在線知識(shí)社區(qū)貢獻(xiàn)者身份對(duì)內(nèi)容質(zhì)量的影響研究

張薇薇 朱杰

關(guān)鍵詞：在線知識(shí)社區(qū);知識(shí)貢獻(xiàn)行為;網(wǎng)絡(luò)百科;詞條質(zhì)量;專業(yè)身份;知識(shí)質(zhì)量

以維基百科為代表的在線知識(shí)社區(qū)的產(chǎn)生和發(fā)展，解決了傳統(tǒng)百科全書(shū)更新速度慢、出版周期長(zhǎng)、內(nèi)容審核效率低等問(wèn)題。我國(guó)也相繼出現(xiàn)了百度百科、互動(dòng)百科等大型中文百科知識(shí)社區(qū)。截至2018年10月，百度百科收錄詞條超過(guò)1500萬(wàn)，參與編輯用戶數(shù)超過(guò)650萬(wàn)，幾乎涵蓋了所有已知的知識(shí)領(lǐng)域。據(jù)調(diào)查，在線百科受到我國(guó)多數(shù)網(wǎng)絡(luò)用戶的推崇和使用.知識(shí)參與度和使用程度都很高。但是在線百科相比傳統(tǒng)百科，依然存在詞條編輯者專業(yè)水平參差不齊、內(nèi)容質(zhì)量與可信度較低的問(wèn)題。例如，通過(guò)參考文獻(xiàn)分析發(fā)現(xiàn)，維基百科歷史類詞條質(zhì)量與專業(yè)期刊文獻(xiàn)質(zhì)量存在較大差距。如今，在線知識(shí)社區(qū)越來(lái)越重視內(nèi)容貢獻(xiàn)者的專業(yè)身份，大量有專業(yè)知識(shí)及其愛(ài)好者的用戶逐漸成為知識(shí)社區(qū)的核心成員。一些百科知識(shí)平臺(tái)也制定了一系列與貢獻(xiàn)者專業(yè)身份有關(guān)的詞條創(chuàng)建、編輯與審核制度，鼓勵(lì)更多具有專業(yè)知識(shí)的社區(qū)用戶參與內(nèi)容貢獻(xiàn)。

在線知識(shí)社區(qū)的內(nèi)容質(zhì)量一直是信息學(xué)界關(guān)注的重要問(wèn)題。對(duì)于網(wǎng)絡(luò)百科這類大規(guī)模知識(shí)社區(qū)而言，訪問(wèn)量、詞條編輯次數(shù)、貢獻(xiàn)者數(shù)量、生存期等，都可能成為影響詞條質(zhì)量的前導(dǎo)因素。st.vilia B等針對(duì)維基百科提出一個(gè)包含內(nèi)生、關(guān)系、聲譽(yù)三大類型以及若干細(xì)分計(jì)量指標(biāo)的信息質(zhì)量評(píng)估框架.張博等采用層次分析法建立了協(xié)同知識(shí)生產(chǎn)社區(qū)的內(nèi)容質(zhì)量評(píng)估模型。知識(shí)社區(qū)質(zhì)量在貢獻(xiàn)者社會(huì)網(wǎng)絡(luò)“平衡一非平衡一動(dòng)態(tài)平衡”的演化過(guò)程中會(huì)呈現(xiàn)螺旋上升趨勢(shì)_6]。此外，借助用戶群體認(rèn)可.以使貢獻(xiàn)者獲得相應(yīng)的社區(qū)榮譽(yù)和知識(shí)地位，可以有效提升知識(shí)內(nèi)容質(zhì)量和社區(qū)價(jià)值。也有一些研究尋求對(duì)知識(shí)內(nèi)容質(zhì)量的自動(dòng)化評(píng)估，這方面文獻(xiàn)尤以維基百科詞條質(zhì)量的研究居多。例如，Lira EPV等利用在線社區(qū)的協(xié)作屬性.設(shè)計(jì)相應(yīng)模型計(jì)算詞條質(zhì)量和貢獻(xiàn)者信譽(yù)值，Adler B T等基于詞語(yǔ)粒度構(gòu)建模型以計(jì)算Wikipedia每個(gè)語(yǔ)詞的質(zhì)量與可信度，Zeng H等基于句子分析粒度構(gòu)建模型計(jì)算維基百科詞條每個(gè)片段的內(nèi)容質(zhì)量。，Suzuki Y基于h指數(shù)評(píng)估維基百科詞條質(zhì)量。此外，國(guó)內(nèi)學(xué)者基于分句粒度和詞條編輯歷史的文本修改記錄提出評(píng)估知識(shí)貢獻(xiàn)質(zhì)量的方法，肖奎等應(yīng)用迭代與向量標(biāo)準(zhǔn)化方法計(jì)算某個(gè)特定領(lǐng)域內(nèi)各詞條質(zhì)量值以及貢獻(xiàn)者信譽(yù)值。這些研究都十分關(guān)注貢獻(xiàn)者專業(yè)背景和信譽(yù)值對(duì)內(nèi)容質(zhì)量的評(píng)估作用。

