媒体即社区?信息系统领域基于文献的研究主题分析
赵宇翔, 彭希羡
南京大学信息管理学院 南京 210093
通讯作者 赵宇翔 E-mail:yxzhao@vip.163.com

作者贡献:

赵宇翔:提出研究思路,设计研究方案,撰写论文并负责最终版本的修订;

彭希羡:收集、清洗并分析数据,负责论文起草。

摘要

【目的】通过对IS期刊中社会化媒体和在线社区的研究主题进行比较分析验证媒体即社区的假设。【文献范围】以ISI Web of Science为数据来源, 结合国际信息系统协会(AIS)提供的期刊列表, 选择45本信息系统领域的核心期刊作为研究对象。【方法】通过关键词分析、高频词分析、共词聚类以及可视化方法, 深入探索社会化媒体和在线社区研究的主题分布和随时间的演化规律。【结果】社会化媒体与在线社区两个概念由原先较为平行的关系发展成目前交织的状态, 且由于其连接的平滑性和重叠度使得两者在内涵上和外延上愈发趋于统一。【结论】从文献层面部分论证媒体即社区这一假设, 并进一步提出其理论价值。

关键词: 社会化媒体; 在线社区; 信息系统; 共词分析; 可视化
文章编号: 2014-56-65
Media as a Community? Literature Based Topic Evaluation in Information Systems Discipline
Zhao Yuxiang, Peng Xixian
School of Information Management, Nanjing University, Nanjing 210093, China
Abstract

[Objective] This paper is to validate the assertion of Media as a Community(MaaC)based on the IS journal publications. [Coverage] ISI Web of Science and AIS journal rankings are used as the data source to examine the topic, and 45 IS journals are selected. [Methods] The study employs the co-word analysis and visualization method to explore the research theme and evolution of social media and online community. [Results] The findings show that the two concepts, i.e., social media and online community, have been evolved from the original parallel relation to the tangling circumstance. [Conclusions] Due to the smooth linking and overlapping between these two concepts, social media is to some extent as an online community from the literature perspective.

Keyword: Social media; Online community; Information systems; Co-word analysis; Visualization
1 引 言

目前在学术界, 社会化媒体和在线社区这两个概念在研究中经常被作为通用术语, 然而, 从业界的角度, 这两个概念从提出的时间、背景、源流上都有不同程度的差异。软件工程和IT服务领域这几年广泛并深入地推广了“软件即服务”(Software as a Service, SaaS)的理念, 借鉴这一思路, 本文提出社会化媒体即在线社区(简称媒体即社区, Media as a Community)这一研究假设。笔者发现, 如今只要谈到社会化媒体不可避免地就会谈及网络/虚拟/在线社区。其中一部分社会化媒体已经从纯粹的媒介通讯工具衍生出或演化成在线社区。有学者研究了社会化媒体和在线社区在各个层面的对应关系, 发现两者在很多维度上都存在极大的重叠和相似性[1]。然而该研究并未从实证的角度对其结论给予一定的支持和验证。本文拟从文献的角度出发, 选取信息系统领域社会化媒体与在线社区的相关研究, 运用共词聚类、可视化的方法展现两者研究方向的差异性和相似处, 以期发现这两个概念在发展轨迹中的交叉点, 从文献层面部分论证媒体即社区这一概念的理论价值。

2 相关概念及研究意义

关于社会化媒体的定义, 目前不少学者都给出了自己的说法。Boyd等[2]认为社交媒体是基于Web的服务, 使得人们可以在封闭系统上创建公开或半公开的信息, 并保证用户顺畅地与有联系的人进行互动。Hansen等[3]在此基础上强调了社会化媒体的实时性、同步性和多渠道性。随后, 有学者纷纷从工具、网站和应用的角度界定社会化媒体的概念[4, 5]。针对社会化媒体的形式多样性, Kaplan等[5]根据媒介理论将其分为6个类型:博客、协同项目、社交网站、内容社区、虚拟社交世界和虚拟游戏世界。Tang等[6]则将各种形式的社会化媒体分为博客、知识论坛、媒体共享平台、微博、社会网络、社会新闻、社会化标签、维基百科等类型。尽管这两个分类的角度不同, 但综合两者可以较为全面地了解社会化媒体的不同表现形式。

