社会化问答社区在线学习者知识贡献绩效影响因素研究

崔智斌 涂艳

【摘 要】

社会化问答社区逐渐成为在线学习资料查阅途径和知识拓展的工具之一。但随着社区规模的发展，高流量学习者日益增加的话语权加剧了节点中心化程度，导致底层学习者知识贡献意愿和信息扩散效率下降。如何提高在线学习者的知识贡献绩效亟待解决。本研究首先通过数据包络分析法测算知乎社区内4，200名在线学习者的“知识贡献—声誉收益”过程绩效，然后通过广义线性模型分析在线学习者特征、在线学习社区交互特征和在线学习心理激励特征对知识贡献绩效造成的影响。研究结果表明：信息开放、社区归属、身份地位和社会比较存在正向影响，利他信念存在负向影响，而回馈信念和社区交互特征的影响并不显著;通过不同知识贡献渠道进行自我效能施展存在影响方向差异，其中碎片化渠道并不利于在线学习者知识贡献绩效的提升;在线学习者间的比较会对基于利他信念的知识贡献存在调节效应。因此，本研究建议优化知识分发推荐机制，打造PGC“知识+”多元化学习矩阵，完善知识质量评价和学习反馈体系。

【关键词】  社会化问答社区;在线学习者;知识贡献绩效;社会交换理论;数据包络分析;广义线性回归

【中图分类号】   G434         【文献标识码】  A       【文章编号】  1009-458x（2022）2-0057-09

一、引言

新冠疫情期间，我国在线教育市场渗透率激增，以往的线下教学模式和“线上+线下”混合式教学模式转变为“大规模、长周期”的网络教学模式（翟兴， 等， 2020）。以用户为中心的社会化问答社区逐渐成为在线学习者获取、交换教育资源的重要途径和碎片化资料查阅、课堂知识拓展的高效工具。相较于慕课、维基论坛等在线教育平台，社会化问答社区更强调社交化元素，通过调动在线学习者节点生产分享高质量内容，实现教育资源跨时空探寻和课内教学补充（李海峰， 等， 2020）。

目前已有诸多衡量在线学习者学习绩效的研究，通过对在线学习平台的登录次数、学习资源使用情况等过程性数据展开分析（包昊罡， 等， 2019），构建平台用户在线学习个人投入模型与评价维度（李艳燕， 等， 2020; 武法提， 等， 2018）。然而在社会化问答社区，在线学习者不再仅是被动的知识接收者，还是主动学习、分享贡献的微观知识生产单元，他们从社区中获得的收益和付出的成本会共同影响其学习效果、学习積极性和优质知识分享贡献的意愿（Xia， et al.， 2012）。该类开放式知识分享社区随时间推移，不同问答板块间的知识内容易出现同质化、中心化问题，社区底层在线学习者的知识贡献得不到重视，无法获得社区推荐曝光、流量扶持，导致其知识贡献意愿及信息扩散效率降低。本研究以在线学习者在社区内投入贡献要素配置的最优比例所能收获的最大报酬为标准，分析在线学习者的知识生产贡献与收益状况，对其知识贡献行为和贡献知识价值进行综合度量，在此基础上探究在线学习者在“知识贡献-声誉收益”这一过程的绩效差异和相关影响因素。

综上所述，本研究以社会化问答社区“知乎”中的个体在线学习者为研究对象，依据社会交换、资本、认知和学习等理论，运用数据包络分析（data envelopment analysis，DEA）测算知识贡献绩效，通过构建广义线性回归模型（generalized linear model，GLM）探究在线学习者特征、在线学习社区交互特征和在线学习心理激励特征三方面因素对知识贡献绩效的影响差异。本研究填补了现有文献对社会化问答社区这一开放式知识分享社区内个体在线学习者知识贡献绩效研究的空白，为在线学习投入/绩效研究提供新的研究视角。研究结论能够为社区运营者激发在线学习者知识贡献参与意愿、实现知识精准化投放运营提供参考，提高在线学习者知识贡献长尾效应，推动社区协作学习功能开发、学科工具研制和在线教育模式创新，为设计、优化社区在线学习、知识贡献激励机制提供依据。

