社会化问答平台中知识采纳影响因素研究

李枫林?张俊兮

摘 要 社会化问答平台上积累了大量的知识，成为用户获取知识的重要场所。论文以信息采纳理论为基础，从知识接收者角度出发，设计结构方程模型进行实证研究，探究了信息性影响和规范性影响对知识采纳行为的影响。研究结果表明，信息性影响和规范性影响对于知识采纳都有显著的正向影响，知识质量对于知识采纳的影响最大，时间压力和自我效能对知识采纳起调节作用。

关键词 社会化问答 平台知识采纳 信息性影响 规范性影响

分类号 G250.73

DOI 10.16810/j.cnki.1672-514X.2018.09.012

Abstract Social Q&A; platform has accumulated a lot of knowledge and become an important place for users to get knowledge. Based on the theory of information adoption， from the perspective of knowledge recipients， this paper conducts an empirical research through structural equation models to explore the impact of informational influence and normative influence on knowledge adoption behavior. The results show that informational and normative influences have significant positive impacts on knowledge adoption， while knowledge quality has the greatest impact on knowledge adoption， and time stress and self-efficacy play a regulatory role in knowledge adoption.

Keywords Social Q&A; platform. Knowledge adoption. Informational influence. Normative influence.

傳统的网络问答系统逐渐向集娱乐性和实用性为一体的社会化问答平台发展，形成了以用户为核心的知识分享社区。社会化问答平台中的问题不局限唯一答案，并且根据用户点赞和回复的情况对答案进行质量评估，让更多得到认同的答案置顶[1]。该模式中强化了用户间的沟通和交流，鼓励对于问题的深层次探究，深受大众欢迎。

用户对社会化问答平台上知识的采纳实质为一种知识转移过程[2-3]，在知识转移研究中，要深刻地理解不同背景下的知识传递，全盘把握知识转移的每一个环节，知识接收者不仅是知识转移过程中重要的步骤，也决定了对于知识的接收与否，从知识接收者的角度来研究采纳知识的动机和影响因素十分重要。其采纳过程可以看作知识内化的重要步骤[4]。本文拟从知识接收者的视角探索在社会化问答平台中知识采纳的影响因素，并选择知乎做为研究平台。

1 理论背景与相关研究

社会化问答平台为用户提供了一个知识交流的空间，用户通过提问-回答的模式为平台积累了大量的信息内容。Sussman认为知识采纳可以被看做信息的采纳，而信息质量和信息源可信度都会影响接收者的采纳意愿[5]，由此提出了“信息采纳模型”。该模型的理论基础为Petty和Cacioppo提出的“精细加工可能性理论”（Elabotating Likelihood Model，ELM），该理论认为信息接收者对于信息加工存在两个路线：中心路线和边缘路线。信息接收者采用中心路线时，投入较多的精力和思考；采取边缘路线时，其他的线索影响他们对于信息的接受，投入的精细加工努力较少[6]。在“信息采纳模型”中，信息质量对应ELM模型中的中心路线，信息源可信性对应ELM中的边缘路线。

1.1 社会化问答平台的知识采纳研究

目前，学界主要从以下两个角度开展知识采纳方面的研究。

一是从知识质量角度出发，探究知识的不同维度对于知识采纳的影响，并且尝试归纳知识接收者评价知识质量的标准。陈晓宇等将问答平台上的答案质量用可靠性，新颖性，知识性，解决力四个维度来划分，以此来对比知乎和百度知道两个平台答案的质量异同[7]。张耀辉将信息质量划分为信息内容质量、信息交互质量、信息期望质量和信息感知质量，在信息交互的背景下探究了影响信息质量的因素[8]。Zhu Z等人将社会化问答平台上的答案质量详细的划分为信息量，完整性，礼貌性，相关性，可读性，简明性，可靠性，原创性，客观性，新颖性，细节性，专业性，有用性共13个维度，研究了其对于采纳行为的影响[9]。

