1. 引言
1.1. 研究背景
在数字化时代，信息技术的迅猛发展为民俗文化的传播与营销提供了全新的平台和机遇。随着全球化的推进和人们生活水平的提高，旅游成为了人们生活中不可或缺的一部分，而民俗文化作为旅游体验中的重要组成部分，其独特的魅力和深厚的文化底蕴吸引着越来越多的游客。因此，研究数字化时代民俗营销对游客文化认同的影响具有重要的现实意义和理论价值。
情感体验民俗营销策略背后蕴含着当地独特的文化记忆与文化脉络。民俗文化与旅游发展是相辅相成，相互促进的，在“以文促旅，以旅彰文”的理念指导下，“民俗 + 旅游”已成为文旅融合发展的重要一环[1]，情感体验民俗营销策略不仅能够促进民俗文化的传播和合理开发，对于延续历史文脉、坚定文化自信、建设社会主义文化强国具有重要意义，而且大量的需求刺激着旅游业的发展[2]。
1.2. 研究内容与研究方法
本文以旅游仪式理论、旅游情境理论作为理论基础，以数字化时代背景下华东地区龙华庙会游客为调查对象，采用文献分析法、问卷调查法、多元统计分析法，并利用SPSS26.0和AMOS23.0统计软件构建了结构方程模型，并对研究模型进行验证性因子分析、模型拟合度检验等，以此来探索数字化时代背景下，民俗营销中的游客参与、情感体验与文化认同三者之间的关系。
2. 研究假设与案例地概况
2.1. 研究模型构建
本研究基于互动仪式理论构建了基于情感体验的民宿营销游客参与和文化认同的关系研究模型，庙会作为一种文化遗产形态，其自身是文化认同符号系统中的一个重要部分，并在互动仪式这一特殊情境中成为推动文化认同的符号标志[3]。在民俗旅游中，拥有相同文化资本的旅游者在这里聚集，通过互动体验将游客的情感感受转化为积极高度的情感能量，塑造着有共同意义的情感认知，引发对认同符号的关注，增强认同感[4] [5]。基于理论基础和文献综述，由此本文构建了游客参与、情感体验、文化认同的研究模型，相互关系见图1。
Figure 1. Study model
图1. 研究模型
2.2. 研究假设
2.2.1. 游客参与对游客情感体验研究假设
互动仪式理论认为，情感能量是互动的真正驱动力，而个体投入互动仪式目的就是追求情感回报的最大化[6]。旅游者离开日常生活地追求愉悦的旅游体验，而集体参与的旅游活动又为旅游消费者提供了情感支持，促进个体获得旅游仪式的情感共鸣。已有相关研究探讨了游客参与行为对情感或体验的影响[7]。结合已有文献中对顾客参与维度划分的探讨和旅游者参与行为的研究，本文将游客参与分为四个维度，分别是游前准备、信息交流、合作行为、人际互动。根据前人的研究成果，验证游客参与行为是否塑造着游客的情感体验。因此，本研究提出假设：
H1a：游前准备对游客情感体验具有显著正向影响；
H1b：信息交流对游客情感体验具有显著正向影响；
H1c：合作行为对游客情感体验具有显著正向影响；
H1d：人际互动对游客情感体验具有显著正向影响。
2.2.2. 游客情感体验对文化认同研究假设
根据互动仪式理论和旅游情境理论，不同情感能量的个体会在特殊情境中产生不同的情绪[8]。情感作为桥梁连接个人与社会，长期稳定的情感内在地具有社会取向，生成包含社会学意义上的认同[9]。这些特点在相关研究中也有体现。为分析基于民俗营销游客的情感体验对认同感的影响，本文提出假设：
H2：民俗文化旅游中游客情感体验正向影响文化认同；
H3a：游客情感体验在游前准备同文化认同之间起到中介作用；
H3b：游客情感体验在信息交流同文化认同之间起到中介作用；
H3c：游客情感体验在合作行为同文化认同之间起到中介作用；
H3d：游客情感体验在人际互动同文化认同之间起到中介作用。
2.2.3. 游客参与对文化认同研究假设
旅游仪式理论认为，旅游仪式所带来的仪式感属于参与体验感。这种体验感是以具身感知为基础的，感知程度因参与深入程度的不同而异。随着游客的不断参与，仪式感的作用才能发挥出来[10]。游客参与到民俗旅游活动或仪式之中，通过积极地参与和投入，追求审美和愉悦，并推动旅游者延续其生成文化记忆并唤起情感，影响其认知和行为[11]。因此，本文提出假设：
H4a：游前准备正向影响文化认同感；
H4b：信息交流正向影响文化认同感；
H4c：合作行为正向影响文化认同感；
H4d：人际互动正向影响文化认同感。
2.3. 案例地概况
