图1 假设模型
郭 伟，王洋洋，梁若愚，郑 庆，邱泽成，安蔚瑾
(天津大学 机械工程学院，天津 300354)
摘 要：开放社区中的用户交互反馈是用户创新活动的重要组成部分，基于需求满足理论，研究其他用户反馈对个体创新贡献度的影响。结合典型开放式产品设计社区——Local Motors平台，采用数据挖掘方法，从数量、质量和情感3个方面研究开放式创新社区中FOU对个体创新贡献度的影响。结果表明，反馈数量和质量均对个体创新贡献度有显著影响，其中反馈次数对个体创新贡献度有显著正向影响，反馈率和反馈人员多样性对个体创新贡献度有显著负向影响，反馈长度和反馈支持文件对个体创新贡献度没有影响，正向情感倾向在用户反馈和个体创新贡献度之间无任何调节作用。
关键词：开放式创新；需求满足理论；用户反馈；个体创新贡献度
随着信息与通讯技术快速发展，越来越多的企业开始构建开放式创新社区，如戴尔的Ideastorm、海尔的Hope、Local Motors、InnoCentive和小米社区等[1]，广泛吸引社会大众加入社区并关注企业产品，激励社区用户积极参与企业内部产品研发与设计活动[2]，通过搜集并利用用户提供的创意，在提高产品开发绩效的同时，增强企业市场竞争力。
目前，大量研究集中在网络社区用户交互行为[3,4]方面，少有学者对用户交互反馈与创新产出之间的关系进行探讨。社区中的用户交互反馈是用户创新活动的重要组成部分。在组织行为学领域，Ilgen D等[5]把反馈分为3种，分别是来自他人的反馈、来自环境的反馈和来自自身的反馈。其中，来自他人的反馈即其他用户反馈(Feedback from Other Users，FOU)是本文的研究重点。FOU与传统意义上的用户反馈(User Feedback)不同，传统意义上的用户反馈是基于产品视角的定义，指某一产品的用户作出有关产品情况的反馈[6,7]。而FOU则是基于用户视角的定义，指在开放式创新社区中，用户由于在社区中作出了某些贡献而收到其他用户的反馈(即评论)。Mahr和Lievens[8]从用户行为视角提出用户反应贡献行为的概念，但是并未对反应贡献行为(FOU)进行深入分析。刘波等[9]研究了网络环境下来自企业的用户反馈(Feedback from Enterprise)对用户努力程度的影响作用；Guo等[10]研究了来自企业的反馈对用户持续使用意向的影响作用；FØLstad等[11]分析了在线Living Lab模式中FOU对创意产生的影响；马吉峰等[12]研究发现，游戏社区中的FOU会显著正向影响创新者的持续性创新意愿。但是鲜有学者在开放式创新环境下，就FOU对用户创新行为的影响展开研究。
Schneider、Benjamin和Alderfer于1973年提出需求满足理论，认为每个人都有某种需求或动机。一个人之所以有某种行为，是因为这些行为能满足其需求或动机。在开放式创新社区提出想法或者解决方案的动机之一就是为了满足自身内在需求。内在需求是激励用户参与创新最为直接的动力因素，包括获得名誉声望、获得社会认可和成就感、对娱乐和学习的体验需求等[13,14]。翟本瑞[15]指出，个人在与他人交互过程中，其内在需求会得到满足。当用户需求得到满足时，会积极贡献创意或想法[13,14]。
基于需求满足理论，结合创新自我效能理论、社会交换理论和互惠规范原则，本文认为在开放式创新社区中，FOU对个体创新贡献度具有一定影响作用。以 Local Motors 平台数据为基础，从FOU数量、质量和情感3个方面研究FOU对个体创新贡献度的影响。
本文借鉴张圣亮等[16]对用户产生内容的研究，从FOU数量、质量和情感3个方面研究FOU对个体创新贡献度的影响。甄美荣[17]提出创新行为包含3个层次：组织创新行为、团队创新行为和个体创新行为。本文从个体创新行为层面研究个体创新贡献度，结合Amabile和Scott等[18]的研究，将个体创新贡献定义为个体用户在开放式创新社区中贡献的新颖想法或解决方案数量。假设模型如图1所示。
