基于众包模式的虚拟人力资源奖励设计研究-冯小亮.pdf

《基于众包模式的虚拟人力资源奖励设计研究-冯小亮.pdf》由会员分享，可在线阅读，更多相关《基于众包模式的虚拟人力资源奖励设计研究-冯小亮.pdf（9页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、开发技术TECHNOLOGY OF HRD冯小亮，广东财经大学工商管理学院，讲师、管理学博士。李丹妮(通讯作者)。广州航海学院经贸学院，讲师、管理学博士。电子邮箱：danie99qqtom。童泽林，北方工业大学管理学院，副教授、管理学博士。周玲，湖南大学工商管理学院，副教授、管理学博士。本文受国家自然科学基金“基于实物期权理论的竞争众包模式研究：以新产品开发为背景”(71302194)、广东财经大学创新强校工程基金“营销本土化研究工作坊”(172050205012602)、广州航海学院“消费行为对品牌稀释的反向影响机制研究”(2017E15)、教育部博士点基金“国际营销联盟中的合理性溢出效应：

2、伙伴选择及市场支持”(20130161 120039)资助。90 Human Resources Development of China基于众包模式的虚拟人力资源奖励设计研究冯小亮李丹妮童泽林周玲内容摘要 众包是网络虚拟人力资源开发利用的新模式，它具有碎片化和分布式人力资源特征，能以低成本的形式为企业提供了多样化的外部员工。奖励参与者是众包应用当中的关键问题，以社会学习理论为基础，本研究采用7万多条众包项目二手数据检验了奖金影响效果。研究发现奖金数量与参与规模间呈倒u形关系模式，并非奖金越高吸引到的参与者越多。并且结合分配方式和任务类型，分析了不同情境下奖金的影响作用，这对众包项目的开展具有

3、直接指导意义。关键词众包奖金数量分配方式任务类型一、研究背景众包(crowdsourcing)是互联网背景下知识型人才供应的新方式，它通过网络媒介搭建了发包方人才需求和参与者人才供给的桥梁，是虚拟人才开发利用的新模式(Cabanillas，2016；Felstiner，2011；Afuah&Tucci，2012)。它以奖金悬赏形式，把传统企业内包(内部解决)或外包解决的难题发包给网络群体，参与者浏览到任务后自我选择是否参与竞争，发包方从提交方案中择优而选，并仅奖励获胜的中标者(冯小亮、黄敏学，2013；Howe，2006)。众包具有参与群体广泛和知识多样性特征，已被国内外企业广为应用，海尔公司

4、张瑞敏说“通过众包模式，全世界的科学家都是海尔的研发人员”。围绕众包也产生了任务中国、猪八戒网、InnoCentive等许多知名平台，借此既可以节省企业人力成本，也有助于社会人力资源的开发利用(Poetz&Schreier，2012)。然而如何吸引众包参与者，是网络人力资源管理的新难题(Buettner，2015)。首先，众包参与者具有碎片化和分布式特征，难以有效沟通协调(Ford et a1，2015)。他们既在地理位置上分散，同时以业余爱好为主，项目时间投入难以固定；其次，双方呈现松散网络关系模式，不利于过程控制(Felstiner，2011)。传统员工管理可以采用合同契约管理，但众包参与

5、者以自我选择为主，项目进入和退出的自由度高，发包方难以控制其行为。如何有效驱动参与者，获得一定数量的解决方案，成为基于众包模式的网络虚拟人力资源开发利用中的关键问题(Liu et a1，2014)。而奖金是激励参与者的主要手段，现有研究认为奖金数量对参与者规模具有正向影响作用(Yanget a1，2009)。那么，采用众包是否就得出高价呢?这显然与网络人力资源低成本的价值优势相违背。奖金激励究竟有何影响效果呢?本万方数据文将对众包奖金数量的影响作用展开探究。结合奖金分配方式和任务类型，本文将进一步探究不同情境下奖金数量的影响作用。以往对众包奖金影响效果的研究主要关注参与者的经济动机(Lakha

