蘇屹 劉桐赫 張傲然

收稿日期：2022-06-28? 修回日期：2022-09-01

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（72074059）；黑龍江省社會(huì)科學(xué)基金項(xiàng)目（20GLB120）；黑龍江省重點(diǎn)研發(fā)計(jì)劃指導(dǎo)類項(xiàng)目（GZ20210003）

作者簡介：蘇屹（1983-），男，黑龍江哈爾濱人，博士，哈爾濱工程大學(xué)經(jīng)濟(jì)管理學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)閿?shù)字經(jīng)濟(jì)與創(chuàng)新管理；劉桐赫（1997—），男，遼寧沈陽人，哈爾濱工程大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生，研究方向?yàn)橹R(shí)管理與數(shù)字化轉(zhuǎn)型；張傲然（1995-），女，遼寧西豐縣人，黑龍江省對(duì)外科技合作中心科普外聯(lián)部助理工程師，研究方向?yàn)榭萍脊芾怼?/p>

摘? 要：在知識(shí)經(jīng)濟(jì)時(shí)代，知識(shí)轉(zhuǎn)移過程已成為管理學(xué)研究的熱點(diǎn)問題。為分析隱性知識(shí)轉(zhuǎn)移阻力變化對(duì)隱性知識(shí)轉(zhuǎn)移過程及形態(tài)的影響，在梳理現(xiàn)有隱性知識(shí)轉(zhuǎn)移文獻(xiàn)的基礎(chǔ)上，運(yùn)用混沌理論構(gòu)建蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型并進(jìn)行仿真分析，研究隱性知識(shí)在主體間轉(zhuǎn)移規(guī)律。研究結(jié)果表明：隱性知識(shí)轉(zhuǎn)移具有初始狀態(tài)敏感性等混沌特征，隨著知識(shí)主體間合作與競爭平衡關(guān)系的變化，輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度也隨之變化，隱性知識(shí)轉(zhuǎn)移呈現(xiàn)出隱性知識(shí)轉(zhuǎn)移全阻力類型、隱性知識(shí)轉(zhuǎn)移高阻力類型、隱性知識(shí)轉(zhuǎn)移中阻力類型、隱性知識(shí)轉(zhuǎn)移低阻力類型以及隱性知識(shí)轉(zhuǎn)移零阻力類型5種類型?；诜抡嫜芯拷Y(jié)果，提出隱性知識(shí)轉(zhuǎn)移效果提升對(duì)策，同時(shí)，為隱性知識(shí)具有反饋機(jī)制的雙向非線性轉(zhuǎn)移過程研究提供新的量化方法和研究思路。

關(guān)鍵詞關(guān)鍵詞：隱性知識(shí)轉(zhuǎn)移；知識(shí)管理；混沌理論；蔡氏混沌

DOI：10.6049/kjjbydc.2022060761

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）????? 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：F272.4

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）02-0119-11

0? 引言

隨著知識(shí)經(jīng)濟(jì)時(shí)代來臨，知識(shí)逐漸成為企業(yè)的一種戰(zhàn)略性資源，對(duì)企業(yè)創(chuàng)新和發(fā)展起重要作用[1]，擁有高質(zhì)量知識(shí)以及快速轉(zhuǎn)移知識(shí)是企業(yè)成功的關(guān)鍵[2]，其中，知識(shí)的高質(zhì)量轉(zhuǎn)移是重中之重[3]。隱性知識(shí)是邁克爾·波蘭尼（Michael Polanyi）于1958年在《個(gè)人知識(shí)》（Personal Knowledge）一書中提出的新概念，他認(rèn)為知識(shí)可以區(qū)分為顯性知識(shí)（Explicit Knowledge）和隱性知識(shí)（Tacit Knowledge）。其中，顯性知識(shí)是能夠被人類以符碼系統(tǒng)予以完整表述的知識(shí)；隱性知識(shí)是指那些難以清晰表達(dá)，通常只能通過經(jīng)驗(yàn)、深度互動(dòng)和實(shí)踐學(xué)習(xí)獲得的知識(shí)。隱性知識(shí)具有復(fù)雜度高、不易轉(zhuǎn)移等特征[4]，是知識(shí)管理系統(tǒng)最具價(jià)值的資產(chǎn)[5]，已成為組織創(chuàng)造價(jià)值的核心資源，其有效利用對(duì)知識(shí)共享和知識(shí)創(chuàng)新具有重要意義[6]。隱性知識(shí)轉(zhuǎn)移（Tacit Knowledge Transfer）的發(fā)生以廣泛接觸、定期互動(dòng)以及雙方信任為基礎(chǔ)。隱性知識(shí)難于編碼并具有情景依附性[7]，在轉(zhuǎn)移活動(dòng)中是一個(gè)動(dòng)態(tài)過程且流向性具有非線性[8]。研究隱性知識(shí)的表征及傳遞過程，對(duì)豐富企業(yè)知識(shí)積累、促進(jìn)企業(yè)創(chuàng)新具有重大意義[9]。

在隱性知識(shí)轉(zhuǎn)移影響因素方面，國內(nèi)外學(xué)者從隱性知識(shí)轉(zhuǎn)移意愿[10]、隱性知識(shí)特征[11]等角度深入分析隱性知識(shí)共享影響因素，指出意愿[12]是隱性知識(shí)轉(zhuǎn)移過程中的重要影響因素。也有部分學(xué)者通過大數(shù)據(jù)分析、魚骨圖和層次分析法[13-15]等方法研究了知識(shí)轉(zhuǎn)移影響因素。在知識(shí)轉(zhuǎn)移模型構(gòu)建方面，國內(nèi)外學(xué)者利用通信系統(tǒng)方法[9]、TWD和FRS方法[16]、理性行為理論[17]和計(jì)算機(jī)科學(xué)中的CNN方法[18]、DNN方法[19]、BIM方法[20]、知識(shí)管理系統(tǒng)[21]、知識(shí)管理模型[22]、改進(jìn)GSK算法[23]和路線圖[24]等研究范式構(gòu)建了相應(yīng)的知識(shí)轉(zhuǎn)移模型。在知識(shí)轉(zhuǎn)移研究方面，國內(nèi)外學(xué)者探討了知識(shí)外部嵌入對(duì)企業(yè)雙元性[25]、個(gè)體對(duì)知識(shí)轉(zhuǎn)移的信心[26]、供應(yīng)鏈管理和發(fā)展[27]、租賃地點(diǎn)[28]、明星科學(xué)家[29]和濫用監(jiān)督[30]等因素在知識(shí)轉(zhuǎn)移過程中的作用機(jī)理。也有學(xué)者研究了PKT方法[31]、KT流程[32]和遠(yuǎn)程實(shí)驗(yàn)[33]在知識(shí)轉(zhuǎn)移教育領(lǐng)域的應(yīng)用。

現(xiàn)有的知識(shí)轉(zhuǎn)移研究中，較多應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度神經(jīng)網(wǎng)絡(luò)（DNN）等深度學(xué)習(xí)方法，其需要大量的訓(xùn)練集與測試集來訓(xùn)練模型，且在教育領(lǐng)域的應(yīng)用效果較好，但不太適用于難以清晰表達(dá)的隱性知識(shí)轉(zhuǎn)移。已有關(guān)于隱性知識(shí)轉(zhuǎn)移的研究多停留在定性分析層面上，對(duì)隱性知識(shí)轉(zhuǎn)移的影響因素和轉(zhuǎn)移過程等方面缺乏深入研究。相比已有文獻(xiàn)，本文的創(chuàng)新之處在于：第一，通過引入混沌動(dòng)力學(xué)研究范式，構(gòu)建蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型，補(bǔ)充了已有文獻(xiàn)中傳統(tǒng)線性知識(shí)轉(zhuǎn)移模型不適用于研究特征的兼有表達(dá)、反饋且雙向交互特征的轉(zhuǎn)移的不足，為研究隱性知識(shí)轉(zhuǎn)移這一非線性過程提供了新的研究方法和途徑；第二，相較于已有文獻(xiàn)通過魚骨圖等抽象方法對(duì)隱性知識(shí)轉(zhuǎn)移影響因素進(jìn)行研究，本文通過Multisim14.0軟件進(jìn)行仿真分析，探究了隨著兩個(gè)知識(shí)主體間輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度的變化即隱性知識(shí)轉(zhuǎn)移阻力變化對(duì)隱性知識(shí)轉(zhuǎn)移效果的影響，為隱性知識(shí)轉(zhuǎn)移研究補(bǔ)充了定量研究方法。

