眾包社區(qū)用戶的知識(shí)共享網(wǎng)絡(luò)影響機(jī)理研究

秦可欣 李海剛

（上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030）

眾包是企業(yè)和組織通過(guò)公開(kāi)征集的方式，將原本由內(nèi)部員工完成的工作，外包給社會(huì)大眾群體來(lái)解決和承擔(dān)。研究表明，在創(chuàng)新性和顧客利益方面，大眾產(chǎn)生的想法甚至?xí)?yōu)于內(nèi)部專家，因此眾包模式為企業(yè)提供了有價(jià)值的知識(shí)補(bǔ)充。近年來(lái)，開(kāi)放式創(chuàng)新正在逐漸成為企業(yè)創(chuàng)新的主導(dǎo)模式，推動(dòng)企業(yè)通過(guò)眾包獲取有創(chuàng)意的想法和解決方案。

虛擬社區(qū)以計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)為基礎(chǔ)，強(qiáng)調(diào)社區(qū)成員之間的互動(dòng)、交流與聯(lián)系，進(jìn)而建立友好的關(guān)系。在眾包虛擬社區(qū)中，成員之間持續(xù)且高效的知識(shí)共享行為是促進(jìn)社區(qū)繁榮發(fā)展的重要因素，但并非所有社區(qū)成員都愿意積極主動(dòng)地貢獻(xiàn)知識(shí)，用戶知識(shí)共享的數(shù)量和質(zhì)量仍是阻礙虛擬社區(qū)可持續(xù)發(fā)展的一大挑戰(zhàn)，因此探究眾包社區(qū)中用戶知識(shí)共享行為的影響機(jī)理具有重要的意義。

1 文獻(xiàn)綜述

1.1 虛擬社區(qū)的知識(shí)共享

已有對(duì)虛擬社區(qū)知識(shí)共享的實(shí)證研究主要集中在探究用戶知識(shí)共享和信息交換過(guò)程的影響因素。Yu et al．研究了社區(qū)文化與用戶知識(shí)共享行為的關(guān)系，他們指出社區(qū)資源分配公平、互動(dòng)過(guò)程公平和人際交互公平能夠提升用戶滿意度。黃維將虛擬社區(qū)中用戶參與知識(shí)共享的動(dòng)機(jī)分為內(nèi)部和外部動(dòng)機(jī)兩方面，內(nèi)部動(dòng)機(jī)包括自我價(jià)值感知、利他動(dòng)機(jī)、社區(qū)認(rèn)同和感知優(yōu)勢(shì)等，外部動(dòng)機(jī)主要指聲譽(yù)、外部獎(jiǎng)勵(lì)和社會(huì)支持等變量。另外有研究表明，個(gè)體特征也是影響用戶知識(shí)共享行為的重要因素。Zhang et al．研究發(fā)現(xiàn)用戶自我效能、知識(shí)共享經(jīng)歷和個(gè)人使用社區(qū)的習(xí)慣與用戶知識(shí)共享行為呈正向相關(guān)關(guān)系。

1.2 眾包模式

眾包模式的普及逐漸吸引了學(xué)術(shù)界的關(guān)注，國(guó)內(nèi)外學(xué)者從社會(huì)學(xué)、管理學(xué)和心理學(xué)等角度對(duì)眾包社區(qū)相關(guān)問(wèn)題開(kāi)展研究，研究焦點(diǎn)主要體現(xiàn)在用戶參與動(dòng)機(jī)和眾包績(jī)效兩個(gè)方面。關(guān)于用戶參與動(dòng)機(jī)，Lakhani和Panetta對(duì)全球知名創(chuàng)新眾包網(wǎng)站InnoCentive上具有項(xiàng)目成功經(jīng)驗(yàn)的用戶進(jìn)行了調(diào)研，通過(guò)特征統(tǒng)計(jì)分析發(fā)現(xiàn)樣本用戶大都具備相關(guān)專業(yè)的博士學(xué)位，而且獲取獎(jiǎng)金和滿足感是這部分用戶的主要參與動(dòng)機(jī)。在眾包績(jī)效方面，F(xiàn)rey的研究表明，內(nèi)在動(dòng)機(jī)影響實(shí)質(zhì)性貢獻(xiàn)的數(shù)量，外在動(dòng)機(jī)影響非實(shí)質(zhì)性貢獻(xiàn)的數(shù)量，而參與者個(gè)體的知識(shí)多樣性無(wú)論是對(duì)實(shí)質(zhì)性貢獻(xiàn)還是對(duì)非實(shí)質(zhì)性貢獻(xiàn)都有正向作用。

