第３０卷２０１１年７月 第７期 情报杂志 Ｖ０】．３Ｏ Ｎｏ．７ ＪＯＵＲＮＡＬ ＯＦ ＩＮＴＥＬＬＩＧＥＮＣＥ Ｊｕｌｙ ２０１１ 基于超网络模型的知识转移动力分析术 徐升华邹宏 南昌３３００１３） （江西财经大学信息管理学院；江西财经大学信息资源管理研究所摘要 引入超网络的思想和方法，构建了知识转移的超网络模型。该模型由社会网络与知识网络复合而成，网络 中包括个体和知识两种节点以及节点之间的连边，分别表示组织知识管理中人和知识两种要素以及要素之间的各 类关系。基于Ｎｅｔｌｏｇｏ平台对模型进行仿真分析，从联系强度和知识显著持有者两个角度探讨了现实网络形态下知 识转移的动力行为，发现组织内个体平均联系程度越高，组织产生的知识创新就更多。此外，实验结果还表明网络 中初始转移节点数越多，则达到网络中的知识平衡态越快。 关键词知识转移Ｆ２７０ 超网络模型动力分析 Ａ 文章编号１００２—１９６５（２０１１）０７－００９４—０５ 中图分类号文献标识码Ａｎａｌｙｓｉｓ ｏｆ Ｄｙｎａｍｉｃｓ ｏｆ Ｋｎｏｗｌｅｄｇｅ Ｔｒａｎｓｆｅｒ Ｂａｓｅｄ ｏｎ Ｓｕｐｅｒｎｅｔｗｏｒｋ ＸＵ Ｓｈｅｎｇｈｕａ ＺＯＵ Ｈｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｆｉｎａｎｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ； Ｉｎｓｉｔｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｓｏｕｒｃｅ Ｍａｎａｇｅｍｅｎｔ，Ｊｉａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｆｉｎａｎｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ，Ｎａｎｃｈａｎｇ ３３００１３） Ａｂｓｔｒａｃｔ Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｓｕｐｅｍｅｔｗｏｒｋ ｍｏｄｅｌ ｏｆ ｉｎｔｒａ—ｏｒｇａｎｉｚａｔｉｏｎａｌ ｋｎｏｗｌｅｄｇｅ ｔｒａｎｓｆｅｒ，ｗｈｉｃｈ ｉｓ ｃｏｍｐｏｓｅｄ ｏｆ ａ ｓｏｃｉａｌ ｎｅｔｗｏｒｋ ｎｄ ａ ｋｎｏｗｌａｅｄｇｅ ｎｅｔｗｏｒｋ．Ｔｈｅ ｍｏｄｅｌ ｃｏｎｓｉｓｔｓ ｏｆ ｉｎｄｉｖｉｄｕａｌ ｎｏｄｅｓ。ｋｎｏｗｌｅｄｇｅ ｎｏｄｅｓ，ａｎｄ ｔｈｅ ｄｉｒｅｃｔｅｄ ｏｒ ｕｎｄｉｒｅｃｔｅｄ ｅｄｇｅｓ ａｍｏｎｇ ｔｈｅｍ， ｗｈｉｃｈ ｒｅｐｒｅｓｅｎｔ ｔｈｅ ｏｒｇａｎｉｚａｔｉｏｎ ｍｅｍｂｅｒｓ，ｔｈｅ ｏｒｇａｎｉｚａｔｉｏｎ ｋｎｏｗｌｄｇｅ ａｅｎｄ ｔｈｅｉｒ ｃｏｍｐｌｅｘ ｒｅｌａｔｉｏｎｓｈｉｐ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｓｉｍｕｌａｔｉｏｎ ｉｓ ｍａｄｅ ｂａｓｅｄ ｏｎ Ｎｅｆｌｏｇｏ ｏｆ ｍｏｄｅｌ ｔＯ ｓｔｕｄｙ ｔｈｅ ｄｙｎａｍｉｃｓ ｏｆ ｐｒｏｃｅｄｕｒｅ ｏｆ ｎｏｗｌｅｄｇｅ ｔｋｒｎｓｆａｅｒ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｈｉｇｈｅｒ ｔｈｅ ａｖｅｒａｇｅ ｄｅｇｒｅｅ ｏｆ ｎｏｄｅｓ ｉｓ ｉｎ ｔｈｅ ｎｏｗｌｋｅｄｇｅ ｔｒａｎｓｆｅｒ ｎｅｔｗｏｒｋ，ｔｈｅ ｍｏｒｅ ｉｎｎｏｖａｔｉｏｎ ｗｉｌｌ ｂｅ ｃｒｅａｔｅｄ ｂｙ ｔｈｅ ｏｒｇａｎｉｚａｔｉｏｎ．