专业虚拟社区用户角色研究综述

张薇薇 朱杰

摘 要：[目的/意义]用户是构成专业虚拟社区的核心要素，而用户角色是研究专业虚拟社区用户参与的重要方面。[方法/过程]首先使用可视化工具和共现关键词聚类分析，识别出专业虚拟社区用户角色研究的两大主题：角色识别与角色转变动因。在此基础上，采用系统分析方法对各个主题的研究现状分别进行了梳理和总结。[结果/意义]角色识别研究主要为先赋角色识别与自致角色识别;角色类型可归纳为被动用户、初始参与者、持续参与者;角色转变动因主要分为初始参与动因和持续参与动因。最后综合归纳出虚拟社区用户角色研究框架，为未来研究提出建议。

关键词：专业虚拟社区;角色识别;角色转变动因;用户角色;综述

DOI：10.3969/j.issn.1008-0821.2020.07.017

〔中图分类号〕G252.0 〔文献标识码〕A 〔文章编号〕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

专业虚拟社区（Professional Virtual Community）作为虚拟社区类型的一种，它是将地理位置分散、志趣相投且拥有专业知识的人聚集在一起，形成的一个知识交流网络空间，人们在其中能够寻求、收集、甚至贡献专业知识，以提高他们的能力，以便解决现实工作问题[1-2]。现有研究多以社区用户为视角，而作为用户研究基础的角色识别及其转变关系正逐渐受到研究者们的关注[3]。用户角色通常是指用户在社区内所被期待的行为模式或者行为规律，因此以往研究大都从用户参与行为的角度来探讨用户角色。近年来，已有学者对专业虚拟社区用户参与行为的研究成果进行了归纳与总结。例如，齐云飞等在问答社区中围绕参与者角色，总结了国内外研究成果并构建了用户知识行为的影响因素框架[4]。孙思阳等系统梳理了虚拟学术社区中用户知识交流行为的国内外相关文献[5]。尽管用户行为研究已取得丰富的成果，但鲜有针对用户角色方面的综述研究。

因此，本文将围绕专业虚拟社区用户角色研究，运用可视化工具和基于关键词共现的聚类分析方法，从定量和定性角度对国内外相关文献进行系统分析，揭示专业虚拟社区用户角色研究现状，总结归纳出相应的研究框架，并对未来研究提供参考建议。

1 数据来源与可视化分析

1.1 文献检索

为保证数据检索结果的覆盖性与权威性，本文首先采用Web of Science，Elsevier Science Direct、Springlink以及中国知网、百度学术等学术数据库作为文献初步检索来源。随后从检索出的文献引文中识别出同样主题的相关研究成果，并通过上述数据库检索出原始文献，以扩大文献调研范围。

专业虚拟社区类型多样：1）网络问答社区，用户通过问答的形式以實现专业知识交流的社区网络平台;2）在线知识社区，通过聚合分布式信息和知识，使用户获取大量现成的知识和专门知识以提高专业技能的网络平台[6];3）虚拟学术社区，是在指定的专业学术领域内，以专业知识为交流主题，用户用以开展知识交流与共享的开放性网络社区[5]。因此上述3种社区类型也在本文界定的专业虚拟社区之内。

为保证所得文献符合研究预期，本文拟定以.筛选标准：1）研究情境为专业虚拟社区包含：网络问答社区、在线知识社区、虚拟学术社区等;2）研究主题包含用户角色或成员角色;3）文献类型包括期刊论文、会议论文、论文集等，但不包含综述性文献。

检索路径为：1）构造检索式时，检索词分为两部分：一部分采用“网络问答社区”“在线知识社区”“虚拟学术社区”“专业虚拟社区”等与专业虚拟社区相关的主题词;另一部分采用“用户角色”“网络角色”“社会角色”“社区成员”“知识共享”“知识贡献”“参与行为”等与用户角色相关的关键词;两组检索词以“并含”连结。随后通过阅读文献标题和摘要，辅以人工筛选;外文

文献采用主题检索：（“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”）。同时对检索结果进行人工筛选。2）从检索出的文献引文中识别出类似主题的相关研究成果，并通过上述数据库检索出原始文献。最终获得37篇精确标准文献，其中包含中文文献16篇，外文文献21篇。

