问题提出

在线知识社区（OKC）是自我组织、开放、跨边界的知识交换场：Quora 月活超 4 亿、每月新增 9 万到 15 万个问题、平均每问收到 6 到 7 个回答；本文的取样地知乎，截至 2024 年底累计知识贡献者 7770 万、月活 8140 万。在这个场里，知识获取是输入、知识贡献是输出，两者构成双向流动、迭代发展的闭环，是社区能持续运转的地基。大语言模型起来之后，Quora 上了 Poe、Stack Overflow 上了 OverflowAI、知乎上了知乎直答，GAI 不再只是按预设规则跑单轮指令的被动工具，而能多轮自然对话、准确理解语义、自主生成有创意的洞见，变成知识密集型活动里的主动伙伴。Gartner 的调查称约 70% 的知识工作者已经和 GAI 合作完成过获取、创造、分享类任务。于是问题落到实操层：既然人得靠提示词去释放 GAI 的能力，那到底是该把现有能力用足，还是该去试新能力？这两种做法对「学进来」和「写出去」是不是同一回事？社区又该按什么条件去引导？

难点剖析

作者点出三个缺口。第一，既有研究把人机合作当成一维变量：讨论前因时只谈「合作意向」受 AI 反馈特征、个体信念（自我效能、信任）影响，不区分具体策略；Table 1 梳理的 AI 与知识协作文献也多停留在采纳、学习、创新行为层面。第二，既有人机合作分类都是静态结构视角，问的是「谁主导、谁委派、谁控制」——自动化／增强、conjoined agency、委派／反转、独立／互依、人主导／人机联合、AI 支持的作者身份、增强／受阻互动，而且多数限于组织情境。这套分类抓不住 OKC 这种动态、分布式场景里最要紧的东西：人在合作过程中对 GAI 能力的能动性是不断变化的，策略不是事先定好的，而是靠试错、反馈、调整逐步确认的；也解释不了为什么有些合作更快把论证做深，另一些更容易冒出新洞见。第三，边界条件几乎没查任务环境：已有研究只从技术特性、组织支持、个体能力差异、个体感知切入，OKC 里最普遍的创作时间压力反而没人系统检验。对应地，本文要回答：怎么促进两种合作、两种合作分别怎么影响知识获取与贡献、时间压力又怎么改变这些关系。

理论脉络

主框架是 Schmitz 等（2016）的个体适应性结构化理论（ASTI），它是适应性结构化理论在个体层的延伸，主张「社会结构输入 → 社会互动过程 → 任务结果」：社会结构包含技术（功能、潜力）、任务（流程、环境）、个体（情绪、经验）三类因素，社会互动指个体适应或操纵技术结构，任务结果是个体决策或绩效。本文对 ASTI 做了一处实质修补：原理论的核心假设是「技术的社会嵌入性」，把技术当被动资源或工具，可 GAI 已经成了能自主生成内容、自主给行动建议、能多轮对话的合作主体，原框架处理不了。作者于是引入 Orlikowski & Scott（2008）的社会物质性（sociomateriality），把 ASTI 的「社会结构」重构为「社会物质结构」——技术是不与人分离、带能动性的非人行动者，能促成、约束甚至仲裁人机互动。在这个修补后的框架里，技术因素落为 GAI 生成性／自主性／交互性，任务因素落为问题多样性（社区里问题涉及的知识范围、类型与跨领域程度），个体因素落为平台参与度（浏览时长、点击率、问答数量所反映的投入）；两种合作策略作为「学习导向的技术适应行为」充当社会互动；知识获取与贡献是任务结果；创作时间压力是让社会互动效果发生变化的环境条件。另一条支线是 Koo 等（2015）的利用／探索双元分类，作者借它把 HGAIC 从「谁主导」拉回「人怎么对待技术能力」，并把落点明确到提示词：精修提示词＝利用，实验性提示词＝探索。

