李海峰、王炜：在线创作社区的知识贡献机制研究
作者简介：李海峰，博士，副教授，硕士生导师，新疆师范大学教育科学学院（新疆乌鲁木齐 830017）；王炜，博士，教授，博士生导师，新疆师范大学教育科学学院（新疆乌鲁木齐 830017）。
基金项目：全国教育科学“十三五”规划2018年度教育部重点课题“在线协作知识建构的深度汇谈机制研究”（DCA180324）。
引用：李海峰,王炜(2020).在线创作社区的知识贡献机制研究[J].现代远程教育研究,32(4):93-104.
摘要：在线创作社区为群体知识创造提供了社会化场域。当前关于在线创作社区的研究主要聚焦于创作社区的基本功能和机制、参与者的态度和情感因素等，而对创作社区知识贡献的系统运行机制则探究不足。因此，从系统论视角、基于用户真实数据来探究创作社区的知识贡献影响因素及其运行机制就显得非常重要。以简书创作社区为例，通过爬虫软件抓取了4776位用户数据，利用SPSS和Mplus7.4对数据进行统计分析的结果表明：社会资本与社会认同是知识贡献的主要动力，单一激励机制会削弱知识贡献和利他行为。具体而言，单一激励机制会削弱知识贡献，而社会认同又会进一步加强这种消极影响。社会资本和利他行为完全中介着激励机制对知识贡献的影响。社会资本对知识贡献具有显著的正向中介效应，社会认同会进一步加强这种积极影响。激励机制对知识贡献的影响因利他行为中介而呈现显著的消极效应，社会认同也会进一步强化这种消极影响。为了阻止“边际效用递减”，在线创作社区需要构建多样化的激励方法，丰富用户的社会资本，制定软利他行为激励措施，营造和谐的社区文化氛围，这将为当前MOOC和在线学习社区中学习者的深度学习、高阶思维培养以及知识创新提供有力支持。
关键词：在线学习；知识贡献；知识创造；创作社区；有调节的中介效应
在线创作社区以信息通讯技术为中介，以大众群体为知识创造主体，以自组织的社会化学习为基本形式，以兴趣和需求作为群体构建的动机，以分享、回应和协作互动作为基本的交互方式，以知识创造作为社区的根本目的。当前在线创作社区作为信息技术支撑的知识创造空间引起了研究者的广泛关注，相关研究主要聚焦于创作社区的基本功能和机制、参与者的态度和情感因素等。
1.创作社区的基本功能和机制
创作社区通过等级、头衔、积分和人气等功能构建了一套较为系统的机制，以提高参与者回答问题的积极性（张兴刚等，2009）。譬如，以搜索引擎为基础的问答社区遵循信息传播的反馈模式，用户可根据需求或者兴趣利用搜索引擎在问答社区中寻找答案或者话题，如无法获得满意答案则可通过发布问题和奖励来寻求答案。国际主流创作社区在用户界面、开放程度、问题分类、交互性以及个性化支持等方面存在较大差异。用户提问和回答的自由度存在明显差异，不同创作社区在提问权限、回答范围、质量监控、问题纠错等方面各不相同（吴丹等，2011）。投票机制促进了创作社区意见领袖的生成，为选拔态度积极、认真负责、主动参与和组织能力强的意见领袖提供了基本保障（王秀丽，2014）。
2.创作社区的参与者态度分析
知识共享意愿是群体知识创造的重要基础，利他愉悦、物质回报以及自主学习等积极影响着用户的参与态度，而参与意向得益于创作者的主观规范、参与态度和感知行为控制的资源条件（范宇峰等，2013）。声誉提升、知识获取能力和学习能力对持续贡献知识具有显著的积极影响，积分功能显著地调节着知识贡献意向（金晓玲等，2013）；利他主义、互惠以及同情有助于提升用户的知识共享意愿（陈星等，2017）。社交、娱乐以及利他主义积极影响着用户的参与行为，创造行为也受到自我效能、利他主义和声誉的促进作用（甘春梅等，2017）。
3.创作社区的情感因素分析
社会情感因素是众多提问者判定答案的重要标准之一（蒋楠等，2012），用户的提问或者回答需要考虑他者的情绪、态度以及互动方式（Kim et al.，2009）。用户特征、文本特征和时序特征等是情感分析的主要数据来源，基于机器学习的情感数据分析方法能够对信息质量进行自动化分类预测，信息中蕴含的情感特征有助于提高信息质量分类预测的精准性（姜雯等，2015）。基于答案情感构建的情感云能够利用情感词汇本体库，挖掘用户答案特征项中的情感倾向值，实现语义情感相似度视角下的答案优先级排序（程亚男等，2018）。此外，感知易用性、感知控制力、互动性、技能水平和兴趣等也会积极影响用户的心流体验，进一步增强用户的持续参与和知识共享（李颖等，2019）。
尽管在线创作社区的知识贡献研究取得较大进步，但是令人遗憾的是，关于创作社区知识贡献的系统运行机制探究仍显不足。譬如，激励制度对知识贡献的影响是否存在其他中介效应？激励机制对知识贡献的作用在调节变量的影响下如何变化？创作社区中的知识贡献影响因素是如何组织和运行的？这些问题都有待进一步研究。此外，从知识贡献行为的动态发展视角看，初始知识贡献与持续知识贡献行为的差异（Davis，2000）并未受到研究者的深入关注。而且以调查问卷方式探究知识贡献的影响因素是静态的用户态度反应，难以揭示出真实社区中的知识贡献机制，特别是影响因素的调节的中介效应对知识贡献的作用机制。因此，本研究将从系统论的视角，基于在线创作社区用户的真实数据，通过变量之间的直接效应、中介效应以及调节效应探究创作社区的知识贡献影响因素和运行机制。
1.知识贡献的影响因素
知识贡献是指主体在虚拟社区中贡献知识、分享信息以及参与知识创造的一种行为过程（Agarwal，2007），动机因素、环境因素、个体特征以及知识分享观念等是知识贡献的研究重点（Wang et al.，2010）。为此，笔者将根据知识贡献的文献分析和研究重点，从动机意向、社区环境以及用户特征三个方面对知识贡献的影响因素进行阐述。
（1）动机意向