1? 基于蔡氏混沌的隱性知識(shí)轉(zhuǎn)移隱喻分析

隱性知識(shí)是未來知識(shí)創(chuàng)新的來源之一，同時(shí)，也是組織核心競爭力的重要組成部分[7]。但是，隱性知識(shí)與可以書面文字、圖表和數(shù)學(xué)公式等方式表述的顯性知識(shí)不同，隱性知識(shí)難以言述與清晰量化，所以不能采用現(xiàn)有文獻(xiàn)中研究顯性知識(shí)轉(zhuǎn)移的方法來研究隱性知識(shí)轉(zhuǎn)移。因此，引入隱喻分析方法分析雙向非線性的隱性知識(shí)轉(zhuǎn)移過程，以便對(duì)隱性知識(shí)轉(zhuǎn)移難以量化的抽象概念進(jìn)行仿真研究。隱喻（Metaphor）是以描述另一事物的方式來描述某個(gè)事物，通過使用熟悉的概念理解另一個(gè)陌生概念，因此隱喻普遍存在于日常生活中[34]。隱喻作為人類認(rèn)知的一種基本方式，具有重要意義[35]。通過隱喻分析，在非線性物理學(xué)基礎(chǔ)上可以更形象地研究隱性知識(shí)轉(zhuǎn)移過程。首先，回顧非線性物理學(xué)中的部分基本概念，非線性物理學(xué)的分支主要包括復(fù)雜系統(tǒng)（Complex System）、耗散結(jié)構(gòu)（Dissipative System）、自組織（Self-organization）和混沌（Chaos）。其中，混沌是一種源自決定性規(guī)律的無序狀態(tài)，即沒有結(jié)構(gòu)的均勻狀態(tài)。蔡氏混沌（Chua's Chaos）是由蔡氏二極管搭配簡單的半導(dǎo)體元器件產(chǎn)生的混沌狀態(tài)，因結(jié)構(gòu)簡單、現(xiàn)象復(fù)雜而被譽(yù)為混沌系統(tǒng)的典范[36]，它是由蔡少棠教授在1983年于日本早稻田大學(xué)提出的[37]。在隱性知識(shí)轉(zhuǎn)移過程中充斥著正反饋與負(fù)反饋，二者相互交疊、錯(cuò)綜復(fù)雜，整個(gè)過程中飽和性、多態(tài)環(huán)等非線性特征十分明顯，并由此誕生了種種不確定性（馮斯波，盛亞，2003）。隱性知識(shí)系統(tǒng)是一個(gè)開放、復(fù)雜的系統(tǒng)，是一個(gè)在創(chuàng)造各種知識(shí)和技能的過程中存在大量正、負(fù)反饋活動(dòng)的非線性復(fù)雜系統(tǒng)（魏鋼焰，2007）。隱性知識(shí)創(chuàng)新不是突然間從無到有，更多情況下是“站在巨人肩膀”上，成為下一代創(chuàng)新知識(shí)產(chǎn)生的基礎(chǔ)。隱性知識(shí)的不斷迭代符合循環(huán)因果理論，即隱性知識(shí)轉(zhuǎn)移系統(tǒng)是建立在隱性知識(shí)自我迭代基礎(chǔ)上的動(dòng)態(tài)演化的非線性系統(tǒng)（韓蓉，林潤輝，2013）。知識(shí)轉(zhuǎn)移方與知識(shí)接收方間不是簡單的相互依存關(guān)系而是相互影響[38]。不難發(fā)現(xiàn)，隱性知識(shí)轉(zhuǎn)移過程與顯性知識(shí)轉(zhuǎn)移過程存在顯著不同。在顯性知識(shí)轉(zhuǎn)移過程中，顯性知識(shí)單向線性地從高知識(shí)存量主體向低知識(shí)存量主體轉(zhuǎn)移，知識(shí)接收方的知識(shí)存量會(huì)增加，知識(shí)發(fā)出方的知識(shí)存量并沒有減少而是保持不變。隱性知識(shí)轉(zhuǎn)移過程中則存在大量的自我迭代、正負(fù)反饋以及循環(huán)因果等非線性過程，說明隱性知識(shí)轉(zhuǎn)移過程是一個(gè)表達(dá)與反饋相結(jié)合的雙向轉(zhuǎn)移過程，兩個(gè)主體相互交流、相互啟發(fā)、相互提升，即雙方的隱性知識(shí)存量都得到提升。因此，相較于傳統(tǒng)的知識(shí)轉(zhuǎn)移模型，蔡氏混沌模型因具有自我迭代、正負(fù)反饋以及循環(huán)因果等顯著的非線性特征，更適合隱性知識(shí)轉(zhuǎn)移過程研究。綜上，本文采用蔡氏混沌模型研究隱性知識(shí)轉(zhuǎn)移過程。

一方面，基于混沌系統(tǒng)特征對(duì)隱性知識(shí)特征進(jìn)行隱喻：①初態(tài)敏感性（Sensitive to Initial Conditions）。隱性知識(shí)難以用文字、圖像等手段進(jìn)行可視化的精準(zhǔn)表達(dá)，知識(shí)接收方會(huì)依據(jù)自身掌握的知識(shí)基礎(chǔ)對(duì)隱性知識(shí)進(jìn)行篩選和過濾，因此隱性知識(shí)初始條件的微小差異在傳遞和迭代過程中會(huì)被無限放大進(jìn)而產(chǎn)生巨大差異，正所謂“差之毫厘，謬以千里”，隱性知識(shí)轉(zhuǎn)移對(duì)初始狀態(tài)具有極強(qiáng)的敏感性；②臨界性（Boundedness）。隱形知識(shí)轉(zhuǎn)移的運(yùn)動(dòng)軌道是稠密且復(fù)雜的，由于是在兩個(gè)主體間相互轉(zhuǎn)移，隱性知識(shí)的轉(zhuǎn)移軌道也會(huì)呈現(xiàn)出周期性，但始終限定在一個(gè)確定范圍內(nèi)，表現(xiàn)出一定邊界性，說明隱性知識(shí)轉(zhuǎn)移過程具有混沌特征；③分形維（Fractal Dimension）。隱性知識(shí)轉(zhuǎn)移是一個(gè)非線性過程，具有內(nèi)在隨機(jī)性，雖然知識(shí)發(fā)出方輸入的隱性知識(shí)確定，但受到非線性傳遞過程中狀態(tài)不確定性的影響，隱性知識(shí)在知識(shí)接收方接收時(shí)是不確定的，即隱性知識(shí)轉(zhuǎn)移具有拓?fù)浠旌闲?，從局部看，隱形知識(shí)轉(zhuǎn)移過程是不穩(wěn)定的，轉(zhuǎn)移過程類似于一個(gè)未知的“黑箱”；從整體上分析隱性知識(shí)轉(zhuǎn)移規(guī)律，即通過“黑箱”的輸入和輸出分析未知的轉(zhuǎn)移過程，其又具有穩(wěn)定性并表現(xiàn)出混沌特征。

另一方面，在相互作用層面上兩個(gè)主體間的內(nèi)隱性作用力與兩個(gè)主體隱性知識(shí)存量成正比，與兩個(gè)主體間距離成反比。這是因?yàn)榫嚯x越遠(yuǎn)，阻力越大，兩個(gè)知識(shí)主體間的知識(shí)作用也越弱。在知識(shí)存儲(chǔ)方面，隱性知識(shí)可以作為一種內(nèi)隱性存在存儲(chǔ)于主體中；在轉(zhuǎn)移流向方面，與顯性知識(shí)不同，隱性知識(shí)不會(huì)單向地從高知識(shí)存量主體轉(zhuǎn)移至低知識(shí)存量主體，其轉(zhuǎn)移過程更多是一種經(jīng)驗(yàn)的表達(dá)與反饋，表現(xiàn)為隱性知識(shí)在兩個(gè)主體間交流互動(dòng)，是一個(gè)雙向轉(zhuǎn)移過程。電荷與隱性知識(shí)的類比分析見表1。

2? 蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型構(gòu)建與推導(dǎo)

2.1? 蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型構(gòu)建

基于馮斯波（2003）、魏鋼焰（2007）、韓蓉（2013）、吳小桔（2017）等的研究以及隱性知識(shí)轉(zhuǎn)移過程的隱喻分析，可知隱性知識(shí)轉(zhuǎn)移過程與顯性知識(shí)轉(zhuǎn)移過程存在顯著不同。隱性知識(shí)轉(zhuǎn)移過程中存在大量的自我迭代、正負(fù)反饋以及循環(huán)因果等非線性過程，即隱性知識(shí)轉(zhuǎn)移過程是一個(gè)表達(dá)與反饋相結(jié)合的雙向轉(zhuǎn)移過程。構(gòu)建蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型旨在對(duì)隱性知識(shí)轉(zhuǎn)移過程進(jìn)行更形象的仿真研究。基于隱性知識(shí)的隱喻分析，提出構(gòu)建蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型的前提條件：①兩個(gè)隱性知識(shí)主體的隱性知識(shí)存量存在顯著差異；②隱性知識(shí)在知識(shí)主體間的轉(zhuǎn)移受到轉(zhuǎn)移阻力的影響；③隱性知識(shí)在知識(shí)主體間的轉(zhuǎn)移過程受到固定干擾和隨機(jī)干擾的影響。

兩個(gè)主體間的內(nèi)隱性作用力與兩個(gè)主體的隱性知識(shí)存量正相關(guān)，與兩個(gè)主體間的距離負(fù)相關(guān)，這是因?yàn)榫嚯x越遠(yuǎn)，阻力越大，兩個(gè)知識(shí)主體之間的相互作用也越弱。變量定義如表2所示。

根據(jù)Coulomb定律的向量形式，結(jié)合隱性知識(shí)特點(diǎn)，本文構(gòu)建隱性知識(shí)存儲(chǔ)點(diǎn)TK1對(duì)隱性知識(shí)存儲(chǔ)點(diǎn)TK2的作用力TKF的方程，如式（1）所示。