Ｍｏｒｅｏｖｅｒ－ｔｈｅ ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｋｎｏｗｌｅｄｇｅ ｏｆ ｎｅｔｗｏｒｋ ａｃｈｉｅｖｅｓ ａ ｓｐｅｃｉｆｉｃ ｅｑｕｉｌｉｂｒｉｕｍ ｍｏｒｅ ｑｕｉｃｋｌｙ ｉｆ ｈｅ ｎｕｍｂｅｒｔ ｏｆ ｉｎｉｉａｌｔ ｔｒａｎｓｆｅｒ ｎｏｄｅｓ ｉｓ ｈｉｇｈｅｒ Ｋｅｙ ｗｏｒｄｓ ｋｎｏｗｌｅｄｇｅ ｔｒａｎｓｆｅｒ ｓｕｐｅｒｎｅｔｗｏｒｋ ｍｏｄｅｌ ｄｙｎａｍｉｃｓ ａｎａｌｙｓｉｓ ０引 言 对于组织内的知识转移，目前的研究主要是以 Ｎｏｎａｋａ提出的ＳＥＣＩ（“知识螺旋”）模型…或Ｓｚｕｌａｎ— ｓｌ（ｉ提出的过程模型 为基础，对显性和隐性知识的 转化过程及机理、影响知识转移的成功与失败因素等 进行研究。在组织中，个体在不同大小的范围内通过 培训、交流、沟通和合作等方式进行知识的转移活 的知识转移过程。 Ｒｅａｇａｎｓ通过对知识转移网络结构的分析，认为社 会内聚力和网络范围比两个人之间的强连接能够更好 地提高知识转移的效率 。马费成等基于社会网络提 出了知识转移的社会网络模型。。 。Ｍｕ认为，网络的 知识平衡态随着时间的推移取决于网络大小，知识转 移的速度和网络中个人发送能力和吸收能力，并发现 一个更强大的专有知识拥有者将导致网络更快收敛到 动 ］。知识的转移过程可分为正式和非正式的转移情 境 ］，正式情境包括商业教学、培训学习等，而非正式 的包括工作中的协调、沟通等等。这些活动的共同点 是建立关系。在现实世界中的这些关系，可对应于网 络连接的模式，通过网络的表示方法映射现实世界中 收稿日期：２０１０—１１—１８ 修回日期：２０１１—０３一Ｏ８ 特定的知识平衡状态 。Ｌｉｎ通过在规则网络、随机 网络、小世界网络和无标度网络上的仿真，发现无标度 网络为知识转移提供了一个最优模式 。 目前针对知识转移研究大都是基于社会网络或者 知识网络等同质网络 。利用同质网络分析知识转 基金项目：国家自然科学基金资助项目“基于提高企业自主创新能力的校企知识转移理论与实验研究”（编号：７０７６１００３）；江西省教育厅科技 项目“基于超网络的知识转移与整合的动力”（编号：ＧＪＪ１１４１１）。 作者简介：徐升华（１９５２一），女，教授，博士生师导师，所长，研究方向：知识管理；邹宏（１９７９－），男，博士研究生，研究方向：知识管理。 第７期 徐升华，等：基于超网络模型的知识转移动力分析 ・９５・ 移过程有一定的片面性和局限性，组织内部知识转移 Ｇ ＝（ ，Ｅ — ） （３） 所在的网络包括不同类型的元素，相同或不同类型的 元素之间存在着各种复杂关系，很难用单一类型元素 的网络模型来描述这种复杂的网络结构。异构网络因 Ｋ＝｛ ，｜ｊ｝ ，…，．