網(wǎng)絡(luò)社區(qū)中知識動員雙元結(jié)構(gòu)

姚 偉，周 鵬，于會伶，吳雅倩

(天津科技大學(xué)，天津 300222)

1 研究背景

互聯(lián)網(wǎng)的快速發(fā)展以及數(shù)字技術(shù)的多階應(yīng)用加速了社會交互行為的場域流動，社會交互過程的知識需求也伴隨著數(shù)字空間穿梭在網(wǎng)絡(luò)社區(qū)與現(xiàn)實生活中。知識在需求者、時間和空間的多維組合中不斷流轉(zhuǎn)與衍生創(chuàng)造價值，并成為社會發(fā)展持續(xù)進步的動力源泉，這也體現(xiàn)了知識在社會實踐中的價值［1］。在知識經(jīng)濟時代，知識的價值體現(xiàn)伴隨著數(shù)字網(wǎng)絡(luò)的發(fā)展被無限放大，網(wǎng)絡(luò)社區(qū)、短視頻、自媒體等知識傳播媒介隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展愈演愈烈，成為數(shù)字時代背景下面向組織或個人的新型知識實踐社區(qū)［2］。后疫情時代，網(wǎng)絡(luò)社區(qū)的發(fā)展為適應(yīng)數(shù)智化的服務(wù)加快了步伐，需求本體能夠根據(jù)其意愿在網(wǎng)絡(luò)社區(qū)中進行知識的獲取、互動、交互和分享，網(wǎng)絡(luò)社區(qū)也成為知識行為和知識數(shù)據(jù)的主要聚集地。網(wǎng)絡(luò)社區(qū)的環(huán)境與服務(wù)促進了知識需求者的交互意愿，更能體現(xiàn)數(shù)字時代的用戶知識行為特征，對于推動知識的生活化與社會化在網(wǎng)絡(luò)流轉(zhuǎn)與現(xiàn)實實踐之間的交互衍生發(fā)揮了積極作用。知識動員作為一種社會活動發(fā)生在組織、團體或個人的不同層面，而知識共享作為知識動員的核心環(huán)節(jié)至關(guān)重要，網(wǎng)絡(luò)社區(qū)作為知識共享的聚集地，對于研究知識動員的行為結(jié)構(gòu)提供了新型的實踐場所［3］。網(wǎng)絡(luò)社區(qū)中的組織成員通過自身知識的價值化與行動化，在交互與實踐的共享中提煉自身的知識，逐步聚集發(fā)展成為組織的知識脈絡(luò)進行知識創(chuàng)新。以網(wǎng)絡(luò)社區(qū)為據(jù)點研究知識行為成為新的研究熱點［4］。國內(nèi)外知識動員、網(wǎng)絡(luò)社區(qū)的相關(guān)研究都取得了較大進展，然而，網(wǎng)絡(luò)社區(qū)中知識行為的多元形式與知識動員的多階參與結(jié)構(gòu)研究較少?，F(xiàn)有的研究少有涉及網(wǎng)絡(luò)社區(qū)中知識生產(chǎn)者與知識需求者如何開展知識動員，且研究維度單一?；诖耍疚膹亩嗑S度出發(fā)，運用混合方法剖析網(wǎng)絡(luò)社區(qū)中知識動員行為結(jié)構(gòu)，為網(wǎng)絡(luò)社區(qū)中知識動員研究提供參考，促進網(wǎng)絡(luò)社區(qū)中知識行為組織化和價值化。

2 文獻綜述

2.1 知識動員

后知識服務(wù)時代，知識動員的相關(guān)研究已經(jīng)發(fā)展成為知識管理的核心內(nèi)容。知識動員是加拿大人文社會科學(xué)領(lǐng)域用于改善研究實踐內(nèi)容，推動研究成果向?qū)嵺`價值轉(zhuǎn)化而提出的概念［5］。知識動員沒有明確的定義，它關(guān)注知識行為過程中的創(chuàng)新與服務(wù)，為實現(xiàn)知識價值最大化而采取一些實際行動去激勵組織或個體積極參與知識活動，從而達到知識應(yīng)用范圍擴大與知識價值增值的目標(biāo)［6］。知識動員強調(diào)知識高效傳播與共享，推動知識成果向?qū)嵺`應(yīng)用的轉(zhuǎn)化，助力知識在傳播過程中實現(xiàn)迭代與融合。

