摘 要：互聯(lián)網(wǎng)時代，伴隨著知識的生產(chǎn)主體、生產(chǎn)方式以及傳播流程的改變，知識的演化機(jī)理和演化特征也發(fā)生了質(zhì)的變化。然而，對于此類知識演化規(guī)律認(rèn)識的不足制約了新時期教育改革的深化。從遺傳變異的生物進(jìn)化理論視角出發(fā)，可構(gòu)建遺傳變異視角下的網(wǎng)絡(luò)化知識演化動力模型，進(jìn)而依托互聯(lián)網(wǎng)社區(qū)型課程cMOOC的數(shù)據(jù)，探索互聯(lián)網(wǎng)中知識演化的特征。網(wǎng)絡(luò)化知識演化動力模型是描述知識演化過程、闡釋知識演化內(nèi)在作用機(jī)理的理論框架，它是以網(wǎng)絡(luò)化知識實體為演化功能單元，包含一個“選擇”的過濾機(jī)制和“遺傳”與“變異”兩種動力機(jī)制。在過濾機(jī)制中，用戶的“認(rèn)可”充當(dāng)自然條件下的“選擇”，決定了知識能否進(jìn)入后續(xù)演化環(huán)節(jié)。在遺傳動力機(jī)制下，用戶通過參考和引用等方式，實現(xiàn)對原有內(nèi)容的繼承和復(fù)用。在變異動力機(jī)制下，用戶通過借鑒和補(bǔ)充等方式，在原有實體基礎(chǔ)上進(jìn)行創(chuàng)新和發(fā)展。在此動力模型基礎(chǔ)上，本研究以國內(nèi)首門聯(lián)通主義課程為案例，分析了網(wǎng)絡(luò)化知識演化特征。研究發(fā)現(xiàn)：遺傳和變異知識演化動力模型能夠有效地描述和闡釋網(wǎng)絡(luò)化知識演化過程；作為一門新開設(shè)的互聯(lián)網(wǎng)社區(qū)型課程，由于缺乏可以直接繼承的知識內(nèi)容，變異機(jī)制主導(dǎo)著網(wǎng)絡(luò)化知識的演化。

關(guān)鍵詞：網(wǎng)絡(luò)化知識演化；遺傳變異動力機(jī)制；過濾機(jī)制；知識演化動力模型；cMOOC

作者簡介：王懷波，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院博士后（通訊作者： huaibo_wang@163.com 北京 100875）；陳麗，北京師范大學(xué)教育學(xué)部教授（北京 100875）

基金項目：國家自然科學(xué)基金2023年度青年項目“群體智慧匯聚下網(wǎng)絡(luò)化知識演化規(guī)律研究”（項目編號：62207005）

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-458ｘ（2024）11-0041-11

一、引言

知識演化是基于既有知識存量與當(dāng)前知識應(yīng)用環(huán)境特征間的匹配差異，對知識進(jìn)行整合與重構(gòu)，是一個摒棄失效知識、更新落后知識、盤活存量知識，不斷激發(fā)知識活性以滿足組織對知識應(yīng)用性和知識創(chuàng)新需要的動態(tài)過程（康鑫 & 趙丹妮， 2021）。這是一種將知識類比作生物有機(jī)體，在知識與其所處環(huán)境的不斷交互中探索分析知識重構(gòu)與發(fā)展的過程。

互聯(lián)網(wǎng)時代，伴隨著知識的生產(chǎn)主體、生產(chǎn)方式以及傳播流程的改變，知識的本質(zhì)以及知識演化的過程也發(fā)生了實質(zhì)性的變化。從知識本質(zhì)上來說，知識不再局限于書本上哪一類固化的知識，而是包含了在互聯(lián)網(wǎng)環(huán)境中由群體智慧匯聚生成、不斷發(fā)展變化的信息、認(rèn)識、技能、價值觀和態(tài)度（王懷波 & 陳麗， 2020）。由于此類知識的網(wǎng)絡(luò)化特性以及對互聯(lián)網(wǎng)的高度依賴，因此也被命名為網(wǎng)絡(luò)化知識。網(wǎng)絡(luò)化知識具有了生命的屬性，遵循著生物界“物競天擇”的基本規(guī)律，也有著與生物同樣的演化過程，即生成新特征、淘汰不適應(yīng)的特征、繁衍幸存的特征等。從知識演化過程來看，由于互聯(lián)網(wǎng)賦予了個體絕對的選擇權(quán)力，弱化了專家和教師對知識的絕對權(quán)威，用戶的選擇與使用成為知識演化的重要決定因素（劉和海 等， 2016），知識演化過程從原本依賴少數(shù)專家的審核轉(zhuǎn)變?yōu)橐揽可鐣蟊姷恼J(rèn)可。同時，互聯(lián)網(wǎng)的高速傳輸以及相互聯(lián)通的特性加速了知識的生產(chǎn)和傳播，提升了知識演化更新的頻率：大多數(shù)知識無須經(jīng)過復(fù)雜的生產(chǎn)傳播流程即可抵達(dá)最終用戶，用戶的使用意見也能夠即時地反饋給知識的生產(chǎn)者（王竹立， 2019）。

然而，以往關(guān)于知識演化的研究更多集中在客觀的科學(xué)知識上。盡管科學(xué)知識作為人類知識的典型代表，透視科學(xué)知識的演化與發(fā)展對人類的生產(chǎn)實踐活動具有重要的意義（王懷波 & 鮑婷婷， 2020），但是隨著大量以經(jīng)驗、價值觀、態(tài)度以及認(rèn)識為代表的新知識的涌現(xiàn)，網(wǎng)絡(luò)化知識所具有的實踐指導(dǎo)意義并不亞于純粹的科學(xué)知識。研究網(wǎng)絡(luò)化知識演化機(jī)理，凝練網(wǎng)絡(luò)化知識演化特征，對于教育實踐領(lǐng)域，尤其是在線教育領(lǐng)域中“教什么”“怎么教”具有重要的指導(dǎo)意義。為此，本研究嘗試從生物學(xué)遺傳變異的理論出發(fā)，構(gòu)建網(wǎng)絡(luò)化知識演化的動力模型，分析網(wǎng)絡(luò)化知識演化機(jī)理，并嘗試依托該動力模型分析社區(qū)型課程cMOOC平臺中網(wǎng)絡(luò)化知識的演化特征。

