網(wǎng)絡(luò)創(chuàng)新社區(qū)知識(shí)產(chǎn)品重混影響因素的實(shí)證研究

譚 娟，谷 紅，苗冬青

（北京工商大學(xué)商學(xué)院，北京 100048）

知識(shí)產(chǎn)品是人類(lèi)在改造自然和社會(huì)的實(shí)踐中，通過(guò)支出腦力勞動(dòng)，依靠知識(shí)、智力等要素進(jìn)行創(chuàng)造性活動(dòng)的成果，并以一定形式表現(xiàn)出來(lái)的一種自然科學(xué)、社會(huì)科學(xué)的成就[1]。隨著Web2.0信息技術(shù)和知識(shí)經(jīng)濟(jì)的發(fā)展，自由、開(kāi)放的“大眾生產(chǎn)”(Peer Production)作為知識(shí)產(chǎn)品生產(chǎn)領(lǐng)域中的一種新型組織模式和創(chuàng)新動(dòng)力機(jī)制備受推崇[2-3]。創(chuàng)新動(dòng)力機(jī)制是推動(dòng)創(chuàng)新實(shí)現(xiàn)優(yōu)質(zhì)、高效運(yùn)行并為達(dá)到預(yù)定目標(biāo)提供激勵(lì)的一種機(jī)制[4]，理解創(chuàng)新過(guò)程及其決定因素有助于改進(jìn)現(xiàn)實(shí)世界組織中的創(chuàng)新生產(chǎn)，并最終創(chuàng)造更多卓越的新產(chǎn)品和服務(wù)[5-6]。網(wǎng)絡(luò)創(chuàng)新社區(qū)(Online Innovation Community, OIC)為生產(chǎn)者(社區(qū)用戶)自由發(fā)布知識(shí)產(chǎn)品提供了開(kāi)放空間。知識(shí)產(chǎn)品在廣泛分享、轉(zhuǎn)移過(guò)程中通過(guò)復(fù)制、融合、重組等作用方式實(shí)現(xiàn)產(chǎn)品創(chuàng)新的過(guò)程被稱為“重混(remixing)”[7-8]。重混作為大眾生產(chǎn)過(guò)程中知識(shí)產(chǎn)品的主要?jiǎng)?chuàng)新模式之一廣泛存在于OIC中，如維基百科、Thingiverse、Scratch、軟件開(kāi)源社區(qū)Github等。根據(jù)重混對(duì)象的相互作用關(guān)系劃分可以將其分為“繼承”與“派生”兩種形式。繼承是指對(duì)已有產(chǎn)品進(jìn)行改造后獲得新產(chǎn)品；派生是指產(chǎn)品被其他用戶改造后作為新產(chǎn)品發(fā)布[9-10]。

近年來(lái)各種開(kāi)放式OIC獲得了快速發(fā)展，知識(shí)產(chǎn)品重混作為適用于互聯(lián)網(wǎng)協(xié)作情境下的重要?jiǎng)?chuàng)新模式而受到關(guān)注[11]。Stanko等[12]提出重混是開(kāi)放式環(huán)境下信息交換、知識(shí)分享和擴(kuò)散的自然結(jié)果，應(yīng)從動(dòng)態(tài)擴(kuò)散和靜態(tài)屬性兩個(gè)層面挖掘其內(nèi)在動(dòng)力。Hill等[13]、Monroy-Hernández等[14]則從知識(shí)貢獻(xiàn)的原創(chuàng)性(Originality)和生成性(Generativity)辯證分析了重混行為，并提出作品復(fù)雜性、創(chuàng)作者聲譽(yù)、知識(shí)積累對(duì)重混作品創(chuàng)新貢獻(xiàn)影響顯著。除此之外，OIC創(chuàng)新研究工作也為理解知識(shí)產(chǎn)品重混提供了理論和實(shí)踐依據(jù)。這些文獻(xiàn)主要關(guān)注OIC創(chuàng)新過(guò)程中的用戶參與動(dòng)機(jī)、知識(shí)共享、在線交互等內(nèi)容。有學(xué)者指出，求知?jiǎng)訖C(jī)[15-16]互惠動(dòng)機(jī)[17]、興趣動(dòng)機(jī)[18-19]、易用性感知[20]是影響OIC用戶不斷參與產(chǎn)品創(chuàng)新的主要因素，并提出用戶行為和創(chuàng)新績(jī)效密切相關(guān)，而知識(shí)共享的持續(xù)性、共享意愿、共享知識(shí)水平對(duì)開(kāi)放式創(chuàng)新的貢獻(xiàn)度有著顯著影響[10，21-22]。Liu等[23]提出成員間的在線互動(dòng)能夠增強(qiáng)OIC中用戶的親近度和信任感并促進(jìn)知識(shí)產(chǎn)品創(chuàng)新。

