当期荐读 2020年第4期 | 即时会话情境下学术交流的社会支持交换机制研究

by图虫创意网

吴 江1,2  魏子瑶1,2  王诚坤1,2

(1.武汉大学信息管理学院,武汉,430072; 

2.武汉大学电子商务研究与发展中心,武汉,430072)

摘  要

线上即时会话交流接近面对面互动，具有高效便捷、附加成本低等优势，探究该情境下学术交流的社会支持交换机制，有利于充分发挥其在线上学术交流中的作用。以微信群为例，综合运用内容分析、计量经济等方法，基于用户的会话数据进行指标构建和计算，探究线上学术交流的社会支持交换机制。研究发现，在即时会话情境下，学术用户的信息支持提供和情感支持提供正向影响其活跃度，信息支持获得受到用户活跃度和结构性社会资本的正向影响，情感支持获得受到用户活跃度正向影响，但未受到结构性社会资本的显著影响。本研究在学术交流研究中首次引入对情感支持的考察，并探究了社会支持获得的前因变量，对比了用户活跃度和结构性社会资本在其中的作用，为平台建设和群组管理提出建议，帮助学术用户更充分地利用即时会话系统进行高效的线上学术交流。

关键词

即时会话, 学术交流, 社会支持, 社会交换, 微信群

1

引 言

在学术交流中,博客、论坛等形式的虚拟社区为科研人员提供了平等开放的线上平台。随着移动社交媒体的蓬勃发展,即时通信应用的使用率高达 96.5%[1],微信群、QQ群等即时会话群组因操作便捷、附加成本低、时间灵活等优势成为线上学术交流的重要媒介。即时会话群组作为基于移动社交网络产生的虚拟社区[2],与博客、论坛等异步、历时态的虚拟社区相比,具有同步、共时态等特点,更接近日常线下互动[3-4],在交流方式、成员关系、激励措施等方面也均有不同[5]。实时互动使用户的提问、讨论和分享能够更快地得到应答,加快了成员关系的建立、迭代与维持,提高了知识交流效率,等级、荣誉等激励措施的弱化也使得“关系”显得愈发重要,因此两类情境下的学术交流行为存在较大差异。以往线上学术交流研究大多聚焦异步虚拟社区[5],为了拓展研究视角,本研究将围绕即时会话情境下的学术交流展开探讨。 

以往虚拟社区学术交流的相关研究主要关注知识共享意愿[5-11]、行为[12-21]、动机[22-23]等,即对学术用户提供信息支持的驱动因素进行了大量探究,但有关信息支持获得前因变量的研究非常有限,未能探讨其中的信息支持交换关系;即时会话情境下的研究多沿用异步虚 拟社区的理论基础、研究方法和变量测度[5,9-11,17],但缺乏与使用场景、特征有关的属性和变量。本研究探讨的社会支持交换机制,有助于确保提供社会支持的用户获得相应的反馈,维持社区的良性发展,帮助科研人员更高效地利用即时会话进行线上学术交流。本研究综合运用内容分析、计量经济等方法,基于社会支持交换和社会资本理论,探究社会支持获得的前因变量;在信息支持的基础上从时间维度引入情感支持,重点探讨学术用户社会支持提供对社会支持获得的影响;综合考虑即时会话群组缺乏等级荣誉、注重关系建立等实际特点[18],将用户活跃度视为短暂属性、结构性社会资本视为累积属性,探究二者在社会支持交换机制中发挥的作用。

2

相关研究进展

以往关于线上学术交流的研究主要以博客、论坛等形式的虚拟社区作为研究对象,随着移动社交媒体的兴起,即时会话群组为科研人员开辟了新的学术交流渠道,引发学者关注,下面将分别对上述两类情境下学术交流的相关研究进行回顾。

