社交网络情境下社会资本影响知识共享的效果分析

曹玲+顾兵光

〔摘要〕经过前人的不断研究和摸索，目前，我们通常将社会资本划分为3个维度：认知维度、结构维度和关系维度，结合问卷调查获取的数据开展相关性和回归分析。结果显示，社会资本的3个维度在知识共享的质量效果和数量上均产生了较大的正面影响：从知识共享的质量效果的角度来看，正面影响的因素有3个：1）认知维度中的共同愿景和语言；2）结构维度的中心性；3）关系维度中的社区信任和认可；从知识共享的数据的角度来看，产生显著影响的因素有认知维度中的共同的愿景和语言和关系维度中的社区信任和认可。

〔关键词〕社交网络；情境；社会资本；知识共享；影响因素；效果；维度

DOI：10.3969/j.issn.1008-0821.2018.02.007

〔中图分类号〕G203〔文献标识码〕A〔文章编号〕1008-0821（2018）02-0041-07

Analysis of the Effect of Social Capital on Knowledge Sharing in the

Context of Social Networking

Cao LingGu Bingguang

（School of Economics and Management，Nanjing University of Information Science & Technology，

Nanjing 210044，China）

〔Abstract〕On the basis of previous studies，social capital is divided into three dimensions：structural dimension，cognitive dimension and relational dimension，the study choose the question-and-answer social platform of zhihu as the research object，combined with the questionnaire survey to obtain the data to carry out the correlation and regression analysis.The analysis results showed that the structural dimension of social capital had positive influence on the quality effect of knowledge sharing，but it had no effect on the quantity effect of knowledge sharing.The common language and common vision in cognitive dimension had positive influence on the quality and quantity effect of knowledge sharing.Community recognition in the relationship dimension had a positive effect on the quality and quantity effect of knowledge sharing；Trust has only positive influence on the quality of knowledge sharing，and it had no significant influence on the quantity of knowledge sharing；And reciprocity had a positive impact on the amount of knowledge sharing，and the quality of knowledge sharing was not significant.

〔Key words〕social network；context；social capital；knowledge sharing；influnce factors；effect；dimension

上世紀80年代后期，邓小平同志提出“科技是第一生产力”的口号，指引我国改革开放取得重大成就，同时知识和人才的概念在国内也被提到了一个全新的高度。在竞争的不断加剧的今天，能否第一时间获取更高质量的知识成为个人和组织获取成功的关键[1]。当前，随着计算机网络技术发展和网络应用领域的不断延伸，网络打破了语言和地区障碍为人与人之间的交流、沟通、信息分享带来了独特的体验，社交网络正以日新月异的速度改变着人们的工作和生活方式，也为知识共享提供了崭新的渠道[2]。但是，纵观各大社交平台，不同个体之间分享知识和获取知识的效果截然不同。Gunilla Wid6n-WulfF（2004）[3]的研究结论为我们解释这一现象提供了思路，为了更好地理解知识共享的内部机理，本研究运用社会资本理论，探讨个体社交环境中能够获得的群组资源如何影响知识共享的效果。

与传统社会资本相比，社交网络下的社会资本又呈现出较强的互动性、互惠性和开放性等新兴因素，这些因素导致我们对社会资本的衡量方式也从维度、方法等方面发生变化[4]。因此，科学准确地界定社会资本的维度是研究社会资本影响知识共享效果的重要前提。然而，学术界对此尚无统一定论。Coleman（1988）创造性地从社会资本中提炼出3个要素：分别是义务与期望、在社会网络中获得信息的能力和组织的规范与惩罚。在此基础上，从“人际网络”和“信任”两个维度界定社会资本[5]。在此之后，越来越多的学者开始关注社会资本这一领域，并从不同视角进行维度划分。从政治制度的影响角度来看，Putnam（1995）便对社会资本的划分进行了独特定位：首先是公民参与网络，其次就是信任，最终则是规范[6]。Watson和Papamarcos（2002）指出社会资本包括信任、组织规范和沟通3个维度[7]。众所周知，学者Nahapiet和Ghoshal（1998）的观点在学术界得到了普遍的认可和肯定，在社会资本的研究过程中，他们以结构——关系——认知的视角，进一步从多个角度细化了3个层面。其中，结构维度是指网络联系及个人在网络联系中所处的位置；认知维度主要包括网络个体间的共同语言；关系维度通常用是指人与人之间的信任与认可程度[8]。

