百度百科詞條生產效率的評價

王 娜，楊建梅，李志宏

(華南理工大學 工商管理學院，廣東 廣州 510640)

20世紀80年代以來，以開放源代碼軟件、百度百科、維基百科等優秀知識產品的生產為代表，出現了大眾生產這種嶄新的生產方式。大眾生產不斷地沖擊著現有的生產方式，并使社會和經濟發生了許多深刻的變化。

目前，對于大眾生產的研究已經成為了學術界的一個前沿。國內外對大眾生產的研究主要集中在相關概念的制定及內涵[1]，大眾生產的組織結構[2]、主體特征[3]、產權制度[4]、參與動機[5]幾個定性的方面。定量研究旨在探索大眾生產的規律，比如奉獻者的貢獻呈現冪律分布[6]，封閉環境與開放環境下大眾生產系統的智能體數量變化及系統的穩定情況等[7]。而有關評價大眾生產系統效率的研究相對較少，利用DEA對百度百科的詞條效率進行直接研究的論文幾乎沒有。

本文探討了評價百度百科詞條效率的輸入和輸出指標，收集了百度百科“管理理論”分類中的164個詞條的相關數據，并利用DEA方法分析了相關詞條的效率，這也是對一個人類活動系統的績效的評價[8]。

一、DEA效率評價方法的應用

由于DEA方法不需要預先估算參數，使得該方法的實踐范圍極其廣泛，尤其是在數理統計方法無法適用的情況下更能顯現出其顯著優勢。DEA方法主要在三大領域得到廣泛的應用： 生產函數與技術進步研究、系統預測與預警研究和經濟系統的效率評價研究[9]。

經濟系統的效率研究評價。在銀行效率研究方面，Aly，Grabowski，Pasurka，Ranga首次應用DEA方法對美國322家銀行進行了技術效率、規模效率和配置效率的分析[10]。Wang，Huang，Lai等人以2004年中國的4家國有商業銀行和12家私有商業銀行為研究對象，選定資本金、資產為輸入指標，凈收益、ROA、ROE為輸出指標進行分析[11]。在企業效率和成本收益方面，Chandra利用DEA的CCR模型對加拿大29家紡織公司進行了效率分析[12]； Friedman和Stein應用相關性分析、DEA值的方差分析和交叉效率分析3種不同的分析方法，對以色列72家工業企業的效率進行了排序，并驗證了DEA方法的適用性[13]。在工業企業的經濟效益和管理效率評價方面，1990年魏權齡等應用DEA方法對中國紡織工業系統內的177個大、中型棉紡織企業進行了經濟效益評價[14]。譚志國應用DEA評價模型，對我國主要制造企業的總體效率、純技術效率和規模效率進行了測算，分析規模收益狀況，并對非DEA有效的評價單元進行投影分析及投入產出值的調整，進而分析了企業經營效率與資源配置效率之間的關系[15]。另外，DEA方法在學校、圖書館、醫院等公共事業單位、各種軟科學、基礎設施投資、投資績效評價以及運營績效分析及評價等方面都有廣泛的應用。

二、 DEA效率評價模型[8]，[14]

以下是魏權齡等介紹的DEA效率評價模型。

(一)規模收益不變的CCR模型

CCR模型是DEA方法最基本的模型。假設有n個決策單元，每個決策單元都有m種類型的“輸入”，以及s種類型的“輸出”，分別表示該決策單元“消耗的資源”和“活動的成效”。各決策單元的輸入數據和輸出數據分別由xij和yij表示。xij為第j個決策單元對第i種類型輸入的投入量；yrj為第j個決策單元對第r種類型輸出的產出量；vi為對第i種類型輸入的度量權數；ur為第r種類型輸出的度量權數； 而且xij>0,yrj>0;vi≥0,ur≥0;i=1, 2, …,m；r=1, 2, …,s；j=1, 2, …,n(xij,yrj均為已知的數據，可以根據歷史資料或預測得到，vi及ur為“權”變量)。

記Xj=(x1j,x2j，…,xmj)T，Yj=(y1j，y2j，…xsj)T，j=1, 2, …,n，則可用(Xj,Yj)表示第j個決策單元DMUj，對應的權系數V=(v1,v2, …vm)T，U=(u1,u2, …us)T，每個決策單元都有相應的效率評價指數：

通過適當的選取權系數v和u，使其滿足0≤hj≤1,j=1, 2, …,n。現在對第j0個決策單元進行效率評價，記為DMUj0。在各決策單元的效率評價指標均不超過1的條件下，選擇權系數u及v，使h0最大，于是構成如下分式規劃的最優化模型：

