虛擬學術社區用戶間人際信任的影響因素*

譚春輝，李玥澎，周一夫，陳曉琪，涂瑞德

0 引言

虛擬學術社區為科學知識交流提供了新方式，用戶彼此分享經驗交流心得、共享學術資源、豐富知識交流方式的同時，也在一定程度上提高了知識交流效率。互聯網中的用戶除了是知識信息的吸收者外，還兼具信息傳遞者和信息生產者等多重角色[1]。虛擬學術社區中的知識交流更多表現為用戶自發的、自覺的交流。由于互聯網環境下的交互更直接，用戶的不確定感更加顯著[2]，因此交流效果在很大程度上依賴于用戶之間的人際信任[3]。良好的信任環境能提高用戶參與感和知識共享意愿，構建平等互信的交流關系是促進虛擬學術社區中知識交流能夠有效開展的重要條件[4]。此外，虛擬學術社區日益成為科研人員展開合作的重要平臺，參與各方達成合作需要建立在互信的基礎上[5]。合作團隊成立初期需建立良好的信任關系來鼓勵互助互惠并減少投機行為發生，幫助實現團隊效益最大化[6]。在團隊集體決策過程中，團隊成員間的信任亦是重要影響因素[7]。可見，用戶間的人際信任在虛擬學術社區科研合作中也扮演重要角色。

人際信任的缺失使得用戶對虛擬學術社區的參與度不足。多數用戶在社區中的活動主要是知識獲取行為，而對知識分享的意愿不強，這很可能導致社區運營失敗[8]。當用戶難以確認對方身份和專業能力時，會傾向于“潛水”[9]。這使得虛擬學術社區用戶更多地選擇單純獲取信息而不積極共享信息，從而導致用戶整體參與感下降。長此以往，用戶將很難獲取更多有價值的信息，感知收益下降會使其逐漸退出虛擬學術社區轉向其他信息交流渠道。有著較高用戶流失率的虛擬學術社區很可能面臨消失的危險[10]。

可見，用戶間人際信任是提高虛擬學術社區知識共享效率的重要前提，也是虛擬學術社區能夠持續健康發展的重要條件，探討影響用戶人際信任構建的因素有助于虛擬學術社區的建設。在相關研究基礎上，通過組態分析區別其中重要因素和邊緣因素有利于社區制定更具系統性和針對性的改進策略。綜上所述，本文在吸取先前研究經驗基礎上，結合相關理論，運用模糊集定性比較分析(fsQCA)方法探究影響虛擬學術社區用戶人際信任的因素并對其展開組態分析，明確其中關鍵要素和組合方式，得出人際信任構建的不同路徑，豐富相關理論并為虛擬學術社區構建良好的人際信任環境發展提供參考。

1 文獻回顧

1.1 關于人際信任的研究

1950年代，美國心理學家多伊奇對“囚徒困境”中的信任進行實驗研究[11]，引發學界對信任相關問題的關注。對信任的定義，學界有幾種觀點。Mayer等認為，信任是一方愿意處于另一方的行為使自己的利益可能受到傷害的狀態，同時認為另一方有重要作用，而不考慮監督或控制另一方的能力。Corritore等認為移動互聯網時代的在線信任是在線情形下，某人確信自身的脆弱不存在被揭露的風險的心理狀態。Luhmann認為信任是一個社會復雜性的簡化機制[12]。處于虛擬學術社區中的用戶人際信任主要是在和其他成員交流過程中產生的信任。影響用戶產生人際信任的原因主要有兩方面：一方面用戶會因為一些不法分子以非法手段對用戶個人信息的刻意收集產生個人隱私安全擔憂[13]；另一方面交流信息質量水平和可信度等因素會導致社區成員在進行知識交流時存在一定感知風險[14]。因此，結合用戶使用虛擬學術社區的實際體驗，本文借鑒Mayer等對信任的定義，即在預期對方會表現出合乎自己利益的基礎上而愿意為此承擔傷害的風險[15]。

