基于多重网络的集群企业知识创造过程研究

梁 娟，陈国宏

（1.福建江夏学院工商管理学院，福建福州，350108；2.福建工程学院管理学院，福建福州，350108）

知识创造是集群企业实现知识增长的重要途径，它对集群企业发展的重要意义已经获得广泛认同。但是当前我国集群企业的实际知识创造效果并不理想，这引发了学术界对集群企业知识创造问题的关注。[1]Nonaka 和 Takeuchi于1995年首次提出了知识创造型企业的概念，并提出了著名的SECI模型。[2]在他们研究基础上，国内外众多学者纷纷结合各国国情发展出各自的知识创造理论，已积累了丰富的研究成果。

在研究内容上，知识创造的研究对象经历了组织—区域—网络的发展趋势。早在20世纪90年代末，研究的重心已从关注知识创造内容转向关注知识创造过程及有利因素。早期的研究主要局限于组织内部和集群地理范围，研究组织环境和空间邻近等因素对知识创造的影响。[2-3]随着研究的深入，有学者指出知识创造的动力不局限于组织内部和地理环境，可来自网络，并开始关注网络嵌入性、网络信息共享、动态异质性网络、关系质量、组织交互嵌入等因素的影响。[4]知识网络嵌入集群企业的知识创造逐渐成为研究热点和主流。目前产业集群知识网络的研究已呈现从单一网络逐渐转向双重及多重网络的研究趋势。因此，在深入研究集群企业的知识创造活动时，基于多重网络的集群企业的知识创造问题将成为一个研究热点和新的研究趋势。

在研究方法上，目前大多数研究都是采用思辨的方式进行逻辑推演或案例研究，如采用问卷调查和数学解析方法。[5-7]这些方法有助于加深对知识创造的了解，但知识创造活动具有明显的复杂性特征，在对其复杂现象产生机理还不甚了解的情况下通过逻辑推演和案例分析很难得到对知识创造的相关规律性问题的根本认识。随着复杂网络研究的兴起，运用复杂网络理论研究知识传播、知识扩散的成果日渐增多，为本文的研究提供了参考和借鉴。鉴于基于多重网络的集群企业知识创造活动的复杂性特征，本文突破传统经济建模及分析的思路，运用多主体仿真技术建立仿真模型，对进一步认识基于多重网络的集群企业知识创造的过程及其演化规律有较大的帮助。

基于上述分析，运用多主体的建模思想，基于集群企业的自适应知识交互行为，构建基于多重网络的集群企业知识创造仿真模型，通过计算机模拟实验直观地展现基于多重网络的集群企业知识创造的动态演化过程，并定量分析网络和企业层面因素对集群企业知识创造的影响程度，进而提出提升集群企业知识创造水平的政策和策略取向。

一、网络节点的知识创造函数

多重网络是知识主体（节点）和知识交互活动（边）组成的集合，知识网络的基本运行机制源于节点间为提升知识水平，而产生知识吸收、协同知识创造等交互动机，进而引发节点间的联结行为。知识网络的运行更像是一个分布式关系型数据库系统，网络节点会对新关系的形成、旧关系的保留和复制进行价值判断，而不是简单的接收。[8]坎贝尔在知识进化论中提出知识的积累需要具备3个必要条件：变异引入机制、选择机制、保留和复制机制。[8]借鉴坎贝尔的思想、Fong的多学科知识创造过程模型及Swart和Powell的研究成果，本文提出多重网络中集群企业的知识增长可分为3个部分：在引进机制作用下吸收的新知识、在整合机制作用下开发的新知识、在再创新机制作用下探索的新知识。[8-9]

（一）引进机制作用下吸收的新知识

根据节点间的知识共享和吸收行为，可得出如下的节点间边的知识流示意图，见图1。[9]其中表示从节点进入节点和节点联结边上的知识量，为边的输入知识量表示从节点和节点联结边上最终输出到节点的知识量，为边的输出知识量。由于受双方的信任程度、传输距离、传输介质等因素的影响，[9]