上海龙华庙会是一项具有深厚文化底蕴和历史渊源的传统民俗活动，起源于唐代或更早，已被列为国家级非物质文化遗产。庙会不仅体现了民间信仰，还是非物质文化遗产的传承，集商品市集和民间娱乐为一体。庙会汇集了长三角乃至全国的非遗传承人团队，展示了多种传统手工艺和技艺，推动了非遗文化的活化与传播。数字化背景下龙华庙会增强了当地居民对中国传统文化的认同感，吸引了大量游客，成为了推广上海文化旅游的重要平台，对促进地方经济发展起到了积极作用。
3. 实证分析
3.1. 问卷设计
根据本文构建的假设模型，潜变量的测量皆建立在已有研究的量表基础上。问卷设计分为两大部分，第一部分主要采用Likert量表测量民俗文化旅游中的游客参与，游客情感体验和文化认同。第二部分为受访游客人口学信息的基本调查问项，如：性别、年龄、学历、收入、职业等等。
3.2. 正式问卷数据收集与分析
在正式问卷设计完成后，采用线上线下结合的形式开展正式调研，并进行数据分析。其中，线上调研以问卷星平台为主，针对微博旅游群、微信旅游群等平台对到过上海龙华庙会的游客随机发放问卷，保证年龄段、学历、职业和收入分布的均衡，同时剔除不符合填写要求的人群。线下调研主要是利用五一期间当地的庙会期间在会场主要入口、出口、休息处和游客服务中心随机发放问卷。在此期间线上线下共发放385份问卷，其中线下问卷发放159份，线上问卷发放116份，共计获得362份有效样本，问卷有效率达94%。
3.2.1. 人口统计学特征分析
本问卷中的人口统计学特征统计结果如表1所示，对研究区所收集的362份问卷中男性占样本的49%，女性占样本的51%。女性略多于男性。年龄方面，18~30岁的人数最多，占样本的一半以上，其次是31~45岁的人群，占30.6%，其他年龄层占比较小。在受教育程度方面，多以专科及以上为主，其中大学本科的人数占比最多，为68.8%。就职业而言，游览的人员中个体/自由职业者占比34.3%、其次企业/公司人员占比32%，究其原因在于他们的出游时间相对自由，即使庙会盛期不在节假日范围之内，依然有时间前来游玩。在游览次数方面主要以2~3次居多，占51.3%，这充分表明数字化时代背景下民俗旅游具有可重复性。
3.2.2. 信度分析
经过优化相关观测变量之后，需对正式问卷重新进行信度分析如表1。结果发现，正式问卷整体的Cronbach’s ɑ = 0.932，各个维度构面的Cronbach’s ɑ系数分别为0.827、0.814、0.833、0.814、0.838、0.881，均大于0.8，表明各个维度的信度较好。
正式问卷整体的KMO值为0.932，Barlett检验的卡方值是4341.390，自由度是276，在p = 0.000上显著，说明适切性检验通过，适合开展因子分析。表2提供了对整个测量题项进行因子分析的结果，全部测量因子负荷量均为0.647~0.849，满足因子负荷量超过0.5的要求，表明指标信度较好。
Table 1. System resulting data of standard experiment
表1. 标准试验系统结果数据
特征 |
样本分组 |
频数 |
百分比 |
特征 |
样本分组 |
频数 |
百分比 |
年龄 |
18~30岁 |
189 |
52.2% |
平均月收入 |
3500元及以下 |
107 |
29.5% |
31~45岁 |
111 |
30.6% |
3501~5000元 |
162 |
44.8% |
46~59岁 |
55 |
15.2% |
5001~8000元 |
49 |
13.5% |
60岁及以上 |
7 |
2% |
8001元及以上 |
44 |
12.2% |
受教育程度 |
高中/中专 |
26 |
7.2% |
职业 |
学生 |
13 |
3.6% |
大学专科 |
65 |
18% |
政府/机关干部 |
35 |
9.6% |
大学本科 |
249 |
68.8% |
企业/公司人员 |
115 |
32% |
研究生及以上 |
22 |
6% |
个体/自由职业者 |
124 |
34.3% |
专业人员 |
14 |
3.8% |
性别 |
男 |
178 |
49% |
离退休人员 |
6 |
1.6% |
女 |
184 |
51% |
其他 |
55 |
15.1% |
参观游览次数 |
1次 |
92 |
25.4% |
总计 |
362,100 |
2~3次 |
