Knowledge Management Forum >

2024 , Vol. 9 >Issue 2: 120 - 132

DOI: https://doi.org/10.13266/j.issn.2095-5472.2024.010

Dimensions Division and Scale Development of Online Knowledge Community Trust

  • Zhao Xin ,
  • Wu Tingyu ,
  • Liu Ningzhi ,
  • Zhang Zhiguang
Expand
  • School of Economics and Management, Xi’an University of TechnologSchool of Economics and Management, Xi’an University of Technology Xi’an 710054

Received date: 2023-09-19

  Online published: 2025-04-28

Fold

Abstract

[Purpose/Significance] This paper aims to explore the concept of trust and its subdivision dimensions in the unique risk situations of online knowledge communities, develop a measurement scale of online knowledge community trust, and support empirical research on user behavior within knowledge-based communities.[Method/Process] Based on the concept of trust with high consensus, this paper defines the dimensions of online knowledge community trust based on the institutional factors of online community, aiming at three types of risks faced by users in the process of knowledge search, knowledge contribution, and knowledge discussion. Further, the existing domestic and foreign scales were critically modified, and 17 initial items were compiled. Through exploratory factor analysis and confirmatory factor analysis, the online knowledge community trust scale is composed of three dimensions, namely, search risk-oriented trust(including 5 items), contribution risk-oriented trust(including 4 items), and argument risk-oriented trust(including 3 items), was developed.[Result/Conclusion] The empirical test shows that the scale with satisfied reliability and validity, can predict knowledge searching and knowledge contribution well.

Key words： online knowledge community; search risk oriented trust; contribution risk oriented trust; argument risk oriented trust; scale

Cite this article

Zhao Xin , Wu Tingyu , Liu Ningzhi , Zhang Zhiguang . Dimensions Division and Scale Development of Online Knowledge Community Trust[J]. Knowledge Management Forum, 2024 , 9(2) : 120 -132 . DOI: 10.13266/j.issn.2095-5472.2024.010

在线知识社区（online knowledge community，OKC）为地理位置分散但志趣相投的用户进行知识分享与深度交流提供了全新平台，改变了传统的知识传播与知识创造模式[1]。综合性的在线知识社区有“知乎”“果壳”等，专业性的在线知识社区有“CSDN”“丁香园”“经管之家”等。
作为新兴知识源，知识型在线社区的存续与成功取决于社区成员的（持续）使用，即用户的知识分享与交互行为，而用户高频率、高质量的知识交互则取决于社区中的信任水平[2]。高水平信任发挥着胶水一样的作用，将来自五湖四海、素未谋面的专业人士、爱好者联系在一起。而当信任水平较低时，用户会怀疑OKC中存量知识的准确性，担心从此处获取的某些错误内容可能造成工作、学习上的损失；会怀疑向OKC贡献知识能否带来回报，担心在社区中分享知识浪费时间精力、给自己带来损失；会从自我保护的角度来解读他人对自己的质疑，将正常讨论视作争吵……，其搜寻、贡献、讨论等知识交互行为就会减少。
信任作为社科领域的经典问题得到众多学者关注。R. C. Mayer等将“愿意处于易受损害的状态”作为信任的本质[3]，D. M. Rousseau等追问“愿意接受可能损害”的原因，并将其概括为“积极预期”，从而将信任定义为：在面对风险和相互依赖情境中，基于有关他人意向和行为的积极预期而愿意接受自己有可能遭受伤害、损失的一种心理状态[4]。在此基础上，学者们探寻信任主体建立“积极预期”的基础，发现了信任的多维性，如信管领域学者C. C. Huang等、A. Usoro等考察知识型社区中的信任，分别提出基于经济、技术、管理、行为、情感的五维度信任[5]，以及基于正直、能力和仁慈的三维度信任[6]。然而，以往研究将信任概念从线下移植到线上，忽略了OKC的特有风险，未对OKC用户建立“积极预期”的原因进行考察，由此开发的量表难以精准测度OKC信任，亦限制了相关因果关系的实证研究。
鉴于此，笔者回顾并分析OKC信任研究中存在的问题，从用户在线知识交流时面对的种种风险出发，援引OKC中的制度性因素作为用户积极预期的基础，考察知识型在线社区信任及其维度；按照T. R. Hinkin的量表开发教程以及J. Farh等在中国管理情境下开发量表的方法[7-8]，编制OKC信任测量量表，以期扫除OKC信任的理论盲区，为后续实证研究提供有效测量工具。

