知識網絡研究述評：結構、行為、演化與績效

周榮 喻登科

〔摘 要〕[目的/意義]從一個更為系統的視角梳理和評述國內外知識網絡研究文獻，為后來研究者提供參考與啟發。[方法/過程]通過文獻整理歸納，將知識網絡研究分為結構、行為、演化和績效四個方面，并對每一方面的研究成果加以系統整理和述評。[結果/結論]目前，知識網絡已經成為一個多學科交叉研究領域。在結構維度，集中在拓撲結構和小世界網絡結構的探索，以及對網絡結構生成機制的探究；在行為維度，重在知識網絡中的知識學習、共享、整合、協同創新等環節的機理與路徑分析；在演化維度，聚焦于演化機制模型的構建與仿真試驗；在績效維度，著眼于知識網絡對知識增長、技術創新、組織成長的積極影響等。

〔關鍵詞〕知識網絡；文獻綜述；結構；行為；演化；績效

DOI：10.3969/j.issn.1008-0821.2018.04.025

〔中圖分類號〕C931 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）04-0170-07

〔Abstract〕[Purpose/Significance]To card and review the literature of knowledge network from systematical perspective is valuable and insightful for potential researchers.[Method/Process]The knowledge network research was divided into four clusters including structure，behaviour，evolution and performance by literature sorting，and the fruits of every aspect were systematically organized and discussed.[Result/Conclusion]Currently，knowledge network was a interdisciplinary research field.From structure dimension，the research focuses on topological structure，small-world network structure，and structure forming mechanism；from behaviour dimension，the mechanism and paths of knowledge learning，sharing，integrating and innovating were emphatically discussed；from evolution dimension，built models and simulated them to attract much interests；from performance dimension，the impacts of knowledge network on knowledge increased，technology innovation and organization growth were concentrated.

〔Key words〕knowledge network；literature review；structure；behaviour；evolution；performance

知識網絡，是對一種“基于知識的關系”的描述。知識網絡概念的提出，可追溯到20世紀90年代，它被認為是組織進行知識獲取、存儲、轉移和創新的載體與媒介，由此成為知識管理理論的一個重要分支和研究熱點。在知識網絡中進行知識共享、知識整合和知識創造，被認為是提高組織知識創新能力與績效的主要活動。已有的大量研究表明，知識網絡的結構特征和關系特性等，對組織流轉和應用知識的能力，甚而對組織、團隊創造性地實現產出績效有著至關重要的影響。目前，知識網絡理論在管理學研究領域被廣泛應用于解釋團隊的結構與行為、企業組織的跨邊界活動、產業集群的動態演化等，在科學組織的運行機理、技術創新績效的提升以及核心競爭力培育等方面具有較強的解釋力。

知識網絡是交叉科學研究的產物。最開始，網絡是數學、運籌學中與圖論相關的概念，網絡是指存在某種關系的諸多個體的集合。從圖與網絡的視角，學者對知識網絡進行了多種研究性質的分類，例如：無向網絡和有向網絡，均權網絡和加權網絡，規則網絡、隨機網絡和小世界網絡等。甚至，有些學者認為知識網絡應該被納入經濟物理的范疇。因此，很多研究知識網絡微觀拓撲結構及其動力學的成果被發表在物理學學術期刊上，例如《Physical Review Letters》、《Physical Review E》和《Physica A》等。

但是知識網絡的概念被提出后，知識網絡更多被看成是社會網絡的一個特殊組成部分，屬于社會學領域的研究范疇。不同的是，社會網絡是人類個體基于親緣、地緣、業緣等而構成的關系網絡，社會網絡中的鄰近節點通常是認識的；而知識網絡在個體互不熟識的情況下仍可成型，由此形成虛擬的知識網絡組織。相對于社會網絡中關系與功能的復合型（可以實現多種資源的同時流動，包括信息、知識、物質、資本、人力等）而言，知識網絡的功能更為單一而高效，只專注于知識和信息資源的流轉。但是，知識網絡中的知識共享、擴散等流轉行為又在一定程度上要依賴于社會關系和社會資本而完成，信任、心理契約、權威、規范、行動的共識等是知識網絡能夠起到知識運載與傳遞作用的基礎條件。關系、結構、認知被認為是知識網絡的3個維度。在組織中嵌入社會網絡與知識網絡的結構、關系和認知行為，就能由此促進知識資源內化與集體行動，從而為組織衍生出社會資本并促進知識資本的增長。社會網絡分析方法常用于對知識網絡結構與關系的解析，強關系、弱關系、結構洞、簇群等是知識網絡社會化研究的重點內容。