國外許多學(xué)者將知識動員概括為需要特定知識來告知其實踐的人向擁有這種知識的其他人學(xué)習(xí)的過程，在組織中，知識的有效跨界動員是組織有效運作的關(guān)鍵［7］。在教育領(lǐng)域，已有研究表明專業(yè)學(xué)習(xí)網(wǎng)絡(luò)下的知識動員結(jié)構(gòu)有利于組建高水平的師資團隊；在工業(yè)領(lǐng)域，知識動員能有效將科研成果進行實踐轉(zhuǎn)化；如國內(nèi)學(xué)者姚偉等［8］率先對知識動員的涵蓋范圍、目的和作用、面向?qū)ο?、技術(shù)視角、動員過程、動員實質(zhì)和動員功能等進行了系統(tǒng)的描述；對于高新企業(yè)而言，有研究構(gòu)建了知識動員對知識進化的影響路徑模型，研究了強弱知識基礎(chǔ)企業(yè)之間的知識動員效果，為提高企業(yè)內(nèi)部知識的適應(yīng)性和變異性做了理論基礎(chǔ)。此外，在教育政策制定與改革領(lǐng)域知識動員的相關(guān)研究也取得了巨大進展。

2.2 網(wǎng)絡(luò)社區(qū)

網(wǎng)絡(luò)社區(qū)伴隨著數(shù)字互聯(lián)網(wǎng)的發(fā)展風(fēng)生水起，已經(jīng)成為大數(shù)據(jù)時代社會化交互的實踐基地，其作為移動的數(shù)字?jǐn)?shù)據(jù)基地受到越來越多學(xué)者關(guān)注?！吧鐓^(qū)”一詞是德國社會學(xué)家于1887 年帶入社會學(xué)視野，用來表征近代社會的整體變遷模式。數(shù)字互聯(lián)網(wǎng)的出現(xiàn)催生了各種形式的社交化網(wǎng)絡(luò)社區(qū)，Howard［9］1993 年將虛擬社區(qū)的概念表述為虛擬網(wǎng)絡(luò)空間的需求者參與活動并持續(xù)與他人保持互動的網(wǎng)絡(luò)關(guān)系。此后，國內(nèi)外學(xué)者對網(wǎng)絡(luò)社區(qū)的交互研究開始水漲船高。在知識管理領(lǐng)域，網(wǎng)絡(luò)社區(qū)成員通過社會化交互完成知識共享，促進了技術(shù)平臺與社區(qū)成員認(rèn)知的統(tǒng)一［10］；從社會網(wǎng)絡(luò)視角研究通過網(wǎng)絡(luò)社區(qū)完成信息交換與分享并轉(zhuǎn)換認(rèn)知身份獲得歸屬感和情感認(rèn)同［11］。網(wǎng)絡(luò)社區(qū)逐步成為人們交互和分享的核心區(qū)，成員的信息交流在互聯(lián)網(wǎng)的加持下突破了時間和空間的桎梏，在其專業(yè)化的平臺服務(wù)和動員的基礎(chǔ)上逐步形成了社交知識化和知識社交化的網(wǎng)絡(luò)社區(qū)文化，網(wǎng)絡(luò)社區(qū)已經(jīng)成為各界學(xué)者進行網(wǎng)絡(luò)實踐的研究基地［12］。

2.3 混合方法研究

混合方法研究思潮的誕生伴隨著社會科學(xué)與交叉社會科學(xué)的發(fā)展愈演愈烈，數(shù)字互聯(lián)網(wǎng)的誕生和發(fā)展帶來了人們社會交互方式的變革，混合方法研究在學(xué)術(shù)研究復(fù)雜性日益突出的背景下受到越來越多的重視［13］。國內(nèi)外的學(xué)者對于混合方法研究尚未有統(tǒng)一的范式標(biāo)準(zhǔn)，Pawson 等［14］提出將定性與定量研究方法進行結(jié)合用以應(yīng)對社會科學(xué)研究過程中多面的、多維度、多視角的復(fù)雜社會行為；Bryman［15］研究認(rèn)為大多數(shù)融合定量與定性方法的研究是為了強化和完整測量研究結(jié)果的解釋性。在國內(nèi)針對混合方法研究范式也有了一些進展，大都停留在對混合方法研究的演變歷史和具體研究應(yīng)用方面進行探討［16］。本文所探討的混合方法研究主張從數(shù)據(jù)的復(fù)雜化結(jié)構(gòu)出發(fā)，以多維度、多視角、多元化的解釋路徑挖掘復(fù)雜結(jié)構(gòu)數(shù)據(jù)的整體解釋能力?；旌戏椒ú⒉皇呛唵蔚亩ㄐ院投糠椒ㄟM行組合，而是一種通過分析復(fù)雜數(shù)據(jù)結(jié)構(gòu)的特征，客觀選擇定性與定量研究方法融合整體性去解釋復(fù)雜數(shù)據(jù)所蘊含的整體運行規(guī)律的研究范式和方法論。從時間、空間和內(nèi)容3 個維度進行三維一體的系統(tǒng)論、協(xié)同論和整體論研究分析，進一步豐富了混合方法研究范式的發(fā)展路徑。