Nahapiet和Ghoshal的三维度得到了广大学者的认可，并将此引入到研究中取得了较为准确的结论。因此，本文也拟采用这一划分方式，从结构——关系——认知3个层面分别设立为自变量，知识共享的质量和知识共享的数量为因变量，进行研究设计。用SPSS170对其进行相关分析和多元回归分析，进而研究社会资本对知识共享行为及效果的影响，以期能够为社交网络背景下的知识共享与健康传播提供参考借鉴。

1研究假设与研究设计

11研究假设

根据Nahapiet和Ghoshal（1998）在社會资本领域研究的3个层面，做出如下设想：

111结构在知识共享的质量效果的影响假设

每一个社会网络中的成员在网络中开展知识共享行为都可以被认定为一种集体性行为，而每个个体产生这种集体性行为的频率取决于其在社会网络中的联系及个人在网络联系中所处的位置，即某个人的中心性。如果他在社会网络中与他人的联系越频繁，其所处的位置越高，收到他人尊重与认可的程度越高，那么他产生知识共享这一集体性行为的可能性越大。基于这一分析，笔者提出如下假设：

H1：中心性对知识共享质量和数量的作用均为正

112认知在知识共享的质量效果的影响假设

网络成员对该平台及平台中其他成员的认知度越高，其在平台中进行知识共享的数量和质量可能也越高。通常情况下，对某事物的认知包括两类：语言认知和愿景认知。语言认知是指群体间具有共同的语言，比如兴趣爱好、交流方式、语言习惯等等。根据Casimir G，Lee K，Loon（2013）[9]的研究，“共同的交流方式和语言为社交网络成员达成一致的集体性目标带来了便利”。共同语言是成员间开展深入交流的前提，有利于激励成员进行知识分享，也有助于接收者理解。

共同愿景是“人们永远为之奋斗并共同希望达到的图景”，正是这种共同的目标、兴趣和愿景将不同的陌生人，通过网络平台聚集在一起，使他们之间的交流和联系成为可能。因此，成员之间的目标越一致，其分享知识和信息的可能性越大。基于此，笔者认为共同语言与共同愿景对知识共享效果的作用如下：

H2：共同语言对知识共享数量和质量的作用均为正

H3：共同愿景对知识共享质量和数量的作用均为正

113关系在知识共享的质量效果的影响假设

Rdings和DGefen等人（2002）研究了探寻互联网背景下的社交网络中的两大因素：分别是影响成员间信任的前因和信任对知识共享行为产生的影响，进一步证实了信任对知识共享产生的巨大影响。Chao-MinChiu等人（2006）根据社会交易理论，研究了社交网络中成员之间的利益关系对知识共享行为的影响，认为成员之间具有互惠关系，也就代表了在包括知识共享在内的任何领域，他们都愿意为彼此付出更多的时间和努力。所以，成员之间的互惠关系是进行知识共享不可或缺的一项重要因素。Nahapiet和Ghoshal（1998）对将社区认可引入研究，认为社区认可是“单个成员将自己融入一个群体的过程，是一种情感的归属”，可见社区认可是影响成员间知识共享的资源性因素。

