劉迎春 謝年春 李佳

摘?要：[目的/意義]在資源質(zhì)量參差不齊的虛擬學習社區(qū)中，通過度量知識貢獻者的信譽來間接判斷資源質(zhì)量，有利于解決用戶的資源選擇難題。[方法/過程]采用文獻分析法確定了虛擬學習社區(qū)用戶信任知識貢獻者的主要影響因素，分析了虛擬學習社區(qū)用戶的行為結構與信任影響因素之間的關系，并在此基礎上通過問卷調(diào)查法構建了虛擬學習社區(qū)知識貢獻者信譽評價指標體系，最后將評價指標體系應用于“計算機技術論壇”中進行社區(qū)可信用戶識別實驗。[結果/結論]研究發(fā)現(xiàn)，知識貢獻者的信譽評價可從用戶的權威性和專業(yè)知識能力兩方面進行，且基于信譽評價指標體系的信譽度量方式具有較高的可信用戶識別性能。

關鍵詞：虛擬學習社區(qū);知識貢獻者;信譽評價;用戶行為;因子分析法

DOI：10.3969/j.issn.1008-0821.2020.03.012

〔中圖分類號〕G203?〔文獻標識碼〕A?〔文章編號〕1008-0821（2020）03-0117-09

Abstract：[Purpose/Significance]In the virtual learning community of which the quality of resources is uneven，the quality of resources is indirectly judged by measuring the reputation of knowledge contributors，which is conducive to solving the problem of resource selection of users.[Method/Process]The main influencing factors of the trust recipients of the virtual learning community users were determined by the literature analysis method.The relationship between behavior structure and trust influencing factors of virtual learning community users was analyzed.Based on the questionnaire survey method，the credit evaluation index system of the knowledge community of the virtual learning community was constructed.Finally，it was applied to carry out community trusted user identification experiment in the“Computer Technology Forum”.[Result/Conclusion]The research found that the credit evaluation of knowledge contributors can be carried out from the authoritative and professional knowledge capabilities of users，and the reputation measurement method based on the reputation evaluation index system had higher credible user identification performance.

Key words：virtual learning community;knowledge contributor;reputation evaluation;user behavior;factor analysis

從Web2.0到Web3.0，虛擬社區(qū)日漸成為交流、分享、交互信息和服務的重要網(wǎng)絡空間。第40次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告顯示，截至2017年6月我國網(wǎng)民規(guī)模達7.51億，其中1.32億人在使用論壇/BBS等虛擬社區(qū)，相當一部分人在使用以學習交流、資源共享、知識問答為基本目的的虛擬學習社區(qū)的資源和服務[1]。2018年12月我國網(wǎng)民規(guī)模增長至8.29億，虛擬社區(qū)使用人數(shù)也在不斷增加。

與其它類型虛擬社區(qū)類似，在虛擬學習社區(qū)中，學習者同樣經(jīng)歷諸如網(wǎng)絡迷航、選擇困難、資源過載和信任危機等問題，迫切需要健全的虛擬學習社區(qū)管理機制簡化資源和服務選擇流程，構建互信互惠的學習環(huán)境。借鑒趙欣等對知識貢獻行為的研究，本研究將虛擬學習社區(qū)中的知識貢獻者定義為發(fā)布信息、提供資料和回答問題的用戶[2]。可以通過知識貢獻者的信譽評價幫助社區(qū)或學習者識別權威可信的知識貢獻者及其貢獻的學習資源，簡化知識選擇機制，同時提升知識貢獻者的外部動機和成就感，促進其知識貢獻行為[2]，構造健康可信的社區(qū)環(huán)境。