1 文献回顾/Literature review

与线下信任可依存血缘、地缘、业缘等不同，在线知识社区内的用户来自五湖四海，采用非面对面的沟通方式，社区以自组织为特点，缺乏传统组织的正式架构和金钱激励，这些都难以确保用户行为合乎彼此期望。换言之，在OKC中建立信任似乎异常困难，M. L. Wasko等建议不要在在线社区知识共享研究中使用信任这一概念[9]；但多数学者仍然从组织管理文献中借鉴成熟概念与维度，对知识型在线社区信任展开实证研究。
早期研究者将在线社区中的信任视为单一维度的概念，如J. Zheng提出可通过在线聊天提升用户间的信任水平[10]；C. M. Chiu等将信任作为关系资本纳入知识共享前因研究[11]。在这些研究中，信任的测量题项几乎原意重复了信任的本质即“愿意接受可能的损害”或者“有积极预期”，并笼统地指向在线知识交流中可能存在的所有风险。
随着研究深入，学者逐步认识到信任的复杂性，有关信任多维度划分与测量的研究可大致归为如下3类：
（1）将OKC中的信任视作一个发展过程，以信任发展阶段为标准划分维度。M. H. Hsu等实证检验了在线社区用户从基于计算的信任、到基于熟悉的信任最终发展为基于认同的信任并促进知识共享的过程机理[12]；K. F. Hashim等指出不同维度的信任出现在不同的时间阶段，基于经济的信任或基于信息的信任产生于用户进入在线社区的初期，影响着用户持续使用意愿，而基于认同的信任产生于用户持续使用的过程中，影响着知识贡献的意愿[13]；S. M. Chen等基于信念—态度—行为意图的分析框架，指出在线社区用户的认知信任逐渐转变为情感信任，最终促进知识分享意愿产生[14]；A. V. Prakash等基于扎根理论方法提出倾向于信任的个性会发展成为对新技术的初步信任[15]。
尽管采用不同的名词来划分阶段，但研究者均认识到信任的阶段性发展与OKC用户间的交互次数、交互时长有密切关系。在初次或一次性交互中，OKC用户站在被信任者角度计算利益得失，预期被信任者会采取对自己有利的行为；在持续性交互中，OKC用户多次承担风险、被信任者亦多次实现预期，双方会投入更多资源、扩大交互范围；进一步，随着交往的持续，OKC用户会共享彼此的关切，用“我们”替代“他们”这个称呼，产生心理认同，愿意承担各种可能的短期损失。按照发展阶段来识别信任维度，属于中观（meso）研究思路[4]，若将不同学科对信任的研究视作一栋大厦的话，学者们应乘坐电梯，更多地关注“走廊”而非“角落”，以便为不同领域的信任研究提供普适性的概念或理论基础；然而，按照发展阶段来识别信任维度恰与OKC信任研究的初衷相悖，OKC信任研究应更多地关注在线知识社区这一“角落”的特殊情景与特有风险。
（2）突出被信任者，以被信任者的个人特质作为信任维度划分的标准。A. Usoro等将信任分为基于正直的信任、基于能力的信任和基于仁慈的信任[6]；M. Lin等认为在线社区成员在知识共享过程中所展现的能力、善意、可靠性等品质构成了在线信任的基础[16]；迟铭等强调对社区成员诚信、可靠等个人品质的信任影响着知识共享行为[17]。
在没有充分讨论适用性的情况下，不少学者将线下的、基于被信任者个人品质的信任维度移植到在线社区信任研究中。若社区中的人是言行一致的，OKC用户就能对其行为作出合理预期；若社区中的人是有能力的，OKC用户预期在交流中能够进行学习；若社区中的人是仁慈的，OKC用户预期自己的利益会得到照顾。基于对被信任者个人品质的认识，OKC用户产生积极预期即信任。然而，问题的关键在于：线下可以较容易地识别彼此的人格特质，而线上则非常困难。在线下情境中，人们可以通过面对面交流中对微表情和肢体语言的观察、人际关系网络中的“中间人”等多种有效途径对他人的人格特质作出评判。伴随着从线下、相对封闭、面向熟识个体的环境向线上、相对开放、面向陌生用户的环境转变，人们很难清晰识别某人的个人品质。基于在线社区用户个人品质的信任维度划分，无视线上线下差别，将OKC用户产生积极预期的基础错误地锚定在识别陌生人人格特质之上。
（3）区分被信任方的不同层级，按照普通用户、社区管理者、在线社区/网络平台来划分信任维度。Y. H. Fang等将信任分为对社区成员的信任和对社区管理者的信任两个层面，探讨了在线社区信任的前因与后果[18]；田馨滦等将感知信任分为用户信赖和平台信赖两个维度，采用扎根理论方法与解释结构模型考察信任对隐私疲劳的影响[19]；李欣儒等将信任分为供需双方对平台的信任、供需双方之间的信任、需方对共享产品的信任等多个层面[20]；金燕等进一步探讨了不同层面间的信任转移问题[21]。
上述研究将信任锚定在具体人物上，未能抓住在线知识社区信任维度划分的本质。在C. Su等对朋友间通过社交媒体进行商业交换的研究中，针对同一个信任对象即作为卖家的朋友提出两种信任概念：对朋友的信任、对卖家的信任[22]。作为朋友，诚实、可靠、信守承诺就是可以信赖的，而作为卖家，则要熟悉商品、能从顾客角度考虑问题才是值得信赖的。与C. Su的观点相似，知识型在线社区中的同一用户会不断变换角色，在知识搜寻、知识贡献、知识讨论情景中面对着不同风险，自然需要不同的信任维度。
综上所述，笔者认为OKC中信任的维度划分，不宜采用普适性的信任发展阶段作为标准；不宜将线下基于个人品质的研究简单移植到线上；不宜将信任直接锚定在具体对象之上，而应面向OKC不同知识交互情景中的风险、结合有助于OKC用户建立积极预期的制度因素，来划分OKC信任维度。

2 在线知识社区信任的维度划分与初始量表构建/Dimension division and initial scale construction of online knowledge community trust

