譚 娟，谷 紅，苗冬青

（北京工商大學商學院，北京 100048）

知識產品是人類在改造自然和社會的實踐中，通過支出腦力勞動，依靠知識、智力等要素進行創(chuàng)造性活動的成果，并以一定形式表現(xiàn)出來的一種自然科學、社會科學的成就[1]。隨著Web2.0信息技術和知識經濟的發(fā)展，自由、開放的“大眾生產”(Peer Production)作為知識產品生產領域中的一種新型組織模式和創(chuàng)新動力機制備受推崇[2-3]。創(chuàng)新動力機制是推動創(chuàng)新實現(xiàn)優(yōu)質、高效運行并為達到預定目標提供激勵的一種機制[4]，理解創(chuàng)新過程及其決定因素有助于改進現(xiàn)實世界組織中的創(chuàng)新生產，并最終創(chuàng)造更多卓越的新產品和服務[5-6]。網絡創(chuàng)新社區(qū)(Online Innovation Community, OIC)為生產者(社區(qū)用戶)自由發(fā)布知識產品提供了開放空間。知識產品在廣泛分享、轉移過程中通過復制、融合、重組等作用方式實現(xiàn)產品創(chuàng)新的過程被稱為“重混(remixing)”[7-8]。重混作為大眾生產過程中知識產品的主要創(chuàng)新模式之一廣泛存在于OIC中，如維基百科、Thingiverse、Scratch、軟件開源社區(qū)Github等。根據(jù)重混對象的相互作用關系劃分可以將其分為“繼承”與“派生”兩種形式。繼承是指對已有產品進行改造后獲得新產品；派生是指產品被其他用戶改造后作為新產品發(fā)布[9-10]。

近年來各種開放式OIC獲得了快速發(fā)展，知識產品重混作為適用于互聯(lián)網協(xié)作情境下的重要創(chuàng)新模式而受到關注[11]。Stanko等[12]提出重混是開放式環(huán)境下信息交換、知識分享和擴散的自然結果，應從動態(tài)擴散和靜態(tài)屬性兩個層面挖掘其內在動力。Hill等[13]、Monroy-Hernández等[14]則從知識貢獻的原創(chuàng)性(Originality)和生成性(Generativity)辯證分析了重混行為，并提出作品復雜性、創(chuàng)作者聲譽、知識積累對重混作品創(chuàng)新貢獻影響顯著。除此之外，OIC創(chuàng)新研究工作也為理解知識產品重混提供了理論和實踐依據(jù)。這些文獻主要關注OIC創(chuàng)新過程中的用戶參與動機、知識共享、在線交互等內容。有學者指出，求知動機[15-16]互惠動機[17]、興趣動機[18-19]、易用性感知[20]是影響OIC用戶不斷參與產品創(chuàng)新的主要因素，并提出用戶行為和創(chuàng)新績效密切相關，而知識共享的持續(xù)性、共享意愿、共享知識水平對開放式創(chuàng)新的貢獻度有著顯著影響[10，21-22]。Liu等[23]提出成員間的在線互動能夠增強OIC中用戶的親近度和信任感并促進知識產品創(chuàng)新。

綜上所述，我們發(fā)現(xiàn)已有研究存在以下不足：首先，現(xiàn)有知識產品重混的研究多關注其對開放式創(chuàng)新的知識貢獻作用，試圖為理解知識重混對開放式創(chuàng)新的促進機制提供解釋，但缺乏對具體實踐過程中影響因素的深入探討；其次，與知識產品重混相關的OIC創(chuàng)新研究多選擇以用戶、平臺、知識等為研究對象，重點關注其對創(chuàng)新績效的貢獻和影響，但少有研究關注知識產品在創(chuàng)新過程中的作用機制。本文由此提出研究問題：“在開放性、自發(fā)參與的互聯(lián)網環(huán)境中，不同知識產品的重混創(chuàng)新貢獻何以存在如此顯著的差異?大部分知識產品無人問津，僅少部分知識產品經過不斷重混、繁衍形成‘譜系化’的產品”。

