陽長征

摘?要：[目的/意義]本文探索了社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿的影響機制。[方法/過程]以體驗效用為自變量，知識持續(xù)共享意愿為因變量，群體認同為中介變量構建研究理論模型，通過問卷調(diào)查法對相關數(shù)據(jù)進行采集，采用結構方程及多層模型方法，并借助AMOS22.0統(tǒng)計軟件對數(shù)據(jù)進行處理和分析。[結果/結論]1）社交網(wǎng)絡中，體驗效用通過群體認同中介作用及直接作用路徑對知識持續(xù)共享意愿產(chǎn)生顯著正向影響。2）個體內(nèi)層次心理依附及個體間層次感知契合度在體驗效用對知識持續(xù)共享意愿影響路徑中均存在顯著正向調(diào)節(jié)效應。3）用戶體驗效用對持續(xù)共享意愿的影響效應，在性別、年齡及學歷人口統(tǒng)計學維度上存在顯著性差異。最后，對研究結果進行分析和討論，并指出了研究價值及未來展望。

關鍵詞：用戶;體驗效用;知識共享;多層模型;社交網(wǎng)絡

DOI：10.3969/j.issn.1008-0821.2020.03.009

〔中圖分類號〕G252.0?〔文獻標識碼〕A?〔文章編號〕1008-0821（2020）03-0088-15

Abstract：[Purpose/Significance]This paper researched on the effect of experienced utility on continuous sharing intention of knowledge in social network.[Method/Process]Using experienced utility as independent variable，continuous sharing intention of knowledge as dependent variable，group identity as mediating variables，psychological attachment ?and perceptual fit as moderating variables，the paper constructed influence mechanism model of effect of experienced utility on continuous sharing intention of knowledge in social network.And the sample data was obtained through questionnaire survey.The data was analyzed by using research methods SEM and Multilevel model，and were processed through AMOS22.0.[Results/Conclusion]And it concluded that experienced utility had significant positive effect on ?continuous sharing intention through mediating variables group identity，psychological attachment and perceptual fit had significant positive moderating effect on experienced utility effect on group identity.Besides，there was differential effect of experienced utility on continuous sharing intention of knowledge in terms of gender，age and education.And finally，the paper analyzed and discussed the research results，indicating the theoretical and practical implication of the research conclusion.

Key words：user;experienced utility;sharing of knowledge;multilevel model;social network

近年來以互聯(lián)網(wǎng)為代表的各種新媒體的不斷涌現(xiàn)，極大地改變了人們的信息傳播方式，其中，社交網(wǎng)絡則屬于當下人們熱捧不疲的一種重要的網(wǎng)絡新媒體，主要包括社交軟件、社交網(wǎng)站、虛擬社區(qū)、在線問答平臺、微信、微博等。第43次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，近年來我國社交網(wǎng)絡使用率普遍呈上升趨勢，截至2018年12月，微信朋友圈、QQ空間用戶使用率分別為83.4%、58.8%，較2017年底分別下降3.9、5.6個百分點;微博使用率為42.3%，較2017年底上升1.4個百分點。

社交網(wǎng)絡在人們的日常生活中發(fā)揮著越來越重要的作用。用戶共享的意見、觀點、經(jīng)驗和意見不斷向互聯(lián)網(wǎng)注入高質(zhì)量的內(nèi)容，幫助知識尋求者快速有效地找到所需知識，并促進知識交流與創(chuàng)新。在社交網(wǎng)絡中，用戶不僅可以共享相關知識，還可以根據(jù)與其他用戶的互動來創(chuàng)造新知識。社交網(wǎng)絡中的知識共享在社會發(fā)展中的作用受到了很大關注，已成為國家和企業(yè)進步與創(chuàng)新的重要外部影響因素，包括許多現(xiàn)有公司，如國外的寶潔、星巴克、IBM以及國內(nèi)華為、小米和海爾等公司正試圖通過有效吸收用戶在線社區(qū)中創(chuàng)新的知識來打造品牌和開拓市場。因此，社交網(wǎng)絡知識共享的價值已引起越來越多學者的關注，對社交網(wǎng)絡用戶知識共享意愿的研究對社會及企業(yè)的創(chuàng)新發(fā)展具有重要意義（耿瑞利等）[1]。

為了深入了解社交網(wǎng)絡用戶知識共享意愿，學術界針對該主題的研究方興未艾，國內(nèi)外學者一直從不同視角進行研究和探討。目前，國內(nèi)外關于社交網(wǎng)絡用戶知識共享行為的研究大致可以分為3類：一是關于知識共享特征及內(nèi)涵。孫康等指出，在線社區(qū)中的知識共享主要包含兩層含義：1）通過在社區(qū)成員之間發(fā)布和回復信息而引發(fā)的知識轉(zhuǎn)移和經(jīng)驗分享;2）社區(qū)成員提出建議或意見，經(jīng)整理后存儲于數(shù)據(jù)庫，其他成員可從數(shù)據(jù)庫中獲取所需的知識[2]。石靜等研究了健康問答社區(qū)中用戶知識共享網(wǎng)絡的動態(tài)演化特點與規(guī)律，發(fā)現(xiàn)隨著社區(qū)的發(fā)展，其中活躍用戶的數(shù)量呈現(xiàn)先增加后減少，網(wǎng)絡聚合率先減少后增加現(xiàn)象[3]。Lin J W等則將社區(qū)分為社會性社區(qū)和知識性社區(qū)，探討用戶互動性以及社區(qū)之間特征差異[4]。Colladon A F等對企業(yè)員工形成的知識共享網(wǎng)絡進行研究，主要關注于企業(yè)員工知識共享網(wǎng)絡的凝聚力和穩(wěn)定性[5]。二是關于知識共享機制及模型。王楠等討論了用戶的關鍵用戶特征與知識共享的質(zhì)量或數(shù)量之間的關系，分析了用戶社會資本在其中的中介效應以及自我效能的調(diào)節(jié)影響[6]。Zhang Z等為了識別用戶網(wǎng)絡和子群的演化模式，構建了一種知識共享的概率模型[7]。而針對學術社群，Moliner L A等對學術社區(qū)中的人才管理網(wǎng)絡進行了研究，采用可視化技術呈現(xiàn)了網(wǎng)絡的形成過程[8]。Barbosa M W等通過分析關鍵成員的行為與網(wǎng)絡中心性之間的聯(lián)系，得出主要成員的行動狀況與其結構中心性存在緊密關聯(lián)[9]。三是對特定平臺進行研究。吳江等對“醫(yī)學網(wǎng)”醫(yī)學問答進行了研究，分析了社群成員知識共享行為特點以及不同子群之間的差異[10]。施艷萍等研究了意見領袖在社交網(wǎng)絡空間中對知識分享行為的影響特征，分析了意見領袖的社交特征及信息過程的知識共享特點[11]。Jin J等以知乎平臺為研究樣本，發(fā)現(xiàn)社群成員自我表達、他人意識以及社會學習對成員知識共享行為存在正向作用[12]。

