基于社會化媒體數據的學術社區知識共享行為影響因素研究

許林玉 楊建林

摘 要：[目的/意義]通過對知識共享影響因素的分析，學術虛擬社區平臺可以有針對性地提升老用戶活躍度與留存率，在此基礎上進一步吸引新用戶。[方法/過程]本文以“經管之家（原人大經濟論壇）”為研究平臺，使用Python語言抓取該平臺下40 000條有效用戶數據，構建學術虛擬社區知識共享行為影響因素的研究框架，并采用更為科學合理的分位數回歸對研究模型進行驗證。[結果/結論]研究結果表明：用戶訪問量、論壇幣、活躍度以及好友數量對知識共享數量有正向的顯著影響，而是否郵箱認證、論壇幣、活躍度以及好友數量對知識共享質量具有顯著的正向影響。學術虛擬社區管理者通過強化這些顯著正向因素對社區平臺的可持續發展具有重要意義。

關鍵詞：學術虛擬社區;知識共享行為;社會化媒體數據;影響因素

DOI：10.3969/j.issn.1008-0821.2019.07.007

〔中圖分類號〕G302 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）07-0056-10

Abstract：[Purpose/Meaning]By the analysis of influencing factors of knowledge sharing behavior，academic virtual community can specifically improve the activity and retention rate of old users and further attract new users.[Method/Process]Based on the research platform of“Jingguanzhijia（formerly known as BBS of NPC economy）”，this paper used python language to capture 40000 pieces of valid user data under the platform，constructed a research framework of influencing factors of knowledge sharing behavior in academic virtual community，and used more scientific and reasonable quantile regression to verify the research model.[Result/Conclusion]The research results showed that user visited，BBS currency，activity and number of friends had a significant positive impact on the number of knowledge sharing，while whether email authentication，BBS currency，activity and number of friends had a significant positive impact on the quality of knowledge sharing.It is significant for academic virtual community managers to strengthen that sustainable development of community platform by strengthening these significant positive factors.

Key words：academic virtual community;knowledge sharing behavior;social media data;influence factors

學術虛擬社區作為傳統學術交流活動的補充，已經成為人們共享知識和交流學術的重要平臺。近些年，“科學網”、“小木蟲”、“經管之家（原人大經濟論壇）”等學術虛擬社區蓬勃發展，學術虛擬社區是指以互聯網為平臺，以特定的專業主題為交流內容，在分享專業性問題中形成的虛擬社區[1]，因而社區內的知識共享行為是學術虛擬社區發展的源動力，決定著虛擬社區的價值水平和可持續發展。

雖然學術虛擬社區為用戶知識共享提供了有效的平臺，但是社區平臺并不能保證知識共享一定發生，其知識共享歸根結底依賴社區成員的知識貢獻，因而探究學術虛擬社區用戶知識共享的客觀影響因素顯得尤為重要。目前學者研究虛擬社區知識共享行為影響因素的理論基礎較多，如社會認知理論、社會交換理論、技術接受模型等，但是本文認為社會資本理論下的指標能更好地表述用戶的客觀行為，對學術虛擬社區知識共享行為有更好的解釋能力，故而本文用社會資本理論來研究學術虛擬社區知識共享行為。

目前大部分的研究者收集學術虛擬社區的用戶數據多為在線或者線下問卷調查的方式，這種方式獲取的數據一方面數據量較小，另一方面問卷調查的量表設計以及用戶填寫問卷都具有一定的主觀性，無法保證結果的客觀性及科學性。在研究方法上，傳統的虛擬社區知識共享模型的回歸模型是多元線性回歸（OLS）[2-3]，然而一般學術虛擬社區用戶的知識共享行為是呈偏態的，符合冪律分布，這種數據若用多元線性的均值回歸，會忽略極端值，難以反映數據的真實信息。因而，本文以學術虛擬社區知識共享行為影響因素為研究主題，以社會資本理論為理論依據，以經管之家的客觀用戶數據為支撐，用分位數回歸方法深入探究學術虛擬社區知識共享行為的運作機理及影響因素，對促進虛擬社區的可持續發展具有重要理論與實踐意義。