1.3 社會(huì)網(wǎng)絡(luò)分析

用戶在網(wǎng)絡(luò)社區(qū)中的發(fā)帖、回帖行為，是用戶間進(jìn)行信息交互和知識(shí)共享的重要方式，而社會(huì)網(wǎng)絡(luò)分析關(guān)注的是人們之間的互動(dòng)和聯(lián)系，因此從社會(huì)網(wǎng)絡(luò)視角研究在線社區(qū)，對(duì)理解用戶個(gè)體行為和推動(dòng)虛擬社區(qū)治理都很有意義。國(guó)內(nèi)外學(xué)者基于弱連接強(qiáng)度、小世界模型和隨機(jī)圖理論等社會(huì)網(wǎng)絡(luò)分析方法，對(duì)用戶網(wǎng)絡(luò)結(jié)構(gòu)特征、個(gè)體節(jié)點(diǎn)屬性以及節(jié)點(diǎn)間的交互影響進(jìn)行了大量實(shí)證研究。Ahn et al．對(duì)在線互聯(lián)網(wǎng)社區(qū)Cyworld進(jìn)行度分布、聚類系數(shù)、平均路徑長(zhǎng)度等網(wǎng)絡(luò)特征分析，證明人際關(guān)系網(wǎng)絡(luò)具有小世界和冪律分布特性。Girvan et al．的研究發(fā)現(xiàn)網(wǎng)絡(luò)用戶在互聯(lián)網(wǎng)社區(qū)中傾向于形成具有強(qiáng)聯(lián)接的社團(tuán)結(jié)構(gòu)。

總體而言，國(guó)內(nèi)外研究者對(duì)虛擬社區(qū)中用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)特征和網(wǎng)絡(luò)演化開(kāi)展了大量研究，但少有學(xué)者探究網(wǎng)絡(luò)結(jié)構(gòu)生成的影響機(jī)制。此外，雖然有研究表明個(gè)體特征與用戶知識(shí)共享行為之間存在一定關(guān)聯(lián)，綜合考慮用戶特征屬性和網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)在線社區(qū)用戶知識(shí)共享行為的交互影響幾乎未被研究。

2 研究假設(shè)

2.1 網(wǎng)絡(luò)結(jié)構(gòu)

本研究分析了知識(shí)共享網(wǎng)絡(luò)中三種關(guān)系生成機(jī)制的作用，即優(yōu)先連接、三元閉包和互惠性。優(yōu)先連接機(jī)制研究的是知識(shí)共享網(wǎng)絡(luò)中用戶的全局結(jié)構(gòu)（如度數(shù)、吸引力）會(huì)如何影響回帖關(guān)系的建立；三元閉包機(jī)制研究的是知識(shí)共享網(wǎng)絡(luò)中用戶的局部結(jié)構(gòu)（如一階鄰居和二階鄰居）如何影響回帖關(guān)系的生成；互惠性是指知識(shí)共享網(wǎng)絡(luò)中用戶互相回帖的傾向性。

優(yōu)先連接機(jī)制是指網(wǎng)絡(luò)中具有高度數(shù)的節(jié)點(diǎn)間更傾向于建立聯(lián)系，它解釋了社交網(wǎng)絡(luò)和信息網(wǎng)絡(luò)中關(guān)系的形成，包括科研合作網(wǎng)絡(luò)、供應(yīng)鏈網(wǎng)絡(luò)和微博用戶互動(dòng)網(wǎng)絡(luò)等。另外，已有實(shí)證研究表明，節(jié)點(diǎn)的度數(shù)和吸引力都會(huì)影響其接受連接的概率。在眾包社區(qū)的知識(shí)共享網(wǎng)絡(luò)中，節(jié)點(diǎn)的入度／出度意味著用戶收到回帖／給他人回帖的數(shù)量，節(jié)點(diǎn)的吸引力是指用戶在眾包社區(qū)中的影響力。因此，本研究提出以下假設(shè)：

