知识网络结构特性对知识流动作用分析

王晓红,张宝生

（哈尔滨工业大学经济管理学院，哈尔滨150001）

摘要：知识主体间相互联系、相互作用构成知识网络，知识在网络中流动，网络结构对知识流动的水平、效率和范围都有重要影响。网络结构从微观层面的节点维度和宏观层面的整体维度两个层次上影响知识流动。将知识网络结构特性对知识流动的作用做深入分析，对构建和动态演化知识网络的过程中改善网络结构，提高网络内知识流动的效率有重要意义。

Abstract:Interactionbetweenthebodyofknowledgeconstitutestheknowledgenetworksandknowledgeflowsinthenetwork.Thenetworkstructurehasasignificantimpactonthelevel,efficiencyandrangeofknowledgeflows.Thenetworkstructureimpactsonknowledgeflowsfromnodedimensionsinthemicro-levelandoveralldimensionsinthemacro-level.Itisimportanttoanalyzein-depththeroleofknowledgenetwork’sstructurecharacteristicsforknowledgeflowswithintheprocessofconstructionanddynamicevolutionofknowledgenetworkstoimprovenetworkstructureandtheefficiencyofknowledgeflowsinthenetwork.

关键词：知识网络；网络结构；知识流动；作用分析

中图分类号：G359文献标识码：A文章编号：1006-4311（2010）02-0011-03

0引言

知识以嵌入个人、组织、工具、流程、惯例等载体中存在。知识主体间相互联系、相互作用连接成了知识网络。美国科学基金会（NSF）界定知识网络是提供知识、信息的利用的社会网络[1]。Melissa等认为知识网络是由能够接受、存储、处理或信息转移的节点相互连接形成的网络[2]。国外的管理学者认为知识网络是指一批人、资源和他们之间的关系，共同推动知识的共享和利用；通过知识的流动和知识创造，促进知识的增值和创新[3-6]。国内部分学者认为知识网络是一种社会关系网络；能够实现个人、团队之间层次上的知识传递和创造[7-9]。综合国内外学者的观点，界定知识网络的定义为：一个能够完成组织内外知识传递、知识流动的社会网络，由节点（个人、组织、资源等知识主体）和节点间的连线（知识主体之间的关系）构成，知识网络能够扩大知识流动的范围和速度，进而促进知识的共享和创造。网络结构如节点度、结构洞、节点关系、网络规模、网络密度、路径距离、分布规律等特征参数对知识流动的水平、效率、范围等都有重要的影响，分析网络结构和知识流动的关系对促进知识网络中知识流动有积极的意义。本文应用复杂网络的拓扑分析方法作为一种系统结构功能分析框架，分析网络结构对知识流动的作用和影响。网络结构可分为节点维度和网络整体维度两个层面。

1节点维度网络结构特征对知识流动的作用

节点维度的结构特征表征的重点集中在节点的位置和连接，以及节点间的相互关系。描述节点的网络结构特征主要有节点度、结构洞、中心性，以及节点间的强弱关系。作为知识流动主体的节点其在知识网络中的位置和连接都将对节点的知识流动质量和效率有重要的影响。

1.1节点度

节点i的度ki是指网络中节点i与其他节点的关系数量，即节点i连接边的总数目，也等于与他直接相连的邻居节点的个数。度数既可以测量单个节点，也可以测量整个网络。节点度数是网络最基本的几何参数，对网络和节点的结构、功能有重要的意义。节点度数决定了网络规模，决定了知识流动的通路数量；对单个节点来说，节点度数反映了节点可获得知识量的多寡，知识来源的多少，获取知识的难易程度；节点度即其凝聚的关系数量也决定了它在网络中的位置（中心性），反映了节点的地位和影响力。节点的度数越大，它的资源获取能力越大，它在网络中越重要，影响力也越大。对于有向网络，从节点i发出的连接数量称为点i的出度，意为“视野广阔”，指向节点i的连接数量称为点i的入度，意为“受人欢迎”。出度高的节点为强知识源节点，具有较高知识势能，大量向外传递其所拥有的丰富知识，是网络中知识流动的发动机；入度高的节点为高学习性节点，其与较多知识源建立连接，大量吸收来自网络的知识，迅速提升自己的知识水平，具有高成长性。入度出度都较高的节点为高中介节点，其是知识流动的中枢，在广泛接收知识的同时，又广泛发送知识，这样的节点使网络充满了活力，创新性新知识也容易在这样的节点产生。

