王 玲，董振偉，張慶芝

（1.中國政法大學(xué)商學(xué)院,北京 100088；2.中國科學(xué)院大學(xué)公共管理學(xué)院,北京 100049）

1 研究背景

開放源代碼軟件（以下簡稱“開源軟件”）是開放式創(chuàng)新的一種獨(dú)特形式，來自于全球各地具有不同文化背景、自愿付出不求回報(bào)的工程師們自發(fā)集體完成軟件開發(fā)工作，并將源代碼向公眾免費(fèi)開放［1］。Linux、Apache、Firefox 等許多在各領(lǐng)域內(nèi)占據(jù)絕對(duì)優(yōu)勢(shì)的優(yōu)秀軟件都是由這種方式完成開發(fā)。

相對(duì)于傳統(tǒng)商業(yè)軟件開發(fā)模式，開源軟件在人力支出降低和創(chuàng)新效率提升方面優(yōu)勢(shì)明顯，但是開發(fā)效率和質(zhì)量存在不足，原因在于商業(yè)軟件項(xiàng)目在開發(fā)初始階段就預(yù)設(shè)了用戶，從終端用戶角度考核軟件最終質(zhì)量和使用結(jié)果，而開源軟件項(xiàng)目通常并無預(yù)設(shè)用戶需求，其開發(fā)過程是一個(gè)持續(xù)改進(jìn)的動(dòng)態(tài)開發(fā)過程［2］。在開源軟件系統(tǒng)模式創(chuàng)造的海量知識(shí)產(chǎn)品中，優(yōu)秀知識(shí)產(chǎn)品的相對(duì)比例較低，使用者眾多而知識(shí)貢獻(xiàn)者較少，用戶往往僅從開源社區(qū)獲取開源軟件或代碼，但是缺乏知識(shí)貢獻(xiàn)的意愿，從而影響了開源軟件項(xiàng)目績效。因此，在開放治理框架下，如何提高開源軟件項(xiàng)目績效是學(xué)界和業(yè)界共同關(guān)心的議題［3］。

目前關(guān)于開源軟件績效影響因素已經(jīng)有一系列有價(jià)值的成果，如陳光沛等［4］梳理了開源社區(qū)的相關(guān)文獻(xiàn)，分別從企業(yè)與個(gè)體維度提出了“參與動(dòng)機(jī)—參與過程—參與績效”的關(guān)于項(xiàng)目績效前因的框架，不過，開源軟件的實(shí)證研究仍存在不足。首先，已有研究雖然意識(shí)到了開源軟件參與者的重要性，但尚未針對(duì)參與者大類中的發(fā)起人進(jìn)行針對(duì)性的研究。由于項(xiàng)目發(fā)起人在項(xiàng)目開發(fā)中往往扮演著所有者和運(yùn)營者以及“看門人”的角色［5］，其個(gè)體特征對(duì)項(xiàng)目過程與績效結(jié)果的影響值得重點(diǎn)關(guān)注；其次，當(dāng)前研究多聚焦于參與個(gè)體的參與動(dòng)機(jī)維度，鮮有全面探討個(gè)體的影響力、價(jià)值觀以及創(chuàng)新意識(shí)等要素對(duì)項(xiàng)目績效的影響；最后，已有研究多依賴于案例或問卷研究，如Chen 等［6］對(duì)我國開源軟件項(xiàng)目的實(shí)證研究，研究結(jié)論的外部效度和內(nèi)部效度有待于進(jìn)一步結(jié)合客觀數(shù)據(jù)進(jìn)行檢驗(yàn)。

為此，本研究聚焦于開源軟件項(xiàng)目中發(fā)起人的角色，探析項(xiàng)目發(fā)起人的動(dòng)機(jī)、能力與意識(shí)對(duì)于項(xiàng)目績效的影響。Raymond［7］在開源運(yùn)動(dòng)興起之際就強(qiáng)調(diào)了項(xiàng)目發(fā)起人對(duì)軟件開發(fā)的影響，認(rèn)為開源軟件項(xiàng)目的創(chuàng)建往往是源于發(fā)起人的個(gè)人興趣和需求，發(fā)起人必須要有良好的人際關(guān)系、交流技能和人格魅力，才能在后續(xù)的開發(fā)中吸引其他開發(fā)者的興趣并得到他們的幫助?；谌蜃畲蟮拈_源軟件代碼托管平臺(tái)GitHub 上的8 053 組項(xiàng)目，本研究遴選其中有效用戶并隨機(jī)收集了333 位項(xiàng)目發(fā)起人問卷數(shù)據(jù)，研究結(jié)果揭示并檢驗(yàn)了“開源軟件項(xiàng)目發(fā)起人特征—項(xiàng)目知識(shí)共享—項(xiàng)目績效”的因果路徑，為優(yōu)化開源軟件創(chuàng)新流程和結(jié)果提供參考依據(jù)。

2 理論與研究假設(shè)

