姚偉 劉舒雯 柯平 張翠娟 陳思

摘 要：[目的/意義]收集相關(guān)短視頻資料進行數(shù)據(jù)畫像，挖掘短視頻背后蘊含的知識動員模型。[方法/過程]以選擇健身話題短視頻的收看者和評論者為研究對象，依據(jù)數(shù)據(jù)的豐富性和多樣性，采用數(shù)據(jù)畫像方法對數(shù)據(jù)基本特征和運行狀態(tài)進行探索，借助Maxqda12、Tableau、Gephi、Vosviewer工具，對梨視頻中關(guān)于健身話題短視頻的評論互動進行分析。[結(jié)果/結(jié)論]結(jié)果表明：短視頻領(lǐng)域中知識動員會形成技術(shù)去中心化、局部協(xié)同的長期性和全景協(xié)同的不確定性、內(nèi)驅(qū)力—外驅(qū)力—融驅(qū)力驅(qū)動的知識賦能、在地化實踐場域，從而形成“技術(shù)流賦能—協(xié)同流賦能—知識流賦能—文化流賦能”模式。

關(guān)鍵詞：知識動員;數(shù)據(jù)畫像;知識賦能;文化賦能;技術(shù)賦能;Maxqda12

DOI：10.3969/j.issn.1008-0821.2020.07.007

〔中圖分類號〕G250.1 〔文獻標識碼〕A 〔文章編號〕1008-0821（2020）07-0063-11

Research on Knowledge Mobilization Model in

Short Video Based on Data Portrait

Yao Wei1，2 Liu Shuwen1 Ke Ping2 Zhang Cuijuan1，2 Chen Si1

（1.College of Economics and Management，Tianjin University of Science & Technology，

Tianjin 300222，China;

2.Business School，Nankai University，Tianjin 300071，China）

Abstract：[Purpose/Significance]The purpose of the research is to collect relevant short video data for data portrait，and mine the knowledge mobilization model behind the short video.[Method/Process]Viewers and commentators who choose short videos on fitness topics is taked as research objects.According to the richness and diversity of data，this paper explores the basic characteristics and running state of data by using data portrait method.With the help of Maxqda12，Tableau and Gephi tools，this paper analyzes the interaction of comments on short videos on fitness topics in pear videos.[Result/Conclusion]Results showed that：Knowledge mobilization in the field of short video formed technology decentralization，long-term nature of local coordination and uncertainty of panoramic coordination，knowledge empowerment driven by internal driving force-external driving force-melting driving force，the field of localization practice，so that the model of“technology flow empower-synergistic flow empower-knowledge flow empower-culture flow empower”was formed.

Key words：knowledge mobilization;data portrait;knowledge empowerment;culture empowerment;technology empowerment;Maxqda12

知識來源于社會實踐，哲學層面上知識是人類的認知成果[1]。知識的獲取與傳播是知識學研究領(lǐng)域的重要內(nèi)容，而知識動員是二者進行結(jié)構(gòu)聯(lián)系及演化規(guī)律的溝通橋梁。知識動員是包括知識共創(chuàng)和知識傳播等環(huán)節(jié)的系統(tǒng)性非線性過程，強調(diào)互動和對話。知識動員由知識生產(chǎn)引致需求驅(qū)動，通過交流與聯(lián)接，將知識轉(zhuǎn)化為行動，目的是在知識供需方之間塑造文化，以便形成知識共創(chuàng)、知識社會化創(chuàng)新。在已知情境中，知識動員對可用知識進行活化，包括特定情境中知識的識別、認知、移動、積極使用等。作為一種社會活動，知識動員發(fā)生在個人、團隊和組織等不同層面。實施知識動員傾向于采用自下而上的方式，這意味著知識動員是從個體規(guī)模衍生為群體規(guī)模、從個體行為演化為群體生態(tài)行為。

