趙健宇，李柏洲，襲 希，蘇 屹

?

多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識流動網(wǎng)絡(luò)研究

趙健宇1，李柏洲1，襲 希2，蘇 屹1

(1.哈爾濱工程大學(xué)經(jīng)濟(jì)管理學(xué)院，黑龍江哈爾濱 150001；2.哈爾濱商業(yè)大學(xué)管理學(xué)院，黑龍江哈爾濱 150028)

為進(jìn)一步得出任務(wù)背景下團(tuán)隊合作知識流動網(wǎng)絡(luò)演化的特征，建立了多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識流動網(wǎng)絡(luò)模型，選用Netlogo軟件進(jìn)行智能體仿真。研究結(jié)果表明：增加網(wǎng)絡(luò)中的合作團(tuán)隊數(shù)量，增大網(wǎng)絡(luò)的集聚系數(shù)，減小網(wǎng)絡(luò)的平均路徑長度，提高團(tuán)隊間的知識交流頻率能夠促進(jìn)網(wǎng)絡(luò)的知識流動。網(wǎng)絡(luò)演化過程中，團(tuán)隊平均連接數(shù)量先增后減，每個團(tuán)隊的平均連接數(shù)量與任務(wù)的合作規(guī)模呈正相關(guān)，與網(wǎng)絡(luò)的鄰域閾值大小，以及團(tuán)隊自身的知識能力無直接關(guān)系；關(guān)系強(qiáng)度與網(wǎng)絡(luò)的平均路徑長度呈負(fù)相關(guān)；知識流動收益與平均路徑長度呈指數(shù)形式增長；小世界效應(yīng)能夠幫助組織識別網(wǎng)絡(luò)中的核心團(tuán)隊，拉近團(tuán)隊間的社會距離，促進(jìn)動態(tài)核心能力的形成與提升。

多任務(wù)環(huán)節(jié)；團(tuán)隊合作；知識流動；無標(biāo)度網(wǎng)絡(luò)；小世界效應(yīng)

0 引言

知識經(jīng)濟(jì)時代，許多組織選擇將任務(wù)進(jìn)行模塊化分解，采用團(tuán)隊協(xié)作的形式進(jìn)行知識生產(chǎn)。如Apple公司就將iPhone的制造任務(wù)分解為市場分析、工業(yè)設(shè)計、部件識別、平臺搭建和外包等10個子模塊，通過團(tuán)隊合作的形式進(jìn)行產(chǎn)品生產(chǎn)[1]，類似的情況也發(fā)生在Faw-Volkswagen、KMPG等國際知名企業(yè)中。針對此現(xiàn)象，Wuchty[2]通過統(tǒng)計分析得出了團(tuán)隊生產(chǎn)模式比個體獨(dú)立完成更具效率的結(jié)論，Becke[3]則認(rèn)為這是個體知識精細(xì)程度加深而使知識產(chǎn)生分立后組織的必然選擇。隨后，Sorenson[4]以知識為視角整合了前人的觀點(diǎn)，將團(tuán)隊協(xié)作更具生產(chǎn)效率的原因歸納為兩點(diǎn)：首先，以團(tuán)隊形式進(jìn)行知識生產(chǎn)能夠整合個體的知識資源；其次，團(tuán)隊可以通過任務(wù)的執(zhí)行彌補(bǔ)知識結(jié)構(gòu)的差異或缺陷，進(jìn)而形成具有流動效用的知識網(wǎng)絡(luò)。而他所提出的“團(tuán)隊協(xié)作是未來組織知識創(chuàng)造的主要生產(chǎn)力”也與Choi[5]“研究多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識網(wǎng)絡(luò)對組織持續(xù)發(fā)展具有重要意義”的觀點(diǎn)不謀而合。然而從現(xiàn)有文獻(xiàn)來看，關(guān)于合作知識流動網(wǎng)絡(luò)的研究主要集中在產(chǎn)業(yè)層面和企業(yè)層面，鮮有文獻(xiàn)涉及更為微觀的團(tuán)隊層面。在團(tuán)隊協(xié)作逐漸成為組織知識生產(chǎn)首選的今天[2]，如何建立這種基于任務(wù)的團(tuán)隊合作知識流動網(wǎng)絡(luò)？網(wǎng)絡(luò)演化具有哪些特征，具有什么特殊效應(yīng)？在反復(fù)的任務(wù)執(zhí)行過程中團(tuán)隊間的關(guān)系怎樣變化，是否會對生產(chǎn)績效產(chǎn)生影響？這些都是本文試圖回答的問題。

本文圍繞合作網(wǎng)絡(luò)的演化模型展開研究，相關(guān)文獻(xiàn)可以追溯至1998年。Barabàsi[6]的無標(biāo)度模型和Watts[7]的小世界模型分別給出了關(guān)于合作網(wǎng)絡(luò)演化的數(shù)學(xué)分析框架，對不同類型的合作網(wǎng)絡(luò)判定依據(jù)（絕對指標(biāo)）進(jìn)行了分析。承襲他們的觀點(diǎn)并根據(jù)實(shí)際需求改進(jìn)模型，Goyal[8]以寡頭壟斷市場為對象提取了此類合作網(wǎng)絡(luò)的部分特征。類似地，Ramasco[9]通過建立RDP模型捕捉了合作網(wǎng)絡(luò)的度相關(guān)性、集聚相關(guān)性及拓?fù)渚嚯x在網(wǎng)絡(luò)演化中的變化情況。進(jìn)一步，F(xiàn)enner[10]設(shè)定了合作網(wǎng)絡(luò)節(jié)點(diǎn)選擇條件，通過考察指數(shù)節(jié)點(diǎn)的冪律分布得到節(jié)點(diǎn)分布具有厚尾特征的結(jié)論。Nicolau[11]計算了多種合作網(wǎng)絡(luò)的激活閾值，在對特定數(shù)值予以統(tǒng)計后得到部分網(wǎng)絡(luò)特征數(shù)據(jù)的分布區(qū)間。但是，上述文獻(xiàn)只關(guān)注了網(wǎng)絡(luò)中特征變量等絕對指標(biāo)的變化，沒有考慮相對指標(biāo)（關(guān)系強(qiáng)度、網(wǎng)絡(luò)績效等）在網(wǎng)絡(luò)演化中的作用。部分學(xué)者發(fā)現(xiàn)，相對指標(biāo)同樣會影響合作網(wǎng)絡(luò)的演化，Ortiz[12]證明，調(diào)整基礎(chǔ)網(wǎng)絡(luò)的密度會改變合作網(wǎng)絡(luò)中相關(guān)知識活動的社會行為和績效產(chǎn)出。Gilsing[13]的研究顯示，關(guān)系強(qiáng)度的變化直接影響網(wǎng)絡(luò)的演化方向和個體的創(chuàng)新選擇。梳理后發(fā)現(xiàn)，雖然以上文獻(xiàn)對合作網(wǎng)絡(luò)的研究做出了貢獻(xiàn)，但兩類研究都存在同一個問題，即多數(shù)學(xué)者秉承物理學(xué)中的純粹結(jié)構(gòu)主義思想，傾向于將絕對指標(biāo)和相對指標(biāo)分立后，集中對某個單一變量展開研究。這種研究范式雖然能夠?qū)λP(guān)注的問題進(jìn)行分析，但無法通過相對比較考察變量間的關(guān)系及其網(wǎng)絡(luò)發(fā)展的綜合作用。考慮到這點(diǎn)，本文將兩類指標(biāo)整合并統(tǒng)一納入合作網(wǎng)絡(luò)的演化模型中，側(cè)重討論演化過程中兩類指標(biāo)的變化情況。

