OKC中社会系统与知识系统不同层面交互序化影响——基于VAR模型的实证分析

裘江南，蔡承杰，杨 畅，李 岩

（大连理工大学经济管理学院，大连 116024）

1 引 言

随着Web 2.0的发展，在线知识社区（Online Knowledge Community，OKC）成为用户之间进行协作和知识建构的重要平台。OKC中的用户是自组织的原动力[1]，每一个用户个体是OKC中社会系统的基本组成成分。一方面，用户根据自身的知识结构提出和分享其知识观点，在社区中通过群体知识观点融合进行知识的社会建构，进而构建出OKC中的客观知识体系，这是社区中知识系统有序化的过程；另一方面，用户在进行知识建构的过程中，会和观点不同的用户进行交互，通过向其他用户学习不断更新自己的知识结构，涌现出新的知识观点，同时，这种用户间的不断交互形成了新的社会关系，进而实现社会系统的有序化。在OKC中，知识系统与社会系统序化的过程是由微观层面上的用户交互产生的，用户通过学习进行个体知识建构[2]，以及社会系统与知识系统的不断互动，实现了社区知识系统的社会建构过程[3]，这种互动使社会系统与知识系统互为因果而共同序化。

目前，对于OKC社会系统与知识系统交互影响规律的相关研究主要从以下三个方面展开。

（1）以建构主义理论[4]为基础，分析OKC中个体在认知过程中的知识建构过程。该类研究认为，用户作为在线知识社区的个体，通过学习不断建构自己的知识结构，使得个体的认识结构不断有序。其中，Talja等[5]指出，在认知建构主义中，个体通过经验和观察来建构知识结构和心智模式，并受到历史和社会关系的影响。国内学者王知津等[6]认为，认知建构主义包括以下内容：知识产生于个体的认知结构建构过程中，并产生一种能够描述世界和心智的模式，为了改变个体认知结构，知识系统需要与认知结构发生作用来实现接收与传递，个体通过自身的认知结构实现个体与群体的联系，并通过心智模式去构建知识。Du等[7]研究了weblog社区中用户通过分享网络日志的方式进行的在线学习模式，发现用户在社区中通过分享知识建构心智模式，实现个体知识建构。Wang等[8]则发现在线上的博客社区中，用户通过学习不断建构自己的知识结构，并且用户与其他用户的沟通有助于协作学习，用户参与的沟通越多，个体的认知加工过程也更为复杂。

（2）基于复杂适应系统理论[1]，使用社会网络方法分析OKC中的社会系统和知识系统的有序性的相关影响因素。Liu等[9]对用户和文章分别进行聚类，得到不同合作模式下的文章集合，进而用统计方法证明了文章质量不仅与其贡献者的角色类型相关，还与不同角色贡献者之间的合作模式密切相关。Arazy等[10]从用户组织方式上进行了研究，认为内容导向的组织方式使得成员只关注特定领域的知识；在行政导向的组织方式中，成员在完成指定任务的同时，还会参与处理冲突等工作，只有协调好这两种组织方式才能更好地促进维基百科知识质量的提高。Oeberst等[11]对维基百科中的知识构建过程进行了案例研究，研究发现，并不拥有主题相关知识的异质性成员通过协作构建出了高质量的集体知识，这说明成员之间的异质性有利于构建高质量知识内容。徐鹏等[12]通过收集在线问答社区中的典型用户数据，探讨了用户知识分享行为的动机构成特征，发现外在和内在报酬动机共同驱动用户的知识建构和知识分享行为。

（3）从社会知识建构的角度，研究OKC的成员在社会知识建构的过程中社会关系与群体知识交互影响机制和规律。该研究认为，用户在社区中不仅会进行个体知识建构，也会通过与其他用户沟通建构社区的群体知识，实现社会知识建构的过程。群体知识建构需要关注认知系统和社会系统之间的相互作用：一方面，个体根据现有的认知结构来理解群体知识，并将这些知识吸收到其认知结构中，从而建立更多的知识；另一方面，个体也会通过协作交互进而在社会系统中发展新的群体知识[13]。Moskaliuk等[14]指出，无论是个体知识建构过程还是社会知识建构过程，都是以个体知识和群体知识之间的相互作用为基础的。实证结果表明，当个体知识和群体知识中等程度不一致时，是个体学习的最佳情境，这会促进通过顺化过程来进行个体知识建构。而个体知识和群体知识高度不一致的情境下，最易通过同化过程来进行个体知识建构。Kim‐merle等[15]在基于卢曼系统理论和皮亚杰认知论的知识建构模型中，融入了Nonaka的知识创造理论（knowledge creation theory）[16]，构造出了一个理论模型，并以社会化标注系统和Wiki等OKC为例，解释了成员通过共享社会系统中的群体知识的知识建构过程。通过将Nonaka的知识创造的四个过程与Piaget认知论的内化、外化过程相融合，该模型可以从知识创造的角度，对认知系统和群体知识系统的交互过程做出更细致的阐述。

