna scala è stata adattata.
Obietto comune del metodo
Poiché tutte le variabili sono state raccolte utilizzando dati di indagine auto-riportate, il bias comune del metodo (CMB) è stato valutato utilizzando sia rimedi procedurali che statistici. Innanzitutto, sono stati implementati diversi rimedi procedurali per ridurre il potenziale bias del metodo. La partecipazione era volontaria e anonima, e ai rispondenti è stato assicurato che non ci fossero risposte giuste o sbagliate. Gli elementi di misurazione sono stati adattati da studi precedenti validati e accuratamente riformulati per adattarsi al contesto del dramma in formato breve. Il questionario è stato strutturato per minimizzare le apprensioni di valutazione e ridurre l'ambiguità degli item. In secondo luogo, il test a fattore singolo di Harman è stato condotto per esaminare se un singolo fattore spiegasse la maggior parte della varianza. L'analisi factoriale esplorativa non rotata ha rivelato che il primo fattore spiegava meno del 50% della varianza totale, suggerendo che il bias comune del metodo difficilmente rappresenti una preoccupazione seria. In terzo luogo, i fattori di inflazione della varianza collineare (VIF) completi sono stati esaminati dopo Kocke Mayfield 27. Tutti i valori VIF erano al di sotto della soglia conservativa di 3,3 (Tabella 3), indicando che il bias comune del metodo non influisce sostanzialmente sulle stime del modello. Tuttavia, poiché tutte le variabili sono state raccolte dagli stessi intervistati all'interno di un'unica ondata di sondaggio, il bias residuo del metodo comune non può essere completamente escluso.
| Percorso interno del modello | VIF |
| AC→A | 1.342 |
| AS→HB | 1.000 |
| AS→CI | 1.933 |
| CQ→A | 1.410 |
| HB→CI | 1.939 |
| PT→A | 1.154 |
Tabella 3: Statistiche di collinearità (VIF). Questa tabella presenta i valori del fattore di inflazione della varianza (VIF) per tutti i costrutti predittivi utilizzati nel modello strutturale. Le righe elencano ogni costrutto predittore (comodità di accesso, tempo di passaggio, qualità del contenuto, soddisfazione affettiva e abitudine), e i corrispondenti valori VIF sono riportati nella colonna adiacente. I valori VIF sono stati esaminati per valutare la potenziale multicollinearità tra i costrutti e per valutare la probabilità di bias di metodo comune.
Risoluzione dei problemi e modifiche
Se un numero consistente di risposte non superava i criteri di screening o controllo dell'attenzione, i criteri di idoneità venivano perfezionati e le istruzioni del sondaggio chiarite per garantire che i partecipanti avessero una vera esperienza precedente con il dramma di breve formato. Se l'affidabilità della consistenza interna scendeva sotto le soglie raccomandate (ad esempio, affidabilità composita < 0,70) o la varianza media estratta (AVE) scendeva sotto 0,50, venivano esaminati i carichi degli elementi e venivano rimossi indicatori con scarso rendimento mantenendo la coerenza teorica. Se veniva rilevata multicollinearità (ad esempio, i valori del fattore di inflazione della varianza superavano i limiti raccomandati), le specifiche del costrutto venivano rivalutate e gli indicatori ridondanti venivano rimossi. Se gli effetti di mediazione o moderazione non erano significativi, la dimensione del campione veniva aumentata e/o l'operativizzazione del costrutto veniva riesaminata per garantire una potenza statistica adeguata. L'auto-bootstrapping è stato condotto utilizzando un numero sufficiente di sottocampioni (ad esempio, 5.000) per ottenere stime stabili dei parametri.
Risultati
Caratteristiche del campione
La Tabella 4 mostra un campione ben bilanciato di 260 intervistati in categorie demografiche chiave. Per età, il gruppo più numeroso è composto da partecipanti sui vent'anni o meno (38,8%), seguiti da quelli sulla trentina (32,3%). Gli intervistati tra i 40 anni (14,2%) e i 50 anni (14,6%) sono rappresentati in proporzioni più piccole ma simili. Il genere è quasi equamente distribuito, con il 49,2% di partecipanti maschi e il 50,8% femminile. In termini di istruzione, i laureati universitari rappresentano il gruppo più numeroso (50,0%), seguiti da coloro con istruzione post-laurea (26,5%). Quote più piccole hanno riportato l'istruzione a livello di scuola superiore (12,7%) e università (10,8%). Per il reddito annuo familiare, il campione è relativamente distribuito tra le fasce di reddito, anche se la proporzione più grande è sotto i 30.000 dollari (23,1%), mentre la più bassa è di 100.000 dollari o più (16,5%). Nel complesso, la distribuzione del reddito appare piuttosto diversificata senza una forte concentrazione in una singola categoria.