綜上所述，我們發(fā)現(xiàn)已有研究存在以下不足：首先，現(xiàn)有知識(shí)產(chǎn)品重混的研究多關(guān)注其對(duì)開(kāi)放式創(chuàng)新的知識(shí)貢獻(xiàn)作用，試圖為理解知識(shí)重混對(duì)開(kāi)放式創(chuàng)新的促進(jìn)機(jī)制提供解釋，但缺乏對(duì)具體實(shí)踐過(guò)程中影響因素的深入探討；其次，與知識(shí)產(chǎn)品重混相關(guān)的OIC創(chuàng)新研究多選擇以用戶、平臺(tái)、知識(shí)等為研究對(duì)象，重點(diǎn)關(guān)注其對(duì)創(chuàng)新績(jī)效的貢獻(xiàn)和影響，但少有研究關(guān)注知識(shí)產(chǎn)品在創(chuàng)新過(guò)程中的作用機(jī)制。本文由此提出研究問(wèn)題：“在開(kāi)放性、自發(fā)參與的互聯(lián)網(wǎng)環(huán)境中，不同知識(shí)產(chǎn)品的重混創(chuàng)新貢獻(xiàn)何以存在如此顯著的差異?大部分知識(shí)產(chǎn)品無(wú)人問(wèn)津，僅少部分知識(shí)產(chǎn)品經(jīng)過(guò)不斷重混、繁衍形成‘譜系化’的產(chǎn)品”。

基于以上對(duì)文獻(xiàn)的梳理和評(píng)價(jià)，本文嘗試從三個(gè)方面進(jìn)行解答。第一，知識(shí)產(chǎn)品屬性對(duì)其重混創(chuàng)新貢獻(xiàn)的影響。網(wǎng)絡(luò)創(chuàng)新社區(qū)知識(shí)產(chǎn)品具有“類(lèi)聚性”，表現(xiàn)形式高度相似的產(chǎn)品的重混程度為何存在顯著差異。第二，生產(chǎn)者(平臺(tái)用戶)交互行為對(duì)知識(shí)產(chǎn)品重混創(chuàng)新貢獻(xiàn)的影響。用戶是知識(shí)生產(chǎn)的制造者和供給者，也是知識(shí)產(chǎn)品重混的執(zhí)行主體。由于OIC中交流的成員彼此之間大多素未謀面，成員之間更頻繁的在線互動(dòng)是否一定就會(huì)刺激更多的重混作品生成有待驗(yàn)證。第三，知識(shí)產(chǎn)品的重混行為是否存在“延續(xù)效應(yīng)”，即重混實(shí)踐中的繼承與派生行為之間的相關(guān)性有待檢驗(yàn)。

本文研究對(duì)象和數(shù)據(jù)取自Thingiverse網(wǎng)站。該網(wǎng)站是全球最大的3D打印設(shè)計(jì)產(chǎn)品OIC，對(duì)用戶發(fā)布創(chuàng)意產(chǎn)品提供了模板化的展示和互動(dòng)系統(tǒng)，給出了瀏覽次數(shù)、點(diǎn)贊次數(shù)、評(píng)論內(nèi)容、作品配圖以及模塊文件等內(nèi)容，并建立了與知識(shí)產(chǎn)品重混狀態(tài)有關(guān)的繼承、派生關(guān)系的管理機(jī)制。因此，本文通過(guò)設(shè)計(jì)爬蟲(chóng)獲取公開(kāi)數(shù)據(jù)開(kāi)展實(shí)證研究。

1 研究理論和假設(shè)

