朱建明 李 慧

（中央財經大學 信息學院，北京 100081）

眾包創(chuàng)新任務參與意愿的關鍵影響因素研究

朱建明 李 慧

（中央財經大學 信息學院，北京 100081）

結合我國眾包現狀，基于技術接受與使用整合模型（UTAUT模型），提出了改進的研究模型。通過問卷調查收集實證數據，進行信度和效度檢驗；采用結構方程模型（SEM）分析網絡社區(qū)眾包創(chuàng)新任務參與意愿的關鍵影響因素，并驗證了研究結果在不同性別、年齡和經驗分組中的穩(wěn)定性。研究發(fā)現，績效期望、努力期望和任務條件都是眾包參與意愿的關鍵影響因素，且與眾包參與意愿正向相關。

眾包 ；創(chuàng)新；參與意愿；UTAUT模型；

近日，國務院發(fā)布了推動眾創(chuàng)支撐平臺指導意見，指出要加快發(fā)展眾創(chuàng)、眾籌、眾扶、眾包等支撐平臺。其中，眾包是利用網絡社區(qū)將分散在各地的消費者所形成的知識網絡進行整合，調動他們的閑置腦力進行產品和服務的創(chuàng)新。眾包式創(chuàng)新的效率高且效果好[1]。Winsor[2]大膽預測眾包最終將成為企業(yè)中主導性的創(chuàng)新模式。但是眾包在我國企業(yè)中的應用仍存在一些問題。主要是眾包平臺的功能不夠完善，而且平臺上發(fā)布的任務對接包方缺乏吸引力，導致用戶參與任務的積極性和努力程度不夠。然而，大眾的參與是眾包創(chuàng)新成功的關鍵。因此，探索并發(fā)現哪些因素將對大眾參與眾包任務的意愿產生重要影響，具有重要意義。

一、研究模型與假設

考慮到眾包在我國是一種新生事物，存在用戶是否愿意接受并使用的問題。另外為了拓展研究視角，本文以UTAUT模型為基礎，結合我國眾包網站特色，提出改進的研究模型。

在UTAUT模型中，主要有4個核心維度，分別是績效期望、努力期望、社群影響和配合情況。UTAUT模型中還有4個調節(jié)變量，分別是性別、年齡、經驗和自愿性。在眾包模式中，社區(qū)網民有很大的自主權，是否參與、何時參與以及怎樣參與任務都由大眾自己決定。也就是說，眾包任務解決者都是自愿參與的。故本研究的控制變量中將去除自愿性，只保留性別、年齡和經驗這3個變量。

本文的研究重點在于眾包任務的參與意愿，而非實際的參與任務的行為，故本文的研究模型中去除了使用行為這一變量。由于Venkatesh等[3]指出，配合情況可作為行為意圖的直接影響因素。因此本文并未去除配合情況這一變量，而是將其轉變?yōu)閰⑴c意愿的直接影響因素。

侯文華和鄭海超[4]認為，任務屬性是影響大眾參與意愿和行為的重要因素。本文將把任務條件作為參與眾包行為意圖的直接影響因素加入到研究模型中。于是提出研究模型如圖1所示。

圖1 眾包創(chuàng)新任務參與意愿的影響因素研究模型

在本模型中，績效期望是指個人預期參與眾包有助于獲得相關收益的程度。努力期望是指個人預期參與眾包的容易程度。社群影響指個人認為對他有影響或很重要的人支持他參與眾包的程度。配合情況是個人認為眾包平臺在功能方面提供支持的程度。任務條件是個人認為眾包平臺上的任務有利于他參與的程度。提出如下假設：

H1：績效期望與參與眾包的行為意圖正相關，即大眾預期參與眾包獲得的收益越大，其參與意愿越強烈。

H2：努力期望與參與眾包的行為意圖正相關，即大眾預期參與眾包越容易，其參與意愿越強烈。

H3：社群影響與參與眾包的行為意圖正相關，即大眾受到的社群影響越大，其參與意愿越強烈。

H4：配合情況與參與眾包的行為意圖正相關，即眾包平臺在功能上為大眾提供的促進條件越多，大眾的參與意愿越強烈。

H5：任務條件與參與眾包的行為意圖正相關，即大眾認為對其有利的眾包任務的客觀條件越多，其參與意愿越強烈。

考慮性別、年齡和經驗這三個控制變量對自變量與因變量之間影響的調節(jié)作用，男性一般比女性更有好奇心，更樂于接受和學習新鮮事物，比如眾包，而且在各個專業(yè)領域的精英者中一般也是男性居多，所以在自變量保持不變的情況下，男性可能比女性參與眾包的意愿更強烈。也就是說，性別對自變量與因變量間的影響具有一定調節(jié)作用。同樣道理，年輕人一般比年長者容易接受和快速學習新鮮事物，故前者可能比后者想要參與眾包的意愿更強烈。而有經驗的人比缺乏經驗的人的學習成本更低，因此可能更愿意參與眾包解決任務。也就是說，年齡和經驗對各自變量與因變量間的影響具有一定調節(jié)作用?；谝陨戏治?，提出假設如下：

