李楓林?張俊兮

摘 要 社會化問答平臺上積累了大量的知識，成為用戶獲取知識的重要場所。論文以信息采納理論為基礎(chǔ)，從知識接收者角度出發(fā)，設(shè)計(jì)結(jié)構(gòu)方程模型進(jìn)行實(shí)證研究，探究了信息性影響和規(guī)范性影響對知識采納行為的影響。研究結(jié)果表明，信息性影響和規(guī)范性影響對于知識采納都有顯著的正向影響，知識質(zhì)量對于知識采納的影響最大，時(shí)間壓力和自我效能對知識采納起調(diào)節(jié)作用。

關(guān)鍵詞 社會化問答 平臺知識采納 信息性影響 規(guī)范性影響

分類號 G250.73

DOI 10.16810/j.cnki.1672-514X.2018.09.012

Abstract Social Q&A; platform has accumulated a lot of knowledge and become an important place for users to get knowledge. Based on the theory of information adoption， from the perspective of knowledge recipients， this paper conducts an empirical research through structural equation models to explore the impact of informational influence and normative influence on knowledge adoption behavior. The results show that informational and normative influences have significant positive impacts on knowledge adoption， while knowledge quality has the greatest impact on knowledge adoption， and time stress and self-efficacy play a regulatory role in knowledge adoption.

Keywords Social Q&A; platform. Knowledge adoption. Informational influence. Normative influence.

傳統(tǒng)的網(wǎng)絡(luò)問答系統(tǒng)逐漸向集娛樂性和實(shí)用性為一體的社會化問答平臺發(fā)展，形成了以用戶為核心的知識分享社區(qū)。社會化問答平臺中的問題不局限唯一答案，并且根據(jù)用戶點(diǎn)贊和回復(fù)的情況對答案進(jìn)行質(zhì)量評估，讓更多得到認(rèn)同的答案置頂[1]。該模式中強(qiáng)化了用戶間的溝通和交流，鼓勵(lì)對于問題的深層次探究，深受大眾歡迎。

用戶對社會化問答平臺上知識的采納實(shí)質(zhì)為一種知識轉(zhuǎn)移過程[2-3]，在知識轉(zhuǎn)移研究中，要深刻地理解不同背景下的知識傳遞，全盤把握知識轉(zhuǎn)移的每一個(gè)環(huán)節(jié)，知識接收者不僅是知識轉(zhuǎn)移過程中重要的步驟，也決定了對于知識的接收與否，從知識接收者的角度來研究采納知識的動機(jī)和影響因素十分重要。其采納過程可以看作知識內(nèi)化的重要步驟[4]。本文擬從知識接收者的視角探索在社會化問答平臺中知識采納的影響因素，并選擇知乎做為研究平臺。

1 理論背景與相關(guān)研究

社會化問答平臺為用戶提供了一個(gè)知識交流的空間，用戶通過提問-回答的模式為平臺積累了大量的信息內(nèi)容。Sussman認(rèn)為知識采納可以被看做信息的采納，而信息質(zhì)量和信息源可信度都會影響接收者的采納意愿[5]，由此提出了“信息采納模型”。該模型的理論基礎(chǔ)為Petty和Cacioppo提出的“精細(xì)加工可能性理論”（Elabotating Likelihood Model，ELM），該理論認(rèn)為信息接收者對于信息加工存在兩個(gè)路線：中心路線和邊緣路線。信息接收者采用中心路線時(shí)，投入較多的精力和思考；采取邊緣路線時(shí)，其他的線索影響他們對于信息的接受，投入的精細(xì)加工努力較少[6]。在“信息采納模型”中，信息質(zhì)量對應(yīng)ELM模型中的中心路線，信息源可信性對應(yīng)ELM中的邊緣路線。

1.1 社會化問答平臺的知識采納研究

目前，學(xué)界主要從以下兩個(gè)角度開展知識采納方面的研究。

一是從知識質(zhì)量角度出發(fā)，探究知識的不同維度對于知識采納的影響，并且嘗試歸納知識接收者評價(jià)知識質(zhì)量的標(biāo)準(zhǔn)。陳曉宇等將問答平臺上的答案質(zhì)量用可靠性，新穎性，知識性，解決力四個(gè)維度來劃分，以此來對比知乎和百度知道兩個(gè)平臺答案的質(zhì)量異同[7]。張耀輝將信息質(zhì)量劃分為信息內(nèi)容質(zhì)量、信息交互質(zhì)量、信息期望質(zhì)量和信息感知質(zhì)量，在信息交互的背景下探究了影響信息質(zhì)量的因素[8]。Zhu Z等人將社會化問答平臺上的答案質(zhì)量詳細(xì)的劃分為信息量，完整性，禮貌性，相關(guān)性，可讀性，簡明性，可靠性，原創(chuàng)性，客觀性，新穎性，細(xì)節(jié)性，專業(yè)性，有用性共13個(gè)維度，研究了其對于采納行為的影響[9]。