在具体情境中界定信任维度，要符合R. C. Mayer有关信任本质的阐述，即“愿意处于易受损害的状态”“有着积极的心理预期”，更要遵循D. M. Rousseau有关信任的定义，说明情境中的风险前提，说明产生积极预期的基础或原因。
OKC中存在诸多不确定性，用户面临着如下风险：①OKC中存量知识准确与否是不确定的，用户担心从此处获取的知识含有某些错误内容，造成工作、学习上的损失，即OKC用户在知识搜寻时面临风险[23,24]；②在OKC中进行知识分享后能否获得回报是不确定的，用户担心自己花费时间精力、向竞争对手输送知识会造成损失，即OKC用户在知识贡献时面临风险[1,25]；③OKC中众多用户讨论发言、相互交锋，参与者容易将正常争论视作争吵甚至攻击，即OKC用户在交流讨论时面临风险[26]。
OKC中存在着诸多制度性因素，是用户产生积极预期的重要基础。L. G. Zucker提出制度信任，强调结构化的流程与保障措施使人产生信赖[27]；D. H. Mcknight等指出，制度不仅限于威慑还应包含结构保证与情景规范两个方面[28]。在线知识社区中存在着对虚假信息发布者的惩罚制度、大众对数据信息知识的检验与评价机制、给分享者点赞打赏的声誉奖励机制、用户间“人人为我、我为人人”的互惠规范、议事规则等制度性因素[29]。
D. M. Rousseau等指出，风险是信任出现的前提，信任以对抗风险作为归宿。基于此，笔者将从OKC中用户进行知识交流与知识创造的3类行为即知识搜寻、知识贡献、知识讨论所面临的风险入手考察OKC信任的维度[29]。D. M. Rousseau等还指出，与冲突、合作相关的法律法规、社会网络、社会规范等均属于制度性因素。基于此，笔者将针对不同风险，挖掘OKC中的制度因素，夯实OKC用户产生积极预期的基础。

2.1 面向搜寻风险的信任

OKC用户在知识搜寻过程中面临着风险。研究发现，由于在线知识社区不设准入门槛，对用户身份无特别要求，专业人士、初学者、爱好者均可在社区中分享数据、信息，这可能导致社区内出现冗余甚至是错误信息，搜寻者需要进行多次搜索迭代，耗费大量时间精力进行筛查搜寻[23]；对于多数搜寻者而言他们尚不具备有效辨别数据、信息真伪性与适用性的能力，很有可能误用知识，给工作学习带来损失[24]。
针对上述风险，知识型在线社区有大众评价机制以及官方的惩罚、奖励措施。知识型在线社区的用户，可以根据自己对帖子内容的评判，给予点赞、喜欢或进行收藏、打赏等操作。在线社区管理者会对明显有误的内容进行删除、折叠，对故意提供错误数据或信息的ID实施禁言、封号处理；在线社区管理者亦会对高质量帖子做置顶、标题加亮处理，对提供高质量内容的ID进行奖励。
综上，笔者提出面向搜寻风险的信任维度，指知识搜寻时OKC用户愿意承担可能产生的、因误信、误用数据信息而带来的损失；OKC用户之所以对搜寻结果有良好预期是基于OKC中存在的知识筛查机制。
回顾前人研究中的信任量表。M. H. Hsu等编制了3个题项的测量量表，从能够获得特别信息、花费较少时间、花费较少成本3个方面阐述了OKC用户的积极预期[12]。S. Chai等提出对检索工具的信任，分别从节约时间、节约成本两个方面构建题项，若用户预期使用在线平台的搜索工具可以快速查找到可信度高、相关度高的信息，则会产生信任感[30]。M. H. Hsu等编制了3个题项：①虚拟社区的成员可以帮助我学到新的东西；②虚拟社区的成员可以帮助我学到新的技术；③虚拟社区的成员可以帮助我产生创新性想法[31]。绝大多数题项指出面对搜寻风险时，信任主体即OKC用户的积极预期，但并未说明建立信任、产生积极预期的基础。
鉴于此，笔者以“对知识搜寻结果有积极预期”为句子主干，补充OKC中的若干常见知识筛选机制作为信任建立、积极预期产生的基础，从而构建测量题项。OKC用户在面对搜寻风险时，其预期主要集中在能否搜寻到所需数据信息以及是否耗费大量时间这两方面；而OKC用户产生积极预期的基础则涉及在线社区中的大众评价机制、社区奖惩机制、帖子排序推送机制等。例如M. H. Hsu编制的题项“加入社区后我可以在搜寻信息方面节约时间”，仅表明OKC用户的积极预期而没有说明用户产生积极预期的原因。因此，笔者将“在线社区对低质量内容进行折叠删除”这一原因作为补充，编制题项“我预期可以快速查找到所需知识，是因为社区会将低质量内容进行折叠或删除”。其余题项如表1所示：
表1 OKC信任量表的初始题项

