.

Yue Jin, Yong Tan, and Jinghua Huang. Managing Contributor Performance in Knowledge-Sharing Communities: A Dynamic Perspective, Production and Operations Management, 2022(31:11), 3945–3962. //doi.org/10.1111/poms.13822 (UTD 24, FT 50, ABS 4*, SCI, 外经贸A类国际期刊)

论文简介：

知识分享已经成为知识经济时代的重要话题。对当今的社会化知识分享平台而言，如何通过管理干预平衡用户分享的知识内容的数量和质量已经成为平台亟需突破的发展瓶颈。对此，本文基于“能力-动机-机会”（ability-motivation-opportunity, AMO）理论框架，建立了刻画创作者行为动态的隐马尔科夫模型，并使用来自社会化知识分享平台的实际数据进行模型校正。研究结果显示，社会化知识分享平台中的创作者可能处于三种潜在创作状态：无动机状态（unmotivated）、探索状态（exploratory）和熟练状态（sophisticated）。本文结果还揭示了不同因素对创作者潜在创作状态变化的影响：第一，粉丝的增加可以将创作者从无动机状态激活到有动机状态（探索状态或熟练状态），从而提高贡献数量；第二，观察被关注者的回答行为有助于促使创作者从探索状态转移到熟练状态，从而提高贡献质量。第三，邀请回答可以将创作者从无动机状态激活到有动机状态，但是也会使原本处于熟练状态的创作者回落到无动机状态，这一异质性影响说明邀请回答的激励效果取决于创作者本身所处的潜在创作状态。最后，本文通过政策模拟发现，在管理干预项目中结合创作者所处的潜在创作状态进行个性化干预可以有效提高管理资源的利用效率。本文的研究成果一方面丰富了知识分享、数字化平台运营、以及社会信息价值等领域的研究视角和研究结论，另一方面也将动态模型中的潜在状态从单维扩展到二维，从而提高了模型的应用范围及其可获得的结论的丰富性。