綜合過去相關研究，總體而言，在研究內(nèi)容上，過去研究主要集中于網(wǎng)絡知識共享的內(nèi)涵特征、結構模式、影響因素及形成過程等方面。在研究方法上，則主要通過案例分析、動力學模型、復雜網(wǎng)絡、方差分析等方法探討知識共享問題及構建模型。雖然這些研究已取得諸多成果，但仍存在可提升之處。一方面，過去研究雖然存在較多文獻對網(wǎng)絡空間知識共享行為進行探討，則主要側(cè)重于對知識共享中網(wǎng)絡結構的分析，研究對象多以學術社區(qū)為主。但從心理學或社會學視角對受眾認知偏差的研究很少，且從用戶體驗效用視角對其進行研究的文獻依然缺乏。體驗效用（Experienced Utility）是指用戶在肉體和精神上體驗到的幸?；蛲纯?，積極效用能給人們帶來快樂，消極效用則給人們帶來痛苦。人的行為總傾向于趨利避害，體驗效用則指導著“我們應該做什么”和“將要做什么”。同時，技術接受模型（TAM）也指出，人們對系統(tǒng)的感知有用性和感知易用性共同決定了他們的使用態(tài)度，而對系統(tǒng)使用的態(tài)度和感知有用性決定了主體的行為意向（Marangunic' N等）[13]。因此，用戶的體驗效用會對其行為產(chǎn)生重要影響，探明社交網(wǎng)絡用戶體驗效用對知識持續(xù)共享意愿的影響機理具有重要意義。然而，過去研究在該視角和主題上的缺乏，這給本研究理論的構建留下了研究空間。另一方面，就研究方法而言，采用的定性研究主要集中于問題的分析及對策提出，定量研究主要采用動力學、信息學、社會仿真進行研究，模型中涉及的變量主要為學術性變量，得出的研究結論難以落實到具體實踐操作上，與現(xiàn)實應用的有效對接存在一定難度。因此，在此背景下，針對過去研究存在的不足，本文將結合心理學、社會學及行為學，對社交網(wǎng)絡用戶體驗效用對知識持續(xù)共享意愿的影響進行研究。探索問題如下：

研究問題一：社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿影響路徑及作用機制如何？

研究問題二：社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿的影響效應在不同性別、年齡及學歷用戶群體中是否存在差異？若存在，則差異性如何？

對于上述問題的研究有助于掌握用戶知識持續(xù)分享意愿的形成機理，能為政府部門及企事業(yè)單位在社會發(fā)展及知識創(chuàng)新驅(qū)動上提供理論指導和依據(jù)?；谏鲜鲅芯繂栴}，本研究的結構安排如下：第一部分根據(jù)現(xiàn)實需求和文獻分析提出研究問題，第二部分基于相關理論基礎提出研究假設并構建研究理論模型，第三部分進行研究方案設計并收集樣本數(shù)據(jù)，第四部分進行數(shù)據(jù)處理并實現(xiàn)模型驗證及數(shù)據(jù)分析，第五部分對研究結果進行分析、總結和討論。

1?理論基礎與研究假設

1.1?體驗價值及社會認同理論

Varshneya G等指出基于心理學視角定義了體驗價值，認為體驗價值是用戶在行為過程中對行為環(huán)境的感知價值，以及在其中獲得的獨特體驗，主要包括情感價值、心理價值以及知識或信息價值[14]。其中，情感價值是指人們從產(chǎn)品或服務消費等行為而獲得愉悅等積極情感，從而感知從中獲得價值。心理價值是指人們通過消費產(chǎn)品或服務等行為而感知到心理獲得了某種滿足，從而感覺從中獲得價值。知識或信息價值是指人們從產(chǎn)品或服務消費等行為中獲得了自身需求的信息，或行為過程使自己增長了某些有用的知識而感到該行為過程給自身帶來了價值。人們在行為過程中，可通過情感價值、心理價值、知識或信息價值對用戶后續(xù)行為產(chǎn)生影響（Rezaei S等）[15]。

社會認同（Social Identity）是指個體感知從所屬群體中獲得的自我形象以及作為群體成員身份所擁有的情感和價值體驗”。社會認同理論認為，社會認同是由社會分類、社會比較及積極區(qū)分過程組成。社會分類，是個體為了更好地理解和識別事物，對其進行分類，將復雜的事物進行分類整理，從而強化對同一類型事物之間相似性和不同類型之間差異性的分辨（Warkentin M等）[16]。在該分類過程中存在一種增強效應，使得人們將不同群體劃分為內(nèi)群體和外群體，并對內(nèi)群體產(chǎn)生偏好和對外群體產(chǎn)生偏見，形成不對稱的群體評價及行為，從而在認知、情感和行為上認同自己所屬的群體。而積極區(qū)分，則是個體為了維護和提升自尊，努力地在群體成員中表現(xiàn)得比其他成員更加優(yōu)秀，從而出現(xiàn)進一步相應的行為。社會認同通過社會分類、社會比較及積極區(qū)分過程，對人們的心理和行為產(chǎn)生重要影響，它常常是一些行為發(fā)生的重要中介變量（Fritsche I）[17]。

1.2?體驗效用對群體認同及持續(xù)分享意愿的影響

Aydinli A等指出從經(jīng)濟學角度效用包括為決策效用（Decision Utility）和體驗效用（Experienced Utility）。在當前的經(jīng)濟決策理論中，效用主要是指決策效用，它主要是人們通過觀察到或推測出事物的結果和屬性的價值，是決策時參考的重要權值[18]。Brazier J將體驗效用定義為個體身體或精神所體驗的快樂或痛苦，積極體驗可給人們帶來快樂，消極效用可給人們帶來痛苦。人的行為總傾向于產(chǎn)生有利結果的方向，而避開產(chǎn)生不利結果的方向。體驗效用則影響著主體“應該做什么”以及“將要做什么”[19]。而群體認同（Group Identity）是指個體意識到自身所屬特定的社會群體，并體驗到作為群體成員的身份給其帶來的情感和效用。其中，群體目標屬性、組織結構、成員需求的滿足程度均對群體認同產(chǎn)生重要影響。范秀成等認為，體驗價值的結構維度具有層次性，社會性價值、情感性價值和功能性價值則是人們體驗價值高低水平的呈現(xiàn)方式。其中，物理屬性會對處于最低層的功能性體驗價值產(chǎn)生影響;安全及歸屬感需求則對人們中層的情感性體驗價值產(chǎn)生影響;人們自尊和自我實現(xiàn)程度則決定著頂層的社會性體驗價值的大小[20]。然而，社交網(wǎng)絡中，體驗效用作為用戶對社交網(wǎng)絡群體感知到的價值和意義，其大小體現(xiàn)了人們在社交網(wǎng)絡中的需求得以實現(xiàn)和滿足的一種衡量，是人們體驗價值的重要組成部分，會對成員的群體認同產(chǎn)生積極影響?；诖?，可以提出如下假設：