理论模型

一个「结构化前因 → 双策略 → 双结果」的中介模型，加一个调节变量，共 22 条编号假设（H1a 到 H11b）。五类前因：GAI 生成性（GG）、自主性（GA）、交互性（GI）、问题多样性（QV）、平台参与度（PI），各自指向利用式合作（EIC）与探索式合作（ERC）；EIC 与 ERC 分别指向知识获取（KA）与知识贡献（KC）；创作时间压力（CTP）调节 EIC/ERC 到 KA/KC 的四条路径。中介假设 H8、H9 各覆盖五个前因经两种策略到两个结果的间接效应。研究设计是两轮而非重复测量：研究 1 用 355 份知乎问卷跑完整 PLS-SEM 模型（含前因、中介、调节）；研究 2 是补充性的 2（有无 HGAIC）× 2（利用式／探索式策略）组间情景实验，只检验 HGAIC 主效应与合作策略的交互，不复跑全模型。作者明说实验的两个目的是「补因果内部效度」和「进一步区分两种策略各自更强地促进哪种知识协作」。结果变量是自评的知识获取／贡献意向与程度，不是平台日志里的真实行为。

研究假设

H1a/H1b：利用式合作正向影响知识获取、知识贡献。H2a/H2b：探索式合作同理。H3a/H3b、H4a/H4b、H5a/H5b：GAI 生成性、自主性、交互性分别正向影响两种合作。H6a/H6b：问题多样性正向影响两种合作。H7a/H7b：平台参与度正向影响两种合作。H8a/H8b：利用式合作中介五个前因到知识获取／贡献。H9a/H9b：探索式合作起同样的中介作用。H10a/H10b：创作时间压力负向调节利用式合作到知识获取／贡献。H11a/H11b：创作时间压力正向调节探索式合作到知识获取／贡献。结果：结构路径 14 条里 13 条成立，唯一被拒的是 H6b（问题多样性→探索式合作 β=−0.029，p=0.659）；20 条间接效应里 18 条成立，两条不成立的都出在「问题多样性经探索式合作」这一条链上，因此 H9a/H9b 只能算部分成立；四条调节里 H10a（p=0.834）与 H11a（p=0.499）双双被拒，只有指向知识贡献的 H10b、H11b 成立。换句话说，被拒的假设集中在两处，而且都不是噪声：问题多样性推不动探索式合作，时间压力管不着知识获取。

分析策略

研究 1 用 SmartPLS 4.0 做 PLS-SEM，作者给的三条理由是：预测导向而非理论验证、潜变量多且关系复杂、对模型复杂度／小样本／非正态与多重共线性更稳。路径检验用 5000 次 bootstrap、95% 偏差校正置信区间；结构模型 SRMR=0.061（<0.08）。调节用 PLS 乘积指标法（PLS-product indicator approach），简单斜率按 M±1SD 分高低组。研究 2 用双因素方差分析加简单效应分解，操纵检验用独立样本 t 检验。共同方法偏差查得比较厚：Harman 单因子 10 构念 32 题首成分只解释 40.774%（<50%）；全模型 VIF 1.194–2.773（<3.3）；再补一道 CB-SEM 拟合对比，单因子模型 χ²=3124.450、χ²/df=6.734、RMSEA=0.127、CFI=0.640、TLI=0.615、SRMR=0.105，明显劣于设定模型 χ²=776.730、χ²/df=1.854、RMSEA=0.049、CFI=0.952、TLI=0.943、SRMR=0.033。测量模型报告了 α、CR、AVE、载荷、√AVE 与 HTMT 全套。口径上有一处要提醒：实验的 2×2 里「无 HGAIC」那一半，文中只用「独立完成」一句带过，而合作策略的操纵本身是通过限制提示词设计权限实现的——没有 GAI 就没有提示词，这一半条件如何落地策略，正文没有展开。

数据收集

两轮都在知乎取样。研究 1：量表先做翻译—回译（原题英文），请 4 位信息系统与知识管理领域学者审内容效度并做小改；预调查收 98 份有效问卷（这批人不再参加正式调查），信效度达标后才正式发放。正式问卷挂在知乎的邀请帖里，用问卷星（Sojump）收集，给金钱激励，三周收 386 份；按三条剔除——无 OKC 使用经验、无 GAI 使用经验、逻辑陷阱题答错——保留 355 份。程序性补救包括自愿匿名、每个 IP 只允许提交一次、开头先讲清 GAI 与 OKC 概念并举例（知乎、CSDN、维基百科）、附隐私政策；另把前 25% 与后 25% 填答者的性别、年龄、学历做比较，无显著差异，用以说明无应答偏差不严重。研究 2：另招 360 名知乎用户，剔除 15 名注意力检查未通过或无 GAI 使用经验者，保留 345 人，随机分入 2×2 组间条件。所有人读同一段情景：要完成两个知识任务——先从知乎检索并学习青年就业现状或经验，再基于自己的理解写一篇面向青年的求职技能／建议观点文章并分享到知乎；GAI 用 DeepSeek（作者注明它已正式接入知乎直答，可调用知乎知识库并生成带可溯源引用的回答）。实验另测 GAI 三能力、任务复杂度、GAI 信任、GAI 自我效能作控制变量。全部题项七点李克特。