TKF=14πε0TKS1TKS2TKSD1－TKSD2TKSD1－TKSD23 （1）

根據(jù)Kirchhoff定律，結(jié)合隱性知識(shí)雙向非線性轉(zhuǎn)移特征，構(gòu)建蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型。其中，隱性知識(shí)存量（TKS）、隱性知識(shí)轉(zhuǎn)移阻力（Tacit Knowledge Transfer Resistance簡寫為TKTR）關(guān)系滿足方程（2）和方程（3）。

dTKS1dt=1TKTRTKS2－TKS1－fTKS1TKSA1dTKS2dt=1TKTRTKS1－TKS2+FTKTFDTKSA2dFTKTFDdt=－TKS2TKTFD （2）

f（TKS1）=TKTCbS1+12（TKTCa－TKTCb）×（|TKS1+TKLD|－|TKS1－TKELD|） （3）

具體分析分段函數(shù)fTKS1，其中，隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)項(xiàng)（Tacit Knowledge Transfer Random Disturbance）的特性曲線具有分段函數(shù)特征，可以歸納為式（4）。

f（TKS1）=TKTCbTKS1+TKLDTKTCa－TKTCbTKS1>TKLDTKTCaTKS1－TKLD≤TKS1≤TKLDTKTCbTKS1+TKLDTKTCa－TKTCbTKS1<－TKLD （4）

式中：FTKT表示隱性知識(shí)轉(zhuǎn)移通量（Flux of Tacit Knowledge Transfer），即單位時(shí)間內(nèi)轉(zhuǎn)移的隱性知識(shí)量；TKSA表示隱性知識(shí)存儲(chǔ)能力（Tacit Knowledge Storage Ability），即知識(shí)主體的隱性知識(shí)存儲(chǔ)能力；TKTFD表示隱性知識(shí)轉(zhuǎn)移的固定擾動(dòng)（Tacit Knowledge Transfer Fixed Disturbance），即隱性知識(shí)在兩個(gè)知識(shí)主體間轉(zhuǎn)移時(shí)受到的固定干擾；TKTC表示隱性知識(shí)轉(zhuǎn)移導(dǎo)通（Tacit Knowledge Transfer Conductance），即隱性知識(shí)轉(zhuǎn)移阻力的倒數(shù)；TKLD表示隱性知識(shí)動(dòng)勢（Tacit Knowledge Level Difference），即隱性知識(shí)轉(zhuǎn)移過程中克服轉(zhuǎn)移阻力的趨勢。

為了實(shí)現(xiàn)無量綱化，作如式（5）所示的變量代換。

x=TKS1TKLD，y=TKS2TKLD，z=FTKTFDTKLD（TKTG）α=TKSA2TKSA1，β=TKSA2TKTFD（TKTC）2a=TKTCaTKTC，b=TKTCbTKTCτ=tTKTCTKSA2 （5）

無量綱處理后的蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型方程如式（6）（7）所示。

dxdτ=α［y－x－f（x）］dydτ=x－y－zdzdτ=－βy （6）

其中，

f（x）=bx+a－bx>1ax－1≤x≤1bx－a+bx<－1 （7）

2.2? 平衡點(diǎn)及穩(wěn)定性分析

觀察式（2）—式（4），不難發(fā)現(xiàn)，隱性知識(shí)蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型的非線性項(xiàng)實(shí)質(zhì)是一個(gè)分段函數(shù)，因此可將蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型劃分成一組獨(dú)立的仿射區(qū)域即可進(jìn)行仿射變換（Affine Transformation）。仿射變換（又稱仿射映射）是指在幾何中對(duì)一個(gè)向量空間進(jìn)行一次線性變換并進(jìn)行一個(gè)平移，變換為另一個(gè)向量空間。

將無量綱處理后的蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型轉(zhuǎn)換為線性矩陣形式，當(dāng)蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型平移時(shí)如式（8）所示。

X=x·y·z·=－αα01－110－β0xyz－αf（x）00=0 （8）

分段函數(shù)式（7）可表示為：

f（x）=bx+12（a－b）［|x+1|－|x－1|］ （9）

利用式（8）和式（9），將蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型分解成3個(gè)不同的仿射區(qū)域（D1、D0、D－1），如式（10）所示。

D1={（x，y，z）∣x>1}D0={（x，y，z）∣－1≤x≤1}D－1={（x，y，z）∣x<－1} （10）

在這個(gè)三維空間中劃分出一個(gè)仿射區(qū)域與另一個(gè)仿射區(qū)域的平面，為由x=1分割D1與D0的平面U1和由x=－1分割D0與D－1的平面U－1。

U1=D1∩D0={（x，y，z）∣x=1}U－1=D0∩D－1={（x，y，z）∣x=－1} （11）

獲得平衡點(diǎn)的方程組，如式（12）所示。

x+f（x）=0y=0x+z=0 （12）

在3個(gè)仿射區(qū)域D1、D0、D－1中，蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型都有唯一的平衡點(diǎn)P+，0，P－，即可設(shè)：

P+=（k，0，－k）∈D10=0，0，0∈D0P－=（－k，0，k）∈D－1 （13）

其中，k=b－ab+1（14）

再令K=（k，0，－k）T，可將式（8）中的X矩陣改寫為如下形式：

X·=J（X－K）X∈D1JXX∈D0J（X+K）X∈D－1 （15）

將式（6）無量綱處理后，蔡氏混沌隱性知識(shí)轉(zhuǎn)移方程在平衡點(diǎn)處線性化，得到如式（16）所示的Jacobi矩陣。

J=－α（1+c）α01－110－β0（0，P+，P－） （16）

其中，在仿射區(qū)域D0中（即|x|≤1時(shí)）c=a，而在仿射區(qū)域D1與D－1中（即|x|≤1時(shí)）c=b。

顯然，Jacobi矩陣的特征方程為：

f（λ）=|λE－J|=βα（1+c）+（β+αc）λ+［1+α（1+c）］λ2+λ3 （17）

根據(jù)Routh-Hurwitz Crierion判據(jù)，當(dāng)式（17）滿足時(shí)，即可設(shè)：

1+α（1+c）1αβ（1+c）β+αc>0 （18）

3個(gè)仿射區(qū)域中，J特征值的實(shí)部為負(fù)，此時(shí)平衡點(diǎn)漸進(jìn)穩(wěn)定，隱性知識(shí)轉(zhuǎn)移過程不發(fā)生振蕩。若保證ab＜0，P+、P－存在且位于對(duì)應(yīng)的D1∪ D－1中，當(dāng)a、b中的一個(gè)參數(shù)發(fā)生變化時(shí)，平衡點(diǎn)性質(zhì)就會(huì)改變。當(dāng)平衡點(diǎn)由穩(wěn)定變成不穩(wěn)定且在平衡點(diǎn)附近出現(xiàn)極限環(huán)時(shí)，即發(fā)生了Hopf分岔，此時(shí)隱性知識(shí)轉(zhuǎn)移過程的參數(shù)α、β、c滿足以下條件：

1+α（1+c）1αβ（1+c）β+αc=0 （19）

2.3? 混沌動(dòng)力學(xué)分析

在非線性動(dòng)力學(xué)層面上分析隱性知識(shí)轉(zhuǎn)移過程，從相空間角度分析問題，耗散系統(tǒng)的一個(gè)重要特征就是在系統(tǒng)演化過程中出現(xiàn)體積收縮。蔡氏混沌隱性知識(shí)轉(zhuǎn)移流的散度為：

V=x·x+y·y+z·z=－α（1+c）－1 （20）

Lyapunov指數(shù)是判斷系統(tǒng)混沌現(xiàn)象的最常見方法。它能夠定量描述動(dòng)力系統(tǒng)在相空間中相鄰軌道的發(fā)散程度。若動(dòng)力系統(tǒng)在一定區(qū)域內(nèi)的第1個(gè)Lyapunov指數(shù)λ1>0，則動(dòng)力系統(tǒng)在這個(gè)區(qū)域內(nèi)就會(huì)出現(xiàn)混沌現(xiàn)象，并且對(duì)初值敏感。蔡氏混沌隱性知識(shí)轉(zhuǎn)移的Lyapunov維數(shù)為：

