开源软件社区用户知识贡献行为研究

周涛 袁青青 邓胜利

摘 要： ［目的／ 意义］ 开源软件社区用户通常从社区中获取代码相关知识， 而缺乏贡献的动机和意愿， 这将影响社区的可持续发展。［方法／ 过程］ 整合动机理论与社会资本理论， 构建了开源社区用户知识贡献行为模型， 采用混合方法包括ＳＥＭ 和ｆｓＱＣＡ 对数据进行分析。［ 结果／ 结论］ 研究发现， 内部动机（ 流体验、自我效能）、外部动机（感知声誉、互惠）、社会互动关系、社区认同、共同语言显著影响用户知识贡献意愿和行为。ｆｓＱＣＡ 结果显示， 流体验、感知声誉、互惠、信任是４ 个组态的共同核心条件。研究结果启示， 开源软件社区需要关注用户的内外部动机， 发展社会资本， 以激发用户的知识贡献意愿和行为， 促进开源社区持续快速发展。

关键词： 开源软件社区； 知识贡献； 混合方法； ｆｓＱＣＡ

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１１．０１２

〔中图分类号〕Ｃ９３１ ６ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） １１－０１４６－１２

开源软件（Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔｗａｒｅ， ＯＳＳ）是指具有专业知识或经验的成员聚集在一起， 进行大规模集体合作， 通过开发、补充、更改、不断完善等一系列过程获得的软件， 它的源代码通常是对公众免费开放的， 而且使用、修改和重新发布均不受限制。

知名度较高的开源软件有很多， 例如操作系统Ｌｉｎｕｘ、Ｗｅｂ 服务器软件Ａｐａｃｈｅ、关系型数据库ＭｙＳＱＬ、编程语言ＰＨＰ／ Ｐｙｔｈｏｎ 等。随着数字经济的不断发展，开源软件逐渐受到学术界、企业界以及政府的高度重视。例如， 华为、腾讯、阿里巴巴、Ｇｏｏｇｌｅ、Ｆａ?ｃｅｂｏｏｋ 等知名企业大力支持开源软件的开发与应用。２０２１ 年１１ 月， 工信部发布《“十四五” 大数据产业发展规划》指出， “推动自主开源框架、组件和工具的研发， 发展大数据开源社区， 培育开源生态， 全面提升技术攻关和市场培育能力”［１］ 。同年１２ 月， 国家网信办发布《“十四五” 国家信息化规划》， 其中再次指出“鼓励以国内龙头企业为主体， 企业、开发者、志愿者共同参与的大数据应用开源社区建设”， 显示开源软件得到了政府部门的高度重视。

开源软件社区（又称开源社区）是由大量具有相同興趣爱好的开发者组成， 在遵守相应的开源软件许可协议下， 以合作互助的形式对软件项目进行开发、维护、修改、增强等一系列活动的网络平台。开源社区提供了一个自由交流、相互学习的空间， 有力促进了开源软件发展。像ＧｉｔＨｕｂ、Ａｐａｃｈｅ、Ｇｉｔｅｅ、ＳｏｕｒｃｅＦｏｒｇｅ 等都是知名的开源软件社区，其中ＧｉｔＨｕｂ 是全球最大的开源社区， 具有很大的影响力， 吸引了大量开发者汇聚于此。对开源软件社区来说， 它离不开社区成员贡献大量的、高质量的代码， 而用户往往偏向从社区中获取知识， 不大愿意在社区中进行贡献， 导致社区缺乏持续发展的动力。因此， 有必要研究影响用户进行知识贡献的因素， 从而帮助社区管理者采取针对性策略和措施来促进用户贡献行为， 实现开源社区的持续发展。

已有文献往往从单一视角如网络结构［２］ 、主观规范［３］ 、感知行为控制［４］ 等研究开源社区用户行为， 但用户行为可能受到个体因素（用户动机）和环境因素（社会资本）的双重影响。一方面， 根据动机理论， 用户可能出于个人的内外部动机如提高声誉、获得回报等贡献其代码， 缺乏足够的动机将影响用户的贡献积极性； 另一方面， ＯＳＳ 社区中的用户通过频繁的交互建立了较复杂的社会关系网络。根据社会资本理论， 蕴藏在社会网络中的社会资本也将影响用户行为。基于此， 本文将基于动机理论与社会资本理论， 整合个体因素和环境因素两个视角， 研究ＯＳＳ 社区用户知识贡献行为， 发现影响用户在开源社区中进行知识贡献的显著因素。

研究方法方面， 已有研究往往采用单一方法进行分析， 本文将采用混合方法包括结构方程模型（Ｓｔｒｕｃ?ｔｕｒａｌ Ｅｑｕａｔｉｏｎ Ｍｏｄｅｌｉｎｇ， ＳＥＭ）和模糊集定性比较分析（Ｆｕｚｚｙ－ｓｅｔ Ｑｕａｌｉｔａｔｉｖｅ Ｃｏｍｐａｒａｔｉｖｅ Ａｎａｌｙｓｉｓ， ｆｓＱ?ＣＡ）方法。相对于ＳＥＭ 主要考察单个变量的“净效应”， ｆｓＱＣＡ 考察变量组合（组态）对结果变量的作用， 因此能够提供更丰富的研究结果。本文的研究将为开源软件社区运营者提供参考， 可据此制定有针对性的策略， 以促进用户的知识贡献行为， 实现社区的持续发展。

１ 文献综述

１.１ 开源软件社区用户行为研究

开源软件社区作为一类新兴模式， 得到了多学科领域包括计算机学科和管理学科等的关注。计算机学科侧重从社会网络视角研究ＯＳＳ 社区， 发现了网络结构对ＯＳＳ 社区用户行为的作用。卢冬冬等［５］ 借助复杂网络的方法， 以开源软件项目Ａｎｇｕ?ｌａｒＪＳ 为例， 发现核心开发者的流失会导致严重的级联失效现象。刘鹏等［２］ 通过收集Ｃｌｏｕｄ Ｆｏｕｎｄｒｙ社区中代码提交数据， 分析了开发者协作网络的结构及演化过程。陈丹等［６］ 考察了ＯＳＳ 社区中开发者间的交互关系。

管理学科则往往基于社会影响理论、技术采纳模型、理性行为理论等， 考察个体认知如主观规范、感知有用性、感知行为控制等对ＯＳＳ 社区用户行为包括贡献、共享、参与等的作用。Ｚｈｏｕ Ｔ［３］基于社会影响理论， 发现社会认同影响用户的贡献意愿， 而主观规范对用户贡献意愿没有作用。田颖等［７］ 以ｎａｎｏＨＵＢ 开源社区为研究对象， 发现社会互动对用户的知识共享行为具有正向影响， 共享的不确定性负面影响知识共享行为。常静等［８］ 基于技术采纳模型， 认为职业发展、兴趣、学习、交流影响感知有用性及用户参与行为。Ｂａｇｏｚｚｉ Ｒ Ｐ 等［４］基于理性行为理论， 研究了Ｌｉｎｕｘ 开源社区中用户的参与行为， 发现用户参与的态度、感知行为控制、对开源社区活动的认同、预期情绪、社会身份等对其参与行为有显著影响。

除了用户的贡献、共享、参与等行为， 一些文献还考察了ＯＳＳ 社区用户的合作偏好、礼貌行为。陈丹等［６］ 发现开发者之间的合作次数越多， 越容易建立起新合作。何鵬等［９］ 研究了ＳｏｕｒｃｅＦｏｒｇｅ 开源社区中开发者对于不同合作方式的偏好行为， 发现社区新用户偏向与开发项目较多， 有过特定角色身份的用户合作。Ｗｅｉ Ｋ 等［１０］ 分析了开源软件社区用户网络交流中礼貌行为上的差异， 研究发现核心用户更多的是使用称呼语、包容性词汇， 而外围用户使用较多的是欣赏、崇拜、尊敬之类的词汇。