1 研究綜述

1.1 學術虛擬社區中的知識共享研究現狀

學術虛擬社區作為傳統學術交流模式的補充和發展，已經成為科研工作者交流與分享知識的重要平臺。目前已有研究者基于不同的視角對知識共享意愿及行為展開研究，如徐美鳳以學術社區作為研究對象，以收集的173份有效問卷結果為數據支撐，對不同學科學術社區知識共享行為影響因素進行對比分析[4];徐美鳳等以“丁香園”“小木蟲”等為調查對象，以658份自填式有效問卷為數據支撐，從知識共享主體間相互影響的視角研究學術社區知識共享的影響因素[1];陳明紅等以科學網用戶為調查對象，以網絡調查的253份有效問卷為數據支撐，從社會資本視角研究學術虛擬社區知識共享行為[5];陳明紅等以科學網用戶為調查對象，以網絡獲取的370份有效問卷為數據支撐，從社會資本理論和技術接受模型、社會心理學的啟發式—系統式模型等視角，研究學術虛擬社區持續知識共享意愿[2，6];沈惠敏等研究虛擬學術社區知識共享中的共生互利框架[7]等。

1.2 社會資本下的知識共享研究現狀

社會資本理論的核心是人與人之間的社會關系，也是一種生產資源[8]。目前對于社會資本維度的主流觀點是Nahapiet J等的劃分標準，他們將社會資本分為結構維度、關系維度以及認知維度這3個層面[9]。本文參考Chiu C M等[10]、陳明紅[2]觀點：結構維度主要表現為社會交互聯結，關系維度主要表現為信任、互惠和身份認同，認知維度主要表現為共同愿景和共同語言。

國內外基于社會資本下的知識共享影響因素開展大量研究，如Chiu C M等的研究證實社會聯結、互惠以及認同對虛擬社區知識共享數量具有顯著的正向影響，而信任、共享語言與共享愿景對知識共享質量有顯著的正向影響[10]。Lu Y等研究證實結構資本對信息交換數量有顯著正向影響，但關系資本和認知資本對信息交換質量有顯著的正向影響，信任、互惠、共享語言和共享愿景對信息質量均有顯著的正向影響[11];國內學者陳明紅等的研究認為社會資本對學術虛擬社區知識共享效果具有很好的解釋力，其中，結構資本對學術虛擬社區知識共享數量具有顯著的正向影響;關系資本和認知資本分別對學術虛擬社區知識共享質量和數量具有顯著的正向影響[5];包鳳耐等認為關系資本與認知資本對知識共享行為均產生顯著的積極影響，而結構資本對知識共享行為的影響不顯著[12];趙大麗等研究表明知識共享態度顯著地影響知識共享意愿，結構資本、關系資本和認知資本都會對微信朋友圈用戶知識共享態度產生影響，其中，關系資本的影響作用最大[13]。

目前學者對于學術虛擬社區知識共享意愿和行為影響因素的研究較多，但是絕大部分的研究者收集的學術虛擬社區用戶數據大都為在線或者線下問卷調查的方式，這種方式獲取的數據一方面數據量較小，無法保證樣本的隨機性和全面性;另一方面問卷調查的量表設計以及用戶填寫問卷都具有一定的主觀性，只能在一定程度上反映用戶的主觀意愿，無法反映用戶的客觀知識共享行為。只有少部分研究者通過爬取用戶的客觀數據進行研究，但是他們的研究對象多為虛擬問答社區，且趨向于預測性的研究，如王偉等以問答社區“知乎”為研究對象，采用數據挖掘、機器學習以及支持向量機等方法構建模型，以便全面地預測問答社區的答案質量[14];袁毅等以問答社區“百度知道”為研究對象，利用相關性以及回歸分析等方法，分析用戶生成資源的行為，以期提高社區資源質量[3]。因而本文采用Python語言，爬取“經管之家（原人大經濟論壇）”40 000條有效用戶客戶客觀數據，來探究學術虛擬社區的知識共享行為的影響因素，以期對現有研究做必要補充，具有一定的理論探索與實踐意義。

