基于三阶段DEA模型的学术虚拟社区知识交流效率评价研究

杨瑞仙，黄书瑞，于政杰

（1.郑州大学信息管理学院，郑州 450001；2.郑州市数据科学研究中心，郑州 450001）

1 引 言

20 世纪60 年代，苏联学者米哈依洛夫[1]提出了科学交流模式。科学交流是科学研究中不可分割的一部分，分为正式交流和非正式交流。其中，正式交流主要是研究引文分析，相对比较成熟。然而，随着社交媒体的出现，学术虚拟社区，如科学网博客、人大经济论坛、小木虫学术科研互动平台（以下简称 “小木虫” ）和中国专业IT 社区（以下简称 “CSDN” ）等，作为非正式知识交流的媒介逐渐受到科研人员的青睐。在学术虚拟社区中，科研人员可以通过发文、回复、点赞以及转发等形式来发布、分享和讨论与科学研究相关内容。因此，学术虚拟社区已成为传统环境下正式知识交流的有益补充，其即时性和交互性较强，受到科研人员的青睐。随着知识社会的到来和发展，各界的 “知识化” 趋势愈加明显，从起初的 “文献交流” 到 “科学交流” ，再到现在的 “知识交流” ，知识交流的形式逐渐丰富，知识效率越来越高。然而，随着学术虚拟社区知识交流热度的不断提升，如何从定量角度对学术虚拟社区知识交流效率进行测度，进一步改善社区知识交流氛围，充分发挥非正式交流的作用，是当前亟待解决的重要问题之一。

在学术虚拟社区中， “小木虫” 拥有良好的交流氛围及广阔的空间，已成为最具影响力的学术虚拟社区之一。本研究以 “小木虫” 为主要研究对象，构建学术虚拟社区知识交流效率评价指标，采用 三 阶 段DEA （data envelopment analysis，DEA）模型计算学术虚拟社区的知识交流效率值、分析学术虚拟社区知识交流效率的影响因素，并测算学术虚拟社区知识交流效率的真实值，以促进学术虚拟社区知识交流效率，为社区管理者提供参考信息。

2 相关研究

通过文献调研发现，国内外相关研究主要集中在学术虚拟社区知识交流的理论、模式、作用和效率4 个方面。

（1）学术虚拟社区知识交流的理论方面。彭红彬等[2]以国内著名论坛CSDN 为研究对象，从中抽取出知识交流网络，采用复杂网络的分析方法进行分析，试图定量化地揭示学术虚拟社区中知识交流的特点。张海涛等[3]运用社会网络分析方法，对学术虚拟社区用户知识交流网络结构与功能作用进行了探究。王伟军等[4]以科学网博客为研究对象，基于PLS（partial least square）结构方程模型对学术博客持续使用意愿的影响因素进行研究。

（2）学术虚拟社区的知识交流模式方面。胥伟岚[5]从社会网络理论出发，构建出基于人际网络的知识交流模式。丁敬达等[6]在学术虚拟社区用户类型和交互关系分析的基础上，提出基于会话、链接和引证关系的三种主要知识交流模式。Zheng[7]以 “Emuch 论坛” 为例，分析了知识传播主体、知识交流项目和知识传播途径，并对当前学术虚拟社区的知识交流模式提供了建议。

（3）学术虚拟社区的知识交流作用方面。国外学者认为，学术虚拟社区不仅能够增强用户间的知识交流，亦能挖掘用户的隐性知识，提升决策水平。Huang 等[8]发现超链接能够提高知识交流效率，利用矩阵聚类技术对学术虚拟社区成员在知识创造过程中的互动演化行为和用户创造价值的功能进行探讨，以确保可以通过学术虚拟社区持续做出最佳决策。Romero Borges 等[9]以Esanum、Sermo 和Doc‐tor.net.uk 等学术虚拟社区为例，阐述其对全球医务人员的信息交流、病例讨论以及新疗法和药物的促进作用。Kindler 等[10]基于protocols.io 平台创建了一个名为VERVENet 的病毒学学术虚拟社区，该社区能够与更广泛的虚拟社区建立联系，有助于病毒学科研人员的知识交流，并且该社区的最新文献个性化推荐功能有助于科研人员对前沿技术的动态追踪。