H1：社交網(wǎng)絡中，用戶體驗效用對群體認同存在顯著正向影響。

針對體驗效用的社會性維度與情感維度，期望確認理論（ECT）指出，人們在行為評估中，主要通過對行為前的心理期望與行為后的績效結果進行比較，據(jù)此對消費的產(chǎn)品或服務是否滿意進行判斷，如果對該結果感到滿意，則將保持該行為繼續(xù)發(fā)生的意愿，該過程即為主體對行為的期望確定過程。而用戶的社會性及情感性體驗效用作為自身在社交網(wǎng)絡中進行知識分享后的感知績效結果，會對用戶的行為期望確認產(chǎn)生重要影響（Chang W L）[21]，進而影響用戶后續(xù)行為屬性特征。關于體驗效用的功能性維度，技術接受模型（TAM）指出，人們對系統(tǒng)的感知有用性和感知易用性共同決定了他們的使用態(tài)度，而對系統(tǒng)使用的態(tài)度和感知有用性決定了主體的行為意向，從而行為意向又決定了主體最終對系統(tǒng)的使用行為（Marangunic' N等）[22]。因此，社交網(wǎng)絡中，用戶的知識共享行為意愿則受到主體在其中的體驗水平、感知價值等方面的影響?；诖?，可以提出如下假設：

H2：社交網(wǎng)絡中，用戶體驗效用對知識持續(xù)共享意愿存在顯著正向影響。

1.3?群體認同對持續(xù)分享意愿的影響

群體認同可促進群體成員將群體目標、規(guī)范和行動視為自身的目標、標準和準則。其認同程度決定了每個成員在行為和工作方面的表現(xiàn)，進而影響了群體的聚合力。積極區(qū)分原則（Positive Distinctiveness）表明，為了維持和提高自身在群體內(nèi)的自尊，群體成員往往努力地在行為績效上比其他成員表現(xiàn)得更突出。在積極區(qū)分作用下，群體成員的自尊需要激勵了個體的在群體中的積極表現(xiàn)或行為，以此獲得群體認可和維持成員的群體認同感（Guala F等）[23]?；诖耍梢蕴岢鋈缦录僭O：

H3：社交網(wǎng)絡中，用戶體驗效用對知識持續(xù)共享意愿存在顯著正向影響。

1.4?心理依附與感知契合度的調(diào)節(jié)效應

依附理論（Attachment Theory）指出，心理依附是個人希望接近他人以獲得安全感的心理傾向，從而使人們心理出現(xiàn)當此人在場時會感到安全，不在場時則會感到焦慮（Fonagy P）[24]。Onyekuru B U認為，在形成個人認知時某些人傾向于依賴自身所處的外部環(huán)境信息，有些人則傾向于根據(jù)自身內(nèi)部的信息線索，前者成為場依存（Field Dependence），后者成為場獨立（Field Independence）[25]。具有場依存性的個體會較多地借助自身所處環(huán)境的外部參照物，以交互中的刺激來定義個人的認知與知識，該依存性大小取決于個體對環(huán)境信息的依賴程度。

社會認同理論指出，個體為了更好地理解和識別事物，對其進行分類，將復雜的事物進行分類整理，從而強化對同一類型事物之間相似性和不同類型之間差異性的分辨。在該分類過程中存在一種增強效應，使得人們將不同群體劃分為內(nèi)群體和外群體，并對內(nèi)群體產(chǎn)生偏好和對外群體產(chǎn)生偏見，形成不對稱的群體評價及行為，從而在認知、情感和行為上認同自己所屬的群體。在用戶對社交空間存在依附性時，個體將自我歸入相應群體，將符合內(nèi)群體的特征賦予自我，實現(xiàn)個體的自我定型，在認知、情感和態(tài)度上對自己所屬群體產(chǎn)生認同感（程淑華等）[26]。因此，當用戶對社交空間的心理依附高時，體驗效用則會引起用戶更高的社會認同;當對社交空間的心理依附低時，體驗效用則會引起用戶較低的社會認同?；诖耍梢蕴岢鋈缦录僭O：

H4：社交網(wǎng)絡中，用戶心理依附在體驗效用對知識持續(xù)共享意愿影響路徑中存在顯著正向調(diào)節(jié)效應。

自Lewin于1951年提出了人與組織契合的概念，認為人與組織契合是個人特征與群體特征在規(guī)范、價值觀、目標等方面的一致性與契合程度。之后，Chatman構建了人與組織互動理論模型，認為人與組織契合包括一致性契合和互補性契合[27]。一致性契合是個體和群體之間在價值觀、目標、態(tài)度等維度上具有相似性，互補性契合是個體所具備的條件能滿足群體的需要，同時群體所具有的條件也能滿足個體需要（Cable D M等）[28]。

社會認同是社會成員共同擁有信仰、價值和行動取向的集中體現(xiàn)，本質(zhì)上是一種集體觀念，是情感、經(jīng)歷、體驗和價值感獲得的心路歷程。而其中，個體間的交往、共同活動、目標一致則是構成群體的基本條件。在社會認同的形成過程中，首先，個體需要進行社會類別化與自我類別化，識別出自我特征及類別差異，并將自己與特定類別建立起心理聯(lián)系;其次，個體將自我屬性與各社會類別進行比對，形成自身社會類別的所屬定位，將自我與該類別建立歸屬聯(lián)系;最后，進行各類群體或類別的社會比較，即內(nèi)群體與外群體之間的比較，使群體成員形成對本群體或本類別的獨特心理特征（Hogg M A）[29]。社交網(wǎng)絡使用中，用戶在其中的感知契合度對社會認同形成過程的社會分類、社會比較和自我歸類產(chǎn)生影響，從而導致不同程度的社會認同。通常，用戶在社交網(wǎng)絡中感知契合度高時，則易于進行社會分類、比較和自我歸類，從而形成更高社會認同。反之，則社會認同度就低。因此，當用戶感知契合度高時，體驗效用則會引起用戶更高的社會認同;當感知契合度低時，體驗效用對用戶社會認同影響作用則小?；诖耍梢蕴岢鋈缦录僭O：

H5：社交網(wǎng)絡中，用戶感知契合度在體驗效用對知識持續(xù)共享意愿影響路徑中存在顯著正向調(diào)節(jié)效應。

1.5?理論框架

該研究以社交網(wǎng)絡中的用戶體驗效用為自變量，知識持續(xù)共享意愿為因變量，群體認同為中介變量，心理依附及感知契合度為調(diào)節(jié)變量，構建理論模型來研究社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿的影響。其理論結構圖如圖1所示。

2?量表設計與數(shù)據(jù)收集

2.1?量表設計

該研究中所使用的量表及問卷的主要變量和題項設計如下：

因變量：持續(xù)共享意愿，是用戶在對知識進行初次分享后，存在意愿對該信息進行再次分享的心理意向。主要根據(jù)劉巖芳等的研究成果[30]，針對網(wǎng)絡危機信息，從用戶對信息持續(xù)分享的情感、態(tài)度、認知、意向等方面進行題項的設置，共設6個測項。各題項核心內(nèi)容分別為：1）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的主觀傾向如何？2）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的可能性如何？3）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的意愿強度如何？4）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的持續(xù)性如何？5）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的動力如何？6）社交網(wǎng)絡中，您在分享相關知識后將進行持續(xù)分享的沖動性如何？

自變量：體驗效用，指用戶通過信息獲取、信息傳播等行為，個體在身體或精神體驗到幸福，從而使自己的需求、欲望等得到滿足的一種知覺。主要參考Clayton P A等的研究成果[31]，主要從用戶社會性體驗效用、情感性體驗效用及功能性體驗效用維度進行題項設置，共設3個測項。各題項核心內(nèi)容分別為：1）社交網(wǎng)絡能給您帶來多大程度的社會關系價值？2）社交網(wǎng)絡能給您帶來多大程度的情感滿足？3）社交網(wǎng)絡對您發(fā)揮了多大程度的信息傳受便利？

