Multiple Motivational Paths of Core Participants' Knowledge Sharing Behaviors in Open Innovation Platforms

Shen Zhanbo,Li Ang

(School of Management,Hebei University,Baoding 071002,China)

Abstract：The personalized, dynamic and differentiated user needs are increasingly significant, and thus it is difficult for enterprises to meet the diversified needs of customers by their own resources. In innovation practice, many enterprises seek to fully take advantage of user knowledge behaviours to enhance innovation efficiency by building open innovation platforms. The results of many studies on platform users' knowledge-sharing behaviour either do not classify users or focus mainly on the category of leading users as a group, which inevitably leads to contradictory research conclusions.

On the basis of social cognitive theory, this paper constructs a model of core participants' knowledge-sharing behaviours with multi-factor concurrency at individual and environmental levels. This study uses social capital theory centrality and structural hole thinking to locate and collect 245 core participants' questionnaires in 25 sections on Pollen Club, Xiaomi MIUI, and Haier HOPE open innovation platforms through the social network analysis method. Meanwhile, with the help of fuzzy set qualitative comparative analysis (fsQCA), the study obtains four grouping paths that generate high knowledge sharing behaviours and two grouping paths that lead to insufficient knowledge sharing behaviors. This proves that core participants' knowledge-sharing behaviours are complex, with multiple antecedents and concurrent influences with the characteristics of different grouping paths.

There are three essential findings in this study: firstly,innovation self-efficacy is a necessary condition for core participants to engage in knowledge sharing behaviour; secondly,outcome expectation is a core condition for core participants not to engage in knowledge sharing behaviour; thirdly, the factors contributing to high and low knowledge sharing behaviour of core participants are asymmetrical.

Given the critical influence of innovation self-efficacy and outcome expectation on core participants' knowledge-sharing behaviours and the findings of multivariate configuration, three suggestions are proposed accordingly. First, it is essential to improve core participants' innovation self-efficacy. Therefore platform managers should build a knowledge storage and retrieval mechanism, so that core participants can strengthen their confidence in knowledge sharing with the support of rich "knowledge tools"; then an efficient link mechanism between core participants and leading users and ordinary users is expected so that core participants can expand their knowledge and internalize their capabilities in the knowledge link of "knowledge center - knowledge bridge - knowledge public"; an example mechanism for core participants is also necessary so that more core participants will be involved and devoted; a feedback mechanism for knowledge sharing results is indispensable so that core participants can get positive feedback on knowledge sharing behaviors in a timely manner, and enhance their recognition of their own capabilities in knowledge sharing. Second, it is suggested to strengthen incentives for core participants. Platform managers should first strengthen material incentives,relationship incentives and spiritual incentives, such as granting honorary titles according to the level of knowledge sharing contribution of core participants. The third suggestion is to establish multivariate configuration and dynamic thinking. According to the characteristics of individual factors and environmental factors in the platform and their evolution trends, platform managers should choose one or several reasonable configuration paths among multiple configurations through configuration thinking, develop specific and feasible programs, and promote the production of knowledge sharing behavior of core participants. In view of the characteristics of multiple linkage, combination and concurrence, and achieving the same goal by different routes, platform managers can choose the most feasible action plan based on their own resource type, number and other constraints, and on the premise of achieving the expected goal of knowledge sharing behavior of core participants, and constantly adjust and optimize the action plan according to the new stage of platform development and new combination of situations.

This paper contributes to the existing research results in two aspects. First,it fully considers the complexity and diversity of the platform user groups. It uses the thinking and methods of social network analysis, such as a structural hole and centrality, to locate the core participants, a necessary but not yet widely noticed user group. This study compensates for traditional studies' generality and singularity of user object selection.Second, this study fully considers the interaction effects between the individual and environmental levels and investigates the impact of multi-factor synergy on the knowledge sharing behaviour of core platform participants. It breaks through the limitations of traditional single-factor-based platform users' knowledge sharing research, further enriches the evolutionary perspective, research methods and contents of knowledge sharing behaviour in open innovation platforms and provides some inspiration and references for subsequent studies.

Key Words：Open Innovation Platform;Knowledge Sharing Behaviors;Core Participants;Qualitative Comparative Analysis

收稿日期：2022-04-24

修回日期：2022-07-12

基金项目：国家社会科学基金项目(21BGL132)

作者简介：沈占波(1974— ),男,河北赵县人,河北大学管理学院教授,研究方向为组织理论、价值共创与创新管理;李昂(1997— ),男,河北邯郸人,河北大学管理学院硕士研究生,研究方向为平台型组织与创新管理。

DOI：10.6049/kjjbydc.2022040723

开放科学(资源服务)标识码(OSID)：

中图分类号：F272.4

文献标识码：A

文章编号：1001-7348(2023)21-0118-11

0 引言

为应对日益激烈的市场竞争,很多企业将创新作为驱动自身发展的根本力量。与此同时,用户需求个性化特征日益显著,任何企业均难以完全依靠自身资源满足顾客多元化需求。Chesbrough[1]提出开放式创新概念,指出在开发新技术时,企业应同步利用内外部知识以激发创新理念。随着该概念的不断发展,开放式创新平台应运而生,通过该平台有助于实现企业与用户间更好的实时沟通与交流[2],帮助企业从不同层次消费群体中获取大量有价值的知识,如用户需求与消费习惯、消费动机与购买行为等。

