李從東 黃浩 張帆順

收稿日期：2020-08-02

基金項目：國家自然科學基金項目“基于動態(tài)語義X列表互動知識空間的產(chǎn)品持續(xù)創(chuàng)新模型及其優(yōu)化、應(yīng)用”（項目編號：71672074）;廣東省自然科學基金項目“B2C模式下閉環(huán)選址-庫存集成優(yōu)化模型研究”（項目編號：2019A1515010045）;廣州市創(chuàng)新領(lǐng)軍團隊項目“面向‘電商-工業(yè)聯(lián)動物流智能多級管控的運作服務(wù)平臺研究及應(yīng)用”（項目編號：201909010006） 。

作者簡介：李從東（1962-），男，教授，博士，研究方向：產(chǎn)品互動創(chuàng)新、知識管理、工業(yè)工程等。張帆順（1994-），男，博士研究生，研究方向：產(chǎn)品互動創(chuàng)新、應(yīng)急管理。

通訊作者：黃浩（1997-），男，碩士研究生，研究方向：知識管理。

摘要：[目的/意義]為辨析網(wǎng)絡(luò)演化博弈視角下互動創(chuàng)新社區(qū)用戶知識共享行為影響因素以促進社區(qū)用戶間的知識共享行為。[方法/過程]在傳統(tǒng)演化博弈理論與網(wǎng)絡(luò)演化博弈理論的基礎(chǔ)之上，分別構(gòu)建互動創(chuàng)新社區(qū)知識共享模型，通過計算與仿真，對比兩種方法下社區(qū)知識共享的演化結(jié)果，分析社區(qū)用戶知識共享行為的影響因素。[結(jié)果/結(jié)論]研究發(fā)現(xiàn)，利用傳統(tǒng)演化博弈方法與網(wǎng)絡(luò)演化博弈方法得到的互動創(chuàng)新社區(qū)演化均衡點并不一致;協(xié)同收益、社區(qū)獎勵與知識共享成本對互動創(chuàng)新社區(qū)知識共享演化深度有顯著影響;社區(qū)網(wǎng)絡(luò)規(guī)模與知識共享風險對互動創(chuàng)新社區(qū)知識共享演化速度有顯著影響。

關(guān)鍵詞：互動創(chuàng)新社區(qū);知識共享;社區(qū)網(wǎng)絡(luò);網(wǎng)絡(luò)演化博弈

DOI：10.3969/j.issn.1008-0821.2021.04.005

〔中圖分類號〕G203;G252〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0036-10

Research on Influencing Factors of Knowledge Sharing Behavior of Open

Innovation Community Users Based on Network Evolutionary Game Theory

Li Congdong1，2Huang Hao1*Zhang Fanshun1

（1.School of Management，Jinan University，Guangzhou 510632，China;

2.Institute of Physical Internet，Jinan University，Zhuhai 519070，China）

Abstract：[Purpose/Significance]This paper aims to analyze the influencing factors of knowledge sharing behavior of open innovation community users from the perspective of network evolutionary game，and to promote knowledge sharing behavior among users.[Method/Process]The knowledge sharing model of open innovation community was developed based on the theory of traditional evolutionary game and network evolutionary game.Through calculation and simulation，the evolution results of knowledge sharing under the two methods were compared，and the influencing factors of knowledge sharing behavior of community users were analyzed.[Result/Conclusion]The paper found that the evolutionary equilibrium point obtained by the traditional evolutionary game method and the network evolutionary game method was inconsistent.Synergy revenue，community reward and the cost of knowledge sharing had a significant impact on the evolution depth of knowledge sharing in communities.The scale of the community and the risk of knowledge sharing had a significant impact on the evolution speed of knowledge sharing in communities.

Key words：open innovation community;knowledge sharing;community network;network evolutionary game

不同于傳統(tǒng)的知識共享渠道，互動創(chuàng)新社區(qū)利用互聯(lián)網(wǎng)交互、開放、共享等特性，將具有共同愛好和目標的個體聚集在一起，使大家可以在一個平等、開放的網(wǎng)絡(luò)空間中進行知識的溝通和共享[1]。BMW、IBM、Samsung、Starbucks等企業(yè)通過互動創(chuàng)新社區(qū)獲取用戶的創(chuàng)新想法與知識，大大提高了企業(yè)的研發(fā)效率[2]。然而，互動創(chuàng)新社區(qū)中大部分用戶只單純地瀏覽社區(qū)中的信息和知識，在社區(qū)中扮演了潛水者的角色，導致互動創(chuàng)新社區(qū)整體活躍度低下和內(nèi)部知識匱乏[3]。因此，如何更好地促進互動創(chuàng)新社區(qū)用戶間進行知識共享，從而提高企業(yè)的競爭力已經(jīng)成為一個值得關(guān)注和研究的重點。

