The Influencing Paths of Continuous Knowledge Contribution in Social Q&A Community from a Configuration Perspective Based on a Socio-ecological Model

Wang Liya, Wang Shuxiang

(School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China)

Abstract：With the development of the Internet and the widespread use of Web 2.0, social Q&A communities have become important sources for users to acquire and share knowledge. The key to the success of social Q&A communities lies in the fact that they can motivate and sustain users' continuous knowledge contributions. However, most social Q&A communities still face the problem of users' low activity and low willingness to continue contributing knowledge, which makes the sustainable development of online communities difficult. As a result, it becomes a challenge for social Q&A communities to increase user stickiness and motivate users to continue participating in knowledge contribution.

This paper constructs a framework based on the socioecological model (SEM) for analyzing the influence factors of users' continuous knowledge contribution behavior. It uses a Python program to longitudinally track 2 419 users in the Zhihu community to obtain one-year data on users' continuous participation behavior from June 15, 2020 to June 15, 2021, and adopts the fsQCA model to analyze the interaction effects between the influencing factors of continuous knowledge contribution behavior, changing from a single-dimensional perspective to a multi-dimensional interactive overall perspective.

Research results show that users' continuous knowledge contribution behavior in social Q&A communities is the result of the interaction effect of multiple combination factors, and there is no single core condition that can directly influence users' continuous knowledge contribution behavior. There are three configurations to achieve a high quantity of users' continuous knowledge contribution: achievement-motivation-driven, interpersonal relationship-driven, and full-dimensional-driven. And there are two configuration ways to achieve a high quality of users' continuous knowledge contribution, namely, image-incentive-driven and participation-motivation-driven. Thus, achievement motivation, responsibility and identity in the individual motivation level are important core factors to trigger individuals enthusiasm for continuous knowledge contributions, while community image motivation and peer influence in the community environment exist as important supporting factors, and interpersonal factors exist more as potential causes of different configuration paths of the quantity and quality of users' continuous knowledge contributions.

The theoretical contributions of this study are presented below. Firstly, it constructs an integrative model to examine the joint influence of individual factors, interpersonal factors and community environment factors on users' continuous knowledge contribution behavior from an integrative perspective; then, it explores multiple motives that influence the continuous knowledge contribution behavior of social Q&A communities and reveals the influence mechanism of the factor groups of users' continuous knowledge contribution behavior. Secondly, with a focus on the influencing factors of continuous knowledge contribution behavior, it explains the persistence of users' knowledge contribution behavior and obtains users' extent data by continuously tracking users. Thirdly, the existing studies neglect the importance of the quality of knowledge contributions, for only effective and responsive knowledge contributions account for knowledge contributions. This paper not only expands the dimensional division of continuous knowledge contribution behavior by dividing it into continuous knowledge contribution quantity and continuous knowledge contribution quality, but also provides different path options to promote the users' continuous knowledge contribution in different dimensions, which provides a more comprehensive understanding of knowledge contribution behavior in online communities and promotes further development research on user knowledge contribution behavior.

In order to encourage users to engage in continuous knowledge contribution in the community, community managers should pay attention to the interaction between community members and improve the social design of online community platforms to increase the frequency of interaction among users so that they can build trust with each other through in-depth communication. Furthermore, the community should establish a diverse incentive system to encourage users to share their ideas and creativity. Community managers can use a combination of material and spiritual incentives to encourage users to actively participate in community activities, thereby increasing their enthusiasm for continuous knowledge contributions. In addition, communities should place a high priority on the quality of users' knowledge contributions. Through the evaluation mechanism, the community can objectively evaluate user-generated content based on the number of approvals, likes and shares achieved by each user's post and then rank user-generated content according to certain evaluation weights to recommend high-quality contents to the corresponding users, and further build an effective push for high-quality content.

Key Words：Knowledge Contribution;Knowledge Acquisition;Knowledge Sharing; Socio-ecological Model; Fuzzy Set Qualitative Comparative Analysis

DOI：10.6049/kjjbydc.2022020250

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)17-0129-10

收稿日期：2022-02-16

修回日期：2022-04-08

基金项目：中央高校基本科研业务费专项资金项目(2021YJS065)

作者简介：王莉雅(1994-),女,山西太原人,北京交通大学经济管理学院博士研究生,研究方向为知识管理、用户行为;王树祥(1969-),男,内蒙古赤峰人,北京交通大学经济管理学院教授,博士生导师,研究方向为知识管理、创新管理。本文通讯作者:王莉雅。

0 引言

随着互联网发展及Web2.0技术的广泛应用,社交型问答社区已成为人们进行知识获取与知识交流的重要途径[1],其通过社交网络功能优化了常规问答系统,使得用户、问题和话题之间能够建立有效的社交联系[2],为用户提供了表达个性化诉求和问题解决方案的有效渠道。用户可以在社区中自由发布提问、回答和讨论等,通过在社区中互动促进社区成员间高效协作[3]。然而,大多数社交型问答社区仍然面临用户活跃度低、用户持续知识贡献意愿弱的问题,使得在线社区的可持续发展难以为继。因此,如何增强用户使用粘性并提高用户持续参与知识贡献的积极性,成为社交型问答社区的一大挑战[4]。

