社會資本與技術(shù)支持對學(xué)術(shù)虛擬社區(qū)知識共享的影響
——基于科學(xué)網(wǎng)平臺的知識共享要素分析

徐修德，劉 釩

(1.青島大學(xué) 商學(xué)院；2.青島大學(xué)“一帶一路”研究院，山東 青島 266100)

0 引言

互聯(lián)網(wǎng)和信息通訊技術(shù)的飛速發(fā)展，特別是Web2.0、Web3.0等技術(shù)的出現(xiàn)，為個體知識共享與創(chuàng)新帶來新方式，如虛擬社區(qū)(Virtual Community)將不同地理位置的個體通過互聯(lián)網(wǎng)連接起來，為用戶隨時隨地共享知識提供了技術(shù)、資源和環(huán)境，已經(jīng)成為知識共享和信息交換的新平臺[1]。虛擬社區(qū)克服了面對面交流所必需的時間同步性和地域同一性限制[2]，使得知識交流更加便捷化、多樣化，拓展了網(wǎng)絡(luò)知識共享廣度和深度。而學(xué)術(shù)虛擬社區(qū)是以特定學(xué)術(shù)主題為內(nèi)容，以互聯(lián)網(wǎng)信息技術(shù)為支撐，以廣大學(xué)者、科研人員等知識分子為用戶群體，進行學(xué)術(shù)交流與知識共享的專業(yè)線上社區(qū)[3]。在學(xué)術(shù)虛擬社區(qū)中，學(xué)者和科研工作者們通過在平臺上發(fā)布信息，獲得點贊、收藏和轉(zhuǎn)發(fā)，促使信息在短時間內(nèi)發(fā)生快速傳播，因此學(xué)術(shù)虛擬社區(qū)在知識獲取、共享、轉(zhuǎn)移和創(chuàng)造過程中發(fā)揮重大作用。目前國內(nèi)學(xué)術(shù)虛擬社區(qū)數(shù)量龐大，如小木蟲、經(jīng)管之家(原人大經(jīng)濟論壇)、科學(xué)網(wǎng)、丁香園等知名學(xué)術(shù)社區(qū)。然而國內(nèi)學(xué)術(shù)虛擬社區(qū)在發(fā)展中仍然存在一些問題，如相比分享經(jīng)驗與知識，社區(qū)用戶大多存在“潛水”現(xiàn)象，更多地選擇瀏覽平臺信息。已有研究表明，在多數(shù)線上社區(qū)中，90%的用戶參與知識獲取而不主動進行知識互動與分享，9%的用戶會進一步參與討論互動，而僅有1%的用戶會積極地創(chuàng)造內(nèi)容[4]。因此，有必要探究影響虛擬社區(qū)知識共享行為的關(guān)鍵因素，提高人們的社區(qū)認(rèn)可度和參與度，促進用戶間知識交流與創(chuàng)新，進而對國內(nèi)學(xué)術(shù)社區(qū)建設(shè)和發(fā)展提供理論指導(dǎo)與政策建議。

目前關(guān)于學(xué)術(shù)虛擬社區(qū)的知識共享已形成若干成果，但仍然存在不足。一方面，多數(shù)文獻數(shù)據(jù)主要源于線上或線下用戶問卷調(diào)查，數(shù)據(jù)量較少且具有一定主觀性。另一方面，國內(nèi)外學(xué)者多采用單一理論來解釋虛擬社區(qū)知識共享影響因素，但虛擬學(xué)習(xí)社區(qū)是一個知識共享的生態(tài)系統(tǒng)，采用單個理論解釋虛擬學(xué)習(xí)社區(qū)的知識共享效果可能存在嚴(yán)重片面性[5]。學(xué)術(shù)虛擬社區(qū)是依托信息技術(shù)而存在的在線社交網(wǎng)絡(luò)系統(tǒng)，其知識共享過程和結(jié)果受到社會資本和技術(shù)支持的雙重影響[6]，但是鮮有研究綜合考慮上述兩項因素。

綜上，為解決學(xué)術(shù)虛擬社區(qū)普遍存在的用戶活躍度低、知識共享熱情不高等現(xiàn)實問題，有必要從系統(tǒng)角度探究如何促進學(xué)術(shù)社區(qū)用戶參與知識共享。首先，本文基于社會資本與技術(shù)支持的雙重視角闡述學(xué)術(shù)虛擬社區(qū)知識共享過程；其次，構(gòu)建社會資本和技術(shù)支持對用戶知識共享行為影響的理論模型，通過爬取“科學(xué)網(wǎng)”社區(qū)用戶數(shù)據(jù)，采用零膨脹負(fù)二項回歸分析對模型進行檢驗；最后，根據(jù)學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素分析結(jié)果，對學(xué)術(shù)社區(qū)如何提高用戶知識共享意愿、實現(xiàn)持續(xù)發(fā)展提出改善性建議。