基于以上對文獻的梳理和評價，本文嘗試從三個方面進行解答。第一，知識產品屬性對其重混創(chuàng)新貢獻的影響。網絡創(chuàng)新社區(qū)知識產品具有“類聚性”，表現(xiàn)形式高度相似的產品的重混程度為何存在顯著差異。第二，生產者(平臺用戶)交互行為對知識產品重混創(chuàng)新貢獻的影響。用戶是知識生產的制造者和供給者，也是知識產品重混的執(zhí)行主體。由于OIC中交流的成員彼此之間大多素未謀面，成員之間更頻繁的在線互動是否一定就會刺激更多的重混作品生成有待驗證。第三，知識產品的重混行為是否存在“延續(xù)效應”，即重混實踐中的繼承與派生行為之間的相關性有待檢驗。

本文研究對象和數(shù)據(jù)取自Thingiverse網站。該網站是全球最大的3D打印設計產品OIC，對用戶發(fā)布創(chuàng)意產品提供了模板化的展示和互動系統(tǒng)，給出了瀏覽次數(shù)、點贊次數(shù)、評論內容、作品配圖以及模塊文件等內容，并建立了與知識產品重混狀態(tài)有關的繼承、派生關系的管理機制。因此，本文通過設計爬蟲獲取公開數(shù)據(jù)開展實證研究。

1 研究理論和假設

1.1 研究模型

重混創(chuàng)新的本質是OIC中用戶基于興趣、求知、實用等動機對現(xiàn)有產品不斷改進完善并持續(xù)創(chuàng)造新產品的行為。有別于傳統(tǒng)創(chuàng)新模式，重混創(chuàng)新是一個各種創(chuàng)新要素互動、整合、協(xié)同的動態(tài)過程，并具有自由、開放、流通的基本特征。Roger認為：“創(chuàng)新是一種被個人或其他采用單位視為新穎的觀念、實踐或事物；創(chuàng)新擴散是一種基本社會過程，在這個過程中，主觀感受到的關于某個新語音的信息被傳播，通過一個社會構建過程，某創(chuàng)新的意義逐漸顯現(xiàn)”[12]。從知識分享和信息擴散的角度來看，重混可以視為創(chuàng)新對象(知識產品)在開放性互聯(lián)網空間分享、擴散、重組的往復過程。在創(chuàng)新研究理論中，Roger的創(chuàng)新擴散理論從相對優(yōu)勢、兼容性、復雜性、可試驗性、可認知性、思維可變性等6個維度提出了創(chuàng)新對象的屬性特征，較為全面地解釋了影響創(chuàng)新作品被識別、認知、接納、傳播的要素。各要素的具體內涵解釋如下：相對優(yōu)勢代表創(chuàng)新作品相較于已有產品的新穎程度；兼容性反應某項創(chuàng)新與現(xiàn)有價值觀、以往經驗、預期采用者需求的共存程度；復雜性反映某項創(chuàng)新被理解和運用的難易程度；可試驗性反映在有限基礎上可被試驗的程度；可觀察性反映創(chuàng)新作品為他人所見的程度創(chuàng)新；思維可變性則突出變化的思維模式對創(chuàng)新更具貢獻價值。信息擴散渠道和受關注度也是決定創(chuàng)新擴散程度的關鍵因素。

因此，本文基于創(chuàng)新擴散理論構建理論模型，從知識復雜度、受關注度、用戶交互、延續(xù)創(chuàng)新四個方面提出關鍵要素，分析OIC中的知識產品重混?？紤]到OIC中知識產品的展示形式有著較強的模板化要求，創(chuàng)新作品的可觀察性和可試驗性存在較強的同質化特征，因此知識復雜性成為產品被理解并再利用的關鍵因素。在特定的OIC內，用戶點擊、瀏覽、討論、轉發(fā)等行為是創(chuàng)新作品信息擴散的主要途徑，由此提出受關注度和用戶交互兩個屬性描述產品的擴散效度。再者，由于“繼承”得到的創(chuàng)新作品相比源創(chuàng)新作品具有更好的兼容性，因此考慮作品的延續(xù)創(chuàng)新可能對其繼續(xù)重混存在潛在影響。