目前，该领域研究主要基于认知建构主义、社会建构主义研究个体知识建构和社会知识建构的过程，即知识系统的序化过程，缺少对社会系统与知识系统交互序化影响的研究，具体存在以下局限性：首先，OKC中的社会系统与知识系统是互相影响的、不可分割的，在研究这两个系统的序化规律时，需要将两者结合起来，需研究二者的交互序化过程。其次，目前关于序化规律的研究关注的是宏观层面的有序化，忽视了OKC的自组织特性，而社区中的用户作为微观层面的重要组成部分，能够自下而上的影响系统的演化过程。因此，基于自组织理论与复杂适应系统理论，从OKC中社会系统与知识系统的微观层面出发，本文构建了社会系统微观层面与知识系统中观、社会系统微观层面与知识系统宏观层面、知识系统微观层面与社会系统中观、知识系统微观层面与社会系统宏观层面四个VAR（vector autoregression）模型，对社会系统与知识系统不同层面的交互序化过程进行分析，揭示其中的动力机制和两个系统的交互序化规律，为OKC社区平台的开发和管理提供理论指导，从而提高OKC社区的序化效率和效能。

2 理论与假设

2.1 理论基础

复杂适应系统理论是Holland[17]提出的、用于解决复杂系统中具体现象的理论。复杂适应系统理论指出，复杂系统具有复杂性和适应性。其中，复杂性体现在系统中主体与环境以及不同主体的交互作用，主体在改变自身的同时也在不断改变环境；而适应性体现在主体在与其他主体沟通的过程中，会不断适应其他个体甚至环境，进而涌现出新的结构。郭旸[18]基于复杂适应系统理论，研究了某旅游区域系统中主体与环境的相互作用，并证实了该宏观系统演化过程中的分化和涌现现象。马费成等[1]则基于复杂适应系统理论，研究了Wikipedia社区中知识系统序化的机制，并指出Wikipedia知识系统的序化来自系统中不同用户广泛的交流，需要“相信大众智慧的思想”，并“促进信息流通的机制”。

自组织理论是系统科学领域中最重要的理论之一，其解释了在一个复杂系统中广泛存在的个体，由于局部之间的相互作用使得一个最初无序的系统逐渐有序的过程。其认为在系统或组织的内部通过与外界的不断交互，在非线性的相互作用机制下，使得系统可以不依赖于外部环境自发从无序逐步变得有序的过程[19-20]。自组织理论被广泛应用于社会科学中，Hajek等[21]基于自组织理论，研究了欧洲区域中不同组织在复杂系统中的经济增长对产业创新的影响机制；焦雨生[22]则通过构建动力学模型研究组织中技术系统的自组织演化机制。

众多学者的研究表明，Web 2.0模式具有典型的自组织特性，而OKC又是典型的复杂适应系统，因此，本文采用复杂适应系统理论和自组织理论来研究OKC中的系统演化过程[23]。在OKC中，用户在进行个体知识建构的同时，也在与社区中其他成员的交互过程中实现了社区的社会知识建构[24]。在用户进行微观层面的自组织过程中，使得社会关系不断演化，导致社区中的社会网络结构产生变化，进而涌现出新的社会系统结构[25]。在以用户为核心的自组织的过程中形成了OKC的社会系统，其包含了三个主体：具有不同主观知识结构的用户、用户之间的交互形成的社会关系和最终涌现出的新的社会系统结构，三者分别代表了社会系统的微观、中观和宏观三个层面。而在OKC的知识自组织过程中，用户通过知识的社会建构使得观点与观点之间不断融合，最终形成了群体知识观点。不同领域的群体知识观点在自组织的过程中进行连接，涌现出新的知识观点，进而在社区中涌现出新的客观知识体系[26]。在以用户的知识观点为核心的自组织的过程中形成了OKC的知识系统，该知识系统包含了三个主体：社区中每个用户的个体知识观点、知识融合过程中形成的群体知识观点和最终涌现的新的客观知识体系，三者分别代表了知识系统的微观、中观和宏观这三个层面。表1为两个系统不同层面所包含的主体。