1.2 關于虛擬學術社區人際信任的研究

學者對虛擬學術社區中人際信任的影響因素展開了研究，按照研究發現的影響因素的不同主要有兩類。一類研究認為信任關系是通過不斷擴大的互惠互利關系建立的，即認為用戶參與虛擬學術社區活動目的在于獲取知識等收益，在此基礎上用戶為獲取更多知識逐漸和他人擴大這種互惠的深度和范圍，進而形成一定的人際信任。Jacob C.T等認為用戶對他人提出問題回應的質量和感知收益對信任關系的構建有顯著影響[16]；Fang Y.H等認為社區的信息支持、獎勵等是信任關系建立的關鍵因素[17]；朱玲等發現知識的質量、附加值等對用戶希望獲取該知識的意愿有顯著影響[18]。另一類研究認為良好的人際信任是由諸如情感聯結、用戶身份認同等并非出于互利目的的因素促成的，這些學者認為用戶對其他成員的人際信任是由交流中的良好體驗促成的。Gong X.Y等發現感知滿意度、社會關系、系統質量、聲譽等因素與人際信任息息相關[19]；王仙雅提出社區中互動提升了用戶間互動感、滿意度和歸屬感，這些要素間接影響了信任關系，促成虛擬學術社區用戶良好互動[20]；王戰平等發現用戶相似性、熟悉程度、信息披露程度、身份特征和友好度影響信任關系的形成[21]；趙欣等指出用戶在多次交互中形成的以情感聯結為紐帶的情感信任是形成良好人際信任的重要因素[22]。

學界對信息質量、用戶感知有用性、用戶情感歸屬、用戶身份等因素的影響已形成一定共識，且逐漸形成從互惠性因素和非互惠性因素展開分析的兩種研究視角。但無論以何種視角切入，目前研究多為證實哪些因素存在對信任關系構建的影響，對這些因素以何種方式組合進而影響信任關系構建以及在組合中哪些因素發揮何種作用的問題討論并不充分。此外，基于fsQCA的實證研究多采用調查問卷收集實證數據，但問卷調查具有較強的主觀性，且不能全面真實地反映受訪者的態度和意愿[23]。西美爾認為信任是重要的社會綜合理論，其形成受到多方面因素綜合作用影響[24]。了解各種因素在不同組態中的重要程度如何對指導虛擬學術社區建設有重要意義。同時考慮到問卷收集數據的局限性，本文對虛擬學術社區用戶開展訪談，對訪談文本進行情感得分計算，以此作為研究數據。在此基礎上運用fsQCA方法展開組態分析，明確關鍵影響因素，彌補當前研究不足的同時，克服問卷調查難以充分反映受訪者實際意愿的局限，為虛擬學術社區信任關系構建提供更系統客觀的參考。

2 研究設計

2.1 研究框架

研究總體框架見圖1。首先結合現有理論與相關研究成果設計變量，根據選取的變量設計訪談提綱，提綱中包括若干圍繞上述變量展開的開放性問題。完成訪談后對經過整理的訪談文本進行情感分析，得出不同受訪對象對不同問題的情感得分以形成可用數據，之后對其進行模糊集校準后開展fsQCA分析，分析各種邏輯組態得出研究結論與建議。

圖1 研究框架

2.2 研究方法

研究方法包括半結構化訪談、情感分析和模糊集定性比較分析(fsQCA)。半結構化訪談是基于開放式訪談提綱的質性調研方法，訪談的問題并不固定，研究者可以靈活調整談話方式、問題等[20]；半結構化訪談便于受訪者更全面系統地闡述對問題的看法，適合本文研究所需。

情感分析有很多分支方法，本文采用的是基于情感詞典的情感分析方法。該方法需要研究者構建積極傾向和消極傾向兩類情感詞典并為不同傾向的情感語詞賦予一定分值，統計整篇文本中出現的上述語詞來完成文本情感得分的計算[25]。對訪談文本進行情感分析能夠在受訪者盡可能全面地表達對某一問題看法的基礎上量化用戶的態度傾向，提高研究數據的全面性和準確性。

fsQCA以集合理論和構型理論為基本思想，引入模糊集理論處理部分隸屬問題。該方法認為條件對結果的影響并非獨立，且條件和結果的關系非對稱，能夠考察復雜社會現象的條件組合和影響方式[26]。應用fsQCA方法展開研究，通過不斷比較不同案例，能夠考察不同條件下各要素對結果變量的組態影響，有利于從系統視角形成更貼合實際的研究結論。