綜上所述，提出OIC中知識產品重混影響因素分析模型如圖1所示。

圖1 OIC中知識產品重混影響因素分析模型

1.2 研究假設

1.2.1 知識復雜度與重混的關系

復雜性是知識的重要特性之一。Nelson等[24]認為根據(jù)知識的可理解程度可將之分為簡單知識和復雜知識。Zander等[25]認為知識復雜性是指知識在分享、轉移過程中，因使用者能力差別而出現(xiàn)的結果多樣性。在互聯(lián)網環(huán)境下，知識獲取以一種自發(fā)性體驗學習的方式開展，用戶通過充滿辯證的觀察、行動和反思的過程來汲取經驗知識[26]。因此，簡單知識更容易被理解和掌握，但相對于復雜知識而言其內在價值較低。復雜度較高的技術和知識具有更高的知識價值，但會變得更具緘默性、嵌入型和依賴性，因此其被理解和再利用也更為困難[27]。

OIC知識產品作為知識載體，其知識復雜性外在表現(xiàn)主要包含表達形式、知識關聯(lián)、產權許可等方面[13]。OIC用戶在選擇產品進行重混時，會充分考慮創(chuàng)新過程中更好的參與體驗、更高的潛在價值以及更低的行為風險。因此，過于簡單的知識產品盡管更容易被認知和理解，但在其基礎上進行再創(chuàng)新的潛在價值偏低。復雜度適中的產品可能提供更高的潛在價值和更好的參與體驗，更易吸引用戶參與到對該產品的再創(chuàng)新中來。復雜度偏高的知識產品首先在獲得用戶認知和理解上會存在一定阻礙，再者如果在產權許可方面及后續(xù)使用權方面設置諸多限制，或刻意隱藏設計細節(jié)，這樣即使產品本身的知識貢獻水平很高，也難以獲得用戶的關注和參與。由此提出如下假設：

假設1：產品的知識復雜度與其參與重混的活躍度呈倒U型關系。

1.2.2 受關注度與重混的關系

在信息經濟時代，關注已經成為一種具有商業(yè)價值的、稀缺的資源[28]。從競爭理論來看，知識產品的受關注程度差異會影響其對OIC知識貢獻程度。高關注度的創(chuàng)新作品更可能成為優(yōu)勢產品。用戶參與重混的動機之一是通過改造產品并更多地從中獲益，這種務實動機驅動會刺激用戶盡最大努力去挖掘優(yōu)勢產品并不斷改進。在利益驅使下，優(yōu)勢產品在重混過程中更可能優(yōu)先被用戶采納。考慮到OIC中聲譽的重要性[23]，用戶更傾向圍繞能帶來更高聲譽的產品進行創(chuàng)新。

從創(chuàng)新的思維可變性來看，更高的關注度能夠豐富創(chuàng)新過程中的思維注入[29]，并在用戶交互過程中形成共鳴效應，進而吸引更多的用戶參與到對優(yōu)勢產品的改進創(chuàng)新。這種良性循環(huán)體現(xiàn)了重混行為對提高創(chuàng)新產品知識貢獻率的重要性，并顯著提升OIC組織的總體創(chuàng)新能力。由此提出如下假設：

假設2：受關注度對知識產品重混呈正相關影響。

1.2.3 用戶交互與重混的關系

知識產品重混是OIC中用戶知識分享行為的一種結果形式。OIC的知識分享以互惠性、共同愿景、感知樂趣等要素為基礎，并通過用戶交互實現(xiàn)[30]。社會認知理論認為，觀察同伴在工作中展現(xiàn)出的創(chuàng)造力可能導致個體自身也積極投入到創(chuàng)造性工作中[31]。用戶交互過程就是個體學習、知識傳播、轉移和創(chuàng)新的過程，是刺激知識產品創(chuàng)新的關鍵要素。

