劉豐軍 林曉峰 林正奎 曲毅
收稿日期:2020-05-14
基金項(xiàng)目:中國(guó)博士后科學(xué)基金面上項(xiàng)目“早高峰‘雙瓶頸擁擠模式下的錯(cuò)峰調(diào)控與擁擠定價(jià)研究”(項(xiàng)目編號(hào):2019M651099);山東省自然科學(xué)基金項(xiàng)目“基于概率型語言評(píng)價(jià)信息的多屬性決策理論與方法研究”(項(xiàng)目編號(hào):ZR2017BG014);山東工商學(xué)院博士啟動(dòng)基金項(xiàng)目“概率型語言信息集成理論及其在決策中的應(yīng)用”(項(xiàng)目編號(hào):B5201705)。
作者簡(jiǎn)介:劉豐軍(1986-),男,博士研究生,研究方向:信息行為。林曉峰(1995-),男,碩士研究生,研究方向:信息處理與數(shù)據(jù)挖掘。曲毅(1986-),男,博士后,研究方向:知識(shí)管理與智能信息處理。
通訊作者:林正奎(1971-),男,教授,博士,博士生導(dǎo)師,研究方向:知識(shí)管理、自然語言處理與人工智能。
摘? 要:[目的/意義]從互動(dòng)視角分析網(wǎng)絡(luò)百科知識(shí)協(xié)同核心因素間的互動(dòng)關(guān)系,揭示網(wǎng)絡(luò)百科知識(shí)協(xié)同機(jī)理。[方法/過程]基于協(xié)同進(jìn)化理論分析了網(wǎng)絡(luò)百科知識(shí)協(xié)同基本過程,提取知識(shí)協(xié)同的核心因素并構(gòu)建了網(wǎng)絡(luò)百科知識(shí)協(xié)同模型。以百度百科詞條名偵探柯南為例,選取2007—2017年月度時(shí)間序列數(shù)據(jù),采用向量誤差修正模型、格蘭杰因果檢驗(yàn)和脈沖響應(yīng)函數(shù),對(duì)群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量間的互動(dòng)關(guān)系進(jìn)行了實(shí)證分析。此外,通過預(yù)測(cè)分析驗(yàn)證模型的合理性和向量誤差修正模型的適用性。[結(jié)果/結(jié)論]研究結(jié)果表明群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量間存在顯著的互動(dòng)關(guān)系。具體而言,認(rèn)知沖突和群體規(guī)模存在正向互動(dòng)關(guān)系;認(rèn)知沖突和內(nèi)容質(zhì)量同樣存在正向互動(dòng)關(guān)系。
關(guān)鍵詞:網(wǎng)絡(luò)百科;知識(shí)協(xié)同;協(xié)同進(jìn)化理論;向量誤差修正模型
DOI:10.3969/j.issn.1008-0821.2020.12.007
〔中圖分類號(hào)〕G203? 〔文獻(xiàn)標(biāo)識(shí)碼〕A? 〔文章編號(hào)〕1008-0821(2020)12-0064-10
Model Construction and Empirical Study of Knowledge Collaboration in
Online Encyclopedias from the Perspective of Interaction
Liu Fengjun? Lin Xiaofeng? Lin Zhengkui*? Qu Yi
(School of Shipping Economy and Management,Dalian Maritime University,Dalian 116026,China)
Abstract:[Purpose/Significance]From the perspective of interaction,this paper analyzes the dynamic interrelations among core factors of knowledge collaboration in online encyclopedias,and reveals the collaborative mechanism of knowledge construction.[Method/Process]This paper analysed the basic process of knowledge collaboration in online encyclopedias based on co-evolution theory and proposed a knowledge collaboration model of online encyclopedias through the analysis of collaborative relationship among core factors.Taking Detective Conan as an example,this paper selected monthly time series data from 2007 to 2017,and uses vector error correction model,Granger causality test and impulse response function to analyze the dynamic interrelations among group size,cognitive conflict and content quality.[Result/Conclusion]The research results showed that there were significant dynamic interrelations among group size,cognitive conflict and content quality.Specifically,there was positive interaction between cognitive conflict and group size,as well as cognitive conflict and information quality.