1.1 研究模型

重混創(chuàng)新的本質(zhì)是OIC中用戶基于興趣、求知、實(shí)用等動(dòng)機(jī)對(duì)現(xiàn)有產(chǎn)品不斷改進(jìn)完善并持續(xù)創(chuàng)造新產(chǎn)品的行為。有別于傳統(tǒng)創(chuàng)新模式，重混創(chuàng)新是一個(gè)各種創(chuàng)新要素互動(dòng)、整合、協(xié)同的動(dòng)態(tài)過(guò)程，并具有自由、開(kāi)放、流通的基本特征。Roger認(rèn)為：“創(chuàng)新是一種被個(gè)人或其他采用單位視為新穎的觀念、實(shí)踐或事物；創(chuàng)新擴(kuò)散是一種基本社會(huì)過(guò)程，在這個(gè)過(guò)程中，主觀感受到的關(guān)于某個(gè)新語(yǔ)音的信息被傳播，通過(guò)一個(gè)社會(huì)構(gòu)建過(guò)程，某創(chuàng)新的意義逐漸顯現(xiàn)”[12]。從知識(shí)分享和信息擴(kuò)散的角度來(lái)看，重混可以視為創(chuàng)新對(duì)象(知識(shí)產(chǎn)品)在開(kāi)放性互聯(lián)網(wǎng)空間分享、擴(kuò)散、重組的往復(fù)過(guò)程。在創(chuàng)新研究理論中，Roger的創(chuàng)新擴(kuò)散理論從相對(duì)優(yōu)勢(shì)、兼容性、復(fù)雜性、可試驗(yàn)性、可認(rèn)知性、思維可變性等6個(gè)維度提出了創(chuàng)新對(duì)象的屬性特征，較為全面地解釋了影響創(chuàng)新作品被識(shí)別、認(rèn)知、接納、傳播的要素。各要素的具體內(nèi)涵解釋如下：相對(duì)優(yōu)勢(shì)代表創(chuàng)新作品相較于已有產(chǎn)品的新穎程度；兼容性反應(yīng)某項(xiàng)創(chuàng)新與現(xiàn)有價(jià)值觀、以往經(jīng)驗(yàn)、預(yù)期采用者需求的共存程度；復(fù)雜性反映某項(xiàng)創(chuàng)新被理解和運(yùn)用的難易程度；可試驗(yàn)性反映在有限基礎(chǔ)上可被試驗(yàn)的程度；可觀察性反映創(chuàng)新作品為他人所見(jiàn)的程度創(chuàng)新；思維可變性則突出變化的思維模式對(duì)創(chuàng)新更具貢獻(xiàn)價(jià)值。信息擴(kuò)散渠道和受關(guān)注度也是決定創(chuàng)新擴(kuò)散程度的關(guān)鍵因素。

因此，本文基于創(chuàng)新擴(kuò)散理論構(gòu)建理論模型，從知識(shí)復(fù)雜度、受關(guān)注度、用戶交互、延續(xù)創(chuàng)新四個(gè)方面提出關(guān)鍵要素，分析OIC中的知識(shí)產(chǎn)品重混。考慮到OIC中知識(shí)產(chǎn)品的展示形式有著較強(qiáng)的模板化要求，創(chuàng)新作品的可觀察性和可試驗(yàn)性存在較強(qiáng)的同質(zhì)化特征，因此知識(shí)復(fù)雜性成為產(chǎn)品被理解并再利用的關(guān)鍵因素。在特定的OIC內(nèi)，用戶點(diǎn)擊、瀏覽、討論、轉(zhuǎn)發(fā)等行為是創(chuàng)新作品信息擴(kuò)散的主要途徑，由此提出受關(guān)注度和用戶交互兩個(gè)屬性描述產(chǎn)品的擴(kuò)散效度。再者，由于“繼承”得到的創(chuàng)新作品相比源創(chuàng)新作品具有更好的兼容性，因此考慮作品的延續(xù)創(chuàng)新可能對(duì)其繼續(xù)重混存在潛在影響。

綜上所述，提出OIC中知識(shí)產(chǎn)品重混影響因素分析模型如圖1所示。

圖1 OIC中知識(shí)產(chǎn)品重混影響因素分析模型

1.2 研究假設(shè)