DL=j+1λj+1∑ji=1λi=2+λ1+λ2λ3 （21）

3? 蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型仿真分析

3.1? 影響因素分析

知識(shí)主體間的隱性知識(shí)轉(zhuǎn)移，不僅是一個(gè)隱性知識(shí)傳遞過程，而且是不同隱性知識(shí)之間相互融合、升級(jí)乃至產(chǎn)生新隱性知識(shí)的過程。知識(shí)流動(dòng)過程的動(dòng)態(tài)性、復(fù)雜性決定了其效果受到多種因素影響，準(zhǔn)確識(shí)別知識(shí)流動(dòng)影響因素有助于及時(shí)趨利避害，不斷提升知識(shí)流動(dòng)的穩(wěn)定性和可持續(xù)性[39]。知識(shí)發(fā)出方的轉(zhuǎn)移意愿、轉(zhuǎn)化能力、知識(shí)接收方的吸收意愿都會(huì)影響隱性知識(shí)轉(zhuǎn)移績效[40]。隱性知識(shí)轉(zhuǎn)移的主體因素包括輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)化能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度和互動(dòng)交流程度等。轉(zhuǎn)移意愿是指知識(shí)發(fā)出方轉(zhuǎn)移隱性知識(shí)的動(dòng)機(jī)，轉(zhuǎn)移意愿的強(qiáng)烈程度代表了知識(shí)主體是否愿意消耗更多金錢、時(shí)間和精力等資源來進(jìn)行隱性知識(shí)轉(zhuǎn)移（李南，王曉蓉，2013）。當(dāng)隱性知識(shí)轉(zhuǎn)移回報(bào)大于成本時(shí)，有助于進(jìn)行知識(shí)轉(zhuǎn)移。知識(shí)發(fā)出方的轉(zhuǎn)移意識(shí)越強(qiáng)烈，其對(duì)隱性知轉(zhuǎn)移就越有利[41-42]。在轉(zhuǎn)移能力方面：隱性知識(shí)往往是主觀經(jīng)驗(yàn)或心得體會(huì)，難以表達(dá)和編碼，知識(shí)發(fā)出方的隱性知識(shí)轉(zhuǎn)移能力會(huì)影響隱性知識(shí)轉(zhuǎn)移效果[43]。隱性知識(shí)接收意愿是指知識(shí)接收方學(xué)習(xí)新知識(shí)的動(dòng)機(jī)，缺乏知識(shí)接收意愿會(huì)導(dǎo)致錯(cuò)誤接收、虛假接收、消極怠工甚至直接拒絕接收隱性知識(shí)。接收方接收意愿越強(qiáng)烈，隱性知識(shí)轉(zhuǎn)移效果越好[15]，并且積極自主的學(xué)習(xí)態(tài)度有助于激發(fā)知識(shí)接收方主動(dòng)探索、積極思考，拓展接收到的隱性知識(shí)深度和寬度，從而獲得良好的隱性知識(shí)轉(zhuǎn)移效果[42]。合作信任程度是隱性知識(shí)轉(zhuǎn)移的前提，信任有利于隱性知識(shí)轉(zhuǎn)移和流動(dòng)，進(jìn)而形成隱性知識(shí)轉(zhuǎn)移的良性循環(huán)，即知識(shí)主體雙方信任度被認(rèn)為是促成知識(shí)轉(zhuǎn)移的重要因素。互動(dòng)交流程度方面，長時(shí)間面對(duì)面交流或者長時(shí)間面對(duì)面工作及學(xué)習(xí)，易于融會(huì)貫通其他知識(shí)主體的文化、語言和習(xí)慣，也更易于理解其他知識(shí)主體的隱性知識(shí)表達(dá)形式，有利于隱性知識(shí)轉(zhuǎn)移[40]。隱性知識(shí)輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)化能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度和互動(dòng)交流程度對(duì)隱性知識(shí)轉(zhuǎn)移均有正向影響。

隱性知識(shí)轉(zhuǎn)移過程中不可避免地會(huì)出現(xiàn)噪聲和干擾，因此需要對(duì)隱性知識(shí)進(jìn)行確認(rèn)、解釋和反饋，才能保證隱性知識(shí)被準(zhǔn)確、完整地理解、吸收和轉(zhuǎn)移[15]。隱性知識(shí)轉(zhuǎn)移的客體因素包括：隱性知識(shí)復(fù)雜特性和主體間文化差異程度等。隱性知識(shí)內(nèi)隱于個(gè)體意識(shí)中，具有極強(qiáng)復(fù)雜性。通常情況下隱性知識(shí)越隱晦、越復(fù)雜，越會(huì)阻礙知識(shí)主體對(duì)隱性知識(shí)的發(fā)出和接收，即轉(zhuǎn)移越難。因此，隱性知識(shí)的復(fù)雜性會(huì)影響隱性知識(shí)轉(zhuǎn)移績效[43]。文化差異是指知識(shí)主體雙方核心價(jià)值和理念的相差度。每個(gè)知識(shí)主體都具有自己的文化背景和知識(shí)結(jié)構(gòu)，形成的隱性知識(shí)體系也不相同。如果隱性知識(shí)轉(zhuǎn)移發(fā)生在文化背景相似的知識(shí)主體之間，二者的價(jià)值觀和行為容易得到相互認(rèn)同，隱性知識(shí)轉(zhuǎn)移就更容易發(fā)生；如果參與隱性知識(shí)轉(zhuǎn)移的知識(shí)主體的文化背景相差過大，則容易導(dǎo)致文化誤解和沖突，阻礙知識(shí)主體間的隱性知識(shí)轉(zhuǎn)移[43]。由此可見，隱性知識(shí)復(fù)雜特性和主體間文化差異對(duì)隱性知識(shí)轉(zhuǎn)移有反向影響。

綜上，本文將隱性知識(shí)轉(zhuǎn)移過程中的影響因素分為三大類，即對(duì)應(yīng)主體因素的隱性知識(shí)轉(zhuǎn)移阻力（TKTR）、對(duì)應(yīng)客體因素的隱性知識(shí)轉(zhuǎn)移固定擾動(dòng)（TKTFD）和對(duì)應(yīng)其它因素的隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTRD），具體組成見表3。

隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTRD）其它不確定性因素——

將表3隱性知識(shí)轉(zhuǎn)移影響因素中的隱性知識(shí)轉(zhuǎn)移阻力（TKTR）寫成函數(shù)表達(dá)式，即本文構(gòu)建的隱性知識(shí)轉(zhuǎn)移阻力模型。

TKTR=ε∑e－Rwi，Rab，Rmo，Rtr，Rco （22）

其中，ε為放大系數(shù)，取為103，影響因素Rwi、Rab、Rmo、Rtr、Rco∈（0，+∞）。

隱性知識(shí)在主體Φ與主體Ω之間受隱性知識(shí)轉(zhuǎn)移阻力（TKTR）的影響，隱性知識(shí)轉(zhuǎn)移固定擾動(dòng)（TKTFD）與隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTRD）之間的混沌轉(zhuǎn)移模型如圖1所示。

影響隱性知識(shí)轉(zhuǎn)移的因素有三類，即隱性知識(shí)轉(zhuǎn)移阻力（TKTR）、隱性知識(shí)轉(zhuǎn)移固定擾動(dòng)（TKTFD）和隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTRD）。隱性知識(shí)轉(zhuǎn)移阻力（TKTR）是關(guān)鍵因素，由輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度5個(gè)要素組成。主體間行為與關(guān)系顯著影響隱性知識(shí)轉(zhuǎn)移效果。隱性知識(shí)轉(zhuǎn)移固定擾動(dòng)（TKTFD）和隱性知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTR）通過間接的外部作用影響主體間隱性知識(shí)轉(zhuǎn)移。任何因素的微小變化都可能對(duì)隱性知識(shí)轉(zhuǎn)移系統(tǒng)產(chǎn)生較大影響，這也是混沌的特征之一即初始條件敏感性。

3.2? 仿真結(jié)果分析

本文設(shè)定主體Ω的隱性知識(shí)存量與主體Φ的知識(shí)存量存在明顯差異，即至少相差一個(gè)數(shù)量級(jí)[44]，通常是10倍的差異[45]，此處取值為TKSΦ=10，TKSΩ=100。隱性知識(shí)轉(zhuǎn)移固定擾動(dòng)（TKTFD）取固定值，在非線性物理學(xué)中蔡氏混沌現(xiàn)象產(chǎn)生通常取值15～20之間[46]，這里選定平均值并向上取整為TKTFD=18;知識(shí)轉(zhuǎn)移隨機(jī)擾動(dòng)（TKTRD）隨時(shí)間變化，無需進(jìn)行參數(shù)設(shè)定。通過研究輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度變化的共同作用即隱性知識(shí)轉(zhuǎn)移阻力（TKTR）變化對(duì)隱性知識(shí)轉(zhuǎn)移系統(tǒng)的影響，TKTR的取值范圍等同于式（22）的取值范圍。知識(shí)主體關(guān)系可分為競爭與合作，兩種關(guān)系相對(duì)強(qiáng)弱程度的變化以及不同組合又會(huì)形成多種知識(shí)主體關(guān)系。本文將兩個(gè)知識(shí)主體之間合作與競爭平衡關(guān)系的取值范圍設(shè)定為1～1.2。當(dāng)取值大于1.2時(shí)，為合作占據(jù)主導(dǎo)位置即合作大于競爭，數(shù)值越大表示合作性關(guān)系越顯著、競爭性關(guān)系越弱；當(dāng)取值達(dá)到正無窮時(shí)，兩個(gè)知識(shí)主體之間將形成極具理想化的主體關(guān)系即兼并重組為一個(gè)主體；當(dāng)取值在0.8～1時(shí)，競爭占據(jù)主導(dǎo)位置即競爭大于合作，此時(shí)數(shù)值越小表示競爭性關(guān)系越顯著而合作性關(guān)系越弱；當(dāng)取值小于0.8時(shí)，即認(rèn)為兩個(gè)知識(shí)主體間只存在競爭而不存在合作，形成一種完全敵對(duì)的關(guān)系。將輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度的適值1，1.2設(shè)定為主體之間為合作競爭關(guān)系，即主體間處于合作競爭平衡狀態(tài)點(diǎn)。若知識(shí)主體間競爭加劇、合作減弱，則數(shù)值落于較低的取值范圍0.8，1并對(duì)應(yīng)競爭關(guān)系；若知識(shí)主體間合作加強(qiáng)、競爭減弱，則數(shù)值提高到較高的取值范圍［1.2，+∞）并對(duì)應(yīng)合作伙伴關(guān)系。同時(shí)，本文也討論了取值范圍為0，0.8和趨于正無窮的情況，它們分別對(duì)應(yīng)主體間完全競爭和完全合作。針對(duì)蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型，使用Multisim14.0軟件進(jìn)行仿真，帶入取值范圍并根據(jù)方程（2）、方程（6）、方程（19）和方程（22），可分別得到如下仿真結(jié)果。