隨著互聯(lián)網(wǎng)技術(shù)和移動技術(shù)的發(fā)展，為適應人們碎片化、移動化場景，短視頻媒體應運而生。短視頻突出互動與交流，由供給及需求雙重驅(qū)動，推動知識社會化和知識活化，成為面向個體、團隊或組織的新型知識實踐社區(qū)，為知識動員實施提供便捷可行的技術(shù)支持。短視頻是更具個人色彩的知識身份認同構(gòu)建與話語表達方式，是參與者自身知識意義的重塑，蘊含新傳播語境下的知識文化隱喻[2]，它能實現(xiàn)知識動員，而知識動員借助短視頻進行知識價值化。因此，收集相關(guān)短視頻資料開展數(shù)據(jù)畫像，挖掘短視頻背后蘊含的知識動員模型，使人們更好地實現(xiàn)將自身知識價值化，正是研究問題所在。

1 文獻回顧

21世紀初，加拿大社會科學及人文委員會創(chuàng)新性地提出了知識動員理論[3]。知識動員關(guān)注創(chuàng)新與服務(wù)，是基于知識客體（知識需求者）的需求驅(qū)動，為實現(xiàn)知識的價值延伸和創(chuàng)新性增值，采取有效的機制，結(jié)合知識主、客體所處背景而采取行動的社會過程[4]。知識動員克服了知識傳遞不及時、分享傳播困難等問題[5]，側(cè)重在相互作用中進行知識的理解和創(chuàng)造，是不同利益相關(guān)者之間的知識交互，支持知識的雙向和多向協(xié)同構(gòu)建[6]。知識動員是復雜、迭代、非線性的社會過程，涉及群體或環(huán)境之間的互動[7]。在教育研究中，知識動員能夠幫助改善教育體系并努力探尋構(gòu)建教育網(wǎng)絡(luò)結(jié)構(gòu)的均衡點，以提高教學水平[8]。此外，社會醫(yī)療領(lǐng)域也逐步使用知識動員理論[9]。經(jīng)由科學性研究，匯總經(jīng)驗知識，形成學術(shù)性理論，最終傳播分享研究成果[10]。

短視頻媒體具有獨特性，包括社會資本推廣度高、知識聚集凝練度強、傳播結(jié)構(gòu)權(quán)變度快、知識時效性強、便于形成閾下意識正強化等特點，這些獨特性加速了知識延伸優(yōu)化，加快知識價值化的進程。技術(shù)打破了信息時效性、影響性與地域性等限制，即使最微弱的關(guān)聯(lián)也意味著交往關(guān)系建構(gòu)的可能[11]。知識動員聚焦于人們的真實所知，而不是假設(shè)所知[12]，是向知識需求者或組織提供知識的過程[13]。短視頻媒體通過扁平化的傳播方式滿足現(xiàn)代人展示自我個性、互動過程中的自我滿足、日常生活娛樂化等用戶心理[14]。因此，在短視頻媒體中進行知識動員，知識生產(chǎn)者將自有知識向需求者或組織提供，可以高效地使用戶知識價值化，滿足用戶尊重或自我價值實現(xiàn)的需求。但現(xiàn)有研究中，短視頻媒體的研究主要集中于用戶心理、內(nèi)容、政策、營銷、與傳統(tǒng)媒體比較、傳播價值等方面[15-16]，對于如何在短視頻中進行用戶知識動員的研究較少，需要進一步系統(tǒng)研究，以便更好指導實踐。

2 研究對象及數(shù)據(jù)

2.1 研究對象選取

本研究以短視頻軟件使用者和評論發(fā)表者為研究對象，選擇用戶人數(shù)多、互動頻率高、評論回復數(shù)據(jù)量大的梨視頻作為數(shù)據(jù)樣本庫。這個數(shù)據(jù)樣本庫信息量大，同時關(guān)注新聞資訊和社會故事，用戶參與知識動員活動更積極且具有代表性。選擇“健身話題短視頻”主要原因為健身是人們關(guān)注自身健康必不可少的活動，健身話題適應人群范圍廣泛，對健身短視頻進行知識動員研究可以使更多人關(guān)注自身健康，通過知識動員能夠更好地使人們將自身健身的知識價值化，以提升身體素質(zhì)。