现有研究中,众多学者着眼于用户参与知识贡献的动因及影响机制,主要聚焦于探讨个体动机[5]、平台因素[6,7]和社交网络[8,9]等对短期知识贡献行为的影响,而较少关注知识贡献的持续性,即持续性知识贡献。在线社区中用户知识贡献是一个持续、渐进的过程,其本身包含动态复杂的社会交互过程,关注用户持续性知识贡献有助于从时间维度上识别用户在参与知识贡献的过程中其自身心理及行为变化[10]。此外,尽管在线社区中知识贡献数量不断增加,但知识贡献质量却存在较大差异。知识贡献质量在很大程度上取决于用户生成内容是否满足知识搜寻者的知识需求[11],有效和具有响应性的回答才能构成真正的知识贡献,其决定用户个体和社区群体的知识建构及知识创造绩效[12]。因此,知识贡献数量和知识贡献质量对于在线社区的可持续发展均发挥关键作用,二者作为知识贡献的不同维度,其驱动因素亦有所差别。因此,区别与探讨持续性知识贡献数量和知识贡献质量形成机制具有必要性。

社交型问答社区是用户进行知识交流、知识共享的生态系统,社区用户的持续性知识贡献是一个复杂的行为过程。社会生态理论认为,个体行为受到个体因素、环境因素、社会因素等多方面的共同作用[13]。鉴于用户在社交型问答社区中行为动机的复杂性,社会生态框架构建也从单一视角转向整合性研究视角,从系统视角连接不同层面的动机因素,如个体、人际关系和社区环境因素等,并探讨多种因素对用户持续性知识贡献行为的共同影响。考虑到激发用户持续性知识贡献行为涉及多个影响要素间的交互,并且可能存在多条结果等效路径,本研究引入模糊集定性比较分析(Fuzzy Sets of Qualitative Comparative Analysis, fsQCA)方法,对触发社交型问答社区用户持续性知识贡献行为的前因进行构型分析,通过揭示个体因素、人际因素和社区环境因素共同影响用户持续性知识贡献行为的整体图景,深入挖掘社交型问答社区用户持续性知识贡献行为因素组态的影响机理。

1 理论基础与模型构建

1.1 知识贡献行为

用户知识贡献行为是指用户将自身掌握的知识、信息资源等通过在线社区平台传递给其他用户的行为[14]。现有关于在线社区用户知识贡献行为的研究主要集中于考察知识贡献行为的影响因素,主要可以归纳为个体动机因素、平台因素及社会网络因素3个方面。用户个体动机包括内部动机和外部动机,内部动机源自用户自身,用户知识贡献通常会受到用户所获得的愉悦感和知识自我效能感等影响[8,15,16];外部动机源自于外界环境对用户贡献行为的影响,如社区奖励、互惠、声誉等均会影响用户的知识贡献[17,18]。社区平台因素是影响用户知识贡献行为的重要预测变量[7]。根据技术接受模型,当社区平台设计易被用户理解、易于使用时,用户将倾向于加入社区,并在社区中贡献知识[6]。此外,社交网络也会对用户知识贡献行为产生一定影响[9]。一些学者指出,社交网络中用户的中心度和连接性及其与社区其他成员的关系质量均能够对用户粘性、用户生成内容的受欢迎程度产生显著影响,这会进一步影响用户的贡献行为[8,19]。由此可见,现有关于用户知识贡献行为影响机制的研究较丰富,然而学者们忽略了用户知识贡献行为是一种持续、渐进的过程,较少有学者关注用户的持续性知识贡献行为,以致不能从时间维度上识别用户行为的变化过程。

在信息系统研究中,持续是指用户在初始采用阶段后其后续决策受到信息系统中初始采用决策的影响[20]。近年来,部分学者关注到用户持续参与对社区可持续发展的重要性,认为持续参与是用户基于先前经验而重复该意愿或行为的活动[21]。一些学者主要考察用户持续性知识贡献意愿的影响因素,探讨了社区环境因素(如社区氛围、社区共享文化等)[22,23]、社会因素(如社会资本、互惠等)[22,24]、个体因素(如自我效能、声誉、个体特质等)[21,25]等对持续性知识贡献意愿的影响,但并未关注持续性知识贡献行为。虽然一些学者指出有效的持续性知识贡献意愿能够积极影响持续性知识贡献行为[25],但持续性知识贡献意愿并不等同于持续性知识贡献行为,意愿并不能完全预测行为。并且,对于社交型问答社区的可持续发展而言,持续的知识贡献行为比持续的知识贡献意愿更关键,因此探索持续性知识贡献行为的影响因素具有必要性。

此外,现有关于知识贡献的研究主要聚焦于知识贡献数量,探讨用户在在线社区中的知识贡献频率[4,8],而较少有学者考察知识贡献质量,忽略了对知识贡献质量及其影响因素的研究。虽然社交型问答社区的知识贡献数量不断增加,但用户贡献的知识质量存在较大差异。低质量、误导性答案并不能有效满足社区用户的信息需求,只有有效、具有响应性的回答才构成真正的知识贡献,并对用户决策和积极行为发挥重要作用[26]。社交型问答社区的可持续健康发展主要取决于知识贡献质量,缺乏对知识贡献质量的衡量机制会使用户产生不信任感,进而离开在线社区[27]。由此可见,知识贡献数量和知识贡献质量对于在线社区的可持续发展都至关重要。基于此,本文将根据知识贡献特征,将持续性知识贡献行为划分为持续性知识贡献数量和持续性知识贡献质量,深入探究社交型问答社区用户持续性知识贡献数量和质量的驱动因素。