中介變量：群體認同，是指個體意識到自身所屬特定的社會群體，并體驗到作為群體成員的身份給其帶來的情感和效用。主要根據(jù)林燕霞等的研究成果[32]，包含對群體價值觀、群體規(guī)范及群體行為的認同程度，共4個測項。各題項核心內(nèi)容分別為：1）在我意愿進行知識分享的社交網(wǎng)絡中，我認同該群體表現(xiàn)的行為方式。2）在我意愿進行知識分享的社交網(wǎng)絡中，我認同該群體體現(xiàn)的價值觀。3）在我意愿進行知識分享的社交網(wǎng)絡中，我認同該群體的行為規(guī)范。4）在我意愿進行知識分享的社交網(wǎng)絡中，我認同該群體的目標。

調(diào)節(jié)變量：心理依附，是指個人希望接近他人以獲得安全感的心理傾向。主要根據(jù)顏靜等的研究成果[33]，主要測量當處于社交空間中時會感到安全，不在場時則會感到焦慮，以及個體認知形成依賴于自身所處的外部環(huán)境的程度，共3個測項。各題項核心內(nèi)容分別為：1）當我處于社交網(wǎng)絡中時，會感到有安全感。2）當我離開社交網(wǎng)絡中時，會感到某種焦慮。3）我對事物的認知很大程度上依賴于社交網(wǎng)絡。感知契合度，是指用戶感覺到成員個體特征與群體特征在規(guī)范、價值觀、目標等方面保持一致的程度。主要根據(jù)鄭春東等的研究成果[34]，主要從成員個體與群體在規(guī)范、價值觀、目標等方面一致性維度進行測量，共6個測項。各題項核心內(nèi)容分別為：1）我在參與知識分享的社交網(wǎng)站中，能感覺到成員個體與群體在行為規(guī)范上具有一致性。2）我在參與知識分享的社交網(wǎng)站中，能感覺到成員個體與群體在價值觀上具有一致性。3）我在參與知識分享的社交網(wǎng)站中，能感覺到成員個體與群體在目標追求上具有一致性。

控制變量：本研究中除了自變量對因變量影響外，仍存在其它變量可改變因變量數(shù)值。在模型構建中，需控制該些變量。若不加以控制，自變量與該類變量均會導致因變量數(shù)值的改變，從而引起研究結論的偏誤。針對社會認同，除了本文探索的影響因素外，而用戶的性別、年齡、學歷及職業(yè)也是影響社會認同的重要因素（Scheibe K等）[35]。因此，本研究將用戶性別、年齡、學歷及職業(yè)設定為控制變量，以此對其擾動效應加以控制。其中，性別分別為“女性”=1、“男性”=2;年齡分別為“29歲及以下”=1、“30～39歲”=2、“40～49歲”=3、“50歲及以上”=4;“小學及以下”=1、“初中”=2、“高中或中專”=3、“大學及以上”=4;“政府機構”=1、“事業(yè)單位”=2、“企業(yè)團體”=3、“個體經(jīng)營”=4。

以上變量的測量均采用李克特五點量表法，采用1～5之間的整數(shù)來表示對問題的同意程度。其中，1表示“非常不同意”，2表示“不同意”、3表示“不確定”、4表示“同意”、5表示“非常同意”。

2.2?數(shù)據(jù)收集

本研究使用的數(shù)據(jù)來自2018年12月進行的“社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿影響研究”的網(wǎng)絡問卷調(diào)查。為了提高調(diào)查信息的質(zhì)量和信度，在問卷中插入了一些過濾性問題的題項。為了確保調(diào)查時問卷的信度和效度，在進行正式調(diào)查之前，先在廣西南寧市內(nèi)隨機發(fā)放了問卷100份進行預調(diào)查，其中回收了81份，剔除回收中不合格的問卷14份，最后有效回收率為67%。對此進行信度和效度分析，其統(tǒng)計結果顯示，預調(diào)查問卷的KMO值為0.86，Bartletts球形檢驗的p值均小于0.01，累積方差解釋度為82.09%，Cronbachs α值均大于0.70。而在進行CITC分析中，其中Q5的CITC指數(shù)為0.13，其余項均大于0.50，因此需要刪除問卷中的Q5題項，其余題項均保留。刪除Q5題項后，再次對分量表及總體量表進行信度分析，結果顯示原來Q5題項所屬構念的分量表Cronbachs α值存在顯著提升，而其余各分量表Cronbachs α值均大于0.70，總體量表Cronbachs α值也大于0.70，表明刪除題項Q5后的問卷結構優(yōu)度得以提高，說明該題項的刪除具有合理性。

在具體操作上，首先，課題組成員先通過電話、微信、面談等各種方式聯(lián)絡各自全國范圍內(nèi)的朋友，提出并說明欲對他們進行問卷調(diào)查的訴求和要求，同時通過該方法以滾雪球的方式托付各自朋友按此方法對他們的朋友提出請求參與問卷調(diào)查的訴求。在此過程中，將愿意參與本次問卷調(diào)查的個體姓名、性別、年齡、職業(yè)、學歷等信息進行記錄規(guī)整，最后獲得愿意參與本次調(diào)研的用戶人數(shù)共為2 816名。其次，參照中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的第43次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》中截至2018年12月31日的用戶人口學統(tǒng)計變量分布特征，利用計算機，采用分層抽樣與多階段抽樣相結合的隨機抽樣方法，第一層以“性別（男性/女性）”變量將抽樣框分為兩個群組進行隨機抽樣，第二層以“年齡段（29歲及以下/30～39歲/40～49歲/50歲及以上）”變量將第二層各抽樣框分為4個群組進行隨機抽樣，第三層以“學歷（大學及以上/高中或中專/初中/小學及以下）”變量將第三層各抽樣框分為4個群組進行隨機抽樣，最終隨機抽取出1 000名即將調(diào)查的用戶名錄，以此作為問卷調(diào)查的最終對象。

正式調(diào)查時，主要采用網(wǎng)絡問卷調(diào)查系統(tǒng)、QQ、微信以及其它各種網(wǎng)絡通訊工具相結合。同時，為了提高調(diào)查結果的準確性及問卷的回收率，則在每次調(diào)查前，預先告知參與本調(diào)查的每位受訪者在本次調(diào)查完成后將獲得一定額度的報酬，主要通過手機話費充值、微信紅包、Q幣、支付寶以及其它在線支付等方式完成支付。本研究數(shù)據(jù)收集過程歷時2個月，發(fā)放問卷1 000份，回收問卷數(shù)為874份，剔除其中不合格問卷96份，則有效問卷共778份，問卷有效率為77.80%。其中，有效樣本數(shù)據(jù)的人口統(tǒng)計變量分布特征如表1所示。

由表1的人口統(tǒng)計變量分布特征可見，該樣本數(shù)據(jù)涵蓋了不同性別、年齡、學歷和職業(yè)的用戶群體，且各統(tǒng)計學變量的樣本分布不存在極端或奇異情況，該樣本數(shù)據(jù)可用于研究分析。