目前關(guān)于在線百科知識(shí)貢獻(xiàn)者身份對(duì)內(nèi)容質(zhì)量作用機(jī)理與影響關(guān)系的研究并不多見(jiàn)。隨著在線知識(shí)社區(qū)的發(fā)展，內(nèi)容更新速度加快，傳統(tǒng)的專職人員質(zhì)量審核機(jī)制已無(wú)法滿足用戶需求。本文認(rèn)為，自動(dòng)化評(píng)估與人工審核各有利弊，前者效率高、成本低但準(zhǔn)確性也低，后者準(zhǔn)確性高但效率低、成本高。因此，有必要將兩種質(zhì)量控制途徑結(jié)合起來(lái)。相比對(duì)知識(shí)內(nèi)容進(jìn)行審核的難度，對(duì)貢獻(xiàn)者專業(yè)身份的審查與級(jí)別認(rèn)定實(shí)現(xiàn)起來(lái)要容易得多。因此，關(guān)于貢獻(xiàn)者身份對(duì)內(nèi)容質(zhì)量影響效果的研究可以更好地為在線知識(shí)社區(qū)管理與內(nèi)容質(zhì)量改進(jìn)提供有力的理論指導(dǎo)與實(shí)踐參考。

1理論基礎(chǔ)與研究模型

1.1在線社區(qū)用戶身份交流理論

身份交流理論最初由Hecht M L提出，由個(gè)體身份、展示身份、關(guān)系身份、群組身份4個(gè)維度構(gòu)成。個(gè)體可以基于對(duì)某個(gè)在線社區(qū)的歸屬感構(gòu)建虛擬層面的社會(huì)認(rèn)同.自我分類是社會(huì)認(rèn)同形成的重要途徑之一。在線社區(qū)身份交流的重要性在于3個(gè)方面：幫助用戶有效獲取信息、激勵(lì)用戶參與社區(qū)活動(dòng)、身份展示使用戶獲得更高層次的社區(qū)認(rèn)同。用戶介紹、自我展示等是在線社區(qū)支持成員身份交流的技術(shù)途徑。用戶身份也是社會(huì)學(xué)習(xí)系統(tǒng)的核心概念之一.身份塑造是學(xué)習(xí)的重要組成部分，身份同時(shí)具有社會(huì)屬性（別人如何看你）和個(gè)體屬性（自己如何看自己）。研究表明來(lái)自他人的身份認(rèn)同對(duì)在線社區(qū)成員知識(shí)貢獻(xiàn)有顯著影響，這也解釋了為何積分系統(tǒng)和用戶身份標(biāo)識(shí)能夠驅(qū)動(dòng)用戶知識(shí)貢獻(xiàn)。社會(huì)身份也是社群成員的自我認(rèn)知，通過(guò)社群氛圍間接影響成員貢獻(xiàn)質(zhì)量。針對(duì)維基百科內(nèi)容質(zhì)量評(píng)估模型的實(shí)驗(yàn)研究結(jié)果發(fā)現(xiàn).信息來(lái)源是內(nèi)容質(zhì)量最重要的指標(biāo)，而貢獻(xiàn)者專業(yè)背景在信息來(lái)源中的權(quán)重遠(yuǎn)大于其他指標(biāo)。即用戶認(rèn)為貢獻(xiàn)者專業(yè)背景對(duì)于內(nèi)容質(zhì)量的影響程度最大。而貢獻(xiàn)者專業(yè)背景的審核認(rèn)證與等級(jí)標(biāo)識(shí)均屬于用戶身份交流的一部分。