表1 OKC中两个系统不同层面的主体

由于Web 2.0环境下OKC是一个自组织的、开放的环境，其中的社会系统与知识系统都是自下而上自组织形成的。用户与用户之间、观点与观点之间进行的大量的非线性的交互作用，使得OKC的社会系统与知识系统不断演化。由此可见，一个系统的微观层面对另一个系统的中观层面、宏观层面有不同系统间的相互影响。因此，本文从社会系统和知识系统的微观层面出发，研究其对不同系统的中观层面以和宏观层面的交互序化过程。基于此，本文从以下四个方面对OKC中社会系统与知识系统交互序化的过程进行假设：①社会系统微观层面与知识系统中观层面交互序化的过程；②社会系统微观层面与知识系统宏观层面交互序化的过程；③知识系统微观层面与社会系统中观层面交互序化的过程；④知识系统微观层面与社会系统宏观层面交互序化的过程。

2.2 社会系统微观层面与知识系统中观层面交互序化

OKC作为开放环境，会吸引大量的不同背景的用户加入其中。因此，其社会系统微观层面的用户具有不同的主观知识结构。知识异质性，是指社区或团队中成员在知识背景、知识结构和认知方式等方面的差异[27]。在社区中，通过具有不同主观知识结构的异质性用户间的不断交互，驱动了知识的社会建构。个体知识观点的融合形成群体知识观点是知识系统中观层面的序化过程，而知识的社会建构过程会使得群体知识的质量不断提升[28]。王颖等[29]指出，在研发型团队中，具有较高知识异质性的团队会形成更高的群体知识质量。在OKC中，成员间的主观知识结构的不同，导致成员的知识异质性较高；用户将自身知识外化的过程中，会形成不同的知识观点；在进行知识的社会建构的过程中，用户间的协作会促进观点的融合，形成质量更高的群体知识观点。即社区成员的知识异质性会提高群体知识的质量。王知津等[6]指出，知识产生并存储于社区中个体的主观知识结构中，而建构形成的群体智慧会对用户的主观知识结构产生作用。姜永常[28]指出，在知识系统在演化的过程中，建构出的群体智慧也在不断提高。在OKC中，新生成的群体知识观点会反过来作用于社会系统中的每个用户。当新的群体知识观点与用户的主观知识结构不一致时，用户通过学习并进行内部顺应的过程，改变自身的主观知识结构，并实现个体知识的再建构。即社区的群体知识会影响成员的知识异质性。因此，基于上述论述提出以下假设：

H1a：社会系统微观层面成员的知识异质性正向影响知识系统中观层面群体知识的质量；

H1b：知识系统中观层面群体知识的质量正向影响社会系统微观层面成员的知识异质性。

2.3 社会系统微观层面与知识系统宏观层面交互序化

随着OKC知识的社会建构过程，不同领域的群体知识作用于原有的客观知识体系，在知识自组织的过程中涌现出新的客观知识体系，这是知识系统宏观层面序化的过程，知识的社会建构过程也使得新的客观知识体系更具有聚集性[28]。Min等[30]指出，不同主观知识结构的用户进行知识建构促使生成的知识系统为异配网络，客观知识体系的核心知识点与边缘知识点连接紧密，即客观知识体系的同配性降低。在OKC中，主观知识结构异质的成员间通过协作建构知识，使得原有的客观知识体系在融入新的领域观点后进行重构，形成新的客观知识体系。即社区成员的知识异质性会影响客观知识体系的序化过程。张大勇等[31]指出，具有同配性的知识系统促使用户的主观知识结构趋同。在OKC中，涌现出的新的客观知识体系反作用于用户。新的客观知识体系会促进用户内部顺应新的凝聚的知识观点，并更新自己的主观知识结构，进行个体认知的再建构。即社区的客观知识体系的聚集性会影响社区用户的知识异质性。与此同时，重建构的客观知识体系呈现为异配网络，用户可以通过学习不同领域的知识实现主观知识结构的自组织过程。异配的客观知识体系会促进社区中用户的知识异质性，即客观知识体系的同配性负向影响社区中的用户异质性。因此，基于上述论述提出以下假设：