创新自我效能属于自我效能在个体创新中的具体运用，是由Tierney和Farmer整合自我效能和创造力理论而提出的概念[19]。杨景照等[20]将创新自我效能的影响因素分为两大类，其中一类是结果预期，是指个人对某一行为会导致某一结果的期望。在开放式创新社区中，当用户无偿贡献的创新想法得到其他用户的关注和反馈时，会提高用户的自我认知和成就感[13]。根据创新自我效能理论，本研究认为在开放式创新社区中，FOU次数越多，越能增加用户对自身创造力的自信程度，增强用户的创新自我效能感，激励用户贡献更多创意想法或解决方案。由此，提出如下假设：
H1：在开放式创新社区中，FOU次数与个体创新贡献度正相关。
在开放式创新社区中，互惠规范是驱动用户贡献创新的一个重要因素，是社会公认的原则。开放式创新社区的长期发展离不开用户间持续交互。用户根据互惠规范原则贡献自己的创新想法，平台中的其他用户会按照自己的理解对创新想法作出反馈，进而形成用户之间的交互。当用户贡献的创新想法得到其他用户的反馈时，会使用户之间产生一种相互受益的感觉。用户在这种相互受益的感觉推动下会继续作出贡献与反馈行为。如果用户贡献创意后其期待的反馈未出现，则可能弱化其创新贡献意愿，导致创新贡献度降低。因此本研究认为，反馈率越高，用户被反馈的概率越大，用户之间交互越对等，越有利于产生用户间相互受益的感觉，进而促进用户贡献更多创新想法。由此，提出如下假设:
H2：在开放式创新社区中，反馈率与个体创新贡献度正相关。
Følstad[21]研究发现，用户反馈内容与用户创新行为具有相关性。莫启钧[22]从反馈内容长度和反馈及时性两个方面度量反馈质量；张艳辉等(2016)认为评论内容长度是评判在线评论有用性的一个重要维度；Li等[23]把创意长度和创意支撑文件作为创意质量的测量指标；王黎萤[24]把成员多样性作为研发团队质量的测度指标。本文参照前人对用户产生内容(UGC)与创新绩效的相关研究，结合开放式创新社区的特点，从反馈长度、反馈支撑文件和反馈人员多样性3个方面研究FOU对个体创新贡献度的影响。
反馈长度方面，张艳辉等(2016)用评论字数测度评论深度，中国大型B2C网站在测量评论有用性时对评论字数比较看重[25]。一般认为，评论字符数越多、长度越长，所包含的有用信息也越多，有用性也越高[27]；Wong等[27]认为用户评论越长，所表达的想法越多、意义越完整；殷国鹏等[28]以信息采纳理论为研究基础，发现评论越长，包含信息量越大。本研究认为，在开放式创新社区中，FOU内容越长，其包含的信息越多，对FOU接收者来说，其有用性越高，有助于用户从大量信息中获取新知识，激发用户产生更多想法，进而提升用户创新贡献度。由此，提出如下假设：
H3：在开放式创新社区中，FOU内容长度与个体创新贡献度正相关。
在FOU内容支撑文件方面，张艳辉等(2016)通过分析得出，上传图片可以增强评论内容的有用性。图片或视频等支撑文件能够反映用户反馈内容的真实信息、用户的个人情感和感受，有利于消除反馈内容的不确定性，增强被反馈者的个人感知；郭顺利等(2015)认为在一定的阈值范围内，图片数量越多，反映出的有用信息越多，有用性越高。在开放式创新社区中，其他用户在反馈时若附加了相应的支撑文件，其反馈内容的有用信息越多，越能激发用户优化自己的想法或产生更多的创意。由此，提出如下假设：
H4：在开放式创新社区中，FOU支撑文件与个体创新贡献度正相关。
