費(fèi)豪澤 周斌 劉鵬 朱建學(xué)

社會化問答中回答者在線互動行為對信息采納影響的實證分析*

費(fèi)豪澤1,2周斌1,2劉鵬1,2朱建學(xué)1,2

（1. 江蘇科技大學(xué)服務(wù)制造模式與信息化研究中心，鎮(zhèn)江 212003；2. 江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院，鎮(zhèn)江 212003）

信息采納作為回答者知識貢獻(xiàn)所得的認(rèn)可影響問答社區(qū)用戶知識共享的積極性，而在線互動在信息采納過程中發(fā)揮著不可忽視的作用，因此通過回答者在線互動對信息采納的影響進(jìn)行研究具有現(xiàn)實意義。本文以知乎問答為研究樣本，在信息采納模型的基礎(chǔ)上融入在線互動理論，充分考慮響應(yīng)性的關(guān)鍵作用，采用負(fù)二項回歸方法，通過回答者在線互動對信息采納的直接影響及調(diào)節(jié)效應(yīng)進(jìn)行實證分析。研究表明，回答者在線互動各因子（互動數(shù)量、回復(fù)及時性、豐富性）對信息采納度均有正向影響，對信息質(zhì)量和信息源可靠性的調(diào)節(jié)作用各異。本研究結(jié)果為社會化問答社區(qū)和其中的作答用戶提供了明確的影響機(jī)制和切實可行的建議。

問答社區(qū)；在線互動；調(diào)節(jié)作用；信息接受模型

Web 2.0和UGC模式的興起改變了用戶的搜索和分享信息的方式，作為解決隱性知識即時搜索這一痛點的社會化問答社區(qū)應(yīng)運(yùn)而生并迅速發(fā)展[1-2]。社會化問答社區(qū)是通過在線形式支持大眾用自然語言表達(dá)對隱性知識的需求和回復(fù)[3]，依靠問答互助匯聚群眾智慧，將“問答”與“社交互動”相結(jié)合的虛擬社區(qū)[4]。不同于百科和傳統(tǒng)問答，社會化問答社區(qū)通過其社交網(wǎng)絡(luò)和反饋機(jī)制在支持用戶進(jìn)行相關(guān)活動時更具有互動性和協(xié)調(diào)性[5]，幫助用戶交流和整合想法[6]。社區(qū)用戶在瀏覽搜尋問答時，通過與回答者或其他用戶的互動來減少不確定性，支持決策[7-8]。用戶也可查看各方互動信息來幫助決策?；卮鹫呖赏ㄟ^積極、高效的互動建立起信任，促成用戶采納決策。因而，在線互動對信息的決策和采納過程發(fā)揮著不可忽視的影響。通過對在線互動的研究，回答者可以更好地運(yùn)用在線互動，促成信息的采納，得到他人的認(rèn)可和尊重，實現(xiàn)自我價值[9]。對于社區(qū)的運(yùn)營方來說，可制定利于信息采納的措施，進(jìn)而提升用戶知識共享的積極性，解決知識貢獻(xiàn)和活躍度不高的問題[10]。然而在以往對社會化問答社區(qū)的研究中，對在線互動的研究甚少。因此，通過問答社區(qū)中回答者在線互動對信息采納的影響進(jìn)行探究具有重要的現(xiàn)實意義和理論意義。

1 相關(guān)研究評述

1.1 社會化問答社區(qū)的研究

目前，社會化問答社區(qū)如雨后春筍般涌現(xiàn)并迅猛發(fā)展，成為用戶搜尋精準(zhǔn)信息、知識共享的重要途徑，也成為國內(nèi)外學(xué)者的重點關(guān)注領(lǐng)域。其中包括以問題為中心的研究、以答案為中心的研究、以用戶為中心的研究、以平臺為中心的研究等[11]。因本文是對答案采納的研究，故只闡述以答案為中心的研究。Chua等[12]對問答社區(qū)中不同類型問答的回答質(zhì)量和回答速度的關(guān)系進(jìn)行探究，結(jié)果顯示其存在顯著差異，最佳答案相比最快出現(xiàn)的答案在整體上質(zhì)量更高，但出現(xiàn)的時間往往較晚。Fu等[13]通過綜合考慮答案的文本和非文本特征確定了4個領(lǐng)域的高質(zhì)量答案的特征，發(fā)現(xiàn)無論在哪個領(lǐng)域，榮譽(yù)徽章、提供的答案量和發(fā)布的問題量等用戶特征都是高質(zhì)量答案的有效指標(biāo)。Bae等[14]通過對Yahoo! Answers和Knowledge-iN兩個問答網(wǎng)站中關(guān)于性病問題的“最佳答案”的分析，發(fā)現(xiàn)了美國和韓國的用戶選擇最佳答案的標(biāo)準(zhǔn)與在說服性因素上的差異。Toba等[15]提出區(qū)分答案質(zhì)量的新特征和預(yù)測答案質(zhì)量的新穎通用分類框架，實驗表明相比單一分類器，該框架對低質(zhì)量答案準(zhǔn)確分類的能力更強(qiáng)。袁健等[16]基于對Stack Overflow的研究，構(gòu)建基于混合式的答案質(zhì)量評價模型。李進(jìn)華等[17]從中心路徑和邊緣路徑探究影響答案采納的因素。綜上所述，以答案為中心的研究多集中在答案的特征和質(zhì)量上，部分研究自動評估或?qū)Σ煌I(lǐng)域、平臺的問答特征和采納標(biāo)準(zhǔn)進(jìn)行比較。對于信息采納的研究相對較少，更缺乏考慮在線互動在信息采納中產(chǎn)生的影響。

