Social media, such as Facebook and Twitter, have become extremely popular. Facebook, for example, has
more than a billion registered users and thousands of millions of units of information are shared every
day, including short phrases, articles, photos, and audio and video clips. However, only a tiny proportion
of these sharing units trigger any type of knowledge exchange that is ultimately beneficial to the users.
This study draws on the theory of belonging and the intrinsic motivation of altruism to explore the factors
contributing to knowledge sharing behavior. Using a survey of 299 high school students applying for
university after the release of the public examination results, we find that perceived online attachment
motivation (b = 0.31, p < 0.001) and perceived online relationship commitment (b = 0.49, p < 0.001) have
positive, direct, and significant effects on online knowledge sharing (R2 0.568). Moreover, when introduced
into the model, altruism has a direct and significant effect on online knowledge sharing
(b = 0.46, p < 0.001) and the total variance explained by the extended model increases to 64.9%. The implications
of the findings are discussed.
สื่อสังคมเช่น Facebook และ Twitter ได้กลายเป็นที่นิยมอย่างมาก Facebook,
เช่นมีมากกว่าหนึ่งพันล้านคนที่ลงทะเบียนและหลายพันล้านของหน่วยงานของข้อมูลที่ใช้ร่วมกันทุกวันรวมทั้งวลีสั้น
ๆ , บทความ, ภาพถ่ายและเสียงและคลิปวีดีโอ แต่เพียงส่วนเล็ก ๆ
ของหน่วยงานเหล่านี้ก่อให้เกิดการใช้งานร่วมกันประเภทใด ๆ ของแลกเปลี่ยนความรู้ที่เป็นประโยชน์ในท้ายที่สุดให้กับผู้ใช้. การศึกษาครั้งนี้วาดบนทฤษฎีที่เป็นเจ้าของและแรงจูงใจที่แท้จริงของความบริสุทธิ์ใจในการสำรวจปัจจัยที่เอื้อต่อการแบ่งปันความรู้พฤติกรรม ใช้การสำรวจ 299 นักเรียนมัธยมสมัครมหาวิทยาลัยหลังจากที่ผลการตรวจสอบของประชาชนเราจะพบว่าการรับรู้สิ่งที่แนบมาออนไลน์แรงจูงใจ(ข = 0.31, p <0.001) และความมุ่งมั่นที่รับรู้สัมพันธ์ออนไลน์ (ข = 0.49, p <0.001) มีบวกโดยตรงและผลกระทบที่มีนัยสำคัญในการแบ่งปันความรู้ออนไลน์(R2 0.568) นอกจากนี้เมื่อนำมาใช้ในรูปแบบที่ไม่เห็นแก่ตัวมีผลโดยตรงและมีความสำคัญในการแบ่งปันความรู้ออนไลน์(ข = 0.46, p <0.001) และความแปรปรวนรวมอธิบายได้ด้วยการเพิ่มรูปแบบการขยาย 64.9% ผลกระทบของการค้นพบที่จะกล่าวถึง
การแปล กรุณารอสักครู่..