社会交换理论视角下学术社交网络用户知识贡献博弈分析及启示

王文韬 张俊婷 李晶 张震 杨敏

摘 要：[目的/意义]从博弈视角出发，基于不完全信息多阶段博弈模型对学术社交网络用户的知识贡献进行研究。根据用户在学术社交网络中知识贡献及接受所采取的不同博弈策略进行分析，为优化学术社交网络的用户服务总结相关启示。[方法/过程]以社会交换理论为基础，对学术社交网络中知识贡献者及免疫者的复制动态博弈方程进行假设和数学推演。[结果/结论]当贡献者贡献知识的成本降低、得益提高时，贡献者更趋向于执行强贡献博弈策略，反之，则更趋向于执行弱贡献博弈策略;当免疫者意识到不接受贡献知识可能的损失（机会成本）增大时，免疫者更趋向于采取弱免疫博弈策略，反之，则会趋向于执行强免疫博弈策略。据此，提出相关研究启示。

关键词：社会交换理论;学术社交网络;博弈模型;用户;知识贡献

DOI：10.3969/j.issn.1008-0821.2020.05.008

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2020）05-0058-08

Research on User Knowledge Contribution of Academic

Social Network Based on Social Exchange Theory

Wang Wentao1 Zhang Junting1 Li Jing2 Zhang Zhen1 Yang Min1

（1.School of Management，Anhui University，Hefei 230601，China;

2.School of Information Management，SUN Yat-Sen University，Guangzhou 510006，China）

Abstract：[Purpose/Significance]From the perspective of game，the knowledge contribution of academic social network users is studied based on the multi-stage game model of incomplete information.According to the different game strategies adopted by the users in the academic social network，the knowledge and contribution of the game are analyzed to summarize the relevant enlightenment for optimizing the user service of the academic social network.[Method/Porcess]Based on the theory of social exchange，the hypothesis and mathematical deduction of the dynamic game equations of knowledge contributors and immunizes in academic social networks were carried out.[Result/Conclusion]When the cost of contributors contributing knowledge was reduced and the benefits were increased，contributors tended to implement strong contribution game strategies，and vice versa.When immunized people realized that they did not accept the possible loss of contribution knowledge（When the opportunity cost increased，the immune person tended to adopt a weak immune game strategy，and vice versa.Based on this，relevant research implications were proposed.

Key words：social exchange theory;academic social network;game model;user;user;knowledge contribution

社交網络作为人们在线交流的重要工具之一，已涉及社会的各行各业[1]。如面向熟人关系的社交网络平台微信[2]，基于健身主题的社交网络平台Keep[3]，面向慢性病群体的社交网络平台慢友帮[4]。在学术科研领域社交网络也在不断渗透，如Researchgate[5-7]、Mendely[8-9]、Acadimic.edu[10-11]、小木虫[12]等，学术社交网络正日益受到学术界的关注，并成为图书情报领域的重要研究课题之一[13]。

随着学术社交网络的不断发展，其在学术交流和学术创新方面的积极作用越发明显[14-15]，但现阶段不同学术社交网络平台在不同程度上，都面临着在线用户重科研资料获取、轻知识贡献分享的问题[16-17]，很多用户长期处于“潜水”状态，他们不愿将自己的知识贡献出来与别人分享，而且部分曾热衷于贡献知识的活跃用户也会随着时间的推移不再参与知识分享，这使得学术社交网络中用户参与不足、知识贡献意愿低等现象日益严重[18]，当该类用户占据学术社交网络人群中的大多数时，学术社交网络的发展就会遇到瓶颈。作为科学研究活动重要的辅助工具之一，探索学术社交网络中用户知识贡献议题具有较重要的现实意义。目前国内已有学者对学术社交网络中用户知识贡献相关问题进行研究，但多是通过结构方程模型方法对学术社交网络中知识贡献问题进行分析[19-22]。然而，在学术社交网络中，贡献者向免疫者分享知识资源时，其并不知道免疫者选择接受还是不接受，在知识贡献过程中，贡献者与免疫者之间就成本与得益存在着博弈，通过数学博弈的方法能够较好地分析知识贡献中贡献者与免疫者的博弈过程。因此，本文选择数学博弈的方法对学术社交网络中用户知识贡献行为进行深入探讨。