此外，知識網絡還是文獻計量學領域的一個研究熱點。因為學者們在進行知識網絡研究時，需要有案例來源和數據支撐，而文獻計量領域中的合作研究關系、互相引用關系、詞匯共現關系等為知識網絡提供了可行的大規模數據來源。由此，出現了三種典型的文獻計量知識網絡：直接引證網絡、文獻耦合網絡和共現網絡。在文獻計量學中，知識網絡通常被用于發現學術共同體、發掘學術研究的繼承關系、探索學術前沿、聚類主要研究方向等，由此為后續研究提供方向性的指導與借鑒。

將文獻計量學中的知識網絡進一步引申并開發其知識發現的功能，由此形成了科學知識圖譜、知識地圖等概念，并正式進入情報學研究領域。情報學家Brookes（1981）在發表于《Journal of Information Science》中的一篇文獻中提出了認知地圖的構想，認為人類的認知是從關系索引中獲得靈感，并由此形成知識粒度和情報單元，再由情報單元組成情報空間，最終形成綜合認知[1]。因此，基于概念關系的認知地圖就是形成科學認知的關鍵。隨著計算機和網絡技術的應用，更復雜的知識地圖也被開發出來，例如：基于語義、主題和概念關聯的語義地圖。而將心理科學、生命科學等方面的知識引入，開發出了表現認知過程及思維發展的思維導圖等。

在系統科學與復雜網絡理論興起以后，很多學者開始認識到知識網絡的復雜特性，由此將復雜科學理論引入知識網絡的研究?；趯σC網絡連接度滿足負冪分布的統計發現，早期情報學研究學者將其認為是馬太效應的體現。直到小世界網絡和無標度網絡概念的產生，學者們才系統思考網絡結構連接的不均勻性對網絡功能特性的復雜影響，由此過渡到復雜網絡的驗證性與應用性研究階段。眾多學者對各種知識網絡（例如：引證網絡、共詞網絡、合著網絡等）進行平均路徑長度和聚類系數的統計，發現知識網絡中普遍存在小世界特征。

總體而言，目前知識網絡在國內外均開展了大量的研究工作，取得了非常豐碩的研究成果。國內學者實際上也發表了數篇引入和評述知識網絡的文獻，然而，一方面，知識網絡研究在迅速的發展，有必要對國內外相關文獻做及時的跟蹤、總結與梳理；另一方面，現有的每一份文獻綜述都是基于作者自身認知而分析歸納的，個人見解不同，文獻綜述的思路與體系也會有異。因此，以系統思路和最新文獻對知識網絡研究做新的總括與評述，既有利于更好地觀察過去，也有利于更好地啟引未來，具有重要價值和意義。

1 知識網絡結構的研究

1.1 拓撲結構

從主體構成方面進行研究，Milo和Shen等（2002）提出復雜知識網絡的基本組成單位是模體，它是指一組物理或功能上連接在一起的、共同完成一個獨立功能的節點。模體是局部節點與關系的集合，是知識網絡構成的基本模塊[2]。王曉光（2010）通過對期刊論文共詞網絡的拓撲結構分析發現，網絡內存在著一個超大的主體區塊，區塊內的任意節點之間相互可達，但區塊之間存在著較為明顯的邊界[3]。共詞網絡的分區結構，一定程度上反映了學術研究中的研究領域分化現象和學術共同體的產生行為。

從結構關系方面進行度量，知識網絡拓撲結構的描述變量包括聚類系數、平均最短路徑長度、連接度（出度與入度）、網絡半徑與中心度、介數與緊度等。根據這些測量指標，知識網絡在結構上可分為規則網絡、隨機網絡和小世界網絡等主要網絡類型。眾多研究表明，知識網絡的微觀拓撲結構對其網絡性能和知識績效存在顯著影響。

從網絡結構的“自然景觀”和復雜形成規律方面進行研究，有學者將分形理論引入知識網絡的結構分析，提出知識網絡在結構上具有自相似特性，即部分和整體相似。Song等（2005）的研究表明，很多現實中的知識網絡，在某種長度——標度下確實是自相似的[4]。由此，實現了知識網絡結構由微觀向宏觀的轉變，引導學者開始知識網絡結構與功能涌現性的研究。

