引言

服务经济时代，用户不再是被动的产品接受者，而成为企业关键的市场合作伙伴，扮演价值共创者角色（Co-creator）。[1] 用户提供的知识和技能已经成为企业的战略性创新资源，是企业获取长期竞争优势的关键。[2] 越来越多的企业意识到用户的这一转变，纷纷借助众包平台外包企业创新任务，例如阿里巴巴、腾讯、Facebook等企业均通过Github或Sourceforge等第三方在线创新社区，借助社区内用户的智慧进行产品创新。更有企业利用Web 2.0技术建立自主的开放创新平台，以公开号召的形式将创意任务外包给分散的大众用户群体，[3]获取用户创意以实现产品研发的开放创新。例如小米公司的米柚（MIUI）论坛、戴尔公司的创意风暴（Dell`s IdeaStorms）等。这种利用Web 2.0技术，以网络众包模式组织用户参与产品开放式创新任务，整合用户创意和企业内部资源的价值共创过程被称为网络众包的开放式创新（Crowdsourcing-based Open Innovation简称COI）。[4] COI是网络众包与开放式创新概念的结合，即网络众包是企业向用户开放组织边界进行产品开放式创新活动的有效组织方式。[5] COI有利于构建企业与用户实现双赢的创新生态。[6]

用户创意（Users` Ideas）指参与企业众包任务的用户为产品研发提供的创新观点或解决方案。创意经过企业的筛选被应用于企业内部的产品研发，[6,7]创意的质量将直接影响企业新产品研发的创新效果。如果用户无法持续提供高质量创意，那么企业推行的COI社区也将名存实亡。因此，如何采取有效措施提高用户创意质量，成为企业管理者亟待解决的现实问题。COI社区情景下，用户创意质量相关研究尚处于起步阶段，现有文献主要从用户经验[7,8]和创意特征[8,9]等静态主体角度研究创意质量，忽视了在线交互对用户创意质量的影响效应。与用户经验和创意特征相比，在线交互是更易于企业管理者操作的干预措施，[10] 对持续提升用户创意质量具有重要的理论和现实意义。

本文的研究问题是“COI社区中在线交互如何影响用户提交创意的质量”？首先，本文依据用户是否直接参与交互以及交互者身份两个维度，细分四类在线交互：用户与企业专家交互、用户与同伴交互、同伴与企业专家交互、同伴与同伴交互。然后，结合社会认知理论和自我决定理论探讨四类在线交互对创意质量的正向影响效应。进而，本文比较企业专家和同伴对用户创意质量的相对影响效应，验证了企业专家参与交互对用户创意质量的关键作用。最后，本文定义专业性成功经验概念，探讨专业性成功经验对在线交互与用户创意质量关联中的调节作用，对无专业性成功经验的用户，用户与企业专家交互、用户与同伴交互对创意质量的影响效应较强；对有专业性成功经验的用户，同伴与企业专家交互、同伴与同伴交互对创意质量的影响效应较强。

本文主要有以下三点创新：第一，从在线交互视角展开研究，区分了用户、企业专家、同伴之间的在线交互形式，提出并论证了在线交互对用户创意质量的正面效应，丰富了用户创意质量影响因素研究。第二，比较企业专家和同伴对用户的相对影响效应，提出并验证了企业专家参与的在线交互对用户创意质量具有较强的影响效应。第三，定义专业性成功经验概念，提出并验证了专业性成功经验对在线交互与用户创意质量关联中的调节作用，探索了不同在线交互种类对用户创意质量影响效应较强的适用情景。

一、研究背景与理论基础

1. COI社区用户创意质量的探索性研究

目前，学术界关于COI社区用户创意质量的相关研究尚处于起步阶段，现有文献多为探索性研究。具有代表性的研究有：Di Gangi等提出企业专家参与创新社区，能够确保创意被合理地评价并采纳，促进企业与用户之间的互动，有助于鼓励社区内部的知识分享；企业应针对用户提交的创意快速给予反馈，以此向用户传达两个信号，一是其创意是有趣的并且企业需要其将来持续参与创意任务，二是企业关注并理解其创意，企业的反馈促使企业与用户之间沟通与交互。[11] Huang等利用戴尔创意风暴数据进行分析得出以下结论：用户以较快速度学习如何提升创意价值，而以较慢速度学习产品的成本结构；提出低价值创意的用户会被逐渐淘汰，而高价值创意的用户会继续保持活跃；随着时间发展，创意平均质量会提升，而创意总量会下降；提升企业反馈数量和速度会显著增加创意总数；如果企业无法区分创意价值高低，或无法区分贡献者能力高低，会显著降低创意的总体价值。[12] Schlagwein等基于组织学习视角，通过乐高公司的案例分析提出，用户提交创意的多样性是对组织学习的有效补充，创意的反馈过程有助于企业与用户的交互学习。[13]

目前在我国中小企业的融资方式选择中，利用自身积累的自有资金占比48.40%，通过银行贷款筹资占比38.89%，通过发行股票或债券进行融资仅占2.39%，其他方式不足13%。不论企业处于哪个阶段，仍然非常依赖于自有资金、银行贷款。

1.4 DC与T淋巴细胞共培养 刺激后的树突细胞培养至第7天，与分离纯化的T淋巴细胞共同培养，另设置未经诱导的单核细胞为对照组，共培养的第0、3、5、7天，倒置显微镜观察淋巴细胞的增殖情况，并采用流式细胞仪检测CD4+CD25+Foxp3+Treg细胞的数量变化。

探索性研究帮助业界和学界更好地了解COI社区用户创意贡献行为以及创意质量，然而研究结论一般是基于数据分析结果或学者的归纳总结，缺少严格的理论分析。值得重视的是，以上探索性研究注意到企业与用户之间的在线交互对用户创意质量可能产生重要影响，然而现有文献却未能对两者间关系展开实证研究。

2. COI社区用户创意质量的实证研究

COI社区情景下，已有实证研究涉及的用户创意质量变量有：创意实施（Implemented Ideas）、创意质量（The Quality of Ideas）、创意多样性（Diverse Ideas），如表1所示。Bayus认为创意是否被企业采纳是判断其是否有价值的标准，[7]如创意被企业采纳表明该创意具有较高的质量。[8,9,14-17] 以上研究对创意采纳的测量采用企业发布的客观结果数据。陈光普[18]和Zheng等[19]关注用户的创意质量问题，采用问卷调研数据测量创意质量，如“我所完成的创意能够迅速得到社区内其他成员的回应；我所完成的创意能够得到社区内其他成员的认可；我所完成的创意能够被企业采用”。Bayus定义创意多样性为创意类别不属于用户前期已被实施的创意类别；创意类别采用戴尔创意风暴提供的39种创意分类标准，与创意实施结果交互形成创意多样性概念。[7]

已有研究主要从用户经验与创意特征角度研究用户创意质量，如表1所示。

（1）用户经验与创意质量。用户经验研究探讨经验特征对用户创意质量的影响，如表1所示。Bayus使用戴尔创意风暴的面板数据，一方面依据认知固恋效应（Cognitive Fixation Effect）验证成功经验（Past Success）对用户后续提交创意的多样性以及创意实施的负面效应，另一方面依据交互逻辑验证过去评论活动多样性（The Diversity of Their Past Comments on Others`Ideas）对用户后续提交创意的多样性以及创意采纳/实施的正面效应。[7] Li等同样使用戴尔创意风暴的数据，验证了用户参与程度（Prior Participation）和实施率（Prior Implementation Rate）正向影响创意实施的可能性。[8] 陈光普采纳多个虚拟创新社区用户的数据，验证参与水平和参与层次对创意质量的积极影响效应。[18]

（2）创意特征与创意质量。创意特征研究试图挖掘创意内容特征，研究创意实施问题，如表1所示。Di Gangi等关注的研究问题是“什么样的创意能够被企业实施”，依据创新扩散理论提出假设“创意的相对优势（Relative Advantage）（专属权（Appropriability）、市场价值（Market Value）、投资报酬率（Return on Investment）、发展新能力（Development of a New Capability））和创意的兼容性（Compatibility）积极影响企业实施创意的决策”；然而，该研究假设并未得到验证。[9] Zheng等采用任务中国（Taskcn）数据验证了创意数量和创意多样性积极影响创意质量。[19] Hossain等采纳我的星巴克创意（Starbucks` My Starbucks Idea）数据，依据是否与其他创意链接将创意划分为连续型创意（Linked Ideas）与独立型创意（Sole Ideas）两组，验证了独立型创意比连续型创意以更快的速度被企业实施，但是独立型创意需要比连续型创意花费更长的时间、获得更多的评论与积分才会被企业实施。[17] Li等运用戴尔创意风暴数据验证了创意流行度（Idea Popularity）与创意实施正相关；创意长度（Idea Length）与创意实施负相关；支持性证据（Supporting Evidence）与创意实施呈倒U型关系。[8]

 

表1 用户创意质量的实证研究

  

?