从上述研究可以发现， 已有文献从多个理论视角包括技术采纳模型、理性行为理论、社会影响理论、社会网络理论等考察了ＯＳＳ 社区用户行为，发现个体认知如感知有用性、感知行为控制、主观规范、社会互动等的显著作用。根据社会认知理论， 除了个体认知， 用户行为还将受到环境因素如社会资本的影响。基于此， 本文将整合动机理论和社会资本理论， 综合考察个体因素（用户动机）和环境因素（社会资本）对ＯＳＳ 社区用户贡献行为的影响， 研究结果将为了解ＯＳＳ 社区用户行为提供一个较完整视角。

１.２ 动机理论

动机理论（Ｍｏｔｉｖａｔｉｏｎａｌ Ｔｈｅｏｒｙ）主要研究单个用户受到何种驱使， 导致其做出某一特定行为［１１］ 。该理论认为， 动机是解释个体行为的前提， 也是激发个体心理过程的原因， 通过某些激励因素， 进而满足个体的内在需求， 使个体产生内在驱动力［１２］ 。个体实施某一行为可能会受到内部（自主动机）和外部（受控动机）的激励［１３］ ， 随着研究的不断深入，这种内、外部激励发展成与动机相关的两个类别，即内部动机、外部动机［１４］ 。其中， 内部动机关注个体参与某项活动或者执行某一行为是出于兴趣或乐趣， 而外部动机更注重完成活动后能否获得有价值的回馈。

已有研究考察了动机对用户分享、贡献、参与等行为的作用。秦敏等［１２］ 考察了利他性动机、认同性动机对开放式创新社区用户自主贡献行为的影响。Ｗａｓｋｏ Ｍ Ｍ 等［１５］ 分析了声誉、帮助他人对用户知识贡献的影响。Ｉｓｋｏｕｊｉｎａ Ｚ 等［１６］ 探究了业余爱好、成就、利他主义、个人需求、主要工作需求等对ＯＳＳ 社区用户知识分享的作用。另一方面， 内部动机、外部动机包含的因素也有所不同， Ｔａｎｇ Ｑ等［１７］ 探讨了内部动机与外部动机对社交网站用户分享优惠券的影响。内部动机包括自我价值感和社交， 外部动机包括经济回报和互惠。Ｓｕｎ Ｙ 等［１８］研究了内部动机、外部动机对虚拟社区用户持续参与的作用。Ｙａｌａｎ Ｙ 等［１９］ 分析了内部动机（乐于助人、自我价值感和流体验） 对知识贡献的影响。Ｚｈａｎｇ Ｘ 等［２０］ 探讨了内部动机和外部动机对健康问答社区用户知识分享意愿的影响。其中， 内部动机包括利他主义、知识自我效能感和同理心， 外部动机包括互惠和感知声誉。

从这些文献可以发现， 已有研究采用动机理论考察了开放式创新社区、社交网站、虚拟社区、健康问答社区等环境下用户行为。本文将应用动机理论来考察ＯＳＳ 社区用户贡献行为。

１.３ 社会资本理论

社会资本理论（Ｓｏｃｉａｌ Ｃａｐｉｔａｌ Ｔｈｅｏｒｙ）是解释个体间的社会联系对个体行为影响的理论［２１］ 。社会资本通常是表示嵌入个人、组织、社区或社会的关系网络中， 通过这个关系网络获得并衍生出的实际和潜在资源的总和。社会资本常被用于解释组织或社区网络中关系资源所产生的影响， 包括３ 个维度： 结构资本、关系资本、认知资本。

现有文献运用社会资本理论研究了用户贡献、电子口碑、持续分享等。Ｗａｓｋｏ Ｍ Ｍ 等［１５］ 考察了结构维中的网络中心性、认知维中的自我感知专业性与任职经验， 以及关系维中的承诺与互惠对用户知识贡献的作用。Ｙａｎ Ｊ 等［２２］ 分析了社会资本与在线用户社区知识贡献之间的双向影响。Ｚｈｏｕ Ｔ［２３］研究了结构资本、关系资本、认知资本对开放创新社区用户贡献行为的影响。Ｓｕｎ Ｙ 等［２４］ 探究了社会资本对信息技术交付过程中用户满意度的作用。Ｗａｎｇ Ｔ 等［２５］ 考察了社会资本中关系强度、共同语言和信任３ 个因素对社交网络中的电子口碑的影响。Ｃｈｉｕ Ｃ Ｍ 等［２６］ 探究了结构维、关系维、认知维对虚拟社区中用户知识分享数量与质量的影响。Ｈａｓｓａｎ Ｓ 等［２１］ 研究了社会资本中的承诺、共同语言对社区旅游社区用户持续知识分享意愿的作用。

从上述研究可以发现， 现有文献考察了多个情境下包括在线社区、开放式创新社区、社交网络、旅游社区等社会资本对用户行为的作用。基于这些文献， 本文将采用社会资本理论来考察ＯＳＳ 社区用户知识贡献行为。

２ 研究模型与假设

２.１ 内部动机

内部动机是指用户参与活动时所获得的愉悦体验和自我价值感［１８］ 。内部动机侧重于活动过程，对解释社区用户知识贡献行为至关重要［２０］ 。本文主要考察流体验和自我效能这两个内部动机的作用。流体验反映了用户全身心投入时所获得的愉悦体验， 代表了一种最佳体验， 将能显著促进ＯＳＳ社区用户行为； 自我效能反映了用户具备必要的知识和技能来贡献软件代码。ＯＳＳ 社区作为专业型社区， 用户若缺乏一定的软件开发知识储备， 将无法贡献代码。

流体验是指一个人在完全参与到某项活动或某项事件时的一种心理状态［２７］ 。具体来说， 用户沉浸在社区活动中， 感觉不到周围环境的变化， 达到一种全神贯注、忘我的境界， 并在这个过程中感到非常快乐和满足。Ｙａｌａｎ Ｙ 等［１９］ 研究发现， 当用户全神贯注地参与到社区活动中， 并达到最佳体验时， 其更愿意在社区中贡献知识。开源社区包含众多的软件项目， 其难易程度也各不相同， 用户选择并完成与自身能力相匹配的软件项目这一过程， 能够带来极大的愉悦与成就感。Ｔｏｒｖａｌｄｓ Ｌ 等［２８］ 认为， 编程所带来的乐趣与愉悦是促进用户参与开发的动机之一。因此， 流体验将促进用户参与社区知识贡献活动。

自我效能表示个体对自己实施知识贡献行为的能力感知。用户对向他人或社区提供有价值信息的能力感到越自信， 就越能够获取内在的满足。已有研究表明， 在用户尝试完成某些目标、任务或挑战时， 自我效能起着重要作用［２９］ 。Ｂｏｃｋ Ｇ Ｗ 等［３０］研究指出， 自我效能可以作为知识分享自我激励来源的一个重要因素。Ｋａｎｋａｎｈａｌｌｉ Ａ 等［３１］ 研究发现，对自己的能力、技能和专业知识有高度信心的用户， 更愿意贡献有价值的知识。开源社区用户对于自身专业知识有信心， 相信自己有能力去解决这些问题， 那么他们愿意去贡献软件代码。同时， 若用户先前在社区中贡献的代码得到认可或是被很好地使用时， 会进一步提高该用户的自我效能感， 促进其贡献意愿。因此， 本文假设：

Ｈ１： 流体验显著影响开源软件社区用户贡献意愿

Ｈ２： 自我效能显著影响开源软件社区用户贡献意愿

２.２ 外部动机

外部动机是指用户把参与活动视为一种获得金钱或非金钱回报的手段［３１］ 。外部动机更侧重于结果， 即用户参与社区活动是为了获取有价值的结果［２０］ 。其中， 感知声誉、互惠是影响知识贡献的两个重要外部动机［３２］ 。感知聲誉反映了其他用户对该用户的评价， 用户在ＯＳＳ 社区贡献代码无法获取经济回报， 因此提高声誉将是影响其行为的重要动机。互惠反映了交换的公平性， 用户贡献代码的同时也希望获取其他用户分享的高质量代码。若无法实现互惠， 用户可能放弃贡献行为。