1.2.1 知識(shí)復(fù)雜度與重混的關(guān)系

復(fù)雜性是知識(shí)的重要特性之一。Nelson等[24]認(rèn)為根據(jù)知識(shí)的可理解程度可將之分為簡(jiǎn)單知識(shí)和復(fù)雜知識(shí)。Zander等[25]認(rèn)為知識(shí)復(fù)雜性是指知識(shí)在分享、轉(zhuǎn)移過(guò)程中，因使用者能力差別而出現(xiàn)的結(jié)果多樣性。在互聯(lián)網(wǎng)環(huán)境下，知識(shí)獲取以一種自發(fā)性體驗(yàn)學(xué)習(xí)的方式開(kāi)展，用戶通過(guò)充滿辯證的觀察、行動(dòng)和反思的過(guò)程來(lái)汲取經(jīng)驗(yàn)知識(shí)[26]。因此，簡(jiǎn)單知識(shí)更容易被理解和掌握，但相對(duì)于復(fù)雜知識(shí)而言其內(nèi)在價(jià)值較低。復(fù)雜度較高的技術(shù)和知識(shí)具有更高的知識(shí)價(jià)值，但會(huì)變得更具緘默性、嵌入型和依賴性，因此其被理解和再利用也更為困難[27]。

OIC知識(shí)產(chǎn)品作為知識(shí)載體，其知識(shí)復(fù)雜性外在表現(xiàn)主要包含表達(dá)形式、知識(shí)關(guān)聯(lián)、產(chǎn)權(quán)許可等方面[13]。OIC用戶在選擇產(chǎn)品進(jìn)行重混時(shí)，會(huì)充分考慮創(chuàng)新過(guò)程中更好的參與體驗(yàn)、更高的潛在價(jià)值以及更低的行為風(fēng)險(xiǎn)。因此，過(guò)于簡(jiǎn)單的知識(shí)產(chǎn)品盡管更容易被認(rèn)知和理解，但在其基礎(chǔ)上進(jìn)行再創(chuàng)新的潛在價(jià)值偏低。復(fù)雜度適中的產(chǎn)品可能提供更高的潛在價(jià)值和更好的參與體驗(yàn)，更易吸引用戶參與到對(duì)該產(chǎn)品的再創(chuàng)新中來(lái)。復(fù)雜度偏高的知識(shí)產(chǎn)品首先在獲得用戶認(rèn)知和理解上會(huì)存在一定阻礙，再者如果在產(chǎn)權(quán)許可方面及后續(xù)使用權(quán)方面設(shè)置諸多限制，或刻意隱藏設(shè)計(jì)細(xì)節(jié)，這樣即使產(chǎn)品本身的知識(shí)貢獻(xiàn)水平很高，也難以獲得用戶的關(guān)注和參與。由此提出如下假設(shè)：

假設(shè)1：產(chǎn)品的知識(shí)復(fù)雜度與其參與重混的活躍度呈倒U型關(guān)系。

1.2.2 受關(guān)注度與重混的關(guān)系

在信息經(jīng)濟(jì)時(shí)代，關(guān)注已經(jīng)成為一種具有商業(yè)價(jià)值的、稀缺的資源[28]。從競(jìng)爭(zhēng)理論來(lái)看，知識(shí)產(chǎn)品的受關(guān)注程度差異會(huì)影響其對(duì)OIC知識(shí)貢獻(xiàn)程度。高關(guān)注度的創(chuàng)新作品更可能成為優(yōu)勢(shì)產(chǎn)品。用戶參與重混的動(dòng)機(jī)之一是通過(guò)改造產(chǎn)品并更多地從中獲益，這種務(wù)實(shí)動(dòng)機(jī)驅(qū)動(dòng)會(huì)刺激用戶盡最大努力去挖掘優(yōu)勢(shì)產(chǎn)品并不斷改進(jìn)。在利益驅(qū)使下，優(yōu)勢(shì)產(chǎn)品在重混過(guò)程中更可能優(yōu)先被用戶采納。考慮到OIC中聲譽(yù)的重要性[23]，用戶更傾向圍繞能帶來(lái)更高聲譽(yù)的產(chǎn)品進(jìn)行創(chuàng)新。

從創(chuàng)新的思維可變性來(lái)看，更高的關(guān)注度能夠豐富創(chuàng)新過(guò)程中的思維注入[29]，并在用戶交互過(guò)程中形成共鳴效應(yīng)，進(jìn)而吸引更多的用戶參與到對(duì)優(yōu)勢(shì)產(chǎn)品的改進(jìn)創(chuàng)新。這種良性循環(huán)體現(xiàn)了重混行為對(duì)提高創(chuàng)新產(chǎn)品知識(shí)貢獻(xiàn)率的重要性，并顯著提升OIC組織的總體創(chuàng)新能力。由此提出如下假設(shè)：