在反馈人员多样性方面，杨志蓉[29]研究发现，成员多样性越高，越有利于创造自由创新的和谐氛围，从而提高整体创新绩效。Shaw和Barrett-Power[30]基于资源理论，指出高异质性群体拥有的技能、知识、信息和其它适用资源更丰富；Austin[34]对创业团队的异质性进行研究，指出专业背景不同会带来认知结构上的多样性，从而激发创造性思维；West[32]认为成员的专长技能多样性越强，成员之间提出的创意想法越丰富，可以不断擦出创意的火花；王黎萤[24]证实成员多样性直接正向影响研发团队创造力；张力刚等[33]认为，人员多样性意味着知识的多样性，设计人员可以从各类文化知识中汲取营养，进而提升设计修养及设计能力。在开放式创新社区中，反馈人员的多样性越高，用户接触到的知识种类越多，越能在思想碰撞中激发更多灵感，进而贡献更多创新想法。由此，提出如下假设：
H5：在开放式创新社区中，反馈人员多样性与个体创新贡献度正相关。
研究发现，良好的创新气氛能够有效影响个体的创新[37]。在创新气氛对创新行为影响方面，Scott[38]基于心理学领域的创新气氛研究指出，创新气氛包括开放式创新社区成员感受到来自社区中其他成员对其创新的支持，如对创新的鼓励等精神支持。当用户所处的环境气氛能为其创新努力提供充分的支持时，用户更容易表现出创新行为[39]；Amabile等[18]经过研究发现团队鼓励对于员工创造力的发挥具有积极影响；王贵军[36]发现，情感承诺对创新行为的正向预测作用十分突出。
在社会交互背景中，创新贡献度与机会成本正相关[37]。如果创新贡献被他人认可，那么这种经验将会带来收益(满足感及提升自我形象)；但是在缺乏他人认可的情况下，贡献的创意将会是对时间和精力的浪费，并且当反馈者并不认可贡献者的创新想法时，会给贡献者带来一段不愉快的经历。对于一些习惯于为他人提供帮助并期望得到他人认可的用户来说，不愉快的经历将会使用户感到痛苦，不利于其产生新的创意方案。用户的正向反馈能在情感上给予用户鼓励，进而促进用户产生新的创意方案[37]。张丽[25]认为，对在线评论的情感进行测量具有重要意义。
结合学者对情感承诺和社会交互背景的研究，本文认为在开放式创新社区中，用户反馈的正向情感可以增强用户创新动机，并且在用户感受到他人的积极对待后，为了回报他人及社区，会自愿贡献更多创新方案。由此，本文提出如下假设：
H6a：在开放式创新社中，正向情感在反馈次数和个体创新贡献度之间起正向调节作用；
H6b：在开放式创新社区中，正向情感在反馈率和个体创新贡献度之间起正向调节作用；
H6c：在开放式创新社区中，正向情感在反馈长度和个体创新贡献度之间起正向调节作用；
H6d：在开放式创新社区中，正向情感在反馈支撑文件和个体创新贡献度之间起正向调节作用；
H6e：在开放式创新社区中，正向情感在反馈人员多样性和个体创新贡献度之间起正向调节作用。
图1 假设模型
Local Motors是一个汽车产品设计制造领域的开放式社区，吸引了一大批热衷于汽车研发的相对专业的人员，用户可以在Local Motors平台上发表看法、提出解决方案等。Local Motors社区实现了复杂汽车产品的开源设计创新及制造全过程用户参与，聚集与利用大量社区用户的智慧促进设计制造活动的持续推进。该平台融入Web2.0 社会化功能，用户可以参与该平台的线上活动，通过发帖或者接收其他用户对帖子的反馈，持续参与设计创新活动。
本文实证数据来自Local Motors平台上的开源汽车设计项目LM-SF01，有119个平台用户参与此项目Discussion版块，对与项目研发相关的话题进行讨论，共产生1 153条评论数据。本文基于119个平台用户产生的评论数据，探索FOU对个体创新贡献度的影响。
如表1所示，本文对控制变量、自变量、调节变量和因变量的测量以及各变量解释如下：
2.2.1 控制变量