OIC用戶的交互話題多圍繞如何設計更好的產品，或解決具體的設計問題等展開。用戶不斷的通過在線評論提供創(chuàng)新思維或創(chuàng)意，并持續(xù)形成對OIC的知識貢獻，持續(xù)提升組織的創(chuàng)新能力和績效水平[32]。在交互過程中，部分創(chuàng)意直接被吸納并付諸實踐，用戶借此對產品進行改造后得到創(chuàng)新產品，這就是知識產品重混的具體過程。部分交互行為可能并沒有提出可用的解決方案，但其引發(fā)的話題性會吸引到更多OIC成員的關注，并為產品發(fā)布者在OIC中贏得更高的聲譽。這種激勵會給用戶帶來成就感、歸屬感并提升自我效能，從而激勵更多的創(chuàng)新作品產生。由此提出如下假設：

假設3：用戶交互對知識產品重混呈正相關影響。

1.2.4 延續(xù)創(chuàng)新與重混的關系

OIC中繼承產生的創(chuàng)新作品的再次重混是一種典型的延續(xù)創(chuàng)新行為。延續(xù)創(chuàng)新賦予了創(chuàng)新作品與已有知識更好的兼容性[33]。從創(chuàng)新擴散理論來看，與既有經驗和價值更為契合的創(chuàng)意更符合OIC成員現(xiàn)有的認知模式和思維范式[34]，能夠獲得用戶認知、接納并相對輕松地提出對改進現(xiàn)有產品更為有利的創(chuàng)新設計。

另一方面，考慮到延續(xù)性創(chuàng)新過程中對知識產品進行了多次加工和迭代，知識產品的設計缺陷不斷得到修補，各方面逐漸趨于完善，可以再次改造的空間不斷壓縮，反而降低了知識產品再次參與重混的機率。以Linux等開源軟件為例，早期階段發(fā)布的版本形式簡單，細節(jié)不完善，反而更容易被理解，加之這些早期的、不完整的作品存在的不足恰好為改進提供了更多的參與途徑[13]。

延續(xù)創(chuàng)新可能促進OIC中知識產品的“多代”譜系繁殖。這種創(chuàng)新產品幾乎都繼承或傳遞了上一代知識產品的部分屬性或功用。知識重混的核心價值之一就是改善現(xiàn)有創(chuàng)新知識缺陷、針對特定應用優(yōu)化知識產品[35]。因此，在延續(xù)創(chuàng)新過程中，如果繼承行為對創(chuàng)新知識缺陷的優(yōu)化和改善屬于對源創(chuàng)新的重要優(yōu)化和完善，那么會得到更多關注并進一步延續(xù)；反之，如果繼承過程中對產品注入的創(chuàng)新思維不屬于關鍵優(yōu)化范疇，相關知識產品的重新延續(xù)則可能中止。由此提出如下假設：

假設4：延續(xù)創(chuàng)新對知識產品重混的影響不顯著。

2 數(shù)據(jù)和分析

2.1 數(shù)據(jù)來源

Thingiverse網站是全球最大的以3D打印模型設計產品為主題的OIC，整個網站現(xiàn)共有70余萬件設計產品。網站通過統(tǒng)一的網頁樣式展示用戶發(fā)布的創(chuàng)新作品，產品描述屬性包括：Like(點贊次數(shù))、Collect(收藏 次 數(shù))、Comments(被 評論 數(shù)量)、Views(瀏 覽次 數(shù))、Downloads(下 載次 數(shù))、Images(描述產品的圖片)以及Files(產品設計文件)。該IOC強調重混創(chuàng)新對社區(qū)創(chuàng)新的貢獻，因此建立了網站內知識產品的重混管理機制，設定了remix from標簽記錄該產品從哪些產品繼承而來，remixes標簽記錄該產品被其他用戶吸收改進后再創(chuàng)新的情況(派生)。