二是将知识质量看作一个维度，根据不同的研究情景加入其他影响的因素建立模型，探究不同因素之间的关系和他们对于知识采纳的影响。“信息采纳模型”和“精细加工可能性理论”被广泛的应用于该类研究中。Chen X Y和Deng S L以“精细加工可能性理论”为基础研究了判断社会化问答平台上知识质量的影响因素，发现“有用性”“互动性”“趣味性”正向的影响用户的采纳意愿，进而影响采纳行为[10]。Zhang W和Watts研究发现“信息质量”和“信息源可靠度”是影响在线实践社区用户知识采纳的决定因素[11]。Cheung基于“信息采纳模型”细化了信息质量和信息源可信度，研究了用户在购物社区中的信息采纳影响因素，结果发现相关性和详尽性对信息的采纳影响较大[12]。

除了以上的研究方法，技术接受模型TAM[13]，整合型技术接纳与使用模型UTAUT[14]等理论模型都被证实可以解释用户采纳信息的行为。

在知识采纳的研究中，焦点大多集中在信息质量和信息源可信性两个方面，结合不同平台的特征，将信息质量和信息源划分为不同的维度，通过建立模型分析数据找出影响采纳的关键因素。笔者认为，以往的研究往往忽略了知识接收者在知识转移过程中的重要性，未能从知识接收者视角来考虑用户采纳知识时的影响因素。

1.2 信息采纳行为中的影响因素研究

在信息系统的相关研究中，社会化影响被证实为影响用户行为的重要因素[15]。

社会化影响是指个人的想法、感受、态度、行为等在和他人产生交互而发生的变化，导致这种变化的原因主要是信息性影响和规范性影响。

信息性影响是指个人从他人接收到的信息作为现实的证据，影响程度受用户对于信息提供者地位感知而变化。规范性影响是指处于群组中的成员期望与群组的其他成员一样，不希望被其他成员排斥[16]。Lee等人研究了社会化影响中信息性影响对于人们购物倾向的影响[17]， Waardenburg等人通过在Facebook上进行定量实验的方式，验证了规范性影响对于劝导技术的正向影响[18]。Kuan等人将社会化电子商务网站上的“购买”信息和“喜爱”信息归纳为规范性影响和信息性影响，并且探索了两者对于群组成员购买行为的影响[19]。韩金星通过研究网络团购行为，发现信息性影响和规范性影响都会影响消费者的信任倾向，团购成员感觉到其他成员对于产品的信任后，会提高自己的信任程度[20]。

通过梳理文献可以发现，信息性影响和规范性影响在信息系统的接受研究中被大量的应用，两个影响因素都被证实可以同时对用户的选择过程造成影响。社会化问答平台作为人们进行交互信息的网络方式，必然也充满了大量的信息因素和社交因素，因此在用户采纳社会化问答平台上的知识时，信息性影响和规范性影响是不容忽视的研究内容。

2 社会化问答平台上知识采纳因素研究与假设

社会化问答平台通过人与人之间信息的连接创造巨大的价值[21]，其主要的功能集中在“问答系统”和“社交系统”两个方面，用户可以根据自身的需求选择做询问者、贡献者、浏览者等。针对以上特征，本文基于知识接收者的视角，从信息性影响和规范性影响两个角度出发，增加时间压力和自我效能两个调节变量，探究用户在社会化问答平台上知识采纳的影响因素。

2.1 信息性影响相关变量研究与假设

基于“信息采纳模型”，本文选择知识质量和知识源可信度作为信息性影响。根据Bhattscherjee等人的研究，用户对于知识的接纳实则为一种“说服”的过程，用户对于知识质量的判断会影响用户的采纳意愿，知识质量的高低直接影响了知识的“说服”能力，导致采纳行为的差异[22]。在以往的研究中，对于知识质量的衡量维度十分丰富，其中可靠性、新颖性、知识性、解决力、全面性等因素都被考虑到知识质量的评价中来，本文选择经典的有用性、说服性、知识性三个方面的维度来评价社会化问答平台中的知识质量，并以此作为影响用户对于知识采纳的考虑因素。

