我該如何表達(dá)？在線知識(shí)社區(qū)中語(yǔ)言風(fēng)格對(duì)知識(shí)交互質(zhì)量與滿意度的影響

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A DOI： 10.11968/tsyqb.1003-6938.2025025

How Can I Express Myself？ The Influence of Language Style on the Quality of Knowledge Interaction and Satisfaction in Online Knowledge Communities

Abstract In knowledge communities，language style has asignificant impact on the perceived satisfaction of knowledge recipients and the depth of knowledge interactions.Although existing studies have focused on the qualityand efficiency ofknowledge interaction，they have notfullyexplored theroleof languagestyleinonline Knowledge communities orits impact on knowledge interaction.This study provides new insights into understanding the influencing factors of knowledge interactions in knowledge communities and has important implications forhow tooptimize language style in knowledge communities and improve thequalityof knowledge interactions betweenknowledge producers and recipients.The theoretical hypotheses were proposed based on language expectation theoryand informationquality theory.Then，19，416 knowledge interactionrecords of 346 knowledge contributors in the knowledge community were obtained，andempirical analysis wasconducted usingafixed-effectmodel.Theresultsshow thataprofessonal language stylecould enhance the depth of knowledgeinteraction，butmghtreducetheperceivedsatisfactionofknowledgerecipients.Converselyasocial language stylemay reduce the depth of knowledge interaction but increase the perceived satisfaction of the knowledge receiver.Inaddition，the knowledgeanxiety level of the knowledge receiver also affects the impact of language style on knowledge interaction and perceived satisfaction.

Key words online knowledge communities;knowledge interaction; language style; knowledgeanxiety;information quality

在線知識(shí)社區(qū)（Online Knowledge Communities，OKC）是基于互聯(lián)網(wǎng)平臺(tái)，通過(guò)用戶間的互動(dòng)、分享和討論來(lái)傳播知識(shí)和信息的虛擬社區(qū)[1-2]。這類(lèi)社區(qū)通常具有廣泛的參與者群體，能夠根據(jù)不同的興趣和愛(ài)好形成固定的圈層[3]。OKC（如知乎、Quora、StackOverflow等）的成功源于其具備提供高質(zhì)量知識(shí)以滿足用戶認(rèn)知需求的能力。與傳統(tǒng)社交社區(qū)相比，OKC更注重知識(shí)的創(chuàng)造和傳播，而非個(gè)人情感、新聞或評(píng)論4，因此，知識(shí)的生成、傳播和交互是OKC持續(xù)發(fā)展的重要條件之一。

現(xiàn)有關(guān)于在線知識(shí)社區(qū)（OKC）中知識(shí)交互的研究主要集中在三個(gè)領(lǐng)域：第一，影響因素研究。學(xué)者們探討了知識(shí)交互方式（如社群交流）平臺(tái)功能（如激勵(lì)機(jī)制）以及用戶反饋（如獎(jiǎng)勵(lì)機(jī)制）對(duì)知識(shí)交互行為的影響[5-6]為激勵(lì)用戶參與、提升交互效果和優(yōu)化用戶體驗(yàn)提供了理論支持。第二，交互效果評(píng)估研究。此類(lèi)研究多聚焦于不同平臺(tái)和作者關(guān)系網(wǎng)絡(luò)下知識(shí)交互的實(shí)際效果[7-8]，為評(píng)估OKC的運(yùn)營(yíng)效率和可持續(xù)發(fā)展能力提供了方法依據(jù)。第三，用戶行為特征研究。研究者關(guān)注用戶在知識(shí)交互中的行為表現(xiàn)，如知識(shí)隱藏、持續(xù)更新意愿與知識(shí)付費(fèi)行為[9-]，這些發(fā)現(xiàn)揭示了OKC在用戶層面可能存在的隱憂及其發(fā)展方向。雖然上述研究為理解OKC知識(shí)交互行為提供了多維視角，但從語(yǔ)言風(fēng)格角度探討交互特征與效果的研究仍較為稀缺。語(yǔ)言風(fēng)格不僅體現(xiàn)了知識(shí)輸出者在信息表達(dá)中的策略（如如何吸引用戶關(guān)注、贏得其認(rèn)同），也直接影響交互的實(shí)際成效。已有研究指出，社交語(yǔ)言與專(zhuān)業(yè)語(yǔ)言是OKC中兩種主要的語(yǔ)言風(fēng)格[12-13]。對(duì)知識(shí)接收者而言，專(zhuān)業(yè)語(yǔ)言風(fēng)格可提供更準(zhǔn)確的信息與深度分析，幫助其理解復(fù)雜概念或解決實(shí)際問(wèn)題[14];然而，過(guò)度使用術(shù)語(yǔ)也可能引發(fā)信息過(guò)載，降低理解效率。相比之下，社交語(yǔ)言風(fēng)格能增強(qiáng)互動(dòng)性，營(yíng)造輕松氛圍，提升用戶的參與感，但若內(nèi)容缺乏專(zhuān)業(yè)性，則可能損害用戶對(duì)知識(shí)的信任與滿意度[15]。此外，語(yǔ)言風(fēng)格也反映了知識(shí)接收者的語(yǔ)言期望，不同用戶對(duì)知識(shí)的表達(dá)方式與邏輯組織有著差異化的偏好。因此，深入探討語(yǔ)言風(fēng)格對(duì)知識(shí)交互的影響，不僅有助于優(yōu)化交互質(zhì)量，也有助于提升OKC平臺(tái)的知識(shí)傳播效能，從而推動(dòng)其可持續(xù)發(fā)展。

為了全面評(píng)估語(yǔ)言風(fēng)格對(duì)OKC知識(shí)交互互動(dòng)的影響，本文借鑒了信息質(zhì)量理論和語(yǔ)言預(yù)期理論，構(gòu)建了研究模型并提出相關(guān)假設(shè)。基于OKC平臺(tái)中約20，000條用戶互動(dòng)數(shù)據(jù)，本文發(fā)現(xiàn)專(zhuān)業(yè)性語(yǔ)言風(fēng)格顯著提升了知識(shí)交互的深度，但降低了知識(shí)接收者的感知滿意度；社交性語(yǔ)言則在提升滿意度的同時(shí)抑制了知識(shí)交互深度。此外，知識(shí)輸出內(nèi)容的邏輯性和復(fù)雜性有助于促進(jìn)交互深度，但對(duì)用戶的感知滿意度影響有限。進(jìn)一步分析表明，知識(shí)焦慮顯著調(diào)節(jié)語(yǔ)言風(fēng)格與知識(shí)交互深度之間的關(guān)系，高知識(shí)焦慮用戶更青睞專(zhuān)業(yè)語(yǔ)言獲取認(rèn)知支持；而代際差異分析揭示，老年用戶對(duì)社交語(yǔ)言的反應(yīng)更為正向，年輕用戶則對(duì)社交語(yǔ)言的響應(yīng)相對(duì)較弱。這些發(fā)現(xiàn)不僅拓展了語(yǔ)言風(fēng)格在知識(shí)交互中的研究邊界，也進(jìn)一步推動(dòng)了語(yǔ)言預(yù)期理論與信息質(zhì)量理論在知識(shí)管理領(lǐng)域的應(yīng)用。在實(shí)踐上，研究結(jié)果還為優(yōu)化OKC的用戶體驗(yàn)、增強(qiáng)知識(shí)互動(dòng)質(zhì)量以及提升社區(qū)效率提供了理論依據(jù)。

1理論基礎(chǔ)與研究假設(shè)