虛擬學習社區(qū)中有關知識貢獻者信譽的研究由來已久，大多是界定用戶信譽概念、建立用戶信譽模型和分析用戶信任機制，較少涉及用戶信譽的具體量化評價，因此很難在具體虛擬學習社區(qū)落地。目前，大多數(shù)社區(qū)還沿用定制的積分制標記有價值、可信任的用戶，但積分計算方式單一、簡單，難以合理地體現(xiàn)用戶的權威性和可靠性。鑒于此，本文借鑒虛擬學習社區(qū)中識別意見領袖和預判資源質(zhì)量的研究，采用文獻分析法確定虛擬學習社區(qū)中用戶信任知識貢獻者的主要影響因素，在此基礎上通過問卷調(diào)查法構建虛擬學習社區(qū)知識貢獻者信譽評價指標體系，通過收集知識貢獻者的相關行為數(shù)據(jù)，計量其信譽，以標記其權威性和可靠性，為其他學習者提供可以參考的資源或服務選擇依據(jù)，促進虛擬學習社區(qū)的健康發(fā)展。

1?文獻綜述

1.1?虛擬學習社區(qū)

隨著網(wǎng)絡技術的發(fā)展和交流需求的增長，網(wǎng)絡中出現(xiàn)了備受用戶喜愛的各類虛擬社區(qū)（Virtual Community，簡稱VC）。VC的提出者認為，VC是當足夠多的人們帶著飽滿的情感長期進行公開討論，以期望在賽博空間中形成個人的關系網(wǎng)時，在網(wǎng)絡中所出現(xiàn)的社會集合體[3]。虛擬學習社區(qū)（Virtual Learning Community，簡稱VLC）是虛擬社區(qū)的一大門類，是指以學習、研究、討論為目的，以互聯(lián)網(wǎng)為基本平臺，以各種網(wǎng)絡工具為中介進行人際交互、知識分享而聯(lián)結成的群體[4]，如天涯論壇和小木蟲社區(qū)等。

VLC的研究內(nèi)容廣泛，可以分為宏觀層面與微觀層面的研究。早期的研究主要集中在宏觀層面，從理論基礎[5-6]、設計開發(fā)應用[7]與評價反思[8]等方面對VLC的理論問題與實踐應用進行探索。近期的研究則聚焦于微觀層面，對用戶分類、專家推薦和知識共享影響因素等進行研究。例如，谷斌等[9]從知識共享中心度和用戶價值兩個維度構建專業(yè)虛擬社區(qū)用戶分類矩陣模型，并在人大經(jīng)濟論壇中將學習者劃分為核心用戶、咨詢者、信息獲取者和邊緣用戶等4類。胡昌平等[10]運用SEM方法構建了包含個人、情境、知識和成員行為等4個維度的虛擬知識社區(qū)知識共享影響因素模型。趙文君[11]和蔡小筱等[12]分別從價值驅動、認知驅動、資本驅動和情境驅動4種驅動效應和個人、人際和社區(qū)3個方面對虛擬知識社區(qū)的知識共享驅動機制和影響因素研究進行了綜述。

在VLC精細化微觀問題的研究中，信任和信譽作為一種研究視角或潛變量，常被作為作用于用戶之間的社會交互和知識共享的中介要素，來提高知識組織與創(chuàng)新的效率[13]，在研究中發(fā)揮著基礎性和中介性的作用。而從研究的目的與方法來看，VLC中知識貢獻者的信譽研究是用戶分類和專家推薦研究中的一部分，能夠幫助學習者識別可信用戶與資源。

1.2?用戶信譽研究

信任作為一種社會復雜性的重要簡化機制，各領域的研究者從不同視角探討了其內(nèi)涵、類型和機制。從心理學與社會學的視角來看，信任是具有認知能力的實體對另一實體的關于能力、善意、可靠性和誠信等的一系列信念。為了更具操作性，計算機領域將信任分為基于身份的信任（Identity Trust）和基于行為的信任（Behavior Trust），并利用可信計算（Trust Computing）理念來解決日趨嚴重的互聯(lián)網(wǎng)安全問題[14]。可信計算的研究和應用在電子商務平臺或虛擬交易社區(qū)中較為深入與成熟，典型的TMSB、EigenTrust、PowerTrust和PeerTrust信任模型便是根據(jù)實體或節(jié)點的交互過程和交易關系來直接、間接或綜合性地度量局部或全局信任值，以確保服務的可靠性。