2.1 虚拟社区的学术交流研究

博客、论坛等虚拟社区学术交流的相关研 究主要关注知识共享意愿[6-8]、行为[12-16]、动机[10,22-23]等影响因素。从理论基础上看,主要从社会交换、社会影响、社会资本、态度与行为等相关视角展开。采用社会交换理论的研究证实了信任和互惠[6]、声誉、社会支持和自我价值[16]等对虚拟社区知识共享行为的促进作用,并分别探讨了个体、个体间、个体与社区间三类因素对浏览、发帖和回帖行为的不同影响[12];采用社会影响理论的研究将虚拟社区视为一个整体,探讨顺从、认同、内化过程对用户行为的影响,其中社会认可和团体规范被证实正向影响知识共享动机[22], 主观规范被纳入知识共享意愿的整合模型[7];基于社会资本理论,Chang等[14]在前人研究[13]的基础上以参与度作为调节变量,分维度探究了社会资本与知识贡献行为之间的关系,结果表明,结构性社会资本的影响最大;采用态度与行为相关理论的研究关注知识共享动机的前因,学者分别基于理性行为理论和目标导向理论,证实了态度、主观规范和组织氛围[8]及社会认同、团体规范和预期情感[23]对知识共享动机的正向影响。从研究方法上看,学者开始运用内容分析法[13,24-25]对用户生成内容和行为数据进行分析,进一步补充和验证了了以往基于问卷调查收集主观数据的研究结果[6,8,12,14-16,22]。

2.2 即时会话情境的学术交流研究

即时会话因在时间上具有偶发性、内容口语化、数据累积量大,甄别有效信息具有一定难度,该情境下学术交流的相关研究较少,主要在异步虚拟社区研究的基础上,围绕自我决定、社会资本、社会网络、复杂系统等理论视角展开。从自我决定理论视角,学者分别以微信群和Facebook群组用户[10]、QQ学术群用户[5]为研究对象,证实了社交参与、利他与自我发展等动机正向影响知识共享意愿;基于社会资本理论的相关研究,探究了各个维度的社会资本对微信群[9]和微信朋友圈[11]知识共享意愿的影响,其中结构维度的社会联系、认知维度的共同语言和关系维度的互惠均具有正向效应;从社会网络理论视角,学者分别基于QQ群[17]、微信群[18-20]和Facebook群组[21] 的用户会话数据,分析了社交网络群组的发言规律及网络结构演化,得知群成员在表达意愿、网络地位、活跃度方面存在差异且受到关系强度的影响,并总结了微信群和话题的生命周期演化规律;复杂系统视角下的相关研究则主要通过仿真建模推导出了隐性知识的传播阈值与用户的知识共享意愿、知识吸收能力、网络平均度及二阶矩相关的有限数[26]。从研究方法上看,问卷调查[5,9-11]和文本挖掘[17-21]较为常用。 

综上所述,异步虚拟社区学术交流的相关研究已经较为成熟,多从知识共享、贡献视角出发,而即时会话情境下的相关研究仍处于探索阶段,从个体角度出发的研究多采用问卷调查收集数据,可能因主观认知导致对知识贡献量的测度偏高[25];对即时会话群体层面的研究则仍停留在发言规律、关系演化等描述分析,整体而言,缺乏细化到用户层面、基于提问、分享、回复等真实会话表现的研究。此外,有关学术用户知识共享动机、意愿和行为,即信息支持提供的研究较多,少有对信息支持获得这一反馈机制的验证,对时间因素的考虑也不够充分。因此,本研究将同时考虑信息支持和情感支持的获得和提供,以用户活跃度作为短暂属性,结构性社会资本作为累积属性,探究社会支持获得的前因变量,揭示即时会话情境下学术交流的社会支持交换机制。

3

理论基础与研究假设

3.1 社会支持交换

社会支持被概念化为一种不确定性减少和压力管理机制[27],可以帮助解决个人问题和情绪困扰,缓冲(减轻或消除)压力事件等带来的负面影响[28],提升自尊和自我效能感,并减少不确定性[29]。社会支持行为从功能上被分为三类,即促进情绪恢复的情感支持、帮助解决问题和减少不确定性的信息支持、提供有形切实帮助的工具性支持[30]。社会交换主要用于解释参与到资源交换过程中的个体行为,遵循“利益最大化、成本最小化”原则[31]。社会交换中存在的义务不明确、收益无法定价和收益性质难以界定等问题,会引发相关主体之间产生感激、责任感和信任[32]。社会支持和社会交换常用于社交网络、虚拟社区的研究中,特别是医疗健康[25,33-34]和知识共享[14,16,35] 领域,前者多选用信息支持、情感支持等社会支持变量,后者多考虑知识共享意愿和行为,即信息支持提供。 