图1 节点间边的知识流示意图

（二）整合机制作用下开发的新知识

此外，由于多重网络下节点除了自主创造外，还有协同创造，在整合机制作用下，协同双方会将优势知识、共享到的新知识进行协同累积和综合，对共享的知识进行拓展、优化和改进，进而创造出新知识。其中为协同知识重组率，受协同双方知识重组能力、协同程度、知识互补程度等因素的影响。设节点和节点协同开发的新知识量为，则

综上所述，在集群企业知识存量和引进知识一定的前提下，影响整合效果的因素为知识重组率和协同知识重组率，其取值越高，集群企业的整合能力越强，开发创造的新知识就越多。

（三）再创新机制作用下探索的新知识

综上所述，在集群企业知识存量、引进知识、开发知识一定的前提下，影响再创新效果的因素为知识突变率和协同知识突变率，其取值越高，集群企业的再创新能力越强，探索创造的新知识就越多。

（四）网络节点知识存量的度量

进一步，把上述3种机制作用下的新知识函数代入知识存量函数，则可将表示为

二、基于多重网络的集群企业知识创造仿真模型

（一）网络节点的知识创造行为

网络节点知识创造的目的是创造新知识，提升自身的知识水平，减少知识差距。为此，当节点的知识存量与环境的知识要求存在差距时，节点具有弥补知识差距，进行知识创造的需要。根据前文对多重网络下知识创造过程的描述，本仿真模型把节点的知识创造行为分为3个阶段：第一阶段是知识共享与吸收行为；第二阶段是自主知识创造行为；第三阶段是协同知识创造行为。

1.知识共享与吸收行为

首先，网络节点与环境的知识要求相对照，判断是否存在知识差距。知识要求用表示，该值越接近于1表明知识要求越高。用表示知识状态。其中0表示不存在知识差距，1表示存在知识差距。

2.自主知识创造行为

3.协同知识创造行为

通过协同知识创造，受协同创造的新知识的适应度的影响，节点获得的新知识其中为与节点进行协同知识创造的联结数。

（二）知识创造的衡量

在衡量知识创造的指标中，已有研究主要选用平均知识水平、知识方差、知识创造量等指标。结合前文对基于多重网络的集群企业知识创造过程及知识创造函数的描述，在定量描述基于多重网络的集群企业的知识增长及演化过程时，使用知识吸收量、自主知识创造量、协同知识创造量和平均知识水平等4个指标。其中分别用知识吸收量、自主知识创造量和协同知识创造量来定量描述基于多重网络的集群企业知识创造过程中各阶段知识的增长及演化过程，用平均知识水平来衡量基于多重网络的集群整体的知识增长及演化过程。

三、仿真分析

（一）仿真模型初始参数的设置

根据已建立的多重知识网络下集群企业知识创造的仿真模型，本文运用Swarm2.2软件进行仿真实验。为了研究主要参数的变化规律，本文简化了网络节点的参数设置值，初始实验参数设置如下：仿真主体数网络节点集为节点随机分布在一个80*80的网格空间上。初始位置在65*65网格内的节点为集群内组织，初始位置在65*65网格外的节点为集群外组织。环境的知识要求为1；初始知识存量在[0，0.5]区间上均匀取值（大多研究知识转移的文献初始知识存量在[0，1]区间上均匀取值，此处为了考察知识创造活动，设定节点的初始知识存量在[0，0.5]区间上，从而与环境的知识权力要求存在一定的差距）；把知识遗忘率综合为知识保留因子，在[0.8，1]区间上均匀取值；知识共享度与知识表达和转化能力在[0.5，1]区间上均匀取值；新知识的适应度在[0.8，1]区间上均匀取值；知识重组率知识突变率协同知识重组率协同知识突变率知识共享与吸收成本在[0，1]区间上均匀取值；自主创造成本在[20，40]区间上均匀取值；协同成本和协同创造成本在[5，15]区间上均匀取值（根据各参数的含义，在保证知识创造过程可观察的前提下，参考已有文献，仿真中选取并确定了知识保留因子、知识共享度、知识表达和转化能力、适应度等参数值）。