1 相关理论及概念

1.1 社会交换理论

社会交换理论由美国社会学家Homans G C提出，他认为人类的一切行为都受到某种能带来奖励和报酬的交换活动支配[23]，之后，Blau P对社会交换理论进行了修改和补充[24]，从社会结构视角出发进一步发展了该理论。作为一个发展较为成熟的理论，社会交换理论的研究和应用已涉及到社会的很多领域[25-27]，在学术社交网络中，社会交换理论同样发挥着作用[28]。该理论是指人与人之间互动基础上的一种交换过程，这种交换包括情感、报酬、资源、公正性等[29]，这些交换活动不可避免的会涉及到报酬（得益）和代价（成本）。如在学术社交网络中，贡献知识（成本）的用户无法获得与贡献知识价值对等的交换价值（得益）时，很多用户就会选择不再使用学术社交网络或降低使用频次[30]。

因此，本文尝试从社会交换理论出发，以成本与得益为参量，利用多阶段博弈模型对学术社交网络中知识贡献的机制进行数学模型构建及分析。通过模型推演，得出在不同情况下，学术社交网络用户对待知识贡献采取的博弈策略。据此，为我国学术社交网络的用户服务优化提出一些对策。

1.2 学术社交网络

社交网络（Social Network），起源于社会学中的社区理论，在不同信息技术发展环境下，表现出不同的形式。20世纪80年代，社交网络多以BBS（Bulletin Board System）电子公告牌系统的形式出现，用户可以在BBS中发表自己的观点或与其他用户进行信息交流。随着互联网技术的发展，社交网络逐渐演变成以用户间的信息互动为主，具有代表性的如Facebook[31]、人人网[32]等;现阶段，社交网络则以微信[33]、微博[34]等社交媒体平台为代表，用户可以在这些平台中获取个性化的信息，社交网络在该阶段体现出的一个较为显著的特征是不断以群体为导向进行细分演变，出现了很多针对特定人群或特定主题的垂直社交网络。同时，社交网络正在从生活、娱乐等領域向教育和学术领域转变，学术社交网络也因此逐渐受到人们的关注。

学术交流一般可分为正式交流和非正式交流两类[35]，其中非正式交流包括学术博客、学术论坛、科学网站、学术社交网络及科学推文[36]等。学术社交网络作为互联网时代非正式学术交流的重要渠道之一[37]，其发展正在改变学术交流的形式[38]，并有助于促进科学知识的交流和融合[39]。作为社交网络的一种类型，学术社交网络主要为用户提供信息发布、知识分享和科研工作交流[40]等功能，这些功能多是出于学术交流或科学研究的目的。

2 博弈模型选择和分析

2.1 博弈参与方

在博弈中独立决策、独立承担博弈结果的个人或组织称为博弈方[41]。本研究将学术社交网络中，与知识贡献的相关用户角色分为贡献者（Contributor）和免疫者（Stifler）[42]。所谓贡献者即在学术社交网络中愿意贡献知识的用户，免疫者则是接受贡献者发出知识的用户。

从社会交换理论出发，在学术社交网络中的用户贡献知识时需要付出一定的成本，而免疫者对贡献者贡献知识的价值判断（机会成本），与原有知识结构或价值观的冲突等，都会导致免疫者接受或不接受贡献者贡献的知识。在现实情况中，学术社交网络用户（贡献者）向其他用户分享知识资源时，其并不知道其他学术社交网络的用户（免疫者）会选择接受还是不接受，而免疫者的接受与否主要取决于其对知识资源机会成本的感知等因素，如免疫者意识到错失贡献的知识的损失增大时，免疫者会倾向于接受贡献的知识，反之则倾向于不接受贡献的知识。因此，在学术社交网络中，贡献者与免疫者之间就知识的贡献（成本与得益）存在着博弈。综上，本文将贡献者和免疫者作为学术社交网络中参与博弈的双方，通过博弈模型的推演，分析他们在不同情况下，选择的博弈策略及对应的博弈得益。

