动机与匹配：个性化实验揭示维基百科专家贡献驱动力

本研究论文关注于激励专家在数字公共产品领域进行贡献，特别是针对维基百科这一平台进行大规模个性化实地实验。维基百科作为全球知名的数字公共产品，汇集了大量用户生成的内容，对于知识共享具有重要意义。研究团队通过一项精心设计的实验，探讨了动机对专家参与度的影响。 在基线条件下，即没有特别提及私有利益的情况下，45%的专家表示他们愿意在维基百科上贡献自己的专业知识。然而，当研究人员将贡献可能带来的私人利益，如工作的潜在引用，作为激励因素时，专家们的兴趣显著提升，达到了58%。这表明动机，特别是与个人认可相关的动机，能够有效激发专家的参与热情。 在贡献阶段，研究者利用机器学习模型深入分析了影响贡献质量和长度的关键因素。他们发现，推荐系统的匹配准确性起着关键作用，即专家的专业领域知识与推荐文章的相关性越高，他们更可能投入时间和精力进行编辑和修订。此外，专家的声誉以及公众对他们工作的公开认可也是决定贡献质量和数量的重要指标。这些发现强调了推荐系统在提升亲社会行为（如知识分享）中的潜在影响力，以及其在个性化干预策略中的价值。 这篇研究论文不仅提供了实证证据，支持了动机在推动专家参与数字公共产品的贡献中所扮演的角色，还展示了如何通过机器学习技术优化推荐系统，从而设计出更有效的激励机制。它为理解和增强数字公共产品的质量与参与度提供了一种创新的方法，并为进一步的研究提供了宝贵的经验教训和理论依据。这项研究对于促进在线协作社区的活跃度和知识共享具有重要的实践指导意义。