基于前人的研究，本文从互惠、信任、社区认可3个角度来定义关系维度，从这3个角度来探讨关系维度可能对知识共享行为和效果的影响。首先，信任是知识共享的前提。社交网络中知识分享行为是一种非正式交流行为，这一行为开展的前提是基于对群体间成员的彼此信任。只有基于一定程度的信任，素不相识的用户之间才能放下戒心，才愿意和网络中素未谋面的成员进行合作共享。由此可见，信任应该会对社交网络中的知识共享数量和质量产生正向影响。其次，互惠是社交网络中知识共享行为能够可持续进行的一个重要原则，人都具有趋利性，只有在社交平台中能够获得对自己有用的信息才有可能在平台中分享信息，因此只有在互惠基础上使每个用户都有所收益，知识分享的行为才可能继续下去。反之，如果无法获得回报，这一积极行为就会受到抑制，而其他只索取不分享的行为也会受到互惠原则的制约。因此，可以假定互惠对知识共享数量和质量为正向作用。最后，社区认可是成员对社会的一种情感寄托和归属性，如果成员对社区有高度的认可与归属感，则会自觉地遵守社区规则，一起为构建良好互动社区而努力。如果成员对社区的认可度低，则会大大地抑制知识共享行为。因此，社区认可也会对知识共享数量和质量产生正向作用。据此，可以得出以下假设：

H4：信任对知识共享质量和数量的作用均为正

H5：互惠对知识共享质量和数量的作用均为正

H6：社区认可对知识共享质量和数量的作用均为正

12研究设计

121研究对象

纵观当前我国几大典型的网络社交平台，豆瓣作为娱乐类社交平台的代表，通常是由用户根据自己的兴趣爱好选择加入特定小组，并在小组中对某一事物或现象发表意见，这种意见往往是对自己的观点和看法的一种主观表达，成员往往自说自话，不能形成统一定论，或者有些话题也没必要有统一结论，这种情形下很难形成知识的分享与传播。因而豆瓣不适合作为本次研究的研究对象。微博是媒体类社交平台的典型代表，其优势是用户量大、信息广泛，但也具有极大的缺陷，即信息的质量低、重复率高，不能为用户提供准确性强、高质量的知识。作为关系类社交平台典型代表的微信，其主要功能是为用户提供交流平台，而知识分享与传播的功能非常弱。根据分析，这些都不适合作为本次研究的研究对象。

知乎，是一种专业的问答类社交平台，它不仅具有普通社交网络供用户进行交流的功能，更重要的是知乎拥有一大批各个领域的专家和学者，他们也都是各个专业领域的精英。知乎平台的任意一名用户在专业领域提出的问题和疑惑，都可以得到对应专业领域精英的专业答复和解决方案，因而在知乎平台上往往能得到极为准确、丰富和高质量的知识，这是开展知识共享的重要基础。此外，知乎是一个单纯的解答问题平台，其所有的信息都可转化为知识，而知识接受着出于互惠原则，也更加愿意通过将所获取的知识分享给其他用户。因此，本文选取知乎平台作为研究对象较为合理。

122变量选取及测定

本文变量的选取来自两个方面：1）借鉴以往相关文献等研究成果及上述假设；2）小组成员讨论结果。据此，笔者拟将可能影响知识共享行为及效果的因素分为结构维度、认知维度、关系维度3个方面。其中，结构维度选取一个指标——中心性来反映，中心性通俗来讲就是用户在某个社交网络中的影响力或者话语权。通常情况下，影响力越大，其获取的资源也越丰富，分享知识和获取知识的可能性越大。认知维度第一个指标——共同语言用问卷调查表中的X2、X3、X4 3个问题来体现，第二个指标——共同愿景用问卷调查表中的X5、X6、X7 3个问题来體现。关系维度第一个指标——信任的6个问题表现形式，即问卷调查表中的X8～X13，第二个指标——互惠用问卷调查表中的X13、X14两个问题来体现，第三个指标——社区认可用问卷调查表中的X15、X16、X17、X18 4个问题来体现。具体各变量测定见表1：

本文研究的是社会资本对知识共享效果的影响，上文对自变量——社会资本进行了测定，现还需对因变量——知识共享进行测定。根据上文假设及以前学者们的研究成果，笔者拟从知识共享质量与知识共享数量两个维度来定义知识共享的效果。其中，知识共享的质量一般是指用户之间获取所需知识信息的准确性，用表2中的Y1、Y2、Y3、Y4、Y5、Y6来表达；知识共享的数量很简单，是指成员对其他用户所提问题的解答数量。具体各变量测定见表2：