2.2 數(shù)據(jù)收集

本研究收集用戶評論數(shù)據(jù)。記錄字段包括：視頻標題、視頻發(fā)布時間、視頻發(fā)布者ID、評論轉(zhuǎn)發(fā)條數(shù)、贊同人數(shù)、評論者ID、評論內(nèi)容、評論時間、對于評論者評論內(nèi)容的贊同數(shù)。利用“八爪魚”爬蟲軟件從“梨視頻”爬取“關(guān)于健身話題短視頻”信息共收集364條，時間為2017年6月-2018年3月，表1是用“八爪魚”爬蟲軟件收集的有效數(shù)據(jù)的具體信息。針對收集的數(shù)據(jù)，分別從內(nèi)容維度、時間維度、空間維度，運用扎根理論、時間序列、社會關(guān)系網(wǎng)絡(luò)分析等方法，利用Maxqda12、Tableau、Gephi等工具進行分析。

3 數(shù)據(jù)畫像及研究發(fā)現(xiàn)

結(jié)合相關(guān)學者的研究[17-19]，數(shù)據(jù)畫像充分考慮了數(shù)據(jù)的豐富性和多樣性、數(shù)據(jù)提取方法的可伸縮性。數(shù)據(jù)畫像是數(shù)據(jù)的形成、聚集和提煉。國內(nèi)學者姚偉將數(shù)據(jù)畫像定義為：以數(shù)據(jù)科學的相關(guān)理論和技術(shù)為支撐，依據(jù)數(shù)據(jù)屬性進行針對性地多維度分析，其目的是進行數(shù)據(jù)基本特征和運行狀態(tài)的可視化、具體化及立體化展現(xiàn)，進而挖掘或探索數(shù)據(jù)背后的規(guī)律、機制及路徑等。

3.1 時間維度：用戶活躍度分布形態(tài)

對選定的特定話題（健身）短視頻的用戶評論時間及評論條數(shù)、點贊數(shù)量進行統(tǒng)計分析，繪制時間序列圖。利用Tableau軟件進行分析，得到時間序列可視化圖例。經(jīng)數(shù)據(jù)導入軟件，設(shè)置評論發(fā)表的日期（距離短視頻發(fā)布日的天數(shù)）為橫軸、左側(cè)縱軸為贊同人數(shù)、右側(cè)縱軸代表評論人數(shù)，得到如圖1所示的時間序列散點圖。

由圖1可知，關(guān)于健身的短視頻互動程度變化呈山丘狀分布，其活躍期有特定的生命周期，經(jīng)歷了從評論者對短視頻內(nèi)容做出包含其獨有見解的評論，到其他評論者對這一新觀點所蘊含的知識或內(nèi)容做出評論、進行采納或是提出異議的過程。每一個活躍期的新評論都會經(jīng)歷從提出、高潮到衰落的過程規(guī)律，且這些評論的活躍期往往互相連接，有些評論的衰落期甚至直接作為下一評論的發(fā)起期。同時可以發(fā)現(xiàn)，關(guān)于健身的短視頻中，評論、贊同的分布密度呈現(xiàn)一種不均勻的態(tài)勢，存在局級集聚和協(xié)同現(xiàn)象（圖1中虛線橢圓處），但是動員過程存在生命周期，伴隨著生命周期會出現(xiàn)知識動員的不同形態(tài)，進而形成知識動員生態(tài)圈。

由評論用戶活躍度折線圖（如圖2所示）可以發(fā)現(xiàn)，用戶贊同人數(shù)和評論數(shù)在第2周突然上升，說明用戶活躍度提升，大批評論者開始參與到知識動員中，并對短視頻內(nèi)容做出評論，進而創(chuàng)造出新知識和新觀點，再將這些新知識與短視頻中蘊含的知識一同傳播、分享給新用戶或新評論者，從而形成知識的社會共創(chuàng)。第9周期間，贊同數(shù)和評論數(shù)這兩項數(shù)據(jù)均開始回落，分別降至35和15左右，后期仍逐步下降。16周時，開始緩慢回升，保持幾周后又再一次出現(xiàn)回落。這一過程中，贊同數(shù)出現(xiàn)一次大幅度的上漲，然對應的評論條數(shù)呈現(xiàn)下降趨勢。對照這一時段的評論內(nèi)容，可以發(fā)現(xiàn)當時的用戶評論包含專業(yè)性知識，對短視頻所蘊含的知識與存在的問題做出高度概括與總結(jié)，并提出新觀點，得到參與者的廣泛認同，參與者對評論所傳遞分享的知識持肯定態(tài)度，評論內(nèi)容也多為支持和稱贊。