二、知識演化相關(guān)理論方法

（一）遺傳變異成為知識演化動力基礎(chǔ)

從生物學(xué)視角探究知識演化的現(xiàn)象由來已久。批判理性主義的創(chuàng)始人波普爾（Popper， K.）指出，科學(xué)理論的選擇是一種類似于達(dá)爾文所說的自然選擇過程，我們的知識總是由假說構(gòu)成，并且在生存斗爭中消除那些不適應(yīng)的假說，彰顯它的相對適應(yīng)性（卡爾·波普爾， 1987， p. 273）。知識演化也是一種自然選擇的過程。與生物的純粹自然環(huán)境的選擇不同，知識的選擇依賴于特定的人群和社會環(huán)境。這種選擇究竟在知識演化過程中如何發(fā)揮作用，美國社會心理學(xué)家唐納德·坎貝爾（Campbell， D. T.）做了進(jìn)一步的闡釋，并提出了知識演化的三個環(huán)節(jié)。具體來說，坎貝爾依據(jù)生物進(jìn)化的三個主要環(huán)節(jié)，即生成新器官/有機(jī)體、淘汰不適應(yīng)的特征/物種、繁殖幸存的特征/物種，將知識演化歸納為三步：生成或者創(chuàng)造新思想；借助批評和檢測淘汰那些不正確的思想；通過教育和大眾媒介傳播那些尚未被證明為不正確的思想。然而知識演化不僅僅是批判和淘汰，也有順應(yīng)和分化。巴特爾梅（Barthelmé， F.）等吸收拉馬克（Lamarck， J.）生物進(jìn)化理論后認(rèn)為知識演化存在非連續(xù)性的特征，因而在其提出的知識系統(tǒng)中刻畫了三種進(jìn)化模式：知識的順應(yīng)、同化和分化（Barthelmé et al.， 1998）。其中，順應(yīng)和同化在某種程度上是對知識的遺傳和繼承，分化則是對知識的變異和發(fā)展。

劉植惠（1999a）通過對比生物進(jìn)化思想，在整合前人研究的基礎(chǔ)上提出遺傳和變異是知識演化的重要動力，并詳細(xì)闡釋了知識遺傳和知識變異的內(nèi)涵，其中知識遺傳是后人繼承前人所創(chuàng)造知識的動態(tài)過程。在遺傳作用機(jī)制下，那些符合規(guī)律、經(jīng)過檢驗且能夠滿足現(xiàn)實需要的知識得以延續(xù)，那些違背客觀事實的知識則被“淘汰”或“修正”，而那些暫時無法滿足用戶需求的知識會出現(xiàn)短暫的“休眠”。知識變異是認(rèn)知主體通過創(chuàng)造性思維活動實現(xiàn)知識創(chuàng)生的過程。與遺傳所代表的知識之間的繼承不同，知識變異意味著知識的發(fā)展（劉植惠， 1999b）?？梢哉f劉植惠關(guān)于知識遺傳和變異的闡釋是對知識演化理論的進(jìn)一步細(xì)化，對于知識的演化發(fā)展具有重要的指導(dǎo)意義。寧德鵬等人（2020）則融合知識遺傳及知識變異的作用機(jī)制，詳述知識進(jìn)化的網(wǎng)絡(luò)演變連接機(jī)理，剖析了知識演化的一般規(guī)律。

（二）智能技術(shù)成為知識演化分析手段

互聯(lián)網(wǎng)時代信息超載成為一種普遍現(xiàn)象，網(wǎng)絡(luò)中的信息和隨之增加的知識數(shù)量遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)計算和分析的能力。借助計算機(jī)技術(shù)在算法和算力上的優(yōu)勢，幫助人類處理知識獲取、表示、推論等問題，逐漸成為學(xué)術(shù)界的共識，并由此衍生出專門借助人工智能與計算機(jī)技術(shù)開展“知識研究”的新方向——知識工程。

在知識工程中，關(guān)于知識演化的研究，通常將知識表征為概念、主題和內(nèi)容，并借助自然語言的語義相似度計算，探究不同時間窗口下概念、術(shù)語的變遷。這種知識演化的分析大多數(shù)依賴領(lǐng)域發(fā)表的學(xué)術(shù)論文或?qū)＠墨I(xiàn)等相對靜態(tài)的知識。如Sung等人（2017）以四年時間為窗口，通過兩年時間滑動方式，采用余弦相似度方法計算專利知識主題之間的相似度，并設(shè)定相似度的閾值，將高度相關(guān)的主題連接起來形成知識演化路徑，以此展示“技術(shù)主題”領(lǐng)域的知識發(fā)展趨勢；豐米寧等人（2020）基于詞權(quán)重的LDA模型識別技術(shù)主題，并通過計算相鄰時間窗口下主題間的語義相似度以及設(shè)定閾值等方法，構(gòu)建知識演化路徑，實現(xiàn)對技術(shù)領(lǐng)域知識演化的分析。除此之外，只有少部分研究探索互聯(lián)網(wǎng)社區(qū)中動態(tài)知識的演化過程，如Li等人（2017）通過三個專業(yè)社區(qū)網(wǎng)站的問答模塊，收集超過1.8萬條計算機(jī)輔助工程設(shè)計的信息，以三年時間為窗口，借助模式識別方法（基于遺傳關(guān)系構(gòu)建EEK進(jìn)化模型）探究工程領(lǐng)域經(jīng)驗性知識的長期進(jìn)化；Chen等人（2012）基于智能技術(shù)提出了一項發(fā)現(xiàn)虛擬社區(qū)中知識進(jìn)化過程的技術(shù)，以挖掘隱藏在專業(yè)虛擬社區(qū)中經(jīng)驗知識進(jìn)化的過程。

科學(xué)研究離不開理論與技術(shù)的雙向支撐，如果說遺傳變異知識演化動力機(jī)制是探索網(wǎng)絡(luò)化知識的認(rèn)識基礎(chǔ)，那么智能技術(shù)則是網(wǎng)絡(luò)化知識演化分析的方法基礎(chǔ)。探索網(wǎng)絡(luò)化知識演化既需要來自生物進(jìn)化論中“遺傳和變異動力機(jī)制”的認(rèn)識的指導(dǎo)，也需要計算機(jī)領(lǐng)域中自然語言處理、語義相似度計算等方法的支持。為此，本研究在知識演化理論的指導(dǎo)下，從遺傳與變異視角構(gòu)建知識演化動力模型。在知識演化方法的支撐下，結(jié)合計算機(jī)領(lǐng)域中關(guān)于知識演化的具體方法開展互聯(lián)網(wǎng)專業(yè)社區(qū)cMOOC中的知識演化分析，凝練網(wǎng)絡(luò)化知識演化的規(guī)律。

