張薇薇 朱杰

摘 要：[目的/意義]用戶是構(gòu)成專業(yè)虛擬社區(qū)的核心要素，而用戶角色是研究專業(yè)虛擬社區(qū)用戶參與的重要方面。[方法/過程]首先使用可視化工具和共現(xiàn)關(guān)鍵詞聚類分析，識別出專業(yè)虛擬社區(qū)用戶角色研究的兩大主題：角色識別與角色轉(zhuǎn)變動因。在此基礎(chǔ)上，采用系統(tǒng)分析方法對各個主題的研究現(xiàn)狀分別進行了梳理和總結(jié)。[結(jié)果/意義]角色識別研究主要為先賦角色識別與自致角色識別;角色類型可歸納為被動用戶、初始參與者、持續(xù)參與者;角色轉(zhuǎn)變動因主要分為初始參與動因和持續(xù)參與動因。最后綜合歸納出虛擬社區(qū)用戶角色研究框架，為未來研究提出建議。

關(guān)鍵詞：專業(yè)虛擬社區(qū);角色識別;角色轉(zhuǎn)變動因;用戶角色;綜述

DOI：10.3969/j.issn.1008-0821.2020.07.017

〔中圖分類號〕G252.0 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2020）07-0167-11

Review of User Roles in Professional Virtual Communities

Zhang Weiwei Zhu Jie

（School of Management Engineering，Nanjing University of Information Science and Technology，

Nanjing 210044，China）

Abstract：[Purpose/Significance]Users are core elements of virtual communities，and user role is an important aspect of the study of participation in virtual communities.[Method/Process]Firstly，we used visualization tool and cluster analysis of keywords co-occurrence to identify three main topics of user role research in virtual communities：role recognition，role types and role change motivation.On this basis，we had a systematic review of current research from the perspectives of the three topics mentioned above.[Pesults/Significance]Role recognition mainly included identification of experts and opinion leaders;role types were divided into passive users，initial participants and continuous participants;role change motivation consisted of initial and continuous participation motivation.Research framework of user roles in virtual communities and some suggestions for future research were put forward.

Key words：professional virtual communities;role types;role recognition;role change motivation;user roles;review

專業(yè)虛擬社區(qū)（Professional Virtual Community）作為虛擬社區(qū)類型的一種，它是將地理位置分散、志趣相投且擁有專業(yè)知識的人聚集在一起，形成的一個知識交流網(wǎng)絡(luò)空間，人們在其中能夠?qū)で蟆⑹占?、甚至貢獻專業(yè)知識，以提高他們的能力，以便解決現(xiàn)實工作問題[1-2]?，F(xiàn)有研究多以社區(qū)用戶為視角，而作為用戶研究基礎(chǔ)的角色識別及其轉(zhuǎn)變關(guān)系正逐漸受到研究者們的關(guān)注[3]。用戶角色通常是指用戶在社區(qū)內(nèi)所被期待的行為模式或者行為規(guī)律，因此以往研究大都從用戶參與行為的角度來探討用戶角色。近年來，已有學(xué)者對專業(yè)虛擬社區(qū)用戶參與行為的研究成果進行了歸納與總結(jié)。例如，齊云飛等在問答社區(qū)中圍繞參與者角色，總結(jié)了國內(nèi)外研究成果并構(gòu)建了用戶知識行為的影響因素框架[4]。孫思陽等系統(tǒng)梳理了虛擬學(xué)術(shù)社區(qū)中用戶知識交流行為的國內(nèi)外相關(guān)文獻[5]。盡管用戶行為研究已取得豐富的成果，但鮮有針對用戶角色方面的綜述研究。

因此，本文將圍繞專業(yè)虛擬社區(qū)用戶角色研究，運用可視化工具和基于關(guān)鍵詞共現(xiàn)的聚類分析方法，從定量和定性角度對國內(nèi)外相關(guān)文獻進行系統(tǒng)分析，揭示專業(yè)虛擬社區(qū)用戶角色研究現(xiàn)狀，總結(jié)歸納出相應(yīng)的研究框架，并對未來研究提供參考建議。

1 數(shù)據(jù)來源與可視化分析

1.1 文獻檢索

為保證數(shù)據(jù)檢索結(jié)果的覆蓋性與權(quán)威性，本文首先采用Web of Science，Elsevier Science Direct、Springlink以及中國知網(wǎng)、百度學(xué)術(shù)等學(xué)術(shù)數(shù)據(jù)庫作為文獻初步檢索來源。隨后從檢索出的文獻引文中識別出同樣主題的相關(guān)研究成果，并通過上述數(shù)據(jù)庫檢索出原始文獻，以擴大文獻調(diào)研范圍。

專業(yè)虛擬社區(qū)類型多樣：1）網(wǎng)絡(luò)問答社區(qū)，用戶通過問答的形式以實現(xiàn)專業(yè)知識交流的社區(qū)網(wǎng)絡(luò)平臺;2）在線知識社區(qū)，通過聚合分布式信息和知識，使用戶獲取大量現(xiàn)成的知識和專門知識以提高專業(yè)技能的網(wǎng)絡(luò)平臺[6];3）虛擬學(xué)術(shù)社區(qū)，是在指定的專業(yè)學(xué)術(shù)領(lǐng)域內(nèi)，以專業(yè)知識為交流主題，用戶用以開展知識交流與共享的開放性網(wǎng)絡(luò)社區(qū)[5]。因此上述3種社區(qū)類型也在本文界定的專業(yè)虛擬社區(qū)之內(nèi)。

