楊瑞仙，黃書瑞，于政杰

（1.鄭州大學(xué)信息管理學(xué)院，鄭州 450001；2.鄭州市數(shù)據(jù)科學(xué)研究中心，鄭州 450001）

1 引 言

20 世紀(jì)60 年代，蘇聯(lián)學(xué)者米哈依洛夫[1]提出了科學(xué)交流模式?？茖W(xué)交流是科學(xué)研究中不可分割的一部分，分為正式交流和非正式交流。其中，正式交流主要是研究引文分析，相對比較成熟。然而，隨著社交媒體的出現(xiàn)，學(xué)術(shù)虛擬社區(qū)，如科學(xué)網(wǎng)博客、人大經(jīng)濟(jì)論壇、小木蟲學(xué)術(shù)科研互動平臺（以下簡稱 “小木蟲” ）和中國專業(yè)IT 社區(qū)（以下簡稱 “CSDN” ）等，作為非正式知識交流的媒介逐漸受到科研人員的青睞。在學(xué)術(shù)虛擬社區(qū)中，科研人員可以通過發(fā)文、回復(fù)、點(diǎn)贊以及轉(zhuǎn)發(fā)等形式來發(fā)布、分享和討論與科學(xué)研究相關(guān)內(nèi)容。因此，學(xué)術(shù)虛擬社區(qū)已成為傳統(tǒng)環(huán)境下正式知識交流的有益補(bǔ)充，其即時(shí)性和交互性較強(qiáng)，受到科研人員的青睞。隨著知識社會的到來和發(fā)展，各界的 “知識化” 趨勢愈加明顯，從起初的 “文獻(xiàn)交流” 到 “科學(xué)交流” ，再到現(xiàn)在的 “知識交流” ，知識交流的形式逐漸豐富，知識效率越來越高。然而，隨著學(xué)術(shù)虛擬社區(qū)知識交流熱度的不斷提升，如何從定量角度對學(xué)術(shù)虛擬社區(qū)知識交流效率進(jìn)行測度，進(jìn)一步改善社區(qū)知識交流氛圍，充分發(fā)揮非正式交流的作用，是當(dāng)前亟待解決的重要問題之一。

在學(xué)術(shù)虛擬社區(qū)中， “小木蟲” 擁有良好的交流氛圍及廣闊的空間，已成為最具影響力的學(xué)術(shù)虛擬社區(qū)之一。本研究以 “小木蟲” 為主要研究對象，構(gòu)建學(xué)術(shù)虛擬社區(qū)知識交流效率評價(jià)指標(biāo)，采用 三 階 段DEA （data envelopment analysis，DEA）模型計(jì)算學(xué)術(shù)虛擬社區(qū)的知識交流效率值、分析學(xué)術(shù)虛擬社區(qū)知識交流效率的影響因素，并測算學(xué)術(shù)虛擬社區(qū)知識交流效率的真實(shí)值，以促進(jìn)學(xué)術(shù)虛擬社區(qū)知識交流效率，為社區(qū)管理者提供參考信息。

2 相關(guān)研究

通過文獻(xiàn)調(diào)研發(fā)現(xiàn)，國內(nèi)外相關(guān)研究主要集中在學(xué)術(shù)虛擬社區(qū)知識交流的理論、模式、作用和效率4 個(gè)方面。

（1）學(xué)術(shù)虛擬社區(qū)知識交流的理論方面。彭紅彬等[2]以國內(nèi)著名論壇CSDN 為研究對象，從中抽取出知識交流網(wǎng)絡(luò)，采用復(fù)雜網(wǎng)絡(luò)的分析方法進(jìn)行分析，試圖定量化地揭示學(xué)術(shù)虛擬社區(qū)中知識交流的特點(diǎn)。張海濤等[3]運(yùn)用社會網(wǎng)絡(luò)分析方法，對學(xué)術(shù)虛擬社區(qū)用戶知識交流網(wǎng)絡(luò)結(jié)構(gòu)與功能作用進(jìn)行了探究。王偉軍等[4]以科學(xué)網(wǎng)博客為研究對象，基于PLS（partial least square）結(jié)構(gòu)方程模型對學(xué)術(shù)博客持續(xù)使用意愿的影響因素進(jìn)行研究。

（2）學(xué)術(shù)虛擬社區(qū)的知識交流模式方面。胥偉嵐[5]從社會網(wǎng)絡(luò)理論出發(fā)，構(gòu)建出基于人際網(wǎng)絡(luò)的知識交流模式。丁敬達(dá)等[6]在學(xué)術(shù)虛擬社區(qū)用戶類型和交互關(guān)系分析的基礎(chǔ)上，提出基于會話、鏈接和引證關(guān)系的三種主要知識交流模式。Zheng[7]以 “Emuch 論壇” 為例，分析了知識傳播主體、知識交流項(xiàng)目和知識傳播途徑，并對當(dāng)前學(xué)術(shù)虛擬社區(qū)的知識交流模式提供了建議。