ｊ｝ ｝代表组织内的知识元（图１中 由圆形图标表示），啦一 为知识节点之间的连边。 Ｅ 代表一组无向边ｅ 的集合，ｅ 代表个体节 点“Ｐ”拥有知识“｜ｉ｝”。现有的超网络模型表示方法大 多采用无向边，由于知识转移的方向性是有一定意义 的，因此本文的超网络模型引入了有向边，￡ ． 表示 有向边的集合，有向边从知识发送方节点出发，经过一 为更加复杂，如何描述当前的网络形式，以及如何建立 网络模式仍处于非常初步的阶段¨ 。对于组织内的 知识转移过程，应用异构网络进行深入分析的研究尚 未见到。 基于这种情况，本文引入超网络这种异构网络，以 个知识节点，然后指向知识接收方节点，代表一次知识 便于更加深入地研究组织内的知识转移过程。超网络 是指“在现有的网络之上的网络”，是指各种不同的网 络所组成的“超”网络。这个概念早在１９８５年由Ｓｈｅｆ－ ｆｉ提出 ，然后Ｎａｇｕｍｅｙ把这种交织的网络称为“超 网络”＿Ｉ “］。超网络现在已经成为研究超大规模复杂 系统的一种新工具¨引。沈秋英 刮等对基于社会网络 与知识传播网络互动的集群超网络模型进行了研究。 本文在现有研究的基础上采用超网络的方法对组织内 部的知识转移过程进行了建模，基于知识转移的网络 特性，文中知识转移过程中的超网络是由社会网络和 知识网络复合而成。基于Ｎｅｔｌｏｇｏ 仿真平台对模型 进行了仿真分析，发现了邻接点数对于到达知识平衡 状态的影响，以及初始转移节点数的变化对促进创新 节点产生的关系。 １ 组织内部知识转移的超网络模型 图１给出了组织内知识转移的超网络概念模型。 该超网络模型的表示可以用图１表示如下： 图１ 知识转移的超网络概念模型图 Ｇ＝（ ，Ｇ ，Ｅ ，Ｌｐ小 ） （１） 其中，Ｇ。是一个社会网络。 ＝（Ｐ， ） （２） Ｐ＝｛Ｐ。，Ｐ：，…，Ｐ ｝代表组织内的个体的集合（图 １中由人形图标表示），ＥＰ 为任意两个个体节点之间 边的集合，代表个体之间的联系； 是一个知识网络。 转移的过程。 模型中的其他网络参数主要包括：网络中的个体 节点和知识节点总数，每个节点的平均链接数（度）， 描述节点问知识转移活动的规则，以及节点状态变化 的规则每个时间点上每个个体节点处于三种状态之 一，即吸收了转移的知识、产生了知识创新以及未能成 功吸收转移的知识；节点状态变化的规则。在下面的 仿真实验中将会进行参数设定和规则的详细介绍。 ２仿真实验 ２．１ 规则设定知识转移的超网络模型中，网络中 存在两类节点：一类节点为知识主体也就是个体，另一 类节点是知识节点，个体节点通过知识节点再到个体 节点之间的连接（或边）代表了知识转移的渠道。 网络中的每个节点都处于一个特定的状态，对于 每个节点成员而言，有三种状态，经过知识转移之后， 在网络中的节点分别是知识转移成功的节点（Ａｂ－ ｓｏｒｂｅｄ）、知识未吸收的节点（Ｒｅｃｉｐｉｅｎｔ，也就是原始节 点状态），以及吸收知识之后引起的一定几率的知识 创新节点（Ｉｎｎｏｖａｔｏｒ）。从一个Ｉｎｎｏｖａｔｏｒ节点个体出 发，连接一条有向边到某个知识节点，再连接到另一个 Ｒｅｃｉｐｉｅｎｔ节点，代表此知识在这两个个体节点之间发 生转移。 