3 研究設(shè)計與分析

通過網(wǎng)絡(luò)爬蟲技術(shù)獲取網(wǎng)絡(luò)社區(qū)（B 站視頻）的用戶數(shù)據(jù)及社區(qū)話題視頻的所有用戶評論數(shù)據(jù)，觀察社區(qū)話題知識行為的整個生命周期迭代過程；運用Gephi 軟件建立用戶間的社交網(wǎng)絡(luò)關(guān)系；運用Nvivo12 質(zhì)性分析軟件對評論內(nèi)容進行分析。最后，建立雙元結(jié)構(gòu)的路徑優(yōu)化模型，得到網(wǎng)絡(luò)社區(qū)中知識動員的雙元結(jié)構(gòu)模型并進行深入探析。

3.1 對象選擇與數(shù)據(jù)處理

B 站平臺作為使用人數(shù)最多、評論參與度最高、用戶互動頻率最高的數(shù)據(jù)庫，對研究網(wǎng)絡(luò)社區(qū)中知識動員行為結(jié)構(gòu)具有代表性和解釋性。本研究選擇“有哪些好用的記筆記小技巧”這一話題，在學(xué)習(xí)過程中知識需求者對記筆記的方法關(guān)注度較高，且此話題適應(yīng)人群范圍較廣。針對這一話題的相關(guān)視頻進行知識動員讓更多的知識需求者學(xué)習(xí)到做高效筆記的方法和技巧，通過研究其知識動員的行為結(jié)構(gòu)和運行機制，可以更好地將知識需求者的行為路徑和知識實踐價值化，以提高知識傳播共享效率。

此次研究收集的用戶數(shù)據(jù)包括：視頻標(biāo)題、視頻標(biāo)簽、視頻發(fā)布時間、視頻發(fā)布者昵稱、視頻總播放數(shù)、視頻點贊數(shù)、視頻分享數(shù)、視頻收藏數(shù)、視頻總評論數(shù)、評論人昵稱、評論創(chuàng)建時間、評論內(nèi)容和評論內(nèi)容的點贊數(shù)。使用“八爪魚”爬蟲軟件從嗶哩嗶哩網(wǎng)站爬取關(guān)于“有哪些好用的記筆記小技巧”這一話題的視頻信息，總共采集到153 條數(shù)據(jù)，時間是2017 年10 月至2022 年4 月，以及6個視頻總播放量最多的視頻評論數(shù)據(jù)總共3 754 條，具體數(shù)據(jù)信息如下表1 所示。

表1 選取數(shù)據(jù)的具體信息

3.2 研究結(jié)果分析

運用混合方法，即時間序列、社會關(guān)系網(wǎng)絡(luò)分析和扎根理論編碼技術(shù)等分析方法對所收集的數(shù)據(jù)進行三維一體的立體化分析，探尋知識需求者在網(wǎng)絡(luò)社區(qū)空間下進行知識動員的行為結(jié)構(gòu)。

3.2.1 時間序列分析

對選定的UP 主視頻評論進行整理，對評論發(fā)表時間、評論數(shù)和點贊數(shù)進行統(tǒng)計分析，以發(fā)布日期為橫軸，每月評論數(shù)為左側(cè)縱軸，每月點贊數(shù)為右側(cè)縱軸，繪制出表現(xiàn)用戶活躍度的時間序列圖如圖1 示。在2017 年10 月、2018 年2 月、2018 年8 月、2019 年2 月、2019 年8 月和2020 年2 月形成了特定時期的峰值點，峰值的出現(xiàn)表征著新知識和討論熱點的出現(xiàn)，且該視頻的評論數(shù)和點贊數(shù)的折線整體趨勢基本保持一致，呈山丘狀分布，每個活躍階段都有其相應(yīng)的生命周期，都會經(jīng)歷從發(fā)布、成長、高潮到衰落4 個階段。波峰和波谷是整個話題生命周期中的組成部分，網(wǎng)絡(luò)社區(qū)用戶間持續(xù)的知識交互活動會對波谷到波峰的每次轉(zhuǎn)化造成影響，在知識交流活動的衰落期會出現(xiàn)小幅度的波峰，其數(shù)量遠遠小于發(fā)布時的評論和點贊總量，但因其視頻內(nèi)容和評論的有用性，以及相關(guān)知識關(guān)注度，其生命周期在經(jīng)歷短暫的衰落之后，還有可能再次成長達到新的高潮。

