許 蕾，丁榮貴

(山東大學(xué) 管理學(xué)院，山東 濟(jì)南 250100)

0 引言

協(xié)同創(chuàng)新項(xiàng)目是為實(shí)現(xiàn)創(chuàng)新目標(biāo)而組建的多方協(xié)作平臺，具有強(qiáng)烈的任務(wù)導(dǎo)向性。知識是組織中實(shí)現(xiàn)創(chuàng)新目標(biāo)的關(guān)鍵資源，在協(xié)同創(chuàng)新項(xiàng)目中尤其重要[1]。項(xiàng)目知識是指在項(xiàng)目過程中產(chǎn)生和使用的各種知識的總和[2]，知識擴(kuò)散過程作為知識資源整合的主要途徑，是協(xié)同創(chuàng)新項(xiàng)目成功的先決條件[3]。

協(xié)同創(chuàng)新項(xiàng)目是各利益相關(guān)方為了實(shí)現(xiàn)一定的創(chuàng)新目標(biāo)而組建的平臺，具有一定的自組織性[4]，其組織中的個體行為主要由所處組織情境加以約束和規(guī)范，即嵌入性(Embeddedness)。嵌入性是指經(jīng)濟(jì)行為和結(jié)果受整個網(wǎng)絡(luò)結(jié)構(gòu)及利益相關(guān)方關(guān)系的影響，網(wǎng)絡(luò)理論中反映行動者與其他主體間的關(guān)系以及在網(wǎng)絡(luò)中的影響力[5-6]。協(xié)同創(chuàng)新項(xiàng)目具有跨領(lǐng)域、多主體參與特征[7]，利益相關(guān)方之間的交互關(guān)系所構(gòu)成的網(wǎng)絡(luò)是協(xié)同創(chuàng)新項(xiàng)目的主要組織形態(tài)[8]。利益相關(guān)方通過與組織中其他個體的交互嵌入項(xiàng)目組織網(wǎng)絡(luò)，而個體網(wǎng)絡(luò)嵌入程度又會影響其知識擴(kuò)散行為[9]。對于協(xié)同創(chuàng)新項(xiàng)目組織來說，知識借助組織中的協(xié)作網(wǎng)絡(luò)進(jìn)行擴(kuò)散，網(wǎng)絡(luò)嵌入性反映了參與方所處的組織位置及與其它方的連接關(guān)系，從而影響知識擴(kuò)散類別、數(shù)量、效率等。同時，社會資本理論認(rèn)為，網(wǎng)絡(luò)提供了參與方互動平臺，其節(jié)點(diǎn)嵌入特征導(dǎo)致在交互過程中獲得的收益或限制不同。因此，基于網(wǎng)絡(luò)嵌入視角分析協(xié)同創(chuàng)新項(xiàng)目組織特征對知識擴(kuò)散的影響是十分必要的。由于協(xié)同創(chuàng)新項(xiàng)目組織的任務(wù)導(dǎo)向性，導(dǎo)致知識擴(kuò)散過程與其它組織中的知識擴(kuò)散呈現(xiàn)出顯著差異。項(xiàng)目是有期限的[8]，知識擴(kuò)散過程只能在規(guī)定時間范圍內(nèi)進(jìn)行，若超出時間范圍或項(xiàng)目任務(wù)完成則知識擴(kuò)散過程終止。因此，項(xiàng)目中的知識擴(kuò)散并不一定能夠充分進(jìn)行，如何提升知識擴(kuò)散效率是協(xié)同創(chuàng)新項(xiàng)目組織治理的關(guān)鍵。另外，在協(xié)同創(chuàng)新項(xiàng)目中各創(chuàng)新主體為尋求某項(xiàng)技術(shù)或產(chǎn)品創(chuàng)新建立了深度協(xié)作關(guān)系，故利益相關(guān)方在一定程度上是利益共同體。與企業(yè)聯(lián)盟相比，項(xiàng)目層面知識擴(kuò)散的目的是整合多方異質(zhì)性知識資源，優(yōu)化組織整體知識結(jié)構(gòu)，以此激發(fā)創(chuàng)新活力。更重要的是，協(xié)同創(chuàng)新項(xiàng)目中知識擴(kuò)散更像是一個社會化過程，較多受組織內(nèi)部參與方交互的影響[4]。項(xiàng)目組織內(nèi)部不強(qiáng)調(diào)等級，參與方之間更多地通過所處組織結(jié)構(gòu)及與其他個體的關(guān)聯(lián)關(guān)系相互約束。因此，相比于其它組織，項(xiàng)目層面的組織特征對知識擴(kuò)散的影響更為重要。

目前，學(xué)者們對網(wǎng)絡(luò)型組織中的知識擴(kuò)散開展了一定的研究，現(xiàn)有研究大多從企業(yè)、行業(yè)聯(lián)盟等層面進(jìn)行討論[10-12]。但由于項(xiàng)目層面知識擴(kuò)散的上述特征導(dǎo)致知識擴(kuò)散過程的運(yùn)行機(jī)理、網(wǎng)絡(luò)嵌入性與知識擴(kuò)散的關(guān)系均與其它組織層面存在差異，故基于協(xié)同創(chuàng)新項(xiàng)目組織特點(diǎn)，構(gòu)建知識擴(kuò)散模型，并探究組織中知識擴(kuò)散行為如何受到網(wǎng)絡(luò)嵌入性的影響是本研究需要解決的關(guān)鍵問題。

1 項(xiàng)目網(wǎng)絡(luò)嵌入特征與知識擴(kuò)散

Granovetter[12]將網(wǎng)絡(luò)嵌入性分為關(guān)系嵌入性(Relational embeddedness )和結(jié)構(gòu)嵌入性(Structural embeddedness)。關(guān)系嵌入性描述了組織中交互關(guān)系的密集度，可以使個體在網(wǎng)絡(luò)中通過與其他網(wǎng)絡(luò)個體互動產(chǎn)生有益的優(yōu)勢[12-13]；結(jié)構(gòu)嵌入性則關(guān)注參與者在網(wǎng)絡(luò)中所處的位置，并為組織間知識擴(kuò)散提供渠道[14]。相比于個體位置及兩兩關(guān)系，協(xié)同創(chuàng)新項(xiàng)目更加關(guān)注組織中所有節(jié)點(diǎn)的平均特征。因此，本研究中的網(wǎng)絡(luò)嵌入性是指項(xiàng)目組織中所有節(jié)點(diǎn)的平均網(wǎng)絡(luò)嵌入程度。

