知識分享社區(qū)用戶知識采納行為生成機(jī)理及演化特征分析

包明林

安康學(xué)院 安康 725000

引言

數(shù)據(jù)密集型科學(xué)研究第四范式的興起，基于大數(shù)據(jù)的理論、方法、模型和應(yīng)用為數(shù)據(jù)科學(xué)研究提供了全新視野和思路，數(shù)據(jù)、知識和情報的價值成為互聯(lián)網(wǎng)經(jīng)濟(jì)和知識經(jīng)濟(jì)發(fā)展的新增長點(diǎn)。共享和協(xié)作的成本降低，互聯(lián)網(wǎng)用戶的認(rèn)知盈余，從而催生了一大批知識分享社區(qū)和知識分享平臺的出現(xiàn)，如知乎、得到、360問答等。用戶依靠知識分享社區(qū)實(shí)現(xiàn)顯性知識的協(xié)同、分享和利用，挖掘隱性知識的價值，促進(jìn)知識的良性流動和有效轉(zhuǎn)移，滿足了互聯(lián)網(wǎng)用戶的信息需求和知識獲取。知識分享社區(qū)提供的信息和生成的知識能否吸引用戶關(guān)注，促進(jìn)用戶采納，滿足用戶需求，實(shí)現(xiàn)用戶持續(xù)使用，成為了知識分享社區(qū)發(fā)展的重要難題?；ヂ?lián)網(wǎng)用戶不僅是知識分享社區(qū)的使用主體，也是推動知識分享平臺發(fā)展的核心力量，用戶呈現(xiàn)的不同信息行為成為衡量知識分享社區(qū)發(fā)展水平和服務(wù)質(zhì)量的重要維度。因此，構(gòu)建知識分享社區(qū)用戶知識采納行為理論研究框架，探討知識分享社區(qū)用戶知識采納行為的生成機(jī)理，分析不同階段用戶知識采納行為的演化特征，識別影響用戶知識采納行為主要因素及其不同作用，有利于了解和把握知識分享社區(qū)的用戶狀態(tài)和行為特征，促進(jìn)用戶持續(xù)使用而產(chǎn)生用戶粘性，發(fā)揮知識分享社區(qū)的知識服務(wù)價值，為知識分享社區(qū)變革管理方式、改進(jìn)運(yùn)營模式和調(diào)整營銷策略提供理論借鑒和實(shí)踐參考。

1 理論基礎(chǔ)與研究綜述

1.1 DIT理論和TPB理論

創(chuàng)新擴(kuò)散理論（Diffusion of Innovation Theory，DIT）由美國學(xué)者埃弗雷特·羅杰斯(E.M.Rogers)提出，主要應(yīng)用于新知識、新產(chǎn)品、新技術(shù)的采納和利用等領(lǐng)域，認(rèn)為DIT理論由五個階段組成，知識或意識階段（Knowledge or Awareness Stage）、說服或興趣階段（Persuasion or Interest Stage）、決策或評估階段（Decision or Evaluation Stage）、實(shí)施或試用階段（Implementation or Trial Stage）和確認(rèn)或采用階段（Confirmation or Adoption Stage）[1-2]。一些學(xué)者利用創(chuàng)新擴(kuò)散理論分析用戶行為的發(fā)生過程，Al-Jabri I M等[3]分析了手機(jī)銀行服務(wù)的采納行為過程，設(shè)備的兼容性和觀察性對用戶采用具有積極影響 。Chang H C[4]利用創(chuàng)新擴(kuò)散理論為Twitter社交網(wǎng)絡(luò)主題標(biāo)簽的使用和訪問界面設(shè)計(jì)提供了重要理論支撐，有助于評估主題標(biāo)簽的生命周期。還有其他學(xué)者將創(chuàng)新擴(kuò)散理論應(yīng)用在醫(yī)療健康、企業(yè)ERP應(yīng)用以及環(huán)保能源推廣技術(shù)等領(lǐng)域，取得了一些成果。如Lien A S Y[5]依據(jù)創(chuàng)新擴(kuò)散理論，鼓勵采用具有快速傳播特征的高科技媒體和大眾媒體來滿足糖尿病護(hù)理等健康需求。Scott S[6]將創(chuàng)新擴(kuò)散理論應(yīng)用于大學(xué)教學(xué)設(shè)計(jì)中，在國際范圍內(nèi)已經(jīng)得到了迅速傳播。Ak?a Y[7]將創(chuàng)新擴(kuò)散理論應(yīng)用于ERP，創(chuàng)新擴(kuò)散理論中的不同變量對 ERP 的成功以及組織績效都有積極的影響。Franceschinis C[8]利用創(chuàng)新擴(kuò)散理論來分析可再生資源加熱技術(shù)的用戶采納問題，發(fā)現(xiàn)用戶偏好和支付意愿在各個細(xì)分市場之間有所不同 。