三、基于遺傳變異的網(wǎng)絡(luò)化知識

演化動力模型

網(wǎng)絡(luò)化知識實體是網(wǎng)絡(luò)化知識演化的核心。在傳統(tǒng)知識演化研究中，由于知識基因具有穩(wěn)定性、遺傳與變異性、統(tǒng)攝性以及定向控制知識走向的能力，因此知識基因通常被作為遺傳與變異的最小功能單元，并且在知NLjhPWOLhBuFR1P3KwNpvk25Es6V6TAofuSS8Ls/hgY=識的創(chuàng)生、選擇和繁殖等演化過程中起著至關(guān)重要的作用（劉植惠， 1998a， 1998b; 許琦 & 顧新建， 2013）。實體與屬性共同構(gòu)成網(wǎng)絡(luò)化知識單元，其中實體主要為互聯(lián)網(wǎng)中知識的核心內(nèi)容，包括價值判斷、態(tài)度、觀點，是一個網(wǎng)絡(luò)化知識的核心與靈魂，具備了知識基因的穩(wěn)定、統(tǒng)攝以及控制知識走向的條件。因此，基于遺傳變異的網(wǎng)絡(luò)化知識演化是以網(wǎng)絡(luò)化知識實體的發(fā)展和變化為核心的過程，如實體的引用和創(chuàng)生。同時，作為知識演化中的兩種重要的推動力，知識的遺傳是繼承保留相關(guān)知識特性，反映知識漸變式的創(chuàng)新；知識的變異是誘發(fā)不同特性，反映知識突變式的創(chuàng)新（寧德鵬 等， 2020）。網(wǎng)絡(luò)化知識的演化也正是在這兩種動力機(jī)制推動下，通過對知識實體的繼承、組合、嫁接和發(fā)展，實現(xiàn)對網(wǎng)絡(luò)化知識的延續(xù)和創(chuàng)新。此外，與生物演化相似，“選擇”是網(wǎng)絡(luò)化知識演化的重要環(huán)節(jié)，不同之處在于，網(wǎng)絡(luò)化知識的選擇更以是否滿足“用戶”需求為前提。那些能夠滿足互聯(lián)網(wǎng)上最終用戶使用需求的知識，通常具備較強(qiáng)的生命力，具有更多的機(jī)會在遺傳和變異作用機(jī)制下演化發(fā)展；反之則會出現(xiàn)“休眠”，等待下一次的“選擇”。因此，網(wǎng)絡(luò)化知識演化動力模型是以網(wǎng)絡(luò)化知識實體為最小功能單元，在遺傳和變異作用機(jī)制下，以用戶選擇為核心的知識的繼承和發(fā)展。

圖1呈現(xiàn)了以遺傳和變異為動力機(jī)制的網(wǎng)絡(luò)化知識演化模型。網(wǎng)絡(luò)化知識演化是從上一個階段的知識狀態(tài)（包括個體層面的知識內(nèi)容以及群體層面的知識結(jié)構(gòu)），在用戶選擇基礎(chǔ)上，經(jīng)由遺傳或變異等具體動力機(jī)制進(jìn)入下一階段，實現(xiàn)個體層面的淘汰與更新，或?qū)崿F(xiàn)群體層面結(jié)構(gòu)的變化。

<Z：＼2013＼雜志＼2024＼202411＼202411-合版5＼Image＼2024yc01.tif>

圖1 網(wǎng)絡(luò)化知識演化動力模型

整個演化過程，或是在遺傳動力機(jī)制下，如通過參考、借鑒以及引用等方式，實現(xiàn)對原有知識內(nèi)容或關(guān)系的繼承和復(fù)用，或是在變異動力機(jī)制下，如通過補(bǔ)充、發(fā)展等方式，實現(xiàn)對原有知識內(nèi)容或關(guān)系的創(chuàng)新和衍生。演化動力模型中還包括另一個關(guān)鍵環(huán)節(jié)——選擇。無論是繼承還是發(fā)展，新的創(chuàng)生知識能否進(jìn)入知識系統(tǒng)需要經(jīng)過類似生物的選擇過程，而這個承擔(dān)控制角色的“選擇”在網(wǎng)絡(luò)化知識中表現(xiàn)為用戶的認(rèn)可。無論是已經(jīng)存在的知識還是新創(chuàng)生的知識，只有通過選擇機(jī)制，才能進(jìn)入知識的遺傳或變異；而未通過選擇機(jī)制的知識則將進(jìn)入暫時的休眠狀態(tài)，等待下一次用戶的選擇。

（一）基于用戶認(rèn)可的選擇

網(wǎng)絡(luò)化知識演化的選擇機(jī)制的關(guān)鍵在于用戶的認(rèn)可。與傳統(tǒng)知識不同，由于網(wǎng)絡(luò)化知識不再是“相對穩(wěn)定的”直接反映客觀事物的硬知識，而是尚未被專家學(xué)者加工整理的“不穩(wěn)定的”“動態(tài)變化的”軟知識。因此，這種不確定的網(wǎng)絡(luò)化知識特征弱化了傳統(tǒng)知識所具有的權(quán)威專家認(rèn)可的屬性，出現(xiàn)了由社會大眾認(rèn)可的屬性——即知識有用與否越來越不是靠自吹自擂，而是通過他人來給你頒授證書、其他人對你的表現(xiàn)做出的反應(yīng)來體現(xiàn)（劉和海 等， 2016）。無論是群體還是個體，在互聯(lián)網(wǎng)上被認(rèn)可、贊同的知識都有可能帶來知識的演化和發(fā)展。相對來說，群體的認(rèn)可通常會激起更多的共鳴，引發(fā)更多的思考，帶來更多的探討；個體的認(rèn)可則會在小范圍內(nèi)引發(fā)交流。在交流分享中，用戶會不自覺地結(jié)合自身的背景、經(jīng)驗和認(rèn)識，補(bǔ)充、完善甚至修訂知識，從而推動知識的演化和發(fā)展。在社區(qū)型課程中網(wǎng)絡(luò)化知識的認(rèn)可本質(zhì)上是大眾對已有知識的贊同，在行為上表現(xiàn)為對現(xiàn)有知識的引用、參考、借鑒、創(chuàng)生等。

