网络创新社区知识产品重混影响因素的实证研究

谭 娟，谷 红，苗冬青

（北京工商大学商学院，北京 100048）

知识产品是人类在改造自然和社会的实践中，通过支出脑力劳动，依靠知识、智力等要素进行创造性活动的成果，并以一定形式表现出来的一种自然科学、社会科学的成就[1]。随着Web2.0信息技术和知识经济的发展，自由、开放的“大众生产”(Peer Production)作为知识产品生产领域中的一种新型组织模式和创新动力机制备受推崇[2-3]。创新动力机制是推动创新实现优质、高效运行并为达到预定目标提供激励的一种机制[4]，理解创新过程及其决定因素有助于改进现实世界组织中的创新生产，并最终创造更多卓越的新产品和服务[5-6]。网络创新社区(Online Innovation Community, OIC)为生产者(社区用户)自由发布知识产品提供了开放空间。知识产品在广泛分享、转移过程中通过复制、融合、重组等作用方式实现产品创新的过程被称为“重混(remixing)”[7-8]。重混作为大众生产过程中知识产品的主要创新模式之一广泛存在于OIC中，如维基百科、Thingiverse、Scratch、软件开源社区Github等。根据重混对象的相互作用关系划分可以将其分为“继承”与“派生”两种形式。继承是指对已有产品进行改造后获得新产品；派生是指产品被其他用户改造后作为新产品发布[9-10]。

近年来各种开放式OIC获得了快速发展，知识产品重混作为适用于互联网协作情境下的重要创新模式而受到关注[11]。Stanko等[12]提出重混是开放式环境下信息交换、知识分享和扩散的自然结果，应从动态扩散和静态属性两个层面挖掘其内在动力。Hill等[13]、Monroy-Hernández等[14]则从知识贡献的原创性(Originality)和生成性(Generativity)辩证分析了重混行为，并提出作品复杂性、创作者声誉、知识积累对重混作品创新贡献影响显著。除此之外，OIC创新研究工作也为理解知识产品重混提供了理论和实践依据。这些文献主要关注OIC创新过程中的用户参与动机、知识共享、在线交互等内容。有学者指出，求知动机[15-16]互惠动机[17]、兴趣动机[18-19]、易用性感知[20]是影响OIC用户不断参与产品创新的主要因素，并提出用户行为和创新绩效密切相关，而知识共享的持续性、共享意愿、共享知识水平对开放式创新的贡献度有着显著影响[10，21-22]。Liu等[23]提出成员间的在线互动能够增强OIC中用户的亲近度和信任感并促进知识产品创新。

综上所述，我们发现已有研究存在以下不足：首先，现有知识产品重混的研究多关注其对开放式创新的知识贡献作用，试图为理解知识重混对开放式创新的促进机制提供解释，但缺乏对具体实践过程中影响因素的深入探讨；其次，与知识产品重混相关的OIC创新研究多选择以用户、平台、知识等为研究对象，重点关注其对创新绩效的贡献和影响，但少有研究关注知识产品在创新过程中的作用机制。本文由此提出研究问题：“在开放性、自发参与的互联网环境中，不同知识产品的重混创新贡献何以存在如此显著的差异?大部分知识产品无人问津，仅少部分知识产品经过不断重混、繁衍形成‘谱系化’的产品”。

基于以上对文献的梳理和评价，本文尝试从三个方面进行解答。第一，知识产品属性对其重混创新贡献的影响。网络创新社区知识产品具有“类聚性”，表现形式高度相似的产品的重混程度为何存在显著差异。第二，生产者(平台用户)交互行为对知识产品重混创新贡献的影响。用户是知识生产的制造者和供给者，也是知识产品重混的执行主体。由于OIC中交流的成员彼此之间大多素未谋面，成员之间更频繁的在线互动是否一定就会刺激更多的重混作品生成有待验证。第三，知识产品的重混行为是否存在“延续效应”，即重混实践中的继承与派生行为之间的相关性有待检验。

本文研究对象和数据取自Thingiverse网站。该网站是全球最大的3D打印设计产品OIC，对用户发布创意产品提供了模板化的展示和互动系统，给出了浏览次数、点赞次数、评论内容、作品配图以及模块文件等内容，并建立了与知识产品重混状态有关的继承、派生关系的管理机制。因此，本文通过设计爬虫获取公开数据开展实证研究。