在创新实践中,虽然大量企业力图通过搭建开放式创新平台以增强自身创新能力,然而普遍面临用户规模持续增长但活跃度与贡献度参差不齐的困境,直接影响企业在平台中的知识获取效率。为提高开放式创新平台效率,相关学者对平台用户知识共享行为进行探究,也取得了一定成果。但现有研究多是泛泛研究用户知识共享,没有对用户进行分类;将用户进行分类研究的文献也主要聚焦在领先用户上。实际中,平台用户群体较复杂,不加区分地进行用户知识共享行为研究,结论易相互矛盾,对指导平台企业用户知识共享行为不利。在虚拟社区研究中,很多学者都提及一个非常重要的用户群体“核心用户”,这对拓展开放式创新平台用户知识共享研究具有启发意义。如果将领先用户比作投入池塘里的一粒“石子”,那么虚拟社区中的核心用户就是扩大石子影响力的初始“涟漪”。与领先用户强调超前需求、拥有强烈创新动机和深刻的使用经验不同,核心用户在虚拟社区网络中占据结构洞位置,具有高中心性、高活跃度、高吸聚力和高影响力,其创作内容易获得社区其他用户广泛认可和追随。本研究将基于社会网络视角,利用中心性和结构洞思维确定开放式创新平台中具有高吸聚力与影响力的核心参与者群体,借助模糊集定性比较分析法(fsQCA),探究开放式创新平台核心参与者知识共享行为的多重驱动路径,了解核心参与者知识共享行为促进因素,以更好地提升平台知识共享效率,促进平台良性发展。

1 文献回顾

1.1 开放式创新平台概念及虚拟社区用户分类

目前针对开放式在线平台的主流定义是:用来实现企业内部和外部用户资源连接的一种在线网络社区[3]。Gangi&Wasko[4]将为企业提供创新服务,以各种形式参与产品创意、研发以及推广等有关创新工作的开放式在线平台称为开放式创新平台。开放式创新平台属于特殊的虚拟社区,学者们对虚拟社区用户进行了较系统的划分,如表1所示。目前关于开放式创新平台用户类型的研究较单一,主要针对领先用户群体进行探究。在虚拟社区领域形成的用户分类成果,为深入研究开放式创新平台用户类别和行为提供了借鉴。从表1可以看出,核心用户是虚拟社区中一个重要的用户类别,但在开放式创新研究中并没有得到应有重视,有待加强。

1.2 开放式创新平台知识共享行为影响因素

为了更好地推动平台用户的知识共享行为,提高平台创新效能,帮助企业获得丰富的创新成果,学者们结合不同理论,在用户知识共享行为领域进行了诸多探索。

Hau &Kim[10]根据计划行为理论,对玩家在网络游戏交流平台上发表创意想法的动因进行研究,发现内在动机、分享目标和社会信任是促进用户创新与知识共享的显著因素,外在动机和社会关系对知识共享行为产生负向作用;Chen等[11]依据动机理论和自我决定理论,对在线知识社区参与者持续贡献行为动因进行研究,发现有用性投票和评论具有重要影响;李贺等[12]基于社会交换理论和马斯洛需求理论,发现助人愉悦感与创客知识共享行为呈正相关关系,感知知识权利丧失与之呈负相关关系;王婷婷等[13]依据社会交换理论,发现用户自我展示和社会学习机会等对持续性共享行为具有正向影响,而一般用户评论对持续性共享行为具有负向影响;严建援等[14]依据使用满足理论和解释水平理论,围绕MIUI社区探究影响顾客价值共创行为的因素,发现个体整合和社会整合等需求对不同顾客群体产生影响;任伶[15]依据社会交换等理论,从个人、社区和平台3个层面对在线社区知识共享行为影响因素进行梳理,总结出在线开放式创新社区知识共享发展的三阶段;周涛等[16]结合社会认知理论,以MIUI论坛为对象,发现创新自我效能和结果期望对用户知识分享行为具有正向影响。

1.3 核心参与者特征

社会资本理论从社会网络视角提出中心性与结构洞能够反映不同个体的网络位置。美国社会学家Freeman[17]于1979年提出中心性概念,通过分析网络节点位置衡量相应节点在网络中的权力。在开放式创新平台中,中心性反映了用户位置中心化程度,以及用户间知识共享与传播情况。中心性越高,该用户越靠近网络中心,其自身知识共享行为次数越多,与其联系的其他用户数量也越大。在开放式创新平台用户网络中,占据结构洞位置的用户能更便捷地进行知识共享与传播[18]。

在开放式创新平台研究中,将核心参与者与领先用户进行区分既是必要的,也是有研究依据的。本文研究对象为核心参与者,其与虚拟社区中的核心用户具有高度契合性。如Valck[5]将虚拟社区中最为活跃且乐于分享的用户定义为核心用户;Toral等[6]认为发言数量和质量是社区用户具有高影响力的关键特征;戚桂杰等[19]通过聚类分析划分出核心用户,认为该群体的平台贡献度高,能吸引大批用户参与平台互动;旷诗媛等[20]将专业型虚拟社区核心成员定义为持续活跃、在社区网络中处于中心地位、对社区知识共享贡献价值最大的成员,此类成员具有较高社区忠诚度和成员认可度,通常是社区内部的意见领袖。