任伶［8］、Wasko 等［9］均提出知識(shí)共享嵌入在個(gè)體或群體之間進(jìn)行知識(shí)傳遞并從中共同產(chǎn)生和創(chuàng)造新知識(shí)的動(dòng)態(tài)過程中，開源軟件開發(fā)過程實(shí)際上就是個(gè)體之間進(jìn)行知識(shí)共享以實(shí)現(xiàn)創(chuàng)新性解決方案的過程。已有研究指出，開源軟件績效高度依賴于社區(qū)參與者之間知識(shí)共享的程度［10］。本研究進(jìn)一步從開源軟件項(xiàng)目發(fā)起人的動(dòng)機(jī)、個(gè)人影響力、價(jià)值觀以及創(chuàng)新意識(shí)4 個(gè)維度，探析這些微觀的個(gè)體特征如何影響開源軟件開發(fā)過程中的知識(shí)共享程度、進(jìn)而影響到開源項(xiàng)目的績效。

2.1 項(xiàng)目發(fā)起人參與動(dòng)機(jī)與項(xiàng)目成員內(nèi)的知識(shí)共享

個(gè)體進(jìn)行知識(shí)共享的動(dòng)機(jī)包含內(nèi)在動(dòng)機(jī)（喜好和樂趣、能力提升、甘愿付出等）和外在動(dòng)機(jī)（職位升遷、物質(zhì)嘉獎(jiǎng)、口碑地位等）［11］。開源軟件項(xiàng)目的開發(fā)者是一批沒有直接項(xiàng)目薪酬而自愿付出的群體，項(xiàng)目參與者的主要?jiǎng)訖C(jī)是追求樂趣，愛好與興趣等內(nèi)在動(dòng)機(jī)［12］。與此同時(shí)，也有研究發(fā)現(xiàn)，開發(fā)人員期望通過用戶反饋和同行觀察提升自身技術(shù)能力［13］。在經(jīng)濟(jì)性動(dòng)機(jī)維度，參與開源項(xiàng)目開發(fā)人員試圖通過開源項(xiàng)目證明自己的工作能力和行業(yè)認(rèn)可程度，獲得口碑，進(jìn)而更好地實(shí)現(xiàn)職業(yè)晉升或職業(yè)發(fā)展。

開源軟件項(xiàng)目的發(fā)起人作為主要的開發(fā)人員，其參與動(dòng)機(jī)強(qiáng)度對(duì)知識(shí)共享程度產(chǎn)生重要影響，參與動(dòng)機(jī)越強(qiáng)烈，越會(huì)投入時(shí)間和精力在開源軟件項(xiàng)目開發(fā)中，會(huì)更傾向于分享高質(zhì)量的知識(shí)以獲得認(rèn)可，更頻繁地自我迭代代碼和技術(shù)，并積極與不同參與者，包括用戶之間進(jìn)行互動(dòng)和迭代，吸引和推動(dòng)項(xiàng)目內(nèi)成員間的知識(shí)共享。據(jù)此，本研究提出如下假設(shè)：

H1：項(xiàng)目發(fā)起人參與動(dòng)機(jī)與項(xiàng)目內(nèi)成員間知識(shí)共享水平正相關(guān)。

2.2 項(xiàng)目發(fā)起人影響力與知識(shí)共享

以GitHub 為代表的開源軟件項(xiàng)目社交平臺(tái)，每位參與者都有自己的虛擬空間，可以在上面展現(xiàn)自己的開源工作動(dòng)態(tài)。本研究中的個(gè)人影響力，主要指項(xiàng)目發(fā)起人在虛擬社區(qū)中對(duì)與其接觸的人產(chǎn)生影響的能力。Grewal 等［14］發(fā)現(xiàn)項(xiàng)目參與者的網(wǎng)絡(luò)嵌入程度越高，越可能通過吸引更適合的開發(fā)者參與，達(dá)到提升項(xiàng)目績效的目標(biāo)；Hahn 等［15］研究了先前合作關(guān)系對(duì)新項(xiàng)目團(tuán)隊(duì)形成的影響，發(fā)現(xiàn)開源項(xiàng)目參與者傾向加入與之有過合作聯(lián)系的項(xiàng)目發(fā)起人所領(lǐng)導(dǎo)或參與的團(tuán)隊(duì)；Zhou 等［16］發(fā)現(xiàn)依附于社會(huì)網(wǎng)絡(luò)的關(guān)系型社會(huì)資本和結(jié)構(gòu)型社會(huì)資本對(duì)項(xiàng)目中的知識(shí)整合有正向影響；周濤等［17］提出在開源社區(qū)情景下，個(gè)人影響力通過聲譽(yù)資本反映會(huì)誘發(fā)其他社區(qū)成員評(píng)價(jià)認(rèn)同，吸引更多的用戶參與。