網(wǎng)絡信任和信譽具有復雜的關聯(lián)性，信譽是信任的某個屬性證據(jù)，信任是信譽計量的一方面數(shù)據(jù)來源。當在網(wǎng)絡環(huán)境中產(chǎn)生選擇困難和信任危機等問題時，早期的研究借鑒可信計算的理念采用用戶驅動的信譽評價策略來解決，即綜合用戶的評價數(shù)據(jù)（一般為用戶評分）來表征用戶的可信度或信譽，著名的學術Wiki平臺WikiGenes即采用此種策略。但這種方式過度依賴于評分用戶的主觀判斷，難以準確度量動態(tài)化的用戶信譽。基于此，近期的研究采用內(nèi)容驅動的信譽評價機制，即更多地探索基于用戶行為的信譽評價機制和基于用戶信譽等級的內(nèi)容質(zhì)量預判模型等。例如，雷雪[15]總結出用戶信譽評價的步驟分為事件監(jiān)控、指標量化和結果呈現(xiàn)3部分，并依此探索運用“用戶評分”、“內(nèi)容添加”、“內(nèi)容修改”、“內(nèi)容刪除”和“版本回退”等行為數(shù)據(jù)來評價學術Wiki社區(qū)用戶信譽的策略。李慧等[16]針對Wikipedia中詞條編輯的特點，將作者的“插入”與“刪除”操作細分為6個具體行為指標后對其信譽進行評價。金燕等[17]綜合運用用戶驅動和內(nèi)容驅動的信譽評價策略，提取出直接和間接影UGC內(nèi)容質(zhì)量的“創(chuàng)建”、“評論”和“轉發(fā)”等7種行為，并運用通過專家評分法得到的指標體系獲取信譽得分，并據(jù)此預判不同信譽區(qū)間用戶在表現(xiàn)期所產(chǎn)生內(nèi)容的質(zhì)量高低。

基于上述分析可知，聚焦于VLC中的信任與信譽研究逐漸增多，且傾向于根據(jù)系統(tǒng)監(jiān)控到的各種歷史行為來評價用戶信譽。雖然對知識貢獻者信譽的研究已經(jīng)較為深入和全面，但是仍需更多基于不同評價維度和針對不同細分對象的研究來對其進行豐富與拓展。因此，將信任與信譽融入VLC中，并基于行為數(shù)據(jù)對知識貢獻者的信譽進行評價具有可行性。

2?知識貢獻者信譽評價

2.1?理論基礎

2.1.1?受信方三大特質(zhì)

信任產(chǎn)生于施信方和受信方之間，其中施信方會依據(jù)其對受信方品質(zhì)特征的評判而作出信任與否的抉擇。Mayer R C等[18]認為受信方應該具備3種特質(zhì)：能力、善意和正直，現(xiàn)已成為信任領域中的共識。具體而言，VLC中知識貢獻者的能力反映著其在某個知識領域具備的專業(yè)知識水平;善意體現(xiàn)于其是否出于使其他用戶獲得正確有用知識的動機來貢獻資源;正直表現(xiàn)在其能否遵照普遍接受的準則參與社區(qū)活動?？紤]到學習資源通常免費提供，故一般不存在因惡性競爭而衍生出虛假信息的情況，且用戶間都是基于知識交流目的來貢獻知識。因此，VLC中能力這一特質(zhì)是評價知識貢獻者是否可信的最重要指標，而善意和正直兩個方面的作用效果較少。

2.1.2?精細加工可能性模型

精細加工可能性模型（ELM）由Petty R E等提出，其基本思想為：當信息接收者在處理來自態(tài)度客體的說服性信息時，會因為接收者評估該信息主要優(yōu)點時的動機和能力不同而存在一個精細加工可能性區(qū)間，即人們越有動機且越能夠評估說服性信息的主要優(yōu)、缺點，則越可能努力地審查所有可獲得的細節(jié)，并依此作出理性的判斷[19]。

