知识采纳者的社会资本对知识问答社区的知识社会认可的影响研究

陈小卉　胡平

关键词： 知识采纳者； 社会认可； 社会资本； 知识问答社区； 网络位置

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１２．００３

〔中图分类号〕Ｇ２５２ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） １２－００２８－１１

知识问答社区以知识交流为核心功能， 促进了用户的沟通和互动， 成为人们获取和分享知识、拓展社交关系的主流社交媒体之一。在研究这类社交媒体的知识传播过程时， 学者们通常从知识贡献者和知識寻求者两类用户的角度来分别探讨他们与知识传播之间的关系。社交媒体平台会利用声誉系统的点赞功能来将知识贡献者与知识寻求者有机联系起来， 形成在线知识传播闭环［１］ 。作为一种激励手段， 点赞功能可以为贡献知识的用户带来虚拟的社交回报， 并满足他们在线贡献知识的成就感［２］ 。其他用户则通过点赞行为来告知其关联用户自己对某个知识的认可及采纳， 体现了知识问答社区的知识社会认可（Ｓｏｃｉａｌ Ｅｎｄｏｒｓｅｍｅｎｔ）过程［３］ 。参与知识点赞的用户即为知识问答社区内的知识采纳者。作为知识传播的主要力量， 知识采纳者所拥有的社会资本决定了知识社会认可的程度， 对知识获得广泛的传播具有重要影响［４］ 。而知识采纳者在知识社会认可过程中所形成的社交关系也不容忽视。已有文献证实了， 在知识问答社区中， 用户之间的知识交流和互动嵌入了较强的社交性［５］ 。知识采纳者的点赞行为促使他们之间产生关联关系， 形成社交关系网络， 并进一步影响知识社会认可和知识在平台内的传播。因此， 本研究旨在通过构建知识问答社区中， 知识采纳者之间由点赞行为而产生的合作关系网络， 结合实证分析探究知识采纳者的社会资本对知识社会认可的影响。

１文献综述

社会认可（Ｓｏｃｉａｌ Ｅｎｄｏｒｓｅｍｅｎｔ）是社交媒体中用户是否接受或认可知识和信息的反映， 可以体现知识在网络中的受欢迎程度［３］ 。社交媒体中， 用户积极贡献知识的目的是为了使自己所贡献的知识能够获得广泛的社会认可， 从而换取更多的社交福利和社交回报， 提高自身在社交网络中的地位［６］ 。而其他用户通过自愿的点赞行为来表达对知识的积极感受， 一定程度上也体现了用户对知识的兴趣和爱好［７］ 。通过用户的知识社会认可行为， 社交媒体平台能够更清晰地了解用户的真实需求［８］ ， 从而实现对平台的不断优化和提升。与此同时， 知识社会认可也反映了知识在社交媒体平台中的传播链， 知识采纳者的点赞行为会被通知给与其产生关联关系的其他用户， 使知识获得更广泛的传播［１］ 。因此， 知识采纳者的知识社会认可不仅会影响知识贡献者优质内容的持续产生， 也对知识的在线传播具有重要作用。研究认为， 知识问答社区中， 知识贡献者的历史回答收到的高声誉反馈（即高点赞数量）对其后续知识贡献的信息量具有积极作用［６］ 。点赞数的多少反映了知识接收到的社会认可的高低程度［９］ ，社会认可程度越高的知识在未来会获得更多用户的采纳［１］ 。上述研究虽然从不同角度证实了社会认可对知识的供需双方， 以及知识在线传播的重要性，但是缺乏对知识社会认可影响因素的探讨。