张世颖[38]认为，内容生成主体的资历和经验是评价用户内容生成质量的一个重要指标；刘波[9]在分析创新观点质量时，将用户经验数作为控制变量引入模型；Li等[23]在研究创意成功实施的可能性时提出社龄的影响，并将社龄引入模型进行回归分析；周军杰(2015)认为社龄对用户粘性存在影响，并将其作为控制变量引入模型。由于本文着重研究FOU对个体创新贡献度的影响，为了排除其它干扰因素，本文将用户经验(User Experience，UE)、社龄(User Age in Community，UAC)作为控制变量引入模型。UE是指用户曾经在平台上参与的项目数，即用户自主发起的概念模型(Concept)、创意想法(Idea)、解决方案(Entry)和头脑风暴(Brainstorm)的总数，在某种程度上反映了用户自身能力的强弱，经验不同的用户对项目进展的贡献度也不尽相同；UAC表示用户加入社区的时间，用户加入时间越长，与他人互动越频繁，在互动中不断地获取知识，进而影响用户的创新贡献度。
2.2.2 自变量
数量方面：在Local Motors社区中，FOU次数用反馈次数(Number of Feedback，NF)表示，即接收到其他用户的回复总数；反馈率(Feedback Rate，FR)用NF与用户主动发出评论次数的比值表示，即用户每发出一条评论收到其他人回复的概率。
质量方面：在Local Motors社区中，反馈长度用反馈平均字符数(Average Number of Characters，ANC)表示，即用户收到反馈的总字符数与NF的比值；反馈支撑文件数用支撑文件反馈率 (Support Evidence Feedback Rate，SEFR)表示，即用户接收到的附有支撑文件的FOU次数与NF的比值。参照王婧[39]的人员异质性计算方法，反馈人员多样性(Feedback User Variety，FUV)用反馈人员间的UE标准差表示。
2.2.3 调节变量
情感方面：在创新动机的研究中，王慧贤[40]认为感知激励对用户知识贡献意愿有显著影响；王海平[41]发现，精神激励与个体独立创新具有相关性。本文探讨FOU数量和质量对个体创新度的作用是否受到反馈正向情感的影响，因而将正向情感反馈率作为调节变量加入模型。本文用文本分析方法分析带有正向感情倾向词汇的反馈，用正向情感反馈率 (Positive Emotion Feedback Rate，PEFR)表示，即接收到的带有正向情感倾向反馈的次数与NF的比值。
2.2.4 因变量
个体创新贡献度 (Number of User Innovation Contribution，NUIC)：用个体贡献的创意想法和解决方案的总数表示。
本研究由于存在个体差异性，除UAC、FR、SEFR、PEFR变量外，其它变量的差异性均较大。为了控制潜在离群值的影响，使回归结果更加稳健，本文对这些变量进行对数化处理。若处理过程中，变量x有数据含有零值，不能直接进行数化处理，则进行LN(x+1)处理，结果如表1所示。
表1 模型变量与测度指标
本文利用SPSS22.0进行数据分析，并检验假设模型。
(1)变量描述性统计和相关系数表，如表2所示。通过相关性分析检验用户反馈和个体创新贡献度的相关性。
表2显示反馈次数(r=0.629，P<0.01)、反馈长度(r=0.295，P<0.01)和反馈人员多样性(r=0.347，P<0.01)与个体创新贡献度显著正相关；反馈率、反馈支撑文件和反馈正向情感倾向与个体创新贡献度相关性不显著。该结果为进一步验证假设模型提供了一定依据。
(2)回归模型比较分析。 根据研究需要，采用层次回归分析法检验个体创新贡献度与FOU各变量之间的因果关系。表3给出了4个回归模型的结果。模型1只包含UE和UAC两个控制变量；模型2加入了NF、FR、ANC、SEFR和FUV5个自变量，目的是为了验证H1-H5；在模型3和模型4中依次加入PFER、交互项1和交互项2，旨在验证H6a、H6b、H6c、H6d、H6e。
表2 描述性统计及相关系数
注**.表明在置信度(双测)为 0.01 时，相关性显著；N=1 119