6、ni&Panetta，2007)，但忽略了参与者之间的交互影响，因此导致研究结论存在不足。根据社会学习理论观点，参与者之间存在观察学习行为，当观察到优秀方案时，部分参与者会选择退出竞赛(Liu et a1，2014)。这将不利于参与者数量的累积增加，观察学习效应将会削弱奖金的影响效果，从而改变奖金的线性影响模式。本文通过网络爬虫收集了国内某大型众包平台7万多个项目数据，研究发现奖金数量对参与者规模呈倒U形影响模式，说明了并非奖金越多影响效果就好。高奖金策略时应采用多人共享的分配方式，低奖金策略与赢者通吃分配方式的组合影响效果最佳。并且结合任务类型发现，多人共享分配方式对创意型任务影响作用最大，

7、而赢者通吃分配方式更适合技能型任务。在研究意义上，以众包模式为代表的网络虚拟人力资源，是人力资源领域的前沿研究问题(Buettner，2015；Ford et a1，2015)，而本文则是较早对此展开实证的研究，具有较强的理论和实践创新性。二、文献回顾与理论基础(一)众包模式特征在人力资源利用方面，众包模式具有以下特点：(1)人才多样性。以网络为媒介，众包活动突破了参与者的地理边界和职业背景，可以为企业贡献各类型知识人才；(2)竞争性。众包参与者之间处于平行竞争关系，各自提交解决方案争夺有限的中标机会，参与者的关系模式与以往的虚拟团队管理具有很大差异性；(3)经济性。众包只涉及中标者的奖金，不

8、用承担每名参与者的经济补偿，因此相较于外包的经济成本更低(冯小亮、黄敏学，2013)。这些特征影响下，使得众包在网络背景中解决知识型问题方面比内包、外包更具有比较优势(Afuah&Tucci，2012)。然而也提出了应用难题，由于参与群体的广泛性和低可控制性，使得众包活动的结果充满不确定性(Howe。2006)。而一定基数的参与者可以提升发包方得到优质解决方案的概率，是实现众中择优的前提(Piezunka&Dahlander。2015)。因此，参与者数量对众包能否达成预期效果具有重要影响。(二)众包奖金策略围绕如何激励众包参与者，现有研究大致分为两方面：(1)参与者行为动机研究。解释人们为何参

9、与众包活动，从而为管理策略提供理论基础。研究发现参与者动机可分为两种：外部动机和内部动机，外部动机包含任务奖金、职业资本、社区声誉等，而内部动机则由兴趣爱好、利他主义等构成(冯小亮，黄敏学，2013；Roberts，et a1，2006；Shah，2006)。(2)发包方奖金策略研究。对应于参与者的外部经济动机，发包方可以通过奖金激励吸引参与者，相关研究也证实了奖金数量对参与者规模的正面影响作用(Boudreau，Lacetera&Lakhani，201 1；Liu，Yang，Adamic&Chen，2014；Huang，Singh&Srinivasan，2014)。本文重点关注奖金策略影响作

10、用，而奖金策略内容主要包含以下两个方面：1奖金数量。是指发包方承诺为中标者支付报酬的多少，代表着预期经济收益，数量对激励作用程度具有影响。Lakhani和Panetta(2007)研究发现众包平台InnoCentive中685的参与者参与动机是为了获取奖金，由此可见经济动机是参与者行为的重要驱动力。奖金数量对任务的吸引力具有积极影响作用，高额奖金有利于获得更多的任务浏览量，从而吸引到更多的参与者(Yanget a1，2008)。对亚马逊、谷歌众包平台的研究结果显示，高奖金确实有助于提高问题被解决的可能性(Chenet a1，2010；Jeon et a1，2010；Mason&Watts，20

11、10)。有学者基于转换成本理论对此进行了解释，在任务类别相似的竞争情境下，不同任务之间的转换成本较低，参与者可以在奖金高与低的任务中进行转换选择；而高奖金可以更好地补偿参与者的交易成本，因此有利于吸引更多参与者(Yang et a1，2009)。万方数据开发技术I TECHNOLOGY OF HRD2奖金分配方式。它是对中标者数量的确定，是一人中奖还是多人中奖，分别对应赢者通吃和多人共享两种模式(Terwiesch&Xu，2008)。分配方式会对奖金数量产生影响，主要表现在多人共享模式上，它会降低中标者可获得的奖金数量，从而影响参与者的数量效用收益(Terwiesch&Xu，2008)。但多人