影響力高的項(xiàng)目發(fā)起人可以通過匹配項(xiàng)目需求、協(xié)調(diào)開發(fā)者工作以及跟進(jìn)問題解決進(jìn)度等方式，使開源社區(qū)始終保持較高的用戶凝聚力；影響力高的參與者由于在整個(gè)社交網(wǎng)絡(luò)中擁有高的存在價(jià)值，更容易把信息輸送到更廣大范圍用戶，進(jìn)而獲得更多關(guān)注者。因此，個(gè)人影響力保證了更廣泛和高頻率的知識(shí)獲取，提升了開源軟件項(xiàng)目知識(shí)共享的水平。據(jù)此，本研究提出如下假設(shè)：

H2：項(xiàng)目發(fā)起人個(gè)人影響力與項(xiàng)目內(nèi)成員間知識(shí)共享水平正相關(guān)。

2.3 項(xiàng)目發(fā)起人價(jià)值觀與知識(shí)共享

開源社區(qū)的價(jià)值觀主要包括開放自由、共享合作與極客信念3 個(gè)層次。其中，開放自由是指參與者對(duì)溝通方式的開放程度；共享合作是指社區(qū)內(nèi)成員之間的分享文化；極客信念是指對(duì)信息技術(shù)有瘋狂偏好并自愿投入精力建設(shè)社區(qū)的成員，一方面對(duì)創(chuàng)新失敗抱有寬容理念，另一方面對(duì)前沿技術(shù)不斷追求和學(xué)習(xí)。在開源社區(qū)活動(dòng)過程中，項(xiàng)目發(fā)起人價(jià)值觀與開源社區(qū)主導(dǎo)價(jià)值觀契合的程度，將直接影響項(xiàng)目內(nèi)的知識(shí)共享水平。

一方面，“開放自由、共享合作、極客信念”的價(jià)值觀會(huì)反映為開源軟件發(fā)起人的內(nèi)在行為準(zhǔn)則，激發(fā)發(fā)起人在項(xiàng)目管理過程中開放自己的核心技術(shù)知識(shí)，更具包容性地進(jìn)行多元知識(shí)的整合，并追求更高的項(xiàng)目績效實(shí)現(xiàn)；另一方面，項(xiàng)目發(fā)起人的價(jià)值觀具有一定傳導(dǎo)機(jī)制，會(huì)塑造項(xiàng)目開發(fā)團(tuán)隊(duì)內(nèi)部的群體文化氛圍：鼓勵(lì)提高成員間信息的開放度和自由度有利于提高知識(shí)共享的廣泛程度［18］，鼓勵(lì)分享的組織文化更有利于項(xiàng)目團(tuán)隊(duì)內(nèi)部進(jìn)行知識(shí)管理與知識(shí)共享［19］，極客信念會(huì)引導(dǎo)項(xiàng)目參與者不斷優(yōu)化迭代有利于實(shí)現(xiàn)知識(shí)共享的知識(shí)的質(zhì)量，并促進(jìn)知識(shí)的進(jìn)一步轉(zhuǎn)化及應(yīng)用［20］。綜上，項(xiàng)目發(fā)起人的價(jià)值觀與“開放自由、共享合作、極客信念”契合的程度越高，越有利于促進(jìn)項(xiàng)目組成員間知識(shí)共享［21］。據(jù)此，本研究提出如下假設(shè)：

H3：項(xiàng)目發(fā)起人個(gè)人價(jià)值觀與項(xiàng)目內(nèi)成員間知識(shí)共享水平正相關(guān)。

2.4 項(xiàng)目發(fā)起人創(chuàng)新意識(shí)與知識(shí)共享

項(xiàng)目發(fā)起人的創(chuàng)新意識(shí)主要指其在項(xiàng)目知識(shí)的創(chuàng)新潛力挖掘與應(yīng)用方面認(rèn)識(shí)評(píng)估的態(tài)度與能力［22］。開源軟件項(xiàng)目發(fā)起人作為項(xiàng)目主要管理者，具有較大管理權(quán)限，決定什么人可以成為貢獻(xiàn)者、什么代碼能夠進(jìn)入主干代碼、是否采用新技術(shù)等一系列問題。已有研究表明，組織領(lǐng)導(dǎo)者的創(chuàng)新意識(shí)會(huì)顯著積極影響企業(yè)的創(chuàng)新績效［23］。類似地，開源軟件項(xiàng)目發(fā)起人對(duì)于創(chuàng)新的認(rèn)知和理解越高，其越能夠引導(dǎo)知識(shí)的整合與管理的過程，也越能產(chǎn)生高水平的知識(shí)共享［24］。

開源軟件項(xiàng)目發(fā)起人探索新興技術(shù)的迫切程度越高，以及引入高質(zhì)量代碼進(jìn)入其所負(fù)責(zé)項(xiàng)目的能力越強(qiáng)，越會(huì)激發(fā)更多的具有較高技術(shù)水平的參與者加入項(xiàng)目開發(fā)，成為創(chuàng)新性知識(shí)的貢獻(xiàn)者［25］。通過有效地引導(dǎo)和激發(fā)項(xiàng)目內(nèi)成員的知識(shí)分享過程，項(xiàng)目內(nèi)整體的知識(shí)共享水平得以提高［26］。據(jù)此，本研究提出如下假設(shè)：

