陳明紅，劉 瑩，漆賢軍

0 引言

隨著現(xiàn)代信息技術(shù)的飛速發(fā)展、互聯(lián)網(wǎng)的普及應(yīng)用，e-Science和e-Research等新型數(shù)字化科研環(huán)境日益形成，以學(xué)術(shù)虛擬社區(qū)為載體的新型知識共享模式涌現(xiàn)。學(xué)術(shù)虛擬社區(qū)將具有共同或相似研究興趣的科研人員聚集在一起，圍繞相同主題發(fā)布問題、討論問題、提供答案和分享知識，以此實現(xiàn)知識共享。學(xué)術(shù)虛擬社區(qū)突破了時間、空間和學(xué)科限制，變革了以學(xué)科和文獻為基礎(chǔ)的知識生產(chǎn)模式，順應(yīng)了網(wǎng)絡(luò)時代即時科研、互動科研、開放科研和協(xié)作科研的需求，成為科研人員共享知識的重要平臺[1]。近年學(xué)術(shù)虛擬社區(qū)蓬勃發(fā)展，Academia、ResearchGate、Mendely、科學(xué)網(wǎng)、小木蟲等社區(qū)用戶規(guī)模不斷擴大，不僅允許用戶及時分享和查看最新科研成果，還幫助用戶建立社區(qū)關(guān)系，使學(xué)術(shù)交流更順暢，知識共享更高效。也有一些學(xué)術(shù)虛擬社區(qū)用戶參與度低，知識共享活動少，用戶持續(xù)使用意愿下降，創(chuàng)建不久便開始衰落，沒有達到學(xué)術(shù)交流的目的。從知識管理視角看，學(xué)術(shù)虛擬社區(qū)構(gòu)建了知識生產(chǎn)、存儲、共享與利用的新范式，為知識共享提供所需的資源、技術(shù)和環(huán)境，知識共享則為學(xué)術(shù)虛擬社區(qū)的持續(xù)發(fā)展提供了動力和保障。因此，用戶持續(xù)參與知識共享是學(xué)術(shù)虛擬社區(qū)成功的關(guān)鍵。本文利用社會心理學(xué)的啟發(fā)式-系統(tǒng)式模型(Heuristic-Systematic Model，HSM)，從人類行為決策的一般規(guī)律出發(fā)，構(gòu)建學(xué)術(shù)虛擬社區(qū)知識共享的啟發(fā)式-系統(tǒng)式模型，分別探究啟發(fā)式變量和系統(tǒng)式變量對持續(xù)知識共享意愿的影響，并據(jù)此分析學(xué)術(shù)虛擬社區(qū)持續(xù)知識共享的障礙與對策。

1 理論背景

1.1 學(xué)術(shù)虛擬社區(qū)持續(xù)知識共享研究

學(xué)術(shù)虛擬社區(qū)的持續(xù)發(fā)展取決于用戶是否愿意并持續(xù)共享知識，主要挑戰(zhàn)是學(xué)術(shù)虛擬社區(qū)中的知識具有非競爭性和非排他性，通常被視為“公共物品”，正如Cabrera將知識描述為“組織中所有人，無論是否貢獻過知識，都能獲取到的共享資源，并且每個人對知識資源的使用并不會減少其他人對這些資源的使用”[2]。知識的公共物品屬性容易導(dǎo)致共享不平衡，人們總是愿意獲取和使用免費的知識資源，而不愿貢獻自己的知識，從而出現(xiàn)“搭便車”行為。然而，根據(jù)西蒙的“有限理性”理論，每個人都是有限理性的，社區(qū)成員可能因為人際關(guān)系、情感等非理性因素共享知識，因此知識共享及持續(xù)意愿的影響因素較多。

學(xué)界主要從情感因素、心理認(rèn)知、個體動機等內(nèi)生要素，或從技術(shù)功能、社會影響、情景環(huán)境等外在變量入手研究學(xué)術(shù)虛擬社區(qū)知識共享及持續(xù)意愿。比如，陳明紅構(gòu)建了學(xué)術(shù)虛擬社區(qū)知識共享的社會-技術(shù)框架，研究社會資本和技術(shù)要素對持續(xù)知識共享意愿的作用[3]；Cheung指出內(nèi)部動機與知識自我效能具有很強的相關(guān)關(guān)系，知識自我效能感對知識共享持續(xù)意愿具有顯著的正向影響[4]；Chiu等以期望確認(rèn)理論和公平理論為基礎(chǔ)構(gòu)建模型，指出自我價值不確定性、分配公平性和互動公平性顯著影響虛擬社區(qū)成員的滿意度和持續(xù)意愿[5]。已有研究采用經(jīng)典理論中的固有模型進行實證研究，取得了豐碩的成果，但沒有區(qū)分知識共享的啟發(fā)式行為和系統(tǒng)式行為，尚未研究知識共享行為的理性與非理性因素及其作用機制。