现有研究主要从用户经验与创意特征两方面探讨用户创意质量的影响因素，忽视了用户、企业专家、同伴之间的在线交互对用户创意质量的影响。与用户经验和创意特征相比，用户、企业专家、同伴之间的在线交互是更易于企业和COI社区管理者操作的干预措施，[10]对持续提升用户创意质量具有重要的理论和现实意义。尽管在 Di Gangi 等、[11]Huang等、[12]Schlagwein等 [13]探索性研究中均提到企业与用户交互、信息共享、反馈等会对用户产生重要影响，但现有实证研究却未能对此展开深入研究。为弥补这一研究空白，本文基于在线交互视角，细分用户、企业专家、同伴之间的交互形式，探讨不同交互形式对用户后续提交创意质量的影响效应。

3. 理论基础

H7a：相较于无专业性成功经验的用户，同伴与企业专家交互对有专业性成功经验的用户的创意质量的影响效应较强

社会认知理论（Social Cognitive Theory）认为，观察同伴在工作中展现出的创造力可能导致个体也积极投入到创造性工作中。[22] 这一现象被称为观察学习（Observational Learning）。[23] 观察学习帮助个体获取创造力有关的技巧和策略，[22] 而这些与创造力相关的技巧和策略是创造力的必要成分。[23] Hayes描述了创造力的过程（如当进行创造力行为的时候，个体需要确认问题，生成创意，评估并提炼相关创意以确保最终解决方案能够真正新颖和有用）。[24] 掌握与创造力相关的技巧和策略能够帮助个体在创造过程中发现正确问题，产生各种创意，并采用恰当的标准来评估和提炼创意。[21]

自我决定理论（Self-Determination Theory）的基本假设是“个体是积极的有机体，天生就具有追求心理成长与发展的倾向，努力应对持续性挑战的倾向，以及将外部经验与自我感知相结合的倾向”。[25]然而，这些先天性倾向不会自动起作用，而是需要情景因素持续的营养与支持才能有效发挥其功能。[25]具体看，情景因素影响个体的基本心理需求（自主需求、[25] 能力需求[26]和关系需求[27]）满足，进而激发个体的内在动机或促使外在动机内化，[25]最终影响个体达成更为积极的行为效果”。[28] 内在动机是个体学习、适应、成长和发展创新的主要动力。[10] 拥有内在动机的个体具有更灵活的认知能力、[29] 更偏好复杂新颖的任务[30]并且更愿意寻找具有挑战性的经历。[30] 因此，个体在解决问题过程中会发现多种解决方案，敢于利用非传统的方式并且会持久地坚持下去。[10]诸多研究支持内在动机激发个体创新与工作绩效的观点。[28]

二、研究模型与假设

1. 研究模型

创意质量是对用户创意的综合评价，高质量的创意要求新颖性强，[23,31] 具有商业价值[32]且实施成本合理。企业将从COI社区采纳用户提交的高质量创意，并将它们应用于企业内部的产品研发过程。[33] 本文将创意质量操作化为创意实施这一客观的结果变量，用以综合评定创意的新颖性商业价值和实施成本。[8,9,14-17]

（1）调研背景

  

图1 用户、企业专家、同伴之间的在线交互

本文构建在线交互与用户创意质量研究模型，首先，选择创意实施为创意质量的操作化变量，细分四类交互形式：用户与企业专家交互、用户与同伴交互、同伴与企业专家交互、同伴与同伴交互，依据自我决定理论探讨四类交互形式对创意实施的影响效应。然后，比较企业专家参与交互与同伴参与交互对用户创意质量的相对影响效应。最后，定义专业性成功经验概念，分别探讨在无专业性成功经验组和有专业性成功经验组中在线交互对用户创意质量影响效应的差异。研究模型如图2所示。

2. 研究假设

用户直接参与交互指用户与企业专家或同伴针对用户前期提交的创意展开双向互动。企业专家或同伴具有多样化的专业背景，依据社会认知理论，从观察学习视角分析，双向互动引发企业专家、用户以及同伴之间的信息与知识共享，帮助用户获取创造力相关的技巧和策略，有助于提高用户的创造力。[21] 相关研究认为互联网新生代网民受过系统的多学科教育，具有自由的时间和强烈的分享欲望，这些人将碎片化的时间和知识聚集在一起会产生巨大的经济与社会效应。[34]Nahapiet等、[35]Chua等[36]提出众多参与者之间的持续交互形成信息与知识传播以及共享的渠道，节省了寻求信息与知识的时间和成本。Hansen、[34]Tsai[37]提出参与者之间的交互是利用信息与知识价值的有效方式。并且，依据自我决定理论，用户与企业专家交互、用户与同伴交互有助于用户获取有价值的、多样化的产品信息与专业知识，满足用户的能力需求，激发其从事创意任务的内在动机，进而积极影响创意质量。[25] Hackman等论证了员工与工作团队成员之间的持续交互提升员工的知识储备与专业技能，积极影响员工对创新任务的努力程度。[38] Tierney等验证了员工与领导之间的开放式互动与信息沟通有助于提升员工的个体创新绩效。[39]

  

图2 研究模型

（3）收集数据

H1：用户与企业专家交互正向影响用户创意质量

H2：用户与同伴交互正向影响用户创意质量

用户间接参与交互指同伴与企业专家或其他同伴针对用户前期提交的创意展开的双向互动。依据社会认知理论，虽然用户未直接参与同伴与企业专家之间的讨论，但双方交互是围绕用户提交创意展开的，用户可以从中获取有价值的、多样化的产品信息与专业知识，以此提高与创造力相关的技巧和策略。[34,37] 另外，依据自我决定理论，用户从企业专家与同伴交互、同伴与同伴交互中积累产品信息与专业知识，满足用户的能力需求，激发其从事创意任务的内在动机，从而提高用户创意质量。[25] Yang等验证了组织内成员之间的知识传播、共享、创新在很大程度上增强了个体创新的持续性并加强了产品创新。[44]

对用户而言，企业专家与同伴、同伴与同伴之间的积极交互不仅促进信息与知识的共享，更营造了良好的论坛创新氛围，提高了用户后续提交创意的质量。顾远东等提出，团队内沟通与协作营造的组织创新氛围积极影响员工产生创新构想的行为与执行创新构想的行为。[45]依据自我决定理论，用户在企业专家与同伴的积极讨论中感知到，自己的贡献受到社区的关注、认可与支持，用户从中获得成就感并满足关系需求，进而鼓励自己在后续创意任务中付出更多时间与努力，以提高创意质量。[25]顾远东等验证了组织支持感越强，员工的成就感越强、工作卷入程度越高，员工的创新行为表现就越多。[46] 因此，本文相信用户间接参与的交互形式正向影响其后续提交创意的质量。因此，提出如下假设：