促進用戶進行知識共享以實現(xiàn)互動創(chuàng)新社區(qū)的持續(xù)發(fā)展是學界和業(yè)界關(guān)注的焦點，現(xiàn)有互動創(chuàng)新社區(qū)用戶知識共享研究注重分析影響用戶知識共享行為的關(guān)鍵因素。Tseng F C等基于社會認知理論和社會資本理論研究了自我效能感對社區(qū)知識共享的影響，結(jié)果表明自我效能感與知識共享呈正相關(guān)關(guān)系[4]。Liu J等在社會資本理論的基礎(chǔ)之上，研究社區(qū)意見領(lǐng)袖的不同特征（互動性、權(quán)威性、活躍度）對互動創(chuàng)新社區(qū)知識共享的影響[5]。王婷婷等研究了開放式創(chuàng)新社區(qū)用戶的持續(xù)知識共享行為，發(fā)現(xiàn)用戶自我展示程度、可獲得的社會學習機會、企業(yè)的認可和一般用戶的認可對用戶持續(xù)知識共享行為有顯著影響[6]。王楠等基于社會資本理論分析了用戶社會資本在領(lǐng)先用戶特征和知識共享水平之間的中介作用，研究發(fā)現(xiàn)用戶的領(lǐng)先用戶特征對知識共享水平存在顯著正向作用[7]。曲霏等從社會交換理論的視角提出了關(guān)系型虛擬社區(qū)用戶個人收益對持續(xù)知識共享意愿的影響模型及人際信任的調(diào)節(jié)作用[8]。經(jīng)過文獻梳理可以發(fā)現(xiàn)，盡管上述文獻采用實證研究的方法識別了大量的用戶知識共享行為影響因素，但缺少這些因素對知識共享的定量化研究，對影響因素與社區(qū)用戶知識共享行為之間的作用機理還不清楚，而這個問題的解決是社區(qū)管理者在制定社區(qū)管理政策和促進社區(qū)發(fā)展時關(guān)注的熱點[9]。此外，雖然上述文獻從不同的角度分析了社區(qū)用戶知識共享行為的影響因素，但卻未考慮現(xiàn)實互動創(chuàng)新社區(qū)網(wǎng)絡(luò)的拓撲特征，忽視了用戶間的動態(tài)交互關(guān)系對知識共享的影響。而現(xiàn)有文獻提出社區(qū)用戶間交互關(guān)系與社區(qū)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)都會影響用戶的知識共享行為[10-11]，忽視網(wǎng)絡(luò)因素對知識共享的影響會導致研究與實際情形脫節(jié)，所得結(jié)論可能難以應(yīng)用于現(xiàn)實。

網(wǎng)絡(luò)演化博弈是解決上述問題的有效方法，它以復雜網(wǎng)絡(luò)和演化博弈分別刻畫用戶間的交互關(guān)聯(lián)結(jié)構(gòu)以及策略選擇范式，為理解和分析復雜交互環(huán)境下群體的決策行為提供了一個新的研究模式[12-13]?；诖耍疚氖紫仍谘莼┺睦碚摰幕A(chǔ)之上，構(gòu)建互動創(chuàng)新社區(qū)用戶知識共享的傳統(tǒng)演化博弈模型，分析社區(qū)知識共享的局部穩(wěn)定性;其次，結(jié)合復雜網(wǎng)絡(luò)理論與演化博弈理論，構(gòu)建互動創(chuàng)新社區(qū)用戶知識共享的網(wǎng)絡(luò)演化博弈模型，利用計算機仿真技術(shù)對知識共享演化過程進行模擬仿真實驗，對比兩種方法下結(jié)果的差異，分析影響社區(qū)用戶知識共享行為的重要因素;最后，依據(jù)仿真結(jié)果給出相應(yīng)的管理啟示，并對文章進行總結(jié)與展望。

1互動創(chuàng)新社區(qū)用戶知識共享的傳統(tǒng)演化博弈模型

1.1問題描述

互動創(chuàng)新社區(qū)中的用戶是否選擇知識共享策略是一個復雜的博弈過程，知識共享行為的產(chǎn)生往往依賴于相應(yīng)的激勵與引導。王鵬民等、杜智濤根據(jù)用戶行為類型差異將創(chuàng)新社區(qū)中的用戶分為“主動型用戶”和“被動型用戶”[14-15]，基于此，本文將創(chuàng)新社區(qū)用戶群體的博弈策略劃分為“主動共享”策略與“被動共享”策略。主動共享是指用戶積極發(fā)帖、評論等知識共享行為，而被動共享是指用戶單純?yōu)g覽、搜索他人帖子而不進行知識共享的行為。

對于互動創(chuàng)新社區(qū)中的用戶來說，直接知識共享收益、協(xié)同收益與社區(qū)獎勵是其可從博弈中獲得的3類主要收益[16]。直接知識共享收益是指社區(qū)用戶吸收博弈對方提供的知識并轉(zhuǎn)化為自身能力所帶來的收益，因此，當博弈對手選擇主動共享策略時，用戶便可獲得直接知識共享收益。協(xié)同收益是指由于創(chuàng)新社區(qū)中用戶之間進行知識共享時雙方知識融合而產(chǎn)生的收益，只有當博弈雙方均選擇主動共享策略時，用戶才可獲得協(xié)同收益。除此之外，當用戶選擇主動共享策略時，將獲得社區(qū)為其提供的物質(zhì)或精神獎勵，如虛擬金幣、積分、產(chǎn)品體驗資格等。另外，知識共享行為需要用戶付出時間和精力，也就是說知識共享是有一定成本的，包括傳遞成本、溝通成本及機會成本等[17]。與此同時，用戶在知識共享過程中面臨著喪失知識專有優(yōu)勢、個人信息被曝光等風險[18]。以上就是社區(qū)用戶在博弈過程中可能涉及的收益及成本。

1.2模型構(gòu)建

根據(jù)互動創(chuàng)新社區(qū)中用戶的知識共享博弈特征以及當前文獻的總結(jié)[17-18]，本文假定了一系列的博弈支付矩陣參數(shù)，如表1所示。以下參數(shù)的具體測度方法已由文獻[19-22]提出。

當互動創(chuàng)新社區(qū)中任意用戶1和用戶2發(fā)生博弈時，不同策略組合下雙方收益不同，以下是4種博弈情況的具體分析。

情況1：（主動共享，主動共享）。如果用戶1與用戶2均采取主動共享策略，則兩者可獲得直接知識共享收益、協(xié)同收益、社區(qū)獎勵3類收益，并需要承擔知識共享成本及風險。因此，用戶1的收益為H1=σ1α1η2k2+μtβ1η1k1+λη1k1-c1η1k1-R1，用戶2的收益為H2=σ2α2η1k1+μtβ2η2k2+λη2k2-c2η2k2-R2。