圖1 用戶活躍度時間序列

參照各時段的評論內(nèi)容，可以發(fā)現(xiàn)各時間段的用戶評論對視頻中所包含的知識問題進行了詳細地總結(jié)和概括并提出了自己的想法和建議。在互動過程中進行有效的知識交互，大部分知識分享者都得到了UP 主和其他知識需求者的認(rèn)同和贊賞，這無疑強化了知識需求者進行知識動員的行為意愿。在網(wǎng)絡(luò)社區(qū)中，如果想要維持社區(qū)話題的活躍度，就需要持續(xù)不斷的知識需求者參與到知識動員的活動中來，網(wǎng)絡(luò)社區(qū)中知識動員的關(guān)鍵是要建立社區(qū)成員知識高效共享的文化環(huán)境，建立鼓勵并吸引用戶持續(xù)關(guān)注和參與話題的共享機制。

3.2.2 社會網(wǎng)絡(luò)分析

梳理清各評論者和回復(fù)者誰是知識動員過程中的中心發(fā)起人與知識的重要傳播者至關(guān)重要，通過對記筆記話題視頻數(shù)據(jù)中的參與者（評論者和回復(fù)者）進行交互分析，繪制各參與者之間的社會網(wǎng)絡(luò)關(guān)系圖。

在話題視頻的評論中，一些用戶在瀏覽了某一條評論后會對該評論做出回復(fù)，他們的回復(fù)內(nèi)容和該評論內(nèi)容所傳達的知識信息存在相同性和異質(zhì)性，這些用戶會闡明自己對于該評論內(nèi)容是否認(rèn)同，甚至還會和評論者對新引進的相關(guān)話題知識進行交互討論。一次知識動員的完成是指知識信息從視頻發(fā)布者傳遞給評論者，之后又由評論者將知識傳遞到回復(fù)者。在知識動員的過程中，知識的外向傳遞和分散蔓延是持續(xù)不斷的，且在知識動員活動中通過社區(qū)評論者和回復(fù)者對相關(guān)知識的分享交流，還會出現(xiàn)新的見解和知識，這不僅使知識得以延伸和價值化，還完成了知識的交換和更新。

選取一個視頻的評論內(nèi)容，形成評論者與回復(fù)者之間進行交互的二維表，導(dǎo)入到Gephi 軟件中進行社會網(wǎng)絡(luò)分析，如圖2 所示。為了探究參與視頻內(nèi)容交流，知識傳播的用戶間關(guān)聯(lián)度，節(jié)點表示評論者和回復(fù)者的昵稱和交互度，知識動員連線是評論者與回復(fù)者間的互動，在評論中表現(xiàn)最積極踴躍且最具感召力的參與者是“噔噔噔噔瞪”“甘狄拔掛件”“谷咕汐”等，這些參與者會憑借自身的影響力形成局部的知識動員。

圖2 用戶的社會網(wǎng)絡(luò)關(guān)系

為了探究視頻內(nèi)容評論者與回復(fù)者之間的交互關(guān)系，采用Gephi 軟件的ForceAtlas2 布局算法對數(shù)據(jù)進行動態(tài)網(wǎng)絡(luò)分析，構(gòu)建出基于ForceAtlas2 布局算法的星云圖，如圖3 所示。網(wǎng)絡(luò)最外層有很多分散點，他們是緘默者和不活躍的參與者，參與者間互動較少。知識動員結(jié)構(gòu)的中心是核心評論生產(chǎn)者，通過關(guān)鍵的知識分享者與外層的分散點（非活躍參與者）相連，網(wǎng)絡(luò)中的節(jié)點形態(tài)越大，表明該用戶的評論內(nèi)容越有吸引力，互動程度也越高，評論和回復(fù)數(shù)量越多，包含的有深度的知識信息就越多。