知识源可信度区别于知识的内容本身，可理解为知识接收者对于知识提供者可信度的判断。接收者在选择是否接纳所提供的知识时，会考虑到知识提供者的专业程度和可信度，因此接收者会通过考量网站对于用户的认证，用户的历史发言，用户的等级等因素去评价知识源的可信性。知识质量和知识源可信度在网络社区的环境下有一定的一致性[11]，有一定认可度的用户为了保持他们的名声和可信性不太可能去发布虚假的知识，他们会不断发布高质量的知识才能继续吸引别人的关注。Chu等人的研究发现知识提供者的专业性越高，知识接收者采纳的意愿越容易受提供者的影响[23]。

基于以上内容，本文提出以下假设。

H1a：知识质量正向影响用户对于知识的采纳；

H1b：知识源可信度正向影响用户对于知识的采纳。

2.2 规范性影响相关变量研究与假设

信息性影响关系着用户可以做出最合适的选择，但是规范性影响与用户想取得群组中其他成员的认同有关[24]。社会化问答平台上存在以话题为单位的群组，很多话题中都存在优秀的知识提供者。以知乎为例，优秀的回答者会得到不同的标志以彰显其不同的地位，他们的回答往往能收到更多的点赞和回复，这些受用户欢迎的优秀回答者所提供的答案会对其他用户的采纳决定造成影响。Henningsn在实验中证明：如果在一个群组中存在知识的共识，那么此时的规范性影响对于人们知识采纳的影响会达到最强[24]。Liao通过对比信息浏览者和信息发布者的行为特征，证明了社会化影响中规范性影响对于用户知识采纳行为的作用[25]。现有的研究中知识共识和知识评级常常被用来作为规范性影响的考量因素去研究其对于知识采纳的影響。

知识共识会让用户对于网络上的知识产生信任感，也会影响知识接收者的观念和态度。当用户发现他人所提供的知识满足自己的需求，并且这个知识和组群内其他用户的观念有共识存在，则很可能会选择采纳知识[26]。本文将知识来源之间的一致程度定义为知识共识。知识接收者在接触自己不熟悉的领域知识时难以仔细地检查内容，他们更可能采纳存在共识现象的知识。

在社会化问答平台上，用户可对其他人发布的内容进行反馈。知乎上用户针对其他用户的发言可以选择“赞同”和“反馈”进行评价，相应的评价影响了该回答的评级，也影响回答显示顺序。一条回答得到了大量的“赞同”和评价后，其知识评级中的等级会变高。知识评级可以反映平台上知识获得一致性的程度，可以被看做规范性影响。当用户关注于知识评级时，很可能会放弃细致考究知识本身，Poston等人的研究中发现评级可以显著的影响用户对信息的采纳意愿，评级的高低会直接影响他们的采纳行为[27]。

基于以上内容，本文提出以下假设。

H2a：知识共识正向影响用户对于知识的采纳。

H2b：知识评级正向影响用户对于知识的采纳。

2.3 调节变量研究与假设

2.3.1 时间变量与假设

时间压力是可以影响个人行为和决策的情绪变量，可以被看作“说服”过程中的催化剂。Bhattacherjee等人认为时间压力是影响知识采纳的重要因素，其对于信息性因素和规范性因素会有不同的影响[22]。关注信息性影响会要求用户仔细考究知识的质量，并确保知识源的可信度，但是规范性影响却不需要用户付出太多的精力去考究内容，而是会更多的受到群组内其他成员行为的影响。当用户面临时间压力的时候，信息性影响对于用户采纳行为的影响会减弱，而规范性影响则会增强[28]。综上，本文采纳时间压力作为调节变量展开研究。