由于項(xiàng)目中的知識流動與交互是服務(wù)于項(xiàng)目目標(biāo)的，故擴(kuò)散過程通常伴隨任務(wù)協(xié)作過程實(shí)現(xiàn)[2]。項(xiàng)目總目標(biāo)可以分解成多個子任務(wù)，每個子任務(wù)中又可以劃分為多個工作單元，并由不同相關(guān)方完成(見圖1)。因此，每個相關(guān)方都承擔(dān)著不同的任務(wù)，也就是說被賦予了任務(wù)屬性。

項(xiàng)目子任務(wù)之間既相互獨(dú)立又彼此關(guān)聯(lián)，每個子任務(wù)由多個相關(guān)方協(xié)作完成，而不同子任務(wù)之間彼此關(guān)聯(lián)。根據(jù)項(xiàng)目任務(wù)分解，可以識別出相關(guān)方的任務(wù)協(xié)作關(guān)系，進(jìn)而構(gòu)建組織網(wǎng)絡(luò)。由于相同子任務(wù)中相關(guān)方關(guān)系緊密，而不同任務(wù)之間的關(guān)聯(lián)相對稀疏，因而協(xié)同創(chuàng)新項(xiàng)目協(xié)作網(wǎng)絡(luò)中的節(jié)點(diǎn)具有基于任務(wù)聚集的分布特征，如圖2所示。

圖1 協(xié)同創(chuàng)新項(xiàng)目任務(wù)分解

圖2 任務(wù)導(dǎo)向的網(wǎng)絡(luò)關(guān)系

1.1 關(guān)系嵌入與項(xiàng)目知識擴(kuò)散

關(guān)系嵌入特征表達(dá)的是網(wǎng)絡(luò)中節(jié)點(diǎn)間關(guān)系緊密程度，現(xiàn)有研究表明，關(guān)系嵌入程度與知識交互及共享具有高度相關(guān)性。一些學(xué)者認(rèn)為，行動者通過關(guān)系嵌入可以增進(jìn)企業(yè)間的信任程度及資源共享意愿等，進(jìn)而促進(jìn)知識共享與整合[6，15]；還有學(xué)者認(rèn)為，良好的關(guān)系嵌入性可以使參與方在網(wǎng)絡(luò)中獲得一定的社會資本，對于組織中知識資源獲取起積極作用[16]；也有學(xué)者認(rèn)為,網(wǎng)絡(luò)中的強(qiáng)關(guān)系嵌入容易導(dǎo)致組織中資源過度冗余，對組織創(chuàng)新的效率具有負(fù)向影響[17]。

現(xiàn)有文獻(xiàn)大多通過量化節(jié)點(diǎn)之間的關(guān)系強(qiáng)度表達(dá)關(guān)系嵌入性[11]，更多關(guān)注個體兩兩之間的關(guān)系緊密程度。協(xié)同創(chuàng)新項(xiàng)目中，由于工作單元內(nèi)部或單元之間的工作對接，項(xiàng)目參與方之間建立起直接或間接聯(lián)系，形成協(xié)同創(chuàng)新項(xiàng)目利益相關(guān)方協(xié)作網(wǎng)絡(luò)[18]，知識資源在該網(wǎng)絡(luò)中流動。節(jié)點(diǎn)關(guān)系嵌入性呈現(xiàn)出顯著任務(wù)特征：相同工作單元的參與方形成的網(wǎng)絡(luò)關(guān)系嵌入性最強(qiáng)，彼此之間直接相連，關(guān)系最緊密，如圖2中的點(diǎn)B、點(diǎn)C、點(diǎn)D。然而,不同工作單元的參與方之間可能通過某一個節(jié)點(diǎn)與其它工作單元中的參與方相連，而其它節(jié)點(diǎn)之間只能通過中間人與外部間接相連。因此，不同工作單元的節(jié)點(diǎn)之間關(guān)系較為稀疏。在項(xiàng)目中，側(cè)重于多方協(xié)作及組織中所有節(jié)點(diǎn)的關(guān)系緊密程度，故本研究采用平均路徑長度(Average path length)表征項(xiàng)目組織中節(jié)點(diǎn)的平均關(guān)系嵌入水平。平均路徑長度是指網(wǎng)絡(luò)中任意可達(dá)兩節(jié)點(diǎn)最短路徑的平均長度[19]，由式(1)計算可得。其中，n為網(wǎng)絡(luò)中可達(dá)矩陣節(jié)點(diǎn)數(shù)量，i，j為網(wǎng)絡(luò)中任意兩個可達(dá)的節(jié)點(diǎn)，dij為i到j(luò)的最短路徑長度。

(1)

1.2 結(jié)構(gòu)嵌入與項(xiàng)目知識擴(kuò)散

項(xiàng)目參與方的網(wǎng)絡(luò)位置影響其與其它相關(guān)方的交互方式，因此網(wǎng)絡(luò)結(jié)構(gòu)嵌入性對于理解網(wǎng)絡(luò)中節(jié)點(diǎn)知識擴(kuò)散行為至關(guān)重要[20]。知識依附于網(wǎng)絡(luò)中的節(jié)點(diǎn)存在，而節(jié)點(diǎn)結(jié)構(gòu)嵌入性，即網(wǎng)絡(luò)中所處位置能夠?yàn)轫?xiàng)目中的知識傳播提供渠道[15]。因此，處于網(wǎng)絡(luò)中心位置的個體能夠接觸到更多知識資源，在收集和傳播知識方面比非中心參與者具有更大的優(yōu)勢[21]。

協(xié)同創(chuàng)新項(xiàng)目中由于任務(wù)的重要性及與影響力不同，導(dǎo)致工作任務(wù)之間的關(guān)聯(lián)程度不同[18,22]。例如，圖2中工作單元2分別與其它兩個工作單元相連，因此工作單元2中的節(jié)點(diǎn)相較于其它節(jié)點(diǎn)擁有更高的結(jié)構(gòu)嵌入性。工作單元之間通過某個參與方進(jìn)行對接，而這個參與方就成為兩個單元所有參與方知識流動的橋梁，占據(jù)了重要網(wǎng)絡(luò)位置，具有極高的結(jié)構(gòu)嵌入性，如圖2中的節(jié)點(diǎn)B。網(wǎng)絡(luò)中心性(Network centrality)是被廣泛研究的個體結(jié)構(gòu)嵌入性指標(biāo)[23]，表示焦點(diǎn)行動者憑借許多重要關(guān)系在網(wǎng)絡(luò)中占據(jù)關(guān)鍵地位的程度[24]。鑒于項(xiàng)目組織的整體性，本研究重點(diǎn)考慮所有節(jié)點(diǎn)結(jié)構(gòu)嵌入性的平均程度。據(jù)前文所述，協(xié)同創(chuàng)新項(xiàng)目網(wǎng)絡(luò)一定程度上呈現(xiàn)向某些節(jié)點(diǎn)集中的態(tài)勢，適合用中心勢(Centralization)描述網(wǎng)絡(luò)中所有節(jié)點(diǎn)的平均結(jié)構(gòu)嵌入性[25]。相關(guān)研究表明，當(dāng)網(wǎng)絡(luò)度數(shù)中心勢較高時，占據(jù)中心位置的利益相關(guān)方就會擁有更多合作伙伴，整合更多知識[26,27]，也會導(dǎo)致網(wǎng)絡(luò)中知識分布不均衡[28]，影響整體知識擴(kuò)散。