Table 1 Initial items of online knowledge community trust scale

代码 维度 初始题项 校正后的题项与总体相关性
TS1 面向搜寻风险的信任 我预期可以找到其他地方没有的数据或信息，是因为社区会奖励发布高质量内容的用户。 0.599
TS2 我预期可以快速查找到所需知识，是因为社区会将低质量内容进行折叠或删除。 0.669
TS3 我预期可以找到自己工作或学习所需要的数据/信息/知识，是因为社区会鼓励用户分享高质量内容。 0.604
TS4 我预期在社区中可以获得知识、提升能力，是因为社区会鼓励用户分享。 0.561
TS5 我预期在社区中搜寻知识很高效，“性价比”高，是因为社区有知识筛查与推介机制。 0.646
TC1 面向贡献风险的信任 我预期在社区中付出和回报是成正比的，是因为“只索取不回报”的用户会面对社区舆论压力。 0.606
TC2 我预期从社区中得到的帮助与我给予其他用户的帮助是相当的，是因为社区中有‘人人为我、我为人人’的互惠规范。 0.506
TC3 我预期贡献知识会得到好处，是因为其他用户的点赞会让我赢得专业声誉。 0.646
TC4 我预期在社区分享高质量数据/信息/知识会得到回报，是因为社区会为我颁发奖章、提高我的声望。 0.611
TC5 我预期在社区中获取和分享知识所花费的时间和精力是相当的，是因为社区中有互惠机制。 0.601
TC6 我预期在社区用户会真诚交流，关心彼此的需求和难处，是因为社区中有‘人人为我、我为人人’的互惠规范。 0.532
TC7 我预期在社区中，绝大多数用户会竭尽所能地相互关心、互相帮助，因为不遵守这一规范会感到压力。 0.585
TD1 面向讨论风险的信任 我预期用户间的争议、冲突会得到妥善处理，是因为社区根据实际情况制定了管理规则。 0.472
TD2 我预期社区中的争议、冲突会得到有效监管，是因为所有用户都能自由表达对社区管理的意见。 0.463
TD3 我预期发生在社区用户间的冲突会很快得到解决，是因为社会的管理规则是一视同仁的。 0.531
TD4 我预期社区管理人员会秉公处理问题，是因为每个用户都可以对社区管理提出异议。 0.527
TD5 我预期社区中的争议、冲突都能够有效解决，是因为社区的规则是公平公正的。 0.644

2.2 面向贡献风险的信任

OKC用户在知识贡献的过程中面临着风险。研究表明，在线分享知识需要从知识接收者的视角对内容进行重新编码，此过程有可能耗费贡献者的大量时间精力[1]；进一步，因使用者水平有限而误用知识，贡献者还有可能遭到嘲讽，导致个人声誉受损[25]；P. H. Gray等发现在线分享内容可被竞争对手轻易获取，贡献者可能丧失知识权力（loss of knowledge power）[32]、丧失专业领域中的独特优势。
针对上述风险，在线社区内存在着互惠规范、声誉机制。在线社区用户普遍认同“人人为我，我为人人”的互惠规范，社区内“只索取不回报”用户往往会遇到一定的社会舆论压力。在线社区的运营管理者还设计了各种声誉奖励机制，如用户等级、勋章等，对积极贡献知识的用户进行奖励；在社区首页推送知识贡献者及其发布的内容，以提升知识贡献者的专业声誉，支持知识贡献者借助社区平台提供有偿服务等。
综上，笔者提出面向贡献风险的信任维度，指知识贡献时OKC用户愿意承担可能产生的编码成本、知识优势丧失风险；OKC用户之所以愿意是因为预期未来会得到某种形式的回报，而这一预期的基础是OKC中存在的互惠规范与声誉机制。
回顾前人研究中的信任量表。M. H. Hsu等从互助角度提出题项有：如果我向其他用户分享我的困难，我认为他们会给予关心并有效回应；我认为社区中大部分的用户都会尽自己所能帮助他人[12]。Y. H. Fang等从公平角度编制4个题项：①我认为我得到的与我给予他人的帮助相当的；②我认为我得到的与我回答他人问题的积极性是相当的；③我认为我得到的与我回答他人问题的速度是相当的；④我认为我得到的与我在社区中分享知识所花费的时间精力是相当的[18]。陈星等提出的量表则强调社区成员预期在心理、健康等方面相互关心、支持[33]。绝大多数题项指出面对贡献风险时，信任主体即OKC用户的积极预期，但并未说明建立这种积极预期的基础。
鉴于此，笔者以“对未来回报有积极预期”为句子主干，补充OKC中的互惠规范、声誉机制作为信任建立、积极预期产生的基础，从而构建测量题项。OKC用户在知识贡献时的主要风险是时间精力损失、知识优势丧失，其预期主要集中在未来能否得到相应回报、能否获得其他收益这两方面；而OKC用户产生积极预期的基础则涉及在线社区中的互惠规范、声誉机制等。例如Y. H. Fang编制的题项“我认为我在Java社区中得到的帮助与我给予他人的帮助是相当的”，仅明确了OKC用户的积极预期而没有说明用户产生积极预期的原因。因此，笔者将“社区中存在‘人人为我、我为人人’的互惠规范”这一原因作为补充，编制题项“我预期从社区中得到的帮助与我给予其他用户的帮助是相当的，是因为社区中有‘人人为我、我为人人’的互惠规范”。其余题项详见表1。