情況2：（主動共享，被動共享）。如果用戶1采取主動共享策略，而用戶2采取被動共享策略，則用戶1只能獲得社區(qū)獎勵，但需要承擔知識共享成本及風險，即用戶1的收益為P1=λη1k1-c1η1k1-R1，而用戶2利用“機會主義”從用戶1處獲取直接知識共享收益，因此，用戶2的收益為Q2=σ2α2η1k1。

情況3：（被動共享，主動共享）。如果用戶1采取被動共享策略，而用戶2采取主動共享策略，則用戶1的收益利用“機會主義”變?yōu)镼1=σ1α1η2k2，而用戶2的收益受用戶1機會主義行為的影響變?yōu)镻2=λη2k2-c2η2k2-R2。

情況4：（被動共享，被動共享）。如果用戶1和用戶2都選擇被動共享策略，則兩者收益將不受彼此機會主義的影響，均為0。

綜上所述，對互動創(chuàng)新社區(qū)中任意用戶1和用戶2建立知識共享博弈支付矩陣，如表2所示。

1.3局部穩(wěn)定分析

假設(shè)互動創(chuàng)新社區(qū)由兩個有差別的群體1和群體2構(gòu)成，群體1選擇主動共享策略的成員比例為x，選擇被動共享策略的比例為（1-x）;群體2中選擇主動共享策略的成員比例為y，選擇被動共享策略的成員比例為（1-y）。根據(jù)表2列出的4種策略組合可得用戶1選擇主動共享策略的平均收益為：

Ex=yH1+（1-y）P1=y（σ1α1η2k2+μtβ1η1k1）+（λ-c1）η1k1-R1（1）

用戶1選擇被動共享的平均收益為：

E1-x=yQ1=yσ1α1η2k2（2）

用戶1分別以x和1-x的概率選擇主動共享和被動共享策略的平均收益為：

Ex（1-x）=xEx+（1-x）E1-x=xyμtβ1η1k1+yσ1α1η2k2+（λ-c1）xη1k1-xR1（3）

假定該策略比例的調(diào)整速度與其平均收益超過混合策略平均收益的幅度成正比，則關(guān)于用戶1的復制者動態(tài)方程為：

dxdt=x（Ex-Ex（1-x））=x（1-x）[yμtβ1η1k1+（λ+c1）η1k1-R1]（4）

相似的，關(guān)于用戶2的復制者動態(tài)方程為：

dydty（Ey-Ey（1-y））=y（1-y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（5）

令dxdt=0，dydt=0，可得均衡點為（0，0），（0，1），（1，0），（1，1）。當0

x*=R2+（c2-λ）η2k2μtβ2η2k2， y*=R1+（c1-λ）η1k1μtβ1η1k1（6）

根據(jù)Friedman（1991）提出的雅克比矩陣（Jacobin Matrix）的局部穩(wěn)定分析法，對上述均衡點進行穩(wěn)定性分析。

J=a11a12

a21a22（7）

其中：

a11=（1-2x）[yμtβ1η1k1+（λ-c1）η1k1-R1]（8）

a12=x（1-x）μtβ1η1k1（9）

a21=y（1-y）μtβ2η2k2（10）

a22=（1-2y）[xμtβ2η2k2+（λ-c2）η2k2-R2]（11）

雅克比矩陣的行列式detJ與trJ跡的表達式為：

detJ=a11a12-a12a21;trJ=a11+a22（12）

當某平衡點使得detJ>0、trJ<0時，則可以判斷該平衡點處于局部漸進穩(wěn)定狀態(tài)，也就是該點是演化穩(wěn)定策略（ESS）。由此得出結(jié)論：當λη1k1R2+c2η2k2時，（0，1）為復制者動態(tài)系統(tǒng)的演化穩(wěn)定點;當λη1k1>R1+c1η1k1、μtβ2η2k2+λη2k2R1+c1η1k1、μtβ2η2k2+λη2k2>R2+c2η2k2時，（1，1）為復制者動態(tài)系統(tǒng)的演化穩(wěn)定點;當R1+c1η1k1-μtβ1η1k1<λη1k1

從表3～表7可以知道，知識共享的協(xié)同收益、社區(qū)獎勵、成本、風險之間的關(guān)系決定了社區(qū)的最終穩(wěn)定狀態(tài)。當協(xié)同收益及社區(qū)獎勵的和大于知識共享及風險的和時，社區(qū)用戶更傾向于選擇主動共享策略，最終社區(qū)會達到用戶全都選擇主動共享策略的理想狀態(tài)。

雖然演化博弈在一定程度上有助于從微觀角度深入了解互動創(chuàng)新社區(qū)用戶選擇知識共享的決策過程，但是其假設(shè)的個體交互關(guān)系過于理想化，與現(xiàn)實中社區(qū)用戶之間的知識共享情形差距較大。傳統(tǒng)的演化博弈通常假設(shè)個體之間以均勻混合或全連通的方式交互，即所有個體全部相互接觸，然而現(xiàn)實情況中，社區(qū)內(nèi)用戶之間的接觸總是有限的，用戶總是傾向于與更活躍的、影響力更大的用戶進行接觸，不可能有時間和精力與所有用戶進行互動。因此，互動創(chuàng)新社區(qū)可以看作是具有特定拓撲特征的復雜網(wǎng)絡(luò)，社區(qū)中用戶通過互動、競爭和協(xié)作等非線性作用機制實現(xiàn)知識的共享?；诖耍挛膶⒔Y(jié)合復雜網(wǎng)絡(luò)理論與演化博弈理論，采用網(wǎng)絡(luò)演化博弈及計算機仿真技術(shù)的研究方法分析互動創(chuàng)新社區(qū)用戶知識共享的演化規(guī)律。