H2a：社会系统微观层面成员的知识异质性正向影响知识系统宏观层面的客观知识体系的聚集性；

H2b：知识系统宏观层面的客观知识体系的聚集性正向影响社会系统微观层面成员的知识异质性。

H3a：社会系统微观层面成员的知识异质性负向影响知识系统宏观层面的客观知识体系的同配性；

H3b：知识系统宏观层面的客观知识体系的同配性负向影响社会系统微观层面成员的知识异质性。

2.4 知识系统微观层面与社会系统中观层面交互影响

作为知识系统的微观层面，OKC中用户在个体知识建构过程中，建构的知识观点也进行着知识自组织的过程。知识依附于用户而存在，通过用户间的有效沟通，使得知识观点不断收敛，形成群体智慧，个体知识的收敛性驱动了知识系统的形成[32]。在社区中，基于同质性原理[33]，用户更倾向于和主观知识结构相似的用户进行协作，使得用户间形成新的平衡的社会关系，这种平衡的关系正是社会系统中观层面序化的体现。Huang等[34]基于结构平衡理论指出，基于用户交互形成的社会关系的平衡性可以衡量用户间认知结构的相似或相异。在OKC中，用户之间的观点相似时，产生外部同化过程，个体知识观点趋同并趋于收敛，可以认为是正向关系。用户间的观点不一致时，一部分用户产生外部顺应过程，不断学习使得个体的知识观点趋同；而一部分用户坚持己见，导致观点的极化现象，可以认为是负向关系。在进行社会知识建构的过程，个体知识收敛形成群体知识时，用户间的协作会使得社区中局部的社会关系趋于平衡。即知识观点的收敛会促进社区结构的平衡。Kossinets等[35]指出，用户更倾向于与邻近用户进行交互。McPherson等[36]指出，用户通过协作产生的新的平衡的社会关系，使得用户的主观知识结构趋于同质，社区结构也趋于平衡。在OKC中，当新的局部的社会关系平衡时，用户在协作的过程中会产生外部同化的现象，使用户间的观点更加趋同，社区中的知识观点进一步收敛。因此基于上述论述提出以下假设：

H4a：知识系统微观层面知识观点的收敛性正向影响社会系统中观层面社会关系的平衡性；

H4b：社会系统中观层面社会关系的平衡性正向影响知识系统微观层面知识观点的收敛性。

2.5 知识系统微观层面与社会系统宏观层面交互影响

OKC知识系统微观层面知识观点的自组织过程离不开社会系统用户的知识建构过程，用户间的大量协作构成了社区中平衡的社会关系，使得社会关系不断演化，并涌现出新的社会系统，这是社会系统宏观层面的序化的体现。而知识建构的过程也使得涌现的社会系统更加稳定[37]。谢逢洁等[38]指出，在一个社会网络中，一个拥有平衡结构的社团形成群体知识时，其形成的网络为同配网络。在OKC中，社区中的知识观点在自组织过程中是伴随着社区中的用户大规模的沟通与冲突的，当知识观点不断收敛时，用户间通过沟通进行社区的社会知识建构，涌现的社会系统也趋于稳定，社会系统的同配性和稳定性增强，即知识观点的收敛性影响社会系统的序化过程。陈爱辉等[39]指出，稳定的社会系统使得用户的社会关系也趋于稳定，用户在知识建构过程中新的协作对象的观点会影响该用户的观点，用户产生外部同化现象使得社区中的知识观点进一步收敛，新涌现的社会系统会反作用于知识观点。在OKC中，由于其开放性，当社会系统趋于稳定并形成同配网络时，领域核心的概念渐渐模糊，用户会倾向于和新的邻居进行协作，在进行个体知识建构的过程中进行外部同化的过程，社区的知识观点进一步收敛。因此，基于上述论述提出以下假设：