2.2 博弈假设

文中探讨的博弈在一定假设条件下进行：

假设1：贡献者在学术社交网络中进行知识贡献时可选择强贡献博弈策略和弱贡献博弈策略。对知识贡献有很大行为愿望，频繁执行多次贡献，视为选择强贡献博弈策略，反之则视为选择弱贡献博弈策略;免疫者在学术社交网络中接受知识时可选择强免疫博弈策略和弱免疫博弈策略。那些对贡献者贡献的知识具有较强抵制能力，且不容易被贡献者说服，更不易让自己变成贡献者的行为即强免疫博弈策略，反之则视为弱免疫博弈策略。

假设2：贡献者选择强贡献博弈策略时，其既可成功贡献（被贡献用户接受了贡献的知识，并继承了贡献该知识的能力）给执行强免疫博弈策略的用户，也可成功贡献给执行弱免疫博弈策略的用户;贡献者选择弱贡献博弈策略时，其只能成功贡献给执行弱免疫博弈策略的用户，贡献给执行强免疫博弈策略的用户会失败。

假设3：学术社交网络用户在博弈前可选择自己的博弈策略，一旦选择，在博弈中不能改变，但在多个博弈回合之间，博弈双方可以进行博弈策略的改变。

假设4：在学术社交网络中，贡献者在贡献知识时，只知道存在执行强免疫博弈策略和执行弱免疫博弈策略的用户，但针对具体的贡献对象时，贡献者不知道被贡献对象具体采取的是哪种免疫博弈策略。

2.3 博弈模型

由于假设4的情况，可见，在贡献者与免疫者之间存在信息不对称，故文中贡献者与免疫者之间的博弈属于不完全信息博弈。文中博弈双方的选择行为存在先后顺序，且后选择、后行动的博弈方在自身做出博弈策略前可观察到博弈对方的博弈策略选择。因此，文中学术社交网络中贡献者与免疫者之间的博弈为多阶段博弈（Multistage Games）。

2.4 博弈方得益

文中博弈方得益（Payoffs）指在学术社交网络中参与博弈的一方在选择不同博弈策略时而获得的相应得益。对贡献者来说，该类用户可以选择两种博弈策略，即强贡献博弈策略和弱贡献博弈策略。对免疫者来说，该类用户可采取的博弈行为策略有强免疫博弈策略和弱免疫博弈策略。

贡献者选择强贡献博弈策略时，根据贡献对象的不同行为策略可出现两种得益结果。当贡献者的对象是选择强免疫博弈策略的免疫者时，贡献者付出贡献成本为2c，获得的收益为2t，而选择强免疫博弈策略的免疫者的收益为2r，因此，贡献者和免疫者各付出的成本为（2t-2c，2r）;当贡献者的对象是选择弱免疫博弈策略的免疫者时，贡献者需要付出的成本则依然是2c，获得的收益为t，选择弱免疫博弈策略的免疫者获得的收益为r，因此，贡献者和免疫者分别付出的成本为（t-2c，r）。

贡献者在博弈时选择弱贡献博弈策略时，根据贡献对象的不同行为策略也会出现两种得益结果。当贡献者面对选择强免疫博弈策略的免疫者时，贡献者博弈成本为c，免疫者若没有接受知识贡献，贡献者的得益为0，免疫者的损失为w，二者分别支出的成本为（-c，-w）;当贡献者面对的是执行弱免疫博弈策略的免疫者时，贡献者贡献成本依然为c，贡献者得益为t，免疫者得益为r，二者的支出成本分别为（t-c，r）。

3 博弈过程分析

博弈策略集合：贡献者的策略集合为{强贡献，弱贡献}，记为{s1，s2};免疫者的策略集合为{强免疫，弱免疫}，记为{h1，h2}。

在知识贡献过程中，贡献者在策略选择时采取混合策略，即以概率p选择强贡献博弈策略，以概率1-p采取弱贡献博弈策略;同时，免疫者也采取混合策略以应对贡献者的策略进行博弈，即以概率q选择强免疫博弈策略，以概率1-q选择弱免疫博弈策略。