1 研究理论和假设

1.1 研究模型

重混创新的本质是OIC中用户基于兴趣、求知、实用等动机对现有产品不断改进完善并持续创造新产品的行为。有别于传统创新模式，重混创新是一个各种创新要素互动、整合、协同的动态过程，并具有自由、开放、流通的基本特征。Roger认为：“创新是一种被个人或其他采用单位视为新颖的观念、实践或事物；创新扩散是一种基本社会过程，在这个过程中，主观感受到的关于某个新语音的信息被传播，通过一个社会构建过程，某创新的意义逐渐显现”[12]。从知识分享和信息扩散的角度来看，重混可以视为创新对象(知识产品)在开放性互联网空间分享、扩散、重组的往复过程。在创新研究理论中，Roger的创新扩散理论从相对优势、兼容性、复杂性、可试验性、可认知性、思维可变性等6个维度提出了创新对象的属性特征，较为全面地解释了影响创新作品被识别、认知、接纳、传播的要素。各要素的具体内涵解释如下：相对优势代表创新作品相较于已有产品的新颖程度；兼容性反应某项创新与现有价值观、以往经验、预期采用者需求的共存程度；复杂性反映某项创新被理解和运用的难易程度；可试验性反映在有限基础上可被试验的程度；可观察性反映创新作品为他人所见的程度创新；思维可变性则突出变化的思维模式对创新更具贡献价值。信息扩散渠道和受关注度也是决定创新扩散程度的关键因素。

因此，本文基于创新扩散理论构建理论模型，从知识复杂度、受关注度、用户交互、延续创新四个方面提出关键要素，分析OIC中的知识产品重混。考虑到OIC中知识产品的展示形式有着较强的模板化要求，创新作品的可观察性和可试验性存在较强的同质化特征，因此知识复杂性成为产品被理解并再利用的关键因素。在特定的OIC内，用户点击、浏览、讨论、转发等行为是创新作品信息扩散的主要途径，由此提出受关注度和用户交互两个属性描述产品的扩散效度。再者，由于“继承”得到的创新作品相比源创新作品具有更好的兼容性，因此考虑作品的延续创新可能对其继续重混存在潜在影响。

综上所述，提出OIC中知识产品重混影响因素分析模型如图1所示。

图1 OIC中知识产品重混影响因素分析模型

1.2 研究假设

1.2.1 知识复杂度与重混的关系

复杂性是知识的重要特性之一。Nelson等[24]认为根据知识的可理解程度可将之分为简单知识和复杂知识。Zander等[25]认为知识复杂性是指知识在分享、转移过程中，因使用者能力差别而出现的结果多样性。在互联网环境下，知识获取以一种自发性体验学习的方式开展，用户通过充满辩证的观察、行动和反思的过程来汲取经验知识[26]。因此，简单知识更容易被理解和掌握，但相对于复杂知识而言其内在价值较低。复杂度较高的技术和知识具有更高的知识价值，但会变得更具缄默性、嵌入型和依赖性，因此其被理解和再利用也更为困难[27]。

OIC知识产品作为知识载体，其知识复杂性外在表现主要包含表达形式、知识关联、产权许可等方面[13]。OIC用户在选择产品进行重混时，会充分考虑创新过程中更好的参与体验、更高的潜在价值以及更低的行为风险。因此，过于简单的知识产品尽管更容易被认知和理解，但在其基础上进行再创新的潜在价值偏低。复杂度适中的产品可能提供更高的潜在价值和更好的参与体验，更易吸引用户参与到对该产品的再创新中来。复杂度偏高的知识产品首先在获得用户认知和理解上会存在一定阻碍，再者如果在产权许可方面及后续使用权方面设置诸多限制，或刻意隐藏设计细节，这样即使产品本身的知识贡献水平很高，也难以获得用户的关注和参与。由此提出如下假设：

假设1：产品的知识复杂度与其参与重混的活跃度呈倒U型关系。

1.2.2 受关注度与重混的关系

在信息经济时代，关注已经成为一种具有商业价值的、稀缺的资源[28]。从竞争理论来看，知识产品的受关注程度差异会影响其对OIC知识贡献程度。高关注度的创新作品更可能成为优势产品。用户参与重混的动机之一是通过改造产品并更多地从中获益，这种务实动机驱动会刺激用户尽最大努力去挖掘优势产品并不断改进。在利益驱使下，优势产品在重混过程中更可能优先被用户采纳。考虑到OIC中声誉的重要性[23]，用户更倾向围绕能带来更高声誉的产品进行创新。

从创新的思维可变性来看，更高的关注度能够丰富创新过程中的思维注入[29]，并在用户交互过程中形成共鸣效应，进而吸引更多的用户参与到对优势产品的改进创新。这种良性循环体现了重混行为对提高创新产品知识贡献率的重要性，并显著提升OIC组织的总体创新能力。由此提出如下假设：

假设2：受关注度对知识产品重混呈正相关影响。

1.2.3 用户交互与重混的关系

知识产品重混是OIC中用户知识分享行为的一种结果形式。OIC的知识分享以互惠性、共同愿景、感知乐趣等要素为基础，并通过用户交互实现[30]。社会认知理论认为，观察同伴在工作中展现出的创造力可能导致个体自身也积极投入到创造性工作中[31]。用户交互过程就是个体学习、知识传播、转移和创新的过程，是刺激知识产品创新的关键要素。