特别地，通过引文识别获得的部分文献虽标题中没有说明是专业虚拟社区，但通过查阅文献内容，发现实证分析是以专业虚拟社区为数据分析源。所以部分从标题仅有虚拟社区/在线社区/网络社区等文献中获得，本文也将其纳入文献调研范围。

1.2 可视化分析

VOSviewer是一款能够绘制作者、引文、关键词等共现图谱的可视化软件，在聚类技术、图谱绘制等方面有独特优势[7]。本文运用该软件对检出文献进行基于关键词共现的聚类分析。首先修正文献关键词，其中包括关键词同义转化、英文单词的单复数、写法等。特别的，为了得到国内外文献较好的研究主题聚类效果，本文在文献关键词同义转化时，将所有出现各类虚拟社区的关键词，统一改成专业虚拟社区。例如，将社会问答社区、网络问答社区、虚拟学术社区等改为专业虚拟社区。随后将检索得到的外文文献和国内文献数据导入其中，选择关键词阙值频次为2（即同一关键词至少出现过两次），共得到13个外文文献高频关键词，10个中文文献高频关键词，最后获得共现关键词聚类可视图。如图1、图2所示。

在可视图谱中，同一颜色节点代表一类，节点之间的连线代表两节点曾经共同出现过，节点的大小取决于该关键词出现的次数，次数越多，节点越大。由图1可见，外文文献的研究方向主要分为4类：1）第一类包含“Factors”“Knowledge Contributing”“Knowledge Sharing”“Motivation”“Social Cognitive Theory”等高频关键词，结合文献内容分

析，第一类可归并为用户知识共享/贡献动因;2）第二类包含“User Participation”“Social Capital”等关键词，结合文献内容以及与其它关键词的关联程度，第二类可归并为用户参与动因;3）第三类包含“Professionial Virtual Communites”“Expertfinding”“Pagerank”“Opinionleaders”等关键词，结合文献内容，但三类可归并为角色识别;4）第四类包含“Userroles”“Usercontribute”等关键词，结合文献内容以及与其它关键词关联程度，本文将其归纳为角色类型。经过课题组成员讨论，结合文献内容调查和分析，本文将第一类、第二类归并为用户角色转变动因。第三类、第四类归并为用户角色识别，具体聚类分析结果如表1所示。

由图2可以看出，中文文献的研究方向主要分为3类：1）第一类包含“专业虚拟社区”“知识贡献”“动机”“影响因素”“知识共享”“社会资本理论”等共现关键词，聚类结果为用户知识共享/贡献动因。2）第二类包含“意见领袖识别”“社会网络分析”聚类结果为先赋角色识别。3）第三类包含“用户分类”“聚类分析”，聚类结果为自致角色识别。用户知识共享/贡献动因可归并为用户角色转变动因。第二类、第三类归并为用户角色识别。因此，国内相关文献共现关键词的聚类分析结果如表2所示。

综合国内外相关文献主题的可视化分析结果，现有虚拟社区用户角色研究大都集中在角色识别、和角色转变动因两个方面，.文将从这两个主题方向展开分析。

2 专业虚拟社区用户角色识别研究

网络角色是用户在心理动力因素.产生的符合虚拟社区要求的行为模式和行为规范，它不同于社会角色，并非现实社会对人们的行为期待，而是社会角色的扩展与延伸[8-9]。用户在社区知识交流过程中都扮演着某个特定角色，有时在环境因素驱动.能同时扮演着多种角色。而对于社区用户而言，其扮演的角色往往会体现着一系列社区参与行为模式以及用户间交互关系。因此，对于用户角色的识别，有助于社区管理者分析社区用户行为特征，寻得高价值用户，制定针对性的用户政策，以促进社区内知识与信息交流。

从角色获取的方式上来看，用户角色识别可分为先赋角色与自致角色两种[10]。其中，先赋角色是指已经预先对用户角色进行定义，并通过不同的方法进行识别。自致角色是指没有背景知识预先进行用户角色定义，随后通过不同的方法进行识别。基于此，本文通过上述两种识别方式，對现有的角色识别研究进行分析。

2.1 先赋角色识别

2.1.1 专家角色识别

专家作为专业虚拟社区内的高活跃用户之一，一般是指拥有某领域或多领域专业知识，并且能在社区内提供大量高质量专业知识的用户。因此，识别社区内的专家有助于提高知识共享和知识可获取性。