（4）学术虚拟社区的知识交流效率方面。学者们主要从学术虚拟社区知识交流效率的测度和学术虚拟社区知识交流效率的影响因素两个维度展开研究。①关于学术虚拟社区知识交流效率测度研究维度，2014 年，宗乾进等[11]最先构建了学术博客知识交流效果评价指标，采用DEA 方法对科学网博客8个学科的知识交流效果进行实证研究；2015 年，万莉[12]借鉴宗乾进等[11]构造的评价指标，采用非参数DEA、Malmquist 指数方法，对 “小木虫” 、人大经济论坛8 个学科的知识交流效率以及全要素生产率进行测度；2018 年，庞建刚等[13]以 “经管之家” 经济学论坛三区为研究对象，采用SFA （stochastic frontier approach）方法对学术虚拟社区知识交流效率进行测定，并运用Kernel 估计研究学术虚拟社区知识交流效率的动态演化；2019 年，吴佳玲[14]采用Super-SBM 对学术虚拟社区知识交流效率进行测定，建立Tobit 模型对学术虚拟社区知识交流效率的影响因素进行分析；2019 年，晋升[15]以 “小木虫” 为研究对象，在现有研究成果的基础上，将 “讨论时间” 和 “再回复数量” 分别作为投入指标和产出指标，构建虚拟社区知识交流投入产出评价指标。②关于学术虚拟社区知识交流效率的影响因素维度，杨瑞仙等[16]以技术接受模型为框架，构建学术虚拟社区知识交流效率影响因素集成模型，研究结果发现，科研人员的年龄、科研工作年限、受教育程度、专业技术职称、用户的感知易用性和感知有用性对知识交流效率具有正向影响作用，且知识交流意愿对知识交流效率起到部分中介作用；吴佳玲[14]认为，社区设立时间、社区成员质量和社区管理水平等因素对学术虚拟社区知识交流效率具有显著正向影响作用。

相关研究表明，国内研究较多、国外较少，原因在于国外关于知识交流的研究较为微观和具体，理论研究较少。学者在对学术虚拟社区知识交流效率测度方面，多采用传统DEA 模型、两阶段DEA模型的方法，未剔除用户自身因素和外部（如社会、经济、政策等的变化）因素对学术虚拟社区知识交流效率值测定产生的干扰[14]，这种干扰会降低学术虚拟社区知识交流效率值的可信度。因此，针对此问题，本文提出了基于三阶段DEA 模型的学术虚拟社区知识交流效率评价方法，该方法能够剔除环境因素（environmental effects，EE）、随机噪声（statistical noise，SN） 和管理无效率（managerial inefficiencies，MI）对学术虚拟社区知识交流效率的影响，进而更加真实地反映学术虚拟社区的知识交流效率的实际数值。

3 数据来源与研究方法

3.1 数据来源

本研究选择 “小木虫” 社区中较活跃的4 个版块作为该研究的决策单元（decision making unit，DMU），包括：有机交流、微米和纳米、第一性原理和金融投资。编写Python 爬虫程序获取2009—2019 年 “小木虫” 4 个版块的用户数、发帖数、浏览数、回帖数、再回复数、用户加入社区时长、用户在线时长、散金数等数据。数据采集时间为2019年12 月6 日至2019 年12 月11 日。为反映学术虚拟社区知识交流效率的真实情况，本研究根据以下规则对采集到的发帖、回帖数据进行筛选：

