社交问答平台的知识生产与分享*

■ 杨 洸

移动互联网时代,各种知识类应用和公众号充斥网络。在手机和电脑的屏幕之下,到底传播的是什么知识,谁在推波助澜,知识在网络上又怎样被扩散和分享的,对个人和社会产生了怎样的影响,这些问题构成了对知识分享的思考和对其社会效用的认识。

基于此,本文聚焦在知识分享最常见的平台之一,即社交问答平台(Social question and answer,简称SQA),在平台上个人可以就各种主题提出高度个性化的问题,并获得个性化回答,“知乎”“得到”“Quora”等都是代表。在线知识问答的本质就是通过汇集众人智慧,进行知识生产和分享,它不仅是用户获取高质量知识和个性化答案的途径,并且还能通过网络将知识传播到更广泛的人群,形成公共知识。因此,个性化的知识问答是一种信息扩散的过程,最终是否以及如何达到高效的知识分享目标,实现知识生产、分享和扩散,当前还没有较为系统的分析和阐释。本文从信息扩散(information diffusion)的视角,对问答平台的扩散内容、扩散途径、扩散机制及结果进行考察,试图厘清问答平台的知识扩散的效用和影响。

一、知识扩散的内容

问答平台上流转的都是个人提问和众人协作回答的内容,我们常常会统称为“知识”,可在实际观察中,这些高度个性化和碎片化的知识常常流于简单片面和狭隘,不成体系,严格说来并非“知识”,可以称为“信息”。如何提问以及如何回答,已经成为深刻影响社交问答平台内容的重要因素,而优质的内容是推动问答平台发展的动力。

首先,个性化的提问,内容包罗万象。用户提问无所不包,对知识的询问涵盖“什么”“谁”“为什么”“怎么”等多个方面。研究者对提问类型有不同层面的划分:一是对显性知识和隐性知识(explicit and tacit knowledge)的提问,显性知识通常被描述为可以使用书面文字、图表和数学公式加以表述的知识,而未被表述的,如个人在做某事的行动中所拥有的知识则是隐性知识①。在问答平台中,隐性知识的问答比例越来越多,比如“知乎”中的“你所经历的最羞耻的事情是什么？”“有哪些事情,你去了上海才知道？”“学医的女生有多可怕？”等问题都获得了用户广泛的关注。二是程序导向型和任务导向型提问②,这在专业或技术类的问答平台中非常普遍,前者寻求处理某一特定情况的程序,如“有什么功课是孕期没做足,后来会让你后悔万分的？”,后者征求有关某项任务的细节,如“在XAML中定义一个万能转换器”。三是分为事实、意见和咨询三类③,事实类问题寻求客观数据,意见类问题是为了引出别人对某一个主题的想法,咨询类问题则是征求意见以解决提问者的个人问题。还有其他的四分法④、五分法⑤。实际上,这些问题类型虽然有所区别,但并不总是相互排斥的。

提问本身就是平台吸引流量的关键要素。在问答平台上,提问者虽说是搭便车,利用了回答者的知识分享获取了解答,但是,提问使得个人的信息需求变得可见和显著,并且让个人的需求逐渐具有公共性,形成集体行为。用户就问题进行交流和分享,形成了特定兴趣小组,与其他兴趣小组进行了区分,产生了小组边界,小组规模有可能还会持续扩大(当新的信息需求被引入),最终信息资产留下形成了整个问答社区或网络上的公共财产。⑥因此,个性化的提问一旦与大众的信息需求心理和经历相契合,往往会聚焦大众关注,成为问答平台的热门话题。如知乎中的热门话题“如何看待迪丽热巴获得金鹰奖金杯？”(4671万热度)、“男生喜欢女生有哪些表现？”(215万热度)、“有哪些是你真正进入社会才懂得的道理？”(206万热度),都是因为提问本身吸引了大众的参与和关注。

问题的好坏,还决定了回答的质量。有学者基于分析“雅虎问答”(Yahoo! Answers)中没有收到任何回答的近千条提问的文本特征⑦,发现它们的共同特征是缺乏清晰度,具体表现在:①不清楚,问题不能被普通人所理解；②太复杂,问题需要专业知识或者需要不合情理的时间来回答；③提出多个问题,可能占用回答时间太多亦或问题之间的关联性不大；④缺少信息,未能从提问者获得足够的信息来回答问题。这些都是影响回答质量和数量的重要因素。比如从知乎的热榜中看,提问都属于清晰的表述,如“你认为王者荣耀里最快乐的英雄是哪几个？”“历史中有哪些听起来轻描淡写但读过之后感到十分难过的句子？”“有哪些国内演员不用配音且演技炸裂？”“女生剪寸头是什么感受？”。