H4：項(xiàng)目發(fā)起人個(gè)人創(chuàng)新意識(shí)與項(xiàng)目內(nèi)成員間知識(shí)共享水平正相關(guān)。

2.5 知識(shí)共享與項(xiàng)目績效

開源軟件項(xiàng)目沒有預(yù)設(shè)的用戶，難以從用戶使用評(píng)級(jí)或經(jīng)濟(jì)型利潤方面衡量其績效。徐冰村等［27］指出開源軟件項(xiàng)目績效體現(xiàn)在3 個(gè)維度，分別是市場(chǎng)維度、技術(shù)維度和社區(qū)維度。市場(chǎng)維度從軟件項(xiàng)目的用戶使用數(shù)來衡量，可用GitHub 上的復(fù)刻（fork）數(shù)量、話題（issues）數(shù)量來直觀反映；技術(shù)維度指項(xiàng)目的質(zhì)量，可用GitHub上項(xiàng)目中的點(diǎn)贊（star）數(shù)量、關(guān)注（watch）數(shù)量來反映可替換性、代碼模塊化、可持續(xù)性、準(zhǔn)確度等特征；社區(qū)維度包括項(xiàng)目內(nèi)成員的活躍性及項(xiàng)目的活躍性，可用更直觀的貢獻(xiàn)者數(shù)量、貢獻(xiàn)（commits）數(shù)量來直觀反映。

知識(shí)通常可以分為隱性知識(shí)和顯性知識(shí)兩類［28］，難于通過語言編碼交流的知識(shí)歸為隱性知識(shí)，能夠進(jìn)行語言編碼和解釋的知識(shí)歸為顯性知識(shí)。其中，隱性知識(shí)難以記錄，只能通過積累或培訓(xùn)方式進(jìn)行挖掘，內(nèi)含價(jià)值大但是傳播難度高。Zahra 等［29］、Maravilhas 等［30］指出，知識(shí)在顯性和隱性之間的轉(zhuǎn)換蘊(yùn)含了知識(shí)的遷移、重組與新知識(shí)的創(chuàng)造。Barao等［31］提出，知識(shí)密集型組織中高效的知識(shí)和信息的共享與管理是知識(shí)密集型組織創(chuàng)新績效的重要保障。知識(shí)共享是知識(shí)整合和創(chuàng)新的重要前因，知識(shí)廣度和深度影響開源程序項(xiàng)目的創(chuàng)新績效。知識(shí)共享正向影響開源項(xiàng)目的市場(chǎng)觸達(dá)程度、社區(qū)活躍程度，并提高技術(shù)迭代的效率和質(zhì)量。據(jù)此，本研究提出如下假設(shè)：

H5：項(xiàng)目知識(shí)共享水平與項(xiàng)目績效正相關(guān)。

從以上論述的開源軟件項(xiàng)目發(fā)起人的參與動(dòng)機(jī)、個(gè)人影響力、個(gè)人價(jià)值觀和創(chuàng)新意識(shí)對(duì)項(xiàng)目團(tuán)隊(duì)內(nèi)知識(shí)共享的直接效應(yīng)可見，項(xiàng)目發(fā)起人的參與動(dòng)機(jī)、個(gè)人影響力、個(gè)人價(jià)值觀及創(chuàng)新意識(shí)通過知識(shí)共享的渠道促進(jìn)了開源軟件項(xiàng)目績效的提升。據(jù)此，本研究進(jìn)一步提出如下假設(shè)：

H6：知識(shí)共享在項(xiàng)目發(fā)起人影響項(xiàng)目績效關(guān)系中起到中介作用。

研究整體框架如圖1 所示。

圖1 研究假設(shè)與模型

3 研究方法

3.1 樣本與數(shù)據(jù)收集

研究樣本來源于全球最大且最有影響力的開源軟件代碼托管平臺(tái)GitHub 中的用戶數(shù)據(jù)。GitHub 于2008 年上線，主要服務(wù)包括Web 管理頁面、Git 代碼倉庫托管、代碼片段分享和在線代碼編輯器等方面內(nèi)容。在GitHub 社區(qū)中，用戶們可以發(fā)布和管理自己開發(fā)的項(xiàng)目或者代碼，同時(shí)可關(guān)注其他開發(fā)者及其最新動(dòng)態(tài)。GitHub 的功能主要包括關(guān)注、點(diǎn)贊、復(fù)刻、話題、合并代碼請(qǐng)求（pull request，PR）。關(guān)注是指社區(qū)中用戶想要關(guān)注某一個(gè)人或者某一個(gè)項(xiàng)目庫而使用的功能，關(guān)注之后可以對(duì)某一個(gè)項(xiàng)目或者人產(chǎn)生的動(dòng)態(tài)進(jìn)行實(shí)時(shí)地跟蹤，相當(dāng)于一般社交媒體的關(guān)注；點(diǎn)贊相當(dāng)于收藏功能，用戶點(diǎn)贊某一個(gè)項(xiàng)目庫后就可以在點(diǎn)贊界面找到收藏的項(xiàng)目；復(fù)刻是將某一個(gè)項(xiàng)目拷貝到自己的庫中，也是對(duì)原項(xiàng)目建立了一個(gè)分支，復(fù)刻后可以對(duì)該項(xiàng)目進(jìn)行任何修改；話題是對(duì)項(xiàng)目的漏洞或者項(xiàng)目改進(jìn)等討論的地方，相當(dāng)于一個(gè)研討房間；合并代碼請(qǐng)求是某一用戶對(duì)項(xiàng)目進(jìn)行了修改后，可以向原項(xiàng)目發(fā)起請(qǐng)求，將修改合并到原始項(xiàng)目中。