模型1显示，两个控制变量共解释了总体方差的0.6%，但开放式创新社区不同于其它类型的社区，用户经验和社龄对个体创新型贡献度不存在显著影响。模型2加入5个FOU变量后，R2值由0.006上升到了0.587，变化了0.581(P<0.001)，说明FOU对个体创新型贡献度存在显著影响。其中，NF(β=0.705，P<0.001)对个体创新贡献度存在显著正向影响，H1通过验证；FR(β=-0.409，P<0.001)、FUV(β=-0.074，P<0.05)对个体创新贡献度存在显著负向影响，虽然与H2和H5的影响方向相反，但仍对个体创新贡献度具有显著影响；反馈长度和反馈支撑文件对个体创新贡献度不存在显著影响，H3、H4未通过验证。
反馈率(β=-0.409，P<0.001)和反馈人员多样性(β=-0.074，P<0.05)对个体创新型贡献影响显著，但是与相关假设不符，回归系数是负数，说明反馈率和反馈人员多样性负向影响个体创新贡献度。反馈率对个体创新贡献度具有负向影响的原因可能是，用户得到的反馈仅是针对一个创新方案的讨论，虽然反馈率高，但是讨论的是同一个解决方案，因而造成了虽然用户接收到的反馈率高，但是贡献度却没有相应提高的现象。反馈人员多样性负向影响个体创新贡献度的原因可能在于，反馈人员经验差别越大，反馈内容的质量差别也越大，而被反馈用户一般只采纳优质的反馈内容修正或改进自己的创意，反馈人员多样性较大时，反而提高了用户筛选有价值反馈内容的难度。同时，由于本文研究对象是开放式复杂产品设计设区，社区中汽车项目从概念设计到最终生产制造过程均有社区用户参与，是一个类型较为新颖的开放式创新社区，很少有学者研究该细分类别下的社区。因此，结论的差异化可能是由于社区性质、社区人员行为方式与意图不同导致的。虽然此研究结论与前人大部分研究结论不同，但也有学者的研究支持此类结论，如谢凤华等[39]研究发现，任职期限负向影响创新的过程绩效；晋琳琳等[40]基于社会分类理论的“相似-吸引”原理，指出个体差异会产生不安全感和危机感。当资质存在较大差异时，异质性与创新绩效负相关。这些研究都反映出经验差异化会导致创新贡献度降低。
模型3和模型4用以检验正向情感倾向的调节作用。从表3可以看出5个交互项的回归系数均不显著，说明正向情感倾向对个体创新贡献度不存在直接影响作用，并且在FOU对个体创新贡献度之间也没有任何调节作用。这与前人很多的研究结论不相符。但是，结合H1、H2和H5的结论，说明在Local Motors这种专业性较强的开放式创新社区中，用户对反馈内容更为重视，而对正向情感方面则没有很强感知，即用户并不会因为受到别人的肯定而在后续贡献更多创新方案。
表3 层次回归分析结果
a:因变量LN(NUIC+1)；b：模型1；c：模型2；d：模型3；e：模型4；***表示在P<0.001水平上显著；**表示在P<0.01水平上显著；*表示在P<0.05水平上显著
图2 分析结果
与以往以用户创新贡献内容为对象的用户反馈定义不同，本文参考了Ilgen D等[5]的研究，从用户视角定义了其他用户反馈行为FOU。本文使用数据挖掘的方式获取Local Motors平台数据，从数量、质量和情感3个方面研究了开放式创新社区中FOU对个体创新贡献度的影响。在需求满足理论支撑下，结合创新自我效能理论、社会交换理论、互惠规范原则和情感承诺，证实了FOU对用户创新行为具有显著影响，具体来说，FOU次数(H1)与个体创新贡献度正相关。最重要的是，研究发现反馈率(H2)和反馈人员多样性(H5)与个体创新贡献度负相关，而且用户正向情感倾向在FOU与个体创新贡献度之间不起任何调节作用，这与前人大部分的研究结论相反。
相较于前人仅从宏观层面研究用户反馈作对创新的影响，本文创造性地从较为微观的层面，从3个方面研究了FOU对个体创新贡献度的影响，丰富了现有研究成果、提供了新的研究思路。本文研究对象选取的是复杂机械产品设计开放式创新社区，而目前关注该领域的学者不多。未来的研究可以针对这一方面展开，了解其内部运行机制与机理，给社区管理提供理论支持，以更为高效地利用大众智慧，促进此类开放式创新模式的蓬勃发展。
综上所述，本文的研究对象、研究思路、方法及结论为以后开放式创新社区创新绩效相关研究提供了新的思路及研究基础。