3?數(shù)據(jù)分析與假設檢驗

3.1?信度與效度分析

量表信度。對問卷各題項內(nèi)部一致性進行檢驗，對問卷數(shù)據(jù)處理，其結果如表2所示，其中，知體驗效用、群體認同、心理依附、感知契合度各分量表的Cronbachs α分別為0.86、0.84、0.79、0.81、0.83，整個問卷的總Cronbachs α為0.82，所有α值均大于0.70的標準，說明該問卷各分量表和整體問卷設計信度較佳。

結構效度。對量表中的各變量進行探索性因子分析，其結果如表2所示，當共提取5個因子來表達該量表的所有題型時，所能解釋的累積方差為83.75%。同時，測項Q17的因子負荷為0.14，其余題項在對應的維度上的因子負荷均大于0.50標準值，因此需要刪除題項Q17，其余項均保留。該結果表明說明量表在整體設計上的結構效度良好。

內(nèi)斂及判別效度。對收集的數(shù)據(jù)進行驗證性因子分析（CFA），其結果如表2所示，各測量題項與所度量的潛在變量間的標準負荷系數(shù)均大于0.70，其對應的t值均大于1.96（p=0.05）的臨界值。同時各變量抽取平均方差（AVE）值均大于0.50，復合信度（CR）均大于0.70，表明觀測變量能有效反映對應潛變量的特質(zhì)，各組觀測指標間均存在較好的一致性，說明數(shù)據(jù)的收斂性良好。對所有潛變量進行相關系數(shù)及AVE平方根計算（參見表3），所有潛變量的AVE值的平方根值均大于對應的相關系數(shù)的絕對值，表明各潛變量間的判別效度較佳。

3.2?路徑分析及假設檢驗

1）路徑分析

采用結構方程模型（SEM）對路徑進行分析，由于SEM在數(shù)據(jù)分析中，主要采用協(xié)方差矩陣（Covariance Matrix）方法進行處理，可反映各變量之間的真實關系和結構，相對于傳統(tǒng)線性回歸模型，SEM估計的參數(shù)結果更準確，而無需考慮控制變量的影響（劉軍等）[36]，故在SEM建模中無需將控制變量加入模型。根據(jù)表3相關系數(shù)統(tǒng)計結果，各外因潛變量間相關系數(shù)均小于0.40，各外因潛變量與內(nèi)因潛變量間相關系數(shù)均大于0.50，且在0.05水平下均顯著，表明各變量適合進行SEM模型構建。對理論模型使用AMOS進行估計，其估計結果如圖2所示。

圖2擬合結果顯示，模型的擬合指標p（χ2）值為0.000，小于0.05的顯著水平，則拒絕原假設。同時，各適配度指標除GFI值=0.92基本達到標準外，其余指標χ2/df=3.87、NFI值=0.81、RMR值=0.15、AGFI值=0.73、CN值=157、RMSE值=0.15、CFI值=0.76均未達到模型可適配標準，表明理論模型與觀察數(shù)據(jù)無法適配，需要對初始模型進行修正。

根據(jù)輸出結果中的修正指標（M.I.），需要在觀察變量Q2與Q15的誤差項間建立共變關系，從而至少可以減少卡方值98.07。故在測量指標Q3與Q15的誤差變量間建立共變關系，形成初次修正模型，并對修正模型進行估計。其估計結果如圖3所示。

圖3擬合結果顯示，修改模型各擬合度指標分別為：p（χ2）為0.12>0.05，故不能拒絕原假設，表明修正模型能較好地與樣本數(shù)據(jù)適配。同時，各適配度指標除NFI值=0.89未達標準外，其余指標GFI值=0.95、RMR值=0.02、AGFI值=0.93、CN值=281、RMSE值=0.04、CFI值=0.96均達到模型可適配標準，且修正指標輸出結果中未有任何需要修正的參數(shù)，表明修正后的模型設置可接受。各路徑系數(shù)及顯著性擬合結果見表4。

表4擬合結果顯示，路徑標準回歸權值均介于0～1之間，各觀測變量在對應潛變量上的標準負荷均大于0.70標準值，且各路徑系數(shù)在0.05顯著水平下均通過顯著性檢驗，表明修正后的模型參數(shù)估計結果可接受。根據(jù)參數(shù)擬合結果，理論模型的主效應路徑對應的標準路徑系數(shù)及顯著性如圖4所示。

根據(jù)標準路徑系數(shù)圖4可知，所有路徑系數(shù)值均介于0～1之間，各假設對應的t檢驗均達到0.05的顯著水平。根據(jù)各標準路徑系數(shù)的正負性及系數(shù)的t檢驗，所有假設均獲得支持。

2）中介效應

根據(jù)Zhao X等提出的中介效應分析程序[37]，結合Hayes A F等提出的Bootstrap方法進行中介效應檢驗[38]。以體驗效用為自變量，以群體認同為中介變量進行模型的結構設置。選用Process程序中的模型1，進行5 000次重復樣本抽取，并以95%為顯著性置信區(qū)間進行中介效應檢驗。其檢驗結果如表5所示。

表5計算結果中，LLCI和ULCI分別表示95%置信區(qū)間的上限和下限，如果置信區(qū)間的下限和上限之間不包含0值，則說明中介效應顯著;否則，則說明中介效應不顯著。表5計算結果顯示，在所檢驗的中介路徑中，各路徑95%的置信水平上限與下限之間均不包含0值，表明路徑的直接效應及中介效應均顯著，群體認同中介變量在體驗效用對持續(xù)共享意愿的影響路徑中僅為部分中介。

根據(jù)表5的參數(shù)估計結果，體驗效用對持續(xù)共享意愿的總體影響效應（直接效應+間接效應）為：0.0178。其中，通過群體認同中介效用產(chǎn)生的中介效用為：0.0092，則中介效應的解釋度為：0.0092/0.0178=51.69%。

3）調(diào)節(jié)效應

由于內(nèi)生潛變量通過李克特五點量表度量，變量賦值為介于“1”～“5”間的次序整數(shù)，且調(diào)節(jié)變量“心理依附”屬于個體內(nèi)層面，“感知契合度”屬于個體間層面，故次序變量多層模型（Multilevel Model）對樣本數(shù)據(jù)進行擬合分析。同時，為了限制“控制變量”的影響，故需將性別、年齡、學歷和職業(yè)控制變量加入方程進行分析。

在聚合檢驗方面，使用組內(nèi)及組間相關系數(shù)ICC和組內(nèi)一致性系數(shù)Rwg來判斷個體感知的群體規(guī)范聚合到群體層面的適合性。ANOVA分析顯示，群體規(guī)范的組間均方和組內(nèi)均方存在顯著差異（F=4.37，p<0.01）其中組內(nèi)相關系數(shù)ICC（1）和組間相關系數(shù)ICC（2）分別為0.193和0.696，均大于0.12和0.47的臨界標準，Rwg平均值為0.806亦大于標準值0.70，表明變量在不同的群體中有充分的內(nèi)部同質(zhì)性，且可信度較高，滿足可聚合的條件，因此可以利用個體數(shù)據(jù)作為群體層面的觀測量。

在創(chuàng)建多層次線性模型中，添加個體層次變量時使用中心化變量，而添加群體層次的變量時無需中性化處理以減少可能的多重共線問題。本文采用Wallace J C等[39]所推薦的方法：第一步，以群體認同為因變量建立不含任何預測變量的空模型;第二步，將感知契合度納入以群體認同為因變量的空模型;第三步，將體驗效用、心理依附以及兩者的交互項納入個體層次截距模型;第四步，檢驗個體水平模型中的斜率是否存在隨機性;第五步，檢驗跨水平交互作用的存在性。