（二）基于遺傳的知識演化

“遺傳”是指同種生物在世代之間或同代不同個體之間的繼承。作為物質(zhì)運(yùn)動的一種常規(guī)方式，知識遺傳是一個后人繼承前人所創(chuàng)造知識的動態(tài)過程（劉植惠， 1999a）。在遺傳作用機(jī)制下，那些符合發(fā)展規(guī)律并且經(jīng)過檢驗、修正和沉淀，且能夠滿足當(dāng)下需要的知識，得以延續(xù)；反之，那些違背客觀事實的知識則被“淘汰”；而那些無法滿足當(dāng)下用戶需求的知識會出現(xiàn)暫時的“休眠”（張凌志 & 和金生， 2011）。

網(wǎng)絡(luò)化知識遺傳是指通過知識實體實現(xiàn)跨時間的復(fù)用和繼承?；谶z傳作用機(jī)制的網(wǎng)絡(luò)化知識演化所形成的知識單位，繼承了舊有的知識實體，并在舊有知識實體的基礎(chǔ)上適當(dāng)?shù)匮a(bǔ)充或發(fā)展相關(guān)屬性。在社區(qū)型課程中，網(wǎng)絡(luò)化知識遺傳的現(xiàn)象是用戶借鑒吸收前人優(yōu)秀成果并傳承延續(xù)的過程（寧德鵬 等， 2020）。新舊網(wǎng)絡(luò)化知識單元通過知識實體直接相連，且這種連接作用遵循度擇優(yōu)機(jī)制，即新的節(jié)點偏向于連接到度較高的節(jié)點之上。如社區(qū)型課程中用戶總會引用學(xué)習(xí)“瀏覽數(shù)”或“評論數(shù)”較多的帖子內(nèi)容及觀點。

（三）基于變異的知識演化

“變異”是指同種生物世代之間或同代不同個體之間的模仿和發(fā)展。知識變異是認(rèn)知主體通過創(chuàng)造性思維活動實現(xiàn)的知識的創(chuàng)生；與遺傳所代表的知識之間的繼承不同，知識變異意味著知識的發(fā)展（劉植惠， 1999b）。在知識變異占據(jù)主導(dǎo)的演化中，不同的知識實體重新組合在一起形成新的知識實體（Inkpen & Tsang， 2005）。

網(wǎng)絡(luò)化知識變異是指通過知識實體實現(xiàn)跨時間的再創(chuàng)造?；谧儺愖饔脵C(jī)制的網(wǎng)絡(luò)化知識不再是用戶在原有知識基礎(chǔ)上的直接復(fù)用，而是在原有知識基礎(chǔ)上，通過優(yōu)化和改善，融入新的觀點，創(chuàng)造出一個新的觀點或者思路。新知識實體與舊知識實體之間超越了直接的繼承與引用，雖然存在一定的相似，卻又包含更多的差異。通常表現(xiàn)為用戶在學(xué)習(xí)“瀏覽數(shù)”或“評論數(shù)”較多的帖子后，形成新的見解和認(rèn)識。

四、網(wǎng)絡(luò)化知識演化案例分析

為了探究遺傳和變異視角下網(wǎng)絡(luò)化知識演化規(guī)律，同時也為驗證知識演化動力模型，本研究選取國內(nèi)首門基于聯(lián)通主義開設(shè)的cMOOC社區(qū)型課程，采用網(wǎng)絡(luò)化知識抽取方法獲得不同時間窗口下的網(wǎng)絡(luò)化知識實體，通過分析不同時間窗口下網(wǎng)絡(luò)化知識實體的演化特征，探索演化過程中的作用機(jī)制。

（一）數(shù)據(jù)來源及處理

本研究選取國內(nèi)首門基于聯(lián)通主義理論開發(fā)的社區(qū)型課程“互聯(lián)網(wǎng)+教育：理論與實踐的對話”。課程的典型特色是課程學(xué)習(xí)者在資料收集、內(nèi)容分享、交流互動以及知識創(chuàng)生中學(xué)習(xí)，并以此生成課程內(nèi)容。此類課程內(nèi)容中包含著大量的網(wǎng)絡(luò)化知識。本研究選取cMOOC2.0課程“消費(fèi)驅(qū)動的教育供給側(cè)改革”主題（簡稱主題四），以主題學(xué)習(xí)中形成的周報、博客、案例、資源和評論等內(nèi)容作為研究資料。在時間段選擇上，考慮到cMOOC的持續(xù)開放特性，課程中的交互討論存在一定的慣性，為此，本研究將數(shù)據(jù)采集推延至該主題結(jié)束后的一個月，共獲取周報4篇、博客138篇、案例42篇、資源54篇、評論信息1，416條。

1. 時間窗口確定與數(shù)據(jù)切分

本研究綜合考慮等距時間窗口（AlSumait et al.，2008; Yu et al.， 2014）以及實際數(shù)據(jù)特征（魯云鵬 & 李維安， 2019），將時間窗口切分為25個時間窗口（表示為W1—W25）。主題四的內(nèi)容包含萌芽期、快速增長期、消退期和休眠期：正式開始之前，相關(guān)話題內(nèi)容較少，處于萌芽期；主題正式學(xué)習(xí)期間每天討論的博客、資源、討論內(nèi)容都迅速增多，進(jìn)入快速增長期；而后在主題學(xué)習(xí)結(jié)束后進(jìn)入消退期，平臺探討的余熱還在，相關(guān)博客、資源依然在持續(xù)增加，但幅度明顯降低，持續(xù)時間約兩周；最后出現(xiàn)斷崖式降低直至整個課程的結(jié)束，此即休眠期。基于此，本研究將萌芽期單獨作為一個時間窗口；將快速增長期依據(jù)每天一個時間窗口，切分為15個時間窗口；消退期則每兩天為一個時間窗口，切分為8個時間窗口；最后的休眠期切分成一個時間窗口。