當精細加工可能性高時，信息接收者會對態(tài)度客體的關鍵特征或優(yōu)點作出深思熟慮的總體評價和態(tài)度判斷，此為中心路徑。當精細加工可能性低時，接收者更可能試著基于粗淺的分析得出一個對態(tài)度客體的簡單推論性態(tài)度，此為外圍路徑?；诖耍琒ussman S W等[20]認為在虛擬社區(qū)中，精細加工可能性模型有兩個關鍵組成部分：信息質(zhì)量和信源可靠性，其中信息質(zhì)量對接受者的信息采納發(fā)揮中心影響，而信源可靠性則發(fā)揮外圍影響。

就VLC而言，信息質(zhì)量指的是資源的內(nèi)容和質(zhì)量對資源使用者的勸說強度，體現(xiàn)了知識貢獻者的能力，而信源可靠性指的是資源使用者對知識貢獻者本身權威性的感知。也就是說，學習者在選擇學習資源時會受到資源質(zhì)量和知識貢獻者權威性的影響。然而，當無法判斷資源質(zhì)量（即精細加工可能性低）時，學習者會很大程度上依據(jù)知識貢獻者的個人信息（如角色、身份級別和積分）作出判斷和選擇。由于審視的片面性，學習者往往難以獲得高質(zhì)資源，因此輔助學習者進行抉擇的信譽評價機制顯得尤為重要。然而，社區(qū)現(xiàn)有的積分和身份等級不能合理地反映知識貢獻者的可信程度，因此，為學習者提供一種綜合信息質(zhì)量和信源可靠性的信譽值，可以增加其選中高質(zhì)量資源的可能性。

2.2?用戶信任的影響因素

關于虛擬社區(qū)中用戶信任的影響因素，一些學者進行了專門探索。包敦安[21]以交易類社區(qū)為研究對象，使用混合研究方法得出結論：發(fā)帖者信息特征以及自身特征方面的因素均會影響瀏覽者對發(fā)帖者的信任，其中信息特征方面因素的影響高于自身特征方面因素的影響。Soto J P等[22]認為在知識分享虛擬社區(qū)中，新手通過用戶的身份、專業(yè)知識和自身直觀感受作出信任判斷。Luhmann N[23]指出個體一般將信任對象過去的表現(xiàn)和當下聲譽作為是否給予信任的判斷依據(jù)。郭曉科等[24]在Luhmann N觀點的基礎上以艾滋病論壇為例，用個體的發(fā)帖內(nèi)容、專業(yè)程度和發(fā)帖頻率來衡量歷史表現(xiàn)，用論壇等級和稱號等表征當下聲譽。王淑娟等[25]認為信譽高的用戶更能取得他人的信任，而這種信任主要表現(xiàn)為身份認同、能力認同、行為認同。高俊波等[26]發(fā)現(xiàn)某些擁有較高威望值和身份等級的版主、高級會員、志愿者個體常獲得他人的信任，證實了權威性的重要程度。

對受信方三大特質(zhì)的分析得出了能力的重要性，而ELM和用戶信任影響因素研究則揭示了用戶彼此陌生時習慣依據(jù)知識貢獻者身份特征作出直觀信任判斷的現(xiàn)象。綜上所述，VLC中用戶信任的影響因素主要包括兩大方面，即用戶的權威性和專業(yè)知識能力。權威性指由用戶身份或角色特征無形中帶給他人的一種可信感，例如管理員易于獲得他人的信賴，其本質(zhì)上體現(xiàn)的是活躍度與關愛度。專業(yè)知識能力主要指在某個知識領域，用戶表現(xiàn)出來的總體專業(yè)知識水平。從某種意義上來說，專業(yè)知識能力和權威性分別對應著Lumann提出的用戶過去的表現(xiàn)和當下聲譽兩個信任判斷依據(jù)。因此，綜合考量用戶的權威性和專業(yè)知識能力，能夠識別權威可信知識貢獻者。

2.3?信譽評價指標體系的構建

信任與信譽聯(lián)系緊密，前者是局部概念，代表建立在歷史經(jīng)驗基礎上，一個實體對另一個實體具有某種能力的一種主觀信念;后者具有全局性，代表實體由系統(tǒng)中其它實體給予其的總的、綜合的信任評價?？偟膩碚f，VLC中知識貢獻者的信譽是系統(tǒng)通過觀察過往行為對其加以評定而得出的綜合期望值，反映著其他用戶對其信任的集合[27]，故可以通過用戶信任的影響因素來評價知識貢獻者信譽。

