社会交换视角下在线问答社区用户隐性知识共享研究

在线问答社区逐渐成为互联网时代下用户进行知识获取和知识共享的重要途径,也为隐性知识共享提供了更便捷的平台。文章分析了在线问答社区知识共享的现状及隐性知识共享存在的障碍,从社会交换理论视角探讨社区用户隐性知识共享的影响因素,并针对性地提出在线问答社区隐性知识共享的保障措施,以引导用户积极参与隐性知识共享,构建活跃的在线问答社区,实现其健康持续发展,为在线问答社区知识管理活动提供一些启示。

在线问答社区用户集体意愿影响因素研究

[目的/意义]旨在探索虚拟社区用户集体意愿研究。[方法/过程]结合在线问答社区特点,采用结构方程模型,先后利用SPSS 23.0和AMOS 21.0进行数据分析并进行模型验证。[结果/结论]研究认为,虚拟社区感、社会资本均对在线问答社区用户集体意愿产生正向影响;在线互动、线下互动除了直接对在线问答社区用户集体意愿产生正向影响,还可以通过虚拟社区感、社会资本对在线问答社区用户集体意愿产生间接的正向影响。

一种融合话题和行为的在线问答社区领域专家发现方法

根据在线问答社区中答案的产生过程,提出一种"问题-回答者-话题"(Question-Answerer-Topic,QAT)模型,对"问题-回答者对"(question-answerer pair)的领域话题分布进行建模,并结合社区中的点赞行为,融入用户在每个问题下答案的获赞数据,计算用户在领域话题分布下的专业水平,最后结合链接分析的方法,提出一种主题敏感的PageRank改进模型,最终得到每位用户在领域话题下的专家得分。基于中文在线问答社区知乎网的人工智能领域真实数据集进行实验和对比分析,实验结果表明,本文提出的领域专家发现方法明显优于其他现有方法。

面向用户需求主题的在线问答社区信息多层级分类研究

互联网在线问答社区服务的广泛性、便捷性、互动性与个性化特征促进了该模式的飞速发展,在线问答社区已逐渐成为人们获取各类生活信息的重要平台。然而,社区内信息资源存在缺乏有效组织与语义关联缺失等现实瓶颈,以及生活类信息的高复杂、多层级等特性,导致用户的在线信息需求服务体验效果不尽如人意。为实现对在线问答社区内各类信息资源的细粒度组织与语义关系揭示,进而达到面向用户需求主题实施信息精准分类的目标,本研究利用在线母婴社区内用户提问数据构建用户需求的多层级架构体系,进而生成经过验证的、具有多层级需求主题的标签化数据实验样本。最后,通过比对本研究所构建的面向用户需求主题的信息多层级分类模型(users’needs topicshierarchical classification,UNT-HC)与TextAttBiRNN (text attention bi-directional recurrent neural network)单层级分类模型及HFT-CNN (hierarchical fine-tuning conventional neural network)、HCCNN (hierarchical classification conventional neural network)等多层级分类模型的分类效果,验证了UNT-HC模型在实现在线问答社区中多层级单标签、超细粒度文本信息分类应用中性能的优越性。

在线知识问答社区中答案的内容特征和社区地位对答案采纳的影响机制研究

“知识过载”、“知识迷航”、“供需不匹配”、搜寻和筛选知识耗时耗力已经成为在线问答社区中的顽疾,如何在此背景下提高答案的采纳已经成为社区和学者们研究的重点。基于此,文章从在线互动的视角出发,采用信息采纳模型,研究答案的内容特征(文本特征、修辞特征、情感特征)和答案提供者的社区地位(官方地位、意见领袖地位)对答案采纳的作用,并探讨答案互动程度的中介作用。文章以知乎为研究对象,采集了学习话题下1696条答案信息,运用SPSS 24对数据分析以验证模型。研究结果表明:答案的文本特征、修辞特征和答案提供者的社区地位积极影响答案采纳;答案的文本特征、修辞特征和答案提供者的社区地位积极影响答案的互动程度;答案的互动程度在答案的内容特征(文本特征、修辞特征)对答案采纳、答案提供者的社区地位对答案采纳之间的关系中起部分中介作用。

在线问答社区用户研究综述

在线问答社区的原理是用户在自身需求的驱动下有针对性地提出问题,其他用户在社区激励机制的刺激下提供该问题的答案。在线问答社区自产生以来,用户群和知识库的规模不断增加。用户是在线问答社区的根基所在,决定着其生存和发展,用户研究已成为国内外在线问答社区研究的热点之一。参与动机、参与内容和满意度是目前在线问答社区用户研究的三个主要方向。

免费与付费在线问答社区用户参与行为的比较研究

[目的/意义]作为目前主流的在线问答社区模式,免费和付费在线问答社区为用户提供了不同的信息交互场景,能够满足差异化的用户需求。本文通过对两类社区用户参与行为的比较,深入揭示了他们之间的行为差异,对两类社区服务模式的优化提供了对策和建议。[方法/过程]采用列联表分析、非参数检验和负二项回归等方法对免费和付费在线问答社区用户的参与特征和交互影响关系进行了分析。[结果/结论]研究发现免费和付费在线问答社区用户在信息需求、参与特征和交互影响关系上存在诸多差异,其中免费在线问答社区具有最多的观点型问题,付费在线问答社区具有最多的建议型问题;免费提问者倾向于用抽象、概括的方式提出问题,付费提问者则倾向于提供详细的背景信息;问题长度负向影响免费回答的数量和长度,正向影响付费回答的长度;问题长度、回答长度正向影响免费和付费评价数量。本文丰富了对在线问答社区用户参与行为的研究,为免费和付费两类社区服务模式优化提供了一定的管理建议。