二是將知識質(zhì)量看作一個(gè)維度，根據(jù)不同的研究情景加入其他影響的因素建立模型，探究不同因素之間的關(guān)系和他們對于知識采納的影響?！靶畔⒉杉{模型”和“精細(xì)加工可能性理論”被廣泛的應(yīng)用于該類研究中。Chen X Y和Deng S L以“精細(xì)加工可能性理論”為基礎(chǔ)研究了判斷社會化問答平臺上知識質(zhì)量的影響因素，發(fā)現(xiàn)“有用性”“互動性”“趣味性”正向的影響用戶的采納意愿，進(jìn)而影響采納行為[10]。Zhang W和Watts研究發(fā)現(xiàn)“信息質(zhì)量”和“信息源可靠度”是影響在線實(shí)踐社區(qū)用戶知識采納的決定因素[11]。Cheung基于“信息采納模型”細(xì)化了信息質(zhì)量和信息源可信度，研究了用戶在購物社區(qū)中的信息采納影響因素，結(jié)果發(fā)現(xiàn)相關(guān)性和詳盡性對信息的采納影響較大[12]。

除了以上的研究方法，技術(shù)接受模型TAM[13]，整合型技術(shù)接納與使用模型UTAUT[14]等理論模型都被證實(shí)可以解釋用戶采納信息的行為。

在知識采納的研究中，焦點(diǎn)大多集中在信息質(zhì)量和信息源可信性兩個(gè)方面，結(jié)合不同平臺的特征，將信息質(zhì)量和信息源劃分為不同的維度，通過建立模型分析數(shù)據(jù)找出影響采納的關(guān)鍵因素。筆者認(rèn)為，以往的研究往往忽略了知識接收者在知識轉(zhuǎn)移過程中的重要性，未能從知識接收者視角來考慮用戶采納知識時(shí)的影響因素。

1.2 信息采納行為中的影響因素研究

在信息系統(tǒng)的相關(guān)研究中，社會化影響被證實(shí)為影響用戶行為的重要因素[15]。

社會化影響是指個(gè)人的想法、感受、態(tài)度、行為等在和他人產(chǎn)生交互而發(fā)生的變化，導(dǎo)致這種變化的原因主要是信息性影響和規(guī)范性影響。

信息性影響是指個(gè)人從他人接收到的信息作為現(xiàn)實(shí)的證據(jù)，影響程度受用戶對于信息提供者地位感知而變化。規(guī)范性影響是指處于群組中的成員期望與群組的其他成員一樣，不希望被其他成員排斥[16]。Lee等人研究了社會化影響中信息性影響對于人們購物傾向的影響[17]， Waardenburg等人通過在Facebook上進(jìn)行定量實(shí)驗(yàn)的方式，驗(yàn)證了規(guī)范性影響對于勸導(dǎo)技術(shù)的正向影響[18]。Kuan等人將社會化電子商務(wù)網(wǎng)站上的“購買”信息和“喜愛”信息歸納為規(guī)范性影響和信息性影響，并且探索了兩者對于群組成員購買行為的影響[19]。韓金星通過研究網(wǎng)絡(luò)團(tuán)購行為，發(fā)現(xiàn)信息性影響和規(guī)范性影響都會影響消費(fèi)者的信任傾向，團(tuán)購成員感覺到其他成員對于產(chǎn)品的信任后，會提高自己的信任程度[20]。

通過梳理文獻(xiàn)可以發(fā)現(xiàn)，信息性影響和規(guī)范性影響在信息系統(tǒng)的接受研究中被大量的應(yīng)用，兩個(gè)影響因素都被證實(shí)可以同時(shí)對用戶的選擇過程造成影響。社會化問答平臺作為人們進(jìn)行交互信息的網(wǎng)絡(luò)方式，必然也充滿了大量的信息因素和社交因素，因此在用戶采納社會化問答平臺上的知識時(shí)，信息性影響和規(guī)范性影響是不容忽視的研究內(nèi)容。