計(jì)劃行為理論（Theory of Planned Behavior，TPB）是由Icek Ajzen提出，認(rèn)為人的行為發(fā)生是在某種控制之下，分析人類行為如何發(fā)生的以及發(fā)生的主要過程，能更好地解釋人的行為模式是如何改變的。計(jì)劃行為理論主要有五個要素構(gòu)成：行為態(tài)度(Attitude toward the behavior)、主觀規(guī)范(Subjective Norm)、知覺行為控制(Perceived Behavioral Control)、行為意向(Behavior Intention)、行 為(Behavior)[9][10]。計(jì)劃行為理論應(yīng)用于群體決策行為[11]，如Teka BM[12]將TAM與TPB相結(jié)合建立研究模型用于分析埃塞俄比亞國家銀行客戶利用電子銀行服務(wù)問題，得到了影響客戶使用行為的正向影響因素和負(fù)面影響因素。也有學(xué)者利用TPB理論解釋個體行為[13]，如Ate? H[14]利用計(jì)劃行為理論和個人價值認(rèn)同規(guī)范構(gòu)建模型用來分析影響個人環(huán)境行為的因素。此外，一些學(xué)者還用來分析企業(yè)家經(jīng)濟(jì)行為[15]、用戶選擇行為偏好[16]和個人消費(fèi)行為。如Ali Alami等[17]以TPB為基礎(chǔ)，通過實(shí)驗(yàn)的方法分析戈納巴德醫(yī)科大學(xué)在校學(xué)生煙草消費(fèi)行為，發(fā)現(xiàn)通過培訓(xùn)和干預(yù)能夠有效的拒絕使用煙草消費(fèi)。

1.2 研究現(xiàn)狀

國內(nèi)外已有研究成果主要集中在兩個方面：

（1）基于社交網(wǎng)絡(luò)平臺的用戶知識采納行為研究。國內(nèi)外部分學(xué)者利用社交網(wǎng)絡(luò)平臺、知識分享平臺的有價值信息來促進(jìn)用戶知識采納行為的發(fā)生，探討信息服務(wù)平臺的作用，影響用戶的決策行為。Hinz O等[18]分析基于社交網(wǎng)絡(luò)數(shù)據(jù)的消費(fèi)者購買決策行為，發(fā)現(xiàn)友情網(wǎng)絡(luò)和無向性網(wǎng)絡(luò)作用較低，定向建議網(wǎng)絡(luò)清楚地識別有影響力的消費(fèi)者，社交網(wǎng)絡(luò)數(shù)據(jù)價值具有重要影響作用。Tscherning H等[19]詳細(xì)闡述了社交結(jié)構(gòu)決定iPhone的使用，探討社會網(wǎng)絡(luò)基本作用以及影響采納行為和結(jié)果，證實(shí)了社交網(wǎng)絡(luò)結(jié)構(gòu)影響用戶決定 。Fang Zhao等[20]分析社交網(wǎng)絡(luò)與文化內(nèi)在的聯(lián)系，結(jié)果發(fā)現(xiàn)社交網(wǎng)絡(luò)是人們不可或缺的，詳細(xì)說明了社交網(wǎng)絡(luò)和文化取向如何影響電子政務(wù)采用的理論和實(shí)踐意義。Dhrubasish Sarkar[21]提出了一種統(tǒng)計(jì)模型，使用向量空間模型方法確定在線社交網(wǎng)絡(luò)不同時間點(diǎn)用戶的行為采納情況 。

（2）基于理論模型的用戶知識采納行為影響因素識別。國內(nèi)外部分學(xué)者利用社會認(rèn)知理論、社會網(wǎng)絡(luò)理論、TAM和UTAUT等來識別社交網(wǎng)絡(luò)平臺用戶知識采納行為發(fā)生的影響因素。Qin C等[22]將技術(shù)接受模型和社會認(rèn)知理論形成了綜合模型，研究結(jié)果發(fā)現(xiàn)社會影響、PU和態(tài)度顯著影響用戶使用社會資源標(biāo)記方法的意愿。Lee S[23]將創(chuàng)新擴(kuò)散理論和技術(shù)接受模型進(jìn)行整合，分析了影響韓國用戶采用移動電子書的驅(qū)動因素。Ernst C P H等[24]利用TAM模型分析Facebook社交網(wǎng)站影響用戶積極使用行為的意向和動機(jī)，研究結(jié)果發(fā)現(xiàn)感知有用性的影響作用存在很大差異。Fang X等[25]基于社會網(wǎng)絡(luò)理論確定影響采用決策的關(guān)鍵因素：社會影響、結(jié)構(gòu)對等、實(shí)體相似性和混雜因素，預(yù)測采用概率和采用的可能性 。Ernst C P H[26]分析社交網(wǎng)站的用戶知識采納行為，以技術(shù)接受模型為基礎(chǔ)，研究表明感知易用性、感知享受和感知有用性都影響社交網(wǎng)站用戶使用行為意向。Herrero á等[27]以技術(shù)接受模型和UTAUT2模型為框架，研究社交網(wǎng)站旅游評論用戶采納的影響因素，發(fā)現(xiàn)影響用戶利用社交網(wǎng)站體驗(yàn)內(nèi)容的意圖主要有三個驅(qū)動因素 。莫秀婷等[28]依據(jù)社會認(rèn)知理論和健康信息系統(tǒng)，分析社交網(wǎng)站用戶采納健康信息的行為特點(diǎn)和影響因素。石婷婷[29]分析用戶采納學(xué)術(shù)社交網(wǎng)站資源的影響因素，在UTAUT中加入感知任務(wù)技術(shù)匹配變量、個體創(chuàng)新性和感知信任變量，發(fā)現(xiàn)采納意愿和促成因素正向影響用戶知識采納行為。