通過圖2可以發(fā)現(xiàn)，關(guān)于健身換題的短視頻經(jīng)歷了發(fā)起、成長、高潮、衰退的知識動員生命周期。第二周至第七周這段時間達到峰值，這與該健身短視頻登上微博熱搜的時間正好相契合，說明媒體曝光率、社會推廣度及視頻關(guān)注度與知識動員的頻發(fā)度密切相關(guān)。

隨后的回復評論人數(shù)呈下降趨勢，是因為人們了解健身視頻的內(nèi)容之后對其興趣程度下降。造成這一現(xiàn)象的原因可能是經(jīng)過知識動員后，評論者開始實施行動，親身去練習瘦身動作，但因個人體質(zhì)不同、瘦身效果不同、健身時長不足或鍛煉姿勢有誤等，導致部分評論者在健身鍛煉之后沒能成功減脂或是未達到視頻中宣傳的效果，所以表現(xiàn)出如圖3所示的活躍度明顯下降。但是，評論人數(shù)與點贊人數(shù)從十六周之后緩慢回升，說明高質(zhì)量健身話題的短視頻具有相當?shù)挠绊懥蛡鞑ザ龋渖芷诔志?，?jīng)歷短暫的低谷衰落之后，仍有可能再次成長并達到新的高潮。

3.2 空間維度：活動參與者網(wǎng)絡(luò)結(jié)構(gòu)分析

探究短視頻領(lǐng)域中知識動員模型，首先必須理清知識動員過程中各參與者（評論者）之間的社會化關(guān)系及角色差異，即明確知識動員的核心發(fā)起者和知識的主要傳播者。在搜集到的數(shù)據(jù)中，對健身話題短視頻的評論者和回復者進行分析，建立兩者間的社會關(guān)系網(wǎng)絡(luò)。

評論中有其他用戶做出回復即表明這一知識社區(qū)中的某些成員曾經(jīng)閱讀過此條評論，并且對該評論內(nèi)容所傳遞的知識信息持有相同或相異觀點，他們往往也會表明自己對于評論內(nèi)容的觀點是否贊同，或是引入新的相關(guān)話題知識與評論者進行討論。經(jīng)由一次評論回復完成一次知識動員（從短視頻發(fā)布者轉(zhuǎn)移到評論者，之后又從評論者轉(zhuǎn)移到回復者）。在這一系列過程中，知識不斷向外擴散、傳播，并且在參與者討論交流的過程中，會出現(xiàn)新的知識或觀點，進而完成知識交流和更新，而這也正是知識動員活動中知識的延伸與價值化。

分析開始前，剔除不必要的數(shù)據(jù)，只保留評論者用戶ID、評論人數(shù)和回復者ID幾項數(shù)據(jù)，將數(shù)據(jù)匯總整合到Excel表格中，規(guī)范化整理為CSV格式，導入Gephi軟件中進行深度分析，如圖3所示。

圖3可以看出，“周萌然然”“綠孩子Johnny”“北巷橘貓-”等在評論中最為積極和具有影響力，他們會依據(jù)自身的影響力形成局部知識動員。利用社會網(wǎng)絡(luò)關(guān)系分析法，對搜集到的數(shù)據(jù)進行可視化加工，將參與者ID作為節(jié)點，評論者與回復者之間的互動作為知識動員連線，研究參與話題交流傳播的用戶間的關(guān)聯(lián)度，得到如圖3所示的社會網(wǎng)絡(luò)關(guān)系圖。