模型估計結果如表6“空模型”所示，社會認同的組內(nèi)方差σ2為0.9237，組間方差τ00為0.4479，Z檢驗結果顯示此組內(nèi)方差（Z=297.02，p=0.000<0.01）及組間方差均顯著（Z=261.43，p=0.008<0.01），組間方差占比參數(shù)ICC（2）=τ00/（τ00+σ2）=sd（-cons）/[sd（Residual）+sd（-cons）]=32.66%，說明社會認同中約有32.66%是來自用戶個體間方差。因此，數(shù)據(jù)需進行多層次模型分析。按照以上步驟依次進行模型變量的添加和擬合，最后可接受的模型為隨機截距與隨機斜率多層模型。

完整模型的具體參數(shù)估計如表6所示。

表6顯示，在擬合指標Log Likelihood、AIC、BIC上，隨機截距與隨機斜率模型均比空模型與隨機截距模型小，且p（Wald Chi2）小于顯著水平0.001，表明隨機截距與隨機斜率模型構建合理。且各參數(shù)對應的顯著性檢驗p（z）值均達到0.05的顯著水平，則各參數(shù)估計結果滿足標準。個體間的方差值占總方差值的0.3853/（0.9174+0.3853）=29.58%，個體內(nèi)的方差值占總方差值的（1-29.58%）=70.42%。即感知契合度的變異能解釋群體認同變異的29.58%，心理依附的變異能解釋群體認同變異的70.42%。根據(jù)個體內(nèi)層次“體驗效用*心理依附”交互項系數(shù)0.4475及p（z）值0.0000，以及個體間的“體驗效用*感知契合度”交互項系數(shù)0.3619值及p（z）值0.0001，表明用戶心理依附及感知契合度在體驗效用對群體認同的影響路徑中具有顯著正向調(diào)節(jié)效應，則假設H4和H5均獲得支持。

4）檢驗結果

根據(jù)上述檢驗結果，其假設檢驗結果匯總?cè)绫?所示。

表7顯示，在所有研究假設中，各假設對應的路徑系數(shù)均介于0～1之間，對應的|t|值且均大于0.05顯著水平對應的臨界值1.96，表明所提出的各研究假設均獲得驗證支持。

3.3?群組分析

信息環(huán)境使用（IUE）理論指出，用戶的不同職業(yè)和社會角色會對人們的信息行為產(chǎn)生重要影響，這些因素在某種程度上培育了用戶信息行為的不同特征（Spink A）[40]。因此，要對用戶社會認同群組間差異有更深入地了解，需在上述理論框架驗證的基礎上對不同性別、年齡及學歷的用戶群組差異作進一步地比較和分析。對其進行群組模型估計，其分析結果如表8所示。

表8顯示，除年齡組RMR=0.06、學歷AGFI=0.82未達適配標準外，其余各適配度指標均達到標準值，這表明性別、年齡及學歷的群組數(shù)據(jù)整體上能較好地與理論模型相適配。各標準路徑系數(shù)均介于0～1范圍內(nèi)，且各對應系數(shù)的t檢驗均達到0.05的顯著水平，這表明假設的理論模型在性別和年齡群組上均具有跨組效度。

由表8可知，對于性別群組，各路徑效應的大小順序依次均為：女性、男性。對于年齡段群組，各路徑效應的大小順序依次均為：“30歲以下”、“30～50歲”、“50歲及以上”。對于學歷群組，各路徑效應的大小順序依次均為：“小學及以下”、“大學及以上”、“初中～高中”。

4?結論與討論

4.1?結?論

通過研究假設的提出及理論模型的構建，采用問卷調(diào)查法收集用戶在網(wǎng)絡突發(fā)事件中的心理及行為數(shù)據(jù)，探索了社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿的影響。其中，量表設計及所獲數(shù)據(jù)均具有較佳的信度和效度，在此基礎上，并通過結構方程模型對預設的理論模型進行了實證檢驗和數(shù)據(jù)分析，得出如下研究結論：

首先，社交網(wǎng)絡中，體驗效用通過群體認同中介作用路徑及直接作用路徑對知識持續(xù)共享意愿產(chǎn)生顯著正向影響。其中，體驗效用對群體認同具有顯著正向影響，群體認同對持續(xù)共享意愿具有顯著正向影響。中介效應的解釋度約為體驗效用對持續(xù)共享意愿影響的51.69%。

其次，在個體層面，用戶心理依附在體驗效用對知識持續(xù)共享意愿影響路徑中存在顯著正向調(diào)節(jié)效應。在群體層面，用戶感知契合度在體驗效用對知識持續(xù)共享意愿影響路徑中存在顯著正向調(diào)節(jié)效應。且個體層面的心理依附能解釋群體認同變異的70.42%，群體層面的感知契合度能解釋群體認同變異的29.58%。

最后，用戶體驗效用對持續(xù)共享意愿的影響效應，在人口統(tǒng)計學上存在顯著性差異。在性別上，各路徑系數(shù)男性大于女性。在年齡上，各路徑系數(shù)大小順序依次為：30歲以下最大、30～50歲較大、50歲以上最小。在學歷上，各路徑系數(shù)大小順序依次為：小學及以下最大、初中～高中較大、大學及以上最小。

4.2?討?論

關于體驗效用通過群體認同的中介效應對知識持續(xù)共享意愿產(chǎn)生顯著影響，雖然過去尚未有與該研究結論完全一致的研究文獻，但該研究結論與過去相關研究的推演結論相吻合。王新新等對社會網(wǎng)絡環(huán)境下的體驗價值共創(chuàng)行為進行研究，發(fā)現(xiàn)體驗價值可通過用戶與他人進行互動而形成。社會網(wǎng)絡中，用戶進行知識共享是個體對群體積極情感的體現(xiàn)，通過知識共享的互動形式可創(chuàng)造出用戶自身體驗價值[41]。同時，強化理論認為，人的行為是其所受刺激的函數(shù)，當某一行為的結果對其具有效用時，該行為則會在后續(xù)中重復出現(xiàn);當結果沒有效用或存在消極效用時，該行為則會弱化或消亡。并指出，人們的行為總是出于某種目的，預期通過特定的行為來滿足自身某種需求，該行為結果則影響個體的后續(xù)行為決策（Cairns L）[42]。社交網(wǎng)絡中，用戶的體驗效用導致了初始的知識共享行為，而知識共享行為則以互動的方式創(chuàng)造了體驗價值，而這種積極體驗繼而強化了后續(xù)知識共享行為意向。

關于社交網(wǎng)絡中用戶心理依附在體驗價值對社會認同影響路徑中存在顯著正向調(diào)節(jié)效應，該研究結論與過去相關研究的推演結論相吻合。自我歸類理論（Self-categorization Theory）指出，人們傾向于根據(jù)人們屬性的異同對個體進行分類，將同屬性的內(nèi)群體或異屬性的外群體。當用戶存在心理依附時，該依附心理強化了自我與其他內(nèi)群體成員間的相似性感知，并增強了與其他外群體個體間的差異性感知。群體間差異性感知強化及群體內(nèi)相似性感知強化，從而產(chǎn)生群體認同感，促進個體在群體中表現(xiàn)出與群體特征相符的行為特征，將群體目標轉(zhuǎn)化為個體行為（Huddy L）[43]。