在线问答社区信息披露质量与公司绩效的相关性--基于“上证e互动”

[目的/意义]上市公司投资者在线问答社区是重要的企业开源情报平台,对在线问答社区中披露的信息进行充分的挖掘利用能够成为大数据环境下提升企业情报竞争力的有效举措。[方法/过程]文章基于活动理论,就“上证e互动”平台上的问答文本,从文本内容特征和问答结构特征出发,构建了提问、回复、问答关联3个要素层的11个具体评价指标,并以21所上市公司的实际数据为例,挖掘其与公司绩效的相关性,探究将其作为上市公司竞争情报来源的可行性。[结果/结论]可将“上证e互动”这样的上市公司在线问答社区信息披露质量作为判断公司绩效的依据,为企业竞争情报研究提供新的情报来源。

ECM-ISC框架下期望确认度对在线知识问答社区持续使用意愿的影响研究

[目的/意义]研究影响用户持续使用在线知识问答社区意向的因素,深入理解用户接受并持续使用技术创新的本质,深化用户持续使用行为理论,促进知识问答社区和用户需求理论的发展。[方法/过程]笔者以"期望—确认"理论模型(ECM-ISC)为基础,结合关系维持双元理论等构建在线知识问答社区的用户持续使用模型和测量量表,共搜集358份有效样本数据,采用结构方程模型进行假设检验。[结果/结论]结果表明,用户的期望确认度由信息、社交、情感、娱乐以及社会认同期望5个维度构成,5种确认度都会正面显著影响用户的满意度和感知有用性;满意度和感知有用性对用户持续使用意愿有积极影响;用户感知转换成本、用户习惯和自我效能正向影响持续使用意愿;自我效能正向影响社会认同确认度。

问答社区中基于问题粒度的用户专业性预测方法

在线问答社区中大量问题等待回答时间过长、高质量回答数极少,对社区用户在具体问题上的专业程度进行度量具有现实需求。现有的基于链接分析和基于文本分析等方法多集中在社区和话题粒度的专业性度量,并未深入到问题粒度。针对上述问题,定义了问答社区中基于问题粒度的用户专业性概念,在此基础上提出了基于问题粒度的用户专业性预测方法,包括用户专业性度量方法和用户专业性预测模型。该预测方法先利用问答社区中社区用户对回答质量的评价机制,在问题粒度上为用户建立专业性度量;再基于矩阵分解,融合用户偏差、问题偏差以及用户已回答问题集的隐含反馈等信息,构建用户在问题粒度上的专业性预测模型,进而预测用户在待回答问题上的专业程度。利用知乎问答社区互联网话题下的问答数据集,设计了与前述两种主流方法的对比实验。实验结果表明,提出的用户专业性度量方法可以有效地度量用户在具体问题上的专业程度,基于此方法构建的用户专业性预测模型具有更高的预测精度。

社会化问答社区知识特征对问题质量的影响研究

[目的/意义]本文从知识特征的角度,对在线问答社区中问题质量和价值的影响因素进行分析,为优化用户生成内容质量、实现有效的知识共享提供参考。[方法/过程]以编程问答社区Stack Overflow为研究对象,收集社区建设以来10年的数据,从知识的大众化程度、知识间的关联程度、知识的多样化程度、知识在网络中的重要程度4个方面,考察哪些知识特征会影响社区用户对于问题质量的评价。[结果/结论]知识特征对问题的内容质量具有显著影响。其中,知识间的关联程度、知识在网络中的重要程度,对问题得到的评价具有正向影响作用;随着知识的大众化水平提高,问题得到的评价呈现先升后降的趋势。

网络健康社区信息需求特征测度——基于时间和主题视角的实证分析

以在线问答社区中癌症信息为例,对其信息需求从时间和主题两个角度进行综合测度。对不同时间的数据进行分组,采用LDA主题挖掘法来确定相关编码规则,探求在线问答社区中用户信息需求特征,发现用户对癌症信息的需求主要集中在若干个主题,并且对各主题的关注度随时间呈现出一定的变化趋势。进一步探究在线问答社区健康信息服务存在的问题,为促使各网络健康社区信息服务水平的提高提供参考和指导。

在线知识问答社区用户信息信任判断实证研究——来自眼动追踪实验的证据

[目的/意义]基于在线知识问答社区平台,通过眼动实验阐明用户注意与用户信任的关系,有助于用户获得高质量的信息,维持知识问答社区平台的公信力与可持续运营。[方法/过程]从视知觉的角度出发,利用眼动追踪技术量化在线知识问答社区用户的信息浏览行为,明晰用户对各信息要素的注意力分配特征,并结合自我报告式量表探究用户注意力是否反映其对信息的信任判断;同时基于ELM模型探讨信源个人成就、信息内容和系统累计线索值与用户信任判断之间的关系。[结果/结论]对不同卷入度的信息,用户对各信息要素的关注情况存在差异,且各信息要素对用户信任判断的影响不同,用户对信息的认知加工也存在路径差异;用户注意力指标(注视时长、注视次数)与信任判断之间关系甚微,注视未必代表相信。