12、共享模式会增加参与者的中标机率，从而对其中标的可能性产生正向影响(Huang et a1，2014)。有学者认为奖金分配方式要结合参与者的风险偏好来设置，风险偏好者更倾向于赢者通吃模式，而风险规避者则更喜欢多人共享式(Kalra&Shi，2001)。然而参与者的风险偏好状况难以事先掌握，可以根据奖金数量的不同进行组合设计。分配方式对可获得数量和中标机率的设定，会影响到任务的吸引力，将对奖金数量的影响效果具有调节作用。(三)众包任务类型根据完成任务所需知识的不确定性，可将众包任务划分为创意型和技能型，不同类型任务的参与者动机具有差异性(Terwiesch&Xu，2008)。创意型任务问题解决效果

13、缺乏固定衡量标准，如对众包设计广告语的评判具有较强的主观性，问题解决所需知识也具有不确定性。有研究表明知识的交叉性对创意型问题解决具有显著效果，也即跨专业反而有助于解决问题，如物理学家解决化学问题(Franke et a1，2014)。由于结果具有较大的随机性，此类任务参与者对于能否中标的预期同样具有不确定性，主要受非经济动机影响为主(Zheng et a1，201 1)。而技能型任务具有标准化特征，任务完成质量评判标准明确，问题解决所需知识技能也明确(Shah，2006)。参与者容易事先预判任务的难度，同时结合自身专业知识程度，有助于形成是否能中标的预期判断，因此经济因素对参与者行为影响较大

14、(Roberts et a1，2006)。由于参与者经济动机的差异性，任务类型将会对奖金效果具有调节作用。(四)众包参与者行为新视角：社会学习理论社会学习是一种经济学的假设，它的理论观点认为入们行为受学习过程的影响，会通过观察学习他人行为(observational learning)，或基于自身以往的经验进行决策(Zhang et a1，2015)。社会学习行为也存在于众包参与者中，在对参与者个人经验学习的影响分析方面，Bayus(2013)对戴尔众包社区的研究发现参与者的过去成功经验会限制了其创新性；而对参与者之间的观察学习行为影响分析，Huang等人(2014)研究发现参与者之间的社会学

15、习行为有助于众包市场演化，社会学习导致参与者的市场人数不断减少，但市场效率却在提升(Huang et a1，2014)。受参与者之间的观察学习影响，一些低能力参与者在认识到获胜机率渺茫时会逐渐退出，最终聚集以高能力者为主，从而优化了众包市场参与者结构。参与者间的观察学习行为会对众包奖金效果产生影响作用。一方面，当奖金对参与者规模具有正向影响作用时，参与者间的观察学习行为也会不断加剧；另一方面，在中标机会较小时，观察学习会导致部分参与者的放弃，从而不利于项目参与者规模的增加(Liu et a12014)。然而现有研究主要以参与者经济动机分析为主，社会学习理论则是奖金效果影响分析的全新视角。三、理

16、论框架与研究假设本文从网络虚拟人力资源开发利用视角，研究众包奖金的影响作用。首先，将探究奖金数量对参与者规模的影响作用；其次，研究奖金数量高、低时，应该如何进行分配才能效果更佳，也即分配方式的调节影响作用；最后，分析任务类型对奖金分配方式的调节影响作用。研究框架如图1所示，以形成对网络虚拟入力资源开发的奖金策略系统性研究。现有研究从个体参与者经济动机视角分析奖金策略效果，容易得出奖金数量对参与者规模正向影响的结论。然而价高就能吸引参与者的结论，缺乏实践指导意义，也与低成本开发网络人力资源的价值宗旨不相符(Howe，2008)。究其原因可能有两方面：首先，应该采用项目层面分析视角，众包是群体性竞