H6：性別的調節(jié)作用顯著。

H7：年齡的調節(jié)作用顯著。

H8：經驗的調節(jié)作用顯著。

二、問卷設計與數據收集

（一）問卷設計

本文量表設計參考了國內外相關研究，并結合我國眾包現狀進行了適當修正。為保證調查問卷的有效性，首先進行預調研，在任務中國和豬八戒網上將問卷調查作為任務發(fā)布，以現金懸賞的方式邀請接包方填寫問卷，將答卷時間太短、漏答、作答有規(guī)律，以及答案前后矛盾等情況視為無效問卷。共收集到有效問卷67份。使用探索性因子分析法重塑因子構面，并去除不滿足聚合效度和區(qū)別效度的測量項，最終得到正式調研所用的問卷。

（二）數據收集

正式調研階段，分別開展線上和線下調研。數據來源為大專、大本、碩士和博士這一文化素質較高的年輕一代群體，他們是眾包創(chuàng)新的最有潛力的參與者。這樣選取數據雖缺乏普適性，卻具有一定現實意義。

問卷共回收263份，篩選出有效問卷221份。有效問卷的數量在問卷題項數的5～10倍之間，符合統(tǒng)計分析的樣本數要求。

三、數據分析

（一）數據分析方法

本文主要使用AMOS17.0進行結構方程模型分析。結構方程模型可用于建立、估計和檢驗因果關系模型，并且允許變量存在測量誤差，適合本文的研究。

（二）信度和效度檢驗

信度檢驗用于評估量表的可靠性。本文使用SPSS16.0計算Cronbach's α系數，以完成信度檢驗。整體量表及各分量表的Cronbach's α系數值均大于0.7，說明問卷的整體可靠性較高，各分量表的內部一致性也較好。

在進行結構模型的假設檢驗之前，首先要檢驗測量模型的聚合效度和區(qū)別效度。計算結果顯示，所有標準化的因子負荷都大于0.5，且達到顯著水平（T值大于1.96）。平均提取方差AVE均大于0.5，說明因子能夠解釋測量項中50%以上的信息，組合信度CR均大于0.8，且Cronbach's α系數均大于0.7。由此說明測量模型的聚合效度較好。另外，各因子AVE值的平方根均大于該因子和其他因子的相關系數，滿足區(qū)別效度的要求。

（三）結構模型分析

使用最大似然估計法進行參數估計，得到結構方程模型及其路徑系數，如圖2所示。在判斷變量間相關關系之前，首先考察模型的擬合度。本文主要根據吳明隆[5]提出的常用擬合指數及其評價標準對模型的擬合度進行了評價，結果如表1所示?？梢钥闯?，模型的擬合優(yōu)度是可以接受的。模型的路徑系數估計結果如表2所示。行為意圖＜-社群影響和行為意圖＜-配合情況這兩條路徑的P值均大于0.05，路徑系數不顯著，說明社群影響和配合情況對行為意圖的影響并不顯著。即假設H3和H4不成立。而其余三條路徑的P值均小于0.05，并且路徑系數均為正，說明各自變量與因變量之間是正相關的。即假設H1.H2和H5成立。

社群影響和配合情況對眾包參與意愿的影響無法得到驗證。從實際情況考慮，配合情況主要是眾包平臺在功能方面為接包方提供的便利條件。現有眾包網站的功能基本上大同小異，并不會帶來用戶體驗上的顯著差異?？赡苁且驗檫@個原因，配合情況不會對大眾參與眾包意愿產生顯著的影響。而社群影響指的是個人認為對他有影響或很重要的人支持他參與眾包的程度。因為目前眾包發(fā)展處在起步階段，大多數人都沒有實際參與過眾包，甚至未曾聽說過眾包。所以即使周圍的人對個人行為會造成很大的影響，也不會體現在眾包參與意愿上。