式(2)為中心勢指數(shù)CRD的計算方法，其中，n為網(wǎng)絡(luò)規(guī)模，CRDmax為網(wǎng)絡(luò)中最大的度數(shù)中心度，CRDi為點(diǎn)i的度數(shù)中心度。

(2)

2 基于多主體仿真的項(xiàng)目知識擴(kuò)散模型

協(xié)同創(chuàng)新項(xiàng)目涉及眾多組織與人員，研究問題不同，涉及的利益相關(guān)方層次也不同[29]。為確保研究問題與所建模型相符，建模前要確認(rèn)模型邊界[30]。本研究構(gòu)建組織協(xié)作網(wǎng)絡(luò)的前提是以項(xiàng)目任務(wù)實(shí)現(xiàn)為基本條件，基于項(xiàng)目工作任務(wù)分解將直接參與任務(wù)執(zhí)行的人員作為組織利益相關(guān)方，以相關(guān)方知識水平及其任務(wù)協(xié)作網(wǎng)絡(luò)作為模型輸入數(shù)據(jù)。為保證數(shù)據(jù)更加貼合項(xiàng)目實(shí)際，模型中并沒有采用隨機(jī)生成的復(fù)雜網(wǎng)絡(luò)，而是以一個典型協(xié)同創(chuàng)新項(xiàng)目案例作為模型輸入，既保證了數(shù)據(jù)的有效性，又能夠?yàn)槟Ｐ蜏y試及驗(yàn)證提供依據(jù)[31]。

本研究構(gòu)建的協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散模型，基于Cowan & Jonard[32]的知識擴(kuò)散過程進(jìn)行了改進(jìn)。其主要貢獻(xiàn)是考慮協(xié)同創(chuàng)新項(xiàng)目組織任務(wù)特征，提出項(xiàng)目中節(jié)點(diǎn)間知識擴(kuò)散規(guī)則，構(gòu)建了符合協(xié)同創(chuàng)新項(xiàng)目組織情境的知識擴(kuò)散仿真模型。由于項(xiàng)目中各參與方承擔(dān)著較為密集的任務(wù)，知識擴(kuò)散過程伴隨著工作任務(wù)同時進(jìn)行[1]，一個節(jié)點(diǎn)無法同時參與多個擴(kuò)散過程。因此，模型中規(guī)定知識擴(kuò)散一對一進(jìn)行，即知識擴(kuò)散過程為多個兩元擴(kuò)散關(guān)系。

2.1 知識搜索

假設(shè)網(wǎng)絡(luò)中有n個節(jié)點(diǎn)，每個節(jié)點(diǎn)的知識都分為m個知識領(lǐng)域，節(jié)點(diǎn)i的知識向量表示為[ki1，ki2，……kim]。知識搜索規(guī)則為：由于每個節(jié)點(diǎn)均有知識搜索能力，因而網(wǎng)絡(luò)中任意一個節(jié)點(diǎn)皆可作為潛在知識受體(Knowledge receiver)[33]。假設(shè)某一知識受體為節(jié)點(diǎn)i，通過自身知識水平分析及判斷，選擇知識量最小的一個知識領(lǐng)域，該領(lǐng)域記為s，并在s領(lǐng)域內(nèi)搜索知識源(Knowledge sender)備選節(jié)點(diǎn)集合O，O={n1,n2,......nk}。知識源j必須滿足以下條件：①與知識受體直接相連；②與知識受體的知識距離(Knowledge distance)在知識閾值(Knowledge threshold)范圍內(nèi)，由式(3)表示。其中，[θ,γ]表示知識閾值，kis,kjs分別為點(diǎn)i與點(diǎn)j在s領(lǐng)域的知識量。

(3)

集合O可能存在多個節(jié)點(diǎn)，在項(xiàng)目中，相關(guān)方通常會向該領(lǐng)域中擁有最多知識的人或組織尋求知識。因此，通過計算在s知識領(lǐng)域節(jié)點(diǎn)i與集合O中每個節(jié)點(diǎn)的知識距離，選擇知識距離最大的節(jié)點(diǎn)j作為知識源節(jié)點(diǎn)。若O為空集，則結(jié)束該節(jié)點(diǎn)作為知識受體的搜索。

由于一個節(jié)點(diǎn)不能同時參與多個擴(kuò)散過程，如果兩節(jié)點(diǎn)匹配成功，則在該步長內(nèi)的節(jié)點(diǎn)集合中去掉這兩個節(jié)點(diǎn)；如果未匹配成功，則仍在備選節(jié)點(diǎn)集合O中，并繼續(xù)參與匹配。知識搜索結(jié)束條件為：如果在一個步長內(nèi)所有節(jié)點(diǎn)無法匹配，則系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，結(jié)束搜索。另外，由于項(xiàng)目時限性[20，31]，若知識擴(kuò)散模型運(yùn)行時間t超過項(xiàng)目完成時間T，即t ≥ T，則該步驟伴隨項(xiàng)目結(jié)束。

2.2 知識轉(zhuǎn)移

節(jié)點(diǎn)之間知識水平距離既是產(chǎn)生知識擴(kuò)散行為的動力，也是知識搜索及轉(zhuǎn)移的主要目標(biāo)資源[34]。基于現(xiàn)有文獻(xiàn)中的知識轉(zhuǎn)移模型[32,34,35]，知識受體與知識源之間的知識距離與成功轉(zhuǎn)移的知識成正比，即知識受體只能吸收知識源轉(zhuǎn)移的部分新知識。因此，模型中知識轉(zhuǎn)移規(guī)則為：知識受體節(jié)點(diǎn)匹配到知識源節(jié)點(diǎn)后，知識源節(jié)點(diǎn)便根據(jù)受體節(jié)點(diǎn)與自身知識距離，選擇性地向受體節(jié)點(diǎn)擴(kuò)散一定量的知識，而知識受體節(jié)點(diǎn)對接收到的知識進(jìn)行解碼、重新編碼，進(jìn)而將一部分吸收為自己的知識[32]。知識源節(jié)點(diǎn)選擇多少知識與受體節(jié)點(diǎn)進(jìn)行共享，涉及到知識源節(jié)點(diǎn)擴(kuò)散意愿α；知識受體能夠多大程度吸收并內(nèi)化知識取決于自身吸收能力β[34]。