领先用户的概念界定已十分成熟。Hippel[21]首次提出领先用户范畴,即具有领先趋势和高期望收益的群体;Belz等[22]将领先用户定义为拥有丰富产品使用经验并具有较强创新能力的群体;Lüthje等[23]认为相较于普通用户,领先用户能更快地接受新产品,更加积极主动地参与企业创新。基于大多数学者对领先用户的论述,可总结出该类用户的最大特征是拥有超前的需求、强烈的创新动机和深刻的使用体验。核心参与者则具有较强吸聚力,凭借在平台中的特殊网络位置,拥有较大数量追随者,通过与追随者的频繁互动进行知识传播与扩散,具体如表2所示。

1.4 研究评述

由表1可知,在针对虚拟社区用户的分类研究中,大多数学者选用的研究方法是社会网络分析法和K-means聚类算法,这为本文识别研究对象提供了思路。同时,开放式创新平台发展依赖于用户参与,探究平台中不同用户群体知识共享行为影响因素有利于激发平台各类用户知识共享行为,促进平台持续健康发展。本研究将基于社会网络视角,明晰核心参与者群体在开放式创新平台中的地位与价值。通过梳理发现,核心参与者不完全等同于领先用户,二者的最大区别在于:核心参与者具有吸聚力,即吸引与凝聚其他用户的能力,而领先用户具有更强的创新动机与能力。二者在平台中共存,其中有部分群体既属于核心参与者又属于领先用户。

基于上述论述,本文对开放式创新平台核心参与者界定如下:在平台用户网络中占据结构洞位置,具有高中心性、高活跃度、高吸聚力和高影响力,创作内容易获得平台其他用户广泛认可的用户群体。本文以开放式创新平台中核心参与者群体为研究对象,探讨影响其知识共享行为的相关因素,旨在了解如何提升核心参与者在平台互动中的知识共享水平,充分发挥核心参与者的吸聚作用,提高整个平台的知识传播效率与质量。

2 理论基础与研究模型

2.1 社会认知理论

Bandura[25]早在20世纪80年代就率先采用社会认知理论验证个体行为,并从个人、行为和环境三个层面阐释个体行动的影响因素。具体而言,个人因素主要指个体的认知因素,如信念、期望等;环境因素主要指外部因素,如资源、条件、设施、他人等;行为因素主要指个体在一系列因素组合刺激下的行为倾向和选择。个体行为受环境因素影响并随环境而变化,同时与自我认知互为影响,这为预测和解释个体行为提供了理论支撑。

本研究旨在探讨开放式创新平台核心参与者知识共享行为影响因素。根据社会认知理论中三元交互决定论的理论框架,知识共享作为个体行为的体现方式,必然受到个体和环境因素的共同影响。上文中对知识共享行为影响因素进行了梳理,发现在探讨个体因素时学者们大多从自我动机、自我认知、自我调节等角度展开分析;在探讨环境因素时,学者们主要从社会环境、企业环境、平台环境等角度去探究。

通过对社会认知理论的溯源以及现有平台用户知识共享行为影响因素的分析,本文将知识共享行为影响因素重点聚焦在个人和环境两个方面,每个方面均包含3个重要因素。从个体方面看,包含自我效能因素、结果期望因素和动机因素。首先,自我效能是个体对自己完成某方面工作能力的主观评估,对个体行动选择具有重要影响[26];其次,结果期望是个体对行动结果的主观期待和判断,包括感知风险与感知益处等,正向的结果期望会促使个体采取积极行动[25];最后,动机性因素作为引发个体心理过程的主要原因,是驱动个体采取行动的内在张力。现有文献更多关注创新过程中参与者个体的利己动机,而对利他动机关注不足。既有的组织公民行为研究成果和开放式创新平台中大量创新参与者的利他实践,提醒学者们应该增加对创新参与者利他动机[27]的探讨。从环境方面看,可分为内部环境因素和外部环境因素。内部环境因素是指企业对个体知识共享行为的支持态度、方式和力度等,即企业支持;外部环境因素则是指平台成员对平台的认可与支持、成员间知识共享氛围和态度,即社会认同和平台氛围。

2.2 模型构建

基于社会认知理论,本研究认为核心参与者知识共享行为受到个人与环境两个层面多因素协同作用。以前述讨论为基础,构建相应模型,如图1所示,旨在探讨个人层面的创新自我效能、结果期望、利他动机和环境层面的社会认同、企业支持、平台氛围多因素对核心参与者知识共享行为的影响。

各因素界定如下:创新自我效能是指核心参与者对自身是否具备在开放式创新平台进行有效知识共享能力的主观信念,是核心参与者对自身能力的一种自我认知和评价;结果期望是指核心参与者对参与知识共享行为可能带来回报的预期;利他动机是指核心参与者作为平台网络中的一员,拥有助人的特质,在一定程度上会愿意与他人主动分享知识而不求回报;社会认同是指核心参与者对平台的归属感与忠诚度,以及对所属平台用户网络的亲切值与认可度;企业支持是指平台作为开放式创新活动的发起者、构建者、促进者和监管者,其在知识共享过程中给用户提供的各种支持要素;平台氛围是指由众多平台参与主体的共同活动所构建的、被平台用户所感知的气氛。