（1）同一主题帖中，发帖人在该主题帖下反复发帖，且没有其他用户回应，则记为一次发帖；

（2）同一主题帖中，同一回帖人多次回帖，且没有其他用户回应，则记为一次回帖；

（3） 同一主题帖中，不同回帖人回复内容相同，则记为一次回帖。

3.2 研究方法

“效率” 一词来源于经济学领域，在微观生产理论中，效率是指资源投入与有用产出之间的比率。经济学领域在测度效率时主要采用DEA 法。DEA 法由运筹学家Charnes 等[17]在1978 年提出，用于DMU 间的相对效率。Fried 等[18-19]认为，传统的DEA 模型未将EE、SN、MI 等从DMU 效率评价的影响中剔除。Fried 等[18]认为，DMU 的效率受以上三种因素的影响，因而有必要将其分离，从而更加准确地测定DMU 效率值。三阶段DEA 模型由Fried等[18]于2002 年提出，是传统一阶段DEA 模型的衍生和改进，该模型能够剔除EE、SN 和MI 等因素对效率的影响，更加真实地反映DMU 的效率水平。学术虚拟社区知识交流效率是指在相同投入下，决策单元的实际产出与生产前沿（最优产出值）的差距，差距越小，则决策单元的知识交流效率越高。目前，有关学术虚拟社区知识交流效率的研究成果，主要采用传统DEA 模型进行学术虚拟社区知识交流效率评估。本文为准确地测算学术虚拟社区知识交流效率，采用三阶段DEA 模型剔除EE、SN和MI 等因素的影响，具体包括以下三个阶段。

第一阶段：传统DEA 模型效果评估。DEA 模型用于评价相同DMU 间的相对有效性[20]。在第一阶段，本文采用2009—2019 年 “小木虫” 4 个版块的投入产出数据对学术虚拟社区初始知识交流效率进行评价。由于本文着重考虑产出不变的情况下投入最小化的问题，选取投入导向型的BCC（Banker-Charnes-Cooper）模型对学术虚拟社区知识交流效率进行测算。对于任意DMU，投入导向下对偶形式的规模报酬可变模型[21]可表示为

其中，i表示DMU；θ表示各个DMU 的知识交流效率值；e表示改写的非阿基米德无穷小量；S-、S+分别表示投入、产出的松弛变量；x和y分别表示学术虚拟社区评估知识交流效率的投入产出集合；λ表示第i个DMU 权重。

在BCC 模型下，DEA 模型求解规划后的结果主要有三种：①若θ=1，且S+=0、S-=0，则DMU 有效；②若θ=1，S+≠0 或S-≠0，则DMU 弱有效；③若θ＜1，则DMU 无效。其中，BCC 模型的技术效率（TE）=纯技术效率（PTE）×规模效率（SE）。

第二阶段：剔除EE、SN 和MI，构建相似SFA模型。将投入变量的松弛变量分解为含有EE、SN和MI 三个自变量的函数，剔除EE、MI 和SN 的影响。相似SFA 模型的表达式为

由此可得出vmi的值，进而将SN 分离。

第三阶段：将调整后的投入值x̂mi作为投入，再次利用传统的DEA 模型计算各DMU 的相对效率，此时的效率值更能反映出学术虚拟社区知识交流效率的真实情况。

4 指标构成和影响因素

4.1 指标构成

现有文献中，关于学术虚拟社区知识交流效率投入产出指标的设置，通常是由知识交流的广度和知识交流的深度来衡量[13]。本文依据数据的可获得性和统计口径一致性原则，构建学术虚拟社区知识交流效率评价指标，如表1 所示。一级指标是投入和产出，投入和产出所对应的二级指标均是知识交流广度和知识交流深度。其中，①投入指标的知识交流广度，即用户数，是指在知识交流过程中所涉及的进行知识交流的人员数量，人员投入是反映知识交流投入的重要评价指标。②投入指标的知识交流深度，即发帖数，知识交流的知识源于用户贡献的知识，发帖是用户知识贡献的主要形式，发帖量反映知识贡献的知识源投入，是评价知识源投入的重要指标。③产出指标的知识交流广度，即浏览数，是指学术虚拟社区4 个版块自发帖到统计时间内的浏览总次数，反映知识交流产出的广度。④产出指标的知识交流深度，即回帖数和再回复数，回帖数是用户对知识的内化吸收程度，反映了学术虚拟社区知识交流的产出深度；再回复是指回帖者之间的交流，体现了学术虚拟社区知识交流层次的加深，反映了用户之间知识交流的深度。