研究數(shù)據(jù)包括兩個(gè)來源：一是運(yùn)用Python 軟件直接從GitHub 平臺(tái)抓取與開源軟件項(xiàng)目個(gè)人影響力衡量指標(biāo)相關(guān)的數(shù)據(jù)；二是通過對(duì)GitHub 上項(xiàng)目發(fā)起人進(jìn)行問卷調(diào)查，補(bǔ)充收集的指標(biāo)數(shù)據(jù)。通過編寫Python 程序?qū)itHub 平臺(tái)上的項(xiàng)目進(jìn)行抓取，抓取過程主要分為三步：第一步，GitHub Trend List 隨機(jī)抓取項(xiàng)目數(shù)據(jù)的基本數(shù)據(jù)，獲得發(fā)起人的主頁鏈接，共獲得8 053 個(gè)項(xiàng)目數(shù)據(jù)；第二步，根據(jù)第一步抓取的用戶地址抓取開源軟件項(xiàng)目發(fā)起人的基本數(shù)據(jù)；第三步，利用Xpath 分拆抓取的信息獲取目標(biāo)用戶屬性。經(jīng)過對(duì)8 053 個(gè)抓取數(shù)據(jù)的清洗，剔除無效用戶，確認(rèn)有效項(xiàng)目4 603 個(gè)（以下簡稱“樣本項(xiàng)目”），對(duì)應(yīng)項(xiàng)目發(fā)起人4 603 位（以下簡稱“樣本發(fā)起人”），具體客觀數(shù)據(jù)如表1 所示。

表1 開源軟件項(xiàng)目及其發(fā)起人的樣本數(shù)據(jù)類別

樣本發(fā)起人的個(gè)人價(jià)值觀、創(chuàng)新意識(shí)、知識(shí)共享等數(shù)據(jù)均通過問卷調(diào)查法進(jìn)行收集。調(diào)查問卷涉及調(diào)查對(duì)象的項(xiàng)目名稱、性別、年齡、最高學(xué)歷、公司規(guī)模等22 個(gè)問題，各題項(xiàng)設(shè)計(jì)參考了已有的理論文獻(xiàn)，測(cè)量變量最終信度的克朗巴哈系數(shù)（Cronbach’a）都在0.8 以上。題項(xiàng)測(cè)量均采用李克特量表5 分制進(jìn)行評(píng)分（1 代表非常不符，5 代表非常符合）。為了確保測(cè)量構(gòu)念的效度，采用訪談形式對(duì)相關(guān)專家進(jìn)行預(yù)調(diào)研，并邀請(qǐng)部分開源軟件發(fā)起人進(jìn)行預(yù)測(cè)試，根據(jù)反饋建議對(duì)問卷題項(xiàng)進(jìn)行了修訂。根據(jù)樣本發(fā)起人的公開聯(lián)系方式發(fā)放調(diào)研問卷，回收340 份，剔除無效問卷后最終獲得有效問卷333 份，有效回收率為7.2%。從333 份有效問卷結(jié)果來看，男性占比為95.20%；31～35歲占比最高，達(dá)到41.14%以上；本科學(xué)歷占比為55.26%；員工人數(shù)為100 人以下的小微企業(yè)占比為52.55%。

3.2 變量測(cè)量

（1）項(xiàng)目績效（xmjx）。根據(jù)項(xiàng)目績效模型，通過主成分分析，將watch、star、fork、commit、貢獻(xiàn)者、總提交討論主題和總PR 數(shù)量這7 個(gè)指標(biāo)進(jìn)行降維，獲得項(xiàng)目成功度的綜合性量化指標(biāo)。主成分分析的解釋總方差結(jié)果顯示，最終累積解釋總方差達(dá)到76.86%，同時(shí)各因子成分矩陣系數(shù)均大于0.6。