17、争活动，群体与个万方数据圈1理论框架体具有差异性，个体行为不能简单演绎成群体规律；其次，忽略了非经济动机和参与者之间的相互影响(冯小亮、黄敏学，2013；Bayus，2013；Huang et a1，2014)。社会学习(social Learning)理论观点认为参与者可以通过观察学习他人的方案，从而调整自己的行为决策。当观察到更优秀方案存在，获胜机率较小的情况下，参与者有可能放弃继续任务，从而不利于参与者规模的增长(Liu etal，2014)。以下将以社会学习理论为基础，进行假设论证。(一)奖金数量对参与者规模的影响奖金数量代表着中标的参与者将可以获得经济报酬的多少，对任务的吸引力具有影

18、响作用，从而会影响参与者规模。首先，经济动机是参与者行为的重要驱动力(Robertset a1，2006)，奖金越多对于参与者的刺激作用越强。在任务难度类似情境下，高奖金项目对于参与者的吸引力更强，从而能吸引到更多的参与者，有助提升问题解决概率(Liu eta1，2014)。其次，奖金数量效果受到抑制因素的影响。众包项目开始后，参与者之间的社会学习便会启动，通过观察学习他人的方案调整自己的行为决策(Bayus，2013)。当项目人数越多时，优秀方案存在的机率也会越高，竞争便会扫日剧，参与者之间的相互影响就会越大。当观察学习到比自己优秀的方案已存在，中标机率较低时，参与者会选择放弃继续参与任务(

19、Huang et a1，2014)。社会学习对参与者意愿具有负面影响作用，参与者规模越大，社会学习负面影响作用越强。因此，当高奖金吸引到的参与者到达一定规模时，竞争带来的社会学习会削弱奖金数量效果，奖金的影响作用便会逐渐递减。综上分析可以得出，奖金数量通过对参与者经济动机的正面影响作用，可以扩大参与者规模(冯小亮，黄敏学，2013)。但参与者人数增加的同时会激发社会学习效应，会不断削弱奖金的影响效果，不利于参与者规模的扩大(Liuet a1，2014)。这种增强和抑制因素同时存在的影响模式符合倒U形特征，由此可做假设H 1推理：I-I 1：奖金数量对参与者规模呈倒u型影响关系。(二)奖金分配方

20、式对奖金数量的调节影响奖金分配方式是对中标人数的确定，分为赢者通吃和多人共享两种类型，它对奖金数量和中标概率具有影响作用。当奖金数量固定时，与多人共享分配方式相比，中标者在赢者通吃模式中可获得的奖金更多。但多人共享式的中标机率会更大，这对参与者动机和社会学习效果具有影响作用(Terwiesch&Xu，2008)。赢者通吃模式中相对较高的奖金数量，有助于强化数量的正向影响作用，可以吸引相对更多的参与者。但由竞争引发的社会学习影响作用也会更强，从而不利于参与者人数增加(Huang et a1，2014)。虽然多人共享模式也会存在社会学习的负面影响，但相对较高的中标概率会降低其影响作用。例如当观察到

21、有优秀的竞争方案时，但中标机会不是唯一的，继续参与仍将有中标机会。对比赢者通吃和多人共享两种分配方式，可以看出赢者通吃的优势在于发挥数量对经济动机的刺激效果，而多入共享的优点在于抑制社会学习的负面作用。当数量较低时，奖金策略的重心在于正面影响作用的维持，若不足以能吸引到一定的参与者，众包项目便会失败(Jeon eta1，2010)。此时采用多人共享则会进一步稀释奖金数量的激励作用，不利于吸引参与者。并且在参与者较少情境下，社会学习的负面影响没有意义，因此多人共享分配方式不适用于低奖金情境。而赢者通吃方式则有利于奖金积极影响作用的发挥，是低奖金时的较优选择。当数额较高万方数据开发技术TECHNO

22、LOGY OF HRD时，奖金的正面影响作用会较大，可以吸引到较多的参与者，此时奖金策略的重点要关注负面风险的规避(Liu eta1，2014)。若采用赢者通吃模式便会放大社会学习的负面影响作用，不利于吸引更多的参与者。而多人共享方式中较多的中标机会，有助于降低此负面影响，是高奖金时分配方式的较优选择。由以上分析，可做假设H 2推理：H 2：奖金分配方式对奖金数量影响具有调节作用，低(高)奖金与赢者通吃(多人共享)分配方式的组合影响效果较优。(三)任务类型对分配方式的调节影响众包任务可分为创意型和技能型任务两种，完成任务所需知识的不确定性是两者间最大的差别，参与者的动机具有较大差异(Terwi