1.2 在線互動

早期關(guān)于互動性的研究側(cè)重人與計算機(jī)的互動[18-19]。隨著互聯(lián)網(wǎng)的發(fā)展與普及，學(xué)者對互動性的研究逐漸擴(kuò)展至人際互動、用戶與信息互動[20-22]，并且在線互動的概念也在不斷豐富。從研究視角出發(fā)，關(guān)于在線互動的研究可分為基于結(jié)構(gòu)特征視角的研究、基于過程視角的研究和基于感知視角的研究。從整體來看，學(xué)者多從感知視角對在線互動進(jìn)行定義并研究。對在線互動的維度劃分主要分為二維度[23]、三維度[7]、四維度[24]、五維度[25]，在不同維度的劃分中各因子之間是相通的，可以概括為與用戶感知的控制程度相關(guān)的可控性、與及時并恰當(dāng)?shù)捻憫?yīng)相關(guān)的響應(yīng)性、側(cè)重于用戶間交流相關(guān)的互助性，其分別對應(yīng)用戶與網(wǎng)站的互動、用戶與供應(yīng)方的互動、用戶與用戶的互動。

目前在線互動的研究集中于網(wǎng)絡(luò)購物過程中的互動，對問答社區(qū)中互動的影響機(jī)制研究比較缺乏。在社會化問答社區(qū)中，廣泛交互性是其中一個重要且鮮明的特性。問答社區(qū)與電商平臺類似，在線互動在其中發(fā)揮改變用戶態(tài)度、促進(jìn)用戶信任、支持用戶決策的重要作用[7,8,25]。從在線口碑理論的視角來看，在線互動是社會化媒體樹立在線良好口碑的主要途徑[26]，良好的在線口碑能有效地轉(zhuǎn)變用戶的態(tài)度。從其他領(lǐng)域?qū)υ诰€互動的實證研究來看，互動確實在用戶的決策與采納中發(fā)揮著不可忽視的作用[27]。

由于本文只對社區(qū)中回答者與評論者之間的互動進(jìn)行研究，因此從感知視角出發(fā)，用響應(yīng)性這一因子來表示回答者的在線互動。

1.3 信息采納理論及模型

信息采納是用戶為滿足自身需求，主動且有目的地對信息進(jìn)行評估、篩選、采納與利用的過程[28]。信息采納源于技術(shù)接受理論在信息行為領(lǐng)域的引入，表示用戶對觀點或信息的接受。Sussman等[29]將技術(shù)接受模型（Technology Acceptance Model）和精細(xì)加工可能性模型（Elaboration Likelihood Model）進(jìn)行結(jié)合，提出了信息采納模型（Information Adoption Model），如圖1所示。信息質(zhì)量反映了信息接收者判定其信息完整、一致和準(zhǔn)確的程度，信息源可靠性則是指信息接收者認(rèn)為其信息來源可信，其信息提供者知識淵博和值得信賴的程度[29]。信息接受模型揭示了信息質(zhì)量和信息源可靠性共同影響決定信息有用性，進(jìn)而最終影響信息采納行為。

由于問答社區(qū)中存在廣泛交互行為，能有效改變用戶態(tài)度、促進(jìn)用戶信任、支持用戶決策[7,8,25]，并且是樹立在線良好口碑的主要途徑[26]。這對用戶的信息抉擇與采納產(chǎn)生不可忽視的影響，因此本文在信息采納模型中拓展回答者在線互動這一因子。

2 研究模型與假設(shè)

根據(jù)以上介紹，本文以信息采納模型為基礎(chǔ)，將回答特征、回答者特征分別作為信息質(zhì)量、信息源可靠性，并引入在線互動理論，構(gòu)建模型如圖2所示。

2.1 回答者在線互動特征

響應(yīng)性是在線互動中體現(xiàn)用戶與信息提供方互動的因子，衡量用戶在其中獲得有效回應(yīng)的程度、及時的程度和形式豐富的程度。響應(yīng)性在本研究中用回答者互動數(shù)、回復(fù)及時性和互動豐富性來表示。

從在線互動的響應(yīng)性來看，用戶在互動中得到的有效回應(yīng)越多，越容易建立客戶的信任[30]，越容易采納回答者的回答信息。從在線口碑的數(shù)量及屬性來看，回答者在線互動數(shù)量越多，該回答的在線口碑?dāng)?shù)量也越多；用戶更容易信任自己較為熟悉的對象，當(dāng)與回答者有較多的互動時，用戶可根據(jù)互動信息了解和預(yù)測其可靠性和信息質(zhì)量，建立的信任關(guān)系更容易讓用戶采納回答信息[31]。