H1a：大量給他人回帖的用戶更容易獲得其他用戶回帖。

H1b：影響力越大的用戶越容易獲得其他用戶回帖。

三元閉包是網(wǎng)絡(luò)最基本的局部結(jié)構(gòu)和重要的關(guān)系生成機(jī)制。在許多網(wǎng)絡(luò)中，如果節(jié)點(diǎn)i與節(jié)點(diǎn)j相連，節(jié)點(diǎn)j與節(jié)點(diǎn)k相連，那么節(jié)點(diǎn)i很有可能與節(jié)點(diǎn)k相連。Peng研究發(fā)現(xiàn)，三元閉包機(jī)制與引文網(wǎng)絡(luò)中鏈接生成的概率有正相關(guān)關(guān)系。Romero et al．對(duì)Twitter中的用戶關(guān)注關(guān)系進(jìn)行研究，證明了三元閉包對(duì)在線社區(qū)中有向網(wǎng)絡(luò)連接的形成有重要影響。在許多研究中，三元閉包也被稱作傳遞閉包。眾包社區(qū)中的知識(shí)共享網(wǎng)絡(luò)是一種有向網(wǎng)絡(luò)，用戶間可以進(jìn)行知識(shí)傳遞和交流。因此，本研究提出以下假設(shè)：

H2：知識(shí)共享網(wǎng)絡(luò)具有傳遞性

在社會(huì)交換理論中，互惠性意味著任何獲得幫助的人都應(yīng)該回報(bào)他人。社交群體中的成員更愿意幫助那些使他們受益的人。研究表明，具有高互動(dòng)性感知的在線社區(qū)用戶更愿意主動(dòng)進(jìn)行知識(shí)共享。在眾包社區(qū)中，互相回帖有助于促進(jìn)用戶間的知識(shí)共享和合作、提高用戶的持續(xù)參與意愿。因此，本研究提出以下假設(shè)：

H3：用戶傾向于互相回帖

2.2 節(jié)點(diǎn)屬性

國(guó)內(nèi)外學(xué)者對(duì)用戶節(jié)點(diǎn)屬性和網(wǎng)絡(luò)連接形成的關(guān)系做了廣泛的研究。宋曉龍研究表明，同質(zhì)性對(duì)在線健康社區(qū)中朋友關(guān)系的形成具有顯著影響。Song et al．分析了虛擬社區(qū)中用戶聲望對(duì)點(diǎn)贊關(guān)系形成的促進(jìn)作用。左賢莉驗(yàn)證了用戶的情感傾向與回帖關(guān)系之間有顯著相關(guān)性。

用戶的參與水平主要體現(xiàn)在參與程度和價(jià)值貢獻(xiàn)兩個(gè)維度，高參與度用戶在社區(qū)中經(jīng)常提供信息、分享信息、積極參與社區(qū)互動(dòng)。已有研究表明，虛擬社區(qū)中用戶的參與水平對(duì)知識(shí)共享有顯著正向影響。在眾包社區(qū)中，用戶的等級(jí)和活躍度是其參與水平的體現(xiàn)。因此，本研究提出以下假設(shè)：