關于社交網(wǎng)絡中用戶感知契合度在體驗價值對社會認同影響路徑中存在顯著正向調(diào)節(jié)效應，該研究結論與過去相關研究的推演結論相吻合。Dost-Gozkan A針對現(xiàn)實沖突理論（Realistic Conflict Theory），認為群體間目標不一致時會引發(fā)對有限資源的競爭而產(chǎn)生群體間敵意，在競爭資源時群體往往會產(chǎn)生更多摩擦。而該群體目標的不一致性未必客觀真實存在，不一致性或僅為成員的知覺，但只要群體成員感知存在，無論是否真實，群體對資源的競爭可能足以引起群體之間的重大摩擦。相反，只有群體間目標存在一致性時，群體間的摩擦才會得以減少，才能保持積極的群際關系，產(chǎn)生群體認同及緊密合作[44]。Barrick M R等在吸引—選擇—摩合模型（ASA）基礎上，認為群體契合是個體特征與群體特征相相一致，使得個體與群體相互吸引，個體易于受到與其特征相似的群體影響，從而產(chǎn)生個體與群體以及群體與個體之間的雙向互動，用戶持續(xù)知識共享行為則是因群體一致性引起雙向互動行為的重要體現(xiàn)[45]。

在用戶群組分析中，體驗效用對知識持續(xù)共享意愿的影響效應存在人口統(tǒng)計學變量的差異性，產(chǎn)生該情況的主要原因可能是由于不同群體的社會特征及社會角色的差異性所導致。一般性信息行為理論指出，用戶的不同職業(yè)和社會角色會對人們的信息行為產(chǎn)生重要影響，這些因素在某種程度上培育了用戶信息行為的不同特征。同時，用戶在獲取信息和利用信息中，存在多種中介變量對信息行為及動力機制產(chǎn)生重要影響，其中主要包括心理特征、人口統(tǒng)計特征、社會角色等（Khoo C S G）[46]。針對本研究結論，在性別上，兩性除了受到生理差異的影響外，更大程度上受到社會文化性別差異的影響。由于男性與女性在社會地位、社會角色上的差異，以及社會對不同性別也具有不同的角色期待和評價，在總體上表現(xiàn)出了一系列行為規(guī)范、性別分層等方面的差異特征。因此，群體在性別上的生理差異經(jīng)由社會規(guī)范以及社會制度力量的作用，以及歷代積淀的性別文化潛移默化的影響，從而形成了男女兩性在信息加工模式和信息行為上的差異性（Oakley A）[47]。其次，在用戶年齡方面，年齡的大小通常與一個人的生理發(fā)育和智力發(fā)展密切相關，也代表著他們社會閱歷的豐富程度，體現(xiàn)了他們在思維成熟度的差異。同時，也受到社會規(guī)范、社會文化以及風俗習慣的影響，不同年齡階段的群體則扮演著不同的社會角色，承擔著不同的社會責任，從而對不同年齡段個體的信息思維模式、認知方式以及行為特征產(chǎn)生重要影響。最后，在用戶文化程度方面，由于教育學習是人們通過后天努力來改變和重塑自己思維和認知方式的重要途徑，學歷的高低反映了一個人在社會中接受教育程度的差異，高學歷者通過對更多科學知識的學習和更多正式的訓練從而提高自己對事物的認知和態(tài)度，相對于低學歷者他們對事物有著更審慎、更科學地思考和認知，從而使得不同學歷的個體在對事物的認知、態(tài)度以及行為上通常具有不同程度的差異性（Carret Le Carret等）[48]。

針對本研究意義，在當下，由于網(wǎng)絡及信息技術的快速發(fā)展，人們在網(wǎng)絡環(huán)境下的信息行為特征與傳統(tǒng)媒體環(huán)境下的受眾認知特征已存在很大差異，在形成機理上變得更為復雜，從而使得過去的研究或理論在變量構造及結構分析上需要得以不斷更新和完善。該研究獲得了社交網(wǎng)絡中用戶體驗效用對知識持續(xù)共享意愿影響的一些新的發(fā)現(xiàn)和研究結論，在理論上，可為今后人們對網(wǎng)絡用戶認知特征、行為規(guī)律的進一步探索及理論的構建提供一定的參考和借鑒，亦可為網(wǎng)絡環(huán)境下的信息行為理論、信息場理論及信息情境理論的進一步深化和發(fā)展添磚加瓦。由于用戶體驗效用及群體認同是知識持續(xù)共享意愿的直接影響因素，心理依附及感知契合度對知識持續(xù)共享意愿具有調(diào)節(jié)效應，在實踐上，可通過對社交網(wǎng)絡信息內(nèi)容的分類與管理以實現(xiàn)體驗效用的提升，以及通過社會網(wǎng)絡的人因功能再設計及用戶關系的管理以增強用戶的心理依附及感知契合度，從而提高人們在社交網(wǎng)絡中的群體認同，進而促進對知識的持續(xù)共享意愿。

本研究雖然已盡量做到使研究設計完善，但由于客觀條件限制，仍存在一定局限性。在數(shù)據(jù)采集上，雖已盡量完善抽樣設計及數(shù)據(jù)采集的各個流程和細節(jié)，也已最大可能地擴展數(shù)據(jù)獲取的范圍，但因數(shù)據(jù)采集需要耗費大量的人力和物力，然后由于課題組人力、物力的限制，使得本研究仍存在有待提升之處。在網(wǎng)絡抽樣調(diào)查過程中，受訪者存在擔心調(diào)查者可能是出于某種惡意或探測自己隱私而致使受訪率低。因此，在后續(xù)的相關研究中，可以考慮在現(xiàn)實人群中進行抽樣調(diào)查，以提高問卷的回收率和合格率。

參考文獻

[1]耿瑞利，申靜.社交網(wǎng)絡用戶知識共享研究：特征、內(nèi)容與展望[J].圖書情報知識，2018，（1）：16-26.

[2]孫康，杜榮.實名制虛擬社區(qū)知識共享影響因素的實證研究[J].情報雜志，2010，29（4）：83-87.

[3]石靜，張斌，周利琴.健康問答社區(qū)用戶知識共享網(wǎng)絡動態(tài)演化研究[J].情報科學，2019，37（2）：77-82.

[4]Lin J W，Mai L J，Lai Y C.Peer Interaction and Socialnetwork Analysis of Online Communities with the Support of Awareness of Different Contexts[J].International Journal of Computer-Supported Collaborative Learning，2015，10（2）：139-159.

[5]Colladon A F，Vagaggini F.Robustness and Stability of Enterprise Intranet Social Networks：The Impact of Moderator[J].Information Processing & Management，2017，53（6）：1287-1298.

[6]王楠，張士凱，趙雨柔，等.在線社區(qū)中領先用戶特征對知識共享水平的影響研究——社會資本的中介作用[J].管理評論，2019，31（2）：82-93.

[7]Zhang Z，Li Q，Zeng D，et al.Extracting Evolutionary Communities in Community Question Answering[J].Journal of the Association for Information Science and Technology，2014，65（6）：1170-1186.