一般而言，常用的VLC都包括兩大部分的功能，即資源共享和問答。前者用于發(fā)布資源與經(jīng)驗，而后者專門用于提問與回答，二者都是通過發(fā)/回帖的形式實現(xiàn)。需要說明的是，本研究用“發(fā)帖”來代表用戶在資源共享部分發(fā)布信息和問答部分的提問行為，用“回帖”來代表用戶在兩大部分的回復行為，而又將其中問答部分的回復行為專稱為“回答問題”。并且，為了便于用戶瀏覽，VLC將一部分高質(zhì)帖子標注為“熱門帖”、“好評帖”和“精華帖”等。VCL中用戶行為及其之間的結構如圖1所示。采集VLC中的這些行為數(shù)據(jù)，分析其與用戶信任兩大影響因素的關系，從而實現(xiàn)對知識貢獻者信譽的評價和計算。

在VLC中，用戶的權威性本質(zhì)上是活躍度與關愛度的綜合體現(xiàn)，其高低可由用戶的身份級別加以反映，而身份級別又與用戶積分存在對應關系。因此，本研究通過用戶發(fā)帖和回帖行為來評價知識貢獻者在權威性方面的信譽。另一方面，借鑒已有研究成果并結合訪談結果初步確定與專業(yè)知識能力相關的評價指標，包括用戶發(fā)貼、回帖、發(fā)精華貼、發(fā)熱門帖、發(fā)好評貼和問答中的回答問題等。為了進一步確定VLC中用戶信譽兩大組成部分的權重和各部分的具體評價指標及各指標權重，設計了一份調(diào)查問卷。

在根據(jù)86份預測試問卷結果調(diào)整影響信效度的題項后，得到一份含有12個題項的5點李克特量表。在面向VLC用戶的正式問卷發(fā)放中，獲得線上與線下問卷261份，其中有效問卷217份，問卷有效率為83.14%。在對數(shù)據(jù)進行因子分析時，KMO和Bartlett檢驗結果符合因子分析要求，獲得了2個能夠較為充分概括所有題項的因子，且題項在所屬因子上的載荷大于0.5，在其它因子上的載荷小于0.5。經(jīng)過分析，其中第1個因子可命名為“專業(yè)知識能力”，另1個因子可命名為“權威性”，如表1所示。另外，量表內(nèi)部一致性系數(shù)為0.7，證明問卷信效度良好。問卷得出了“專業(yè)知識能力”部分的具體評價指標為在資源共享部分發(fā)主題帖、發(fā)精華帖、發(fā)熱門貼、發(fā)好評貼和問答中回答問題，用戶行為與信任影響因素對應關系如圖2所示。同時也獲得了調(diào)查對象對各個指標重要程度的認知（從非常不重要到非常重要，分別計1～5分）。

由此，確定了信譽為一級指標，權威性和專業(yè)知識能力為二級指標，而它們的具體評價參數(shù)為三級指標。為了進行具體的信譽度量，需要借助計算評估指標權重的方法確定各個評價指標的權重系數(shù)。本研究選取因子分析法，即通過將解釋的總方差表中因子的方差貢獻率歸一化后得到二級指標的權重，根據(jù)因子分析過程獲得的因子得分系數(shù)矩陣中的得分系數(shù)歸一化結果確定“專業(yè)知識能力”部分的三級指標權重[15]。解釋的總方差（只顯示旋轉平方和載入部分）如表1所示。分析結果中累積方差貢獻率偏小，可能是因為提取的因子數(shù)量過少，但所獲得的2個因子能與文獻分析得出的兩大影響因素相對應，且其它各項指標均符合要求，因此不再作進一步調(diào)整。

