基金項目：江蘇省高校哲學社會科學研究一般項目“考慮網(wǎng)絡(luò)外部性的眾包競賽績效影響因素與作用機理研究”（2019SJA1938）；江蘇高?！扒嗨{工程”資助；鎮(zhèn)江市第六期“169工程”資助

摘 要：在數(shù)智化背景下，眾包創(chuàng)新是推動新質(zhì)生產(chǎn)力發(fā)展的有效形式之一，眾包創(chuàng)新中創(chuàng)意質(zhì)量越來越被人們所關(guān)注。本研究以創(chuàng)新力理論和社會心理學的內(nèi)、外動機理論為基礎(chǔ)，構(gòu)建了同行與公司反饋、創(chuàng)新經(jīng)驗和創(chuàng)意質(zhì)量的研究模型。利用小米的眾包創(chuàng)新社區(qū)中733個創(chuàng)新者發(fā)布的3891個創(chuàng)意進行實證研究，研究發(fā)現(xiàn)：同行的積極（消極）反饋對提高（降低）后續(xù)創(chuàng)意質(zhì)量的影響會隨著創(chuàng)新者經(jīng)驗的增加而增強（減弱）；公司的積極（消極）反饋對提高（降低）后續(xù)創(chuàng)意質(zhì)量的影響則會隨著創(chuàng)新者經(jīng)驗的增加而減弱。本研究結(jié)果可以幫助管理者利用反饋策略提高眾包環(huán)境下用戶創(chuàng)新表現(xiàn)。

關(guān)鍵詞：新質(zhì)生產(chǎn)力；眾包創(chuàng)新；創(chuàng)意質(zhì)量；創(chuàng)新經(jīng)驗

一、引言

2023年9月，習近平總書記調(diào)研黑龍江時提出“整合科技創(chuàng)新資源，引領(lǐng)發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)，加快形成新質(zhì)生產(chǎn)力”的要求。新質(zhì)生產(chǎn)力是在數(shù)智化發(fā)展背景下更有創(chuàng)新型、融合性，體現(xiàn)高質(zhì)量發(fā)展內(nèi)涵的先進生產(chǎn)力質(zhì)態(tài)。眾包創(chuàng)新是一種通過數(shù)字化、智能化等技術(shù)手段實現(xiàn)跨過原有組織框架的創(chuàng)新民主化的形式，其大規(guī)模開展可以有效助推新質(zhì)生產(chǎn)力的形成。

眾包通過擴大集體智慧的規(guī)模和多樣性，加速了創(chuàng)意發(fā)現(xiàn)過程。它為客戶提供了共同創(chuàng)造的體驗，幫助企業(yè)更好地獲得競爭優(yōu)勢。許多領(lǐng)先企業(yè)，如阿里、美團、海爾、小米、魅族等都設(shè)置了自己的眾包創(chuàng)新社區(qū)，用以征集用戶的創(chuàng)意，此種形式促進了開放創(chuàng)新范式的出現(xiàn)。此類開放創(chuàng)新舉措的成功依賴對創(chuàng)意生成的過程管理，以及合理的激勵措施。有效的過程管理，還需有足夠的激勵措施來激勵創(chuàng)新者貢獻更多更高質(zhì)量的創(chuàng)意。

根據(jù)有關(guān)創(chuàng)新力和組織行為理論，獎勵和反饋是促進創(chuàng)新力或創(chuàng)新表現(xiàn)的兩個主要策略。在以公司資助為主的眾包創(chuàng)新社區(qū)中，一般有同行和公司兩種來源的反饋。其中，關(guān)于反饋效價和來源對創(chuàng)意質(zhì)量的影響目前沒有統(tǒng)一的觀點。為此，我們根據(jù)反饋的類型、收到反饋的人以及被反饋的對象，構(gòu)建了反饋對創(chuàng)新者后續(xù)創(chuàng)意質(zhì)量影響的理論框架（圖1）。

二、理論與假設(shè)

在我們的框架中，不同效價和來源的先期反饋對創(chuàng)新者后續(xù)創(chuàng)意質(zhì)量的影響取決于個人的創(chuàng)新經(jīng)驗。以下概述了這些關(guān)系的理論依據(jù)。

