HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于fsQCA的竞赛式众包社区知识共享行为构型研究

作者:卢新元; 王雪霖; 代巧锋fsqca构型知识共享

摘要:【目的】通过分析众包社区的知识贡献者,获得知识贡献的不同构型,从而引导社区成员进行知识共享。【方法】采用基于模糊集的定性比较分析方法,以竞赛式众包社区中进行知识贡献的社区成员为研究对象,从社区环境、动机理论、沉没成本效应三个方面划分条件变量,将知识贡献程度设为结果变量,以获得知识贡献的构型。【结果】高程度知识贡献为:(1)有管理员引导的社区,可通过圈币奖励与沉没成本(时间或金钱)引导社区成员进行高程度的知识贡献;(2)已有金钱投入的社区成员,可通过圈币与计入时长引导其进行高程度的知识贡献。低程度知识贡献为:(1)在缺乏管理员引导的社区,社区成员难以获得高程度的知识贡献;(2)在时间投入与圈币奖励同时存在,而金钱投入不存在的情况下,较难获得高程度的知识贡献。【局限】部分变量的校准缺乏理论依据;仅研究单一网站,结果的普适性受到一定限制;研究采用截面数据,对于结果的推断会有一定影响。【结论】本研究有利于众包社区对社区成员的知识共享行为进行引导,以提高社区成员的个人能力,进而提高众包任务的质量。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

数据分析与知识发现

《数据分析与知识发现》(CN:10-1478/G2)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法,研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等,尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...

杂志详情