The Influence of Social Capital and Technical Support on Knowledge Sharing in Academic Virtual Communities: An Analysis of Knowledge Sharing Elements Based on the Platform of Science Net

Xu Xiude1,2，Liu Fan1

(1.Business School of Qingdao University; 2.One Belt and One Road Research Institute of Qingdao University, Qingdao 266100, China)

Abstract：With the rapid development of Internet and information technology, academic virtual communities have become important platforms for knowledge exchange and discussion, as well as a new frontier for academic collision and knowledge innovation. Academic virtual community is an important form of informal academic exchange. Compared with formal academic exchange, academic knowledge exchange between the virtual community has the incomparable efficiency. Users can communicate directly in the academic virtual community to accelerate the flow of knowledge. In the community, users are equal and open, and they can freely express their views and thoughts. Academic virtual community enables the rapid dissemination of information and knowledge in a short time, and plays an important role in the process of knowledge acquisition, sharing, transfer and creation. At present, there are many academic virtual communities in China, such as “MuChong”, “Jingguan Zhi Jia”, “Science Network” and “DXY”. While the academic community is booming, problems are increasingly highlighted, such as the quality of knowledge sharing, the mutual trust between members and the management of community platforms. Thus this paper centers around how to solve the problems of low user activity and low enthusiasm for knowledge sharing in the academic virtual community, and improve users' willingness to share knowledge.

Some scholars analyse the driving factors of users' knowledge sharing behavior, and explore the influence of different dimensions of social capital on individual knowledge sharing behavior, but there are still some problems. On the one hand, the data sources of most articles are online or offline users' questionnaires. The data obtained in this way is usually small in quantity and subjective to a certain extent. On the other hand, scholars mostly use a single theory to explain the influencing factors of knowledge sharing in virtual community, but virtual learning community is an ecosystem of knowledge sharing, so the explanation of the knowledge sharing effect in virtual learning community based on a single theory may be seriously one-sided. Academic virtual community is an online social network system that relies on information technology. Its knowledge sharing process and results are affected by social capital and technical support, but these two factors are rarely analyzed. Therefore, this study aims to explore how to promote users of academic community to participate in knowledge sharing behavior from a systematic perspective.

On the basis of the social capital theory and technology acceptance model, this paper puts forward the corresponding research assumptions and establishes a model to study the influence of social capital and technology support on knowledge sharing behavior. By reviewing the literature, it divides the structural capital into three dimensions: relational capital, structural capital and cognitive capital, and divides the technical support into perceived usefulness and perceived ease of use, so as to explore its impact on the quantity and quality of knowledge sharing. Then the study uses Python crawler technology to crawl the user information from the management comprehensive section of the Web of Science Network , and makes the zero-inflated negative binomial (ZINB) regression analysis to conduct empirical research on the hypothesis.

The results show that relational capital and structural capital respectively have a significant positive impact on the quality and quantity of knowledge sharing in the academic virtual community, and they are the continuous driving forces; cognitive capital, with the intervention of other factors, has a certain positive effect on the amount of knowledge sharing; the impact of technical support on knowledge sharing varies significantly, and the perceived ease of use has a significant positive impact on the quality and quantity of knowledge sharing, while perceived usefulness has a significant negative impact on the quality of knowledge sharing. According to the research results, this paper suggests to build an interest-based social circle to promote the interaction between community users, adopt the real-name system to build a high-quality community with mutual trust, standardize the points and gold coin award system to enhance users' activity, check the contents of knowledge sharing to ensure the quality on the platform and provide personalized services for users.

Key Words:Academic Virtual Community; Knowledge Sharing; Social Capital; Technical Support

收稿日期：2021-08-26

修回日期：2021-10-13

基金项目：山东省人文社科项目(78JS-01)

作者简介：徐修德(1961—)，男，山东青岛人，博士，青岛大学商学院教授，博士生导师，“一带一路”研究院院长，研究方向为知识管理、技术经济、世界经济；刘钒(1996—)，女，山东青岛人，青岛大学商学院硕士研究生，研究方向为组织学习与知识管理。