感知声誉反映了社区用户对于个人影响力的关注， 用户希望在社区中获得一定的地位、名望或良好声誉， 这能够促进用户更愿意在社区中贡献知识。Ｃｈａｎｇ Ｈ Ｈ 等［３３］ 指出， 声誉建立和地位提高能够激励社区用户更频繁的参与。Ｗａｓｋｏ Ｍ Ｍ 等［１５］ 研究表明， 当用户意识到贡献知识可以提高其在社区中的声誉和地位时， 将愿意把自己有价值的知识贡献到社区中。开源社区中用户的声誉通常来自于社区其他成员对自身的评价与认可度， 当用户获得来自其他用户的积极评价时， 用户会认为自己贡献的代码或软件得到了认可， 其他用户更愿意与自己交流并尊重自己。对于单个用户来说， 良好的声誉往往会引起其他成员的关注或是产生潜在合作与互动的机会。因此， 用户愿意持续在社区中进行贡献，以获取更高的声誉。

互惠是指社区用户之间进行公平的信息和知识交流， 用户愿意将自己的知识贡献到社区中， 同样也期望获得知识回报与长期交流。根据社会交换理论， 用户期望付出能够得到相应回报， 以实现公平交换。已有研究指出， 互惠能够促进用户知识贡献意愿［３１］ 。Ｔａｍｊｉｄｙａｍｃｈｏｌｏ Ａ 等［３４］ 发现， 互惠与用户的知识分享意愿呈显著正相关。开源社区中， 用户希望自己贡献软件代码的同时能够获取相应有用的知识， 来证明自己花费在知识贡献上的时间和精力是值得的、有价值的， 这样会让用户相信自己的努力是有回报的。开源软件社区中互惠程度越高，用户在其中进行知识贡献意愿就会越强烈。因此，本文假设：

Ｈ３： 感知声誉显著影响开源软件社区用户贡献意愿

Ｈ４： 互惠显著影响开源软件社区用户贡献意愿

２.３ 结构资本

结构资本是指社会网络中用户之间联系的整体模式［３５］ ， 通常用社会互动关系来反映。社会互动关系体现了用户间联系的程度， 包括互动的频率、持续时间等。频繁的社会互动将提高用户之间的熟悉度， 建立用户之间的关系连接， 从而促进其代码贡献意愿。Ｃｈｉｕ Ｃ Ｍ 等［２６］ 认为， 社区成员之间的社会互动关系提供了一种经济高效的知识传播渠道， 可以减少收集知识所需的成本， 极大地促进知识的交流和集成。用户为了维系社交网络关系， 耗费了大量的时间和精力进行互动， 因此他们继续留在这个社区的可能性更大， 由于投入的沉没成本， 用户切换到其他社区的可能性比较低［３６］ 。而且这种黏性会促进用户积极地进行知识贡献， 以维持与他人的互动， 保持与社区其他用户的联系。同时， 随着用户之间的频繁互动， 互相之间逐渐熟悉起来， 其更愿意在社区中贡献代码［２３］ 。因此， 本文假设：

Ｈ５： 社会互动关系显著影响开源软件社区用户贡献意愿

２.４ 关系资本

关系资本是指用户之间的人际关系， 包括信任、认同等［３５］ 。Ｗａｓｋｏ Ｍ Ｍ 等［３７］ 认为， 当某一用户对社区及其他用户有强烈的认同和信任时， 关系资本随之产生。信任反映了对其他用户的能力、诚实和善意的信念， 能够缓解不确定性和风险， 从而促进用户知识贡献行为。认同反映了用户对社区的成员感和归属感， 将使得用户感到有责任积极贡献代码， 以促进开源社区的持续发展。

信任是用户在社区中进行合作、获取资源和贡献知识的一个重要前提， 当用户间的信任度较高时，他们更愿意参与社区互动、贡献知识。用户的信任对于营造社区知识贡献的氛围非常重要。起初社区成员彼此间不熟悉， 用户想要明确其他成员是否具有足够的专业知识和能力来贡献高质量的知识， 此时信任就成为用户间交换知识的关键所在［３８］ 。已有研究表明， 信任作为社区用户所遵循的一组普遍接受规范和原则， 它对用户的知识分享意愿具有促进作用［２６］ 。在开源社区中， 用户的信任主要来自于社区知识质量、其他用户能力。用户参与开源软件社区中的贡献活动时， 如果能够获得来自其他用户的帮助或有用的知识， 该用户会更加相信社区其他成员是值得信赖的， 也会愿意把自己有价值的知识贡献出来。

社区认同是指个体将自己与另一个人或一群人分组的过程［３５］ 。在本文中， 社区认同表示用户对ＯＳＳ 社区的归属感和认可。周涛等［３９］ 认为， 个体对其所在群体的认同会促进其积极参与集体活动。

Ｄｈｏｌａｋｉａ Ｕ Ｍ 等［４０］ 认为， 社区认同体现了用户愿意与社区保持联系， 进而促进用户愿意在社区中贡献知识。用户通常不会轻易把自身有价值的知识贡献出去， 但是当其把其他用户视为自己的团队伙伴时， 认为此时的贡献是对自己有利的， 该用户会愿意贡献有价值的知识。当开源软件社区用户感受到社区成员共同努力解决一个问题所产生的凝聚力时， 会被这种氛围感染， 产生归属感和认同感， 进而会愿意贡献有价值的知识。用户的社区归属感与认同感越高， 其在开源软件社区中贡献的积极性就会越强烈。因此， 本文假设：

Ｈ６： 信任显著影响开源软件社区用户贡献意愿

Ｈ７： 社区认同显著影响开源软件社区用户贡献意愿

２.５ 认知资本

认知资本是指能够在各方之间实现共享表达、解释和理解的资源［２５］ ， 可以通过共同语言来反映。共同语言包括共同词汇、行话等， 有助于提高沟通效率， 增进用户间的相互理解， 从而促进代码共享。共同语言是一种促进用户交流的关键手段， 它包括使用通用术语或行话、采用缩略语或符号进行交流， 以添加注释或说明的方式分享信息等［２６］ 。Ｔａｍｊｉｄｙａｍｃｈｏｌｏ Ａ 等［３４］ 研究指出， 共同语言对用户的知识分享意愿具有积极显著的影响。在开源社区中， 共同语言为社区用户提供了一个促进相互间理解的途径， 有助于形成共同的术语与标记符号， 提高了用户间交流沟通效率。同时， 共同语言能够使开源软件社区用户双方更好地理解对方， 避免沟通中一些不必要的误解。与之相反的是， 共同语言的缺乏可能会导致用户需要在沟通、理解上花费更多的时间和精力， 这会降低用户在社区中知识贡献的意愿［２３］ 。因此， 本文假设：Ｈ８： 共同语言显著影响开源软件社区用户贡献意愿２ ６ 贡献意愿與贡献行为贡献意愿是指个体对自己行为的预期， 是其打算参与知识贡献的主观可能性［４１］ 。根据理性行为理论和计划行为理论， 个体实施某一行为的意愿越强烈， 其实施该行为的可能性就越大， 也就是说，个体的实际行为受到行为意向的影响。李金阳［４２］认为， 积极的知识贡献意愿会促使用户在虚拟社区中进行知识贡献。Ｖｅｎｋａｔｅｓｈ Ｖ 等［４３］ 研究结果表明， 用户的行为意愿正向影响其接受行为。郑万松等［４４］ 也指出， 用户的共享意愿显著影响其行为。因此， 本文假设：

Ｈ９： 开源软件社区用户知识贡献意愿显著影响其贡献行为

基于上述分析， 本文提出ＯＳＳ 社区用户贡献行为模型， 如图１ 所示。

３ 数据收集与分析

３.１ 问卷设计与数据收集

为保证量表的内容效度， 本文的所有指标均源自前人发表的文献， 结合开源社区背景进行适当改编。其中， 流体验的测量指标借鉴了Ｎｏｖａｋ Ｔ Ｐ等［４５］ 和Ｚｈａｎｇ Ｈ 等［４６］ 的研究， 自我效能的指标综合了Ｌｉｎ Ｍ Ｊ Ｊ 等［４７］ 的研究成果， 感知声誉的指标借鉴了Ｔｉｗａｎａ Ａ 等［４８］ 的研究， 互惠的指标借鉴了Ｗａｓｋｏ Ｍ Ｍ 等［１５］ 的研究成果， 社会互动关系、社区认同和共同语言的指标均改编自Ｆａｎｇ Ｙ Ｈ 等［４９］的研究， 信任的指标改编自Ｃｏｏｋ Ｊ 等［５０］ 的研究，贡献意愿的指标参考了Ｌｉｕ Ｈ 等［５１］ 的研究成果，贡献行为的指标改编自Ｚｈｏｕ Ｊ 等［２９］ 的研究成果。变量及测量指标来源如表１ 所示。问卷采用李克特７ 级量表， 在正式收集数据前， 邀请了１０ 名具有ＯＳＳ 社区使用经历的用户进行预调查， 并根据他们的反馈结果对问卷指标进行调整， 以提高问卷的逻辑一致性和易于理解性。