在以往研究中，学者们在预先确定专家含义的基础上，采用了不同的方法进行角色识别。例如，Liu D R等提出了一种基于内容与链接结构相结合的混合方法，有效地为问答社区中的目标问题类别寻找出专家[11]。Wei C P等依据用户正面和负面评价提出了ExpRank算法，有效的识别出网络论坛里的专家[12]。龚凯乐等通过构建“问题—用户”传播网络并运用答题质量改进加权的HIT算法，识别出网络问答社区内的专家[13]。特别地，先前的研究还采用基于内容的方法进行专家角色识别。Roy P K等首先根据用户过去问答行为来创建身份认证组。随后结合回答行为与发帖时间对身份认证组的用户进行了排名，以识别出问答社区的专家[14]。Wang S等构建了一种主题和专业层次相结合的主题专业水平模型（TPLM）。在此基础上，提出了一种基于TPLM算法的用户综合评分方法，有效地识别出专家用户[15]。根据专家角色识别方法中的主要识别方法与依据，总结上述文献如表3所示。根据表中结果可知，学者们对专业虚拟社区专家角色识别的研究大多以社会问答社区为情境。

2.1.2 意见领袖角色识别

意见领袖通常是拥有某个或多个领域的专业知识和技能的社区用户，同时也是网络社区信息、观点的提供者，积极活跃的社区参与者，社区舆论生态的建构者[16]。因此，识别意见领袖有助于提高社区用户活跃度，促进用户间信息与知识交流。

在意见领袖角色识别研究中，以往研究大多根据识别依据而采用基于内容、链接结构与社会网络的方法识别社区意见领袖角色。一方面，部分研究运用基于内容与社会网络的方法进行意见领袖角色识别。Song K等根据明确的和隐含的链接以及情绪取向的评论，构建了多主题用户网络模型，有效地识别出论坛中积极的意见领袖[17]。胡逸宬采用社会网络分析的方法，依据点度中心度、中间中心度、接近中心度识别出网络学术论坛意见领袖[18]。而童莉莉等又结合聚类分析的方法，依据交互关系、行为频度、信息内容特征，识别出在线知识社群意见领袖[19];另一方面，部分研究采用基于内容与链接结构的方法进行意见领袖识别。例如，Zhao T等首先通过一种话题敏感的影响度量算法度量出用户对主题敏感的影响，并依据专业知识度量推断出每个用户的专题知识专长。在此基础上，构造了主题观点领袖识别框架，以识别问答社区内多主题的意见领袖[20]。根据意见领袖角色识别方法与识别依据，总结上述文献如表4所示。

综上所述，专业虚拟社区先赋角色识别的相关研究主要围绕社区内特定用户展开，并主要关注于专家与意见领袖两种角色。其中，专家角色识别多集中于网络问答社区平台，且识别依据注重于用户的专业知识水平与答题内容，并运用了基于内容分析以及与链接分析相结合的识别方法。另外，意见领袖识别依据注重于用户间的交互网络与信息内容，并主要运用了内容分析、社会网络分析、聚类分析及链接分析等识别方法。

2.2 自致角色识别

学者们在未定义社区用户扮演何种角色的基础上，从不同的角度并根据不同指标识别出了多种角色类型。如表5所示。

部分研究从用户参与行为的角度来确定用户角色，识别方法主要有聚类分析与统计分析。较为常见的是采用聚类分析方法识别用户角色类型。例如，毛波等以参与频率与知识贡献量为依据，识别出领袖、呼应者、浏览者、贡献者与学习者[21]。刘伟等依据近度、值度、频度识别出重要成员、浏览者、沉默成员[22]。特别的，还有运用统计分析和内容分析来识别用户角色类型。例如，陈耀华等依据知识贡献量在社区内识别出领导者、领域专家、词条贡献者、词条维护者、边缘用户[23]。

此外，先前研究还从用户社区地位和社群网络的角度识别角色类型，主要采用社会网络分析法。例如，Toral S L等依据平均出度與中间中心度，在社区内识别出外围用户、规律贡献者、经纪人[24]。谷斌等在此基础上结合聚类分析方法，依据知识共享中心度与用户价值识别出核心用户、信息获取者、咨询者、边缘用户[25]。Fueller J等运用同样的方法，依据外度中心度、程度中心度、创意贡献量在社区内识别出社交用户、创意用户、专家、高效贡献者、被动创意者、被动评论者[26]。Guo W等在上述方法的基础上又结合了内容分析法，依据贡献数、群体度、影响度识别出规划指导者、主动设计者、多面者、交流者、被动设计者、观察者[27]。王哲等又结合日志分析，依据个体行为指标与社会网络指标，识别出社区内的领导者、社交连接者、实质内容提供者、管理维护者、边缘用户[28]。