Key words:online encyclopedia;knowledge collaboration;co-evolution theory;vector error correction model
隨著信息技術(shù)的快速發(fā)展和互聯(lián)網(wǎng)的日益普及,用戶已經(jīng)由單純的內(nèi)容消費(fèi)者轉(zhuǎn)變?yōu)閮?nèi)容的主要生產(chǎn)者,知識(shí)生產(chǎn)模式發(fā)生了巨大變革。網(wǎng)絡(luò)百科是集“知識(shí)共享”與“網(wǎng)上社交”功能于一身的“知識(shí)社區(qū)”,基于網(wǎng)絡(luò)開放共享平臺(tái),匯聚群體智慧協(xié)同創(chuàng)造知識(shí),開啟了知識(shí)生產(chǎn)的新時(shí)代。網(wǎng)絡(luò)百科突破傳統(tǒng)知識(shí)社區(qū)僵化的組織模式,奉行以用戶為中心的理念,倡導(dǎo)“人人參與”的用戶生成內(nèi)容(UGC)協(xié)同模式,顛覆了傳統(tǒng)百科全書學(xué)院精英式(PGC)編纂模式,獲得了巨大成功[1]。
網(wǎng)絡(luò)百科的成功引起了學(xué)術(shù)界的高度關(guān)注,已經(jīng)成為信息科學(xué)領(lǐng)域的研究熱點(diǎn)。目前國(guó)內(nèi)外學(xué)者主要從用戶、內(nèi)容和社區(qū)3個(gè)層面圍繞用戶參與動(dòng)因、內(nèi)容質(zhì)量評(píng)價(jià)、因素影響關(guān)系、知識(shí)協(xié)同模式等主題進(jìn)行研究,探究網(wǎng)絡(luò)百科成功背后的原因和機(jī)理[2-3]。其中,對(duì)于網(wǎng)絡(luò)百科知識(shí)協(xié)同因素關(guān)系的研究,主要從靜態(tài)視角采用橫向研究方法圍繞百科詞條內(nèi)容質(zhì)量開展研究[4]。例如,Arazy O等[5]針對(duì)Wikipedia采用PLS路徑模型探究了群體結(jié)構(gòu)和沖突(純沖突、任務(wù)—情感沖突、任務(wù)—過程沖突)對(duì)詞條內(nèi)容質(zhì)量的影響關(guān)系。Kane G C等[6]通過貝葉斯有序Logistic回歸實(shí)證分析了貢獻(xiàn)者數(shù)量、網(wǎng)絡(luò)質(zhì)量加權(quán)度中心性和網(wǎng)絡(luò)特征向量中心性對(duì)Wikipedia詞條內(nèi)容質(zhì)量的影響。張薇薇等[7]基于在線社區(qū)用戶身份交流理論和內(nèi)容質(zhì)量感知的雙過程理論,采用單因素方差分析探究了在線百科知識(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。Matei S A等[8]以Wikipedia和Stack Overflow為例,通過線性回歸實(shí)證研究了貢獻(xiàn)不平等和精英用戶粘性與內(nèi)容質(zhì)量間的關(guān)系。不可否認(rèn),現(xiàn)有研究增進(jìn)了對(duì)網(wǎng)絡(luò)百科知識(shí)協(xié)同因素間影響機(jī)制的認(rèn)知和理解。但還存在一些不足:首先,在研究視角上。網(wǎng)絡(luò)百科作為復(fù)雜系統(tǒng)具有明顯的動(dòng)態(tài)特性,因素間更多表現(xiàn)為復(fù)雜的動(dòng)態(tài)關(guān)系。目前大多數(shù)研究采用靜態(tài)視角,忽視了網(wǎng)絡(luò)百科動(dòng)態(tài)演化的特點(diǎn),無法客觀真實(shí)反映因素間動(dòng)態(tài)關(guān)系。其次,在研究方法上。網(wǎng)絡(luò)百科屬于典型的自組織系統(tǒng),系統(tǒng)存在反饋機(jī)制,因素間更多表現(xiàn)為相互作用(雙向影響)關(guān)系。然而,現(xiàn)有研究普遍采用回歸分析、結(jié)構(gòu)方程等傳統(tǒng)的實(shí)證研究方法,僅考慮了因素間的單向影響關(guān)系,無法對(duì)因素間雙向影響關(guān)系進(jìn)行分析。
本研究基于協(xié)同進(jìn)化理論,以群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量為核心因素,構(gòu)建網(wǎng)絡(luò)百科知識(shí)協(xié)同模型。然后,以百度百科詞條“名偵探柯南”為例,綜合運(yùn)用誤差向量自回歸模型、格蘭杰因果檢驗(yàn)、脈沖響應(yīng)函數(shù)一套系統(tǒng)的計(jì)量方法實(shí)證分析因素間互動(dòng)關(guān)系,深入揭示網(wǎng)絡(luò)百科知識(shí)協(xié)同機(jī)理。本研究不僅在理論上豐富了網(wǎng)絡(luò)百科在知識(shí)協(xié)同方面的理論成果,在研究方法上還為該領(lǐng)域研究提供了新的思路。
1? 模型構(gòu)建
1.1? 網(wǎng)絡(luò)百科知識(shí)協(xié)同過程分析