二、文献述评与研究假设

（一）知识贡献绩效评价研究

社区用户知识贡献绩效评价最早来源于学术虚拟社区中的知识交流效率评价。宗乾进等（2014）通过DEA方法探究了科学网博客内的不同学科间的知识交流效果;吴佳玲（2019）采用修正松弛变量评价方法测量学术虚拟社区知识交流效率，并通过Tobit模型分析影响因素;杨瑞仙等（2020）结合熵权法确定权重，采用基于三阶段DEA模型分析在线健康社区知识交流效率。随着研究深入，学者们开始着重考虑专家、在线学习者和科研人员知识贡献/交流效率的评价。杨瑞仙等（2018）运用问卷调查和DEA方法构建出学术虚拟社区个体科研人员知识交流效率评价指标体系。从评价理论与方法上看，多数研究都是在设计出知识贡献/交流相关指标体系的基础上，运用数据包络分析、层次分析法和模糊综合评价等数理方法进行量化评价。

社会化问答社区存在海量学习者行为数据，单个评价指标很难有效测度知识贡献绩效，而DEA使用线性规划法计算社区在线学习者是否处于生产前沿，进而判断其是否为DEA有效（头部在线学习者），这可以减少层次分析、问卷调查和结构方程等方法在权重、参数设定时受到的主观影响。DEA方法常与Tobit回归一起用于研究效率的影响因素，但由于Tobit模型所需的假设较强，其截尾分布应用于截断点之后观测不到客观误差，而知识贡献绩效测算出的截断在客观上没有比100%有效更高的情况，故在此采用广义线性回归估计DEA结果。综上所述，本研究对在线学习者的知识贡献绩效测度采用数据包络分析法，影响因素探究则采用广义线性回归。

（二）知识贡献影响因素研究

关于社区学习者知识贡献，多数学者通过社会认知、社会资本等理论对在线学习者的知识贡献参与动机与持续贡献数量展开研究。以往研究将知识贡献影响因素归纳为用户个人特征、网络特征和心理激励（Guan， et al.， 2018）。本研究据此从在线学习者个体特征、在线学习社区交互特征和在线学习心理激励特征三个方面提出有关假设。

1. 在线学习者特征对知识贡献绩效的影响

（1）贡献渠道

相较传统的在线问答学习社区，社会化问答社区允许在线学习者通过文章、想法和视频等多元化方式贡献知识。在此将“知乎”的知识贡献分为自发知识贡献和应求知识贡献两类渠道进行分析（Teng， et al.， 2011）。

根據社会认知理论，在线学习者对自身能力的感知或信任程度被称为自我效能。视频、原创文章、想法、专栏和live等皆是在线学习者自发完成的知识贡献行为，在从意愿触发到完成的过程中并不受其他学习者影响，而是依赖于在线学习者对自身能力的自信和有用性判断（Lin， et al.， 2007），因而能反映在线学习者的自我效能。故在此通过视频数、想法数、原创文章数、专栏数和live数等自发贡献渠道测度在线学习者的自我效能高低。

网络利他行为是指在线学习者在网络环境下帮助他人、不考虑收益的自觉自愿行为（郑显亮， 等， 2012）。回答作为知识贡献者对他人问题的解答，需符合特定知识接收者的需求，是典型的网络利他行为。在此通过问题答复数测度在线学习者的利他信念强弱。