1.反饋及創(chuàng)意質(zhì)量

根據(jù)創(chuàng)造力、組織行為和個體經(jīng)濟學等多個領(lǐng)域的研究，反饋會影響個人行為。新興研究也調(diào)查了其在開放創(chuàng)新環(huán)境中的影響。

相比之下，公司是一個官方的反饋來源，有更多的權(quán)力來判斷業(yè)績和提供指導，這也可以鼓勵參與公司贊助的社區(qū)。因為它在建議參與者為實現(xiàn)目標應投入的努力方面顯得信息豐富、準確有效，明確的反饋可以增強并將注意力轉(zhuǎn)移到任務(wù)完成或目標實現(xiàn)上。所以，提出以下假設(shè)。

H1a：積極的同行反饋會提高后續(xù)的創(chuàng)意質(zhì)量。

H1b：消極的同行反饋會降低后續(xù)創(chuàng)意的質(zhì)量。

H1c：積極的企業(yè)反饋提高了后續(xù)創(chuàng)意的質(zhì)量。

H1d：消極的企業(yè)反饋降低了后續(xù)創(chuàng)意的質(zhì)量。

2.創(chuàng)新經(jīng)驗

（1） 同行反饋效價

根據(jù)植根于創(chuàng)造力的動機—能力視角和個體經(jīng)濟學相關(guān)理論，領(lǐng)域相關(guān)技能對創(chuàng)造力表現(xiàn)的重要性與動機一樣重要。正如肖薇等（2021）所指出的，創(chuàng)意的產(chǎn)生涉及一個知識探索和組合的過程。經(jīng)驗較少的創(chuàng)新者可能會欣賞同行積極反饋所帶來的社會認可，但對后續(xù)創(chuàng)意質(zhì)量的影響可能會較弱，因為他們認識到同行的積極反饋與他們?nèi)狈?chuàng)新經(jīng)驗的自我意識之間的不協(xié)調(diào)。所以，提出以下假設(shè)。

H2：積極的同行反饋對提高后續(xù)創(chuàng)意質(zhì)量的作用隨著創(chuàng)新者獲得更多的創(chuàng)新經(jīng)驗而增強。

肖薇等（2021）認為，人們在獲得經(jīng)驗時，對積極和消極反饋的關(guān)注程度不同，有經(jīng)驗的創(chuàng)新者的自尊和過去的經(jīng)歷會影響他們對反饋的解讀和接受。根據(jù)認知失調(diào)理論，反饋和積極的自我觀不一致的情況會導致人們貶損反饋來源并低估其效價。所以，提出以下假設(shè)。

H3：隨著創(chuàng)新者獲得更多的創(chuàng)新經(jīng)驗，消極同行反饋對降低后續(xù)創(chuàng)意質(zhì)量的影響減弱。

（2） 公司反饋效價

作為官方來源，來自公司的反饋將注意力轉(zhuǎn)移到目標或任務(wù)完成上，以指導行為。

積極的企業(yè)反饋應該更加突出，以提高缺乏經(jīng)驗的創(chuàng)新者的后續(xù)創(chuàng)意質(zhì)量。所以，提出以下假設(shè)。

H4：積極的企業(yè)反饋對提高后續(xù)創(chuàng)意質(zhì)量的作用隨著創(chuàng)新者獲得更多的創(chuàng)新經(jīng)驗而減弱。

向追求承諾目標的缺乏經(jīng)驗的創(chuàng)新者提供的消極公司反饋表明了權(quán)威的反對，可能會引發(fā)人們對他們?nèi)狈δ芰Φ目捶ǎ@可能會阻礙他們的承諾并使他們失去動力。這種與挑戰(zhàn)相關(guān)的障礙壓力也可能破壞創(chuàng)造力。然而，對于具有更多經(jīng)驗的創(chuàng)新者，他們接受了進度監(jiān)控目標，將公司的消極反饋視為進度慢和績效低的信號，他們可以利用這些信號來糾正不足。因為經(jīng)驗豐富的創(chuàng)新者往往對自己的能力相對更有信心，他們可能會認為公司的消極反饋是一種激勵性的挑戰(zhàn)，而不是令人沮喪的挫折。所以，提出以下假設(shè)。