综上所述，以往研究已依据不同指标，并根据识别依据采用了社会网络分析、聚类分析、统计分析、内容分析等识别方法在专业虚拟社区中确定了多种用户角色类型。而且不难看出，先赋角色识别的相关研究主要围绕社区内所有用户展开，其目的是识别不同用户在社区内所扮演的角色，以反映出用户行为特征，探究用户间行为差异。

2.3 角色类型的综合归纳

本文依据识别出的用户角色类型研究成果（见表5）的基础上，从用户参与贡献度的角度，将用户角色归纳为三种类型：被动用户、初始参与者与持续参与者，具体如表6所示。其中，1）被动用户是社区中纯粹的信息消费者，仅仅查询或者使用社区内的知识内容，但从不贡献或者共享知识，也不参与社区活动[29]。一般在社区内表现为沉默、浏览与信息搜寻等行为模式;2）初始参与者是指能偶发性知识共享或者贡献，间断性地参加社区内相关活动的用户。行为模式一般表现为偶发性、不规律的回帖/发帖行为;3）持续参与者是指能持续地进行知识共享或贡献，积极地参与社区相关活动的用户。行为模式一般表现为持续的、有规律的回帖/发帖行为。

3 专业虚拟社区用户角色转变动因研究

如表6所示，用户在社区内扮演的角色可综合归纳为3种类型：被动用户、初始参与者和持续参与者。但在虚拟社区中，大部分用户所扮演的角色不是静态的，而是出于各种驱动因素，在不同角色之间转变。用户角色之间转变有两种类型，一种是随时间自然增长型的角色转变，还有一种是随社区地位或者社区位置而变动的角色转变[30]。在特定的虚拟社区中，如微信群成员会根据参与程度的加深，其扮演的角色会从最初的发起者向参与者与关注者之间转变[31]。在微博中，部分用户会从最初的新手转变为博主[32]。而在专业虚拟社区中，社区用户随着知识贡献量的增加会从持续知识搜寻者到持续知识贡献者的转变[33]。因此，专业虚拟社区中部分被动用户，会随着时间的增长与参与程度的加深，向初始参与者和持续参与者转变。

从角色转变阶段来看，每阶段的转变动因也不尽相同。易明等依据马斯洛需求层次理论从用户角色视角构建了用户需求层次模型，认为每个角色都有特定的需求动机，存在着不同类型角色的需求层次差异[34]。张向先等也认为在社会问答社区中，用户知识需求呈现层级递进的趋势，并在各种情景和动力驱动.动态演化[35]。因此，社区内被动用户向初始参与者，再向持续参与者转变的两个阶段，可能会受到不同动因的影响。

值得注意的是，以往研究虽未明细说明用户角色转变动因，但在专业虚拟社区中，用户扮演角色的转变依赖于用户在社区内的参与深度。因此本文依据上述角色类型，并在考虑时间维度与参与程度的基础上，将用户参与动因划分为初始参与动因与持续参与动因两个方面，并就其对正向角色转变动因进行分析。

3.1 初始参与动因

为了促使虚拟社区被动用户向初始参与者转变，以往研究依据不同的理论，从知识共享与知识贡献两个角度探索了用户初始参与动因。如表7所示。

在用户知识共享动因方面：Zhao L等依据社会资本理论，证实了归属感、熟悉其他用户对用户初始知识共享具有显著影响[36]。Lee S等依据满足理论与情景学习理论，认为用户生成内容质量差异影响新用户知识共享，而社区成员友谊的信息反馈促进新用户知识共享[37]。张敏等依据社会资本理论、社会认知理论、社会交换理论与理性行为理论构建了刺激—机体—行为（S-O-R）模型，研究表明，在虚拟社区中感知规范与结果预期正向影响用户知识共享[38]。