1.1 語(yǔ)言期望理論

語(yǔ)言預(yù)期理論是用于理解個(gè)體對(duì)特定語(yǔ)言行為的預(yù)期如何影響他們對(duì)溝通內(nèi)容反應(yīng)的框架。這些預(yù)期受到人際、社會(huì)和文化規(guī)范的影響，會(huì)顯著影響人們對(duì)有說(shuō)服力語(yǔ)言的態(tài)度和行為。例如直白的語(yǔ)言和委婉的語(yǔ)言在不同的文化背景下可能會(huì)產(chǎn)生不同的反應(yīng)。在OKC中，知識(shí)接收者對(duì)不同語(yǔ)言風(fēng)格的接受通常取決于他們的背景、社群規(guī)范以及與知識(shí)輸出者的關(guān)系。

目前，語(yǔ)言預(yù)期理論的研究多集中在產(chǎn)品評(píng)論和眾籌活動(dòng)等領(lǐng)域。例如Costello等研究了模糊語(yǔ)言和描述性語(yǔ)言對(duì)眾籌項(xiàng)目成功率的影響[16]；Jensen等則探討了復(fù)雜、兩面性和情感性語(yǔ)言如何影響在線評(píng)論的可信度[1]。在在線平臺(tái)的相關(guān)研究中，極個(gè)別文獻(xiàn)基于在線健康社區(qū)的角度分析了患者對(duì)醫(yī)生的語(yǔ)言期望以及醫(yī)生的語(yǔ)言風(fēng)格如何影響患者的滿意度[18-19]，這為本文的開(kāi)展提供了重要借鑒。根據(jù)現(xiàn)有研究可以發(fā)現(xiàn)，當(dāng)在線平臺(tái)的交互方式、社群文化或知識(shí)輸出者的語(yǔ)言風(fēng)格符合用戶（知識(shí)接收者）的語(yǔ)言預(yù)期時(shí)，它能夠激發(fā)用戶的參與和信任，進(jìn)而提高社區(qū)的活躍度和內(nèi)容質(zhì)量；相反，如果交互方式風(fēng)格與用戶的預(yù)期不符，可能會(huì)導(dǎo)致負(fù)面反應(yīng)，降低用戶的參與度和滿意度。為了有效區(qū)分OKC中的語(yǔ)言風(fēng)格，本文根據(jù)以往的研究，將語(yǔ)言風(fēng)格分為專(zhuān)業(yè)性語(yǔ)言和社交性語(yǔ)言[12-13]。

在OKC中，專(zhuān)業(yè)性語(yǔ)言主要指專(zhuān)家、學(xué)者或內(nèi)容創(chuàng)作者使用標(biāo)準(zhǔn)化、統(tǒng)一的專(zhuān)業(yè)術(shù)語(yǔ)來(lái)向用戶提供準(zhǔn)確的領(lǐng)域知識(shí)，這有助于幫助用戶更好地理解特定問(wèn)題并獲得深入的知識(shí)指導(dǎo)。對(duì)于用戶而言，他們也通常希望從知識(shí)輸出者或其他高質(zhì)量貢獻(xiàn)者那里獲得專(zhuān)業(yè)的知識(shí)解答，以便更好地解決他們的疑惑或需求[20]。此外，知識(shí)輸出者的專(zhuān)業(yè)性語(yǔ)言可以增強(qiáng)知識(shí)接收者對(duì)其信息的信任，促進(jìn)更深層次的互動(dòng)[21]。然而，一些研究表明，過(guò)多的行話或過(guò)于復(fù)雜的專(zhuān)業(yè)術(shù)語(yǔ)可能會(huì)導(dǎo)致信息超載，使知識(shí)接收者感到困惑或疲憊，從而降低他們的滿意度[22]?；谏鲜鲅芯浚疚奶岢鲆韵录僭O(shè)：

H1：知識(shí)輸出者采用專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)OKC的知識(shí)交互深度有積極影響。H2：知識(shí)輸出者采用專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)OKC的知識(shí)接收者的感知滿意度有負(fù)面影響。

在OKC中，除了專(zhuān)業(yè)術(shù)語(yǔ)外，內(nèi)容創(chuàng)作者和社區(qū)成員還可能使用社交語(yǔ)言，即談?wù)撋睢⑴d趣、日常經(jīng)驗(yàn)等與主題相關(guān)的非正式語(yǔ)言[23]。這種社交語(yǔ)言有助于減輕知識(shí)接收者的知識(shí)焦慮，并促進(jìn)更輕松的互動(dòng)。在傳統(tǒng)的社交環(huán)境中，社交語(yǔ)言有助于建立融洽關(guān)系并促進(jìn)人際互動(dòng)。然而，在OKC中，用戶的需求通常更為明確，過(guò)度使用社交語(yǔ)言可能會(huì)使內(nèi)容變得偏離主題，導(dǎo)致用戶受到不必要的干擾，甚至導(dǎo)致他們不再參與或?qū)ふ移渌麅?nèi)容來(lái)源。因此，本文提出以下假設(shè)：

H3：知識(shí)輸出者采用社交性語(yǔ)言對(duì)OKC的知識(shí)交互深度有消極影響。H4：知識(shí)輸出者采用社交性語(yǔ)言風(fēng)格對(duì)OKC的知識(shí)接收者的感知滿意度有積極影響。

1.2 信息質(zhì)量理論

信息質(zhì)量理論廣泛應(yīng)用于信息系統(tǒng)、商業(yè)和信息管理領(lǐng)域[24]。它假定文本信息的質(zhì)量（包括準(zhǔn)確性、完整性、相關(guān)性和及時(shí)性等屬性）會(huì)顯著影響信息接收者處理、理解和評(píng)估所接收信息的方式[25]。現(xiàn)有研究認(rèn)為可讀性（接收者理解和處理信息的難易程度）是信息質(zhì)量最重要的屬性[26]。此外，文本的邏輯結(jié)構(gòu)和連貫性在促進(jìn)信息接收者理解信息方面也發(fā)揮著重要的作用[27]。

在在線平臺(tái)的相關(guān)研究中，學(xué)者們從信息質(zhì)量的角度對(duì)知識(shí)交互的效果和知識(shí)行為進(jìn)行了多項(xiàng)探討。周力虹等基于信息質(zhì)量理論分析了病患雙方知識(shí)交互的效果[28]。劉琦和杜榮基于參與者網(wǎng)絡(luò)發(fā)現(xiàn)目的性動(dòng)機(jī)、聯(lián)系性動(dòng)機(jī)和娛樂(lè)性動(dòng)機(jī)對(duì)知識(shí)交互質(zhì)量有顯著促進(jìn)作用[29]。He等認(rèn)為，醫(yī)生回應(yīng)的相關(guān)性與邏輯性會(huì)影響患者的咨詢(xún)行為[30]。

在OKC中，知識(shí)輸出的邏輯性和完整性對(duì)用戶的知識(shí)交互質(zhì)量和滿意度有顯著影響。更為全面且條理清楚的文本能夠幫助知識(shí)接收者更好地理解問(wèn)題，做出更明智的決策。然而，這需要知識(shí)輸出者在信息的深度和簡(jiǎn)潔性之間找到平衡。雖然詳細(xì)的解答能夠提供有價(jià)值的知識(shí)指導(dǎo)，但過(guò)于冗長(zhǎng)的解釋可能導(dǎo)致理解困難，從而降低知識(shí)交互效果。因此，回答的清晰性和一致性對(duì)有效滿足知識(shí)接收者的知識(shí)需求至關(guān)重要?；谶@一前提，本文提出以下假設(shè)：