為保證所得文獻符合研究預(yù)期，本文擬定以.篩選標(biāo)準(zhǔn)：1）研究情境為專業(yè)虛擬社區(qū)包含：網(wǎng)絡(luò)問答社區(qū)、在線知識社區(qū)、虛擬學(xué)術(shù)社區(qū)等;2）研究主題包含用戶角色或成員角色;3）文獻類型包括期刊論文、會議論文、論文集等，但不包含綜述性文獻。

檢索路徑為：1）構(gòu)造檢索式時，檢索詞分為兩部分：一部分采用“網(wǎng)絡(luò)問答社區(qū)”“在線知識社區(qū)”“虛擬學(xué)術(shù)社區(qū)”“專業(yè)虛擬社區(qū)”等與專業(yè)虛擬社區(qū)相關(guān)的主題詞;另一部分采用“用戶角色”“網(wǎng)絡(luò)角色”“社會角色”“社區(qū)成員”“知識共享”“知識貢獻”“參與行為”等與用戶角色相關(guān)的關(guān)鍵詞;兩組檢索詞以“并含”連結(jié)。隨后通過閱讀文獻標(biāo)題和摘要，輔以人工篩選;外文

文獻采用主題檢索：（“Professional Virtualcommunity”or“Online Q&A Community”or“Virtual Academic Community”or“Online Knowledge Community”）and（“User Roles”or“Members”or“Rolesidentification”or“Knowledgecontribute”or“Knowledge Share”or“Participate Behavior”）。同時對檢索結(jié)果進行人工篩選。2）從檢索出的文獻引文中識別出類似主題的相關(guān)研究成果，并通過上述數(shù)據(jù)庫檢索出原始文獻。最終獲得37篇精確標(biāo)準(zhǔn)文獻，其中包含中文文獻16篇，外文文獻21篇。

特別地，通過引文識別獲得的部分文獻雖標(biāo)題中沒有說明是專業(yè)虛擬社區(qū)，但通過查閱文獻內(nèi)容，發(fā)現(xiàn)實證分析是以專業(yè)虛擬社區(qū)為數(shù)據(jù)分析源。所以部分從標(biāo)題僅有虛擬社區(qū)/在線社區(qū)/網(wǎng)絡(luò)社區(qū)等文獻中獲得，本文也將其納入文獻調(diào)研范圍。

1.2 可視化分析

VOSviewer是一款能夠繪制作者、引文、關(guān)鍵詞等共現(xiàn)圖譜的可視化軟件，在聚類技術(shù)、圖譜繪制等方面有獨特優(yōu)勢[7]。本文運用該軟件對檢出文獻進行基于關(guān)鍵詞共現(xiàn)的聚類分析。首先修正文獻關(guān)鍵詞，其中包括關(guān)鍵詞同義轉(zhuǎn)化、英文單詞的單復(fù)數(shù)、寫法等。特別的，為了得到國內(nèi)外文獻較好的研究主題聚類效果，本文在文獻關(guān)鍵詞同義轉(zhuǎn)化時，將所有出現(xiàn)各類虛擬社區(qū)的關(guān)鍵詞，統(tǒng)一改成專業(yè)虛擬社區(qū)。例如，將社會問答社區(qū)、網(wǎng)絡(luò)問答社區(qū)、虛擬學(xué)術(shù)社區(qū)等改為專業(yè)虛擬社區(qū)。隨后將檢索得到的外文文獻和國內(nèi)文獻數(shù)據(jù)導(dǎo)入其中，選擇關(guān)鍵詞闕值頻次為2（即同一關(guān)鍵詞至少出現(xiàn)過兩次），共得到13個外文文獻高頻關(guān)鍵詞，10個中文文獻高頻關(guān)鍵詞，最后獲得共現(xiàn)關(guān)鍵詞聚類可視圖。如圖1、圖2所示。

在可視圖譜中，同一顏色節(jié)點代表一類，節(jié)點之間的連線代表兩節(jié)點曾經(jīng)共同出現(xiàn)過，節(jié)點的大小取決于該關(guān)鍵詞出現(xiàn)的次數(shù)，次數(shù)越多，節(jié)點越大。由圖1可見，外文文獻的研究方向主要分為4類：1）第一類包含“Factors”“Knowledge Contributing”“Knowledge Sharing”“Motivation”“Social Cognitive Theory”等高頻關(guān)鍵詞，結(jié)合文獻內(nèi)容分

析，第一類可歸并為用戶知識共享/貢獻動因;2）第二類包含“User Participation”“Social Capital”等關(guān)鍵詞，結(jié)合文獻內(nèi)容以及與其它關(guān)鍵詞的關(guān)聯(lián)程度，第二類可歸并為用戶參與動因;3）第三類包含“Professionial Virtual Communites”“Expertfinding”“Pagerank”“Opinionleaders”等關(guān)鍵詞，結(jié)合文獻內(nèi)容，但三類可歸并為角色識別;4）第四類包含“Userroles”“Usercontribute”等關(guān)鍵詞，結(jié)合文獻內(nèi)容以及與其它關(guān)鍵詞關(guān)聯(lián)程度，本文將其歸納為角色類型。經(jīng)過課題組成員討論，結(jié)合文獻內(nèi)容調(diào)查和分析，本文將第一類、第二類歸并為用戶角色轉(zhuǎn)變動因。第三類、第四類歸并為用戶角色識別，具體聚類分析結(jié)果如表1所示。