在用户知识贡献动因方面：Chou S W在动机模型和社会认知理论的基础上，提出了一种综合模型。他们结合模型发现，感知的身份验证和绩效预期影响社区用户知识的贡献[39]。Yan Y等依据自我感知理论，认为帮助别人获得的满足感、自我价值感、体验流是社区用户知识搜寻行为向知识贡献行为转变的重要因素[40]。Lai H M等依据价值理论，认为在线社区内互惠是潜伏者知识贡献重要的驱动因素[41]。Alireza等依据TAM模型（理性行为理论）认为在专业虚拟社区中感知有用性与感知易用性对用户参与具有重要驱动作用[42]。赵欣等依据计划行为理论，认为专业知识水平与互惠规范对知识搜寻者转变为知识贡献者具有显著的影响[33]。

3.2 持续参与动因

为了促使虚拟社区用户从初始参与者向持续参与者角色转变，学者们基于不同理论基础探索了专业虚拟社区用户持续参与动因。如表8所示。

基于社会认知理论的研究：Yu Y等证实了基本交互、补充交互、结果预期、自我效能正向影响用户持续知识共享[43]。Lin M J J等证实了信任、互惠规范、知识自我效能、感知相对优势、感知有用性显著影响用户知识共享[2]。Hsu M H等证实了身份信任、自我效能、个人结果预期以及社区相关结果预期显著影响用户知识共享[44]。随后，Chen C J等在社会认知理论的基础上结合了社会交换理论，研究表明互惠性、人际信任、自我效能感与感知相对优势对用户知识共享有显著影响[1]。

基于社会资本理论的研究：Chen I Y L等证实了使用后社会互动关系以及使用社区的满意度正向影响用户持续参与[45]。周涛等在此基础上又证实了共同语言与共同愿景影响学习社群用户持续参与[46]。陈明红在上述基础上又证实了信任、互惠影响用户持续知识贡献[47]。

基于其它理论的研究：金晓玲等依据现有研究成果，证实了声誉的提升、学习、获取知识的能力通过满意度显著的影响用户持续知识贡献[48]。Lai H M等依据价值理论，认为在线社区内帮助他人的乐趣与知识自我效能感是发帖者知识贡献重要的驱动因素[41]。Fang C等依据计划行为理论，认为回答者持续参与是由主观规范和态度两种动因共同决定的[49]。萬莉等依据自我决定理论分析了影响用户知识贡献的内外动机。他们发现，互惠、感知激励、知识贡献自我效能、乐于助人对促进用户持续知识贡献具有重要影响[50]。

综上所述，从时间维度与参与程度来看，以往研究主要从初始参与与持续参与的视角分析了角色转变动因，并取得了丰硕的成果。用户作为社区内核心组成部分，社区的发展往往依赖于用户参与。因此，促进用户的正向角色转变，有助于社区管理者掌握各阶段用户参与心理因素，制定相对应的用户政策，以促进社区持续发展。

4 总结与建议

本文基于可视化软件对国内外相关文献的共现关键词进行聚类分析，并通过细致的总结、归纳与分析，揭示出用户角色的两大研究主题：角色识别及角色转变动因。随后，分别从以上两个方面系统分析了国内外相关文献，综合归纳出虚拟社区用户角色研究框架（如图3所示）。本文的主要研究结果有：1）用户角色识别研究主要包括：先赋角色识别与自致角色识别。识别方法主要有内容分析、社会网络分析、聚类分析和链接分析等;而在自致角色识别方面，已有文献从用户参与行为、社区地位等不同角度对社区用户扮演的角色进行了识别，形成了较为丰富的角色类型研究成果。本文在前人研究基础上，将用户角色归纳为3种类型：被动用户、初始参与者、持续参与者;2）最后，依据3种角色类型分别从两个方面对虚拟社区用户角色转变动因进行了分析，即初始参与动因和持续参与动因。总体而言，用户角色研究已取得了丰富的成果，但未来研究，仍可以在以.几个方面进一步探究。

1）社区用户角色识别方面，以往研究已依据不同的指标并运用多样的识别方法确定了社区内多种角色类型。然而，以往研究多以静态的视角来识别社区用户角色，即常常侧重于特定的时间段，未考虑用户在社区内扮演角色的动态过程。因此，未来研究可以在识别用户角色的基础上考虑时间维度，以动态的视角来探索用户角色演变路径，进一步分析社区用户行为演化规律。