H5a：知识系统微观层面知识观点的收敛性正向影响社会系统宏观层面社区的稳定性；

H5b：社会系统宏观层面社区的稳定性正向影响知识系统微观层面知识观点的收敛性。

H6a：知识系统微观层面知识观点的收敛性正向影响社会系统宏观层面社区的同配性；

H6b：社会系统宏观层面社区的同配性正向影响知识系统微观层面知识观点的收敛性。

3 数据与方法

3.1 案例选取

维基百科是一个免费的在线百科全书，是OKC中的典型代表。其是由来自全球各地的志愿者合作编辑而成的，整个社区收录了超过3000万的词条。基于自由内容、协作共享的原则，用户可以在词条的页面进行编辑和修改，并由维基百科的服务器记录用户的大规模协作编辑行为，在此过程中形成了社区的社会系统与知识系统。因此，本文选取该社区作为社会系统与知识系统的不同层面交互序化影响的研究平台。

3.2 数据采集

本文选取维基百科中的词条“welding”作为实验的案例。选取该词条主要出于以下三方面原因：首先，该词条的编辑方式多元化，能够较好地呈现情报用户在建构过程中出现的同化和顺应现象。其次，该词条经历了特色词条争议性话题——特色词条的阶段，这样的历程可以在编辑页面和讨论页面中反映出来，能够完整的分析整个冲突的发生与解决过程，体现了交流与沟通的重要性。最后，该词条具有创建早、编辑历时长、参与人数众多的特点，并且该词条的历史数据保存完整，能够较好体现协作建构过程。

本文利用维基百科提供的官方应用程序接口（application programming interface，API接口），并通过编写PHP（pre hypertext preprocessor）程序来自动获取“welding”词条的全部版本信息。由于本文关注的是维基百科中人的知识结构和社会关系，所以将机器人用户（bot）相关数据剔除，同时，对数据集进行去重处理，并将处理后的数据作为研究数据集，获取的数据集如表2所示。在对数据集进行数据处理后，本文选择社会系统与知识系统不同层面的指标，并对相应的指标值进行计量。

表2 “welding”数据集描述

3.3 相关变量及定义

本节对社会系统和知识系统的微观、中观和宏观三个层面的变量进行定义和计量，具体如表3所示。

表3 相关变量及其英文名称

1）社会系统微观层面成员的知识异质性

在OKC中，知识异质性是指社区用户为社区贡献出独特的经验或专业知识，即群体成员的知识异质性，记为sh。本文为此构建一个二维矩阵，

该矩阵的每一行表示所有用户，每一列表示这些用户所操作过的任务，xij表示第i个用户是否操作过第j个任务（xij=1表示操作过，xij=0表示未操作过）。通过计算该矩阵的稀疏性，可得到成员的知识异质性[10]。t时刻成员的知识异质性表示为

其中，N0(t)表示t时刻矩阵中0的个数；N1(t)表示t时刻矩阵中1的个数。

2）社会系统中观层面社会关系的平衡性

基于结构平衡理论，社会关系的平衡性可以通过计算OKC中局部的社会的正负关系来表示，记为sb。t时刻的社会关系的平衡性计算公式为

其中，KB(t)表示t时刻社会关系的边符号之积大于0的环数；K(t)表示t时刻社会关系的环总数。

3）社会系统宏观层面的社区的稳定性和同配性

由于熵是衡量系统中有序度的指标，本文选择考虑了网络规模影响的标准结构熵中的一种——“蔡”结构熵[40]，来衡量宏观层面社会系统的社区稳定性，记为se。在t时刻的社区稳定性可以表示为

刻的网络规模；kit为t时刻节点i的度值；p(kit)表示为t时刻网络中节点度为kit的概率。

根据复杂网络中同配系数的计算方法，用社会网络的同配系数表示OKC的社区同配性，记为sa。在t时刻的社区同配性可以表示为

其中，jit和kit分别为t时刻第i条边的两个端点的度；mt为t时刻网络的边数。

4）知识系统微观层面知识观点的收敛性

由于OKC中的知识系统是以观点为节点，对于OKC社区知识系统中的知识收敛性，选取知识系统演化过程中形成的观点派系数量作为计量指标，记为kv。在t时刻的知识收敛性为

其中，mt表示t时刻整个网络的边数；Aij表示节点i和j之间是否有边；ki、kj表示节点i和j的度。ci、c j表示节点i和j所属的派系：如果这两个点在同一个派系内，则δ(c i,c j)=1；否则，δ(ci,cj)=0。