用戶在互動中得到回復(fù)的及時性是衡量響應(yīng)性的重要維度?；卮鹫叩幕貜?fù)越及時，越能夠讓用戶感受到積極的態(tài)度，展示其提供優(yōu)質(zhì)服務(wù)的能力[32]，提升用戶的信任感，進(jìn)而影響用戶的決策與行為[33]。已有研究證實回復(fù)是否及時有效影響用戶對信息提供者和其產(chǎn)品的信任態(tài)度[8]。

豐富性是用戶在互動過程中所感知到的信息內(nèi)容與形式呈現(xiàn)的豐富程度。信息豐富性能夠減少溝通中的不確定性，并且多種互動形態(tài)可通過拓展感官廣度和深度來增強(qiáng)用戶對內(nèi)容的參與[33]。由此可見，豐富性能夠提升用戶的感知互動性，降低用戶的感知不確定性，帶來良好體驗，進(jìn)而影響用戶的決策與行為[34]。因此，本文提出以下假設(shè)。H1：回答者的互動數(shù)量與信息采納度之間正向相關(guān)。H2：回答者的回復(fù)及時性與信息采納度之間正向相關(guān)。H3：回答者的互動豐富性與信息采納度之間正向相關(guān)。

2.2 影響信息采納的其他特征

2.2.1 回答特征

文本多樣性（文本熵）是基于詞和字符的熵值，可以用來衡量文本內(nèi)容的多樣性。易明等[35]將文本熵納入回答的文本特征中，構(gòu)建問答社區(qū)答案質(zhì)量的分類與排序模型，最終取得了優(yōu)異的分類與排序效果。

外部引用便于直觀地展示信息，佐證可信度，并能減少用戶額外搜尋知識的工作量，改變其態(tài)度和感知。另外，根據(jù)媒介豐富理論，豐富性高的媒介能傳遞更多的信息，有效增強(qiáng)信息接收者的理解接受和情感交流[36]。Shah等[37]將內(nèi)容中是否有外部鏈接、圖片等指標(biāo)納入評價答案質(zhì)量的模型中；李進(jìn)華等[17]認(rèn)為回答引用與用戶感知有用性之間正向相關(guān)。

因此本文提出以下假設(shè)。H4：文本多樣性與信息采納度之間正向相關(guān)。H5：外部引用的種類數(shù)與信息采納度之間正向相關(guān)。

2.2.2 回答者特征

在問答社區(qū)中，用戶可通過參與提問、答題、個人認(rèn)證等活動來獲得積分或徽章，這些用戶信息與回答共同被展示在問答頁面中，代表其在社區(qū)中的在線口碑。回答者身份信息在知乎中的表現(xiàn)形式是回答者頭像是否有優(yōu)秀回答者或身份認(rèn)證的標(biāo)記。社會化媒體為用戶提供更精準(zhǔn)的個人信息，這些信息繼而成為用戶判斷信息可信度的重要評判標(biāo)準(zhǔn)[38]。

回答者的歷史答題水平代表了回答者在以往作答中所獲得的認(rèn)可度和信息采納度，體現(xiàn)了其個人能力。網(wǎng)絡(luò)虛擬社區(qū)的用戶往往會將已有參與者的信息作為可信任的決策支持[39]。李進(jìn)華等[17]也將歷史答題平均所獲點贊數(shù)納入信息源可靠性，并證實其與感知有用性之間正向相關(guān)。

因此本文提出以下假設(shè)。H6：回答者的身份信息與信息采納度之間正向相關(guān)。H7：回答者的歷史答題水平與信息采納度之間正向相關(guān)。

2.3 回答者在線互動的調(diào)節(jié)效應(yīng)

當(dāng)回答者的在線互動較多時，其對回答內(nèi)容的補(bǔ)充和糾正的信息會比較多，能增強(qiáng)用戶對回答多樣性和外部引用豐富性的感知。并且用戶能從其中進(jìn)一步了解和預(yù)測信息的可靠性，進(jìn)而支持決策和采納行為[31]。特別是對文本多樣性較低、外部引用種類較少的回答能夠起到增加信息多樣性和可信度的作用，繼而帶來信息采納度的提升。反之對于信息質(zhì)量較高的回答，因本身說服性比較強(qiáng)，采納度方面的提升不大。

根據(jù)在線互動理論，回答者回復(fù)越及時，用戶收到的反饋越及時，越能提高其對響應(yīng)性的感知，讓用戶感受到自己被重視，有效影響其對信息的信任態(tài)度，繼而促成信息的采納[8]。及時的響應(yīng)能較大幅度地提高文本多樣性較低、外部引用種類較少的回答在信息接收者心中的質(zhì)量，繼而增強(qiáng)其信息采納意愿。

互動內(nèi)容和形式的豐富性能夠有效拓展感官廣度和深度，進(jìn)而增強(qiáng)用戶對內(nèi)容質(zhì)量的感知[33]，增強(qiáng)回答文本的多樣性和外部引用的豐富性。此外，豐富性高的互動能有效地調(diào)節(jié)評論區(qū)域的氣氛，增強(qiáng)互動趣味性，給用戶帶來愉悅的體驗。