2 研究假設與模型構建

學術虛擬社區的成功離不開社區成員的積極參與和知識貢獻，然而學術虛擬社區有別于傳統學術組織，其沒有具體的獎懲機制、企業文化等來加強成員之間的聯結和信任等，而社會資本理論能使虛擬社區知識共享行為得到更加符合邏輯性的解釋與促進，進而有針對性地培養了用戶進行知識共享行為的意愿和主動性，且社會資本理論的結構、關系以及認知三維度能較好地契合學術虛擬社區平臺的相關指標，故而本文繼續采用社會資本理論來解釋虛擬社區知識共享行為。

2.1 研究假設

2.1.1 知識共享的數量和質量

知識共享行為表現為知識共享數量和知識共享質量兩個方面，知識共享數量主要指學術虛擬社區用戶發帖數和回帖數總和，因而本文的知識共享數量用發帖數及回帖數總和表征;知識共享質量是指網絡社區中用戶共享信息的價值或有用性[15]，Wang G等提出除了少部分名人之外，大多數的用戶都是通過提供高質量的答案來吸引關注的，并用Quora平臺的數據驗證了該假設[16]，因而本文用粉絲數量與關注數量總和來表征知識共享質量。

2.1.2 結構型社會資本對用戶知識共享行為的影響因素

結構維度主要指社會系統的成員之間聯結的結構模式，它的核心要素是虛擬社區成員之間的社會交互聯結，成員通過社會交互聯結可以獲得他人的知識和其他資源[9]。Chiu C M等認為社會互動聯結是指虛擬社區成員之間的關系強度、花費的時間和交流頻率，與流量相關[10]。在學術虛擬社區中，知識共享的雙方以訪問空間等形式來獲取他人的知識和資源，是一種社會交互聯結，因而本文選擇用戶訪問量來表征結構型社會資本?；诖?，本文提出如下假設：

H1a：用戶訪問量對知識共享數量具有顯著的正向影響。

H1b：用戶訪問量對知識共享質量具有顯著的正向影響。

2.1.3 關系型社會資本對用戶知識共享行為的影響因素

關系型社會資本是指社會網絡中行為主體的人際關系指標，其中主要包括信任、互惠和身份認同這3個方面[10]。信任被認為是關系型社會資本最核心的要素，Nahapiet J等認為，當雙方存在信任時，更愿意進行合作互動[9];Blau P M認為信任創造并維持交換關系，而交換關系反過來又可能導致用戶分享高質量的知識[17]。Wu J等在研究短期租賃平臺時，通過實證分析得出房東是否實名認證和是否開通個人主頁會顯著影響租賃者對房東的信任，進而影響房東房屋的預定量[18]。本文基于以上研究認為信任主要體現在用戶是否愿意在學術虛擬社區公開自己的真實信息。因此可將用戶是否愿意實名認證作為衡量信任的指標，因為經管之家沒有提供實名認證的功能，只提供了郵箱認證的功能，認證真實的郵箱地址也是實名認證的一種形式，因而本文用是否認證郵箱地址來表征信任;互惠是關系型社會資本又一重要指標，反映了虛擬社區成員之間因相互利益關系而產生的行為[19]，Chiu C M等認為互惠是指知識交流是相互的，被雙方認為是公平的[10]。在學術虛擬社區中，互惠性主要表現為用戶衡量其付出與收獲是否匹配，因為付出的時間和精力與獲得的知識無法衡量，因此本文用一個可衡量的指標論壇幣表征互惠;Chiu C M等認為身份認同是指個體在虛擬社區的歸屬感和正面感，社區的團結和歸屬感會提升用戶分享知識的積極性，進而增加知識分享的深度和廣度[10]。本文采用用戶的活躍度來表征身份認同，即用戶越活躍，對該學術虛擬社區的認同度越高，用戶的活躍度為用戶的注冊時間、最近登陸時間以及在線時間來計算。