基于上述分析，提出以下假设：

H1a：在线学习者通过应求型知识贡献渠道进行的网络利他行为对知识贡献绩效有负向影响。

H1b：在线学习者通过自发型知识贡献渠道进行的自我效能展示对知识贡献绩效有正向影响。

（2）信息开放

信息披露是在在线学习过程中将个人信息呈现给他人的一种方式（Wheeless， et al.， 2010），在线学习者可以自主选择个人信息披露水平以帮助他人了解自己所处的社会阶层和个人特征。在线学习者资料越完善，其他在线学习者的信任感知会越强，从而其贡献的知识越容易得到响应，知识贡献收益也会越高（Luo， et al.， 2013）。在此将在线学习者在性别、居住地、职业经历、教育经历和个人认证五个变量信息上的披露个数，按0～5表示信息披露度，进而测度信息开放水平。基于上述分析，提出以下假设：

H2：在线学习者在社会化问答社区内身份信息的开放程度对知识贡献绩效有正向影响。

（3）互惠信念

根据互惠理论，组织中的知识获取者在收到其他在线学习者反馈后会更加积极参与知识贡献（Eberle， et al.， 2014）。当初级社区在线学习者从社区获得积极社会回应，会减轻焦虑感，增强自我效能感与社区意识，产生回馈信念，从而进一步参与知识贡献（Yilmaz， et al.， 2016）。在此通过在线学习者的提问被解答数测度其互惠信念强弱。基于上述分析，提出以下假设：

H3：在线学习者的互惠信念对知识贡献绩效有正向影响。

（4）社区归属感

社区感知反映了社区成员对社区建设和群体的心理感知和社会认同。会员身份有助于在线学习者虚拟社区成员感的形成，增强其社区归属感，进而显著影响其社区行为（Chang， et al.， 2011）。周军杰等（2012）研究发现会员/非会员的群体分化对虚拟社区用户知识贡献具有正向促进作用。在此通过在线学习者是否开通会员来测度社区归属感强弱。基于上述分析，提出以下假设：

H4：在线学习者的社区归属感对知识贡献绩效有正向影响。

2. 在线学习社区交互特征对知识贡献绩效的影响

（1）社会学习

根据社会学习理论，在线学习者在与其他在线学习者互动交流过程中能够进行技能学习。在线学习者自身知识水平越高且社会学习机会越多时，其知识贡献也会越多（Jin， et al.， 2015）。在社会化问答社区中，在线学习者可以通过关注其他在线学习者来提升自身知识水平，社会学习越多贡献知识的质量也会越高，进而获得较高收益。在此通过在线学习者关注的用户数测度其社会学习水平。基于上述分析，提出以下假设：

H5：在线学习者在问答社区的社会学习行为对知识贡献绩效有正向影响。

（2）社会曝光

社会曝光的强度指在线学习者所贡献的知识在其他学习者面前展示的次数，会影响社区的活跃度和其他在线学习者的参与行为。在社会化问答社区通过话题标签实现提问分类，问题标签数越多，一般问题的曝光范围越大，进而提升在该问题下所有应求回答的社会曝光度，刺激在线学习者的知识贡献行为（王伟， 等， 2017）。添加微博话题标签可以促进在线学习者互动和信息传播（Liu， et al.， 2013）。在此通过用户前五获赞数回复的话题标签数测度其获得的社会曝光程度。

对于应求型知识贡献者而言，若其回复问题获得社会曝光范围越大，在该问题下所有的应求知识被其他知识获取者认可的概率也会越大。在该情况下，在线学习者就会越发慎重对待，进而提高知识贡献绩效。基于上述分析，提出以下假设：

H6a：在线学习者在问答社区内贡献知识获得的社会曝光对知识贡献绩效有正向影响。

H6b：社会曝光对在线学习者在问答社区中的应求知识贡献行为具有调节作用。

3. 在线学习心理激励特征对知识贡献绩效的影响

（1）身份地位激励

在线学习者的形象或地位可以通过符号化奖励形式体现，官方认可的符号化激励有助于社区在线学习者知识分享频率的提升。在获得优质形象或高社会地位等激励后，在线学习者会为了维持形象而贡献高质量知识。在此通过在线学习者是否获得社区优秀回答者认证来测度其获得的身份地位激励程度。基于上述分析，提出以下假设：