H4a：等級(jí)越高的用戶會(huì)獲得更多其他用戶回帖。

H4b：活躍度越高的用戶傾向于向他人回帖。

同質(zhì)性是指網(wǎng)絡(luò)中在某些方面有相似性的節(jié)點(diǎn)間更容易建立聯(lián)系，國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了廣泛的實(shí)證研究，如種族同質(zhì)性、教育同質(zhì)性、社會(huì)經(jīng)濟(jì)地位同質(zhì)性等。Thelwall通過(guò)研究在線社交網(wǎng)站MySpace中同質(zhì)性對(duì)用戶參與行為的影響，發(fā)現(xiàn)在價(jià)值觀、年齡、婚姻狀態(tài)和加入MySpace的原因等方面，同質(zhì)性對(duì)用戶間互相交流有顯著影響，而性別同質(zhì)性并未得到驗(yàn)證?？紤]到現(xiàn)實(shí)世界與虛擬社區(qū)的不同，同質(zhì)性對(duì)眾包社區(qū)中知識(shí)共享網(wǎng)絡(luò)的鏈接形成也會(huì)有不同的影響。因此，本研究提出以下假設(shè)：

H5：相同地域的用戶更易形成回帖關(guān)系。

用戶在社區(qū)中的經(jīng)歷和經(jīng)驗(yàn)會(huì)影響未來(lái)的參與行為。具有高聲望的用戶更有可能獲得更多的社會(huì)資源和他人的信任。在社會(huì)學(xué)理論中，這也被稱作“馬太效應(yīng)”，即先前獲得過(guò)認(rèn)可的人比后來(lái)者更易獲得信譽(yù)。與聲望類似，高人氣意味著來(lái)自他人的喜愛(ài)和對(duì)能力的認(rèn)可。因此，本研究提出以下假設(shè)：

H6：人氣越高的用戶傾向于獲得更多回帖。

3 研究數(shù)據(jù)與方法

3.1 數(shù)據(jù)描述

本研究選取Kaggle．com作為研究對(duì)象。Kaggle成立于2010年，是全球最大的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)競(jìng)賽平臺(tái)，舉辦了300多場(chǎng)數(shù)據(jù)競(jìng)賽，各大公司和非營(yíng)利性機(jī)構(gòu)都在Kaggle上發(fā)起過(guò)競(jìng)賽，是典型的眾包平臺(tái)。每一個(gè)數(shù)據(jù)競(jìng)賽下都設(shè)有“Discussion”板塊，參賽者可以在此通過(guò)發(fā)帖與回帖的方式進(jìn)行交流。競(jìng)賽設(shè)有開(kāi)始日期和截止日期，開(kāi)始日期是報(bào)名和組隊(duì)的最后期限，截止日期是最后可提交模型及數(shù)據(jù)結(jié)果的日子。根據(jù)競(jìng)賽中的兩個(gè)時(shí)間節(jié)點(diǎn)，本文將發(fā)帖-回帖行為按照時(shí)間線分為三個(gè)階段：1）準(zhǔn)備階段，從競(jìng)賽發(fā)布到組隊(duì)報(bào)名截止的階段；2）提交階段，在此期間，參賽者可以重復(fù)提交數(shù)據(jù)和模型；3）討論階段，競(jìng)賽結(jié)束后，用戶通常會(huì)互相討論競(jìng)賽結(jié)果和參賽心得。由于不同階段用戶關(guān)注和討論的話題有所不同，參與發(fā)帖-回帖行為的動(dòng)機(jī)可能存在差異，因此本文將把眾包競(jìng)賽劃分為不同階段來(lái)探究知識(shí)共享網(wǎng)絡(luò)的影響機(jī)理。

本研究的數(shù)據(jù)來(lái)源是Kaggle平臺(tái)中已結(jié)束的競(jìng) 賽 “Santander Customer Transaction Prediction”，收集了“Discussion”板塊中所有發(fā)帖和回帖信息以及相關(guān)用戶的屬性數(shù)據(jù)。在剔除了屬性不完整的用戶數(shù)據(jù)后，最終得到908名用戶和3753條發(fā)帖-回帖關(guān)系，圖1是網(wǎng)絡(luò)整體的拓?fù)浣Y(jié)構(gòu)。根據(jù)時(shí)間節(jié)點(diǎn)對(duì)發(fā)帖-回帖關(guān)系進(jìn)行劃分，分別構(gòu)建了準(zhǔn)備階段、提交階段和討論階段的知識(shí)共享網(wǎng)絡(luò)。三個(gè)階段的網(wǎng)絡(luò)均為有向網(wǎng)絡(luò)，如果用戶i向用戶j回帖，那么網(wǎng)絡(luò)中就會(huì)建立一條從i指向j的有向連接。