2）社区用户角色转变动因方面：①以往角色转变动因研究多以某个特定角色作为对象展开研究，然而用户在社区内随着时间的增长与参与程度的加深，会向多个角色之间转变。例如，被动用户向初始参与者转变，随后再向持续参与者转变。因此，未来研究可以从纵向的角度来探究用户角色转变动因，特别是不同转变阶段的动因差异，这对于厘清用户角色转变机理尤为重要。②以往的研究还多以角色间正向演化来探究角色转变动因。但由于用户在社区参与一段时间后其角色类型必然会发生分化和演变，且角色之间也存在着正向和负向演化[51]。其中，负向演化多是指持续参与者向初始参与者及被动用户转变。因此未来研究还可以从用户角色负向演化方向来探索角色转变动因，这对于社区提高自身管理能力，降低高价值用户流失率具有重要意义。

参考文献

[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]方陈承，张健同.社会化问答社区中用户研究的述评与展望[J].情报杂志，2018：185-93.

[4]齐云飞，赵宇翔，朱庆华.在线问答社区中参与者知识行为研究综述[J].图书情报知识，2018，（3）：103-12.

[5]孙思阳，张海涛，任亮，等.虚拟学术社区用户知识交流行为研究综述[J].情报科学，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，蒋丽娜，雷碧涵，等.国际虚拟社区用户行为研究的知识图谱分析——基于Citespace和VOSviewer的计量分析[J].现代情报，2014，34（9）：120-8.

[8]李飞，苏国红，张开炳.网络角色：内涵、特征及其心理动因[J].北华大学学报：社会科学版，2016，17（1）：36-40.

[9]熊芳亮.角色理论的新领域：网络角色分析[J].中国青年研究，2003，（12）：53-5.

[10]宫承波，齐立稳.试析网络社区中的角色扮演[J].新闻界，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]龚凯乐，成颖.基于“问题-用户”的网络问答社区专家发现方法研究[J].图书情报工作，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 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 2018//，2018[C]//Springer International Publishing.

[16]王秀丽.网络社区意见领袖影响机制研究——以社会化问答社区“知乎”为例[J].国际新闻界，2014，36（9）：47-57.

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

[18]胡逸宬.网络学术社区中的意见领袖识别研究[J].图书情报导刊，2017，2（11）：72-7.

[19]童莉莉，李荣禄，闫强.在线知识社群中的意见领袖识别模型研究[J].中国电化教育，2019，（3）：97-103.

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

[21]毛波，尤雯雯.虚拟社区成员分类模型[J].清华大学学报：自然科学版，2006，（S1）：1069-73.

[22]刘伟，丁志慧.基于参与行为的兴趣型虚拟社区成员分类研究[J].商业研究，2012，（11）：92-5.

[23]陈耀华，杨现民.开放知识社区用户分类研究——以中文维基百科为例[J].现代教育技术，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，黄家良.专业虚拟社区用户分类模型研究[J].情报杂志，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，張鹏翼.学习小组在线知识协作中的用户角色与行为[J].图书情报工作，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，2003[C].

[30]黄令贺，朱庆华.社会角色视角.网络社区用户类型及其关系的识别[J].情报资料工作，2013，（2）：84-8.

[31]姚伟，孟盈，陈劲，等.实践社区中知识动员演化模型研究[J].科学学研究，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]赵欣，王倩雯，张长征.从知识搜寻者到知识贡献者——专业虚拟社区用户角色转变的机理研究[J].情报科学，2017，35（10）：18-22.

[34]易明，宋景璟，杨斌，等.网络知识社区用户需求层次研究[J].情报科学，2017，35（2）：22-6.

[35]张向先，李中梅，郭顺利.社会化问答社区用户知识需求及其动态演化研究[J].情报理论与实践，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]张敏，唐国庆，张艳.基于S-O-R范式的虚拟社区用户知识共享行为影响因素分析[J].情报科学，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，陈可鑫，邓胜利.社群学习用户持续参与行为机理研究[J].现代情报，2019，39（1）：43-50.

[47]陈明红.学术虚拟社区用户持续知识共享的意愿研究[J].情报资料工作，2015，（1）：41-7.

[48]金晓玲，汤振亚，周中允，等.用户为什么在问答社区中持续贡献知识？：积分等级的调节作用[J].管理评论，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]万莉，程慧平.基于自我决定理论的虚拟知识社区用户持续知识贡献行为动机研究[J].情报科学，2016，34（10）：15-9.

[51]刘江，赵宇翔，朱庆华.网络潜水者研究的理论基础及前沿展望[J].情报资料工作，2012，（6）：39-45.

（责任编辑：孙国雷）