活躍度=在線時間最后登錄時間-注冊時間

基于以上內容，本文提出如下假設：

H2a：是否郵箱認證對知識共享數量具有顯著的正向影響。

H2b：是否郵箱認證對知識共享質量具有顯著的正向影響。

H3a：論壇幣對知識共享數量具有顯著的正向影響。

H3b：論壇幣對知識共享質量具有顯著的正向影響。

H4a：活躍度對知識共享數量具有顯著的正向影響。

H4b：活躍度對知識共享質量具有顯著的正向影響。

2.1.4 認知型社會資本對用戶知識共享行為的影響因素

一般而言，認知維度最關鍵的指標為共享愿景和共享語言[9]，Ghoshal T S指出，共同的愿景是指組織成員間擁有的共同目標和愿望，擁有共同愿景的組織成員更有可能共享知識及交換資源[20]。經管之家提供添加好友功能將具有共同價值觀及共同愿景的用戶聯系在一起，因而本文用好友數量來表征共同愿景;一般而言，加入學術虛擬社區的用戶具備一定的專業知識，因而存在共享語言，因而本文認為共享語言可以通過社會資本的其它指標來體現。因此，在認知型社會資本維度，本文提出如下假設：

H5a：好友數量對知識共享數量具有顯著的正向影響。

H5b：好友數量對知識共享質量具有顯著的正向影響。

2.2 模型構建

基于上述理論分析與研究假設，本文構建了以社會資本理論為支撐的學術虛擬社區知識共享行為影響因素模型，該模型中，選取學術虛擬社區知識共享數量和知識共享質量作為因變量，選取結構型社會資本（空間訪問量）、關系型社會資本（是否郵箱認證、論壇幣及活躍度）以及認知型社會資本（好友數量）作為自變量，并假定這些自變量與知識共享數量和知識共享質量存在顯著的正相關，如圖1所示。

3 數據收集與處理

本文以學術虛擬社區經管之家（原人大經濟論壇）為調查對象，采用Python語言抓取用戶的客觀行為數據。經管之家成立于2003年，目前已經發展成為國內頗具影響力的經濟、管理、金融、統計類的網絡社區。本文選取經管之家論壇下經濟學人、經濟學論壇、工商管理論壇、計量經濟學與統計論壇、金融投資論壇、會計與財務管理論壇以及世界經濟與國際貿易等7個學術型功能區，利用python語言抓取每個功能區話題下的用戶信息，抓取的用戶信息主要為：用戶名、UID、性別、回帖數、發帖數、粉絲、關注、空間訪問量、是否郵箱認證、論壇幣、好友數量、在線時間、注冊時間、最后登錄時間等信息。

3.1 數據描述性分析

到2018年11月截止，共抓取7個功能區下43 773條用戶數據，剔除重復以及缺失值較多的數據，共收集40 000條有效數據，其中大量數據的性別為保密指標，共25 777份，占總數的64.44%;其余數據中男性10 846份，占27.12%;女性3 377份，占8.44%，可見大部分用戶在注冊虛擬社區時，較為注重自己的私人信息。

本文運用Stata15對數據進行分析，首先對數據進行描述性分析，以便于對數據的情況有一個整體的了解，如表2：其中樣本量為40 000條，論壇幣、知識共享數量及空間訪問量等的標準差較大，且平均數與極值相差較大，可見這3個指標的分布較為離散，其中論壇幣的分布最為離散。由于數據之間的值相差較大，為了消除不同量綱對回歸結果的影響，本文對數據進行標準化處理，采取的標準化方法為Z-score標準化，又稱為標準差標準化，該標準化方法是使變量的平均數為0，標準差為1。