協(xié)同進(jìn)化(Coevolution)概念源于生物學(xué),最早是由Ehrlich和Raven在論文《蝴蝶與植物:關(guān)于協(xié)同進(jìn)化的研究》中提出的,意指兩個(gè)以上的物種在一定程度上相互影響并協(xié)同進(jìn)化的現(xiàn)象[9]。此后,協(xié)同進(jìn)化概念在生物學(xué)領(lǐng)域獲得了長(zhǎng)足發(fā)展,到20世紀(jì)80年代已經(jīng)發(fā)展成為生物學(xué)的一個(gè)重要分支。與此同時(shí),協(xié)同進(jìn)化理論也迅速擴(kuò)展到其他學(xué)科領(lǐng)域,如社會(huì)經(jīng)濟(jì)學(xué)、遺傳學(xué)、語言學(xué)、地理學(xué)等,逐步成為揭示系統(tǒng)復(fù)雜現(xiàn)象的科學(xué)研究方法。
網(wǎng)絡(luò)百科知識(shí)協(xié)同過程中包含外化建構(gòu)和內(nèi)化建構(gòu)兩個(gè)并行過程:一方面,個(gè)體通過自身的認(rèn)知對(duì)詞條內(nèi)容進(jìn)行編輯,每一次編輯都會(huì)形成一個(gè)歷史版本,經(jīng)過大量個(gè)體的協(xié)同編輯,實(shí)現(xiàn)詞條內(nèi)容的動(dòng)態(tài)演化;另一方面,個(gè)體在知識(shí)編輯的過程中,伴隨著知識(shí)的學(xué)習(xí),不斷完善和豐富自己的認(rèn)知,實(shí)現(xiàn)個(gè)體認(rèn)知系統(tǒng)的發(fā)展。由此可見,知識(shí)協(xié)同本質(zhì)上是認(rèn)知系統(tǒng)(參與個(gè)體)和知識(shí)系統(tǒng)(百科詞條)通過認(rèn)知交互,實(shí)現(xiàn)雙向知識(shí)建構(gòu)的動(dòng)態(tài)演進(jìn)過程,如圖1所示。這個(gè)過程類似于一種進(jìn)化,與協(xié)同進(jìn)化理論的思想相切合。具體而言,個(gè)體認(rèn)知結(jié)構(gòu)和百科詞條內(nèi)容存在認(rèn)知沖突時(shí),認(rèn)知平衡被打破,個(gè)體通過內(nèi)部同化(在原有的認(rèn)知結(jié)構(gòu)中添加新的信息,定量知識(shí)學(xué)習(xí))或內(nèi)部順化(改變?cè)械恼J(rèn)知結(jié)構(gòu),定性知識(shí)學(xué)習(xí))對(duì)原有認(rèn)知結(jié)構(gòu)進(jìn)行調(diào)整或改變,重新恢復(fù)認(rèn)知平衡,實(shí)現(xiàn)個(gè)體知識(shí)學(xué)習(xí)。同時(shí),個(gè)體通過外部同化(對(duì)詞條內(nèi)容進(jìn)行擴(kuò)充,定量知識(shí)建構(gòu))或外部順化(對(duì)詞條內(nèi)容進(jìn)行重新組織,定性知識(shí)建構(gòu))對(duì)詞條內(nèi)容進(jìn)行編輯,實(shí)現(xiàn)百科詞條建構(gòu)[10-11]。
1.2? 網(wǎng)絡(luò)百科知識(shí)協(xié)同模型構(gòu)建
基于上述網(wǎng)絡(luò)百科知識(shí)協(xié)同過程分析可以發(fā)現(xiàn),認(rèn)知沖突是認(rèn)知系統(tǒng)和知識(shí)系統(tǒng)協(xié)同演化的內(nèi)驅(qū)力。認(rèn)知系統(tǒng)的演化主要體現(xiàn)了個(gè)體參與者數(shù)量(即群體規(guī)模)動(dòng)態(tài)變化。大量認(rèn)知獨(dú)立的個(gè)體通過網(wǎng)絡(luò)百科平臺(tái)匯聚到一起,在認(rèn)知沖突的驅(qū)動(dòng)下進(jìn)行創(chuàng)造性思維,為百科詞條的構(gòu)建提供豐富的認(rèn)知資源。因此,群體規(guī)模是群體知識(shí)協(xié)作的重要基礎(chǔ)和根本保障,是形成群體智慧的核心因素。知識(shí)系統(tǒng)的演化集中體現(xiàn)了百科詞條內(nèi)容質(zhì)量的動(dòng)態(tài)變化。個(gè)體在認(rèn)知沖突的驅(qū)動(dòng)下參與百科詞條構(gòu)建,實(shí)現(xiàn)內(nèi)容不斷更新和質(zhì)量的不斷提升。因此,內(nèi)容質(zhì)量是群體知識(shí)協(xié)作的結(jié)果和目的,是衡量群體績(jī)效的核心指標(biāo)。目前,學(xué)者們針對(duì)群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量三者間的關(guān)系進(jìn)行了大量的實(shí)證研究,其代表性文獻(xiàn)如表1所示。