5）知识系统中观层面群体知识的质量

OKC中群体知识观点的变化表现在知识内容本身、知识组织结构、知识形成效率等方面。具体而言，群体知识质量就是OKC社区中由群体构建的知识内容的质量，记为kq。本文依据Stvilia等[41]学者的度量函数来计量页面质量，在t时刻的群体知识质量的计算公式为

其中，Nue(t)是t时刻的独立用户；TNe(t)是操作总次数；Nel(t)是页面外部链接数；Naue(t)是匿名用户操作次数；C(t)是页面连通性；Nrue(t)是注册用户操作次数；Nr(t)是回退操作次数。

6）知识系统宏观层面的客观知识体系的聚集性和同配性

在OKC的知识系统中，知识与知识之间的联系是动态演化的，因此，需要研究每一时刻知识网络结构的变化，才能清晰地了解知识系统的序化过程。使用复杂网络理论的聚类系数来反映客观知识体系的聚集性，记为kc。在t时刻客观知识体系的聚集性可以表示为

其中，Nt为t时刻知识网络的节点数；ki为节点i的邻居知识点的个数；Ei为这些邻居知识点的实际边数。

类比社会系统的社区同配性的定义方式，通过计算不同时刻的知识网络的同配系数来反映客观知识体系的同配性，记为ka。在t时刻客观知识体系的同配性可以表示为

其中，jit和kit分别为t时刻第i条边的两个端点的度；Mt为t时刻网络的边数。

4 VAR模型

在计量经济领域中，VAR模型[42]可以对外生变量本身进行预测，得到精度更高的预测结果，适用于反映相互联系的时间序列系统，以及分析随机扰动项对变量系统的动态影响，更适用于复杂系统。为了研究OKC社会系统与知识系统协同序化的规律，基于前文定义的OKC序化指标，本文采用VAR模型构建计量模型。基于VAR模型，本文建立社会系统与知识系统的协同序化模型，包含n个变量，滞后p期的VAR模型为

其中，Y t是(n×1)向量组成的同方差平稳的线性随机过程，表示社会系统与知识系统的序化指标；βi是(n×n)的系数矩阵；Y t-i是Y t向量的i阶滞后变量；εt是误差项。同时，该模型满足E(εt)=0，E(εt Y t-i)=0,i=1,2,…,p，也就是εt的期望为0。

为了直观地分析各个变量之间的动态作用关系，本文使用脉冲响应函数对变量之间的动态关系进行分析。脉冲响应函数描述了来自随机扰动项的一个标准差大小的信息冲击对变量当前和未来取值的影响，通过脉冲响应函数可以检验社会系统与知识系统各变量之间相互影响的强度变化情况，从而判断出两个系统协同序化的路径和机制。

5 实验结果

基于OKC中社会系统与知识系统交互序化模型的框架，本文以词条“welding”作为实验案例，计算其社会系统与知识系统在演化过程中的相应指标。以前文提出的四个模型为基础，对每个指标进行平稳性实验，如果不平稳，那么进行差分计算；如果平稳，那么将其代入至VAR模型中，接着进行格兰杰因果检验，最后得到指标间的脉冲响应图，来验证假设是否成立，进而获得OKC中社会系统与知识系统协同序化的相应规律。

5.1 ADF（augmented dickey-fuller test）平稳性检验

根据提出的假设，对其中涉及的指标进行平稳性检验。VAR模型进行平稳性检验的意义在于，即使当模型中的指标发生了轻微的扰动，一旦其通过平稳性检验，这种干扰的效应会随着时间渐渐驱散。为了修正这些变量在演化过程中的分布问题，防止计算值出现不合理的取值，本文将变量值加一并进行相应的取自然对数的数据处理[43]。本文采用ADF平稳性检验的方法[44]，滞后期依据AIC（Akaike information criterion）准则取值为2。每个假设的ADF平稳性检验结果如表4所示。其中，Model1表示社会系统微观层面与知识系统中观层面间的VAR模型，Model2表示社会系统微观层面与知识系统宏观层面间的VAR模型，Model3表示知识系统微观层面与社会系统中观层面间的VAR模型，Model4表示知识系统微观层面与社会系统宏观层面间的VAR模型。