基于社会支持与社会交换的相关理论[28,31],本研究将“社会支持交换”界定为“用户为解决自身和他人的实际问题及情绪困扰而参与到学术交流中进行资源交换”。考虑使用动机等实际情况,不同于在线医疗社区存在大量具有明显情感支持性质的交流内容[25], 在线学术社区的交流内容仍以信息支持为主。然而,科研人员在在线学术社区的行为既体现出其信息需求,也存在缓解焦虑、引发共鸣等情感需求,相应的答复既有信息支持,还隐含着情感支持,因此,本研究将学术交流的社会支持交换分为信息支持的提供与获得、情感支持的提供与获得。已有一些研究从持续性[36]、适时性[37-38]等时间相关因素考察了社会支持特别是情感支持发挥的效用,证实了提供社会支持的持续时间、适当时机将影响接收者从社会支持中感知到帮助的程度。科研人员在即时会话这种快速、实时情境下进行学术交流,对收到解答和回复时间的敏感性会高于其他异步虚拟社区,在实现信息支持交换的同时,及时收到答复能够进一步满足用户的情感需求,因此本研究以用户做出解答和回复的及时性来量化其在线上学术交流中的情感支持提供。 

从社会交换理论视角,用户在即时会话中提供的信息支持和情感支持可视为信息量和时间两个维度的“成本投入”,用户与他人进行资源交换的动机是通过关系的建立获得一定的收益[31],用户的“成本投入”越多,对个人在实践社区中建立起的形象、声誉等收益的结果预期越高;根据持续承诺理论,人们会为了避免损失或损失部分先前投入的成本及产生的收益,而以适当的方式执行某一行为[39],在社交网络中,用户“活跃”能够使前期的“成本投入”继续发挥价值,“潜水”则不会带来收益[40],特别是即时会话情境下信息快速产生、更迭,用户缺乏等级、荣誉等显性个人标签,其保持活跃度是减小“沉没成本”的有效途径。因此本研究提出,提供更多信息支持、更强情感支持的即时会话用户会保持较高的活跃度,避免前期投入的社会支持成为“沉没成本”,相应假设如下: 

H1a:即时会话学术用户的信息支持提供正向影响其活跃度。 

H1b:即时会话学术用户的情感支持提供正向影响其活跃度。 

用户活跃度或参与度有两个主要来源——固有、稳定的持续来源和特定、临时的场景来源[41-42],即用户活跃度既取决于其自身参与到学术交流的动机、意愿,也受到时间、交流内容等随机因素的影响。有关印象形成的研究表明,用户在虚拟社区中的参与是高度可见的,这种可见性允许社区成员作为旁观者“监听”其他成员的表现和行为[43],他们通常知道哪些成员表现好、哪些成员违反了社区规范[44]。本研究认为,在即时会话情境下,用户加入会话的时机具有更强的偶然性和随机性,且缺乏等级、荣誉等评价性用户标签,活跃度是从“旁观者”视角衡量的、在不断给“旁观者”留下印象的过程中形成,这些“旁观者”都是该用户潜在的社会支持提供者,因此用户活跃度是社会支持获得的重要影响因素。此外,用户活跃度越高,可能提供的信息支持越多、情感支持越强,根据互惠与承诺理论,相应支持的获得者会产生感激和信任[45-46],同时认为自己有责任为对方提供支持[32],若不执行便会感到内疚[39]。因此本研究提出,活跃度较高的用户会获得更多的信息支持和更强的情感支持,相应假设如下: 

H2a:即时会话学术用户的活跃度正向影响其信息支持获得。 

H2b:即时会话学术用户的活跃度正向影响其情感支持获得。

3.2 结构性社会资本

社会资本是个体或者社会单元通过其所嵌入的社会网络所获得的实际与潜在资源的总和[47],包括社会关系的存在以及嵌入在其中的规范、身份等关系资产[48]。虚拟社区的相关文 献证实了社会资本在知识共享行为[13-14]和社会支持交换[24-25]中的作用。社会资本由结构、关系和认知三个维度构成,其中结构性社会资本被证实与虚拟社区最为契合[13,35]。结构性社会资本是指个体凭借其在拓扑网络中的位置获得的、嵌入在社会互动连接中的潜在资源[49-50]。通过社会互动产生的结构性资本能够减少机会主义[51]、增加无约束性交换[52-53]以及提高信息质量、相关性和及时性[54]。 