1.2 復雜網絡特性

目前，知識網絡有兩種被熟知的結構特征，即無標度性和小世界性。無標度性反映了知識網絡節點連接度的不均勻性，即部分節點具有極高的連接度，而大量節點的連接度則很低。總體而言，大多數知識網絡的節點連接度都遵循負冪率分布。小世界性體現為知識網絡內任意節點之間都能通過較短的路徑實現可達，同時網絡節點的聚類系數較高。因為知識網絡的小世界特征，極大地提高了知識網絡中的知識擴散速度；同時，由此證實了信息、知識相關性存在的普遍性，為知識整合與協同創新提供了理論上的可行依據。

Price（1965）發現在引證網絡中知識節點的入度滿足指數為2.5～3.0的冪率分布[5]。Redner（1998）通過對近80萬篇論文的引證關系進行統計，發現引證網絡的入度具有指數約為3的冪率尾[6]。此后，Barabasi A L等（2002）[7]和Newman M E（2003）[8]等對合著網絡、共詞網絡和Web信息網絡等進行統計分析，也證實了冪率分布、無標度特征的普遍存在性。近年來國內外學者展開了知識網絡無標度性的大量研究，例如Tachimori Y等（2013）[9]等。

在知識網絡的小世界結構特征方面，也積累了大量的研究成果。Cancho等（2001）測量得到英文詞匯網絡的平均路徑長度為2.67，聚類系數為0.437，具有小世界特征[10]。韋洛霞等（2004）對三組不同詞組網絡進行統計，計算得到平均最短路徑約為2.60，而聚類系數均超過0.60，表現出小世界效應[11]。劉知遠等（2008）對漢語詞匯網絡的測量分析，發現其平均路徑長度介于2.63～2.75之間，聚類系數介于0.535～0.619之間，小世界特征顯著[12]。林敏等（2012）對中航集團某企業3種產品的研發團隊知識交流網絡進行結構測量，發現交流網絡與隨機網絡具有相近的平均路徑長度，然而聚集系數卻要顯著高于隨機網絡，因此也具有小世界性質[13]。胡泉等（2014）證實了漢語復句關系詞搭配網絡在結構上也存在小世界效應和無標度特征[14]；張古鵬（2015）研究認為不同開放程度的知識網絡中，小世界特性對創新績效會有著不同的影響[15]；魏奇鋒和石琳娜（2017）基于小世界網絡理論分析了知識網絡結構演化的微觀動力機制與過程[16]。

1.3 基于結構的知識網絡分類

從結構上對知識網絡進行劃分，通?？煞譃橐巹t網絡、隨機網絡和小世界網絡3種類型。三者在平均路徑長度、聚類系數、度分布等結構指標上存在著顯著差別。其中，規則網絡又可以進一步分為最近鄰耦合網絡、全局耦合網絡和星形網絡等。國內外開展了大量關于規則網絡、隨機網絡和小世界網絡的性質的研究，但相對于小世界網絡，現實中的知識網絡很少是規則網絡或隨機網絡，因此，在規則網絡和隨機網絡方面，實證方法研究的成果相對要少。

1.4 結構生成機制

對知識網絡結構進行分析與研究，通常有兩種方法：實證分析方法和仿真實驗方法。其中，實證分析大多數時候會選用社會網絡分析方法；仿真實驗可采用Matlab、Netlogo等平臺進行。在仿真實驗中，生成符合網絡度分布要求的知識網絡，并對知識網絡中的節點進行增長和老化處理、對網絡中的關系進行斷開和重連處理，是最為重要的環節。由此，很多學者開始討論知識網絡結構的生成機制。根據史定華等（2006）的論述，主要有以下5種方法，可用于生成一個具體結構的知識網絡[17]：模擬方法，通過若干次的仿真模擬，統計度數為k的節點的頻數，以頻率代替概率，進行網絡節點的連接，生成網絡結構；平均場方法，包括BA模型、CA模型等；對BA模型改進的率方程方法；主方程方法；基于概率轉移方程的馬爾可夫鏈生成方法。

2 知識網絡中的行為研究

2.1 基于知識網絡的知識學習

知識網絡的形成有利于組織成員進行知識學習。孫銳（2006）研究了知識團隊中基于知識網絡的擴展學習機制[18]。馬鴻佳等（2015）[19]研究認為，知識網絡有利于促進組織成員進行二元學習，即探索式學習和利用式學習；而根據Kang等（2007）的觀點，知識網絡中的弱聯結正向影響探索式學習，而強聯結正向作用于利用式學習[20]。李文博（2009）檢驗了知識網絡結構與組織學習、創新績效之間的作用關系[21]；而趙晶等（2009）則給出了產業集群知識網絡中的技術學習路徑[22]。