基于以上内容，本文提出以下假设。

H3a：高程度的时间压力会减弱知识质量对于知识采纳的影响。

H3b：高程度的时间压力会减弱知识源可信度对于知识采纳的影响。

H3c：高程度的时间压力会增强知识共性对于知识采纳的影响。

H3d：高程度的时间压力会增强知识评级对于知识采纳的影响。

2.3.2 自我效能变量与假设

Bandura提出了社会学习理论，也称为社会认知理论，该理论中最重要的部分即为自我效能理论，自我效能是指个体对自身能够达成特定成就行为的主观判断[29]。面对特定的问题，自我效能高的人更倾向于主动地收集和判断信息，找出自己最需要的内容并采纳，他们往往更关注于信息性影响，从知识本身去判断采纳与否。而自我效能低的用户面对复杂知识时，会更关注于规范性影响。王军等人通过实验证明自我效能会调节消费者对在线评论的有用性感知[30]。综上，本文选择自我效能为调节变量展开研究。

基于以上内容，本文提出以下假设。

H4a：高程度的自我效能会增强知识质量对于知识采纳的影响。

H4b：高程度的自我效能会增强知识源可信度对于知识采纳的影响。

H4c：高程度的自我效能会减弱知识共性对于知识采纳的影响。

H4d：高程度的自我效能会减弱知识评级对于知识采纳的影响。

2.4 社会化问答平台上知识采纳影响因素模型

根据以上的内容，笔者归纳出社会化问答平台上知识采纳影响因素模型，如图1所示。

3 社会化问答平台知识采纳调查

3.1 问卷设计

本文结合社会化问答平台的特点，在前人文献经典量表的基础上设计了本文的调查问卷，每个题项由李克特7级量表来进行衡量，要求答题者真实回答，从1～7分依次定为“非常不同意”到“非常同意”。具体的变量测量如表1所示。

3.2 样本调查

本文选择知乎作为实证研究平台，问卷发放的对象为知乎用户，问卷主要通过问卷星进行发布，通过微信朋友圈，知乎私信，微博，QQ等分享问卷的方式邀请知乎的用户进行填写。研究首先进行了预调查，根据问卷反馈，讨论和修改了部分问题的表述，降低问卷填写难度。问卷发放的时间为2017年9月10日至10月15日，共收集到问卷309份，由于在规定问卷填写完整才能提交，所以309份问卷皆为有效问卷。样本的特征信息如表2所示。

4 数据分析与结果

本文采用偏最小二乘法（Partial Least Squares，PLS） 结构方程模型验证假设和概念模型。

4.1 模型信度和效度检验

内容效度、汇聚效度（Convergent Validity）、判别效度（Discriminant Validity）等通常被用来检测模型的有效性[31]。在内容效度方面，本文的测量指标通过查阅已有的研究工作得出，我们认为这些变量和题项是清晰和表意明确的，如表3所示。汇聚效度是指相同变量的测量指标指示的相关程度，根据计算的结果，平均方差抽取量AVE（Average Variance Extracted）大于0.5，证明模型有良好的汇聚效度。判别效度是指不同变量的题项间彼此的相关程度，通过比较AVE平方根与潜在变量间的关系数来进行评估，表4显示AVE平方根均大于其他的潜在变量的关系数，证明模型有良好的判别效度[32]。根据计算结果（如表3所示）可以看出，组合信度CR（Composite reliability）值均大于等于0.887，Cronbach's Alpha系数大于等于0.768，证明模型存在良好的信度。

4.2 研究结果

本研究采用Smart-PLS进行路径参数估计，利用Bootstrapping重复抽样方法，重复抽样数为1000，结果如图2所示。

潜在变量R的平方值表达了模型的预测能力，实验结果知识采纳的R平方为65.2%，表明该模型具有较好的解释性和预测力。路径系数越大表明原因变量到结果变量的直接效应就越大。模型中假设的显著性水平P都小于0.05，表明假设都得到了有效的支持。

5 结论与展望

本文在信息采纳模型的基础上，从信息性影响和规范性影响两个方面探索了社会化问答平台上知识采纳的影响因素，将时间压力和自我效能作为调节变量进行建模，最后通过数据分析发现信息性影响和规范性影响对于知识采纳都有显著的正向影响，而时间压力和自我效能的调节作用各不相同，具体结论如下。

（1） 知识质量是决定用户是否采纳知识的最重要因素。知识质量和知识源可信度对于知识采纳都有显著的正向影响。知识质量对于知识采纳的影响最显著，表明在社会化问答平台上，用户最关注的还是内容饱满、质量偏高的知识。相较其他社交平台，知乎上的知识更加的严谨和专业，知识质量的高低直接影响用户的采纳行为。

