开放科学(资源服务)标识码(OSID)：
From the perspective of open innovative community knowledge,this study focuses on the coordination process of knowledge co-creation,introduces the activity of the knowledge field,and examines the impact of the multi-dimensional heterogeneity of factors on innovation performance and knowledge in the process of synergy.The mediating role in the field activity provides a useful reference for maximizing the advantages of synergy and heterogeneity to improve community innovation performance.Specifically,this paper is based on resource basic theory and team heterogeneity theory,and it refines the measurability of multi-dimensional factors in community knowledge from the perspective of knowledge creation.The knowledge of users based on the open innovation platform creates a total virtual self-socialization process.In this process,users will be influenced by internal and external key factors.There will be a rich co-creation experience for different users in virtual scenes.While users share the differences in the content of knowledge,the different expressions,and the emotional tendencies during the interaction process,the emotional tendencies will affect the final co-creation performance.The connotation of the concept of heterogeneity of the virtual community is thus analyzed as the content heterogeneity,emotional heterogeneity,and expression of the user,and follows the logic of "synergistic heterogeneity → knowledge field activity → innovative performance "; through theoretical derivation,this study builds the main effect research framework for the heterogeneity of synergy,examines the differentiated effects of different dimensions of heterogeneity factors on value co-creation,as well as the mediating transmission role of the knowledge field activity.
The study obtains online data from the "Flyme" section of the Meizu community for empirical analysis.The results show that in the process of knowledge creation,the heterogeneity of users and expression forms of users have a positive impact on community knowledge field activity,and emotional heterogeneity has an inverted U-type on knowledge field activity.Knowledge field activity has a positive impact on innovative performance,and plays a mediating role in user heterogeneity,content heterogeneity and innovative performance.In theory,this paper details the role of knowledge creation theory in the situation of virtual community situations,enriches the theoretical