3.1 贡献者的复制动态方程

若贡献者以概率p选择强贡献博弈策略，以概率1-p采取弱贡献博弈策略，则：

1）当贡献者采取强贡献博弈策略时，其期望收益為：

Ex（s1）=q（2t-2c）+（1-q）（t-2c）=qt+t-2c（1）

2）当贡献者采取弱贡献博弈策略时，其期望收益为：

Ex（s2）=q（-c）+（1-q）（t-c）=t-c-qt（2）

当贡献者采取强贡献博弈策略的期望收益等于采取弱贡献博弈策略的期望收益时，亦即：Ex（s1）=Ex（s2），则有q=c2t。q>c2t时，Ex（s1）>Ex（s2），贡献者采取强贡献的收益大于采取弱贡献的收益;q

由式（1）与（2）可知贡献者的平均期望收益Ex为：

Ex=pEx（s1）+（1-p）Ex（s2）=p（qt+t-2c）+（1-p）（t-c-qt）（3）

因此，贡献者选择混合策略的复制动态方程为：

f（p）=dpdt=p[Ex（s1）-Ex]=p（1-p）（2qt-c）（4）

则由式（4）可知：

当q=c2t，p取任一概率值时，f（p）=dpdt≡0，亦即贡献者所有的混合策略均是其稳定状态;当q≠c2t，p=0，1时，f（p）=dpdt≡0，亦即贡献者的稳定状态有两个p=0和p=1。

进一步，对f（p）求导得：

f′（p）=df（p）dp=（1-2p）（2qt-c）（5）

则由式（5）可知：

当q>c2t，有f′（0）=df（p）dtp=0=2qt-c>0，f′（1）=df（p）dtp=1=-（2qt-c）<0，则可知p=1是平衡点，此时1-p=0，亦即贡献者的演化稳定策略是强贡献博弈策略;当q0，则可知p=0是平衡点，此时1-p=0，亦即贡献者的演化稳定策略是弱贡献博弈策略。

3.2 免疫者的复制动态方程

若免疫者以概率q选择强免疫博弈策略，以概率1-q选择弱免疫博弈策略，则：

1）当免疫者采取强免疫博弈策略时，其期望收益为：

Ey（h1）=p（2r）+（1-p）（-w）=2rp+wp-w（6）

2）当免疫者采取弱免疫博弈策略时，其期望收益为：

Ey（h2）=pr+（1-p）r=r（7）

当免疫者采取强免疫博弈策略的期望收益等于采取弱免疫博弈策略的期望收益时，亦即：Ey（h1）=Ey（h2），则有p=w+rw+2r。p>w+rw+2r时，Ey（h1）>Ey（h2），免疫者采取强免疫的收益大于采取弱免疫的收益;p

由式（6）与（7）可知免疫者的平均期望收益为：

Ey=qEy（h1）+（1-q）Ey（h2）=q（2rp+wp-w）+（1-q）r（8）

因此，免疫者选择混合策略的复制动态方程为：

g（q）=dqdt=q[Ey（h1）-Ey]=q（1-q）（2rq+wp-w-r）（9）

则由式（9）可知：

当p=w+rw+2r，q取任一概率值时，g（q）=dqdt≡0，亦即免疫者所有的混合策略均是其稳定状态;当p≠w+rw+2r，q=0，1时，g（q）=dqdt≡0，亦即免疫者的稳定状态有两个q=0和q=1。

进一步，对g（q）求导得：

g′（q）=dg（q）dq=（1-q）（2rp+wp-w-r）（10）

则由式（10）可知：

当p>w+rw+2r，有g′（0）=dg（q）dtq=0=（w+2r）p-（w+r）>0，g′（1）=dg（q）dtq=1=-[（w+2r）p-（w+r）]<0，则可知q=1是平衡点，此时1-q=0，亦即免疫者的演化稳定策略是强免疫博弈策略;当p0，则可知q=0是平衡点，此时1-q=1，亦即免疫者的演化稳定策略是弱免疫博弈策略。

4 研究结论

由上述博弈模型数学推理分析可知，在贡献者的复制动态方程公式（5）中，当贡献成本c与收益的两倍2t的比值小于免疫者选择强免疫的概率时，即P趋近于1，这种情况下，贡献者将选择执行强贡献博弈策略。可知，通过降低贡献者的贡献成本，提高贡献的得益，都有利于驱使贡献者执行强贡献博弈策略;从免疫者的复制动态方程（10）来看，当免疫者的机会成本w增大时，免疫者的演化稳定策略是弱免疫博弈策略，反之则是强免疫博弈策略。可知，贡献者应贡献更具有价值的知识，来提高接受者的得益。在免疫者意识到错失贡献的知识的损失增大时，免疫者则倾向于接受贡献的知识。