网络中的知识转移过程按照以下规则进行多次随 机仿真：初始网络中设定固定节点总数（Ｎｕｍｂｅｒ—ｏｆ— Ｎｏｄｅｓ），实验中分别取１００、１５０、２００等多个节点总数 进行了仿真，发现总结点数对于结果影响不显著，因而 本文实验结果讨论中只取节点总数为１５０的实验结果 进行分析。 所有节点初始设置为原始状态节点（Ｒｅｃｉｐｉｅｎｔ）， 然后根据参数Ｉｎｉｉｔａｌ－Ｔｒａｎｓｆｅｒ—Ｎｏｄｅｓ的数值随机选取 若干个节点成为Ｉｎｎｏｖａｔｏｒ（代表拥有新知识的节点， 即作为本网络中知识转移活动的初始知识源），设定 平均链接数（Ａｖｅｒａｇｅ－Ｎｏｄｅｓ—Ｄｅｇｒｅｅ），即网络中所有 个体节点的相邻节点数的平均值，若网络中边的总数 超过Ａｖｅｒａｇｅ－Ｎｏｄｅ－Ｄｅｇｒｅｅ与Ｎｕｍｂｅｒ－ｏｆ－Ｎｏｄｅｓ的乘 积时，则仿真过程自动停止。 ・９６・ 情报杂志 第３０卷 给定不同的控制变量：知识转移概率（Ｔｒａｎｓｆｅｒ＂ Ｃｈａｎｃｅ）、转移失败概率（Ｆａｉｌ—ｒａｔｅ）以及产生创新的概 ｎｏｖａｔｏｒ—ｒａｔｅ的条件，而节点的随机数小于ｆａｉｌ—ｒａｔｅ，则 节点状态变为Ｒｅｃｉｐｉｅｎｔ，该次知识转移失败，连接的边 撤销。当所有知识转移行为不再发生时，仿真过程停 止。 率（Ｉｎｎｏｖａｔｅ－ｒａｔｅ）三个参数，进行多次仿真实验，初始 给定的作为知识源的个体节点按照给定知识转移概率 向相邻节点进行知识转移，若此时产生的随机数小于 Ｔｒｎｓｆａｅｒ—ｃｈａｎｃｅ，则通过某知识节点向目标节点增加 连接，表示转移过程发生，改变目标节点状态为Ａｂ－ ｓｏｒｂｅｄ，否则该节点仍然保持原始状态Ｒｅｃｉｐｉｅｎｔ。 然后每隔固定时间步长对个体节点进行一次检 ２．２结果及讨论 由于知识转移概率、转移失败概 率以及产生创新概率三个参数变化的多次仿真结果对 于知识转移动力行为趋势影响的差异并不显著，因此 文章中只选取了Ｔｒｎｓｆａｅｒ—Ｃｈａｎｃｅ＝３．５％，ｆａｉｌ—ｒａｔｅ： ２０％，Ｉｎｎｏｖａｔｅ—Ｒａｔｅ＝３％数值下的实验结果。 ２．２．１固定其他参数，变化平均链接数。其他参 数设定为：Ｔｒａｎｓｆｅｒ－Ｃｈａｎｃｅ＝３．５％，Ｆａｉｌ—ｒａｔｅ＝２０％， Ｉｎｎｏｖａｔｅ—ｒａｔｅ＝３％．Ｉｎｉｔｉａｌ－ｔｒａｎｓｆｅｒ—ｎｏｄｅｓ＝６ 查，确认知识是否被吸收，若某节点上产生的随机数小 于Ｉｎｎｏｖａｔｏｒ—ｒａｔｅ，则认为该节点成功地吸收了知识， 并产生了创新，节点状态变为Ｉｎｎｏｖａｔｏｒ。若不满足ｉｎ— 图２ 不同平均链接数的节点状态变化 由图２可以看出，平均链接数的变化对于知识转 强学习型组织的构建，促进组织文化的培育，活跃内部 移进程的时间步长影响较大，即对于组织的知识转移 的非正式学习交流等措施都有着相当关键的作用。 到最终的知识平衡状态，周围相关联的个体节点的数 ２．２．２固定其他参数，变化起始知识转移节点 量越大，那么在网络中的知识转移次数进行的更多，持 数。其他参数设定为：Ｔｒｎｓｆａｅｒ－ｃｈａｎｃｅ＝３．５％，Ｆａｉｌ一 续时间更长，知识转移成功的次数也更多。平均链接 ｒａｔｅ＝２０％，Ｉｎｎｏｖａｔｅ－ｒｏｔｅ＝３％，Ａｖｅｒａｇｅ－ｎｏｄｅ－ｄｅｇｒｅｅ： 数的增大在短时间内可以使得吸收知识的个体数量迅 １２ 速增加，而通过知识吸收促进知识创新的个体数量也 由图３可以看出，初始转移节点数对于知识转移 会达到更高的水平。