摘要
互联网环境下,消费者从传统个体决策逐步转向群体共享协作,网络社群俨然已成为其观察性学习的重要信息来源.首先,考虑其渐进性和阶段性特征,本文从"群体认可""成员参与"和"观点分布"三个层面构建网络社群学习理论框架.其次,使用网络爬虫抓取在线社群互动数据,并采用机器学习算法对非结构化数据进行分析处理.最后,基于系统矩估计方法建立动态面板计量模型,实证检验了本文理论假设.研究发现:网络社群中"群体认可""成员参与"和"观点分布"均对社群学习效应具有正向影响,而"成员参与"和"观点分布"对上述效应具有递进的正向调节作用.本文研究试图打开社群学习机理"黑箱",为方兴未艾的社群经济发展提供微观理论支撑.
基金项目
国家自然科学基金面上项目(72071073)
国家自然科学基金面上项目(71771081)
湖南省自然科学基金面上项目(2020JJ4226)
NETL
NSTL
维普
万方数据