遗产地数字阐释中的绩效线索与内容线索：数字游客体验效应构成的跨国比较

《Heritage》：Performance and Content Cues in Digital Heritage Interpretation: A Cross-Country Comparison of the Digital Visitor Experience

　　

遗产地的数字阐释通常被测量为单一体验构念（construct）。本研究将其视为发出两类证据：关于系统如何运行的程序性证据（procedural evidence）与关于系统所断言内容的实质证据（substantive evidence），游客在形成满意度时会分别权衡二者。该模型在中国1000名世界遗产地游客与美国989名游客中接受检验，在建立构型（configural）、度量（metric）与标量（scalar）不变性后，采用多群组结构方程模型（multigroup structural equation modeling）进行分析。两个样本在数字供给对满意度和推荐意向的间接效应（indirect effect）大小上存在中等程度差异，而在其构成上几乎完全相反：程序性证据在中国承载了对满意度效应的75%，在美国仅为9%，后者以真实性判断为主导；满意度转化为推荐意向在中国游客中约强两倍。蒙特卡洛区间（Monte Carlo intervals）表明，构成差异被精确估计，而效应总量在统计上并不等价。当效应的大小与构成被并读时，其构成成为比总量更具信息量的比较对象，有助于遗产管理者决定是投资数字系统的绩效还是其内容的可信度；由此得出的配置含义以命题（propositions）形式提出，而非作为已检验的规则。

研究背景与问题

数字阐释已成为世界遗产地游客供给的标准组成部分，但其评估通常按服务触点逐点进行，并将数字技术视为单一体验构念（construct）。既有跨国比较通常将关系强度的情境差异解读为量级差异。然而，两个样本中数字供给对推荐意向的间接效应仅相差约五分之二、对满意度相差约五分之一，构成差异却巨大——一个样本中四分之三由绩效证据组装，另一个样本中十分之九由实质证据组装。现有文献因缺少描述证据基础整体的构念，无法表达“两个系统以结构性不同的手段达到同一目的地”；遗产管理因而需回答：同一数字触点在不同国家是否提供相同证据？

研究内容、结论与意义

基于线索诊断性理论（cue diagnosticity theory，信息按被判断为信息量的大小进入评价），研究人员将数字阐释视为发出两类证据：绩效证据（procedural evidence，关于系统如何运行）与实质证据（substantive evidence，关于系统所断言内容），游客形成满意度时分别权衡二者；进而将评价视为证据组合（evidentiary portfolio），其定义属性是集中度（concentration）而非规模。研究在中国沿海1000名与美国989名世界遗产地游客样本中检验五路径模型，经完全测量不变性检验后以多群组结构方程模型（multigroup structural equation modeling，MGSEM）比较路径，将间接效应分解为两条路径，计算绩效份额（λ）与集中度指数（C=λ²+(1?λ)²），以蒙特卡洛方法（Monte Carlo method）获得区间估计。结论表明：两样本效应大小差异中等而构成几乎完全相反——绩效线索在中国承载75%的满意度效应（λ=0.748），在美国仅为9%（λ=0.089），后者真实性判断主导；中国游客满意度向推荐意向的转化约强两倍。这表明构成与大小并读时是跨国比较中比大小更具信息量的比较对象，可帮助遗产管理者选择投资数字系统绩效还是内容可信度。其意义在于：概念上以组合集中度提供了效应规模比较缺乏的比较对象；经验上记录了构成近乎反转的个案；实践上转化为预算优先顺序、第二渠道价值与暴露风险命题。

主要技术方法

研究采用横截面调查设计，经现场拦截调查收集数据：中国样本于2025年6—9月在11个沿海省级单位的45个抽样单元采集，美国样本于2025年7—10月在八个州与地区的13个单元采集，经资格与质量筛选后获得中国1000份、美国989份有效问卷。分析流程为：共同方法偏差评估、验证性因子分析（CFA）、多群组测量等值检验、多群组结构方程模型（SEM）路径比较；以蒙特卡洛方法（Monte Carlo method，200,000次抽样）分解间接效应、绩效份额λ、集中度指数C及跨样本差异区间，并做双单侧等价检验（TOST）。

研究结果

样本概况（Sample Profile）：两样本在性别、年龄、教育上广泛可比；中国样本女性比例略高（55.8%对47.1%）且更年轻，教育程度均显著高于普通游客群体（部分源于数字服务筛选）。

测量模型评估（Measurement Model Assessment）：Cronbach's α为0.863–0.889，KMO为0.955与0.951，Bartlett检验显著；平均方差提取量（average variance extracted，AVE）均超0.50，组合信度（composite reliability）为0.831–0.880，异质-单质相关比（heterotrait–monotrait ratio of correlations，HTMT）低于0.85，聚合与区分效度成立。

不变性与结构模型（Invariance and the Structural Model）：构型（configural）、度量（metric）、标量（scalar）不变性全部成立（ΔCFI=0.000，ΔRMSEA不超过0.001）；五条路径在两样本中均正向显著（p<0.001），方向差异均符合假设（H1–H7c）：感知数字特征对中国样本数字参与互动的预测远强于美国（z=6.06），对感知真实性则美国远强于中国（z=?6.47）；数字参与互动对满意度的锚定在中国更强（z=7.17），真实性对满意度的锚定在美国更强（z=?7.55），满意度向推荐意向的转化在中国更强（z=6.57）。

效应构成（Composition of the Effect）：数字供给对满意度的间接效应在中国为0.304、美国为0.373，对推荐意向在中国为0.171、美国为0.105；绩效份额λ中国为0.748、美国为0.089，差异0.659以远高于大小差异的精度估计；集中度指数C中国为0.623、美国为0.838；总量在统计上不等价（最小感兴趣差异±0.10）但量级相近；若主导路径贡献减半，中国样本保留63%的满意度驱动因素，美国样本仅保留54%。

讨论与结论

讨论部分指出，两个评价体系以大体相近的程度关联数字供给与满意度和推荐意向，但从几乎完全相反的证据中组装这一关联。由此提出两个命题（propositions）：效率性（efficiency），即权重集中于一类线索时，从供给到判断的推断步骤短，单一强评估完成本应分摊的工作；暴露性（exposure），即集中型评价缺乏第二条路径吸收主路径失败，主导类线索恶化将直接传导，改善次要类无法补偿。暴露性更难察觉：效率可见于任何单一强系数，而暴露是缺失的第二条路径的属性。边界条件方面，随着阐释更由机器生成，可信度阈值上升、内容线索更依赖线索，内容集中型评价对新一代阐释技术更为敏感。

结论部分（翻译）：遗产地数字供给的传统评估关注其回报，本研究评估回报的构成，发现两个国家样本以几乎相反的证据组装出量级相近的效应。构成与大小并读所揭示的区分正是两个市场的差异所在；构成差异比大小差异被更精确地估计，且组合是对于决定建造什么而言更具信息量的比较对象。对实践而言，其后果是改变应测量什么，而非给出应资助什么的规则：市场的总体回报说明不了其数字项目应如何建造，基于该数字移植项目可能保留错误的组件。