185 |
51.3% |
4次及以上 |
85 |
23.3% |
Table 2. The component matrix after the rotation
表2. 旋转后的成分矩阵
成分 |
因子和题项 |
1 |
2 |
3 |
4 |
5 |
6 |
游前准备 |
A1 |
0.834 |
|
|
|
|
|
A2 |
0.758 |
|
|
|
|
|
A3 |
0.715 |
|
|
|
|
|
A4 |
0.688 |
|
|
|
|
|
信息交流 |
B1 |
|
|
|
0.811 |
|
|
B2 |
|
|
|
0.666 |
|
|
B3 |
|
|
|
0.752 |
|
|
B4 |
|
|
|
0.704 |
|
|
合作行为 |
C1 |
|
0.849 |
|
|
|
|
C2 |
|
0.713 |
|
|
|
|
C3 |
|
0.730 |
|
|
|
|
C4 |
|
0.692 |
|
|
|
|
人际互动 |
D1 |
|
|
|
|
0.802 |
|
D2 |
|
|
|
|
0.662 |
|
D3 |
|
|
|
|
0.724 |
|
D4 |
|
|
|
|
0.698 |
|
情感体验 |
Z1 |
|
|
|
|
|
0.771 |
Z2 |
|
|
|
|
|
0.681 |
Z3 |
|
|
|
|
|
0.700 |
Z4 |
|
|
|
|
|
0.647 |
文化认同 |
Y1 |
|
|
0.779 |
|
|
|
Y2 |
|
|
0.728 |
|
|
|
Y3 |
|
|
0.719 |
|
|
|
Y4 |
|
|
0.686 |
|
|
|
a.旋转在6次迭代后已收敛。
3.2.3. 验证性因子分析
验证性因子分析(CFA)被使用于检验一组测量变量与一组可以解释测量变量的因子构念间的关系[12]。为确保数据分析结论的说服力，必须先对所采集的数据进行测量模型的验证性因子分析，一旦测量的基础确立，就可以通过路径分析深入探究潜在变量的因果关系。在CFA中较多被人采用的策略包括四项检验：项目质量、组合信度、平均变异萃取量和构念区分效度。
由表3可知，首先，各个指标变量多元相关系数的平方值(R2)基本大于0.5，反映出个别观察变量的项目信度较好。其次，潜在变量的组合信度(CR)以及平均方差萃取量(AVE)为模型内在质量的判别标准之一，测量结果发现，游前准备、信息交流、合作行为、人际互动的CR值为0.83、0.815、0.838、0.815，游客情感体验的CR值为0.843，文化认同的CR值为0.882，均超过0.8；游前准备、信息交流、合作行为、人际互动的AVE值分别为0.55、0.525、0.566、0.525，游客情感体验的AVE值为0.575，文化认同的AVE值为0.651，均大于0.5，说明模型内在质量理想，数据结构具有良好的内部一致性。最后，在区分效度检验中，潜变量平均方差萃取量的平方根都大于潜变量之间的相关系数，表明测量模型有较好的区分效度[13]，结果见表3。
Table 3. CFA interpretation of result
表3. CFA结果分析
维度 |
指标 |
非标准化
载荷系数 |
标准化
载荷系数 |
多元相关
系数平方值 |
标准误 |
T值 |
组合信度 |
平均方差萃取量 |
游前准备 (A) |
A4 |
1 |
0.714 |
0.510 |
|
|
0.830 |
0.550 |
A3 |
0.908 |
0.687 |
0.472 |
0.077 |
11.742 |
A2 |
1.072 |
0.758 |
0.575 |
0.084 |
12.813 |
A1 |
1.302 |
0.803 |
0.646 |
0.097 |
13.39 |
信息交流 (B) |
B4 |
1 |
0.748 |
0.559 |
|
|
0.815 |
0.525 |
B3 |
0.932 |
0.718 |
0.515 |
0.075 |
12.471 |
|
B2 |
0.850 |
0.677 |
0.458 |
0.072 |
11.793 |
|
|
B1 |
1.064 |
0.752 |
0.565 |
0.082 |
12.988 |
合作行为 (C) |
C4 |
1 |
0.711 |
