APP下载

学术虚拟社区持续知识共享意愿研究——启发式-系统式模型的视角*

2015-12-31陈明红漆贤军

图书馆论坛 2015年11期
关键词:虚拟社区数量学术

陈明红,刘 莹,漆贤军

0 引言

随着现代信息技术的飞速发展、互联网的普及应用,e-Science和e-Research等新型数字化科研环境日益形成,以学术虚拟社区为载体的新型知识共享模式涌现。学术虚拟社区将具有共同或相似研究兴趣的科研人员聚集在一起,围绕相同主题发布问题、讨论问题、提供答案和分享知识,以此实现知识共享。学术虚拟社区突破了时间、空间和学科限制,变革了以学科和文献为基础的知识生产模式,顺应了网络时代即时科研、互动科研、开放科研和协作科研的需求,成为科研人员共享知识的重要平台[1]。近年学术虚拟社区蓬勃发展,Academia、ResearchGate、Mendely、科学网、小木虫等社区用户规模不断扩大,不仅允许用户及时分享和查看最新科研成果,还帮助用户建立社区关系,使学术交流更顺畅,知识共享更高效。也有一些学术虚拟社区用户参与度低,知识共享活动少,用户持续使用意愿下降,创建不久便开始衰落,没有达到学术交流的目的。从知识管理视角看,学术虚拟社区构建了知识生产、存储、共享与利用的新范式,为知识共享提供所需的资源、技术和环境,知识共享则为学术虚拟社区的持续发展提供了动力和保障。因此,用户持续参与知识共享是学术虚拟社区成功的关键。本文利用社会心理学的启发式-系统式模型(Heuristic-Systematic Model,HSM),从人类行为决策的一般规律出发,构建学术虚拟社区知识共享的启发式-系统式模型,分别探究启发式变量和系统式变量对持续知识共享意愿的影响,并据此分析学术虚拟社区持续知识共享的障碍与对策。

1 理论背景

1.1 学术虚拟社区持续知识共享研究

学术虚拟社区的持续发展取决于用户是否愿意并持续共享知识,主要挑战是学术虚拟社区中的知识具有非竞争性和非排他性,通常被视为“公共物品”,正如Cabrera将知识描述为“组织中所有人,无论是否贡献过知识,都能获取到的共享资源,并且每个人对知识资源的使用并不会减少其他人对这些资源的使用”[2]。知识的公共物品属性容易导致共享不平衡,人们总是愿意获取和使用免费的知识资源,而不愿贡献自己的知识,从而出现“搭便车”行为。然而,根据西蒙的“有限理性”理论,每个人都是有限理性的,社区成员可能因为人际关系、情感等非理性因素共享知识,因此知识共享及持续意愿的影响因素较多。

学界主要从情感因素、心理认知、个体动机等内生要素,或从技术功能、社会影响、情景环境等外在变量入手研究学术虚拟社区知识共享及持续意愿。比如,陈明红构建了学术虚拟社区知识共享的社会-技术框架,研究社会资本和技术要素对持续知识共享意愿的作用[3];Cheung指出内部动机与知识自我效能具有很强的相关关系,知识自我效能感对知识共享持续意愿具有显著的正向影响[4];Chiu等以期望确认理论和公平理论为基础构建模型,指出自我价值不确定性、分配公平性和互动公平性显著影响虚拟社区成员的满意度和持续意愿[5]。已有研究采用经典理论中的固有模型进行实证研究,取得了丰硕的成果,但没有区分知识共享的启发式行为和系统式行为,尚未研究知识共享行为的理性与非理性因素及其作用机制。

1.2 启发式-系统式模型应用研究

启发式-系统式模型是由心理学家Chaiken提出的用于解释个体信息行为过程的双处理理论模型[6],Chaiken认为人类社会活动具有启发式和系统式两种信息处理模式。基于直觉的启发式行为是指人们付出较少认知努力,根据信息的外部线索进行简单判断。比如,“来源可信度”的暗示可能触发规则“信任意味着正确”,使人们更愿意接受信任度高的人发送的信息。基于理性的系统式行为是指人们利用足够多的认知资源对相关信息内容进行系统评估。比如,用户评价信息质量主要考虑信息内容本身(如论述质量和论述强度),而不仅仅考察信息源可信度和信息数量等非内容因素。