1.2 啟發(fā)式-系統(tǒng)式模型應(yīng)用研究

啟發(fā)式-系統(tǒng)式模型是由心理學(xué)家Chaiken提出的用于解釋個體信息行為過程的雙處理理論模型[6]，Chaiken認(rèn)為人類社會活動具有啟發(fā)式和系統(tǒng)式兩種信息處理模式?；谥庇X的啟發(fā)式行為是指人們付出較少認(rèn)知努力，根據(jù)信息的外部線索進行簡單判斷。比如，“來源可信度”的暗示可能觸發(fā)規(guī)則“信任意味著正確”，使人們更愿意接受信任度高的人發(fā)送的信息?；诶硇缘南到y(tǒng)式行為是指人們利用足夠多的認(rèn)知資源對相關(guān)信息內(nèi)容進行系統(tǒng)評估。比如，用戶評價信息質(zhì)量主要考慮信息內(nèi)容本身(如論述質(zhì)量和論述強度)，而不僅僅考察信息源可信度和信息數(shù)量等非內(nèi)容因素。

啟發(fā)式-系統(tǒng)式模型為個人在不同情境下如何處理信息、評估信息、利用信息以及形成決策提供了深入的理論解釋，廣泛用于探討啟發(fā)式和系統(tǒng)式信息行為的影響因素及情境條件。比如，Wirth提出信息搜索行為可劃分為啟發(fā)式和系統(tǒng)式兩種模式，且搜索經(jīng)驗和搜索結(jié)果的重要性是區(qū)分兩種行為模式的主要因素[7]；Lucassen指出，對Wikipedia信任度高的學(xué)生傾向于采用啟發(fā)式信息行為模式，比較重視信息數(shù)量，反之，則傾向于采用系統(tǒng)式信息行為模式，更重視信息質(zhì)量[8]；Zhang認(rèn)為消費者對在線點評信息的接受是一個雙處理過程，包括啟發(fā)式和系統(tǒng)式兩種行為，信息源可信度和點評數(shù)量認(rèn)知是啟發(fā)式變量，點評質(zhì)量是系統(tǒng)式變量，兩類變量都對消費者行為態(tài)度產(chǎn)生顯著影響[9]。

目前利用啟發(fā)式-系統(tǒng)式模型研究知識共享的文獻較少。與技術(shù)接受模型、用戶滿意度模型等相比，啟發(fā)式-系統(tǒng)式模型的優(yōu)勢在于：該模型并不是由幾個特定變量構(gòu)成的結(jié)構(gòu)固定的理論模型，而是行為決策研究的一般框架和行為范式，具有很強的理論擴展性和解釋力。采用啟發(fā)式-系統(tǒng)式模型研究學(xué)術(shù)虛擬社區(qū)知識共享，不受固有變量及其關(guān)系的限制，能夠從行為決策的一般規(guī)律出發(fā)，識別知識共享滿意度及持續(xù)意愿的關(guān)鍵影響因素及作用機制。

2 研究模型與相關(guān)假設(shè)

2.1 滿意度模型中的假設(shè)

滿意度是指用戶對產(chǎn)品、服務(wù)以及行為過程的滿足與認(rèn)可程度，包括用戶采納后的評價和在使用過程中形成的感覺狀態(tài)[10]。滿意度與用戶持續(xù)使用意愿具有穩(wěn)定的正相關(guān)關(guān)系，能預(yù)測用戶持續(xù)使用的意愿。對學(xué)術(shù)虛擬社區(qū)而言，用戶滿意是其持續(xù)發(fā)展的前提；如果用戶不滿意，會減少社區(qū)活動，甚至注銷賬戶[11]。因此，本文認(rèn)為在學(xué)術(shù)虛擬社區(qū)中，知識共享滿意度對持續(xù)意愿產(chǎn)生正向影響，兩者之間具有如下關(guān)系：

圖1 理論研究模型

H1：學(xué)術(shù)虛擬社區(qū)知識共享滿意度與持續(xù)使用意愿之間具有正相關(guān)關(guān)系

2.2 啟發(fā)式-系統(tǒng)式模型的相關(guān)假設(shè)