在组织内部的知识管理中，非正 到达平衡状态的时间步长是有一定影响的，随着初始 式的学习空间可以有效地增加个体之间的联系频率和 转移节点数量的增加，完成知识转移的时间步长会迅 这意味着组织中人才数量较多时，在知识的转 强度，促进知识转移机会，相对于集中、正式的学习方 速减少，在主动知识转移 式会有更好的效果。为了促进知识的转移和创新，加 移过程中，由于知识势能高的个体多，第７期 徐升华，等：基于超网络模型的知识转移动力分析 ・９７・ 概率一定的情况下，相应的知识发送的个体数也就更 顺利完成知识的吸收，即便是改变Ｆａｉｌ－ｒａｔｅ参数以提 多，必然效率会更高，完成转移的效果也更好。此外， 高转移成功比例，这个振荡过程仍然会出现。在实际 初始转移节点数的变化对于三类节点数量变化曲线的 的知识转移过程中这种小数量的情况是可以接受的。 影响是比较明显的。初始转移节点数量较多时，在达 但是从图２和图的３对比中，可以看出通过增大节点 到基本的知识平衡状态后，还有较长时间的接收者和 平均链接数等方法可以有效地减轻或者缓和这种振 吸收者节点的振荡期，即最后一部分接收者在反复的 荡。这意味着在组织知识转移实践中，有利于增加员 知识转移的行为中产生吸收、失败、再吸收的过程，意 工之间知识交互程度和频率等方面的措施都有助于促 味着在组织的知识转移过程中，总有一部分个体无法 进知识的吸收。 图３不同初始转移节点数的节点状态变化图 ３结论与展望 更为有效的激励机制，并且营造良好的组织氛围。在 这样的情境里，自我实现的心理需求可以促使知识存 从上述的实验结果中我们可以看出，节点平均链 量高的知识拥有者更主动、积极地进行知识的释放和 接数和初始转移节点数的增大对于知识转移的促进效 转移，以期不断提高知识员工的知识释放能力和知识 果是比较明显的。平均链接数的增大在短时间内可以 释放量。 使得吸收知识的个体数量迅速增加，而通过知识吸收 促进知识创新的个体数量也会达到更高的水平，同时 因此，为了促进知识的转移和创新，加强激励机 制，促进非正式文化交流以及营造员工自我价值实现， 增大的节点平均链接数对于加速知识转移后期的知识 有效吸收也有着较好的调和作用。而非正式的学习空 间相对于集中、正式的学习能够更好地增加个体的平 均联系强度，因此为了促进知识的转移和创新，组织应 心理满足的良好氛围都是组织知识管理工作中需要提 高的方面。 本文构建了组织内部知识转移的超网络模型，使 用Ｎｅｔｌｏｇｏ平台对此模型进行的仿真实验和分析，发现 了节点平均链接数和知识平衡状态之间的关系，以及 该加强学习文化的构建，促进学习型组织的发展，从而 活跃内部的正式和非正式的文化交流，这些措施对于 促进组织内的知识转移速度和效果都有着相当关键的 作用。初始转移节点数的增大能够促进知识转移的有 效进行，初始转移节点对应组织内知识存量高的个体， 初始转移节点数的变化对促进创新节点产生的影响。 模型用一种更为全面客观的视角反映了知识转移过程 的整体特性及结构特点。利用超网络方法建立的组织 内部的知识转移模型可以更有效地研究知识转移这个 也就是知识显著持有者。因此在组织内部，应该建立 ・９８・ 二｜ １Ｊ 情１Ｊ 报杂志 １Ｊ １Ｊ １Ｊ］Ｊ 第３０卷 １●Ｊ ｎＭ，ＬｉＮ．