启发式-系统式模型为个人在不同情境下如何处理信息、评估信息、利用信息以及形成决策提供了深入的理论解释,广泛用于探讨启发式和系统式信息行为的影响因素及情境条件。比如,Wirth提出信息搜索行为可划分为启发式和系统式两种模式,且搜索经验和搜索结果的重要性是区分两种行为模式的主要因素[7];Lucassen指出,对Wikipedia信任度高的学生倾向于采用启发式信息行为模式,比较重视信息数量,反之,则倾向于采用系统式信息行为模式,更重视信息质量[8];Zhang认为消费者对在线点评信息的接受是一个双处理过程,包括启发式和系统式两种行为,信息源可信度和点评数量认知是启发式变量,点评质量是系统式变量,两类变量都对消费者行为态度产生显著影响[9]。

目前利用启发式-系统式模型研究知识共享的文献较少。与技术接受模型、用户满意度模型等相比,启发式-系统式模型的优势在于:该模型并不是由几个特定变量构成的结构固定的理论模型,而是行为决策研究的一般框架和行为范式,具有很强的理论扩展性和解释力。采用启发式-系统式模型研究学术虚拟社区知识共享,不受固有变量及其关系的限制,能够从行为决策的一般规律出发,识别知识共享满意度及持续意愿的关键影响因素及作用机制。

2 研究模型与相关假设

2.1 满意度模型中的假设

满意度是指用户对产品、服务以及行为过程的满足与认可程度,包括用户采纳后的评价和在使用过程中形成的感觉状态[10]。满意度与用户持续使用意愿具有稳定的正相关关系,能预测用户持续使用的意愿。对学术虚拟社区而言,用户满意是其持续发展的前提;如果用户不满意,会减少社区活动,甚至注销账户[11]。因此,本文认为在学术虚拟社区中,知识共享满意度对持续意愿产生正向影响,两者之间具有如下关系:

图1 理论研究模型

H1:学术虚拟社区知识共享满意度与持续使用意愿之间具有正相关关系

2.2 启发式-系统式模型的相关假设

学术虚拟社区知识共享行为是复杂的双处理过程,具有启发式和系统式两种行为,分别受到启发式和系统式线索的影响。启发式和系统式线索的直接测量方式是看人们处理信息的数量和精细加工程度,这种测量方式难以操作。一些学者尝试采用间接测量方法来探寻两类线索,即考察人们对信息内容特征和外部特征的处理方式。比如,有研究将在线点评数量感知和来源可信度视为启发式行为的线索,将信息度认知和论述强度视为系统式行为的线索,研究在线点评信息感知对网购的影响[12];也有研究根据用户点击搜索页面的位置划分行为模式,将点击页面顶端视为启发式行为,将点击中间位置的行为视为系统式行为[13]。

由于启发式-系统式模型并没有提出划分启发式和系统式行为的具体标准,学界对两种行为的测量量表尚未形成统一观点[14]。根据Chaiken[15]和Watts[16]的研究,行为的外部线索、信息的形式特征等显性因素被视为启发式变量,行为的中心线索、信息的内部特征等潜在因素被视为系统式变量,可信度和质量分别是启发式和系统式行为最重要的影响因素。在学术虚拟社区知识共享过程中,知识质量和有用性判断需要耗费较多认知资源对知识共享内容及价值进行分析,因而可作为系统式行为的影响因素;知识数量和来源可信度判断是对外部可用线索进行相对简单的思考,耗费的认知资源相对较少,可作为启发式行为的影响因素。

(1)系统式变量的相关假设。知识共享质量和有用性是衡量知识共享水平的两个主要指标,体现了学术虚拟社区成员共享知识的价值。诸多研究表明知识共享质量、有用性与满意度具有相关关系。Gang等指出共享的知识质量越高,越符合预期,用户满意度越高[17];Lin等指出有用性是影响社区满意度的重要因素[18]。同理,倘若学术虚拟社区能为用户提供时效性强、与讨论主题高度相关的知识,增加用户对知识共享的有用性感知,那么用户对知识共享过程的满意度便会提升。基于此,本文提出如下假设:

H2:学术虚拟社区知识共享质量与满意度之间具有正相关关系

H3:学术虚拟社区知识共享的有用性与满意度之间具有正相关关系

(2)启发式变量的相关假设。知识来源可信度是指用户对知识来源是否可信的整体感知,包括知识来源的可靠性和专业性,其中可靠性与社区成员对知识贡献者的熟知度以及对知识的认可度有关;专业性与知识贡献者在相关领域的专业经历、学术影响力、社会身份等有关。当人们采取启发式行为时,通常将来源可信度作为决策和判断的主要依据,认为“专家意见是正确的”“专家意味着权威可靠”[19]。Li的研究表明来源可信度高的说服性信息能够激发用户的积极评价[20];Watts指出专家意见比其他人的意见更可信[21]。因此,本文认为学术虚拟社区知识来源可信度与知识共享满意度之间具有如下关系:

H4:学术虚拟社区知识来源可信度与满意度之间具有正相关关系

知识共享数量是另一个重要的启发式线索,在用户满意度评价中发挥着重要作用。本文借鉴田雯的研究,从知识总量、蕴含的信息量、更新频率、参与成员数量4个方面考察知识共享数量[22]。当人们对知识共享满意度采取启发式评价时,往往根据经验和直觉对知识共享的显著特征和外在表现进行简单判断,通常认为“越多越好”“越多越满意”。许多研究亦将数量作为启发式变量。比如,Chaiken将信息数量和信息接受者偏好作为信息接受效果评价的影响因素[23];Gao等研究在线消费行为决策时发现,参考信息数量越多,越有助于减小用户对产品的期望差异从而提升用户的满意度[24]。据此,本文提出以下假设:

H5:学术虚拟社区知识共享数量与满意度之间具有正相关关系

2.3 启发式变量与系统式变量之间的假设

启发式-系统式模型认为,启发式行为与系统式行为可以同时发生,且两种行为相互影响,使得最终行为出现一定偏差。具体而言,若两种行为结果类似,用户行为兼具启发式和系统式两种行为模式的特征,行为结果既遵从直觉又合乎理性,两种行为具有相加效应;若两种行为结果有出入,需要进一步考察具体情境,如果情境信息清晰且条件明确,那么系统式行为对启发式行为有减弱作用,人们倾向于采取基于理性判断的系统式行为,反之,启发式行为占优,人们倾向于采取基于直觉判断的启发式行为,并产生非理性偏差。

根据Chaiken和Maheswaran的研究[25],用户个体是“认知吝啬者”,并且在大多数情况下,个体难以获取行为情境和外部条件的全部信息,因而个体通常以最少的认知努力进行行为决策,启发式线索对系统式线索产生影响,主导行为决策和推理结果。在学术虚拟社区知识共享满意度评价及持续共享决策过程中,知识来源可信度和共享数量能够激发用户对知识的有用性认知并对共享结果进行积极推断。Sussman等对E-mail知识交换行为的研究指出,知识来源可信度对感知有用性有重要影响[26];Luo等在虚拟社区信息有用性的研究中发现,论坛评论数量显著影响浏览者对信息有用性的感知[27]。当社区成员难以判断某一主题知识价值时,如果这些知识来源的可信度较高,且共享的知识数量较多,那么该成员很可能认为这些知识的有用性较高。因此,本文提出以下假设:

H6:学术虚拟社区知识来源可信度与感知有用性之间具有正相关关系

H7:学术虚拟社区知识共享数量与感知有用性之间具有正相关关系

2.4 社会影响变量的相关假设

学术虚拟社区是基于网络构建的社会化组织,社区成员间的知识共享是社会化互换活动,其过程和结果受社会资本因素的影响。根据社会交换理论,人们在知识共享过程中遵循利益交换原则,通过贡献知识以交换他人知识或期望今后获得类似帮助,从而达到互惠[28]。基于互惠的期望代表着“相互负债”的无形规范,可理解为给予与获取并存的强烈公平感,只有知识贡献得以回报,才能有效激发社区成员持续贡献知识的意愿。Chiu的研究表明,互惠关系对知识共享质量和数量产生重要影响,知识获取者必须回报贡献者对等或更多的知识才能维持知识交换活动[29]。作为一种重要的关系社会资本,互惠可以帮助人们意识到知识共享的潜在价值,并通过提升人们对自我潜在需求的理解和满足程度,促进知识交流和知识共享。学术虚拟社区成员的互惠信念越强,越愿意参与知识获取和交换活动,也越愿意将更多高质量的知识分享给他人。因此,本文认为互惠与知识共享数量、质量具有如下关系:

H8:学术虚拟社区成员之间的互惠与知识共享数量之间具有正相关关系

H9:学术虚拟社区成员之间的互惠与知识共享质量之间具有正相关关系

在社会化组织中,社会联系是结构社会资本的重要内容,也是信息交流和知识获取的重要渠道,代表成员间双向关系的强度。紧密的社会联系意味着稳定、信任和合作,能够促进成员对组织总体目标和行为的理解,激发组织成员努力付出,并减少各方对共享知识有效性的顾虑,从而保证高质量知识的转移和共享。已有诸多研究证实了社会联系对信息交流和知识共享的重要影响。比如,有关社会化电子商务口碑评价的研究指出,社会联系能有效地促进用户交流,对网络口碑的数量和质量都有显著影响[30];Chang从交流频率、时间和紧密程度3个方面测量社会联系,研究结果表明社会联系能够激发社区成员的外在动机并提升知识共享质量[31]。在学术虚拟社区中,相互联系紧密的社区成员愿意共享的知识数量更多,质量更高。据此,本文提出以下假设:

H10:学术虚拟社区成员间的社会联系与知识共享数量之间具有正相关关系

H11:学术虚拟社区成员间的社会联系与知识共享质量之间具有正相关关系

3 实证调研与数据分析

3.1 样本选择

科学网是面向全球华人科学家的学术交流平台,是规模最大的中文学术社区,对学术交流和知识共享具有很好的促进作用,具有代表性。针对科学网选择调查样本,分3个阶段进行调查:首先利用科学网用户的学术名片,搜集1000余用户的姓名、专业、邮箱等个人信息;然后从中随机选择200人进行预调查,回收43有效问卷,根据预调查结果,调整部分问项数量和措辞;最后进行大范围的正式调查,回收有效问卷431份。调查对象中,从性别看,男性和女性分别占86%和14%;从专业职称看,教授占33%,副教授占44%,讲师及研究生占23%;从年龄结构看,29-45岁占75%,45岁以上占20%,29岁以下约5%;从学科背景看,自然科学领域占79%,社会科学、人文艺术等占21%。

3.2 测量模型信度与效度检验

测量模型的信度采用平均方差抽取量(Average Variance Extracted, AVE)、 组 合 信 度(Composite Reliability,CR)和内部一致性系数(Cronbachs Alpha)进行测量,三者的最低值分别为0.5、0.7和0.7[32]。检验结果如表1所示,除来源可信度的AVE值为0.537外,其余变量的AVE值皆大于0.7,所有变量的CR大于等于0.821,所有变量的Cronbachs Alpha皆大于等于0.732,说明测量模型具有较好的信度。

表1 模型的信度检验结果

测量模型的效度包括内容效度和构建效度。内容效度考察的是测量指标内容的全面性和代表性,由于所有变量的测度项来自现有研究并事先进行预调查,保证了测量变量的清晰度和相关度。构建效度包括聚合效度和区分效度,聚合效度采用AVE进行测量,AVE的阈值是0.5,由表1可知,所有AVE值在0.537至0.884之间,说明聚合效度较好;区分效度通过比较平均方差抽取量的平方根与变量间相关系数进行测度[33],由表2可知,所有变量平均方差抽取量的平方根皆大于该变量与其他变量之间的相关系数,因此区分效度良好。