1.2结构洞

结构洞是指网络中一节点（如点i）与其他节点存在直接联系，但其他节点间不存在直接联系，节点i就占据了结构洞的位置[10]。即结构洞节点联结了两个本不相连的节点，在节点间起到桥梁和中介的作用。来自多方知识节点的资源和信息必须经过节点i（结构洞）才能流向其他节点，i点是知识流动的串行口和集散地，结构洞是网络的知识流动中枢，它控制、引导、调节知识流的方向、程度。结构洞具有信息优势和控制优势：占据结构洞的位置可以接收到来自各个方向大量、广泛、多样的异质知识和信息；结构洞直接面对和接收来自知识源节点的知识，不经过其他节点的传递，也就减少了知识在流动过程中的损耗和失真，使结构洞节点的知识流动具有优质源知识、高效率、低流动成本的优势；结构洞节点占据了关键路径，在网络中的不可替代性使节点具有了控制权和话语权，它的移除对整个网络的结构和功能都会有较大影响。

1.3中心性

比结构洞更宽泛一点的概念是网络中心性[11]，中心性是网络全局性概念，高中心性的节点一定占据结构洞，但结构洞节点由于具有区域性质，不一定是整个网络的中心，即占据结构洞是节点高中心性的必要条件，高中心性节点具备结构洞所拥有的所有优势。中心性可以在三个方面来衡量：节点在网络中相临节点（具有直接关系）的多寡，即节点的度数；与网络中其他节点的距离长短，即最短路径长度；处于任意两个节点间的程度，即作为其他节点之间中介的程度（介数）。高中心性使得节点可以建立更广泛的联系，接触到网络的其他部分，有机会接触到更多的信息和资源。中心性是网络结构赋予的权利和地位，高中心性节点具有高的声望和权威，对网络有较强的控制力和影响力[12]。由于节点都有择优连边的特性，即节点建立关系连接时都是倾向于优先选择在网络中的中心性高、具有高连接度的节点，这样造成富者越来越富的“马太效应”，这是因为其他节点相信高中心度节点具有较高质量的知识，并有更广泛的知识来源，同时因为大量知识的流通集散使得该节点具有更高的知识协作和发送能力，大家更愿意与这样的节点建立连接，这赋予高中心性节点较强的控制优势。中心性节点的存在使规模一样的网络具有更大的聚集系数，节点间合作更为紧密，网络更加完备。

1.4强弱关系

节点间由于知识、信息和资源的流动而存在联系，Granovetter提出了“关系力量”的概念，关系力量反映了节点的情感密切联系程度和互动频率[13]。Granovetter提出互动的频次、情感力量、亲密程度、互惠交换层次四条衡量标准。强关系往往维系着群体、组织的完整性和稳定性，弱关系在不同群体、组织或个人之间建立纽带性联系，是一种动态多边的、松散的非正式网络。在知识传递的过程中，节点间的强关系有利于提高知识流动的效率[14]，有利于隐性知识的转移，因为情感密切、亲密的关系将提高知识源提供知识的动力和信心，提高节点间的信任，避免知识流动过程中的机会主义和保守主义；互动频率高，节点间频繁接触使节点间互相了解，更容易理解双方的组织惯例、文化、运作流程和知识情景，这将提高节点间知识流动的效果和效率，尤其是对于嵌入性高的隐性知识。但由于建立和维系强关系需要时间和成本，对于可编码化，传递比较简单的显形知识，则不需要建立强连接，因为这增加了知识获取的成本，而且弱连接往往是非重复连接，可以触及更广泛的范围，接触到更多的异质性和创新性知识，对节点来说更有价值。

2网络整体维度结构特征对知识流动作用

网络整体结构对网络的知识水平，知识流动速度、效率、规模都有较大的影响。描述知识网络整体结构特性的几何参数有网络规模、平均路径长度、聚类系数、节点度分布以及网络稳定性。网络规模体现了网络大小，平均路径长度体现了节点间知识流动的距离，聚类系数体现了网络的密度，度分布体现了网络的分布规律，网络的稳定性衡量了网络结构的动态变化。

2.1网络规模

网络规模可以用节点总数和节点度数两个指标来衡量。网络中所有节点度的平均值称为点度平均值。网络规模描述了网络大小和网络连接数。网络节点数越多，连接关系越多，网络规模就越大。网络规模越大，网络中嵌入的知识资源越丰富，知识存量越大，存在大量异质性、高价值知识的可能性就越大，网络中节点的知识流通渠道也越多，同时更易吸引新节点的加入；网络规模影响知识流动的效率，如果把知识比喻成病毒，规模越大，受到感染的渠道越多，可被感染的节点数越多，受到感染的节点数也越多，病毒传播的越快；节点有机会接触的节点越多，节点间沟通互动的机会越多，知识流动也越迅速。网络规模也影响节点的知识流动能力[15]，规模大、节点多使节点间存在异质性的概率大（如存在文化距离、组织距离、制度距离等），这样的节点间进行知识流动和碰撞，能提高节点知识表达、编码、接收和理解能力。也就是说规模大的网络可较迅速的提升网络的平均知识水平和知识流动能力。