團(tuán)隊合作知識流動網(wǎng)絡(luò)的一類研究也與本文密切相關(guān)。Cowan[14]證明了合作網(wǎng)絡(luò)的演化對知識流動和創(chuàng)新擴(kuò)散有促進(jìn)作用。相似的結(jié)論也見于Dong[15]的研究，他進(jìn)一步從組織如何設(shè)計和使用團(tuán)隊合作知識流動網(wǎng)絡(luò)建立了一個混合規(guī)劃模型，認(rèn)為網(wǎng)絡(luò)中個別團(tuán)隊的橋梁作用對于團(tuán)隊間的知識流動和網(wǎng)絡(luò)的整體演化能夠產(chǎn)生影響。與本文最為相關(guān)的是Zhuge[16]的研究，他通過建立適用于團(tuán)隊合作的知識流動模型，探討了任務(wù)背景下的知識流動網(wǎng)絡(luò)連接機(jī)制與任務(wù)分配問題。結(jié)果表明，合理的任務(wù)劃分是團(tuán)隊合作知識流動能夠獲得較高收益的原因。與Zhuge不同的是，本文進(jìn)一步考慮到網(wǎng)絡(luò)中團(tuán)隊自身知識結(jié)構(gòu)的變化和外部性因素對知識流動網(wǎng)絡(luò)的影響，將團(tuán)隊的知識創(chuàng)造能力和知識吸收能力設(shè)定為仿真的內(nèi)生變量，將改變網(wǎng)絡(luò)連接機(jī)制的因素視為外生變量，重點(diǎn)考察網(wǎng)絡(luò)在動態(tài)演化過程中，絕對指標(biāo)和相對指標(biāo)的關(guān)系及其對網(wǎng)絡(luò)演化的影響。此外，Zhuge在研究中沒有對這種網(wǎng)絡(luò)本身進(jìn)行仿真形式的刻畫和分析，僅在任務(wù)模塊的適用性和團(tuán)隊知識流動的關(guān)系上展開討論，而且忽視了任務(wù)更迭對團(tuán)隊知識流動網(wǎng)絡(luò)的影響。本文則根據(jù)任務(wù)劃分的實(shí)際情況建立了適用于多任務(wù)環(huán)節(jié)的知識流動網(wǎng)絡(luò)模型，采用智能體仿真的相關(guān)理論對不同團(tuán)隊的屬性和行為加以區(qū)分，不僅能夠完整地對網(wǎng)絡(luò)的形成和演化予以描述，而且實(shí)現(xiàn)了對重連和斷連等網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)變化的設(shè)定，研究情境更符合實(shí)際。

與文本較為相關(guān)的是Kratzer[17]關(guān)于產(chǎn)品開發(fā)任務(wù)中團(tuán)隊合作網(wǎng)絡(luò)效率的研究。一方面，Kratzer在研究中規(guī)定團(tuán)隊通過對成本的估算后選擇是否加入網(wǎng)絡(luò)，而在本文中團(tuán)隊則根據(jù)任務(wù)需求通過學(xué)科領(lǐng)域、能力等方面的匹配后，根據(jù)收益預(yù)期選擇是否加入網(wǎng)絡(luò)。另一方面，Kratzer選取的樣本是研發(fā)團(tuán)隊，但相比其它類型的團(tuán)隊，研發(fā)團(tuán)隊本身具有較強(qiáng)的知識吸收和創(chuàng)造能力，加之分析對象在平臺市場中是極具競爭力的跨國公司，因此研究更貼近于對成熟期團(tuán)隊合作知識流動網(wǎng)絡(luò)的討論。而本文的背景環(huán)境面向參與任務(wù)的所有團(tuán)隊，對網(wǎng)絡(luò)變量的觀測也從演化伊始直至穩(wěn)定階段，使得研究對象、結(jié)論和相關(guān)啟示更具普適性。

本文在運(yùn)用平均路徑長度和集聚系數(shù)等絕對指標(biāo)構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)的同時，將關(guān)系強(qiáng)度等相對指標(biāo)納入研究體系中，通過改進(jìn)BA模型[6]建立多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識流動網(wǎng)絡(luò)模型。在對團(tuán)隊進(jìn)行屬性賦值和行為規(guī)則設(shè)計的基礎(chǔ)上，采用智能體仿真的形式模擬網(wǎng)絡(luò)的演化過程，圍繞網(wǎng)絡(luò)的連接機(jī)制解釋網(wǎng)絡(luò)的形成和演化機(jī)理，分析主要指標(biāo)的變化及其相互作用關(guān)系，實(shí)現(xiàn)對團(tuán)隊合作知識流動網(wǎng)絡(luò)進(jìn)行全面、深入、系統(tǒng)的研究。

1 模型的建立

多任務(wù)環(huán)節(jié)的團(tuán)隊合作代表不同團(tuán)隊執(zhí)行組織任務(wù)時的知識所需，以及投入自身知識資源的時間順序，對應(yīng)每個團(tuán)隊與其它團(tuán)隊的任務(wù)關(guān)系和進(jìn)入網(wǎng)絡(luò)的時刻，決定了組織知識流動循環(huán)的效果，以及團(tuán)隊知識的共享和再利用程度。本文旨在運(yùn)用無標(biāo)度網(wǎng)絡(luò)數(shù)理建模及智能體仿真的研究方法，揭示任務(wù)背景下團(tuán)隊合作知識流動網(wǎng)絡(luò)的本質(zhì)及演化規(guī)律。故團(tuán)隊合作的知識流動網(wǎng)絡(luò)除具有一般社會網(wǎng)絡(luò)的特征外[18]，還需滿足任務(wù)執(zhí)行中團(tuán)隊合作的現(xiàn)實(shí)狀況，由此提出假設(shè)：

假設(shè)1：網(wǎng)絡(luò)中不同團(tuán)隊的知識具有競爭性與差異性；

假設(shè)2：以任務(wù)的實(shí)際需求為基礎(chǔ)，網(wǎng)絡(luò)中團(tuán)隊間合作關(guān)系的數(shù)量以及知識的流動速率呈非線性增長；

假設(shè)3：在任務(wù)的執(zhí)行過程中，若某一團(tuán)隊的知識內(nèi)容被反復(fù)提取和使用，或內(nèi)容沒有被多次提取，但具有較強(qiáng)的資源優(yōu)勢且利于知識創(chuàng)造的實(shí)現(xiàn)，則該團(tuán)隊可以借助知識的重復(fù)性流動提高自身在網(wǎng)絡(luò)中的地位；

1.1 度分布

根據(jù)BA模型[6]建立知識流動的無標(biāo)度網(wǎng)絡(luò)：

（2）

目前，為了應(yīng)對不可控性極高的外部環(huán)境變化，許多組織已經(jīng)采取了多元化的發(fā)展戰(zhàn)略。因此組織內(nèi)同一職能的多個團(tuán)隊可能面臨不同類型的合作任務(wù)，一個團(tuán)隊也可能同時進(jìn)行幾項(xiàng)任務(wù)。如果將一個完整的任務(wù)流程視為一個構(gòu)成組織知識流動網(wǎng)絡(luò)的完全圖，那么多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識流動網(wǎng)絡(luò)則是由許多不同的完全圖構(gòu)成。據(jù)此，引入Ramasco[9]的RDP模型，并結(jié)合章忠志[20]對于無標(biāo)度合作網(wǎng)絡(luò)模型的改進(jìn)，認(rèn)為單位時間內(nèi)，新團(tuán)隊進(jìn)入知識流動網(wǎng)絡(luò)并與現(xiàn)有團(tuán)隊產(chǎn)生連接時，增加一個單位。假定為連續(xù)實(shí)變量，在動態(tài)時間變化下，合作團(tuán)隊間產(chǎn)生知識流動，滿足方程：

（4）

團(tuán)隊間的選擇存在適應(yīng)性與匹配性的問題。根據(jù)式（3），擇優(yōu)連接條件寫為（其中隨著多任務(wù)團(tuán)隊合作的深入，）：

（6）

化簡后得到度分布的表達(dá)式：

當(dāng)演化時間趨于無窮大時，可得度分布：

（8）

1.2 網(wǎng)絡(luò)集聚系數(shù)

（10）

集聚系數(shù)的大小反映任務(wù)執(zhí)行過程中團(tuán)隊的關(guān)聯(lián)性和匹配程度。集聚系數(shù)越大，基于任務(wù)的團(tuán)隊匹配程度越高，團(tuán)隊間的知識流動更容易；反之，集聚系數(shù)越小，團(tuán)隊的匹配程度越低，團(tuán)隊間的知識流動便愈加困難。

1.3 平均路徑長度

團(tuán)隊合作的知識流動網(wǎng)絡(luò)中，團(tuán)隊間的知識聯(lián)系即為網(wǎng)絡(luò)中的邊。網(wǎng)絡(luò)中任意節(jié)點(diǎn)間邊的距離定義為連接兩個團(tuán)隊最短路徑上的邊數(shù)，即團(tuán)隊和團(tuán)隊產(chǎn)生知識流動必須與其中間團(tuán)隊進(jìn)行聯(lián)系的次數(shù)最小值。兩個團(tuán)隊知識流動的距離最大值為網(wǎng)絡(luò)的直徑，即。由此得到平均路徑長度為：

（12）

根據(jù)假設(shè)4，當(dāng)新的團(tuán)隊與現(xiàn)有團(tuán)隊產(chǎn)生連接時，式（13）改寫為：

借鑒Nicolau[11]的網(wǎng)絡(luò)拓?fù)渌惴▽⒕W(wǎng)絡(luò)整體進(jìn)縮放為單個節(jié)點(diǎn)進(jìn)行求解，得到：

（15）

整理后得到：

（17）

1.4 知識流動頻率

根據(jù)鄧丹[21]基于小世界網(wǎng)絡(luò)對團(tuán)隊交流的分析，知識流動頻率與最短路徑長度間近似存在倒數(shù)關(guān)系：

任務(wù)交替過程中，團(tuán)隊間可能產(chǎn)生新的知識流動關(guān)系，進(jìn)而縮短兩個節(jié)點(diǎn)間的最小距離，加快知識的流動速率。新的知識流動關(guān)系雖然不會影響網(wǎng)絡(luò)的原有聯(lián)系，但會縮短個別團(tuán)隊間的平均路徑長度，由此得到：