2.3 理論基礎與變量設計

本文在現有研究成果基礎上，結合學界從互惠性因素影響和非互惠性因素影響出發開展研究的兩個視角，梳理CSSCI與Elsevier數據庫中相關文獻，結合理論設計前因變量。

(1)社會交換理論。社會交換理論認為，社會交換的發生使得參與雙方能獲得一些收益，隨著時間推移，獲得收益的增加會增進處于交換關系中雙方的互信[27]。在虛擬學術社區環境中，成員間的交互多以互惠為基礎，成員分享知識的行為與其人際信任的良好程度呈顯著的正相關關系[28]。在用戶交流知識的過程中，感知的響應和感知的收益是互惠的重要形式[29]。為此，本文選取信息支持、信息質量兩個前因變量用于測度感知響應和感知收益兩種重要的互惠形式[30-32]，探究互惠性因素對虛擬學術社區人際信任構建的組態影響。

(2)社會網絡理論。社會網絡理論可用于信任現象分析[33]。整個網絡關系的強度取決于關系雙方的情感強度、親密程度等[34]。虛擬學術社區中，用戶交互[35-36]、相似程度[37-38]、身份認同[21]、情感歸屬[39]等因素均是影響用戶間人際信任形成的重要因素。本文籍此選取上述因素作為前因變量，分析非互惠性因素對虛擬學術社區人際信任構建的組態影響。

綜上，本文選取成員互動、用戶身份認同、感知相似性、情感歸屬、信息支持和信息質量共6個影響因素作為本文研究的前因變量(見表1)。

表1 虛擬學術社區用戶人際信任影響因素潛在變量

2.4 數據收集與預處理

(1)數據收集。根據表1所示變量，參考以往研究成果設計訪談提綱，每個變量設有一個開放性問題，以半結構化訪談的方式展開調查，收集質性數據。考慮到虛擬學術社區用戶多為高校和科研機構的教研人員和學生，本文選取的訪談對象均為在校研究生。完成訪談后對訪談文本進行整理和篩選得出30篇可用的訪談文本。30名訪談對象中，男性15名，女性15名，性別分布均衡；在受教育程度上，博士研究生14名，碩士研究生16 名，受教育程度基本符合研究需要；每一位訪談對象對至少1種虛擬學術社區有深度使用體驗，其所使用的虛擬學術社區包括小木蟲、科學網、丁香園、經管之家、CSDN等。

(2)數據處理。由半結構化訪談獲得的質性文本數據不能直接用于分析，因此在開展分析前要對這些數據進行處理使之量化，形成fsQCA分析可用的定量數據。因為訪談對象對訪談問題的回答帶有一定的情感傾向，對其量化可以得到訪談對象對不同變量所表征的問題的不同態度，幫助完成后續分析。為完成上述訪談數據的處理，本文參考現有成果基于HowNet情感詞典設計本研究所用情感詞典，將詞典中表達積極情感傾向的語詞分值設為1，表達負面情感傾向的語詞分值設為-1，將程度副詞詞典中表達五類不同程度級別的副詞權重分別設為8、6、4、2、0.5，編寫Python程序對文本進行分詞和去除停用詞等預處理，提取各個分句中的情感語詞和與之相關的程度副詞，計算訪談文本情感分值[25]。考慮到HowNet詞典在實際應用中存在一定的誤差[40]，本文在機器運算結果的基礎上對數據輔以人工判讀，結合原始文本對機器判斷有誤的數據進行校正，形成可用的數據集。部分經過校正的訪談文本情感得分如表2所示。

表2 訪談文本情感得分(部分)