5 研究启示

本文通过知识贡献者与免疫者不完全信息多阶段博弈中得益与成本的分析，基于社会交换理论得出以下启示。

5.1 增加普通用户博弈得益，推动普通用户向知识贡献者转化  在学术社交网络中，知识贡献者对于知识传播、科研交流等起到十分重要的作用，较多知识贡献者的学术社交网络发挥的作用远大于知识贡献者较少的学术社交网络。而知识贡献者从普通用户中产生，因此，如何使普通用户转化为知识贡献者对科研交流及学术社交网络发展至关重要。

从社会交换理论出发，由式（5）推算可知，学术社交网络中用户获取的得益越大，其越有可能成为知识贡献者，如免疫者在获取得益较大的情境下，其更愿意执行弱免疫策略（由式10推算可知），并成为新的知识贡献者。在学术社交网络中，学科领域的差异始终是一个关键要素[43]，而目前国内的学术社交网络中，针对不同社交群体的分类社交功能尚不完善。

在现实环境中，用户使用学术社交网络的目的之一就是获取需要的知识，如一些用户想要就一些问题得到同行的分析或帮助，而具备不同学术水平和层次的用户需要的知识的水平也不尽相同。因此，学术社交网络中，应引入不同社交用户群的分类功能，这样做的目的是在同一层次中的用户彼此间传递的知识更有可能获得共鸣，且彼此通过对方解答问题获取的知识价值也相当，由此加快普通用户向知识贡献者的转化进程，增加学术社交网络中知识贡献者数量，当每位用户兼具知识贡献者和知识接受者的身份时，学术社交网络中知识流动的速度会发生较大飞跃，进而有助于学科间、跨学科间交流及新知识的创造。由于学术社交网络更多的是由学术资本驱动而非友谊驱动[44]，因此，通过引入不同社交用户群的分类功能，有利于用户间持续的交流，提高学术社交网络的用户持续使用意愿和用户粘性。

此外，不同研究领域的社交用户群间跨学科的深入交流也有利于不同用户思想的传递和知识的创新[45]。随着社会分工的不断细化，不同领域间的深入交流和合作过程亦是知识在隐性状态和显性状态间不断螺旋转化的过程，有利于加速新知识的创造[46]。

5.2 增加贡献者博弈得益、降低成本，构建知识贡献驱动情境  当普通用户转化为知识贡献者后，随之而来的问题是如何维持其知识贡献的动力以及在面临不同博弈策略时如何推动其执行强贡献博弈策略。此外，对于本已是知识贡献者的用户，对上述问题的讨论仍具有重要的现实意义。

5.2.1 完善学术社交网络用户激励生态

根据上文博弈得益与成本的分析，要想使学术社交网络中的用户习惯并乐于进行知识贡献，学术社交网络平台必须要给知识贡献者相应的得益，得益越高，知识贡献者越愿意贡献知识（由式5推算可知）。因此，构建一个良性的学术社交网络知识贡献用户激励生态十分必要，学术社交网络可通过设置用户评价指数[47]和培养虚拟学术团队[48]等措施实现用户激励生态的构建。

1）构建学术社交网络用户评价指数

在Researchgate中，用户可以通过下载学术论文、信息浏览、知识贡献与他人进行交流、探讨等活动来获取和构建自己的RG指数值。RG指数值作为评价作者指标，其值越高代表相应学者在学术社交网络平台中被同行认可的程度也越高[49]。

事实上，现在学术社交网络发展尚不成熟的一个重要原因是知识贡献者和知识接受者之间存在知识获取价值不对等的现象。在线普通学者想要获取与优秀学者进行交流的机会，但这类群体往往发送的都是需要帮助的学术问题请求。优秀的学者作为知识回复者，其回复知识的价值若不能得到相应的回报，在多次的知识交流中，优秀的学者可能会选择沉默。因此，借助于构建类似Researchgate中的RG指数值，引进相关评价机制（如学术指数），优秀学者通过与其他学者之间的知识交流和知识共享能够提升自身的学术指数，并且得到学术社交同行的认可，甚至成为同行中的虚拟空间领袖。从这个角度来说，知识贡献者和知识接受者都能够获取他们自己想要的交换价值，这无疑有利于学术社交网络的可持续发展。