由表1可見,現(xiàn)有研究未能將群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量3種因素納入一個(gè)統(tǒng)一的研究框架,割裂了因素間固有的內(nèi)在聯(lián)系,無法系統(tǒng)全面地反映因素間的關(guān)系。其次,網(wǎng)絡(luò)百科作為一個(gè)典型的復(fù)雜系統(tǒng),系統(tǒng)因素間存在反饋機(jī)制,因素間不是簡(jiǎn)單的單向靜態(tài)關(guān)系,更多表現(xiàn)為復(fù)雜的雙向動(dòng)態(tài)關(guān)系,即互動(dòng)關(guān)系。遺憾的是,絕大多數(shù)研究只考慮了因素間單向靜態(tài)關(guān)系。鑒于此,本研究借鑒Etzkowitz H等[22]提出了三螺旋模型構(gòu)建網(wǎng)絡(luò)百科知識(shí)協(xié)同模型,如圖2所示。該模型包含了群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量3種因素,并考慮因素間的互動(dòng)關(guān)系。
2? 研究方法與數(shù)據(jù)獲取
2.1? 向量誤差修正模型
向量自回歸(VAR)模型僅適用于分析長(zhǎng)期影響,而大多情形下變量之間既存在長(zhǎng)期影響也存在短期波動(dòng)。為此,Engel和Grangre在VAR模型的基礎(chǔ)上引入?yún)f(xié)整理論,建立了向量誤差修正(VEC)模型,并將其應(yīng)用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列的建模分析中[23,24]。VEC模型形式如下:
ΔYt=αecmt-1+∑p-1i=1ΓiΔYt-i+εt(1)
其中,ecmt-1=β′Yt-1是誤差修正項(xiàng),反映變量之間的長(zhǎng)期均衡關(guān)系,系數(shù)向量α反映了變量間均衡關(guān)系偏離長(zhǎng)期均衡狀態(tài)時(shí),將其調(diào)整到均衡狀態(tài)的調(diào)整速度。所有作為解釋變量的差分項(xiàng)的系數(shù)反映了各變量的短期波動(dòng)對(duì)作為解釋變量的短期變化的影響。
2.2? 樣本選擇
百度百科是由百度公司于2006年4月推出的一部?jī)?nèi)容開放、自由的網(wǎng)絡(luò)百科全書平臺(tái)。目前,百度百科擁有超過1 700萬個(gè)詞條和700萬用戶,總編輯次數(shù)超過1.6億次,日均訪問量近4億,已經(jīng)成為全球最大中文百科全書。此外,百度百科記錄了詞條演化和用戶活動(dòng)的歷史數(shù)據(jù),為學(xué)術(shù)研究提供了良好的數(shù)據(jù)支持。因此,本文選擇百度百科作為研究對(duì)象。
本文選擇百度百科詞條——《名偵探柯南》作為研究樣本,主要有以下幾個(gè)方面原因:首先,該詞條極具典型性和代表性?!懊麄商娇履稀睂儆谔厣~條,特色詞條是百度百科詞條的典范之作,是高質(zhì)量詞條的一種榮譽(yù)稱號(hào)。其次,該詞條是目前用戶參與度最高的詞條。該詞條從2006年至今共吸引用戶近2 500個(gè),編輯次數(shù)高達(dá)5 800多次,是已知編輯次數(shù)最多的詞條。此外,該詞條關(guān)注度極高?!懊麄商娇履稀睂儆诼嬛芸?,從1994年開始連載至今,贏得了極高的關(guān)注度,詞條瀏覽次數(shù)超過4 200萬??傊?,“名偵探柯南”作為百度百科最具代表性、最受關(guān)注的詞條之一,是理想的研究樣本。
2.3? 變量測(cè)度
群體規(guī)模(SIZE)。目前,學(xué)者對(duì)群體規(guī)模的測(cè)度方法較為一致,主要通過計(jì)算詞條參與人數(shù)來度量[6]。據(jù)此,本文通過計(jì)算詞條參與者數(shù)量測(cè)度群體規(guī)模。
認(rèn)知沖突(CONF)。傳統(tǒng)組織研究將沖突劃分為任務(wù)沖突、情感沖突、過程沖突等類型。在網(wǎng)絡(luò)百科中,單個(gè)沖突事件通常包含多種類型的沖突,而不同類型沖突間的界限較為模糊。鑒于此,本研究對(duì)沖突不做嚴(yán)格區(qū)分,統(tǒng)稱為認(rèn)知沖突。為了更加全面準(zhǔn)確地識(shí)別沖突,本文借鑒Kittur A等[25]的研究方法,綜合用戶標(biāo)簽法(關(guān)鍵詞抽取)和信息摘要算法(MD5)共同測(cè)度認(rèn)知沖突。
內(nèi)容質(zhì)量(QUAL)。目前內(nèi)容質(zhì)量的測(cè)度指標(biāo)主要基于詞條內(nèi)容要素,如詞條編輯次數(shù)、詞條年齡、詞條長(zhǎng)度、鏈接數(shù)量、參考文獻(xiàn)數(shù)量等[26]。在這些測(cè)度指標(biāo)中詞條編輯次數(shù)是一個(gè)較為理想的指標(biāo),被廣泛應(yīng)用于內(nèi)容質(zhì)量的測(cè)度中。本文借鑒Ren Y等[4]的方法通過計(jì)算詞條編輯次數(shù)衡量?jī)?nèi)容質(zhì)量。
基于以上方法,本研究獲取了2007年1月至2017年8月“名偵探柯南”在群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量3個(gè)變量的月度時(shí)間序列。此外,為了評(píng)估模型的預(yù)測(cè)性能,截取了后面6個(gè)月的數(shù)據(jù)用于樣本外預(yù)測(cè)。
3? 實(shí)證分析
3.1? 單位根檢驗(yàn)