（19）

圖1 平均路徑長度、時間與知識交流頻率的關(guān)系

2 仿真設(shè)計

智能體仿真中Agent是基本的單元，具有一定的屬性和規(guī)則，多個Agent基于特定的網(wǎng)絡(luò)環(huán)境進(jìn)行交互產(chǎn)生仿真結(jié)果。據(jù)此，為使仿真思路更明確且具針對性，承襲Lazer[22]的仿真思路，將仿真設(shè)計分為Agent主體設(shè)計和仿真環(huán)境設(shè)計兩個環(huán)節(jié)。

2.1 Agent主體設(shè)計

2.1.1主體屬性

考慮到團(tuán)隊自身的知識屬性由職能、特征和任務(wù)關(guān)系等因素組成，為了對不同團(tuán)隊加以區(qū)分，引入Gilbert[23]研究體系中kene（知識基因）的理念，改進(jìn)孫冰[24]等的仿真框架并展開論證。將組織中每個團(tuán)隊擁有的知識稟賦，即團(tuán)隊蘊(yùn)含的知識信息內(nèi)容置于三維知識空間中并用kene表示，每個維度分別代表團(tuán)隊的學(xué)科領(lǐng)域（capabilities）、核心能力（abilities）和水平（expertises），記做。具體解釋為：組織中，一個團(tuán)隊能否與其它團(tuán)隊建立合作關(guān)系取決于該團(tuán)隊在組織以往任務(wù)中表現(xiàn)出的顯性特征，即團(tuán)隊知識所屬的職能領(lǐng)域，對應(yīng)中的capabilities；完成任務(wù)所具備的關(guān)鍵能力，即知識發(fā)送方和知識接收放的知識吸收與創(chuàng)造能力[25]，對應(yīng)中的abilities；組織則根據(jù)團(tuán)隊的知識水平賦予團(tuán)隊在組織中的地位，對應(yīng)中的expertises?？梢?，每個均具有特殊性和不可替代性，是團(tuán)隊塑造自身知識結(jié)構(gòu)并產(chǎn)生知識流動的依據(jù)與動力[26]。據(jù)此，將團(tuán)隊合作的知識流動網(wǎng)絡(luò)中，每個團(tuán)隊用不同的三維空間予以區(qū)分，即設(shè)定仿真主體具有不同的結(jié)構(gòu)（見圖2）。

2.1.2行為規(guī)則

（1）基本連接規(guī)則

根據(jù)Afacan[27]的觀點(diǎn)，雖然知識流動代表任務(wù)中多個主體的知識能夠基于任務(wù)需求與知識差異產(chǎn)生的流通與互動，但只有匹配程度最高主體間產(chǎn)生的知識流動效率和流量才能達(dá)到最優(yōu)。據(jù)此，設(shè)定主體的行為規(guī)則如下：

a.參考Liu[28]對團(tuán)隊知識流動特征的分析，設(shè)定網(wǎng)絡(luò)遵守度優(yōu)先原則。

b.在遵守度優(yōu)先原則的基礎(chǔ)上，用制定團(tuán)隊的合作形式與連接機(jī)制：

首先，主體與度值最高，且capabilities相對應(yīng)的其它主體匹配任務(wù)范式（1到10的次序連接）。例如在手機(jī)研發(fā)任務(wù)中，工業(yè)設(shè)計團(tuán)隊與主要部件識別團(tuán)隊的匹配，以及汽車生產(chǎn)任務(wù)中，焊接團(tuán)隊與沖壓團(tuán)隊的銜接等；

其次，在capabilities匹配的主體范圍內(nèi)，選擇與abilities相近的主體建立聯(lián)系，即與具備合作能力，能夠共同完成任務(wù)的團(tuán)隊組成任務(wù)鏈，形成合作網(wǎng)絡(luò)；

最后，一旦多個主體的capabilities或abilities過于相似，則對比主體的expertises，expertises絕對指標(biāo)相近的主體間產(chǎn)生合作關(guān)系。若此時雙方形成最短路徑長度，則知識由expertises較高的一方流向expertises較低的一方。

（2）更新連接規(guī)則

團(tuán)隊間建立合作關(guān)系時需要消耗一定的成本，當(dāng)任務(wù)結(jié)束后，組織為節(jié)約成本通常采取建立新任務(wù)鏈的形式改變當(dāng)前的團(tuán)隊合作狀態(tài)[29]。相應(yīng)地，在每個時間單元中，不同團(tuán)隊會根據(jù)任務(wù)需要建立新的合作關(guān)系，并可能斷開現(xiàn)前連接。此時規(guī)定：

a.對于已建立連接的團(tuán)隊，當(dāng)任務(wù)重新分配時，在遵守基本連接規(guī)則的基礎(chǔ)上，采用預(yù)期效用值法進(jìn)行新任務(wù)的交互計算，如果知識流量為正（），即判定任務(wù)可執(zhí)行，團(tuán)隊保持連接，否則斷開連接。

b.對于需要重新建立連接的團(tuán)隊，采用拓?fù)渚嚯x法設(shè)定一個鄰域集合[30]：將與團(tuán)隊間的拓?fù)渚嚯x小于最短路徑長度的其它團(tuán)隊均視為團(tuán)隊的領(lǐng)域。用表示團(tuán)隊的鄰域集合，得到：

c.一個時間單元中，規(guī)定每個Agent在重新連接時必須遵守capabilities優(yōu)先匹配的連接機(jī)制，即以組織的任務(wù)需求為先。其次，為減少任務(wù)成本，Agent只要找到一個abilities滿足的對象即可建立或斷開連接，而無需在鄰域中找到效用最大或最小的對象。

（3）知識存量與網(wǎng)絡(luò)收益的變化規(guī)則

知識流動的流量不僅取決于合作關(guān)系中主體的匹配程度，而且受兩者間關(guān)系強(qiáng)度的影響[31]。關(guān)系強(qiáng)度反映了團(tuán)隊間情感認(rèn)知、信任、互惠性及知識資源的交互頻率，直接決定團(tuán)隊能否進(jìn)行有效合作。仿真中用代表單個團(tuán)隊的知識存量，根據(jù)式（11）規(guī)定仿真中主體間的最大距離為網(wǎng)絡(luò)直徑，則團(tuán)隊的關(guān)系強(qiáng)度表示為：

考慮到每個團(tuán)隊主體擁有一定的知識創(chuàng)造能力和知識吸收能力，加之知識存量在網(wǎng)絡(luò)的演化過程中并非一味增長，在知識積累的同時也選擇性地進(jìn)行知識淘汰，故引入知識創(chuàng)造系數(shù)和知識衰減率計算單位時間的團(tuán)隊知識量。將知識創(chuàng)造與知識衰減后的個體知識存量表示為：

（22）

知識流動網(wǎng)絡(luò)的收益源于組織中的團(tuán)隊在知識流動網(wǎng)絡(luò)中對知識進(jìn)行吸收、轉(zhuǎn)化與創(chuàng)造[32]。由于知識流量與網(wǎng)絡(luò)收益（績效）呈正相關(guān)[5]，同時為排除知識流動中知識溢出對網(wǎng)絡(luò)收益的指數(shù)影響，將測量知識流動網(wǎng)絡(luò)平均收益的公式寫為：

2.2 仿真環(huán)境設(shè)計

在定義主體屬性和行為規(guī)則的基礎(chǔ)上設(shè)計主體的活動空間，即知識流動網(wǎng)絡(luò)。網(wǎng)絡(luò)結(jié)構(gòu)是影響知識流動績效的關(guān)鍵因素，可以通過一系列的數(shù)學(xué)表達(dá)式和屬性界定予以刻畫，主要包括網(wǎng)絡(luò)的基礎(chǔ)環(huán)境和網(wǎng)絡(luò)規(guī)模[13]。以Gilbert[23]的研究體系為依據(jù)，首先設(shè)計網(wǎng)絡(luò)的基礎(chǔ)環(huán)境：

（1）仿真中的turtle代表組織中的團(tuán)隊；

（2）仿真為二維視圖。橫軸為網(wǎng)絡(luò)規(guī)模，縱軸為連接密度，視圖方向從的Max至Min方向延伸，表現(xiàn)為團(tuán)隊的size。曲線視圖橫軸對應(yīng)式（1）—式（19）中的控制變量，縱軸對應(yīng)狀態(tài)變量，根據(jù)式（3）及（14），規(guī)定網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)為隨機(jī)增加；