0.505 |
|
|
0.838 |
0.566 |
C3 |
0.996 |
0.708 |
0.501 |
0.079 |
12.256 |
C2 |
0.982 |
0.723 |
0.523 |
0.079 |
12.503 |
C1 |
1.401 |
0.858 |
0.736 |
0.098 |
14.294 |
人际互动 (D) |
D4 |
1 |
0.713 |
0.509 |
|
|
0.815 |
0.525 |
D3 |
0.983 |
0.709 |
0.502 |
0.082 |
11.976 |
D2 |
0.982 |
0.700 |
0.491 |
0.083 |
11.852 |
D1 |
1.238 |
0.775 |
0.601 |
0.096 |
12.909 |
文化认同 (Y) |
Y4 |
1 |
0.812 |
0.659 |
|
|
0.882 |
0.651 |
Y3 |
0.974 |
0.767 |
0.588 |
0.061 |
15.888 |
Y2 |
1.100 |
0.825 |
0.680 |
0.063 |
17.454 |
Y1 |
1.152 |
0.821 |
0.675 |
0.066 |
17.365 |
情感体验 (Z) |
Z1 |
1 |
0.848 |
0.719 |
|
|
0.843 |
0.575 |
Z2 |
0.722 |
0.727 |
0.529 |
0.048 |
14.989 |
Z3 |
0.680 |
0.739 |
0.547 |
0.044 |
15.312 |
Z4 |
0.699 |
0.711 |
0.505 |
0.048 |
14.553 |
3.3. 结构方程模型整体适配度评价
对本文的概念模型样本数据进行结构效度检验，主要检验整体模型的适配度，表4列出了概念模型的参数检验结果。经与适配标准值进行比较，除绝对适配度指数RMR值非常接近适配标准0.05以外，其他适配指标参数都落在标准值范围内。由此可见，本文概念模型的适配度良好。
Table 4. Overall fit test of structural equation model
表4. 结构方程模型整体适配度检验
统计检验量 |
适配的标准或临界值 |
检验结果数据 |
模型适配判断 |
绝对适配度指数 |
|
|
|
Χ2值 |
p > 0.05 (未达显著水平) |
p = 0.000 |
是 |
RMR值 |
<0.05 |
0.052 |
否 |
GFI值 |
>0.90以上 |
0.934 |
是 |
AGFI值 |
>0.90以上 |
0.916 |
是 |
RMSEA值 |
<0.08 |
0.03 |
是 |
增值适配度指数 |
|
|
|
NFI值 |
>0.90以上 |
0.929 |
是 |
RFI |
>0.90以上 |
0.917 |
是 |
IFI |
>0.90以上 |
0.981 |
是 |
TLI值(NNFI)值 |
>0.90以上 |
0.978 |
是 |
CFI值 |
>0.90以上 |
0.981 |
是 |
简约适配度指数 |
|
|
|
PGFI |
>0.5以上 |
0.738 |
是 |
PNFI |
>0.5以上 |
0.798 |
是 |
CN值 |
>200 |
314 |
是 |
Χ2自由度比 |
<2.00 |
1.333 |
是 |
3.4. 路径分析与假设检验
3.4.1. 直接效应的假设路径检验
在验证性因子分析的基础上，将6个潜变量及其所属测量题项导入设定的概念模型中，利用AMOS23.0对结构方程模型进行检验，并通过标准化路径系数和显著性水平p值来评估假设是否成立。从表5可知游客参与的四个维度游前准备对于游客情感体验(β = 0.147, p < 0.05)、信息交流对于游客情感体验(β = 0.208, p < 0.05)、合作行为对于游客情感体验(β = 0.298, p < 0.001)、人际互动对于游客情感体验(β = 0.333, p < 0.001)具有显著的积极影响，即H1a、H1b、H1c、H1d假设检验成立，人际互动对于游客情感体验的直接作用最大。游前准备对于文化认同(β = 0.167, p < 0.05)、信息交流对于文化认同(β = 0.166, p < 0.05)、合作行为对于文化认同(β = 0.180, p < 0.05)、人际互动对于文化认同(β = 0.296, p < 0.001)具有显著的正向影响，即H4a、H4b、H4c、H4d假设检验成立，其中人际互动对文化认同的直接作用最大。最后游客情感体验对于文化认同(β = 0.190, p < 0.05)也具有显著的正向影响，即假设H2成立。