H5：知識(shí)輸出者回答的復(fù)雜程度對(duì)知識(shí)互動(dòng)深度有積極影響。H6：知識(shí)輸出者回答的復(fù)雜程度對(duì)知識(shí)接收者的感知滿意度有積極影響。H7：知識(shí)輸出者回答的邏輯性對(duì)知識(shí)互動(dòng)深度有積極影響。H8：知識(shí)輸出者回答的邏輯性對(duì)知識(shí)接收者的感知滿意度有積極影響。

此外，先前的研究表明，情感表達(dá)可以縮短知識(shí)交互雙方的心理距離，從而加深交互深度。在OKC中，社交語(yǔ)言通常比專(zhuān)業(yè)語(yǔ)言更能傳達(dá)情感價(jià)值。因此，內(nèi)容創(chuàng)作者頻繁使用社交語(yǔ)言可能會(huì)減少與用戶之間的心理距離[31]。此外，通過(guò)社交語(yǔ)言傳達(dá)的積極情緒有助于緩解知識(shí)接收者的知識(shí)焦慮，并為他們提供情感支持。因此，本文提出以下假設(shè)：

H9：知識(shí)輸出者的情緒表達(dá)對(duì)知識(shí)交互深度的影響呈正相關(guān)。H10：知識(shí)輸出者的情緒表達(dá)對(duì)知識(shí)接收者感知滿意度的影響呈正相關(guān)。

1.3知識(shí)焦慮的調(diào)節(jié)作用

以往的研究表明，用戶的知識(shí)焦慮是影響知識(shí)交互深度和知識(shí)接收者感知滿意度的重要因素[32]。知識(shí)焦慮是指?jìng)€(gè)體在面對(duì)信息或知識(shí)時(shí)產(chǎn)生的不安、困惑或壓力感。這種情緒通常源自于對(duì)未知的恐懼、信息的復(fù)雜性、過(guò)載、或是自我感知的知識(shí)不足。具體來(lái)說(shuō)，當(dāng)用戶面臨專(zhuān)業(yè)術(shù)語(yǔ)或復(fù)雜信息時(shí)，可能會(huì)產(chǎn)生焦慮或不安。這種情緒在OKC或醫(yī)療咨詢(xún)平臺(tái)等場(chǎng)景中尤為突出，尤其當(dāng)用戶無(wú)法迅速獲得理解或感到知識(shí)超載時(shí)。

在OKC中，當(dāng)用戶感到知識(shí)焦慮時(shí)，他們可能更急于尋找所需知識(shí)，這種情緒會(huì)促使他們擴(kuò)大知識(shí)搜尋渠道，提高社區(qū)的互動(dòng)頻率和質(zhì)量。如果知識(shí)輸出者此時(shí)為其提供所需知識(shí)，雙方的知識(shí)交互的頻率會(huì)有所提升[33]。因此，具備高度知識(shí)焦慮的會(huì)更積極地尋找所需知識(shí)并與知識(shí)輸出者展開(kāi)交互。不過(guò)，具備高度知識(shí)焦慮的用戶往往缺乏相關(guān)領(lǐng)域的理解，在這種情況下，過(guò)多的專(zhuān)業(yè)術(shù)語(yǔ)可能會(huì)加劇他們的困擾?；谶@些考慮，本文提出以下假設(shè)：

H11：知識(shí)焦慮會(huì)正向調(diào)節(jié)專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)知識(shí)交互深度。

H12：知識(shí)焦慮會(huì)負(fù)向調(diào)節(jié)專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì) 知識(shí)接收者感知滿意度。

根據(jù)以往研究來(lái)看，知識(shí)焦慮的用戶通常對(duì)問(wèn)題有初步了解，因此他們希望得到更加直觀、深入的見(jiàn)解，而不是籠統(tǒng)的回答[34]。此外，這些用戶可能會(huì)根據(jù)回答中的術(shù)語(yǔ)或?qū)I(yè)知識(shí)來(lái)評(píng)估知識(shí)輸出者的專(zhuān)業(yè)水平。因此，知識(shí)焦慮程度可能會(huì)進(jìn)一步降低社交性語(yǔ)言對(duì)知識(shí)交互深度的影響。關(guān)于知識(shí)接收者的感知滿意度，OKC的匿名性使其與傳統(tǒng)交流有所不同。匿名性可以減少用戶因透露困惑或情緒而產(chǎn)生的尷尬。如果知識(shí)輸出者能夠有效利用在線平臺(tái)的特點(diǎn)，并使用社交性語(yǔ)言來(lái)引導(dǎo)用戶，可以顯著減少知識(shí)接收者的不適感和焦慮感，提高感知滿意度。因此，本文提出以下假設(shè)：

H13：知識(shí)焦慮會(huì)負(fù)向調(diào)節(jié)社交性語(yǔ)言風(fēng)格對(duì)知識(shí)交互深度的影響。

H14：知識(shí)焦慮會(huì)正向調(diào)節(jié)社交性語(yǔ)言風(fēng)格對(duì)知識(shí)接收者感知滿意度的影響。

基于上述理論假設(shè)，本文構(gòu)建了研究模型（見(jiàn)圖1），以探討語(yǔ)言風(fēng)格與信息質(zhì)量如何共同作用于知識(shí)交互深度和用戶滿意度。其中，信息情感、信息復(fù)雜性與信息邏輯性作為信息質(zhì)量理論的核心變量，反映知識(shí)輸出者的內(nèi)容結(jié)構(gòu)與表達(dá)方式對(duì)知識(shí)接受者的影響；而專(zhuān)業(yè)性語(yǔ)言與社交性語(yǔ)言風(fēng)格則作為語(yǔ)言預(yù)期理論的重要體現(xiàn)，刻畫(huà)知識(shí)輸出者的語(yǔ)言策略差異。兩者通過(guò)直接路徑分別影響知識(shí)接收者的感知滿意度與知識(shí)交互深度。此外，考慮到知識(shí)接收者在實(shí)際互動(dòng)中存在顯著的個(gè)體差異，尤其在知識(shí)理解、處理和表達(dá)需求上的心理差異，知識(shí)焦慮作為關(guān)鍵調(diào)節(jié)變量。

2研究背景及研究方法

2.1 研究背景

目前，較為流行的OKC包括知乎、StackOver-flow、CSDN、Quora等。本文選擇Quora作為研究對(duì)象。Quora是一個(gè)全球性的問(wèn)答社區(qū)，內(nèi)容涵蓋廣泛，包括科技、文學(xué)、社會(huì)、健康等各類(lèi)主題，用戶可以在平臺(tái)上通過(guò)文字、圖片、視頻等多種形式分享與獲得知識(shí)。與國(guó)內(nèi)OKC不同，Quora普遍鼓勵(lì)知識(shí)輸出者與知識(shí)接收者的多次交互，期望知識(shí)接受者對(duì)知識(shí)輸出者的回答進(jìn)行追問(wèn)和反饋，這符合本文的研究需求。此外，Quora還為知識(shí)輸出者提供更多形式的激勵(lì)機(jī)制，便于本文觀察潛在變量和影響因素。當(dāng)前已有多項(xiàng)研究對(duì)Quora的知識(shí)交互行為進(jìn)行探討[35]。這些研究角度和方法也為本文提供了基礎(chǔ)和見(jiàn)解，由此，選擇Quora作為研究平臺(tái)，以分析語(yǔ)言風(fēng)格對(duì)OKC知識(shí)交互與用戶感知滿意度的影響。