圖3 用戶數(shù)據(jù)基于ForceAtlas2 布局算法星云圖

網(wǎng)絡(luò)結(jié)構(gòu)表明，小部分的評論發(fā)起者提出或分享知識，不僅可以引導(dǎo)用戶們對該視頻話題進行互動，還會對整個知識動員的過程產(chǎn)生較大影響。此外，在網(wǎng)絡(luò)社區(qū)中開展的知識動員活動，有部分用戶對參與活動沒有較高的主動性，說明評論參與者間的知識動員存在不均衡現(xiàn)象，他們沒有積極地在網(wǎng)絡(luò)社區(qū)中和其他參與者互動交流，沒有積極地將自身知識通過知識動員傳遞分享給其他知識需求者，這部分用戶在評論區(qū)中作為緘默者，他們發(fā)表評論但不參與知識動員活動，只是通過觀察其他用戶的討論收獲來自網(wǎng)絡(luò)社區(qū)中動員用戶在評論區(qū)分享的知識。因此，在后期知識動員過程中，應(yīng)采取措施鼓勵參與者們積極地參與到知識動員活動中來，加速構(gòu)建社區(qū)成員知識高效共享的動員環(huán)境，形成鼓勵并吸引更多用戶持續(xù)關(guān)注和參與話題的知識動員機制。

3.2.3 內(nèi)容維度分析

知識需求者進行知識動員的行為主動性取決于知識動員者共享知識內(nèi)容的價值。對爬取的視頻用戶評論數(shù)據(jù)進行文本分析，了解知識動員過程中的行為影響因素，對于構(gòu)建網(wǎng)絡(luò)社區(qū)中知識動員的行為結(jié)構(gòu)十分重要［17］。

（1）交互內(nèi)容主題分析。將視頻分享的評論內(nèi)容和回復(fù)內(nèi)容文本數(shù)據(jù)導(dǎo)入Nvivo12 質(zhì)性分析軟件，經(jīng)過詞頻分析，生成詞頻分析文檔，繪制出主題詞云圖，如圖4 所示。該話題視頻的關(guān)鍵詞主要集中在筆記、喜歡、學(xué)習(xí)、視頻、iPad、方法、時間等方面，這些關(guān)鍵詞構(gòu)成了網(wǎng)絡(luò)社區(qū)中知識動員的主題，也體現(xiàn)了該話題視頻的主題知識價值［18］。B 站社區(qū)中的評論去中心化后，形成了局部的知識動員主題群聚效應(yīng)，與記筆記相關(guān)的視頻是否包含圖中相應(yīng)的知識信息會影響用戶參與知識動員的意愿，圖中相應(yīng)的知識信息是否存在于話題（記筆記）視頻當(dāng)中，會對用戶是否愿意參加知識動員產(chǎn)生影響，這也是用戶開展知識動員時最關(guān)注的問題。B 站社區(qū)對瀏覽、評論和彈幕沒有限制，用戶可以根據(jù)自己的需求和意愿去參與話題討論，也可以只選擇瀏覽旁觀或者直接退出，所以，推動網(wǎng)絡(luò)社區(qū)中知識動員的動因是個體知識參與者要對話題進行討論并逐漸形成一個龐大的組織結(jié)構(gòu)來推動知識動員［19］。

圖4 知識動員相關(guān)視頻用戶評論詞云

（2）數(shù)據(jù)內(nèi)容編碼分析。利用Nvivo12 軟件對用戶評論數(shù)據(jù)進行編碼和分析，挖掘出網(wǎng)絡(luò)社區(qū)中知識動員的話題結(jié)構(gòu)和編碼之間的關(guān)系。首先，在收集的數(shù)據(jù)中選擇708 個參考點，作為初級編碼（即自由節(jié)點）；其次，在評論數(shù)據(jù)中可以發(fā)現(xiàn)，參與者之間具備一對一、一對多和多對多的網(wǎng)絡(luò)社區(qū)互動特性，因此，將創(chuàng)建節(jié)點編碼時初級編碼作為重點，整合這些自由節(jié)點并將其歸納到13 個樹節(jié)點中；最后，根據(jù)第二步歸納出來的樹節(jié)點編碼，進行深層次的提煉歸納，得到最高層編碼，即新媒體視頻領(lǐng)域中知識動員的6 個主要因素，如表2 所示，它們分別是動員行動歸因、動員雙元拓撲、動員認(rèn)知角色、動員目標(biāo)衍生、動員媒介轉(zhuǎn)譯和動員過程轉(zhuǎn)置［1］。