2.3 面向讨论风险的信任

OKC用户在知识交流讨论的过程中面临着风险。研究表明，与实时的面对面沟通相比，文字、图片、视频所传递信息的丰富度有限[34]。在线知识社区中，用户无法借助肢体语言、声音声调等表达信息，有些时候，难以分辨某句话是人身攻击还是理性质疑，是争吵还是争论，容易导致OKC用户间的误解与冲突[26]。
针对上述风险，在线社区内存在着管理者的监管活动、社区管理规则。在线社区中有管理员、版主，对知识交流活动进行监管，处理用户之间的争议和矛盾。在线社区中有关于发帖、讨论的规则，鼓励理性发言、禁止人身攻击，违规者将受到禁言甚至封ID的处罚。
综上，笔者提出面向讨论风险的信任维度，指交流讨论时OKC用户愿意承担可能产生的、被误解、被攻击的风险；OKC用户之所以愿意是因为预期争议和冲突会得到很好的解决，而这一预期的基础是OKC中存在的监管活动和管理规则。
回顾前人研究中的信任量表。A. Ardichvili等提出社区的成文制度、不成文规范以及管理者的活动可以将“跑题”讨论引回正轨[35]。J. J. Wu等从社区监管方面编制题项：社区监管能够解决用户间的矛盾与冲突；社区监管能够维持社区的秩序[36]。Y. H. Fang等从管理程序角度考察信任，量表涉及4个题项：①在社区中，所有决策会无差别地应用于所有成员；②社区内成员能够对社区决策表达意见；③社区成员都可以对社区程序做出的决策上诉；④社区内的决策程序建立在正确的信息基础之上[18]。几乎所有的题项都指出在线社区存在的制度性因素，即OKC用户产生积极预期的原因，题项并未说明在线社区讨论中存在的风险以及用户的预期。
鉴于此，笔者以“预期争议和冲突能得到有效解决”为句子主干，将OKC用户的积极预期与OKC中的监管活动、规则程序等制度性因素结合起来构建测量题项。OKC用户在知识讨论时的主要风险是被误解、被攻击，其预期主要集中误解、争议、冲突能否得到有效化解；而OKC用户产生积极预期的基础则涉及在线社区中的监管机制与监管活动。例如Y. H. Fang编制的题项“Java社区的管理程序对待每一个成员都是一致的”，该题项说明在线社区存在的管理规则，但没有说明讨论交流中存在的特有风险，没有说明OKC用户的积极预期是什么。因此，笔者补充了“我预期发生在社区用户间的冲突会很快得到解决”，编制题项“我预期发生在社区用户间的冲突会很快得到解决，是因为社会的管理规则是一视同仁的”。其余题项见表1。

3 实证分析/Empirical analysis

笔者采用问卷法收集数据，运用SPSS与AMOS软件进行数据处理，按照T. R. Hinkin的量表开发教程[7]，依次进行探索性因子分析（exploratory factor analysis，EFA）、验证性因子分析（confirmatory factor analysis，CFA）、量表的信效度检验。

3.1 样本

为增强研究的外部效度，本研究面向计算机、医学、经管等多个领域的在线知识社区用户开展问卷调查。被调查者的教育程度均为研究生及以上学历，是相关领域的专业人士，在知识型在线社区中进行知识搜寻、知识贡献、交流讨论等活动，是社区的主要用户。本研究共回收问卷338份，删除问卷大面积空缺、多个题目均为同一选项的无效问卷后，得到有效问卷332份，有效率为98.2%，描述性统计结果如表2所示：
表2 样本描述性统计

Table 2 Sample descriptive statistics

样本特征 分类 频数 比率/%
性别 男 208 62.0
女 124 38.0
年龄 20—35岁 280 84.3
36—45岁 40 12.1
46岁及以上 12 3.6
网龄 10—20年 272 82.0
20年以上 60 18.0
社区经验 10年及以内 282 85.0
10年以上 50 15.0
基于折半法检测量表信度的思想[37,38]，笔者将样本数据随机分为两组，第一组166份数据用于探索性因子分析，第二组166份数据用于验证性因子分析。独立样本T检验结果显示，两组数据在性别（T=-0.542，p=0.588>0.05）、年龄（T=-0.15，p=0.881>0.05）、网龄（T=0.29，p=0.772>0.05）、在线社区经验（T=-0.286，p=0.775>0.05）方面均不存在显著差异，可将两组数据视为来自同一总体的随机样本。

3.2 探索性因子分析

笔者以表1所示OKC信任量表17个初始题项为基础，计算每个题项在所属维度上的总计相关性（corrected item total correlation，CITC），按照B. Yoo等的建议，若CITC系数小于0.5应当予以剔除[39]。结果发现，面向讨论风险的题项TD1、TD2总计相关性值小于0.5，因此，删除TD1、TD2这2个题项。
进行KMO检验和Bartlett球形检验，结果显示，15个题项的KMO值为0.839>0.8，Bartlett球形检验p<0.001，表明量表题项间具有相关性、存在公共因素，适合进行因子分析。
笔者选择主成分因子分析法、最大方差旋转法进行分析，共提取3个因子，删除旋转后因子载荷小于0.6或者在两个及两个以上因子载荷值大于0.4的题项TC5、TC7，最终3个因子累积解释率为62.92%，每个题项的载荷均在0.6以上，表3为探索性因子分析结果。由表3可知，因子1包含5个题项，主要涉及面向知识搜寻风险的信任；因子2包含5个题项，主要涉及面向知识贡献风险的信任；因子3包含3个题项，主要涉及面向知识讨论风险的信任。
表3 探索性因子分析结果

Table 3 Results of exploratory factor analysis

代码 题项 成分
1 2 3
TS3 我预期可以找到自己工作或学习所需要的数据/信息/知识，是因为社区会鼓励用户分享高质量内容。 0.818
TS2 我预期可以快速查找到所需知识，是因为社区会将低质量内容进行折叠或删除。 0.805
TS5 我预期在社区中搜寻知识很高效，“性价比”高，是因为社区有知识筛查与推介机制 0.726
TS1 我预期可以找到其他地方没有的数据或信息，是因为社区会奖励发布高质量内容的用户。 0.700
TS4 我预期在社区中可以获得知识、提升能力，是因为社区会鼓励用户分享。 0.685
TC3 我预期贡献知识会得到好处，是因为其他用户的点赞会让我赢得专业声誉。 0.825
TC4 我预期在社区分享高质量数据/信息/知识会得到回报，是因为社区会为我颁发奖章、提高我的声望。 0.810
TC2 我预期从社区中得到的帮助与我给予其他用户的帮助是相当的，是因为社区中有‘人人为我、我为人人’的互惠规范。 0.736
TC1 我预期在社区中付出和回报是成正比的，是因为“只索取不回报”的用户会面对社区舆论压力。 0.607
TC6 我预期在社区用户会真诚交流，关心彼此的需求和难处，是因为社区中有‘人人为我、我为人人’的互惠规范。 0.607
TD3 我预期发生在社区用户间的冲突会很快得到解决，是因为社会的管理规则是一视同仁的。 0.817
TD5 我预期社区中的争议、冲突都能够有效解决，是因为社区的规则是公平公正的。 0.790
TD4 我预期社区管理人员会秉公处理问题，是因为每个用户都可以对社区管理提出异议。 0.768