2.2 數(shù)據(jù)收集和預(yù)處理

本文從Quora平臺(tái)（www.quora.com）收集數(shù)據(jù)。首先創(chuàng)建了一個(gè)Python程序，用于自動(dòng)下載包含知識(shí)輸出者（知識(shí)回復(fù)）和知識(shí)接收者（知識(shí)提問(wèn)）信息的網(wǎng)頁(yè)。該網(wǎng)站僅顯示用戶的基本信息和個(gè)人標(biāo)簽，如教育背景、年齡、愛(ài)好、發(fā)帖記錄、居住地等，并不涉及任何隱私問(wèn)題。

本文選擇Computer Technology板塊作為數(shù)據(jù)采集欄目，原因如下：（1）計(jì)算機(jī)作為目前最為流行的個(gè)人電子設(shè)備之一，具有廣泛的受眾。（2）培養(yǎng)計(jì)算機(jī)硬件與軟件知識(shí)均需要較長(zhǎng)的周期以及相應(yīng)的知識(shí)基礎(chǔ)，滿足知識(shí)焦慮的前提條件。（3）ComputerTechnology板塊在Quora平臺(tái)中處于高度流行板塊，具有一定的代表性。

對(duì)于采集數(shù)據(jù)的字段，主要包括兩個(gè)部分。其一是知識(shí)輸出者的回復(fù)及個(gè)人特征。Quora為每個(gè)板塊提供了回答次數(shù)排行榜，根據(jù)該功能，本文獲取板塊前400名高回復(fù)次數(shù)的知識(shí)輸出者的個(gè)人信息（學(xué)歷、粉絲數(shù)、回復(fù)數(shù)，見(jiàn)圖2）。其二是知識(shí)接收者的個(gè)人信息?；谥R(shí)輸出者的解答，本文同時(shí)獲得知識(shí)接收者的問(wèn)題并定位其個(gè)人信息。知識(shí)接收者的信息包括問(wèn)題本身、年齡以及其過(guò)去的問(wèn)題（用于評(píng)估知識(shí)焦慮）。圖2展示了知識(shí)交互與Quora的用戶信息界面。對(duì)于知識(shí)接收者的問(wèn)題，知識(shí)輸出者需要進(jìn)行回復(fù)，針對(duì)回復(fù)，知識(shí)接受者可能進(jìn)行追問(wèn)，以此往復(fù)形成多次知識(shí)交互。數(shù)據(jù)收集時(shí)間為2024年6月15日至8月15日。在刪除僅包含圖片的數(shù)據(jù)以及缺失的數(shù)據(jù)后，本文總共收集了346名知識(shí)輸出者的知識(shí)交互數(shù)據(jù)，共計(jì)19416條。

2.3 測(cè)量變量

知識(shí)交互深度：在之前的調(diào)查中，Yang等將交互次數(shù)作為衡量知識(shí)交互深度的指標(biāo)[36]。然而，有學(xué)者指出該指標(biāo)的有效性不夠充分，因?yàn)椴⒎撬谢?dòng)文本均為與知識(shí)交互相關(guān)。因此，本文參考了Liu等的研究方法[8]，將知識(shí)輸出者和知識(shí)接收者的文本相關(guān)性乘以互動(dòng)次數(shù)作為衡量知識(shí)交互深度的指標(biāo)。

感知滿意度：該變量指的是知識(shí)接收者在得到知識(shí)回復(fù)后的心理狀態(tài)。本文使用知識(shí)輸出者獲得的贊成數(shù)量來(lái)衡量知識(shí)接收者的滿意度，該指標(biāo)能夠直接反映知識(shí)接收者對(duì)該回復(fù)的認(rèn)可程度[18]。

情感表達(dá)：情感表達(dá)指的是知識(shí)輸出者在回應(yīng)知識(shí)接收者時(shí)所展現(xiàn)的情感傾向。已有研究表明，知識(shí)輸出者回應(yīng)文本中的情感基調(diào)會(huì)影響知識(shí)交互的效果[3]。為了分析知識(shí)輸出者回應(yīng)的情感，本文利用大語(yǔ)言模型GPT-4o對(duì)文本進(jìn)行情感分析。情感得分分布在0到1之間，0表示極端消極情緒，0.5表示中性，1表示極端積極情緒[38]。

信息復(fù)雜度：信息復(fù)雜度指知識(shí)輸出者回復(fù)內(nèi)容的復(fù)雜程度，反映了知識(shí)接收者獲取及理解知識(shí)的難度。本文利用Pengnate和Riggins以及Wang等提出的霧指數(shù)（Fogindex）來(lái)衡量知識(shí)輸出者回復(fù)內(nèi)容的復(fù)雜度[39-40]。霧指數(shù)是衡量文檔可讀性的語(yǔ)言指標(biāo)。此外，為了避免知識(shí)交互的深度和文本復(fù)雜度之間的潛在關(guān)聯(lián)，本文使用復(fù)雜性除以知識(shí)交互次數(shù)來(lái)表示知識(shí)輸出者回復(fù)內(nèi)容的整體復(fù)雜性。

信息邏輯：信息邏輯指知識(shí)輸出者回復(fù)內(nèi)容的邏輯復(fù)雜性。參考Ashokkumar和Pennebaker的研究[41]，在知識(shí)輸出者的回復(fù)內(nèi)容中，表示等級(jí)、關(guān)系和程度的代詞、助動(dòng)詞和連詞越多，回復(fù)內(nèi)容的邏輯就越復(fù)雜。本文使用“系統(tǒng)思維\"功能詞典來(lái)衡量回答的邏輯復(fù)雜性。在研究中，邏輯指數(shù)越大，知識(shí)輸出者回復(fù)內(nèi)容的邏輯復(fù)雜性就越高。

專(zhuān)業(yè)性語(yǔ)言：專(zhuān)業(yè)性語(yǔ)言指在OKC中知識(shí)交互雙方采用的專(zhuān)業(yè)術(shù)語(yǔ)，根據(jù)研究情景，主要包括計(jì)算機(jī)硬件、軟件的相關(guān)知識(shí)。本文構(gòu)建了一個(gè)詞典來(lái)識(shí)別知識(shí)交互過(guò)程中的專(zhuān)業(yè)術(shù)語(yǔ)，該詞典包括《計(jì)算機(jī)與信息技術(shù)詞典》《現(xiàn)代計(jì)算機(jī)詞典》《計(jì)算機(jī)詞匯手冊(cè)》中的所有詞匯，基本覆蓋了與計(jì)算機(jī)相關(guān)的專(zhuān)業(yè)名詞。在變量測(cè)量方面，選擇知識(shí)輸出者在回復(fù)文本中使用專(zhuān)業(yè)術(shù)語(yǔ)的頻率作為指標(biāo)。

社交性語(yǔ)言：在知識(shí)交互互動(dòng)中，社交性語(yǔ)言指知識(shí)輸出者為減輕知識(shí)接收者知識(shí)焦慮、知識(shí)壓力，改善溝通而使用的交流術(shù)語(yǔ)。這些術(shù)語(yǔ)通常涉及家庭成員、朋友和日常會(huì)話內(nèi)容。過(guò)去研究通常使用LIWC軟件來(lái)分析社交性語(yǔ)言[13]。基于過(guò)去研究，本文使用LIWC軟件（2022版）中與社交相關(guān)的詞匯和常用社交詞匯創(chuàng)建了社交性語(yǔ)言詞典，同樣以知識(shí)輸出者在回復(fù)文本中使用社交語(yǔ)言的頻率作為指標(biāo)。

