區(qū)塊鏈虛擬知識(shí)社區(qū)中用戶(hù)知識(shí)結(jié)構(gòu)對(duì)激勵(lì)機(jī)制有效性影響

李志宏，余 悅，許小穎，喬貴鴻

（華南理工大學(xué)工商管理學(xué)院，廣東廣州 510641）

1 研究背景

全社會(huì)正在邁入知識(shí)經(jīng)濟(jì)時(shí)代，以知識(shí)活動(dòng)為導(dǎo)向的虛擬知識(shí)社區(qū)正在蓬勃發(fā)展。激勵(lì)機(jī)制作為社區(qū)運(yùn)行機(jī)制的重要組成部分，其有效性不僅在于能否給用戶(hù)帶來(lái)長(zhǎng)效穩(wěn)定的知識(shí)貢獻(xiàn)動(dòng)力，更關(guān)鍵的是能否觸發(fā)高價(jià)值的專(zhuān)家用戶(hù)創(chuàng)新。傳統(tǒng)的虛擬知識(shí)社區(qū)，如國(guó)內(nèi)的知乎、國(guó)外的Quora 等面臨著用戶(hù)知識(shí)貢獻(xiàn)意愿不強(qiáng)、用戶(hù)黏度不夠、大量無(wú)意義內(nèi)容充斥社區(qū)等問(wèn)題。區(qū)塊鏈技術(shù)的出現(xiàn)或?qū)檫@些問(wèn)題的解決提供新的思路，以一種創(chuàng)造性的激勵(lì)機(jī)制，重新定義了社區(qū)內(nèi)容生態(tài)和經(jīng)濟(jì)模型。

區(qū)塊鏈虛擬知識(shí)社區(qū)中激勵(lì)機(jī)制的特征在于：（1）引入經(jīng)濟(jì)激勵(lì)機(jī)制。區(qū)塊鏈虛擬知識(shí)社區(qū)依靠以通證為核心的經(jīng)濟(jì)生態(tài)，提高用戶(hù)在社區(qū)內(nèi)主動(dòng)生產(chǎn)、貢獻(xiàn)有意義內(nèi)容的意愿。只有用戶(hù)創(chuàng)作的知識(shí)內(nèi)容在經(jīng)過(guò)社區(qū)內(nèi)其他用戶(hù)投票之后，得到社區(qū)內(nèi)其他用戶(hù)的認(rèn)可，用戶(hù)貢獻(xiàn)的知識(shí)才被認(rèn)為是具有高價(jià)值的，知識(shí)生產(chǎn)者才會(huì)獲得通證獎(jiǎng)勵(lì)，用戶(hù)的經(jīng)濟(jì)需要得到滿(mǎn)足。（2）引入股份激勵(lì)機(jī)制。社區(qū)內(nèi)設(shè)計(jì)多種不同通證及其相互間的轉(zhuǎn)換機(jī)制，當(dāng)用戶(hù)持有類(lèi)似于社區(qū)股份的通證時(shí)，不僅會(huì)獲得分紅，還會(huì)獲得心理所有權(quán)的提升［1］，依此滿(mǎn)足用戶(hù)較高層次的心理需要，以刺激用戶(hù)更積極地進(jìn)行知識(shí)貢獻(xiàn)。（3）引入社區(qū)治理權(quán)激勵(lì)機(jī)制。基于區(qū)塊鏈的虛擬知識(shí)社區(qū)是通過(guò)民主協(xié)商程序來(lái)運(yùn)營(yíng)、管理和發(fā)展組織。社區(qū)屬于每一個(gè)用戶(hù)，不存在管理層，社區(qū)運(yùn)營(yíng)決策（分叉）由所有用戶(hù)共同決定，社區(qū)發(fā)展前景和社區(qū)內(nèi)所有用戶(hù)緊密相關(guān)，因此這可能會(huì)在一定程度上使得用戶(hù)更加積極進(jìn)行知識(shí)貢獻(xiàn)。

區(qū)塊鏈虛擬知識(shí)社區(qū)憑借其開(kāi)放性和平等性吸引著大量知識(shí)結(jié)構(gòu)不同的在線用戶(hù)，既有知識(shí)元素不夠多元且知識(shí)積累不夠深厚的普通用戶(hù)，也有在多個(gè)領(lǐng)域擁有多元知識(shí)或者在特定領(lǐng)域積累深厚知識(shí)的專(zhuān)家用戶(hù)。用戶(hù)作為虛擬知識(shí)社區(qū)中知識(shí)貢獻(xiàn)的主體，其自身的知識(shí)結(jié)構(gòu)將決定社區(qū)內(nèi)的知識(shí)價(jià)值。一方面，與Quora、知乎等傳統(tǒng)的中心化虛擬知識(shí)社區(qū)不同，區(qū)塊鏈虛擬知識(shí)社區(qū)依靠全社區(qū)用戶(hù)的知識(shí)發(fā)現(xiàn)來(lái)進(jìn)行內(nèi)容治理。知識(shí)價(jià)值的判斷權(quán)由用戶(hù)持有，用戶(hù)通過(guò)對(duì)文章點(diǎn)贊或點(diǎn)踩進(jìn)行知識(shí)發(fā)現(xiàn)以實(shí)現(xiàn)對(duì)用戶(hù)貢獻(xiàn)知識(shí)的價(jià)值評(píng)價(jià)，這使得擁有不同知識(shí)結(jié)構(gòu)的用戶(hù)在社區(qū)內(nèi)有著不同的知識(shí)貢獻(xiàn)體驗(yàn)，激勵(lì)機(jī)制在促進(jìn)不同知識(shí)結(jié)構(gòu)用戶(hù)進(jìn)行知識(shí)貢獻(xiàn)時(shí)的有效性也將不同。這將為區(qū)塊鏈虛擬知識(shí)社區(qū)帶來(lái)第一個(gè)問(wèn)題：什么樣的激勵(lì)機(jī)制能有效觸發(fā)有價(jià)值的專(zhuān)家用戶(hù)創(chuàng)新？另一方面，區(qū)塊鏈虛擬知識(shí)社區(qū)中激勵(lì)機(jī)制從經(jīng)濟(jì)激勵(lì)到股份激勵(lì)，再到社區(qū)治理權(quán)激勵(lì)，從低到高依次滿(mǎn)足用戶(hù)的經(jīng)濟(jì)需要、權(quán)力需要和社區(qū)歸屬感需要。這將為區(qū)塊鏈虛擬知識(shí)社區(qū)帶來(lái)第二個(gè)問(wèn)題：區(qū)塊鏈虛擬知識(shí)社區(qū)中，經(jīng)濟(jì)激勵(lì)、股份激勵(lì)和治理權(quán)激勵(lì)能否有效促進(jìn)用戶(hù)的知識(shí)貢獻(xiàn)？從用戶(hù)知識(shí)結(jié)構(gòu)角度，對(duì)區(qū)塊鏈虛擬知識(shí)社區(qū)中激勵(lì)機(jī)制與用戶(hù)知識(shí)貢獻(xiàn)之間的關(guān)系進(jìn)行研究，不僅能驗(yàn)證激勵(lì)機(jī)制的有效性，還能為社區(qū)的機(jī)制設(shè)計(jì)和優(yōu)化提供管理啟示。

Steemit 社區(qū)是去中心化程度和集成度最高的區(qū)塊鏈虛擬知識(shí)社區(qū)之一，因此現(xiàn)有以區(qū)塊鏈虛擬知識(shí)社區(qū)為研究對(duì)象的探索大多在Steemit 社區(qū)中開(kāi)展，本文亦是如此。國(guó)外研究大多聚焦于社區(qū)的運(yùn)行機(jī)制，如Kim 等［1］通過(guò)分析Steemit 社區(qū)的通證經(jīng)濟(jì)模型提出關(guān)于通證經(jīng)濟(jì)模型設(shè)計(jì)的指導(dǎo)方針；Li 等［2］通過(guò)對(duì)Steemit 社區(qū)的獎(jiǎng)勵(lì)分配公式的推導(dǎo)和社區(qū)內(nèi)用戶(hù)操作數(shù)據(jù)及獎(jiǎng)勵(lì)分配數(shù)據(jù)的統(tǒng)計(jì)分析，得出Steemit 社區(qū)當(dāng)前的獎(jiǎng)勵(lì)分配算法存在著漏洞；Palanisamy 等［3］通過(guò)對(duì)DPoS（Delegated Proof Of Stake，委托權(quán)益證明）和PoW（Proof Of Work，工作量證明）兩種共識(shí)算法下區(qū)塊生產(chǎn)者進(jìn)行分析，比較比特幣和Steemit 社區(qū)的去中心化程度；Kiayias等［4］提出了一個(gè)去中心化的內(nèi)容治理模型，并在Steemit 社區(qū)中進(jìn)行驗(yàn)證分析，以期提高區(qū)塊鏈虛擬知識(shí)社區(qū)的內(nèi)容治理性能和彈性。此外，Liu 等［5］基于社會(huì)資本理論和心理所有權(quán)理論，實(shí)證分析表明用戶(hù)的社會(huì)資本和能夠影響用戶(hù)的知識(shí)貢獻(xiàn)。國(guó)內(nèi)的研究多聚焦于Steemit 社區(qū)的傳統(tǒng)在線社區(qū)特征，如郭笑春等［6］使用了對(duì)比案例分析法，通過(guò)將Steemit 社區(qū)和知乎社區(qū)的商業(yè)模式對(duì)比，深入探討了數(shù)字貨幣在商業(yè)模式中的價(jià)值和作用；李海剛等［7］對(duì)Steemit 社區(qū)進(jìn)行了案例分析，并實(shí)證分析社區(qū)中用戶(hù)和知識(shí)互動(dòng)類(lèi)型，以及知識(shí)互動(dòng)績(jī)效的影響因素；王晰巍等［8］和趙丹等［9］采用了社交網(wǎng)絡(luò)分析的方法，對(duì)Steemit 社區(qū)中的意見(jiàn)領(lǐng)袖和輿情傳播進(jìn)行識(shí)別。區(qū)塊鏈虛擬知識(shí)社區(qū)中，激勵(lì)機(jī)制在促進(jìn)有價(jià)值的專(zhuān)家用戶(hù)創(chuàng)新方面的有效性和給用戶(hù)帶來(lái)長(zhǎng)效穩(wěn)定的知識(shí)貢獻(xiàn)動(dòng)力方面的有效性如何還有待進(jìn)一步研究。