2互動創(chuàng)新社區(qū)用戶知識共享的網(wǎng)絡(luò)演化博弈模型

2.1互動創(chuàng)新社區(qū)用戶知識共享網(wǎng)絡(luò)拓撲結(jié)構(gòu)

復雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)類型眾多，包括隨機網(wǎng)絡(luò)、規(guī)則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、無標度網(wǎng)絡(luò)等，不同類型的網(wǎng)絡(luò)由于生成算法的不同，導致其表現(xiàn)出來的結(jié)構(gòu)、性質(zhì)是有所差異的。無標度網(wǎng)絡(luò)是復雜網(wǎng)絡(luò)研究中一個非常重要的模型，解釋了復雜網(wǎng)絡(luò)自組織演化過程的自增長和擇優(yōu)特性，這與互動創(chuàng)新社區(qū)用戶知識共享的演化過程相匹配，社區(qū)中少數(shù)用戶擁有大量連接，而大部分節(jié)點只有少數(shù)的連接，具有較高的異質(zhì)性[23]。并且用戶更傾向于與網(wǎng)絡(luò)中互動頻率較高、知識總量較高的用戶進行互動，反映出互動創(chuàng)新社區(qū)網(wǎng)絡(luò)的無標度特征[24]。另外，大量的實證研究表明，現(xiàn)實世界許多的復雜系統(tǒng)都具有無標度網(wǎng)絡(luò)特征[25-26]。因此，本文選擇無標度網(wǎng)絡(luò)來表示互動創(chuàng)新社區(qū)網(wǎng)絡(luò)，并將網(wǎng)絡(luò)規(guī)模設(shè)定為50，200，500。需要說明的是，雖然現(xiàn)實互動創(chuàng)新社區(qū)網(wǎng)絡(luò)規(guī)模遠大于本文設(shè)定的規(guī)模，但不斷增長的網(wǎng)絡(luò)規(guī)模并不會影響本文的仿真結(jié)論。

2.2互動創(chuàng)新社區(qū)用戶知識共享網(wǎng)絡(luò)演化規(guī)則

2.2.1博弈用戶策略更新規(guī)則

在每個演化周期，互動創(chuàng)新社區(qū)用戶與其鄰居用戶進行博弈，每個博弈方的收益為其與所有鄰居進行博弈所得收益的累加和。博弈個體根據(jù)其與鄰居的收益比較進行策略更新，目前最常見的策略更新規(guī)則包括模仿收益最大的鄰居策略、復制動力學、配對比較和基于Moran過程的自然選擇規(guī)則。根據(jù)用戶的有限理性以及互動創(chuàng)新社區(qū)內(nèi)的環(huán)境干擾，本文選擇配對比較這一策略更新規(guī)則，個體隨機選擇1位鄰居后，個體在下一演化周期中模仿對方策略的概率為：

Psi→sj=11+e（Ui-Uj）/m（13）

其中Psi→sj表示用戶i模仿鄰居j策略的概率，Ui和Uj表示用戶i、j的累加收益和，m表示互動創(chuàng)新社區(qū)內(nèi)的環(huán)境噪聲大小，刻畫了個體的非理性程度，當m→0時，代表個體完全理性，只會模仿高于自身收益的策略，而隨著m的增加，個體理性程度降低，模仿低收益鄰居行為的可能性增加。

2.2.2博弈用戶知識總量更新規(guī)則

在博弈過程中，用戶i可能獲得來自用戶j的共享知識，導致其自身的知識總量發(fā)生變化。假設(shè)博弈個體的知識增長只與博弈對手的直接知識共享收益相關(guān)，與協(xié)同收益、獎勵、成本、風險無關(guān)，可得用戶i在t+1時刻的知識總量表達式為：

ki（t+1）=ki（t）+αiηikj（t）用戶j選擇主動共享

ki（t）用戶j選擇被動共享（14）

因此，個體知識總量在不同的演化周期是動態(tài)變化的，從而導致與個體知識總量相關(guān)的博弈支付矩陣也會發(fā)生變化，即每輪演化周期的博弈支付矩陣是動態(tài)變化的。

3仿真實驗及結(jié)果分析

3.1仿真步驟及初始參數(shù)設(shè)置

為驗證模型的有效性與科學性，本文利用Matlab 6.0軟件模擬了互動創(chuàng)新社區(qū)用戶知識共享行為的演化過程，通過比較不同條件下的仿真圖形，探討影響社區(qū)知識共享的關(guān)鍵因素，并對仿真結(jié)果進行分析。具體仿真步驟如下：

步驟1：初始化給定一個互動創(chuàng)新社區(qū)網(wǎng)絡(luò)，即無標度網(wǎng)絡(luò)G（V，E）;

步驟2：將初始策略隨機分配給網(wǎng)絡(luò)中的每個節(jié)點，并設(shè)定博弈支付矩陣的參數(shù)值;

步驟3：進行一次博弈;

步驟4：網(wǎng)絡(luò)中節(jié)點隨機選擇鄰居節(jié)點進行收益比較，并以配對比較規(guī)則進行策略更新;

步驟5：轉(zhuǎn)步驟3，直至達到預定時間步長結(jié)束。

為體現(xiàn)社區(qū)用戶的個體異質(zhì)性，將用戶分為兩個群體，群體1和群體2，結(jié)合傳統(tǒng)演化博弈模型的4種情形以及結(jié)論，設(shè)置對應(yīng)條件下的參數(shù)值。其中，初始知識共享水平p0=0.5、k1=k2=10、σ1=σ2=0.3、α1=α2=0.2、μ=0.2、t=0.5、R1=R2=1;其余參數(shù)取值如表8所示。