知识贡献动机受到个人态度、知识产权、激励措施和知识付费等因素的影响。自我决定动机中介模型显示，一致性匹配和互补性匹配对知识贡献的外部和内部动机均具有积极影响，能够促进知识贡献意愿（沈校亮等，2018）。参与知识贡献与持续贡献意愿主要取决于用户的内在动机，动机主要通过内在的传导机制转化为知识贡献行为，知识贡献前置因素模型揭示了动机能以努力强度和目标承诺性为中介间接提升知识贡献意愿（张晓娟等，2017）。动力要素模型阐释了动机、机会和能力三要素对知识贡献具有促进作用，互惠、荣誉和利他三要素构成了知识贡献的主要动机（陈则谦，2013）。就绪理论的引入揭示了用户知识贡献意向受到动机、角色和能力的正向影响，三个要素以交互的方式共同促进知识贡献行为，角色清晰性和能力能增强动机与知识贡献之间的关系（刘花等，2016）。
（2）社区环境
社区环境是指虚拟环境的空间结构、用户界面、功能以及社区规范等内容。平台设计、平台服务支持、功能设计、社区体验以及社区文化氛围等是社区环境对知识贡献的主要影响因素（张宝生等，2018）。社区环境的易用性、可用性、有用性以及愉悦性等体验感知对知识贡献具有显著的积极影响，积极的用户体验得益于规则简单易懂、互动交流轻松活跃以及技术使用舒适（曹高辉等，2016）。界面可用性、内容可用性和用户可用性对知识贡献具有显著影响，为提高社区可用性，需要清晰地划分社区功能模块、满足用户需求、增强社群构建（杜晴等，2017）。虚拟社区的声誉、知识价值、普及度以及认可度等因素对知识贡献也具有一定影响，用户倾向于在具有较高声誉度、影响力和普及率的社区中搜索和共享知识。此外，虚拟社区需要通过社区构建、社区教育和社区监管等治理策略进一步规范、引导和促进社区行为，最终进一步促进知识贡献（张晓娟等，2016）。
（3）用户特征
用户特征是指社区用户的教育程度、工作经验、自我效能、个性特征、印象管理和评价理解等（Wang et al.，2010）。个体的性格倾向对分享和接受知识具有显著影响，外向性格的用户乐于分享知识，与社区成员的关系较为密切。年长者对知识贡献的回报期望较低，他们的热情优于年轻人，年轻人在自我效能和收益预期方面明显强于年长者（周军杰，2015）。主动型和被动型用户在知识获取和知识贡献方面差异显著，主动型用户具有较强的自我诉求和自我意识，他们关注于兴趣、需求以及知识的质量，被动型用户的外生性特质较为明显（杜智涛，2017）。在贡献者和潜水者两种用户类型中，贡献者易受外在的激励制度驱动，而潜水者的知识贡献主要通过线下活动和自我效能实现（万莉等，2015）。
2.研究假设
简书创作社区作为一个允许任何人进行开放创作的在线社区，为用户提供了关注、粉丝、文章、文字数量、收到喜欢以及简书钻等主要功能。简书创作社区汇聚了大量的用户作品和数据，是开展用户知识贡献研究的重要平台。笔者将根据社会交换理论和激励理论等，结合简书创作社区提供的功能，提出创作社区中影响知识贡献的8个基本假设。
（1）激励机制的直接效应
激励是一种普遍的知识贡献促进策略。简书创作社区以“简书钻”激励用户的知识贡献。简书钻是用户知识贡献和作品价值的虚拟数字徽章，是用户社会声誉的标志符号。声誉是指系统根据预定的评价标准对用户的在线行为或成就进行追踪而呈现的荣誉（Rice，2012）。用户贡献知识的首要因素是为了赢得声誉，获得社区更多群体的认可和支持（Wasko et al.，2005）。声誉的追求已经超越了那些狭隘的知识独有观念，削弱了自私的知识获取者搭顺风车的问题，进一步推动了网络社区知识贡献的发展。
根据马斯洛的需求层次理论，声誉获得实质上是用户自我实现的一种需要。为了达到自我实现，他们必须提升创作的数量和质量以在社区中获得存在感。随着创作数量的增加和质量的提升，他们获得的群体赞誉也显著提高。虚拟社区的声誉与现实中的声誉一样对知识共享具有积极的促进作用，如果用户对贡献知识能获得声誉的感知越强，他们贡献知识的意愿就越大（Wasko et al.，2005）。为了提升创作者的形象以及获得额外的资产（如好的声誉、个人身份、积极情感等），用户便愿意分享他们拥有的知识（Shiau et al.，2012）。声誉既是一种社会产品，也是一个社会过程，用户常常通过参与到知识分享活动中来提升个人声誉（Hsu et al.，2008）。
基于以上分析，以简书钻为代表的激励机制可能会对社区用户的知识贡献具有显著的积极影响，因此笔者提出如下假设：
H1：社区用户获得的激励越强，他们进行知识贡献的程度就越高。
（2）社会资本的中介效应
社会资本的本质是社会关系网以及基于关系网而构成的社会互惠关系规范。社会资本按照社会关系的性质可以分为粘合性社会资本和连接性社会资本。学习者的社会资本越多，他们的学业成就就越好。如果学校要提升学生的学业成就，那么就需要通过激励措施来提升学校和学生的社会资本（罗伯特·帕特南，2019）。社会资本越高，社区成员之间的关系就会越紧密。这样用户就会淡化知识的私有感，增强互动、提升信任、积极交流，以进一步增强其知识贡献意愿（刘海鑫等，2014）。
社会资本由用户的结构资本、认知资本和关系资本组成，结构资本的向心性特征对知识贡献的质量和数量具有显著的正向影响（Wasko et al.，2005）。用户的向心力决定着虚拟社区用户的知识贡献程度，而粉丝群体又突出体现了社区用户的向心力和凝聚力。粉丝的形成得益于故事的情绪和作品的价值主张，是社群成员的互动产物。粉丝社群的形成得益于用户对偶像的崇拜，他们对偶像的成果或者行为具有高度一致的认可、信任和喜好，通过偶像情感力量的推动从而形成粉丝的集体行动（陈昕，2018）。简书创作社区通过粉丝社群功能实现了对偶像的情感凝聚，促进了社区的向心力，实现了社会资本的提升，进而促进了用户的知识贡献。