DOI：10.6049/kjjbydc.2021090664

开放科学(资源服务)标识码(OSID)：

中图分类号：G302

文献标识码：A

文章编号：1001-7348(2023)03-0122-10

0 引言

互联网和信息通讯技术的飞速发展，特别是Web2.0、Web3.0等技术的出现，为个体知识共享与创新带来新方式，如虚拟社区(Virtual Community)将不同地理位置的个体通过互联网连接起来，为用户随时随地共享知识提供了技术、资源和环境，已经成为知识共享和信息交换的新平台[1]。虚拟社区克服了面对面交流所必需的时间同步性和地域同一性限制[2]，使得知识交流更加便捷化、多样化，拓展了网络知识共享广度和深度。而学术虚拟社区是以特定学术主题为内容，以互联网信息技术为支撑，以广大学者、科研人员等知识分子为用户群体，进行学术交流与知识共享的专业线上社区[3]。在学术虚拟社区中，学者和科研工作者们通过在平台上发布信息，获得点赞、收藏和转发，促使信息在短时间内发生快速传播，因此学术虚拟社区在知识获取、共享、转移和创造过程中发挥重大作用。目前国内学术虚拟社区数量庞大，如小木虫、经管之家(原人大经济论坛)、科学网、丁香园等知名学术社区。然而国内学术虚拟社区在发展中仍然存在一些问题，如相比分享经验与知识，社区用户大多存在“潜水”现象，更多地选择浏览平台信息。已有研究表明，在多数线上社区中，90%的用户参与知识获取而不主动进行知识互动与分享，9%的用户会进一步参与讨论互动，而仅有1%的用户会积极地创造内容[4]。因此，有必要探究影响虚拟社区知识共享行为的关键因素，提高人们的社区认可度和参与度，促进用户间知识交流与创新，进而对国内学术社区建设和发展提供理论指导与政策建议。

目前关于学术虚拟社区的知识共享已形成若干成果，但仍然存在不足。一方面，多数文献数据主要源于线上或线下用户问卷调查，数据量较少且具有一定主观性。另一方面，国内外学者多采用单一理论来解释虚拟社区知识共享影响因素，但虚拟学习社区是一个知识共享的生态系统，采用单个理论解释虚拟学习社区的知识共享效果可能存在严重片面性[5]。学术虚拟社区是依托信息技术而存在的在线社交网络系统，其知识共享过程和结果受到社会资本和技术支持的双重影响[6]，但是鲜有研究综合考虑上述两项因素。

综上，为解决学术虚拟社区普遍存在的用户活跃度低、知识共享热情不高等现实问题，有必要从系统角度探究如何促进学术社区用户参与知识共享。首先，本文基于社会资本与技术支持的双重视角阐述学术虚拟社区知识共享过程；其次，构建社会资本和技术支持对用户知识共享行为影响的理论模型，通过爬取“科学网”社区用户数据，采用零膨胀负二项回归分析对模型进行检验；最后，根据学术虚拟社区知识共享行为影响因素分析结果，对学术社区如何提高用户知识共享意愿、实现持续发展提出改善性建议。

1 研究综述

1.1 学术虚拟社区知识共享

学术虚拟社区是以服务学术科研为目的，围绕特定专业领域学术知识展开讨论交流，实现学术资源共享与学者之间相互合作的平台[7]。在学术社区中，有稳定的学术、科研用户和知识分子等学习型受众，交流的专业性较强。成员通过在平台上发表观点，引发同领域的学术爱好者围绕专业问题展开交流和探讨，进而碰撞出新思想、新方法。其中，知识共享是用户获取、加工和创造新知识的主要途径，通过平台用户间的知识共享提高用户活跃度、增强持续贡献意愿，使学术社区获得持续发展。关于知识共享行为有两方面理解，一方面是把知识共享视为一种交换过程，认为知识共享是个体之间共享信息、观点和建议[8]，以及相互交换自身知识(显性和隐形)并共同创造新知识的过程[9]；另一方面是把知识共享视为一种转化过程，即个体将知识转化为可被其他个体理解、吸收和使用的信息[10]，是一种人与人之间交流和沟通的过程。

学术社区中的知识共享可以看作是社区成员中知识提供者、知识接收者以及社区平台之间两两互动的过程[7]，社区成员将自己的知识通过虚拟社区传递给其他用户，使其他用户可以快速获取专业知识和学术前沿信息，实现社区成员之间以及成员与平台之间的知识交流。从社会资本角度看，学术虚拟社区的知识共享活动是一种基于情境社会化的过程；从信息技术角度看，学术虚拟社区的知识共享行为可视为社区成员依托网络技术和系统程序进行知识交流与扩散的过程。学术虚拟社区的知识共享过程如图1所示[7，11-13]。

1.2 社会资本视角下的知识共享

社会资本是人际间为达成共同目标、相互联系而产生的各类社会网络资源。社会资本是实际或潜在的资源集合体，这些资源与人们共同熟悉或认可的制度化关系持久地联系在一起[14]。许多学者对社会资本有着不同定义，其中，Nahapiet & Ghoshal[15]对社会资本的界定得到了广泛认同，他们认为社会资本是个体或单位拥有的关系网络中存在的和衍生的实际资源以及潜在资源之和，可分为结构、关系和认知3个维度。结构维度包括网络成员关系以及联系的密切程度、网络结构[11]，通常将个体中心性、社会交互连接、熟悉性等作为测量指标；关系维度是指人们通过长期互动交往产生的一种具体人际关系[4]，通常将信任、互惠、认同、承诺等作为测量指标；认知维度描述了网络主体间在多大程度上拥有共同的理解和表达[11]，通常将共同语言、共享愿景、共享文化等作为测量指标。目前许多学者沿用这种社会资本划分维度，并将其引入虚拟社区知识共享研究中，认为社会资本影响社区知识交流与共享行为的数量及质量，是网络知识管理的重要影响因素和解释变量[16]。因此，本文借用社会资本的三维度划分，将社会联结作为结构资本的指标变量，将信任、互惠和身份认同作为关系资本的指标变量，将共同愿景作为认知资本的指标变量。