3.2仿真結(jié)果分析

3.2.1互動創(chuàng)新社區(qū)用戶知識共享網(wǎng)絡(luò)演化結(jié)果

圖1表示在50個節(jié)點網(wǎng)絡(luò)規(guī)模大小的社區(qū)中，用戶知識共享水平在D1、D2、D3、D4這4種參數(shù)條件設(shè)置下隨時間變化的演化過程?？梢钥闯?，當互動創(chuàng)新社區(qū)所有用戶獲得的社區(qū)獎勵小于付出的知識共享成本與風險的和時，最終社區(qū)的知識共享水平收斂于0，如圖1中演化曲線D1所示，所有用戶均選擇被動共享策略。當部分用戶得到的社區(qū)獎勵大于付出的知識共享成本與風險的和，其余用戶獲得的協(xié)同收益與社區(qū)獎勵之和小于知識共享成本與風險之和時，最終社區(qū)的知識共享水平出現(xiàn)了兩種情況：一種是收斂于1，如圖1中演化曲線D2所示，一種是在0.7上下徘徊，如圖1中演化曲線D3所示。出現(xiàn)這種現(xiàn)象的原因可能是群體1與群體2的數(shù)量比例不同，當群體2的數(shù)量占多數(shù)，且這類用戶獲得的社區(qū)獎勵大于付出的知識共享成本與風險的和時，他們更愿意選擇主動共享策略，而群體1由于付出的成本與風險更高，他們可能傾向于選擇被動共享策略，但由于社區(qū)網(wǎng)絡(luò)中的交互關(guān)系，用戶首先能感知到的是鄰居的策略傾向，且受流行性壓力與社會規(guī)范的影響，導致群體2的用戶選擇主動共享的概率更大，最終網(wǎng)絡(luò)知識共享水平收斂于1;對應(yīng)地，當群體2的數(shù)量占多數(shù)，這類用戶付出的成本與風險之和高于協(xié)同收益與社區(qū)獎勵之和，他們會傾向于選擇被動共享策略，但是，當博弈雙方

在某一演化周期均選擇被動共享策略時，兩者的收益值為0，導致下一階段某一方或者雙方都會模仿主動共享策略，因此，網(wǎng)絡(luò)的知識共享比例會上升到較高的水平，但由于“機會主義”的存在，網(wǎng)絡(luò)中部分群體2仍會選擇被動共享策略，最終網(wǎng)絡(luò)的知識共享水平穩(wěn)定在0.7左右。當用戶獲得的協(xié)同收益與社區(qū)獎勵之和大于知識共享成本與風險之和時，社區(qū)網(wǎng)絡(luò)能夠迅速演化收斂于1，如圖4中演化曲線D4所示。

比較圖1和傳統(tǒng)演化博弈均衡點結(jié)果可以看出，D1與D4分別和傳統(tǒng)演化博弈中均衡點為（0，0）與（1，1）的情況一致，最終網(wǎng)絡(luò)演化水平收斂于0與1。而D2與D3卻和傳統(tǒng)演化博弈中均衡點為（0，1）與（1，0）的情況不一樣，D2與D3最終演化水平并沒有收斂于網(wǎng)絡(luò)中群體1與群體2的數(shù)量比例，原因在于社區(qū)網(wǎng)絡(luò)用戶之間的互動關(guān)系影響著用戶的策略選擇，而傳統(tǒng)演化博弈理想化地將社區(qū)網(wǎng)絡(luò)假定為全耦合結(jié)構(gòu)，違背了用戶間的接觸是有限的這一現(xiàn)實情況，導致所得結(jié)論與圖1不一致。

3.2.2網(wǎng)絡(luò)規(guī)模對知識共享演化影響分析

圖2和圖3分別是在200個節(jié)點和500個節(jié)點條件下的互動創(chuàng)新社區(qū)知識共享網(wǎng)絡(luò)的演化結(jié)果圖。從圖1～圖3中相同參數(shù)設(shè)置不同網(wǎng)絡(luò)規(guī)模的演化仿真結(jié)果可以看出，4種參數(shù)設(shè)置條件下的最終知識共享演化結(jié)果一致，即在無標度網(wǎng)絡(luò)中，網(wǎng)絡(luò)規(guī)模幾乎不影響知識共享演化水平。但值得注意的是，除去D3知識共享水平到達穩(wěn)定狀態(tài)所需時間不清晰外，網(wǎng)絡(luò)規(guī)模為50的社區(qū)網(wǎng)絡(luò)在5～10個時間步長基本達到穩(wěn)定狀態(tài)，規(guī)模為200的社區(qū)網(wǎng)絡(luò)在10～30個時間步長后基本達到穩(wěn)定狀態(tài)，規(guī)模為500的社區(qū)網(wǎng)絡(luò)則在30～50個時間步長區(qū)間內(nèi)達到穩(wěn)定狀態(tài)。由此可見，互動創(chuàng)新社區(qū)網(wǎng)絡(luò)規(guī)模越大，知識共享最終達到演化穩(wěn)定狀態(tài)的時間就越長，即知識共享演化速度越慢。這可能是因為在規(guī)模較小的網(wǎng)絡(luò)中，節(jié)點度相對較小，能夠快速且穩(wěn)定地選擇策略。而規(guī)模較大的網(wǎng)絡(luò)中節(jié)點進行博弈時，節(jié)點之間的交互關(guān)系、收益對比與策略學習過程更為復雜，網(wǎng)絡(luò)需要較長時間才能到達穩(wěn)定狀態(tài)。