學(xué)術(shù)虛擬社區(qū)知識共享行為是復(fù)雜的雙處理過程，具有啟發(fā)式和系統(tǒng)式兩種行為，分別受到啟發(fā)式和系統(tǒng)式線索的影響。啟發(fā)式和系統(tǒng)式線索的直接測量方式是看人們處理信息的數(shù)量和精細(xì)加工程度，這種測量方式難以操作。一些學(xué)者嘗試采用間接測量方法來探尋兩類線索，即考察人們對信息內(nèi)容特征和外部特征的處理方式。比如，有研究將在線點評數(shù)量感知和來源可信度視為啟發(fā)式行為的線索，將信息度認(rèn)知和論述強度視為系統(tǒng)式行為的線索，研究在線點評信息感知對網(wǎng)購的影響[12]；也有研究根據(jù)用戶點擊搜索頁面的位置劃分行為模式，將點擊頁面頂端視為啟發(fā)式行為，將點擊中間位置的行為視為系統(tǒng)式行為[13]。

由于啟發(fā)式-系統(tǒng)式模型并沒有提出劃分啟發(fā)式和系統(tǒng)式行為的具體標(biāo)準(zhǔn)，學(xué)界對兩種行為的測量量表尚未形成統(tǒng)一觀點[14]。根據(jù)Chaiken[15]和Watts[16]的研究，行為的外部線索、信息的形式特征等顯性因素被視為啟發(fā)式變量，行為的中心線索、信息的內(nèi)部特征等潛在因素被視為系統(tǒng)式變量，可信度和質(zhì)量分別是啟發(fā)式和系統(tǒng)式行為最重要的影響因素。在學(xué)術(shù)虛擬社區(qū)知識共享過程中，知識質(zhì)量和有用性判斷需要耗費較多認(rèn)知資源對知識共享內(nèi)容及價值進行分析，因而可作為系統(tǒng)式行為的影響因素；知識數(shù)量和來源可信度判斷是對外部可用線索進行相對簡單的思考，耗費的認(rèn)知資源相對較少，可作為啟發(fā)式行為的影響因素。

(1)系統(tǒng)式變量的相關(guān)假設(shè)。知識共享質(zhì)量和有用性是衡量知識共享水平的兩個主要指標(biāo)，體現(xiàn)了學(xué)術(shù)虛擬社區(qū)成員共享知識的價值。諸多研究表明知識共享質(zhì)量、有用性與滿意度具有相關(guān)關(guān)系。Gang等指出共享的知識質(zhì)量越高，越符合預(yù)期，用戶滿意度越高[17]；Lin等指出有用性是影響社區(qū)滿意度的重要因素[18]。同理，倘若學(xué)術(shù)虛擬社區(qū)能為用戶提供時效性強、與討論主題高度相關(guān)的知識，增加用戶對知識共享的有用性感知，那么用戶對知識共享過程的滿意度便會提升。基于此，本文提出如下假設(shè)：

H2：學(xué)術(shù)虛擬社區(qū)知識共享質(zhì)量與滿意度之間具有正相關(guān)關(guān)系

H3：學(xué)術(shù)虛擬社區(qū)知識共享的有用性與滿意度之間具有正相關(guān)關(guān)系

(2)啟發(fā)式變量的相關(guān)假設(shè)。知識來源可信度是指用戶對知識來源是否可信的整體感知，包括知識來源的可靠性和專業(yè)性，其中可靠性與社區(qū)成員對知識貢獻者的熟知度以及對知識的認(rèn)可度有關(guān)；專業(yè)性與知識貢獻者在相關(guān)領(lǐng)域的專業(yè)經(jīng)歷、學(xué)術(shù)影響力、社會身份等有關(guān)。當(dāng)人們采取啟發(fā)式行為時，通常將來源可信度作為決策和判斷的主要依據(jù)，認(rèn)為“專家意見是正確的”“專家意味著權(quán)威可靠”[19]。Li的研究表明來源可信度高的說服性信息能夠激發(fā)用戶的積極評價[20]；Watts指出專家意見比其他人的意見更可信[21]。因此，本文認(rèn)為學(xué)術(shù)虛擬社區(qū)知識來源可信度與知識共享滿意度之間具有如下關(guān)系：

H4：學(xué)術(shù)虛擬社區(qū)知識來源可信度與滿意度之間具有正相關(guān)關(guān)系

知識共享數(shù)量是另一個重要的啟發(fā)式線索，在用戶滿意度評價中發(fā)揮著重要作用。本文借鑒田雯的研究，從知識總量、蘊含的信息量、更新頻率、參與成員數(shù)量4個方面考察知識共享數(shù)量[22]。當(dāng)人們對知識共享滿意度采取啟發(fā)式評價時，往往根據(jù)經(jīng)驗和直覺對知識共享的顯著特征和外在表現(xiàn)進行簡單判斷，通常認(rèn)為“越多越好”“越多越滿意”。許多研究亦將數(shù)量作為啟發(fā)式變量。比如，Chaiken將信息數(shù)量和信息接受者偏好作為信息接受效果評價的影響因素[23]；Gao等研究在線消費行為決策時發(fā)現(xiàn)，參考信息數(shù)量越多，越有助于減小用戶對產(chǎn)品的期望差異從而提升用戶的滿意度[24]。據(jù)此，本文提出以下假設(shè)：