假設(shè)2：受關(guān)注度對(duì)知識(shí)產(chǎn)品重混呈正相關(guān)影響。

1.2.3 用戶交互與重混的關(guān)系

知識(shí)產(chǎn)品重混是OIC中用戶知識(shí)分享行為的一種結(jié)果形式。OIC的知識(shí)分享以互惠性、共同愿景、感知樂(lè)趣等要素為基礎(chǔ)，并通過(guò)用戶交互實(shí)現(xiàn)[30]。社會(huì)認(rèn)知理論認(rèn)為，觀察同伴在工作中展現(xiàn)出的創(chuàng)造力可能導(dǎo)致個(gè)體自身也積極投入到創(chuàng)造性工作中[31]。用戶交互過(guò)程就是個(gè)體學(xué)習(xí)、知識(shí)傳播、轉(zhuǎn)移和創(chuàng)新的過(guò)程，是刺激知識(shí)產(chǎn)品創(chuàng)新的關(guān)鍵要素。

OIC用戶的交互話題多圍繞如何設(shè)計(jì)更好的產(chǎn)品，或解決具體的設(shè)計(jì)問(wèn)題等展開(kāi)。用戶不斷的通過(guò)在線評(píng)論提供創(chuàng)新思維或創(chuàng)意，并持續(xù)形成對(duì)OIC的知識(shí)貢獻(xiàn)，持續(xù)提升組織的創(chuàng)新能力和績(jī)效水平[32]。在交互過(guò)程中，部分創(chuàng)意直接被吸納并付諸實(shí)踐，用戶借此對(duì)產(chǎn)品進(jìn)行改造后得到創(chuàng)新產(chǎn)品，這就是知識(shí)產(chǎn)品重混的具體過(guò)程。部分交互行為可能并沒(méi)有提出可用的解決方案，但其引發(fā)的話題性會(huì)吸引到更多OIC成員的關(guān)注，并為產(chǎn)品發(fā)布者在OIC中贏得更高的聲譽(yù)。這種激勵(lì)會(huì)給用戶帶來(lái)成就感、歸屬感并提升自我效能，從而激勵(lì)更多的創(chuàng)新作品產(chǎn)生。由此提出如下假設(shè)：

假設(shè)3：用戶交互對(duì)知識(shí)產(chǎn)品重混呈正相關(guān)影響。

1.2.4 延續(xù)創(chuàng)新與重混的關(guān)系

OIC中繼承產(chǎn)生的創(chuàng)新作品的再次重混是一種典型的延續(xù)創(chuàng)新行為。延續(xù)創(chuàng)新賦予了創(chuàng)新作品與已有知識(shí)更好的兼容性[33]。從創(chuàng)新擴(kuò)散理論來(lái)看，與既有經(jīng)驗(yàn)和價(jià)值更為契合的創(chuàng)意更符合OIC成員現(xiàn)有的認(rèn)知模式和思維范式[34]，能夠獲得用戶認(rèn)知、接納并相對(duì)輕松地提出對(duì)改進(jìn)現(xiàn)有產(chǎn)品更為有利的創(chuàng)新設(shè)計(jì)。

另一方面，考慮到延續(xù)性創(chuàng)新過(guò)程中對(duì)知識(shí)產(chǎn)品進(jìn)行了多次加工和迭代，知識(shí)產(chǎn)品的設(shè)計(jì)缺陷不斷得到修補(bǔ)，各方面逐漸趨于完善，可以再次改造的空間不斷壓縮，反而降低了知識(shí)產(chǎn)品再次參與重混的機(jī)率。以Linux等開(kāi)源軟件為例，早期階段發(fā)布的版本形式簡(jiǎn)單，細(xì)節(jié)不完善，反而更容易被理解，加之這些早期的、不完整的作品存在的不足恰好為改進(jìn)提供了更多的參與途徑[13]。

延續(xù)創(chuàng)新可能促進(jìn)OIC中知識(shí)產(chǎn)品的“多代”譜系繁殖。這種創(chuàng)新產(chǎn)品幾乎都繼承或傳遞了上一代知識(shí)產(chǎn)品的部分屬性或功用。知識(shí)重混的核心價(jià)值之一就是改善現(xiàn)有創(chuàng)新知識(shí)缺陷、針對(duì)特定應(yīng)用優(yōu)化知識(shí)產(chǎn)品[35]。因此，在延續(xù)創(chuàng)新過(guò)程中，如果繼承行為對(duì)創(chuàng)新知識(shí)缺陷的優(yōu)化和改善屬于對(duì)源創(chuàng)新的重要優(yōu)化和完善，那么會(huì)得到更多關(guān)注并進(jìn)一步延續(xù)；反之，如果繼承過(guò)程中對(duì)產(chǎn)品注入的創(chuàng)新思維不屬于關(guān)鍵優(yōu)化范疇，相關(guān)知識(shí)產(chǎn)品的重新延續(xù)則可能中止。由此提出如下假設(shè)：