為避免偽回歸,需要對(duì)模型中各變量序列的平穩(wěn)性進(jìn)行檢驗(yàn)。本文采用Eviews 10.0軟件通過ADF單位根檢驗(yàn)對(duì)變量平穩(wěn)性進(jìn)行了檢測(cè),結(jié)果如表2所示??梢钥闯?,變量LNSIZE、LNCONF和LNQUAL在5%的顯著性水平下的ADF統(tǒng)計(jì)值均大于其相應(yīng)的臨界值,表明3個(gè)變量原序列都是非平穩(wěn)的,而其相應(yīng)的一階差分序列在1%的顯著性水平下的ADF統(tǒng)計(jì)值均小于其相應(yīng)的臨界值,表明3個(gè)變量的差分序列是平穩(wěn)的,即這些變量是一階單整的。
注:檢驗(yàn)形式中的C、T和K分別表示常數(shù)項(xiàng)、趨勢(shì)項(xiàng)和滯后階數(shù);滯后階數(shù)K的選擇標(biāo)準(zhǔn)是以AIC和SC值最小為準(zhǔn)則;為消除時(shí)間序列異方差,對(duì)變量進(jìn)行自然對(duì)數(shù)變換,記為:LNSIZE、LNCONF和LNQUAL,D代表變量序列的一階差分;***、**分別代表顯著水平為1%和5%的臨界值。
3.2? 協(xié)整檢驗(yàn)
本文運(yùn)用Johansen檢驗(yàn)法對(duì)群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量3個(gè)變量進(jìn)行協(xié)整檢驗(yàn)。在進(jìn)行Johansen檢驗(yàn)之前,首先要確定VAR模型的合理滯后階數(shù)。本文同時(shí)參考LR、FPE、AIC、SC、HQ 5個(gè)準(zhǔn)則,最終選定模型最優(yōu)滯后階數(shù)為3,具體結(jié)果見表3?;赩AR模型的協(xié)整檢驗(yàn)滯后期是無約束VAR模型一階差分變量的滯后期,由此確定協(xié)整檢驗(yàn)的滯后期為2。此外,聯(lián)合檢驗(yàn)選取序列有線性趨勢(shì)但協(xié)整方程只有截距的檢驗(yàn)形式。
Johansen協(xié)整檢驗(yàn)結(jié)果如表4所示,在5%的顯著水平下系統(tǒng)至少存在1個(gè)協(xié)整關(guān)系,即LNSIZE、LNCONF和LNQUAL 3個(gè)變量存在著長(zhǎng)期均衡關(guān)系,取標(biāo)準(zhǔn)化的協(xié)整向量,可以得到如下協(xié)整關(guān)系(括號(hào)內(nèi)的數(shù)值為對(duì)應(yīng)系數(shù)的標(biāo)準(zhǔn)差):
LNQUAL=1.487LNSIZE-2.266LNCONF(2)
(0.429)(0.412)
從方程(1)可知,群體規(guī)模與內(nèi)容質(zhì)量呈正向相關(guān),認(rèn)知沖突與內(nèi)容質(zhì)量呈負(fù)向相關(guān)。具體而言,群體規(guī)模每變動(dòng)1個(gè)百分點(diǎn)帶動(dòng)內(nèi)容質(zhì)量同向變動(dòng)1.487個(gè)百分點(diǎn);認(rèn)知沖突每變動(dòng)1個(gè)百分點(diǎn)帶動(dòng)內(nèi)容質(zhì)量反方向變動(dòng)2.266個(gè)百分點(diǎn),這與以往大多數(shù)學(xué)者的研究結(jié)論相一致[5,12,19]。
3.3? VEC模型
VEC模型實(shí)證結(jié)果如表5所示,整體來看VEC模型的AIC和SC值都較低,擬合效果較好。此外,對(duì)模型進(jìn)行穩(wěn)定性檢驗(yàn)發(fā)現(xiàn),各特征方程的特征根均位于單位圓內(nèi),表明模型是穩(wěn)定的。鑒于VEC模型固有的復(fù)雜動(dòng)力學(xué)特點(diǎn),單個(gè)變量的估計(jì)系數(shù)意義并不大,通常不用作分析變量間互動(dòng)關(guān)系的主要依據(jù)。鑒于此,本文不對(duì)VEC模型估計(jì)系數(shù)做詳細(xì)分析,而是將重點(diǎn)放在下文中的格蘭杰因果檢驗(yàn)和脈沖響應(yīng)函數(shù)。
3.4? 格蘭杰因果檢驗(yàn)
協(xié)整分析表明群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量間存在長(zhǎng)期動(dòng)態(tài)均衡關(guān)系,但并不意味著變量間存在因果關(guān)系。格蘭杰因果檢驗(yàn)(Granger Causality Test)通過判斷一個(gè)變量的滯后值是否有助于預(yù)測(cè)另一個(gè)變量的值來確定變量間的因果關(guān)系,為揭示群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量間因果關(guān)系提供了有效的方法。
從表6格蘭杰因果檢驗(yàn)結(jié)果來看,其中最值得關(guān)注的是,認(rèn)知沖突和內(nèi)容質(zhì)量均在5%的顯著性水平下拒絕了原假設(shè),說明兩者互為Granger原因。這為百度百科系統(tǒng)存在反饋機(jī)制提供了有力證據(jù)。此外,群體規(guī)模和認(rèn)知沖突在5%的顯著性水平下