23、esch&Xu，2008；Boudreau eta1，201 1)。创意型任务通常需要发挥知识的交叉性，任务的评价标准也具有不确定性，此时参与者对于中标的预期较低(Roberts et a1，2006)。非经济动机(例如兴趣爱好、能力锻炼等)是参与者行为的主要驱动力，奖金对其影响较小(冯小亮、黄敏学，2013)。但中标是对参与者能力的认可，采用多人共享分配模式，提升参与者的中标概率，有助于吸引更多参与者(Clark&Riis，1998)。而技能型任务所需知识的专业性较强，任务评估的标准相对较明确，参与者事先会将自身知识能力与任务要求进行匹配，从而决定是否参与(Kalra&Shi，200 1)。

24、技能型任务通常是参与者日常工作中所善长的工作，风险的不确定性在其评估之内，众包是其工作之外的技能套现的有效途径(Zhenget a1，2011；Shah，2006)。因此，奖金是技能型任务参与者的有效诱因，赢者通吃方式相对更多的奖金可有效激发其参与动机。由不同类型任务对应参与者动机的差异性，可做假设H 3推理：H 3：任务类型对奖金分配模式具有影响作用，创意型任务采用多人共享分配方式影响效果更好，技能型任务则采用赢者通吃方式影响效果更好。94 Human Resources Development of China三、研究方法(一)数据来源本研究采用二手数据研究方法对理论模型进行假设检验，数据

25、来自于国内某大型众包平台网站，采用网络爬虫技术进行的数据下载。结合本文的研究问题需要，数据具有以下特征：(1)真实性，以实际发生的众包项目为研究对象；(2)全面性，以项目为节点，全面收集发包方、参与者和平台相关的数据信息；(3)多样性，任务类型较多，包括设计、创意、翻译等多种类型。数据收集发生在2012年，项目发生时间主要是从2008年至2012年，共计76120万个众包项目。需要说明的是众包平台中项目奖金策略的形式仍未发生变化，本数据仍能代表众包奖金策略实际形式。(二)变量测量奖金数量。指发包方对任务奖金数量的标注，我们以实际任务标价作为测量，与Liu等人(2014)的研究相一致。实际任务标

26、价包含了奖金高、低信息，在同一类型任务中可根据均值将奖金额度分成高、低两种情形。分配方式。指发包方事先对中标人数的确定，分为一人独享奖金或多人共享奖金，分别对应赢者通吃模式和多人共享模式。任务类型。指任务的类别，平台将任务划分为15个类别，包括品牌设计、平面设计、商标注册、网店营销、方案取名等。在文献支撑，以及与专业人士探讨基础上，以所需知识的不确定性、专业性为依据，我们将“公司起名、广告语、logo设计”划分为创意型任务，“网站建设、程序功能开发、软件开发”划分为技能型任务，采取人工编码。参与人数。指任务发包方获得的问题解决方案数量，我们以实际提交的方案数据作为测量，与以往研究保持了一致(L

27、iu et a1，2014)。控制变量。除奖金策略以外，参与人数的受到多方面因素的影响，本文还将对时间周期、发包方声誉、奖金承诺、任务发布策略等潜在影响因素加以控制，从而提升研究结万方数据论的可靠性。相关变量的测量见表1，变量的描述统计和相关关系分析见表2。(三)实证模型本研究选取了76120个项目的数据，时间跨度从08年9月8日至12年3月13日。根据表2所示数据特征，相关数据波动较大，我们进行了log化处理。为验证奖金数量和分配方式影响效果的检验，我们构建了奖金数量和分配方式对于参与人数影响的实证计量回归模型1。任务类型对奖金模式的影响则分别构建模型2和模型3检验，模型2表示创意型中任务奖