（2）個(gè)人影響力（gryxl）。項(xiàng)目發(fā)起人影響力主要體現(xiàn)在參與組織數(shù)量、擁有代碼庫的數(shù)量、點(diǎn)贊項(xiàng)目數(shù)量、有多少關(guān)注者、關(guān)注了多少人和去年貢獻(xiàn)數(shù)量6 個(gè)指標(biāo)，通過主成分降維，并經(jīng)過多次隨機(jī)抽樣驗(yàn)證，最終篩選出參與組織數(shù)量、點(diǎn)贊項(xiàng)目數(shù)、有多少關(guān)注者、去年貢獻(xiàn)數(shù)量作為最終評(píng)判個(gè)人影響力的主要指標(biāo)，并從中提取一個(gè)變量作為綜合量化指標(biāo)。主成分分析的解釋總方差結(jié)果顯示，最終累積解釋方差比達(dá)到66.74%，各因子載荷均大于0.6。

（3）參與動(dòng)機(jī)（cydj）。該變量的測(cè)量由6 個(gè)題項(xiàng)構(gòu)成，包括“我出于愛好和興趣發(fā)起并參與到開源軟件項(xiàng)目中”“發(fā)起并參與開源軟件項(xiàng)目有利于提高我的技術(shù)水平”等。對(duì)參與動(dòng)機(jī)量表進(jìn)行探索性因子分析，KMO值為0.89，球形檢驗(yàn)值低于0.01，表明適合進(jìn)行探索性因子分析。因子分析最終提取1 個(gè)因子，累計(jì)解釋方差達(dá)到63.73%。

（4）個(gè)人價(jià)值觀（grjzg）。該變量的測(cè)量由5個(gè)題項(xiàng)組成，包括“我關(guān)注組織內(nèi)部的溝通”“我認(rèn)為團(tuán)隊(duì)內(nèi)的公平是非常重要的”“我認(rèn)為團(tuán)隊(duì)成員必須信任團(tuán)隊(duì)成員”“我非常包容失敗”“我很愿意承擔(dān)風(fēng)險(xiǎn)”。對(duì)個(gè)人價(jià)值觀量表進(jìn)行探索性因子分析，KMO 值為0.86，球形檢驗(yàn)值低于0.01，表明適合進(jìn)行探索性因子分析。因子分析最終提取1個(gè)因子，累計(jì)解釋方差達(dá)到64.95%。

（5）創(chuàng)新意識(shí)（cxys）。該變量的測(cè)量由5 個(gè)題項(xiàng)組成，包括“我在項(xiàng)目中有創(chuàng)新的想法”“我在項(xiàng)目中實(shí)施了創(chuàng)新”“我認(rèn)為我們會(huì)從創(chuàng)新中獲益”“我認(rèn)為創(chuàng)新非常必要，并且會(huì)向其他成員推廣此想法”等。對(duì)參與動(dòng)機(jī)量表進(jìn)行探索性因子分析，KMO 值為0.89，球形檢驗(yàn)值低于0.01，表明適合進(jìn)行探索性因子分析。因子分析最終提取1 個(gè)因子，累計(jì)解釋方差達(dá)到61.64%。

（6）知識(shí)共享（zsgx）。該變量的測(cè)量由4 個(gè)題項(xiàng)組成，主要測(cè)量項(xiàng)目的知識(shí)分享程度，包括“在我的開源項(xiàng)目中有項(xiàng)目報(bào)告”“在我的開源項(xiàng)目中代碼記錄是非常完善的”“我的開源項(xiàng)目會(huì)定期做總結(jié)和記錄”“我會(huì)在我的開源項(xiàng)目內(nèi)組織經(jīng)驗(yàn)的分享”。因子分析最終提取1 個(gè)因子，累計(jì)解釋方差達(dá)到59.51%。

4 實(shí)證檢驗(yàn)

4.1 相關(guān)性分析

利用Pearson 相關(guān)系數(shù)r來標(biāo)識(shí)相關(guān)性的大小和方向，結(jié)果如表2 所示，個(gè)人影響力、參與動(dòng)機(jī)、個(gè)人價(jià)值觀、創(chuàng)新意識(shí)與知識(shí)共享存在顯著性的正相關(guān)性，其中項(xiàng)目發(fā)起人的創(chuàng)新意識(shí)與知識(shí)共享的相關(guān)性最強(qiáng)（r=0.652）；個(gè)人影響力、參與動(dòng)機(jī)、個(gè)人價(jià)值觀、創(chuàng)新意識(shí)與項(xiàng)目績效顯著正相關(guān)，其中項(xiàng)目發(fā)起人的參與動(dòng)機(jī)與知識(shí)共享的相關(guān)性最強(qiáng)（r=0.414）；知識(shí)共享與項(xiàng)目績效存在顯著性的正相關(guān)性（r=0.652）。相關(guān)性分析初步支持了研究假設(shè)。

表2 樣本發(fā)起人個(gè)人特征相關(guān)性分析

4.2 假設(shè)檢驗(yàn)

