微信公眾號知識共享能力云評價模型構建方法及其應用

劉格格，張 軍

（山東理工大學管理學院，山東淄博 255012）

1 研究背景

知識共享從方方面面影響著人們的生活與行為方式。比如，心臟猝死發生時，掌握急救知識在4 min 內進行心肺復蘇，約有50%的人能夠被成功救活，若能有效進行急救知識共享則能挽救更多生命。在“互聯網+”時代背景之下，隨著微信公眾號數和活躍用戶數的持續增長，微信平臺使得用戶在獲取知識面前實現了人人平等，用戶之間的交流不受某些客觀條件的約束。知識共享是一個動態發展的過程，其本質取決于通過知識建立的聯系，將知識通過聯系與交互后進行深入思考，從而凝聚成智慧以實現知識創新；同時，在對部分隱性知識的顯性化過程中，能夠幫助人們更好地發現自己已有知識的缺陷。伴隨知識共享程度的逐漸擴大，共享雙方的知識會增加積累，進一步實現知識共享的雙贏。

微信等一系列虛擬社區中的知識共享相關研究是大量學者重點關注的問題。自從Nahapiet 等［1］研究表明社會資本的結構特性是由結構、關系和認知3 個維度表征，便引起很多學者從社會資本視角出發對知識共享進行研究，如Wasko 等［2］在2005 年首次根據社會資本理論研究影響在線社區用戶知識貢獻度的因素；Chui 等［3］在社會資本理論的基礎上，加入社會認知理論對虛擬社區中的知識共享進行研究；李亞琴等［4］根據技術接受理論對用戶在線貢獻內容的動因進行歸納。萬晨曦等［5］研究發現，關于綜合型虛擬社區的研究主要集中在微博、微信平臺，但是國內對于綜合型虛擬社區知識共享的研究還是較少。

近年來，已有學者從多個領域對知識共享能力進行評價，并涉及多種評價方法，如魏道江等［6］根據結構熵權法確定評價指標的權重，其他常用評價方法還有模糊綜合評價法、層次分析法、BP 神經網絡方法等，但這些方法普遍存在高模糊性、較強主觀性、忽略因素的隨機性等問題。云模型在考慮因素模糊性的基礎上，將因素間的模糊性與隨機性結合，已有學者將云模型運用到城市交通、技術創新、企業績效等多個方面展開研究，但還未有學者將云模型應用于微信公眾號知識共享能力評價。

微信作為集內容和關系于一體的社交平臺，其評價指標體系的構成較為復雜，數據私密性較高、可獲取性較小，針對傳統的知識共享能力的研究并不完全適用；同時，目前對綜合型社區知識共享的研究主要集中在知識共享影響因素、社區成員行為、動力學機制等方面［7-9］，對于綜合型社區知識共享能力的綜合評價指標體系研究還是比較缺乏。對此，本文以微信公眾號為研究對象，根據社會認知理論、社會資本理論和技術接受理論，以知識生成能力和知識擴散能力兩大層面為出發點，構建微信公眾號知識共享能力評價指標體系，運用云模型對微信公眾號知識共享能力進行整體綜合評價，并根據評價結果提出相應的對策建議來提升微信公眾號的知識共享能力，以期進一步促進綜合型虛擬社區中公眾號的知識共享能力提升，也希望能夠為今后學者對于虛擬社區知識共享的研究提供一定的理論參考。

2 微信公眾號知識共享能力評價指標體系構建

2.1 評價指標的確定

微信公眾號知識共享能力的含義是指，公眾號對知識進行一定的交流溝通后消化理解并對知識進行傳播擴散的能力。其強調的是公眾號對知識的理解及再生程度，及其與不同用戶主體間知識的動態交互關系。知識的理解與再生在微信系統中主要體現為用戶的知識生成能力，而公眾號與用戶間的動態交互關系指微信公眾號發布知識后的知識擴散能力。因此，本文從社會資本理論、社會認知理論與技術接受理論出發，結合微信公眾號自身特點，對微信公眾號知識共享能力綜合評價指標體系展開研究。用戶參與虛擬社區的行為主要包括兩方面，即發布信息與獲取信息［10］。微信公眾號作為虛擬社區知識共享中的獨特用戶，其參與虛擬社區的行為主要包括生成知識和擴散知識。本文根據微信公眾號知識共享的特點，將其知識共享能力分為知識生成能力和知識擴散能力兩個層面。