（3）學(xué)術(shù)虛擬社區(qū)的知識交流作用方面。國外學(xué)者認(rèn)為，學(xué)術(shù)虛擬社區(qū)不僅能夠增強(qiáng)用戶間的知識交流，亦能挖掘用戶的隱性知識，提升決策水平。Huang 等[8]發(fā)現(xiàn)超鏈接能夠提高知識交流效率，利用矩陣聚類技術(shù)對學(xué)術(shù)虛擬社區(qū)成員在知識創(chuàng)造過程中的互動演化行為和用戶創(chuàng)造價(jià)值的功能進(jìn)行探討，以確?？梢酝ㄟ^學(xué)術(shù)虛擬社區(qū)持續(xù)做出最佳決策。Romero Borges 等[9]以Esanum、Sermo 和Doc‐tor.net.uk 等學(xué)術(shù)虛擬社區(qū)為例，闡述其對全球醫(yī)務(wù)人員的信息交流、病例討論以及新療法和藥物的促進(jìn)作用。Kindler 等[10]基于protocols.io 平臺創(chuàng)建了一個(gè)名為VERVENet 的病毒學(xué)學(xué)術(shù)虛擬社區(qū)，該社區(qū)能夠與更廣泛的虛擬社區(qū)建立聯(lián)系，有助于病毒學(xué)科研人員的知識交流，并且該社區(qū)的最新文獻(xiàn)個(gè)性化推薦功能有助于科研人員對前沿技術(shù)的動態(tài)追蹤。

（4）學(xué)術(shù)虛擬社區(qū)的知識交流效率方面。學(xué)者們主要從學(xué)術(shù)虛擬社區(qū)知識交流效率的測度和學(xué)術(shù)虛擬社區(qū)知識交流效率的影響因素兩個(gè)維度展開研究。①關(guān)于學(xué)術(shù)虛擬社區(qū)知識交流效率測度研究維度，2014 年，宗乾進(jìn)等[11]最先構(gòu)建了學(xué)術(shù)博客知識交流效果評價(jià)指標(biāo)，采用DEA 方法對科學(xué)網(wǎng)博客8個(gè)學(xué)科的知識交流效果進(jìn)行實(shí)證研究；2015 年，萬莉[12]借鑒宗乾進(jìn)等[11]構(gòu)造的評價(jià)指標(biāo)，采用非參數(shù)DEA、Malmquist 指數(shù)方法，對 “小木蟲” 、人大經(jīng)濟(jì)論壇8 個(gè)學(xué)科的知識交流效率以及全要素生產(chǎn)率進(jìn)行測度；2018 年，龐建剛等[13]以 “經(jīng)管之家” 經(jīng)濟(jì)學(xué)論壇三區(qū)為研究對象，采用SFA （stochastic frontier approach）方法對學(xué)術(shù)虛擬社區(qū)知識交流效率進(jìn)行測定，并運(yùn)用Kernel 估計(jì)研究學(xué)術(shù)虛擬社區(qū)知識交流效率的動態(tài)演化；2019 年，吳佳玲[14]采用Super-SBM 對學(xué)術(shù)虛擬社區(qū)知識交流效率進(jìn)行測定，建立Tobit 模型對學(xué)術(shù)虛擬社區(qū)知識交流效率的影響因素進(jìn)行分析；2019 年，晉升[15]以 “小木蟲” 為研究對象，在現(xiàn)有研究成果的基礎(chǔ)上，將 “討論時(shí)間” 和 “再回復(fù)數(shù)量” 分別作為投入指標(biāo)和產(chǎn)出指標(biāo)，構(gòu)建虛擬社區(qū)知識交流投入產(chǎn)出評價(jià)指標(biāo)。②關(guān)于學(xué)術(shù)虛擬社區(qū)知識交流效率的影響因素維度，楊瑞仙等[16]以技術(shù)接受模型為框架，構(gòu)建學(xué)術(shù)虛擬社區(qū)知識交流效率影響因素集成模型，研究結(jié)果發(fā)現(xiàn)，科研人員的年齡、科研工作年限、受教育程度、專業(yè)技術(shù)職稱、用戶的感知易用性和感知有用性對知識交流效率具有正向影響作用，且知識交流意愿對知識交流效率起到部分中介作用；吳佳玲[14]認(rèn)為，社區(qū)設(shè)立時(shí)間、社區(qū)成員質(zhì)量和社區(qū)管理水平等因素對學(xué)術(shù)虛擬社區(qū)知識交流效率具有顯著正向影響作用。

相關(guān)研究表明，國內(nèi)研究較多、國外較少，原因在于國外關(guān)于知識交流的研究較為微觀和具體，理論研究較少。學(xué)者在對學(xué)術(shù)虛擬社區(qū)知識交流效率測度方面，多采用傳統(tǒng)DEA 模型、兩階段DEA模型的方法，未剔除用戶自身因素和外部（如社會、經(jīng)濟(jì)、政策等的變化）因素對學(xué)術(shù)虛擬社區(qū)知識交流效率值測定產(chǎn)生的干擾[14]，這種干擾會降低學(xué)術(shù)虛擬社區(qū)知識交流效率值的可信度。因此，針對此問題，本文提出了基于三階段DEA 模型的學(xué)術(shù)虛擬社區(qū)知識交流效率評價(jià)方法，該方法能夠剔除環(huán)境因素（environmental effects，EE）、隨機(jī)噪聲（statistical noise，SN） 和管理無效率（managerial inefficiencies，MI）對學(xué)術(shù)虛擬社區(qū)知識交流效率的影響，進(jìn)而更加真實(shí)地反映學(xué)術(shù)虛擬社區(qū)的知識交流效率的實(shí)際數(shù)值。