虽然有文献对上述因素如何单独或共同对知识共享行为产生影响进行了阐述,但仍存在两方面不足:一方面,虽有学者认同开放式创新平台中的知识共享行为会在多种因素共同作用下产生,但多聚焦于理论模型推演与归纳,鲜有深入探究核心参与者知识共享行为影响的研究;另一方面,虽有学者尝试借助实证分析探索知识共享行为与部分相关因素的线性关系,但缺乏对知识共享行为受多因素组态效应共同作用这一理论事实的考量,导致难以有效解释核心参与者知识共享行为的驱动机制及个体间存在的显著差异。因此,本研究从组态视角,借助fsQCA方法,探索以上因素之间的因果关系,并厘清背后的理论逻辑,阐述不同组态的理论价值和实践启示。

3 研究设计

3.1 研究方法

定性比较分析(Qualitative Comparative Analysis,QCA)为识别结果发生的组合式原因提供了逻辑分析基础,为产生相同结果的多重路径组合提供了解释性框架。本研究将采用模糊集定性比较分析法(fsQCA),探究有效促进开放式创新平台核心参与者知识共享行为的组态路径。该方法介于定量与定性研究之间,对于探究多重并发的组合关系具有较强适用性。

3.2 问卷设计

在借鉴国内外成熟量表的基础上,参照李克特五级量表样式,设计研究所需调查问卷。问卷共含28个问题。其中,创新自我效能6个题项,结果期望4个题项,利他动机3个题项,社会认同3个题项,企业支持3个题项,平台氛围3个题项,知识共享行为6个题项。

3.3 问卷发放与数据收集

3.3.1 核心参与者筛选

花粉俱乐部是由华为粉丝在2014年自发创建的,产出包括评测帖、资源帖、解答帖等在内的特色内容,是目前国内较具代表性的开放式创新平台。花粉俱乐部平台用户拥有唯一的ID标识,平台软件专区针对手机软件类型划分出13个子板块。本研究选择其中的EMUI11子板块,按照发帖时间顺序,通过Python爬取2021年1月的发帖和回帖情况,共得到6 992条数据,参与人数为3 671人。

本研究以出度表示平台用户对其他用户的回帖数,以入度表示平台用户得到其他用户的回帖数,并基于数据结构与科学性要求,对其作以下处理:①剔除发帖与回帖数量之和不超过2的用户;②剔除只进行过发帖或回帖而没有互动行为的用户;③同一个主题帖中,两个相同用户之间的多次互动仅记为1次。经过筛选后,共得到419次讨论的有效数据量,参与人数为262人。为分析用户关系并识别核心参与者,将相关数据制作成关系矩阵,并对该矩阵进行二值化处理,具体如表3所示,其中,横向表头为发帖者,纵向表头为回帖者。

将关系矩阵导入UCINET软件,测得2021年1月由平台讨论形成的网络密度为0.005 5,表明网络较松散、用户关系相对疏离,这主要是由于参与平台讨论的门槛较低、人数较多。在开放式创新平台中,用户间互动都属于知识共享行为,用户创新不仅体现为发帖行为,而且体现为对其他用户帖子发表看法,因此以度数中心度作为核心参与者的衡量指标之一。中间中心度代表用户能在多大程度上成为其他用户的媒介,同时,有助于分析各节点对资源的控制程度与影响平台其他用户的范围,因此将中间中心度作为核心参与者的另一个衡量指标。

利用UCINET进行中心性分析后,整理得到开放式创新平台度数中心度和中间中心度排名前20位用户,具体如表4所示。

分析结果显示,度数中心度和中间中心度都位于前20名的用户有“华*为”“x*8”“一*莫”“J*h”“余*惠”等11人,他们作为2021年1月花粉俱乐部EMUI11子板块讨论中的核心参与者,具有一定吸聚力和权威性,其吸引其他用户进行讨论并获得较多评论,在平台中起到一定的桥梁作用,表现出核心参与者特质。与花粉俱乐部类似,小米MIUI和海尔HOPE也是当前国内发展较为成熟的开放式创新平台,虽分属于不同企业,但平台用户间的社会网络和核心参与者特征具备一定相似性。为使样本更具代表性,本文最终从上述3个开放式创新平台的25个版块中(时间同样设定为2021年1月),识别得到365位核心参与者。

3.3.2 数据收集

正式调研前,发放120份问卷作为预调研。在对数据予以信效度检验和相应处理后,最终得到正式问卷,具体内容包括性别、年龄、学历、职业、参与开放式创新平台的年限以及最常使用的开放式创新平台等。通过线上平台、私信等渠道,向通过社会网络分析法得到的核心参与者发放问卷共计245份,回收并筛选得到有效问卷206份,有效回收率为84.08%。