通过对社会资本与奖励机制、知识贡献关系的分析，以粉丝为代表的社会资本在激励机制与知识贡献之间呈现出一种中介作用，社区用户感知声望机制的有效性越高，社群社会交互关系对知识贡献的影响就可能会越显著（刘海鑫等，2014）。因此笔者提出如下假设：
H2：社区用户获得的激励越强，他们的社会资本就越多。
H3：社区用户获得的社会资本越多，他们的知识贡献就越多。
（3）利他行为的中介效应
利他行为既可指舍生取义、自我毁灭型的极端利他行为，也可指亲社会行为的一种和缓的利他表现，还可指表面上对他者有好处的行为。创作社区的利他行为不存在牺牲自己成全他人的极端利他主义，那些对他者进行帮助、关切和互动的亲社会行为都是利他行为。利他行为可分为软利他行为和硬利他行为。软利他行为以满足自己的需求或目的为出发点，硬利他行为是主动的、无私的和单纯的一种奉献行为，行动者的快乐随着利他行为的增加而进一步增强（张旭昆，2005）。正如加里·S.贝克尔（2016）所言, 利他行为实质上是一种赢得“受人尊重”这种声誉产品的生产活动，用户为了获得更多的声誉和地位而会进行利他行为。换句话说，纯粹的利他行为在虚拟创作社区中很少存在，更多的是软利他行为。网络空间中软利他行为普遍存在，大学生的社会网络支持度能够显著地正向预测网络利他行为，自尊中介着社会网络支持与网络利他行为之间的关系（刘勤为等，2016）。自尊是行动者自我评价或社群评价所产生的自爱、自重和自我尊重，行动者的自尊水平越高，他们能够获得的赞许和声誉就越多。
通过对利他行为的分析，以简书钻为代表的激励机制可能与利他行为呈现正相关关系，用户的利他行为因获得简书钻的激励而提升，利他行为受到简书钻代表的自尊属性影响，简书钻越多越可能激起用户的自尊，进而促进利他行为发生。此外，利他行为的亲社会行为特点为社区知识贡献提供了重要基础，因而用户也以积极主动的态度参与到社区作品创作的协作互动过程中。因此笔者提出如下假设：
H4：社区用户获得的激励越强，他们的利他行为就越强。
H5：用户的利他行为越强，他们对社区的知识贡献就越多。
（4）社会认同的调节效应
社会认同是指一个社会群体成员对自我的描述（Tajfel，1986）。社会认同最初源于社会群体的身份认同，通过社会分类、社会比较和积极区分原则而达成不同阶段的认同。用户在分类时会自动区分内群体和外群体，通过自我定型的方式实现自我群体划分。用户正是在群体区分的基础上实现自我需求并获得自尊。社会认同视域中的自尊是基于社会关系实现的，个体为了满足需求和自尊将会发挥自己的特长，从而使自己优于他者而实现积极区分。
通过对社会认同的分析可知，社会认同对激励机制与社会资本、激励机制与利他行为可能存在调节关系。首先，社会认同调节着激励机制与社会资本的关系。从社会认同的社会关系视角看，社会认同强度反映的是群体成员之间社会网络密度的强弱关系，具体体现为简书创作社区中创作者与粉丝之间的社会网络强度。社会认同的强度越强，创作者就会得到越多的粉丝支持，他们组建的社会网络关系就会越密集。其次，社会认同调节着激励机制与利他行为的关系。用户自尊的获得需要得到群体成员的社会认同，创作社区中的用户为了能够得到作品、观点和声誉的认可，将会进一步加强对他者的关注和作品的创作。显然，社会认同的强弱将会调节激励机制与利他行为之间的强弱关系。第三，社会认同调节着激励机制与知识贡献的关系。在以激励机制促进知识贡献的基本假设中，社区用户的社会声誉越强，他们的知识贡献就可能越强。由于社会认同能进一步提升社区用户声誉，因此他们获得的简书钻越多，就越可能进一步促进他们的知识贡献，显然社会认同的强度也调节着激励机制与知识贡献之间的关系。因此笔者提出如下假设：
H6：社会认同调节着激励机制对用户知识贡献的效应。
H7：社会认同调节着激励机制对用户社会资本的效应。
H8：社会认同调节着激励机制对用户利他行为的效应。
3.研究模型
通过对创作社区构成要素及其对知识贡献的影响关系的分析，笔者提出了指向知识贡献的8个基本假设，涉及激励机制对知识贡献的直接影响，涵盖社会资本和利他行为对激励机制和知识贡献的两个中介效应，并构建了以社会认同作为调节变量的三个调节效应，即调节变量通过调节一个直接路径和两个中介路径实现对知识贡献的影响，具体关系模型如图1所示。
1.变量描述
在线创作社区知识贡献机制包括激励机制、知识贡献、社会资本、利他行为和社会认同5个变量。其中，激励机制变量以用户的简书钻数量作为测量指标，简书创作社区以简书钻激励用户进行知识贡献。知识贡献变量以文章数量作为测量指标，文章数量代表了创作者在社区中的知识贡献程度。社会资本变量以用户的粉丝数量作为测量指标，粉丝数量能够衡量用户的社会网络密集程度，粉丝数量越多表明其社会网络就越稠密。利他行为以关注数量作为测量指标，用户对他者的关注次数越多表明他的利他行为程度就越高。社会认同变量以收到喜欢的频次为测量指标，他者对创作者及其作品的喜欢频次代表了他的社会认同程度。
2.变量测量
以简书创作社区生成的数据为基础，通过爬虫软件抓取了4776位简书用户的数据，包括关注数、粉丝数、文章数、收到喜欢的数量以及简书钻的数量。经过SPSS处理，变量指标的描述性统计分析如表1所示。
3.分析方法
知识贡献因变量以文章数量作为测量指标，所有的因变量数值都是非负整数的计数型数据。泊松回归分析和负二项回归分析是对计数型数据作为因变量回归模型的主要统计分析方法，负二项回归更适合数据离散程度较大的计数变量（Zeileis et al.，2008）。根据各变量的描述性统计分析结果，由于文章这一因变量指标的方差很大且明显大于均值，而且结构方程模型统计分析显示它的离散率（β＝0.236，p＝0.000）也非常显著，说明变量的数据离散性非常大，因此笔者选用负二项回归分析对知识贡献机制模型进行统计分析，并利用Mplus7.4工具进行结构方程模型的拟合和数据统计分析。因模型涉及社会认同和利他行为这两个中介变量，故采用Bootstrap抽样方法探究中介变量效应，Bootstrap为10000次。为了使知识贡献机制模型的回归系数更具有解释性，笔者依据海因斯（Hayes，2013）的观点对自变量和调节变量进行了中心化处理。