2 理論基礎(chǔ)與研究假設(shè)

2.1 個(gè)人動(dòng)機(jī)與知識(shí)貢獻(xiàn)

在虛擬知識(shí)社區(qū)中，激勵(lì)機(jī)制設(shè)計(jì)的出發(fā)點(diǎn)在于滿(mǎn)足用戶(hù)各個(gè)層次的需要激發(fā)其知識(shí)貢獻(xiàn)的動(dòng)機(jī)，因此動(dòng)機(jī)的成功驅(qū)動(dòng)是激勵(lì)機(jī)制有效性的完美驗(yàn)證。自我決定理論是由美國(guó)心理學(xué)家Deci 等［10］提出，該理論闡述了個(gè)體自我決定行為的動(dòng)機(jī)過(guò)程，強(qiáng)調(diào)行為是個(gè)體在自身需要的基礎(chǔ)上與外部情境互動(dòng)而產(chǎn)生的自主性結(jié)果。Krogh等［11］學(xué)者將動(dòng)機(jī)分為三類(lèi)：外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)。外部動(dòng)機(jī)是指?jìng)€(gè)體為追求外部需求的滿(mǎn)足而執(zhí)行行為的動(dòng)機(jī)。一般情況下，外部需求表現(xiàn)為報(bào)酬或者經(jīng)濟(jì)獎(jiǎng)勵(lì)。在本文的研究情境下，Steemit 社區(qū)的主旨是“好文有好報(bào)”，用戶(hù)收到的通證數(shù)量是由社區(qū)內(nèi)用戶(hù)投票決定的，在區(qū)塊中以Steem Backed Dollar（SBD）的形式存儲(chǔ)。通常來(lái)說(shuō)，SBD 是穩(wěn)定的通證，與美元掛鉤，1SBD=1Dollar，但在實(shí)際情況中，SBD 的市場(chǎng)交易價(jià)格是波動(dòng)的，因此用戶(hù)收到的發(fā)帖收益與SBD 數(shù)量和其二級(jí)市場(chǎng)交易價(jià)格有直接關(guān)系，發(fā)帖收益=發(fā)帖獲得通證數(shù)量×通證價(jià)格。Steemit 社區(qū)設(shè)計(jì)了一套對(duì)每個(gè)用戶(hù)貢獻(xiàn)價(jià)值進(jìn)行客觀量化的公平機(jī)制，達(dá)到激勵(lì)用戶(hù)主動(dòng)參與社區(qū)的知識(shí)生態(tài)維護(hù)和社區(qū)治理的目的。用戶(hù)在社區(qū)內(nèi)通過(guò)參與知識(shí)貢獻(xiàn)、內(nèi)容發(fā)現(xiàn)和社區(qū)治理，分別可以獲得作者獎(jiǎng)勵(lì)、策展獎(jiǎng)勵(lì)和見(jiàn)證人獎(jiǎng)勵(lì)。另一方面，社區(qū)內(nèi)用戶(hù)獲得發(fā)帖獎(jiǎng)勵(lì)占三種總獎(jiǎng)勵(lì)的比例越高，則用戶(hù)能容易感知到發(fā)帖獲得經(jīng)濟(jì)收益，也會(huì)在社區(qū)中的知識(shí)貢獻(xiàn)中投入更大精力。因此本文采用用戶(hù)所獲發(fā)帖收益和發(fā)帖收益占比兩個(gè)指標(biāo)衡量用戶(hù)的外部動(dòng)機(jī)，并提出假設(shè)：H1a：用戶(hù)所獲發(fā)帖收益對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響；H1b：用戶(hù)所獲發(fā)帖收益占比對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響。

內(nèi)化的外部動(dòng)機(jī)強(qiáng)調(diào)個(gè)體通過(guò)內(nèi)射和認(rèn)同將外部動(dòng)機(jī)轉(zhuǎn)化為內(nèi)部的動(dòng)機(jī)，使其成為一種自我調(diào)節(jié)而非外部強(qiáng)加行為［12］。內(nèi)化的外部動(dòng)機(jī)最開(kāi)始來(lái)自于外部刺激，但個(gè)體將其看作自我調(diào)節(jié)行為，并最終內(nèi)化這些外部刺激。外部動(dòng)機(jī)的內(nèi)化是指?jìng)€(gè)體將由外部事件調(diào)節(jié)轉(zhuǎn)為內(nèi)在自我調(diào)節(jié)的過(guò)程，也是將所在組織的規(guī)則、價(jià)值、信念等行為的外部原因轉(zhuǎn)化為自己內(nèi)在心理原因的過(guò)程［13］，是個(gè)體外部動(dòng)機(jī)到內(nèi)部動(dòng)機(jī)的有機(jī)過(guò)渡。在本文的研究情境下，Steemit 社區(qū)設(shè)計(jì)了3 種不同但相關(guān)的加密貨幣及其轉(zhuǎn)換機(jī)制，當(dāng)用戶(hù)進(jìn)行Power Up 操作時(shí)，是將可流通的基礎(chǔ)貨幣STEEM 轉(zhuǎn)化為社區(qū)股份SP，這給用戶(hù)帶來(lái)高收入的同時(shí)，也伴隨著高風(fēng)險(xiǎn)。一方面，用戶(hù)錢(qián)包中SP 數(shù)量的增長(zhǎng)不僅提高了用戶(hù)在知識(shí)價(jià)值判斷和見(jiàn)證人選舉時(shí)的影響力，還能給用戶(hù)帶來(lái)額外的股份分紅，同時(shí)，當(dāng)用戶(hù)將SP 兌換成STEEM 時(shí)，并非即時(shí)轉(zhuǎn)換的，而是需要一定的“鎖倉(cāng)期”，因此當(dāng)用戶(hù)選擇持有更多數(shù)量的SP 時(shí)，便只會(huì)做對(duì)社區(qū)的知識(shí)生態(tài)和通證價(jià)值有益的事情，促使用戶(hù)個(gè)人目標(biāo)和社區(qū)目標(biāo)的趨同。另一方面，Liu 等［5］的研究表明，用戶(hù)持有SP 會(huì)增強(qiáng)其心理所有權(quán)，用戶(hù)進(jìn)行Power Up 操作轉(zhuǎn)化得到的SP 越多，他們?cè)谏鐓^(qū)中的投入就越多，將自己內(nèi)化為社區(qū)部分就越多，成員將增強(qiáng)對(duì)社區(qū)的心理所有權(quán)，然后他們將采取知識(shí)貢獻(xiàn)的行為支持社區(qū)知識(shí)生態(tài)的健康發(fā)展和社區(qū)價(jià)值的提升。因此將社區(qū)給予用戶(hù)的獎(jiǎng)勵(lì)股份化能滿(mǎn)足用戶(hù)較高層次的需求，促使用戶(hù)將知識(shí)貢獻(xiàn)內(nèi)化為個(gè)人認(rèn)同，完成了用戶(hù)外部動(dòng)機(jī)到內(nèi)部動(dòng)機(jī)的有機(jī)過(guò)渡。本文將使用用戶(hù)通過(guò)Power Up 操作轉(zhuǎn)化的加密貨幣數(shù)量衡量用戶(hù)內(nèi)化的外部動(dòng)機(jī)，并提出假設(shè)H2：用戶(hù)通過(guò)Power Up 操作增持的SP 數(shù)量對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響。