样本数据显示,来自花粉俱乐部、MIUI社区和HOPE社区的核心参与者占总样本的比例分别为39.81%、36.89%和20.87%。调查对象中性别比例较均衡,年龄处在19～35岁区间的人数最多,表明中青年群体的创新性与积极性更高,是核心参与者的中坚力量;本科学历以上占绝大多数,其中还有将近一半的群体为研究生,说明核心参与者具备良好的受教育背景;在职业方面,企业从业人员和学生群体占比均逾1/3,这与他们具备一定知识技能与实践经验、有着较强创新积极性与创新动机有关。同时,调查对象参与开放式创新平台的年限大多在3年以内,反映出成为核心参与者的时限较短、门槛较低。

4 数据分析与讨论

4.1 信度与效度检验

本研究采用Cronbach's α系数和CR值作为信度检验方法,主要判断Cronbach's α系数和CR值是否大于0.7;采用标准化因子载荷和AVE作为效度检验方法,主要判断标准化因子载荷是否大于0.6和AVE值是否大于0.5。若以上条件全部满足,说明本问卷具有较高信度与效度。经过分析后的数值如表5所示,可以判断本次调查问卷具有较高信度和效度。

4.2 数据校准

在使用fsQCA进行分析前,首先对量表中的常规数据进行模糊集校准,这个过程是对量表中各样本赋予集合隶属度的过程。当前学者主要使用两种方法进行校准,分别是直接校准法和间接校准法,本研究使用更加正式化与标准化的直接校准法对量表中的样本数据进行校准。由于本文中6个条件变量与1个结果变量均是通过李克特五分量表获取数据,通过观察,数据的整体分布有偏且偏向大点数一侧。因此,本研究以每个量表的均值作为fsQCA的原始数据,参考Fiss &Ragin[28-30]的研究和大部分学者采用直接校准法进行模糊集转换的实践,将5、3.5、1设置为锚点。针对校准后会出现隶属度为0.5的样本,将校准后隶属度为1以下的所有隶属分数都加0.001,既避免了隶属度为0.5样本的无效性,又保证了样本间保持相对不变[28]。

4.3 必要条件分析

在分析前因条件组合前,对各前因条件产生结果的必要性进行验证[28]。如果特定的前因条件通过验证,在进入最小化程序前,必须排除其它不同的逻辑余项假设,防止消除必要条件[31]。一旦前因条件解释变量的一致性大于0.9,并且覆盖度达到0.75,就可以断定此条件是当前结果的必要条件[32]。

由表6可知,高创新自我效能(CSE:一致性0.921 161>0.9;覆盖度0.803 602>0.75)是高知识共享行为产生的必要条件,需要在之后的标准化分析中进行设置,以避免必要条件被消除[33]。在非高知识共享行为的必要条件检验中,所有前因条件的一致性均小于0.9,说明上述前因条件都不能成为产生非高水平知识共享行为的必要条件,即反映出非高水平知识共享行为不一定必须通过设定的某前因条件而产生。

4.4 组态分析

fsQCA会得到复杂解、中间解和简单解3种,复杂度适中且更为合理的中间解往往被作为QCA研究的首选[34],在此基础上考虑以简单解达到区分核心条件与边缘条件的目的[31]。如果简单解和中间解均涉及前因变量,或以必要条件形式出现在必要性分析中,则记作核心条件;如果该条件仅在中间解出现,那么就记作边缘条件[35]。依据真值表结果,进一步运用fsQCA3.0进行布尔最小化运算,观察各组态PRI取值,获悉该真值表存在显著的PRI间断点0.7[34,36],故手动将0.7以下组态结果中的结果变量设为0。在高水平知识共享行为单项条件的必要性分析中发现,高创新自我效能是构成必要条件的前因变量,因此在高水平知识共享行为组态分析中预先设定该条件为必要条件,同时,对比简约解和中间解以分析核心条件与边缘条件。结合上述分析和计算规则,对数据进行组态分析并发现高水平知识共享行为产生路径有4条,低水平知识共享行为产生路径有2条。

4.5 结果分析

4.5.1 高水平知识共享行为影响因素组态分析

高水平知识共享行为产生路径见表7,总体覆盖度为0.753,总体一致性为0.95,说明前因条件对结果有较强解释力。结果显示,有4条路径可以产生高知识共享行为,本文将其归纳为两类构型:①强调结果期望和利他动机的H1;②以社会认同作为边缘条件缺失的H2。以上两类构型中的4条路径都以创新自我效能为核心条件,反映出当开放式创新平台核心参与者对自身知识能力评估较高时,会更积极主动地开展知识共享行为。这与Tiemey、杨晶照等[37,38]的观点一致。个体在采取知识共享行为之前,会预先衡量该行为风险,若自身能力无法助力知识寻求者问题得到完美解决,为了规避面子受损、声誉受损等风险,会更倾向于隐藏知识。

(1)H1构型以创新自我效能、结果期望和利他动机为核心条件,以社会认同为边缘条件,因其它条件差异形成两条路径。两条路径都证实社会认知理论观点,即个体层面的创新自我效能、结果期望和利他动机与环境层面的社会认同构成的条件组合共同促进核心参与者知识共享行为产生,区别在于平台氛围和企业支持条件不同。

H1a体现了平台氛围对知识共享行为的作用,但企业支持未在条件组合中出现。其内涵是当核心参与者在平台中对自身能力评估较高、对结果有较大期望、有欲望去帮助他人,同时,对平台具有较高归属感、对社区网络中其他用户具有较强亲近感,并且整体平台氛围较为融洽时,无论该平台所属企业是否支持或鼓励,都会促使其产生知识共享行为。这是由于作为平台的核心参与者,拥有一批粉丝用户追随其知识共享行为,其对平台的忠诚度已高于企业,即使企业没有相关激励活动,也不影响核心参与者与其他用户进行知识共享。