调查问卷通过腾讯问卷和问卷星平台进行数据收集， 共得到有效问卷３０７ 份。其中， 男性用户占比为６１ ８９％， 女性用户占比为３８.１１％； ８８.９３％的用户年龄集中在２０～３９ 岁。ＣＮＮＩＣ 报告［５２］ 也显示，２０～３９ 岁的网民占多数（３７.２％）。受教育程度方面，本科居多， 占比为５１.１４％。用户较多使用的ＯＳＳ社区包括ＧｉｔＨｕｂ （５７.９８％）、Ａｐａｃｈｅ （３０.６２％）、ＳｏｕｒｃｅＦｏｒｇｅ（２８.６６％）、Ｇｉｔｅｅ（２１.１７％）等。

３.２ 数据分析

３.２.１ 结构方程模型（ＳＥＭ）

首先， 使用ＳＰＳＳ ２５.０ 软件对问卷的测量项目进行信度和效度检验。分析结果如表２ 所示， 克朗巴哈Ａｌｐｈａ 系数与ＣＲ 值均高于０ ７， 表明问卷量表具有良好的信度。同时， 各变量的ＡＶＥ 值范围在０.６６６～０.７９８， 均大于０.６， 各测量指标对应的因子载荷均大于０.７， 表明问卷量表具有较好的收敛效度。此外， 从表３ 可以发现， 各ＡＶＥ 值平方根均大于变量间相关系数， 显示较好的区分效度。

其次， 使用Ａｍｏｓ ２６.０ 软件对结构模型进行分析， 采用极大似然估计（Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ）方式进行参数运算与模型假设验证， 模型中各标准化路径系数与显著性如图２ 所示。除假设Ｈ６ 不成立外，其余假设均得到支持。贡献意愿与贡献行为的被解释方差Ｒ２ 分别为８９％和８３％， 表明该模型的解释能力较强。此外， 表４ 显示除ＧＦＩ 略低于０ ９ 外，其余模型拟合指数的实际值均优于推荐值， 表明该模型具有较好的拟合优度。

３.２.２ 模糊集定性比较分析（ｆｓＱＣＡ）

本文采用ｆｓＱＣＡ ３.０ 对数据进行分析。在分析前需要对各变量的原始数据进行数据校准， 以提高结果的解释性。现有研究中， 数据校准使用的方式各有不同， Ｒａｇｉｎ Ｃ Ｃ［５３］ 提出以９５％、５０％、５％为标准进行校准点划分， Ｐａｐｐａｓ Ｉ Ｏ 等［５４］ 研究提出对于李克特７ 级量表类数据采用６、４、２ 的方式进行数据划分， Ｍｉｋａｌｅｆ Ｐ 等［５５］ 研究认为， 当数据分布出现有偏时， 可以对校准点做一点调整， 该研究采用的是６、４.５、３ 的划分方式进行数据校准。本文问卷题项使用李克特７ 级量表进行测量， 按照Ｐａｐｐａｓ 与Ｗｏｏｄｓｉｄｅ 的方式进行数据校准时， 数据出现有偏， 需要对校准点进行调整； 因此， 文中将各变量校准点设定为６（完全隶属点）、４.５（交叉点）、２（完全不隶属点）。

首先， 对各变量测量项取平均值， 并对各变量进行校准。将用户贡献意愿作为结果变量， 以此来确定单个条件变量是否为影响贡献意愿的必要条件，分析结果如表５ 所示， “ ～” 符号是指条件变量不存在。如果条件变量的一致性水平超过０. ９， 则可以认为该条件是必要条件。从表５ 可以看到， ＦＥ、ＰＲ、ＲＥ、ＴＲ、ＳＬ 为贡献意愿的必要条件， 而ＳＥ、ＳＩＴ、ＣＩ 这３ 个条件变量的一致性未超过０ ９， 表明ＳＥ、ＳＩＴ、ＣＩ 不是贡献意愿的必要条件。

接着， 生成真值表以分析８ 个前因变量构成的条件组合对贡献意愿的影响。现有研究指出， 对于数据量超过１５０ 个的样本， 频率阈值可以设置为３或者更高一点， 至少要保留７５％的数据量［５３］ 。因此， 本文的频数阈值设置为７。参考Ｐａｐｐａｓ Ｉ Ｏ等［５４］ 的研究， 先设定原始一致性阈值为０.８， 以确保最终组合路径的解释力度。然后设定ＰＲＩ（Ｐｒｏｐｏｒ?ｔｉｏｎａｌ Ｒｅｄｕｃｔｉｏｎ ｉｎ Ｉｎｃｏｎｓｉｓｔｅｎｃｙ， 即按比例减少不一致性）阈值为０.７５， 使用排序选项对ＰＲＩ 一致性按照降序排列， 结果如表６ 所示。其中“●” 表示核心条件存在， “●” 表示辅助条件存在， “” 表示辅助条件缺失。研究显示， 影响ＯＳＳ 社区用户知识贡献意愿的组合路径存在４ 条， 组合路径的总体一致性为０ ９６６， 不同组合路径的一致性均大于０.９， 表明这４ 个变量组合对用户贡献意愿的影响效果显著［５６］ 。同时， 组合路径的总体覆盖度为０ ７５５，表明具有较强的解释力度［５７］ 。通过对这４ 条组合路径的分析， 发现核心条件均为流体验（ＦＥ）、感知声誉（ＰＲ）、互惠（ＲＥ）、信任（ＴＲ）。

由表６ 可知， ４ 条组态路径分别为： ①路径１：ＦＥ?ＰＲ?ＲＥ? ～ＳＩＴ?ＴＲ? ～ＣＩ?ＳＬ， 显示较高的流体验、感知声誉、互惠、信任、共同语言及较低的社会互动关系、社区认同组合将引发贡献意愿； ②路径２： ＦＥ? ＳＥ? ＰＲ? ＲＥ? ＳＩＴ? ＴＲ? ＣＩ， 显示较高的流体验、自我效能、感知声誉、互惠、社会互动关系、信任、社区认同组合将引发贡献意愿。该路径与ＳＥＭ 结果基本一致， 但在ＳＥＭ 中信任的作用不显著， 而在本路径中信任是核心条件， 显示了单个变量“净效应” 与变量组合（组态）作用的差异。

该路径的覆盖率较高（０.６３６）， 仅次于路径４； ③路径３： ＦＥ?ＳＥ?ＰＲ?ＲＥ? ～ＳＩＴ?ＴＲ?ＳＬ， 显示较高的流体验、自我效能、感知声誉、互惠、信任、共同语言与较低的社会互动关系组合将引发贡献意愿；④路径４： ＦＥ? ＳＥ? ＰＲ? ＲＥ? ＴＲ? ＣＩ? ＳＬ， 显示较高的流体验、自我效能、感知声誉、互惠、信任、社区认同、共同语言组合将引发贡献意愿。该路径与ＳＥＭ 结果基本一致， 且覆盖率在４ 条路径中最高（０.６８０）。结合路径２ 可以发现， 当存在较高的内部动机（流体验、自我效能）、外部动机（感知声誉、互惠）、关系资本（信任、社区认同）时， 结构资本（社会互动关系）或认知资本（共同语言）二者只要具备１ 个， 就可引发用户的贡献意愿， 显示了前面３ 个方面因素对贡献意愿的重要作用。