system of creative innovation value of virtual community users,and lays the theoretical foundation for the sustainable development of the virtual community.At the practical level,on the one hand,it guides users to participate in the interaction process,optimize the atmosphere of community cooperation,improve community users' intellectual literacy,and strengthen their motivation for collaborative participation; on the other hand,it clarifies the characteristic factors of virtual communities,provides guidelines for the scientific management of virtual communities and improvement of community innovation performance.
开放科学(资源服务)标识码(OSID)：
在以全球化、技术进步和产品生命周期不稳定为特征的动态环境中,多主体协同创新日益成为最大化整合创新要素的主流创新模式[1]。当前,许多企业已经意识到利用外部资源促进企业研发、为公司产品和服务创新提供新知识来源的重要意义,纷纷建立起依托企业品牌的开放式创新社区(Open Innovation Community,OIC)。开放式创新社区作为基于互联网的用户生成内容平台,吸引用户共同参与产品创意设计与研发、新品体验、营销推广等业务领域,是一种兼具低成本和高效率获取创新知识、增强用户粘性的有效载体[2]。然而,随着此类社区规模扩大和用户生成内容的爆炸式增长,在交互过程中产生了较为严重的信息过载和协调复杂等问题,致使很多创新未达到预期效果。由此,如何协调用户交互、有效引导多主体参与的知识共创过程,成为影响企业利用外部资源进行开放式创新的关键。
资源基础观和复合基础观都认为,企业获取竞争优势的关键是集合异质性资源,并通过内外结合强化创新能力[3]。开放式创新社区的知识共创需要多个参与主体的互动协同,是一种用户、知识之间交互碰撞与启发推进的动态迭代过程[4],因此将不同类型用户与资源有效整合协同才能发挥出“1+1>2”的系统效果[5]。然而,整合不同行为者知识资源以达到共创并非易事,开放式创新社区资源的多样性和复杂性更是增加了协调与合作难度。当前,已有研究关注到用户、环境等要素对创新绩效的影响,强调知识共创过程中协同的重要性,并针对创新要素异质性作用进行了诸多探讨,但观点存在一定分歧。在用户异质性方面,部分学者认为同质性团队能产生更多益处,工作团队越同质化,成员承诺和团队凝聚力就越高,成员关系变更的可能性越小(陈耘等,2022);另一部分学者则强调异质性团队才是助力企业发展、提升创新绩效的必要条件。如齐丽云等[6]通过探究发现,高管团队异质性带来的认知基础、价值观等差异对绿色管理创新具有显著正向影响。在内容异质性方面,有研究指出,成员知识差异较大,会增大团队成员在理解任务主线、化解任务争论等方面的难度,对社区创新绩效产生不利影响[7];但也有研究指出,知识异质性是知识资源多样化的重要来源,社区成员知识的差异性、互补性有利于形成多元化认知,激发社区成员创新潜力,为用户高质量参与创新提供良好条件[8]。在情感倾向方面,有学者认为,情感一致性越高的评论,越能够代表大部分用户的想法,通过抵御不确定性和高风险性,最终提高创新绩效[9];但也有学者主张,情感异质性高的帖子能吸引更多用户参与讨论,从而促进创新绩效提升[10]。在表达形式方面,与抽象的纯文字相比,图片更丰富了用户观点表达,表情符号凸显了用户情感流露,强化了个体理解和感知[11],进一步提升了内容交流效果。但也有学者指出,纯文字是影响用户价值感知的主要因素,其它表达方式一般作为辅助信息,并没有发挥显著作用[12]。
综上,基于开放式创新平台的用户知识共创通常会经历一个虚拟的自我社会化过程,在该过程中用户感知受到内外部多重要素影响,不同用户在虚拟情景下的共创体验会有较大差别,分享内容、交互过程中表达形式和情感倾向的不同等也会对最终的共创绩效产生影响。然而,当前研究更多关注单一维度异质性对创新绩效的作用效果,聚焦同情境下多维要素异质性的探讨较少,导致要素异质性对创新效果的影响也呈现出正反两类结果,因此需基于具体情境探析其差异化影响。同时,知识场是不同创新主体进行知识交互、再造的理论空间[13],知识场活性既包含不同参与主体在知识扩散与知识流动过程中的活跃程度,也包含各主体之间的开放程度[14-15]。前者为用户协同交互营造良好的空间,后者可为调度异质性资源、进行有效整合提供强大支撑,是提升社区创新绩效的关键。因此,本文拟从开放式创新社区知识共创视角入手,聚焦知识共创协同过程,引入知识场活性,考察协同过程中要素异质性对创新绩效的影响以及知识场活性在其中发挥的中介作用,以期从协同过程视角,为最大限度发挥协同要素异质性优势从而提升社区创新绩效提供有益参考。
知识共创是指不同参与主体相互启发、引导与激励,共同发展新知识的过程。虚拟社区开放式创新的实质是对企业内外部知识进行整合并进行创新性应用的过程,社区中的共创用户不再仅仅是被动接受者,而是转变为主动提供者。他们根据个人需求分享想法,从而参与社区共创过程。在该过程中,参与者之间通过不断的知识共享、融合、演进,最终促进创新产生,但是知识资源数量和质量在社区成员之间呈现非均衡、非线性分布。同时,社会影响理论也指出,外界环境会对用户思想、态度或行为等产生影响[16]。因而,个体异质性在知识协同共创过程中发挥重要作用,是形成创新绩效的基础。