H5：企業(yè)消極反饋對降低后續(xù)創(chuàng)意質(zhì)量的影響隨著創(chuàng)新者獲得更多的創(chuàng)新經(jīng)驗而減弱。

三、方法

1.模型變量

從小米的眾包社區(qū)收集數(shù)據(jù)，這是一個具有代表性的眾包創(chuàng)新社區(qū)，因其使用開放創(chuàng)新而獲得多項獎項。檢索了四年期間（2020—2023年）的所有公開數(shù)據(jù)。為了測試先前反饋對后續(xù)創(chuàng)意質(zhì)量的影響，重點關(guān)注產(chǎn)生過兩個以上創(chuàng)意的創(chuàng)新者。估計樣本包括733個創(chuàng)新者發(fā)布的3891個創(chuàng)意，以及23395條同行反饋意見和1603條公司反饋意見。

（1） 創(chuàng)意質(zhì)量

使用每個創(chuàng)意獲得的投票分數(shù)作為其質(zhì)量的代表。投票得分由小米自動計算，方法是將數(shù)據(jù)收集期結(jié)束時從社區(qū)成員那里收到的創(chuàng)意的上下投票值相加（即每一票加/減10分）。對原始分數(shù)進行對數(shù)變換，以校正分布偏差。

（2） 同行和公司反饋效價

使用文本挖掘技術(shù)來分析同行和公司對每個創(chuàng)意的所有反饋的價值和內(nèi)容。反饋分為消極（–）或積極（+），分別表示總體上“不同意”或“同意”發(fā)布的創(chuàng)意。采用了多種文本分類算法，包括Naive Bayes、K-Nearest Neighbors、支持向量機（SVM）、啟發(fā)式方法（如關(guān)鍵詞搜索和SVM，以及標準化句子—單詞評分）。文本挖掘結(jié)果的準確率令人滿意（>60%）。使用積極或消極反饋意見的絕對數(shù)量以及反饋量作為控制變量會產(chǎn)生不可接受的方差膨脹因子，表明存在多重共線性，所以，對同行和公司的反饋分別進行了衡量。

（3） 創(chuàng)新經(jīng)驗

為了捕捉一個創(chuàng)新者隨著時間推移的經(jīng)驗，將其積累視為一個持續(xù)、動態(tài)的過程，因此將其定義為一個連續(xù)的變量。根據(jù)定義，創(chuàng)新者在發(fā)布更多創(chuàng)意時會變得更有經(jīng)驗。對每個創(chuàng)新者發(fā)布的創(chuàng)意數(shù)量進行日志轉(zhuǎn)換（即創(chuàng)新經(jīng)驗的原始測量），以確認其右偏分布（即大多數(shù)創(chuàng)意來自經(jīng)驗有限的創(chuàng)新者，而經(jīng)驗豐富的創(chuàng)新者發(fā)布相對較少的創(chuàng)意）。

（4） 其他變量

有幾個協(xié)變量可以控制創(chuàng)意特征和創(chuàng)新者特征。首先，作為創(chuàng)意特征，我們通過捕捉創(chuàng)意在平臺上吸引客戶投票和反饋意見的天數(shù)來控制創(chuàng)意持續(xù)時間。其次，類別虛擬變量反映了不同類別創(chuàng)意質(zhì)量的差異。最后，同行（公司）反饋離散度是熱點創(chuàng)新者之前收到的所有同行（公司）反饋的價值標準差。

2.模型檢驗

（1） 模型

我們使用隨機效應回歸模型來檢驗不同來源的反饋效價對創(chuàng)意質(zhì)量的影響（H1a–H1d）和創(chuàng)新經(jīng)驗的調(diào)節(jié)作用（H2–H5）：