（2）样本特征

H4：同伴与同伴交互正向影响用户创意质量

通过设置紧急切断阀和SIS，不但实现了进、出口阀门的远程控制，而且增加了安全联锁保护措施，提高了罐区的安全性能，符合国家安全监管相关要求。

与一般网络虚拟社区中自然形成的“意见领袖”不同，COI社区中企业专家具有“官方”身份，代表企业筛选用户提交的创意，与用户展开互动并最终决定创意的实施决策。企业专家是企业的技术型员工，具有专业的学科背景、较高的技术水平，并熟知产品结构与成本。企业专家以管理者和专家的双重身份参与COI社区创意创新活动，通过评论的方式与用户保持对话与互动，影响用户后续提交的创意质量。个体创新的相关研究已证实企业领导的态度与行为对员工创新绩效的关键作用。[47-50]Andrews等提出，当领导能很好地倾听科学家意见时，科学家表现出更强的创造力。[51] Shin等认为变革型领导通过激发个体内在动机提高员工的创造力。[52]

反观网络营销领域，过去学者对用户间沟通的分类普遍从沟通内容上进行划分，如划分为任务相关的和非任务相关的[2]、礼仪性质的和社交性质的[9]等；或是从空间维度上划分，如根据顾客间接触所发生的场所划分为“现场内(on-site)”和“现场外(off-site)”。[3]现场内指的是具体服务环境，现场外则是网络口碑或品牌社区等。然而，针对沟通方式在时间维度上的划分，进而探讨两者对消费者行为的影响却鲜有提及。因此本研究将从这个角度切入，探讨其在同步沟通和异步沟通两种模式中所存在的差异。

有人说说服他人不要诉诸理性和道德，应求助于利益关系，泰勒便是后者。科学管理提倡的“心理革命”倡导大家共同把蛋糕做大后再分蛋糕，如此雇主和雇员的利益便是一致的了。因此，科学管理强调雇主和雇员对工作负责、同事对同事负责、雇主对雇员负责、雇员对雇主负责。这种责任，在赢取自己利益的同时，也在激励对方为工作付出更大的努力。

与企业专家的官方身份不同，同伴关系是用户群体在响应企业的公开号召、自愿参与产品创新任务的过程中，通过在线互动而形成的松散关系。用户与同伴由于共同的兴趣参与创意征集活动，在持续的创意生成过程中逐渐产生互动、彼此联系并相互影响。Munoz-Doyague等认为，较高的团队成员间交换关系积极影响个体创新绩效，[49] 即成员从团队的其他成员处获得帮助与认可，与其他成员共享信息与知识以及成员之间不断的反馈与交互，均有助于提升成员的创新工作绩效。[53]本文认为，企业专家与同伴之间的身份差异导致他们对用户的影响力不同。具体分析，相较于用户与同伴交互，用户与企业专家交互能够给予用户更专业的信息与知识共享，使用户更直接地感受到企业对其贡献的认可，因而鼓励用户付出更多的时间与努力提交高质量创意。同样，相较于同伴与同伴交互，同伴与企业专家交互对用户创意质量的影响效应也较强。因此，本文提出如下假设：

H7b：相较于无专业性成功经验的用户，同伴与同伴交互对有专业性成功经验的用户的创意质量的影响效应较强

H5b：相较于同伴与同伴交互，同伴与企业专家交互对用户创意质量的影响效应较强

专业性成功经验定义为用户在提交创意的任务类别下有过前期创意被企业实施的成功经验。专业性成功经验是创意类别与创意实施两个概念的结合，分为无专业性成功经验和有专业性成功经验两种情景。当用户面对具有成功经验的创意任务时，会习惯性地倾向于已有的经验与模板，致使后续提交的创意缺乏新颖性和多样性，[54]即认知固恋效应。认知固恋是个体无意识的“剽窃”，个体经常无法意识到他们固恋于过去示例的原则与特征。[55] Maier、[56]Duncker等、[57]Birch等[58]一系列研究证实，即使当个体面临要求新解决方案的任务时，他们也很难从过去成功的策略与方案中脱离出来。因此，由于认知固恋效应，具有专业性成功经验的用户更专注于自身经验和模板，与企业专家或同伴直接交互引发的信息和知识共享对其创意质量的正向影响效应会削弱。没有专业性成功经验的用户缺乏在某一任务类别下前期创意被企业实施的成功经验，与企业专家或同伴直接交互可以直接帮助他们有效积累专业且多样化产品信息和知识，提升用户的个体创新能力与创意绩效。[40,41] 因此，对不具有专业性成功经验的用户，用户直接参与的交互对其创意质量的影响效应更强。因此提出如下假设：

H6a：相较于有专业性成功经验的用户，无专业性成功经验的用户与企业专家交互对其创意质量的影响效应较强

H6b：相较于有专业性成功经验的用户，无专业性成功经验的用户与同伴交互对其创意质量的影响效应较强

相对来说，用户未直接参与的交互营造了良好的组织支持与创新氛围，而且提供了更为多样化的、范围更广阔的信息与知识共享，在一定程度上有助于具有专业性成功经验的用户突破认知固恋效应，增强对创意质量的正面效应。然而，用户未直接参与的交互引发的信息与知识共享针对性、专业性较差，削弱了对不具有专业性成功经验的用户的创意质量的正面影响效应。因此，对具有专业性成功经验的用户，用户间接参与的交互对其创意质量的影响效应更强。本文提出如下假设：

COI社区情景下，用户响应企业号召参与创意任务，为企业提供创造性想法。创造力（Creativity）定义为个体在工作中产生新颖并且有用的创造性想法。[20] 创造力相关研究指出组织中的情景因素（Contextual Factor）持续影响员工从事创新性工作的创造力。[21] 情景因素对个体创造力的影响具有两条理论路径：一是个体从情景中获取创造力有关的技巧和策略，二是情景因素激发个体从事创新性工作的内在动机。[21]

H5a：相较于用户与同伴交互，用户与企业专家交互对用户创意质量的影响效应较强

三、研究方法

1. 数据收集

在线交互指用户、企业专家、同伴之间在COI社区中针对用户提交的创意展开“有来有往”的双向互动，如图1所示。首先，用户生成并提交创意；之后，企业专家和同伴针对用户提交创意的内容展开评论；最终，企业专家做出是否采纳并实施创意的决策。在此过程中，用户、企业专家、同伴之间可能进行深入的讨论，展开双向交互。本文依据两个维度区分交互形式，一是用户直接或间接参与交互，二是参与交互方的身份。据此，交互形式区分为：用户直接参与交互（用户与企业专家交互、用户与同伴交互），用户间接参与交互（企业专家与同伴交互、同伴与同伴交互），如图1所示。

在《角的概念》的教学中，教师由学生熟悉的生活引入，唤醒学生对角的初步认知，接着，教师又让学生们摸角，直观感受角以及借助多媒体让学生辨别角等活动，都为学生积累了丰富的感性经验，接着，教师再借助合情推理帮助学生把感性经验上升到理性认识，既促进了学生对角的概念知识的建构，又使学生的逻辑思维能力得到了提升。

本文选择北京小米科技有限责任公司（以下简称“小米公司”）创建并经营的米柚（MIUI）论坛（http://www.miui.com/forum.php）为调研对象。MIUI手机操作系统是基于安卓进行深度优化、定制并开发的第三方镜像。小米公司运用网络众包模式，组织用户参与MIUI手机操作系统的开放式创新任务，获取有价值的用户创意并应用于MIUI系统的版本更新，实现迭代式创新，使得MIUI系统更符合中国用户的需求和使用习惯。[59]截至2017年6月，用户通过MIUI论坛的新功能讨论版块提交215439条产品创意，Bug反馈版块提交1120314条产品问题。[60]

H3：同伴与企业专家交互正向影响用户创意质量

文化旅游业的发展赋予了资源新的价值，同时也带来了新的功能变化。因为任何地区的资源本身不仅仅是为了旅游而存在，还要考虑与当地社区居民的生活需求，比如历史街区、桥梁等公共基础设施。所以功能融合是文旅融合的重要表现。