網(wǎng)絡(luò)中節(jié)點(diǎn)知識水平隨著知識轉(zhuǎn)移過程提升[35]。 假設(shè)在仿真步長[T,T+1]時間間隔內(nèi)，知識源i與知識受體j在s領(lǐng)域的知識水平分別由式(4)、式(5)表達(dá)。

(4)

(5)

其中，αi,j表示知識源i對知識受體j的擴(kuò)散意愿，βj,i表示知識受體j對知識源i所擴(kuò)散的知識吸收能力。

2.3 知識擴(kuò)散過程評價

協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散的最終目的是通過整合組織中各方資源實(shí)現(xiàn)創(chuàng)新目標(biāo)，因此如何在臨時性組織中提升知識擴(kuò)散效率，最大程度地實(shí)現(xiàn)資源有效流動是項(xiàng)目關(guān)注的重點(diǎn)。本研究從知識增量以及節(jié)點(diǎn)知識水平差異程度兩個方面度量知識擴(kuò)散模型仿真結(jié)果。

(1) 知識增量。 模型中，網(wǎng)絡(luò)節(jié)點(diǎn)知識增量表征經(jīng)過知識擴(kuò)散項(xiàng)目整體知識水平提升程度。t時網(wǎng)絡(luò)節(jié)點(diǎn)總知識增量I(t)為：

(6)

其中，n為網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量，Iis(t)為節(jié)點(diǎn)i的s領(lǐng)域在t時的知識增量。

(2)知識水平差異程度。知識在組織中充分流動有利于優(yōu)化項(xiàng)目中的知識分布，降低節(jié)點(diǎn)之間知識的不均衡性。因此，通過計算并對比擴(kuò)散前后的節(jié)點(diǎn)知識水平差異程度，可以有效反映擴(kuò)散過程對知識分布的優(yōu)化程度。用D(t)衡量t時期網(wǎng)絡(luò)中節(jié)點(diǎn)知識水平差異程度。

(7)

其中，ki(t)為節(jié)點(diǎn)i在t時的知識總量，v(t)為t時所有節(jié)點(diǎn)知識量的均值。

3 案例研究

3.1 案例描述

為驗(yàn)證協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散模型的有效性及網(wǎng)絡(luò)嵌入特征的影響，本研究選取典型協(xié)同創(chuàng)新項(xiàng)目——SHNM項(xiàng)目進(jìn)行仿真實(shí)驗(yàn)。SHNM項(xiàng)目是為發(fā)揮資源優(yōu)勢、實(shí)現(xiàn)煤炭清潔高效轉(zhuǎn)化利用而發(fā)起的國內(nèi)第一個產(chǎn)業(yè)化煤制油項(xiàng)目，也是世界上單體裝置投資與規(guī)模最大的煤制油項(xiàng)目。該項(xiàng)目的核心任務(wù)是粉煤氣化技術(shù)研究與應(yīng)用，屬于典型協(xié)同創(chuàng)新類項(xiàng)目。項(xiàng)目創(chuàng)新管理通過“問題—聯(lián)合研究—結(jié)果應(yīng)用—持續(xù)升級”的PDCA周期進(jìn)行：該項(xiàng)目中的技術(shù)問題被定義為科學(xué)研究項(xiàng)目，并邀請中國和海外頂級科研院、大學(xué)進(jìn)行研發(fā)合作，并將結(jié)果直接應(yīng)用于設(shè)備和技術(shù)過程。技術(shù)應(yīng)用過程中產(chǎn)生的問題將直接反饋給技術(shù)人員進(jìn)行優(yōu)化和改進(jìn)，實(shí)現(xiàn)從技術(shù)開發(fā)到應(yīng)用程序改進(jìn)的完整閉環(huán)控制。該項(xiàng)目過程中產(chǎn)生了38項(xiàng)國家專利技術(shù)，涉及參與方眾多，為知識密集型項(xiàng)目。因此，該項(xiàng)目中的知識擴(kuò)散具有代表性，適合作為案例研究。

3.2 網(wǎng)絡(luò)節(jié)點(diǎn)與關(guān)系識別

案例中的利益相關(guān)方及其協(xié)作關(guān)系識別分為兩個步驟：首先根據(jù)項(xiàng)目文件進(jìn)行利益相關(guān)方及其關(guān)聯(lián)關(guān)系的初步識別，再通過與項(xiàng)目人員訪談對初步識別的結(jié)果進(jìn)行糾正和確認(rèn)。

(1)基于項(xiàng)目WBS文件，把項(xiàng)目劃分為5個子任務(wù)：技術(shù)研發(fā)、勘察設(shè)計、物資采購、施工及運(yùn)營。隨后根據(jù)RAM文件識別出子任務(wù)中各工作單元的主要參與方，由此識別出該項(xiàng)目的28個重要參與方。其中，包括項(xiàng)目業(yè)主、總承包商、材料設(shè)備供應(yīng)商、項(xiàng)目管理團(tuán)隊(duì)、勘察設(shè)計單位、物資采購單位、技術(shù)研發(fā)單位、服務(wù)分包、施工分包、運(yùn)營維護(hù)單位等。根據(jù)28個相關(guān)方任務(wù)屬性，分析兩兩之間是否存在協(xié)作關(guān)系，如果存在則兩節(jié)點(diǎn)有直接網(wǎng)絡(luò)關(guān)系，在鄰接矩陣中表示為“1”；如果節(jié)點(diǎn)之間沒有直接協(xié)作關(guān)系，在鄰接矩陣中則表示為“0”。由此構(gòu)建28*28的二值鄰接矩陣，該項(xiàng)目協(xié)作網(wǎng)絡(luò)初步形成。