4.2 环境因素

已有研究发现，环境因素对学术虚拟社区知识交流效率的准确测定有所影响[14]。因此，本文有必要进行第二阶段相似SFA 回归剔除EE 的影响，综合考虑数据的可获取性及学术虚拟社区自身的特点，将影响学术虚拟社区知识交流效率的主要内部因素归纳为用户因素和社区因素，如表2 所示。其中，用户因素包括：用户加入社区时长、用户在线时长、散金数、用户总发帖数以及用户活跃期间发帖频率；社区因素包括：社区规模、社区管理者参与度[14]和社区成员质量。

表1 学术虚拟社区知识交流效率评价指标构成

表2 影响学术虚拟社区知识交流效率的环境因素

5 结果分析与讨论

5.1 传统DEA模型分析

“小木虫” 2009—2019 年投入产出指标的描述性统计结果如表3 所示。从表3 可以看出，同一版块、同一指标的数值差异较为明显，且数据稳定性较差。例如，有机交流版块投入指标的用户数的最小值为88，最大值为8470，标准差为2861.640，这表明该版块在2009—2019 年间不同年份用户数的差异较大，且数据整体稳定性较差。其主要原因是 “小木虫” 只允许访问前200 页的主题帖，无法爬取200 页之后的数据，可能导致多年前的数据缺失严重。然而，本文主要研究学术虚拟社区知识交流的效率，反映单位投入的产出量，故可忽略不同年份数据缺失差异对本文研究结果的影响。

为消除投入产出单位差异对学术虚拟社区知识交流效率的影响，本文将所有投入产出变量进行取对数处理。为检验所选指标是否合理，本文对学术虚拟社区的投入产出指标进行 “同向性” 条件检验，如表4 所示。从表4 可以看出，2009—2019 年学术虚拟社区投入与产出指标的Pearson 相关系数均为正值，且在1%水平下显著相关，符合模型的 “同向性” 假设。

表3 2009—2019年投入产出指标的描述性统计

表4 学术虚拟社区投入产出的相关性检验

本文采用Deap 2.1 软件，对学术虚拟社区的知识交流效率的初始值进行计算，计算结果如表5 所示，学术虚拟社区知识交流效率值的变化如图1所示。

从表5 和图1 可以看出：

（1）学术虚拟社区整体的知识交流技术效率较低。由表5 可知，2009—2019 年学术虚拟社区知识交流技术效率在[0.946, 0.988]之间变化，4 个版块的知识交流技术效率值均小于1，未达到DMU 有效。其中，第一性原理的知识交流技术效率最高，其次为有机交流、微米和纳米，金融投资的知识交流技术效率最低。

表5 2009—2019年 “小木虫” 4大版块第一阶段DEA知识交流效率值

图1 2009—2019年第一阶段学术虚拟社区知识交流效率值的变化

（2）学术虚拟社区4 个版块知识交流效率的变化。由图1 可知，学术虚拟社区知识交流的PTE 与TE 的变化趋势基本一致，由此可知，剔除外生因素的影响前，学术虚拟社区知识交流的PTE 对TE变化的影响较大。但该结果未剔除外生因素的干扰，不能准确反映学术虚拟社区知识交流效率变化的实际情况，因而需剔除外生因素的影响，再次对学术虚拟社区知识交流效率进行测定。

（3）学术虚拟社区知识交流效率临界值的区域划分。为进一步研究第一阶段学术虚拟社区4 个版块知识交流效率的差异，本文参考刘伟[26]对临界点的界定标准，将学术虚拟社区知识交流的PTE 和SE 的均值（0.975 和0.987）作为临界值，对构成学术虚拟社区知识交流的PTE 和SE 进行划分，可将学术虚拟社区整体知识交流效率划分为 “双高型” “高低型” 和 “双低型” 三种类型，如图2 所示。