知識(shí)焦慮：知識(shí)焦慮用于衡量用戶知識(shí)搜尋與知識(shí)獲取的緊迫程度。知識(shí)焦慮可能會(huì)導(dǎo)致知識(shí)接收者改變知識(shí)獲取渠道，調(diào)整知識(shí)搜尋策略，并影響他們的知識(shí)交互行為。多項(xiàng)研究表明，知識(shí)焦慮對(duì)OKC社區(qū)的知識(shí)交互有顯著影響[32-33]。本文用知識(shí)接收者過(guò)去的求助記錄作為衡量知識(shí)焦慮的指標(biāo)。如果知識(shí)接收者同時(shí)針對(duì)某一個(gè)問(wèn)題多次發(fā)帖，則表明其具有一定程度的知識(shí)焦慮。衡量指標(biāo)為啞變量，存在知識(shí)焦慮賦值為1，否則為0。

控制變量：本文將知識(shí)交互雙方的個(gè)體屬性作為控制變量。具體來(lái)說(shuō)，知識(shí)輸出者的個(gè)體屬性包括學(xué)歷、粉絲數(shù)和回復(fù)數(shù)。知識(shí)接收者的屬性包括性別（所有變量的詳細(xì)測(cè)量方式見(jiàn)表1）。

2.4 回歸模型建立

本文使用固定效應(yīng)模型分析知識(shí)交互深度和知識(shí)接收者的感知滿意度。在公式1-4中：Satisfyij表示知識(shí)接收者j在知識(shí)交互中對(duì)知識(shí)輸出者i的感知滿意度； Depth_ij 表示知識(shí)接收者i和知識(shí)輸出者j的知識(shí)交互深度； β₀ 是一個(gè)常數(shù)項(xiàng);β和β是專(zhuān)業(yè)性語(yǔ)言（PL）和社會(huì)性語(yǔ)言（SL）的主要效應(yīng)系數(shù)，而β3和 β₄ 是知識(shí)接收者知識(shí)焦慮（KS）對(duì)專(zhuān)業(yè)性語(yǔ)言和社會(huì)性語(yǔ)言影響的調(diào)節(jié)效應(yīng)系數(shù)；Agej是知識(shí)接收者年齡的固定效應(yīng);Controlsi是一個(gè)由控制變量組成的向量； ε_ij 是誤差項(xiàng)。

公式（1）和（2）用于評(píng)估知識(shí)輸出者的語(yǔ)言風(fēng)格對(duì)知識(shí)接收者感知滿意度以及知識(shí)交互深度的影響。將知識(shí)焦慮和兩種語(yǔ)言風(fēng)格的交叉乘積分別添加到公式（1）和（2）中，得到公式（3）和（4），用于衡量知識(shí)焦慮對(duì)知識(shí)輸出者語(yǔ)言風(fēng)格的調(diào)節(jié)作用。

3研究結(jié)果

3.1 描述性統(tǒng)計(jì)

對(duì)研究變量的描述性統(tǒng)計(jì)（見(jiàn)表2）后可以看出，PL和SL的平均值分別為5.89和2.71，表明知識(shí)輸出者在知識(shí)交互中會(huì)同時(shí)使用專(zhuān)業(yè)性語(yǔ)言和社會(huì)性語(yǔ)言。不過(guò)相比于社會(huì)性語(yǔ)言，知識(shí)輸出者在OKC中會(huì)更頻繁地使用專(zhuān)業(yè)性語(yǔ)言。統(tǒng)計(jì)變量之間的相關(guān)系數(shù)（見(jiàn)表3）發(fā)現(xiàn)，先變量之間的相關(guān)系數(shù)相對(duì)較低，只有少數(shù)幾個(gè)變量顯示出較高的相關(guān)系數(shù)。為了解決多共線性問(wèn)題，本文檢查了與解釋變量相關(guān)的方差膨脹因子（VIF）。平均VIF值為2.29，最大值為5.07，表明變量之間的多共線性程度較低。

3.2 假設(shè)檢驗(yàn)

對(duì)假設(shè)的結(jié)果進(jìn)行回歸檢驗(yàn)（見(jiàn)表4）。首先，第1列描述了知識(shí)輸出者的專(zhuān)業(yè)性語(yǔ)言風(fēng)格和社會(huì)性語(yǔ)言風(fēng)格對(duì)知識(shí)交互深度的影響。結(jié)果表明，知識(shí)輸出者的專(zhuān)業(yè)性語(yǔ)言風(fēng)格正向影響知識(shí)交互深度L （β=0.649，plt;0.1） ，驗(yàn)證了H1;社交性語(yǔ)言風(fēng)格則負(fù)向影響知識(shí)交互深度 ?∣3=-0.0924，plt;0.01? ，驗(yàn)證了H3。從信息質(zhì)量的角度來(lái)看，知識(shí)輸出者回復(fù)的邏輯性 、復(fù)雜性 （β=0.0553，plt;0.01） 和情感表達(dá)（ β=0.2033，plt;0.05） 均會(huì)加深知識(shí)交互深度，這驗(yàn)證了H5、H7和H9。之后，第2列顯示在知識(shí)焦慮調(diào)節(jié)下，知識(shí)輸出者的專(zhuān)業(yè)性語(yǔ)言風(fēng)格和社會(huì)性語(yǔ)言風(fēng)格對(duì)知識(shí)交互深度的影響?？梢园l(fā)現(xiàn)，知識(shí)焦慮對(duì)專(zhuān)業(yè)性語(yǔ)言風(fēng)格和社會(huì)性語(yǔ)言風(fēng)格都有顯著的調(diào)節(jié)作用。結(jié)果表明，知識(shí)焦慮進(jìn)一步增強(qiáng)了專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)知識(shí)交互的促進(jìn)作用（ β= 0.0757，plt;0.1） 。同時(shí)，它加劇了社交性語(yǔ)言風(fēng)格對(duì)知識(shí)交互的負(fù)面影響 （β=-0.4145，plt;0.01） ，這證實(shí)了H11和H13。其次，第3列顯示了知識(shí)輸出者的專(zhuān)業(yè)性語(yǔ)言風(fēng)格和社交性語(yǔ)言風(fēng)格對(duì)知識(shí)接收者感知滿意度的影響。與知識(shí)交互的深度研究結(jié)果不同，專(zhuān)業(yè)性語(yǔ)言風(fēng)格降低了知識(shí)接收者的感知滿意度 ββ_{β=-0.0105，plt;0.01}） 。此外，社交性語(yǔ)言風(fēng)格則對(duì)知識(shí)接收者的感知滿意度有積極影響（ plt;0.01 ）。這些結(jié)果有效證實(shí)了H2和H4的可靠性。對(duì)于信息質(zhì)量，與之前的假設(shè)驗(yàn)證結(jié)果不同，知識(shí)輸出者回復(fù)的邏輯性（ β=-0.0322 ， plt;0.01 ）和復(fù)雜性 （β=-0.0003，plt;0.01） 并未顯著提高知識(shí)接收者的感知滿意度，與H6和H8的假設(shè)相矛盾。然而，知識(shí)輸出者在回復(fù)中的情感表達(dá)仍然提高了知識(shí)接收者的感知滿意度（ β_β=0.0217，plt;0.01） ，因此，H10被支持。最后，第4列表明了知識(shí)接收者的感知滿意度在調(diào)節(jié)效應(yīng)下的變化。知識(shí)焦慮的調(diào)節(jié)效應(yīng)與理論相符，支持了 H12（β=-0.0057，plt;0.01） 和H14（ β= 0.0086，plt;0.1） 。