本文的研究样本是MIUI荣誉开发组用户。MIUI荣誉开发组昵称“荣祖儿”，是MIUI论坛创建最早，资格最老的核心用户组，主要任务是反馈、测试、复现Bug并提交新功能建议。荣誉开发组用户具有较为完善的论坛经历，由此产生的完整时间序列数据可帮助验证在线交互对用户创意质量的影响效应。本文共收集了345位荣誉开发组用户数据，注册年份分布在2010-2014年，各年份占比情况见表2。①表2的数据表明，样本较好地覆盖了各个年份。本文收集了13661条创意，其中包含67052条评论。创意提交时间分布在2010-2015年，各年份占比情况见表3。表3的数据表明，抽样样本的注册年份统计时间分布合理。这些创意分布于84个产品功能分类（备索）。由于MIUI论坛实行匿名注册制度，缺失了用户的人口统计和个性特征数据，因此本文将采用面板数据控制用户个体差异性。

 

表2 样本用户注册年份统计表

  

2011年 116 33.6%2012年 63 18.2%2013年 56 16.2%2014年 41 12%总计 345 100%

 

表3 样本创意与评论的年份统计表

  

年份 创意 占比 评论 占比2010年 45 0.3% 581 0.8%2011年 2998 21.9% 11677 17.4%2012年 2930 21.4% 19678 29.3%2013年 2675 19.6% 13786 20.6%2014年 2938 21.5% 12253 18.3%2015年 2075 15.2% 9077 13.5%总计 13661 100% 67052 100%

依据自我决定理论，用户与企业专家交互、用户与同伴交互帮助用户保持与企业专家和同伴的社会关系，满足用户的关系需求，激发内在动机，进而提高用户创意质量。Van Dyne等、Shalley等研究提出，参与者之间有效的社会交互不仅促进了信息与知识共享，而且培养了参与者之间的信任，促进参与者之间的有效沟通以及协同合作，因而鼓励个体创新的动机和能力。[40,41]Perry-Smith验证了个体的社会关系强度、关系网络位置等积极影响个体创新绩效。[42] Hirst 等验证了员工对团队或组织的关系认同与个体创新努力积极相关，并提升个体创新绩效。[43] 因此，本文相信用户直接参与的交互（用户与企业专家交互、用户与同伴交互）正向影响用户后续提交的创意质量。提出如下假设：

本文数据收集时间是2015年4月。第一轮数据收集主要获取荣誉开发组用户列表、用户名、个人空间链接、注册时间等数据。第二轮数据收集主要获取荣誉开发组用户提交的新功能建议和Bug反馈的提交时间、链接、题目、评论数、文本内容、文本长度、图片、视频、附件、链接、评论的用户名，评论的时间，评论指向（评论指向者的身份）。我们将创意的提交时间截止在2015年3月30日，假定一个月前发布的帖子会成为“沉贴”，相关数据信息的变化幅度极小。

2. 变量操作化与测量

（1）内容分析法

本文采用内容分析法，依据Krippendorff[61]和Landis等[62]提出的内容编码与分析步骤进行变量的操作化与测量。内容分析法可以将文本中的意义转化为客观数据，以此确保数据分析的客观性、可再现性和可靠性。[63,64] 创意质量、在线交互、专业性成功经验等变量均采用内容分析法获取数据。创意质量的内容分析单元是创意帖子的官方章子与企业专家的评论。在线交互研究变量的内容分析单元是交互指向者的身份。专业性成功经验的内容分析单元为创意类别、官方章子和企业专家的评论。

为确保每一个内容分析单元同时被两位编码者进行内容分析，本研究邀请了6位研究生进行内容编码工作。6位研究生每两人一组、共三组分别进行编码分析。本文作者没有参与内容编码工作，并且不允许编码者在编码过程中互相交流。另外，给予每位编码者充足的时间完成工作，请他们每天的工作时间不超过八小时，最大程度上削弱了由于工作疲劳而带来的编码误差。2015年5月至9月历时5个月，大约花费7200个小时，完成了内容分析编码工作。

在正式进行大规模编码之前，本文首先使用部分数据进行了预编码分析。预编码分析的目标是“通过重复编码，在正式编码工作之前不断修订编码本”，尽可能地缩小或消除编码者之间的理解误差。如果预编码的结果没有达到Kappa临界值0.70，作者会组织6位编码者讨论存在差异的编码结果。通过作者与编码者之间的不断讨论，不断修正编码者对编码规则不一致的理解，以求在正式编码中每个编码者对编码本的理解尽可能达成一致。编码者间信度是通过所有变量间一致的百分比计算，结果显示值位于0.70和0.97之间，说明所有变量的编码结果均具有较高可信度。[61,62]

（2）变量操作化

① 因变量。本文采用客观的结果变量测量创意质量，即创意实施。本文认为被企业实施创意的质量较高（赋值为“1”），而未被企业实施创意的质量较低（赋值为“0”）。创意是否被企业实施是综合测量创意质量的客观结果，[65] 多项实证研究采用创意实施变量研究用户的贡献行为和创意质量。[7,9,12,14,16,17]

① 杨彼岸.在虞美人草中的藤尾死因的再探索——以漱石的个人主义为视点——[D].石家庄：河北大学优秀论文数，2012：8.

Car Craft事故车连锁集团在澳大利亚的店面数量在稳步上升。Car Craft集团业务遍布于西澳、昆士兰、首都堪培拉及南澳等地区，店面数量已超过100家。目前该公司还在悉尼和墨尔本市区等地成立了工作小组。该集团积极参加澳大利亚汽车车身维修协会(AMBRA)国内维修厂评级项目(具体详见之后的介绍)。Car Craft非常重视培训工作，并努力成为事故车维修市场的重要参与者，在事故车业务整合方面为保险公司提供具有吸引力的选择方案。

本文采用内容分析方法，依据两条客观标准判断创意是否被企业实施：一是创意帖子右上方的官方章子；二是企业专家（MIUI开发组）评论回帖的内容意义。表4列出了创意是否被企业实施的编码规则。如果官方章子的意义或企业专家评论的内容意义能够充分说明创意已经被企业实施，即认为该创意具有较高的质量。反之，如果两条标准均无法满足，则认为该创意没有被企业实施，质量较低。

② 自变量。四种在线交互的操作化程序为：第一，将每个用户提交的创意按照时间排序；第二，对每条创意下各条评论的用户身份以及和评论指向的用户身份进行编码，依据定义识别四种在线交互形式；第三，统计每条创意下的四种在线交互形式各自的数量和；第四，测量用户提交创意之前经历的四种在线交互，统计创意提交日期之前的用户的所有创意下四种在线交互形式各自的数量和。

③ 调节变量。专业性成功经验操作化为用户在提交创意的任务类别下曾有过创意被企业实施的成功经验。有专业性成功经验赋值为“1”，无专业性成功经验赋值为“0”。

④ 控制变量。成功经验指用户提交创意日期之前被企业采纳创意的数量和，论坛年龄指用户提交创意日期之前注册论坛的天数和，创意长度指创意帖子的文本字数和，创意丰富度指创意帖子的图片、视频、链接、附件的数量和，创意流行度指用户提交创意日期之前的创意评论数之和，同日创意数量指用户提交创意日期的这一天总共提交的创意数量和。

 

表4 创意质量的编码规则

  