其次,用户提供的高度个性化答案,是问答平台的重要内容,体现了知识的生产、分享和扩散。由于大部分的知识分享者可能都并非专家,所以答案的质量评估显得尤为重要,答案的质量是增加用户黏度以及关系平台生存的关键。问答平台通常依靠群体的力量来评估答案的质量,大众参与的投票模式已经被证实在一定条件下是有效的⑧,如果不能积累足够的用户投票,高质量的答案可能就此淹没。然而,大众投票产生的最佳答案也不一定是最专业的答案⑨,即用户倾向的答案可能不是质量最高、最优的回答。研究者观察了健康类提问的最佳答案,发现大型的网络问答社区里用户询问的各种个人健康问题下,答案仅仅满足信息实用性的需求是不够的,还要与回答中的社会情感支持密不可分⑩。亦即,答案获得用户高票数有时依据的是社会情感标准(social-emotional criteria)、寻找归属感、寻找情感支持以及保护隐私,不一定是答案的信息需要。

高质量的答案是否存在一些普遍的特征？研究者发现高质量答案具有高支持率、完整性、描述性、可靠性和准确性等特征,而高频词、答案长度和最佳答案则与高质量答案弱相关。有研究者抓取了“知乎”上的20万个问题和92万多个答案,通过模型和机器学习,结果显示,回答者的社交属性,包括回答者获得的感谢数、回答者的粉丝数、回答者主页的来访数,彰显了其在网络社区中的影响力,对于答案质量的重要性显著高于答案的结构化特征(如答案长度、格式、标点符号占比)、答案文本特征(如文本的多样性、情感极性)和答案与问题的相关性特征等维度。对“雅虎问答”中健康类问题的最佳和非最佳答案票选的分析发现,用户倾向答案中包含数字、统计类信息、参考文献和链接等信息,因为显示了更高的可信度；健康问答用户也更倾向于个性化且内容长度较长、显示了针对性和更为深入的信息的答案；健康答案中呈现的“损失框架”(loss-framing)要比“得到框架”(gain-framing)更容易使其成为最佳答案,可能是因为很多提问都是关于疾病症状的诊断,而不是疾病的预防。

二、知识扩散的途径

问答平台上发展的社交联系,为传播信息、知识创新和扩散影响提供了条件。测量信息扩散,可以采用社会网络分析方法,常用的测量指标包括扩散的网络大小(network size)、扩散的网络直径(network diameter)、平均聚类系数(average cluster coefficient)、扩散广度、扩散深度和扩散速度等。扩散的程度可以从用户的信息接触、信息分享、转发量、点赞数、评论数等网络线索指标来定义。

平台的知识扩散途径主要依靠个性化推荐,问答平台会依据个人的关注、兴趣和喜好领域向用户自动推荐相关的问答。目前主流的推荐技术包括总体热度、用户个人喜爱和需求、好友圈协同过滤、混合推荐算法等。然而,对于用户的知识获取是否会因为问答系统的个性化推荐,变得越来越窄化,形成信息茧房,目前还没有深入的实证研究。

三、知识扩散的机制

为什么有的提问或答案在网络中会非常流行,关注、点赞和评论多,持续时间长,扩散最多,而有的提问或答案则冷冷清清,鲜受关注。这与几个因素相关,一是问答的内容属性,即问答主题的吸引性、答案信息的丰富性、答案包含的情感性等；二是参与问答的用户影响力,包括提供回答的用户特点,评论答案的用户特点,时机、点赞数、转发数,以及参与用户是否是意见领袖,这些都会影响问答扩散的广度和深度。具体而言,平台上某些问答得以扩散,很大程度上有赖于用户的持续参与。用户可以同时扮演多种角色,如问题提出者、回答者、跟帖者以及内容编辑,每个人可扮演多个角色,实现角色交叉。用户既是知识的提供者、创造者,也是信息的接受者、利用者。用户可以点赞、收藏、分享提供各种社会线索,平台鼓励用户参与各种支持活动,如对问题与回答的评论、投票。

用户持续使用问答平台,背后的动机有以下两方面:第一,从提问者视角探讨,关注他们的知识搜索、采纳和评价等行为,有研究者发现人们在社交问答系统中提问的主要原因是能够获取个性化答案,以及与他人进行互动。研究者通过问卷访问了“雅虎问答”200位活跃的提问者,他们提问的动机和期待表现为：①学习,通过获取信息自我教育；②提问有乐趣；③通过寻找建议或者帮助来做出决定；④寻找相关的信息；⑤通过知识获得安全感。有关用户信息采纳行为的研究结果显示,信息有用性、信息质量和用户信誉是主要影响因素,以及期望效用、努力预期、社会影响力和促进条件与用户信息采纳正相关。