13数据获取与问卷收集

本文以问答类社交平台——知乎作为研究对象，采用滚雪球式的抽样调查方式，先通过粉丝量选取关注度较高的大V用户，在根据从这些大V关注的用户层层向外扩散，目的是选取中心度较高的用户，进而对这些用户通过发放调查问卷的形式采集数据。本文的数据选取主要从两个角度来看，第一个角度是计算结构维度的中心性指标。本文选取用户的粉丝数和关注人数两个原始数据分别来反映点入度中心性和点出度中心性，这在知乎界面都有相应的模块。另一个角度是用来测量因变量中的知识共享的质量、知识共享的数量以及5个自变量，所有数据的获取均需通过制定对应的调查问卷后再向不同的被调查者进行询问的形式。同时，调查问卷的内容也需要结合文中在社会资本理论的相关设想，对变量测定进行细化形成问题，并采用李克特5级量表进行统计。

为确保采集到的数据具有良好的效度和信度，笔者先行在身边选择了20名左右曾经使用过知乎社交平台的同学进行询问，后续便开始了正式的问卷调查。最终根据前测中发现的问题，对存在误解以及模糊笼统的问题进行修正。正式调查中，项目的调研问卷总计300份，得到有效问卷278份，有效回复率9267%。在所有有效回复的调查问卷中，又有9065%的用户表示自己曾经使用过知乎社交平台进行提问或回答。排除掉从未在知乎发言的、回答时间过短可能存在敷衍可能的，最终可计入研究的有效问卷一共有239份，最终可使用的调研问卷率为8597%。整体调查问卷的有效率普遍较高，能较真实和全面地反映用户在知乎平台进行知识共享行为的效果。

2数据分析与结果讨论

为了验证上文中社会资本3个维度对知识共享效果影响的假设，本章结合问卷调查获取的数据，运用统计分析方法进行实证分析，大致思路分3个步骤：1）对收集的问卷开展信度和效果分析，验证其可靠性；2）从结构维度、认知维度、关系维度与知识共享效果的关系分别进行相关性研究；3）在相关性分析的基础上，分别从3个维度开展回归性分析。

21信效度分析

信效度分别是指信度和效度，一般研究人员会将同时满足信度和效度要求的工具定位为一种良好的测量工具。信度通常的理解可以是一致性，也可以认为是可靠性。信度的一致性可诠释为在针对同一对象时，使用同一方法反复测量后最终得到的测量结果的一致程度，测量误差越小，信度也就越高，同时也代表了观测值的稳定性越好。效度是一种描述研究结果准确性和有效性的概念。本文下方即对信效度从数据可靠性和结果准确性两方面，进行全方位的检验工作。

本文采用Alpha分析模型中的Cronbach一致性系数α值，来对调查问卷的信度进行检验。其中，α的数值在0～1的范围内，α值越大就意味着内部一致性越高，表明观测变量各题项间的关联性越强。本次研究正是运用SPSS软件对数据做了有效分析，变量信度系数见表3。从表3可以看出本文所研究各变量的Alpha值均高于07，说明各变量可靠性较强，符合信度要求水平。

本文分别从结构和内容这两个方面来检验调查问卷的效度，其中最重要的应属于内容效度。在内容效度的方面来看，调研问卷设计的题目能够表达应测度的主要主题和思想是一项重要体现，本文中的所有测量指标，不仅仅有大量的文献和理论分析为基础，更加核心的是全部都经过实际验证，完全可以确保内容效度。

因此采用KMO测量方法和Bartlett球体检验法对变量的结构效度进行检验。主成分因子分析结果表明，共同语言、共同愿景、信任、互惠、社区认可、知识共享质量、知识共享数量等变量的KMO值分别为0767、0689、0812、0744、0697、0825、0795，均大于05，适合做因子分析。对于各变量的载荷系数均大于05这一结果，则证明了拥有较高的结构效度，相关检验的结果详见表4。

22相关性分析

首先需要进行相关分析，即使用关联的系数来衡量各个变量之间的一种关联程度，进一步来判断模型的合理性，最终再进行回归分析。本文运用Pearson相关系数对结构维度与知识共享效果、认知维度对知识共享效果、关系维度对知识共享效果之间的相关性分别进行检验，检验结果间表5。