(1)研究发现反馈次数对个体创新贡献度有显著促进作用，说明用户接收其他用户的反馈越多，用户会贡献更多的创意想法或者解决方案。因此，在开放式创新社区中，社区管理者可以采用适当的激励措施，如给予反馈次数多的用户更高权限，邀请其到公司内部接触产品研发或者制造过程；也可以给用户一定物质激励。这些激励措施可以鼓励用户在社区中开展更多的互动，对他人的创意进行恰当的评论，以提高个体创新贡献度，进而提高整个社区的创新贡献度。
(2)反馈率、反馈人员多样性负向影响个体创新贡献度，说明反馈人员的反馈率越高、经验相差越大，用户贡献度反而越小。因此，应鼓励开放式创新社区用户的深入讨论，尤其是需要激发具有一定专业水平能力的用户开展密切交互，形成多样性思维与碰撞。同时，建议开放式创新社区建立相应的用户等级制度，对各等级用户采取有效管理措施，形成高效交互群组，提高个人创新贡献度，进而提高整个社区的创新绩效。
(3)关于正向情感倾向在FOU次数与个体创新贡献度之间无任何调节作用，这一结论的启示在于，对诸如Local Motors这类专业性较强的开放式创新社区，一味地鼓励与支持有时候并不能达到激励用户贡献更多创意的目的，用户自身的创意生成能力才是保证个体创新贡献度的关键所在。
(1)本文仅选取Local Motors一个平台进行实证研究，具有一定局限性，现存的开放式创新互联网社区有很多，如Ducati、戴尔的Ideastorm、海尔的Hope等。未来将在多个类似的开放式创新平台上进行验证性研究，以使研究结论更有说服力。
(2)本研究中个体创新贡献度影响因素的测量指标体系还不够完善，未来将探索更多影响因素，并针对这些因素提出更合理的测量指标体系，以深化FOU对个体创新贡献度影响的研究。
参考文献:
[1] 秦敏, 乔晗, 陈良煌.基于CAS理论的企业开放式创新社区在线用户贡献行为研究:以国内知名企业社区为例[J].管理评论, 2015, 27(1):126.
[2] HEEHYOUNG JANG, LORNE OLFMAN, ILSANG KO, et al.The influence of on-line brand community characteristics on community commitment and brand loyalty[J].International Journal of Electronic Commerce, 2007, 167(3):1474-1482.
[3] CHOI E, LEE K C.Relationship between social network structure dynamics and innovation: micro-level analyses of virtual cross-functional teams in a multinational B2B firm[J].Computers in Human Behavior, 2016(65):151-162.
[4] ESLAMI H, EBADI A, SCHIFFAUEROVA A.Effect of collaboration network structure on knowledge creation and technological performance: the case of biotechnology in Canada[J].Scientometrics, 2013, 97(1):99-119.
[5] ILGEN D R, FISHER C D, TAYLOR M S.Consequences of individual feedback on behavior in organizations[J].Journal of Applied Psychology, 1979, 64(4):349-371.