2. 基于時間窗口的網(wǎng)絡(luò)化知識抽取

基于時間窗口的網(wǎng)絡(luò)化知識抽取一方面需要采用離散的方法，將原始的文本按照時間窗口進(jìn)行分割，并對每個時間窗口的文本進(jìn)行話題文檔歸類，形成相對獨立的話題文檔集；另一方面，要依據(jù)網(wǎng)絡(luò)化知識抽取機(jī)制，抽取各個時間窗口下網(wǎng)絡(luò)化知識單元。

話題文檔歸類是為了保證討論交流的內(nèi)容在同一個語境內(nèi)且圍繞同一個主題。在具體歸類上，將博客、案例或者發(fā)起交流的帖子等文檔視作獨立的話題，圍繞該文檔的評論或回復(fù)內(nèi)容都將被歸入該話題中；而針對評論帖的內(nèi)容回復(fù)，則將評論帖及其回復(fù)內(nèi)容歸為一個新的話題（王懷波 & 鮑婷婷， 2020），最終形成相對獨立的話題文檔。

在知識實體抽取上，研究采用自然語言處理方法通過關(guān)鍵詞抽取、詞語組合抽取和命名實體抽取這三條抽取機(jī)制，結(jié)合主客觀賦分方法，針對歸類所得的1，018個話題文檔進(jìn)行知識抽取。在關(guān)鍵詞抽取上，采用TextRank對去停用詞的文檔進(jìn)行關(guān)鍵詞抽取，并存入網(wǎng)絡(luò)化知識實體候選庫，例如“公平”“教育資源”“教育的拉丁美洲化”等；在詞語組合抽取上，使用pku進(jìn)行詞性標(biāo)注，采用互信息判斷方式，抽取主謂短語、偏正短語、聯(lián)合短語和動賓短語，如“結(jié)構(gòu)性調(diào)整”“變革路徑”“第三方付費(fèi)”“一體化”“公平而有質(zhì)量”等；在命名實體識別中，直接抽取專有名詞（nz）以及專家詞庫中的命名實體（ner），作為領(lǐng)域?qū)嶓w，如“結(jié)果公平”“機(jī)會公平”“教育質(zhì)量”等。隨后通過實體的過濾和統(tǒng)一，從知識實體候選庫中獲得每個時間窗口的實體。在屬性抽取上，通過關(guān)鍵詞的境遇化抽取、基于共現(xiàn)關(guān)系的結(jié)構(gòu)關(guān)系抽取、基于用戶基礎(chǔ)信息劃分貢獻(xiàn)者類型、基于用戶反饋識別認(rèn)可程度、基于訪問和引用頻次確定生命活性等方式獲取屬性信息。

研究共抽取8，448個網(wǎng)絡(luò)化知識實體，所抽取的各時間窗口的網(wǎng)絡(luò)化知識分布如圖2所示，可以看出知識實體的數(shù)量整體上呈先上升后下降的不規(guī)則發(fā)展趨勢。從整體時間范疇來看，知識實體數(shù)量變化有兩個大的波峰，其中第一個波峰出現(xiàn)在第8個時間窗口（W8），此時單個時間窗口下實體數(shù)量超過400；隨后實體數(shù)量在略有下滑之后迅速上升，并在第14個時間窗口（W14）迎來第二個波峰，此時實體數(shù)量超過1，000個；之后知識實體數(shù)量出現(xiàn)斷崖式下降，直至平穩(wěn)在單個時間窗口200個左右。

這種分布的趨勢與生物學(xué)“災(zāi)變進(jìn)化模式”類似，即大突變帶來新繁榮（張之滄 & 閭國年， 2017）。教育的干預(yù)、教學(xué)環(huán)節(jié)的終止對于知識生成與演化來說無異于一種“大突變”，突然的變化打破了原有的知識內(nèi)容生成節(jié)奏，也打破了知識演化漸進(jìn)式模式，因而出現(xiàn)了知識實體數(shù)量分布折線圖中的多次波峰。而隨著“教學(xué)大突變”勢頭的過去，網(wǎng)絡(luò)化知識的生產(chǎn)與演化又逐漸趨于相對平穩(wěn)的水平。主題四課程的學(xué)習(xí)中，有兩個關(guān)鍵性的教學(xué)環(huán)節(jié)，分別是第一周主題學(xué)習(xí)后的學(xué)術(shù)沙龍和第二周主題四學(xué)習(xí)的結(jié)束。此兩個階段，分別對應(yīng)知識實體數(shù)量的兩次波峰。這也進(jìn)一步佐證了教學(xué)干預(yù)在很大程度上影響了知識的演化進(jìn)程。

3. 相鄰時間窗口的演化路徑構(gòu)建

網(wǎng)絡(luò)化知識演化路徑的構(gòu)建是了解和洞察知識演化特征的重要途徑。通常情況下，知識演化路徑需要借助自然語言處理方法建立知識之間的語義相似度。為此，在本研究中，首先通過對知識實體的詞向量轉(zhuǎn)換，并通過相鄰時間窗口下知識實體詞向量的語義相似度計算，建立演化路徑。

在詞向量構(gòu)建方面，研究使用谷歌提出的BERT預(yù)訓(xùn)練模型，將每個時間窗口下的知識實體轉(zhuǎn)變成向量形式，并計算相鄰時間窗口下所有知識實體的語義相似度關(guān)系。在相鄰時間窗口下知識實體的相似度計算中，本研究主要采用詞向量的余弦距離公式來進(jìn)行計算。在閾值設(shè)定方面，研究參考張長宏等（2019）對于主題相似度的閾值界定，認(rèn)為知識實體之間相似度大于0.2則建立相似性連邊。為了充分表征知識演化過程中的遺傳、變異和休眠等不同特征，本研究對關(guān)聯(lián)程度進(jìn)行設(shè)定。當(dāng)一個知識實體僅在兩個相鄰時間窗口的前一個出現(xiàn)時，定義為知識的休眠演化；當(dāng)一個知識實體僅在兩個相鄰時間窗口的后一個出現(xiàn)時，定義為知識的突變演化；當(dāng)兩個時間窗口下的相似度為1，定義為基于遺傳視角的知識演化；當(dāng)兩個時間窗口下的相似度高于0.75且不等于1，并且知識之間的關(guān)系存在多個對應(yīng)，將其定義為基于變異視角的知識演化。