Table 5. Assumption test path coefficient and results
表5. 假设检验路径系数及结果
假设路径 |
标准化路径系数 |
标准误差 |
t值 |
p值 |
检验结果 |
游前准备 → 游客情感体验 |
0.147 |
0.085 |
2.392 |
0.017 |
成立 |
信息交流 → 游客情感体验 |
0.208 |
0.087 |
3.243 |
0.001 |
成立 |
合作行为 → 游客情感体验 |
0.298 |
0.085 |
4.909 |
*** |
成立 |
人际互动 → 游客情感体验 |
0.333 |
0.097 |
5.036 |
*** |
成立 |
游前准备 → 文化认同 |
0.167 |
0.063 |
2.839 |
0.005 |
成立 |
信息交流 → 文化认同 |
0.166 |
0.066 |
2.640 |
0.008 |
成立 |
合作行为 → 文化认同 |
0.180 |
0.066 |
2.941 |
0.003 |
成立 |
人际互动 → 文化认同 |
0.296 |
0.078 |
4.323 |
*** |
成立 |
游客情感体验 → 文化认同 |
0.190 |
0.061 |
2.389 |
0.017 |
成立 |
注：***表示在p < 0.001水平上显著。
3.4.2. 中介效应检验
本文通过AMOS23.0的Bootstrap方法进行中介效应检验，对正式样本数据进行重复随机抽样5000次，即样本量选择5000，置信区间选取95%。中介效应检验结果如表6所示，结果发现游客情感体验在四个自变量游前准备、信息交流、合作行为、人际互动与因变量文化认同之间的中介效应值分别为0.368、0.377、0.352、0.316，表明游客情感体验对游客参与和文化认同的关系具有中介作用，即假设H3a、H3b、H3c、H3d成立。最后根据研究假设在AMOS26.0中画出结构模型如图2所示，得出各变量之间的相关系数。
Table 6. Intermediary effect test
表6. 中介效应检验
路径 |
效应 |
效应值 |
标准 误差 |
Bias-corrected 95% CI |
Percenntile 95% CI |
效应占比 |
极大值 |
极小值 |
p值 |
极大值 |
极小值 |
p值 |
游前准备 → 文化认同 |
总效应 |
0.739 |
0.070 |
0.613 |
0.891 |
0 |
0.611 |
0.888 |
0 |
|
直接效应 |
0.371 |
0.080 |
0.212 |
0.524 |
0.001 |
0.216 |
0.530 |
0 |
50.2% |
中介效应 |
0.368 |
0.058 |
0.271 |
0.500 |
0 |
0.263 |
0.491 |
0 |
49.8% |
信息交流 → 文化认同 |
总效应 |
0.742 |
0.072 |
0.612 |
0.895 |
0 |
0.611 |
0.893 |
0 |
|
直接效应 |
0.364 |
0.081 |
0.141 |
0.462 |
0 |
0.138 |
0.458 |
0 |
49.1% |
中介效应 |
0.377 |
0.065 |
0.269 |
0.525 |
0 |
0.265 |
0.517 |
0 |
50.9% |
合作行为 → 文化认同 |
总效应 |
0.648 |
0.069 |
0.526 |
0.801 |
0 |
0.523 |
0.798 |
0 |
|
直接效应 |
0.296 |
0.089 |
0.188 |
0.537 |
0.001 |
0.192 |
0.540 |
0 |
45.7% |
中介效应 |
0.352 |
0.064 |
0.244 |