(3)模糊集數據校準。原始數據需要校準為位于0～1之間的模糊集得分以便開展fsQCA分析。本文參考Kraus S等研究，分別把一組數據中的最大值、中間值和最小值設為完全隸屬、交叉點和完全不隸屬[41]，應用fsQCA3.0 軟件中的calibrate函數對原始數據進行校準。結合整理后的情感數據情況，本文選定的各組數據校準錨點如表3 所示。數據完成校準后使用分析軟件fsqca3.0進行相關分析。

表3 模糊集校準錨點

3 fsQCA組態分析

3.1 單項前因條件必要性分析

校準后數據在進行組態分析前需要進行必要性分析。對各單項的前因條件展開必要性分析，將結果中一致性大于0.9的變量視為必要條件，并在后續進行組態分析時進行設置以防被約簡[42]。對校準后數據進行單項前因條件必要性分析，各變量一致性結果見表4。通過必要性分析可知，無論結果變量為高水平信任還是低水平信任，所有前因變量的一致性均低于0.9，這表明上述所有前因變量均不構成單項必要條件。

表4 必要性分析結果

3.2 組態分析

本研究共選取6個前因變量，因此會產生26個組態結果。參考徐廣平等研究將案例選擇頻數設為1，一致性門檻設為0.8，將PRI一致性大于0.75的組合中結果變量標記為1，PRI一致性小于0.75的組合結果變量記為0，在此基礎上展開組態分析[43]。fsQCA分析會產生復雜解、中間解和簡約解。由于中間解不會約簡必要條件，一般匯報中間解，同時結合簡約解和必要性分析來區分核心條件和邊緣條件[44]。若前因條件同時出現于簡約解和中間解，或者在必要性分析中表現為必要條件則記為核心條件；若此條件僅出現在中間解中則將其記為邊緣條件[45]。本文將按照上述規則開展組態分析。由于之前單項條件必要性分析中沒有發現構成必要條件的前因變量，因此將在組態分析中對比簡約解和中間解分析核心條件與邊緣條件。結合上述分析，按照前文所述計算規則運用分析軟件對數據進行組態分析，組態分析結果見表5。為保證組態分析所得路徑具有一定的代表性，僅保留唯一覆蓋度高于0.01的組態路徑。分析發現產生高水平信任關系的路徑有4種；導致低水平信任關系的路徑有1種。

表5 組態分析結果

3.3 穩健性檢驗

由于fsQCA分析具有一定的敏感性和隨機性，開展穩健性檢驗是必要的[46]。本文采用集合論方法，通過刪減案例的方式進行穩健性檢驗，以確保分析結果的合理性和準確性[47]。為檢驗分析結果的穩健性，本文隨機刪除了30個觀察案例中的2個，再次進行高水平信任組態分析。檢驗結果見表6。從表中結果看出H1～H4路徑基本相同，僅在原始覆蓋度、唯一覆蓋度和解的一致性方面存在細微差異。由此可見本文分析結論可靠，具有參考價值。

表6 刪減案例后穩健性檢驗結果

4 研究結論

本文在現有成果基礎上，通過設計訪談并對其文本進行情感得分計算完成量化，籍此展開fsQCA分析得出了產生虛擬學術社區中產生高水平人際信任的4條組態路徑(H1～H4)和產生低水平人際信任的1條(L1)組態路徑。

H1路徑(～成員交互*用戶身份認同*～感知相似性*信息支持*～信息質量)：用戶最初進入一個學術社區時與其他成員交流很少，社區中信息的質量也無從判斷，此時其他成員的身份頭銜和標簽和其提供信息的豐富程度等成為用戶判斷該成員是否可信的重要依據。一些社區中頭銜較高或在現實生活中有較高社會地位的成員很容易在此時贏得用戶的信任；部分對用戶提問反饋較為及時或發言較為頻繁的成員也可能獲得用戶的好感。

H2路徑(成員交互*用戶身份認同*感知相似性*情感歸屬*～信息支持)：隨著用戶與社區其他成員的交流愈發深入，交互次數也會隨之增加、用戶也能更好地感知彼此間經歷、背景的相似性，進而產生一定的情感聯結，在這樣一種交互環境下，即使信息支持情況較差，用戶依然能夠形成很好的信任關系。這種情景下的虛擬學術社區雖然有較好的人際信任穩定性，社區中的成員能夠長期維持一種良好的交互，但新用戶進入后融入現有群體將會經歷一個長期的過程，降低了社區吸引新用戶加入的能力。