H5：學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量與滿意度之間具有正相關(guān)關(guān)系

2.3 啟發(fā)式變量與系統(tǒng)式變量之間的假設(shè)

啟發(fā)式-系統(tǒng)式模型認(rèn)為，啟發(fā)式行為與系統(tǒng)式行為可以同時發(fā)生，且兩種行為相互影響，使得最終行為出現(xiàn)一定偏差。具體而言，若兩種行為結(jié)果類似，用戶行為兼具啟發(fā)式和系統(tǒng)式兩種行為模式的特征，行為結(jié)果既遵從直覺又合乎理性，兩種行為具有相加效應(yīng)；若兩種行為結(jié)果有出入，需要進一步考察具體情境，如果情境信息清晰且條件明確，那么系統(tǒng)式行為對啟發(fā)式行為有減弱作用，人們傾向于采取基于理性判斷的系統(tǒng)式行為，反之，啟發(fā)式行為占優(yōu)，人們傾向于采取基于直覺判斷的啟發(fā)式行為，并產(chǎn)生非理性偏差。

根據(jù)Chaiken和Maheswaran的研究[25]，用戶個體是“認(rèn)知吝嗇者”，并且在大多數(shù)情況下，個體難以獲取行為情境和外部條件的全部信息，因而個體通常以最少的認(rèn)知努力進行行為決策，啟發(fā)式線索對系統(tǒng)式線索產(chǎn)生影響，主導(dǎo)行為決策和推理結(jié)果。在學(xué)術(shù)虛擬社區(qū)知識共享滿意度評價及持續(xù)共享決策過程中，知識來源可信度和共享數(shù)量能夠激發(fā)用戶對知識的有用性認(rèn)知并對共享結(jié)果進行積極推斷。Sussman等對E-mail知識交換行為的研究指出，知識來源可信度對感知有用性有重要影響[26]；Luo等在虛擬社區(qū)信息有用性的研究中發(fā)現(xiàn)，論壇評論數(shù)量顯著影響瀏覽者對信息有用性的感知[27]。當(dāng)社區(qū)成員難以判斷某一主題知識價值時，如果這些知識來源的可信度較高，且共享的知識數(shù)量較多，那么該成員很可能認(rèn)為這些知識的有用性較高。因此，本文提出以下假設(shè)：

H6：學(xué)術(shù)虛擬社區(qū)知識來源可信度與感知有用性之間具有正相關(guān)關(guān)系

H7：學(xué)術(shù)虛擬社區(qū)知識共享數(shù)量與感知有用性之間具有正相關(guān)關(guān)系

2.4 社會影響變量的相關(guān)假設(shè)

學(xué)術(shù)虛擬社區(qū)是基于網(wǎng)絡(luò)構(gòu)建的社會化組織，社區(qū)成員間的知識共享是社會化互換活動，其過程和結(jié)果受社會資本因素的影響。根據(jù)社會交換理論，人們在知識共享過程中遵循利益交換原則，通過貢獻知識以交換他人知識或期望今后獲得類似幫助，從而達到互惠[28]?；诨セ莸钠谕碇跋嗷ヘ?fù)債”的無形規(guī)范，可理解為給予與獲取并存的強烈公平感，只有知識貢獻得以回報，才能有效激發(fā)社區(qū)成員持續(xù)貢獻知識的意愿。Chiu的研究表明，互惠關(guān)系對知識共享質(zhì)量和數(shù)量產(chǎn)生重要影響，知識獲取者必須回報貢獻者對等或更多的知識才能維持知識交換活動[29]。作為一種重要的關(guān)系社會資本，互惠可以幫助人們意識到知識共享的潛在價值，并通過提升人們對自我潛在需求的理解和滿足程度，促進知識交流和知識共享。學(xué)術(shù)虛擬社區(qū)成員的互惠信念越強，越愿意參與知識獲取和交換活動，也越愿意將更多高質(zhì)量的知識分享給他人。因此，本文認(rèn)為互惠與知識共享數(shù)量、質(zhì)量具有如下關(guān)系：