即时会话群组中,用户活跃度是在一定阶段内形成的短暂属性,结构性社会资本则是用户通过以往建立人脉关系形成的累积属性,二者相辅相成,在缺乏等级、荣誉等评价指标的情境下显得尤为重要。客观层面,即时会话的聊天信息更迭频繁,用户的关注时间具有较强的随机性,除了主动回答或回复当前会话,还会因为适逢关系密切的用户而加入当前正在进行的会话,即用户在社会网络中的拓扑位置会影响其活跃度表现;主观层面,结构性社会资本产生于以往的社会互动,属于用户的关系资产,特别是在即时会话情境中“关系”的建立尤为重要,为了维持现有和发展更多的社会资本,用户会保持较高的活跃度。基于此,提出如下假设: 

假设H3a:即时会话学术用户的结构性社会资本正向影响其活跃度。 

结构性社会资本能够保证成员通过参与社区获得收益,例如在讨论板块阅读和发布消息、收到信息回答和情感支持,以及定位具有类似定位的成员[25]。结构性社会资本形成于社会互动之中[47],这些互动连接形成了兼具关系连接数和关系强度的社会网络,用户以往“结识”用户的累计数量越多,社会关系连接数就越多;社会交换越频繁,关系强度越强。社会支持通过关系网络进行传递,拥有连接关系的用户是彼此潜在的社会支持提供者,特别是即时会话情境下,用户会因为适逢“熟人”而加入当前正在进行的对话,成为社会支持提供者,相应地提高了会话中需求者的信息支持获得量和情感支持获得的强度,并且关系具有传递性,因此具有较多结构性社会资本的用户将获得更多的信息支持和情感支持,相应假设如下: 

假设H3b:即时会话学术用户的结构性社会资本正向影响其信息支持获得。 

假设H3c:即时会话学术用户的结构性社会资本正向影响其情感支持获得。 

根据上述研究假设构建如图1所示的模型。

图1 即时会话情境下信息交流的社会支持交换机制模型

4

研究设计

4.1 研究数据

微信月活跃账户数已达11.51亿[55],成为当前使用率最高的社交方式,微信群在社交关系链、多对多即时交流、成本和私密性等方面具备优势[2],已然为学科相关、研究方向相似的科研人员提供了新的交流平台,因此,本研究选取微信学术交流群的聊天消息作为数据来源。群用户主要是国内外在读研究生、高校教师和科研机构人员,他们通过付费加入社群、获取学习资料,同时获得进入微信群进行学术交流和信息分享的权限。从收集到的数据中剔除掉视频、语音、名片等无法识别的消息,最终保留了2018年9月4日至2019年5月3日共20749条聊天消息,由3名研究人员进行交叉标注和验证,得到1774段会话及每段会话中社会支持的提供者和获得者,通过变量计算实现统计指标由会话单元到用户单元的映射,共得到386名学术用户在8个月内进行社会支持交换的面板数据。

4.2 变量测度

4.2.1 信息支持 

本研究基于用户在即时会话中的发言频次来量化信息支持,每段会话中的用户可分为信息提供者和信息获得者两类,信息提供者在该段会话中的发言频次计入相应用户的信息支持提供量(Quantity of Provision,PQ),所有信息提供者的发言频次总和计入信息获得者对应用户的信息支持获得量(Quantity of Receipt,RQ)。表1所示的变量都以一个月作为时间窗口,即t=1,2,3,……,8。用户在即时会话群组中的整体形象和地位形成于其在特定时期的会话表现,信息提供者提供的信息支持流向信息获得者,给其留下相应的印象,因此以用户信息支持提供量的均值来表征其信息支持提供PQ更为合适,在测度信息支持获得RQ时仍取用户在特定时期获得信息支持的累积量。 