H3路徑(成員交互*用戶身份認同*感知相似性*～信息支持*信息質量)：當虛擬學術社區用戶與其他成員的交流達到一定深度后，用戶對彼此個人背景的了解逐漸完善。雖然還沒有產生情感歸屬，但在這種相對充分交流的基礎上，用戶也會慢慢了解彼此交流信息的全面性、準確性，對信息質量也會產生一定的判斷。在這一組態路徑中，成員交互和用戶身份認同對人際信任的形成發揮著重要作用，而信息質量和感知相似性起一般性的作用。

H4路徑(成員交互*～用戶身份認同*感知相似性*情感支持*信息支持*信息質量)：一些虛擬學術社區不會直接展示完全的用戶頭銜(如科學網)，這種情況下用戶難以直觀判斷社區成員的身份。不過這并不會對后續交流的開展產生太大的影響。后續交流的深入使得用戶可以很好地判斷信息的質量，隨著交流的擴大用戶也會漸漸熟悉彼此，進而產生情感歸屬。信息質量和情感歸屬在此組態中作為關鍵因素出現；信息支持情況也會對用戶間人際信任的形成起到輔助性作用。

L1路徑(～成員交互*～用戶身份認同*～感知相似性*～情感支持*～信息支持*～信息質量)：在上述前因變量都有缺失的情況下，虛擬學術社區中的用戶難以構建起良好的人際信任關系。缺少互動會使得用戶無法尋找到與自己背景較相似的成員，對信息支持環境也難以判斷，無法產生穩定的情感聯結；用戶身份標簽的不明確和信息質量不足也會極大地影響用戶間人際信任的構建。

從上述結果中看出，成員交互、用戶身份認同和感知相似性3個前因變量在4條高水平人際信任的組態路徑中出現過3次，其中用戶身份認同均作為核心條件出現，表明用戶對其他成員的信任更多地來自對其身份、頭銜的信任；成員交互作為核心條件出現2次，它是用戶感知自身與其他成員相似性，產生情感歸屬的重要基礎；感知相似性3次出現均為邊緣條件，雖然并不作為核心條件出現，但較高的出現頻次依然值得重視。情感歸屬、信息支持和信息質量均出現2次，且都是作為核心條件和邊緣條件各出現1次，情感歸屬是維系用戶人際信任長期穩定的重要因素，信息支持情況和質量水平亦是推動信任關系形成的重要基礎，相比成員交互、用戶身份認同和感知相似性重要程度較低，但其作用不應忽視。

5 研究啟示

本文運用fsQCA方法對影響虛擬學術社區人際信任構建的因素展開組態分析，得出了4條高水平人際信任組態路徑和1 條低水平組態路徑。目前基于結構方程模型和扎根理論展開的相關研究說明了單項因素存在對人際信任構建的影響，沒有更好地從系統的視角揭示這些因素的綜合影響，也未能明確哪些因素在其中起關鍵作用。本文通過組態分析揭示出成員交互、用戶身份認同等因素在虛擬學術社區人際信任構建中的重要作用，完善了關于虛擬學術社區人際信任的研究框架，從組態視角探究了不同因素對虛擬學術社區用戶人際信任的綜合影響，為后續相關研究的開展提供了一種可行的視角。

本研究的立足點在于發現促進人際信任形成和導致人際信任衰弱的組態路徑，在此基礎上為虛擬學術社區構建良好的人際信任環境，實現持續健康發展提供一種思考。社區運營主體可參考以下兩方面的建議展開相關優化和建設工作。

(1)通過fsQCA進行組態分析得出4條產生高水平人際信任的組態路徑和1條產生低水平人際信任的組態路徑，每一條路徑都對應不同的虛擬學術社區實際。虛擬學術社區運營主體可在梳理發展基礎上，縱向參考與自身實際相契合的組態路徑，加強其中核心條件的優化和建設，繼續鞏固和完善其中的邊緣條件，盡力打造良好的人際信任環境。例如，處于初創期，用戶群體交互水平較低的虛擬學術社區可參考路徑H1，重點打造良好的信息支持環境和用戶等級身份制度，設置獎勵鼓勵用戶積極響應他人提問，改進后臺算法為用戶提供更豐富的信息推送；同時設置用戶專業水平認證機制，完善用戶身份標簽展示方式，幫助用戶更好更快識別具有一定學術權威的高水平回答者。