3.3 验证性因子分析

基于吴明隆的建议[40]，RMSEA值应小于0.08，CMIN/DF应大于1小于3，其他绝对适配度指数（如GFI）应大于0.9，其他增值适配度指数（如NFI、IFI、TLI、CFI）应大于0.9。笔者基于修正建议调整模型，删减题项TC2，直到多项拟合度指标值达到理想状态，最终模型的CMIN/DF<3，RMSEA<0.08，GFI、IFI、TLI、CFI均大于0.9，拟合度优于原参照模型。如表4所示：
表4 验证性因子分析结果

Table 4 Results of confirmatory factor analysis

测量模型 CMIN CMIN/DF GFI NFI IFI TLI CFI RMSEA
3维度12题项 81.533 1.599 0.921 0.883 0.953 0.937 0.952 0.060
基于探索性与验证性因子分析结果，笔者提出三维度OKC信任测量量表，将3个因子依次命名为面向搜寻风险的信任、面向贡献风险的信任、面向讨论风险的信任，测量维度划分及题项如表5所示：
表5 OKC信任测量量表

Table 5 OKC trust measurement scale

因子 因子命名 题项 原始代码
F1 面向搜寻风险的信任 我预期可以找到自己工作或学习所需要的数据/信息/知识，是因为社区会鼓励用户分享高质量内容。 TS3
我预期可以快速查找到所需知识，是因为社区会将低质量内容进行折叠或删除。 TS2
我预期在社区中搜寻知识很高效，“性价比”高，是因为社区有知识筛查与推介机制。 TS5
我预期可以找到其他地方没有的数据或信息，是因为社区会奖励发布高质量内容的用户。 TS1
我预期在社区中可以获得知识、提升能力，是因为社区会鼓励用户分享。 TS4
F2 面向贡献风险的信任 我预期在社区分享高质量数据/信息/知识会得到回报，是因为社区会为我颁发奖章、提高我的声望。 TC4
我预期贡献知识会得到好处，是因为其他用户的点赞会让我赢得专业声誉。 TC3
我预期在社区中付出和回报是成正比的，是因为“只索取不回报”的用户会面对社区舆论压力。 TC1
我预期在社区用户会真诚交流，关心彼此的需求和难处，是因为社区中有“人人为我、我为人人”的互惠规范。 TC6
F3 面向讨论风险的信任 我预期发生在社区用户间的冲突会很快得到解决，是因为社会的管理规则是一视同仁的。 TD3
我预期社区中的争议、冲突都能够有效解决，是因为社区的规则是公平公正的。 TD5
我预期社区管理人员会秉公处理问题，是因为每个用户都可以对社区管理提出异议。 TD4

3.4 量表的信度与效度检验

OKC信任量表的信度检验包括内在一致性信度与建构信度。量表总的Cronbach’s α为0.874，面向搜寻风险的信任、面向贡献风险的信任、面向讨论风险的信任3个细分维度的Cronbach’s α分别为0.859、0.803、0.803，远大于标准值0.7，说明12个题项3维度的测量量表具有较高的内在一致性。量表各维度的建构信度（construct reliability，CR）均大于0.8，说明量表的建构信度良好。
OKC信任量表的效度检验包括内容效度、聚合效度与区分效度。笔者以学者公认的信任概念为基础，批判已有信任测量量表的不足，面向OKC中特有的搜寻风险、贡献风险、讨论风险编制题项，经4名研究人员讨论筛选后形成初始题项，确保了量表的内容效度。量表3个维度的平均方差抽取量（average variance extracted，AVE）分别为0.561、0.668、0.627均在0.5以上，表明量表的聚合效度较好。面向搜寻风险的信任、面向贡献风险的信任、面向讨论风险的信任三维度间的直接相关系数小于AVE的均方根，说明量表的区分效度良好。
表6 OKC信任量表的信度、效度检验

Table 6 The reliability and validity test of OKC trust scale

面向搜寻风险的信任 面向贡献风险的信任 面向讨论风险的信任
面向搜寻风险的信任 0.749
面向贡献风险的信任 0.593 0.720
面向讨论风险的信任 0.534 0.541 0.792
Cronbach's a值 0.859 0.803 0.803
建构信度 0.864 0.808 0.835
平均方差抽取量 0.561 0.668 0.627
注:对角线上的数字是各因子的AVE的均方根，对角线斜下方的数字是因子间的相关系数。
笔者选择知识搜寻行为、知识贡献行为和知识应用行为3个变量对OKC信任量表的预测效果进行检验。遵照C. J. Chen等的建议[41]，笔者采用行为频率作为知识搜寻行为、知识贡献行为的测量，并将其转化为7点李克特量表值；采用赵欣等编制的包含2个题项的量表对知识应用行为测量[42]。相关分析结果显示，面向搜寻风险的信任可以预测知识搜寻行为（β=0.416，p<0.01）、知识应用行为（β=0.324，p<0.01）；面向贡献风险的信任可以预测知识贡献行为（β=0.179，p<0.01）。