2 社會化問答平臺上知識采納因素研究與假設(shè)

社會化問答平臺通過人與人之間信息的連接創(chuàng)造巨大的價(jià)值[21]，其主要的功能集中在“問答系統(tǒng)”和“社交系統(tǒng)”兩個(gè)方面，用戶可以根據(jù)自身的需求選擇做詢問者、貢獻(xiàn)者、瀏覽者等。針對以上特征，本文基于知識接收者的視角，從信息性影響和規(guī)范性影響兩個(gè)角度出發(fā)，增加時(shí)間壓力和自我效能兩個(gè)調(diào)節(jié)變量，探究用戶在社會化問答平臺上知識采納的影響因素。

2.1 信息性影響相關(guān)變量研究與假設(shè)

基于“信息采納模型”，本文選擇知識質(zhì)量和知識源可信度作為信息性影響。根據(jù)Bhattscherjee等人的研究，用戶對于知識的接納實(shí)則為一種“說服”的過程，用戶對于知識質(zhì)量的判斷會影響用戶的采納意愿，知識質(zhì)量的高低直接影響了知識的“說服”能力，導(dǎo)致采納行為的差異[22]。在以往的研究中，對于知識質(zhì)量的衡量維度十分豐富，其中可靠性、新穎性、知識性、解決力、全面性等因素都被考慮到知識質(zhì)量的評價(jià)中來，本文選擇經(jīng)典的有用性、說服性、知識性三個(gè)方面的維度來評價(jià)社會化問答平臺中的知識質(zhì)量，并以此作為影響用戶對于知識采納的考慮因素。

知識源可信度區(qū)別于知識的內(nèi)容本身，可理解為知識接收者對于知識提供者可信度的判斷。接收者在選擇是否接納所提供的知識時(shí)，會考慮到知識提供者的專業(yè)程度和可信度，因此接收者會通過考量網(wǎng)站對于用戶的認(rèn)證，用戶的歷史發(fā)言，用戶的等級等因素去評價(jià)知識源的可信性。知識質(zhì)量和知識源可信度在網(wǎng)絡(luò)社區(qū)的環(huán)境下有一定的一致性[11]，有一定認(rèn)可度的用戶為了保持他們的名聲和可信性不太可能去發(fā)布虛假的知識，他們會不斷發(fā)布高質(zhì)量的知識才能繼續(xù)吸引別人的關(guān)注。Chu等人的研究發(fā)現(xiàn)知識提供者的專業(yè)性越高，知識接收者采納的意愿越容易受提供者的影響[23]。

基于以上內(nèi)容，本文提出以下假設(shè)。

H1a：知識質(zhì)量正向影響用戶對于知識的采納；

H1b：知識源可信度正向影響用戶對于知識的采納。

2.2 規(guī)范性影響相關(guān)變量研究與假設(shè)

信息性影響關(guān)系著用戶可以做出最合適的選擇，但是規(guī)范性影響與用戶想取得群組中其他成員的認(rèn)同有關(guān)[24]。社會化問答平臺上存在以話題為單位的群組，很多話題中都存在優(yōu)秀的知識提供者。以知乎為例，優(yōu)秀的回答者會得到不同的標(biāo)志以彰顯其不同的地位，他們的回答往往能收到更多的點(diǎn)贊和回復(fù)，這些受用戶歡迎的優(yōu)秀回答者所提供的答案會對其他用戶的采納決定造成影響。Henningsn在實(shí)驗(yàn)中證明：如果在一個(gè)群組中存在知識的共識，那么此時(shí)的規(guī)范性影響對于人們知識采納的影響會達(dá)到最強(qiáng)[24]。Liao通過對比信息瀏覽者和信息發(fā)布者的行為特征，證明了社會化影響中規(guī)范性影響對于用戶知識采納行為的作用[25]。現(xiàn)有的研究中知識共識和知識評級常常被用來作為規(guī)范性影響的考量因素去研究其對于知識采納的影響。

知識共識會讓用戶對于網(wǎng)絡(luò)上的知識產(chǎn)生信任感，也會影響知識接收者的觀念和態(tài)度。當(dāng)用戶發(fā)現(xiàn)他人所提供的知識滿足自己的需求，并且這個(gè)知識和組群內(nèi)其他用戶的觀念有共識存在，則很可能會選擇采納知識[26]。本文將知識來源之間的一致程度定義為知識共識。知識接收者在接觸自己不熟悉的領(lǐng)域知識時(shí)難以仔細(xì)地檢查內(nèi)容，他們更可能采納存在共識現(xiàn)象的知識。