由圖2可以看出，中文文獻的研究方向主要分為3類：1）第一類包含“專業(yè)虛擬社區(qū)”“知識貢獻”“動機”“影響因素”“知識共享”“社會資本理論”等共現(xiàn)關(guān)鍵詞，聚類結(jié)果為用戶知識共享/貢獻動因。2）第二類包含“意見領(lǐng)袖識別”“社會網(wǎng)絡(luò)分析”聚類結(jié)果為先賦角色識別。3）第三類包含“用戶分類”“聚類分析”，聚類結(jié)果為自致角色識別。用戶知識共享/貢獻動因可歸并為用戶角色轉(zhuǎn)變動因。第二類、第三類歸并為用戶角色識別。因此，國內(nèi)相關(guān)文獻共現(xiàn)關(guān)鍵詞的聚類分析結(jié)果如表2所示。

綜合國內(nèi)外相關(guān)文獻主題的可視化分析結(jié)果，現(xiàn)有虛擬社區(qū)用戶角色研究大都集中在角色識別、和角色轉(zhuǎn)變動因兩個方面，.文將從這兩個主題方向展開分析。

2 專業(yè)虛擬社區(qū)用戶角色識別研究

網(wǎng)絡(luò)角色是用戶在心理動力因素.產(chǎn)生的符合虛擬社區(qū)要求的行為模式和行為規(guī)范，它不同于社會角色，并非現(xiàn)實社會對人們的行為期待，而是社會角色的擴展與延伸[8-9]。用戶在社區(qū)知識交流過程中都扮演著某個特定角色，有時在環(huán)境因素驅(qū)動.能同時扮演著多種角色。而對于社區(qū)用戶而言，其扮演的角色往往會體現(xiàn)著一系列社區(qū)參與行為模式以及用戶間交互關(guān)系。因此，對于用戶角色的識別，有助于社區(qū)管理者分析社區(qū)用戶行為特征，尋得高價值用戶，制定針對性的用戶政策，以促進社區(qū)內(nèi)知識與信息交流。

從角色獲取的方式上來看，用戶角色識別可分為先賦角色與自致角色兩種[10]。其中，先賦角色是指已經(jīng)預(yù)先對用戶角色進行定義，并通過不同的方法進行識別。自致角色是指沒有背景知識預(yù)先進行用戶角色定義，隨后通過不同的方法進行識別。基于此，本文通過上述兩種識別方式，對現(xiàn)有的角色識別研究進行分析。

2.1 先賦角色識別

2.1.1 專家角色識別

專家作為專業(yè)虛擬社區(qū)內(nèi)的高活躍用戶之一，一般是指擁有某領(lǐng)域或多領(lǐng)域?qū)I(yè)知識，并且能在社區(qū)內(nèi)提供大量高質(zhì)量專業(yè)知識的用戶。因此，識別社區(qū)內(nèi)的專家有助于提高知識共享和知識可獲取性。

在以往研究中，學(xué)者們在預(yù)先確定專家含義的基礎(chǔ)上，采用了不同的方法進行角色識別。例如，Liu D R等提出了一種基于內(nèi)容與鏈接結(jié)構(gòu)相結(jié)合的混合方法，有效地為問答社區(qū)中的目標(biāo)問題類別尋找出專家[11]。Wei C P等依據(jù)用戶正面和負(fù)面評價提出了ExpRank算法，有效的識別出網(wǎng)絡(luò)論壇里的專家[12]。龔凱樂等通過構(gòu)建“問題—用戶”傳播網(wǎng)絡(luò)并運用答題質(zhì)量改進加權(quán)的HIT算法，識別出網(wǎng)絡(luò)問答社區(qū)內(nèi)的專家[13]。特別地，先前的研究還采用基于內(nèi)容的方法進行專家角色識別。Roy P K等首先根據(jù)用戶過去問答行為來創(chuàng)建身份認(rèn)證組。隨后結(jié)合回答行為與發(fā)帖時間對身份認(rèn)證組的用戶進行了排名，以識別出問答社區(qū)的專家[14]。Wang S等構(gòu)建了一種主題和專業(yè)層次相結(jié)合的主題專業(yè)水平模型（TPLM）。在此基礎(chǔ)上，提出了一種基于TPLM算法的用戶綜合評分方法，有效地識別出專家用戶[15]。根據(jù)專家角色識別方法中的主要識別方法與依據(jù)，總結(jié)上述文獻如表3所示。根據(jù)表中結(jié)果可知，學(xué)者們對專業(yè)虛擬社區(qū)專家角色識別的研究大多以社會問答社區(qū)為情境。

2.1.2 意見領(lǐng)袖角色識別

意見領(lǐng)袖通常是擁有某個或多個領(lǐng)域的專業(yè)知識和技能的社區(qū)用戶，同時也是網(wǎng)絡(luò)社區(qū)信息、觀點的提供者，積極活躍的社區(qū)參與者，社區(qū)輿論生態(tài)的建構(gòu)者[16]。因此，識別意見領(lǐng)袖有助于提高社區(qū)用戶活躍度，促進用戶間信息與知識交流。