表1 变量设计

4.2.2 情感支持 

考虑用户进行线上学术交流时的使用动机、使用习惯等实际情况,即时会话群的学术交流以信息支持的互动为主,少有具有明显情感支持性质的交流内容[25],因此基于会话文本的情感得分计算并不适用于本研究。提供社会支持时机的适当与否将影响接收者从社会支持中感知到帮助的程度[37-38],特别是在快速、 实时的即时会话情境下的学术用户,对收到解答和回复时间的敏感性高于异步虚拟社区,及时收到答复能够在实现信息支持交换的基础上满足用户的情感需求,让用户感知到较强的情感支持。综合考虑即时会话情境和会话内容的特点,本研究以用户在会话中首次回复的时间与会话发起的时间差来衡量信息回复及时性,用来表征情感支持提供。在一段会话中,各个非会话发起者回复的及时性计入对应用户回复的及时性(Timeliness of Provision, PT)。因为用户加入即时会话具有一定的偶然性和随机性,会话发起者接收到情感支持时会对回复者产生感激之情,回复者的形象和地位也随之提升,因此与信息支持提供量的算法同理,对回复的及时性取均值作为情感支持提供PT。即便是因为互惠性存在回复他人的动机和意愿,在即时会话情境下,也难以及时回复,结合实际情况,本研究通过计算用户发起话题后获得的回复率Rate来表征情感支持获得。

4.2.3 结构性社会资本 

用户的结构性社会资本(Structural Social Capital,SSC)是与其他用户在即时会话中进行社会支持交换时逐渐积累起来的,社会支持提供者与获得者的互动促使了二者间关系的建立,这种关系是一种有向的强关系,由提供者指向获得者,与信息支持的流向一致。本研究引入社会网络中的“度”表示社会互动连接,若用户之间在特定时期存在社会支持交换,则信息支持提供者与获得者之间的度为1,表示一种“结识”关系,否则为0,用户在该时期的度等于“结识”用户的数量。本研究以用户在各个时期度的累计值来表征逐渐积累形成的结构性社会资本,即与已经“结识”的用户再次建立关系时意味着用户之间关系的加强。 

本研究提出的相关变量及其含义、计算方式汇总见表1。

4.3 模型建构

4.3.1 活跃度的影响因素模型 

在即时会话情境下学术用户活跃度的影响因素模型中,解释变量为信息支持提供、情感支持提供和结构性社会资本,取累积知识贡献量作为控制变量学术声誉,在一定程度上反映用户在群中的学术等级,同时将前期用户发起会话无回应频次作为控制变量,用以表征即时会话随机性、偶然性可能对用户活跃度产生的一定影响。对各个变量进行方差膨胀因子(VIF)检验,得到的 VIF值介于1.18—2.06之间,VIF均值为1.61,即模型中的各变量之间不存在多重共线性。 

考虑到作为被解释变量的用户活跃度是计数变量,本研究选用面板负二项回归模型来验证各解释变量对用户活跃度的影响,模型构建如下:

其中Activenessut 是用户u在t时期的活跃 度,PQu,t-1,PTu,t-1和 SSCu,t-1分别代表用户 u在t-1时期的信息支持提供量、做出回复及时性和度的累计值,αu代表个体固定效应(未观测到的异质性),Wut代表控制变量,δ,γ,β,θ和μ是模型的待估计参数,εut是误差项。将滞后一期的活跃度作为被解释变量,是因为用户的社会支持提供及结构性社会资本有一定的累积效应,作用于用户之间的社会支持交换、进而影响个体的活跃度需要一定的时间。此外,活跃度的提高会引发用户更及时地出现在更多的会话中,提供更多的信息支持,滞后被解释变量可以减轻这样的反向因果关系所引发的潜在内生性问题。对该模型进行Hausman检验,结果表明应选择固定效应模型进行回归。

4.3.2 信息支持获得的影响因素模型 

在即时会话情境下学术用户信息支持获得的影响因素模型中,解释变量为活跃度和结构性社会资本,控制变量除了表征学术声誉的累积知识贡献量,还包括该时期用户发起会话无回应频次以及总体会话数量,用以表征信息支持获得可能受到的来自即时会话随机性、偶然性的影 响,对各个变量进行方差膨胀因子(VIF)检验,得到的 VIF值介于1.08—2.23之间,VIF均值为1.66,即模型中的各变量之间不存在多重共线性。 

作为解释变量的信息支持获得是计数变量,本研究选用面板负二项回归模型来验证各解释变量对信息支持获得的影响,模型构建如下:

其中RQut 是用户u在t时期的信息支持获得量,Activenessu,t-1和SSCu,t-1分别代表用 户u在t-1时期的活跃度和度的累计值,Wut代表控制变量,αu代表个体固定效应(未观测到的异质性),δ,θ和μ是模型的待估计参数,εut是误差项。对该模型进行Hausman检验,结果表明应选择固定效应模型进行回归。 

4.3.3 情感支持获得的影响因素模型 

在即时会话情境下学术用户信息支持获得的影响因素模型中,解释变量、控制变量与信息支持获得影响因素模型中的相同,各变量间不存在多重共线性。 

由于表征情感支持获得的发起会话回复率不是整数,因此本模型选用面板数据多元线性回归,使用经过标准化处理后的变量,模型构建如下:

其中 Rateut 是用户u在t时期发起会话获得的回复率, Activenessu,t-1和 SSCu,t-1分别代表用户u 在t-1时期的活跃度和度的累计值,Wut 代表控制变量,αu代表个体固定效应(未观测到的异质性),γ,θ和μ是模型的待估计参数,εut是误差项。对该模型进行Hausman检验,结果表明应选择固定效应模型进行回归。

5

结果讨论

即时会话情境下学术用户活跃度、信息支持获得和情感支持获得的影响因素模型回归结果如表2所示,三个模型都在整体上具有显著性。可见,信息支持提供、情感支持提供和结构性社会资本对用户活跃度具有显著的正向影响,即假设 H1a、H1b和 H3a成立;用户活跃度对信息支持获得和情感支持获得具有显著的正向影响,即假设 H2a和 H2b成立;用户的结构性社会资本对信息支持获得具有显著的正向影响,对情感支持获得无显著影响,假设H3b成立,H3c不成立。

表2 模型回归结果

5.1 活跃度的影响因素分析

用户的信息支持提供、情感支持提供和结构性社会资本显著正向影响活跃度,即用户作为信息提供者在各个会话中的平均发言频次越高、作为回复者在会话中回复得越及时、在以往会话中与之建立关系的用户数量累计值越高,其在后期参与的会话数量就越多。 

用户提供的信息支持量越大、在会话中对发起者回复得越及时,对个人在实践社区中建立起的形象、声誉等结果预期就越高,认为自己获得了一定的声誉资本,为了避免前期投入的信息支持和情感支持成为“沉没成本”,用户会在后期保持较高的活跃度。 

用户在会话中对发起者的提问和分享作出回应的同时,二者之间的关系随之建立。结构性社会资本较多的用户之所以保持较高的活跃度,一方面是由于适逢关系密切的用户时,加入当前会话的几率会更高,参与会话的数量会更多;另一方面,根据持续承诺理论,用户在前期“结识”的用户越多,认为自己获得了越多的关系资本,为了维持和进一步增加关系资本,避免已有的关系资本有所削减,用户会保持较高的活跃度。

5.2 信息支持获得的影响因素分析

用户的活跃度和结构性社会资本显著正向影响信息支持获得,即用户参与的会话数量越多、在以往会话中与之建立的关系连接数累计值越高、关系强度越强,其在寻求信息支持时会有更大概率得到回答,并且能够从主动分享信息的会话中获得更多的信息支持。 

以往“结识”用户的累计数量越多,用户提问时能够吸引越多与之“结识”的用户加入会话进行回答,还会因为恰逢“结识”的用户在某一会话中发言而加入其中成为信息支持的获得者,这一趋势还会随着关系强度的增强而增强,因此信息支持获得会受到结构性社会资本的显著正向影响。活跃度作为社会支持提供和社会支持获得的中介变量,与结构性社会资本一同影响着信息支持获得。结构性社会资本体现的是用户在即时会话群组中的“人脉”,是具有累积效应的属性,活跃度则是具有时效性的特定时期的短暂属性,前者代表强关系的建立,后者则意味着弱关系的形成,二者在即时会话环境下显得同样重要。

结构性社会资本对社会支持获得的影响程度和影响范围受到“人脉”对群组的关注时间、会话主题等随机因素的影响,即结构性社会资本存在无法发挥作用的可能,活跃度是在即时会话群组树立起的整体形象,会给“旁观者”形成一定印象,出于承诺和互惠,较高的活跃度会使更多的“旁观者”成为潜在的信息支持提供者,此外,由于社交关系存在生命周期,部分结构性社会资本会随时间逐渐弱化,在强关系无法发挥作用的情况下,由活跃度建立起的弱关系可能提供更多的信息支持。