首先通過層次回歸分析對(duì)假設(shè)進(jìn)行檢驗(yàn)，結(jié)果表明參與動(dòng)機(jī)、個(gè)人影響力、個(gè)人價(jià)值觀、創(chuàng)新意識(shí)均正向顯著影響知識(shí)共享；將知識(shí)共享加入回歸模型，降低了個(gè)人影響力、參與動(dòng)機(jī)、個(gè)人價(jià)值觀、創(chuàng)新動(dòng)機(jī)對(duì)項(xiàng)目績效貢獻(xiàn)的顯著性，初步表明知識(shí)共享起到了部分中介作用。

為了更好展示因果路徑系數(shù)，采用Amos 軟件進(jìn)行建模分析，選擇χ2/df、IFI、CFI、NFI、NNFI、RMSEA 等指標(biāo)作為模擬適配性指標(biāo)，中介效應(yīng)的模型路徑系數(shù)如圖2 所示。以知識(shí)共享作為部分中介的結(jié)構(gòu)方程模型的擬合結(jié)果良好，其中χ2/df 為4.62，小于6；RMSEA 值為0.063，小于0.08 的建議閾值；NFI 值為0.904，CFI 的值為0.912，IFI 值為0.912，均大于0.9 的建議閾值。結(jié)果顯示，項(xiàng)目發(fā)起人的個(gè)體特征會(huì)直接影響開源軟件項(xiàng)目績效。其中，參與動(dòng)機(jī)對(duì)項(xiàng)目績效影響的直接效應(yīng)為0.26，個(gè)人影響力對(duì)項(xiàng)目績效的直接效應(yīng)是0.13，個(gè)人價(jià)值觀對(duì)項(xiàng)目績效的直接效應(yīng)為0.12，個(gè)人創(chuàng)新意識(shí)對(duì)項(xiàng)目績效的直接效應(yīng)為0.16。參與動(dòng)機(jī)與項(xiàng)目知識(shí)共享的路徑系數(shù)為0.62，假設(shè)H1得到了支持；個(gè)人影響力與知識(shí)共享的路徑系數(shù)為0.39，假設(shè)H2得到了支持；個(gè)人價(jià)值觀與項(xiàng)目知識(shí)共享的路徑系數(shù)為0.42，假設(shè)H3得到了支持；個(gè)人創(chuàng)新意識(shí)與知識(shí)共享的路徑系數(shù)為0.26，假設(shè)H4得到了支持；知識(shí)共享與項(xiàng)目績效影響的路徑系數(shù)是0.56，假設(shè)H5得到了支持。綜合來看，知識(shí)共享在開源軟件項(xiàng)目發(fā)起人個(gè)體特征與項(xiàng)目績效之間起到部分中介作用，假設(shè)H6得到了支持。

圖2 樣本發(fā)起人個(gè)體特征對(duì)開源軟件項(xiàng)目績效的部分中介效應(yīng)檢驗(yàn)

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究以GitHub 托管平臺(tái)上的開源軟件項(xiàng)目為研究對(duì)象，探討了開源軟件項(xiàng)目發(fā)起人對(duì)項(xiàng)目績效的影響以及潛在的知識(shí)共享機(jī)制，結(jié)果表明：

（1）發(fā)起人的個(gè)人特征能夠顯著影響項(xiàng)目的知識(shí)共享程度。通過路徑系數(shù)的比較，發(fā)起人的參與動(dòng)機(jī)對(duì)知識(shí)共享程度的影響最大，然后依次是發(fā)起人的價(jià)值觀、個(gè)人影響力和個(gè)人創(chuàng)新意識(shí)。這意味著在開源軟件開發(fā)過程中，發(fā)起人的參與動(dòng)機(jī)強(qiáng)度以及個(gè)人價(jià)值觀與開源社區(qū)價(jià)值觀的契合程度比其在影響力和創(chuàng)新意識(shí)維度更重要。

（2）發(fā)起人的個(gè)體特征對(duì)于開源社區(qū)的項(xiàng)目績效有顯著的正向影響，其中知識(shí)共享起到了部分中介作用。一方面與Chen 等［6］和Raymond［7］等已有的開源創(chuàng)新的文獻(xiàn)相一致，本研究驗(yàn)證了知識(shí)共享在保證開源軟件項(xiàng)目開發(fā)績效中的核心作用。因此，在提升開源軟件項(xiàng)目績效的機(jī)制設(shè)計(jì)中，應(yīng)重點(diǎn)關(guān)注設(shè)計(jì)合理的機(jī)制促進(jìn)知識(shí)共享水平的提升；另一方面，知識(shí)共享可能并非唯一的作用機(jī)制，未來研究也可以進(jìn)一步探索其他潛在的中介路徑。