如前所述，因子1命名為專業(yè)知識能力，而因子2命名為權威性。將兩個部分的方差貢獻率歸一化后，得到“權威性”和“專業(yè)知識能力”指標的權重分別為0.4292和0.5708。正如前文所述，用戶的身份等級能夠體現(xiàn)其“權威性”，而身份等級的高低是積分累積的結果，故可通過發(fā)帖和回帖行為來度量“權威性”。而在因子分析過程中可以得到一個因子得分系數(shù)矩陣，將其中的因子得分系數(shù)進行歸一化處理，得到“權威性”部分發(fā)帖和回帖的權重分別為0.5065和0.4935，“專業(yè)知識能力”部分在資源共享中發(fā)帖、發(fā)熱門貼、發(fā)好評貼、發(fā)精華帖和問答中回答問題數(shù)量5個指標的權重分別為0.1381、0.1413、0.2531、0.2286和0.2389。由此，得出VLC中知識貢獻者的信譽評價指標體系及指標權重，如表2所示。

2.4?知識貢獻者信譽度量

設知識貢獻者Pi的信譽值為R（Pi），用戶信譽更新的周期為T，更新周期的長短需要根據(jù)VLC中的具體活躍度等進行設置。設某個周期內(nèi)，用戶Pi在資源共享中發(fā)主題貼量為SP（Pi），回帖量為RP（Pi），獲得的總精華貼數(shù)量為EP（Pi），熱門帖數(shù)量為HP（Pi），好評貼數(shù)量GP（Pi）。在問答中，用戶Pi發(fā)主題貼量為SQ（Pi），回帖量為AQ（Pi）。用戶的權威性設為A（Pi），用戶的專業(yè)知識能力設為E（Pi），則根據(jù)以上研究可知，在該周期內(nèi)用戶Pi的信譽值R（Pi）為式（1）：

3?實驗驗證

為了驗證本研究構建的知識貢獻者信譽評價指標體系的合理性和信譽度量方法的實用性，采用VLC中最常用的推薦服務效果來驗證提出方案和方法的有效性。選取“計算機技術論壇”為實驗數(shù)據(jù)來源，利用“八爪魚采集器”爬取“計算機技術論壇”中資源共享區(qū)和問答區(qū)（以“綜合咨詢”標識）兩大版塊中1年的相關數(shù)據(jù)，包括用戶ID、用戶積分、用戶等級、發(fā)/回帖時間和在兩大版塊部分的發(fā)/回帖情況等。進行必要的數(shù)據(jù)預處理后，將數(shù)據(jù)按照發(fā)帖或回帖時間先后順序分為兩部分，前80%的數(shù)據(jù)用于計算用戶的信譽值，后20%的數(shù)據(jù)用于驗證信譽度量方式的合理性。實驗數(shù)據(jù)集的信息如表3所示。

用戶瀏覽學習資源時，往往喜歡根據(jù)發(fā)帖者的身份級別或積分來選擇信息采納的對象，所以將基于信譽的用戶推薦方法（信譽法）與常用的基于積分的用戶推薦方法（積分法）進行比較，分別設為R（Top）法和S（Top）法。具體來說，根據(jù)爬取的數(shù)據(jù)信息，利用度量公式計算周期T內(nèi)每個用戶的信譽值。R（Top）信譽法是依據(jù)信譽值降序排序結果，選出信譽值較高的Top K名用戶進行推薦。而S（Top）積分法，則直接根據(jù)用戶的積分進行降序排序，同樣選出Top K用戶進行推薦，其中K指設定的推薦人數(shù)。

進行用戶推薦的目的是獲得能夠提供權威可信學習資源的用戶，且關鍵是能幫助他人解決專業(yè)問題。在問答區(qū)中回答問題的人具有很好的代表性，因為他們既體現(xiàn)了樂于分享資源的友好、活躍的一面，也體現(xiàn)了一定的專業(yè)知識能力，故借助問答中的回答者進行效果驗證。比較兩種方法在識別和推薦“可信用戶”方面效果的思路如圖3所示。