创新过程高度依赖于用户知识融入与整合,因而共享知识的异质性也会对创新结果产生一定影响。首先,从知识共创内容来看,社区用户往往会围绕某一主题展开讨论,形成不同的用户生成内容。差异化的用户生成内容易吸引更多用户,拓展社区知识广度和深度,促进新知识产出和创新绩效提升[17]。其次,用户生成内容的情感性也会影响知识共创协同过程。其中,具有异质性情感倾向的文本内容有助于吸引更多用户尽情表达观点,丰富整个社区的多样性,但情感异质性增大也可能导致用户情绪激化、矛盾升级。最后,用户会借助网络表情符号、图片、超链接等信息载体表达自己的态度、情感或观念[18],是文字语言之外的一种补充,丰富的表达形式有助于更清晰地呈现用户观点、促进主体交流[19],进而影响创新协同效果。
综合上述共创主体和客体,本文将开放式创新社区知识共创过程中的要素异质性划分为用户异质性、内容异质性、情感异质性和表达形式异质性,探讨不同要素异质性对社区创新绩效的影响。
组织在一定时空范围内通过知识集聚以实现知识开发和创造,此类空间被称为场[14]。“知识场”概念最早由Nonaka[20]提出,其认为知识场是将知识进行转移、分享、利用、创新的情境,在此过程中所有参与主体之间结成社会网络联结。罗亚菲等[21]进一步提出知识场活性概念,具体是指各参与主体在知识场中进行知识交流的活跃程度和开放程度。各主体之间合作交流越频繁,知识流动越充分,则知识场活性越强。此外,知识场活性受到主体间知识转移、扩散、汲取、融合动机、态度以及组织学习意愿等因素影响。吴价宝等[22]提出,组织知识场活性越高,对外部的影响力就越显著,也会在个体间、组织内部、组织间产生创新叠加效应;史丽萍等[23]认为,知识场活性促进知识嵌入,进一步影响知识集成。具有较高活性的知识场有助于扩大知识节点间辐射范围[24],异质性知识在具有高活性的创新环境下深度交互,有利于企业先验性知识与外部价值性知识聚合,最终融入企业产品和创新流程[7]。
从知识管理角度分析,虚拟社区的开放式创新是一个知识流动过程,社区平台下的知识场活性是具有辐射范围和影响力的媒介情境物质的总和,既体现了社区共创情境下知识场的活跃度和开放度,又体现了参与者之间的知识交流与互动状况,势必对开放式创新社区绩效产出决定性影响。
知识主体是知识场中承担知识传播与创新职能的主要力量。知识共创是各成员协作互动产生新知识并将新知识引入共创生态的动态循环过程[25]。开放式创新社区用户拥有不同知识背景、知识结构,此类构成有助于在平台交流中提供更多启发性观点、想法,有利于打破思维定式,给社区平台带来更丰富的异质性资源。在异质性观点影响下,不同用户看待同一问题的视角不同,由此产生不同认知,并激发其他用户思考和融合不同观点[26],进而促进新创意产生,提高社区共创过程中的知识存量与知识流量。
同时,因为用户可以在共创过程中接触到更多差异化想法和创意,所以更易吸引大家,由此形成较高参与度的交流氛围,促进分享意愿增强,这种知识存量和流动性的增强以及氛围的活跃程度都会提高开放式创新社区的知识场活性。基于此,本文提出如下假设:
H1:在虚拟社区知识共创过程中,用户异质性对知识场活性具有正向影响。
知识基础观(knowledge-based view)认为,企业核心能力提升的关键在于隐性知识获取[27],知识创新也是隐性知识与显性知识相互转换的过程。在该过程中,异质性内容为社会群体提供多源信息,进一步提升社区知识多样性、用户交互丰富性以及内容价值深度,从而促使企业从不同视角展开思考,产生新解决思路[28]。在竞争性环境下对异质性知识资源的吸收、掌握、整合有助于促进企业知识体系更新。
因此,从社区知识共创的包容性看,用户参与为在线社区提供了更多知识和主题,社区知识多样性、用户交互丰富性以及内容价值性越高,越易促进知识流动。随着知识流动增强,场内知识元素间更易发生碰撞进而产生新知识,促进隐性知识增长,从而带动社区知识场活性提升。基于此,本文提出如下假设:
H2:在虚拟社区知识共创过程中,内容异质性对知识场活性具有正向影响。
根据理性行为理论,态度与主观准则共同决定个体行为意向。其中,态度具体涉及对某事物或行为的正面或负面评价。消极情感会缩小人们的认知范围,而积极情感则会从质、量两方面对认知过程产生正向影响[29]。有研究指出,情感一致性较高的评论往往能够代表大部分用户想法,并且情感一致性显著影响消费者认知加工[9]。但也有学者认为,情感异质性高的帖子能吸引更多用户,从而达到更高的创新绩效(梁海山等,2019)。徐峰等[10]实证得出,评分一致性和情感偏离度对评论有用性有显著正向影响;梁赛等[30]基于三维度理论探讨游客在线评分情感异质性及其影响因素,发现极端评论的唤醒度和支配度显著高于中立评论。
虚拟社区的知识共创是多方协同创新过程,随着不同情感倾向、价值取向、知识构成用户的涌入,整个社区的多样性与丰富度得以提升,同时,吸引更多用户畅所欲言,尽情表达自己的观点,知识存量和质量得到提升。随着情感异质性进一步增大,易导致不同层次用户间情绪冲突、矛盾升级,原来的知识分享变成情绪冲突场所,原本乐意分享创新知识的用户被迫减少观点输出,随之形成恶性循环,影响社区知识流动和新知识产出,并对知识场活性产生负向影响。基于此,本文提出以下研究假设:
H3:在虚拟社区知识共创过程中,情感异质性对知识场活性具有倒U型影响。