H7：在线学习者在问答社区获得的身份地位激励对知识贡献绩效有正向影响。

（2）社会比较压力

由于知识信息的推荐机制，不同领域的知识贡献者会各自形成圈子，在线学习者在贡献之前可以浏览比较圈子内其他在线学习者的贡献内容。在高社会比较的压力下，在线学习者会慎重撰写应求知识贡献内容，以提高回复内容被其他在线学习者认可的概率。在此通过在线学习者单条知识贡献所收获的最大评论数来测度其在社区中的最高知识贡献水平，进而反映社会比较的影响。基于上述分析，提出以下假设：

H8a：在线学习者在问答社区面临的社会比较压力对知识贡献绩效有正向影响。

H8b：社会比较压力对在线学习者在问答社区中的应求知识贡献行为具有调节作用。

综上所述，本研究从现有社会化问答社区知识贡献的研究视角出发，探索在线学习者特征、在线学习社区交互特征和在線学习心理激励特征对在线学习者知识贡献绩效的影响。本研究的理论模型如图1所示。

三、研究设计

本研究共爬取2020年1月热门榜单下的4，826名知乎在线学习者在其主页上的公开信息作为研究的横截面数据。在剔除重复、异常和从未知识贡献的在线学习者数据后，得到4，200名知乎在线学习者数据。

知识贡献投入在此通过在线学习者的知识分享数量及提问数量两个指标衡量，知识贡献收益在此通过在线学习者收获的关注、赞同和收藏三个指标衡量。根据确定的投入产出指标，以单个在线学习者作为一个决策单元，利用DEAP 2.1 软件对学习者研究样本的知识贡献相对效率进行分析，根据所确立的指标体系和所获得的原始数据，无须对数据进行量纲处理，将投入-产出相对应的指标数值输入模型得到每位学习者的技术效率，以此衡量在线学习者的知识贡献绩效。

最终相关变量定义和描述性统计说明如表1所示。

由表1可知，专栏数、问题标签数的方差、偏度和峰度都较小，分布较为平均;文本字数、回答数、提问数、关注在线学习者数和最大评论数等变量的方差较大，对这些变量取对数处理，以满足回归分析所需条件。自变量相关性检验结果如表2所示。

自变量之间相关性并不显著，说明自变量选取比较合适，可以有效减轻回归分析时的多重共线性问题。为了加强研究的严谨性，在实证部分进行VIF检验以加强结果的有效性。

最终构建的模型如下：

Efficiencyi = β0 +β1 ln text_leng thi + β2 ln

answeri + β3 videoi + β4 thinkingi + β5 articlei+

β6 columni + β7 livei + β8 profilei + β9 ln aski+

β10 memberi + β11 ln followeei + β12 tagi +

β13 Authenticationi + β14 ln comment_maxi

（1）

Efficiencyi = β0 +β1 ln text_leng thi + β2 ln

answeri + β3 videoi + β4 thinkingi + β5 articlei+

β6 columni + β7 livei + β8 profilei + β9 ln aski+

β10 memberi + β11 ln followeei + β12 tagi +

β13 Authenticationi + β14 ln comment_maxi+

β15 tagi * ln answeri

（2）

Efficiencyi = β0 +β1 ln text_leng thi + β2 ln

answeri + β3 videoi + β4 thinkingi + β5 articlei+

β6 columni + β7 livei + β8 profilei + β9 ln aski+

β10 memberi + β11 ln followeei + β12 tagi +

β13 Authenticationi + β14 ln comment_maxi+

β15 ln comment_maxi * ln answeri

（3）

模型（1）中仅包含控制变量与自变量，模型（2）在模型（1）的基础上加入了利他信念和社会曝光的交乘项，模型（3）中则加入了利他信念和社会比较的交乘项。

四、实证分析与讨论

调用R语言nlme包中的gls（）函数对数据样本进行回归，回归结果如表3所示。

通过数据分析可得，在模型（1）的估计结果中，文本字数系数为正值且显著。这一结果符合预期。就自变量而言，利他信念、自我效能、信息开放、社区归属、身份地位和社会比较等因素对知识贡献绩效具有显著影响。回馈信念、社会学习、社会曝光对知识贡献绩效影响并不显著。VIF均小于5，通过检验排除变量间的多重共线性干扰。具体分析如下：