（2） 知识共识和知识评级对于知识采纳都有显著的正向影响。当用户面对专业性较强的知识时，难以考察知识的内容质量，转而会更多的关注于规范性影响，当平台所提供的知识存在一种共識，用户为了获得其他成员的认同会选择去采纳知识。当知识的评级较高，较多的用户有了关注行为，导致在回答中被置于前列，也会促进用户去采纳知识。

（3） 当时间压力很大的时候，知识质量和知识源可信度对于知识采纳有显著的负向影响。知识质量的判定和知识源可信度的考察通常需要花费用户较多的精力，而知识评级和知识共识是较快可以判断其接受程度的因素，适用于用户需要快速采纳知识的场景，知识共识和知识评级对知识采纳有显著的正向影响。

（4） 当用户的自我效能较强时，知识质量和知识源可信度对于知识采纳有显著的正向影响。用户对于自己的知识水平较自信的时候，更多的关注于知识本身，他们更有能力从复杂的信息中发现自己所需要的知识。同时，知识共识和知识评级对知识采纳有显著的负向影响，自我效能高的用户更倾向自己去判定知识的采纳，并不追求和群组中的其他成员相一致的知识，研究结果符合预期。

综观上述结论，在搭建问答平台时，管理者一般都需要考虑如何帮助用户快速搜寻到他们所需要的知识，提高他们的搜索效率。平台要根据用户采纳知识的情况，应首先考虑优化知识评级系统，方便用户直观获取知识评价的等级，提高使用效率和用户粘性。相较于实际的奖励，知识贡献者的行为更可能被名声、互惠主义、归属感等所激励，贡献者更加希望自己提供的知识被采纳。基于知识源可信度对于知识采纳行为的影响，优化用户信用评级系统不仅可以促进知识采纳者的采纳行为，也可以帮助知识提供者寻找到认同感，从而继续貢献优质的知识。

参考文献：

杨海娟. 社会化问答网站用户贡献意愿影响因素实证研究[J]. 图书馆学研究，2014（14）：29-38.

TEECE D J. Technology transfer by multinational firms： the resource cost of transferring technological Know-How[J]. Economic Journal，1977，87（346）：242-261.

BECHEIKH N. How to improve knowledge transfer strategies and practices in education？ Answers from a systematic literature review[J]. Research in Higher Education Journal， 2010：1-21.

SUMANADASA S S， SURAWEERA T， ABEVRATHNE P.

Knowledge adoption in industrial craftsmen[EB/OL].[2017-07-01].https：//www.researchgate.net/publication/307766951_Knowledge_Adoption_in_Industrial_Craftsmen.

SUSSMAN S W， SIEGAL W S. Informational influence in organizations： an integrated approach to know ledge adoption[J].Information Systems Research， 2003，14（1）：47-65.

PETTY R E， CACIOPPO J T. The elaboration likelihood model

of persuasion[J].Advances in Experimental Social Psychology，1986，19（4）：123-205.

陈晓宇，卢兴威，邓胜利.社交问答网站答案质量与答案采纳对比研究：以百度知道和知乎为例[J].数字图书馆论坛， 2015（6）：24-30.

张耀辉，卢爽，刘冰.用户信息交互过程中影响信息质量的因素分析[J].情报理论与实践，2012，35（6）： 12-15.

ZHU Z， BERNHARD D， GUREVYCH I. A Multi-dimensional model for assessing the quality of answers in social Q&A; sites[C]//International Conference on Information Quality， Iciq 2009，Hasso Plattner Institute， University of Potsdam， Germany， November.DBLP， 2009：264-265.

CHEN X Y， DENG S L. Influencing factors of answer adoption in social Q&A; communities from users perspective： taking Zhihu as an example[J].数据与情报科学学报（英文），2014，7（3）：81-95.