（3）仿真瓦片（patch）為10000，即網(wǎng)絡(luò)視圖的設(shè)置取值為100*100，對每個團(tuán)隊的隨機(jī)賦值，capabilities，abilities，expertises所有取值均為正實(shí)數(shù)；

（4）expertises對應(yīng)團(tuán)隊的知識水平。每個團(tuán)隊均能通過知識流動獲取所需的知識內(nèi)容，并以此改變絕對指標(biāo)變化。根據(jù)公式（24），將expertises標(biāo)準(zhǔn)化，和分別對應(yīng)節(jié)點(diǎn)expertises的最大值和最小值，為標(biāo)準(zhǔn)化結(jié)果，為保證expertises初始取值范圍，標(biāo)準(zhǔn)化結(jié)果以10倍計算。

其次，設(shè)計網(wǎng)絡(luò)規(guī)模，包括網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)和連接密度（網(wǎng)絡(luò)演化過程中，節(jié)點(diǎn)的連接由于Agent屬性和知識存量變化導(dǎo)致的連接數(shù)目變更）。具體步驟為：

（1）仿真網(wǎng)絡(luò)為多任務(wù)環(huán)節(jié)的知識生產(chǎn)環(huán)境，用以控制主體的分布及連接機(jī)制的設(shè)定和調(diào)整，故將式（1）—式（23）轉(zhuǎn)換為Netlogo語言進(jìn)行輸入；

（2）為了觀測不同的網(wǎng)絡(luò)形態(tài)，對比不同團(tuán)隊數(shù)量對網(wǎng)絡(luò)相關(guān)變量的影響，對式（3）中的變量分別進(jìn)行賦值，取值為50、80及100并對每個團(tuán)隊進(jìn)行編號；

（3）引入Zhang[33]的方法，選取節(jié)點(diǎn)連接數(shù)量的標(biāo)準(zhǔn)差測度連接密度和更新連接的情況。

綜上，根據(jù)Agent網(wǎng)絡(luò)拓?fù)錂C(jī)理，建立研究的原理模型和仿真框架（見圖3，圖4）。

圖2 仿真主體的CAE結(jié)構(gòu)

圖3 研究的原理模型

圖4 仿真宏觀系統(tǒng)模型圖

3 仿真實(shí)驗(yàn)

模型預(yù)測試后發(fā)現(xiàn)，在步長達(dá)到50次后演化基本趨于穩(wěn)定，故設(shè)定仿真步長為50，對模型中主要考察的變量進(jìn)行結(jié)果輸出：

圖5團(tuán)隊合作知識流動的網(wǎng)絡(luò)形態(tài)

圖5所模擬的情境為多任務(wù)環(huán)節(jié)團(tuán)隊合作的知識流動網(wǎng)絡(luò)現(xiàn)象，其中每個最小完全圖由個團(tuán)隊組成。通過圖5可知，在任務(wù)的交替進(jìn)行中，團(tuán)隊間借助知識流動產(chǎn)生了更加緊密的連接，由于結(jié)構(gòu)的推拉作用，團(tuán)隊主體間發(fā)生了集聚效應(yīng)。同時，考慮團(tuán)隊合作的知識流動網(wǎng)絡(luò)具有典型復(fù)雜網(wǎng)絡(luò)的時序特征，故為了考察狀態(tài)變量和控制變量間的關(guān)系，引入系統(tǒng)科學(xué)中相軌道的概念（將時間用步長進(jìn)行替換）對仿真中的相關(guān)變量進(jìn)行分析。

3.1 絕對指標(biāo)分析

表1網(wǎng)絡(luò)的絕對指標(biāo)數(shù)據(jù)

團(tuán)隊數(shù)量集聚系數(shù)平均路徑長度平均節(jié)點(diǎn)連接數(shù)量知識流量極大值 0.9442.0315.48288.0625 0.9532.1526.62461.425 0.9612.2327.74583.8775

*注：數(shù)據(jù)為Netlogo隨機(jī)生成的3種規(guī)模網(wǎng)絡(luò)形態(tài)運(yùn)行50步長的結(jié)果。根據(jù)Barabàsi[6]對無標(biāo)度網(wǎng)絡(luò)中小世界效應(yīng)的數(shù)據(jù)判斷標(biāo)準(zhǔn)，3個網(wǎng)絡(luò)均已產(chǎn)生小世界效應(yīng)。

（1）集聚系數(shù)

圖6 團(tuán)隊合作知識流動網(wǎng)絡(luò)的集聚系數(shù)

根據(jù)表2的數(shù)據(jù)和圖6的仿真曲線反映了不同團(tuán)隊數(shù)量下，知識流動網(wǎng)絡(luò)整體的集聚系數(shù)與網(wǎng)絡(luò)鄰域值間的變化關(guān)系。可見，雖然網(wǎng)絡(luò)的集聚系數(shù)呈波動式增長，但仍會隨鄰域范圍的擴(kuò)大而增加。同時，網(wǎng)絡(luò)能夠在較小的網(wǎng)絡(luò)基數(shù)設(shè)定下產(chǎn)生較高的集聚系數(shù)，不僅與演化時間的增加而提高，而且隨團(tuán)隊數(shù)量呈正相關(guān)關(guān)系。說明在任務(wù)的反復(fù)執(zhí)行過程中，團(tuán)隊間的適應(yīng)能力得到加強(qiáng)，達(dá)成任務(wù)共識的時間縮短，并逐漸以核心團(tuán)隊為中心執(zhí)行任務(wù)。

進(jìn)一步地，如果組織試圖在任務(wù)中提高網(wǎng)絡(luò)整體的知識水平，就必須倡導(dǎo)并加強(qiáng)團(tuán)隊間的溝通與交流。交流過程中，團(tuán)隊間知識結(jié)構(gòu)的匹配程度更高，任務(wù)的合作效率加快，網(wǎng)絡(luò)的集聚系數(shù)也會在高效的任務(wù)執(zhí)行中得以增加。同時，由于網(wǎng)絡(luò)中較大的集聚系數(shù)利于知識流動，因此適當(dāng)增加團(tuán)隊的連接數(shù)量是可供組織選擇的規(guī)劃策略之一。在實(shí)際組織的團(tuán)隊合作中，組織可根據(jù)任務(wù)的模塊劃分和完成情況，采用抽調(diào)等形式適當(dāng)?shù)卦黾雍献鲗ο蟮倪x擇空間，即使團(tuán)隊的職能和參與任務(wù)的時間可能存在差異，但通過提高團(tuán)隊間的聯(lián)系程度促使網(wǎng)絡(luò)中頻繁地產(chǎn)生知識流動。

（2）平均路徑長度

圖7 團(tuán)隊合作知識流動網(wǎng)絡(luò)的平均路徑長度

圖7顯示，團(tuán)隊合作知識流動中，當(dāng)某一團(tuán)隊的近鄰數(shù)一定時，網(wǎng)絡(luò)的平均路徑長度始終保持在較小的范圍內(nèi)。根據(jù)表2的計算結(jié)果，團(tuán)隊合作知識流動網(wǎng)絡(luò)產(chǎn)生小世界的平均路徑長度，與電話網(wǎng)的平均路徑長度相似[6]。對比3個網(wǎng)絡(luò)的數(shù)值及仿真圖樣發(fā)現(xiàn)，網(wǎng)絡(luò)節(jié)點(diǎn)的基數(shù)越大（越大），對應(yīng)各自網(wǎng)絡(luò)的平均路徑長度值越大，減緩自身網(wǎng)絡(luò)的知識流動速度并造成知識流動停滯的概率越高，可能的原因包括：較多的團(tuán)隊數(shù)量使得網(wǎng)絡(luò)中不同團(tuán)隊的空間距離增大，團(tuán)隊間達(dá)成共識與默契需要在更多的任務(wù)執(zhí)行中選擇性地形成，需要甄別哪些團(tuán)隊與自身能夠在較短的時間內(nèi)高效地完成程度，達(dá)到效用的匹配。綜上，團(tuán)隊合作的知識流動與網(wǎng)絡(luò)平均路徑長度，以及網(wǎng)絡(luò)基數(shù)呈負(fù)相關(guān)關(guān)系。