早期的在线社区被认为来源于计算机为媒介通信, 他们建立起来计算机支持通信的社会网络就是在线社区的基础[7]。关于在线社区的概念, Preece[8]在其研究中对其进行了全面性回顾和综述。本文借鉴其观点, 认为在线社区是对虚拟社会空间的总称, 为人们提供不同程度上的信息服务, 满足人们工作学习和情感上的各类需求, 并通过信息通信技术手段将有相似兴趣爱好以及有共同目标的人在虚拟空间上聚集起来。不同研究者对在线社区的分类方式也有所不同。较常见的是Armstrong等[9]给出的4种类别, 即兴趣型社区、关系型社区、娱乐型社区和交易型社区。随着Internet技术不断发展及Web 2.0、社会化媒体等概念的引入, 在线社区这一概念融入了新的技术与理念, 从而不断发展。

本研究认为, 媒体即社区这一假设对学界和业界都有非常现实的意义。从微观的角度, 媒体即社区强调了要素的匹配和融合, 将社会化媒体的属性和在线社区的特征进行前向后向一体化, 并能为具体产品的开发、系统的设计、以及服务的规划提供有价值的参考依据。从中观的角度, 媒体即社区揭示了商业模式的变革和创新, 帮助互联网经济找到相应的增值点, 并重塑不同社会化商务模式的演化路径。从宏观的角度, 媒体即社区为数字内容产业带来了全新的思路和范式, 将“内容为王”和“服务为王”两种战略进行框架上的集成和行动上的交互, 并为数字内容产业的从业者提供更多的机会和空间。

3 研究设计

社会化媒体和在线社区是近年国内外信息系统领域重要的研究热点与主题之一。本研究以ISI Web of Science为数据来源, 结合国际信息系统协会(AIS)提供的期刊排名及ISI数据库所收录的期刊, 笔者挑选出45本信息系统领域的核心期刊作为研究对象。本文文献检索策略如下:

(1)对于社会化媒体的文献,本文通过组合Kaplan等[5]以及Tang等[6]的分类体系的关键词,以题名为检索项进行检索。具体的检索式为:

标题=("social media" or blog* or weblog* or microblog* or twitter or forum or youtube or Flickr or "Social Network* site*"or facebook or linkedin or MySpace or tag* or digg or wiki* or SNS* or "Content Communit*" or "Virtual Game World*" or "World of Warcraft" or "second life" or "dating sit*" or location-based or "location based")

(2)由于未找到操作性较强的在线社区分类方法,因此本文选择保证检全率的前提下,通过数据清洗保证检准率,用包含题名、关键词、摘要的主题为检索项,具体检索式为:

主题=("online communit*" or "virtual commu- nit*" or "on-line communit*")

本次检索时间为2013年7月8日, 分别得到文献557和263篇, 对数据进行精炼除去错检项后, 最后得到有关社会化媒体研究的文献475篇, 有关在线社区研究的文献260篇, 其中有34篇文献既属于社会化媒体研究又属于在线社区研究。

4 数据分析
4.1 基本统计分析

表1可以看出,在信息系统领域中有关社会化媒体的研究文献数量基本处于逐年上升状态。早在1999年就有学者对社会化媒体进行了初步性研究,直到2008年才有学者将Social Media一词正式引入研究中。在2008年之前,许多学者已经开始研究博客、Wiki等较早出现的社会化媒体形式,但未系统地将它们归纳成一个通用的概念。同时,可以发现475篇有关社会化媒体文献在题名、关键词或摘要中出现了在线社区的文献共有34篇,首次出现时间为2004年,此后,提及这一概念的文献量基本处于逐年上升趋势。

表1 社会化媒体相关文献按年汇总

表2显示, 在线社区这一概念在1996年就有研究者提出, 在经过十几年的发展, 信息系统领域关于在线社区的研究进入了较为成熟的阶段, 2009之后, 每年关于在线社区的研究文献数量都处于30至40之间, 自2011年开始略微有所回落。在这一文献样本中, 直接提及Scial Media的文献共有12篇, 此后每年都有一定文献引入了Social Media这一概念, 但数量都偏少。结合表1可以发现, 在线社区这一概念的提出早于社会化媒体, 两者的研究存在差异。