研究认为， 在线虚拟社区中用户自身所拥有的社会资本会影响其对知识和信息的认可程度［４］ 。社会资本是在关系建立的基础上衍生出的各类社会资源［１０］ 。系统性的社会资本理论最早由Ｎａｈａｐｉｅｔ Ｊ等［１１］ 提出， 该研究将社会资本划分为结构、关系和认知３ 个维度， 并得到了学术界的广泛认可。其中， 结构资本可以概括为个体之间社交关系所形成的结构性特征， 包括中心性、社交关系的紧密程度等［１１］ ， 反映了个体在社交关系网络中的地位［１２］ 。关系资本则是由个体之间的交流、互动等行为而发展出来的关系内涵， 一般可以概括为信任、互惠和认同感等［１１］ 。认知资本是个体通过社交互动而表现出来的对群体的趋于一致的理解或期望， 即他们在社交网络中的共同语言、共同期待或共享文化等［１１］ 。目前， 社会资本理论已经成为人们研究在线知识传播的重要理论支撑之一。许多研究从不同角度探讨了社会资本与在线知识传播之间的关系。Ｃｈｉｕ Ｃ Ｍ 等［１２］ 和Ｊｉｎ Ｊ Ｈ 等［１３］ 通过对相关理论的整合， 考察了社会资本对用户在虚拟社区中持续贡献知识和分享知识的动机的影响。Ｙａｎ Ｊ 等［１４］ 则在前人研究的基础之上， 对上述研究成果进行了拓展， 证实了社会资本和用户知识贡献之间存在着双向因果关系。也有一些研究认为， 社会资本可以帮助信息和资源在个体之间的传递和交换， 从而促进合作和创新的产生［１５－１６］ ， 对用户在网络社交媒体中的知识共享效果具有显著的影响［１７］ 。不同于以上研究， Ｂｅｃｋ Ｒ 等［１８］ 将用户在网络中的社会资本细化为其对知识和信息的分享能力， 认为用户所拥有的社会资本体现了其在网络中获取知识的潜在的渠道多样性， 渠道多样性会影响知识交换的数量和质量， 对知识获得广泛的社会认可和知识的在线传播具有一定的影响力。

综上所述， 以上研究主要关注社交媒体中用户的社会资本与知识社会认可和知识传播之间的关系， 但忽略了个体在知识社会认可过程中所形成的社交关系网络及其特征。本文从知识采纳者所嵌入的关系网络出发， 通过构建知识采纳者合作关系网络， 探究知识采纳者的社会资本与其在关系网络中的结构性位置对知识问答社区中的知识社会认可及知识传播的影响。

２研究方案

２.１知识采纳者合作关系网络

知识问答社区中， 用户认可知识并予以采纳会通过对回答的点赞行为而被平台传达给与其有关联关系的其他用户， 从而提高知识社会认可的可能性［９］ 。本研究将为问题的回答赋予点赞的用户定义为知识采纳者。在知识社会认可过程中， 同一回答文本下的知识采纳者们通过点赞行为而产生合作关系， 共同促进知识获得更多社会认可， 由此形成知识采纳者合作关系网络。图１ 为知识采纳者之间合作关系的示意图。根据社会网络的构建原则， 如果知识采纳者Ａ 和Ｂ 点赞了１ 个回答， 即这两个采纳者合作促进了该知识的社会认可， 具有合作关系， 相应的矩阵位置为１， 否则为０。由此可以构建知识采纳者合作关系网络。

２.２研究假设

２.２.１知识采纳者的结构资本对知识社会认可的影响

社交互动关系为个体获得信息和资源提供了有效途径［１６］ ， 社交互动关系越多， 说明个体获得信息和资源的渠道多样性水平越高［１８］ ， 有助于增加用户交换信息、共享资源的频率， 扩大信息和资源共享的范围［１９］ 。对于虚拟社区用户而言， 结构资本体现了用户在关系网络中的地位及其所拥有的社交联结的多少， 并且显著影响用户的知识贡献和知识分享活动［２０－２２］ 。已有研究一般采用用户在虚拟社区中的粉丝或关注者的数量来测量用户结构资本的多少，并且认为用户的粉丝或关注者越多， 其在社区中越接近核心位置［２３］ ， 能够获得更多知识来源渠道， 知识分享的效果更好［１８］ 。在知识问答社区中， 知识采纳者可以通过对某个回答进行点赞来表现他们的知识社会认可， 平台会将其点赞行为实时通知给与之有关联关系的用户， 如知识采纳者的粉丝， 这一社会认可过程可以实现知识的在线传播。知识采纳者的粉丝数量越多， 其知识社会认可过程越能够被更多用户观察到， 并增加知识的传播路径， 相应地知识也会获得更多社会认可。因而， 结构资本能够为知识采纳者带来更高的社交地位和更大的知识传播影响力， 并提高其在社交网络中的曝光度。拥有更多结构资本的知识采纳者能够吸引其他用户与之建立合作关系， 参与知识社会认可， 并促进知识的广泛传播。以上分析阐释了知识采纳者的结构资本对知识社会认可的重要性。据此， 研究提出假设Ｈ１。