0.494 |
0 |
0.242 |
0.490 |
0 |
54.3% |
人际互动 → 文化认同 |
总效应 |
0.760 |
0.069 |
0.634 |
0.902 |
0 |
0.637 |
0.905 |
0 |
|
直接效应 |
0.444 |
0.081 |
0.290 |
0.607 |
0 |
0.291 |
0.610 |
0 |
58.4% |
中介效应 |
0.316 |
0.056 |
0.217 |
0.436 |
0 |
0.215 |
0.433 |
0 |
41.6% |
Figure 2. Structural model and the path coefficient
图2. 结构模型与路径系数
3.5. 结果与讨论
本文从庙会这一具体的民俗旅游情境中出发，基于数字化时代背景对国内外相关文献的梳理分析构建了民俗旅游中游客参与、情感体验与文化认同的假设模型，基于问卷调查法、多元统计分析法检验上文的研究假设，得出以下研究结论并进行讨论：
3.5.1. 直接效应路径实证结果的分析
(1) 实证结果表明，数字化时代游客参与的四个维度游前准备、信息交流、合作行为、人际互动对文化认同均产生了显著的正向影响，标准化路径系数分别为0.17、0.17、0.18、0.30，结果说明游客不同维度的参与行为对文化认同的影响具有显著差异。其中人际互动对文化认同的正向影响更为显著，这也间接说明了主客之间的互动使游客对旅游地文化感知更加深刻，是了解该地文化与民俗，形成认同感的重要途径。
(2) 数字化时代游客参与对情感体验的正向影响在本文中也得到了验证。其中合作行为对情感体验的标准化系数为0.298，人际互动对情感体验的标准化系数为0.333，这表明与参观式旅游方式不同，注重合作行为和积极进行人际互动的游客能够更容易得到当地民俗风情与遗产文化价值积极地反馈，从而产生独特的精神文化体验。
3.5.2. 中介效应路径实证结果的分析
基于数字化时代游客参与同游客情感体验、文化认同之间的关系假设，本文的游客情感体验的中介效应得到验证。检验的结果表明，数字化时代游客情感体验在游前准备、信息交流、合作行为、人际互动与文化认同之间的四条路径中起着中介作用，四条路径的中介效应分别为0.368、0.377、0.352、0.316，且都在95%的置信区间内显著，说明游客参与和文化认同之间的关系需要在情感的中介作用之下形成。在每条路径中，中介效应的占比分别为49.8%、50.9%、54.3%、41.6%，说明情感体验的中介效应在游客参与同文化认同的关系上起着重要的作用。因此，得出情感是传递认同的途径之一，数字化时代游客通过参与民俗活动与旅游地产生情感联系，并在积极情感体验的触发下形成深层次的情感，即文化认同。
4. 对策建议
4.1. 挖掘民俗文化内涵，开发参与型体验项目
上海龙华庙会是当地民俗文化最鲜明的体现。本文研究表明，在民俗旅游中，游客参与是民俗旅游的精髓，改善和提升游客的参与、互动是民俗旅游的重要发展方向。因此，在进行参与体验式开发时，要以游客为主体，旅游者可以学习、模仿和亲身参与其中。在国家级非遗技艺等传统工艺品的展示方面也可增加游客参与互动环节，可以将特色手工艺品进行现场制作，让更多的游客参与进来感受、了解其制作过程，促进非物质文化遗产传承和发扬。
4.2. 科技创新助力，提高情感体验质量
庙会文化产生于过去，是传统文化的代表，在历史的长河中庙会文化经久不衰，很大程度上来源于这一文化固有的继承性与变异性。数字化时代下我们应利用VR技术、AR技术等先进的智慧技术和科技元素，以重塑民俗旅游的消费场景，有助于提高观游体验，增加游客的情感获得。在展现民俗文化方面，要赋予其深刻的时代内涵和文化意义，生动再现民俗文化的历史面貌，激发游客的情感共鸣，为民俗文化营造出生动立体的观赏体验。
4.3. 丰富营销方式，强化朝祖庙会仪式感
上海龙华庙会想要打响中华朝祖圣地的文化旅游名片，可以在上海龙华庙会朝祖仪式方面进行准确的营销定位。仪式感营销与目的地管理之间是双向互动的关系，利用旅游仪式感进行塑造，从游客需求的角度看，其营销能够塑造一种神圣感、肃穆及庄严感，深化游客对上海龙华庙会文化的认识。从旅游供给角度看，打造数字化民俗营销方式可以强化游客出游动机，提高旅游目的地吸引力，提升知名度，对延长旅游目的地生命周期具有正向影响潜力。