從個體層面而言，知識網絡為節點之間相互性的知識學習提供了載體平臺，也為節點從外界環境中更好地進行知識學習拓寬了渠道。在知識網絡中，節點成員能夠有更大的概率接收到來自外界環境的信息，從而也有更多機會實現外部學習與內部學習的整合。而且，知識網絡也為個體從虛擬組織中實踐非正式學習提供了機會。研究表明，虛擬組織、實踐社區、社交網絡、學習型聯盟等正逐漸成為泛在知識環境中個體知識學習的重要平臺。

2.2 知識網絡中的知識共享

國內外眾多學者都認識到知識網絡作為知識存儲的載體和知識轉移的媒介，對知識共享具有非常重要的作用。知識網絡的結構特征、關聯密度、異質性、規模等均對知識共享的績效有重要影響。

根據社會網絡理論，知識網絡在聯結關系上可以體現為強關系、弱關系和結構洞等3種特征。較多學者都討論過3種聯結關系對知識共享的作用。最早，Granovetter（1973）認為弱聯結更容易發生在差異化程度較大的個體之間，因此比強聯結更能促進跨越小團體的知識轉移，起到橋梁作用[23]。即，弱聯結具有知識搜尋優勢。但是，Tsai（2002）的研究表明，節點聯結強度的增加能減弱地理位置、技術差異和競爭強度對節點的消極影響，從而有利于知識轉移[24]。Levin等（2004）進一步發現，信任是知識網絡關聯結構與知識共享績效之間關系的中介變量[25]。Burt（1992）首次提出了結構洞理論[26]，認為結構洞的存在有利于異質性知識的獲取與傳播。Oh等（2004）也認為，缺乏結構洞的組織會比較排斥組織外的不同信息與知識[27]。但是，Cross等（2001）同時也提出，結構洞程度太高會極大增加中間人的協調壓力，導致獲取和轉移知識的機會減少、效率下降，從而阻礙知識共享[28]。此外，從人口統計多樣性的觀點出發，知識網絡節點成員在專業背景、經歷、年齡、偏好、知識基礎等各方面統計指標的異質性程度，也會影響網絡內的組織協調與信息溝通，從而影響知識共享績效。就社會網絡結構影響知識共享這一主題，唐厚興（2017）做了詳細的文獻綜述，并在此基礎上提出需從知識共享不同階段和社會網絡結構匹配性上去分析才有利于更好地理解二者之間的內在作用機制[29]。

從個體層面而言，影響節點從知識網絡中獲取或共享轉移知識的影響因素主要有：網絡位置、距離、知識勢差、心理距離、信任、文化差異、異質性等，即：處于網絡中有利位置的節點容易獲得知識，網絡中心勢高的節點也有利于知識的獲??；節點獲得知識的能力取決于它與其他節點之間的網絡距離和心理距離，而信任和文化差異是心理距離的重要影響因素；知識勢差與知識異質性決定了節點從網絡中獲得知識的能力，過低的知識基礎或過于異化的知識背景都不利于節點從網絡中有效的獲得知識資源。

2.3 知識網絡中的知識整合

知識整合和知識網絡之間存在關聯，眾多研究結果表明：網絡中心化、網絡聯結、網絡密度、網絡角色對知識整合存在顯著性的影響。Rulke等（2000）提出中心化互動模式和非中心化互動模式，認為非中心化互動模式下的知識型團隊中知識資源更加平均的分配，更多的成員能夠參與知識共享與交流，從而能更大程度地實現知識整合[30]。熊焰等（2011）研究發現，工具性社會網絡非中心性對知識整合呈倒U性的影響關系[31]；他們還提出，工具性聯結直接對知識整合產生影響，而網絡中的情感性聯結通過加強信任、凝聚力等間接對知識整合產生影響。Tiwana（2008）檢驗了橋聯結與強聯結之間的對立、互補關系，認為橋聯結有利于獲取異質性知識資源，但缺乏知識整合能力，而強聯結具有知識整合能力，卻缺乏獲得異質性知識的能力。由此，橋聯結與強聯結的組合有利于促進知識整合與創新[32]。Patrashkova-Volzdoska等（2003）提出網絡密度代表知識型組織內的互動程度，而成員間的互動有利于知識交流、共享與整合[33]。Awazu（2004）提出非正式知識網絡中存在著中心聯系人、邊界人員、守門員、橋接人和專家等5種角色人員，他們都對網絡的知識整合能力起到至關重要的作用[34]。此外，魏江等（2014）[35]還探究過知識網絡結構對知識整合的作用機制。