（二）遺傳變異視角下知識演化分析

1. 遺傳視角下的知識演化分析

基于遺傳動力的網(wǎng)絡(luò)化知識演化，本質(zhì)上是用戶在互聯(lián)網(wǎng)的社區(qū)型課程中對那些符合認(rèn)知規(guī)律、滿足當(dāng)下需要的知識進(jìn)行繼承。一般來說體現(xiàn)為以話題文檔中的轉(zhuǎn)述、引用等方式實現(xiàn)對知識實體的延續(xù)。圖3呈現(xiàn)了遺傳動力機(jī)制視角下知識實體隨時間的演化分布。從中可以看出遺傳視角下知識演化整體上呈現(xiàn)出不規(guī)則的發(fā)展趨勢。這種趨勢與網(wǎng)絡(luò)化知識整體分布比較相似。遺傳視角下知識演化有兩個大的波峰，第一個出現(xiàn)在時間窗口7到時間窗口8之間（記為“W7-8”），第二個出現(xiàn)在W14-15。

通過對教學(xué)進(jìn)行關(guān)鍵事件分析，研究發(fā)現(xiàn)基于遺傳視角的知識演化分布趨勢與cMOOC主題四的活動安排具有高度的內(nèi)在關(guān)聯(lián)性。第一個波峰的出現(xiàn)與主題四第一周主題學(xué)習(xí)結(jié)束的時間高度契合，第二個波峰出現(xiàn)則是第二周主題學(xué)習(xí)的結(jié)束時間。第一個波峰出現(xiàn)時，學(xué)習(xí)者通過對“教育供給側(cè)改革”為期一周的資料整理、內(nèi)容學(xué)習(xí)后，逐步進(jìn)入所探討的問題領(lǐng)域，并開始撰寫博文、參與討論。第二個波峰出現(xiàn)時，學(xué)習(xí)者在兩周的內(nèi)容學(xué)習(xí)和交互討論后，開始深入探討主題內(nèi)容，高頻次地交互討論，并撰寫大量的博客文章，分享各類案例。這個階段也往往是知識生產(chǎn)的繁榮期，大量的知識內(nèi)容被創(chuàng)生出來。

無論是哪個階段，cMOOC的學(xué)習(xí)都需要學(xué)習(xí)者自己搜集整理相關(guān)資料并發(fā)表自己的觀點。這個過程既包括學(xué)習(xí)者直接從互聯(lián)網(wǎng)中檢索相關(guān)內(nèi)容，也包括學(xué)習(xí)者對其他學(xué)習(xí)者在課程中發(fā)表的觀點和發(fā)布的材料進(jìn)行二次整理和加工。學(xué)習(xí)者在瀏覽和學(xué)習(xí)已有材料內(nèi)容的過程中總是不自覺地接受和吸納其他學(xué)習(xí)者的觀點和思想，并在后續(xù)交互討論和內(nèi)容創(chuàng)生中引用和借鑒，也即完成了對某些知識的繼承。雖然這種引用和繼承尚未達(dá)到溫伯格（Weinberger， D.）所說的成為壓倒或改變后來觀點的程度，但是總是可以從后續(xù)的文檔中看到已有的知識實體的影子。這也能解釋一個現(xiàn)象：如果很多人在你之前發(fā)表了某種觀點性知識，而他們又都會在你的“社交圈內(nèi)”，你就很有可能跟隨他們的觀點，在不自覺中引用和繼承他們的觀點。

2. 變異視角下的知識演化分析

基于變異動力下的網(wǎng)絡(luò)化知識演化本質(zhì)上是因為知識無法滿足用戶的需求，而出現(xiàn)新知識的創(chuàng)生。圖4呈現(xiàn)了變異動力機(jī)制視角下知識實體隨時間的演化分布。從中可以看出，受網(wǎng)絡(luò)化知識分布趨勢的影響，基于變異視角的網(wǎng)絡(luò)化知識演化也呈現(xiàn)出兩個發(fā)展階段，并且與主題四兩個階段的時間吻合。

從變異視角下的網(wǎng)絡(luò)化知識演化趨勢來看，學(xué)習(xí)者在主題內(nèi)容學(xué)習(xí)過程中既包含了對已有知識實體的繼承，也存在根據(jù)自身經(jīng)驗進(jìn)行的知識創(chuàng)生和發(fā)展。變異機(jī)制主導(dǎo)下的知識演化，通常以學(xué)習(xí)者發(fā)現(xiàn)已有的知識無法滿足自身需求為前提，通過用戶對網(wǎng)絡(luò)化知識實體的整合、重組，融入自身經(jīng)驗，賦予新內(nèi)涵，實現(xiàn)知識的創(chuàng)新。例如本研究通過探索“教育供給側(cè)改革”網(wǎng)絡(luò)化知識演化發(fā)現(xiàn)，“教育供給側(cè)改革”從最初在宏觀、抽象的概念層面探討什么是教育供給側(cè)改革，包括體制改革、結(jié)構(gòu)性改革等（W2），到融入教育資源供給、從用戶驅(qū)動角度解決個性化教育問題的思考（W8），再到如何從供給側(cè)通過合理配置智力資源因素解決教育公平問題（W18），最后到融入產(chǎn)業(yè)視角探討如何借助產(chǎn)業(yè)升級解決教育供給切實問題（W25）。這整體都是在圍繞網(wǎng)絡(luò)化知識不斷推進(jìn)，但當(dāng)知識無法完全解決現(xiàn)實問題時，用戶開始融入自身經(jīng)驗進(jìn)行思考，在對知識的借鑒中不斷融入自身觀點，形成新的認(rèn)識。

然而，這種變異與自然界中毫無方向的突變不同，總體而言是具有一個外圍邊界的。雖然信息流瀑的現(xiàn)象告訴我們，當(dāng)個人處于群體之中時，總是會有意無意地受別人的影響，自己的思想和觀點都會被裹挾在其中。但這種裹挾引發(fā)的繼承并非絕對，是立場和觀點的“同一”所起的作用——設(shè)置討論的外圍邊界（戴維·溫伯格， 2014， p. 140）。外圍邊界決定了整體的話語統(tǒng)一，但邊界內(nèi)部的言論觀點仍足夠自由。在本研究所使用的樣本數(shù)據(jù)cMOOC主題四中，設(shè)置了一個總體的邊界——“消費(fèi)驅(qū)動的教育供給側(cè)改革”。在這個邊界下，用戶仍有足夠的空間去創(chuàng)新和發(fā)展知識，而非漫無目的地討論與創(chuàng)造。因此，當(dāng)用戶對自己搜集的資料或者已有內(nèi)容進(jìn)行學(xué)習(xí)后，會融入自我認(rèn)識和理解，總結(jié)提煉新的含義和內(nèi)容，實現(xiàn)對知識的創(chuàng)新和發(fā)展。