拒絕了不是內(nèi)容質(zhì)量的Granger原因的原假設(shè),而且兩者聯(lián)合檢驗(yàn)也拒絕了原假設(shè),說明群體規(guī)模和認(rèn)知沖突均為內(nèi)容質(zhì)量的Granger原因。
3.5? 脈沖響應(yīng)函數(shù)
脈沖響應(yīng)函數(shù)(Impulse Response Function)描述了內(nèi)生變量對(duì)于誤差變化大小的反映,用于衡量來自隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差大小的沖擊對(duì)內(nèi)生變量當(dāng)期值和未來值的影響,為揭示模型中各變量間動(dòng)態(tài)作用關(guān)系提供了更為直觀的描述。
從圖3給出的各個(gè)變量的脈沖響應(yīng)圖來看,脈沖響應(yīng)函數(shù)結(jié)果與格蘭杰因果檢驗(yàn)結(jié)果基本一致。圖3第1行為群體規(guī)模對(duì)各個(gè)變量的1個(gè)單位標(biāo)準(zhǔn)差的沖擊脈沖響應(yīng)??梢钥闯?,群體規(guī)模除了受到自身的內(nèi)部沖擊外,外部沖擊主要來自認(rèn)知沖突。具體來看,對(duì)于認(rèn)知沖突1個(gè)單位標(biāo)準(zhǔn)差的沖擊,群體規(guī)模經(jīng)過前4期上下波動(dòng)后趨于穩(wěn)定。這表明認(rèn)知沖突增加會(huì)對(duì)群體規(guī)模產(chǎn)生穩(wěn)定的拉動(dòng)作用。圖3第2行為認(rèn)知沖突的脈沖響應(yīng),其外部沖擊主要來自群體規(guī)模,而內(nèi)容質(zhì)量的沖擊相對(duì)較小。具體來看,對(duì)于群體規(guī)模的沖擊,認(rèn)知沖突表現(xiàn)為顯著的正向響應(yīng),并且具有較長(zhǎng)的持續(xù)效應(yīng)。這表明群體規(guī)模的增加會(huì)引發(fā)更多的認(rèn)知沖突。而內(nèi)容質(zhì)量和認(rèn)知沖突間的關(guān)系較為復(fù)雜,對(duì)于內(nèi)容質(zhì)量的沖擊,認(rèn)知沖突前期表現(xiàn)為短暫的負(fù)向響應(yīng),從第3期開始表現(xiàn)為正向響應(yīng),逐步增長(zhǎng)并趨于穩(wěn)定。圖3第3行為內(nèi)容質(zhì)量的脈沖響應(yīng)。對(duì)于群體規(guī)模和認(rèn)知沖突的沖擊,內(nèi)容質(zhì)量均表現(xiàn)出顯著的持續(xù)性的正向響應(yīng)。這表明群體規(guī)模和認(rèn)知沖突的增加均有助于提升內(nèi)容質(zhì)量。
3.6? 預(yù)測(cè)分析
為了檢驗(yàn)?zāi)P偷暮侠硇?,?duì)模型的預(yù)測(cè)能力進(jìn)行分析。圖4給出了認(rèn)知沖突與內(nèi)容質(zhì)量的真實(shí)值和預(yù)測(cè)值對(duì)比圖。整體來看,認(rèn)知沖突與內(nèi)容質(zhì)量的實(shí)際值和預(yù)測(cè)值非常接近,趨勢(shì)保持一致。清楚起見,專門給出了樣本外預(yù)測(cè)值和真實(shí)值的放大圖,發(fā)現(xiàn)絕大多數(shù)預(yù)測(cè)值在95%的置信區(qū)間內(nèi)包含真實(shí)值,初步表明了知識(shí)協(xié)同模型的合理性和VEC方法的適用性。
為了進(jìn)一步評(píng)估預(yù)測(cè)性能,對(duì)不同模型的預(yù)測(cè)效果進(jìn)行了對(duì)比分析。首先,基于認(rèn)知沖突和內(nèi)容質(zhì)量?jī)蓚€(gè)時(shí)間序列的自相關(guān)系數(shù)(AC)和偏自相關(guān)系數(shù)(PAC)構(gòu)建整合移動(dòng)平均自回歸模型(ARIMA)模型,然后,通過平均絕對(duì)誤差(MAE)和均方根誤差(RMSE)兩個(gè)預(yù)測(cè)評(píng)價(jià)指標(biāo)對(duì)比VEC模型相比ARIMA模型的預(yù)測(cè)精度。結(jié)果如表7所示,相比ARIMA模型,VEC模型在認(rèn)知沖突和內(nèi)容質(zhì)量的預(yù)測(cè)精度上均有顯著的提升,充分證明了知識(shí)協(xié)同模型和VEC方法的結(jié)合具有明顯的優(yōu)越性。
4? 結(jié)論與討論
4.1? 研究結(jié)論
本研究基于協(xié)同進(jìn)化理論建構(gòu)了網(wǎng)絡(luò)百科知識(shí)協(xié)同模型,并以百度百科詞條“名偵探柯南”為例,采用VEC模型、格蘭杰因果檢驗(yàn)、脈沖響應(yīng)
函數(shù)實(shí)證分析了群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量之間的互動(dòng)關(guān)系。主要有以下幾點(diǎn)發(fā)現(xiàn):