2.1.1 知識生成能力分析

從社會認知理論出發，本文將微信公眾號的知識生成能力分為公眾號影響度、知識呈現度和知識共享效能3 個維度［11］。

（1）公眾號影響度表示用戶在微信網絡中所處的地位及其自身影響力水平。在微信知識共享網絡中，公眾號的重要程度表明其在進行微信知識互動時的影響力大小，影響度越高表示其在網絡中的影響力越大，知識共享能力也隨之提高。公眾號擁有的活躍粉絲在知識共享網絡中作為網絡活躍節點存在，活躍節點越多越有利于網絡的生成。經認證的微信公眾號（以下簡稱“認證號”）能夠獲得更方便的用戶管理權限，開通的高級接口也使得公眾號與用戶能夠進行及時的交流互動。認證號也是體現微信公眾號知識生成能力的一方面表現，用戶更青睞于接受認證號發布的知識，其比私人微信賬號更具影響度。微信公眾號在采取知識共享行為時，公眾號發布知識的原創性也是其中的影響因素之一。微信賬號主體擁有的公眾號數量也是其在微信平臺中影響力的一種體現，在進行微信知識共享時，同一主體的不同公眾號間具有更強的互助性和關聯度。

（2）知識呈現度指微信公眾號所發布知識的表現形式，是吸引用戶參與知識共享的影響因素之一［12］。用戶在微信公眾號上進行知識共享時，若文章中含有超鏈接，可能會對知識進一步擴散提供了便捷通道；用戶閱讀含有超鏈接文章涉及的相關知識，進行更加深入的學習與理解，對知識共享能力有促進作用。知識共享評價的真實性通常是對于知識概念、原理的引用與解釋，以及文章知識數據的來源是否準確等。部分微信公眾號在發布知識過程中，會在文章內給出數據來源、參考文獻等依據，這種知識共享文章的內容有理有據，可靠性更強，愈發能激起用戶的閱讀興趣，尤其是一些關于專業領域方面的知識，用戶更加注重文章內容的參考來源和相關依據。微信知識的呈現形式具有多樣性，主要的呈現形式有文字、圖片、音頻、視頻等。微信公眾號在進行知識共享過程中，采用不同的傳播方式可能會對知識共享能力產生不同程度的影響。筆者通過對5 所高校30 名經常通過微信公眾號學習相關知識的本科生和研究生進行訪問調查發現，圖文并茂的文章更能激發用戶閱讀興趣。不同的知識呈現形式一方面可以緩解用戶的視覺疲勞，另一方面合理使用圖片、音頻和視頻更有利于幫助用戶對知識的理解。

（3）在社會認知理論中，知識共享效能被認為其有助于行為意愿的生成、行動計劃的制訂及行動的實施，對于將意愿轉化為行動起到了一定的促進作用［11］。在微信公眾號的知識共享能力中，知識共享效能指的是本身能夠提供有價值的知識能力的信心程度。微信公眾號文章相關發布情況，如原創性文章數、文章發布次數、文章發布篇數等，其與知識共享效能密切相關。知識共享效能同時也是微信公眾號知識生成能力的一種具體表現形式，根據微信公眾號文章相關發布情況表征，如，原創性文章數能夠表明公眾號自身對知識的自我消化與組織水平，是知識共享效能的一種體現；公眾號在固定周期內的文章發布次數從側面體現出公眾號的知識更新頻率，若文章發布次數較低或者干脆一次性發布周期內的全部文章，則極可能導致公眾號對于部分實時知識得不到及時交互共享；文章發布篇數也可表明公眾號對于知識的生成情況，在固定周期內需達到一定數量的文章發布方可吸引用戶的關注，若文章數量過少，可能導致用戶對公眾號的依賴度過低，從而對微信公眾號的知識共享能力產生負面影響。