28、金策略的影响，模型3表示技能型任务中奖金策略的影响。表3数据中，包含一些会对参与者规模可以产生影响的控制变量，主要作用控制可能的替代性解释。(四)假设检验1奖金数量和分配方式的影响假设1推测奖金数量对参与者规模的倒U形影响模式。表1相关变的测定义变量 测量内容奖金数量 任务奖金的实际标价奖金分享人数的确定，一人表示赢者通吃模式，多人表示多人共享模式。采取编码转换，0表示赢者通吃型，1表示多人共分配方式享型时间周期 任务时间周期，任务结束时间减去起始时间，并转换成天任务类型划分，采取主观编码转换，0表示创意型任务，包括：公司起名、广告语、logo设计。1表示技能型任务，包括：任务类型网站建设、程

29、序功能开发、软件开发。参与者规模 参与者提交的方案数量发包方承诺履行选标责任，不管提交方案质量如何，发包方一定选标，并将奖金事先提交平台保管。O表示未承诺选稿，1奖金承诺表示承诺选稿。发包方信誉 发包方的等级，由以往成功发包次数积累形成，等级越高信誉越高发布策略 对于任务说明的详尽程度，分为简要和详尽型两种类型，根据任务发布字数多少来测量，字数越多越详细裹2变描述统计及相关关系变量 1 2 3 4 5 6 71奖金数量 12分配方式 090 13任务类型 一076 057 14发包方声誉 071 023 一005 15奖金承诺 一028 003 110 一007 16发布策略 078 034

30、231 一001 024 17参与者规模 320 180 201 042 043 078 1均值(M) 34371 04 818 21102 98 9855 5590标准差(SD) 1216055 0200 0439 3098587 0154 20375 109205万方数据开发技术I TECHNOLOGY OF HRD从表2的数据结果来看，模型1中奖金数量平方项对参与人数的影响为一0262(t=-一27661,p0001)，说明了奖金数量与参与者人数之间呈倒U形关系，假设1得到了支持验证。揭示了奖金数量的影响效果存在极值点，在此之前奖金数量具有正向影响作用，极值点以后影响作用逐渐递减。假设2

31、推测分配方式对奖金数量影响效果具调节作用。模型1的交互项中，奖金数量和分配方式交互系数为一0057(t=-8291，pO001)，奖金数量平方和分配方式交互项系数为0，171(f=17191，pO001)。根据含二次平方项调节关系检验方法推荐(Hu&Bulte，2014)，调节作用方向与二次平方项系数一致，由此可得出分配方式对奖金数量效果具有正向调节作用。也即低奖金与赢者通吃分配方式的组合，高奖金与多人共享分配方式组合可以进一步增强奖金的影响效果。假设2也由此得到支持验证。2任务类型的影响假设3推测创意型任务的奖金分配模式采用多人共享，技能型任务的奖金分配模式采用赢者通吃可以取得较好影响效果。

32、模型2和模型3分别是对创意型和技能型任务的奖金数量和分配方式组合效果的检验。模型2中奖金数量和分配方式交互系数为一0，205(，=一26054，pO001)，奖金数量平方和分配方式交互项系数为0371(f=1 71 91，pO001)。表明了创意型任务中，分配方式具有显著正向调节作用。从模型1和模型2中奖金数量平方交互项的对比中可以看出，分配方式在创意型任务当中调节作用影响更加显著。表明了对于创意型任务，奖金设计中低奖金与赢者通吃组合，高奖金与多人共享模式组合可以取得较好影响效果。模型3中交互项均不显著，说明了在技能型任务当中，分配方式对奖金数量没有调节作用。但模型3中分配方式对参与人数的影响

33、系数为一O019(t=-2200，pO024)，而模型2和模型3中的影响则为正向显著。表示在技能型任务当中，多人共享分配方式影响效果比赢者通吃方式要相对更差。因此技能型任务当中，采用赢者裹3回归结果因变量：参与入数 因变量：创意型任务参与入数 因变量：技能型任务参与入数变量 模型1 模型2 模型3主效应：奖金数量 031 7“+(503861 0537+-k4t(75607) 0474“+(34715)奖金数量平方 一O262“(一27661) 一470“(一38353) -0237”。(-1 8554)分配方式 01 30kYtk(37426) 01 36“+(35731 1 0019。(一

