视觉参考信息对众包竞赛解决方案质量的影响：从认知负荷的角度出发

《International Journal of Information Management》：Effects of visual reference information on solution quality in crowdsourcing contests: A cognitive load perspective

在众包竞赛中，视觉参考信息（VRI）类型及数量对解决方案质量的影响呈现非线性特征：原型数量与质量呈倒U型关系，示例数量与质量正相关，而提供指南会降低质量。认知负荷理论表明，指南通过增加认知负荷抑制创新，而原型和示例通过降低认知负荷促进创新，且两者的交互作用受指南调节。基于99designs平台950个竞赛项目的实证分析验证了上述假设，为优化众包竞赛设计提供了理论依据和实践建议。

　　

作者：易中、李一夫、罗鹏、解水静

深圳大学数学科学学院，中国深圳518060

摘要

众包竞赛使组织能够吸引多样化的外部参与者，但确保高质量、创新的解决方案仍然具有挑战性。本研究探讨了视觉参考信息（VRI）作为影响解决方案质量的关键但尚未充分研究的因素的作用。基于认知负荷理论，我们理论化了三种形式的VRI——原型、示例和指南——如何影响众包竞赛的结果。利用99designs平台上的950个竞赛数据集，并应用贝塔回归分析，我们测试了一组假设。研究结果表明：原型数量与解决方案质量之间存在倒U形关系；示例数量与解决方案质量之间存在显著的正线性关系；提供指南与解决方案质量之间存在显著的负相关关系。此外，我们的调节测试结果显示，提供指南会增强原型与解决方案质量之间的正相关关系，同时使示例与解决方案质量之间的正相关关系变为负相关。这些发现通过识别众包中解决方案质量的新前因，并将认知负荷理论的应用扩展到数字创新领域，从而推动了相关文献的发展。对于实践而言，本研究为众包竞赛的组织者和平台提供了关于VRI的战略使用（包括类型和数量）的实际建议，以提高获得高质量解决方案的可能性。

引言

众包竞赛作为一种实施开放创新的策略已被广泛研究（Zhang等人，2024年），它通过吸引多样化的外部人才来实现这一目标（Cricelli等人，2021年）。在典型的众包竞赛中，组织者发布创新任务并提供金钱奖励以吸引参与者的参与（Segev，2020年）。参与者提交解决方案（以创新想法或应用程序的形式），并通过被选为获胜者来赢得奖励（Ghezzi等人，2018年）。通过这种方式，众包竞赛使组织者能够利用群体智慧（Howe，2006年）来寻找研究和开发问题的创新解决方案（Jeppesen和Lakhani，2010年；Afuah和Tucci，2012年）。这类竞赛在信息系统（Pee等人，2018年；Bakici，2020年；Koh和Cheung，2022年）和创新管理（Pollok等人，2019年；Hu等人，2023年）等领域引起了广泛的研究关注。

在众包竞赛中，解决方案质量是影响创新任务成功的关键指标之一（Afuah和Tucci，2012年）。解决方案质量反映了参与者提交的解决方案的整体特征，这些特征能够满足组织者的期望和需求（Zheng等人，2014年，第214页）。它包括新颖性、可用性和可行性等属性（Girotra等人，2010年；Mack和Landau，2020年）。在开放创新的背景下，解决方案是参与者创意的成果，有助于推动组织创新（Bj?rk等人，2011年）。此外，高质量解决方案的生成需要参与者处理认知资源以产生可实施的创新成果（Liu等人，2020年）。因此，高质量解决方案可以定义为“用于改进产品、服务和流程的新想法，以更好地实现组织目标”（Amabile等人，2005年，第367页；Lindberg等人，2022年）。

许多因素已被发现会影响高质量解决方案的生成（参见Segev 2020年的综述）。最近的研究强调了组织者在任务描述中披露的信息的作用，这些信息会影响参与者的认知处理，进而影响解决方案质量（Wang等人，2025年）。当信息模糊或不充分时，参与者可能会经历认知困惑，并难以使他们的解决方案符合组织者的期望。这种认知困惑会降低参与者获胜的信心，并降低他们产生高质量解决方案的意愿（Pollok等人，2019年；Wu等人，2024b）。相反，提供清晰的文本参考信息（TRI），如执行指南，可以帮助理解任务并提高解决方案质量（Jiang等人，2021年）。然而，过多的信息（例如过多的文本示例（Malhotra和Kubowicz Malhotra，2023年）可能导致认知过载（Eppler和Mengis，2004年；Sweller，2010年），限制信息处理能力，最终损害解决方案质量。

尽管VRI在众包竞赛中经常被使用，但以往的研究对其影响解决方案质量的作用仍不够充分。实际上，VRI通常与TRI一起提供，以澄清任务描述。VRI是指以视觉图像形式呈现的信息（例如设计图纸、图片和草图），其中包含颜色和形状等视觉元素（Chan和Park，2015年）。这些视觉元素直观且吸引人，有助于用户轻松理解所提供的VRI背后的信息并产生想法（Geise和Baden，2015年；Borgianni等人，2020年）。我们主张研究VRI对解决方案质量的影响是必要的，原因如下。