表达形式多样化促进交流方式更加丰富。在线交流中用户通过使用网络表情符号表达态度、情感和观念,且新表情符号更易于理解[31]。图片评论可以更好地反映用户体验,有助于挖掘潜在用户,赢取现有用户的正面评价以及扩大评论传播效应。Zareen[32]提出,与传统信息相比,非文本信息是一种非常强大的情感表达手段。视觉化的表情图像比文字的传播效果更好,可有效提升信息准确度和可接受度。此外,发送表情符号比打字简单快捷,有助于提高信息传播效率[33]。
在虚拟社区用户交互过程中,纯文本形式表达方式单一,特别是在突显眼球注意力的网络时代,单纯的文字表达会限制沟通效率,而借助图片、表情符号等非文本表达形式,除在视觉传达方面更有优势外,亦能清晰、准确地表达情感态度,促进知识场内观点交流,进而产生新知识。因此,多样化的表达形式比纯文字信息表达更易于理解且更有效力,从而有助于提升知识场活性。基于此,本文提出以下研究假设:
H4:在虚拟社区知识共创过程中,表达形式异质性对知识场活性具有正向影响。
知识场作为传递知识和开展创新活动的重要场所,其场域活性程度不仅反映空间内的情景物质,如知识主体与传播媒介,还对场内知识流量、强度和速度产生显著作用,即对知识传播与知识创造产生正向影响。知识场活性可以促进创新者协同,推动知识资源深层挖掘,激发知识重组的潜在价值,进一步提升创新绩效[29]。
从知识管理角度出发,在知识场活性的作用下,社区可以与不同知识主体进行有效沟通并构建互利互信的良性关系。在该过程中,基于知识聚合促进主体交互,增强知识场活性,推动隐性知识显性化过程,继而提高场域内创新产出(甘静娴等,2018)。因此,知识场活性是影响社区创新产出的前端因素,在多方参与的知识共创过程中,通过刺激知识流动,促进价值性知识增加,从而对最终绩效产生正向影响。基于此,本文提出如下研究假设:
H5:在虚拟社区知识共创过程中,知识场活性对创新绩效具有正向影响。
在虚拟社区知识共创协同过程中,用户异质性、内容异质性、情感异质性、表达形式异质性会对创新绩效产生影响,而知识场活性在其中扮演桥梁作用[21]。为提升社区创新绩效,多维异质性资源通过汇聚融合,不断激发知识重组与更新,从而促进创新产出。在该过程中,彰显知识流动、扩散等特征的知识场活性是有效推动创新交互、提升创新绩效的基础保障。具体地,在开放式创新环境下,不同观点的交互有助于打破个体思维定式,对共创参与者产生启迪。同时,吸引更多用户积极参与社区交流,提高社区参与度和开放性。交互协同在给社区平台带来丰富知识资源的同时,也有利于提升参与者之间显性与隐性知识转化效率,从而促进知识流动。此外,在知识共创过程中,不同情感倾向的自由表达、表达形式的丰富多样都有利于降低沟通障碍,提升知识交流活跃程度。进一步地,随着知识存量增加和知识活跃度提升,社区知识场活性随之增强。而较强的知识场活性往往有助于促进知识流、活跃协同交互氛围、增强主体沟通和信任、激励创新产生,最终提升社区创新绩效(金珺等,2020)。基于此,本文提出如下假设:
H6:在虚拟社区知识共创过程中,知识场活性在用户异质性与创新绩效之间发挥中介作用;
H7:在虚拟社区知识共创过程中,知识场活性在内容异质性与创新绩效间发挥中介作用;
H8:在虚拟社区知识共创过程中,知识场活性在情感异质性与创新绩效间发挥中介作用;
H9:在虚拟社区知识共创过程中,知识场活性在表达形式异质性与创新绩效间发挥中介作用。
综合上述假设,在开放式创新社区知识共创过程中,遵循“协同要素异质性→知识场活性→创新绩效”的逻辑脉络,构建影响机理模型如图1所示。
图1 理论概念模型
Fig.1 Conceptual model
为验证概念模型,利用网络爬虫技术获取魅族社区“FLyme”板块的在线数据进行实证分析。魅族社区是由魅族科技开发,为广大魅族用户提供互动交流的平台。用户可以在社区中浏览、获取信息,反馈系统问题和操作建议,提出社区产品创新和升级想法,能较好地反映开放式创新过程。因此,本文以魅族社区Flyme板块为研究对象。使用Python编写爬虫程序,获取2020年5月27日至2021年6月16日用户参与知识共创的9 984条发帖数据,并同时获取每条发帖中其他用户参与和评论的数据,共计43 103条。
首先,根据发帖日期计算每日发帖量以及每条帖子的评论数量,然后对数据进行处理,删除有缺失值、帖子评论数量小于或等于3的数据,最终得到4 226条主帖内容以及对应的评论信息29 606条,以此作为用户知识共创协同的主要依据。各项变量表征如下:
(1)用户异质性:用户参与程度不同,对社区的认可程度也不同。用户发帖数、收听数、粉丝数等能够较好地反映社区用户参与程度、认同程度,是用户不同特质的有效体现。因此,参照齐丽云[6]、王松等[34]对用户异质性的衡量方法,本文通过计算每条主帖下参与评论用户的发帖数、收听数与粉丝数之和,再分别求出其最大差异值,用以衡量围绕某项内容参与知识共创的用户异质性,计算公式如下所示:
user=postnum+listennum+fansnum
(1)
其中,postnum为参与评论用户的发帖数,listennum为参与评论用户的收听数,fansnum为参与评论用户的粉丝数。
htguser=usermax-usermin
(2)
(2)内容异质性:评论文本内容所传达的知识和思想与主帖内容的贴近程度,可以体现文本相似度。采用向量空间中两个向量夹角的余弦值衡量2个个体间的差异程度。参考史达等(2020)的做法,本文使用余弦相似度算法计算每条评论语句与主帖的相似度,继而求出每条主帖下所有评论相似度的最大差值,用以反映协同过程中的内容异质性,计算公式如下:
(3)
其中,xi代表主帖内容分向量,yi代表评论内容分向量。
htgcon=conmax-conmin
(4)
(3)情感异质性:语料的情感倾向为其所包含词汇的情感极性总和[35]。参考史达(2020)、周知等[36]的做法,文本使用Python对每条评论语句进行情感分析,计算每条评论语句的情感得分,再求出每条主帖下评论情感得分最大的差异值,用以表示围绕主帖进行讨论过程中的情感异质性,计算公式如下:
(5)
其中,Pwords代表正面情感种子词语集合,Nwords代表负面情感种子词语集合。
htgemo=emomax-emomin
(6)
(4)表达形式异质性:用户生成内容的表达形式除使用纯文字描述外,还可以通过图片、视频、超链接等多种方式呈现,从多方面增加内容说服力与可信度。参考江晓东[11]、王翠翠等[12]的研究,本文将每条评论语句的图片数量、视频数量与超链接数量进行加和,从而求出每条主帖下评论表达形式的最大差异值,用以表示围绕主帖进行讨论过程中表达形式的异质性,计算公式如下:
exp=picturenum+vedionum+hyperlinknum
(7)
其中,picturenum、vedionum、hyperlinknum分别代表图片数量、视频数量以及超链接数量。
htgexp=expmax-expmin
(8)
(5)知识场活性:评分数和浏览数分别对应知识被认同、被发现的次数,进而反映场内知识流量。参考魏国宏[24]、金珺等(2020)的做法,通过计算场内评论间隔时间,以此分别代表知识流动速度和强度,计算公式如下所示:
(ratenum*100+viewnum)/Timestampdiff
(9)
其中,ratenum代表评分数,viewnum代表浏览数,Timestampdiff表示评论间隔时间。
(6)创新绩效:能够获得社区工程师以及专业人士回复的用户生成内容往往能提供有效意见或建议。参考邱凌云(2019)、聂卉等[37]的做法,根据社区工程师是否回复该条主帖设置虚拟变量,回复设为“1”,未回复设为“0”,用以表示不同用户进行知识共创后的社区创新绩效产出。
综上所述,相关变量及含义如表1所示。
表1 主要变量与含义
Table 1 Main variables
变量名称表示变量名称表示用户异质性htguser内容异质性htgcon情感异质性htgemo表达形式异质性htgexp知识场活性activitiy创新绩效performance
本文使用SPSS 22.0对研究变量进行Pearson相关性分析,结果如表2所示。可以发现,其它变量间的相关性均小于0.7,初步说明变量间不存在严重的共线性问题。表2列出了变量相关系数矩阵。为消除由一次项与其平方项高相关性引发的多重共线性问题,对研究中涉及平方项的所有变量进行均值中心化。
表2 相关系数矩阵
Table 2 Correlation matrix
变量用户异质性内容异质性情感异质性表达形式异质性知识场活性创新绩效用户异质性-内容异质性0.191**-情感异质性0.101**0.025-表达形式异质性0.148**0.612**0.024--知识场活性0.231**0.282**0.0070.232**-创新绩效0.212**0.439**0.0260.414**0.308**-
注:*表示p<0.05,**表示p<0.01,下同
(1)用户异质性、内容异质性、情感异质性、表达形式异质性与创新绩效的回归结果见表3。其中,用户异质性、内容异质性、情感异质性、表达形式异质性为自变量,创新绩效为因变量。由M1可知,R2值为0.117,模型通过F检验(F=139.861,p=0.000<0.05);用户异质性回归系数为0.183(t=12.363,p=0.000<0.01),即用户异质性会对创新绩效产生显著正向影响;内容异质性回归系数为0.194(t=10.526,p=0.000<0.01),表明内容异质性会对创新绩效产生显著正向影响;情感异质性回归系数为-0.018(t=-1.252,p=0.211>0.05),表明情感异质性对创新绩效产生负向影响;表达形式异质性回归系数为0.087(t=4.729,p=0.000<0.01),表明表达形式异质性会对创新绩效产生显著正向影响。
表3 回归结果
Table 3 Regression results
变量因变量M1:知识场活性系数t值p值M2:知识场活性系数t值p值M3:创新绩效系数z值p值用户异质性0.18312.363**0.1319.206**0.0005.222**内容异质性0.19410.526**0.0603.229**3.9949.546**情感异质性-0.018-1.2520.21161.60721.354**0.0272.5110.012*情感异质性2-63.617-21.360**-0.000-1.8250.068表达形式异质性0.0874.729**0.0593.368**-0.280-2.3130.021*知识场活性0.01126.866**控制变量控制控制控制R20.1170.203调整R20.1160.202McFaddenR2:0.545
(2)在M1的基础上引入情感异质性的二次方项,将用户异质性、内容异质性、情感异质性、情感异质性的二次方项、表达形式异质性作为自变量,将知识场活性作为因变量进行线性回归分析。由M2可知:模型的R2值为0.203,模型通过F检验(F=215.208,p=0.000<0.05)。其中,用户异质性回归系数为0.131(t=9.206,p=0.000<0.01),表明用户异质性会对知识场活性产生显著正向影响;内容异质性回归系数为0.060(t=3.229,p=0.001<0.01),表明内容异质性会对知识场活性产生显著正向影响;情感异质性回归系数为61.607(t=21.354,p=0.000<0.01),表明情感异质性会对知识场活性产生显著正向影响;情感异质性的二次方项回归系数为-63.617(t=-21.360,p=0.000<0.01),表明其会对知识场活性产生显著负向影响;表达形式异质性回归系数为0.059(t=3.368,p=0.001<0.01),表明其会对知识场活性产生显著正向影响。至此,用户异质性、内容异质性、表达形式异质性对知识场活性的影响得到验证,假设H1、H2、H4成立。