3 數(shù)據(jù)來源與研究方法

3.1 數(shù)據(jù)來源

本研究選擇 “小木蟲” 社區(qū)中較活躍的4 個(gè)版塊作為該研究的決策單元（decision making unit，DMU），包括：有機(jī)交流、微米和納米、第一性原理和金融投資。編寫Python 爬蟲程序獲取2009—2019 年 “小木蟲” 4 個(gè)版塊的用戶數(shù)、發(fā)帖數(shù)、瀏覽數(shù)、回帖數(shù)、再回復(fù)數(shù)、用戶加入社區(qū)時(shí)長、用戶在線時(shí)長、散金數(shù)等數(shù)據(jù)。數(shù)據(jù)采集時(shí)間為2019年12 月6 日至2019 年12 月11 日。為反映學(xué)術(shù)虛擬社區(qū)知識交流效率的真實(shí)情況，本研究根據(jù)以下規(guī)則對采集到的發(fā)帖、回帖數(shù)據(jù)進(jìn)行篩選：

（1）同一主題帖中，發(fā)帖人在該主題帖下反復(fù)發(fā)帖，且沒有其他用戶回應(yīng)，則記為一次發(fā)帖；

（2）同一主題帖中，同一回帖人多次回帖，且沒有其他用戶回應(yīng)，則記為一次回帖；

（3） 同一主題帖中，不同回帖人回復(fù)內(nèi)容相同，則記為一次回帖。

3.2 研究方法

“效率” 一詞來源于經(jīng)濟(jì)學(xué)領(lǐng)域，在微觀生產(chǎn)理論中，效率是指資源投入與有用產(chǎn)出之間的比率。經(jīng)濟(jì)學(xué)領(lǐng)域在測度效率時(shí)主要采用DEA 法。DEA 法由運(yùn)籌學(xué)家Charnes 等[17]在1978 年提出，用于DMU 間的相對效率。Fried 等[18-19]認(rèn)為，傳統(tǒng)的DEA 模型未將EE、SN、MI 等從DMU 效率評價(jià)的影響中剔除。Fried 等[18]認(rèn)為，DMU 的效率受以上三種因素的影響，因而有必要將其分離，從而更加準(zhǔn)確地測定DMU 效率值。三階段DEA 模型由Fried等[18]于2002 年提出，是傳統(tǒng)一階段DEA 模型的衍生和改進(jìn)，該模型能夠剔除EE、SN 和MI 等因素對效率的影響，更加真實(shí)地反映DMU 的效率水平。學(xué)術(shù)虛擬社區(qū)知識交流效率是指在相同投入下，決策單元的實(shí)際產(chǎn)出與生產(chǎn)前沿（最優(yōu)產(chǎn)出值）的差距，差距越小，則決策單元的知識交流效率越高。目前，有關(guān)學(xué)術(shù)虛擬社區(qū)知識交流效率的研究成果，主要采用傳統(tǒng)DEA 模型進(jìn)行學(xué)術(shù)虛擬社區(qū)知識交流效率評估。本文為準(zhǔn)確地測算學(xué)術(shù)虛擬社區(qū)知識交流效率，采用三階段DEA 模型剔除EE、SN和MI 等因素的影響，具體包括以下三個(gè)階段。

第一階段：傳統(tǒng)DEA 模型效果評估。DEA 模型用于評價(jià)相同DMU 間的相對有效性[20]。在第一階段，本文采用2009—2019 年 “小木蟲” 4 個(gè)版塊的投入產(chǎn)出數(shù)據(jù)對學(xué)術(shù)虛擬社區(qū)初始知識交流效率進(jìn)行評價(jià)。由于本文著重考慮產(chǎn)出不變的情況下投入最小化的問題，選取投入導(dǎo)向型的BCC（Banker-Charnes-Cooper）模型對學(xué)術(shù)虛擬社區(qū)知識交流效率進(jìn)行測算。對于任意DMU，投入導(dǎo)向下對偶形式的規(guī)模報(bào)酬可變模型[21]可表示為

其中，i表示DMU；θ表示各個(gè)DMU 的知識交流效率值；e表示改寫的非阿基米德無窮小量；S-、S+分別表示投入、產(chǎn)出的松弛變量；x和y分別表示學(xué)術(shù)虛擬社區(qū)評估知識交流效率的投入產(chǎn)出集合；λ表示第i個(gè)DMU 權(quán)重。

在BCC 模型下，DEA 模型求解規(guī)劃后的結(jié)果主要有三種：①若θ=1，且S+=0、S-=0，則DMU 有效；②若θ=1，S+≠0 或S-≠0，則DMU 弱有效；③若θ＜1，則DMU 無效。其中，BCC 模型的技術(shù)效率（TE）=純技術(shù)效率（PTE）×規(guī)模效率（SE）。

第二階段：剔除EE、SN 和MI，構(gòu)建相似SFA模型。將投入變量的松弛變量分解為含有EE、SN和MI 三個(gè)自變量的函數(shù)，剔除EE、MI 和SN 的影響。相似SFA 模型的表達(dá)式為