4 讨论与结论/Discussion and conclusion

与前人按照普适性的信任发展阶段来划分在线社区信任维度不同，本研究基于R. C. Mayer、D. M. Rousseau等有关信任的概念，结合知识型社区具体情景，从社区中的特有风险出发，将OKC信任划分为面向搜寻风险的信任、面向贡献风险的信任、面向讨论风险的信任3个维度，明确了OKC信任量表研究的出发点与落脚点，更加适用于OKC信任研究发展。
与前人将线下研究中基于个人品质的信任维度划分简单移植到在线社区不同，本研究在划分信任维度时充分考虑前人研究中忽略的制度性因素，如惩罚措施、用户评价机制、互惠规范、声誉机制、议事规则等。基于上述制度性因素，OKC用户产生了积极预期。这为在线社区运营管理者充分利用上述机制发展OKC信任提供了理论支持。
本研究在批判以往在线社区信任量表的基础上，编制了OKC信任初始题项，经过探索性因子分析、验证性因子分析以及信效度检验，开发了新的量表。其中，面向搜寻风险的信任含5个题项，从查找到所需信息、节约时间实现高效检索、提升能力等角度表达了用户的积极预期；面向贡献风险的信任含4个题项，从付出与回报相当、提升专业声誉等角度表达了用户的积极预期；面向讨论风险的信任含3个题项，从用户间争议、冲突得到有效解决等角度表达了用户的积极预期。统计分析结果显示，OKC信任量表有良好的信效度。

赵 欣：研究设计、问卷设计、论文修改；

吴婷玉：问卷设计与发放、数据分析、论文撰写；

刘凝之：问卷发放、数据分析；

张之光：文献综述、数据分析。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
KANKANHALLI A,TAN B C Y,WEI K K. Contributing knowledge to electronic knowledge repositories: an empirical investigation [J].MIS quarterly,2005,29(1):113-143.

[2]
PAROUTIS S, SALEH A A. Determinants of knowledge sharing using Web 2.0 technologies[J].Journal of knowledge management,2013,13(4):52-63.

[3]
MAYER R C,DAVIS J H,SCHOORMAN F D. An integrative model of organizational trust[J].Academy of management review, 1995,20(3):709-734.

[4]
ROUSSEAU D M,SITKIN S B,BURT R S, et al. Not so different after all: a cross-discipline view of trust[J].Academy of management review,1998,23(3):393-404.

[5]
HUANG C C,YEN C H,CHIU J, et al. Establishing knowledge sharing in virtual community through trust, self-efficacy and IS success model[C]//Pacific Asia conference on information systems, PACIS 2005.Bangkok: DBLP, 2005:100-113.

[6]
USORO A,SHARRATT M W,TSUI E, et al. Trust as an antecedent to knowledge sharing in virtual communities of practice[J]. Knowledge management research & practice,2007,5(3):199-212.

[7]
HINKIN T R.A brief tutorial on the development of measures for use in survey questionnaires[J].Organizational research methods,1998,1(1):104-121.

[8]
FARH J,JR A,LEE C. Approaches to scale development in Chinese management research[J].Management and organization review,2006, 2(3):301-318.

[9]
WASKO M L,FARAJ S. Why should I share? examining social capital and knowledge contribution in electronic networks of practice[J].MIS quarterly,2005,29(1):35-57.

[10]
ZHENG J,VEINOTT E,BOS N, et al. Trust without touch: jumpstarting long-distance trust with initial social activities[C]//Conference on human factors in computing systems. Minneapolis: ACM, 2002:1-6.

[11]
CHIU C M,HSU M H,WANG E. Understanding knowledge sharing in virtual communities: an integration of social capital and social cognitive theories[J].Decision support systems,2007,42(3):1872-1888.

[12]
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):153-169.

[13]
HASHIM K F,TAN F B. The mediating role of trust and commitment on members' continuous knowledge sharing intention: a commitment-trust theory perspective[J].International journal of information management,2015,35(2):145-151.

[14]
CHEN S M,HSU C S,CHOU S W. Understanding the formation of knowledge outcomes in virtual communities-a trust development perspective[C]//2017 5th International conference on research and innovation in information systems. Langkawi: IEEE, 2017:1-6.

[15]
PRAKASH A V,DAS S. Medical practitioner's adoption of intelligent clinical diagnostic decision support systems: a mixed-methods study[J].Information & management,2021,58(7):1-24.

[16]
LIN M,HUNG S W,CHEN C J. Fostering the determinants of knowledge sharing in professional virtual communities[J]. Computers in human behavior,2009,25(4):929-939.

[17]
迟铭,毕新华,徐永顺.移动学术虚拟社区治理机制对知识共享行为影响研究——以信任为中介变量[J].管理评论,2021,33(2):164-175.(CHI M,BI X H,XU Y S. Research on effect of mobile academic virtual community governance mechanism on knowledge sharing behavior--trust as a mediating variable[J].Management review, 2021,33(2):164-175.)

[18]
FANG Y H,CHIU C M. In justice we trust: exploring knowledge-sharing continuance intentions in virtual communities of practice[J].Computers in human behavior,2010,26(2):235-246.