與外部動(dòng)機(jī)和內(nèi)化的外部動(dòng)機(jī)不同，內(nèi)部動(dòng)機(jī)指?jìng)€(gè)體參與某項(xiàng)實(shí)踐是為了追求精神層面的滿(mǎn)足，這對(duì)應(yīng)著馬斯洛需求層次理論中人類(lèi)的最高需求。Lou 等［14］的研究表明，自我價(jià)值感的內(nèi)部動(dòng)機(jī)不僅提高了知識(shí)貢獻(xiàn)的數(shù)量，也提高了知識(shí)貢獻(xiàn)的質(zhì)量。在本文的研究情境下，Steemit 社區(qū)是去中心化的自治組織，即通過(guò)民主協(xié)商程序來(lái)運(yùn)營(yíng)、管理和發(fā)展組織，社區(qū)用戶(hù)通過(guò)參與見(jiàn)證人選舉投票參與社區(qū)治理，社區(qū)的運(yùn)營(yíng)決策由每一個(gè)用戶(hù)決定，這不僅會(huì)促使用戶(hù)認(rèn)可社區(qū)的制度規(guī)范，還會(huì)增強(qiáng)用戶(hù)對(duì)社區(qū)的認(rèn)同度［15］。此外，用戶(hù)參與見(jiàn)證人選舉投票并不會(huì)得到任何收益，用戶(hù)的這種舉措是出于對(duì)社區(qū)規(guī)則的肯定和治理話(huà)語(yǔ)權(quán)的表達(dá)，更多的是精神獎(jiǎng)勵(lì)和情感獎(jiǎng)勵(lì)，這帶來(lái)了用戶(hù)使用Steemit 社區(qū)的滿(mǎn)足感和使用個(gè)人權(quán)利的成就感，增強(qiáng)了用戶(hù)對(duì)社區(qū)的情感承諾。因此本文采用用戶(hù)的社區(qū)治理參與水平，即參與見(jiàn)證人選取投票的次數(shù)衡量用戶(hù)知識(shí)貢獻(xiàn)的內(nèi)部動(dòng)機(jī)，并提出假設(shè)H3：用戶(hù)社區(qū)治理參與水平對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響。

2.2 知識(shí)結(jié)構(gòu)與知識(shí)貢獻(xiàn)

知識(shí)結(jié)構(gòu)理論在形成之初是作為理論工具來(lái)研究受教主體認(rèn)知與思維差異，起源于教育學(xué)領(lǐng)域。知識(shí)結(jié)構(gòu)理論核心要旨是受教主體所掌握的知識(shí)范圍和深度有所差異，這造就了不同個(gè)體之間擁有不同知識(shí)結(jié)構(gòu)和學(xué)習(xí)能力［16］。延續(xù)教育學(xué)領(lǐng)域從知識(shí)廣度和知識(shí)深度兩個(gè)維度來(lái)界定知識(shí)結(jié)構(gòu)的方式，組織知識(shí)結(jié)構(gòu)理論同樣延續(xù)這樣的界定維度：組織知識(shí)廣度是反映了主體所擁有知識(shí)的異質(zhì)性水平和多元化程度；組織知識(shí)深度表示主體掌握知識(shí)的專(zhuān)業(yè)化水平和復(fù)雜程度［17］。根據(jù)認(rèn)知心理學(xué)家Anderson［18］的觀點(diǎn)：知識(shí)實(shí)際上是一種縱橫交錯(cuò)的知識(shí)結(jié)構(gòu)，對(duì)主體的知識(shí)結(jié)構(gòu)進(jìn)行挖掘不僅可以發(fā)現(xiàn)主體間的知識(shí)差異，在進(jìn)一步加深對(duì)主體活動(dòng)規(guī)律與作用結(jié)果的認(rèn)識(shí)方面也頗有意義。

現(xiàn)有對(duì)于知識(shí)廣度的研究中，其積極作用得到研究人員們的一致證實(shí)［19］，個(gè)體的知識(shí)廣度越廣，擁有的多元化知識(shí)范圍越大，越能滿(mǎn)足個(gè)體發(fā)展對(duì)于異質(zhì)性信息的需要［20］，能夠增強(qiáng)個(gè)體的知識(shí)吸收能力［21］、技術(shù)合作能力［22］，從而對(duì)個(gè)體創(chuàng)新產(chǎn)生積極影響。因此作出假設(shè)H4a：用戶(hù)知識(shí)廣度對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響。

學(xué)界對(duì)于知識(shí)深度的作用尚存爭(zhēng)議，有學(xué)者質(zhì)疑，認(rèn)為主體知識(shí)深厚程度不一定會(huì)帶來(lái)積極作用，甚至?xí)a(chǎn)生負(fù)面影響［22］。當(dāng)個(gè)體擁有的知識(shí)層次越深，對(duì)新知識(shí)的搜尋難度加大，會(huì)導(dǎo)致創(chuàng)新機(jī)會(huì)的減少［19］。也有學(xué)者持積極態(tài)度，認(rèn)為知識(shí)深度有利于個(gè)體從少量的資源中汲取知識(shí)和想法，懂得使用關(guān)鍵性資源并與其保持良性溝通的個(gè)體往往能產(chǎn)生高質(zhì)量創(chuàng)新［23］。因此作出假設(shè)H4b：用戶(hù)知識(shí)深度對(duì)其在Steemit 社區(qū)中的知識(shí)貢獻(xiàn)質(zhì)量有積極影響。

2.3 知識(shí)結(jié)構(gòu)的調(diào)節(jié)作用

在Steemit 社區(qū)中，知識(shí)廣度是指用戶(hù)貢獻(xiàn)的知識(shí)中知識(shí)的多元化程度，知識(shí)深度是指用戶(hù)貢獻(xiàn)知識(shí)的專(zhuān)業(yè)化程度。根據(jù)資源基礎(chǔ)理論的觀點(diǎn)，個(gè)體所擁有的特殊異質(zhì)資源可以形成個(gè)體的競(jìng)爭(zhēng)優(yōu)勢(shì)，而個(gè)體可以通過(guò)知識(shí)管理來(lái)積累這種特殊的異質(zhì)資源［24］。在科爾曼［25］提出的理性選擇理論的框架下，假設(shè)個(gè)體選擇不同的行動(dòng)，就會(huì)獲得不同的效益，行動(dòng)者都是理性的“經(jīng)濟(jì)人”，因此行動(dòng)者會(huì)有目的地去選擇行為和事物來(lái)達(dá)到獲取最大化效益的目標(biāo)。相關(guān)研究表明，個(gè)體會(huì)通過(guò)知識(shí)隱藏這種行為來(lái)鞏固自己在相關(guān)知識(shí)領(lǐng)域的控制權(quán)從而維持甚至提升自己在組織中的競(jìng)爭(zhēng)力，也叫做知識(shí)權(quán)力，因?yàn)橹R(shí)隱藏行為可以維持個(gè)體知識(shí)資源的獨(dú)特性甚至是唯一性。因此，理性行為理論和資源基礎(chǔ)理論可以解釋用戶(hù)知識(shí)結(jié)構(gòu)對(duì)激勵(lì)機(jī)制有效性可能存在的影響。對(duì)于受到發(fā)帖收益這種外部動(dòng)機(jī)驅(qū)動(dòng)而進(jìn)行知識(shí)貢獻(xiàn)的用戶(hù)而言，他們本身是有較高經(jīng)濟(jì)傾向的人，會(huì)理性考慮自己知識(shí)資源的獨(dú)特性能夠?yàn)樽约簬?lái)的更多期望收益。當(dāng)用戶(hù)的知識(shí)廣度和知識(shí)深度較高時(shí)，多次發(fā)帖和高質(zhì)量的知識(shí)貢獻(xiàn)可能會(huì)給用戶(hù)帶來(lái)知識(shí)優(yōu)勢(shì)的喪失而無(wú)法獲得長(zhǎng)期的收益，用戶(hù)知識(shí)貢獻(xiàn)的經(jīng)濟(jì)動(dòng)力會(huì)被削弱。提出假設(shè)H5a：發(fā)帖收益對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)廣度的負(fù)向調(diào)節(jié)；H5b：發(fā)帖收益占比對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)廣度的負(fù)向調(diào)節(jié)；H6a：發(fā)帖收益對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)深度的負(fù)向調(diào)節(jié)；H6b：發(fā)帖收益占比對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)深度的負(fù)向調(diào)節(jié)。

根據(jù)理性行為理論和資源基礎(chǔ)理論，對(duì)積極將流通通證股份化和積極參與社區(qū)治理的用戶(hù)而言，股份價(jià)值的提升和社區(qū)治理權(quán)的長(zhǎng)期持有是他們的效益最大化的行為準(zhǔn)則下的會(huì)首先考慮的因素。因此，他們更關(guān)注自己的知識(shí)資源優(yōu)勢(shì)能否帶來(lái)社區(qū)知識(shí)生態(tài)的向好發(fā)展，從而帶來(lái)心理所有權(quán)和社區(qū)歸屬感的提升。當(dāng)用戶(hù)的知識(shí)深度和知識(shí)廣度較高時(shí)，一方面，用戶(hù)自身的知識(shí)優(yōu)勢(shì)給予用戶(hù)貢獻(xiàn)高質(zhì)量知識(shí)的可能；另一方面，受到內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)驅(qū)動(dòng)，他們對(duì)于知識(shí)優(yōu)勢(shì)喪失可能帶來(lái)的長(zhǎng)期收益損失不敏感，從而貢獻(xiàn)高質(zhì)量知識(shí)。提出假設(shè)H7：Power Up 操作增持SP 數(shù)量對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)廣度的正向調(diào)節(jié)；H8：社區(qū)治理參與水平對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)廣度的正向調(diào)節(jié)；H9：Power Up 操作增持SP 數(shù)量對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)深度的正向調(diào)節(jié)；H10：社區(qū)治理參與水平對(duì)知識(shí)貢獻(xiàn)質(zhì)量的積極影響受到知識(shí)深度的正向調(diào)節(jié)。