利用Gephi軟件的ForceAtlas2布局算法進行分析，對參與者間的交互關(guān)系進行動態(tài)網(wǎng)絡(luò)分析，深度加工后生成圖5所示的星云圖。圖4中外圍散點為交互性較小的沉默者或是不積極參與者，圖4形成了以核心評論發(fā)起者為中心，主要知識傳播者為橋梁，連接外圍散點（不積極參與者）的知識動員結(jié)構(gòu)形態(tài)。其中，節(jié)點越大，說明其評論內(nèi)容越吸引人，評論回復條數(shù)越多，蘊含的知識越有深度;連線顏色越鮮艷則表明其交互度越高。這一結(jié)構(gòu)形態(tài)說明，在短視頻領(lǐng)域中，少數(shù)評論發(fā)起者（意見領(lǐng)袖）所提出或傳播分享的知識，決定了整個話題的用戶交互關(guān)系，能夠影響知識動員開展的整個過程。此外，從圖4中還可以看出，短視頻領(lǐng)域中開展的知識動員，有部分用戶參與的主動性不高，說明短視頻評論參與者間的知識動員存在不均衡性和非對稱性。在后期知識動員過程中，需特別注意這一點，提出解決方案，實施改進措施，鼓勵參與者積極進行知識動員活動。

利用Vosviewer的分析功能，構(gòu)建話題評論非沉默參與者的殼體層、幔層、核心層的3層生態(tài)圈結(jié)構(gòu)圖，如圖5所示。對評論交互度極高的評論者進行分析，可以看出其交互度也有從中心向外逐漸降低的趨勢，并可以清楚地看到評論者活躍度存在分層——高活躍度、高交互度的參與者處在核心生態(tài)圈，中間生態(tài)圈是活躍度和交互度相對較低的參與者，而最外層生態(tài)圈則是活躍度與交互度最低的參與者，這和地球內(nèi)部結(jié)構(gòu)相一致，分別對應著地心、地幔和地殼。

通過圖5可以看出，參與者“周萌然然”“綠孩子Johnny”“北巷橘貓-”位于核心生態(tài)圈，屬于意見領(lǐng)袖，其評論內(nèi)容分別是關(guān)于“運動的同時，也要注意合理的飲食，并引出了自己的瘦身食譜”和“運動的時長與動作的規(guī)范性討論”，這兩條評論充分調(diào)動了參與者知識動員的積極性，積極推動知識動員活動，并使其自身處于核心層地位。核心生態(tài)圈是支撐網(wǎng)絡(luò)的主要結(jié)構(gòu)，而處于核心生態(tài)圈的參與者便成為話題的發(fā)起者和知識動員推動者[20]。核心生態(tài)圈參與者在健身話題短視頻的知識動員過程中起著高度凝聚作用，能推動健身話題的知識動員活動進一步發(fā)展，并在短時間內(nèi)形成意見領(lǐng)袖和光圈效應，聚集更多人關(guān)注這一特定話題短視頻，進而創(chuàng)造、產(chǎn)生和分享更多的相關(guān)知識。最終，這一話題的網(wǎng)絡(luò)結(jié)構(gòu)也會逐步趨于穩(wěn)定，核心生態(tài)圈的用戶會成為這一特定話題短視頻知識動員社區(qū)中的領(lǐng)導者，最外層生態(tài)圈的低活躍度與低交互度用戶會從參與者演變成只關(guān)注點贊、但不做出評論的關(guān)注者，3層生態(tài)圈的層次分化也愈加顯著。這說明其動員結(jié)構(gòu)存在內(nèi)外生態(tài)圈，生態(tài)圈內(nèi)部趨于協(xié)同，形成知識活化和價值化，生態(tài)圈外部趨于分散，需要對生態(tài)圈外部的成員進行知識賦能。這就是“大聚居”，即從整體而言，整個知識動員活動存在大殼體層、大幔層、大核心層。“小聚居”是指作為意見領(lǐng)袖的“周萌然然”“綠孩子Johnny”“北巷橘貓-”等人，在其自身的影響范圍內(nèi)，也呈現(xiàn)小型的3層生態(tài)圈，即小核心層，分別以不同的意見領(lǐng)袖為核心。小幔層是指圍繞不同意見領(lǐng)袖形成的活躍度和交互度相對較低的參與者形成的生態(tài)圈。小殼體層是指圍繞不同意見領(lǐng)袖形成的活躍度和交互度極低的參與者形成的生態(tài)圈。