因此，本文提出以下假設(shè)。H8a：回答者的互動數(shù)量負(fù)向調(diào)節(jié)文本多樣性與信息采納度的關(guān)系。H8b：回答者的回復(fù)及時性負(fù)向調(diào)節(jié)文本多樣性與信息采納度的關(guān)系。H8c：回答者的互動豐富性負(fù)向調(diào)節(jié)文本多樣性與信息采納度的關(guān)系。H9a：回答者的互動數(shù)量負(fù)向調(diào)節(jié)外部引用的種類數(shù)與信息采納度的關(guān)系。H9b：回答者的回復(fù)及時性負(fù)向調(diào)節(jié)外部引用的種類數(shù)與信息采納度的關(guān)系。H9c：回答者的互動豐富性負(fù)向調(diào)節(jié)外部引用的種類數(shù)與信息采納度的關(guān)系。

回答者在線互動數(shù)量越多，越能體現(xiàn)其積極態(tài)度和知識水平，用戶越能從中了解和推斷回答者的可靠性，進(jìn)而來支持決策和采納行為[31]。并且用戶更容易信任因較多互動而熟悉起來的回答對象。而回答者的回復(fù)越及時、形式和內(nèi)容越豐富，也越能體現(xiàn)回答者的積極態(tài)度與知識儲備程度，增強(qiáng)用戶對其回答者可靠性的感知，進(jìn)而促成信息采納。這對于無特殊身份、歷史答題水平較低的回答者所發(fā)布的文本具有更強(qiáng)的促進(jìn)信息采納的作用。

因此，本文提出以下假設(shè)。H10a：回答者的互動數(shù)量負(fù)向調(diào)節(jié)回答者身份與信息采納度的關(guān)系。H10b：回答者的回復(fù)及時性負(fù)向調(diào)節(jié)回答者身份與信息采納度的關(guān)系。H10c：回答者的互動豐富性負(fù)向調(diào)節(jié)回答者身份與信息采納度的關(guān)系。H11a：回答者的互動數(shù)量負(fù)向調(diào)節(jié)回答者的歷史答題水平與信息采納度的關(guān)系。H11b：回答者的回復(fù)及時性負(fù)向調(diào)節(jié)回答者的歷史答題水平與信息采納度的關(guān)系。H11c：回答者的互動豐富性負(fù)向調(diào)節(jié)回答者的歷史答題水平與信息采納度的關(guān)系。

2.4 控制變量

社會互動理論認(rèn)為，用戶與具有相似身份的對象進(jìn)行互動能獲得心理效益[40]，而與具有異質(zhì)性的對象進(jìn)行互動能獲得多元性的信息以幫助決策[41]。在問答社區(qū)中，瀏覽者的互動次數(shù)代表了該回答所受到的關(guān)注度和認(rèn)可度。根據(jù)羊群效應(yīng)理論，當(dāng)面臨信息不對稱時，用戶往往根據(jù)大眾的行為而作出自己的決策。因此，擁有較多瀏覽者互動的回答將會獲得更多的認(rèn)同。

隨著回答者的知識迭代，部分回答者會對回答進(jìn)行二次或多次的更新，信息由此更為豐富全面，質(zhì)量得到提高。并且由此展示的積極態(tài)度，容易獲得用戶的信任。

在社交網(wǎng)絡(luò)中，衡量用戶影響力的核心指標(biāo)之一是網(wǎng)絡(luò)中心度，該指標(biāo)能體現(xiàn)了個體在其中的社會資本[42]。網(wǎng)絡(luò)中心度分為內(nèi)向網(wǎng)絡(luò)中心度和外向網(wǎng)絡(luò)中心度。殷國鵬[43]通過對豆瓣影評研究，發(fā)現(xiàn)用戶的內(nèi)向網(wǎng)絡(luò)中心度、外向網(wǎng)絡(luò)中心度與其發(fā)表的評論所獲得的有用性之間正向相關(guān)。

基于上述分析，本研究將瀏覽者評論、瀏覽者回復(fù)、回答更新、回答者中心度變量作為控制變量。

3 研究方法

3.1 數(shù)據(jù)收集

本文研究使用Python編寫爬蟲程序抓取知乎的熱門問答，具體包括問題內(nèi)容、回答內(nèi)容、回答發(fā)布和更新時間、回答所得點贊數(shù)、評論區(qū)域中互動的對象信息和內(nèi)容信息、回答者認(rèn)證標(biāo)識、回答者的粉絲數(shù)和關(guān)注他人數(shù)、回答者總點贊數(shù)等。去掉其中回答者在線互動為零的回答，并進(jìn)行相應(yīng)的清洗和轉(zhuǎn)換，得到實際的數(shù)據(jù)24?685條。對首尾1%的極端點贊數(shù)進(jìn)行剔除，最終得到數(shù)據(jù)24?441條。

3.2 變量測度

為驗證本研究所提出的假設(shè)，設(shè)計如表1所示的各項變量及其測度指標(biāo)。其中文本多樣性的計算過程如公式（1）所示，公式中p（=1，2，…，）是單詞在文本中的頻率。