如表3 所示，知識動員數(shù)智拓撲的編碼數(shù)量是190 個，所涵蓋的自由節(jié)點最多，且權(quán)重也是最高的，這體現(xiàn)了在知識動員過程中，用戶最關(guān)注的是動員數(shù)智拓撲所包含的知識內(nèi)容［20］。這也是知識動員參與者之間交流互動頻率最高、涉及到的相關(guān)話題知識范圍最廣的一個關(guān)鍵因素。同理，知識動員參與者關(guān)注的焦點還包括涉及動員心智拓撲、筆記處理方式等知識內(nèi)容的評論。

表3 視頻領(lǐng)域知識動員編碼結(jié)果 單位：個

圖5 展示的是文本中編碼的節(jié)點對編碼參考點的可視化，觀察可以發(fā)現(xiàn)，編碼分布不均衡，動員雙元拓撲和動員過程轉(zhuǎn)置這兩個節(jié)點占評論內(nèi)容的7/10 左右，而動員認(rèn)知角色、動員媒介轉(zhuǎn)譯、動員目標(biāo)衍生、動員行動歸因這4 個節(jié)點所占評論內(nèi)容不足3/10，雖然其編碼包含的知識內(nèi)容都比較具有代表性，但仍需要提高這4 個動員模式對整體知識動員的作用，以提高其對知識動員的知識貢獻度［21］。

圖5 視頻領(lǐng)域知識動員編碼參考點可視化

（3）節(jié)點矩陣編碼分析。利用Nvivo12 軟件對內(nèi)容節(jié)點進行矩陣編碼分析，以動員數(shù)智拓撲和動員心智拓撲這兩個節(jié)點為橫坐標(biāo)，以動員過程轉(zhuǎn)置、動員媒介轉(zhuǎn)譯、動員目標(biāo)衍生、動員認(rèn)知角色和動員行動歸因為矩陣縱坐標(biāo)，分析結(jié)果如表4 示。在動員認(rèn)知角色中，關(guān)于動員數(shù)智拓撲的編碼是36，關(guān)于動員心智拓撲的編碼是35；在動員過程轉(zhuǎn)置中，關(guān)于動員數(shù)智拓撲的編碼是32，關(guān)于動員心智拓撲的編碼是36，其他情況以此類推。我們發(fā)現(xiàn)，動員認(rèn)知角色過程中有關(guān)動員雙元拓撲的編碼最多，對促進網(wǎng)絡(luò)社區(qū)中知識動員的影響最大，從編碼矩陣中還可以發(fā)現(xiàn)，主要依靠動員認(rèn)知角色、動員過程轉(zhuǎn)置和動員媒介轉(zhuǎn)譯等來推動知識動員活動，而在知識動員活動中，主要是通過動員數(shù)智拓撲和動員心智拓撲來開展知識動員［22］。

表4 視頻領(lǐng)域知識動員節(jié)點矩陣編碼分析

（4）案例矩陣編碼分析。對5 個案例進行矩陣編碼分析，以_19doublew、Wendy_vibes、是你們的康康、桃月二十酒和一條正弦為橫軸，以動員過程轉(zhuǎn)置、動員媒介轉(zhuǎn)譯、動員目標(biāo)衍生、動員認(rèn)知角色、動員雙元拓撲和動員行動歸因為矩陣縱軸，分析結(jié)果如表5 示。在動員過程轉(zhuǎn)置、動員媒介轉(zhuǎn)譯、動員目標(biāo)衍生、動員認(rèn)知角色、動員雙元拓撲和動員行動歸因中，_19doublew 案例編碼分別是51、14、11、12、67、0；Wendy_vibes 案例編碼分別是38、14、0、0、27、6；是你們的康康案例編碼分別是30、12、10、17、14、0；桃月二十酒案例編碼分別是15、0、8、11、22、16；一條 正弦案例編碼分別是43、0、0、21、59、2。通過案例矩陣編碼可以發(fā)現(xiàn)，動員雙元拓撲對這5 個案例的影響最大，在其評論內(nèi)容中占比最多，主要以動員雙元拓撲來實施知識動員活動，其次是動員過程轉(zhuǎn)置在這5 個案例的知識動員活動中影響最大。