34、2200)交互效应：一0057“+(-8291) 一0205”+(一26054) 一O，017(一0685)分配方式+奖金数量分配方式+奖金数量平方 O171“+(17191) 0371“+(28974) 0002(0097)控制变量：时间周期 0026“+(6969) 0011”(2792) 0118“+(13631)发包方声誉 0 007+(2086) 0008+(2252) 0ooi(o115)发布策略 0185“+(54135) 0076“+(20334) 0045“+(5661)奖金承诺 0123“+(36172) 0091“+(24664) 0079”+(1 01 351R2 01

35、26(0355) 0153(0391) 0164(0405)Fstatistic 1219271 1 244848 30008996 Human Resources Development of China万方数据通吃分配方式仍然是较优选择。整体而言，假设3得到了部分验证支持。3控制变量解释分析本研究重点是检验奖金数量、分配方式和任务类型对参与者规模的影响，为提升研究结论效度，我们控制了时间策略、发包方声誉、奖金承诺和任务发布说明策略等因素的影响。除模型3交互效应不显著以外，其他模型加入控制变量后主效应和交互效应仍然显著，说明了奖金数量和分配方式组合影响效果的重要性。控制变量中，时间策略的影响

36、表明长周期有利于吸引更多参与者，发包方的奖金承诺也有助于吸引更多参与者。除技能型任务外，总体上发包方的良好声誉可以吸引到更多的参与者。对任务清晰的阐述，帮助参与者理解任务目的和要求，有助于吸引更多参与者。四、结论探讨(一)研究结论本文以众包模式为对象，研究了网络虚拟人才开发中的奖金策略效果，分析了奖金数量对参与者规模的影响，以及分配方式和任务类型的调节影响作用。既拓展了网络虚拟人才利用策略，又丰富了众包理论，具有以下几点理论创新：第一，丰富了网络虚拟人力资源管理的理论，目前人力资源领域关于众包研究多为模式价值讨论，而本文从实证角度分析了奖金策略的影响效果，有助于丰富网络虚拟人力资源开发利用策略

37、。第二，有助于深化众包奖金影响作用认知。本研究发现奖金数量呈现倒U形影响模式，并非奖金越多影响效果越好，应该控制在合理水平。这一发现既证实了以往研究关于奖金积极影响效果的合理性(Liu eta1，2014)，又深化了对奖金数量影响效果的认知，发现了奖金数量影响效果存在极值。第三，拓展了奖金理论研究的边界。现有研究主要关注众包奖金影响作用的主效应，缺乏调节变量的相关研究。本研究发现了分配方式和任务类型的调节作用，高(低)奖金应与多人共享(赢者通吃)组合，创意型任务中应多采用多人共享型，而技能型任务则应多采用赢者通吃。第四，采用了大样本的二手数据检验了奖金策略影响效果，并以项目为分析单位，在方法上

38、具有创新性。现有奖金研究多采用解析模型或实验法，本文为以往研究结论提供了实际数据检验。(二)实践意义根据本研究结论启示，企业不仅要重视众包在开发利用网络虚拟人力资源的价值作用，更需掌握吸引网络参与者的合理奖励策略，在奖金设计方面需要注意以下问题：第一，吸引一定数量的参与者关系到众包问题能否得到有效解决，但在奖金数量方面应把握好适度原则。由于奖金数量的倒U形影响模式，中等价位的影响效果最好，过低和过高的价格都不利于吸引参与者。第二，奖金高低不同时，应合理利用分配方式的影响作用。分配方式可以调节奖金数量的影响效果，本研究揭示低奖金时采用赢者通吃方式，高奖金时采用多人共享方式有利于吸引更多的参与者。

39、合理利用奖金数量与分配方式的组合设计，可以进一步扩大奖金的影响效果，帮助企业获得更多的外部知识。第三，不同类型任务应灵活设计奖金分配方式。本研究发现分配方式的调节作用在创意型任务当中非常显著，因此对创意型任务采用低(高)奖金与赢者通吃(多人共享)的组合影响效果更优。虽然在技能型任务中调节作用不显著，但分配方式的主效应显著为负，推荐技能型任务多采用赢者通吃分配方式。(三)研究局限性然而本文的研究具有一定局限性，具体表现在三个方面：第一，研究方法上二手数据虽然有真实客观的优势，但若能结合实验法验证社会学习的理论机制，则可进一步提升研究结论的效度。第二，由于发包方最终需要的是高质量方案，因变量应该进