由表4可见，这4组VAR模型的变量均通过了ADF平稳性检验，因此，可以对这4组模型做进一步的实验。

5.2 格兰杰因果检验

为了避免四个模型中虚假回归的现象，本文需要判断假设的变量间是否具有显著性相关的关系，检验一个变量是不是另一个变量变化的原因，因此，对四个模型进行格兰杰因果检验[37]，各个假设的格兰杰因果检验数值如表5所示。

根据Tirunillai等[45]的研究，本文通过p值来判断一个变量是否是另一个变量的格兰杰原因。由表5可知，在社会系统微观层面和知识系统中观层面的交互序化的过程中，成员知识异质性（sh）是群体知识质量（kq）的格兰杰原因（p=0.0964）；同时，群体知识质量（kq）是成员知识异质性（sh）的格兰杰原因（p=0.0008），两个变量之间是相互影响的。在社会系统微观层面与知识系统宏观层面的交互序化模型中，成员知识异质性（sh）是知识聚集性（kc）的格兰杰原因（p=0.0823）；知识同配性（ka）是成员知识异质性（sh）的格兰杰原因（p=0.0000）。在知识系统微观层面与社会系统中观层面的交互序化模型中，两个变量之间是相互独立的。在知识系统微观层面与社会系统宏观层面的交互序化模型中，知识观点收敛性（kv）是社区稳定性（se）的格兰杰原因（p=0.0001），也是社区同配性（sa）的格兰杰原因（p=0.0011），知识系统微观层面对社会系统宏观层面有影响，但社会系统宏观层面对知识系统微观层面没有影响。

表4 不同VAR模型ADF平稳性检验结果

表5 格兰杰因果检验数值表

5.3 脉冲响应分析

为了更加直观地揭示变量之间的动态关系，判断变量间影响的方向，依据假设中构建的四个VAR模型，针对各自模型中涉及的指标构建相应的脉冲响应图[46]。各个模型的脉冲响应图如图1～图4所示。其中，中间的实线表示一个变量变化1单位时，引起另一个变量产生多少单位的反馈值，两条虚线则表示其95%的置信区间。

根据Song等[46]对脉冲响应图的分析方式，对图1脉冲响应图进行分析。图1a中，在阶段1～阶段3之间，当给予成员知识异质性（sh）一个单位标准差的冲击时，两条虚线同时出现在x轴上方，因此，其对群体知识质量（kq）产生了正向的影响。而在图1b中的阶段3与阶段4之间，当给予群体知识质量（kq）一个单位标准差的冲击时，两条虚线同时出现在x轴上方，因此，其对成员知识异质性（sh）也产生了正向的影响。说明在短期内成员知识异质性（sh）与群体知识质量（kq）之间存在正向的交互影响。而从长期来看，成员知识异质性（sh）与群体知识质量（kq）之间是正向的交互影响，并且趋于收敛。综上所述，假设H1a和假设H1b得到验证。

图1 成员知识异质性与群体知识质量脉冲响应图

图2 成员知识异质性与知识聚集性、知识同配性脉冲响应图

图3 知识观点收敛性与社区结构平衡性脉冲响应图

图4 知识观点收敛性与社区稳定性、社区同配性脉冲响应图

针对其他三个模型的脉冲响应图使用相同的分析方式，结合前文的格兰杰因果检验结果，本文的假设检验结果如表6所示。

表6 假设检验结果汇总

6 结论与讨论

6.1 研究结论

基于自组织理论和复杂适应系统理论，从社会系统和知识系统的微观层面出发，本文构建了社会系统与知识系统不同层面的VAR模型，研究发现了两个系统的微观层面驱动着不同层面的协同序化，这与OKC的自组织性是相符的。具体研究结论如下：

（1）社会系统的微观层面对知识系统的中观层面以及宏观层面均存在交互影响的规律。OKC的开放性和自组织性会促进不同的主观知识结构的用户间进行大规模的协作，而在进行知识建构的过程中，用户将自身的知识观点外化，进而融合形成群体智慧，即群体知识观点。不同领域的用户在沟通协作的过程中，将领域间的群体知识观点融合，涌现出新的客观知识体系。新的知识又会促使用户对自身主观知识结构进行重构，用户通过不断学习进行知识内化，在社区的群体知识观点的作用下发生同化效应。这种由用户作为主导，驱动OKC知识系统不断演化的现象，与王颖等[29]、Min等[30]、李鹏[23]的研究结论也是相符的。