研究样本

研究 1 共 355 人：男 140（39.44%）、女 215（60.56%）；31–40 岁占 185（52.11%），21–30 岁 110（30.99%），41–50 岁 38（10.70%）；本科 264（74.37%）、大专 48（13.52%）、硕士 38（10.70%）、博士 1（0.28%）。GAI 使用 1–2 年 171（48.17%）、不足 1 年 124（34.93%）、2 年以上 60（16.90%）；OKC 使用 4 年以上 127（35.77%）、2–3 年 82（23.10%）、1–2 年 61（17.18%）、3–4 年 55（15.49%）；每周用 3–5 小时 112（31.55%）、5–7 小时 102（28.73%）、7 小时以上 78（21.97%）。使用目的多选：搜索学习 258（72.68%）、向他人提问 247（69.6%）、回答问题 187（52.68%）、写观点分享 125（35.21%）。研究 2 共 345 人：男 42.6%、女 57.4%；21–40 岁 72.5%；本科及以上 51.9%；OKC 使用 2 年以上 68.1%；每周 3–7 小时 75.9%；GAI 使用 1 年以上 91.6%。两个样本都是高频、有经验的知乎用户，学历与数字素养偏高，这一条在推广结论时要带上。

测量工具

10 个构念共 32 题，全部七点李克特，均改编自成熟量表并做翻译—回译：GAI 生成性 3 题（Zhou 等 2025，如「GAI 能生成大量独特想法」）、自主性 3 题（Rana 等 2024，如「GAI 能自主给出行动步骤建议」）、交互性 3 题（Zhao 等 2025，如「GAI 支持我及时对它的回答给反馈」）、问题多样性 3 题（Morgeson & Humphrey 2006）、平台参与度 3 题（Qian & Seifried 2023，如「我觉得 OKC 是我的一部分」）、利用式合作 3 题（Koo 等 2015，如「我充分释放 GAI 现有能力来适配任务」）、探索式合作 3 题（Koo 等 2015，如「我主动尝试 GAI 的新能力」）、创作时间压力 4 题（Baer & Oldham 2006，如「我没时间想新点子」）、知识获取 4 题（Guo 等 2016）、知识贡献 3 题（Mustafa & Zhang 2022）。研究 2 追加：任务复杂度 4 题（Zhu 等 2021）、GAI 信任 3 题（Tao 等 2025）、GAI 自我效能 4 题（Zheng 等 2025）作控制；两个操纵检验各 3 题，分别取自 Kong 等（2023）和 Koo 等（2015）。策略操纵做得很具体：利用式组只能精修／延展官方示例提示词，不得偏离其设计逻辑；探索式组必须自造明显偏离官方逻辑的新提示词。

信效度检验

测量模型扎实。Cronbach‘s α 0.777–0.936，CR 0.870–0.950，AVE 全部 >0.6（0.649–0.832），载荷 0.781–0.952，√AVE 均大于构念间相关；HTMT 最高 0.832，低于 0.85 保守门槛但已贴线（GA–EIC 0.832、QV–GI 0.832）。R²：利用式合作 0.645、探索式合作 0.608、知识获取 0.509、知识贡献 0.495，解释力不弱。共同方法偏差三道检验都过关（Harman 40.774%、VIF ≤2.773、CB-SEM 单因子拟合显著更差），还额外报了 SRMR=0.061。 但有四处必须点出来。其一，正文 5.3 有一处笔误：文中写「利用式合作没有中介问题多样性与知识获取／贡献的关系」，可 Table 10 里 QV→EIC→KA（0.083，95%CI [0.038, 0.131]）与 QV→EIC→KC（0.055，[0.023, 0.091]）明明都成立；真正不中介 QV 的是探索式合作（−0.011 与 −0.013，p=0.666／0.664）。带读以表格为准。其二，实验主效应的均值对不上：研究 2 报「有 HGAIC」组知识获取 M=5.09，但 Figure 4 与简单效应给出的两格均值是 5.75 与 5.31，加权平均不可能落在 5.31 以下；知识贡献一侧（5.48 与 5.70 均值为 5.59）却与报数完全吻合，因此知识获取那个 5.09 疑为排印误差，引用实验均值时宜以四格数值为准。其三，两个操纵检验的效应量大得反常：HGAIC 操纵 t(343)=−48.056、d=5.194，合作策略操纵 t(343)=50.279、d=5.414，而四组 SD 只有 0.36–0.56，意味着被试在操纵检验题上几乎按分组整齐作答；操纵当然有效，但也提示操纵过于显式、容易被猜到意图，需求特征风险文中没有讨论。其四，创作时间压力与模型内其余构念的相关只有 0.078–0.129，远低于其他构念之间的 0.35–0.70，作为外部环境变量算合理，但也说明它几乎与模型正交，把它当「环境条件」而非构念网络的一环来读更稳妥。另外全文未报 f² 效应量，也未报 PLSpredict 之类的预测效度指标。