1.2 社会生态模型

社会生态模型(Socioecological model,SEM)是在生态系统理论的基础上衍生发展而来的,其强调个体行为会受到个人和环境因素等多方面的交互影响[13]。作为一种多层次、交互式的理论框架,它有助于识别与分析影响个体行为的个人、人际、社区和社会因素之间的复杂作用[30]。Bronfenbrenner[28]最初提出社会生态理论模型是为了探究儿童成长历程的影响因素,他认为儿童的具体发展过程嵌套于相互影响的一系列环境系统当中,包括微观系统(个体活动的直接环境)、中观系统(各微系统间的联系)、外部系统(社区和社会网络)、宏观系统(社会和文化价值观)和时序系统(公共政策)。该理论基础更倾向于生物学,重点考察社会环境对儿童成长历程的影响,而较少探讨个体自身的能动性。在此基础上,Zastrow[13]构建了新的社会生态系统以阐释个体行为与环境之间的多重系统及相互关系,将社会生态系统划分为微观系统(个体生理、心理因素)、中观系统(与人互动)以及宏观系统(社区、机构或组织等)3个层面,更突出微观系统在社会生态系统中的重要作用,强调个体生理、心理因素等对个体行为的影响,打破了以往研究中将个体与环境相对立的局面。目前,该理论已在社会科学和公共卫生等领域得到应用,以考察个体与环境间的互动关系对个体态度、行为和经验等的影响。如在公共卫生领域,学者们基于社会生态模型探讨儿童肥胖、健康饮食行为等方面影响因素[29]。在社会学研究中,社会生态模型更多地用于研究青少年群体心理及行为反应,考察整个社会系统对青少年群体心理、情绪和行为的重要影响[30,31]。

社交型问答社区是一个环环相扣的社会生态系统,社区用户的持续性知识贡献行为可以在多层影响水平内嵌套。本研究借鉴Zastrow[13]构建的社会生态理论模型,考察微观系统(个体因素)、中观系统(人际关系因素)和宏观系统(社区环境因素)对用户持续性知识贡献行为的共同影响,通过系统整合持续性知识贡献行为(质量和数量)的影响因素,以理解用户参与持续性知识贡献的不同动机。具体而言,基于社交型问答社区的特殊性,提出用户参与知识贡献行为的影响因素,即成就动机、责任感、身份认同感(个体层面);社会资本,即社交互动链、信任和互惠(人际关系层面);以及社区形象激励和同侪影响(社区环境层面)。具体如图1所示。

(1)个体层面因素。在线社区中,用户知识贡献行为通常会受到个体特质、行为动机、个性倾向等个体层面因素影响[32]。动机理论视域下用户知识贡献行为是由用户特定需求和动机引起的,其参与贡献的动机主要是基于个体兴趣或知识贡献行为所获得的愉悦感[33]。当用户怀有成就动机时,用户在知识贡献过程中获得的成就感和满足感作为一种内在推力,能够激励用户积极投身于社区知识贡献活动[34]。再者,用户知识贡献行为还取决于用户个性倾向,责任感较强的用户更关注于服务他人,能够在不考虑自身收益的情况下自愿帮助其他用户[35]。同时,用户在社区中的身份认同感表示用户对社区的归属感和信任感,通过身份交流有助于用户找到具有相似兴趣和价值观的其他用户,促使用户间建立友好联系、积极参与知识贡献[9]。

(2)人际关系因素。社会资本存在于社区主体的人际关系中,用户密切的社交网络关系有助于拓展用户知识交换范围、深度和提高交互效率[36]。已有研究表明,社会资本能够激励用户知识贡献,促进在线情境中的知识共享[9,37]。社交互动链、信任和互惠作为社会资本的典型因素对在线社区知识贡献行为的影响受到诸多学者的关注。用户在社区中的网络关系数量及其与社区其他用户的关系质量均能够影响用户的贡献意愿和行为[8,37]。基于信任建立的社会关系[3]有助于鼓励用户在该关系中承担一定风险,激发用户充分参与社区互动和交流。在用户相互信任的社区情境下,用户之间将更倾向于互惠,更会为在线社区作出贡献[36]。

(3)社区环境因素。社区环境、社区氛围与用户的知识贡献行为紧密相关,良好和谐的社区环境能够有效促进用户积极参与社区活动。社区激励是在线社区为鼓励用户知识贡献行为而发起的激励机制,通过使用社区认可的符号化激励形式体现用户在社区中的形象与地位。社区形象激励有助于促进用户为了维持自身形象而不断提升社区中的知识贡献频率[18]。同时,社区中群体影响力是影响用户行为发生改变的重要原因。在线社区交互环境的虚拟性使得用户间更便于观察彼此行为或观点变化,这使得同侪间的相互影响变得更普遍。社区中同侪影响效应越强,用户越易于从同侪反馈内容中吸收、内化知识,进而促进知识贡献行为产生[14]。

由此,提出本文的概念模型框架,如图 2 所示。

2 研究方法

2.1 样本选择与数据收集

(1)样本选择。本文以社交型问答社区——知乎社区作为研究对象。知乎社区成立于2010年,运营前期主要采用邀请制方式进行用户注册。从2013年3月起,知乎开始允许用户进行公开注册。截至2019年1月1日,用户人数达到2.2亿人,社区中用户提问数和用户回答数也迅速增长,成为中国最具影响力的社交型问答社区之一。在知乎社区中,用户能提出个性化问题,分享他们的专业知识、经验和意见,这已经成为用户获取知识、交流知识的重要渠道。知乎社区涵盖用户个人信息、参与信息、反馈信息以及基本动态等内容,为研究用户在社区中的知识行为提供了依据。为此,选取知乎社区作为研究对象具有一定典型性和代表性。