3.2.1? 隱性知識(shí)轉(zhuǎn)移全阻力類型

當(dāng)Rwi、Rab、Rmo、Rtr、Rco∈（0，0.8）時(shí)，兩個(gè)隱性知識(shí)轉(zhuǎn)移主體間存在完全競爭關(guān)系，屬于單一態(tài)情形。此時(shí)由于阻力過大，兩個(gè)主體間的隱性知識(shí)轉(zhuǎn)移路徑被完全切斷。在知識(shí)轉(zhuǎn)移過程中，輸出方轉(zhuǎn)移意愿極弱、轉(zhuǎn)移能力極低，接收方吸收動(dòng)機(jī)也極弱，合作信任強(qiáng)度極低，互動(dòng)交流程度也極低。將5個(gè)阻力因素的極低取值范圍代入式（22），運(yùn)算可得隱性知識(shí)轉(zhuǎn)移阻力趨于極高的取值范圍，即TKTR∈（2 245，5 000）。在知識(shí)主體Φ與知識(shí)主體Ω之間，因隱性知識(shí)無法繼續(xù)轉(zhuǎn)移而呈現(xiàn)停滯狀態(tài)，如圖2所示。在停滯型情景下知識(shí)主體間對(duì)應(yīng)為敵對(duì)關(guān)系，不進(jìn)行隱性知識(shí)轉(zhuǎn)移[47]。

3.2.2? 隱性知識(shí)轉(zhuǎn)移高阻力類型

當(dāng)Rwi、Rab、Rmo、Rtr、Rco∈［0.8，1）時(shí)，兩個(gè)隱性知識(shí)轉(zhuǎn)移主體間處于競爭對(duì)手關(guān)系，屬于陣發(fā)混沌態(tài)情形。在兩個(gè)主體的知識(shí)轉(zhuǎn)移過程中，輸出方轉(zhuǎn)移意愿較弱、轉(zhuǎn)移能力適中，接收方吸收動(dòng)機(jī)較弱，雙方的合作信任強(qiáng)度較低，互動(dòng)交流程度也較低。將5個(gè)阻力因素較低的取值范圍代入式（22），運(yùn)算可得隱性知識(shí)轉(zhuǎn)移阻力較高的取值范圍，即TKTR∈（1 840，2 245］。主體Φ與主體Ω之間的轉(zhuǎn)移路徑發(fā)生Hopf分岔，呈現(xiàn)為單渦旋洛斯勒吸引子形式，如圖3所示。

在洛斯勒吸引子型情境下，兩個(gè)主體間的競爭關(guān)系明顯強(qiáng)于合作關(guān)系，隱性知識(shí)轉(zhuǎn)移效果不佳。作為隱性知識(shí)轉(zhuǎn)移主體，首先考慮的是努力在混沌態(tài)中尋求新路徑，實(shí)現(xiàn)由高隱性知識(shí)轉(zhuǎn)移阻力到低隱性知識(shí)轉(zhuǎn)移阻力的情景轉(zhuǎn)換，即將主體關(guān)系調(diào)整為合作關(guān)系大于或等于競爭關(guān)系。若無法進(jìn)行由高隱性知識(shí)轉(zhuǎn)移阻力到低隱性知識(shí)轉(zhuǎn)移阻力的情景轉(zhuǎn)換，該主體可在能力范圍內(nèi)提高隱性知識(shí)的傳遞質(zhì)量與傳遞價(jià)值，使得主體間隱性知識(shí)轉(zhuǎn)移效果得到提升。事實(shí)上，合理的利益分配與激勵(lì)是知識(shí)主體雙方進(jìn)行隱性知識(shí)轉(zhuǎn)移和共享的主觀驅(qū)動(dòng)力。設(shè)計(jì)一個(gè)兼顧知識(shí)主體獨(dú)特性與未來業(yè)績的短期薪酬激勵(lì)和長期股權(quán)激勵(lì)方案，有助于驅(qū)動(dòng)知識(shí)主體間的隱性知識(shí)轉(zhuǎn)移[48]。公平合理的利益分配有助于從外部激發(fā)知識(shí)主體的隱性知識(shí)轉(zhuǎn)移意愿，進(jìn)而促進(jìn)隱性知識(shí)轉(zhuǎn)移。

3.2.3? 隱性知識(shí)轉(zhuǎn)移中阻力類型

當(dāng)Rwi、Rab、Rmo、Rtr、Rco∈［1，1.2）時(shí)，兩個(gè)隱性知識(shí)轉(zhuǎn)移主體處于合作競爭關(guān)系中，屬于混沌雙吸引子態(tài)情形。在兩個(gè)主體的知識(shí)轉(zhuǎn)移過程中，輸出方轉(zhuǎn)移意愿適中、轉(zhuǎn)移能力適中，接收方吸收動(dòng)機(jī)適中，雙方合作信任強(qiáng)度適中、互動(dòng)交流程度適中。將5個(gè)阻力因素的適中取值范圍代入式（22），運(yùn)算可得隱性知識(shí)轉(zhuǎn)移阻力的適中取值范圍，即TKTR∈（1 505，1 840］。此時(shí)，知識(shí)主體Φ與知識(shí)主體Ω間的轉(zhuǎn)移路徑呈現(xiàn)為混沌狀態(tài)中的雙吸引子形式，可以理解為亂中有序狀態(tài)，如圖4所示。

在雙吸引子型情景下，兩個(gè)主體間的合作關(guān)系略強(qiáng)于競爭關(guān)系，處于一種亂中有序狀態(tài)，隱性知識(shí)也可較為流暢地在兩個(gè)主體間轉(zhuǎn)移。在此情景下知識(shí)主體間保持穩(wěn)定和信任是關(guān)鍵，這是在混沌與有序狀態(tài)中實(shí)現(xiàn)隱性知識(shí)轉(zhuǎn)移的前提。隱性知識(shí)通過不同主體間的溝通和互動(dòng)形成知識(shí)轉(zhuǎn)移與擴(kuò)散，是一個(gè)反復(fù)且螺旋上升的過程[49]。事實(shí)上，基于混沌理論中的正反饋（Positive Feedback）與負(fù)反饋（Negative Feedback）機(jī)制實(shí)現(xiàn)混沌同步（Chaos Synchronization）及混沌控制（Control of Chaos），這是促進(jìn)混沌與有序結(jié)合的關(guān)鍵方法之一。在企業(yè)管理實(shí)踐中，通常采用正激勵(lì)或負(fù)激勵(lì)手段對(duì)戰(zhàn)略協(xié)同系統(tǒng)進(jìn)行調(diào)節(jié)。通過適當(dāng)調(diào)整和混沌控制，雙吸引子型隱性知識(shí)轉(zhuǎn)移模型也可成為較為高效高質(zhì)的隱性知識(shí)轉(zhuǎn)移模型。

3.2.4? 隱性知識(shí)轉(zhuǎn)移低阻力類型

當(dāng)Rwi、Rab、Rmo、Rtr、Rco∈［1.2，+∞）時(shí)，兩個(gè)隱性知識(shí)轉(zhuǎn)移主體處于合作伙伴關(guān)系，并屬于周期態(tài)情形。在兩個(gè)主體間的知識(shí)轉(zhuǎn)移過程中，輸出方轉(zhuǎn)移意愿較強(qiáng)、轉(zhuǎn)移能力較高，接收方吸收動(dòng)機(jī)較強(qiáng)，因此合作信任強(qiáng)度較高、互動(dòng)交流程度也較高。將5個(gè)阻力因素的較高取值范圍代入式（22），運(yùn)算可得隱性知識(shí)轉(zhuǎn)移阻力的較低取值范圍，即TKTR∈（0，1 505］?？梢钥吹?，為了克服阻力作用，在固定擾動(dòng)和隨機(jī)擾動(dòng)的影響下，隱性知識(shí)轉(zhuǎn)移路徑發(fā)生彎曲和分離。此時(shí)，因隱性知識(shí)轉(zhuǎn)移阻力較小，主體Φ與主體Ω之間的轉(zhuǎn)移路徑呈現(xiàn)為極限環(huán)形式，如圖5所示。