3. 基于遺傳—變異綜合視角的演化分析

互聯(lián)網(wǎng)社區(qū)中的知識演化既存在遺傳的作用機(jī)制也存在變異的作用機(jī)制，但兩種作用機(jī)制中孰為主導(dǎo)？探索不同作用機(jī)制的主導(dǎo)地位，對于有效控制、調(diào)節(jié)知識演化進(jìn)程具有重要意義。為此，本研究將遺傳和變異兩類動力機(jī)制影響下的知識實體做了綜合對比分析。圖 5呈現(xiàn)了基于遺傳和變異動力機(jī)制的知識實體演化分布。其中縱坐標(biāo)表示兩類動力機(jī)制影響下的知識實體占當(dāng)前時間窗口下知識實體總數(shù)的比例。

從圖5中可以看出，在本研究中以變異為驅(qū)動力的知識實體演化要強(qiáng)于以遺傳為驅(qū)動力的知識演化，成為網(wǎng)絡(luò)化知識演化的主導(dǎo)。這與人類社會知識演化更多依賴?yán)^承而非變異的現(xiàn)象不同，究其原因是受限于所選的課程。cMOOC的一大重要特征是課程并無固定的內(nèi)容，課程的內(nèi)容是由參與者共同構(gòu)建的，參與者在學(xué)習(xí)、交流的過程中，建立學(xué)習(xí)空間，分享生成的學(xué)習(xí)制品，自由開展內(nèi)容的交流和思維的碰撞。此類課程在開設(shè)之初僅為一個問題域，例如本研究所分析的主題四“消費(fèi)驅(qū)動的教育供給側(cè)改革”。該主題鼓勵大家從微觀到宏觀、層層深入探討教育供給側(cè)改革，包括“規(guī)?；逃c個性化需求”“教育公平與教育供給側(cè)改革”等具體問題。由于并沒有現(xiàn)成可以直接學(xué)習(xí)的材料和內(nèi)容，因此也沒有可用來繼承的知識，而是需要學(xué)習(xí)者圍繞問題不斷地交互討論，創(chuàng)生具有個人見解的內(nèi)容。這也是一個新開設(shè)的互聯(lián)網(wǎng)開放社區(qū)的典型特征，一個從無到有、不斷積累和動態(tài)發(fā)展的過程。在這個過程中，知識的演化會出現(xiàn)局部規(guī)律與整體規(guī)律有異有同的復(fù)雜現(xiàn)象。也正因此，研究結(jié)果呈現(xiàn)出與人類社會知識普遍依賴的以繼承為主的演化不同的特點。可以推演，當(dāng)社區(qū)中的知識積累達(dá)到一定量的時候，社區(qū)將趨于穩(wěn)定，以遺傳為驅(qū)動力的演化機(jī)制將重新成為網(wǎng)絡(luò)化知識演化的主要方式。

五、結(jié)語

隨著互聯(lián)網(wǎng)時代知識的爆發(fā)式增長和快速傳播，知識的演化發(fā)展也呈現(xiàn)出一個完全不同的歷程。用戶群體認(rèn)可的選擇機(jī)制成為互聯(lián)網(wǎng)社區(qū)中知識演化的起點，遺傳和變異則成為知識演化的動力基礎(chǔ)，并持續(xù)影響整個網(wǎng)絡(luò)化知識演化的過程。作為一門新開設(shè)的社區(qū)型課程，本課程缺乏可以直接繼承的知識內(nèi)容，基于變異作用機(jī)制的知識演化遂成為網(wǎng)絡(luò)化知識演化發(fā)展的主導(dǎo)。此種情境下用戶的思維碰撞、信息分享和內(nèi)容交互成為知識創(chuàng)生的重要來源，因此也更易創(chuàng)生出新的知識和觀點。而伴隨著社區(qū)的逐漸平穩(wěn)，大量知識不斷積累，基于遺傳作用機(jī)制的知識演化或?qū)⒊蔀榫W(wǎng)絡(luò)化知識演化發(fā)展的主導(dǎo)。此種情境下用戶的交流多停留在對已有知識的繼承上，知識創(chuàng)生的頻次顯著降低。基于遺傳的知識演化對互聯(lián)網(wǎng)社區(qū)型課程來說是一個穩(wěn)固核心觀點的重要方式，但仍需明確繼承不等于拋棄個人判斷，在遺傳發(fā)展中需要避免陷入“人云亦云”“信息繭房”的境地。

本研究所探討的知識，僅限于互聯(lián)網(wǎng)社區(qū)型課程環(huán)境下的網(wǎng)絡(luò)化知識，因此所探索的知識演化動力模型也主要用于闡釋此類知識的演化與發(fā)展。同時，在研究中僅關(guān)注到網(wǎng)絡(luò)化知識實體在演化中在數(shù)量上的變化規(guī)律，尚未深入探討知識內(nèi)涵上的演化特征。但憑借現(xiàn)有網(wǎng)絡(luò)化知識演化特征已經(jīng)可以看出遺傳變異作用機(jī)制下的知識演化模型能夠描述和解釋網(wǎng)絡(luò)化知識的演化。后續(xù)研究可考慮一方面開展典型科學(xué)知識演化的分析，如學(xué)術(shù)期刊中知識的演化發(fā)展特征，并進(jìn)一步分析典型科學(xué)知識的演化規(guī)律與網(wǎng)絡(luò)化知識演化規(guī)律的異同。另一方面可從知識內(nèi)容層面進(jìn)一步分析網(wǎng)絡(luò)化知識演化的規(guī)律和特征。由此，或可完善遺傳變異視角下的網(wǎng)絡(luò)化知識演化動力模型，擴(kuò)大其使用范圍，并深入闡釋網(wǎng)絡(luò)化知識演化專有規(guī)律。

參考文獻(xiàn)

戴維·溫伯格. （2014）. 知識的邊界（胡泳，& 高美 譯）. 山西人民出版社.