(2)為了對初步形成的網(wǎng)絡(luò)進(jìn)行確認(rèn)及糾正，與項(xiàng)目總經(jīng)理及5位子任務(wù)的負(fù)責(zé)人進(jìn)行兩輪會談。首先，與6位管理者進(jìn)行一對一的半結(jié)構(gòu)式訪談，每人45分鐘，詢問關(guān)鍵利益相關(guān)方及其關(guān)聯(lián)關(guān)系，例如“在技術(shù)研發(fā)工作中主要參與單位有哪幾個”、“哪個單位負(fù)責(zé)該任務(wù)的統(tǒng)籌策劃”、“單位1與單位2有直接的工作對接嗎”等。所有訪談結(jié)束后，統(tǒng)計并整理每輪訪談得到的答案，修正原始網(wǎng)絡(luò)節(jié)點(diǎn)與關(guān)系。第二輪會談中，將6位項(xiàng)目管理人員聚集到一起，共同商討第一輪訪談后得到的網(wǎng)絡(luò)要素，訪談時間為90分鐘。根據(jù)討論結(jié)果再次對網(wǎng)絡(luò)進(jìn)行修正，并得到最終網(wǎng)絡(luò)，如圖3所示。

3.3 參數(shù)設(shè)置與節(jié)點(diǎn)知識量化

參數(shù)設(shè)置是模型有效運(yùn)行的關(guān)鍵，本研究通過三方確認(rèn)對參數(shù)進(jìn)行設(shè)置，即現(xiàn)有文獻(xiàn)、項(xiàng)目管理從業(yè)人員及專家學(xué)者，以保證參數(shù)內(nèi)部有效性和可靠性[36]。首先，本文根據(jù)相關(guān)研究文獻(xiàn)初步設(shè)置參數(shù)值[32-37]，包括知識量范圍、擴(kuò)散意愿、吸收能力、項(xiàng)目時間、知識閾值等。其次，邀請?jiān)摪咐捻?xiàng)目經(jīng)理與兩名來自院校的項(xiàng)目管理專家進(jìn)行訪談。最終，本研究設(shè)定擴(kuò)散意愿α=0.8、吸收能力β=0.1，知識閾值設(shè)定為[1,5]，項(xiàng)目時間T=100，節(jié)點(diǎn)在某一知識領(lǐng)域的知識量kis∈[0,10]。

圖3 SHNM項(xiàng)目協(xié)作網(wǎng)絡(luò)

基于模型參數(shù)設(shè)定結(jié)果，對案例中的節(jié)點(diǎn)知識水平進(jìn)行量化。項(xiàng)目知識是指在項(xiàng)目過程中產(chǎn)生和使用的各種知識總和，Mian[3]認(rèn)為，可以分為技術(shù)知識、管理知識以及其它相關(guān)知識等。因此，將該項(xiàng)目中節(jié)點(diǎn)知識資源分為上述3類加以討論，各知識領(lǐng)域中知識獨(dú)立擴(kuò)散，且不受其它領(lǐng)域知識的影響。模型中，運(yùn)用專家打分法對項(xiàng)目各參與方的知識水平進(jìn)行量化，主要依據(jù)是各相關(guān)方曾經(jīng)參與的項(xiàng)目、業(yè)界影響力、領(lǐng)域內(nèi)發(fā)表的文章和專利及承擔(dān)的課題等。

4 仿真結(jié)果及討論

通過案例研究得到知識擴(kuò)散模型輸入數(shù)據(jù)，設(shè)置仿真模型相關(guān)參數(shù)，為仿真實(shí)驗(yàn)提供充分的條件。仿真過程通過軟件Netlogo 6.0.4的編程實(shí)現(xiàn)，模型流程如圖4所示。仿真實(shí)驗(yàn)設(shè)置如下：首先，基于案例網(wǎng)絡(luò)初始結(jié)構(gòu)進(jìn)行仿真，并輸出知識擴(kuò)散結(jié)果；其次，通過不同的網(wǎng)絡(luò)嵌入性調(diào)整策略分析嵌入特征對協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散的影響。為盡量消除仿真實(shí)驗(yàn)中的隨機(jī)性，每個仿真實(shí)驗(yàn)進(jìn)行20次，最終取所有結(jié)果的平均值。

4.1 初始網(wǎng)絡(luò)仿真結(jié)果分析

初始網(wǎng)絡(luò)擴(kuò)散結(jié)果如表1所示，結(jié)果擴(kuò)散知識總量增加了30.20%，整體網(wǎng)絡(luò)知識水平有了大幅度提高；節(jié)點(diǎn)知識差異程度下降了21.47%，說明擴(kuò)散過程有效平衡了網(wǎng)絡(luò)中的知識分布。

隨機(jī)一次的知識擴(kuò)散過程如圖5、圖6所示。從圖中可以看出，直到項(xiàng)目結(jié)束知識擴(kuò)散過程并沒有達(dá)到穩(wěn)定狀態(tài)，但整體網(wǎng)絡(luò)中知識增速變緩，且有趨于穩(wěn)定的態(tài)勢。圖6中，t <13時，網(wǎng)絡(luò)中知識差異程度持續(xù)提升，在t =13時達(dá)到峰值，說明網(wǎng)絡(luò)中高知識水平節(jié)點(diǎn)之間相互作用使知識量持續(xù)增加，而知識水平低的節(jié)點(diǎn)由于知識閾值的限制沒有參與擴(kuò)散過程。圖5也證明了同樣的現(xiàn)象，知識增量隨時間推移整體呈下降態(tài)勢，但下降過程中出現(xiàn)多個增量的小高峰，尤其在t <45時較為明顯。同樣證明原來網(wǎng)絡(luò)中一些相連的節(jié)點(diǎn)由于知識閾值的限制不能成功匹配，但隨著前期知識擴(kuò)散，節(jié)點(diǎn)知識量增加，知識距離逐漸縮小，原本不能匹配的兩個節(jié)點(diǎn)也能夠進(jìn)行知識擴(kuò)散。因此，擴(kuò)散過程中會有多個小高峰顯現(xiàn)。然而，伴隨擴(kuò)散過程持續(xù)，節(jié)點(diǎn)之間的知識距離越來越小，可擴(kuò)散的知識減少，總體知識增量又會下降。

圖4 知識擴(kuò)散過程仿真流程

表1 初始網(wǎng)絡(luò)知識擴(kuò)散結(jié)果

圖5 初始網(wǎng)絡(luò)知識增量

圖6 初始網(wǎng)絡(luò)知識差異程度

4.2 關(guān)系嵌入性影響分析

在保持初始網(wǎng)絡(luò)(網(wǎng)絡(luò)1)基本結(jié)構(gòu)的基礎(chǔ)上，控制節(jié)點(diǎn)數(shù)量不變，通過增加或刪減節(jié)點(diǎn)之間的連線增加或減小網(wǎng)絡(luò)平均路徑長度，實(shí)現(xiàn)關(guān)系嵌入性調(diào)整，進(jìn)而產(chǎn)生兩個新的網(wǎng)絡(luò)情境，分別定義為網(wǎng)絡(luò)2和網(wǎng)絡(luò)3，具體調(diào)整策略如表2所示。在兩個網(wǎng)絡(luò)情境中分別進(jìn)行知識擴(kuò)散仿真，輸出結(jié)果如表3所示。