| Categoria | Voce | Frequenza | Rapporto |
| Età | Ventenni o meno | 101 | 38.80% |
| Anni '30 | 84 | 32.30% | |
| Anni '40 | 37 | 14.20% | |
| Anni '50 | 38 | 14.60% | |
| Genere | Maschio | 128 | 49.20% |
| Femmina | 132 | 50.80% | |
| Istruzione | Scuola superiore | 33 | 12.70% |
| Università | 28 | 10.80% | |
| Università | 130 | 50.00% | |
| Scuola di specializzazione | 69 | 26.50% | |
| Nucleo familiare annuale | Meno di $30.000 | 60 | 23.10% |
| Reddito | $30.000–$49.999 | 52 | 20.00% |
| 50.000–74.999 dollari | 57 | 21.90% | |
| 75.000–100.000 dollari | 48 | 18.50% | |
| $100.000 o più | 43 | 16.50% |
Tabella 4: Caratteristiche demografiche dei rispondenti (N = 260). Questa tabella presenta la distribuzione demografica del campione analitico finale. Le righe elencano le categorie demografiche (genere, età, istruzione e reddito) e le colonne mostrano la frequenza (n) e la percentuale (%) per ciascuna categoria.
Modello di misura
Come mostrato nella Tabella 5, i carichi esterni di tutti i costrutti sono ben al di sopra della soglia minima. I valori di CR e α di Cronbach sono superiori a 0,7, indicando un'elevata coerenza interna. Il valore AVE supera 0,5, che soddisfa la validitàconvergente 26.
| Costrutto | L'alfa di Cronbach | CR (rho_a) | CR (rho_c) | AVE |
| AC | 0.830 | 0.833 | 0.898 | 0.747 |
| COME | 0.958 | 0.959 | 0.970 | 0.889 |
| CQ | 0.790 | 0.821 | 0.861 | 0.610 |
| HB | 0.899 | 0.915 | 0.937 | 0.831 |
| PT | 0.850 | 0.896 | 0.907 | 0.765 |
| CI | 0.923 | 0.923 | 0.951 | 0.866 |
Tabella 5: Analisi dell'affidabilità. Questa tabella presenta carichi indicatori, alfa di Cronbach, affidabilità composita (CR) e varianza media estratta (AVE) per tutti i costrutti. Le righe elencano ogni costrutto (comodità di accesso, tempo di passaggio, qualità del contenuto, soddisfazione affettiva, abitudine e intenzione di continuazione) e i suoi elementi indicatori, mentre le colonne mostrano i carichi fattoriali standardizzati, i valori alfa, CR e AVE di Cronbach. Queste metriche sono state utilizzate per valutare la coerenza interna, l'affidabilità e la validità convergente.
La validità discriminante è stata testata utilizzando i criteri di Fornell–Larcker e del rapporto eterotratto–monotratto (HTMT). La Tabella 6 mostra che le radici quadrate degli AVE sono maggiori delle correlazioni con le altre componenti per ciascuna componente. Allo stesso modo, la Tabella 7 mostra che tutti i rapporti HTMT sono significativamente al di sotto della soglia28 di 0,85.
| AC | COME | CQ | HB | PT | CI | |
| AC | 0.864 | |||||
| COME | 0.497 | 0.943 | ||||
| CQ | 0.493 | 0.666 | 0.781 | |||
| HB | 0.461 | 0.686 | 0.612 | 0.912 | ||
| PT | 0.274 | 0.587 | 0.346 | 0.433 | 0.875 | |
| CI | 0.552 | 0.777 | 0.646 | 0.744 | 0.491 | 0.931 |
Tabella 6: criterio Fornell-Larcker. Questa tabella presenta la valutazione della validità discriminante di Fornell-Larcker. Righe e colonne rappresentano i costrutti dello studio (comodità di accesso, tempo di passaggio, qualità del contenuto, soddisfazione affettiva, abitudine e intenzione di continuazione). Gli elementi diagonali rappresentano la radice quadrata dell'AVE per ogni costrutto, mentre gli elementi fuori diagonale rappresentano correlazioni tra costrutti.