在意見領(lǐng)袖角色識別研究中，以往研究大多根據(jù)識別依據(jù)而采用基于內(nèi)容、鏈接結(jié)構(gòu)與社會網(wǎng)絡(luò)的方法識別社區(qū)意見領(lǐng)袖角色。一方面，部分研究運用基于內(nèi)容與社會網(wǎng)絡(luò)的方法進行意見領(lǐng)袖角色識別。Song K等根據(jù)明確的和隱含的鏈接以及情緒取向的評論，構(gòu)建了多主題用戶網(wǎng)絡(luò)模型，有效地識別出論壇中積極的意見領(lǐng)袖[17]。胡逸宬采用社會網(wǎng)絡(luò)分析的方法，依據(jù)點度中心度、中間中心度、接近中心度識別出網(wǎng)絡(luò)學(xué)術(shù)論壇意見領(lǐng)袖[18]。而童莉莉等又結(jié)合聚類分析的方法，依據(jù)交互關(guān)系、行為頻度、信息內(nèi)容特征，識別出在線知識社群意見領(lǐng)袖[19];另一方面，部分研究采用基于內(nèi)容與鏈接結(jié)構(gòu)的方法進行意見領(lǐng)袖識別。例如，Zhao T等首先通過一種話題敏感的影響度量算法度量出用戶對主題敏感的影響，并依據(jù)專業(yè)知識度量推斷出每個用戶的專題知識專長。在此基礎(chǔ)上，構(gòu)造了主題觀點領(lǐng)袖識別框架，以識別問答社區(qū)內(nèi)多主題的意見領(lǐng)袖[20]。根據(jù)意見領(lǐng)袖角色識別方法與識別依據(jù)，總結(jié)上述文獻如表4所示。

綜上所述，專業(yè)虛擬社區(qū)先賦角色識別的相關(guān)研究主要圍繞社區(qū)內(nèi)特定用戶展開，并主要關(guān)注于專家與意見領(lǐng)袖兩種角色。其中，專家角色識別多集中于網(wǎng)絡(luò)問答社區(qū)平臺，且識別依據(jù)注重于用戶的專業(yè)知識水平與答題內(nèi)容，并運用了基于內(nèi)容分析以及與鏈接分析相結(jié)合的識別方法。另外，意見領(lǐng)袖識別依據(jù)注重于用戶間的交互網(wǎng)絡(luò)與信息內(nèi)容，并主要運用了內(nèi)容分析、社會網(wǎng)絡(luò)分析、聚類分析及鏈接分析等識別方法。

2.2 自致角色識別

學(xué)者們在未定義社區(qū)用戶扮演何種角色的基礎(chǔ)上，從不同的角度并根據(jù)不同指標(biāo)識別出了多種角色類型。如表5所示。

部分研究從用戶參與行為的角度來確定用戶角色，識別方法主要有聚類分析與統(tǒng)計分析。較為常見的是采用聚類分析方法識別用戶角色類型。例如，毛波等以參與頻率與知識貢獻量為依據(jù)，識別出領(lǐng)袖、呼應(yīng)者、瀏覽者、貢獻者與學(xué)習(xí)者[21]。劉偉等依據(jù)近度、值度、頻度識別出重要成員、瀏覽者、沉默成員[22]。特別的，還有運用統(tǒng)計分析和內(nèi)容分析來識別用戶角色類型。例如，陳耀華等依據(jù)知識貢獻量在社區(qū)內(nèi)識別出領(lǐng)導(dǎo)者、領(lǐng)域?qū)＜?、詞條貢獻者、詞條維護者、邊緣用戶[23]。

此外，先前研究還從用戶社區(qū)地位和社群網(wǎng)絡(luò)的角度識別角色類型，主要采用社會網(wǎng)絡(luò)分析法。例如，Toral S L等依據(jù)平均出度與中間中心度，在社區(qū)內(nèi)識別出外圍用戶、規(guī)律貢獻者、經(jīng)紀(jì)人[24]。谷斌等在此基礎(chǔ)上結(jié)合聚類分析方法，依據(jù)知識共享中心度與用戶價值識別出核心用戶、信息獲取者、咨詢者、邊緣用戶[25]。Fueller J等運用同樣的方法，依據(jù)外度中心度、程度中心度、創(chuàng)意貢獻量在社區(qū)內(nèi)識別出社交用戶、創(chuàng)意用戶、專家、高效貢獻者、被動創(chuàng)意者、被動評論者[26]。Guo W等在上述方法的基礎(chǔ)上又結(jié)合了內(nèi)容分析法，依據(jù)貢獻數(shù)、群體度、影響度識別出規(guī)劃指導(dǎo)者、主動設(shè)計者、多面者、交流者、被動設(shè)計者、觀察者[27]。王哲等又結(jié)合日志分析，依據(jù)個體行為指標(biāo)與社會網(wǎng)絡(luò)指標(biāo)，識別出社區(qū)內(nèi)的領(lǐng)導(dǎo)者、社交連接者、實質(zhì)內(nèi)容提供者、管理維護者、邊緣用戶[28]。

綜上所述，以往研究已依據(jù)不同指標(biāo)，并根據(jù)識別依據(jù)采用了社會網(wǎng)絡(luò)分析、聚類分析、統(tǒng)計分析、內(nèi)容分析等識別方法在專業(yè)虛擬社區(qū)中確定了多種用戶角色類型。而且不難看出，先賦角色識別的相關(guān)研究主要圍繞社區(qū)內(nèi)所有用戶展開，其目的是識別不同用戶在社區(qū)內(nèi)所扮演的角色，以反映出用戶行為特征，探究用戶間行為差異。

