【摘要】互联网环境下，消费者从传统个体决策逐步转向群体共享协作，网络社群俨然已成为其观察性学习的重要信息来源。首先，考虑其渐进性和阶段性特征，本文从“群体认可”“成员参与”和“观点分布”三个层面构建网络社群学习理论框架。其次，使用网络爬虫抓取在线社群互动数据，并采用机器学习算法对非结构化数据进行分析处理。最后，基于系统矩估计方法建立动态面板计量模型，实证检验了本文理论假设。研究发现：网络社群中“群体认可”“成员参与”和“观点分布”均对社群学习效应具有正向影响，而“成员参与”和“观点分布”对上述效应具有递进的正向调节作用。本文研究试图打开社群学习机理“黑箱”,为方兴未艾的社群经济发展提供微观理论支撑。