| AC | COME | CQ | HB | PT | CI | |
| AC | ||||||
| COME | 0.557 | |||||
| CQ | 0.592 | 0.738 | ||||
| HB | 0.523 | 0.73 | 0.724 | |||
| PT | 0.3 | 0.627 | 0.372 | 0.47 | ||
| CI | 0.63 | 0.825 | 0.742 | 0.806 | 0.519 |
Tabella 7: rapporto HTMT. Questa tabella presenta i valori HTMT per tutte le coppie costruttuti. Righe e colonne rappresentano i costrutti dello studio (comodità di accesso, tempo di passaggio, qualità del contenuto, soddisfazione affettiva, abitudine e intenzione di continuazione). I valori HTMT al di sotto della soglia raccomandata indicano una validità discriminante soddisfacente tra i costrutti.
Il bias del metodo comune è stato inoltre valutato utilizzando il test a fattore singolo di Harman e l'analisi completa VIF di collinearità. Il primo fattore ha rappresentato meno del 50% della varianza totale, e tutti i valori del VIF erano inferiori a 3,3, suggerendo che il bias comune del metodo difficilmente avrebbe minacciato la validità dei risultati.
Modello strutturale
Come mostrato nella Figura 3 e nella Tabella 8, i risultati del modello strutturale indicano che la soddisfazione affettiva (AS) è stata significativamente prevista dalla comodità di accesso (β = 0,171, p < 0,01), dal tempo di passaggio (β = 0,385, p < 0,001) e dalla qualità dei contenuti (β = 0,448, p < 0,001), spiegando il 61,0% della sua varianza (R2 = 0,610), con la qualità dei contenuti che esercita la maggiore influenza. La soddisfazione affettiva ha fortemente previsto l'Abitudine (β = 0,686, p < 0,001; R2 = 0,470) e ha avuto anche un effetto diretto significativo sull'Intenzione di continuazione (β = 0,496, p < 0,001). L'abitudine ha inoltre contribuito in modo significativo all'Intenzione di continuità (β = 0,393, p < 0,001), spiegata a un livello sostanziale (R2 = 0,689). Questi risultati suggeriscono un modello di mediazione parziale in cui la soddisfazione affettiva è collegata all'intenzione di continuazione sia direttamente che indirettamente attraverso la formazione dell'abitudine. Le variabili di controllo (età, genere, istruzione e reddito) non hanno mostrato effetti significativi sull'intenzione di continuazione.
La rilevanza predittiva (Q2) è stata valutata utilizzandola Q 2 di Stone-Geisser. Tutti i costrutti endogeni hanno mostrato valori di Q2 superiori a zero (AS = 0,412, HB = 0,356, IC = 0,523), indicando una rilevanza predittiva soddisfacente.
Oltre a esaminare la significanza del percorso, i risultati della dimensione dell'effetto (f2) forniscono una comprensione del contributo sostanziale di ciascun predittore alla varianza spiegata dei costrutti endogeni. Per quanto riguarda gli antecedenti dell'AS, CQ mostra un grande effetto (f2 = 0,365), indicando che è un fattore principale dell'AS nel modello. La PT dimostra anche un contributo sostanziale (f2 = 0,329), avvicinandosi alla soglia per un grande effetto e suggerendo una forte rilevanza pratica. Al contrario, AC mostra solo un piccolo effetto (f2 = 0,056), implicando un contributo incrementale relativamente limitato alla AS. Questi risultati suggeriscono che, sebbene tutti e tre gli antecedenti contribuiscano all'AS, la CQ e la PT sono i fattori esplicativi dominanti, mentre l'AC svolge un ruolo più di supporto.
Per le relazioni a valle, l'AS esercita un effetto eccezionalmente grande sull'HB (f2 = 0,887), sottolineando il suo ruolo fondamentale nella spiegazione del comportamento abituale. Inoltre, l'AS mostra un grande effetto sull'IC (f2 = 0,409), indicando un contributo sostanziale al potere esplicativo del modello per gli esiti di continuazione. HB contribuisce anche in modo significativo all'IC (f2 = 0,256), con un effetto di dimensione medio-grande, anche se il suo impatto incrementale è minore rispetto a quello dell'AS. Nel complesso, l'analisi delle dimensioni dell'effetto evidenzia l'AS come meccanismo centrale nel modello strutturale, esercitando un'influenza dominante sia su HB che su CI, mentre CQ e PT emergono come determinanti chiave a monte dell'AS.