圖2 結構方程模型及其路徑系數

表1 模型擬合結果

表2 路徑系數估計結果

（四）研究結果的穩(wěn)定性分析

績效期望、努力期望和任務條件都是眾包參與意愿的關鍵影響因素，且與眾包參與意愿正向相關。為驗證這一結論的魯棒性，本文在研究模型中加入了性別、年齡和經驗這3個控制變量。在AMOS中使用多群組分析法檢驗控制變量的調節(jié)效應，通過設定因子負荷相同，即限制路徑系數相等，可比較控制變量在解釋因變量時的分組結構差異。如果因子負荷相同的多組模型經檢驗顯著，則說明控制變量的調節(jié)作用顯著[6]。分別根據性別、年齡和經驗進行分組，假設無限制模型是正確的，將限制模型與其進行比較，發(fā)現卡方值改變量CMIN/df的臨界比率P均大于0.05，未通過顯著性檢驗，說明這些控制變量的調節(jié)作用不顯著，即假設H6.H7和H8不成立。于是驗證了研究結果在不同性別、年齡和經驗分組中的穩(wěn)定性。

四、結 語

本文主要通過實證研究的方式探討了影響大眾參與眾包任務意愿的關鍵因素。通過分析發(fā)現，社群影響和配合情況對眾包參與意愿的影響不顯著。而績效期望、努力期望和任務條件都是眾包參與意愿的關鍵影響因素，且與眾包參與意愿正向相關。

根據前述研究結論，可進一步對眾包平臺和發(fā)包方的發(fā)展提出建議。為提升績效期望，眾包平臺可以開展職業(yè)發(fā)展服務，吸引大眾為了獲得就業(yè)機會而參與任務。發(fā)包方可通過發(fā)布眾包任務選拔人才，彌補職位空缺。這不僅能為企業(yè)招攬人才，還能為接包方提供職業(yè)發(fā)展機會，從而提升大眾的預期收益，增強其參與眾包的意愿。為提升大眾努力期望，眾包平臺應完善信息溝通機制，方便平臺和發(fā)包方為接包方解疑答惑，有效降低其參與任務的感知難度。同時，發(fā)包方應及時回復任務參與者的問題，以使其疑問盡快得到解決，并對眾包任務的要求更加明確。在任務條件方面，眾包平臺應嚴格審核任務描述，確保其清晰易懂，而發(fā)包方在設計任務時，不僅要保證任務描述清晰明了，還要保證任務簡單。發(fā)包方可將一個任務分割成多個任務，以降低單個任務的難度，提升大眾參與意愿。另外，任務定價要合理。要考慮大眾的預期收益，價格不能過低，同時要保證收入大于成本，企業(yè)需評估最優(yōu)方案所能帶來的經濟效益，保證收益大于報酬支出，價格不能過高。

在數據和理論支撐下，本文為眾包平臺和發(fā)包方提出相應運營管理建議，有助于眾包的成功實施，以及眾包平臺和發(fā)包方企業(yè)競爭力的增強，有助于促進研發(fā)、運維、內容知識和生活服務等眾包的應用。在相關政策和各地區(qū)各部門對四眾的支持下，“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的新局面指日可待。

然而，本研究仍存在一些不足之處。其一是調研樣本局限。問卷調查對象主要是學生群體，使研究結論的普適性受到限制。其二，存在調查誤差。量表中大多問題需要答卷人根據自身經歷和感受進行打分，受主觀因素影響會使結果產生偏差。其三是研究對象的局限性。本文的研究對象是包括眾包平臺在內的眾包模式。實際上，企業(yè)可自建眾包平臺。

本文并未涉及這類眾包模式下大眾參與意愿的研究。綜合來看，本文比較深入地探討了網絡社區(qū)眾包創(chuàng)新任務參與意愿的關鍵影響因素，后續(xù)研究可進一步結合博弈論等其他理論研究眾包創(chuàng)新模式的激勵機制。

[1]Luz，Silva，Novais.A Survey of Task-oriented Crowdsourcing[J].Artificial Intelligence Review,2015,44(2):1-27.

[2]Winsor, John.Crowdsourcing: What It Means for

Innovation[J].Business Week Online, 2009,16(6):14-14.[3]Venkatesh V, Thong J, Xu X.Consumer Acceptance and Use of Information Technology: Extending the Uni fi ed Theory of Acceptance and Use of Technology[J].MIS Quarterly, 2012, 36(1): 157-178.

[4]侯文華, 鄭海超.眾包競賽:一把開啟集體智慧的鑰匙[M].北京：科學出版社，2012.

[5]吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2010.

[6]王衛(wèi)東.結構方程模型原理與應用[M].北京：中國人民大學出版社，2009.

C93;F273.1

A

1003-1154(2016)01-0058-03

10.3969/j.issn.1003-1154.2016.01.019

北京市哲學社會科學重點項目（14JGA001）.