（2）知识系统的微观层面与社会系统的中观层面没有交互影响的关系。此结论与假设不符合的原因在于，关于社会系统中观层面的计量是采用社会关系的平衡程度。在社会知识建构导致的观点融合过程，社区中的社会关系处于动态变化状态，用户与观点相似用户交互过程中会产生知识外部同化过程，使得社区中的观点趋同，而与观点相异的用户交互会导致观点的极化现象，甚至会形成用户间新一轮的认知冲突，阻碍了观点的收敛[47]。即社区中的社会关系处于“平衡-非平衡-动态平衡”的有序演化轨迹[48-49]，OKC用户在社会系统中自组织形成了稳定的社会关系，并未受到知识系统微观层面的影响。由于知识观点的不断收敛，而社会关系在这一过程中处于波动的动态平衡状态，因此，从实证视角下，知识系统的微观层面与社会系统的中观层面没有交互影响的关系。

（3）知识系统的微观层面对社会系统的宏观层面有影响。用户个体知识观点的自组织使得用户的主观知识结构随着知识收敛的过程在不断变化，用户在协作的过程中会更倾向于和自己认知相似的用户进行协作。而随着社会知识建构的进行，拥有不同观点的社会关系团体会涌现出新的社会系统，使得社区趋于稳定，从而使社区稳定性增强。新观点与社区的核心观点融合，导致涌现的社会网络领域性、专业性较强，使用户倾向于和同一领域的用户进行协作，进行内部同化效应，社区同配性不断增强。这与杜海峰等[47]的研究结论相符。而OKC的自组织性和开放性使得每个用户都能进行社区的社会知识建构，因此，涌现的新的社会系统受到地位差异的影响很小，核心用户的权威性渐渐消失，每个用户都能将自身的主观知识结构外化，并参与到社区的社会知识建构过程，微观层面的知识观点没有收敛。

6.2 理论贡献

本文的理论贡献如下：

（1）从OKC序化视角，本文构建OKC社会系统与知识系统不同层面的交互序化模型，研究OKC交互序化的机制，不仅进一步探索了社会系统对知识建构的影响，而且研究了知识系统对社区中社会关系的影响规律，弥补当前研究中主要关注两个系统间单向影响的机制和规律研究的局限性。

（2）基于自组织理论，针对OKC的自组织特性，本文从社会系统和知识系统的微观层面作为切入点，揭示了用户及用户的个体知识观点在社会系统和知识系统不同层面的驱动因素，证实了OKC自组织的驱动力是来自系统的微观层面这一规律，进一步扩展了自组织理论在OKC中的应用。

（3）本文从认知的视角研究了OKC中社会知识建构的机理，进一步证实了知识附属于用户交互过程中信息交流的途径[36]。知识不通过社会系统的中观层面，而是直接与宏观层面交互影响。研究扩展了现有的社会知识建构的规律，同时进一步完善了建构主义理论。

6.3 实践启示

本文的实践启示在于，OKC需要从社会系统和知识系统的微观层面来优化社区的建设，提高社区平台的管理能力，使社区的社会系统和知识系统能够迅速地实现有序化。首先，社区应当采取措施吸引更多的用户加入社区。新用户的加入，会使得社区成员的知识异质性增强，在建立不同的社会关系时也能促进群体知识质量的提高，促进社区客观知识系统的序化效率。其次，社区应当鼓励用户积极提出自己的知识观点，将自身的知识外化。在社区的知识自组织的过程中，适当添加新知识，以激发用户的创造性，使得知识之间的联系更密切，从而促进观点的融合。最后，社区应当提供更加开放的交流平台，促进不同领域的用户沟通交流，进而使得社区中用户的社会关系更加稳定。在社会知识建构的过程中，促使不同领域间知识的融合，涌现出新的领域知识，有利于社区知识的生产与创新，以及社区客观知识体系的进一步完善。

6.4 局限性与未来研究方向

除了上述研究结果外，本文也存在着一定的局限性。首先，需进一步考虑社区中不同类型的词条是否具有不同的结论；其次，本文建立的社会系统与知识系统没有考虑用户的流失以及从未变动过的观点。在接下来的研究中，需要考虑知识网络中的某些孤立的节点和知识内容本身的变化对知识网络构建的影响，进一步揭示OKC中知识系统与社会系统协同序化过程中呈现的规律。