表2 關(guān)系嵌入性調(diào)整策略

表3 不同平均路徑長度網(wǎng)絡(luò)仿真結(jié)果

(1)表3 為網(wǎng)絡(luò)2的知識擴(kuò)散結(jié)果，其中知識增量比初始網(wǎng)絡(luò)值下降了30.54，節(jié)點(diǎn)知識量標(biāo)準(zhǔn)差比初始值增加了0.17，說明路徑長度增加后知識增量大大降低，節(jié)點(diǎn)知識水平差異比初始網(wǎng)絡(luò)更大，分布更不均勻。

從圖7—8可以看出，路徑長度增加后，知識增量曲線峰值降低，說明網(wǎng)絡(luò)中節(jié)點(diǎn)度數(shù)降低會導(dǎo)致潛在知識源或知識受體減少，每個步長中只有少數(shù)幾對節(jié)點(diǎn)參與擴(kuò)散過程，知識擴(kuò)散速度整體處于下降狀態(tài)。這是由于該網(wǎng)絡(luò)中節(jié)點(diǎn)聚集程度降低，節(jié)點(diǎn)之間的關(guān)系較為稀疏，且由前期擴(kuò)散導(dǎo)致的知識量累積并不能引發(fā)新一輪大規(guī)模知識擴(kuò)散。因此，節(jié)點(diǎn)整體關(guān)系嵌入性降低導(dǎo)致網(wǎng)絡(luò)知識擴(kuò)散效率降低，且網(wǎng)絡(luò)中知識分布的不均衡性較初始網(wǎng)絡(luò)有所增加。

(2)網(wǎng)絡(luò)3的知識擴(kuò)散結(jié)果如表3所示，擴(kuò)散后網(wǎng)絡(luò)知識增量及差異程度與初始網(wǎng)絡(luò)相比幾乎沒有變化。在一次仿真過程中(見圖9～10)，知識增量曲線波動更大，相鄰波峰與波谷的值最大相差1.04(t =14至t =21)，而初始網(wǎng)絡(luò)中最大波動處的差值為0.7。因此，本文認(rèn)為，網(wǎng)絡(luò)平均路徑減小使得每個節(jié)點(diǎn)的度大幅增加，強(qiáng)連通的特征使得節(jié)點(diǎn)在知識搜索過程中有更大概率匹配到網(wǎng)絡(luò)中該知識領(lǐng)域內(nèi)的最優(yōu)節(jié)點(diǎn)，擴(kuò)散時節(jié)點(diǎn)間的知識距離更大，因而曲線中的峰值較大。由于網(wǎng)絡(luò)連通性提升，網(wǎng)絡(luò)中各領(lǐng)域內(nèi)知識量最大的節(jié)點(diǎn)將會持續(xù)作為知識源向其他節(jié)點(diǎn)擴(kuò)散知識，但知識受體會不斷變化。因此，隨著知識距離變化，知識增量曲線出現(xiàn)較大的波動。

雖然在一次仿真過程中，網(wǎng)絡(luò)中的擴(kuò)散行為模式與初始網(wǎng)絡(luò)略有不同，但擴(kuò)散的最終結(jié)果幾乎沒有差異。該現(xiàn)象表明盡管平均路徑長度減小使節(jié)點(diǎn)擁有更多潛在知識源節(jié)點(diǎn)，但知識源會根據(jù)知識距離擇優(yōu)選擇，即使知識受體有更多知識源備選節(jié)點(diǎn)，最終依然會選擇最優(yōu)節(jié)點(diǎn)。另外，該現(xiàn)象表明在初始網(wǎng)絡(luò)情境中，平均路徑長度已經(jīng)足夠短，網(wǎng)絡(luò)關(guān)系緊密程度足以使知識在網(wǎng)絡(luò)中充分流動。由此證明，過高的關(guān)系嵌入性并不能對項(xiàng)目層面的知識擴(kuò)散過程起正向作用。

4.3 結(jié)構(gòu)嵌入性影響分析

在保持初始網(wǎng)絡(luò)基本結(jié)構(gòu)的基礎(chǔ)上，控制節(jié)點(diǎn)數(shù)量和關(guān)系數(shù)量不變，通過提升或降低個別節(jié)點(diǎn)的度數(shù)實(shí)現(xiàn)網(wǎng)絡(luò)中心勢上升或下降，具體如表4所示。在兩個新的網(wǎng)絡(luò)情境中(網(wǎng)絡(luò)4及網(wǎng)絡(luò)5)，進(jìn)行20次知識擴(kuò)散過程的仿真實(shí)驗(yàn)，輸出結(jié)果如表5所示。

圖7 網(wǎng)絡(luò)2知識增量

圖8 網(wǎng)絡(luò)2知識差異程度

圖9 網(wǎng)絡(luò)3知識增量

圖10 網(wǎng)絡(luò)3知識差異程度

表4 中心勢調(diào)整策略

表5 不同中心勢網(wǎng)絡(luò)仿真結(jié)果

(1)網(wǎng)絡(luò)4知識擴(kuò)散結(jié)果如表5所示。該情境下，擴(kuò)散過程中的知識增量比初始值略微增加，擴(kuò)散結(jié)束時節(jié)點(diǎn)知識差異程度提升了0.28，網(wǎng)絡(luò)中節(jié)點(diǎn)知識的不均衡程度大大增加。

圖11～12描繪了一次仿真過程中的知識增量及差異程度變化情況。與初始網(wǎng)絡(luò)相比，較為明顯的區(qū)別是：該網(wǎng)絡(luò)情境下節(jié)點(diǎn)知識差異程度在步長22時達(dá)到峰值，且該峰值大于初始網(wǎng)絡(luò)的峰值。另外，網(wǎng)絡(luò)中心勢增加使得擴(kuò)散過程圍繞幾個中心度大的節(jié)點(diǎn)展開，導(dǎo)致差異程度越來越大。尤其在步長為14～22時內(nèi)，網(wǎng)絡(luò)中知識擴(kuò)散量隨著擴(kuò)散次數(shù)增加逐漸減小。這是由于節(jié)點(diǎn)會在閾值范圍內(nèi)根據(jù)知識距離擇優(yōu)匹配，由此在一段時間內(nèi)上述節(jié)點(diǎn)之間組合形成相對固定的搭配，多次重復(fù)進(jìn)行擴(kuò)散，導(dǎo)致節(jié)點(diǎn)之間的知識距離不斷縮小，知識增量持續(xù)下降。當(dāng)中心度大的節(jié)點(diǎn)跟“鄰居”節(jié)點(diǎn)進(jìn)行充分的知識擴(kuò)散后，一部分“鄰居”節(jié)點(diǎn)隨著知識積累達(dá)到向相連其它節(jié)點(diǎn)擴(kuò)散的條件，使得中心度小的部分節(jié)點(diǎn)逐漸加入到擴(kuò)散過程中來，差異程度開始下降，即t >22。整個知識擴(kuò)散過程主要圍繞中心度大的節(jié)點(diǎn)展開，而一些度數(shù)小的節(jié)點(diǎn)參與不充分，導(dǎo)致整體呈現(xiàn)不均衡狀態(tài)。因此，結(jié)構(gòu)嵌入性提升與知識增量的關(guān)系并不顯著，但嚴(yán)重影響知識水平差異程度。