3.3 內(nèi)容維度：短視頻知識動員內(nèi)容分析

3.3.1 短視頻知識動員主題分析

對特定話題（健身）短視頻的評論內(nèi)容進行文本分析，剔除無關(guān)信息（短視頻標題、發(fā)布者ID、贊同數(shù)目、評論數(shù)目、評論時間、評論贊同數(shù)），僅導入評論內(nèi)容及回復內(nèi)容兩項文本數(shù)據(jù)，提取其中高頻詞，如圖6所示。話題的關(guān)鍵詞主要集中在“運動”“熱量”“食譜”“減脂”“跑步”“動作”“消耗脂肪”等方面，而這些關(guān)鍵詞也正是該話題短視頻的主體知識價值。健身短視頻是否含有以上因素或相應知識信息會影響用戶參與知識動員的意愿，是用戶實施或開展知識動員時最關(guān)注的問題。

3.3.2 基于扎根理論的質(zhì)性研究內(nèi)容分析

本研究選取Maxqda12軟件進行質(zhì)性分析，主要原因有以下兩方面：一是其具有強大的編碼功能，可以直接在軟件中生成理論關(guān)聯(lián)，無需手動計算Pearson相關(guān)系數(shù)和建立理論關(guān)聯(lián)。二是該軟件可創(chuàng)建各數(shù)據(jù)間的關(guān)系和矩陣數(shù)據(jù)，并可在矩陣瀏覽器功能下直接瀏覽和加工數(shù)據(jù)信息，操作便捷，數(shù)據(jù)呈現(xiàn)更為直觀。

（1）數(shù)據(jù)編碼

將數(shù)據(jù)導入Maxqda12軟件中，采用文本挖掘的方法對文本的關(guān)鍵因素進行提取，在分析資料基礎(chǔ)上，根據(jù)扎根理論使用Maxqda12軟件對評論資料進行仔細編碼與分析。首先，從收集到的400多條數(shù)據(jù)中，選取485個參考點，即初級編碼（自由節(jié)點）;然后，將這些自由節(jié)點整合歸納到19個樹節(jié)點中;最后，提煉概括出短視頻領(lǐng)域中知識動員的7個主要因素，即知識精益內(nèi)涵、知識開放式創(chuàng)新、知識個性化推薦、媒介知識情懷、知識認知強化、知識體驗感知、知識多元協(xié)同，如圖7所示。

（2）代碼矩陣分析

選擇軟件中“可視化工具”，啟用“代碼矩陣瀏覽器”功能，對樹狀節(jié)點進行可視化分析。對矩陣進行設(shè)置，選取要分析的7個主要節(jié)點，分析結(jié)果如圖8所示?？梢钥闯?，“體驗反饋”對應的數(shù)據(jù)顏色最鮮艷，說明其所包含的自由節(jié)點最多，其權(quán)重也最高，對應的編碼數(shù)量為56，這表明在短視頻領(lǐng)域的知識動員過程中，體驗反饋是用戶最關(guān)注的內(nèi)容，也是知識動員參與者間討論交互頻次最高、涉及相關(guān)話題知識最廣的一項關(guān)鍵因素。同理，涉及“經(jīng)驗交流”“情感認同”內(nèi)容的評論，也是知識動員參與者關(guān)注的焦點。

（3）子代碼的統(tǒng)計數(shù)據(jù)

表2所示短視頻領(lǐng)域中知識動員編碼表，涉及初級編碼、次級編碼和高級編碼。由于代碼較多，為直觀查看主要維度，需要對子代碼進行統(tǒng)計，創(chuàng)建統(tǒng)計圖表。將次級代碼和高級代碼導入“子代碼統(tǒng)計數(shù)據(jù)”功能進行分析，得到高級編碼的數(shù)據(jù)統(tǒng)計表，這7個高級編碼分別為：知識多元協(xié)同、知識體驗感知、知識認知強化、媒介知識情懷、知識個性化推薦、知識開放式創(chuàng)新和知識精益內(nèi)涵。