“双高型” ，即学术虚拟社区知识交流的PTE 和SE 均大于相应临界值的版块，由图2 可知，只有第一性原理为 “双高型” ，该版块的知识交流效率较高，改进的空间较少，需要对PTE 和SE 进行小幅改进。 “高低型” 主要指PTE 高、SE 低或SE 高、PTE 低两种类型，前一种类型的版块为有机交流，后一种类型的版块为金融投资；前一种类型的版块主要改进SE，后一种类型的版块主要改进PTE。 “双低型” ，即PTE 及SE 均低于临界点的版块，纳米和微米属于 “双低型” ，需要同时提高PTE 和SE。

图2 调整前学术虚拟社区PTE均值和SE均值分类

5.2 似SFA回归分析

本文主要依据Cobb-Douglas 型函数计算相应指标，且由于环境因素的单位影响和某些环境因素值可能为0 的情况，因此，将环境因素的原始数据增加1 后，再对其做对数化处理[27]（公式(5)）。

依据公式(2)设定的SFA 模型形式可得：

其中，Sit表示第一阶段投入变量的松弛变量；Eikt表示环境变量，i表示 “小木虫” 的4 个版块，k表示环境变量，t表示年份；β0表示截距；βik表示环境变量的待估参数系数；vit表示随机干扰；uit表示管理无效率。

本文将 “小木虫” 4 个版块的投入松弛变量作为被解释变量，各环境因素作为自变量，通过Frontier 4.1 软件进行SFA 回归，回归结果如表6 所示。由表6 可知，SFA 回归的对数似然函数（log likelihood function）、似然比检验（LR test）均在1%水平下通过了显著性检验，估计效果较好。除社区规模[14]外，其余环境因素的系数均不同程度地通过t检验，说明环境因素对各投入变量的松弛变量有所影响。学术虚拟社区两个投入松弛变量的γ值均达到0.99 的水平，且在1%水平上通过t检验，说明MI 在学术虚拟社区知识交流效率中占主导作用。

在研究环境因素对投入变量的影响时，如果环境因素的系数为正值，则表明环境因素的提高会使松弛变量增长，即产出降低，导致对知识交流效率产生负向影响。若环境因素的系数为负值，则表明环境因素的提高会使松弛变量降低，即产出提升，使得对知识交流效率产生正向影响。

表6 第二阶段似SFA回归结果汇总

从表6 的回归结果可知，用户数和发帖数两个变量的投入松弛变量相应的环境变量系数符号均一致，说明环境因素对这两个投入冗余变量的影响趋势相同。本文以发帖数松弛变量的似SFA 回归结果为例进行分析，从用户因素和社区因素两个角度，分析环境因素对学术虚拟社区知识交流效率的影响。

（1）用户因素。在其他条件不变的情况下：①用户加入社区时长与发帖数冗余正相关，与学术虚拟社区知识交流效率负相关。用户的感知价值是社区成员满意度和持续使用意愿的主要动力[28]，用户满意度能够显著促进用户的持续使用意愿[29]。用户加入社区时间越长，学术虚拟社区知识交流效率越低，表明用户对其在学术虚拟社区中的信息搜寻或知识贡献经历并不满意，故加入社区时间较长的用户参与知识交流的意愿降低。②用户的在线时长与学术虚拟社区知识交流效率负相关。信息需求是用户信息搜寻行为的重要驱动因素[30]，持续在线的用户信息需求降低，进而参与知识交流的意愿降低。③用户活跃时间内发帖频率与学术虚拟社区知识交流效率负相关。某段时间内用户信息需求较高，当用户信息需求得到满足后，参与社区知识交流的动机降低，因此，社区管理者应从知识交流的内在动机和外在动机[31-32]的角度激励老用户积极参与知识交流。④散金数与学术虚拟社区的知识交流效率正相关。出于互惠动机，用户的知识搜寻或使用行为得到满足时，会激发用户为社区贡献知识的意图[33]，感知外在奖励对用户知识共享行为产生影响作用[34]，用户发放金币会激励更多用户参与到社区的知识交流中，进而对学术虚拟社区知识交流效率有促进作用。⑤用户总发帖量与学术虚拟社区知识交流效率正相关。用户通过发帖、评论获得更多的积分或更高的等级，从而建立社区威望，对用户知识共享行为产生积极影响[35]。因此，社区管理者可以设立一些奖励机制鼓励用户积极发帖[13]。

