基于复杂组织内个体差异的隐性知识传播模型研究

□李中师 王丽萍

（1、2.浙江工业大学经贸管理学院，杭州 310014）

知识经济的来临使得知识成为企业生存、发展和获得竞争优势的关键性资源。对于知识的研究，Michael Polanyi［1］最早将那些无形的且不易被编码的、较难与人共享、交流和理解的知识称作隐性知识，相对的即为显性知识。作为企业核心能力的主要表现形式［2］，隐性知识在企业组织内能否顺利传播，进而能否被员工掌握转化为生产力，将会给企业带来截然不同的结果。隐性知识的传播相对比较困难，因此科学地认识组织的隐性知识传播规律，有效地控制隐性知识的传播，对提高企业知识的管理水平具有重要的理论和实践意义。

随着知识管理研究的逐步深入，人们对知识活动的认识也逐步走向了两个研究范式：信息网络范式和社会网络范式［3］。基于信息网络范式的研究延续了数据、信息、知识等信息学的概念体系，以信息技术为中心，而基于社会网络范式的研究主要是继承了经济社会学和组织行为学的观念思想，该范式下的研究认为任何经济实体都是嵌入在一个具体的、实时的社会系统中的，而知识的流动也通常存在于一个有边界的社会网络中，因此将知识传播和知识利用放在具体的社会网络中进行研究是比较合理的。

因此，越来越多的国内外学者对其进行了深入研究并取得了丰富的成果。大体上知识传播的社会网络范式研究可以分为两类：局部研究和系统研究。局部研究，主要侧重于个体之间的知识交换模式，如吸收能力、知识分享的效果和模拟，这些研究主要是基于认知心理学、社会心理学以及博弈论等［4］。例如Cowan和Jonard（2004）［5］提出了复杂网络上的一种知识转移模式——barter模式，并分析了网络结构对知识传播的影响。在此基础上，Ping Yan和Xiuyu Yang（2009）［6］又提出了另外一种知识转移模式——teaching模式，分析了不同的知识转移模式对知识传播的影响。系统研究，主要是基于计算机模拟和社会网络拓扑结构对知识传播的影响［7］，从模拟结果分析网络的结构特性对知识传播的影响。例如邓丹等（2006）［8］通过构建加权小世界网络，考虑网络的全局效率、局部效率和成本三个变量，分析了群体网络中的知识共享问题。李金华等（2006）［9］结合复杂网络理论，提出了一种群体网络上的知识传播模型。唐方成和席酉民（2006）［10］讨论了网络结构对知识传播的影响，认为网络组织的规模越大，连接节点数越多，知识传播的效果越好。

这些研究成果对科学认识知识在组织内部和组织间的传播机制发挥了很大的作用，并也为企业的知识管理实践提供丰富的理论指导。但是，基于Vito Albino和Jeffery提及的影响知识传播的因素（包括被转移的知识因素、知识发送方因素、知识接受方因素、转移渠道因素和情景因素）以及Andrews和Delahay［11］所认为的接受方感受到的提供方的可靠性和提供方感受到的接受方的可信度在知识传播中的影响作用的分析，可以看出当前的研究还存在一些不足。具体表现为：其一，在宏观层面上，没有将系统研究和局部研究相结合（如网络结构的差异和知识的传播模式相结合）来研究其中的知识传播规律；其二，在微观层面上，知识发送方和接受方的个体差异对知识传播影响的研究不足。

本文在现有隐性知识传播的研究基础上，通过构建复杂组织内的隐性知识传播模型，综合考虑了局部研究层次的隐性知识传播模式和系统研究层面的网络结构差异，分别分析了组织内部存在个体间知识转移能力差异、知识吸收能力差异及个体间的信任度差异对隐性知识在组织内传播的影响。研究结论在理论上，更加系统和全面地剖析了复杂组织中隐性知识的传播机理；在实践中，能够更好地指导企业进行知识管理，促进企业内部隐性知识的高效传播。