(2)数据收集。借鉴Liang等[38]、Dong等[39]的数据收集方法,本文设计了一项纵向试验以考察用户持续性知识贡献行为的影响因素。通过Python程序随机抓取知乎社区3 000名用户,并从2020年6月15日至2021年6月15日对3 000名用户进行纵向观察,记录用户的个人信息、参与信息和反馈信息等。由于本文关注的是持续性知识贡献行为,所以分析对象局限于持续参与知识贡献的用户。为了捕获样本,在T1时期收集用户个体、人际关系、社区环境、知识贡献行为等信息,在T2时期(一年后)收集用户的后续知识贡献行为数据。具体搜集过程为:首先,根据社区用户名生成个人主页的URL;其次,用HttpClient软件包下载用户个人主页;再次,用Jsoup软件包对数据进行分析,得到用户信息。通过重复上述3个步骤,得到每个时期3 000名用户的所有信息,并通过Mysql数据库存储数据。通过删除关键变量数据缺失、因隐私保护无法获得的用户数据,并对数据进行筛选与处理,最终获得2 419名用户的有效数据。

2.2 变量测量

参考以往文献及知乎社区的设置情况,对各变量进行测量,测量方式如表1所示。

(1)因变量。知识贡献可以从数量和质量两方面度量[38],在线问答社区的可持续健康发展不仅需要用户自愿贡献知识,而且需要用户持续贡献高质量知识[26]。借鉴Lou等[26]的研究,将持续性知识贡献行为划分为持续性知识贡献数量(Continuous Knowledge Contribution Quantity, KCQ1)和持续性知识贡献质量(Continuous Knowledge Contribution Quality, KCQ2)。持续性知识贡献数量(KCQ1)采用用户在一定时期内提供的回答数衡量;持续性知识贡献质量(KCQ2)采用用户在一定时期内提交评论后获得的平均赞同数衡量。

(2)自变量。在个体因素方面:成就动机(Achievement Motivation, AM)是基于用户对获得自身成就和价值认可的渴望,并激励用户从事有价值活动的一种内部推动力量[34]。用户因发布内容获得的满意度和喜爱数是激发用户行为的成就动机,因此本文采用用户获得的喜欢数衡量用户的成就动机(AM)。其次,责任感(Sense of Responsibility, SR)是指用户自觉、主动参与社区活动的内在感知。在知乎社区中,用户基于自身责任感参与社区公共编辑,作出有利于社区发展的行为。因此,本文采用用户在社区中参与公共编辑的数量测度用户责任感(SR)。再者,身份认同感(Sense of Identity, SI)采用用户信息披露的完整程度衡量。每个知乎社区用户都拥有自己的个人主页,所有个人资料均为选填。用户在知乎社区中可以披露的个人信息项包括昵称、性别、个人简介、居住地、行业、学校、公司共7项,用户每完成一项,自我展示得1分,用户个人主页信息完整度介于0～7之间。

在人际因素方面:社交互动链(Social interaction ties, SIT)是用户间信息、资源流动的渠道[36]。用户追随者数量(粉丝)代表了用户所拥有的受众数量,当用户发布新问题或提供问题的新答案时,所有内容将推送到他的追随者。用户的追随者数量越多,用户的社交互动联系越多,用户就更趋于社交网络的中心位置。因此,本文采用用户粉丝数量测量社交互动链(SIT)。其次,信任(Trust,TR)代表用户通过社交互动而发展的人际关系,是促进用户知识交流的情感特质[36]。研究表明,当用户选择跟随其他用户时,他们倾向于在一定程度上相互信任,并愿意为互惠而互动[40]。在线社区中,用户基于信任自愿订阅和追踪他们感兴趣的用户、主题或问题等,并浏览这些用户发布的主题或问题的相关内容。因此,本文通过用户关注数量测量用户间信任(TR)。此外,互惠(Reciprocity, RE)是社会交换的基础[9],是用户间相互公平的知识交换感知[41]。在互惠规范下,如果用户想得到更多的评论反馈,他们需要为社区中其他用户提供更多的知识供给[9,41]。因此,本文采用用户评论数除以用户获取的反馈数衡量互惠水平(RE)。

在社区环境因素方面:社区形象激励指的是用户想成为被其他用户所喜爱和尊重的形象愿望[18]。基于社会交换理论,当用户获得的物质奖励或精神奖励越多时,越愿意参与社区活动[4]。在知乎社区中,当用户发布问题、回答问题、发布评论等时,如果其他用户对该用户发布内容表示赞同,将有助于提升用户声誉,进而提高用户社区形象。因此,本文采用用户获取的总赞同数衡量社区形象激励(Community Image Incentive, CII)。此外,在线社区中同侪影响(Peer Influence, PI)是用户间基于社交互动而展开的社会学习过程。用户通过对同侪反馈内容进行内化吸收而采取进一步行为[14],因此本文采用社区其他用户对用户发布内容的评论数衡量同侪影响(PI)。

3 数据处理与分析

3.1 数据校准

本研究选取个体因素(成就动机、责任感、身份认同感)、人际因素(社交互动链、信任、互惠)、社区环境因素(社区形象激励、同侪影响)3种因素、共8个变量作为条件变量,结果变量是持续性知识贡献数量和持续性知识贡献质量。传统回归分析强调在其它因素不变的条件下自变量对因变量的边际净效应,而未分析多个前因条件相互依赖所形成的复杂因果关系[42]。本研究涉及成就动机、责任感、身份认同感、社交互动链、信任、互惠、社区形象激励、同侪影响以及用户持续性知识贡献行为之间的复杂因果关系,为此采用模糊集定性比较分析(fsQCA)方法解决该问题。