Ｓｃｌａｅ－ｆｒｅｅＮｅｔｗｏｒｋＰｒｏｖｉｄｅｓ ａｌｌＯｐｔｉｍａｌＰａｔｔｅｒｎｆｏｒ 复杂的系统过程，为进一步深入研究知识转移的本质 ［８］Ｌｉ和内涵提供了一种新的思路与方法，通过这种方法的 分析，可以为提高知识转移能力和创新能力提供更加 有效的理论和实践指导。但是本文应用超网络模型进 行的分析还比较粗浅，也并不能完全阐释知识转移的 内在影响因素。下一步的研究工作需要继续深入分析 ｎｏｗｌＫｄｇｅＴｒｅａｎｓｆｅｒ［Ｊ］．ＰｈｙｓｉｃａＡ—ＳｔａｔｉｓｉｔｃｌＭｅａｃｈａｎｉｃｓＡｎｄＩｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１０，３８９（３）：４７３—４８０ 『９］ Ｃｏｗａｎ Ｒ，Ｊｏｎａｒｄ Ｎ．Ｎｅｔｗｏｒｋ Ｓｔｒｕｃｔｕｒｅ ａｎｄ ｔｈｅ Ｄｉｆｕｓｉｏｎ ｏｆ ｎｏｗｌＫｄｇｅ［Ｊ］．Ｊｅｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃ Ｄｙｎａｍｉｃｓ ａｎｄ Ｃｏｎｔｒｏｌ， ２００４，２８（８）：１５５７—１５７５ ［１０］Ｆｒｉｔｓｃｈ Ｍ，Ｋａｕｆｆｅｌｄ—Ｍｏｎｚ Ｍ．Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｎｅｔｗｏｒｋ Ｓｔｒｕｃｔｕｒｅ ｏｎ Ｋｎｏｗｌｄｇｅ Ｔｒａｎｓｆｅｅｒ：ａｎ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ａｎａｌｙ— 知识转移网络的内部结构，细化网络中的节点和连接 的组成，并将更多的相关动力因素纳入研究范围，探讨 ｓｉｓ ｉｎ ｔｈｅ Ｃｏｎｔｅｘｔ ｏｆ Ｒｅｇｉｏｎａｌ Ｉｎｎｏｖａｔｉｏｎ Ｎｅｔｗｏｒｋｓ［Ｊ］．Ｔｈｅ Ａｎ— ｎａｌｓ ｏｆＲｅｇｉｏｎａｌ Ｓｃｉｅｎｃｅ，２０１０，４４（１）：２１－３８ 更为符合现实情境的网络构成和网络上的动力行为。 参考文献 ［１ １］席运江，党延忠，廖开际．组织知识系统的知识超网络模型及 应用［Ｊ］．管理科学学报，２００９（３）：１２—２１ ［１２］Ｓｈｅｆｉ Ｙ．Ｕｒｆｂａｎ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｎｅｔｗｏｒｋｓ：Ｅｑｕｉｌｉｂｒｉｕｍ Ａｎａｌｙｓｉｓ ｗｉｈｔ Ｍａｔｈｅｍａｉｔｃｌａ Ｐｒｏｇｒａｍｍｉｎｇ Ｍｅｔｈｏｄｓ【Ｍ］．ＮＪ：Ｐｒｉｎｔｉｃｅ— Ｈａｌ１．１９８５ Ｎｏｎａｋａ Ｉ＿Ｔｈｅ ｋｎｏｗｌｅｄｇｅ－ｃｒｅａｔｉｎｇ ｃｏｍｐａｎｙ［Ｍ］．Ｈａｒｖａｒｄ Ｂｕｓｉ— ｈｅｓｓ Ｒｅｖｉｅｗ，（Ｎｏｖｅｍｂｅｒ—Ｄｅｃｅｍｂｅｒ），１９９１：９６—１０４ Ｓｚｕｌａｎｓｋｉ Ｇ．Ｔｈｅ Ｐｒｏｃｅｓｓ ｏｆ Ｋｎｏｗｌｄｇｅ Ｔｒｅａｎｓｆｅｒ：Ａ Ｄｉａｃｈｒｏｎｉｃ Ａｎａｌｙｓｉｓ ｏｆ Ｓｔｉｃｋｉｎｅｓｓ［Ｊ］．Ｏｒｇａｎｉｚａｔｉｏｎａｌ Ｂｅｈａｖｉｏｒ＆Ｈｕｍａｎ Ｄｅ－ ｃｉｓｉｏｎ Ｐｒｏｃｅｓｓｅｓ，２０００，８２（１）：９—２７ Ａｒｇｏｔｅ Ｌ，Ｉｎｇｒａｍ Ｐ．