假設(shè)4：延續(xù)創(chuàng)新對(duì)知識(shí)產(chǎn)品重混的影響不顯著。

2 數(shù)據(jù)和分析

2.1 數(shù)據(jù)來(lái)源

Thingiverse網(wǎng)站是全球最大的以3D打印模型設(shè)計(jì)產(chǎn)品為主題的OIC，整個(gè)網(wǎng)站現(xiàn)共有70余萬(wàn)件設(shè)計(jì)產(chǎn)品。網(wǎng)站通過(guò)統(tǒng)一的網(wǎng)頁(yè)樣式展示用戶發(fā)布的創(chuàng)新作品，產(chǎn)品描述屬性包括：Like(點(diǎn)贊次數(shù))、Collect(收藏 次 數(shù))、Comments(被 評(píng)論 數(shù)量)、Views(瀏 覽次 數(shù))、Downloads(下 載次 數(shù))、Images(描述產(chǎn)品的圖片)以及Files(產(chǎn)品設(shè)計(jì)文件)。該IOC強(qiáng)調(diào)重混創(chuàng)新對(duì)社區(qū)創(chuàng)新的貢獻(xiàn)，因此建立了網(wǎng)站內(nèi)知識(shí)產(chǎn)品的重混管理機(jī)制，設(shè)定了remix from標(biāo)簽記錄該產(chǎn)品從哪些產(chǎn)品繼承而來(lái)，remixes標(biāo)簽記錄該產(chǎn)品被其他用戶吸收改進(jìn)后再創(chuàng)新的情況(派生)。

基于C#2.0開(kāi)發(fā)爬蟲(chóng)從thingiverse網(wǎng)站上提取了52310條存在重混(派生)的發(fā)布產(chǎn)品(remixes標(biāo)簽＞0)，并從產(chǎn)品的描述標(biāo)簽中解析出9個(gè)屬性作為觀測(cè)變量并進(jìn)行統(tǒng)計(jì)描述分析。每個(gè)變量的含義和統(tǒng)計(jì)描述如表1所示。結(jié)合本文的分析模型和研究假設(shè)，設(shè)定remixes為因變量，其他8個(gè)變量為自變量。

表1 模型的觀測(cè)變量含義說(shuō)明和統(tǒng)計(jì)描述

2.2 因子分析

為驗(yàn)證本文研究假設(shè)，采用因子分析法對(duì)觀測(cè)變量進(jìn)行主因子分析建模。因子分析法是綜合評(píng)價(jià)中的一種常用方法，其基本思想是根據(jù)相關(guān)性大小把變量分組。根據(jù)本文提出的分析模型，考慮從8個(gè)自變量中提取4個(gè)因子。本文采用SPSS25.0軟件進(jìn)行因子分析，采用降維因子分析模塊得到分析結(jié)果見(jiàn)表2。從表中結(jié)果來(lái)看，KMO統(tǒng)計(jì)量取值0.685大于最低標(biāo)準(zhǔn)，Bartlet球形檢驗(yàn)取值P＜0.001，表明提取的8個(gè)觀測(cè)變量適合做因子分析；從載荷平方比中的方差百分比來(lái)看，4個(gè)因子對(duì)所有變量的解釋程度達(dá)到了93%以上，表明設(shè)定的4個(gè)因子可以較為完整的概括變量總體特征；每個(gè)觀測(cè)變量的公因子方差都在0.9以上，說(shuō)明這4個(gè)公因子能夠很好地反應(yīng)原始觀測(cè)變量的絕大部分內(nèi)容。