基于此，已有研究主要利用TAM、UTAUT、SEM等經(jīng)典理論，對用戶知識采納行為的研究主要集中在識別影響用戶知識采納行為的因素，考慮各自研究采用的不同方法和構(gòu)建的不同理論模型，得出的結(jié)論具有各自的側(cè)重點(diǎn)，為本文研究提供了重要基礎(chǔ)和有益參考。例如Yousafzai S Y等[30]分析了三種典型的用戶行為模型：理性行為理論(TRA)、計(jì)劃行為理論(TPB)和技術(shù)接受模型(TAM)，以互聯(lián)網(wǎng)銀行消費(fèi)者行為對象對三種不同模型進(jìn)行了獨(dú)立檢驗(yàn)，發(fā)現(xiàn) TAM模型優(yōu)于其他模型。然而，已有研究成果更為關(guān)注的是結(jié)果導(dǎo)向性的用戶知識采納行為，卻很少探討用戶知識采納行為發(fā)生的過程性，這些行為過程中受那些因素影響，以及這些用戶知識采納行為發(fā)生過程呈現(xiàn)的特征如何，卻不得而知。并且，在探討用戶知識采納行為生成以及影響因素方面，利用問卷調(diào)查或者實(shí)地訪談的方式進(jìn)行抽樣分析，獲取的研究數(shù)據(jù)具有一定程度的主觀性和局限性，影響了結(jié)果的客觀性和科學(xué)性。因此，文章將創(chuàng)新擴(kuò)散理論引入用戶信息行為研究中，以計(jì)劃行為理論為基礎(chǔ)，構(gòu)建知識分享社區(qū)用戶知識采納行為研究框架則是一個新的嘗試。根據(jù)創(chuàng)新擴(kuò)散理論，對知識分享社區(qū)用戶知識采納行為發(fā)生過程進(jìn)行分解，用戶知識采納行為生成需要經(jīng)歷不同的階段，且每一個階段用戶的狀態(tài)、感知和行為都會呈現(xiàn)不同的特征。知識分享社區(qū)中用戶采納行為的演化過程具有態(tài)度傾向、主觀規(guī)范、知覺行為控制和行為意向等行為表現(xiàn)，且在不同階段呈現(xiàn)特征具有一定的差異。文章融合創(chuàng)新擴(kuò)散理論和計(jì)劃行為理論，依據(jù)創(chuàng)新擴(kuò)散理論的不同階段和計(jì)劃行為理論的不同要素，構(gòu)建知識分享社區(qū)用戶知識采納行為研究框架，利用知識分享社區(qū)抓取研究數(shù)據(jù)，把握用戶知識采納行為的生成過程，探討不同階段用戶知識采納行為的表現(xiàn)，刻畫用戶知識采納行為的演化特征，分析不同狀態(tài)節(jié)點(diǎn)上用戶呈現(xiàn)的行為特征和影響因素。文章試圖解決以下問題：（1）構(gòu)建基于過程性的知識分享社區(qū)用戶知識采納行為理論研究框架；（2）探討不同階段用戶知識采納行為生成的用戶狀態(tài)和行為表現(xiàn)的演化特征；（3）把握知識分享社區(qū)用戶知識采納行為的不同影響因素和作用差異。

2 研究設(shè)計(jì)