H1b则体现了企业支持对知识共享行为的作用,但平台氛围未在条件组合中出现。其内涵是在核心参与者对自身评价较高、结果预期较大、有欲望去帮助他人,同时,企业又支持与激励用户参与的情况下,无论平台氛围是否融洽,都会激发核心参与者的知识共享行为。这是由于核心参与者作为平台中相对独特的用户群体,其拥有一个较为活跃的小用户圈,在这个小圈子内大多数用户是较为积极主动的,平台整体氛围融洽与否对于核心参与者所位于的圈子影响较小。

(2)H2构型以创新自我效能为核心条件,同时,以社会认同缺失为边缘条件,以企业支持和平台氛围为边缘条件,因其它条件差异而产生两条路径。

与H1构型一样,H2构型的两条路径仍能够证实社会认知理论观点,即个体层面的创新自我效能与环境层面的社会认同、企业支持和平台氛围所构成的条件组合共同促进核心参与者知识共享行为产生。此处的社会认同作为边缘条件缺失,表示当平台核心参与者创新自我效能较高、获得平台所属企业支持,同时平台整体氛围又较为融洽时,即使社会认同的作用并不显著时,其知识共享行为仍较为活跃。

H2a体现了结果期望对知识共享行为的作用,但利他动机未在条件组合中出现。其内涵是当核心参与者在平台中对自身能力评估较高、有较高的结果期望,同时企业支持用户参与、平台氛围较为融洽,但其他用户对其认同并不显著时,无论核心参与者是否愿意帮助其他用户解决问题,都会激发其知识共享行为。这是由于当平台中的社会认同并不显著时,核心参与者对平台中成员的共鸣感将减弱,导致核心参与者知识共享行为的目的更多是为了获得回报,而不是其知识共享行为是否会对其他社区网络成员产生积极影响。

H2b体现了利他动机对知识共享行为的作用,但结果期望未在条件组合中出现。其内涵是当核心参与者在平台中对自身能力评估较高、自愿向其他用户贡献知识,同时企业支持用户参与、平台氛围较融洽,但其他用户对其认同并不显著时,无论核心参与者对结果期望高低,都会促进其知识共享行为。这是由于当平台中的社会认同并不显著时,核心参与者为了获得其他成员认可,更好地融入平台用户群体,其对社会网络关系潜在价值的获取将不受期望值高低的影响,都会积极开展知识共享行为。

4.5.2 低水平知识共享行为影响因素组态分析

低水平知识共享行为的路径见表8,以上两条路径都以结果期望为核心条件缺失。这反映出当开放式创新平台核心参与者对行为实施后的期望值较低时,将不会进行知识共享,体现了结果期望在核心参与者知识共享行为中的重要作用。该结果与社会交换理论观点一致,即当个体间交易或交换能够实现自身预期结果时,知识共享行为将会发生。

L1路径以创新自我效能和结果期望为核心条件缺失,同时以利他动机、社会认同和平台氛围为边缘条件。其内涵是,尽管核心参与者处在一个较舒适的平台环境中,同时,其自身也有向其他用户提供帮助的意愿,但由于对个人知识能力与水平评估值较低,并且预期贡献后无法收获相应回报,因此不愿开展知识共享行为。

L2路径以结果期望、利他动机和社会认同为核心条件缺失,同时以企业支持和平台氛围为边缘条件缺失,但创新自我效能未在该条件组态中出现。其内涵是,个人层面,核心参与者对贡献带来的回报持消极态度,并且无主动帮助其他用户解决问题的意愿;环境层面也不容乐观,即用户群体之间不和谐、平台所属企业不支持、平台氛围不融洽。当以上条件在一个平台中同时发生时,核心参与者无论对其知识水平评估是高是低,都不乐意开展知识共享。

低水平知识共享行为的两条路径都间接证明核心参与者在开放式创新平台中的知识共享行为是受个人层面和环境层面因素共同影响的,证实了社会认知理论中个体认知过程、外部环境与人的行为共同决定人类活动的结论。

5 结语

5.1 研究结论

现有研究多以整体用户或领先用户为对象,以单一的定性或定量分析为主,聚焦于单个因素对知识共享行为的影响,忽略了个人与环境两个层面各因素间存在的替代、加强、制约等交互作用。基于此,本研究在原有文献成果基础上进行拓展:第一,充分考虑平台用户群体的复杂性和多元性,利用结构洞和中心度等社会网络分析思想,聚焦于核心参与者这一重要但未受到广泛关注的用户群体,弥补了传统研究中用户对象选择的表面性和单一性缺点;第二,充分考虑个人与环境之间的交互效应,利用模糊集定性比较分析法(fsQCA),研究多因素协同联动对平台核心参与者知识共享行为的影响,突破了传统以单因素为主的平台用户知识共享研究局限,丰富了开放式创新平台知识共享行为研究视角、研究方法和研究内容,为后续研究提供了启发和借鉴。