表2 相关系数矩阵

图2 结构模型检验结果

3.3 结构模型的拟合度分析

采用偏最小二乘法对结构模型进行分析,包括变量间的路径系数、路径的显著性程度(所有显著的路径采用*标注)和变量解释的方差(R2),分析结果如图2所示。

结构模型检验结果显示,持续知识共享意愿差异的49.4%由知识共享满意度引起,知识共享满意度的R2(被解释方差)为55.8%,即知识共享满意度被各种启发式因素和系统式变量共解释了55.8%的方差,说明该结构模型具有较好的预测效果。此外,所有假设关系均得以验证。知识共享满意度对持续共享意愿存在显著的正向影响(β=0.703,p<0.001),假设H1得到验证。系统式因素和启发式因素都是影响知识共享满意度的关键预测因子,其中系统式因素包括知识共享质量和知识共享有用性,两者的影响系数分别为0.117(p<0.05)和0.251(p<0.001),启发式因素包括知识共享数量和知识来源可信度,两者的影响系数分别为0.423(p<0.001)和0.126(p<0.01),(β=0.423,p<0.001),假设H2、H3、H4、H5均得以验证。知识共享数量和知识来源可信度对知识共享有用性具有显著正向影响,影响系数分别为0.368(p<0.001)和0.322(p<0.001),假设H6和H7成立。此外,互惠和社会联系两个社会影响变量则分别对部分启发式变量(知识共享数量)和系统式变量(知识共享质量)产生显著影响,并且互惠对知识共享质量(β=0.528,p<0.001)和 知 识 共 享 数 量(β=0.403,p<0.001)的影响作用较大,社会联系对知识共享质量(β=0.151,p<0.001)和知识共享数量(β=0.181,p<0.001)的影响作用较小,假设H8、H9、H10、H11均成立。

4 结论与启示

在理论上,尽管启发式-系统式模型越来越多地应用于网络信息行为研究,但在虚拟社区知识共享领域的应用研究较少。本文将知识共享满意度及持续共享视为一个双处理过程,包括启发式和系统式两种行为,同时受到启发式线索(包括知识来源可信度和共享数量两个启发式变量)和系统式线索(包括知识共享有用性和知识共享质量两个系统式变量)的影响,两个启发式变量对知识共享的有用性这一系统式变量具有显著影响,验证了启发式-系统式模型的偏差效应。可见应用启发式-系统式模型从人类行为决策的一般规律出发探究学术虚拟社区知识共享满意度及持续意愿,能够揭示各种理性与非理性因素对学术虚拟社区知识共享满意度及持续意愿的影响及作用机制。

在实践上,学术虚拟社区管理者可通过四方面努力提高学术虚拟社区知识共享满意度及持续意愿:

(1)知识共享质量和有用性是满意度评价的两个系统式变量,对满意度产生重要影响,这与Lin的研究结论一致[34]。对新的或不熟悉的虚拟社区,用户在知识共享及其满意度评价过程中,通常采取系统式行为模式,主要根据知识共享质量和有用性进行决策,耗费的认知能力和资源较多。由于学术虚拟社区是一个自组织形成的松散组织,没有强制的约束机制,知识共享过程中可能存在知识产权纠纷、时效性不强、创新不够、与讨论主题相关性不强等问题,同时社区知识量大且不断增长,社区成员不便获取高质量的知识,从而降低了知识共享的有用性。鉴于此,学术虚拟社区可采用机器算法和人工筛选相结合的方法识别潜在的优质内容,利用知识挖掘和语义检索技术实现社区知识的快速获取,并对社区知识进行语义分析和深层次聚合,构建内容相互关联、多维度、多层次的知识导航系统,提供深层次的知识服务,提高知识共享的有效性和有用性。