[6] LIAO J, HUANG M, XIAO B.Promoting continual member participation in firm-hosted online brand communities: an organizational socialization approach[J].Journal of Business Research, 2017, 71:92-101.
[7] 宋佳琦.面向用户的开放知识披露动机研究[D].石家庄：河北师范大学, 2014.
[8] MAHR D, LIEVENS A.Virtual lead user communities: drivers of knowledge creation for innovation[J].Research Policy, 2012, 41(1):167-177.
[9] 刘波, 马永斌.网络环境中用户努力与创新观点质量——在线互动和评论版块异质性的调节作用[J].消费经济, 2016(5).
[10] GUO W, LIANG R Y, WANG L, et al.Exploring sustained participation in firm-hosted communities in China: the effects of social capital and active degree[J].Behaviour & Information Technology, 2016:1-20.
[11] FØLSTAD A.Co-creation through user feedback in an online living lab: a case example[C].The International Workshop on Open Design Spaces Supporting User Innovation, 2009.
[12] 马吉峰，鲁耀斌，SUMEETGUPTA.影响游戏社区用户持续性创新意愿的因素分析[EB/OL].http://www.paper.edu.cn/releasepaper/content/201612-457，2016-12-23.
[13] 曾大勇, 卢振权.用户创新的机理及模式研究[J].经济管理:文摘版, 2016(5):289-289.
[14] 王炳富, 郑准.协同创新视角下用户创新影响因素理论框架构建[J].科技进步与对策, 2016, 33(17):14-19.
[15] 翟本瑞.从社区、虚拟社区到社交网络:社会理论的变迁[J].兰州大学学报：社会科学版, 2012, 40(5):51-66.
[16] 张圣亮, 李海洋.不同社交媒体平台上与企业相关的用户生成内容比较研究[J].上海管理科学, 2014, 36(5):57-64.
[17] 甄美荣.组织创新气氛对员工创新行为的影响[D].南京：南京大学, 2012.
[18] AMABILE T M, BARSADE S G, MUELLER J S, et al.Affect and creativity at work[J].Administrative Science Quarterly, 2005, 50(3):367-403.
[19] 王珊珊.组织支持感对员工创新行为的影响:创新自我效能和积极情绪的中介作用[D].成都：西南交通大学, 2015.
[20] 杨晶照, 杨东涛, 赵顺娣,等.工作场所中员工创新的内驱力:员工创造力自我效能感[J].心理科学进展, 2011, 19(9):1363-1370.
[21] FØLSTAD A.Co-creation through user feedback in an online living lab: a case example.[C]// The International Workshop on Open Design Spaces Supporting User Innovation, Ods.2009.
[22] 莫启钧.用户评论及企业回复对在线旅游产品销量的影响研究——以携程旅行网为例[D].上海：华东理工大学, 2016.
[23] LI M, KANKANHALLI A, KIM S H.Which ideas are more likely to be implemented in online user innovation communities? an empirical analysis[J].Decision Support Systems, 2016, 84:28-40.
[24] 王黎萤.研发团队创造气氛、共享心智模型与团队创造力研究[D].杭州：浙江大学, 2009.
[25] 张丽.在线评论的客户参与与动机与评论有效性研究--基于中国大型B2C电子商务网站的实证分析[D].天津：南开大学, 2011.
[26] 林先杰． 在线评论有用性影响因素研究[D].广州: 华南理工大学,2014.
[27] WONG T C, CHAN H K, LACKA E.An ANN-based approach of interpreting user-generated comments from social media[J].Applied Soft Computing, 2017.
[28] 殷国鹏, 刘雯雯, 祝珊． 网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J]．图书情报工作,2012,56(16):140-147.
[29] 杨志蓉.团队快速信任、互动行为与团队创造力研究[D].杭州：浙江大学, 2006.
[30] SHAW J B, BARRETT-POWER E.The effects of diversity on small work group processes and performance[J].Human Relations, 1998, 51(10):1307-1325.
