王樹義 張晉 李峻

摘要：[目的/意義]分析圖數據庫驅動的新型知識管理工具特性，使知識管理界的研究者和使用者改善和提高其知識的交流方式及知識的產出效率。[方法/過程] 梳理傳統知識管理工具遇到的問題，以 Roam Research 為例，用對比方式展現圖數據庫驅動知識管理應用的有益特性。通過梳理文獻，對比知識協作的其他形態(tài)，展望這一新型應用給知識社區(qū)帶來的新機遇。[結果/結論] 通過對比分析和實例研究，認為 Roam Research 的細粒度、雙向鏈接、可視化圖譜、開放接口、Ad hoc 結構等特性，可顯著提升知識管理工具的能力范圍，而且為大規(guī)模非線性知識社區(qū)的協作和知識的快速生產提供基礎。在技術的發(fā)展、信息過載環(huán)境下思考方式的轉變值得引起知識管理、知識社區(qū)和知識生產領域的研究者足夠的關注與跟蹤。

關鍵詞：Roam Research? ? 知識社區(qū)? ? 知識管理

分類號：TP319

引用格式：王樹義， 張晉， 李峻. 圖數據庫驅動的知識管理應用特性對比研究： 以Roam Research為例[J/OL]. 知識管理論壇， 2021， 6（5）： 292-301[引用日期]. http：//www.kmf.ac.cn/p/262/.

1? 引言

互聯網時代，知識生產主體發(fā)生變化，“用戶生產內容”（User Generate Content，UGC）逐漸成為主流。人們在思考如何對已獲取的信息和知識進行有效的記錄、重組，從而有可能產生知識的增值和創(chuàng)新[1]。筆記是知識管理的主要方式，信息技術的發(fā)展使數字化筆記逐漸成為重要的記錄和學習方式[2-3]。人們開始愈發(fā)重視知識管理的理念與方法，并將其運用在數字化筆記應用中[4-5]。

知識的大量涌現使得知識存儲的有效性、管理的復雜性等問題日益突出[6]。一些知識管理平臺的功能局限引發(fā)了知識管理領域在觀念、管理以及技術等方面的問題與挑戰(zhàn)[7]。面對存儲、訪問和分配所產生的大量信息，如何消化是難題之一[8]。數字化筆記的出現為解決此難題提供了可能[9]。在傳統筆記工具中，文字信息內容多采用樹狀組織形式[10]。但樹狀結構給信息分類工作帶來了困難，因為同一則筆記可能既屬于分類1，也屬于分類2[11]。為了解決樹狀結構的問題，一些筆記工具推薦采用標簽輔助或替代分類方法[12]。同時，關鍵詞也存在著表達多義的情況[13]。片面的標簽化處理，可能會導致在檢索時找不到筆記的源頭，使得知識庫成為“知識的墳場”。在多人參與的團隊、公共知識庫構建當中，問題同樣存在，且更加的復雜[14]。

Roam Research 于2020年6月正式上線。這款知識管理工具由圖數據庫驅動，具有細粒度、雙向鏈接、可視化圖譜、開放接口、Ad hoc 結構等特性。筆者嘗試對比分析上述特性，闡釋其相對于傳統筆記工具的優(yōu)越性，并且展望 Roam Research 在知識社區(qū)協作方面的前景。

2? 相關研究

人與人之間的交流有助于激發(fā)知識的產出，對其加以提取和學習，可以使知識發(fā)生演化。V. Bush 認為將事物聯系在一起十分必要，因為人類的思維通過聯想來運作。為此，他提出了 Memex 的概念模型。即人們可以在需要的時候，能夠快速找到所需信息[15]。R. Douglas 贊同T. Nelson的觀念，即認為鏈接能夠產生更強大的知識成果，因為大多數知識都因無數主題間的交叉聯系而無法被簡單分割[16]。更好地組織信息，一直是人們致力于解決的難題[17]。為了在記錄的同時避免迷失在聯想中，T. Nelson 提出了非線性書寫的概念——超文本[18]。其本意是可以讓所有人都能接觸到全部的信息[19]，但記錄可能包含了許多無重點的信息，就使得人們的注意力無法集中[20]。上述研究引發(fā)了科學界人士的深刻思考，使其意識到知識鏈接的重要性。