1.2內(nèi)容質(zhì)量感知的雙過(guò)程理論

就概念層面而言，質(zhì)量被定義為“與卓越或者某些情形下真實(shí)度有關(guān)的用戶標(biāo)準(zhǔn)”：就操作層面而言，信息質(zhì)量被定義為用戶認(rèn)為信息是有用的、好的、及時(shí)的、準(zhǔn)確的程度。在線知識(shí)社區(qū)用戶對(duì)內(nèi)容質(zhì)量的感知過(guò)程可用社會(huì)認(rèn)知心理學(xué)領(lǐng)域的雙過(guò)程理論來(lái)解釋。雙加工理論及其模型在很多領(lǐng)域都有所應(yīng)用，并且能夠成功解釋很多社會(huì)性判斷問(wèn)題，包括說(shuō)服式傳播、印象形成、個(gè)體感知和決策制定等。Petty RECJT在ELM模型中闡釋了說(shuō)服式傳播的兩種路徑：一種是中樞路徑;一種是外圍路徑。研究表明，信息本身（例如信息組織、詳細(xì)程度等）和信息來(lái)源共同作用于用戶對(duì)知識(shí)內(nèi)容的質(zhì)量感知。根據(jù)推理，用戶對(duì)知識(shí)社區(qū)內(nèi)容質(zhì)量的感知同樣源于雙過(guò)程：基于線索判斷的啟發(fā)式評(píng)估，諸如社區(qū)類型、外觀設(shè)計(jì)、貢獻(xiàn)者專業(yè)身份等線索;基于內(nèi)容本身的系統(tǒng)評(píng)估，即從質(zhì)量的各個(gè)維度來(lái)判斷。

1.3研究模型

基于以上理論和實(shí)踐研究成果.我們提出本研究的2個(gè)假設(shè)：

H1：在線知識(shí)社區(qū)對(duì)貢獻(xiàn)者身份的專業(yè)認(rèn)證程度越高，用戶感知內(nèi)容質(zhì)量越高。

H2：在線知識(shí)社區(qū)對(duì)貢獻(xiàn)者身份的專業(yè)標(biāo)識(shí)等級(jí)越高，用戶感知內(nèi)容質(zhì)量越高。

研究模型示意圖如圖1所示：

2研究設(shè)計(jì)與數(shù)據(jù)采集

2.1研究設(shè)計(jì)與測(cè)量

如何對(duì)在線知識(shí)社區(qū)貢獻(xiàn)者身份進(jìn)行構(gòu)面區(qū)分和量化處理，以及如何測(cè)量百科知識(shí)的內(nèi)容質(zhì)量，是研究中的關(guān)鍵問(wèn)題。

1）內(nèi)容質(zhì)量感知的測(cè)量

根據(jù)現(xiàn)有研究，在線百科內(nèi)容質(zhì)量可以劃分為內(nèi)容、圖文、規(guī)則、分類、鏈接等多個(gè)維度。我們依據(jù)相關(guān)文獻(xiàn)研究成果，將在線百科內(nèi)容質(zhì)量劃分為4個(gè)維度：①D1-內(nèi)容正確性;②D2-排版規(guī)范性;③D3-分類準(zhǔn)確性;④D4-鏈接參考資料詳盡程度。每個(gè)維度采用1～5五級(jí)量表測(cè)度，分別表示感知內(nèi)容質(zhì)量從低到高。在各個(gè)質(zhì)量維度上分別獲取被試者對(duì)來(lái)自不同知識(shí)社區(qū)和不同詞條的內(nèi)容質(zhì)量感知數(shù)據(jù)，然后以平均值來(lái)作為該詞條內(nèi)容質(zhì)量感知的度量。這種做法可以提高用戶對(duì)詞條內(nèi)容質(zhì)量感知結(jié)果的可靠性和有效性，進(jìn)而提高研究結(jié)果的信度和效度。詞條選取原則遵循文獻(xiàn)的建議，所選素材均為科學(xué)、歷史、藝術(shù)類等專業(yè)性較強(qiáng)的詞條，排除娛樂(lè)、新聞、社會(huì)事件等非專業(yè)性內(nèi)容。此外，所選詞條必須同時(shí)出現(xiàn)在各個(gè)百科社區(qū)中且含義相同或相近，同時(shí)控制貢獻(xiàn)者數(shù)量，使之在不同社區(qū)盡可能接近。經(jīng)過(guò)反復(fù)挑選和比較，最終選定A1-“恩格爾系數(shù)”、A2-“聯(lián)合國(guó)”、A3-“RNA病毒”、A4-“C++”、A5-“印象派”5個(gè)來(lái)自不同專業(yè)領(lǐng)域的詞條。研究素材直接選用在線百科社區(qū)的詞條內(nèi)容，被試者通過(guò)在線問(wèn)卷中所給詞條鏈接進(jìn)行訪問(wèn)閱讀。