Ｈ１： 知识采纳者的结构资本对知识问答社区的知识社会认可具有积极作用

２.２.２知识采纳者的关系资本对知识社会认可的影响

社會资本的关系维度包括信任、互惠和认同等。其中， 信任是社交关系和合作产生的基础［１１］ ， 可以帮助关联双方建立共同目标并促进目标的实现［１６］ 。尤其是对于希望在虚拟社区中分享和交换知识的用户而言， 如何获得彼此的信任是一个重要的命题。研究认为， 信任可以帮助用户维系社交关系， 并有助于知识在用户之间的有效交流， 是影响知识交换质量和数量的重要因素［２４］ 。在知识问答社区中， 用户对平台的信任可以通过其对个人信息的披露程度来展现。用户在线上寻求知识时， 对个人信息的披露程度反映了其在虚拟平台中的社会存在感， 有助于其他用户对其建立信任， 提高知识交换的质量［１８］ 。因此， 知识问答社区中知识采纳者对个人信息的披露程度可以体现其对平台的信任程度。信息披露程度越高， 则知识采纳者对平台的信任程度越高。本文按照知识采纳者个人信息栏中所披露的性别、专业、学历、地址、职业和个人简介等信息的完整度来考察其个人信息披露程度， 将个人信息披露程度由低到高划分为０～６， ０ 代表上述信息完全没有披露， ６ 则表示这些信息披露完整。根据上述分析，知识采纳者的信任关系资本可以由低到高记为０～６。知识采纳者拥有的信任关系资本越多， 知识社会认可的效果越好。

互惠是在关联双方之间产生的为了维持公平的交换行为。对于个体而言， 持续性的交流和互动是建立在互惠基础之上的， 个体的行动取决于关联方是否会对其行动做出互惠性反馈［２５］ 。在虚拟社区中， 用户共享知识的目的是为了获得相应的社交回报， 如其他用户的关注或点赞等， 以便能够满足自己在虚拟社区中的社交需求， 提高自己的网络声誉或社交地位。已有研究以社会交换理论为基础， 证实了互惠是虚拟社区中用户知识分享的动力， 可以促进知识在虚拟社区中的有效传播［２６－２７］ 。在知识问答社区中， 用户的互惠可以体现为其对平台中其他用户的回馈， 即用户在平台内贡献知识的行为。因此， 本文将知识采纳者的历史回答数量作为其在知识问答社区内的互惠关系资本的测量指标。知识采纳者的历史回答数量越多， 意味着拥有丰富的互惠关系资本， 有助于知识获得更多社会认可。

此外， 社会资本的关系维度还包括个体对群体的认同， 是他们对身处于某个群体中的归属感。社交关系的建立会使个体根据自身属性， 如兴趣、爱好或对某事物的观点等， 将自己与具有相似属性的其他个体归类为相同的社会类别［２８－２９］ 。认同感会促进群体内部合作关系的建立， 有助于共同目标的实现［３０］ 。在线虚拟社区中， 认同感会加强用户之间的关系， 并对知识交换具有积极影响［３１］ 。研究还发现， 对于虚拟社区认同感越强的用户， 在社区中的活跃度会越高［３２］ 。活跃度高的用户更有意愿参与知识分享和知识传播［３３］ 。知识问答社区中，用户可以根据自身的兴趣、爱好来选择关注不同的话题， 平台会以话题标签为依据为用户分类。对于知识采纳者而言， 关注的话题越多， 表示其在知识问答社区中的活跃度越高、对平台的认同感越强烈， 有助于吸引其他用户与之建立关系， 促进知识获得更多社会认可。