2.1 研究框架

知識分享社區(qū)用戶知識采納行為的發(fā)生具有過程性和特征性，采納行為的生成是用戶對知識分享社區(qū)中有價值的信息或知識在自我評估決策后，產(chǎn)生的一種選擇性行為偏好?；谟脩魧傩蕴卣鳎罁?jù)創(chuàng)新擴(kuò)散理論，用戶在個人意識階段和興趣偏好階段，知識分享社區(qū)的有價值信息或知識引起了用戶的注意或關(guān)注，進(jìn)而產(chǎn)生興趣，用戶通過自我評估、選擇和決策，進(jìn)行關(guān)注、瀏覽和甄別有價值的知識，依據(jù)自我感知，用戶決定是否利用，從而發(fā)生用戶知識采納行為。基于用戶行為特征，依據(jù)計(jì)劃行為理論，知識分享社區(qū)中用戶知識采納行為的發(fā)生，用戶具有一定的態(tài)度傾向性，用戶針對提供知識的自我感知有用程度和感知易用程度，依據(jù)行為直覺和主觀規(guī)范用戶從而產(chǎn)生行為意向，最后發(fā)生用戶知識采納行為。另外，部分學(xué)者試圖將兩種不同理論或模型相結(jié)合，從而來提升研究結(jié)果的科學(xué)性和可靠性。Kiwanuka A將[31]DOI理 論 和UTAUT模 型進(jìn)行對比分析，依據(jù)創(chuàng)新擴(kuò)散理論分析技術(shù)采用的特征，發(fā)現(xiàn)UTAUT模型未包括采用技術(shù)的過程，提出應(yīng)將技術(shù)采用過程納入在UTAUT中，更好地預(yù)測技術(shù)接受度。Monta?o D E等[32]比較分析了計(jì)劃行為理論和推理行動理論，結(jié)果發(fā)現(xiàn)知覺行為控制變量的加入增強(qiáng)了對意向和行為的預(yù)測。Min S[33]分析了DIT理論和ATM，以消費(fèi)者對Uber移動應(yīng)用APP的接受程度為對象，分析不同影響因素對感知實(shí)用性和感知易用性均具有重大影響，證明了兩種經(jīng)典用戶采納理論的融合?；诖?，知識分享社區(qū)用戶知識采納行為的生成依據(jù)創(chuàng)新擴(kuò)散理論的階段組成和計(jì)劃行為理論的要素構(gòu)成，構(gòu)建了知識分享社區(qū)用戶知識采納行為演過過程，如圖1所示。

圖1 知識分享社區(qū)用戶知識采納行為生成階段

依據(jù)知識分享社區(qū)用戶知識采納行為演化過程，在用戶認(rèn)識興趣階段，知識分享社區(qū)中用戶通過自我感知發(fā)現(xiàn)有價值知識，對這些知識產(chǎn)生興趣，用戶轉(zhuǎn)變自己的態(tài)度并且具有一定的傾向性，從而產(chǎn)生行為意向；在用戶評估選擇階段，用戶根據(jù)自己的主觀認(rèn)識和自我知覺行為控制，對知識信息進(jìn)行篩選、甄別和評估，從而形成用戶行為偏好；在用戶行為發(fā)生階段，用戶根據(jù)自我評估和選擇，從而選擇試用或者嘗試?yán)?，進(jìn)而用戶開始使用，從而發(fā)生用戶知識采納行為。

2.2 變量設(shè)計(jì)

依據(jù)知識分享社區(qū)用戶知識采納行為的演化過程，用戶知識采納行為的生成具有過程性、系統(tǒng)性和整體性。文章利用系統(tǒng)動力學(xué)的建模理論和方法，融合DIT和TPB理論，構(gòu)建基于系統(tǒng)動力學(xué)的知識分享社區(qū)用戶知識采納行為演化特征研究模型，探討知識社區(qū)用戶知識采納行為的生成過程、演化特征和驅(qū)動因素。

（1）用戶屬性：用戶作為知識分享社區(qū)中的主體，每個用戶來自于普通互聯(lián)網(wǎng)用戶，即網(wǎng)民。依據(jù)DIT和TPB理論，基于知識分享社區(qū)的互聯(lián)網(wǎng)用戶可分為三個部分：第一部分為尚未關(guān)注或者未注冊的普通互聯(lián)網(wǎng)用戶；第二部分為已成功注冊卻尚未開始利用的潛在采納用戶；第三部分為已經(jīng)成功利用知識分享社區(qū)發(fā)生采納行為的用戶。

（2）用戶狀態(tài)：根據(jù)知識分享社區(qū)用戶知識采納行為演化過程，基于知識分享社區(qū)的普通互聯(lián)網(wǎng)用戶都具有三個不同狀態(tài)，三個狀態(tài)之間通過驅(qū)動因素來實(shí)現(xiàn)用戶三個行為狀態(tài)之間的演化：從普通互聯(lián)網(wǎng)用戶到認(rèn)知興趣階段的演化；從認(rèn)識興趣階段到用戶評估選擇階段的演化；從用戶評估選擇階段到用戶行為發(fā)生階段的演化。

（3）用戶行為：用戶從認(rèn)識興趣階段到用戶評估選擇階段的演化，表現(xiàn)主要為主觀態(tài)度和行為意向；用戶從選擇評估階段到行為發(fā)生階段的演化，行為主要表現(xiàn)為用戶感知、行為控制和用戶偏好。

（4）用戶影響：用戶處在認(rèn)識興趣階段、用戶評估選擇階段和用戶行為發(fā)生階段三個階段，每個階段受到不同因素的影響，主要有知識分享社區(qū)因素、外部環(huán)境因素和用戶自身因素[33]。