Questi risultati rafforzano la tesi teorica secondo cui il rinforzo affettivo svolge un ruolo dominante nel plasmare l'impegno abituale, che successivamente stabilisce l'intenzione di continuità nei contesti dei media digitali di breve formato.
I risultati del modello strutturale (Figura 3) illustrano i coefficienti di percorso standardizzati (β) e i coefficienti di determinazione (R2) per il modello di ricerca proposto. Le variabili di controllo (età, genere, istruzione, reddito) sono state incluse nel modello ma sono state omesse dalla figura per chiarezza visiva.
Figura 3: Risultati del modello strutturale. I risultati mostrano i coefficienti di percorso standardizzati (β), i livelli di significatività e i coefficienti di determinazione (R2) per il modello di ricerca proposto. AC = Comodità di Accesso; PT = Tempo di passaggio; CQ = Qualità dei Contenuti; AS = Soddisfazione Affettiva; HB = Abitudine; CI = Intenzione di Continuazione. β rappresenta coefficienti di percorso standardizzati, e R2 rappresenta la varianza spiegata per i costrutti endogeni. I livelli di significatività sono indicati come segue: *p < 0,05, **p < 0,01 e ***p < 0,001. Le variabili di controllo (età, genere, istruzione e reddito) sono state incluse nell'analisi ma sono state omesse dalla figura per chiarezza visiva. Clicca qui per visualizzare una versione più grande di questa figura.
I coefficienti di percorso e i risultati dei test di ipotesi (Tabella 8) presentano i coefficienti di percorso standardizzati (β), gli errori standard (SE), i valori t, i valori p e le dimensioni degli effetti (f2) per tutte le relazioni ipotizzate nel modello strutturale.
| Percorso | β | Mediocre | MST | Valore t | Valore p |
| AC→A | 0.171 | 0.173 | 0.061 | 2.815 | 0.005 |
| AS→HB | 0.686 | 0.687 | 0.03 | 22.864 | 0.000 |
| AS→CI | 0.496 | 0.496 | 0.052 | 9.558 | 0.000 |
| CQ→A | 0.448 | 0.449 | 0.052 | 8.56 | 0.000 |
| HB→CI | 0.393 | 0.393 | 0.054 | 7.284 | 0.000 |
| PT→A | 0.385 | 0.380 | 0.059 | 6.492 | 0.000 |
Tabella 8: Coefficienti di cammino. Questa tabella presenta i risultati dell'analisi del modello strutturale. Le righe elencano ogni percorso ipotizzato nel modello strutturale (ad esempio, comodità di accesso → soddisfazione affettiva, soddisfazione affettiva → abitudine), mentre le colonne presentano i coefficienti di percorso standardizzati (β), gli errori standard (SE), i valori t, i valori p e le dimensioni degli effetti (f2) per tutte le relazioni ipotetiche. Livelli di significatività: p < 0,001, p < 0,01, p < 0,05.
Analisi della mediazione
Per esaminare il meccanismo di mediazione sequenziale, abbiamo analizzato i percorsi indiretti dagli attributi ambientali all'IC attraverso AS e HB. I risultati dell'analisi specifica degli effetti indiretti (Tabella 9) hanno rivelato che tutti i percorsi sequenziali erano statisticamente significativi. L'analisi di mediazione basata sull'bootstrapping indica che AS e HB trasmettono effetti indiretti significativi attraverso il modello. In particolare, AS media significativamente gli effetti degli antecedenti su HB: gli effetti indiretti sono positivi e statisticamente significativi per AC → AS → HB (β = 0,117, t = 2,835, p = 0,005), CQ → AS → HB (β = 0,307, t = 7,822, p < 0,001), e PT → AS → HB (β = 0,264, t = 5,993, p < 0,001). Tra questi, l'entità dell'effetto indiretto è maggiore per la CQ, seguita dalla PT, con l'AC che mostra un'influenza mediata minore ma affidabile. Questo schema suggerisce che i miglioramenti in AC, CQ e PT si traducono principalmente in esiti abituali più forti attraverso aumenti di AS, con la CQ che opera come via ascendente più influente.