（3）平均節(jié)點(diǎn)連接數(shù)量

圖8團(tuán)隊合作知識流動網(wǎng)絡(luò)中的節(jié)點(diǎn)連接數(shù)量標(biāo)準(zhǔn)差變化

表2的數(shù)據(jù)說明網(wǎng)絡(luò)基數(shù)與平均節(jié)點(diǎn)連接數(shù)量呈正相關(guān)關(guān)系。但觀測圖8后發(fā)現(xiàn)，雖然不同的團(tuán)隊數(shù)量會對網(wǎng)絡(luò)中節(jié)點(diǎn)的連接分布產(chǎn)生影響，但3組實(shí)驗(yàn)得到的仿真曲線均顯示，在團(tuán)隊合作的知識流動網(wǎng)絡(luò)中，節(jié)點(diǎn)的連接數(shù)量仍出現(xiàn)了“低—高—低”，最后呈相對飽和的態(tài)勢。曲線的上升說明隨著任務(wù)的執(zhí)行及團(tuán)隊合作的深入，網(wǎng)絡(luò)中節(jié)點(diǎn)的連接數(shù)量持續(xù)增加，且同一節(jié)點(diǎn)可能與多個節(jié)點(diǎn)產(chǎn)生了連接，意味著一個團(tuán)隊可能從事多項(xiàng)任務(wù)，并與多個團(tuán)隊產(chǎn)生合作關(guān)系。曲線的下降說明，當(dāng)網(wǎng)絡(luò)內(nèi)的團(tuán)隊關(guān)系相對穩(wěn)定后，新的任務(wù)要求團(tuán)隊改變現(xiàn)有的合作關(guān)系時，團(tuán)隊能夠在較近的范圍內(nèi)找到新的適應(yīng)對象，不需要使用第三層或更遠(yuǎn)的團(tuán)隊資源。

進(jìn)一步地，該現(xiàn)象也在一定程度上說明兩個問題：首先，網(wǎng)絡(luò)領(lǐng)域閾值的大小與節(jié)點(diǎn)的連接數(shù)量沒有直接關(guān)系?？赡艿慕忉尀?，由于網(wǎng)絡(luò)在演化中連通性的提高，團(tuán)隊間的拓?fù)渚嚯x逐漸縮短，因此無論領(lǐng)域的選擇范圍如何設(shè)定，團(tuán)隊始終能夠在允許的范圍內(nèi)找到與任務(wù)匹配度最高的伙伴進(jìn)行合作。其次，團(tuán)隊的知識創(chuàng)造與知識吸收能力不會直接影響節(jié)點(diǎn)的選擇。原因在于，知識創(chuàng)造能力和知識吸收能力只能決定團(tuán)隊在知識流動過程中可以獲得和創(chuàng)造知識數(shù)量的絕對指標(biāo)，加之組織任務(wù)普遍具有強(qiáng)制性特征，因此對于團(tuán)隊間是否建立連接沒有決定性作用。

（4）知識流量極大值

圖9團(tuán)隊合作知識流動網(wǎng)絡(luò)的知識流量

結(jié)合圖9分析可知，在仿真的50個步長中網(wǎng)絡(luò)中知識流量呈波動增長，網(wǎng)絡(luò)基數(shù)越大，知識流量越多。可能的原因在于：①Aladwani[34]提出，網(wǎng)絡(luò)中每個團(tuán)隊的學(xué)習(xí)能力在網(wǎng)絡(luò)演化過程中會非線性提高。因此在多次的任務(wù)執(zhí)行過程中，團(tuán)隊能夠?qū)W習(xí)和流動的知識存量逐漸增加，導(dǎo)致網(wǎng)絡(luò)中知識流量的增大。②團(tuán)隊連接數(shù)量的增多。初始階段，網(wǎng)絡(luò)處于較低的水平，團(tuán)隊間的連接相對較少甚至獨(dú)立。隨著演化的進(jìn)行，網(wǎng)絡(luò)的平均連接數(shù)量增加，團(tuán)隊所能觸及的資源由此增多，資源的日趨富足直接為團(tuán)隊提供了廣泛的學(xué)習(xí)與交流機(jī)會，使得網(wǎng)絡(luò)中溢出的知識流量呈現(xiàn)較高的態(tài)勢。但值得注意的是，當(dāng)網(wǎng)絡(luò)規(guī)模和節(jié)點(diǎn)連接數(shù)量增加至一定程度后，雖然團(tuán)隊的可利用資源更多，但過多的資源可能超出了團(tuán)隊本身需要的范疇，此時剩余資源并不會為網(wǎng)絡(luò)帶來收益，知識流量也會趨于穩(wěn)定不再有明顯的增長。

3.2 相對指標(biāo)分析

（1）合作規(guī)模

圖10平均節(jié)點(diǎn)連接數(shù)量與合作規(guī)模的仿真曲線

圖10中橫軸代表隨機(jī)分布對應(yīng)每個團(tuán)隊連接數(shù)量的均值，縱軸為知識流動網(wǎng)絡(luò)中的團(tuán)隊合作規(guī)模分隔情況，可見曲線呈波動式上升直至相對平穩(wěn)的態(tài)勢，故認(rèn)為二者存在正向關(guān)系。但觀察圖10可以發(fā)現(xiàn)，無論團(tuán)隊數(shù)量大小如何設(shè)定，合作規(guī)模在演化初期均以較慢的形式增長，演化中期的增長速度顯著上升，后期則相對平穩(wěn)。可能的原因是，根據(jù)Bollobás的研究[35]，對于網(wǎng)絡(luò)的合作規(guī)模而言，當(dāng)網(wǎng)絡(luò)初始狀態(tài)處于一個較低的水平時，意味著網(wǎng)絡(luò)初具雛形，團(tuán)隊與其它團(tuán)隊建立連接時也處于相互摸索與適應(yīng)階段，此時團(tuán)隊與其它團(tuán)隊建立合作關(guān)系的積極性并不高。隨著演化的深入，團(tuán)隊間的相互了解與適應(yīng)性提高，更傾向于建立更多的連接，致使合作規(guī)模產(chǎn)生明顯的遞增。當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)趨于穩(wěn)定后，網(wǎng)絡(luò)中的客觀條件對于團(tuán)隊建立合作關(guān)系已經(jīng)處于最優(yōu)水平，仿真中設(shè)定的新增節(jié)點(diǎn)均與原有的完全圖發(fā)生關(guān)聯(lián)，合作規(guī)模也逐漸飽和，曲線在縱軸為1處保持水平。

（2）知識流動頻率

圖11 團(tuán)隊合作知識流動網(wǎng)絡(luò)的知識流動頻率

圖11說明，隨著網(wǎng)絡(luò)演化的進(jìn)行，知識流動頻率逐漸增大。結(jié)合的數(shù)據(jù)可知，知識流動不僅與平均路徑長度近似存在導(dǎo)數(shù)關(guān)系，而且與網(wǎng)絡(luò)基數(shù)呈負(fù)相關(guān)關(guān)系。實(shí)際上，知識流動效率之所以與平均路徑長度相關(guān)，關(guān)鍵在于知識流動受到團(tuán)隊間交流方式與知識相似度等因素的影響。Nguyen[36]的研究表明，團(tuán)隊間的交流方式越規(guī)范、知識相似度越高，對應(yīng)的知識交流頻率就越大，尤其體現(xiàn)在具有相似工作背景、經(jīng)歷和學(xué)科領(lǐng)域的團(tuán)隊間。而造成知識交流頻率與網(wǎng)絡(luò)基數(shù)呈負(fù)相關(guān)關(guān)系的可能原因是，網(wǎng)絡(luò)規(guī)模越大，知識交流頻率越可能由于團(tuán)隊冗余、循環(huán)斷層和知識流動渠道閉塞等原因產(chǎn)生停滯，此時為了改善知識交流效果，組織可以采取任務(wù)分配中建立團(tuán)隊間新的交流、改變現(xiàn)有任務(wù)鏈和工作結(jié)構(gòu)（增加連接或斷開連接）等方式，使知識在網(wǎng)絡(luò)中快速準(zhǔn)確地傳播。

（3）關(guān)系強(qiáng)度

圖12平均路徑長度與關(guān)系強(qiáng)度的仿真曲線

圖12說明，知識流動網(wǎng)絡(luò)中團(tuán)隊的關(guān)系強(qiáng)度與平均路徑長度近似呈負(fù)相關(guān)關(guān)系，團(tuán)隊數(shù)量越多的網(wǎng)絡(luò)，關(guān)系強(qiáng)度對平均路徑長度的敏感性越低。由此推斷，網(wǎng)絡(luò)中節(jié)點(diǎn)間的平均路徑長度越短，團(tuán)隊間的聯(lián)系越緊密，關(guān)系強(qiáng)度值越大，知識流動越通暢，任務(wù)順利執(zhí)行的可能性越高，網(wǎng)絡(luò)達(dá)到均衡狀態(tài)的速度越快。因此在現(xiàn)實(shí)情況中，組織期望團(tuán)隊在任務(wù)的執(zhí)行過程中借助頻繁的互動產(chǎn)生共同認(rèn)知，加強(qiáng)對彼此的信任，進(jìn)而通過提高團(tuán)隊間的緊密程度縮短網(wǎng)絡(luò)中知識流動的平均路徑，實(shí)現(xiàn)改善團(tuán)隊間知識及有形資源現(xiàn)有狀態(tài)和結(jié)構(gòu)的目的。而對于每個團(tuán)隊，較高的關(guān)系強(qiáng)度能夠更有效地從其它團(tuán)隊處獲取創(chuàng)新資源，故關(guān)系強(qiáng)度與知識流動存在正相關(guān)關(guān)系。由此驗(yàn)證了Renko[37]的觀點(diǎn)，即主體應(yīng)與其伙伴維持較高的社會互動性，這對于降低成本，促進(jìn)產(chǎn)品創(chuàng)新進(jìn)而形成競爭優(yōu)勢更為有利。