由此可得出vmi的值，進(jìn)而將SN 分離。

第三階段：將調(diào)整后的投入值x?mi作為投入，再次利用傳統(tǒng)的DEA 模型計(jì)算各DMU 的相對效率，此時(shí)的效率值更能反映出學(xué)術(shù)虛擬社區(qū)知識交流效率的真實(shí)情況。

4 指標(biāo)構(gòu)成和影響因素

4.1 指標(biāo)構(gòu)成

現(xiàn)有文獻(xiàn)中，關(guān)于學(xué)術(shù)虛擬社區(qū)知識交流效率投入產(chǎn)出指標(biāo)的設(shè)置，通常是由知識交流的廣度和知識交流的深度來衡量[13]。本文依據(jù)數(shù)據(jù)的可獲得性和統(tǒng)計(jì)口徑一致性原則，構(gòu)建學(xué)術(shù)虛擬社區(qū)知識交流效率評價(jià)指標(biāo)，如表1 所示。一級指標(biāo)是投入和產(chǎn)出，投入和產(chǎn)出所對應(yīng)的二級指標(biāo)均是知識交流廣度和知識交流深度。其中，①投入指標(biāo)的知識交流廣度，即用戶數(shù)，是指在知識交流過程中所涉及的進(jìn)行知識交流的人員數(shù)量，人員投入是反映知識交流投入的重要評價(jià)指標(biāo)。②投入指標(biāo)的知識交流深度，即發(fā)帖數(shù)，知識交流的知識源于用戶貢獻(xiàn)的知識，發(fā)帖是用戶知識貢獻(xiàn)的主要形式，發(fā)帖量反映知識貢獻(xiàn)的知識源投入，是評價(jià)知識源投入的重要指標(biāo)。③產(chǎn)出指標(biāo)的知識交流廣度，即瀏覽數(shù)，是指學(xué)術(shù)虛擬社區(qū)4 個(gè)版塊自發(fā)帖到統(tǒng)計(jì)時(shí)間內(nèi)的瀏覽總次數(shù)，反映知識交流產(chǎn)出的廣度。④產(chǎn)出指標(biāo)的知識交流深度，即回帖數(shù)和再回復(fù)數(shù)，回帖數(shù)是用戶對知識的內(nèi)化吸收程度，反映了學(xué)術(shù)虛擬社區(qū)知識交流的產(chǎn)出深度；再回復(fù)是指回帖者之間的交流，體現(xiàn)了學(xué)術(shù)虛擬社區(qū)知識交流層次的加深，反映了用戶之間知識交流的深度。

4.2 環(huán)境因素

已有研究發(fā)現(xiàn)，環(huán)境因素對學(xué)術(shù)虛擬社區(qū)知識交流效率的準(zhǔn)確測定有所影響[14]。因此，本文有必要進(jìn)行第二階段相似SFA 回歸剔除EE 的影響，綜合考慮數(shù)據(jù)的可獲取性及學(xué)術(shù)虛擬社區(qū)自身的特點(diǎn)，將影響學(xué)術(shù)虛擬社區(qū)知識交流效率的主要內(nèi)部因素歸納為用戶因素和社區(qū)因素，如表2 所示。其中，用戶因素包括：用戶加入社區(qū)時(shí)長、用戶在線時(shí)長、散金數(shù)、用戶總發(fā)帖數(shù)以及用戶活躍期間發(fā)帖頻率；社區(qū)因素包括：社區(qū)規(guī)模、社區(qū)管理者參與度[14]和社區(qū)成員質(zhì)量。

表1 學(xué)術(shù)虛擬社區(qū)知識交流效率評價(jià)指標(biāo)構(gòu)成

表2 影響學(xué)術(shù)虛擬社區(qū)知識交流效率的環(huán)境因素

5 結(jié)果分析與討論

5.1 傳統(tǒng)DEA模型分析

“小木蟲” 2009—2019 年投入產(chǎn)出指標(biāo)的描述性統(tǒng)計(jì)結(jié)果如表3 所示。從表3 可以看出，同一版塊、同一指標(biāo)的數(shù)值差異較為明顯，且數(shù)據(jù)穩(wěn)定性較差。例如，有機(jī)交流版塊投入指標(biāo)的用戶數(shù)的最小值為88，最大值為8470，標(biāo)準(zhǔn)差為2861.640，這表明該版塊在2009—2019 年間不同年份用戶數(shù)的差異較大，且數(shù)據(jù)整體穩(wěn)定性較差。其主要原因是 “小木蟲” 只允許訪問前200 頁的主題帖，無法爬取200 頁之后的數(shù)據(jù)，可能導(dǎo)致多年前的數(shù)據(jù)缺失嚴(yán)重。然而，本文主要研究學(xué)術(shù)虛擬社區(qū)知識交流的效率，反映單位投入的產(chǎn)出量，故可忽略不同年份數(shù)據(jù)缺失差異對本文研究結(jié)果的影響。

為消除投入產(chǎn)出單位差異對學(xué)術(shù)虛擬社區(qū)知識交流效率的影響，本文將所有投入產(chǎn)出變量進(jìn)行取對數(shù)處理。為檢驗(yàn)所選指標(biāo)是否合理，本文對學(xué)術(shù)虛擬社區(qū)的投入產(chǎn)出指標(biāo)進(jìn)行 “同向性” 條件檢驗(yàn)，如表4 所示。從表4 可以看出，2009—2019 年學(xué)術(shù)虛擬社區(qū)投入與產(chǎn)出指標(biāo)的Pearson 相關(guān)系數(shù)均為正值，且在1%水平下顯著相關(guān)，符合模型的 “同向性” 假設(shè)。