3.3穩(wěn)健性檢驗(yàn)

為了確保研究結(jié)果的可靠性，本文補(bǔ)充了穩(wěn)健性檢驗(yàn)。首先，使用相關(guān)板塊（ComputerHardwareParts）的知識(shí)交互數(shù)據(jù)進(jìn)行了補(bǔ)充分析。選擇ComputerHardwareParts作為穩(wěn)健性檢驗(yàn)的數(shù)據(jù)來(lái)源主要有以下原因：（1）其話題與Computer Technology相似，都屬于Computer的范疇。（2）ComputerTech-nology板塊的話題熱度較高，具備充足的數(shù)據(jù)來(lái)源。因此，本文獲取了Computer Technology板塊近10000條的知識(shí)交互數(shù)據(jù)并使用相同的模型進(jìn)行穩(wěn)健性檢驗(yàn)，并展示了穩(wěn)健性檢驗(yàn)的結(jié)果（見(jiàn)表5），與表4基本一致，初步證明了本研究的可靠性。

之后，本文添加了額外的控制變量，以進(jìn)一步驗(yàn)證結(jié)果的可靠性。先前的研究表明，知識(shí)接收者的情感表達(dá)對(duì)知識(shí)交互與感知滿意度有顯著影響[8]。因此，本文將知識(shí)接收者的情感特征（OutS）納入回歸模型。與之前的計(jì)算方法相同，使用大語(yǔ)言模型結(jié)合情感詞典對(duì)知識(shí)接收者的情感特征進(jìn)行分析。研究結(jié)果（見(jiàn)表6），與前期結(jié)果一致，驗(yàn)證了本研究的有效性。

4.4 異質(zhì)性檢驗(yàn)

不同年齡的知識(shí)接收者對(duì)知識(shí)輸出者的語(yǔ)言風(fēng)格和所提供信息的質(zhì)量的反應(yīng)可能有所不同。為了進(jìn)一步探討年齡與在知識(shí)交互與感知滿意度中的作用，本文進(jìn)行了異質(zhì)性分析。根據(jù)世界衛(wèi)生組織的分類(lèi)，將知識(shí)接收者分為四個(gè)年齡段：44歲以下、45歲-59歲、60歲-74歲和75歲以上。將不同年齡段知識(shí)接收者對(duì)語(yǔ)言風(fēng)格的反應(yīng)特征梳理羅列（見(jiàn)表7）后發(fā)現(xiàn)，知識(shí)輸出者更有可能通過(guò)運(yùn)用專(zhuān)業(yè)性語(yǔ)言風(fēng)格提高與中年人的知識(shí)交互（45歲-59歲） （β=0.116，plt;0.1）， 。相反，對(duì)于老年人（75歲以上）來(lái)說(shuō)，使用專(zhuān)業(yè)性語(yǔ)言風(fēng)格不利于雙方的知識(shí)交互（β=-0.3425，plt;0.01） ，這表明專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)知識(shí)交互的正面影響會(huì)隨著年齡的增長(zhǎng)而減少。此外，青年人（18歲-45歲）和老年人（75歲以上）在知識(shí)交互中對(duì)社交性語(yǔ)言的排斥更明顯 β_{β=-0.2178，plt;} 。值得注意的是，在情感表達(dá)方面，中老年人（60歲-74歲）對(duì)知識(shí)輸出者的情感表達(dá)表現(xiàn)出更高的接受度，能夠加深知識(shí)交互深度 （β=0.4939，plt;0.05） 。總體而言，不同年齡的知識(shí)接收者對(duì)語(yǔ)言風(fēng)格的期望略有不同，但基本符合前期研究。

梳理不同年齡下各變量對(duì)知識(shí)接收者感知滿意度的影響（見(jiàn)表8）發(fā)現(xiàn)，專(zhuān)業(yè)性語(yǔ)言風(fēng)格和社會(huì)性語(yǔ)言風(fēng)格的效果與之前研究基本相同。具體而言，知識(shí)接收者的年齡越大，越容易受到社會(huì)性語(yǔ)言風(fēng)格的影響。因此，對(duì)于年齡較大的知識(shí)接收者而言，知識(shí)輸出者合理使用社會(huì)性語(yǔ)言可以提高知識(shí)接收者的感知滿意度。此外，知識(shí)輸出者使用一些專(zhuān)業(yè)術(shù)語(yǔ)并不會(huì)降低年輕知識(shí)接收者的感知滿意度（18歲-45歲）。最后，信息質(zhì)量維度的檢驗(yàn)結(jié)果與之前的結(jié)論基本相同，除了年輕知識(shí)接收者對(duì)知識(shí)輸出者的情感表達(dá)沒(méi)有明顯反應(yīng)（ β= 0.0116， pgt;0.1 ）。

4研究發(fā)現(xiàn)與討論

4.1語(yǔ)言風(fēng)格在知識(shí)交互與知識(shí)接收者感知滿意度中的復(fù)雜作用

本文探討了語(yǔ)言風(fēng)格對(duì)知識(shí)接收者知識(shí)交互深度和感知滿意度的影響。研究一方面發(fā)現(xiàn)專(zhuān)業(yè)性語(yǔ)言在增加知識(shí)交互深度的同時(shí)降低了知識(shí)接收者的感知滿意度。另一方面，研究發(fā)現(xiàn)社交性語(yǔ)言降低了知識(shí)接收者的知識(shí)交互深度，但提高了感知滿意度。該結(jié)論有效揭示了語(yǔ)言風(fēng)格對(duì)知識(shí)接收者的知識(shí)交互深度與感知滿意度的復(fù)雜作用，從而拓展了OKC研究中對(duì)語(yǔ)言風(fēng)格的理解[14-15]。此外，異質(zhì)性分析的結(jié)果證實(shí)了不同年齡的知識(shí)接收者對(duì)語(yǔ)言風(fēng)格的期望不同。具體來(lái)說(shuō)，專(zhuān)業(yè)性語(yǔ)言風(fēng)格對(duì)老年知識(shí)接收者的知識(shí)交互深度影響不明顯，而社交性語(yǔ)言風(fēng)格則有助于提高其感知滿意度。該結(jié)論與既往的相關(guān)研究也有一定的契合，即老年人在在線社區(qū)中更有可能面對(duì)困難而中止咨詢(xún)[42]。

4.2知識(shí)焦慮會(huì)顯著調(diào)節(jié)知識(shí)交互深度與知識(shí)接收者的感知滿意度

關(guān)于知識(shí)交互，研究發(fā)現(xiàn)存在知識(shí)焦慮的知識(shí)接收者更期望知識(shí)輸出者使用專(zhuān)業(yè)性語(yǔ)言提供科學(xué)指導(dǎo)。如果知識(shí)輸出者過(guò)多使用社交性語(yǔ)言，知識(shí)接收者可能會(huì)懷疑知識(shí)輸出者的專(zhuān)業(yè)性并對(duì)其回復(fù)產(chǎn)生無(wú)效性感知，從而減少知識(shí)交互意愿。關(guān)于知識(shí)接收者的感知滿意度，知識(shí)焦慮的調(diào)節(jié)效應(yīng)與其在知識(shí)交互中的效果相反。存在知識(shí)焦慮的知識(shí)接收者更希望知識(shí)輸出者使用社交性語(yǔ)言提供情感支持，這與過(guò)去有關(guān)健康知識(shí)獲取的相關(guān)研究結(jié)果保持了一致[28]?；谶@些發(fā)現(xiàn)，本文將知識(shí)焦慮這一OKC普遍存在的現(xiàn)象融入知識(shí)管理的相關(guān)研究中，既拓展了知識(shí)焦慮的研究邊界，也進(jìn)一步豐富了語(yǔ)言風(fēng)格在OKC研究中的應(yīng)用。