表2 在线社区相关文献按年汇总
4.2 高频关键词对比

本研究利用美国Thomson公司开发的数据分析工具(TDA)对两个数据样本的论文关键词进行合并单复数、同义词等清洗。从表3中可以看出有关社会化媒体研究论文的高频关键词主要为Web 2.0环境下的不同类型的新兴媒体,包括社交网站、博客或微博、社会标签、维基百科等;而在线社区研究文献的高频关键词则分布较为分散,既有研究对象也有具体的研究内容。由此,从高频关键词的分布上看,两个研究主题的研究领域的侧重点有所不同,但Blogs、Social Media、Computer-mediated Communication同为两者高频关键词也说明它们的研究具有一定重合性。

表3 排名前10的关键词
4.3 基于共词的聚类分析

对于社会化媒体和在线社区的文献数据,本文分别选取出现6个以上、5个以上的关键词作为其高频关键词,其中前者选取35个关键词,后者选取31个关键词,两两统计各高频词同时出现在同一篇文章中的次数,构建共词矩阵。高频关键词的选取是通过多次聚类实践之后发现这些关键词的聚类效果最好。将两个共词矩阵导入SPSS19.0,选择类间平均法(Between-groups Linkage)和余弦距离进行系统聚类分析,聚类结果分别如图1图2所示:

图1 社会化媒体共词聚类结果

图2 在线社区共词聚类结果

(1)社会化媒体研究

图1中可以看出,社会化媒体研究的聚类结果是按照社会媒体的不同类型进行分类,因此本文尝试将信息系统领域下有关社会化媒体的研究分为4个主题大类:社会标签与维基百科;微博与媒体共享平台;社交网站(SNSs);博客与基于位置服务(LBS)。需要进一步指出的是,聚类结果显示Google与射频识别(Radio Frequency IDentification,RFID)两个关键词较为孤立,因此本研究对其不予归类。

① 社会标签与维基百科

随着Web2.0概念的深入, 社交网站、电子书网站、音乐电影社区等在线社区网站都引入了标签以帮助用户更好地检索图片、音频、视频、URL等信息, 广大网络用户既是标签的生产者, 也是标签的使用者。以国内而言, 豆瓣就是一个以其分类标签为用户所熟知的网站。信息系统领域中的社会标签系统研究主要集中于其对网络用户的推荐[10]与导航作用[11]

Wiki是一种采用“多人协作”模式的超文本写作系统, 可以调动广大网民的群体智慧参与网络创造和互动, 其中维基百科是Wiki相关技术应用的最成功的典范之一, 在社会、经济、文化和教育方面都具有重大的影响和重要的意义。信息系统视角下的Wiki研究主要分为两大方向:Wiki技术应用和维基百科。前者包括基于Wiki技术的主题聚类、知识管理系统[12], Wiki对于知识创造的作用[13]等;后者包括维基百科的可信度测试[14]及其决定性因素、维基百科用户参与行为[15]等。

② 微博与媒体共享平台

微博是近几年发展起来的社会化媒体之一, 信息碎片化、半广播半实时交互、病毒式传播等特点使得微博发展极为迅速, 其中Twitter作为最早出现的微博, 发展相对成熟, 是学术界微博研究者的主要研究对象。微博用户的接受、持续使用模型研究[16], 微博信息传播在商业、政治、社会反恐安全等方面的应用研究[17]为其主要研究主题。YouTube是世界上最大的视频分享网站, 信息系统领域的研究者主要关注于YouTube用户的信息分享行为和信息传播模型等[18]

③ 社交网站

社交网站是最能体现网络用户交互性的社会化媒体, 它出现在博客之后微博之前, 有关社交网络的研究是各个社会化媒体类型中最多的, 其研究主要包括:不同类型用户(包括青少年、学生)的社交网站使用研究[19];用户的自我呈现、感知、披露等行为研究[20];社交网站中的社会资本研究[21];用户个人隐私及个性研究[22];用户参与动机研究[23]等。