2.4 研究理論模型構(gòu)建

在以上文獻(xiàn)和理論回顧及假設(shè)提出的基礎(chǔ)上，構(gòu)建區(qū)塊鏈虛擬知識(shí)社區(qū)中用戶(hù)知識(shí)結(jié)構(gòu)對(duì)激勵(lì)機(jī)制有效性影響的研究模型如圖1 所示。

圖1 理論模型

3 研究設(shè)計(jì)

3.1 研究對(duì)象和數(shù)據(jù)收集

3.1.1 研究對(duì)象

Steemit 社區(qū)是一個(gè)創(chuàng)設(shè)于2016 年的內(nèi)容型虛擬知識(shí)社區(qū)，發(fā)展至今，該社區(qū)的累計(jì)注冊(cè)用戶(hù)就已超過(guò)140 萬(wàn)且日均活躍用戶(hù)超過(guò)了20 萬(wàn)，且平臺(tái)運(yùn)行機(jī)制設(shè)計(jì)較為成熟。主要通過(guò) Steemit 社區(qū)源代碼和白皮書(shū)等途徑對(duì)社區(qū)運(yùn)作模式和通證經(jīng)濟(jì)生態(tài)進(jìn)行介紹。

（1）社區(qū)運(yùn)行框架。在社區(qū)知識(shí)生產(chǎn)和內(nèi)容治理方面，作者創(chuàng)作優(yōu)質(zhì)內(nèi)容，投票者通過(guò)對(duì)社區(qū)內(nèi)容列表投票以挖掘社區(qū)優(yōu)質(zhì)內(nèi)容實(shí)現(xiàn)知識(shí)價(jià)值判斷。Steemit 社區(qū)正是合理地將區(qū)塊鏈技術(shù)和通證經(jīng)濟(jì)引入虛擬知識(shí)社區(qū)，通過(guò)縝密的激勵(lì)機(jī)制設(shè)計(jì)而產(chǎn)生的一種全新的用戶(hù)多方協(xié)同治理的知識(shí)社區(qū)生態(tài)系統(tǒng)。在社區(qū)的機(jī)制設(shè)計(jì)中，Steemit 社區(qū)依靠投票的方式得出社區(qū)用戶(hù)對(duì)每一篇帖子主觀價(jià)值的公平判斷，由此來(lái)決定社區(qū)內(nèi)用戶(hù)生成內(nèi)容的最終價(jià)值，并獎(jiǎng)勵(lì)作者與其內(nèi)容貢獻(xiàn)價(jià)值相對(duì)應(yīng)的加密貨幣。知識(shí)價(jià)值判斷體系采用加權(quán)投票機(jī)制，而非一人一票制。用戶(hù)將自己手中的票投給優(yōu)質(zhì)內(nèi)容，通過(guò)發(fā)現(xiàn)有價(jià)值的帖子來(lái)獲取知識(shí)發(fā)現(xiàn)的通證獎(jiǎng)勵(lì)，用戶(hù)收到的知識(shí)發(fā)現(xiàn)獎(jiǎng)勵(lì)——策展獎(jiǎng)勵(lì)與投票者所投帖子獎(jiǎng)勵(lì)相關(guān)。用戶(hù)發(fā)布帖子所獲的發(fā)帖收益和投票者所獲的策展收益都將在帖子發(fā)布的7 天后確定，從某種意義上講，用戶(hù)就是一種投資者，而投資標(biāo)的就是社區(qū)中的文章。在社交活動(dòng)方面，社區(qū)用戶(hù)可以通過(guò)互相關(guān)注的社交行為，進(jìn)行社交活動(dòng)。在價(jià)值轉(zhuǎn)換方面，社區(qū)用戶(hù)可以進(jìn)行轉(zhuǎn)賬、SP 代理等通證交易活動(dòng)。在社區(qū)治理方面，Steemit 社區(qū)底層采用了DPoS 共識(shí)機(jī)制來(lái)選舉出見(jiàn)證人輪流打包社區(qū)數(shù)據(jù)，追加到公共賬本中，實(shí)現(xiàn)社區(qū)的高效率運(yùn)轉(zhuǎn)。DPoS 共識(shí)機(jī)制的核心是投票機(jī)制，在社區(qū)的DPoS 共識(shí)機(jī)制下，每輪選出21 名見(jiàn)證人。每個(gè)用戶(hù)至多為30 位候選見(jiàn)證人投票，用戶(hù)持有的SP 數(shù)量將直接決定用戶(hù)選舉投票的影響力，投票期結(jié)束后，收到投票權(quán)益最高的20 名見(jiàn)證人與從剩余候選見(jiàn)證人們中隨機(jī)選擇的最后一位見(jiàn)證人組成 21 名見(jiàn)證人團(tuán)隊(duì)。

由作者、投票者和見(jiàn)證人共同構(gòu)成了社區(qū)的內(nèi)容生態(tài)、經(jīng)濟(jì)生態(tài)和治理生態(tài)，用戶(hù)在社區(qū)內(nèi)可以一人分飾多角，各司其職協(xié)同治理運(yùn)營(yíng)社區(qū)。用戶(hù)對(duì)社區(qū)作出的每種貢獻(xiàn)，包括分享知識(shí)、發(fā)現(xiàn)內(nèi)容、治理社區(qū)，社區(qū)都會(huì)分發(fā)一定數(shù)量的通證，視用戶(hù)貢獻(xiàn)的價(jià)值而定，以此來(lái)不斷激勵(lì)不同用戶(hù)持續(xù)進(jìn)行貢獻(xiàn)。社區(qū)運(yùn)行的總體框架如圖2 所示。

圖2 社區(qū)運(yùn)行總體框架

（2）通證經(jīng)濟(jì)生態(tài)。Steemit 社區(qū)內(nèi)的通證經(jīng)濟(jì)生態(tài)由通證轉(zhuǎn)換機(jī)制（如圖3 所示）和通證分發(fā)模式（如圖4 所示）共同構(gòu)成。為保證社區(qū)通證生態(tài)的良好運(yùn)轉(zhuǎn)，社區(qū)將通證分成了3 種類(lèi)型，形成了多通證的經(jīng)濟(jì)生態(tài)。這3 種通證分別為：Steem（STEEM）、Steem Power（SP）和 Steem Backed Dollar（SBD）。

圖3 通證轉(zhuǎn)換機(jī)制

圖4 通證分發(fā)模式

1）Steem（STEEM）：社區(qū)的基本通證類(lèi)型，可以轉(zhuǎn)換為其他類(lèi)型的兩種通證。與其他兩種通證相比，它更像是一種流動(dòng)性資產(chǎn)，可以在社區(qū)內(nèi)部或者二級(jí)市場(chǎng)直接進(jìn)行交易，也可以與其他數(shù)字貨幣進(jìn)行交易。

2）Steem Power（SP）：用戶(hù)的SP 持有數(shù)量代表了用戶(hù)在社區(qū)內(nèi)的權(quán)利，直接決定著用戶(hù)在知識(shí)價(jià)值判斷和見(jiàn)證人選舉時(shí)的影響力。與其他兩種通證相比，它更像是一種社區(qū)股份，社區(qū)會(huì)根據(jù)用戶(hù)的 SP 持有量，每年分發(fā)一定通證獎(jiǎng)勵(lì)作為分紅。

3）Steem Backed Dollar（SBD）：SBD 的設(shè)計(jì)主要是為了克服Steem 價(jià)格的不穩(wěn)定性，專(zhuān)門(mén)與美元掛鉤，是穩(wěn)定的通證。一般情況下，1SBD=1Dollar，實(shí)際上，其價(jià)格也會(huì)隨著社區(qū)價(jià)值有所波動(dòng)。

用戶(hù)持有STEEM 時(shí)，可以通過(guò)Power Up 操作按照1 ∶1 的轉(zhuǎn)換比例，實(shí)時(shí)將其轉(zhuǎn)換成 SP，持有SP 可以通過(guò)Power Down 操作兌換成STEEM，這有一定的“鎖倉(cāng)期”，因?yàn)樯鐓^(qū)內(nèi)設(shè)計(jì)轉(zhuǎn)換時(shí)間為4 周，直到4 周之后，才可把 SP 全部?jī)稉Q成STEEM。用戶(hù)在Power Down 期間SP 的持股權(quán)益不會(huì)喪失。此外，SBD 也可以實(shí)時(shí)兌換成 STEEM。