2.1.2 知識擴散能力分析

從社會資本理論與技術接受理論出發，知識擴散能力主要體現在以下3 個維度：互惠度、感知有用度和群體交互強度。

（1）互惠度指知識共享的雙方認為彼此間是公平的，知識共享過程中的雙向交互關系對彼此都是有利的［13］。微信知識共享社區中的用戶往往具有虛擬性，有時無法保障對方的知識共享行為是否可靠。微信公眾號在加入社區初期時互惠度較低，隨著用戶間交互頻次的增加，對于用戶間的互惠度會逐漸提高。在微信社區中，知識共享在很大程度上比較依賴用戶間的互惠度，即公眾號在發布知識的同時也期望能夠從其他成員處獲取知識反饋，知識交互若僅僅是單方面行為，那知識共享中的交互關系也可能會隨即停止，不同用戶之間存在良好的互惠關系，雙方的互惠機制才能進一步提高公眾號知識共享能力。微信公眾號進一步改版，將之前的“點贊”功能升級為“在看”功能，通過“在看”可以了解微信好友在看的文章，這一功能促進了用戶間的交互，更有利于微信公眾號的知識共享。在看數體現了微信用戶之間對于知識共享的互動程度，在看數越高，用戶之間的知識互惠度越高。微信文章的“在看”強調的是用戶之間的關系，通過“在看”功能提供微信用戶之間發生交互的橋梁，從一定程度上能影響用戶間的互惠度。

（2）有學者研究發現，感知有用度能夠顯著提高用戶的知識共享行為［7］。本文中感知有用度指微信用戶對公眾號知識共享的易用性、增值性等用戶感知，通過感知有用度表達用戶對知識共享的一系列感知情緒。但是從以往的研究來看，關于用戶感知視角的指標可操作性較差，大多數研究均采用指標打分方法獲取數據，具有極高的模糊性和隨機性。筆者通過分析發現，微信上大量文章的閱讀量都是遠遠超過其微信公眾號平臺所擁有的粉絲數量的。其中主要有兩點原因：一是由于某些用戶多次反復點擊文章進行閱讀，這部分用戶中大多數人都是收藏了該文章以便隨時閱讀；二是因為該文章經用戶轉發到微信群、朋友圈等，形成多級傳播渠道，從而增加了文章的閱讀量。所以，閱讀量指標也隱含了“收藏”和“轉發”這兩種用戶行為。吳中堂等［14］根據微信公眾號管理平臺的統計功能，以閱讀率為自變量、轉發收藏率為因變量繪制散點圖，發現兩者具有極高的線性正相關關系。微信平臺用戶之間的社交網絡關系是私密的，其轉發、收藏等行為都是非好友不可見的，其他社交媒體上的評價指標在微信平臺上可能并不適用。所以，本文根據微信平臺的特點，從微信公眾號推送的文章中獲取相關閱讀數來表示公眾號的知識擴散能力。

（3）互聯網的高連通性為訪問資源創造了條件，與傳統的知識共享相比，微信社區提供了用戶之間實時交互的便利性。群體交互行為使微信公眾號與其他微信用戶之間形成一個動態知識交互圈，促使知識共享進行得有條不紊。本文中，群體交互強度指微信公眾號與用戶間、不同用戶之間的知識互動程度［13］，是一種雙向知識傳導關系。用戶接受微信公眾號發出的相關知識后，可能會對知識進行一定的理解和思考，然后將自己的心得與感悟反饋給公眾號。文章精選評論數是微信公眾號管理員對知識內容解讀后進行篩選產生的，其間接地體現了用戶與公眾號的交互關系。在微信知識共享網絡中，評論人數作為網絡中的部分節點，其與知識共享網絡規模的大小有密切的關系。作者回復是與關注該文章用戶的直接互動方式，通過作者與用戶間的交互，使兩者加深對所共享知識的深入理解與思考；而對用戶評論或作者回復內容進行點贊，皆是對評論相關用戶看法或文章作者觀點的贊同行為，評論點贊互動的人數越多，這就意味著知識共享的深度和廣度都將進一步提高。

2.2 評價指標的度量

2.2.1 知識共享能力二級指標屬性度量

微信公眾號影響度的度量主要考慮到微信公眾號所處網絡中的重要程度，根據活躍粉絲數、是否為原創號、是否為認證號以及賬號主體的公眾號數量來表征；知識呈現度表示在知識共享過程中存在的多種知識呈現形式，其中包括公眾號發布的文章中是否含超鏈接、是否含參考來源和是否含圖片、音頻、視頻等3 個屬性；知識共享效能描述微信公眾號主體本身的自我認知水平，根據原創性文章數、文章發布次數、文章發布篇數和閱讀量超10 萬人次文章數這4 個屬性來表示；互惠度指的是知識共享的公眾號與用戶、不同用戶之間的一種雙向交流關系，通過文章在看總數、文章平均在看數、頭條文章在看數及最大文章在看數進行表征；感知有用度是用戶對公眾號發布的文章的主觀感知程度，通過文章閱讀總數、文章平均閱讀量、頭條文章閱讀量和最大文章閱讀量4 個屬性表示；群體交互強度表示用戶對公眾號所發布的文章進行閱讀后的交互情況，根據精選評論數、精選評論獲點贊數、作者回復數及作者回復獲點贊數4 個相關屬性進行表征。