综上所述， 本文分别从信任、互惠和认同３ 个方面来考察知识采纳者的关系资本， 并提出以下假设：

Ｈ２： 知识采纳者的信任关系资本对知识问答社区的知识社会认可具有积极作用

Ｈ３： 知识采纳者的互惠关系资本对知识问答社区的知识社会认可具有积极作用

Ｈ４： 知识采纳者的认同关系资本对知识问答社区的知识社会认可具有积极作用

２.２.３知识采纳者的认知资本对知识社会认可的影响

虚拟社区的成员是在共同的利益或目标结果的驱动下建立关系的， 相同的认知有助于成员之间建立合作、共享资源， 促进社区的良性发展［１６］ 。认知资本是关系建立的基础， 成员之间相似的兴趣和文化背景， 以及对社区的共同期待激励成员共享知识， 对知识共享的效果具有积极作用［１７］ 。研究发现， 虚拟社区中用户获得的认知资本还体现在其通过对共享的知识进行反馈所获得的认知收益［１４］ 。认知收益是用户对其所获取的知识的有用性的内在感受， 可以衡量用户认知资本的多少。知识问答社区中， 知识采纳者是否关注其他用户取决于他们之间是否具有相似的兴趣爱好， 或对某一事物具有相同的认知感受。当知识采纳者关注某个用户时， 平台会将其关注用户的各种动态推送至知识采纳者的用户页面， 是其获取知识和信息的主要途径之一。因此， 知识采纳者关注用户的数量体现了其获得知识的途径的多少。关注人数越多， 知识采纳者获取知识和资源的可能性就越高， 获得的基于相同认知而产生的知识收益就越丰富， 是其在网络中所拥有的认知资本多少的具体表现。认知资本越多， 知识采纳者参与不同回答的点赞活动的可能性就越高。因而， 认知资本可以帮助知识采纳者之间关系的建立， 是合作关系产生的基础。知识采纳者的认知资本越多， 越有利于知识获得更多社会认可并实现在平台内的广泛传播。据此， 提出假设Ｈ５：

Ｈ５： 知识采纳者的认知资本对知识问答社区的知识社会认可具有积极作用

２.２.４知识采纳者在关系网络中的位置对知识社会认可的影响

个体在网络中的位置是其获得资源和信息的能力的重要体现。在知识获得社会认可的过程中， 知识采纳者所处的网络位置不仅可以反映其在关系网络中所处的位置， 也决定了知识采纳者传播知识的能力。反映节点网络位置的指标有很多， 其中， 聚类系数代表了网络中与某一节点产生联结的其他节点之间关系的紧密程度［３４］ 。对于知识采纳者而言，聚类系数的大小代表了其在合作关系网络中的合作伙伴之间的关系是否紧密。聚类系数越大， 知识采纳者合作伙伴之间的关系越紧密， 这意味着知识采纳者在合作关系网络中的位置优势不明显， 知识传播的影响力不足［５］ 。因此， 聚类系数较大会限制知识采纳者合作关系的产生以及知识社会认可的扩大。此外， 个体在网络中的位置也可以表现为其所占据的结构洞位置的多少。结构洞是指网络中两个没有关联关系的节点之间所产生的空间间隔， 当出现第三个节点作为中介纽带将原来没有关联关系的这两个节点相连接时， 这一空间间隔被填充， 中介节点占据的位置即为结构洞。节点所占据的结构洞位置越多， 其在关系网络中的地位越高， 可以掌握更多的信息和资源。本研究采用结构洞约束系数（０～１）来衡量知识采纳者在合作关系网络中占据的结构洞位置的情况［３５］ 。结构洞约束系数越小， 则该节点成为结构洞节点的可能性越大， 节点在网络中的位置更具有优势。相反地， 结构洞约束系数越大，节点在网络中的地位就越低， 其行为活动对其他节点的影响就越小。因此， 在知识问答社区中， 知识采纳者的结构洞约束系数与其在网络中地位呈负向关系。结构洞约束系数越大， 越会阻碍知识采纳者合作关系的建立， 并且不利于知识获得更多的社会认可。综合上述分析， 研究提出假设Ｈ６ 和Ｈ７：

Ｈ６： 知识采纳者在合作关系网络中的聚类系数对知识问答社区的知识社会认可具有消极作用

Ｈ７： 知识采纳者在合作关系网络中的结构洞约束系数对知识问答社区的知识社会认可具有消极作用

２.３数据收集

本研究的数据来源于中文知识问答社区——知乎。研究采用Ｐｙｔｈｏｎ 编程爬取“流行音乐” 话题下２０１７ 年１１ 月—２０１８ 年１ 月的相关数据， 包括知识采纳者个人信息、回答相关信息（回答获赞数、回答者相关信息） 以及回答所属问题的相关信息（问题浏览数及问题回答数）等。选取知乎为研究对象， 主要是因为知乎的用户规模较大且用户的活跃度较高， 用户之间具有很强的社交关联， 研究结果具有一定的代表性。此外， “流行音乐” 是一个持续受到关注且关注热度相对固定的话题， 研究结果更为稳定。