知識的鏈接不僅是一個開放、協作的過程，還可以通過網絡的分布式特性為知識的流動帶來多種協作的可能性，其組織和共享的成本也更低[21]。因為知識在不同群體間流動，可以重組舊的知識，進而產生更具創(chuàng)新性的知識組合[22]。在以超鏈接為標志的萬維網出現之初，學者們就對類似場景進行展望。“萬維網之父”T. Berners-Lee最初構想了以超文本系統為基礎的項目，以方便研究人員分享及更新訊息[23]。盡管萬維網在交流方面的作用和影響日益明顯，但其形態(tài)逐漸趨于為一個大型的有向圖，而且這種鏈接是單向的[24-25]。鏈接的單向性和節(jié)點粒度的粗糙，使得這種場景一直沒有成為現實[26]。

N. Luhmann 的卡片盒筆記法（Zettelkasten Method）出現以后，此愿景逐步得到了實現。Lüdecke在其書中提到，該方法能夠將筆記相互連接形成一個網狀結構的超文本筆記系統，從而使得人們能夠在該系統中回顧、遍歷而又不會迷航[27]。同時，筆記工具背后的數據庫技術也在悄然發(fā)生變化。從樹狀的文件組織到SQL數據庫，乃至于XML、JSON代表的非結構數據庫，都代表了不同開發(fā)者對于用戶需求的不斷響應與迭代[28-29]。而圖數據庫的發(fā)展，使得筆記工具除了記錄、檢索以外，還可以利用數據間的關聯進行更為靈活復雜的操作。例如，Datascript 和 Datomic 數據庫就具備屬性級別的快速可擴展數據建模，可提供跨庫查詢、實體API、可擴展架構等功能[30-31]。后臺圖數據庫的發(fā)展，為新的知識管理工具出現，提供了技術保障。

3? 非線性思維連接工具 Roam Research

Roam Research 吸收了 V. Bush 和 T. Nelson 等人的最初構想[16]，構建了一個近乎完整的超文本概念，并且實現了其中的幾個關鍵特性：文本塊級別的可尋址性、嵌入和雙向鏈接[32]。這種以Roam Research 為代表的非線性的知識組織形式更能滿足當前人們對多元分布的碎片化知識的需求，并強調通過“雙向鏈接”來實現知識的協作[33，34]。

圖1來自于 L. Cabrelli的“Roam for Results”[35]。圖中的Lisa City ，可以看作是包含了 3 個頁面的 Roam Research 小型數據庫（Graph）。每一個矩形塊（Road， Ave 或者 Street），都代表一個頁面（Page）。圖中的實線或虛線方塊代表了組塊（Paragraph），相互之間的鏈接代表了頁面之間的引用關系。為體現出圖數據庫驅動知識管理應用的有益特性，筆者從6個維度對幾款筆記類工具作深度對比分析，結果見表1。

通過對上述幾款筆記類軟件的對比分析可知，Roam Research的優(yōu)勢已盡然體現。首先在Roam Research中，記錄的最小粒度可以是一個段落，甚至是一個組塊，這一優(yōu)勢突破了傳統的以一則筆記為最小記錄粒度。其次，Roam Research雙向鏈接的能力在于可以在某個節(jié)點審視鏈接到它的所有節(jié)點。最后，Roam Research支持全局或局部的網絡圖譜呈現，并且具備精準的語法查詢功能。盡管Evernote也有類似的可視化以及查詢功能，但它與除Roam Research外的其余幾款筆記工具都是采用了樹狀的組織形式。隨著記錄的增多，這種傳統的線性組織方式將不利于知識的瀏覽與回顧。

人的思維不是線性的。Roam Research網狀的組織結構，能夠幫助用戶組織想法并使其發(fā)生關聯、碰撞，也更加貼合人類的大腦運作。同時，Roam Research能將最原始的記錄共享給他人，其他用戶能夠直觀地看到這些知識是如何進行組織的。因此，Roam Research為全新的知識協作，乃至于知識生產、傳授與傳播，提供了新的基礎條件。下面，筆者將對 Roam Research 的主要特性作進一步的分析。