（4）網(wǎng)絡(luò)收益

圖13說明，平均路徑長度與知識流動收益呈正相關(guān)關(guān)系。根據(jù)社會網(wǎng)絡(luò)資源理論將這種關(guān)系近似抽象為：，其中為增長系數(shù)?？梢姡鲩L系數(shù)越大，說明關(guān)系強(qiáng)度的增加對網(wǎng)絡(luò)收益增長的作用越明顯，即越大，網(wǎng)絡(luò)收益的增長速度越快，仿真曲線的凹度越明顯。據(jù)此，可以解釋圖13中兩個特別現(xiàn)象：

圖13關(guān)系強(qiáng)度與網(wǎng)絡(luò)收益的仿真曲線

首先，網(wǎng)絡(luò)收益曲線是由初始的平緩增加演變至近指數(shù)形式增長；其次，網(wǎng)絡(luò)基數(shù)越大，知識流動獲得的效益值越高。結(jié)合K?nig[38]的觀點(diǎn)，認(rèn)為造成上述兩個現(xiàn)象的根本原因在于，在演化初期，網(wǎng)絡(luò)中團(tuán)隊存在的連接數(shù)量非常少，加之資源分布并不均衡，導(dǎo)致此階段的網(wǎng)絡(luò)知識流量較少，網(wǎng)絡(luò)收益的變化限于極小的范圍內(nèi)。隨著不同任務(wù)的執(zhí)行，團(tuán)隊的連接逐漸增多，網(wǎng)絡(luò)關(guān)系更加復(fù)雜，多向的聯(lián)系逐步提高了網(wǎng)絡(luò)的知識流動效率與知識流量。當(dāng)網(wǎng)絡(luò)演化至較為成熟的階段后，較高的知識流量幫助組織快速整合網(wǎng)絡(luò)的現(xiàn)有資源，網(wǎng)絡(luò)中可能會涌現(xiàn)出某種組織獨(dú)有的特征，網(wǎng)絡(luò)收益迅速提高，由此收益曲線以近指數(shù)形式增長[39]。

3.3 小世界效應(yīng)分析

從仿真的計算結(jié)果上看，小世界區(qū)域中團(tuán)隊的知識存量高于其它區(qū)域的團(tuán)隊，同時該區(qū)域的合作伙伴關(guān)系也多于其它團(tuán)隊。例如，在的網(wǎng)絡(luò)中，編號為28的團(tuán)隊共有71條連線，產(chǎn)生了最多的合作關(guān)系。而在以團(tuán)隊28為核心的局部網(wǎng)絡(luò)中，集聚系數(shù)為0.941，平均路徑長度降至1.833，已經(jīng)形成了局部知識流動極為有效的小世界效應(yīng)。

表3 核心團(tuán)隊的仿真計算結(jié)果（以前三位為例）

從生成的網(wǎng)絡(luò)結(jié)構(gòu)上看，小世界效應(yīng)的產(chǎn)生使得網(wǎng)絡(luò)中出現(xiàn)了“群聚”和“橋接”現(xiàn)象，部分團(tuán)隊緊密地聯(lián)系在一起，也有部分團(tuán)隊間產(chǎn)生了間接關(guān)聯(lián)。其中核心團(tuán)隊不僅扮演了網(wǎng)絡(luò)中各聚簇間“橋梁”的角色，而且則占據(jù)了網(wǎng)絡(luò)結(jié)構(gòu)洞的位置[40]。根據(jù)Burt[41]的結(jié)構(gòu)洞理論，當(dāng)核心團(tuán)隊占據(jù)結(jié)構(gòu)洞位置后，網(wǎng)絡(luò)中將溢出更多有價值的知識信息和資源。通過核心團(tuán)隊的橋接，其它團(tuán)隊能夠在任務(wù)的執(zhí)行過程中開辟知識流動的捷徑，進(jìn)而縮短網(wǎng)絡(luò)的平均路徑長度?？梢?，核心團(tuán)隊在知識流動網(wǎng)絡(luò)中占有重要的作用，組織不僅需強(qiáng)調(diào)核心團(tuán)隊在網(wǎng)絡(luò)中的關(guān)鍵地位，而且應(yīng)對核心團(tuán)隊予以適當(dāng)?shù)募钆c管理。尤其是在任務(wù)合作的動態(tài)環(huán)境中，知識流動產(chǎn)生的知識傳導(dǎo)使得處于任務(wù)鏈末端團(tuán)隊的知識匯聚程度升高，任務(wù)風(fēng)險及網(wǎng)絡(luò)演化的不確定性隨之增加。此時，組織要充分發(fā)揮核心團(tuán)隊的影響力與社會聯(lián)系，通過加強(qiáng)合作團(tuán)隊的互動與交流形成密集度更高的網(wǎng)絡(luò)，促使網(wǎng)絡(luò)中產(chǎn)生更加適用的合作規(guī)范，以此降低任務(wù)執(zhí)行的風(fēng)險，達(dá)到網(wǎng)絡(luò)穩(wěn)定演化的目的。

從網(wǎng)絡(luò)的生成機(jī)制上看，的差異決定了團(tuán)隊間具有知識資源互補(bǔ)性[42]。合作環(huán)境中，互補(bǔ)性使團(tuán)隊相互聚集，形成了網(wǎng)絡(luò)的群聚效果。網(wǎng)絡(luò)的集聚系數(shù)越高，團(tuán)隊在任務(wù)執(zhí)行中的聯(lián)系越緊密，話語的溝通和知識的交融越有效。在反復(fù)的交流與知識融合過程中，團(tuán)隊拉近了彼此在社會空間中的距離，提高了相互間的信任程度[43]。通過合作與互惠行為，合作團(tuán)隊間對于知識與實(shí)際利益的心理預(yù)期上升，進(jìn)而增強(qiáng)了雙方的合作動機(jī)，不僅在一定程度上促進(jìn)了合作，而且對于團(tuán)隊知識共享和任務(wù)風(fēng)險共擔(dān)具有顯著的積極影響[44]。

進(jìn)一步地，小世界效應(yīng)對組織的動態(tài)核心能力同樣產(chǎn)生影響。對組織而言，核心能力的培養(yǎng)與提升需要花費(fèi)大量的成本和稀缺的知識資源，因此組織普遍選用團(tuán)隊合作的方式，在任務(wù)的執(zhí)行中整合分散于不同團(tuán)隊的知識資源，通過降低知識的獲取成本，促進(jìn)網(wǎng)絡(luò)形成動態(tài)核心能力[5]。一旦合作網(wǎng)絡(luò)產(chǎn)生了小世界效應(yīng)，網(wǎng)絡(luò)便具有較高的集聚系數(shù)和較短的路徑長度。在集聚系數(shù)相對穩(wěn)定的情況下，短的團(tuán)隊間平均路徑便于合作團(tuán)隊更具效率地搜集和解析任務(wù)所需的知識，在提高自身知識存量的同時增加網(wǎng)絡(luò)中的知識溢出，進(jìn)而實(shí)現(xiàn)對動態(tài)核心能力的提升。在平均路徑長度一定的情況下，高的集聚系數(shù)能夠令合作團(tuán)隊保持對自身學(xué)科領(lǐng)域，所處任務(wù)環(huán)節(jié)及關(guān)鍵技術(shù)的高度關(guān)注，推動了創(chuàng)新網(wǎng)絡(luò)的形成及團(tuán)隊新知識的涌現(xiàn)。根據(jù)Phelps[45]的觀點(diǎn)，網(wǎng)絡(luò)中的知識創(chuàng)造與網(wǎng)絡(luò)主體對所處領(lǐng)域（學(xué)科）高的關(guān)注度是組織實(shí)現(xiàn)核心動態(tài)能力的前提。由此認(rèn)為，在多任務(wù)環(huán)節(jié)的團(tuán)隊合作知識流動網(wǎng)絡(luò)中，小世界效應(yīng)是組織動態(tài)核心能力形成與提升的重要保障。

3.4 實(shí)踐啟示

結(jié)合仿真結(jié)果，從團(tuán)隊視角和組織視角兩個層面提出可供借鑒的管理對策：

對于團(tuán)隊而言，努力提高自身的知識相關(guān)能力和知識水平，對于幫助自身完成任務(wù)并從網(wǎng)絡(luò)中獲益具有更為切實(shí)的作用。同時，團(tuán)隊也應(yīng)具備根據(jù)任務(wù)需求及時調(diào)整自身知識結(jié)構(gòu)的適應(yīng)能力，充分利用可調(diào)度資源，合理選擇適合自身學(xué)科領(lǐng)域的工作模塊，有的放矢地發(fā)揮自身優(yōu)勢。在此基礎(chǔ)上，團(tuán)隊?wèi)?yīng)提高相互間的溝通效率，建立更多的團(tuán)隊聯(lián)系。如此，團(tuán)隊不僅能夠獲得充足的知識支持，獲取更多的資源，而且可以有效地降低組織任務(wù)執(zhí)行的成本，促進(jìn)團(tuán)隊合作生產(chǎn)績效的提升。