在極限環(huán)型情景下，兩個(gè)主體間的合作關(guān)系強(qiáng)于競爭關(guān)系，這也是比較常見的主體關(guān)系。兩個(gè)主體間隱性知識(shí)轉(zhuǎn)移路徑的彎曲和分離呈現(xiàn)出非線性的復(fù)雜形態(tài)。知識(shí)主體可以通過增強(qiáng)連接關(guān)系來應(yīng)對(duì)這種情景，如知識(shí)發(fā)出方可以在隱性知識(shí)轉(zhuǎn)移前進(jìn)行準(zhǔn)備工作，降低隱性知識(shí)復(fù)雜程度以便于接收方理解，調(diào)整隱性知識(shí)轉(zhuǎn)移阻力到合理范圍內(nèi)以提高隱性知識(shí)轉(zhuǎn)移效果。同時(shí)，在知識(shí)主體間營造良好的共享氛圍、提高雙方信任度，有利于增強(qiáng)雙方隱性知識(shí)共享意愿，形成穩(wěn)定的合作關(guān)系，進(jìn)一步提高隱性知識(shí)共享協(xié)同增效價(jià)值（蘇佳坤等，2020）。知識(shí)主體還可以通過舉辦產(chǎn)品展覽會(huì)或知識(shí)交流分享會(huì)促進(jìn)了解、增加信任，也可通過舉辦相關(guān)參觀與知識(shí)競賽活動(dòng)，推動(dòng)知識(shí)主體內(nèi)部形成良好的學(xué)習(xí)氛圍。知識(shí)主體雙方可以通過建立更多的面對(duì)面交流平臺(tái)提高主體間交流頻度，利用在線會(huì)議推動(dòng)知識(shí)共享服務(wù)線上平臺(tái)建設(shè)[50]。知識(shí)主體通過建立學(xué)習(xí)型組織以及搭建更為便捷高效的交流平臺(tái)，將隱性知識(shí)轉(zhuǎn)移阻力調(diào)整至合理范圍內(nèi)，促進(jìn)隱性知識(shí)轉(zhuǎn)移效果提高。

3.2.5? 隱性知識(shí)轉(zhuǎn)移零阻力類型

當(dāng)Rwi、Rab、Rmo、Rtr、Rco→∞時(shí)，兩個(gè)隱性知識(shí)轉(zhuǎn)移主體間處于完全合作關(guān)系，甚至可兼并重組為一個(gè)知識(shí)主體，屬于單一態(tài)情形。在兩個(gè)主體的知識(shí)轉(zhuǎn)移過程中，輸出方轉(zhuǎn)移意愿極強(qiáng)、轉(zhuǎn)移能力極高，接收方吸收動(dòng)機(jī)極強(qiáng)，因此合作信任強(qiáng)度極高，互動(dòng)交流程度也極高，5個(gè)阻力因素的取值均趨于正無窮，且隱性知識(shí)轉(zhuǎn)移阻力趨于零，即TKTR→0。隱性知識(shí)在主體Φ與主體Ω之間的轉(zhuǎn)移路徑極為順暢，呈現(xiàn)為直線型轉(zhuǎn)移方式，如圖6所示。

在直線型情景下，兩個(gè)主體只存在合作關(guān)系、不存在競爭關(guān)系。在無其它因素干擾的情形下，這是理想化的主體關(guān)系，兩個(gè)主體間的隱性知識(shí)轉(zhuǎn)移極為流暢即呈現(xiàn)線性形態(tài)，但因?yàn)檫@種情景過于理想化，在現(xiàn)實(shí)中極為罕見。

4? 結(jié)論

本文在總結(jié)其他學(xué)者研究的基礎(chǔ)上，結(jié)合混沌理論，構(gòu)建了蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型，并通過Multisim14.0軟件進(jìn)行仿真分析，探究了兩個(gè)知識(shí)主體間輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度變化即隱性知識(shí)轉(zhuǎn)移阻力變化對(duì)轉(zhuǎn)移效果的影響。得出以下結(jié)論：首先，隱性知識(shí)在兩個(gè)主體間轉(zhuǎn)移會(huì)顯著受到阻力的影響，微小的阻力變化有可能帶來隱性知識(shí)轉(zhuǎn)移類型的巨大變化，這也是混沌的特征之一，即系統(tǒng)整體對(duì)初始值極為敏感。在使用Multism14.0進(jìn)行可視化仿真后，觀察發(fā)現(xiàn)，隨著輸出方轉(zhuǎn)移意愿、輸出方轉(zhuǎn)移能力、接收方吸收動(dòng)機(jī)、合作信任強(qiáng)度、互動(dòng)交流程度的變化（轉(zhuǎn)移阻力TKTR的變化），隱性知識(shí)轉(zhuǎn)移呈現(xiàn)出隱性知識(shí)轉(zhuǎn)移全阻力類型、隱性知識(shí)轉(zhuǎn)移高阻力類型、隱性知識(shí)轉(zhuǎn)移中阻力類型、隱性知識(shí)轉(zhuǎn)移低阻力類型、隱性知識(shí)轉(zhuǎn)移零阻力類型5種類型。知識(shí)主體雙方可以從內(nèi)外部激勵(lì)、營造學(xué)習(xí)型組織文化氛圍、構(gòu)建面對(duì)面交流平臺(tái)方面調(diào)整隱性知識(shí)轉(zhuǎn)移阻力，提高隱性知識(shí)轉(zhuǎn)移效果。

在現(xiàn)實(shí)汽車制造業(yè)中，有兩家公司的發(fā)展歷程較為符合蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型，即J公司與L公司，它們分別在20世紀(jì)20年代和20世紀(jì)40年代創(chuàng)立于英國。通常汽車由發(fā)動(dòng)機(jī)、底盤、車身和電氣設(shè)備4個(gè)基本部分組成，其中，發(fā)動(dòng)機(jī)、底盤和電氣設(shè)備三部分屬于顯性知識(shí)，而車身外觀設(shè)計(jì)和內(nèi)飾設(shè)計(jì)屬于隱性知識(shí)。

第一，自公司創(chuàng)立至1990年，為隱形知識(shí)轉(zhuǎn)移全阻力類型階段，在此期間，兩家公司屬于完全競爭關(guān)系，公司間隱性知識(shí)轉(zhuǎn)移意愿極小、轉(zhuǎn)移能力極低、吸收動(dòng)機(jī)極弱，因此合作信任強(qiáng)度極低，互動(dòng)交流程度也極低，幾乎沒有顯性知識(shí)轉(zhuǎn)移，更不用說隱性知識(shí)轉(zhuǎn)移。

第二，1990-2000年為隱性知識(shí)轉(zhuǎn)移高阻力類型階段。J公司于20世紀(jì)90年代被美國F集團(tuán)收購，成為F集團(tuán)的子公司，而L公司被德國B集團(tuán)收購，成為B集團(tuán)的子公司，因F集團(tuán)與B集團(tuán)有少量技術(shù)合作，J公司與L公司處于競爭對(duì)手關(guān)系（競爭大于合作），即J公司與L公司之間隱性知識(shí)轉(zhuǎn)移意愿較弱，轉(zhuǎn)移能力適中，吸收動(dòng)機(jī)較弱，合作信任強(qiáng)度較低，互動(dòng)交流程度也較低。此時(shí)，J公司與L公司之間隱性知識(shí)轉(zhuǎn)移效果較差，只有底盤部分技術(shù)作為顯性知識(shí)轉(zhuǎn)移，車身設(shè)計(jì)等隱性知識(shí)轉(zhuǎn)移較少，轉(zhuǎn)移效果較差。十年間J公司從未盈利，并陷入財(cái)務(wù)危機(jī)。

第三，2000—2008年為隱性知識(shí)轉(zhuǎn)移中阻力類型階段。21世紀(jì)初L公司被德國B集團(tuán)出售給美國F集團(tuán)，此時(shí)J公司與L公司同屬美國F集團(tuán)，在F集團(tuán)的指示下二者在英國考文垂設(shè)立聯(lián)合工程中心，共享技術(shù)研發(fā)成果，共同設(shè)計(jì)新發(fā)動(dòng)機(jī)。在此期間，J公司與L公司處于合作競爭關(guān)系（競爭與合作平衡），J公司與L公司之間隱性知識(shí)轉(zhuǎn)移意愿也適中，轉(zhuǎn)移能力適中，吸收動(dòng)機(jī)適中，合作信任強(qiáng)度適中，互動(dòng)交流程度適中，隱性知識(shí)能較為流暢地在J公司與L公司之間進(jìn)行轉(zhuǎn)移。2005年，L公司使用與J聯(lián)合研發(fā)的 J-V8發(fā)動(dòng)機(jī)取代了原B集團(tuán)的M62 V8發(fā)動(dòng)機(jī)。在J公司與L公司聯(lián)合研發(fā)發(fā)動(dòng)機(jī)過程中，由于底盤相關(guān)制造零部件通用，使得制造成本下降，同時(shí)，在車身內(nèi)飾與外觀設(shè)計(jì)等方面也有相關(guān)交流，即發(fā)生隱性知識(shí)轉(zhuǎn)移，伴隨而來的是，J公司與L公司銷量提升，并在2007年突破400萬輛。

第四，2008—2013年為隱性知識(shí)轉(zhuǎn)移低阻力類型階段。2008年，J公司與L公司同時(shí)被美國F集團(tuán)出售給印度T集團(tuán)，J公司與L公司屬于合作伙伴關(guān)系，此時(shí)J公司與L公司之間的隱性知識(shí)轉(zhuǎn)移意愿較強(qiáng)，轉(zhuǎn)移能力較高，吸收動(dòng)機(jī)較強(qiáng)，合作信任度較高，互動(dòng)交流程度也較高，J公司與L公司之間的隱形知識(shí)轉(zhuǎn)移非常流暢，并在發(fā)動(dòng)機(jī)技術(shù)、底盤技術(shù)結(jié)構(gòu)和電子設(shè)備等方面完全共享技術(shù)，在車身外部設(shè)計(jì)和內(nèi)飾設(shè)計(jì)等隱性知識(shí)方面也具有較高相似性。此時(shí)，J公司與L公司銷量進(jìn)一步提升。