2.2.2 指標屬性標準化處理

通過選定時間段內獲取微信公眾號相關數據，為對數據處理更加方便，本文對用戶知識共享涉及的部分非數值型定性指標做了標準化處理，并將其數值化。評價指標屬性均可通過清博大數據平臺和數據挖掘技術相結合獲得具體真實數值，然后對全部指標相關數據進行標準化處理。獲得原始矩陣規則如下：

2.3 構建多層次評價指標體系

本文基于社會認知理論、社會資本理論和技術接受理論對微信公眾號知識共享能力進行研究，結合微信公眾號自身特點，主要從知識生成能力和知識擴散能力兩個層面展開分析，指標屬性的設置根據真實數據對公眾號知識共享能力進行量化，從而增強指標模型的應用性和適用性。評價指標體系的具體結構如圖1 所示。

圖1 微信公眾號知識共享能力評價指標體系

2.4 確定指標權重

關于指標權重的確定，本文根據所得的標準化數據，運用熵權法確定各指標權重對各個指標在綜合評價指標體系中的權重進行計算。具體步驟如下：

3 微信公眾號知識共享能力綜合云評價模型

3.1 云模型及相關理論

圖2 云模型的數字特征

3.2 正向云發生器算法

正向發生器算法主要應用于云模型的3 個數字特已知的情況，據其得到數據總體分布范圍和規律。具體步驟如下：

步驟3：計算云滴的隸屬度。計算公式如下：

3.3 構建知識共享能力加權綜合云評價模型

本文將微信公眾號知識共享能力評價指標體系作為論域，將采集的樣本數據作為云滴，構建綜合云評價模型（如圖3）。加權綜合云評價模型形成的正態云的特征則反映了微信公眾號的知識共享能力。

圖3 微信公眾號知識共享能力加權綜合云評價模型

具體評價流程如下：

步驟1：確定評價因素集。本文已構建微信公眾號知識共享能力評價指標體系（如圖1），其中包括各級指標和具體屬性特征。

步驟2：確定評價集與標尺云。評價集是根據各個指標屬性所構成的定量數據集合，對于定量數據標準的劃分分為5 個等級（見表1）。首先，求出所選各個數據樣本的最大值，進而將整個區間劃分為5 個子區間，分別為所代表的評級等級含義分別為“很差” “差” “一般” “好” “很好”。根據5 個不同的子區間分別輸出各個子區間的標準云其中中間3 段云模型的期望超熵左右兩端則采取半云模型來表述，期望分別為0 和1，對應的熵值為其對稱云模型熵值的一半［16］。

表1 標尺云的數字特征

步驟3：確定指標權重集。根據所獲取的真實數據，根據上文的熵權法公式（1）至公式（5）計算出屬性值所對應的權重，并根據屬性值權重進一步計算出各個維度的指標權重和各級指標所屬維度內的對應權重，最終獲得指標體系的總權重集。

步驟4：根據云模型確定評價云。首先，計算二級指標屬性的云模型。云模型的隸屬度為范圍內，根據每個指標不同區間長度，將各個指標轉化為范圍內的數值參與計算。超熵經常根據模糊程度進行相應取值，常取0.05［17］。對于第個定量指標值，可提取幾組樣本數據，然后根據以下云模型公式進行計算：

其次，分別計算二級指標與一級指標的加權綜合云模型。根據指標屬性的云模型計算結果，計算第個二級指標的加權綜合云模型。計算公式如下：

步驟5：綜合評價結果確定與比較。計算待評價微信公眾號知識共享能力的加權綜合云模型E，據此判斷微信公眾號知識共享能力所屬等級。根據正向云發生器算法，將綜合云評價模型轉化為正態云圖，將其與標尺云進行比對，觀察標尺云所在范圍和形態，進而得到微信公眾號知識共享能力的綜合評價結果。模型如下：

式（10）中：E代表待評價微信公眾號的加權綜合云模型；代表第個一級指標的權重，并且

4 實證研究

在科技日新月異的當今社會，科學知識具有愈來愈重要的地位，本文選取了科普類微信公眾號“環球科學”作為實證研究對象，進一步闡述本文提出的微信公眾號知識共享能力評價指標體系和評價方法的具體應用過程。“環球科學”作為《環球科學》雜志社的官方公眾號，是一個普及科學知識的科普類微信公眾號；同時，它也是世界級科學雜志《自然》的版權合作伙伴，每月精選《自然》雜志中的部分文章進行翻譯出版。