④ 博客与LBS

博客是较早出现的社会化媒体之一, 在2004年就有信息系统领域研究者对人们为何选择博客进行分析。有关博客的研究主要集中在:博客中的性别差异研究, 博客用户信息共享状况及其影响因素的研究[24], 用户选择博客的相关因素研究[25], 博客成功因素研究等[26]。基于位置的服务(LBS)的研究则主要关注如下几个方面:支持LBS的相关技术, 例如Push-Pull技术、基于Agent框架技术等[27];基于LBS的商业模型与定价问题[28];LBS的信息披露问题及其带来的用户隐私保护研究[29]。分析发现, LBS的研究在信息系统领域有很大的上升空间和可挖掘的主题。

(2)在线社区研究

① 网络环境下的媒介研究

随着Web 2.0概念推进, 以用户为中心、用户生成内容等特性使得新一代的在线社区有别于传统的在线或虚拟社区。不少学者开始将社会化媒体逐渐等同于在线社区, 用户生成内容, 社会化媒体品牌社区[30], 用户参与、忠诚、信息共享行为等为社会化媒体研究与在线社区研究的融合点。同时, 在线社区中有关计算机媒介通信(CMC)方面的研究也成为主流。CMC的研究主要集中在两个方面, 一方面是在线社区的用户使用CMC带来的各类影响因素, 包括其与现实世界的人际交流相互影响关系、语言差异的影响等[31];另一方面是基于CMC建立的网络结构, 用户群体协作关系等研究[32]

② 博客与社交网站

博客与社交网站是社会化媒体的两大类型,两者建立起来的社会网络也被大多数学者视为在线社区。从关键词的分布来看,可以看出这一部分主要关注于用户研究,包括用户参与及参与的忠诚度、满意度等行为心理研究,用户性别、性别差异、动机等自身特点方面等。

③ 电子商务研究

从高频关键词表及图2可以看出,电子商务是在线社区研究中一个研究热点,且其相对独立于其他在线社区的研究。C2C和C2B是电子商务的两个重要模式,两种模式下建立的关系网络也是在线社区的一种。C2C模式下双方信任度研究,如何模拟在线社区中电子商务的框架,如何提高C2B模式下商家吸引消费者能力、以及社会化商务发展趋势和应用领域都是这一主题的关注焦点[33]

④ 社区用户行为研究及Wiki研究

在线社区强调了用户的协作关系, 在通过相互协作建立社会网络的这一过程, 社区用户表现出各类不同形式的行为模式及心理变化, 这是信息系统领域学者的一个重要研究方向。在线社区中的行为研究主要是关于用户在知识共享和产生社会资本、知识资本过程中的协作关系。而有关维基百科的研究则主要关注于用户参与的影响因素和激励机制, 相对社会化媒体中Wiki的研究, 其研究范畴较窄。

4.4 主题演变分析

根据高频关键词的聚类结果,利用NodeXL软件以年份和关键词为节点,构建社会化媒体和在线社区两个研究主题的时间演化分布图谱。首先绘出图3的社会化媒体的关键词-年份网络图谱,进而根据图1的聚类结果合并各个关键词得到图4,需要指出的是Social Media一词未并入任何一类。从图4可以看出“Social Media”一词最早于2008年引入信息系统领域,但在2005年信息系统领域的学者就已开始研究博客。在2008年社会化媒体这一概念引入之后,越来越多的信息系统领域学者开始关注其他不同类型的社会化媒体,包括社交网站、微博与媒体共享平台、Wiki、社会标签、LBS等。其中针对社交网站和微博的相关研究呈逐年上升趋势,针对其余类型的社会化媒体的研究数量则相对稳定。值得注意的是在2010年有关博客的研究相对到达顶峰,之后慢慢回落,这说明信息系统领域的学者对于博客这一早期出现的社会化媒体的关注度逐渐降低,而更多地研究社交网站、微博这些更为新型的社会化媒体。