２.４变量的定义与度量

知识采纳者的度代表了其在合作关系网络中所拥有的关系数量的总和， 即知识采纳者与其他知识采纳者之间建立的合作关系的多少。度值越大， 说明知识采纳者在网络中的合作关系越多， 通过这些合作关系， 知识可以被传播给更多用户并获得更多的社会认可。因此， 知识采纳者在合作关系网络中的度值的多少可以反映知识社会认可的程度， 是本研究的被解释变量。

解释变量包括知识采纳者所拥有的结构资本、关系资本、认知资本和知识采纳者在关系网络的位置等。知识采纳者的结构资本可以通过其在知识问答社区内的粉丝人数来测量， 关系资本涉及的信任、互惠和认同分别采用知识采纳者信息披露程度、知识采纳者历史回答数和知识采纳者关注的话题数量来表示。聚类系数反映了知识采纳者合作伙伴之间关系的紧密程度， 结构洞约束系数则反映了知识采纳者在合作关系网络中所占据的结构洞位置优势的具体情况。

为了更加清晰地分析知识采纳者的社会资本对知识社会认可的影响， 研究控制了知识、知识贡献者和问题层面的特征。在知识层面， 知识流行度影响， 即回答在社区内所获得的点赞数可以用来表现该回答在平台内的受欢迎程度［４］ 。在知识贡献者层面， 知识贡献者的社会地位， 即回答者粉丝数会直接影响所贡献的知识在平台内的受欢迎程度， 并间接影响其他用户对知识的社会认可［１］ 。回答者的粉丝数量越多， 意味着知识会被更多用户看到， 提高了点赞的可能性。对于在网络中寻求知识的用户而言， 知识流行度影响及知识贡献者社会地位可以作为衡量知识质量的一种标准， 帮助他们更有效地在平台内获取知识。除此之外， 研究采用问题热度（问题浏览数）来衡量问题层面的特征。问题的热度越高， 参加点赞的用户则越多。同时， 知乎平台的推送算法也会优先扩大这些问题的推送范围， 促进知识采纳者合作关系的建立， 有助于知识获得更多社会认可。综上， 构建本文的研究框架图， 如图２ 所示。具体的变量定义与度量标准如表１ 所示。

２.５研究模型

根据上述分析， 本文分别设定模型（１） ～（３）来验证各研究假设。其中， 模型（１） 的研究变量仅包含知识采纳者社会资本的３ 个维度及控制变量。

模型（２） 在模型（１） 的基础之上， 增加了聚类系数这一网络指标， 而模型（３） 不仅加入了聚类系数， 同时也将结构洞约束系数纳入模型。具体的模型公式如下：知识社会认可＝ α_０＋α_１结构资本＋α_２信任＋α_３互惠＋α_４认同＋α_５认知资本＋α_６问题热度＋α_７ 知识贡献者社会地位＋α_８知識流行度影响＋ε_１（１）

知识社会认可＝α_０＋α_１结构资本＋α_２ 信任＋α_３互惠＋α_４认同＋α_５认知资本＋α_６问题热度＋α_７知识贡献者社会地位＋α_８知识流行度影响＋α_９聚类系数＋ε_２（２）

知识社会认可＝α_０＋α_１结构资本＋α_２信任＋α_３互惠＋α_４ 认同＋α_５认知资本＋α_６问题热度＋α_７知识贡献者社会地位＋α_８知识流行度影响＋α_９聚类系数＋α_１０结构洞约束系数＋ε_３（３）

３实证分析

３.１描述性统计

利用Ｐａｊｅｋ 软件可以构建知识采纳者合作关系网络， 并计算研究相关的网络数据。表２ 为知识采纳者合作关系网络数据的基本描述。其中， 网络的整体密度为０.０８， 符合一般网络的规律。知识采纳者平均度为７７０， 说明知识采纳者之间的平均合作关系较多， 知识社会认可度较好。网络中共有边３ ６６３ ８０３条。

表３ 为研究涉及的各变量的描述性统计。可以看出， 除了信任关系资本和聚类系数， 其余各变量数据均呈偏态分布， 为缓解异方差问题， 对这些变量取对数后再进行实证分析。表４ 为变量的相关系数矩阵。此外， 研究还对变量进行了多重共线性检验， 每个变量的ＶＩＦ 值以及ＶＩＦ 的平均值都小于１０， 说明变量之间不存在多重共线性问题。