４ 讨 论

如图２、表６ 所示， 本文除假设Ｈ６ 不成立外，其余假设均得到支持， 影响用户贡献意愿的前因变量组态路径共有４ 条， 具体讨论如下。

１） 内部动机方面， 流体验和自我效能均显著影响用户的知识贡献意愿， 表明流体验、自我效能能够促进用户的贡献行为， 这与现有研究的结果一致［１９，３０，５８］ ， 显示用户不仅重视对自身专业能力的信心， 也关注社区参与过程中的愉悦体验。自我效能是在用户参与社区活动的初始阶段的自我感知， 而流体验是在用户参与活动过程中产生的。在开源社区中， 贡献软件代码需要一定的专业知识储备， 用户对自己的能力和专业知识越有信心， 越会有一种得心应手的感觉， 越愿意在社区中贡献知识。同时， 在开源软件社区贡献软件代码的过程中， 用户全神贯注地投入到其中， 该用户将非常享受这种沉浸感， 感受到其中的愉悦和快乐， 这种体验将促使用户积极进行知识贡献。

２） 外部动机方面， 感知声誉和互惠也显著影响用户的知识贡献意愿。ｆｓＱＣＡ 结果也显示， 这两个因素是４ 条组合路径的共同核心条件。这表明用户希望在社区贡献知识的同时能够获取一定的回馈， 例如声誉、地位， 亦或是同等知识的交换， 这些回馈会让用户认为自己在社区中所耗费的时间和精力是有价值的、有意义的。开源社区是一个开放共享的社区， 用户不一定期望获取经济回报， 但往往期望能够获得他人的赞许与认可、获取一定的声誉地位， 这样能够吸引更多的关注以及与其他社区用户合作的机会。开源软件社区用户贡献自己有价值的软件或代码时， 同样也希望获得对等的软件或代码知识以满足自身需求。因此， 当感知到自身在开源软件社区的声誉、社区的互惠程度越高时， 用户在开源软件社区贡献的意愿会越明显。

３） 社会资本方面， 社会互动关系、社区认同、共同语言对用户的知识贡献意愿具有显著的影响。这说明用户与社区中的其他用户联系越频繁， 就越熟悉， 促使其贡献自己的知识。同样， 当用户把自己作为社区的一部分或是对社区非常认可时， 用户会认为自己应该为社区出一份力以促进社区的发展， 从而更加愿意在社区中进行知识的贡献。此外， 相同的表达方式、理解方式、通用符号会极大地促进用户间的沟通交流， 这样有助于社区用户间的进一步贡献行为。此外， 信任对用户的贡献意愿没有显著影响， 这与现有研究结果不一致［２６］ ， 这可能与开源软件社区背景有关。开源社区用户贡獻的是软件代码知识， 相对于电子商务交易所涉及的支付信息、个人隐私信息等， 不确定性和风险较低， 用户不需要信任来缓解这种风险。因此， 信任对贡献意愿没有显著作用。

４） ｆｓＱＣＡ 结果显示， 影响用户贡献意愿存在４ 条路径组合， 其中流体验、感知声誉、互惠均作为核心条件出现在各路径组合中， 说明流体验、感知声誉、互惠是影响用户贡献意愿的核心因素， 这也佐证这３ 个变量对用户贡献意愿具有显著的影响。同时， 自我效能、社会互动关系、社区认同、共同语言在不同组态中， 多次以辅助条件出现， 在一定程度上佐证了它们对用户贡献意愿的影响。此外， 信任均以核心条件出现在各组态中， 而ＳＥＭ的结果没有发现信任对贡献意愿的作用， 表明虽然信任对ＯＳＳ 社区用户贡献意愿的单独影响不显著，但是当与其他变量组合起来时， 则信任会影响用户的贡献意愿。这说明信任可能受到其他条件变量的影响， 由单个因素对用户贡献意愿影响不显著转变为共同促进用户的贡献意愿。

５ 结 论

整合动机理论与社会资本理论， 本文构建了ＯＳＳ 社区用户知识贡献行为模型， 采用混合方法包括ＳＥＭ 和ｆｓＱＣＡ 进行分析， 结果发现， 内部动机（流体验、自我效能）、外部动机（感知声誉、互惠）、结构资本（社会互动关系）、关系资本（社区认同）、认知资本（共同语言）显著影响知识贡献意愿。这些结果显示ＯＳＳ 社区用户贡献意愿受到个体因素（用户动机）和环境因素（社会资本）的双重影响， 一方面， 用户需要基于自身的动机包括内部动机和外部动机来产生贡献意愿， 缺乏足够的动机将降低用户的贡献意愿。内部动机方面， 用户需要确保获取良好的体验和具备较高的程序设计技能；外部动机方面， 用户高度重视个人的声誉影响和交换的公平性； 另一方面， 环境因素如内嵌于社会网络中的社会资本将对用户贡献意愿产生影响， 用户需要建立结构资本、关系资本、认知资本来促进其知识贡献意愿。结构资本方面， 用户需要与其他用户建立紧密的关系连接； 关系资本方面， 用户需要建立信任和对社区的认同； 认知资本方面， 用户需要建立共同语言来提升沟通效率。已有研究主要关注个体因素如感知有用性、感知行为控制等对ＯＳＳ社区用户行为的作用， 而忽视了环境因素如社会资本的影响， 使得研究结果较为局限。因此， 本文的研究结果有助于较全面地了解ＯＳＳ 社区用户贡献行为的影响因素和形成机理。

本文的理论贡献包括： ①已有研究主要考察了个人认知如感知行为控制、社会影响等对ＯＳＳ 社区用户行为的影响， 较少考察内嵌在社会关系网络中的社会资本的作用。本文综合考察了个体因素（内部动机、外部动机）和环境因素（社会资本）对ＯＳＳ 社区用户知识贡献行为的影响， 研究结果为了解ＯＳＳ 社区用户行为提供了较完整视角； ②本文ＳＥＭ 结果没有发现信任对贡献意愿的显著作用，但ｆｓＱＣＡ 显示信任是４ 个形成贡献意愿的组态的共同核心条件， 表明虽然信任对贡献意愿的单独作用不显著， 但当其与其他变量组合时， 也将显著影响贡献意愿， 显示信任是贡献意愿的必要条件， 而非充分条件。该研究结果充实了已有关于信任的研究成果； ③已有文献主要采用单个方法如ＳＥＭ 进行分析， 本文采用了ＳＥＭ 与ｆｓＱＣＡ 混合方法， 相对于ＳＥＭ 仅能考察因果对称关系和单个变量对结果变量的“净效应”， ｆｓＱＣＡ 能考察因果非对称关系及变量组合（组态）的作用， 因此整合二者能够提供相对于单个方法更丰富的结果。

本文的结果具有以下启示： ①开源软件社区需要关注用户动机来激励其贡献行为。每个用户参与社区贡献时， 依据代码的难易程度发放相应的积分。当积分到达对应等级时， 赋予相应等级标志，以显示该用户对社区知识的贡献。积分累积达成的等级在一定程度上能够加强用户对自身能力的信心， 进而会促进用户的知识贡献行为； ②社區可以举办一些活动来提高用户对社区的认同。例如， 可以经常组织面对面的线下交流活动， 邀请一些级别比较高的用户、专家等与社区用户进行知识和经验的交流， 进而提升用户对社区的归属感和认同感。进一步加强用户之间的互动关系， 使得相互间更加了解与熟悉； ③社区可采取提高平台响应速度、提供可靠服务等措施， 改善用户的交互体验， 并可统计归纳出常用词汇、缩略语等推送给用户， 建立其对共同语言的认知， 从而促进代码贡献。

本文的不足包括： ①本文主要考察了部分动机因素的影响， 未来研究可以考察其他动机如利他主义、成就感、经济回报等对用户贡献行为的作用；②用户贡献行为是一个动态的过程， 本文主要进行了截面研究， 未来可以开展纵向研究以考察用户贡献行为的变化。

参考文献

［１］ 工业和信息化部． “十四五” 大数据产业发展规划［Ｒ］． ２０２１．

［２］ 刘鹏， 张鹏臣， 王念新． 开源软件社区开发者协作网络结构演

化分析———以Ｃｌｏｕｄ Ｆｏｕｎｄｒｙ 社区为例［ Ｊ］． 复杂系统与复杂

性科学， ２０１９， １６ （４）： ３１－４３．

［３］ Ｚｈｏｕ Ｔ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｕｓｅｒｓ Ｃｏｎｔｒｉｂｕｔｉｏｎｓ ｉｎ Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔｗａｒｅ

Ｃｏｍｍｕｎｉｔｉｅｓ： Ａ Ｓｏｃｉａｌ Ｉｎｆｌｕｅｎｃｅ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒ?