（2）社区因素。①社区规模系数为正，但未通过假设性检验，这表明盲目扩大社区规模而忽视社区发展的质量，不利于社区的发展[14]。②社区管理者参与度与学术虚拟社区知识交流效率成正比。高效合理的管理方式能够促进学术虚拟社区内知识的转化，营造良好的社区氛围，进而提升用户的知识交流体验[14]。③社区成员质量系数为负，且绝对值远高于其他环境变量，说明学术虚拟社区高质量用户占比会对提升学术虚拟社区知识交流效率起到明显作用。因此，社区管理者应提升高质量用户占比。

5.3 调整后学术虚拟社区知识交流效率结果分析

（1）学术虚拟社区知识交流技术效率值测算。本文根据公式(3)对初始投入变量进行调整，并使用Deap 2.1 软件对调整后的投入变量和原始产出变量进行分析，得到第三阶段学术虚拟社区知识交流效率情况，如表7 所示。表7 仍基于投入导向型BCC模型测算学术虚拟社区知识交流的效率值。通过对比学术虚拟社区第一阶段和第三阶段知识交流效率，更易观测到剔除EE、MI 和SN 后，学术虚拟社区4 个版块知识交流效率的变化。从总体来看，调整后，学术虚拟社区的平均效率值由0.963 上升到0.973，但4 个版块知识交流技术效率均值仍未达到1，处于DMU 无效状态。调整前的TE 取值范围为[0.946, 0.988]，调整后的TE 取值范围为[0.971,0.991]，调整后各版块的TE 差距缩小，且4 个板块的TE 值均有所提升，其中金融投资变化最大。

（2）学术虚拟社区知识交流技术效率值调整前后的变化。学术虚拟社区4 个版块知识交流效率的变化情况分别如表7 和图3 所示。从图3 可以看出，2016 年环境因素对学术虚拟社区知识交流效率值的影响最大。从时间上来看，除2011—2013 年，其余年份第三阶段的TE 均高于第一阶段的TE。由表7可知，调整后第一性原理的TE 值依然最高，其次为纳米和微米、金融投资，最后为有机交流，各版块知识交流技术效率值与调整前相比变化较大。图4 表示调整后学术虚拟社区知识交流效率的变化情况，显然，调整后学术虚拟社区的PTE 与TE 的变化趋势仍然相似，由此可知，TE 与PTE 的变化显著相关。

表7 2009—2019年 “小木虫” 4个版块第三阶段DEA知识交流效率变化情况

（3）调整后学术虚拟社区知识交流效率临界值区域的划分。参照第一阶段设定临界值的标准，调整后以(0.970, 0.986)为临界值，其分类结果如图5所示，可以看出在剔除EE、MI 和SN 后没有出现 “双高型” 版块。由表7 和图5 可知，调整后除第一性原理SE 变化略微高于PTE 外，其余版块的SE 变化均远高于PTE 的变化幅度，因此，学术虚拟社区的环境因素主要对其规模效率产生影响。金融投资的PTE 变化幅度远高于其他版块，金融投资也由PTE 较低SE 较高变为PTE 较高SE 较低的 “高低型” ，社区管理者实际应小幅度提升金融投资的PTE，大幅度提升金融投资的SE。同时，由于第一性原理与金融投资在同一象限，社区管理者应小幅提升第一性原理的PTE，大幅提升第一性原理的SE。有机交流由第三象限变为第一象限，社区管理者应重点提升有机交流的PTE。微米和纳米调整前后均为 “高低型” ，社区管理者应提升有机交流的PTE 和SE。