在知識分享社區(qū)用戶知識采納行為演變模型中，主要包括了狀態(tài)變量、常量、輔助變量、連接器和路徑，如表1所示。

表1 知識分享社區(qū)用戶知識采納行為分析模型各變量

2.3 數(shù)據(jù)采集

文章選擇知乎社區(qū)作為研究對象。知乎是一個基于線上的問答互動社區(qū)，依靠用戶分享知識、經(jīng)驗(yàn)和見解，為用戶提供高質(zhì)量的信息服務(wù)，已成為最大的中文知識分享社區(qū)之一。以“疫情防控知識”為主題，利用知乎社區(qū)平臺獲取研究數(shù)據(jù)。利用Octoparse7.3.0軟件抓取知乎社區(qū)的用戶數(shù)據(jù)，數(shù)據(jù)采集的時間為2020年7月1日至7月2日。采集數(shù)據(jù)發(fā)現(xiàn)，“疫情防控知識”的話題分布時間從2020年1月26日到2020年6月27日，主題歷時6個月，共采集數(shù)據(jù)9701條，包括“標(biāo)題、作者、發(fā)布時間、評論作者、評論內(nèi)容、評論時間、贊數(shù)、主題用戶數(shù)、瀏覽量、關(guān)注量、文章熱度”等11個字段。利用OpenRefine3.0軟件對收集的數(shù)據(jù)進(jìn)行清洗，并經(jīng)過人工核查，生成話題量共196條，用戶主題點(diǎn)贊數(shù)785個，用戶評論數(shù)3838條，文章熱度2359個，知乎主題用戶18個，瀏覽量152個，關(guān)注5個。文章采用Anylogic8.0.5平臺下進(jìn)行模型實(shí)證分析。

3 研究結(jié)果

3.1 用戶知識采納行為生成機(jī)理

普通用戶（OrdinaryUser）。普通用戶數(shù)來自于互聯(lián)網(wǎng)用戶（InternetUser），選擇注冊和登陸知乎社區(qū)并且參與“疫情防控”分享的用戶作為研究對象，通過數(shù)據(jù)抓取獲得的參與用戶數(shù)量為12060人/次，則OrdinaryUser=12060。

潛在用戶（InternetUser），潛在用戶數(shù)在CognitionTransformation的調(diào)節(jié)下，從普通用戶演化生成。

采納用戶（AdoptionUser），采納用戶在BehaviorTransformation的調(diào)節(jié)下，從潛在用戶演化生成。

認(rèn) 知 轉(zhuǎn) 變（CognitionTransformation ），作為調(diào)節(jié)普通用戶到潛在用戶的演化效率，用戶認(rèn)識興趣變量和用戶評估選擇變量共同驅(qū)動用戶認(rèn)知的轉(zhuǎn)變，則CognitionTransformation =UserCognitiveInterest+ UserEvaluationSelect。

行 為 轉(zhuǎn) 變（BehaviorTransformation）作為調(diào)節(jié)潛在用戶到采納用戶的演化效率，UserEvaluationSelect和UserBehaviorOccurrence變量共同促使用戶行為的轉(zhuǎn)變，則BehaviorTransformation= UserEvaluationSelect+ UserBehaviorOccurrence。

用戶認(rèn)識興趣（UserCognitiveInterest）作為前因內(nèi)生變量，是用戶知識采納行為發(fā)生的重要階段和驅(qū)動力，主要通過BehaviorAttitude和BehaviorIntention來進(jìn)行測量，并且在KnowledgeSharingCommunityFactor的共同作用下，驅(qū)動普通用戶行為發(fā)生改變[2]。則

UserCognitiveInterest=(BehaviorAttitude+BehaviorIntention+KnowledgeSharingCommunityFactor)*OrdinaryUser。

用戶評估選擇(UserEvaluationSelect)是驅(qū)動用戶行為發(fā)生變化的重要因子，用戶更為關(guān)注的知識價值，對其進(jìn)行綜合評估，進(jìn)而選擇使用或者放棄。用戶評估選擇階段中，在EnvironmentalFactor的影響下以及KnowledgeValue變量的作用下，促進(jìn)用戶行為的改變[9]。則UserEvaluationSelect= KnowledgeValue+ EnvironmentalFactor。

用戶行為生成（UserBehaviorOccurrence），經(jīng)過用戶認(rèn)識興趣和用戶評估選擇，促使用戶知識采納行為的發(fā)生。在UserFactor的影響下，用戶依據(jù)UserPerception進(jìn)行行為偏好選擇，從而促使用戶發(fā)生采納行為[10]。則UserBehaviorOccurrence=（UserPerception+ UserFactor）*PotentialUser。

用戶的行為態(tài)度（BehaviorAttitude）指在知乎社區(qū)中已關(guān)注“疫情防控”主題，產(chǎn)生的一種個人態(tài)度。用戶進(jìn)行點(diǎn)贊，說明用戶對該主題知識表示同意和認(rèn)可，行為態(tài)度可利用用戶的點(diǎn)贊行為進(jìn)行測量[24]。則BehaviorAttitude=用戶點(diǎn)贊數(shù)量/參與用戶數(shù)量=0.65。