P值小于01是指两者之间无影响，P值小于03为弱相关性，P值小于05为中度相关，P值小于08为强相关性。根据表5中的因子相关性分析结果可知，结构维度的中心性变量与知识共享质量效果的两个自变量——知识共享质量和知识共享数量均为中度正相关；认知维度的共同语言与知识共享质量效果的两个自变量——知识共享质量和知识共享数量均为中度正相关；认知维度的共同愿景与知识共享质量效果的两个自变量——知识共享质量和知识共享数量均为中度正相关；关系维度的信任与知识共享效果的两个自变量——知识共享质量和知识共享数量均为中度正相关；知识共享的质量效果和关系维度的互惠的两个自变量，也就是知识共享的数量和质量均为中度正相关；关系维度的社区认可与知识共享质量效果的两个自变量——知识共享质量和知识共享数量均为中度正相关。表明各主要变量间存在着良好的相关关系，最终则可以完成进一步的回归分析。

23社会资本对知识共享效果影响的回归分析

231社会资本对知识共享质量效果影响的回归分析

将知识共享质量效果作为因变量，从结构维度、认知维度和关系维度3个维度中的代表指标作为自变量，回归结果如表6所示。

表6结果显示，方程R2为0986，方程拟合优度较好。自变量中中心性、共同语言、共同愿景、信任和社区认可5个变量的Sig值小于005，对知识共享质量效果具有显著性，互惠变量不显著，说明互惠不是影响知识共享质量效果的因素。而且各类影响显著的变量的系数均为正，可见，上文假设中结构维度的中心性、认知维度中的共同语言和愿景以及关系维度中的社区认可和信任会对知识共享的质量产生正作用的假设是成立，互惠对知识共享的质量产生正作用的假设不成立。

232社会资本对知识共享数量效果影响的回归分析

将知识共享数量效果作为因变量，从结构维度、认知维度和关系维度3个维度中的代表指标作为自变量，回归结果如表7所示。

表7结果显示，方程R2为0849，方程拟合优度较好。自变量中共同语言、共同愿景、互惠和社区认可4个变量的Sig值小于005，对知识共享数量效果具有显著性，中心性和信任变量不显著，说明中心性和互惠不是影响知识共享效果数量的因素。而且各类影响显著的变量的系数均为正，可见上文假设中的共同语言、共同愿景、互惠、社区认可对知识共享的数量产生显著正影响的假设都成立。中心性对知识共享的质量产生显著正作用的假设成立，而信任对知识共享的数量产生正影响的假设无法得到印证。

233结果分析

中心性对知识共享的数量效果影响不显著，与前文假设不吻合。笔者对其他相关研究成果进行分析，发现学者们对这一结论都不认可，例如Babar M[10]就认为中心性高的用户认为他们分享知识的数量和质量会较大程度地影响其中心地位，因而只有通过频繁地分享有价值的知识才能保持其中心地位不被取代。而中心性低的用户他们的关注点不在如何提高自身中心地位上，而在于如何能通过社交网络获取自己想要的信息，因而不会过多地关注分享知识的数量，而是简单地浏览他人关于知识的解答，以便为自己服务。因此，从理论上来说，中心性对知识共享的数量应该存在正向作用。为此，笔者对本次研究的整个过程进行反思，认为可能是在数据和样本抓取过程中存在误差，造成所获取到的样本中用户的中心性偏低，给研究结果带来了不严谨。这一点，在以后的研究中将会进一步改进数据抓取的方法。

信任对知识共享的数量效果影响不显著，这也与前文假设不吻合。对这一现象，笔者分析后认为可能存在以下原因：1）在当今网络环境下，社交网络平台的信任度的确很低，用户之间素昧平生，即便有着共同语言与共同愿景也不可能產生较高的信任度，仅是因为这些共同点以及频繁的网络交流而产生就某一领域的问题进行单纯的探讨，并非因为信任。2）在社交网络下进行知识共享行为，其本身不会涉及更多的个人隐私，因而并不需要成员之间的信任度。因而，信任不是知识共享数量效果的影响因素。