３.２回归结果分析

本研究使用Ｓｔａｔａ１５.１ 进行回归分析， 根据研究的具体内容， 选择采用稳健的ＯＬＳ估计， 回归结果如表５ 所示。模型１ 的结果显示， 结构资本的系数不显著。关系资本方面， 信任的系数显著为负（－０.０３７， ｐ＜０.０１）， 互惠和认同的系数均显著为正（０.０５０， ｐ＜０.０１； ０.０４８， ｐ＜０.０１）， 认知资本的系数则显著为正（０.０２８， ｐ＜０.０１）。以上结果说明， 知识采纳者拥有的结构资本， 即知识采纳者的粉丝数对知识社会认可不具有显著影响。在知识问答社区中， 用户的点赞行为主要从自身对知识的感受出发， 与用户是否认可知识的内容相关。结构资本为知识采纳者提供的较高的网络地位及较大的传播影响力并不会改变其自身对知识内容的看法。因此， 知识采纳者的社会资本并不会对知识社会认可造成显著影响。在知识采纳者的关系资本方面， 信任对知识社会认可具有显著的负向影响， 这与前人研究的结论不同。原因主要包含两方面： 一方面，由于样本数据中知识采纳者对其个人信息的披露存在一定的缺失， 因此， 选择信息披露的完整度来衡量他们对平台的信任程度， 这与已有研究中对用户个人属性特征具体测量的方法不同， 因而结果产生了差异； 另一方面， 虚拟网络中用户之间的信任和了解不同于线下的真实情境， 用户所披露的信息的真实性和可信度难以考察， 这种潜在的信息不确定性会造成信任的缺失， 导致研究结果产生差异。互惠关系资本对知识社会认可具有显著的积极影响，说明知识采纳者的历史回答数越多， 为平台中其他用户提供的互惠性回报越多， 其在关系网络中的影响力和声望就会更高［１］ 。因而， 其他知识采纳者更倾向于与之建立合作关系， 促进知识获得更多社会认可。知识采纳者的认同关系资本， 即知识采纳者在知识问答社区中关注的话题数， 对知识社会认可具有显著的积极影响。认同感越强的知识采纳者越能够吸引更多用户与之建立合作关系［１２］ ， 共同促进知识的社会认可。知识采纳者的认知资本， 即知识采纳者关注的用户数， 与知识社会认可之间为正向关系。当知识采纳者在知识问答社区中关注的用户数量较多时， 他们接收知识的渠道也会比较丰富， 因而可以获得更多的认知收益， 知识采纳者的认知资本更丰富。认知资本可以促进用户之间关系的产生和知识的广泛传播［１４］ 。因此， 知识采纳者的认知资本可以促进知识获得更多社会认可。

控制变量问题热度的系数为正显著（０.２０８， Ｐ＜０.０１）， 说明问题的浏览数越多， 越会促进知识采纳者参与点赞活动， 与其他用户建立更多的合作关系， 提高知识社会认可的程度。知识问答社区中，问题的浏览数代表了问题在话题下的热度， 浏览数越多， 问题的热度就越高。一方面， 为了获得更多的曝光度， 用户会更倾向于参与到热点问题的相关活动中； 另一方面， 平台的推荐算法优先向用户推荐热点问题下的相关讨论， 因此能够被更多用户看到， 提高了用户点赞行为的可能性。模型１ 的知识贡献者社会地位系数不显著， 意味着知识贡献者粉丝数的多少对知识采纳者合作关系的建立不具有显著影响。知识流行度影响的系数为正显著（０.７８３，ｐ＜０.０１）， 这一结果表明知识层面的特征对知识采纳者合作关系的建立具有显著的积极作用。知识获得的点赞越多， 一定程度上说明了该知识的质量越高。用户可以参考知识的流行度影响来判断回答质量的高低， 再决定是否采纳知识。此外， 知乎的推荐算法也会提高流行度影响较高的知识的曝光率。因此， 高流行度影响的知识获得更多社会认可的可能性更高。