Inoltre, i risultati forniscono prove coerenti che gli esiti correlati alla continuazione (IC) sono modellati sia attraverso la mediazione a singolo passaggio tramite AS sia tramite mediazione seriale tramite AS e HB. Gli effetti indiretti di AC → AS → CI (β = 0,085, t = 2,598, p = 0,009), CQ → AS → CI (β = 0,222, t = 6,774, p < 0,001) e PT → AS → IC (β = 0,191, t = 5,091, p < 0,001) sono tutti positivi e significativi, indicando che AS funge da meccanismo chiave che collega gli antecedenti all'IC. Inoltre, gli effetti indiretti seriali attraverso entrambi i mediatori sono significativi: AC → AS → HB → IC (β = 0,046, t = 2,636, p = 0,008), CQ → AS → HB → IC (β = 0,121, t = 5,261, p < 0,001), e PT → AS → HB → IC (β = 0,104, t = 4,638, p < 0,001). Insieme, questi risultati indicano un processo robusto in cui gli antecedenti prima aumentano l'AS, rafforzano poi l'HB e alla fine sono associati all'IC, mentre l'AS esercita anche un percorso mediatore diretto verso l'IC indipendentemente dall'HB. Nel complesso, la CQ mostra la più forte influenza mediata sia su HB che su IC, la PT mostra effetti indiretti comparativamente forti, e la CA mostra effetti indiretti più piccoli ma statisticamente significativi, a supporto dei meccanismi proposti di mediazione e mediazione seriale nel modello. Poiché gli intervalli di confidenza non includono lo zero, questi risultati sono coerenti con la proposta catena di 'soddisfazione-abitudine-continuazione' nel contesto del consumo di drammi brevi.
| Percorso | β | Mediocre | MST | Valore t | Valore p |
| AC→AS→HB | 0.117 | 0.119 | 0.041 | 2.835 | 0.005 |
| AS→HB→CI | 0.270 | 0.270 | 0.040 | 6.776 | 0.000 |
| AC→AS→CI | 0.085 | 0.086 | 0.033 | 2.598 | 0.009 |
| CQ→AS→HB | 0.307 | 0.308 | 0.039 | 7.822 | 0.000 |
| AC→AS→HB→CI | 0.046 | 0.047 | 0.017 | 2.636 | 0.008 |
| CQ→AS→CI | 0.222 | 0.222 | 0.033 | 6.774 | 0.000 |
| PT→AS→HB | 0.264 | 0.261 | 0.044 | 5.993 | 0.000 |
| CQ→AS→HB→CI | 0.121 | 0.121 | 0.023 | 5.261 | 0.000 |
| PT→AS→CI | 0.191 | 0.189 | 0.038 | 5.091 | 0.000 |
| PT→AS→HB→CI | 0.104 | 0.103 | 0.022 | 4.638 | 0.000 |
Tabella 9: Effetti indiretti. Questa tabella presenta i risultati dell'analisi della mediazione bootstrapped. Le righe elencano ogni percorso indiretto ipotizzato (ad esempio, AC → AS → HB, CQ → AS → HB → CI), mentre le colonne presentano le stime degli effetti indiretti, gli errori standard, i valori t, i valori p e gli intervalli di confidenza corretti al 95% per i percorsi di mediazione ipotizzati.
La Tabella 10 riassume i risultati dei test di ipotesi. Come mostrato nella Tabella 10, tutte le ipotesi proposte (H1–H8c) sono state supportate.
| Ipotesi | Percorso | Risultato |
| H1 | AC→A | Supportati |
| H2 | PT→A | Supportati |
| H3 | CQ→A | Supportati |
| H4 | AS→CI | Supportati |
| H5 | AS→HB | Supportati |
| H6 | HB→CI | Supportati |
| H7 | AS→HB→CI | Supportati |
| H8a | AC→AS→HB→CI | Supportati |
| H8b | PT→AS→HB→CI | Supportati |
| H8c | CQ→AS→HB→CI | Supportati |
Tabella 10: Riassunto a supporto delle ipotesi. Questa tabella riassume i risultati dei test di ipotesi e indica se ogni ipotesi proposta è stata supportata sulla base del modello strutturale e delle analisi di mediazione. Le righe elencano ogni ipotesi (H1–H8c), e le colonne presentano il percorso ipotizzato, il coefficiente di percorso standardizzato o effetto indiretto, e lo stato di supporto (supportato vs. non supportato).