[8]Moliner L A，Gallardo-Gallardo E，de Puelles P G.Understanding Scientific Communities：A Social Network Approach to Collaborations in Talent Management Research[J].Scientometrics，2017，113（3）：1439-1462.

[9]Barbosa M W，Ladeira M B，de la Calle Vicente A.Ananalysis of International Coauthorship Networks in the Supply Chain Analytics Research Area[J].Scientometrics，2017，111（3）：1703-1731.

[10]吳江，周露莎.在線醫(yī)療社區(qū)中知識共享網(wǎng)絡及知識互動行為研究[J].情報科學，2017，35（3）：144-151.

[11]施艷萍，袁曦臨，宋歌.社會化問答平臺意見領袖的知識共享行為特征探析[J].圖書情報知識，2018，（6）：103-112.

[12]Jin J，Li Y，Zhong X，et al.Why Users Contribute Knowledge to Online Communities：An Empirical Study of an Online Social Q&A Community[J].Information & Management，2015，52（7）：840-849.

[13]Marangunic' N，Granic' A.Technology Acceptance Model：A Literature Review from 1986 to 2013[J].Universal Access in the Information Society，2015，14（1）：81-95.

[14]Varshneya G，Das G.Experiential Value：Multi-item Scale Development and Validation[J].Journal of Retailing & Consumer Services，2017，34：48-57.

[15]Rezaei S，Valaei N.Crafting Experiential Value Via Smartphone Apps Channel[J].Marketing Intelligence & Planning，2017，56（10）：00-00.

[16]Warkentin M，Sharma S，Gefen D，et al.Social Identity and Trust in Internet-based Voting Adoption[J].Government Information Quarterly，2018.

[17]Fritsche I，Barth M，Jugert P，et al.A Social Identity Model of Pro-Environmental Action（SIMPEA）[J].Psychological Review，2017，125（2）：245-269.

[18]Aydinli A，Gu Y，Pham M T.An Experience-utility Explanation of the Preference for Larger Assortments[J].International Journal of Research in Marketing，2017，34.

[19]Brazier J，Rowen D，Karimi M，et al.Experience-based Utility and Own Health State Valuation for a Health State Classification System：Why and How to Do It[J].European Journal of Health Economics，2017，19（4）：1-11.

[20]范秀成，杜建剛.服務質(zhì)量五維度對服務滿意及服務忠誠的影響——基于轉(zhuǎn)型期間中國服務業(yè)的一項實證研究[J].管理世界，2006，（6）：111-118.

[21]Chang W L，Huang L Y.Measuring Service Experience：A Utility-based Heuristic Model[J].Service Business，2016，10（1）：1-30.

[22]Marangunic' N，Granic' A.Technology Acceptance Model：A Literature Review from 1986 to 2013[J].Universal Access in the Information Society，2015，14（1）：81-95.

[23]Guala F，F(xiàn)ilippin A.The Effect of Group Identity on Distributive Choice：Social Preference or Heuristic？[J].Economic Journal，2017，127（602）：1047-1068.

[24]Fonagy P.Attachment Theory and Psychoanalysis[M].Routledge，2018.

[25]Onyekuru B U.Field Dependence-Field Independence Cognitive Style，Gender，Career Choice and Academic Achievement of Secondary School Students in Emohua Local Government Area of Rivers State[J].Journal of Education and Practice，2015，6（10）：76-85.

[26]程淑華，李欣，韓毅初.群際接觸對外群體信任的影響：內(nèi)群體認同的中介效應[J].心理學探新，2017，37（1）：54-58.

[27]Chatman.Improving Interactional Organizational Research：A Model of Person-organization Fit[J].Academy of Management Journal，1989，14（3）：333.

[28]Cable D M，Derue D S.The Convergent and Discriminant Validity of Subjective Fit Perceptions[J].Journal of Applied Psychology，2002，87（5）：17.

[29]Hogg M A.Social Identity Theory[M].Understanding Peace and Conflict Through Social Identity Theory.Springer，Cham，2016：3-17.

[30]劉巖芳，賈菲菲.基于SNS的用戶知識共享行為研究[J].情報科學，2017，35（1）：41-46.

[31]Clayton P A，MacKay D P.Experienced Utility or Decision Utility for QALY Calculation？Both[J].Public Health Ethics，2017，11（1）：82-89.

[32]林燕霞，謝湘生.基于社會認同理論的微博群體用戶畫像[J].情報理論與實踐，2018，41（3）：142-148.

[33]顏靜，樊耘，張旭.員工心理依附對其行為的影響——基于中國中小企業(yè)的實證研究[J].管理評論，2016，28（4）：109-122.

[34]鄭春東，陳雅，唐建生.感知契合度及其對品牌延伸評價影響的研究——一個基于E-PBE框架的綜述[J].管理評論，2016，28（1）：156-168.

[35]Scheibe K，F(xiàn)ietkiewicz K J，Stock W G.Information Behavior on Social Live Streaming Services[J].Journal of Information Science Theory and Practice，2016，4（2）：6-20.

[36]劉軍，富萍萍.結構方程模型應用陷阱分析[J].數(shù)理統(tǒng)計與管理，2007，（2）：268-272.

[37]Zhao X，Lynch Jr J G，Chen Q.Reconsidering Baron and Kenny：Myths and Truths About Mediation Analysis[J].Journal of Consumer Research，2010，37（2）：197-206.

[38]Hayes A F，Preacher K J.Statistical Mediation Analysis with a Multicategorical Independent Variable[J].British Journal of Mathematical and Statistical Psychology，2014，67（3）：451-470.

[39]Wallace J C，Butts M M，Johnson P D，et al.A Multilevel Model of Employee Innovation：Understanding the Effects of Regulatory Focus，Thriving，and Employee Involvement Climate[J].Journal of Management，2016，42（4）：982-1004.

[40]Spink A.Information Behavior[J].Information Science & Knowledge Management，2010，16.

[41]王新新，潘洪濤.社會網(wǎng)絡環(huán)境下的體驗價值共創(chuàng)：消費體驗研究最新動態(tài)[J].外國經(jīng)濟與管理，2011，33（5）：17-24.

[42]Cairns L.Reinforcement[M].The Handbook of Communication Skills.Routledge，2018：163-181.

[43]Huddy L.Group Identity and Political Cohesion[J].Emerging Trends in the Social and Behavioral Sciences：An Interdisciplinary，Searchable，and Linkable Resource，2015：1-14.

[44]Dost-Gozkan A.Norms，Groups，Conflict，and Social Change：Rediscovering Muzafer Sherifs Psychology[M].Routledge，2017.

[45]Barrick M R，Parks-Leduc L.Selection for Fit[J].Annual Review of Organizational Psychology and Organizational Behavior，2019，（6）：171-193.

[46]Khoo C S G.Issues in Information Behaviour on Social Media[J].LIBRES：Library and Information Science Research Electronic Journal，2014，24（2）：75.

[47]Oakley A.Sex，Gender and Society[M].Routledge，2016.

[48]Nicolas Le Carret，Sylviane Lafont，Luc Letenneur，et al.The Effect of Education on Cognitive Performances and Its Implication for the Constitution of the Cognitive Reserve[J].Developmental Neuropsychology，2003，23（3）：317-337.

（責任編輯：孫國雷）