模型２ 在模型１ 的基础上加入了知识采纳者的聚类系数， 除了知识贡献者社会地位之外， 其他变量的结果与模型１ 一致。模型２ 中， 知识贡献者社会地位系数虽然为正显著， 但系数值只有０.０１６， 因此， 该变量对被解释变量的影响非常小。知识采纳者聚类系数对知识社会认可的影响显著为负（－１.２３１， ｐ＜０.０１）， 这一结果驗证了假设Ｈ６ 的内容， 即聚类系数越大， 知识采纳者合作伙伴之间的关系越紧密， 会限制知识采纳者自身合作关系的产生， 影响知识社会认可的结果。模型３ 中不仅加入了聚类系数， 也加入了结构洞约束系数来综合分析网络位置对知识社会认可的影响。该变量的系数为负显著（－３.１５８， ｐ＜０.０１）， 也证实了假设Ｈ７ 的猜想， 即结构洞约束系数越大， 知识采纳者在网络中所占据的结构洞位置越少， 会限制合作关系的建立， 不利于知识获得更多社会认可。模型３ 中其他变量的回归结果与模型１ 和模型２ 大致相同。

４ 稳健性检验

在模型的稳健性检验方面， 研究分别采用替换变量和缩小样本量等方法来验证上述模型的回归结果。首先， 问题层面的特征还可以采用问题空间拥挤度， 即问题回答数来衡量［３６］ 。研究将问题热度用问题空间拥挤度替代， 模型的回归结果基本不变，如表６ 所示， 各模型的Ｒ２ 值分别为０.７６２、０.７８１和０.８４６， 模型的整体拟合情况较好； 其次， 研究删除了合作关系度值为０ 和１ 的知识社会认可路径稀少的数据， 并将两个超过４ ０００的极端值剔除后，改变了样本容量继续进行回归分析。表７ 和表８ 分别为改变样本容量后各模型的回归结果， 可以看出该结果与原有样本的回归结果保持一致， 且各模型的Ｒ^２值均超过０.７， 模型的拟合度较好。以上结果说明， 本文的研究模型具有良好的稳定性， 研究结论具有一定的代表性。

５结论与展望

本研究以知识问答社区中的知识采纳者为研究对象， 从知识采纳者在知识社会认可过程中所嵌入的社交关系网络出发， 构建知识采纳者合作关系网络， 并结合实证分析探讨知识采纳者在网络中所拥有的社会资本对知识社会认可的影响。研究发现，知识采纳者的结构资本对知识社会认可的作用不显著。在知识采纳者的关系资本方面， 信任对知识社会认可具有显著的负向影响， 互惠和认同对知识社会认可有显著的正向影响。认知资本也对知识社会认可具有显著的正向影响。此外， 聚类系数和结构洞约束系数等网络位置指标对知识社会认可有一定的消极作用。本研究综合考察了知识采纳者的社会资本及其在合作关系网络中的结构性位置对知识社会认可的影响， 将知识采纳者的社会资本、社交关系網络及知识社会认可三者有机联系起来， 为提高知识在线传播的效果、鼓励用户积极参与知识社会认可提供了一定的思路， 对厘清在线知识传播的模式和运行机制具有重要意义。

基于上述结论， 研究提出以下建议： 首先， 对于知识问答社区这类平台而言， 知识获得社会认可的前提是能够被其他用户感受到知识的有用性， 因而知识的质量是至关重要的。平台应该建立更为完善的知识质量评价体系， 优化知识推送算法， 鼓励用户贡献更高质量的知识； 增加更多有趣且吸引力强的话题， 活跃社区互动氛围， 增强用户对社区的认同感； 通过各种奖励手段鼓励知识采纳者成为知识的供给方， 而不是局限于知识需求方， 这样更有利于知识采纳者建立网络口碑， 促进知识的广泛传播和平台的长久发展； 同时， 平台还应该建立良好的社交环境， 鼓励用户建立关注关系， 拓展知识获取的渠道。其次， 对于知识采纳者而言， 应时刻关注自己在关系网络中所处的位置， 积极参与热点问题及流行度影响高的回答的相关活动， 努力提升自己的网络声望和地位。最后， 如何能够减少用户个人信息的不确定性， 重建虚拟社区用户彼此之间的信任， 是值得探讨的问题。

鉴于知识问答社区不同话题下用户的参与度及行为模式不同， 为了提高研究结论的普适性， 后续研究可以补充其他话题的数据。同时， 也可以增加其他用户为研究对象， 刻画不同角色的用户在知识认可过程中的具体特点。