在驗證集中，共有147人在問答區(qū)回答問題。將上述147人與R（Top）法和S（Top）分別推薦的K（K=5，10，15，…，50）人進行比較，得到兩種推薦方式在不同設定推薦人數(shù)時的準確率和召回率。具體結果如圖4和圖5所示。由圖可知，相較于常用的積分推薦方法，根據(jù)信譽評價指標體系實施的信譽推薦方法具有更高的準確率和召回率，即R（Top）法獲得了較多的能夠為他人提供幫助的用戶，也間接說明R（Top）法在識別“可信用戶”方面具有更好的性能。

雖然推薦不同數(shù)量的用戶時R（Top）法的推薦效果均優(yōu)于S（Top）法，但是隨著推薦人數(shù)的增加，兩種方法的性能趨于一致。由圖4、5可知，推薦人數(shù)在30以內(nèi)時，R（Top）信譽法的優(yōu)勢較為明顯。而當推薦人數(shù)大于30人時，R（Top）信譽法的準確率下降最快。為了探究這一現(xiàn)象的原因，給出不同信譽區(qū)間中的用戶人數(shù)分布情況，如圖6所示。圖6顯示信譽低的用戶占了用戶總數(shù)的絕大部分，符合帕列托定律分布，也在某種程度上證明了信譽度量方式所計算出來的用戶信譽值分布的合理性。且由圖中信息可知，信譽值大于20的用戶數(shù)僅有32人，即高信譽用戶本身不多。又由圖7可知，隨著推薦人數(shù)的增加，所推薦用戶的信譽值非常接近，甚至有重合的趨勢，這顯然會影響推薦效果。鑒于此，即使用戶信譽評價指標體系指導下的信譽推薦方法性能較優(yōu)、信譽度量方式合理，但高信譽用戶的人數(shù)和推薦人數(shù)增加時用戶信譽的密集性限制了推薦性能的體現(xiàn)，因此導致R（Top）信譽法的推薦性能在推薦人數(shù)大于高信譽用戶人數(shù)時顯得較低，甚至與S（Top）法相差無幾。

雖然論壇的不活躍因素在一定程度上影響了實驗效果，但綜合驗證的結果后可知，在考慮了用戶權威性和專業(yè)知識能力的信譽評價指標體系指導下的信譽度量方式能夠較好地反映用戶的可信程度，具有合理性。

4?小?結

針對VLC中因缺乏信譽機制而導致網(wǎng)絡迷航、選擇困難、資源過載和信任危機等問題的現(xiàn)狀，本研究構建了包含用戶權威性和專業(yè)知識能力的VLC知識貢獻者信譽評價指標體系，并用實驗驗證了其有效性，以期為通過度量用戶信譽輔助學習者間接判斷資源質(zhì)量提供參考?；谟脩粜袨閿?shù)據(jù)來計算知識貢獻者的信譽可以實現(xiàn)更客觀化、動態(tài)化和精準化的效果，能夠很好地體現(xiàn)知識貢獻者的可信度，也符合研究趨勢。知識貢獻者信譽評價的結果既可以作為自身屬性應用于“版主”或可信回答者的推薦，也可以作為一種促進群體產(chǎn)生深度信任和激勵用戶進行知識共享的機制，還可以動態(tài)顯式地將信譽評價結果與知識貢獻者共享的內(nèi)容掛鉤以輔助學習者判斷資源質(zhì)量[15]。但研究存在不足之處，例如提出的信譽度量方式專門針對將帖子進行分類（標注熱門帖、好評帖和精華帖等）的虛擬學習社區(qū)，故導致應用有所限制。后續(xù)研究將改進不足，并考慮回帖及時性和細分知識領域等因素，更進一步地對VLC中優(yōu)質(zhì)資源和可信用戶進行精確的研究，以提高學習者的學習效果和促進社區(qū)長久健康發(fā)展。

參考文獻

[1]中國互聯(lián)網(wǎng)絡信息中心（CNNIC）.第40次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[R].北京：中國互聯(lián)網(wǎng)信息中心，2017：24-27.

[2]趙欣，黃思萌.專業(yè)虛擬社區(qū)知識搜尋與知識貢獻的前因機制比較[J].情報雜志，2017，36（12）：180-185，137.