首先对研究变量进行校准,对成就动机、责任感、身份认同感、社交互动链、信任、互惠、社区形象激励、同侪影响、持续性知识贡献行为等取平均值,而后按照 Ragin[43]提出的 5% (Fully Out)、95%(Fully In)以及交叉点 50%(Crossover Point)的标准分别对变量进行数据校准,具体如表2所示。

3.2 必要条件分析

数据校准后,对各变量单项前因条件进行必要性分析检验,如表3所示。各单项前因条件对解释用户产生持续性知识贡献行为的一致性均未达到0.9的门槛值,初步判断单个前因变量的解释力有限,即不存在驱动持续知识贡献行为的必要条件。因此,本研究需要对8个前因条件进行组合分析,进一步判断其构成的前因条件构型对用户持续知识贡献行为(贡献质量、贡献数量)的影响。

3.3 用户持续性知识贡献行为联动效应分析

研究采用 fsQCA 3.0 软件进行组态分析,设置一致性门槛值为0.8,进行路径标准化分析,组态结果如表4所示。其中,●或●表示该条件存在,⊗或 ⊗ 表示该条件不存在,“空白”表示构型中该条件可以存在也可以不存在, ●或⊗表示核心条件,●或 ⊗表示辅助条件。

3.3.1 用户持续性知识贡献数量提高构型

表4结果显示,提高用户持续性知识贡献数量的路径组态中有5条路径的一致性水平均高于0.75,总体一致性水平为0.834,高于0.8的阈值,总体解的覆盖率为0.515,表明组态效果显著,解释度较高。通过将具有相同核心条件的前因构型进行归类,触发用户持续性提升贡献数量的三类前因构型模式为S1、S2(S2a、S2b、S2c)、S3。

(1)模式一:成就动机驱动型。S1的前因构型为“成就动机·～身份认同感·社交互动链·～信任·～互惠·社区形象激励·～同侪影响”,引致用户持续提高知识贡献数量的核心条件是高成就动机和弱身份认同感。S1构型表明当用户具备较高成就动机时,即使存在用户信任、用户间互惠不足和同侪影响效果略差的限制,也能够提升用户的持续知识贡献数量。因此,本文将S1构型命名为“成就动机驱动型”。以往研究指出,成就动机是激励用户从事有价值活动的一种内在推动力量,成就动机越高的用户越积极投入社区活动,积极参与社区知识贡献[34]。此外,身份认同感也是激发用户持续提高知识贡献数量的核心条件。身份认同感较弱代表了用户在社区中的匿名性感知较强,用户匿名性有助于提高用户去个性化的社会认同,降低个体差异感知,使用户间能更自由、平等地互动[44],进而增强用户参与社区讨论的积极性。综上所述,在高形象激励的社区环境下,处于社交网络中心的用户基于成就动机和感知匿名性,更愿意参与社区讨论,在社区中积极进行持续性知识贡献。

(2)模式二:人际关系驱动型。S2构型包括3个子模式(S2a、S2b、S2c),三者的核心条件均包括社交互动链和互惠,相同辅助条件为同侪影响,即较多的社交互动联系和高互惠感知共同驱动用户提升持续性知识贡献数量,因此S2构型可以称为“人际关系驱动型”。以往研究表明,用户社交互动越多,越接近于在线社区的核心位置,用户交流知识的强度、频率和广度就越大,更有利于促进用户知识贡献[36]。其次,用户持续性知识贡献还依赖于用户的互惠感知。用户间互惠有助于形成知识贡献的良性反馈回路[44]。当用户在社区中的知识需求得到满足时,更愿意回报社区,更有动力作出贡献[36,44]。从该触发模式来看,在同侪影响效应较显著的在线社区中,当用户拥有众多社交互动联系和具有高互惠感知时,用户的知识贡献更容易维持和实现。S2a、S2b和S2c三条组态路径的主要不同点在于个体参与动机的差异性。S2a的个体驱动动机是成就动机和责任感,S2b的个体驱动动机是成就动机和身份认同感,而S2c的个体驱动动机为责任感和身份认同感。这表明具有较多社交互动关系和高互惠感知的用户基于成就动机、责任感或身份认同感,能够有效促进用户提升知识贡献数量。

(3)模式三:全维度驱动型。S3的前因构型为“成就动机·责任感·社交互动链·信任·～互惠·社区形象激励·～同侪影响”,引致用户提升持续性知识贡献数量的核心条件包括高成就动机、高责任感、高社交互动链、高信任度、高社区形象激励和低同侪影响,辅助条件是弱互惠感知。由于该构型的核心条件包含个体因素、人际关系因素和社区环境因素三维度,因而称为“全维度驱动型”。以往研究表明,社交互动联系为用户提供了信息交互渠道,且信任为用户提供了未来会得到预期回报的保证,从而促进了用户间合作和知识交流。其次,社区用户通过发布内容能够获得积分或被他人点赞,社区形象激励有助于用户在在线社区建立威望,从而对用户的持续知识贡献行为产生积极影响[18]。此外,同侪影响效应微弱也是用户持续知识贡献行为的核心条件。基于旁观者理论,当用户感知到社区知识贡献较丰富时,他们会认为社区中存在其它潜在帮助源,从而降低用户的知识自我效能,抑制用户在社区中的贡献行为[45]。但当用户意识到自己在社区中的责任时,责任感能够有效推动用户产生负责任行为[46]。因此,此模式有助于提高用户的持续知识贡献数量。综上所述,S3构型表明具有较高成就动机和社区责任感的用户主体,能够在社区中与其他用户建立广泛的社交网络联系并产生用户信任,外加社区形象激励的作用,有助于弥补用户间互惠和同侪影响的不足,进而提高用户持续性知识贡献数量。