5.3 情感支持获得的影响因素分析

用户的活跃度显著正向影响情感支持获得,结构性社会资本对情感支持获得无显著影响。可见,用户的情感支持获得只与活跃度这一短暂属性相关,受到结构性社会资本这种累积属性的影响不显著,即用户参与的会话数量越多,其发起会话时收到的回复率会更高,但以往与之建立关系的用户数量累计值对回复率无显著影响。 

在标注会话的过程中发现,用户在发起会话时能否收到回复受到发起时间和会话内容等多种因素的影响,如发起会话的时间是非活跃时段、发起会话时恰好被其他会话覆盖,特别是一些主动分享的内容,从会话发起到被其他用户注意到的时间间隔越长,信息接受者不作回复的几率越大;如果用户提问的内容比较高深复杂、属于非主流的研究方向,或者主动分享的内容是重复的、恰好其他用户不感兴趣的,也会得不到回复,这些偶然性因素都会对用户在发起会话后收到的回复率造成较大干扰。

根据模型的回归结果,表征用户前期累积“人脉”的结构性社会资本虽然对收到的回复率无显著影响,但用户活跃度能够显著正向影响收到的回复率,即用户发起会话收到的回复率更多地受到短暂属性的影响,受到累积属性的影响并不显著,可能的原因在于,用户倾向于对不感兴趣、陌生领域的主动分享和提问内容不作回复,即便是与之“结识”的用户发起的会话,出于道德、责任心的规范承诺不足以驱使用户作出回复,更多的是“心有余而力不足”。在结构性社会资本这种强关系无济于事的情境下,用户通过参与较多会话建立起的众多弱关系能够发挥一定的作用。因此,用户的活跃度越高、建立起的弱关系越多,在发起会话时的潜在回复者就越多,收到回复的几率也越高。

5.4 整体讨论与分析

综合本研究的三个模型可知,学术用户在即时会话中的社会支持提供和结构性社会资本可以通过其活跃度影响社会支持获得,即用户活跃度的中介效应存在;活跃度这种短暂属性对用户的信息支持获得和情感支持获得都具有显著正向影响,而结构性社会资本这种累积属性则只对用户的信息支持获得具有显著的正向影响,对情感支持获得的影响则不显著。本研究的模型回归结果见图2。

图2 模型结果示意图

在即时会话中,无论是解答问题还是主动分享,用户为其他用户提供信息时遵循自愿原则,是一种外显性的主动行为,提供的信息量越大、提供信息越及时,建立起的利他形象就越明晰。除了信息支持获得者与提供者之间建立起的强互惠关系,还会在积极参与会话时引起其他用户的注意,保持较高的活跃度会使用户获得更多的信息支持,发起会话时收到回复的几率更大。相比之下,结构性社会资本对社会支持获得的显著影响只体现在提高信息支持获得量上,而不会提高用户收到的回复率,这从侧面反映了学术用户在即时会话中对提问、主动分享进行回答和回应时,会考虑发起会话的内容,而不会因为以往的“结识”关系 而盲目回复。 

结合前文的分析,可以推断,即时会话情境下,以往社会支持交换中积累的“人脉”可能因为发起时间、会话主题等因素无法发挥作用,用户凭借其在会话中的活跃表现建立起的大量弱关系显得更为重要,致使用户情感支持获得只与前期的活跃度显著正向相关,而与结构性社会资本无显著关系。

5.5 鲁棒性检验

本研究通过分别变换信息支持提供和结构性社会资本两个解释变量的测度方法来检验研究结果的鲁棒性。在前文的主要分析部分,侧重于用户特定时期在群内树立的整体形象,因此计算了用户作为信息支持提供者的平均发言频次来表征其信息支持提供。为了检验鲁棒性,以用户在特定时期作为信息提供者的总发言频次来代表信息支持提供,该变量只涉及一个回归模型,变量的 VIF值介于1.04—3.02之间,均值为1.90,即变量之间不存在显著的共线关系,模型结果见表 3 第一列,即换用信息支持提供的测度方法后,模型回归结果与前文一致。 