(2)網(wǎng)絡(luò)5知識擴(kuò)散結(jié)果如表5所示。該情境下最終知識增量明顯增大，網(wǎng)絡(luò)節(jié)點(diǎn)知識差異程度大大降低，整體網(wǎng)絡(luò)知識分布更加均勻。

圖13、圖14描繪了一次仿真過程中知識量變化情況。結(jié)合知識增量變化曲線(見圖13)分析，t <68時知識增量曲線明顯在初始網(wǎng)絡(luò)曲線之上，且節(jié)點(diǎn)知識水平差異程度從步長18開始一直處于下降態(tài)勢，相比初始情境能更快地向整體網(wǎng)絡(luò)擴(kuò)散。由此證明，從擴(kuò)散初期開始，網(wǎng)絡(luò)中更多節(jié)點(diǎn)從初期開始就參與到擴(kuò)散過程中，網(wǎng)絡(luò)擴(kuò)散過程更加同步，使整體擴(kuò)散效率大幅提升。擴(kuò)散過程在步長100時，增量已經(jīng)接近0，擴(kuò)散過程趨于穩(wěn)定。圖14顯示，在該網(wǎng)絡(luò)情境下節(jié)點(diǎn)知識水平差異程度經(jīng)過擴(kuò)散過程大大降低，證明網(wǎng)絡(luò)中多數(shù)節(jié)點(diǎn)都能夠有找到與其匹配的節(jié)點(diǎn)進(jìn)行擴(kuò)散，使得網(wǎng)絡(luò)中節(jié)點(diǎn)參與率提升，擴(kuò)散過程輻射到網(wǎng)絡(luò)中大部分節(jié)點(diǎn)。整體來看，網(wǎng)絡(luò)中結(jié)構(gòu)嵌入性降低對項(xiàng)目知識擴(kuò)散過程中的知識增量及知識水平差異程度均起顯著正向作用。

4.4 模型驗(yàn)證

為驗(yàn)證模型的魯棒性，本研究將在極端條件下進(jìn)行仿真測試，以觀測模型仿真是否符合研究結(jié)論及現(xiàn)實(shí)。本文主要討論兩種維度的網(wǎng)絡(luò)嵌入特征對項(xiàng)目中知識擴(kuò)散的影響，即平均路徑長度與中心勢，因而通過輸入兩個指標(biāo)的極端值加以驗(yàn)證。在前文仿真實(shí)驗(yàn)中，關(guān)系嵌入性減小的網(wǎng)絡(luò)情境中平均路徑長度已達(dá)到最小值，且仿真結(jié)論符合現(xiàn)實(shí)。因此，本文補(bǔ)充結(jié)構(gòu)嵌入變量的極端測試。由于中心勢在星型網(wǎng)絡(luò)中達(dá)到最大值，該網(wǎng)絡(luò)中只有一個中心節(jié)點(diǎn)，其它節(jié)點(diǎn)都只與其相連，即一個行動者是所有其他行動者的橋接點(diǎn)，中心勢等于1。將該網(wǎng)絡(luò)輸入仿真模型，并進(jìn)行20次仿真實(shí)驗(yàn)，結(jié)果平均值如表6所示。

根據(jù)整體仿真結(jié)果分析，在該網(wǎng)絡(luò)情境中知識擴(kuò)散效率十分低下，且網(wǎng)絡(luò)中節(jié)點(diǎn)知識水平差異程度較擴(kuò)散前沒有太大變化。極端測試結(jié)果顯示，在該網(wǎng)絡(luò)情境中知識擴(kuò)散模型仍然可靠，實(shí)驗(yàn)結(jié)果符合現(xiàn)實(shí)。綜上所述，模型通過測試并且測試結(jié)果與研究結(jié)論相符。

圖11 網(wǎng)絡(luò)4知識增量

圖12 網(wǎng)絡(luò)4差異程度

圖13 網(wǎng)絡(luò)5知識增量

圖14 網(wǎng)絡(luò)5知識差異程度

表6 極端測試結(jié)果

5 結(jié)論與管理啟示

5.1 結(jié)論

本文基于協(xié)同創(chuàng)新項(xiàng)目的任務(wù)導(dǎo)向性，分析項(xiàng)目中節(jié)點(diǎn)網(wǎng)絡(luò)嵌入特征及其與知識擴(kuò)散過程的關(guān)聯(lián)性，并構(gòu)建協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散仿真模型，利用仿真實(shí)驗(yàn)驗(yàn)證網(wǎng)絡(luò)嵌入性對擴(kuò)散過程的影響，得到以下結(jié)論：

(1)協(xié)同創(chuàng)新項(xiàng)目低水平的關(guān)系嵌入性會妨礙知識擴(kuò)散效率提升，但增強(qiáng)關(guān)系嵌入性并不能持續(xù)優(yōu)化知識擴(kuò)散過程。在合作關(guān)系較為松散的項(xiàng)目模式中，增強(qiáng)關(guān)系嵌入性會提升參與方關(guān)系緊密程度，有利于多樣化知識融合，并為知識擴(kuò)散提供渠道，提升整體擴(kuò)散效率。整體關(guān)系較為緊密的項(xiàng)目組織中，繼續(xù)減少網(wǎng)絡(luò)平均路徑長度只能增加節(jié)點(diǎn)之間的冗余連接，并不能有效提升知識擴(kuò)散效率。協(xié)同創(chuàng)新項(xiàng)目中，低關(guān)系嵌入性會導(dǎo)致網(wǎng)絡(luò)中節(jié)點(diǎn)之間合作對象單一，直接接觸優(yōu)質(zhì)知識源的概率降低，獲取某類知識需要通過多個中間人，從而導(dǎo)致整體知識擴(kuò)散效率受到負(fù)向影響。