[3]Rheingold H.The Virtual Community：Homesteading on the Electronic Frontier[M].Cambridge：MIT press，2000：3-4.

[4]Kowch E，Schwier R.Characteristics of Technology-based Virtual Learning Communities[J].Retrieved July，1997，（28），2004：1-11.

[5]Russell M.Online Learning Communities：Implications for Adult Learning[J].Adult Learning，1999，10（4）：28-31.

[6]衷克定，梁玉娟.網(wǎng)絡學習社區(qū)結構特征及其與學習績效關系研究[J].開放教育研究，2006，（6）：69-73.

[7]廖偉偉，趙呈領，萬力勇，等.專業(yè)虛擬學習社區(qū)的設計與應用研究[J].中國遠程教育，2012，（12）：41-46，95.

[8]宮淑紅，曹曉粉.虛擬學習社區(qū)評價指標體系的建構[J].當代教育科學，2015，（5）：15-18，26.

[9]谷斌，徐菁，黃家良.專業(yè)虛擬社區(qū)用戶分類模型研究[J].情報雜志，2014，33（5）：203-207.

[10]胡昌平，萬莉.虛擬知識社區(qū)用戶關系及其對知識共享行為的影響[J].情報理論與實踐，2015，38（6）：71-76.

[11]趙文軍.虛擬社區(qū)成員知識共享行為的驅動機制研究綜述[J].現(xiàn)代情報，2015，35（11）：164-170.

[12]蔡小筱，張敏，鄭偉偉.虛擬學術社區(qū)知識共享影響因素研究綜述[J].圖書館，2016，（6）：44-49.

[13]張敏，鄭偉偉.基于信任的虛擬社區(qū)知識共享研究綜述[J].情報理論與實踐，2015，38（3）：138-144.

[14]貴小林，李小勇.信任管理與計算[M].西安：西安交通大學出版社，2011：4-6.

[15]雷雪.學術Wiki社區(qū)用戶信譽評價研究[J].情報雜志，2014，33（3）：198-201.

[16]李慧，相華婷，湯強.基于編輯文本與結構的Wikipedia作者信任模型[J].情報學報，2015，34（7）：743-753.

[17]金燕，閆婧.基于用戶信譽評級的UGC質(zhì)量預判模型[J].情報理論與實踐，2016，39（3）：10-14.

[18]Mayer R C，Davis J H，Schoorman F D.An Integrative Model of Organizational Trust[J].Academy of Management Review，1995，20（3）：709-734.

[19]Petty R E，Cacioppo J T，Schumann D.Central and Peripheral Routes to Advertising Effectiveness：The Moderating Role of Involvement[J].Journal of Consumer Research，1983，10（2）：135-146.

[20]Sussman S W，Siegal W S.Informational Influence in Organizations：An Integrated Approach to Knowledge Adoption[J].Information Systems Research，2003，14（1）：47-65.

[21]包敦安.虛擬交易社區(qū)瀏覽者與發(fā)帖者類社會互動研究[D].大連：大連理工大學，2010.

[22]Soto J P，Vizcaíno A，Portillo-Rodríguez J，et al.Why Should I Trust in a Virtual Community Member？[C]//Proceedings of the International Conference on Collaboration and Technology.NewYork：Springer，2009：126-133.

[23]Luhmann N.Trust：A Mechanism for the Reduction of Social Complexity[J].Trust and Power：Two Works By Niklas Luhmann，1979：1-103.

[24]郭曉科，李歡.虛擬社區(qū)信任機制研究——以艾滋病友論壇求醫(yī)行為為例[C]//2012年度中國健康傳播大會優(yōu)秀論文集，2012：47-62.

[25]王淑娟，劉清堂.虛擬學習社區(qū)信任機制的研究[J].遠程教育雜志，2007，（3）：12-15.

[26]高俊波，楊靜.在線論壇中的意見領袖分析[J].電子科技大學學報，2007，（6）：1249-1252.

[27]張和平，陳齊海.基于因子分析-DEMATEL定權法的期刊綜合評價研究[J].情報雜志，2017，36（11）：180-185.

（責任編輯：孫國雷）