ZHANG W， WATTS S. Knowledge adoption in online communities of practice[EB/OL].[2017-07-01].http：//www.ixueshu.com/document/56f134bd722e8cbc318947a18e7f9386.html 2016.

CHEUNG M， LUO C， SIA C， et al. Credibility of electronic Word-of-Mouth： informational and normative determinants of on-line consumer recommendations[J]. International Journal of Electronic Comm erce， 2009，13（4）：9-38.

ZHOU T. Understanding online community user participation： a social influence perspective[J]. Internet Research Electronic Networking Applications &Policy;， 2011，21（1）：67-81（15）.

DENG S， LIU Y， QI Y. An empirical study on determinants of web based question‐answer services adoption[J].Online Information Review，2011，35（5）：

789-798（10）.

WANG Y， MEISTER D B， GRAY P H. Social influence and knowledge management systems use： evidence from panel data[C]//Society for Information Management and The Management Information Systems Research Center， 2013.

DEUTSCH M， GERARD H B. A study of normative and informational social influences upon individual judgement[J].Journal of Abnormal Psychology，1955， 51（3）：62 9.

LEE M K O， SHI N， CHEUNG C M K， et al. Consumers decision to shop online： the moderating role of positive informational social influence[J]. Information & Management，2011，48（6）：185-191.

WAARDENBURG T， WINKEL R， LAMERS M H. Normative social influence in persuasive technology： intensit yversus effectiveness[M]//Persuasive Technology. Design for Health and Safety.Springer Berlin Heidelberg，2012：145-156.

KUANK KY， ZHONG YINGQIN， CHAU PYK. Informational and normative social influence in Group-Buying： evidence from Self-Reported and EEG data[J]. Journal of Management Information Systems，2014，30（4）：151-178.

韩金星.信息性、规范性以及信任差值对网络团购信任的影响[D].上海：复旦大学，2012.

OVADIA S. Quora.com： another place for users to ask questions[J].Behavioral & Social Sciences Librarian，2011，30（3）：176-180.

BHATTACHERJEE A， SANFORD C. Influence processes for information technology acceptance： an elaborati on likelihood model[J].MisQuarterly，2006， 30（4）：805-825.

CHU S C， KIM Y. Determinants of consumer engagement in electronic word-of-mouth（eWOM） in social networking sites[J]. International Journal of Advertising，2011，30（1）：47-75.

HENNINGSEN D D， HENNINGSEN M L M. Examining social influence in information-sharing contexts[J]. Small Group Research，2003，34（4）：391-412.

LIAO S， CHOU E. Intention to adopt knowledge through virtual communities： posters vs lurkers[J]. Online Information Review，2012，36（3）：442-461（20）.

FLANAGIN A J， METZGER M J. trusting expert- versus user-generated ratings online： the role of information volume， valence， and consumer characteristics[J].Computers in Human Behavior， 2013， 29（4）：1626-1634.

POSTON R S， SPEIER C. Effective use of knowledge management systems： a process model of content ratings and credibility indicators[J].MisQuarterly， 2005，29（2）：221-244.

REICH S. The effects of time constraints on consumers judgments of prices and products[J].Journal of Consumer Research，2003，30（1）：92-104.

BANDURA A. Social learning theory[J]. Scotts Valley， California， ReCAPP，[2000]，1977，1（1）：33-52.

王軍，周淑玲.一致性与矛盾性在线评论对消费者信息采纳的影响研究：基于感知有用性的中介作用和自我效能的调节作用[J].图书情报工作，2016（22）：94-101.

STRAUB D， BOUDREAU M C， GEFEN D， et al. Validation guidelines for ispositivist research[J]. Communications of the Association for Information Systems，2004，3（1）.

查先进，李晶，严亚兰.信任对科技论文快速共享意愿的影响：基于中国科技论文在线的实证研究[J]. 图书馆论坛，2011，31（6）：232-239.

李枫林 武汉大学信息管理学院电子商务系教授、博士生导师。 湖北武汉，430000。

张俊兮 武汉大学信息管理学院电子商务系研究生。 湖北武汉，430000。

（收稿时间：2017-11-28 编校：刘 明，曹晓文）