1.3 技术接受视角下的知识共享

技术接受模型(Technology Acceptance Model, TAM)是在借鉴并融合理性行为理论(TRA)、计划行为理论(TPB)基础上发展起来的[17]，其目的是探究用户对一项新信息技术的接受程度。该模型认为线上平台的使用行为主要由用户使用意愿决定[18]，而意愿取决于用户使用态度，使用态度由感知有用性和感知易用性决定，感知有用性和感知易用性分别代表个体使用某项信息技术时感受到的有效程度与难易程度。已有学者基于技术接受模型探讨虚拟社区知识共享行为。如Hung & Cheng[19]研究发现，感知有用性和易用性均显著影响虚拟社区用户知识共享意愿，同时，感知有用性在感知易用性与知识共享意愿间起部分中介作用。技术接受模型能够从技术支持的客观角度解释用户知识共享意愿和行为，但忽视了心理认知、社会关系等主观因素。因此，本文综合社会资本理论和技术接受模型，探讨结构资本、关系资本、认知资本、感知有用性和感知易用性对学术虚拟社区知识共享行为的影响。

学术虚拟社区不同于其它类型的虚拟社区，其用户多为从事科研工作的学者，知识交流与共享更加专业性和密切化，同时，学术虚拟社区平台没有具体的奖惩制度和获利机制，没有强制的约束机制，因此社区成员多是基于彼此的社会关系以及使用感受进行知识共享。基于此，本文将学术虚拟社区知识共享行为的影响因素分为社会资本与技术支持两个方面。

2 研究假设与模型构建

2.1 知识共享质量与数量

根据知识管理理论，知识共享作为知识管理的有机组成，反映个体对知识与信息交换的态度,是实现个体间知识转移和创新的重要活动。用户在虚拟社区共享的知识可能成为其他用户的抉择依据，而知识质量和数量是影响抉择正确与否的重要因素[2]。因此，本文将知识共享行为划分为知识共享质量和知识共享数量两个维度。其中，知识共享质量是指用户在虚拟学术社区中分享知识与信息的价值量和有用程度[20]，本文采用用户发布博文的阅读数和评论数的总和表征，当用户文章获得的阅读数和评论数越多时，说明其知识共享质量越高。知识共享数量主要是指学术虚拟社区用户发帖数与回帖数的总和[21]，本文采用用户发布的博文数、主题帖数和回帖数的总和表征，发帖回帖数量越多，说明用户知识共享行为越频繁，知识共享数量越多。

2.2 关系资本与知识共享行为

关系资本是人们在网络互动过程中建立起来的一种具体社会关系，涉及信任、互惠及身份认同等[15]。社会资本理论中的关系维度代表成员间通过交互形成的人际关系，主要聚焦于影响成员行为的特定、持续的互动关系，这些互动关系会对知识共享行为产生显著影响[22]。在学术虚拟社区中，信任有助于营造鼓励知识共享的环境，体现用户是否愿意在平台上公开自己的真实信息[21]，经过实名认证并且愿意公开工作情况的用户更愿意在平台上进行知识交流与共享，即信任程度越高，知识共享氛围越浓厚，越有助于促进知识交流和共享。互惠是指社区成员在共享知识后获得相应回报，感觉到公平性和满足感，进而在平台持续分享自己的知识[23]。金币数可用来衡量该用户在进行知识共享后获得的回报，金币数量越多，成员越愿意进行发帖、讨论、回复等活动，同时，为了获得更多金币，愿意输出更多高质量的知识与信息。社区认同感会促使成员对该社区产生责任感和归属感。有研究指出，个体对群体的认同感越强烈，融入该群体的积极性就越高[24]。这种对社区的认可会促进用户的知识共享行为。因此，本文将实名认证、工作公开情况、金币数、活跃度作为关系资本的指标变量，并提出如下假设:

H1a：关系资本对学术虚拟社区知识共享质量具有显著正向影响；

H1b：关系资本对学术虚拟社区知识共享数量具有显著正向影响。

2.3 结构资本与知识共享行为

结构资本是个体间社会联系的总体结构模式，通常用社会交互联结(简称社会联结)表征[15]。社会联结可以表示虚拟社区成员间的关系强度、所用时间以及沟通频率[25]。社会资本理论指出，个体间交流合作的一个重要前因变量是个体通过社会交互活动建立联结[26]。在学术虚拟社区中，社区用户通过访问他人空间获取信息的行为就是一种社会联结，从而建立与对方的联系。空间访问量较高，说明该用户与其他用户有更广泛的联结。个体间社会交互越频繁，社区用户交换知识资源的频率和数量也越高，越有利于促进知识共享。基于上述研究，本研究将空间访问量作为结构资本的指标变量，并提出如下假设:

H2a：结构资本对学术虚拟社区知识共享质量具有显著正向影响；

H2b：结构资本对学术虚拟社区知识共享数量具有显著正向影响。

2.4 认知资本与知识共享行为

认知资本是指为不同个体提供表达与解释的资源[15]，比如共同价值观、语言或行为模式、共同愿景等。社会资本理论中的共同语言、共享愿景等认知资本是虚拟社区成员间实现知识共享的必要条件[23]。其中，共同愿景是指社区成员普遍认同的目标和愿望[27]，即用户在社区中活动具有目标和愿景上的一致性。Ardichvili[28]将共同愿景视为一种整合机制——可以将分散的个体组织起来，使大家拥有共同目标，进而形成一个新整体。在学术虚拟社区知识共享活动中，共同愿景使社区成员的行动目标一致，有助于增强社区凝聚力，促进成员分享观点和提高沟通效率。学术虚拟社区成员一般都具有专业知识，因此拥有共同语言。如科学网通过提供添加好友功能，将具有共同愿景的用户联系在一起，共同的价值观和社区发展愿景促使不同用户之间成为好友。在共同愿景的驱使下，好友数量越多，用户的知识分享意愿就越强烈，共享行为也越多。基于上述研究，本研究将好友数作为认知资本的指标变量，并提出如下假设:

H3a：认知资本对学术虚拟社区知识共享质量具有显著正向影响；

H3b：认知资本对学术虚拟社区知识共享数量具有显著正向影响。

2.5 技术支持与知识共享行为

对技术的主观接受程度是影响用户知识共享行为的关键因素[19]。信息技术作为虚拟社区知识共享行为的支撑基础，直接决定信息交流和传递的社会交换成本[12]。根据技术接受模型可知，要促使个体在虚拟社区中分享知识，需尽量让用户感受到该虚拟社区带来的裨益，并且获取容易。在学术虚拟社区中，是否易于获得完整、准确的信息以解答自身面临的问题是个体参与知识分享的重要前提[29]。感知有用性是指用户认为借助学术虚拟社区能够获取有用知识和前沿信息，以解决其研究工作中的问题；感知易用性是指用户在使用该平台过程中形成的便捷性体验[6]。感知有用性与绩效期望、享乐动机相关，如当用户在社区中获得有用知识、技能，进而提升工作和学习效率，或者对平台中的博文感到快乐和愉悦时，会主动在自己的主页中分享该信息。同时，感知易用性也与付出期望相关，如当用户付出较少努力便可使用平台系统时，说明该学术平台易于使用，良好的使用体验有助于提高用户使用频率，从而增加发帖量。换而言之，如果用户认为学术虚拟社区有用且方便，就会积极分享有用的帖子并且经常在社区中发帖讨论。因此，本文使用用户分享的博文数衡量用户对社区的感知有用性，以用户的平台使用频率衡量该用户对社区的感知易用性。同时，基于上述研究，本研究将分享数和使用效率作为技术支持的指标变量，并提出如下研究假设:

H4a：技术支持对学术虚拟社区知识共享质量具有显著正向影响；

H4b：技术支持对学术虚拟社区知识共享数量具有显著正向影响。

综合上述分析和假设，本研究提出基于社会资本和技术支持的学术虚拟社区知识共享行为模型，如图2所示。

3 数据收集与处理

3.1 数据收集与变量描述

本研究实证数据来源于科学网。众所周知，科学网是面向广大学术爱好者和科研工作者，为其提供知识资源交流和共享的典型在线学术问答社区，其用户可针对学术热点话题展开全面深入的讨论，快速实现个体知识输入与输出。科学网于2007年1月上线，目前已经稳居全球科学类中文网站排名第一，其用户群体受教育程度高，多是来自国内各大高校和研究院的师生以及科研人员。作为全球最大的中文科学社区，科学网为广大学者进行学术探究与创新提供了有效平台。因此，本文通过Python网络爬虫软件，初步获取管理综合板块下的7 255名用户信息。该板块下设管理科学与工程、工商管理、宏观管理与政策、管理学、马克思主义、哲学、语言学、文学、艺术学、历史学、经济学、政治学、法学、社会学、新闻学与传播学、图书馆情报与文献学、教育学、体育学和统计学，共19个二级学科，用户信息包括是否实名认证、用户公开的工作信息、金币数、活跃度、用户空间访问量、好友数、分享数、在线时间、博文数、主题帖数、回帖数、阅读数和评论数等，相关自变量和因变量见表1。