高质量创意（创意被企业实施）标注为“1”1.“已收录”的官方章子代表该条创意已被企业收录2.“处理中”的官方章子代表该条创意所涉及的创意内容正在处理，已被企业采纳3.“已解决”的官方章子代表该条创意所涉及的问题已被解决4.“请补充”官方章子代表该条创意尚在讨论中。如果用户对MIUI开发组要求补充的内容进行了有效的补充，认定为高质量创意1.企业专家评论内容表明“已收录”。例如：MIUI开发组“Blue-Sea”回帖“问题已收录，谢谢反馈，我们会尽快修复”；MIUI开发组“嘻嘻的爹”回帖“楼主Sama你好，感谢你的细心建议，近期考虑增加此功能”2. 企业专家评论内容表明“问题正在修复，解决”，例如MIUI开发组“蝴蝶菲菲52”回帖“已解决，请升级到最新的版本，验证下是否修复。若还有问题请及时反馈给我们，辛苦”低质量创意（创意未被企业实施）标注为“0”1. 无企业的官方章子2.“请补充”官方章子，但是用户没有按照MIUI开发组的要求进行有效补充3. 其他情况，例如：（1）“已确认解决”章子，但是没有MIUI开发组明确表示收录或采纳的评论回帖。因为用户可以自己加盖“已确认解决”的章子，所以此章子情况下要以MIUI开发组评论的内容为判断依据；（2）“已答复”官方章子，但是没有MIUI开发组明确表示收录或采纳的评论1.无企业专家的评论回帖2.企业专家评论内容没有表明该建议“被采纳，已收录，待优化”等语义。例如MIUI开发组“adamstx”回帖“这个是5天的最高温和最低温，不显示在当前日期上”3. 企业专家评论内容说明“不采纳，暂时不会做，这不是Bug”等语义。例如MIUI开发组“Arvin007”回帖“暂时不会增加”

3. 构建面板数据

本文对数据集进行预处理，构建面板数据：（1）提交创意的数量小于等于1的用户无法形成面板数据，故删除；（2）每位用户提交的第一条创意，在其提交日期之前，四种交互形式的数据为0，故删除；（3）定义面板数据。面板数据的两个维度是用户与创意提交日期。本研究将面板数据整合到“用户—创意提交日期”层次，用以进行统计分析。

面板数据整合的标准是：（1）如果用户在同一日提交了大于一条的创意，以下变量采取同一日提交的第一条创意的数据值：用户与企业专家交互、用户与同伴交互、同伴与企业专家交互、同伴与同伴交互、成功经验、论坛年龄、创意流行度。（2）如果用户在同一日提交了大于一条的创意，其中只要有大于等于1条创意被企业实施，则创意质量赋值为“1”，反之赋值为“0”。（3）如果用户在同一日提交了大于一条的创意，其中仅有一条创意被企业采纳，创意长度和丰富度的数值就采用该条创意的数据；其中有多于一条的创意被企业实施，创意长度和丰富度的数值就采用被实施创意的均值。其中所有创意均未被企业实施，创意长度和丰富度的数值取所有创意的均值。

四、实证检验结果

1. 统计描述

本文运用Stata统计分析软件对研究变量进行统计描述，包含均值、标准差、最小值和最大值，如表5所示。

 

表5 研究变量的统计描述

  

注：变量的标准差、最小值、最大值共三行，第一行是总值，第二行是组间差异，第三行是组内差异

 

变量名 均值 标准差 最小值 最大值创意质量 0.54 0.49 0 1 0.26 0 1 0.45 -0.43 1.45用户与企业专家交互 39.41 54.67 0 368 31.22 0 338.61 32.12 -177.32 207.99用户与同伴交互 26.89 39.49 0 283 22.88 0 266.24 22.89 -148.88 222.76同伴与企业专家交互 1.68 3.28 0 26 1.86 0 23.24 1.94 -13.16 14.4同伴与同伴交互 4.31 6.58 0 48 3.77 0 34.06 3.98 -16.24 31.04成功经验 21.08 28.11 0 205 16.07 0 185.63 16.95 -95.89 108.1论坛年龄 572.43 335.69 0 1681 290.26 41.2 1535 209.53 -425.21 1910.01创意长度 85.04 139.88 0 7331 75.61 8 634.66 128.12 -500.62 7242.02创意丰富度 0.72 1.21 0 48 0.71 0 8 1.07 -2.71 45.28创意流行度 211.3013 292.776 0 2548 168.04 0 1526.92 179.13 -1310.62 1232.37 1.01 0 13 0.39 1 5 0.93 -0.98 11.01同日创意数量 1.46

2. 相关性分析

本文运用Stata进行相关性检验。表6显示：（1）用户与企业专家交互和创意质量正相关（r=0.265;p＜0.001）；（2）用户与同伴交互和创意质量正相关（r=0.242; p＜0.001）；（3）同伴与企业专家 /同伴交互和创意质量正相关（r=0.221; p＜0.001）。以上相关性分析结果均与研究假设一致。

3. 假设检验

本文将因变量创意质量操作化为创意实施，为二值变量：创意被企业实施、创意未被企业实施。因此，本文构建面板对数单位模型（Panel Logit Model）用以验证用户、企业专家、同伴之间的在线交互对创意质量的影响效应。面板对数单位模型控制了无法观测的用户异质性特征的影响效应，很好地弥补了本文缺失用户个体特征数据的不足。研究模型的公式为：

  

注： ①i 指提交创意的用户； ② t指创意的提交日期，bt（t之前） 指创意的提交日期之前； ③控制变量：成功经验ibt、论坛年龄ibt、创意长度ibt、创意丰富度ibt、创意流行度ibt、同日创意数量ibt；④βi为对应研究变量对创意质量的影响效应；⑤ε为误差项，用以控制不可观测的异质性

 

表6 交互形式与创意质量的相关性分析（横截面数据）

  

注：*表示 P ＜ 0.001

 

1 2 3 4 5创意质量 1用户与企业专家交互 0.265* 1用户与同伴交互 0.242* 0.16* 1同伴与企业专家交互 0.221* 0.124* 0.193* 1同伴与同伴交互 0.073 0.204* 0.12* 0.186* 1

 

表7 在线交互对创意质量的影响（固定效应模型）

  

注：*表示 P ＜ 0.05， **表示 P ＜ 0.01，***表示 P ＜ 0.001，n.s. no Significant

 

变量名 模型1用户与企业专家交互 0.39(0.12)**用户与同伴交互 0.29(0.10)**同伴与企业专家交互 0.46(0.08)***同伴与同伴交互 0.05(0.08) n.s.控制变量成功经验-0.65(0.12)***论坛年龄 0.25(0.09)**创意长度 -0.06(0.03) n.s.创意丰富度 0.39(0.06)***创意流行度 -0.003(0.06) n.s.同日创意数量 1.81(0.11)***Log-likelihood -4122.3935 X2(df) 598.14***(10)N(n) 276(7799)

固定效应模型（表7）优于随机效应模型（表8），这在Hausman检验结果（表9）显示出来。因此，本文采用固定效应模型数据结果验证研究假设。如表6所示，在线交互对创意质量研究模型的似然比检验显著，模型设定良好。用户与企业专家交互ibt（β=0.39；P＜0.01）与创意质量it显著正相关，因此假设1得到验证。用户与同伴交互ibt（β=0.29；P＜0.01）与创意质量it显著正相关，因此假设2得到验证。同伴与企业专家交互ibt（β=0.46；P＜0.001）与创意质量it显著正相关，因此假设3得到验证。同伴与同伴交互ibt（β=0.05；P＞0.5）与创意质量it的相关性不显著，因此假设4未得到验证。

近年来，各级各部门高度重视公共实训基地建设，实训基地遍地开花，呈现快速发展的良好态势，但是在建设发展过程中也出现了问题，有的还比较突出，主要表现在以下几个方面：

 

表8 在线交互对创意质量的影响（随机效应模型）

  

注：*表示 P ＜ 0.05， **表示 P ＜ 0.01，***表示 P ＜ 0.001，n.s. no Significant

 

同伴与同伴交互 -0.08(0.06) n.s.控制变量成功经验 0.07(0.09) n.s.论坛年龄 0.1(0.04)*创意长度 -0.07(0.03)*创意丰富度 0.41(0.05)***创意流行度 0.01(0.03) n.s.同日创意数量 1.8(0.1)***常数项 -2.71(0.33)***Log-likelihood -4934.5943 X2(df) 614.82***（10）N(n) 343（8060）

 

表9 在线交互对创意质量的影响：Hausman检验

  