對于組織而言，首先需在任務(wù)分解過程中合理地劃分任務(wù)模塊，選擇適宜地團(tuán)隊進(jìn)行任務(wù)分配，最大限度地發(fā)揮團(tuán)隊的協(xié)同效應(yīng)。其次，針對性地推進(jìn)網(wǎng)絡(luò)中的知識流動機(jī)制，如采用制度引導(dǎo)的方式，量體裁衣地建立一個知識流動平臺，通過完善和改進(jìn)激勵制度全面鼓勵團(tuán)隊間的交流與相互學(xué)習(xí)，倡導(dǎo)相關(guān)團(tuán)隊的網(wǎng)絡(luò)化發(fā)展提升資源配置效率，降低合作成本。再次，及時調(diào)整團(tuán)隊結(jié)構(gòu)，借助裁減規(guī)模膨脹的團(tuán)隊，重組冗余團(tuán)隊等管理手段避免合作中社會惰化現(xiàn)象的產(chǎn)生。最后，提高自身的開放程度，及時汲取其它組織的先進(jìn)經(jīng)驗(yàn)改善自身缺陷。同時，培養(yǎng)居安思危的意識，將任務(wù)合作和知識流動提至更高的戰(zhàn)略層面進(jìn)行審視，結(jié)合所處環(huán)境的前沿領(lǐng)域幫助團(tuán)隊找到知識差距，主動檢視不足并增強(qiáng)知識的學(xué)習(xí)意識。

4 結(jié)論

基于復(fù)雜網(wǎng)絡(luò)的相關(guān)理論，建立了由度分布、網(wǎng)絡(luò)集聚系數(shù)、平均路徑長度及知識流動頻率組成的多任務(wù)團(tuán)隊合作的知識流動網(wǎng)絡(luò)模型。運(yùn)用Netlogo軟件進(jìn)行智能體仿真，通過對主要指標(biāo)、相關(guān)變量及小世界效應(yīng)的分析主要得到以下結(jié)論：

（1）參與合作的團(tuán)隊數(shù)量與網(wǎng)絡(luò)的集聚系數(shù)、網(wǎng)絡(luò)中的知識流量、平均路徑長度呈正相關(guān)，驗(yàn)證并強(qiáng)化了Goyal等的研究結(jié)論；

（2）網(wǎng)絡(luò)的演化過程中，平均節(jié)點(diǎn)的連接數(shù)量先上升后下降，網(wǎng)絡(luò)中團(tuán)隊的合作規(guī)模越大，每個團(tuán)隊的平均連接數(shù)量越多，網(wǎng)絡(luò)領(lǐng)域閾值的大小與團(tuán)隊的連接數(shù)量沒有直接關(guān)系；

（3）平均路徑長度和團(tuán)隊間的知識流動頻率決定了合作網(wǎng)絡(luò)某一時刻的知識流量，因此，選擇適宜的合作對象，加強(qiáng)彼此的互動與交流是團(tuán)隊高效完成任務(wù)的有效途徑。

（4）知識流動網(wǎng)絡(luò)中團(tuán)隊的關(guān)系強(qiáng)度越強(qiáng)，網(wǎng)絡(luò)的平均路徑長度越短，團(tuán)隊數(shù)量越多，關(guān)系強(qiáng)度對平均路徑長度變化的敏感性越低；

（5）團(tuán)隊合作知識流動網(wǎng)絡(luò)的平均路徑長度與知識流動收益以指數(shù)形式增長，增長系數(shù)越大，關(guān)系強(qiáng)度的增加對網(wǎng)絡(luò)收益增長的作用越大，收益曲線的凹度越明顯。

（6）復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和頻繁的知識流動有助于小世界效應(yīng)的產(chǎn)生。小世界效應(yīng)幫助組織識別網(wǎng)絡(luò)中的核心團(tuán)隊，對拉近團(tuán)隊的社會距離和形成動態(tài)核心能力也具有積極影響。

研究進(jìn)一步詮釋了任務(wù)背景下的團(tuán)隊合作知識流動網(wǎng)絡(luò)演化機(jī)理和特征，仿真模擬了模型中指標(biāo)的變化規(guī)律，討論了指標(biāo)間的相互關(guān)系。實(shí)踐啟示對于組織整合不同屬性、職能的團(tuán)隊進(jìn)行合作，優(yōu)化組織知識結(jié)構(gòu)和揭示動態(tài)核心能力的形成具有一定的普遍適用性。

研究的主要擴(kuò)展有：

（1）引入知識創(chuàng)造成果應(yīng)用到實(shí)際技術(shù)創(chuàng)新的效用函數(shù)，細(xì)分知識流動的種類，以此精確核心能力形成過程中不同知識的變化形式；

（2）引入更多或更加細(xì)微的變量，考慮如組織文化和領(lǐng)導(dǎo)者社會資本等因素對知識流動網(wǎng)絡(luò)的影響；

（3）將不同形式的組織作為實(shí)證樣本，更具針對性地對不同類型的組織進(jìn)行仿真模擬，確認(rèn)其知識流動網(wǎng)絡(luò)的形式和演化規(guī)律；

（4）選擇基于R語言的計算機(jī)仿真方法消除Netlogo軟件的隨機(jī)性，使仿真結(jié)果更具普適性，提高研究對組織任務(wù)團(tuán)隊知識流動網(wǎng)絡(luò)的解釋力。

[1] Fagerjord A.Between place and interface: Designing situated sound for the iPhone[J].Computers and Composition,2011,28(3):255-263.

[2] Wuchty S,Jones B F, Uzzi B.The increasing dominance of team s in production of knowledge[J].Science,2007,316(5827):1036-1039.

[3] Becke G S, Murphy K M. The division of labor, coordination costs, and knowledge[J].The Quarterly Journal of Economics,1992,107( 4):1137- 1160.

[4] Sorensen O,Rivkin Jan W,Fleming L.Complexity network and knowledge flow[J].Research Policy,2006,35(7):994-1017.

[5] Choi H, Kim S-H, Lee J.Role of network structure and network effects in diffusion of innovations[J].Industrial Marketing Management,2010, 39(1):170-177.

[6] Barabàsi A L,Albert R.Emergence of scaling in random networks[J].Science,1999,286(5439):509-512.

[7] Watts D J,Strogatz S H.Collective dynamics of “small-word” networks[J].Nature,1998,393(6684):440-442.

[8] Goyal S, Joshi S.Networks of collaboration in oligopoly[J].Games and Economic Behavior,2003,43(1):57-85.

[9] Ramasco J J,Dorogovtsev S N,Pastor-Satorras R.Self organization of collaboration networks[J].Physical Review E,2004,70(3):036106.

[10] Fenner T,Levene M,Loizou G. A model for collaboration networks giving rise to a power-law distribution with an exponential cutoff[J].Social Networks,2007,29(1):70-80.

[11] Nicolau M,Schoenauer M.On the evolution of scale-free topologies with a gene regulatory network model[J].Biosystems,2009,98(3):137-148.

[12] Ortiz M G R,Hoyos J R C,López M G R.The social networks of academic performance in a student context of poverty in Mexico[J].Social Networks,2004,26(2):175-188.

[13] Gilsing V,Nooteboom B.Density and strength of ties in innovation network:an analysis of multimedia and biotechology[J].European Management Revies,2005,2(3):179-197.

[14] Cowan R. Network structure and the diffusion of knowledge[J].Journal of Economic Dynamics and Control,2004,28(8):1557-1575.

[15] Dong S,Johar M,Kumar R. Understanding key issues in designing and using knowledge flow networks: An optimization-based managerial benchmarking approach[J].Decision Support Systems,2012,53(3):646-659.

[16] Janhonen M,Johanson J-E.Role of knowledge conversion and social networks in team performance[J].International Journal of Information Management,2011,31(3):217-225.

[17] Kratzer J,Leenders R Th A J,Van Engelen Jo M L.The social network among engineering design teams and their creativity: A case study among teams in two product development programs[J]. International Journal of Project Management,2010,28(5):428-436.

[18] Toivonen R,Kovanen L,Kivel? M,Onnela J P,Saram?ki J,Kaski K.A comparative study of social network models: Network evolution models and nodal attribute models[J].Social Networks,2009,31(4):240-254.