第二,关注回答者视角,关注他们的知识分享行为和动机。基于社会资本理论、社会交换理论,社会认知理论、满意理论、期望确认理论、技术接受模型等,总的来说,在线问答用户持续贡献知识的动机和机制,可以分为内部或外部动机。内部动机是指人们参与知识分享和扩散是受到快乐、骄傲、挑战等内部需求驱动的,是个人对知识拥有的信仰和人际信任等,用户希望以此实现自我价值；外部动机是系统平台提供的奖励和刺激,即用户参与知识分享和扩散能实现互惠或提高声望。回答者的动机有如下几方面:提高声望；帮助他人的享受、互惠；知识的自我效能、确定性；持续使用意向。利他主义是最有影响力的动机,而个人利益是最不具有影响力的动机。此外,平台对用户的激励机制,以及用户的使用体验,也都是影响用户持续参与的重要因素。

四、知识扩散的结果

问答平台上,针对某个具体问题的知识生产与分享会一直持续下去吗？通常,参与知识分享的用户没有义务持续分享和贡献,因为形成的问答小组是暂时的,界限是模糊的,人们可以来去自由,导致了会员的流动。

根据提问对专业知识的要求和主题的吸引力,问答小组的规模和信息流动方向存在较大差异,大致有四种情况。其中第一种情况,回答所需的专业知识以及讨论话题的吸引力均较高,形成的问答小组规模就会扩大,访客的数量也会增加,因为普通大众都有类似相关的问题,也会感兴趣回答一些问题,但是只有少部分拥有专业知识的人能够持续回答,所以信息的流动是不对称的。例如大众科学的问答就属于此类。第二种情况是,问题回答所需的专业知识程度较高,讨论主题的大众吸引力降低,那么问答小组的规模则会缩小,访客的数量也会减少,因为只有与特别领域相关的专业人士才会参与,所以信息的流动是对称的。学术上的专业讨论就属于这一类情况。第三种情况是,大众对讨论主题的兴趣不高以及回答并不需要专业知识,问答小组规模维持困难,会缩小甚至逐渐消失,因为一旦这些容易的问答被填满了,为数不多的访客会随时离开,信息的流动变得不对称。比如非常具体的一次性问题,既不能获得声誉也不用使用技能来回答。第四种情况,如果回答需要的专业知识较低,但是大众对主题的兴趣较高,问答小组的规模将会扩大,访客的数量会增多,信息流动会变得对称。比如对易于制作的食谱或者对电影大片的问答讨论。

社交问答平台将知识分享从传统的中心化知识管理转变为持续在线的知识对话，过程中包括与陌生人的互动对话、不可预期的干扰、重新使用和动态浮现等实际情况,其本质和最终目的都是为了能够达到高效的知识分享。用户参与网络公共知识对话的成效受到社交平台上的功能可见性(affordances)的影响,包括元消息(metavoicing)、触发参与(triggered attending)等。

首先,用户参与在线的知识问答对话,是通过对其他用户发布的内容和行为活动做出相应的回应来实现的,这就是元消息。这种元消息不是简单的发声,用户并不是简单地表达个人的观点,而是将知识添加到已经在线的内容中。元消息可以有多种形式,包括转发,对帖子进行投票，评论某人的帖子,对评论进行投票、点赞等。基于关键众人理论(critical mass theory),当参加一个共同的知识讨论和分享活动的人数达到了一个关键的数量,这种关注将带动更多的人参加共同的活动,使知识对话富有成效。但是,在共同参与知识生产和分享的过程中,也可能会激活其他机制来抑制知识对话的生产力,比如“集体思考”(group thinking)机制认为,人群“似乎并不特别明智”,如果大多数意见或投票都在一个特定的方向上,那么之后的参与者通常会错误地认为投票结果反映了代表性的样本。这导致对意见准确性的偏见,甚至极化。

其次,触发参与也会影响知识对话的持续性和质量。触发参与,是通过问答平台的自动提醒机制通知个人对特定感兴趣内容的关注和参与。比如用户在系统中设定关注的问题、关注的专栏、关注的人,当用户能够将精力集中在个人感兴趣的话题上时,他们在知识生产和分享中就有充分的动力,会与他人协作共同完善答案。问答平台能否吸引和留住用户是关键,触发参与会降低保持参与所需的工作量,以较少的成本参与对话,减少了用于参与的努力并更容易维持动机,因此可以促进富有成效的在线知识对话。不过,如果人们只利用他们目前拥有的知识作为参与的基础,那么这可能会减少探索新知识和参与的机会。使用预先设定的触发器的用户可能对之前发生的事情知之甚少,对社区的沟通规范几乎没有社会化了解,在社区内并不会形成富有成效的对话,也可能会在知识分享时比较难以理解他人的观点。因此,触发参与可能也是导致无法激活知识问答对话与生产性知识共享的关联的重要机制。