3.3.2 用户持续性知识贡献质量提升构型

表4结果显示,提升用户持续性知识贡献质量的路径组态中有3条路径,3条路径的一致性水平均高于0.75,总体一致性水平为0.957,高于0.8的阈值,总体解的覆盖率为0.618,表明组态效果显著,解释度较高。通过将具有相同核心条件的前因构型进行归类,可将它们归纳为两类触发用户提升持续性贡献质量的前因构型模式,即S4和S5(S5a、S5b)构型。

(1)模式一:形象激励主导型。S4的前因构型为“成就动机·身份认同感·社交互动链·～信任·～互惠·社区形象激励·～同侪影响”,引致用户高持续性知识贡献质量的核心条件是高成就动机、高身份认同感、信任缺失和低同侪影响。以往研究表明,身份认同感代表用户对社区的认同感和归属感,其能够促使用户通过提供高质量知识提高自身地位预期[47],激励用户不断通过高质量回复来维持自己形象和身份。同时,高质量的内容贡献也体现了用户的认知水平和学习态度,成就动机驱动用户参与更具价值的社区活动以进一步提升用户的社区形象。因此,S4构型称为“形象激励主导型”。具体而言,S4构型表明即使用户受到用户间信任和互惠感知不足以及同侪间互动影响较弱的限制,但在高社区形象激励、成就动机和身份认同感的动机驱动下,仍能够有效提升用户持续性知识贡献质量。

(2)模式二:参与动机驱动型。S5构型包括两个子模式(S5a、S5b),其核心条件均包括高成就动机、高责任感和高身份认同感,相同辅助条件为高社交互动链和高社区形象激励,即高成就动机、高度责任感和高身份认同感共同促进用户提升持续性知识贡献质量。由于该构型的核心条件包含用户个体因素维度的所有变量,因而称为“参与动机驱动型”。从该触发模式看,具有高成就动机、高身份认同感和高度责任感的用户在高社区形象激励环境下易与其他用户建立社交网络联系,有助于提升用户的持续性知识贡献质量。S5a和S5b两条组态路径的差异之处在于S5a构型的人际关系驱动因素是信任,而S5b构型的人际关系驱动因素是互惠,表明具有高成就动机和高度责任感的用户受到用户信任或用户互惠的影响,有助于促进用户提升知识贡献质量。

4 结论与展望

4.1 研究结论与贡献

本文以知乎社区用户作为研究对象,通过2020年6月15日到2021年6月15日持续对知乎社区的2 419名用户数据的追踪,运用模糊集定性比较分析方法(fsQCA)检验了触发用户持续知识贡献行为(数量和质量)的组态路径。结果表明,社交型问答社区中用户持续性知识贡献行为是多个组合因素联动的结果,并不存在单一的核心条件能够直接影响用户的持续性知识贡献行为。首先,触发用户提高持续性知识贡献数量的组态路径有3条,即成就动机驱动型、人际关系驱动型和全维度驱动型。成就动机驱动型组态构型以高成就动机和弱身份认同感为核心条件,人际关系驱动型以高社交互动链和高互惠感知为核心条件,而全维度驱动型以高成就动机、高责任感、高社交互动链、信任、高社区形象激励和同侪影响效应微弱为核心条件。其次,触发用户持续知识贡献质量提升的组态路径包括两条,即形象激励主导型和参与动机驱动型。形象激励主导型以高成就动机、高身份认同感、信任缺失和同侪影响效应微弱为核心条件,而参与动机驱动型以高成就动机、高责任感和高身份认同为核心条件。由此可见,用户个体参与动机层面的成就动机、责任感和身份认同感是触发个体持续性知识贡献数量和持续性知识贡献质量提升的重要核心因素,社区环境因素中的社区形象激励和同侪影响作为重要的辅助因素存在,而人际关系因素更多地作为形成不同持续性知识贡献数量和知识贡献质量组态路径的潜在原因。

本文的理论贡献主要体现在3个方面:第一,从单一视角转向整合性研究视角,基于社会生态框架构建整合模型并检验个体因素、人际关系因素和社区环境因素对用户持续性知识贡献行为的共同影响,通过fsQCA方法重点考察各潜在变量间的交互效应,探讨影响社交型问答社区持续性知识贡献行为的多重动因,深入揭示用户持续性知识贡献行为因素组态的影响机理。第二,以往研究聚焦于考察个体动机、平台、社交网络等因素[5-9]对短期知识贡献行为的影响,较少关注用户知识贡献的持续性。在线社区用户参与是一个持续过程,其本身包括动态复杂的社会交互,研究用户的持续性知识贡献对于社区可持续发展更具有意义。因此,本研究主要考察在线社区用户持续性知识贡献行为的影响因素,并通过持续追踪、获取用户延期数据以解释用户知识贡献行为的持续性问题。第三,本研究拓展了持续性知识贡献行为的维度划分。现有研究对知识贡献行为的维度划分更多表现在知识贡献数量方面,而忽略了知识贡献质量的重要性。虽然在线社区中知识贡献数量不断增加,但有效和具有响应性的知识贡献才能够构成真正的知识贡献[9]。因此,知识贡献质量与知识贡献数量对社区可持续发展同等重要。本文将持续性知识贡献行为划分为持续性知识贡献数量和持续性知识贡献质量,并考察不同维度的知识贡献驱动因素,为在线社区的知识贡献行为提供更全面的理解,推动了用户知识贡献行为研究领域的进一步发展。