Ｋｎｏｗｌｄｇｅ ｅＴｒａｎｓｆｅｒ：Ａ Ｂａｓｉｓ ｆｏｒ Ｃｏｍｐｅｔｉｔｉｖｅ ［１３］Ｎａｇｕｍｅｙ Ａ，Ｄｏｎｇ Ｊ．Ｓｕｐｅｍｅｔｗｏｒｋｓ［Ｍ］．Ｃｈｅｌｔｅｎｈａｍ，ＵＫ． Ｎｏｒｔｈａｍｐｔｏｎ，ＭＡ，ＵＳＡ．Ｅｄｗａｒｄ Ｅｌｇａｒ Ｐｕｂｌｉｓｈｉｎｇ Ｌｉｍｉｔｅｄ， ２０ｏ２ Ａｄｖａｎｔａｇｅ ｉｎ Ｆｉｎｎｓ［Ｊ］．Ｏｒｇａｎｉｚａｉｔｏｎａｌ Ｂｅｈａｖｉｏｒ＆Ｈｕｍａｎ Ｄｅｃｉ— ｓｉｏｎ Ｐｒｏｃｅｓｓｅｓ，２０００，８２（１）：１５０—１６９ ［１４］Ｎａｇｕｒｎｅｙ Ａ，Ｄｏｎｇ Ｊ．Ｍａｎａｇｅｍｅｎｔ ｏｆ ｎｏｗｌＫｅｄｇｅ Ｉｎｔｅｎｓｉｖｅ Ｓｙｓ— ｔｅｒｎｓ ａｓ Ｓｕｐｅｍｅｔｗｏｒｋｓ：Ｍｏｄｅｌｉｎｇ，Ａｎａｌｙｓｉｓ，Ｃｏｍｐｕｔａｔｉｏｎｓ，ａｎｄ 唐方成，席酉民．知识转移与网络组织的动力学行为模式 （Ⅱ）：吸收能力与释放能力［Ｊ］．系统工程理论与实践，２００６ （９）：８３－８９ Ｒｅａｇａｎｓ Ｒ，Ｍｃｅｖｉｌｙ Ｂ．Ｎｅｔｗｏｒｋ Ｓｔｒｕｃｔｕｒｅ ａｎｄ Ｋｎｏｗｌｄｇｅ ｅＴｒａｎｓ－ Ａｐｐｆｉｃａｔｉｏｎｓ［Ｊ］．Ｍａｔｈｅｍａｉｔｃｌａ Ａｎｄ Ｃｏｍｐｕｔｅｒ Ｍｏｄｅｌｌｉｎｇ，２００５， ４２（３－４）：３９７—４１７ ［１５］王志平，王众托．超网络理论及其应用［Ｍ］．北京：科学出版 社，２０ｏ８：１７ ｆｅｒ：ｈｅＴ Ｅｆｆｅｃｔｓ ｏｆ Ｃｏｈｅｓｉｏｎ ａｎｄ Ｒａｎｇｅ［Ｊ］．Ａｄｍｉｎｉｓｔｒａｔｉｖｅ Ｓｃｉ－ ｅｎｃｅ Ｑｕａｒｔｅｒｌｙ，２００３，４８（２）：２４０—２６７ ［１６］沈秋英，王文平．基于社会网络与知识传播网络互动的集群超 网络模型［Ｊ］．东南大学学报（自然科学版），２００９（２）：４１３—４１８ ［１７］ＮｅｔＬｏｇｏ ｉｔｓｅｌｆ：Ｗｉｌｅｎｓｋｙ，Ｕ．１９９９．ＮｅｔＬｏｇｏ．ｈｔｔｐ：／／ｃｃ１．ｎｏｒｔｈ— ｗｅｓｔｅｒｎ．ｅｄｕ／ｎｅｔｌｏｇｏ／．Ｃｅｎｔｅｒ ｆｏｒ Ｃｏｎｎｅｃｔｅｄ Ｌｅａｒｎｉｎｇ ａｎｄ Ｃｏｒｎ－ ｐｕｔｅｒ—Ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ，Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ．Ｅｖａｎｓｔｏｎ，ＩＬ 马费成，王晓光．知识转移的社会网络模型研究［Ｊ］．江西社会 科学，２００６（７）：３８—４４ Ｍｕ ＪＦ，ＴａｎｇＦＣ，ＭａｃｌａｃｈｌａｎＤＬ．ＡｂｓｏｒｐｔｉｖｅａｎｄＤｉｓｓｅｍｉｎａｔｉｖｅ Ｃａｐａｃｉｔｙ：Ｋｎｏｗｌｄｇｅ Ｔｒａｎｓｆｅｅｒ ｉｎ Ｉｎｔｒａ—ｏｒｇａｎｉｚａｔｉｏｎ Ｎｅｔｗｏｒｋｓ ｌ责编：刘影梅） ［Ｊ］．Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１０，３７（１）：３１－３８ （上接第１２９页） ｅｎｃｅ，２００７，３（２）：１３５－１４９ ［１５］Ｉ Ｎｏｎａｋａ，Ｈ Ｔａｋｅｕｃｈｉ．Ｔｈｅ Ｋｎｏｗｌｄｇｅ—Ｃｒｅｅａｉｔｎｇ Ｃｏｍｐａｎｙ ［Ｍ］．