在社會化問答平臺上，用戶可對其他人發(fā)布的內(nèi)容進(jìn)行反饋。知乎上用戶針對其他用戶的發(fā)言可以選擇“贊同”和“反饋”進(jìn)行評價(jià)，相應(yīng)的評價(jià)影響了該回答的評級，也影響回答顯示順序。一條回答得到了大量的“贊同”和評價(jià)后，其知識評級中的等級會變高。知識評級可以反映平臺上知識獲得一致性的程度，可以被看做規(guī)范性影響。當(dāng)用戶關(guān)注于知識評級時(shí)，很可能會放棄細(xì)致考究知識本身，Poston等人的研究中發(fā)現(xiàn)評級可以顯著的影響用戶對信息的采納意愿，評級的高低會直接影響他們的采納行為[27]。

基于以上內(nèi)容，本文提出以下假設(shè)。

H2a：知識共識正向影響用戶對于知識的采納。

H2b：知識評級正向影響用戶對于知識的采納。

2.3 調(diào)節(jié)變量研究與假設(shè)

2.3.1 時(shí)間變量與假設(shè)

時(shí)間壓力是可以影響個(gè)人行為和決策的情緒變量，可以被看作“說服”過程中的催化劑。Bhattacherjee等人認(rèn)為時(shí)間壓力是影響知識采納的重要因素，其對于信息性因素和規(guī)范性因素會有不同的影響[22]。關(guān)注信息性影響會要求用戶仔細(xì)考究知識的質(zhì)量，并確保知識源的可信度，但是規(guī)范性影響卻不需要用戶付出太多的精力去考究內(nèi)容，而是會更多的受到群組內(nèi)其他成員行為的影響。當(dāng)用戶面臨時(shí)間壓力的時(shí)候，信息性影響對于用戶采納行為的影響會減弱，而規(guī)范性影響則會增強(qiáng)[28]。綜上，本文采納時(shí)間壓力作為調(diào)節(jié)變量展開研究。

基于以上內(nèi)容，本文提出以下假設(shè)。

H3a：高程度的時(shí)間壓力會減弱知識質(zhì)量對于知識采納的影響。

H3b：高程度的時(shí)間壓力會減弱知識源可信度對于知識采納的影響。

H3c：高程度的時(shí)間壓力會增強(qiáng)知識共性對于知識采納的影響。

H3d：高程度的時(shí)間壓力會增強(qiáng)知識評級對于知識采納的影響。

2.3.2 自我效能變量與假設(shè)

Bandura提出了社會學(xué)習(xí)理論，也稱為社會認(rèn)知理論，該理論中最重要的部分即為自我效能理論，自我效能是指個(gè)體對自身能夠達(dá)成特定成就行為的主觀判斷[29]。面對特定的問題，自我效能高的人更傾向于主動地收集和判斷信息，找出自己最需要的內(nèi)容并采納，他們往往更關(guān)注于信息性影響，從知識本身去判斷采納與否。而自我效能低的用戶面對復(fù)雜知識時(shí)，會更關(guān)注于規(guī)范性影響。王軍等人通過實(shí)驗(yàn)證明自我效能會調(diào)節(jié)消費(fèi)者對在線評論的有用性感知[30]。綜上，本文選擇自我效能為調(diào)節(jié)變量展開研究。

基于以上內(nèi)容，本文提出以下假設(shè)。

H4a：高程度的自我效能會增強(qiáng)知識質(zhì)量對于知識采納的影響。

H4b：高程度的自我效能會增強(qiáng)知識源可信度對于知識采納的影響。

H4c：高程度的自我效能會減弱知識共性對于知識采納的影響。

H4d：高程度的自我效能會減弱知識評級對于知識采納的影響。

2.4 社會化問答平臺上知識采納影響因素模型

根據(jù)以上的內(nèi)容，筆者歸納出社會化問答平臺上知識采納影響因素模型，如圖1所示。

3 社會化問答平臺知識采納調(diào)查

3.1 問卷設(shè)計(jì)