OIC用户的交互话题多围绕如何设计更好的产品，或解决具体的设计问题等展开。用户不断的通过在线评论提供创新思维或创意，并持续形成对OIC的知识贡献，持续提升组织的创新能力和绩效水平[32]。在交互过程中，部分创意直接被吸纳并付诸实践，用户借此对产品进行改造后得到创新产品，这就是知识产品重混的具体过程。部分交互行为可能并没有提出可用的解决方案，但其引发的话题性会吸引到更多OIC成员的关注，并为产品发布者在OIC中赢得更高的声誉。这种激励会给用户带来成就感、归属感并提升自我效能，从而激励更多的创新作品产生。由此提出如下假设：

假设3：用户交互对知识产品重混呈正相关影响。

1.2.4 延续创新与重混的关系

OIC中继承产生的创新作品的再次重混是一种典型的延续创新行为。延续创新赋予了创新作品与已有知识更好的兼容性[33]。从创新扩散理论来看，与既有经验和价值更为契合的创意更符合OIC成员现有的认知模式和思维范式[34]，能够获得用户认知、接纳并相对轻松地提出对改进现有产品更为有利的创新设计。

另一方面，考虑到延续性创新过程中对知识产品进行了多次加工和迭代，知识产品的设计缺陷不断得到修补，各方面逐渐趋于完善，可以再次改造的空间不断压缩，反而降低了知识产品再次参与重混的机率。以Linux等开源软件为例，早期阶段发布的版本形式简单，细节不完善，反而更容易被理解，加之这些早期的、不完整的作品存在的不足恰好为改进提供了更多的参与途径[13]。

延续创新可能促进OIC中知识产品的“多代”谱系繁殖。这种创新产品几乎都继承或传递了上一代知识产品的部分属性或功用。知识重混的核心价值之一就是改善现有创新知识缺陷、针对特定应用优化知识产品[35]。因此，在延续创新过程中，如果继承行为对创新知识缺陷的优化和改善属于对源创新的重要优化和完善，那么会得到更多关注并进一步延续；反之，如果继承过程中对产品注入的创新思维不属于关键优化范畴，相关知识产品的重新延续则可能中止。由此提出如下假设：

假设4：延续创新对知识产品重混的影响不显著。

2 数据和分析

2.1 数据来源

Thingiverse网站是全球最大的以3D打印模型设计产品为主题的OIC，整个网站现共有70余万件设计产品。网站通过统一的网页样式展示用户发布的创新作品，产品描述属性包括：Like(点赞次数)、Collect(收藏 次 数)、Comments(被 评论 数量)、Views(浏 览次 数)、Downloads(下 载次 数)、Images(描述产品的图片)以及Files(产品设计文件)。该IOC强调重混创新对社区创新的贡献，因此建立了网站内知识产品的重混管理机制，设定了remix from标签记录该产品从哪些产品继承而来，remixes标签记录该产品被其他用户吸收改进后再创新的情况(派生)。

基于C#2.0开发爬虫从thingiverse网站上提取了52310条存在重混(派生)的发布产品(remixes标签＞0)，并从产品的描述标签中解析出9个属性作为观测变量并进行统计描述分析。每个变量的含义和统计描述如表1所示。结合本文的分析模型和研究假设，设定remixes为因变量，其他8个变量为自变量。

表1 模型的观测变量含义说明和统计描述

2.2 因子分析

为验证本文研究假设，采用因子分析法对观测变量进行主因子分析建模。因子分析法是综合评价中的一种常用方法，其基本思想是根据相关性大小把变量分组。根据本文提出的分析模型，考虑从8个自变量中提取4个因子。本文采用SPSS25.0软件进行因子分析，采用降维因子分析模块得到分析结果见表2。从表中结果来看，KMO统计量取值0.685大于最低标准，Bartlet球形检验取值P＜0.001，表明提取的8个观测变量适合做因子分析；从载荷平方比中的方差百分比来看，4个因子对所有变量的解释程度达到了93%以上，表明设定的4个因子可以较为完整的概括变量总体特征；每个观测变量的公因子方差都在0.9以上，说明这4个公因子能够很好地反应原始观测变量的绝大部分内容。