H8：學(xué)術(shù)虛擬社區(qū)成員之間的互惠與知識共享數(shù)量之間具有正相關(guān)關(guān)系

H9：學(xué)術(shù)虛擬社區(qū)成員之間的互惠與知識共享質(zhì)量之間具有正相關(guān)關(guān)系

在社會化組織中，社會聯(lián)系是結(jié)構(gòu)社會資本的重要內(nèi)容，也是信息交流和知識獲取的重要渠道，代表成員間雙向關(guān)系的強度。緊密的社會聯(lián)系意味著穩(wěn)定、信任和合作，能夠促進成員對組織總體目標(biāo)和行為的理解，激發(fā)組織成員努力付出，并減少各方對共享知識有效性的顧慮，從而保證高質(zhì)量知識的轉(zhuǎn)移和共享。已有諸多研究證實了社會聯(lián)系對信息交流和知識共享的重要影響。比如，有關(guān)社會化電子商務(wù)口碑評價的研究指出，社會聯(lián)系能有效地促進用戶交流，對網(wǎng)絡(luò)口碑的數(shù)量和質(zhì)量都有顯著影響[30]；Chang從交流頻率、時間和緊密程度3個方面測量社會聯(lián)系，研究結(jié)果表明社會聯(lián)系能夠激發(fā)社區(qū)成員的外在動機并提升知識共享質(zhì)量[31]。在學(xué)術(shù)虛擬社區(qū)中，相互聯(lián)系緊密的社區(qū)成員愿意共享的知識數(shù)量更多，質(zhì)量更高。據(jù)此，本文提出以下假設(shè)：

H10：學(xué)術(shù)虛擬社區(qū)成員間的社會聯(lián)系與知識共享數(shù)量之間具有正相關(guān)關(guān)系

H11：學(xué)術(shù)虛擬社區(qū)成員間的社會聯(lián)系與知識共享質(zhì)量之間具有正相關(guān)關(guān)系

3 實證調(diào)研與數(shù)據(jù)分析

3.1 樣本選擇

科學(xué)網(wǎng)是面向全球華人科學(xué)家的學(xué)術(shù)交流平臺，是規(guī)模最大的中文學(xué)術(shù)社區(qū)，對學(xué)術(shù)交流和知識共享具有很好的促進作用，具有代表性。針對科學(xué)網(wǎng)選擇調(diào)查樣本，分3個階段進行調(diào)查：首先利用科學(xué)網(wǎng)用戶的學(xué)術(shù)名片，搜集1000余用戶的姓名、專業(yè)、郵箱等個人信息；然后從中隨機選擇200人進行預(yù)調(diào)查，回收43有效問卷，根據(jù)預(yù)調(diào)查結(jié)果，調(diào)整部分問項數(shù)量和措辭；最后進行大范圍的正式調(diào)查，回收有效問卷431份。調(diào)查對象中，從性別看，男性和女性分別占86%和14%；從專業(yè)職稱看，教授占33%，副教授占44%，講師及研究生占23%；從年齡結(jié)構(gòu)看，29-45歲占75%，45歲以上占20%，29歲以下約5%；從學(xué)科背景看，自然科學(xué)領(lǐng)域占79%，社會科學(xué)、人文藝術(shù)等占21%。

3.2 測量模型信度與效度檢驗

測量模型的信度采用平均方差抽取量(Average Variance Extracted， AVE)、 組 合 信 度(Composite Reliability，CR)和內(nèi)部一致性系數(shù)(Cronbachs Alpha)進行測量，三者的最低值分別為0.5、0.7和0.7[32]。檢驗結(jié)果如表1所示，除來源可信度的AVE值為0.537外，其余變量的AVE值皆大于0.7，所有變量的CR大于等于0.821，所有變量的Cronbachs Alpha皆大于等于0.732，說明測量模型具有較好的信度。

表1 模型的信度檢驗結(jié)果

測量模型的效度包括內(nèi)容效度和構(gòu)建效度。內(nèi)容效度考察的是測量指標(biāo)內(nèi)容的全面性和代表性，由于所有變量的測度項來自現(xiàn)有研究并事先進行預(yù)調(diào)查，保證了測量變量的清晰度和相關(guān)度。構(gòu)建效度包括聚合效度和區(qū)分效度，聚合效度采用AVE進行測量，AVE的閾值是0.5，由表1可知，所有AVE值在0.537至0.884之間，說明聚合效度較好；區(qū)分效度通過比較平均方差抽取量的平方根與變量間相關(guān)系數(shù)進行測度[33]，由表2可知，所有變量平均方差抽取量的平方根皆大于該變量與其他變量之間的相關(guān)系數(shù)，因此區(qū)分效度良好。

表2 相關(guān)系數(shù)矩陣

圖2 結(jié)構(gòu)模型檢驗結(jié)果

3.3 結(jié)構(gòu)模型的擬合度分析

采用偏最小二乘法對結(jié)構(gòu)模型進行分析，包括變量間的路徑系數(shù)、路徑的顯著性程度(所有顯著的路徑采用*標(biāo)注)和變量解釋的方差(R2)，分析結(jié)果如圖2所示。