统计量 数值Chi-Sq. Statistic 183.93 Chi-Sq. 10 Prob. 0.0000结论 固定效应模型优于随机效应模型

本文依据Li等[66]提供的方法验证企业专家和同伴的差异角色。如表10所示，用户直接参与的两类在线交互，用户与企业专家交互ibt对创意质量的影响效应（β=0.39；P＜0.01）强于用户与同伴交互ibt对创意质量的影响效应（β=0.29；P＜0.01）。然而，两者间路径系数差异的显著性未能验证（t=1.34，n.s.）。因此，假设5a没有得到验证。用户间接参与的两类在线交互，同伴与企业专家交互ibt对创意质量的影响效应（β=0.46；P＜0.001）强于同伴与同伴交互ibt对创意质量的影响效应（β=0.05；P＞0.5）。并且，两者间路径系数的差异是显著的（t=5.40，P＜0.001）。因此假设5b得到验证。

 

表10 企业专家与同伴的相对影响效应比较（固定效应模型）

  

注：数据来源于表 5；*表示P ＜ 0.05， **表示P ＜ 0.01，***表示 P ＜ 0.001，n.s. no Significant

 

在线交互 企业专家 同伴 t test用户直接参与交互用户与企业专家交互 0.39(0.12)** ＞ 0.29(0.10)**用户与同伴交互 1.34 n.s.用户间接参与交互同伴与企业专家交互 0.46(0.08)*** ＞ 0.05(0.08)n.s. 同伴与同伴交互 5.40***

本文综合运用路径系数，以路径系数的显著性以及两组间路径系数差异的显著性，[67]验证有专业性成功经验组与无专业性成功经验组之间的差异。如表11所示，②用户与企业专家交互ibt与创意质量it间的正向影响关系的显著性在无专业性成功经验组比在有专业性成功经验组更强（模型3：β=0.41，P＜0.01；模型2：β=0.57，P＞0.05; t=-0.51，P＞0.05）。尽管模型 3 的路径系数小于模型2，但是模型2的路径系数不显著，模型3的路径系数显著。因此，可以认为假设6a得到验证。用户与同伴交互ibt与创意质量it间的正向关系在无专业性成功经验组比在有专业性成功经验组的影响效应更强（模型 3：β=0.4，P＜0.01；模型 2：β=0.24，P＞0.05；t=0.67，P＞0.05）。尽管两组间路径系数比较的t检验未能显著，但是模型2的路径系数不显著，模型3的路径系数显著。因此，我们认为假设6b得到验证。同伴与企业专家交互ibt与创意质量it间的正向关系在有专业性成功经验组比无专业性成功经验组的影响效应更强（模型 2：β=1.03，P＜0.001；模 型 3：β=0.27，P＜0.05；t=4.09，P＜0.001），因此假设7a得到验证。同伴与同伴交互ibt与创意质量it间的正向关系在有专业性成功经验组比无专业性成功经验组的影响效应更强（模型2：β=0.36，P＜0.05；模型 3：β=-0.1，P＞0.05；t=2.56，P＜0.01），因此假设7b得到验证。

 

表11 专业成功经验的调节效应（固定效应模型）

  

注 ：* 表示 P ＜ 0.05， ** 表示P ＜ 0.01，***表示 P ＜ 0.001， n.s. no Significant

 

变量名有专业性成功经验无专业性成功经验 总体模型2 对比 模型3 t test 模型 1用户与企业专家交互 0.57(0.32) n.s. ＜ 0.41(0.15)** -0.51n.s. 0.39(0.12)**用户与同伴交互 0.24(0.24) n.s. ＜ 0.4(0.12)** 0.67n.s. 0.29(0.10)**同伴与企业专家交互 1.03(0.15)*** ＞ 0.27(0.11)* 4.09*** 0.46(0.08)***同伴与同伴交互 0.36(0.16)* ＞ -0.1(0.1) n.s. 2.56** 0.05(0.08) n.s.控制变量 已包含 已包含 已包含Log-likelihood -1219.0545 -2349.8905 -4122.3935 X2(df) 230.60***（10） 449.41***（10） 598.14***(10)N(n) 156（2617） 270（4794） 276(7799)

 

表12 新功能建议和Bug反馈（固定效应模型）

  

注：*表示 P ＜ 0.05， **表示P ＜ 0.01，***表示 P ＜ 0.001， n.s. no significant

 

用户与企业专家交互 1.07(0.24)*** 0.69(0.14)*** 0.39(0.12)**用户与同伴交互 0.77(0.27)** 0.49(0.85)*** 0.29(0.10)**同伴与企业专家交互 -0.31(0.15)* 0.37(0.12)** 0.46(0.08)***同伴与同伴交互 0.35(0.21) n.s. -0.01(0.08) n.s. 0.05(0.08) n.s.控制变量 已包含 已包含 已包含Log-likelihood -671.817 -3729.927 -4122.3935 X2(df) 151.93***(10) 484.17***(10) 598.14***(10)N(n) 98(1447) 194(6778) 276(7799)

4. 稳健性检验

本文采用荣誉开发组用户提交的新功能建议和Bug反馈为创意样本。新功能建议和Bug反馈是有细微差别的，新功能建议倾向于现有产品的功能拓展，Bug反馈专注于现有产品功能的问题发现。这些差别可能导致研究模型预测结果的不准确性。为此，我们将新功能建议和Bug反馈样本区分开分别进行模型预测，结果如表12所示。表12的研究结果表明，研究假设的预测结果在新功能建议和Bug反馈样本中没有差异，研究结论稳健。

异位妊娠的女性常见急腹症,临床发病率高,又称宫外孕,多由受精卵着床位置位于宫外部位所致,其病症较为严重,处理不当将造成流产,甚至危及生命。其临床特征较为特殊,为保证患者健康,及时采取有效措施能够有效提升治疗效果,因此选择一种有效的检测方式具有十分重要的意义[1]。临床上主要选择经腹彩超及经阴道超声检测方式,为进一步探讨其病症特征,文辞研究选择经腹彩超对比经阴道超声检测方式进行疗效分析,现报告如下。

五、研究结论与讨论

1. 研究结论

本文发现，用户与企业专家交互、用户与同伴交互、同伴与企业专家交互正向影响用户后续提交创意的质量。但是，同伴与同伴交互对用户创意质量的影响效应不显著。可能的原因是，COI社区中，同伴与同伴之间的交互多为“支持一下”、“不错”、“没什么意义”等内容，有价值的信息与知识共享较少，具有一定的“灌水”性质。相较于同伴，企业专家参与交互对用户创意质量的影响效应较强。对无专业性成功经验的用户，用户与企业专家交互、用户与同伴交互对用户创意质量的影响效应更强；对有专业性成功经验的用户，同伴与企业专家交互、同伴与同伴交互对用户创意质量的影响效应更强。

为有效促进贫困地区普通话推广，助力推普脱贫攻坚工作，推动乡村振兴，打赢广西扶贫攻坚战，广西开展了一系列推普脱贫攻坚活动。从广西县域普通话普及调研的数据分析看，尽管广西普通话普及率较高，但是基层群众的普通话水平仍然有待进一步提高，部分县区的乡镇还存在普通话普及率低于70%的情况。对此，广西积极开展“六个一”系列行动：组织一期推普公益课程、开展一次主题文化下乡活动、发放一套普通话培训教材、策划一次推普脱贫攻坚主题宣传、开展一次扶贫帮扶调研、搭建一个推普网络平台。

2. 理论意义

本文的理论意义归纳如下：第一，本文从在线交互视角展开研究，区分了用户、企业专家、同伴之间的在线交互形式，提出并论证了四类交互形式对用户创意质量的正面效应。现有文献主要关注用户经验和创意特征对用户创意质量的影响效应，本文从在线交互视角展开研究，将研究界限从静态特征拓展至在线交互因素，丰富了用户创意质量影响因素研究。第二，本文比较企业专家和同伴对用户创意质量的相对影响效应，提出并验证了企业专家参与的在线交互对用户创意质量具有较强的影响效应，加深了学界和业界对企业专家关键效应的理解。第三，本文定义专业性成功经验概念，提出并验证了专业性成功经验对在线交互与用户创意质量关联的调节作用，弥补了现有文献未能探讨用户经验、创意特征、在线交互三方面因素交互效应的缺失，为企业专家与同伴针对不同用户采取差异化的在线交互策略提供了理论依据与实践建议。