本文研究结论为社交型问答社区提供了一些管理启示。首先,社区应当建立多元化的激励体系,鼓励用户分享自己的想法和创意。社区管理人员可以采取物质激励和精神激励相结合的方式鼓励用户积极参与社区活动,如打赏、积分奖励、提升等级、社区虚拟奖励等,且在线社区可以采取日榜、周榜和月榜形式公布用户活跃度及影响力,通过界面宣传提升用户地位和受关注程度,进而提升用户持续贡献知识的热情。其次,社区应当注重社区成员间的互动与交流,促使用户建立良好的社交关系。社区可以采用平台群聊、即时回复通知等功能加强对在线社区的“社会化设计”,提高用户互动频率,使得用户间通过深入交流建立信任关系。第三,社区应高度重视用户知识贡献的质量问题。高质量内容有助于增加社区用户的知识资本,引发用户间相互关注和彼此影响,促进社区创新群体形成和发展。社区能够通过评价机制,根据用户发布内容所获得的赞同数、喜欢数、分享数等指标对用户生成内容进行客观评价,并按照评价权重对用户生成内容进行排序,将高质量内容推荐给相应用户,进而实现精品内容的有效推送。

4.2 局限与展望

本研究存在一定局限,也是未来研究方向。第一,结论的普适性。本文以典型的社交型问答社区——知乎社区为研究对象进行研究,并未考察其它类型社区用户的持续性知识贡献行为。由于不同在线社区存在功能和行业差异,用户在不同类型在线社区中采取知识贡献行为所需的知识也存在明显差异,本文的研究结论是否适用于其它类型社区仍需进一步考证。第二,数据样本的选择问题。由于本文数据来源于对社交型问答社区用户的持续追踪,客观数据并不能完全体现用户在开展知识行为时的真实心理动机,无法反映用户的心理动机变化。未来研究中,可以将在线社区中的用户行为数据与心理动机因素的调查问卷相结合,以更为全面地考察用户持续性知识贡献行为的影响机制。第三,本文仅关注了用户评论的知识贡献数量和质量,并未考虑其它类型的知识贡献。实际上,社交型问答社区中存在不同深入程度的用户贡献行为,如参与贡献、评论贡献、内容贡献、责任贡献等[35],并且不同维度的用户贡献行为存在差异性,对在线社区的知识管理活动也发挥不同作用。未来研究中,可以进一步考察不同深入程度的用户持续性知识贡献行为的影响因素。

参考文献：

[1] YAN Y, DAVISON R M. Exploring behavioral transfer from knowledge seeking to knowledge contributing: the mediating role of intrinsic motivation [J]. Journal of the Association for Information Science and Technology, 2013, 64:1144-1157.

[2] JIN J, LI Y, ZHONG X,et al. Why users contribute knowledge to online communities:an empirical study of an online social Q&A community [J].Information &Management, 2015, 52(7):840-849.

[3] XIONG Y, CHENG Z, LIANG E, et al. Accumulation mechanism of opinion leaders' social interaction ties in virtual communities:empirical evidence from China [J].Computers in Human Behavior, 2018, 82:81-93.

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

[5] JABR W, MOOKERJEE R,TAN Y, et al. Leveraging philanthropic behavior for customer support: the case of user support forums [J].MIS Quarterly, 2014, 38(1):187-208.

[6] DONG J Q, NETTEN J. Information technology and external search in the open innovation age:new findings from Germany [J].Technological Forecasting and Social Change, 2017, 120: 223-231.

[7] HUANG P, TAFTI A, MITHAS S. Platform sponsor investments and user contributions in knowledge communities: the role of knowledge seeking [J].MIS Quarterly, 2018, 42(1): 213-240.

[8] ZHANG X, LIU S, CHEN X, et al. Social capital, motivations, and knowledge sharing intention in health Q&A communities [J].Management Decision,2017,1(55): 1536-1557.

[9] GUAN T, WANG L, JIN J, et al. Knowledge contribution behavior in online Q&A communities:an empirical investigation [J].Computers in Human Behavior, 2018,81:137-147.

[10] 龚主杰, 赵文军. 虚拟社区知识共享持续行为的机理探讨——基于心理认知的视角 [J].情报理论与实践, 2013, 36(3): 27-31.

[11] OGINK T, DONG J Q. Stimulating innovation by user feedback on social media:the case of an online user innovation community [J].Technological Forecasting &Social Change, 2017(2):5-12.

[12] 李海峰, 王炜. 在线学习社区的知识共享质量影响因素:以学习者书评质量分析为例 [J].现代远距离教育, 2021,38(5):12-23.

[13] ZASTROW C, KIRST-ASHMAN K. Understand human behavior and social environment (Six edition) [M].Thomson Brooks/ Cole, 2004.

[14] 王楠,王莉雅,李瑶,等. 同侪影响对用户贡献行为的作用研究——基于网络客观大数据的分析 [J].科学学研究, 2021, 39(12): 2294-2304.

[15] LAW K K, CHAN A, OZER M, et al. Towards an integrated framework of intrinsic motivators, extrinsic motivators and knowledge sharing [J].Journal of Knowledge Management, 2017, 21(6): 1486-1502.

[16] ZHAO L,DETLOR B,CONNELLY C E.Sharing knowledge in social Q&A sites:the unintended consequences of extrinsic motivation[J].Journal of Management Information Systems,2016, 33(1):70-100.