根據(jù)社區(qū)運(yùn)行之初就預(yù)先設(shè)定好的通證分發(fā)模式（如圖4 所示），新產(chǎn)生的通證中75%分配給內(nèi)容獎(jiǎng)勵(lì)池，15%分配給社區(qū)每位SP 持有者，10%分配給見(jiàn)證人。內(nèi)容獎(jiǎng)勵(lì)池中的通證，依據(jù)每篇文章收到的其他用戶(hù)投票來(lái)分配。每篇文章的通證收益75%分配給文章作者，25%分配給投票用戶(hù)，但在第21 次硬分叉之后，社區(qū)通證分發(fā)模式將作者和投票用戶(hù)的收益比例調(diào)整為各50%。

3.1.2 數(shù)據(jù)收集

爬 取2018 年1 月1 日 至2018 年4 月2 日共計(jì)13 周的面板數(shù)據(jù)，包括用戶(hù)名、時(shí)間戳（注冊(cè)、發(fā)帖、Power Up、Power Down、Delegate、見(jiàn)證人選舉投票）、帖子文本、所獲點(diǎn)贊數(shù)、發(fā)帖所獲通證數(shù)量、擔(dān)任見(jiàn)證人所獲通證數(shù)量、擔(dān)任策展者所獲通證數(shù)量等。未進(jìn)行樣本篩選前的用戶(hù)數(shù)為18 萬(wàn)戶(hù)，還對(duì)每個(gè)用戶(hù)在實(shí)證時(shí)間段附近的社區(qū)行動(dòng)軌跡進(jìn)行一一核查，去除掉在兩個(gè)月內(nèi)未進(jìn)行知識(shí)貢獻(xiàn)的不活躍用戶(hù)。還檢查了每個(gè)用戶(hù)的注冊(cè)時(shí)間，并刪除了注冊(cè)時(shí)間晚于2018 年1 月1 日的用戶(hù)。此外，還刪除了文章所獲投票值為負(fù)及發(fā)布文章所用語(yǔ)言為非英文的用戶(hù)。這樣一來(lái)，數(shù)據(jù)集中最終包含了21 128 個(gè)用戶(hù)。

3.2 變量設(shè)計(jì)

3.2.1 因變量

社區(qū)知識(shí)生態(tài)的長(zhǎng)足發(fā)展和社區(qū)價(jià)值的提升不僅需要用戶(hù)積極地進(jìn)行知識(shí)貢獻(xiàn)，更重要的是需要高質(zhì)量的知識(shí)內(nèi)容充盈，用戶(hù)進(jìn)行的高質(zhì)量知識(shí)貢獻(xiàn)是激勵(lì)機(jī)制有效性的完美表達(dá)，因此以用戶(hù)知識(shí)貢獻(xiàn)質(zhì)量為結(jié)果變量，基于社區(qū)反饋指標(biāo)，他人對(duì)文章的投票是認(rèn)可其貢獻(xiàn)知識(shí)的價(jià)值的反映，故以樣本觀察期內(nèi)在Steemit 社區(qū)內(nèi)發(fā)布的文章所獲投票數(shù)量voteit表示用戶(hù)的知識(shí)貢獻(xiàn)質(zhì)量。

3.2.2 自變量

區(qū)塊鏈虛擬知識(shí)社區(qū)中，用戶(hù)因發(fā)布文章獲得通證收益是激發(fā)用戶(hù)進(jìn)行知識(shí)貢獻(xiàn)的外部動(dòng)機(jī)，因此本文采用用戶(hù)發(fā)帖獲得的通證收益post_rewardit和其在總收益中的所占的比例proPost_Rewardit衡量用戶(hù)的外部動(dòng)機(jī)。內(nèi)化的外部動(dòng)機(jī)是Steemit 社區(qū)中用戶(hù)對(duì)知識(shí)貢獻(xiàn)這種行為內(nèi)在價(jià)值的接納和認(rèn)同所產(chǎn)生知識(shí)貢獻(xiàn)的想法，這里的內(nèi)在價(jià)值體現(xiàn)在社區(qū)股份的增持上，因此使用用戶(hù)進(jìn)行Power Up 操作增持的社區(qū)股份數(shù)量increaseSPit。與外部動(dòng)機(jī)和內(nèi)化的外部動(dòng)機(jī)不同，知識(shí)貢獻(xiàn)的內(nèi)部動(dòng)機(jī)是用戶(hù)出于某種心理上的滿(mǎn)足而產(chǎn)生知識(shí)貢獻(xiàn)的想法，如歸屬感。在Steemit 社區(qū)中，用戶(hù)通過(guò)進(jìn)行見(jiàn)證人選舉投票而參與社區(qū)治理，這是區(qū)塊鏈虛擬知識(shí)社區(qū)賦予用戶(hù)的參與決策權(quán)，這種無(wú)形激勵(lì)增強(qiáng)了用戶(hù)的社區(qū)歸屬感，因此采用用戶(hù)進(jìn)行見(jiàn)證人選舉投票的次數(shù)govit度量用戶(hù)的內(nèi)部動(dòng)機(jī)。

3.2.3 調(diào)節(jié)變量

在Steemit 社區(qū)中，用戶(hù)知識(shí)廣度表征其掌握知識(shí)的多樣性和多元化水平，用戶(hù)知識(shí)深度表征其對(duì)某一特定技術(shù)或應(yīng)用領(lǐng)域知識(shí)元素運(yùn)用的熟練程度和水平，強(qiáng)調(diào)知識(shí)的垂直維度。鞏軍等［26］利用用戶(hù)知識(shí)網(wǎng)絡(luò)的拓?fù)涮卣鱽?lái)度量用戶(hù)的知識(shí)結(jié)構(gòu)；唐洪婷等［26］在構(gòu)建知識(shí)網(wǎng)絡(luò)時(shí)，運(yùn)用LDA 主題模型對(duì)用戶(hù)進(jìn)行知識(shí)挖掘，將識(shí)別出的知識(shí)主題表示為用戶(hù)發(fā)布文章的知識(shí)主題，并將之作為用戶(hù)知識(shí)網(wǎng)絡(luò)的節(jié)點(diǎn)。本文將使用用戶(hù)知識(shí)結(jié)構(gòu)的網(wǎng)絡(luò)拓?fù)涮卣鱽?lái)衡量用戶(hù)的知識(shí)廣度和知識(shí)深度，即用戶(hù)知識(shí)網(wǎng)絡(luò)的直徑和平均聚集系數(shù)。在此之前，需要識(shí)別出知識(shí)元素，以作為知識(shí)網(wǎng)絡(luò)建模的節(jié)點(diǎn)。LDA主題模型除了不依賴(lài)來(lái)自文本方面的背景知識(shí)，對(duì)知識(shí)主題的識(shí)別還能克服一詞多義的問(wèn)題，因此對(duì)于虛擬知識(shí)社區(qū)中用戶(hù)的知識(shí)挖掘是適用的。

本文中基于知識(shí)網(wǎng)絡(luò)的知識(shí)結(jié)構(gòu)評(píng)估方法如下：

（1）運(yùn)用LDA 主題模型，對(duì)用戶(hù)發(fā)布的每篇文章進(jìn)行知識(shí)挖掘，預(yù)測(cè)出其文檔、主題分布和主題、詞分布。

（3）取相似閾值為0.01，利用知識(shí)節(jié)點(diǎn)之間的相似關(guān)系構(gòu)建用戶(hù)的知識(shí)子網(wǎng)。

（4）在建立了用戶(hù)個(gè)人的知識(shí)網(wǎng)絡(luò)后，可以借鑒復(fù)雜網(wǎng)絡(luò)中對(duì)網(wǎng)絡(luò)的相關(guān)度量方法，來(lái)對(duì)用戶(hù)的個(gè)人知識(shí)結(jié)構(gòu)（知識(shí)深度、知識(shí)廣度）進(jìn)行度量和分析。用戶(hù)的知識(shí)廣度可以用用戶(hù)個(gè)人知識(shí)網(wǎng)絡(luò)的直徑來(lái)描述，設(shè)用戶(hù)的知識(shí)網(wǎng)絡(luò)中共有m個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)u與v之間的距離為duv，那么用戶(hù)的知識(shí)廣度KBi可以描述如式（2）所示。

用戶(hù)的知識(shí)深度可以用用戶(hù)個(gè)人知識(shí)網(wǎng)絡(luò)的聚集系數(shù)來(lái)描述。設(shè)用戶(hù)的個(gè)人知識(shí)網(wǎng)絡(luò)中共有m個(gè)節(jié)點(diǎn)，對(duì)于網(wǎng)絡(luò)中度為的節(jié)點(diǎn)u，其聚集系數(shù)如式（3）所示。

用戶(hù)i的知識(shí)深度可以用用戶(hù)個(gè)人知識(shí)網(wǎng)絡(luò)的整體聚集系數(shù)來(lái)描述，即所有節(jié)點(diǎn)聚集系數(shù)的均值如式（4）所示。