3.2.3協(xié)同效應(yīng)系數(shù)β異質(zhì)知識比例μ、信任t對知識共享演化影響分析

為了更好地體現(xiàn)網(wǎng)絡(luò)中的用戶交互關(guān)系對社區(qū)知識共享網(wǎng)絡(luò)的影響，后面的仿真實驗均假設(shè)網(wǎng)絡(luò)規(guī)模為500。本節(jié)以互動創(chuàng)新社區(qū)用戶知識共享網(wǎng)絡(luò)演化水平為0的情景為基礎(chǔ)，設(shè)置參數(shù)值ki=10、σi=0.3、αi=0.2、Ri=1、ηi=0.6、ci=0.6、λ=0.4、i=1，2，分別對協(xié)同效應(yīng)系數(shù)β、異質(zhì)知識比例μ、信任t的大小進行調(diào)整，對應(yīng)得到圖4～圖6。

圖4是在μ=1、t=1、βi（i=1，2）依次取值為0.1、0.3、0.5、0.7、0.9的條件下，協(xié)同效應(yīng)系數(shù)對用戶知識共享行為的影響的仿真結(jié)果。從圖4可以看出，隨著β值的增大，社區(qū)網(wǎng)絡(luò)知識共享演化水平由趨近于0轉(zhuǎn)變?yōu)橼吔?，表明協(xié)同效應(yīng)系數(shù)會對用戶知識共享行為產(chǎn)生積極的影響，協(xié)同效應(yīng)系數(shù)越大，社區(qū)中選擇主動共享策略的人數(shù)就越多。這是因為協(xié)同效應(yīng)系數(shù)越大，用戶在知識共享時雙方知識的融合產(chǎn)生的新知識越多，所帶來的協(xié)同收益就越高，從而促進用戶知識共享行為的持續(xù)進行。

圖5是在t=1、βi=1（i=1，2）、μ依次取值為0.1、0.3、0.5、0.7、0.9的條件下，異質(zhì)知識比例對用戶知識共享行為的影響的仿真結(jié)果。從圖5可以看出，與圖4的結(jié)果一致，博弈雙方之間的異質(zhì)知識比例與用戶知識共享行為之間呈正向關(guān)系。當社區(qū)用戶之間共享的知識異質(zhì)性比例較低時，會導致知識交流的同質(zhì)化，不利于雙方知識的融合，較難產(chǎn)生新的知識，獲得的協(xié)同收益也較低，從而阻礙知識共享行為的發(fā)生。

圖6是在μ=1、βi=1（i=1，2）、t依次取值為0.1、0.3、0.5、0.7、0.9的條件下，博弈雙方的信任程度對用戶知識共享行為的影響的仿真結(jié)果。從圖6可以看出，當t值取0.5、0.7、0.9時，社區(qū)網(wǎng)絡(luò)知識共享演化水平趨近于1;而t值取0.1、0.3時，知識共享演化水平趨近于0。這表明用戶之間的信任程度會對知識共享行為產(chǎn)生正向的影響，信任程度越高，用戶越相信其他用戶的未來行動將會有利于或至少不會有害于自己的利益，從而更愿意采取知識共享行為。

3.2.4激勵系數(shù)λ對知識共享演化影響分析

取μ=0.2、t=0.5、βi=0.2（i=1，2），其他參數(shù)值保持不變，通過對激勵系數(shù)λ依次取值為0.1、0.3、0.5、0.7、0.9，得到仿真結(jié)果如圖7所示。當λ取值為0.1、0.3、0.5時，社區(qū)用戶知識共享演化水平都趨近于0，當λ取值為0.7、0.9時，社區(qū)用戶知識共享演化水平趨近于1。圖7表明激勵系數(shù)與知識共享行為之間呈正向的關(guān)系，隨著激勵系數(shù)的不斷增加，用戶可獲得的社區(qū)獎勵越來越多，用戶需求可以得到更好地滿足，從而促進用戶知識共享行為的產(chǎn)生。

3.2.5成本系數(shù)c、知識共享風險R對知識共享演化影響分析

取λ=0.5，其他參數(shù)值保持不變，成本系數(shù)ci（i=1，2）依次取值0.1、0.3、0.5、0.7、0.9，仿真結(jié)果如圖8所示。當ci取值為0.1、0.3、0.5時，社區(qū)網(wǎng)絡(luò)的知識共享演化水平趨近于1，而當ci取值為0.7、0.9時，知識共享演化水平趨近于0。這表明成本系數(shù)的增大將會阻礙用戶知識共享行為的發(fā)生，知識的緘默性越高，將知識顯性化并分享給其他用戶的成本就越高，導致更多的用戶選擇被動共享策略。

取ci=0.4（i=1，2），其他參數(shù)值保持不變，知識共享風險Ri（i=1，2）依次取值0.1、10、100，仿真結(jié)果如圖9所示。可以看出，隨著R值的增加，知識共享演化水平并沒有改變，而社區(qū)網(wǎng)絡(luò)趨近于穩(wěn)定值的時間越來越長。這表明知識共享風險會影響知識共享策略在社區(qū)中的傳播速度，但并不會改變社區(qū)網(wǎng)絡(luò)的演化水平。出現(xiàn)這種現(xiàn)象的原因可能在于本文假定博弈用戶的知識總量是動態(tài)增加的，直接知識共享收益、協(xié)同收益、社區(qū)獎勵與知識共享成本都是與用戶知識量相關(guān)的變量，即是動態(tài)變化的變量，而知識共享風險是一個常量，因此知識共享風險較難影響社區(qū)網(wǎng)絡(luò)最終的演化水平。但是，較大的知識共享風險會降低社區(qū)網(wǎng)絡(luò)趨近于穩(wěn)定值的速度，這是因為剛開始用戶感知到知識共享風險較大，大部分用戶會選擇被動共享策略，曲線會呈下降趨勢，而協(xié)同收益、社區(qū)獎勵與成本隨時間變化逐漸增長，當用戶感知到知識共享風險與成本之和小于協(xié)同收益與社區(qū)獎勵之和時，社區(qū)網(wǎng)絡(luò)知識共享演化水平會逐漸上升，直至趨近于穩(wěn)定值。這也與現(xiàn)實情況相匹配，知識共享風險一般不會過大，否則社區(qū)難以吸引用戶;即使存在風險，但當用戶感知到風險與成本之和小于收益之和時，用戶在觀望一段時間后仍會選擇主動共享策略。