3.2 数据处理与描述性统计

本文变量的观测时间为2020年12月13日，在7 255名用户信息中删除数据缺失和有效在线时间为0的1 491名用户，最终获得5 764名用户信息。对数据进行初步分析的结果显示，在19类二级学科中，管理科学与工程板块用户数最多(20.84%)，其次是图书馆情报与文献学(17.66%)，后面依次是宏观管理与政策(8.21%)、工商管理(8.16%)和教育学(8.07%)等。利用SPSS25.0软件对自变量和因变量进行描述性统计分析，如表2所示。可以看出，科学网社区成员行为差异较大，其中，实名认证用户占74.98%，公开工作情况用户占44.80%，说明大多数用户对平台具有信任感；活跃度、阅读评论数差距高达几百万，空间访问量的差距甚至高达几千万，同时，三项指标的均值和标准差也明显高于其它变量。因变量知识共享数量和质量的均值与最大值差距较大，反映出整体知识共享行为并不活跃。总体来说，各变量数据分布比较分散，差异较大。

3.3 分析方法

本文因变量知识共享数量和质量为用户博文数、主题帖数、回帖数、阅读数和评论数，上述指标均为非负整数的计数型数据，独立且非负的计数型数据往往采用泊松回归和负二项回归。泊松回归的前提假设是样本的均值与方差相等，而负二项回归更适合存在过度离散(over dispersion)现象的数据分析。从表2可以看出，知识共享数量和质量的指标均值明显小于方差，说明数据的离散程度大，更适用负二项回归方法[30]。由于用户博文数、主题帖数、回帖数、阅读数和评论数有大量零值，而负二项零膨胀回归模型(ZINB)允许存在大量零观测值和计数数据偏分布[31]，因此本文采用负二项零膨胀回归模型进行分析。本文模型检验采用单一指标变量分析和分层逐步回归分析，并将关系资本、结构资本、认知资本和技术支持4个自变量依次进行回归，探究其对知识共享行为的不同影响。

4 数据分析

4.1 相关性分析

利用软件SPSS25.0对各变量进行相关性分析，结果如表3所示。可以发现，自变量与因变量之间，除工作公开情况(B)与知识共享数量(Y2)的相关性不显著外，其它自变量均与因变量知识共享质量(Y1)、知识共享数量(Y2)显著相关。另外，各自变量之间大多存在相关性，其中，除工作公开情况(B)外，关系资本的其它三项变量实名认证(A)、金币数(C)与活跃度(D)之间具有显著相关性，分享数与使用频率作为技术支持的两个指标，相关性不显著，这可能是因为科学网社区用户对技术支持的感知有用性与感知易用性差异较大。同时，各变量的方差膨胀因子系数均小于10，表明变量间不存在多重共线性。

4.2 回归分析

4.2.1 单一变量回归分析

单一指标变量分析是将所有指标变量分别对知识共享行为进行回归分析，目的在于判断不同变量对知识共享行为的影响[32]。其中，因变量知识共享质量(Y1)的测量指标为用户发布博文的阅读数与评论数之和，知识共享数量(Y2)的测量指标为用户发布的博文数、主题帖数和回帖数之和。利用StataSE15对实名认证、工作公开情况、金币数、活跃度、空间访问量、好友数、分享数、使用频率等变量分别进行知识共享质量和数量的零膨胀负二项回归分析。除好友数(F)对知识共享质量(Y1)、分享数(G)对知识共享数量(Y2)的影响不显著，分享数(G)对知识共享质量(Y1)有显著负向影响(β=-0.001 325，p=0.000)外，其它指标变量均对因变量知识共享质量(Y1)和知识共享数量(Y2)有显著正向影响。

4.2.2 逐步分层回归分析

利用StataSE 15软件，分别对关系资本、结构资本、认知资本以及技术支持4个维度变量采取分层逐步零膨胀负二项回归分析，最终形成8个知识共享回归模型，具体见表4。

(1)所有模型的χ2和P值均显著，说明模型具有统计性意义。在知识共享质量的4个模型和知识共享数量的4个模型中，对数似然值均随着变量加入而逐渐增大，说明随着变量维度增加，知识共享行为模型的拟合度越来越高。特别是当所有变量全部纳入时，模型拟合效果最好，解释性最强(见模型4和模型8)。

(2)不同维度自变量对知识共享质量和数量的影响会随着其它变量加入而产生较大差异，主要体现在自变量对知识共享质量和数量的影响程度与作用效果上。

首先，在知识共享质量理论模型中，当关系资本进入时，模型1中关系资本的4个指标对知识共享质量均有显著正向影响，并且是否实名认证对学术虚拟社区知识共享质量影响最大，影响系数为0.525(P<0.01)。当结构资本被纳入时，模型2中的5个指标对知识共享质量均有显著正向影响，但实名认证、工作公开情况和金币数的影响逐渐下降。当认知资本被纳入时，其对知识共享质量的正向影响不显著，同时，实名认证的影响持续下降，工作公开情况的影响有所提高，但仍小于模型1。当技术支持被纳入后，形成完整的知识共享质量理论模型。模型4中技术支持的两项指标对知识共享质量的影响存在差异，分享数呈显著负向影响，即个体在空间转发分享的博文数量越多，其自身的知识贡献质量越差。而使用频率具有显著的正向作用，加入技术支持对关系资本的效用产生影响，实名认证的影响出现下降，但是仍然最大，公开工作情况的影响有所上升。