图3 社会化媒体关键词-年份图谱

图4 社会化媒体研究主题演化图谱

通过相同方法利用NodeXL绘制的在线社区各类研究主题随时间演化的图谱, 如图5所示:

图5 在线社区研究主题演化图谱

图5中可以发现:

(1)7类主题中, 社会化媒体、社交网站、Wiki、博客4个主题研究大致呈逐年上升趋势, 3类都与社会化媒体研究有直接关联性, 这说明有关在线社区研究正在逐渐将社会化媒体融入其研究体系中;

(2)社区用户行为是信息系统领域学者对在线社区的主要关注方面, 但用户行为的相关研究在2010年达到顶峰, 之后则逐年下降;

(3)CMC的相关研究数量波动幅度较大, 不具有规律性的变化;

(4)从文献的角度, 电子商务是在线社区研究区别于社会化媒体研究的一个方面, 但有关电子商务的研究发展呈现出非持续性, 2007年达到顶峰, 但2008年和2013年又未出现在线社区的电子商务相关研究。

5 媒体即社区的相关讨论

在本文的两个文献样本中, 有34篇文献同属于社会化媒体和在线社区的研究, 这些论文的研究主题在很大程度上能够直接展现出社会化媒体与在线社区研究的交叉性和融合点。为了进一步了解这些文献的研究内容、研究方法和研究结果, 对这34篇文献进行逐一分析, 将社会化媒体和在线社区的研究交叉归纳为如下几个方面:媒体共享平台中的用户生成内容、社交网站用户研究、品牌社区研究、博客与维基百科的知识共享研究。

(1)媒体共享平台是网络用户共享多媒体文件的网络平台, 包括视频共享的YouTube、图片共享的Flickr等。用户在网站上自主共享视频、图片等多媒体的文件即UGC。Tang等[34]从YouTube上抓取数据以分析用户在媒体共享平台内容贡献的激励因素, 通过建立动态结构模型, 研究发现披露意愿、收入共享及名誉为主要的激励因素。Zeng等[35]则更关注于媒体共享平台中用户生成内容的类型, 通过收集Flickr中的数据, 分析表明用户社交关系与分享图片的类型具有一定关联度。

(2)社交网站是覆盖范围最广的社会化媒体之一, 34篇文献有关社交网站的研究主要可以分为两个方面:社交网站中用户行为研究及用户发现研究。Chiu等[22]以Facebook为例探讨了影响用户主观幸福感及忠诚度的相关因素, 研究发现除感知网络规模外的网络外部因素都正向影响用户识别度和满意度, 进而正向影响用户主观幸福感及忠诚度;Tow等[36]则采用用户参与的人类学方法, 结合访谈参与者和定量调查研究澳大利亚社交网站用户的信息披露行为, 结果显示用户对于危及自身隐私的事物有很高的感知性。

(3)品牌社区的研究主要从社交营销和社会化商务出发, 如Hildebrand等[37]以一个欧洲汽车制造商的品牌社区为研究对象, 探究了他人对于产品配置的反馈如何影响用户自主设计产品及对它们的满意度;Goh等[38]通过研究Facebook中的一个粉丝主页品牌社区, 发现用户参与社交媒体品牌社区正向影响用户消费行为, 从而带来积极的购买支出。

(4)博客与维基百科的研究主要集中于从不同角度探究影响用户知识共享的因素。Papadopoulos等[39]发现自我效能、感知趣味性、感知预期性及个人态度能正向影响员工博客的知识共享行为。Chai等[40]关注于博客中IT知识共享行为的激励因素, 研究发现除博客主的信任度、社会关系强度、交互性对于知识共享有积极影响外, 性别因素也是影响知识共享的重要因素。Yang等[41]利用结构方程模型分析维基百科用户知识贡献的激励因素, 发现内部自我概念为主要的激励因素。

综上所述, 笔者将社会化媒体和在线社区研究内容及现状的相似处和不同之处总结如表5所示:

表5 研究的差异性与相似性

表5可见, 尽管社会化媒体和在线社区在研究分布和主题演化上存在一定的差异性, 但这种差异更多体现在分析的层次和研究的重心上, 从本质上说两者并没有客观的异质性, 即社会化媒体和在线社区的内涵在研究中体现出较强的相似性。例如, 虽然社会化媒体研究的主题主要依据其类型而分布, 但关于社会化媒体中用户行为的研究也密切地贯穿于各类信息系统文献中。另外, 尽管在线社区研究更多强调电子商务的应用和发展, 但社会化媒体研究这几年也逐渐渗透并延伸到电子商务研究的各个层面, 并衍生出社会化商务等新的研究分支。考虑到时间因素, 即社会化媒体的产生时间较晚于在线社区, 因此笔者选取2008年以后的相关论文进行分析, 分析发现, 信息系统领域在线社区的研究主题基本来源于各类社会化媒体平台, 主要关注于用户行为研究、社区组织结构、在线交流模式及信息共享等方面, 而纯粹针对技术的研究则相对较少。另一方面, 社会化媒体的研究主题则基本能够涵盖或映射到在线社区研究的各个维度, 也体现出更强的包容性和覆盖面。社会化媒体的一些主流平台, 如博客、社交网站、视频分享网站等也在在线社区中得到了充分体现。鉴于此, 从一定程度而言, 社会化媒体与在线社区两个概念由原先较为平行的关系发展成目前交织的状态, 且由于其连接的平滑性和重叠度使得两者在内涵上和外延上愈发趋于统一。笔者抽取部分2008年以后的文献, 将其中的社会化媒体与在线社区两个术语进行交互替换, 发现差异主要存在于细节, 而对于研究内容和研究结构的整体性则基本一致。因此, 媒体即社区的假设在文献层面得到了部分的验证和支持。

6 结 语

本文提出社会化媒体即在线社区这一研究假设,并从信息系统视角出发,以Web of Science数据库和AIS提供的IS期刊排名为数据来源,选出45本IS领域期刊为研究对象,尝试性地探索社会化媒体和在线社区两个概念的相似处和差异性。结果发现,尽管社会化媒体和在线社区在研究分布和主题演化上存在一定的差异性,但这种差异更多体现在分析的层次和研究的重心上,从本质上说两者并没有客观上的异质性。因此,媒体即社区这一假设在文献层面得到了部分支持和验证。然而,本研究也存在一定的局限性。首先,限于时间和精力,本文仅对信息系统领域的研究进行了采样分析。社会化媒体和在线社区是两个跨学科、跨领域的研究对象,因此其他学科的研究样本也值得进一步挖掘分析。其次,本文仅从关键词的角度进行共词分析,并未深入到全文文本的角度进行相关词组的距离计算和挖掘。在今后的研究中,笔者将尝试从用户调研(包括业内大众和学界专家)和最佳案例实践的角度进一步探索媒体即社区这一假设。