3.3管理啟示

根據(jù)仿真實驗所得的結(jié)果，本文提出互動創(chuàng)新社區(qū)知識共享的管理啟示，為社區(qū)管理者促進用戶知識共享行為提供有效的管理意見。

1）維護社區(qū)的信任氛圍，注重對社區(qū)形象的建設(shè)與維護，制定社區(qū)規(guī)章制度來規(guī)范社區(qū)用戶的行為，防止用戶損害他人利益;另外，還可以建設(shè)互動創(chuàng)新社區(qū)文化，舉辦豐富的社群活動，通過文化的認同來提高社區(qū)用戶間的信任;

2）建立完備的、多元化的知識共享激勵機制，為社區(qū)中積極的、活躍的知識共享用戶提供不同程度的獎勵，比如，邀請領(lǐng)先用戶參與新產(chǎn)品的研發(fā)與測試環(huán)節(jié)、為主動共享用戶提供工作機會等?；诨觿?chuàng)新社區(qū)用戶參與知識共享的需求，為用戶提供物質(zhì)和精神相結(jié)合的激勵措施，進而激發(fā)用戶的知識共享行為。

3）成立專門的知識管理機構(gòu)，對用戶共享的知識進行顯性化、一致化表達，構(gòu)建互動創(chuàng)新社區(qū)知識資源庫，并將資源庫的知識對用戶進行開放，用戶根據(jù)需要搜索知識資源，既可以有效地縮短用戶在知識共享過程中付出的時間和精力，降低知識共享成本，也可以提高互動創(chuàng)新社區(qū)的知識利用率，為產(chǎn)品創(chuàng)新提供豐富的外部知識。

4）優(yōu)化社區(qū)整體結(jié)構(gòu)，根據(jù)用戶需求與特點將互動創(chuàng)新社區(qū)劃分為不同版塊，以避免社區(qū)網(wǎng)絡(luò)規(guī)模過大影響知識共享的效率;在保證各個版塊的用戶知識異質(zhì)化程度較高的同時，又集中相似背景與興趣的用戶于同一版塊，既保持了一定的知識差異，形成知識互補效應(yīng)，又具備一定的相似性，為知識共享的發(fā)生提供必要條件。

4結(jié)束語

本文針對互動創(chuàng)新社區(qū)用戶知識共享行為影響因素問題，首先，作為對比實驗，在演化博弈理論的基礎(chǔ)之上，構(gòu)建互動創(chuàng)新社區(qū)用戶知識共享的傳統(tǒng)演化博弈模型，對知識共享演化路徑進行了局部穩(wěn)定性分析;接著結(jié)合演化博弈理論與復雜網(wǎng)絡(luò)理論，構(gòu)建互動創(chuàng)新社區(qū)用戶知識共享的網(wǎng)絡(luò)演化博弈模型，并利用Matlab軟件對模型進行了仿真實驗，探索了互動創(chuàng)新社區(qū)網(wǎng)絡(luò)知識共享行為演化的微觀機制，分析了影響社區(qū)網(wǎng)絡(luò)用戶知識共享行為的關(guān)鍵因素;最后，通過對仿真實驗結(jié)果的分析與總結(jié)，本文得出了以下結(jié)論：

1）利用傳統(tǒng)演化博弈方法與網(wǎng)絡(luò)演化博弈方法得到的互動創(chuàng)新社區(qū)演化均衡點并不一致，其原因在于演化博弈方法所構(gòu)建的模型過于理想化，未能考慮社區(qū)用戶之間的交互關(guān)系，忽視了網(wǎng)絡(luò)因素對知識共享行為的影響。因此，演化博弈方法雖然在一定程度上模擬了互動創(chuàng)新社區(qū)用戶知識共享行為，但卻難以很好地把握實際情形;而網(wǎng)絡(luò)演化博弈方法更能與現(xiàn)實場景相匹配，更符合互動創(chuàng)新社區(qū)知識共享問題的研究。

2）協(xié)同效應(yīng)系數(shù)、異質(zhì)知識比例、信任與激勵系數(shù)對互動創(chuàng)新社區(qū)知識共享演化深度有正向促進作用;而知識共享成本系數(shù)對互動創(chuàng)新社區(qū)知識共享演化深度有負向阻礙作用。

3）網(wǎng)絡(luò)規(guī)模和知識共享風險不會對互動創(chuàng)新社區(qū)知識共享的演化深度產(chǎn)生影響，但兩者會影響互動創(chuàng)新社區(qū)知識共享的演化速度，且兩者均對社區(qū)知識共享演化速度具有消極影響。

雖然本文構(gòu)建的模型可以有效地研究互動創(chuàng)新社區(qū)用戶知識共享行為的影響因素，但是仍然存在以下的不足：①本文考慮互動創(chuàng)新社區(qū)用戶間的兩方博弈，忽視了社區(qū)管理者這一角色在社區(qū)知識共享過程中的作用，未來可以把社區(qū)管理者作為博弈一方，構(gòu)建互動創(chuàng)新社區(qū)知識共享三方博弈模型;②本文從靜態(tài)網(wǎng)絡(luò)的視角研究網(wǎng)絡(luò)拓撲結(jié)構(gòu)與用戶知識共享行為之間的關(guān)系，但并未探討用戶知識共享行為如何影響互動創(chuàng)新社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)，解決這個問題對管理者制定社區(qū)管理措施具有重要意義，未來可以采取動態(tài)網(wǎng)絡(luò)演化博弈的方法展開研究。

參考文獻

[1]萬晨曦，郭東強.虛擬社區(qū)知識共享研究綜述[J].情報科學，2016，34（8）：165-170.