[31] AUSTIN JR.Acognitive framework for understanding demographic influences in groups[J].International Journal of Organizational Analysis, 2013(5):342-359.
[32] WEST M A.Sparkling fountains or stagnant ponds: an integrative model of creativity and innovation implementation in work groups[J].Applied Psychology, 2002, 51(3):355-387.
[33] 张力刚, 张力明.浅议设计人员知识多样性[J].科技信息, 2013(12):195-195.
[34] 王成成.IT企业研发团队异质性与团队创新气氛的关系研究[D].杭州：浙江工商大学, 2011.
[35] 钱坤.用户社群中创新气氛对用户创新意愿的影响研究[D].泉州：华侨大学, 2014.
[36] 王贵军.心理契约感知、组织承诺与员工创新行为的关系研究[J].中国人力资源开发, 2015(11):58-65.
[37] 邓运.虚拟社区用户后继参与行为以及持续参与行为的研究[D].武汉：华中科技大学, 2013.
[38] 张世颖.移动互联网用户生成内容动机分析与质量评价研究[D].长春：吉林大学, 2014.
[39] 王婧.知识型团队异质性对创新绩效的影响研究[D].北京：北方工业大学, 2016.
[40] 王慧贤.社交网络媒体平台用户参与激励机制研究[D].北京:北京邮电大学, 2013.
[41] 王海平.用户激励、用户参与产品创新及其绩效研究[D].北京:北方工业大学, 2015.
[42] JEFFREYM.WOOLDRIDGE.计量经济学导论[M].北京：中国人民大学出版社, 2010.
[43] 谢凤华, 姚先国, 古家军.高层管理团队异质性与企业技术创新绩效关系的实证研究[J].科研管理,2008,29(6):65-73.
[44] 晋琳琳, 李德煌.科研团队学科背景特征对创新绩效的影响——以知识交流共享与知识整合为中介变量[J].科学学研究, 2012, 30(1):111-123.
Guo Wei，Wang Yangyang，Liang Ruoyu，Zheng Qing，Qiu Zecheng，An Weijin
(School of Mechanical Engineering，Tianjin University，Tianjin 300354，China)
Abstract：User feedback in interaction is an important part in terms of user innovation.Based on need satisfaction theory, the impact of feedback from other users on individual innovation contribution degree in open innovation community are studied.The quantity and quality of the feedback are studied to verify how this two aspects affect individual innovation contribution degree by using data mining in typical open innovation community——Local Motors.The results showed that: the quantity and quality of feedback have significant effect on individual innovation contribution degree, the number of feedback has a significant positive effect on individual innovation contribution degree.Feedback rate and user diversity have a significant negative impact on individual innovation contribution degree, Feedback length and feedback support documents have no effect on individual innovation contribution degree, at the same time, the study finds that positive emotion has no regulatory effect between user feedback and individual innovation contribution degree.
Key Words:Open Innovation; Need Satisfaction Theory; Users Feedback; Individual Innovation Contribution Degree
收稿日期：2017-06-08 基金项目：天津市科技计划项目(15PTZSTG00010)
作者简介：郭伟(1965-)，男，安徽巢湖人，博士，天津大学机械工程学院教授，研究方向为企业管理、制造业信息化；王洋洋(1994-)，女，河南商丘人，天津大学机械工程学院硕士研究生，研究方向为开放式创新社区运行机制；梁若愚(1988-)，男，山东淄博人，天津大学机械工程学院博士研究生，研究方向为信息系统、用户行为分析、数据挖掘、人机工程学;安蔚瑾(1968-)，女，山东德州人，博士，天津大学机械工程学院副教授、硕士生导师，研究方向为先进制造技术、大批量定制技术。本文通讯作者：安蔚瑾。
湖北省科学技术协会 协办
DOI：10.6049/kjjbydc.2017040624
中图分类号：F273.1
文献标识码：A
文章编号：1001-7348(2018)03-0146-07
(责任编辑：林思睿)