1.相关分析
经过SPSS处理，变量的相关关系如表2所示。激励机制与社会资本、利他行为呈现非常显著的负相关，而知识贡献与社会资本、利他行为、社会认同呈现非常显著的正相关。社会认同与社会资本、利他行为、知识贡献呈现非常显著的正相关，而与激励机制的相关并不显著。利他行为与其他所有变量都呈现非常显著的相关，即与社会认同、知识贡献呈现非常显著的正相关，与社会资本和激励机制具有非常显著的负相关。
2.中介效应
在以社会资本为中介的激励机制与知识贡献关系中，从激励机制到知识贡献的两条中介路径效应都十分显著，如表3所示。
（1）社会资本的中介效应
在激励机制→社会资本→知识贡献这条中介路径上，社会资本显著地中介着激励机制与知识贡献之间的关系，验证了假设H2和假设H3的正确性。
（2）利他行为的中介效应
以利他行为为中介的激励机制与知识贡献的因果关系，验证了假设H4不成立，假设H5成立。激励机制与利他行为之间是负相关，说明利他行为并不能通过激励机制获得提升，相反随着激励机制的加强，创作者的利他行为会显著下降。这说明以激励机制为导向的激励措施，经过利他行为后，用户的知识贡献程度会明显降低。简言之，以利他行为为中介的总效应并不支持基本假设，创作社区的激励机制通过利他行为后显著地减弱了知识贡献。
（3）完全中介效应
激励机制对知识贡献的单独效应（β＝-0.018，95%CI＝（-0.032）~（-0.002），p＝0.019＜0.05）意味着知识贡献随着激励机制的增加而显著减弱，验证了假设H1不成立。激励机制对知识贡献的影响因为社会资本和利他行为这两个中介变量的加入而变得不显著（β＝-0.004，p＝0.284＞0.05），但是社会资本（X→M1→Y）和利他行为（X→M2→Y）这两条中介效应都显著。因此，激励机制和知识贡献之间形成了完全中介效应。
3.调节的中介效应
根据概念模型的H6、H7和H8三个假设，利用Mplus7.4分别对社会认同的四个调节效应进行统计分析，包括激励机制与社会资本（X→M1）、激励机制与知识贡献（X→Y）、激励机制与利他行为（X→M2）以及激励机制与知识贡献（X→Y）的总效应。调节变量的调节效应以社会认同变量加减一个标准差为参数进行分析，即W＝±1SD，如表4所示。
社会认同对激励机制与社会资本关系的调节效应显示，激励机制对社会资本的影响随着社会认同的加强而显著增强。在社会认同的调节作用下，激励机制→社会资本→知识贡献的中介效应也显著增强，即社会认同增强了激励机制对知识贡献的积极影响。社会认同对激励机制与利他行为关系的调节效应表明，随着创作社区用户的社会认同增加，激励机制对利他行为的直接效应逐渐弱化，最终导致创作社区知识贡献行为的显著减少。社会认同对激励机制与知识贡献关系的调节效应显示，随着社会认同强度的增加，激励机制对知识贡献的影响形成了两极分化现象，当社会认同强度低或者高时，激励机制对知识贡献的直接负向影响变成了积极和消极两种效应；当社会认同处于中等程度时，激励机制对知识贡献的直接影响不显著。社会认同对知识贡献概念模型的总体调节效应显示，随着社会认同的增加，激励机制对社会资本的积极影响逐渐增强，对知识贡献和利他行为的直接效应逐渐显著减弱，但是创作社区激励机制对知识贡献的整体总效应依然随着社会认同的增强而显著增加。
1.激励机制的直接效应
激励机制对知识贡献的直接效应仅指两者之间的因果关系效应，它揭示了激励机制是创作社区知识贡献的重要预测指标，但是它们之间的关系并不支持假设H1。原假设认为社区用户获得的激励越强，他们进行知识贡献的积极性就越高，然而实际上激励机制对知识贡献的直接效应（β＝-0.018，p＝0.019＜0.05）呈现了显著的消极影响。换句话说，创作社区用户的简书钻或者声誉越高，他们对知识贡献的直接效应反而会显著减弱。假设H1未成立的根本原因在于，原有激励机制对知识贡献效应的研究考虑了行为刺激与反应之间的单一关系，缺乏从时间发展维度和生态系统维度考虑它们之间的影响。
激励机制往往建立在行为主义和需求层次理论基础上，但是几乎难以发现将激励机制与时间发展相结合的研究成果。根据霍曼斯（Homans，1958）的交换理论，简书创作社区的人际关系实质上是用户之间的一种社会交换关系，或者通过作品创作，或者通过点赞他者、互动交流以及问题探究等获得声誉。然而，如果此时确定知识贡献会随着激励的增加而增加，那么这种假设可能是错误或者片面的，因为这种命题违反了霍曼斯交换理论中的满足条件。在他看来，用户获得奖励或报酬等激励机制遵循经济学中的“边际效用递减规律”，而不是一直满足于人们需求持续增加的基本假设。所谓“边际效用递减规律”是指人的兴奋和满足来自于外部给予的适切刺激，如果相同的刺激反复进行，那么人们的兴奋程度和满足感就会显著减弱（张昆仑，2004）。“边际效用递减规律”揭示了简书创作社区中激励机制对知识贡献程度影响减弱的主要原因。用户起初希望获得简书钻来提高自己的社会声誉，但是随着他们在创作社区中的社会声誉不断提高，并且一直获取简书钻这种单一奖励，久而久之他们的兴奋程度和满足感就会明显降低或者转向其他能够引起兴奋的刺激。
2.社会资本的中介作用