3. 实践意义

本文提出如下建议：第一，COI社区推行企业专家参与制，要求企业专家直接参与问题讨论，解答用户的疑惑并发表专业性的改进建议，以此作为企业专家职级晋升、绩效考核、薪酬待遇的参考标准。第二，COI社区推行用户负责制，鼓励用户持续关注自己提交的创意，积极与企业专家或同伴就创意内容进行讨论，以此作为用户获取论坛积分、勋章、身份晋级的依据。第三，COI社区推行创意讨论积分制，对参与他人创意讨论并做出贡献的用户给予积分奖励，鼓励用户与同伴之间双向交互。第四，COI社区以“荣誉勋章”方式区别无专业性成功经验的用户和有专业性成功经验的用户，针对不同用户采取有所侧重的交互策略。例如，鼓励无专业性成功经验的用户直接参与交互；鼓励企业专家和同伴积极参与用户创意讨论，为有专业性成功经验的用户营造积极的、支持性的创新氛围。

4. 研究局限与未来建议

本文严格遵照相关规范进行研究设计，力求以客观的科学方法验证研究模型与假设。但是，仍然存在一些局限性，具体分析如下：第一，本文以MIUI手机操作系统这一IT产品为研究样本，未能广泛采纳其他产品领域的COI社区和创意样本。第二，本文选取荣誉开发组用户为研究样本，样本广泛性有限。第三，本文未能考虑某些无法观测的市场因素对用户创意质量的影响效应。例如小米手机产品的销售量、其他品牌手机与操作系统的竞争等。

作为本次争霸赛中的优胜者，“梨王”司明海和“葡萄王”张淑华无疑成为了现场的主角。在羡慕的同时，场下的果农纷纷向“双王”取经，想要学习一下他们的种植经验。司明海和张淑华也不藏私，现场就开讲了。他俩一致认为，种植其实没什么秘密，只需细心肯干，多向专家请教，按照科学的管理方式进行田间管理，种出来的果子就不会差。最重要的是，肥水管理必须要做好。首先，选肥一定得精挑细选，不能盲目，也不能贪图便宜。其次，用肥要科学合理，不能一味多用。“我们用的都是根力多的肥料，用完之后，果树长势旺，叶片浓绿且厚，果子不仅个头大，看着好看，口感也非常出众，这或许就是我们获胜的秘诀吧。”他俩笑着说。

本文为未来研究的发展方向提出如下建议：第一，建议未来研究细化创意质量维度，探讨在线交互对创意新颖性、商业价值、可实施性的影响效应。第二，建议未来研究采用内容分析法，深入挖掘用户、企业专家、同伴之间交互引发的信息共享内容，探讨不同信息内容对用户创意质量的影响效应。第三，建议未来研究结合主客观数据，探讨个体基本需求与内在动机对在线交互与用户创意质量关系的中介效应。

参考文献

[1] Lusch, R. F., Vargo, S. L.. Service-Dominant Logic: Reactions,Ref l ections and Ref i nements. Marketing Theory, 2006, 6(3): 281-288.

[2] 杨依依, 陈荣秋. 从封闭创新到开放创新——顾客角色、价值及管理对策. 科学学与科学技术管理, 2008, (3): 115-119.

[3] Howe, J.. Crowdsourcing: How the Power of the Crowd is Driving the Future of Business. Random House, 2008.

[4] Liu, Q., Zhao, X., Sun, B.. Value Co-creation Mechanism of Enterprises and Users under Crowdsourcing-based Open Innovation. International Journal of Crowd Science, Forthcoming.

[5] Chanal, V., Caron-Fasan, M.. The Diff i culties Involved in Developing Business Models Open to Innovation Communities: The Case of a Crowdsourcing Platform. Management, 2010, 13(4):318-340.

[6] Djelassi, S., Decoopman, I.. Customers` Participation in Product Development through Crowdsourcing: Issues and Implications.Industrial Marketing Management, 2013, 42(5): 683-692.

[7] Bayus, B. L.. Crowdsourcing New Product Ideas Over Time: An Analysis of the Dell IdeaStorm Community. Management Science, 2013, 59(1): 226-244.

[8] Li ,M., Kankanhalli, A., Kim, S. H.. Which Ideas Are More Likely to Be Implemented in online User Innovation Communities? An Empirical Analysis. Decision Support Systems, 2016,(84): 28-40.

[9] Di Gangi, P. M., Wasko, M.. Steal My Idea! Organizational Adoption of User Innovations from a User Innovation Community: A Case Atudy of Dell IdeaStorm. Decision Support Systems,2009, 48(1): 303-312.

[10] Zhou, J.. Feedback Valence, Feedback Style, Task Autonomy,and Achievement Orientation: Interactive Effects on Creative Performance. Journal of Applied Psychology, 1998, 83(2): 261-276.

[11] Di Gangi, P. M., Wasko, M. M., Hooker, R. E.. Getting Customers` Ideas to Work for You: Learning from Dell how to Succeed with Online User Innovation Communities. MIS Quarterly EXECUTIVE, 2010, 9(4): 213-228.

[12] Huang, Y., Singh, P. V., Srinivasan, K.. Crowdsourcing New Product Ideas Under Consumer Learning. Management Science,2014, 60(9): 2138-2159.

[13] Schlagwein, D., Andersen, N. B.. Organizational Learning with Crowdsourcing: The Relvlatory Case of LEGO. Journal of the Association for Information, 2014, 15(11): 754-778.

[14] Jung, J. H., Schneider, C., Valacich, J.. Enhancing the Motivational Affordance of Information Systems: The Effects of Real-time Performance Feedback and Goal Setting in Group Collaboration Environment. Management Science, 2010, 56(4): 724-742.

[15] Huang, Y., Singh, P. V., Srinivasan, K.. Crowdsourcing “Blockbuster” Ideas: A Dynamic Structural Model of Ideation. ICIS 2011 Proceedings, 2011.

[16] Hossain, M., Islam, K. M. Z.. Ideation through Online Open Innovation Platform: Dell IdeaStorm. Journal of the Knowledge Economy, 2015, 6(3): 611-624.

[17] Hossain, M., Islam, K. M. Z.. Generating Ideas on Online Platforms: A Case Study of “My Starbucks Idea”. Arab Economic and Business Journal, 2015, 10(2): 102-111.

[18] 陈光普．网络创新社区中顾客参与对新产品创意产出影响研究.浙江理工大学毕业论文, 2015．

[19] Zheng, H., Xie, Z., Hou, W.. Antecedents of Solution Quality in Crowdsourcing: The Sponsor`s Perspective. Journal of Electronic Commerce Research, 2014, 15(3): 212-224.

[20] Shalley, C. E.. Effects of Productivity Goals, Creativity Goals,and Personal Discretion on Individual Creativity. Journal of Applied Psychology, 1991, (76): 179-185.

[21] Zhou ,J.. When the Presence of Creative Coworkers Is Related to Creativity: Role of Supervisor Close Monitoring, Developmental Feedback, and Creative Personality. Journal of Applied Psychology, 2003, 88(3): 413-422.

[22] Bandura, A.. Soical Foundations of Thought and Action: A Soical Cognitive Theory. NJ: Prentice-Hall: Englewood Cliffs,1986.

[23] Amabile, T. M.. Creativity in Context. Boulder: Westview Press,1996.

[24] Hayes, J. R.. Cognitive Processes in Creativit//Handbook of Creativity. New York:Plenum Press: 1989: 135-145.

[25] Deci, E. L., Ryan, R. M.. Intrinsic Motivation and Self-determination in Human Behavior. New York: Plenum Press, 1985.

[26] Ntoumanis, N., Standage, M.. Motivation in Physical Education Classes: A Self Determination Theory Perspective. Journal of Sport and Exercise Psychology, 2009, 31(2): 189-210.