圖1 知識(shí)共享網(wǎng)絡(luò)

根據(jù)研究假設(shè)，本文獲取的用戶節(jié)點(diǎn)屬性包括用戶等級(jí)、發(fā)帖／回帖總數(shù)、地域和被關(guān)注數(shù)。用戶等級(jí)為分類變量，每一個(gè)等級(jí)為一類，等級(jí)是用戶在平臺(tái)中參與程度和貢獻(xiàn)價(jià)值的綜合體現(xiàn)。發(fā)帖／回帖總數(shù)＝發(fā)帖數(shù)＋回帖數(shù)，是連續(xù)變量，反映了用戶在“Discussion”板塊的活躍度和積極性。地域?yàn)榉诸愖兞?，每一個(gè)國(guó)家為一類。被關(guān)注數(shù)為連續(xù)變量，是用戶被其他用戶關(guān)注的人數(shù)，表現(xiàn)了用戶在平臺(tái)中的受歡迎程度，用以衡量人氣。由于發(fā)帖／回帖總數(shù)和被關(guān)注數(shù)的方差較大，不便于直接代入模型進(jìn)行驗(yàn)證，根據(jù)已有研究方法，本研究將這兩個(gè)連續(xù)變量處理為0～1分類變量，發(fā)帖／回帖總數(shù)和被關(guān)注數(shù)高的前25%取值為1，其余取值為0。表1展示了每個(gè)假設(shè)對(duì)應(yīng)的變量及網(wǎng)絡(luò)結(jié)構(gòu)。

表1 研究假設(shè)及網(wǎng)絡(luò)結(jié)構(gòu)

3.2 指數(shù)隨機(jī)圖模型

本研究采用指數(shù)隨機(jī)圖模型（Exponential Random Graph Model，ERGM）來(lái)探究不同網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性對(duì)網(wǎng)絡(luò)形成的影響。與大多數(shù)廣義線性模型的獨(dú)立性假設(shè)不同，ERGM假設(shè)網(wǎng)絡(luò)連接的形成相互依賴，并通過(guò)測(cè)量協(xié)變量來(lái)捕獲關(guān)系數(shù)據(jù)的相互依賴性。因此，ERGM經(jīng)常用于分析具有多屬性節(jié)點(diǎn)和相互關(guān)聯(lián)連接的網(wǎng)絡(luò)數(shù)據(jù)。

ERGM是網(wǎng)絡(luò)分析中一種常見(jiàn)的模型，主要用于研究各種網(wǎng)絡(luò)變量對(duì)網(wǎng)絡(luò)邊生成的影響效應(yīng)。指數(shù)隨機(jī)圖模型的一般形式為

其中，Y是模型生成的網(wǎng)絡(luò)，是網(wǎng)絡(luò)中二元關(guān)系（有邊或無(wú)邊）的隨機(jī)集合；y是真實(shí)的觀測(cè)網(wǎng)絡(luò)；κ是歸一化因子，用以確保所有可能網(wǎng)絡(luò)樣本出現(xiàn)的概率和為1；A是觀測(cè)網(wǎng)絡(luò)中所有可能的網(wǎng)絡(luò)結(jié)構(gòu)的集合；ηA是網(wǎng)絡(luò)結(jié)構(gòu)A對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)；g A（y）是對(duì)應(yīng)的網(wǎng)絡(luò)統(tǒng)計(jì)值。ERGM基于觀測(cè)網(wǎng)絡(luò)中的網(wǎng)絡(luò)統(tǒng)計(jì)量模擬生成隨機(jī)網(wǎng)絡(luò)，并將觀測(cè)網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)進(jìn)行比較，兩者結(jié)構(gòu)越相似，ERGM參數(shù)估計(jì)越準(zhǔn)確。