（1）

其中，積極同行反饋PPF，消極同行反饋NPF，積極公司反饋PFF，消極公司反饋NFF，創(chuàng)新經(jīng)驗IE。i是第i個創(chuàng)意，j是第j個創(chuàng)新者；βs是檢驗創(chuàng)新經(jīng)驗調(diào)節(jié)效應的估計值。分析發(fā)生在創(chuàng)意層面，在一個不平衡的面板結(jié)構(gòu)中，跨越各個創(chuàng)新者。對于創(chuàng)新者j的創(chuàng)意i，對創(chuàng)意i的質(zhì)量與j在發(fā)布熱點創(chuàng)意i時從同行和公司（過去）收到的累積反饋以及其他協(xié)變量相關(guān)進行建模。創(chuàng)意質(zhì)量IQ是群眾投票的分數(shù)。創(chuàng)意特征ICC，包括創(chuàng)意持續(xù)時間、創(chuàng)意長度、創(chuàng)意類別和年份。創(chuàng)新者特征ICD，包括創(chuàng)新者保有期、同行（公司）反饋量、同行（公司）反饋長度、同行（公司）反饋長度離散度、同行（公司）反饋離散度和無同行（公司）。最后，τj捕獲理想隨機效應，εi，j表示特殊誤差項。因此，這種隨機效應模型捕捉到了未觀察到的創(chuàng)新者特征，這些特征會影響每個創(chuàng)新者發(fā)布的創(chuàng)意的質(zhì)量。

（2） 內(nèi)源性控制

不受控制的混雜因素和未觀察到的個體特征可能同時影響創(chuàng)意質(zhì)量（因變量）和關(guān)鍵預測因素，包括創(chuàng)新經(jīng)驗和反饋效價測量。這種可能性造成了內(nèi)生性問題。

因此，使用控制函數(shù)方法，并進行了幾次穩(wěn)健性檢查。首先，與兩階段最小二乘法（2SLS）不同，控制函數(shù)代表了工具變量（IV）方法的更通用形式。相反，控制函數(shù)方法通過在結(jié)構(gòu)方程中添加回歸器來增強原始回歸，該回歸器僅包含x的可能與y相關(guān)的部分。因此，內(nèi)生變量x和因變量y之間不期望的相關(guān)性導致的偏差得到了控制，多元回歸估計器提供了有效的IV估計器。據(jù)此制定為：

（2）

（3）

其次，控制函數(shù)可以用于漸近控制潛在的內(nèi)生性偏差。與2SLS不同，這種方法很有吸引力，易于實現(xiàn)，適用于非線性模型，如選擇模型。我們的模型包括對數(shù)變換的因變量創(chuàng)意質(zhì)量，交互項也包含非線性變換的變量。

采取了幾個步驟來確保這些工具的有效性。首先，仔細檢查了所有IV是否符合排除限制。其次，以每個內(nèi)生變量為因變量，以IV為預測變量進行回歸。最后，為了確認IVs推論的有效性，檢查了外生IVs對相關(guān)內(nèi)生變量的增量解釋力（用回歸R2表示）。

（3） 創(chuàng)意質(zhì)量的替代測量標準

除了大眾投票得分，還根據(jù)兩名訓練有素、經(jīng)驗豐富的專業(yè)人員的評價來評估創(chuàng)意質(zhì)量，他們根據(jù)原始創(chuàng)意在行業(yè)中的預期市場吸引力、可行性、特異性和新穎性來判斷其價值，結(jié)果保持不變（見表1第3列）。

四、結(jié)果

表1列出了同行/公司反饋情緒和創(chuàng)新經(jīng)驗對創(chuàng)意質(zhì)量的影響結(jié)果。我們從內(nèi)生性控制和替代創(chuàng)意質(zhì)量測量的模型中得到了一致的結(jié)果（表1第2列和第3列）。因此，我們發(fā)現(xiàn)H1a–H1d得到了一致的支持。

總的來說，研究結(jié)果表明，隨著創(chuàng)新者積累更多的創(chuàng)新經(jīng)驗，反饋和創(chuàng)意質(zhì)量之間的關(guān)系發(fā)生了顯著變化。包括內(nèi)生性控制和替代創(chuàng)意質(zhì)量測度在內(nèi)的模型的一致結(jié)果進一步驗證了這些發(fā)現(xiàn)。