ｎａｌ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｈｕｍａｎ Ｉｎｔｅｒａｃｔｉｏｎ， ２０２０， １６ （４）： １０５－１１７．

［４］ Ｂａｇｏｚｚｉ Ｒ Ｐ， Ｄｈｏｌａｋｉａ Ｕ Ｍ． Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔｗａｒｅ Ｕｓｅｒ Ｃｏｍｍｕｎｉ?

ｔｉｅｓ： Ａ Ｓｔｕｄｙ ｏｆ Ｐａｒｔｉｃｉｐａｔｉｏｎ ｉｎ Ｌｉｎｕｘ Ｕｓｅｒ Ｇｒｏｕｐｓ ［Ｊ］． Ｍａｎａｇｅ?

ｍｅｎｔ Ｓｃｉｅｎｃｅ， ２００６， ５２ （７）： １０９９－１１１５．

［５］ 卢冬冬， 吴洁， 刘鹏， 等． 开源软件核心开发者流失的级联效

应仿真［Ｊ］． 复杂系统与复杂性科学， ２０２１， １８ （２）： ５１－５９．

［６］ 陈丹， 王星， 何鹏， 等． 开源社区中已有开发者的合作行为分

析［Ｊ］． 计算机科学， ２０１６， ４３ （Ｓ１）： ４７６－４７９， ５０１．

［７］ 田颖， 常焙筌， 田增瑞， 等． 是否知识共享？———基于开源数字

创新社区视角［Ｊ］． 科学学研究， ２０２１， ３９ （８）： １４７４－１４８４．

［８］ 常静， 欧瑞秋， 陈泉． 分布式创新参与者动机对行为的影响机

制： 以开源社区为例［Ｊ］． 科技进步与对策， ２０１６， ３３ （２４）：

１７－２３．

［９］ 何鹏， 李兵， 杨习辉， 等． 开源软件社区开发者偏好合作行为

研究［Ｊ］． 计算机科学， ２０１５， ４２ （２）： １６１－１６６．

［１０］ Ｗｅｉ Ｋ， Ｃｒｏｗｓｔｏｎ Ｋ， Ｅｓｅｒｙｅｌ Ｕ Ｙ， ｅｔ ａｌ． Ｒｏｌｅｓ ａｎｄ Ｐｏｌｉｔｅｎｅｓｓ

Ｂｅｈａｖｉｏｒ ｉｎ Ｃｏｍｍｕｎｉｔｙ－ｂａｓｅｄ Ｆｒｅｅ／ Ｌｉｂｒｅ Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔｗａｒｅ Ｄｅ?

ｖｅｌｏｐｍｅｎｔ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０１６， ５４ （５）： ５７３－

５８２．

［１１］ 张琳， 闫强， 刘奕． 电子商务网站社交因素对消费者电子口

碑发布动机及意愿的影响［Ｊ］． 清华大学学报（自然科学版），

２０１８， ５８ （９）： ８０８－８１３．

［１２］ 秦敏， 乔晗， 陈良煌． 基于ＣＡＳ 理论的企业开放式创新社区

在线用户贡献行为研究： 以国内知名企业社区为例［ Ｊ］． 管

理评论， ２０１５， ２７ （１）： １２６－１３７．

［１３］ Ｃｏｃｋｒｅｌｌ Ｒ Ｃ， Ｓｔｏｎｅ Ｄ Ｎ． Ｉｎｄｕｓｔｒｙ Ｃｕｌｔｕｒｅ Ｉｎｆｌｕｅｎｃｅｓ Ｐｓｅｕｄｏｋｎｏｗｌｅｄｇｅ

Ｓｈａｒｉｎｇ： Ａ Ｍｕｌｔｉｐｌｅ Ｍｅｄｉａｔｉｏｎ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ

Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅｎｔ， ２０１０， １４ （６）： ８４１－８５７．

［１４］ Ｄｅｃｉ Ｅ Ｌ， Ｒｙａｎ Ｒ Ｍ． Ｉｎｔｒｉｎｓｉｃ Ｍｏｔｉｖａｔｉｏｎ ａｎｄ Ｓｅｌｆ－Ｄｅｔｅｒｍｉｎａ?

ｔｉｏｎ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ ［ Ｊ］． Ｃｏｎｔｅｍｐｏｒａｒｙ Ｓｏｃｉｏｌｏｇｙ， １９８８， １７

（２）： ２５３．

［１５］ Ｗａｓｋｏ Ｍ Ｍ， Ｆａｒａｊ Ｓ． Ｗｈｙ Ｓｈｏｕｌｄ Ｉ Ｓｈａｒｅ？ Ｅｘａｍｉｎｉｎｇ Ｓｏｃｉａｌ

Ｃａｐｉｔａｌ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｃｏｎｔｒｉｂｕｔｉｏｎ ｉｎ Ｅｌｅｃｔｒｏｎｉｃ Ｎｅｔｗｏｒｋｓ ｏｆ Ｐｒａｃ?

ｔｉｃｅ ［Ｊ］． ＭＩＳ Ｑｕａｒｔｅｒｌｙ， ２００５， ２９ （１）： ３５－５７．

［１６］ Ｉｓｋｏｕｊｉｎａ Ｚ， Ｒｏｂｅｒｔｓ Ｊ． Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ｉｎ Ｏｐｅｎ Ｓｏｕｒｃｅ Ｓｏｆｔ?

ｗａｒｅ Ｃｏｍｍｕｎｉｔｉｅｓ： Ｍｏｔｉｖａｔｉｏｎｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ

Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅｍｅｎｔ， ２０１５， １９ （４）： ７９１－８１３．

［１７］ Ｔａｎｇ Ｑ， Ｚｈａｏ Ｘ， Ｌｉｕ Ｓ． Ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｉｎｔｒｉｎｓｉｃ ａｎｄ Ｅｘｔｒｉｎｓｉｃ Ｍｏｔｉ?

ｖａｔｉｏｎｓ ｏｎ Ｍｏｂｉｌｅ Ｃｏｕｐｏｎ Ｓｈａｒｉｎｇ ｉｎ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｓｉｔｅｓ ｔｈｅ Ｒｏｌｅ ｏｆ

Ｃｏｕｐｏｎ Ｐｒｏｎｅｎｅｓｓ ［Ｊ］． Ｉｎｔｅｒｎｅｔ Ｒｅｓｅａｒｃｈ， ２０１６， ２６ （１）： １０１－

１１９．

［１８］ Ｓｕｎ Ｙ， Ｆａｎｇ Ｙ， Ｌｉｍ Ｋ Ｈ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｓｕｓｔａｉｎｅｄ Ｐａｒｔｉｃｉｐａ?

ｔｉｏｎ ｉｎ Ｔｒａｎｓａｃｔｉｏｎａｌ Ｖｉｒｔｕａｌ Ｃｏｍｍｕｎｉｔｉｅｓ ［ Ｊ］． Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ

Ｓｙｓｔｅｍｓ， ２０１２， ５３ （１）： １２－２２．

［１９］ Ｙａｎ Ｙ， Ｄａｖｉｓｏｎ Ｒ Ｍ． Ｅｘｐｌｏｒｉｎｇ Ｂｅｈａｖｉｏｒａｌ Ｔｒａｎｓｆｅｒ ｆｒｏｍ Ｋｎｏｗｌ?

ｅｄｇｅ Ｓｅｅｋｉｎｇ ｔｏ Ｋｎｏｗｌｅｄｇｅ Ｃｏｎｔｒｉｂｕｔｉｎｇ： Ｔｈｅ Ｍｅｄｉａｔｉｎｇ Ｒｏｌｅ ｏｆ Ｉｎ?