[27] Nukta, A., Haueis, M., Spitzer, M.. Designing Learning Environments in Assembly Lines Through Self-determination. Procedia-Social and Behavioral Sciences, 2011, (29): 752-757.

[28] Amabile, T. M.. Effects of External Evaluation on Artistic Creativity. Journal of Personality and Social Psychology, 1979, (37):221-233.

[29] Mcgraw, K. O., Fiala J.. Undermining the Zeigarnik Effect: Another Hidden Cost of Reward. Journal of Personality, 1982, (50):58-66.

[30] Pittman, T. S., Davey, M. E., Alafat, K. A.. Informational Versus Controlling Verbal Rewards. Personality and Social Psychology Bulletin, 1980, (6): 228-233.

[31] George, J. M., Jones, J. H., Zhou, J.. Dual Tuning in a Supportive Context: Joint Contributions of Positive Mood, Negative Mood,and Supervisory Behaviors to Employee Creativity. Academy of Management Journal, 2007, 50(3): 605-622.

[32] Shalley, C. E., Zhou, J., Oldham, G. R.. The Effects of Personal and Contextual Characteristics on Creativity: Where Should We Go from Here. Journal of Management, 2004, 30(6): 933-958.

[33] Franke, N., Von Hippeo, E. A., Schreier M.. Finding Commercially Attractive User Innovations: A Test of Lead-User Theory.Journal of Product Innovation Management, 2006, 23(4): 301-315.

[34] Hansen, M. T.. Threshold Effects in Non-dynamic Panels: Estimation, Testing, and Inference. Journal of Econometrics, 1999,93(2): 345-368.

[35] Nahapiet, J., Ghoshal, S.. Social Capital, Intellectual Capital, and the Organizational Advantag. Academy of Management Review,1998, 23(2): 242-266.

[36] Chua, C., Cao, L., Cousins, K.. Measuring Researcher-Production in Information Systems. Journal of the Association for Information Systems, 2002, (3): 145-215.

[37] Tsai, W.. Social Structure of “Coopetition” within a Multiunit Organization: Coordinat. Organization Science, 2002, 13(2):179-190.

[38] Hackman, J. R., Morris, C. G.. Group Tasks, Group Interaction Process, and Group Performance Effectivness: A Review and Proposed Integration. Advances in Experimental Social Psychology, 1975, (8): 45-99.

[39] Tierney, P., Farmer, S. M., Graen, G. B.. An Examination of Leadership and Employee Creativity: The Relevance of Traits and Relationships. Personnel Psychology, 1999, 52(3): 591-620.

[40] Van Dyne, L., Jehn, K. A., Cummings, A.. Differential Effects of Strain on Two Forms of Work Performance: Individual Employee Sales and Creativity. Journal of Organizational Behavior,2002, 23(1): 57-74.

[41] Shalley, C. E., Oldham, G. R.. Competition and Creative Performance: Effects of Competitor Presence and Visibility. Creativity Research Journal, 1997, 10(4): 337-345.

[42] Perry-Smith, J. E.. Social yet Creative: The Role of Social Relationships in Facilitating Individual Creativity. Academy of Management Journal, 2006, 49(1): 85-101.

[43] Hirst, G., Van Knippenberg D., Zhou J.. A Cross-level Perspective on Employee Creativity: Goal Orientation, Team Learning Behavior, and Individual Creativity. Academy of Management Journal, 2009, 52(2): 280-293.

[44] Yang, J., Rui, M.. Turning Knowledge into New Product Creativity: An Empirical Study. Industrial Management & Data Systems, 2009, 109(9): 1197-1210.

[45] 顾远东, 彭纪生. 组织创新氛围对员工创新行为的影响: 创新自我效能感的中介作用. 南开管理评论, 2010, 13(1): 30-41.

[46] 顾远东, 周文莉, 彭纪生. 组织创新支持感对员工创新行为的影响机制研究. 管理学报, 2014, (4): 548-554.

[47] Shalley, C. E., Gilson, L. L.. What Leaders Need to Know: A Review of Social and Contextual Factors That Can Foster or Hinder Creativity. The Leadership Quarterly, 2004, 15(1): 33-53.

[48] Scott ,S. G., Bruce, R. A.. Determinants of Innovative Behavior:A Path Model of Individual Innovation in the Workplace. The Academy of Management Journal, 1994, 37(3): 580-607.

[49] Munoz-Doyague, M. F., Nieto, M.. Individual and Contextual Predictors of Creative Performance: The Mediating Role of Psychological Processes. Industrial Management & Data Systems,2011, 112(1): 125-145.

[50] Zhou, J., Hoever, I. J.. Research on Workplace Creativity: A Review and Redirection. The Annual Review of Organizational Psychology and Organizational Behavior, 2014, (1): 333-359.

[51] Andrews, F. M., Farris, G. F.. Supervisory Practices and Innovation in Scientif i c Teams. Personnel Psychology, 1967, 20(4): 497-515.

[52] Shin, S. J., Zhou, J.. Transformational Leadership, Conservation,and Creativity: Evidence from Korea. Academy of Management Journal, 2003, 46(6): 703-714.

[53] Seers, A.. Team-Member Exchage Quality: A New Construct for Role-making Research. Organizational Behavior & Human Decision Processes, 1989, 43(1): 118-135.

[54] Smith, S. M., Ward, T. B., Schumacher, J. S.. Constraining Effects of Examples in a Creative Generation Task. Memory &Cognition, 1993, 21(6): 837-845.

[55] Marsh, R. L., Landau, J. D., Hicks, J. L.. How Examples May (and May not) Constrain Creativity. Memory and Cognition, 1996,24(3): 669-680.

[56] Maier, N. R. F.. Reasoning in Humans. Journal of Comparative Psychology, 1931, 12(2): 181-194.

[57] Duncker, K., Lees, L. S.. On Problem Solving. Psychological Monographs, 1945, 58(5): 1-110.

[58] Birch, H. G., Rabinowitz, H. S.. The Negative Effect of Previous Experience on Productive Thinking. Journal of Experimental Psychology, 1951, 41(2): 121-125.

[59] 百科．小米公司[EB/OL]．http://baike.so.com/doc/4123629-4323073.html．

[60] MIUI. 功能建议和 Buglist[EB/OL]．http://www.miui.com/gid-19.html．

[61] Krippendorff, K.. Content Analysis. International Encyclopedia of Communication, 1989, (1): 403-407.

[62] Landis, J. R., Koch, G. G.. The Measurement of Observer Agreement for Categorical Data. Biometrics, 1977: 159-174.

[63] Pavlou, P. A., Dimoka, A.. The Nature and Role of Feedback Text Comments in Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation. Information Systems Research, 2006, 17(4): 392-414.

[64] Abrahams, A. S., Jiao, J., Fan, W.. What`s Buzzing in the Blizzard of Buzz? Automotive Component Isolation in Social Media Postings. Decision Support Systems, 2013, 55(4): 871-882.

[65] Levitt, E. E.. Psychotherapy with Children: A Further Evaluation. Behaviour Research and Therapy, 1963, 1(1): 45-51.

[66] Li, X., Hsieh, J. J. P., Rai, A.. Motivation Differences Across Post-acceptance Information System Usage Behaviors: An Investigation in the Business Intelligence Systems Context. Information Systems Research, 2013, 24(3): 659-682.

[67] Hsieh, J. J. P., Rai, A., Keil, M.. Understandings Digital Inequality: Comparing Continued Use Behavioral Models of the Socio-Economically Advantaged and Disadvantaged. MIS Quarterly, 2008, 32(1): 97-126.

注释

① 数据收集工作从2015年4月15日开始， 2015年新注册的用户很难在3至4个月内成功加入荣誉开发组。

② 本文对表10、表11所示的研究模型均进行了固定效应模型、随机效应模型及Hausman检验。结果表明，固定效应模型优于随机效应模型。为行文简洁，此处不再报告随机效应模型结果。