首先，以往关于VRI影响的研究结果存在不一致性。例如，一些学者发现VRI可以通过直观的视觉元素减轻认知负荷并提高处理效率（Cook，2006年）；同时，其他学者则表明VRI会导致认知过载或固定化，限制参与者的认知自主性（Althuizen和Chen，2022年）。这些相互矛盾的结果表明VRI对解决方案质量有双重影响，需要更全面的研究。其次，关于VRI如何影响解决方案质量的实证证据仍然有限。例如，有一项研究探讨了示例如何影响解决方案的数量，并通过“数量-质量”权衡推断其对质量的影响（Koh和Cheung，2022年）。然而，上述研究并未揭示VRI如何通过参与者的认知处理来塑造高质量解决方案，这一黑箱仍然未被充分探索。第三，尽管学者们承认众包方法和高质量解决方案对推动开放创新的价值（Ghezzi等人，2018年），但在开放创新过程中生成高质量解决方案的机制仍不够清楚。从认知负荷的角度研究VRI如何影响解决方案质量有助于识别众包竞赛中生成高质量解决方案的前因，从而为开放创新文献做出贡献。第四，许多众包竞赛平台（例如99designs）鼓励组织者为结果澄清提供视觉灵感，但对其有效方法提供的指导有限。

为了解决上述研究空白，我们关注以下研究问题：VRI如何影响众包竞赛中的解决方案质量？ 本研究使用认知负荷理论（CLT；Sweller，1988年）来探讨原型、示例和指南三种类型的VRI对解决方案质量的影响。我们的样本包括来自99designs的950个众包竞赛项目。实证结果表明，更多的示例和原型可以提高解决方案质量，尽管原型的效果存在一个阈值（倒U形关系）。相比之下，提供指南会对解决方案质量产生直接的负面影响。此外，作为调节变量，提供指南会增强原型对解决方案质量的正面线性影响，但会逆转示例的正面线性影响，使其变为负面。

本研究响应了学者们将视觉图像研究扩展到多样化创意设计环境中的呼吁（Herring等人，2009年），并在理论和实践方面做出了多项贡献。首先，本研究丰富了众包竞赛中解决方案质量前因的文献。具体来说，我们探讨了三种类型VRI对解决方案质量的影响，并明确了它们的边界条件。其次，本研究将CLT应用于众包竞赛的背景。我们发展了一个认知负荷理论框架，阐明了VRI如何通过其对认知负荷的影响来影响解决方案质量。第三，通过这样做，本研究加深了对开放创新文献中高质量创新成果生成的理论和实证理解。我们的结果为组织者和平台提供了关于VRI提供类型和数量的策略建议，以提高他们获得高质量解决方案的概率。

节选内容

众包竞赛中的解决方案质量

众包竞赛是基于在线平台的竞赛，它允许组织者公开寻求外部参与者针对特定创新任务的创新解决方案（Ghezzi等人，2018年）。作为一种开放创新模式，众包竞赛帮助组织持续创新，从而保持竞争力（Fan等人，2024年；Wu等人，2024a）。具体来说，从生成到获取、评估和实施解决方案的整个过程反映了这一特点

数据

本分析的数据来自99designs平台。为了测试假设，我们从“其他”类别中收集了2012年至2023年间的2564个众包竞赛项目，构建了一个包含详细竞赛信息的竞赛级数据集。选择这一类别有两个原因。首先，在这个类别中，组织者不仅描述了任务要求，还提供了相关的VRI。其次，这个类别包含各种任务，如标志设计和包装设计。

假设检验

表6展示了主要贝塔回归模型和调节模型的估计结果。模型4的结果显示原型与质量之间存在统计学上的正相关关系（系数H1假设。具体来说，每增加一个原型，预期质量的logit值增加0.01，表明解决方案的预期质量水平更高。

H2假设原型数量与解决方案质量之间存在倒U形关系

实证发现讨论

众包竞赛文献中的研究大多忽略了VRI对解决方案质量的影响。基于CLT，本研究实证考察了三种类型VRI与解决方案质量的直接和交互效应。研究结果为提出的假设提供了实质性的实证支持。首先，结果表明，提供更多的原型可以提高解决方案质量，直到达到某个阈值；之后这种关系变为倒U形。

CRediT作者贡献声明

易中：撰写——初稿、可视化、验证、方法论、正式分析。李一夫：撰写——审稿与编辑、资金获取、概念化。罗鹏：撰写——审稿与编辑、监督、项目管理。解水静：撰写——审稿与编辑、验证、项目管理、方法论、概念化。

致谢

作者共同担任第一作者。本工作得到了国家自然科学基金（项目编号：72201210）、IBSS发展基金（项目编号：IBSSDF-1025–86）、中国科学技术大学双一流研究基金（项目编号：YD2040002026）、安徽省大学协同创新计划（项目编号：GXXT-2023-093）以及小米青年人才计划的支持。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。