作者已经声明无竞争性利益关系

参考文献
1 Lyons K, Chuang S, Choo C W. Towards a Conceptual Framework for Managing Social Media in Enterprise Online Communities [C]. In: Proceedings of the 2012 iConference. New York: ACM, 2012: 626-628. [本文引用: 1]
2 Boyd D M, Ellison N B. Social Network Sites: Definition, History, and Scholarship[J]. Journal of Computer-Mediated Communication, 2007, 13(1): 210-230. [本文引用: 1]
3 Hansen D, Shneiderman B, Smith M A. Analyzing Social Media Networks with NodeXL: Insights from a Connected World[M]. San Francisco: Morgan Kaufmann Publishers Inc. , 2010: 11-29. [本文引用: 1]
4 Berners-Lee T, Weitzner D J, Hall W, et al. A Framework for Web Science[J]. Foundations and Trends in Web Science, 2006, 1(1): 1-130. [本文引用: 1] [CJCR: 0.0355]
5 Kaplan A M, Haenlein M. Users of the World, Unite! The Challenges and Opportunities of Social Media[J]. Business Horizons, 2010, 53(1): 59-68. [本文引用: 3]
6 Tang L, Liu H. Community Detection and Mining in Social Media [M]. Synthesis Lectures on Data Mining and Knowledge Discovery, Morgan & Claypool Publishers, 2010: 1-137. [本文引用: 2]
7 Wellman B, Salaff J, Dimitrova D, et al. Computer Networks as Social Networks: Collaborative Work, Telework, and Virtual Community[J]. Annual Review of Sociology, 1996, 22(1): 213-238. [本文引用: 1]
8 Preece J. Sociability and Usability in Online Communities: Determining and Measuring Success[J]. Behavior & Information Technology, 2001, 20(5): 347-356. [本文引用: 1]
9 Armstrong A, Hagel J. The Real Value of On-line Communities[J]. Harvard Business Reviews, 1996, 74(3): 134-141. [本文引用: 1]
10 Kim H N, Ji A T, Ha I, et al. Collaborative Filtering Based on Collaborative Tagging for Enhancing the Quality of Recommendation[J]. Electronic Commerce Research and Applications, 2010, 9(1): 73-83. [本文引用: 1] [JCR: 1.48]
11 Held C, Kimmerle J, Cress U. Learning by Foraging: The Impact of Individual Knowledge and Social Tags on Web Navigation Processes[J]. Computers in Human Behavior, 2012, 28(1): 34-40. [本文引用: 1]
12 Pfaff C C, Hasan H. Wiki-based Knowledge Management Systems for Democratic Organizations[J]. Journal of Computer Information Systems, 2011, 52(2): 73-82. [本文引用: 1] [JCR: 0.495]
13 Prasarnphanich P, Wagner C. The Role of Wiki Technology and Altruism in Collaborative Knowledge Creation[J]. Journal of Computer Information Systems, 2009, 49(4): 33-41. [本文引用: 1] [JCR: 0.495]
14 Leary J. Testing Wiki Credibility[J]. Communications of the ACM, 2006, 49(2): 12. [本文引用: 1] [JCR: 2.511]
15 Nov O. What Motivates Wikipedians?[J]. Communications of the ACM, 2007, 50(11): 60-64. [本文引用: 1] [JCR: 2.511]
16 Barnes S J, Böhringer M. Modeling Use Continuance Behavior in Microblogging Services: The Case of Twitter[J]. Journal of Computer Information Systems, 2011, 51(4): 1-10. [本文引用: 1] [JCR: 0.495]
17 Cheong M, Lee V C S. A Microblogging-based Approach to Terrorism Informatics: Exploration and Chronicling Civilian Sentiment and Response to Terrorism Events via Twitter[J]. Information Systems Frontiers, 2011, 13(1): 45-59. [本文引用: 1] [JCR: 0.851]
18 Susarla A, Oh J H, Tan Y. Social Networks and the Diffusion of User-Generated Content: Evidence from YouTube[J]. Information Systems Research, 2012, 23(1): 23-41. [本文引用: 1]
19 Lim S S, Chan Y H, Vadrevu S, et al. Managing Peer Relationships Online-Investigating the Use of Facebook by Juvenile Delinquents and Youths-at-Risk[J]. Computers in Human Behavior, 2013, 29(1): 8-15. [本文引用: 1]
20 Lee D Y. The Role of Attachment Style in Building Social Capital from a Social Networking Site: The Interplay of Anxiety and Avoidance[J]. Computers in Human Behavior, 2013, 29(4): 1499-1509. [本文引用: 1]
21 Ljepava N, Orr R R, Locke S, et al. Personality and Social Characteristics of Facebook Non-Users and Frequent Users[J]. Computers in Human Behavior, 2013, 29(4): 1602-1607. [本文引用: 1]