表3 2009—2019年投入產(chǎn)出指標(biāo)的描述性統(tǒng)計(jì)

表4 學(xué)術(shù)虛擬社區(qū)投入產(chǎn)出的相關(guān)性檢驗(yàn)

本文采用Deap 2.1 軟件，對學(xué)術(shù)虛擬社區(qū)的知識交流效率的初始值進(jìn)行計(jì)算，計(jì)算結(jié)果如表5 所示，學(xué)術(shù)虛擬社區(qū)知識交流效率值的變化如圖1所示。

從表5 和圖1 可以看出：

（1）學(xué)術(shù)虛擬社區(qū)整體的知識交流技術(shù)效率較低。由表5 可知，2009—2019 年學(xué)術(shù)虛擬社區(qū)知識交流技術(shù)效率在[0.946, 0.988]之間變化，4 個(gè)版塊的知識交流技術(shù)效率值均小于1，未達(dá)到DMU 有效。其中，第一性原理的知識交流技術(shù)效率最高，其次為有機(jī)交流、微米和納米，金融投資的知識交流技術(shù)效率最低。

表5 2009—2019年 “小木蟲” 4大版塊第一階段DEA知識交流效率值

圖1 2009—2019年第一階段學(xué)術(shù)虛擬社區(qū)知識交流效率值的變化

（2）學(xué)術(shù)虛擬社區(qū)4 個(gè)版塊知識交流效率的變化。由圖1 可知，學(xué)術(shù)虛擬社區(qū)知識交流的PTE 與TE 的變化趨勢基本一致，由此可知，剔除外生因素的影響前，學(xué)術(shù)虛擬社區(qū)知識交流的PTE 對TE變化的影響較大。但該結(jié)果未剔除外生因素的干擾，不能準(zhǔn)確反映學(xué)術(shù)虛擬社區(qū)知識交流效率變化的實(shí)際情況，因而需剔除外生因素的影響，再次對學(xué)術(shù)虛擬社區(qū)知識交流效率進(jìn)行測定。

（3）學(xué)術(shù)虛擬社區(qū)知識交流效率臨界值的區(qū)域劃分。為進(jìn)一步研究第一階段學(xué)術(shù)虛擬社區(qū)4 個(gè)版塊知識交流效率的差異，本文參考劉偉[26]對臨界點(diǎn)的界定標(biāo)準(zhǔn)，將學(xué)術(shù)虛擬社區(qū)知識交流的PTE 和SE 的均值（0.975 和0.987）作為臨界值，對構(gòu)成學(xué)術(shù)虛擬社區(qū)知識交流的PTE 和SE 進(jìn)行劃分，可將學(xué)術(shù)虛擬社區(qū)整體知識交流效率劃分為 “雙高型” “高低型” 和 “雙低型” 三種類型，如圖2 所示。

“雙高型” ，即學(xué)術(shù)虛擬社區(qū)知識交流的PTE 和SE 均大于相應(yīng)臨界值的版塊，由圖2 可知，只有第一性原理為 “雙高型” ，該版塊的知識交流效率較高，改進(jìn)的空間較少，需要對PTE 和SE 進(jìn)行小幅改進(jìn)。 “高低型” 主要指PTE 高、SE 低或SE 高、PTE 低兩種類型，前一種類型的版塊為有機(jī)交流，后一種類型的版塊為金融投資；前一種類型的版塊主要改進(jìn)SE，后一種類型的版塊主要改進(jìn)PTE。 “雙低型” ，即PTE 及SE 均低于臨界點(diǎn)的版塊，納米和微米屬于 “雙低型” ，需要同時(shí)提高PTE 和SE。

圖2 調(diào)整前學(xué)術(shù)虛擬社區(qū)PTE均值和SE均值分類

5.2 似SFA回歸分析

本文主要依據(jù)Cobb-Douglas 型函數(shù)計(jì)算相應(yīng)指標(biāo)，且由于環(huán)境因素的單位影響和某些環(huán)境因素值可能為0 的情況，因此，將環(huán)境因素的原始數(shù)據(jù)增加1 后，再對其做對數(shù)化處理[27]（公式(5)）。

依據(jù)公式(2)設(shè)定的SFA 模型形式可得：

其中，Sit表示第一階段投入變量的松弛變量；Eikt表示環(huán)境變量，i表示 “小木蟲” 的4 個(gè)版塊，k表示環(huán)境變量，t表示年份；β0表示截距；βik表示環(huán)境變量的待估參數(shù)系數(shù)；vit表示隨機(jī)干擾；uit表示管理無效率。