2.4 基于知識網絡的協同知識創新

關于知識網絡與協同知識創新之間的關系，國內外發表了大量的研究成果，主要集中在以下3個方面：第一，知識網絡結構對知識創新的作用關系；第二，知識網絡關系對知識創新的作用關系；第三，網絡異質性與知識創新的關系。此外，也有學者研究了基于知識網絡的知識創新機制、機理、模式等。王黎螢等（2017）探索了核心層、中間層和外圍層知識網絡嵌入性對研發團隊創造力的作用機理[36]。

較多學者通過仿真或實證的方式，論證了知識網絡結構與知識創新之間的作用關系，通常認為知識網絡的結構對網絡中的協同知識創新有著不同的影響，而小世界網絡結構因為其恰當的連通性、網絡密度、連接強度以及自組織特性等而更能對知識流動、整合與協同創新產生積極效果。在以往的研究中，通常將知識創新分為漸進式創新和突變式創新，而在知識網絡組織中，強聯系發生在日常的事務性工作中，因此適合于漸進式創新；弱聯系因情感、信任、友誼、合作等關系而生成，它更有利于促進網絡成員之間的自由合作與探索，因此有利于促進突變式創新的發展。在學者們的認知中，大多數人都認為要促進知識整合與創新，網絡節點之間的異質性是必要的，否則同質性節點之間不存在合作創新的基礎。但如果網絡節點之間異質性太大，又很難形成相互理解與認同的協作關系，因此也會不利于協同知識創新。因此，通常認為，網絡異質性與知識創新之間是倒U型關系。同時，還有一些研究認為，由于知識關系的網絡化，使得組織內、組織間的知識創新呈現出更加多樣化與復雜化的機理機制，而這又一定程度上顛覆了傳統的他組織的知識創新模式，讓知識創新走向自組織。

3 知識網絡演化的研究

學者們專門針對知識共享網絡演化模型的研究也有了一定的成果積累。傅榮等（2006）利用Blanche軟件實現了知識共享網絡演化模型的仿真設計，在他所構建的模型中，“認知”這一變量是整個模型能夠得以動態變遷的關鍵，隨著知識共享合作水平的強化或減弱，網絡節點之間的關系也在發生變化，從而實現網絡結構與知識共享水平的交互[37]；在黃訓江（2011）所構建的仿真模型中，知識共享網絡結構演化的動力來源于網絡節點基于知識獲取最大化規則的全局性知識搜索[38]；單海燕等（2011）研究了一類基于知識相關度的局部偏好連接機制和偏好刪除機制的知識網絡演化模型[39]；馬費成等（2011）的仿真模型中指出，知識共享網絡在時間上的演化規律是知識增長與知識老化交替的結果[40]；劉向和馬費成（2012）基于復雜網絡方法構建的仿真模型中，將引入度擇優和時間擇優作為知識共享網絡演化的動力機制，認為這種機制更有利于網絡節點高效吸收新近知識[41]；Zhang Y（2013）將知識共享網絡演化的動力解釋為網絡節點之間的競爭機制，并由此構建了演化模型[42]；王斌（2014）認為知識共享網絡的演化動力也可以是來自于基于網絡節點共生關系的知識互動[43]；Nicotra M等（2014）則用網絡節點的知識吸收能力來解釋知識共享網絡演化的成因[44]；Tang（2015）在社會網絡設置的基礎上建立了一個產業集群知識共享網絡演化的仿真模型，他認為知識儲備與知識共享分別從內部和外部兩個方面促進了產業集群的分散與聚合演化，而伴隨著產業集群的演化，其知識水平與知識共享能力也在發生變化[45]；趙健宇（2016）則提出利用知識本身的屬性，包括知識貶值與知識活性，也能形成知識共享網絡中關系連接的擇優機制，從而驅動知識共享網絡的運行與演化[46]；Choudhury N等（2016）則認為，相比較于傳統的網絡拓撲結構與隨時間變化的網絡結構關系擇優重連方法，監督式學習機制能夠更好地預測知識共享網絡的演化趨勢[47]；喻登科等（2016）率先嘗試用網絡節點的社會心理屬性特征來決定其對鄰近節點是否進行知識共享的選擇偏好，進而通過逆向反饋路徑來帶動知識共享網絡結構的演化[48]；張斌等（2016）發表的《知識網絡演化模型研究述評》一文中明確指出，已有文獻大多利用BA模型及其改進模型來研究演化機理，未來的研究應結合網絡的局部結構特征和節點的外部屬性信息來建立混合擇優模型[49]。