用戶的行為傾向（BehaviorIntention）指知乎社區(qū)中用戶對“疫情防控”知識的同意和認(rèn)可之后產(chǎn)生一種的表達(dá)方式和情感傾向，利用用戶評論行為進(jìn)行衡量[10]。則BehaviorIntention =用戶評論數(shù)量/參與用戶數(shù)量=0.31。

知識價值（KnowledgeValue），在知乎社區(qū)中對“疫情防控”主題的知識進(jìn)行分享和利用的前提是該知識具有一定的價值，能夠滿足用戶的需求。結(jié)合知乎社區(qū)的發(fā)布內(nèi)容和話題特點(diǎn)，選擇已發(fā)表 “疫情防控”文章中用戶的個人表現(xiàn)行為進(jìn)行衡量[29]。則KnowledgeValue=（文章瀏覽用戶+文章關(guān)注用戶）/參與用戶數(shù)量 =0.013。

用戶感知（UserPerception），主要是指用戶自我感知的易用性和有用性，用戶對“疫情防控”知識的一種個人行為態(tài)度和行為傾向，利用用戶點(diǎn)贊行為和用戶評論行為進(jìn)行綜合測量[32]。則UserPerception=（點(diǎn)贊用戶量+評論用戶量）/參與用戶數(shù)量=0.98。

知識分享社區(qū)因素（KnowledgeSharing-CommunityFactor）主要指知乎社區(qū)的形式特征和內(nèi)容特點(diǎn)，如社區(qū)登錄注冊便利性、平臺網(wǎng)站設(shè)計(jì)以及知識內(nèi)容情況。通過反復(fù)試驗(yàn)觀察，參考已有研究成果，將其設(shè)定為0.001~0.009之間的任意常數(shù)。

環(huán)境因素（EnvironmentalFactor）可分為宏觀環(huán)境因素和微觀環(huán)境因素，宏觀環(huán)境因素主要指互聯(lián)網(wǎng)政策和法律法規(guī)等因素，內(nèi)部環(huán)境主要指社區(qū)使用、信息安全和隱私泄露等因素。參考已有研究成果，通過多次試驗(yàn)觀察，將其設(shè)定為0.1~0.9之間的常數(shù)。

用戶因素（UserFactor）主要是用戶的屬性特征，如用戶的性別、年齡、受教育程度以及使用時間等。依據(jù)已有統(tǒng)計(jì)數(shù)據(jù)，通過反復(fù)試驗(yàn)觀察，將其設(shè)定為0.01~0.09之間的常數(shù)。

基于此，融合DIT理論和TPB理論，根據(jù)知識分享社區(qū)用戶知識采納行為變量設(shè)計(jì)（見表1），探討知識分享社區(qū)用戶知識采納行為生成機(jī)理，如圖2所示。

根據(jù)知識分享社區(qū)用戶知識采納行為模型的系統(tǒng)流圖和因果關(guān)系鏈可知，普通用戶主要來自互聯(lián)網(wǎng)用戶。用戶認(rèn)知興趣階段中，在用戶態(tài)度行為、行為意向以及知識分享社區(qū)因素的共同作用下，通過認(rèn)知轉(zhuǎn)變的調(diào)節(jié)作用，用戶發(fā)生了行為狀態(tài)上的轉(zhuǎn)變。用戶評估選擇階段中，在知識分享社區(qū)的知識價值和環(huán)境因素的共同作用下，用戶從而演變?yōu)椴杉{行為發(fā)生的潛在用戶。用戶行為生成階段中，在用戶感知和用戶自身因素的作用下，通過行為轉(zhuǎn)變的調(diào)節(jié)作用，用戶進(jìn)而演變?yōu)椴杉{行為用戶。