本文結(jié)合社會化問答平臺的特點(diǎn)，在前人文獻(xiàn)經(jīng)典量表的基礎(chǔ)上設(shè)計(jì)了本文的調(diào)查問卷，每個(gè)題項(xiàng)由李克特7級量表來進(jìn)行衡量，要求答題者真實(shí)回答，從1～7分依次定為“非常不同意”到“非常同意”。具體的變量測量如表1所示。

3.2 樣本調(diào)查

本文選擇知乎作為實(shí)證研究平臺，問卷發(fā)放的對象為知乎用戶，問卷主要通過問卷星進(jìn)行發(fā)布，通過微信朋友圈，知乎私信，微博，QQ等分享問卷的方式邀請知乎的用戶進(jìn)行填寫。研究首先進(jìn)行了預(yù)調(diào)查，根據(jù)問卷反饋，討論和修改了部分問題的表述，降低問卷填寫難度。問卷發(fā)放的時(shí)間為2017年9月10日至10月15日，共收集到問卷309份，由于在規(guī)定問卷填寫完整才能提交，所以309份問卷皆為有效問卷。樣本的特征信息如表2所示。

4 數(shù)據(jù)分析與結(jié)果

本文采用偏最小二乘法（Partial Least Squares，PLS） 結(jié)構(gòu)方程模型驗(yàn)證假設(shè)和概念模型。

4.1 模型信度和效度檢驗(yàn)

內(nèi)容效度、匯聚效度（Convergent Validity）、判別效度（Discriminant Validity）等通常被用來檢測模型的有效性[31]。在內(nèi)容效度方面，本文的測量指標(biāo)通過查閱已有的研究工作得出，我們認(rèn)為這些變量和題項(xiàng)是清晰和表意明確的，如表3所示。匯聚效度是指相同變量的測量指標(biāo)指示的相關(guān)程度，根據(jù)計(jì)算的結(jié)果，平均方差抽取量AVE（Average Variance Extracted）大于0.5，證明模型有良好的匯聚效度。判別效度是指不同變量的題項(xiàng)間彼此的相關(guān)程度，通過比較AVE平方根與潛在變量間的關(guān)系數(shù)來進(jìn)行評估，表4顯示AVE平方根均大于其他的潛在變量的關(guān)系數(shù)，證明模型有良好的判別效度[32]。根據(jù)計(jì)算結(jié)果（如表3所示）可以看出，組合信度CR（Composite reliability）值均大于等于0.887，Cronbach's Alpha系數(shù)大于等于0.768，證明模型存在良好的信度。

4.2 研究結(jié)果

本研究采用Smart-PLS進(jìn)行路徑參數(shù)估計(jì)，利用Bootstrapping重復(fù)抽樣方法，重復(fù)抽樣數(shù)為1000，結(jié)果如圖2所示。

潛在變量R的平方值表達(dá)了模型的預(yù)測能力，實(shí)驗(yàn)結(jié)果知識采納的R平方為65.2%，表明該模型具有較好的解釋性和預(yù)測力。路徑系數(shù)越大表明原因變量到結(jié)果變量的直接效應(yīng)就越大。模型中假設(shè)的顯著性水平P都小于0.05，表明假設(shè)都得到了有效的支持。

5 結(jié)論與展望

本文在信息采納模型的基礎(chǔ)上，從信息性影響和規(guī)范性影響兩個(gè)方面探索了社會化問答平臺上知識采納的影響因素，將時(shí)間壓力和自我效能作為調(diào)節(jié)變量進(jìn)行建模，最后通過數(shù)據(jù)分析發(fā)現(xiàn)信息性影響和規(guī)范性影響對于知識采納都有顯著的正向影響，而時(shí)間壓力和自我效能的調(diào)節(jié)作用各不相同，具體結(jié)論如下。

（1） 知識質(zhì)量是決定用戶是否采納知識的最重要因素。知識質(zhì)量和知識源可信度對于知識采納都有顯著的正向影響。知識質(zhì)量對于知識采納的影響最顯著，表明在社會化問答平臺上，用戶最關(guān)注的還是內(nèi)容飽滿、質(zhì)量偏高的知識。相較其他社交平臺，知乎上的知識更加的嚴(yán)謹(jǐn)和專業(yè)，知識質(zhì)量的高低直接影響用戶的采納行為。