3.1? 雙向鏈接

傳統筆記工具所采用的樹狀組織形式見圖2，每片葉子（每則筆記）都歸屬于明確單一的枝節(jié)點（子目錄）。筆記雖是規(guī)范、整齊的，但整個存放的過程需要決策。同時，把內容放在同一個文件夾或子目錄下，會降低筆記間發(fā)生關聯的可能性，進而喪失其上下文，最終形成“知識的墳場”。圖2中筆記B和C之間的虛線代表這兩則筆記雖然可以進行關聯，但鏈接是單向的，在節(jié)點C并不能顯示鏈接過它的節(jié)點B。

假設筆記節(jié)點 A 關聯了筆記節(jié)點 B，找到了節(jié)點 A，就能夠按圖索引找到節(jié)點 B，這是一般的筆記工具所共有的特性。而Roam Research的雙向鏈接能力在于，可以在節(jié)點B看到鏈接到它的所有節(jié)點。

如圖3所示的虛線框內，節(jié)點B和C同屬一個頁面或者通過相同的標簽聯系在一起。此種情況下，節(jié)點C不用鏈接就能輕易找到節(jié)點B，反之亦然。節(jié)點B鏈接了新的節(jié)點A，就可以按圖索驥找到節(jié)點A，同時也能在節(jié)點A處顯示節(jié)點B。通過這一關聯，從3個節(jié)點的任一節(jié)點出發(fā)，都可以按圖索驥找到其他兩個節(jié)點。同樣是3個節(jié)點，Roam Research雙向鏈接的網狀組織檢索能力更強，線索更多，組織形式也更加靈活。不僅如此，用戶通過搜索匹配，會呈現未做鏈接的組塊，從而更方便地幫助用戶發(fā)現潛在的關聯，將知識間的弱連接演化為強連接。Roam Research的雙向鏈接功能，不僅降低了構建知識網絡的成本，還增強了用戶記錄的意愿。

3.2? 細粒度

“粒度”（granularity）是指筆記網絡的最小單位。用戶在進行記錄時，需要保證筆記的“原子化”。即每一則筆記記錄的文字不宜過多，且最好只圍繞一個中心來描述。大多數用戶會有這樣的觀念，是因為以往筆記應用的最小粒度是“一則筆記”。只有通過這種方式的最小化，才能保證后續(xù)在筆記之間建立關聯時不會導致查找和檢索時的困難。

在Roam Research中，其最小粒度不是“一則筆記”，而是“一個組塊”（block）。Roam Research 是大綱式的頁面結構，一個組塊對應一個段落。一般情況下，段落自身便具有原子化的特性，不需要用戶自行去拆解。如圖4所示，每則筆記（頁面）都包括有若干相鄰的組塊（虛線框代表筆記A中的組塊1和組塊2是兩個相鄰的組塊）。筆記B可以選擇直接鏈接筆記A，也可以選擇鏈接筆記A中的一個組塊，還可以將筆記B中的某個組塊與筆記A中的組塊進行鏈接。而相鄰組塊間的雙箭頭連線則代表每則筆記中的不同組塊可以進行雙向鏈接。

Roam Research 縮小了筆記記錄的粒度。用戶在記錄的時候可以鏈接到任意大綱筆記下的某個組塊，并且能夠快速定位以獲得精準完備的上下文，而且用戶只需要把注意力集中在如何思考和輸出等問題上。此外，當用戶需要回顧筆記并進行知識鏈接時，更小的粒度可以提供更多的關聯維度，甚至會起到催化思維的作用。由于彼此相鄰的任意兩個組塊能夠在頁面上自然形成上下文的關聯，所以每一組塊、段落，都成為可以引用、鏈接以及通過縮進掛靠的單元，用戶在記錄時就不必考慮文字的數量，更不用對每一個組塊進行鏈接。

3.3? 可視化圖譜

知識圖譜（knowledge graph）在知識工程、自然語言處理、數據管理、機器學習領域已經得到廣泛的應用。圖數據庫驅動的引文索引SCI在期刊文獻管理領域也得到了很好的運用。其中的圖數據庫網絡，使得文獻之間的引證關系更為清晰，進而展現出文獻之間的內在聯系[36]。人腦記憶網絡、組織知識網絡同樣可以表現為概念圖的形式。J. D. Novak 于20世紀70年代在康奈爾大學發(fā)展出概念圖繪制技巧，并將其作為一種優(yōu)化理解的教學技術應用在科學教育上。在J. D. Novak的著作《習得學習》（Learning How to Learn）中也指出：“有意義的學習，涉及將新概念與命題同化于既有的認知架構中”[37]。