第五，2013年至今，為隱性知識(shí)轉(zhuǎn)移零阻力類型階段。2013年，J公司與L公司合并為JLR公司并完全共享技術(shù)與設(shè)計(jì)師。J公司與L公司屬于完全合作關(guān)系（合并為同一公司），J公司與L公司之間隱性知識(shí)轉(zhuǎn)移意愿極強(qiáng)，轉(zhuǎn)移能力極高，吸收動(dòng)機(jī)極強(qiáng)，合作信任強(qiáng)度極高，互動(dòng)交流程度也極高。J公司與L公司之間的隱性知識(shí)轉(zhuǎn)移極為流暢，呈現(xiàn)線性關(guān)系。在汽車四大基本組成部分，即發(fā)動(dòng)機(jī)、底盤、車身和電氣設(shè)備方面實(shí)現(xiàn)了完全共享（例如兩公司全系車型都有裝配相同的PT204和PT306發(fā)動(dòng)機(jī)），在車身外觀設(shè)計(jì)和內(nèi)飾設(shè)計(jì)等隱性知識(shí)方面（例如旋轉(zhuǎn)升降式檔把）進(jìn)行了知識(shí)轉(zhuǎn)移，設(shè)計(jì)成本進(jìn)一步降低。在此期間，J公司與L公司拿到英國政府和皇室的大量團(tuán)體訂單，銷量進(jìn)一步提高，公司發(fā)展前景光明。J公司與L公司從創(chuàng)立之初的完全對(duì)立，到成為競爭對(duì)手，再到合作競爭、成為合作伙伴，最后合并為一個(gè)公司，詮釋了本研究中蔡氏隱性知識(shí)轉(zhuǎn)移模型中的五大類型，即隱性知識(shí)轉(zhuǎn)移全阻力類型、隱性知識(shí)轉(zhuǎn)移高阻力類型、隱性知識(shí)轉(zhuǎn)移中阻力類型、隱性知識(shí)轉(zhuǎn)移低阻力類型、隱性知識(shí)轉(zhuǎn)移零阻力類型，也充分證明了隱性知識(shí)高效轉(zhuǎn)移對(duì)企業(yè)發(fā)展的重要性。

本文的貢獻(xiàn)之處在于：隱性知識(shí)轉(zhuǎn)移過程與顯性知識(shí)轉(zhuǎn)移過程存在顯著不同，其中，隱性知識(shí)轉(zhuǎn)移過程是一個(gè)表達(dá)與反饋相結(jié)合的兩個(gè)主體間相互交流、相互啟發(fā)、相互提升的雙向轉(zhuǎn)移過程。相較于傳統(tǒng)的知識(shí)轉(zhuǎn)移模型，具有自我迭代、正負(fù)反饋等顯著非線性特征的蔡氏混沌模型更為適合研究隱性知識(shí)轉(zhuǎn)移過程。本文通過構(gòu)建具有非線性特征的蔡氏混沌隱性知識(shí)轉(zhuǎn)移模型，填補(bǔ)了現(xiàn)有文獻(xiàn)中傳統(tǒng)線性知識(shí)轉(zhuǎn)移模型不適用于研究兼有表達(dá)與反饋且雙向交互隱性知識(shí)特征的轉(zhuǎn)移活動(dòng)的不足，為研究隱性知識(shí)轉(zhuǎn)移提供了新思路。本文的不足之處在于沒有選擇實(shí)例進(jìn)行實(shí)證研究，未來將進(jìn)一步予以完善。

參考文獻(xiàn)：

[1]陳懷超， 盧彥丞， 叢貞， 等. 知識(shí)型服務(wù)企業(yè)員工與客戶隱性知識(shí)共享的系統(tǒng)動(dòng)力學(xué)研究[J]. 管理評(píng)論， 2020， 32（2）： 127-138.

[2]SIEMENS W， SCHWARZER G， ROHE M S， et al. Reply to letter to the editor by Peters： knowledge transfer is the key[J].Journal of Clinical Epidemiology， 2021， 138（1）： 235-236.

[3]BABIC T， MUSA Z. Knowledge transfer through recognition and implementation of the transformational team member Role[C]//2021 44th International Convention on Information， Communication and Electronic Technology （MIPRO）. Opatija： IEEE， 2021： 765-770.

[4]DENNIS A， MICHAEL W， JOHN H. A process model of tacit knowledge transfer between sales and marketing[J].Industrial Marketing Management， 2021， 93（1）： 259-269.

[5]NARENDRA U P， PRADEEP B S， PRABHAKAR M. Externalization of tacit knowledge in a knowledge management system using chat bots[C].//2017 3rd International Conference on Science in Information Technology （ICSI Tech）. Bengaluru： Institute of Electrical and Electronics Engineers Inc， 2017： 613-617.

[6]ZHANG J H， YE J W， LI F F. Research on multi-case induced adaptation of explicit cases of tacit knowledge[J].Information Studies： Theory & Application， 2020，43（1）： 98-103.

[7]金勝勇， 杜坤. 基于過程分解的隱性知識(shí)轉(zhuǎn)移影響因素分析[J].情報(bào)理論與實(shí)踐， 2012， 35（4）： 21-24.

[8]施琴芬， 崔志明， 梁凱. 隱性知識(shí)轉(zhuǎn)移的特征與模式分析[J].自然辯證法研究， 2004，20（2）： 62-64，68.

[9]高鵬， 安立仁. 隱性知識(shí)存在性表征及其傳遞過程模型[J].科研管理， 2015， 36（11）： 131-138.

[10]RUMANTI A A， SAMADHI T M A A， WIRATMADJA I I. Impact of tacit and explicit knowledge on knowledge sharing at Indonesian small and medium enterprise[C].//2016 IEEE International Conference on Industrial Engineering and Engineering Management （IEEM）. Bali： IEEE， 2016： 11-15.

[11]PERRONOSKI F L J. Managing peer-to-peer cooperation using knowledge-based trust and encouraging the willingness to share tacit knowledge[J].Open Journal of Business and Management， 2021， 9（3）： 1246-1262.

[12]晏自翔， 卞藝杰. 隱性知識(shí)轉(zhuǎn)移匹配性分析及對(duì)策研究[J].情報(bào)理論與實(shí)踐， 2017， 40（3）： 48-52，59.

[13]HSSEINOIUN S， ABDULLAH R， JUSOH Y Y， et al. Information system success and knowledge grid integration in facilitating knowledge sharing among big data community[C]//2018 Fourth International Conference on Information Retrieval and Knowledge Management （CAMP）. Kota Kinabalu： IEEE， 2018： 1-5.

[14]CHRISTIAN S， CONSTANCE H， GIANMARIO V. Transferring knowledge by transferring individuals： innovative technology use and organizational performance in multiunit firms[J].Organization Science， 2021， 33（1）： 253-274.

[15]蔣永康， 梅強(qiáng). 基于魚骨圖和層次分析法的知識(shí)轉(zhuǎn)移粘滯影響因素研究[J].科技管理研究， 2021， 41（10）： 169-177.

[16]張建華， 李方方， 劉藝琳，等. 融合TWD與FRS的隱性知識(shí)轉(zhuǎn)移研究[J].計(jì)算機(jī)科學(xué)與探索， 2021， 16（1）： 1-10.

[17]任旭， 劉佳. 魅力型領(lǐng)導(dǎo)對(duì)項(xiàng)目團(tuán)隊(duì)內(nèi)知識(shí)轉(zhuǎn)移影響研究[J].科研管理， 2021， 42（6）： 150-158.

[18]SUZUKI S， TAKEDA S， TANIDA R， et al. Knowledge transferred fine-tuning for anti-aliased convolutional neural network in data-limited situation[C]//2021 IEEE International Conference on Image Processing. Anchorage： IEEE， 2021： 864-868.

[19]NGUYEN L T， LEE K， SHIM B. Stochasticity and skip connection improve knowledge transfer[C]//2020 28th European Signal Processing Conference （EUSIPCO）. Amsterdam： IEEE， 2021： 1537-1541.

[20]MARINHO A J， COUTO J. BIM's contribution to tacit knowledge sharing in construction projects–a systematic review[C]//2021 16th Iberian Conference on Information Systems and Technologies （CISTI）. Chaves： IEEE， 2021： 1-7.

[21]CHUGH M， BHADORIA. R S. Analysis of the Indian IT sector–investigating the role of technology for software process improvement through knowledge management[C]//2021 10th IEEE International Conference on Communication Systems and Network Technologies （CSNT）. Bhopal： IEEE， 2021： 815-820.

[22]COSTA C， PERES P. A model for knowledge management in the e-learning and innovation unit on the polytechnic of porto[C]//2021 16th Iberian Conference on Information Systems and Technologies （CISTI）. Chaves： IEEE， 2021： 1-5.

[23]MOHAMED A W， ABUTARBOUSH H F， HADI A A， et al. Gaining-sharing knowledge based algorithm with adaptive parameters for engineering optimization[J].IEEE Access， 2021， 9（1）： 65934-65946.

[24]KRULL E， SMITH P， HUSTED K. Knowledge sharing in road mapping： toward a multilevel explanation[J].IEEE Transactions on Engineering Management， 2022，69（1）： 67-80.

[25]LUCA D， ALBERTO F， ARMANDO P， et al. The role of external embeddedness and knowledge management as antecedents of ambidexterity and performances in Italian SMEs[J].IEEE Transactions on Engineering Management， 2019， 68（2）： 360-369.