点度平均值：

点度方差：

式中：为点度平均值；N为网络规模（节点总数）；d（i）为节点i的度数；K为网络边的总数；为点度方差

2.2平均路径长度

路径是网络中一序列节点和线（边），起止于节点，每一步都是靠彼此联系的线连通，点和线均不重复。两个节点间最短路径的长度（边的数目）称为距离，网络的平均路径长度为所有节点间距离的平均值。平均路径长度度量了节点间知识流动所需经过路程的远近，即知识在两个节点间流动所必须途经其他节点的个数，体现了知识在网络中流动的深度、速度和成本。平均路径程度越小，说明知识在节点间流动的损耗与阻力越小，路程短使知识得到迅捷、深入的传递；相互联系成本低使得节点间更容易发生频繁的互动，即知识流动发生的频率越大。

式中：L为平均路径长度；为i，j两节点间最短路径边数；N为网络规模。

2．3聚类系数

网络聚类的程度用聚类系数来刻画，聚类系数描述了知识网络的密度，体现了网络的连通性、传递性和完备性以及节点知识流动覆盖的广度。网络中节点i有ki条边与其他ki个节点相连，这ki个节点称为节点i的邻居，这ki个节点间实际存在的连接边数与最大可能存在的连接边数的比值即为节点i的聚类系数，网络中所有节点的聚类系数平均值为网络的聚类系数。聚类系数度量了网络中节点的邻接边数，聚类系数越大，网络越稠密，网络中知识流动的通路越多，节点间合作越紧密，资源可以在网络中得到更广泛的传播，覆盖更大的范围。

聚类系数也体现了一对节点间关系被第三方关系包围的程度，共有的第三方关系影响知识源节点的知识流动意愿，这是因为声誉和合作规范[16-18]。当存在第三方关系时，知识源节点会更积极、主动的促进知识流动，因为知识源节点清楚，知识传递行为的消息会快速被其他节点知道，这将影响到该节点的形象和影响力，并且消极合作和不合作行为可能受到来自第三方节点的制裁。聚类可以促成节点间的合作规范，合作规范保证了节点此时进行知识发送和传播，未来当该节点需要其他节点所拥有的知识时，其他节点也会传递给他；如果在知识传递的过程中过于保守，将来也会给他获得知识增加困难。合作规范增加了节点间的信任，消除了机会主义。第三方关系的存在起到了很好的监督和激励作用，使节点更加关注进行知识流动的长期利益，加强了知识流动的持续性，聚类系数越大，节点进行知识传递受到的制约和激励也就越大。

其中：为节点i的聚类系数；为节点i的邻点数目；个节点间实际存在的连接边数；C为网络聚类系数；N为网络规模

2．4节点度分布

节点度分布是描述网络几何特征的核心统计参数，度分布P（k）定义为：随机地选择一个节点，其度为k的概率，或者等价地描述为网络中度为k的节点数占网络总节点数的比例。对于有向网络，度分布还可更细致地分为网络的入度分布和出度分布[19]。网络中节点间连接边的数量是有差异的，度分布度量了每个节点与其他节点连接数量的分布规律，描述了节点聚集程度的变异量和分配几率。知识网络根据结构特征可分为规则网络、随机网络和复杂网络三种，规则网络节点维度的参数均相同，即节点间无差异，网络具有聚类系数大，平均路径长的特点。随机网络的节点度分布符合泊松分布，网络具有聚类系数小、平均路径短的特点。复杂网络可分为小世界网络和无标度网络，小世界网络符合小世界特征[20]。度分布函数为幂律形式分布的复杂网络称为无标度网络[21]。这类网络具有共同的重要特性：网络中绝大多数节点的度数相对较低，只存在少量的度数相对较高的节点（中心性节点），这些具有大量连接的节点称为“集散节点”。这种结构的成因是择优连边和网络生长性机制的共同作用。无标度网络具有平均路径距离小，同时聚类系数大的特点，比随机网络结构更紧凑，连接更紧密，拥有更高的知识流动效率。