在Roam Research中支持自動呈現局部或全部的知識圖譜，無需手工繪制概念圖，便可以圖譜的形式呈現已有概念網絡。通過瀏覽圖形、規(guī)范的技巧訓練，便可以發(fā)現跨越層次的內容連接。在大多情況下，這些連接比層次連接更重要，因為可以突破認知邊界，這是涌現創(chuàng)造力的源泉。此外，Roam Research支持將可視化圖譜導出，可以進一步充分利用專業(yè)的圖譜分析工具獲得突破性的發(fā)現。如圖5所示，可視化呈現的圖譜，可以幫助用戶從系統的視角來審視自然呈現出的知識結構。

3.4? 開放式接口

目前，Roam Research 只有在線版本，但是“Web 版本優(yōu)先發(fā)展”的思路給它帶來了更高的開放性。即用戶可以依靠前端編程能力，對 Roam Research 進行深度定制，并且把自己的擴展通過社區(qū)擴散傳播，加快優(yōu)秀特性的普及。例如，用戶可以通過設置CSS樣式對主題界面進行調整，使得標簽顏色等樣式更加符合記錄的習慣需求。Roam Toolkit 等 Chrome 擴展程序的應用，也可以幫助用戶更方便地檢索筆記庫的內容，利用更豐富的快捷鍵進行頁面跳轉。

RoamHack 推出的 42SmartBlocks ，使得 Roam Research 的功能延展又增進了一步。如圖6所示，42Smartblocks 為用戶提供了自定義動態(tài)模板的能力，可以一鍵生成常用的模板。此外，它還能夠快速地將Roam Research中的任何內容轉換為一種“智能工作流”，用戶就可以通過嵌入某些命令（代碼段），甚至是JavaScript到工作流中來執(zhí)行動態(tài)操作，如圖7所示。類似42Smartblocks的擴展功能不僅為 Roam Research 用戶的個性化知識管理需求賦能，也實現了知識管理界長久以來對思維算法（algorithm for thoughts）的期待。

3.5? Ad hoc結構

Roam Research 的結構不是固定的，可以根據用戶當前的任務需求形成特種網絡（Ad hoc）的動態(tài)組織結果。每一則筆記、每一個組塊，都會對引用數量進行提示。點擊某一則筆記的“引用數量”，可以列出所有關聯內容。而這些內容，更進一步與頁面上下文、時間日期、相關的標簽等要素相關聯。這樣一來，對于同樣的存儲內容，用戶可以根據需要形成不同風格的視圖。 Roam Research 還支持標準的查詢表達式，用戶可以根據頁面標題的邏輯組合關系，自行定義查詢式。筆者查找自己筆記庫中需要處理的工作任務，所列出的查詢式和結果如圖8所示：

在Roam Research 中，任務管理和頁面、標簽、時間等要素結合在了一起，可以找到同時符合日期范圍、任務類型和狀態(tài)的任務，從而把知識管理與任務管理有機結合起來，使得用戶可以一站式解決任務安排與內容生產需求。

4? 基于 Roam Research 的知識社區(qū)

利用筆記工具進行協作，已經屢見不鮮。EverNote、為知筆記、Notion 等都支持通過分享頁面給團隊成員進行共同編輯的操作。Roam Research 的協作還可以把非線性的思維組織形式，直接展現給合作者，且不需要采用樹狀的語法結構。

圖9展示了筆者在過去一段時間記錄的包含“Python”關鍵詞的筆記網絡圖譜。筆記自然形成了若干聚簇，并且在聚簇中展現了引用關聯關系。將這種網絡信息進行分享時，知識創(chuàng)作者的思考關注點、主題方向和上下文等內容可以被一目了然地展現給協作者，可以使協作更為精確。這樣一來，用戶之間的交流方式可以變得更加頻繁、直接和高效。因此，Roam Research 可以為非線性知識社區(qū)的普及提供基礎條件。

為了找到非線性知識社區(qū)的定位，筆者梳理了維基百科、學術系統、問答社區(qū)以及去中心化代碼倉庫的特點，并與 Roam Research 構成的非線性知識社區(qū)進行對比，結果如表2所示。