1 研究綜述

1.1 學(xué)術(shù)虛擬社區(qū)知識共享

學(xué)術(shù)虛擬社區(qū)是以服務(wù)學(xué)術(shù)科研為目的，圍繞特定專業(yè)領(lǐng)域?qū)W術(shù)知識展開討論交流，實現(xiàn)學(xué)術(shù)資源共享與學(xué)者之間相互合作的平臺[7]。在學(xué)術(shù)社區(qū)中，有穩(wěn)定的學(xué)術(shù)、科研用戶和知識分子等學(xué)習(xí)型受眾，交流的專業(yè)性較強。成員通過在平臺上發(fā)表觀點，引發(fā)同領(lǐng)域的學(xué)術(shù)愛好者圍繞專業(yè)問題展開交流和探討，進而碰撞出新思想、新方法。其中，知識共享是用戶獲取、加工和創(chuàng)造新知識的主要途徑，通過平臺用戶間的知識共享提高用戶活躍度、增強持續(xù)貢獻意愿，使學(xué)術(shù)社區(qū)獲得持續(xù)發(fā)展。關(guān)于知識共享行為有兩方面理解，一方面是把知識共享視為一種交換過程，認(rèn)為知識共享是個體之間共享信息、觀點和建議[8]，以及相互交換自身知識(顯性和隱形)并共同創(chuàng)造新知識的過程[9]；另一方面是把知識共享視為一種轉(zhuǎn)化過程，即個體將知識轉(zhuǎn)化為可被其他個體理解、吸收和使用的信息[10]，是一種人與人之間交流和溝通的過程。

學(xué)術(shù)社區(qū)中的知識共享可以看作是社區(qū)成員中知識提供者、知識接收者以及社區(qū)平臺之間兩兩互動的過程[7]，社區(qū)成員將自己的知識通過虛擬社區(qū)傳遞給其他用戶，使其他用戶可以快速獲取專業(yè)知識和學(xué)術(shù)前沿信息，實現(xiàn)社區(qū)成員之間以及成員與平臺之間的知識交流。從社會資本角度看，學(xué)術(shù)虛擬社區(qū)的知識共享活動是一種基于情境社會化的過程；從信息技術(shù)角度看，學(xué)術(shù)虛擬社區(qū)的知識共享行為可視為社區(qū)成員依托網(wǎng)絡(luò)技術(shù)和系統(tǒng)程序進行知識交流與擴散的過程。學(xué)術(shù)虛擬社區(qū)的知識共享過程如圖1所示[7，11-13]。

1.2 社會資本視角下的知識共享

社會資本是人際間為達(dá)成共同目標(biāo)、相互聯(lián)系而產(chǎn)生的各類社會網(wǎng)絡(luò)資源。社會資本是實際或潛在的資源集合體，這些資源與人們共同熟悉或認(rèn)可的制度化關(guān)系持久地聯(lián)系在一起[14]。許多學(xué)者對社會資本有著不同定義，其中，Nahapiet & Ghoshal[15]對社會資本的界定得到了廣泛認(rèn)同，他們認(rèn)為社會資本是個體或單位擁有的關(guān)系網(wǎng)絡(luò)中存在的和衍生的實際資源以及潛在資源之和，可分為結(jié)構(gòu)、關(guān)系和認(rèn)知3個維度。結(jié)構(gòu)維度包括網(wǎng)絡(luò)成員關(guān)系以及聯(lián)系的密切程度、網(wǎng)絡(luò)結(jié)構(gòu)[11]，通常將個體中心性、社會交互連接、熟悉性等作為測量指標(biāo)；關(guān)系維度是指人們通過長期互動交往產(chǎn)生的一種具體人際關(guān)系[4]，通常將信任、互惠、認(rèn)同、承諾等作為測量指標(biāo)；認(rèn)知維度描述了網(wǎng)絡(luò)主體間在多大程度上擁有共同的理解和表達(dá)[11]，通常將共同語言、共享愿景、共享文化等作為測量指標(biāo)。目前許多學(xué)者沿用這種社會資本劃分維度，并將其引入虛擬社區(qū)知識共享研究中，認(rèn)為社會資本影響社區(qū)知識交流與共享行為的數(shù)量及質(zhì)量，是網(wǎng)絡(luò)知識管理的重要影響因素和解釋變量[16]。因此，本文借用社會資本的三維度劃分，將社會聯(lián)結(jié)作為結(jié)構(gòu)資本的指標(biāo)變量，將信任、互惠和身份認(rèn)同作為關(guān)系資本的指標(biāo)變量，將共同愿景作為認(rèn)知資本的指標(biāo)變量。

圖1 學(xué)術(shù)虛擬社區(qū)知識共享過程Fig.1 Process of knowledge sharing in the academic virtual community

1.3 技術(shù)接受視角下的知識共享

技術(shù)接受模型(Technology Acceptance Model, TAM)是在借鑒并融合理性行為理論(TRA)、計劃行為理論(TPB)基礎(chǔ)上發(fā)展起來的[17]，其目的是探究用戶對一項新信息技術(shù)的接受程度。該模型認(rèn)為線上平臺的使用行為主要由用戶使用意愿決定[18]，而意愿取決于用戶使用態(tài)度，使用態(tài)度由感知有用性和感知易用性決定，感知有用性和感知易用性分別代表個體使用某項信息技術(shù)時感受到的有效程度與難易程度。已有學(xué)者基于技術(shù)接受模型探討虛擬社區(qū)知識共享行為。如Hung & Cheng[19]研究發(fā)現(xiàn)，感知有用性和易用性均顯著影響虛擬社區(qū)用戶知識共享意愿，同時，感知有用性在感知易用性與知識共享意愿間起部分中介作用。技術(shù)接受模型能夠從技術(shù)支持的客觀角度解釋用戶知識共享意愿和行為，但忽視了心理認(rèn)知、社會關(guān)系等主觀因素。因此，本文綜合社會資本理論和技術(shù)接受模型，探討結(jié)構(gòu)資本、關(guān)系資本、認(rèn)知資本、感知有用性和感知易用性對學(xué)術(shù)虛擬社區(qū)知識共享行為的影響。