3.3 分析方法

本研究的因變量為獨(dú)立非負(fù)的計數(shù)數(shù)據(jù)，且方差遠(yuǎn)遠(yuǎn)大于均值，故適用于負(fù)二項回歸模型的假設(shè)條件。負(fù)二項回歸是為解決“過度離散”，在泊松回歸的基礎(chǔ)上增加誤差項而發(fā)展得到。分布公式為公式（2），其中λ為負(fù)二項分布中的理論值，x為第個影響因素，為第個影響因素的系數(shù)，為常數(shù)。

4 數(shù)據(jù)分析與結(jié)果

4.1 描述性統(tǒng)計分析

問答樣本的描述性統(tǒng)計顯示因變量和大部分的自變量的分布都比較分散。其中點贊數(shù)的偏度大于18，呈右偏分布，表明少部分的回答者占據(jù)大量的點贊數(shù)?；卮鹫呋訑?shù)量均值為5.5，整體上互動并不充分?；貜?fù)及時性最大值為24，均值為19.4，即回復(fù)時間差均值為4.6小時，整體上并不及時?；迂S富性均值為1.1，說明回答者的互動形式比較單一，習(xí)慣用純文字溝通。

在變量相關(guān)系數(shù)中，除和的相關(guān)系數(shù)為0.611?6外，其他系數(shù)均小于0.500?0。各變量的方差膨脹因子系數(shù)均小于2，遠(yuǎn)小于10。以上系數(shù)表明變量間不存在多重共線性。

4.2 回歸分析結(jié)果與討論

針對采集的知乎問答數(shù)據(jù)，進(jìn)行回歸分析，首先構(gòu)建只包含控制變量的模型（模型一），其次分別采用負(fù)二項回歸（模型二）和泊松回歸（模型三）構(gòu)建主效應(yīng)模型。對模型二和模型三的回歸結(jié)果進(jìn)行AIC、BIC模型擬合優(yōu)度檢驗，負(fù)二項回歸模型明顯比泊松回歸模型擬合效果更好。再利用負(fù)二項回歸構(gòu)建調(diào)節(jié)效應(yīng)模型（模型四），結(jié)果如表2所示。

4.2.1 在線互動特征與其他特征

在調(diào)節(jié)效應(yīng)模型（模型四）中，控制變量中瀏覽者評論、瀏覽者回復(fù)、回答更新、回答者中心的系數(shù)均為正且差異有統(tǒng)計意義，表明對信息采納度有顯著的正向影響。自變量（文本多樣性、外部引用、回答者身份、回答者的歷史答題水平）和調(diào)節(jié)變量（回答者互動數(shù)、回復(fù)及時性、互動豐富性）的系數(shù)均為正且差異有統(tǒng)計意義，表明對信息采納度有顯著的正向影響，因此假設(shè)H1~H7均成立。

4.2.2 回答在線互動的調(diào)節(jié)效應(yīng)

回答者互動數(shù)的交互項系數(shù)均為負(fù)且差異有統(tǒng)計意義，其調(diào)節(jié)效應(yīng)分別如圖3（1~4）所示，說明假設(shè)H8a、H9a、H10a、H11a成立。當(dāng)回答者互動數(shù)量增加時，回答文本多樣性、外部引用種類、回答者的身份、回答者的歷史答題水平與信息采納度之間的關(guān)系斜率減小，說明回答者互動數(shù)削弱了這些特征對信息采納度的正向影響。當(dāng)回答者在線互動較多時，評論者所提到的疑問、建議、支持等基本得到回應(yīng)，回答內(nèi)容也得到了充實，由此提升了用戶對回答質(zhì)量和回答者可信度的感知，特別對文本質(zhì)量不高或其回答者可信度不足的回答有較大的彌補(bǔ)作用。并且在互動數(shù)量較多時，文本多樣性與信息采納度之間負(fù)向相關(guān)。通過對社區(qū)問答的觀察，發(fā)現(xiàn)在文本多樣性高、信息量大的回答中，評論用戶與回答者觀點不一致以致發(fā)生沖突的可能性比較大，過多的互動容易引起爭執(zhí)，導(dǎo)致人們對回答可信度的懷疑，進(jìn)而影響信息采納。

在回答者回復(fù)及時性的交互項中，只有的系數(shù)為負(fù)且差異有統(tǒng)計意義，其調(diào)節(jié)效應(yīng)如圖3（5）所示，說明只有假設(shè)H11b成立，H8b、H9b、H10b假設(shè)均不成立。當(dāng)回復(fù)及時性增加時，回答者歷史答題水平與信息采納度之間的關(guān)系斜率減少，說明回復(fù)及時性削弱了歷史答題水平對信息采納度的正向影響。因為及時的回復(fù)反映了回答者的積極態(tài)度與專業(yè)程度，用戶能從中推斷處出回答者的可靠性，進(jìn)而促成信息采納行為[31]。這對歷史答題水平不高的回答者答案采納有較大的提升作用，反之則并不明顯。回答者的回復(fù)及時性對回答質(zhì)量（文本多樣性和外部引用）與信息采納的關(guān)系沒有調(diào)節(jié)作用，因為互動效率與其回答質(zhì)量沒有必然的聯(lián)系?；貜?fù)及時性對于回答者身份和信息采納度的關(guān)系也沒有顯著的調(diào)節(jié)作用。因社區(qū)中擁有優(yōu)秀回答者和身份認(rèn)證的用戶數(shù)量極少，并多具有較高的威望和社會資本，用戶對其可靠性基本上是深信不疑的。相對來說，其互動的效率不能明顯影響用戶對其回答的采納度，用戶能理解其回答較多卻顧不上及時回復(fù)。