4.1 確定指標屬性值

本文采集“環球科學”2019 年5 月19 日到2019 年6 月15 日的相關數據，數據來源是以使用“清博大數據”公眾號回溯功能和相關數據挖掘方法獲取的真實數據為基礎，根據上文式（7）（8）計算23 個定量指標屬性的云模型評價值，計算結果見表2 所示。

表2 “環球科學”知識共享能力評價指標的云模型評價值

4.2 確定各級指標權重值

根據獲取的真實數據，采用式（1）至式（3）對數據進行標準化處理，然后運用熵權法確定各級指標權重，計算結果見表3 所示。

表3 “環球科學”知識共享能力各級評價指標權重值

4.3 計算各級指標加權綜合云模型評價值

以表2 和表3 的數據為基礎，根據式（9）計算“環球科學”知識共享能力二級指標的云模型評級值，計算結果見表4 所示。

表4 “環球科學”知識共享能力二級指標的云模型評價值

然后根據表3 和表4 的數據，對“環球科學”知識共享能力一級指標的云模型評價值進行計算，結果見表5 所示。

表5 “環球科學”知識共享能力一級指標的云模型評價值

4.4 微信公眾號知識共享能力的加權綜合云模型評價值

根據表2 至表5 中的數據，利用式（10）計算“環球科學”的知識共享能力加權綜合云模型的評價值為：

4.5 評價結果分析

根據正向云發生器算法和隸屬度計算公式（6），通過MATLAB 編程，將“環球科學”的加權綜合云模型與標尺云繪制在一個云圖中，如圖4 所示，根據標尺云的等級劃分，“環球科學”的知識共享能力介于一般和好之間，根據最大貼近度原則可以確定此公眾號的知識共享能力屬于“好”的等級。綜合評價云的跨度范圍大于圖內的標尺云，反映了“環球科學”知識共享能力的不確定性和模糊性的特點。總體來說，此評價結果說明“環球科學”的知識共享能力還有改進的空間。

圖4 “環球科學”加權綜合云模型與標尺云的對比

根據表5 中的數據可以看出：“環球科學”知識共享能力的兩個一級指標，知識生成能力處于“好”的等級，而知識擴散能力則是處于“一般”的等級。知識共享能力的6 個二級指標中，知識呈現度達到“好”的等級而且評價值較高，大于0.7，具備朝“很好”等級發展的可能；知識共享效能、感知有用性和群體交互強度都達到了“好”的等級；公眾號影響度根據最大貼近度原則僅為“一般”等級；而互惠度雖然也達到“一般”等級，但其評價值卻小于0.5 處于較低水平。為了進一步提升微信公眾號的知識共享能力，應該根據一級指標和二級指標的云模型評價值尋找微信公眾號存在的短板并分析其中原因，從而提出提升知識共享能力的策略。

首先，該公眾號應該重點分析知識共享能力評價指標體系中一般等級指標中存在的薄弱環節，以尋求知識共享能力的提升。

（1）知識生成能力中的公眾號影響度指標評價值偏低。主要是因為該公眾號的知識共享內容主要是《自然》上發布的文章，此類科學知識有一定的理解難度，從而導致其活躍粉絲數偏少。活躍粉絲數對公眾號的公眾號影響度產生直接影響，有待加強粉絲團隊的建設。將微信和用戶作為節點，它們之間關系作為連邊構成整個知識共享網絡。賬號主體擁有的公眾號數量越多，可以創造更好的團隊知識共享環境，團隊之間的互推機制也能促進公眾進行知識共享。而“環球科學”公眾號主體所擁有的公眾號數量較少，削弱了團隊知識共享的能力，使其在微信知識共享網絡中的公眾號影響度偏低。

（2）知識擴散能力中的互惠度評價值較低。整體在看數相對于其他微信公眾號而言，也處于一般偏下水平。主要是因為該公眾號的用戶主體主要為科研工作者、科普作家等，較一般的普通微信用戶而言，此類用戶在看功能使用度較低。但這類用戶主體若有效利用其在看功能，在朋友圈中更易引起其他微信用戶的共鳴，能夠進一步提升“環球科學”公眾號的知識共享能力。并且，該公眾號應注意運用文章在看功能的強大推廣作用，讓更多的用戶能夠看到公眾號知識共享的內容。