從上述文獻中可以提煉得到，知識共享網絡演化的動力與連接機制，目前基本可以歸納為4個方面的解釋：第一，基于隨時間變化的隨機概率或引入度擇優的重連機制，這是大多數模型中采用的方法；第二，基于知識學習、知識搜索、知識競爭、知識屬性的連接機制，這種方法相對而言比較能體現知識共享網絡的獨有特征；第三，基于外部環境因素驅動的重連機制，目前這種方法探索非常少；第四，基于認知、偏好、感知效用最大化等節點心理特征實現的連接機制，這種思路被一些學者認為是“有趣的”、“未來值得研究”的方向。

4 知識網絡績效的研究

4.1 知識網絡與知識增長

知識網絡中由于知識傳播、共享、擴散、創新等活動的運作，使得知識網絡中不僅節點個體能實現知識增長，更重要的是網絡中知識總量能迅速提升，節點的平均知識擁有量也會呈增長態勢。馬費成等（2011）對知識網絡中知識的增長與老化動態進行了動力學建模分析[50]；江積海等（2011）構建出知識網絡中知識生產函數的一般形式與特殊形式，發現網絡中知識增長存在一定條件下的穩定平衡路徑[51]；周文等（2015）將知識增長績效的影響因素納入動態過程，構建了集群創新網絡中的知識增長過程模型[52]；金燕等（2015）構建了協同創新網絡知識增長的動力模型，它由知識增長基礎平臺、著力點、外部驅動鞭、內部驅動軸和旋轉輻射網等五部分組成，其運行主要經歷定點啟動階、非周期振動、高速穩定旋轉及分化等四個階段[53]。

4.2 知識網絡與技術創新

隨著全球產業鏈競爭格局與共享經濟模式的興起，企業間舊有的競爭模式逐漸演變為網絡層面的競爭與合作。與此同時，技術的復雜性增強與專業化程度增加，使得企業技術創新需要尋求開放與外援，而知識網絡正是滿足這一需求的新渠道。在知識網絡環境下，企業技術創新的模式在悄然發生變革，開放式技術創新成為智能經濟下的重要創新模式。一些國際知名的高新技術企業（例如，因米柚空間而實現顛覆的小米公司）和知識密集型產品（例如，基于iPhone的APP開發）都因開放式創新而生存與發展，而技術創新的眾包模式則為大眾創新戰略的實現提供了方略。眾多研究均表明，知識網絡為技術創新提供了更好的載體、媒介與平臺，改造了技術創新的動力學特征，會對技術創新績效產生積極的重大影響。此外，知識網絡的結構特征（包括中心勢等）也會對組織中的二元性技術創新績效產生重要影響。

4.3 知識網絡與組織成長

企業組織在對內、對外的知識網絡建構過程中，能通過知識獲取、知識轉移、知識創新和知識利用來不斷的強化組織知識庫，改造組織內和組織間的知識關系與協作路徑，并促成知識型組織的自組織演化，讓組織伴隨著知識增長過程而實現由量變到質變，促成企業組織的成長。依據K Chidambaranathan（2004）的觀點，知識網絡改變了企業組織的信息系統生態，而讓組織有了更有利于成長的環境[54]。

5 結 論

在經濟全球化、產業集群化、企業知識密集化的大背景下，知識網絡研究有著極其重要的現實意義。而且，因為知識網絡的社會、物理、經濟、知識等屬性特征，讓知識網絡有著多學科交叉研究的基礎和優勢。經過幾十年的發展積累，尤其是近一二十年的廣泛研究，知識網絡領域已經形成了非常豐富的研究成果。這些研究成果的歸類整理、脈絡梳理與核心觀點匯總，有著必要性和重要性。即使在已經有前人做了類似工作的情況下，換一個視角、追蹤前沿文獻，然后做出更有啟示意義的文獻述評，也具有發表和傳播的價值。本文基于這一認知，以結構、行為、演化、績效4個維度對知識網絡的研究成果做了系統概括，希冀能對過去的研究做一個好的總結，更希望能為后來研究者提供參考與指引。同時還需特別強調的是，關于知識網絡的研究成果，還有很多，本文的參考文獻中未一一列出；關于知識網絡的維度認識，也可以有別的視角，本文僅提供了其中的一個認知架構。這是本文在認識論上的局限性，但是本文作者團隊會沿著我們的認知架構，找尋有潛力的研究方向，未來做更多深入和具體的探索。

參考文獻

[1]Brookes B C.The Foundations of Information Science：Part IV.Information Science：The Changing Paradigm[J].Journal of Information Science，1981，3（1）：3-12.