學(xué)術(shù)虛擬社區(qū)不同于其它類型的虛擬社區(qū)，其用戶多為從事科研工作的學(xué)者，知識交流與共享更加專業(yè)性和密切化，同時，學(xué)術(shù)虛擬社區(qū)平臺沒有具體的獎懲制度和獲利機制，沒有強制的約束機制，因此社區(qū)成員多是基于彼此的社會關(guān)系以及使用感受進行知識共享。基于此，本文將學(xué)術(shù)虛擬社區(qū)知識共享行為的影響因素分為社會資本與技術(shù)支持兩個方面。

2 研究假設(shè)與模型構(gòu)建

2.1 知識共享質(zhì)量與數(shù)量

根據(jù)知識管理理論，知識共享作為知識管理的有機組成，反映個體對知識與信息交換的態(tài)度,是實現(xiàn)個體間知識轉(zhuǎn)移和創(chuàng)新的重要活動。用戶在虛擬社區(qū)共享的知識可能成為其他用戶的抉擇依據(jù)，而知識質(zhì)量和數(shù)量是影響抉擇正確與否的重要因素[2]。因此，本文將知識共享行為劃分為知識共享質(zhì)量和知識共享數(shù)量兩個維度。其中，知識共享質(zhì)量是指用戶在虛擬學(xué)術(shù)社區(qū)中分享知識與信息的價值量和有用程度[20]，本文采用用戶發(fā)布博文的閱讀數(shù)和評論數(shù)的總和表征，當(dāng)用戶文章獲得的閱讀數(shù)和評論數(shù)越多時，說明其知識共享質(zhì)量越高。知識共享數(shù)量主要是指學(xué)術(shù)虛擬社區(qū)用戶發(fā)帖數(shù)與回帖數(shù)的總和[21]，本文采用用戶發(fā)布的博文數(shù)、主題帖數(shù)和回帖數(shù)的總和表征，發(fā)帖回帖數(shù)量越多，說明用戶知識共享行為越頻繁，知識共享數(shù)量越多。

2.2 關(guān)系資本與知識共享行為

關(guān)系資本是人們在網(wǎng)絡(luò)互動過程中建立起來的一種具體社會關(guān)系，涉及信任、互惠及身份認(rèn)同等[15]。社會資本理論中的關(guān)系維度代表成員間通過交互形成的人際關(guān)系，主要聚焦于影響成員行為的特定、持續(xù)的互動關(guān)系，這些互動關(guān)系會對知識共享行為產(chǎn)生顯著影響[22]。在學(xué)術(shù)虛擬社區(qū)中，信任有助于營造鼓勵知識共享的環(huán)境，體現(xiàn)用戶是否愿意在平臺上公開自己的真實信息[21]，經(jīng)過實名認(rèn)證并且愿意公開工作情況的用戶更愿意在平臺上進行知識交流與共享，即信任程度越高，知識共享氛圍越濃厚，越有助于促進知識交流和共享。互惠是指社區(qū)成員在共享知識后獲得相應(yīng)回報，感覺到公平性和滿足感，進而在平臺持續(xù)分享自己的知識[23]。金幣數(shù)可用來衡量該用戶在進行知識共享后獲得的回報，金幣數(shù)量越多，成員越愿意進行發(fā)帖、討論、回復(fù)等活動，同時，為了獲得更多金幣，愿意輸出更多高質(zhì)量的知識與信息。社區(qū)認(rèn)同感會促使成員對該社區(qū)產(chǎn)生責(zé)任感和歸屬感。有研究指出，個體對群體的認(rèn)同感越強烈，融入該群體的積極性就越高[24]。這種對社區(qū)的認(rèn)可會促進用戶的知識共享行為。因此，本文將實名認(rèn)證、工作公開情況、金幣數(shù)、活躍度作為關(guān)系資本的指標(biāo)變量，并提出如下假設(shè):

H1a：關(guān)系資本對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量具有顯著正向影響；

H1b：關(guān)系資本對學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量具有顯著正向影響。

2.3 結(jié)構(gòu)資本與知識共享行為

結(jié)構(gòu)資本是個體間社會聯(lián)系的總體結(jié)構(gòu)模式，通常用社會交互聯(lián)結(jié)(簡稱社會聯(lián)結(jié))表征[15]。社會聯(lián)結(jié)可以表示虛擬社區(qū)成員間的關(guān)系強度、所用時間以及溝通頻率[25]。社會資本理論指出，個體間交流合作的一個重要前因變量是個體通過社會交互活動建立聯(lián)結(jié)[26]。在學(xué)術(shù)虛擬社區(qū)中，社區(qū)用戶通過訪問他人空間獲取信息的行為就是一種社會聯(lián)結(jié)，從而建立與對方的聯(lián)系。空間訪問量較高，說明該用戶與其他用戶有更廣泛的聯(lián)結(jié)。個體間社會交互越頻繁，社區(qū)用戶交換知識資源的頻率和數(shù)量也越高，越有利于促進知識共享。基于上述研究，本研究將空間訪問量作為結(jié)構(gòu)資本的指標(biāo)變量，并提出如下假設(shè):