DISPONIBILITÀ DEI DATI
Tutti i dati grezzi anonimizzati del sondaggio a supporto dei risultati di questo studio sono forniti nel File Supplementare 1 (formato CSV). Il file contiene le risposte complete dei partecipanti de-identificate utilizzate in tutte le analisi riportate in questo manoscritto. Il file di progetto SmartPLS, le impostazioni del modello e gli output di analisi sono forniti nel File Supplementare 2. Non è inclusa alcuna informazione personalmente identificabile in alcun dataset condiviso.
File supplementare 1: Tutti i dati grezzi anonimizzati a supporto dei risultati di questo studio.Clicca qui per scaricare questo file.
File Supplementare 2: Il file del progetto SmartPLS, le impostazioni del modello e gli output dell'analisi.Clicca qui per scaricare questo file.
Discussione
Questo studio mirava a spiegare l'intenzione di continuità nei contesti di drammi di breve formato integrando fattori di esperienza digitale, soddisfazione affettiva e formazione di abitudini all'interno del quadro S-O-R. I risultati forniscono un forte supporto empirico al meccanismo sequenziale proposto e suggeriscono che la continuazione digitale sia meglio compresa come un processo dinamico di rinforzo affettivo-comportamentale. I fattori dell'esperienza digitale—comodità di accesso, passare del tempo e qualità dei contenuti—influenzano significativamente la soddisfazione affettiva, con la qualità dei contenuti che esercita il maggiore effetto, seguita dal passare del tempo, mentre la comodità di accesso gioca un ruolo relativamente minore ma significativo. Questo schema suggerisce che, sebbene l'accessibilità senza attriti sia necessaria in contesti di visione frammentati, i contenuti emotivamente coinvolgenti e immersivi rimangono il principale determinante delle valutazioni affettive positive degli utenti. Negli ambienti di dramma di breve durata, dove la compressione narrativa e il rapido coinvolgimento sono centrali, la ricchezza di contenuti percepita e la creatività sembrano essere gli stimoli emotivi più potenti. La soddisfazione affettiva emerge anche come meccanismo centrale nel modello strutturale, contribuendo alla formazione dell'abitudine e all'intenzione di continuità attraverso la catena "soddisfazione-abitudine-continuazione".
Questi risultati estendono le ricerche precedenti sulla continuità digitale riformulando l'intenzione di continuità come un processo affettivo-comportamentale sequenziale piuttosto che come un risultato statico post-adozione. I modelli tradizionali di continuazione, inclusa la teoria della conferma dell'aspettativa, enfatizzano principalmente la valutazione cognitiva e la soddisfazione come predittori diretti dell'usosostenuto 29,30. Al contrario, i risultati attuali dimostrano che in ambienti digitali ad alta frequenza e strutturalmente compressi, la soddisfazione affettiva può funzionare non solo come risultato valutativo, ma anche come correlato psicologico dell'impegno abituale. Questa interpretazione è coerente con la teoria delle abitudini, che suggerisce che il comportamento ripetuto sotto segnali contestuali stabili rafforzi gradualmente le tendenze comportamentali automatiche. Tuttavia, poiché il presente studio non testa direttamente l'accelerazione temporale o la formazione causale delle abitudini, gli ambienti drammatici a breve durata possono essere intesi come condizioni in cui l'impegno abituale è più probabile di essere rafforzato.
Lo studio amplia inoltre il quadro S-O-R integrando l'abitudine come meccanismo di rinforzo sequenziale che collega gli stati affettivi alla persistenza comportamentale. Mentre le precedenti applicazioni S-O-R spesso presentano soddisfazione e abitudine come predittori paralleli della continuazione, il modello attuale dimostra che l'abitudine emerge come conseguenza a valle del rinforzo affettivo. Questo percorso affettivo-abituale sequenziale fornisce una spiegazione più coerente temporalmente del comportamento post-adozione, in particolare nei contesti di intrattenimento mobile-first caratterizzati da cicli di coinvolgimento rapidi e ripetitivi. I risultati introducono inoltre ambienti di coinvolgimento strutturalmente compressi come condizioni contestuali che possono rafforzare l'associazione tra risposte affettive e comportamenti abituali. Sebbene caratteristiche strutturali come micro-episodi, opportunità di rientro rapido e prompt algoritmici non siano state direttamente operative in questo modello, l'inquadramento teorico evidenzia come cicli di rinforzo densi incorporati negli ecosistemi di forma breve possano intensificare la stabilizzazione comportamentale guidata dall'affetto. È importante sottolineare che questo meccanismo riflette una routine normativa piuttosto che una dipendenza patologica, evidenziando la distinzione tra impegno abituale e uso compulsivo.