五、结论

传统的知识生产和分享,是由精英主义垄断、把持了知识的生产、过滤、传播各个环节,最终传达到普通大众,是一种典型的精英主义控制路径。互联网去中心化的结构改变了知识分享的源头,任何人都可以成为知识分享和传播的控制者；同时,个体的知识、碎片化时间、分享的热情在互联网上聚集,产生的巨大的认知盈余,是网络社会化问答兴起和发展的内驱动力。随着用户生成内容(UGC)的发展,许多个体促进了信息和知识生成的协作环境,而不再是由专家和出版商掌控的经历创建、审查和出版的漫长过程。

社交问答平台形成并促进了知识的生产、分享和扩散。问答平台的流行,很大程度上归结于高度个性化的问答与社会参与。问答社区中的社会网络和信息结构,将主题和用户连接,将用户与用户连接,将相关的问题连接,这些连接帮助用户寻找主题,与有共同兴趣的用户建立联系。问答平台的边界是模糊和穿越的:一是平台用户身份的模糊,用户可以是问题的提出者,也可以是知识的生产者、传播者和分享者；二是私人和公共边界的模糊,高度个性化的知识问答经过群体的参与讨论,发展为公众的公共知识。

在人人都可以参与的知识分享和扩散的传播过程中,个性化知识的质量如何判定，问答社区的贡献者聚集起来,他们投票帮助选出领域专家和高质量的回答,依靠众人智慧的同时,有可能会受到社会影响力的作用,谁的观点或分享吸引了大众的注意力,哪一种是主流观点和意见,是否存在群体的偏向,用户之间形成的是多样化认知还是共识,都值得深度思考。个性化推送,知识的聚合,也存在对其他知识的忽视和放弃。基于新媒体技术的在线知识问答并非都带来正面的影响,也可能是负面影响,即问答平台或会促进产生亦或阻碍富有成效的知识分享,积极和消极方面处于紧张矛盾的拉锯之间。

总而言之,本文以问答平台为知识分享的代表,从知识的扩散内容、扩散途径、扩散机制和扩散结果等方面进行了分析和阐释。基于问题驱动式的个性化和碎片化的问答知识,一方面可能解决了提问者的信息需求,使其获得一种收获知识的满足感,另一方面也让问答发展为公共知识留存于网络空间。但是这样的用户体验可能是一种幻觉,“我懂了”“我一直在努力学习”,到底在多大程度上解决了知识焦虑,让用户真正获得了有用的知识,从问答中获得社会支持和情感支持可能是比信息获取更好的用户体验；同时个性化问题和答案的大量存在,对用户的选择也带来了很大困扰,这些还需要进一步的用户研究和内容研究的佐证。

注释:

① Polanyi,M.(1958).PersonalKnowledge,https://en.wikipedia.org/wiki/Tacit_knowledge.

② Nam,K.,Ackerman,M.,& Adamic,L.(2009).Questionsin,Knowledgein?AStudyofNaver'sQuestionAnsweringCommunity.Proceedings of the SIGCHI Conference on Human Factors in Computing Systems:ACM,pp.779-788.

④ Westbrook,L.(2015).IntimatePartnerViolenceOnline:ExpectationsandAgencyinQuestionandAnswerWebsites.Journal of the Association for Information Science and Technology,3,pp.599-615.

⑥ Bimber,B.,Flanagin,A.,& Stohl,C.(2005).ReconceptualizingCollectiveActionintheContemporaryMediaEnvironment.Communication Theory,15,pp.365-388.

⑦ Kitzie,V.,Choi,E.,& Shah,C.(2013).FromBadtoGood:AninvestigationofQuestionQualityandTransformation.Proceedings of Association for Information Science & Technology (ASIST) Annual Meeting,Montreal,artice,no.107.

⑧ Hosseinin,M.,Moore,J.,& Almaliki,M.(2015).WisdomoftheCrowdWithinEnterprises:PracticesandChallenges.Computer Networks,90(C),pp.121-132.

⑩ Liu,Z.,& Jansen,B.(2013).QuestionandAnsweringMadeInteractive:AnExplorationofInteractionsinSocialQ&A.International Conference on Social intelligence and technology,PA,pp.1-10.