（二）仿真结果分析

1.多重网络规模和密度对知识创造效果的影响

实验中网络密度分别取0.01、0.0155、0.03，随机产生56、106、170个企业。图2分别揭示了不同网络规模和网络密度下，多重网络平均知识水平和知识创造量的变化。

图2 不同网络规模和网络密度下知识创造效果

由图2可以看出，多重网络的平均知识水平随着网络规模和网络密度增加而不断提高。这是因为随着网络规模和网络密度的增加，网络节点的知识交互对象随之增加，提高了网络节点间知识吸收和协同知识创造的概率，从而提高了多重网络下产业集群平均知识水平的增长速度和增长水平。从图2不同网络规模和网络密度下知识创造量图中不难发现，网络规模和网络密度越大，在仿真初期的知识创造量越大，平均知识水平的增长越快。然而，从图2平均知识水平图可以看出，虽然不同网络规模和网络密度下平均知识水平的增长速度不同，但增长趋势基本类似，最终平均知识水平都趋于稳定，出现知识同质化及锁定现象。这表明，在网络节点知识存量分布状态不变的前提下，单纯增加网络规模和网络密度只能在短期内提高产业集群平均知识的增长速度及水平，长期来看仍会出现不同程度的知识同质化及锁定现象。

结论1：扩大网络规模和网络密度可提高多重网络平均知识水平的增长速度及水平，但单纯增加网络规模和网络密度无法避免知识同质化及锁定现象。

2.多重网络关系质量对知识创造效果的影响

图3 不同网络关系质量下知识创造效果

图3给出了不同关系质量下集群企业的知识创造各度量指标的变化曲线。其中协同意愿和共享意愿取值越大，表明网络关系质量越高。由图3可见，不同关系质量对知识创造的不同的影响，对平均知识水平和协同知识创造量的影响较为显著，对自主知识创造量的影响不显著。在其他条件相同的情况下，关系质量越高，网络的协同知识创造量越大，进而促使平均知识水平的较高增长。

结论2：多重网络平均知识水平的增长水平及速度随多重网络关系质量的提高而增加，且协同知识创造量是导致平均知识水平产生显著差异的主要原因。

3.多重网络知识优势异质度对知识创造效果的影响

图4 不同知识优势异质度下知识创造效果

结论3：知识优势异质度处于中等状态时更有利于提高知识创造效果，此时网络的平均知识水平更高。

4.集群企业引进机制对知识创造效果的影响

图5 不同引进能力下知识创造效果

由图5可以看出，在不同引进能力下知识网络的平均知识水平均呈现不同程度的增长趋势，与引进能力中等和引进能力弱相比，引进能力强时平均知识水平和知识吸收量较高。由前文对引进机制的分析可知，引进能力是一种变异引入能力，能力越强其对异质性知识的吸收程度越高，知识吸收量就越大。因此，引进机制首先作用于知识吸收量，从图5（b）不难看出，引进能力强时的知识吸收量在整个仿真周期内都较高。自主知识创造量和协同知识创造量是在新知识引入之后产生的，会受到网络关系质量、创造成功率等因素的影响，具有一定的时滞性和不确定性。但引进能力对知识创造量还是存在一定的影响，从图5（c）和（d）可知，引进能力低时的知识创造量明显更低。