3.2.4 控制變量

Steemit 社區(qū)是一個(gè)區(qū)塊鏈虛擬知識(shí)社區(qū)，見(jiàn)證人發(fā)布的喂價(jià)是基礎(chǔ)貨幣STEEM 與穩(wěn)定幣SBD 之間的匯率，反映了基礎(chǔ)貨幣STEEM 幣的價(jià)值，代表了社區(qū)在用戶(hù)心中的前景如何，在一定程度上會(huì)影響用戶(hù)對(duì)社區(qū)的黏性，故控制變量中應(yīng)包含STEEM對(duì)SBD 匯率。SP 和STEEM 代表著兩種投資偏好，持有SP 是高收入低風(fēng)險(xiǎn)的事情，相反，STEEM 流動(dòng)性高，同時(shí)伴隨著低風(fēng)險(xiǎn)，用戶(hù)進(jìn)行Power Down將SP 轉(zhuǎn)化為STEEM 可以在一程度上刻畫(huà)用戶(hù)的投資偏好和性格。本文還將用戶(hù)通過(guò)代理增加的SP 數(shù)量作為控制變量，當(dāng)用戶(hù)通過(guò)代理得到更多的SP 時(shí)，會(huì)提高自己文章的曝光度，這成為許多新用戶(hù)在社區(qū)中快速扎根的選擇。同時(shí)，用戶(hù)積極為其他用戶(hù)的文章投票，通過(guò)積極進(jìn)行知識(shí)發(fā)現(xiàn)和他人進(jìn)行知識(shí)交流，時(shí)刻更新自己的知識(shí)庫(kù)，這在一定程度上可以表征用戶(hù)在Steemit 社區(qū)中的知識(shí)獲取，有可能進(jìn)一步提高他們的知識(shí)生產(chǎn)力。社區(qū)也會(huì)給予用戶(hù)知識(shí)發(fā)現(xiàn)獎(jiǎng)勵(lì)，即策展獎(jiǎng)勵(lì)。故控制變量中應(yīng)包含用戶(hù)收到的策展獎(jiǎng)勵(lì)。

綜上所述，本文具體變量測(cè)量如表1 所示。

表1 變量及其測(cè)量描述

3.3 計(jì)量模型構(gòu)建

本文以用戶(hù)在一周內(nèi)獲得投票的數(shù)量作為因變量衡量用戶(hù)的知識(shí)貢獻(xiàn)質(zhì)量，采用個(gè)體和時(shí)間雙向固定的OLS 回歸模型，通過(guò)逐步回歸的方法依次加入控制變量、自變量、調(diào)節(jié)變量，以期清楚地探析各變量的影響作用。首先，將用戶(hù)知識(shí)貢獻(xiàn)質(zhì)量作為因變量，將控制變量用戶(hù)通過(guò)Power Down 操作減少的SP 數(shù)量、STEEM 兌美元匯率、代理增加的SP數(shù)量、點(diǎn)贊收益加入模型得到模型1 如式（5）。然后為了檢驗(yàn)主效應(yīng)，向模型1 中加入發(fā)帖收益、發(fā)帖收益占比、Power Up 增加SP 數(shù)量、參與見(jiàn)證人選舉投票次數(shù)得到模型2 如式（6），以驗(yàn)證外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)、內(nèi)部動(dòng)機(jī)對(duì)因變量的直接影響。接下來(lái)為了驗(yàn)證知識(shí)結(jié)構(gòu)對(duì)3 種動(dòng)機(jī)的調(diào)節(jié)作用，本文依次將知識(shí)廣度和知識(shí)深度與3 種動(dòng)機(jī)的交乘項(xiàng)加入模型2，得到模型3 和模型4，分別如式（7）、式（8），驗(yàn)證調(diào)節(jié)效應(yīng)的結(jié)果。本文構(gòu)建的回歸模型如式（5）至（8）所示。

4 實(shí)證結(jié)果及分析

4.1 描述性統(tǒng)計(jì)

如表2 所示，本文對(duì)處理后的數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì)。從表2 中可以看出，大多數(shù)變量方差較大，數(shù)據(jù)的橫向分布范圍較廣，出現(xiàn)向右偏移，可能會(huì)影響數(shù)據(jù)分析的準(zhǔn)確性。參考前人研究，在開(kāi)展多元回歸之前，本文對(duì)諸如發(fā)帖數(shù)、獲贊數(shù)、發(fā)帖收益、通過(guò)Power Up 操作增持SP 數(shù)量等方差較大的變量采取了取對(duì)數(shù)操作，由此本研究涉及到的全部變量都處于相同的量級(jí)。

表2 變量的描述性統(tǒng)計(jì)

4.2 相關(guān)性分析

表3列示了變量之間的Pearson相關(guān)性系數(shù)矩陣。自變量、調(diào)節(jié)變量與因變量之間均呈現(xiàn)顯著的正相關(guān)性，初步支持上文的理論假設(shè)，更具說(shuō)服力的實(shí)證證據(jù)還需要通過(guò)多元回歸得出。對(duì)各變量之間的相互影響和相互依存的程度進(jìn)行分析，各變量的相關(guān)性都較小，均小于0.5，均在正常范圍內(nèi)，直觀上說(shuō)明本文選取研究變量之間的不存在多重共線性現(xiàn)象。為了避免多重共線性對(duì)回歸結(jié)果的影響，本文進(jìn)一步計(jì)算了各個(gè)變量之間的方差膨脹因子VIF值，最大值為1.8，平均值為1.22，顯著小于10，基本可以排除變量間嚴(yán)重共線性的可能。另外可以看出，因變量知識(shí)貢獻(xiàn)質(zhì)量與所有控制變量之間均顯著正相關(guān)，說(shuō)明控制變量選取較好，具有一定的科學(xué)性，對(duì)這些變量進(jìn)行控制幫助可以本文更好地探索自變量和控制變量對(duì)因變量的影響。

表3 變量的相關(guān)性系數(shù)矩陣

4.3 主效應(yīng)及調(diào)節(jié)效應(yīng)回歸分析

基于基準(zhǔn)回歸模型，采用層級(jí)回歸的方式的主效應(yīng)及調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果如表4 所示。可見(jiàn)，用戶(hù)的發(fā)帖收益和發(fā)帖收益占比、用戶(hù)通過(guò)Power Up 操作增持的SP 數(shù)量對(duì)其知識(shí)貢獻(xiàn)質(zhì)量有積極影響，假設(shè)H1a-b、H2得到驗(yàn)證；用戶(hù)的社區(qū)治理參與水平、知識(shí)廣度和知識(shí)深度均分別對(duì)其知識(shí)貢獻(xiàn)質(zhì)量有著顯著的正向影響，假設(shè)H3和H4a-b得到驗(yàn)證；而各交乘項(xiàng)的回歸系數(shù)均顯著為正，因此假設(shè)H5a-b和H7-H10均得到支持。

表4 變量的主效應(yīng)及調(diào)節(jié)效應(yīng)回歸檢驗(yàn)結(jié)果

4.4 知識(shí)廣度分析

表5 可以看出，知識(shí)深度與發(fā)帖收益的交乘項(xiàng)為β15=0.011，大于0，表明當(dāng)用戶(hù)的知識(shí)深度增加時(shí)發(fā)帖收益對(duì)于知識(shí)貢獻(xiàn)質(zhì)量的正向影響將被增強(qiáng)，產(chǎn)生了超出預(yù)期的結(jié)果，假設(shè)H6a并沒(méi)有得到驗(yàn)證。這可能是由于在Steemit 社區(qū)中，用戶(hù)在對(duì)優(yōu)質(zhì)內(nèi)容進(jìn)行知識(shí)發(fā)現(xiàn)時(shí)更加關(guān)注發(fā)帖者的知識(shí)廣度，因此那些獲得較高發(fā)帖收益的用戶(hù)往往有著更為豐富的知識(shí)元素。為了進(jìn)一步分析知識(shí)深度在發(fā)帖收益對(duì)知識(shí)貢獻(xiàn)質(zhì)量影響的調(diào)節(jié)作用，根據(jù)用戶(hù)每周內(nèi)貢獻(xiàn)知識(shí)的知識(shí)廣度將數(shù)據(jù)分成了兩組：第一組，知識(shí)廣度高于社區(qū)內(nèi)用戶(hù)知識(shí)廣度的平均值（KB＞Average KB）；第二組：知識(shí)廣度低于社區(qū)內(nèi)用戶(hù)知識(shí)廣度的平均值（KB＜Average KB）。