表3 鲁棒性检验结果

前文中,将前期与用户进行过社会支持交换的用户数量的月度累积值作为结构性社会资本,侧重于用户关系在时间上的延续,即不考虑两用户之间的关系在同一时期内的加强。为了检验鲁棒性,考虑用户关系随着交互次数的增加而加强,以特定时期两用户之间的“加权度”来衡量结构性社会资本,具体而言就是,计算用户前期与其他用户进行社会支持交换的累计次数来表征这一变量。结构性社会资本这一变量在本文的三个模型中均作为解释变量出现,对各个模型的解释变量、控制变量进行方差膨胀因子(VIF)检验,活跃度影响因素的 VIF值介于1.18—2.38之间,VIF均值为1.75,信息支持获得、情感支持获得影响因素的 VIF检验值介于1.08—2.70之间,均值为1.82,可知变量之间不存在显著的共线关系。使用相同的模型进行回归分析,结果见表3最后三列,可见,换用结构性社会资本的测度方法后,三个模型的回归与前文主要分析的结果一致。

6

结 语

本文探究了即时会话情境下学术交流的社会支持交换机制,不同于以往大多研究仅从共享、贡献知识,即提供信息支持的视角开展,因即时会话群具有快速实时、缺乏等级荣誉等特点,用户进行学术交流时对答复时间的敏感性和答复率会高于其他异步虚拟社区,因此,本研究在信息支持的基础上引入情感支持,关注学术用户的社会支持提供对社会支持获得的影响。选取微信群的聊天消息作为样本数据,综合考虑活跃度这一短暂属性和结构性社会资本这一累积属性,基于学术用户在会话中的真实表现,进行指标构建和计算,构建带有时间滞后变量的模型,探究了即时会话情境下学术交流的信息支持与情感支持交换机制。研究结果表明,即时会话情境下,学术用户的信息支持提供、情感支持提供和结构性社会资本正向影响用户活跃度,进而正向影响信息支持获得和情感支持获得,信息支持获得同时受到活跃度和结构性社会资本的正向影响,而情感支持获得只受到活跃度的正向影响,结构性社会资本对其影响并不显著。因此,即时会话情境下,通过各个会话建立起的弱关系在社会支持交换中发挥的作用不容忽视,其对社会支持获得的影响甚至强于以往结构性社会资本这种强关系。

本研究的结果有望为用户更高效地在即时会话情境下进行学术交流提供指导建议,对即时会话群组管理和即时会话平台建设也具有一定的借鉴意义。用户在提供更多信息支持、及时对相关会话发起回应的同时,还要通过发起和加入更多会话以保持活跃度、与更多用户直接互动以建立和维持关系等积极举措,进而保证在出现信息需求和情感需求时能够从即时会话群组中获得相应支持。即时会话群组的管理人员可以通过策划线上“微活动”、“微任务”等方式为用户互动创造更多机会,建立统一的管理规定和奖惩措施,激励非活跃用户参与会话、建立关系,维持群组内社会支持交换机制的良性运转。微信平台可以为群组增加一些个性化定制功能,如针对学术微信群的用户等级评定、荣誉授予、用户发言评分点赞等,通过完善即时会话群组的必要功能,充分发挥其与传统学术虚拟社区在线上学术交流中的互补作用。 

本研究的局限在于,即时会话群组的用户可能存在线下关系,但本研究因数据样本限制难以对线下关系进行考量,未来研究将尝试集成多种研究方法,并补充相关研究数据,从而进一步对结论进行交叉验证。

作者简介

吴江,教授,博士,研究方向为社会网络计算、网络信息计量，Email:[e-mail]。

魏子瑶,硕士研究生,研究方向为知识交流、网络信息计量，Email: [e-mail]。王诚坤,硕士研究生,研究方向为共享经济、数据挖掘，Email: [e-mail]。

参考文献

*原文载于《信息资源管理学报》2020年第4期，欢迎个人转发，公众号转载请联系后台。

* 引用格式

吴江,魏子瑶,王诚坤.即时会话情境下学术交流的社会支持交换机制研究[J].信息资源管理学报,2020,10(4):36-47.

制版编辑 | 王小燕