表5 案例矩陣編碼分析

（5）節(jié)點聚類分析。使用Nvivo12 對節(jié)點進行編碼相似性聚類分析，繪制出如圖6 所示的知識動員相似性聚類模型。從圖中可以發(fā)現(xiàn)動員心智拓撲、動員雙元拓撲、動員數(shù)智拓撲、動員過程轉(zhuǎn)置、筆記電子載體、筆記處理方式等25 個節(jié)點的編碼密度，這些節(jié)點編碼相互作用，動態(tài)影響，這25 個節(jié)點編碼對網(wǎng)絡(luò)社區(qū)的知識動員規(guī)模和穩(wěn)固水平起決定性作用［23］。

圖6 知識動員節(jié)點相似性聚類模型

從不同編碼節(jié)點間連線的密集情況可以看出聚類程度的大小，根據(jù)聚類模型可以發(fā)現(xiàn)，個體筆記展示、筆記處理方式、筆記電子載體、筆記觀后體驗等節(jié)點連線密集，聚類程度較大，說明用戶間互動較為頻繁，討論內(nèi)容較多，對這些方面的知識更感興趣，知識需求行為加速，而筆記分享功能、筆記視圖展示、高中階段筆記、筆記展現(xiàn)方式、筆記目標(biāo)內(nèi)容、筆記學(xué)科差異、筆記整理方法等節(jié)點連線明顯稀疏，聚類程度較低，呈現(xiàn)內(nèi)容較少，因此，需要通過更多的辦法鼓勵用戶多參與知識交流，在社群中多互動分享自身知識，以提升網(wǎng)絡(luò)社區(qū)中的知識組織水平，讓知識內(nèi)容更加豐富，提高知識動員的效果。

4 網(wǎng)絡(luò)社區(qū)中知識動員雙元結(jié)構(gòu)模型

經(jīng)過上述多維度分析，構(gòu)建了如圖7 所示的知識動員雙元結(jié)構(gòu)模型，從模型中可以發(fā)現(xiàn)，6 個節(jié)點的作用是相輔相成、不可或缺的，缺少任何一個節(jié)點都會對網(wǎng)絡(luò)社區(qū)中的知識動員造成影響，知識動員雙元結(jié)構(gòu)模型由知識動員雙元拓撲作為核心連接其他5 個節(jié)點，驅(qū)動知識動員活動參與者進行知識的交流互動［24］。知識動員雙元拓撲由數(shù)智拓撲和心智拓撲構(gòu)成，由行動歸因、目標(biāo)衍生、認(rèn)知角色、過程轉(zhuǎn)置和媒介轉(zhuǎn)譯的知識內(nèi)容驅(qū)動。

圖7 知識動員雙元結(jié)構(gòu)模型

知識動員雙元結(jié)構(gòu)根據(jù)知識內(nèi)容的不同，分成5 種驅(qū)動模式：第一種是利用知識動員雙元拓撲驅(qū)動過程轉(zhuǎn)置，將知識賦能給目標(biāo)衍生，最后將目標(biāo)衍生的知識根植于行動歸因中，完成知識動員的演化；第二種是不經(jīng)過知識賦能，直接利用知識動員雙元拓撲驅(qū)動目標(biāo)衍生知識，將其根植于行動歸因中，完成知識動員的演化；第三種是利用知識動員雙元拓撲驅(qū)動媒介轉(zhuǎn)譯，以此來促生認(rèn)知角色，再綜合認(rèn)知角色知識衍化為行動歸因，完成知識動員的演化；第四種是由知識動員雙元拓撲直接驅(qū)動認(rèn)知角色的知識衍化為行動歸因，完成知識動員的演化；第五種是過程轉(zhuǎn)置和媒介轉(zhuǎn)譯伴隨著知識動員雙元拓撲直接驅(qū)動行動歸因來完成知識動員的演化。

雙元結(jié)構(gòu)的知識動員演化過程與網(wǎng)絡(luò)社區(qū)的發(fā)展密切相關(guān)，社區(qū)內(nèi)用戶的整體組成結(jié)構(gòu)以及他們之間的互動關(guān)系均會對知識動員效果產(chǎn)生影響。模型中的知識賦能和知識促生不僅僅是賦予能力和促進知識產(chǎn)出，更重要的是激發(fā)目標(biāo)衍生和認(rèn)知角色中主體參與者自身的能力，激活主體知識，喚醒其知識創(chuàng)新熱情，鼓勵主體間知識的交流互動，將知識活化，再將其根植或衍化到行動歸因中，實現(xiàn)多元化的知識創(chuàng)新，重塑新的知識體系，以提升知識動員雙元拓撲的知識驅(qū)動力。在前面幾節(jié)對數(shù)據(jù)的分析表明，知識動員過程中存在知識不對稱、不均衡問題，說明有部分知識參與者對這部分知識內(nèi)容并不了解，所以需要推動知識賦能和知識促生空間的形成，吸引更多元知識用戶參與到知識動員活動中來，平衡和補充社區(qū)內(nèi)的知識不對稱。