I risultati offrono implicazioni pratiche per le piattaforme di drammi di breve formato e i fornitori di contenuti. Comprendere il ruolo centrale della qualità dei contenuti nella soddisfazione affettiva suggerisce che l'originalità narrativa, la narrazione emotiva e gli elementi produttivi immersivi siano stimoli ambientali chiave che generano risposte affettive positive, supportando successivamente un coinvolgimento ripetuto e un uso prolungato. L'ottimizzazione tecnica da sola è insufficiente senza contenuti che generino una vera risonanza emotiva. Il design dell'esperienza utente dovrebbe anche considerare come le caratteristiche ambientali rafforzino stati affettivi positivi durante interazioni ripetute. Caratteristiche come transizioni fluide, anteprime emotivamente coinvolgenti e raccomandazioni personalizzate possono amplificare la soddisfazione affettiva e facilitare un coinvolgimento abituale. Sebbene la comodità di accesso abbia un effetto minore sulla soddisfazione affettiva rispetto alla qualità dei contenuti, riduce l'attrito negli ambienti digitali rimane importante perché preserva la fluidità esperienziale e previene interruzioni nel ciclo di rinforzo affettivo. Nel complesso, i risultati suggeriscono che un coinvolgimento sostenibile dei media digitali può essere supportato combinando i principi dell'engagement emotivo con il design comportamentale, monitorando al contempo sia la soddisfazione che i modelli abituali di utilizzo.
Nonostante i suoi contributi, questo studio presenta diverse limitazioni che offrono indicazioni per ricerche future. Innanzitutto, il disegno di indagine a sezione trasversale limita l'inferenza causale e l'ordinamento temporale tra i costrutti proposti. Sebbene questo studio abbia concettualizzato gli ambienti drammatici di forma breve come contesti di rinforzo denso, le caratteristiche strutturali alla base della densità di rinforzo non sono state misurate direttamente. Pertanto, i risultati dovrebbero essere interpretati come prove di associazione piuttosto che come accelerazione temporale o formazione di abitudini causali. Le ricerche future dovrebbero utilizzare disegni longitudinali o sperimentali e operazionalizzare esplicitamente variabili legate alla densità di rinforzo per convalidare il meccanismo proposto. In secondo luogo, i dati sono stati raccolti in un unico contesto di dramma breve e si sono basati esclusivamente su misure auto-riportate, che possono limitare la generalizzazione e introdurre bias verso metodi comuni nonostante i controlli statistici. Le ricerche future dovrebbero esaminare diversi contesti culturali, fasce d'età e contesti di piattaforma incorporando al contempo dati di monitoraggio comportamentale per integrare le risposte auto-riportate. Inoltre, il presente studio non ha raccolto informazioni specifiche sull'utilizzo della piattaforma (ad esempio, ReelShort, DramaBox, ShortMax, le piattaforme di drama basate su TikTok). Di conseguenza, i risultati non dovrebbero essere generalizzati uniformemente in tutti gli ecosistemi di drammi di forma breve. Studi futuri dovrebbero confrontare gli utenti tra le piattaforme ed esaminare se le caratteristiche e l'intensità dell'uso della piattaforma moderino le relazioni tra soddisfazione affettiva, abitudine e intenzione di continuazione. Terzo, sebbene questo studio distingua concettualmente l'impegno abituale dalla dipendenza patologica, ricerche future potrebbero incorporare misure di uso problematico o autocontrollo per chiarire ulteriormente le condizioni di confine tra una routine sana e il consumo eccessivo. Questo studio si è concentrato anche specificamente sui contenuti drammatici brevi; Pertanto, la generalizzazione ad altre forme di contenuti brevi, come video brevi generali o reel sui social media, richiede ulteriori test empirici. Ulteriori costrutti psicologici, come l'attaccamento emotivo, la fiducia nei media e la percepita personalizzazione, possono affinare ulteriormente la comprensione dei processi di continuità negli ecosistemi strutturali di forma breve. In sintesi, questo studio dimostra che l'intenzione di continuità nei contesti di drammi di breve formato è guidata da un processo sequenziale di rinforzo affettivo-comportamentale in cui le esperienze digitali modellano la soddisfazione affettiva, la soddisfazione favorisce la formazione di abitudini e l'abitudine stabilizza la persistenza comportamentale. Integrando meccanismi emotivi e automatici all'interno del quadro S-O-R, i risultati forniscono una spiegazione completa dell'impegno sostenuto in ecosistemi digitali di forma breve frammentati.