五、結(jié)語

1.建議

新質(zhì)生產(chǎn)力也是由勞動者、勞動對象、勞動工具三個要素組成的，數(shù)字化、智能化技術(shù)為我們提供了新質(zhì)勞動對象和工具，同時我們還需要培養(yǎng)與之適應的新質(zhì)勞動關(guān)系、新質(zhì)勞動者，利用新質(zhì)創(chuàng)新場景驅(qū)動新質(zhì)生產(chǎn)力的加快形成。

眾包創(chuàng)新可以捕捉群眾的智慧，為客戶提供共同創(chuàng)造的體驗。無經(jīng)濟激勵、由公司贊助的眾包創(chuàng)新社區(qū)是一種流行但具有挑戰(zhàn)性的創(chuàng)新策略，它提出了關(guān)于誰和什么可能推動客戶創(chuàng)意質(zhì)量變化的關(guān)鍵問題。從動機能力的角度來看，我們從概念上和實證上證明了反饋在激勵創(chuàng)意績效方面的重要作用取決于反饋來源（公司與同行）、反饋價位（積極與消極）以及創(chuàng)新者的創(chuàng)新經(jīng)驗。因此，積極（消極）的同行反饋會提高（降低）隨后的創(chuàng)意質(zhì)量，而且隨著創(chuàng)新者經(jīng)驗的增加，這種效果會增強（減弱）。然而，隨著創(chuàng)新經(jīng)驗的增加，公司的積極（消極）反饋對提高（降低）創(chuàng)意質(zhì)量的影響會減弱?？傮w而言，經(jīng)驗豐富的創(chuàng)新者在收到同行（公司）的積極反饋時，會更有動力（更無動力）提高其后續(xù)創(chuàng)意表現(xiàn)；而經(jīng)驗不足的創(chuàng)新者在收到同行的消極反饋時，其動力較弱，但在收到公司的積極反饋時，其動力較強。

因此，本研究建議：①優(yōu)化新質(zhì)創(chuàng)新場景驅(qū)動，加強積極同行反饋資助力度。②改善新質(zhì)勞動關(guān)系，針對創(chuàng)新經(jīng)驗豐富型創(chuàng)新者，優(yōu)先推送同行積極反饋。③培養(yǎng)新質(zhì)勞動者，針對無經(jīng)驗型創(chuàng)新者，優(yōu)先推送公司積極反饋。

2.局限性與未來工作

本研究有以下幾點局限：①將反饋的情緒概念化為消極、中性或積極。然而，反饋可能會表達不同程度的積極或消極情緒。低/高水平的積極或消極反饋可能帶來不同的邊際收益，這有待進一步研究。使用文本挖掘技術(shù)對反饋情緒進行編碼也很常見，但不同的創(chuàng)新者可能會對這種反饋有不同的感知。與此相關(guān)的是，反饋價值可能與創(chuàng)意質(zhì)量在概念上有一些重疊；有利和鼓勵性的反饋可能意味著好的創(chuàng)意質(zhì)量。在本研究中，從概念上和經(jīng)驗上區(qū)分了反饋和創(chuàng)意質(zhì)量，但繼續(xù)研究可以進一步區(qū)分它們的影響，或使用更嚴格的方法來驗證研究結(jié)果的穩(wěn)健性。②在眾包創(chuàng)新社區(qū)中，以創(chuàng)意發(fā)布行為衡量的創(chuàng)新經(jīng)驗相對容易被跟蹤和觀察，但其他研究可能會考察相關(guān)概念，如創(chuàng)新專長，以更準確地描述個人創(chuàng)新特征，并明確其對人們創(chuàng)新表現(xiàn)的影響。③實證數(shù)據(jù)中，與創(chuàng)新者投票行為（即誰投票、何時投票）相關(guān)的數(shù)據(jù)并不完整，因此無法排除潛在的羊群效應，這將影響投票分數(shù)作為創(chuàng)意質(zhì)量替代物的可靠性。研究應確定更嚴格的創(chuàng)意質(zhì)量衡量標準。

因此，我們擬在未來工作中開展以下工作：①利用基于機器學習的自然語言處理技術(shù)和情感詞典等工具對反饋情緒進行進一步重新劃分。②依據(jù)個體行為學理論建立個人創(chuàng)新者特征指標。③考慮羊群效應和搭便車理論下的創(chuàng)新者投票行為分層回歸分析。