互惠对知识共享的质量效果影响不显著，这也与前文假设不吻合。通过分析后，认为由于在社交网络中存在大量的用户，他们之间存在网状而非简单一对一的交流关系，因而众多的成员会造成知识共享的交互性和网状结构，某个成员在解答对方的问题后，自己的问题可能需要从他人处获取，因而形成社交网络中的知识共享质量效果并不以互惠为前提。

3结论及建议

经过前人的不断研究和摸索，社会资本可以分为3个维度，包括结构维度、认知维度和关系维度，选择问答类社交平台——知乎作为研究对象，结合问卷调查获取的数据开展相关性和回归分析。可以得出以下结论：

1）社会资本中的结构维度指标——中心性对知识共享的质量效果存在显著的正向作用，可见中心性高的成员其知识共享行为将大大提高知识共享的质量。基于此，我们建议在社交网络平台的管理过程中，要加强对中心性高的成员的激励与刺激。一方面要通过更加科学的手段和方法，运用网络数据精准地计算出成员的中心性，并按一定的标准识别出平台中的中心人员；另一方面也要通过一定的激励手段，比如中心人员每解答一次问题要给予相应积分，积分高者获得平台中某些特权，等等。在中心性高的成员的带领下，提高知识共享的质量。

2）社会资本中的认知维度的两个指标——共同语言和共同愿景均对知识共享的数量和质量效果产生显著的正向作用，可见共同性可以大大提高成员的知识共享行为。据此，笔者建议网络平台管理者在用户注册过程中，根据用户填写的兴趣爱好、研究专业和从事职业等信息对用户进行自动筛选和归类，对具有共同性的用户可以推荐其加入相应的群组，增强用户之间的针对性。

3）社会资本中的关系维度的信任对知识共享的质量效果产生显著的正向作用，因此加大成员间的信任感十分必要。网络平台管理者要构建严密的申请者进入审核制度，对一些在平台发布虚假信息、广告信息等与知识共享无关的行为应及时制止，必要时可给予相应的惩罚，以便为知识共享提供良好的网络环境。同时，也可以定期组织用户见面会，便于用户之间通过面对面交流增加信任感。

参考文献

[1]李林，谢莉莉，何建洪.社会资本影响社交网络知识共享效果的实证研究[J].科技进步与对策，2015，34（15）：127-135.

[2]陈明红，漆贤军，刘莹.科研社交网络使用行为的影响因素研究[J].情报理论与实践，2015，（10）：73-79.

[3]Richelle Mayshak，Stefanie J.Sharman，Lucy Zinkiewicz.The impact of negative online social network content on expressed sentiment，executive function，and working memory[J].Computers in Human Behavior，2016，65：402-408.

[4]David FNettletona，Julián Salas.A data driven anonymization system for information richonline social network graphs[J].Expert Systems with Applications，2016，55（8）：87-105.

[5]Hentton K，Janhonen M，Johanson J E，Internal social networks in work teams：structure，knowledge sharing and performance[J]，Internal Journal of Manpower，2013，34（34）：616-634.

[6]Putnam R D.Bowling Alone：Americas Declining Social Capital[J].Journal of Democracy，1995，6（1）：65-78.

[7]Watson G W P S.Social Capital and Organizational Commitment[J].Journal of Business & Psychology，2002，16（4）：537-552.

[8]Nahapiet J，Ghoshal S.Exchange and power in social life[M].New York：Wiley，1964：27-51.

[9]Casimir G，Lee K，Loon M.Establishing and maintaining trust in softwareoutsourcing relationships：An empirical investigation[J].Journal of Systems & Software，2007，80（9）：1438-1449.

[10]Kirstin F G，Janssen C.Social inequality，lifestyles and health - a non-linear canonical correlation analysis based on the approach of Pierre Bourdieu[J].International Journal of Public Health，2009，54（4）：213-221.

（本文責任编辑：孙国雷）