Dichiarazioni
Gli autori dichiarano di non esserci conflitti di interesse.
Ringraziamenti
Questo lavoro è stato finanziato dalla ricerca dell'Università aSSIST.
Materiali
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Chatgpt 5.2 | OpenAI | RRID:SCR_023775 | Miglioramento della leggibilità e controllo grammaticale, https://www.chatgpt.com/ |
| Prolific (Online Participant Recruitment Platform) | Prolific Academic Ltd | Non disponibile / Non identificato | Piattaforma online utilizzata per reclutare i partecipanti al sondaggio. I partecipanti sono stati selezionati in base a criteri di idoneità (ad esempio, impiego attuale in un'organizzazione con esperienza nell'adozione dell'IA) e compensati in conformità con le linee guida di pagamento equo di Prolific. https://www.prolific.com/ |
| Qualtrics (Online Survey Platform) | Qualtrics, LLC | RRID:SCR_016728 | Piattaforma per sondaggi basata sul web utilizzata per la progettazione di questionari, la distribuzione e la raccolta dei dati di risposta. Tutti gli elementi di misurazione sono stati somministrati tramite Qualtrics utilizzando una scala Likert a 7 punti (1 = fortemente in disaccordo, 7 = fortemente d'accordo). https://www.qualtrics.com/ |
| SmartPLS 4.0 (PLS-SEM Software) | SmartPLS GmbH | RRID:SCR_022040 | Utilizzato per tutte le analisi di Partial Least Squares Structural Equation Modeling (PLS-SEM), inclusa la valutazione del modello esterno (affidabilità composita, AVE, HTMT), l'analisi dei percorsi del modello interno (bootstrapping, 5.000 campioni), il test di invarianza compositiva MICOM a 3 fasi (permutazione, 1.000 estrazioni) e i test di differenza tra gruppi PLS-MGA. https://smartpls.com/ |
Riferimenti
- He Z, et al. User immersion-aware short video recommendation. ACM Trans Inf Syst. 2025;44(1):1-33.
- Zhou R. Understanding the impact of TikTok's recommendation algorithm on user engagement. Int J Comput Sci Inf Technol. 2024;3(2):201-208.
- Bhattacherjee A. Understanding information systems continuance: An expectation-confirmation model. MIS Q. 2001;25(3):351-370.
- Oulasvirta A, Rattenbury T, Ma L, Raita E. Habits make smartphone use more pervasive. Pers Ubiquitous Comput. 2012;16(1):105-114.
- 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.
- 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.
- Mehrabian A, Russell JA. A verbal measure of information rate for studies in environmental psychology. Environ Behav. 1974;6(2):233.
- Eroglu SA, Machleit KA, Davis LM. Atmospheric qualities of online retailing: A conceptual model and implications. J Bus Res. 2001;54(2):177-184.
- 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.
- 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.
- Berry LL, Seiders K, Grewal D. Understanding service convenience. J Mark. 2002;66(3):1-17.
- Kim J, Fesenmaier DR. Sharing tourism experiences: The posttrip experience. J Travel Res. 2017;56(1):28-40.
- 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.
- Whiting A, Williams D. Why people use social media: A uses and gratifications approach. Qual Mark Res Int J. 2013;16(4):362-369.
- 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.
- 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.
- Wood W, Neal DT. A new look at habits and the habit-goal interface. Psychol Rev. 2007;114(4):843-863.
- 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.
- Prabhavathy R, Senthilkumar S. User experiences in over-the-top (OTT) streaming media platform services. Qubah Acad J. 2025;5(2):82-99.
- 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.
- 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.
- 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.
- 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.
- Wood W. Habits, goals, and effective behavior change. Curr Dir Psychol Sci. 2024;33(4):226-232.
- Lohmöller JB. Predictive vs. structural modeling: PLS vs. ML. Latent variable path modeling with partial least squares. Physica, Heidelberg. 1989.
- 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.
- Kock N, Mayfield M. PLS-based SEM algorithms: The good neighbor assumption, collinearity, and nonlinearity. Inf Manag Bus Rev. 2015;7(2):113-130.
- 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.
- 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.
- 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/.
Ristampe e permessi
Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE
Richiedi permesso