一、复杂组织内部隐性知识传播的社会网络模型

1.模型的基本假设

为了比较客观严谨地研究隐性知识在组织内部的传播规律，现对模型做以下假设条件：

（1）组织中的人数为常数，在知识传播的分析周期内不会发生人员的流入流出；

（2）在知识传播分析周期内不会发生连接关系的变化；

（3）组织中个体的初始知识存量随机确定；

（4）在知识传播过程中不考虑传播成本（包括寻找学习资源以及教授、学习的时间成本等）；

（5）组织个体均有很好的教授和学习动力，不存在“拒授”和“厌学”现象；

（6）在知识传播过程中，对象个体不存在知识遗忘。

2.隐性知识传播模型

采用Jackson算法构建的社会网络结构可以看做是一个图G（N，L），N表示所有节点的集合，L表示所有连接关系的集合。本文用一个整数表示隐性知识的拥有量，任意节点A∈N有Nk种不同的隐性知识，第i种隐性知识表示为A（i），i=（1，2，3，…，Nk）。跟节点A有直接连接关系的节点称为A的邻居节点，A的所有邻居节点表示为Nei（A）。隐性知识的传播是按一定的有限时间顺序集t2∈（1，2，3，…）进行的，其传播过程的流程图如下：

平均隐性知识拥有量可以通过式（1）算得：

现有研究也已表明［11］，组织群体网络中的隐性知识传播需要节点间频繁的互动，知识分享的成功依赖于沟通的频繁性和容易程度以及“知识发送者”和“知识接收者”之间整体关系的密切性。因此，对于组织内部隐性知识的传播研究不仅需要考虑到“知识发送者”、“知识接收者”的传播能力差异，而且也应考虑两者之间的信任水平。

知识作为专家地位、个人威望和组织权利等社会资本的源泉。知识的传播或转移通常会引起个人独有能力的扩散，并给“知识发送者”带来机会成本和分享风险，进而影响其社会资本［12］，因此知识传播的成功不仅受到了“知识发送者”的知识存量、传达能力等硬性指标的影响，还会受到其转移意愿、保护意识的影响。“知识发送者”对知识传播的影响程度大小可由式（2）算得：

其中，TAB表示节点A将其知识传授给节点B的能力大小，CA表示节点A的转移知识的最大能力，WAB表示A与B之间的信任度；

由于知识转移能力的大小很大程度上受到节点的知识储量和表达的意愿的影响，故：

其中，SA表示节点A的知识拥有量，DA表示节点A的传达意愿大小。

TAB与TBA是前述流程图中（1）的具体算法。

“知识接收者”同样会影响到知识传播的成功，已经被认识到的影响因素包括接收方的接受意愿、知识结构、知识存量以及吸收能力。“知识接受者”的接受意愿越强烈、知识结构越丰富，其接受知识的积极性就越高，知识传播的成功率就越大。知识传播的终极目标是知识的吸收和创新，所以知识传播的效果还受到接受方知识存量和吸收能力的影响。“知识接收者”对知识传播的影响程度具体可由

式（6）算得：

其中，LAB表示节点A向节点B学习知识的能力，XA表示节点A的最大吸收能力，WAB表示节点A与节点B之间的信任程度；

由于知识的吸收转化能力很大程度上取决于该节点的知识拥有量和其对于知识的接受意愿程度大小，故：

其中，SA表示节点A的知识拥有量，PA表示节点A的对知识的接受意愿度；

同理，

LAB与LBA也即上述知识传播流程图中（2）所表达的具体算法。

由于目前理论界和实践中对转移能力与知识存量、传达意愿以及吸收能力与知识存量、接受意愿之间的函数关系均没有一致的清晰认识，且该函数关系研究亦非本文的研究重点，故将CA，CB，XA，XB分别设定为某一常数。又因为前文模型假设中提到“组织个体均有很好的教授和学习动力，不存在‘拒授’和‘厌学’现象”，因此，CA，CB，XA，XB均为大于0的某一常数，且节点之间各不相同。

R.Cowan［5］等学者提出个体之间的知识交换可以理解为个体在经济社会中的“易物”交易，即当且仅当节点的某一类隐性知识j（i≠j）大于其邻居节点A的同类隐性知识，且节点的某一类隐性知识亦大于节点的同类隐性知识时，知识传播（知识交换）才能得以达成。现假设节点A教授节点B隐性知识i，并且向节点B学习隐性知识j，该知识传播过程（流程图中（3））可以表述为下式：