2.3 角色類型的綜合歸納

本文依據(jù)識別出的用戶角色類型研究成果（見表5）的基礎(chǔ)上，從用戶參與貢獻度的角度，將用戶角色歸納為三種類型：被動用戶、初始參與者與持續(xù)參與者，具體如表6所示。其中，1）被動用戶是社區(qū)中純粹的信息消費者，僅僅查詢或者使用社區(qū)內(nèi)的知識內(nèi)容，但從不貢獻或者共享知識，也不參與社區(qū)活動[29]。一般在社區(qū)內(nèi)表現(xiàn)為沉默、瀏覽與信息搜尋等行為模式;2）初始參與者是指能偶發(fā)性知識共享或者貢獻，間斷性地參加社區(qū)內(nèi)相關(guān)活動的用戶。行為模式一般表現(xiàn)為偶發(fā)性、不規(guī)律的回帖/發(fā)帖行為;3）持續(xù)參與者是指能持續(xù)地進行知識共享或貢獻，積極地參與社區(qū)相關(guān)活動的用戶。行為模式一般表現(xiàn)為持續(xù)的、有規(guī)律的回帖/發(fā)帖行為。

3 專業(yè)虛擬社區(qū)用戶角色轉(zhuǎn)變動因研究

如表6所示，用戶在社區(qū)內(nèi)扮演的角色可綜合歸納為3種類型：被動用戶、初始參與者和持續(xù)參與者。但在虛擬社區(qū)中，大部分用戶所扮演的角色不是靜態(tài)的，而是出于各種驅(qū)動因素，在不同角色之間轉(zhuǎn)變。用戶角色之間轉(zhuǎn)變有兩種類型，一種是隨時間自然增長型的角色轉(zhuǎn)變，還有一種是隨社區(qū)地位或者社區(qū)位置而變動的角色轉(zhuǎn)變[30]。在特定的虛擬社區(qū)中，如微信群成員會根據(jù)參與程度的加深，其扮演的角色會從最初的發(fā)起者向參與者與關(guān)注者之間轉(zhuǎn)變[31]。在微博中，部分用戶會從最初的新手轉(zhuǎn)變?yōu)椴┲鱗32]。而在專業(yè)虛擬社區(qū)中，社區(qū)用戶隨著知識貢獻量的增加會從持續(xù)知識搜尋者到持續(xù)知識貢獻者的轉(zhuǎn)變[33]。因此，專業(yè)虛擬社區(qū)中部分被動用戶，會隨著時間的增長與參與程度的加深，向初始參與者和持續(xù)參與者轉(zhuǎn)變。

從角色轉(zhuǎn)變階段來看，每階段的轉(zhuǎn)變動因也不盡相同。易明等依據(jù)馬斯洛需求層次理論從用戶角色視角構(gòu)建了用戶需求層次模型，認(rèn)為每個角色都有特定的需求動機，存在著不同類型角色的需求層次差異[34]。張向先等也認(rèn)為在社會問答社區(qū)中，用戶知識需求呈現(xiàn)層級遞進的趨勢，并在各種情景和動力驅(qū)動.動態(tài)演化[35]。因此，社區(qū)內(nèi)被動用戶向初始參與者，再向持續(xù)參與者轉(zhuǎn)變的兩個階段，可能會受到不同動因的影響。

值得注意的是，以往研究雖未明細(xì)說明用戶角色轉(zhuǎn)變動因，但在專業(yè)虛擬社區(qū)中，用戶扮演角色的轉(zhuǎn)變依賴于用戶在社區(qū)內(nèi)的參與深度。因此本文依據(jù)上述角色類型，并在考慮時間維度與參與程度的基礎(chǔ)上，將用戶參與動因劃分為初始參與動因與持續(xù)參與動因兩個方面，并就其對正向角色轉(zhuǎn)變動因進行分析。

3.1 初始參與動因

為了促使虛擬社區(qū)被動用戶向初始參與者轉(zhuǎn)變，以往研究依據(jù)不同的理論，從知識共享與知識貢獻兩個角度探索了用戶初始參與動因。如表7所示。

在用戶知識共享動因方面：Zhao L等依據(jù)社會資本理論，證實了歸屬感、熟悉其他用戶對用戶初始知識共享具有顯著影響[36]。Lee S等依據(jù)滿足理論與情景學(xué)習(xí)理論，認(rèn)為用戶生成內(nèi)容質(zhì)量差異影響新用戶知識共享，而社區(qū)成員友誼的信息反饋促進新用戶知識共享[37]。張敏等依據(jù)社會資本理論、社會認(rèn)知理論、社會交換理論與理性行為理論構(gòu)建了刺激—機體—行為（S-O-R）模型，研究表明，在虛擬社區(qū)中感知規(guī)范與結(jié)果預(yù)期正向影響用戶知識共享[38]。

在用戶知識貢獻動因方面：Chou S W在動機模型和社會認(rèn)知理論的基礎(chǔ)上，提出了一種綜合模型。他們結(jié)合模型發(fā)現(xiàn)，感知的身份驗證和績效預(yù)期影響社區(qū)用戶知識的貢獻[39]。Yan Y等依據(jù)自我感知理論，認(rèn)為幫助別人獲得的滿足感、自我價值感、體驗流是社區(qū)用戶知識搜尋行為向知識貢獻行為轉(zhuǎn)變的重要因素[40]。Lai H M等依據(jù)價值理論，認(rèn)為在線社區(qū)內(nèi)互惠是潛伏者知識貢獻重要的驅(qū)動因素[41]。Alireza等依據(jù)TAM模型（理性行為理論）認(rèn)為在專業(yè)虛擬社區(qū)中感知有用性與感知易用性對用戶參與具有重要驅(qū)動作用[42]。趙欣等依據(jù)計劃行為理論，認(rèn)為專業(yè)知識水平與互惠規(guī)范對知識搜尋者轉(zhuǎn)變?yōu)橹R貢獻者具有顯著的影響[33]。