4 數(shù)據(jù)分析

4.1 網(wǎng)絡(luò)結(jié)構(gòu)分析

社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)是行動(dòng)者之間存在或潛在的一種關(guān)系模式，通過(guò)對(duì)社會(huì)網(wǎng)絡(luò)的基本屬性進(jìn)行分析，可以把握網(wǎng)絡(luò)結(jié)構(gòu)的整體特征。本研究通過(guò)對(duì)比分析準(zhǔn)備階段、提交階段和討論階段的發(fā)帖-回帖的網(wǎng)絡(luò)結(jié)構(gòu)，從宏觀角度探究知識(shí)共享網(wǎng)絡(luò)在不同時(shí)期的結(jié)構(gòu)特征和演化趨勢(shì)。表2展示了三個(gè)階段知識(shí)共享網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。

網(wǎng)絡(luò)密度是網(wǎng)絡(luò)成員間彼此聯(lián)系的緊密程度，準(zhǔn)備階段、提交階段和討論階段的網(wǎng)絡(luò)密度分別為0．0036、0．0071和0．0063，說(shuō)明網(wǎng)絡(luò)中節(jié)點(diǎn)關(guān)系較為松散。提交階段處于競(jìng)賽的核心時(shí)期，參賽者更傾向于與其他成員交流，因此網(wǎng)絡(luò)密度最大。此外，知識(shí)共享網(wǎng)絡(luò)的互惠指數(shù)隨著時(shí)間呈遞增趨勢(shì)，三個(gè)階段的互惠指數(shù)分別為0．0126、0．022和0．023，表明隨著競(jìng)賽的進(jìn)行，參賽者間交流的互惠傾向越來(lái)越強(qiáng)。

表2 三個(gè)階段知識(shí)共享網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)

小世界效應(yīng)有利于促進(jìn)網(wǎng)絡(luò)間的知識(shí)流動(dòng)以及信息傳遞的準(zhǔn)確性與有效性，其特征是較大的聚類系數(shù)和較小的平均路徑長(zhǎng)度。在知識(shí)共享網(wǎng)絡(luò)中，三個(gè)階段的聚類系數(shù)分別為0．062、0．074和0．126，平均路徑長(zhǎng)度分別為3．989、3．786和3．241，說(shuō)明 Kaggle中具有明顯的小世界效應(yīng)，有利于用戶間進(jìn)行交流與知識(shí)共享，推動(dòng)創(chuàng)新合作和實(shí)現(xiàn)。

入度和出度中心性表示網(wǎng)絡(luò)的整體中心性和集中程度，中間中心性和特征向量中心性表示網(wǎng)絡(luò)中節(jié)點(diǎn)對(duì)信息流動(dòng)和傳播的控制作用。三個(gè)階段的知識(shí)共享網(wǎng)絡(luò)中心性指標(biāo)之間有顯著的正相關(guān)關(guān)系，并且呈現(xiàn)出明顯的長(zhǎng)尾分布。其中，提交階段的知識(shí)共享網(wǎng)絡(luò)更具有集中趨勢(shì)，并且網(wǎng)絡(luò)中大部分節(jié)點(diǎn)需要少部分中心度高、“權(quán)力”集中的節(jié)點(diǎn)作為橋接，以進(jìn)行知識(shí)交流和共享。

4.2 ERGM結(jié)果分析

ERGM同時(shí)包含模型的內(nèi)生變量和外生變量，本研究運(yùn)用馬爾可夫鏈蒙特卡羅極大似然估計(jì)（MCMC MLE）方法，通過(guò)多次迭代對(duì)模型參數(shù)進(jìn)行估計(jì)，然后利用擬合優(yōu)度（Goodness of Fit，Gof）值來(lái)評(píng)估模型的擬合效果。為了確保模型擬合效果，本研究選擇準(zhǔn)備階段的知識(shí)共享網(wǎng)絡(luò)，通過(guò)比較不同變量組合下赤池信息準(zhǔn)則（AIC）和貝葉斯信息準(zhǔn)則（BIC）的值來(lái)選擇最優(yōu)模型，AIC和BIC的值越小，說(shuō)明模型越簡(jiǎn)潔、擬合效果越好。