從表 2 可以看到， Roam Research 提供的底層基礎架構的變化，可以給知識社區(qū)的個體或群體賦能，為知識交流、出版、教育、科研以及社會企業(yè)等多方面帶來益處，甚至可以改變未來上述領域的生態(tài)演進。在教育領域，這樣的非線性知識社區(qū)也有實例。例如，L. Cabrelli 在 teachable 上創(chuàng)建了一門關于 Roam Research 學術寫作的課程。這門課程采用了公共的 Roam Graph 數據庫來分享課程的內容、相關的配置和動態(tài)的42Smartblocks模板，并允許用戶實時參與生成內容與交互問答。盡管非線性知識社區(qū)和維基百科、學術系統以及去中心化代碼倉庫 Github 等平臺的溝通交流方式有種種相似之處，但目前對其研究還處于早期階段。

5? 結論

非線性思維連接工具Roam Research 的出現為實現知識組織的有序、高效提供了有力支持。筆者對EverNote、OneNote、Marginnote以及有道云筆記等幾款具有代表性的筆記工具作深度對比分析，發(fā)現非線性思維連接工具Roam Research的雙向鏈接、可視化圖譜、Query語法查詢以及細粒度等特性有效地解決了目前知識管理領域知識存儲的有效性和管理的復雜性等問題。除了Roam Research，葫蘆筆記、RoamEdit、Obsidian等雙鏈筆記也在迅猛發(fā)展。同時，過去的一些傳統筆記也在增加雙向鏈接功能，如印象筆記、Notion等。在雙鏈筆記迅猛發(fā)展同時，還需要對其理論和特性加以研究。

在開放創(chuàng)新環(huán)境下，盡管知識管理應用 Roam Research 有利于促進知識的多樣化展示和增值創(chuàng)新，但也存在一定的局限性，如移動端的使用體驗有待提升等問題。同時，目前學術界對于非線性知識社區(qū)的研究還處于早期階段，一些機制的特性還有待進一步研究。

非線性知識社區(qū)的知識交流，比起傳統的知識交流與傳播媒介更為直接和高效，在未來將會深刻改變學術研究與教育形態(tài)。在今后的工作中，筆者還會通過對此工具的使用，探索發(fā)現并持續(xù)跟蹤和研究相關特性的變化與發(fā)展。

參考文獻：

[1] 林正， 劉豐， 趙娜. 在線知識社區(qū)群體協作內在機制研究進展[J]. 情報科學， 2019， 37（6）： 170–177.

[2] ANTOR J R， SARKAR M S. Online note taking system[D]. Blangladesh： Daffodil International University， 2018.

[3] 賈麗. 數字化筆記對學習效果影響的實驗研究[D].金華： 浙江師范大學， 2018.

[4] 王錚， 劉遠穎. 小而美的輕知識管理——《知識管理論壇》對話為知筆記CEO李峻先生[J]. 知識管理論壇， 2016， 1（2）： 156–162.

[5] WYK M V， RYNEVELD L V. Affordances of mobile devices and note-taking apps to support cognitively demanding note-taking[J]. Education and information technologies， 2018， 23（4）： 1639–1653.

[6] 徐巍.個人知識管理策略——利用印象筆記搭建個人知識庫[J].知識管理論壇， 2014（4）： 5–11.

[7] 張斌， 熊奧. 數據時代的知識管理[J]. 知識管理論壇， 2020， 5（4）： 219–226.

[8] LAURENTIZ S. Tags e metatags？ De Ted Nelson a Tim Berners-Lee[J]. Porto arte： Revista de artes visuais， 2010， 17（28）： 18-33.

[9] 蘇媛. 數字化筆記在個人知識管理中的應用[J]. 知識管理論壇， 2015（1）： 35–41.

[10] 馬培. 知識管理視域下數字化筆記工具的比較研究[D]. 上海： 上海師范大學， 2012.

[11] 張倩， 陳志. 樹狀結構組成、編碼及分類[J]. 空間結構， 2013， 19（4）： 3–10， 33.

[12] 胡法. 云環(huán)境下知識管理軟件對比分析[J]. 計算機時代， 2016（10）： 47–49， 53.

[13] STOCK P F. Polysemy[C]//LEXeter’83： proceedings. Max Niemeyer Verlag， 2017： 131-140.