Ping Yan 和 Xinyu Yang（2009）［6］基于某些企业为了鼓励公司员工间知识的共享和传播，对于有分享知识的员工给予一定的奖励，提出了另外一种传播模式——“教授”式传播，即节点A没有向节点B学习的隐性知识，但是节点A可以将其某些隐性知识教授给节点B。现假设节点A教授节点B隐性知识，但是没有A向节点B学习任何隐性知识，该过程（流程图（4））可以表示为：

一般来讲，隐性知识的传播是通过个体之间面对面的交往和接触来得以实现的，在接触的过程中必会占用一定的时间。因此本文假设“易物”式传播的时间跨度是“教授”式传播的两倍，因为“易物”式传播过程有两次“教—学”的过程。故在本文的隐性知识传播模型中，在同一时间，“易物”式传播只能进行一次，“教授”式传播最多不超过两次。

在本研究中隐性知识的拥有量用整数表示，因此隐性知识的拥有量不会完全相同，故本文认为式（10）成立则A（i）=B（i）。

二、隐性知识传播模型仿真

1.模型初始化

本文的仿真模型采用C语言编写，在Matlab中对其运行结果进行分析。考虑一个有100个节点的组织群体，设定Mr=Mn=3，则可用η=Pr/Pn表示不同的网络结构①Pr表示在备选节点Mr中随机选择节点形成新的连接关系的概率；Pn表示在备选节点Mn中随机选择节点形成新的连接关系。每个节点拥有5类不同的隐性知识且隐性知识量服从［1，100］的均匀分布；每类知识中各有一个节点为专家节点，专家节点的该类隐性知识量为最大值100。

各个节点的最大转移能力C和最大吸收能力X服从正态分布，而各节点之间的信任度W服从［0.1，0.9］均匀分布。

2.隐性知识传播模型仿真

采用Jackson的网络构建算法，在考虑“易物”式和“教授”式两种传播模式共同运行，并且在不同的网络结构环境下，分析节点的知识传授、学习能力以及信任度水平的差异对隐性知识传播效果的影响。稳定状态下的平均隐性知识水平的仿真结果均是在同一网络结构下运行50次，然后取其稳定状态下的平均值。

模型一 假定各节点的转移能力水平和吸收能力水平均为0.5，个体间无任何差异，信任度亦无差异,均为0.5，知识传播模拟仿真结果如下图1。

正如图1所示，知识存量水平会随着η的增长而增加，尤其是在区间［0.09，9.00］，增长幅度比较明显，当η的值超过9.00以后，知识拥有量水平基本保持不变。

由模型一可以看出，网络结构对隐性知识传播的影响，主要是在区间［0.09，9.00］，也就是小世界网络（the small-world network），主要影响了知识传播的速度和平均隐性知识水平。在该区间，随着η的增加，知识的传播速度由快逐渐变慢，而知识水平呈现逐步增加。

模型二 假定各节点的吸收能力以及信任度水平较模型一均无变化，分别均为0.5，唯有各节点的转移能力水平有差异。假定节点的转移能力水平服从正态分布，为了体现不同的能力水平对隐性知识传播的影响，本文选取两组节点转移能力水平均值分别为0.2和0.8的节点组进行对比分析。模拟仿真结果见图2。

图2 不同网络结构下，不同的转移水平对隐性知识传播的影响

如图2所示，随着节点转移能力水平的提高，隐性知识的转移速度和隐性知识平均水平均有明显的上升和提高。同模型一类似，节点转移能力对隐性知识传播的主要影响亦在小世界网络范围内。

模型三 假定各节点的转移能力以及信任度水平较模型一均无变化，分别均为0.5，唯有各节点的吸收能力水平有差异。假定节点的吸收能力水平服从正态分布，为了体现不同的能力水平对隐性知识传播的影响，本文选取两组节点吸收能力水平均值分别为0.2和0.8的节点组进行对比分析。模拟仿真结果见图3。

图3 不同网络结构下，不同的吸收水平对隐性知识传播的影响

如图3所示，随着节点吸收能力水平的提高，隐性知识的转移速度和隐性知识平均水平均有明显的上升和提高。同模型一类似，节点吸收能力对隐性知识传播的主要影响亦在小世界网络范围内。