简书创作社区用户知识贡献机制的多重中介模型显示，社会资本和利他行为变量完全中介着激励机制与知识贡献之间的关系，以社会资本为中介的知识贡献机制证实了假设H2成立。随着激励机制的逐渐增强，简书创作社区用户的社会资本逐渐增多，进一步提升了他们对创作社区的知识贡献程度。值得注意的是，为什么以社会资本为中介的路径随着激励机制的增强能促进用户的知识贡献，但激励机制却不能够直接对知识贡献具有积极影响呢？其原因主要在于社会资本以用户粉丝作为基本指标，粉丝所具有的类型多样性、表达情感化以及组织动态化等特征消解了以简书钻作为单一评价方式的局限，使得简书网创作者在与粉丝的互动过程中获得了激情、惊喜和持续热情。这与“边际效应递减规律”对激励机制与知识贡献之间负效应的解释是相符的，即以粉丝代表的社会资本激起了创作者欲望的新生和重复再生，符合“边际效用递减规律”中的时间效应说。
根据马斯洛的需求层次理论，用户知识贡献从奖励刺激转向社会资本需求得益于创作者从生理需求向自我实现需求的转变。如果将创作社区看作用户的生存环境，那么满足基本的生存需求和安全需求将是首要任务，但是随着用户在社区中的声誉逐渐增多，他们的心理需求就会逐渐转向社交、尊重和自我实现。粉丝的存在为实现用户更高层次的需求满足提供了条件，这就导致用户知识贡献的动力来源从激励机制转向了社会资本。从社会交换理论看，创作者的知识贡献动机和途径转变进一步证明了情感在社会交换中的重要价值。社会交换理论从仅关注物质资源交换发展为涵盖情感在内的多重因素，当一个行动者体验一件事情并与他者进行评价、交流和互动后，情感的交互作用就会发生。根据情感控制理论，当一个人在环境中的位置较为凸显，那么用户就会瞬间提升对他的关注。情感融入到社会交换中将会生成和深化对社会秩序和组织关系的解释（Lawler et al.，1999）。显然，简书创作社区提供的粉丝功能恰好实现了社会交换过程中的情感融入，创作者和粉丝用户之间的互动使得他们之间产生了积极情感，弥补了简书钻这种单一激励机制对知识贡献的消极影响。
3.利他行为的中介作用
利他行为和社会资本共同完全中介着激励机制与知识贡献之间的关系，利他行为是激励机制影响知识贡献的另一条中介路径。激励机制与利他行为之间是显著的消极关系，随着激励机制的增加，创作者的利他行为逐渐减弱，反之亦然，这表明假设H4不成立。从利他行为的本质内涵看，利他行为根本不需要任何奖励，原假设中认为软利他行为并未发生在社区中，或者简书钻这种奖励本身并不能满足创作者的软利他行为需求。在以利他行为为中介的知识贡献路径中，利他行为削弱了激励机制对知识贡献的影响，这与最初H4和H5对知识贡献的假设并不一致。激励机制对利他行为的负效应明显削弱了激励机制对知识贡献的影响，使得激励机制不能通过利他行为促进知识贡献。创作社区的知识贡献机制可以从齐美尔“社会何以可能”的追问中寻求解答，社会合作可以基于亲缘选择理论、群体选择理论、互惠利他理论、声誉考虑理论以及强互惠理论等进行解释。简书创作社区的成员关系是非重复博弈互动关系，基于声誉考虑的理论更适合解释大规模、成员不固定、间接互惠性的利他行为关系。社区的每个个体之间进行持续地相互评估和再评估，用户通过他者的评估而获得相应的荣誉（汤灿晴，2019）。基于声誉考虑的理论表明，以关注为指标的利他行为变量并未实现用户之间的持续相互评估，而仅仅是创作者进行的单向利他行为，关注他者这种持续的单向硬利他行为在现实社区中几乎难以实现，创作者更倾向于通过增加他的社会资本来提升声誉。
4.社会认同的调节作用
根据调节的中介效应模型分析，社会认同对激励机制→社会资本、激励机制→社会资本→知识贡献的关系具有显著的调节作用，验证了假设H7的合理性。随着创作者的社会认同程度逐渐增加，激励机制对创作者社会资本的影响显著提升，进而促进用户的知识贡献。社会认同代表着用户对创作者作品的认可和积极情感表达，他者对作品的认可能进一步提升他们的荣誉感、积极情绪和创作积极性。积极情绪能够提升用户的满意度，促进社会资源、社会信任以及良好社会关系的形成（牛更枫等，2015）。以“收到喜欢”为指标的社会认同进一步增强了社区成员之间的互动关系，通过喜欢的表达增加了创作者的粉丝以及与粉丝之间的互动。
随着社会认同的逐渐加强，激励机制→利他行为、激励机制→利他行为→知识贡献的直接效应和中介效应朝向消极影响的趋势逐渐增强。创作社区的社会认同程度越强，激励机制对利他行为的消极影响就越强，创作者对荣誉感和心理需求的欲望就越低，他们将荣誉感的获得转向了具有间接互惠关系的社会资本，最终进一步削弱了用户通过利他行为对知识贡献的促进作用。
社会认同对知识贡献总效应的调节呈现显著的积极影响，随着社会认同调节强度的增加，激励机制及其形成的中介效应对知识贡献的总效应显著增加。换句话说，社会认同进一步提升了用户声誉这一激励机制，尽管社会认同削弱了用户的利他行为程度，但是却显著提升了他们的社会资本，从而进一步促进了用户对知识贡献的总效应。从社会认同对知识贡献总效应的调节作用看，创作社区用户的知识贡献更倾向于基于社会交换理论的基本解释，用户之间几乎并不存在硬利他行为，物质和精神之间的交换是知识贡献的主要动力。创作社区用户的知识贡献最终以社会资本这一唯一中介促进知识贡献，社区用户通过对创作者表达积极情绪也会进一步促进知识贡献。
1.研究结论
（1）单一激励机制削弱了知识贡献的持续性
以简书钻作为唯一评价指标的激励机制难以促使创作社区用户进行持续的知识贡献，这与Lou等（2013）对在线问答社区知识贡献质量研究的结论是一致的。奖励的实施虽然能够有效提升知识贡献的数量，但是它对知识贡献的质量并不存在显著的促进作用。随着用户社会地位的提升以及需求的逐步满足，社区创作者的边际效应递减越发凸显。用户对“简书钻”这种单一的物质奖励逐步满足，他们更倾向于具有互动性、情感性、惊喜性的社会性资本，因而使得用户知识贡献的物质需求向情感需求、人际交流需求以及自我实现需求转变。已有研究往往从固定因素的变化来解释因果效应，本研究用“边际效应递减规律”解释激励机制对知识贡献的影响，是对以往研究视角的重要拓展。激励机制对知识共享具有显著的积极作用已成为基本共识（王楠等，2019a；齐云飞等，2020），但是本文通过中介效应和调节效应的分析，揭示了激励机制随着用户边际效应递减程度的增强却不能够促进知识贡献。这一结论使得人们从激励机制这一单一视角转向了从多维动态的视角考虑知识贡献行为。此外，对社会资本、利他行为和社会认同在知识贡献模型的中介效应和调节效应分析，清晰地呈现了激励机制对知识贡献影响的发生机制，弥补了已有研究对它们之间因果效应变化探究的不足（Zhang et al.，2017）。