本文將 “小木蟲” 4 個(gè)版塊的投入松弛變量作為被解釋變量，各環(huán)境因素作為自變量，通過Frontier 4.1 軟件進(jìn)行SFA 回歸，回歸結(jié)果如表6 所示。由表6 可知，SFA 回歸的對數(shù)似然函數(shù)（log likelihood function）、似然比檢驗(yàn)（LR test）均在1%水平下通過了顯著性檢驗(yàn)，估計(jì)效果較好。除社區(qū)規(guī)模[14]外，其余環(huán)境因素的系數(shù)均不同程度地通過t檢驗(yàn)，說明環(huán)境因素對各投入變量的松弛變量有所影響。學(xué)術(shù)虛擬社區(qū)兩個(gè)投入松弛變量的γ值均達(dá)到0.99 的水平，且在1%水平上通過t檢驗(yàn)，說明MI 在學(xué)術(shù)虛擬社區(qū)知識交流效率中占主導(dǎo)作用。

在研究環(huán)境因素對投入變量的影響時(shí)，如果環(huán)境因素的系數(shù)為正值，則表明環(huán)境因素的提高會使松弛變量增長，即產(chǎn)出降低，導(dǎo)致對知識交流效率產(chǎn)生負(fù)向影響。若環(huán)境因素的系數(shù)為負(fù)值，則表明環(huán)境因素的提高會使松弛變量降低，即產(chǎn)出提升，使得對知識交流效率產(chǎn)生正向影響。

表6 第二階段似SFA回歸結(jié)果匯總

從表6 的回歸結(jié)果可知，用戶數(shù)和發(fā)帖數(shù)兩個(gè)變量的投入松弛變量相應(yīng)的環(huán)境變量系數(shù)符號均一致，說明環(huán)境因素對這兩個(gè)投入冗余變量的影響趨勢相同。本文以發(fā)帖數(shù)松弛變量的似SFA 回歸結(jié)果為例進(jìn)行分析，從用戶因素和社區(qū)因素兩個(gè)角度，分析環(huán)境因素對學(xué)術(shù)虛擬社區(qū)知識交流效率的影響。

（1）用戶因素。在其他條件不變的情況下：①用戶加入社區(qū)時(shí)長與發(fā)帖數(shù)冗余正相關(guān)，與學(xué)術(shù)虛擬社區(qū)知識交流效率負(fù)相關(guān)。用戶的感知價(jià)值是社區(qū)成員滿意度和持續(xù)使用意愿的主要?jiǎng)恿28]，用戶滿意度能夠顯著促進(jìn)用戶的持續(xù)使用意愿[29]。用戶加入社區(qū)時(shí)間越長，學(xué)術(shù)虛擬社區(qū)知識交流效率越低，表明用戶對其在學(xué)術(shù)虛擬社區(qū)中的信息搜尋或知識貢獻(xiàn)經(jīng)歷并不滿意，故加入社區(qū)時(shí)間較長的用戶參與知識交流的意愿降低。②用戶的在線時(shí)長與學(xué)術(shù)虛擬社區(qū)知識交流效率負(fù)相關(guān)。信息需求是用戶信息搜尋行為的重要驅(qū)動因素[30]，持續(xù)在線的用戶信息需求降低，進(jìn)而參與知識交流的意愿降低。③用戶活躍時(shí)間內(nèi)發(fā)帖頻率與學(xué)術(shù)虛擬社區(qū)知識交流效率負(fù)相關(guān)。某段時(shí)間內(nèi)用戶信息需求較高，當(dāng)用戶信息需求得到滿足后，參與社區(qū)知識交流的動機(jī)降低，因此，社區(qū)管理者應(yīng)從知識交流的內(nèi)在動機(jī)和外在動機(jī)[31-32]的角度激勵(lì)老用戶積極參與知識交流。④散金數(shù)與學(xué)術(shù)虛擬社區(qū)的知識交流效率正相關(guān)。出于互惠動機(jī)，用戶的知識搜尋或使用行為得到滿足時(shí)，會激發(fā)用戶為社區(qū)貢獻(xiàn)知識的意圖[33]，感知外在獎(jiǎng)勵(lì)對用戶知識共享行為產(chǎn)生影響作用[34]，用戶發(fā)放金幣會激勵(lì)更多用戶參與到社區(qū)的知識交流中，進(jìn)而對學(xué)術(shù)虛擬社區(qū)知識交流效率有促進(jìn)作用。⑤用戶總發(fā)帖量與學(xué)術(shù)虛擬社區(qū)知識交流效率正相關(guān)。用戶通過發(fā)帖、評論獲得更多的積分或更高的等級，從而建立社區(qū)威望，對用戶知識共享行為產(chǎn)生積極影響[35]。因此，社區(qū)管理者可以設(shè)立一些獎(jiǎng)勵(lì)機(jī)制鼓勵(lì)用戶積極發(fā)帖[13]。

（2）社區(qū)因素。①社區(qū)規(guī)模系數(shù)為正，但未通過假設(shè)性檢驗(yàn)，這表明盲目擴(kuò)大社區(qū)規(guī)模而忽視社區(qū)發(fā)展的質(zhì)量，不利于社區(qū)的發(fā)展[14]。②社區(qū)管理者參與度與學(xué)術(shù)虛擬社區(qū)知識交流效率成正比。高效合理的管理方式能夠促進(jìn)學(xué)術(shù)虛擬社區(qū)內(nèi)知識的轉(zhuǎn)化，營造良好的社區(qū)氛圍，進(jìn)而提升用戶的知識交流體驗(yàn)[14]。③社區(qū)成員質(zhì)量系數(shù)為負(fù)，且絕對值遠(yuǎn)高于其他環(huán)境變量，說明學(xué)術(shù)虛擬社區(qū)高質(zhì)量用戶占比會對提升學(xué)術(shù)虛擬社區(qū)知識交流效率起到明顯作用。因此，社區(qū)管理者應(yīng)提升高質(zhì)量用戶占比。