4.3信息質(zhì)量在知識(shí)交互及知識(shí)接收者感知滿意度中的效應(yīng)

本文還從信息質(zhì)量的角度分析了知識(shí)的結(jié)構(gòu)和邏輯對(duì)知識(shí)接收者的知識(shí)交互深度和感知滿意度的影響。首先，情感表達(dá)的影響效果與以往研究一致，即積極情緒更容易促進(jìn)知識(shí)交互，并提高知識(shí)接收者的感知滿意度[18]。其次，本文發(fā)現(xiàn)知識(shí)的復(fù)雜度可以提高知識(shí)交互深度，但對(duì)知識(shí)接收者的感知滿意度影響不明顯。因?yàn)閷?duì)于需求強(qiáng)烈或存在知識(shí)焦慮的用戶而言，他們往往具備一定的知識(shí)儲(chǔ)備，因此，簡(jiǎn)單明了的信息更容易獲得他們的認(rèn)同[3。最后，本文發(fā)現(xiàn)知識(shí)的邏輯性與復(fù)雜性的影響效果基本沒(méi)有差異。盡管復(fù)雜的邏輯關(guān)系與詳細(xì)的內(nèi)容能夠促進(jìn)知識(shí)接收者的進(jìn)一步知識(shí)交互，但并不能提高感知滿意度。

5研究貢獻(xiàn)與展望

本文在理論與實(shí)踐層面均做出多方面貢獻(xiàn)。理論上，首先拓展了語(yǔ)言風(fēng)格在知識(shí)交互研究中的應(yīng)用，將“專(zhuān)業(yè)性語(yǔ)言\"與“社交性語(yǔ)言\"引入OKC語(yǔ)境，揭示語(yǔ)言風(fēng)格對(duì)不同用戶的影響；其次融合語(yǔ)言預(yù)期理論與信息質(zhì)量理論，從主觀認(rèn)知和客觀信息質(zhì)量?jī)蓚€(gè)維度探討影響用戶知識(shí)交互深度和滿意度的因素，有效推動(dòng)了語(yǔ)言風(fēng)格與信息質(zhì)量研究的交叉融合；最后通過(guò)引入知識(shí)焦慮作為調(diào)節(jié)變量，不僅豐富了知識(shí)焦慮的理論邊界，也進(jìn)一步深化了現(xiàn)有研究對(duì)不同語(yǔ)言風(fēng)格的期望動(dòng)機(jī)的理解。實(shí)踐上，本文提出三項(xiàng)建議：（1）平臺(tái)可依據(jù)用戶的知識(shí)焦慮水平，智能推薦匹配其認(rèn)知需求的內(nèi)容風(fēng)格，如對(duì)高焦慮用戶推送更具情感支持的社交型語(yǔ)言回答，提高其使用黏性與滿意度；（2）知識(shí)輸出者可參考研究結(jié)果調(diào)整語(yǔ)言策略，如在解釋復(fù)雜技術(shù)時(shí)使用更平衡的“專(zhuān)業(yè) + 社交”表達(dá)，以增強(qiáng)交互效果并兼顧用戶情緒體驗(yàn)；（3）在培訓(xùn)內(nèi)容創(chuàng)作者或社區(qū)專(zhuān)家時(shí)，可根據(jù)用戶畫(huà)像制定差異化語(yǔ)言表達(dá)規(guī)范，推動(dòng)構(gòu)建更具包容性和高效性的知識(shí)交互環(huán)境。

本文在未來(lái)仍有進(jìn)一步研究空間。首先，研究數(shù)據(jù)主要來(lái)自英文語(yǔ)境，文化差異和語(yǔ)用背景可能影響結(jié)果的普適性，未來(lái)可在多語(yǔ)種、跨平臺(tái)的環(huán)境中檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性。其次，本文以靜態(tài)文本為主，未全面捕捉語(yǔ)言風(fēng)格在動(dòng)態(tài)交互中的演變，未來(lái)可通過(guò)周期性對(duì)話探討用戶對(duì)語(yǔ)言風(fēng)格的動(dòng)態(tài)期望。此外，更多的外在變量，如用戶的知識(shí)背景與認(rèn)知能力差異未被充分考量，這可能影響用戶對(duì)知識(shí)交互的滿意度，后續(xù)可通過(guò)實(shí)驗(yàn)或問(wèn)卷調(diào)查以補(bǔ)充主觀變量。最后，本文主要關(guān)注語(yǔ)言風(fēng)格對(duì)用戶知識(shí)交互深度與滿意度的影響，尚未涉及語(yǔ)言風(fēng)格對(duì)知識(shí)采納與應(yīng)用的影響，未來(lái)可引入采納意圖、追問(wèn)行為等行為變量，拓展研究深度。

參考文獻(xiàn)：

[1]Zhao L，Detlor B，ConnellyCE.Sharing knowledge in social Qamp;A sites：Theunintended consequences of extrinsic motivation[J].Journal ofManagementInformation Systems，2016，33（1）：70-100.

[2]Wang N，TiberiusV，Chen X，etalIdeaselectionandadoptionbyusers-aprocess model inanonlineinovationcommu

mity LJ」.Technology Analysis amp; Strategic Management，2021，33（9）：1036-1051.

[3]Chen W，WeiX，Zhu KX.Engaging VoluntaryContributions inOnlineCommunities[J].Mis Quarterly，2018，42（1）：83-A8.

[4]XinJ，LiY，ZhongX，etal.Whyuserscontributeknowledge toonlinecommunities：AnmpiricaltudyofanonlinesocialQamp;A community[J].Informationamp; Management，2015，52（7）：840-849.

[5］朱雪春，陳萬(wàn)明，貢文偉.實(shí)踐社群知識(shí)流動(dòng)績(jī)效評(píng)價(jià)指標(biāo)體系研究——過(guò)程、結(jié)果和成員感知視角[J].科技進(jìn)步與對(duì) 策，2016，33（18）：127-133.

[6］姜騫，周海煒，屈維意.關(guān)系范式、知識(shí)獲取對(duì)外包合作關(guān)系滿意度的影響研究——接包方的視角[J].情報(bào)雜志，2011， 30（6）：199-204，198.

[7］嚴(yán)煒煒，黃馨，張敏.聯(lián)動(dòng)共創(chuàng)：情境差異下基于播客的跨平臺(tái)知識(shí)交流研究[J].情報(bào)雜志，2024，43（9）：196-207.

[8］陸穎穎，張恒，陳琦，等.基于三元交互理論的虛擬學(xué)術(shù)社區(qū)知識(shí)交流效果評(píng)價(jià)研究[J].現(xiàn)代情報(bào)，2024，44（3）：23-33，46.

[9］盧恒，張向先，張莉曼，等.理性與偏差視角下在線問(wèn)答社區(qū)用戶知識(shí)付費(fèi)意愿影響因素構(gòu)型研究[J].圖書(shū)情報(bào)工作， 2020，64（19）：89-98.