表2 知识产品属性变量因子分析结果

表2（续）

结合分析结果对观测变量和主因子之间的关系内涵解释如下：与因子1关联性最强的是浏览次数、点赞次数、下载次数、收藏次数4个变量，这四个变量是对OIC中用户对该产品关注程度的记录，因此可用于表示分析模型中的受关注度；与因子2关联系数最大的是图片数量和文件数量，由于网站上传的与发布作品相关的图片和文件是具体的用户生成内容，因此产品数量和文件数量反映了创新作品的知识复杂度；评论数量、重混(继承)两个变量分别与因子3、因子4单独强相关，说明这两个变量具有一定的相对独立性，可单独表示解释关系。评论数量反映了知识产品在OIC成员中讨论的充分性和话题活跃程度；知识产品是源创新还是在原有知识产品上继承发展生成，可以反映延续创新对重混创新的影响程度。通过因子分析得到的知识产品观测变量和主因子的具体关系如图2所示。

图2 知识产品观测变量与主因子对应关系

2.3 主成分回归分析

在上述主因子分析的基础上，通过分析主成分因子和因变量之间的相关性来验证本文研究假设。首先对因变量重混(派生)向量进行归一化处理。然后根据本文建立的研究模型定义4个自变量，分别为：X1——受关注度、X2——知识复杂度、X3——用户互动、X4——延续创新，以及1个因变量Y——知识产品重混。通过建立线性回归模型分析影响关系，同时为了验证知识复杂度与重混的倒U型关系，在线性回归模型上增加1个X2的二次项。回归分析结果如下表3所示。

表3 主成分回归因子分析结果

从表4中结果来看，整个模型的R-Square值为0.578，具有较高的拟合度。显著性P值在P＜0.05的条件下显著，模型总体拟合结果有效。从因素影响分析来看，X1和X3的标准下系数为正，且其P值在P＜0.05的条件下显著，验证了模型中提出的相对优势和用户互动因素与知识产品重混的正相关假设成立。X2知识复杂度因素本身对模型影响不显著，但其二次项变量P值在P＜0.05的条件下显著，说明X2与知识产品重混的倒U型关系成立。X4继承效应变量的P值为0.310，说明该因子对知识产品重混的影响不显著。上述检验结果完全符合前述研究模型假设。

表4 OIC中知识产品重混影响因素分析模型摘要

3 研究结论与展望

3.1 研究结论

本研究基于创新扩散理论探讨了OIC中知识产品重混创新的影响因素，不仅发现受关注度和用户交互频率对知识重混呈有正向影响，产品的知识复度与之呈倒U形影响关系。同时通过实证研究论证了知识产品兼容性和创新可变性之间的作用效应，发现延续创新特征对重混创新不存在明显的正向激励作用。鉴于知识重混是OIC的重要创新动力，本研究成果对于更好的激发开放式创新动能具有重要的实践指导意义。结合研究结论提出以下建议：

（1）OIC平台、用户要注重挖掘具有高关注度的优势产品来激励创新。对用户而言，可以倾向于选择高关注度的知识产品进行观察学习和改进创新，这样更有可能产出更有价值的重混作品，同时为个人赢得更好的声誉。对创新平台的管理者而言，可以构建知识产品的受关注量、作品声誉、重混创新三位一体的联合激励机制，引导用户围绕优势产品提供更多的优质创新。

（2）OIC平台要注重对用户贡献内容复杂性的精细化管理。由于知识复杂度低的产品贡献率低，高复杂度的产品难以被认知理解。对于用户而言，必须提升创新过程中的知识意识，综合考虑知识产品的可理解性和知识贡献水平，以使得创新工作能发挥其价值。对OIC管理者而言，一方面通过设计更为精细化的分享机制提升知识产品的可理解性，另一方面对知识复杂度适中的典型产品以精品方式进行推介，通过提升产品的可利用性来促进重混创新。

（3）OIC平台必须重视营造更为活跃、多元的交互环境和氛围来促进创新。通过在OIC建立推行创意讨论积分制，对参与他人创意讨论并对知识产品改进做出贡献的用户给予积分奖励，鼓励用户与同伴之间的多方交互。OIC依据重混创新作品对平台的知识贡献率，区别资深用户和普通用户，针对不同用户采取有所侧重的交互策略。例如，鼓励普通用户直接参与交互；鼓励资深用户和同伴积极参与用户创意讨论，为资深用户营造积极的、支持性的创新氛围。

3.2 研究展望

本文严格遵照研究规划进行设计，力求以客观分析和科学方法验证研究模型与假设。但是，仍然存在一些局限性，具体分析如下：第一，本文仅仅以3D打印产品这一IT产品为研究样本，未能广泛采纳其他产品领域的OIC社区信息和知识产品样本，因此，我们的结果是否具有普遍意义还有待进一步检验。第二，本文未能考虑用户评论内容质量、不同重混模式等深层复杂因素对知识产品重混的影响作用。因此，多样本探究OIC中知识产品重混的影响因素并对其进行实证分析，以及用户评论内容质量、不同重混模式等深层复杂因素对知识产品重混有何影响是未来的研究方向。