H2a：結(jié)構(gòu)資本對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量具有顯著正向影響；

H2b：結(jié)構(gòu)資本對學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量具有顯著正向影響。

2.4 認(rèn)知資本與知識共享行為

認(rèn)知資本是指為不同個體提供表達(dá)與解釋的資源[15]，比如共同價值觀、語言或行為模式、共同愿景等。社會資本理論中的共同語言、共享愿景等認(rèn)知資本是虛擬社區(qū)成員間實現(xiàn)知識共享的必要條件[23]。其中，共同愿景是指社區(qū)成員普遍認(rèn)同的目標(biāo)和愿望[27]，即用戶在社區(qū)中活動具有目標(biāo)和愿景上的一致性。Ardichvili[28]將共同愿景視為一種整合機制——可以將分散的個體組織起來，使大家擁有共同目標(biāo)，進而形成一個新整體。在學(xué)術(shù)虛擬社區(qū)知識共享活動中，共同愿景使社區(qū)成員的行動目標(biāo)一致，有助于增強社區(qū)凝聚力，促進成員分享觀點和提高溝通效率。學(xué)術(shù)虛擬社區(qū)成員一般都具有專業(yè)知識，因此擁有共同語言。如科學(xué)網(wǎng)通過提供添加好友功能，將具有共同愿景的用戶聯(lián)系在一起，共同的價值觀和社區(qū)發(fā)展愿景促使不同用戶之間成為好友。在共同愿景的驅(qū)使下，好友數(shù)量越多，用戶的知識分享意愿就越強烈，共享行為也越多。基于上述研究，本研究將好友數(shù)作為認(rèn)知資本的指標(biāo)變量，并提出如下假設(shè):

H3a：認(rèn)知資本對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量具有顯著正向影響；

H3b：認(rèn)知資本對學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量具有顯著正向影響。

2.5 技術(shù)支持與知識共享行為

對技術(shù)的主觀接受程度是影響用戶知識共享行為的關(guān)鍵因素[19]。信息技術(shù)作為虛擬社區(qū)知識共享行為的支撐基礎(chǔ)，直接決定信息交流和傳遞的社會交換成本[12]。根據(jù)技術(shù)接受模型可知，要促使個體在虛擬社區(qū)中分享知識，需盡量讓用戶感受到該虛擬社區(qū)帶來的裨益，并且獲取容易。在學(xué)術(shù)虛擬社區(qū)中，是否易于獲得完整、準(zhǔn)確的信息以解答自身面臨的問題是個體參與知識分享的重要前提[29]。感知有用性是指用戶認(rèn)為借助學(xué)術(shù)虛擬社區(qū)能夠獲取有用知識和前沿信息，以解決其研究工作中的問題；感知易用性是指用戶在使用該平臺過程中形成的便捷性體驗[6]。感知有用性與績效期望、享樂動機相關(guān)，如當(dāng)用戶在社區(qū)中獲得有用知識、技能，進而提升工作和學(xué)習(xí)效率，或者對平臺中的博文感到快樂和愉悅時，會主動在自己的主頁中分享該信息。同時，感知易用性也與付出期望相關(guān)，如當(dāng)用戶付出較少努力便可使用平臺系統(tǒng)時，說明該學(xué)術(shù)平臺易于使用，良好的使用體驗有助于提高用戶使用頻率，從而增加發(fā)帖量。換而言之，如果用戶認(rèn)為學(xué)術(shù)虛擬社區(qū)有用且方便，就會積極分享有用的帖子并且經(jīng)常在社區(qū)中發(fā)帖討論。因此，本文使用用戶分享的博文數(shù)衡量用戶對社區(qū)的感知有用性，以用戶的平臺使用頻率衡量該用戶對社區(qū)的感知易用性。同時，基于上述研究，本研究將分享數(shù)和使用效率作為技術(shù)支持的指標(biāo)變量，并提出如下研究假設(shè):

H4a：技術(shù)支持對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量具有顯著正向影響；

H4b：技術(shù)支持對學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量具有顯著正向影響。

綜合上述分析和假設(shè)，本研究提出基于社會資本和技術(shù)支持的學(xué)術(shù)虛擬社區(qū)知識共享行為模型，如圖2所示。

圖2 學(xué)術(shù)虛擬社區(qū)知識共享影響因素理論模型Fig. 2 Theoretical model of influencing factors of knowledge sharing in the academic virtual community