信息支持環境相對較差但用戶群體相對穩定的虛擬學術社區可參考路徑H2和H3，大力開展各種交流活動，促進社區內用戶的良好互動；推進用戶身份認證機制建設，樹立標桿，引到用戶向社區內的學術權威看齊；在加強上述兩方面建設的同時，社區運營主體還要豐富用戶資料卡的展示方式，設置更細粒度的專業版塊劃分方式，便于用戶在海量成員中發現與自己相仿的朋友。

若社區的運營目標是打造豐富完備的知識信息共享平臺可參考H4路徑展開建設，重點打造系統可靠的信息分享環境，加強信息質量方面審查，鼓勵用戶積極分享知識信息，完善相關獎勵制度；以信息支持和質量為建設重點的同時不能忽視成員交互和情感的需要，社區仍要花費一些精力營造良好的交流氛圍，以便本社區高質量信息能夠發揮更大的效用。

此外，社區運營主體還應對照低水平人際信任組態路徑抓緊補齊短板，特別是要注重引導用戶加強交流、促進用戶情感交流、提高專業水平較高或現實中有權威學術地位的用戶的存在感、加強信息篩選以提升整體質量，避免因上述條件的缺失導致人際信任環境的崩塌，影響社區后續發展。

(2)橫向對比4條高水平人際信任組態路徑可以看出，成員交互和用戶身份認同作為核心條件出現次數最多；感知相似性作為邊緣條件出現3次，重要性次之；情感歸屬、信息支持和信息質量分別作為核心條件和邊緣條件各出現1次，對良好人際信任的形成也有一定的積極作用。

用戶良好的交互體驗是形成良好人際信任的基礎[48]，虛擬學術社區運營主體可在橫向對比組態路徑的基礎上重點加強用戶交互方式、身份介紹和表征方面的優化建設。例如社區可通過開發移動APP或建立相關的微信或QQ群為用戶提供更實時的交互平臺，讓用戶在學術交流之余可與其他成員分享生活，增進感情；社區可以進一步細化專業版塊劃分，進一步完善個人標簽展示方式，便于用戶尋找相似群體建立穩定聯系；考慮到身份認同的重要性，社區還可積極引導用戶關聯其他平臺賬號，便于其他成員尋找領域內權威答主，提高用戶身份認同水平。

在良好的交互環境建立后，產生情感歸屬的重要基礎逐漸形成，此時社區要繼續引導用戶開展情感交流，組織社區活動增進用戶情感交流；雖然信息支持與信息質量的重要程度不及上述因素，但考慮到信息的交流是社區中基于互惠關系的人際信任形成的基礎[26]，社區應繼續鞏固和完善信息支持環境，鼓勵用戶積極分享知識、及時回復其他成員提問；同時要注意發布信息準確性、完整性方面的審查，著力提高信息質量，從整體上分步協調推進虛擬學術社區良好的人際信任環境建設。

6 結語

本文根據已有理論和研究成果設計訪談，對訪談文本進行情感分析算出情感得分后展開fsQCA分析，發現4條產生高水平人際信任的路徑和1條低水平人際信任組態路徑，為虛擬學術社區構建良好的人際信任環境，提高用戶粘性和知識交流效率提供了理論借鑒。縱觀整個研究過程，本文研究還存在一定不足：首先，本文通過半結構化訪談的方式收集數據，數據的結構化程度相對較低，在對其進行結構化處理的過程中很可能因為一些失誤造成數據失真，不利于后續定量化的分析；其次本文選取的訪談對象在年齡、受教育程度方面相對單一，沒有納入這些特征相對不同的訪談對象參與調查，整個調查樣本不夠豐富。在未來研究中希望能彌補這些缺憾。