（2）社会资本是知识贡献持续保持的诱因
创作社区促进知识贡献的最重要因素是创作者的社会资本，社会资本决定着创作社区中知识贡献的数量和质量。与之前社会资本对知识贡献的影响研究相比，本研究不仅再次证实了社会资本对知识贡献的积极影响（王楠等，2019b；Ghahtarani et al.，2019；Swanson et al.，2020），而且通过中介效应和调节效应揭示了社会资本是知识贡献持续保持的诱因。如果说激励机制是知识贡献的启动器，那么社会资本则成为了知识贡献的动力燃料，激励机制借助社会资本的中介作用得到了进一步加强和保持。换句话说，物质激励方式对知识贡献具有一定作用，但是人际互动、协作交流、和谐氛围等才是最为重要的影响因素。创作者通过与粉丝的互动形成了信任、互惠、社会联结、社会认知等社会资本，显著地促进了知识贡献的质量和数量（陈明红等，2014），这使得激励机制的边际效应递减程度逐步弱化，创作者的社会需要、尊重需要和自我实现需要等得到满足，这种动态、互动、难以预想的过程能够进一步激发创作者的热情。
（3）利他行为是知识贡献发展的两难困境
从利他行为的本质角度看，创作者的利他行为对知识贡献具有显著的促进作用，即创作者对他者的关注越多，社区中的知识贡献就越多，这也进一步验证了利他动机对知识贡献的积极作用（耿瑞利等，2018；刘宇清等，2018）。然而，与以往研究从静止孤立地看待利他行为对知识贡献的影响不同，本研究通过激励机制对知识贡献的多重中介效应和调节效应揭示了利他行为对知识贡献的作用。在线创作社区中几乎不存在明显的硬利他行为，而且软利他行为也难以寻见。创作者的知识贡献更多来自他们的社会资本，是对以马斯洛需求层次为基础的一种持续追求。利己行为在创作社区的知识贡献中表现得尤为明显，随着社会认同强弱程度对创作者的影响，他们对以粉丝为代表的社会资本的追求显著增强，然而对关注他者的利他行为却显著下降。换句话说，硬利他行为和软利他行为在创作社区中几乎难以实现，对以需求和兴趣组建的庞杂群体而言，物质和精神需求才是知识贡献的根本动力。
（4）社会认同是知识贡献系统的优化动力
在社会认同对知识贡献不同路径的调节作用下，激励机制→知识贡献、激励机制→社会资本、激励机制→利他行为以及相应的中介效应和知识贡献系统的总效应等均发生了显著变化。社会认同进一步优化了整个知识贡献系统中变量之间的影响效应，调节了不同路径对知识贡献的影响。在以“收到喜欢”为测量指标的社会认同的调节作用下，激励机制对知识贡献的影响呈现出两种极端差异效应，极端差异效应的发现突破了已有激励机制对知识贡献保持持续积极影响的认知（王楠等，2019a）。当创作社区的社会认同较低时，激励机制对知识贡献呈现显著的积极影响；当创作社区的社会认同较高时，激励机制对知识贡献呈现显著的消极影响；当创作社区的社会认同适中时，激励机制对知识贡献的影响并不显著。另外，该研究揭示出激励机制对社会资本的影响效应显著增加，激励机制对利他行为的影响显著降低。在社会认同调节的整个知识贡献系统中，随着社会认同的增加，激励机制对整体知识贡献的影响显著增多。知识贡献总效应的增加是通过社会认同减弱激励机制对利他行为间接效应和对知识贡献直接效应的基础上实现的，是以增加知识贡献者的社会资本来实现知识贡献增长的。
2.研究建议
（1）构建多样化的激励机制
构建多样化、动态性和持续性的激励机制是消解边际效应递减的主要方法，能够促进心理需求的再生性、反复性和持续性满足。首先，引入知识付费激励机制。知识付费是一种对知识创作者的物质报酬，可根据知识贡献的数量和质量进行奖励。创作社区平台可通过算法和系统设计，核实创作者的知识贡献程度，给予虚拟货币奖励或者通过支付平台进行现金奖励。其次，创设文章的等级评价机制。文章的等级评价包括数量等级评价和质量等级评价。数量等级评价以创作者的文章数量进行社区用户排行，设置相应的动态排行图谱以便于观察。质量等级评价以用户对文章质量的评价进行指标换算而获得，可通过五星评分法、文章排行法、用户推荐法以及分享排行法等方式进行呈现。第三，设置知识贡献的积分制度。积分制度直接与创作者的知识贡献数量和质量相连，根据文章数量、字符数量、质量评价等，并结合相应的权重进行积分换算。譬如，简书创作社区可以将创作者的文章数量、文章字数、收到喜欢的数量等作为知识贡献的基本指标，同时邀请专家和用户代表对这些指标进行知识贡献权重的设定，最后运用大数据技术、学习分析技术以及人工智能技术等实现对知识贡献积分的实时更新。
（2）丰富社区用户的社会资本
首先，创建社会网络拓展推荐机制。丰富社会资本的实质就是拓展创作社区成员的社会网络结构，破解仅以文章浏览实现增加粉丝的单一方式，利用大数据分析技术实现用户、文章、兴趣和爱好等方面的推荐功能。根据创作者的个性特征进行用户间的相互推荐，诸如他也喜欢、他也看过、相似文章、关注热点等。在线创作社区的设计者和开发者可以借鉴京东、淘宝等电商平台中拓展消费者和推广产品的方法，利用大数据和社会网络分析技术构建社会网络生态体系，使创作社区的用户能够以个性特征、兴趣和居住区域等建立学习共同体。其次，设立知识贡献的互惠机制。互惠是指创作社区成员之间帮助和回报的规则，互惠越强则用户的社会资本越强。提升互惠的主要方法是在创作社区中融入问答功能和奖励机制。例如，用户根据需求或兴趣对文章、评论或其他内容进行提问与回答；用户根据问题解决的难度、紧迫性等开展付费问答，以现金支付或虚拟货币的形式进行社会性交换。通过问答形式和奖励机制能够进一步加强用户之间的社会网络关系强度，提升用户的社会资本。