1. 在线学习者特征与知识贡献绩效

在线学习者知识贡献渠道分为应求及自发贡献渠道，分别对应测度在线学习者的利他信念与自我效能。回答数（[β]=-0.003）负向影响显著，H1a成立。可能的解释是回答他人提问需考虑在线学习者的知识水平和学习能力;随着在线学习者在社区内知识参与的逐渐频繁与深入，应求知识贡献会呈现出跨领域趋势，造成知识质量下降与贡献数量减少，从而对知识贡献绩效具有负面作用。

自发型知识贡献渠道影响显著，但存在正负关系差异。其中，视频渠道（[β]=0.001）、专栏渠道（[β]=0.015）和live渠道（[β]=0.010）为正向显著影响。视频渠道以视频、音频为载体，剪辑和制作成本较高。想法（[β]=-0.00004）、原创文章（[β]=-0.00002）两类渠道为负向显著影响。想法是类似微博的碎片式信息流社交化渠道，会导致知识质量的下降。原创文章类似传统社交媒体中的博客，很多企业营销号通过该类方式营销推广拉低了知识质量。综上所述，H1b不成立。

信息开放的测度项信息披露度（[β]=0.005）对在线学习者知识贡献绩效的正向影响显著，H2成立。说明清晰身份有益于建立良好的人际关系，在线学习者通过其他学习者的个人信息披露可以衡量其在线声誉。在线学习者个人信息披露得越详细，其声誉收益也会越高。

互惠信念的测度项被解答提问（[β]=-0.003）对在线学习者知识贡献绩效的影响不显著，H3不成立。其一是在线学习者在收到高质量回复后，会对其之后的知识贡献行为产生负面影响（Yan， et al.， 2017），导致在线学习者对自身专业技能的感知偏差，从而降低知识贡献意愿。其二是高回馈信念的在线学习者会盲目提升自己的知识贡献数量，使得知识贡献投入过高，降低了其知识贡献绩效。

社区归属的测度项会员开通（[β]=0.021）对在线学习者知识贡献绩效的正向影响显著，H4成立。对于中坚学习者而言，会员开通有助于提升在线学习者的社区体验，刺激知识贡献行为的增加（Wang， et al.， 2011），进而加深在线学习者与同伴之间的交互程度，使其更容易获得其他在线学习者的点赞、收藏等收益。

2. 在线学习社区交互特征与知识贡献绩效

社会学习的测度项关注用户数（[β]=0.085）正向影响不显著，H5不成立。可能的解释是关注用户数的增多会导致在线学习者注意力焦点的改变。随着社会学习的深入，在线学习者注意力焦点转移到其他在线学习者的贡献知识上，时间精力受到限制（Shen， et al.， 2015），进而减少知识贡献数量造成效率的降低。

社会曝光的测度项问题标签（[β]=0.0003）不显著，H6a不成立。可能的原因是根据旁观者效应，在现场旁观者的数量会对亲社会行为造成影响。在线学习者作为理性人，在面对高曝光度问题时其知识贡献意愿会降低。此外，在曝光度较高的问题下，参与知识贡献的学习者数量较多，对学习者而言其在高曝光度问题下的应求型知识贡献收益会降低。

3. 在线学习心理激励特征与知识贡献绩效

身份地位的测度项优秀回答者认证（[β]=0.016）显著，H7成立。可能的原因如下：其一即个人形象危害风险的提高。当在线学习者受到身份认同的激励后，其受到社区行为规范的约束也会增多，为了避免形象受到伤害，在线学习者会选择减少回答非专业领域的问题，进一步把控知识贡献质量，造成知识贡献收益的提升。其二根据马太效应，在线学习者在社区中的影响力越大，获得社区流量扶持资源就会越多，投入回报比会处于偏高状态。所以身份地位会对知识贡献绩效的提升造成显著影响。