（2） 知識共識和知識評級對于知識采納都有顯著的正向影響。當(dāng)用戶面對專業(yè)性較強(qiáng)的知識時(shí)，難以考察知識的內(nèi)容質(zhì)量，轉(zhuǎn)而會更多的關(guān)注于規(guī)范性影響，當(dāng)平臺所提供的知識存在一種共識，用戶為了獲得其他成員的認(rèn)同會選擇去采納知識。當(dāng)知識的評級較高，較多的用戶有了關(guān)注行為，導(dǎo)致在回答中被置于前列，也會促進(jìn)用戶去采納知識。

（3） 當(dāng)時(shí)間壓力很大的時(shí)候，知識質(zhì)量和知識源可信度對于知識采納有顯著的負(fù)向影響。知識質(zhì)量的判定和知識源可信度的考察通常需要花費(fèi)用戶較多的精力，而知識評級和知識共識是較快可以判斷其接受程度的因素，適用于用戶需要快速采納知識的場景，知識共識和知識評級對知識采納有顯著的正向影響。

（4） 當(dāng)用戶的自我效能較強(qiáng)時(shí)，知識質(zhì)量和知識源可信度對于知識采納有顯著的正向影響。用戶對于自己的知識水平較自信的時(shí)候，更多的關(guān)注于知識本身，他們更有能力從復(fù)雜的信息中發(fā)現(xiàn)自己所需要的知識。同時(shí)，知識共識和知識評級對知識采納有顯著的負(fù)向影響，自我效能高的用戶更傾向自己去判定知識的采納，并不追求和群組中的其他成員相一致的知識，研究結(jié)果符合預(yù)期。

綜觀上述結(jié)論，在搭建問答平臺時(shí)，管理者一般都需要考慮如何幫助用戶快速搜尋到他們所需要的知識，提高他們的搜索效率。平臺要根據(jù)用戶采納知識的情況，應(yīng)首先考慮優(yōu)化知識評級系統(tǒng)，方便用戶直觀獲取知識評價(jià)的等級，提高使用效率和用戶粘性。相較于實(shí)際的獎(jiǎng)勵(lì)，知識貢獻(xiàn)者的行為更可能被名聲、互惠主義、歸屬感等所激勵(lì)，貢獻(xiàn)者更加希望自己提供的知識被采納?；谥R源可信度對于知識采納行為的影響，優(yōu)化用戶信用評級系統(tǒng)不僅可以促進(jìn)知識采納者的采納行為，也可以幫助知識提供者尋找到認(rèn)同感，從而繼續(xù)貢獻(xiàn)優(yōu)質(zhì)的知識。

參考文獻(xiàn)：

楊海娟. 社會化問答網(wǎng)站用戶貢獻(xiàn)意愿影響因素實(shí)證研究[J]. 圖書館學(xué)研究，2014（14）：29-38.

TEECE D J. Technology transfer by multinational firms： the resource cost of transferring technological Know-How[J]. Economic Journal，1977，87（346）：242-261.

BECHEIKH N. How to improve knowledge transfer strategies and practices in education？ Answers from a systematic literature review[J]. Research in Higher Education Journal， 2010：1-21.

SUMANADASA S S， SURAWEERA T， ABEVRATHNE P.

Knowledge adoption in industrial craftsmen[EB/OL].[2017-07-01].https：//www.researchgate.net/publication/307766951_Knowledge_Adoption_in_Industrial_Craftsmen.

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

PETTY R E， CACIOPPO J T. The elaboration likelihood model

of persuasion[J].Advances in Experimental Social Psychology，1986，19（4）：123-205.

陳曉宇，盧興威，鄧勝利.社交問答網(wǎng)站答案質(zhì)量與答案采納對比研究：以百度知道和知乎為例[J].數(shù)字圖書館論壇， 2015（6）：24-30.

張耀輝，盧爽，劉冰.用戶信息交互過程中影響信息質(zhì)量的因素分析[J].情報(bào)理論與實(shí)踐，2012，35（6）： 12-15.

ZHU Z， BERNHARD D， GUREVYCH I. A Multi-dimensional model for assessing the quality of answers in social Q&A; sites[C]//International Conference on Information Quality， Iciq 2009，Hasso Plattner Institute， University of Potsdam， Germany， November.DBLP， 2009：264-265.

CHEN X Y， DENG S L. Influencing factors of answer adoption in social Q&A; communities from users perspective： taking Zhihu as an example[J].數(shù)據(jù)與情報(bào)科學(xué)學(xué)報(bào)（英文），2014，7（3）：81-95.