群體規(guī)模和認(rèn)知沖突存在正向互動(dòng)關(guān)系。群體規(guī)模對(duì)認(rèn)知沖突存在顯著的正向影響,同時(shí)認(rèn)知沖
突對(duì)群體規(guī)模同樣存在正向影響,即兩者存在正向互動(dòng)關(guān)系。這一新的研究發(fā)現(xiàn)充分說明了網(wǎng)絡(luò)百科系統(tǒng)存在反饋機(jī)制,因素間不是簡(jiǎn)單的單向關(guān)系。值得一提的是,認(rèn)知沖突對(duì)群體規(guī)模存在正向關(guān)系與以往研究結(jié)論相左,原因在于:其一,存在嚴(yán)重沖突的百科詞條,會(huì)引發(fā)較高的關(guān)注度,激發(fā)個(gè)體參與的意愿和熱情;其二,當(dāng)沖突難以解決時(shí),網(wǎng)絡(luò)百科社區(qū)會(huì)發(fā)布公告征求外部意見,通過引入外援(新人)的方式間接提高了詞條參與人數(shù)。
認(rèn)知沖突和內(nèi)容質(zhì)量存在正向互動(dòng)關(guān)系。研究表明認(rèn)知沖突對(duì)內(nèi)容質(zhì)量存在顯著的正向影響,這與傳統(tǒng)觀念相悖。不可否認(rèn),網(wǎng)絡(luò)百科群體協(xié)作過程中存在一些惡意破壞、編輯戰(zhàn)等惡性沖突行為,給詞條造成了不利影響。但從整體來看,絕大多數(shù)沖突源于觀點(diǎn)分歧和認(rèn)知差異,屬于良性沖突。這些沖突不僅有利于修正詞條錯(cuò)誤,提升內(nèi)容準(zhǔn)確度;同時(shí)能夠激發(fā)群體的創(chuàng)造性思維,豐富詞條內(nèi)容,提升內(nèi)容創(chuàng)新度。此外,內(nèi)容質(zhì)量對(duì)認(rèn)知沖突同樣存在正向影響,原因在于:內(nèi)容質(zhì)量涉及信息內(nèi)容的豐富度、復(fù)雜度、權(quán)威性、準(zhǔn)確性等多個(gè)維度[27]。個(gè)體參與編輯詞條,提高了詞條內(nèi)容的豐富度和復(fù)雜度,在實(shí)現(xiàn)詞條內(nèi)容質(zhì)量提升的同時(shí),增加了個(gè)體認(rèn)知負(fù)荷,降低了個(gè)體對(duì)信息處理能力,從而容易引發(fā)沖突。
4.2? 研究意義
隨著網(wǎng)絡(luò)百科的不斷發(fā)展,知識(shí)協(xié)同因素間的關(guān)系變得越來越復(fù)雜,互動(dòng)關(guān)系的研究將更加有助于厘清系統(tǒng)因素間內(nèi)在協(xié)同機(jī)制。本研究主要有兩個(gè)方面的研究意義:首先,基于協(xié)同進(jìn)化理論提出了網(wǎng)絡(luò)百科知識(shí)協(xié)同模型。該模型同時(shí)包含了群體規(guī)模、認(rèn)知沖突和內(nèi)容質(zhì)量3個(gè)核心因素,更加系統(tǒng)地反映了因素間的協(xié)同關(guān)系,彌補(bǔ)了現(xiàn)有研究只關(guān)注因素間單向關(guān)系的不足,豐富了網(wǎng)絡(luò)百科知識(shí)協(xié)同理論。其次,將VEC模型應(yīng)用到網(wǎng)絡(luò)百科的研究中,解決了傳統(tǒng)實(shí)證研究方法無法分析因素間動(dòng)態(tài)交互關(guān)系的弊端,為網(wǎng)絡(luò)百科知識(shí)協(xié)同因素間互動(dòng)關(guān)系的研究提供了新的思路。
4.3? 局限性和未來研究展望
本研究還存在一些局限性:首先,研究數(shù)據(jù)局限性。本文只選擇了一個(gè)詞條作為研究樣本,盡管該詞條極具代表性,但可能會(huì)影響研究結(jié)論的準(zhǔn)確性。因此,后續(xù)研究可以選擇用面板數(shù)據(jù)來擴(kuò)大樣本量,同時(shí)對(duì)樣本進(jìn)行分類對(duì)比研究。其次,研究情景局限性。本文以百度百科作為研究對(duì)象,模型可能并不適用于其他網(wǎng)絡(luò)百科。為了檢驗(yàn)?zāi)P偷钠者m性,有必要擴(kuò)大模型應(yīng)用范圍,在其他網(wǎng)絡(luò)百科平臺(tái)(Wikipedia,MBA智庫(kù)百科等)中對(duì)模型做進(jìn)一步檢驗(yàn)。
參考文獻(xiàn)
[1]Crowston K,F(xiàn)agnot I.Stages of Motivation for Contributing User-Generated Content:A Theory and Empirical Test[J].International Journal of Human-Computer Studies,2018,109:89-101.
[2]Mesgari M,Okoli C,Mehdi M,et al.“The Sum of All Human Knowledge”:A Systematic Review of Scholarly Research on the Content of Wikipedia[J].Journal of the Association for Information Science and Technology,2015,66(2):219-245.