[2]Lee H H M，Van Dolen W.Creative Participation：Collective Sentiment in Online Co-creation Communities[J].Information & Management，2015，52（8）：951-964.

[3]嚴貝妮，葉宗勇.環(huán)境因素對虛擬社區(qū)用戶知識共享行為的作用機制研究[J].情報理論與實踐，2017，40（10）：74-79.

[4]Tseng F C，Kuo F Y.A Study of Social Participation and Knowledge Sharing in the Teachers Online Professional Community of Practice[J].Computers & Education，2014，72：37-47.

[5]Liu J，Zhang Z，Qi J，et al.Understanding the Impact of Opinion Leaders Characteristics on Online Group Knowledge-Sharing Engagement from In-Group and Out-Group Perspectives：Evidence from a Chinese Online Knowledge-Sharing Community[J].Sustainability，2019，11（16）.

[6]王婷婷，戚桂杰，張雅琳，等.開放式創(chuàng)新社區(qū)用戶持續(xù)性知識共享行為研究[J].情報科學，2018，36（2）：139-145.

[7]王楠，張士凱，趙雨柔，等.在線社區(qū)中領(lǐng)先用戶特征對知識共享水平的影響研究——社會資本的中介作用[J].管理評論，2019，31（2）：82-93.

[8]曲霏，張慧穎.關(guān)系型虛擬社區(qū)用戶持續(xù)使用意向的影響機制研究——人際信任的調(diào)節(jié)作用[J].情報學報，2016，35（4）：415-424.

[9]趙捧未，馬琳，秦春秀.虛擬社區(qū)研究綜述[J].情報理論與實踐，2013，36（7）：119-123.

[10]Lin S W，Lo L Y S.Mechanisms to Motivate Knowledge Sharing：Integrating the Reward Systems and Social Network Perspectives[J].Journal of Knowledge Management，2015，19（2）：212-235.

[11]Jiang G，Ma F，Shang J，et al.Evolution of Knowledge Sharing Behavior in Social Commerce：An Agent-based Computational Approach[J].Information Sciences，2014，278：250-266.

[12]譚少林，呂金虎.復雜網(wǎng)絡(luò)上的演化博弈動力學——一個計算視角的綜述[J].復雜系統(tǒng)與復雜性科學，2017，14（4）：1-13.

[13]榮智海，吳枝喜，王文旭.共演博弈下網(wǎng)絡(luò)合作動力學研究進展[J].電子科技大學學報，2013，42（1）：10-22.

[14]王鵬民，侯貴生，楊磊.基于知識質(zhì)量的社會化問答社區(qū)用戶知識共享的演化博弈分析[J].現(xiàn)代情報，2018，38（4）：42-49，57.

[15]杜智濤.網(wǎng)絡(luò)知識社區(qū)中用戶“知識化”行為影響因素——基于知識貢獻與知識獲取兩個視角[J].圖書情報知識，2017，（2）：105-119.

[16]Wang R H，Lv Y B，Duan M.Evolutionary Game of Inter-firm Knowledge Sharing in Innovation Cluster[J].Evolving Systems，2017，8（2）：121-133.

[17]商淑秀，張再生.虛擬企業(yè)知識共享演化博弈分析[J].中國軟科學，2015，（3）：150-157.

[18]馮長利，周劍，蘭鷹.供應(yīng)鏈成員間知識共享行為演化博弈模型[J].情報雜志，2012，31（3）：138-144.

[19]Ritala P，Husted K，Olander H，et al.External Knowledge Sharing and Radical Innovation：The Downsides of Uncontrolled Openness[J].Journal of Knowledge Management，2018，22（5）：1104-1123.

[20]趙健宇，任子瑜，襲希.知識嵌入性對合作網(wǎng)絡(luò)知識協(xié)同效應(yīng)的影響：吸收能力的調(diào)節(jié)作用[J].管理工程學報，2019，33（4）：49-60.

[21]Sedighi M，Van Splunter S，Brazier F，et al.Exploration of Multi-layered Knowledge Sharing Participation：The Roles of Perceived Benefits and Costs[J].Journal of Knowledge Management，2016，20（6）：1247-1267.

[22]商淑秀，張再生.基于社會資本視角的虛擬企業(yè)知識共享[J].中國軟科學，2013，（11）：101-111.

[23]Panzarasa P，Opsahl T，Carley K M.Patterns and Dynamics of Users Behavior and Interaction：Network Analysis of an Online Community[J].Journal of the American Society for Information Science and Technology，2009，60（5）：911-932.

[24]Fu F，Liu L，Wang L.Empirical Analysis of Online Social Networks in the Age of Web 2.0[J].Physica A，2008，387（2-3）：675-684.

[25]徐建中，朱曉亞，貫君.基于演化博弈的制造企業(yè)研發(fā)團隊知識轉(zhuǎn)移網(wǎng)絡(luò)演化[J].系統(tǒng)工程學報，2018，33（2）：145-156.

[26]Choi J，Hyun A S，Cha M S.The Effects of Network Characteristics on Performance of Innovation Clusters[J].Expert Systems with Applications，2013，40（11）：4511-4518.

（責任編輯：孫國雷）