(2)知识来源可信度和知识共享数量是两个重要的启发式变量。与Zhang的研究结论相似[35],对具有一定社会认可度的虚拟社区,在用户知识共享满意度评价及持续意愿形成过程中,社区成员通常遵循最小努力法则,倾向于采取启发式行为模式,主要根据来源(可信度)和表面特征(知识共享数量)进行判断,耗费的认知努力和资源较少。为此,学术虚拟社区管理者可通过增加知识来源可信度和知识数量来减少用户认知负担:一是采取实名制,提高用户可信度,打造高质量的社区;二是借鉴PageRank、Hits等链接算法,综合考虑用户的学术权威性和社区影响力,计算社区用户可信度排序值(Person Rank,PR);三是尽可能满足用户分享知识和建立威望的人性需求,借鉴知乎等问答社区的经验,提高新用户被认可的可能性,激励用户持续参与知识共享活动。

(3)启发式行为和系统式行为可同时发生,知识共享满意度评价及持续意愿形成过程兼具启发式和系统式两种行为模式的特征,使得结果既遵从直觉又合乎理性。社区成员主要根据具体情境中的动机和能力因素决定行为模式,并在权衡最小认知努力和最大收益的过程中寻求相对最优解。对此,学术虚拟社区管理者需要考虑知识共享收益与认知成本间的平衡,注重收集和保存知识共享行为轨迹和相关数据,利用大数据技术和方法,深入挖掘社区成员的专业特征、科研偏好、行为习惯,据此提供知识共享的智能推荐,使得社区成员以最小的认知成本获得知识共享的最大收益。

(4)启发式线索和系统式线索都受到外部社会资本的影响,互惠和社会联系对知识共享数量和质量均有显著影响,且互惠的影响作用大于社会联系。学术虚拟社区知识共享是成员间的集体交换行为,追求利益是促使交换行为产生并持续的关键因素,这里的利益既包括物质奖励,也包括自尊、赞同、支持、威望等心理回报,并且心理回报通常比物质奖励更重要。鉴于此,学术虚拟社区管理者需要采取有效措施。比如,建立基于兴趣的弱关系,举办线下活动,促进相互交流和认可,提高成员间信任程度,增强成员间的社会联系和社区活跃度,提升学术虚拟社区知识共享效果。

本研究存在以下研究局限:一是调查对象仅为科学网虚拟社区用户,样本多样性不足,不同学术虚拟社区用户的知识共享满意度评价及持续意愿形成过程会有所不同;二是动机和能力是决定行为模式的主要因素,本文尚未深入分析启发式行为和系统式行为发生的情境条件,没有探索动机和能力的阈值;三是将知识来源可信度和共享数量作为启发式线索,将知识共享质量和有用性作为系统式线索,忽略了其他因素(如情感、心理)的影响。在后续研究中,将针对以上不足,扩展研究模型,完善研究结论。

[1] 陈明红,漆贤军.社会资本视角下的学术虚拟社区知识共享研究[J].情报理论与实践,2014(9):101-105.

[2] Cabrera A,Cabrera E F. Knowledge-sharing dilemmas[J].Organization studies,2002(5):687-710.

[3] 陈明红. 学术虚拟社区用户持续知识共享的意愿研究[J].情报资料工作,2015(1):41-47.

[4] Cheung CMK,Lee MKO. What drives members to continue sharing knowledge in a virtual professional community?The role of knowledge self-efficacy and satisfaction [M]//Knowledge Science,Engineering and Management. Berlin: Springer Berlin Heidelberg,2007:472-484.

[5] Chiu CM,Wang ETG,Shih FJ,et al. Understanding knowledge sharing in virtual communities: an integration of expectancy disconfirmation and justice theories [J]. Online Information Review,2011(1):134-153.

[6][15][23] Chaiken S. Heuristic versus systematic information processing and the use of source versus message cues in persuasion [J]. Journal of Personality and Social Psychology,1980(5):752-766.

[7] Wirth W,B?cking T,Karnowski V,et al. Heuristic and systematic use of search engines [J]. Computer-Mediated Communication,2007(3):778-800.

[8] Lucassen T,Noordzij M L,Schraagen J M. Reference blindness: The influence of references on trust in Wikipedia [C]// Proceedings of the ACM Web Science Conference Germany,2011:1-4.