由于圖表較多，本研究選取“知識多元協(xié)同子代碼統(tǒng)計數(shù)據(jù)”作為代表進行展示（如圖10所示）。用軟件自帶圖片轉(zhuǎn)換功能將統(tǒng)計數(shù)據(jù)轉(zhuǎn)換為可視化統(tǒng)計圖（如圖9所示），圖例是經(jīng)過加工處理的可視化數(shù)據(jù)餅狀圖。

3.4 內(nèi)容維度的理論關(guān)聯(lián)

由圖10短視頻領(lǐng)域中知識動員代碼變量圖所展示的數(shù)據(jù)統(tǒng)計可知，短視頻領(lǐng)域中知識動員分為3層。位于最內(nèi)層核心位置的是理論名稱;處于中間層是短視頻領(lǐng)域中影響知識動員的7個關(guān)鍵因素，即知識精益內(nèi)涵、知識開放式創(chuàng)新、知識個性化推薦、媒介知識情懷、知識認知強化、知識體驗感知和知識多元協(xié)同;最外層是對應中間層所呈現(xiàn)的每個次級編碼的細化分類。

通過分析挖掘，得出短視頻領(lǐng)域中知識動員的理論關(guān)聯(lián)，如圖11所示。核心層與中間層間連接橋梁上的數(shù)字代表短視頻領(lǐng)域中知識動員與7個主要因素間的相關(guān)系數(shù)，相關(guān)系數(shù)的絕對值越大，相關(guān)性越強。一般情況下，相關(guān)強度取值標準如下：系數(shù)在0.8（包含0.8）至1之間為極強相關(guān)，在0.6（包含0.6）至0.8之間為強相關(guān)，在0.4（包含0.4）至0.6之間為中等程度相關(guān)，在0.2（包含0.2）至0.4之間為弱相關(guān)，在0.2以下為無關(guān)[21]。依據(jù)上述標準可以看出，知識多元協(xié)同為極強相關(guān)，知識個性化推薦、媒介知識情懷、知識體驗感知為強相關(guān)性，而知識精益內(nèi)涵、知識開放式創(chuàng)新、知識認知強化的相關(guān)性為中等水平。此外，中間層與最外層連線上的百分數(shù)為細分后的因素對7個主要因素的構(gòu)成占比，百分比越大，說明其權(quán)重越大，在理論關(guān)聯(lián)構(gòu)建過程中越重要，越需要重點關(guān)注。如在知識多元協(xié)同方面，知識需求是影響短視頻領(lǐng)域中知識動員的主要影響因素;在知識體驗感知方面，經(jīng)驗交流是影響短視頻領(lǐng)域中知識動員的主要影響因素。以此類推，可以得出在7個主要因素中的知識需求、經(jīng)驗交流、知識體驗、知識質(zhì)量、知識原創(chuàng)、體驗反饋、情感認同等因素為影響知識動員的重要細分因素。

4 結(jié) 論

依據(jù)扎根思想，即扎根于實際研究、資料、數(shù)據(jù)、田野之中，不是空想或臆想，從實踐中形成的研究思維、研究意識及思想等，從而探索數(shù)據(jù)及現(xiàn)象背后的規(guī)律、理論。本研究扎根于現(xiàn)實知識動員實踐社區(qū)，扎根于短視頻及其評論的資料中，對數(shù)據(jù)的多維屬性進行數(shù)據(jù)畫像，探索其背后的知識動員模型。依據(jù)數(shù)據(jù)畫像的探索得出如下結(jié)論：

（1）移動技術(shù)賦能空間：技術(shù)賦能是通過應用新興移動信息技術(shù)，形成具有鮮明時效性，且不受時空限制的路徑，激發(fā)和強化知識需求者的能力[22]。移動技術(shù)賦能在連接參與者、連接數(shù)字內(nèi)容、連接知識、連接服務(wù)的平臺上，進一步形成更