表3給出了ERGM的擬合結(jié)果。模型1是僅考慮網(wǎng)絡(luò)連接的零模型，模型2和模型3分別是內(nèi)生變量（網(wǎng)絡(luò)結(jié)構(gòu)特征）和外生變量（用戶節(jié)點(diǎn)屬性）的模型擬合結(jié)果，模型4綜合考慮了內(nèi)生和外生變量對(duì)網(wǎng)絡(luò)連接形成的影響。模型4的AIC和BIC值最小，說(shuō)明擬合效果最好。本研究通過(guò)可視化圖形的方法給出了擬合優(yōu)度圖，見(jiàn)圖2。實(shí)線代表觀測(cè)網(wǎng)絡(luò)的測(cè)量結(jié)果，虛線代表仿真網(wǎng)絡(luò)在95%的置信區(qū)間時(shí)的測(cè)量結(jié)果，當(dāng)實(shí)線落在虛線之間時(shí)，說(shuō)明仿真網(wǎng)絡(luò)能夠較好地代表觀測(cè)網(wǎng)絡(luò)的結(jié)構(gòu)特征。由圖2可以看出，模型4能夠較好地解釋入度（in degree）、出度（out degree）、邊共享伙伴 （edge-wise shared partners）和二元組共享伙伴（dyad-wise shared partners）等特征。因此，本研究選擇模型4驗(yàn)證三個(gè)階段的知識(shí)共享網(wǎng)絡(luò)生成機(jī)制。

表3 準(zhǔn)備階段知識(shí)共享網(wǎng)絡(luò)的ERGM結(jié)果

圖2 擬合優(yōu)度圖

表4給出了準(zhǔn)備階段、提交階段和討論階段的ERGM參數(shù)估計(jì)結(jié)果。

ERGM結(jié)果顯示，三個(gè)階段的gwodegree參數(shù)估計(jì)值均顯著為負(fù)，說(shuō)明大量給他人回帖的用戶并不會(huì)獲得更多其他用戶回帖，因此H1a沒(méi)有得到驗(yàn)證。同時(shí)，影響力越大的用戶越容易獲得其他用戶回帖，eigenvector centrality的參數(shù)估計(jì)值在三個(gè)階段均顯著為正，因此H1b得到驗(yàn)證，眾包社區(qū)中用戶間的吸引力和影響力差距越大，兩者建立回帖關(guān)系的可能性越高。檢驗(yàn)H2的參數(shù)為正且結(jié)果顯著，說(shuō)明知識(shí)共享網(wǎng)絡(luò)具有很強(qiáng)的傳遞性，H2得到驗(yàn)證。另外，三個(gè)階段的gwesp參數(shù)估計(jì)值分別為1．2566、4．3222和7．2693，表明隨著時(shí)間變化，不同階段知識(shí)共享網(wǎng)絡(luò)的傳遞性越來(lái)越強(qiáng)，有利于用戶間進(jìn)行充分的信息交流和知識(shí)傳遞。三階段的mutual參數(shù)值分別為0．1267，3．6466和4．2689，說(shuō)明用戶間互相回帖的傾向越來(lái)越強(qiáng)，因此H3得到驗(yàn)證。

關(guān)于用戶節(jié)點(diǎn)屬性對(duì)知識(shí)共享網(wǎng)絡(luò)中連接形成的影響，EGRM結(jié)果顯示，只有準(zhǔn)備階段的progression參數(shù)估計(jì)顯著為正，提交階段和討論階段的用戶等級(jí)對(duì)用戶回帖均無(wú)影響，這可能是因?yàn)樵跍?zhǔn)備階段，帖子主題主要集中在組隊(duì)找隊(duì)友和對(duì)競(jìng)賽題目的理解，高等級(jí)用戶往往代表著知識(shí)水平高且競(jìng)賽經(jīng)驗(yàn)豐富的群體，更容易獲得來(lái)自其他用戶的回帖，因此H4a得到驗(yàn)證。檢驗(yàn)H4b的參數(shù)均為正且結(jié)果顯著，表明眾包社區(qū)中用戶更傾向于向活躍度高的用戶回帖，因此H4b得到驗(yàn)證。ERGM結(jié)果顯示，在眾包社區(qū)中，相同地域的用戶間并不存在建立回帖關(guān)系的傾向，因此H5沒(méi)有得到驗(yàn)證，說(shuō)明與線下社交不同，在線社區(qū)為用戶進(jìn)行知識(shí)交流和信息傳遞打破了地域限制，地域的同質(zhì)性不再是用戶間建立聯(lián)系的影響因素。檢驗(yàn)H6的參數(shù)均顯著為正，表明人氣越高的用戶越容易獲得其他用戶回帖，H6得到驗(yàn)證。其中，提交階段的followers參數(shù)估計(jì)值最大，人氣對(duì)回帖關(guān)系的形成有顯著影響。