2．5网络稳定性

网络是开放自组织的，网络的结构是在动态变化的，伴随着新节的加入和原有节点的移除，以及节点间关系的增减，强弱关系的转变，这些动态变化使网络的结构、功能也会发生变化。稳定的网络知识流动效率较高，知识在节点间流动的也会比较快速，使网络达到较高的平均知识水平。这是因为稳定的网络易形成沟通规范和网络内的语言范式、隐喻、规则以及较好的沟通关系，这些将提高网络内的知识流动效率。网络内部缺乏稳定性，节点进出频繁，不利于节点间建立规则和沟通关系，尤其是关键节点的移除（占据结构洞节点、高中心性节点、强知识源节点）将对网络造成巨大的打击。但相反，新节点的加入会扩大网络规模，带来新的知识，提高网络内的知识水平，新关系的建立也将增加知识流动通路，提升知识流动的效率。

3结论

网络结构是影响知识网络内知识流动效率和效果的重要因素，介于规则网络和随机网络之间的复杂网络具有更好的知识流动效率，更利于知识的传播和流动。网络结构分别在微观层面的节点维度和宏观层面的整体维度对知识流动的效率起重要作用。为了提高知识流动效率，在构建和动态演化知识网络的过程中，要构造符合小世界特征和服从幂律分布的复杂网络。对于单个节点来说，要提高节点度和中心性，尽量占据结构洞位置，加强节点间连接强度；对于整个网络来说，要增大网络规模，尤其是争取多样性和非重复性的非冗余节点的加入，减少非冗余联系，尽量避免网络同质性。增加节点间联系，构建全连通网络，多节点互通，减少知识传递时所经过的路径长度，增加网络密度，并保持网络稳定性。改善网络结构，将大大提高网络内知识流动的效率、水平和范围。

参考文献：

[1]李姝兰.知识网络与哈耶克的知识观[J].农业图书情报学刊,2005(1):87-88.

[2]M.A.Schilling,CoreyPhelps.Structuringknowledgenetworksforknowledgecreation:smallworldattheinpidual[J].GroupandInterfirmLevels,2003(1).

[3]DavidM.Braga.Transformationalleadershipattributesasperceivedbyteammembersofknowledgenetwork[J].GraduateschoolofEducationandPsychologyofPepperdineUniversity,2002,9.

[4]ChenJamesRon.Modularknowledgenetwork.UniversityofCalifornia,1993.

[5]DeborahFordShearer.ThevalueofeffectiveknowledgetransferandassimilationinNewProductDesignprojects:anexploratorystudy[J].BenedictineUniversity,2002,1.

[6]WilliamJohnson.Technologicalinnovationandknowledgecreation:astudyoftheenablingconditionsandprocessesofknowledgecreationincollavorativeR&Dprojects.YorkUniversity,2000,7.

[7]盛小平.基于知识网络的知识管理研究[J].图书情报工作,2004，(6):25-29.

[8]张丽妮.基于know-net的知识管理研究[J].现代情报,2004,(5):201-203.

[9]蒋恩尧,侯东.基于MIS平台的企业知识网络的组建[J].商业研究,2002,(9)(上半月版):36.

[10]BurtRS.StructuralHoles:TheSocialStructureofCompetition.CambridgeMA:HarvardUniversityPress,1992.

[11]BNooteboom,VAGilsing.DensityandStrengthofTiesinInnovationNetworks:ACompetenceandGovernanceView.WorkingPaper,2004.

[12]FreemanLC.Centralityinsocialnetworks:conceptualclarification[J].SocialNetworks,1979,(1):215-239.

[13]GranovetterM.S.TheStrengthofWeakTies.AmericanJournalofSociology,1973;(78):1360-1380.

[14]HerdersonR.M,CockburnI.MeasuringCompetence?ExploringFirmEffectsinPharmaceuticalResearch.StrategicManagementJournal,1994;(4).

[15]Padgett,J.,andC.AnsellRobustactionandtheriseoftheMedici,1400-1434.AmericanJournalofSociology,1993,98:1259-1319.

[16]Coleman,J.S.FoundationsofSocialTheory.Cambridge,MA:HarvardUniversityPress,1990.

[17]Granovetter,M.S.Problemsofexplanationineconomicsociology.InN.NohriaandR.G.Eccles(eds.),NetworksandOrganizations:25-56.Boston:HarvardBusinessSchoolPress,1992.

[18]Uzzi,B.Socialstructureandcompetitionininterfirmnetworks:Theparadoxofembeddedness.AdministrativeScienceQuarterly,1997,42:35-67.

[19]PriceDJS.Networksofscientificpapers.Science,1965,149(3683):510~515.

[20]WattsDJ,StrogatzSH.CollectiveDynamicsof‘small-world’Networks.Nature,1998,393:440~442.

[21]BarabásiAL,AlbertR.EmergenceofScalinginRandomNetwork.Science,1999,289:509~512.