3.2 回歸分析

3.2.1 多元線性回歸（OLS）

1）異方差與多重共線性的檢驗

本文首先采用多元線性回歸（OLS）方法對數據進行分析驗證，但這種方法的有效性建立在變量無異方差及無多重共線性的基礎上，因而需要對變量進行異方差與多重共線性的檢驗。本文通過懷特檢驗的方法來檢驗變量是否存在異方差，懷特檢驗的原假設為：變量為同方差，本文通過分別對以知識共享數量及知識共享質量為因變量的模型進行懷特檢驗，兩個模型的P值都為0.0000（P=0.0000），可見該結論非常顯著地拒絕了同方差的原假設，因而以知識共享數量以及知識共享質量為因變量的模型都存在異方差，因而下文應分別采取穩健的標準差對數據進行多元線性回歸以消除異方差的影響。本文分別對以知識共享數量及知識共享質量為因變量的模型進行多重共線性檢驗，得出兩個回歸模型的VIF值都在1.00～1.05之間，遠遠小于合理值10，因而該回歸模型不存在多重共線性問題。

2）學術虛擬社區知識共享行為的多元線性回歸（OLS）分析

根據前文假設，將知識共享數量與知識共享質量分別作為因變量，空間訪問量、是否郵箱認證、論壇幣、活躍度以及好友數量作為自變量，因為上文已證明變量存在異方差，因而本文采用穩健的標準差進行多元線性回歸，以克服異方差的影響，回歸結果如表3：

由表3可看出，以知識共享數量為因變量的回歸模型的擬合優度為17.5%（R-squared=17.5%），模型的解釋能力較弱。在結構型社會資本維度，空間訪問量的P值為0.000，小于0.05，系數為正值，可見空間訪問量對知識共享數量具有顯著的正向影響，因此，假設H1a成立;從關系型社會資本維度，論壇幣以及活躍度的P值為0.000，小于0.05，系數為正值，可見這兩個變量對知識共享數量具有顯著的正向影響，故而假設H3a、H4a成立，但是否郵箱認證的P值大于0.05，因而是否郵箱認證對知識共享數量的影響不顯著，故而是否郵箱認證對知識共享數量產生顯著積極影響的假設（H2a）無法驗證;從認知型社會資本維度，好友數量的P值大于0.05，說明好友數量對知識共享數量的影響不顯著，故而好友數量對知識共享數量產生顯著正向影響的假設（H5a）無法驗證。

知識共享質量為因變量的回歸模型的擬合優度為10.15%（R-squared=10.15%），模型的解釋能力較弱。在結構型社會資本維度，空間訪問量的P值為0.007，小于0.05，且系數為正數，可見空間訪問量對知識共享質量具有顯著的正向影響，因此，假設H1b成立;從關系型社會資本維度，是否郵箱認證、論壇幣以及活躍度的P值為0.000，小于0.05，且系數都為正數，可見這3個變量對知識共享質量具有顯著的正向影響，因此，假設H2b、H3b以及H4b成立;從認知型社會資本維度，好友數量的P值大于0.05，說明好友數量對知識共享質量的影響不顯著，故而好友數量對知識共享質量產生積極影響的假設（H5b）無法驗證。

3.2.2 分位數回歸

1）對因變量知識共享數量與知識共享質量的分析

由圖2、圖3可得，因變量知識共享數量與知識共享質量都是呈偏態的，符合冪律分布，這與郭博等人的結論一致，他們經過實證得出知乎平臺的用戶行為在時間上服從冪律分布。即大部分用戶的關注數和粉絲數很少，而少量如明星用戶、領域專家、活躍用戶等擁有大量的粉絲群，具有較高的影響力和吸引度，在一定程度上能夠成為社區的話題

導向，影響知識的傳播方式等[21]。符合冪律分布的數據若用多元線性的均值回歸，會忽略極端值，難以反映數據的真實信息，故而本文采用分位數回歸方法進行改進。

2）分位數回歸

分位數回歸是由Koenker and Bassett于1978年提出，使用殘差絕對值的加權平均作為最小化的目標函數，故不易受極端值影響，較為穩健[22]。本文將分別以知識共享數量及知識共享質量為因變量，以空間訪問量、是否郵箱認證、論壇幣、活躍度以及好友數量為自變量，對用戶數據0.25、0.50、0.75以及0.90分位數點進行回歸比較，可得如表4：