模型四 假定各节点的转移能力以及吸收能力较模型一均无变化，分别均为0.5，唯有各节点之间的信任度有差异。假定节点之间信任度水平服从正态分布，为了体现不同的信任度水平对隐性知识传播的影响，本文选取两组节点间信任度水平均值分别为0.2和0.8的节点组进行对比分析。模拟仿真结果见图4。

如图4所示，随着节点间信任度水平的提高，隐性知识的转移速度和隐性知识平均水平均有明显的上升和提高。同模型一类似，节点间信任度对隐性知识传播的主要影响亦在小世界网络范围内。

三、结语

本文构建了复杂组织内的隐性知识传播模型，综合考虑了微观层次的隐性知识传播模式和宏观层面的网络结构差异，分析了组织内部个体间存在知识转移、知识吸收及个体间的信任度分别对隐性知识在组织内传播的影响。模拟仿真的结果证实了如下结论：

（1）小世界网络对隐性知识在组织内的传播的影响最大。

（2）组织内部个体间的转移、吸收和信任度的差异对隐性知识在组织内的传播产生了正面影响，组织节点的平均转移（吸收或信任度）越高，隐性知识的传播速度越快，隐性知识在组织内的平均拥有量也越高。

如何提高隐性知识在组织内的传播效果，作为组织的管理者可以从以下几方面采取措施：首先，提供便利的场所（咖啡屋、棋牌室或者游戏厅），这样是为了提供更多的个体之间的面对面的接触机会，增加隐性知识传播的可能性；其次，提高个体的学习能力和表达转移能力，可以通过一些培训课程以及实践锻炼来实现；同时，工作场所应尽量营造一种开放、自由的工作氛围，以建立个体之间的相互信任，这样有利于隐性知识的传播；最后，合理的利益分配政策，形成公平、公正的激励机制，如奖金的发放和员工绩效的考核应考虑到员工个体在知识传播中的影响作用。

本文通过隐性知识在复杂组织内的传播过程进行建模，并分析了个体间的知识转移、吸收能力和个体间信任度的差异对传播过程的影响。由于时间和篇幅的限制，本文不能全面分析隐性知识的全部传播过程，所以后续的研究可以从以下两方面进行改进，一是在局部分析层面，遗忘机制可以加入到本文的模型中；二是在系统分析层面，可以研究网络结构的演化（如员工的入职、离职和员工间关系的变化）对隐性知识传播的影响。

［1］M.Polanyi.“Tacit Dimension”.New York：Doubleday&Co.，1966.

［2］H.Tua，Difficulties in Diffusion of Tacit Knowledge in Organizations，Journal of Intellectual Capital，2000（4）：357─365

［3］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.

［4］T.Yin and Q.Zhang.Dynamics Game Analysis in Work’s Tacit Knowledge Sharing Process in Enterprise，In International Conference on Machine Learning and Cybernetics，2005，（4）：2234─2238.

［5］Cowan R.， Nicolas， J..Network Structure and the Diffusion ofKnowledge［J］.JournalofEconomic Dynamics&Control，2004，（8）：1557─1575.

［6］Ping Yan， Xinyu Yang.To Trade orto Teach：Modeling Tacit Knowledge Diffusion in Complex Social Networks. 2009. The Second International Conference on Future Information Technology and Management Engineering，151─154.

［7］F.Tang，J.Mu and D.MacLachlan，Implications of Network Size And Structure on Organizations’Knowledge Transfer， Expert Systems with Applications，2008，34（2）：1109─1114.

［8］邓丹，李南，田慧敏.加权小世界网络模型在知识共享中的应用研究［J］.研究与发展管理，2006，（4）：62─66.

［9］李金华，孙东川.复杂网络上的知识传播模型［J］.华南理工大学学报（自然科学版），2006，（6）：99─102.

［10］唐方成，席酉民.知识转移与网络组织的动力学行为模式［J］.系统工程理论与实践，2006，（9）：83─89.

［11］Andrews K.M.， Delahay B.L..Influences on Knowledge Processes in Organizational Learning：The Psychosocial Filter［J］.Journal of Management Studies，2000，37（6）：797─810.

［12］柯江林，石金涛.驱动员工知识转移的组织社会资本功能探讨［J］.科技管理研究，2006，（2）.