豐米寧，魏鳳，李健，& 鄭雷. （2020）. 產(chǎn)業(yè)鏈視角下的主題識別與技術(shù)演化研究——以3D打印領(lǐng)域為例. 情報雜志（8），46-52.

卡爾·波普爾. （1987）. 客觀知識：一個進(jìn)化論的研究（舒煒光 等譯）. 上海譯文出版社.

康鑫，& 趙丹妮. （2021）. 知識勢差、知識隱匿與知識進(jìn)化：組織惰性的調(diào)節(jié)作用. 科技進(jìn)步與對策（6），122-130.

劉和海，李少鵬，& 王琪. （2016）. “互聯(lián)網(wǎng)+”時代知識觀的轉(zhuǎn)變：從共建共享到眾傳共推. 中國電化教育（12），108-112，128.

劉植惠. （1998a）. 知識基因探索（一）. 情報理論與實踐（1），63-65.

劉植惠. （1998b）. 知識基因理論的由來、基本內(nèi)容及發(fā)展. 情報理論與實踐（2），8-13.

劉植惠. （1999a）. 知識基因探索（十） 第十講 知識的遺傳運(yùn)動. 情報理論與實踐（4），79-81.

劉植惠. （1999b）. 知識基因探索（十一） 第十一講 知識的變異運(yùn)動. 情報理論與實踐（5），380-383.

魯云鵬，& 李維安. （2019）. 基于社會控制理論視角下的我國社會組織治理轉(zhuǎn)型的路徑與特征分析. 管理評論（4），254-262.

寧德鵬，周紅磊，& 任亮. （2020）. 開放式創(chuàng)新社區(qū)知識進(jìn)化的網(wǎng)絡(luò)演變及可視化研究. 情報科學(xué)（6），90-95.

王懷波，& 鮑婷婷. （2020）. 基于演化思想的互聯(lián)網(wǎng)時代知識發(fā)展規(guī)律研究框架. 現(xiàn)代遠(yuǎn)距離教育（1），29-35.

王懷波，& 陳麗. （2020）. 網(wǎng)絡(luò)化知識的內(nèi)涵解析與表征模型構(gòu)建. 中國遠(yuǎn)程教育（5），10-17，76.

王竹立. （2019）. 再論面向智能時代的新知識觀——與何克抗教授商榷. 遠(yuǎn)程教育雜志（2），45-54.

許琦，& 顧新建. （2013）. 一種基于Subject-Action-Object三元組的知識基因提取方法. 浙江大學(xué)學(xué)報（工學(xué)版）（3），385-399.

張長宏，孫琦龍，& 張明亮. （2019）. 基于生物信息學(xué)主題演化的可視化研究. 哈爾濱師范大學(xué)自然科學(xué)學(xué)報（2），49-53.

張凌志，& 和金生. （2011）. 基于生物進(jìn)化模式下的知識進(jìn)化機(jī)理研究. 情報雜志（2），105-109.

張之滄，& 閭國年. （2017）. 災(zāi)變、絕滅與生物進(jìn)化關(guān)系解析. 自然辯證法研究（7），103-106.

AlSumait， L.， Barbará， D.， & Domeniconi， C. （2008）. On-line LDA： Adaptive topic models for mining text streams with applications to topic detection and tracking. In 2008 eighth IEEE international conference on data mining （pp. 3-12）. IEEE.

Barthelmé， F.， Ermine， J. L.， & Rosenthal-Sabroux， C. （1998）. An architecture for knowledge evolution in organisations. European Journal of Operational Research， 109（2）， 414-427.

Chen， Y. J.， & Chen， Y. M. （2012）. Knowledge evolution course discovery in a professional virtual community. Knowledge-Based Systems， 33， 1-28.

Inkpen， A. C.， & Tsang， E. W. （2005）. Social capital， networks， and knowledge transfer. Academy of Management Review， 30（1）， 146-165.

Li， X.， Jiang， Z.， Song， B.， & Liu， L. （2017）. Long-term knowledge evolution modeling for empirical engineering knowledge. Advanced Engineering Informatics， 34， 17-35.

Sung， H. Y.， Yeh， H. Y.， Lin， J. K.， & Chen， S. H. （2017）. A visualization tool of patent topic evolution using a growing cell structure neural network. Scientometrics， 111， 1267-1285.

Yu， C.， Davis， C.， & Dijkema， G. P. （2014）. Understanding the evolution of industrial symbiosis research： A bibliometric and network analysis （1997-2012）. Journal of Industrial Ecology， 18（2）， 280-293.

Analysis of Networked Knowledge Evolution from the Perspective of

Genetic and Variation

Wang Huaibo and Chen Li

Abstract： In the Internet era， the changes in the production subjects， production modes， and dissemination processes of knowledge have led to qualitative changes in the mechanism and characteristics of knowledge evolution. However， a limited understanding of these changes obstructs educational reforms in the new era. This study constructs a networked knowledge evolution dynamic model from the perspective of genetic variation， based on the biological evolution theory of genetic variation. And this study explores the characteristics of knowledge evolution in the Internet， based on the data of Internet community curriculum cMOOC. The networked knowledge evolution dynamic model is a theoretical framework that describes the process of knowledge evolution and explains the underlying mechanisms of knowledge evolution. In this model， networked knowledge entities serve as evolutionary functional units， and a filtering mechanism of “selection” and two dynamic mechanisms of “genetic” and “variation” are included. In the filtering mechanism， the user’s recognition serves as a natural choice， determining whether knowledge can enter the subsequent evolution stage. Under the genetic dynamic mechanism， users inherit and reuse existing content through reference and citation methods. Under the genetic dynamics， users innovate and develop on the basis of existing entities through borrowing and supplementing. On this basis， this study analyzes the evolution characteristics of networked knowledge using the case of China’s first connectionist course. The results show that genetic and variation knowledge evolution dynamic models can effectively describe and explain the process of networked knowledge evolution. As a new Internet community course， due to the lack of knowledge content that can be directly inherited， the variation mechanism dominates the evolution of networked knowledge.

Keywords： networked knowledge evolution; genetic variation dynamic mechanism; filtering mechanism; knowledge evolution dynamic model; cMOOC

Authors： Wang Huaibo， postdoctor of School of Systems Science， Beijing Normal University （Corresponding Author： huaibo_wang@163.com Beijing 100875）; Chen Li， professor of Faculty of Education， Beijing Normal University （Beijing 100875）

責(zé)任編輯 郝 丹