適合未來發(fā)展趨勢的社交、內(nèi)容、知識服務(wù)與技術(shù)的融合。移動技術(shù)賦能強調(diào)技術(shù)本身的設(shè)計、技術(shù)與人的互動，從而形成差序格局鮮明的網(wǎng)絡(luò)社區(qū)態(tài)勢。移動技術(shù)在賦能過程中發(fā)揮如下作用：①知識庫的接口，保障眾多知識具有實效性和綜合性;②知識橋梁與連接器;③知識個性化推薦：從共性式群體互動到個性化的定制互動;④媒介知識情懷：技術(shù)媒介理性與知識價值融合形成媒介知識情懷;⑤技術(shù)賦能能力：技術(shù)輻射力和影響力的合力形成賦能能力。技術(shù)因素帶來的價值正向影響用戶的行為。移動技術(shù)賦能使知識動員社區(qū)參與者能夠在不確定情況下通過有效途徑獲取到正確的或者需要的知識。移動技術(shù)賦能使知識動員社區(qū)去中心化變?yōu)榭赡?，去中心化會形成知識動員的內(nèi)在動機。在面對不確定的知識動員情境下，移動技術(shù)增強了賦能的敏捷性和適應性。移動技術(shù)使得獲得知識的人能夠超越時空限制擁有相應的知識和視野，并在此基礎(chǔ)上依據(jù)獲取的知識采取明智的行動。由于移動技術(shù)是不斷升級和迭代的，技術(shù)的更新推動賦能的實施，所以也可以稱為技術(shù)流賦能。

（2）非對稱協(xié)同空間，即局部協(xié)同的長期性和全景協(xié)同的不確定性。非對稱協(xié)同是由知識不對稱效應所導致。知識生產(chǎn)者和知識需求者之間存在知識不對稱效應，知識不對稱效應使得知識在知識主體與知識客體之間形成分布不均衡現(xiàn)象，從而形成知識差。知識差的形成推動了知識多元協(xié)同。通過分析發(fā)現(xiàn)，在知識不對稱和知識動員之間存在非對稱協(xié)同機制，即局部協(xié)同的長期性和全景協(xié)同的不確定性。局部協(xié)同的長期性是指在例如在核心層，各參與者之間存在非線性的相互作用，從而產(chǎn)生協(xié)同效應，使得核心層由混沌走向有序、自組織乃至自適應。局部協(xié)同滿足了需求者的動態(tài)知識需求。全景協(xié)同的不確定性是由于知識需求者的個體特征及其意愿，使其具有個性化知識需求及知識過濾網(wǎng)，從而獲取個性化的知識，彼此之間會存在知識認知偏差，從而導致存在“核心—幔層—殼體層”3種身份屬性。全景協(xié)同的不確定性為知識動員帶來機遇與挑戰(zhàn)，需要在局部協(xié)同和全景協(xié)同之間找到平衡點，或者在“核心層—核心層不穩(wěn)定邊緣、幔層—幔層不穩(wěn)定邊緣、殼體層—殼體層不穩(wěn)定邊緣”找到最佳平衡點。

非對稱協(xié)同及不穩(wěn)定邊緣會形成內(nèi)生態(tài)協(xié)同與外生態(tài)賦能。外生態(tài)賦能是短視頻知識互動的實踐過程，在網(wǎng)絡(luò)社區(qū)中形成動態(tài)化的交互關(guān)系與開放性的形態(tài)。內(nèi)生態(tài)協(xié)同與外生態(tài)賦能是針對“核心生態(tài)圈—幔層生態(tài)圈—殼體生態(tài)圈”而言。相對于幔層而言，核心生態(tài)圈是內(nèi)生態(tài)協(xié)同，這一層面中各個參與者之間存在協(xié)調(diào)與合作的行為。參與者之間的交互、協(xié)調(diào)、協(xié)作形成拉動效應，帶動內(nèi)生態(tài)知識圈的形成，從而達到正向知識體驗感知和知識認知強化。相對于核心層而言，幔層生態(tài)圈是外生態(tài)。外生態(tài)與內(nèi)生態(tài)邊界及外生態(tài)認同缺乏穩(wěn)定對應關(guān)系。這種穩(wěn)定對應關(guān)系的缺乏會超越參與者個體或局部性交互，使得內(nèi)生態(tài)圈對外生態(tài)圈賦能，而外生態(tài)賦能一旦突破“生態(tài)邊界”，便融入更大的知識生態(tài)中。由于這種不對稱協(xié)同也是動態(tài)變化的，因此可以成為協(xié)同流賦能。