3.2 持續(xù)參與動因

為了促使虛擬社區(qū)用戶從初始參與者向持續(xù)參與者角色轉(zhuǎn)變，學(xué)者們基于不同理論基礎(chǔ)探索了專業(yè)虛擬社區(qū)用戶持續(xù)參與動因。如表8所示。

基于社會認(rèn)知理論的研究：Yu Y等證實了基本交互、補充交互、結(jié)果預(yù)期、自我效能正向影響用戶持續(xù)知識共享[43]。Lin M J J等證實了信任、互惠規(guī)范、知識自我效能、感知相對優(yōu)勢、感知有用性顯著影響用戶知識共享[2]。Hsu M H等證實了身份信任、自我效能、個人結(jié)果預(yù)期以及社區(qū)相關(guān)結(jié)果預(yù)期顯著影響用戶知識共享[44]。隨后，Chen C J等在社會認(rèn)知理論的基礎(chǔ)上結(jié)合了社會交換理論，研究表明互惠性、人際信任、自我效能感與感知相對優(yōu)勢對用戶知識共享有顯著影響[1]。

基于社會資本理論的研究：Chen I Y L等證實了使用后社會互動關(guān)系以及使用社區(qū)的滿意度正向影響用戶持續(xù)參與[45]。周濤等在此基礎(chǔ)上又證實了共同語言與共同愿景影響學(xué)習(xí)社群用戶持續(xù)參與[46]。陳明紅在上述基礎(chǔ)上又證實了信任、互惠影響用戶持續(xù)知識貢獻[47]。

基于其它理論的研究：金曉玲等依據(jù)現(xiàn)有研究成果，證實了聲譽的提升、學(xué)習(xí)、獲取知識的能力通過滿意度顯著的影響用戶持續(xù)知識貢獻[48]。Lai H M等依據(jù)價值理論，認(rèn)為在線社區(qū)內(nèi)幫助他人的樂趣與知識自我效能感是發(fā)帖者知識貢獻重要的驅(qū)動因素[41]。Fang C等依據(jù)計劃行為理論，認(rèn)為回答者持續(xù)參與是由主觀規(guī)范和態(tài)度兩種動因共同決定的[49]。萬莉等依據(jù)自我決定理論分析了影響用戶知識貢獻的內(nèi)外動機。他們發(fā)現(xiàn)，互惠、感知激勵、知識貢獻自我效能、樂于助人對促進用戶持續(xù)知識貢獻具有重要影響[50]。

綜上所述，從時間維度與參與程度來看，以往研究主要從初始參與與持續(xù)參與的視角分析了角色轉(zhuǎn)變動因，并取得了豐碩的成果。用戶作為社區(qū)內(nèi)核心組成部分，社區(qū)的發(fā)展往往依賴于用戶參與。因此，促進用戶的正向角色轉(zhuǎn)變，有助于社區(qū)管理者掌握各階段用戶參與心理因素，制定相對應(yīng)的用戶政策，以促進社區(qū)持續(xù)發(fā)展。

4 總結(jié)與建議

本文基于可視化軟件對國內(nèi)外相關(guān)文獻的共現(xiàn)關(guān)鍵詞進行聚類分析，并通過細(xì)致的總結(jié)、歸納與分析，揭示出用戶角色的兩大研究主題：角色識別及角色轉(zhuǎn)變動因。隨后，分別從以上兩個方面系統(tǒng)分析了國內(nèi)外相關(guān)文獻，綜合歸納出虛擬社區(qū)用戶角色研究框架（如圖3所示）。本文的主要研究結(jié)果有：1）用戶角色識別研究主要包括：先賦角色識別與自致角色識別。識別方法主要有內(nèi)容分析、社會網(wǎng)絡(luò)分析、聚類分析和鏈接分析等;而在自致角色識別方面，已有文獻從用戶參與行為、社區(qū)地位等不同角度對社區(qū)用戶扮演的角色進行了識別，形成了較為豐富的角色類型研究成果。本文在前人研究基礎(chǔ)上，將用戶角色歸納為3種類型：被動用戶、初始參與者、持續(xù)參與者;2）最后，依據(jù)3種角色類型分別從兩個方面對虛擬社區(qū)用戶角色轉(zhuǎn)變動因進行了分析，即初始參與動因和持續(xù)參與動因?？傮w而言，用戶角色研究已取得了豐富的成果，但未來研究，仍可以在以.幾個方面進一步探究。

1）社區(qū)用戶角色識別方面，以往研究已依據(jù)不同的指標(biāo)并運用多樣的識別方法確定了社區(qū)內(nèi)多種角色類型。然而，以往研究多以靜態(tài)的視角來識別社區(qū)用戶角色，即常常側(cè)重于特定的時間段，未考慮用戶在社區(qū)內(nèi)扮演角色的動態(tài)過程。因此，未來研究可以在識別用戶角色的基礎(chǔ)上考慮時間維度，以動態(tài)的視角來探索用戶角色演變路徑，進一步分析社區(qū)用戶行為演化規(guī)律。