社会比较的测度项最大评论数（[β]=0.027）显著，H8a成立。社会化问答社区中的知识贡献机制类似众包模式，已有知识贡献被认可程度越高，在线学习者面临比较的压力越大，在线学习者对相应问题继续回答的热情就会降低。

4. 社会曝光及社会比较对利他信念与知识贡献绩效关系的调节效应

模型（2）中加入了利他信念及社会曝光的交乘项，但模型（1）中社会曝光并不显著，且VIF并未通过检验，说明社会曝光对在线学习者的利他行为并未起到调节作用，H6b不成立。高问题曝光度虽能提高在线学习者的应求知识贡献数量及被推送概率，但对贡献知识质量要求也会提升，因此并不能显著影响知识贡献绩效。

模型（3）中加入了利他信念及社会比较的交乘项，相关系数（[β]=-0.003）为负向关系且显著，并且VIF通过检验，说明社会比较对在线学习者的利他信念具有调节作用，H8b成立。社区内存在诸多初级在线学习者，在进行应求知识贡献时会考虑问题与自身水平的匹配程度，更加看重其他在线学习者的知识贡献质量。在此将社会比较变量分成高、低两组（以M±1个SD为标准）进行简单斜率检验，如图2所示。

结果显示：在在线学习者社区地位较低的情况下，利他信念对在线学习者知识贡献绩效的负向影响效应显著（β=-0.001，t=-0.019，p=0.000）;在在线学习者社区地位较高的情况下，利他信念对在线学习者知识贡献绩效的负向影响效应显著（β=-0.003，t=-0.170，p=0.000），斜率上升，即利他信念对知识贡献绩效的負向影响会随着社会比较的增加而增强。

五、结论与启示

（一）研究结论

本研究首先参照虚拟社区中知识交流效率和知识贡献度评估方法，构建了个体在线学习者“知识贡献-声誉收益”的投入产出指标体系，运用DEA方法测算在线学习者的知识贡献绩效。其次通过GLM模型分析在线学习者的利他信念、自我效能、信息开放、互惠信念、社区归属、社会学习、社会曝光、身份地位和社会比较9个细化因素对知识贡献绩效造成的影响。最后探讨社会曝光及社会比较与利他信念间可能存在的交互调节效应。研究结果表明：

第一，多数在线学习者的知识贡献都很难获得相匹配的收益，无法及时获得知识贡献反馈会阻碍在线学习者知识贡献热情，这与虚拟社区典型的用户贡献率“90-9-1”现象相一致。

第二，信息开放、社区归属、身份地位及社会比较会对在线学习者的知识贡献绩效产生显著正面影响，利他信念会产生显著负面影响。这与比格斯的3P学习分析模型相一致，即学习者个性特征及学习动机均会对学习过程及结果产生影响（胡小勇， 等， 2020）。出乎意料的是社区交互特征均不显著，这表明虽然学习者与人/信息的寻径交互能够影响学习者的认知投入度（王志军， 等， 2015），但并不能显著提升其声誉收益。

第三，不同的自发知识贡献渠道会对优质知识贡献产生不同效果。“碎片化”“社交化”渠道并不利于知识贡献绩效的提升，而“知识+视频”轻形态渠道或“专栏”特色渠道更加利于在线学习者的自我效能展示。

第四，应求贡献渠道对在线学习者知识贡献绩效呈负向影响，但该影响可被在线学习者所处的圈子环境氛围所调节，当回复相同领域问题的在线学习者越多时，利他信念对在线学习者知识贡献绩效的负向影响也会越强。