由表4可看出，隨著分位數的增加，模型的解釋能力以及變量的顯著性都得到了顯著地增強。對于知識共享數量而言，分位點q從25～90的R2分別為3.01%、12.68%、27.21%、41.07%，從3.01%～41.07%，模型的解釋能力得到了進一步地增強;從表4可以看出，隨著分位數的增加，自變量的顯著性也得到了進一步地提高，系數也在逐步增加，如在0.25分位點上，變量空間訪問量與好友數量都未通過顯著性檢驗，而在0.75時，所有自變量都通過了顯著性檢驗，可見分位數越高，用戶越熱衷于知識共享，社會資本對知識共享數量促進作用越顯著。在0.75分位點上，變量的顯著性較為穩定，在該分位點上，所有變量都通過了顯著性檢驗，但是是否注冊的系數為負數，其他變量系數均為正數，因而假設H1a、H3a、H4a、H5a得到驗證，H2a未得到驗證。對于知識共享質量而言，隨著分位數的提高，模型的解釋能力也得到了進一步地增強，在0.75的分位數點上，除了空間訪問量沒有通過顯著性檢驗，其余變量都通過了顯著性檢驗，且系數都為正數，故而假設H2b、H3b、H4b、H5b得到驗證，H1b未得到驗證。

對其分位數回歸系數隨著分位數的變化情況進行分析可得如圖4（以知識共享數量為因變量）、圖5（以知識共享質量為因變量）。

圖4是以知識共享數量為因變量的分位數系數變化圖，由圖4可看出，除了是否郵箱認證（WC）的系數隨著分位數的增加而降低，其余自變量的系數都與分位數呈正向變化。以知識共享質量為因變量的分位數系數變化圖也具有相似的特點。這與表4中的內容一致：分位數越高，熱衷于知識共享的用戶越占主導地位，社會資本對知識共享行為的貢獻度越高;分位數越低，知識共享較少的群體占主導，社會資本對用戶知識共享的行為影響程度較低。

3.3 結果分析

本文將多元線性回歸（OLS）與分位數回歸的假設驗證結果進行比較可得表5，因為分位數回歸在0.75分位點處趨于穩定，因而分位數回歸選擇0.75分位點的回歸結果參與比較。

由表5可以看出，與多元線性回歸相比，分位數回歸結果下各個模型的解釋能力都得到了很大程度地增強;多元線性回歸與分位數回歸假設驗證的結果差異較大，多元線性回歸有3個假設未被驗證（H2a、H5a、H5b），而分位數回歸只有兩個假設未被驗證（H1b、H2a），且分位數回歸這兩個未被驗證的假設在分位數回歸各個分位點上都未被驗證，說明這兩個假設（H1b、H2a）未被驗證的結果具有穩健性。因此，結合本文學術虛擬社區用戶數據的冪律分布特點，并結合上文分析，本文認為分位數回歸的假設驗證結果更為科學合理，可信度更高。本文采用分位數回歸的結果，除了假設H1b與H2a未得到驗證外，其余假設均得到驗證。

4 結 語

本文從社會資本理論視角，通過收集到的“經管之家”學術虛擬社區中的40 000條客觀用戶有效數據，采用分位數回歸方法，探討學術虛擬社區知識共享行為的影響因素。實證研究結果表明，用戶訪問量、論壇幣、活躍度以及好友數量對知識共享數量有正向的顯著影響，而是否郵箱認證、論壇幣、活躍度以及好友數量對知識共享質量具有顯著的正向影響。總體而言，用戶積累的社會資本越多，越熱衷于知識共享行為，依據這一結論，學術虛擬社區平臺可以通過增加知識共享獎勵論壇幣的數量，規范認證評估機制，對用戶進行分類，并有針對性地舉辦高質量的學術交流活動以及推送相關學術服務等措施來提高用戶活躍度，吸引新用戶。