2）社區(qū)用戶角色轉(zhuǎn)變動因方面：①以往角色轉(zhuǎn)變動因研究多以某個特定角色作為對象展開研究，然而用戶在社區(qū)內(nèi)隨著時間的增長與參與程度的加深，會向多個角色之間轉(zhuǎn)變。例如，被動用戶向初始參與者轉(zhuǎn)變，隨后再向持續(xù)參與者轉(zhuǎn)變。因此，未來研究可以從縱向的角度來探究用戶角色轉(zhuǎn)變動因，特別是不同轉(zhuǎn)變階段的動因差異，這對于厘清用戶角色轉(zhuǎn)變機理尤為重要。②以往的研究還多以角色間正向演化來探究角色轉(zhuǎn)變動因。但由于用戶在社區(qū)參與一段時間后其角色類型必然會發(fā)生分化和演變，且角色之間也存在著正向和負(fù)向演化[51]。其中，負(fù)向演化多是指持續(xù)參與者向初始參與者及被動用戶轉(zhuǎn)變。因此未來研究還可以從用戶角色負(fù)向演化方向來探索角色轉(zhuǎn)變動因，這對于社區(qū)提高自身管理能力，降低高價值用戶流失率具有重要意義。

參考文獻

[1]Chen C J，Hung S W.To Give or to Receive？Factors Influencing Members Knowledge Sharing and Community Promotion in Professional Virtual Communities[J].Information & Management，2010，47（4）：226-36.

[2]Lin M J J，Hung S W，Chen C J.Fostering the Determinants of Knowledge Sharing in Professional Virtual Communities[J].Computers in Human Behavior，2009，25（4）：929-39.

[3]方陳承，張健同.社會化問答社區(qū)中用戶研究的述評與展望[J].情報雜志，2018：185-93.

[4]齊云飛，趙宇翔，朱慶華.在線問答社區(qū)中參與者知識行為研究綜述[J].圖書情報知識，2018，（3）：103-12.

[5]孫思陽，張海濤，任亮，等.虛擬學(xué)術(shù)社區(qū)用戶知識交流行為研究綜述[J].情報科學(xué)，2019，37（1）：171-6.

[6]Chen L，Baird A，Straub D.Why Do Participants Continue to Contribute？Evaluation of Usefulness Voting and Commenting Motivational Affordances Within an Online Knowledge Community[J].Decision Support Systems，2019，118：21-32.

[7]劉俊婉，蔣麗娜，雷碧涵，等.國際虛擬社區(qū)用戶行為研究的知識圖譜分析——基于Citespace和VOSviewer的計量分析[J].現(xiàn)代情報，2014，34（9）：120-8.

[8]李飛，蘇國紅，張開炳.網(wǎng)絡(luò)角色：內(nèi)涵、特征及其心理動因[J].北華大學(xué)學(xué)報：社會科學(xué)版，2016，17（1）：36-40.

[9]熊芳亮.角色理論的新領(lǐng)域：網(wǎng)絡(luò)角色分析[J].中國青年研究，2003，（12）：53-5.

[10]宮承波，齊立穩(wěn).試析網(wǎng)絡(luò)社區(qū)中的角色扮演[J].新聞界，2008，（2）：164-6.

[11]Liu D R，Chen Y H，Kao W C，et al.Integrating Expert Profile，Reputation and Link Analysis for Expert Finding in Question-answering Websites[J].Information Processing & Management，2013，49（1）：312-29.

[12]Wei C P，Lin W B，Chen H C，et al.Finding Experts in Online Forums for Enhancing Knowledge Sharing and Accessibility[J].Computers in Human Behavior，2015，51（3）：25-35.

[13]龔凱樂，成穎.基于“問題-用戶”的網(wǎng)絡(luò)問答社區(qū)專家發(fā)現(xiàn)方法研究[J].圖書情報工作，2016，60（24）：115-21.

[14]Roy P K，Singh J P，Nag A.Finding Active Expert Users for Question Routing in Community Question Answering Sites;Proceedings of the Machine Learning and Data Mining in Pattern Recognition，Cham，F(xiàn) 2018//，2018[C]//Springer International Publishing.

[15]Wang S，Jiang D，Su L，et al.Expert Finding in CQA Based on Topic Professional Level Model;Proceedings of the Data Mining and Big Data，Cham，F(xiàn) 2018//，2018[C]//Springer International Publishing.

[16]王秀麗.網(wǎng)絡(luò)社區(qū)意見領(lǐng)袖影響機制研究——以社會化問答社區(qū)“知乎”為例[J].國際新聞界，2014，36（9）：47-57.

[17]Song K，Wang D，F(xiàn)eng S，et al.Detecting Positive Opinion Leader Group from Forum;Proceedings of the Web-Age Information Management，Berlin，Heidelberg，F(xiàn) 2012//，2012[C]//Springer Berlin Heidelberg.

[18]胡逸宬.網(wǎng)絡(luò)學(xué)術(shù)社區(qū)中的意見領(lǐng)袖識別研究[J].圖書情報導(dǎo)刊，2017，2（11）：72-7.

[19]童莉莉，李榮祿，閆強.在線知識社群中的意見領(lǐng)袖識別模型研究[J].中國電化教育，2019，（3）：97-103.

[20]Zhao T，Huang H，F(xiàn)u X.Identifying Topical Opinion Leaders in Social Community Question Answering;Proceedings of the Database Systems for Advanced Applications，Cham，F(xiàn) 2018//，2018[C]//Springer International Publishing.

[21]毛波，尤雯雯.虛擬社區(qū)成員分類模型[J].清華大學(xué)學(xué)報：自然科學(xué)版，2006，（S1）：1069-73.

[22]劉偉，丁志慧.基于參與行為的興趣型虛擬社區(qū)成員分類研究[J].商業(yè)研究，2012，（11）：92-5.

[23]陳耀華，楊現(xiàn)民.開放知識社區(qū)用戶分類研究——以中文維基百科為例[J].現(xiàn)代教育技術(shù)，2016，26（6）：47-53.