[10］陳小卉，胡平，周奕岑.知乎問(wèn)答社區(qū)回答者知識(shí)貢獻(xiàn)行為受同伴效應(yīng)影響研究[J].情報(bào)學(xué)報(bào)，2020，39（4）：450-458.

[11]霍明奎，李靜.開(kāi)放式創(chuàng)新社區(qū)用戶持續(xù)知識(shí)貢獻(xiàn)行為影響因素及提高策略研究[J].情報(bào)科學(xué)，2024，42（4）：145-154， 166.

[12]KoDG，MaiF，ShanZ，etal.Operationaleficiencyandpatient-enteredhealthcare：Aviewfromonlinephysicianreviews[J]. Journal of Operations Management，2019，65（4）：353-379.

[13]O'DonnellMB，F(xiàn)alkEB，LiebermanMD.Socialin，socialout：Howthebrainresponds tosociallanguage with moresocial language[J].Communication Monographs，2015，82（1）：31-63.

[14］嚴(yán)煒煒，王清燁，張敏.知識(shí)交流生態(tài)視角下的用戶跨平臺(tái)知識(shí)交流行為偏好研究[J].情報(bào)理論與實(shí)踐，2024，47（7）： 97-106.

[15］譚腸，秦渴，袁勤儉.激勵(lì)機(jī)制對(duì)學(xué)術(shù)虛擬社區(qū)知識(shí)貢獻(xiàn)效果的影響研究[J].現(xiàn)代情報(bào)，2020，40（9）：106-116.

[16]CostellFJ，Lee K C.Explorg investors'expectanciesandisimpact onprojectfundingsuccesslikelioodinrowdfunding by using text analytics and Bayesian networks[J].Decision Support Systems，2022，154（1）：113695.

[17]Jensen ML，Averbeck JM，Zhang Z，etalCredibilityofanonymous online product reviews：Alanguage expectancyperspective[J].Journalof Management Information Systems，2013，30（1）：293-324.

[18]LiuX，ZhouS，ChiX.HowDo Team-Leveland Individual-LevelLinguisticStyles AfectPatients’Emotional WellBeing EvidencefromOnlineDoctorTamsJ].International JournalofEnvironmentalResearchandPublic Health，2O23，20（3）： 1915.

[19]FilieriR，McLeayF，Tsui B，etal.Consumerperceptionsof information helpfulnessanddeterminantsof purchasentention in online consumer reviews of services[J].Information amp; Management，2O18，55（8）：956-970.

[20]ChenL，BairdAStraubD.A linguisticsignaling modelofsocial support exchange inonline healthcommunities[J]Decision Support Systems，2020，130（1）：113233.

[21]Jiang S，LiuX，ChiX.Efectofwriting styleonsocialsupport inonliehalthcommunities：Atheoreticallinguisticanalysis framework[J].Information amp; Management，2022，59（6）：103683.

[22] Atanasova S，Kamin T，Petri G.The benefits andchallenges ofonline professional-patient interaction：Comparing views betweenusersand healthprofesional moderators inanonline healthcommunityJ].Computers inHumanBehavior，2018，83 （1）：106-118.

[23]Boot P，Zijlstra H，Geenen R.The Dutch translationof thelinguistic inquiryand word count （LIWC）20O7dictionary[J]. Dutch Journal of Applied Linguistics，2017，6（1）：65-76.

[24]Filieri R，McLeayF，TsuiB.，etal.Consumerperceptions of information helpfulness anddeterminants of purchase intentionin online consumer reviews of services[J].Information amp; Management，2018，55（8）：956-970.

[25]AdamopoulosP，GhoseA，Todri V.The impactof userpersonality traitson wordofmouth：Text-mining social mediaplatforms[J].Information SystemsResearch，2018，29（3）：612-640.

[26]SarangiS.Theanatomyofinterpretation：Coming totermswiththeanalystsparadoxinprofessionaldiscourse studies[J]Text amp;Talk，2007，27（5-6）：567-584.

[27]PawlowskiSD，RobeyD.Bridginguserorganizations：Knowledgebrokeringandtheorkof informationtechologyproesion als[J].MIS Quarterly，2004，28（4）：645-672.

[28］周力虹，趙一鳴，方強(qiáng)，等.病患轉(zhuǎn)院診治情景下知識(shí)共享的現(xiàn)狀、問(wèn)題與對(duì)策[J].信息資源管理學(xué)報(bào)，2014，4（4）：34-41.

[29］劉琦，杜榮.基于參與動(dòng)機(jī)的網(wǎng)絡(luò)社區(qū)知識(shí)共享質(zhì)量、創(chuàng)新及滿意度關(guān)系研究[J].情報(bào)理論與實(shí)踐，2013，36（3）：56-61.

[30]HeY，GuoX，WuT，etalTeefectofinteractivefactorsoonlinehealthconsultationrevieeviation：Anempiicalvestigation[J].International Journal of Medical Informatics，2022，163（1）：104781.

[31]Nook EC，SchleiderJL，SomervileLHAlinguisticsignatureof psychological distancing inemotionregulationJ]Joal ofExperimental Psychology：General，2017，146（3）：337.

[32]孫金花，何苗，胡健.感知價(jià)值視角下知識(shí)焦慮對(duì)平臺(tái)用戶知識(shí)付費(fèi)意愿的影響[J].現(xiàn)代情報(bào)，2021，41（6）：129-138.

[33]沈雨田，陸泉，曹高輝，等.學(xué)術(shù)信息搜尋過(guò)程中的用戶信息焦慮研究[J].情報(bào)科學(xué)，2021，39（6）：143-151.

[34]Zhang X，GuoXLaiKH，etalHowdoesolineinteractionalunfaiessmaterforpatientdoctorrelationshipualityonline healthconsultation？Thecontingenciesof professonalseniorityanddiseaseseverityJ]EuropeanJournalofInformation Systems，2019，28（3）：336-354.

[35]Peng Y，Zhou X.Across-cultural analysisof the modesand efectivenessofcolaborative productionof knowledgeon Quora[J].Aslib Journal of Information Management，2021，73（2）：304-321.

[36]Yang Y，Zhang X，LeeP.K.Improving theeffectiveness ofonline healthcare platforms：An empiricalstudy with multiperiod patient-doctor consultation data[J].International Journal of Production Economics，2O19，2O7：70-80.

[37］嚴(yán)亞蘭，聶尚寧，查先進(jìn).交流可見(jiàn)度視角下在線知識(shí)共享網(wǎng)絡(luò)用戶認(rèn)知和情感研究[J].情報(bào)理論與實(shí)踐，2021，44 （3）：136-142.

[38]Dai W，HanD，DaiY，etalEmotionrecognitionandafectivecomputingonvocalsocial media[J].Informationamp;Management，2015，52（7）：777-788.

[39]PengnateSF，RiginsFJTheroleofemotioninP2Pmicrofinance funding：Asentimentanalysis approachJ].Iteational Journal of Information Management，2020，54：102138.

[40]WangW，XuY，WuYJ，etalLingusticunderstandabilityignalbervabilityfundingopportunitiesndcowfundigapaigns[J].Information amp; Management，2022，59（2）：103591.

[41]Ashokkumar A，PennebakerJW.Social mediaconversations reveal large psychological shiftscaused byCOVID-19'sonset across US cities[J].Science Advances，2021，7（39）：eabg7843.

[42]SharkiyaS H.Quality communication can improve patient-centred health outcomes among older patients：a rapid review[J]. BMCHealth ServicesResearch，2023，23（1）：886.