（二）策略與建议

1. 优化知识分发推荐机制

提高在线学习者与知识的匹配速度及精度，降低在线学习者的知识搜寻成本。社区应积极调配流量鼓励新学习者，减轻流量大V的马太效应，同时加强与知识生产者的合作，打磨精品教育课程，使在线学习者更快捷高效地获取优质知识，进而加速社区优质知识流动和内容传播。同时，社区可以与慕课等主流在线教育平台相互合作，对热门问题采用链接、推送的方式为在线学习者牵线搭桥，通过“社会化问答+在线教育”多平台联动模式加深在线学习者对知识的理解，减少双方共同解决问题所需要的时间精力，降低信息壁垒。

2. 打造PGC“知识+”多元化学习矩阵

随着在线教学技术与实践的快速发展，大规模在线课程、直播互动学习和混合式教学等在线学习模式与课程形态不断涌现（李爽， 等， 2020）。“知识+视频”“知识+直播”等轻形态渠道更加有助于在线学习者学习效果提升。社区也应强调内容的优质专业（professional generated content，PGC），加强与优秀知乎回答者、专家学者及各领域达人的通力合作，打造包括通识知识、专业知识和兴趣爱好三大类别的学习矩阵，为不同知识内容或在线学习者适配诸如启发式、互动式等不同教学形态。

3. 完善知识质量评价和学习反馈体系

社区在线学习者间的及时反馈、相互关注有利于形成积极的学习氛围和正向的自我行为期待（马婧， 2020），从而形成良性循环，提高社区整体知识质量。社区可以提高学习反馈粒度，例如允许学习者对每条知识内容观点进行批注或讨论等，根据评价结果给予在线学习者相关权限、等级和认证。社区也可以建立问题评价机制，对现有知识库进行审核，折叠和删除低质量问题，引导在线学习者进行专业问答/回复和自主学习讨论，全面提升在线学习者在开放式知识分享社区中的学习投入水平。

（三）研究局限与展望

本研究存在几方面的局限和不足。其一，研究对象为社会化问答社区内有知识贡献的在线学习群体，实际上问答社区中还有未进行过知识贡献的潜水型在线学习者。其二，计算知识贡献绩效时可以考虑时间成本和物质收益，同时可以采用层次分析法和德尔菲法评判在线学习者的知识贡献绩效。其三，本研究采用真实在线学习者数据探讨细化因素，未来可以探索诸如制度规范等社区环境层面和在线学习者愉悦感等心理层面的细化因素影响。

[参考文献]

包昊罡，邢爽，李艳燕，等. 2019. 在线协作学习中面向教师的可视化学习分析工具设计与应用研究[J]. 中国远程教育（6）：13-21，92-93.

胡小勇，徐欢云，陈泽璇. 2020. 学习者信息素养、在线学习投入及学习绩效关系的实证研究[J]. 中国电化教育（3）：77-84.

李海峰，王炜. 2020. 在线问答学习社区的群体知识贡献影响因素——基于WebGIS知乎学习社区的功能模块分析[J]. 开放教育研究，26（1）：111-120.

李爽，钟瑶. 2020. 在线教师教学投入对学生学习绩效的影响——基于教师和学生的视角[J]. 开放教育研究，26（3）：99-110.

李艳燕，彭禹，康佳，等. 2020. 在线协作学习中小组学习投入的分析模型构建及应用[J]. 中国远程教育（2）：40-48，77.

马婧. 2020. 混合教学环境下大学生学习投入影响机制研究——教学行为的视角[J]. 中国远程教育（2）：57-67.

武法提，张琪. 2018. 学习行为投入：定义、分析框架与理论模型[J]. 中国电化教育（1）：35-41.

吴佳玲. 2019. 虚拟学术社区知识交流效率研究[D]. 绵阳：西南科技大学.

王伟，冀宇强，王洪伟，等. 2017. 中文问答社区答案质量的评价研究：以知乎为例[J]. 图书情报工作，61（22）：36-44.

王志军，陈丽. 2015. 联通主义学习的教学交互理论模型建构研究[J]. 开放教育研究，21（5）：25-34.

杨瑞仙，权明喆，武亚倩，等. 2018. 学术虚拟社区科研人员知识交流效率感知调查研究[J]. 图书与情报（6）：72-83.

