MIS Quarterly：是什麼驅使你免費為網友回答問題？ | 唧唧堂論文解析

07-17

本文是針對論文《在線社區怎樣激勵用戶自願持續貢獻內容？--隱馬爾科夫模型（Engaging Voluntary Contributions in Online Communities: A Hidden Markov Model）》所寫的論文解釋。該論文2018年3月發表在《MIS Quarterly》上。作者包括Chen, W., Wei, X., & Xiaoguo Zhu, K.

研究背景和問題提出

網路社區越來越流行，但是卻面臨著用戶參與度降低的問題，連著名的Quora and Wikipedia 也不例外。儘管社區設計相關機制來激勵用戶貢獻內容，但是效果並不總是很理想。例如，Wikipedia的質量控制機制就降低了用戶的活躍度，目標設定機制一開始提高了用戶參與，但一定程度後就使其有所降低。

然而，以往的研究對於這些激勵機制的探究均為靜態的，越來越多研究指出這一過程的動態性。用靜態模型去估計動態過程可能會帶來一些誤導的結論。本文提出了一個將隱馬爾可夫模型整合到公共產品模型的結構性計量模型，能夠描述激勵機制的有效性隨著時間的變化。該研究展示了這些激勵機制是如何動態地影響用戶的動機水平和貢獻行為的。

理論與假設

用戶貢獻內容的外在動機包括互惠性、同伴認可和自我形象。激發這些動機的IT工具包括積分、勳章、地位、聲譽系統等等。該研究聚焦三種IT工具的作用：自己提出的問題被回答體現了互惠性，回答被接受和收到點贊能顯示出同伴認可，勳章能體現出自我形象。

某一時刻的動機水平對於體現IT工具對動機水平的影響、動機水平對貢獻的影響非常重要，但是是隱性的。隱馬爾可夫模型包括三個元素：隱性狀態集、可觀察到的結果和狀態之間的切換的概率。本文假設：動機水平有J個狀態；從時間點t-1的動機水平過渡到t時間點動機水平的概率受到三種激勵機制的影響；在不同的動機水平下，用戶對社區和用戶自身特徵會做出不同的反應。

研究方法

來自SuperUser.com從2009年7月到2012年3月之間每個用戶每天的活動數據，最後分析用了210,890 個用戶-時間樣本。數據顯示整個社區總參與水平是逐漸趨於平穩的，但是個體用戶的參與水平有很多是下降的。估計模型是將公共產品模型寫成隱馬爾可夫模型的動態形式，優化得到用戶的反應方程，最後用貝葉斯估計得出不同狀態下的不同係數。模型選擇過程顯示動機水平的狀態為3時，擬合度最好。

結論與啟示

係數估計顯示，互惠性在中等和高等水平動機下對貢獻行為的影響均不顯著，自我形象在高水平動機下對貢獻行為的影響也是不顯著的。設計模擬顯示，如果將三種激勵的獲取變得更加容易，用戶貢獻會提高。勳章系統對社區來說是很容易操作的，但讓勳章變得更容易獲得，並沒有顯著增加用戶回答問題。反而是需要用戶參與度比較高的答案接受和點贊系統，如果讓它們變得更容易獲得，那麼能明顯提高用戶回答問題的意願。

因此，在線社區可以考慮讓提問者可以接受不止一個回答，重新設計勳章系統，吸引更多的用戶可以提出更多的問題，也可以強化這些用戶互動，從而使用戶持續回答問題，貢獻知識。

未來研究在數據可獲得的情況下，可以探究IT工具在更傳統的一些情境下的動態影響。