3 數(shù)據(jù)收集與處理

3.1 數(shù)據(jù)收集與變量描述

本研究實證數(shù)據(jù)來源于科學(xué)網(wǎng)。眾所周知，科學(xué)網(wǎng)是面向廣大學(xué)術(shù)愛好者和科研工作者，為其提供知識資源交流和共享的典型在線學(xué)術(shù)問答社區(qū)，其用戶可針對學(xué)術(shù)熱點話題展開全面深入的討論，快速實現(xiàn)個體知識輸入與輸出。科學(xué)網(wǎng)于2007年1月上線，目前已經(jīng)穩(wěn)居全球科學(xué)類中文網(wǎng)站排名第一，其用戶群體受教育程度高，多是來自國內(nèi)各大高校和研究院的師生以及科研人員。作為全球最大的中文科學(xué)社區(qū)，科學(xué)網(wǎng)為廣大學(xué)者進行學(xué)術(shù)探究與創(chuàng)新提供了有效平臺。因此，本文通過Python網(wǎng)絡(luò)爬蟲軟件，初步獲取管理綜合板塊下的7 255名用戶信息。該板塊下設(shè)管理科學(xué)與工程、工商管理、宏觀管理與政策、管理學(xué)、馬克思主義、哲學(xué)、語言學(xué)、文學(xué)、藝術(shù)學(xué)、歷史學(xué)、經(jīng)濟學(xué)、政治學(xué)、法學(xué)、社會學(xué)、新聞學(xué)與傳播學(xué)、圖書館情報與文獻學(xué)、教育學(xué)、體育學(xué)和統(tǒng)計學(xué)，共19個二級學(xué)科，用戶信息包括是否實名認(rèn)證、用戶公開的工作信息、金幣數(shù)、活躍度、用戶空間訪問量、好友數(shù)、分享數(shù)、在線時間、博文數(shù)、主題帖數(shù)、回帖數(shù)、閱讀數(shù)和評論數(shù)等，相關(guān)自變量和因變量見表1。

表1 模型變量及解釋Tab.1 Model variables and interpretation

3.2 數(shù)據(jù)處理與描述性統(tǒng)計

本文變量的觀測時間為2020年12月13日，在7 255名用戶信息中刪除數(shù)據(jù)缺失和有效在線時間為0的1 491名用戶，最終獲得5 764名用戶信息。對數(shù)據(jù)進行初步分析的結(jié)果顯示，在19類二級學(xué)科中，管理科學(xué)與工程板塊用戶數(shù)最多(20.84%)，其次是圖書館情報與文獻學(xué)(17.66%)，后面依次是宏觀管理與政策(8.21%)、工商管理(8.16%)和教育學(xué)(8.07%)等。利用SPSS25.0軟件對自變量和因變量進行描述性統(tǒng)計分析，如表2所示。可以看出，科學(xué)網(wǎng)社區(qū)成員行為差異較大，其中，實名認(rèn)證用戶占74.98%，公開工作情況用戶占44.80%，說明大多數(shù)用戶對平臺具有信任感；活躍度、閱讀評論數(shù)差距高達(dá)幾百萬，空間訪問量的差距甚至高達(dá)幾千萬，同時，三項指標(biāo)的均值和標(biāo)準(zhǔn)差也明顯高于其它變量。因變量知識共享數(shù)量和質(zhì)量的均值與最大值差距較大，反映出整體知識共享行為并不活躍。總體來說，各變量數(shù)據(jù)分布比較分散，差異較大。

表2 描述性統(tǒng)計分析結(jié)果(N=5764)Tab.2 Descriptive statistical analysis results (N=5764)

3.3 分析方法

本文因變量知識共享數(shù)量和質(zhì)量為用戶博文數(shù)、主題帖數(shù)、回帖數(shù)、閱讀數(shù)和評論數(shù)，上述指標(biāo)均為非負(fù)整數(shù)的計數(shù)型數(shù)據(jù)，獨立且非負(fù)的計數(shù)型數(shù)據(jù)往往采用泊松回歸和負(fù)二項回歸。泊松回歸的前提假設(shè)是樣本的均值與方差相等，而負(fù)二項回歸更適合存在過度離散(over dispersion)現(xiàn)象的數(shù)據(jù)分析。從表2可以看出，知識共享數(shù)量和質(zhì)量的指標(biāo)均值明顯小于方差，說明數(shù)據(jù)的離散程度大，更適用負(fù)二項回歸方法[30]。由于用戶博文數(shù)、主題帖數(shù)、回帖數(shù)、閱讀數(shù)和評論數(shù)有大量零值，而負(fù)二項零膨脹回歸模型(ZINB)允許存在大量零觀測值和計數(shù)數(shù)據(jù)偏分布[31]，因此本文采用負(fù)二項零膨脹回歸模型進行分析。本文模型檢驗采用單一指標(biāo)變量分析和分層逐步回歸分析，并將關(guān)系資本、結(jié)構(gòu)資本、認(rèn)知資本和技術(shù)支持4個自變量依次進行回歸，探究其對知識共享行為的不同影響。

4 數(shù)據(jù)分析

4.1 相關(guān)性分析

利用軟件SPSS25.0對各變量進行相關(guān)性分析，結(jié)果如表3所示。可以發(fā)現(xiàn)，自變量與因變量之間，除工作公開情況(B)與知識共享數(shù)量(Y2)的相關(guān)性不顯著外，其它自變量均與因變量知識共享質(zhì)量(Y1)、知識共享數(shù)量(Y2)顯著相關(guān)。另外，各自變量之間大多存在相關(guān)性，其中，除工作公開情況(B)外，關(guān)系資本的其它三項變量實名認(rèn)證(A)、金幣數(shù)(C)與活躍度(D)之間具有顯著相關(guān)性，分享數(shù)與使用頻率作為技術(shù)支持的兩個指標(biāo)，相關(guān)性不顯著，這可能是因為科學(xué)網(wǎng)社區(qū)用戶對技術(shù)支持的感知有用性與感知易用性差異較大。同時，各變量的方差膨脹因子系數(shù)均小于10，表明變量間不存在多重共線性。