基于C#2.0開發(fā)爬蟲從thingiverse網站上提取了52310條存在重混(派生)的發(fā)布產品(remixes標簽＞0)，并從產品的描述標簽中解析出9個屬性作為觀測變量并進行統(tǒng)計描述分析。每個變量的含義和統(tǒng)計描述如表1所示。結合本文的分析模型和研究假設，設定remixes為因變量，其他8個變量為自變量。

表1 模型的觀測變量含義說明和統(tǒng)計描述

2.2 因子分析

為驗證本文研究假設，采用因子分析法對觀測變量進行主因子分析建模。因子分析法是綜合評價中的一種常用方法，其基本思想是根據(jù)相關性大小把變量分組。根據(jù)本文提出的分析模型，考慮從8個自變量中提取4個因子。本文采用SPSS25.0軟件進行因子分析，采用降維因子分析模塊得到分析結果見表2。從表中結果來看，KMO統(tǒng)計量取值0.685大于最低標準，Bartlet球形檢驗取值P＜0.001，表明提取的8個觀測變量適合做因子分析；從載荷平方比中的方差百分比來看，4個因子對所有變量的解釋程度達到了93%以上，表明設定的4個因子可以較為完整的概括變量總體特征；每個觀測變量的公因子方差都在0.9以上，說明這4個公因子能夠很好地反應原始觀測變量的絕大部分內容。

表2 知識產品屬性變量因子分析結果

表2（續(xù)）

結合分析結果對觀測變量和主因子之間的關系內涵解釋如下：與因子1關聯(lián)性最強的是瀏覽次數(shù)、點贊次數(shù)、下載次數(shù)、收藏次數(shù)4個變量，這四個變量是對OIC中用戶對該產品關注程度的記錄，因此可用于表示分析模型中的受關注度；與因子2關聯(lián)系數(shù)最大的是圖片數(shù)量和文件數(shù)量，由于網站上傳的與發(fā)布作品相關的圖片和文件是具體的用戶生成內容，因此產品數(shù)量和文件數(shù)量反映了創(chuàng)新作品的知識復雜度；評論數(shù)量、重混(繼承)兩個變量分別與因子3、因子4單獨強相關，說明這兩個變量具有一定的相對獨立性，可單獨表示解釋關系。評論數(shù)量反映了知識產品在OIC成員中討論的充分性和話題活躍程度；知識產品是源創(chuàng)新還是在原有知識產品上繼承發(fā)展生成，可以反映延續(xù)創(chuàng)新對重混創(chuàng)新的影響程度。通過因子分析得到的知識產品觀測變量和主因子的具體關系如圖2所示。

圖2 知識產品觀測變量與主因子對應關系

2.3 主成分回歸分析

在上述主因子分析的基礎上，通過分析主成分因子和因變量之間的相關性來驗證本文研究假設。首先對因變量重混(派生)向量進行歸一化處理。然后根據(jù)本文建立的研究模型定義4個自變量，分別為：X1——受關注度、X2——知識復雜度、X3——用戶互動、X4——延續(xù)創(chuàng)新，以及1個因變量Y——知識產品重混。通過建立線性回歸模型分析影響關系，同時為了驗證知識復雜度與重混的倒U型關系，在線性回歸模型上增加1個X2的二次項?；貧w分析結果如下表3所示。