本文從學術虛擬社區知識共享影響因素出發，以學術虛擬社區網站的客觀用戶數據為支撐，應用社會資本理論探討了用戶的結構型社會資本、關系型社會資本以及認知型社會資本對用戶知識共享行為的影響，并采用分位數回歸對模型進行驗證，研究結果較為客觀科學，為虛擬社區知識共享行為研究提供了補充與支撐。然而，本文基于大量客觀數據研究用戶知識共享行為影響因素，屬于探索性研究，所得影響因素模型不能充分解釋用戶的知識共享行為，模型的解釋能力相對較弱;其次，本文基于一個平臺的用戶數據的研究，雖然數據量較大，但是各大虛擬社區的規模以及功能定位等各不相同，用戶的知識共享行為存在差異，因而本文結論的普適性有待于進一步驗證。

參考文獻

[1]徐美鳳，葉繼元.學術虛擬社區知識共享研究綜述[J].圖書情報工作，2011，55（13）：67-71.

[2]陳明紅.學術虛擬社區用戶持續知識共享的意愿研究[J].情報資料工作，2015，36（1）：41-47.

[3]袁毅，楊莉.問答社區用戶生成資源行為及影響因素分析——以百度知道為例[J].圖書情報工作，2017，61（22）：20-26.

[4]徐美鳳.不同學科學術社區知識共享行為影響因素對比分析[J].情報雜志，2011，30（11）：134-139.

[5]陳明紅，漆賢軍.社會資本視角下的學術虛擬社區知識共享研究[J].情報理論與實踐，2014，37（9）：101-105.

[6]陳明紅，劉瑩，漆賢軍.學術虛擬社區持續知識共享意愿研究——啟發式-系統式模型的視角[J].圖書館論壇，2015，35（11）：83-91.

[7]沈惠敏，婁策群.虛擬學術社區知識共享中的共生互利框架分析[J].情報科學，2017，（7）：16-19.

[8]Coleman J S.Social Capital in the Creation of Human Capital.The American[J].American Journal of Sociology，1988，94：95-120.

[9]Nahapiet J，Ghoshal S.Social Capital，Intellectual Capital，and the Organizational Advantage[J].The Academy of Management Review，1998，23（2）：242-266.

[10]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，2006，42（3）：1872-1888.

[11]Lu Y，Yang D.Information Exchange in Virtual Communities Under Extreme Disaster Conditions[J].Decision Support Systems，2011，50（2）：529-538.

[12]包鳳耐，曹小龍.基于社會資本視角的虛擬社區知識共享研究[J].統計與決策，2014，（19）：53-56.

[13]趙大麗，孫道銀，張鐵山.社會資本對微信朋友圈用戶知識共享意愿的影響研究[J].情報理論與實踐，2016，39（3）：102-107.

[14]王偉，冀宇強，王洪偉，等.中文問答社區答案質量的評價研究：以知乎為例[J].圖書情報工作，2017，61（22）：36-44.

[15]劉琦，杜榮.基于參與動機的網絡社區知識共享質量、創新及滿意度關系研究[J].情報理論與實踐，2013，36（3）：56-61.

[16]Wang G，Gill K，Mohanlal M，et al.Wisdom in the Social Crowd：An Analysis of Quora[C]//International World Wide Web Conference，2013.

[17]Blau P M.Exchange and Power in Social Life[M].New York：Wiley，1964.

[18]Wu J，Ma P，Xie K L，et al.In Sharing Economy We Trust：The Effects of Host Attributes on Short-term rental Purchases[J].International Journal of Contemporary Hospitality Management，2017.

[19]Hung K H，Stella Yiyan L I.The Influence of eWOM on Virtual Consumer Communities：Social Capital，Consumer Learning，and Behavioral Outcomes[J].Journal of Advertising Research，2007，47（4）：485-495.

[20]Ghoshal T S.Social Capital and Value Creation：The Role of Intrafirm Networks[J].The Academy of Management Journal，1998，41（4）：464-476.

[21]郭博，趙雋瑞，孫宇.社會化問答社區用戶行為統計特性及其動力學分析：以知乎網為例[J].數據分析與知識發現，2018，2（4）：48-58.

[22]陳強.高級計量經濟學及Stata應用（第2版）[M].北京：高等教育出版社，2014.

（責任編輯：孫國雷）