5 研究結(jié)論與啟示

本研究選取眾包平臺(tái)Kaggle為研究對(duì)象，收集了發(fā)帖和回帖信息以及相關(guān)用戶的屬性數(shù)據(jù)，構(gòu)建了知識(shí)共享網(wǎng)絡(luò)，并運(yùn)用ERGM從網(wǎng)絡(luò)結(jié)構(gòu)特征和用戶節(jié)點(diǎn)屬性兩個(gè)角度綜合探究眾包社區(qū)中知識(shí)共享網(wǎng)絡(luò)的生成機(jī)制。本文按照競(jìng)賽的時(shí)間順序，將用戶回帖分為準(zhǔn)備階段、提交階段和討論階段，探究不同階段網(wǎng)絡(luò)結(jié)構(gòu)特征的演化趨勢(shì)和差異，并驗(yàn)證不同階段影響回帖關(guān)系形成的因素。研究結(jié)果表明，在網(wǎng)絡(luò)結(jié)構(gòu)特征方面，知識(shí)共享網(wǎng)絡(luò)具有傳遞性和互惠性，并且隨著時(shí)間變化不斷增強(qiáng)，優(yōu)先連接機(jī)制得到驗(yàn)證，用戶傾向于與影響力大的用戶建立回帖關(guān)系；在用戶節(jié)點(diǎn)屬性方面，活躍度高和人氣高的用戶更容易獲得其他用戶回帖，用戶等級(jí)對(duì)回帖行為的影響僅在準(zhǔn)備階段成立。

表4 三個(gè)階段知識(shí)共享網(wǎng)絡(luò)的ERGM結(jié)果

本文基于社會(huì)網(wǎng)絡(luò)理論，將眾包社區(qū)中知識(shí)共享行為的影響因素分為網(wǎng)絡(luò)結(jié)構(gòu)特征和用戶節(jié)點(diǎn)屬性兩類，從社會(huì)網(wǎng)絡(luò)分析、同質(zhì)性、用戶參與等角度探究知識(shí)共享網(wǎng)絡(luò)的生成機(jī)制，對(duì)社會(huì)網(wǎng)絡(luò)、眾包社區(qū)的知識(shí)共享行為等方面的研究進(jìn)行了補(bǔ)充。另外，基于本文的研究結(jié)果，對(duì)眾包社區(qū)提出了參考建議，比如鼓勵(lì)活躍度高和人氣高的用戶多發(fā)帖，對(duì)影響力大的用戶提供積分翻倍獎(jiǎng)勵(lì)、用戶抽獎(jiǎng)概率增加等激勵(lì)手段。

本研究?jī)H利用發(fā)帖-回帖行為來(lái)構(gòu)建知識(shí)共享網(wǎng)絡(luò)，但知識(shí)共享行為可以從不同方面定義和理解，例如李立峰將知識(shí)共享關(guān)系網(wǎng)絡(luò)定義為社區(qū)成員在參與產(chǎn)品創(chuàng)新過(guò)程中關(guān)注過(guò)相同的主題數(shù)量的描述；另外，本研究探究了眾包社區(qū)用戶進(jìn)行知識(shí)共享的影響因素，未來(lái)研究可以進(jìn)一步探索用戶在社區(qū)里的知識(shí)共享行為對(duì)其參與競(jìng)賽的成績(jī)和表現(xiàn)是否存在關(guān)聯(lián)。