其次，該公眾號應對達到好這一等級的4 個二級指標知識呈現度、知識共享效能、感知有用性和群體交互強度進行分析，尋求進一步提升的空間。

（1）知識生成能力中的知識呈現度在整個二級評價指標中得分相對較高，說明其知識共享表現形式較為多樣化、綜合化，對用戶的吸引能力較強。根據其真實數據發現，該公眾號任意文章中都至少達到了圖文并茂，部分文章還一并兼有圖文、音頻、視頻。“環球科學”公眾號大多發布一些《自然》雜志上刊登的文章，關于文獻的參考來源都標注的十分清楚。其發布的知識內容不僅具有較高的科學依據，相關出處還設置了超鏈接以進一步加深讀者對文章內容的理解。雖然知識呈現度已經比較完善，但是對于知識呈現形式的組合和創新依然有待完善，否則容易導致用戶視覺疲勞。知識共享效能得分不高，究其原因是因為文章發布篇數和閱讀量超10 萬人次的文章數較低。微信公眾號對于文章發布情況應該達到一定的數量，以數量為基礎，質量為保障，將知識共享頻率維持在穩定的水平，提供有利于公眾號知識共享能力的支撐。

（2）知識擴散能力中的感知有用性得分不高，主要是因為公眾號閱讀量相關屬性值偏低。閱讀量與轉發量的正相關關系表明，此公眾號的轉發量也處于較低的水平。“環球科學”面對的用戶群體類型不夠廣泛可能是影響其閱讀量偏低的重要因素。該公眾號可以加強利用微信相關推廣功能，充分運用不同公眾號之間的互推條件，提升公眾號知名度和粉絲量。今后公眾號應深入了解用戶閱讀習慣和興趣，抓住用戶關注的主流打通知識共享渠道，也能有效提高公眾號文章閱讀數。群體交互強度得分相對較低，主要是因為作者回復數較低，公眾號作者與粉絲間的互動較少，從而導致整體群體交互強度處于一般的等級。公眾號在往后的知識共享過程中，應充分發揮主觀能動性，積極回復用戶提出的問題并與粉絲建立良好的交互關系，從而有助于公眾號群體交互強度的提升。

5 結論與展望

本文從社會認知理論、社會資本理論和技術接受理論出發，根據公眾號數據私密性等相關特點，構建微信公眾號知識共享能力評價指標體系，實現了定性指標與定量指標的結合，較客觀地反映出微信公眾號的知識共享能力。該評價指標體系即將公眾號自身所具備的屬性融入到知識生成能力中，又充分的體現出知識擴散過程中的交互特性。根據真實獲取的數據利用熵權法確定指標權重，能夠有效降低用戶打分融入的個體主觀性和隨機性，具有很好的可操作性和科學性。構建的加權綜合云評價模型既能夠從整體上反映出待評公眾號知識共享能力的整體水平，又能深入各級指標分析知識共享能力的短板為提升策略的指定提供一定的理論依據。

通過實證分析發現“環球科學”公眾號的知識共享能力評價等級為“好”，還存在一定的改進空間。從提高其知識生成能力層面來看，雖然“環球科學”微信公眾號知識生成能力處于“好”的等級，但還需積極培養活躍優質粉絲，利用團隊之間的互推機制開展自身推廣。與此同時，必須保持良好的知識呈現度，加強知識呈現形式的組合和創新，在文章原創性的基礎上維持固定的文章發布頻次。從提高其知識擴散能力層面來看，“環球科學”微信公眾號知識擴散能力處于“一般”的等級，應該鼓勵用戶使用在看功能來提高文章在看數，運用在看功能來擴大科普知識的傳播規模。并且，微信公眾號要充分利用平臺相關推廣功能，提高文章相關閱讀量，加強與粉絲之間的交流互動，提升公眾號的粉絲粘度。總之，“環球科學”微信公眾號應從知識生成能力和知識擴散能力兩大層面共同出發，以期進一步提升自身知識共享能力。

本文接下來的后續研究可以從以下兩方面展開：第一，擴大樣本數據選取的對象數量與時間長度，擴展至大樣本對象數據以進一步檢驗不同評價指標對知識生成能力的影響，擴大研究時間范圍可以有效提高評價的普適性；第二，本文從知識生成能力和知識擴散能力兩大層面出發對微信公眾號知識共享能力進行評價，未來研究可考慮拓展知識創新能力等層面的指標，對指標體系進一步豐富，從而提高評價的準確度。