(3)倒U型检验。根据Haans等[38]的判断标准,该检验需要同时满足3个条件:①自变量的二次项系数显著为负;②当X为最小值时,曲线斜率显著为正,当X为最大值时,曲线斜率显著为负;③曲线拐点位置必须落在X取值区间。根据M2可知,情感异质性的二次项系数β2=-63.617(p<0.01),一次项系数β1=63.607;曲线斜率k=63.607-127.234X,X的取值范围为0～44 568.3,当X=0时,k>0,当X=44 568.3时,k<0;在曲线拐点处X值=-β1∕2β2=0.7,在X的取值区间内。由此可知,倒U型关系的3个必备条件均得到满足,因此情感异质性对知识场活性的倒U型影响得到支持,假设H3成立。
(4)模型最终变量检验结果。根据M3,将用户异质性、内容异质性、情感异质性、情感异质性的二次方项、表达形式异质性、知识场活性作为自变量,将创新绩效作为因变量进行二元Logit回归分析,可以解释55%的创新绩效变化。此外,用户异质性回归系数为0.000 (z=5.222,p=0.000<0.01),表明其会对创新绩效产生显著正向影响;内容异质性回归系数为3.994 (z=9.546,p=0.000<0.01),表明其会对创新绩效产生显著正向影响;情感异质性回归系数为0.027 (z=2.511,p=0.012<0.05),表明其会对创新绩效产生显著正向影响;情感异质性的二次方项回归系数为-0.000 (z=-1.825,p=0.068>0.05),表明其对创新绩效的影响不显著;表达形式异质性回归系数为-0.280 (z=-2.313,p=0.021<0.05),表明其对创新绩效产生显著负向影响;知识场活性回归系数为0.011,并且呈现出0.01水平下的显著性(z=26.866,p=0.000<0.01)。由此可知,知识场活性对创新绩效产生显著正向影响,假设H5成立。
(5)知识场活性的中介效应检验。使用Bootstrap抽样法进行中介作用检验,结果如表4所示。从检验结果看,在95%的置信区间,知识场活性在用户异质性、内容异质性、表达形式异质性对创新绩效的影响中,其LLCI和ULCI值均不包含0,说明知识场活性存在显著的部分中介效应,假设H6、H7、H9通过检验。同时,知识场活性在情感异质性对创新绩效的影响中,其置信区间为[-0.001,0.081],包含0,说明对应的中介作用不显著,假设H8未通过检验。
表4 中介效应分析结果
Table 4 Mediation effect analysis results
中介影响路径中介效应95%的置信区间上限下限效应占比(%)结果用户异质性→知识场活性→创新绩效0.0630.0420.08629.884部分中介内容异质性→知识场活性→创新绩效0.0560.0460.07212.831部分中介情感异质性2→知识场活性→创新绩效0.002-0.0010.081/中介作用不显著表达形式异质性→知识场活性→创新绩效0.0520.0440.06412.561部分中介
虚拟社区开放式创新是多方参与的知识共创过程,本文聚焦于开放式创新社区情境,从知识管理思路入手,关注知识共创过程中要素异质性的影响,引入知识场活性,梳理了共创要素异质性对最终创新绩效的作用机理。主要研究结论如下:
(1)协同要素中用户异质性、内容异质性、表达形式异质性对知识场活性具有正向影响。在虚拟社区协同创新过程中,用户往往基于不同视角产生新想法与新观点,并激发社区内其他共创参与者思考和发表意见,在该契机下,可促进参与主体交互和知识融合,提升知识流动性和活跃度,即知识场活性得到提高。同时,内容异质性有利于社区知识总量拓展与丰富,从不同视角表达的内容差异性越大,有利于激发主体发表看法,从而促使知识交流活动更加频繁。另外,异质性表达形式能够清晰、充分地呈现用户想法,有助于提高参与主体的理解度与交流效率,最终促进知识场活性进一步增强。
(2)协同要素中情感异质性对知识场活性具有倒U型影响。在虚拟社区协同创新过程中,情感异质性对知识场活性产生非线性的倒U型影响。当情感异质性较低时,往往会限制参与者生成差异化的主观表达方式,从而难以激发新思考和新发现,造成知识场活性不足。随着情感异质性增大,共创用户参与程度不断深入,信息交流频度不断提高,知识场活性随之提升。但当情感异质性超过一定阈值后,过大的差异会引致知识交互变成单纯的情绪输出,个体间分歧和冲突会束缚知识交流与合作,进而弱化知识场活性,即对知识场活性产生负向影响。由此可见,适度的情感异质性更有利于形成较高的知识场活性。由此,尽管开放式创新社区需要吸引异质性用户、提供更多异质化内容以及通过异质性情感拓宽社区知识深度与广度,但是更要注意协调情感层面矛盾与冲突,避免因情感差异过大,从而使得知识交互变成单纯的情绪输出,降低知识场活性。
(3)知识场活性在用户异质性、内容异质性、表达形式异质性与创新绩效之间起部分中介作用,在情感异质性与创新绩效关系中的中介作用不明显。实证结果说明,用户异质性、内容异质性、表达形式异质性能够通过强化知识场活性,助推创新绩效提升。在虚拟社区协同创新过程中,用户、内容、表达形式层面的异质性有助于激活知识场内资源协同与交互,促进知识元碰撞与迭代,在推动显性知识与隐性知识交替转换的过程中,促进场内知识增加和流动,提高知识场活性。知识场活性提高有助于促进用户沟通和信任,持续提高用户参与度,进而提升创新绩效。但是情感异质性的影响具有一定特殊性——这是因为虚拟环境下参与主体之间的情感表达和交流存在一定局限性,情感表达可能因为理解差异而出现偏差,使得知识交互转向情感输出,最终对创新绩效产生不利影响,这也是情感异质性对知识场活性产生非线性影响的原因。