40、一步由参与者规模延伸到方案质量上。虽然参与者规模越大，得到高质量解决方案的概率越高，两者具有相关性，但研究方案质量的影响效果更为直接(Girotra eta1，2010)。第三，可进一步拓展众包的人力资源管理问题，例如研究企业应该如何进一步推广众万方数据开发技术I TECHNOLOGY OF HRD包的外部引智模式，以及研究现有雇员对众包模式带来的虚拟人力资源利用的接受态度。参考文献1张振刚、徐洋洋、余传鹏：家长式领导研究述评与展望，载中国人力资源开发)，2013年第13期，第2230页。2冯小亮、黄敏学：众包模式中问题解决者参与动机机制研究，载商业经济与管理)，2013年第4期，第2535页

41、。3Afuah A。Tucci C LCrowdsoorcing as a solution to distant searchAcademyofManagemant Review,2012，37(3)：355-3754Bayus B LCmwdsourcing new product ideas over time：雒analysis ofthe dellideastorm communityManagement Sciences，2013，59(1)：226-2445Boudmau K J，Lacetera N，Lakhaai K RIncentiv髓and problem uncerai

42、nty ininnovation contests：all empirical analysisManagement Science，201 1,57(5)：843-8636Buetmer RA Systematic Literature Review of Crowdsourcing Research froma Human Resource Management PerspectiveHawaii International Conference onSystem Sciences，IEEE Computer Society,2015：4609-46187Cabanillas CExplo

43、ring Human Resource Management in CrowdsourcingPlatformsEnterprise and Organizational Modeling and SimulationSpringerInternational Publishing2016：113-1288Chesbmugh H wAppleyard M M open innovation and stratagyCaliforniaManagement Review,2007，50(1)：57-769Che Y k Gale IOptimal design of research conte

44、stsAmerican EconomicReview，2003，93(3)：646_67110Clark D JRiis CCompetition over More Than One PrizeAmericanEconomic Review,1998，88(1)：276_28911Felstiner AWorking the crowd：employment and labor law in thecrowdsourcingindustryBeridey JournalofEmploymentLaborLaw,2011,32(1)：43-20312Ford R C，Richard B，Ciu

45、chts M P_Cmwdsoureing：a new way ofemployingnon-employees7Business Horizons，2015，58(4)：377-38813Freeman R B，Gelber A MPrize structure and information in tournaments：Experimental evidenceAmerican Economic Journal：Applied Economics，2010，2(1)：149一16414Franke N，Poetz M K，Schreier MIntegrating Problem Sol

46、vers fromAnalogous Markets in New Product IdeationManagement Scienc，2014。60(4)：1063。108115Girotra K Terwiesch C，Ulrich K t Idea generation and the quality of thebest ideaManagement Science，2010，56(4)：591-60516Hu Y Bultc C V Noumonnotoinc Status Effects in New Product AdoptionJ】Marketing Science，2014

47、，33(4)：50953317Huang r singh P”Srinivasan KCrowdsourcing new product ideas under98 Human Resources Devetoprnent of Chinagonsunler learningManagement Science，2014，60(9)：2138-215918Kalra AShi MDesigning optimal sales contests：a theoretical perspectiveMarke曲g Science，2001，20q：2)：170-1931 9Lakhani K RPa

48、netta J AThe Principles of Distributed InnovationInnovations：Technology,Governance，Globalization,2007，2(3)：97一11220Liu T X Yang J，Adamic L A，Chen YCrowdsourcing with all-pay auctions：a field experiment on乜skcnManagement Science，2014，60(8)：2020-203721Mason wWatts D JFinancial incentives and the”performance ofcrowds”ExplomtiousNewsletter,2010，11(2)：100-10822Poetz M k Schreier MThe value ofcrowdsourcing：can mreally competewith professiouals in generating new product ideas?Journal of Product InnovationManagement,2012，29(2)：24525623Roberts J A，Harm I H，Slaughter S AUnderstand