[19] Zhang Z Z,Sheng Y B,Jiang Q.Monomer–dimer model on a scale-free small-world network[J].Physica A: Statistical Mechanics and its Applications,2012,391(3):828-833.

[20] 章忠志，宋莉莉，周濤.一類無標(biāo)度合作網(wǎng)絡(luò)的演化模型[J].系統(tǒng)工程理論與實(shí)踐，2005，11：55-60.

[21] 鄧丹，李南，田慧敏.基于小世界網(wǎng)絡(luò)的NPD團(tuán)隊交流網(wǎng)絡(luò)分析[J].研究與發(fā)展管理，2005，17（4）：83-93.

[22] Lazer D,Friedman A.The network structure of exploration and exploitation[J].Administrative Science Quarterly,2007,52(4):667-694.

[23] Gilbert N, Ahrweiler P, Pyka A.Learning in innovation networks: Some simulation experiments[J].Physica A: Statistical Mechanics and its Applications, 2007,378:100-109.

[24] 孫冰，襲希.知識密集型產(chǎn)業(yè)技術(shù)的適應(yīng)性演化研究—基于kene視角的仿真探索[J].科學(xué)學(xué)研究，2012，30（8）：1272-1280.

[25] Camisón C, Forés B. Knowledge creation and absorptive capacity: The effect of intra-district shared competences[J].Scandinavian Journal of Management,2011,27(1):66-86.

[26] Lo?rincz A,Gilbert N,Goolsby R.Social network analysis:Measuring tools,structures and dynamics[J].Physica A:Statistical Mechanics and its Applications,2007,378(1):11-13.

[27] Afacan Y,Demirkan H.An ontology-based universal design knowledge support system[J].Knowledge-Based Systems,2011,24(4):530-541.

[28] Liu D R,Lin C W,Chen H F.Discovering role-based virtual knowledge flows for organizational knowledge support[J].Decision Support Systems,2013,55(1):12-30.

[29] Bae J,Koo J.Information loss,knowledge transfer cost and the value of social relations[J].Strategic Organization,2008,6(3):227-258.

[30] Morone P,Taylor R.Knowledge diffusion dynamics and network properties of face-to-face interactions[J].Journal of Evolutionary Economics,2004,14(3):327-351.

[31] Ahuja G,Coff R W,Lee P M.Managerial foresight and attempted rent appropriation: insider trading on knowledge of imminent breakthroughs[J].Strategic Management,2005,26(9):791-808.

[32] Yeh Y-C,Yeh Y-L,Chen Y-H.From knowledge sharing to knowledge creation: A blended knowledge-management model for improving university students’ creativity[J].2012.7(3):245-257.

[33] Zhang G,Xu Q,Liu X.Knowledge diffusion within the datang sock-manufacturing cluster in china[J].Regional Studies,2011,45(7):977-996.

[34] Aladwani A M.An integrated performance model of information systems projects[J].Journal of Management Information Systems,2002,19(1):185-210.

[35] Bollobás B,Riordan O.Asymptotic normality of the size of the giant component via a random walk[J].Journal of Combinatorial Theory(Series B),2012,102(1):53-61.

[36] Nguyen H T. Social interaction and competence development: learning the structural organization of a communicative practice [J].Learning, Culture and Social Interaction,2012,1(2):127-142.

[37] Renko H Y,Autio E,Sapienza H J. Social capital: Knowledge acquisition,and knowledge exploitation in young technology-Based firms[J].Strategic Manament Journal,2001,22(6):587-613.

[38] K?nig M D,Battiston S,Napoletano M,Schweitzer F.Recombinant knowledge and the evolution of innovation networks[J].Journal of Economic Behavior & Organization,2011,79(3):145-164.

[39] Hu M C.Knowledge flows and innovation capability: The patenting trajectory of Taiwan's thin film transistor-liquid crystal display industry[J].Technological Forecasting and Social Change,2011,75(9):1423-1438.

[40] Wasserman S,Faust K.Social network analysis:Methods and applications[M].New York,Cambridge:Cambridge University Press,1994.

[41] Burt R.Structural holes and good ideas[J].American Journal of Sociology,2004,110(2):349-399.

[42] Amaldoss W,Staelin R.Cross-function and aame-function alliances: How does alliance structure affect the behavior of partnering firms?[J].Management Science,2010,56(2):302-317.

[43] Singh J.Collaborative networks as determinants of knowledge diffusion patterns[J].Management Science,2005,51(5):756-770.

[44] Schilling M,Phelps C.Interfirm collaboration networks: The impact of large-scale network structure on firm innovation[J].Management Science,2007,53(7):1113-1126.

[45] Phelps C C.A longitudinal study of the influence of alliance network structure and composition firm exploratory innovation[J].Academy of Management Journal,2010,53(4):890-913.

Research on Knowledge Flow Network of Team Collaboration in Multi-Task Links

ZHAO Jian-yu1, LI Bai-zhou1, Xi Xi2SU Yi1

(1.School of Economics and Management,Harbin Engineering University Heilongjiang Harbin, 150001 China;2.School of Management, Harbin University of Commerce Heilongjiang Harbin, 150000 China)

In the knowledge economy, many organizations usually disassemble workflow and divide tasks in order to produce knowledge in the form of team-work. This production mode has obvious positive effect on knowledge flow and knowledge creation in organizations. This paper establishes the knowledge flow network model of multi-tasks by improving BA model and extending relevant theories on social network. We use NetLogo to do agent-based simulation, and analyze the characteristics of knowledge flow’s network revealed in multi-tasks in order to interpret the various impacts of different indices on network’s income.

Section 1 is model establishment. To adapt to the actual condition of teamwork in tasks, we propose relevant research hypotheses, and use the BA model to (1) establish scale-free network model of knowledge flow, (2) make some improvement to the model according to the actual conditions in multi-tasks teamwork, (3) take deductions, and (4) obtain 4 characteristic variables of network. Four variables, including degree distribution, network cluster coefficient, average path length, and knowledge flow’s frequency, are used as the conditions of simulation design.

Section 2 is simulation design. Considering the agent characteristics of knowledge flow in teamwork, we choose NetLogo to do the simulation. To make the simulation more specific and targeted, this paper divides the simulation design into agent design and simulation context design, in which agent design includes design on agent’s capabilities as well as behavior. Simulation context design contains basic context of network and scale.

In agent’s capabilities design, to differentiate factors like function and characteristic of different teams we use the triple in kene to define every team. Each dimension represents capabilities, abilities and expertise. In designing agent’s behavior principles, to maintain network evolution’s dynamic we find three aspects of the connecting principles of agents, including basic connecting principle, updated connecting principle, and principle of knowledge stock and network income.

In designing network’s basic context, to have more intuitive view of network we assign and standardize values to each team’s triple . In designing network’s scale, to compare the impacts of different number of teams on network’s evolution we make the initial network’s nodes as 50, 80 and 100 separately. We transform the relevant equations into NetLogo’s language and provide inputs to it. In addition, we calculate the number of connected nodes to measure the connecting density as well as the update connecting level.

Section 3 is simulation experiment. According to the pre-test result, when setting the tick in the simulation as 50, we obtain different forms of knowledge flow’s network based on different teams’ number, as well as respective variations of the absolute and relative indicators. Results of the research show that in order to improve the knowledge flow in the network the simulation has several countermeasures, such as increasing the cooperative teams’ number in the network, enlarging the clustering coefficient of the network, reducing the average path length of the network, and improving the knowledge communication’s frequency among teams. In the evolution process of the network, the average connecting number of teams first increase then reduce. Every team’s average connecting number has a positive correlation with tasks’ cooperative scale, whereas there is no direct relationship with network’s neighborhood threshold, or the knowledge level of the team itself. There is negative correlation between relationship strength and the average path length. There is an exponential increase between knowledge flow’s income and average path length. The small-world effect could help organizations identify the core team in the network, close the social distances among teams, engage the formation, and improve dynamic core competence. This research addresses relevant managing suggestions from two levels, namely the view of team and the view of organization. This paper provides new thoughts and theoretical reference for the deepening development of knowledge flow.

multi-task links; team collaboration; knowledge flow; scale-free network; small-world effect

中文編輯：杜 ??；英文編輯：Charlie C. Chen

C93-0

A

1004-6062(2016)01-0061-11

10.13587/j.cnki.jieem.2016.01.008

2013-07-03

2013-12-17

國家自然科學(xué)基金資助項(xiàng)目（71073034）；國家軟科學(xué)資助項(xiàng)目（2012GXS4D114）；高等學(xué)校博士科學(xué)點(diǎn)專項(xiàng)科研基金資助項(xiàng)目（20122304120021）；中國博士后資助項(xiàng)目（2013T6035）；中央高校基本科研費(fèi)專項(xiàng)資助基金（HEUCF120914）

趙健宇（1986—），男，黑龍江哈爾濱人，博士研究生，研究方向：知識流動與知識創(chuàng)造。