推動新質(zhì)生產(chǎn)力發(fā)展是高質(zhì)量發(fā)展的內(nèi)在要求和重要發(fā)力點，也是實現(xiàn)國內(nèi)國際雙循環(huán)、可持續(xù)發(fā)展的關(guān)鍵路徑，只有堅持創(chuàng)新才能驅(qū)動新質(zhì)生產(chǎn)力發(fā)展。眾包創(chuàng)新是推動新質(zhì)生產(chǎn)力發(fā)展的可靠形式之一，也是建立新質(zhì)生產(chǎn)關(guān)系、培養(yǎng)新質(zhì)勞動者的重要介質(zhì)。

參考文獻：

[1]尹西明，陳勁，王華峰，等.強化科技創(chuàng)新引領(lǐng) 加快發(fā)展新質(zhì)生產(chǎn)力[J/OL].科學學與科學技術(shù)管理，1-10（2024-02-21）.

[2]劉冬梅，楊瑞龍，朱旭峰，等.新質(zhì)生產(chǎn)力與科技創(chuàng)新[J].中國科技論壇，2024（3）：1-5.

[3]解學梅，余佳惠.用戶參與產(chǎn)品創(chuàng)新的國外研究熱點與演進脈絡(luò)分析——基于文獻計量學視角[J].南開管理評論，2021（5）：4-15.

[4]盛小平，張?zhí)┯?創(chuàng)新發(fā)展：美國開放科學政策及其啟示[J].圖書館論壇，2024（7）：139-149.

[5]VON HIPPEL E.Free innovation by consumers—how producers can benefit：Consumers’free innovations represent a potentially valuable resource for industrial innovators[J].Research-Technology Management，2017（1）：39-42.

[6]肖薇，霍偉偉，張輝華.眾包社區(qū)結(jié)構(gòu)嵌入與創(chuàng)意領(lǐng)地行為：利他主義和虛擬聲譽關(guān)注的聯(lián)合調(diào)節(jié)作用[J].科技管理研究，2021（14）：182-190.

[7]馬永斌，周波.創(chuàng)意眾包社區(qū)中企業(yè)直接表達感謝對貢獻者持續(xù)貢獻創(chuàng)意行為的影響[J].管理評論，2023（11）：113-125.

[8]張慶強，孫新波，錢雨，等.眾505870545a45abc2dc0565fb09bc4b86c07efb53fa061c9bd4cebae877f16f27包社區(qū)與用戶協(xié)同演化的協(xié)同激勵機制案例研究[J].科學學與科學技術(shù)管理，2020（11）：98-116.

[9]宋立豐，宋遠方，馮紹雯.平臺—社群商業(yè)模式構(gòu)建及其動態(tài)演變路徑——基于海爾、小米和豬八戒網(wǎng)平臺組織的案例研究[J].經(jīng)濟管理，2020（3）：117-132.

[10]肖薇，李成彥，羅瑾璉，等.眾包社區(qū)創(chuàng)意領(lǐng)地行為影響機制研究[J].商業(yè)經(jīng)濟與管理，2019（4）：46-57.

[11]PETRIN A，TRAIN K.A control function approach to endogeneity in consumer choice models[J].Journal of Marketing Research，2010（1）：3-13.

[12]ROSSI P E.Even the rich can make themselves poor：A critical examination of IV methods in marketing applications[J].Marketing Science，2014（5）：655-672.

[13]POETZ M K，SCHREIER M.The value of crowdsourcing：can users really compete with professionals in generating new product ideas？[J].Journal of Product Innovation Management，2012（2）：245-256.

[14]杜傳忠，李鈺葳.強化科技創(chuàng)新能力加快形成新質(zhì)生產(chǎn)力的機理研究[J].湖南科技大學學報（社會科學版），2024（1）：100-109.

作者簡介：張立馳（1982— ），男，漢族，江蘇鎮(zhèn)江人，博士在讀，副教授，研究方向：數(shù)字化、智能化、綠色化協(xié)同發(fā)展。