本研究進(jìn)一步深化了關(guān)于開源軟件項(xiàng)目績效影響因素的研究，不同于以往研究簡單區(qū)分參與者與用戶，針對(duì)參與者大類中的項(xiàng)目發(fā)起人角色進(jìn)行了深入探討，構(gòu)建了項(xiàng)目發(fā)起人的動(dòng)機(jī)、價(jià)值觀、能力（個(gè)人影響力）和意識(shí)（價(jià)值觀與創(chuàng)新意識(shí)）對(duì)項(xiàng)目績效影響的整合性框架；同時(shí)豐富了知識(shí)共享的研究，在開放式創(chuàng)新的情景下，知識(shí)共享水平的高低是決定項(xiàng)目績效的關(guān)鍵，以往研究多關(guān)注于個(gè)體自身動(dòng)機(jī)對(duì)于實(shí)際知識(shí)分享的影響，而本研究則進(jìn)一步關(guān)注了項(xiàng)目中的關(guān)鍵人，即項(xiàng)目發(fā)起人對(duì)于知識(shí)共享過程的影響，其價(jià)值觀和創(chuàng)新意識(shí)等會(huì)通過塑造良性的積極社會(huì)互動(dòng)促進(jìn)隱性知識(shí)和顯性知識(shí)之間的動(dòng)態(tài)轉(zhuǎn)化，達(dá)到項(xiàng)目績效提升的目的；此外在研究方法上，相比以往單一依賴調(diào)查問卷數(shù)據(jù)的研究，本研究收集了一手問卷數(shù)據(jù)和二手平臺(tái)數(shù)據(jù)，開發(fā)和驗(yàn)證了基于客觀數(shù)據(jù)的項(xiàng)目績效評(píng)估，能夠更好地捕捉項(xiàng)目發(fā)起人的特征通過知識(shí)共享機(jī)制作用于項(xiàng)目績效的路徑。

5.2 研究啟示

本研究基于開源軟件項(xiàng)目發(fā)起人的個(gè)體行為視角，探索了開源軟件項(xiàng)目績效的重要影響因素及其作用機(jī)理。研究得到啟示如下：

（1）項(xiàng)目發(fā)起人對(duì)于促進(jìn)知識(shí)共享與提高項(xiàng)目績效起到重要的影響作用。從發(fā)起人的角度講，首先，發(fā)起人出于事業(yè)熱愛、能力提升、甘愿付出精神會(huì)影響并促進(jìn)項(xiàng)目參與者的分享意愿；其次，發(fā)起人要注重?cái)U(kuò)大自己的個(gè)人影響力，提高參與組織的數(shù)量，另外增加粉絲數(shù)量、關(guān)注項(xiàng)目數(shù)量以及個(gè)人的歷史貢獻(xiàn)數(shù)量；再次，發(fā)起人還要積極營造良好的社區(qū)文化氛圍，增加貢獻(xiàn)者之間的溝通與認(rèn)同，在成員之間公正地進(jìn)行任務(wù)分配，并對(duì)失敗抱有寬容的態(tài)度。對(duì)于試圖從開源社區(qū)平臺(tái)獲得知識(shí)的用戶來說，在開源軟件項(xiàng)目的選擇時(shí)，可以將項(xiàng)目發(fā)起者的特征作為項(xiàng)目質(zhì)量甄別的參考要素。

（2）知識(shí)共享在項(xiàng)目發(fā)起人與項(xiàng)目績效之間起到中介效應(yīng)。在知識(shí)共享方面，項(xiàng)目發(fā)起人應(yīng)注重項(xiàng)目文檔的數(shù)量與質(zhì)量，定期進(jìn)行高質(zhì)量的經(jīng)驗(yàn)分享總結(jié)，推動(dòng)提高項(xiàng)目內(nèi)部的隱性知識(shí)與顯性知識(shí)之間轉(zhuǎn)換更新的頻率。開源軟件開發(fā)過程中的知識(shí)管理是一項(xiàng)復(fù)雜且富有意義的工作，高效的知識(shí)共享與清晰的知識(shí)流轉(zhuǎn)過程對(duì)于保證項(xiàng)目的最終質(zhì)量起著至關(guān)重要的作用。

本研究存在一些局限性，也是未來研究的方向。首先，開源軟件開放是一個(gè)不斷運(yùn)動(dòng)、發(fā)展和動(dòng)態(tài)演化的系統(tǒng)，參與者角色可能隨時(shí)發(fā)生轉(zhuǎn)變，本研究未考慮后續(xù)參與者與發(fā)起者之間的互動(dòng)如何影響開源項(xiàng)目的績效，未來可借由縱向案例或者仿真方法來揭示開源創(chuàng)新中個(gè)體之間的社會(huì)化動(dòng)態(tài)交互所產(chǎn)生的作用。此外，研究數(shù)據(jù)來源于GitHub 單一的開源社區(qū)平臺(tái)，這種數(shù)據(jù)收集方式雖然有利于控制未被觀測(cè)的、在開源社區(qū)層次的異質(zhì)性，但是無法檢驗(yàn)開源社區(qū)層次的公共治理要素可能對(duì)于項(xiàng)目績效產(chǎn)生的影響，未來研究可以拓展和完善治理機(jī)制的權(quán)變效應(yīng)。