其次，在知识共享数量理论模型中，当关系资本被纳入时，模型1中关系资本的4个指标对知识共享数量均有显著正向影响。纳入结构资本后，模型2中的5个指标对知识共享数量均有显著正向影响，且实名认证和金币数的影响有所下降，公开工作情况的影响有所上升。当认知资本被纳入后，其对知识贡献的正向影响同样不显著，并且实名认证的影响进一步减弱。当技术支持被纳入后，形成完整的知识共享数量理论模型。在模型4技术支持的两项指标中，分享数对知识共享数量的正向影响不显著，而使用频率有显著正向作用且对知识共享数量的影响最大，系数为4.182(P<0.01)，技术支持的加入对关系资本和认知资本产生影响，实名认证和公开工作情况的影响下降，金币数的影响有所上升。值得关注的是，好友数的影响由不显著变为显著正向，即在感知有用和感知易用的情况下，用户拥有的好友越多，其进行知识共享的数量越多。与知识共享质量理论模型相比，知识共享数量模型中的实名认证、公开工作情况和金币数的影响程度更大，好友数与分享数的影响存在显著差异。

4.3 稳健性分析

对知识共享数量和质量进行统计发现，大部分用户的发帖回帖和阅读评论数很少，多数用户的知识共享参与量为0，另外有41名极端用户的知识共享数量超过1 000 000条，因此本研究剔除发帖回帖和阅读评论数为0的用户以及知识共享数量异常多的41名用户，对剩下的1 187名用户样本再次进行回归，进一步检验社会资本和技术支持对用户知识共享行为的影响，结果如表5所示。可以发现，该结果与表4中回归结果(模型4、模型8)—致，表明回归结果稳健。

5 结论与启示

5.1 研究结论

本文在探究学术虚拟社区知识共享行为影响因素的过程中，将知识共享行为分为知识共享质量模型和知识共享数量模型，系统探讨用户关系资本、结构资本、认知资本以及感知有用性、感知易用性对用户知识共享行为的影响，研究结果如下：

(1)关系资本与结构资本持续促进知识共享行为。社会资本中的关系资本和结构资本对知识共享质量与数量均有显著正向影响。一方面，随着其它变量介入以及不同变量间的组合，作为结构资本的指标变量空间访问量和关系资本的指标变量用户活跃度对知识共享质量与数量均有显著正向作用，且作用稳定。而作为关系资本的指标变量实名认证随着其它变量介入，逐渐降低对知识共享质量和数量的影响，作为关系资本指标变量的公开工作情况和金币数对知识共享质量与数量的影响呈现波动性、动态性。另一方面，关系资本中的信任对学术虚拟社区知识共享行为的影响明显大于其它变量，说明在学术社区中用户的信任程度越高，越会积极参与知识共享和信息交流，这与甘春梅[16]、陈明红[6]等的研究结果一致。若社区平台以及平台成员本着互惠互利的想法共同学习与进步，用户间拥有高度的社区认同感，那么用户的知识共享意愿也更强烈，更愿意在学术社区中进行知识共享，同时，知识共享效果也更好。

(2)认知资本仅在其它因素介入下有助于提高知识共享数量。以好友数为指标变量的认知资本对知识共享质量的影响不显著，随着其它变量加入，认知资本对知识共享数量产生显著正向影响。该结论与前文假设以及已有研究相悖。如Chiu[33]通过实证研究发现，共享愿景显著正向影响知识共享质量，并且负向影响知识共享数量；陈明红等[34]发现，共同愿景对虚拟社区中的知识分享产生积极影响。而本研究得出不同结论，原因在于科学网用户拥有共同的价值观和愿景，对学术知识有着共同爱好，其加入虚拟社区大多基于对知识的渴求或分享欲望。由于学术社区中用户共同愿景水平较高，因此共同愿景并不会有效提升知识共享质量。同时，线上社区中用户联系、真实想法和意思表达不同于线下社区，基于共同目标、兴趣爱好而成为好友仅在特定情境下会促进用户知识共享行为，这与Wasko等[26]研究结果一致，即共享愿景显著影响知识共享数量而不影响知识共享质量。总体上，认知资本对知识共享行为的影响存在不确定性。