22 Chiu C M, Cheng H L, Huang H Y, et al. Exploring Individuals’ Subjective Well-Being and Loyalty Towards Social Network Sites from the Perspective of Network Externalities: The Facebook Case[J]. International Journal of Information Management, 2013, 33(3): 539-552. [本文引用: 2]
23 Jackson L A, Wang J L. Cultural Differences in Social Networking Site Use: A Comparative Study of China and the United States[J]. Computers in Human Behavior, 2013, 29(3): 910-921. [本文引用: 1]
24 Lu H P, Lin J C C, Hsiao K L, et al. Information Sharing Behaviour on Blogs in Taiwan: Effects of Interactivities and Gender Differences[J]. Journal of Information Science, 2010, 36(3): 401-416. [本文引用: 1] [JCR: 1.238]
25 Nardi B A, Schiano D J, Gumbrecht M, et al. Why We Blog[J]. Communications of the ACM, 2004, 47(12): 41-46. [本文引用: 1] [JCR: 2.511]
26 Hsieh C C, Kuo P L, Yang S C, et al. Assessing Blog-User Satisfaction Using the Expectation and Disconfirmation Approach[J]. Computers in Human Behavior, 2010, 26(6): 1434-1444. [本文引用: 1]
27 Li K, Du T C. Building a Targeted Mobile Advertising System for Location-based Services[J]. Decision Support Systems, 2012, 54(1): 1-8. [本文引用: 1] [JCR: 2.201]
28 Dhar S, Varshney U. Challenges and Business Models for Mobile Location-based Services and Advertising[J]. Communications of the ACM, 2011, 54(5): 121-128. [本文引用: 1] [JCR: 2.511]
29 Xu H, Teo H H, Tan B C Y, et al. Research Note-Effects of Individual Self-Protection, Industry Self-Regulation, and Government Regulation on Privacy Concerns: A Study of Location-based Services[J]. Information Systems Research, 2012, 23(4): 1342-1363. [本文引用: 1]
30 Casaló L V, Flavián C, Guinalíu M. Relationship Quality, Community Promotion and Brand Loyalty in Virtual Communities: Evidence from Free Software Communities[J]. International Journal of Information Management, 2010, 30(4): 357-367. [本文引用: 1]
31 Zhou L N, Burgoon J K, Zhang D S, et al. Language Dominance in Interpersonal Deception in Computer-Mediated Communication[J]. Computers in Human Behavior, 2004, 20(3): 381-402. [本文引用: 1]
32 Shin H K, Kim K K. Examining Identity and Organizational Citizenship Behaviour in Computer-Mediated Communi- cation[J]. Journal of Information Science, 2010, 36(1): 114-126. [本文引用: 1] [JCR: 1.238]
33 Alonzo M, Aiken M. Flaming in Electronic Communication[J]. Decision Support Systems, 2004, 36(3): 205-213. [本文引用: 1] [JCR: 2.201]
34 Tang Q, Gu B, Whinston A B. Content Contribution for Revenue Sharing and Reputation in Social Media: A Dynamic Structural Model[J]. Journal of Management Information Systems, 2012, 29(2): 41-76. [本文引用: 1] [JCR: 1.262]
35 Zeng X H, Wei L Y. Social Ties and User Content Generation: Evidence from Flickr[J]. Information Systems Research, 2013, 24(1): 71-87. [本文引用: 1]
36 Tow W N F H, Dell P, Venable J. Understand ing Information Disclosure Behavior in Australian Facebook Users[J]. Journal of Information Technology, 2010, 25(2): 126-136. [本文引用: 1] [JCR: 3.532]
37 Hildebrand C, Häubl G, Herrmann A, et al. When Social Media Can be Bad for You: Community Feedback Stifles Consumer Creativity and Reduces Satisfaction with Self-Designed Products[J]. Information Systems Research, 2013, 24(1): 14-29. [本文引用: 1]
38 Goh K Y, Heng C S, Lin Z J. Social Media Brand Community and Consumer Behavior: Quantifying the Relative Impact of User-and Marketer-Generated Content[J]. Information Systems Research, 2013, 24(1): 88-107. [本文引用: 1]
39 Papadopoulos T, Stamati T, Nopparuch P. Exploring the Determinants of Knowledge Sharing via Employee Weblogs[J]. International Journal of Information Management, 2013, 33(1): 133-146. [本文引用: 1]
40 Chai S M, Das S, Rao H R. Factors Affecting Bloggers’ Knowledge Sharing: An Investigation Across Gender[J]. Journal of Management Information Systems, 2011, 28(3): 309-342. [本文引用: 1] [JCR: 1.262]
41 Yang H L, Lai C Y. Motivations of Wikipedia Content Contributors[J]. Computers in Human Behavior, 2010, 26(6): 1377-1383. [本文引用: 1]