（3）推动软利他行为的支持
首先，建立利他行为的反馈机制。激励机制未能促进利他行为是因为创作者不能及时获得利他行为的反馈，难以获得自身需求的满足感。为了实现激励机制对利他行为的促进作用，可依据软利他行为的基本理念建立相应的激励机制。譬如，以利他行为的频次进行积分核算，计入创作者的激励积分，或者在创作社区设置助人为乐的道德模范功能区，使得那些主动为其他社区成员奉献的学习者能得到一种回馈和鼓励。其次，创建多元化的利他行为评价内容。利他行为反馈的主要目的在于通过被关注者的反馈功能对知识贡献者进行奖励，仅以关注为评价指标的利他行为对知识贡献者的激励程度存在片面和不足。因此，利他行为的反馈应该融入好评程度、反馈数量、反馈内容、返回时间、问题解决程度和他者反馈等内容，通过算法和数据分析将这些利他行为核算为相应的积分，纳入到创作社区助人为乐道德模范的评价体系中。
（4）营造社区和谐的文化氛围
首先，激发社区组织的积极情绪。创作社区是一个群体聚集的知识创造空间，个性差异、观点分歧和认知偏差等将会导致知识贡献停滞，因此需要营造社区的和谐文化氛围。可以建立创作社区用户的“公众形象”评价制度，将用户的积极情绪进行指标化考核，主要包括积极情感表达、社区冲突调节、社区氛围积极引导等。譬如，创作社区可以置入人工智能机器人，利用大数据技术和自然语言处理技术等进行创作社区的舆情监测，智能机器人可以根据监测到的情况进行干预和舆情引导，这对于大规模的在线学习群体而言具有重要的作用。其次，构建指向利他行为的社会认同评价指标。“收到喜欢”这一调节变量指标难以激发知识贡献者对利他行为的内驱力量，它仅关注了外在评价对用户知识贡献动机的影响，因而需要构建促进用户知识贡献的内部驱动机制。因此，可以在社会认同变量中融入关注他者的社会认同指标，以增强用户的利他行为，主要评价指标包括对他者的喜欢频次、对他者的情感表达频次、对社区组织的冲突调节等。
综上所述，从研究的理论意义看，基于简书创作社区的知识贡献机制分析，不仅拓展了已有在线社区中知识贡献影响因素的研究成果，使得创作社区的设计者和开发者能够深刻认知影响知识贡献的基本要素、效应程度以及运行机制，而且为后续创作社区、MOOC或者在线学习社区的设计和开发提供了有力的理论指导。从研究的实践意义看，这将为MOOC和在线学习社区中学习者的深度学习、高阶思维培养以及知识创新发展提供有力支持，使得教师或者管理者能够掌握促进知识贡献的主要因素及其机制，为在线学习活动的开展和管理策略的制定提供参考。
参考文献：
[1][美]加里·S.贝克尔(2016). 人类行为的经济分析[M]. 王业宇,陈琪. 上海:格致出版社:91-302.
[2][美]罗伯特·帕特南(2019).社会资本研究50年[J].孙竞超. 探索与争鸣, (3):40-49.
[3]曹高辉,胡紫祎,张煜轩等(2016).基于外部线索的社会化问答平台信息质量感知模型研究[J].情报科学, 34(11):122-128.
[4]陈明红,漆贤军(2014).社会资本视角下的学术虚拟社区知识共享研究[J].情报理论与实践,37(9): 101-105.
[5]陈昕(2018).情感社群与集体行动:粉丝群体的社会学研究——以鹿晗粉丝“芦苇”为例[J].山东社会科学, (10):37-47.
[6]陈星,张星,曾淑云等(2017).健康问答社区中知识分享意愿的影响因素研究[J].现代情报, 37(4):62-71.
[7]陈则谦(2013).内容开放式知识传播平台中知识贡献行为的动力要素分析[J].图书情报知识, (4):76-84.
[8]程亚男,王宇(2018).基于语义情感相似度的问答社区答案排序研究[J].情报科学, 36(8):72-76.
[9]杜晴,杜春凤,朱庆华等(2017).基于活动理论的社会化问答应用的可用性研究[J].现代情报, 37(9):86-92.
[10]杜智涛(2017).网络知识社区中用户“知识化”行为影响因素——基于知识贡献与知识获取两个视角[J].图书情报知识, (2):105-119.
[11]范宇峰,陈佳佳,赵占波(2013).问答社区用户知识分享意向的影响因素研究[J].财贸研究, 24(4):141-147.
[12]甘春梅,黄悦(2017).社会化问答社区不同用户行为影响因素的实证研究[J].图书情报知识, (6):114-124.
[13]耿瑞利,申静(2018). 社交网络群组用户知识共享行为动机研究:以Facebook Group和微信群为例[J].情报学报,37(10):1022-1033.
[14]姜雯,许鑫,武高峰(2015).附加情感特征的在线问答社区信息质量自动化评价[J].图书情报工作, 59(4):100-105.
[15]蒋楠,王鹏程(2012).社会化问答服务中用户需求与信息内容的相关性评价研究——以“百度知道”为例[J].信息资源管理学报, 2(3):35-45.
[16]金晓玲,汤振亚,周中允等(2013).用户为什么在问答社区中持续贡献知识?:积分等级的调节作用[J].管理评论, 25(12):138-146.
[17]李颖,肖珊(2019).知识问答社区用户心流体验对持续知识共享意愿的影响研究——以PAT模型为视角[J].现代情报, 39(2):111-120.
[18]刘海鑫,刘人境,李圭泉(2014).社会资本、技术有效性与知识贡献的关系研究——基于企业虚拟社区的实证研究[J].管理评论, 26(12):10-19.