[2]Milo R，Shen-Orr S，Itzkovitz S，Kashtan N，Chklovskii D，Alon U.Network Motifs：Simple Blocks of Complex Networks[J].Science，2002，（298）：824-827.

[3]王曉光.科學知識網絡的形成與演化（II）：共詞網絡可視化與增長動力學[J].情報學報，2010，29（2）：314-322.

[4]Song C，Havlin S，Makse H A.Self-Similarity of Complex Networks[J].Nature，2005，（433）：392-395.

[5]Price D J.Networks of Scientific Papers[J].Science，1965，（149）：510-515.

[6]Redner S.How Popular is Your Paper？An Empirical Study of the Citation Distribution[J].European Physical Journal B，1998，（4）：131-134.

[7]Barabasi A L，Jeong H，Neda Z，Ravasz E，Schubert A，Vicsek T.Evolution of the Social Network of Scientific Collaborations[J].Physica A：Statistical Mechanics and Its Applications，2002，311（3-4）：590-614.

[8]Newman M E.The Structure and Function of Complex Networks[J].Siam Review，2003，45（2）：167-256.

[9]Tachimori Y，Iwanaga H，Tahara T.The Networks from Medical Knowledge and Clinical Practice Have Small-World，Scale-Free，and Hierarchical Features[J].Physica A：Statistical Mechanics & Its Applications，2013，392（23）：6084-6089.

[10]Cancho R F I，Sole R V.The Small World of Human Language[C].Proceedings of the Royal Society of London Series Biological Sciences，2001，268（1482）：2261-2265.

[11]韋洛霞，李勇，李偉，等.漢字網絡的3度分隔與小世界效應[J].科學通報，2004，49（24）：2615-2616.

[12]劉知遠，鄭亞斌，孫茂松.漢語依存句法網絡的復雜網絡性質[J].復雜系統與復雜性科學，2008，5（2）：1-9.

[13]林敏，李南，吳貴生.研發團隊知識交流網絡結構的實證研究[J].科研管理，2012，33（9）：63-70.

[14]胡泉，劉延申，謝芳，等.漢語復句關系詞搭配網中的小世界效應和無標度特征[J].武漢大學學報：工學版，2014，47（6）：859-864.

[15]張古鵬.小世界創新網絡動態演化及其效應研究[J].管理科學學報，2015，18（6）：15-29.

[16]魏奇鋒，石琳娜.基于小世界網絡的知識網絡結構演化模型研究[J].軟科學，2017，31（7）：135-140.

[17]史定華，劉黎明.演化網絡——模型、測度與方法[A].許曉鳴，郭雷.復雜網絡[C].上海：上?？萍冀逃霭嫔?，2006：6-10.

[18]孫銳.基于知識網絡擴展學習的知識團隊創新研究[J].科學學與科學技術管理，2006，（10）：130-134.

[19]馬鴻佳，侯美玲，宋春華.社會網絡、知識分享意愿與個人創新行為：組織二元學習的調節效應研究[J].南方經濟，2015，（6）：100-113.

[20]Kang S C，Morris S S，Snell S A.Relational Archetypes，Organizational Learning，and Value Creation：Extending the Human Resource Architecture[J].Academy of Management Review，2007，21（1）：236-256.

[21]李文博.知識網絡結構、組織學習與創新績效的實證研究[J].科技管理研究，2009，（8）：415-417.

[22]趙晶，周江華，張帆.基于集群知識網絡的技術學習路徑研究[J].科技進步與對策，2009，26（3）：59-63.

[23]Granovetter M S.The Strength of Weak Ties[J].American Journal of Sociology，1973，78（6）：1360-1380.

[24]Tsai W.Social Structure of“Coopetition”Within a Multiunit Organization：Coordination Competition，and Intraorganizational Knowledge Sharing[J].Organization Science，2002，13（2）：179-190.

[25]Levin D Z，Cross R.The Strength of Weak Ties you Can Trust：the Mediating Role of Trust in Effective Knowledge Transfer[J].Management Science，2004，50（11）：1477-1490.

[26]Burt R S.Structural Holes：The Social Structure of Competition[M].Cambridge：Harvard University Press，1992.

[27]Oh H，Chung M H，Labianca G.Group Social Capital and Group Effectiveness：The Hole of Informal Socializing ties[J].Academy of Management Journal，2004，47（6）：860-875.