在回答者互動豐富性的交互項中，的系數(shù)為正且差異有統(tǒng)計意義，、的系數(shù)均為負(fù)且差異有統(tǒng)計意義，說明假設(shè)H8c、H11c均成立，H9c、H10c均不成立，其調(diào)節(jié)效應(yīng)分別如圖3（6~8）所示。當(dāng)回答者互動豐富性增強(qiáng)時，外部引用種類、回答者的歷史答題水平與信息采納度之間的關(guān)系斜率均減小，文本多樣性與信息采納度之間關(guān)系的斜率增加?；迂S富性對外部引用種類、回答者的歷史答題水平與信息采納之間的關(guān)系具有負(fù)向調(diào)節(jié)作用?；卮鹫呋有螒B(tài)的豐富性能夠通過拓展感官廣度和深度而增強(qiáng)用戶對內(nèi)容的感知與參與[33]。這對于外部引用少、歷史回答采納度低的用戶發(fā)布的回答來說，在問答和回答者的感知方面具有較強(qiáng)的提升作用，反之則提升的幅度較少?；迂S富性對文本多樣性與信息采納度之間的關(guān)系具有正向調(diào)節(jié)作用。對于文本多樣性高的回答，多樣豐富的互動內(nèi)容與形式更能支撐和增強(qiáng)其回答文本的多樣性，提升用戶對其回答質(zhì)量的感知，進(jìn)而促進(jìn)信息采納。互動豐富性對于回答者身份和信息采納度的關(guān)系沒有顯著的調(diào)節(jié)作用。原因與回復(fù)及時性對其關(guān)系的調(diào)節(jié)類似，因為擁有優(yōu)秀回答者和身份認(rèn)證的用戶屬于社區(qū)中的精英，用戶并不很在意其互動形式是否多樣，用戶更多理解為其忙碌未能顧及互動形式。

5 結(jié)論

本文在信息采納模型的基礎(chǔ)上構(gòu)建以回答者在線互動行為為調(diào)節(jié)變量模型，對知乎社區(qū)的問答數(shù)據(jù)進(jìn)行分析。從回歸結(jié)果可知，在線互動對信息采納確實有不可忽視的影響，并且其不同因子對信息質(zhì)量和信息源可靠性的調(diào)節(jié)作用各異。回答者在線互動數(shù)量負(fù)向調(diào)節(jié)信息質(zhì)量、信息源可靠性與信息采納度之間的關(guān)系。回復(fù)及時性負(fù)向調(diào)節(jié)回答者的歷史答題水平與信息采納度的關(guān)系。回復(fù)豐富性負(fù)向調(diào)節(jié)回答的外部引用種類、回答者的歷史答題水平與信息采納度的關(guān)系，正向調(diào)節(jié)回答的文本多樣性與信息采納度的關(guān)系。

本文對社會化問答社區(qū)和社區(qū)用戶提供以下具體建議。

問答社區(qū)應(yīng)及時提醒回答者對評論做出回復(fù)，監(jiān)控評論的輿情導(dǎo)向并及時發(fā)給回答者以做回復(fù)參考；對互動積極且及時的回答者給予一定的獎勵和榮譽(yù)，提高評論區(qū)域乃至社區(qū)的活躍度；在評論這一功能模塊的后續(xù)更新中，開發(fā)更多的互動形態(tài)（如更多的動態(tài)表情包、顏文字），對圖片、鏈接等進(jìn)行更人性化的展示。

社區(qū)的回答者應(yīng)重視與用戶在線互動的數(shù)量、效率和質(zhì)量，特別要做到有評論必給響應(yīng)；歷史答題水準(zhǔn)不高的回答者應(yīng)更及時回復(fù)評論，提升豐富性，更好利用其在信息采納方面的調(diào)節(jié)作用；優(yōu)秀回答者或有身份認(rèn)證的用戶在照顧不全評論區(qū)域時，首先得保證其數(shù)量；文本多樣性較高的回答者應(yīng)提升其互動豐富性，避免與用戶發(fā)生爭執(zhí)，若評論區(qū)域出現(xiàn)疑問則用簡潔的言語和較少的互動量來解釋清楚。

本研究的數(shù)據(jù)是知乎問答的截面數(shù)據(jù)，未來將使用面板數(shù)據(jù)探究互動狀態(tài)對信息采納的持續(xù)動態(tài)影響，考慮評論的情感傾向、評論當(dāng)天影響、累計影響等指標(biāo)。

［1］ YI Y J. Sexual health information-seeking behavior on a social media site：predictors of best answer selection［J］. Online Information Review，2018，42（6）：880-897.