[14] 崔亞欣. 知識多樣性對研發(fā)團隊知識共享及創(chuàng)新績效的影響研究[D].天津：南開大學， 2020.

[15] BUSH V. As we may think[J]. The atlantic monthly， 1945， 176（1）： 101–108.

[16] DOUGLAS D. Intertwingled[M]. DECHOW D R， STRUPPA D C. Cham： Springer International Publishing， 2015： 25-28.

[17] KNOWLTON K. Ted Nelson’s Xanadu[M]//DECHOW D R， STRUPPA D C. Intertwingled： the work and influence of Ted Nelson. Cham： Springer International Publishing， 2015： 25–28.

[18] MCALEESE R. Hypertext： theory into practice[M]. Britain： Intellect Books， 1999.

[19] ROSENZWEIG R. The road to Xanadu： Public and private pathways on the history Web[J]. The journal of American history， 2001， 88（2）： 548–579.

[20] WOLF G. The curse of Xanadu[J]. Wired magazine， 1995， 3（6）： 137–202.

[21] ARNDT N， NAUMANN P， RADTKE N， et al. Decentralized collaborative knowledge management using git[J]. 2019， 54（1）： 29-47.

[22] WAGNER C S， WHETSELL T A， MUKHERJEE S. International research collaboration： novelty， conventionality， and atypicality in knowledge recombination[J]. 2019， 48（5）： 1260-1270.

[23] BERNERS-LEE T J. Information management： a proposal[R/OL].Europe： CERN， 1989[2021-06-21]. https：//www.w3.org/History/1989/proposal.html.

[24] BERNERS-LEE T， CAILLIAU R， LUOTONEN A， et al. The World-Wide Web[J]. Communications of the ACM， 1994， 37（8）： 76–82.

[25] ALBERT R， JEONG H， BARABASI A L. The diameter of the world wide web[J]. Nature， 1999， 401（6749）： 130-131.

[26] 劉植. 從聯想到超文本——情報技術的重大進展[J]. 晉圖學刊， 1990（3）： 74–76， 64.

[27] LüDECKE D. Introduction to Luhmann’s Zettelkasten-thinking and its technical implementation[M]. Germany： Lecture at” Methodological Intersections” Trier Digital Humanities Autumn School， 2015.

[28] ABITEBOUL S， BUNEMAN P， SUCIU D. Data on the web： from relations to semistructured data and XML[M]. San Francisco： Kaufmann， 2000.

[29] KORZAAN M， LAWRENCE C. Advancing student productivity： an introduction to evernote[J]. Information systems education journal， 2016， 14（2）： 19-26.

[30] BACK G. DataScript-A specification and scripting language for binary data[C]//International Conference on Generative Programming and Component Engineering. Berlin： Springer， 2002： 66–77.

[31] Anderson， Jeremy， et al. Professional Clojure[M]. America： John Wiley & Sons， 2016.

[32] KARIMOV J， RABL T， MARKL V. Astream： Ad-hoc shared stream processing[C]//Proceedings of the 2019 International Conference on Management of Data， New York： Association for Computing Machinery， 2019： 607–622.

[33] LINDKVIST L. Knowledge communities and knowledge collectivities： A typology of knowledge work in groups[J]. Journal of management studies， 2005， 42（6）： 1189–1210.

[34] CHARLES A， LOUCKS L， BERKES F， et al. Community science： A typology and its implications for governance of social-ecological systems[J]. Environmental science & policy， 2020， 106（4）： 77–86.

[35] CABRELLI L-M. Magical Academic Note-Taking[EB/OL]. [2021-06-19]. https：//roam-for-results.teachable.com/p/magical-academic-note-taking.

[36] 蘇新寧.中文社會科學引文索引（CSSCI）的設計與應用價值[J].中國圖書館學報， 2012， 38（5）：95-102.

[37] NOVAK J D， GOWIN D B， BOB G D. Learning how to learn[M]. Britain： Cambridge University press， 1984.

[38] 左菲菲.利用“維基百科”進行學術出版之優(yōu)勢和挑戰(zhàn)[J].現代情報， 2013， 33（9）：80-84.

[39] MORRIS S. The true costs of scholarly journal publishing[J]. Learned publishing， 2005， 18 （2）： 115-126.