假设检验

结构路径（研究 1，Table 9，5000 bootstrap）：

两种合作→知识协作：EIC→KA β=0.412（t=6.292，p=0.000）、EIC→KC β=0.270（t=4.420，p=0.000）；ERC→KA β=0.366（t=5.451，p=0.000）、ERC→KC β=0.456（t=7.688，p=0.000）。利用式赢在获取，探索式赢在贡献，而且差距不小。

五前因→两种合作：GG→EIC 0.136（p=0.009）／GG→ERC 0.159（p=0.019）；GA→EIC 0.230（p=0.000）／GA→ERC 0.191（p=0.001）；GI→EIC 0.161（p=0.007）／GI→ERC 0.159（p=0.021）；QV→EIC 0.203（p=0.000）／QV→ERC −0.029（p=0.659，被拒）；PI→EIC 0.265（p=0.000）／PI→ERC 0.460（p=0.000，全表最强）。平台参与度对探索式合作的拉力，是它对利用式合作的近 1.7 倍。

中介（Table 10）：利用式通路上 10 条间接效应全部成立，最强是 PI→EIC→KA 0.109（[0.054, 0.177]）；探索式通路上 8 条成立，最强是 PI→ERC→KC 0.210（[0.140, 0.287]），两条不成立的正是 QV→ERC→KA（−0.011，p=0.666）与 QV→ERC→KC（−0.013，p=0.664）。

调节（Table 11）：H10a EIC×CTP→KA β=−0.012（p=0.834）不成立、H10b EIC×CTP→KC β=−0.199（t=2.889，p=0.004，[−0.303, −0.021]）成立；H11a ERC×CTP→KA β=0.048（p=0.499）不成立、H11b ERC×CTP→KC β=0.208（t=2.804，p=0.005，[0.032, 0.325]）成立。同一个时间压力，把利用式的贡献效应往下压、把探索式的贡献效应往上抬，对知识获取两侧却都不起作用。

研究 2（双因素 ANOVA，n=345）：HGAIC 主效应显著——知识获取 F(1,335)=54.882（p<0.001，偏 η²=0.141）、知识贡献 F(1,335)=75.766（p<0.001，偏 η²=0.184）；交互效应也显著——知识获取 F(1,335)=18.077（p<0.001，偏 η²=0.051）、知识贡献 F(1,335)=11.490（p<0.01，偏 η²=0.033）。简单效应：利用式条件下有无 GAI 的知识获取差 5.75 对 4.55（F=75.212，偏 η²=0.183），探索式条件下只差 5.31 对 4.85（F=4.780，p<0.05，偏 η²=0.014）；知识贡献反过来，探索式条件下差 5.70 对 4.41（F=67.291，偏 η²=0.167），利用式条件下只差 5.48 对 4.90（F=16.038，偏 η²=0.046）。问卷与实验在「精修管学、试新管写」这一点上互证。