5.3 調(diào)整后學(xué)術(shù)虛擬社區(qū)知識交流效率結(jié)果分析

（1）學(xué)術(shù)虛擬社區(qū)知識交流技術(shù)效率值測算。本文根據(jù)公式(3)對初始投入變量進(jìn)行調(diào)整，并使用Deap 2.1 軟件對調(diào)整后的投入變量和原始產(chǎn)出變量進(jìn)行分析，得到第三階段學(xué)術(shù)虛擬社區(qū)知識交流效率情況，如表7 所示。表7 仍基于投入導(dǎo)向型BCC模型測算學(xué)術(shù)虛擬社區(qū)知識交流的效率值。通過對比學(xué)術(shù)虛擬社區(qū)第一階段和第三階段知識交流效率，更易觀測到剔除EE、MI 和SN 后，學(xué)術(shù)虛擬社區(qū)4 個(gè)版塊知識交流效率的變化。從總體來看，調(diào)整后，學(xué)術(shù)虛擬社區(qū)的平均效率值由0.963 上升到0.973，但4 個(gè)版塊知識交流技術(shù)效率均值仍未達(dá)到1，處于DMU 無效狀態(tài)。調(diào)整前的TE 取值范圍為[0.946, 0.988]，調(diào)整后的TE 取值范圍為[0.971,0.991]，調(diào)整后各版塊的TE 差距縮小，且4 個(gè)板塊的TE 值均有所提升，其中金融投資變化最大。

（2）學(xué)術(shù)虛擬社區(qū)知識交流技術(shù)效率值調(diào)整前后的變化。學(xué)術(shù)虛擬社區(qū)4 個(gè)版塊知識交流效率的變化情況分別如表7 和圖3 所示。從圖3 可以看出，2016 年環(huán)境因素對學(xué)術(shù)虛擬社區(qū)知識交流效率值的影響最大。從時(shí)間上來看，除2011—2013 年，其余年份第三階段的TE 均高于第一階段的TE。由表7可知，調(diào)整后第一性原理的TE 值依然最高，其次為納米和微米、金融投資，最后為有機(jī)交流，各版塊知識交流技術(shù)效率值與調(diào)整前相比變化較大。圖4 表示調(diào)整后學(xué)術(shù)虛擬社區(qū)知識交流效率的變化情況，顯然，調(diào)整后學(xué)術(shù)虛擬社區(qū)的PTE 與TE 的變化趨勢仍然相似，由此可知，TE 與PTE 的變化顯著相關(guān)。

表7 2009—2019年 “小木蟲” 4個(gè)版塊第三階段DEA知識交流效率變化情況

（3）調(diào)整后學(xué)術(shù)虛擬社區(qū)知識交流效率臨界值區(qū)域的劃分。參照第一階段設(shè)定臨界值的標(biāo)準(zhǔn)，調(diào)整后以(0.970, 0.986)為臨界值，其分類結(jié)果如圖5所示，可以看出在剔除EE、MI 和SN 后沒有出現(xiàn) “雙高型” 版塊。由表7 和圖5 可知，調(diào)整后除第一性原理SE 變化略微高于PTE 外，其余版塊的SE 變化均遠(yuǎn)高于PTE 的變化幅度，因此，學(xué)術(shù)虛擬社區(qū)的環(huán)境因素主要對其規(guī)模效率產(chǎn)生影響。金融投資的PTE 變化幅度遠(yuǎn)高于其他版塊，金融投資也由PTE 較低SE 較高變?yōu)镻TE 較高SE 較低的 “高低型” ，社區(qū)管理者實(shí)際應(yīng)小幅度提升金融投資的PTE，大幅度提升金融投資的SE。同時(shí)，由于第一性原理與金融投資在同一象限，社區(qū)管理者應(yīng)小幅提升第一性原理的PTE，大幅提升第一性原理的SE。有機(jī)交流由第三象限變?yōu)榈谝幌笙?，社區(qū)管理者應(yīng)重點(diǎn)提升有機(jī)交流的PTE。微米和納米調(diào)整前后均為 “高低型” ，社區(qū)管理者應(yīng)提升有機(jī)交流的PTE 和SE。