表5 知識(shí)廣度分析

根據(jù)表5 所示，無(wú)論是第一組還是第二組，用戶(hù)的外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)、內(nèi)部動(dòng)機(jī)對(duì)于知識(shí)貢獻(xiàn)質(zhì)量的正向影響均得到了驗(yàn)證。對(duì)于調(diào)節(jié)作用，本研究主要關(guān)注知識(shí)深度對(duì)于發(fā)帖收益的調(diào)節(jié)作用，從結(jié)果對(duì)比可以發(fā)現(xiàn)，第一組用戶(hù)（知識(shí)廣度低于社區(qū)內(nèi)知識(shí)廣度均值）和第二組用戶(hù)（知識(shí)廣度高于社區(qū)內(nèi)知識(shí)廣度的均值）發(fā)帖收益對(duì)知識(shí)貢獻(xiàn)質(zhì)量的正向影響將分別受到知識(shí)深度的負(fù)向調(diào)節(jié)和正向調(diào)節(jié)，雖然第一組的回歸系數(shù)的顯著性水平較低，這是因?yàn)樵隍?yàn)證結(jié)果時(shí)采用了比較嚴(yán)格的顯著性水平，在其他一些相關(guān)文獻(xiàn)中，計(jì)算顯著性水平的標(biāo)準(zhǔn)更為寬松，因此，假設(shè)H6a 仍是部分成立的。綜合兩組結(jié)果，對(duì)于知識(shí)廣度高于社區(qū)內(nèi)知識(shí)廣度均值的用戶(hù)而言，他們?cè)谏鐓^(qū)中擁有的知識(shí)優(yōu)勢(shì)形成了一定程度上的知識(shí)權(quán)力，對(duì)知識(shí)優(yōu)勢(shì)喪失可能帶來(lái)的發(fā)帖收益損失風(fēng)險(xiǎn)不會(huì)那么敏感，因此出現(xiàn)了知識(shí)深度增加，發(fā)帖收益對(duì)于知識(shí)貢獻(xiàn)質(zhì)量的正向影響被增強(qiáng)的現(xiàn)象。表4 中實(shí)證部分得到的正向作用結(jié)果與第一組結(jié)果是一致的。

4.5 魯棒性檢驗(yàn)

同理，為檢驗(yàn)實(shí)證結(jié)果的穩(wěn)健性，表6 還利用魯棒性檢驗(yàn)方法，使用隨機(jī)效應(yīng)的線性回歸模型進(jìn)行回歸分析。其次，選取不同的衡量變量的方式也是檢驗(yàn)魯棒性的有效方法。已有其他相關(guān)實(shí)證研究根據(jù)采用用戶(hù)個(gè)人知識(shí)網(wǎng)絡(luò)的平均聚集系數(shù)衡量用戶(hù)個(gè)人的知識(shí)深度，如在唐洪婷［27］等的研究中，利用節(jié)點(diǎn)的平均路徑長(zhǎng)度和度中心性來(lái)評(píng)估用戶(hù)的知識(shí)深度，用戶(hù)的知識(shí)深度測(cè)量如式（9）所示。

表6 基于隨機(jī)效應(yīng)線性回歸模型的檢驗(yàn)結(jié)果

使用雙向固定效應(yīng)的多元回歸模型檢測(cè)魯棒性，結(jié)果如表7 所示，進(jìn)一步表明了本研究結(jié)果的魯棒性。

表7 基于雙向固定效應(yīng)多元回歸模型的檢驗(yàn)結(jié)果

穩(wěn)健性檢驗(yàn)檢驗(yàn)的結(jié)果與主效應(yīng)的結(jié)果基本一致，表明本文的研究假設(shè)基本得到驗(yàn)證與支持。因此本研究提出的所有假設(shè)均得到驗(yàn)證。

5 結(jié)論和啟示

5.1 研究結(jié)論

本研究以Steemit 為研究對(duì)象，探究用戶(hù)的知識(shí)結(jié)構(gòu)對(duì)區(qū)塊鏈虛擬知識(shí)社區(qū)中激勵(lì)機(jī)制有效性的影響，提出的假設(shè)均得到驗(yàn)證，并對(duì)超出預(yù)期的實(shí)證結(jié)果給出了相應(yīng)的解釋?zhuān)饕Y(jié)論如下：

第一，用戶(hù)外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)都正向影響知識(shí)貢獻(xiàn)質(zhì)量。分別使用獲得點(diǎn)贊數(shù)量刻畫(huà)用戶(hù)知識(shí)貢獻(xiàn)質(zhì)量，參考已有相關(guān)研究將用戶(hù)動(dòng)機(jī)劃分為3 個(gè)維度：外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)、內(nèi)部動(dòng)機(jī)，其中外部動(dòng)機(jī)通過(guò)用戶(hù)發(fā)帖收益和發(fā)帖收益占比刻畫(huà)，內(nèi)化的外部動(dòng)機(jī)通過(guò)用戶(hù)Power Up 操作增持SP 數(shù)量刻畫(huà)，內(nèi)部動(dòng)機(jī)通過(guò)用戶(hù)社區(qū)治理參與水平刻畫(huà)。

第二，區(qū)塊鏈虛擬知識(shí)社區(qū)中用戶(hù)的知識(shí)廣度和深度對(duì)知識(shí)貢獻(xiàn)質(zhì)量有正向影響。當(dāng)用戶(hù)知識(shí)廣度和深度較高時(shí)，用戶(hù)貢獻(xiàn)知識(shí)的質(zhì)量更高，這是因?yàn)橹R(shí)廣度代表用戶(hù)知識(shí)的多元化程度、知識(shí)深度代表用戶(hù)知識(shí)的專(zhuān)業(yè)化和復(fù)雜程度；同時(shí)，用戶(hù)發(fā)布帖子的知識(shí)元素中會(huì)有所顯性化體現(xiàn)，知識(shí)元素多樣和專(zhuān)業(yè)程度較深的帖子都被認(rèn)為是高質(zhì)量的知識(shí)。

第三，外部動(dòng)機(jī)對(duì)用戶(hù)知識(shí)貢獻(xiàn)質(zhì)量的正向影響受到知識(shí)廣度和知識(shí)深度的負(fù)向調(diào)節(jié)，內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)對(duì)用戶(hù)知識(shí)貢獻(xiàn)質(zhì)量的正向影響受到知識(shí)廣度和知識(shí)深度的正向調(diào)節(jié)。知識(shí)社區(qū)內(nèi)用戶(hù)在進(jìn)行知識(shí)質(zhì)量評(píng)價(jià)時(shí)會(huì)關(guān)注到發(fā)帖者的知識(shí)廣度，對(duì)于知識(shí)廣度低于社區(qū)知識(shí)廣度均值的用戶(hù)而言，受到效益最大化行為準(zhǔn)則的影響，對(duì)知識(shí)優(yōu)勢(shì)喪失可能帶來(lái)的長(zhǎng)期收益損失較為敏感，對(duì)于知識(shí)廣度高于社區(qū)知識(shí)廣度均值的用戶(hù)而言，他們?cè)谏鐓^(qū)中的知識(shí)優(yōu)勢(shì)在一定程度上形成了知識(shí)權(quán)力，對(duì)知識(shí)優(yōu)勢(shì)喪失可能帶來(lái)的發(fā)帖收益損失風(fēng)險(xiǎn)不會(huì)那么敏感。

5.2 管理啟示

用戶(hù)作為區(qū)塊鏈虛擬知識(shí)社區(qū)中知識(shí)貢獻(xiàn)的主體，其自身的知識(shí)結(jié)構(gòu)將決定社區(qū)內(nèi)的知識(shí)價(jià)值，這就導(dǎo)致了社區(qū)內(nèi)知識(shí)價(jià)值存在很大差異。本研究的實(shí)證結(jié)果表明，雖然經(jīng)濟(jì)激勵(lì)、股份激勵(lì)和社區(qū)治理權(quán)激勵(lì)都能提高知識(shí)社區(qū)用戶(hù)知識(shí)貢獻(xiàn)的質(zhì)量水平，但是與經(jīng)濟(jì)激勵(lì)相比，只有股份激勵(lì)和社區(qū)治理權(quán)激勵(lì)在激發(fā)高價(jià)值的專(zhuān)家用戶(hù)知識(shí)創(chuàng)新時(shí)才表現(xiàn)出積極的正向影響；對(duì)于區(qū)塊鏈虛擬知識(shí)社區(qū)而言，用戶(hù)能否持續(xù)貢獻(xiàn)高質(zhì)量關(guān)乎知識(shí)社區(qū)知識(shí)生態(tài)的長(zhǎng)足發(fā)展和社區(qū)價(jià)值的提升，更是關(guān)系到社區(qū)成功與否。根據(jù)以上研究結(jié)果，對(duì)于基于區(qū)塊鏈的虛擬知識(shí)社區(qū)激勵(lì)機(jī)制的優(yōu)化得出以下相關(guān)啟示和建議：