[17] HAU Y S, KIM B, LEE H, et al. The effects of individual motivations and social capital on employees' tacit and explicit knowledge sharing intentions [J].International Journal of Information Management, 2013, 33(2): 356-366.

[18] BASAK E, CALISIR F. An empirical study on factors affecting continuance intention of using Facebook [J].Computers in Human Behavior, 2015, 48: 181-189.

[19] YANG X, LI G. Factors influencing the popularity of customer-generated content in a company-hosted online co-creation community: a social capital perspective [J].Computers in Human Behavior, 2016,64:760-768.

[20] BHATTACHERJEE A. Understanding information systems continuance: an expectation confirmation model [J].MIS Quarterly, 2001, 25(3):351-370.

[21] CHEUNG C M K, LEE M K O, LEE Z W Y. Understanding the continuance intention of knowledge sharing in online communities of practice through the post-knowledge-sharing evaluation processes [J].Journal of the American Society for Information Science and Technology, 2013, 64(7):1357-1374.

[22] CAI Y, YANG Y, SHI W. A predictive model of the knowledge-sharing intentions of social Q&A community members: a regression tree approach[J].International Journal of Human-Computer Interaction, 2021:1-15.

[23] CAI Y, SHI W. The influence of the community climate on users' knowledge-sharing intention: the social cognitive theory perspective [J].Behaviour &Information Technology,2020:1-17.

[24] LI Z, LIN Z, NIE J. How personality and social capital affect knowledge sharing intention in online health support groups:a person-situation perspective [J].International Journal of Human-Computer Interaction, 2021:1-12.

[25] 万莉, 程慧平. 基于自我决定理论的虚拟知识社区用户持续知识贡献行为动机研究 [J].情报科学, 2016, 34(10):15-19.

[26] LOU J, FANG Y, LIM K H. Contributing high quantity and quality knowledge to online Q&A communities [J].Journal of the American Society for Information Science and Technology, 2013, 64(2): 356-371.

[27] SEDIGHI M,HAMEDI M.Knowledge contribution in knowledge networks:effects of participants' central positions on contribution quality [D].Proceedings of the International Conference on Intellectual Capital,Knowledge Management and Organizational Learning,2016.

[28] BRONFENBRENNER U. Contexts of child rearing: problems and prospect [J].American Psychologist, 1979, 34(10):844-850.

[29] MELIUS J. Exploring social workers' use of the socio-ecological model as an intervention and research framework for treating overweight or obese clients [J].Social Work, 2015, 60(1): 55-63.

[30] 俞国良,李建良,王勍. 生态系统理论与青少年心理健康教育 [J].教育研究, 2018, 39(3):110-117.

[31] XIAO Y, HUANG W, LU M, et al. Social-ecological analysis of the factors influencing Shanghai adolescents' table tennis skills:a cross-sectional study [J].Frontiers in psychology, 2020, 11:1372.

[32] 赵欣,张之光,向希尧. 专业虚拟社区研究综述与PVC知识创造模型构建[J].科研管理,2018,39(11):132-145.

[33] 沈校亮,厉洋军. 虚拟品牌社区知识贡献意愿研究:基于动机和匹配的整合视角[J].管理评论, 2018, 30(10):82-94.

[34] 杨昕雅. 知识型微信社群用户参与动机对参与行为的影响 [J].重庆邮电大学学报(社会科学版), 2017, 29(5):20-28.

[35] LIU S, XIAO W, FANG C, et al. Social support, belongingness, and value co-creation behaviors in online health communities [J].Telematics and Informatics, 2020,50.

[36] CHANG H H, CHUANG S-S. Social capital and individual motivations on knowledge sharing:participant involvement as a moderator [J].Information &Management,2011,48(1):9-18.

[37] YAN J, LEIDNERB D E, BENBYAC H, et al. Social capital and knowledge contribution in online user communities: one-way or two-way relationship[J].Decision Support Systems,2019,127:113131.

[38] LIANG Y, OW T T, WANG X. How do group performances affect users' contributions in online communities?a cross-level moderation model [J].Journal of Organizational Computing and Electronic Commerce, 2020, 30(2):129-149.

[39] DONG L, HUANG L, HOU J, et al. Continuous content contribution in virtual community:the role of status-standing on motivational mechanisms [J].Decision Support Systems, 2020,132:113283.

[40] CHIU C M, HSU M H, WANG E T G. Understanding knowledge sharing in virtual communities:an integration of social capital and social cognitive theories [J].Decision Support Systems,2006, 42(3):1872-1888.

[41] CHIA-AN TSAIA J,KANG T.Reciprocal intention in knowledge seeking:examining social exchange theory in an online professional community [J].International Journal of Information Management,2019,48:161-174.

[42] 易明,罗瑾琏,王圣慧,等. 时间压力会导致员工沉默吗——基于SEM与 fsQCA的研究 [J].南开管理评论, 2018, 21(1): 203-215.

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

[44] YE H, FENG Y. Why do you return the favor in online knowledge communities? a study of the motivations of reciprocity [J].Computers in Human Behavior,2016,63:342-349.

[45] YAN B, JIAN L. Beyond reciprocity: the bystander effect of knowledge response in online knowledge communities [J].Computers in Human Behavior, 2017,76:9-18.

[46] LIU Z, WANG X. How to regulate individuals' privacy boundaries on social network sites: a crosscultural comparison [J].Information &Management,2018,55(8):1005-1023.

[47] CRESS U, BARQUERO B, SCHWAN S, et al. Improving quality and quantity of contributions: two models for promoting knowledge exchange with shared databases [J].Computers and Education, 2017,49(2): 423-440.

(责任编辑:胡俊健)