4.2 回歸分析

4.2.1 單一變量回歸分析

單一指標(biāo)變量分析是將所有指標(biāo)變量分別對知識共享行為進行回歸分析，目的在于判斷不同變量對知識共享行為的影響[32]。其中，因變量知識共享質(zhì)量(Y1)的測量指標(biāo)為用戶發(fā)布博文的閱讀數(shù)與評論數(shù)之和，知識共享數(shù)量(Y2)的測量指標(biāo)為用戶發(fā)布的博文數(shù)、主題帖數(shù)和回帖數(shù)之和。利用StataSE15對實名認(rèn)證、工作公開情況、金幣數(shù)、活躍度、空間訪問量、好友數(shù)、分享數(shù)、使用頻率等變量分別進行知識共享質(zhì)量和數(shù)量的零膨脹負(fù)二項回歸分析。除好友數(shù)(F)對知識共享質(zhì)量(Y1)、分享數(shù)(G)對知識共享數(shù)量(Y2)的影響不顯著，分享數(shù)(G)對知識共享質(zhì)量(Y1)有顯著負(fù)向影響(β=-0.001 325，p=0.000)外，其它指標(biāo)變量均對因變量知識共享質(zhì)量(Y1)和知識共享數(shù)量(Y2)有顯著正向影響。

4.2.2 逐步分層回歸分析

利用StataSE 15軟件，分別對關(guān)系資本、結(jié)構(gòu)資本、認(rèn)知資本以及技術(shù)支持4個維度變量采取分層逐步零膨脹負(fù)二項回歸分析，最終形成8個知識共享回歸模型，具體見表4。

(1)所有模型的χ2和P值均顯著，說明模型具有統(tǒng)計性意義。在知識共享質(zhì)量的4個模型和知識共享數(shù)量的4個模型中，對數(shù)似然值均隨著變量加入而逐漸增大，說明隨著變量維度增加，知識共享行為模型的擬合度越來越高。特別是當(dāng)所有變量全部納入時，模型擬合效果最好，解釋性最強(見模型4和模型8)。

(2)不同維度自變量對知識共享質(zhì)量和數(shù)量的影響會隨著其它變量加入而產(chǎn)生較大差異，主要體現(xiàn)在自變量對知識共享質(zhì)量和數(shù)量的影響程度與作用效果上。

首先，在知識共享質(zhì)量理論模型中，當(dāng)關(guān)系資本進入時，模型1中關(guān)系資本的4個指標(biāo)對知識共享質(zhì)量均有顯著正向影響，并且是否實名認(rèn)證對學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量影響最大，影響系數(shù)為0.525(P<0.01)。當(dāng)結(jié)構(gòu)資本被納入時，模型2中的5個指標(biāo)對知識共享質(zhì)量均有顯著正向影響，但實名認(rèn)證、工作公開情況和金幣數(shù)的影響逐漸下降。當(dāng)認(rèn)知資本被納入時，其對知識共享質(zhì)量的正向影響不顯著，同時，實名認(rèn)證的影響持續(xù)下降，工作公開情況的影響有所提高，但仍小于模型1。當(dāng)技術(shù)支持被納入后，形成完整的知識共享質(zhì)量理論模型。模型4中技術(shù)支持的兩項指標(biāo)對知識共享質(zhì)量的影響存在差異，分享數(shù)呈顯著負(fù)向影響，即個體在空間轉(zhuǎn)發(fā)分享的博文數(shù)量越多，其自身的知識貢獻質(zhì)量越差。而使用頻率具有顯著的正向作用，加入技術(shù)支持對關(guān)系資本的效用產(chǎn)生影響，實名認(rèn)證的影響出現(xiàn)下降，但是仍然最大，公開工作情況的影響有所上升。

其次，在知識共享數(shù)量理論模型中，當(dāng)關(guān)系資本被納入時，模型1中關(guān)系資本的4個指標(biāo)對知識共享數(shù)量均有顯著正向影響。納入結(jié)構(gòu)資本后，模型2中的5個指標(biāo)對知識共享數(shù)量均有顯著正向影響，且實名認(rèn)證和金幣數(shù)的影響有所下降，公開工作情況的影響有所上升。當(dāng)認(rèn)知資本被納入后，其對知識貢獻的正向影響同樣不顯著，并且實名認(rèn)證的影響進一步減弱。當(dāng)技術(shù)支持被納入后，形成完整的知識共享數(shù)量理論模型。在模型4技術(shù)支持的兩項指標(biāo)中，分享數(shù)對知識共享數(shù)量的正向影響不顯著，而使用頻率有顯著正向作用且對知識共享數(shù)量的影響最大，系數(shù)為4.182(P<0.01)，技術(shù)支持的加入對關(guān)系資本和認(rèn)知資本產(chǎn)生影響，實名認(rèn)證和公開工作情況的影響下降，金幣數(shù)的影響有所上升。值得關(guān)注的是，好友數(shù)的影響由不顯著變?yōu)轱@著正向，即在感知有用和感知易用的情況下，用戶擁有的好友越多，其進行知識共享的數(shù)量越多。與知識共享質(zhì)量理論模型相比，知識共享數(shù)量模型中的實名認(rèn)證、公開工作情況和金幣數(shù)的影響程度更大，好友數(shù)與分享數(shù)的影響存在顯著差異。