结论4：引进能力会对知识创造产生影响，平均知识水平随着引进能力的提高而增加，其中知识吸收量的增加更为明显。

5.集群企业整合机制对知识创造效果的影响

图6 不同整合机制下知识创造效果

由图6可以看出，在不同整合机制作用下知识网络的平均知识水平的增长趋势相同，但增长水平不等，整合能力强的其平均知识水平、自主知识创造量和协同知识创造量较高。根据前文对整合机制的分析可知，整合能力是一种选择能力，能力越强对引进知识的整合及开发程度越高，知识创造量就越大。因此，整合机制主要作用于知识创造量，从图6（b）和（c）不难看出，整合能力强时的自主知识创造量和协同知识创造量在仿真周期内整体较高。

结论5：整合机制会对知识创造产生影响，平均知识水平随着整合能力的提高而增加，自主知识创造量和协同知识创造量的增加更为明显。

6.集群企业再创新机制对知识创造效果的影响

图7 不同再创新机制下知识创造效果

由图7可以看出，在不同再创新能力下知识网络的平均知识水平的增长趋势相同，但增长水平和增长速度不等，且存在一定的时滞期；再创新能力强的其平均知识水平、自主知识创造量和协同知识创造量更高。由前文对再创新机制的分析可知，再创新能力是一种保留和复制能力，能力越强其对引进知识的探索程度越高，则知识创造量就越大。因此，再创新机制主要作用于知识创造量，从图7（b）和（c）不难看出，再创新能力强时的自主知识创造量和协同知识创造量在仿真周期内整体较高。但由于再创新能力体现了网络节点对知识的探索能力，而探索型知识创造的高风险性等因素的存在使得再创新机制的发挥与前两种机制相比存在较明显的时滞性和不确定性，从图7（a）可知，在仿真初期，再创新能力强时的平均知识水平最低，大约从20仿真时钟开始，再创新机制才真正发挥作用，其平均知识水平出现明显的较高速度的增长，从而在更高的水平上达到稳定状态。

结论6：再创新机制会对知识创造产生影响，平均知识水平随着再创新能力的提高而增加，但该机制的发挥具有明显的时滞性。

四、结论

本文以知识进化论为依据，以引进机制、整合机制和再创新机制为基础，构造了基于多重网络的集群企业的知识创造函数；从知识创造的过程角度，分析了知识主体及主体间的自适应知识交互行为（知识共享与吸收、自主知识创造、协同知识创造），并运用多主体仿真方法，对基于多重网络的集群企业的知识创造过程进行仿真实验，得到相关研究结论。第一，模拟并分析了不同网络规模和网络密度、关系质量和知识优势异质度下的知识创造效果。研究发现，扩大网络规模和网络密度、提高关系质量并保持适度的知识优势异质度可提高多重网络平均知识水平的增长速度及水平，但单纯增加网络规模和网络密度无法避免知识同质化及锁定现象。在其他条件相同的情况下，关系质量越高，网络的协同知识创造量越大；知识优势异质度处于中等状态时更有利于提高知识创造效果。第二，模拟并比较了不同引进机制、整合机制和再创新机制下的知识创造。研究发现，提升集群企业的引进能力、整合能力和再创新能力可提高平均知识水平的增长速度及水平，引进能力对知识吸收量的影响更为明显；整合能力对自主知识创造量和协同知识创造量的影响更为明显；再创新能力对平均知识水平的影响有明显的时滞性。

基于以上研究结论，在集群企业知识创造过程及产业转型升级中应注意以下几点：第一，在网络层面，构建多重网络的过程中除了提升网络规模外，还应注重提升网络节点间的关系质量，并保持适度的知识优势异质度，因此，需要不断培育和引进具有一定优势异质度的知识主体，创造良好的知识共享和协同氛围，激发知识主体间的知识交互行为。通过网络节点的知识创造、扩散和共享效应，提高知识创造效果，进而提升网络整体的知识水平。第二，在企业层面，集群企业要注重引进机制、整合机制和再创新机制在知识创造过程中的作用，可通过提高引进能力来提升其知识吸收量，也可通过提升知识重组率和知识突变率等知识创造能力来提高开发与探索新知识的可能性，以增加新知识的创造量，从根本上提升知识网络的平均知识水平。