(3)技术支持下的感知有用性与感知易用性对知识共享的影响差异显著。作为技术支持下感知易用性的衡量指标——使用频率对知识共享质量和数量均有显著正向影响，这与Hus[35]、陈明红[6]等的研究结论一致，说明当用户在学术社区中使用体验良好，即操作系统简单、易于上手，能快速、便捷地解决问题时，会增加用户对平台的好感度，从而热衷于进行知识共享。而感知有用性的衡量指标分享数对知识共享数量的影响不显著，对知识共享质量有显著负向影响，这与之前的假设以及前人研究结果不一致。如Hung和Cheng[36]研究发现，感知有用性显著影响虚拟社区用户的知识共享意愿；郭恺强等[37]通过实证表明，感知有用性是消费者在虚拟社区中进行评论等交流行为的重要影响因素。本文得出相反结论的原因可能为科学网平台中的知识与信息质量参差不齐，而科学网用户知识水平较高，想在平台中获取准确信息和解决问题较困难，同时，用户不愿分享质量低、有用性差的博文，因此分享数对知识共享数量的影响不显著，而当用户在空间中分享的博文数过多时，针对性的可用信息就会减少，输出本身想法的意愿也会降低，从而对知识共享质量带来负向影响。对于一般社区的知识共享，社区感知有用性的影响大于感知易用性[6]，但科学网作为特殊的学术虚拟社区有其独特性，其用户知识水平普遍较高，相比获得有用知识，专家和学者们更关注知识价值与共享条件的便利性，这也解释了上述结论。

5.2 管理启示

本文从社会资本和技术支持视角，通过爬取“科学网”学术虚拟社区的15 764名用户信息，采用零膨胀负二项回归分析方法，探讨学术虚拟社区知识共享行为的影响因素。在实践方面，社区管理者可以从4个四方面增强用户使用意愿和提高满意度。

(1)搭建基于兴趣的社交圈，促进社区用户互动。社区管理者应该采取措施，加强平台用户联系。可根据不同用户兴趣偏好，利用人工智能和大数据分析工具，为用户推荐感兴趣的讨论组、社交圈，以此加强成员互动，改善用户空间结构，以吸引更多访问量，使用户之间获得更深层次的了解，甚至帮助用户开展线下活动，促进交流，以方便进一步的学术交流与探讨。

(2)采取实名制，打造彼此信任的高质量社区。社区平台应采用实名注册制、身份信息审核，以提升用户之间以及用户与平台之间的信任感，提高用户对平台以及平台中其他用户的信任度，对用户在平台中的知识产权加以保护，营造安全、互利互惠的社区氛围。

(3)规范积分和金币获得制度，提升用户活跃度。社区平台可以优化积分和金币获取途径，促使用户更愿意通过参与社区活动获得奖励；通过规范得分机制，建立互助互惠制度，有针对性地推送学术知识、开展特色学术活动，提升用户活跃度。如为活跃度高的成员设置更高等级、提供专属化服务，进一步激发其参与、分享和创新的热情。

(4)把关平台知识共享质量，为用户提供个性化服务。社区管理者应该对平台中的知识与信息进行筛选，提高网站知识质量，使更多优秀的高质量博文被更多用户看到，鼓励发表更多高水平见解与想法，从而使平台用户能在社区中获得满意解答。同时，管理者也要进行用户需求调查，为用户提供专业化、个性化服务，简化社区平台操作程序，提高用户易用性体验，鼓励用户积极进行知识交流。

本文对学术虚拟社区知识共享行为影响因素的研究还存在一些不足。首先，科学网中的用户数据是动态变化的，本文仅爬取了某一时点的静态数据，未来研究可以考虑时间因素，动态研究相关变量；其次，本文采用Python软件爬取用户数据具有一定客观性，但选取的相关指标并不能完全解释知识共享行为模型，如在衡量知识共享质量时仅使用阅读数和评论数，可能无法全面反映知识共享质量，未来可以进一步挖掘相关指标。

参考文献:

[1] 张鼐,周年喜.社会资本和个人动机对虚拟社区知识共享影响的研究[J].情报理论与实践,2012,35(7):56-60.

[2] 张洁梅,马悦杰.社会资本对虚拟社区用户忠诚的影响[J].科研管理,2021,42(3):139-149.

[3] LEE F S, VOGEL D, LIMAYEM M. Virtual community informatics: a review and research agenda[J]. Journal of Information Technology Theory and Application，2003, 5(1):47-61.

[4] 杨瑞仙,权明喆,武亚倩,等.学术虚拟社区科研人员知识交流效率感知调查研究[J].图书与情报,2018(6):72-83.

[5] 李海峰,王炜.虚拟学习社区的知识共享生态系统机制研究——基于学习主题的知乎问答学习社区的知识共享要素分析[J].现代远距离教育,2021(2):12-25.

[6] 陈明红.学术虚拟社区用户持续知识共享的意愿研究[J].情报资料工作,2015(1):41-47.

[7] 徐美凤,孔亚明.基于多主体建模的学术社区知识共享行为仿真分析[J].情报杂志,2013,32(4):161-165，176.

[8] BARTOL K M, SRIVASTAVA A. Encouraging knowledge sharing: the role of organizational reward systems[J]. Journal of Leadership & Organizational Studies, 2002, 9(1)：64-76.

