摘 要：當前，移動虛擬學習社區(qū)逐步興起，而業(yè)內規(guī)范尚不成熟，社區(qū)面臨諸多用戶管理與激勵方面的問題，亟待建立一套適用于該類環(huán)境的用戶激勵機制。本文結合移動虛擬學習社區(qū)的特點，提出了適于移動虛擬學習社區(qū)的用戶激勵模型與激勵機制。該機制中的積分體系的有效使用從實證角度表明了該模型確實能對相關用戶與資源合理評價，從而產生激勵。

關鍵詞：移動虛擬學習社區(qū) 用戶激勵 激勵模型 積分算法

中圖分類號：G40-057 文獻標識碼：A 文章編號：1673-9795（2013）06（b）-0000-00

在移動互聯(lián)網高速發(fā)展的時代，移動虛擬學習社區(qū)的出現(xiàn)是移動學習向主流學習方式過渡的信號之一。移動虛擬學習社區(qū)用戶的受激勵程度直接影響社區(qū)的發(fā)展。現(xiàn)有研究表明用戶不積極、缺乏責任感、投機賺取積分、甚至相互刷積分等不良現(xiàn)象在各類社區(qū)中較為普遍，影響了社區(qū)資源的質量，減弱了社區(qū)用戶積極協(xié)作學習的氛圍，嚴重制約虛擬學習社區(qū)的發(fā)展。對于移動虛擬學習社區(qū)，除上述情形之外，其面臨問題還有對用戶信息反饋的有效性、及時性的要求難以達到。這些暴露了群體心理分析不足、用戶歸屬感缺失等用戶激勵方面的不足。若以上與用戶激勵密切相關的現(xiàn)狀不能得到有效改善，社區(qū)的未來堪憂。因此，研究移動虛擬學習社區(qū)用戶激勵機制具有重要意義。

1 移動虛擬學習社區(qū)激勵模型

自上個世紀60年代開始，領域專家從心理學和組織行為學的角度對激勵的理論展開了研究。研究出的各種模型在后續(xù)發(fā)展過程中通過聚合、新范式、混合等方式整合在一起，形成了一些現(xiàn)代管理中更實用的綜合模型。

1.1 態(tài)度、激勵和績效的綜合模型

Katzell和Thompson提出的“態(tài)度、激勵和績效的綜合模型”以混合的方式整合了內在激勵理論、行為動力學理論、目標設置理論等多種激勵理論，以獲得比單個理論更大的預測效度。模型從行為的個人決定因素、認知選擇行為的期望與效價、認知因素與行為的關系等多方面考慮了激勵的過程，提供了多維度的方法來提高員工的績效，覆蓋了企業(yè)激勵可能出現(xiàn)的許多情形，如圖1虛線部分。

1.2 移動虛擬學習社區(qū)激勵模型的設計

態(tài)度、激勵與績效的綜合模型以態(tài)度為核心，這一點與移動虛擬學習社區(qū)非常注重用戶的自我管理十分契合，因此將其引入移動虛擬學習社區(qū)激勵模型的設計中。然而，態(tài)度、激勵與績效的綜合模型并非完全符合移動虛擬學習社區(qū)的情況。比如，移動虛擬學習社區(qū)：（1）組織結構松散，管理方式不宜過嚴、應以激勵為主；（2）對于用戶貢獻資源要求積極而謹慎；（3）對用戶的實時響應要求嚴格。故對態(tài)度、激勵與績效模型進行改進，使得社區(qū)相關制度能夠獎懲并重、寬嚴適度，以增強用戶的自律習慣。

首先，通過對態(tài)度、激勵與績效的綜合模型的分析研究，發(fā)現(xiàn)該模型缺乏對主體態(tài)度及其行為的全面覆蓋，尤其缺乏對違規(guī)消極行為的明確處理。在此添加包括行為與其結果的負向激勵分支以彌補上述不足。其次，從整個激勵回路的角度出發(fā)，該模型還缺乏“態(tài)度”與“努力”間的關聯(lián)，故改進將“態(tài)度”與正負兩方面的“努力”分別關聯(lián)起來，完善激勵回路。再次，結合本研究中移動虛擬學習社區(qū)的具體特點改進，結果如圖1實線部分所示：

對圖1各元素進行歸納簡化，可得幾個集合：態(tài)度動機因素集合、用戶行為因素集合、社區(qū)資源因素集合、社區(qū)期望與規(guī)范；結合激勵過程分析這幾個集合，有：第一，“態(tài)度”在整個體系中應是核心，與行為直接相關。第二，所有流程的可控部分在于用戶行為。激勵的關鍵在于控制行為。第三，社區(qū)規(guī)范是社區(qū)資源與用戶行為的具體標準，采用其引導用戶，有效避免盲目行為，使之符合社區(qū)目標。第四，作為社區(qū)服務的基礎，社區(qū)資源直接影響用戶的體驗，是引發(fā)態(tài)度動機改變的主要誘因。根據(jù)以上分析對集合進行關系建模、優(yōu)化可以得模型如圖2：