本研究有3个重要发现:第一,创新自我效能是促使开放式创新平台核心参与者采取知识共享行为的必要条件,也是个体发挥能动性的基础,更是驱动知识共享行为所必需的认知力量。在该因素水平较高的前提下,核心参与者才会采取知识共享行为。在不同的组态路径下,个人层面的结果期望与利他动机、环境层面的企业支持与平台氛围对高水平知识共享行为的影响效能存在差异。由此可见,核心参与者受个人与环境多因素协同联动影响,其知识共享行为是一种多重前因并发影响的复杂现象。本研究共探索出4条核心参与者产生高知识共享行为的组态路径,表明促使平台用户产生知识共享行为的个人因素与环境因素组合并不是唯一的,证实了多重联动、殊途同归组态路径的存在。第二,结果期望是致使核心参与者不愿进行知识共享的核心条件。当开放式创新平台核心参与者认为知识共享行为带来的回报不能达到预期时,将不会实施知识共享行为。第三,促使核心参与者产生高水平知识共享行为和低水平知识共享行为的因素具有非对称性特征,即低水平知识共享行为产生的原因并不与高水平知识共享行为产生的原因完全相反。

5.2 研究启示

鉴于创新自我效能和结果期望对核心参与者知识共享行为的重要影响以及多元组态的研究结论,提出3点建议。

(1)提升核心参与者创新自我效能感。创新自我效能是核心参与者产生高水平知识共享行为的必要条件,是开放式创新平台推动核心参与者实施高水平知识共享行为的立足点。为此,平台管理者应该做好4个方面的机制建设:首先,构建知识储存和检索机制,让核心参与者在丰富的知识工具支持下增强知识分享信心;其次,构建核心参与者与领先用户、普通用户的高效连接机制,让核心参与者在“知识中心—知识桥梁—知识大众”的知识链接中扩充知识,内化能力;再次,构建核心参与者的榜样机制,让更多核心参与者在自我和榜样的比较过程中,既产生“见贤思齐”的美好意愿,又产生“你行我也行”的自我肯定;最后,构建知识共享成果反馈机制,让核心参与者及时获得知识共享行为的正面反馈,在“让世界更美好”的过程中增强对自身能力的认同。

(2)加强对核心参与者的激励。在知识共享过程中,核心参与者抱有一定目的和期待,结果期望对核心参与者是否实施知识共享行为具有重要影响。为了促进知识共享行为产生,平台管理者可以从3个方面加强对核心参与者的激励:首先,加强物质激励,例如可以在平台中设定赏金帖,对提供有效知识回复的参与者授予金币,并且建立金币商城,使获得的金币能够在商城中购买各类虚拟服务或现实产品,以此鼓励核心参与者实施知识共享行为。其次,加强关系激励,通过对核心参与者的科学识别、持续互动和沟通管理,让其充分感受到平台对其知识共享行为的肯定,促使核心参与者提升平台关系承诺。特别是针对核心参与者中的中坚群体,除了线上的关系互动外,还应该建立多元化的线下互动模式,例如组织公司年会、新品发布会等,让社区中的“匿名人”变为“具体人”。再次,加强精神激励,例如可以根据核心参与者的知识共享贡献等级,设立多阶梯的“荣誉头衔”等。

(3)树立组态思维和动态思维。尽管创新自我效能和结果期望对核心参与者知识共享行为具有重要影响,但并不能因此否定个体和环境层面其它因素的作用。平台管理者在制定用户知识共享行为促进方案时,要摒弃过度突出和关注某要素的传统思维方式。这种方式虽在一定程度上能够短期激发用户在平台中的知识共享行为,但长期来看,难免会使用户感到疲倦,降低激励效果。同时,这种针对单因素的高强度投入和维护方式,也会给平台带来较大的运营成本压力。为此,平台管理者应做好两个方面的工作:首先,树立组态思维。前述研究揭示了四条高水平知识共享行为组态路径,平台管理者应根据平台中个体因素、环境因素及其演化趋势,运用组态思维方式,在多元组态中选择一条及以上组态路径,制定具体行动方案,提升核心参与者知识共享行为。第二,树立动态思维。鉴于各组态具有多重联动、组合并发、殊途同归的特征,平台管理者可以根据自身资源类型、多寡程度等约束条件,在实现核心参与者知识共享行为预期目标的前提下,选择最具可行性的行动方案,并根据平台发展新阶段和新情境,不断调整和优化行动方案。

相对于已有文献,本文虽然在知识共享用户群体和多元组态探讨上作了一些拓展,但圜于篇幅所限,还有一些话题值得深入研究,例如不同类型开放式创新平台间的核心参与者知识共享行为的组态比较、平台不同发展阶段的核心参与者知识共享行为的组态比较、领先用户与核心参与者知识共享行为的组态比较、同一参与者在不同开放式创新平台间的知识共享行为组态比较等。在后续研究中,可以加强上述方面的探讨。

参考文献：

[1] CHESBROUGH H W. Open innovation:the new imperative for creating and profiting from technology[M]. Boston: Harvard Business Press,2003.

[2] LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among U.K. manufacturing firms[J]. Strategic Management Journal,2006,27(2):131-150.

[3] CHESBROUGH H W. Why companies should have open business model[J]. MIT Sloan Management Review,2007,48(2):22-28.