[9][12][35] Zhang K Z K,Zhao S J,Cheung C M K,et al.Lee. Examining the influence of online reviews on consumers'decisionmaking:Aheuristic systematicmodel[J].Decision Support Systems,2014(67):78-89.

[10] Bhattacherjee A. Understanding information systems continuance: an expectation-confirmation model [J].MIS quarterly,2001:351-370.

[11] Gu B,Konana P,Rajagopalan B,et al. Competition among virtual communities and user valuation:The case of investing-related communities[J]. Information Systems Research,2007(1):68-85.

[13] 黄鹂强,王刊良.搜索引擎用户对商品搜索结果的点击行为研究[J].管理科学,2012(1):76-84.

[14] Schemer C,Mattehes J,Wirth W. Toward Improving the Validity and Reliability of Media Information Processing Measures in Surveys [J]. Communication Methods andMeasures,2008(3):193-225.

[16] [21]Watts S A, Zhang W. Capitalizing on content:Information adoption in two online communities [J].Journal of the Association for Information Systems,2008(2):3.

[17] Gang K W,Ravichandran T. Exploring the Determinants of Knowledge Exchange in Virtual Communities[J].Engineering Management, IEEE Transactions on,2015(1):89-99.

[18][34]Lin H F. Antecedents of virtual community satisfaction and loyalty:an empirical test of competing theories [J].CyberPsychology & Behavior,2008(2):138-144.

[19] Bonner B L,BaumannMR,Lehn A K,et al.Modeling collective choice:decision making on complex intellective tasks[J]. European journal of social psychology,2006(5):617-633.

[20] Li C Y. Persuasive messages on information system acceptance: A theoretical extension of elaboration likelihood model and social influence theory [J].Computers inHuman Behavior,2013(1):264-275.

[22] 田雯. 通过激活社会资本在虚拟社区中实现知识共享[D].合肥:中国科技大学,2011.

[24] Gao J,Zhang C,Wang K,et al. Understanding online purchase d ecision making:The effects of unconscious thought,information quality,and information quantity[J].Decision Support Systems,2012(4):772-781.

[25] Chaiken S,Maheswaran D. Heuristic processing can bias systematic processing:effects of source credibility,argument ambiguity, and task importance on attitude judgment[J]. Journal of personality and social psychology,1994(3):460.

[26] Sussman S W,Siegal W S. Informational influence in organizations: An integrated approach to knowledge adoption [J]. Information systems research,2003(1):47-65.

[27] Luo C,Wang Y F,Wu N,et al. The influence of eWOM and editor information usefulness in virtual community[C]// PACIS 2014 Proceedings,2014:82.

[28] Wu J B,Hom P W,Tetrick L E,et al. The norm of reciprocity: Scale development and validation in the Chinese context [J]. Management and Organization Review,2006(3):377-402.

[29] Chiu C M,Hsu M H,Wang E T G. Understanding knowledge sharing in virtual communities:An integration of social capital and social cognitive theories[J]. Decision support systems,2006(3):1872-1888.

[30] 左文明,王旭,樊偿.社会化电子商务环境下基于社会资本的网络口碑与购买意愿关系[J].南开管理评论,2014(4):140-150,160.

[31] Chang H H,Chuang S S. Social capital and individual motivations on knowledge sharing:Participant involvement as a moderator [J]. Information & management,2011(1):9-18.

[32] Chin W W. The Partial Least Squares Approach to Structural Equation Modeling [M]//Marcoulides G A.Modern Methods for Business Research.London:Psychology Press,1998:295-336.

[33] Straub D,Boudreau M C,Gefen D. Validation guidelines for IS positivist research[J]. The Communications of the Association for Information Systems,2004(1):63.

猜你喜欢

虚拟社区数量学术
如何理解“Curator”:一个由翻译引发的学术思考
统一数量再比较
对学术造假重拳出击
基于KANO模型问答型虚拟社区用户需求的分类研究
头发的数量
虚拟社区人际关系对旅游行为意向影响的实证研究
基于虚拟社区的定向出版模式
我国博物馆数量达4510家
虚拟社区感对用户忠诚度影响的实证研究
学术