結(jié)構(gòu)模型檢驗結(jié)果顯示，持續(xù)知識共享意愿差異的49.4%由知識共享滿意度引起，知識共享滿意度的R2(被解釋方差)為55.8%，即知識共享滿意度被各種啟發(fā)式因素和系統(tǒng)式變量共解釋了55.8%的方差，說明該結(jié)構(gòu)模型具有較好的預(yù)測效果。此外，所有假設(shè)關(guān)系均得以驗證。知識共享滿意度對持續(xù)共享意愿存在顯著的正向影響(β=0.703，p<0.001)，假設(shè)H1得到驗證。系統(tǒng)式因素和啟發(fā)式因素都是影響知識共享滿意度的關(guān)鍵預(yù)測因子，其中系統(tǒng)式因素包括知識共享質(zhì)量和知識共享有用性，兩者的影響系數(shù)分別為0.117(p<0.05)和0.251(p<0.001)，啟發(fā)式因素包括知識共享數(shù)量和知識來源可信度，兩者的影響系數(shù)分別為0.423(p<0.001)和0.126(p<0.01)，(β=0.423，p<0.001)，假設(shè)H2、H3、H4、H5均得以驗證。知識共享數(shù)量和知識來源可信度對知識共享有用性具有顯著正向影響，影響系數(shù)分別為0.368(p<0.001)和0.322(p<0.001)，假設(shè)H6和H7成立。此外，互惠和社會聯(lián)系兩個社會影響變量則分別對部分啟發(fā)式變量(知識共享數(shù)量)和系統(tǒng)式變量(知識共享質(zhì)量)產(chǎn)生顯著影響，并且互惠對知識共享質(zhì)量(β=0.528，p<0.001)和 知 識 共 享 數(shù) 量(β=0.403，p<0.001)的影響作用較大，社會聯(lián)系對知識共享質(zhì)量(β=0.151，p<0.001)和知識共享數(shù)量(β=0.181，p<0.001)的影響作用較小，假設(shè)H8、H9、H10、H11均成立。

4 結(jié)論與啟示

在理論上，盡管啟發(fā)式-系統(tǒng)式模型越來越多地應(yīng)用于網(wǎng)絡(luò)信息行為研究，但在虛擬社區(qū)知識共享領(lǐng)域的應(yīng)用研究較少。本文將知識共享滿意度及持續(xù)共享視為一個雙處理過程，包括啟發(fā)式和系統(tǒng)式兩種行為，同時受到啟發(fā)式線索(包括知識來源可信度和共享數(shù)量兩個啟發(fā)式變量)和系統(tǒng)式線索(包括知識共享有用性和知識共享質(zhì)量兩個系統(tǒng)式變量)的影響，兩個啟發(fā)式變量對知識共享的有用性這一系統(tǒng)式變量具有顯著影響，驗證了啟發(fā)式-系統(tǒng)式模型的偏差效應(yīng)?？梢姂?yīng)用啟發(fā)式-系統(tǒng)式模型從人類行為決策的一般規(guī)律出發(fā)探究學(xué)術(shù)虛擬社區(qū)知識共享滿意度及持續(xù)意愿，能夠揭示各種理性與非理性因素對學(xué)術(shù)虛擬社區(qū)知識共享滿意度及持續(xù)意愿的影響及作用機制。

在實踐上，學(xué)術(shù)虛擬社區(qū)管理者可通過四方面努力提高學(xué)術(shù)虛擬社區(qū)知識共享滿意度及持續(xù)意愿：

(1)知識共享質(zhì)量和有用性是滿意度評價的兩個系統(tǒng)式變量，對滿意度產(chǎn)生重要影響，這與Lin的研究結(jié)論一致[34]。對新的或不熟悉的虛擬社區(qū)，用戶在知識共享及其滿意度評價過程中，通常采取系統(tǒng)式行為模式，主要根據(jù)知識共享質(zhì)量和有用性進行決策，耗費的認(rèn)知能力和資源較多。由于學(xué)術(shù)虛擬社區(qū)是一個自組織形成的松散組織，沒有強制的約束機制，知識共享過程中可能存在知識產(chǎn)權(quán)糾紛、時效性不強、創(chuàng)新不夠、與討論主題相關(guān)性不強等問題，同時社區(qū)知識量大且不斷增長，社區(qū)成員不便獲取高質(zhì)量的知識，從而降低了知識共享的有用性。鑒于此，學(xué)術(shù)虛擬社區(qū)可采用機器算法和人工篩選相結(jié)合的方法識別潛在的優(yōu)質(zhì)內(nèi)容，利用知識挖掘和語義檢索技術(shù)實現(xiàn)社區(qū)知識的快速獲取，并對社區(qū)知識進行語義分析和深層次聚合，構(gòu)建內(nèi)容相互關(guān)聯(lián)、多維度、多層次的知識導(dǎo)航系統(tǒng)，提供深層次的知識服務(wù)，提高知識共享的有效性和有用性。