表2 知識(shí)產(chǎn)品屬性變量因子分析結(jié)果

表2（續(xù)）

結(jié)合分析結(jié)果對(duì)觀測(cè)變量和主因子之間的關(guān)系內(nèi)涵解釋如下：與因子1關(guān)聯(lián)性最強(qiáng)的是瀏覽次數(shù)、點(diǎn)贊次數(shù)、下載次數(shù)、收藏次數(shù)4個(gè)變量，這四個(gè)變量是對(duì)OIC中用戶對(duì)該產(chǎn)品關(guān)注程度的記錄，因此可用于表示分析模型中的受關(guān)注度；與因子2關(guān)聯(lián)系數(shù)最大的是圖片數(shù)量和文件數(shù)量，由于網(wǎng)站上傳的與發(fā)布作品相關(guān)的圖片和文件是具體的用戶生成內(nèi)容，因此產(chǎn)品數(shù)量和文件數(shù)量反映了創(chuàng)新作品的知識(shí)復(fù)雜度；評(píng)論數(shù)量、重混(繼承)兩個(gè)變量分別與因子3、因子4單獨(dú)強(qiáng)相關(guān)，說(shuō)明這兩個(gè)變量具有一定的相對(duì)獨(dú)立性，可單獨(dú)表示解釋關(guān)系。評(píng)論數(shù)量反映了知識(shí)產(chǎn)品在OIC成員中討論的充分性和話題活躍程度；知識(shí)產(chǎn)品是源創(chuàng)新還是在原有知識(shí)產(chǎn)品上繼承發(fā)展生成，可以反映延續(xù)創(chuàng)新對(duì)重混創(chuàng)新的影響程度。通過(guò)因子分析得到的知識(shí)產(chǎn)品觀測(cè)變量和主因子的具體關(guān)系如圖2所示。

圖2 知識(shí)產(chǎn)品觀測(cè)變量與主因子對(duì)應(yīng)關(guān)系

2.3 主成分回歸分析

在上述主因子分析的基礎(chǔ)上，通過(guò)分析主成分因子和因變量之間的相關(guān)性來(lái)驗(yàn)證本文研究假設(shè)。首先對(duì)因變量重混(派生)向量進(jìn)行歸一化處理。然后根據(jù)本文建立的研究模型定義4個(gè)自變量，分別為：X1——受關(guān)注度、X2——知識(shí)復(fù)雜度、X3——用戶互動(dòng)、X4——延續(xù)創(chuàng)新，以及1個(gè)因變量Y——知識(shí)產(chǎn)品重混。通過(guò)建立線性回歸模型分析影響關(guān)系，同時(shí)為了驗(yàn)證知識(shí)復(fù)雜度與重混的倒U型關(guān)系，在線性回歸模型上增加1個(gè)X2的二次項(xiàng)?；貧w分析結(jié)果如下表3所示。

表3 主成分回歸因子分析結(jié)果

從表4中結(jié)果來(lái)看，整個(gè)模型的R-Square值為0.578，具有較高的擬合度。顯著性P值在P＜0.05的條件下顯著，模型總體擬合結(jié)果有效。從因素影響分析來(lái)看，X1和X3的標(biāo)準(zhǔn)下系數(shù)為正，且其P值在P＜0.05的條件下顯著，驗(yàn)證了模型中提出的相對(duì)優(yōu)勢(shì)和用戶互動(dòng)因素與知識(shí)產(chǎn)品重混的正相關(guān)假設(shè)成立。X2知識(shí)復(fù)雜度因素本身對(duì)模型影響不顯著，但其二次項(xiàng)變量P值在P＜0.05的條件下顯著，說(shuō)明X2與知識(shí)產(chǎn)品重混的倒U型關(guān)系成立。X4繼承效應(yīng)變量的P值為0.310，說(shuō)明該因子對(duì)知識(shí)產(chǎn)品重混的影響不顯著。上述檢驗(yàn)結(jié)果完全符合前述研究模型假設(shè)。

表4 OIC中知識(shí)產(chǎn)品重混影響因素分析模型摘要

3 研究結(jié)論與展望

3.1 研究結(jié)論

本研究基于創(chuàng)新擴(kuò)散理論探討了OIC中知識(shí)產(chǎn)品重混創(chuàng)新的影響因素，不僅發(fā)現(xiàn)受關(guān)注度和用戶交互頻率對(duì)知識(shí)重混呈有正向影響，產(chǎn)品的知識(shí)復(fù)度與之呈倒U形影響關(guān)系。同時(shí)通過(guò)實(shí)證研究論證了知識(shí)產(chǎn)品兼容性和創(chuàng)新可變性之間的作用效應(yīng)，發(fā)現(xiàn)延續(xù)創(chuàng)新特征對(duì)重混創(chuàng)新不存在明顯的正向激勵(lì)作用。鑒于知識(shí)重混是OIC的重要?jiǎng)?chuàng)新動(dòng)力，本研究成果對(duì)于更好的激發(fā)開(kāi)放式創(chuàng)新動(dòng)能具有重要的實(shí)踐指導(dǎo)意義。結(jié)合研究結(jié)論提出以下建議：