[19]刘花,周学春(2016).用户就绪和知识贡献研究——以百度百科虚拟社区为例[J].资源开发与市场, 32(4):447-452.
[20]刘勤为,徐庆春,刘华山等(2016).大学生网络社会支持与网络利他行为的关系:一个有调节的中介模型[J].心理发展与教育, 32(4):426-434.
[21]刘宇清,常桂林(2018).高校图书馆移动阅读用户知识共享影响因素研究[J].图书馆学研究,(18):54-62.
[22]牛更枫,鲍娜,周宗奎等(2015).社交网站中的自我呈现对生活满意度的影响:积极情绪和社会支持的作用[J].心理发展与教育, 31(5):563-570.
[23]齐云飞,赵宇翔,刘周颖(2020).免费与付费在线问答社区用户参与行为的比较研究[J].图书情报工作,64(2):105-115.
[24]沈校亮,厉洋军(2018).虚拟品牌社区知识贡献意愿研究:基于动机和匹配的整合视角[J].管理评论, 30(10):84-96.
[25]汤灿晴(2019).利他与合作:传统解释与桑塔费学派的观点[J].重庆理工大学学报(社会科学), 33(3):46-53.
[26]万莉,程慧平(2015).虚拟知识社区用户知识贡献行为影响因素研究——贡献者和潜水者比较[J].情报理论与实践, 38(12):93-97.
[27]王楠,陈详详,陈劲(2019a).虚拟社区奖励对知识共享的作用效果研究[J].科学学研究,37(6):1071-1078.
[28]王楠,张士凯,赵雨柔等(2019b).在线社区中领先用户特征对知识共享水平的影响研究——社会资本的中介作用[J].管理评论, 31(2): 82-93.
[29]王秀丽(2014).网络社区意见领袖影响机制研究——以社会化问答社区“知乎”为例[J].国际新闻界, 36(9):47-57.
[30]吴丹,刘媛,王少成(2011).中英文网络问答社区比较研究与评价实验[J].现代图书情报技术, (1):74-82.
[31]张宝生,张庆普(2018).基于扎根理论的社会化问答社区用户知识贡献行为意向影响因素研究[J].情报学报, 37(10):1034-1045.
[32]张昆仑(2004).边际效用递减规律新探[J].天津财经学院学报, (4):8-10.
[33]张晓娟,连晗羽,周学春(2017).虚拟社区和用户参与知识贡献研究:就绪和努力的视角[J].浙江社会科学, (9):89-97.
[34]张晓娟,周学春(2016).社区治理策略、用户就绪和知识贡献研究:以百度百科虚拟社区为例[J].管理评论, 28(9):72-82.
[35]张兴刚,袁毅(2009).基于搜索引擎的中文问答社区比较研究[J].图书馆学研究, (6):65-72.
[36]张旭昆(2005).试析利他行为的不同类型及其原因[J].浙江大学学报(人文社会科学版),(4):13-21.
[37]周军杰(2015).虚拟社区内不同群体的知识贡献行为:一项对比研究[J].管理评论, 27(2):55-66.
[38]Agarwal, M. R. (2007). Through a Glass Darkly: Information Technology Design, Identity Verification and Knowledge Contribution in Online Communities[J]. Information Systems Research, 18(1):42-67.
[39]Davis, V.(2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies[J]. Management Science, 46(2):186-204.
[40]Ghahtarani, A., Sheikhmohammady, M., & Rostami, M. (2019). The Impact of Social Capital and Social Interaction on Customers’ Purchase Intention, Considering Knowledge Sharing in Social Commerce Context[J]. Journal of Innovation & Knowledge, 4(3):1-9.
[41]Hayes, A.(2013). Introduction to Mediation, Moderation, and Conditional Process Analysis[J]. Journal of Educational Measurement, 51(3):335-337.
[42]Homans, G. C. (1958). Social Behavior as Exchange[J]. American Journal of Sociology, 63(6):597-606.
[43]Hsu, C., & Lin, J.(2008).Acceptance of Blog Usage: The Roles of Technology Acceptance, Social Influence and Knowledge Sharing Motivation[J]. Information & Management, 45(1):65-74.
[44]Kim, S., & Oh, S.(2009). Users’Relevance Criteria for Evaluating Answers in a Social Q&A Site[J]. Journal of the American Society for Information Science and Technology, 60(4):716-727．
[45]Lawler, E. J., & Thye, S. R.(1999). Bringing Emotions into Social Exchange Theory[J]. Review of Sociology, 25(1): 217-244.
[46]Lou, J., Fang, Y., & Lim, K. H. et al. (2013). Contributing High Quantity and Quality Knowledge to Online Q&A Communities[J]. Journal of the American Society for Information Science and Technology,64(2): 356-371.
[47]Rice, S. C.(2012). Reputation and Uncertainty in Online Markets: An Experimental Study[J]. Information Systems Research, 23(2):436-452.
[48]Shiau, W. L., & Luo, M. M.(2012). Factors Affecting Online Group Buying Intention and Satisfaction: A Social Exchange Theory Perspective[J]. Computers in Human Behavior, 28(6):2431-2444.
[49]Swanson, E., Kim, S., & Lee, S. M. et al.(2020). The Effect of Leader Competencies on Knowledge Sharing and Job Performance: Social Capital Theory[J]. Journal of Hospitality and Tourism Management,42(1): 88-96.
[50]Tajfel, H.(1986). The Social Identity Theory of Intergroup Behavior[J]. Psychology of Intergroup Relations, 13(3):7-24.
[51]Wang, S., & Noe, R. A.(2010). Knowledge Sharing: A Review and Directions for Future Research[J]. Human Resources Management Review, 20(2):115-131.
[52]Wasko, M. M., & Faraj, S. (2005).Why Should I Share? Examining Social Capital and Knowledge Contribution in Electronic Networks of Practice[J]. Mis Quarterly, 29(1):35-57.
[53]Zeileis, A., Kleiber, C., & Jackman, S.(2008). Regression Models for Count Data in R[J]. Journal of Statistical Software, 27(1): 1-25.
[54]Zhang, X., Liu, S., & Deng Z. et al.(2017). Knowledge Sharing Motivations in Online Health Communities: A Comparative Study of Health Professionals and Normal Users[J]. Computers in Human Behavior,75(10): 797-810.
封面图片来自互联网