[26]NAIR S R， PILLAI K G， DEMIRBAG M. Reaping benefits from knowledge transfer–the role of confidence in knowledge[J].Journal of Knowledge Management， 2021， 25（5）： 1059-1080.

[27]WIRATMADJA I I， TAHIR N. Supplier development program through knowledge sharing effectiveness： a mentorship approach[J].IEEE Access， 2021， 9： 13464-13475.

[28]AHEDO V， SANTOS J I， GALAN J M. Knowledge transfer in commercial feature extraction for the retail store location problem[J].IEEE Access， 2021， 9： 132967-132979.

[29]ROY R， SARKAR S. Knowledge transfer in the precommercialization phase of a new industry： star scientists' （im） mobility in the presence of a potential lead user[J].IEEE Transactions on Engineering Management，2023，70（10）：3373-3384.

[30]AGARWAL U A， ANANTATMULA V. Psychological safety effects on knowledge sharing in project teams[J].IEEE Transactions on Engineering Management，2023，70（11）：3876-3886.

[31]NIKOLAOS P， MARIA T， ANASTASIOS T. Probabilistic knowledge transfer for lightweight deep representation learning[J].IEEE Transactions on Neural Networks and Learning Systems， 2020， 32（5）： 2030-2039.

[32]POTLURI R M， ANJAM M. Knowledge transfer in UAE higher education institutions during Covid-19 pandemic： learners' cannot learn surgery by watching[C]//2021 2nd International Conference on Computation， Automation and Knowledge Management （ICCAKM）. Dubai： IEEE， 2021： 25-30.

[33]SAMOILA C， URSUTIU D. Correlations determined by remote experiment used for knowledge transfer[J].IEEE Transactions on Education， 2021， 64（23）： 18-23.

[34]LAKOFF G， JOHNSON M. Metaphors we live by[M].Chicago： University of Chicago press， 1980： 10.

[35]黃華新. 認(rèn)知科學(xué)視域中隱喻的表達(dá)與理解[J].中國社會(huì)科學(xué)， 2020，41（5）： 48-64，205.

[36]MADAN， RABINDER N. Chua's circuit： a paradigm for chaos[M].River Edge： World Scientific Publishing Company， 1993.

[37]MATSUMOTO， TAKASHI. A chaotic attractor from chua's circuit[J].IEEE Transactions on Circuits and Systems， 1984， 31（12）： 1055–1058.

[38]吳小桔， 吳潔， 李鵬， 等. 產(chǎn)業(yè)聯(lián)盟企業(yè)知識(shí)轉(zhuǎn)移博弈分析[J].統(tǒng)計(jì)與決策， 2017，33（4）： 180-183.

[39]董坤， 許海云， 崔斌. 知識(shí)流動(dòng)研究述評(píng)[J].情報(bào)學(xué)報(bào)， 2020， 39（10）： 1120-1132.

[40]劉春艷. 創(chuàng)意團(tuán)隊(duì)隱性知識(shí)轉(zhuǎn)移績效影響因素的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理， 2016， 35（3）： 391-402.

[41]嚴(yán)貝妮， 李宇佳. 基于認(rèn)知結(jié)構(gòu)的圖書館隱性知識(shí)轉(zhuǎn)移研究[J].情報(bào)理論與實(shí)踐， 2015， 38（10）： 89-94.

[42]盧艷秋， 孫丹丹， 趙彬. 代際知識(shí)轉(zhuǎn)移的關(guān)鍵影響因素識(shí)別研究[J].情報(bào)科學(xué)， 2020， 38（10）： 90-96.

[43]張向先， 李昆， 郭順利. 企業(yè)研發(fā)團(tuán)隊(duì)隱性知識(shí)轉(zhuǎn)移績效的影響因素及實(shí)證研究——基于知識(shí)生態(tài)的視角[J].情報(bào)理論與實(shí)踐， 2016， 39（10）： 57-64.

[44]HARDY G H， WRIGHT E M. An introduction to the theory of numbers[M].Oxford： Clarendon Press， 1979.

[45]JEFFREYS H， JEFFREYS B S. Methods of Mathematical Physics[M].Cambridge： Cambridge University Press， 1988.

[46]包伯成. 混沌電路導(dǎo)論[M].北京： 科學(xué)出版社， 2013.

[47]王向陽， 郗玉娟， 謝靜思. 基于區(qū)域創(chuàng)新系統(tǒng)的知識(shí)轉(zhuǎn)移模型研究[J].圖書情報(bào)工作， 2017， 61（17）： 13-20.

[48]李春發(fā)， 趙樂生. 激勵(lì)機(jī)制影響新創(chuàng)企業(yè)知識(shí)轉(zhuǎn)移的系統(tǒng)動(dòng)力學(xué)分析[J].科技進(jìn)步與對(duì)策， 2017， 34（13）： 128-135.

[49]馬鴻佳， 宋春華， 畢強(qiáng). 基于創(chuàng)業(yè)生態(tài)系統(tǒng)的多層級(jí)知識(shí)轉(zhuǎn)移模型研究[J].圖書情報(bào)工作， 2016， 60（14）： 16-23.

[50]張紫璇， 陳懷超， 呂妍妍. 知識(shí)異質(zhì)性對(duì)集群企業(yè)知識(shí)共享績效的影響研究——有中介的調(diào)節(jié)模型[J].軟科學(xué)， 2021， 35（10）： 79-84.

責(zé)任編輯（責(zé)任編輯：胡俊?。?/p>

英文標(biāo)題Simulation Research of Tacit Knowledge Transfer Based on Chua's Chaos

英文作者Su Yi 1， Liu Tonghe 1，Zhang Aoran2

英文作者單位（1. School of Economics and Management， Harbin Engineering University， Harbin 150001，China;2. Heilongjiang Centre for Foreign Scientific and technological cooperation， Harbin 150028，China）

英文摘要Abstract：In the era of knowledge economy， the efficient transfer of knowledge has become the key to the success of enterprises， and plays an increasingly important role in the innovation and development of enterprises. The process of knowledge transfer has become a hot issue in management research. However， scholars tend to focus on the process of explicit knowledge transfer and there is less research on the process of tacit knowledge transfer. Because the transfer process of tacit knowledge is significantly different from that of explicit knowledge which is a two-way transfer process of mutual communication， mutual inspiration and mutual promotion between the two subjects combined with expression and feedback. Addressing the issues， the research aims to study the tacit knowledge transfer by constructing Chua's chaotic tacit knowledge transfer model. The study introduces a nonlinear science paradigm for the study of tacit knowledge transfer， and provides a new research idea and method for scholars.

First of all，on the basis of the Chua's chaotic model in chaos theory and the existing literature review of tacit knowledge transfer， the Chua's chaotic tacit knowledge transfer model is constructed considering the characteristics of two-way nonlinear tacit knowledge transfer. Then the model is deduced and decomposed， and the simulation analysis is carried out by using Multisim14.0 to study the transfer rule of tacit knowledge between subjects. The research shows that firstly the transfer of tacit knowledge between two subjects is greatly affected by resistance， and the change of small resistance may bring about great changes in the type of tacit knowledge transfer， which is also one of the characteristics of Chaos， that the whole system is extremely sensitive to the initial value. Secondly according to the visual simulation by Multism14.0 ， it is observed that with the changes of the transfer willingness of the sender， the transfer ability of the sender， the absorption motivation of the receiver， the strength of cooperation and trust and the degree of interaction and communication （namely， the change of the transfer resistance TKTR）， there are five transfer types of tacit knowledge. The full resistance type of tacit knowledge transfer is that tacit knowledge cannot be transferred and shows stagnation. The high resistance type of tacit knowledge transfer is the Rossler attractor form with poor tacit knowledge transfer effect. The resistance type of tacit knowledge transfer is a double attractor form with high tacit knowledge transfer effect. The low resistance type of tacit knowledge transfer which is very smooth presents a nonlinear complexity form. The zero-resistance type of tacit knowledge transfer is a linear form which means the tacit knowledge transfer between the two subjects is super smooth. Both sides of the knowledge subject can adjust the resistance of tacit knowledge transfer from internal and external incentives， create a learning organizational culture atmosphere， and build a face-to-face communication platform， so as to improve the effect of tacit knowledge transfer. Lastly， the research introduces a real case in the automobile industry to prove the effectiveness of the Chua's chaotic tacit knowledge transfer model.

Through the introduction of the research paradigm of chaotic dynamics， Chua's chaotic tacit knowledge transfer model is constructed and added to the existing literature on traditional linear knowledge transfer model which does not apply to the tacit knowledge， and the study expresses the shortage of the two-way interaction between feedback and transfer， providing a new research method and means. Furthermore the study conducts the simulation analysis through Multisim14.0 software to explore the influence of the change of tacit knowledge transfer resistance on the effect of tacit knowledge transfer with changes of the transfer willingness of the sender， the transfer ability of the sender， the absorption motivation of the receiver， the strength of cooperation and trust and the degree of interaction between the two knowledge subjects， and provides a quantitative research method for the study on tacit knowledge transfer. Future research will be focused on the empirical case study.

英文關(guān)鍵詞Key Words：Tacit Knowledge Transfer; Knowledge Management

; Chaos Theory; Chua's Chaos