2）培养虚拟学术团队

学术社交网络中的用户出于自身利益考虑，往往并不情愿将自己的知识贡献给其他成员[50]。只有打消用户使用学术社交网络时对自身利益损失的顾虑，才能科学有效地促进学术社交网络用户间的交流。从上述多阶段博弈数学分析中也可看出，只有提高用户在学术社交网络中的得益，才能促进其知识贡献。因此，可在学术社交网络中构建虚拟学术团队，团队间因共同的科研主题和不断丰富的学术交流活动，彼此间的信任度得到提升，为用户贡献知识资源行为提供信任支持。学术社交网络中用户感受到的成员之间的关系质量、支持和较高得益等因素，都有利于用户修正知识贡献的动机[51]，促进用户进行知识贡献[52]，从而构建学术社交网络中学术交流的良性生態。

5.2.2 优化学术社交网络标签主题

由式（5）推算可知，降低贡献者知识贡献成本，能够促使贡献者执行强贡献博弈策略。因此，在学术社交网络中，应减少用户知识发布的交互层级，优化用户知识贡献路径，有助于构建知识贡献驱动情境，推动用户贡献知识。如最新版的小木虫PC端，用户若要分享知识与其他用户进行交流，在交互界面中会有相关预推送知识的标签主题分类栏，如硕博家园、论文投稿、SCI期刊点评及基金申请等。

因此，通过优化学术社交网络标签主题，可快速将用户想要贡献的知识传递给更可能对该知识感兴趣的用户，以此降低知识贡献成本。此外，还可在贡献者进行知识贡献时给予一定的虚拟货币（可以兑换或用于虚拟交易）鼓励，通过学术社交网络虚拟补偿的形式，降低知识贡献成本，进而推进知识贡献驱动情境的构建。

5.3 降低免疫者免疫成本，构建知识接受驱动情境

对于学术社交網络来说，知识贡献必不可少。而从知识传递层面看，知识贡献者所贡献的知识唯有被知识接受者接受，知识贡献行为的意义才得以最终实现。因此，知识接受者是否接受知识贡献者贡献的知识便成为知识传递过程中重要环节。

从成本与得益的角度看，降低免疫者的免疫成本有助于构建利于知识接受者接受知识的情境，能够促使免疫者执行弱免疫博弈策略，推动知识接受者对知识的接受（由式（10）推导）。对学术社交网络平台来说，学术信息就更容易在用户间进行传播和分享。在学术社交网络中，影响力的贡献遵循着三度原则，用户所做的事情会影响他们的好友（一度），好友的好友（二度），甚至好友的好友的好友（三度），如果超出了三度分隔的范围，一般来说就影响不到用户了，这里的事情包括态度、行为或创新思想等[53]。因此，可通过鼓励学术社交网络中用户的深度交流，通过社交关系的纽带，让免疫者在接受信息时已对知识贡献者有所了解，间接地降低对信息接受判断时的免疫成本，免疫者可以更快地执行弱免疫博弈策略，并获得更多得益。

事实上，在学术社交网络中强关系用户间的知识贡献，知识接受者更倾向于采取弱免疫博弈策略，这与用户在使用学术社交网络中，与陌生人的交流行为并不突出，更倾向于与熟人交流的情况类似[54]。因此，深度的学术社交互动能够形成良好的知识接受驱动情境，有助于用户在学术社交网络中获得更多得益。

6 结 语

文中对学术社交网络中用户在选择强弱贡献和强弱免疫博弈策略时的博弈行为进行了分析，通过多阶段博弈模型的数学推演，得出学术社交网络中用户采取不同策略对应获取的得益，并据此提出了优化学术社交网络的相关对策。但文中博弈模型的分析尚未考虑学术社交网络社交圈中的社交强、弱关系[55]，因此，在后续的研究中将尝试将学术社交网络中的用户强弱关系参量引入到研究中，进一步深化学术社交网络中的知识贡献研究。

参考文献

[1]耿瑞利，申静.不同文化视域下社交网络用户知识共享行为动机研究[J/OL].中国图书馆学报，2019，（1）：1-21.https：//doi.org/10.13530/j.cnki.jlis.190005，2019-03-13.