表3 主成分回歸因子分析結果

從表4中結果來看，整個模型的R-Square值為0.578，具有較高的擬合度。顯著性P值在P＜0.05的條件下顯著，模型總體擬合結果有效。從因素影響分析來看，X1和X3的標準下系數(shù)為正，且其P值在P＜0.05的條件下顯著，驗證了模型中提出的相對優(yōu)勢和用戶互動因素與知識產品重混的正相關假設成立。X2知識復雜度因素本身對模型影響不顯著，但其二次項變量P值在P＜0.05的條件下顯著，說明X2與知識產品重混的倒U型關系成立。X4繼承效應變量的P值為0.310，說明該因子對知識產品重混的影響不顯著。上述檢驗結果完全符合前述研究模型假設。

表4 OIC中知識產品重混影響因素分析模型摘要

3 研究結論與展望

3.1 研究結論

本研究基于創(chuàng)新擴散理論探討了OIC中知識產品重混創(chuàng)新的影響因素，不僅發(fā)現(xiàn)受關注度和用戶交互頻率對知識重混呈有正向影響，產品的知識復度與之呈倒U形影響關系。同時通過實證研究論證了知識產品兼容性和創(chuàng)新可變性之間的作用效應，發(fā)現(xiàn)延續(xù)創(chuàng)新特征對重混創(chuàng)新不存在明顯的正向激勵作用。鑒于知識重混是OIC的重要創(chuàng)新動力，本研究成果對于更好的激發(fā)開放式創(chuàng)新動能具有重要的實踐指導意義。結合研究結論提出以下建議：

（1）OIC平臺、用戶要注重挖掘具有高關注度的優(yōu)勢產品來激勵創(chuàng)新。對用戶而言，可以傾向于選擇高關注度的知識產品進行觀察學習和改進創(chuàng)新，這樣更有可能產出更有價值的重混作品，同時為個人贏得更好的聲譽。對創(chuàng)新平臺的管理者而言，可以構建知識產品的受關注量、作品聲譽、重混創(chuàng)新三位一體的聯(lián)合激勵機制，引導用戶圍繞優(yōu)勢產品提供更多的優(yōu)質創(chuàng)新。

（2）OIC平臺要注重對用戶貢獻內容復雜性的精細化管理。由于知識復雜度低的產品貢獻率低，高復雜度的產品難以被認知理解。對于用戶而言，必須提升創(chuàng)新過程中的知識意識，綜合考慮知識產品的可理解性和知識貢獻水平，以使得創(chuàng)新工作能發(fā)揮其價值。對OIC管理者而言，一方面通過設計更為精細化的分享機制提升知識產品的可理解性，另一方面對知識復雜度適中的典型產品以精品方式進行推介，通過提升產品的可利用性來促進重混創(chuàng)新。

（3）OIC平臺必須重視營造更為活躍、多元的交互環(huán)境和氛圍來促進創(chuàng)新。通過在OIC建立推行創(chuàng)意討論積分制，對參與他人創(chuàng)意討論并對知識產品改進做出貢獻的用戶給予積分獎勵，鼓勵用戶與同伴之間的多方交互。OIC依據(jù)重混創(chuàng)新作品對平臺的知識貢獻率，區(qū)別資深用戶和普通用戶，針對不同用戶采取有所側重的交互策略。例如，鼓勵普通用戶直接參與交互；鼓勵資深用戶和同伴積極參與用戶創(chuàng)意討論，為資深用戶營造積極的、支持性的創(chuàng)新氛圍。

3.2 研究展望

本文嚴格遵照研究規(guī)劃進行設計，力求以客觀分析和科學方法驗證研究模型與假設。但是，仍然存在一些局限性，具體分析如下：第一，本文僅僅以3D打印產品這一IT產品為研究樣本，未能廣泛采納其他產品領域的OIC社區(qū)信息和知識產品樣本，因此，我們的結果是否具有普遍意義還有待進一步檢驗。第二，本文未能考慮用戶評論內容質量、不同重混模式等深層復雜因素對知識產品重混的影響作用。因此，多樣本探究OIC中知識產品重混的影響因素并對其進行實證分析，以及用戶評論內容質量、不同重混模式等深層復雜因素對知識產品重混有何影響是未來的研究方向。