ZHANG W， WATTS S. Knowledge adoption in online communities of practice[EB/OL].[2017-07-01].http：//www.ixueshu.com/document/56f134bd722e8cbc318947a18e7f9386.html 2016.

CHEUNG M， LUO C， SIA C， et al. Credibility of electronic Word-of-Mouth： informational and normative determinants of on-line consumer recommendations[J]. International Journal of Electronic Comm erce， 2009，13（4）：9-38.

ZHOU T. Understanding online community user participation： a social influence perspective[J]. Internet Research Electronic Networking Applications &Policy;， 2011，21（1）：67-81（15）.

DENG S， LIU Y， QI Y. An empirical study on determinants of web based question‐answer services adoption[J].Online Information Review，2011，35（5）：

789-798（10）.

WANG Y， MEISTER D B， GRAY P H. Social influence and knowledge management systems use： evidence from panel data[C]//Society for Information Management and The Management Information Systems Research Center， 2013.

DEUTSCH M， GERARD H B. A study of normative and informational social influences upon individual judgement[J].Journal of Abnormal Psychology，1955， 51（3）：62 9.

LEE M K O， SHI N， CHEUNG C M K， et al. Consumers decision to shop online： the moderating role of positive informational social influence[J]. Information & Management，2011，48（6）：185-191.

WAARDENBURG T， WINKEL R， LAMERS M H. Normative social influence in persuasive technology： intensit yversus effectiveness[M]//Persuasive Technology. Design for Health and Safety.Springer Berlin Heidelberg，2012：145-156.

KUANK KY， ZHONG YINGQIN， CHAU PYK. Informational and normative social influence in Group-Buying： evidence from Self-Reported and EEG data[J]. Journal of Management Information Systems，2014，30（4）：151-178.

韓金星.信息性、規(guī)范性以及信任差值對網(wǎng)絡(luò)團(tuán)購信任的影響[D].上海：復(fù)旦大學(xué)，2012.

OVADIA S. Quora.com： another place for users to ask questions[J].Behavioral & Social Sciences Librarian，2011，30（3）：176-180.

BHATTACHERJEE A， SANFORD C. Influence processes for information technology acceptance： an elaborati on likelihood model[J].MisQuarterly，2006， 30（4）：805-825.

CHU S C， KIM Y. Determinants of consumer engagement in electronic word-of-mouth（eWOM） in social networking sites[J]. International Journal of Advertising，2011，30（1）：47-75.

HENNINGSEN D D， HENNINGSEN M L M. Examining social influence in information-sharing contexts[J]. Small Group Research，2003，34（4）：391-412.

LIAO S， CHOU E. Intention to adopt knowledge through virtual communities： posters vs lurkers[J]. Online Information Review，2012，36（3）：442-461（20）.

FLANAGIN A J， METZGER M J. trusting expert- versus user-generated ratings online： the role of information volume， valence， and consumer characteristics[J].Computers in Human Behavior， 2013， 29（4）：1626-1634.

POSTON R S， SPEIER C. Effective use of knowledge management systems： a process model of content ratings and credibility indicators[J].MisQuarterly， 2005，29（2）：221-244.

REICH S. The effects of time constraints on consumers judgments of prices and products[J].Journal of Consumer Research，2003，30（1）：92-104.

BANDURA A. Social learning theory[J]. Scotts Valley， California， ReCAPP，[2000]，1977，1（1）：33-52.

王軍，周淑玲.一致性與矛盾性在線評論對消費(fèi)者信息采納的影響研究：基于感知有用性的中介作用和自我效能的調(diào)節(jié)作用[J].圖書情報(bào)工作，2016（22）：94-101.

STRAUB D， BOUDREAU M C， GEFEN D， et al. Validation guidelines for ispositivist research[J]. Communications of the Association for Information Systems，2004，3（1）.

查先進(jìn)，李晶，嚴(yán)亞蘭.信任對科技論文快速共享意愿的影響：基于中國科技論文在線的實(shí)證研究[J]. 圖書館論壇，2011，31（6）：232-239.

李楓林 武漢大學(xué)信息管理學(xué)院電子商務(wù)系教授、博士生導(dǎo)師。 湖北武漢，430000。

張俊兮 武漢大學(xué)信息管理學(xué)院電子商務(wù)系研究生。 湖北武漢，430000。

（收稿時(shí)間：2017-11-28 編校：劉 明，曹曉文）