图3 学术虚拟社区调整前后TE均值变化

图4 2009—2019年第三阶段学术虚拟社区知识交流效率变化

图5 调整后学术虚拟社区PTE均值和SE均值分类

6 结论与建议

本文利用三阶段DEA 模型，分析2009—2019年学术虚拟社区知识交流效率的变化情况。研究结果表明：①在学术虚拟社区总体效率方面。调整前学术虚拟社区的TE 均值区间为[0.946, 0.988]，调整后学术虚拟社区的TE 均值区间变为[0.971, 0.991]。显然，调整后的学术虚拟社区TE 均值的变化区间缩小，这表明EE、SN 和MI 的存在会导致学术虚拟社区TE 均值的变化幅度增大。②在学术虚拟社区4个版块的知识交流效率方面。剔除环境因素的影响后，各版块的TE 均值均有所提高，但仍未达到DMU 有效。在4 个版块中，调整前后第一性原理的知识交流技术效率均最高，调整前金融投资的知识交流技术效率最低，调整后有机交流的知识交流技术效率最低。③在PTE 均值和SE 均值的临界点分类结果方面。调整前可将学术虚拟社区划分为三类，即 “双高型” “高低型” 和 “双低型” ；调整后 “双高型” 区域消失，仅剩 “高低型” 和 “双低型” 两类。④在环境因素对学术虚拟社区知识交流效率的影响方面。用户加入社区时长、用户在线时长等因素均对学术虚拟社区的知识交流效率产生负向影响，散金数、用户总发帖、社区管理者参与度以及社区成员质量对提升学术虚拟社区知识交流效率有促进作用。

依据学术虚拟社区知识交流效率的实证研究结果，从社区管理者的角度出发，为提高学术虚拟社区知识交流效率、扩大知识传播范围和促进知识创新，本研究提出以下三点建议：

（1）针对MI 的存在和TE 不高的问题，社区管理者应重点提高学术虚拟社区的资源配置水平，合理增加用户数量、鼓励用户发帖，进而提高学术虚拟社区单位投入的产出量。

（2） 针对调整前后学术虚拟社区知识交流的TE 与PTE 变化趋势一致的结果，社区管理者应加大对社区基础设施和技术应用的投入。一方面，学术虚拟社区基础设施和技术应用决定了社区用户和各方资源能否有效地在社区内进行知识交流和资源共享；另一方面，社区平台操作界面的易用性和平台基础设施的成熟度会影响用户体验，进而影响用户再次参与知识交流的意愿。除此之外，拥有一定技术优势的社区有助于加速信息、知识的传输，节约时间和成本。社区管理者应强化社区的个性化推荐功能，当学术虚拟社区推送信息与用户知识分享意愿一致时，会引起用户与社区的共鸣，从而进一步激发用户的知识交流行为。

（3）针对不同环境因素对学术虚拟社区知识交流的影响结果，知识源与知识接收方在知识共享的过程中需要付出精力、时间和财富等代价，这将影响用户参与社区交流的积极性。而物质奖励能够补偿用户参与知识交流过程中的成本，激发用户的知识交流行为。社区管理者应该根据社区情况不断调整学术虚拟社区的激励机制，引导用户积极参与知识交流，如设置升级任务、徽章、兑换券等，对知识贡献者和新注册用户予以奖励。社区管理者应建立完善的社区制度，营造相互信任、相互帮助的社区氛围，以增强社区成员对社区的归属感和认同感。社区管理者可通过推送各类用户共同关注的事务，拉近用户之间的距离，加强用户间的沟通，使用户能够快速融入社区。另外，社区可设置管理者淘汰机制，对出勤率较低的社区管理者进行淘汰，以提升社区的管理水平，为用户营造更融洽的社区氛围。