(1)基于异质性理论分析了导致企业知识共创结果差异化的原因,多维解析了开放式创新社区创新要素异质性内涵。本文将社区知识创新中的异质性解析为用户异质性、内容异质性、情感异质性和表达形式异质性,并以此为研究起点,构建异质性影响社区创新绩效的主效应研究框架,分别考察不同维度异质性对知识共创效果的差异化影响,进一步丰富要素异质性理论在知识共创情境下的影响研究。
(2)证实了协同要素异质性在解释共创结果方面的双重效应。开放式创新社区中多元化的文化、知识、资源和能力为企业创新提供了动力和优势,但是由用户、内容以及情感差异诱发的合作冲突与关系对立不可避免地增加了沟通、互动难度及风险。本文证实协同要素异质性的一体多面会对知识共创结果产生差异化影响,研究结论可为完善虚拟社区知识共创前因研究提供有效补充。
(3)验证了知识场活性在异质性要素影响创新绩效过程中的中介作用。虚拟社区开放式创新是包括创新主体在内的要素协同过程,其间各主体参与程度和知识交流频繁度体现了知识场活性。知识场活性存在正向影响体现了其对知识共创的重要作用,同时,细化了协同要素异质性对创新绩效的影响路径。
本文对企业管理开放式创新社区并吸引用户持续参与创新提供如下启示:
(1)重视协同过程中用户异质性、内容异质性、表达形式异质性的正向作用。对于用户异质性,可利用大数据技术分析用户爱好、兴趣、风格等特征,通过设置不同版块、建立圈子等手段将用户划分为不同圈子,并发挥意见领袖和核心成员的带动作用,提高用户认同感和归属感,引导用户参与企业产品开发过程,及时并妥善地处理用户意见与建议,通过积分奖励、设置活跃等级、优化互动功能等手段促进用户互动和信息分享,增强用户对社区的认同,促进其快速融入社区,持续进行知识共创活动。通过设立合理的奖励机制,不断提高老用户发帖“质”量;规范社区行为准则,引导用户采用多元化形式发表与主题切合的内容。
(2)关注情感异质性的倒U型影响。管理者应深刻认识到情感异质性的差异化作用,过低或过高的异质性都会抑制创新绩效。为此,应保持适度的情感差异性,营造内容或情感一致性较高的创新氛围,进一步激发用户创造力,提高创新绩效。要防止情感过度一致或过度差异化,避免对创新绩效产生阻碍效应。企业应充分发挥管理者作用,加强对内容或情感的引导,促进用户友好互动。可采取适当的激励措施鼓励用户提升发帖质量,给予优质用户更高的权限等;积极引导开放式创新社区提供有用、准确、相关、及时、富有吸引力和易于理解的信息内容,以培养社区成员信任感与忠诚度。
(3)充分利用知识场活性的中介作用。通过提供更多社区支持,为用户参与知识共创打造一个积极向上、氛围融洽、互动频繁的开放式创新社区环境,进而激发用户持续参与。一方面,考虑到在线社区的趣味性和易用性,提供丰富的版块内容和清晰的版块结构,为用户提供最大化便利;另一方面,企业可以通过物质激励、荣誉激励等手段,为用户创造惊喜,提高获得感、满足感。可经常举办一些社区活动,邀请社区成员积极参与话题讨论,培养社区成员信任感和心理归属感。
本研究还存在两方面局限:一是数据的局限性,本研究数据仅来源于魅族社区“FLyme”版块,加之各社区数据特征存在差异,会对研究结论普适性产生一定影响,未来可通过收集其它社区数据对本研究作进一步检验;二是研究方法的局限性,在研究指标特别是异质性测度方面可以进一步优化和拓展,以丰富异质性理论及其相关应用。
[1] HONG H.Research on evolutionary game of collaborative innovation among high-tech industries-from the perspective of trust relationship[J].International Journal of Business and Economics Research,2023,12(1):9-17.
[2] TANG T Y,FISHER G J,QUALLS W J.The effects of inbound open innovation,outbound open innovation,and team role diversity on open source software project performance[J].Industrial Marketing Management,2021,94(5):216-228.
[3] OZDEMIR S,DE ARROYABE J C F,SENA V,et al.Stakeholder diversity and collaborative innovation:integrating the resource-based view with stakeholder theory[J].Journal of Business Research,2023,164:113955.
[4] 王松,杨洋,刘新民.基于图注意力网络的开放式创新社区用户创意潜在价值发现研究[J].数据分析与知识发现,2021,5(11):89-101.
[5] 李敏,夏思宇.高管团队异质性、行业背景与企业创新绩效的元分析[J].安徽大学学报(哲学社会科学版),2022,46(4):147-156.
[6] 齐丽云,王佳威,刘旸,等.高管团队异质性对企业绿色创新绩效影响研究[J].科研管理,2023,44(4):175-184.
[7] 李纪琛,刘海建,李润芝.知识异质性对企业创新绩效的影响研究——基于社会关系的调节作用[J].华东经济管理,2023,37(5):42-51.
[8] 谭娟,高小慧,谷红.开放协作社区用户知识异质性对重混创新的影响研究[J].软科学,2022,36(12):42-48.
[9] 张慧,周小虎,高照龙.揭开信任的面纱——基于认知和情感视角的信任双中介模型[J].科技管理研究,2021,41(9):154-160.