2 移動虛擬學習社區(qū)激勵機制的建立

虛擬學習社區(qū)的激勵機制是針對社區(qū)用戶的一整套管理制度，這種制度能對用戶在社區(qū)中的行為起到規(guī)范、引導等潛移默化的作用?；谝苿犹摂M學習社區(qū)激勵的集合模型，結合社區(qū)的實際需求，可建立移動虛擬學習社區(qū)的激勵機制，其組成包括：（1）社區(qū)目標體系，體現(xiàn)社區(qū)組建方的意志，是通過社區(qū)公開的企業(yè)人才培養(yǎng)目的；（2）社區(qū)規(guī)范體系，定義了社區(qū)用戶行為與社區(qū)資源的優(yōu)劣標準；（3）社區(qū)評價體系，對社區(qū)用戶與資源進行合理評價，是整個機制的實施部分。

2.1 社區(qū)評價體系的設計

在移動虛擬學習社區(qū)中，所有用戶的表現(xiàn)與資源的質量都由社區(qū)評價體系負責量化與保存。故設計合理的量化方法是關鍵。積分是常用的量化手段。所有用戶行為都有相應標準分值，所有資源類型都有相應基礎分值。積分的增減由用戶的行為性質決定，積分增減額度由用戶行為的程度決定。由于積分計算需要考慮激勵獎懲的兩面性，考慮社區(qū)資源評價、用戶行為評價與用戶綜合評價這幾部分的有機結合，因此積分處理的基本方法是：（1）以社區(qū)規(guī)范為準則，對用戶行為或新上傳的資源進行一次性的機器評分。若用戶的所有行為都符合社區(qū)規(guī)范，則其積分將實現(xiàn)正增長；而若用戶的某次行為違規(guī)，則其積分減少， 且進入用戶行為的懲罰階段，受到一段時間的持續(xù)懲罰。（2）以社區(qū)規(guī)范為準則，用戶對于其瀏覽、收藏及下載的資源可進行一定范圍內的評分。（3）用戶行為積分在系統(tǒng)一次性評分完成后全部累計到該用戶總積分；社區(qū)資源積分則按一定比例實時累計到相應貢獻者的總積分。

2.2 基于獎懲評價的積分算法設計

2.2.1 社區(qū)資源計分

設資源的類別為，在社區(qū)規(guī)范中對應的基礎分值表示為，則該資源的初始評分表示為： （1）

若用戶對資源進行了一次有效評分，則個用戶給予該資源有效評分為：

（2）

2.2.2 用戶行為計分

若將社區(qū)用戶的活動視為若干相互獨立的用戶行為，則正常行為直接按社區(qū)規(guī)范計分，在此主要考慮前面提到的懲罰階段規(guī)則的實現(xiàn)。懲罰階段用戶行為性質對行為得分的影響有：若用戶在懲罰階段仍然有違規(guī)， 則行為得分會逐次遞減；若其行為規(guī)范，則行為得分會在不延長的懲罰階段內逐漸恢復正常。設行為類別為，則綜合看用戶的行為評分規(guī)則為：

（3）

在（3）式中，表示該類行為在社區(qū)規(guī)范中對應的基本分值；表示用戶懲罰階段矯正行為數(shù)量初值；表示某用戶當執(zhí)行行為時懲罰階段剩余的矯正行為數(shù)量；為懲罰力度因子；表示用戶的該次行為的性質；是對社區(qū)用戶在其行為偏離時給予的一個遞增的懲罰分值。

2.2.3 累計用戶積分

在社區(qū)資源計分與用戶行為計分的基礎之上，設用戶的積分累計序號，計算其總積分：

一方面，從行為計分累計，其第次的積分表示為式（4）；另一方面，若用戶對用戶提供的資源進行了有效評價，則用戶作為資源提供者會按一定比例獲得該有效評分的部分作為持續(xù)鼓勵如式（5）

（4）

（5）

另外，用戶對于資源的評價，是屬于用戶行為的一類，有相應積分。資源評價的指標參考社區(qū)規(guī)范。評價體系對于惡意評價者的違規(guī)行為同樣采取懲罰階段相關的辦法進行懲戒。

3 實例分析

為驗證移動虛擬學習社區(qū)激勵機制的有效性與合理性，特進行如下實驗：從某資源共享型社區(qū)獲取實驗的初始數(shù)據(jù)如表1所示；除表1涉及實驗因素之外，實驗過程中其他條件完全一致。一段時間后，通過社區(qū)評價體系中積分體系的計算；結果顯示該積分體系評價能如實反映用戶的行為表現(xiàn)及資源的質量情況，如表2所示。

4 結論

本文通過對移動虛擬學習社區(qū)用戶激勵問題的分析，將一種管理學的綜合激勵模型借鑒到教育學的領域中，再結合研究對象實際特征對該模型加以改進，提出了移動虛擬學習社區(qū)激勵模型，建立了適于移動虛擬學習社區(qū)的用戶激勵機制。在模型與機制的基礎之上，設計出了社區(qū)評價體系的具體積分算法。積分體系的有效使用實驗證明了該模型的實用性。

參考文獻

[1] Desmond Keegan.The Incorporation of Mobile Learning into Mainstream Education and Training.2006.

[2] 高長俊，胡世清.我國虛擬學習社區(qū)研究現(xiàn)狀及趨勢分析[J].遠程教育雜志，2011（4）.

[3] 鄒靜.激勵理論及其綜合模型的新發(fā)展[J].應用心理學，1994（12）.

[4] 王芳.網絡社區(qū)中非正式學習的隱性知識共享研究[D].華東師范大學碩士學位論文，2011.

[5] 桂春梅.虛擬計算環(huán)境中一種基于懲罰激勵的信譽模型[J].計算機工程與科學，2010（4）.