圖3 學(xué)術(shù)虛擬社區(qū)調(diào)整前后TE均值變化

圖4 2009—2019年第三階段學(xué)術(shù)虛擬社區(qū)知識交流效率變化

圖5 調(diào)整后學(xué)術(shù)虛擬社區(qū)PTE均值和SE均值分類

6 結(jié)論與建議

本文利用三階段DEA 模型，分析2009—2019年學(xué)術(shù)虛擬社區(qū)知識交流效率的變化情況。研究結(jié)果表明：①在學(xué)術(shù)虛擬社區(qū)總體效率方面。調(diào)整前學(xué)術(shù)虛擬社區(qū)的TE 均值區(qū)間為[0.946, 0.988]，調(diào)整后學(xué)術(shù)虛擬社區(qū)的TE 均值區(qū)間變?yōu)閇0.971, 0.991]。顯然，調(diào)整后的學(xué)術(shù)虛擬社區(qū)TE 均值的變化區(qū)間縮小，這表明EE、SN 和MI 的存在會導(dǎo)致學(xué)術(shù)虛擬社區(qū)TE 均值的變化幅度增大。②在學(xué)術(shù)虛擬社區(qū)4個(gè)版塊的知識交流效率方面。剔除環(huán)境因素的影響后，各版塊的TE 均值均有所提高，但仍未達(dá)到DMU 有效。在4 個(gè)版塊中，調(diào)整前后第一性原理的知識交流技術(shù)效率均最高，調(diào)整前金融投資的知識交流技術(shù)效率最低，調(diào)整后有機(jī)交流的知識交流技術(shù)效率最低。③在PTE 均值和SE 均值的臨界點(diǎn)分類結(jié)果方面。調(diào)整前可將學(xué)術(shù)虛擬社區(qū)劃分為三類，即 “雙高型” “高低型” 和 “雙低型” ；調(diào)整后 “雙高型” 區(qū)域消失，僅剩 “高低型” 和 “雙低型” 兩類。④在環(huán)境因素對學(xué)術(shù)虛擬社區(qū)知識交流效率的影響方面。用戶加入社區(qū)時(shí)長、用戶在線時(shí)長等因素均對學(xué)術(shù)虛擬社區(qū)的知識交流效率產(chǎn)生負(fù)向影響，散金數(shù)、用戶總發(fā)帖、社區(qū)管理者參與度以及社區(qū)成員質(zhì)量對提升學(xué)術(shù)虛擬社區(qū)知識交流效率有促進(jìn)作用。

依據(jù)學(xué)術(shù)虛擬社區(qū)知識交流效率的實(shí)證研究結(jié)果，從社區(qū)管理者的角度出發(fā)，為提高學(xué)術(shù)虛擬社區(qū)知識交流效率、擴(kuò)大知識傳播范圍和促進(jìn)知識創(chuàng)新，本研究提出以下三點(diǎn)建議：

（1）針對MI 的存在和TE 不高的問題，社區(qū)管理者應(yīng)重點(diǎn)提高學(xué)術(shù)虛擬社區(qū)的資源配置水平，合理增加用戶數(shù)量、鼓勵(lì)用戶發(fā)帖，進(jìn)而提高學(xué)術(shù)虛擬社區(qū)單位投入的產(chǎn)出量。

（2） 針對調(diào)整前后學(xué)術(shù)虛擬社區(qū)知識交流的TE 與PTE 變化趨勢一致的結(jié)果，社區(qū)管理者應(yīng)加大對社區(qū)基礎(chǔ)設(shè)施和技術(shù)應(yīng)用的投入。一方面，學(xué)術(shù)虛擬社區(qū)基礎(chǔ)設(shè)施和技術(shù)應(yīng)用決定了社區(qū)用戶和各方資源能否有效地在社區(qū)內(nèi)進(jìn)行知識交流和資源共享；另一方面，社區(qū)平臺操作界面的易用性和平臺基礎(chǔ)設(shè)施的成熟度會影響用戶體驗(yàn)，進(jìn)而影響用戶再次參與知識交流的意愿。除此之外，擁有一定技術(shù)優(yōu)勢的社區(qū)有助于加速信息、知識的傳輸，節(jié)約時(shí)間和成本。社區(qū)管理者應(yīng)強(qiáng)化社區(qū)的個(gè)性化推薦功能，當(dāng)學(xué)術(shù)虛擬社區(qū)推送信息與用戶知識分享意愿一致時(shí)，會引起用戶與社區(qū)的共鳴，從而進(jìn)一步激發(fā)用戶的知識交流行為。

（3）針對不同環(huán)境因素對學(xué)術(shù)虛擬社區(qū)知識交流的影響結(jié)果，知識源與知識接收方在知識共享的過程中需要付出精力、時(shí)間和財(cái)富等代價(jià)，這將影響用戶參與社區(qū)交流的積極性。而物質(zhì)獎(jiǎng)勵(lì)能夠補(bǔ)償用戶參與知識交流過程中的成本，激發(fā)用戶的知識交流行為。社區(qū)管理者應(yīng)該根據(jù)社區(qū)情況不斷調(diào)整學(xué)術(shù)虛擬社區(qū)的激勵(lì)機(jī)制，引導(dǎo)用戶積極參與知識交流，如設(shè)置升級任務(wù)、徽章、兌換券等，對知識貢獻(xiàn)者和新注冊用戶予以獎(jiǎng)勵(lì)。社區(qū)管理者應(yīng)建立完善的社區(qū)制度，營造相互信任、相互幫助的社區(qū)氛圍，以增強(qiáng)社區(qū)成員對社區(qū)的歸屬感和認(rèn)同感。社區(qū)管理者可通過推送各類用戶共同關(guān)注的事務(wù)，拉近用戶之間的距離，加強(qiáng)用戶間的溝通，使用戶能夠快速融入社區(qū)。另外，社區(qū)可設(shè)置管理者淘汰機(jī)制，對出勤率較低的社區(qū)管理者進(jìn)行淘汰，以提升社區(qū)的管理水平，為用戶營造更融洽的社區(qū)氛圍。