利用Charnes-Cooper變換，可以將它化為一個等價的線性規劃問題：

minθ=Vp1

根據線性規劃的對偶理論，可將上述線性規劃(p1)轉化為對偶規劃解決問題(加入松弛變量s+,s-以后)：

minθ=VD1

該對偶模型(D1)即為常用的CCR模型。

(二)規模收益可變的BCC模型

此時，生產可能集T變為：

通過增加該凸性假設，使得對評價單元的評價由同時評價規模有效性和技術有效性轉化為單純評價技術有效性，在生產可能集TBCC的BCC模型為：

minθ=VD2

其對偶模型為

三、百度百科詞條效率的評價

(一) 百度百科概況

2006年4月20日，百度正式發布百度百科，這是一個全民參與“生產”的在線百科全書。2008年4月21日，百度推出其正式版。百度百科的全部內容對所有互聯網訪問用戶開放瀏覽。詞條的創建和編輯只能由注冊并登錄百度網站的百度用戶(生產者)參與，生產者不可匿名編寫詞條。原則上，除因嚴重違反百科協議而被封禁的用戶外，其他百度 用戶享有平等編寫詞條的權利。按照百度百科的官方解釋： 精神上，百度百科主張的是“平等、協作、分享”； 技術上，百度百科與百度貼吧、百度知道構成三位一體的知識分享系統，并且相互結合以補充百度搜索引擎。

截至2012年2月15日為止，百度百科上共收錄4454209個詞條，共12大類，96個小類。擁有145名核心生產者(編寫至少10個高質量和5個優質版本)組成的百科蝌蚪團。百度百科擁有一批愛知識，有能力，并有志于將全球最大的中文百科全書建設得更加宏偉的優質成員。109名分類管理員負責百度百科詞條的日常管理與發展建設。

(二) 輸入輸出指標的選擇

按路徑“百度百科-經濟-管理-管理理論”，本文以“管理理論”分類中的164個詞條為決策單元(刪去明顯不是管理理論范疇的三個詞條)，來分析百度百科詞條的生產效率。“管理理論”分類可以看成一個人類活動系統。

參照國內外文獻，遵照指標選擇的目的性、全面性、可行性、精簡性、代表性原則，以及百度百科的特點，本文選取了詞條編輯次數(次)、詞條字數(個)作為輸入指標，詞條瀏覽數(次)、“本詞條對我有幫助”數(個)作為輸出指標。其中，詞條的編輯次數能夠反映出生產的活躍度，是詞條投入的重要衡量數據； 詞條字數代表了生產者投入的精力。詞條的瀏覽數是詞條的吸引力的體現，而“本詞條對我有幫助”數則是詞條有用性的體現。上述輸入和輸出指標，在百度百科官方網站上都有顯示，我們收集了截至2012年2月15日的數據作為分析數據。

(三)計算結果與結果分析

利用DEAP2.1軟件，分別應用DEA投入導向的CCR模型和BCC模型計算出技術效率、純技術效率和規模效率。

164個詞條的技術效率平均值為0.227(標準差0.186)，純技術效率平均值為0.466(標準差0.269)，規模效率平均值為0.536(標準差0.265)。表1是技術效率大于50%的十個詞條以及與“復雜科學”相關的四個詞條的計算結果。

表1 詞條效率

1. 技術效率分析

技術效率(TE)可以判斷被評價單元是否存在資源浪費。若評價單元的TE<1，則說明被評價單元存在投入資源浪費，且浪費的比例為1-TE。

由于所有詞條的技術效率平均值為0.227，意味著百度百科“管理理論”分類中，所有的投入中存在77.3%的資源浪費情況，即77.3%的投入不能有效地形成知識產品的產出。另外，本文選取的164個詞條中，達到技術有效的僅3個，比例為1.83%，分別是詞條“5W2H分析法”、“頭腦風暴法”和“米爾格倫實驗”，其余均為技術無效。所以，百度百科中“管理理論“分類中詞條的技術效率并不高，而且各個詞條的技術效率參差不齊，標準差為0.186。

出現這種狀況的原因在于百度百科采取大眾生產的模式，大量生產者自由自主、獨立地進行詞條的編輯，而生產者的水平是參差不齊的，所以難免出現高投入、低產出、高消耗、低效率以及詞條編輯效率不同的問題。

2. 純技術效率分析

純技術效率(PTE)剝離了規模因素的影響，反映了評價單元在不考慮規模效益的情況下，有多少比例的資源浪費是因為未達生產函數的前沿面造成的。

從純技術效率水平來看，“管理理論”分類各個詞條的異質性在0.148-1.000之間浮動，標準差為0.269，大于技術效率的異質性。另外所有詞條的純技術效率平均值為0.466，說明“管理理論”分類詞條因為純技術無效而浪費的投入資源占到53.4%。164個詞條的純技術效率有效(PTE=1)的比例為14.02%，邊緣無效率(0.9

3. 規模效率分析

規模效率用來衡量決策單元的投入規模是否合理，是否處于最優生產規模上。164個詞條的規模效率平均值為0.536，與純技術與技術效率相比，水平較高，但是規模有效的詞條的比例僅為1.83%，又低于純技術效率的比例(14.02%)。