第一，Steemit 中文社區(qū)中的Like Button 約于2020 年被設(shè)計(jì)出來(lái)，社區(qū)內(nèi)用戶(hù)只需點(diǎn)擊Like 按鈕，被點(diǎn)贊的帖子就會(huì)得到LIKE 代幣收益，而且還會(huì)收到每日贊賞日?qǐng)?bào)郵件，這會(huì)激發(fā)用戶(hù)的外部動(dòng)機(jī)，這與本研究的結(jié)論在一定程度上是相符的。Steemit社區(qū)運(yùn)行之初就設(shè)計(jì)了縝密的通證激勵(lì)機(jī)制，然而機(jī)制的長(zhǎng)效運(yùn)行需要不斷地設(shè)計(jì)、完善和優(yōu)化。早在3 年前，Steemit 社區(qū)內(nèi)就存在用戶(hù)知識(shí)抱團(tuán)和權(quán)益壟斷的現(xiàn)象，也有不少學(xué)者針對(duì)這些激勵(lì)機(jī)制的負(fù)面效應(yīng)展開(kāi)研究并提出相應(yīng)的優(yōu)化機(jī)制。Like Button 的推出不僅是知識(shí)社區(qū)在構(gòu)建多樣化的用戶(hù)激勵(lì)體系方面的實(shí)踐，也是社區(qū)內(nèi)激勵(lì)機(jī)制的自我更新和優(yōu)化。此外，國(guó)內(nèi)的區(qū)塊鏈虛擬知識(shí)社區(qū)——幣乎，也在構(gòu)建多樣化的用戶(hù)激勵(lì)體系方面不斷探索和實(shí)踐，如為注冊(cè)用戶(hù)發(fā)放密鑰，這是一種讓知識(shí)在社區(qū)內(nèi)流通的通證，注冊(cè)獎(jiǎng)勵(lì)的通證分兩年到賬，這不僅給予新用戶(hù)經(jīng)濟(jì)獎(jiǎng)勵(lì)，還給其帶來(lái)了留在社區(qū)的長(zhǎng)效動(dòng)力。因此，知識(shí)社區(qū)應(yīng)設(shè)計(jì)多樣化的用戶(hù)激勵(lì)體系。如在知識(shí)社區(qū)中引入通證激勵(lì)機(jī)制給予用戶(hù)的獎(jiǎng)勵(lì)、社區(qū)股份和社區(qū)治理權(quán)，依次滿(mǎn)足用戶(hù)的經(jīng)濟(jì)需要、權(quán)力需要和社區(qū)歸屬感需要，由外而內(nèi)滿(mǎn)足用戶(hù)的多元化需求，使之從一個(gè)普通的用戶(hù)（使用者）角色切換到社區(qū)所有者角色，認(rèn)為自己就是社區(qū)的主人。區(qū)塊鏈虛擬知識(shí)社區(qū)應(yīng)構(gòu)建多樣化、動(dòng)態(tài)性的激勵(lì)機(jī)制，重視用戶(hù)逐利、追求心理所有權(quán)和社區(qū)歸屬感的需要，提高個(gè)人外部動(dòng)機(jī)、內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)對(duì)知識(shí)貢獻(xiàn)的影響程度。

第二，當(dāng)前Steemit 社區(qū)對(duì)強(qiáng)化股份激勵(lì)和治理權(quán)激勵(lì)方面正在進(jìn)行一些有意義的探索，尤其是在強(qiáng)化治理權(quán)方面的嘗試。Steem Watcher 從2022 年10 月開(kāi)始運(yùn)行，它是Steemit 社區(qū)的在線內(nèi)容治理機(jī)制，賦予社區(qū)每一個(gè)用戶(hù)內(nèi)容治理權(quán)，依據(jù)用戶(hù)對(duì)內(nèi)容濫用行為的監(jiān)察和舉報(bào)情況，對(duì)監(jiān)察者發(fā)放通證獎(jiǎng)勵(lì)，對(duì)內(nèi)容濫用者實(shí)施“點(diǎn)踩”的懲罰，引導(dǎo)用戶(hù)走上正確的內(nèi)容創(chuàng)作道路。在知識(shí)社區(qū)，受到內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)驅(qū)動(dòng)而進(jìn)行知識(shí)貢獻(xiàn)的用戶(hù)，在效益最大化的行為準(zhǔn)則下會(huì)更多考慮知識(shí)貢獻(xiàn)所帶來(lái)的股份價(jià)值提升和社區(qū)治理權(quán)的長(zhǎng)期持有，因此他們更關(guān)注自己的知識(shí)資源優(yōu)勢(shì)能否帶來(lái)社區(qū)知識(shí)生態(tài)的向好發(fā)展，從而帶來(lái)心理所有權(quán)和社區(qū)歸屬感的提升，相比經(jīng)濟(jì)激勵(lì)，股份激勵(lì)和治理權(quán)激勵(lì)能更有效觸發(fā)有價(jià)值的專(zhuān)家用戶(hù)創(chuàng)新。因此，知識(shí)社區(qū)應(yīng)該強(qiáng)化股份激勵(lì)和治理權(quán)激勵(lì)，這將比經(jīng)濟(jì)激勵(lì)更能促進(jìn)社區(qū)內(nèi)知識(shí)生態(tài)的長(zhǎng)足健康穩(wěn)定發(fā)展。

第三，建立有效的知識(shí)評(píng)估機(jī)制。當(dāng)前Steemit社區(qū)內(nèi)關(guān)于用戶(hù)知識(shí)元素的識(shí)別依然依靠用戶(hù)發(fā)布文章時(shí)所選的文章類(lèi)別或標(biāo)簽以及文章標(biāo)題，相對(duì)于本研究采用的知識(shí)挖掘方法，其對(duì)用戶(hù)知識(shí)屬性刻畫(huà)的顆粒度是粗糙的：一方面可能會(huì)助長(zhǎng)社區(qū)內(nèi)“標(biāo)題黨”的滋生，高熱度標(biāo)簽的使用在一定程度上會(huì)使得那些多元化知識(shí)和專(zhuān)業(yè)性知識(shí)難以在眾多無(wú)價(jià)值的內(nèi)容中脫穎而出，不利于社區(qū)內(nèi)知識(shí)生態(tài)的健康有序發(fā)展；另一方面，依靠標(biāo)簽或者文章標(biāo)題的知識(shí)元素識(shí)別對(duì)構(gòu)建區(qū)塊鏈虛擬知識(shí)社區(qū)中的推薦系統(tǒng)是十分不友好的，已有學(xué)者在探索將區(qū)塊鏈技術(shù)與推薦系統(tǒng)的結(jié)合［28］，而Steemit 社區(qū)作為虛擬知識(shí)社區(qū)，或許會(huì)在激勵(lì)機(jī)制中引入推薦算法實(shí)現(xiàn)內(nèi)容過(guò)濾。基于本實(shí)證研究結(jié)果，用戶(hù)在對(duì)文章帖子進(jìn)行投票時(shí)會(huì)關(guān)注帖子的知識(shí)結(jié)構(gòu)，若Steemit 在引入推薦系統(tǒng)時(shí)直接使用標(biāo)簽或文章標(biāo)題對(duì)用戶(hù)進(jìn)行內(nèi)容推薦，這可能會(huì)使得其社區(qū)內(nèi)在多個(gè)領(lǐng)域擁有多元知識(shí)或者在特定領(lǐng)域積累深厚知識(shí)的專(zhuān)家用戶(hù)會(huì)被推薦算法過(guò)濾掉，得不到應(yīng)有的通證獎(jiǎng)勵(lì)，在一定程度上降低激勵(lì)機(jī)制的有效性。基于知識(shí)網(wǎng)絡(luò)的知識(shí)結(jié)構(gòu)（知識(shí)廣度、知識(shí)深度）評(píng)估方式實(shí)現(xiàn)了用戶(hù)知識(shí)廣度和知識(shí)深度的精準(zhǔn)量化，有益于在推薦系統(tǒng)引入后保證專(zhuān)家用戶(hù)依然能得到與其貢獻(xiàn)知識(shí)價(jià)值相匹配的經(jīng)濟(jì)獎(jiǎng)勵(lì)，保證激勵(lì)機(jī)制的長(zhǎng)效運(yùn)行，因此，知識(shí)結(jié)構(gòu)評(píng)估方式或可為社區(qū)知識(shí)結(jié)構(gòu)評(píng)估機(jī)制的建立提供借鑒，即社區(qū)可以通過(guò)個(gè)人知識(shí)網(wǎng)絡(luò)參數(shù)衡量用戶(hù)的知識(shí)廣度和知識(shí)深度，以為社區(qū)中用戶(hù)在知識(shí)發(fā)現(xiàn)時(shí)提供可視化的顯性參考。

5.3 研究局限和未來(lái)展望

在內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)的測(cè)量方法上，本研究存在著一定的局限。本研究中，對(duì)用戶(hù)動(dòng)機(jī)的測(cè)量按照自我決定理論中的3 個(gè)維度分法進(jìn)行，與現(xiàn)有其他相關(guān)研究對(duì)于外部動(dòng)機(jī)度量采用的方式較為一致，但對(duì)于內(nèi)化的外部動(dòng)機(jī)和內(nèi)部動(dòng)機(jī)的測(cè)量方式主觀性較強(qiáng)，且較難通過(guò)客觀數(shù)據(jù)來(lái)實(shí)現(xiàn)，因此將來(lái)可以考慮使用自我報(bào)告或者問(wèn)卷等主觀測(cè)量方式，以進(jìn)一步補(bǔ)充研究。