(2)知識來源可信度和知識共享數(shù)量是兩個重要的啟發(fā)式變量。與Zhang的研究結(jié)論相似[35]，對具有一定社會認(rèn)可度的虛擬社區(qū)，在用戶知識共享滿意度評價及持續(xù)意愿形成過程中，社區(qū)成員通常遵循最小努力法則，傾向于采取啟發(fā)式行為模式，主要根據(jù)來源(可信度)和表面特征(知識共享數(shù)量)進行判斷，耗費的認(rèn)知努力和資源較少。為此，學(xué)術(shù)虛擬社區(qū)管理者可通過增加知識來源可信度和知識數(shù)量來減少用戶認(rèn)知負(fù)擔(dān)：一是采取實名制，提高用戶可信度，打造高質(zhì)量的社區(qū)；二是借鑒PageRank、Hits等鏈接算法，綜合考慮用戶的學(xué)術(shù)權(quán)威性和社區(qū)影響力，計算社區(qū)用戶可信度排序值(Person Rank，PR)；三是盡可能滿足用戶分享知識和建立威望的人性需求，借鑒知乎等問答社區(qū)的經(jīng)驗，提高新用戶被認(rèn)可的可能性，激勵用戶持續(xù)參與知識共享活動。

(3)啟發(fā)式行為和系統(tǒng)式行為可同時發(fā)生，知識共享滿意度評價及持續(xù)意愿形成過程兼具啟發(fā)式和系統(tǒng)式兩種行為模式的特征，使得結(jié)果既遵從直覺又合乎理性。社區(qū)成員主要根據(jù)具體情境中的動機和能力因素決定行為模式，并在權(quán)衡最小認(rèn)知努力和最大收益的過程中尋求相對最優(yōu)解。對此，學(xué)術(shù)虛擬社區(qū)管理者需要考慮知識共享收益與認(rèn)知成本間的平衡，注重收集和保存知識共享行為軌跡和相關(guān)數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)和方法，深入挖掘社區(qū)成員的專業(yè)特征、科研偏好、行為習(xí)慣，據(jù)此提供知識共享的智能推薦，使得社區(qū)成員以最小的認(rèn)知成本獲得知識共享的最大收益。

(4)啟發(fā)式線索和系統(tǒng)式線索都受到外部社會資本的影響，互惠和社會聯(lián)系對知識共享數(shù)量和質(zhì)量均有顯著影響，且互惠的影響作用大于社會聯(lián)系。學(xué)術(shù)虛擬社區(qū)知識共享是成員間的集體交換行為，追求利益是促使交換行為產(chǎn)生并持續(xù)的關(guān)鍵因素，這里的利益既包括物質(zhì)獎勵，也包括自尊、贊同、支持、威望等心理回報，并且心理回報通常比物質(zhì)獎勵更重要。鑒于此，學(xué)術(shù)虛擬社區(qū)管理者需要采取有效措施。比如，建立基于興趣的弱關(guān)系，舉辦線下活動，促進相互交流和認(rèn)可，提高成員間信任程度，增強成員間的社會聯(lián)系和社區(qū)活躍度，提升學(xué)術(shù)虛擬社區(qū)知識共享效果。

本研究存在以下研究局限：一是調(diào)查對象僅為科學(xué)網(wǎng)虛擬社區(qū)用戶，樣本多樣性不足，不同學(xué)術(shù)虛擬社區(qū)用戶的知識共享滿意度評價及持續(xù)意愿形成過程會有所不同；二是動機和能力是決定行為模式的主要因素，本文尚未深入分析啟發(fā)式行為和系統(tǒng)式行為發(fā)生的情境條件，沒有探索動機和能力的閾值；三是將知識來源可信度和共享數(shù)量作為啟發(fā)式線索，將知識共享質(zhì)量和有用性作為系統(tǒng)式線索，忽略了其他因素(如情感、心理)的影響。在后續(xù)研究中，將針對以上不足，擴展研究模型，完善研究結(jié)論。

[1] 陳明紅，漆賢軍.社會資本視角下的學(xué)術(shù)虛擬社區(qū)知識共享研究[J].情報理論與實踐，2014（9）：101-105.

[2] Cabrera A，Cabrera E F. Knowledge-sharing dilemmas[J].Organization studies，2002（5）：687-710.

[3] 陳明紅. 學(xué)術(shù)虛擬社區(qū)用戶持續(xù)知識共享的意愿研究[J].情報資料工作，2015（1）：41-47.

[4] Cheung CMK，Lee MKO. What drives members to continue sharing knowledge in a virtual professional community？The role of knowledge self-efficacy and satisfaction [M]//Knowledge Science，Engineering and Management. Berlin： Springer Berlin Heidelberg，2007：472-484.