4. 投入冗余分析

通過投入冗余分析，能夠進一步找到DEA無效單元的改進方向，進而給出各個無效評價單元達到有效的調整值。表2是DMU64“復雜科學管理”詞條的純技術效率的投入冗余分析。

表2 DMU64的純技術效率值及其投影

決策單元在DEA有效前沿面上的投影點為：

x1=978.31,x2=1.174,y1=4754.000,y2=38.000

表明該決策單元要達到DEA有效，投入上應該減少詞條字數4021.683個，減少編輯次數4.862次。其余各個評價單元均可參考該單元進行，總體來說，“管理理論”分類中的詞條普遍存在投入冗余。

四、結論及建議

本文應用DEA方法對百度百科“管理理論”分類的詞條效率進行了評價。通過選擇評價指標、效率分析、投入冗余分析，得出了百度百科“管理理論”分類中的詞條的技術效率、純技術效率以及規模效率都比較低，投入資源過多等結論，并認為這些特點是百度百科的大眾生產特性所決定的。

為了提高百度百科詞條的效率，在產出不變的條件下，要減少對詞條的投入。即減少詞條的編輯次數，減少詞條的字數，以減少輸入資源的浪費。也就是要在保證詞條質量的前提下，保證能夠用最少的時間、最精簡的語言描述出詞條最全面的意義。而要做到這一點，就要適當提高詞條編輯的門檻，如實行只有在達到某一等級要求后才能編輯等措施，以減少無效的編輯次數。另外，也可采取競爭機制進行管理員的選拔，以選擇出最負責、最熟悉的生產者作為各類詞條的管理員等。

另一方面，提高百度百科詞條的效率，不能只“節流”，還要“開源”。提高詞條的瀏覽次數，歸根結底，是要增大百度百科對用戶的吸引力； 提高“本詞條對我有幫助” 數，就是要激勵用戶對詞條的質量進行評價。對于百度百科的吸引力，可以通過加強宣傳，提升百度百科的知名度； 完善百度百科的功能，提高易用性； 提升百度百科詞條的數量和質量等方法，吸引更多的用戶參與到百度百科的瀏覽、編輯、完善中。對于用戶對詞條的質量評價，可以通過增加積分，提升等級等措施來激勵用戶。

我們認為從“管理理論”詞條的效率分析，可以推出百度百科存在著普遍的投入資源浪費問題，這雖是大眾生產的特點，但是也有改進的余地。不過基于一個分類詞條評價結論的推測，還需要進一步的實際驗證。

參考文獻：

[1] Yochai Benkler. Coase's penguin，or Linux and the nature of the firm[J]. Yale law journal，2002，112(3)： 369-446.

[2] Ori Brafman，Rod A. Beckstrom. The starfish and the spider： The unstoppable power of leaderless organizations[M]. New York： Portfolio，2006.

[3] Chades Leadbeater，Paul Miller. The Pro-Am revolution： How enthusiasts are changing our society and economy[M]. London： Demos，2004.

[4] Michel Bauwens. The political economy of peer production[J]. Post-autistic economics review，2006，37： 33-44.

[5] 常靜，楊建梅. 百度百科用戶參與行為與參與動機關系的實證研究[J]. 科學學研究，2009(8)： 1213-1219.

[6] D. M. Wilkinson. Strong regularities in online peer production[C]. In Proc. 9th ACM Conf. on Electronic Commerce (EC)，2008.

[7] 姚燦中，楊建梅. 基于多智能體的大眾生產系統穩定性研究[J]. 計算機工程，2011，37(3)： 13-15.

[8] 楊建梅. 人類活動系統的復雜性與管理[J]. 華南理工大學學報社科版，2011，13(4):

[9] 袁群. 數據包絡分析法應用研究綜述[J]. 經濟研究導刊，2009，57(19)： 201-203.

[10] Aly，Grabowski，Pasurka，Rangan，Technical scale and allocative efficiencies in US banking： An empirical investigation[J]. Review of Economics and Statistics，1953，(2)： 211-218.

[11] Wang，Huang，Lai，Measuring the relative efficiency of commercial banks： A comparative study on different ownership modes in China，Journal of American Academy of Business[J]. 2005，7(2)： 219-223.

[12] Chandra，Cooper，Shangling，Rahman，Using DEA to evaluate 29 Canadian textile companies considering returns to scale，International Journal of Production Economics[J]. 2000，54： 129-141.

[13] Friedman，Stern，Combining ranking scales and selecting variables in the DEA context： The case of industrial branches，Computers Operations Research[J]. 2001，25(9)： 781-791.

[14] 魏權齡. 數據包絡分析[M]. 北京： 科學出版社，2006.

[15] 譚國志. 基于DEA的汽車工業企業投資有效的分析[J]. 工業工程與管理，2004，9(6)： 107-112.