圖2 知識分享社區(qū)用戶知識采納行為生成機(jī)理

3.2 用戶知識采納行為演化特征

3.2.1 用戶狀態(tài)特征演化分析

依據(jù)研究數(shù)據(jù)，則OrdinaryUser=12060，BehaviorAttitude=0.65，BehaviorIntention=0.31，KnowledgeValue=0.013，UserPerception=0.98。設(shè)KnowledgeSharingCommunityFactor =0.001，EnvironmentalFactor =0.5，UserFactor =0.01。知識分享社區(qū)采納行為發(fā)生的用戶主要有三種存在狀態(tài)，普通用戶、潛在用戶和采納用戶，三種狀態(tài)的演化趨勢具有較大的差異，如圖3所示，其中縱坐標(biāo)表示用戶數(shù)量，橫坐標(biāo)表示單位時間，在變量的作用下三種不同狀態(tài)的用戶數(shù)量隨著單位時間的變化而產(chǎn)生的曲線變化。用戶狀態(tài)的演化特征主要有四點(diǎn)：（1）當(dāng)用戶處在普通用戶狀態(tài)下，依靠用戶認(rèn)知興趣變量的驅(qū)動，促使用戶狀態(tài)的改變，互聯(lián)網(wǎng)用戶演化成知識分享社區(qū)的普通用戶，變化的過程較短，演變速率較大，普通用戶狀態(tài)呈現(xiàn)急速下降趨勢。（2）當(dāng)用戶處在潛在用戶狀態(tài)下，依靠認(rèn)知轉(zhuǎn)變速率的調(diào)節(jié)和用戶評估選擇變量的驅(qū)動，促使用戶從普通用戶演化為潛在用戶。在普通用戶的演化初期階段，潛在用戶的狀態(tài)變化呈上升趨勢。隨著時間的推移，潛在用戶狀態(tài)曲線呈下降趨勢，且下降趨勢較慢，曲線相對比較平滑，對用戶狀態(tài)的演化作用逐漸減弱。（3）當(dāng)用戶處在采納用戶狀態(tài)下，依靠行為轉(zhuǎn)變速率變量的調(diào)節(jié)和行為生成變量的驅(qū)動，促使了用戶狀態(tài)的變化，從潛在用戶狀態(tài)演化為采納用戶狀態(tài)。在演化初期，采納用戶曲線變化呈快速上升趨勢，曲線相對比較陡峭，演化的結(jié)果比較明顯。隨著時間的推移，采納用戶曲線依然呈上升趨勢，但變化的幅度不太明顯。（4）普通用戶在認(rèn)知轉(zhuǎn)變速率變量的調(diào)節(jié)下，用戶狀態(tài)逐漸由普通用戶演化為潛在用戶。潛在用戶達(dá)到最大值后，潛在用戶狀態(tài)曲線呈急速下降趨勢，而普通用戶狀態(tài)曲線與潛在用戶狀態(tài)曲線相交于兩條曲線都呈現(xiàn)下降過程中，表明在狀態(tài)演化的初期，普通用戶的測量變量對用戶狀態(tài)的演化發(fā)生作用力較大，隨時時間的推移，用戶在演化至采納用戶狀態(tài)時，潛在用戶的測量變量成為主要推動力量，普通用戶的測量變量作用較小。

圖3 知識分享社區(qū)用戶知識采納行為的用戶狀態(tài)演化特征

3.2.2 用戶行為特征演化分析

依據(jù)研究數(shù)據(jù)，則OrdinaryUser=12060，BehaviorAttitude=0.65，BehaviorIntention=0.31，KnowledgeValue=0.013，UserPerception=0.98。設(shè)KnowledgeSharingCommunityFactor =0.001，EnvironmentalFactor=0.5，UserFactor =0.01。知識分享社區(qū)用戶采納的用戶行為表現(xiàn)主要三種特征，即用戶認(rèn)識興趣的行為特征、用戶評估選擇的行為特征和用戶行為生成的行為特征，用戶三種行為特征具有一定的差異性，如圖4所示，其中縱坐標(biāo)表示用戶數(shù)量，橫坐標(biāo)表示單位時間，在常量取不同參數(shù)值時，三種不同用戶狀態(tài)隨著單位時間的變化而產(chǎn)生的曲線變化。用戶行為的演化特征主要有三點(diǎn)：（1）在用戶認(rèn)識興趣階段，在知識分享社區(qū)因素的影響下，用戶的行為態(tài)度和和行為傾向驅(qū)動用戶行為的改變，用戶認(rèn)知興趣曲線呈現(xiàn)急速下降趨勢，且下降幅度逐漸平緩。表明知識分享社區(qū)用戶知識采納行為生成的初期階段，用戶行為特征表現(xiàn)突出，行為態(tài)度和行為傾向成為主要驅(qū)動因子。（2）用戶評估選擇階段，在環(huán)境因素的影響下，知識分享社區(qū)提供的知識價值驅(qū)動潛在用戶行為改變，用戶評估選擇曲線開始呈上升趨勢，然后呈下降趨勢，并且整個曲線變化幅度不大。表明，在特定環(huán)境下，知識價值成為影響用戶行為發(fā)生改變的重要因素，知識價值越大，用戶分享和利用的可能性越大。用戶對知識價值進(jìn)行評估，進(jìn)而進(jìn)行選擇。（3）在用戶行為生成階段，在用戶因素的影響下，用戶感知的易用性和有用性促進(jìn)了用戶狀態(tài)的變化，用戶行為生成曲線開始呈現(xiàn)快速上升趨勢，曲線陡峭，達(dá)到一定峰值后呈現(xiàn)下降趨勢，下降幅度較大。在用戶屬性特定條件下，用戶對知識感知的易用性和有用性，影響用戶行為的生成，且不同時段下，用戶行為生成的表現(xiàn)特征和呈現(xiàn)結(jié)果也具有一定的差異。