ｔｒｉｎｓｉｃ Ｍｏｔｉｖａｔｉｏｎ ［Ｊ］． ２０１３， ６４ （６）： １１４４－１１５７．

［２０］ Ｚｈａｎｇ Ｘ， Ｌｉｕ Ｓ， Ｃｈｅｎ Ｘ， ｅｔ ａｌ． Ｓｏｃｉａｌ Ｃａｐｉｔａｌ， Ｍｏｔｉｖａｔｉｏｎｓ，

ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ Ｉｎｔｅｎｔｉｏｎ ｉｎ Ｈｅａｌｔｈ Ｑ＆Ａ Ｃｏｍｍｕｎｉｔｉｅｓ ［Ｊ］．

Ｍａｎａｇｅｍｅｎｔ Ｄｅｃｉｓｉｏｎ， ２０１７， ５５ （７）： １５３６－１５５７．

［２１］ Ｈａｓｓａｎ Ｓ， Ｒｉｙａｄ Ｅ， Ｇｏｍａａ Ａ， ｅｔ ａｌ． Ｃｒｏｓｓ－ｎａｔｉｏｎａｌ Ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ

Ｔｒａｖｅｌｅｒｓ Ｃｏｎｔｉｎｕａｎｃｅ ｏｆ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ｉｎ Ｏｎｌｉｎｅ Ｔｒａｖｅｌ Ｃｏｍｍｕ?

ｎｉｔｉｅｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｔａｉｌｉｎｇ ａｎｄ Ｃｏｎｓｕｍｅｒ Ｓｅｒｖｉｃｅｓ， ２０２２， ６５：

１０２８８６．

［２２］ Ｙａｎ Ｊ， Ｌｅｉｄｎｅｒ Ｄ Ｅ， Ｂｅｎｂｙａ Ｈ， ｅｔ ａｌ． Ｓｏｃｉａｌ Ｃａｐｉｔａｌ ａｎｄ

Ｋｎｏｗｌｅｄｇｅ Ｃｏｎｔｒｉｂｕｔｉｏｎ ｉｎ Ｏｎｌｉｎｅ Ｕｓｅｒ Ｃｏｍｍｕｎｉｔｉｅｓ： Ｏｎｅ－ｗａｙ ｏｒ

Ｔｗｏ－ｗａｙ Ｒｅｌａｔｉｏｎｓｈｉｐ？ ［ Ｊ］． Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ， ２０１９，

１２７ （Ｃ）： １１３１３１．

［２３］ Ｚｈｏｕ Ｔ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｕｓｅｒｓ Ｃｏｎｔｒｉｂｕｔｉｏｎ ｉｎ Ｏｐｅｎ Ｉｎｎｏｖａｔｉｏｎ

Ｃｏｍｍｕｎｉｔｉｅｓ： Ａ Ｓｏｃｉａｌ Ｃａｐｉｔａｌ Ｐｅｒｓｐｅｃｔｉｖｅ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ｊｏｕｒｎａｌ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｈｕｍａｎ Ｉｎｔｅｒａｃｔｉｏｎ， ２０２０， １６ （ ４）：

１０５－１１７．

［２４］ Ｓｕｎ Ｙ， Ｆａｎｇ Ｙ， Ｌｉｍ Ｋ Ｈ， ｅｔ ａｌ． Ｕｓｅｒ Ｓａｔｉｓｆａｃｔｉｏｎ ｗｉｔｈ Ｉｎｆｏｒｍａ?

ｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｓｅｒｖｉｃｅ Ｄｅｌｉｖｅｒｙ： Ａ Ｓｏｃｉａｌ Ｃａｐｉｔａｌ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｊ］．

Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｒｅｓｅａｒｃｈ， ２０１２， ２３ （４）： １１９５－１２１１．

［２５］ Ｗａｎｇ Ｔ， Ｙｅｈ Ｒ Ｋ Ｊ， Ｃｈｅｎ Ｃ， ｅｔ ａｌ． Ｗｈａｔ Ｄｒｉｖｅｓ Ｅｌｅｃｔｒｏｎｉｃ

Ｗｏｒｄ－ｏｆ－Ｍｏｕｔｈ ｏｎ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｉｔｅｓ？ Ｐｅｒｓｐｅｃｔｉｖｅｓ ｏｆ Ｓｏｃｉａｌ

Ｃａｐｉｔａｌ ａｎｄ Ｓｅｌｆ －ｄｅｔｅｒｍｉｎａｔｉｏｎ ［ Ｊ］． Ｔｅｌｅｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｃｓ，

２０１６， ３３ （４）： １０３４－１０４７．

［２６］ Ｃｈｉｕ Ｃ Ｍ， Ｈｓｕ Ｍ Ｈ， Ｗａｎｇ Ｅ Ｔ Ｇ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｋｎｏｗｌｅｄｇｅ Ｓｈａ?

ｒｉｎｇ ｉｎ Ｖｉｒｔｕａｌ Ｃｏｍｍｕｎｉｔｉｅｓ： Ａｎ Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ Ｓｏｃｉａｌ Ｃａｐｉｔａｌ ａｎｄ Ｓｏ?

ｃｉａｌ Ｃｏｇｎｉｔｉｖｅ Ｔｈｅｏｒｉｅｓ ［ Ｊ］． Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ， ２００６， ４２

（３）： １８７２－１８８８．

［２７］ Ｃｓｉｋｓｚｅｎｔｍｉｈａｌｙｉ Ｍ． Ｂｅｙｏｎｄ Ｂｏｒｅｄｏｍ ａｎｄ Ａｎｘｉｅｔｙ ［Ｍ］． Ｊｏｓｓｅｙ－

Ｂａｓｓ Ｐｕｂｌｉｓｈｅｒｓ， １９７５．

［ ２８］ Ｔｏｒｖａｌｄｓ Ｌ， Ｄｉａｍｏｎｄ Ｄ． Ｊｕｓｔ ｆｏｒ Ｆｕｎ： Ｔｈｅ Ｓｔｏｒｙ ｏｆ ａｎ Ａｃｃｉｄｅｎｔａｌ

Ｒｅｖｏｌｕｔｉｏｎａｒｙ Ｌｉｎｕｓ Ｔｏｒｖａｌｄｓ ｗｉｔｈ Ｄａｖｉｄ Ｄｉａｍｏｎｄ ［Ｊ］． Ｈａｒｐｅｒｂｕｓ?

ｉｎｅｓｓ， ２００１， ５０ （７）．

［２９］ Ｚｈｏｕ Ｊ， Ｚｕｏ Ｍ， Ｙｕ Ｙ， ｅｔ ａｌ． Ｈｏｗ Ｆｕｎｄａｍｅｎｔａｌ ａｎｄ Ｓｕｐｐｌｅ?

ｍｅｎｔａｌ Ｉｎｔｅｒａｃｔｉｏｎｓ Ａｆｆｅｃｔ Ｕｓｅｒｓ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ｉｎ Ｖｉｒｔｕａｌ Ｃｏｍ?

ｍｕｎｉｔｉｅｓ？ Ａ Ｓｏｃｉａｌ Ｃｏｇｎｉｔｉｖｅ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｊ］． Ｉｎｔｅｒｎｅｔ Ｒｅｓｅａｒｃｈ，

２０１４， ２４ （５）： ５６６－５８６．

［３０］ Ｂｏｃｋ Ｇ Ｗ， Ｋｉｍ Ｙ Ｇ． Ｂｒｅａｋｉｎｇ ｔｈｅ Ｍｙｔｈｓ ｏｆ Ｒｅｗａｒｄｓ： Ａｎ Ｅｘ?

ｐｌｏｒａｔｏｒｙ Ｓｔｕｄｙ ｏｆ Ａｔｔｉｔｕｄｅｓ Ａｂｏｕｔ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ［ Ｊ］． Ｉｎｆｏｒ?