［2］ BAE B J，YI Y J. What answers do questioners want on social Q&A? User preferences of answers about STDs［J］. Internet Research，2017，27（5）：1104-1121.

［3］ SHAH C，OH S，OH J S. Research agenda for social Q&A［J］. Library & Information Science Research，2009，31（4）：205-209.

［4］ 張坤. 國外社會化問答領(lǐng)域研究進(jìn)展及內(nèi)容分析［J］. 圖書館學(xué)研究，2017（22）：16-21.

［5］ GUAN T，WANG L，JIN J，et al. Knowledge contribution behavior in online Q&A communities：an empirical investigation［J］. Computers in Human Behavior，2018，81：137-147.

［6］ SIMEONOVA B. Transactive memory systems and Web 2.0 in knowledge sharing：a conceptual model based on activity theory and critical realism［J］. Information Systems Journal，2018，28（4）：592-611.

［7］ 趙宏霞，王新海，周寶剛. B2C網(wǎng)絡(luò)購物中在線互動及臨場感與消費(fèi)者信任研究［J］. 管理評論，2015（2）：43-54.

［8］ CHU K M，YUAN J. The effects of perceived interactivity on e-trust and e-consumer behaviors：the application of fuzzy linguistic scale［J］. Journal of Electronic Commerce Research，2013，14（1）：124.

［9］ 寧菁菁. 知乎網(wǎng)用戶知識共享研究［D］. 北京：北京郵電大學(xué)，2014.

［10］ WEI C，WEI X，ZHU K X. Engaging voluntary contributions in online communities：a Hidden Markov Model［J］. Social Science Electronic Publishing，2018，42（1）：83-100.

［11］ 李蕾，何大慶，章成志. 社會化問答研究綜述［J］. 數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018，2（7）：1-12.

［12］ CHUA A Y，BANERJEE S. So fast so good：an analysis of answer quality and answer speed in community Question-answering sites［J］. Journal of the American Society for Information Science and Technology，2013，64（10）：2058-2068.

［13］ FU H，WU S，OH S. Evaluating answer quality across knowledge domains：using textual and non-textual features in social Q&A［C］//Proceedings of the 78th ASIS&T Annual Meeting，Information Science with Impact：Research in and for the Community，American Society for Information Science，2015：88.

［14］ BAE B J，YI Y J. Identification and comparison of the persuasive elements present in“best answers”to STD-Related Questions on Social Q&A Sites：Yahoo! Answers（United States）Versus Knowledge-iN（South Korea）［J］. International Journal of Communication，2019，13：19.

［15］ TOBA H，MING Z Y，ADRIANI M，et al. Discovering high quality answers in community question answering archives using a hierarchy of classifiers［J］. Information Sciences，2014，261（5）：101-115.

［16］ 袁健，劉瑜. 基于混合式的社區(qū)問答答案質(zhì)量評價模型［J］. 計算機(jī)應(yīng)用研究，2017，34（6）：1708-1712.

［17］ 李進(jìn)華，張婷婷. 社會化問答知識分享用戶感知有用性影響因素研究——以知乎為例［J］. 現(xiàn)代情報，2018，38（4）：20-28.

［18］ STEUER J. Defining virtual reality：Dimensions determining telepresence［J］. Journal of Communication，1992，42（4）：73-93.

［19］ HEETER C. Implications of New Interactive Technologies for Conceptualizing Communication［M］//SALVAGGIO J，BRYANT J. Media Use in the Information Age：Emerging Patterns of Adoption and Consumer Use. New Jersey；Lawrence Erlbaum Associates，1989：217-235.

［20］ BLATTBERG R C，DEIGHTON J. Interactive marketing：exploiting the age of addressability［J］. Sloan Management Review，1991，33（1）：5-15.

［21］ LIU Y，SHRUM L. What is interactivity and is it always such a good thing? Implications of definition，person，and situation for the influence of interactivity on advertising effectiveness［J］. Journal of Advertising，2002，31（4）：53-64.

［22］ CHO C H，LECKENBY J D. Internet-related programming technology and advertising［C］//Proceedings of the Conference- American Academy of Advertising，1997：69-79.

［23］ JIANG Z，CHAN J，TAN B C，et al. Effects of interactivity on website involvement and purchase intention［J］. Journal of the Association for Information Systems，2010，11（1）：1.

［24］ 姜參，趙宏霞，孟雷. B2C 網(wǎng)絡(luò)購物在線互動與消費(fèi)者沖動性購買行為研究［J］. 經(jīng)濟(jì)問題探索，2014（5）：64-73.

［25］ 唐嘉庚. 互動性對 B2C 環(huán)境下信任及購買行為傾向影響研究［D］. 上海：復(fù)旦大學(xué)，2006.

［26］ DELLAROCAS C. The digitization of word of mouth：Promise and challenges of online feedback mechanisms［J］. Management Science，2003，49（10）：1407-1424.

［27］ KRAUS S，RICHTER C，BREM A，et al. Strategies for reward-based crowdfunding campaigns［J］. Journal of Innovation & Knowledge，2016，1（1）：13-23.