杨瑞仙，黄书瑞，王元锋. 2020. 基于三阶段DEA模型的在线健康社区知识交流效率评价研究[J]. 情报理论与实践，43（10）：122-129.

周军杰，左美云. 2012. 线上线下互动、群体分化与知识共享的关系研究——基于虚拟社区的实证分析[J]. 中国管理科学，20（6）：185-192.

宗乾进，吕鑫，袁勤俭，等. 2014. 学术博客的知识交流效果评价研究[J]. 情报科学，32（12）：72-76.

翟兴，陈超，王鸿蕴. 2020. 信息素养对大学生网络学习投入的影响研究——以新冠疫情期间的大规模、长周期网络教学为例[J]. 现代教育技术，30（10）：98-104.

郑显亮，顾海根. 2012. 国内外网络利他行为研究述评[J]. 外国中小学教育（4）：19-23.

Chang， H. H.， &Chuang， S.S. （2011）. Social capital and individual motivations on knowledge sharing： participant involvement as a moderator. Information & Management，48（1），9-18.

Eberle， J.， Stegmann， K.， &Fischer， F.， et al. （2014）. Legitimate Peripheral Participation in Communities of Practice： Participation Support Structures for Newcomers in Faculty Student Councils. The Journal of the Learning Sciences，23（2），216-244.

Guan， T.， Wang，L.， &Jin， J.， et al. （2018）. Knowledge contribution behavior in online Q&A communities： An empirical investigation. Computers in Human Behavior， 137-147.

Jin， J.， Li， Y.， &Zhong， X.， et al. （2015）. Why users contribute knowledge to online communities： An empirical study of an online social Q&A community. Information & Management，52（7），840-849.

Lin， H.F. （2007）. Effects of Extrinsic and Intrinsic Motivation on Employee Knowledge Sharing Intentions. Journal of Information Science，33（2），135-149.

Liu， Z.， & Jansen， B. J. （2013）. Factors Influencing the Response Rate in Social Question and Answering Behavior. Conference on Computer Supported Cooperative Work，1263-1274.

Luo， C.， Luo， X.， & Schatzberg， L.， et al. （2013）. Impact of informational factors on online recommendation credibility： The moderating role of source credibility. Decision Support Systems，56（1），92-102.

Shen， W.， Hu， Y， J.， & Ulmer， J， R. et al. （2015）. Competing for attention： an empirical study of online reviewers’ strategic behavior. Management Information Systems Quarterly， 39（3）， 683-696.

Teng， J. T.， & Song， S. （2011）. An exploratory examination of knowledge- sharing behaviors： Solicited and voluntary. Journal of Knowledge Management， 15（1）， 104-117.

Wang， W. T.， & Wei， Z. （2011）. Knowledge sharing in wiki communities： an empirical study. Online Information Review，35（5），799-820.

Wheeless， L. R. （2010）. A follow-up study of the relationships among trust， disclosure， and interpersonal solidarity. Human Communication Research，4（2），143-157.

Xia， M.， Huang. Y.， & Duan， W.， et al. （2012）. Research Note---To Continue Sharing or Not to Continue Sharing？ An Empirical Analysis of User Decision in Peer-to-Peer Sharing Networks. Information Systems Research， 23（1）， 247-259.

Yan， B.， &Jian， L. （2017）. Beyond reciprocity： The bystander effect of knowledge response in online knowledge communities. Computers in Human Behavior， 9-18.

Yilmaz， R. （2016）. Knowledge sharing behaviors in e-learning community： Exploring the role of academic self-efficacy and sense of community. Computers in Human Behavior，63，373-382 .

收稿日期：2020-08-28

定稿日期：2020-11-24

作者簡介：崔智斌，硕士研究生，中央财经大学信息学院（102206）。

涂艳，本文通讯作者，博士，教授，博士生导师，中央财经大学信息学院（102206）。

责任编辑 张志祯 刘 莉