ｍａｔｉｏｎ Ｒｅｓｏｕｒｃｅｓ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ， ２００２， １５ （２）： １４－２１．

［３１］ Ｋａｎｋａｎｈａｌｌｉ Ａ， Ｔａｎ Ｂ Ｃ Ｙ， Ｗｅｉ Ｋ Ｋ． Ｃｏｎｔｒｉｂｕｔｉｎｇ Ｋｎｏｗｌｅｄｇｅ

ｔｏ Ｅｌｅｃｔｒｏｎｉｃ Ｋｎｏｗｌｅｄｇｅ Ｒｅｐｏｓｉｔｏｒｉｅｓ： Ａｎ Ｅｍｐｉｒｉｃａｌ Ｉｎｖｅｓｔｉｇａｔｉｏｎ

［Ｊ］． ＭＩＳ Ｑｕａｒｔｅｒｌｙ， ２００５， ２９ （１）： １１３－１４３．

［３２］ Ｈｕｎｇ Ｓ Ｙ， Ｄｕｒｃｉｋｏｖａ Ａ， Ｌａｉ Ｈ Ｍ， ｅｔ ａｌ． Ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｉｎ?

ｔｒｉｎｓｉｃ ａｎｄ Ｅｘｔｒｉｎｓｉｃ Ｍｏｔｉｖａｔｉｏｎ ｏｎ Ｉｎｄｉｖｉｄｕａｌｓ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ

Ｂｅｈａｖｉｏｒ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｈｕｍａｎ－Ｃｏｍｐｕｔｅｒ Ｓｔｕｄｉｅｓ，

２０１１， ６９ （６）： ４１５－４２７．

［３３］ Ｃｈａｎｇ Ｈ Ｈ， Ｃｈｕａｎｇ Ｓ Ｓ． Ｓｏｃｉａｌ Ｃａｐｉｔａｌ ａｎｄ Ｉｎｄｉｖｉｄｕａｌ Ｍｏｔｉｖａ?

ｔｉｏｎｓ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ： Ｐａｒｔｉｃｉｐａｎｔ Ｉｎｖｏｌｖｅｍｅｎｔ ａｓ ａ Ｍｏｄｅｒａ?

ｔｏｒ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０１１， ４８ （１）： ９－１８．

［３４］ Ｔａｍｊｉｄｙａｍｃｈｏｌｏ Ａ， Ｂａｂａ Ｍ Ｓ Ｂ， Ｔａｍｊｉｄ Ｈ， ｅｔ ａｌ． Ｉｎｆｏｒｍａｔｉｏｎ

Ｓｅｃｕｒｉｔｙ－Ｐｒｏｆｅｓｓｉｏｎａｌ Ｐｅｒｃｅｐｔｉｏｎｓ ｏｆ Ｋｎｏｗｌｅｄｇｅ－ｓｈａｒｉｎｇ Ｉｎｔｅｎｔｉｏｎ

Ｕｎｄｅｒ Ｓｅｌｆ － ｅｆｆｉｃａｃｙ， Ｔｒｕｓｔ， Ｒｅｃｉｐｒｏｃｉｔｙ， ａｎｄ Ｓｈａｒｅｄ － ｌａｎｇｕａｇｅ

［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ， ２０１３， ６８： ２２３－２３２．

［３５］ Ｎａｈａｐｉｅｔ Ｊ， Ｇｈｏｓｈａｌ Ｓ． Ｓｏｃｉａｌ Ｃａｐｉｔａｌ， Ｉｎｔｅｌｌｅｃｔｕａｌ Ｃａｐｉｔａｌ， ａｎｄ

ｔｈｅ Ｏｒｇａｎｉｚａｔｉｏｎａｌ Ａｄｖａｎｔａｇｅ ［Ｊ］． Ｔｈｅ Ａｃａｄｅｍｙ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｒｅ?

ｖｉｅｗ， １９９８， ２３ （２）： ２４２－２６６．

［３６］ Ｌｉ Ｃ Ｙ， Ｋｕ Ｙ Ｃ． Ｔｈｅ Ｐｏｗｅｒ ｏｆ ａ Ｔｈｕｍｂｓ－ｕｐ： Ｗｉｌｌ Ｅ－ｃｏｍｍｅｒｃｅ

Ｓｗｉｔｃｈ ｔｏ Ｓｏｃｉａｌ Ｃｏｍｍｅｒｃｅ？ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ， ２０１８，

５５ （３）： ３４０－３５７．

［３７］ Ｗａｓｋｏ Ｍ Ｍ， Ｆａｒａｊ Ｓ． “Ｉｔ ｉｓ Ｗｈａｔ Ｏｎｅ Ｄｏｅｓ”： Ｗｈｙ Ｐｅｏｐｌｅ Ｐａｒ?

ｔｉｃｉｐａｔｅ ａｎｄ Ｈｅｌｐ Ｏｔｈｅｒｓ ｉｎ Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｍｍｕｎｉｔｉｅｓ ｏｆ Ｐｒａｃｔｉｃｅ ［Ｊ］．

Ｊｏｕｒｎａｌ ｏｆ Ｓｔｒａｔｅｇｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ， ２０００， ９ （２）： １５５－１７３．

［３８］ Ｌｉｎ Ｘ Ｌ， Ｗａｎｇ Ｘ Ｑ， Ｈａｊｌｉ Ｎ． Ｂｕｉｌｄｉｎｇ Ｅ－Ｃｏｍｍｅｒｃｅ Ｓａｔｉｓｆａｃ?

ｔｉｏｎ ａｎｄ Ｂｏｏｓｔｉｎｇ Ｓａｌｅｓ： Ｔｈｅ Ｒｏｌｅ ｏｆ Ｓｏｃｉａｌ Ｃｏｍｍｅｒｃｅ Ｔｒｕｓｔ ａｎｄ Ｉｔｓ

Ａｎｔｅｃｅｄｅｎｔｓ ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｍｍｅｒｃｅ，

２０１９， ２３ （３）： ３２８－３６３．

［３９］ 周涛， 石楠． 整合社会支持与网络外部性视角的社会化商务

用户体验研究［Ｊ］． 信息与管理研究， ２０１９， ４ （６）： １３－２３．

［４０］ Ｄｈｏｌａｋｉａ Ｕ Ｍ， Ｂａｇｏｚｚｉ Ｒ Ｐ， Ｐｅａｒｏ Ｌ Ｋ． Ａ Ｓｏｃｉａｌ Ｉｎｆｌｕｅｎｃｅ

Ｍｏｄｅｌ ｏｆ Ｃｏｎｓｕｍｅｒ Ｐａｒｔｉｃｉｐａｔｉｏｎ ｉｎ Ｎｅｔｗｏｒｋ－ａｎｄ Ｓｍａｌｌ－Ｇｒｏｕｐ－

Ｂａｓｅｄ Ｖｉｒｔｕａｌ Ｃｏｍｍｕｎｉｔｉｅｓ ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｓｅａｒｃｈ

ｉｎ Ｍａｒｋｅｔｉｎｇ， ２００３， ２１ （３）： ２４１－２６３．

［４１］ Ｆｉｓｈｂｅｉｎ Ｍ， Ａｊｚｅｎ Ｉ． Ｂｅｌｉｅｆ， Ａｔｔｉｔｕｄｅ， Ｉｎｔｅｎｔｉｏｎ ａｎｄ Ｂｅｈａｖｉｏｒ：

Ａｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｔｈｅｏｒｙ ａｎｄ Ｒｅｓｅａｒｃｈ ［Ｊ］． Ｃｏｎｔｅｍｐｏｒａｒｙ Ｓｏｃｉｏｌ?

ｏｇｙ， １９７７， １０ （２）： １３０－１３２

［４２］ 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， ３１ （４）： １１９－１２３．

［４３］ Ｖｅｎｋａｔｅｓｈ Ｖ， Ｄａｖｉｓ Ｆ Ｄ． Ａ Ｔｈｅｏｒｅｔｉｃａｌ Ｅｘｔｅｎｓｉｏｎ ｏｆ ｔｈｅ Ｔｅｃｈｎｏｌｏ?

ｇｙ Ａｃｃｅｐｔａｎｃｅ Ｍｏｄｅｌ： Ｆｏｕｒ Ｌｏｎｇｉｔｕｄｉｎａｌ Ｆｉｅｌｄ Ｓｔｕｄｉｅｓ ［Ｊ］． Ｍａｎ?

ａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ， ２０００， ４６ （２）： １８６－２０４．