[10] 徐峰,张新,马良,等.在线评论动态性偏差对评论有用性影响研究[J].管理学报,2020,17(9):1383-1390.
[11] 江晓东,邹健.表情符号多余吗——表情符号对在线产品评论感知有用性的影响研究[J].管理工程学报,2023,37(1):66-77.
[12] 王翠翠,陈雪,朱万里,等.带图片评论与纯文字评论对消费者有用性感知影响的眼动研究[J].情报理论与实践,2020,43(6):135-141.
[13] 姜骞,刘强,唐震.创新网络关系治理对科技型中小企业突破性创新的影响机理——知识场活性的中介效应[J].科技进步与对策,2017,34(12):78-84.
[14] 张紫璇,陈怀超.知识基础对高新技术企业创新意愿的影响研究——知识场活性的调节效应与市场感知能力的中介效应[J].科技进步与对策,2023,40(1):142-150.
[15] 郭艳丽,韦赛勇.知识场活性、资源拼凑与新创企业创新绩效[J].科技和产业,2022,22(11):9-16.
[16] OZUEM W,WILLIS M,HOWELL K,et al.Determinants of online brand communities' and millennials'characteristics:a social influence perspective[J].Psychology &Marketing,2021,38(5):794-818.
[17] ZHAO J.The relationship between coupling open innovation and innovation performance:the moderating effect of platform openness[J].Technology Analysis &Strategic Management,2023,35(2):137-152.
[18] 王雅琴,刘子双,蒋奖.积极表情符号对消费者购买意愿的影响[J].心理科学,2023,46(2):435-442.
[19] 夏立款.网络表情符号证据化的机理及路径[J].人民论坛,2022,31(9):93-95.
[20] NONAKA I.A dynamic theory of organizational knowledge creation[J].Organizational Science,1994,5(1):14-37.
[21] 罗亚菲,刘俊燕.数字媒介扩展下流通产业高阶创新绩效研究——基于知识场活性的中介作用[J].商业经济研究,2021,40(24):17-20.
[22] 吴价宝,卢珂.层级视角下的组织学习知识场效应模型研究[J].中国管理科学,2013,21(S2):663-668.
[23] 史丽萍,孙鹏,刘强.知识活性对知识集成的作用机理——以知识嵌入性为传导变量、知识动员为边界条件[J].情报理论与实践,2014,37(4):24-27.
[24] 魏国宏,闫强.知识场活性对企业开放式创新绩效影响研究[J].经济问题,2019,41(10):64-70.
[25] 刘合翔,王松,王卫霞.开放式创新社区知识创新能力的量化与评价研究——以小米社区产品圈子为例[J].情报杂志,2022,41(10):170-180,188.
[26] XIONG J,SUN D.What role does enterprise social network play? a study on enterprise social network use,knowledge acquisition and innovation performance[J].Journal of Enterprise Information Management,2023,36(1):151-171.
[27] RAY P,RAY S,KUMAR V.A knowledge-based view of emerging market firm internationalization:the case of the Indian IT industry[J].Journal of Knowledge Management,2023,27(4):1086-1108.
[28] MEN C,FONG P S W,LUO J,et al.When and how knowledge sharing benefits team creativity:the importance of cognitive team diversity[J].Journal of Management &Organization,2019,25(6):807-824.
[29] FRESNEDA J E,GEFEN D.A semantic measure of online review helpfulness and the importance of message entropy[J].Decision Support Systems,2019,125:113117.
[30] 梁赛,田佳佳,刁建超,等.基于三维度理论的游客在线评分情感异质性及影响因素研究[J/OL].南开管理评论:1-29[2023-05-06].
[31] 胡敏,易明,刘继月.青年用户网络表情符号使用意愿影响因素研究[J].图书情报知识,2022,39(2):6-19.
[32] ZAREEN N,KARIM N,KHAN U A.Psycho emotional impact of social media emojis[J].Isra Medical Journal,2016,8(4):257-262.
[33] GHORBANALI A,SOHRABI M K YAGHMAEE F.Ensemble transfer learning-based multimodal sentiment analysis using weighted convolutional neural networks[J].Information Processing &Management,2022,59(3):102929.
[34] 王松,徐雅静,刘新民.基于Conv-BiLSTM模型的虚拟社区用户生成内容创新价值识别问题研究:交互协同的视角[J].数据分析与知识发现,2023,7(4):77-88.
[35] LI R,LI Y Q,RUAN W Q,et al.Sentiment mining of online reviews of peer-to-peer accommodations:Customer emotional heterogeneity and its influencing factors[J].Tourism Management,2023,96:104704.
[36] 周知,李名子,崔旭.基于领域情感词典的用户生成内容有用性评价研究——以豆瓣读书为例[J].情报理论与实践,2022,45(1):86-92.
[37] 聂卉.基于内容特征的评论效用排名预测-以豆瓣书评为例[J].管理评论,2021,33(2):176-186.
[38] HAANS R F J,PIETERS C,HE Z L.Thinking about U:theorizing and testing U-and inverted U-shaped relationships in strategy research[J].Strategic management journal,2016,37(7):1177-1195.