4.3 穩(wěn)健性分析

對知識共享數(shù)量和質(zhì)量進行統(tǒng)計發(fā)現(xiàn)，大部分用戶的發(fā)帖回帖和閱讀評論數(shù)很少，多數(shù)用戶的知識共享參與量為0，另外有41名極端用戶的知識共享數(shù)量超過1 000 000條，因此本研究剔除發(fā)帖回帖和閱讀評論數(shù)為0的用戶以及知識共享數(shù)量異常多的41名用戶，對剩下的1 187名用戶樣本再次進行回歸，進一步檢驗社會資本和技術(shù)支持對用戶知識共享行為的影響，結(jié)果如表5所示。可以發(fā)現(xiàn)，該結(jié)果與表4中回歸結(jié)果(模型4、模型8)—致，表明回歸結(jié)果穩(wěn)健。

5 結(jié)論與啟示

5.1 研究結(jié)論

本文在探究學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素的過程中，將知識共享行為分為知識共享質(zhì)量模型和知識共享數(shù)量模型，系統(tǒng)探討用戶關(guān)系資本、結(jié)構(gòu)資本、認(rèn)知資本以及感知有用性、感知易用性對用戶知識共享行為的影響，研究結(jié)果如下：

(1)關(guān)系資本與結(jié)構(gòu)資本持續(xù)促進知識共享行為。社會資本中的關(guān)系資本和結(jié)構(gòu)資本對知識共享質(zhì)量與數(shù)量均有顯著正向影響。一方面，隨著其它變量介入以及不同變量間的組合，作為結(jié)構(gòu)資本的指標(biāo)變量空間訪問量和關(guān)系資本的指標(biāo)變量用戶活躍度對知識共享質(zhì)量與數(shù)量均有顯著正向作用，且作用穩(wěn)定。而作為關(guān)系資本的指標(biāo)變量實名認(rèn)證隨著其它變量介入，逐漸降低對知識共享質(zhì)量和數(shù)量的影響，作為關(guān)系資本指標(biāo)變量的公開工作情況和金幣數(shù)對知識共享質(zhì)量與數(shù)量的影響呈現(xiàn)波動性、動態(tài)性。另一方面，關(guān)系資本中的信任對學(xué)術(shù)虛擬社區(qū)知識共享行為的影響明顯大于其它變量，說明在學(xué)術(shù)社區(qū)中用戶的信任程度越高，越會積極參與知識共享和信息交流，這與甘春梅[16]、陳明紅[6]等的研究結(jié)果一致。若社區(qū)平臺以及平臺成員本著互惠互利的想法共同學(xué)習(xí)與進步，用戶間擁有高度的社區(qū)認(rèn)同感，那么用戶的知識共享意愿也更強烈，更愿意在學(xué)術(shù)社區(qū)中進行知識共享，同時，知識共享效果也更好。

表3 變量間相關(guān)系數(shù)及VIF值(N=5764)Tab.3 Correlation coefficients between variables and VIF values (N=5764)

表4 知識共享模型的逐步回歸分析結(jié)果(N=5764)Tab. 4 Stepwise regression analysis results of the knowledge sharing model (N=5764)

表5 知識共享模型回歸分析結(jié)果(剔除極端樣本)Tab.5 Knowledge sharing model regression analysis results (excluding extreme samples)

(2)認(rèn)知資本僅在其它因素介入下有助于提高知識共享數(shù)量。以好友數(shù)為指標(biāo)變量的認(rèn)知資本對知識共享質(zhì)量的影響不顯著，隨著其它變量加入，認(rèn)知資本對知識共享數(shù)量產(chǎn)生顯著正向影響。該結(jié)論與前文假設(shè)以及已有研究相悖。如Chiu[33]通過實證研究發(fā)現(xiàn)，共享愿景顯著正向影響知識共享質(zhì)量，并且負(fù)向影響知識共享數(shù)量；陳明紅等[34]發(fā)現(xiàn)，共同愿景對虛擬社區(qū)中的知識分享產(chǎn)生積極影響。而本研究得出不同結(jié)論，原因在于科學(xué)網(wǎng)用戶擁有共同的價值觀和愿景，對學(xué)術(shù)知識有著共同愛好，其加入虛擬社區(qū)大多基于對知識的渴求或分享欲望。由于學(xué)術(shù)社區(qū)中用戶共同愿景水平較高，因此共同愿景并不會有效提升知識共享質(zhì)量。同時，線上社區(qū)中用戶聯(lián)系、真實想法和意思表達(dá)不同于線下社區(qū)，基于共同目標(biāo)、興趣愛好而成為好友僅在特定情境下會促進用戶知識共享行為，這與Wasko等[26]研究結(jié)果一致，即共享愿景顯著影響知識共享數(shù)量而不影響知識共享質(zhì)量。總體上，認(rèn)知資本對知識共享行為的影響存在不確定性。