（1）OIC平臺(tái)、用戶要注重挖掘具有高關(guān)注度的優(yōu)勢(shì)產(chǎn)品來(lái)激勵(lì)創(chuàng)新。對(duì)用戶而言，可以傾向于選擇高關(guān)注度的知識(shí)產(chǎn)品進(jìn)行觀察學(xué)習(xí)和改進(jìn)創(chuàng)新，這樣更有可能產(chǎn)出更有價(jià)值的重混作品，同時(shí)為個(gè)人贏得更好的聲譽(yù)。對(duì)創(chuàng)新平臺(tái)的管理者而言，可以構(gòu)建知識(shí)產(chǎn)品的受關(guān)注量、作品聲譽(yù)、重混創(chuàng)新三位一體的聯(lián)合激勵(lì)機(jī)制，引導(dǎo)用戶圍繞優(yōu)勢(shì)產(chǎn)品提供更多的優(yōu)質(zhì)創(chuàng)新。

（2）OIC平臺(tái)要注重對(duì)用戶貢獻(xiàn)內(nèi)容復(fù)雜性的精細(xì)化管理。由于知識(shí)復(fù)雜度低的產(chǎn)品貢獻(xiàn)率低，高復(fù)雜度的產(chǎn)品難以被認(rèn)知理解。對(duì)于用戶而言，必須提升創(chuàng)新過(guò)程中的知識(shí)意識(shí)，綜合考慮知識(shí)產(chǎn)品的可理解性和知識(shí)貢獻(xiàn)水平，以使得創(chuàng)新工作能發(fā)揮其價(jià)值。對(duì)OIC管理者而言，一方面通過(guò)設(shè)計(jì)更為精細(xì)化的分享機(jī)制提升知識(shí)產(chǎn)品的可理解性，另一方面對(duì)知識(shí)復(fù)雜度適中的典型產(chǎn)品以精品方式進(jìn)行推介，通過(guò)提升產(chǎn)品的可利用性來(lái)促進(jìn)重混創(chuàng)新。

（3）OIC平臺(tái)必須重視營(yíng)造更為活躍、多元的交互環(huán)境和氛圍來(lái)促進(jìn)創(chuàng)新。通過(guò)在OIC建立推行創(chuàng)意討論積分制，對(duì)參與他人創(chuàng)意討論并對(duì)知識(shí)產(chǎn)品改進(jìn)做出貢獻(xiàn)的用戶給予積分獎(jiǎng)勵(lì)，鼓勵(lì)用戶與同伴之間的多方交互。OIC依據(jù)重混創(chuàng)新作品對(duì)平臺(tái)的知識(shí)貢獻(xiàn)率，區(qū)別資深用戶和普通用戶，針對(duì)不同用戶采取有所側(cè)重的交互策略。例如，鼓勵(lì)普通用戶直接參與交互；鼓勵(lì)資深用戶和同伴積極參與用戶創(chuàng)意討論，為資深用戶營(yíng)造積極的、支持性的創(chuàng)新氛圍。

3.2 研究展望

本文嚴(yán)格遵照研究規(guī)劃進(jìn)行設(shè)計(jì)，力求以客觀分析和科學(xué)方法驗(yàn)證研究模型與假設(shè)。但是，仍然存在一些局限性，具體分析如下：第一，本文僅僅以3D打印產(chǎn)品這一IT產(chǎn)品為研究樣本，未能廣泛采納其他產(chǎn)品領(lǐng)域的OIC社區(qū)信息和知識(shí)產(chǎn)品樣本，因此，我們的結(jié)果是否具有普遍意義還有待進(jìn)一步檢驗(yàn)。第二，本文未能考慮用戶評(píng)論內(nèi)容質(zhì)量、不同重混模式等深層復(fù)雜因素對(duì)知識(shí)產(chǎn)品重混的影響作用。因此，多樣本探究OIC中知識(shí)產(chǎn)品重混的影響因素并對(duì)其進(jìn)行實(shí)證分析，以及用戶評(píng)論內(nèi)容質(zhì)量、不同重混模式等深層復(fù)雜因素對(duì)知識(shí)產(chǎn)品重混有何影響是未來(lái)的研究方向。