5 結(jié)論

本研究扎根于現(xiàn)實知識動員網(wǎng)絡(luò)社區(qū)，以B 站視頻用戶評論數(shù)據(jù)為依托，探討了新媒體視頻知識交流社區(qū)中知識生產(chǎn)者和知識需求者如何在雙元結(jié)構(gòu)下開展知識動員，并構(gòu)建出知識動員雙元結(jié)構(gòu)模型，得出如下研究結(jié)論：

（1）網(wǎng)絡(luò)社區(qū)中的知識動員活動由參與者進行驅(qū)動。在網(wǎng)絡(luò)社區(qū)的文化氛圍下知識需求者感知強化的價值關(guān)涉進一步滿足，在數(shù)字偏好的價值主動性驅(qū)動下知識需求者以數(shù)字群體的形式根植于多元形式的網(wǎng)絡(luò)社區(qū)，在多層次需求結(jié)構(gòu)的影響下完成知識聚合，最終動員越來越多的知識需求者進行知識動員，并在網(wǎng)絡(luò)社區(qū)知識動員活動中強化知識軸向作用。在知識動員活動中，參與者間進行知識交互，主動分享交流知識，提高參與者間的互動頻率，深化知識交流層次，使其交流內(nèi)容價值最大化，并以一定程度的知識慣性滿足知識需求者尋求的價值歸宿，形成網(wǎng)絡(luò)社區(qū)中的知識資本。

（2）知識動員活動具有自發(fā)性和自適性。參與用戶是自由的，動員結(jié)構(gòu)是涌現(xiàn)的，知識交互是偶然的，組織基礎(chǔ)是權(quán)變的。網(wǎng)絡(luò)社區(qū)成員生產(chǎn)和消費知識的過程中進行知識動員的時間、空間、內(nèi)容、力度等沒有限制，參與者可以自由地分享和學(xué)習(xí)知識。動員活動根據(jù)用戶自身的實際知識需求自發(fā)發(fā)起，并以知識需求黏性形成知識動員漩渦，而不是預(yù)設(shè)性的知識動員仿生，它可以根據(jù)不同的知識需求演變成相適應(yīng)的知識動員活動，促進異質(zhì)性的參與者間知識交互的關(guān)聯(lián)性，以知識價值擴散式的形式形成超群體知識元結(jié)構(gòu)賦能網(wǎng)絡(luò)社區(qū)知識動員的價值向度。這種知識動員方式有助于增強知識動員活動的吸引力和用戶間的凝聚力，利用參與者間的知識交互，持續(xù)性發(fā)展和強化網(wǎng)絡(luò)社區(qū)中的知識動員活動。

（3）在知識動員活動中，知識動員雙元拓撲驅(qū)動過程轉(zhuǎn)置和媒介轉(zhuǎn)譯，形成知識賦能和知識促生。這種結(jié)構(gòu)的形成是由于參與者在知識動員活動中所處空間的知識不對稱，知識主體（知識生產(chǎn)者）和知識客體（知識需求者）間存在知識偏度效應(yīng)，知識不對稱會造成參與者之間分布不均衡，使得知識認(rèn)知形成差異，不夠多元化。在知識動員活動中，參與者間的知識交流與衍生是知識賦能的基礎(chǔ)，這一點尤其體現(xiàn)在知識動員活動中參與者去中心化時，知識賦能直接將隱性知識價值化，充分發(fā)揮隱性知識的價值，使其價值最大化、行動化，形成更精益且有內(nèi)涵的知識基礎(chǔ)。

綜上所述，在網(wǎng)絡(luò)社區(qū)中，需要建立更多的交互機制和動員機制讓更多的知識分享者參與到網(wǎng)絡(luò)社區(qū)的知識動員中來，進行有效的知識交流與知識衍生，平衡知識差異，共創(chuàng)知識多元化，以強化知識動員效果。