Ｎｅｗ Ｙｏｒｋ：Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，１９９５ ［１６］Ｐｒａｈａｌａｄ，Ｈａｍｅ１．Ｃｏｍｐｅｔｉｎｇ ｆｏｒ ｈｔｅ Ｆｕｔｕｒｅ［Ｍ］．Ｈａｒｖａｒｄ Ｂｕｓｉ— ｎｅｓｓ ｓｃｈｏｏｌ Ｐｒｅｓｓ，１９９４ ［８］Ｈｓｕ Ｍ Ｈ，Ｊｕ Ｔ Ｌ，Ｙｅｎ Ｃ Ｈ，ｅｔ ａ１．Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ Ｂｅｈａｖｉｏｒ ● ｉｎ Ｖｉｒｔｕａｌ Ｃｏｍｍｕｎｉｉｔｅｓ ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｂｅｔｗｅｅｎ Ｔｒｕｓｔ Ｓｅｌｆ－ｅｆｆｉ－ ｃａｃｙ ａｎｄ Ｏｕｔｃｏｍｅ Ｅｘｐｅｃｔａｔｉｏｎ［Ｊ］．Ｈｕｍａｎ Ｃｏｍｐｕｔｅｒ Ｓｔｕｄｉｅｓ， ２００７（６５）：１５３－１６９ ［１７］Ｄｏｒｏｔｈｙ Ｌｅｏｎａｒｄ－Ｂａｒｔｏｎ．Ｃｏｒｅ Ｃａｐａｂｉｌｉｔｉｅｓ ａｎｄ Ｃｏｒｅ Ｒｉｇｉｄｉｔｉｅｓ： Ａ ｐａｒａｄｏｘｉｎＭａｎａｇｉｎｇＮｅｗＰｒｏｄｕｃｔＤｅｖｅｌｏｐｍｅｎｔ［Ｊ］．Ｓｔｒａｔｅｇｉｃ－ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ，１９９２（１３）：１１１—１２５ ［９］ 张爽，乔坤，汪克夷．知识共享及其影响因素的实证研究 ［Ｊ］．情报理论与实践，２００８（４）：５０２—５０６ ［１Ｏ］翁莉，仲伟俊，鲁芳．供应链企业间知识共享的动因研究 ［Ｊ］．科学学与科学技术管理，２００９（２）：９１—９５ ［１１］赵书松，廖建桥，张可军．个体知识共享动机：国外研究综述与 本土化的理论拓展［Ｊ］．情报杂志，２０１０（１）：１１４—１２２ ［１８］慕继丰，张炜，陈方丽．企业知识的性质与企业核心竞争力 ［Ｊ］．经济管理，２００２（２０）：１６—２１ ［１９］林东清．知识共享理论与实务［Ｍ］．北京：电子工业出版社， ２００５：２２６—２２９ ［２０］任志安．企业知识共享网络理论及其治理研究［Ｄ］．西南交通 大学，２００６：５０—５３ ［２１］Ｄａｖｅｎｐｏｒｔ Ｔ Ｈ，Ｐｍｓａｋ Ｌ．Ｗｏｒｋｉｎｇ Ｋｎｏｗｌｅｄｇｅ［Ｍ］．Ｂｏｓｔｏｎ ＭＡ：Ｈａｒｖａｒｄ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ Ｐｒｅｓｓ，１９９８ ［１２］张永军，廖建桥．基于动机视角的知识共享考核研究［Ｊ］．情 报杂志，２０１０（１）：１０８－ｌｌ３ ［１３］文鹏，廖建桥．国外知识共享动机研究述评［Ｊ］．科学学与 科学技术管理，２００８（１１）：９２—９６ ［１４］Ｐｒａｈａｌａｄ，Ｈａｍｅ１．Ｔｈｅ Ｃｏｒｅ Ｃｏｍｐｅｔｅｎｃｅ ｏｆｔｈｅ Ｃｏｒｐｏｒａｔｉｏｎ［Ｊ］． Ｈａｒｖａｒｄ Ｂｕｓｉｎｅｓｓ Ｒｅｖｉｅｗ，Ｍａｙ／Ｊｕｎｅ １９９０ ［２２］Ｄａｖｅｎｐｏｒｔ Ｔ Ｈ，ｅｔ １ａ．Ｓｕｃｃｅｓｓｆｕｌ ｎｏｗｌＫｅｄｇｅ Ｍａｎａｇｅｍｅｎｔ Ｐｒｏ— ｊｅｃｔｓ［Ｊ］．Ｓｌｏａｎ Ｍａｎａｇｅｍｅｎｔ Ｒｅｖｉｅｗ，１９９８（２）：４３－５９ （责编：白燕琼）