研究结论

四层结论。第一，「人和 AI 合作」不是一件事，是两件事。作者用「人在合作中对 GAI 能力的能动性如何变化」重新切分 HGAIC：利用式是把官方模板精修到极致，靠成熟能力沿熟悉框架渐进延展，出错率低、波动小，正好对上知识获取需要的「稳定、系统的输入」；探索式是自造偏离官方逻辑的提示词去试新能力，产出更颠覆、更新颖，正好对上知识贡献需要的高不确定但可能高价值的信息源。PLS-SEM 与情景实验在这一点上给出一致证据，作者称之为双元合作（ambidextrous cooperation）。第二，理论上的修补比结论本身更值得看：ASTI 原本假设技术是被动嵌入社会的，处理不了 GAI 这个「合作主体」；作者借社会物质性把社会结构改成社会物质结构，把生成性、自主性、交互性正式塞进技术因素，于是这套 2016 年的理论才装得下 2026 年的 GAI。第三，前因不是一视同仁的：五个前因里四个同时推动两种合作，唯独问题多样性只推动利用式（0.203，p=0.000），对探索式完全无效（−0.029，p=0.659），连带它经探索式到两个结果的间接效应也全断。作者的解释是，问题再多样也可能只是「换了一堆熟悉或常规题」，范围变了不等于需要实验性合作；真正把人推向探索的是平台参与度（→ERC 0.460，全表最强），也就是泡在社区里的时间、精力与认知投入。第四，时间压力是个方向开关，不是普遍的坏东西：它削弱利用式→贡献（−0.199），却增强探索式→贡献（+0.208），而且对知识获取两侧都不显著。作者解释，赶时间会引发认知焦虑与情绪紧张，吃掉论证、打磨知识框架的资源；但探索式本来容易漫无边际地发散，适度紧迫反而逼人收掉无效漫游、切到直觉认知，把远处关联快速拼起来。落到运营上，作者给的是分岔方案：GAI 界面里同时配「提效模板」与「创新模板」两类提示词手册；用实时更新的背景文档提生成性、用需求挖掘模块提自主性、用多模态情境感知提交互性；用知识结对计划拉新用户参与度；贡献任务按策略分治——利用式走「低压缓冲」（可延展的基础期限、分阶段反馈、GAI 批量校订），探索式走「适度限时」（短期挑战、限时 GAI 头脑风暴、限时奖励）。

研究局限

作者列了三条：其一，数据全部来自自评横断面问卷，虽说做了 Harman、VIF、CB-SEM 三道共同方法偏差检验，仍建议用纵向研究复核；其二，只看了 HGAIC 的正面作用，承认它可能是双刃剑，未来应查它给知识协作带来的负担与相应边界；其三，个体差异（学历、OKC 使用年限等）没纳入前因框架。补充带读层面的六点：结果变量是自评意向／程度，不是平台日志里的真实获取与贡献行为；两个样本都来自知乎单一平台，且都是高频、高学历、有 GAI 经验的用户，跨平台与新手人群的外部效度未验；研究 2 是假想情景（读完 vignette 自评），不是真实完成知识任务后的行为测量，实验的「因果」只覆盖操纵到的那两维；「无 HGAIC × 策略」这一半条件的操纵落地方式文中语焉不详；两个操纵检验 Cohen‘s d 超过 5，需求特征风险未讨论；正文 5.3 的中介笔误与研究 2 知识获取主效应均值矛盾，说明表格与叙述宜交叉核对。另外摘要只报「时间压力削弱利用式→贡献、增强探索式→贡献」，没有告诉读者 H10a 与 H11a 两条知识获取侧的调节假设都被拒了，读摘要容易高估这一机制的覆盖面。

未来展望

作者建议：改用纵向或经验取样设计，把技术能力、合作策略、知识协作按时间拆开，验证横断面无法确认的因果链；正视 HGAIC 的负面侧，查它给知识协作带来的负担、依赖与同质化风险，并找边界条件；把学历、OKC 使用年限、个体认知差异纳入前因，看会不会改变两种策略的形成路径。沿本文留下的口子还可以往前走三步：其一，把知识获取与贡献换成平台行为数据（浏览、收藏、回答、被采纳），检验自评结论能否落到真实行为；其二，把创作时间压力做成真实限时操纵而非自评量表，并检验它是否存在倒 U 型（Baer & Oldham 2006 原本就提出曲线关系），因为本文只测了线性调节；其三，既然问题多样性推不动探索式合作，值得单独拆开「问题新颖性」与「问题范围广度」，看是不是只有前者才会逼人试新提示词。方法上还宜补报 f² 与 PLSpredict，并对情景实验做一次操纵隐蔽性检查，排除需求特征。

金句

同一个 deadline，压垮了照模板改的人，却点燃了放开试的人。

— 研究模型图

欢迎关注我的视频号

（❤️会不定期更新AI工具哦❤️）

三连一下，不失联！