[5] Chiu CM，Wang ETG，Shih FJ，et al. Understanding knowledge sharing in virtual communities： an integration of expectancy disconfirmation and justice theories [J]. Online Information Review，2011（1）：134-153.

[6][15][23] Chaiken S. Heuristic versus systematic information processing and the use of source versus message cues in persuasion [J]. Journal of Personality and Social Psychology，1980（5）：752-766.

[7] Wirth W，B?cking T，Karnowski V，et al. Heuristic and systematic use of search engines [J]. Computer-Mediated Communication，2007（3）：778-800.

[8] Lucassen T，Noordzij M L，Schraagen J M. Reference blindness： The influence of references on trust in Wikipedia [C]// Proceedings of the ACM Web Science Conference Germany，2011：1-4.

[9][12][35] Zhang K Z K，Zhao S J，Cheung C M K，et al.Lee. Examining the influence of online reviews on consumers'decisionmaking：Aheuristic systematicmodel[J].Decision Support Systems，2014（67）：78-89.

[10] Bhattacherjee A. Understanding information systems continuance： an expectation-confirmation model [J].MIS quarterly，2001：351-370.

[11] Gu B，Konana P，Rajagopalan B，et al. Competition among virtual communities and user valuation：The case of investing-related communities[J]. Information Systems Research，2007（1）：68-85.

[13] 黃鸝強，王刊良.搜索引擎用戶對商品搜索結(jié)果的點擊行為研究[J].管理科學(xué)，2012（1）：76-84.

[14] Schemer C，Mattehes J，Wirth W. Toward Improving the Validity and Reliability of Media Information Processing Measures in Surveys [J]. Communication Methods andMeasures，2008（3）：193-225.

[16] [21]Watts S A， Zhang W. Capitalizing on content：Information adoption in two online communities [J].Journal of the Association for Information Systems，2008（2）：3.

[17] Gang K W，Ravichandran T. Exploring the Determinants of Knowledge Exchange in Virtual Communities[J].Engineering Management， IEEE Transactions on，2015（1）：89-99.

[18][34]Lin H F. Antecedents of virtual community satisfaction and loyalty：an empirical test of competing theories [J].CyberPsychology & Behavior，2008（2）：138-144.

[19] Bonner B L，BaumannMR，Lehn A K，et al.Modeling collective choice：decision making on complex intellective tasks[J]. European journal of social psychology，2006（5）：617-633.

[20] Li C Y. Persuasive messages on information system acceptance： A theoretical extension of elaboration likelihood model and social influence theory [J].Computers inHuman Behavior，2013（1）：264-275.

[22] 田雯. 通過激活社會資本在虛擬社區(qū)中實現(xiàn)知識共享[D].合肥：中國科技大學(xué)，2011.

[24] Gao J，Zhang C，Wang K，et al. Understanding online purchase d ecision making：The effects of unconscious thought，information quality，and information quantity[J].Decision Support Systems，2012（4）：772-781.

[25] Chaiken S，Maheswaran D. Heuristic processing can bias systematic processing：effects of source credibility，argument ambiguity， and task importance on attitude judgment[J]. Journal of personality and social psychology，1994（3）：460.

[26] Sussman S W，Siegal W S. Informational influence in organizations： An integrated approach to knowledge adoption [J]. Information systems research，2003（1）：47-65.

[27] Luo C，Wang Y F，Wu N，et al. The influence of eWOM and editor information usefulness in virtual community[C]// PACIS 2014 Proceedings，2014：82.

[28] Wu J B，Hom P W，Tetrick L E，et al. The norm of reciprocity： Scale development and validation in the Chinese context [J]. Management and Organization Review，2006（3）：377-402.

[29] Chiu C M，Hsu M H，Wang E T G. Understanding knowledge sharing in virtual communities：An integration of social capital and social cognitive theories[J]. Decision support systems，2006（3）：1872-1888.

[30] 左文明，王旭，樊償.社會化電子商務(wù)環(huán)境下基于社會資本的網(wǎng)絡(luò)口碑與購買意愿關(guān)系[J].南開管理評論，2014（4）：140-150，160.

[31] Chang H H，Chuang S S. Social capital and individual motivations on knowledge sharing：Participant involvement as a moderator [J]. Information & management，2011（1）：9-18.

[32] Chin W W. The Partial Least Squares Approach to Structural Equation Modeling [M]//Marcoulides G A.Modern Methods for Business Research.London：Psychology Press，1998：295-336.

[33] Straub D，Boudreau M C，Gefen D. Validation guidelines for IS positivist research[J]. The Communications of the Association for Information Systems，2004（1）：63.