［28］ 耿榮娜. 社會化電子商務(wù)用戶信息采納過程及影響因素研究［D］. 長春：吉林大學(xué)，2017.

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

［30］ GHOSE S，DOU W. Interactive functions and their impacts on the appeal of Internet presence sites［J］. Journal of Advertising Research，1998，38（2）：29-43.

［31］ 張婉. 社會化商務(wù)環(huán)境下網(wǎng)絡(luò)互動、用戶信任及購買意愿關(guān)系研究［D］. 天津：天津科技大學(xué)，2016.

［32］ ZEITHAML V A，PARASURAMAN A，MALHOTRA A. Service quality delivery through web sites：a critical review of extant knowledge［J］. Journal of the Academy of Marketing Science，2002，30（4）：362.

［33］ 劉海娟. 在線互動對服裝消費(fèi)者離線向在線渠道遷徙意向的影響研究［D］. 杭州：浙江理工大學(xué)，2016.

［34］ WANG L C，BAKER J，WAGNER J A，et al. Can a retail web site be social?［J］. Journal of Marketing，2007，71（3）：143-157.

［35］ 易明，張婷婷. 大眾性問答社區(qū)答案質(zhì)量排序方法研究［J］. 數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（6）：12-20.

［36］ LIU S H，LIAO H L，PRATT J A. Impact of media richness and flow on e-learning technology acceptance［J］. Computers & Education，2009，52（3）：599-607.

［37］ SHAH C，POMERANTZ J. Evaluating and predicting answer quality in community QA［C］//Proceedings of the 33rd International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM，2010：411-418.

［38］ LUO C，XIN L，SCHATZBERG L，et al. Impact of informational factors on online recommendation credibility：the moderating role of source credibility［J］. Decision Support Systems，2013，56（1）：92-102.

［39］ DUAN W，GU B，WHINSTON A B. Informational cascades and software adoption on the internet：an empirical investigation［J］. MIS Quarterly，2009，33（1）：23-48.

［40］ GU B，KONANA P，RAGHUNATHAN R，et al. Research note—the allure of homophily in social media：Evidence from investor responses on virtual communities［J］. Information Systems Research，2014，25（3）：604-617.

［41］ HORWITZ S K，HORWITZ I B. The effects of team diversity on team outcomes：a meta-analytic review of team demography［J］. Journal of Management，2007，33（6）：987-1015.

［42］ 張榮華. 知識問答社區(qū)用戶的知識共享意愿研究［D］. 南京：南京大學(xué)，2014.

［43］ 殷國鵬. 消費(fèi)者認(rèn)為怎樣的在線評論更有用？——社會性因素的影響效應(yīng)［J］. 管理世界，2012（12）：115-124.

An Empirical Analysis of the Impact of Answers’ Online Interactive Behavior on Information Acceptance in Socialized Question Answering

FEI HaoZe1,2ZHOU Bin1,2LIU Peng1,2ZHU JianXue1,2

( 1. Jiangsu University of Science and Technology Service Manufacturing Mode and Information Research Center, Zhenjiang 212003, China; 2. School of Economics and Management, Jiangsu University of Science and Technology, Zhenjiang 212003, China )

As the recognition of respondents’ knowledge contribution, information adoption affects the enthusiasm of users’ knowledge sharing in Q&A community. Online interaction plays an important role in the process of information adoption, so it is of practical significance to study the impact of online interaction on information adoption. This paper took the Q&A of Zhihu as the research sample, integrated the online interaction theory on the basis of the information adoption model, fully considered the key role of responsiveness, and used the negative binomial regression method to analyze the direct impact and regulatory effect of online interaction on information adoption. The research showed that the online interaction factors (interaction quantity, response timeliness and richness) had positive effects on information adoption, and had different regulatory effects on information quality and information source reliability. The results of this study provide clear impact mechanism and practical suggestions for social Q&A community and its users.

Q&A Community; Online Interaction; Regulating Role; Information Acceptance Model

*本研究得到國家自然科學(xué)基金項目“多層復(fù)雜網(wǎng)絡(luò)視角下開源軟件社區(qū)集體智慧涌現(xiàn)機(jī)制研究”（編號：71871108）、國家自然科學(xué)基金項目“人類雙向選擇行為的統(tǒng)計特征分析與預(yù)測方法研究”（編號：61503159）和江蘇高校哲學(xué)社會科學(xué)優(yōu)秀創(chuàng)新團(tuán)隊建設(shè)項目資助。

G250.73

10.3772/j.issn.1673-2286.2019.10.007

費(fèi)豪澤，男，1993年生，碩士研究生，研究方向：數(shù)據(jù)挖掘，E-mail：yeganlanzhi@foxmail.com。

周斌，男，1982年生，博士，副教授，碩士生導(dǎo)師，研究方向：復(fù)雜系統(tǒng)、網(wǎng)絡(luò)科學(xué)、人類行為研究。

劉鵬，男，1982年生，博士，講師，研究方向：數(shù)據(jù)挖掘、知識挖掘。

朱建學(xué)，男，1987年生，博士，講師，研究方向：電子商務(wù)、網(wǎng)絡(luò)營銷。

（2019-09-01）