[24]Toral S L，Martínez-Torres M R，Barrero F.Analysis of Virtual Communities Supporting OSS Projects Using Social Network Analysis[J].Information and Software Technology，2010，52（3）：296-303.

[25]谷斌，徐菁，黃家良.專業(yè)虛擬社區(qū)用戶分類模型研究[J].情報雜志，2014，33（5）：203-7.

[26]Fueller J，Hutter K，Hautz J，et al.User Roles and Contributions in Innovation-Contest Communities[J].Journal of Management Information Systems，2014，31（1）：273-307.

[27]Guo W，Zheng Q，An W，et al.User Roles and Contributions During the New Product Development Process in Collaborative Innovation Communities[J].Applied Ergonomics，2017，63（10）：6-14.

[28]王哲，張鵬翼.學(xué)習(xí)小組在線知識協(xié)作中的用戶角色與行為[J].圖書情報工作，2018，62（7）：77-87.

[29]Ye Y，Kishida K.Toward an Understanding of the Motivation of Open Source Software Developers;Proceedings of the Proceedings of 2003 International Conference on Software Engineering（ICSE 2003 ），F(xiàn)，2003[C].

[30]黃令賀，朱慶華.社會角色視角.網(wǎng)絡(luò)社區(qū)用戶類型及其關(guān)系的識別[J].情報資料工作，2013，（2）：84-8.

[31]姚偉，孟盈，陳勁，等.實踐社區(qū)中知識動員演化模型研究[J].科學(xué)學(xué)研究，2018，36（8）：1455-65.

[32]Dennen V P.Becoming a Blogger：Trajectories，Norms，and Activities in a Community of Practice[J].Computers in Human Behavior，2014，36：350-8.

[33]趙欣，王倩雯，張長征.從知識搜尋者到知識貢獻者——專業(yè)虛擬社區(qū)用戶角色轉(zhuǎn)變的機理研究[J].情報科學(xué)，2017，35（10）：18-22.

[34]易明，宋景璟，楊斌，等.網(wǎng)絡(luò)知識社區(qū)用戶需求層次研究[J].情報科學(xué)，2017，35（2）：22-6.

[35]張向先，李中梅，郭順利.社會化問答社區(qū)用戶知識需求及其動態(tài)演化研究[J].情報理論與實踐，2018，41（11）：38-44，50.

[36]Zhao L，Lu Y，Wang B，et al.Cultivating the Sense of Belonging and Motivating User Participation in Virtual Communities：A Social Capital Perspective[J].International Journal of Information Management，2012，32（6）：574-88.

[37]Lee S，Park D H，Han I.New Members Online Socialization in Online Communities：The Effects of Content Quality and Feedback on New Members Content-sharing Intentions[J].Computers in Human Behavior，2014，30：344-54.

[38]張敏，唐國慶，張艷.基于S-O-R范式的虛擬社區(qū)用戶知識共享行為影響因素分析[J].情報科學(xué)，2017，35（11）：149-55.

[39]Chou S W.Why Do Members Contribute Knowledge to Online Communities？[J].Online Information Review，2010，34（6）：829-54.

[40]Yan Y，Davison R M.Exploring Behavioral Transfer from Knowledge Seeking to Knowledge Contributing：The Mediating Role of Intrinsic Motivation[J].Journal of the American Society for Information Science and Technology，2013，64（6）：1144-57.

[41]Lai H M，Chen T T.Knowledge Sharing in Interest Online Communities：A Comparison of Posters and Lurkers[J].Computers in Human Behavior，2014，35：295-306.

[42]Tamjidyamcholo A，Kumar S，Sulaiman A，et al.Willingness of Members to Participate in Professional Virtual Communities[J].Quality & Quantity，2016，50（6）：2515-34.

[43]Yu Y，Zuo M，Chai W，et al.How Fundamental and Supplemental Interactions Affect Users Knowledge Sharing in Virtual Communities？ A Social Cognitive Perspective[J].Internet Research，2014，24（5）：566-86.

[44]Hsu M H，Ju T L，Yen C H，et al.Knowledge Sharing Behavior in Virtual Communities：The Relationship Between Trust，Self-Efficacy，and Outcome Expectations[J].International Journal of Human-Computer Studies，2007，65（2）：153-69.

[45]Chen I Y L.The Factors Influencing Members Continuance Intentions in Professional Virtual Communities—A Longitudinal Study[J].Journal of Information Science，2007，33（4）：17.

[46]周濤，陳可鑫，鄧勝利.社群學(xué)習(xí)用戶持續(xù)參與行為機理研究[J].現(xiàn)代情報，2019，39（1）：43-50.

[47]陳明紅.學(xué)術(shù)虛擬社區(qū)用戶持續(xù)知識共享的意愿研究[J].情報資料工作，2015，（1）：41-7.

[48]金曉玲，湯振亞，周中允，等.用戶為什么在問答社區(qū)中持續(xù)貢獻知識？：積分等級的調(diào)節(jié)作用[J].管理評論，2013，25（12）：138-46.

[49]Fang C，Zhang J.Users Continued Participation Behavior in Social Q&A Communities：A Motivation Perspective[J].Computers in Human Behavior，2019，92：87-109.

[50]萬莉，程慧平.基于自我決定理論的虛擬知識社區(qū)用戶持續(xù)知識貢獻行為動機研究[J].情報科學(xué)，2016，34（10）：15-9.

[51]劉江，趙宇翔，朱慶華.網(wǎng)絡(luò)潛水者研究的理論基礎(chǔ)及前沿展望[J].情報資料工作，2012，（6）：39-45.

（責(zé)任編輯：孫國雷）