[2]巴志超，李纲，毛进，等.微信群内部信息交流的网络结构，行为及其演化分析——基于会话分析视角[J].情报学报，2018，37（10）：1009-1021.

[3]Chen H.Smart Health Facilitator：Chinese Consumers Perceptions and Interpretations of Fitness Mobile Apps[M].mHealth Innovation in Asia.Springer，Dordrecht，2018：109-122.

[4]石静，张斌，周利琴.健康问答社区用户知识共享网络动态演化研究[J].情报科学，2019，37（2）：77-82.

[5]Yu M C，Wu Y C J，Alhalabi W，et al.ResearchGate：An Effective Altmetric Indicator for Active Researchers？[J].Computers in Human Behavior，2016，55：1001-1006.

[6]Elsayed A M.The Use of Academic Social Networks Among Arab Researchers：A Survey[J].Social Science Computer Review，2015，34（3）：378-391.

[7]Researchgate[EB/OL].https：//www.researchgate.net，2017-07-08.

[8]Wei J，He D，Jiang J.User Participation in an Academic Social Networking Service：A Survey of Open Group Users on Mendeley[J].Journal of the Association for Information Science & Technology，2015，66（5）：890-904.

[9]刘春丽，何钦成.不同类型选择性计量指标评价论文相关性研究——基于Mendeley、F1000和Google Scholar三种学术社交网络工具[J].情报学报，2013，32（2）：206-212.

[10]Ortega J L.Disciplinary Differences in the Use of Academic Social Networking Sites[J].Online Information Review，2015，39（4）：520-536.

[11]Academia.edu[EB/OL].http：//www.academia.edu/about，2017-07-08.

[12]万莉.学术虚拟社区知识交流效率测度研究[J].情报杂志，2015，（9）：170-173.

[13]张耀坤，胡方丹，刘继云.科研人员在线社交网络使用行为研究综述[J].图书情报工作，2016，（3）：138-147.

[14]胡文静，王睿.社交网络学术活动特征分析及应对策略[J].情报资料工作，2017，（1）：34-41.

[15]夏秋菊，栗文超，薛晶晶，等.面向学术领域的新型社交平台：科研社交网络[J].情报杂志，2014，（9）：167-172.

[16]Nicholas D，Herman E，Jamali H，et al.New Ways of Building，Showcasing，and Measuring Scholarly Reputation[J].Learned Publishing，2016，28（3）：169-183.

[17]Noorden R V.Online Collaboration：Scientists and the Social Network[J].Nature，2014，512（7513）：126-29.

[18]張乐.学术虚拟社区中个体知识贡献意愿影响因素的实证研究[D].太原：山西财经大学，2016：2.

[19]公晓，田丽.社交网络中知识贡献者行为影响因素探究[J].图书馆学研究，2016，（18）：98-100.

[20]施涛，姜亦珂.学术虚拟社区激励政策对用户知识贡献行为的影响研究[J].图书馆，2017，（4）：82-86.

[21]席彩丽.基于社会-技术方法的社交网络用户知识贡献行为研究[J].图书馆学研究，2014，（7）：32-37.

[22]李力.虚拟社区用户持续知识共享意愿影响因素实证研究——以知识贡献和知识搜寻为视角[J].信息资源管理学报，2016，（4）：91-100.

[23]Homans G C.Social Behavior as Exchange[J].American Journal of Sociology，1958，63（6）：597-606.

[24]Blau P.Exchange and Power in Social Life[M].New York City：Routledge，2017.

[25]孙乃娟，郭国庆.顾客承诺、自我提升与顾客公民行为：社会交换理论视角下的驱动机制与调节作用[J].管理评论，2016，28（12）：187-197.

[26]张卫国，宣星宇.基于社会交换理论的高校创业教育与众创空间联动发展[J].中国高教研究，2016，（10）：93-97.

[27]刘小平.员工组织承诺的形成过程：内部机制和外部影响——基于社会交换理论的实证研究[J].管理世界，2011，（11）：92-104.

