《Management Review Quarterly》：What’s in it for me? a systematic literature review on incentive mechanisms fostering users’ data sharing behavior in data ecosystems
编辑推荐：
获取充足且高质量的数据已成为当今数据驱动型经济中创新与竞争力的关键驱动力。然而，许多组织，尤其是缺乏既定用户群的较小公司，在构建或访问规模足够的数据集方面面临挑战。在此背景下，数据生态系统（Data ecosystems）的概念应运而生，其作为数字生态系统的一
获取充足且高质量的数据已成为当今数据驱动型经济中创新与竞争力的关键驱动力。然而，许多组织，尤其是缺乏既定用户群的较小公司，在构建或访问规模足够的数据集方面面临挑战。在此背景下，数据生态系统（Data ecosystems）的概念应运而生，其作为数字生态系统的一种独特形式，将数据作为核心产品。数据生态系统通过促进数据访问为数据需求提供了潜在解决方案。然而，这些生态系统必须维护生成数据的私人消费者的数据主权，仅在消费者同意的情况下使用或分发数据至关重要。因此，激励用户主动与数据生态系统共享数据成为一项相关课题。为此，研究人员的工作旨在更全面地理解促进数据生态系统中数据共享的激励机制这一主题。该研究采用扩展的系统文献综述（Systematic literature review）方法来汇总该领域的先前研究，就这一主题进行了广泛的概述并指出了未来的研究途径。研究人员归纳性地识别了激励机制的五个关键维度以及可能塑造其有效性和用户数据共享行为的五类影响因素。基于这些见解，研究人员提出了一个包含八种理想类型的激励机制的概念化分类体系。
在当今数据驱动的经济环境中，获取充足且高质量的数据已成为组织创新与维持竞争力的关键驱动力。大型企业往往通过产品和服务收集专有数据来建立数据孤岛，而规模较小或新兴企业则因难以获取充足数据而面临竞争劣势。数据生态系统作为解决数据资源获取瓶颈的潜在途径，通过连接数据生产者与消费者促进数据协作。然而，在数字服务运行中，用户的个人隐私与数据主权面临严峻挑战。欧盟的通用数据保护条例（GDPR）等法规强调用户对其数据收集与处理的知情同意权，但在实际应用中，复杂的同意机制可能引发有效性争议。此外，以往关于数据共享激励机制的研究是碎片化的，往往局限于特定的单一激励机制（如单一的金钱激励）或特定领域（如健康数据或传感数据），缺乏对跨行业、跨情境的系统性理论整合，因而难以有效指导实际生态系统设计有效的激励策略。为填补这一空白，研究人员开展了相关研究，并得出结论发表在《Management Review Quarterly》上。其重要意义在于提供了一个全局性的理论框架，为开发以用户为中心且可持续的数据生态系统奠定了理论基础。
在技术与方法方面，研究人员采用了扩展的系统文献综述方法。此样本队列来源于指定的信息系统数据库以及“basket journals”等十一大顶级期刊，并结合多学科数据库与反向检索技术构建文献库。研究过程遵循扎根理论文献综述的五步原则，即定义、检索、选择、分析和呈现。两名研究人员对文献进行归纳性编码，在归纳出激励机制的子维度与影响因素后，将其整合为更高阶的类别，并依据理论框架推导出包含八种理想类型的分类体系。
描述性结果
通过文献综述与编码分析得出，大多数研究采用了定量研究方法，而定性研究与纯数理建模的占比较低。这表明当前领域在理论构建上存在不足，多数文献依赖于已确立的理论模型，例如最常见的隐私计算理论，其次是前景理论。研究指出，在不同的理论视角下，激励被概念化为不同的机制，且大多数研究将影响激励有效性的因素作为独立变量进行分析。
激励机制
通过归纳性编码文献得出，研究人员将激励机制划分为五个广泛类别：基于金钱的、基于服务的、基于声誉的、基于游戏化的以及社会与社会性激励。金钱激励通常通过隐私计算模型作为外部杠杆提升感知收益，但在敏感健康数据共享等情境下可能被视为不合适。服务型激励通过提供个性化或功能便利等服务利益来换取数据，其有效性依赖于用户对服务的个人价值感知，且可能存在因数据与服务紧密耦合而影响知情同意质量的问题。声誉型激励依赖社交可见性与同伴评价提升社会地位，目前多采用决策模型进行分析，缺乏对其在自主性与知情同意方面影响的深入探究。游戏化型激励的研究较为匮乏且缺乏实证验证。社会与社会性激励通过支持更广泛的社会目标（如科学研究或环境保护）来激励用户，其有效性甚至有时超过金钱回报，但高度依赖于透明度与价值一致。
影响因素
研究人员发现了影响激励机制有效性的五个因素类别：身份保护、信任与透明度、个人特征、用例相关态度以及数据类型与应用目的。隐私担忧是抑制敏感数据共享的主要障碍，而感知到的数据控制能力与机构信任能显著促进数据共享行为。此外，性格特征、文化背景以及对应用领域的心理距离等态度因素，敏感数据类型与使用目的等，共同作用于用户对激励机制的响应。
概念分类体系
研究人员将激励机制的来源（外部与内部）与其表现形式（可量化的、情境的、象征性的、亲社会的）进行交互分析，开发了一个包含八种理想类型的分类体系。类型1是外部提供的可量化激励，如直接付款；类型2是内部产生的可量化激励，如预期长期财务回报的投资；类型3是外部授予的象征性激励，如徽章；类型4是内部衍生的象征性激励，如自豪感；类型5是外部启用的情境激励，如个性化服务；类型6是内部获得的情境激励，如满足个人研究兴趣的独家服务访问；类型7是外部导向的亲社会激励，如环保效益；类型8是内部驱动的亲社会激励，如利他主义。
科研人员构建的这一分类体系明确了不同激励配置对应的底层动机逻辑与预期的用户参与度。直接付款能促进一次性匿名数据交易，而基于个人兴趣的服务访问能促进持续参与。
在讨论部分，研究人员总结了该研究的理论贡献。首先，提供了数据生态系统内各类数据共享激励机制的全面概览，并归纳了上述五大因素类别。其次，构建的八大理想类型分类体系可作为分析工具，帮助解释为何表面相似的激励机制在不同条件下会产生显著不同的有效性。最后，针对实际管理，研究人员强调金钱激励在特定情境下的财务不可行性，并建议从业者探索如服务质量提升、声誉机制等非金钱激励，同时明确必须在设计激励机制时充分考虑透明度、数据类型与用户隐私期望等影响因子，以确保数据共享在符合道德伦理与用户知情同意的前提下高效推进。