[28]Cross R，Parker A，Prusak L，et al.Knowing what we Know：Supporting Knowledge Creation and Sharing in Social Networks[J].Organizational Dynamics，2001，30（2）：100-120.

[29]唐厚興.社會網絡結構對企業間知識共享影響研究綜述[J].情報科學，2017（6）：164-170.

[30]Rulke D L，Galaskiewicz J.Distribution of Knowledge，Group Network Structure，and Group Performance[J].Management Science，2000，46（5）：612-625.

[31]熊焰，李杰義.網絡結構、知識整合與知識型團隊績效關系研究[J].研究與發展管理，2011，23（6）：8-16.

[32]Tiwana A.Does Technological Modularity Substitute for Control？A Study of Alliance Performance in Software Outsourcing[J].Strategic Management Journal，2008，29（7）：769-780.

[33]Patrashkova-Volzdoska R R，McComb S A，Green S G，et al.Examining a Curvilinear Relationship Between Communication Frequency and Team Performance in Cross-Functional Project teams[J].Engineering Management，IEEE Transactions on，2003，50（3）：262-269.

[34]Awazu Y.Informal Network Players，Knowledge Integration，and Competitive Advantage[J].Journal of Knowledge Management，2004，8（3）：62-70.

[35]魏江，徐蕾.知識網絡雙重嵌入、知識整合與集群企業創新能力[J].管理科學學報，2014，17（2）：34-47.

[36]王黎螢，虞微佳，王宏偉，等.跨層次知識網絡嵌入性對研發團隊創造力的影響研究[J].浙江工業大學學報：社會科學版，2017，16（1）：1-9.

[37]傅榮，裘麗，張喜征，等.產業集群參與者交互偏好與知識網絡演化：模型與仿真[J].中國管理科學，2006，14（4）：128-133.

[38]黃訓江.集群知識網絡結構演化特征[J].系統工程，2011，（12）：77-83.

[39]單海燕，王文平，王嬌俐.知識網絡演化模型的仿真研究[J].系統仿真學報，2011，23（1）：80-84.

[40]馬費成，劉向.知識網絡的演化（Ⅱ）：增長老化與知識產生時點的關系[J].情報學報，2011，30（9）：916-921.

[41]劉向，馬費成.科學知識網絡的演化與動力——基于科學引證網絡的分析[J].管理科學學報，2012，15（1）：87-94.

[42]Zhang Y，Jie W U，Liu T.Weighted Network Evolution Model of Industry Technology Innovation Alliances Knowledge Transfer Based on Node Competitivenesss[J].Management Science & Engineering，2013，7（1）：35-44.

[43]王斌.基于網絡結構的集群知識網絡共生演化模型的實證研究[J].管理評論，2014，26（9）：128-138.

[44]Nicotra M，Romano M，Giudice M D.The Evolution Dynamic of a Cluster Knowledge Network：The Role of Firms Absorptive Capacity[J].Journal of the Knowledge Economy，2014，5（2）：240-264.

[45]Tang H.Modelling and Simulation on Evolution Effect of Knowledge Sharing on Industry Cluster Based on Social Network[J].Open Cybernetics & Systemics Journal，2015，9（1）：1183-1188.

[46]趙健宇.知識創造行為對知識網絡演化的影響——以知識貶值和知識活性為參數[J].系統管理學報，2016，（1）：175-184.

[47]Choudhury N，Uddin S.Time-Aware Link Prediction to Explore Network Effects on Temporal Knowledge Evolution[J].Scientometrics，2016，108（2）：745-776.

[48]喻登科，周榮，涂國平.嵌入社會心理的知識網絡結構、行為與績效關系仿真[J].科技進步與對策，2016，33（1）：132-141.

[49]張斌，李亞婷.知識網絡演化模型研究述評[J].中國圖書館學報，2016，42（5）：85-101.

[50]馬費成，劉向.知識網絡的演化（Ⅰ）：增長與老化動態[J].情報學報，2011，30（8）：787-795.

[51]江積海，于耀淇.基于知識增長的知識網絡中知識生產函數研究[J].情報雜志，2011，30（5）：114-118.

[52]周文，陳偉，郎益夫.集群創新網絡知識動態增長研究：基于過程視角[J].系統工程學報，2015，30（4）：431- 441.

[53]金燕，李昱瑤.協同創新網絡知識增長的動力模型研究[J].圖書館學研究，2015，（20）：95-100.

[54]Chidambaranathan K.Knowledge Management and Organizational Growth[J].University News，2004，42（24）：11-14.

（責任編輯：郭沫含）