[28]李金阳.社会交换理论视角下虚拟社区知识共享行为研究[J].情报科学，2013，（4）：119-123.

[29]陈东灵.知识团队知识传播困境的博弈机理研究——对两种均衡策略的比较[J].图书情报工作，2011，55（24）：97-101.

[30]Chen I Y L.The Factors Influencing Members Continuance Intentions in Professional Virtual Communities—A Longitudinal Study[J].Journal of Information Science，2007，33（4）：451-467.

[31]耿瑞利，申静.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，2018，37（10）：1022-1033.

[32]魏菲，孙立伟，王军.基于SNS的高校图书馆服务行为比较研究——以“人人网”为例[J].图书馆工作与研究，2018，（S1）：5-10.

[33]宋振超.基于结构方程的知识型微信社群用户参与动机和参与行为关联性分析[J].情报学报，2018，37（5）：519-523.

[34]曾子明，王婧.基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例[J].情报学报，2019，38（1）：89-96.

[35]米哈伊洛夫，乔尔内，等.科学交流与情报学[M].北京：科学技术出版社，1980：49-61.

[36]余厚强，董克，王曰芬，等.基于科学推文视角的非正式科学交流语言分布研究[J].中国图书馆学报，2018，44（2）：86-96.

[37]贾新露，王曰芬.学术社交网络的概念、特点及研究热点[J].图书馆学研究，2016，（5）：7-13.

[38]吴正荆，孙成江，靖继鹏.学术信息交流的变化——网络信息交流[J].图书情报工作，2003，（3）：32-35.

[39]邹儒楠，于建荣.浅析非正式交流的历史变迁[J].情报理论与实践，2010，（2）：13-16.

[40]张宁，袁勤俭.用户视角下的学术社交网络信息质量影响因素研究——基于扎根理论方法[J].图书情报知识，2018，（5）：105-113.

[41]谢识予.经济博弈论（第3版）[M].上海：复旦大学出版社，2007：19.

[42]Maki D R.Mathematical Models and Applications，with Emphasis on Social，Life，and Management Sciences[M].Prentice-Hall：Englewood Cliffs，NJ，1973.

[43]Wilson T D.Human Information Behavior[J].Informing Science the International Journal of An Emerging Transdiscipline，2000，3（2）：49-56.

[44]Thelwall M，Kousha K.Academia.edu：Social Network or Academic Network？[J].Journal of the Association for Information Science & Technology，2014，65（4）：721-731.

[45]王馨.跨学科团队协同知识创造中的知识类型和互动过程研究——来自重大科技工程创新团队的案例分析[J].图书情报工作，2014，58（3）：20-26.

[46]Ikujiro N，Noboru K.The Concept of“Ba”：Building a Foundation for Knowledge Creation[J].California Management Review，1998，40（3）：40-54.

[47]刘颖.基于衍生h指数期刊评价指标构建与实证研究[J].图书情报工作，2011，55（14）：144-148.

[48]黄体杨.2.0式合作：谈圕林虚拟学术团队[J].大学图书馆学报，2014，32（4）：63-66，75.

[49]严炜炜.中美iSchool院校学术社区利用行为比较研究——以ResearchGate为例[J].情报科学，2019，37（2）：9-13.

[50]Fraser J M Reid，Vlastimil Malinek，Clifford J T Stott，et al.The Messaging Threshold in Computer-mediated Communication[J].Ergonomics，1996，39（8）：1017-1037.

[51]曹雁，吴英策.国外团队成员协作与知识传播行为研究新进展[J].贵州大学学报：社会科学版，2010，28（2）：25-28.

[52]庄玉梅，张体勤.个体知识传播行为的理论透视[J].图书情报工作，2009，53（20）：118-121.

[53]尼古拉斯·克里斯塔基斯，詹姆斯·富勒，Nicholas A Christakis，等.大連接：社会网络是如何形成的以及对人类现实行为的影响[M].北京：中国人民大学出版社，2013：25.

[54]宾宁，冼文峰，胡凤.基于强弱关系的社交网络知识贡献博弈模型[J].现代情报，2016，36（12）：30-35.

[55]Granovette M S.The Strength of Weak Tie.American Journal of Sociology[J].1973，78 （6）：1360-1380.

（责任编辑：陈 媛）