[4] GANGI P M D, WASKO M. Steal my idea! organizational adoption of user innovations from a user innovation community: a case study of dell idea storm[J]. Decision Support Systems,2009,48(1):303-312.

[5] VALCK K D, BRUGGEN G, WIERENGA B. Virtual communities: a marketing perspective[J]. Decision Support Systems,2009,47(3):185-203.

[6] TORAL S L, MARTNEZ-TORRES M R, BARRERO F. Analysis of virtual communities supporting oss projects using social network analysis[J]. Information and Software Technology,2010,52(3):296-303.

[7] 刘伟,丁志慧. 基于参与行为的兴趣型虚拟社区成员分类研究[J]. 商业研究,2012,55(11):92-95.

[8] 谷斌,徐菁,黄家良. 专业虚拟社区用户分类模型研究[J]. 情报杂志,2014,33(5):203-207.

[9] 沈波,胡云发. 基于用户行为特征的虚拟品牌社区用户分类研究[J]. 情报探索,2018,38(7):12-18.

[10] KIM Y G, YONG S H. Why would online gamers share their innovation-conducive knowledge in the online game user community? integrating individual motivations and social capital perspectives[J]. Computers in Human Behavior,2011,27(2):956-970.

[11] CHEN L, BAIRD A, STRAUB D. Why do participants continue to contribute? evaluation of usefulness voting and commenting motivational affordances within an online knowledge community [J]. Decision Support Systems,2019,118:21-32.

[12] 李贺,张克永,洪闯. 开放式创新社区创客知识共享影响因素研究[J]. 图书情报工作,2017,61(21):13-21.

[13] 王婷婷,戚桂杰,张雅琳,等. 开放式创新社区用户持续性知识共享行为研究[J]. 情报科学,2018,36(2):139-145.

[14] 严建援,乔艳芬,秦凡. 产品创新社区不同级别顾客的价值共创行为研究——以MIUI社区为例[J]. 管理评论,2019,31(2):58-70.

[15] 任伶. 在线开放创新社区的知识共享影响因素及发展途径研究[J]. 情报科学,2019,37(9):48-53.

[16] 周涛,何莲子,邓胜利. 开放式创新社区用户知识分享的影响因素研究[J]. 现代情报,2020,40(3):58-64.

[17] FREEMAN LC. Centrality in social networks: conceptual clarification[J].Social Networks,1979,3(1):215-239.

[18] MCEVILY B, ZAHEER A. Bridging ties: a source of firm heterogeneity in competitive capabilities[J]. Strategic Management Journal,1999,20(12):1133-1156.

[19] 戚桂杰,李奕莹. 企业开放式创新社区在线用户贡献度研究[J]. 科技进步与对策,2016,33(14):81-87.

[20] 旷诗媛,赵伟. 专业型虚拟社区知识共享主体分类与特征研究[J]. 情报工程,2020,6(6):56-64.

[21] HIPPEL E V. Lead users: a source of novel product concepts[J]. Management Science,1986,32(7):791-805.

[22] BELZ F M, BAUMBACH W. Netnography as a method of lead user identification[J]. Creativity and Innovation Management,2010,19(3):307.

[23] LUTHJE C, HERSTATT C. The lead user method: an outline of empirical findings and issues for future research [J]. R&D Management,2004,34(5):557.

[24] JEPPESEN L B, LAURSEN K. The role of lead users in knowledge sharing[J]. Research Policy,2009,38(10):1582-1589.

[25] BANDURA A. Social foundation of thought and action: a social-cognitive theory[M]. Englewood Cliffs: Prentice Hall,1986.

[26] BANDURA A. Social cognitive theory of moral thought and action [M]. Florida: Psychology Press,2014.

[27] 侯东辉,张岚. 社会心理学理论及其教学实践研究[M].北京:新华出版社,2015.

[28] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal,2011,54(2):393-420.

[29] RAGIN C C. Redesigning social inquiry: fuzzy sets and beyond[M]. Chicago: University of Chicago Press,2008.

[30] JACOBS S, CAMBRE B. Designers' road(s) to success: balancing exploration and exploitation[J]. Journal of Business Research,2020,115:241-249.

[31] 张明,杜运周. 组织与管理研究中QCA方法的应用:定位、策略和方向[J]. 管理学报,2019,16(9):1312-1323.

[32] SCHNEIDER C Q, WAGEMANN C. Standards of good practice in qualitative comparative analysis (QCA) and fuzzy-sets[J]. Comparative Sociology,2010,9(3):397-418.

[33] SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis[M]. Cambridge: Cambridge University Press,2012.

[34] DU Y, KIM P H. One size does not fit all: strategy configurations, complex environments, and new venture performance in emerging economies[J]. Journal of Business Research,2021,124:272-285.

[35] 杜运周,贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界,2017,33(6):155-167.

[36 CRILLY D, ZOLLO M, HANSEN M T. Faking it or muddling through? understanding decoupling in response to stakeholder pressures[J]. Academy of Management Journal,2012,55(6):1429-1448.

[37] TIERNEY P, FARMER S M. Creative self-efficacy: its potential antecedents and relationship to creative performance[J]. Academy of Management Journal,2002,45(6):1137-1148.

[38] 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.

(责任编辑：胡俊健)