[9] HOOFF B V D, RIDDER J A D. Knowledge sharing in context: the influence of organizational commitment, communication climate and CMC use on knowledge sharing[J]. Journal of Knowledge Management, 2004, 8(6)：117-130.

[10] 王楠,张士凯,赵雨柔,等.在线社区中领先用户特征对知识共享水平的影响研究——社会资本的中介作用[J].管理评论,2019,31(2):82-93.

[11] 李宇佳,张向先,张克永.移动学术虚拟社区知识流转的影响因素研究[J].情报杂志,2017,36(1):187-193.

[12] 孔德超.虚拟社区的知识共享模式研究[J].图书馆学研究,2009(10):95-97.

[13] 万晨曦,郭东强.虚拟社区知识共享研究综述[J].情报科学,2016,34(8):165-170.

[14] 李浩.社会资本视角下的网络知识管理框架及进展研究[J].管理世界,2012(3):158-169.

[15] NAHAPIET J, GHOSHAL S. Social capital, intellectual capital, and the organizational advantage[J]. Academy of management review, 1998, 23(2)：242-266.

[16] 甘春梅,王伟军,田鹏.学术博客知识交流与共享心理诱因研究[J].中国图书馆学报,2012,38(3):91-99.

[17] 赵宇翔. 社会化媒体中用户生成内容的动因与激励设计研究[D].南京：南京大学,2011.

[18] 陈渝,杨保建.技术接受模型理论发展研究综述[J].科技进步与对策,2009,26(6):168-171.

[19] HUNG S W, CHENG M J. Are you ready for knowledge sharing? an empirical study of virtual communities[J]. Computers & Education, 2013, 56(62):8-17.

[20] 刘琦,杜荣.基于参与动机的网络社区知识共享质量、创新及满意度关系研究[J].情报理论与实践,2013,36(3):56-61.

[21] 许林玉,杨建林.基于社会化媒体数据的学术社区知识共享行为影响因素研究——以经管之家平台为例[J].现代情报,2019,39(7):56-65.

[22] 吴翠花,刘凤英,霍亭亭.虚拟社区社会资本对知识共享影响的实证研究[J].技术经济,2013,32(6):33-39，78.

[23] 包凤耐,曹小龙.基于社会资本视角的虚拟社区知识共享研究[J].统计与决策,2014(19):53-56.

[24] KANG K W.To obtain or to provide? antecedents of knowledge intentions in virtual knowledge communities: self-efficacy, individual motivations, and social capital[D].University of Rhode Island, 2009.

[25] 周涛,鲁耀斌.基于社会资本理论的移动社区用户参与行为研究[J].管理科学,2008(3):43-50.

[26] WASKO M，FARAJ S．Why should i share? examining social capital and knowledge contribution in electronic networks of practice[J]． MIS Quarterly， 2005， 29(1):35-57.

[27] 张生太,刘露露.社会资本对微信群用户知识共享意愿的影响[J].科研管理,2018,39(10):108-119.

[28] ARDICHVILI A, PAGE V, WENTLING T. Motivation and barriers to participation in virtual knowledge sharing communities of practice[J]. Journal of knowledge management, 2003, 7(1):64-77.

[29] YANG H L, LAI C Y. Understanding knowledge-sharing behaviour in Wikipedia[J]. Behaviour & Information Technology, 2011, 30(1):131-142.

[30] ZEILEIS A, KLEIBER C, JACKMAN S, et al. Regression models for count data in R[J]. Journal of Statistical Software, 2008, 27(1): 1-25.

[31] 翁莉佳,李小玲,邵兵家,等.付费搜索广告主的关键词组合策略研究——基于语义结构与用户心理的互动机制视角[J].南开管理评论,2022,25(4):131-143.

[32] 李海峰,王炜.在线问答学习社区的群体知识贡献影响因素——基于WebGIS知乎学习社区的功能模块分析[J].开放教育研究,2020,26(1):111-120.

[33] CHIU C M,HSU M H,WANG E.Understanding knowledge sharing in virtual communities: an integration of social capital and social cognitive theories[J]. Decision Support Systems, 2007, 42(3):1872-1888.

[34] 陈明红,漆贤军.社会资本视角下的学术虚拟社区知识共享研究[J].情报理论与实践,2014,37(9):101-105.

[35] HSU C L, LIN C C. Acceptance of blog usage: the roles of technology acceptance, social influence and knowledge sharing motivation[J]. Information & Management, 2008, 45(1):65-74.

[36] HUNG S W, CHENG M J. Are you ready for knowledge sharing? an empirical study of virtual communities [J]. Computers & Education, 2013, 56(62): 8-17.

[37] 郭恺强,王洪伟,赵月.消费者通过在线声誉系统发表评论的前因:基于TAM的实证研究[J].管理评论,2014,26(9):180-190.

(责任编辑：胡俊健)