(3)技術(shù)支持下的感知有用性與感知易用性對知識共享的影響差異顯著。作為技術(shù)支持下感知易用性的衡量指標(biāo)——使用頻率對知識共享質(zhì)量和數(shù)量均有顯著正向影響，這與Hus[35]、陳明紅[6]等的研究結(jié)論一致，說明當(dāng)用戶在學(xué)術(shù)社區(qū)中使用體驗良好，即操作系統(tǒng)簡單、易于上手，能快速、便捷地解決問題時，會增加用戶對平臺的好感度，從而熱衷于進行知識共享。而感知有用性的衡量指標(biāo)分享數(shù)對知識共享數(shù)量的影響不顯著，對知識共享質(zhì)量有顯著負(fù)向影響，這與之前的假設(shè)以及前人研究結(jié)果不一致。如Hung和Cheng[36]研究發(fā)現(xiàn)，感知有用性顯著影響虛擬社區(qū)用戶的知識共享意愿；郭愷強等[37]通過實證表明，感知有用性是消費者在虛擬社區(qū)中進行評論等交流行為的重要影響因素。本文得出相反結(jié)論的原因可能為科學(xué)網(wǎng)平臺中的知識與信息質(zhì)量參差不齊，而科學(xué)網(wǎng)用戶知識水平較高，想在平臺中獲取準(zhǔn)確信息和解決問題較困難，同時，用戶不愿分享質(zhì)量低、有用性差的博文，因此分享數(shù)對知識共享數(shù)量的影響不顯著，而當(dāng)用戶在空間中分享的博文數(shù)過多時，針對性的可用信息就會減少，輸出本身想法的意愿也會降低，從而對知識共享質(zhì)量帶來負(fù)向影響。對于一般社區(qū)的知識共享，社區(qū)感知有用性的影響大于感知易用性[6]，但科學(xué)網(wǎng)作為特殊的學(xué)術(shù)虛擬社區(qū)有其獨特性，其用戶知識水平普遍較高，相比獲得有用知識，專家和學(xué)者們更關(guān)注知識價值與共享條件的便利性，這也解釋了上述結(jié)論。

5.2 管理啟示

本文從社會資本和技術(shù)支持視角，通過爬取“科學(xué)網(wǎng)”學(xué)術(shù)虛擬社區(qū)的15 764名用戶信息，采用零膨脹負(fù)二項回歸分析方法，探討學(xué)術(shù)虛擬社區(qū)知識共享行為的影響因素。在實踐方面，社區(qū)管理者可以從4個四方面增強用戶使用意愿和提高滿意度。

(1)搭建基于興趣的社交圈，促進社區(qū)用戶互動。社區(qū)管理者應(yīng)該采取措施，加強平臺用戶聯(lián)系。可根據(jù)不同用戶興趣偏好，利用人工智能和大數(shù)據(jù)分析工具，為用戶推薦感興趣的討論組、社交圈，以此加強成員互動，改善用戶空間結(jié)構(gòu)，以吸引更多訪問量，使用戶之間獲得更深層次的了解，甚至幫助用戶開展線下活動，促進交流，以方便進一步的學(xué)術(shù)交流與探討。

(2)采取實名制，打造彼此信任的高質(zhì)量社區(qū)。社區(qū)平臺應(yīng)采用實名注冊制、身份信息審核，以提升用戶之間以及用戶與平臺之間的信任感，提高用戶對平臺以及平臺中其他用戶的信任度，對用戶在平臺中的知識產(chǎn)權(quán)加以保護，營造安全、互利互惠的社區(qū)氛圍。

(3)規(guī)范積分和金幣獲得制度，提升用戶活躍度。社區(qū)平臺可以優(yōu)化積分和金幣獲取途徑，促使用戶更愿意通過參與社區(qū)活動獲得獎勵；通過規(guī)范得分機制，建立互助互惠制度，有針對性地推送學(xué)術(shù)知識、開展特色學(xué)術(shù)活動，提升用戶活躍度。如為活躍度高的成員設(shè)置更高等級、提供專屬化服務(wù)，進一步激發(fā)其參與、分享和創(chuàng)新的熱情。

(4)把關(guān)平臺知識共享質(zhì)量，為用戶提供個性化服務(wù)。社區(qū)管理者應(yīng)該對平臺中的知識與信息進行篩選，提高網(wǎng)站知識質(zhì)量，使更多優(yōu)秀的高質(zhì)量博文被更多用戶看到，鼓勵發(fā)表更多高水平見解與想法，從而使平臺用戶能在社區(qū)中獲得滿意解答。同時，管理者也要進行用戶需求調(diào)查，為用戶提供專業(yè)化、個性化服務(wù)，簡化社區(qū)平臺操作程序，提高用戶易用性體驗，鼓勵用戶積極進行知識交流。

本文對學(xué)術(shù)虛擬社區(qū)知識共享行為影響因素的研究還存在一些不足。首先，科學(xué)網(wǎng)中的用戶數(shù)據(jù)是動態(tài)變化的，本文僅爬取了某一時點的靜態(tài)數(shù)據(jù)，未來研究可以考慮時間因素，動態(tài)研究相關(guān)變量；其次，本文采用Python軟件爬取用戶數(shù)據(jù)具有一定客觀性，但選取的相關(guān)指標(biāo)并不能完全解釋知識共享行為模型，如在衡量知識共享質(zhì)量時僅使用閱讀數(shù)和評論數(shù)，可能無法全面反映知識共享質(zhì)量，未來可以進一步挖掘相關(guān)指標(biāo)。