[40] 苗雨伏， 王丹丹.基于Wiki的開放內容社區(qū)生產模式研究[J].圖書館理論與實踐， 2013（1）：35-38.

[41] LYKOURENTZOU I， PAPADAKI K， VERGADOS D J， et al. Corp Wiki： a self-regulating wiki to promote corporate collective intelligence through expert peer matching[J]. Information sciences， 2010， 180（1）： 18-38.

[42] JANKOWSKI-LOREK M， JAROSZEWICZ S， OSTROWSKI ?. Verifying social network models of Wikipedia knowledge community[J]. Information sciences， 2016， 339（4）： 158-174.

[43] 李明， 李瑩， 周慶， 等.基于TF-PIDF的網絡問答社區(qū)中的知識供需研究[J].數據分析與知識發(fā)現， 2021， 5（02）：106-115.

[44] 孫順達. 社會化問答社區(qū)用戶知識共享意愿的影響因素研究[D]. 哈爾濱： 哈爾濱工業(yè)大學， 2020.

[45] 楚林， 王忠義， 夏立新.網絡問答社區(qū)的知識生態(tài)系統研究[J].圖書情報工作， 2016， 60（14）：47-55.

[46] 郭順利. 社會化問答社區(qū)用戶生成答案知識聚合及服務研究[D].長春： 吉林大學， 2018.

[47] 徐冰村， 張曉冬. 開源社區(qū)中的意見領袖識別及跟隨效應仿真[J]. 情報理論與實踐， 2019， 42（12）：101-107.

[48] 劉曄暉， 趙海燕， 曹健， 等. 開源社區(qū)中Issue解決過程的參與者推薦方法[J]. 小型微型計算機系統， 2020， 41（9）： 1930-1934.

[49] WANG J， MA Y Q， CHEN S， et al. Fragmentation knowledge processing and networked artificial intelligence[J]. Scientia sinica informationis， 2017， 47（2）： 171–192.

[50] REVERE R， BLUSTEIN J. Transhierarchy： a stable tree view with transclusion for hypertext navigation[C]//Proceedings of the 3rd workshop on human factors in hypertext. New York： Association for Computing Machinery， 2020： 1–7.

[51] Roam Tips. What is a block in Roam Research （and what are block embeds）？[EB/OL].[2020-09-04].https：//www.roamtips.com/home/what-is-block-roamresearch.

[52] 韓云杰. 去中心化與再中心化：網絡傳播基本特征與秩序構建[J]. 中國出版， 2020（21）：31-35.

[53] 劉康.“去中心化—再中心化”傳播環(huán)境下主流意識形態(tài)話語權面臨的雙重困境及建構路徑[J]. 中國青年研究， 2019（5）：102-109.

作者貢獻說明：

王樹義：提出選題，擬定框架，修改文稿;

張晉：采集資料，起草文稿;

李峻：修改文稿。

Comparative Research on the Characteristics of Graph Database-driven Knowledge Management Applications： Taking Roam Research as an Example

Wang Shuyi1? Zhang Jin1? Li Jun2

1School of Management， Tianjin Normal University， Tianjin 300387

2Beijing Wozhi Technology Co. Ltd， Beijing 100123

Abstract： [Purpose/significance] This paper analyzes the characteristics of a new knowledge management tool driven by graph databases for researchers and users in the knowledge management community. This will improve and enhance the exchange of knowledge and improve the efficiency of knowledge. [Method/process] This paper compared the problems encountered in traditional knowledge management tools and showed beneficial features of knowledge management applications driven by graph database in a comparative manner by taking Roam Research as an example. By combing the literature， we compared other forms of knowledge collaboration and looked forward to the new opportunities that this new application brought to knowledge communities. [Result/conclusion] Through comparative analysis and case research， this paper concludes that features of Roam Research such as fine grit， bidirectional link， visual graphs， open interfaces and Ad hoc structures will significantly enhance the range of capabilities of knowledge management tools， and moreover， provide a basis for collaboration in large-scale nonlinear knowledge communities and rapid production of knowledge. The development of technology and the transformation of the way of thinking in the information overload environment deserve enough attention and tracking by researchers in the fields of knowledge management， knowledge communities and knowledge production.

Keywords： Roam Research? ? knowledge communities? ? knowledge management