(2)協(xié)同創(chuàng)新項(xiàng)目的結(jié)構(gòu)嵌入性對知識擴(kuò)散過程有負(fù)向影響。低結(jié)構(gòu)嵌入性有利于組織中知識擴(kuò)散效率提升，并且能有效均衡網(wǎng)絡(luò)中的知識分布，增強(qiáng)結(jié)構(gòu)嵌入性。而知識擴(kuò)散效率開始隨結(jié)構(gòu)嵌入性增強(qiáng)而降低，但在結(jié)構(gòu)嵌入性增強(qiáng)到一定程度時便不再下降。由于協(xié)同創(chuàng)新項(xiàng)目任務(wù)的影響力及重要性差異，組織中存在核心創(chuàng)新主體，這些參與方憑借工作協(xié)作及對接的復(fù)雜性獲得較高的網(wǎng)絡(luò)中心度。因此，網(wǎng)絡(luò)呈現(xiàn)出一定的中心勢。然而，過高的網(wǎng)絡(luò)中心勢會使得知識擴(kuò)散發(fā)生在有限的相關(guān)方之間，不能有效整合其它參與方的知識資源，妨礙創(chuàng)新活力激發(fā)。因此，適當(dāng)?shù)慕Y(jié)構(gòu)嵌入性不僅能有效提升項(xiàng)目知識水平，而且大大提升了項(xiàng)目組織整體知識均衡程度，對團(tuán)隊(duì)創(chuàng)新能力提升具有重要作用。

5.2 管理啟示

雖然知識擴(kuò)散在項(xiàng)目過程中不一定總以顯性方式體現(xiàn)，但管理者應(yīng)關(guān)注到這一過程或個體行為并進(jìn)行疏導(dǎo)及干預(yù)，以實(shí)現(xiàn)知識資源有效流動。

(1)關(guān)系嵌入性對協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散的影響提示項(xiàng)目管理者：協(xié)同創(chuàng)新項(xiàng)目組織中的節(jié)點(diǎn)關(guān)系嵌入程度應(yīng)在一個合適的水平上，不能夠一味地追求過度的緊密關(guān)系。過高的關(guān)系嵌入性會導(dǎo)致參與方花費(fèi)大量時間進(jìn)行知識識別、搜索，不僅不能提升參與方知識擴(kuò)散效率，反而會導(dǎo)致搜索成本增加及工作效率低下等問題。接觸過量知識資源的個體其創(chuàng)新想法難以融合，并且由于協(xié)同創(chuàng)新項(xiàng)目知識的高度異質(zhì)性，項(xiàng)目參與方難以在短時間內(nèi)吸收并內(nèi)化過多知識。因此，研究結(jié)論提示項(xiàng)目管理者對于關(guān)鍵創(chuàng)新主體，應(yīng)合理構(gòu)建其關(guān)系嵌入水平，以提升組織整體知識資源傳播及獲取效率。另外，從組織整體層面，項(xiàng)目管理者在任務(wù)分解與工作分配中應(yīng)考慮平均關(guān)系嵌入水平，并兼顧知識擴(kuò)散效率。

(2)結(jié)構(gòu)嵌入性對協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散的影響研究顯示：協(xié)同創(chuàng)新項(xiàng)目任務(wù)導(dǎo)向性導(dǎo)致這類組織中的節(jié)點(diǎn)普遍具有較高的平均結(jié)構(gòu)嵌入性，當(dāng)結(jié)構(gòu)嵌入性達(dá)到一定強(qiáng)度時，它對知識分布均衡程度的影響遠(yuǎn)大于知識擴(kuò)散效率。也就是說，過高的結(jié)構(gòu)嵌入性不利于知識擴(kuò)散，主要原因在于加劇了知識水平差異程度，使項(xiàng)目組織中的知識流動受阻。因此，協(xié)同創(chuàng)新項(xiàng)目的治理方應(yīng)重點(diǎn)關(guān)注在高結(jié)構(gòu)嵌入性組織中如何通過干預(yù)知識流動實(shí)現(xiàn)各方知識資源有效整合，疏導(dǎo)知識流向、構(gòu)建多維度溝通渠道等可能是有效的管理措施。另外，協(xié)同創(chuàng)新項(xiàng)目治理方應(yīng)在概念階段通過組織架構(gòu)設(shè)計、工作分解、流程優(yōu)化等方式避免過度結(jié)構(gòu)嵌入，例如通過核心任務(wù)拆解、提升組織協(xié)作程度等方式使更多參與方共同處于網(wǎng)絡(luò)核心位置，從根本上降低高結(jié)構(gòu)嵌入性對組織知識擴(kuò)散的負(fù)向影響。在項(xiàng)目執(zhí)行過程中，由于各參與方的任務(wù)分工及工作流程都已確定，組織結(jié)構(gòu)難以進(jìn)行大規(guī)模調(diào)整。因此，項(xiàng)目管理者可以通過構(gòu)建除協(xié)作關(guān)系外的非正式關(guān)系加以補(bǔ)充。

5.3 不足與展望

(1)本文構(gòu)建的協(xié)同創(chuàng)新項(xiàng)目知識擴(kuò)散模型是對現(xiàn)實(shí)的抽象和簡化，并未將所有影響因素考慮在內(nèi)，例如關(guān)系強(qiáng)度、知識擴(kuò)散成本等。

(2)研究結(jié)論是基于一個項(xiàng)目案例分析得出的，盡管該案例具有較強(qiáng)的代表性，但仍然存在一定的局限性，未來需要多案例共同驗(yàn)證。

(3)本研究模型中的參數(shù)是基于案例實(shí)踐并結(jié)合專家判斷而設(shè)定，不同項(xiàng)目之間可能存在差異。因此，在應(yīng)用時需要重新評估參數(shù)值的適用性?；诰W(wǎng)絡(luò)嵌入視角的項(xiàng)目知識擴(kuò)散研究，需要考慮項(xiàng)目中利益相關(guān)方的角色屬性問題，例如監(jiān)督管理、技術(shù)研發(fā)、計劃與統(tǒng)籌是否會對網(wǎng)絡(luò)中的節(jié)點(diǎn)擴(kuò)散行為規(guī)則產(chǎn)生影響。另外，未來可以從微觀角度考慮項(xiàng)目中關(guān)鍵參與方位置嵌入性對知識擴(kuò)散的影響，并進(jìn)一步探討動態(tài)項(xiàng)目組織網(wǎng)絡(luò)特征等問題。