圖4 知識分享社區(qū)用戶知識采納行為的用戶行為演化特征

3.2.3 影響因素演化特征分析

依據(jù)研究數(shù)據(jù)，知識分享社區(qū)用戶行為演化的影響因素主要有知識分享社區(qū)因素、環(huán)境因素和用戶因素。在其他條件不變情況下，三種不同影響因素設(shè)置不同參數(shù)取值，觀察用戶行為變化曲線的變化態(tài)勢。Ordinary-User=12060，BehaviorAttitude=0.65，BehaviorIntention=0.31，KnowledgeValue=0.013，UserPerception=0.98。KnowledgeSharingCommunityFactor、EnvironmentalFactor和UserFactor取三種不同的參數(shù)值。如圖5所示。圖5（a）、（b）、（c）中，縱坐標(biāo)表示用戶數(shù)量，橫坐標(biāo)表示單位時間，在變量和常量的作用下三種不同狀態(tài)的用戶數(shù)量隨著單位時間的變化而產(chǎn)生的曲線變化，知識分享社區(qū)用戶知識采納行為影響因素的演化特征主要有三點(diǎn)：（1）如圖5（a），當(dāng)KnowledgeSharingCommunityFactor分別取值為0.001，0.005和0.009時，EnvironmentalFactor和UserFactor取值不發(fā)生變化下，在用戶認(rèn)知興趣階段，知識分享社區(qū)因素對用戶認(rèn)識興趣變量的影響，普通用戶的曲線變化都呈現(xiàn)下降趨勢，且曲線的變化幅度不大，幅度比較平緩，表明知識分享社區(qū)因素對用戶行為的演化作用較小。（2）如圖5（b），當(dāng)EnvironmentalFactor分別取值為0.1，0.5和0.9時，KnowledgeSharingCommunityFactor和UserFactor取值不發(fā)生變化下，在用戶評估選擇階段，環(huán)境因素對用戶評估選擇變量的影響，潛在用戶曲線在一定階段時間內(nèi)呈上升趨勢，然后出現(xiàn)下降趨勢，且曲線的峰值逐漸變小。結(jié)果表明，環(huán)境因素對知識社區(qū)用戶知識采納行為的影響在不同階段具有一定的差異，且作用也不相同。（3）如圖5（c），當(dāng)UserFactor分別取值為0.01，0.05和0.09時，KnowledgeSharingCommunityFactor和EnvironmentalFactor取值不發(fā)生變化下，在用戶行為生成階段，用戶因素對用戶行為生成的影響，用戶采納曲線呈上升趨勢，當(dāng)用戶因素取較大值時，曲線的變化態(tài)勢越來越陡峭，變化幅度比較明顯。結(jié)果表明，用戶因素對知識社區(qū)用戶知識采納行為的生成具有重要影響作用。

圖5 知識分享社區(qū)用戶知識采納行為的影響因素演化特征

4 結(jié)論與討論

文章融合創(chuàng)新擴(kuò)散理論和計(jì)劃行為理論，研究知識分享社區(qū)用戶知識采納行為的生成機(jī)理和演化特征具有重要的理論價值和實(shí)踐意義。在理論層面，文章依據(jù)創(chuàng)新擴(kuò)散理論和計(jì)劃行為理論，將創(chuàng)新擴(kuò)散理論的不同階段和計(jì)劃行為理論的不同要素相融合，構(gòu)建了知識分享社區(qū)用戶知識采納行為研究的理論框架，分析知識分享社區(qū)用戶知識采納行為的生成機(jī)理和用戶狀態(tài)演化特征、用戶行為演化特征和影響因素演化特征，細(xì)粒度刻畫不同用戶的知識采納行為，從微觀角度把握用戶在知識分享社區(qū)的不同呈現(xiàn)行為，構(gòu)建了用戶理論模型并利用實(shí)證數(shù)據(jù)來進(jìn)行檢驗(yàn)，一定程度上豐富了用戶知識采納行為的研究思路和視野，為分析和研究知識分享社區(qū)用戶信息行為提供理論參考。在實(shí)踐價值方面，對知識分享社區(qū)用戶知識采納行為的不同呈現(xiàn)狀態(tài)、不同行為表現(xiàn)和不同影響因素的生成規(guī)律和演化特征進(jìn)行分析，進(jìn)一步探討用戶知識采納行為的行為過程，從不同階段分析用戶的行為演化特征，為知識社區(qū)平臺管理者和經(jīng)營者利用人工干預(yù)和行為介入的方式改進(jìn)知識分享社區(qū)環(huán)境和形式，方便不同層次的用戶更好地利用知識分享社區(qū)進(jìn)行隱形知識的自我表達(dá)和呈現(xiàn)，不斷豐富社區(qū)知識分享內(nèi)容，調(diào)整知識分享社區(qū)的管理運(yùn)營模式、方式和策略，促進(jìn)信息分享和知識利用，發(fā)揮知識的價值具有重要實(shí)踐意義。