[19]
田馨滦,韩钰馨,张晓娟.移动社交媒体用户隐私疲劳的影响因素研究——基于扎根理论和解释结构模型的分析[J].信息资源管理学报,2021,11(5):103-113.（TIAN X L, HAN Y X, ZHANG X J. Research on influencing factors of privacy fatigue of mobile social media users: analysis based on grounded theory and interpretative structural model[J]. Journal of information resources management,2021,11(5):103-113.）

[20]
李欣儒,贺超城,黄茜,等.多层信任视角下的共享服务平台用户预定行为研究[J].知识管理论坛,2023,8(2):140-154.（LI X R, HE C C, HUANG Q, et al. Research on user reservation behavior of shared service platform from the perspective of multi-layer trust[J]. Knowledge management forum,2023,8(2):140-154.）

[21]
金燕,王祎,毕崇武,等.信任转移视角下在线健康信息证据等级体系构建研究[J].图书情报工作,2023,67(13):86-98.（JIN Y, WANG Y, BI C W, et al. Construction of evidence hierarchy system of online health information from the perspective of trust transfer[J]. Library and information service,2023,67(13):86-98.）

[22]
SU C, MIN Q F, SCORNAVACCA E, et al. A dual-role trust model for social commerce: a guanxi perspective[J]. Information & management,2021,58(7):1035-1047.

[23]
POSTON R S,SPEIER C. Effective use of knowledge management systems: A Process Model Of Content Ratings And Credibility Indicators[J].MIS quarterly,2005,29(2):221-244.

[24]
CHAKRABARTI D, ARORA M, SHARMA P. Evaluating knowledge quality in knowledge management systems[J].Journal of statistics applications & probability,2018,7(75):75-84.

[25]
YAN Z,WANG T,CHEN Y, et al. Knowledge sharing in online health communities: a social exchange theory perspective[J]. Information & management,2016,53(5),643–653.

[26]
TSOVALTZI D, JUDELE R, Puhl T, et al. Scripts, individual preparation and group awareness support in the service of learning in Facebook: how does CSCL compare to social networking sites?[J].Computers in human behavior, 2015,53(12):577-592.

[27]
ZUCKER L G. Production of trust: institutional sources of economic structure, 1840-1920[J].Research in organizational behavior,1986, 8(2):53-111.

[28]
MCKNIGHT D H, CHERVANY N L. What trust means in e-commerce customer relationships: an interdisciplinary conceptual typology[J].International journal of electronic commerce,2001, 6(2):35-59.

[29]
赵欣,张之光,向希尧.专业虚拟社区研究综述与PVC知识创造模型构建[J].科研管理,2018,39(11):14.（ZHAO X, ZHANG Z G,XIANG X Y. Review of professional virtual community and construction of PVC knowledge creation model[J].Science research management,2018,39(11):14.）

[30]
CHAI S,KIM R. What makes bloggers share knowledge? an investigation on the role of trust[J].International journal of information management,2010,30(5):408-415.

[31]
HSU M H,CHANG C M,YEN C H. Exploring the antecedents of trust in virtual communities[J].Behaviour and information technology,2011,30(5):587-601.

[32]
GRAY P H. The impact of knowledge repositories on power and control in the workplace[J].Information technology & people,2001,14(4):368-384.

[33]
陈星,张星,肖泉.在线健康社区的用户持续知识分享意愿研究——一个集成社会支持与承诺—信任理论的模型[J].现代情报,2019,39(11):55-68.（CHEN X, ZHANG X,XIAO Q. Understanding continuous knowledge sharing in the online health communities—an integrated model of social support theory and commitment－trust theory[J].Journal of modern information,2019,39(11):55-68.）

[34]
肖伟,赵嵩正.虚拟团队沟通行为分析与媒体选择策略[J].科研管理,2005,26(6):56-60.（XIAO W,ZHAO S Z. Analysis of virtual team communication behavior and media choice strategies[J]. Science research management, 2005,26(6):56-60.）

[35]
ARDICHVILI A,PAGE V,WENTLING T. Motivation and barriers to participation in virtual knowledge-sharing communities of practice[J].Journal of knowledge management,2003,7(1):64-77.

[36]
WU J J,TSANG A S L. Factors affecting members' trust belief and behaviour intention in virtual communities[J].Behaviour & information technology,2008,27(2):115-125.

[37]
李怀祖.管理研究方法论[M].2版.西安:西安交通大学出版社,2004:259-262.（LI H Z. Management research methodology[M].2nd ed. Xi 'an: Xi 'an Jiaotong University Press,200:259-262.）

[38]
孟猛,朱庆华.移动视觉搜索用户体验影响因素量表开发研究[J].现代情报,2021,41(2):65-77.（MENG M, ZHU Q H. Studay on the scale development of the influencing factors of mobile visual search user experience[J]. Journal of modern information,2021,41(2):65-77.）

[39]
YOO B,DONTHU N. Developing and validating a multidimensional consumer-based brand equity scale[J].Journal of business research,2001,52(1):1-14.

[40]吴明隆.结构方程模型——AMOS的操作与应用[M].重庆:重庆大学出版社,2009:40-53.（WU M L. Structural equation model—operation and application of AMOS [M]. Chongqing: Chongqing University press,2009:40-53.）

[41]
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):226-236.

[42]
赵欣,李佳倩,赵琳.专业虚拟社区知识增殖机理的实证研究——基于情景实验法[J].情报资料工作,2021,42(4):8.（ZHAO X, LI J Q, ZHAO L. An empirical study on the mechanism of knowledge proliferation in professional virtual communities: based on the scenario experiment method[J].Information and documentation services,2021,42(4):8.）

Options
Outlines

/

〈 〉