[3]Shah C,Kitzie V,Choi E.Modalities,Motivations,and Materials-Investigating Traditional and Social Online Q&A Services[J].Journal of Information Science,2014,40(5):669-687.
[4]Ren Y,Chen J,Riedl J.The Impact and Evolution of Group Diversity in Online Open Collaboration[J].Management Science,2015,62(6):1668-1686.
[5]Arazy O,Yeo L,Nov O.Stay on the Wikipedia Task:When Task-Related Disagreements Slip into Personal and Procedural Conflicts[J].Journal of the American Society for Information Science and Technology,2013,64(8):1634-1648.
[6]Kane G C,Ransbotham S.Research Note—Content and Collaboration:An Affiliation Network Approach to Information Quality in Online Peer Production Communities[J].Information Systems Research,2016,27(2):424-439.
[7]張薇薇,朱杰.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[J].現(xiàn)代情報(bào),2019,39(8):103-110.
[8]Matei S A,Jabal A A,Bertino E.Social-Collaborative Determinants of Content Quality in Online Knowledge Production Systems:Comparing Wikipedia and Stack Overflow[J].Social Network Analysis and Mining,2018,8(1):36-51.
[9]Ehrlich P R,Raven P H.Butterflies and Plants:A Study in Coevolution[J].Evolution,1964,18(4):586-608.
[10]Cress U,Kimmerle J.A Systemic and Cognitive View on Collaborative Knowledge Building with Wikis[J].International Journal of Computer-Supported Collaborative Learning,2008,3(2):105-122.
[11]Kimmerle J,Moskaliuk J,Oeberst A,et al.Learning and Collective Knowledge Construction with Social Media:A Process-Oriented Perspective[J].Educational Psychologist,2015,50(2):120-137.
[12]Wu K,Zhu Q,Vassileva J,et al.Does Conflict Matter in the Success of Mass Collaboration?Investigating Antecedents and Consequence of Conflict in Wikipedia[J].Chinese Journal of Library and Information Science,2012,5(1):34-50.
[13]劉豐軍,裘江南,林正奎,等.網(wǎng)絡(luò)百科社區(qū)協(xié)調(diào)機(jī)制研究——以Wikipedia為例[J].管理評(píng)論,2018,30(6):123-135.
[14]Kane G C.A Multimethod Study of Information Quality in Wiki Collaboration[J].ACM Transactions on Management Information Systems,2011,2(1):1-16.
[15]Lin Y,Wang C.Wisdom of Crowds:The Effect of Participant Composition and Contribution Behavior on Wikipedia Article Quality[J].Journal of Knowledge Management,2020,24(2):324-345.
[16]Ransbotham S,Kane G C,Lurie N H.Network Characteristics and the Value of Collaborative User-Generated Content[J].Marketing Science,2012,31(3):387-405.
[17]Wu K,Vassileva J,Zhu Q,et al.Supporting Group Collaboration in Wiki by Increasing the Awareness of Task Conflict[J].Aslib Journal of Information Management,2013,65(6):581-604.
[18]Chen J,Ren Y,Riedl J.The Effects of Diversity on Group Productivity and Member Withdrawal in Online Volunteer Groups[C]//Proceedings of the 28th International Conference on Human Factors in Computing Systems,New York:Association for Computing Machinery,2010:821-830.
[19]Arazy O,Nov O,Patterson R,et al.Information Quality in Wikipedia:The Effects of Group Composition and Task Conflict[J].Journal of Management Information Systems,2011,27(4):71-98.
[20]Asadi S,Ghafghazi S,Jamali H R.Motivating and Discouraging Factors for Wikipedians:The Case Study of Persian Wikipedia[J].Library Review,2013,62(4-5):237-252.
[21]徐孝娟,趙宇翔,朱慶華.社交網(wǎng)站用戶流失行為理論基礎(chǔ)及影響因素探究[J].圖書情報(bào)工作,2016,60(4):134-141.
[22]Etzkowitz H,Leydesdorff L.The Triple Helix—University-Industry-Government Relations:A Laboratory for Knowledge Based Economic Development[J].Glycoconjugate Journal,1995,14(1):14-19.
[23]王勁屹.農(nóng)村金融發(fā)展、資本存量提升與農(nóng)村經(jīng)濟(jì)增長(zhǎng)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2018,35(2):64-81.
[24]高鐵梅,王金明,陳飛,等.計(jì)量經(jīng)濟(jì)分析方法與建模:EViews應(yīng)用及實(shí)例(第3版)[M].北京:清華大學(xué)出版社,2017.
[25]Kittur A,Suh B,Pendleton B A,et al.He Says,She Says:Conflict and Coordination in Wikipedia[C]//Proceedings of the SIGCHI Conference on Human Factors in Computing Systems,New York:Association for Computing Machinery,2007:453-462.
[26]Stvilia B,Gasser L,Twidale M B,et al.A Framework for Information Quality Assessment[J].Journal of the American Society for Information Science and Technology,2007,58(12):1720-1733.
[27]Stvilia B,Twidale M B,Smith L C,et al.Information Quality Work Organization in Wikipedia[J].Journal of the Association for Information Science and Technology,2008,59(6):983-1001.
(責(zé)任編輯:陳? 媛)